Luận văn Thạc sĩ Kinh tế: Các yếu tố ảnh hưởng đến bất cân xứng thông tin trên thị trường chứng khoán Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH

ĐẶNG THANH SƠN

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

TP. HỒ CHÍ MINH - NĂM 2018

BỘ GIÁO DỤC VÀ ĐÀO TẠO

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH

ĐẶNG THANH SƠN

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ

Chuyên ngành: Tài chính - Ngân hàng

Mã số: 8 34 02 01

Người hướng dẫn khoa học: TS. LÊ HOÀNG VINH

TP. HỒ CHÍ MINH - NĂM 2018

TÓM TẮT

Đề tài “Các yếu tố ảnh hưởng đến bất cân xứng thông tin trên thị trường

chứng khoán Việt Nam” hướng đến mục tiêu giảm thiểu bất cân xứng thông tin trên

thị trường chứng khoán Việt Nam thông qua việc cung cấp thông tin đo lường mức

độ bất cân xứng thông tin cũng như các yếu tố ảnh hưởng đến mức độ bất cân xứng

thông tin trên thị trường chứng khoán Việt Nam.

Đề tài lượng hóa mức độ bất cân xứng thông tin thông qua mô hình của

Glosten và Harris (1988) và xác định các yếu tố ảnh hưởng đến mức độ bất cân

xứng thông tin thông qua mô hình của Van Ness và các cộng sự (2001). Việc đo

lường bất cân xứng thông tin theo hướng tiếp cận là đo lường thành phần lựa chọn

ngược (ASC) thông qua chênh lệch giá mua bán (Bid-ask spread).

Cụ thể, kết quả nghiên cứu cho thấy bất cân xứng thông tin còn tồn tại trên

thị trường chứng khoán Việt Nam. Theo dữ liệu đo lường năm 2017, trên sàn HNX

mức độ bất cân xứng thông tin là 86,36% , trong khi đó trên sàn HOSE mức độ bất

cân xứng thông tin là 96,02%.

Như vậy, có thể nhận thấy tại thị trường chứng khoán Việt Nam, mức độ bất

cân xứng thông tin tại sàn HOSE là cao hơn. Các yếu tố cần xem xét trước tiên khi

tìm hiểu về bất cân xứng thông tin là sai số của tỷ suất sinh lợi, tỷ số giá thị trường

trên giá sổ sách và giá giao dịch trung bình của cổ phiếu do ảnh hưởng của những

yếu tố này chiếm tỷ trọng lớn trong việc ảnh hưởng đến bất cân xứng thông tin trên

thị trường chứng khoán Việt Nam theo kết quả mà đề tài nghiên cứu.

LỜI CAM ĐOAN

Tác giả luận văn có lời cam đoan danh dự về công trình khoa học này của

mình, cụ thể:

Tôi tên là: Đặng Thanh Sơn

Sinh ngày: 01/04/1991 tại: Bình Dương

Hiện công tác tại: Agribank thị xã Tân Uyên, tỉnh Bình Dương.

Tôi là học viên cao học khóa 18 của Trường Đại học Ngân hàng TPHCM.

Chuyên ngành: Tài chính – Ngân hàng

Cam đoan đề tài: “Các yếu tố ảnh hưởng đến bất cân xứng thông tin trên

thị trường chứng khoán Việt Nam”

Người hướng dẫn khoa học: TS. Lê Hoàng Vinh

Được thực hiện tại Trường Đại học Ngân hàng TPHCM.

Tác giả xin cam đoan luận văn này chưa từng được trình nộp để lấy học vị

thạc sĩ tại bất cứ một trường đại học nào. Luận văn này là công trình nghiên cứu

riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung

đã được công bố trước đây hoặc các nội dung do người khác thực hiện ngoại trừ các

trích dẫn được dẫn nguồn đầy đủ trong luận văn.

Tôi xin hoàn toàn chịu mọi trách nhiệm về lời cam đoan danh dự của tôi.

TP.HCM, ngày 29 tháng 10 năm 2018

Tác giả

Đặng Thanh Sơn

LỜI CÁM ƠN

Tôi xin chân thành gửi lời cảm ơn đến TS. Lê Hoàng Vinh, người đã tận tình

hướng dẫn cho tôi trong thời gian thực hiện luận văn, người đã cho tôi nhiều góp ý

quan trọng trong thời gian thực hiện đề tài “Các yếu tố ảnh hưởng đến bất cân xứng

thông tin trên thị trường chứng khoán Việt Nam”.

Tôi cũng xin gửi lời cảm ơn đến tất cả các Thầy Cô của Trường Đại học

Ngân hàng TP.HCM, khoa Sau đại học, bạn bè lớp cao học, các anh chị em đồng

nghiệp đã tận tình giúp đỡ cũng như góp ý hoàn thiện về những thiếu sót trong luận

văn.

Sau cùng tôi xin gửi lời biết ơn sâu sắc đến gia đình đã luôn tạo điều kiện tốt

nhất cho tôi trong suốt quá trình học cũng như thực hiện luận văn.

Do thời gian có hạn và kinh nghiệm nghiên cứu khoa học chưa nhiều nên

luận văn không tránh khỏi những thiếu sót, rất mong nhận được ý kiến góp ý của

Thầy/Cô và các anh chị học viên.

TP.HCM, ngày 29 tháng 10 năm 2018

Tác giả

Đặng Thanh Sơn

MỤC LỤC DANH MỤC TỪ VIẾT TẮT .................................................................................... iv

DANH MỤC BẢNG BIỂU ........................................................................................ v

Chƣơng 1: GIỚI THIỆU ............................................................................................. 1

1.1. TÍNH CẤP THIẾT VÀ LÝ DO LỰA CHỌN ĐỀ TÀI NGHIÊN CỨU.......... 1

1.2. MỤC TIÊU VÀ CÂU HỎI NGHIÊN CỨU ..................................................... 5

1.2.1. Mục tiêu tổng quát ...................................................................................... 5

1.2.2. Mục tiêu cụ thể ........................................................................................... 5

1.2.3. Câu hỏi nghiên cứu ..................................................................................... 6

1.3. ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU ................................................. 6

1.4. ĐÓNG GÓP CỦA NGHIÊN CỨU .................................................................. 7

1.5. CẤU TRÚC ĐỀ TÀI NGHIÊN CỨU .............................................................. 8

Chƣơng 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU ........... 10

2.1. CƠ SỞ LÝ THUYẾT VỀ BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƢỜNG CHỨNG KHOÁN................................................................................ 10

2.1.1. Nghiên cứu lý thuyết nền tảng về bất cân xứng thông tin........................ 10

2.1.2. Các khái niệm về bất cân xứng thông tin ................................................. 12

2.1.3. Hệ quả của bất cân xứng thông tin ........................................................... 12

2.1.4. Ảnh hƣởng của bất cân xứng thông tin trên thị trƣờng chứng khoán ...... 14

2.1.5. Định hƣớng chung nhằm hạn chế bất cân xứng thông tin........................ 14

2.1.6. Cơ sở lý thuyết các yếu tố ảnh hƣởng đến bất cân xứng thông tin trên thị trƣờng chứng khoán............................................................................................ 16

2.2. TỔNG QUAN CÁC NGHIÊN CỨU ............................................................. 20

2.2.1. Lƣợc khảo các nghiên cứu ....................................................................... 20

2.2.2. Thảo luận các nghiên cứu ......................................................................... 25

Chƣơng 3: PHƢƠNG PHÁP NGHIÊN CỨU .......................................................... 27

3.1. PHƢƠNG PHÁP NGHIÊN CỨU .................................................................. 27

3.2. MẪU VÀ DỮ LIỆU NGHIÊN CỨU ............................................................. 28

3.2.1. Mẫu nghiên cứu ........................................................................................ 28

3.2.2. Dữ liệu nghiên cứu ................................................................................... 29

3.3. QUY TRÌNH NGHIÊN CỨU ........................................................................ 30

3.4. LỰA CHỌN MÔ HÌNH ................................................................................. 32

3.4.1. Mô hình xác định mức độ bất cân xứng thông tin ................................... 32

3.4.2. Mô hình xác định các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin ........................................................................................................................ 32

Chƣơng 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ...................................... 38

4.1. MỨC ĐỘ BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM ............................................................................................ 38

4.1.1. Kết quả hồi quy mô hình .......................................................................... 38

4.1.2. Kiểm định khuyết tật của mô hình ........................................................... 40

4.1.3. Kết quả hồi quy khắc phục khuyết tật của mô hình ................................. 40

4.2. CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM ................................................... 42

4.2.1. Thống kê mô tả ......................................................................................... 42

4.2.2. Phân tích tƣơng quan ................................................................................ 51

4.2.3. Phân tích hồi quy ...................................................................................... 53

4.3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU ..................................................... 58

Chƣơng 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH .............................................. 61

5.1. KẾT LUẬN .................................................................................................... 61

5.2. GỢI Ý, KHUYẾN NGHỊ ............................................................................... 62

5.2.1. Đối với nhà quản lý thị trƣờng ................................................................. 62

5.2.2. Đối với nhà đầu tƣ và các chủ thể khác ................................................... 63

5.3. HẠN CHẾ VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI ......... 64

5.3.1. Hạn chế của đề tài .................................................................................... 64

5.3.2. Hƣớng nghiên cứu tiếp theo ..................................................................... 65

TÀI LIỆU THAM KHẢO ......................................................................................... 67

PHỤ LỤC 1 ............................................................................................................... 71

PHỤ LỤC 2 ............................................................................................................... 76

PHỤ LỤC 3 ............................................................................................................... 81

PHỤ LỤC 4 ............................................................................................................... 82

PHỤ LỤC 5 ............................................................................................................... 84

iii

PHỤ LỤC 6 ............................................................................................................... 95

DANH MỤC TỪ VIẾT TẮT

Tên viết tắt Diễn giải

bất cân xứng thông tin AI

thành phần lựa chọn ngƣợc ASC

mô hình tác động cố định FEM

sở giao dịch chứng khoán Hà Nội HNX

HOSE sở giao dịch chứng khoán Hồ Chí Minh

lý thuyết nghiên cứu về chính sách cổ tức của M.H Miller M&M và Mocligliani

NYSE sở giao dịch chứng khoán New York

REM mô hình tác động ngẫu nhiên

TTCK thị trƣờng chứng khoán

DANH MỤC BẢNG BIỂU

Bảng 3.1 Tóm tắt biến trong mô hình nghiên cứu .................................................... 36

Bảng 4.1 Thành phần lựa chọn ngƣợc ...................................................................... 38

Bảng 4.2 Thành phần lựa chọn ngƣợc (điều chỉnh) .................................................. 40

Bảng 4.3 Kết quả hồi quy mô hình 1 trên HNX ....................................................... 41

Bảng 4.4 Kết quả hồi quy mô hình 1 trên HOSE ...................................................... 41

Bảng 4.5 Thống kê mô tả các biến trên HOSE ......................................................... 42

Bảng 4.6 Thống kê mô tả các biến trên HNX ........................................................... 47

Bảng 4.7 So sánh các biến trên HOSE và HNX ....................................................... 50

Bảng 4.8 Ma trận tƣơng quan giữa biến phụ thuộc TC và các biến độc lập trên sàn HOSE ........................................................................................................................ 51

Bảng 4.9 Ma trận tƣơng quan giữa biến phụ thuộc TC và các biến độc lập trên sàn HNX .......................................................................................................................... 52

Bảng 4.10 Kết quả hồi quy mô hình 2 trên sàn HOSE và HNX ............................... 54

Bảng 4.11 Kết quả kiểm định đa cộng tuyến với 10 biến độc lập trên HOSE ......... 55

Bảng 4.12 Kết quả kiểm định đa cộng tuyến với 9 biến độc lập trên HOSE ........... 56

Bảng 4.13 Kết quả kiểm định đa cộng tuyến với 8 biến độc lập trên HOSE ........... 56

Bảng 4.14 Kết quả hồi quy mô hình trên HOSE sau khi xử lý phƣơng sai sai số thay đổi .............................................................................................................................. 57

Bảng 4.15 Kết quả kiểm định đa cộng tuyến với 2 biến độc lập trên HOSE ........... 57

Bảng 4.16 Kết quả mô hình sau khi xử lý phƣơng sai sai số thay đổi ...................... 57

Bảng 4.17 Kết quả hồi quy mô hình trên HNX sau khi xử lý các khuyết tật ........... 58

DANH MỤC HÌNH

Hình 1-1 Khung tiếp cận nghiên cứu .......................................................................... 6

Hình 3-1 Quy trình nghiên cứu ................................................................................. 30

Chƣơng 1: GIỚI THIỆU

1.1. TÍNH CẤP THIẾT VÀ LÝ DO LỰA CHỌN ĐỀ TÀI NGHIÊN CỨU

Thị trƣờng tài chính nói chung và thị trƣờng chứng khoán nói riêng là kênh lƣu

chuyển vốn trong nền kinh tế; mức độ hiệu quả của thị trƣờng càng cao, dòng vốn

luân chuyển càng nhanh, dẫn đến hiệu suất sử dụng vốn tăng góp phần làm tăng

năng suất lao động, thúc đẩy nền kinh tế phát triển. Trên thực tế, thị trƣờng tài chính

không hoàn hảo, một trong các thƣớc đo mức độ hiệu quả của thị trƣờng là chất

lƣợng thông tin đƣợc phản ánh trong giá của các tài sản tài chính.

Theo lý thuyết kinh tế học vi mô, bất cân xứng thông tin (Asymmetric

information) là trƣờng hợp trong đó ngƣời mua và ngƣời bán sở hữu các mức độ

khác nhau về mặt thông tin (Robert Pindyck và Daniel Rubinfeld, 2009). Việc bất

bình đẳng trong việc tiếp cận thông tin dẫn đến hai hệ quả chính trên thị trƣờng là

lựa chọn ngƣợc (adverse selection) và rủi ro đạo đức (moral hazard).

Nghiên cứu về bất cân xứng thông tin đƣợc đề cập lần đầu tiên vào năm 1970

bởi George Akerlof; trong bài báo viết năm 1970 có tựa đề “The Market Lemons”,

ông đặt ra câu hỏi điều gì sẽ xảy ra với thị trƣờng xe cũ nếu ngƣời mua không thể

phân biệt đƣợc đâu là chiếc xe còn tốt. Giả sử ngƣời mua sẵn sàng trả 1.000 USD

cho một chiếc xe tốt (quả đào) và 500 USD cho một chiếc xe hay gặp trục trặc (quả

chanh). Những lập luận đƣa ra trong điều kiện tồn tại bất cân xứng thông tin dẫn

đến việc những chiếc xe vẫn đƣợc bán nhƣng điều bất ngờ là chẳng có chiếc xe tốt (quả đào) nào đƣợc bán ra1.

Lập luận tƣơng tự trên thị trƣờng chứng khoán (TTCK), tình trạng bất cân

xứng thông tin dẫn đến việc ngƣời mua và ngƣời bán nắm thông tin ở mức độ khác

nhau đối với cùng một tài sản tài chính (một mã chứng khoán) sẽ đƣa ra những

1 Akerlof, G. (1970). The market for lemons: Quality uncertainty and the market mechanism

quyết định mua bán khác nhau ảnh hƣởng lên giá của chúng dẫn đến tình trạng một

công ty tốt có thể bị định giá thấp trên thị trƣờng và ngƣợc lại. Điều này dẫn đến hệ

quả là những nhà đầu tƣ có mức độ tiếp cận thông tin kém hơn sẽ bị thiệt hại.

Trên thị trƣờng chứng khoán, hiện tƣợng bất cân xứng thông tin thƣờng tồn

tại. Một số biểu hiện thể hiện sự hiện diện của bất cân xứng thông tin có thể xem

xét:

- Việc thiếu thông tin làm cho nhà đầu tƣ không hiểu biết đầy đủ tình hình sản

xuất kinh doanh, tình hình tài chính doanh nghiệp từ đó đƣa ra những quyết định sai

lầm trong đầu tƣ.

- Việc thiếu minh bạch thông tin của các công ty trên thị trƣờng chứng khoán

dẫn đến những quyết định sai lầm của nhà đầu tƣ làm ảnh hƣởng đến niềm tin vào

thị trƣờng.

- Bất cân xứng thông tin dẫn đến hiệu ứng đám đông trên thị trƣờng chứng

khoán khi các nhà đầu tƣ hành động theo số đông, mua vào khi nhiều ngƣời mua

vào và bán ra khi nhiều ngƣời bán ra (vì khi thiếu thông tin, một cá nhân sẽ có xu

hƣớng tin theo đám đông vì nghĩ rằng nhiều ngƣời sẽ đúng), điều này tạo ra cung

cầu ảo trên thị trƣờng, ảnh hƣởng lên giá chứng khoán, gây ra thiệt hại bất thƣờng

cho nhà đầu tƣ.

- Giao dịch nội gián khi một bộ phận nhỏ nắm bắt đƣợc trƣớc thông tin tiến

hành thực hiện các giao dịch có lợi cho mình, từ đó làm ảnh hƣởng đến quyền lợi,

sự công bằng của các nhà đầu tƣ trên thị trƣờng.

- Công bố thông tin sai, vi phạm công bố thông tin diễn ra tƣơng đối thƣờng

xuyên trên thị trƣờng chứng khoán Việt Nam.

Tuy nhiên để đánh giá mức độ bất cân xứng thông tin cũng nhƣ xác định các

yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin một cách cụ thể, cần lƣợng

2 Glosten, L. R., and Harris, L. E. (1988). Estimating the components of the Bid-Ask Spread.Journal of Finamcial Economics, 21 (1), 123-142.

hóa các dữ liệu thu thập đƣợc. Một trong các mô hình đánh giá mức độ bất cân xứng thông tin thƣờng đƣợc sử dụng là mô hình của Glosten và Harris (1988)2 và

mô hình thƣờng dùng để xác định các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin là mô hình của Van Ness và các cộng sự (2001)3.

Thực trạng bất cân xứng thông tin trên thị trƣờng chứng khoán Việt Nam hiện

nay gây ảnh hƣởng không nhỏ đến các nhà đầu tƣ tham gia thị trƣờng. Cụ thể:

- Việc vi phạm công bố thông tin của các doanh nghiệp niêm yết còn nhiều,

đặc biệt là các vi phạm về chậm công bố báo cáo tài chính, báo cáo quản trị công ty.

Thông tin công bố trƣớc kiểm toán và sau kiểm toán có sự sai lệch dẫn đến quyết

định sai lầm, gây thiệt hại cho nhà đầu tƣ.

- Các thông tin đƣợc công bố trên các diễn đàn chứng khoán lớn (có thể đề cập

đến nhƣ vietstock, f319, cafeF,…) đa dạng nhƣng chƣa đƣợc quản lý chặt chẽ về

tính chính xác cũng nhƣ chất lƣợng thông tin công bố. Các nhà đầu tƣ tại Việt Nam

thƣờng chịu nhiều rủi ro thông tin trong việc tham gia các diễn đàn, điều này xuất

phát từ thực trạng nguồn thông tin chính thống không đáp ứng kịp thời và đầy đủ

cho việc ra quyết định của các nhà đầu tƣ, dẫn đến tình trạng đầu tƣ theo đám đông,

theo thông tin nội gián.

- Hoạt động của các nhóm lợi ích (đội lái) trên thị trƣờng vẫn còn tồn tại, đặc

biệt là ở giai đoạn 2009-2010, tác động làm giá cổ phiếu trên thị trƣờng tăng giảm

bất thƣờng, do cung cầu ảo quyết định. Nhà nƣớc đã có những chính sách kiểm

soát, phát hiện và xử lý các trƣờng hợp này, tuy nhiên thực tế thì những nhóm lợi

ích vẫn còn tồn tại, những nhóm này hoạt động dựa trên việc tạo cung cầu ảo của cổ

phiếu, công bố những thông tin nội gián, thổi phồng kết quả kinh doanh cũng nhƣ

che giấu những sai phạm, những thông tin bất lợi của những công ty niêm yết. Nhà

đầu tƣ cá nhân, nhỏ lẻ thƣờng bị kéo theo những thông tin chƣa xác thực trên để ra

những quyết định sai lầm, dẫn đến thiệt hại về tài chính.

- Trong năm 2014, nhà đầu tƣ tham gia thị trƣờng chứng khoán đƣợc chứng

kiến nhiều đợt tăng giá ngoạn mục của các cổ phiếu mới niêm yết. Nguyên nhân

3 Van Ness và các cộng sự (2001), How well do adverse Selection Components Measure Adverse Selection?”, Financial Management

của hiện tƣợng này đƣợc lý giải phần nhiều do thông tin của các công ty chuẩn bị

niêm yết bị rò rỉ trƣớc khi chào sàn, dẫn tới việc mua gom cổ phiếu ngay từ ngày

đầu tiên niêm yết hoặc cố tình đẩy giá cổ phiếu lên quá cao. Trong số 15 doanh

nghiệp mới niêm yết trên 2 Sở giao dịch chứng khoán (SGDCK) trong năm 2014,

có 3 doanh nghiệp có mức giảm điểm liên tiếp ngay sau ngày đầu tiên giao dịch với

các mức giảm từ 12,6% đến 15,5%. 12 doanh nghiệp còn lại đều có mức tăng rất

tốt, thậm chí là tăng đột biến nhƣ mã NDF của Công ty cổ phần Chế biến thực phẩm

nông sản xuất khẩu Nam Định, trong 10 phiên tăng liên tiếp, giá của mã cổ phiếu

này đã tăng tới hơn 170% so với mức giá “chào sàn”, hay mã TVC của Công ty cổ phần Quản lý và Đầu tƣ Trí Việt sau 7 phiên tăng liên tiếp, giá đã tăng 125%4.

Nguyên nhân tăng mạnh của các mã cổ phiếu mới này là do nhà đầu tƣ đƣợc tiếp

cận những thông tin theo hƣớng tích cực nhƣ: Báo cáo tài chính của doanh nghiệp

đƣợc làm có vẻ tốt, kế hoạch hoạt động trong thời gian tới khả quan... Tuy nhiên, kỳ

vọng vào mức tăng trƣởng của các doanh nghiệp này trong tƣơng lai có thể dẫn tới

việc nhà đầu tƣ đang mạo hiểm khi theo đuổi các mức giá cao. Phần lớn các cổ

phiếu mới niêm yết chỉ có mức tăng ấn tƣợng trong một vài tháng đầu kể từ ngày

niêm yết. Sau đó, có những cổ phiếu bƣớc vào giai đoạn điều chỉnh và nhà đầu tƣ

hạn chế về thông tin sẽ là những ngƣời chịu rủi ro trong tình huống này.

- Bên cạnh các rủi ro do bất cân xứng thông tin gây ra cho nhà đầu tƣ nhƣ đã

nêu trên, không thể không nhắc đến rủi ro do các tin đồn thất thiệt trên thị trƣờng.

Đó có thể là tin đồn không có căn cứ, cũng có thể là tin chính thống nhƣng bị thổi

phồng lên do ảnh hƣởng của cách truyền đạt thông tin. Những tin đồn đó làm cho

nhà đầu tƣ bị hoảng loạn và không phân biệt đƣợc tính chính xác cũng nhƣ mức độ

ảnh hƣởng của thông tin. Thị trƣờng chứng khoán Việt Nam đã chứng kiến nhiều

lần giảm điểm mạnh do các tin đồn thất thiệt. Năm 2012, thông tin ông Nguyễn Đức

Kiên - cựu thành viên HĐQT của Ngân hàng thƣơng mại cổ phần Á Châu (ACB) bị bắt đã lấy đi của thị trƣờng 3,1 tỷ USD giá trị vốn hóa5. Mặc dù sự kiện này nếu xét

4 Theo Dương Ngân Hà,Lý thuyết bất cân xứng thông tin-thực trạng trên thị trường chứng khoán Việt Nam 5 Theo Duy Nam, 3 ngày sau Bầu Kiên bị bắt: Chứng khoán Việt mất 65,300 tỷ đồng

về mức độ liên quan sẽ chỉ ảnh hƣởng tới một số ngành nhất định nhƣng sự sụt

giảm của toàn bộ thị trƣờng trong 03 phiên liên tiếp (từ ngày 21, ngày 22 và ngày

23/8/2012) cho thấy mức độ ảnh hƣởng của thông tin tới các đối tƣợng nhà đầu tƣ

trên thị trƣờng. Đầu năm 2013, tin đồn về Chủ tịch HĐQT của Ngân hàng Đầu tƣ

và Phát triển Việt Nam (BIDV) bị bắt cũng làm thị trƣờng bốc hơi gần 34 nghìn tỷ

đồng. Đến tháng 5/2014, tin đồn về căng thẳng chính trị trên Biển Đông khiến nhà

đầu tƣ bán tháo cổ phiếu và thị trƣờng đã mất hơn 65 nghìn tỷ đồng. Thông tin Anh

rời khỏi liên minh Châu Âu, kết quả bầu cử tổng thống Mỹ và gần đây là nguy cơ

chiến tranh thƣơng mại giữa Mỹ và Trung Quốc cũng ảnh hƣởng tiêu cực thái quá

đến thị trƣờng.

Những phân tích trên cho thấy sự tồn tại của bất cân xứng thông tin có thể ảnh

hƣởng nghiêm trọng đến hiệu quả đầu tƣ của các nhà đầu tƣ trên thị trƣờng, bất cân

xứng thông tin tạo ra sự bất công bằng đối với các nhà đầu tƣ trên thị trƣờng chứng

khoán, làm mất niềm tin và từ đó hủy hoại thị trƣờng, vì vậy lựa chọn nghiên cứu

đề tài “Các yếu tố ảnh hưởng đến bất cân xứng thông tin trên thị trường chứng

khoán Việt Nam” đảm bảo đƣợc ý nghĩa khoa học và thực tiễn, và học viên chọn đề

tài này làm luận văn thạc sỹ kinh tế, chuyên ngành Tài chính – Ngân hàng.

1.2. MỤC TIÊU VÀ CÂU HỎI NGHIÊN CỨU

1.2.1. Mục tiêu tổng quát

Mục tiêu tổng quát của đề tài cung cấp thông tin hữu ích cho thiết lập những

chính sách nhằm giảm thiểu tình trạng bất cân xứng thông tin trên thị trƣờng chứng

khoán Việt Nam, góp phần tạo sự công bằng hơn đối với các nhà đầu tƣ tham gia thị

trƣờng cũng nhƣ góp phần đảm bảo phát triển bền vững thị trƣờng.

1.2.2. Mục tiêu cụ thể

Từ mục tiêu nghiên cứu tổng quát nói trên, đề tài xác định các mục tiêu nghiên

cứu cụ thể nhƣ sau:

- Xác định đƣợc các yếu tố ảnh hƣởng đến bất cân xứng thông tin trên thị

trƣờng chứng khoán Việt Nam.

- Lƣợng hóa mức độ ảnh hƣởng của từng yếu tố đến bất cân xứng thông tin

trên thị trƣờng chứng khoán Việt Nam.

- Kiểm định xu hƣớng và mức độ ảnh hƣởng của từng yếu tố đến bất cân xứng

thông tin trên từng sàn giao dịch chứng khoán tại Việt Nam.

- Đƣa ra gợi ý chính sách giúp giảm thiểu tình trạng bất cân xứng thông tin

trên thị trƣờng chứng khoán Việt Nam.

1.2.3. Câu hỏi nghiên cứu

Với mục tiêu nghiên cứu đƣợc xác định ở trên, đề tài sẽ đƣợc thực hiện dựa vào

các câu hỏi nghiên cứu nhƣ sau:

- Những yếu tố nào ảnh hƣởng đến bất cân xứng thông tin trên thị trƣờng

chứng khoán Việt Nam ?

- Mức độ ảnh hƣởng của từng yếu tố đến bất cân xứng thông tin trên thị trƣờng

chứng khoán Việt Nam hiện nay nhƣ thế nào ?

- Xu hƣớng và mức độ ảnh hƣởng của từng yếu tố đến bất cân xứng thông tin

giữa các sàn giao dịch chứng khoán tại Việt Nam có khác nhau hay không?

- Những gợi ý chính sách nào là phù hợp để giúp giảm thiểu tình trạng bất cân

xứng thông tin trên thị trƣờng chứng khoán Việt Nam?

1.3. ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU

Đối tượng nghiên cứu: Bất cân xứng thông tin trên thị trƣờng chứng khoán

Việt Nam, theo đó khung tiếp cận nghiên cứu về bất cân xứng thông tin thể hiện

qua hình 1.1.

THÔNG TIN BẤT CÂN XỨNG

LỰA CHỌN NGƢỢC RỦI RO ĐẠO ĐỨC

CHÊNH LỆCH GIÁ MUA BÁN (BID-ASK SPREAD)

YẾU TỐ KHÁC (CHI PHÍ ĐẶT LỆNH, CHI PHÍ LƢU TRỮ)

Hình 1-1 Khung tiếp cận nghiên cứu

Bất cân xứng thông tin là biến mang tính chất định tính nên việc đo lƣờng sẽ

tiến hành trung gian thông qua biến khác. Bất cân xứng thông tin xảy ra trƣớc khi

thực hiện giao dịch (lựa chọn ngƣợc) và sau khi xảy ra giao dịch (rủi ro đạo đức).

Luận văn đo lƣờng mức độ bất cân xứng thông tin dựa vào thành phần lựa chọn

ngƣợc (trƣớc khi xảy ra giao dịch) tức là dƣới góc độ bất cân xứng thông tin ảnh

hƣởng đến việc ra quyết định của nhà đầu tƣ trên thị trƣờng chứng khoán. Theo

khung nghiên cứu, luận văn sẽ tiếp cận bất cân xứng thông tin theo hƣớng là một bộ

phận cấu thành nên bid-ask spread (chênh lệch giá mua bán). Việc lựa chọn này dựa

trên cơ sở nghiên cứu của Bagehot (1971) về sự tồn tại của khoảng chênh lệch này

theo hƣớng cho rằng nó là kết quả của yếu tố bất cân xứng thông tin, tác giả cho

rằng các nhà tạo lập thị trƣờng chịu lỗ khi phải giao dịch với các nhà đầu tƣ nắm

đƣợc thông tin tốt và đƣợc bù trừ lại bằng cách có đƣợc lợi nhuận khi giao dịch với

các nhà đầu thông thƣờng. Lý thuyết theo hƣớng này đƣợc nhiều tác giả ủng hộ và

tiếp tục mở rộng nghiên cứu nhƣ Stoll (1978), Amihud và Mendelson (1980),

Copeland và Galai (1983), Glosten và Milgrom (1985), Glosten và Harris (1988),

Hasbrouck (1988),… Các tác giả đã thống nhất với nhau về các yếu tố cấu thành

nên chênh lệch giá mua-bán, gồm có: Chi phí đặt lệnh (chi phí xử lý lệnh); chi phí

lƣu trữ và yếu tố bất cân xứng thông tin.

