Luận văn Thạc sĩ Kinh tế: Phân tích dự báo giá và rủi ro của thị trường cổ phiếu niêm yết Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

LÊ TUẤN BÁCH

PHAÂN TÍCH DÖÏ BAÙO GIAÙ & RUÛI RO

THÒ TRÖÔØNG COÅ PHIEÁU NIEÂM YEÁT VIEÄT NAM

CHUYÊN NGÀNH: KINH TẾ TÀI CHÍNH - NGÂN HÀNG

MÃ SỐ: 603112

LUAÄN VAÊN THAÏC SÓ

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS.TS PHAN THỊ BÍCH NGUYỆT

Thành phố Hồ Chí Minh - năm 2010

LỜI CAM ĐOAN

(cid:89)(cid:64)(cid:90)

Tôi xin cam đoan rằng đây là công trình nghiên cứu của tôi, có sự hỗ trợ từ

Cô hướng dẫn là PGS. TS Phan Thị Bích Nguyệt. Các nội dung nghiên cứu

và kết quả trong đề tài này là trung thực và chưa từng được ai công bố

trong bất cứ công trình nào. Những số liệu trong các bảng biểu phục vụ

cho việc phân tích, nhận xét, đánh giá được chính tác giả thu thập từ các

nguồn khác nhau có ghi trong phần tài liệu tham khảo. Ngoài ra, trong luận

văn còn sử dụng một số nhận xét, đánh giá cũng như số liệu của các tác giả

khác, cơ quan tổ chức khác, và đều có chú thích nguồn gốc sau mỗi trích

dẫn để dễ tra cứu, kiểm chứng.

Nếu phát hiện có bất kỳ sự gian lận nào tôi xin hoàn toàn chịu trách nhiệm

trước Hội đồng, cũng như kết quả luận văn của mình.

TP.HCM, ngày tháng năm 2010

Tác giả

Lê Tuấn Bách

LỜI CẢM ƠN

(cid:89)(cid:64)(cid:90)

Trước tiên, tôi xin chân thành cảm ơn Cô Phan Thị Bích Nguyệt đã tận tình

chỉ bảo, góp ý và động viên tôi trong suốt quá trình thực hiện luận văn tốt

nghiệp này.

Nhân đây, tôi cũng xin gửi lời cảm ơn đến Quý Thầy Cô, những người đã

tận tình truyền đạt kiến thức cho tôi trong thời gian học cao học vừa qua.

Những lời cảm ơn sau cùng con xin cảm ơn cha mẹ, cảm ơn anh em và bạn

bè đã hết lòng quan tâm và tạo điều kiện tốt nhất để tôi hoàn thành được

luận văn tốt nghiệp này.

Lê Tuấn Bách

MỤC LỤC TÓM LƯỢC

(cid:89)(cid:64)(cid:90)

DANH MỤC CÁC BẢNG BIỂU U

DANH MỤC CÁC ĐỒ THỊ

DANH MỤC KÝ HIỆU VIẾT TẮT

PHẦN MỞ ĐẦU .......................................................................................... 1

CHƯƠNG 1 ................................................................................................ 4

TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG VÀ MÔ HÌNH ARIMA,

ARCH/GARCH ........................................................................................... 4

KẾT LUẬN CHƯƠNG 1 ............................................................................ 19

CHƯƠNG 2 ................................................................................................ 21

TỔNG QUAN THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM &

TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA,

ARCH/GARCH ........................................................................................... 21

KẾT LUẬN CHƯƠNG 2 ............................................................................ 37

CHƯƠNG 3 ................................................................................................ 39

PHÂN TÍCH DỰ BÁO GIÁ VÀ RỦI RO THÔNG QUA MÔ HÌNH

ARIMA, ARCH/GARCH CHO THỊ TRƯỜNG CỔ PHIẾU NIÊM

YẾT TẠI VIỆT NAM .................................................................................. 39

KẾT LUẬN CHƯƠNG 3 ............................................................................ 53

KẾT LUẬN ................................................................................................ 57

MỤC LỤC CHI TIẾT

(cid:89)(cid:64)(cid:90)

DANH MỤC CÁC BẢNG BIỂU U

DANH MỤC CÁC ĐỒ THỊ

DANH MỤC KÝ HIỆU VIẾT TẮT

PHẦN MỞ ĐẦU U

U U U

SỰ CẦN THIẾT CỦA ĐỀ TÀI ........................................................................ 1 1. 2. MỤC TIÊU NGHIÊN CỨU .............................................................................. 1 ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU ........................................................ 1 3. PHƯƠNG PHÁP NGHIÊN CỨU ..................................................................... 2 4. NHỮNG ĐIỂM MỚI CỦA ĐỀ TÀI ................................................................. 2 5. 6. KẾT CẤU ĐỀ TÀI ............................................................................................ 2

CHƯƠNG 1 ................................................................................................................. 4

TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG VÀ MÔ HÌNH ARIMA,

ARCH/GARCH ............................................................................................................... 4

1.2

1.1 KHÁI NIỆM CHỈ SỐ GIÁ, TỶ SUẤT SINH LỢI, RỦI RO THỊ TRƯỜNG ... 5 1.1.1 Chỉ số giá ...................................................................................................... 5 1.1.2 Suất sinh lời của thị trường .......................................................................... 5 1.1.3 Rủi ro của thị trường cổ phiếu ...................................................................... 5 TÍNH DỪNG CỦA CHUỖI THỜI GIAN ........................................................ 6 1.2.1 Chuỗi thời gian dừng .................................................................................... 6 1.2.2 Một số quá trình ngẫu nhiên đơn giản (phụ lục 1.1) .................................... 8 1.2.3 Kiểm định tính dừng ...................................................................................... 8 1.2.3.1 Dựa trên lược đồ tương quan (Correlogram) ............................................ 8 1.2.3.2 Kiểm định nghiệm đơn vị (Unit Root Test) .............................................. 9 1.3 MÔ HÌNH ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) ... 10 1.3.1 Quá trình tự hồi quy (Autoregressive Process – AR) ................................. 10 1.3.2 Quá trình trung bình trượt (Moving Average – MA) .................................. 11 1.3.3 Quá trình tự hồi quy và trung bình trượt (ARMA) ...................................... 12 1.3.4 Quá trình trung bình trượt kết hợp tự hồi quy (ARIMA) ............................ 12 1.3.5 Quy trình lựa chọn mô hình ARIMA(p,d,q) ................................................ 13 1.4 MÔ HÌNH ARCH/GARCH ............................................................................ 14 1.4.1 Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) ............. 14 1.4.2 Mô hình GARCH ......................................................................................... 14 1.4.3 Mô hình GARCH-M .................................................................................... 15 1.4.4 Mô hình TGARCH ....................................................................................... 16

1.5 KINH NGHIỆM SỬ DỤNG MÔ HÌNH ARIMA, ARCH/GARCH TRÊN THẾ GIỚI TRONG LĨNH VỰC CHỨNG KHOÁN ................................................. 17 1.5.1 Ứng dụng mô hình ARIMA .......................................................................... 17 1.5.2 Ứng dụng mô hình ARCH/GARCH ............................................................. 18

KẾT LUẬN CHƯƠNG 1 ................................................................................................ 19

CHƯƠNG 2 ................................................................................................................. 21

TỔNG QUAN THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM & TÌNH

HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH ...................... 21

2.1

2.2 TỔNG QUAN VỀ THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM ....... 21 2.1.1.1 Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (Hsx) ................... 22 2.1.1.2 Sở Giao dịch Chứng khoán Hà Nội (Hnx) .............................................. 23 TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH 34

KẾT LUẬN CHƯƠNG 2 ................................................................................................ 37

CHƯƠNG 3 ................................................................................................................. 39

PHÂN TÍCH DỰ BÁO GIÁ VÀ RỦI RO THÔNG QUA MÔ HÌNH ARIMA,

ARCH/GARCH CHO THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT TẠI VIỆT NAM ... 39

3.1 KHÁI QUÁT DIỄN BIẾN CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM GIAI ĐOẠN HIỆN NAY ....................................................................... 39 3.2 ỨNG DỤNG MÔ HÌNH ARIMA DỰ BÁO CHỈ SỐ VN-INDEX, HA- INDEX ....................................................................................................................... 40 3.2.1 Ứng dụng mô hình ARIMA dự báo cho Vn-Index (phụ lục 3.1) ................... 40 3.2.2 Ứng dụng mô hình ARIMA dự báo cho Hn-Index (phụ lục 3.2) ................... 43

3.3 ỨNG DỤNG MÔ HÌNH ARIMA VÀ ARCH/GARCH PHÂN TÍCH DỰ BÁO RỦI RO ............................................................................................................. 45 3.3.1 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro cho sàn niêm yết Tp. Hồ Chí Minh ............................................................................... 45 3.3.1.1 Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Vn-Index (phụ lục 3.3) ........................................................................................................ 45 3.3.1.2 Sử dụng mô hình ARCH/GARCH để phân tích dự báo rủi ro của Vn- Index 46

3.3.2 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro cho sàn niêm yết Hà Nội ............................................................................................... 48 3.3.2.1 Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Hn-Index (phụ lục 3.6) ........................................................................................................ 48 3.3.2.2 Sử dụng mô hình ARCH/GARCH để dự báo phân tích rủi ro của chỉ số Hn-Index ............................................................................................................. 49 3.4 MỘT SỐ VẤN ĐỀ LƯU Ý VÀ CÁC HƯỚNG MỞ RỘNG ỨNG DỤNG MÔ HÌNH ........................................................................................................................ 50

KẾT LUẬN CHƯƠNG 3 ................................................................................................ 53

KẾT LUẬN ................................................................................................................. 57

DANH MỤC CÁC PHỤ LỤC

(cid:89)(cid:64)(cid:90)

PHỤ LỤC A: NHẬN ĐỊNH XU HƯỚNG CỦA THỊ TRƯỜNG CỔ

PHIẾU NIÊM YẾT VIỆT NAM HIỆN NAY

PHỤ LỤC A.1: THỐNG KÊ 10 CỔ PHIẾU CÓ SỐ LƯỢNG NIẾM YẾT

MỚI NHIỀU NHẤT

PHỤ LỤC A.2: BẢNG CÂU HỎI

PHỤ LỤC A.3: THỐNG KÊ MÔ TẢ TÂM LÝ CỦA NHÀ ĐẦU TƯ VÀ

ĐÁNH GIÁ CỦA HỌ VỀ CÁC RỦI RO ẢNH HƯỞNG

ĐẾN XU HƯỚNG THỊ TRƯỜNG SẮP TỚI

PHỤ LỤC 1.1: MỘT SỐ QUÁ TRÌNH NGẪU NHIÊN ĐƠN GIẢN

PHỤ LỤC 1.2: KIỂM ĐỊNH ẢNH HƯỞNG CỦA ARCH

PHỤ LỤC 2.1: TỶ SUẤT SINH LỢI Ở THỊ TRƯỜNG PHÁT TRIỂN

PHỤ LỤC 2.2: TỶ SUẤT SINH LỢI Ở THỊ TRƯỜNG MỚI NỔI

PHỤ LỤC 3.1: DỰ BÁO CHO VN-INDEX

PHỤ LỤC 3.2: DỰ BÁO CHO HN-INDEX

PHỤ LỤC 3.3: DỰ BÁO CHO (cid:1870)(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051)

PHỤ LỤC 3.4. DỰ BÁO RỦI RO CHO VN-INDEX

PHỤ LỤC 3.5. PHÂN TÍCH RỦI RO VN-INDEX

PHỤ LỤC 3.6. DỰ BÁO CHO (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051)

PHỤ LỤC 3.7. PHÂN TÍCH RỦI RO HN-INDEX

DANH MỤC CÁC BẢNG BIỂU

(cid:89)(cid:64)(cid:90)

Bảng 2.1 – Bảng tỷ lệ % mức vốn hóa thị trường so với GDP

Bảng 3.1 – So sánh các chỉ tiêu đánh giá mô hình dự báo Vn-Index

Bảng 3.2 – So sánh các chỉ tiêu đánh giá mô hình dự báo Hn-Index

Bảng 3.3 – So sánh các chỉ tiêu lựa chọn mô hình dự báo (cid:1870)(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051)

DANH MỤC CÁC ĐỒ THỊ

(cid:89)(cid:64)(cid:90)

ột của Hn-Index

RCH(1,1) và GARCH(0,1)

Đồ thị 1.1 – Giá vàng 01/2004 đến 05/2009 – Chuỗi có xu thế tăng không dừng Đồ thị 1.2 – Suất sinh lợi cổ phiếu SAM giai đoạn từ 28/07/2000 đến 26/03/2009 – Chuỗi dừng Đồ thị 1.3 – Minh họa nhiễu trắng Đồ thị 1.4 – Minh họa bước ngẫu nhiên Đồ thị 1.5 – Minh họa giản đồ tương quan của một chuỗi dừng Đồ thị 1.6 – Minh họa giản đồ tương quan của mô hình ARMA(1,2) Đồ thị 2.1 – Số lượng các công ty niêm yết tại sàn Hsx qua các năm Đồ thị 2.2 – Số lượng các công ty niêm yết tại sàn Hnx qua các năm Đồ thị 2.3 – Tỷ suất sinh lợi (%) các thị trường đã phát triển từ 2000-2009 Đồ thị 2.4 – Tỷ suất sinh lợi (%) các thị trường mới nổi từ 2000-2009 Đồ thị 2.5 – Phân tán của tỷ suất sinh lợi – độ lệch chuẩn các thị trường Đồ thị 2.6 – Diễn biến 10 năm thị trường cổ phiếu niêm yết Việt Nam Đồ thị 3.1 – Diễn biến thị trường giai đoạn từ 11/11/2009 đến 11/11/2010 Đồ thị 3.2 – Giản đồ tương quan của Vn-Index Đồ thị 3.3 – Giản đồ tương quan sai phân bậc một của Vn-Index Đồ thị 3.4 – Giản đồ tương quan của Hn-Index hân bậc m Đồ thị 3.5 – Giản đồ tương quan sai p Đồ thị 3.6 – Giản đồ tương quan của (cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) (cid:1870)(cid:3023) Đồ thị 3.7 – Biểu diễn phần dư của m ô hình GA Đồ thị 3.8 – Giản đồ tương quan của (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) Đồ thị 3.9 – Biểu diễn phần dư của mô hình GARCH(0,1), GARCH(0,2) và GARCH(1,1) Đồ thị 3.10 – Chỉ số Vn-Index và Vn-Index dự báo Đồ thị 3.11 – Chỉ số Hn-Index và Hn-Index dự báo Đồ thị A.1 – Số lượng công ty niêm niêm yết mới tính tới ngày 08/10/2010 Đồ thị A.2 – Chênh lệch mua bán cổ phiếu của nhà đầu tư nước ngoài Đồ thị A.3 – Tình hình giao dịch của thị trường gần đây Đồ thị A.4 – Lạm phát Việt Nam

DANH MỤC KÝ HIỆU VIẾT TẮT

(cid:89)(cid:64)(cid:90)

: Ủy ban Chứng khoán Nhà nước : Ủy ban Chứng khoán Nhà nước ♦♦ UBCKNN UBCKNN

: Sở Giao dịch Chứng khoán TP. Hồ Chí Minh : Sở Giao dịch Chứng khoán TP. Hồ Chí Minh ♦♦ HOSE HOSE

: Sở Giao dịch Chứng khoán : Sở Giao dịch Chứng khoán ♦♦ SGDCK SGDCK

: Trung tâm Giao dịch Chứng khoán Hà Nội : Trung tâm Giao dịch Chứng khoán Hà Nội ♦♦ HASTC HASTC

: Trung tâm Giao dịch Chứng khoán : Trung tâm Giao dịch Chứng khoán ♦♦ TTGDCK TTGDCK

: Cổ phiếu : Cổ phiếu ♦♦ CP CP

: Thành phố : Thành phố ♦♦ Tp. Tp.

IMF IMF : Quỹ tiền tệ quốc tế : Quỹ tiền tệ quốc tế ♦♦

: Cục dự trữ liên bang Mỹ : Cục dự trữ liên bang Mỹ ♦♦ FED FED

NHNN ♦ NHNN : Ngân hàng Nhà nướ : Ngân hàng Nhà nướcc

PHẦN MỞ ĐẦU

(cid:89)(cid:64)(cid:90)

1. SỰ CẦN THIẾT CỦA ĐỀ TÀI

Thị trường cổ phiếu niêm yết Việt Nam kỷ niệm 10 năm phát triển trong một không

khí ảm đạm. Mới hôm nào thị trường cổ phiếu niêm yết Việt Nam là một trong những

thị trường có tốc độ tăng trưởng nhất nhì trên thế giới thì lúc này Việt Nam lại nằm

trong top danh sách các thị trường sụt giảm mạnh nhất thế giới. Đây là điểm hấp dẫn

sinh lời cao của thị trường chứng khoán Việt Nam và cũng đầy thách thức cho bất kì

nhà đầu tư nào không chuyên lẫn dày dặn kinh nghiệm. Mọi quy luật, mọi phân tích kỹ

thuật và các lý thuyết phân tích đầu tư tiên tiến của thế giới đều có nguy cơ bị phá vỡ

hoặc bóp mép trong một môi trường nhiều biến động và thiếu chuyên nghiệp như thị

trường chứng khoán Việt Nam. “Thật rủi ro!” hay “không hiểu nổi!” dường như là câu

cửa miệng của các nhà đầu tư dành cho thị trường chứng khoán Việt Nam.

Các nhà làm chính sách, tổ chức tư vấn và nhà đầu tư luôn cố gắng dự báo rủi ro của

thị trường nhưng các nhân tố tác động vào thị trường Việt Nam rất đa dạng và biến đổi

khó lường. Vì thế mà các mô hình hồi quy cổ điển thường dùng để phân tích dự báo

chuỗi dữ liệu cổ phiếu Việt Nam không thể nhận diện hết được các yếu tố rủi ro và các

kết quả dự báo thường sai so với thực tế. Tìm ra một công cụ phân tích dự báo tốt hơn

đã và đang là nhu cầu bức thiết cho các nhà làm chính sách và đặc biệt là công chúng

đầu tư. Đây chính là cơ sở cho đề tài “Phân tích dự báo giá & rủi ro của thị trường cổ

phiếu niêm yết Việt Nam” được thực hiện.

2. MỤC TIÊU NGHIÊN CỨU

Mục tiêu nghiên cứu của luận văn là:

(cid:131) Ứng dụng mô hình ARIMA, ARCH/GARCH dự báo phân tích rủi ro của thị

trường cổ phiếu niêm yết Việt Nam giai đoạn hiện nay;

(cid:131) Đánh giá ứng dụng của mô hình ARIMA, ARCH/GARCH và các hướng gợi mở

để phát triển công cụ phân tích dự báo hiệu quả này vào thực tế.

3. ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU

Đối tượng nghiên cứu của luận văn là thị trường cổ phiếu niêm yết Việt Nam, đặc biệt

giai đoạn từ đầu năm đến nay.

Sở dĩ tôi giới hạn giai đoạn nghiên cứu đối với thị trường cổ phiếu niêm yết Việt Nam

là nhằm hướng đề tài được cập nhật phản ánh tình hình hiện tại của thị trường từ đó có

khả năng ứng dụng cao vào thực tế.

4. PHƯƠNG PHÁP NGHIÊN CỨU

Với sự hỗ trợ của phần mềm kỹ thuật Eviews, Mô hình kinh tế lượng ARIMA và

ARCH/GARCH được sử dụng để xử lý dữ liệu chỉ số của thị trường cổ phiếu niêm yết,

từ đó tìm ra mô hình dự báo phù hợp cho thị trường Việt Nam đồng thời phân tích một

số đặc điểm rủi ro của thị trường.

5. NHỮNG ĐIỂM MỚI CỦA ĐỀ TÀI

Tuy còn nhiều hạn chế nhưng đề tài cũng có những điểm mới sau:

(cid:131) Mặc dù mô hình ARIMA và ARCH/GARCH đã được ứng dụng và giới thiệu đến

cộng đồng nghiên cứu học thuật Việt Nam nhưng rất hiếm đề tài liên quan đến

chứng khoán được trình bày một cách hệ thống và cập nhật. Luận văn với mong

muốn mô hình dự báo phân tích thị trường cổ phiếu niêm yết Việt Nam tìm được

trong giai đoạn hiện nay có thể được dùng như là một công cụ tham khảo tại các

công ty tài chính.

(cid:131) Đưa ra một số lưu ý về ứng dụng mô hình ARIMA, ARCH/GARCH và các

hướng mở rộng cách ứng dụng mô hình mà trước kia trong các đề tài khác không

đề cập.

6. KẾT CẤU ĐỀ TÀI

Luận văn được trình bày thành ba phần:

(cid:131) Phần 1: Tổng quan về chuỗi dữ liệu dừng, mô hình ARIMA,

ARCH/GARCH

Phần này giới thiệu tổng quát về chuỗi dữ liệu dừng và lý thuyết mô hình

ARIMA, ARCH/GARCH cũng như kinh nghiệm ứng dụng mô hình ARIMA,

ARCH/GARCH trên thế giới.

(cid:131) Phần 2: Tổng quan về thị trường cổ phiếu niêm yết Việt Nam & Tình hình

thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

Thị trường cổ phiếu niêm yết Việt Nam như thế nào, diễn biến hành vi của thị

trường qua 10 năm lịch sử hình thành phát triển thị trường và tình hình ứng dụng

mô hình dự báo phân tích rủi ro ARIMA, ARCH/GARCH tại Việt Nam sẽ cho

thấy nhu cầu cần thiết có một công cụ phân tích dự báo dựa trên mô tả được hành

vi thị trường. Đó là mô hình ARIMA, ARCH/GARCH.

(cid:131) Phần 3: Ứng dụng mô hình ARIMA, ARCH/GARCH phân tích dự báo giá

& rủi ro của thị trường cổ phiếu niêm yết Việt Nam.

Giống như tựa đề của phần 3, tác giả sẽ lần lượt sử dụng mô hình ARIMA,

ARCH/GARCH phân tích dự báo giá & rủi ro cho thị trường cổ phiếu niêm yết

Việt Nam giai đoạn hiện nay thông qua hai chỉ số chứng khoán Vn-Index và Hn-

Index.

Cuối cùng là một số vấn đề lưu ý và các hướng mở rộng ứng dụng.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

CHƯƠNG 1

TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG

VÀ MÔ HÌNH ARIMA, ARCH/GARCH

(cid:89)(cid:64)(cid:90)

Trước hết, chúng ta ôn lại các khái niệm cơ bản bao gồm chỉ số giá chứng khoán, tỷ

suất sinh lời và rủi ro thị trường. Đây là cái yếu tố đầu vào cũng như đối tượng cho mô

hình phân tích dự báo sẽ được trình bày ở phần sau.

Dữ liệu chỉ số giá, tỷ suất sinh lời và rủi ro thị trường là các chuỗi dữ liệu theo thời

gian. Điểm chung của ba chuỗi dữ liệu này là đều thể hiện tâm lý của nhà đầu tư thông

qua diễn biến hành vi và hướng đi của dữ liệu.

Trong công tác phân tích dự báo có hai trường phái. Thứ nhất, trường phái cổ điển dựa

vào các mô hình kinh tế lý thuyết đã được xây dựng nên bởi các học giả, từ đó ta thu

thập dữ liệu thực tế xây dựng nên các mô hình theo đúng lý thuyết rồi dự báo theo nó.

Thứ hai, trường phái hiện đại tập trung cải tiến công tác dự báo và tin dùng vào mô

hình phân tích dự báo chuỗi thời gian. Phân tích chuỗi thời gian sẽ nghiên cứu hành vi,

khuôn mẫu trong quá khứ của một biến số và sử dụng thông tin này để dự đoán những

thay đổi trong tương lai. Trong bài nghiên cứu này, tôi đi theo hướng của trường phái

thứ hai tức là mô phỏng dữ liệu trong quá khứ rồi lấy đó làm cơ sở để dự phóng cho

tương lai mà không quan tâm đến việc phân tách các nhân tố tác động đến chuỗi dữ

liệu.

Tuy nhiên, dù theo trường phái nào thì dữ liệu chuỗi thời gian đầu vào cho mô hình dự

báo phải là chuỗi dừng. Chuỗi dừng sẽ cho thấy những kết quả dự báo phản ánh đặc

điểm trong quá khứ hay những gì diễn ra ở quá khứ sẽ xảy ra ở hiện tại và tương lai

theo đúng như kịch bản quá khứ của nó. Nhưng làm thế nào để xác định được một

chuỗi thời gian là dừng? Chúng ta sẽ lần lượt kiểm định chuỗi thời gian bằng phương

pháp giản đồ tương quan và phương pháp kiểm định đơn vị.

Sau khi xác định được chuỗi thời gian là chuỗi dừng, ta bắt đầu dự báo và phân tích

chuỗi thời gian theo tính ngẫu nhiên của nó dựa vào những thông tin của bản thân

chuỗi dữ liệu trong quá khứ. Phương pháp ARIMA và mô hình ARCH/GARCH sẽ lần

lượt được giới thiệu một cách cơ bản cách thức ứng dụng trong việc phân tích và dự

báo một chuỗi thời gian.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Ngoài ra kinh niệm ứng dụng mô hình ARIMA, ARCH/GARCH trên thế giới cho thấy

mô hình đã và đang phát triển ngày càng sâu trong công tác phân tích dự báo chuỗi dữ

liệu tài chính, đặc biệt là thị trường chứng khoán.

1.1 KHÁI NIỆM CHỈ SỐ GIÁ, TỶ SUẤT SINH LỢI, RỦI RO THỊ TRƯỜNG

1.1.1 Chỉ số giá

Chỉ số giá cổ phiếu là thông tin thể hiện giá chứng khoán bình quân hiện tại so với giá

bình quân thời kỳ gốc đã chọn. Việt Nam có hai chỉ số chứng khoán cơ bản là Vn-

Index và Hn-Index. Cả hai chỉ số giá chứng khoán đều được tính theo phương pháp

bình quân gia quyền. Công thức tính như sau:

Trong đó:

P1i: Giá hiện hành của cổ phiếu i

Q1i: Khối lượng đang lưu hành của cổ phiếu i

P0i: Giá của cổ phiếu i thời kì gốc

Q0i: Khối lượng của cổ phiếu i tại thời kì gốc

Chỉ số giá cổ phiếu được coi là phong vũ biểu thể hiện tình hình hoạt động của thị

trường chứng khoán. Đây cũng là căn cứ để đánh giá hoạt động của nền kinh tế.

1.1.2 Suất sinh lời của thị trường

Suất sinh lời của thị trường là thông tin làm căn cứ để đánh giá mức độ hấp dẫn khi

đầu tư vào thị trường. Cũng giống như suất sinh lời của một cổ phiếu, suất sinh lời của

thị trường được tính toán dựa vào chuỗi dữ liệu chỉ số giá. Công thức tính tỷ suất sinh

lời của thị trường:

Tỷ suất sinh lời tính theo nguyên tắc lãi kép với số ghép lãi vô hạn vì hoạt động đầu tư

và tái đầu tư diễn ra liên tục nên sẽ là ít chính xác hơn nếu tính toán sinh lợi theo

nguyên tắc số kỳ ghép lãi rời rạc.

1.1.3 Rủi ro của thị trường cổ phiếu Theo Harry Markowitz1.1, rủi ro cổ phiếu được đo lường bởi phương sai hoặc độ lệch

chuẩn của chuỗi dữ liệu tỷ suất sinh lời cổ phiếu.

Phương sai (σ2) = E((Ri – E(Ri)2)

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Độ lệch chuẩn (σ) = (cid:3493)(cid:1831)(cid:4666)(cid:4666)(cid:1844)(cid:3036) (cid:3398) (cid:1831)(cid:4666)(cid:1844)(cid:3036)(cid:4667)(cid:2870)(cid:4667)

Hai chỉ số Hn-Index và Vn-Index được ngầm định đại diện cho thị trường cổ phiếu

niêm yết Việt Nam nên rủi ro thị trường cổ phiếu Việt Nam sẽ được đo lường bởi

phương sai hay độ lệch chuẩn của chuỗi dữ liệu tỷ suất sinh lời thị trường cổ phiếu.

Lưu ý, với công thức tính trên, rủi ro của cổ phiếu không phân biệt đâu là rủi ro hệ

thống hay rủi ro phi hệ thống. Điều này không ảnh hưởng đến mục tiêu của đề tài vì

nghiên cứu đi theo hướng phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm

yết Việt Nam thông qua mô phỏng và phân tích biến động của chuỗi dữ liệu giá và

suất sinh lợi của thị trường mà không chú trọng phân tách các nhân tố tác động tạo ra

tính biến động đó.

1.2 TÍNH DỪNG CỦA CHUỖI THỜI GIAN

1.2.1 Chuỗi thời gian dừng

Khái niệm tính dừng rất quan trọng trong phân tích chuỗi thời gian. Một chuỗi thời

gian dừng có đặc điểm sau:

(cid:131) Dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn,

(cid:131) Dữ liệu có giá trị phương sai xác định không thay đổi theo thời gian,

(cid:131) Dữ liệu có một giản đồ tương quan với các hệ số tự tương quan sẽ giảm dần khi độ

trễ tăng lên.

Trước hết, chúng ta giải thích khái niệm độ trễ. Yt-k là chuỗi thời gian Yt có k độ trễ

nghĩa là phải mất k thời gian mới có đủ dữ liệu chuỗi thời gian Yt. Khi sử dụng chuỗi

thời gian có độ trễ, ta sẽ bị mất biến quan sát. Độ trễ càng tăng, số biến quan sát bị mất

càng nhiều. Vấn đề này sẽ tác động đáng kể trong việc cân nhắc lựa chọn mô hình.

Quay trở lại đặc điểm của một chuỗi thời gian được xem là dừng, diễn đạt theo ngôn

ngữ thống kê như sau:

(cid:131) E(Yt) là một hằng số cho tất cả các thời điểm t

E(Yt) = µ

(cid:131) Var(Yt) là một hằng số cho tất cả các thời điểm t Var(Yt) = E(Yt - µ)2 = σ2

(cid:131) Cov(Yt,Yt-k) là một hằng số cho tất cả các thời điểm t và k khác 0 nghĩa là hiệp

phương sai giữa Yt và Yt-k chỉ phụ thuộc vào độ dài của (k) về thời gian giữa t và t-

k, không phụ thuộc vào thời điểm t. Chẳng hạn, Cov(Y12,Y7) = Cov(Y13,Y8)=

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Cov(Y28,Y23)... Ta nên nhớ Cov(Yt,Yt-6) không đổi nhưng Cov(Yt,Yt-6) có thể khác

với Cov(Yt,Yt-5).

Cov(Yt,Yt-k) = γk= E[(Yt - µ)(Yt-k - µ]

Giả sử khi ta di chuyển lùi giá trị gốc của Y từ Yt sang Yt-k. Nếu Yt là một chuỗi dừng

thì giá trị trung bình, phương sai, và hiệp phương sai của Yt-k phải bằng trung bình,

phương sai và các hiệp phương sai của Yt.

Tóm lại, một chuỗi thời gian dừng nếu trung bình, phương sai của nó không đổi theo

thời gian và hiệp phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách và độ

trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà

đồng phương sai được tính.

