BỘ GIÁO DỤC VÀ ĐÀO TẠO
NGÂN HÀNG NHÀ NƯỚC VIỆT NAM
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH
NGUYỄN NGỌC THẢO LINH
MỐI QUAN HỆ GIỮA
RỦI RO ĐẶC THÙ VÀ LỢI NHUẬN CỔ PHIẾU
LUẬN VĂN THẠC SĨ KINH TẾ
THÀNH PHỐ HỒ CHÍ MINH - NĂM 2017
BỘ GIÁO DỤC VÀ ĐÀO TẠO
NGÂN HÀNG NHÀ NƯỚC VIỆT NAM
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH
NGUYỄN NGỌC THẢO LINH
MỐI QUAN HỆ GIỮA
RỦI RO ĐẶC THÙ VÀ LỢI NHUẬN CỔ PHIẾU
LUẬN VĂN THẠC SĨ KINH TẾ
Chuyên ngành: Tài chính – Ngân hàng
Mã ngành: 60 34 02 01
Người hướng dẫn khoa học: TS. Nguyễn Trần Phúc
THÀNH PHỐ HỒ CHÍ MINH - NĂM 2017
i
TÓM TẮT
Trong tài chính, việc định giá tài sản là một vấn đề cơ bản và quan trọng. Có
rất nhiều lý thuyết và mô hình được đề xuất nhằm giúp định giá tài sản một cách
hiệu quả nhất. Trong số đó, được sử dụng và biết đến rộng rãi là mô hình định giá
tài sản vốn (CAPM). Theo mô hình định giá tài sản vốn, nhà đầu tư sẽ được bù đắp
cho phần rủi ro hệ thống cao hơn mà không được bù đắp cho phần rủi ro đặc thù
(rủi ro phi hệ thống). Nguyên nhân là do rủi ro đặc thù có thể được loại bỏ bằng
cách đa dạng hóa danh mục đầu tư. Tuy nhiên, trên thực tế thì không phải nhà đầu
tư nào cũng có khả năng nắm giữ danh mục đầu tư được đa dạng hóa tốt do các yếu
tố thị trường không hoàn hảo như chi phí giao dịch hoặc sự khó khăn trong việc tìm
hiểu toàn bộ thông tin của các chứng khoán trên thị trường.
Nghiên cứu này tìm hiểu rủi ro đặc thù và xem xét mối quan hệ giữa rủi ro
đặc thù và tỷ suất lợi nhuận bằng cách sử dụng mô hình 3 nhân tố của Fama-French
để tính toán rủi ro đặc thù. Kết quả nghiên cứu cho thấy rủi ro đặc thù có không
hàm xu thế theo thời gian và không có mối quan hệ giữa rủi ro đặc thù và lợi nhuận
của cổ phiếu thị trường. Tuy nhiên, có tồn tại mối quan hệ dương giữa rủi ro đặc
thù và tỷ suất lợi nhuận cổ phiếu một tháng sau đó nhưng rủi ro đặc thù chỉ giải
thích được một phần rất nhỏ biến động của tỷ suất lợi nhuận cổ phiếu. Từ đó, kết
quả nghiên cứu đóng góp cung cấp thêm bằng chứng thực nghiệm về rủi ro đặc thù
và gợi ý về chiến lược đầu tư cho các nhà đầu tư trong nước và nước ngoài tham
gia thị trường chứng khoán Việt Nam.
ii
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này chưa từng được trình nộp để lấy học vị thạc
sĩ tại bất cứ một trường đại học nào. Luận văn này là công trình nghiên cứu riêng
của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã
được công bố trước đây hoặc các nội dung do người khác thực hiện ngoại trừ các
trích dẫn được dẫn nguồn đầy đủ trong luận văn.
TP.HCM, ngày …. tháng 10 năm 2017
Tác giả luận văn
Nguyễn Ngọc Thảo Linh
iii
LỜI CẢM ƠN
Tôi xin dành lời cảm ơn sâu sắc đến tất cả những người đã đóng góp và ủng
hộ tôi trong suốt quá trình hoàn thành khóa luận này.
Trước tiên, tôi chân thành cảm ơn Ban giám hiệu và các giảng viên trường
Đại học Ngân hàng TP.HCM. Các thầy cô đã truyền đạt kiến thức, tạo cho tôi niềm
say mê học hỏi, tìm tòi cũng như đã tạo những điều kiện thuận lợi trong suốt quá
trình tôi hoàn thành luận văn tốt nghiệm.
Với lòng kính trọng và biết ơn, tôi xin bày tỏ lời cảm ơn đến Tiến sỹ Nguyễn
Trần Phúc đã khuyến khích, chỉ dẫn tận tình cho tôi trong suốt thời gian thực hiện
nghiên cứu.
Cuối cùng, tôi muốn cảm ơn gia đình, bạn bè, những người đã luôn bên tôi
yêu thương và nâng đỡ trong những giai đoạn khó khăn, cả trong suốt quá trình
hoàn thành luận văn cũng như trong suốt cuộc đời.
iv
MỤC LỤC
DANH MỤC CHỮ VIẾT TẮT .................................................................................. vii
DANH MỤC BẢNG .................................................................................................. viii
DANH MỤC HÌNH ................................................................................................... viii
CHƯƠNG 1
GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU ....................................... 2
1.1. Tính cấp thiết của đề tài ............................................................................... 2
1.2. Mục tiêu nghiên cứu .................................................................................... 3
1.2.1. Mục tiêu tổng quát ............................................................................. 3
1.2.2. Mục tiêu cụ thể ................................................................................... 3
1.3. Câu hỏi nghiên cứu ...................................................................................... 3
1.4. Đối tượng và phạm vi nghiên cứu ............................................................... 3
1.5. Phương pháp nghiên cứu ............................................................................. 3
1.6. Những đóng góp của đề tài .......................................................................... 4
1.7. Kết cấu của đề tài ......................................................................................... 5
CHƯƠNG 2
TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ............................ 6
2.1. Cơ sở lý thuyết ............................................................................................. 6
2.1.1. Rủi ro và lợi nhuận............................................................................. 6
2.1.2. Lý thuyết danh mục đầu tư hiện đại................................................. 10
2.1.3. Mô hình định giá tài sản vốn ........................................................... 12
2.1.4. Mô hình 3 nhân tố Fama-French ...................................................... 14
v
2.2. Các nghiên cứu về mối quan hệ giữa rủi ro đặc thù và lợi nhuận cổ phiếu...
.................................................................................................................... 15
2.2.1. Xu hướng của rủi ro đặc thù theo thời gian ..................................... 16
2.2.2. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu........ 18
CHƯƠNG 3
PHƯƠNG PHÁP NGHIÊN CỨU ............................................................................. 25
3.1. Dữ liệu nghiên cứu..................................................................................... 25
3.2. Phương pháp nghiên cứu ........................................................................... 25
3.2.1. Ước lượng giá trị rủi ro đặc thù ....................................................... 25
3.2.2. Xu hướng của rủi ro đặc thù theo thời gian ..................................... 27
3.2.3. Tác động của rủi ro đặc thù đến tỷ suất lợi nhuận của cổ phiếu ...... 28
3.3. Quy trình nghiên cứu ................................................................................. 30
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU ......................................................................................... 32
4.1. Thống kê mô tả .......................................................................................... 32
4.2. Xu hướng của rủi ro đặc thù ...................................................................... 35
4.3. Tác động của rủi ro đặc thù đến tỷ suất lợi nhuận của cổ phiếu ................ 36
4.3.1. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận vượt trội của cổ
phiếu .......................................................................................................... 36
4.3.2. Khả năng dự đoán tỷ suất lợi nhuận thị trường của rủi ro đặc thù và
rủi ro thị trường ................................................................................................ 37
4.3.3. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu một
tháng sau .......................................................................................................... 38
CHƯƠNG 5
HÀM Ý VÀ KIỂN NGHỊ ........................................................................................... 41
vi
5.1. Kết luận ...................................................................................................... 41
5.2. Hạn chế của đề tài ...................................................................................... 42
5.3. Hướng nghiên cứu tiếp theo được đề xuất ................................................. 42
TÀI LIỆU THAM KHẢO .......................................................................................... 43
Danh mục tài liệu tiếng Anh ...................................................................... 43 1.
Danh mục tài liệu tiếng Việt ...................................................................... 47 2.
PHỤ LỤC .................................................................................................................... 48
vii
DANH MỤC CHỮ VIẾT TẮT
CAPM Mô hình định giá tài sản vốn
DMĐT Danh mục đầu tư
FF3 Mô hình 3 nhân tố Fama - French
IV Rủi ro đặc thù
TTCK Thị trường chứng khoán
viii
DANH MỤC BẢNG
Bảng 2.1. Tổng hợp nghiên cứu về mối quan hệ rủi ro đặc thù .............................. 21
Bảng 4.1. Thống kê mô tả ........................................................................................ 34
Bảng 4.2. Xu hướng theo thời gian của chuỗi rủi ro đặc thù .................................. 36
Bảng 4.3. Lợi nhuận của danh mục đầu tư sắp xếp theo giá trị rủi ro đặc thù ........ 37
Bảng 4.4. Dự đoán tỷ suất lợi nhuận thị trường một tháng sau đó .......................... 38
Bảng 4.5. Mô hình ước lượng mối quan hệ giữa rủi ro đặc thù .............................. 39
DANH MỤC HÌNH
Hình 2.1. Mối quan hệ giữa số lượng cổ phiếu và rủi ro của danh mục đầu tư ...... 12
Hình 4.1. Rủi ro đặc thù và biến động thị trường .... Error! Bookmark not defined.
2
CHƯƠNG 1
GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
1.1. Tính cấp thiết của đề tài
Rủi ro của một danh mục đầu tư gồm có rủi ro hệ thống và rủi ro đặc thù.
Rủi ro hệ thống không thể được loại bỏ bằng cách đa dạng hóa danh mục đầu tư vì
đây là rủi ro chung của tất cả chứng khoán trên thị trường. Rủi ro đặc thù, hay còn
được gọi là rủi ro phi hệ thống, là rủi ro riêng của từng công ty. Theo lý thuyết
danh mục đầu tư hiện đại, rủi ro đặc thù có thể được loại bỏ bằng cách nắm giữ một
lượng thích hợp các tài sản tài chính trong danh mục đầu tư.
Trong tài chính, việc định giá tài sản tài chính là một công việc rất quan
trọng. Nhiều lý thuyết và mô hình định giá tài sản được đề xuất. Một trong những
mô hình được sử dụng phổ biến là Mô hình định giá tài sản vốn (Capital Asset
Pricing Model – CAPM) được phát triển bởi Sharpe và Lintner. Không những được
sử dụng rộng rãi, các giả định của CAPM còn được xem như xương sống cho nhiều
mô hình định giá tài sản tài chính hiện đại. Theo mô hình CAPM, tỷ suất lợi nhuận
của tài sản có mối quan hệ dương với rủi ro hệ thống. Tuy nhiên, CAPM cho rằng
các nhà đầu tư không cần quan tâm đến rủi ro đặc thù vì rủi ro đặc thù có thể được
loại trừ bằng cách nắm giữ một danh mục đầu tư được đa dạng hóa tốt.
Trên thực tế, các nhà đầu tư, đặc biệt là các nhà đầu tư cá nhân thường
không có khả năng nắm giữ danh mục đầu tư được đa dạng hóa tốt. Nghiên cứu của
Goetzmann và Kumar (2004) cho thấy hơn 25% nhà đầu tư chỉ nắm giữ 01 cổ
phiếu và ít hơn 10% các nhà đầu tư giữ hơn 10 cổ phiếu, trong khi theo Campbell,
Lettau, Malkiel và Xu (2001) cho thấy nếu muốn đạt được việc đa dạng hóa, nhà
đầu tư phải có ít nhất 50 cổ phiếu được lựa chọn ngẫu nhiên trong danh mục đầu tư.
Nếu các nhà đầu tư không nắm giữ một danh mục đầu tư được đa dạng hóa,
việc định giá rủi ro đặc thù trở nên có ý nghĩa quan trọng. Merton (1987) cho rằng
các nhà đầu tư nên được bù đắp khi nắm giữ danh mục chưa được đa dạng hóa. Do
2
đó, từ cuối thập niên 1990, việc định giá rủi ro đặc thù bắt đầu thu hút sự quan tâm
của nhiều nhà nghiên cứu.
Tuy nhiên, các nghiên cứu thực nghiệm về rủi ro đặc thù không có kết quả
tương đồng. Các nghiên cứu cho thấy có cả mối quan hệ dương, mối quan hệ âm và
trong một số trường hợp không tồn tại mối quan hệ giữa tỷ suất lợi nhuận tài sản
rủi ro và rủi ro đặc thù. Ví dụ như Malkiel và Xu (1997, 2006), Goyal và Santa-
Clara (2003) và Fu (2009) tìm thấy rủi ro đặc thù có mối quan hệ dương với tỷ suất
lợi nhuận của chứng khoán trên thị trường chứng khoán Mỹ. Trong khi Ang,
Hodrick, Xing và Zhang (2006, 2009) tìm thấy mối quan hệ âm giữa rủi ro đặc thù
có độ trễ và tỷ suất lợi nhuận trung bình tương lại của các chứng khoán trên thị
trường Mỹ và các nước phát triển khác trong đó có Úc. Ngược lại, Bollen,
Skotnicki và Veeraraghavan (2009) không tìm thấy mối quan hệ giữa rủi ro đặc thù
và tỷ suất lợi nhuận của chứng khoán tại Úc. Tuy nhiên, nhìn chung, mặc dù không
có sự thống nhất giữa các kết quả nghiên cứu về mối quan hệ giữa rủi ro đặc thù và
tỷ suất lợi nhuận, các nghiên cứu này đều đồng ý rằng rủi ro đặc thù là một nhân tố
định giá tài sản bị bỏ qua theo CAPM.
Các nghiên cứu chủ yếu được thực hiện cho thị trường chứng khoán Mỹ và
các nước phát triển. Chỉ có một số ít đề tài được thực hiện cho thị trường chứng
khoán các nước đang phát triển và chỉ có hai đề tài được thực hiện cho thị trường
chứng khoán Việt Nam trong các giai đoạn khác nhau. Do đó, việc thực hiện đề tài
giúp góp phần củng cố lý luận về đặc điểm của rủi ro đặc thù trong phạm vi thị
trường chứng khoán Việt Nam cũng như cung cấp thêm bằng chứng thực nghiệm
về sự tồn tại của rủi ro đặc thù trong các nền kinh tế đang phát triển. Bên cạnh đó,
với những kết quả thu được có thể sử dụng làm tài liệu tham khảo giúp cho việc ra
quyết định của nhà đầu tư.
Với những lý do đó, tác giả quyết định chọn đề tài: “Mối quan hệ giữa rủi
ro đặc thù và lợi nhuận cổ phiếu” làm đề tài luận văn.
3
1.2. Mục tiêu nghiên cứu
1.2.1. Mục tiêu tổng quát
Mục tiêu chính của đề tài là tìm kiếm bằng chứng thực nghiệm về mối quan
hệ giữa rủi ro đặc thù và lợi nhuận cổ phiếu trên thị trường chứng khoán Việt Nam,
từ đó đưa ra các gợi ý về chiến lược đầu tư cho các nhà đầu tư tham gia thị trường
chứng khoán Việt Nam.
1.2.2. Mục tiêu cụ thể
- Nhận diện đặc điểm của rủi ro đặc thù của cổ phiếu trên thị trường chứng
khoán Việt Nam theo chuỗi thời gian;
- Tìm kiếm bằng chứng thực nghiệm về mối quan hệ giữa rủi ro đặc thù và lợi
nhuận cổ phiếu.
