Đề tài Các nhân tố tác động lên tỷ suất sinh lợi chứng khoán, xây dựng mô hình trên thị trường chứng khoán Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRUỜNG ĐẠI HỌC KINH TẾ TP.HCM ------------------------- CÔNG TRÌNH DỰ THI GIẢI THƯỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN “NHÀ KINH TẾ TRẺ – NĂM 2011” TÊN CÔNG TRÌNH: CÁC NHÂN TỐ TÁC ĐỘNG LÊN TỶ SUẤT SINH LỢI CHỨNG KHOÁN - XÂY DỰNG MÔ HÌNH TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ Trang i TÓM TẮT ĐỀ TÀI o Lý do chọn đề tài Thị trƣờng chứng khoán Việt Nam chính thức đi vào hoạt động từ tháng 7/2000 và đã có những bƣớc phát triển đáng kể qua hơn mƣời năm. Tuy nhiên, vẫn chƣa có một nghiên cứu quy mô nào về tác động của các nhân tố lên tỷ suất sinh lợi của chứng khoán, từ đó cho nhà đầu tƣ một nhận định đúng về rủi ro trên thị trƣờng. Trong giới học thuật tài chính đã và đang có những tranh luận về các mô hình: Mô hình Định giá tài sản vốn-Sharpe và Lintner(1963), Mô hình ba nhân tố-Fama và French(1993), Mô hình bốn nhân tố-Carhart(1997) và Mô hình ba nhân tố-Lu Zhang và Long Chen(2010); và đã đƣợc kiểm định trên các thị trƣờng thế giới. Chính vì điều đó, bài nghiên cứu tiến hành kiểm định những mô hình này và đƣa ra những giải pháp để lƣợng hóa đúng rủi ro trên TTCK Việt Nam. o Mục tiêu nghiên cứu Bài nghiên cứu trả lời các câu hỏi sau: Tỷ suất sinh lợi của các chứng khoán có quan hệ nhƣ thế nào với nhân tố thị trƣờng? nhân tố quy mô công ty? nhân tố giá trị sổ sách trên giá trị thị trƣờng? nhân tố xu hƣớng (đà tăng trƣởng)? nhân tố đầu tƣ? Và tỷ suất sinh lợi chứng khoán có quan hệ nhƣ thế nào với nhân tố ROA? o Phƣơng pháp nghiên cứu Đề tài đƣợc thực hiện trên phạm vi nghiên cứu gồm 95 công ty niêm yết tại HoSE từ tháng 1-2008 đến tháng 12-2010; dữ liệu lấy từ báo cáo tài chính 6 tháng và báo cáo năm, hầu hết đã qua soát xét và kiểm toán. Bài nghiên cứu sử dụng các phƣơng pháp phân tích dữ liệu: phân tích tƣơng quan, phân tích hồi quy tuyến tính theo OLS…kết hợp với các kiến thức về thống kê, kinh tế lƣợng,...để đƣa ra kết quả. o Nội dung nghiên cứu Kết quả kiểm định cho thấy các nhân tố thị trƣờng, quy mô, giá trị sổ sách trên giá trị thị trƣờng, xu hƣớng, đầu tƣ và nhân tố ROA có ảnh hƣởng thực sự lên tỷ suất sinh lợi chứng khoán. Trong các mô hình thì mô hình Carhart cho hệ số xác định hiệu chỉnh trung bình lớn nhất và bằng 0.78. Mô hình Carhart cũng khắc phục Trang ii đƣợc những vi phạm giả thiết OLS của mô hình Fama-French, do đó đây là mô hình phù hợp nhất giúp lƣợng hóa rủi ro trên thị trƣờng chứng khoán Việt Nam và có thể ứng dụng để ra quyết định đầu tƣ. Đồng thời kết quả nghiên cứu cũng cho thấy trên thị trƣờng Việt Nam, chuỗi giá trị SMB có trung bình âm nhƣng không nhất quán, chuỗi giá trị HML, RINV và RROA có trung bình dƣơng và thị trƣờng Việt Nam tồn tại xu hƣớng ngƣợc-chuỗi WML có trung bình âm. o Đóng góp của đề tài Đề tài tiến hành kiểm định đồng thời nhiều mô hình trên cùng mẫu quan sát trong cùng khoảng thời gian, do đó tạo đƣợc cơ sở