Luận văn Thạc sĩ Kinh tế: Tác động của các yếu tố rủi ro tài chính lên dự báo tỷ suất sinh lợi cổ phiếu

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM

----------------

NGUYỄN THỊ CẨM HỒNG

TÁC ĐỘNG CỦA CÁC YẾU TỐ RỦI RO TÀI CHÍNH LÊN DỰ BÁO TỶ SUẤT SINH LỢI CỔ PHIẾU

LUẬN VĂN THẠC SỸ KINH TẾ

Thành phố Hồ Chí Minh – Năm 2013

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM

----------------

NGUYỄN THỊ CẨM HỒNG

TÁC ĐỘNG CỦA CÁC YẾU TỐ RỦI RO TÀI CHÍNH LÊN DỰ BÁO TỶ SUẤT SINH LỢI CỔ PHIẾU

Chuyên ngành : Tài chính – Ngân hàng

Mã số

: 60340201

LUẬN VĂN THẠC SỸ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS TS. Nguyễn Thị Ngọc Trang

Thành phố Hồ Chí Minh – Năm 2013

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “Tác động của các yếu tố rủi ro tài chính

lên dự báo tỷ suất sinh lợi cổ phiếu” là công trình nghiên cứu của chính

tôi.

Ngoài những tài liệu tham khảo đã được trích dẫn trong luận văn,

tôi cam đoan rằng mọi số liệu và kết quả nghiên cứu của luận văn này

chưa từng được công bố hoặc được sử dụng dưới bất cứ hình thức nào.

TP. Hồ Chí Minh, ngày tháng năm 2013

Tác giả

Nguyễn Thị Cẩm Hồng

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC BẢNG BIỂU SỬ DỤNG TRONG BÀI

TÓM LƯỢC .................................................................................................................... 1

CHƯƠNG 1: GIỚI THIỆU CHUNG ............................................................................... 2

1. Lý do chọn đề tài ..................................................................................................... 2 2. Mục tiêu nghiên cứu ................................................................................................ 2 3. Phương pháp nghiên cứu ......................................................................................... 2 4. Bố cục bài nghiên cứu ............................................................................................. 3

CHƯƠNG 2: CÁC NGHIÊN CỨU TRƯỚC ĐÂY .......................................................... 4

CHƯƠNG 3: DỮ LIỆU NGHIÊN CỨU, CÁC BIẾN RỦI RO VĨ MÔ VÀ MÔ HÌNH

KIỂM ĐỊNH ................................................................................................................... 8

1. Dữ liệu nghiên cứu .................................................................................................. 8 2. Mô tả các biến nghiên cứu và cách xử lý các biến ................................................... 8 3. Mô hình kiểm định ................................................................................................ 10

3.1 Kiểm định phương sai sai số thay đổi – heteroskedasticity ............................... 11

3.2 Kiểm định Wooldridge test: Kiểm định hiện tượng tương quan chuỗi .............. 13

CHƯƠNG 4: MÔ HÌNH NGHIÊN CỨU VÀ CÁC KẾT QUẢ NGHIÊN CỨU ............ 22

1. Mô hình nghiên cứu ............................................................................................... 22 1.1 Hồi quy tỷ suất sinh lợi theo báo cáo khi có sự thay đổi của lãi suất, tỷ giá hối

đoái và giá cả hàng hóa .................................................................................... 24 1.2 Hồi quy phân tích sai số dự báo khi có sự thay đổi của lãi suất, tỷ giá hối đoái

và giá cả hàng hóa ........................................................................................... 36

2. Gia tăng thông tin dự báo cho nhà phân tích .......................................................... 45

CHƯƠNG 5: KẾT LUẬN ............................................................................................. 48

MỘT SỐ HẠN CHẾ CỦA BÀI NGHIÊN CỨU ............................................................ 52

TÀI LIỆU THAM KHẢO

DANH MỤC CÁC BẢNG BIỂU SỬ DỤNG TRONG BÀI

Bảng 1: Kiểm định phương sai sai số thay đổi của mô hình khi thay đổi rủi ro trong hiện tại và độ trễ 3 quý ....................................................................... 11 Bảng 2: Kiểm định phương sai sai số thay đổi của mô hình khi thay đổi rủi ro

trong hiện tại ................................................................................................ 12 Bảng 3: Kiểm định phương sai sai số thay đổi của mô hình khi ảnh hưởng các rủi ro

có độ trễ 3 quý .............................................................................................. 12 Bảng 4: Kiểm định Wooldridge test cho mô hình của bảng 15 ................................ 13 Bảng 5: Kiểm định Wooldridge test cho mô hình của bảng 16 ................................ 13 Bảng 6: Kiểm định Wooldridge test cho mô hình của bảng 17 ................................ 13 Bảng 7: Kết quả khắc phục phương sai sai số và tự tương quan bằng

mô hình GLS ................................................................................................. 14 Bảng 8: Kết quả khắc phục phương sai sai số thay đổi và tự tương quan bằng

mô hình GLS chỉ xem xét ảnh hưởng các rủi ro hiện tại ............................. 16 Bảng 9: Kết quả hồi quy khắc phục hiện tượng tương quan chuỗi và phương sai

sai số thay đổi đối với mô hình chỉ xem xét ảnh hưởng các rủi ro biến trễ

ba quý ............................................................................................................ 17 Bảng 10: Kiểm tra đa cộng tuyến và khắc phục hiện tương đa cộng tuyến

bằng cách sử dụng VIF (Variance Inflation Factor) .................................... 18 Bảng 11: Bảng kết quả kiểm định loại bỏ biến trễ ...................................................... 20 Bảng 12: Hồi quy loại bỏ biến giá trị hiện tại của IR, FX và COM ............................ 21 Bảng 13: Bảng thống kê mô tả rủi ro tài chính từ các biến vĩ mô ............................... 22 Bảng 14: Bảng thống kê biến tỷ suất sinh lợi theo báo cáo và biến kiểm soát được sử dụng trong phân tích hồi quy ....................................................................... 25 Bảng 15: Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận

của biến động lãi suất, tỷ giá hối đoái, giá cả hàng hóa ở thời điểm hiện tại

và độ lệch chuẩn của tổng sản phẩm quốc nội, độ bất ổn của thị trường thay

đổi . ............................................................................................................... 29 Bảng 16: Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận

của độ trễ của lãi suất, tỷ giá hối đoái, giá cả hàng hóa và độ lệch chuẩn của

tổng sản phẩm quốc nội, độ bất ổn của thị trường thay đổi .......................... 31 Bảng 17: Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận

của lãi suất, tỷ giá hối đoái, giá cả hàng hóa ở thời điểm hiện tại và độ trễ

của nó, độ lệch chuẩn của tổng sản phẩm quốc nội, độ bất ổn của thị trường

thay đổi .......................................................................................................... 33 Bảng 18: Thống kê các công ty trong mẫu có dữ liệu dự báo đến thời điểm

hiện tại ........................................................................................................... 36 Bảng 19: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập gồm rủi ro

hiện tại .......................................................................................................... 41 Bảng 20: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập gồm rủi ro

với độ trễ 3 quý ............................................................................................. 42 Bảng 21: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập gồm rủi ro

hiện tại và độ trễ 3 kỳ .................................................................................... 43

ĐỀ TÀI: TÁC ĐỘNG CỦA CÁC YẾU TỔ RỦI RO TÀI CHÍNH LÊN DỰ BÁO TỶ SUẤT SINH LỢI CỔ PHIẾU

TÓM LƯỢC

Bài nghiên cứu này xem xét bằng cách nào những rủi ro lãi suất, tỷ giá hối

đoái và giá cả hàng hóa tác động đến tỷ suất sinh lợi kỳ vọng của nhà đầu tư cũng

như các nhà phân tích. Những rủi ro tài chính này có tạo ra sự không chắc chắn về

tỷ suất sinh lợi dự báo của nhà đầu tư và nhà đầu tư có giải quyết được sự không

chắc chắn này hay không.

Kết quả bài nghiên cứu này cho thấy nhà đầu tư và nhà phân tích gặp khó

khăn trong việc ước tính các rủi ro tài chính đến tỷ suất sinh lợi dự báo. Kết quả cho

thấy rủi ro tài chính là nguyên nhân gây ra sự không chắc chắn về lợi nhuận dự báo

của nhà đầu tư.

Mô hình sử dụng trong bài nghiên cứu này để giải quyết sự không chắc chắn

được tạo ra từ rủi ro tài chính đến tỷ suất sinh lợi dự báo của nhà đầu tư. Kết quả

cho thấy nhà đầu tư không hoàn toàn giải quyết được sự không chắc chắn này mà

chỉ giải quyết được một phần sự không chắc chắc, khoảng gần 20% trong tổng sự

không chắc chắn được giải quyết trong bài nghiên cứu này.

CHƯƠNG 1: GIỚI THIỆU CHUNG

1. Lý do chọn đề tài:

Trong thực tế người bên ngoài luôn có ít thông tin về tình hình hoạt động của

công ty hơn các nhà quản trị, ban giám đốc công ty, vì vậy có nhiều lý thuyết được

xây dựng để làm thế nào những rủi ro tài chính ảnh hưởng đến dự báo tỷ suất sinh

lợi của nhà đầu tư. Những rủi ro tài chính nào tạo ra sự không chắc chắn cho dự báo

của nhà đầu tư.

Những thông tin trên báo cáo tài chính được các công ty công bố ra bên

ngoài là những thông tin vừa mang tính lịch sử vừa không phản ánh đầy đủ các rủi

ro mà công ty đang đối mặt hoặc sẽ đối mặt trong tương lai. Những rủi ro này ảnh

hưởng đến khả năng dự báo tỷ suất sinh lợi công ty của các nhà phân tích, các nhà

đầu tư.

2. Mục tiêu nghiên cứu:

Liệu nhà đầu tư có giải quyết được sự không chắc chắn được tạo ra từ rủi ro

tài chính lên tỷ suất sinh lợi cổ phiếu.

3. Phương pháp nghiên cứu:

Trong bài nghiên cứu này tôi sử dụng các mô hình hồi quy. Trước hết tôi sử

dụng các mô hình để kiểm định phương sai sai số thay đổi

(heteroskedasticity) và kiểm định Wooldridge test để kiểm định hiện tượng

tương quan chuỗi.

Các mô hình hồi quy như:

(cid:1) Hồi quy tỷ suất sinh lợi theo báo cáo của công ty khi lãi suất, tỷ giá

hối đoái và giá cả hàng hóa thay đổi.

(cid:1) Hồi quy tỷ suất sinh lợi bất thường của chứng khoán trong ba ngày

trước ngày công bố báo cáo của công ty khi lãi suất, tỷ giá hối đoái và

giá cả hàng hóa thay đổi.

(cid:1) Hồi quy sai số dự báo của nhà phân tích và những thay đổi lãi suất, tỷ

giá hối đoái và giá cả hàng hóa.

4. Bố cục bài nghiên cứu:

(cid:1) Tôi thiết kế cấu trúc bài nghiên cứu để kiểm tra các chuỗi sự kiện sau:

(cid:2) 1) Các nhà đầu tư và các nhà phân tích quan sát thông tin chung về

những thay đổi của lãi suất (IR), tỷ giá hối đoái (FX) và giá cả hàng

hóa (COM) trong quý t và quý t-1, t-2, t-3.

(cid:2) 2) Ngay cuối quý t hoặc gần cuối quý t, các nhà đầu tư và các nhà

phân tích sử dụng thông tin mà họ có được về độ nhạy cảm rủi ro tài

chính công ty để tạo thành những kỳ vọng về những thay đổi của lãi

suất, tỷ giá hối đoái và giá cả hàng hóa xảy ra tại thời điểm và độ trễ

của nó có thể sẽ ảnh hưởng đến các lợi nhuận công ty trong quý t. (cid:2) 3) Lợi nhuận của công ty trong quý t được báo cáo trong quý t +1 và

sai số dự báo của nhà phân tích và nhà đầu tư (ví dụ, báo cáo tỷ suất

sinh lợi) được quan sát.

(cid:1) Bài nghiên cứu này được trình bày như sau:

(cid:2) Chương 2: Các nghiên cứu trước đây. (cid:2) Chương 3: Mô tả các lựa chọn mẫu và rủi ro của các nhân tố vĩ mô. (cid:1) Chương 4: Báo cáo kết quả về mối liên quan giữa thay đổi của lãi suất,

tỷ giá hối đoái và giá cả hàng hóa và tỷ suất sinh lợi theo báo cáo và

dự báo tỷ suất sinh lợi của nhà đầu tư.

(cid:1) Chương 5: Tổng kết.

CHƯƠNG 2: CÁC NGHIÊN CỨU TRƯỚC ĐÂY

1. Wayne Guay và cộng sự (2003) “The influence of corporate risk exposures

on the accuracy of earnings forescasts”: xem xét bằng cách nào những biến

động của lãi suất, tỷ giá hối đoái và giá cả hàng hóa ảnh hưởng đến lợi nhuận

kỳ vọng của nhà đầu tư. Kết quả cho thấy nhà đầu tư gặp khó khăn trong việc

đo lường ảnh hưởng của các rủi ro tài chính lên tỷ suất sinh lợi kỳ vọng của

nhà đầu tư. Tỷ suất sinh lời của cổ phiếu phụ thuộc vào những biến động của

lãi suất, tỷ giá hối đoái và giá cả hàng hóa ở hiện tại và độ trễ của nó. Những

rủi ro tài chính này làm gia tăng sự không chắc chắn về lợi nhuận dự kiến của

nhà đầu tư, và nhà đầu tư giải quyết được khoảng từ 28% đến 56% sự không

chắc chắn được tạo ra bởi sự biến động của lãi suất, tỷ giá hối đoái và giá cả

hàng hóa.