1.3. Câu hỏi nghiên cứu
Để đạt được các mục tiên nghiên cứu cụ thể trên, tác giả xây dựng các câu
hỏi nghiên cứu sau:
- Rủi ro đặc thù của cổ phiếu có xu hướng như thế nào trên thị trường chứng
khoán Việt Nam?
- Rủi ro đặc thù có phải là yếu tố tác động đến lợi nhuận của cổ phiếu trên thị
trường chứng khoán Việt Nam?
1.4. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu: Mối quan hệ giữa rủi ro đặc thù và lợi nhuận của các
cổ phiếu.
Phạm vi nghiên cứu: Các chứng khoán niêm yết trên thị trường chứng khoán
TP.HCM trong giai đoạn từ năm 2010 đến năm 2015.
1.5. Phương pháp nghiên cứu
Đề tài sử dụng phương pháp định lượng để giải quyết câu hỏi nghiên cứu.
Để tính toán rủi ro đặc thù, đề tài sử dụng phương pháp hồi quy OLS theo
mô hình 3 nhân tố Fama - French. Đối với chuỗi dữ liệu rủi ro đặc thù và biến động
4
thị trường theo thời gian, đề tài sử dụng phương pháp hồi quy OLS để tìm ra xu
hướng vận động theo thời gian của các chuỗi giá trị và thực hiện kiểm định tính
dừng của chuỗi thời gian bằng kiểm định Dickey – Fuller mở rộng.
Để tìm hiểu rủi ro đặc thù có phải là yếu tố tác động đến lợi nhuận của cổ
phiếu trên thị trường chứng khoán Việt Nam, đề tài thực hiện các nội dung gồm:
Một là, tìm hiểu mối quan hệ giữa rủi ro đặc thù và tỷ suất tỷ suất lợi nhuận vượt
trội của cổ phiếu bằng cách sắp xếp cổ phiếu vào các danh mục đầu tư dựa vào giá
trị rủi ro đặc thù đã tính toán, và sau đó so sánh tỷ suất lợi nhuận và giá trị Jensen’s
alpha giữa các danh mục đầu tư với nhau. Hai là, tìm hiểu khả năng dự đoán tỷ suất
lợi nhuận thị trường một tháng sau đó của rủi ro đặc thù và rủi ro thị trường bằng
cách sử dụng mô hình hồi quy. Và cuối cùng là xem xét mối quan hệ giữa rủi ro
đặc thù và tỷ suất lợi nhuận cổ phiếu một tháng sau đó bằng cách ước lượng dữ liệu
bảng, gồm có: Mô hình hồi quy tuyến tính thông thường (Pure pooled OLS), Mô
hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM). Sau đó, để lựa
chọn mô hình nghiên cứu phù hợp, đề tài sử dụng kiểm định Breusch – Pagan
Lagrange multiplier và kiểm định Hausman.
Dữ liệu nghiên cứu: Đề tài sử dụng dữ liệu từ các công ty niêm yết trên thị
trường chứng khoán Thành phố Hồ Chí Minh trong giai đoạn 2010-2015, bao gồm:
chỉ số VN-Index, giá cổ phiếu theo ngày, số lượng cổ phiếu niêm yết, giá trị vốn
chủ sở hữu. Sau đó, tác giả tính toán các giá trị: lợi nhuận theo ngày và theo tháng
của từng cổ phiếu và của thị trường, giá trị vốn hóa thị trường, tỷ số giá trị sổ sách
so với giá trị thị trường (Book-to-market ratio – B/M) cho từng công ty.
1.6. Những đóng góp của đề tài
Việc thực hiện đề tài giúp góp phần củng cố lý luận về đặc điểm của rủi ro
đặc thù trong phạm vi thị trường chứng khoán Việt Nam, cung cấp thêm bằng
chứng thực nghiệm về sự tồn tại của rủi ro đặc thù trong các nền kinh tế đang phát
triển và gợi ý về chiến lược đầu tư cho các nhà đầu tư trong nước và nước ngoài
tham gia thị trường chứng khoán Việt Nam.
5
1.7. Kết cấu của đề tài
Đề tài được thực hiện theo kết cấu 5 chương. Nội dung cụ thể như sau:
- Chương 1: Giới thiệu tổng quan về đề tài nghiên cứu
Chương 1 giới thiệu đến người đọc những nội dung tổng quan về đề tài
nghiên cứu, bao gồm: tính cấp thiết của đề tài, vấn đề nghiên cứu, mục tiêu nghiên
cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên
cứu và những đóng góp của đề tài. Các nội dung này cho người đọc cái nhìn bao
quát về đề tài nghiên cứu về rủi ro đặc thù.
- Chương 2: Tổng quan lý thuyết và những nghiên cứu trước
Chương 2 giới thiệu về cơ sở lý thuyết của đề tài bao gồm Lý thuyết danh
mục đầu tư hiện đại cùng với hai mô hình định giá tài sản nổi tiếng và được ứng
dụng rộng rãi là Mô hình định giá tài sản vốn (CAPM) và Mô hình 3 nhân tố Fama-
French. Sau đó, đề tài giới thiệu các nghiên cứu thực nghiệm về rủi ro đặc thù được
thực hiện dựa trên cơ sở là các mô hình lý thuyết.
- Chương 3: Phương pháp nghiên cứu
Chương 3 giới thiệu về mô hình sử dụng trong nghiên cứu, các biến trong
mô hình, các dữ liệu sử dụng và cách thức xử lý các dữ liệu thô đầu vào. Sau đó, đề
tài trình bày về phương pháp nghiên cứu và quy trình thực hiện nghiên cứu để đạt
được những mục tiêu đã đặt ra.
- Chương 4: Kết quả nghiên cứu
Sau khi chạy mô hình hồi quy, chương 4 trình bày các kết quả nghiên cứu đã
đạt được bằng cách thực hiện theo phương pháp nghiên cứu và sử dụng dữ liệu như
đã được trình bày trong chương 3. Trong chương 4, tác giả còn phân tích kết quả
nghiên cứu và đưa ra những nhận định.
- Chương 5: Kết luận và kiến nghị
Trong chương 5, tác giả tổng hợp các kết quả của đề tài nghiên cứu về rủi ro
đặc thù, giải thích câu hỏi nghiên cứu. Bên cạnh đó, đề tài cũng nêu lên những mặt
hạn chế và đề xuất hướng nghiên cứu tiếp theo cho các nghiên cứu sau này.
6
CHƯƠNG 2
TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC
Nội dung Chương 2 giới thiệu về cơ sở lý thuyết của đề tài bao gồm Lý
thuyết danh mục đầu tư hiện đại cùng với hai mô hình định giá tài sản nổi tiếng và
được ứng dụng rộng rãi là Mô hình định giá tài sản vốn (CAPM) và Mô hình 3
nhân tố Fama-French. Sau đó, đề tài giới thiệu và tổng hợp các nghiên cứu thực
nghiệm về đặc điểm của rủi ro đặc thù theo thời và mối quan hệ giữa rủi ro đặc thù
và lợi nhuận cổ phiếu để làm nền tảng cho việc xây dựng phương pháp nghiên cứu
ở chương sau.
2.1. Cơ sở lý thuyết
2.1.1. Rủi ro và lợi nhuận
a. Khái niệm
Theo Lý thuyết danh mục đầu tư, lợi nhuận là thu nhập hay số tiền có được
từ một khoản đầu tư. Để biết được hoạt động đầu tư có hiệu quả hay không, người
ta dùng chỉ tiêu tỷ suất lợi nhuận để đánh giá. Tỷ suất lợi nhuận được tính toán là tỷ
lệ phần trăm giữa thu nhập và giá trị khoản đầu tư bỏ ra.
Rủi ro là sự sai biệt giữa lợi nhuận thực tế và lợi nhuận nhà đầu tư kỳ vọng
nhận được. Rủi ro của một tài sản tài chính được đo lường bằng mức độ dao động
của tỷ suất lợi nhuận. Nghĩa là, mức độ dao động của tỷ suất lợi nhuận càng cao thì
rủi ro càng lớn và ngược lại. Nói cách khác, độ phân tán của những mức tỷ suất lợi
nhuận kỳ vọng càng lớn thì rủi ro của tỷ suất kỳ vọng nhận được càng lớn. Chỉ tiêu
phương sai (variance) và độ lệch chuẩn (standard deviation) được sử dụng để đo
lường rủi ro của tài sản tài chính.
b. Các loại rủi ro
Rủi ro bao gồm hai loại là rủi ro hệ thống và rủi ro đặc thù.
7
Rủi ro hệ thống là rủi ro chung cho tất cả các tài sản tài chính trên thị
trường, do các những biến động xảy ra trong quá trình vận hành của nền kinh tế
như biến động về tình hình kinh tế, cải tổ chính sách, thuế... hoặc những sự kiện có
tác động đến phần lớn nền kinh tế. Những rủi ro này gây ảnh hướng đến hầu hết các
chứng khoán và không thể loại bỏ bằng cách đa dạng hóa danh mục đầu tư.
Rủi ro đặc thù (rủi ro phi hệ thống) là rủi ro xảy ra riêng đối với từng tài sản
tài chính, độc lập với các yếu tố mang tính chất hệ thống và ảnh hưởng đến toàn bộ
các tài sản trên thị trường như tình hình kinh tế, chính trị. Rủi ro đặc thù có thể
được loại bỏ bằng chiến lược đa dạng hóa danh mục đầu tư.
c. Đo lường lợi nhuận và rủi ro
Rủi ro và lợi nhuận của tài sản tài chính
Trong đầu tư tài chính, người ta thường xem xét lợi nhuận kỳ vọng. Lợi
nhuận kỳ vọng chính là bình quân gia quyền của các lợi nhuận có thể xảy ra với
trọng số là xác suất nhận được lợi nhuận.
𝑛
Tỷ suất lợi nhuận kỳ vọng E(R)
𝑖=1
(2.1) 𝐸(𝑅) = ∑ 𝑝𝑖𝑅𝑖
Trong đó: - E(R): Tỷ suất lợi nhuận kỳ vọng;
- 𝑅𝑖: Tỷ suất lợi nhuận kỳ vọng trong trường hợp i;
- 𝑝𝑖: Xác suất nhận được 𝑅𝑖.
Rủi ro của tài sản tài chính được đo lường bằng chỉ tiêu phương sai
(variance) và độ lệch chuẩn (standard deviation):
𝑛
Phương sai của tỷ suất lợi nhuận (𝜎2):
𝑖=1
(2.2) 𝜎2 = ∑ 𝑝𝑖[𝑅𝑖 − 𝐸(𝑅)]2
Độ lệch chuẩn của tỷ suất lợi nhuận (𝜎):
8
𝑛
𝑖=1
(2.3) 𝜎 = √∑ 𝑝𝑖[𝑅𝑖 − 𝐸(𝑅)]2
Ngoài ra, các nhà đầu tư cũng có thể dựa vào dữ liệu quá khứ để ước lượng
phương sai. Khi đó, rủi ro được đo lường bằng độ phân tán của tỷ suất lợi nhuận
𝑛 𝑖=1
xung quanh giá trị trung bình:
(2.4) 𝜎2 = ∑ [𝑅𝑖 − 𝑅̅]2 𝑛 − 1
Trong đó: - 𝑅̅: Tỷ suất lợi nhuận trung bình;
- n: Số lượng quan sát.
Rủi ro và lợi nhuận của danh mục đầu tư
Trong đầu tư tài chính, nhà đầu tư thường ít khi dồn toàn bộ vốn đầu tư vào
một tài sản duy nhất mà thường đầu tư vào nhiều tài sản tài chính khác nhau, hay
còn gọi là danh mục đầu tư. Như vậy, danh mục đầu tư là sự kết hợp của hai hay
nhiều chứng khoán hoặc tài sản khác nhau trong đầu tư. Vấn đề đặt ra là cách tính
toán lợi nhuận và rủi ro của danh mục đầu tư có gì khác biệt so với cách tính toán
lợi nhuận và rủi ro của một tài sản tài chính.
Lợi nhuận kỳ vọng của danh mục đầu tư là trung bình có trọng số các lợi
nhuận kỳ vọng của từng tài sản hoặc chứng khoán trong danh mục đầu tư. Trọng số
chính là tỷ trọng của từng loại tài sản hoặc chứng khoán trong danh mục đầu tư.
𝑁
Công thức tính toán lợi nhuận kỳ vọng của danh mục đầu tư như sau:
𝑖=1
(2.5) 𝐸(𝑅𝑝) = ∑ 𝑊𝑖 𝐸(𝑅𝑖)
Trong đó: - 𝐸(𝑅𝑝): Tỷ suất lợi nhuận kỳ vọng của danh mục P;
- 𝐸(𝑅𝑖): Tỷ suất lợi nhuận kỳ vọng của tài sản i;
- 𝑊𝑖: Tỷ trọng của tài sản i;
9
Độ rủi ro của danh mục đầu tư không chỉ phụ thuộc vào độ lệch chuẩn của
tỷ suất lợi nhuận của các tài sản riêng rẽ trong danh mục, mà còn phụ thuộc vào sự
tương tác giữa tỷ suất lợi nhuận của các tài sản. Sự tương tác này được biểu diễn
bởi tích sai (Cov) hay hệ số tương quan (𝜌).
𝑁
Phương sai lợi nhuận kỳ vọng của danh mục đầu tư:
𝑁 2 = ∑ ∑ 𝑊𝑖𝑊𝑗𝜎𝑖𝑗 𝑗=1
𝑖=1
(2.6) 𝜎𝑝
- 𝑊𝑗: Tỷ trọng của tài sản j;
- N: Tổng số chứng khoán trong danh mục;
- 𝜎𝑖𝑗: Tích sai giữa tỷ suất lợi nhuận kỳ vọng của tài sản i và j.
Hệ số tương quan giữa hai tài sản:
(2.7) 𝜌𝑖𝑗 = 𝐶𝑜𝑣(𝑟𝑖,𝑟𝑗) 𝜎𝑖𝜎𝑗
Trong đó: - 𝜎𝑖: Độ lệch chuẩn của tài sản i;
- 𝜎𝑗: Độ lệch chuẩn của tài sản j.
Theo đó:
- Hệ số tương quan 𝜌 = 1: Lợi nhuận của hai tài sản tương quan thuận hoàn
toàn với nhau.
- Hệ số tương quan 𝜌 = 0: Lợi nhuận của hai tài sản hoàn toàn không tương
quan với nhau.
- Hệ số tương quan 𝜌 = −1: Lợi nhuận của hai tài sản tương quan nghịch
hoàn toàn với nhau.
d. Thái độ với rủi ro
Để xem xét thái độ của nhà đầu tư đối với rủi ro, người ta so sánh giữa số
tiền chắc chắn tương đương (certainty equivalent – CE) với giá trị kỳ vọng của
10
khoản đầu tư. Số tiền chắc chắn tương đương là khoản lợi nhuận chắc chắn nhận
được khi thực hiện đầu tư.
- Nếu một người yêu cầu CE < giá trị kỳ vọng: Người đó ngại rủi ro (risk
aversion).
- Nếu một người yêu cầu CE = giá trị kỳ vọng: Người đó bàng quan với rủi ro
(risk indifference).
- Nếu một người yêu cầu CE > giá trị kỳ vọng: Người đó thích rủi ro.
Đối với những người ngại rủi ro, chênh lệch giữa giá trị kỳ vọng và CE
chính là phần giá trị tăng thêm để bù đắp rủi ro (risk premium). Trong đầu tư tài
chính người ta xem các nhà đầu tư như những người ngại rủi ro. Nghĩa là nếu có
hai cơ hội đầu tư có cùng tỷ suất lợi nhuận kỳ vọng, nhà đầu tư sẽ chọn cơ hội đầu
tư nào có rủi ro thấp hơn. Hay nói cách khác, nếu có hai cơ hội đầu tư có cùng mức
rủi ro thì nhà đầu tư sẽ lựa chọn cơ hội đầu tư nào có tỷ suất lợi nhuận kỳ vọng cao
hơn.