Phạm vi nghiên cứu theo không gian: Đề tài nghiên cứu đƣợc thực hiện với

doanh nghiệp phi tài chính niêm yết trên Sở giao dịch chứng khoán Hồ Chí Minh

(HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX), không bao gồm các doanh

nghiệp thuộc những lĩnh vực ngân hàng, chứng khoán và bảo hiểm.

Phạm vi nghiên cứu theo thời gian: Từ năm 2007 đến năm 2017.

1.4. ĐÓNG GÓP CỦA NGHIÊN CỨU

Đề tài nghiên cứu thực nghiệm về các yếu tố ảnh hƣởng đến bất cân xứng

thông tin trên thị trƣờng chứng khoán Việt Nam, kỳ vọng có những đóng góp nhƣ

Thứ nhất, đề tài cung cấp bằng chứng thực nghiệm để chứng minh mức độ bất

cân xứng thông tin hiện nay trên thị trƣờng chứng khoán Việt Nam. Theo đó đề tài

cung cấp tỷ lệ % về mức độ bất cân xứng thông tin hiện nay trên hai sàn giao dịch

chứng khoán HOSE và HNX trong năm 2017, các kết quả này có thể đƣợc sử dụng

làm cơ sở đánh giá về chất lƣợng công bố thông tin trên thị trƣờng chứng khoán

Việt Nam hiện nay. Các nhà đầu tƣ trên thị trƣờng có thể xem đây là tham số khi

đƣa ra quyết định đầu tƣ, chẳng hạn nhƣ nên đầu tƣ cổ phiếu trên sàn giao dịch

chứng khoán nào.

Thứ hai, đề tài xác định các yếu tố chủ yếu ảnh hƣởng đến mức độ bất cân

xứng thông tin trên thị trƣờng chứng khoán Việt Nam. Dựa vào kết quả này, ngƣời

sử dụng thông tin có thể biết những nhân tố nào cần quan tâm nhiều hơn khi đánh

giá về mức độ bất cân xứng thông tin trên thị trƣờng chứng khoán Việt Nam hiện

nay cũng nhƣ khi giải quyết những vấn đề liên quan đến bất cân xứng thông tin cần

tập trung vào các nhân tố nào. Các nhà quản lý có thể dựa trên kết quả đề tài để tập

trung giải quyết những yếu tố có ảnh hƣởng trọng yếu tới tình trạng bất cân xứng

thông tin, đƣa ra những khuôn khổ pháp lý phù hợp, từ đó góp phần giảm thiểu bất

cân xứng thông tin, tạo ra sự minh bạch thông tin, công bằng hơn cho các thành

phần tham gia trên thị trƣờng chứng khoán từ đó tạo niềm tin cho thị trƣờng, làm cơ

sở cho sự phát triển ổn định và bền vững của thị trƣờng chứng khoán Việt Nam.

Thứ ba, trên cơ sở kết quả nghiên cứu đề tài đƣa ra những kiến nghị, hàm ý

chính sách để hạn chế tình trạng bất cân xứng thông tin trên thị trƣờng chứng khoán

Việt Nam.

Thứ tư, kiểm tra các lý thuyết đánh giá mức độ bất cân xứng thông tin, cung

cấp thêm bằng chứng thực nghiệm nhằm khẳng định vững chắc hơn cơ sở lý thuyết

có liên quan, xác định các yếu tố nào là phù hợp ảnh hƣởng đến mức độ bất cân

xứng thông tin trên thị trƣờng chứng khoán Việt Nam.

1.5. CẤU TRÚC ĐỀ TÀI NGHIÊN CỨU

Luận văn dựa trên những nghiên cứu lý thuyết và thực nghiệm về bất cân xứng

thông tin trên thị trƣờng chứng khoán để đánh giá tình hình bất cân xứng thông tin

trên thị trƣờng chứng khoán dựa trên những hậu quả của tình trạng này. Tiếp theo là

lựa chọn mô hình để kiểm định mức độ bất cân xứng thông tin.

Dựa trên các công trình nghiên cứu trƣớc đây và thực trạng bất cân xứng thông

tin trên thị trƣờng chứng khoán Việt Nam hiện nay, luận văn đƣa ra các yếu tố ảnh

hƣởng đến mức độ bất cân xứng thông tin, từ đó lựa chọn mô hình kiểm định các

yếu tố để xem xét mức ảnh hƣởng của từng yếu tố.

Dựa trên những kết quả nghiên cứu, luận văn đƣa ra kiến nghị, hàm ý chính

sach để giải quyết những yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin, từ

đó sẽ góp phần hạn chế tình trạng bất cân xứng thông tin, tạo công bằng hơn cho

các chủ thể tham gia trên thị trƣờng chứng khoán.

Luận văn sẽ trình bày gồm 5 chương, cụ thể như sau:

Chương 1: Giới thiệu: chƣơng này sẽ trình bày về tính cấp thiết của đề tài

nghiên cứu, mục tiêu và câu hỏi nghiên cứu; đối tƣợng, phạm vi nghiên cứu; đóng

góp của nghiên cứu cũng nhƣ cấu trúc đề tài nghiên cứu

Chương 2: Cơ sở lý thuyết và tổng quan các nghiên cứu: chƣơng này trình bày

cơ sở lý thuyết về bất cân xứng thông tin trên thị trƣờng chứng khoán, tổng quan về

các công trình nghiên cứu liên quan của các tác giả trong và ngoài nƣớc, từ đó làm

cơ sở lựa chọn mô hình nghiên cứu.

Chương 3: Phƣơng pháp nghiên cứu: dựa trên cơ sở lý thuyết và tổng quan

nghiên cứu, lựa chọn mô hình xác định mức độ bất cân xứng thông tin và mô hình

xác định các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin; trình bày

phƣơng pháp thu thập và xử lý số liệu

Chương 4: Kết quả nghiên cứu và thảo luận: dựa trên các kết quả chạy mô

hình, chƣơng 4 của luận văn tiến hành (i) Đánh giá mức độ bất cân xứng thông tin

trên thị trƣờng chứng khoán Việt Nam, (ii) Đánh giá các yếu tố ảnh hƣởng đến bất

cân xứng thông tin trên thị trƣờng chứng khoán Việt Nam

Chương 5: Kết luận và gợi ý chính sách: dựa trên kết quả nghiên cứu và thảo

luận, chƣơng này sẽ đúc rút kết luận và từ đó đƣa ra các gợi ý, khuyến nghị để giảm

thiểu tình trạng bất cân xứng thông tin trên thị trƣờng chứng khoán Việt Nam.

Chƣơng 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU

2.1. CƠ SỞ LÝ THUYẾT VỀ BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ

TRƢỜNG CHỨNG KHOÁN

2.1.1. Nghiên cứu lý thuyết nền tảng về bất cân xứng thông tin

Lý thuyết bất cân xứng thông tin G.A.Akerlof (1970)

Theo Auronen (2003, trang 7), ngƣời đầu tiên giới thiệu về lý thuyết thông tin

bất cân xứng là G.A. Akerlof (1970). Trong quá trình nghiên cứu tình huống mua

bán xe Ô tô trên thị trƣờng, Ông cho rằng ngƣời bán xe có tính chủ động hơn đối

với ngƣời mua. Ngƣời bán có thể biết rõ đặc tính của chiếc xe mình muốn bán và

muốn bán với giá cao. G.A. Akerlof giả định rằng: xác suất để mua xe tốt là q thì

xác suất mua xe xấu là (1-q) (thị trƣờng đƣợc phân loại xe tốt và xấu). Khi đó mức

giá trung bình (P) đƣợc giả định mua xe là:

P = P1q + P2(1-q).

Trong đó:

P1 là giá xe tốt;

P2 là giá xe xấu.

Ông lại cho rằng ngƣời mua xe tiềm năng xem mức giá của các loại xe tốt hay

xấu là ngang nhau, vì họ không thể phân biệt đặc tính của xe nên họ chỉ có thể mua

xe (bất kể tốt hay xấu) tại mức giá trung bình trên thị trƣờng. Thực tế, đối với xe tốt

thì giá cao hơn mức giá trung bình. Vì thế tại mức giá trung bình đó chỉ có những

xe xấu đƣợc giao dịch. Khi đó xác suất để mua xe tốt bây giờ là q’ < q. Nhƣ vậy

ngƣời mua thƣờng là mua đƣợc những chiếc xe xấu, việc lựa chọn xe để mua trong

trƣờng hợp này gọi là sự lựa chọn bất lợi vì họ có thể trả giá cao hơn đối với xe xấu

và ngƣời bán lại không thể bán đƣợc do giá bán thấp hơn chất lƣợng xe tốt. Một

phƣơng cách để giảm bớt thông tin bất cân xứng trên thị trƣờng là thông qua các tổ

chức trung gian trên thị trƣờng. Tổ chức trung gian này có thể giới thiệu rõ hơn

thông tin sản phẩm đến với ngƣời mua nhƣ bảo hành, nhãn mác, thông số kỹ

thuật… chính điều này đã làm cho các bên giao dịch cân bằng hơn về thông tin sản

phẩm, khi đó giao dịch sẽ dễ dàng thực hiện.

Lý thuyết phát tín hiệu Michael Spence (1973)

Tiếp tục phát triển lý thuyết của G.A. Akerlof, Spence đã nghiên cứu trên thị

trƣờng Lao động (Auronen, 2003, tr.10). M. Spence xem việc thuê lao động là một

quyết định đầu tƣ không chắc chắn. Tính không chắc chắn ở đây là việc thuê lao

động mà ngƣời chủ không biết đƣợc khả năng đóng góp, khả năng tạo ra năng suất

của ngƣời lao động là bao nhiêu. Vì thế việc thuê lao động có thể thuê đƣợc lao

động có chất lƣợng hoặc không. Một trong những phƣơng cách giúp ngƣời chủ thuê

đƣợc lao động có năng lực đó là ông chủ có thể xem qua chất lƣợng bằng cấp, kinh

nghiệm,… của ngƣời lao động. Đó đƣợc gọi là những tín hiệu đƣợc phát ra của

ngƣời lao động. Nhƣ vậy việc phát tín hiệu này đã làm giảm thông tin bất cân xứng

giữa những ngƣời lao động và ông chủ.

Lý thuyết cơ chế sàng lọc Joseph Stiglitz (1975)

Cơ chế sàng lọc của J. Stiglitz cũng là lý thuyết phát triển lý thuyết của

Michael Spence (Auronen, 2003, tr.13). Theo ông bất cứ hàng hóa nào cũng đều có

những đặc tính khác nhau nhƣ chất lƣợng khác nhau, mẫu mã khác nhau nên cần

phải phân loại chúng. Đối với lao động cũng có lao động có khả năng, tay nghề cao

và lao động có khả năng, tay nghề thấp. Vì vậy không thể trả lƣơng theo một mức

lƣơng cân bằng. Để khuyến khích ngƣời có khả năng cao, tạo ra năng suất lao động

cao thì cần phải trả lƣơng cao để khuyến khích họ. Đối với ngƣời có khả năng thấp,

việc cố gắng đạt đƣợc một mức năng suất sản xuất để nhận đƣợc lƣơng cao sẽ tốn

chi phí rất lớn so với ngƣời có khả năng cao. Vì vậy việc phân nhóm lao động để trả

lƣơng là việc làm cần thiết để khuyến khích những ngƣời có khả năng nâng cao

trình độ và mang lại hiệu quả cao cho xã hội.

2.1.2. Các khái niệm về bất cân xứng thông tin

Nguyễn Trọng Hoài (2006) cho rằng: “Thông tin bất cân xứng xảy ra khi một

bên đối tác nắm giữ thông tin còn bên khác thì không biết đích thực mức độ thông

tin ở mức nào đó”.

Theo Kyle “Thông tin bất cân xứng trên thị trƣờng chứng khoán xảy ra khi

một hoặc nhiều nhà đầu tƣ sở hữu đƣợc thông tin riêng” (Kyle, 1985 trích trong

Ravi, 2005) hoặc có nhiều thông tin đại chúng hơn về một công ty (Kim và

Verrecchia, 1994 và 1997 trích trong Ravi, 2005).

Theo nhà kinh tế học Fredic S.Miskin Đại học Columbia, Hoa Kỳ: “Thông tin

không cân xứng là sự không ngang bằng về một thông tin mà mỗi bên tham gia vào một giao dịch biết đƣợc”6.

Nhƣ vậy, bất cân xứng thông tin đƣợc hiểu và tiếp cận trong luận văn này là

trạng thái trong giao dịch có một bên nắm giữ thông tin ở mức độ tốt hơn so với bên

còn lại và những thông tin này có ảnh hƣởng đến việc ra quyết định của ngƣời nắm

giữ nó.

2.1.3. Hệ quả của bất cân xứng thông tin

Hoạt động giao dịch cổ phiếu trên thị trƣờng chứng khoán cũng giống nhƣ các

giao dịch ngân hàng (cung cấp tín dụng), bảo hiểm hay các hoạt động mua bán một

sản phẩm nào đó, do thông tin của các bên giao dịch khác nhau nên luôn tồn tại hai

hệ quả của giao dịch này là lựa chọn ngƣợc và rủi ro đạo đức.

Lựa chọn ngược

“Lựa chọn ngƣợc là kết quả của thông tin bị che đậy, nó xảy ra trƣớc khi thực

hiện giao dịch hay nói cách khác trƣớc khi ký hợp đồng” (Nguyễn Trọng Hoài,

2006). Điều mà bất kỳ nhà đầu tƣ nào cũng mong muốn là lợi nhuận, đối với thị

trƣờng chứng khoán lợi nhuận đƣợc thể hiện thông qua việc mua cổ phiếu giá thấp

bán với giá cao (lợi vốn) hoặc đạt đƣợc giá trị cổ tức (lợi tức) kỳ vọng mà nhà đầu

tƣ dự kiến. Nếu kết quả đầu tƣ của nhà đầu tƣ không hiệu quả tức nhà đầu tƣ vi

6 “Kinh tế học về tiền tệ, ngân hàng và thị trường tài chính”, NXB Khoa học Kỹ thuật, 1999, trang 907.

phạm những điều đã nói trên, thì ít nhiều đã tồn tại thông tin bất cân xứng trong

hoạt động đó và hệ quả của nó là chi phí lựa chọn ngƣợc mà nhà đầu tƣ phải gánh

chịu.

Thông thƣờng trong hoạt động mua bán, ngƣời bán là ngƣời nắm rõ thông tin

về sản phẩm của mình và dĩ nhiên khi đó chi phí lựa chọn ngƣợc sẽ do ngƣời mua

gánh chịu. Trên thị trƣờng chứng khoán cũng vậy công ty niêm yết luôn nắm thế

chủ động hơn so với nhà đầu tƣ. Cụ thể, căn cứ vào các hoạt động sản xuất kinh

doanh, lĩnh vực kinh doanh và các hợp đồng kinh doanh, các công ty niêm yết sẽ

biết rõ khả năng đạt đƣợc lợi nhuận kỳ vọng của mình là bao nhiêu nên các công ty

này sẽ biết chắc chắn giá bán trên mỗi cổ phiếu đó bao nhiêu là hợp lý. Vì ngoài

phƣơng pháp xác định giá cổ phiếu bằng giá trị tài sản, còn có phƣơng pháp xác

định giá cổ phiếu theo cổ tức. Thế nên, nếu nhà đầu tƣ không xác định chính xác cổ

tức kỳ vọng của công ty niêm yết thì sẽ định giá cổ phiếu không chính xác và nếu

định giá cao hơn giá trị thực của cổ phiếu thì sự bất lợi hoàn toàn thuộc về nhà đầu

tƣ.

Rủi ro đạo đức

Hệ quả thứ hai mà thông tin bất cân xứng gây ra là rủi ro đạo đức, nó “xuất

hiện do hành vi bị che đậy và xuất hiện sau khi ký hợp đồng” (Nguyễn Trọng Hoài,

2006). Với các hợp đồng vay ngân hàng hay bảo hiểm thì rủi ro đạo đức phát sinh

từ phía ngƣời đi vay hay đi mua bảo hiểm. Họ sử dụng tiền vay không đúng mục

đích hay do đã đƣợc bảo hiểm nên họ sẽ bất cẩn hơn so với trƣớc khi mua bảo hiểm.

Ở thị trƣờng chứng khoán, rủi ro đạo đức phát sinh nếu nhƣ những ngƣời đại diện

điều hành công ty không sử dụng nguồn vốn hiệu quả và đúng mục đích. Do tính

chất của đầu tƣ trên thị trƣờng là đầu tƣ gián tiếp nên việc quản lý, giám sát vốn đầu

tƣ của các nhà đầu tƣ phải thông qua một số ngƣời đại diện để điều hành công ty.

Rủi ro đạo đức sẽ gia tăng nếu nhƣ tỷ lệ sở hữu cổ phần của những ngƣời đại diện

thấp. Vì nếu hoạt động sản xuất kinh doanh không hiệu quả thì trách nhiệm của họ

không cao và sự thiệt hại trên phần vốn góp là thấp. Chính vì thế, hiện nay tiêu chí

đầu tiên để những cổ đông muốn là thành viên của Hội đồng quản trị thì họ phải có

một tỷ lệ vốn góp nhất định nào đó.

2.1.4. Ảnh hƣởng của bất cân xứng thông tin trên thị trƣờng chứng khoán

Trên thị trƣờng chứng khoán, bất cân xứng thông tin là sự không công bằng

trong giao dịch, đối tƣợng có nhiều thông tin hơn chắc chắn sẽ ra quyết định có lợi

hơn cho bản thân mình so với ngƣời khác. Mishkin (2004) đã sử dụng lý thuyết về

vấn đề lựa chọn ngƣợc để giải thích hành vi mua bán trên thị trƣờng chứng khoán

dƣới ảnh hƣởng của bất cân xứng thông tin. Theo tác giả, trên thị trƣờng sẽ có cổ

phiếu tốt là các cổ phiếu có lợi nhuận kỳ vọng lớn và rủi ro thấp, và cổ phiếu xấu là

cổ phiếu có lợi nhuận kỳ vọng thấp và rủi ro cao. Vì sự bất cân xứng thông tin khiến

mức giá mà nhà đầu tƣ thông thƣờng sẵn lòng mua sẽ là mức giá trung bình giữa giá

trị của cổ phiếu tốt và xấu. Chủ sở hữu hay quản lý của công ty tốt sẽ có đƣợc thông

tin tốt hơn nhà đầu tƣ thông thƣờng và biết rằng giá của cổ phiếu trên thị trƣờng

đang bị định giá thấp và do đó sẽ không bán cổ phiếu đang nắm giữ cho nhà đầu tƣ

thông thƣờng tại mức giá trung bình đó. Vì vậy các nhà đầu tƣ thông thƣờng chỉ có

thể mua đƣợc các cổ phiếu xấu. Nhƣng ngƣợc lại, nhà đầu tƣ thông thƣờng cũng là

một ngƣời duy lý, anh ta sẽ không muốn những cổ phiếu xấu và quyết định sẽ

không giao dịch. Hậu quả cuối cùng mang lại là có ít công ty bán đƣợc cổ phiếu

trên thị trƣờng và do đó không thể huy động đƣợc vốn, tức thị trƣờng chứng khoán

không thể phát triển trở thành một trong những nguồn huy động vốn trọng yếu cho

nền kinh tế nhƣ các nhà hoạch định chính sách kỳ vọng. Do đó, bất cân xứng thông

tin sẽ làm giảm tính hiệu quả của thị trƣờng thông qua việc gia tăng chi phí giao

dịch.

2.1.5. Định hƣớng chung nhằm hạn chế bất cân xứng thông tin

Trong nhiều lĩnh vực xuất hiện thông tin bất cân xứng, định hƣớng góc độ lý

thuyết nhằm hạn chế mức độ thông tin bất cân xứng là cơ chế phát tín hiệu, cơ chế

sàng lọc và cơ chế giám sát (Nguyễn Trọng Hoài, 2006):

Phát tín hiệu

Đối với thị trƣờng tài chính, để giao dịch đƣợc hiệu quả thì ngƣời đi vay có thể

vay đƣợc vốn với chi phí thấp, ngƣời cho vay chắc chắn khả năng thu hồi đƣợc nợ

hay ngƣời cho vay và đi vay phải nắm rõ quyền lợi và trách nhiệm của riêng mình.

Thông thƣờng ngƣời đi vay là ngƣời nắm rõ thông tin về mình nhất thế nên họ sẽ

đƣợc lợi nhiều hơn trong giao dịch. Tuy nhiên, ngân hàng sẽ không dễ dàng cho vay

nếu nhƣ họ không biết rõ về khách hàng của mình. Thế nên, ngƣời đi vay phải phát

tín hiệu rằng mình là ngƣời có khả năng trả đƣợc nợ tốt. Vấn đề phát tín hiệu trong

trƣờng hợp này là: Uy tín của công ty, quy mô và danh tiếng công ty, năng lực tài

chính, tài sản đảm bảo vv, ngƣợc lại ngân hàng cũng phải phát tín hiệu để ngƣời đi

vay thực hiện trách nhiệm của mình trong hợp đồng vay nhƣ cơ chế xử lý tài sản, lãi

suất cho vay … Cũng giống nhƣ thị trƣờng tài chính, nhà đầu tƣ khi mua cổ phiếu

của một công ty niêm yết trên thị trƣờng chứng khoán, ít nhiều họ cũng cần biết

công ty đó hoạt động ra sao, sản xuất cái gì ... Vì thế công ty muốn nâng cao vị thế,

bán cổ phiếu với giá cao và hợp lý, nó phải cho nhà đầu tƣ thấy đƣợc danh tiếng,

hiệu quả hoạt động và tiềm năng phát triển của nó.

Sàng lọc

Để hạn chế sự lựa chọn ngƣợc của mình, các ngân hàng thƣờng áp dụng hạn

mức tín dụng khác nhau đối với mỗi đối tƣợng vay, dự án vay và thời hạn vay. Đối

với tổ chức bảo hiểm, cơ chế sàng lọc đƣợc thể hiện qua việc chỉ bảo hiểm một

phần, điều này cho thấy ngay cả đối với nhóm bất cẩn cũng phải có trách nhiệm một

phần của mình trong sự cố bồi thƣờng có thể xảy ra. Ở thị trƣờng chứng khoán,

ngoại trừ một số nhà đầu cơ, đa phần nhà đầu tƣ mong muốn mình sẽ đầu tƣ vào

những công ty có khả năng mang lại hiệu quả cao và bền vững. Vì vậy cơ chế sàng

lọc đối với nhà đầu tƣ là đầu tƣ vào các công ty có thông tin minh bạch, uy tín, làm

ăn hiệu quả và có tiềm năng phát triển cao.

Cơ chế giám sát

Cơ chế giám sát đƣợc áp dụng nhằm mục đích kiểm soát tâm lý ỷ lại, cơ chế

bao gồm: giám sát trực tiếp và giám sát gián tiếp:

- Giám sát trực tiếp: nhà đầu tƣ sẽ bỏ ra nguồn lực để đạt đƣợc kiểm soát thông

tin, cơ chế giám sát này tốn nhiều chi phí và sức lực, khả năng giám sát của nhà đầu

tƣ muốn giám sát công ty niêm yết sẽ bị hạn chế.

- Giám sát gián tiếp: thông qua các quy định của các nhà tổ chức thị trƣờng

(UBCK, Sở GDCK), mặc nhiên các công ty niêm yết phải có trách nhiệm thông báo

trực tiếp hoặc gián tiếp đến nhà đầu tƣ và nhà đầu tƣ cũng thông qua các quyền lợi

đã đƣợc quy định mà có thể tiếp cận giám sát gián tiếp công ty niêm yết. Ngoài ra

còn có giám sát thị trƣờng: căn cứ đánh giá của thị trƣờng để biết nhiều thông tin

hơn về các công ty niêm yết sau khi thực hiện giao dịch. Cơ chế giám sát đƣợc thực

hiện rất chặt chẽ trên thị trƣờng chứng khoán. Vì nhà đầu tƣ không thể bỏ ra một số

tiền mà không biết số tiền đó đƣợc sử dụng nhƣ thế nào.

2.1.6. Cơ sở lý thuyết các yếu tố ảnh hƣởng đến bất cân xứng thông tin trên thị

trƣờng chứng khoán

Bất cân xứng thông tin và định giá tài sản tài chính.

Mô hình định giá tài sản tài chính cổ điển là mô hình định giá tài sản vốn

(CAPM) của W. F. Sharpe, thị trƣờng tài chính đƣợc giả định là có tính chất hoàn

hảo trong đó:

- Mọi thông tin về công ty nào đó và triển vọng của công ty đó đều đƣợc tất cả

mọi nhà đầu tƣ tiếp cận nhƣ nhau và miễn phí.

- Các nhà đầu tƣ mong muốn tối đa hóa lợi nhuận.

- Các nhà đầu tƣ đi vay và cho vay với một lãi suất phi rủi ro.

- Không có thuế và chi phí giao dịch.

Nhƣng thực tế thị trƣờng luôn vận hành một cách không hoàn hảo, lý thuyết

bất cân xứng thông tin ra đời đã đặt lại vấn đề định giá tài sản tài chính. Không phải

thông tin luôn đƣợc công khai miễn phí và việc tiếp cận thông tin của những ngƣời

khác nhau là khác nhau.

S.Grossman (1976) và tiếp đó là J. Stiglitz (1980) cho rằng có sự chuyển hoá

thông tin vào trong giá, tức là thông tin không phải miễn phí và giá trị thông tin có

thể tính thành tiền. Các ông đã chia toàn bộ ngƣời mua trên thị trƣờng ra hai nhóm

ngƣời:

- Nhóm thứ nhất: có ƣu thế thông tin về hiệu quả, tiềm năng và rủi ro của các

tài sản tài chính (nhƣ công ty chứng khoán, các ngân hàng, các định chế đầu tƣ nhƣ

quỹ và công ty quản lý quỹ, và nhất là các ngƣời trong nội bộ công ty phát hành...).

- Nhóm thứ hai: không có hoặc có rất ít thông tin nói trên, đó là các nhà đầu tƣ

cá nhân, nhất là các cá nhân ngoài công ty phát hành.

Nhƣ vậy, ta thấy nhóm thứ nhất là có ƣu thế hơn trong việc định giá, họ có cơ

sở vững chắc để họ có thể đƣa ra quyết định đầu tƣ và rút vốn hiệu quả. Nhóm thứ

hai, những nhà đầu tƣ cá nhân, rất khó tiếp cận thông tin, vì vậy họ sẽ khó khăn hơn

trong việc định giá, xác định thời điểm tham gia thị trƣờng phù hợp. Những thông

tin mà họ nhận đƣợc đã quá muộn và một nhóm ngƣời khác đã biết thông tin và

hành động trƣớc họ. Vì vậy ở trong nhóm thứ hai này, những hành động của họ

luôn có xu hƣớng theo đám đông và phản ứng thái quá. Những hành động của nhóm

thứ nhất đƣa ra là tín hiệu mà nhóm thứ hai phải phân tích và giải mã.

Bất cân xứng thông tin và chính sách cổ tức.

Một công trình lý thuyết rất nổi tiếng nghiên cứu về chính sách cổ tức của

M.H Miller và Mocligliani (đƣợc gọi là lý thuyết M&M. M&M đã đoạt giải Nobel

kinh tế năm 1990 về các nghiên cứu về chính sách cổ tức, cấu trúc vốn và giá trị

doanh nghiệp). Theo M&M trong một thị trƣờng vốn hoàn hảo, chính sách cổ tức

không tác động đến giá trị doanh nghiệp. Nếu một công ty đã thiết lập đƣợc kế

hoạch đầu tƣ, và nguồn vốn tài trợ cho dự án này cũng đã xác lập, vốn vay bao

nhiêu? Bao nhiêu từ lợi nhuận giữ lại? Công ty muốn tăng chi trả cổ tức, chỉ có một

cách là phát hành thêm cổ phần mới (giá trị cổ tức cần chi trả đúng bằng giá trị cổ

phần cần phát hành, M&M đã bỏ qua thuế và chi phí phát hành..)

M&M đã chứng minh rằng các cổ đông cũ nhận đƣợc cổ tức tiền mặt nhƣng

đồng thời cũng chịu một khoản lỗ vốn (tỷ trọng nắm giữ giảm) đúng bằng lƣợng cổ

tức tiền mặt đó. Chính sách cổ tức không tác động đến giá trị doanh nghiệp. Với lập

luận ngƣợc lại, với chính sách đầu tƣ cho trƣớc, một sự giảm sút trong cổ tức đƣợc

cân đối bằng một sự giảm sút trong số lƣợng cổ phần. Thay vì chi trả cổ tức tiền

mặt, thì bây giờ công ty dùng lƣợng tiền mặt đó mua lại số cổ phần lƣu hành trƣớc

đây. Kết quả cũng tƣơng tự nhƣ trên, các cổ đông cũ đã từ bỏ không nhận cổ tức

tiền mặt, nhƣng đƣợc bù trừ đúng bằng lãi vốn tăng thêm từ việc mua lại cổ phần

của công ty (tỷ trọng nắm giữ cổ phần của cổ đông tăng lên). Sự dịch chuyển cổ tức

tiền mặt sang mua lại cổ phần không ảnh hƣởng đến giá trị của cổ phần.

Tuy nhiên, nếu ta so sánh quan điểm này với tình hình thực tế của thị trƣờng

chứng khoán thì có thể thấy sự mâu thuẫn. Thực tế là việc tăng cổ tức thƣờng đƣợc

coi là một thông tin tốt dẫn đến việc tăng giá cổ phiếu, và ngƣợc lại khi các công ty

giảm hoặc không trả cổ tức nữa thì giá cổ phiếu sẽ sụt giảm. Nếu quả thực chính

sách cổ tức không quan trọng thì tại sao lại có những phản ứng nhƣ vậy trên thị

trƣờng. Theo nghiên cứu của Bhattachar (1979), Miller và Rock (1985) thì các nhà

đầu tƣ không phản ứng với chính sách cổ tức mà phản ứng với các thông tin chứa

đựng bên trong chính sách cổ tức. Việc tăng cổ tức có thể là một tín hiệu cho rằng

các nhà quản trị công ty rất lạc quan về dòng thu nhập trong tƣơng lai của công ty.