2. Võ Thị Thúy Anh và Nguyễn Thanh Hải (2013) “Nghiên cứu các nhân tố

ảnh hưởng đến tỷ suất sinh lợi của các cổ phiếu tại thị trường chứng khoán

Việt Nam”: Kết quả cho thấy tỷ suất sinh lợi cổ phiếu chịu tác động của hai

nhân tố cơ bản là lạm phát và chỉ số Nikkei, đại diện cho tình hình kinh tế

khu vực trong đó tác động của lạm phát mạnh hơn rất nhiều. Ngành công

nghiệp và ngành tiêu dùng chịu tác động tiêu cực của lạm phát ngoài kỳ vọng

lớn nhất. Các cổ phiếu của các doanh nghiệp có hiệu quả kinh doanh tốt chịu

tác động của lạm phát thấp nhất. Tác động của chỉ số Nikkei yếu nhưng mức

độ tác động đến cổ phiếu các ngành ít phân tán hơn.

3. Bhattacharya (1979): “Imperfect information, dividend policy and ‘the bird

in the hand’ fallacy”: tác giả giả định rằng nhà đầu tư bên ngoài luôn có

thông tin không hoàn hảo về lợi nhuận của công ty và việc chi trả cổ tức bằng

tiền mặt bị đánh thuế cao hơn so với thuế thu nhập. Bài nghiên cứu này giải

thích lý do tại sao công ty chi trả cổ tức bằng tiền mặt mặc dù có những bất

lợi về thuế như vậy. Kết quả bài nghiên cứu này cho thấy rằng chính sách chi

trả cổ tức như là một dấu hiệu về dòng tiền kỳ vọng của nhà đầu tư.

4. Myers và Majluf (1984) “Corporate financing and investment decisions

when firms have information that investors do not have”: tác giả xem xét

rằng một công ty phải phát hành cổ phiếu để huy động vốn từ nhà đầu tư để

thực hiện các cơ hội đầu tư. Giả định rằng các nhà quản lý có đầy đủ thông

tin hơn so với các nhà đầu tư tiềm năng bên ngoài. Các nhà đầu tư giải thích

quyết định của công ty một cách hợp lý: mô hình cân bằng của quyết định

phát hành – đầu tư vào các dự án khả thi đã được chọn trước. Mô hình này

cho thấy rằng các công ty có thể từ chối phát hành cổ phiếu và do đó họ có

thể bỏ qua cơ hội đầu tư. Mô hình này cũng giải thích được một số khía cạnh

của tài chính hành vi, trong đó xu hướng dựa vào nguồn lực nội bộ từ các quỹ

và việc ưa thích sử dụng đòn bẩy tài chính nếu công ty huy động từ nguồn

vốn bên ngoài.

5. Demarzo và Duffie (1995) “Corporate incentives for hedging and hedge

accounting”: tác giả cho rằng thông tin ảnh hưởng đến quản trị rủi ro tài

chính. Phòng ngừa rủi ro tài chính làm cải thiện thông tin về lợi nhuận của

công ty và nó cũng là dấu hiệu cho thấy khả năng quản trị và hiệu quả của dự

án đầu tư. Các nhà quản trị và các cổ đông có động cơ truyền tải thông tin có

thể khác nhau, tuy nhiên đứng đầu những xung đột này là chính sách phòng

ngừa rủi ro tối ưu. Tác giả cho thấy rằng những động cơ đó phụ thuộc vào

thông tin kế toán của công ty. Nếu việc thực hiện phòng ngừa rủi ro này

không được tiết lộ (ví dụ như báo cáo của công ty chỉ là tổng hợp thu nhập),

quản trị rủi ro với mục tiêu là làm giảm rủi ro hơn nếu tất cả rủi ro đều được

biết. Trong trường hợp này, điều tốt nhất cho các cổ đông là chỉ yêu cầu tổng

hợp các báo cáo của kế toán. Phòng ngừa rủi ro tài chính có thể làm hạn chế

những tổn thất cho công ty và do đó làm giảm sự bất cân xứng thông tin giữa

các nhà quản lý và nhà đầu tư.

6. Những bài nghiên cứu mở rộng cho thấy rằng các công ty xem xét chi phí

cung cấp thông tin từ khi tiến hành thiết lập đến khi thực hiện. Ngoài ra, cơ

quan quản lý gồm Ủy ban Chứng khoán Mỹ - SEC (U.S. Securities and

Exchange Commission) và Tổ chức Tài chính kế toán Mỹ - FASB (Financial

Accounting Standard Board) đã phát hiện ra sự không chắc chắn đó và đã

tiến hành các khảo sát các công ty để làm rõ các lập luận của họ (Ví dụ, giữa

năm 1990 và năm 1998 Tổ chức Tài chính kế toán Mỹ - FASB đã ban hành

Báo cáo của Chuẩn mực Kế toán tài chính số 105,107, 119, và 133 tất cả

nhằm mục đích yêu cầu các công ty phải thuyết minh các thông tin liên quan

đến công cụ tài chính chẳng hạn như chứng khoán phái sinh. Năm 1997, Ủy

ban Chứng khoán Mỹ - SEC đã ban hành báo cáo tài chính phát hành số 48

yêu cầu có ước tính không chỉ định tính mà phải định lượng được những tổn

thất tài chính có thể có từ những biến động bất lợi về lãi suất, tỷ giá hối đoái

và giá cả hàng hóa liên quan đến hoạt động của công ty.

7. Barton 2001 “Does the Use of Financial Derivatives Affect Earnings

Management Decisions?”: Bài nghiên cứu này cung cấp một bằng chứng phù

hợp với nhà quản trị sử dụng các công cụ tài chính phái sinh và chi phí trích

trước như là cách thay thế để làm ổn định thu nhập. Bài nghiên cứu này sử

dụng dữ liệu từ 1994 đến 1996 của 500 công ty theo tạp chí Fortune, Tác giả

ước tính các phương trình mà động cơ của nhà quản trị để duy trì sự ổn định

thu nhập thông qua phòng ngừa rủi ro tài chính và trích trước chi phí. Động

cơ này bao gồm cả việc gia tăng chi phí và giảm thuế thu nhập doanh nghiệp

và chi phí tài chính, tránh đầu tư không hiệu quả và giảm bớt sự biến động do

không đa dạng hóa trong đầu tư hoặc đa dạng hóa thấp. Sau khi tác giả điều

chỉnh, tác giả tìm thấy có một sự liên kết chặt chẽ cùng chiều giữa việc sử

dụng các công cụ tài chính phái sinh và trích trước chi phí để ổn định thu

nhập.

8. Pincus và Rajgopal (2002) “The Interaction between Accrual Management

and Hedging: Evidence from Oil and Gas Firms”: Bài nghiên cứu điều tra

liệu các công ty sản xuất dầu mỏ và khí đốt sử dụng các phương pháp trích

trước và phòng ngừa rủi ro để ổn định thu nhập. Các công ty tham gia vào

thăm dò và khai thác dầu thường phải đối mặt với 2 loại rủi ro đó là rủi ro về

giá dầu và rủi ro thăm dò dầu. Các công ty có thể lựa chọn phương pháp trích

trước chi phí để làm giảm độ bất ổn của thu nhập gây ra bởi giá dầu, nhưng

không thể phòng ngừa rủi ro trong hoạt động thăm dò dầu. Bởi vì chi phí

phòng ngừa rủi ro và chi phí trích trước là rất cao, và các nghiên cứu trước

đây của Haushalter 2000 và Barton 2001 cho rằng các nhà quản trị không thể

loại bỏ tất cả các rủi ro, tác giả kỳ vọng rằng nhà quản lý sẽ sử dụng các

phương pháp khác thay thế để làm ổn định thu nhập. Kết quả cho thấy rằng

một quá trình tuần tự theo đó các nhà quản lý các công ty sản xuất dầu và khí

đốt đầu tiên phải xác định mức độ mà họ sẽ sử dụng để phòng ngừa rủi ro về

giá dầu, sau đó, đặc biệt là trong quý tư, quản lý độ bất ổn của thu nhập còn

lại bằng các hoạt động mua bán để ổn định thu nhập.

9. Nghiên cứu thực nghiệm gần đây như Minton và Schrand (1999), Gebhart và

cộng sự (2001), Lang và cộng sự (2002), và Easley và cộng sự (2002) đều

cho thấy rằng sự không chắc chắn là nguyên nhân gây ra thông tin không hoàn hảo và bất cân xứng thông tin ảnh hưởng đến cấu trúc vốn và giá trị

công ty.

CHƯƠNG 3: DỮ LIỆU NGHIÊN CỨU, CÁC BIẾN RỦI RO VĨ MÔ VÀ MÔ HÌNH KIỂM ĐỊNH

1. Dữ liệu nghiên cứu

Dữ liệu của bài nghiên cứu này là các công ty phi tài chính niêm yết trên Sở

Giao dịch Chứng khoán TP HCM từ quý 3 năm 2007 đến quý 2 năm 2013. Mẫu ban

đầu bao gồm 546 báo cáo công ty theo năm (1.872 báo cáo công ty theo quý). (Mặc

dù mức độ rủi ro liên quan độ nhạy cảm rủi ro của các công ty tài chính và công ty

dịch vụ công ích đang được quan tâm, tôi loại trừ các công ty này bởi vì bản chất

của độ nhạy cảm rủi ro, hoạt động phòng ngừa rủi ro được thực hiện để quản lý

những rủi ro này, số lượng và từng loại rủi ro và các hoạt động phòng ngừa rủi ro là

khác hơn so với các công ty khác).

2. Mô tả các biến nghiên cứu và cách xử lý các biến

(cid:1)

Biến Abs(IR) và Top decile IR: Bước 1: Lấy dữ liệu lãi suất huy động từ nguồn Ngân hàng Nhà Nước Việt

Nam theo tháng công bố tại website của Ngân hàng Nhà Nước Việt Nam

(xem

http://www.sbv.gov.vn/portal/faces/vi/vim/vipages_cstt/laisuat/banglaisuat).

Bước 2: Tính biến động lãi suất theo quý – Abs(∆IR) = (Giá trị IR cuối

quý/Giá trị IR đầu quý) – 1 Bước 3: Tính tỷ suất sinh lợi từng tháng của từng cổ phiếu và sắp xếp. Bước 4: Để tính Top decile IR: chạy hệ số tương quan giữa tỷ suất sinh lợi

theo tháng của từng cổ phiếu và biến động IR của từng tháng. Sử dụng hàm

excel “correl” để tính hệ số tương quan giữa tỷ suất sinh lợi hàng tháng theo

từng cổ phiếu và biến động IR. Bước 5: Xếp hạng hệ số tương quan theo quý. Sử dụng hàm excel “Rank”

Bước 6: Sắp xếp giá trị đã xếp hạng theo từng quý, lấy top 10% cao nhất từ

trên xuống cho giá trị là 1, các mã còn lại cho giá trị là 0.

(cid:1)

Biến Abs(FX) và Top decile FX: Bước 1: Lấy dữ liệu tỷ giá Đô la Mỹ và VND hàng tháng từ nguồn thống kê

của Ngân hàng Nhà nước Việt Nam công bố tại website của Ngân hàng Nhà

Nước Việt Nam (xem

http://www.sbv.gov.vn/portal/faces/vi/vim/vipages_trangchu/qlnh/tygia/tgbq)

Bước 2: Tính biến động tỷ giá theo quý – Abs(∆FX) = (Giá trị FX cuối quý/

Giá trị FX đầu quý) – 1 Bước 3: Tính tỷ suất sinh lợi từng tháng của từng cổ phiếu và sắp xếp. Bước 4: Để tính Top decile FX: chạy hệ số tương quan giữa tỷ suất sinh lợi

theo tháng của từng cổ phiếu và biến động FX của từng tháng. Sử dụng hàm

excel “correl” để tính hệ số tương quan giữa tỷ suất sinh lợi hàng tháng theo

từng cổ phiếu và biến động FX Bước 5: Xếp hạng hệ số tương quan theo từng quý. Sử dụng hàm excel

“Rank” Bước 6: Sắp xếp giá trị đã xếp hạng theo từng quý, lấy top 10% cao nhất từ

trên xuống cho giá trị là 1, các mã còn lại cho giá trị là 0.

(cid:1)

Biến Abs(COM) và Top decile COM: Bước 1: Lấy dữ liệu chỉ số giá cả hàng hóa theo tháng từ nguồn Goldman

Sachs Commodity Excess Return Index (xem

http://www.goldmansachs.com/what-we-do/securities/products-and-business-

groups/products/gsci/components-weights-index-levels.html).

Bước 2: Tính biến động giá cả hàng hóa theo quý - Abs(∆COM) = (Giá trị

COM cuối quý/ Giá trị COM đầu quý) – 1 Bước 3: Tính tỷ suất sinh lợi từng tháng của từng cổ phiếu và sắp xếp.

Bước 4: Tính Top decile COM, chạy hệ số tương quan giữa tỷ suất sinh lợi

theo tháng của từng cổ phiếu và biến động COM của từng tháng Sau đó tính

hệ số tương quan. Sử dụng hàm excel “correl” để tính hệ số tương quan giữa

tỷ suất sinh lợi hàng tháng theo từng cổ phiếu và biến động COM. Bước 5: Xếp hạng hệ số tương quan theo từng quý. Sử dụng hàm excel

“Rank” Bước 6: Sắp xếp giá trị đã xếp hạng theo từng quý, lấy top 10% cao nhất từ

trên xuống cho giá trị là 1, các mã còn lại cho giá trị là 0.

(cid:1) Tương tự với biến trễ 3 quý.

(cid:1)

Biến độ bất ổn thị trường – Volatility: Bước 1: Tổng hợp dữ liệu tỷ suất sinh lợi theo ngày của tất cả các công ty

trong thời gian nghiên cứu Bước 2: Tính độ lệch chuẩn tỷ suất sinh lợi trong quý. Sử dụng hàm excel

“STDEV” theo tỷ suất sinh lợi hàng ngày của từng cổ phiếu.