để so sánh và đƣa ra mô hình phù hợp nhất lƣợng hóa rủi ro trên TTCK Việt Nam. Kết quả đề tài cho biết khả năng giải thích của các nhân tố trong mô hình ba nhân tố, bốn nhân tố lên tỷ suất sinh lợi chứng khoán. Đề tài có ý nghĩa quan trọng trong việc giúp nhà đầu tƣ lƣợng hóa rủi ro và đƣa ra quyết định đầu tƣ trên thị trƣờng chứng khoán. o Hƣớng phát triển của đề tài Thị trƣờng chứng khoán Việt Nam có những đặc thù riêng khác với TTCK các nƣớc, do đó đề tài có thể đƣợc phát triển theo hƣớng đƣa thêm vào mô hình những nhân tố đặc thù của TTCK Việt Nam theo nhận định của nhà đầu tƣ, và khi đó mỗi nhà đầu tƣ có thể xây dựng cho mình một mô hình để lƣợng hóa rủi ro, mô hình trở thành mô hình của mỗi ngƣời. Thị trƣờng Việt Nam còn chịu tác động nhiều của Chính phủ. Một đặc thù nữa là yếu tố sở hữu nhà nƣớc trong các công ty cổ phần và chất lƣợng thành viên Hội đồng quản trị các công ty niêm yết. Do đó mô hình trên TTCK Việt Nam có thể đƣợc điều chỉnh thêm các nhân tố: sự ổn định pháp lý, tỷ lệ sở hữu nhà nƣớc, tỷ lệ sở hữu nƣớc ngoài do thành viên HĐQT làm đại diện, tỷ lệ thành viên HĐQT có trình độ chuyên môn từ Đại học trở lên, tỷ lệ thành viên độc lập trong HĐQT… Trên đây là một số hƣớng phát triển cho đề tài nghiên cứu, sẽ đƣợc thực hiện trong những nghiên cứu xa hơn. Đề tài này chỉ dừng lại ở việc thực hiện kiểm định các mô hình CAPM, mô hình Fama-French, mô hình Carhart và mô hình Lu Zhang trên thị trƣờng chứng khoán Việt Nam và đƣa ra kiến nghị đầu tƣ. Trang iii MỤC LỤC CHI TIẾT  CÁC TỪ VIẾT TẮT SỬ DỤNG…………………………………………………...vii DANH SÁCH CÁC BẢNG SỬ DỤNG…………………………………………...viii DANH SÁCH CÁC ĐỒ THỊ, SƠ ĐỒ………………………………………………x LỜI MỞ ĐẦU………………………………………………….................................xi CHƢƠNG 1: LÝ THUYẾT MỘT SỐ MÔ HÌNH XÁC ĐỊNH TỶ SUẤT SINH LỢI CHỨNG KHOÁN 1.1. Lý thuyết danh mục Markowitz………………………………………………1 1.1.1. Tổng quan lý thuyết danh mục……………………………………………….1 1.1.2. Rủi ro…………………………………………………………………………2 1.1.2.1. Tổng quan về rủi ro…………………………………………………....2 1.1.2.2. Đo lƣờng rủi ro chứng khoán………………………………………….3 1.1.3. Tỷ suất sinh lợi…………………………………………………......................3 1.1.4. Xây dựng danh mục…………………………………………………………..4 1.1.5. Đƣờng biên hiệu quả Markowitz……………………………………………..5 1.1.6. Kết hợp danh mục hiệu quả Markowitz và đƣờng hữu dụng………………...6 1.2. Mô hình định giá tài sản vốn CAPM…………………………………………7 1.2.1. Đƣờng thị trƣờng vốn CML…………………………………………………..7 1.2.2. Mô hình CAPM và các giả định……………………………………………...8 1.2.3. Đƣờng thị trƣờng chứng khoán SML………………………………………...8 1.2.4. Mở rộng mô hình CAPM……………………………………………………..9 1.2.4.1. CAPM trong trƣờng hợp LS đi vay và cho vay khác nhau…………...9 1.2.4.2. CAPM trong trƣờng hợp có chi phí giao dịch……………………….10 1.2.4.3. CAPM trong trƣờng hợp có thuế…………………………………….10 1.3. Mô hình 3 nhân tố của Fama – French (FF3FM -1993) ……………………11 1.3.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số…………………………...11 1.3.2. Kết quả mô hình trên mẫu của Fama – French……………………………...13 Trang iv 1.4. Mô hình 4 nhân tố của Carhart (1997) ……………………………………...14 1.4.