Vì thông thƣờng các công ty rất ngại cắt giảm cổ tức nên họ chỉ quyết định tăng cổ

tức nếu tin rằng có thể duy trì mức cổ tức cao đó trong tƣơng lai. Do vậy mà tăng cổ

tức sẽ dẫn đến giá cổ phiếu tăng. Nhƣng chính tín hiệu lạc quan - dòng thu nhập cao

trong tƣơng lai - chứ không phải là phƣơng tiện truyền đạt tín hiệu - cổ tức tăng -

làm cho giá cổ phiếu tăng lên.Nhƣ vậy, theo các nhà nghiên cứu này thì chính sách

cổ tức có chứa đựng thông tin và có thể đƣợc coi là một tín hiệu về khả năng phát

triển trong tƣơng lai của công ty. Tuy nhiên quan điểm này chỉ có ý nghĩa khi thỏa

mãn hai điều kiện:

- Thứ nhất, các nhà đầu tƣ coi trọng thông tin này;

- Thứ hai, cổ tức là một tín hiệu về triển vọng phát triển của công ty và là một

tín hiệu đáng tin cậy hơn các tín hiệu khác.

Quan điểm này cho rằng cả hai điều kiện trên đều tồn tại. Các nhà đầu tƣ luôn

quan tâm đến chính sách cổ tức vì cổ tức là một trong hai nguồn thu nhập chính của

họ. Còn mức độ tin cậy cao của chính sách cổ tức khi đóng vai trò là tín hiệu về khả

năng tăng trƣởng của công ty là hoàn toàn có thể lý giải đƣợc. Vì thực tế, nếu công

ty tuyên bố tăng cổ tức mà không có đủ thu nhập để trả thì sẽ phải huy động vốn từ

bên ngoài hoặc phải hy sinh các khoản đầu tƣ trong tƣơng lai. Vì thế, tăng cổ tức là

một tín hiệu có độ tin cậy cao hơn và ràng buộc trách nhiệm của nhà quản lý công

ty nhiều hơn các tín hiệu khác.

Bất cân xứng thông tin và cấu trúc vốn

Mô hình cổ điển của M&M dựa vào những giả thuyết thị trƣờng hoàn hảo,

M&M kết luận rằng cấu trúc vốn (tỷ lệ nợ và vốn chủ sở hữu) độc lập với giá trị

doanh nghiệp. M&M lập luận rằng nếu việc phát hành nợ làm tăng giá trị cổ phần,

thì tại sao các công ty không phát hành nợ? Các nhà đầu tƣ sẵn sàng trả một mức

phí cao hơn cho cổ phần các công ty có sử dụng đòn bẩy tài chính nếu các công ty

có cổ phần sử dụng đòn bẩy tài chính không đáp ứng nhu cầu của họ. Nhƣng có

hàng ngàn công ty có sử dụng đòn bẩy tài chính, vì vậy khó có thể một phát hành nợ

nào hấp dẫn để các nhà đầu tƣ trả thêm một chi phí để mua cổ phần có đòn bẩy tài

chính.

M&M đồng ý rằng việc vay nợ làm tăng tỷ suất sinh lợi vốn cổ phần dự kiến

từ đầu tƣ của các cổ đông, nhƣng nó cũng làm tăng rủi ro cho các cổ đông. Rủi ro

gia tăng vừa đúng bằng bù trừ sự gia tăng trong tỷ suất sinh lợi dự kiến. Các cổ

đông không đƣợc hƣởng lợi và không bị thiệt. Tại sao họ phải trả thêm tiền cho việc

vay gián tiếp bằng cách nắm giữ cổ phần của doanh nghiệp có vay nợ trong khi họ

có thể tự đi vay với chi phí nhƣ doanh nghiệp đi vay.

Lý thuyết M&M đƣợc tiếp cận trong một thị trƣờng hoàn hảo, đó là một thị

trƣờng mà ở đó thông tin đƣợc công khai cho mọi nhà đầu tƣ và sử dụng không mất

tiền, không có các chi phí giao dịch, vay và cho vay với cùng một mức lãi suất phi

rủi ro.

Trong một thị trƣờng tồn tại bất cân xứng thông tin thì việc một số nhà kinh tế

nghiên cứu cho rằng có quan hệ giữa bất cân xứng thông tin và chi phí sử dụng nợ

của doanh nghiệp là hợp lý. Các khách hàng uy tín xứng đáng đƣợc hƣởng chi phí

vốn vay thấp, và ngƣợc lại các khách hàng thất hứa đáng phải chịu chi phí vốn vay

cao. Nhƣ vậy, thông tin là thành phần của chi phí vốn vay.

Liên quan đến tỷ lệ nợ trên tổng vốn, S. Ross (1977) còn tìm ra đƣợc một

nghịch lý, giá trị công ty, thông qua giá thị trƣờng sẽ tăng lên cùng với mức vay nợ

tăng. Ông lập luận nhƣ sau:

Thứ nhất: Tỷ lệ nợ cao là dấu hiệu chứng tỏ điểm tín dụng của công ty đƣợc

cải thiện, vì chỉ có nhƣ thế thì các tổ chức tín dụng mới cho vay thêm.

Thứ hai: Tỷ số nợ cũng cho thấy các nhà quản lý ƣớc đoán rằng thu nhập

tƣơng lai của doanh nghiệp đủ khả năng thanh toán những chi phí tài chính đáng kể

phát sinh từ những khoản nợ này. Tỷ số nợ càng lớn thì ban lãnh đạo càng đáng tin

cậy.

Trên thị trƣờng cổ phiếu, doanh nghiệp nói chung, ban lãnh đạo nói riêng đƣợc

coi là những ngƣời bán, còn cổ đông - nhà đầu tƣ là những ngƣời mua. Trong một

tình hình nhƣ thế giả định sự chuyển giao trực tiếp thông tin từ ngƣời bán sang

ngƣời mua là không thể có. Có hai lý do:

Thứ nhất, nhà quản lý không nhất thiết phải trao đổi toàn bộ những thông tin

mà anh ta sử dụng cho các nhà đầu tƣ; với lý do là những thông tin ấy có thể bị các

đối thủ cạnh tranh sử dụng.

Thứ hai, các thành viên hội đồng quản trị thƣờng có lợi ích trái ngƣợc nhau:

ngƣời nào đang tìm kiếm nguồn tài trợ thì luôn có xu hƣớng khuếch đại điểm mạnh

của những dự án của họ, bỏ qua những khiếm khuyết, trong khi những thành viên

hội đồng quản trị là ngƣời ngoài công ty thì luôn có xu hƣớng kiểm tra, xem xét

những đề nghị mà những ngƣời khác mang đến cho anh ta, mặc cho chi phí có thể

cao.

2.2. TỔNG QUAN CÁC NGHIÊN CỨU

2.2.1. Lƣợc khảo các nghiên cứu

Akerlof, G. (1970). The market for lemons: Quality uncertainty and the

market mechanism.

Trên thị trƣờng xe cũ, ngƣời bán là phía có đủ thông tin về chất lƣợng hàng

hóa trong khi ngƣời mua là phía không có đủ thông tin. Điều này trong kinh tế học

gọi là vấn đề thông tin bất cân xứng. Ngƣời bán biết đến sự tồn tại của vấn đề thông

tin bất cân xứng này và nó kích thích anh ta mạo hiểm bán hàng hóa cũ kém chất

lƣợng với giá nhƣ hàng hóa chất lƣợng còn tốt. Ngƣời mua cũng biết đến sự tồn tại

của vấn đề bất cân xứng thông tin nên cố gắng để khỏi bị hớ bằng cách chọn mua

các hàng hóa cũ giá trung bình với lập luận rằng trong trƣờng hợp bị mắc lừa thì

cũng không đến nỗi thiệt hại lắm. Hậu quả là, cả hàng hóa cũ chất lƣợng tốt và giá

cao với hàng hóa kém chất lƣợng đƣợc bán với giá cao nhƣ của hàng còn tốt đều

khó bán đƣợc. Hiện tƣợng này, trong kinh tế học, gọi là lựa chọn ngƣợc. Trong

nghiên cứu nói trên của Akerlof, những xe cũ bán đƣợc là những xe có chất lƣợng ở

mức trung bình và giá trung bình chứ không phải những xe cũ nhƣng còn tốt và giá

cao. Xét trên bình diện toàn xã hội, cả ngƣời bán lẫn ngƣời mua đều không đƣợc

lợi; phúc lợi xã hội bị giảm. Đây là một minh chứng của việc cơ chế thị trƣờng

không phải lúc nào cũng tối đa hóa phúc lợi. Nói cách khác, đây là một thất bại thị

trƣờng. Việc khắc phục hiện tƣợng thị trƣờng bất cân xứng thông tin đòi hỏi có sự

can thiệp của nhà nƣớc để đảm bảo ngƣời bán phải minh bạch hóa thông tin về hàng

hóa và dịch vụ cũng nhƣ đòi hỏi phải có những quy định về chất lƣợng tối thiểu của

hàng hóa và dịch vụ.

Glosten và Harris (1988) mô hình phân rã các yếu tố cấu thành nên chênh

lệch giá mua bán

Một trong những tác giả tiên phong, và đặt nền tảng cho các nghiên cứu tiếp

theo trong việc xác định thành phần lựa chọn ngƣợc (ASC) có thể kể đến Glosten và

Harris (1988). Theo đó, các tác giả cho rằng Bid-Ask Spread bao gồm ba thành

phần: chi phí xử lý đặt lệnh, chi phí lƣu trữ, và ASC. Trƣớc khi xác định ASC, các

tác giả thực hiện hàm hồi quy:

∆Pi,t = c0(Qi,t –Qi,t-1) + c1(Qi,tVi,t –Qi,t-1Vi,t-1)+z0Qi,t +z1Qi,tVi,t +εGH

Trong đó:

- Biến phụ thuộc ∆Pi,t là chênh lệch giá giao dịch của cổ phiếu i tại thời điểm t

và (t-1);

- Biến độc lập Qi,t là chỉ số giao dịch của cổ phiếu i tại thời điểm t. Qi,t có giá

trị +1 nếu giao dịch đƣợc ngƣời mua phát động trƣớc và có giá trị -1 nếu giao dịch

đƣợc ngƣời bán phát động trƣớc;

- Vi,t là khối lƣợng giao dịch (KLGD) của cổ phiếu i tại thời điểm t;

- c0, c1, z0, z1 là các hệ số của phƣơng trình;

- εGH là sai số của phƣơng trình.

ASC theo KLGD trung bình của thị trƣờng (Vt) đƣợc tính bằng công thức:

ASC =(z0 + z1 Vt )/ ((c0 + c1Vt ) + (z0 + z1 Vt )) (0 < ASC < 1)

Áp dụng mô hình trên, với dữ liệu nghiên cứu gồm 250 mã chứng khoán niêm

yết trên NYSE (giai đoạn từ 01/12/1981 đến 31/01/1983), Glosten và Harris (1988)

đã ƣớc tính đƣợc ASCNYSE = 1,02%. Trên cơ sở kế thừa và phát triển mô hình

nghiên cứu của Glosten và Harris (1988), những nghiên cứu tiếp theo đã tìm ra

nhiều phƣơng pháp khác để xác định ASC.

Mô hình George Kaul và Nimalendran (1991)

George Kaul và Nimalendran đã phát triển phƣơng pháp phân tích khoảng biến

thiên của giá giao dịch làm hai thành phần chính là thành phần lựa chọn ngƣợc và

thành phần chi phí xử lý đặt lệnh, phần còn lại là chi phí lƣu kho xem nhƣ không

đáng kể (Clarke và Shastri, 2001). Mô hình xác định thành phần lựa chọn ngƣợc

căn cứ vào sự khác biệt giữa lợi nhuận thu đƣợc theo giá khớp và lợi nhuận theo giá

bình quân.

2RDt = π0 + π1(sqtQt - sqt-1Qt-1) + εt

λ = 1 - π1

Trong đó:

- RDt khoảng chênh lệch giữa lợi nhuận thu đƣợc theo giá khớp và lợi nhuận

theo giá bình quân.

- λ là thành phần lựa chọn ngƣợc.

- sqt tỷ lệ giữa biến thiên của giá giao dịch (spread) và giá giao dịch.

- Qt: Chỉ số giao dịch của cổ phiếu tại thời điểm t, Qt bằng +1 nếu là ngƣời

mua và bằng -1 nếu là ngƣời bán.

- εjt: là sai số của phƣơng trình.

Mô hình của Lin, Sanger và Booth (1995)

Lin, Sanger và Booth cũng giả định giống nhƣ George Kaul, và Nimalendran

(1991), thành phần chi phí lƣu kho là không đáng kể trong khoảng biến thiên của

giá giao dịch nên không cần xem xét. Xem xét sự thay đổi trong giá giao dịch nhƣ

là sự phản ảnh của thành phần chi phí xử lý đặt lệnh, trong khi việc định giá phản

ảnh thành phần lựa chọn ngƣợc (Clarke và Shastri, 2001). Mô hình xác định thành

phần lựa chọn ngƣợc:

Mt+1 – Mt = λZt + εj+1

Zt+1 = θ Zt + ϒt+1

Trong đó:

- Mt giá trúng bình quân

- λ là thành phần lựa chọn ngƣợc

- Zt = Pt - Mt (Pt giá giao dịch)

- ∝ = (θ + 1)/2 là thành phần xử lý đặt lệnh

- εj+1 và ϒt+1 là các sai số ngẫu nhiên

Mô hình của Kim và Ogden (1996)

Cũng với giả định chi phí lƣu trữ không đáng kể, kế thừa và phát triển mô hình

đi trƣớc, Kim và Ogden (1996) đo lƣờng ASC dựa trên chênh lệch giữa suất sinh lợi

theo giá khớp với suất sinh lợi theo Bid-Ask Midpoint. Với dữ liệu gồm 1.871 quan

sát của toàn bộ giao dịch năm 1993 trên NYSE và sàn giao dịch chứng khoán Hoa

Kỳ (AMEX), Kim và Ogden (1996) đã xác định ASC = 59%

Mô hình của Brennan và Subrahmanyam (1995)

Nghiên cứu chính của Brennan và Subrahmanyam là nghiên cứu về mối quan

hệ giữa số lƣợng nhà phân tích về một cổ phiếu và thành phần lựa chọn ngƣợc

trong giao dịch cổ phiếu. Kế thừa nghiên cứu của các tác giả trƣớc nhƣ Kyle (1985),

Admati và Pleideter (1988), Bhushan (1989)..., đặc biệt Brennan và Subrahmanyam

đã kế thừa và phát triển hàm hồi quy đồng thời của Admati và Pleideter nhƣ sau:

LTC = a0 + a1LANAL + a2LVOL + a3LPRI + a4LVAR + eTC [1.1]

LANAL = b0 + b1LTC + b2LVAR + b3LSIZE + b4LPRI + (I từ 1 đến 5)∑

bi+5 IND +b9LPINST + b10LINST + eANAL [1.2]

LVOL = g0 + g1LTC + g2LANAL + g3 LSIZE + eERR [1.3]

Trong đó: Hàm [1.3] là hàm mà Brennan và Subrahmanyam đã bổ sung phát

triển. Các biến thông tin trong từng phƣơng trình gồm: LTC là log của thành phần

lựa chọn ngƣợc/giá, LANAL là log của (1 + số lƣợng nhà phân tích), LVOL là log

của số lƣợng cổ phiếu giao dịch trung bình 1 ngày, LSIZE là log của giá trị thị

trƣờng trung bình hàng ngày của cổ phiếu, LVAR là log của sai số của suất sinh lợi

hàng ngày (khoảng biến thiên của giá), LPRI là log của giá trung bình một ngày,

LINST và LPINST là log của số lƣợng các tổ chức trong công ty và log của tỷ lệ %

số lƣợng mà tổ chức nắm giữ, INDi là biến giả thuộc 1 trong 5 ngành công nghiệp

đƣợc phân loại theo COMPUSTAT. Qua nghiên cứu thực nghiệm Brennan và

Subrahmanyam thấy rằng mối quan hệ giữa LANAL và LTC là âm và có ý nghĩa

cao (cùng kết quả nghiên cứu của Kyle, 1985). Điều này Brennan và

Subrahmanyam cho rằng số lƣợng nhà phân tích tăng lên thì thành phần lựa chọn

ngƣợc sẽ giảm vì càng có nhiều nhà phân tích sẽ có nhiều thông tin đƣợc phân tích.

Chính điều đó đã làm cho thông tin về công ty ngày càng minh bạch. Các biến còn

lại trong hàm [1.1] và [1.2] đều có ý nghĩa và tƣơng quan nhƣ các nghiên cứu của

các tác giả trƣớc. Ngoài ra Brennan và Subrahmanyam cũng đã tìm thấy LVOL có

tƣơng quan cao với LANAL và LSIZE, cả 2 đều có tƣơng quan dƣơng với LVOL

và có ý nghĩa thống kê (hàm [1.3]).

Mô hình của Van Ness và các cộng sự (2001):

Nghiên cứu của nhóm tác giả kiểm tra năm nhóm nhân tố ảnh hƣởng tới lựa

chọn đối nghịch bằng cách so sánh các ƣớc lƣợng thành phần của chúng với các đo

lƣờng khác của thông tin bất cân xứng. Các mô hình tạo ra các kết quả hỗn hợp, có

3 nhóm các nhân tố ảnh hƣởng đến AI của một mã chứng khoán gồm có:

Một là, các biến thông tin bất cân xứng: nhóm này bao gồm các biến đại diện

cho mức độ biến động của cổ phiếu (volatility) đƣợc đại diện bởi: độ lệch chuẩn của

mức giá trung bình của giá mua-bán, độ lệch chuẩn của suất sinh lợi hằng ngày, độ

lệch chuẩn của khối lƣợng giao dịch hàng ngày, giá trị giao dịch trung bình hàng

ngày, đòn bẩy tài chính trong nguồn vốn của công ty, sai số trong dự đoán EPS của

các nhà phân tích, mức độ phân tán của dãy các dự báo EPS của các nhà phân tích,

tỷ lệ giá trị thị trƣờng trên giá trị sổ sách, chi phí nghiên cứu phát triển, tài sản vô

hình.

Hai là, các biến đại diện cho các nhà đầu tƣ có lợi về mặt thông tin, gồm có: số

lƣợng các nhà phân tích đối với một công ty, phần trăm nắm giữa cổ phần của các

nhà đầu tƣ tổ chức, số lƣợng các nhà đầu tƣ tổ chức.

Ba là, các biến khác: gồm có giá trị thị trƣờng của vốn chủ sở hữu, các biến

giả (dummy variables) đại diện cho các ngành mà công ty thuộc về.

Nguyễn Văn Ngải, Mức độ thông tin bất cân xứng: Minh chứng từ các công

ty niêm yết trên sở giao dịch chứng khoán Tp.HCM

Nghiên cứu đƣợc thực hiện nhằm xác định mức độ thông tin bất cân xứng đại

diện qua thành phần lựa chọn ngƣợc (Adverse Selection Component - ASC) trên thị

trƣờng chứng khoán Thành phố Hồ Chí Minh (TTCK TP.HCM) giai đoạn từ

01/12/2012 đến 31/5/2013. Sử dụng phƣơng pháp định lƣợng theo ba mô hình của

Glosten và Harris (1988); Lin, Sanger và Booth (1995); và Kim và Ogden (1996),

kết quả nghiên cứu cho thấy ASC trên TTCK TP.HCM nằm trong khoảng 69% đến

77% chênh lệch giữa giá đặt mua và giá đặt bán (Bid-Ask Spread). Đối chiếu với

kết quả nghiên cứu trƣớc, ASC có giảm ở TTCK TP.HCM nhƣng hầu nhƣ ở mức

cao so với TTCK nƣớc ngoài.

2.2.2. Thảo luận các nghiên cứu

Các công trình nghiên cứu đã thống nhất xem bất cân xứng thông tin là một

thành phần cấu thành nên khoảng chênh lệch (spread) trong khoản biến thiên của

giá giao dịch bên cạnh chi phí giao dịch và chi phí xử lý đặt lệnh. Các tác giả

nghiên cứu khác nhau có cách tiếp cận khác nhau về việc đo lƣờng ASC thông qua

các giả định về chi phí giao dịch nhƣng về cơ bản việc đo lƣờng ASC vẫn dựa theo

ý tƣởng của Glosten và Harris. Tuy nhiên nhƣợc điểm của phƣơng pháp này là xác

định biến độc lập Qi,t, trên thực tế việc thu thập dữ liệu do bên mua hoặc bên bán

phát động trƣớc là rất khó thực hiện do trong khoảng thời gian ngắn, gần nhƣ là

cùng một thời điểm có rất nhiều giao dịch đƣợc khớp lệnh, để giải quyết điều này,

luận văn sẽ chấp nhận theo hƣớng giải quyết gộp các giao dịch thành một theo đó

Qi,t đƣợc xác định nhƣ sau:

Qi,t = +1 nếu tại thời điểm giao dịch Pi,t>Pi,t-1

Qi,t = -1 nếu tại thời điểm giao dịch Pi,t

Qi = Qi-1 nếu tại thời điểm giao dịch Pi,t=Pi,t-1

Nghiên cứu của Brennan và Subrahmanyam và Van Ness đều đo lƣờng mức

độ thông tin bất cân xứng theo dạng hàm hồi quy bội có biến dạng bậc nhất. Trong

đó nghiên cứu của Brennan và Subrahmanyam chỉ sử dụng một số biến để đo lƣờng

và chủ yếu kiểm soát vấn đề nội sinh. Nghiên cứu của Van Ness và cộng sự thì sử

dụng khá đầy đủ biến thông tin mà các tác giả trƣớc đã nghiên cứu để đo lƣờng mức

độ thông tin. Do đó việc lựa chọn mô hình Van Ness và các cộng sự để xác định các

yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin là phù hợp hơn. Tuy nhiên khi

sử dụng mô hình Van Ness trong điều kiện thị trƣờng chứng khoán Việt Nam thì

một số biến sẽ không thu thập đƣợc, do đó những biến này sẽ đƣợc loại bỏ và xem

xét nhƣ là một phần sai số của mô hình. Về cơ bản có ba nhóm biến ảnh hƣởng đến

mức độ bất cân xứng thông tin.

Thứ nhất là các biến thông tin bất cân xứng: nhóm này bao gồm các biến đại

diện cho mức độ biến động của cổ phiếu (volatility)

Thứ hai là các biến đại diện cho các nhà đầu tƣ có lợi về mặt thông tin

Thứ ba là các biến khác: gồm có giá trị thị trƣờng của vốn chủ sở hữu, các biến

giả (dummy variables) đại diện cho các ngành mà công ty thuộc về.

Khoảng trống nghiên cứu: các đề tài nghiên cứu về bất cân xứng thông tin trên

thị trƣờng chứng khoán chủ yếu ở thị trƣờng nƣớc ngoài, thời gian nghiên cứu

tƣơng đối cũ so với thời điểm hiện tại. Các nghiên cứu tại thị trƣờng chứng khoán

Việt Nam chủ yếu nghiên cứu tổng thể cả thị trƣờng hoặc từng sàn riêng lẻ, chƣa có

sự so sánh đối chiếu giữa hai sàn lớn là HOSE và HNX. Do đó đề tài hƣớng đến

giải quyết khoảng trống nghiên cứu nêu trên.

Chƣơng 3: PHƢƠNG PHÁP NGHIÊN CỨU

3.1. PHƢƠNG PHÁP NGHIÊN CỨU

Đề tài sử dụng kết hợp phƣơng pháp nghiên cứu định tính với phƣơng pháp

nghiên cứu định lƣợng để trả lời các câu hỏi nghiên cứu cũng nhƣ thực hiện các

mục tiêu nghiên cứu liên quan đến các yếu tố ảnh hƣởng đến bất cân xứng thông tin

trên thị trƣờng chứng khoán Việt Nam, cụ thể là trên hai sàn HOSE và HNX.

Phƣơng pháp nghiên cứu định tính đƣợc sử dụng để tiếp cận và phân tích cơ sở

lý thuyết về bất cân xứng thông tin, các yếu tố ảnh hƣởng đến mức độ bất cân xứng

thông tin trên thị trƣờng chứng khoán; thiết kế mô hình nghiên cứu và luận giải các

giả thuyết nghiên cứu cho từng mô hình nghiên cứu, và thảo luận kết quả nghiên

cứu, đúc rút kết luận và đƣa các gợi ý, khuyến nghị có liên quan.

Phƣơng pháp nghiên cứu định lƣợng đƣợc sử dụng để xác định kết quả nghiên

cứu, bao gồm các phƣơng pháp kỹ thuật nghiệp vụ cụ thể nhƣ sau:

Phương pháp thống kê mô tả: các số liệu thu thập đƣợc từ sở giao dịch chứng

khoán đƣợc tổ chức theo chuẩn mực thống kê nhất định thông qua đó định lƣợng

các đặc tính cần mô tả để làm rõ mục tiêu nghiên cứu.

Phương pháp phân tích tương quan và hồi quy dữ liệu bảng cân bằng: sử dụng

công cụ thống kê với sự hỗ trợ của các phần mềm Excel và Stata, tiến hành chạy và

kiểm định mô hình.

Luận văn sẽ tham khảo mô hình của các tác giả đƣợc đánh giá là thành công

trong lĩnh vực này, sau đó chọn lựa và biến đổi cho phù hợp với đặc điểm thị trƣờng

chứng khoán Việt Nam. Cụ thể:

Để trả lời cho câu hỏi nghiên cứu thứ nhất của đề tài, luận văn sẽ sử dụng kết

quả nghiên cứu của các tác giả sau: Glosten và Harris (1988). Mô hình này cố gắng

phân rã khoảng cách giữa giá mua-bán trên thị trƣờng (bid-ask spread) ra thành các

nhân tố cấu thành, một trong những nhân tố đó là nhân tố bất cân xứng thông tin.

Để tìm hiểu các nhân tố có ảnh hƣởng lên mức độ bất cân xứng thông tin này,

luận văn sẽ sử dụng mô hình của Van Ness và các cộng sự (2001). Mô hình này cố

gắng giải thích sự ảnh hƣởng đến mức độ bất cân xứng thông tin đến từ ba nhóm

biến sau: nhóm biến đại diện cho mức độ biến động trong giao dịch của cổ phiếu;

nhóm biến đại diện cho đặc điểm các nhà đầu tƣ liên quan đển cố phiếu và nhóm

biến khác đại diện cho các đặc điểm riêng của công ty nhƣ giá trị thị trƣờng của vốn

chủ sở hữu, biến giả về nhóm ngành mà công ty thuộc về. Kết quả của phần này

cũng chính là câu trả lời cho câu hỏi nghiên cứu thứ hai của đề tài.

Việc đo lƣờng sẽ đƣợc thực hiện riêng cho hai sàn giao dịch chứng khoán là

HNX và HOSE trong khoảng thời gian là năm 2017. Các doanh nghiệp niêm yết

đƣợc xem xét là các doanh nghiệp lên sàn và tồn tại trong khoảng thời gian nghiên

cứu. Các doanh nghiệp đã giải thể, hủy niêm yết, hoặc mới niêm yết trong khoảng

thời gian này sẽ không đƣợc xem xét trong phạm vi luận văn này. Các doanh nghiệp

liên quan đến hoạt động tài chính, ngân hàng, bảo hiểm và chứng chỉ quỹ cũng

không đƣợc xem xét do cơ cấu vốn không phù hợp.

3.2. MẪU VÀ DỮ LIỆU NGHIÊN CỨU

3.2.1. Mẫu nghiên cứu

Đề tài đƣợc thực hiện trên cơ sở dữ liệu thứ cấp đƣợc thu thập từ báo cáo tài

chính đã kiểm toán và các tài liệu khác có liên quan trong năm 2017, dữ liệu giao

dịch đƣợc thu thập từ cơ sở dữ liệu FiinPro đƣợc cung cấp bởi Công ty cổ phần

StoxPlus.

Các doanh nghiệp đƣợc lựa chọn trong nghiên cứu thỏa các tiêu chí sau:

+ Là các doanh nghiệp phi tài chính niêm yết trên sàn HOSE và HNX.

+ Là các doanh nghiệp có thời gian niêm yết trên sàn trƣớc năm 2017 và vẫn

còn niêm yết trên sàn đến hết năm 2017.

Cụ thể mẫu nghiên cứu này đƣợc xác định qua 2 bƣớc nhƣ sau:

Thứ nhất, xuất phát từ tổng thể các doanh nghiệp niêm yết trên HOSE và

HNX, đề tài lựa chọn các doanh nghiệp đƣa vào mẫu nghiên cứu khi thỏa mãn đồng

thời các tiêu chí sau:

+ Không phải là những doanh nghiệp thuộc ngành tài chính (ngân hàng,

chứng khoán, bảo hiểm),

+ Cổ phiếu của doanh nghiệp vẫn còn niêm yết trên thị trƣờng tính đến thời

điểm kết thúc năm tài chính 2017.

+ Có đầy đủ báo cáo tài chính trong thời gian nghiên cứu.

+ Tất cả báo cáo tài chính đƣợc kiểm toán và báo cáo kiểm toán cho ý kiến

chấp nhận tính hợp lý và trung thực theo nguyên tắc trọng yếu.

Kết quả bƣớc thứ nhất, đề tài chọn mẫu nghiên cứu với 338 doanh nghiệp trên

HNX, 258 doanh nghiệp trên HOSE và tiến hành bƣớc thứ hai.

Thứ hai, thực hiện kiểm định giá trị dị biệt (outliers), theo đó loại các doanh

nghiệp mới niêm yết trên sàn, cũng nhƣ rời sàn, chuyển sàn trong năm 2017 trên

sàn HOSE và HNX vì dữ liệu giá thu thập không phù hợp với mô hình nghiên cứu,

loại các doanh nghiệp không có đầy đủ lịch sử giao dịch trong năm 2017.

Kết thúc bƣớc thứ hai, đề tài xác định đƣợc mẫu nghiên cứu gồm 58 doanh

nghiệp trên HNX và 127 doanh nghiệp niêm yết trên HOSE, danh sách các doanh

nghiệp trong mẫu nghiên cứu trình bày tại phụ lục 1.