(cid:1)

Biến Abs deviation in GDP: Bước 1: Tổng hợp dữ liệu GDP theo quý từ nguồn IMF - International

Moneytary Fund (xem chi tiết tại http://www.imf.org/external/data.htm) Bước 2: Tính thay đổi GDP theo từng quý theo công thức = (GDP quý hiện

tại/ GDP quý trước) – 1 Bước 3: Tính trung bình giá trị thay đổi GDP trong suốt thời gian nghiên cứu Bước 4: Tính deviation GDP = thay đổi GDP từng quý – Trung bình giá trị

GDP trong suốt thời gian nghiên cứu

3. Mô hình kiểm định

Tác giả thiết kế các kiểm định để xem liệu những thay đổi của lãi suất, tỷ giá

hối đoái và giá cả hàng hóa có gia tăng thông tin không chắc chắn mà nhà đầu tư

phải đối mặt với sự ước tính chính xác thu nhập, bằng cách kiểm định phương sai

sai số không đổi – heteroskedasticity và kiểm định Lagram – Multiplier hiện tượng

tự tương quan.

3.1 Kiểm định phương sai sai số thay đổi – heteroskedasticity

Một trong những giả định quan trọng của mô hình OLS là phương sai sai số

không đổi. Do đó để kiểm định giả định này trong bài nghiên cứu sử dụng kiểm định

0H cho rằng phương sai sai số

Breusch – Pagan / Cook – Weisberg test. Giả thuyết

không thay đổi qua thời gian. Kết quả kiểm định được trình bày trong bảng 1 đối với

phương trình đầy đủ cả giá trị thay đổi rủi ro trong hiện tại và độ trễ 3 quý.

Bảng 1: Kiểm định phương sai sai số thay đổi của mô hình khi thay đổi

rủi ro trong hiện tại và độ trễ 3 quý

Breusch – Pagan/Cook – Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of absolute return

Chi2(1) = 40.13

Prob> Chi2 = 0.0000

0H , nghĩa là phương sai sai số thay

Giá trị Prob = 0.0000 cho thấy bác bỏ giả thiết

đổi theo thời gian.

Kết quả kiểm định đối với mô hình hồi quy chỉ xem xét ảnh hưởng rủi ro

trong hiện tại, được trình bày trong bảng 2.

Bảng 2: Kiểm định phương sai sai số không đổi của mô hình khi thay đổi

rủi ro trong hiện tại

Breusch – Pagan/Cook – Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of absolute return

Chi2(1) = 35.32

Prob> Chi2 = 0.0000

0H , nghĩa là phương sai sai số thay

Giá trị Prob = 0.0000 cho thấy bác bỏ giả thiết

đổi theo thời gian.

Cuối cùng, đối với mô hình hồi quy chỉ xem xét ảnh hưởng các rủi ro có độ

trễ 3 quý, kết quả được trình bày trong bảng 3 cũng cho kết quả tương tự với

phương sai sai số thay đổi.

Bảng 3: Kiểm định phương sai sai số không đổi của mô hình khi ảnh

hưởng các rủi ro có độ trễ 3 quý

Breusch – Pagan/Cook – Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of absolute return

Chi2(1) = 12.95

Prob> Chi2 = 0.0003

Bài nghiên cứu tiếp tục thực hiện một kiểm định quan trọng nữa là kiểm định

tương quan chuỗi trong mô hình.

3.2 Kiểm định Wooldridge test: Kiểm định hiện tượng tương quan chuỗi

Một trong những giả định quan trọng của mô hình OLS là không có hiện

tượng tương quan chuỗi trong phần dư. Do đó, bài nghiên cứu tiếp tục thực hiện

kiểm định Wooldridge test nhằm phát hiện ra hiện tượng tương quan chuỗi. Giả

0H : không có hiện tượng tương quan chuỗi. Kết quả kiểm định đối với mô

thuyết

hình của bảng 15 chỉ có ảnh hưởng các rủi ro trong hiện tại, mô hình của bảng 16

đầy đủ các biến rủi ro trong hiện tại và trễ 3 quý, mô hình của bảng 17 chỉ xem xét

ảnh hưởng các rủi ro trễ 3 quý được trình bày lần lượt trong các bảng 4, 5 và 6.

Bảng 4: Kiểm định Wooldridge test cho mô hình của bảng 15

Wooldridge test for autocorrelatin in panel data

Ho: no first – order autocorrelation

F (1, 77) = 13.534

Prob> F = 0.0004

Bảng 5: Kiểm định Wooldridge test cho mô hình của bảng 16

Wooldridge test for autocorrelatin in panel data

Ho: no first – order autocorrelation

F (1, 77) = 44.247

Prob> F = 0.0000

Bảng 6: Kiểm định Wooldridge test cho mô hình của bảng 17

Wooldridge test for autocorrelatin in panel data

Ho: no first – order autocorrelation

F (1, 77) = 6.486

Prob> F = 0.0129

Các giá trị Prob lần lượt ở các mô hình đều cho giá trị < 5%, cho thấy bác bỏ

0H và kết luận có hiện tượng tương quan chuỗi trong mô hình nghiên

giả thuyết

cứu.

Để khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan, tôi sử

dụng mô hình GLS. Kết quả mô hình với biến phụ thuộc là tỷ suất sinh lợi bất

thường (abnormal return) được trình bày trong bảng 7.

Bảng 7: Kết quả khắc phục phương sai sai số thay đổi và tự tương quan

bằng mô hình GLS

Coefficients: Generalized least squares

Panels: heteroskedastic

Correlation: No autocorrelation

Estimated covariances = 78 Number of obs = 1872

Estimated autocorrelations = 0 Number of 78

groups =

Estimated coefficients = 15 Time periods = 24

Wald chi2(14) = 597.04

Log lilelihood = 5457.204 Prob > chi 2 = 0.0000

[95% Conf. Abnormal Return Coef. Std. Err. z P>|z| Interval]

Volatility .0468002 .0033035 14.17 0.000 .0403254 .0532749

IR -.0016223 .0001893 -8.57 0.000 -.001993 -.001251

IR * Top decile -.0003139 .0003915 -0.80 0.423 -.001081 -.000453

IR lag -.0006679 .0001895 -3.53 0.000 -.001039 -.000297

IR lag * Top decile .0004089 .0003916 1.04 0.296 -.000359 .0011764

FX -.1056405 .0161848 -6.53 0.000 -.137362 -.073919

FX * Top decile -.0354915 .0381683 -0.93 0.352 -.110299 .0393169

FX lag .0323385 .0155161 2.08 0.037 .0019274 .0627496

FX lag * Top decile .0314474 .0365275 0.86 0.389 -.040145 .1030399

COM .0274064 .0029675 9.24 0.000 .0215903 .0332225

COM * Top decile .0045674 .0059633 0.77 0.444 -.007120 .0162553

COM lag -.0054424 .0030429 -1.79 0.074 -.011406 .0005216

COM lag * Top .0058699 0.67 0.503 -.007573 .0154367 .003932 decile

GDP .0038769 .0002301 16.85 0.000 .003426 .0043278

Constant .0017187 .0004053 4.24 0.000 .0009243 .0025131

Kết quả cho thấy biến động giá chứng khoán, lãi suất, lãi suất trễ 3 kỳ, tỷ giá,

tỷ giá trễ 3 kỳ, giá hàng hóa, giá hàng hóa trễ 3 kỳ và độ lệch chuẩn GDP có ý nghĩa

thống kê ở mức 10%. Trong đó, biến động giá và tỷ suất sinh lợi bất thường có

tương quan dương, 1% tăng lên từ biến động giá chứng khoán dẫn đến tỷ suất sinh

lợi bất thường tăng 0,04%. Tương tự cho các biến khác.

Kết quả hồi quy khắc phục hiện tượng tương quan chuỗi và phương sai sai số

thay đổi đối với mô hình chỉ xem xét ảnh hưởng các rủi ro hiện tại được trình bày

trong bảng 8 như sau:

Bảng 8: Kết quả khắc phục phương sai sai số và tự tương quan bằng mô

hình GLS chỉ xem xét ảnh hưởng các rủi ro hiện tại

Coefficients: Generalized least squares

Panels: heteroskedastic

Correlation: No autocorrelation

Estimated covariances = 78 Number of obs = 1872

Estimated autocorrelations = 0 Number of 78

groups =

Estimated coefficients = 9 Time periods = 24

Wald chi2(14) = 512.66

Log lilelihood = 5427.309 Prob > chi 2 = 0.0000

[95% Conf. Abnormal Return Coef. Std. Err. z P>|z| Interval]

Volatility .0430577 .0032408 13.29 0.000 .0367058 .0494096

-.0014725 .0001734 -8.49 0.000 -.001812 -.001133 IR

IR * Top decile -.0004215 .0003838 -1.10 0.272 -.001174 .0003307

-.1367219 .0158649 -8.62 0.000 -.167816 -.105627 FX

FX * Top decile -.0290458 .0375246 -0.77 0.439 -.102593 .0445011

COM .0302825 .0028062 10.79 0.000 .0247824 .0357826

COM * Top decile .0038816 .0058764 0.66 0.509 -.007636 .0153992

.0034951 .0002273 15.38 0.000 .0030496 .0039406 GDP

.002694 .0003652 7.38 0.000 .0019783 .0034097 Constant

Bảng 9: Kết quả hồi quy khắc phụ hiện tượng phương sai sai số thay đổi và tương quan chuỗi đối với mô hình chỉ xem xét ảnh hưởng các rủi ro biến trễ ba quý

Coefficients: Generalized least squares

Panels: heteroskedastic

Correlation: No autocorrelation

Estimated covariances = 78 Number of obs = 1872

Estimated autocorrelations = 0 Number of 78

groups =

Estimated coefficients = 9 Time periods = 24

Wald chi2(14) = 433.52

Log lilelihood = 5389.638 Prob > chi 2 = 0.0000

[95% Conf. Abnormal Return Coef. Std. Err. z P>|z| Interval]

Volatility .0368529 .0031588 11.67 0.000 .0306619 .043044

IR -.0003794 .0001729 -2.19 0.028 -.000718 -.000040

IR lag * Top decile .000483 .0004035 1.20 0.231 -.000308 .0012739

FX .0462325 .0160663 2.88 0.004 .014743 .0777219

FX lag* Top decile .0246796 .0375979 0.66 0.512 -.049011 .0983702

COM -.0148306 .0029018 -5.11 0.000 -.020518 -.009143

COMlag*Top decile .0019569 .0057469 0.34 0.733 -.009307 .0132205

GDP .0038047 .0002343 16.24 0.000 .0033456 .0042639

Constant .0009908 .000378 2.62 0.009 .00025 .0017317

Tác giả kiểm tra đa cộng tuyến và khắc phục hiện tượng đa cộng tuyến bằng

cách sử dụng VIF (Variance Inflation Factor), kết quả trong bảng 10 như sau:

Bảng 10: Kiểm tra đa cộng tuyến và khắc phục hiện tượng đa cộng tuyến

bằng cách sử dụng VIF (Variance Inflation Factor)

SS df MS Number of obs 1872

Model .106943977 14 .007638856 F( 14, 1857) 35.23

Residual .402695167 1857 .000216853 Prob > F 0.0000

Total .509639144 1871 .000272389 R-squared 0.2098

Adj R-squared 0.2039

Root MSE .01473

[95% Abnormal Return Coef. Std. Err. t P>|t| Interval] Conf.

Volatility .0518277 .0034246 15.13 0.000 .0451112 .0585441

IR -.0013847 .0002335 -5.93 0.000 -.001843 -.000927

IR * Top decile -.0003649 .0004308 -0.85 0.397 -.00121 .00048

IR lag -.0004169 .0002341 -1.78 0.075 -.000876 .0000423

IR lag * Top decile .0002674 .0004343 0.62 0.538 -.000584 .0011191

FX -.1326497 .0197812 -6.71 0.000 -.171446 -.093854

FX * Top decile -.0484008 .0486767 -0.99 0.320 -.143868 .0470661

FX lag .0451064 .0188977 2.39 0.017 .0080435 .0821693

FX lag * Top decile .0148332 .0489248 0.30 0.762 -.081120 .1107865

COM .0253482 .0036528 6.94 0.000 .0181842 .0325122

COM * Top decile .0108459 .0070519 1.54 0.124 -.002985 .0246764

COM lag -.0082324 .0037428 -2.20 0.028 -.015573 -.000892

COM lag * Top -.0032137 .0071327 -0.45 0.652 -.017203 .0107752 decile

.0038887 .0002836 13.71 0.000 .0033323 .004445 GDP

.0024795 .0004931 5.03 0.000 .0015125 .0034465 Constant

VIF 1/VIF Biến vĩ mô

3.17 0.315223 Lãi suất

3.16 0.316613 Độ trễ lãi suất

2.94 0.340287 Độ trễ giá cả hàng hóa

2.80 0.357014 Giá cả hàng hóa

1.25 0.797322 Độ trễ lãi suất trong thập phân vị

1.24 0.809703 Tỷ giá hối đoái

1.23 0.810028 Lãi suất thập phân vị

1.23 0.811325 Độ trễ giá cả hàng hóa thập phân vị

1.20 0.830063 Giá cả hàng hóa trong thập phân vị

1.19 0.841668 Độ bất ổn thị trường

1.17 0.852090 Tỷ giá hối đoái trong thập phân vị

1.17 0.852308 Độ trễ tỷ giá hối đoái thập phân vị

1.15 0.869385 Độ trễ tỷ giá hối đoái

1.14 0.876252 Biến động GDP

1.72 Giá trị trung bình của VIF

Từ 2 bảng kết quả trên ta thấy có xuất hiện đa cộng tuyến tuy nhiên đa cộng

tuyến là không nghiêm trọng.

Khắc phục hiện tượng đa cộng tuyến bằng cách loại bỏ bớt một số biến bị đa

cộng tuyến

Bảng 11: Bảng kết quả kiểm định loại bỏ biến trễ

Bảng 12: Hồi quy loại bỏ biến giá trị hiện tại của IR, FX và COM

Từ các bảng trên ta thấy đa cộng tuyến là không nghiêm trọng, điều này có

nghĩa là trong mô hình các biến đều có ý nghĩa thống kê.