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số…………………………...14 1.4.2. Kết quả mô hình trên mẫu của Carhart……………………………………...15 1.5. Mô hình 3 nhân tố của Lu Zhang (2009) …………………………………...16 1.5.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số…………………………...16 1.5.2. Kết quả mô hình trên mẫu của Lu Zhang…………………………………...18 KẾT LUẬN CHƢƠNG 1…………………………………………………………..19 CHƢƠNG 2: ỨNG DỤNG MỘT SỐ MÔ HÌNH VÀO THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM 2.1. Thị trƣờng chứng khoán Việt Nam………………………………………….20 2.1.1. Tổng quan về thị trƣờng……………………………………………………..20 2.1.2. Thực tế sử dụng các mô hình tại Việt Nam…………………………………20 2.2. Phƣơng pháp thu thập và xử lý dữ liệu……………………………………...21 2.2.1. Phƣơng pháp thu thập dữ liệu………………………………………………21 2.2.2. Phƣơng pháp xử lý dữ liệu…………………………………………………..21 2.3. Kiểm định giả thiết thống kê về quy luật phân phối xác suất của TSSL chứng khoán………………………………………………………………………………..24 2.4. Kiểm định mô hình CAPM………………………………………………….28 2.4.1. Mô hình hồi quy……………………………………………………………..28 2.4.1.1. Kiểm tra tính dừng của chuỗi dữ liệu…………………………………28 2.4.1.2. Ƣớc lƣợng mô hình hồi quy…………………………………………..29 2.4.2. Kiểm định các giả thiết thống kê……………………………………………30 2.4.2.1. Kiểm định giả thiết đối với các hệ số hồi quy………………………..30 2.4.2.2. Kiểm định phần dƣ……………………………………………………31 2.4.3. Kiểm định sự phù hợp của hàm hồi quy……………………………...33 2.5. Ƣớc lƣợng TSSL kỳ vọng bằng mô hình 3 nhân tố Fama-French (FF3FM) ………………………………………………………………………………34 2.5.1. Mô hình hồi quy…………………………………………………………….34 2.5.1.1. Kiểm tra tính dừng của chuỗi dữ liệu………………………………..35 Trang v 2.5.1.2. Ƣớc lƣợng mô hình hồi quy…………………………………………36 2.5.2. Kiểm định các giả thiết thống kê……………………………………………38 2.5.2.1. Kiểm định giả thiết đối với các hệ số hồi quy………………………38 2.5.2.2. Kiểm định phần dƣ………………………………………………......39 2.5.2.3. Kiểm định đa cộng tuyến…………………………………………….42 2.5.3. Kiểm định sự phù hợp của hàm hồi quy…………………………………….43 2.5.4. So sánh kết quả của mô hình FF3FM và CAPM……………………………44 2.5.5. Phân tích ý nghĩa của việc thêm 2 nhân tố vào mô hình…………………....45 2.6. Ƣớc lƣợng TSSL kỳ vọng bằng mô hình 4 nhân tố Carhart (1997) ………..47 2.6.1. Mô hình hồi quy……………………………………………………………..48 2.6.1.1. Kiểm tra tính dừng của chuỗi dữ liệu………………………………..49 2.6.1.2. Ƣớc lƣợng mô hình hồi quy………………………………………….50 2.6.2. Kiểm định các giả thiết thống kê…………………………………………....52 2.6.2.1. Kiểm định giả thiết đối với các hệ số hồi quy……………………....52 2.6.2.2. Kiểm định phần dƣ…………………………………………………..55 2.6.3. Kiểm định sự phù hợp của hàm hồi quy…………………………………….57 2.6.4. So sánh kết quả của mô hình Carhart và FF3FM…………………………...58 2.7. Ƣớc lƣợng TSSL kỳ vọng bằng mô hình 3 nhân tố Lu Zhang (2010) …….59 2.7.1. Mô hình hồi quy…………………………………………………………….59 2.7.1.1. Kiểm tra tính dừng của chuỗi dữ liệu………………………………..60 2.7.1.2. Ƣớc lƣợng mô hình hồi quy………………………………………….61 2.7.2. Kiểm định các giả thiết đối với hệ số hồi