3.2.2. Dữ liệu nghiên cứu

Khi đo lƣờng mức độ bất cân xứng thông tin trên thị trƣờng chứng khoán, đề

tài sử dụng dữ liệu thứ cấp về lịch sử giao dịch của các doanh nghiệp niêm yết trên

sàn trong năm 2017 (từ ngày 03/01/2017 đến 29/12/2017), các dữ liệu về giao dịch

thỏa thuận đƣợc loại ra; kết quả nghiên cứu sẽ đƣợc xác định trên cơ sở dữ liệu

bảng với sự hỗ tợ của phần mềm Excel và Stata.

Khi đo lƣờng các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin, dữ liệu

đƣợc sử dụng từ báo cáo tài chính đã kiểm toán năm 2017 và các dữ liệu thông tin

của doanh nghiệp tính đến cuối năm 2017; kết quả nghiên cứu sẽ đƣợc xác định trên

cở sở dữ chéo với sự hỗ trợ của phần mềm Excel và Stata

Nguồn dữ liệu: FiinPro - Hệ thống dữ liệu tài chính toàn diện và chuyên sâu

nhất về Việt Nam, đƣợc cung cấp bởi Công ty cổ phần StoxPlus. Thông tin doanh

nghiệp công bố trên website của sở giao dịch chứng khoán.

Bộ dữ liệu nghiên cứu của đề tài đƣợc trình bày chi tiết tại phụ lục 2.

3.3. QUY TRÌNH NGHIÊN CỨU

Nhằm thực hiện mục tiêu nghiên cứu các yếu tố ảnh hƣởng đến bất cân xứng

thông tin trên HOSE và HNX, quy trình nghiên cứu của đề tài đƣợc thiết kế với các

bƣớc theo hình 3.1 nhƣ sau:

Khảo lƣợc cơ sở lý thuyết và các công trình nghiên cứu

Lựa chọn mô hình

Xác định mẫu nghiên cứu và xử lý dữ liệu nghiên cứu

Lựa chọn phƣơng pháp và xác định kết quả nghiên cứu

Kiểm định các giả thuyết nghiên cứu Kiểm định lựa chọn kết quả hồi quy

Không có Có

Kiểm định các khuyết tật của mô hình

Thảo luận, kết luận và gợi ý, khuyến nghị

Hình 3-1 Quy trình nghiên cứu

Các bƣớc thực hiện theo quy trình nghiên cứu tại hình 3.1 có nội dung cụ thể nhƣ

Bước 1: Lƣợc khảo cơ sở lý thuyết và các nghiên cứu trƣớc có liên quan sau

đó thảo luận các nghiên cứu trƣớc nhằm xác định khoảng trống nghiên cứu và định

hƣớng thiết kế mô hình nghiên cứu cho đề tài.

Bước 2: Căn cứ cơ sở lý thuyết và bằng chứng thực nghiệm, đề tài thiết kê mô

hình nghiên cứu, dự kiến phƣơng trình hồi quy, giải thích các biến và xây dựng các

giả thiết nghiên cứu.

Bước 3: Xác định mẫu nghiên cứu phù hợp mục tiêu nghiên cứu cũng nhƣ đối

tƣợng và phạm vi nghiên cứu, từ đó thu thập và xử lý dữ liệu theo mô hình nghiên

cứu tại bƣớc 2.

Bước 4: Xác định phƣơng pháp nghiên cứu với những kỹ thuật phân tích và

ƣớc lƣợng cụ thể: thống kê mô tả, phân tích tƣơng quan và phân tích hồi quy dữ liệu

bảng theo FEM và REM, phân tích hồi quy dữ liệu chéo OLS.

Bước 5: Kiểm định các giả thuyết nghiên cứu, có thể sử dụng kiểm định F

hoặc kiểm định t với mức ý nghĩa 1%, 5% hoặc 10% nhằm xác định các biến độc

lập có ý nghĩa thống kê nhằm giải thích cho biến phụ thuộc; đồng thời tiến hành

kiểm định Hausman để lựa chọn giữa FEM với REM.

Bước 6: Tiến hành kiểm định các khuyết tật của mô hình, bao gồm: hiện tƣợng

đa cộng tuyến, tự tƣơng quan, phƣơng sai sai số thay đổi; nếu không có các khuyết

tật này thì kết hợp với bƣớc 5 để thực hiện bƣớc 7; nếu có một trong các khuyết tật

này thì sẽ khắc phục bằng phƣơng pháp GLS để tìm ra kết quả hồi quy cuối cùng

kèm theo kiểm định các giả thuyết nghiên cứu tại mục 5 và chuyển sang bƣớc 7.

Bước 7: Đây là bƣớc cuối cùng của quy trình, căn cứ kết quả hồi quy, đề tài

tiến hành thảo luận, đúc rút kết luận và đƣa ra các gợi ý, khuyến nghị có liên quan

nhằm trả lời các câu hỏi nghiên cứu cũng nhƣ giải quyết mục tiêu nghiên cứu đã đề

ra.

3.4. LỰA CHỌN MÔ HÌNH

3.4.1. Mô hình xác định mức độ bất cân xứng thông tin

Đề tài thực hiện xác định mức độ bất cân xứng thông tin trên thị trƣờng chứng

khoán Việt Nam dựa trên cơ sở kế thừa nghiên cứu của Glosten và Harris (1988)

với mô hình phân rã các yếu tố cấu thành nên chênh lệch giá mua bán (mô hình 1).

Tác giả lựa chọn mô hình này vì đây đƣợc xem là mô hình nền tảng đo lƣờng bất

cân xứng thông tin trên thị trƣờng chứng khoán, các công trình nghiên cứu sau này

có các cách tiếp cận khác nhau nhƣng ý tƣởng cơ bản vẫn dựa trên mô hình của

Glosten và Harris. Theo đó, các tác giả cho rằng Bid-Ask Spread bao gồm ba thành

phần: chi phí xử lý đặt lệnh, chi phí lƣu trữ, và ASC. Trƣớc khi xác định ASC, các

tác giả thực hiện hàm hồi quy:

∆Pi,t = c0(Qi,t –Qi,t-1) + c1(Qi,tVi,t –Qi,t-1Vi,t-1)+z0Qi,t +z1Qi,tVi,t +εGH

Trong đó:

Biến phụ thuộc ∆Pi,t là chênh lệch giá giao dịch của cổ phiếu i tại thời điểm t

và (t-1);

Biến độc lập Qi,t là chỉ số giao dịch của cổ phiếu i tại thời điểm t. Qi,t có giá

trị +1 nếu giao dịch đƣợc ngƣời mua phát động trƣớc và có giá trị -1 nếu giao dịch

đƣợc ngƣời bán phát động trƣớc; tuy nhiên do hạn chế về thu thập dữ liệu, đề tài sẽ

xác định chỉ số Qi,t dựa trên kết quả thảo luận nghiên cứu ở phần 2.2.2 của đề tài.

Vi,t là khối lƣợng giao dịch (KLGD) của cổ phiếu i tại thời điểm t;

c0, c1, z0, z1 là các hệ số của phƣơng trình;

εGH là sai số của phƣơng trình.

ASC theo KLGD trung bình của thị trƣờng (Vt) đƣợc tính bằng công thức:

ASC =(z0 + z1 Vt )/ ((c0 + c1Vt ) + (z0 + z1 Vt )) (0 < ASC < 1)

3.4.2. Mô hình xác định các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông

tin

Tác giả lựa chọn mô hình của Van Ness và các cộng sự để xác định các yếu tố

ảnh hƣởng đến mức độ bất cân xứng thông tin vì đây đƣợc xem là mô hình đầy đủ

nhất và phù hợp nhất với điều kiện thị trƣờng chứng khoán Việt Nam. Theo đó, Van

Ness và cộng sự (2001) đã cho rằng đo lƣờng mức độ thông tin có thể đƣợc đo

lƣờng trực tiếp hoặc gián tiếp. Đo lƣờng trực tiếp là thông qua việc đo lƣờng thành

phần lựa chọn ngƣợc, đo lƣờng gián tiếp là thông qua các biến thông tin: nhƣ tỷ số

giá trị thị trƣờng và sổ sách, các biến thuộc về đặc điểm tài chính của công ty, cơ

cấu sở hữu trong công ty, v.v.

Chủ đề nghiên cứu của các ông trong phần giới thiệu này là làm thế nào các

thành phần lựa chọn ngƣợc đo lƣờng sự lựa chọn ngƣợc. Chủ đề chủ yếu là đo

lƣờng và so sánh thành phần lựa chọn ngƣợc theo các phƣơng pháp khác nhau của

Glosten và Harris (1988), George Kaul và Nimalendran (1991), Lin và cộng sự

(1995), Roger D.Huang và Hans R.Stoll (1997), và Madhavan và cộng sự (1997),

xem xét mối tƣơng quan giữa các biến đo lƣờng và thành phần lựa chọn ngƣợc. Các

ông đã sử dụng phƣơng pháp bình phƣơng bé nhất (OLS) để hồi quy các biến độc

lập theo biến phụ thuộc là thành phần lựa chọn ngƣợc/giá (LTC). Trong đó có 15

biến độc lập là:

- LANLYST là log của số lƣợng ngƣời phân tích về khả năng đạt đƣợc lợi

nhuận của mỗi cổ phiếu, biến này đƣợc kỳ vọng mang dấu âm.

- LVOL là log của số lƣợng cổ phiếu giao dịch trung bình trong một ngày, biến

này đƣợc kỳ vọng mang dấu âm.

- LPRI là log của giá cổ phiếu trung bình một ngày, biến này đƣợc kỳ vọng

mang dấu âm.

- LVAR là log của sai số của suất sinh lợi hàng ngày của cổ phiếu, biến này

đƣợc kỳ vọng mang dấu dƣơng.

- LSIGR là log của độ lệch chuẩn của suất sinh lợi hàng ngày của cổ phiếu,

biến này đƣợc kỳ vọng mang dấu dƣơng.

- LSIGVOL là log của độ lệch chuẩn của lƣợng giao dịch hàng ngày, biến này

đƣợc kỳ vọng mang dấu dƣơng.

- ERRE là sai số lợi nhuận dự báo, biến này đƣợc kỳ vọng mang dấu dƣơng.

- DISP là bằng độ lệch chuẩn của lợi nhuận dự báo chia cho lợi nhuận dự báo

bình quân, biến này đƣợc kỳ vọng mang dấu dƣơng.

- LEVG là log của nợ dài hạn từ một năm trở lên chia tổng tài sản, biến này

đƣợc kỳ vọng mang dấu dƣơng.

- RDSALES là bằng chi phí nghiên cứu phát triển chia cho tổng doanh số bán,

biến này đƣợc kỳ vọng mang dấu dƣơng.

- LINTGTA là log của tài sản vô hình chia cho tổng tài sản, biến này đƣợc kỳ

vọng mang dấu dƣơng.

- LNMB là log của giá trị thị trƣờng và sổ sách, kỳ vọng dấu dƣơng.

- LNMVE là log của giá trị thị trƣờng của vốn cổ phần, biến này đƣợc kỳ vọng

mang dấu âm.

- LPINST là log của tỷ lệ phần trăm nắm giữ của các cổ đông là tổ chức, biến

này đƣợc kỳ vọng mang dấu âm.

- LINST là log của số cổ đông là tổ chức, biến này đƣợc kỳ vọng mang dấu

âm.

Các biến sử dụng để đo lƣờng thông tin bất cân xứng trong nghiên cứu này đều

đƣợc kế thừa từ các nghiên cứu của các tác giả trƣớc. Kết quả hồi quy, hầu hết các

biến có tƣơng quan nhƣ kỳ vọng. Ngoài ra, nhằm kiểm soát vấn đề nội sinh có thể

xảy ra, Ness và cộng sự cũng đã kế thừa mô hình của Brennan và Subrahmanyam

(1995) nhƣ sau:

LTC = a0 + a1LANLYST + a2LVOL + a3LPRI + a4LVAR + a5LSIGR +

a6LSIGVOL + a7ERRE + a8DISP + a9LEVG + a10LNINTGTA + a11RDSALES

+ a12LNMB + a13LPINST + a14LINST + eLTC

LANLYST = b0 + b1LTC + b2LVAR + b3LNMVE + b4LPRI + b5IND +

b6IND2 + b7IND3 + b8IND4 + b9LPINST + b10LINST + eLANLYST26

LVOL = g0 + g1LTC + g2LANLYST + g3LNMVE + g4LINST + g5LPINST

+ eLVOL

Kết quả thực nghiệm cho thấy biến LANLYST và LVOL là biến nội sinh đƣợc

chấp nhận trong mô hình, ngoài ra mô hình còn cho thấy các biến LVAR, LSIGN,

LSIVOL có ý nghĩa tƣơng quan cao đối với các cách đo lƣờng khác nhau. Một số

biến tác giả cho rằng không có ý nghĩa trong mô hình nhƣ ERRE, DISP, LINTGTA,

RDSALE và LNMB, nhƣng sự tƣơng quan của chúng đối với thông tin bất cân

xứng hầu hết phù hợp với các nghiên cứu trƣớc. Cũng giống nhƣ nghiên cứu của

Clarke và Shastri (2001), mặc dù các biến còn lại cho kết quả có ý nghĩa chấp nhận

rất khác nhau đối với mỗi cách thức đo lƣờng khác nhau, nhƣng tƣơng quan của hầu

hết các biến với việc đo lƣờng mức độ thông tin bất cân xứng thì đa phần đúng nhƣ

kỳ vọng mà các tác giả trƣớc đã nghiên cứu.

Mô hình của Ness và cộng sự là TC = f(ANLYST, VOL, PRI, VAR, SIGR,

SIGVOL, ERRE, DISP, LEVG, RDSALES, INTGTA, MB, MVE, PINST,

INST)

Tuy nhiên, trong số các biến trên, có một số biến sau tác giả không thể thu

thập số liệu do một số nguyên nhân khác nhau, cụ thể là các biến ANLYST, ERRE,

DISP, INGTA và RDSALES với nguyên nhân nhƣ sau:

- Đối với biến ANLYST, theo tác giả đƣợc biết hiện ở Việt Nam vẫn chƣa có

dữ liệu chính thức nào thống kê về số lƣợng ngƣời phân tích về khả năng đạt

đƣợc lợi nhuận của một cổ phiếu niêm yết.

- ERRE và DISP là hai biến số liên quan đến lợi nhuận dự báo phụ thuộc vào

biến ANLYST nên cũng không thể thu thập đƣợc. Vì vậy dữ liệu để tính

ERRE và DISP không đảm bảo tính chính xác.

- Đối với biến RDSALES cũng không thể thu thập đƣợc chính xác chi phí đầu

tƣ nghiên cứu phát triển.

- Đối với biến INTGTA cũng không thể thu thập đƣợc chính xác giá trị tài sản

vô hình của doanh nghiệp.

- Do không thể thu thập đƣợc biến ANLYST, nên tác giả không thể kiểm tra

mô hình có biến nội sinh là ANLYST và VOL.

Nhƣ vậy, đề tài sẽ xác định kết quả nghiên cứu với 2 mô hình là (i) xác định

mức độ bất cân xứng thông tin bằng bằng cách kế thừa từ Glosten và Harris (1988)

(mô hính 1), và (ii) xác định các yếu tố ảnh hƣởng đến mức độ bất cân xứng trên thị

trƣờng chứng khoán Việt Nam, bao gồm 10 biến đƣợc điều chỉnh từ mô hình của

Van Ness (2001) (mô hình 2). Bảng 3.1 sẽ tóm tắt lại thông tin liên quan các biến

trong mô hình nghiên cứu của đề tài này.

Bảng 3.1 Tóm tắt biến trong mô hình nghiên cứu

Đơn vị Kỳ vọng Biến Ký hiệu Đo lƣờng tính dấu

Chi phí lựa chọn

bất lợi tính theo tỷ TC Con số TC = 2(z0 + z1Vt)/P

lệ (biến phụ thuộc)

Số lƣợng cổ phiếu VOL = Số lƣợng cổ

giao dịch trung VOL Cổ phiếu phiếu giao dịch -

bình trung bình 1 ngày

PRI = Giá cổ phiếu Giá cổ phiếu PRI Đồng trung bình trong - trung bình năm 2017

VAR = Sai số của Sai số của suất VAR Con số suất sinh lợi hàng + sinh lợi ngày của cổ phiếu

SIGR = Độ lệch

chuẩn của suất sinh Độ lệch chuẩn của + SIGR Con số lợi hàng ngày của cổ suất sinh lợi

phiếu

SIGVOL = Độ lệch Độ lệch chuẩn của chuẩn của lƣợng cổ + lƣợng cổ phiếu SIGVOL Con số phiếu giao dịch hàng giao dịch ngày

LEVG = Nợ dài Đòn bẩy tài chính LEVG Con số + hạn/Tổng tài sản

Tỷ số giá thị MB = (CSxP+A- MB Con số + trƣờng và sổ sách CE)/A

MVE = Số lƣợng cổ

Giá thị trƣờng vốn phiếu phát hành x MVE Tỷ đồng - cổ phần giá thị trƣờng trung

trình

Phần trăm sở hữu Phần trăm số cổ PINST Phần trăm của cổ đông là tổ + đông là tổ chức chức

Số cổ đông là tổ Số lƣợng cổ đông là - INST Con số chức tổ chức

Nguồn: Đề xuất của tác giả từ các nghiên cứu trước

Ghi chú: CS, P, A và CE lần lượt là cổ phần, giá cổ phiếu, tổng tài sản và vốn

chủ sở hữu. Vì cổ tức bình quân 1 ngày trong năm là rất nhỏ nên suất sinh lợi được

tính theo ngày bằng giá tại thời điểm t trừ giá tại thời điểm t-1 chia cho giá tại thời

điểm t-1.

Nhƣ vậy mô hình 2 đƣợc viết lại nhƣ sau:

TC = a0 + a1LVOL + a2LPRI + a3LVAR + a4LSIGR + a5LSIGVOL +

a6LEVG + a7LNMB + a8LMVE + a9LPINST + aLINST+ eLTC

Chƣơng 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. MỨC ĐỘ BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƢỜNG

CHỨNG KHOÁN VIỆT NAM

Theo nhƣ các nghiên cứu của Ness và cộng sự (2001), Brennan và

Subrahmanyam (1995) Clarke và Shastri (2001), tính thành phần lựa chọn ngƣợc

không xem xét mức ý nghĩa hay độ tin cậy của các hệ số hồi quy (C0, C1, Z0, Z1)

mà chỉ xem xét chỉ số thành phần chi phí lựa chọn ngƣợc (ASC) thỏa điều kiện:

các hệ số này.

4.1.1. Kết quả hồi quy mô hình

Mô hình 1 của đề tài bao gồm biến phụ thuộc ∆Pi,t; biến độc lập Qi,t; Vi,t. Kết

quả hồi quy mô hình 1; ASC (thành phần lựa chọn ngƣợc) đƣợc tính cho các doanh

nghiệp trên hai sàn đƣợc tổng hợp trong bảng 4.1 là kết quả hồi quy theo mô hình

của Glosten và Harris (1988). Kết quả chi tiết cho từng mã cổ phiếu đƣợc thể hiện ở

phụ lục 3.

Bảng 4.1 Thành phần lựa chọn ngƣợc

Chỉ tiêu HOSE HNX

Mean 0.9668583 0.86356519

Standard Error 0.0019938 0.0001042

Median 0.9573543 0.86384882

Standard Deviation 0.022469 0.00079355

Sample Variance 0.0005049 6.2973E-07

Range 0.1034504 0.00485528

Minimum 0.9481529 0.85915028

Maximum 1.0516033 0.86400556

Count 127 58

Nguồn: Xử lý từ kết quá chạy mô hình , phụ lục3.

Kết quả hồi quy mô hình 1 cho thấy mức độ bất cân xứng thông tin trung bình

trên sàn HNX là 86,36% trong khi mức độ bất cân xứng thông tin trung bình trên

HOSE là 96,69%. Đây là một kết quả khá bất ngờ vì cho đến nay các kết quả đo

lƣờng mà tác giả nhận biết cũng nhƣ theo cảm tính là mức độ bất cân xứng thông

tin trên sàn HOSE là thấp hơn HNX. Nếu đánh giá riêng lẻ thì mức độ bất cân xứng

thông tin trên thị trƣờng chứng khoán Việt Nam trong năm 2017 là lớn, so với các

kết quả đo lƣờng trƣớc đây. Cụ thể theo Nguyễn Ngọc Sơn (2012) mức độ bất cân

xứng thông tin trên HNX và HOSE lần lƣợt là 67% và 90%, theo Nguyễn Văn

Ngải (2016) mức độ bất cân xứng thông tin trên HOSE nằm trong khoảng từ 69%-

77%. Điều này có thể xuất phát từ việc thị trƣờng chứng khoán phái sinh chính thức

đi vào hoạt động từ tháng 08/2017 cũng nhƣ tình hình diễn biến chỉ số VN Index

trong năm 2017 cũng chứng kiến sự bức phá mạnh mẽ, khối lƣợng giao dịch tăng

dần và chỉ số cũng tăng lên những mức cao mới, vƣợt đỉnh cũ 1280 đƣợc xác lập

vào năm 2007. Sự lên sàn của nhiều doanh nghiệp nhà nƣớc, có vốn hóa lớn cũng

tác động không nhỏ đến thị trƣờng.

Theo kết quả nghiên cứu thể hiện trong bảng 4.2, trên sàn HNX, các doanh

nghiệp đều có mức ASC nằm trong khoảng từ 0 đến 1, tuy nhiên trên sàn HOSE có

14 mã có ASC lớn hơn 1, nếu loại 14 mã này thì ASC trung bình là 96,02% hay

mức độ bất cân xứng thông tin trung bình là 96,02%. Trên sàn HOSE ASC cao nhất

là 99,63 % của mã cổ phiếu TSC (Kỹ thuật NN Cần Thơ) và thấp nhất là 94,81%

của mã cổ phiếu DSN (Công viên nƣớc Đầm Sen). Trên sàn HNX mã cổ phiếu có

ASC cao nhất là PPE (PVPower Engineering) và thấp nhất là KLF (KLF Global)

với mức ASC lần lƣợt là 86,4% và 85.92%.

Bảng 4.2 Thành phần lựa chọn ngƣợc (điều chỉnh)

Chỉ tiêu HOSE HNX

Mean 0.9602291 0.86357

Standard Error 0.0011327 0.0001

Median 0.9560443 0.86385

Standard Deviation 0.0120411 0.00079

Sample Variance 0.000145 6.30E-07

Range 0.0481552 0.00486

Minimum 0.9481529 0.85915

Maximum 0.9963081 0.86401

Count 58

113 Nguồn: Xử lý từ kết quá chạy mô hình 1, phụ lục 3.

4.1.2. Kiểm định khuyết tật của mô hình

Tác giả tiến hành chạy mô hình hồi quy cho từng sàn riêng lẻ, kết quả bƣớc

đầu sau khi chạy FEM, kiểm định F cho thấy Prob nhỏ bác bỏ Ho, tức giữa hai mô

hình POLS và FEM thì mô hình FEM thích hợp để lựa chọn hơn.

Tác giả tiến hành chạy mô hình REM, sau đó sử dụng kiểm định Hausman để

lựa chọn giữa hai mô hình, kết quả trên sàn HNX cho Prob>chi2 = 0.9941, sàn

HOSE cho Prob>chi2 = 0.0549, Prob lớn hơn 5% cho thấy mô hình REM phù hợp

hơn nên đƣợc lựa chọn trên cả hai sàn.

Tác giả chạy kiểm định phƣơng sai sai số thay đổi trên Stata bằng lệnh xttest0

và kết quả cả hai sàn đều cho thấy mô hình bị khuyết tật.

Tác giả tiếp tục chạy kiểm định tự tƣơng quan bằng lệnh xtserial trong Stata và

kết quả cả hai sàn đều cho thấy mô hình bị khuyết tật.

Các khuyết tật của mô hình đƣợc xử lý bằng mô hình GLS. Kết quả chạy và

kiểm định khuyết tật mô hình cũng nhƣ xử lý đƣợc thể hiện ở phụ lục 6.

4.1.3. Kết quả hồi quy khắc phục khuyết tật của mô hình

Mô hình sau khi đƣợc khắc phục bằng GLS có kết quả cho từng sàn nhƣ sau:

Sàn HNX cho ra kết quả mô hình 1 trong bảng 4.3 nhƣ sau:

Bảng 4.3 Kết quả hồi quy mô hình 1 trên HNX

VARIABLES QitQit1 QitxVitQit1xVit1 Qit QitxVit Constant Observations Number of i

DP 0.0351*** (0.00459) -1.37e-10 (3.41e-09) 0.223*** (0.00675) -2.65e-09 (5.22e-09) 0.0298*** (0.00721) 14,384 58 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Nguồn: Xử lý từ kết quá chạy mô hình 1, phụ lục 6.

Sàn HNX cho z0 = 0.223 và z1= -2.65e-09, c0= 0.0351, c1=0.223

Sàn HOSE cho ra kết quả mô hình 1 trong bảng 4.4 nhƣ sau:

Bảng 4.4 Kết quả hồi quy mô hình 1 trên HOSE

VARIABLES QitQit1 QitxvitQit1xVit1 Qit QitxVit Constant Observations Number of i

Dp 0.0191*** (0.00527) -1.26e-08*** (4.49e-09) 0.347*** (0.00792) 7.23e-08*** (6.70e-09) 0.0397*** (0.00628) 31,496 127 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Nguồn: Xử lý từ kết quá chạy mô hình 1, phụ lục 6

Sàn HOSE cho z0 bằng 0.347 và z1=7.23e-08***, c0=0.0191, c1=-1.26e-08

Các kết quả trên đƣợc sử dụng để tính ASC của các doanh nghiệp niêm yết

đƣợc thể hiện cụ thể ở phụ lục 3 và phụ lục 4, kết quả tổng hợp đƣợc thể hiện trong

bảng 4.1 và 4.2.

Các kết quả của mô hình 1 cũng đƣợc sử dụng để tính chi phí lựa chọn bất lợi

tính theo tỷ lệ (TC), là biến phụ thuộc đƣợc sử dụng trong mô hình 2.

4.2. CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN BẤT CÂN XỨNG THÔNG TIN

TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM

4.2.1. Thống kê mô tả

Thống kê mô tả các biến trong mô hình nghiên cứu của đề tài đƣợc thực hiện

theo tiêu chí giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn và số

lƣợng quan sát; kết quả thống kê mô tả các biến đƣợc trình bày tại bảng 4.5 và 4.6.

Bảng 4.5 Thống kê mô tả các biến trên HOSE

Biến Trung bình Lớn nhất Nhỏ nhất Độ lệch chuẩn Số quan sát

545,470 3,991,053 7,568 746,266 127 VOL

30.30100 233.68213 1.75068 36.31391 127 PRI

0.000485 0.001957 0.000082 0.000343 127 VAR

0.020934 0.044237 0.009048 0.006881 127 SIGR

452,232 3,300,137 6,564 580,518 127 SIGVOL

0.116457 0.65 0 0.132261 127 LEVG

1.384432 10.723695 0.093788 1.592481 127 MB

8,406.07 227,442.75 14.92 31,048.47 127 MVE

0.461181 0.98 0 0.269201 127 PINST

8.007874 32 0 6.898926 127 INST

Nguồn: thu thập từ dữ liệu giao dịch và báo cáo tài chính doanh nghiệp, phụ lục 2

Căn cứ vào bảng 4.5, tất cả các biến trong mô hình nghiên cứu đều có 127

quan sát. Kết quả thống kê mô tả từng biến nhƣ sau:

Thứ nhất, biến VOL đƣợc đo lƣờng bởi khối lƣợng giao dịch trung bình trong

năm 2017 của từng cổ phiếu. Biến VOL đƣợc kỳ vọng tác động ngƣợc chiều với

biến phụ thuộc, tức là khối lƣợng giao dịch càng lớn thì mức độ bất cân xứng thông

tin càng nhỏ.

Theo thống kê tại bảng 4.5, VOL có giá trị trung bình là 545,470 với độ lệch

chuẩn là 746,266, đây là khối lƣợng giao dịch tƣơng đối phù hợp cho khối lƣợng

giao dịch bình quân của thị trƣờng, cho thấy các doanh nghiệp trong mẫu nghiên

cứu đảm bảo đƣợc khả năng phản ánh đƣợc mô hình, tuy nhiên độ lệch chuẩn là

tƣơng đối lớn cho thấy việc chƣa đồng đều giữa các doanh nghiệp. Bảng 4.5 còn

cho thấy mẫu nghiên cứu có doanh nghiệp đạt VOL cao nhất là 3,991,053 cho

trƣờng hợp mã HPG (Tập đoàn Hòa Phát) và thấp nhất là 7,568 cho mã DSN (Công

viên nƣớc Đầm Sen).

Thứ hai, biến PRI là trung bình giá đóng cửa hàng ngày, đây là biến đại diện

cho tính biến động của cổ phiếu, cổ phiếu càng có giá trị trên thị trƣờng thì càng có

mức độ thu hút nhà đầu tƣ càng lớn, giúp lan tỏa thông tin tốt hơn, biến này đƣợc

kỳ vọng tác động ngƣợc chiều với mức độ bất cân xứng thông tin.

Theo thống kê tại bảng 4.5, PRI có giá trị trung bình là 30.3, đây có thể xem là

mức giá tƣơng đối hợp lý đại diện trên thị trƣờng chứng khoán, tuy nhiên độ lệch

chuẩn là 36.3139, độ lệch chuẩn nhƣ vậy là khá lớn cho thấy sự không đồng đều

giữa các doanh nghiệp. PRI cao nhất là 233.68213 (mã SAB của công ty SABECO)

và thấp nhất là 1.75068 (mã VOS của công ty vận tải biển Việt Nam), nhƣ vậy

doanh nghiệp có PRI cao nhất gấp hơn 130 lần doanh nghiệp có PRI thấp nhất, điều

này hàm chứa sự chênh lệch lớn về giá giữa các doanh nghiệp.

Thứ ba, biến VAR là sai số của suất sinh lợi của cổ phiếu, biến này đƣợc kỳ

vọng mang dấu dƣơng vì khoảng biến thiên của suất sinh lợi so với giá trị trung

bình càng lớn cho thấy mức độ bất cân xứng thông tin càng lớn. Cụ thể theo bảng

4.5, VAR trung bình trên HOSE là 0.000485, mã ATG (Công ty An Trƣờng An) có

VAR lớn nhất là với giá trị 0.001957, mã DSN (Công viên nƣớc Đầm Sen) có VAR

nhỏ nhất là với giá trị 0.000082 độ lệch chuẩn của biến VAR là 0.000343.