Do đó khi quyết định đầu tư, nhà đầu tư phải xem xét đến mối quan hệ giữa
lợi nhuận và rủi ro. Có rất nhiều mô hình đưa ra nhằm mô tả mối quan hệ giữa lợi
nhuận và rủi ro của tài sản tài chính. Theo Lý thuyết danh mục đầu tư hiện đại,
phần rủi ro đặc thù của tài sản có thể loại bỏ khi thực hiện đa dạng hóa danh mục
đầu tư. Do đó, các nghiên cứu và mô hình đưa ra đều tập trung tìm hiểu mối quan
hệ giữa lợi nhuận và rủi ro hệ thống của tài sản tài chính. Trong đó, các mô hình
được sử dụng phổ biến gồm có Mô hình định giá tài sản vốn (CAPM) và Mô hình 3
nhân tố của Fama-French. Nội dung chi tiết các mô hình này được giới thiệu trong
nội dung tiếp theo.
2.1.2. Lý thuyết danh mục đầu tư hiện đại (Modern portfolio theory – MPT)
Lý thuyết danh mục đầu tư hiện đại do Harry Markowitz phát triển vào năm
1952 đã đóng góp cơ sở lý thuyết quan trọng trong việc phân tích mối quan hệ giữa
rủi ro và lợi nhuận. Lý thuyết này cho rằng các nhà đầu tư đều e ngại rủi ro (risk
aversion), nghĩa là giữa hai danh mục đầu tư có cùng tỷ suất lợi nhuận kỳ vọng, các
11
nhà đầu tư sẽ lựa chọn danh mục đầu tư có độ rủi ro thấp hơn. Tương tự, ở một
mức độ rủi ro được xác định trước, nhà đầu tư sẽ thích đầu tư mang lại tỷ suất lợi
nhuận kỳ vọng cao hơn.
Theo Markowitz, việc kết hợp các danh mục đầu tư gồm nhiều cổ phiếu rủi
ro sẽ tạo thành một danh mục ít rủi ro hơn so với các cổ phiếu riêng lẻ và việc nắm
giữ một danh mục được đa dạng hóa tốt giúp giảm rủi ro cho nhà đầu tư.
Từ công thức tính toán phương sai tỷ suất lợi nhuận kỳ vọng của danh mục
đầu tư (2.6), ta có:
2 =
(2.8) 𝑣 + (1 − ) 𝑐 𝜎𝑝 1 𝑁 1 𝑁
Trong đó: - 𝑣: Phương sai của tỷ suất lợi nhuận tài sản i var(𝑟𝑖,);
- 𝑐: Tích sai của tỷ suất lợi nhuận cov(𝑟𝑖,𝑟𝑗).
Như vậy, khi số lượng tài sản trong danh mục đầu tư đủ lớn thì phương sai
danh mục đầu tư bằng c, nghĩa là rủi ro của danh mục đầu tư chỉ phụ thuộc vào sự
tương tác tỷ suất lợi nhuận của các tài sản trong danh mục đầu tư, và không chịu
ảnh hưởng bởi rủi ro của từng tài sản.
𝑣𝑎𝑟(𝑟𝑃) = 𝑐 (2.9) 𝑙𝑖𝑚 𝑁→∞
Hình 2.1 thể hiện mối quan hệ giữa số lượng cổ phiếu và rủi ro của danh
mục đầu tư. Một danh mục đầu tư bao gồm hai loại rủi ro: rủi ro do sự tương tác tỷ
suất lợi nhuận của các tài sản trong danh mục đầu tư được gọi là rủi ro hệ thống và
rủi ro riêng của từng tài sản được gọi là rủi ro đặc thù (rủi ro phi hệ thống). Khi
thực hiện đa dạng hóa danh mục đầu tư bằng cách thêm vào nhiều loại chứng
khoán khác nhau vào danh mục, rủi ro của danh mục giảm dần. Phần rủi ro được
giảm bằng cách đa dạng hóa danh mục đầu tư chính là rủi ro đặc thù. Tuy nhiên, rủi
ro của danh mục không thể loại bỏ hoàn toàn. Khi ta thêm vào tất cả các chứng
khoán đang niêm yết, danh mục đầu tư trở thành danh mục thị trường và vẫn tồn tại
rủi ro mà không thể loại bỏ bằng cách đa dạng hóa và ảnh hưởng đến tất cả các
chứng khoán. Rủi ro này chính là rủi ro hệ thống.
12
Rủi ro của DMĐT
Rủi ro đặc thù
Tổng rủi ro
Rủi ro hệ thống
Số lượng cổ phiếu
trong DMĐT
Hình 2.1. Mối quan hệ giữa số lượng cổ phiếu và rủi ro của danh mục đầu tư
2.1.3. Mô hình định giá tài sản vốn (Capital asset pricing model - CAPM)
Mô hình định giá tài sản vốn được nhà kinh tế học William Sharpe, John
Lintner và Jack Treynor đưa ra vào những năm giữa thập niên 60 dựa trên nền tảng
Lý thuyết danh mục đầu tư của Markowitz.
CAPM là mô hình dự báo giá cả ổn định của một tài sản. Mô hình thiết lập
mối quan hệ giữa suất sinh lời của cổ phiếu và rủi ro hệ thống của nó. Mối quan hệ
này được đo lường bằng nhân tố rủi ro duy nhất, được gọi là Beta, thể hiện rủi ro hệ
thống của cổ phiếu.
Các giả định của mô hình gồm có:
Một là, thị trường cạnh tranh hoàn hảo. Nghĩa là thị trường gồm một lượng
lượng lớn các nhà đầu tư nhỏ lẻ. Các nhà đầu tư đều là người chấp nhận giá và các
giao dịch mua bán không có ảnh hưởng đến thị trường và giá chứng khoán.
Hai là, tất cả các nhà đầu tư đều có cùng một kỳ đầu tư và không quan tâm
đến những phát sinh sau khi kết thúc kỳ đầu tư.
Ba là, các nhà đầu tư đều có thể đi vay và cho vay với cùng tỷ lệ lãi suất phi
rủi ro và được phép thực hiện đầu tư đối với các loại tài sản tài chính được giao
dịch công khai. Nghĩa là, các nhà đầu tư không đầu tư vào các loại tài sản phi giao
dịch như giáo dục, công ty tư nhân hoặc các tài sản được chính phủ đầu tư.
13
Bốn là, các nhà đầu tư không phải trả thuế đối với thu nhập nhận được cũng
như các chi phí liên quan đến việc giao dịch mua bán chứng khoán.
Năm là, tất cả các nhà đầu tư đều lựa chọn danh mục đầu tư tối ưu, nghĩa là
họ đều sử dụng mô hình lựa chọn danh mục đầu tư của Markowitz.
Giả định cuối cùng của CAPM là tất cả các nhà đầu tư đều phân tích chứng
khoán theo cùng một cách thức và có chung quan điểm về tình hình kinh tế. Với giá
chứng khoán và lãi suất phi rủi ro cho trước, các nhà đầu tư có cùng mức tỷ suất lợi
nhuận kỳ vọng và ma trận hệ số tương quan, từ đó cho ra cùng đường biên hiệu quả
và danh mục đầu tư tối ưu. Đây còn gọi là kỳ vọng thuần nhất (homogeneous
expectations).
Phương trình mô hình định giá tài sản vốn như sau:
(2.10) 𝐸[𝑟𝑖] = 𝑟𝑓 + 𝛽𝑖(𝐸[𝑟𝑚] − 𝑟𝑓)
Trong đó: - 𝐸[𝑟𝑖] là tỷ suất lợi nhuận kỳ vọng của tài sản i;
- 𝐸[𝑟𝑚] là tỷ suất lợi nhuận kỳ vọng của thị trường;
- 𝑟𝑓 là lãi suất phi rủi ro.
Nhân tố quan trọng của mô hình chính là hệ số 𝛽. Hệ số 𝛽 được ước lượng
như sau:
(2.11) 𝛽𝑖 = 𝐶𝑜𝑣(𝑟𝑖, 𝑟𝑚) 𝑉𝑎𝑟(𝑟𝑚)
Beta lớn hơn 1 hàm ý rằng rủi ro của cổ phiếu cao hơn rủi ro thị trường; và
ngược lại, Beta nhỏ hơn 1 hàm ý rằng rủi ro của cổ phiếu thấp hơn rủi ro thị trường.
Do đó, tài sản rủi ro hơn sẽ có giá trị Beta cao hơn. Mô hình CAPM thống nhất với
ý kiến cho rằng nhà đầu tư sẽ đòi hỏi suất sinh lời cao hơn khi nắm giữ chứng
khoán rủi ro hơn.
Mô hình định giá tài sản vốn là một mô hình đơn giản, dễ ứng dụng trong
thực tế để ước lượng các giá trị như tỷ suất lợi nhuận kỳ vọng của chứng khoán,
tính toán độ rủi ro của tài sản tài chính… Tuy nhiên, CAPM cũng có nhiều mặt hạn
14
chế như có nhiều giả định không phù hợp với thực tế hay giá trị beta không ổn định
theo thời gian. Bên cạnh đó, các nhà nghiên cứu cũng tìm ra một số yếu tố khác có
ảnh hưởng đến tỷ suất lợi nhuận của cổ phiếu bao gồm: quy mô công ty, tỷ số giá
trị số sách so với giá thị trường B/M, tác động của thời gian… Do đó, nhiều nhà
nghiên cứu đã phát triển nhiều mô hình định giá tài sản bổ sung thêm các biến để
có thể tính toán lợi nhuận kỳ vọng càng chính xác hơn.
2.1.4. Mô hình 3 nhân tố Fama-French
Tỷ suất lợi nhuận chứng khoán chịu ảnh hưởng bởi nhiều yếu tố. Theo
nghiên cứu của Banz (1981), các chứng khoán NYSE được chia thành 10 danh mục
đầu tư vào mỗi năm dựa trên giá trị vốn hóa thị trường. Tỷ suất lợi nhuận trung
bình của danh mục 10 (gồm các công ty có quy mô lớn nhất) thấp hơn 8.59% so với
danh mục 1 (gồm các công ty có quy mô nhỏ nhất). Chan Hamao và Lakonishok
(1991) cũng cho thấy điều này khi nghiên cứu lợi nhuận của cổ phiếu trên thị
trường chứng khoán Nhật Bản.Từ đó cho thấy, các công ty quy mô nhỏ có mức rủi
ro cao hơn và tỷ suất lợi nhuận cũng cao hơn so với các công ty quy mô lớn. Do đó,
yếu tố quy mô của công ty cũng đóng vai trò trong việc giải thích biến động tỷ suất
lợi nhuận.
Nghiên cứu của Fama và French (1992) cùng với Reinganum (1988) thì cho
thấy ảnh hưởng của giá trị tỷ số giá trị sổ sách so với giá trị thị trường của vốn chủ
sở hữu (tỷ số B/M) đối với tỷ suất lợi nhuận chứng khoán. Fama và French chia
chứng khoán thành 10 danh mục đầu tư dựa trên tỷ số B/M trong giai đoạn tháng
07/1963 đến tháng 12/1990. Tỷ suất lợi nhuận trung bình của danh mục có tỷ số
B/M cao nhất là 1.65%, trong khi tỷ suất lợi nhuận trung bình của danh mục có tỷ
số B/M thấp nhất chỉ là 0.72%.
Căn cứ vào những bằng chứng thực nghiệm về mối tương quan giữa tỷ suất
lợi nhuận cổ phiếu và những yếu tố khác như quy mô và giá trị cổ phiếu, hai nhà
nghiên cứu Fama và French đã phát triển mô hình ba nhân tố nổi tiếng. Mô hình
15
này cho thấy rủi ro không chỉ phụ thuộc vào rủi ro thị trường, mà còn có hai nhân
tố khác là quy mô công ty và mối quan hệ giữa giá trị sổ sách và giá trị thị trường.
Mô hình 3 nhân tố Fama – French được trình bày như sau:
(2.12) 𝑅𝑖 − 𝑅𝑓 = 𝛼𝑖 + 𝛽𝑖(𝑅𝑚 − 𝑅𝑓) + 𝑠𝑖(𝑆𝑀𝐵) + ℎ𝑖(𝐻𝑀𝐿) + 𝜀𝑖
Trong đó: - 𝑅𝑖 − 𝑅𝑓: phần bù rủi ro danh mục i
- 𝑅𝑚 − 𝑅𝑓: phần bù rủi ro thị trường
- 𝑅𝑓: lãi suất phi rủi ro
- SMB: Phần bù quy mô - đo lường lợi nhuận tăng thêm của nhà đầu
tư khi đầu tư vào những công ty có giá trị vốn hóa thị trường nhỏ.
- HML : Phần bù giá trị - đo lường lợi nhuận tăng thêm của nhà đầu
tư khi đầu tư vào những công ty có tỷ số giá trị sổ sách so với giá trị
thị trường cao.
Mô hình này cũng cho rằng tỷ suất sinh lợi cao là phần thưởng cho sự chấp
nhận rủi ro cao.
2.2. Các nghiên cứu về mối quan hệ giữa rủi ro đặc thù và lợi nhuận cổ phiếu
Các mô hình định giá tài sản đều chủ yếu tập trung vào phần rủi ro hệ thống.
Trong khi đó, rủi ro đặc thù không được xem xét đến vì được cho rằng rủi ro này có
thể được loại bỏ bằng cách đa dạng hóa danh mục đầu tư. Tuy nhiên trong thực tế,
các nhà đầu tư, đặc biệt là các nhà đầu tư cá nhân thường không có khả năng để
nắm giữ danh mục đầu tư được đa dạng hóa tốt bởi vì một số nguyên nhân như: chi
phí giao dịch, chi phí thông tin và việc lựa chọn phong cách đầu tư. Cụ thể, các nhà
đầu tư không muốn tăng mức độ đa dạng của danh mục đầu tư nếu họ tin rằng chi
phí giao dịch lớn hơn các lợi ích thu được từ việc đa dạng hóa. Hơn nữa, không
phải hầu hết các nhà đầu tư đều có khả năng thu thập và phân tích thông tin của tất
cả các chứng khoán trên thị trường một cách kịp thời. Cuối cùng, phong cách đầu
tư có thể dẫn đến việc các nhà đầu tư nắm giữ danh mục chưa được da dạng hóa.
16
Nghiên cứu của Goetzmann và Kumar (2004) cho thấy hơn 25% nhà đầu tư
chỉ nắm giữ 01 cổ phiếu và ít hơn 10% các nhà đầu tư giữ hơn 10 cổ phiếu, trong
khi theo Campbell, Lettau, Malkiel và Xu (2001) cho thấy nếu muốn đạt được việc
đa dạng hóa, nhà đầu tư phải có ít nhất 50 cổ phiếu được lựa chọn ngẫu nhiên trong
danh mục đầu tư. Từ những nghiên cứu này cho thấy nhiều nhà đầu tư nắm giữ các
danh mục chưa được đa dạng hóa, và do đó, rủi ro đặc thù không được triệt tiêu. Vì
vậy, nhiều nghiên cứu đã được thực hiện nhằm tìm hiểu về đặc điểm của rủi ro đặc
thù và mối quan hệ giữa rủi ro đặc thù và lợi nhuận chứng khoán.