quy………………………………61 2.7.3. Kiểm định sự phù hợp của hàm hồi quy…………………………………….65 2.7.4. So sánh kết quả của mô hình Lu Zhang và mô hình Carhart……………….66 KẾT LUẬN CHƢƠNG 2…………………………………………………………..67 CHƢƠNG 3: KẾT LUẬN VÀ KIẾN NGHỊ CHO MÔ HÌNH XÁC ĐỊNH TỶ SUẤT SINH LỢI CHỨNG KHOÁN TRÊN THỊ TRƢỜNG VIỆT NAM 3.1. Nhận xét về kết quả của các mô hình đã đƣa ra trên TTCK Việt Nam……..68 3.1.1. Kết quả mô hình ba nhân tố Fama-French…………………………………..68 Trang vi 3.1.2. Kết quả mô hình bốn nhân tố Carhart……………………………………….70 3.1.3. Kết quả mô hình ba nhân tố Lu Zhang……………………………………...71 3.2. Hạn chế và kiến nghị cho quá trình xây dựng mô hình……………………..71 3.2.1. Hạn chế……………………………………………………………………...71 3.2.1.1. Hạn chế khách quan……………………………………………………..71 3.2.1.2. Hạn chế chủ quan………………………………………………………..72 3.2.2. Kiến nghị cho quá trình xây dựng mô hình…………………………………72 3.3. Các yếu tố đặc thù của TTCK Việt Nam……………………………………73 3.4. Kiến nghị đầu tƣ trên thị trƣờng chứng khoán Việt Nam…………………...74 KẾT LUẬN CHƢƠNG 3…………………………………………………………..76 PHẦN KẾT LUẬN…………………………………………………………………77 PHỤ LỤC 1: Các kết quả kiểm định mô hình CAPM…………………………......xiv PHỤ LỤC 2: Các kết quả kiểm định mô hình Fama-French……………………..xxi PHỤ LỤC 3: Các kết quả kiểm định mô hình bốn nhân tố Carhart……………..xxxv PHỤ LỤC 4: Các kết quả kiểm định mô hình ba nhân tố Lu Zhang……………..xlvi PHỤ LỤC 5: Bảng câu hỏi khảo sát………………………………………………....li DANH MỤC TÀI LIỆU THAM KHẢO…………………………………………...liv Trang vii CÁC TỪ VIẾT TẮT SỬ DỤNG BCTC : Báo cáo tài chính BE : Giá trị sổ sách vốn cổ phần thƣờng CAPM : Mô hình định giá tài sản vốn CML : Đƣờng thị trƣờng vốn FF3FM : Mô hình ba nhân tố Fama-French ME : Giá trị thị trƣờng NĐT : Nhà đầu tƣ NHNN : Ngân hàng Nhà nƣớc SML : Đƣờng thị trƣờng chứng khoán SGDCK : Sở giao dịch chứng khoán TS : Tài sản TSSL : Tỷ suất sinh lợi TTCK : Thị trƣờng chứng khoán TTGDCK : Trung tâm giao dịch chứng khoán UBCK : Ủy ban chứng khoán Trang viii DANH SÁCH CÁC BẢNG SỬ DỤNG Bảng 2.1: Bảng tóm tắt các giá trị thống kê ………………………………………..25 Bảng 2.2: Bảng kiểm định Unit Root Test trên nhân tố thị trƣờng………………...29 Bảng 2.3: Bảng kết quả kiểm định giả thiết đối với hệ số α mô hình CAPM……...31 Bảng 2.4: Bảng kết quả kiểm định giả thiết đối với hệ số β mô hình CAPM……...31 Bảng 2.5: Bảng giá trị thống kê Durbin-Watson trên phần dƣ mô hình CAPM…...31 Bảng 2.6: Bảng kết quả kiểm định Breusch-Godfrey trên phần dƣ mô hình CAPM32 Bảng 2.7: Bảng kết quả kiểm định phƣơng sai đồng nhất mô hình CAPM……….32 Bảng 2.8: Bảng giá trị hệ số xác định mô hình CAPM……………………………..33 Bảng 2.9: Bảng tóm tắt các giá trị thống kê mô hình FF3FM……………………...34 Bảng 2.10: Ma trận hệ số tƣơng quan giữa các nhân tố……………………………34 Bảng 2.11: Bảng kiểm định Unit Root Test trên chuỗi SMB……………………....35 Bảng 2.12: Bảng kiểm định Unit Root Test trên chuỗi HML……………………....35 Bảng 2.13: Bảng tóm tắt các hệ số mô hình FF3FM…………………………….....36 Bảng 2.14: Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình FF3FM....38 Bảng 2.15: Kiểm định Wald