Thứ tư, biến SIGR là độ lệch chuẩn của suất sinh lợi hàng ngày, tƣơng tự nhƣ

biến VAR độ lệch chuẩn của suất sinh lợi hàng ngày cũng tác động cùng chiều với

mức độ bất cân xứng thông tin. Theo kết quả trong bảng 4.5, mã ATG (Công ty An

Trƣờng AN) có giá trị lớn nhất là 4,42%, mã DSN (Công viên nƣớc Đầm Sen) có

SIGR nhỏ nhất là 0.9%. SIGR trung bình trên HOSE là 2,09% với độ lệch chuẩn là

0,69%. Có thể thấy SIGR trên HOSE là tƣơng đối lớn.

Thứ năm, biến SIGVOL là độ lệch chuẩn của khối lƣợng giao dịch hàng ngày.

Tƣơng tự nhƣ SIGR, biến này cũng đƣợc dùng để đo lƣờng tính biến động của cổ

phiếu nên cũng đƣợc kỳ vọng tác động cùng chiều với biến phụ thuộc, tức là giá trị

biến SIGVOL càng lớn thì mức độ bất cân xứng thông tin càng lớn. Theo thống kê

trong bảng 4.5 thì SIGVOL trung bình trên HOSE là 452,232 đơn vị. Đây là giá trị

lớn đối với giá trị SIGVOL, điều này thể hiện mức chênh lệch lớn trong khối lƣợng

giao dịch hàng ngày của cổ phiếu, hàm ý mức độ bất cân xứng thông tin là lớn. Cụ

thể mã HAI (Nông dƣợc H.A.I) có SIGVOL lớn nhất là 3,300,137 đơn vị trong khi

mã DSN (Công viên nƣớc Đầm Sen) có SIGVOL nhỏ nhất là 6,564. Có thể thấy

mức chênh giữa doanh nghiệp có SIGVOL lớn nhất và nhỏ nhất là rất lớn. SIGVOL

trung bình trên HOSE là 580,518. Đây là giá trị lớn, cho thấy sự không đồng đều

giữa các doanh nghiệp về tính biến động của khối lƣợng giao dịch.

Thứ sáu, biến LEVG là đòn bẩy tài chính công ty đƣợc đo lƣờng bằng tổng nợ

dài hạn trên tổng tài sản, các công ty càng sử dụng đòn bẩy tài chính càng lớn thì

càng có sự biến động lớn trong thu nhập của chúng (tức là chúng sẽ có mức biến

động của lãi/ lỗ lớn hơn so với các công ty cùng đặc điểm nhƣng sử dụng đòn bẩy

thấp hơn). Việc biến động lớn về thu nhập dự kiến càng khiến mang lại rủi ro cho

các nhà đầu tƣ do hạn chế tiếp cận với các thông tin chính xác về ƣớc lƣợng thu

nhập của công ty, tức mức độ bất cân xứng thông tin sẽ càng tăng. Theo thống kê

trong bảng 4.5, LEVG trung bình của 127 doanh nghiệp trên sàn HOSE là 11,65%

với giá trị chạy từ 0% đến 65%. Mức nợ dài hạn cao nhất là công ty Đầu tƣ và phát

triển đa quốc gia (IDI) và có 20 doanh nghiệp có LEVG bằng 0% (tức không có nợ

dài hạn). Mức trung bình trên HOSE là 13,23%.

Thứ bảy, biến MB là tỷ số giá thị trƣờng trên giá trị sổ sách, tỷ số giá thị

trƣờng trên giá trị sổ sách của công ty là thƣớc đo của các nhà đầu tƣ về triển vọng

của công ty. Triển vọng càng lớn thì thông tin bất cân xứng càng hiện hữu, nghĩa là

khi chỉ số MB lớn sẽ thể hiện kỳ vọng lớn của nhà đầu tƣ vào giá trị của công ty

càng lớn, điều này hàm chứa rủi ro lớn và do đó biến này sẽ có tác động cùng chiều

với biến phụ thuộc, tức là mức độ bất cân xứng thông tin có xu hƣớng càng lớn khi

chỉ số MB càng lớn. Theo kết quả thống kê trong bảng 4.5, MB trung bình trên

HOSE là 1.384432, mã có MB cao nhất là SAB (SABECO) với MB là 10.723695,

mã có MB thấp nhất là ATG (An Trƣờng An) với MB là 0.093788, độ lệch chuẩn

MB là 1.592481. Nhƣ vậy có thể thấy thị trƣờng định giá doanh nghiệp cao hơn giá

trị sổ sách, điều này ẩn chứa rủi ro khi tham gia thị trƣờng và việc định giá cao có

thể dẫn đến rủi ro, đặc biệt là rủi ro bất cân xứng thông tin, do việc định giá cao

chứa đựng kỳ vọng lạc quan của nhà đầu tƣ vào giá trị doanh nghiệp trong tƣơng

lai.

Thứ tám, biến MVE là giá trị thị trƣờng của vốn cổ phần của công ty, nếu các

nhà đầu tƣ chịu một chi phí cố định về mặt thông tin, họ sẽ có xu hƣớng đầu tƣ vào

các cổ phiếu có mức vốn hóa lớn với khả năng nắm bắt đƣợc thông tin nhiều hơn,

điều này cũng dễ hiểu vì trên thị trƣờng chứng khoán khi không tiếp cận đƣợc thông

tin thì xu hƣớng nhà đầu tƣ sẽ tin vào các doanh nghiệp lớn, vì uy tín cũng nhƣ vị

thế của những doanh nghiệp này trên thị trƣờng. Ở thị trƣờng chứng khoán Việt

Nam, các doanh nghiệp có mức vốn hóa lớn thƣờng là những doanh nghiệp đầu

ngành, có thể tiếp cận đƣợc thông tin dễ dàng hơn, từ đó giảm thiểu tình trạng bất

cân xứng thông tin, do đó kỳ vọng của biến MVE là ngƣợc chiều với biến phụ

thuộc. Cụ thể theo kết quả thống kê tại bảng 4.5, giá trị thị trƣờng trung bình của

các doanh nghiệp trên HOSE trong mẫu quan sát là 8,406 tỷ đồng. Trong đó doanh

nghiệp có MVE lớn nhất là VNM (Công ty cổ phần sữa Việt Nam) với MVE là

227,442 tỷ đồng, doanh nghiệp có MVE thấp nhất là ATG (An Trƣờng An) với giá

trị thị trƣờng là 14.92 tỷ đồng. Độ lệch chuẩn của MVE trong mẫu quan sát là

31,048 tỷ đồng. Chênh lệch giữa doanh nghiệp có mức vốn hóa lớn nhất và thấp

nhất là rất lớn.

Thứ chín, biến PINST là phần trăm sở hữu cổ phần của các nhà đầu tƣ tổ

chức. Nhà đầu tƣ tổ chức là một thực thể có tiềm lực tài chính lớn gồm các công ty

tài chính, các quỹ, công ty bảo hiểm, ngân hàng đầu tƣ, họ nắm giữ cổ phần và có

ảnh hƣởng lớn đối với công, nếu tỷ lệ này càng lớn thì càng có khả năng về việc

thâu tóm thông tin đối với cổ phiếu này của nhóm các nhà đầu tƣ tổ chức. Vì vậy kỳ

vọng của biến này trong mô hình là tác động cùng chiều với mức độ bất cân xứng

thông tin. Cụ thể trong bảng 4.5, kết quả cho thấy tỷ lệ nắm giữ trung bình của các

nhà đầu tƣ tổ chức là 46,1%. Đây là mức nắm giữ khá cao, điều này tiềm ẩn rủi ro

bất cân xứng thông tin là lớn trên thị trƣờng. Mức sở hữu cao nhất là 98% với

trƣờng hợp mã SBT (Mía đƣờng Thành Thành Công –Biên Hòa), trong mẫu quan

sát có 8 doanh nghiệp không có sở hữu của nhà đầu tƣ tổ chức, độ lệch chuẩn trung

bình của mẫu dữ liệu là 26,92%.

Cuối cùng là biến INST, biến này đại diện cho số lƣợng các nhà đầu tƣ tổ

chức trong sở hữu cổ phần công ty. Nếu số lƣợng này càng lớn thì thông tin càng

đƣợc lan tỏa (do đặc trƣng của các nhà đầu tƣ tổ chức là ngƣời có kinh nghiệm

trong quản lý và đầu tƣ, họ tiếp cận đƣợc các thông tin nội bộ của công ty và vô

hình chung thông tin có thể càng đƣợc nhiều ngƣời biết đến), điều này có nghĩa là

mức độ bất cân xứng thông tin trên thị trƣờng sẽ đƣợc giảm thiểu nếu một công ty

có nhiều tổ chức tham gia. Theo kết quả thống kê trong bảng 4.5 số lƣợng các nhà

đầu tƣ tổ chức trung bình trong mẫu quan sát 8. Doanh nghiệp có số lƣợng cổ đông

là tổ chức nhiều nhất là CII (Công ty Hạ tầng Kỹ thuật TP.HCM) với 32 cổ đông là

tổ chức. Trong mẫu nghiên cứu có 8 doanh nghiệp không có cổ đông là tổ chức. Độ

lệch chuẩn của biến INST trong mẫu nghiên cứu là 6.898926.

Bảng 4.6 Thống kê mô tả các biến trên HNX

Biến Trung bình Lớn nhất Nhỏ nhất Độ lệch chuẩn Số quan sát

460,700 4,904,405 677 811,240 58 VOL

15.651 125.026 1.358 22.941 58 PRI

0.001041 0.003130 0.000067 0.000767 58 VAR

0.030103 0.055945 0.008214 0.011691 58 SIGR

454,915 4,853,578 704 809,830 58 SIGVOL

0.060862 0.6 0.10325041 0 58 LEVG

0.788762 3.130274 0.042987 0.760211 58 MB

899.891 9,738.069 2,090.650 8 58 MVE

0.29190 0.89 0.29303 0 58 PINST

4.48276 26 5.50675 0 58 INST

Nguồn: thu thập từ dữ liệu giao dịch và báo cáo tài chính doanh nghiệp, phụ lục 2

Căn cứ vào bảng 4.6, tất cả các biến trong mô hình nghiên cứu đều có 58 quan

sát. Phân tích và lập luận tƣơng tự nhƣ trên sàn HOSE, kết quả thống kê mô tả từng

biến nhƣ sau:

Thứ nhất là biến VOL, theo thống kê tại bảng 4.6, VOL có giá trị trung bình

là 460,700 với độ lệch chuẩn là 811,240, đây là khối lƣợng giao dịch tƣơng đối phù

hợp cho khối lƣợng giao dịch bình quân của thị trƣờng, cho thấy các doanh nghiệp

trong mẫu nghiên cứu đảm bảo đƣợc khả năng phản ánh đƣợc mô hình, tuy nhiên

độ lệch chuẩn là tƣơng đối lớn cho thấy việc chƣa đồng đều giữa các doanh nghiệp.

Bảng 4.6 còn cho thấy mẫu nghiên cứu có doanh nghiệp đạt VOL cao nhất là

4,904,405 cho trƣờng hợp mã KLF (KLF Global) và thấp nhất là 677 cho mã PPE

(PVPower Engineering).

Thứ hai là biến PRI, theo thống kê tại bảng 4.6, PRI có giá trị trung bình là

15.7, đây có thể xem là mức giá tƣơng đối hợp lý (tuy là hơi thấp) đại diện trên thị

trƣờng chứng khoán, tuy nhiên độ lệch chuẩn là 22.941, độ lệch chuẩn nhƣ vậy là

khá lớn cho thấy sự không đồng đều giữa các doanh nghiệp. PRI cao nhất là

125.026 (mã SLS của Công ty mía đƣờng Sơn La) và thấp nhất là 1.36 (mã KSK

của công ty khoáng sản luyện kim màu), nhƣ vậy doanh nghiệp có PRI cao nhất gấp

hơn 90 lần doanh nghiệp có PRI thấp nhất, điều này hàm chứa sự chênh lệch lớn về

giá giữa các doanh nghiệp.

Thứ ba là biến VAR, cụ thể theo bảng 4.6, VAR trung bình trên HNX là

0.001041, mã KSK có VAR lớn nhất là với giá trị 0.003130, mã PPE có VAR nhỏ

nhất là với giá trị 0.000067 độ lệch chuẩn của biến VAR trên HNX là 0.000767.

Thứ tư là biến SIGR, theo kết quả trong bảng 4.6, mã PPE (PVPower

Engineering) có giá trị nhỏ nhất là 0,82%, mã KSK (Công ty khoáng sản luyện kim

màu) có SIGR lớn nhất là 5,59%; SIGR trung bình trên HNX là 3,01% với độ lệch

chuẩn là 1,16%. Có thể thấy SIGR trên HNX là tƣơng đối lớn.

Thứ năm là biến SIGVOL, theo thống kê trong bảng 4.6. thì SIGVOL trung

bình trên HNX là 454,915 đơn vị. Đây là giá trị lớn đối với giá trị SIGVOL, điều

này thể hiện mức chênh lệch lớn trong khối lƣợng giao dịch hàng ngày của cổ

phiếu, hàm ý mức độ bất cân xứng thông tin là lớn. Cụ thể mã KLF (KLF Global)

có SIGVOL lớn nhất là 4,853,578 đơn vị trong khi mã PPE (PVPower Engineering)

có SIGVOL nhỏ nhất là 704. Có thể thấy mức chênh giữa doanh nghiệp có

SIGVOL lớn nhất và nhỏ nhất là rất lớn. SIGVOL trung bình trên HNX là 809,830.

Đây là giá trị lớn, lớn hơn so với trên HOSE, cho thấy sự không đồng đều giữa các

doanh nghiệp về tính biến động của khối lƣợng giao dịch.

Thứ sáu là biến LEVG, theo thống kê trong bảng 4.6, LEVG trung bình của

58 doanh nghiệp trên sàn HNX là 6.08% với giá trị chạy từ 0% đến 60%. Mức nợ

dài hạn cao nhất là công ty Xây dựng TASCO (HUT) và có 24 doanh nghiệp có

LEVG bằng 0% (tức không có nợ dài hạn). Mức trung bình trên HNX là 10,33%.

Thứ bảy là biến MB, theo kết quả thống kê trong bảng 4.6, MB trung bình

của các doanh nghiệp trong mẫu nghiên cứu trên HNX là 0.788762, mã có MB cao

nhất là DGC (Hóa chất Đức Giang) với MB là 3.130274, mã có MB thấp nhất là

KSK (Công ty khoáng sản luyện kim màu) với MB là 0.042987, độ lệch chuẩn MB

là 0.760211. Nhƣ vậy có thể thấy thị trƣờng định giá doanh nghiệp thấp hơn giá trị

sổ sách, điều này giảm rủi ro khi tham gia thị trƣờng và việc định giá thấp hơn giá

trị sổ sách cho thấy mức độ rủi ro bất cân xứng thông tin là không cao.

Thứ tám là biến MVE, theo kết quả thống kê tại bảng 4.6, giá trị thị trƣờng

trung bình của các doanh nghiệp trên HNX trong mẫu quan sát là 900 tỷ đồng.

Trong đó doanh nghiệp có MVE lớn nhất là PVS (Tổng công ty cổ phần dịch vụ kỹ

thuật dầu khí Việt Nam) với MVE là 9,738 tỷ đồng, doanh nghiệp có MVE thấp

nhất là ASA (Hàng tiêu dùng Asa) với giá trị thị trƣờng là 8 tỷ đồng. Độ lệch chuẩn

của MVE trong mẫu quan sát là 2,090 tỷ đồng. Chênh lệch giữa doanh nghiệp có

mức vốn hóa lớn nhất và thấp nhất là rất lớn, điều này cho thấy sự không đồng đều

giữa các doanh nghiệp.

Thứ chín là biến PINST, trong bảng 4.6, kết quả cho thấy tỷ lệ nắm giữ trung

bình của các nhà đầu tƣ tổ chức là 29.2%. Đây là mức nắm giữ tƣơng đối thấp, điều

này tiềm ẩn rủi ro bất cân xứng thông tin là thấp do khả năng các tổ chức này nắm

quyền chi phối doanh nghiệp là thấp. Mức sở hữu cao nhất là 89% với trƣờng hợp

mã VGC (VINACONEX), trong mẫu quan sát có 16 doanh nghiệp không có sở hữu

của nhà đầu tƣ tổ chức, độ lệch chuẩn trung bình của mẫu dữ liệu là 29,3%.

Cuối cùng là biến INST, theo kết quả thống kê trong bảng 4.6 số lƣợng các

nhà đầu tƣ tổ chức trung bình trong mẫu quan sát 4. Doanh nghiệp có số lƣợng cổ

đông là tổ chức nhiều nhất là PVS (Tổng công ty cổ phần dịch vụ kỹ thuật dầu khí

Việt Nam) với 26 cổ đông là tổ chức. Trong mẫu nghiên cứu có 16 doanh nghiệp

không có cổ đông là tổ chức. Độ lệch chuẩn của biến INST trong mẫu nghiên cứu là

5.50675.

Kết quả so sánh các thống kê trên hai sàn HOSE và HNX đƣợc thể hiện trong

bảng 4.7.

Bảng 4.7 So sánh các biến trên HOSE và HNX

Biến Trung bình Lớn nhất Nhỏ nhất

545,470 460,700 3,991,053 4,904,405

7,568

677

HOSE HNX HOSE HNX HOSE HNX

30.30

15.651 233.68213

125.026

1.75068

1.36

VOL

0.00048 0.00104

0.00196

0.003130 0.00008

0.000067

PRI

0.02093 0.03010

0.04424

0.055945 0.00904

0.008214

VAR

452,232 454,91

3,300,14

4,853,578

6,564

704

SIGR

0.11645 0.06086

0.65

0.6

SIGVOL

1.38443 0.78876

10.7236

3.130274 0.09379

0.04299

LEVG

8,406

900

227,442

9,738.069

14.92

0.46118 0.29190

0.98

0.89

MVE

8.00787 4.48276

PINST

INST

Nguồn: thu thập từ dữ liệu giao dịch và báo cáo tài chính doanh nghiệp, phụ lục 2

Theo kết quả thống kê trong bảng 4.7 giữa hai sàn HOSE và HNX, có thể

nhận thấy khối lƣợng giao dịch trung bình trên hai sàn (VOL) cũng nhƣ độ lệch

chuẩn của khối lƣợng giao dịch trung bình (SIGVOL) là khá tƣơng đƣơng nhau, giá

trung bình trên HOSE gần gấp đôi giá trung bình trên HNX. VAR trên HNX cao

hơn trên HOSE cho thấy khả năng mức độ bất cân xứng thông tin cao hơn, biến

SIGR hai sàn tƣơng đƣơng nhau. Về biến LEVG cho thấy trên HOSE cao hơn ẩn

chứa rủi ro lớn hơn, rủi ro bất cân xứng thông tin trên sàn HOSE là cao hơn trên

HNX. MB trên HOSE cao hơn trên HNX cho thấy rủi ro cao hơn. MVE trên HOSE

cao hơn trên HNX 9 lần cho thấy mức rủi ro bất cân xứng thông tin thấp hơn. Số

lƣợng nhà đầu tƣ tổ chức trên HOSE cao hơn cho thấy rủi ro bất cân xứng thông tin

thấp hơn, tuy nhiên tỷ lệ nắm giữ của nhà đầu tƣ tổ chức trên HOSE cao hơn HNX

lần lƣợt là 46% và 29,2% cho thấy rủi ro bất cân xứng thông tin trên HOSE là cao

hơn. Các chỉ số thống kê cho thấy số biến ủng hộ bất cân xứng thông tin trên HOSE

cao hơn trên HNX là nhiều hơn, điều này trái với các kết quả đo lƣờng trƣớc đây

mà tác giả tiếp cận đƣợc tuy nhiên lại phù hợp với kết quả chạy mô hình 1 của tác

giả. Điều này có thể lý giải do trong năm 2017 có nhiều biến động về giá cổ phiếu

lẫn khối lƣợng giao dịch tăng bất thƣờng nên mức độ bất cân xứng thông tin có thể

cao trên cả hai sàn, việc đƣa vào hoạt động chính thức thị trƣờng chứng khoán phái

sinh với hàng hóa là chỉ số giao dịch của thị trƣờng vô hình chung tạo ra rủi ro về

bất cân xứng thông tin lớn do tác động từ các nhà đầu tƣ trên thị trƣờng chứng

khoán phái sinh. Đặc biệt là việc tác động bất thƣờng lên các cổ phiếu có vốn hóa

lớn nhằm can thiệp đến các chỉ số chung (hàng hóa trên trên thị trƣờng chứng khoán

phái sinh), có thể điều này chính là nguyên nhân chính dẫn đến mức độ bất cân

xứng thông tin trên thị trƣờng tăng cao hơn so với các nghiên cứu trƣớc đây.

4.2.2. Phân tích tƣơng quan

Đề tài thực hiện xác định hệ số tƣơng quan giữa các biến, kết quả đƣợc trình bày

tại bảng 4.8 và 4.9

Bảng 4.8 Ma trận tƣơng quan giữa biến phụ thuộc TC và các biến độc lập trên

sàn HOSE

TC VOL PRI VAR SIGR SIGVOL LEVG MB MVE PINST

INST

TC

0.11

VOL

(0.47)

(0.07)

PRI

0.61

0.23

(0.30)

VAR

0.60

0.25

(0.32)

0.98

SIGR

0.26

0.93

(0.15)

0.38

0.39

SIGVOL

(0.02)

0.01

0.02

(0.07)

(0.06)

0.04

LEVG

(0.41)

(0.04)

0.75

(0.30)

(0.32)

(0.10)

(0.03)

MB

(0.19)

0.11

0.51

(0.16)

(0.18)

0.06

(0.03) 0.78

MVE

(0.38)

(0.15)

0.24

(0.36)

(0.20)

0.15

0.31

0.25

PINST

(0.39)

0.18

0.30

(0.31)

(0.32)

0.05

0.00

0.29

0.24

0.39

INST

Nguồn: từ dữ liệu thu thập và mô hình 1

Bảng 4.9 Ma trận tƣơng quan giữa biến phụ thuộc TC và các biến độc lập trên

sàn HNX

TC

VOL

PRI

VAR SIGR SIGVOL LEVG MB MVE PINST INST

TC

0.16

VOL

(0.49)

(0.18)

PRI

0.72

0.15

(0.40)

VAR

0.72

0.15

(0.43)

0.99

SIGR

0.23

0.97

(0.19)

0.22

SIGVOL

(0.25)

0.14

0.23

(0.28)

(0.30)

0.08

LEVG

(0.62)

(0.19)

0.60

(0.52)

(0.57)

(0.22)

0.04

MB

(0.34)

0.31

0.23

(0.33)

(0.34)

0.24

0.35

0.37

MVE

(0.38)

0.06

0.25

(0.25)

(0.29)

0.43

0.53

0.06

0.20

PINST

(0.25)

0.27

0.02

(0.24)

(0.27)

0.14

0.57

0.26

0.62

0.55

INST

Nguồn: từ dữ liệu thu thập và mô hình 1

Trên sàn HNX, dựa vào kết quả Bảng 4.9 có thể thấy hầu hết các biến độc lập

đều không thể hiện mối tƣơng quan chặt với biến phụ thuộc TC (có hệ số tƣơng

quan lớn hơn 0.5 đƣợc coi là tƣơng quan chặt). Cụ thể biến VAR, SIGR, MB có

tƣơng quan lớn lần lƣợt là 0.72, 0.72 và 0.62. Các biến còn lại đều có tƣơng quan

nhỏ. Hệ số tƣơng quan lớn cho thấy có thể có hiện tƣợng đa cộng tuyến trong mô

hình. Mức độ tƣơng quan giữa biến độc lập với biến phụ thuộc trên sàn HNX là cao

hơn sàn HOSE.

4.2.3. Phân tích hồi quy

Kết quả hồi quy mô hình

Kết quả hồi quy mô hình sẽ lần lƣợt đƣợc trình bày theo từng sàn. Dựa vào kết

quả mô hình 1, tác giả tính toán biến phụ thuộc TC làm dữ liệu chạy mô hình 2. Dữ

liệu trong mô hình 2 là dữ liệu chéo, tính cho thời điểm cuối năm 2017.

Về kết quả khi thực hiện chạy mô hình, tác giả lấy Ln các biến có giá trị tuyệt

đối, các biến tỷ lệ không lấy Ln, các biến có kết quả bằng 0 và âm cũng không thực

hiện lấy Ln. Mô hình 2 đƣợc sử dụng trong chạy mô hình của đề tài là:

TC = a0 + a1LVOL + a2LPRI + a3VAR + a4SIGR + a5LSIGVOL + a6LEVG

+ a7MB +a8LMVE+ a9PINST + a10INST

Kết quả hồi quy mô hình 2 trên sàn HOSE

TC = 0.193653 + 0.0045614LVOL - 0.0647691LPRI + 44.82452VAR +

6.531706SIGR + 0.0081435LSIGVOL + 0.0611053LEVG + 0.0140925MB -

0.0057309LMVE -0.010844PINST + 0.0007332INST

Kết quả cho thấy xét về kỳ vọng dấu, các biến LPRI, VAR, SIGR, LSIGVOL,

LEVG, MB, LMVE cho kết quả phù hợp với kỳ vọng của tác giả, các biến còn lại

cho kết quả ngƣợc chiều. Tuy nhiên khi xét về ý nghĩa thống kê, chỉ có các biến

SIGR, LSIGVOL, LPRI, VAR, MB có ý nghĩa thống kê (mức ý nghĩa 10%), các

biến còn lại không có ý nghĩa thống kê. Kết hợp các biến có ý nghĩa thống kê và có

dấu phù hợp, so sánh các hệ số ta thấy mức độ tác động của biến VAR là lớn nhất.

Có nghĩa là trên sàn HOSE, sai số của suất sinh lợi có tác động lớn nhất đến mức độ

bất cân xứng thông tin; mức độ tác động kế tiếp lần lƣợt là SIGR, LPRI, MB và

LSIGVOL. Các biến không có ý nghĩa thống kê dù có sự phù hợp về dấu với kỳ

vọng cũng không đƣợc xem xét.

Kết quả hồi quy mô hình 2 trên sàn HNX

TC = 0.1566421 + 0.0015839LVOL - 0.0534168LPRI + 26.24738VAR +

4.204692SIGR + 0.0047915LSIGVOL + 0.0777347LEVG + 0.0208159MB -

0.0060354LMVE+ 0.0133088PINST - 0.0006681INST

Kết quả cho thấy xét về kỳ vọng dấu, các biến LPRI, VAR, SIGR, LSIGVOL,

LEVG, MB, LMVE, PINST và INST đều cho kết quả phù hợp với kỳ vọng. Nhƣ

vậy trên sàn HNX, 9 trên 10 biến độc lập cho kết quả về dấu phù hợp với kỳ vọng

của tác giả. Tuy nhiên khi xét về ý nghĩa thống kê, chỉ có các biến LPRI, VAR,

MB, SIGR là có ý nghĩa thống kê, sáu biến còn lại không có ý nghĩa thống kê khi p

value lớn hơn 10%. Kết hợp các biến có ý nghĩa thống kê và có dấu phù hợp, so

sánh các hệ số ta thấy mức độ tác động của biến VAR là lớn nhất, điều này dẫn đến

kết luận trên sàn HNX sai số của suất sinh lợi có tác động lớn nhất đến mức độ bất

cân xứng thông tin. Các biến có tác động mạnh tiếp theo lần lƣợt là SIGR, LPRI và

MB.

Bảng 4.10 Kết quả hồi quy mô hình 2 trên sàn HOSE và HNX

HOSE HNX

Biến phù hợp về dấu với LPRI, VAR, SIGR, LPRI, VAR, SIGR,

kỳ vọng LSIGVOL, LEVG, MB LSIGVOL, LEVG, MB,

và LMVE LMVE, PINST và INST

Biến có ý nghĩa thống kê SIGR, LSIGVOL, LPRI, LPRI, VAR, MB, SIGR

VAR, MB

Biến có hệ số lớn nhất VAR VAR

Dựa vào kết quả thống kê trong bảng 4.10, trên sàn HOSE có 7 biến thể hiện

chiều tác động tới biến phụ thuộc là phù hợp với kỳ vọng của tác giả, con số này là

9 biến trên HNX, biến VOL là biến duy nhất có kỳ vọng dấu trái với kỳ vọng trên

cả hai sàn HOSE và HNX.

Trên HOSE có 5 biến có ý nghĩa thống kê trong khi trên HNX chỉ có 4 biến.

Biến có hệ số lớn nhất trên cả hai sàn đều là biến VAR, đại diện cho sai số của

suất sinh lợi.

Kiểm định khuyết tật của mô hình

Kiểm định tự tƣơng quan thƣờng đƣợc sử dụng khi hồi quy các mô hình chuỗi

thời gian cũng nhƣ dữ liệu bảng, tuy nhiên do dữ liệu đƣợc sử dụng trong mô hình 2

là dữ liệu chéo nên vấn đề tự tƣơng quan thƣờng không có ảnh hƣởng nghiêm trọng,

chính vì vậy tác giả không thực hiện kiểm định tự tƣơng quan trong mô hình này.

Nhƣ vậy khi kiểm tra khuyết tật mô hình tác giả sẽ kiểm định hai khuyết tật là đa

cộng tuyến và phƣơng sai sai số thay đổi. Kết quả kiểm định cũng nhƣ kết quả hồi

quy khắc phục khuyết tật mô hình đƣợc trình bày cụ thể cho từng sàn.