2.2.1. Xu hướng của rủi ro đặc thù theo thời gian
Vai trò quan trọng của rủi ro đặc thù được đưa ra từ những năm 1990. Từ
đó, rủi ro đặc thù đã thu hút sự chú ý của nhiều nhà nghiên cứu. Theo các nghiên
cứu thực nghiệm, rủi ro đặc thù có ba xu hướng theo thời gian khác nhau là: xu
hướng tăng (upward trend), xu hướng giảm (downward trend) và không có xu
hướng (no trend). Ví dụ, Campbell và cộng sự (2001) tìm thấy rủi ro đặc thù có xu
hướng tăng trên thị trường chứng khoán Mỹ. Bên cạnh đó, Bekaert và cộng sự
(2009) cho thấy bằng chứng rằng rủi ro đặc thù không có xu hướng tăng trên 23 thị
trường chứng khoán của các nước phát triển, bao gồm Mỹ từ năm 1964-2005. Tuy
nhiên, Hamao và cộng sự (2003) tìm thấy rủi ro đặc thù có xu hướng giảm trên thị
trường chứng khoán Nhật. Quan trọng hơn, Brandt và cộng sự (2009) cho thấy rằng
rủi ro đặc thù là hiện tượng mang tính giai đoạn hơn là xu hướng theo theo thời
gian trên thị trường chứng khoán Mỹ. Nói cách khác, rủi ro đặc thù không có xu
hướng theo thời gian (time trend) mà chỉ có tính chất thời đoạn (episodic
phenomenon).
a. Xu hướng tăng theo thời gian
Malkiel và Xu (1997) tìm thấy bằng chứng thực nghiệm rằng rủi ro đặc thù
có xu hướng tăng đối với các cổ phiếu trong nhóm S&P 500 từ năm 1952 và xu
hướng này có ý nghĩa thống kê. Campbell và cộng sự (2001) báo cáo rằng tổng rủi
ro của công ty tăng trong giai đoạn 1962 đến 1997, trong khi rủi ro thị trường
17
không thay đổi, và do đó trong trường hợp này ta thấy rủi ro đặc thù có xu hướng
tăng. Tác giả kết luận rằng rủi ro đặc thù có xu hướng tăng không phải do số cổ
phiếu niêm yết trên thị trường hoặc tương quan chuỗi trong số liệu hàng ngày do
không có xu hướng tương tự trong một ngành công nghiệp hoặc đối với toàn thị
trường.
Như vậy, rủi ro đặc thù tăng trong tương quan với rủi ro thị trường cho thấy
mối tương quan giữa các chứng khoán đơn lẻ đã bị bỏ qua trong các thập kỷ qua.
Xu và Malkiel (2003) khẳng định xu hướng tăng của rủi ro đặc thù trong giai đoạn
hậu Chiến tranh Thế giới II đến những năm 1990 và còn tìm thấy bằng chứng rằng
giá dầu và việc thị trường chứng khoán sụp đổ trong năm 1987 làm cho rủi ro đặc
thù tăng nhanh hơn nữa. Hơn thế nữa, nghiên cứu còn cho thấy các chứng khoán
công ty lớn đóng vai trò quan trọng đối với xu hướng tăng của rủi ro đặc thù so với
chứng khoán các công ty nhỏ. Bali và cộng sự (2008) kết luận rằng rủi ro đặc thù
có xu hướng tăng trong giai đoạn nghiên cứu 1980-1990, nhưng xu hướng rõ ràng
hơn đối với các chứng khoán NASDAQ và yếu hơn đối với các chứng khoán
NYSE/AMEX và NYSE.
b. Không có xu hướng theo thời gian
Bekaert và cộng sự (2009) tìm thấy bằng chứng rằng rủi ro đặc thù không có
xu hướng tăng tại 23 thị trường chứng khoán phát triển trong giai đoạn 1964-2005.
Nghiên cứu của Bekaert và cộng sự (2010) tiếp tục khẳng định rằng rủi ro đặc thù
không có xu hướng tăng tại các nước phát triển trong giai đoạn 1964-2008. Nghiên
cứu của Nartea và Ward (2009) ủng hộ kết quả của Bekaert và cộng sự (2009) được
thực hiện tại thị trường chứng khoán Philippine trong giai đoạn 1992-1997.
Brandt và cộng sự (2009) cho rằng rủi ro đặc thù có tính chất thời đoạn hơn
là có xu hướng theo thời gian khi nghiên cứu các chứng khoán tại Mỹ trong giai
đoạn 1925 đến 2008. Tuy nhiên, kết quả nghiên cứu cho thấy rằng xu hướng tăng
của rủi ro đặc thù chiếm phần lớn do việc gia tăng số chứng khoán với giá trị thấp,
và kết quả này cũng tương tự như nghiên cứu của Angelidis (2010) thực hiện tại 24
18
thị trường chứng khoán đang phát triển. Nartea và cộng sự (2010) và Angelidis
(2010) đều cho thấy rủi ro đặc thù không có xu hướng tại thị trường chứng khoán
Trung Quốc trong giai đoạn 1993 đến 2008. Ngoài ra, nghiên cứu của Nartea và
cộng sự (2010) cho thấy rằng rủi ro đặc thù có xu hướng ổn định tại Trung Quốc
trong giai đoạn khủng khoảng tài chính châu Á 1997.
c. Xu hướng giảm theo thời gian
Hamao và cộng sự (2003) cho thấy rủi ro thị trường có xu hướng tăng trong
khi đó rủi ro đặc thù có xu hướng giảm tại thị trường chứng khoán Nhật từ năm
1975 đến 1999. Tác giả giải thích nguyên nhân là do các cổ phiếu tại thị trường
chứng khoán Nhật thường có xu hướng thay đổi cùng nhau, làm cho các nhà đầu tư
khó khăn hơn trong việc phân biệt các cổ phiếu tốt và các cổ phiếu không tốt sau
khi thị trường sụp đổ năm 1990. Brockman và Yan (2006) cho thấy rủi ro đặc thù
có xu hướng giảm tại thị trường chứng khoán Mỹ giai đoạn 1926-1962. Kết quả
này là do ảnh hưởng của Đại khủng hoảng và hậu quả của Chiến tranh Thế giới II.
2.2.2. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu
Malkiel và Xu (1997) đã cho thấy rủi ro đặc thù có ý nghĩa xác định tỷ suất
lợi nhuận của chứng khoán tại Mỹ. Nghiên cứu này còn cho rằng các nhà quản lý
danh mục đầu tư có thể bị tác động bởi ban giám đốc để mua hay bán chứng khoán
khi giá giảm, do đó, các nhà quản lý danh mục đầu tư yêu cầu lợi nhuận cao hơn để
bù đắp các rủi ro đặc thù mà họ đã giả định. Campbell và cộng sự (2001) cho biết
rủi ro đặc thù đã tăng từ 1962 đến 1997. Họ cũng cho rằng số lượng chứng khoán
trong danh mục để đạt đến việc đa dạng hóa đã tăng trong giai đoạn này. Ngoài ra,
nghiên cứu này còn cho rằng rủi ro đặc thù gia tăng trong giai đoạn suy thoái kinh
tế (economic downturns). Điều này ngụ ý rằng các nhà đầu tư phải gia tăng số
lượng cổ phiếu nắm giữ trong danh mục đầu tư để duy trì cùng một mức độ trong
giai đoạn suy thoái. Goyal và Santa-Clara (2003) tìm ra mối quan hệ dương giữa rủi
ro đặc thù và lợi nhuận của danh mục đầu tư trên các chứng khoán
NYSE/AMEX/NASDAQ. Bali, Cakici, Yan và Zhang (2005) nhân rộng các nghiên
cứu của Goyal và Santa-Clara (2003). Họ cho thấy mối quan hệ dương giữa rủi ro
19
đặc thù và lợi nhuận của các chứng khoán nhỏ trên thị trường NASDAZ. Mối quan
hệ dương này không được thể hiện trên thị trường NYSE. Fu (2009) cũng cho rằng
có mối quan hệ dương giữa rủi ro đặc thù kỳ vọng và lợi nhuận. Tuy nhiên, nghiên
cứu của Ang và cộng sự (2006, 2009) có kết quả ngược lại. Nghiên cứu cho thấy
rủi ro đặc thù và lợi nhuận có mối quan hệ âm khi xem xét thị trường chứng khoán
Mỹ và các nước phát triển. Họ cho rằng còn có các nhân tố chưa xác định của nền
kinh tế tác động lên mối quan hệ của biến động bất thường và lợi nhuận.
a. Mối quan hệ dương giữa rủi ro đặc thù và tỷ suất lợi nhuận
Malkiel và Xu (1997) cho thấy bằng chứng rằng các danh mục đầu tư có rủi
ro đặc thù cao có tỷ suất lợi nhuận cao trong giai đoạn 1963 đến 1994 tại thị trường
chứng khoán Mỹ. Nguyên nhân của hiện tượng này theo tác giả là do rủi ro đặc thù
của một cổ phiếu có mối quan hệ đến quy mô của công ty. Bên cạnh đó, tác giả còn
cho rằng rủi ro đặc thù nên được là một yếu tố đến quyết định đầu tư. Ngoài ra,
nghiên cứu của Dempsey và cộng sự (2001) trên thị trường chứng khoán Úc từ
1990-2000, nghiên cứu của Drew và Veeraraghavan (2002) tại thị trường chứng
khoán Châu Á (gồm Hong Kong, Ấn Độ, Malaysia và Philippine) trong giai đoạn
những năm 1990 và nghiên cứu của Drew và cộng sự (2006) tại thị trường chứng
khoán Đức và Anh năm 2991-2001 cũng cho kết quả tương tự.
Nghiên cứu của Goyal và Santa-Clara (2003) cho thấy bằng chứng thực
nghiệm về mối quan hệ dương giữa rủi ro đặc thù và tỷ suất lợi nhuận danh mục
đầu tư có trọng số trên thị trường chứng khoán Mỹ từ 1963-2008, và được ủng hộ
bởi các nghiên cứu của Wei và Zhang (2005), Angelidis và Tessaromatis (2005) và
Gao và cộng sự (2010) được thực hiện tại thị trường chứng khoán các nước. Nghiên
cứu của Angelidis và Tessaromatis (2005) cho rằng rủi ro đặc thù có khả năng dự
báo tỷ suất lợi nhuận đối với các công ty nhỏ tốt hơn đối với các công ty lớn. Ngoài
ra, nghiên cứu của Angelidis và Tessaromatis (2006) cho thấy có mối quan hệ
dương giữa rủi ro đặc thù và tỷ suất lợi nhuận tại thị trường chứng khoán Anh giai
đoạn 1979-2003.
20
Nghiên cứu của Fu (2009) cho thấy danh mục đầu tư có rủi ro đặc thù cao có
tỷ suất lợi nhuận thấp hơn danh mục đầu tư có rủi ro đặc thù thấp. Nghiên cứu của
Bali và cộng sự (2009) cho thấy mối quan hệ dương giữa rủi ro đặc thù và tỷ suất
lợi nhuận kỳ vọng tại thị trường chứng khoán Mỹ trong giai đoạn 1962 đến 2005 và
có cùng kết quả với nghiên cứu của Ruan và cộng sự (2010) thực hiện trong giai
đoạn 1963 đến 2008.
b. Không có mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu
Bali và cộng sự (2006) tìm ra rằng rủi ro bình quân rủi ro đặc thù có trọng số
không thể giải thích được sự biến động của tỷ suất lợi nhuận vượt trội của thị
trường có trọng số. Hơn thế nữa, bình quân rủi ro đặc thù có trọng số không thể sử
dụng để dự đoán tỷ suất lợi nhuận thị trường một tháng sau đó. Nghiên cứu của
Bali và Cakici (2008) cũng cho thấy không có mối quan hệ giữa rủi ro đặc thù và tỷ
suất lợi nhuận tại thị trường chứng khoán Mỹ từ tháng 07/1958 đến tháng 12/2004.
Ngoài ra, nghiên cứu của Wei và Zhang (2005) kết luận rằng rủi ro đặc thù không
có ảnh hướng đến tỷ suất lợi nhuận tại thị trường chứng khoán Mỹ giai đoạn 1962-
2000.
c. Mối quan hệ âm giữa rủi ro đặc thù và tỷ suất lợi nhuận
Ang và cộng sự (2006) cho rằng các chứng khoán có rủi ro đặc thù cao có tỷ
suất lợi nhuận bình quân thấp tại thị trường chứng khoán Mỹ giai đoạn 1963-2000.
Ngoài ra, Ang và cộng sự (2006) cũng cho rằng mô hình 3 nhân tố của Fama-
French không thể giải thích được tỷ suất lợi nhuận kỳ vọng của danh mục đầu tư
được sắp xếp theo giá trị rủi ro đặc thù. Danh mục đầu tư có rủi ro đặc thù cao có
quy mô nhỏ và tỷ số B/M cao hơn danh mục đầu tư có rủi ro đặc thù thấp. Ang và
cộng sự còn tìm thấy bằng chứng về mối quan hệ âm giữa rủi ro đặc thù và tỷ suất
lợi nhuận kỳ vọng tại 23 thị trường chứng khoán phát triển giai đoạn 1980-2003.
Khi phân tích thị trường chứng khoán Thượng Hải, Drew và cộng sự (2004 &
2005) cũng khẳng định kết quả nghiên cứu của Ang và cộng sự (2006) khi sử dụng
mô hình 4 nhân tố.
21
Như vậy, các nghiên cứu về rủi ro đặc thù chủ yếu được thực hiện đối với thị
trường chứng khoán Mỹ và các nước đang phát triển và kết quả nghiên cứu chưa có
sự thống nhất. Đối với thị trường chứng khoán Việt Nam, chỉ có hai đề tài được
thực hiện bởi Nguyen C., Ji W. và Gregoriou A. (2014) nghiên cứu trong giai đoạn
2007-2012 và đề tài của Trần Ngọc Thơ và Nguyễn Thị Ngọc Trang (2015) nghiên
cứu trong giai đoạn 07/2007-02/2015. Hai nghiên cứu này đều sử dụng mô hình 3
nhân tố của Fama-French để tính toán rủi ro đặc thù và đều cho thấy không có mối
tương quan giữa rủi ro đặc thù và tỷ suất lợi nhuận của cổ phiếu niêm yết trên thị
trường chứng khoán Việt Nam.
Dưới đây là bảng tổng hợp các nghiên cứu nổi bật đã thực hiện về mối quan
hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận của cổ phiếu:
Bảng 2.1. Tổng hợp nghiên cứu về mối quan hệ rủi ro đặc thù
và lợi nhuận chứng khoán
Phương pháp ước
Mẫu/ Giai
Loại
Tác giả
lượng rủi ro đặc thù
Nội dung chính
đoạn
(IV)
Gía trị IV được xác định
- Mối quan hệ dương giữa IV
Chứng khoán
là chênh lệch giữa biến
theo tỷ trọng giá trị và tỷ suất
Mối
Malkel &
S&P 500
động thị trường và biến
lợi nhuận trung bình của danh
quan hệ
Xu (1997)
Index 1952-
động
riêng của
từng
mục đầu tư.
dương
1996
chứng khoán. IV được
- IV có mối tương quan âm với
ước lượng bằng CAPM
biến quy mô công ty.
- Gia tăng số lượng nhà đầu tư
tổ chức trên thị trường gây ra
Chứng khoán
biến động đối với từng chứng
Mối
Xu &
trên TTCK
Ước
lượng
IV bằng
khoán.
quan hệ
Malkiel
Mỹ và S&P
phương thức trực tiếp và
- Công ty với lợi nhuận trong
dương
(2003)
500 1951-
gián tiếp
tương lai cao cho thấy IV cao,
2000
nhưng không có mối quan hệ
tuyến tính.
22
Phương pháp ước
Mẫu/ Giai
Loại
Tác giả
lượng rủi ro đặc thù
Nội dung chính
đoạn
(IV)
- IV của danh mục đầu tư tăng
khi tăng Beta, giảm quy mô. Độ
biến thiên của IV mạnh hơn độ
IV của danh mục đầu tư
biến thiên của quy mô.
TTCK Mỹ
Mối
được ước lượng bằng
- Nếu đưa IV vào mô hình đa
Malkiel &
(1935-2000)
quan hệ
phương pháp gián tiếp
nhân tố bao gồm Beta, quy mô
Xu (2006)
và Nhật
dương
(bằng mô hình CAPM và
và IV, mô hình có thể giải thích
(1975-2000)
FF3).