Nhìn một cách trực quan ta hãy xem đồ hình của một chuỗi thời gian như thế nào là

2,000,000

1,800,000

1,600,000

1,400,000

1,200,000

1,000,000

800,000

600,000

2004

2005

2006

2007

2008

2009

dừng.

.08

.06

.04

.02

.00

-.02

-.04

-.06

-.08

-.10

2001

2003

2004

2005

2006

2007

2008

Đồ thị 1.1 – Giá vàng từ 01/2004 đến 05/2009 – Chuỗi có xu thế tăng không dừng

Đồ thị 1.2 – Suất sinh lợi cổ phiếu SAM giai đoạn từ 28/07/2000 đến 26/03/2009 –

Chuỗi dừng

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Đồ thị 1.2 thể hiện một chuỗi dừng vì dữ liệu có xu hướng hội tụ xoay quanh một giá

trị nhất định trong khi đồ thị 1.1 biểu thị xu thế tăng với trung bình tăng theo thời gian.

Một chuỗi dữ liệu dừng luôn có xu hướng trở về giá trị trung bình và những dao động

xung quanh giá trị trung bình sẽ là như nhau. Ta cũng có thể suy ngược lại, một chuỗi

thời gian không dừng theo cách ta đã định nghĩa về chuỗi dừng ở trên sẽ có giá trị

trung bình thay đổi theo thời gian, giá trị phương sai thay đổi theo thời gian hoặc cả

hai. Tại sao chuỗi thời gian dừng lại quan trọng? Gujarati1.2 (2003) cho rằng nếu một chuỗi

thời gian không dừng, chúng ta chỉ có thể nghiên cứu hành vi của nó trong thời gian

đang xem xét. Mỗi một chuỗi dữ liệu theo thời gian sẽ mang một tình tiết nhất định và

chỉ thể hiện những hành vi cụ thể trong khoảng thời gian đó. Kết quả là, chúng ta

không thể khái quát hóa cho các giai đoạn khác nghĩa là không thể lấy đặc điểm của

chuỗi thời gian giai đoạn này làm đặc điểm của một chuỗi thời gian giai đoạn khác.

Đối với mục đích dự báo, các chuỗi thời gian không dừng như vậy có thể sẽ không có

giá trị thực tiễn. Vì như chúng ta đã biết, trong dự báo chuỗi thời gian, chúng ta ngầm

định xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các

giai đoạn trong tương lai. Thế nhưng, nếu bản thân dữ liệu luôn thay đổi thì chúng ta

không thể dự báo được điều gì cho tương lai.

Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các kết

quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị cho việc

dự báo, và thường được gọi là hiện tượng “hồi quy giả mạo”. Do vậy, điều kiện cơ bản

nhất cho việc dự báo một chuỗi thời gian là nó phải có tính dừng.

1.2.2 Một số quá trình ngẫu nhiên đơn giản (phụ lục 1.1)

1.2.3 Kiểm định tính dừng

1.2.3.1 Dựa trên lược đồ tương quan (Correlogram)

Một cách kiểm định đơn giản tính dừng là dùng hàm tự tương quan (ACF-

k, được xác định như sau:

F với độ u bằng ρ Autocorrelation Function). AC trễ k, ký hiệ

Cov((cid:3026)(cid:3295),(cid:3026)(cid:3295)(cid:3127)(cid:3286)(cid:4667) (cid:3023)(cid:3028)(cid:3045)(cid:4666)(cid:3026)(cid:3295)(cid:4667)

ACF(cid:4666)k(cid:4667) (cid:3404) ρ(cid:3038) (cid:3404)

Do cả hiệp phương sai và phương sai được tính bằng cùng một đơn vị đo, nên ρ(cid:3038) là một đại lượng không có đơn vị đo, là trung tính, là số. Nó nằm trong khoảng từ -1 đến

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

+1 giống như bất kỳ một hệ số tương quan nào. Nếu chúng ta vẽ đồ thị ρ(cid:3038) theo k, thì đồ thị chúng ta có được sẽ là biểu đồ tương quan tổng thể.

Barlett đã chỉ ra rằng, nếu chuỗi là ngẫu nhiên và dừng thì các hệ số tương quan ρ(cid:3038) sẽ có phân phối xấp xỉ chuẩn với kỳ vọng toán bằng không và phương sai là 1/n với n khá

lớn. Một chuỗi thời gian dừng khi hệ số tự tương quan giảm bằng 0 rất nhanh thường

sau 2 đến 3 độ trễ.

Các hệ số tương quan ρ(cid:3038) (k≥2) phản ánh mức độ kết hợp tuyến tính của Yt và Yt-k. Tuy nhiên, mức độ kết hợp giữa hai biến còn có thể do một số biến khác gây ra. Trong

trường hợp này, các biến Yt-1, Yt-2 ..., Yt-k+1 ảnh hưởng đến mức độ kết hợp của Yt và

Yt-k. Do đó để đo mức độ kết hợp riêng rẽ giữa Yt và Yt-k, người ta xây dựng một số

tương quan khác gọi là hệ số tương quan riêng p hần củ a Yt và Yt-k, ký hiệu là ρ(cid:3038)(cid:3038)

ρ(cid:3286) – ∑ (cid:2869)(cid:2879) ∑

(cid:3169)(cid:3127)(cid:3117) (cid:3168)(cid:3128)(cid:3117) (cid:3169)(cid:3127)(cid:3117) (cid:3168)(cid:3128)(cid:3117)

ρ(cid:3169)(cid:3127)(cid:3117)(cid:3168)ρ(cid:3169)(cid:3127)(cid:3168) ρ(cid:3169)(cid:3127)(cid:3117)(cid:3168)ρ(cid:3168)

PACF(cid:4666)k(cid:4667) (cid:3404) ρ(cid:3038)(cid:3038) (cid:3404)

Trong phân tích hồi quy bội, nếu biến phụ thuộc được hồi quy theo các biến giải thích

X2 và X3 thì điều mà chúng ta quan tâm là muốn biết X2 ảnh hưởng lên Y như thế nào

khi đã loại trừ ảnh hưởng của X3 lên Y. Điều này có nghĩa hồi quy Y theo X3, lưu phần

dư, rồi hồi quy phần dư theo X2. Hệ số tương quan riêng phần (PACF-Partial

Correlation Function) cũng có ý nghĩa tương tự. PACF đo lường mối quan hệ giữa hai

biến khi tất cả những biến không liên quan được giữ không đổi.

Đồ thị 1.5 – Minh họa giản đồ tương quan của một chuỗi dừng

1.2.3.2 Kiểm định nghiệm đơn vị (Unit Root Test)

Một tiêu chuẩn khác để kiểm định tính dừng là kiểm định nghiệm đơn vị (unit root

test). Kiểm định đơn vị là một kiểm định được sử dụng khá phổ biến trong nghiên cứu

khoa học thay vì sử dụng giản đồ tương quan vì loại kiểm định này có tính học thuật

và chuyên nghiệp cao hơn. Giả sử ta có phương trình tự hồi quy như sau:

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

(1.3) Yt = ρYt-1 + Ut (-1≤ ρ≤1)

Trong đó Ut là nhiễu trắng. Nếu như ρ = 1, khi đó Yt là một bước ngẫu nhiên và Yt là

một chuỗi không dừng. Do đó để kiểm định tính dừng của Yt ta sẽ kiểm định giả thiết :

H0 : ρ = 1(Yt là chuỗi không dừng)

H1 : ρ < 1(Yt là chuỗi dừng)

Phương trình 1.3 tương đương với phương trình sau đây :

Yt – Yt-1 = ρYt-1 – Yt-1 + Ut

= (ρ-1)Yt-1 + Ut

ΔYt = δYt-1 + Ut

Như vậy các giải thiết ở trên có thể được viết lại như sau :

H0 : δ = 0 (Yt là chuỗi không dừng)

H1 : δ < 0 (Yt là chuỗi dừng)

Dickey1.3 và Fuller1.4 cho rằng giá trị t của hệ số Yt-1 sẽ không theo phân phối student

mà thay vào đó là phân phối xác xuất τ (tau statistic). Kiểm định thống kê τ còn được

gọi là kiểm định Dickey – Fuller (DF).

Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng

DF. Nếu |(cid:2028)| > |(cid:2028)(cid:3080)| thì bác bỏ giả thiết H0, nghĩa là Yt là một chuỗi dừng. Tiêu chuẩn

DF được áp dụng cho các mô hình sau :

ΔYt = δYt-1 + Ut

ΔYt = β1 + δYt-1 + Ut

(1.4) ΔYt = β1 + β2t + δYt-1 + Ut

Nếu Ut tự tương quan có nghĩa là ΔYt phụ thuộc cả các ΔYt-i trong quá khứ như ΔYt-1,

ΔYt-2 ...thì cải biên mô hình (1.4) như sau :

(cid:3040) (cid:3036)(cid:2880)(cid:2868)

(1.5) ΔYt = β1 + β2t + δYt-1 + ∑ (cid:2009)(cid:3036) ΔY(cid:3047)(cid:2879)(cid:3036) + εt

Kiểm định DF như phương trình 1.5 được gọi là kiểm định DF mở rộng (ADF-

Augmented Dickey – Fuller Test).

1.3 MÔ HÌNH ARIMA (Autoregressive Integrated Moving Average)

1.3.1 Quá trình tự hồi quy (Autoregressive Process – AR)

Như đã trình bày trong cơ chế tự hồi quy bậc nhất, biến phụ thuộc được hồi quy theo

các biến trễ của nó. Quá trình tự hồi quy bậc nhất AR (1) được biểu diễn như sau:

Yt = φYt-1 + Ut, Ut là nhiễu trắng

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Đây là mô hình đơn giản nhất của cơ chế tự hồi quy. Mô hình tổng quát của quá trình

tự hồi quy bậc p kí hiệu AR(p) có dạng:

Yt = φ0 + φ1Yt-1 + φ2Yt-2 +...+ φpYt-p + Ut, Ut là nhiễu trắng

Điều kiện để Yt dừng là -1< φi<1

Mô hình tự hồi quy tổng quát chỉ có các giá trị hiện tại và quá khứ của Y được sử dụng

trong mô hình và không có biến làm hồi quy nào khác. Giá trị của Y tương lai phụ

thuộc vào giá trị của nó trong quá khứ cộng với một yếu tố ngẫu nhiên. Rõ ràng với

mô hình tự hồi quy, dữ liệu đã tự nó giải thích cho bản thân nó.

Vấn đề là làm cách nào ta xác định số độ trễ p? Lúc này giản đồ tương quan ngoài việc

giúp ta nhận dạng một cách trực quan tính dừng của chuỗi thời gian còn giúp ta xây

dựng mô hình hồi quy, cụ thể xác định p trong mô hình AR(p). Cách thức như sau:

ACF sẽ có xu hướng bằng không ngay lập tức, trong khi đó, hệ số tự tương quan riêng

phần PACF sẽ có xu hướng khác không một cách có ý nghĩa thống kê cho đến độ trễ p

và sẽ bằng không ngay sau độ trễ p đó.

1.3.2 Quá trình trung bình trượt (Moving Average – MA)

Yt là quá trình trung bình trượt bậc q kí hiệu MA(q) nếu Yt có dạng:

Yt = Ut + θ1Ut-1 + θ2Ut-2 + ... + θqUt-q

Trong đó Ut là số hạng nhiễu ngẫu nhiên; θ1, θ2 ..., θq là các hệ số ước lượng; Ut-1 là sai

số ở giai đoạn t-1, Ut-q là sai số ở giai đoạn t-q.

Hàm ý của mô hình MA(q) là Yt phụ thuộc vào giá trị của sai số hiện tại và các sai số

quá khứ, tức tại các thời điểm t, t-1, t-2..., t-q. Điều này có nghĩa Yt phụ thuộc vào giá

trị sai số trước đó chứ không phải giá trị trễ của Yt như trong mô hình AR. Ví dụ, khi

xem giá cổ phiếu tại thời điểm t, thì các sai số này có thể đại diện cho ảnh hưởng của

các thông tin thị trường tại thời điểm t-1, t-2..., t-q ngoài yếu tố giá của cổ phiếu trước

đó.

Tóm lại, Y tại thời điểm t không chỉ phụ thuộc vào các thông tin hiện tại mà còn phụ

thuộc vào các thông tin trong quá khứ. Tuy nhiên, các thông tin gần nhất có ý nghĩa

nhiều hơn so với các thông tin trước đó. Như vậy, các mô hình MA cung cấp giá trị dự

báo của Yt trên cơ sở kết hợp tuyến tính của các giá trị sai số quá khứ, trong khi đó,

các mô hình AR dự báo Yt như một hàm tuyến tính của các giá trị quá khứ của bản

thân Yt.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Để xác định độ trễ q ta sử dụng giản đồ tương quan theo cách sau đây: ACF sẽ có xu

hướng khác không một cách có ý nghĩa thống kê cho đến độ trễ q và sẽ bằng không

ngay sau độ trễ q đó, trong khi PACF sẽ có xu hướng bằng không ngay lập tức.

Thông thường, ít có chuỗi thời gian nào thỏa mãn các điều kiện của mô hình AR(p)

hoặc MA(q), mà thường là kết hợp của hai mô hình này, có nghĩa là một chuỗi dừng

thì có thể tuân theo mô hình tổng quát là ARMA(p,q).

1.3.3 Quá trình tự hồi quy và trung bình trượt (ARMA)

Nếu kết hợp mô hình AR(p) với mô hình MA(q) ta có mô hình ARMA(p,q) có dạng

như sau:

Yi = φ0 + φ1Yt-1 + φ2Yt-2 +...+ φpYt-p + Ut + θ1Ut-1 + θ2Ut-2 + ... + θqUt-q

(cid:3043) (cid:3036)(cid:2880)(cid:2869) Yt-1 + Ut + ∑ θ(cid:3037)

(cid:3044) (cid:3037)(cid:2880)(cid:2869) Ut-j

Dạng rút gọn của ARMA(p,q) như u : sa

Yt = φ0 + ∑ φ(cid:3036)

Tương tự như các mô hình AR(p) và MA(q), các mô hình ARMA(p,q) chỉ thích hợp

cho các chuỗi dừng. Trong trường hợp này, ta cần phải xác định độ trễ p và q thích

hợp theo cách sau đây:

Đồ thị 1.6 – Minh họa giản đồ tương quan của mô hình ARMA(1,2)

Nhìn vào giản đồ ở cột Partial Correlation sau 1 độ trễ (dãy số giữa Partial Correlation

và AC), PAC tiến về 0 (biểu thị khối hình nằm ngang rút ngắn lại và nằm trong phạm

vi hai đường gạch đứt) trong khi AC bằng không kể từ 2 độ trễ. Ta xác định được dữ

liệu có dạng mô hình ARMA(1,2).

1.3.4 Quá trình trung bình trượt kết hợp tự hồi quy (ARIMA)

Trước hết, trở lại biểu thức ΔYt = Yt – Yt-1. Δ là toán tử sai phân. Sai phân bậc 1 được

định nghĩa bằng ΔYt = Yt – Yt-1.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Sai phân bậc 2: Δ(ΔYt) = ΔYt – ΔYt-1

= (Yt – Yt-1) – (Yt-1 – Yt-2)

= Yt – 2Yt-1 + Yt-2

Các mô hình ARMA chỉ có thể thực hiện được khi chuỗi Yt là chuỗi dừng. Tuy nhiên,

hầu hết các chuỗi dữ liệu kinh tế theo thời gian và tài chính đều là chuỗi có yếu tố xu

thế, nghĩa là, giá trị trung bình của Yt trong năm này có thể khác năm kia. Nói cách

khác, các chuỗi thời gian trong kinh tế và tài chính thường là chuỗi không dừng. Chính

vì thế, để suy ra các chuỗi dừng chúng ta phải khử yếu tố xu thế trong các chuỗi dữ

liệu gốc thông qua quy trình lấy sai phai. Nếu lấy sai phân bậc 1 ta có được chuỗi dừng

thì được gọi là dừng sai phân bậc 1 (hay đồng liên kết bậc 1) và ký hiệu là I(1). Mở

rộng ra, nếu một chuỗi dừng ở sai phân bậc d ta kí hiệu là I(d). Như vậy, nếu chuỗi Yt

dừng sai phân bậc d, áp dụng mô hình ARMA(p,q) cho chuỗi sai phân bậc d thì chúng

ta có quá trình ARIMA(p,k,q), trong đó, p là bậc tự hồi quy, d là số lần lấy sai phân để

Yt dừng, q là bậc trung bình trượt.

AR(p), MA(q) lần lượt chính là mô hình ARIMA(p,0,0), ARIMA(0,0,q). Ta có thể

biểu diễn m hình ARIMA(p,k,q) như sau : ô

ΔYt = (cid:2009) + φ1 ΔYt-1 + φ2 ΔYt-2 +...+ φpΔYt-p + Ut + θ1Ut-1 + θ2Ut-2 + ... + θqUt-q

1.3.5 Quy trình lựa chọn mô hình ARIMA(p,d,q)

Quy trình lựa chọn mô hình ARIMA thông thường qua ba bước: nhận dạng, ước lượng

và kiểm tra chẩn đoán.

Nhận dạng

(cid:57) Kiểm tra tính dừng của dữ liệu thông qua giản đồ tương quan hay kiểm định

nghiệm đơn vị. Nếu không dừng thì ta làm cho dữ liệu dừng bằng cách lấy sai

phân bậc 1;

(cid:57) Xác định p, q cho mô hình ARMA dựa vào giản đồ tương quan.

Mô hình ACF PACF

MA(1) Có ý nghĩa ở độ trễ thứ nhất Bằng không ngay lập tức

AR(1) Bằng không ngay lập tức Có ý nghĩa ở độ trễ thứ nhất

ARMA(1,1) Bằng không sau độ trễ thứ nhất Bằng không sau độ trễ thứ nhất

ARMA(p,q) Bằng không sau độ trễ thứ q Bằng không sau độ trễ thứ p

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Ước lượng

(cid:57) Chọn mô hình phù hợp bằng các chỉ tiêu AIC, SBC, tiêu chuẩn Schwarz

(cid:57) Kiểm tra dấu và thống kê t của từng hệ số.

Phân tích chẩn đoán

(cid:57) Vẽ đồ thị phần dư theo thời gian

(cid:57) Quan sát và so sánh đồ thị giá trị dự báo và giá trị thực tế

(cid:57) Kiểm định tính ngẫu nhiễn của phần dư.

1.4 MÔ HÌNH ARCH/GARCH

1.4.1 Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) Kể từ năm 1982 khi Robert Engle1.5 viết tác phẩm nổi tiểng của mình “Dự đoán rủi ro

lạm phát ở Anh Quốc bằng mô hình hồi quy tự tương quan phương sai có điều kiện”,

mô hình ARCH đã được phát triển thành những mô hình phân tích rủi ro được sử dụng

nhiều nhất. Mô hình ARCH cho rằng phương sai của các hạng nhiễu tại thời điểm t

phụ thuộc vào các số hạng nhiễu bình phương ở các giai đoạn trước hay phương sai

thay đổi qua thời gian. Engle cho rằng tốt nhất chúng ta nên mô hình hóa đồng thời giá

trị trung bình và phương sai của chuỗi dữ liệu khi nghi ngờ rằng giá trị phương sai

thay đổi theo thời gian. Biểu diễn mô hình ARCH(q) như sau:

= (1.6) Yt β1 + β2Xt + ut

(cid:2870) ) trong đó ht chính là σ(cid:3047)

(cid:2870)

Ut ~ N(0 , ht

(cid:3044) ht = γ0 + ∑ γ(cid:3037)(cid:1873)(cid:3047)(cid:2879)(cid:3037) (cid:3037)(cid:2880)(cid:2869)

(1.7)

Các hệ số γ(cid:3037) phải có dấu dương vì phương sai luôn dương. Ví dụ ta có mô hình

ARCH(1), phương trình biểu diễn của mô hình như sau:

= Yt β1 + β2Xt + ut

(cid:2870)

Ut ~ N(0, ht)

ht = γ0 + γ1(cid:1873)(cid:3047)(cid:2879)(cid:2869)

Kiểm định ảnh hưởng của ARCH (phụ lục 1.2)

1.4.2 Mô hình GARCH

Mô hình GARCH (Generalised Autoregressive Conditional Heteroskedasticity) là mô

hình tổng quát hóa cao hơn mô hình ARCH. Mô hình ARCH có vẽ giống dạng mô

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH hình MA(q). Vì vậy, một ý tưởng được Tim Bollerslev1.6 đề xuất là chúng ta thêm các

biến trễ của phương sai có điều kiện vào phương trình phương sai 1.7 theo dạng tự hồi

quy. Mô hình GARCH(p,q) có dạng sau đây:

= Yt β1 + β2Xt + ut

(cid:2870)

) Ut ~ N(0 , ht

(cid:3043) ht = γ0 + ∑ (cid:2012)(cid:3036)(cid:1860)(cid:3047)(cid:2879)(cid:3036) (cid:3036)(cid:2880)(cid:2869)

(cid:3044) + ∑ γ(cid:3037)(cid:1873)(cid:3047)(cid:2879)(cid:3037) (cid:3037)(cid:2880)(cid:2869)

(1.8)

Phương trình 1.8 nói lên rằng phương sai ht bây giờ phụ thuộc vào cả giá trị quá khứ

của những cú sốc, đại diện bởi các biến trễ của hạng nhiễu bình phương, và các giá trị

quá khứ của bản thân ht đại diện bởi các biến ht-i. Dạng đơn giản nhất của mô hình

GARCH là GARCH(1,1), được biểu diễn như sau:

= Yt β1 + β2Xt + ut

(cid:2870)

, Ut ~ N(0 h t)

ht = γ0 + (cid:2012)(cid:2869)(cid:1860)(cid:3047)(cid:2879)(cid:2869) + γ1(cid:1873)(cid:3047)(cid:2879)(cid:2869)

Một ích lợi rõ ràng nhất mô hình GARCH mang lại so với mô hình ARCH là

ARCH(q) vô tận = GARCH(1,1). Nếu các ảnh hưởng ARCH có quá nhiều độ trễ nghĩa

là q lớn thì có thể sẽ ảnh hưởng đến kết quả ước lượng do giảm đáng kể số bậc tự do

trong mô hình. Ta nhớ lại phần trình bày ở trên, một chuỗi dữ liệu càng nhiều độ trễ sẽ

có nhiều biến bị mất. Trường hợp giá cổ phiếu mới lưu hành trên thị trường thì ảnh

hưởng này càng nghiêm trọng.

1.4.3 Mô hình GARCH-M

Mô hình GARCH-M cho phép giá trị trung bình có điều kiện phụ thuộc vào phương

sai có điều kiện của chính nó. Ví dụ xem xét hành vi các nhà đầu tư thuộc dạng sợ rủi

ro và vì thế họ có xu hướng đòi hỏi thêm một mức phí bù rủi ro như một phần đền bù

để quyết định nắm giữ một tài sản rủi ro. Như vậy, phí bù rủi ro là một hàm đồng biến

với rủi ro; nghĩa là rủi ro càng cao thì phí bù rủi ro phải càng nhiều. Nếu rủi ro được

đo lường bằng mức dao động hay bằng phương sai có điều kiện thì phương sai có điều

kiện có thể là một phần trong phương trình trung bình của biến Yt. Theo cách này, mô

ạn hình GARCH-M sẽ có d g sau:

Yt = β1 + β2Xt + (cid:2016)(cid:1860)(cid:3047) + ut (1.9)

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

(cid:2870)

) Ut ~ N(0 , ht

(cid:3043) ht = γ0 + ∑ (cid:2012)(cid:3036)(cid:1860)(cid:3047)(cid:2879)(cid:3036) (cid:3036)(cid:2880)(cid:2869)

(cid:3044) + ∑ γ(cid:3037)(cid:1873)(cid:3047)(cid:2879)(cid:3037) (cid:3037)(cid:2880)(cid:2869)

(1.10)

1.4.4 Mô hình TGARCH

Hạn chế lớn nhất của trong các mô hình ARCH và GARCH là chúng được giả định có

tính chất đối xứng. Điều này có nghĩa là các mô hình này chỉ quan tâm đến giá trị tuyệt

đối của các cú sốc chứ không quan tâm đến “dấu” của chúng (bởi vì hạng nhiễu thể

hiện dưới dạng bình phương). Vì thế, trong các mô hình ARCH/GARCH, một cú sốc

mạnh có giá trị dương có ảnh hưởng lên sự dao động của chuỗi dữ liệu hoàn toàn

giống với một cú sốc mạnh có giá trị âm. Tuy nhiên, thực tế, kinh nghiệm cho thấy đặc

biệt trong tài chính các cú sốc âm (hoặc tin tức xấu) trên thị trường có tác động mạnh

và dai dẳng hơn so với cú sốc dương (hoặc tin tốt) hay nói cách khác là có sự bất cân xứng thông tin trong thị trường. Chính vì vậy, Zakoian1.7 (1990) đã mô hình hoá sự

khác biệt tác động của loại thông tin lên thị trường bằng mô hình TGARCH.

Mô hình TGARCH xem xét tính chất bất cân xứng giữa các cú sốc âm và dương hoặc

tính hiệu quả của thị trường. Các học giả đã đưa vào mô hình phương trình 1.10 một

biến giả tương tác giữa hạng nhiễu bình phương. Mô hình hình TGARCH được biểu

(cid:2870)

diễn như sau:

(cid:3044) + ∑ υ(cid:3037)(cid:1873)(cid:3047)(cid:2879)(cid:3037) (cid:3037)(cid:2880)(cid:2869)

(cid:3043) ht = γ0 + ∑ (cid:2012)(cid:3036)(cid:1860)(cid:3047)(cid:2879)(cid:3036) (cid:3036)(cid:2880)(cid:2869)

(cid:3044) + ∑ γ(cid:3037)(cid:1873)(cid:3047)(cid:2879)(cid:3037) (cid:3037)(cid:2880)(cid:2869)

dt-j

(cid:2870)

(cid:3044) (cid:3037)(cid:2880)(cid:2869)

(cid:3043) ht = γ0 + ∑ (cid:2012)(cid:3036)(cid:1860)(cid:3047)(cid:2879)(cid:3036) (cid:3036)(cid:2880)(cid:2869)

hoặc

+ ∑ (cid:4666)γ(cid:3037)(cid:3397) υ(cid:3037)(cid:1856)(cid:3047)(cid:2879)(cid:3037)(cid:4667)(cid:1873)(cid:3047)(cid:2879)(cid:3037)

i iến g ả có giá trị: Trong đó, dt là b

(cid:1856)(cid:3047) (cid:3404) (cid:3420) 1, 0, (cid:1873)(cid:3047) (cid:3407) 0 (cid:1873)(cid:3047) (cid:3410) 0

Nếu υ(cid:3037) có ý nghĩa thống kê, thì các tin tức tốt và tin tức xấu sẽ có ảnh hưởng khác

nhau lên phương sai. Cụ thể, tin tức tốt chỉ có ảnh hưởng γ(cid:3037), trong khi đó, tin tức xấu

có ảnh hưởng (γ(cid:3037)+υ(cid:3037)). Nếu υ(cid:3037)>0 thì chúng ta có thể nói rằng có sự bất cân xứng trong

tác động giữa tin tức tốt và tin tức xấu. Ngược lại, nếu υ(cid:3037) = 0 thì tác động của tin tức

có tính chất cân xứng.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Trên là những kiến thức nền tảng của mô hình ARIMA, ARCH/GARCH. Ưu điểm của

mô hình cho ta thấy khả năng ứng dụng rất cao cho công tác dự báo và phân tích rủi ro

của các dữ liệu tài chính, đặc biệt là chuỗi dữ liệu của thị trường chứng khoán.

Tuy thế giới chỉ mới biết đến và sử dụng mô hình kể từ cuối thế kỉ XX nhưng chỉ vài

chục năm với sự hỗ trợ của khoa học công nghệ thông tin ứng dụng, mô hình càng

được nhân rộng và phát triển lên một tầm cao mới. Kinh nghiệm sử dụng mô hình

ARIMA, ARCH/GARCH trên thế giới trong lĩnh vực chứng khoán sẽ cho ta thấy điều

đó.

1.5 KINH NGHIỆM SỬ DỤNG MÔ HÌNH ARIMA, ARCH/GARCH TRÊN

THẾ GIỚI TRONG LĨNH VỰC CHỨNG KHOÁN

1.5.1 Ứng dụng mô hình ARIMA

Kể từ khi xuất bản cuốn sách Time Series Analysis: Forecasting and Control (Phân

tích chuỗi thời gian: Dự báo và kiểm soát) năm 1970, một kỷ nguyên mới của các công

cụ dự báo được mở ra đặc biệt khi phân tích dữ liệu chuỗi thời gian, trong đó phương

pháp luận ARIMA được biết rộng rãi và có tầm ảnh hưởng nhất

Tại hội nghị quốc tế IEEE từ ngày 03 đến ngày 06 tháng 6 năm 1996 diễn ra tại Mỹ,

hai học giả Jung-Hua Wang và Jia-Yann Leu thuộc trường đại học đại dương quốc gia

Đài Loan đã công bố kết quả dự báo xu hướng chỉ số giá TSEWSI của thị trường

chứng khoán Đài Loan trong trung hạn theo mô hình ARIMA (1,2,1). Với kết quả này

việc dự báo cho thị trường chứng khoán Đài Loan cho 6 tuần tới với độ chính xác chấp

nhận được và tốt hơn các mô hình dự báo khác.

Hoặc gần đây 06/2010, giáo sư Emenike Kalu O. công tác tại khoa Tài chính Ngân

hàng thuộc trường đại học Nigeria, bang Enugu đã thử xây dựng mô hình ARIMA

(1,1,1) để dự báo thị trường cổ phiếu Nigeria cho giai đoạn từ 01/1985 đến 12/2009 thì

kết quả cho thấy dự báo ARIMA có vẻ tương thích với thực tế giai đoạn 01/1985 đến

12/2008 nhưng lại vượt trội so với kết quả thực tế trong giai đoạn thị trường chịu tác

động của khủng hoảng kinh tế toàn cầu năm 2009. Như vậy, khủng hoảng kinh tế đã

phá hủy mối tương quan giữa hiện tại với quá khứ, chính vì vậy kết quả dự báo sử

dụng mô hình ARIMA lại tỏ ra sai lệch khi gặp một cú sốc lớn đối với thị trường.

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

Đấy là nghiên cứu độc lập mô hình ARIMA, ta cũng đã thấy có vẻ như ARIMA không

phải luôn đúng trong mọi trường hợp, nó phụ thuộc vào giai đoạn lấy mẫu của chuỗi

dữ liệu. Thông tin tác động trong mỗi thời đoạn ấy khác nhau sẽ tác động tương ứng

đến hiệu quả dự báo của mô hình ARIMA.

Một nhóm các học giả người Ý đã cùng nhau phân tích dự báo thị trường chứng khoán Ý sử dụng đồng thời mô hình ARIMA và mô hình đa nhân tố APT1.8. Kết quả cho thấy

cả hai đều tốt và có độ tin cậy nhất định khi dự báo và thông tin của thị trường chứng

khoán thật sự là yếu tố quyết định đến giá tương lai ngay cả khi nó có tính chất chủ

quan trong quá trình truyền đạt thông tin.

Tuy nhiên khi so sánh ARIMA với mô hình FFNN (Feed Forward Neutral Networks –

Mô hình mạng lưới thần kinh tiến tiếp), tác giả Ashish Gajanan Lahane 08/2008 khi dự

báo các chỉ số chứng khoán Ấn Độ lại cho thấy ARIMA mặc dù dự đoán về hướng đi

của thị trường tốt hơn nhưng dự báo về giá trị thì kém hơn mô hình FFNN.