đối với nhân tố HML trong danh mục S/L………….39 Bảng 2.16: Bảng giá trị thống kê Durbin-Watson trên phần dƣ mô hình FF3FM...40 Bảng 2.17: Bảng kết quả kiểm định Breusch-Godfrey trên phần dƣ mô hình FF3FM ………………………………………………………………………………………40 Bảng 2.18: Bảng kết quả kiểm định phƣơng sai đồng nhất mô hình FF3FM……..41 Bảng 2.19: Kết quả hồi quy nhân tố quy mô theo nhân tố thị trƣờng…………….42 Bảng 2.20: Kết quả hồi quy nhân tố giá trị theo nhân tố thị trƣờng………………42 Bảng 2.21: Kết quả hồi quy nhân tố giá trị theo nhân tố quy mô…………………43 Bảng 2.22: Bảng giá trị hệ số xác định mô hình FF3FM…………………………...43 Bảng 2.23: So sánh hệ số β của mô hình CAPM và FF3FM……………………….44 Bảng 2.24: So sánh hệ số xác định mô hình CAPM và FF3FM…………………...44 Bảng 2.25: Kết quả hồi quy theo nhân tố thị trƣờng và quy mô…………………..45 Trang ix Bảng 2.26: Kết quả hồi quy theo nhân tố thị trƣờng và giá trị…………………….46 Bảng 2.27: Kết quả hồi quy theo nhân tố quy mô và giá trị………………...……..46 Bảng 2.28: Bảng tóm tắt các giá trị thống kê mô hình Carhart……………………48 Bảng 2.29: Ma trận hệ số tƣơng quan giữa các nhân tố……………………………49 Bảng 2.30: Bảng kiểm định Unit Root Test trên chuỗi WML……………………...50 Bảng 2.31: Bảng tóm tắt các hệ số mô hình Carhart……………………………….51 Bảng 2.32: Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình Carhart....53 Bảng 2.33: Bảng giá trị thống kê Durbin-Watson trên phần dƣ mô hình Carhart...55 Bảng 2.34: Bảng kết quả kiểm định Breusch-Godfrey trên phần dƣ mô hình Carhart ……………………………………………………………………………………...56 Bảng 2.35: Bảng kết quả kiểm định phƣơng sai đồng nhất mô hình Carhart…….57 Bảng 2.36: Bảng giá trị hệ số xác định mô hình Carhart…………………………..57 Bảng 2.37: So sánh hệ số xác định các mô hình CAPM, FF3FM và Carhart……..58 Bảng 2.38: Bảng tóm tắt các giá trị thống kê mô hình Lu Zhang………………….59 Bảng 2.39: Ma trận hệ số tƣơng quan giữa các nhân tố……………………………60 Bảng 2.40: Bảng kiểm định Unit Root Test trên chuỗi RINV……………………...60 Bảng 2.41: Bảng kiểm định Unit Root Test trên chuỗi RROA……………………..61 Bảng 2.42:Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình Lu Zhang………………………………………………………………………………...61 Bảng 2.43: Bảng giá trị hệ số xác định mô hình Lu Zhang………………………...65 Bảng 2.44: So sánh hệ số xác định hiệu chỉnh mô hình Carhart và Lu Zhang…..........66 Bảng 3.1: Bảng giá trị hệ số xác định hiệu chỉnh trong kiểm định mô hình FF3FM trên thị trƣờng Việt Nam…………………………………………………………....69 Bảng 3.2: Bảng tổng hợp kết quả kiểm định mô hình CAPM và FF3FM trên các thị trƣờng thế giới…………………………………………………………69 Bảng 3.3: Bảng giá trị hệ số xác định hiệu chỉnh trong kiểm định mô hình Carhart trên thị trƣờng Việt Nam…………………………………………………………...70 Trang x DANH SÁCH CÁC ĐỒ THỊ, SƠ ĐỒ Hình 1.1: Đƣờng biên hiệu quả……………………………………………………...1 Hình 1.2. : Đa dạng hoá loại trừ rủi ro không hệ thống……………………………...2 Hình 1.3: Vùng quả trứng vỡ Markowitz…………………………………………....5 Hình 1.4: Kết hợp đƣờng biên hiệu quả và đƣờng hữu dụng………………………..6 Hình 1.5: Đƣờng thị trƣờng vốn……………………………………………………..8 Hình 1.6: Đƣờng thị trƣờng chứng khoán với thƣớc đo rủi ro là beta.