được lợi nhuận của danh mục
đầu tư chéo khi kiểm soát các
nhân tố gồm quy mô, B/M và
thanh khoản.
- Mối quan hệ dương giữa IV và
lợi nhuận cổ phiếu.
Chứng khoán
IV có khả năng dự báo tỷ suất
Mối
Goyal &
theo dữ liệu
IV trung bình và theo tỷ
lợi nhuận trong tương lai.
quan hệ
Santa-Clara
CNST tháng
trọng giá trị
- Khi chứng khoán được sắp xếp
dương
(2003)
07/1962-
theo quy mô, B/M hoặc theo
12/1999
ngành, mối quan hệ dương giữa
IV và tỷ suất vẫn còn tồn tại.
- Mối quan hệ thống kê dương
giữa IV điều kiện và lợi nhuận
chứng khoán.
Mối
TTCK Mỹ
Mô hình EGARCH, IV
- Kết quả nghiên cứu của Ang
quan hệ
Fu (2009)
1963-2006
có điều kiện
và cộng sự (2006) được giải
dương
thích bởi sự đảo chiều tỷ suất lợi
nhuận.
- Không có mối quan hệ giữa IV
Bali, Cakici,
Không
TTCK Mỹ
IV trung bình và theo tỷ
theo tỷ trong giá trị và tỷ suất
Yan &
ảnh
1963-1999 và
trọng giá trị ước lượng
lợi nhuận DMĐT theo tỷ trọng
Zhang
hưởng
1963-2001
bằng mô hình CAPM
giá trị.
(2005)
- Mối quan hệ dương giữa IV và
23
Phương pháp ước
Mẫu/ Giai
Loại
Tác giả
lượng rủi ro đặc thù
Nội dung chính
đoạn
(IV)
tỷ suất lợi nhuận DMĐT là do
các
chứng
khoán
nhỏ
(NASDAQ) và phần bù thanh
khoản.
Không
Bali &
IV trung bình và theo tỷ
- Không có mối quan hệ giữa IV
TTCK Mỹ
ảnh
Cakici
trọng giá trị ước lượng
và tỷ suất lợi nhuận DMĐT.
1958-2004
hưởng
(2008)
bằng mô hình CAPM
- Mô hình FF3 không thể giải
Mối
thích lợi nhuận dự kiến theo
TTCK Mỹ
quan hệ
biến IV
1963-2000
âm
- DMĐT có IV cao nhất có tỷ
suất lợi nhuận thấp nhất.
Ang,
23 TTCK các
- Mối quan hệ giữa lợi nhuận
Mối
Hodrick,
nước phát
IV được ước lượng bằng
DMĐT IV cao và thấp cũng tồn
quan hệ
Xing, Zhang
triển 1980-
mô hình 3 nhân tố Fama-
tại tại 23 TTCK các nước phát
âm
(2006 &
2003
French
triển.
2009)
- Khác biệt giữa lợi nhuận
DMĐT IV cao và thấp lớn.
Mối
TTCK Mỹ
DMĐT IV cao có tỷ suất lợi
quan hệ
1980-2003
nhuận thấp hơn DMĐT IV thấp.
âm
- Điều này được kiểm định bằng
cách kiểm soát các biến kinh tế.
TỔNG KẾT CHƯƠNG 2
Nội dung Chương 2 đã trình bày cho người đọc tổng quan về lý thuyết và
tổng hợp các nghiên cứu thực nghiệm đã được thực hiện để tìm hiểu về xu hướng
của rủi ro đặc thù cũng như mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận
chứng khoán. Theo đó, các nghiên cứu thực nghiệm cho thấy kết quả rất khác biệt
về xu hướng theo thời gian của rủi ro đặc thù và mối quan hệ giữa rủi ro đặc thù và
24
tỷ suất lợi nhuận cổ phiếu. Bên cạnh đó, hiện nay các nghiên cứu về chủ đề này
được thực hiện đối với thị trường chứng khoán Việt Nam còn rất hạn chế. Đây là cơ
sở quan trọng và cần thiết để tiến hành nghiên cứu về rủi ro đặc thù tại thị trường
chứng khoán Việt Nam.
25
CHƯƠNG 3
PHƯƠNG PHÁP NGHIÊN CỨU
Nội dung Chương 3 giới thiệu về phương pháp nghiên cứu và quy trình thực
hiện nghiên cứu để đạt được những mục tiêu nghiên cứu đã đặt ra. Mục 3.1 giới
thiệu về dữ liệu nghiện cứu và cách thức xử lý dữ liệu đầu vào. Mục 3.2 cho thấy
phương pháp nghiên cứu, trong đó gồm: Mô hình hồi quy để tính toán giá trị của
rủi ro đặc thù, các phương pháp để tìm hiểu đặc điểm của rủi ro đặc thù và mối
quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận của cổ phiếu. Cuối cùng là mục 3.3
trình bày chi tiết về trình tự các bước thực hiện nghiên cứu để đạt được những mục
tiêu đã đặt ra.
3.1. Dữ liệu nghiên cứu
Đề tài sử dụng dữ liệu từ các công ty niêm yết trên thị trường chứng khoán
Thành phố Hồ Chí Minh trong giai đoạn 2010-2015, bao gồm: chỉ số VN-Index,
giá cổ phiếu theo ngày, số lượng cổ phiếu niêm yết, giá trị vốn chủ sở hữu. Sau đó,
tác giả tính toán các giá trị: lợi nhuận theo ngày và theo tháng của từng cổ phiếu và
của thị trường, giá trị vốn hóa thị trường, tỷ số giá trị sổ sách so với giá trị thị
trường (Book-to-market ratio – B/M) cho từng công ty. Sau khi thực hiện sàng lọc
loại bỏ các chứng khoán có số ngày giao dịch trong một tháng ít hơn 15 ngày, dữ
liệu nghiên cứu gồm 43 cổ phiếu. Tổng số quan sát trong 6 năm là 3.096 quan sát.
Để tính toán lãi suất phi rủi ro, đề tài sử dụng lãi suất cơ bản do Ngân hàng
Nhà nước ban hành.
3.2. Phương pháp nghiên cứu
3.2.1. Ước lượng giá trị rủi ro đặc thù
Đầu tiên, tác giả tính toán giá trị rủi ro đặc thù theo phương pháp tương tự
trong nghiên cứu của Ang và cộng sự (2005). Giá trị rủi ro đặc thù của mỗi công ty
I vào cuối mỗi tháng m là độ lệch chuẩn của phần dư trong mô hình 3 nhân tố
26
Fama-French, sử dụng dữ liệu của 22 ngày giao dịch liền trước ngày giao dịch cuối
cùng của tháng m để tính toán. Mô hình hồi quy như sau:
(3.1) 𝑅𝑖,𝑡 = 𝛼 + 𝛽𝑀𝐾𝑇,𝑖,𝑚𝑀𝐾𝑇𝑡 + 𝛽𝑆𝑀𝐵,𝑖,𝑚𝑆𝑀𝐵𝑡 + 𝛽𝐻𝑀𝐿,𝑖,𝑚𝐻𝑀𝐿𝑡 + 𝜀𝑖,𝑡
Trong đó:
𝑹𝒊,𝒕 là chênh lệch giữa tỷ suất lợi nhuận của cổ phiếu i so với lãi suất phi rủi
ro 𝒓𝒇𝒕. Ta có, 𝒑𝒊,𝒕 là giá cổ phiếu i vào thời gian t, 𝒅𝒊,𝒕 là giá trị cổ tức của cổ
phiếu i vào thời gian t:
) (3.2) 𝑅𝑖,𝑡 = 𝑙𝑛( 𝑝𝑖,𝑡 + 𝑑𝑖,𝑡 𝑝𝑖,𝑡−1
𝑴𝑲𝑻𝒕 là chênh lệch giữa tỷ suất lợi nhuận của thị trườngvới lãi suất phi rủi
ro (risk-free rate);
𝑺𝑴𝑩𝒕 là nhân tố phần bù quy mô ở thời điểm t;
𝑯𝑴𝑳𝒕 là nhân tố phần bù giá trị ở thời điểm t;
𝜺𝒊,𝒕 là phần dư của mô hình.
Để tính toán giá trị của nhân tố 𝑆𝑀𝐵𝑡 và 𝐻𝑀𝐿𝑡 , ta cần phân chia danh
mụcthị trường như sau:
Dựa vào giá trị vốn hóa thị trường, chia cổ phiếu thành 2 nhóm: 50% cổ
phiếu có giá trị vốn hóa cao (danh mục B) và 50% cổ phiếucó giá trị vốn hóa
thấp (danh mục S).
Dựa vào tỷ số giữa giá trị sổ sách so với giá trị thị trường (B/M) chia cổ
phiếu thành 3 nhóm: 1/3 cổ phiếu có tỷ số B/M cao (danh mục H), 1/3 cổ
phiếu có tỷ số B/M trung bình (danh mục M) và 1/3 cổ phiếu có tỷ số B/M
thấp (danh mục L).
Như vậy, từ hai tiêu chí trên, các cổ phiếu được sắp xếp vào 6 danh mục:
SL, SM, SH, BL, BM, BH. Chu kỳ thiết lập danh mục là 12 tháng. Vào đầu mỗi
năm, các danh mục được lập dựa vào giá trị vốn hóa thị trường và tỷ sốB/M vào
ngày giao dịch cuối cùng của năm liền trước.
27
Sau khi thiết lập được các danh mục, ta tính toán giá trị SMB, HML như
sau:
SMB: khác biệt giữa tỷ suất lợi nhuận trung bình của danh mục đầu tư gồm
các cổ phiếu có giá trị vốn hóa thấp so với danh mục đầu tư gồm các cổ
phiếu có giá trị vốn hóa cao.
(3.3) 𝑆𝑀𝐵 = (𝑆𝑀 + 𝑆𝐻 + 𝑆𝐿) − (𝐵𝑀 + 𝐵𝐻 + 𝐵𝐿) 1 3 1 3
HML: khác biệt giữa tỷ suất lợi nhuận trung bình của danh mục đầu tư gồm
các cổ phiếu có tỷ số giá trị sổ sách trên giá trị thị trường cao so với của
danh mục đầu tư gồm các cổ phiếu có tỷ số giá trị sổ sách trên giá trị thị
trường thấp.
(3.4) 𝐻𝑀𝐿 = (𝑆𝐻 + 𝐵𝐻) − (𝑆𝐿 + 𝐵𝐿) 1 2 1 2
Gía trị rủi ro đặc thù tính toán từ mô hình (3.1) là giá trị ước lượng theo
ngày. Theo phương pháp trong nghiên cứu của Nguyen C., Ji W. và Gregoriou A.
(2014), để tính toán giá trị rủi ro đặc thù theo tháng, ta nhân độ lệch chuẩn của phần
dư hồi quy từ mô hình (3.1) với bình phương số ngày giao dịch trong tháng.
3.2.2. Xu hướng của rủi ro đặc thù theo thời gian
Theo phương pháp trong nghiên cứu của Nguyen C., Ji W. và Gregoriou A.
(2014), để tìm hiểu câu hỏi nghiên cứu thứ nhất: Rủi ro đặc thù có xu hướng như
thế nào theo thời gian, tác giả tính toán các giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và MVOL. Trong
đó:
𝐼𝑉𝐸𝑊: là rủi ro đặc thù trung bình (equal-weighted average idiosyncratic
volatility).
𝐼𝑉𝑉𝑊: là rủi ro đặc thù trung bình theo trọng số giá trị vốn hóa thị trường
(value-weighted average idiosyncratic volatility).
𝑀𝑉𝑂𝐿: là biến động của thị trường theo tháng (monthly market volatility),
được tính theo chỉ số VN-Index.
28
Để xem xét xu hướng của rủi ro đặc thù, ta ước lượng mô hình theo thời
gian cho từng chuỗi giá trị như sau:
(3.5) 𝑉𝑂𝐿𝑡 = 𝑏0 + 𝑏1. 𝑡 + 𝜀𝑡
Trong đó, VOL đại diện cho giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và MVOL.
3.2.3. Tác động của rủi ro đặc thù đến tỷ suất lợi nhuận của cổ phiếu
Để tìm hiểu được rủi ro đặc thù có phải là yếu tố tác động đến lợi nhuận cổ
phiếu, đề tài thực hiện các nội dung gồm: Một là, tìm hiểu mối quan hệ giữa rủi ro
đặc thù và tỷ suất tỷ suất lợi nhuận vượt trội của cổ phiếu bằng cách sắp xếp cổ
phiếu vào các danh mục đầu tư dựa vào giá trị rủi ro đặc thù đã tính toán, và so
sánh tỷ suất lợi nhuận và giá trị Jensen’s alpha giữa các danh mục đầu tư với nhau.
Hai là, tìm hiểu khả năng dự đoán tỷ suất lợi nhuận thị trường một tháng sau đó
của rủi ro đặc thù và rủi ro thị trường bằng cách sử dụng mô hình hồi quy. Và cuối
cùng là xem xét mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu một
tháng sau đó bằng cách sử dụng mô hình hồi quy dạng bảng.
a. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận vượt trội của cổ phiếu
Theo phương pháp trong nghiên cứu của Nguyen C., Ji W. và Gregoriou A.
(2014), để tìm hiểu mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận vượt trội
của cổ phiếu, ta sắp xếp cổ phiếu thành 3 nhóm bằng nhau dựa vào giá trị rủi ro đặc
thù: 1/3 cổ phiếu có giá trị rủi ro đặc thù cao (danh mục HIV), 1/3 cổ phiếu có giá
trị rủi ro đặc thù trung bình (danh mục MIV) và 1/3 cổ phiếu có giá trị rủi ro đặc
thù thấp (danh mục LIV). Các danh mục đầu tư này được sắp xếp lại vào mỗi
tháng.
Sau đó, ta tính toán tỷ suất lợi nhuận trung bình và tỷ suất lợi nhuận trung
bình có trọng số của từng danh mục đầu tư, và sau đó so sánh với Jensen’s alpha.
𝑟𝑎 : (risk-adjusted return) 𝑅𝑖,𝑚
Để tính toán Jensen’s alpha, ta cần tính tỷ suất sinh lời điều chỉnh theo rủi ro
29
𝑟𝑎 = 𝑟𝑓𝑚 + 𝛽𝑀𝐾𝑇,𝑖,𝑚𝑀𝐾𝑇𝑚 + 𝛽𝑆𝑀𝐵,𝑖,𝑚𝑆𝑀𝐵𝑚 + 𝛽𝐻𝑀𝐿,𝑖,𝑚𝐻𝑀𝐿𝑚
(3.6) 𝑅𝑖,𝑚
𝑟𝑓𝑚 là lãi suất phi rủi ro của tháng m, 𝑀𝐾𝑇𝑚, 𝑆𝑀𝐵𝑚, 𝐻𝑀𝐿𝑚được tính toán như đã
đề cập ở mục 3.2.1.
Giá trị Jensen’s alpha của cổ phiếu i 𝛼𝑖,𝑚được tính toán như sau:
𝑟𝑎 𝑎 − 𝑅𝑖,𝑚
𝑎 là lợi nhuận thực tế của cổ phiếu i trong tháng m.
(3.7) 𝛼𝑖,𝑚 = 𝑅𝑖,𝑚
𝑅𝑖,𝑚
b. Khả năng dự đoán tỷ suất lợi nhuận thị trường của rủi ro đặc thù và rủi ro thị
trường
Theo phương pháp trong nghiên cứu của Nguyen C., Ji W. và Gregoriou A.