CHƯƠNG 4: MÔ HÌNH NGHIÊN CỨU VÀ CÁC KẾT QUẢ NGHIÊN CỨU

0H (Null Hypothesis – H ) là những thay đổi trong lãi suất, tỷ giá

Giả thuyết

hối đoái và giá cả hàng hóa là không tương quan đến sự không chắc chắn của nhà

1H (Alternative Hypothesis –

1H của tác giả

đầu tư về thu nhập. Giả thuyết thay thế

là những thay đổi trong lãi suất, tỷ giá hối đoái và giá cả hàng hóa làm gia tăng sự

không chắc chắn của nhà đầu tư.

1. Mô hình nghiên cứu

Trước hết, tôi sử dụng mô hình thống kê mô tả dựa trên các thuộc tính chuỗi

thời gian những thay đổi của lãi suất, tỷ giá hối đoái và giá cả hàng hóa. Kết

quả được trình bày trong bảng 13 như sau: Bảng 13: Bảng thống kê mô tả những thay đổi của các biến vĩ mô IR, FX và COM

Macroeconomic risks Observation Mean Std. Dev Maximum

Abs. change in IR

Current quarter 1.872 (0,0213) 2,5968 5,4500

Three quarter lag 1.872 0,0563 2,5842 5,4500

Abs. change in FX

Current quarter 1.872 0,1220 0,0191 0,0716

Three quarter lag 1.872 0,0116 0,0193 0,0716

Abs. change in COM

Current quarter 1.872 0,0020 0,1560 0,2812

Three quarter lag 1.872 0,0049 0,1559 0,2812

Từ bảng kết quả trên ta thấy trong tổng mẫu quan sát là 1.872 mẫu công ty

theo quý, giá trị trung bình rủi ro tỷ giá hối đoái là lớn nhất 0,1220 trong khi rủi ro

giá cả hàng hóa là 0,0020 và rủi ro lãi suất là -0,0213. Tuy nhiên độ lệch chuẩn của

rủi ro lãi suất là cao nhất 2,5968, kế đến là rủi ro giá cả hàng hóa là 0,1560 và cuối

cùng là rủi ro tỷ giá hối đoái là 0,0191. Độ lệch chuẩn của rủi ro lãi suất là biến

động lớn nhất cho thấy rủi ro lãi suất biến động nhiều và điều này là phù hợp trong

giai đoạn từ năm 2007 đến nay do ảnh hưởng từ cuộc khủng hoảng tài chính thế giới

và các chính sách tài khóa của Ngân hàng Nhà Nước trong giai đoạn này đã ảnh

hưởng ít nhiều đến sự biến động của lãi suất.

Những thay đổi này ảnh hưởng gần như trong quý hiện tại và quý sau nên độ

trễ của rủi ro lãi suất, tỷ giá hối đoái và giá cả hàng hóa gần bằng với quý hiện tại.

Những thay đổi về rủi ro giá cả hàng hóa tối đa trong giai đoạn mẫu là khoảng 1,8

lần so độ lệch chuẩn, khoảng 2,09 lần so với độ lệch chuẩn đối với lãi suất và

khoảng 3,7 lần so độ lệch chuẩn đối với tỷ giá hối đoái. Tuy nhiên, các biến động

tương đối của các cú sốc, không nhất thiết là một dấu hiệu cho thấy đó là các rủi ro

tài chính có ảnh hưởng lớn hơn đến dòng tiền hoặc thu nhập của công ty, hoặc đó là

rủi ro tài chính đóng góp nhiều hơn hay ít hơn vào kỳ vọng của nhà đầu và dự báo

của nhà phân tích.

Tương tự như vậy, khoảng thời gian cần thiết cho cú sốc về lãi suất, tỷ giá

hối đoái và giá cả hàng hóa để có ảnh hưởng đến lợi nhuận là không rõ ràng. Ví dụ,

một số quý có thể vượt qua trước khi một sự thay đổi trong giá cả của một hàng hóa

được sử dụng như chi phí đầu vào của sản xuất được thể hiện trong giá vốn hàng

bán. Mức độ ảnh hưởng và độ trễ của rủi ro tài chính là một nguồn bổ sung sự

không chắc chắn mà các nhà đầu tư và các nhà phân tích có thể có hoặc có thể

không hoàn toàn giải quyết được từ những thông tin mà họ có được. Vì sự không

chắc chắn về những tác động theo thời gian, tôi kiểm tra cú sốc của cả quý hiện tại

và độ trễ của nó. Đo độ trễ của những rủi ro tài chính như những thay đổi lũy kế

trong lãi suất, tỷ giá hối đoái và giá cả hàng hóa trong ba quý trước những quan sát

hàng quý.

1.1 Hồi quy tỷ suất sinh lợi theo báo cáo khi có sự thay đổi của lãi suất, tỷ

giá hối đoái và giá cả hàng hóa

Phân tích của tôi bắt đầu bằng việc xem xét mức độ mà độ nhạy cảm rủi ro

ảnh hưởng đến khả năng dự báo tỷ suất sinh lợi công ty của các nhà đầu tư. Nếu nhà

đầu tư có những thông tin không hoàn hảo về độ nhạy cảm rủi ro công ty, tôi kỳ

vọng rằng lợi nhuận theo báo cáo chứa đựng những thông tin mới về sự tác động

của những thay đổi lãi suất, tỷ giá hối đoái và giá cả hàng hóa đến hoạt động của

công ty. Trong trường hợp này, tôi dự đoán rằng độ lớn của phản ứng thị trường với

thu nhập được báo cáo có tương quan hơn khi có những thay đổi lãi suất, tỷ giá hối

đoái và giá cả hàng hóa lớn hơn và độ nhạy cảm rủi ro lãi suất, tỷ giá hối đoái và giá

cả hàng hóa lớn hơn. Độ lớn của phản ứng thị trường đối với lợi nhuận được báo

cáo đã được sử dụng như là chuyển tải thông tin chứa đựng trong báo cáo thu nhập,

Beaver (1968). Hơn nữa, Kim và Verrecchia (1994) lập luận rằng sự thay đổi của

giá cả hàng hóa tại thời điểm báo cáo thu nhập tăng lên cùng với thông tin không

chính thức trước đó về dòng tiền kỳ vọng và nhiều quan điểm giữa các nhà đầu tư về

dòng tiền kỳ vọng.

Bài nghiên cứu đo lường phản ứng thị trường đến thông tin công bố lợi

nhuận bằng giá trị tuyệt đối của tỷ suất sinh lợi bất thường trong suốt ba ngày trước

khi công ty công bố lợi nhuận hàng quý. Theo cách tiếp cận của Mikkelson và

Partch (1986), trong bài nghiên cứu này tôi dự báo tỷ suất sinh lợi bất thường bằng

cách sử dụng mô hình thị trường (market model) với khung thời gian dự báo bắt đầu

-250 ngày và kết thúc đến -50 ngày trước ngày công bố lợi nhuận theo quý. Kết quả

được trình bày trong bảng sau:

Bảng 14: Bảng thống kê biến tỷ suất sinh lợi theo báo cáo và biến kiểm soát được sử dụng trong phân tích hồi quy

Mean Median Std.Dev Maximum

Announcement Returns

Absolute three day 0,0042 0,0165 0,1794 0,00458

earnings announcement

returns

Macroeconomic risks

Absolute deviation in 2,17 E-09 0,0283 1,2822 2,8283

GDP

Stock market volatility 0,06220 0,0291 0,1084 1,4671

Mô hình hồi quy trên được thực hiện với 1.872 mẫu quan sát từ quý 3 năm

2007 đến quý 2 năm 2013. Giá trị độ lệch chuẩn của GDP là giá trị chênh lệch giữa

GDP thay đổi trong quý báo cáo thu nhập và giá trị trung bình hàng quý GDP thay

đổi trên toàn bộ mẫu trong thời kỳ nghiên cứu từ quý 3 năm 2007 đến quý 2 năm

2013. Biến độ bất ổn của thị trường chứng khóan là độ lệch chuẩn hàng ngày của tỷ

suất sinh lợi chứng khoán theo VN Index trong suốt quý.

Số liệu thống kê mô tả tỷ suất sinh lợi bất thường và các biến kiểm soát trong

phân tích được trình bày trong bảng 14. Phù hợp với các nghiên cứu trước ở các thị

trường phát triển, giá trị trung bình – mean (giá trị trung vị - median) của tỷ suất

sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận trong mẫu nghiên cứu cho

giai đoạn từ quý 3 năm 2007 đến quý 2 năm 2013 là 0,00458 (0,0042), giá trị trung

bình của độ lệch chuẩn của GDP là 2,17E-9 (giá trị trung vị là 0,0283) và giá trị

trung bình của độ bất ổn thị trường là 0,0622 (giá trị trung vị là 0,0291). Trong ba

biến trên thì độ lệch chuẩn của GDP là cao nhất (1,2822), kế đến là độ lệch chuẩn

của độ bất ổn thị trường là 0,1084 và cuối cùng là giá trị tỷ suất sinh lợi bất thường

ba ngày trước khi công bố lợi nhuận là 0,0165. Điều này cho thấy rằng độ lệch

chuẩn của GDP là biến thiên hơn so với giá trị tỷ suất sinh lợi bất thường ba ngày

trước khi công bố lợi nhuận và độ bất ổn của thị trường.

Bởi vì rủi ro tiềm ẩn từ lãi suất, tỷ giá hối đoái và giá cả hàng hóa đại diện

bởi các biến IR, FX và COM là khác nhau giữa các công ty, do đó trong bài nghiên

cứu này tôi sử dụng hệ số beta trong mô hình hồi quy giữa tỷ suất sinh lợi cổ phiếu

theo từng tháng với thay đổi trong vòng 36 tháng của biến động lãi suất, tỷ giá và

giá cả hàng hóa, làm đại diện cho các công ty bị ảnh hưởng đặc biệt bởi các rủi ro

tiềm ẩn. Tôi ước tính rủi ro qua hệ số beta riêng cho từng công ty cho mỗi quý báo

cáo trong khoảng thời gian mẫu. Ví dụ, nếu quý báo cáo kết thúc quý 3 năm 2009

thì mô hồi quy được dự báo trong khung thời gian nghiên cứu là 36 tháng nghĩa là

bắt đầu vào quý 3/2006 và kết thúc vào quý 2/2009.

Mục tiêu của tôi trong việc ước tính độ nhạy cảm của hệ số beta là xếp hạng

các công ty theo hệ số beta từ cao đến thấp. Theo lý thuyết nghiên cứu trước, tôi giả

định rằng nhà đầu tư có một sự hiểu biết đầy đủ về các hoạt động của một doanh

nghiệp để xác định chính xác liệu công ty phải đối mặt với những loại rủi ro. Với

giả định rằng các nhà đầu tư có đầy đủ thông tin về rủi ro công ty, tôi hy vọng rằng

các ước tính hệ số beta là không bị chênh lệch, bị nhiễu và đại diện cho rủi ro của

mỗi công ty. Để giảm ảnh hưởng của các công ty có hệ số beta cao thuộc top 10%

có giá trị 1, các công ty không có hệ số beta thuộc top 10% sẽ có giá trị 0.

Bên cạnh đó, nhằm đo lường ảnh hưởng rủi ro tài chính đối với các công ty

có rủi ro đặc biệt do cú sốc IR, FX, COM, trong mô hình hồi quy tỷ suất sinh lợi bất

thường bao gồm biến kiểm soát mức độ vĩ mô trong ngắn hạn của sự không chắc

chắn mà nó có thể tương quan với những thay đổi lãi suất, tỷ giá hối đoái và giá cả

hàng hóa. Như thay đổi của biến kiểm soát ảnh hưởng đến hoạt động kinh tế chung

tại Việt Nam, bao gồm các biến thay đổi hàng quý trong tổng sản phẩm quốc nội

(GDP) theo quý tại thời điểm công bố báo cáo kết quả kinh doanh. Trong bài nghiên

cứu tôi sử dụng biến chênh lệch giữa thay đổi GDP và GDP trung bình trong mẫu

nghiên cứu đại diện cho biến GDP. Biến tổng sản phẩm quốc nội được lấy từ

International Moneytary Fund (xem chi tiết tại

http://www.imf.org/external/data.htm).

Đồng thời, trong bài nghiên cứu này tôi sử dụng biến biến động giá thị

trường (volatility) như một biến kiểm soát ảnh hưởng sự không chắc chắn ở mức độ

vĩ mô trong nền kinh tế mà có thể ảnh hưởng đến sự không chắc chắn trong kỳ vọng

của nhà đầu tư. Biến động giá thị trường được đo lường bằng độ lệch chuẩn trong tỷ

suất sinh lợi hằng ngày trong suốt quý khi báo cáo kết quả kinh doanh được công

bố. Trung bình độ lệch chuẩn trong tỷ suất sinh lợi hằng ngày đạt 6.22%.

Tôi kiểm tra mối liên hệ giữa tỷ suất sinh lợi bất thường của chứng khoán

xung quanh thời điểm lợi nhuận được báo cáo và những thay đổi trong lãi suất, tỷ

giá hối đoái và giá cả hàng hóa bằng các hồi quy sau đây:

Abs

EAR

Abs

(

)

(

)

(

Top decile IR Exp

∆

*) t

+ βα 1

β 2

Abs

Top decile FX Exp

(

)

(

∆

*) t

β 3

β 4

Abs

Com

Abs

Com

Top decile COM Exp

(

)

(

∆

*) t

β 5

β 6

Top decile IR Exp

Abs

(

)

(

)

∆

β 7

β 8

−

t 1,3 −

−

t 1,3 −

Top decile FX Exp

Abs

(

)

(

)

∆

β 9

β 10

−

t 1,3 −

−

t 1,3 −

Top decile COM Exp

Abs

Com

Abs

Com

(

)

(

)

∆

β 11

β 12

−

t 1,3 −

−

t 1,3 −

(Deviation in GDP)

Abs

Market Volatility +t

error t

13β+

14β+t

Phương trình (1):

Trong đó:

(cid:1) Abs(EAR) là biến động của tỷ suất sinh lợi bất thường trong ba ngày

quan sát trước ngày báo cáo lợi nhuận quý t của các công ty.