Mô hình FFNN là một nhánh của lý thuyết mô phỏng bộ não con người dựa trên sự di

chuyển các luồng thông tin truyền qua các nơron. Mô hình ANN (Artificial Neural

Network – Mô hình mạng thần kinh nhân tạo) cũng là một hình thức như vậy. Những

nghiên cứu gần đây đã đề xuất kết hợp mô hình ANN và ARIMA cho ra mô hình

SARIMABP (Tseng năm 2002) hay như mô hình GRANN_ARIMA (Temizel và

Ahemad năm 2005). Các nhà nghiên cứu Nitin Merh, Vinod P.Saxena và Kamal Raj

Pardasani trong tác phẩm so sánh những mô hình kết hợp ANN với ARIMA trong việc

dự báo xu hướng của thị trường chứng khoán Ấn Độ năm 2010 đã thực hiện ứng dụng

trên các chỉ số BSE IT, BSE 100, S&P CNX Nifty.

1.5.2 Ứng dụng mô hình ARCH/GARCH

Thuật ngữ ARCH/GARCH xuất hiện vào thập niên 90 nhưng chỉ thật sự phổ biến chục

năm trở lại đây, các nghiên cứu ARCH/GARCH hiện đang trong quá trình phát triển

đặc biệt ứng dụng cao trong phân tích rủi ro. Riêng lĩnh vực chứng khoán, tôi có thể kể

ra một số tác phẩm ứng dụng như sau:

Trong tác phẩm “Ứng dụng mô hình GARCH để dự báo sự biến động của thị trường

chứng khoán” Malaysia, các học giả trường đại học Putra đã sử dụng dữ liệu chỉ số giá

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

từ Sở giao dịch chứng khoán Kuala Lumpur để phân tích và dự báo rủi ro của thị

trường.

Năm 2006, tập thể những giáo sư trường đại học Wollongong ở Úc công bố kết quả

nghiên cứu tác động qua lại giữa thị trường chứng khoán Thái Lan và các thị trường

khác, trong đó họ đã sử dụng mô hình GARCH-M phân tích trên dữ liệu tháng từ

01/1988 đến 12/2004.

Ngoài ra, mô hình GARCH có thể được sử dụng để phân tích vấn đề thao túng giá

hoặc thông tin bất cân xứng trên thị trường chứng khoán bởi các nhà nghiên cứu Đài

Loan năm 2007. Họ cũng ứng dụng ARCH(3)-M để chứng minh chính giảm phát kỳ

vọng là nguyên nhân gây ra sự biến động của thị trường chứng khoán thời kỳ khủng

hoảng kinh tế 1997-1998 trong khi phần bù rủi ro tương ứng lại không đổi.

Mô hình GARCH còn được dùng để phân tích rủi ro cho các cơ hội đầu tư quốc tế theo

nghiên cứu sinh Marius Matei thuộc Viện nghiên cứu kinh tế quốc gia Tây Ban Nha

năm 2010. Trong bài nghiên cứu, những cải tiến của mô hình cũng được đề xuất.

Còn rất rất nhiều các nghiên khác trên thế giới về mặt ứng dụng lẫn cải tiến mô hình

ARIMA và ARCH/GARCH trong lĩnh vực chứng khoán mà tôi chưa thể trình bày hết.

Điều tôi muốn nói ở đây là trong thế giới học thuật ngày nay, các nghiên cứu lý thuyết

ngày càng kết hợp chặt chẽ với công nghệ toán tin học. Vì vậy khả năng ứng dụng và

triển khai vào thực tế càng nhanh chóng.

KẾT LUẬN CHƯƠNG 1

Chỉ số Vn-Index và Hn-Index là hai đối tượng nghiên cứu trong việc phân tích dự báo

giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam. Suất sinh lời của thị trường

được tính theo nguyên tắc lãi kép với số ghép lãi vô hạn và rủi ro thị trường được đo

lường bởi phương sai hay độ lệch chuẩn của chuỗi dữ liệu suất sinh lời thị trường.

Để công tác dự báo tin cậy cao và chuẩn xác thì chuỗi dữ liệu phải dừng. Chuỗi dừng

là chuỗi mà trung bình, phương sai của nó không đổi theo thời gian và hiệp phương sai

giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách và độ trễ về thời gian giữa hai thời

đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính.

Ta kiểm tra tính dừng dựa trên lược đồ tương quan hay kiểm định đơn vị. Sau khi có

dữ liệu dừng ta xây dựng mô hình ARIMA để dự báo cho chuỗi dữ liệu. Mô hình kết

Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH

hợp quá trình tự tương quan và trung bình trượt mô phỏng diễn biến chuỗi dữ liệu

trong quá khứ để dự báo cho tương lai với giả định tương lai lặp lại như những gì

trong quá khứ.

Một đặc điểm của mô hình ARIMA là phương sai không đổi nhưng trong thực tế

phương sai có biến đổi. Mô hình ARCH/GARCH khắc phục điều đó khi mô tả phương

sai phụ thuộc vào giá trị của nó trong quá khứ. Vì vậy nó được dùng để phân tích và

dự báo rủi ro.

Mô hình ARIMA, ARCH/GARCH chỉ mới được khởi xướng từ vài chục năm trở lại

đây, nhưng với sự phát triển của khoa học công nghệ, thế giới đã và đang nghiên cứu

mô hình ARIMA, ARCH/GARCH ở mức độ ngày càng sâu, tiến tới kết hợp với những

mô hình phân tích dự báo tiên tiến khác như mô hình mạng lưới thần kinh tiến tiếp

(FFNN), mô hình mạng thần kinh nhân tạo (ANN)...

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

CHƯƠNG 2

TỔNG QUAN THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM & TÌNH

HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH

(cid:89)(cid:64)(cid:90)

Chương 1 đã khái quát một số kiến thức nền về mô hình dự báo phân tích rủi ro của

một chuỗi dữ liệu theo thời gian và kinh nghiệm sử dụng mô hình trên thế giới trong

lĩnh vực chứng khoán. Đây là cơ sở cho việc ứng dụng vào thị trường cổ phiếu niêm

yết Việt Nam vì dữ liệu từ thị trường này hầu hết là dữ liệu tài chính biến động cao

theo thời gian nên rất thích hợp cho áp dụng mô hình ARIMA, ARCH/GARCH.

Trước khi đi vào phần ứng dụng, chương này sẽ đề cập đến tổng quan thị trường cổ

phiếu niêm yết Việt Nam, bao gồm các vấn đề sau:

• Giới thiệu khái quát đặc điểm của một thị trường cổ phiếu niêm yết là như thế

nào.

• Thống kê tỷ suất sinh lời và rủi ro của thị trường cổ phiếu niêm yết Việt Nam

trong mối tương quan so sánh với thế giới.

• Nhìn lại lịch sử biến động của thị trường cổ phiếu niêm yết Việt Nam để nhận

định cơ bản về diễn biến tâm lý của thị trường. Đây là lý do ta đề cao vai trò

của việc mô phỏng hành vi chuỗi dữ liệu trong quá khứ khi phân tích dự báo giá

và rủi ro của thị trường cổ phiếu niêm yết Việt Nam.

Kết thúc chương là phần trình bày liên quan đến tình trạng thực tế công tác phân tích

dự báo giá & rủi ro thị trường chứng khoán của các chuyên gia tài chính tại thị trường

cổ phiếu niêm yết Việt Nam. Từ đó nêu bật tầm quan trọng của việc ứng dụng triển

khai mô hình ARIMA, ARCH/GARCH đi vào hoạt động tư vấn đầu tư trên thị trường

cổ phiếu niêm yết Việt Nam.

2.1 TỔNG QUAN VỀ THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM

2.1.1 Đặc điểm của một thị trường cổ phiếu niêm yết Việt Nam

Thị trường cổ phiếu niêm yết Việt Nam chính thức thành lập và đi vào vận hành vào

ngày 28/07/2000 với 02 cổ phiếu REE (Công ty Cổ phần Cơ Điện Lạnh) và SAM

(Công ty Cổ phần Cáp và Vật liệu Viễn thông) giao dịch trên Trung tâm giao dịch

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Chứng khoán Thành phố Hồ Chí Minh. Trải qua hơn 10 năm hoạt động, thị trường đã

thật sự trở thành một kênh huy động vốn trung và dài hạn hiệu quả góp phần tạo động

lực phát triển kinh tế. Sàn giao dịch chứng khoán đã phát triển thành hai sàn giao dịch

được quản lý kiểm soát bởi hai cơ quan quản lý là Sở Giao dịch Chứng khoán Thành

phố Hồ Chí Minh và Sở Giao dịch Chứng khoán Hà Nội. Mỗi sàn giao dịch có những

khác nhau về quy mô, các tiêu chuẩn niêm yết và quy định quản lý.

Việc xây dựng và phát triển một mô hình quản lý hoạt động giao dịch chứng khoán

phân tầng như vậy không những tạo ra một cơ chế thông thoáng, linh hoạt cho các

công ty đại chúng muốn quảng bá hình ảnh của mình đến gần với công chúng đầu tư

mà còn làm tăng khả năng kiểm soát quản lý hoạt động của các công ty đại chúng

nhằm bảo vệ các lợi ích chính đáng của các nhà đầu tư.

Một số nét chính của hai sàn giao dịch chứng khoán niêm yết.

2.1.1.1 Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (Hsx)

Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh tiền thân là Trung tâm Giao dịch

Chứng khoán Thành phố Hồ Chí Minh, được chuyển đổi theo Quyết định 599/QĐ-

TTg ngày 11/05/2007 của Thủ tướng Chính phủ. Những công ty có cổ phiếu được

niêm yết tại Sở giao dịch Thành phố Hồ Chí Minh phải thỏa mãn các tiêu chuẩn sau:

(cid:131) Là công ty cổ phần có vốn điều lệ đã góp tại thời điểm đăng ký niêm yết từ 80

tỷ đồng Việt Nam trở lên tính theo giá trị ghi trên sổ kế toán;

(cid:131) Hoạt động kinh doanh hai năm liền trước năm đăng ký niêm yết phải có lãi,

không có lỗ luỹ kế tính đến năm đăng ký niêm yết và không có các khoản nợ

quá hạn chưa được dự phòng theo quy định của pháp luật;

(cid:131) Tối thiểu 20% cổ phiếu có quyền biểu quyết của công ty do ít nhất 100 cổ đông

nắm giữ;

(cid:131) ...

Như vậy, Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh giống một bộ lọc chọn

ra những cổ phiếu tốt nhất hoặc những đối tượng đầu tư đáng tin cậy cho công chúng.

Với chức năng giám sát và quản lý hoạt động giao dịch các cổ phiếu đủ tiêu chuẩn

niêm yết, Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh đã góp phần làm tăng

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH tính minh bạch thị trường đảm bảo hoạt động thị trường được tiến hành công khai,

271

300

250

200

174

200

141

công bằng, trật tự và hiệu quả.

g n ợ ư

150

108

l ố S

100

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010*

Năm

Đồ thị 2.1 – Số lượng các công ty niêm yết tại sàn Hsx qua các năm

Nguồn Hsx

2.1.1.2 Sở Giao dịch Chứng khoán Hà Nội (Hnx)

Sở Giao dịch Chứng khoán Hà Nội (Hnx) được thành lập theo Quyết định số

01/2009/QĐ-Ttg ngày 2/1/2009 của Thủ tướng Chính phủ trên cơ sở chuyển đổi, tổ

chức lại Trung tâm Giao dịch Chứng khoán Hà Nội. Đây là nơi giao dịch các cổ phiếu

của các công ty đại chúng có hoạt động kinh doanh tốt nhưng chưa đạt chuẩn niêm yết

tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh. Những điều kiện cơ bản bắt

buộc đối với một công ty niêm yết trên SGDCK Hà Nội bao gồm:

(cid:131) Là công ty cổ phần có vốn điều lệ đã góp tại thời điểm đăng ký niêm yết từ 10

tỷ đồng Việt Nam trở lên tính theo giá trị ghi trên sổ kế toán;

(cid:131) Hoạt động kinh doanh của năm liền trước năm đăng ký niêm yết phải có lãi,

không có các khoản nợ phải trả quá hạn trên một năm và hoàn thành các nghĩa

vụ tài chính với Nhà nước;

(cid:131) Cổ phiếu có quyền biểu quyết của công ty do ít nhất 100 cổ đông nắm giữ;

Với những tiêu chuẩn niêm yết như trên cho ta thấy các công ty niêm yết tại SGDCK

Tp. Hồ Chí Minh lớn hơn về quy mô, đại chúng hoá hơn và phải tuân thủ các yêu cầu

khắt khe hơn về chất lượng hoạt động kinh doanh so với các công ty niêm yết tại

SGDCK Hà Nội.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

349

255

160

g n ợ ư

103

l ố S

350 300 250 200 150 100 50 0

2005

2006

2007

2008

2009

2010*

Năm

Đồ thị 2.2 – Số lượng các công ty niêm yết tại sàn Hnx qua các năm

Nguồn Hnx

Chỉ cần nhìn vào biểu đồ số lượng các công ty niêm yết tại hai sàn Hsx và Hnx qua

các năm ta cũng thấy được cơ bản sự phát triển về quy mô của thị trường cổ phiếu

niêm yết Việt Nam. Đặc biệt 2006 được xét là cột mốc quan trọng đánh dấu sự phát

triển vượt bật của thị trường cổ phiếu Việt Nam không chỉ riêng gì thị trường niêm yết mà còn ở thị trường OTC2.1. Trước năm 2006 có thể xem là giai đoạn thử nghiệm vận

hành thị trường cổ phiếu còn rất mới mẻ ở Việt Nam. Kể từ thời điểm đột phá năm

2006 thì thị trường vốn nói chung và thị trường cổ phiếu niêm yết Việt Nam nói riêng

mới thật sự hòa mình vào quá trình phát triển kinh tế đất nước, trở thành phong vũ

biểu cho nền kinh tế đang phát triển như ở Việt Nam.

2.1.2 Thống kê tỷ suất sinh lời và rủi ro của thị trường cổ phiếu niêm yết Việt

Nam trong mối tương quan so sánh với thế giới

Việt Nam là nước đang phát triển nên được xếp vào nhóm các nước có nền kinh tế mới

nổi. Mặc khác, thị trường cổ phiếu niêm yết Việt Nam chỉ mới trải qua hơn mười năm

hình thành và phát triển còn rất non trẻ so với các thị trường trên thế giới. Vì vậy, sự

biến động của thị trường cổ phiếu niêm yết Việt Nam sẽ cao hơn các thị trường khác,

nhưng bù lại tỷ suất sinh lời sẽ thu được khá hấp dẫn cho các nhà đầu tư.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

France

Germany

)

%

Hong Kong

Italy

Japan

Singapore

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

( i ợ l h n i s t ấ u s ỷ T

U.K

‐20

‐40

‐60

Đồ thị 2.3 – Tỷ suất sinh lợi (%) các thị trường đã phát triển từ 2000-2009

(phụ lục 2.1)

Nguồn: International Monetary Fund, Global Financial Stability Report, Responding

to the Financial Crisis and measuring Systemic Risk, April 2009 (IMF lấy từ MSCI),

cột số liệu của 2009 thu thập từ http://www.mscibarra.com

Ví dụ tỷ suất sinh lợi ở các thị trường phát triển của giai đoạn 2000 đến 2009 cao nhất

là 82,5% thất nhất là -72,7%, trong khi đó tại các thị trường mới nổi có tỷ suất sinh lợi

cao nhất lên tới 154,5% và thấp nhất là -75,4%.

Ngoài ra, đối chiếu đồ thị 2.3 với đồ thị 2.4 cho thấy thị trường các nước đã phát triển

có xu hướng tỷ suất sinh lợi khá đồng nhất hơn các thị trường mới nổi. Khả năng tìm

kiếm lợi nhuận tại các thị trường các nước đang phát triển bị phân hóa nhiều.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

200

150

Word

)

%

100

La.America

Asia

E, Md. East

Egypt

( i ợ l h n i s t ấ u s ỷ T

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Viet Nam

‐50

‐100

Đồ thị 2.4 – Tỷ suất sinh lợi (%) các thị trường mới nổi từ 2000-2009

(phụ lục 2.2)

Nguồn: International Monetary Fund, Global Financial Stability Report, Responding

to the Financial Crisis and measuring Systemic Risk, April 2009 (IMF lấy từ MSCI),

cột số liệu của 2009 thu thập từ http://www.mscibarra.com

Trong đó, Việt Nam nổi lên từ năm 2006 trở thành một thị trường kiếm lời nhiều nhất

đạt 144,4% sau khi Ai Cập đạt vị trí quán quân cho thị trường hấp dẫn nhất vào năm

2005 đạt đến 154%. Tuy nhiên thời gian từ năm 2008 – 2009, Việt Nam là một trong

thị trường kém hấp dẫn nhất khi tỷ suất sinh lời giảm mạnh xuống gần mức thấp nhất

-65,9% và phục hồi chỉ đạt mức trung bình so với thế giới 56,8%. Như vậy thị trường

cổ phiếu niêm yết Việt Nam rủi ro khá cao trong mối tương quan với các thị trường

khác. Đồ thị 2.5 càng cho thấy rõ điều này.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

Vietnam

0.25

Indonesia

0.2

ThailandRussia

0.15

India

Korea

China

0.1

Pakistan

Australia

Philippines

Malaysia

0.05

Germany

n ẩ u h c h c ệ l ộ Đ

Singapore Hong Kong

Japan UK US

0.2

0.1

Taiwan 0.3

0.4

0.5

‐0.05

‐0.1

Suất sinh lợi

Đồ thị 2.5 – Phân tán của tỷ suất sinh lợi – độ lệch chuẩn các thị trường

(dữ liệu năm hóa từ 08/2000 đến 12/2008)

Nguồn: http://www.mscibarra.com và tính toán tác giả

Một lần nữa ta thấy các nước đang phát triển trở nên thu hút các nhà đầu tư bởi khả

năng kiếm lời từ đó cao hơn các nước phát triển nhưng đồng thời rủi ro mang lại cao

tương ứng. Việt Nam xem ra là nước thể hiện đặc tính này rõ nhất.

Lý do chính làm rủi ro của thị trường cổ phiếu niêm yết Việt Nam cao là hành vi đầu

tư theo cảm tính của nhà đầu tư trên thị trường. Nhìn lại lịch sử biến động thị trường

cổ phiếu niêm yết Việt Nam qua phân tích hành vi của nhà đầu tư sẽ thể hiện điều đó.

2.1.3 Nhìn lại diễn biến hành vi của thị trường cổ phiếu niêm yết Việt Nam trong

10 năm qua

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

Tăng tốc

Lao dốc

Khởi sự

Đồ thị 2.6 – Diễn biến 10 năm thị trường cổ phiếu niêm yết Việt Nam

Nguồn Hnx & Hsx

Giai đoạn 2000-2005 - Giai đoạn khởi sự

Sự ra đời của thị trường cổ phiếu niêm yết Việt Nam được đánh dấu bằng việc đưa vào

vận hành Trung tâm giao dịch chứng khoán TP.Hồ Chí Minh ngày 20/07/2000 và thực

hiện phiên giao dịch đầu tiên vào ngày 28/07/2000. Ở thời điểm lúc bấy giờ, chỉ có hai

doanh nghiệp niêm yết hai loại cổ phiếu (REE và SAM) với số vốn 270 tỷ đồng.

Giống như những bước đi chập chững của một đứa bé, thị trường háo hức với chỉ số

VN-Index tăng tiến thẳng đến mốc 571,04 điểm để rồi vấp ngả rớt giá một cách thẳng

tuột xuống khoảng 200 điểm. Kể từ năm 2001 đến năm 2005, thị trường diễn biến theo

trạng thái gà gật trồi sụt trong biên độ 130-300 điểm. Nguyên nhân chính là thị trường

giao dịch với ít hàng hoá của các doanh nghiệp niêm yết quy mô nhỏ, thương hiệu

không thu hút các nhà đầu tư trong khi room cho nhà đầu tư nước ngoài đã hết. Giai

đoạn này giống như thị trường ngủ đông, chứng khoán hay cổ phiếu vẫn còn là những

từ ngữ, khái niệm xa lạ đối với công chúng.

Mặc khác, tác động kinh tế xã hội của thị trường là không đáng kể. Thị trường chưa

thể hiện đúng tầm mức quan trọng của nó trong thị trường vốn hay thị trường tài chính

Việt Nam. Ta có thể thấy điều này thông qua tỷ lệ phần trăm mức vốn hóa thị trường

so với GDP như sau:

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH

Bảng 2.1 – Bảng tỷ lệ % mức vốn hóa thị trường so với GDP

Năm Tỷ lệ %

2000 0,28%

2001 0,34%

2002 0,48%

2003 0,39%

2004 0,65%

2005 1,21%

Nguồn Hnx & Hsx

Do tính đại diện của thị trường cổ phiếu niêm yết cho nền kinh tế rất thấp nên thị

trường biến động hoàn toàn độc lập với các biến kinh tế vĩ mô. Vì thế, diễn biến của

thị trường phần lớn theo hành vi đầu tư của nhà đầu tư cá nhân là đặc điểm chủ yếu

cho giai đoạn này.

Ngày 8/3/2005, Trung tâm giao dịch chứng khoán Hà Nội (TTGDCK HN) chính thức

đi vào hoạt động và quy định nâng tỷ lệ nắm giữ của nhà đầu tư nước ngoài từ 30% lên

49% trừ lĩnh vực ngân hàng) đã dần làm tỉnh ngủ thị trường cổ phiếu niêm yết nói

riêng và thị trường chứng khoán nói chung.

Giai đoạn năm 2006: Bước phát triển đột phá

Mốc thời gian kể từ đầu năm 2006 được coi là mang tính chất phát triển “đột phá”, tạo

cho thị trường chứng khoán Việt Nam một diện mạo hoàn toàn mới với hoạt động giao

dịch sôi động và ảnh hưởng tích cực đến cả thị trường OTC.

Với mức tăng trưởng đạt tới 60% từ đầu đến giữa năm 2006, thị trường cổ phiếu Việt

Nam trở thành tâm "điểm" có tốc độ tăng trưởng nhanh thứ hai thế giới, chỉ sau

Zimbabwe. Các nhà đầu tư trong lẫn ngoài nước bắt đầu bị lôi cuốn vào mức sinh lời

không thể tốt hơn từ đầu tư cổ phiếu. Ngày càng có nhiều nhà đầu tư tham gia thị

trường, tính đến tháng 12 năm 2006 có trên 120.000 tài khoản giao dịch chứng khoán

được mở, trong đó gần 2.000 tài khoản của nhà đầu tư nước ngoài, điều này đã kích

thích cho thị trường cổ phiếu niêm yết Việt Nam có sự phát triển vượt bậc. Cuối năm,

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH chỉ số Vn-Index tại sàn giao dịch TP. Hồ Chí Minh tăng 146,3% trong khi tại sàn giao

dịch Hà Nội chỉ số Hastc-Index tăng 152,4%, tổng giá trị vốn hóa đạt 13,8 tỉ USD

chiếm 22,7% GDP.

Giai đoạn năm 2006 có thể được xem là thời điểm vàng thậm chí một số bộ phận nhà

đầu tư cho rằng đây là cơ hội ngàn năm có một của thị trường cổ phiếu niêm yết Việt

Nam. Thời kì tăng tốc của một thị trường còn hết sức sơ khai mà người ta hay nói là

giai đoạn tranh tối tranh sáng, lớp lớp các nhà đầu tư mới xuất hiện liên tục hàng ngày,

nhà nhà đầu tư không chuyên nghiệp lẫn chuyên nghiệp đều kiếm bội tiền một cách dễ

dàng. Từ đám đông hiếu kỳ đến đám đông thời cơ trở thành đám đông đại gia trên thị

trường cổ phiếu niêm yết Việt Nam là một hiện tượng đặc biệt trong lịch sử phát triển

thị trường cổ phiếu Việt Nam.

Các nhà đầu tư trong giai đoạn mà tôi tạm gọi là “hỗn loạn” này đa phần đầu tư theo

tin tức, họ tận dụng các giao dịch nội gián và săn lùng các cổ phiếu có kế hoạch niêm

yết trong năm 2006 khi mà hệ thống giám sát quản lý thị trường cổ phiếu Việt Nam

mới chỉ bắt đầu xây dựng. Lượng vốn đổ vào thị trường liên tục, cổ phiếu trở thành

một loại hàng hóa có tỷ suất sinh lời vô địch thì việc đầu tư thua lỗ trong giai đoạn này

sẽ là rất kỳ lạ trong cộng đồng đầu tư. Hiện tượng này kéo dài sang năm 2007 như cơn

men say tiếp tục làm hút hồn các nhà đầu tư hăng hái cầm cố nhà cửa đất đai, sử dụng

đòn bẩy tài chính để dồn vốn vào thị trường cổ phiếu sinh lợi vô cùng hấp dẫn.

Thực tế đã cho thấy thị trường cổ phiếu niêm yết Việt Nam đã có mối tương quan nhất

định với các biến động của nền kinh tế vĩ mô nhưng tâm lý đầu tư bầy đàn đã làm méo

mó mối quan hệ đó, dẫn đến thị trường tăng trưởng quá nóng vượt khỏi tầm kiểm soát.

Giai đoạn năm 2007: Bùng nổ và điều chỉnh

Bước sang năm 2007, các nhà đầu tư của năm 2006 đã trở thành những đại gia giàu có

nở rộ như nấm sau cơn mưa rào. Thị trường cổ phiếu Việt Nam đã trở nên quá hấp dẫn

một cách bất bình thường. Một số cảnh báo về hiện tượng bong bóng của thị trường từ

các học giả vẫn không làm chùn bước tâm lý đầu tư theo bầy đàn đang hùng hục tiến

lên đỉnh. Họ không nghĩ rằng sau đỉnh núi sẽ là dốc núi mà đa phần đều hy vọng sau

đỉnh sẽ là một đỉnh khác do họ tự thiết lập. Quá tự tin và phản ứng thái quá với các tin

tức kinh tế chính là hành vi chi phối sự tăng tốc mạnh mẽ của thị trường. Và rồi kỷ lục

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH với chỉ số VN-Index 1.170,67 điểm sau 7 năm hoạt động và Hastc-Index 459,36 điểm

sau 2 năm hoạt động được thiết lập như là một kết cục tất yếu.

Từ kỷ lục chỉ số dẫn đến hàng loạt các chỉ tiêu kỷ lục về thị trường mà hôm nay ta

nằm mơ cũng không thể nghĩ tới. Tăng trưởng với tốc độ lớn nhất khi đạt mức tăng

126% chỉ trong vòng 3 tháng giao dịch. Nhờ đó, tổng giá trị vốn hóa của thị trường

trong giai đoạn này lên đến con số 398.000 tỷ đồng chiếm 80% tổng giá trị vốn hóa

492.900 tỷ đồng của cả năm 2007. Ấn tượng mạnh nhất ở giai đoạn này là hầu hết giá

các cổ phiếu tăng trưởng với tốc độ phi mã, đồng loạt các cổ phiếu từ Bluechip, Penny

stock , các cổ phiếu mới niêm yết trên sàn… tất cả đều đạt mức tăng trưởng trên 50%

giá trị so với mức giá giao dịch đầu năm, trong đó có những cổ phiếu đạt mức tăng

trưởng trên 100% như: STB (113,57%), REE (122,66%), ACB (197%)... Rất nhiều mã

CP thiết lập mức giá đỉnh kể từ khi lên sàn trong giai đoạn này như: SJS (728.000

đ/CP), FPT (665.000 đ/CP), DHG (394.000 đ/CP), REE (285.000 đ/CP), SSI (255.000

đ/CP), SAM (250.000 đ/CP), KDC (246.000 đ/CP), VNM (212.000 đ/CP), ACB

(292.000 đ/CP)…

Trước nỗi lo sợ về một “thị trường bong bóng”, các cơ quan quản lý nhà nước cũng

như Chính phủ đã vào cuộc để giảm nhiệt thị trường bằng các biện pháp kiểm soát thị

trường chặt chẽ, ban hành những thiết chế để giảm sự tăng trưởng quá nóng của thị trường như chỉ thị 032.2, luật thuế thu nhập cá nhân và các thông tư nghị định hướng

dẫn thi hành luật chứng khoán. Thị trường đã có những đợt điều chỉnh dao động mạnh

vào năm tháng giữa năm, tiếp đến là một đợt phục hồi trước khi đi vào thoái trào trong

bốn tháng cuối năm. Kết thúc phiên giao dịch cuối năm, Vn-Index đạt 927,02 điểm,

Hastc-Index dừng ở mức 323,55 điểm. Như vậy sau 1 năm hoạt động Vn-Index đạt

được mức tăng trưởng là 23,3%; Hastc-Index tăng 33,2% so với mức điểm thiết lập

vào cuối năm 2006.

Giai đoạn 2008: Lao dốc

Nếu như đợt điều chỉnh ở giữa và cuối năm 2007 chỉ là bởi tác động chủ quan của cơ

quan quản lý nhà nước nhằm hướng sự phát triển của thị trường cổ phiếu niêm yết Việt

Nam theo hướng bền vững thì đợt giảm mạnh giá cổ phiếu năm 2008 lại bộc lộ hậu

quả giai đoạn tăng nóng thiếu kiểm soát của thị trường năm 2006-2007. Hậu quả ấy là

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Index giảm điểm, thị giá các loại cổ phiếu sụt mạnh (nhiều mã cổ phiếu rơi xuống dưới

mệnh giá), tính thanh khoản kém, sự thoái vốn của khối ngoại, sự can thiệp của các cơ

quan điều hành và sự ảm đạm trong tâm lý các nhà đầu tư. Những nguyên nhân chính

đẩy thị trường lao dốc có thể kể ra đây như sau:

Cung vượt cầu

Hiện tượng cung vượt cầu là do trong năm 2008, lượng cung tiếp tục được bổ sung

đáng kể thông qua việc chính phủ đẩy mạnh cổ phần hoá doanh nghiệp nhà nước, đặc

biệt là các doanh nghiệp quy mô lớn, kinh doanh hiệu quả và bán bớt vốn nhà nước

trong các doanh nghiệp đã cổ phần hóa, chưa kể hàng loạt ngân hàng, công ty chứng

khoán, doanh nghiệp... phát hành cổ phiếu để tăng vốn điều lệ và tận dụng thời cơ lấy

thặng dư vốn dẫn đến tình trạng thị trường chứng khoán thừa "hàng" trong khi cầu đã

hạ nhiệt.

Tác động từ những tín hiệu xấu của nền kinh tế vĩ mô

Các thông tin tác động xấu tới tâm lý nhà đầu tư xuất phát từ nội tại nền kinh tế bao

gồm sự gia tăng lạm phát, chính sách thắt chặt tiền tệ của ngân hàng nhà nước, sự leo

dốc của giá xăng dầu và sức ép giải chấp từ phía ngân hàng đối với các khoản đầu tư

vào thị trường chứng khoán.