(2014), mối quan hệ giữa rủi ro đặc thù, rủi ro thị trường và tỷ suất lợi nhuận thị
trường được kiểm nghiệm bằng cách sử dụng mô hình sau:
(3.8) 𝑀𝐾𝑇𝑅𝑡+1 = 𝛼 + 𝛽𝑉𝑂𝐿𝑉𝑂𝐿𝑡 + 𝜀𝑡
Trong đó, 𝑀𝐾𝑇𝑅𝑡+1 bằng tỷ suất lợi nhuận thị trường trừ đi tỷ suất lợi nhuận phi rủi ro (risk free rate) và VOL đại diện cho giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và MVOL.
c. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu một tháng sau
Theo nghiên cứu của Bin Liu (2014), sau khi tính toán giá trị rủi ro đặc thù,
tác giả sử dụng rủi ro đặc thù làm một nhân tố bổ sung vào mô hình 3 nhân tố
Fama-French để xem xét liệu rủi ro đặc thù có mối quan hệ như thế nào đến lợi
nhuận cổ phiếu. Tuy nhiên, do hạn chế về nguồn lực, đề tài sử dụng mô hình hồi
quy sau để xem xét mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cố phiếu
một tháng sau đó,:
𝑎 𝑅𝑖,𝑚+1
(3.9) = 𝛼 + 𝛽𝐼𝑉𝑖,𝑚 + 𝜇𝑖,𝑚
Dữ liệu nghiên cứu là dữ liệu bảng bao gồm i x (m-1) quan sát. Trong đó, i
là số lượng cổ phiếu và m-1 là số tháng nghiên cứu.
30
Đề tài thực hiện hồi quy theo 3 mô hình thường dùng để ước lượng dữ liệu
dạng bảng là: Mô hình hồi quy tuyến tính thông thường (Pure pooled OLS), Mô
hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM). Sau đó, để lựa
chọn mô hình nghiên cứu phù hợp, đề tài sử dụng kiểm định Breusch – Pagan
Lagrange multiplier và kiểm định Hausman.
3.3. Quy trình nghiên cứu
Bước 1: Thu thập dữ liệu theo ngày của các cổ phiếu được niêm yết trên thị
trường chứng khoán Thành phố Hồ Chí Minh. Các dữ liệu gồm có: giá chứng
khoán theo ngày, chỉ số VN-Index, số lượng cổ phiếu niêm yết, vốn chủ sở hữu.
Bước 2: Tính toán lãi suất phi rủi ro. Lãi suất phi rủi rolà lãi suất cơ bản do
Ngân hàng Nhà nước ban hành.
Bước 3: Làm sạch các mẫu nhằm tạo cơ sở cho việc tính toán chính xác và
nhất quán.
Bước 4: Tính toán các giá trị: tỷ suất lợi nhuận hàng ngày của từng chứng
khoán (bao gồm cổ tức), tỷ suất lợi nhuận thị trường, giá trị vốn hóa thị trường, tỷ
số giá trị sổ sách so với giá trị thị trường của vốn chủ sở hữu (tỷ số B/M).
Bước 5: Đầu mỗi năm, sắp xếp các chứng khoán theo các danh mục đầu tư
dựa vào giá trị vốn hóa thị trường và tỷ số B/M của các chứng khoán vào ngày giao
dịch cuối cùng của năm liền trước. Tính toán giá trị tỷ suất lợi nhuận trung bình của
từng danh mục đầu tư và các giá trị SMB, HML theo ngày.
Bước 6: Hồi quy OLS theo chuỗi thời gian để tính toán các giá trị Alpha,
Beta và rủi ro đặc thù theo ngày.
Bước 7: Tính toán giá trị rủi ro đặc thù trung bình và giá trị rủi ro đặc thù
theo trọng số giá trị vốn hóa thị trường theo tháng. Ước lượng mô hình xu hướng
của biến động thị trường, rủi ro đặc thù trung bình, rủi ro đặc thù theo trọng số giá
trị vốn hóa thị trường theo thời gian.
31
Bước 8: Mỗi tháng, dựa vào giá trị rủi ro đặc thù để sắp xếp chứng khoán
thành các danh mục đầu tư, sau đó tính toán tỷ suất lợi nhuận trung bình, tỷ suất lợi
nhuận theo trọng số giá trị vốn hóa thị trường và Jensen’s alpha của từng danh mục
để so sánh.
Bước 9: Hồi quy mô hình để xem xét mối quan hệ giữa rủi ro đặc thù, rủi ro
thị trường và tỷ suất lợi nhuận thị trường một tháng sau đó.
Bước 10: Hồi quy mô hình dữ liệu bảng để xem xét mối quan hệ giữa rủi ro
đặc thù và lợi nhuận cổ phiếu một tháng sau đó. Sau đó, để lựa chọn mô hình
nghiên cứu phù hợp, đề tài sử dụng kiểm định Breusch – Pagan Lagrange multiplier
và kiểm định Hausman.
KẾT LUẬN CHƯƠNG 3
Nội dung Chương 3 đã trình bày các mô hình nghiên cứu sử dụng nhằm mục
đích trả lời câu hỏi nghiên cứu. Đồng thời, tác giả của làm rõ phương pháp phân
tích dữ liệu cũng như làm rõ các nguồn dữ liệu đầu vào. Kết quả nghiên cứu và
thảo luận ý nghĩa của kết quả đạt được về rủi ro đặc thù và mối quan hệ giữa rủi ro
đặc thù và tỷ suất lợi nhuận cổ phiếu được trình bày ở Chương 4 tiếp theo.
32
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày các kết quả nghiên cứu đã đạt được bằng cách thực hiện
theo phương pháp nghiên cứu và sử dụng dữ liệu như đã được trình bày trong
chương 3 và đưa ra nhận định về đặc điểm của rủi ro đặc thù và từ đó trả lời các
câu hỏi nghiên cứu. Mục 4.1 trình bày thống kê mô tả của giá trị rủi ro đặc thù.
Mục 4.2 cho thấy xu hướng của rủi ro đặc thù theo thời gian. Và cuối cùng trong
mục 4.3 trình bày kết quả cho thấy rủi ro đặc thù có phải là yếu tố tác động đến lợi
nhuận của cổ phiếu hay không.
4.1. Thống kê mô tả
Bảng 4.1 cho thấy thống kê mô của 3 giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và MVOL. Trong
đó, Bảng 4.1.A là các giá trị thống kê, Bảng 4.1.B cho thấy mức độ tương quan,
Bảng 4.1.C mô tả cấu trúc chuỗi tương quan và bảng 4.1.D trình bày kiểm định
nghiệm đơn vị của của 3 giá trị nghiên cứu.
Trong Bảng 4.1.A cho thấy thống kê mô tả của 3 giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và
MVOL. 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 lần lượt là giá trị rủi ro đặc thù trung bình và rủi ro đặc thù
theo trọng số giá trị vốn hóa thị trường của tất cả các công ty. Giá trị rủi ro đặc thù
được tính toán là độ lệch chuẩn của phần dư từ mô hình (3.1). MVOL là biến động
thị trường theo tháng được tính toán chỉ số VN-Index.
Theo Bảng 4.1.A, giá trị mean và median của 𝐼𝑉𝐸𝑊 đều cao hơn của 𝐼𝑉𝑉𝑊.
Điều này cho thấy các công ty có quy mô nhỏ thì có rủi ro đặc thù cao hơn và thống
nhất với nghiên cứu các công ty trên thị trường chứng khoán Mỹ. Tuy nhiên, giá trị
CV của 𝐼𝑉𝐸𝑊 thấp hơn 𝐼𝑉𝑉𝑊cho thấy 𝐼𝑉𝐸𝑊 có mức độ biến động thấp hơn 𝐼𝑉𝑉𝑊.
So sánh với MVOL, 𝐼𝑉𝐸𝑊 và 𝐼𝑉𝑉𝑊 có giá trị mean cao hơn MVOL, trong khi đó,
giá trị độ lệch chuẩn lại thấp hơn MVOL. Từ đó cho thấy rủi ro đặc thù ít biến động
hơn so với MVOL.
33
Bảng 4.1.B cho thấy 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 có mức độ tương quan trung bình do hệ số
tương quan là 0.562. MVOL có mức độ tương quan thấp hơn với cả 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊
với hệ số tương quan lần lượt là 0.365 và 0.520.
Bảng 4.1.C cho thấy mức độ tự tương quan của 3 chuỗi giá trị tương đối cao
và do đó có khả năng có nghiệm đơn vị (unit roots). Để kiểm tra tính dừng của
chuỗi, ta thực hiện kiểm định Dickey và Fuller mở rộng (1979). Kết quả thể hiện tại
bảng 4.1.D. Ở mức ý nghĩa 1%, cả ba chuỗi giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊và MVOL đều có
tính dừng trong trường hợp không có hàm xu thế và trong trường hợp có hàm xu
thế. Như vậy, các phân tích thực hiện đối với các chuỗi biến động sẽ được thực
hiện ở dạng không sai phân (level) thay vì dạng sai phân bậc 1 (first differences).
34
Bảng 4.1. Thống kê mô tả
Bảng A: Summary Statistics (%)
Mean Median Stdev CV Max Min
1.83 1.80 0.23 12.49 2.33 1.38 𝐼𝑉𝐸𝑊
1.54 1.54 0.32 20.84 2.39 0.85 𝐼𝑉𝑉𝑊
MVOL 1.13 1.03 0.42 37.61 2.23 0.45
Bảng B: Correlation Table
MV 𝐼𝑉𝑉𝑊 𝐼𝑉𝐸𝑊
1.000 𝐼𝑉𝐸𝑊
0.562 1.000 𝐼𝑉𝑉𝑊
MVOL 0.365 0.520 1.000
Bảng C: Autocorrelation Structure
MV 𝐼𝑉𝐸𝑊 𝐼𝑉𝑉𝑊
0.45 0.551 0.105 ρ1
0.221 0.405 0.045 ρ2
0.245 0.428 0.112 ρ3
0.193 0.178 -0.061 ρ4
-0.05 -0.042 -0.073 ρ17
Bảng D: Unit root test t-stastistic (*)
Constant Constant and Trend
-5.168 -5.130 𝐼𝑉𝐸𝑊
-4.469 -5.114 𝐼𝑉𝑉𝑊
MV -7.837 -8.342
(*) Với mức ý nghĩa 1%, trị số tới hạn của kiểm định nghiệm đơn vị là -3.526
(Constant) và -4.093 (Constant and trend)
35
4.2. Xu hướng của rủi ro đặc thù
Hình 4.1. Rủi ro đặc thù và biến động thị trường
Hình 4.1 cho thấy 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 biến động khá tương đồng với nhau, có xu
hướng tăng trong các giai đoạn 2010-2012 và giảm trong giai đoạn 2012-2015.
Trong khi đó, MVOL có biến động mạnh hơn so với 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊.
Ta ước lượng xu thế theo thời gian của ba chuỗi giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊 và
MVOL theo nội dung tại mục 3.2.2. Kết quả hồi quy được thể hiện tại Bảng 4.2. Ta
thấy, chuỗi 𝐼𝑉𝐸𝑊 có p-value > 0.05 nên không có xu thế theo thời gian. Trong khi
đó, chuỗi giá trị 𝐼𝑉𝑉𝑊 và MVOL có hệ số tương quan lần lượt là -6.71 và -6.55 nên
có xu hướng giảm dần theo thời gian.
36
Bảng 4.2. Xu hướng theo thời gian của chuỗi rủi ro đặc thù
Linear Trend (x10-5) t-stat p-value
-0.75 -0.575 0.567 𝐼𝑉𝐸𝑊
-6.71 -4.060 0.000 𝐼𝑉𝑉𝑊
MVOL -6.55 -2.854 0.006
4.3. Tác động của rủi ro đặc thù đến tỷ suất lợi nhuận của cổ phiếu
4.3.1. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận vượt trội của cổ phiếu
Bảng 4.3.A. thể hiện tỷ suất lợi nhuận trung bình của các danh mục đầu tư
HIV, MIV, LIV và Bảng 4.3.B. thể hiện tỷ suất lợi nhuận trung bình theo trọng số
giá trị vốn hóa thị trường của các danh mục đầu tư tương ứng.
Theo Bảng 4.3.A và Bảng 4.3.B, giá trị tỷ suất lợi nhuận trung bình của các
danh mục đầu tư đều không có ý nghĩa thống kê. Trong khi đó, danh mục đầu tư
HIV có tỷ suất lợi nhuận bình quân cao hơn danh mục đầu tư LIV là 2.61%/tháng
và có ý nghĩa thống kê ở mức ý nghĩa 5%. Giá trị Jensen’s Alpha trong Bảng 4.3.A.
và Bảng 4.3.B đều có giá trị thống kê. Giá trị Jensen’s Alpha của danh mục đầu tư
HIV cao hơn danh mục đầu tư MIV, và giá trị Jensen’s Alpha của danh mục đầu tư
MIV cao hơn danh mục đầu tư LIV. Chênh lệch giá trị Jensen’s alpha trung bình và
giá trị Jensen’s Alpha trung bình có trọng số giữa danh mục đầu tư HIV và LIV lần
lượt là 3.16% và 1.26%. Các giá trị này đều có ý nghĩa thống kê ở mức ý nghĩa 5%.
Bên cạnh đó, Bảng 4.3 còn cho thấy danh mục đầu tư HIV gồm các công ty
có quy mô nhỏ nhất và tỷ số B/M cao nhất, trong khi đó, danh mục đầu tư LIV gồm
các công ty có quy mô lớn nhất và tỷ số B/M thấp nhất. Các giá trị về quy mô và
B/M đều có ý nghĩa thống kê. Danh mục đầu tư HIV có giá trị vốn hóa thị trường
bình quân chỉ tương đương 1/3 và tỷ số B/M cao gấp 1.66 lần khi so sánh với danh
mục đầu tư LIV và đều có ý nghĩa thống kê ở mức ý nghĩa 5%. Điều này cho thấy
chênh lệch về tỷ suất lợi nhuận giữa danh mục đầu tư HIV và LIV không phải do
rủi ro đặc thù mà do ảnh hưởng của hiệu ứng quy mô và giá trị từ mô hình 3 nhân
37
tố của Fama-French. Nghiên cứu của Fama và French (1993,1996) cho thấy mối
quan hệ âm giữa tỷ suất lợi nhuận và quy mô công ty, và mối quan hệ dương giữa
tỷ suất lợi nhuận và tỷ số B/M. Kết quả này thống nhất với nghiên cứu của Nguyen
C., Ji W. và Gregoriou A. (2014).
Bảng 3.3. Lợi nhuận của danh mục đầu tư sắp xếp theo giá trị rủi ro đặc thù
Raw return
Mean Std. Dev Size B/M Jensen’s Alpha Mean Std. Dev
Bảng A: Equal-Weighted
High IV 0.0951 3,016,313 1.9207 0.0480
Medium IV 0.0852 4,715,572 1.4738 0.0425
Low IV 0.0629 8,790,457 1.1552 0.0336
High - Low 0.0554 0.0476 -5,774,145 (-8,3843) 0.7655 (8.9564) 0.0127 (2.2422) -0.0146 (-2.9201) -0.0189 (-4.7749) 0.0316 (5.6268)
0.0123 (1.0990) -0.0087 (-0.8686) -0.0138 (-1.8611) 0.0261 (3.9959) Bảng B: Value-Weighted
High IV 0.0211 3,016,313 1.9207 0.0206
Medium IV 0.0321 4,715,572 1.4738 0.0175
Low IV 0.0254 8,790,457 1.1552 0.0147
High - Low 0.0271 0.0278 -5,774,145 (-8,3843) 0.7655 (8.9564) 0.0025 (1.0088) -0.0032 (-0.8483) -0.0036 (-1.2044) 0.0061 (1.9107) 0.0036 (1.4888) -0.0045 (-2.1836) -0.0090 (-5.1997) 0.0126 (3.8498)
Giá trị vốn hóa thị trường được tính theo đơn vị triệu đồng. Giá trị trong ngoặc là t-statistics. 4.3.2. Khả năng dự đoán tỷ suất lợi nhuận thị trường của rủi ro đặc thù và rủi ro
thị trường
Theo nghiên cứu của Goyal và Santa-Clara (2003), có bằng chứng cho thấy
mối quan hệ dương giữa rủi ro đặc thù trung bình và tỷ suất lợi nhuận thị trường và
không có mối quan hệ giữa rủi ro thị trường và tỷ suất lợi nhuận thị trường. Bên
cạnh đó, nghiên cứu của Brockman và Yan (2006) cho thấy giá trị rủi ro đặc thù
38
trung bình và rủi ro đặc thù theo trọng số giá trị vốn hóa thị trường đều không thể
dự đoán tỷ suất lợi nhuận thị trường một tháng sau đó.