…………......9 Hình 1.7: Đƣờng CML trong trƣờng hợp LS đi vay và cho vay khác nhau……....10 Hình 1.8: Đƣờng SML trong trƣờng hợp có chi phí giao dịch……………………..10 Trang xi LỜI MỞ ĐẦU  Đặt vấn đề Thị trƣờng chứng khoán Việt Nam chính thức đi vào hoạt động từ tháng 7/2000. Qua hơn mƣời năm, thị trƣờng chứng khoán Việt Nam đã có những bƣớc phát triển đáng kể. Từ con số hai mã chứng khoán niêm yết ban đầu vào ngày 28/07/2000, cho đến nay tại Sở giao dịch chứng khoán TP.HCM đã có 281 loại cổ phiếu, 5 loại chứng chỉ quỹ và 49 loại trái phiếu, tại Sở giao dịch chứng khoán Hà Nội có 430 loại cổ phiếu và 511 loại trái phiếu. Tuy nhiên, vẫn chƣa có một nghiên cứu quy mô nào về mối quan hệ giữa các nhân tố lên tỷ suất sinh lợi của chứng khoán, từ đó cho nhà đầu tƣ một nhận định đúng về rủi ro tƣơng ứng với tỷ suất sinh lợi của chứng khoán. Cho đến thời điểm hiện tại, trong giới học thuật tài chính đã và đang có những tranh luận về các mô hình: Mô hình Định giá tài sản vốn CAPM của Sharpe và Lintner(1963), Mô hình ba nhân tố của Fama và French(1993), Mô hình bốn nhân tố của Carhart(1997) và Mô hình ba nhân tố của Lu Zhang và Long Chen(2010). Các mô hình này đã đƣợc kiểm định ở các thị trƣờng chứng khoán trên thế giới. Chúng ta có thể nhắc đến các kiểm định mô hình ba nhân tố trên thị trƣờng Mỹ, Nhật Bản, Úc, NewZealand của Nima Billou(2004), Andreas Charitou và Eleni Constantinidis(2004), Gaunt(2004), hay Nartea và Djajadikerta(2005), hoặc kiểm định trên những thị trƣờng đang phát triển nhƣ Ấn Độ, Nam Mỹ, Ucraina, Đài Loan. Chính vì điều đó, bài nghiên cứu tiến hành kiểm định những mô hình này trên thị trƣờng Việt Nam và đƣa ra những giải pháp, điều chỉnh để lƣợng hóa đúng rủi ro trên thị trƣờng chứng khoán Việt Nam. Tầm quan trọng, ý nghĩa của đề tài Đề tài nghiên cứu các mô hình Định giá tài sản vốn CAPM của Sharpe và Lintner (1963), mô hình ba nhân tố của Fama và French (1993), mô hình bốn nhân tố của Carhart (1997) và mô hình ba nhân tố của Lu Zhang(2010). Kết quả đề tài cho Trang xii biết khả năng giải thích của các nhân tố trong mô hình ba nhân tố, bốn nhân tố lên tỷ suất sinh lợi chứng khoán. Đề tài có ý nghĩa quan trọng trong việc giúp nhà đầu tƣ lƣợng hóa rủi ro và đƣa ra quyết định đầu tƣ trên thị trƣờng chứng khoán. Mục đích nghiên cứu Bài nghiên cứu trả lời các câu hỏi sau:  Tỷ suất sinh lợi của các chứng khoán có quan hệ nhƣ thế nào với nhân tố thị trƣờng?  TSSL của các chứng khoán quan hệ nhƣ thế nào với nhân tố quy mô công ty?  TSSL của các chứng khoán quan hệ nhƣ thế nào với nhân tố giá trị sổ sách trên giá trị thị trƣờng?  TSSL của các chứng khoán có quan hệ nhƣ thế nào với nhân tố xu hƣớng?  TSSL của các chứng khoán có quan hệ nhƣ thế nào với nhân tố đầu tƣ?  