Khủng hoảng tài chính toàn cầu

Nguyên nhân tác động lớn nhất tới thị trường cổ phiếu trong giai đoạn này chính là sự

lan tỏa mạnh của cuộc khủng hoảng tài chính trên toàn thế giới. Cuộc khủng hoảng

này gây ra đổ vỡ hàng loạt hệ thống ngân hàng, nhấn chìm giá chứng khoán và tiền tệ

ở nhiều nước trên thế giới.

Trước thực trạng khó khăn có thể dẫn tới đổ vỡ thị trường, các cơ quan điều hành bắt

đầu đưa ra những chủ trương và biện pháp hỗ trợ:

(cid:131) Ủy ban chứng khoán nhà nước thu hẹp biên độ giao dịch;

(cid:131) Tổng công ty đầu tư và kinh doanh vốn nhà nước (SCIC) tham gia mua vào cổ

phiếu;

(cid:131) Ngân hàng thương mại được vận động ngừng giải chấp;

(cid:131) Tổ chức niêm yết được khuyến khích mua vào cổ phiếu quỹ.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Tuy nhiên, thị trường cổ phiếu niêm yết Việt Nam vẫn kết thúc năm 2008 với kết quả

tồi tệ của một thị trường giảm điểm mạnh nhất thế giới. Vn-Index mất điểm 66% còn

315 điểm và Hastc-Index cũng giảm tới 67,5% trong khi chỉ số chứng khoán lớn trên

thế giới chỉ giảm 35%-45%.

Một lần nữa hành vi phản ứng thái quá nhưng là phản ứng ngược dẫn thị trường giảm

mạnh với tốc độ ngang bằng như thời kỳ tăng trưởng nóng 2006-2007.

Giao đoạn năm 2009 - nay: hồi phục và sideways (thị trường đi ngang)

Năm 2008 như một cái dốc trượt dài không có điểm dừng thì năm 2009 xác lập mốc

hồi phục của thị trường. Đó cũng chính là điểm đáy 235,50 điểm của chỉ số VN-Index.

Nhờ sự hồi phục của nền kinh tế thế giới, chỉ số chứng khoán và chính sách kích cầu

của Chính phủ, thị trường đã đảo chiều tăng mạnh. Tính đến ngày 31/12/2009 thì VN-

Index đã tăng 58% từ mức 312,49 điểm đến 494,77 điểm và HNX-Index hồi phục

60,9%.

Bước sang năm 2010, tâm lý thận trọng và ngắn hạn (tham khảo Phụ lục A) đã vẽ nên

đồ hình sideways cho thị trường cổ phiếu niêm yết Việt Nam.

Như vậy, chúng ta đã ôn lại những điểm cơ bản của diễn biến thị trường cổ phiếu niêm

yết trong 10 năm qua. Một chặng đường không phải là dài đối với lịch sử của một thị

trường cổ phiếu nếu ta đem so sánh với các thị trường cổ phiếu tiên tiến khác. Tuy

nhiên, không biết có phải là điều ngẫu nhiên hay do tính chất của sự phát triển của một

thị trường thời kỳ sơ khai mà diễn tiến thị trường cổ phiếu niêm yết Việt Nam như

cuốn phim quay chậm có đầy đủ các đặc điểm của lịch sử phát triển của một thị trường

cổ phiếu niêm yết: tăng tốc, tăng trưởng bong bóng, lao dốc không phanh, khủng

hoảng, sideway... đều có đủ. Thị trường cổ phiếu niêm yết Việt Nam trở thành một thị

trường đầy thử thách đối với bất kỳ một nhà đầu tư tài chính nào muốn kiếm lợi từ thị

trường Việt Nam.

Riêng tôi, có thể kết luận thị trường cổ phiếu niêm yết Việt Nam có một điều chắc

chắn là không có gì là chắc chắn. Đấy chính là yếu tố bất định, một khái niệm cũng là

một đối tượng nghiên cứu của các học giả nhằm biến nó thành yếu tố rủi ro có thể

kiểm soát được. Vì vậy, tìm được một công cụ nào đó có thể đo lường và phân tích

được rủi ro trở thành thách thức đầy hữu ích cho ai tìm ra nó.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Trở lại thị trường cổ phiếu niêm yết Việt Nam, suốt chiều dài lịch sử phát triển của thị

trường, yếu tố hành vi chi phối phần lớn biến động thị trường nên tạo rủi ro cao tương

đối so với thị trường thế giới. Phân tích và dự báo rủi ro dựa vào kiểm soát mối tương

quan giữa các biến kinh tế vĩ mô và biến động thị trường dường như không mấy hiệu

quả và thường tạo ra kết quả sai lệch so với thực tế. Một công cụ hữu ích được các nhà

nghiên cứu kinh tế thế giới áp dụng trong dự báo và phân tích rủi ro cho thị trường cổ

phiếu niêm yết hiện nay sẽ hỗ trợ giải quyết vấn đề đó. Đấy chính là mô hình ARIMA

và mô hình ARCH/GARCH dùng để phân tích dự báo giá & rủi ro cho thị trường

chứng khoán dựa trên hành vi của diễn biến thị trường hơn là nhận diện các nhân tố

kinh tế tác động đến thị trường.

Trước khi đi vào kỹ thuật ứng dụng mô hình, tôi sẽ trình bày tổng quan về tình hình

thực tế ứng dụng mô hình ARIMA, ARCH/GARCH, từ đó nêu bật nhu cầu cần thiết

đưa mô hình vào công tác phân tích dự báo ở thị trường cổ phiếu niêm yết Việt Nam.

2.2 TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH

Tôi đã thực hiện khảo sát các mô hình phân tích dự báo mà các chuyên gia tài chính

hiện nay sử dụng để dự báo và phân tích rủi ro cho thị trường cổ phiếu niêm yết Việt

Nam (tham khảo Bảng câu hỏi ở phụ lục A.2). Quy mô mẫu khảo sát là 91 người làm

việc tại các công ty chứng khoán Việt Nam như BSC, SSI, TLS, Âu Việt, Beta,

ACBS..., trong đó 79 người là chuyên viên chiếm 86,8% mẫu khảo sát, phần lớn làm

việc trong các phòng phân tích đầu tư và tư vấn tài chính doanh nghiệp, còn lại 12 cán

bộ quản lý phòng. Như vậy tổng hợp các câu trả lời của 91 chuyên gia chứng khoán

này gần như là xu hướng chung của thị trường cổ phiếu niêm yết.

Kết quả (phụ lục A.3) cho biết phương pháp dự báo phân tích rủi ro mà các chuyên gia

tài chính có sử dụng là phân tích kỹ thuật và phương pháp hỏi ý kiến chuyên gia trong khi mô hình hồi quy nhân quả2.3, VAR2.4 có nghe biết, một số ít có quan tâm nhưng

không biết cách sử dụng. Còn mô hình ARIMA, ARCH/GARCH hầu như là các khái

niệm hoàn toàn mới đối với các nhà làm tài chính thực tế. Ngay cả phương pháp phân

tích kỹ thuật và hỏi ý kiến chuyên gia có sử dụng nhưng cũng không thường xuyên.

Đây là kết quả thật bất ngờ, nó cho thấy tính không chuyên nghiệp của thị trường

chứng khoán Việt Nam vì các nhà đầu tư cá nhân đã đành không có đủ chuyên môn

kiến thức cũng như công nghệ để sử dụng các mô hình học thuật vào thực tế thì cả các

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH chuyên gia tư vấn đầu tư tư vấn tài chính cũng biết rất sơ sài về các mô hình phân tích

dự báo giá & rủi ro. Phương pháp phân tích kỹ thuật được xem là có ứng dụng nhiều

nhất trong nghiên cứu, tư vấn và phương pháp hỏi ý kiến chuyên gia cũng có mức độ

sử dụng ngang bằng với phương pháp phân tích kỹ thuật.

Vấn đề đặt ra là phải chăng các nghiên cứu và tư vấn tài chính của các chuyên gia tài

chính thực tế hiện nay phần lớn là các ý kiến chủ quan không có cơ sở khoa học. Các

nhà đầu tư dựa trên thông tin từ các chuyên gia. Các chuyên gia lại sử dụng ý kiến của

các chuyên gia khác thì vô hình trung thị trường được điều khiển bởi một mớ hỗn độn

các ý kiến chủ quan thiếu cơ sở. Giả sử các chuyên gia tài chính thực tế hỏi ý kiến từ

các học giả, các nhà làm nghiên cứu thì làm sao họ hiểu được và tin được khi họ hiểu

biết rất ít về các mô hình phân tích dự báo giá & rủi ro có cơ sở khoa học. Từ trước tới

nay, chúng ta thường đổ lỗi cho tính tâm lý bầy đàn của thị trường chứng khoán Việt

Nam là nguyên nhân làm cho các mô hình lý thuyết không áp dụng được nhưng qua

cuộc khảo sát, tính thiếu chuyên nghiệp của các nhà tư vấn tài chính Việt Nam có lẽ là

một trong những nguyên nhân làm trầm trọng hơn tính bầy đàn của thị trường thiên về

cảm xúc hơn là lý trí như thị trường Việt Nam.

Một minh chứng cho việc các nhà đầu tư tư vấn tài chính chuyên nghiệp nếu áp dụng

các mô hình lý thuyết vào thực tiễn thường xuyên và các nhà đầu tư đã hiểu biết hơn

thì thị trường hoàn toàn có thể được dự báo và phân tích tốt đó là giai đoạn sideways

hiện nay. Các chuyên tài tài chính dùng phân tích kỹ thuật để đánh lướt sóng như khảo

sát (tham khảo Phụ lục A) và đã thật sự vẽ nên đồ hình cho thị trường đúng như giai

đoạn sideways.

Kết quả khảo sát cho ra một kết quả thú vị khi mà nhà đầu tư thông thường và nhà tư

vấn tài chính ở thị trường chứng khoán Việt Nam không khác nhau là mấy. Phải chăng

đấy là nguyên nhân tại sao giá trị của các lời tư vấn thường chung chung và không hữu

ích cho nhà đầu tư như bấy lâu vẫn tồn tại ở Việt Nam.

Thực tế ứng dụng mô hình dự báo và phân tích rủi ro trong các công ty tài chính Việt

Nam là thế, còn giới học thuật Việt Nam thì sao?

Những năm gần đây, với ứng dụng mô hình ARIMA giới học thuật Việt Nam đã tiếp

cận và ứng dụng dự báo cho nhiều chỉ tiêu kinh tế như hai nhà nghiên cứu Nguyên

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Chương (thuộc Trường Đại học kinh tế, Đà Nẵng) và Vũ Thị Thảo Bình (khoa Toán

kinh tế, Trường Đại học kinh tế quốc dân) dự báo lạm phát bằng mô hình ARIMA.

Tiến sĩ Cao Hào Thi (khoa Quản lý Công nghiệp, Trường Đại học Bách khoa Thành

phố Hồ Chí Minh) dự báo giá cá sông tại Tp. Hồ Chí Minh bằng mô hình các quá trình

ngẫu nhiên – mô hình ARIMA. Ngoài ra, Thạc sĩ Trần Anh Tuấn cũng sử dụng mô

hình ARIMA để dự báo nhu cầu tín dụng trung và dài hạn trên địa bàn Thành phố Hồ

Chí Minh (năm 2004) hay như Tiến sĩ Nghiêm Tiến Lam ứng dụng mô hình ARIMA

để dự báo dòng chảy phục vụ quản lý và điều hành hệ thống tưới Thạch Nham (năm

1999). Mô hình ARIMA còn được ứng dụng phân tích dự báo giá vàng, giá dầu, giá

chứng khoán...

Nhìn chung mô hình ARIMA đã và đang ngày càng được chọn để thực hiện các đề tài

nghiên cứu học thuật ở các lĩnh vực. Còn với mô hình ARCH/GARCH thì mức độ tiếp

cận và ứng dụng còn rất hạn chế. Hai đề tài lớn mà tôi được biết là đề tài “Xây dựng

mô hình Markov-switching GARCH cải tiến cho Vn-Index” của tiến sĩ Trần Việt Hà

(Khoa kinh tế và quản lý, Đại học Bách khoa Hà Nội) và nhà nghiên cứu Đặng Hữu

Mẫn (Trường đại học kinh tế Đà Nẵng) với đề tài “Nghiên cứu chất lượng dự báo của

những mô hình quản trị rủi ro thị trường vốn”. ARCH/GARCH là mô hình phát triển

cao hơn ARIMA và còn khá mới mẻ trong lĩnh vực nghiên cứu.

Tuy nhiên với những tác phẩm, luận văn và các bài báo được công bố của các nhà

nghiên cứu Việt Nam đã phần nào cho thấy chúng ta đang tích cực tiếp cận và có nỗ

lực giới thiệu các ứng dụng của mô hình ARIMA và ARCH/GARCH đến công chúng.

Thành công thì như chúng ta đã thấy còn rất hạn chế vì thường có một độ trễ rất lớn từ

nghiên cứu học thuật đi vào thực tiễn ứng dụng rộng rãi. Trong khi đó, các đề tài

nghiên cứu ứng dụng mô hình vào lĩnh vực chứng khoán rất ít, nếu có chỉ là ứng dụng

các kỹ thuật để dự báo mà chưa có phân tích sâu. Vì vậy, cũng là điều dễ hiểu khi kết

quả khảo sát của các chuyên gia thực tế làm việc trong các công ty tài chính hầu hết

không ứng dụng các mô hình ARIMA, ARCH/GARCH vào trong công tác tư vấn của

mình. Có thể độ phức tạp của mô hình làm nản chí các nhà ứng dụng thực tế hoặc nhu

cầu của một thị trường cổ phiếu còn khá non trẻ và thiếu chuyên nghiệp như Việt Nam

chưa cần dùng tới.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Việt Nam là nước còn rất lạc hậu trong môi trường học thuật lẫn kỹ năng ứng dụng lý

thuyết vào thực tế. “Cũ người mới ta” dường như là mệnh đề luôn đúng. Tuy nhiên, trễ

còn hơn không, chúng ta phải chủ động tiếp cận những kiến thức mới nhất của thế giới

để ít nhất chúng ta không phải là kẻ bị bỏ rơi ngoài cuộc mà là một thành viên tham

gia dù lực còn rất yếu trong dòng chảy phát triển kiến thức nhân loại. Nghiên cứu và

ứng dụng mô hình ARIMA và ARCH/GARCH cũng chỉ nhằm giới thiệu một trong

những kiến thức kinh tế ứng dụng rất được phổ biến hiện nay vào lĩnh vực chứng

khoán ở mức độ “cưỡi ngựa xem hoa”. Có thể có một số đề tài nghiên cứu ứng dụng

mô hình ARIMA và ARCH/GARCH vào thị trường chứng khoán Việt Nam mà tôi

chưa được biết nhưng với những gì tiếp thu và thu thập được, tôi muốn trình bày quan

điểm cũng như hiểu biết của mình về mô hình ARIMA, ARCH/GARCH ở một cách

tiếp cận với mức độ ứng dụng cho giai đoạn thị trường chứng khoán hiện nay của một

người làm thực tế.

Sau đây, hãy cùng tôi sử dụng những kiến thức nền đã được trình bày ở Chương I và

Chương II vào việc phân tích dự báo giá & rủi ro của thị trường niêm yết cổ phiếu Việt

Nam hiện nay.

KẾT LUẬN CHƯƠNG 2

Thị trường cổ phiếu niêm yết Việt Nam được đại diện bởi hai sàn giao dịch cổ phiếu

bao gồm Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HSX) và Sở Giao dịch

Chứng khoán Hà Nội (HNX), trong đó HSX đa phần bao gồm những cổ phiếu chất

lượng hơn vì tiêu chuẩn niêm yết khắt khe hơn.

Lịch sử phát triển thị trường cổ phiếu niêm yết Việt Nam đã trải qua hơn 10 năm với

nhiều thăng trầm. Nếu như giai đoạn từ khi khởi sự đến năm 2005 thị trường Việt Nam

hầu như tách biệt với nền kinh tế chung của đất nước bởi quy mô thị trường nhỏ bé và

mối quan tâm của nhà đầu tư với thị trường không đáng kể thì từ 2006 đến nay thị

trường cổ phiếu niêm yết Việt Nam thật sự có bước đột phá và gần như đã trở thành

phong vũ biểu đo lường nhịp đập của nền kinh tế nói chung. Thị trường cổ phiếu niêm

yết Việt Nam trở thành một trong thị trường hấp dẫn nhưng cũng rủi ro nhất thế giới.

Chương 2 – Tổng quan thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Tuy nhiên để dự báo và phân tích rủi ro của thị trường cổ phếu niêm yết Việt Nam là

vô cùng khó khăn do yếu tố hành vi bất định rất cao của nhà đầu tư tại Việt Nam làm

cho các mô hình dự báo phân tích thị trường dựa trên mối tương quan giữa thị trường

và các biến số kinh tế vĩ mô sai lệch nhiều so với thực tế. Mô hình ARIMA,

ARCH/GARCH sẽ khắc phục được nhược điểm này khi nó mô phỏng hành vi của diễn

biến thị trường mà không quan tâm đến các yếu tố tác động.

Thị trường cổ phiếu niêm yết Việt Nam vốn là thị trường tâm lý cao do kiến thức trình

độ phân tích dự báo giá & rủi ro thị trường của các nhà đầu tư (phần lớn là cá nhân)

chưa cao. Tuy nhiên một điều đáng ngạc nhiên là ngay cả các chuyên gia chứng khoán

cũng không khác gì mấy so với nhà đầu tư về tính chuyên nghiệp như trong cuộc khảo

sát về thực tế sử dụng mô hình phân tích dự báo của các chuyên gia chứng khoán hiện

nay tại Việt Nam. Kết quả là mô hình ARIMA, ARCH/GARCH hầu như là khái niệm

hoàn toàn mới đối với các chuyên gia chứng khoán làm thực tế.

Riêng các nhà học thuật Việt Nam thì mô hình ARIMA đã được sử dụng cho nhiều

lĩnh vực, có lĩnh vực chứng khoán trong khi mô hình ARCH/GARCH lại được sử

dụng rất hạn chế. Điều này chứng tỏ Việt Nam có phần tụt hậu trong việc tiếp cận

công nghệ và kiến thức mới.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

CHƯƠNG 3

PHÂN TÍCH DỰ BÁO GIÁ VÀ RỦI RO THÔNG QUA MÔ HÌNH

ARIMA, ARCH/GARCH CHO THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT TẠI

VIỆT NAM

(cid:89)(cid:64)(cid:90)

Chương ba được xem là chương ứng dụng mô hình ARIMA, ARCH/GARCH để dự

báo phân tích giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam giai đoạn hiện

nay. Mô hình ARIMA đầu tiên sẽ mô tả hành vi của thị trường trong quá khứ và nếu

như đồ hình của kết quả mô phỏng gần khớp với đồ hình của dữ liệu thực tế thì mô

hình ARIMA tìm được tỏ ra thích hợp để dự báo các kết quả trong tương lai.

Ngoài ra, chúng ta sẽ phân tích dự báo rủi ro của thị trường bằng mô hình

ARCH/GARCH. Mô hình này sẽ cho ta thấy thị trường có tình trạng bất cân xứng

thông tin hay không và mối quan hệ giữa rủi ro và suất sinh lời của thị trường.

Cuối cùng là một số vấn đề lưu ý và các hướng mở rộng ứng dụng mô hình.

3.1 KHÁI QUÁT DIỄN BIẾN CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT

VIỆT NAM GIAI ĐOẠN HIỆN NAY

Đướng nét dày là Vn-Index, đường nét mảnh là Hn-Index

Đồ thị 3.1 – Diễn biến thị trường giai đoạn từ 11/11/2009 đến 11/11/2010

Nguồn Hnx & Hsx

Từ cuối năm 2009 đến nay, thị trường cổ phiếu niêm yết tại Sở giao dịch chứng khoán

thành phố Hồ Chí Minh dường như bàng quang với mọi thông tin dù tốt hay xấu vì tác

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

động thông tin đến thị trường không còn khiến cho giá chứng khoán dao đông mạnh

nữa, thay vào đó thị trường lúc này mang đồ hình giống như giai đoạn 2001-2005 trồi

sụt với biên độ hẹp với ba đợt sóng dao động. Đợt sóng thứ nhất kết thúc vào ngày

07/01/2010 với mức đỉnh của Vn-Index đạt được là 543,46 điểm, sau đó lùi sâu về

mức 477,59 điểm vào ngày 22/01. Đợt sóng thứ 2, thị trường phục hồi lên 531.86 điểm

vào ngày 15/03, sau đó lùi về 499,21 điểm vào ngày 31/03. Đợt sóng thứ 3 đưa Vn-

Index lên mức điểm cao nhất trong 9 tháng năm 2010 với số điểm là 549,12 vào ngày

04/05. Kể từ mức điểm cao nhất của đợt sóng thứ 3 thị trường giảm mạnh về 423,89

rồi xoay quanh mức 450. Ngày 30/09/2010, Vn-Index đóng cửa ở mức 454,52 điểm,

mất 40,25 điểm so với phiên đóng cửa cuối năm 2009, tương đương 8,14%.

Trong khi đó, Hn-Index đóng cửa ở mức 127,29 điểm, mất đến 40,88 điểm so với đầu

năm 2010, tương đương 24,31%. Như vậy có vẻ như thị trường cổ phiếu niêm yết Hà

Nội nhạy cảm hơn với tin tức và có xu hướng giảm mạnh hơn.

Tổng quan về diễn biến của thị trường cổ phiếu niêm yết Việt Nam giai đoạn hiện nay

theo đồ hình 3.1 như trên. Sau đây, tôi sẽ ứng dụng mô hình ARIMA để mô phỏng lại

lịch sử biến động giá của thị trường cổ phiếu niêm yết Việt Nam từ đó làm cơ sở cho

các dự báo trong tương lai.

3.2 ỨNG DỤNG MÔ HÌNH ARIMA DỰ BÁO CHỈ SỐ VN-INDEX, HA-

INDEX

3.2.1 Ứng dụng mô hình ARIMA dự báo cho Vn-Index (phụ lục 3.1)

Nguồn số liệu

Số liệu Vn-Index lấy từ Sở giao dịch chứng khoán thành phố Hồ Chí Minh trong

khoản thời gian từ 11/11/2009 đến 11/11/2010. Giai đoạn này tuy có biến động lên

xuống tạo ra các đợt sóng nhưng không quá lớn mà có xu hướng sideways.

Mẫu quan sát và khung thời gian

Mẫu lấy gồm 251 quan sát đại diện cho 251 chỉ số giá Vn-Index theo ngày trong

khoảng thời gian từ 11/11/2009 đến 11/11/2010 tương đương một năm giao dịch.

Kiểm tra tính dừng của chuỗi dữ liệu

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Đồ thị 3.2 - Giản đồ tương quan của Vn-Index

Đồ thị 3.3 - Giản đồ tương quan sai phân bậc một của Vn-Index

Từ biểu đồ 3.2, 3.3 và kiểm định ADF cho thấy chuỗi Vn-Index là chuỗi không dừng

nhưng sai phân bậc một của nó lại là một chuỗi dừng. Như vậy chuỗi dữ liệu để xử lý

dự báo sẽ là chuỗi sai phân thay vì chuỗi Vn-Index nghĩa là Vn-Index sẽ được dự báo

theo mô hình gián tiếp thông qua chuỗi sai phân bậc một của nó.

Xác định mô hình ARIMA

Dựa vào quy tắc kinh nghiệm, căn cứ một số đặc điểm của giản đồ tương quan 3.2 và

3.3 sau đây:

(cid:131) PACF của chuỗi Vn-Index sau 1 hoặc 2 độ trễ thì nhanh chóng tiến về 0 ngay

lập tức trong khi ACF thì có xu hướng giảm dần;

(cid:131) ACF, PACF của chuỗi sai phân Vn-Index sau 1 độ trễ thì nhanh chóng bằng 0

ngay lập tức.

Ta thấy các mô hình có thể phù hợp để dự báo Vn-Index bao gồm ARMA(1,0),

ARMA(2,0), ARMA(1,1), ARIMA(1,1,1). Trong đó mô hình ARIMA(1,1,1) có các hệ

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

số không có ý nghĩa thống kê nên loại ra đầu tiên. Ba mô hình còn lại ta tiếp tục dựa

vào giản đồ tương quan phần dư (sai số dự báo) của ba mô hình để xem phần dư của

mỗi mô hình có phải là một chuỗi ngẫu nhiên không. Mô hình ARMA(2,0) không có

chuỗi sai số ngẫu nhiên nên không tốt cho dự báo.

Hai mô hình còn lại là ARMA(1,0) và ARMA(1,1), ta dựa vào một số chỉ tiêu đo

lượng độ chính xác và phù hợp của mô hình. Kết quả như sau:

Bảng 3.1 – So sánh các chỉ tiêu đánh giá mô hình

Chỉ tiêu ARMA (1,0) ARMA (1,1)

AIC 6,81933 6,781591

SBC 6,847502 6,823849

HQ 6,830668 6,798599

RMSE 7,262517 7,098313

MAPE 1,10 1,08

Nguồn: Tính toán của tác giả

Với hầu hết các chỉ tiêu trong bảng 3.1 của mô hình ARMA(1,1) đều nhỏ hơn so với

mô hình ARMA(1,0). Vậy mô hình ARMA(1,1) là mô hình phù hợp nhất để dự báo

chỉ số Vn-Index.

Như vậy một điều lưu ý khi xác định mô hình dự báo ARMA là kinh nghiệm của

người làm dự báo rất quan trọng. Khi lựa chọn ra các mô hình phù hợp cho chuỗi dữ

liệu, người làm công tác dự báo phải linh động. Như bước kiểm định tính dừng ở trên,

chuỗi dữ liệu sai phân bậc một được chọn làm chuỗi dự báo vì nó dừng nhưng kết quả

mô hình dự báo được chọn lại là mô hình ARMA(1,1) không có yếu tố sai phân.

Ngoài ra vấn đề này còn được giải thích do tính ổn định của chuỗi dữ liệu Vn-Index

thể hiện giai đoạn hiện nay của thị trường cổ phiếu niêm yết ở sàn thành phố Hồ Chí

Minh đang ở trạng thái sideways nên kiểm định ADF cho thấy chuỗi Vn-Index rất có

thể dừng ở độ tin cậy 80-90%.

Phương trình d ự báo biểu diễn như sau:

(cid:1796)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202) (cid:3555) = 482,84(1-0,96) + 0,96(cid:1796)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)(cid:2879)(cid:2778)+ 0,22et-1

Viết lại:

(cid:1796)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202) (cid:3555) = 19,3136 + 0,96(cid:1796)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)(cid:2879)(cid:2778)+ 0,22et-1

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

3.2.2 Ứng dụng mô hình ARIMA dự báo cho Hn-Index (phụ lục 3.2)

Nguồn số liệu

Số liệu Hn-Index lấy từ Sở giao dịch chứng khoán Hà Nội trong khoản thời gian từ

11/11/2009 đến 11/11/2010. Giai đoạn này Hn-Index mặc dù cũng có xu hướng

sideways nhưng gần cuối có xu hưởng giảm đều.

Mẫu quan sát và khung thời gian

Mẫu lấy gồm 251 quan sát đại diện cho 251 chỉ số giá Hn-Index theo ngày trong

khoảng thời gian từ 11/11/2009 đến 11/11/2010 tương đương một năm giao dịch.

Kiểm tra tính dừng của chuỗi dữ liệu

Đồ thị 3.4 - Giản đồ tương quan của Hn-Index

Đồ thị 3.5 - Giản đồ tương quan sai phân bậc một của Hn-Index

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Từ biểu đồ 3.4, 3.5 và kiểm định ADF cho thấy chuỗi Hn-Index là chuỗi không dừng

nhưng sai phân bậc một của nó lại là một chuỗi dừng. Như vậy chuỗi dữ liệu để xử lý

dự báo sẽ là chuỗi sai phân.

Xác định mô hình ARIMA

Dựa vào quy tắc kinh nghiệm, căn cứ một số đặc điểm của giản đồ tương quan 3.4 và

3.5 sau đây:

(cid:131) PACF của chuỗi Hn-Index sau 1 độ trễ thì nhanh chóng tiến về 0 ngay lập tức

trong khi ACF thì có xu hướng giảm dần;

(cid:131) ACF, PACF của chuỗi sai phân Hn-Index sau 1 độ trễ hoặc gần như nhanh

chóng bằng 0 ngay lập tức.

Ta thấy các mô hình có thể phù hợp để dự báo Hn-Index bao gồm ARMA(1,0),

ARMA(1,1), ARIMA(0,1,0), ARIMA(1,1,0) ARIMA(0,1,1), ARIMA(1,1,1). Trong đó

mô hình ARMA(1,1), ARIMA(1,1,0) ARIMA(0,1,1), ARIMA(1,1,1) có các hệ số

không có ý nghĩa thống kê nên cần loại ra. Hai mô hình còn lại ta tiếp tục dựa vào giản

đồ tương quan phần dư (sai số dự báo) để xem phần dư của mỗi mô hình có phải là

một chuỗi ngẫu nhiên không. Hai mô hình đều có phần dư là chuỗi ngẫu nhiên.

Ta tiếp tục dựa vào một số chỉ tiêu đo lường độ chính xác và phù hợp của mô hình.

Kết quả như sau:

Bảng 3.2 – So sánh các chỉ tiêu đánh giá mô hình

Chỉ tiêu ARMA (1,0) ARIMA (0,1,0)

AIC 5,1633 5,156206

SBC 5,191472 5,170292

HQ 5,174638 5,161875

RMSE 3,173108 3,174545

MAPE 1,539986 1,537286

Nguồn: Tính toán của tác giả

Với hầu hết các chỉ tiêu trong bảng 3.2 của mô hình ARIMA(0,1,0) đều nhỏ hơn so

với mô hình ARMA(1,0). Vậy mô hình ARIMA(0,1,0) là mô hình phù hợp nhất để dự

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

báo chỉ số Hn-Index. Như vậy Hn-Index sẽ được dự báo theo mô hình gián tiếp thông

qua chuỗi sai phân bậc một của nó. Phư ơng trình dự báo biểu diễn như sau:

(cid:3555) = - 0,311 (3.1) ∆(cid:1782)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)

Viết lại phương trình 3.1 như sau:

(cid:1782)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)

(cid:3555) = (cid:1782)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)(cid:2879)(cid:2778) - 0,311 3.3 ỨNG DỤNG MÔ HÌNH ARIMA VÀ ARCH/GARCH PHÂN TÍCH DỰ

BÁO RỦI RO

3.3.1 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro

cho sàn niêm yết Tp. Hồ Chí Minh

3.3.1.1 Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Vn-Index (phụ

lục 3.3)

Nguồn số liệu

Dựa vào dữ liệu Vn-Index lấy từ Sở giao dịch chứng khoán thành phố Hồ Chí Minh

trong khoản thời gian từ 11/11/2009 đến 11/11/2010, ta tạo ra chuỗi dữ liệu suất sinh

lời với 250 quan sát, trong đó suất sinh lời của chỉ số Vn-Index được tính theo công

thức

(cid:3017)(cid:3271)(cid:3289)(cid:3127)(cid:3258)(cid:3289)(cid:3279)(cid:3280)(cid:3299),(cid:3295) (cid:3017)(cid:3271)(cid:3289)(cid:3127)(cid:3258)(cid:3289)(cid:3279)(cid:3280)(cid:3299),(cid:3295)(cid:3127)(cid:3117)

(cid:3440) (cid:1870)(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051),(cid:3047) = (cid:1864)(cid:1866) (cid:3436)

Mẫu quan sát và khung thời gian

Mẫu lấy gồm 250 quan sát đại diện cho 250 suất sinh lời của Vn-Index theo ngày trong

khoảng thời gian từ 11/11/2009 đến 11/11/2010 tương đương một năm giao dịch.