(cid:1) Abs(∆IR) là biến động của lãi suất huy động tính từ đầu đến cuối quý t

mà lợi nhuận được báo cáo.

(cid:1) Abs(∆FX) là biến động của tỷ giá hối đoái (USD/VND) tính từ đầu đến

cuối quý t mà lợi nhuận được báo cáo.

(cid:1) Abs (∆Com) là biến động của giá cả hàng hóa tính từ đầu đến cuối quý t

mà lợi nhuận được báo cáo;

và Abs(∆Com)

− t

1,3 −

− t

1,3 −

− t

1,3 −

, Abs(∆FX) là những biến động (cid:1) Abs(∆IR)

lũy kế về giá cả hàng hóa tương ứng trong ba quý trước quý t;

(cid:1) Market Volatility: sự bất ổn của thị trường là độ lệch chuẩn của tỷ suất

sinh lợi hàng ngày quý t.

Kết quả hồi quy giữa tỷ suất sinh lợi bất thường ba ngày trước khi công bố

kết quả kinh doanh và thay đổi các biến rủi ro của lãi suất (IR), tỷ giá hối đoái (FX)

và biến động giá cả hàng hóa (COM) được trình bày trong bảng 15, 16 và 17.

Source

df MS

Number of obs: 1.872

Model

.098274546

.012284318 F( 8, 1863): 55,63

Residual

.411364598

1863

.000220808 Prob > F: 0.0000

Total

.509639144

1871

.000272389 R-squared: 0,1928

Adj R-squared: 0,1894

Root MSE: 0,01486

Bảng 15 : Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận của biến động lãi suất, tỷ giá hối đoái, giá cả hàng hóa ở thời điểm hiện tại và độ lệch chuẩn của tổng sản phẩm quốc nội, độ bất ổn của thị trường thay đổi.

Std.

Abnormal Return

Coef.

t

P>|t| Khoảng tin cậy 95%

Err.

(biến phụ thuộc) Các biến giải thích Absolute

value

(change in IR)

Hiện tại

(0,0013) 0,0002

(6,430)

(0,0018)

(0,0009)

Hiện tại * thập phân

(0,000002

(0,0005) 0,0002

(1,970)

0,049

(0,0009)

vị

Absolute

value

(change in FX)

Hiện tại

(0,1590) 0,0149

(10,680)

(0,1883)

(0,1298)

Hiện tại * thập phân

(0,0444) 0,0319

(1,390)

0,164

(0,1069)

0,0182

vị

Absolute

value

(change in COM)

Hiện tại

0,0293 0,0040

7,360

0,0215

0,0371

Hiện tại * thập phân

0,0118 0,0093

1,270

0,203

(0,0064)

0,0299

vị

Absolute dev

in

0,0035 0,0003

12,120

0,0029

0,0040

GDP

Stock

market

0,0490 0,0051

9,620

0,0390

0,0590

volatility

Constant

0,0034 0,0005

7,290

0,00252

0,0044

Trong bảng kết quả trên chỉ bao gồm những thay đổi của biến kiểm soát

trong thời điểm hiện tại. Kết quả cho thấy biến động lãi suất, tỷ giá hối đoái, giá cả

hàng hóa, GDP và độ bất ổn của thị trường có ảnh hưởng đến tỷ suất sinh lợi bất

thường trước ba ngày công bố lợi nhuận ở mức ý nghĩa 1% và lãi suất trong thập

phân vị ảnh hưởng đến tỷ suất sinh lợi bất thường trước ba ngày công bố lợi nhuận ở

mức ý nghĩa là 10%. Các biến còn lại có mức ảnh hưởng không rõ ràng. Biến lãi

suất, tỷ giá hối đoái, chỉ số giá cả hàng hóa, GDP và độ bất ổn thị trường đều nhỏ

1H tức là các biến này là có

hơn 5% do vậy bác bỏ giả thiết Ho, chấp nhận giả thiết

tương quan với tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận và

đều có ý nghĩa thống kê trong mô hình này.

Biến động giá có mối tương quan đồng biến với tỷ suất sinh lợi bất thường,

1% tăng trong biến động giá dẫn đến tỷ suất sinh lợi bất thường trong 3 ngày trước

khi công bố kết quả lợi nhuận tăng 0.049%. Đồng thời, biến động lãi suất có mối

tương quan nghịch biến với tỷ suất sinh lợi bất thường, tuy nhiên mức độ tác động

không đáng kể khi tăng 1% trong biến động lãi suất dẫn đến tỷ suất sinh lợi bất

thường chỉ giảm 0.0013%. Biến động tỷ giá có tương quan nghịch biến với tỷ suất

sinh lợi bất thường, khi tăng 1% trong biến động tỷ giá dẫn đến tỷ suất sinh lợi bất

thường giảm 0.159%

Hồi quy đối với các biến độ trễ của phương trình (1). Kết quả được trình bày

trong bảng 16 như sau:

Number of obs

1.872

F( 8, 1863)

75,42

Prob > F

R-squared

0,1631

Root MSE

0,01513

Bảng 16: Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận của độ trễ của lãi suất, tỷ giá hối đoái, giá cả hàng hóa và độ lệch chuẩn của tổng sản phẩm quốc nội, độ bất ổn của thị trường thay đổi.

Std.

Abnormal Return

Coef.

t

P>|t| Khoảng tin cậy 95%

Err.

(biến phụ thuộc) Các biến giải thích Absolute

value

(change in IR)

Độ trễ 3 quý

(0,00026)

0,00023

(1,110)

0,266

(0,0007)

0,0002

Độ trễ 3 quý * Thập

0,00039

0,00036

1,080

0,281

(0,00032)

0,00110

phân vị

Absolute

value

(change in FX)

Độ trễ 3 quý

0,0636

0,0248

2,560

0,011

0,0149

0,1123

Độ trễ 3 quý * Thập

0,00082

0,05689

0,010

0,989

(0,1108)

0,1124

phân vị

Absolute

value

(change in COM)

Độ trễ 3 quý

(0,0165)

0,0039

(4,180)

(0,0242)

(0,0088)

Độ trễ 3 quý * Thập

(0,0061)

0,0116

(0,520)

0,600

(0,0288)

0,01665

phân vị

Absolute dev in GDP

0,0038

0,00029

13,170

0,0032

0,0044

Stock

market

0,00548

0,0439139

8,000

0 0,0331521 0,0546756

volatility

Constant

0,00050

0,0012059

2,370

0,018 0,0002082 0,0022037

Trong bảng kết quả trên chỉ bao gồm những thay đổi trong độ trễ của biến vĩ

mô và độ trễ biến vĩ mô * thập phân vị. Kết quả cho thấy độ trễ giá cả hàng hóa,

GDP và độ bất ổn của thị trường có ảnh hưởng đến tỷ suất sinh lợi bất thường trước

3 ngày công bố lợi nhuận ở mức ý nghĩa 1%. Và độ trễ tỷ giá hối đoái ảnh hưởng

đến tỷ suất sinh lợi bất thường trước 3 ngày công bố lợi nhuận ở mức ý nghĩa là 5%.

Các biến còn lại có mức ảnh hưởng không rõ ràng. Biến độ trễ giá cả hàng hóa,

GDP và độ bất ổn thị trường đều nhỏ hơn 5% nên bác bỏ giả thiết Ho, chấp nhận

1H tức là các biến này là có tương quan với tỷ suất sinh lợi bất thường 3

giả thiết

ngày trước ngày công bố lợi nhuận, và đều có ý nghĩa thống kê trong mô hình này.

Hồi quy tất cả các biến động hiện tại và độ trễ. Kết quả được trình bày trong

bảng 17, như sau:

Number of obs

1.872

F( 8, 1863)

53,78

Prob > F

R-squared

0,2098

Root MSE

0,01473

Bảng 17: Hồi quy tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận của lãi suất, tỷ giá hối đoái, giá cả hàng hóa ở thời điểm hiện tại và độ trễ của nó, độ lệch chuẩn của tổng sản phẩm quốc nội, độ bất ổn của thị trường thay đổi.

Std.

Coef.

t

P>|t|

Err.

Khoảng tin cậy 95%

Abnormal Return (biến phụ thuộc) Các biến giải thích Absolute value (change in

IR)

(0,0014)

0,0002

(6,55)

(0,0018)

(0,0010)

Hiện tại

Độ trễ 3 quý

(0,0004)

0,0003

(1,52)

0,128

(0,0010)

0,0001

Hiện tại * Thập phân vị

(0,0004)

0,0003

(1,41)

0,158

(0,0009)

0,0001

Độ trễ 3 quý * Thập phân

0,0003

0,0004

0,66

0,511

(0,0005)

0,0011

vị

Absolute value (change in

FX)

Hiện tại

(0,1326)

0,0153

(8,67)

(0,1627)

(0,1026)

Độ trễ 3 quý

0,0451

0,0231

1,95

0,051

(0,0002)

0,0904

Hiện tại * Thập phân vị

(0,0484)

0,0280

(1,73)

0,084

(0,1032)

0,0064

Độ trễ 3 quý * Thập phân

0,0518

0,29

0,775

(0,0869)

0,1165

0,0148

vị

Absolute value (change in

COM)

Hiện tại

0,0253

0,0037

6,86

0,0181

0,0326

Độ trễ 3 quý

(0,0082)

0,0039

(2,09)

0,037

(0,0160)

(0,0005)

Hiện tại * Thập phân vị

0,0108

0,0083

1,30

0,193

(0,0055)

0,0272

Độ trễ 3 quý * Thập phân

(0,0032)

0,0108

(0,30)

0,766

(0,0244)

0,0180

vị

Absolute dev in GDP

0,0039

0,0003

13,77

0,0033

0,0044

Stock market volatility

0,0518

0,0053

9,72

0,0414

0,0623

Constant

0,0025

0,0006

4,50

0,0014

0,0036

Trong bảng kết quả trên bao gồm những thay đổi các biến độc lập ở thời

điểm hiện tại và độ trễ của nó đến tỷ suất sinh lợi bất thường ba ngày trước ngày

công cố lợi nhuận. Kết quả cho thấy thay đổi lãi suất, tỷ giá hối đoái, giá cả hàng

hóa, GDP và độ bất ổn thị trường có ảnh hưởng đến tỷ suất sinh lợi bất thường trước

3 ngày công bố lợi nhuận ở mức ý nghĩa 1%. Và độ trễ tỷ giá hối đoái và độ trễ của

tỷ giá hối đoái * thập phân vị, độ trễ của giá cả hàng hóa ảnh hưởng đến tỷ suất sinh

lợi bất thường trước 3 ngày công bố lợi nhuận ở mức ý nghĩa là 5%. Các biến còn

lại có mức ảnh hưởng không rõ ràng. Biến độ trễ giá cả hàng hóa, GDP và độ bất ổn

thị trường đều nhỏ hơn 5% nên tác giả bác bỏ giả thiết Ho, chấp nhận giả thiết

tức là các biến này là có tương quan với tỷ suất sinh lợi bất thường 3 ngày trước

ngày công bố lợi nhuận, và đều có ý nghĩa thống kê trong mô hình này.

Trong cả 3 bảng (bảng 15, 16 và 17) kết quả hồi quy trên, hệ số đo lường độ phù hợp của mô hình R2 đều lớn hơn 0 điều này có ý nghĩa là 19,28% của tỷ suất

sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận được giải thích bởi mô

hình khi hồi qui các biến vĩ mô ở hiện tại và trong thập phân vị, là 16,31% của tỷ

suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận được giải thích bởi

mô hình khi hồi quy độ trễ của biến vĩ mô và độ trễ trong thập phân vị và 20,98%

của tỷ suất sinh lợi bất thường ba ngày trước ngày công bố lợi nhuận được giải thích

bởi mô hình khi hồi qui các biến vĩ mô ở hiện tại, độ trễ của nó và trong thập phân

vị. Trong cả ba bảng kết quả trên ta thấy hệ số Root MSE đều nhỏ hơn độ lệch

chuẩn của tỷ suất sinh lợi bất thường trong ba ngày trước ngày công bố lợi nhuận,

điều này cho thấy ước lượng mô hình được chấp nhận. Các kết quả nghiên cứu đều

phù hợp với các nghiên cứu trước của Geczy, Minton and Shrand (1997), Barton

(2001), Brown (2001), Dadalt, Gay and Nam (2002) và Pincus and Rajgopal (2002).

Biến động giá có mối tương quan đồng biến với tỷ suất sinh lợi bất thường, 1% tăng

trong biến động giá dẫn đến tỷ suất sinh lợi bất thường trong 3 ngày trước khi công

bố kết quả lợi nhuận tăng 0.049%. Đồng thời, biến động lãi suất có mối tương quan

nghịch biến với tỷ suất sinh lợi bất thường, tuy nhiên mức độ tác động không đáng

kể khi tăng 1% trong biến động lãi suất dẫn đến tỷ suất sinh lợi bất thường chỉ giảm

0.001%. Biến động tỷ giá có tương quan nghịch biến với tỷ suất sinh lợi bất thường,

khi tăng 1% trong biến động tỷ giá dẫn đến tỷ suất sinh lợi bất thường giảm 0.16%.