Kết quả được thể hiện tại bảng 4.4 thống nhất với kết quả nghiên cứu của
Bali và cộng sự (2005), Brockman và Yan (2006) tại thị trường chứng khoán Mỹ.
Hệ số tương quan của 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊, MVOL đều không có ý nghĩa thống kê và 𝑅2
của MVOL có giá trị âm nên các giá trị 𝐼𝑉𝐸𝑊, 𝐼𝑉𝑉𝑊, MVOL không thể dùng để dự
đoán tỷ suất lợi nhuận thị trường, Từ kết quả này cho thấy rủi ro đặc thù không có
ảnh hưởng tại thị trường chứng khoán Việt Nam.
Bảng 4.4. Dự đoán tỷ suất lợi nhuận thị trường một tháng sau đó
MVOL Adjusted 𝑅2 𝐼𝑉𝑉𝑊
0.0083
𝐼𝑉𝐸𝑊 3.7568 (1.2602)
0.0087
2.6843 (1.2712)
-0.0043 Intercept -0.0757 (-1.3785) -0.0484 (-1.4557) -0.0223 (-1.1424) 1.3472 (0.8351)
Giá trị trong ngoặc là t-statistics. 4.3.3. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu một tháng sau
Theo phương pháp nghiên cứu đã được nêu tại mục 3.2.3.c, ta đo lường mối
quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận một tháng sau đó của từng cổ phiếu
theo ba mô hình là Pure pooled OLS, REM và FEM. Sau đó, nhằm lựa chọn mô
hình nghiên cứu phù hợp, đề tài sử dụng kiểm định Breusch – Pagan Lagrange
multiplier và kiểm định Hausman.
Bảng 4.5.A thể hiện kết quả hồi quy theo ba mô hình Pure pooled OLS,
REM và FEM và Bảng 4.5.B thể hiện kết quả kiểm định Breusch – Pagan Lagrange
multiplier và kiểm định Hausman.
39
Theo bảng 4.5.B, kiểm định Breusch – Pagan Lagrange multiplier có p-value
là 0.0014 < 0.05 cho thấy mô hình REM hợp lý hơn mô hình Pure pooled OLS và
kiểm định Hausman có p-value là 0.0014 < 0.05 cho thấy mô hình FEM hợp lý hơn
mô hình REM. Như vậy, mô hình FEM là mô hình phù hợp nhất.
Theo mô hình FEM được trình bày tại Bảng 4.5.A., rủi ro đặc thù hệ số
tương quan là 1.3447 cho thấy rủi ro đặc thù có biến động cùng chiều với tỷ suất lợi
nhuận một tháng sau đó. Tuy nhiên, mô hình FEM có giá trị 𝑅2 rất nhỏ nên cho
thấy rủi ro đặc thù chỉ giải thích một phần nhỏ sự biến động của tỷ suất lợi nhuận
cổ phiếu.
Bảng 4.4. Mô hình ước lượng mối quan hệ giữa rủi ro đặc thù
và tỷ suất lợi nhuận một tháng sau đó
Bảng A. Mô hình hồi quy
Coefficient t-Statistic Prob. R2
0.0017 -0.0173 0.7525 -2.9247 2.4860 0.0035 0.0130
0.0017 -0.0173 0.7525 -2.9227 2.4843 0.0035 0.0130
0.0003 Variable Pure pooled OLS C IV Mô hình REM C IV Mô hình FEM C IV -0.0281 1.3447 -4.1256 3.7873 0.0000 0.0002
Bảng B. Kiểm định mô hình hồi quy
Kiểm định
p-value 0.0014 0.0014
Breusch - Pagan Lagrange multiplier Hausman
40
KẾT LUẬN CHƯƠNG 4
Chương 4 trình bày kết quả nghiên cứu được thực hiện bằng các phương
pháp nghiên cứu và theo quy trình nghiên cứu được trình bày ở Chương 3. Theo kết
quả nghiên cứu cho thấy chuỗi giá trị rủi ro đặc thù trung bình không tồn tại xu thế
theo thời gian và rủi ro đặc thù không thể dự đoán tỷ suất lợi nhuận thị trường một
tháng sau đó. Tuy nhiên, khi xem xét riêng từng cổ phiếu riêng lẻ, rủi ro đặc thù có
mối quan hệ dương với tỷ suất lợi nhuận cổ phiếu một tháng sau đó, mặc dù rủi ro
đặc thù chỉ có thể giải thích một phần rất nhỏ sự biến động của tỷ suất lợi nhuận cổ
phiếu.
41
CHƯƠNG 5
HÀM Ý VÀ KIỂN NGHỊ
5.1. Kết luận
Đề tài được thực hiện nhằm tìm hiểu yếu tố rủi ro đặc thù trong một nền
kinh tế có nhiều tiềm năng phát triển. Kết quả nghiên cứu cho thấy rủi ro đặc thù tại
thị trường chứng khoán TP.HCM khác với tại Mỹ và trả lời các câu hỏi nghiên cứu
đã đưa ra trong Chương 1:
Câu hỏi nghiên cứu thứ nhất: Rủi ro đặc thù của cổ phiếu có xu hướng như
thế nào trên thị trường chứng khoán Việt Nam? Kết quả nghiên cứu cho thấy chuỗi
giá trị rủi ro đặc thù trung bình không tồn tại xu thế, trong khi đó, chuỗi giá trị rủi
ro đặc thù trung bình theo trọng số giá trị vốn hóa thị trường và biến động thị
trường có xu thế âm trong giai đoạn nghiên cứu từ 2010-2015. Điều này ngụ ý về
lợi ích của việc đa dạng hóa danh mục đầu tư.
Câu hỏi nghiên cứu thứ hai: Rủi ro đặc thù có phải là yếu tố tác động đến lợi
nhuận của cổ phiếu trên thị trường chứng khoán Việt Nam? Kết quả nghiên cứu
cho thấy rủi ro đặc thù không thể dự đoán tỷ suất lợi nhuận thị trường một tháng
sau đó. Điều này thống nhất với các nghiên cứu của Bali và cộng sự (2005), Wei và
Zhang (2006) tại thị trường chứng khoán Mỹ. Ngoài ra, rủi ro đặc thù có mối quan
hệ dương với tỷ suất lợi nhuận cổ phiếu một tháng sau đó. Tuy nhiên, rủi ro đặc thù
chỉ giải thích một phần rất nhỏ sự biến động của tỷ suất lợi nhuận một tháng sau đó
của từng chứng khoán. Thay vào đó, nghiên cứu cho thấy mô hình 3 nhân tố Fama-
French có thể giải thích được sự khác biệt giữa tỷ suất lợi nhuận danh mục đầu tư
có giá trị rủi ro đặc thù cao so với danh mục đầu tư có giá trị rủi ro đặc thù thấp.
Điều này có hàm ý rằng các nhà đầu tư không nên kỳ vọng được bù đắp rủi ro cho
rủi ro đặc thù khi đầu tư vào thị trường chứng khoán TP.HCM.
Nghiên cứu này đóng góp về mặt cơ sở lý luận theo hướng: Thứ nhất, đây là
một số ít nghiên cứu về rủi ro đặc thù của các chứng khoán trên thị trường chứng
khoán TP.HCM. Thông qua nghiên cứu này cho thấy cho thấy xu hướng biến động
42
của rủi ro đặc thù của các chứng khoán trên thị trường chứng khoán TP.HCM theo
thời gian. Thứ hai, nghiên cứu này góp phần cung cấp thêm bằng chứng thực
nghiệm về mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận và đồng thời gợi ý
về chiến lược đầu tư cho các nhà đầu tư trong nước và nước ngoài tham gia thị
trường chứng khoán Việt Nam.
5.2. Hạn chế của đề tài
Do hạn chế về thời gian cũng như nguồn lực thực hiện nghiên cứu, đề tài có
một số hạn chế như sau:
- Phạm vi nghiên cứu chỉ được thực hiện tại thị trường chứng khoán TP.HCM
trong giai đoạn 2010-2015. Trong khi đó, Lakonishok và Shapiro (1986) cho
rằng, mẫu nghiên cứu phải có thời gian từ 20-30 năm mới có thể cho thấy
đầy đủ các tính chất.
- Nghiên cứu chỉ thực hiện việc sắp sếp dữ liệu theo 1 nhân tố (single sort) mà
chưa thực hiện double sort để kiểm định tương quan chéo theo các yếu tố
như quy mô, tỷ số B/M...
- Nghiên cứu sử dụng Mô hình 3 nhân tố Fama – French để tính toán, tương
tự phương pháp trong nghiên cứu của Ang và cộng sự (2006). Tuy nhiên,
vẫn có các phương pháp khác như sử dụng mô hình EGARCH trong nghiên
cứu của Fu (2009) để ước lượng rủi ro đặc thù kỳ vọng.
5.3. Hướng nghiên cứu tiếp theo được đề xuất
Để nghiên cứu được tổng quát hơn, các nghiên cứu tiếp theo có thể mở rộng
thời gian nghiên cứu và phạm vi nghiên cứu cho toàn bộ thị trường chứng khoán
Việt Nam, cũng như nghiên cứu đối với thị trường các nước đang phát triển như
Thái Lan, Philippines, Malaysia...
Ngoài ra, việc nghiên cứu còn có thể sử dụng các phương pháp khác như mô
hình EGARCH để ước lượng và so sánh kết quả với phương pháp theo Ang và
cộng sự (2006).
43
TÀI LIỆU THAM KHẢO
1. Danh mục tài liệu tiếng Anh
Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2006). The cross-section of
volatility and future returns. Journal of Finance, 61(1), trang 259-299.
Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2009). High idiosyncratic
volatility and low returns: International and further U.S. evidence. Journal of
Financial Economics, 91(1), trang 1-23.
Angelidis, T., Tessaromatis, N. (2005). Equity returns and idiosyncratic
volatility: UK evidence. Working paper. University of Piraeus.
Angelidis, T., Tessaromatis, N. (2006). Idiosyncratic risk and expected
returns: A regime switching approach. University of Peloponnese, Tripolis.
Angelidis, T. (2010). Idiosyncratic risk in emerging market. Financial
Review, 45, trang 1053-1078.
Bali, T. G., Cakici, N., Yan, X., & Zhang, Z. (2005). Does idiosyncratic risk
really matter? Journal of Finance, 60(2), trang 905-929.
Bali, T. G., Cakici, N. (2006). Aggregate idiosyncratic risk and market
return. Journal of Investment Management, 4(4).
Bali, T. G., Cakici, N. (2008). Idiosyncratic volatility and the cross-section
of expected returns. Journal of Financial and Quantitative Analysis, 43(1), 29.
Bali, T. G., Cakici, N. và Levy, H. (2008). A model-independent measure of
aggregate idiosyncratic risk. Journal of Empirical Finance, 15(5), 878-896.
Banz, R. W. (1981). The relation between return and market value of
common stocks. Journal of Financial Economics, 9(1), trang 3-18.
Basu, S. (1977). Investment performance of common stocks in relation to
their price-earnings ratios: A test of the efficient market hypothesis. The Journal of
Finance, 32(3), trang 663-682.
Bekaert, G., Hodrick, R. J., và Zhang, X. (2009). Is there a trend in
idiosyncratic volatility? Nghiên cứu trình bày tại Hội nghị AFA 2009 San
Francisco.
44
Bekaert, G., Hodrick, R. J., và Zhang, X. (2010). Aggregate idiosyncratic
volatility. Working paper. Columbia University.
Bollen, B., A., Skotnicki, A., và Veeraraghavan, M. (2009). Idiosyncratic
volatility and security returns: Australian evidence. Applied Financial Economics,
19, trang 1573-1579.
Brandt, M. W., Brav, A., Graham, J., và Kumar, A. (2009). The
idiosyncratic volatility puzzle: Time trend or speculative episodes? Review of
Financial Studies, 23(2), trang 863-899.
Black, F., Jensen, M. C., & Scholes, M. (1972). The capital asset pricing
model: Some empirical tests. Michael C. Jensen, ed., Praeger Publishers Inc., New
York.
Brockman, P. và Yan, X. (2006). The time-series behavior and pricing of
idiosyncratic volatility: Evidence from 1926-1962. Working paper. University of
Missouri.
Campbell, J. Y., Lettau, M., Malkiel, B. G., và Xu, Y. (2001). Have
individual stocks become more volatile? An empirical exploration of idiosyncratic
risk. Journal of Finance, 56, trang 1-43.
Dempsey, M., Drew, M.E. và Veeraraghavan, M. (2001). Idiosyncratic risk
and Australian equity returns. Working paper. Griffin University, Queensland.
Drew, M.E., và Veeraraghavan, M. (2002). Idiosyncratic volatility and
security returns: Evidence from the Asian region. International Quarterly Journal of
Finance, 2(1-4). Trang 1-14.
Drew, M.E., Naughton, T., và Veeraraghavan, M. (2005). Pricing of equity
in China: Evidence from the Shanghai stock exchange. Managerial Finance, 31(12),
trang 46-57.
Drew, M.E., Mallin, M., Naughton, T., và Veeraraghavan, M. (2006). Equity
premium: Does it exist? Evidence from Germany and United Kingdom. Studies in
Economics and Finance, V23(2), trang 80-93.
45
Fama, E. F. và K. R. French (1992). The cross-section of expected stock
returns. The Journal of Finance, 47(2), trang 427-465.
Fama, E. F. và K. R. French (1993). Common risk factors in the returns on
stocks and bonds. Journal of financial economics, 33(1), trang 3-56.
Fama, E. F. và K. R. French (1996). Multifactor explanations of asset
pricing anomalies. The Journal of Finance, 51(1), trang 55-84.
Fama, E. F. và K. R. French (1998). Value versus growth: The international
evidence. The Journal of Finance, 53(6), trang1975-1999.
Fu, F. (2009). Idiosyncratic risk and the cross-section of expected stock
returns. Journal of Financial Economics, 91 trang 24-37.
Gao, X., Yu, J., Yuan, Y. (2010). Investor sentiment and idiosyncratic risk
puzzle. Working paper. University of Hong Kong.
Goyal, A. và P. Santa-Clara (2003). Idiosyncratic risk matters! Journal of
finance, 58, trang 975-1007.
Hamao, Y., Mei, J., và Xu, Y. (2003). Idiosyncratic risk and creative
destruction in Japan. Working paper. NBER.
Jagannathan, Ravi, và Zhenyu, Wang (1996). The conditional CAPM
and the cross-section of expected returns. Journal of Finance, 51, trang 3–53.
Jegadeesh, Narasimham và Titman, Sheridan (1993). Returns to Buying
Winners and Selling Losers: Implications for Stock Market Efficiency. Journal of
Finance, 48, trang 65 – 91.
Lintner, J. (1965). The valuation of risk assets and the selection of risky
investments in stock portfolios and capital budgets. The Review of Economics and
Statistics, 43, trang 13-37.
Liu, B., Iorio, A. D. (2014). Idiosyncratic Volatility, Stock Returns and
Economy Conditions: The Role of Idiosyncratic Volatility in the Australian Stock
Market. Working paper.