Kiểm tra tính dừng của chuỗi dữ liệu

Đồ thị 3.6 - Giản đồ tương quan của (cid:1818)(cid:1796)(cid:1814)(cid:2879)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Từ biểu đồ 3.6 và kiểm định ADF cho thấy chuỗi suất sinh lợi Vn-Index là chuỗi

dừng. Như vậy chuỗi dữ liệu để xử lý phân tích rủi ro sẽ là chuỗi suất sinh lợi Vn-

Index.

Xác định mô hình ARIMA

Giản đồ tương quan 3.6 có đặc điểm ACF, PACF sau 1 độ trễ thì nhanh chóng bằng 0

ngay lập tức. Do đó các mô hình có thể phù hợp để dự báo r(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) bao gồm

ARMA(1,0), ARMA(0,1), ARMA(1,1). Cả ba mô hình đều có phần dư là chuỗi ngẫu

nhiên nhưng mô hình ARMA(1,1) có các hệ số không có ý nghĩa thống kê nên cần loại

ra. Hai mô hình còn lại ta tiếp tục dựa vào một số chỉ tiêu sau đây để chọn ra mô hình

phù hợp nhất.

Bảng 3.3 – So sánh các chỉ tiêu lựa chọn mô hình dự báo (cid:1818)(cid:2178)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206)

Chỉ tiêu ARMA (0,1) ARMA (1,0)

AIC -5,59339 -5,58976

SBC -5,57931 -5,57563

HQ -5,58773 -5,58407

RMSE 0,014704 0,014731

Nguồn: Tính toán của tác giả

Với hầu hết các chỉ tiêu trong bảng 3.3 của mô hình ARMA(0,1) đều nhỏ hơn so với

mô hình ARMA(1,0). Vậy mô hình ARMA(0,1) là mô hình phù hợp nhất để dự báo

r(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051).

3.3.1.2 Sử dụng mô hình ARCH/GARCH để phân tích dự báo rủi ro của Vn-

Index

Dự báo rủi ro Vn-Index (phụ lục 3.4)

Từ mô hình ARMA(0,1), ta đi kiểm định ảnh hưởng của ARCH(q) và sau khi ta tăng

độ trễ q lên 2 thì ta thấy chỉ có mô hình ARCH(1) là có ý nghĩa dự báo rủi ro Vn-Index

với q=1.

Mô hình ARCH(1) chính là mô hình GARCH(0,1).Ta tiếp tục thử kiểm định với các

mô hình GARCH(1,1), GARCH(2,1), GARCH(2,2). Với hai mô hình GARCH(2,1),

GARCH(2,2) thì các hệ số dự báo không có ý nghĩa thống kê, chỉ có mô hình

GARCH(1,1) là có ý nghĩa thống kê để để dự báo rủi ro Vn-Index.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Ta có hai mô hình ARCH(1) hay GARCH(0,1) và GARCH(1,1) dự báo rủi ro của Vn-

Index. Để lựa chọn mô hình nào là phù hợp nhất ta dựa vào đồ thị biểu diễn phần dư

của hai mô hình.

Đồ thị 3.7 biểu diễn phần dư của mô hình GARCH(1,1) và GARCH(0,1)

So sánh hai mô hình, ta thấy phần dư ước lượng của mô hình GARCH(1,1) được vẽ

nhẵn và rõ ràng hơn mô hình GARCH(0,1) nên ta chọn mô hình GARCH(1,1) để dự

báo ph ơng sai của Vn-Index hay rủi ro của Vn-Index. Kết quả dự báo: ư

(cid:2879)(cid:3010)

(3.2)

(3.3) r(cid:3023)(cid:3041) (cid:3041)(cid:3031)(cid:3032)(cid:3051),(cid:3047) = 0,164 et-1 + et Ut ~ N(0, ht) (cid:2870) ht = 0.00000952 + 0,8ht-1 + 0,16(cid:1857)(cid:3047)(cid:2879)(cid:2869)

Phương trình 3.2 là phương trình ước lượng tỷ suất sinh lợi Vn-Index và phương trình

3.3 là phương trình dự báo rủi ro Vn-Index. Với mô hình GARCH(1,1) cho ta thấy rủi

ro của Vn-Index phụ thuộc vào rủi ro xảy ra ở giai đoạn t-1 hay khi có một cú sốc lớn

hay nhỏ xảy ra ở trước đó thì rủi ro theo sau cũng sẽ lớn hay nhỏ.

Đặc điểm rủi ro (phụ lục 3.5)

Thứ nhất với mô hình GARCH(1,1)-M, ta đưa biến phương sai tức là rủi ro như là một

biến vào trong phương trình 3.2, phương trình suất sinh lợi. Điều này có nghĩa rủi ro là

một tác nhân tác động đến suất sinh lợi thông qua phần bù rủi ro là tích của một hệ số

với phương sai như trong phương trình 1.9. Điều này có đúng với chỉ số Vn-Index

không?

Kiểm định mô hình GARCH(1,1)-M cho thấy hệ số của phương sai trong phương trình

trung bình không có ý nghĩa thống kê, vậy mô hình GARCH-M không phù hợp trong

trường hợp này.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Thứ hai, tính chất cân xứng thông tin hay rủi ro bất cân xứng thông tin được ước lượng

thông qua mô hình TGARCH(1,1). Kết quả ước lượng cho thấy hệ số υ(cid:2869) không có ý

nghĩa thống kê. Như vậy, không có sự khác biệt giữa tin tức tốt và tin tức xấu. Nói

cách khác, ảnh hưởng của tin tức có tính chất cân xứng trên sàn niêm yết thành phố Hồ

Chí Minh.

3.3.2 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro

cho sàn niêm yết Hà Nội

3.3.2.1 Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Hn-Index (phụ

lục 3.6)

Nguồn số liệu

Dựa vào dữ liệu Hn-Index lấy từ Sở giao dịch chứng khoán Hà Nội trong khoản thời

gian từ 11/11/2009 đến 11/11/2010, ta tạo ra chuỗi dữ liệu suất sinh lời với 250 quan

sát, trong đó suất sinh lời củ chỉ số Hn-In a dex đ ược tính theo công thức

(cid:3017)(cid:3257)(cid:3289)(cid:3127)(cid:3258)(cid:3289)(cid:3279)(cid:3280)(cid:3299),(cid:3295) (cid:3017)(cid:3257)(cid:3289)(cid:3127)(cid:3258)(cid:3289)(cid:3279)(cid:3280)(cid:3299),(cid:3295)(cid:3127)(cid:3117)

(cid:3440) (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051),(cid:3047) = (cid:1864)(cid:1866) (cid:3436)

Mẫu quan sát và khung thời gian

Mẫu lấy gồm 250 quan sát đại diện cho 250 suất sinh lời của Hn-Index theo ngày trong

khoảng thời gian từ 11/11/2009 đến 11/11/2010 tương đương một năm giao dịch.

Kiểm tra tính dừng của chuỗi dữ liệu

Đồ thị 3.8 - Giản đồ tương quan của (cid:2200)(cid:2164)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206),(cid:2202)

Từ biểu đồ 3.8 và kiểm định ADF cho thấy chuỗi suất sinh lợi Hn-Index là chuỗi

dừng.

Xác định mô hình ARIMA

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Giản đồ tương quan 3.8 có đặc điểm ACF, PACF bằng 0 ngay lập tức ở độ trễ đầu tiên

nên chuỗi (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051),(cid:3047) có dạng một chuỗi ngẫu nhiên. Do đó mô hình có thể phù hợp để

dự báo (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051),(cid:3047) chỉ có thể là ARMA(0,0).

3.3.2.2 Sử dụng mô hình ARCH/GARCH để dự báo phân tích rủi ro của chỉ số

Hn-Index

Dự báo rủi ro Hn-Index (phụ lục 3.7)

Từ mô hình ARMA(0,0), ta đi kiểm định ảnh hưởng của ARCH(q) và sau khi ta tăng

độ trễ q lên 3 thì ta thấy chỉ có mô hình ARCH(1) và ARCH(2) là có ý nghĩa dự báo

rủi ro Hn-Index.

Ta tiếp tục thử kiểm định với các mô hình GARCH(1,1), GARCH(2,1), GARCH(1,2).

Với hai mô hình GARCH(2,1), GARCH(1,2) thì các hệ số dự báo không có ý nghĩa

thống kê, chỉ có mô hình GARCH(1,1) là có ý nghĩa thống kê để dự báo rủi ro Hn-

Index.

Ta có ba mô hình ARCH(1) hay GARCH(0,1), ARCH(2) hoặc GARCH(0,2) và

GARCH(1,1) dự báo rủi ro của Vn-Index. Để lựa chọn mô hình nào là phù hợp nhất ta

dựa vào đồ thị biểu diễn phần dư của ba mô hình.

Đồ thị 3.9 biểu diễn phần dư của mô hình GARCH(0,1), GARCH(0,2) và

GARCH(1,1)

So sánh ba mô hình, ta thấy phần dư ước lượng của mô hình GARCH(1,1) được vẽ

nhẵn và rõ ràng hơn hai mô hình GARCH(0,1) và GARCH(0,2) nên ta chọn mô hình

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

GARCH(1,1) để dự báo phương sai của Hn-Index hay rủi ro của Hn-Index. Kết quả

(cid:2870) ht = 0.00000251 + 0,79ht-1 + 0,16(cid:1857)(cid:3047)(cid:2879)(cid:2869)

phương trình dự báo rủi ro cho Hn-Index ược biểu diễn như sau: đ

Đặc điểm rủi ro

Kiểm định mô hình GARCH(1,1)-M cho thấy hệ số của phương sai trong phương trình

trung bình không có ý nghĩa thống kê, vậy mô hình GARCH-M không phù hợp trong

trường hợp này.

Thứ hai, tính chất cân xứng thông tin hay rủi ro bất cân xứng thông tin được ước lượng

thông qua mô hình TGARCH(1,1). Kết quả ước lượng cho thấy hệ số υ1 có ý nghĩa

thống kê. Như vậy, có sự khác biệt giữa tin tức tốt và tin tức xấu. Nói cách khác, ảnh

hưởng của tin tức xấu tác động mạnh đến thị trường hơn là thông tin tốt tại sàn niêm

yết Hà Nội.

3.4 MỘT SỐ VẤN ĐỀ LƯU Ý VÀ CÁC HƯỚNG MỞ RỘNG ỨNG DỤNG MÔ

HÌNH

3.4.1 Một số vấn đề lưu ý (cid:131) Bài luận chỉ dừng ở mức độ giới thiệu một công cụ kỹ thuật đang được sử dụng

rộng rãi trong giới học thuật lẫn ứng dụng thực tiễn khi phân tích dự báo giá và rủi

ro cho thị trường chứng khoán Việt Nam. Đó chính là mô hình ARIMA và

ARCH/GARCH. Các ứng dụng cao và sâu hơn chưa được nghiên cứu. Ví dụ như

bài luận chỉ đưa ra các mô hình cơ bản của ARCH/GARCH, chưa cập nhật so sánh

đầy đủ các mô hình ARCH/GARCH để chọn ra mô hình tốt nhất.

(cid:131) Xác định các dạng mô hình ARIMA, ARCH/GARCH có thể dựa vào giản đồ

tương quan gần như là một nghệ thuật, vì vậy kinh nghiệm và linh động của người

ứng dụng mô hình rất quan trọng để tránh tình trạng bỏ sót các mô hình có ý nghĩa

khác.

(cid:131) Giai đoạn sideways hiện nay của thị trường cổ phiếu niêm yết tại sàn Tp. Hồ Chí

Minh hay xu hướng giảm đều của thị trường cổ phiếu niêm yết Hà Nội giúp ta dễ

dàng xác định mô hình ARIMA dự báo bởi tính ổn định của chuỗi dữ liệu làm cho

nó có xu hướng dừng ngay ở sai phân bậc một và các yếu tố tự tương quan, trung

bình trượt chỉ xảy ra ở độ trễ thứ nhất. Tuy nhiên khi thị trường biến động cao thì

liệu đặc điểm của mô hình ARIMA luôn đúng như vậy không lại chưa được xem

xét.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

(cid:131) Mô hình ARIMA và ARCH/GARCH với ý nghĩa mô phỏng lại hành vi diễn biến

trong quá khứ, từ đó làm cơ sở cho dự báo kế tiếp. Nhưng thị trường tài chính vốn

biến động cao, các tác động của các yếu tố thời tương lai chưa được xem xét nên

dự báo sử dụng mô hình ARIMA, ARCH/GARCH thường phải kèm theo giả định

là kịch bản của tương lai sẽ hoàn toàn giống như những gì mô hình mô phỏng quá

khứ. Do đó mô hình ARIMA và ARCH/GARCH có vẻ chỉ phù hợp dự báo các

điểm tương lai rất gần với thời điểm cuối cùng của chuỗi dữ liệu. Tính dự báo ngắn

của mô hình ARIMA và ARCH/GARCH thể hiện ở đặc điểm này.

(cid:131) Ngoài ra, để phân tích dự báo giá & rủi ro cho Vn-Index, người ta thường hồi quy

các nhân tố tác động đến Vn-Index như lãi suất, tăng trưởng GDP, biến động giá

chứng khoán thế giới, biến động thị trường vàng, ngoại hối... để tạo ra mô hình hồi

quy trong đó biến phụ thuộc là Vn-Index và các biến độc lập là các nhân tố tác

động. Phân tích dự báo giá & rủi ro Vn-Index dựa vào mô hình hồi quy kiểu như

vậy với các điều chỉnh có thể từ nhận định xu hướng biến động sắp tới. Trong khi

đó, mô hình ARIMA và ARCH/GARCH chưa đề cập và đo lường tác động của

các nhân tố khác nhau đối với thị trường nên sẽ không phù hợp cho các nhà làm

chính sách tin dùng.

3.4.2 Hướng mở rộng ứng dụng mô hình

(cid:131) Đề tài nghiên cứu ứng dụng mô hình ARIMA, ARCH/GARCH để dự báo giá cho

chỉ số giá chứng khoán. Mở rộng ra, mô hình có thể được tiếp tục nghiên cứu áp

dụng dự báo giá cho từng cổ phiếu riêng lẻ.

(cid:131) Mô hình ARIMA dự báo cho giai đoạn ngắn hạn vì hầu như nó mô phỏng khá tốt

quá trình diễn biến dữ liệu của giá chứng khoán cũng như hành vi của nhà đầu tư

trên thị trường. Tuy nhiên tương lai có một điều chắc chắn là không có gì là chắc

chắn nên một cú sốc lớn có khả năng làm giá chứng khoán đi chệch khỏi quỹ đạo

đáng lẻ nó phải đi theo đồ hình mà mô hình vẽ ra. Vì vậy cần phải có điều chỉnh

kết quả dự báo sao cho phù hợp với tình hình thực tế. Điều này cần kinh nghiệm,

độ nhạy bén của người phân tích. Mô hình ARIMA giờ đây trở thành một công cụ

dự báo mang tính tham khảo rất hữu ích đặc biệt khi kết hợp với phân tích kỹ thuật

để đưa ra chiến lược lướt sóng ngắn hạn cho nhà đầu tư “lượm bạc cắc”.

(cid:131) Thị trường cổ phiếu niêm yết Việt Nam thuộc dạng biến động cao, mô hình

ARIMA, ARCH/GARCH tìm được chỉ phù hợp cho giai đoạn hiện nay, giai đoạn

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

nghiêng về sideways hoặc có xu hướng giảm đều. Ý tưởng mở rộng đề tài nghiên

cứu có thể là xem xét đặc điểm của mô hình ARIMA, ARCH/GARCH thay đổi

như thế nào khi ta thay đổi khoảng thời gian xem xét và tính chất thời gian của

chuỗi dữ liệu theo tuần, tháng thay vì theo ngày như trong đề tài.

(cid:131) Như đã nói ở trên, mô hình ARCH/GARCH được sử dụng trong bài luận chỉ dự

báo và phân tích rủi ro của thị trường dựa trên quá trình tự tương quan và trung

bình trượt của chuỗi dữ liệu hay nói cách khác nó dựa trên diễn biến hành vi trong

quá khứ để dự báo và phân tích hành vi trong tương lai có nghĩa là mô hình xem

nhẹ các cú sốc của thời tương lai. Mặc khác trong điều hành chính sách, mô hình

trở nên không có ý nghĩa đáng kể vì nhà làm chính sách không biết tác động thị

trường từ đâu bởi không nhận diện rõ mức độ quan trọng của các nhân tố. Vì vậy,

rất cần thiết xây dựng một mô hình ARCH/GARCH mới có thể kết hợp với mô

hình dự báo nhân quả để nhận diện, phân loại, và đo lường tác động của các nhân

tố khác nhau đến thị trường. Từ đó các nhà làm chính sách có thể tác động đến thị

trường với liều lượng các giải pháp chính sách tương ứng tỷ trọng ảnh hưởng của

nhân tố tác động đến thị trường. Ngoài ra trong công tác dự báo, kết quả truy xuất

từ mô hình ARIMA và ARCH/GARCH có thể được điều chỉnh để đưa ra dự báo

phù hợp hơn trong một môi trường biến động (tham khảo Phụ lục A).

(cid:131) So sánh mô hình ARIMA, ARCH/GARCH với các mô hình dự báo đã được biết

như mô hình nhân quả, mô hình chuỗi thời gian đơn giản...trong việc dự báo giá

chứng khoán.

(cid:131) Trong các loại mô hình ARCH/GARCH thì mô hình GARCH-M thường được sử

dụng để đánh giá tính hợp lý của giả thuyết rủi ro cao, lợi nhuận cao có đúng

không tức là ta kiểm chứng được một nhà đầu tư đầu tư vào thị trường rủi ro nhưng

phần bù rủi ro được yêu cầu có tương xứng với mức độ chấp nhận rủi ro của nhà

đầu tư không. Bài luận đã cho thấy suất sinh lợi của thị trường cổ phiếu niêm yết

Việt Nam mang lại không tương thích với rủi ro hoặc mệnh đề “lợi nhuận cao, rủi

ro càng cao” không đúng với thị trường Việt Nam hiện nay. Ứng dụng tương tự

cho tất cả các ngành hoặc từng cổ phiếu hoàn toàn có thể làm được. Điều này vô

cùng có ích trong công tác định giá khi mà ta hoàn toàn có thể kiểm chứng được

giả thiết đặc điểm ngại rủi ro của nhà đầu tư khi đầu tư vào một cổ phiếu hoặc ngành nào đó. Mô hình định giá CAPM3.1 hay APT đều dựa trên giả định này. Từ

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

đây, mô hình GARCH-M có thể được dùng làm cơ sở cho việc lựa chọn phương

pháp định giá thích hợp trong phân tích cơ bản cổ phiếu ví dụ mô hình CAPM hoặc

APT có cần thiết sử dụng không khi mà thực tế dữ liệu chứng minh rủi ro của cổ

phiếu hoặc ngành nào đó không có tác động nào đến tỷ suất sinh lời của cổ phiếu

hoặc ngành.

Trên cơ sở như vậy, ta có thể dựa vào mô hình ARCH/GARCH xây dựng một bộ

quy chuẩn đánh giá cụ thể rủi ro của từng ngành, từng cổ phiếu cho từng giai đoạn

để làm căn cứ hỗ trợ cho quyết định đầu tư.

(cid:131) Một ứng dụng khác từ mô hình ARIMA, ARCH/GARCH trong định giá là ta hoàn

toàn có thể dùng mô hình để dự báo các chỉ tiêu tài chính trong bảng dự phóng các

số liệu tài chính làm cơ sở cho việc chiết khấu dòng tiền để xác định giá trị hiện tại của cổ phiếu. Thực tế hiện nay, các phương pháp định giá cổ phiếu FCFE3.2, FCFF3.3, DCF3.4... thường được sử dụng để đánh giá giá trị thực của cổ phiếu một

cách khoa học nhưng các phương pháp tưởng chừng là mang nhiều ý nghĩa nhất vì

nó phản ánh giá trị nội tại của cổ phiếu thì lại thiếu chính xác nhất vì dữ liệu đầu

vào cho mô hình hầu hết là các dự báo tùy tiện và thiếu cơ sở. Ngay cả khi đã dùng

các phương pháp mô hình thống kê như mô hình nhân quả hay mô hình chuỗi thời

gian ta cũng gặp một số vấn đề khó khăn. Đó là với mô hình nhân quả ta không thể

ước lượng hết được các nhân tố tác động hoặc kết quả ước lượng là trung bình có

sai số trong khi sai số lại không ước lượng được. Còn dùng mô hình dự báo chuỗi

thời gian đơn giản thì ta lại gặp phải vấn đề tập quán đề ra kế hoạch năm sau cao

hơn năm trước... Vì vậy nếu ta sử dụng mô hình ARIMA, ARCH/GARCH để xây

dựng nên bảng kế hoạch kinh doanh, bảng báo cáo tài chính...thì ta có được những

dữ liệu dự phóng khoa học và đáng tin cậy hơn từ đó làm tăng tính thuyết phục cho

kết quả định giá đặc biệt là từ các phương pháp chiết khấu dòng tiền.

KẾT LUẬN CHƯƠNG 3

Có nhiều cách để dự báo xu hướng của thị trường nhưng dự báo chỉ số giá cụ thể thì

rất khó khăn vì gần như chúng ta không thể dự báo được hết các biến rủi ro cũng như

các nhân tố tác động đến thị trường. Mô hình ARIMA tỏ ra thích hợp hơn khi khắc

phục được khó khăn đó.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Bằng việc mô phỏng hành vi của chuỗi dữ liệu trong quá khứ, từ đó nó xây dựng nên

hướng đi cho tương lai. Theo cách làm như vậy chúng ta đã tìm được mô hình dự báo

ARIMA(1,0,1), ARMA(0,1,0) tương ứng cho chỉ số Vn-Index và Hn-Index. Phương

trình biểu diễn của hai mô hình như sau:

Phương trình dự b áo chỉ số V n-Index:

Phương trình dự báo chỉ số Hn-Index :

(cid:1782)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)

(cid:3555) = (cid:1782)(cid:1814)(cid:1783)(cid:1814)(cid:1804)(cid:1805)(cid:1824)(cid:2202)(cid:2879)(cid:2778) - 0,311 Hai phương trình cho thấy Vn-Index phụ thuộc đến hai yếu tố đó là giá trị Vn-Index

ngày hôm qua và cả sai số trước đó trong khi Hn-Index đang có xu hướng giảm đều.

Ta cũng có thể thấy điều đó qua đồ hình sau:

Đồ thị 3.10 – Chỉ số Vn-Index và Vn-Index dự báo

Đồ thị 3.11 – Chỉ số Hn-Index và Hn-Index dự báo

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Rõ ràng thị trường cổ phiếu niêm yết Thành phố Hồ Chí Minh gần đây đang sideways

trong khi thị trường niêm yết Hà Nội lại giảm đều. Cả hai mô hình dự báo đều mô

phỏng khá tốt diễn biến thị trường trong giai đoạn từ 11/11/2009 đến 11/11/2010. Giả

sử không có yếu tố tác động bất ngờ thì ta dễ dàng dự đoán được chỉ số của ngày hôm

sau theo như hai phương trình trên.

Mô hình ARIMA còn được sử dụng để xây dựng mô hình dự báo cho suất sinh lợi thị

trường. Chúng ta cũng đã tìm được mô hình ARMA(0,1) cho (cid:1870)(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) và ARMA(0,0)

cho (cid:1870)(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051). Một nhà đầu tư quan tâm đến thị trường không chỉ về giá cổ phiếu, suất

sinh lời mà còn dự báo được mức độ dao động của thị trường có nghĩa là rủi ro thị

trường. Mô hình ARMA dự báo bằng phương pháp bình phương bé nhất (OLS) với giả

định phương sai không thay đổi hay được gọi là trường hợp phương sai không có điều

kiện. Tuy nhiên, các chuỗi dữ liệu chứng khoán thường có xu hướng dao động cao vào

một số giai đoạn theo sau một số giai đoạn tương đối ít biến động. Sự dao động như

vậy là do tác động của yếu tố thông tin và hành vi đám đông của nhà đầu tư trên thị

trường. Giả định phương sai không thay đổi theo thời gian thường không phù hợp nữa.

Thay vào đó, mô hình ARCH/GARCH được sử dụng để phân tích dự báo rủi ro của thị

trường chứng khoán. Chúng ta đã xây dựng mô hình dự báo rủi ro cho hai thị trường

(cid:2870)

theo phương trình:

ht = γ0 + (cid:2012)(cid:2869)(cid:1860)(cid:3047)(cid:2879)(cid:2869) + γ1(cid:1873)(cid:3047)(cid:2879)(cid:2869)

Rủi ro của thị trường phụ thuộc vào biến động của thị trường trước đó.

Ngoài ra, mô hình ARCH/GARCH còn chứng minh có cơ sở hai đặc điểm rủi ro của

thị trường cổ phiếu niêm yết Việt Nam bao gồm:

(cid:131) Suất sinh lợi mang lại của thị trường cổ phiếu niêm yết Việt Nam không tương

thích với rủi ro hoặc mệnh đề “lợi nhuận cao, rủi ro càng cao” không đúng với

thị trường Việt Nam hiện nay.

(cid:131) Thị trường niêm yết thành phố Hà Nội đang tồn tại tình trạng bất cân xứng

thông tin khi tin xấu tác động đến thị trường mạnh hơn là tin tốt, trong khi đó

tin tốt và tin xấu tác động đến thị trường niêm yết thành phố Hồ Chí Minh như

nhau. Điều này cũng giải thích cho diễn biến thị trường hiện nay khi chỉ số Vn-

Index đang sideways vì các tin tức tốt và xấu gần như bão hòa tác động đến thị

trường nhưng Hn-Index lại đang giảm đều do tin xấu gần đây xuất hiện nhiều

hơn và tác động mạnh hơn là tin tốt.

Chương 3 – Phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam

Tuy nhiên, mô hình ứng dụng trong bài luận chỉ dừng ở mức độ tiếp cận một phương

pháp, một công cụ phân tích dự báo rủi ro mới. Còn nhiều vấn đề cần lưu ý có thể nêu

ra như sau: Cần cập nhật nhiều mô hình khác để làm đối trọng so sánh; Xác định mô

hình ARIMA, ARCH/GARCH là một nghệ thuật nên người phân tích phải linh động

và có kinh nghiệm; Mô hình ARIMA, ARCH/GARCH có vẻ phù hợp cho dự báo ngắn

hạn và không phù hợp cho các nhà làm chính sách tin dùng. Các hướng nghiên cứu

ứng dụng mô hình ARIMA, ARCH/GARCH mở rộng tiếp theo bao gồm: thay đổi

khung thời gian và tính chất thời gian xem xét, ứng dụng mô hình cho từng cổ phiếu

riêng lẻ hoặc ngành cụ thể, kết hợp với các mô hình khác như mô hình dự báo nhân

quả để điều chỉnh kết quả phân tích dự báo phù hợp với tình hình thực tế...

KẾT LUẬN

(cid:89)(cid:64)(cid:90)

Chúng ta đã lần lượt tiếp cận những điểm cơ bản của việc ứng dụng mô hình ARIMA,

ARCH/GARCH trong phân tích dự báo giá & rủi ro cho thị trường cổ phiếu niêm yết

Việt Nam. Kết quả ứng dụng cho thấy mô hình ARIMA mô phỏng khá tốt diễn biến

hành vi của thị trường trong quá khứ nên nó có cơ sở làm tốt chức năng của mình

trong việc dự báo cho tương lai đặc biệt trong giai đoạn sideways hay giảm đều hiện

nay. Với mô hình ARCH/GARCH cho ta biết suất sinh lời của thị trường chứng khoán

niêm yết Việt Nam có đặc điểm không tương thích với rủi ro của thị trường. Mặc khác

tình trạng bất cân xứng thông tin của hai thị trường niêm yết Tp. Hồ Chí Minh và Hà

Nội là khác nhau. Tin xấu tác động mạnh hơn đến thị trường niêm yết Hà Nội hơn là

tin tốt trong khi thị trường niêm yết Tp. Hồ Chí Minh có xu hướng cân xứng giữa tin

tốt với tin xấu.

Tuy nhiên mô hình ARIMA, ARCH/GARCH có vẻ như chỉ phù hợp cho dự báo ngắn

hạn vì tương lai luôn tiềm ẩn các cú sốc không thể biết trước trong khi các yếu tố tác

động đến thị trường lại không được nhận diện trong mô hình. Mô hình không có ý

nghĩa lớn đối với các nhà làm chính sách vì nếu sử dụng mô hình họ không thể đo

lường được các yếu tố tác động đến thị trường để từ đó thực hiện các chính sách điều

tiết thị trường phù hợp.

Ta không thể phủ nhận mô hình nhân quả rất có ích cho các nhà làm chính sách khi

phân tích mức độ tác động của các rủi ro đối với thị trường cổ phiếu niêm yết Việt

Nam. Kết hợp và mở rộng mô hình ARIMA, ARCH/GARCH với mô hình nhân quả sẽ

là công cụ hiệu quả trong phân tích dự báo giá & rủi ro của thị trường cho mỗi nhà đầu

tư lẫn nhà làm chính sách.

Như vậy, tầm quan trọng của ứng dụng mô hình ARIMA, ARCH/GARCH đã rõ ràng

nhưng có thể do tính chuyên nghiệp của thị trường chứng khoán Viết Nam chưa cao

nên hầu hết các chuyên gia trong lĩnh vực tài chính tư vấn đầu tư không biết cách sử

dụng mô hình cũng như không ý thức được tầm quan trọng của kỹ thuật phân tích này.

Thị trường cổ phiếu niêm yết Việt Nam, một thị trường thiếu chuyên nghiệp ngay từ

các chuyên gia, các nhận định thị trường thường mang yếu tố định tính cao hoặc dựa

trên kỹ thuật dự báo thiếu cơ sở thì yếu tố tâm lý thống trị trong hoạt động đầu tư của

công chúng là điều dễ hiểu.

Hy vọng trong tương lai, ngày càng có nhiều nhà nghiên cứu thuộc lĩnh vưc tài chính

xúc tiến đưa ứng dụng các kỹ thuật tiên tiến và khoa học nhất của thế giới vào trong

hoạt động thực tiễn, trong đó, mô hình ARIMA, ARCH/GARCH được kỳ vọng là kỹ

thuật phân tích dự báo có ý nghĩa và góp phần tăng tính chuyên nghiệp cho thị trường

tài chính Việt Nam nói chung và cho thị trường cổ phiếu niêm yết nói riêng vậy.