TSSL của các chứng khoán có quan hệ nhƣ thế nào với nhân tố ROA? Phạm vi nghiên cứu Đề tài đƣợc thực hiện trên mẫu gồm 95 công ty niêm yết tại Sở giao dịch chứng khoán TP.HCM (HoSE) trong giai đoan từ tháng 1-2008 đến tháng 12-2010. Các dữ liệu đƣợc lấy từ báo cáo tài chính 6 tháng và báo cáo tài chính năm của các công ty, hầu hết đã qua soát xét và kiểm toán. Phƣơng pháp nghiên cứu Bài nghiên cứu sử dụng các phƣơng pháp phân tích dữ liệu: phân tích tƣơng quan, phân tích hồi quy tuyến tính theo phƣơng pháp bình phƣơng bé nhất… kết hợp với các kiến thức về thống kê, kinh tế lƣợng,…để đƣa ra kết quả. Giới hạn của đề tài nghiên cứu Hạn chế khách quan: Do hạn chế khách quan là thị trƣờng chứng khoán Việt Nam mới đi vào hoạt động chỉ 10 năm (quá non trẻ so với các thị trƣờng khác trên thế giới nhƣ Mỹ, Nhật…), đồng thời tính công bố thông tin trên thị trƣờng Việt Nam còn thấp nên bài nghiên cứu chỉ đƣợc thực hiện trong chuỗi thời gian 3 năm. Thời gian thống kê ngắn nên kết quả đạt đƣợc có thể chƣa thực sự đáng tin cậy. Trang xiii Hạn chế chủ quan: Do thiếu công cụ tính toán và thiếu phần mềm tích hợp dữ liệu và thị trƣờng Việt Nam thiếu một bộ cơ sở dữ liệu chung cho toàn thị trƣờng (so sánh với thị trƣờng Mỹ: thị trƣờng Mỹ có hệ thống dữ liệu CRSP) nên đa số dữ liệu trong bài nghiên cứu đều đƣợc xử lý thủ công, do đó không tránh khỏi những sai sót. Tóm tắt nội dung đề tài Đề tài nghiên cứu một số mô hình xác định tỷ suất sinh lợi chứng khoán. Qua kiểm định các mô hình, kết quả cho thấy các nhân tố thị trƣờng, nhân tố quy mô, nhân tố giá trị sổ sách trên giá trị thị trƣờng, nhân tố xu hƣớng, nhân tố đầu tƣ và nhân tố ROA có ảnh hƣởng thực sự lên tỷ suất sinh lợi chứng khoán. Các mô hình là hiệu quả và có thể ứng dụng trên thị trƣờng chứng khoán Việt Nam. Kết cấu của đề tài Đề tài gồm có 3 chƣơng:  Chƣơng 1: Lý thuyết một số mô hình xác định tỷ suất sinh lợi chứng khoán  Chƣơng 2: Ứng dụng một số mô hình vào thị trƣờng chứng khoán Việt Nam  Chƣơng 3: Kết luận và kiến nghị cho mô hình xác định tỷ suất sinh lợi chứng khoán trên thị trƣờng Việt Nam Trang 1 CHƢƠNG 1: LÝ THUYẾT MỘT SỐ MÔ HÌNH XÁC ĐỊNH TỶ SUẤT SINH LỢI CHỨNG KHOÁN      1.1. Lý thuyết danh mục Markowitz: 1.1.1. Tổng quan lý thuyết danh mục: Markowitz đã phát triển các nguyên lý cơ bản về xây dựng danh mục, làm nền tảng cho thảo luận của các nhà kinh tế về mối quan hệ giữa rủi ro và tỷ suất sinh lợi (TSSL), Markowitz đã chỉ ra rằng phương sai của tỷ suất sinh lợi là một thước đo của rủi ro danh mục với một số giả định. Markowitz xem xét hai quan điểm: quan điểm thứ nhất là nhà đầu tư luôn tìm cách tối đa hoá TSSL kỳ vọng chiết khấu và quan điểm thứ hai là nhà đầu tư thích TSSL và không thích rủi ro (độ lệch chuẩn). Markowitz đã chứng minh được hai điều này sai, vì trên thực tế TSSL luôn đi kèm với rủi ro và đa dạng hoá có thể làm giảm rủi ro danh mục bằng cách giảm phương sai danh mục do các chứng khoán trong danh mục có tương quan với nhau (Harry Markowitz (Mar, 1952), “Portfolio Selection”, The Journal of Finance (Vol.7-No.1), trang 77-91). Với một tập hợp chứng khoán cho trước (tỷ suất sinh lợi và độ lệch chuẩn mỗi chứng khoán không đổi), nhà đầu tư có thể lựa chọn các kết hợp chứng khoán