Với đặc điểm nguồn nguyên liệu phụ thuộc nhiều vào xuất khẩu (chiếm 45% tổng

kim ngạch xuất khẩu năm 2012), nên biến động giá hàng hóa ảnh hưởng đến tỷ suất

sinh lợi bất thường, bên cạnh biến động giá hàng hóa ảnh hưởng của các công ty đặc

biệt, có mối tương quan dương với tỷ suất sinh lợi bất thường trong 3 ngày trước khi

công bố thông tin lợi nhuận. Qua kết quả nghiên cứu có thể thấy ảnh hưởng của các

biến lãi suất, tỷ giá và biến động giá cả hàng hóa làm gia tăng rủi ro sự không chắc

chắn trong việc đầu tư. Bên cạnh đó, mức độ phù hợp của mô hình được đo lường qua chỉ tiêu R2 có giá trị là 18.9%, cho thấy các biến rủi ro bao gồm biến động lãi

suất, tỷ giá hối đoái, giá hàng hóa và 2 biến kiểm soát là biến động giá và biến động

GDP giải thích được 18.9% tỷ suất sinh lợi bất thường trong 3 ngày sau khi niêm

yết, còn lại 81.1% được giải thích bởi các biến không được đưa vào mô hình.

1.2 Hồi quy phân tích sai số dự báo khi có sự thay đổi của lãi suất, tỷ giá hối

đoái và giá cả hàng hóa

Kết quả ở bảng 15, 16 và 17 cho thấy những thay đổi trong lãi suất, tỷ giá hối

đoái và giá cả hàng hóa gia tăng sự không chắc chắn mà các nhà đầu tư phải đối mặt

trong việc dự đoán thu nhập của các công ty có độ nhạy cảm rủi ro đáng kể.

Nhưng vì dữ liệu dự báo tỷ suất sinh lợi từ các chuyên gia phân tích tại thị

trường Việt Nam chỉ bắt đầu từ năm 2012 đến nay và chỉ có các dự báo tỷ suất sinh

lợi cho cả năm. Số liệu thống kê trong cỡ mẫu các công ty có số liệu dự báo từ năm

2012 trở về sau:

Bảng 18: Thống kê các công ty trong mẫu có dữ liệu dự báo đến thời

điểm hiện tại

ST Mã TSSL dự báo cho TSSL dự báo cho Tên Công ty T CK 2012 2013

3.169,0 4.181,0 1 BBC Công ty Cổ phần Bibica

4.821,0 N/A 2 BHS Công ty Cổ phần Đường Biên Hòa

3.855,0 548,0 CII Công ty Cổ phần Đầu tư Hạ tầng Kỹ 3 thuật Thành phố Hồ Chí Minh

4 DHG Công ty cổ phần Dược Hậu Giang N/A 8.697,0

5 DRC Công Ty Cổ Phần Cao Su Đà Nẵng 2.584,0 2.308,0

6 FPT Công Ty Cổ Phần Cao Su Đà Nẵng 9.626,0 13.264,0

7 IMP Công ty cổ phần dược phẩm Imexpharm 4.796,0 4.926,0

MPC Công ty Cổ phần Tập đoàn Thủy hải sản 6.116,0 6.262,0 8 Minh Phú

9 PAC Công ty Cổ phần Pin Ắc quy miền Nam 2.897,0 3.845,0

PVD Tổng công ty cổ phần Khoan và Dịch vụ N/A 782,0 10 khoan dầu khí

11 REE Công ty cổ phần Cơ điện lạnh N/A 3.528,0

12 VNM Công ty Cổ phần Sữa Việt Nam N/A 8.413,0

Trong phần này, tôi tiếp tục quan sát sự không chắc chắn này bằng cách sử

dụng lợi nhuận dự kiến của công ty làm đại diện cho lợi nhuận mong đợi của nhà

đầu tư.

Do hạn chế về dữ liệu trên, nên trong bài nghiên cứu này tôi sử dụng mô hình

seasonal random walk time series để tính giá trị sai lệch dự báo (forecast error) bằng

giá trị thay đổi giá trị EPS thực tế của quý báo cáo và EPS thực tế của quý trước.

Sau đó, bài nghiên cứu cũng tiếp tục thực hiện các kiểm định về hiện tượng

phương sai sai số không đổi và tương quan chuỗi trong mô hình với biến phụ thuộc

là sai số dự báo (forecast error). Kết quả cho thấy có hiện tượng phương sai sai số

thay đổi với các giá trị prob =0.000 ở 3 mô hình: ảnh hưởng đầy đủ, ảnh hưởng rủi

ro hiện tại, ảnh hưởng rủi ro trễ 3 quý. Tuy nhiên, kết quả kiểm định tương quan

chuỗi lại cho kết quả không có hiện tượng tương quan chuỗi trong mô hình. Kết quả

kiểm định tương quan chuỗi được lần lượt được trình bày trong 3 bảng sau:

Wooldridge test for autocorrelation in panel data

Ho: no first – order autocorrelation

F (1, 77) = 1.100

Prob > F = 0.2976

Wooldridge test for autocorrelation in panel data

Ho: no first – order autocorrelation

F (1, 77) = 1.940

Prob > F = 0.1676

Wooldridge test for autocorrelation in panel data

Ho: no first – order autocorrelation

F (1, 77) = 1.337

Prob > F = 0.2511

Baron và cộng sự (1998) cho thấy sai số dự báo của nhà phân tích và sự phân

tán trong phân tích dự báo của nhà phân tích gia tăng cùng với sự không chắc chắn.

Tác giả dùng các giá trị sai số dự báo trung bình như là một thước đo không chắc

chắn của thu nhập đó là chưa được giải quyết bởi nhà phân tích.

Dự báo thu nhập hàng quý từ dữ liệu tỷ suất sinh lợi kế hoạch và tính toán sai

số dự báo trung bình từ cho mỗi quan sát như sự khác biệt giữa thu nhập thực hàng

quý trên mỗi cổ phiếu và thu nhập thực hàng quý trước.

Tôi bắt đầu kiểm tra mối liên hệ giữa độ nhạy cảm rủi ro và dự báo của nhà

phân tích bằng cách ước tính hồi quy tương tự như báo cáo trong Bảng 15, 16 và 17,

các biến phụ thuộc là phân tích giá trị sai số dự báo trung bình. Tương tự như

phương trình (1), các biến độc lập bao gồm những giá trị thay đổi trong lãi suất, tỷ

giá hối đoái và giá cả hàng hóa trong suốt quý gần đây, sự tác động qua lại giữa các

thay đổi về giá và các biến dự báo độ nhạy cảm rủi ro trong thập phân vị, và kiểm

soát rủi ro vĩ mô đối với những thay đổi trong GDP và độ lệch chuẩn trong tỷ suất

sinh lợi thị trường hàng ngày trong suốt quý.

Thêm hai biến kiểm soát trong mô hình hồi quy vì tôi hy vọng rằng những dự

báo của nhà phân tích xa rời thu nhập thực tế của công ty hơn sự không chắc chắn

gây ra bởi độ nhạy cảm rủi ro lãi suất, tỷ giá hối đoái và giá cả hàng hóa và các

nguồn cung cấp thông tin ở mức độ vĩ mô trong ngắn hạn khác về sự không chắc

chắn. Đầu tiên, sự chính xác của dự báo đồng thuận giống như đang gia tăng trong

số lượng các nhà phân tích làm dự báo. Một số nhà phân tích (hoặc nhiều hơn) ủng

hộ nhiều hơn (hoặc ít hơn) các ước tính giống nhau và nhiều hơn (ít hơn) những sai

số dự báo độ bất ổn. Để kiểm soát cho hiệu ứng này trong mô hình hồi quy, lấy log

số lượng các nhà phân tích để ước tính thu nhập đồng thuận. Tuy nhiên, do hạn chế

tại thị trường Việt Nam chưa có số liệu đầy đủ về giá trị dự báo cũng như số lượng

nhà phân tích làm dự báo nên trong mô hình hồi quy tôi loại bỏ biến số lượng nhà

phân tích.

Thứ hai, kỳ vọng rằng độ lớn của sai số dự báo của nhà phân tích và khả

năng một công ty bỏ lỡ dự báo đồng thuận là trên trung bình lớn hơn cho các công

ty trong môi trường kinh doanh không chắc chắn, hoặc cho các công ty ít chịu áp

lực từ việc “quản lý” thu nhập. Để kiểm soát những tác động tổng hợp của những

yếu tố này, tôi tính toán một thước đo của độ lớn mang tính lịch sử của công ty cụ

thể đối với sai số dự báo của nhà phân tích. Tôi ước tính biến này như là giá trị

trung bình sai số dự báo cho một công ty trong suốt bốn quý trước mỗi quan sát

hàng quý. Phương pháp tính toán với biến này là độ trễ dự báo sai số. Bởi vì sự quan

tâm trong biến này là để kiểm soát các yếu tố có liên quan đến các sai số dự báo của

từng công ty, trước tiên tôi hồi quy sai số dự báo trung bình để tính toán những thay

đổi của lãi suất, tỷ giá hối đoái và chỉ số giá ở quý hiện tại và độ trễ của nó. Tôi sử

dụng các số dư từ hồi quy này như là một biến kiểm soát để nắm bắt yếu tố ảnh

hưởng đến các phân tích sai số dự báo của từng công ty và để loại bỏ các sai số dự

báo mang tính lịch sử của mối tương quan của nó với những thay đổi rủi ro tài

chính.

Hồi quy sai số dự báo của nhà phân tích và những thay đổi lãi suất, tỷ giá hối

đoái và giá cả hàng hóa theo phương trình sau:

Abs

(

)

(

)

(

Top decile IR Exp

∆

*) t

+ βα 1

β 2

Abs

Top decile FX Exp

(

)

(

∆

*) t

β 3

β 4

Abs

Com

Abs

Com

Top decile COM Exp

(

)

(

∆

*) t

β 5

β 6

Top decile IR Exp

Abs

(

)

(

)

∆

β 7

β 8

−

t 1,3 −

−

t 1,3 −

Top decile FX Exp

Abs

(

)

(

)

∆

β 9

β 10

−

t 1,3 −

−

t 1,3 −

Top decile COM Exp

Abs

Com

Abs

Com

(

)

(

)

∆

β 11

β 12

−

t 1,3 −

−

t 1,3 −

Abs

(Deviation in GDP)

Market Volatility t

13β+

14β+t

Average Abs (Forecast Error)

+ error t

15β+

− t

1,4 −

Phương trình (2):

Trong đó:

(cid:1) Abs(FE) là giá trị tỷ suất sinh lợi thực theo báo cáo trừ (-) tỷ suất sinh

− t

1,4 −

lợi thực của quý trước; (cid:1) Average Abs(Forecast Error) là giá trị của sai số dự báo trung bình

còn lại mô tả ở trên cho bốn quý trước quý t.

(cid:1) Các biến khác bao gồm trong hồi quy này được định nghĩa trong

phương trình (1).

Một khía cạnh quan trọng của thiết kế thực nghiệm là thời gian đo lường

biến. Đo lường sai số dự báo được dựa trên dự báo trung bình của nhà phân tích đo

được trong tháng cuối cùng trước khi kết thúc quý. Các tính toán về những rủi ro lãi

suất, tỷ giá hối đoái và giá cả hàng hóa từ đầu quý đến cuối quý mà thu nhập đang

được dự báo. Do đó, ngoại trừ những thay đổi về lãi suất, tỷ giá hối đoái và giá cả

hàng hóa trong suốt hai tuần cuối quý, các nhà phân tích có thể quan sát những thay

đổi về giá và tổng hợp vào dự báo của họ.

Để đảm bảo rằng kết quả không bị ảnh hưởng bởi cú sốc về giá xảy ra trong

hai tuần cuối quý, Tôi chạy tất cả các thử nghiệm của mình bằng những thay đổi về

lãi suất, tỷ giá hối đoái và giá cả hàng hóa của quý hiện tại đo lường trên 2,5 tháng

đầu của quý hiện tại (ngoại trừ cú sốc giá trong hai tuần cuối của quý hiện tại). Tất

cả các kết quả là rõ ràng phương pháp đo lường biến thay thế này.

Do có hiện tượng phương sai sai số thay đổi nên trong bài nghiên cứu tôi

thực hiện khắc phục hiện tượng phương sai sai số thay đổi bằng robustness. Kết quả

lần lượt được trình bày trong các bảng sau:

Bảng 19: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập

Number of obs

1.872

F (14, 1857)

1.31

Prob > F

0.2333

R-squared

0.0016

Root MSE

27.007

gồm rủi ro hiện tại

Robust

Coef.

t

P>|t| Khoảng tin cậy 95%

Std. Err.

Forecasts Error (biến phụ thuộc)

Stock market volatility

-1.189255 1.886205

-0.63 0.528 -4.888552 2.510043

-.1698665 .2574691

-0.66 0.509 -.6748247 .3350917

IR * Top decile

.2763442 .1934487

1.43 0.153 -.1030548 .6557432

42.06684 23.40379

1.80 0.072 -3.833561 87.96723

FX * Top decile

-39.37523 33.90772

-1.16 0.246 -105.8763 27.12588

COM

4.987935 5.079732

0.98 0.326 -4.974629 14.9505

COM * Top decile

-.6608946 3.319847

-0.20 0.842 -7.171904 5.850115

Absolute dev in GDP

.3354011 .3678586

0.91 0.362 -.3860572 .1056859

Constant

.4798258 .5479265

0.88 0.381 -.5947884 1.55444

Bảng 20: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập

Number of obs

1.872

F (14, 1857)

2.85

Prob > F

0.0038

R-squared

0.0019

Root MSE

27.003

gồm rủi ro với độ trễ 3 quý

Robust

Coef.

t

P>|t| Khoảng tin cậy 95%

Std. Err.

Forecasts Error (biến phụ thuộc)

Stock market volatility

-1.287485

.3562238 -0.36

0.718 -8.273882 5.698911

IR lag

.346127 .3478216

1.00 0.320 -.336034 1.028288

IR lag* Top decile

-.2926748

.231595

-1.26 0.206 -.7468878 .1615381

FX lag

49.16729 49.59427

0.99 0.322 -48.09887 146.4335

FX lag * Top decile

-57.13047 49.50325

-1.15 0.249 -154.2181 39.9572

COM lag

-4.449234 2.677092

-1.66 0.097 -9.699649 .8011819

COM lag* Top decile

-5.787994 3.705348

-1.56 0.118 -13.05506 1.479075

Absolute dev in GDP

.5096521 .4276112

1.19 0.233 -.3289954 1.348299

Constant

.4689691 .3991769

1.17 0.240 -.3139118 1.25185

Bảng 21: Hồi quy chênh lệch tỷ suất sinh lợi dự báo với các biến độc lập

Number of obs

1.872

F (14, 1857)

1,78

Prob > F

0.0358

R-squared

0,0030

Root MSE

27,032

gồm rủi ro hiện tại và độ trễ 3 kỳ

Robust

Coef.

t

P>|t| Khoảng tin cậy 95%

Std. Err.