PHỤ LỤC

(cid:89)(cid:64)(cid:90)

PHỤ LỤC A NHẬN ĐỊNH XU HƯỚNG CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM

YẾT VIỆT NAM HIỆN NAY ....................................................................................... 2

KẾT LUẬN .................................................................................................................. 12

PHỤ LỤC A.1 THỐNG KÊ 10 CỔ PHIẾU CÓ SỐ LƯỢNG NIẾM YẾT MỚI

NHIỀU NHẤT.............................................................................................................. 14

PHỤ LỤC A.2 BẢNG CÂU HỎI (ĐÍNH KÈM) ...................................................... 15

PHỤ LỤC A.3 THỐNG KÊ MÔ TẢ TÂM LÝ CỦA NHÀ ĐẦU TƯ VÀ ĐÁNH

GIÁ CỦA HỌ VỀ CÁC RỦI RO ẢNH HƯỞNG ĐẾN XU HƯỚNG THỊ

TRƯỜNG SẮP TỚI .................................................................................................... 15

PHỤ LỤC 1.1 MỘT SỐ QUÁ TRÌNH NGẪU NHIÊN ĐƠN GIẢN ...................... 20

PHỤ LỤC 1.2 KIỂM ĐỊNH ẢNH HƯỞNG CỦA ARCH ....................................... 22

PHỤ LỤC 2.1 TỶ SUẤT SINH LỜI (%) Ở THỊ TRƯỜNG PHÁT TRIỂN ......... 23

PHỤ LỤC 2.2 TỶ SUẤT SINH LỜI (%) Ở THỊ TRƯỜNG MỚI NỔI ................. 24

PHỤ LỤC 3.1 DỰ BÁO CHO VN-INDEX ............................................................... 25

PHỤ LỤC 3.2 DỰ BÁO CHO HN-INDEX ............................................................... 30

PHỤ LỤC 3.3 DỰ BÁO CHO (cid:1818)(cid:2178)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) .................................................................... 35

PHỤ LỤC 3.4 DỰ BÁO RỦI RO CHO VN-INDEX ................................................ 39

PHỤ LỤC 3.5 PHÂN TÍCH RỦI RO VN-INDEX ................................................... 43

PHỤ LỤC 3.6 DỰ BÁO CHO (cid:1818)(cid:2164)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) .................................................................... 45

PHỤ LỤC 3.7 DỰ BÁO RỦI RO HN-INDEX .......................................................... 46

PHỤ LỤC 3.8 PHÂN TÍCH RỦI RO HN-INDEX ................................................... 50

PHỤ LỤC A NHẬN ĐỊNH XU HƯỚNG CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM HIỆN NAY

(Đã được đăng một phần trên tạp chí Thời báo kinh tế Sài Gòn số 51-2010 ngày 16/12/2010)

Như đã trình bày ở mục 3.1 trong đề tài “Phân tích dự báo rủi ro thị trường cổ phiếu

niêm yết Việt Nam”, thị trường cổ phiếu niêm yết Viêt Nam hiện nay đang ở giai đoạn

sideways. Để có cơ sở đưa ra nhận định và dự báo hướng đi của thị trường trong tương

lai giai đoạn cuối năm và đầu năm sau, ta cần phân tích các mặt cung cầu cổ phiếu và

các rủi ro mà thị trường đang và sẽ đối mặt trong thời gian tới.

1 Tình trạng cung cầu cổ phiếu trên thị trường

1.1 Tình trạng cung trên thị trường

Chín tháng đầu năm 2010 đã chứng kiến làn sóng các doanh nghiệp niêm yết và phát

hành thêm diễn ra ồ ạt trên cả 2 sàn. Tính từ đầu năm đến ngày 08/10/2010 đã có 153

công ty đăng ký niêm yết, trong đó 66 trên HSX và 87 trên HNX. Tổng số lượng cổ

phiếu niêm yết của các công ty mới lên sàn là 3,38 tỷ đơn vị và đạt giá trị 77 nghìn tỷ

đồng vào ngày 08/10/2010, bằng 13% giá trị cả thị trường.

Đồ thị A.1 – Số lượng công ty niêm niêm yết mới tính tới ngày 08/10/2010

Nguồn Hnx & Hsx

Trong đó, đáng chú ý có một số doanh nghiệp lớn mới niêm yết trên HSX (phụ lục

A.1) là OGC (Tập đoàn Đại Dương) 250 triệu CP; POM (Thép Pomina) 187 triệu và

các mã cổ phiếu khác như VOS, PDR, SBS, PTL niêm yết trên 100 triệu cổ phiếu.

Trên HNX có 3 mã có cổ phiếu niêm yết lớn là NVB (Ngân hàng Nam Việt) 198,9

triệu cổ phiếu; OCH (Khách sạn & Du lịch Đại Dương) 100 triệu CP, VND (Chứng

khoán VNDirect) 100 triệu CP.

Ngoài ra, thị trường cũng đón nhận một loạt công ty chứng khoán được niêm yết mới

và tăng vốn. Đa phần các công ty này đều niêm yết trên HNX như VND, HBS, PSI…

Hiện tại đã có 26 công ty chứng khoán niêm yết trên thị trường trong đó có 4 công ty

trên HSX và 22 công ty trên HNX. Giá trị thị trường của 22 công ty trên HNX vào

ngày 08/10/2010 là 14,42 nghìn tỷ đồng, bằng 16,01% giá trị vốn hoá của toàn sàn

HNX.

Trong 9 tháng đầu năm, số lượng cổ phiếu niêm yết mới do các doanh nghiệp phát

hành thêm là 2,73 tỷ đơn vị bằng 44,71% tổng số lượng cổ phiếu niêm yết mới. Không

những vậy, dưới sức ép của lãi suất cao nhiều doanh nghiệp buộc phải phát hành thêm

cổ phiếu hoặc trái phiếu để huy động vốn. Các công ty phát hành thêm hoặc chia tách

niêm yết thêm nhiều cổ phiếu như SSI, VIC, ITA, HPG, VCG, PVI…

1.2 Tình trạng cầu trên thị trường

Một điểm sáng cũng là tia hy vọng của thị trường cổ phiếu niêm yết Việt Nam là suốt

10 tháng qua, khối ngoại tăng cường mua ròng khá mạnh những cổ phiếu niêm yết trên

sàn, đặc biệt là cổ phiếu bluechip trên HNX. Tổng giá trị mua ròng của khối ngoại tính

từ đầu năm 2010 đến ngày 11/10/2010 đã lên tới 10.229 tỷ đồng trên HSX và 609 tỷ

đồng trên HNX. Giá trị mua ròng này lớn gần gấp đôi so với năm 2009. Điều này cho

thấy dòng vốn đầu tư gián tiếp (FPI) vẫn không ngừng đổ vào Việt Nam.

Đồ thị A.2 – Chênh lệch mua bán cổ phiếu của nhà đầu tư nước ngoài

Nguồn Hnx & Hsx

Tuy nhiên, với lực mua ròng của nhà đầu tư nước ngoài chưa thể nâng đỡ thị trường

vực dậy vì cầu trong nước rất yếu và có xu hướng giảm đều.

Giá trị giao dịch

80,000,000 70,000,000 60,000,000 50,000,000 40,000,000 30,000,000 20,000,000 10,000,000

i

‐

) g n ồ đ u ệ i r t ( h c ị d o a i g ị r t á G

0 1 ‐ l u J

0 1 ‐ n a J

0 1 ‐ n u J

0 1 ‐ r p A

0 1 ‐ b e F

0 1 ‐ p e S

9 0 ‐ c e D

0 1 ‐ g u A

0 1 ‐ r a M

0 1 ‐ y a M

Năm

Đồ thị A.3 – Tình hình giao dịch của thị trường gần đây

Nguồn Hnx & Hsx

Điều gì tạo nên bức tranh ảm đảm của thị trường cổ phiếu niêm yết Việt Nam đến vậy?

Sau đây tôi sẽ phân tích một số vấn đề ảnh hưởng đến xu hướng thị trường trước khi

đưa ra nhận định.

2 Một số rủi ro ảnh hưởng đến xu hướng thị trường sắp tới

2.1 Khủng hoảng kinh tế thế giới

Theo báo cáo IMF về viễn cảnh kinh tế thế giới 07/10/2010, kinh tế thế giới tiếp tục có

những dấu hiệu phục hồi nhưng vẫn còn mong manh. IMF dự đoán tốc độ tăng trưởng

kinh tế thế giới là 4,8% và 4,2% năm 2011, trong đó các nước kinh tế đang phát triển

sẽ tăng trưởng bền vững hơn các nước đã phát triển. Trung Quốc vẫn là nước có tốc độ

tăng trưởng cao nhất thế giới với 10,5%.

Kinh tế Mỹ vẫn sẽ phải tiếp tục gồng mình để chống chọi với nhiều khó khăn. Trong

đó, thất nghiệp và tiêu dùng suy giảm trở thành hai vấn đề quan tâm hàng đầu. Trước

thực trạng đó, FED buộc phải tiếp tục duy trì lãi suất thấp nhằm khuyến khích người

dân tăng chi tiêu để kích thích kinh tế.

Kinh tế châu Á đang đối mặt với dòng tiền nóng. Trong thời gian qua, dòng vốn đầu tư

gián tiếp đổ vào châu Á giúp cho khu vực này có thêm động lực tăng trưởng. Tuy

nhiên, điều này cũng khiến đồng nội tệ của nhiều quốc gia lên giá mạnh, gây trở ngại

cho xuất khẩu và tình trạng bong bóng bất động sản xuất hiện. Nhiều chính phủ buộc

phải nâng lãi suất nhằm ngăn chặn tác động tiêu cực từ bong bóng bất động sản.

2.2 Rủi ro kinh tế trong nước

Biến động vàng và tỷ giá, lạm phát, lãi suất có xu hướng tăng có thể được xem là

những vấn đề nóng của nền kinh tế Việt Nam hiện nay

Lạm phát

Đồ thị A.4 – Lạm phát Việt Nam

Nguồn: Tổng cục thống kê

Theo số liệu của Tổng cục thống kê, CPI tháng 10 là 1,05% so với các tháng 10 của

các năm trước đây thì đây là mức tăng cao nhất. Đóng góp tỷ trọng lớn trong việc tăng

giá đó là sự gia tăng tập trung chủ yếu nhóm hàng hóa lương thực & thực phẩm, giáo

dục, vật liệu xây dựng do nhiều nguyên nhân mang tính sự kiện mùa vụ như Đại lễ

1.000 năm Thăng Long và hậu quả của thiên tai lũ lụt tại miền Trung.

Nhìn vào đồ thị A.4 chúng ta thấy có một vấn đề quan ngại đối với tình hình lạm phát

năm 2010 là thường chỉ số CPI tăng cao theo mùa vào cuối năm tầm tháng 11, 12

nhưng rõ ràng năm 2010, CPI đã tăng cao đột biến trên 1% ngay vào tháng 9. Hơn

nữa, độ trễ ảnh hưởng của cung tiền thường 6-8 tháng trong khi từ cuối năm 2009 đến

nay, chính phủ và ngân hàng nhà nước đã theo đuổi chính sách nới lỏng tiền để nhằm

kích thích nền kinh tế thoát khỏi suy thoái. Vì vậy dự báo lạm phát cuối năm sẽ là hai

con số không phải là không có cơ sở.

Biến động tỷ giá

Thị trường ngoại hối tiếp tục căng thẳng khi mà tỷ giá tự do Việt Nam tăng liên tục và

vượt lên trên 20,000 VND/USD. Nguyên nhân của đợt biến động mạnh của tỷ giá

trong thời gian qua được cho là do mất cân đối cung cầu ngoại tệ trên thị trường và

tâm lý kỳ vọng của nhà đầu tư. Các doanh nghiệp tăng nhập khẩu dự trữ hàng hóa cho

nhu cầu cuối năm thường tăng mạnh, thêm vào đó không ít các khoản nợ bằng ngoại tệ

cũng đáo hạn vào giai đoạn này. Ngoài ra, yếu tố không kém phần quan trọng là tâm lý

kỳ vọng vào khả năng phá giá của đồng nội tệ làm tăng nhu cầu tích trữ ngoại tệ. Ngân

hàng nhà nước tuyên bố sẽ bơm đồng đô la thêm vào lưu thông từ dự trữ ngoại tệ đồng

thời không phá giá đồng Việt Nam nhưng tâm lý trong công chúng vẫn bất ổn và niềm

tin đã giảm sút khi độ nóng của biến động tỷ giá không có dấu hiệu gì là hạ nhiệt.

“Cơn điên” của thị trường vàng

Tôi tạm mượn chữ dùng của một bài báo do hai tác giả Lệ Chi và Hoàng Ly khi mô tả

sự biến động của thị trường vàng tháng tháng 9 và tháng 10 năm 2010. Trong tháng 9

vừa qua, giá vàng đã có những thay đổi chóng mặt, đặc biệt là trong 2 tuần cuối tháng

9. Vàng đã tăng giá rất cao với tốc độ nhanh chóng mặt. Đây là thời kỳ giá vàng đạt

cao nhất trong vòng 10 năm qua. Mức đỉnh của tháng 9 là 31,4 triệu đồng/lượng thì

ngày 09/11/2010 lại thêm một cú sốc đối với toàn thị trường khi đỉnh mới được thiết

lập đến 38,2 triệu đồng/lượng cao tới mức Thống đốc Ngân hàng nhà nước phải tuyên

bố cấp hạn ngạch nhập khẩu vàng thì thị trường mới hạ nhiệt tiến về sát 37 triệu

đồng/lượng.

Rủi ro ngày càng cao đối với thị trường vàng có thể được giải thích từ các nguyên

nhân sau:

(cid:131) Thứ nhất nguyên nhân thế giới chính là do sự ảm đạm của nền kinh tế Mỹ làm

đồng USD mất giá mạnh so với hầu hết các đồng tiền chính và các ngân hàng

trung ương lớn trên thế giới vẫn duy trì lãi suất thấp đối với các đồng tiền của

mình nhiều tháng nay. Trong bối cảnh đó, nhiều nhà đầu tư tăng cường mua

vàng với vai trò là tài sản dự trữ thay thế, từ đó tạo cơ hội cho giá vàng leo

thang.

(cid:131) Thứ hai nguyên nhân từ thị trường trong nước là do sự biến động tâm lý từ ảnh

hưởng của giá vàng thế giới và có cả hiện tượng đầu cơ làm giá. Mặc khác

thông tư 22/TT-NHNN về quản lý huy động và cho vay bằng vàng đối với tổ

chức tín dụng vào ngày 29/10/2010 hạn chế vay vốn bằng vàng và yêu cầu số

vàng huy động mà các tổ chức tín dụng đã chuyển đổi thành tiền phải được tất

toán chậm nhất là ngày 30/06/2011đã tạo nên tâm lý khan hàng trên thị trường

góp phần đẩy giá vàng lên cao.

Tất cả cộng hưởng tạo ra rủi ro cao trên thị trường vàng hiện nay.

Lãi suất

Những tháng đầu năm lãi suất được duy trì ổn định ở mức vừa phải để hỗ trợ kích

thích nền kinh tế. Vấn đề lãi suất chỉ thực sự đáng lo ngại bắt đầu từ giữa năm đến nay

khi thông tư 13 ra đời yêu cầu các ngân hàng phải nâng các tỷ lệ đảm bảo an toàn cho

hệ thống ngân hàng. Ngoài ra, những tháng cuối năm tình hình kinh tế diễn ra đầy biến

động với thị trường vàng và ngoại hối. Các ngân hàng tích cực thu hút tiền để mua

vàng và ngoại hối hoặc hạn chế cho vay hai loại sản phẩm này. Mặc khác áp lực kiềm

chế lạm phát cũng là một trong nguyên nhân đẩy lãi suất lên cao, minh chứng là ngày

05/11/2010 Ngân hàng nhà nước thông báo tăng lãi suất cơ bản từ 8% lên 9%.

Yếu tố chính trị và những quan ngại về điều hành chính sách

Hai thông tư chính sách tác động mạnh nhất đến thị trường chứng khoán Việt Nam

trong thời gian qua bao gồm thông tư 13/2010/TT-NHNN ngày 20/05/2010 quy định

về các tỷ lệ đảm bảo an toàn trong hoạt động tài chính tín dụng và thông tư

148/2010/TT-BTC hướng dẫn thực hiện các biện pháp phòng, chống rửa tiền đối với

lĩnh vực bảo hiểm, chứng khoán và trò chơi giải trí có thưởng. Xét về dài hạn thì đây là

những chính sách đúng đắn nhằm đảm bảo tính bền vững của hệ thống tài chính nhưng

về thời điểm ban hành đã gây thêm khó khăn chồng chất lên các nhà đầu tư với tâm lý

không lối thoát. Vì vậy hy vọng về sự phục hồi của thị trường ngày càng mong manh.

Một vấn đề nữa ít được đề cập đến là yếu tố biến động chính trị trong thời gian qua.

Việt Nam luôn được xem là một trong những nước có chính trị ổn định nhất thế giới,

điều này tạo nên sức thu hút nguồn vốn đầu tư của nước ngoài. Tuy nhiên từ đầu năm

đến nay, chúng ta chứng kiến ba sự kiện kinh tế chính trị đang rất được quan tâm hiện

nay là vụ bôxít Tây Nguyên, vụ Vinashin và vấn đề biển đông. Đây là thời gian lần

đầu tiên công chúng đầu tư có cảm giác mất an toàn về tài chính lẫn chính trị.

Trên là những nét cơ bản của các nhân tố nổi bật nhất tác động đến triển vọng nền kinh

tế, qua đó gián tiếp ảnh hưởng tiêu cực đến thị trường cổ phiếu niêm yết Việt Nam. Tất

nhiên là còn có các nhân tố khác nữa như chất lượng tăng trưởng GDP, thâm hụt mậu

dịch, thất nghiệp tăng...nhưng ở đây tôi không có mục tiêu đi phân tích sâu mọi nhân

tố có thể tác động đến nền kinh tế và thị trường chứng khoán mà chỉ dừng ở mức độ

tóm tắt và đưa ra nhận định cơ bản những căn nguyên sâu sa tạo ra trạng thái tâm lý

của nhà đầu tư giai đoạn hiện nay. Trên cơ sở đó ta có thể giải thích phần nào sự biến

động của dữ liệu giá chứng khoán và dự báo hợp lý diễn biến của thị trường sắp tới.

Nhận định xu hướng thị trường sắp tới (cho giai đoạn từ nay đến đầu năm 3 2011)

Theo tôi, thị trường cổ phiếu niêm yết Việt Nam đang gặp khó khăn rất lớn về niềm tin

suy giảm của nhà đầu tư. Tâm lý hoang mang đã cản trở thị trường khôi phục khi có

thông tin tốt và thị trường giảm điểm với bất kỳ một tin xấu nào xuất hiện. Xu hướng đầu tư theo dạng đầu cơ T+4a.1 sẽ là cách thức đầu tư chủ yếu của công chúng đầu tư

hiện nay vì hy vọng về một thị trường khôi phục đang rất mong manh. Thị trường tiếp

tục đi ngang có thể là mô hình khả dĩ nhất.

Nhà đầu tư hiện nay đang trong tình trạng hoang mang không biết sẽ đầu tư vốn vào

đâu vì thật sự chứng khoán, vàng, đô la hay giữ tiền mặt đều rủi ro. Nền kinh tế Việt

Nam hiện có nhiều yếu tố bất định và các chỉ số kinh tế thì không mang lại hy vọng

nào cho giai đoạn sắp tới. Mất niềm tin đang tạo rủi ro lớn cho thị trướng chứng khoán

Việt Nam. Vì vậy, để khôi phục thị trường đòi hỏi các nhà chính sách phải cẩn trọng

trong điều hành chính sách và phải mô phỏng được các kịch bản diễn biến tâm lý của

nhà đầu tư trước khi ban hành chính sách. Rủi ro trong điều hành chính sách là rủi ro

lớn nhất theo tôi đối với thị trường cổ phiếu niêm yết Việt Nam hiện nay.

Đấy là nhận định của cá nhân tôi, vậy còn nhận định của bạn và của công chúng đầu tư

hiện nay nữa có giống như những gì tôi suy nghĩ không? Chúng ta sẽ thống kê mô tả

tâm lý của nhà đầu tư hiện nay và đánh giá của họ về các rủi ro cũng như xu hướng thị

trường sắp tới thông qua một khảo sát sau đây.

3.1 Thông tin cơ bản về cuộc khảo sát

Bảng câu hỏi (phụ lục A.2)

Phương pháp thu thập thông tin

Phỏng vấn trực tiếp các chuyên viên, các nhà quản lý tại các công ty chứng khoán và

công ty quản lý quỹ trong khoảng thời gian tháng 10 và tháng 11. Đối tượng này có

thể được xem là các chuyên gia trong lĩnh vực chứng khoán. Ý kiến của họ sẽ mang

tính định hướng và có độ tin cậy cao hơn các nhà đầu tư đại trà. Mặc khác, nhà đầu tư

cá nhân hiện nay phần lớn đều đầu tư theo hướng dẫn của các chuyên gia chứng khoán

này vì thị trường đang chứa nhiều rủi ro. Hơn nữa nhà đầu tư sau các lần thua đậm đã

trở nên thận trọng và hiểu biết hơn.

Như vậy với kết quả tổng hợp của các chuyên gia chứng khoán thời điểm hiện tại sẽ

thật hữu ích để lý giải diễn biến thị trường và dự đoán xu hướng trong tương lai.

Thông tin về mẫu khảo sát (phụ lục A.3)

Quy mô mẫu là 91 người làm việc tại các công ty chứng khoán Việt Nam như BSC,

SSI, TLS, Âu Việt, Beta, ACBS..., trong đó 79 chuyên viên chiếm 86,8% mẫu khảo sát

phần lớn làm việc trong các phòng phân tích đầu tư và tư vấn tài chính doanh nghiệp,

còn lại 12 cán bộ quản lý phòng. Như vậy tổng hợp ý kiến của 91 chuyên gia chứng

khoán này gần như là quan điểm chung của thị trường cổ phiếu niêm yết.

3.2 Kết quả khảo sát (phụ lục A.3)

Có 46,2% người trả lời hy vọng thị trường sẽ đi lên và 30,8% lại khẳng định thị trường

nằm ngang trong khi 7% bi quan cho rằng thị trường sẽ xuống, 15,4% không thể dự

đoán được thị trường. Rõ ràng tâm lý hoang mang không chắc chắn về xu hướng của

thị trường đang hiện diện hiện nay khi mà 53,8% không hề hy vọng thị trường sẽ lên

hoặc nếu có lên thì sẽ là một đợt sóng ngắn hạn không vững bền.

Với tâm lý như vậy, nhà đầu tư chỉ sử dụng vốn tự có để đầu tư, chỉ có 6 người là

mạnh dạn dùng đòn bẩy để chơi chứng khoán. Tuy những người được hỏi làm việc

trong lĩnh vực chứng khoán nên việc đầu tư chứng khoán là lẽ tất nhiên nhưng kết quả

thống kê cho thấy họ rất thận trọng và dường như chứng khoán không còn hấp dẫn

nữa, thay vào đó có lẽ họ đã phân bổ vốn vào các hướng đầu tư khác an toàn hơn vì có

tới 57,1% người sẽ đầu tư dưới 60% vốn.

Thận trọng trong quyết định đầu tư và khi nhìn về tương lai thì lại không lạc quan cho

lắm nên chiến lược đầu cơ lượm bạc cắc ngày càng phổ biến trong thị trường cổ phiếu

niêm yết khi đến 48,4% số người được phỏng vấn sẽ theo đuổi chiến lược đầu cơ. Điều

ngạc nhiên là các chuyên gia trong lĩnh vực chứng khoán thường đầu tư giá trị vì họ có

đủ kiến thức kinh nghiệm chuyên môn để phân tích lựa chọn danh mục đầu tư phù

hợp. Nhưng có lẽ sự biến động thị trường với tương lai không sáng sủa đã tác động

đến chiến lược đầu tư ngay cả các chuyên gia chứng khoán. Từ đây ta cũng có thể suy

được lời khuyên mà các chuyên gia dành cho khách hàng của mình sẽ là cẩn trọng và

đầu tư ngắn hạn.

Trong tình trạng của thị trường như hiện nay thì căn cứ nào để nhà đầu tư quyết định

mua cổ phiếu? Thống kê cho thấy các căn cứ bao gồm sau khi khi phân tích cơ bản tìm

được công ty tốt, sau khi phân tích kỹ thuật có dấu hiệu mua vào, tiếp cận thông tin nội

bộ trước các nhà đầu tư khác, nhận được thông tin tốt bất thường về tình hình hoạt

động kinh doanh, được trả cổ tức bằng tiền mặt là những cơ sở để họ quyết định mua

cổ phiếu trong khi thông tin về dư mua liên tục, nhà đầu tư nước ngoài tăng mua vào, thưởng trả cổ tức bằng cổ phiếu, cổ phiếu bluechipa.2, cổ phiếu penny stocka.3 đặc biệt

là thông tin chốt quyền mua cổ phiếu, nhà đầu tư không quan tâm để lấy đó làm căn cứ

cho quyết định mua. Điều này cũng là một dấu hiệu cảnh báo cho các doanh nghiệp

niêm yết Việt Nam hiện nay nếu đang có kế hoạch phát hành tăng vốn thì họ cần phải

chuẩn bị kĩ càng về phương án phát hành và mục đích sử dụng số vốn thu được từ đợt

phát hành sao cho hấp dẫn niềm tin các nhà đầu tư. Kiểm định một bên (one-tailed

test) với giải thuyết H0: µ ≤ 2 (giá trị quy ước nhà đầu tư sẽ không mua vào trong

thang đó gồm từ 1 đến 4) càng cho thấy rõ điều đó.

Tuy nhiên, giá trị trung bình của các căn cứ mua vào cao nhất chưa được 3 chỉ tầm 2-3

có nghĩa là chưa chắn chắn sẽ mua cổ phiếu. Điều này đã giải thích khá rõ lực cầu trên

thị trường đang rất yếu. Trong các căn cứ mua vào thì phân tích kỹ thuật và phân tích

cơ bản được ưu tiên nhất làm căn cứ mua, kế đến mới là thông tin tốt từ doanh nghiệp

và trả cổ tức bằng tiền mặt. Một thông tin sẽ có giá trị cho các doanh nghiệp niêm yết

là tỷ lệ cổ tức mà hiện nay nhà đầu tư yêu cầu có thể chấp nhận được là từ 15% đến

20% (sử dụng giá trị mode và median thay vì mean vì dữ liệu không phân phối chuẩn).

Đấy là tâm lý mua còn tâm lý muốn bán cổ phiếu, họ cũng rất thận trọng xử lý các

khoản lỗ trong quá khứ. Họ không bán ra bất cứ giá nào nhưng cũng không quên lãng

nó hay theo ngôn ngữ kế toán “hạch toán ngoại bảng”. Nhà đầu tư luôn theo dõi cổ

phiếu và sẽ bán khi giá đạt trên 60%.

Tổng hợp thông tin thống kê về tâm lý nhà đầu tư cho ta thấy nhà đầu tư thận trọng cả

trong quyết định mua và bán. Các khoản giao dịch lớn trên thị trường sẽ khó xảy ra tại

thời điểm hiện tại vì bên mua thì chưa chắc mua dù cho thông tin có tốt, bên bán thì

không bán ào ạt mà cầm hàng đợi giá phục hồi. Giao dịch hiện nay rõ ràng chủ yếu từ

đầu cơ là chính và nó cũng phù hợp cho một thị trường sideways như hiện nay.

Thị trường đang sideways nhưng rủi ro một thị trường xuống có xảy ra không? Nhà

đầu tư sẽ quan tâm đến những rủi ro nào nhất?

Thống kê mô tả mức độ ảnh hưởng của các rủi ro đến xu hướng thị trường cho thấy

các rủi ro bao gồm điều hành chính sách và thay đổi luật lệ, lạm phát và đồng tiền mất

giá, biến động lãi suất và các thị trường các cơ hội đầu tư khác như vàng, dầu, ngoại

hối..., bất ổn chính trị, khủng hoảng kinh tế là các yếu tố cần được quan tâm nhất hiện

nay vì khả năng cao tác động làm xấu đi thị trường. Các yếu tố còn lại như biến động

thị trường chứng khoán thế giới, thâm hụt mậu dịch, thất nghiệp và giảm phát không

được nhà đầu tư xem trọng. Một thực tế thì thị trường chứng khoán trong nước từ đầu

năm đến nay gần như đi ngược với thị trường chứng khoán thế giới, khả năng giảm

phát chưa được xem là yếu tố rủi ro hiện nay trong khi thất nghiệp và thâm hụt mậu

dịch có nhưng rất ít khi thấy được phân tích là một yếu tố cần xem xét cho thị trường

chứng khoán ở các bản tin phân tích của các công ty tài chính.

Kiểm định một bên (one-tailed test) với giải thuyết H0: µ ≤ 3 (giá trị quy ước rủi ro

không ảnh hưởng đến xu hướng thị trường trong thang đo từ 1 đến 5) cũng cho ra kết

quả như trên. Rõ ràng những biến động của thị trường vàng, ngoại hối, lạm phát, lãi

suất, nền kinh tế thế giới và nhất là các thông tư chính sách ban hành gần đây đã tác

động mạnh đến tâm lý nhà đầu tư. Hơn bao giờ hết niềm tin bị lung lay bởi chính sách

thì niềm tin cần phải khôi phục từ cách quản lý điều hành của các cơ quan chính phủ.

Đây là một thông tin rất có ích để các nhà làm chính sách lưu tâm vì hiện giờ cách

quản lý của họ là rủi ro lớn nhất trong mắt các nhà đầu tư.

Một điểm đáng lưu tâm nữa là rủi ro về thông tin không minh bạch được nhà đầu tư

quan tâm chỉ sau những vấn đề nóng hiện nay là thay đổi chính sách, lạm phát và biến

động lãi suất. Hiện tượng đầu cơ rất dễ dàng xảy ra ở Việt Nam cũng từ vấn đề bất cân

xứng thông tin. Lòng tin của nhà đầu tư chính vì thế dễ bị tổn thương khi có tin xấu

xuất hiện vì họ không có cơ sở để kiểm chứng. Xây dựng một hệ thống công bố và

kỉểm soát thông tin luôn là nhu cầu bức thiết từ trước đến nay của thị trường chứng

khoán Việt Nam không riêng gì thị trường niêm yết.

Cuối cùng một vấn đề mới phát hiện ở Việt Nam hiện nay là bất ổn chính trị. Gần như

chưa bao giờ yếu tố chính trị lại được nhà đầu tư quan tâm như hiện nay thậm chí nó

còn đáng lưu tâm hơn là rủi ro giá vàng, tỷ giá. Mặc dù biết yếu tố chính trị không xảy

ra thì thôi chứ nếu rủi ro của nó cao có thể làm sụp đổ thị trường nhanh chóng. Với kết

quả thống kê có được thì ưu điểm chính trị ổn định ở Việt Nam dường như không còn

đúng trong thực tế nữa.

Nói tóm lại, chúng ta đang sống trong một môi trường đầy rủi ro, thị trường còn đang

sideways nhưng thị trường hoàn toàn có thể đi xuống vì các rủi ro khảo sát thực tế

đang hiện diện và có khả năng xảy ra. Vì vậy, việc kết hợp dự báo phân tích rủi ro trên

cơ sở thông tin hiện tại quá khứ và tương lai sẽ cho ra kết quả hợp lý. Ở Việt Nam, hầu

hết các nhà đầu tư đều cho rằng không thể dự đoán được xu hướng của thị trường vì

thị trường Việt Nam là một thị trường tâm lý bầy đàn rất cao. Tính đám đông đã phá

vỡ các nguyên tắc vốn đã định hình trong quá khứ nên không thể dự báo được tương

lai là điều dễ hiểu. Nhưng liệu ta đã mô phỏng được diễn biến của hành vi thị trường

trong qua khứ chuẩn xác chưa? Phần Tổng quan về ứng dụng ARIMA, ARCH/GARCH

trong lĩnh vực chứng khoán đã cho chúng ta rõ hơn về vấn đề này.