Kiểm định khuyết tật mô hình 2 trên sàn HOSE

Trƣớc tiên tác giả chạy hồi quy mô hình 2 với 10 biến độc lập, sau đó tác giả

tiến hành kiểm định đa cộng tuyến bằng hệ số phóng đại phƣơng sai, câu lệnh sử

dụng trong stata là VIF. Kết quả thể hiện trong bảng 4.11

Bảng 4.11 Kết quả kiểm định đa cộng tuyến với 10 biến độc lập trên HOSE

Biến VIF

LSIGVOL 35.29

SIGR 33.04

VAR 32.33

LVOL 30.84

LMVE 8.11

LPRI 4.32

MB 3

INST 1.64

PINST 1.6

LEVG 1.1

Trung bình 15.13

Nguồn: dữ liệu kết quả mô hình 2, phụ lục 5

Kết quả cho thấy mô hình bị đa cộng tuyến với VIF trung bình là 15.13, lớn hơn lý

thuyết là 10. Các biến bị nặng nhất là LSIGVOL, SIGR, VAR và LVOL. Tác giả

tiến hành loại biến LSIGVOL (biến bị nặng nhất) và chạy lại mô hình hồi quy. Tiếp

đến tác giả kiểm định lại hiện tƣợng đa cộng tuyến, kết quả thể hiện trong bảng 4.12

Bảng 4.12 Kết quả kiểm định đa cộng tuyến với 9 biến độc lập trên HOSE

VIF

Biến SIGR VAR LMVE LPRI LVOL MB INST PINST LEVG Trung bình 32.47 32.3 7.8 3.53 3.18 2.96 1.64 1.6 1.09 9.62

Nguồn: từ dữ liệu kết quả mô hình 2, phụ lục 5

Kết quả cho thấy dù VIF trung bình nhỏ hơn 10 nhƣng vẫn còn hai biến là SIGR và

VAR có VIF cao hơn 10. Tác giả tiến hành loại biến SIGR, chạy hồi quy lại mô

hình rồi tiếp tục kiểm định đa cộng tuyến. Kết quả đƣợc thể hiện ở bảng 4.13.

Bảng 4.13 Kết quả kiểm định đa cộng tuyến với 8 biến độc lập trên HOSE

VIF

Biến LMVE LPRI LVOL MB VAR INST PINST LEVG Trung bình 7.79 3.53 3.13 2.9 1.9 1.6 1.59 1.09 2.94

Nguồn: từ dữ liệu kết quả mô hình 2, phụ lục 5

Kết quả cho thấy mô hình không còn hiện tƣợng đa cộng tuyến. Tác giả thực

hiện kiểm định phƣơng sai sai số thay đổi cho mô hình hồi quy bằng kiểm định

WHITE. Kết quả cho thấy Prob > chi2 là 0.0005; P nhỏ , bác bỏ giả thuyết Ho, tức

là mô hình bị phƣơng sai sai số thay đổi. Để xử lý khuyết tật này, tác giả sử dụng

ƣớc lƣợng vững ma trận hiệp phƣơng sai. Kết quả thể hiện trong Bảng 4.14

Bảng 4.14 Kết quả hồi quy mô hình trên HOSE sau khi xử lý phƣơng sai sai số thay đổi

t p> ItI

Biến LVOL LPRI VAR LEVG MB LMVE PINST INST CONS Hệ số 0.0045614 -0.0647691 44.82452 0.0611053 0.0140925 -0.0057309 -0.010844 0.0007332 0.193653 0.92 -8.53 2.54 1.47 3.64 -1.29 -0.8 1.4 5.31 0.358 0.000 0.012 0.144 0.000 0.200 0.425 0.164 0.000

Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5

Khi xử lý hiện tƣợng đa cộng tuyến, tác giả đã loại hai biến SIGR và

LSIGVOL, hai biến này đƣợc xem xét riêng tác động với biến phụ thuộc. Tác giả

thực hiện chạy hồi quy biến TC theo hai biến LSIGVOL và SIGR, thực hiện kiểm

định đa cộng tuyến, kết quả thể hiện trong bảng 4.15

Bảng 4.15 Kết quả kiểm định đa cộng tuyến với 2 biến độc lập trên HOSE

VIF

Biến LSIGVOL SOGR Trung bình 1.21 1.21 1.21

Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5

Kết quả cho thấy mô hình không bị đa cộng tuyến, kiểm định WHITE cho kết quả

Prob>chi2 là 0.0013, kết quả này cho thấy mô hình bị phƣơng sai sai số thay đổi,

kết quả khắc phục hiện tƣợng phƣơng sai sai số thay đổi đƣợc thể hiện ở bảng 4.16

Bảng 4.16 Kết quả mô hình sau khi xử lý phƣơng sai sai số thay đổi

p> ItI

Biến LSIGVOL SIGR CONS Hệ số 0.0081435 6.531706 -0.1659043 t 1.63 5.84 -2.7 0.105 0.000 0.000

Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5

Kiểm định khuyết tật mô hình 2 trên sàn HNX

Tƣơng tự nhƣ trên HOSE, việc kiểm định mô hình trên HNX cũng sử dụng

nhân tố phóng đại phƣơng sai và kiểm định WHITE để kiểm tra khuyết tật mô hình.

Kết quả kiểm định chi tiết đƣợc tác giả thể hiện ở phụ lục 5. Ở đây tác giả chỉ tổng

hợp kết quả tƣơng tự nhƣ trên HOSE.

Cụ thể, sau khi chạy mô hình hồi quy, kiểm định khuyết tật cho thấy mô hình

bị hiện tƣợng đa cộng tuyến và phƣơng sai sai số thay đổi.

Khi kiểm định đa cộng tuyến, tác giả lần lƣợt loại ra hai biến là SIGR và

LSIGVOL.

Hiện tƣợng phƣơng sai sai số thay đổi đƣợc khắc phục bằng phƣơng pháp ƣớc

lƣợng vững ma trận hiệp phƣơng sai (trong stata dùng robust).

Kết quả sau khi khắc phục các khuyết tật mô hình đƣợc thể hiện trong bảng

4.17.

Bảng 4.17 Kết quả hồi quy mô hình trên HNX sau khi xử lý các khuyết tật

Hệ số t p> ItI

Biến LVOL LPRI VAR LEVG MB LMVE PINST INST SIGR LSIGVOL CONS 0.0015839 -0.0534168 26.24738 0.0777347 0.0208159 -0.0060354 0.0133088 -0.0006681 4.204692 0.0047915 0.1566421 0.29 -6 2.15 1.17 1.96 -1.1 0.55 -0.57 5.27 1.05 3.35 0.771 0 0.037 0.249 0.055 0.278 0.582 0.572 0.0001 0.296 0.002

Nguồn: từ dữ liệu xử lý mô hình 2, phụ lục 5

4.3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

Phần này trình bày những đánh giá của tác giả về kết quả chạy mô hình hồi

quy. Nhìn chung kết quả chạy mô hình đƣa đến những kết quả khá bất ngờ, trái

ngƣợc với dự đoán ban đầu cũng nhƣ kỳ vọng của tác giả, điều này hƣớng tác giả

đến việc xem xét lại ý nghĩa của việc chạy mô hình cũng nhƣ tìm hiểu cụ thể hơn

những nguyên nhân dẫn đến kết quả trên. Thảo luận sẽ đƣợc trình bày cụ thể cho

từng mô hình.

Thảo luận về kết quả hồi quy mô hình 1 khi xác định mức độ bất cân xứng

thông tin trên thị trƣờng chứng khoán Việt Nam dựa trên mô hình gốc của Glosten

và Harris (1988): Kết quả khi chạy mô hình gây bất ngờ vì hai vấn đề. Thứ nhất là

mức độ bất cân xứng thông tin trên hai sàn là cao hơn so với dự đoán, theo các kết

quả thu thập đƣợc khi đo lƣờng bất cân xứng thông tin trên thị trƣờng chứng khoán

Việt Nam, xu hƣớng chung là mức độ bất cân xứng thông tin càng về sau càng giảm

dần, tuy nhiên số liệu năm 2017 lại cho ra kết quả cao bất thƣờng. Thứ hai là so

sánh tƣơng quan giữa hai sàn HOSE tác giả kỳ vọng rằng mức độ bất cân xứng

thông tin trên HOSE sẽ thấp hơn HNX do HOSE đƣợc đánh giá là có quy mô lớn

hơn cũng nhƣ mức độ minh bạch thông tin là tốt hơn so với sàn HNX, tuy nhiên kết

quả chạy mô hình lại phản ánh điều ngƣợc lại. Điều này đặt ra nghi vấn liệu kết quả

chạy mô hình có đáng tin hoặc tác giả đã bỏ sót yếu tố nào tác động đến mức độ bất

cân xứng thông tin. Tác giả đã xem xét lại mức độ biến động của chỉ số VN Index

và HNX Index trong năm 2017, cũng nhƣ diễn biến thông tin trên thị trƣờng. Kết

quả tác giả nhận thấy so với những năm trƣớc, năm 2017 chứng kiến mức tăng

trƣởng ấn tƣợng của các chỉ số, mức vốn hóa thị trƣờng cũng nhƣ hoạt động lên sàn

của các tập đoàn, tổng công ty lớn, mặc khác thông tin về việc nâng hạng thị trƣờng

chứng khoán, các diễn biến về bầu cử quốc hội, tình hình Biển Đông, Brexit và đặc

biệt là việc giao dịch chính thức của thị trƣờng chứng khoán phái sinh đã tác động

không nhỏ đến thị trƣờng, rất có thể sự cộng hƣởng của các yếu tố trên đã dẫn đến

sự khác biệt của kết quả mô hình so với các nghiên cứu trƣớc đây. Mặc khác, nếu

xét về yếu tố chủ quan, các công ty đƣợc lựa chọn trong mẫu nghiên cứu do hạn chế

về thông tin thu thập nên số lƣợng doanh nghiệp lựa chọn còn ít, mức độ đại diện

chƣa cao cũng ảnh hƣởng đến kết quả khi chạy mô hình.

Thảo luận về kết quả hồi quy mô hình 2, xác định các yếu tố tác động đến mức

độ bất cân xứng thông tin trên thị trƣờng chứng khoán, mô hình đƣợc chạy riêng

cho từng sàn, kết quả cho thấy đa số các biến độc lập đều có tác động về dấu nhƣ kỳ

vọng, chỉ có biến LVOL là ngƣợc dấu khi chạy mô hình trên cả hai sàn, điều này

cho thấy biến LVOL biến động cùng chiều, tức là các doanh nghiệp có khối lƣợng

giao dịch trung bình lớn sẽ có mức độ bất cân xứng cao hơn. Kết quả này cũng có

thể xem là phù hợp vì ở thị trƣờng chứng khoán Việt Nam, tâm lý giao dịch theo số

đông vẫn thƣờng xuyên diễn ra, nhà đầu tƣ hành động theo đám đông vì nghĩ nhiều

ngƣời sẽ đúng, chính điều này vô hình chung làm khuếch đại mức độ bất cân xứng

thông tin trên thị trƣờng. Biến VAR đƣợc xem là biến tác động mạnh nhất đến mức

độ bất cân xứng thông tin trên cả hai sàn. Các biến độc lập có ý nghĩa thống kê

không đƣợc nhƣ kỳ vọng khi trên HOSE chỉ có 5 biến có ý nghĩa và con số này còn

thấp hơn với 4 biến trên HNX. Điều này tác động đến tác giả về việc cần xem xét

lại về việc chọn mẫu cũng nhƣ lựa chọn mô hình. Rõ ràng khi nhìn nhận lại, số

lƣợng mẫu quan sát trên thị trƣờng vẫn còn ít, chƣa có nhiều thống kê về một số

biến, do đó việc giảm biến so với mô hình gốc cũng ảnh hƣởng đến kết quả nghiên

cứu, mặt khác các doanh nghiệp đƣợc lựa chọn chỉ là những doanh nghiệp phi tài

chính, điều này chƣa phản ánh đƣợc mô hình một cách khách quan cho việc đại

diện cho tổng thể, mặc dù mức độ giải thích của biến độc lập với biến phụ thuộc

trên cả hai sàn theo R- square khi chạy hồi quy là khá lớn. Việc sử dụng dữ liệu

chéo trong mô hình này còn nhiều hạn chế so với dữ liệu bảng.

Chƣơng 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

5.1. KẾT LUẬN

Căn cứ cơ sở lý thuyết và bằng chứng thực nghiệm, đề tài đã đƣa ra thiết kế

mô hình nghiên cứu và lựa chọn phƣơng pháp nghiên cứu phù hợp với tính chất của

dữ liệu nghiên cứu cũng nhƣ mục tiêu nghiên cứu và câu hỏi nghiên cứu. Bằng phân

tích hồi quy theo REM và OLS, đề tài đã tìm ra đƣợc kết quả nghiên cứu thực

nghiệm tại chƣơng 4 về mức độ bất cân xứng thông tin trên hai sàn chứng khoán

HOSE và HNX cũng nhƣ xác định các yếu tố ảnh hƣởng mức độ bất cân xứng

thông tin trên hai sàn này.

Cụ thể, đề tài đã đúc kết các vấn đề nhƣ sau:

Thứ nhất, mức độ bất cân xứng thông tin trên sàn HOSE cao hơn trên HNX

theo kết quả hồi quy mô hình của các doanh nghiệp phi tài chính có dữ liệu giao

dịch đầy đủ trong năm 2017. Cụ thể mức độ bất cân xứng thông tin trên HNX là

86,36% và trên HOSE là 96,02%.

Thứ hai, mức độ bất cân xứng thông tin trên cả hai sàn là khá cao so với những

nghiên cứu trƣớc và rất cao so với các thị trƣờng chứng khoán phát triển, điều này

cần những nghiên cứu tiếp theo để khẳng định chắc chắn hơn, tuy nhiên với những

lý giải trong phần thảo luận nghiên cứu, tác giả tin rằng mức độ bất cân xứng thông

tin hiện tại trên thị trƣờng là rất cao.

Thứ ba, biến VAR liên quan đến sai số của suất sinh lợi là biến có tác động

mạnh nhất đến mức độ bất cân xứng thông tin, các biến liên quan đến giá trung bình

(PRI), tỷ số giữa giá thị trƣờng và giá ghi sổ cũng tác động đến mức độ bất cân

xứng thông tin.

Thứ tư là, nếu đƣợc lựa chọn đầu tƣ, việc đầu tƣ trên HNX sẽ gặp ít rủi ro hơn,

điều này vẫn nghe có gì đó không hợp lý, nhƣng tác giả vẫn tin vào kết quả mô

hình, chỉ lƣu ý là khi lựa chọn các doanh nghiệp trong mẫu quan sát hoặc các doanh

nghiệp thuộc lĩnh vực phi tài chính thì kết quả này mới có ý nghĩa cao.

5.2. GỢI Ý, KHUYẾN NGHỊ

5.2.1. Đối với nhà quản lý thị trƣờng

Theo nghiên cứu tổng thể của đề tài, có rất nhiều thông tin từ phía công ty

niêm yết ảnh hƣởng đến quyết định của nhà đầu tƣ nhƣng nhà đầu tƣ khó có thể thu

thập đánh giá đƣợc chẳng hạn nhƣ chi phí nghiên cứu phát triển của công ty, cơ cấu

sở hữu của cổ đông là các tổ chức, lợi nhuận kỳ vọng của công ty, số lƣợng các tổ

chức là cổ đông,... các thông tin trên rất ít khi đƣợc công ty niêm yết công bố hoặc

công bố không đầy đủ, điều này gây ảnh hƣởng nhiều đến sự lựa chọn ngƣợc của

nhà đầu tƣ. Do vậy, gợi ý của tác giả:

- Công ty niêm yết cần phải phát tín hiệu về những thông tin còn thiếu nêu trên

để nhà đầu tƣ có cái nhìn đầy đủ hơn và đánh giá đúng hơn về giá trị thực cũng nhƣ

giá cổ phiếu đang giao dịch trên thị trƣờng.

- Chính phủ cần bổ sung quy định công bố thông tin chặt chẽ và đầy đủ hơn

-Cơ quan quản lý ngành (ủy ban chứng khoán) cần phải khuyến khích các nhà

đầu tƣ, đặc biệt là nhà đầu tƣ cá nhân nên trang bị kiến thức về chứng khoán khi

tham gia đầu tƣ để tránh hoặc giảm bớt hiện tƣợng bầy đàn trong giao dịch. Giải

pháp này cần đƣợc thực hiện thông qua việc mở rộng và khuyến khích các trƣờng,

các tổ chức chuyên đào tạo về lĩnh vực chứng khoán; phổ biến kiến thức về lĩnh vực

chứng khoán trên nhiều phƣơng diện (Internet, truyền hình, hội thảo...) và các giải

pháp khác.

-Chính phủ cần khuyến khích các tổng công ty, tập đoàn, các công ty lớn kinh

doanh hiệu quả sớm cổ phần hóa. Đây là giải pháp cần thiết vì vừa gia tăng hàng

hóa trên thị trƣờng đồng thời cũng vừa để thị trƣờng có thêm hàng hóa chất lƣợng

cao.

-Ủy ban chứng khoán cần phải nâng cao quy định vốn pháp định các công ty

niêm yết trên thị trƣờng (giải pháp sàng lọc). Việc nâng cao quy định vốn pháp định

sẽ giới hạn chỉ có những công ty có quy mô lớn nhất định mới đƣợc niêm yết trên

thị trƣờng chứng khoán. Nhƣ đã nói các công ty càng có quy mô lớn thì nhà đầu tƣ

càng dễ có đƣợc thông tin cần thiết để đầu tƣ về những công ty này thông qua

thƣơng hiệu, danh tiếng, phạm vi hoạt động sản xuất kinh doanh.

Theo kết quả nghiên cứu hồi quy các mô hình, khi tiến hành đánh giá rủi ro

của thị trƣờng, các cơ quan quản lý có thể tập trung vào các chỉ số phản ánh mức

biến động của tỷ suất lợi nhuận bình quân, giá trung bình và tỷ số giá thị trƣờng trên

giá trị sổ sách của doanh nghiệp, mức độ biến động của khối lƣợng giao dịch cũng

cần đƣợc lƣu ý trên sàn HOSE vì các chỉ số này có ý nghĩa thống kê khi tác động

đến mức độ bất cân xứng thông tin trên thị trƣờng.

Kết quả thống kê cho thấy mức độ bất cân xứng thông tin theo dữ liệu quan sát

thì trên sàn HOSE có mức độ bất cân xứng cao hơn trên HNX. Do đó cần có sự

quản lý tập trung hơn và chặt chẽ hơn trên sàn HOSE.

Một vấn đề nhà quản lý thị trƣờng cần lƣu tâm là sự xuất hiện của thị trƣờng

chứng khoán phái sinh có thể có những tác động không nhỏ đến thị trƣờng cơ sở,

đặc biệt là khi thị trƣờng phái sinh ở Việt Nam còn khá non trẻ. Cần có những

nghiên cứu cụ thể hơn về những ảnh hƣởng của thị trƣờng chứng khoán phái sinh

đến thị trƣờng cơ sở, cũng nhƣ hoàn thiện cơ sở pháp lý, pháp luật về quản lý thị

trƣờng chứng khoán phái sinh cũng góp phần giảm thiểu tình trạng bất cân xứng

thông tin trên thị trƣờng.

Bên cạnh đó, xuất phát từ thực trạng công bố thông tin của các công ty niêm

yết trong thời gian vừa qua và những nhận định vừa chủ quan vừa khách quan của

tác giả, các thông tin công bố từ phía công ty niêm yết cần phải chính xác và kịp

thời. Muốn vậy cần phải có những quy định rõ ràng về thời gian, nội dung và chất

lƣợng thông tin công bố, đặc biệt quy định xử phạt phải đảm bảo tính răn đe nếu

công ty vi phạm. Ngoài ra, các cơ quan quản lý chuyên ngành cần phải thƣờng

xuyên thực hiện chức năng giám sát cả trực tiếp lẫn gián tiếp để giao dịch đƣợc diễn

ra công bằng và minh bạch.

5.2.2. Đối với nhà đầu tƣ và các chủ thể khác

Các nhà đầu tƣ khi tham gia thị trƣờng cần lƣu ý về thực trạng bất cân xứng

thông tin hiện nay. Theo kết quả nghiên cứu, việc đầu tƣ vào các doanh nghiệp trên

sàn HOSE sẽ gặp rủi ro lớn hơn do mức độ bất cân xứng thông tin trên sàn này cao

hơn.

Trƣớc khi ra quyết định đầu tƣ, các nhà đầu tƣ cần căn cứ vào các yếu tố có

ảnh hƣởng mạnh tới mức độ bất cân xứng thông tin nhƣ độ lệch chuẩn, phƣơng sai

của suất sinh lợi bình quân, giá trung bình của cổ phiếu, theo đó các mã cổ phiếu có

độ lệch thấp và giá trung bình cao sẽ chịu rủi ro bất cân xứng thông tin thấp hơn. Tỷ

số giá thị trƣờng trên giá trị sổ sách thấp sẽ chịu rủi ro bất cân xứng thông tin thấp

hơn.

Các nhà đầu tƣ cũng cần hạn chế bị ảnh hƣởng bởi tâm lý đám đông trên thị

trƣờng. Kết quả nghiên cứu cho thấy biến VOL (khối lƣợng giao dịch trung bình

của cổ phiếu) có kết quả dấu trái với kỳ vọng, điều này hàm ý có thể có tâm lý đám

đông trong giao dịch, một cổ phiếu có khối lƣợng giao dịch lớn chƣa chắc có mức

độ bất cân xứng thông tin thấp vì khối lƣợng giao dịch cao không đến từ việc tiếp

cận phân tích thông tin mà đến từ tâm lý đám đông của các nhà đầu tƣ.

Các nhà đầu tƣ cá nhân nên trang bị kiến thức đầy đủ hơn khi ra quyết định

giao dịch của mình. Đây cũng có thể đƣợc xem là nền tảng căn bản để thị trƣờng

chứng khoán tồn tại và phát triển bền vững. Việc tự trang bị kiến thức giúp nhà đầu

tƣ có những đánh giá chuẩn mực hơn về các doanh nghiệp cũng nhƣ hạn chế việc đi

theo đám đông (tâm lý bầy đàn) làm ảnh hƣởng đến kết quả đầu tƣ.

5.3. HẠN CHẾ VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI

5.3.1. Hạn chế của đề tài

Đề tài nghiên cứu trƣờng hợp các doanh nghiệp phi tài chính niêm yết trên

HOSE và HNX, cụ thể dữ liệu sử dụng bao gồm 127 doanh nghiệp trên HOSE và

58 doanh nghiệp trên HNX năm 2017, nhƣ vậy, đề tài chƣa bao quát tất cả doanh

nghiệp phi tài chính niêm yết trên thị trƣờng chứng khoán Việt Nam nói riêng, cũng

nhƣ chƣa bao quát các doanh nghiệp phi tài chính tại Việt Nam nói chung.

Phạm vi nghiên cứu về nội dung của đề tài chỉ đo lƣờng mức độ bất cân xứng

thông tin dựa trên thành phần lựa chọn ngƣợc (trƣớc khi xảy ra giao dịch), thành

phần bất cân xứng thông tin xảy ra sau giao dịch( rủi ro đạo đức) chƣa đƣợc đo

lƣờng trong đề tài này, việc giới hạn này cũng là một hạn chế của đề tài.

Các yếu tố ảnh hƣởng đến mức độ bất cân xứng thông tin đƣợc điều chỉnh từ

mô hình gốc cho phù hợp với thị trƣờng chứng khoán Việt Nam, một số biến do

không thể thu thập đƣợc nên đƣợc xem nhƣ một phần cùa sai số.

Do biến nội sinh của mô hình (cụ thể là biến ANLYST) không thu thập đƣợc

tại thị trƣờng Việt Nam nên việc kiểm soát vấn đề nội sinh của các biến cũng chƣa

đƣợc xem xét trong đề tài này.

Dữ liệu thu thập trong nghiên cứu có sự điều chỉnh so với mô hình gốc do hạn

chế về việc tiếp cận thông tin lịch sử giao dịch, cụ thể lịch sử giá và khối lƣợng giao

dịch là dữ liệu cuối ngày.

Đề tài thực hiện theo phân tích hồi quy tuyến tính, trong khi đó có thể xuất

hiện mối quan hệ phi tuyến giữa mức độ bất cân xứng thông tin và các yếu tố ảnh

hƣởng đến mức độ bất cân xứng thông tin.

5.3.2. Hƣớng nghiên cứu tiếp theo

Thứ nhất, điều chỉnh cỡ mẫu nghiên cứu.

Về thời gian, các nghiên cứu trong tƣơng lai có thể thực hiện trong khoảng

thời gian dài hơn, hoặc thực hiện theo từng năm để xác định xu hƣớng thay đổi của

mức độ bất cân xứng thông tin chẳng hạn từ năm 2012 đến năm 2017, hoặc dài hơn

nữa để có đánh giá hữu ích đối với tổng thể trong dài hạn.

Về không gian, các nghiên cứu trong tƣơng lai có thể thực hiện đối với nhiều

doanh nghiệp hơn, không chỉ dựa vào các doanh nghiệp phi tài chính niêm yết mà

còn các doanh nghiệp phi tài chính chƣa niêm yết (trên sàn OTC). Các nghiên cứu

sau cũng có thể tiếp cận theo từng nhóm ngành kinh tế của doanh nghiệp để có đánh

giá mức độ chênh lệch giữa các ngành khác nhau.

Thứ hai, mở rộng nội dung nghiên cứu.

Các nghiên cứu tƣơng lai có thể mở rộng nội dung theo hƣớng phân tích đầy

đủ các yếu tố ảnh hƣởng đến bất cân xứng thông tin trên thị trƣờng chứng khoán,

không chỉ là yếu tố tài chính mà bao gồm luôn yếu tố phi tài chính, không chỉ là các

yếu tố bên trong mà bao gồm luôn các yếu tố bên ngoài, không chỉ là trong lĩnh vực

chứng khoán mà có thể mở rộng sang tín dụng, bảo hiểm,... Các nghiên cứu cũng có

thể phân tích tác động của thi trƣờng chứng khoán phái sinh đến mức độ bất cân

xứng thông tin thị trƣờng cơ sở.

Thứ ba, phương pháp phân tích hồi quy.

Các nghiên cứu tƣơng lai có thể thực hiện phân tích hồi quy phi tuyến, sử dụng

dữ liệu không cân bằng để có kích thƣớc mẫu lớn hơn, tăng tính chính xác đó kết

quả đo lƣờng.

Đo lƣờng bằng nhiều phƣơng pháp khác nhau để có cơ sở so sánh, đánh giá

chính xác hơn về tình hình thị trƣờng.

TÀI LIỆU THAM KHẢO

Danh mục tài liệu tham khảo tiếng Việt

1.Nguyễn Ngọc Sơn (2012), Các yếu tố ảnh hưởng đến mức độ bất cân xứng thông

tin trên thị trường chứng khoán Việt Nam, Luận văn thạc sỹ, Trƣờng đại học kinh tế

TP.HCM.

2.Lê Thị Mỹ Hạnh (2015), Minh bạch thông tin tài chính của các công ty niêm yết

trên thị trường chứng khoán Việt Nam, Luận án tiến sỹ, Trƣờng đại học kinh tế

TP.HCM.

3.Phạm Trí Cao (2006), Kinh tế lượng ứng dụng, NXB Lao động.

4.Hoàng Ngọc Nhậm (2003), Kinh tế lượng, NXB Thống kê.

5.Hoàng Trọng (2007),Thống kê ứng dụng trong kinh tế, NXB Thống kê.

6.Trần Ngọc Thơ (2005),Tài chính doanh nghiệp hiện đại, NXB Thống kê.

7.Đinh Xuân Trình (1998),Giáo trình Thị trường chứng khoán, NXB giáo dục.

8.Gujarati, D. N (2011), Econometrics by Example, Paperback, Chƣơng 10: Vấn đề

đa cộng tuyến và cỡ mẫu nhỏ, Bản dịch của Chƣơng trình giảng dạy kinh tế

Fulbight,http://www.fetp.edu.vn/cache/MPP04-522-R02V-2012-053008580840.pdf

[truy cập 20/05/2018].

9.Viên Thế Giang (2008), Pháp luật về công bố thông tin trên thị trường chứng

khoán Việt Nam, Luận văn thạc sỹ, Trƣờng đại học kinh tế TP.HCM.

10.Đào Lê Minh (2004), Giáo trình Những vấn đề cơ bản về chứng khoán và thị

trường chứng khoán, Nxb Chính trị Quốc gia, Hà Nội.

11. Hƣơng Giang (2008), “Nhận diện rủi ro thông tin trong đầu tư chứng khoán”,

Tạp chí Ngân hàng số 16 tháng 8/2008.

12. Viên Thế Giang (2008), “Hoạt động công bố thông tin trên thị trƣờng chứng

khoán Việt Nam”, Tạp chí Khoa học và Đào tạo Ngân hàng số 1+2/2008.

13.Trịnh Thị Phan Lan (2012), Rủi ro trên thị trường chứng khoán Việt Nam: Góc

nhìn từ phía nhà đầu tư cá nhân, Tạp chí Khoa học ĐHQGHN, Kinh tế và Kinh

doanh 28 (2012), trang 209‐215.

14.Huỳnh Thế Du, Nguyễn Minh Kiều và Nguyễn Trọng Hoài (2005),Thông tin bất

cân xứng trong hoạt động tín dụng tại Việt Nam, Chƣơng trình giảng dạy kinh tế

Fulbright;http://www.fetp.edu.vn/documents/C3AA747A0BB6BE7B6689B3E8221

77E81.pdf [truy cập 25/05/2018].

15.Nguyễn Văn Ngãi, Trần Thị Tú Anh và Phan Bùi Gia Thủy (2016), Mức độ

thông tin bất cân xứng: Minh chứng từ các công ty niêm yết trên sở giao dịch chứng

khoán TP.HCM, Khoa học, Đại học Mở 2016, số 1 trang 58-66.

16. Dƣơng Ngân Hà (2014), Lý thuyết bất cân xứng thông tin-Thực trạng trên thị

trường chứng khoán Việt Nam, Chứng khoán Việt Nam, số 193 trang 15-18.

17.Nguyễn Việt Dũng, Nguyễn Thị Thu Huyền (2016), Tác động của bất cân xứng

thông tin đến chi phí vốn cổ phần của các doanh nghiệp niêm yết tại Việt Nam,

Kinh tế & Phát triển, số 227 trang 49-56.

18.Ghi chú Bài giảng 5:Thông tin bất cân xứng (2012), Chƣơng trình giảng dạy

kinh tế Fulbright, http://www.fetp.edu.vn/cache/MPP03-502-LN05V-2012-02-10-

10015762.pdf [truy cập 25/05/2018].

19.Đặng Văn Thanh (2013), Bài giảng 30: Thông tin bất cân xứng, Chƣơng trình

giảng dạy kinh tế Fulbight, http://www.fetp.edu.vn/cache/MPP05-511-L30V-2013-

01-03-15502813.pdf [truy cập 25/05/2018].