Forecasts Error (biến phụ thuộc)

Stock market volatility

-2.428217 3.445044

-0.07

0.481

-9.184784 4.329349

-.0520176

.1765727

-0.29

0.768

-.3983195

.2942843

IR * Top decile

.2266524

.2037703

1.11

0.266

-.1729905

.6262952

IR lag

.2497991

.2773356

0.90

0.368

-.2941232

.7937214

IR lag * Top decile

-.220623

.2349536

-0.94

0.348

-.6814239

.2401779

40.37052 20.09188

2.01

0.045

.9654719 79.77558

FX * Top decile

-28.16396 26.84329

-1.05

0.294

-80.81016 24.48224

FX lag

48.57355 47.96769

1.01

0.311

-45.50271 142.6498

FX lag * Top decile

-50.76403 45.26687

-1.12

0.262

-139.5433 38.01528

COM

3.467637 4.699488

0.74

0.461

-5.749197 12.68447

COM * Top decile

-2.121493

3.63484

-0.58

0.560

-9.250295

5.00731

COM lag

-3.026041 1.804365

-1.68

0.094

-6.564838

.5127566

COM lag * Top decile

-6.57793 4.154105

-1.58

0.113

-14.72514 1.569276

Absolute dev in GDP

.4565015

.4150118

1.10

0.271

-.3574373

1.27044

Constant

.0778019

.3876449

0.20

0.841

-.682437

.8380676

Kết quả cho thấy tỷ giá hối đoái, giá hàng hóa trễ 3 kỳ có ảnh hưởng đến sai

số dự báo ở mức ý nghĩa lần lượt là 5%. Kết quả trên phù hợp với đặc điểm của Việt

Nam khi nhập khẩu nguyên liệu chiếm 42% tổng kim ngạch nhập khẩu (Nguồn:

http://www.vinhphucit.gov.vn/so-cong-thuong-vinh-

phuc.gplist.363.gpopen.7179.gpside.1.gpnewtitle.tong-kim-ngach-nhap-khau-thang-

10-nam-2013.asmx). Bên cạnh đó các biến khác không cho ảnh hưởng rõ ràng. Kết

quả trên phù hợp một phần với nghiên cứu trước của Wayne Guay và cộng sự

(2003), Minton and Schrand (1999), Gebhart và cộng sự (2001), Lang và cộng sự

(2002), and Easley, Hvidkjaer and O’Hara (2002).

Tương quan giữa độ bất ổn thị trường và sai số dự báo là tương quan âm,

nghĩa là khi độ bất ổn thị trường tăng 1% thì sai số dự báo giảm 2,43%. Tương tự

với các biến khác.

Sự thất bại của các nhà phân tích để giải quyết hoàn toàn sự không chắc chắn

được tạo ra bởi cú sốc về lãi suất, tỷ giá hối đoái và giá cả hàng hóa là không hoàn

toàn đáng ngạc nhiên. Sơ đồ hoàn hảo đưa cú sốc vào thu nhập đòi hỏi nhiều thông

tin về độ nhạy cảm thu nhập với rủi ro lãi suất, tỷ giá hối đoái và giá cả hàng hóa

của từng công ty. Ví dụ, để dự đoán như thế nào một rủi ro tỷ giá hối đoái sẽ ảnh

hưởng đến lợi nhuận yêu cầu của một công ty đòi hỏi phải có kiến thức chi tiết về

tất cả các hợp đồng tiền tệ của công ty và các hoạt động phòng ngừa rủi ro tài chính,

cũng như ảnh hưởng của cú sốc này vào áp lực cạnh tranh, nhu cầu sản phẩm và giá

đầu vào. Dưới đây, tôi mở rộng việc phân tích để giải quyết các câu hỏi liệu các nhà

phân tích cố gắng giải quyết sự không chắc chắn được tạo ra bởi những cú sốc này

và làm thế nào họ thành công trong quá trình này.

Độ lớn của hệ số hồi quy trong Bảng 21 cho thấy các cú sốc về lãi suất, tỷ giá

hối đoái và giá cả hàng hóa có một tác động kinh tế đáng kể trên các phân tích sai số

dự báo. Ví dụ, hãy xem xét hệ số -0,0520176 của cú sốc lãi suất trong giai đoạn hiện

nay trong Bảng 21. Hệ số này cho thấy, trung bình, cú sốc về lãi suất bằng với trung

bình mẫu (0,0213) gia tăng mức độ của sai số dự báo 2,09% cho toàn bộ mẫu.

Tương tự với các biến còn lại. Những tác động này là lớn đáng kể đối với những

công ty lớn với độ nhạy cảm rủi ro lãi suất và tỷ giá hối đoái. Đối với các công ty có

độ nhạy cảm rủi ro lãi suất trong thập phân vị, gia tăng hệ số của biến cú sốc về lãi

suất là .2266524. Đối với các công ty có độ nhạy cảm rủi ro tỷ giá hối đoái trong

thập phân vị, gia tăng hệ số của biến cú sốc về tỷ giá hối đoái là -28.16396.

2. Gia tăng thông tin dự báo cho nhà phân tích

Tuy nhiên, thực tế là các nhà phân tích xem xét lại dự báo của mình để đáp

ứng với những cú sốc về lãi suất, tỷ giá hối đoái và chỉ số giả cả hàng hóa không có

nghĩa là các điều chỉnh dự báo giải quyết thành công sự không chắc chắn được tạo

ra bởi các cú sốc. Do đó, một câu hỏi liên quan và chưa được giải quyết là liệu trong

phạm vi nhà phân tích có thể giải quyết nguồn không chắc chắn này hay không.

Tôi khảo sát khả năng của các nhà phân tích để giải quyết sự không chắc

chắn liên quan đến độ nhạy cảm rủi ro tài chính bằng cách so sánh ba phương pháp

dự báo với nhau mà sự khác nhau về khía cạnh thời gian và do đó cũng khác nhau

liên quan đến các kết hợp thông tin quan trọng về cú sốc lãi suất, tỷ giá hối đoái và

giá cả hàng hóa. Biện pháp đầu tiên là sai số dự báo của nhà phân tích, sử dụng

trong các bảng trước, phương pháp này là giá trị chênh lệch giữa tỷ suất sinh lợi cổ

phiếu và dự báo trung bình của nhà phân tích vào cuối quý (sau đây, gọi là “sai số

cuối kỳ”). Phương pháp dự báo này có lợi thế lớn nhất về chuỗi thời gian là cuối

quý, các nhà phân tích đã quan sát thấy những cú sốc hiện tại và độ trễ của nó và có

thể kết hợp bất kỳ thông tin mà họ có thể có về những ảnh hưởng của cú sốc đến thu

nhập. Biện pháp thứ hai là sai số dự báo của nhà phân tích tính toán như giá trị

chênh lệch giữa tỷ suất sinh lợi cổ phiếu thực và dự báo trung bình đầu quý của nhà

phân tích (sau đây, gọi là “sai số đầu kỳ”). Dự báo đầu kỳ của nhà phân tích được

thực hiện sau khi các nhà phân tích quan sát độ trễ của cú sốc nhưng trước khi quan

sát những cú sốc giai đoạn hiện tại, và như vậy là một bất lợi về thời gian so với dự

báo cuối kỳ.

Biện pháp thứ ba là sai số dự báo mô hình chuỗi thời gian (sau đây, được gọi

là mô hình sai số chuỗi thời gian) tính toán như giá trị chênh lệch giữa tỷ suất sinh

lợi cổ phiếu thực và tỷ suất sinh lợi cổ phiếu thực ở cùng kỳ năm trước. Mô hình

chuỗi thời gian này giả định rằng thu nhập hàng quý bước đi ngẫu nhiên theo mùa.

Phương pháp dự báo này có bất lợi lớn nhất là thông tin vì dự báo được hình thành

trước khi có sự xuất hiện của những cú sốc về lãi suất, tỷ giá hối đoái và giá cả hàng

hóa ở hiện tại và độ trễ của nó. Một phương pháp dự báo thay thế với những bất lợi

về thông tin tương tự có thể được dựa trên dự báo thu nhập hàng quý của ba hay bốn

quý trước (ví dụ, dự báo thu nhập quý thứ 4 được thực hiện kể từ quý đầu tiên của

kỳ tài chính). Tuy nhiên có một vấn đề với phương pháp này đó là phần lớn các nhà

phân tích không nhất quán khi dựa vào 3 quý trước để dự báo. Như trong các bảng

trước đó, dựa vào tất cả giá trị sai số dự báo của tỷ suất sinh lợi cổ phiếu.

Quan tâm chính trong những phương pháp dự báo thay thế là để nghiên cứu

mức độ mà cải thiện gia tăng dự báo cuối kỳ có thể được giải thích bằng cách kết

hợp thông tin về cú sốc lãi suất, tỷ giá hối đoái và giá cả hàng hóa ở hiện tại và độ

trễ của nó. Giả định ước tính của nhà phân tích chính xác ít nhất một số tác động của

các cú sốc vào dự đoán của họ, tác giả kỳ vọng tìm thấy một liên kết cùng chiều

giữa sự cải thiện gia tăng trong cuối quý dự báo và những cú sốc.

Trong các cuộc thảo luận ở trên, một câu hỏi đáng quan tâm là tỷ lệ nào trong

tổng sự không chắc chắn gây ra bởi cú sốc về lãi suất, tỷ giá hối đoái và giá cả hàng

hóa đã được giải quyết bởi các nhà phân tích.

Tuy nhiên do hạn chế về việc thống kê số liệu dự báo của nhà phân tích tại

Việt Nam nên trong phạm vi bài nghiên cứu này chưa thể sử dụng các mô hình hồi

quy để xác định tỷ lệ giải quyết sự không chắc chắn về sai số dự báo tỷ suất sinh lợi

của nhà đầu tư khi chịu ảnh hưởng từ rủi ro tài chính. Và đây là một hạn chế lớn của

bài nghiên cứu này. Theo số liệu thống kê chỉ từ năm 2012 trở về sau mới bắt đầu có

một số ít nhà đầu tư đưa ra dự báo, do vậy trong tương lai khi có đầy đủ dữ liệu

dưcó thể sử dụng các mô hình của tôi để ước tính sự không chắc chắn về tỷ suất sinh

lợi dự báo của nhà đầu tư khi các yếu tố vĩ mô thay đổi.

CHƯƠNG 5: KẾT LUẬN

Bài nghiên cứu này bắt đầu phân tích từ những tài liệu được ghi nhận trong

quý gần đây và độ trễ của nó khi lãi suất, tỷ giá hối đoái và giá cả hàng hóa thay đổi

tạo ra sự không chắc chắn về lợi nhuận kế toán mà nhà đầu tư không giải quyết

được trước ngày công bố lợi nhuận. Cụ thể, đối với các công ty lớn chịu nhiều tác

động từ lãi suất, tỷ giá hối đoái và giá cả hàng hóa, giá trị lãi cổ phiếu vượt quá lợi

nhuận được thông báo tăng lên trong quý hiện tại và độ trễ của nó khi lãi suất, tỷ giá

hối đoái và giá cả hàng hóa thay đổi.

Những kết quả này cho thấy rằng khi lãi suất, tỷ giá hối đoái và giá cả hàng

hóa thay đổi không chỉ ảnh hưởng đến lợi nhuận trong quý hiện tại mà còn ảnh

hưởng đến vài quý sau đó. Những thay đổi của lãi suất, tỷ giá hối đoái và giá cả

hàng hóa tạo ra sự không chắc chắn về lợi nhuận dự kiến trong quý gần đây nhất và

độ trễ của nó. Báo các thu nhập cung cấp được một số thông tin cho các nhà đầu tư

về những ảnh hưởng của thay đổi lãi suất, tỷ giá hối đoái và giá cả hàng hóa.

Mặc dù kết quả chỉ ra rằng thay đổi của lãi suất, tỷ giá hối đoái và giá cả

hàng hóa làm gia tăng sự không chắc chắn của nhà đầu tư. Để tìm hiểu làm thế nào

nhà đầu tư giải quyết sự không chắc chắn theo thời gian, tôi kiểm tra quá trình mà

các nhà phân tích điều chỉnh dự báo tỷ suất sinh lợi dự báo của họ để kết hợp với

thay đổi của lãi suất, tỷ giá hối đoái và giá cả hàng hóa. Đầu tiên, tôi kiểm định tự

tương quan của tỷ suất sinh lợi theo báo cáo khi lãi suất, tỷ giá hối đoái và giá cả

hàng hóa thay đổi ở hiện tại và độ trễ của nó. Kết quả này phù hợp với nổ lực của

các nhà phân tích trong việc cố gắng kết hợp các tác động của thay đổi lãi suất, tỷ

giá hối đoái và giá cả hàng hóa trong việc đưa ra dự báo của họ. Thứ hai, dự báo của

nhà phân tích và điều chỉnh dự báo của nhà phân tích giải quyết một phần trong tổng

số không chắc chắn gây ra bởi những cú sốc về giá. Cụ thể, sự vượt trội của tỷ suất

sinh lợi dự kiến cuối kỳ so với tỷ suất sinh lợi dự báo từ mô hình chuỗi thời gian

ngẫu nhiên theo mùa, ít nhất một phần là do khả năng để giải quyết sự không chắc

chắn của nhà phân tích liên quan đến những thay đổi của lãi suất, tỷ giá hối đoái và

giá cả hàng hóa.