KẾT LUẬN

Hiện nay, thị trường cổ phiếu niêm yết Việt Nam đang trải qua giai đoạn khó khăn bởi

các yếu tố vĩ mô trong nước lẫn thế giới đều không khả quan tác động đến tâm lý nhà

đầu tư. Họ đa phần không kỳ vọng thị trường đi lên. Họ tỏ ra vô cùng thận trọng trong

quyết định mua bán cổ phiếu. Các căn cứ bao gồm sau khi khi phân tích cơ bản tìm

được công ty tốt, sau khi phân tích kỹ thuật có dấu hiệu mua vào, tiếp cận thông tin nội

bộ trước các nhà đầu tư khác, nhận được thông tin tốt bất thường về tình hình hoạt

động kinh doanh, được trả cổ tức bằng tiền mặt là những cơ sở để họ quyết định mua

cổ phiếu trong khi họ luôn theo dõi cổ phiếu và sẽ bán khi giá đạt trên 60%. Rõ ràng

tâm lý thận trọng đã tạo ra các giao dịch hiện nay chủ yếu là đầu cơ lượm bạc cắc và

điều này cũng phù hợp cho một thị trường sideways như hiện nay.

Các rủi ro tạo ra xu hướng thị trường như vậy bao gồm điều hành chính sách và thay

đổi luật lệ, lạm phát và đồng tiền mất giá, biến động lãi suất và các thị trường các cơ

hội đầu tư khác như vàng, dầu, ngoại hối..., bất ổn chính trị, khủng hoảng kinh tế. Từ

đây ta có thể rút ra một số gợi ý cho các nhà làm chính sách bao gồm:

(cid:131) Cẩn trong hơn trong điều hành chính sách và thay đổi luật lệ vì đây là rủi ro lớn

nhất trong mắt nhà đầu tư.

(cid:131) Cần tiếp tục xây dựng hệ thống kiểm soát và công bố thông tin minh bạch. Rủi

ro này đến nay vẫn chưa được cải thiện.

(cid:131) Xem lại vấn đề chính trị, Việt Nam đang mất dần lợi thế ổn định chính trị trong

giai đoạn hiện nay.

Thật sự có quá nhiều yếu tố tác động đến thị trường và chúng ta khó mà đo lường đủ

và đúng mọi yếu tố để có thể xây dựng mô hình phân tích và dự báo giá phù hợp cho

thị trường biến động như thị trường cổ phiếu niêm yết Việt Nam. Với mô hình

ARIMA, ARCH/GARCH sẽ khắc phục phần nào điều này khi nó không xét đến các

nhân tố tác động mà chủ yếu mô phỏng hành vi của chuỗi dữ liệu trong quá khứ rồi lấy

đó làm căn cứ dự báo cho tương lai. Tuy nhiên như đã trình bày trong đề tài nghiên

cứu, ưu điểm đó cũng là khuyết điểm khi ta dự báo trong một môi trường có nhiều

biến động. Vì vậy, nhu cầu phối hợp mô hình ARIMA, ARCH/GARCH và phân tích

nhân tố tác động là cần thiết hỗ trợ tốt cho các quyết định đầu tư.

PHỤ LỤC A.1 THỐNG KÊ 10 CỔ PHIẾU CÓ SỐ LƯỢNG NIẾM YẾT MỚI NHIỀU NHẤT

PHỤ LỤC A.2 BẢNG CÂU HỎI (Đính kèm)

Cumulative

Frequency

Percent

Valid Percent

Percent

Valid Quan ly

13.2

Chuyen vien

86.8

100.0

Total

100.0

86.8 100.0

PHỤ LỤC A.3 THỐNG KÊ MÔ TẢ TÂM LÝ CỦA NHÀ ĐẦU TƯ VÀ ĐÁNH GIÁ CỦA HỌ VỀ CÁC RỦI RO ẢNH HƯỞNG ĐẾN XU HƯỚNG THỊ TRƯỜNG SẮP TỚI Chức vụ của người được phỏng vấn

Kỳ vọng xu hướng thị trường sắp tới

Cumulative

Frequency

Percent

Valid Percent

Percent

Valid

Di xuong

7.7

Nam ngang

30.8

38.5

Di len

46.2

84.6

Khong du doan duoc

15.4

100.0

Total

100.0

15.4 100.0

Tỷ lệ đầu tư vốn

Cumulative

Frequency

Percent

Valid Percent

Percent

Valid

Khong dau tu

7.7

1-30% von tu co

20.9

28.6

40-60% von tu co

28.6

57.1

70-100% von tu co

36.3

93.4

Su dung cong cu no

6.6

100.0

Total

100.0

6.6 100.0

Cumulative

Frequency

Percent

Valid Percent

Percent

Valid

T+4

17.6

Dau co

30.8

48.4

Dau tu gia tri

51.6

100.0

Total

100.0

51.6 100.0

Chiến lược đầu tư hiện nay

Mức độ ảnh hưởng của các căn cứ đến quyết định mua cổ phiếu

One-Sample Test

Kiểm định mức đo ảnh hưởng của các căn cứ đến quyết định mua cổ phiếu

One-tailed test – value ≤ 2

t

Df

t0.05 = 1.66196

Muc do anh huong cua tiep can thong tin noi bo

8.015

90 t > t0.05

Muc do anh huong cua thong tin tot bat thuong cua DN

7.351

90 t > t0.05

Muc do anh huong cua du mua cua nha dau tu nuoc ngoai

.588

Muc do anh huong cua du mua lien tuc tang nhieu phien

-.618

Muc do anh huong cua co phieu blue chip

1.133

Muc do anh huong cua penny

1.290

Muc do anh huong cua thuong co phieu

.253

One-tailed test – value ≤ 2

t

Df

t0.05 = 1.66196

90

3.727 Muc do anh huong cua tra co tuc bang tien mat

t > t0.05

-.638

Muc do anh huong cua tra co tuc bang co phieu

-2.104

Muc do anh huong cua chot quyen mua co phieu

90

9.515 Muc do anh huong cua phan tich co ban

t > t0.05

90

9.640 Muc do anh huong cua phan tich ky thuat

t > t0.05

Xử lý các khoản lỗ

Statistics

Xu ly cac khoan lo N

Valid Missing

Mean Median Mode Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Minimum Maximum

91 0 2.6484 3.0000 3.00 -.174 .253 -.380 .500 1.00 4.00

Xu ly cac khoan lo

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

7.7

33.0

40.7

33.0

86.8 100.0

Khong quan tam cho vao quen lang Nam giu cho den hue von hoac loi va luon theo doi Cut loss Ban bat cu gia nao Total

42 12 91

46.2 13.2 100.0

Mức độ ảnh hưởng của các rủi ro đến xu hướng thị trường

One-Sample Test

Kiểm định mức độ ảnh hưởng của các rủi ro đến xu hướng thị trường

One-tailed test – value ≤ 2

t0.05 = 1.66196

Muc do anh huong cua rui ro bat on chinh tri

90

3.395 t > t0.05

Muc do anh huong cua rui ro dieu hanh chinh sach luat le

90

10.550 t > t0.05

Muc do anh huong cua rui ro khung hoang kinh te the gioi

90

5.856 t > t0.05

Muc do anh huong cua rui ro bien dong thi truong chung khoan the gioi

1.620

Muc do anh huong cua rui ro bien dong lai suat

12.424

90 t > t0.05

Muc do anh huong cua rui ro thi truong hang hoa khac vang, dau, ty gia

4.004

90 t > t0.05

Muc do anh huong cua rui ro giam phat

.001

-3.332

Muc do anh huong cua rui ro that nghiep gia tang

.022

-2.333

Muc do anh huong cua rui ro tham hut mau dich

.500

.677

Muc do anh huong cua rui ro lam phat

90

11.148 t > t0.05

Muc do anh huong cua rui ro dong tien Viet Nam mat gia

90

11.306 t > t0.05

Muc do anh huong cua rui ro thong tin khong minh bach

90

9.808 t > t0.05

Statistics

Mô hình dự báo phân tích rủi ro thường dùng

Y kien chuyen gia

Phan tich ky thuat

Mo hinh du bao ARIMA

Mo hinh du bao VAR

Mo hinh du bao hoi quy nhan qua

Mo hinh du bao ARCH/GAR CH

Valid

Missing

Mean

2.3297

4.5495

1.7033

2.2637

4.4835

Median

2.0000

5.0000

1.0000

2.0000

5.0000

Mode

1.00

5.00

1.00

5.00

Skewness

.867

-.838

1.818

1.684

.925

-.871

Std. Error of Skewness

.253

Kurtosis

-.433

.061

2.797

2.081

-.046

.225

Std. Error of Kurtosis

.500

Minimum

1.00

Maximum

6.00

PHỤ LỤC 1.1 MỘT SỐ QUÁ TRÌNH NGẪU NHIÊN ĐƠN GIẢN

Nhiễu trắng (White noise)

Yt = Ut, trong đó Ut là sai số ngẫu nhiên trong mô hình hồi quy tuyến tính cổ điển,

nghĩa là Ut có trung bình bằng 0, phương sai không đổi và hiệp phương sai bằng 0. Ut

-1

-2

-3

100

125

150

175

200

được gọi là nhiễu trắng (White noise). Như vậy, Yt là chuỗi dừng.

Đồ thị 1.3 – Minh họa nhiễu trắng

Bước ngẫu nhiên (Random walk)

Nếu Yt = Yt-1 + Ut, trong đó Ut là nhiễu trắng thì Yt được gọi là bước ngẫu nhiên. Giá

trị của Y tại thời điểm t bằng giá trị của Y tại thời điểm t-1 cộng thêm một sai số ngẫu

nhiên. Giá cổ phiểu có thể được xem là một bước ngẫu nhiên bằng giá hôm qua cộng

với một cú sốc ngẫu nhiên của ngày hôm nay.

(1.1) E(Yt) = E(Yt-1) + E(Ut) = E(Yt-1)

Điều này có nghĩa kỳ vọng của Yt không đổi. Ta hãy xem phương sai của Yt

Y1 = Y0 + U1 Y2 = Y1 + U2 = Y0 + U1 + U2 .............. Yt = Y0 + U1 + U2 +.... + Ut

Do Y0 là hằng số, các Ui độc lập với nhau, có phương sai không đổi là σ2, nên:

(1.2) Var (Yt) = tσ2

Như vậy, rõ ràng rằng, giá trị trung bình của Y tại thời điểm t bằng giá trị trung bình

của Y tại thời điểm ban đầu (phương trình 1.1), và là một giá trị không đổi qua thời

gian. Nhưng, khi t tăng lên, thì phương sai cũng sẽ tăng lên (phương trình 1.2). Và

điều này đã vi phạm điều kiện thứ hai của một chuỗi thời gian dừng. Tóm lại, một

bước ngẫu nhiên là một chuỗi không dừng.

-2

-4

-6

100

125

150

175

200

Đồ thị 1.4 – Minh họa bước ngẫu nhiên

Quá trình tự hồi quy bậc nhất

Bước ngẫu nhiên là trường hợp đặc biệt của quá trình tự hồi quy bậc nhất sau đây:

Yt = φYt-1 + Ut, Ut là nhiễu trắng Y1 = φY0 + U1 Y2 = φY1 + U2 = φ2Y0 + φU1 + U2 .... Yt = φtY0 + φt-1U1 + φt-2U2 + ... + φUt-1 + Ut Var(Yt) = σ2(φ2(t-1) + φ2(t-2) + ...+ φ2 + 1) = σ2(cid:2869)(cid:2879) φ(cid:3118)(cid:3295) (cid:2869)(cid:2879) φ(cid:3118)

(cid:2869)(cid:2879) φ(cid:3118) là hằng số không thay đổi theo thời gian.

Khi |φ|<1 thì Var(Yt) = σ2 (cid:2869)

Vậy Yt dừng khi |φ|<1

Từ đây, ta có thể khái quát hoá như sau:

Một chuỗi thời gian có dạng Yt = φYt-1 + Ut , nếu:

(cid:131) φ = 1: Yt trở thành bước ngẫu nhiên là một chuỗi không dừng

-1< φ < 1: Yt tự hồi quy bậc nhất là một chuỗi dừng.

PHỤ LỤC 1.2 KIỂM ĐỊNH ẢNH HƯỞNG CỦA ARCH

Trước khi ước lượng mô hình ARCH(q), chúng ta cần kiểm tra xem có tồn tại các ảnh

hưởng ARCH hay không để biết các mô hình nào cần ước lượng theo phương pháp

ước lượng ARCH thay vì theo phương pháp ước lượng OLS. Kiểm định ảnh hưởng

ARCH sẽ được thực hiện theo quy trình như sau:

Bước 1: Ước lượng phương trình 1.6 theo phương pháp OLS.

Lưu ý, các biến giải thích có thể bao gồm các biến trễ của biến phụ thuộc và các biến

giải thích khác có ảnh hưởng đến Yt.

(cid:2870)

Bước 2: Ước lượng phương trình hồi quy phụ 1.7

(cid:2870) + ... + γq(cid:1857)(cid:3047)(cid:2879)(cid:3044)

(cid:2870) (cid:3404) γ0 + γ1(cid:1857)(cid:3047)(cid:2879)(cid:2869) (cid:1857)(cid:3047)

(cid:2870) + γ2(cid:1857)(cid:3047)(cid:2879)(cid:2870)

+ wt

(cid:2870)

Trong đó et là phần dư thay thế cho hạng nhiễu ut vì phương trình thực hiện với dữ liệu

. mẫu. Hệ số xác định của hồi quy phụ có tên là R(cid:3028)(cid:3048)(cid:3051)

Bước 3: Kiểm định ảnh hưởng ARCH

(cid:2870)

H0: γ1 = γ2 = ... = γq

. T > χ2 thì chúng ta Kiểm định giả thiết H0 theo phân phối chi bình phương. Nếu R(cid:2911)(cid:2931)(cid:2934)

bác bỏ giả thiết H0 và kết luận dữ liệu đang xét có ảnh hưởng ARCH.

PHỤ LỤC 2.1 TỶ SUẤT SINH LỜI (%) Ở THỊ TRƯỜNG PHÁT TRIỂN

2000 3,7 -7,6 -13,1 8,1 9,9 -8,9 1,4 -10,6 -38,6 -16,7 -8,5 3,9 -20,3 1 -24,9 7,1 -6,2 -25,7 -11,2 -13,8 6,2 -6,7 -13,6

2001 7,9 -2,4 -8,3 -16,5 -11,7 -35,8 19 -19,3 -27,6 -21,2 1,1 -24 -19,5 -19,4 12,2 -12,3 -18,8 -20,2 -8 -20,1 -20 -13,9 -13,2

2002 -12,5 -3 -29,7 -15,3 -29,7 -41,6 -34 -44 -39,1 -20,6 -39 -23,6 -19,4 -34,3 -4,4 -29,7 -28,3 -18,4 -29,5 -43,1 -25,8 -25,7 -24

2003 8,5 28,5 8,7 24,6 22,4 -2,9 14,6 33,2 35,8 31,9 16 12,2 21,6 3,6 19,6 38,1 15,9 31,4 28,3 32,9 18,4 14,4 26,8

2004 26,6 69,2 39,6 20,5 28,8 3,9 16,3 14,4 41,2 20,8 39,2 28,6 14,7 9,1 29,8 49,6 21,9 18,8 25,4 34 13,8 15,5 8,8

2005 12,5 23 5,6 26,7 22,5 14 7,8 7,7 12,7 4,8 -4,7 -1,3 24,1 10,6 -3,5 20 -4,5 10,8 1,5 8,1 14,9 3,7 3,8

2006 27,1 34,8 33,3 16,2 36,8 27,1 31,7 33 31,6 26,3 43,9 28,1 5,1 28,2 10 41,6 43,4 41,9 44,8 40,5 25,9 26,2 13,2

2007 25 0,7 -5,3 27,6 24,2 45 10,9 32,5 29,2 37,5 -21,9 2,7 -5,4 17,5 4 28,4 21 23,9 20,7 -1,4 3,9 4,7 4,1

2008 -52,3 -69 -67,5 -46,6 -48,2 -56,4 -44,9 -47,2 -67,1 -52,9 -72,7 -52,1 -30,5 -50,1 -56,2 -65,2 -53,6 -49,5 -43 -51,4 -31,6 -50,6 -38,6

2009 68,8 38,4 54,3 57,2 35,2 7,2 27,6 21,3 22,6 55,2 9,9 22,6 4,4 37,9 43 82,5 35,4 67,3 36,5 60,2 22,9 37,3 24,2

Australia Austria Belgium Canada Denmark Finland France Germany Greece Hong Kong Ireland Italy Japan Netherlands New.Zld Norway Portugal Singapore Spain Sweden Switzerland U.K US

PHỤ LỤC 2.2 TỶ SUẤT SINH LỜI (%) Ở THỊ TRƯỜNG MỚI NỔI

2000 -14,1 -31,8 -18,4 -26,1 -14,2 -17 -41,2 -21,5 -26,7 0,8 -42,5 -32 -17,2 -49,3 -44,6 -17,3 -4,3 -32,1 -42,3 -50

-17,1 15 4,9

5,5 -38,4 -19,6 24,7 -24,7 -10,2 -4,8 -30,4 -1,2 -33,5

2002 2001 -21,1 -17,8 -8 -4,9 -24,8 -4,3 -51 -22,2 -33,8 -21,6 -21,7 -6 18,3 37,1 -15 15,9 26,6 15,3 -18,6 -10 -6,2 4,2 -16 -26 5,3 -18,6 18,9 -4,2 -3 51,6 2,3 -2,7 -32 116,7 -28,1 -25,8 21,1 4,7 19,2 -4,4 5,4 -31,6 2,6 -23,1 -3,5 13,9 -11,8 -27,5 -22,1

-9,4 -34,2 -12,9 -32,3 28,8 -9,5 -31,8 53,2 26,3 43,8 13,81

2003 30,8 51,6 67,1 98,5 102,9 79,7 59 29,8 88,4 33,6 47,1 80,3 65,5 60 33,2 23,1 28,9 44,5 36,7 115,4 51,2 31,6 140,8 20,8 55,7 55,3 23,8 29,9 70,3 8,8 88,2 -8,94

2004 12,8 22,4 34,8 24,6 30,5 24,6 125,7 45 -0,2 45,4 12,2 -0,8 16,5 44,5 20 11,8 8,6 24,1 6,5 -4 35,8 76,6 118,8 87,5 18,4 59,1 17,6 58,6 4,1 40,7 38,5 43,34

2005 7,6 30,3 44,9 59,7 50 18,4 102,3 45,2 28,5 -28,9 23,5 15,9 35,4 12,6 54,3 -1,5 56,5 19,9 3,3 4,8 34,9 43,5 154,5 15,6 25 71,7 8,7 21 69,5 24 51,6 28,51

2006 18 29,2 39,3 66,1 40,5 26,4 10,9 39 52,1 62,2 29,8 78,1 49 69,6 11,2 33,1 -1,7 55,4 16,3 6,8 21,3 29,6 14,8 31,1 -7,1 -32,5 62,6 35,3 53,7 17,3 -9,2 144,4

2007 7,1 36,5 46,9 -5,4 75,3 20,8 12,6 9,3 86 -6,2 38,3 63,1 71,2 50,8 30 41,5 32,5 38 5,4 40,9 25,8 51,7 54,8 13,4 35,8 20,9 44 22,7 22,9 14,7 70 23,31

2009 2008 27 -42,1 74,5 -54,5 -52,8 98,14 -55,3 61,1 -57,6 121,3 81,4 -37,3 76,5 -27,7 53,1 -44 69,3 -42,4 -54,1 70,3 58,8 -51,9 -65,1 100,5 -57,6 120,8 69,2 -55,9 47,8 -43,4 70,1 -75,4 60,2 -53,8 75,1 -48,7 70,4 -50,3 73,8 -56,7 19,6 -45,1 32,8 -53,9 73,9 -62,4 51,3 -30,9 -7,7 -35,8 -8,3 -13 37,3 -56,2 -74,2 100,3 53,4 92 56,8

-40 -63,4 -65,9

Word EM La.America Argentina Brazil Chile Colombia Mexico Peru Venezuela Asia China India Indonesia Korea Malaysia Pakistan Philippines Taiwan Thailand E, Md. East Czech Egypt Hungary Israel Jordan Morocco Poland Russia South Africa Turkey Viet Nam

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-2.514027 -3.456514 -2.872950 -2.572925

0.1133

*MacKinnon (1996) one-sided p-values.

PHỤ LỤC 3.1 DỰ BÁO CHO VN-INDEX Kiểm định đơn vị cho chuỗi Vn-Index Null Hypothesis: VNINDEX has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=15)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-12.98939 -3.456514 -2.872950 -2.572925

0.0000

*MacKinnon (1996) one-sided p-values. Giá trị thống kê |(cid:2028)|=12,98 > |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy sai phân bậc một của

Giá trị thống kê |(cid:2028)|=2,51 < |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy Vn-Index không phải là một chuỗi dừng. Kiểm định đơn vị cho chuỗi sai phân bậc 1 của Vn-Index Null Hypothesis: D(VNINDEX) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=15)

chuỗi Vn-Index là một chuỗi dừng.

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C AR(2)

481.7060 0.925334

9.948076 0.023541

48.42203 39.30690

0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression

0.862168 Mean dependent var 0.861610 S.D. dependent var 11.11883 Akaike info criterion

490.9445 29.88864 7.663157

So sánh ba mô hình dự báo VN-Index ARMA(1,0), ARMA(2,0), ARMA(1,1), ARIMA(1,1,1) Mô hình ARMA(2,0) hoặc AR(2) Dependent Variable: VNINDEX Method: Least Squares Date: 11/13/10 Time: 13:32 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 3 iterations

7.691410 7.674529 0.836620

Sum squared resid Log likelihood F-statistic Prob(F-statistic)

30536.21 Schwarz criterion -952.0630 Hannan-Quinn criter. 1545.032 Durbin-Watson stat 0.000000

Inverted AR Roots

.96

-.96

Mô hình ARMA(1,1) Dependent Variable: VNINDEX Method: Least Squares Date: 11/13/10 Time: 13:52 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 6 iterations MA Backcast: 1

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C AR(1) MA(1)

482.8371 0.958229 0.219256

13.73468 0.018727 0.063858

35.15461 51.16845 3.433497

0.0000 0.0000 0.0007

491.1646 30.03096 6.781591 6.823849 6.798599 1.986004

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.943907 Mean dependent var 0.943452 S.D. dependent var 7.141290 Akaike info criterion 12596.51 Schwarz criterion -844.6989 Hannan-Quinn criter. 2078.182 Durbin-Watson stat 0.000000

Inverted AR Roots Inverted MA Roots

.96 -.22

Mô hình ARMA(1,0) hoặc AR(1) Dependent Variable: VNINDEX Method: Least Squares Date: 11/13/10 Time: 16:00 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 3 iterations

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C AR(1)

479.4545 0.969885

16.50811 0.015382

29.04358 63.05177

0.0000 0.0000

491.1646 30.03096 6.819330 6.847502 6.830668 1.588890

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.941281 Mean dependent var 0.941045 S.D. dependent var 7.291743 Akaike info criterion 13186.04 Schwarz criterion -850.4163 Hannan-Quinn criter. 3975.526 Durbin-Watson stat 0.000000

Inverted AR Roots

.97

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Mô hình ARIMA(1,1,1) Dependent Variable: D(VNINDEX) Method: Least Squares Date: 11/13/10 Time: 16:04 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 29 iterations MA Backcast: 2

C AR(1) MA(1)

-0.401890 0.022160 0.180447

0.551585 0.300514 0.296514

-0.728609 0.073740 0.608562

0.4669 0.9413 0.5434

-0.398755 7.326734 6.801446 6.843825 6.818504 2.000412

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.038791 Mean dependent var 0.030976 S.D. dependent var 7.212365 Akaike info criterion 12796.48 Schwarz criterion -843.7800 Hannan-Quinn criter. 4.963823 Durbin-Watson stat 0.007702

Inverted AR Roots Inverted MA Roots

.02 -.18

Trong các mô hình ARMA(1,0), ARMA(2,0), ARMA(1,1), ARIMA(1,1,1) thì mô

hình ARIMA(1,1,1) có các hệ số không có ý nghĩa thống kê nên loại ra đầu tiên.

So sánh giản đồ tương quan phần dư của ba mô hình ARMA(1,0), ARMA(2,0),

ARMA(1,1)

Phần dư của mô hình ARMA(1,0)

Phần dư của mô hình ARMA(1,1)

Phần dư của mô hình ARMA(2,0)

Trong các mô hình ARMA(1,0), ARMA(2,0), ARMA(1,1) thì mô hình ARMA(2,0) có

giản đồ tương quan phần dư thể hiện rõ nhất phần dư không phải là một chuỗi ngẫu

nhiên.

Chỉ tiêu RMSE, MAPE của mô hình ARMA(1,0) và ARMA(1,1)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-0.474064 -3.456408 -2.872904 -2.572900

0.8926

PHỤ LỤC 3.2 DỰ BÁO CHO HN-INDEX Kiểm định đơn vị cho chuỗi Hn-Index Null Hypothesis: HAINDEX has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=15)

*MacKinnon (1996) one-sided p-values. Giá trị thống kê |(cid:2028)|= 0,47 < |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy Hn-Index không phải là một chuỗi dừng. Kiểm định đơn vị cho chuỗi sai phân bậc 1 của Hn-Index Null Hypothesis: D(HAINDEX) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=15)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-14.20452 -3.456514 -2.872950 -2.572925

0.0000

*MacKinnon (1996) one-sided p-values. Giá trị thống kê |(cid:2028)|=14,2 > |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy sai phân bậc một của

chuỗi Hn-Index là một chuỗi dừng.

So sánh ba mô hình dự báo Hn-Index ARMA(1,0), ARMA(1,1), ARIMA(1,1,0), ARIMA(0,1,1), ARIMA(1,1,1)

Dependent Variable: HAINDEX Method: Least Squares Date: 11/14/10 Time: 10:27 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 4 iterations

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C AR(1)

87.71142 0.995292

145.8489 0.009931

0.601386 100.2167

0.5481 0.0000

Mô hình ARMA(1,0)

153.4988 20.48170 5.163300 5.191472 5.174638 1.788502

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.975902 Mean dependent var 0.975805 S.D. dependent var 3.185877 Akaike info criterion 2517.153 Schwarz criterion -643.4125 Hannan-Quinn criter. 10043.38 Durbin-Watson stat 0.000000

Inverted AR Roots

1.00

Dependent Variable: D(HAINDEX) Method: Least Squares Date: 11/14/10 Time: 10:47 Sample (adjusted): 2 251 Included observations: 250 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

-0.311200

0.201179

-1.546884

0.1232

-0.311200 3.180913 5.156206 5.170292 5.161875

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.000000 Mean dependent var 0.000000 S.D. dependent var 3.180913 Akaike info criterion 2519.434 Schwarz criterion -643.5257 Hannan-Quinn criter. 1.795308

Mô hình ARIMA(0,1,0)

Dependent Variable: HAINDEX Method: Least Squares Date: 11/14/10 Time: 10:39 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 7 iterations MA Backcast: 1

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Mô hình ARMA(1,1)

C AR(1) MA(1)

0.1515 0.0000 0.1064

109.5433 0.992966 0.103816

76.13536 0.011019 0.064071

1.438797 90.11627 1.620330

153.4988 20.48170 5.160503 5.202760 5.177510 1.992768

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.976161 Mean dependent var 0.975968 S.D. dependent var 3.175132 Akaike info criterion 2490.122 Schwarz criterion -642.0629 Hannan-Quinn criter. 5057.074 Durbin-Watson stat 0.000000

Inverted AR Roots Inverted MA Roots

.99 -.10

Dependent Variable: D(HAINDEX) Method: Least Squares Date: 11/14/10 Time: 10:43 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 3 iterations

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Mô hình ARIMA(1,1,0)

C AR(1)

0.1520 0.1126

-0.321476 0.100801

0.223748 0.063304

-1.436778 1.592342

-0.319598 3.184542 5.156321 5.184573 5.167693 1.998385

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.010161 Mean dependent var 0.006154 S.D. dependent var 3.174728 Akaike info criterion 2489.488 Schwarz criterion -639.9619 Hannan-Quinn criter. 2.535552 Durbin-Watson stat 0.112587

Inverted AR Roots

.10

Dependent Variable: D(HAINDEX) Method: Least Squares Date: 11/14/10 Time: 10:44 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 4 iterations MA Backcast: 1

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Mô hình ARIMA(0,1,1)

C MA(1)

0.1592 0.1171

-0.311307 0.099466

0.220451 0.063249

-1.412138 1.572618

-0.311200 3.180913 5.154169 5.182341 5.165507 1.994615

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.009987 Mean dependent var 0.005995 S.D. dependent var 3.171365 Akaike info criterion 2494.273 Schwarz criterion -642.2711 Hannan-Quinn criter. 2.501696 Durbin-Watson stat 0.114998

Inverted MA Roots

-.10

Dependent Variable: D(HAINDEX) Method: Least Squares Date: 11/14/10 Time: 10:45 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 11 iterations MA Backcast: 2

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Mô hình ARIMA(1,1,1)

C AR(1) MA(1)

0.1543 0.8151 0.9522

-0.321763 0.135678 -0.035137

0.225183 0.579440 0.585013

-1.428896 0.234154 -0.060063

-0.319598 3.184542 5.164347 5.206726 5.181405 1.998059

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.010167 Mean dependent var 0.002120 S.D. dependent var 3.181164 Akaike info criterion 2489.472 Schwarz criterion -639.9612 Hannan-Quinn criter. 1.263428 Durbin-Watson stat 0.284511

Inverted AR Roots Inverted MA Roots

.14 .04

So sánh giản đồ tương quan phần dư của hai mô hình ARMA(1,0), ARIMA(0,1,0)

Phần dư của mô hình ARIMA(0,1,0)

Phần dư của mô hình ARIMA(1,0)

Chỉ tiêu RMSE, MAPE của mô hình ARMA(1,0) và ARIMA(0,1,0)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-13.00334 -3.456514 -2.872950 -2.572925

0.0000

*MacKinnon (1996) one-sided p-values. Giá trị thống kê |(cid:2028)|=13 > |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy sai phân bậc một của chuỗi

PHỤ LỤC 3.3 DỰ BÁO CHO (cid:1818)(cid:2178)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) Kiểm định đơn vị cho chuỗi (cid:1818)(cid:2178)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) Null Hypothesis: R has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=15)

r(cid:3023)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) là một chuỗi dừng.

So sánh ba mô hình dự báo (cid:1818)(cid:2178)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) ARMA(1,0), ARMA(0,1), ARMA(1,1)

Dependent Variable: R Method: Least Squares Date: 11/13/10 Time: 17:19 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 2 iterations

Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)

0.190911

0.062254

3.066665

0.0024

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.033748 Mean dependent var 0.033748 S.D. dependent var 0.014760 Akaike info criterion 0.054030 Schwarz criterion 696.9249 Hannan-Quinn criter. 1.967857

-0.000806 0.015016 -5.589759 -5.575632 -5.584072

Inverted AR Roots

.19

Mô hình ARMA(1,0)

Variable

Coefficient

Std. Error

t-Statistic

Prob.