20. Đặng Văn Thanh (2013), Khái lược thất bại của thị trường, Chƣơng trình giảng

dạy kinh tế Fulbight, http://www.fetp.edu.vn/cache/MPP03-511-L1702V-2012-02-

10-12052012.pdf [truy cập 25/07/2018].

21.Nhất Thanh (2012), Hiểm họa thông tin bất cân xứng, truy cập tại <

http://cafef.vn/thi-truong-chung-khoan/hiem-hoa-thong-tin-bat-can-xung-

2012090110082760.chn>[ngày truy cập 22/05/2018].

22.Hồ Hoàng Lan (2014), Thất bại của thị trường tài chính: Nhìn từ góc độ lý

thuyết, truy cập tại < http://tapchitaichinh.vn/tai-chinh-quoc-te/nhan-dinh-du-

bao/that-bai-cua-thi-truong-tai-chinh-nhin-tu-goc-do-ly-thuyet-49784.html> [ngày

truy cập 22/05/2018].

23.Duy Nam (2012), 3 ngày sau Bầu Kiên bị bắt: Chứng khoán Việt mất 65,300 tỷ

đồng, truy cập tại < https://vietstock.vn/2012/08/3-ngay-sau-bau-kien-bi-bat-chung-

khoan-viet-mat-65300-ty-dong-830-236408.htm> [ngày truy cập 22/05/2018].

24.Lƣu Trọng Tuấn (2008), Thông tin bất đối xứng giữa ngân hàng và người vay:

Giải pháp từ mô hình cân bằng riêng phần, Công nghệ ngân hàng số 26, trang 11-

15.

25.Nguyễn Trọng Hoài, Lê An Khang (2008), Mô hình kinh tế lượng xác định mức

độ bất cân xứng thông tin: Tình huống thị trường chứng khoán TP.HCM, Công

nghệ ngân hàng số 28, trang 36-40.

26.Nguyễn Trọng Hoài (2005), Can thiệp cần thiết cho các vấn đề tài chính: Vấn đề

thông tin bất cân xứng Công nghệ ngân hàng số 4, trang 3-6.

Danh mục tài liệu tham khảo tiếng anh

1.Akerlof, G. A. (1970), The Market for Lemons: Quality Uncertainty and the

Market Mechanism. Quaterly Joural of Economics, 84(3), 488-500.

2. George, T. J., Kaul, G., and Nimalendran, M. (1991). Estimation of the Bid-Ask

Spread and Its Components: A New Approach. The Review of Finacial Studies, 4,

623-656.

3. Glosten, L. R., and Harris, L. E. (1988). Estimating the components of the bid/ask

spread. Journal of Financial Economics, 21(1), 123-142.

4.Giouvris, E., and Philippatos, G. (2008). Determinants of the Components of the

Bid-Ask Spreads on the London Stock Exchange: The Case of Changes in Trading

Regimes, Journal of Money, Investment and Banking, 1, 49-61.

5.Kim, S. H., and Ogden, J. P. (1996), Determinants of the components of bid-ask

spreads on stocks, European Financial Management, 1(1), 127-145.

6. Lin, J., Sanger, G. C., and Booth, G. G. (1995), Trade Size and Components of

the Bid-Ask Spread, The Review of Financial Studies Winter, 8(4), 1153-1183.

7. Pindych, R., and Rubinfeld, D. (2013). Microeconomics. 8th Edn., Pearson

Education, USA.

8. Spence, M. (1973), Job Market Signaling, The Quarterly Journal of Economics,

87(3), 355-374.

9. Stiglitz, J. E. (1975), The Theory of Screening, Education, and the Distribution of

Incom, The American Economic Review, 65(3), 283-300.

10. Van Ness, B. F., Van Ness, R. A., and Warr, R. A. (2001). How do well adverse

selection components measure adverse selection, Financial Management, 30(3), 77-

98.

11.Hendel, Igal, and Alessandro Lizzeri (1999), “Adverse Selection in Durable

Goods Markets”, American Economic Review.

12.Bennardo, A. and P.A. Chiappori (1998), Competition, Positive Products and

Market Clearing under Asymmetric Information, Đại học Chicago.

13.Bisin, A. and D. Guatoli (1997), Inefficiency of Competitive Equilibrium with

Asymmetric Information and Financial Intermediaries, Đại học New York.

17.Quy Toan Do, Asymmetric Information, truy cập tại

1114437274304/Asymmetric_Info_Sep2003.pdf> [ngày truy cập 23/08/2018].

18.Brennan, M.J., A. Subrahmanyam (1995), „Investment analysis and price

formation in securities markets‟, Journal of Financial Economics, 38(3) : 361-381.

19. Clarke, J., and K. Shastri (2001), „On Information Asymmetry Metrics‟, truy cập tại < www.pitt.edu/~ks112354/metrics.pdf> [ngày truy cập 29/05/2018].

PHỤ LỤC 1

DANH SÁCH CÁC DOANH NGHIỆP TRONG MẪU NGHIÊN

CỨU

Sàn Tên doanh nghiệp STT

HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE An Phát Plastic Dệt sợi DAMSAN Chiếu xạ An Phú Tập đoàn Sao Mai An Trƣờng An XD và GT Bình Dƣơng Phân bón Bình Điền Khoáng sản Bình Định Nhựa Bình Minh Đầu tƣ Xây dựng 3-2 Dây cáp điện Việt Nam Thủy điện Miền Trung Hạ tầng Kỹ thuật TP.HCM CNG Việt Nam Cao su Miền Nam Hóa chất Cơ bản miền Nam Xây dựng Coteccons Cƣờng Thuận IDICO Nhựa Đông Á Tập đoàn Khách sạn Đông Á Dƣợc phẩm Cửu Long Đạm Cà Mau Thế Giới Số Hóa An Đông Hải Bến Tre Dƣợc Hậu Giang Khoáng sản Dƣơng Hiếu ĐT và TM DIC Đức Long Gia Lai Đạm Phú Mỹ Cao su Đồng Phú Bóng đèn Điện Quang Mã chứng khoán AAA ADS APC ASM ATG BCE BFC BMC BMP C32 CAV CHP CII CNG CSM CSV CTD CTI DAG DAH DCL DCM DGW DHA DHC DHG DHM DIC DLG DPM DPR DQC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE Cao su Đà Nẵng Công viên nƣớc Đầm Sen Phát triển Công nghệ ĐT-VT EVERON Khoáng sản FECON FECON CORP Thủy sản Sao Ta Tập đoàn FPT PV Gas XNK Bình Thạnh Gemadept GTNFOODS Nông Dƣợc H.A.I Tập đoàn Hapaco Hacisco Ô tô Hàng Xanh Địa ốc Hòa Bình SX và Thƣơng mại HCD Đầu tƣ DV Hoàng Huy Đầu tƣ và Tƣ vấn Hà Long Nông nghiệp Quốc tế HAGL Hòa Phát Tập đoàn Hoa Sen Xi măng Hà Tiên 1 PT Hạ tầng IDICO Thủy sản Hùng Vƣơng Đầu tƣ và PT Đa Quốc Gia IMEXPHARM Công nghệ Tiên Phong Thiết bị Y tế Việt Nhật Tập đoàn KIDO MIRAE Khoáng sản Bình Dƣơng Đầu tƣ và Phát triển KSH LICOGI 16 Bột giặt Lix Mía đƣờng Lam Sơn Cơ điện và XD VN Hàng hải Hà Nội Tập đoàn Masan Thế giới di động Nafoods Group 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 DRC DSN ELC EVE FCM FCN FMC FPT GAS GIL GMD GTN HAI HAP HAS HAX HBC HCD HHS HID HNG HPG HSG HT1 HTI HVG IDI IMP ITD JVC KDC KMR KSB KSH LCG LIX LSS MCG MHC MSN MWG NAF

HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE DV Hàng hóa Nội Bài Thép Nam Kim Đá Núi Nhỏ Điện lực Nhơn Trạch 2 Pin Ắc quy Miền Nam Xây lắp điện I PETROLSETCO Cao su Phƣớc Hòa Vàng Phú Nhuận Nhiệt điện Phả Lại Phú Tài Khoan Dầu khí PVDrilling Vận tải Dầu khí PVTrans XL CN và dân dụng Dầu khí Lắp máy Dầu khí Xây lắp Đƣờng ống Dầu khí Xuất nhập khẩu Quảng Bình Bóng đèn & Phích Rạng Đông Cơ Điện Lạnh REE Xây dựng FLC FAROS SABECO Cáp viễn thông SAM Sông Ba JSC Mía đƣờng Tây Ninh Phân bón Miền Nam Sơn Hà Sài Gòn SONHA CORP Thủy điện Cần Đơn Tàu Cao tốc Superdong Đầu tƣ & TM SMC Cao su Sao Vàng SEAREFICO Kho Vận Miền Nam ĐT DV Tài chính Hoàng Huy Dệt may Thành Công Becamex TDC XD Tiền Giang Thép Tiến Lên Ô tô TMT TAI NGUYEN CORP Cao su Tây Ninh Kỹ thuật NN Cần Thơ 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 NCT NKG NNC NT2 PAC PC1 PET PHR PNJ PPC PTB PVD PVT PXI PXS PXT QBS RAL REE ROS SAB SAM SBA SBT SFG SHA SHI SJD SKG SMC SRC SRF STG TCH TCM TDC THG TLH TMT TNT TRC TSC

HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HOSE HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX Gỗ Trƣờng Thành Thủy sản Vĩnh Hoàn Đầu tƣ Cao su Quảng Nam Vận tải Xăng dầu VIPCO Xây dựng điện Việt Nam DL Thành Thành Công VINAMILK Ánh Dƣơng Việt Nam Vận tải Biển Việt Nam VICONSHIP VITACO Tập đoàn Khoáng sản Á Cƣờng Liên doanh SANA WMT Xi măng Bỉm Sơn Cafe Thƣơng Phú Vinam Group Nông sản DABACO Đại Châu Hóa chất Đức Giang Đầu tƣ Phát triển Sóc Sơn Sách & TBGD Nam Định Bê tông Hòa Cầm Hãng sơn Đông Á Vận tải Hoàng Hà Thực phẩm Hà Nội - Kinh Bắc Xây dựng TASCO Nông nghiệp xanh Hƣng Việt Tập đoàn Thiên Quang KLF Global Khoáng sản luyện kim màu XNK Inox Kim Vĩ Licogi 14 Hóa chất Lâm Thao Licogi 13 Sân bay Đà Nẵng XD và thƣơng mại Việt Nam May Phú Thành Xây dựng 1.1.6.8 Bột giặt Net PT Nhà và Đô thị Nam HN Sản xuất XNK NHP Khí Miền Nam 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 TTF VHC VHG VIP VNE VNG VNM VNS VOS VSC VTO ACM ASA BCC CTP CVN DBC DCS DGC DPS DST HCC HDA HHG HKB HUT HVA ITQ KLF KSK KVC L14 LAS LIG MAS MBG MPT MST NET NHA NHP PGS

Phục Hƣng – Constrexim PVPower Engineering Bọc ống Dầu khí Việt Nam Dung dịch Khoan Dầu khí Tƣ vấn Dầu khí DVKT Dầu khí PTSC Xây dựng Vinaconex - PVC Xây lắp dầu khí VN Sông Đà 9.09 (SCI)

PHC PPE PVB PVC PVE PVS PVV PVX S99 SD5 SHN SIC SLS SPI SVN TNG TTB TTH TTZ TV2 VC7 VCG VCS VGC VGS VKC VMI HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX HNX Sông Đà 5 Đầu tƣ Tổng hợp Hà Nội Đầu tƣ - Phát triển Sông Đà Mía đƣờng Sơn La Đá Spilít Xây dựng SOLAVINA ĐT & TM TNG Tập đoàn Tiến Bộ TM và DV Tiến Thành Xây dựng Tiến Trung Tƣ vấn XD Điện 2 Xây dựng Số 7 VINACONEX VCS STONE Tổng Công ty Viglacera Ống thép Việt Đức Cáp nhựa Vĩnh Khánh KS và Đầu tƣ VISACO 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185

PHỤ LỤC 2

THỰC TRẠNG CÁC BIẾN THÔNG TIN

STT

VOL

PRI

VAR

SIGR

SIGVOL LEVG MB

MVE

PINST

INST

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

MÃ CK AAA ADS APC ASM ATG BCE BFC BMC BMP C32 CAV CHP CII CNG CSM CSV CTD CTI DAG DAH DCL DCM DGW DHA DHC DHG DHM DIC DLG DPM DPR DQC DRC DSN ELC EVE FCM

1,312,994 167,201 70,791 2,600,320 377,668 27,774 202,315 25,651 275,648 182,400 60,465 78,643 1,382,231 19,230 260,186 65,860 107,044 415,425 264,910 530,670 226,380 1,972,073 307,137 76,797 53,410 175,324 720,424 71,082 2,606,808 812,942 56,676 58,309 426,356 7,568 142,316 220,813 299,952

21.84 17.54 38.17 12.34 3.04 5.77 35.28 17.60 91.25 37.62 51.63 23.70 34.83 29.95 16.90 31.29 205.53 28.02 11.65 5.36 23.03 12.38 16.36 31.61 31.13 97.51 5.69 6.30 3.66 21.62 38.72 41.59 26.56 52.60 19.35 19.42 6.05

0.00053 0.00028 0.00074 0.00024 0.00196 0.00012 0.00027 0.00062 0.00042 0.00036 0.00022 0.00016 0.00044 0.00020 0.00030 0.00024 0.00018 0.00026 0.00030 0.00052 0.00051 0.00043 0.00039 0.00029 0.00033 0.00039 0.00115 0.00047 0.00073 0.00016 0.00025 0.00050 0.00039 0.00008 0.00045 0.00041 0.00063

0.02311 0.01674 0.02713 0.01565 0.04424 0.01114 0.01658 0.02480 0.02056 0.01903 0.01485 0.01282 0.02101 0.01426 0.01737 0.01544 0.01327 0.01602 0.01720 0.02276 0.02258 0.02069 0.01979 0.01706 0.01807 0.01982 0.03392 0.02176 0.02700 0.01281 0.01570 0.02247 0.01966 0.00905 0.02128 0.02036 0.02513

654,219 97,978 82,723 2,195,772 447,388 30,114 166,922 30,245 303,966 141,438 57,562 69,470 1,052,241 34,326 207,542 61,036 68,682 225,949 216,100 822,975 219,301 1,728,397 188,951 61,147 48,496 145,840 714,277 79,033 2,200,186 572,450 47,843 54,234 327,903 6,564 48,609 176,494 430,430

0.210 0.010 0.110 0.030 0.000 0.040 0.020 0.000 0.050 0.040 0.310 0.440 0.030 0.160 0.010 0.000 0.510 0.090 0.300 0.130 0.130 0.300 0.000 0.010 0.190 0.020 0.000 0.030 0.390 0.080 0.170 0.000 0.150 0.000 0.050 0.150 0.050

1.050 0.922 1.265 1.124 0.094 0.459 1.613 0.837 1.899 0.860 2.541 1.529 1.475 1.511 1.235 2.085 1.719 1.629 0.638 0.546 1.067 0.877 1.501 1.141 1.856 4.411 0.320 0.421 0.233 0.880 0.761 0.919 2.015 2.853 0.577 0.708 0.663

1,446.28 378.94 342.58 3,120.95 14.92 163.50 1,572.12 161.10 4,649.70 378.49 3,254.40 2,872.79 7,274.97 726.30 1,518.13 1,655.29 12,559.15 1,915.20 374.90 203.83 784.29 5,373.41 1,031.02 408.24 1,319.81 12,120.16 91.27 118.31 721.20 6,927.78 1,582.40 1,037.65 3,076.73 662.15 451.22 648.59 318.98

63% 12% 36% 0% 0% 57% 67% 25% 65% 25% 92% 57% 73% 72% 63% 72% 73% 31% 58% 0% 75% 34% 51% 46% 28% 80% 22% 22% 26% 81% 68% 36% 81% 44% 59% 34% 40%

6 6 7 0 0 4 3 4 8 6 9 7 32 8 11 2 17 8 6 0 3 2 4 6 7 11 2 4 7 21 5 12 20 3 13 6 3

543,505 178,263 843,927 363,572 62,036 560,461 634,894 3,300,137 327,917 17,618 111,348 965,195 545,672 1,677,965 1,094,449 1,787,590 1,893,039 1,748,714 439,221 33,510 905,280 1,113,112 38,132 62,547 288,185 397,176 120,131 227,412 541,231 733,315 42,453 326,379 364,570 160,970 498,473 327,124 27,458 23,267 338,166 22,178 296,405 117,829 138,675 205,281

0.02134 0.01572 0.01179 0.01592 0.01789 0.02033 0.02250 0.04148 0.02317 0.02956 0.02410 0.02395 0.02270 0.02533 0.03923 0.02628 0.01541 0.01973 0.02353 0.01412 0.02762 0.02548 0.01581 0.01966 0.02725 0.01391 0.01959 0.01889 0.03293 0.02562 0.01335 0.02088 0.03231 0.01679 0.01716 0.01502 0.01379 0.01271 0.01815 0.01382 0.01553 0.02103 0.01735 0.01275

724,740 138,360 1,200,569 591,278 59,589 772,528 1,057,842 2,705,417 145,193 12,294 128,391 1,745,246 485,586 2,184,839 992,780 1,825,539 3,991,053 2,485,971 510,543 36,375 731,906 943,408 28,416 79,048 231,649 408,998 104,364 365,483 456,981 876,599 35,366 370,751 197,568 158,486 605,785 381,436 78,891 23,442 478,267 26,664 344,535 131,710 151,335 225,711

18.84 17.50 45.41 62.44 40.25 31.21 16.77 6.93 4.10 7.90 23.57 46.48 8.50 4.30 5.80 9.67 32.47 27.27 17.91 17.84 6.90 5.95 60.13 20.78 3.65 39.83 4.43 44.69 2.49 8.95 45.55 12.03 3.29 6.04 49.37 101.28 25.30 82.27 30.67 53.72 28.11 43.22 32.85 10.25

0.00046 0.00025 0.00014 0.00025 0.00032 0.00041 0.00051 0.00172 0.00054 0.00087 0.00058 0.00057 0.00052 0.00064 0.00154 0.00069 0.00024 0.00039 0.00055 0.00020 0.00076 0.00065 0.00025 0.00039 0.00074 0.00019 0.00038 0.00036 0.00108 0.00066 0.00018 0.00044 0.00104 0.00028 0.00029 0.00023 0.00019 0.00016 0.00033 0.00019 0.00024 0.00044 0.00030 0.00016

FCN 38 FMC 39 FPT 40 GAS 41 GIL 42 GMD 43 GTN 44 HAI 45 HAP 46 HAS 47 HAX 48 HBC 49 HCD 50 HHS 51 HID 52 HNG 53 HPG 54 HSG 55 HT1 56 HTI 57 HVG 58 IDI 59 IMP 60 ITD 61 JVC 62 KDC 63 KMR 64 KSB 65 KSH 66 LCG 67 LIX 68 69 LSS 70 MCG 71 MHC 72 MSN 73 MWG NAF 74 NCT 75 NKG 76 NNC 77 NT2 78 PAC 79 PC1 80 PET 81

0.010 0.170 0.000 0.030 0.120 0.000 0.130 0.050 0.010 0.160 0.000 0.000 0.000 0.040 0.070 0.010 0.050 0.480 0.040 0.130 0.240 0.650 0.060 0.110 0.020 0.060 0.060 0.110 0.020 0.370 0.000 0.030 0.090 0.030 0.250 0.160 0.440 0.050 0.140 0.010 0.160 0.010 0.270 0.000

0.743 1.671 2.049 4.751 1.268 1.191 0.989 0.318 0.303 0.418 0.923 1.317 0.851 0.357 0.230 1.359 1.833 0.682 0.924 0.695 0.421 1.042 1.614 0.876 0.675 1.224 0.314 1.910 0.163 0.678 2.769 0.304 0.374 0.366 7.333 6.355 0.750 4.618 0.579 2.753 1.524 2.773 1.075 0.517

858.78 959.40 23,415.38 197,136.85 708.76 7,552.86 2,612.50 644.87 200.81 60.80 355.97 2,960.60 146.48 1,126.45 85.02 13,731.88 59,166.08 3,727.46 4,788.95 305.63 774.20 2,197.48 2,252.06 236.40 357.75 7,789.43 186.57 1,448.46 96.62 733.20 1,308.96 471.80 224.29 180.37 108,793.16 37,531.43 330.00 2,027.94 1,703.00 1,291.09 7,599.93 1,858.87 2,886.32 773.34

40% 62% 22% 96% 39% 47% 68% 14% 2% 40% 15% 32% 0% 61% 0% 68% 34% 41% 90% 70% 48% 53% 70% 25% 22% 71% 47% 34% 5% 44% 65% 32% 9% 51% 59% 53% 10% 63% 76% 68% 83% 89% 19% 56%

10 7 29 6 17 10 9 4 1 5 8 11 0 7 0 4 31 15 4 6 8 5 20 8 6 29 5 6 1 11 4 8 2 11 8 27 3 8 21 4 14 19 6 12

416,590 178,662 197,770 73,907 1,588,488 466,521 30,610 248,346 49,555 426,057 19,311 830,605 1,785,642 64,348 484,681 40,179 1,431,673 90,165 126,982 501,825 40,298 170,752 97,741 78,662 28,184 298,418 1,175,523 435,698 192,125 22,349 469,474 46,225 484,868 87,783 1,692,137 358,407 89,625 1,879,971 132,657 330,632 143,528 707,199 113,336 609,593

0.02108 0.01562 0.01891 0.01581 0.02309 0.01644 0.02586 0.02040 0.03255 0.03493 0.01920 0.01858 0.03059 0.01897 0.02033 0.01312 0.02413 0.01708 0.01280 0.01620 0.01305 0.01779 0.02304 0.01889 0.01767 0.02807 0.02144 0.02461 0.01780 0.01869 0.01832 0.02795 0.03692 0.01427 0.03332 0.03545 0.01948 0.03043 0.01492 0.02482 0.03375 0.01192 0.02369 0.03720

580,285 230,253 214,695 81,639 2,629,705 501,145 24,515 274,650 37,168 434,437 19,770 1,345,221 2,995,712 55,150 633,598 46,393 2,067,080 67,848 253,158 657,021 41,036 144,778 140,194 71,362 23,238 220,870 1,547,926 679,600 165,506 26,477 747,408 29,924 411,915 82,590 1,384,387 350,562 90,240 1,874,554 144,433 310,660 161,585 797,021 80,837 420,232

34.46 96.22 17.89 105.20 17.32 13.86 2.77 8.39 3.97 7.88 116.49 31.16 128.91 233.68 7.10 12.98 27.00 12.27 8.18 7.44 19.97 43.96 22.82 14.49 18.76 23.68 17.58 24.44 6.66 48.98 11.43 12.02 3.34 28.48 3.78 7.36 50.53 2.03 6.62 8.35 12.32 149.12 20.30 1.75

0.00044 0.00024 0.00036 0.00025 0.00053 0.00027 0.00067 0.00042 0.00106 0.00122 0.00037 0.00035 0.00094 0.00036 0.00041 0.00017 0.00058 0.00029 0.00016 0.00026 0.00017 0.00032 0.00053 0.00036 0.00031 0.00079 0.00046 0.00061 0.00032 0.00035 0.00034 0.00078 0.00136 0.00020 0.00111 0.00126 0.00038 0.00093 0.00022 0.00062 0.00114 0.00014 0.00056 0.00138

82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125

PHR PNJ PPC PTB PVD PVT PXI PXS PXT QBS RAL REE ROS SAB SAM SBA SBT SFG SHA SHI SJD SKG SMC SRC SRF STG TCH TCM TDC THG TLH TMT TNT TRC TSC TTF VHC VHG VIP VNE VNG VNM VNS VOS

0.250 0.070 0.190 0.010 0.070 0.040 0.200 0.280 0.000 0.050 0.020 0.160 0.000 0.190 0.180 0.370 0.010 0.180 0.000 0.020 0.090 0.180 0.000 0.020 0.340 0.010 0.180 0.110 0.290 0.140 0.000 0.040 0.000 0.100 0.010 0.130 0.090 0.140 0.180 0.010 0.200 0.020 0.200 0.570

0.865 3.665 1.078 1.435 0.438 1.336 0.299 0.482 0.355 0.414 1.420 1.366 3.333 10.724 0.697 1.220 1.482 0.951 0.562 0.446 1.623 1.276 0.636 1.084 1.006 1.318 2.299 1.078 0.713 1.078 0.437 0.659 0.137 0.451 0.161 0.977 2.481 0.312 0.427 0.598 1.682 9.730 0.701 0.366

2,032.50 10,810.20 5,904.85 1,503.37 5,787.32 4,925.20 76.80 358.80 36.00 334.86 1,048.80 10,976.08 18,920.00 143,518.73 1,757.78 871.03 10,416.25 560.40 193.05 395.03 1,773.26 1,026.76 730.90 371.87 467.93 1,666.04 9,927.89 1,146.72 860.00 342.00 673.98 264.00 36.98 697.50 259.86 800.49 7,299.91 159.00 470.40 542.60 1,319.85 227,442.75 1,143.43 233.80

75% 29% 86% 0% 69% 82% 61% 61% 51% 3% 53% 36% 6% 90% 10% 39% 98% 70% 24% 25% 81% 39% 31% 56% 39% 89% 0% 47% 61% 4% 4% 4% 0% 66% 51% 27% 25% 3% 81% 23% 61% 79% 80% 71%

5 18 10 0 20 14 2 2 1 1 6 10 3 7 8 1 11 3 7 8 9 5 10 2 7 10 0 8 1 1 1 1 0 3 2 10 12 1 9 8 8 25 11 12

97,370 137,451 598,846 161,420 204,826 243,518 41,157 105,044 768,124 52,967 412,337 778,727 7,451 90,532 260,103 1,337,191 1,004,430 81,316 197,618 4,853,578 665,704 767,656 22,269 211,342 98,136 12,706 103,353 145,431 470,739 36,965 103,695 407,273 226,374 175,752 704 163,144 241,573 176,410 2,504,190 270,053 3,126,885 119,724 75,402 491,268

0.01288 0.01398 0.04146 0.03979 0.02567 0.04105 0.04862 0.02048 0.03430 0.01879 0.04421 0.04593 0.01706 0.02001 0.02225 0.04900 0.01915 0.04579 0.03344 0.04422 0.05595 0.03717 0.03210 0.02311 0.02791 0.01441 0.03681 0.03020 0.03449 0.01770 0.03473 0.03473 0.02044 0.02430 0.00821 0.03220 0.02550 0.02352 0.01710 0.05432 0.03663 0.02946 0.01593 0.01440

132,311 152,831 600,379 100,353 224,266 201,277 47,051 92,947 821,132 48,342 423,639 646,592 8,272 65,436 341,474 1,224,553 1,330,082 69,698 154,792 4,904,405 560,638 685,462 26,851 183,049 116,891 11,840 85,093 160,963 448,144 18,663 56,906 411,818 165,840 280,060 677 145,091 204,881 131,267 2,517,166 169,237 2,395,765 96,120 56,664 1,219,388

49.06 7.43 1.84 2.38 11.33 16.33 4.27 27.41 2.39 31.98 2.61 25.49 22.55 9.05 6.69 3.79 11.65 2.89 3.24 3.10 1.36 2.85 33.21 12.54 5.38 85.03 3.34 4.58 10.93 26.07 9.88 3.24 18.35 12.38 13.16 13.06 8.25 6.51 16.89 1.51 2.31 5.81 8.81 9.68

0.00017 0.00020 0.00172 0.00158 0.00066 0.00168 0.00236 0.00042 0.00118 0.00035 0.00195 0.00211 0.00029 0.00040 0.00050 0.00240 0.00037 0.00210 0.00112 0.00196 0.00313 0.00138 0.00103 0.00053 0.00078 0.00021 0.00135 0.00091 0.00119 0.00031 0.00121 0.00121 0.00042 0.00059 0.00007 0.00104 0.00065 0.00055 0.00029 0.00295 0.00134 0.00087 0.00025 0.00021

VSC 126 VTO 127 ACM 128 ASA 129 BCC 130 CTP 131 CVN 132 DBC 133 DCS 134 DGC 135 DPS 136 DST 137 HCC 138 HDA 139 HHG 140 HKB 141 HUT 142 HVA 143 ITQ 144 KLF 145 KSK 146 KVC 147 L14 148 LAS 149 150 LIG 151 MAS 152 MBG 153 MPT 154 MST NET 155 NHA 156 NHP 157 PGS 158 PHC 159 PPE 160 PVB 161 PVC 162 PVE 163 PVS 164 PVV 165 PVX 166 S99 167 SD5 168 SHN 169

0.160 0.240 0.07 0 0.08 0 0 0.15 0 0 0 0 0.03 0.01 0.22 0.07 0.6 0.02 0 0 0 0.01 0 0.02 0.07 0.13 0 0.03 0 0 0 0.04 0.07 0.1 0.02 0 0.01 0.01 0.19 0.07 0.03 0.22 0.06 0.08

1.379 0.535 0.080 0.076 0.404 0.314 0.479 0.937 0.095 3.130 0.073 0.279 1.203 0.801 0.212 0.150 0.407 0.613 0.313 0.222 0.043 0.145 2.638 0.969 0.387 2.665 0.424 0.223 0.411 1.832 0.701 0.099 1.592 1.183 2.144 0.925 0.463 0.403 0.906 0.200 0.607 0.484 0.417 0.822

2,024.54 606.99 40.80 8.00 726.07 43.00 36.30 2,343.76 60.31 2,085.37 24.38 87.21 111.47 116.15 74.98 77.40 1,305.51 40.12 78.68 380.31 9.56 79.20 382.48 1,275.28 170.03 172.84 93.60 35.77 84.60 515.16 105.91 27.58 1,530.00 351.12 21.60 373.68 360.00 125.00 9,738.07 24.00 480.00 225.33 208.00 1,184.99

50% 56% 0% 0% 73% 0% 47% 38% 1% 50% 0% 0% 64% 0% 0% 21% 33% 17% 0% 11% 5% 0% 26% 80% 22% 42% 13% 4% 0% 69% 7% 0% 22% 20% 44% 64% 46% 54% 81% 56% 67% 0% 68% 3%