Malkiel, B. G. và Y. Xu. (1997). Risk and return revisited. The Journal of
Portfolio Management, Spring, trang 9-14.
46
Malkiel, B. G. và Y. Xu. (2002). Idiosyncratic risk and security returns.
University of Texas at Dallas (November 2002).
Markowitz, H. (1959). Portfolio selection efficient diversification of
investments. Foundation for Research in Economics. Wiley, New York.
Nartea, G.V., và Ward, B.D. (2009). Does idiosyncratic risk matter?
Evidence from the Philippine stock market. Asian Journal of Business and
Accounting, 2(1&2), 47-67.
Nartea, G.V., Wu, J., và Yao, L.J. (2010). Idiosyncratic volatility in the
Chinese stock market. Working paper. Lincoln University.
Nguyen, C., Ji, W. và Gregoriou A. (2014). Does Idiosyncratic Risk matter
in the Vietnamese Stock Market? Depocen Working Paper Series No. 2014/08.
Ooi, J. T. L., J. Wang, và cộng sự. (2009). Idiosyncratic risk and REIT
returns. The Journal of Real Estate Finance and Economics , 38(4), trang 420-442.
Roll, Richard (1977). A Critique of the Asset Pricing Theory’s tests Part 1:
On Past and Potential Testability of the Theory. Journal of Financial Economics, 4,
trang 129-176.
Ross, Steven (1976). The arbitrage theory of capital asset pricing.
Journal of Economic Theory, 13, trang 341–360.
Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium
under conditions of risk. The Journal of Finance, 19(3), trang 425-442.
Tran, N. T., Nguyen, T. N. T (2015). Market Efficiency and Idiosyncratic
Volatility in Vietnam. International Journal of Business and Management, 10 (6),
trang 216-223.
Wei, S.X., và Zhang, C (2005). Why did individual stocks become more
volatility? Journal of Business, 79(1), trang 259-292.
Wei, S.X., và Zhang, C (2006). Idiosyncratic risk does not matter: A re-
examination of the relationship between average returns and average volatilities.
Journal of Banking and Finance, 29, trang 603-621.
47
Xu, Y., & Malkiel, B. G. (2003). Investigating the behaviour of
idiosyncratic volatility. Journal of Business, 76 , trang 613-644.
2. Danh mục tài liệu tiếng Việt
Trương Đông Lộc, Dương Thị Hoàng Trang (2014). Mô hình 3 nhân tố
Fama – French: Các bằng chứng thực nghiệm từ Sở giao dịch chứng khoán Thành
phố Hồ Chí Minh. Tạp chí Khoa học Trường Đại học Cần Thơ, 32, trang 61-68.
48
PHỤ LỤC
2. Unit root test
1.1. IVEW
Null Hypothesis: IVEW has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
t-Statistic -5.168222 -3.525618 -2.902953 -2.588902
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IVEW) Method: Least Squares Date: 10/23/17 Time: 00:32 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.548474 0.009974
0.106124 0.001956
-5.168222 5.099475
Prob.* 0.0000 Prob. 0.0000 0.0000
Variable IVEW(-1) C
-5.70E-05 0.002381 -9.527342 -9.463605 -9.501996 1.851146
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.279076 Mean dependent var 0.268628 S.D. dependent var 0.002037 Akaike info criterion 0.000286 Schwarz criterion 340.2207 Hannan-Quinn criter. 26.71052 Durbin-Watson stat 0.000002
1.1.1. Constant
49
Null Hypothesis: IVEW has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
t-Statistic -5.129686 -4.092547 -3.474363 -3.164499
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IVEW) Method: Least Squares Date: 10/23/17 Time: 00:32 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.549218 0.010040 -1.44E-06
0.107067 0.002043 1.19E-05
-5.129686 4.914441 -0.121202
Variable IVEW(-1) C @TREND(1)
Prob.* 0.0004 Prob. 0.0000 0.0000 0.9039
-5.70E-05 0.002381 -9.499389 -9.403783 -9.461370 1.850131
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.279232 Mean dependent var 0.258033 S.D. dependent var 0.002051 Akaike info criterion 0.000286 Schwarz criterion 340.2283 Hannan-Quinn criter. 13.17189 Durbin-Watson stat 0.000015
1.1.2. Constant and trend
50
1.2. IVVW
Null Hypothesis: IVVW has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
t-Statistic -4.468584 -3.525618 -2.902953 -2.588902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IVVW) Method: Least Squares Date: 10/23/17 Time: 00:23 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.448706 0.006914
0.100413 0.001582
-4.468584 4.370757
Variable IVVW(-1) C
Prob.* 0.0005 Prob. 0.0000 0.0000
-6.00E-06 0.003066 -8.948702 -8.884964 -8.923355 2.128469
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.224442 Mean dependent var 0.213202 S.D. dependent var 0.002720 Akaike info criterion 0.000510 Schwarz criterion 319.6789 Hannan-Quinn criter. 19.96825 Durbin-Watson stat 0.000030
1.2.1. Constant
51
Null Hypothesis: IVVW has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
t-Statistic -5.113671 -4.092547 -3.474363 -3.164499
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IVVW) Method: Least Squares Date: 10/23/17 Time: 00:24 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.557855 0.009977 -3.83E-05
0.109091 0.002058 1.71E-05
-5.113671 4.848900 -2.240590
Variable IVVW(-1) C @TREND(1)
Prob.* 0.0004 Prob. 0.0000 0.0000 0.0283
-6.00E-06 0.003066 -8.991762 -8.896156 -8.953742 2.042142
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.277763 Mean dependent var 0.256521 S.D. dependent var 0.002644 Akaike info criterion 0.000475 Schwarz criterion 322.2075 Hannan-Quinn criter. 13.07597 Durbin-Watson stat 0.000016
1.2.2. Constant and trend
52
1.3. MVOL
Null Hypothesis: MVOL has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
t-Statistic -7.836990 -3.525618 -2.902953 -2.588902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(MVOL) Method: Least Squares Date: 10/23/17 Time: 00:24 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.894176 0.009939
0.114097 0.001380
-7.836990 7.201448
Variable MVOL(-1) C
Prob.* 0.0000 Prob. 0.0000 0.0000 -0.000192 0.005558 -8.141531 -8.077793 -8.116184 2.042845
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.470934 Mean dependent var 0.463266 S.D. dependent var 0.004072 Akaike info criterion 0.001144 Schwarz criterion 291.0243 Hannan-Quinn criter. 61.41841 Durbin-Watson stat 0.000000
1.3.1. Constant
53
Null Hypothesis: MVOL has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller test statistic Test critical values:
t-Statistic -8.342020 -4.092547 -3.474363 -3.164499
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(MVOL) Method: Least Squares Date: 10/23/17 Time: 00:24 Sample (adjusted): 2 72 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.975713 0.012789 -5.35E-05
0.116964 0.001861 2.42E-05
-8.342020 6.873679 -2.212557
Variable MVOL(-1) C @TREND(1)
Prob.* 0.0000 Prob. 0.0000 0.0000 0.0303 -0.000192 0.005558 -8.182880 -8.087274 -8.144860 2.017285
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.506464 Mean dependent var 0.491948 S.D. dependent var 0.003962 Akaike info criterion 0.001067 Schwarz criterion 293.4922 Hannan-Quinn criter. 34.89060 Durbin-Watson stat 0.000000
1.3.2. Constant and trend
54
4. Time trend
Coefficient
Std. Error
t-Statistic
0.018545 -7.47E-06
0.000546 1.30E-05
33.96284 -0.574597
Dependent Variable: IVEW Method: Least Squares Date: 10/23/17 Time: 00:34 Sample: 1 72 Included observations: 72 Variable C T
Prob. 0.0000 0.5674
0.018273 0.002282 -9.290875 -9.227634 -9.265699 1.079420
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.004694 Mean dependent var -0.009524 S.D. dependent var 0.002293 Akaike info criterion 0.000368 Schwarz criterion 336.4715 Hannan-Quinn criter. 0.330162 Durbin-Watson stat 0.567406
3.1. IVEW
Coefficient
Std. Error
t-Statistic
0.017870 -6.71E-05
0.000694 1.65E-05
25.75926 -4.060150
Dependent Variable: IVVW Method: Least Squares Date: 10/23/17 Time: 00:33 Sample: 1 72 Included observations: 72 Variable C T
Prob. 0.0000 0.0001
0.015422 0.003215 -8.812119 -8.748879 -8.786943 1.108740
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.190609 Mean dependent var 0.179047 S.D. dependent var 0.002913 Akaike info criterion 0.000594 Schwarz criterion 319.2363 Hannan-Quinn criter. 16.48482 Durbin-Watson stat 0.000126
3.2. IVVW
55
Coefficient
Std. Error
t-Statistic
0.013685 -6.55E-05
0.000964 2.30E-05
14.19153 -2.854265
Dependent Variable: MVOL Method: Least Squares Date: 10/23/17 Time: 00:34 Sample: 1 72 Included observations: 72 Variable C T
Prob. 0.0000 0.0057
0.011293 0.004248 -8.153432 -8.090192 -8.128256 1.885707
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.104250 Mean dependent var 0.091454 S.D. dependent var 0.004049 Akaike info criterion 0.001147 Schwarz criterion 295.5236 Hannan-Quinn criter. 8.146831 Durbin-Watson stat 0.005670
3.3. MVOL
5. Khả năng dự đoán tỷ suất lợi nhuận 1 tháng sau đó của rủi ro đặc thù và rủi
ro thị trường
Dependent Variable: MKTR Method: Least Squares Date: 10/23/17 Time: 00:36 Sample (adjusted): 1 71 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.075736 3.756832
0.054942 2.981023
-1.378490 1.260249
Variable C IVEW
Prob. 0.1725 0.2118 -0.007027 0.057447 -2.856520 -2.792782 -2.831173 2.081907
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.022500 Mean dependent var 0.008333 S.D. dependent var 0.057207 Akaike info criterion 0.225811 Schwarz criterion 103.4064 Hannan-Quinn criter. 1.588228 Durbin-Watson stat 0.211825
4.1. IVEW
56
Dependent Variable: MKTR Method: Least Squares Date: 10/23/17 Time: 00:37 Sample (adjusted): 1 71 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.048422 2.684298
0.033263 2.111575
-1.455737 1.271230
Variable C IVVW
Prob. 0.1500 0.2079 -0.007027 0.057447 -2.856913 -2.793176 -2.831567 1.971010
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.022885 Mean dependent var 0.008724 S.D. dependent var 0.057196 Akaike info criterion 0.225723 Schwarz criterion 103.4204 Hannan-Quinn criter. 1.616025 Durbin-Watson stat 0.207916
4.2. IVVW
Dependent Variable: MKTR Method: Least Squares Date: 10/23/17 Time: 00:37 Sample (adjusted): 1 71 Included observations: 71 after adjustments
Coefficient
Std. Error
t-Statistic
-0.022292 1.347163
0.019513 1.613083
-1.142397 0.835148
Variable C MVOL
Prob. 0.2572 0.4065 -0.007027 0.057447 -2.843820 -2.780083 -2.818474 2.015746
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.010007 Mean dependent var -0.004341 S.D. dependent var 0.057571 Akaike info criterion 0.228697 Schwarz criterion 102.9556 Hannan-Quinn criter. 0.697472 Durbin-Watson stat 0.406517
4.3. MVOL
57
6. Mối quan hệ giữa rủi ro đặc thù và tỷ suất lợi nhuận cổ phiếu một tháng sau
đó
Dependent Variable: R Method: Panel Least Squares Date: 10/23/17 Time: 00:45 Sample: 2010M01 2015M11 Periods included: 71 Cross-sections included: 113 Total panel (unbalanced) observations: 3053
Coefficient
Std. Error
t-Statistic
-0.017271 0.752459
0.005905 0.302678
-2.924720 2.486009
Variable C IV
Prob. 0.0035 0.0130 -0.003509 0.113704 -1.511480 -1.507534 -1.510062 1.897068
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.002022 Mean dependent var 0.001694 S.D. dependent var 0.113607 Akaike info criterion 39.37820 Schwarz criterion 2309.275 Hannan-Quinn criter. 6.180241 Durbin-Watson stat 0.012972
5.1 Mô hình Pure Pooled OLS
58
Dependent Variable: R Method: Panel EGLS (Cross-section random effects) Date: 10/23/17 Time: 00:47 Sample: 2010M01 2015M11 Periods included: 71 Cross-sections included: 113 Total panel (unbalanced) observations: 3053 Swamy and Arora estimator of component variances
Coefficient
Std. Error
t-Statistic
-0.017271 0.752459
0.005909 0.302884
-2.922731 2.484318
Effects Specification
Prob. 0.0035 0.0130
S.D.
Rho
Variable C IV
Cross-section random Idiosyncratic random
0.000000 0.113685
Weighted Statistics
0.0000 1.0000 -0.003509 0.113704 39.37820 1.897068
R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.002022 Mean dependent var 0.001694 S.D. dependent var 0.113607 Sum squared resid 6.180241 Durbin-Watson stat 0.012972
Unweighted Statistics
R-squared Sum squared resid
0.002022 Mean dependent var 39.37820 Durbin-Watson stat
-0.003509 1.897068
5.2 Mỗ hình REM
59
Dependent Variable: R Method: Panel Least Squares Date: 10/23/17 Time: 00:46 Sample: 2010M01 2015M11 Periods included: 71 Cross-sections included: 113 Total panel (unbalanced) observations: 3053
Coefficient
Std. Error
t-Statistic
-0.028103 1.344726
0.006812 0.355057
-4.125629 3.787349
Effects Specification
Variable C IV
Cross-section fixed (dummy variables)
Prob. 0.0000 0.0002 -0.003509 0.113704 -1.474149 -1.249216 -1.393313 1.929660
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.037348 Mean dependent var 0.000335 S.D. dependent var 0.113685 Akaike info criterion 37.98430 Schwarz criterion 2364.289 Hannan-Quinn criter. 1.009057 Durbin-Watson stat 0.456831
5.3 Mô hình FEM
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Breusch-Pagan
Honda
King-Wu
Standardized Honda
Standardized King-Wu
Gourieroux, et al.*
Cross-section 0.001376 (0.9704) -0.037098 (0.5148) -0.037098 (0.5148) 0.096293 (0.4616) 0.096293 (0.4616) --
Test Hypothesis Time 13536.91 (0.0000) 116.3482 (0.0000) 116.3482 (0.0000) 117.3882 (0.0000) 117.3882 (0.0000) --
Both 13536.91 (0.0000) 82.24438 (0.0000) 71.74275 (0.0000) 76.40261 (0.0000) 65.90119 (0.0000) 13536.91 (0.0000)
5.4 Kiểm định Breusch-Pagan Lagrange multiplier
60
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects
Test Summary
Chi-Sq. Statistic Chi-Sq. d.f.
Cross-section random
1
10.218719
Prob. 0.0014
** WARNING: estimated cross-section random effects variance is zero.
Cross-section random effects test comparisons:
Random
Var(Diff.)
Fixed
1.344726
0.752459
0.034327
Variable IV
Cross-section random effects test equation: Dependent Variable: R Method: Panel Least Squares Date: 10/23/17 Time: 00:48 Sample: 2010M01 2015M11 Periods included: 71 Cross-sections included: 113 Total panel (unbalanced) observations: 3053
Coefficient
Std. Error
t-Statistic
-0.028103 1.344726
0.006812 0.355057
-4.125629 3.787349
Effects Specification
Variable C IV
Cross-section fixed (dummy variables)
Prob. 0.0014 Prob. 0.0000 0.0002 -0.003509 0.113704 -1.474149 -1.249216 -1.393313 1.929660
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.037348 Mean dependent var 0.000335 S.D. dependent var 0.113685 Akaike info criterion 37.98430 Schwarz criterion 2364.289 Hannan-Quinn criter. 1.009057 Durbin-Watson stat 0.456831
5.5 Kiểm định Hausman