MA(1)

0.207524

0.062086

3.342541

0.0010

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.037906 Mean dependent var 0.037906 S.D. dependent var 0.014733 Akaike info criterion 0.054052 Schwarz criterion 700.1743 Hannan-Quinn criter. 1.999951

-0.000741 0.015021 -5.593394 -5.579308 -5.587725

Inverted MA Roots

-.21

Mô hình ARMA(0,1) Dependent Variable: R Method: Least Squares Date: 11/13/10 Time: 17:18 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 4 iterations MA Backcast: 1

Mô hình ARMA(1,1) Dependent Variable: R Method: Least Squares Date: 11/13/10 Time: 17:24 Sample (adjusted): 3 251 Included observations: 249 after adjustments Convergence achieved after 28 iterations MA Backcast: 2

Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1) MA(1)

-0.006059 0.211085

0.299928 0.293860

-0.020202 0.718321

0.9839 0.4732

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.036950 Mean dependent var 0.033051 S.D. dependent var 0.014766 Akaike info criterion 0.053851 Schwarz criterion 697.3383 Hannan-Quinn criter. 2.000245

-0.000806 0.015016 -5.585046 -5.556794 -5.573674

Inverted AR Roots Inverted MA Roots

-.01 -.21

Trong các mô hình ARMA(1,0), ARMA(0,1), ARMA(1,1) thì mô hình ARMA(1,1) có

các hệ số không có ý nghĩa thống kê nên cần loại ra.

So sánh giản đồ tương quan phần dư của ba mô hình ARMA(1,0), ARMA(0,1),

ARMA(1,1)

Phần dư của mô hình ARMA(1,0)

Phần dư của mô hình ARMA(0,1)

Phần dư của mô hình ARMA(1,1)

Chỉ tiêu RMSE, MAPE của mô hình ARMA(1,0) và ARMA(0,1)

F-statistic Obs*R-squared

6.210314 Prob. F(1,247) 6.107051 Prob. Chi-Square(1)

0.0134 0.0135

PHỤ LỤC 3.4 DỰ BÁO RỦI RO CHO VN-INDEX Kiểm định ảnh hưởng của ARCH Heteroskedasticity Test: ARCH

Giá trị chi bình phương có P-value = 0,0135 < 0,05 cho thấy mô hình có ảnh hưởng của ARCH. Mô hình ARCH(1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 09:06 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 7 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.218362

0.069977

3.120475

0.0018

Variance Equation

C RESID(-1)^2

0.000172 0.215225

1.74E-05 0.103961

9.880683 2.070255

0.0000 0.0384

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.037786 Mean dependent var 0.029995 S.D. dependent var 0.014794 Akaike info criterion 0.054059 Schwarz criterion 704.1448 Hannan-Quinn criter. 2.021435

-0.000741 0.015021 -5.609159 -5.566901 -5.592151

Inverted MA Roots

-.22

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.187886

0.070207

2.676174

0.0074

Variance Equation

Mô hình ARCH(2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 09:08 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 11 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*RESID(-2)^2

C RESID(-1)^2 RESID(-2)^2

0.000123 0.182321 0.279347

1.75E-05 0.100195 0.095228

7.035877 1.819660 2.933465

0.0000 0.0688 0.0034

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.037520 Mean dependent var 0.025782 S.D. dependent var 0.014826 Akaike info criterion 0.054074 Schwarz criterion 710.8758 Hannan-Quinn criter. 1.961371

-0.000741 0.015021 -5.655006 -5.598663 -5.632330

Inverted MA Roots

-.19

Mô hình ARCH(2) có một hệ số trong phương trình phương sai không có ý nghĩa thống kê. So sánh ba mô hình dự báo rủi ro của Vn-Index GARCH(1,1), GARCH(2,1),

GARCH(2,2)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.163991

0.076737

2.137065

0.0326

Variance Equation

C RESID(-1)^2 GARCH(-1)

9.52E-06 0.159977 0.799138

5.53E-06 0.055088 0.064721

1.722511 2.904046 12.34750

0.0850 0.0037 0.0000

Mô hình GARCH(1,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 09:16 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 15 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.036032 Mean dependent var 0.024276 S.D. dependent var 0.014837 Akaike info criterion 0.054157 Schwarz criterion 722.1431 Hannan-Quinn criter. 1.915016

-0.000741 0.015021 -5.745145 -5.688801 -5.722468

Inverted MA Roots

-.16

Mô hình GARCH(2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 09:17 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 59 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)RESID(-2)^2 + C(5)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.162562

0.069305

2.345599

0.0190

Variance Equation

C RESID(-1)^2 RESID(-2)^2 GARCH(-1)

1.17E-05 0.046273 0.161052 0.744846

6.70E-06 0.082734 0.101675 0.078572

1.750740 0.559298 1.583981 9.479763

0.0800 0.5760 0.1132 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.035908 Mean dependent var 0.020168 S.D. dependent var 0.014869 Akaike info criterion 0.054164 Schwarz criterion 723.6010 Hannan-Quinn criter. 1.912263

-0.000741 0.015021 -5.748808 -5.678379 -5.720462

Inverted MA Roots

-.16

Mô hình GARCH(2,2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 09:18 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 69 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)RESID(-2)^2 + C(5)GARCH(-1) + C(6)GARCH(-2)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.160480

0.069122

2.321682

0.0203

Variance Equation

1.33E-05

8.65E-06

1.534249

0.1250

RESID(-1)^2 RESID(-2)^2 GARCH(-1) GARCH(-2)

0.5560 0.1051 0.3722 0.7953

0.048394 0.185449 0.571774 0.139839

0.082202 0.114443 0.640775 0.538974

0.588724 1.620449 0.892316 0.259453

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.035721 Mean dependent var 0.015962 S.D. dependent var 0.014901 Akaike info criterion 0.054175 Schwarz criterion 723.6621 Hannan-Quinn criter. 1.908258

-0.000741 0.015021 -5.741297 -5.656782 -5.707282

Inverted MA Roots

-.16

Variable

Coefficient

Std. Error

z-Statistic

Prob.

PHỤ LỤC 3.5 PHÂN TÍCH RỦI RO VN-INDEX Mô hình GARCH(1,1)-M Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/13/10 Time: 23:16 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 27 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)

GARCH MA(1)

-0.852306 0.162796

5.031663 0.076489

-0.169389 2.128353

0.8655 0.0333

Variance Equation

C RESID(-1)^2 GARCH(-1)

9.53E-06 0.159633 0.799236

5.54E-06 0.055086 0.064663

1.721480 2.897878 12.35998

0.0852 0.0038 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.035790 Mean dependent var 0.020047 S.D. dependent var 0.014870 Akaike info criterion 0.054171 Schwarz criterion 722.1583 Hannan-Quinn criter. 1.913966

-0.000741 0.015021 -5.737267 -5.666837 -5.708921

Inverted MA Roots

-.16

Hệ số của GARCH trong phương trình suất sinh lợi bằng -0,85 có Prob. = 0,86 > 0,05 suy ra hệ số không có ý nghĩa thống kê. Mô hình GARCH(1,1)-M không phù hợp. Mô hình GARCH(1,1)-M Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/14/10 Time: 06:14 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 15 iterations MA Backcast: 1 Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)RESID(-1)^2(RESID(-1)<0) + C(5)GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

MA(1)

0.155031

0.077728

1.994522

0.0461

Variance Equation

C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1)

8.51E-06 0.073646 0.112281 0.823596

5.38E-06 0.088137 0.077494 0.076877

1.582900 0.835581 1.448903 10.71314

0.1134 0.4034 0.1474 0.0000

-0.000741 0.015021 -5.745816 -5.675387 -5.717470

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.035193 Mean dependent var 0.019441 S.D. dependent var 0.014874 Akaike info criterion 0.054204 Schwarz criterion 723.2270 Hannan-Quinn criter. 1.897796

Inverted MA Roots

-.16

Hệ số υ(cid:2869)trong phương trình phương sai bằng 0,112 có Prob. = 0,14 > 0,05 suy ra hệ số không có ý nghĩa thống kê. Mô hình TGARCH(1,1) không phù hợp.

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-14.25381 -3.456514 -2.872950 -2.572925

0.0000

*MacKinnon (1996) one-sided p-values.

Giá trị thống kê |(cid:2028)|=14,25 > |(cid:2028)(cid:3080)| ở mọi mức ý nghĩa cho thấy chuỗi r(cid:3009)(cid:3041)(cid:2879)(cid:3010)(cid:3041)(cid:3031)(cid:3032)(cid:3051) là một chuỗi dừng.

PHỤ LỤC 3.6 DỰ BÁO CHO (cid:1818)(cid:2164)(cid:2196)(cid:2879)(cid:2165)(cid:2196)(cid:2186)(cid:2187)(cid:2206) Kiểm định đơn vị cho chuỗi Hn-Index Null Hypothesis: R has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=15)

Dependent Variable: R Method: Least Squares Date: 11/15/10 Time: 13:37 Sample (adjusted): 2 251 Included observations: 250 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

-0.002221

0.001317

-1.687091

0.0928

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.000000 Mean dependent var 0.000000 S.D. dependent var 0.020816 Akaike info criterion 0.107898 Schwarz criterion 613.7689 Hannan-Quinn criter. 1.803417

-0.002221 0.020816 -4.902151 -4.888065 -4.896482

Mô hình ARMA(0,0)

F-statistic Obs*R-squared

7.347303 Prob. F(1,247) 7.192836 Prob. Chi-Square(1)

0.0072 0.0073

PHỤ LỤC 3.7 DỰ BÁO RỦI RO HN-INDEX Kiểm định ảnh hưởng của ARCH Heteroskedasticity Test: ARCH

Giá trị chi bình phương có P-value = 0,0073 < 0,05 cho thấy mô hình có ảnh hưởng

của ARCH.

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.002214

0.001276

-1.734447

0.0828

Variance Equation

C RESID(-1)^2

0.000317 0.295638

3.53E-05 0.115867

8.983936 2.551525

0.0000 0.0107

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000000 Mean dependent var -0.008097 S.D. dependent var 0.020901 Akaike info criterion 0.107898 Schwarz criterion 619.5269 Hannan-Quinn criter. 1.803417

-0.002221 0.020816 -4.932215 -4.889958 -4.915208

Mô hình ARCH(1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:44 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 6 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2

Mô hình ARCH(2) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:45 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 8 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)RESID(-2)^2

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.001941

0.001310

-1.481096

0.1386

Variance Equation

C RESID(-1)^2

0.000250 0.230737

2.97E-05 0.110215

8.417619 2.093512

0.0000 0.0363

RESID(-2)^2

0.219967

0.090164

2.439638

0.0147

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000182 Mean dependent var -0.012379 S.D. dependent var 0.020945 Akaike info criterion 0.107918 Schwarz criterion 624.3223 Hannan-Quinn criter. 1.803089

-0.002221 0.020816 -4.962579 -4.906235 -4.939902

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.001838

0.001361

-1.350366

0.1769

Variance Equation

Mô hình ARCH(3) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:46 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 12 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*RESID(-2)^2 + C(5)*RESID(-3)^2

C RESID(-1)^2 RESID(-2)^2 RESID(-3)^2

0.0000 0.0758 0.0092 0.1338

0.000221 0.192181 0.227600 0.101045

3.60E-05 0.108249 0.087415 0.067398

6.150152 1.775360 2.603687 1.499213

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000339 Mean dependent var -0.016671 S.D. dependent var 0.020989 Akaike info criterion 0.107935 Schwarz criterion 625.8118 Hannan-Quinn criter. 1.802806

-0.002221 0.020816 -4.966494 -4.896065 -4.938149

Mô hình ARCH(3) có hai hệ số trong phương trình phương sai không có ý nghĩa thống kê.

So sánh ba mô hình dự báo rủi ro của Hn-Index GARCH(1,1), GARCH(2,1),

GARCH(2,2)

Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:48 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 7 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.001623

0.001208

-1.342980

0.1793

Mô hình GARCH(1,1)

Variance Equation

C RESID(-1)^2 GARCH(-1)

2.51E-05 0.164895 0.785541

1.19E-05 0.049902 0.055557

2.103841 3.304385 14.13938

0.0354 0.0010 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000830 Mean dependent var -0.013035 S.D. dependent var 0.020952 Akaike info criterion 0.107988 Schwarz criterion 632.4141 Hannan-Quinn criter. 1.801922

-0.002221 0.020816 -5.027313 -4.970969 -5.004636

Mô hình GARCH(2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:49 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 9 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)GARCH(-1) + C(5)*GARCH(-2)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.001586

0.001226

-1.293917

0.1957

Variance Equation

C RESID(-1)^2 GARCH(-1) GARCH(-2)

0.1042 0.0653 0.0762 0.7262

2.14E-05 0.140482 0.981728 -0.164478

1.32E-05 0.076204 0.553616 0.469637

1.625022 1.843496 1.773301 -0.350223

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000935 Mean dependent var -0.017277 S.D. dependent var 0.020996 Akaike info criterion 0.107999 Schwarz criterion 632.5166 Hannan-Quinn criter. 1.801733

-0.002221 0.020816 -5.020133 -4.949704 -4.991787

Mô hính GARCH(2,1) Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 13:50 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 8 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)RESID(-1)^2 + C(4)RESID(-2)^2 + C(5)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.001557

0.001215

-1.281523

0.2000

Variance Equation

C RESID(-1)^2 RESID(-2)^2

0.0448 0.1475 0.5142

2.75E-05 0.119324 0.063330

1.37E-05 0.082380 0.097081

2.006872 1.448463 0.652341

GARCH(-1)

0.763203

0.068705

11.10837

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.001021 Mean dependent var -0.017364 S.D. dependent var 0.020996 Akaike info criterion 0.108008 Schwarz criterion 632.6103 Hannan-Quinn criter. 1.801578

-0.002221 0.020816 -5.020883 -4.950453 -4.992537

PHỤ LỤC 3.8 PHÂN TÍCH RỦI RO HN-INDEX

Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 14:06 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 15 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

Mô hình GARCH(1,1)-M

GARCH C

2.645504 -0.002532

5.757115 0.002259

0.459519 -1.120787

0.6459 0.2624

Variance Equation

C RESID(-1)^2 GARCH(-1)

2.45E-05 0.164031 0.787768

1.18E-05 0.051347 0.056616

2.076060 3.194550 13.91426

0.0379 0.0014 0.0000

-0.002221 0.020816 -5.020157 -4.949728 -4.991812 1.804640

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001698 Mean dependent var -0.014601 S.D. dependent var 0.020968 Akaike info criterion 0.107715 Schwarz criterion 632.5197 Hannan-Quinn criter. 0.104195 Durbin-Watson stat 0.980966

Dependent Variable: R Method: ML - ARCH (Marquardt) - Normal distribution Date: 11/15/10 Time: 14:14 Sample (adjusted): 2 251 Included observations: 250 after adjustments Convergence achieved after 17 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*RESID(-1)^2*(RESID(-1)<0) + C(5)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

-0.002354

0.001193

-1.972795

0.0485

Variance Equation

Mô hình TGARCH(1-1)

C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) GARCH(-1)

2.04E-05 0.050598 0.173244 0.821739

9.08E-06 0.051322 0.056996 0.058446

2.242993 0.985891 3.039565 14.05974

0.0249 0.3242 0.0024 0.0000

-0.002221 0.020816 -5.047346 -4.976916 -5.019000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

-0.000041 Mean dependent var -0.016368 S.D. dependent var 0.020986 Akaike info criterion 0.107903 Schwarz criterion 635.9182 Hannan-Quinn criter. 1.803344

BẢNG CÂU HỎI Để hỗ trợ chúng tôi phân tích rủi ro của thị trường cổ phiếu niêm yết Việt Nam, rất mong nhận được sự giúp đỡ của Anh/Chị thông qua việc trả lời các câu hỏi dưới đây. Bảng khảo sát đơn thuần chỉ phục vụ cho mục đích nghiên cứu và kết quả nghiên cứu sẽ được gởi đến các Anh/Chị có nhu cầu. Chúng tôi cam kết mọi thông tin cá nhân và quan điểm của Anh/Chị sẽ được bảo mật. Chân thành cảm ơn!

PHẦN I: THÔNG TIN CHUNG

Chúng tôi chỉ hỏi những thông tin cơ bản để đánh giá nguồn gốc quan điểm của Anh/Chị. Những câu hỏi sau đây đều ảnh hưởng đến kết quả nghiên cứu nên vui lòng Anh/Chị điền đầy đủ. Riêng về địa chỉ email là thông tin mang tính cá nhân cao, Anh/Chị có thể không trả lời nếu không có nhu cầu nhận kết quả nghiên cứu từ chúng tôi. Anh/Chị vui lòng đánh dấu X vào ô chọn và cho biết giá trị cụ thể đối với ô %.

Nơi làm việc:

Công ty chứng khoán, quỹ đầu tư Khác:…………….. Vui lòng ghi rõ ví dụ: ngân hàng, thương mại dịch vụ, bảo hiểm…

Phòng ban: …………………………………………………………………………………..

Chức vụ:

Quản lý Chuyên viên

Địa chỉ email: ……………………………………………………………………………….

Nick chat: …………………………………………………………………………………… (Gtalk, yahoo messenger…ghi cụ thể nếu có thể)

PHẦN II: TÂM LÝ NHÀ ĐẦU TƯ

Quan điểm Anh/Chị về xu hướng thị trường cổ phiếu niêm yết Việt Nam đến đầu năm 2011

1. Kỳ vọng của Anh/Chị về xu hướng thị trường cổ phiếu niêm yết Việt Nam sẽ:

Đi xuống Nằm ngang Đi lên Không dự đoán được

2. Anh/Chị có đầu tư vốn vào thị trường không

Không 1%-30% vốn tự có 40%-60% vốn tự có 70%-100% vốn tự có Sử dụng công cụ nợ

3. Chiến lược đầu tư hiện nay của Anh/Chị

T+4 Đầu cơ Đầu tư giá trị

4. Thứ tự ưu tiên căn cứ để Anh chị quyết định mua cổ phiếu Anh/Chị đánh số từ 1-13 với thứ tự ưu tiên giảm dần tương ứng với số tăng dần, không đánh số trùng nhau

Tiếp cận thông tin nội bộ doanh nghiệp trước nhà đầu tư khác

Thông tin tốt bất thường về tình hình hoạt động kinh doanh

Nhà đầu tư nước ngoài tăng mua vào

Dư mua liên tục tăng nhiều phiên

Cổ phiếu blue chip

Cổ phiếu penny stock

Thưởng cổ phiếu

Tỷ lệ mong muốn

Trả cổ tức bằng tiền mặt

Trả cổ tức bằng cổ phiếu

Chốt quyền mua thêm cổ phiếu

Sau khi phân tích cơ bản tìm được công ty tốt

Sau khi phân tích kỹ thuật có dấu hiệu mua vào

Căn cứ khác:………………. Vui lòng nêu cụ thể nếu có

5. Mức độ ảnh hưởng của các căn cứ đến quyết định mua cổ phiếu Quy ước: không xem xét mua 1, có thể mua 2, mua dần dần 3, mua ngay một lần (hết số vốn dự kiến mua cổ phiếu đó) 4

1

2

3

4

Tiếp cận thông tin nội bộ doanh nghiệp trước nhà đầu tư khác

Thông tin tốt bất thường về tình hình hoạt động kinh doanh

Nhà đầu tư nước ngoài tăng mua vào

Dư mua liên tục tăng nhiều phiên

Cổ phiếu blue chip

Cổ phiếu penny stock (cổ phiếu trị giá thấp)

Thưởng cổ phiếu

Trả cổ tức bằng tiền mặt

Trả cổ tức bằng cổ phiếu

Chốt quyền mua thêm cổ phiếu

Sau khi phân tích cơ bản tìm được công ty tốt

Sau khi phân tích kỹ thuật có dấu hiệu mua vào

Căn cứ khác:………………. Vui lòng nêu cụ thể nếu có

7. Trường hợp anh chị còn khoản lỗ đầu tư trong quá khứ? Anh chị sẽ làm gì?

% giá mua

Không quan tâm cho vào quên lãng Nắm giữ cho đến khi huề vốn hoặc lời nhưng luôn theo dõi giá cổ phiếu Cut loss khi có giá cổ phiếu phục hồi Bán bất cứ giá nào

PHẦN III. RỦI RO CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM

8. Anh/Chị hiện nay nay ưu tiên xem rủi ro nào sau đây làm ảnh hưởng đến xu hướng thị trường sắp tới Anh/Chị đánh số từ 1-13 với thứ tự ưu tiên giảm dần tương ứng với số tăng dần, không đánh số trùng nhau

Bất ổn chính trị

Điều hành chính sách và thay đổi luật lệ

Khủng hoảng kinh tế thế giới

Biến động thị trường chứng khoán thế giới

Biến động lãi suất

Biến động thị trường vàng, tỷ giá, dầu…

Giảm phát

Thất nghiệp tăng

Thâm hụt mậu dịch

Lạm phát

Đồng tiền Việt Nam mất giá

Thông tin không minh bạch

Yếu tố khác: ……….. Vui lòng ghi rõ nếu có

9. Anh/Chị hiện nay đánh giá mức độ ảnh hưởng của các rủi ro sau đây làm ảnh hưởng đến xu hướng thị trường sắp tới như thế nào? Quy ước: không ảnh hưởng 1, ảnh hưởng không đáng kể 2, ảnh hưởng 3, ảnh hưởng mạnh 4, ảnh hưởng rất mạnh 5

1

2

3

4

5

Bất ổn chính trị

Điều hành chính sách và thay đổi luật lệ

Khủng hoảng kinh tế thế giới

Biến động thị trường chứng khoán thế giới

Biến động lãi suất

Biến động thị trường vàng, tỷ giá, dầu…

Giảm phát

Thất nghiệp tăng

Thâm hụt mậu dịch

Lạm phát

Đồng tiền Việt Nam mất giá

Thông tin không minh bạch

Yếu tố khác: ……….. Vui lòng ghi rõ nếu có

10. Anh Chị thường dự báo phân tích rủi ro của thị trường cổ phiếu niêm yết Việt Nam theo phương pháp nào sau đây: Quy ước : chưa hề nghe đến 1, đã từng nghe nhưng không quan tâm 2, quan tâm nhưng không biết cách dùng 3,

Biết về nó nhưng không sử dụng 4, đã sử dụng nhưng không thường xuyên 5, Thường xuyên sử dụng 6 1

4

2

3

6

5

Tham khảo ý kiến chuyên gia

Phân tích kỹ thuật

Sử dụng mô hình hồi quy nhân quả

Sử dụng mô hình ARIMA

Sử dụng mô hình ARCH/GARCH

Sử dụng mô hình VAR

Mô hình khác:………..….. Ghi rõ nếu có

Anh/Chị vui lòng cho biết ý kiến góp ý hoặc đề xuất về Bảng câu hỏi cũng như đánh giá của

Anh/Chị về rủi ro của thị trường cổ phiếu niêm yết Việt Nam trong thời gian sắp tới.

……………………………………………………………………………………………………………. ……………………………………………………………………………………………………………. ……………………………………………………………………………………………………………. ……………………………………………………………………………………………………………. ……………………………………………………………………………………………………………. Chân thành cảm ơn!

CHÚ THÍCH

1.1 Harry Markowitz (sinh 24/08/1927) là nhà kinh tế học người Mỹ đoại giải Nobel năm

(cid:89)(cid:64)(cid:90)

1990 với lý thuyết danh mục đầu tư hiệu quả nổi tiếng. 1.2 Damodar N. Gujarati là giáo sư kinh tế học thuộc Học viện quân đội Mỹ, tác giả/đồng

tác giả của cuốn sách giáo khoa Kinh tế lượng cơ bản. 1.3 David Alan Dickey là nhà thống kê học người Mỹ chuyên về phân tích chuỗi thời gian. 1.4 Wayne Arthur Fuller là nhà thống kê học người Mỹ nổi tiếng chuyên về lĩnh vực kinh

tế lượng phân tích chuỗi thời gian. 1.5 Robert Engle (sinh ngày 10/11/1942), nhà kinh tế học người Mỹ, nhận giải Nobel năm

2003 cho nghiên cứu của ông về kinh tế lượng chuỗi thời gian. 1.6 Tim Bollerslev (sinh ngày 11/05/1958) là nhà kinh tế học người Đan Mạch nổi tiếng

với ý tưởng đo lường và dự báo rủi ro của thị trường tài chính với mô hình GARCH. 1.7 Jean-Michel Zakoian nhà thống kê học người Pháp chuyên nghiên cứu các mô hình

ARCH/GARCH. 1.8 Mô hình APT là mô hình sử dụng nhiều yếu tố rủi ro để giải thích tỷ suất sinh lợi của

chứng khoán. 2.1 Thị trường OTC (viết tắt của Over The Counter) là thị trường không có trung tâm giao

dịch tập trung. Mọi giao dịch được diễn ra thông qua mạng lưới điện tử hoặc điện thoại

kết nối với tất cả các công ty chứng khoán khắp nơi. Thực chất ở Việt Nam thị trường

OTC chưa đúng với bản chất của nó, đặc biệt giai đoạn năm 2006, thị trường mua bán tự

do mang đầy yếu tố rủi ro và tiêu cực do thông tin thiếu minh bạch và không có kiểm soát

của cơ quan nhà nước cũng như luật lệ. 2.2 Chỉ thị 03 do Ngân hàng nhà nước (NHNN) ban hành ngày 28/05/2007 và có hiệu lực

thi hành từ đầu tháng 7/2007 với nội dung chính là quy định giới hạn các tổ chức tín dụng

cho khách hàng vay vốn cầm cố bằng cổ phiếu để đầu tư chứng khoán dưới 3%. 2.3 Mô hình hồi quy nhân quả sử dụng kỹ thuật phân tích hồi quy để thiết lập mối quan hệ

giữa biến phụ thuộc và biến độc lập.

2.4 Mô hình VAR hay còn gọi là mô hình tự hồi quy vector là mô hình nhân quả nhưng

biến phụ thuộc tự tương quan với chính nó tức là xuất hiện một biến phụ thuộc có độ trễ

nằm bên phía phải của phương trình hồi quy. 3.1 Mô hình CAPM xây dựng một phương trình thể hiện mối quan hệ rủi ro – tỷ suất sinh

lợi trong đó tỷ suất sinh lợi là biến phụ thuộc, rủi ro là biến độc lập. 3.2 FCFE Mô hình dòng tiền tự do vốn cổ phần với quan điểm dòng tiền tự do vốn cổ phần

là dòng tiền được rút ra sau khi dòng tiền tự do được điều chỉnh đối với những khoản

thanh toán nợ (bao gồm lãi vay và vốn gốc), dòng tiền này đến trước khi thanh toán cổ tức

đối với người nắm giữ cổ phiếu thường. 3.3 FCFF Mô hình dòng tiền tự do với quan điểm dòng tiền tự do là dòng tiền trước khi trả

lãi cho người chủ nợ nhưng sau khi trừ đi nguồn vốn để duy trì hoạt động của công ty (chi

tiêu vốn). Do đó suất chiết khấu được sử dụng trong mô hình này là chi phí sử dụng vốn

bình quân – WACC. Một khi ước lượng được giá trị toàn bộ công ty, chúng ta trừ giá trị

các khoản nợ sẽ cho kết quả của giá trị cổ phần của công ty. 3.4 DCF Mô hình chiết khấu dòng cổ tức giả định rằng giá trị của cổ phần thường là hiện

giá của các mức cổ tức nhận được trong tương lai. a.1 Chiến lược đầu tư T+4 là chiến lược đầu tư cực ngắn hạn. Ngày T là ngày mua cổ

phiếu thì T+4 chứng khoán về tài khoản là bán ngay. Hoạt đồng mua bán diễn ra liên tục

với mục tiêu lượm bạc cắc. a.2 Cổ phiếu bluechip là cổ phiếu của các công ty danh tiếng với các khoản thu nhập ổn

định và không bị nợ vượt quá khả năng chi trả. a.3 Cổ phiếu penny là loại cổ phiếu có giá trị nhỏ, thanh khoản kém và có rủi ro cao.

TÀI LIỆU THAM KHẢO

(cid:89)(cid:64)(cid:90)

1. PGS. TS. Trần Ngọc Thơ (2005), Tài chính Doanh nghiệp hiện đại, NXB Thống kê.

2. PGS.TS. Phan Thị Bích Nguyệt (2008), Đầu tư tài chính - Phân tích đầu tư chứng

khoán, NXB Tài chính.

3. Ths. Hoàng Ngọc Nhậm (2008), Giáo trình Kinh tế lượng, Tp. Hồ Chí Minh.

4. Thầy Hoàng Trọng – Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu

với SPSS, NXB Hồng Đức.

5. PGS. TS. Nguyễn Trọng Hoài (2009), Dự báo và Phân tích dữ liệu trong kinh tế và

tài chính, NXB Thống kê.

6. Ths. Phùng Thanh Bình, Hướng dẫn sử dụng Eviews 5. 7. Domodar Gujarati (2004), Basic Econometrics, 4th Edition, McGraw-Hill.

8. Jia Geng (2006), Volatility Analysis for Chinese Stock Market Using GARCH Model.

9. International Monetary Fund (April 2009), Global Financial Stability Report,

Responding to the Financial Crisis and measuring Systemic Risk.

10. Luật chứng khoán số 70/2006/QH11, Nghị định số 14/2007/NĐ-CP ngày 19 tháng

01 năm 2007 v/v quy định chi tiết thi hành một số điều cua Luật chứng khoán, Nghị

định số 84/2010/NĐ-CP ngày 01/08/2010 sửa đổi nghị định 14.

11. Các báo cáo, phân tích về thị trường chứng khoán Việt Nam của Công ty Cổ phần

Chứng khoán Âu Việt (2009), của Công ty Cổ phần Chứng khoán Thăng Long

(tháng 10, tháng 11 năm 2010).

12. Các bài báo trong nước:

(cid:131) Vũ Bảo Ngọc (31/01/2009), Thị trường chứng khoán Việt Nam: nhìn lại 2008 để

hướng tới ngày mai sáng hơn, Tạp chí Chứng khoán số Xuân Kỷ Sửu.

(cid:131) Nguyễn Khắc Duẩn – Giám đốc Công ty TNHH tư vấn và đầu tư S&D, Chứng

khoán năm 2010: Vì sao không thể có sóng lớn.

(cid:131) Hồ Bá Tình – Nguyễn Quang Minh, Rủi ro của thị trường chưa có nhiều cải thiện.

(cid:131) Lệ Chi – Hoàng Ly (09/11/2010), Giải mã “cơn điên” giá vàng,

www.vnexpress.net.

(cid:131) ...

13. Các trang web:

(cid:131) http://www.mscibarra.com

(cid:131) www.ssc.gov.vn (Ủy ban chứng khoán Nhà nước)

(cid:131) www.hsx.vn (Sở Giao dịch chứng khoán TP. HCM)

(cid:131) www.hnx.vn (Sở Giao dịch Chứng khoán Hà Nội)

(cid:131) www.tls.vn (Công ty Cổ phần Chứng khoán Thăng Long)

(cid:131) www.vietstock.com.vn (Cộng đồng chứng khoán Vietstock)

(cid:131) www.gso.gov.vn (Tổng cục Thống kê)

(cid:131) www.sbv.gov.vn (Ngân hàng Nhà nước Việt Nam)

(cid:131) www.wikipedia.org

...