19 2 0 0 2 0 8 11 1 4 0 0 4 0 0 2 24 1 0 3 1 0 2 6 7 5 3 1 0 4 2 0 3 10 7 4 5 8 26 9 11 0 6 1

170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185

130,690 16,441 562,717 395,503 260,319 376,640 206,587 127,795 9,610 47,219 2,127,729 78,596 418,688 281,030 121,956 105,895

7.36 125.03 3.68 2.69 10.11 7.51 6.71 2.97 80.90 19.10 17.72 77.12 17.52 9.89 9.96 5.36

0.00232 0.00033 0.00220 0.00204 0.00050 0.00059 0.00129 0.00167 0.00044 0.00034 0.00052 0.00030 0.00045 0.00030 0.00061 0.00080

0.04821 0.01825 0.04690 0.04520 0.02240 0.02430 0.03595 0.04090 0.02094 0.01848 0.02284 0.01738 0.02128 0.01743 0.02472 0.02827

168,528 12,541 552,614 638,511 251,082 178,821 218,848 107,859 10,740 58,771 1,301,379 62,083 500,323 242,996 123,020 141,034

0.16 0.25 0 0 0.12 0.01 0 0.01 0.11 0 0.15 0 0.31 0 0 0

0.867 1.290 0.097 0.152 0.797 2.045 0.408 0.611 1.365 0.764 1.209 3.042 1.329 0.632 0.482 0.183

196.80 541.82 16.82 33.60 501.63 979.11 137.54 48.30 684.85 106.70 7,729.94 7,288.00 8,204.81 372.24 116.00 21.90

88% 15% 0% 38% 20% 10% 0% 23% 69% 0% 89% 83% 70% 0% 23% 17%

6 3 0 5 10 2 0 10 3 0 7 4 19 0 5 5

SIC SLS SPI SVN TNG TTB TTH TTZ TV2 VC7 VCG VCS VGC VGS VKC VMI

PHỤ LỤC 3

KẾT QUẢ TÍNH ASC VÀ TC CHO SÀN HNX

TC ASC TC ASC

0.8617

STT MÃ 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 STT MÃ 0.86344 0.235788 1 ACM 0.863912 0.181937 2 ASA BCC 0.863795 0.038229 3 0.863817 0.026522 4 CTP CVN 0.863962 0.101412 5 DBC 0.863919 0.015806 6 0.863229 0.181336 7 DCS DGC 0.863961 0.013551 8 0.863607 0.165691 9 DPS 0.863396 0.016978 10 DST HCC 0.863998 0.019215 11 HDA 0.863945 0.047877 12 HHG 0.863685 0.064767 13 HKB 0.862843 0.114182 14 HUT 0.862741 0.037082 15 HVA 0.863941 0.149776 16 0.863861 0.133801 17 ITQ 0.85915 0.138399 18 KLF KSK 0.863477 0.318741 19 KVC 0.863359 0.152027 20 0.863981 0.013048 21 L14 0.863834 0.034553 22 LAS 23 0.863896 0.080506 LIG 24 MAS 0.863995 0.005097 25 MBG 0.863926 0.12991 26 MPT 0.863855 0.094665 27 MST 0.863584 0.039628 NET 0.863989 0.016621 28 NHA 0.863953 0.043849 29 NHP 0.863618 0.133823 0.86385 0.023608 PGS PHC 0.863743 0.034998 0.864006 0.032925 PPE 0.86387 0.033164 PVB PVC 0.863814 0.052489 0.863883 0.066597 PVE 0.86158 0.025517 PVS PVV 0.863847 0.287596 0.186248 PVX 0.863916 0.074543 S99 0.863953 0.049168 SD5 SHN 0.862848 0.044629 0.863883 0.05885 SIC 0.863991 0.003466 SLS 0.863475 0.117558 SPI 0.863634 0.160708 SVN TNG 0.863761 0.042848 0.863652 0.057674 TTB TTH 0.863812 0.06454 0.863886 0.145704 TTZ 0.863997 0.005357 TV2 0.863962 0.022684 VC7 VCG 0.861964 0.024347 0.863932 0.005619 VCS VGC 0.863612 0.024712 VGS 0.863742 0.043813 VKC 0.863892 0.043512 VMI 0.863907 0.080887

PHỤ LỤC 4

KẾT QUẢ TÍNH ASC VÀ TC CHO SÀN HOSE

STT MÃ ASC TC TC ASC

0.9572 1.01188

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 AAA 0.994249 0.040522 0.954815 0.040702 ADS APC 0.950832 0.018322 ASM 1.026209 0.087295 ATG 0.963099 0.245275 BCE 0.949015 0.120161 0.956235 0.020383 BFC BMC 0.948925 0.039359 BMP 0.959152 0.008001 0.955432 0.019035 C32 CAV 0.950399 0.013516 CHP 0.951161 0.029556 0.996247 0.025708 CII CNG 0.948651 0.023099 CSM 0.958542 0.043064 0.950625 0.022327 CSV CTD 0.952344 0.003429 0.964529 0.026794 CTI DAG 0.958729 0.06253 DAH 0.968793 0.143257 0.031377 DCL 0.07946 DCM DGW 0.960383 0.044917 DHA 0.951084 0.022156 DHC 0.950101 0.022382 DHG 0.955145 0.007333 DHM 0.975501 0.140081 0.950845 0.111099 DIC DLG 1.026347 0.294356 DPM 0.978639 0.03748 DPR 0.950239 0.018008 DQC 0.950308 0.016771 0.96494 0.028337 DRC 0.948153 0.013117 DSN ELC 0.953799 0.036707 EVE 0.956977 0.037167 FCM 0.960103 0.121231 STT MÃ 0.962634 0.016635 65 KSB KSH 0.966084 0.304007 66 0.98075 0.091565 67 LCG 0.949338 0.01524 68 LIX 69 0.962835 0.061856 LSS 70 MCG 0.956044 0.21839 0.95446 0.117982 71 MHC 72 MSN 0.971494 0.015787 73 MWG 0.963243 0.007364 NAF 0.951172 0.027689 74 NCT 0.948831 0.008416 75 NKG 0.966873 0.024789 76 NNC 0.948968 0.012897 77 0.961831 0.026339 78 NT2 PAC 0.953363 0.016395 79 0.954168 0.021656 80 PC1 0.957173 0.070512 81 PET PHR 0.970584 0.022502 82 0.957354 0.007517 83 PNJ 0.956732 0.040293 84 PPC 85 0.951287 0.006664 PTB PVD 1.026829 0.062458 86 0.967715 0.055088 87 PVT 0.948877 0.25029 88 PXI 0.959112 0.086957 89 PXS 90 0.949414 0.174996 PXT 0.965243 0.095629 91 QBS RAL 0.948674 0.005939 92 REE 0.995183 0.028558 93 ROS 1.034216 0.008815 94 95 0.950175 0.002983 SAB SAM 0.972478 0.110292 96 0.949805 0.053619 97 SBA 1.014188 0.036953 98 SBT 99 0.950709 0.056983 SFG SHA 0.958264 0.088796 100 0.973302 0.105747 101 SHI

0.949578 0.034805 SJD 0.016163 0.9539 SKG SMC 0.953712 0.031099 0.950856 0.04826 SRC 0.948822 0.036913 SRF 0.95698 0.030481 STG TCH 1.000881 0.052326 0.97409 0.032338 TCM TDC 0.954746 0.107073 0.94896 0.014144 THG TLH 0.976425 0.070042 TMT 0.949107 0.057699 TNT 0.964397 0.224899 TRC 0.951326 0.024618 0.996308 0.236944 TSC 0.962062 0.100766 TTF VHC 0.951646 0.013898 VHG 1.009455 0.477007 0.953886 0.107362 VIP 0.96052 0.088053 VNE VNG 0.954586 0.057889 VNM 0.978105 0.005418 0.951253 0.03452 VNS 0.96471 0.429331 VOS 0.953388 0.014444 VSC VTO 0.954229 0.095812

38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 0.97565 0.042307 FCN FMC 0.953636 0.04054 0.990925 0.019121 FPT GAS 0.970977 0.012446 0.950362 0.017333 GIL GMD 0.977279 0.025773 GTN 0.986555 0.050511 1.028408 0.157788 HAI HAP 0.953917 0.173423 HAS 0.948355 0.087468 HAX 0.953227 0.030042 HBC 1.006145 0.020431 HCD 0.967143 0.089619 HHS 1.016976 0.236251 0.984505 0.14422 HID HNG 1.008213 0.099413 HPG 1.051603 0.039573 HSG 1.023757 0.038874 0.968059 0.042722 HT1 0.949381 0.038906 HTI HVG 0.975895 0.115695 0.982924 0.139508 IDI 0.949043 0.011527 IMP 0.951178 0.033722 ITD 0.95741 0.198066 JVC KDC 0.964287 0.018827 KMR 0.952233 0.159038

PHỤ LỤC 5

KẾT QUẢ CHẠY MÔ HÌNH 2 TRÊN HNX VÀ HOSE

KẾT QUẢ TRÊN HNX

KẾT QUẢ TRÊN HOSE

PHỤ LỤC 6

KẾT QUẢ CHẠY MÔ HÌNH 1 TRÊN HNX VÀ HOSE

KẾT QUẢ TRÊN HNX

1.Chạy mô hình FEM

2.Chạy mô hình REM

3. Chạy kiểm định Hausman

4.Khắc phục khuyết tật mô hình bằng GLS

KẾT QUẢ TRÊN HOSE

1.Chạy mô hình FEM

2.Chạy mô hình REM

3.Chạy kiểm định Hausman

100

4.Khắc phục khuyết tật mô hình bằng GLS

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc TP. Hồ Chí Minh, ngày 21 tháng 12 năm 2018 TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH

BẢN CAM ĐOAN CHỈNH SỬA LUẬN VĂN

Tôi tên là: Đặng Thanh Sơn .......................................... Nam/Nữ: Nam .......................................

Sinh ngày: 01/04/1991 .................................................. Nơi sinh: Bình Dương ...........................

Mã học viên: 020118160166 .........................................................................................................

Ngành: Tài chính ngân hàng .......................................... Mã số: 8 34 02 01 .................................

Khóa: 18 ..................................... Lớp: CH18B2 ........... Niên khóa: 2016 - 2018

Điện thoại liên lạc: 0838040693 .................................... Email:thanhson12321@gmail.com.

Là tác giả luận văn: “Các yếu tố ảnh hưởng đến bất cân xứng thông tin trên thị trường chứng

khoán Việt Nam”.

Chuyên ngành: Tài chính ngân hàng ............................. Mã ngành: ............................................

Bảo vệ ngày: …06………. tháng …12…… năm …2018………

Điểm bảo vệ luận văn: 7,2 (bảy phẩy hai) .....................................................................................

Tôi cam đoan chỉnh sửa nội dung luận văn thạc sĩ với đề tài trên theo góp ý của Hội đồng

đánh giá luận văn Thạc sĩ. Các nội dung đã chỉnh sửa:

-Giải thích lý do lựa chọn mô hình trong phần lựa chọn mô hình

-Xác định rõ hơn khoảng trống nghiên cứu trong phần tổng quan nghiên cứu

-Kiểm tra rà soát lỗi chính tả, nhất quán thuật ngữ, cụ thể sử dụng thuật ngữ thành phần lựa

chọn ngược xuyên suốt đề tài

-Điều chỉnh lại bố cục, cụ thể loại bỏ phần trùng lặp về phương pháp nghiên cứu ở chương 1,

thay đổi thứ tự mục trong chương 3 (cụ thể đưa phần phương pháp nghiên cứu lên 3.1 và quy

trình nghiên cứu xuống 3.3 theo góp ý của phản biện 2)

-Bổ sung lý giải về việc lựa chọn dữ liệu nghiên cứu trong phần 3.2 mẫu và dữ liệu nghiên cứu

Người cam đoan Người hướng dẫn khoa học

(Ký, ghi rõ họ tên) (Ký, ghi rõ họ tên)

Chủ tịch Hội đồng chấm luận văn

(Ký và ghi rõ họ tên)

TRTIONG DA.I HQC NGAN HANG TP. HO CHI MINH

HQI DoNG cHAM LUAN vAx

ceNG HoA xA ngr cHU xcui.l vrET NAM DOc l0p - Tu do - Hanh phric rP. Hd Chi Minh, ngoy 5 rhang /Z nam 2018

BrEN nAN HQp HQr OONC CHArvr LUaN VAN THAC Si Chuy6n ngirnh: Tiri chinh - Ngin hing; Mfl s6: 8 34 02 01

HQi ddng ch6m ludn v6n thac si dugc thdnh l6p theo Quy6t dinh sO 2195/QD-DHNH ngdy 05th6ng 10nlm2018,dat6chfchgpvdohic Ith00 ngiry06-12-2018t4iphdngB4C,s636TOn

Th6t D4m, QuQn 1, TP. HCM d6 ch6m ludn vdn thac si.

TAn di tdi: Cac ydu tii dnh hu6ng d1n bdt cdn xung th6ng tin ffAn thi tractng ch*ng khodn

Vi€t Nam

TOn hoc vi6n: D{ng Thanh Son

Nguoi hu6ng ddn khoa hoc: TS. L0 Hoing Vinh

SO tnann vi0n HQi d6ng c6 m[t: . 5. . .. SA thdnh viOn v6ng mdt:. . .0. .

lydo: @

NQI DUNG CUQC HQP

1. Ong/Be: TS. Nguy6n Minh H6i - thu ky cdng bti Quy6t dinh thinh lQp HQi d6ng ch6m

ludn v[n thac si cria HiQu trudng Truong D4i hqc Ngdn hdng TP. H6 Chi Minh.

2. Cht tich hQi d6ng: PGS. TS. Nguy6n Duc Trung diOu khi6n cuQc hgp.

3. Thu ki hQi d6ng: TS. Nguy6n Minh Hii th6ng qua ly lich khoa hoc vir bAng di6m cao hgc

cira hoc viOn.

4. Hgc viOn: Ding Thanh Son trinh bdy t6m t6t luin van.

5. PhAn biQn l: TS. Biri Dieu Anh tlgc bdn nhdn xet vd dit cdu hoi (c6 v6n ban kdm theo)

6. Ph6n biQn 2: TS. Nguy6n Vdn PhIc doc bin nhdn x6t vd dpt cAu hoi (c6 v6n ban kdm theo)

T6ng s6 cAu hoc vi6n kh6ng tri l

1. Circ thdnh vi6n kh6c ph6t biOu vd dflt cdu hoi. 8. Hqc vi6n tri ldi crlc cdu hoi: T6ng s5 cdu hoi: . - T6ng s6 cdu hoc viOn trA loi: 9. Nguoi huong din khoa hoc: TS. L6 Hoing Vinh phdt bi6u (niiu c6)

10. H6i ttdng hep kin:

- HQi rldng cho tli6m hgc vi0n: Dii5m cria hgc viOn duoc c6c thdnh vi6n x6c dinh tr6n trmg phitSu dit1m, thu hj tong hqp kct qud du6i su chrtng ki6n cria tit cd c6c thanh vi6n h6i

d6ng nhu sau:

)

+ T6ng s6 ai6m: ..... ).(12.. .....aie- @ing chr: + Di6m trung birrn ..Vt.ll......ditim (Bing cht:

)

- HQi il6ng Quy6t nghi nhu sau: + Y nghia khoa hoc vir rhuc tiSn cta dd rdi

+ Mtic d0 phn hqp chuy6n ngdnh ddo tao

..h-

+ Phuong ph6p nghi0n cuu

..-

+ D6 tin cdy cua sil li6u: ................

+ Hinh thfc ket c6u:

+ Nhfng d6ng g6p mdi cria ludn vdn:

,r;

'/l/.

+ Nhiing han chti cta ludn vd

""::';;);"; nily," * 4"t a; 4rk xtz{,#,t* ilda,ri-.r,y ........-....1iln*.44* /& f -*t . d...h z*:.r.6r*.,.....:...... .. ......t..... .......- .. .t *.. n* "v W ..a.: flni, #rq .7**,.....c*)a..1;. "t d*........

^ fl,A2 f41 /.r{t A' r.-A6.lrr.dr|,,(oa..z7?4".,.ki+ fl-.,d kl @t 7L'...t7.fu6...e,tnlr ,tt4 ,ol,f-*. I .-71r,-- :ri"; azi.,.... ....

.A-

t^J,

.....= .. .../r./".a2..a*^l..zw*h s,{*rl- / .- yy' to- , "7| ... (n .4t/.t.A i....17,!....2.kt e2.. fw.

...4 3....k...4?... k4. ca.q. ooo../ra

+ Ch6t lugng c6ng trinh khoa hoc dd c6ng b6:

+ Mfc d0 tra ldi cdu h6i

d6ns nhAt

+ Hoi

trihay kh6ng nh6t tri de nghi HiQu truong c6ng nhfln hqc vi Thpc si cho "%.ar/..

hgc vi6n: ..

,T_tr/ry

+ DO tei cdn

Sau khi chinh sria hgc vi0n ldm b6o c6o chinh sira theo m6u, gui lpi cho Ngudi hu6ng d5n

vi Cht tich hQi d6ng ki6m tra ky x6c nhfn chinh sia. (tdi da sau 20 ngity,kC tir ngiy b6o vQ)

r/-

NQi dung Bi6n b6n dugc . ..0.. ...1 . ). . .. . . . thdnh vi0n nhdt tri th6ng qua. CuQc hqp k6t thric hic /1,... gid ...m..... ctng ngay.

xAc NHAN CUA CAC TIIANH UNN IISI DONG

Chri tich IIQi tliing

Thu tcf HQi tl6ng

wr4;i

fS. Nf4/,/2'c

J($,'rs' M,lafuLfrru

Uy vr6n

Phin biQn 2

Phin biQn 1

\.z

2;*./,1 rs lvlw 6. llrl r F/,"' E;llu@

TIIU TRUONG CO SO DAO TAO

TRIIoNG DAr Hec NGAN nANc ceNG HoA xA ngr cHU Ncnia vgr NAM

TP. HO CHI MINH

DQc lap - Tg do - H4nh phfc

Thdnh phii HO Chi Minh, ngdy 06 thdng 12 ndm 2018

NHAT XET LUAN VAN THAC Si

(Ddnh cho phdn bien)

H9 vd t6n hgc vi6n: D{ng Thanh Son

TCn rlA tdi: C6c y6u tii frnh hu&ng tltin b6t cfln xftng thdng tin trOn thi trudng chrfrng khoin ViQt Nam Chuy6n ngdnh: Tii chfnh Ng6n hdng Ngudi nhfln x6t: Bti DiQu Anh

Tr6ch nhiQm trong hQi il6ng: Phin biQn 1

Sau khi dgc xong lufln v6n, t6i c6 nhfln x6t sau d6y:

1. Y nghia khoa hgc, thgc ti6n cria Od tai: OC tai c6 y nghia nh6t dinh v0 mflt khoa hoc khi sri dung 2 hai md hinh itinh luqng de nghiCn ctu thuc nghiQm, nhim x6c dinh mric dQ ctia tinh trang b6t cdn xring thdng tin vd ctic ytiu td 6nh hu0ng di5n tinh tr4ng b6t c6n xring th6ng tin trOn TTCK ViQt Nam.

cc 2. Phucrng phip nghiGn crfru:

T6c giirchgn phucrng ph6p nghiCn cr?u tlinh tinh ki5t hqp v6i sri dgng m6 hinh dlnh luqng trong lufln vdn. DAy ld phucrng ph5p nghiOn cfu thich hqp dC d4t dugc muc tiOu cria dC tai.

3. Hinh thtfrc, k6t c6u:

- VC t

- Hinh thric lufln vdn dring quy tlinh.

4. Nhiing m{t il4t tlugc cria lu$n vin:

- MUc ti6u nghiOn ctiru, cdu h6i nghiCn criru duoc x5c dlnh 16 ring, nQi dung nghi0n criu b6m s6t chti tl0 ddtra - Chucrng 1 cria lufln vdn dd n6u dugc lf do chgn dO tdi

- Chuong 2 ddtdp hqp tlugc chcly thuy6t, cfing nhu d5 kh6o lugc dugc mQt s6 nghiCn criru tru6c c6 li6n quan d6n de tAi, didu ndy cho th6y 6c gih cfrng dd c6 nhi6u tfch cgc tim hii5u chc tiri li$u vA AC tai (ttr€ nien trong danh muc tii liQu cflng r6t phong phri) - Chucrng 3 Phucrng phSp nghi0n criu rlugc md lrk}r| 16, girip ngiroi dqc d6 ddng titip cfln vdi c6c nQi dung, ti6n trinh thgc hiQn cria t6c gii.

5. MOt sii h4, ch6 cria lu$n vIn:

- KhoAng tr6ng nghi€n cr?u chua duoc chi rO trong lu{n vdn. M4c dt t6c gi6 n6u kh6 nhidu nghiOn criu truoc c6 [i6n quan, nhung hAu nhu t6c gi6 chi m6 ta, it c6 binh lufln, khdng chi ra duo. c nhtng gi6i h4n cria c6c nghiCn crlu d6, kh6ng 16 kho6ng tr6ng nghiOn criu vi viy chua chi ra su kh6c bi6t/ ditim m6i cria nghi€n cr?u ndy

t6ng qu6t c6n ldm r5 hon, muc tidu cu th6 thri hai vi thri ba c6 thr5 gQp lai,

- Mqrc ti€u cdu hoi nghi6n cuu cAn b6m s6t muc tieu cu th6.

- Mgc 2.1 cta lu{n vdn tlugc trinh bdy kh6 r6i: nQi dung cta mgc 2.1.6 (trang l7) kh6ng pht hqp v6i ti€u dd cta muc ndy. D6 kh6ng phii ld y6u ti6 6nh hu&ng tl6n b6t cin xring th6ng tin tr6n TTCK md thUc chAt ld t6c tlQng/ inh hu&ng cia b6t cin xri"ng th6ng tin il6n th! trulng CK, th6ng qua c6c yt5u tO dintr gia tdi san, chinh s6ch c6 tric vd cdu truc v6n. Muc ndy vi vfly c6 th6 gh6p chung vdi mpc 2.1.4 (chi kh6c nhau ld 0 mtc2.l.4 thi t6c gia d0 c{p anh hunng chung chung, cdn muc 2.1.6 t6c gi6 phAn tich inh hudng cta b6t cdn xring th6ng tin m6t ciich chi titit cp thti hon qua 3 ytlu t6 ld dinh gi6 tdi sin, chinh sdch cd tric va cdu truc v6n). ViQc dua n6i dung 2.1 .5 vdo chuong 2 l! thuy6t vA b6t c6n xring th6ng tin, kh6ng 16 m6i liCn hQ v6i n6i dung cta dA tai lmac dt khri hay vi d€ cflp dtin c6c co cht5 nhim giim thi6u tinh tr4ng b6t cAn ximg th6ng tin).

- PhAn t6ng quan c6c nghidn cuu n6n luoc b6 bcrt c6c nghi0n criu trung l6p cho dd r6i, chi cAn tAp trung vdo nghi€n cuu li6n quan tryc titip d6n OC tai, nghi€n criu md t6c gi6 st dgng dil x6y dyng mO hinh nghi€n criu cria minh. DAy ld phin luoc kh6o nghiOn criu thgc nghiQm vi vfy khdng n€n nhic lai lj thuyOt nta d6 tr6nh trtng llp. MQt s6 phAn vi6i trung lap, vi du phAn gidi thi€u sU cAn thitlt lf do chqn dd tdi vd ph6n co sd ly thuytlt, phAn nghiOn criu l1i thuyilt ndn tang trang 1 1, tlugc nhic lai trong trang 15 vC ly ttruytit phdt tin hi6u, co ch6 sdng lgc. Cdn rd so6t vd lugc b6 bcrt cho gon vd tflp trung;i hon.

- Khi t6c giA xdy dgng c6c bitln dQc lQp n6n c6 phAn gi6i thich dti g6n giira ba nh6m bi6n dQc l{p theo md hinh gtic (cta Van Ness) 6 trang32 vdi 1O bi6n cu th6 trong m6 hinh ciatic giit dU ki6n (trang 34 vd 37) nhu vfly ngt6i dgc sE th6y 16 hon sW k6 thira cta tAc gid ld c6 co s0. - Phan thao ludn ki5t qui nghidn criu kh6 so sdi; kh6ng di6n gi6i duqc j nghia kinh t6 sau khi c6 ktit qui chay md hinh (nh6t h m6 hinh thri hai), muc ti6u nghiCn criu cq th6 vi cdu h6i nghiOn criu vC luqng hof mrirc iIQ 6nh hu0ng cta tring y5u tii ilSn bdt cfln xring th6ng tin chua dugc tri loi thoi dfng, trlc gii mriri chi dd c$p so shi v6 xu hut5mg (ctng chi6u, ngu'qc chidu) cria c6c y5u t(i vh ciing kh6ng c6 lu$n gi6i siu f nghia kinh t6 cna kiit qui nhy

- PhAn gqi f khuyi5n nghi theo t6i ld kh6 so sdi vd khdng gin gi nhidu v6i kiit qui nghi€n criu. Nhirng j kitln ndy thi6t nghi kh6ng cdn phAi chay md hinh cfing c6 thi5 dA xu6t dugc vi n6 qu6 chung chung. D6 cfrng ld lyi do dii ngiroi vi6t nh{n xdt d tr6n ring dd tdi kh6ng c6 nhi6u f nghia vA thgc ti5n. - T6c gi6 n6n dung nh6t qu6n c6c cgm tt Lua chon

6. Mric {IQ tl6p ri'ng y6u ciu cria lu$n vin

Nhin chung, ludn vdn tl4t tlugc nhtng k6t qui nh6t dinh, nhrmg cfrng cAn chinh sria kh6 nhi6u, nh6t ld trong c6ch b6 cuc cec muc, crich di6n dAt tieu dC khop v6i n6i dung

5. K6t lugn:

Kinh dC nghi HQi tt6ng thdng qua, vdi y6u cAu chinh sria vd hoc vi6n b6o vQ dugc c6c c6u h6i cria thdnh vi6n h6i ddng

cAunor: 1/ DA nghi tic giit gihithich "Th6ng tin b6t c6n ximg" vd "B6t cdn xring th6ng tin,,c6 n6i hdm gi6ng nhau kh6ng? Y

Ngutri nh$n x6t

(Ky ftn vd

tro

DiQu Anh

rRrIor\G DAr Hec NGAN HANG ceNG HoA xA ngI cH0 NGHIA VIET NAM

o+ -.^-

TP. HO CHi MINH

fEi

r. T .,D oq.*;ed

EQc lfp - Tg do - H4nh phfc Thdnhphii H6 Chi Minh, ngdy 6 thdng l2 ndm 2018

NHAT XET LUAN VAN THAC SI

Hg vd t6n hgc vi6n: D[ng Thanh Scrn

T€n

i16 tdi: Cric y6u td 6nh hucrng d6n b6t cdn ximg th6ng tin tr€n

thi trucrng chimg kho6n ViQt Nam

Chuy6n ngdnh Tdi chinh - Ngdn hdng Nguoi nhfln x6t ludn vin: TS. Nguy6n V[n Phric

Trrich nhiQm trong hQi tl6ng: Ph6n bien 2

Sau khi dgc xong lufln v[n, t6i c6 nhdn x6t sau ddy: l. Y nghia khoa hoc, thgc ti6n cria d€ tdi:

- Xdy dUng th6m bing chtic thpc nghiQm khing dinh sU t6c dQng cta ciic nhdn td d6n b6t can

xring th6ng tin tr0n thi trudng chtng kho6n ViQt Nam;

^-^-.

- Dua ra dugc nhfrng gqi y cho c5c co quan quin ly thi trucmg, x6y dgng chinh s6ch c6 c[n cri khoa hgc nhim gi6m thi6u b6t can xfng th6ng tin tr6n thi trudng chring kho6n VN, g6p phAn ph6t -, tri6n TTCK 6n tlinh vd b6n v[ng.

Vi v4y, dC tai c6 y nghi vd c6 tinh thcvi su trong tinh hinh hiQn nay.

2. Phuong phrip nghiOn ctiu:

Lu4n v6n sri dpng phucrng ph6p m6 ti th6ng k0, phucrng ph5p dinh luong, theo ngudi dgc ld phu

hqp vdi OO tai.

3. Hinh thuc, k6t c6u:

VC co bin drip img y6u c6u ve hinh thric cria lufln vdn th4c s! chuy€n ngdnh TC-NH. C6u trric

lufln vdn chia ldm 5 chucrng dugc cho ld phir hqp vdi phuong ph5p nghi€n criu dfnh luqng.

4. Nhirng mat dat dugc cria lufn vdn:

- HQ th6ng h6a c6 chgn lgc nhirng ly thuytit ndn, nhirng nghi€n criu c6 li€n quan rltln dO tdi; - XLc dinh vd xdy dpg m6 hinh nghiCn cr?u cffng nhu mtic d0 tdc ctQng cria timg ytiu t6

- Dua ra dugc nhtng gqi y chinh s6ch, khuytin nghi OOi vOi nhd qu6 ly thi trudng, c5c nhd dAu tu cfing nhu x6y dgng chinh s6ch nhim hpn ch6 b6t cdn xring th6ng tin tr€n thi trucrng chung kho6n Vi0t Nam.

5. MOt sO h4n ch6 cria lufln vdn:

- Theo ngudi tlgc dua mpc 3.3 ve mpc 3.1 thi se hgrp ly hcrn;

- E0 tin cdy k6t qud nghi€n cuu chua cao, do viQc xilc dinh cd m6u nghiCn criu c.on chri quan, c0 tr€n thi trucrng

mdu chua dt lon tt6 bao qu6t vd ilai diqn cho c6c doanh nghiQp phi tdi chinh ni6m y€t chring kho6n ViEt Nam;

- Lu4n v[n cdn c6 it sai s6t vA k! thuflt drinh m6y cAn chinh sria.

6. Mric ttQ drip img y6u cAu cta lufn v6n:

Lu4n v6n d6p ring y€u cAu cA v0 nQi dung vd hinh thric cria lufln vdn thac s! kinh t6 chuy6n ngdnh

--i.,

TC-NH. - ). Ket luan:

Kinh t16 nghi HQi d6ng ch6m LV dC ngh! HiQu Tru&ng Trudng DH NgAn hdng TP.HCM c6ng

nhfn hgc vi th4c s! cho hgc viOn DEng Thanh Scrn.

Ngudi nhdn x6t