Như một dấu hiệu của mức độ hoặc tỷ lệ của sự không chắc chắn được giải

quyết, tôi thấy rằng so với tỷ suất sinh lợi dự báo từ một mô hình chuỗi thời gian

ngẫu nhiên theo mùa, dự báo cuối kỳ của nhà phân tích giải quyết được một phần

tổng số không chắc chắn được kỳ vọng do những thay đổi của lãi suất, tỷ giá hối

đoái và giá cả hàng hóa bằng trung bình mẫu. (Tỷ lệ phần trăm giảm dần phụ thuộc

vào từng loại và độ lớn rủi ro tài chính đối với công ty cho trước).

Có một số bằng chứng cho thấy việc nhà đầu tư điều chỉnh dự kiến trong quý

giải quyết một phần sự không chắc chắn được tạo ra bởi những thay đổi của lãi suất,

tỷ giá hối đoái và giá cả hàng hóa mà nó đã tồn tại vào đầu quý.

Kết quả bài nghiên cứu của Wayne Guay và cộng sự (2003) có ý nghĩa đối

với hai dòng nghiên cứu. Đầu tiên, một nghiên cứu gần đây về vai trò của phòng

ngừa rủi ro trong việc gia tăng lượng thông tin đến nhà đầu tư. Demarzo và Duffie

(1995) lập luận rằng phòng ngừa rủi ro có thể hạn chế được những tổn thất về lợi

nhuận của công ty và do đó làm giảm sự bất cân xứng thông tin giữa các nhà quản lý

và nhà đầu tư. Một giả định ngầm trong mô hình của họ là người bên ngoài gặp khó

khăn trong việc giải thích ảnh hưởng của rủi ro công ty có thể tự phòng ngừa. Kết

quả của bài nghiên cứu này phù hợp với giả thuyết này bởi vì các tài liệu cho thấy

rằng các nhà đầu tư và các nhà phân tích không giải quyết tác động của phòng ngừa

rủi ro do thay đổi của lãi suất, tỷ giá hối đoái và giá cả hàng hóa.

Kết quả bài nghiên cứu của Wayne Guay và cộng sự (2003) cũng hỗ trợ cho

các bài nghiên cứu thực nghiệm gần đây rằng chứng minh mối liên quan giữa việc

sử dụng công cụ tài chính phái sinh và sự không chắc chắn về lợi nhuận kỳ vọng. Ví

dụ, các nghiên cứu gần đây bao gồm Geczy và cộng sự (1997), Barton (2001),

Brown (2001), Dadalt và cộng sự (2002) và Pincus và Rajgopal (2002) tìm thấy

những công cụ phái sinh mà các công ty sử dụng liên quan đến sự bất ổn của lợi

nhuận, số lượng các nhà phân tích và độ chính xác của tỷ suất sinh lợi dự kiến.

Bài nghiên cứu thứ hai là sự phát triển của học thuyết, thử nghiệm làm thế

nào để hiểu rõ các chuẩn mực kế toán và công bố báo cáo tài chính của công ty,

cung cấp thông tin về rủi ro của công ty cho người sử dụng báo cáo tài chính. Bài

nghiên cứu chung này cho thấy rằng việc cung cấp thông tin công ty có tính lịch sử

không đủ để giải quyết sự không chắc chắn của nhà đầu tư về rủi ro tài chính. Tuy

nhiên, câu hỏi thực nghiệm quan trọng không được giải quyết bởi bài nghiên cứu

này và ít nhất một phần được giải quyết trong bài nghiên cứu này bao gồm, bao

nhiêu sự không chắc chắn được tạo ra bởi độ nhạy cảm rủi ro được giải quyết bằng

cách tham gia thị trường, bao nhiêu sự không chắc chắn còn lại và khoảng thời gian

để giải quyết sự không chắc chắn này.

Kết quả cho thấy rằng độ nhạy cảm rủi ro lãi suất, tỷ giá hối đoái và giá cả

hàng hóa chiếm một số lượng đáng kể sự không chắc chắn về thu nhập và một phần

đáng kể của sự không chắc chắn này được giải quyết bằng cách tham gia thị trường

thông qua các yêu cầu công bố thông tin hiện có và thực hiện chỉ sau một vài quý.

Cho thấy rằng những nỗ lực gần đây của cơ quan quản lý và chuẩn mực kế toán để

cải thiện cung cấp về độ nhạy cảm rủi ro có thực sự tập trung vào sự không chắc

chắn thông tin hiện có. (Lưu ý rằng kết quả này không đề cập đến việc yêu cầu công

bố thêm hoặc nên giải quyết thêm sự không chắc chắn. Tăng cung cấp sẽ chỉ làm

tăng thêm thiết lập thông tin bên ngoài nếu các nhà quản lý có thông tin bí mật về

rủi ro công ty. Mặc dù không cung cấp bằng chứng về vấn đề này, chúng cho thấy

rằng ít nhất một số công ty không cung cấp đầy đủ thông tin về độ nhạy cảm rủi ro

của họ. Ví dụ, vào ngày 11 tháng 1 năm 2002 Ford Motor Corp thông báo rằng nó

đã được dùng khoảng một khoản phí 1 tỷ USD để làm giảm giá trị cổ phần hàng hóa

palladium. Mặc dù quản lý của Ford đã công bố trong hồ sơ pháp lý của họ mà họ

phải đối mặt với rủi ro hàng hóa, Ford đã không đề cập nắm giữ paladium trong bất

kỳ báo cáo tài chính của mình trong vòng năm năm qua. Đối với một cuộc thảo luận

cho thấy “Kho dự trữ quản lý Palladium yếu kém là chất xúc tác cho việc giảm giá

trị cổ phần của Ford” Wall Street Journal, 06 tháng 2 năm 2002. Một điểm nữa là

không thể loại trừ khả năng rằng một phần của sự không chắc chắn về độ nhạy cảm

rủi ro là do người bên ngoài không có khả năng xử lý hiệu quả tất cả các thông tin

về độ nhạy cảm rủi ro các công ty). Trong khi các bài nghiên cứu tập trung đặc biệt

vào sự không chắc chắn do độ nhạy cảm rủi ro lãi suất, tỷ giá hối đoái và giá cả

hàng hóa, tôi tin rằng cách tiếp cận để xác định sự không chắc chắn của nhà đầu tư

và nhà phân tích là khá chung chung và có thể được áp dụng đối với các khía cạnh

khác của điều hành công ty, đầu tư và hoạt động tài chính nơi mà thông tin bất cân

xứng được dự đoán sẽ tồn tại.

Nhà đầu tư không giải quyết hoàn toàn sự không chắc chắn được tạo ra từ rủi

ro tài chính mà chỉ giải quyết được khoảng 20% sự không chắc chắn được tạo ra từ

rủi ro tài chính.

Các kết quả cũng cho thấy rằng việc phát hiện những rủi ro của công ty cung

cấp cho các nhà phân tích và nhà đầu tư với một số nhưng không phải tất cả các

thông tin cần thiết để hiểu rủi ro tài chính của doanh nghiệp. Như vậy, kết quả cho

thấy rằng những nỗ lực gần đây của cơ quan quản lý và chuẩn mực kế toán để cải

thiện việc phát hiện rủi ro mà công ty phải đối mặt trong tương lai. Tất nhiên, việc

phát hiện thêm những thông tin liên quan phụ thuộc vào việc các nhà quản lý có

phát hiện toàn bộ rủi ro của doanh nghiệp và liệu họ có công bố đầy đủ những thông

tin về rủi ro mà họ có thể đối mặt trong tương lai khi sự cạnh tranh ngày càng gay

gắt và nhu cầu huy động vốn thì rất lớn.

MỘT SỐ HẠN CHẾ CỦA BÀI NGHIÊN CỨU KHI ÁP DỤNG TẠI VIỆT NAM

(cid:1) Thời gian mẫu trong bài nghiên cứu này là từ quý 3 năm 2007 đến quý 2 năm

2013, do dữ liệu về ngày công bố báo cáo chỉ mới bắt đầu có từ năm 2009,

tuy nhiên vẫn chưa đầy đủ và chính xác. Do vậy ngày công bố báo cáo trong

bài nghiên cứu này được lấy vào ngày kết thúc quý báo cáo và điều chỉnh

thêm khoảng thời gian được phép để chính thức công bố báo cáo, như đối với

các báo cáo từ quý 1 đến quý 3, tôi điều chỉnh cộng thêm khoảng thời gian là

20 ngày và báo cáo quý 4 – cả năm thì điều chỉnh cộng thêm khoảng thời

gian là 30 ngày.

(cid:1) Biến dự báo tỷ suất sinh lợi cổ phiếu công ty hàng quý đến thời điểm hiện

nay vẫn chưa có số liệu đầy đủ và có rất ít công ty công bố tỷ suất sinh lợi dự

báo hàng quý. Đây là một hạn chế rất lớn của bài nghiên cứu này.

(cid:1) Do hạn chế tại thị trường Việt Nam chưa có số liệu đầy đủ về giá trị dự báo

của nhà phân tích cũng như số lượng nhà phân tích làm dự báo nên tôi chưa

thể thực hiện một số mô hình hồi quy để xác định sự chắc chắn tỷ suất sinh

lợi dự báo khi chịu ảnh hưởng từ các yếu tố vĩ mô. Tuy nhiên từ năm 2013

bắt đầu có thông tin về dự báo tỷ suất sinh lợi cổ phiếu, vì vậy tôi mong rằng

trong tương lai thị trường Việt Nam sẽ ngày càng phát triển hơn để các nhà

nghiên cứu có đầy đủ dữ liệu để thực hiện các mô hình nghiên cứu chính xác

hơn.

TÀI LIỆU THAM KHẢO

Tài liệu trong nước:

1. Báo cáo tổng hợp kết quả nghiên cứu khoa học đề tài cấp cơ sở năm 2005:

Nghiên cứu xây dựng qui trình và phương pháp thực hành hồi quy tuyến tính

dựa trên phần mềm Stata. Chủ nhiệm: Lê Đỗ Mạch, Hà Nội 2005.

2. Hoàng Ngọc Nhậm và cộng sự, 2010. Giáo trình Kinh tế lượng. Tp. Hồ Chí

Minh: Nhà xuất bản Thống kê.

3. Nguyễn Thị Mỹ Dung, 2013. Nhân tố ảnh hưởng đến giá chứng khoán của

Việt Nam – Một số điểm cần lưu ý. Tạp chí Phát triển và Hội nhập, số 8,

tháng 1 – 2/2013, trang 42 – 45.

4. Nguyễn Thị Ngọc Trang và cộng sự, 2011. Quản trị rủi ro tài chính. Tp. Hồ

Chí Minh.

5. Phan Thị Bích Nguyệt và cộng sự, 2006. Đầu tư tài chính. Tp. Hồ Chí Minh:

Nhà xuất bản Thống kê.

6. Trần Ngọc Thơ và cộng sự, 2003. Tài chính doanh nghiệp hiện đại. Tp. Hồ

Chí Minh: Nhà xuất bản Thống kê.

7. Võ Thị Thúy Anh & Nguyễn Thanh Hải. Nghiên cứu ảnh hưởng của các

nhân tố vĩ mô đến tỷ suất sinh lợi cổ phiếu niêm yết trên HSX: Tạp chí Phát

triển kinh tế 275 (09/2013) 16-27.

Tài liệu nước ngoài:

1. Barton, J., 2001, Does the use of financial derivatives affect earnings

management decisions? Accounting Review 76, 1 - 26.

2. Beaver, W., 1968, The information content of earnings, Journal of

Accounting Research, 6 (supplement), 67 - 92.

3. Bhattacharya, S.,1979, Imperfect information, dividend policy and ‘the bird

in the hand’ fallacy, Bell Journal of Economics, 10, 259 - 270.

4. Brown, G., 2001, Managing foreign exchange risk with derivatives,

Journal of Financial, Economics, 60, 401 - 448.

5. Dadalt, P., G. Gay, and J. Nam, 2002, Asymmetric information and corporate

derivatives use, Forthcoming, Journal of Futures Markets.

6. Demarzo, P., and D. Duffie, 1995, Corporate incentives for hedging and

hedge accounting, Review of Financial Studies, 8, 743 - 771.

7. Easley, D., S. Hvidkjaer, and M. O’Hara, 2002, Is information risk a

determinant of asset returns, Journal of Finance 57, 2185 - 2221.

8. Gebhart, W., C. Lee, and B. Swaminathan, 2001, Toward an implied cost of

capital, Journal of Accounting Research 39, 135 - 176.

9. Géczy, C., B. Minton, and C. Schrand, 1997, Why firms use currency

derivatives, Journal of Finance 52, 1323 - 1354.

10. Haushalter, David G., 2000, Financial policy, basis risk, and corporate

hedging: Evidence from oil and Gas Producers, Journal of Finance 55, 107 -

152.

11. Kim, O., and R. Verrecchia, 1994, Market liquidity and volume around

earnings announcements, Journal of Accounting and Economics, 17, 41 - 67. 12. Lang, M., K. Lins, and D. Miller, 2002, ADRs, Analysts, and Accuracy:

Does Cross Listing in the U.S. Improve a Firm's Information Environment

and Increase Market Value?, forthcoming in Journal of Accounting Research. 13. Mikkelson, W., and M. Partch, 1986, Valuation effects of security offerings

and the issuance process, Journal of Financial Economics 15, 31 - 60.

14. Minton, B., and C. Schrand, 1999, The impact of cash flow volatility on

discretionary investment and the costs of debt and equity financing, Journal

of Finance Economics 54, 423 - 460.

15. Myers S., and N. Majluf, 1984, Corporate financing and investment decisions

when firms have information that investors do not have, Journal of Financial

Economics 13, 187 - 221.

16. Pincus, M., and S. Rajgopal, 2002, The Interaction between Accrual

Management and Hedging: Evidence from Oil and Gas Firms, Accounting

Review 77, 127 - 160.

17. Wayne Guay, David Haushalter, Bernadette Minton (2003) “The influence of

corporate risk exposures on the accuracy of earnings forescasts”.