để cho ra các tỷ suất sinh lợi và độ lệch chuẩn danh mục tương ứng. Hình 1.1: Đƣờng biên hiệu quả Trang 2 Các kết hợp giữa các chứng khoán là bất tận và tạo nên vùng quả trứng vỡ là các kết hợp độ lệch chuẩn và suất lợi nhuận kỳ vọng có thể đạt được. Nhà đầu tư lúc nào cũng chỉ mong muốn tăng TSSL và giảm độ lệch chuẩn nên họ chỉ đầu tư vào những danh mục nằm trên đường đậm, là các danh mục hiệu quả, có độ lệch chuẩn thấp nhất đối với TSSL cho trước và có TSSL cao nhất đối với độ lệch chuẩn cho trước. 1.1.2. Rủi ro: 1.1.2.1. Tổng quan về rủi ro: Để đạt được mục tiêu tối đa hoá giá trị cổ phần thì giám đốc tài chính phải quan tâm và đánh giá cổ phần trên hai khía cạnh, đó là rủi ro và tỷ suất sinh lợi. Về rủi ro, có nhiều quan điểm và cách tiếp cận khác nhau. Cách tiếp cận phổ biến nhất là “xem rủi ro như là khả năng xuất hiện các khoản thiệt hại tài chính”(Trần Ngọc Thơ (2007), Tài chính doanh nghiệp hiện đại, NXB Thống kê, tr 67). Theo cách tiếp cận này thì chứng khoán nào có khả năng xuất hiện các khoản lỗ lớn hơn thì có rủi ro lớn. Khi ta nói “khả năng xuất hiện khoản lỗ”, tức là ta đã hàm ý khoản lỗ của 2 chứng khoán có độ lớn là như nhau và ta so sánh xác suất của khoản lỗ này. Ta cũng có thể so sánh rủi ro hai chứng khoán bằng cách so sánh khoản lỗ trung bình kỳ vọng, trên cơ sở xác suất và độ lớn của các khoản lỗ có khả năng xuất hiện. Khi danh mục của nhà đầu tư có nhiều loại chứng khoán, có thể đa dạng hoá để làm giảm rủi ro của danh mục. Nhà đầu tư có thể loại trừ được hoàn toàn rủi ro không hệ thống, nhưng có một số rủi ro không thể loại trừ được. Hình vẽ 2 cho thấy khi số chứng khoán tăng lên, rủi ro còn lại của danh mục là rủi ro thị trường - rủi ro hệ thống. Hình 1.2. : Đa dạng hoá loại trừ rủi ro không hệ thống Nguồn: www.executivefinancialplanning.com Trang 3 Rủi ro không hệ thống (non-systematic risk) là những rủi ro đặc thù liên quan đến từng cổ phần, nảy sinh từ những nguyên nhân nội tại của doanh nghiệp hay của ngành, ví dụ như: năng lực quản trị yếu kém, nguồn cung nguyên vật liệu gặp khó khăn, quy định của chính phủ về kiểm soát môi trường chặt chẽ hơn, tác động của cạnh tranh nước ngoài (mức độ cạnh tranh nước ngoài càng cao thì rủi ro càng cao), mức độ sử dụng đòn bẩy (sử dụng nợ càng nhiều thì mức độ rủi ro tài chính càng cao)… Rủi ro hệ thống (systematic risk, hay còn gọi là rủi ro thị trường) là rủi ro gắn liền với các biến động của thị trường, xuất phát từ các nguyên nhân bên ngoài doanh nghiệp hay ngành: thiên tai, chiến tranh, thay đổi trong lãi suất, thay đổi trong sức mua, thay đổi trong kỳ vọng của nhà đầu tư về nền kinh tế… 1.1.2.2. Đo lƣờng rủi ro chứng khoán: Rủi ro của một chứng khoán được đánh giá thông qua phân tích độ nhạy, cho thấy được các xác suất của các khả năng sinh lợi khác nhau. Với hai chứng khoán có TSSL kỳ vọng trung bình bằng nhau, rủi ro chứng khoán được so sánh dựa trên khoảng cách, hay độ phân tán, tức là chênh lệch TSSL trong trường hợp tốt nhất và xấu nhất. Chứng khoán nào có độ phân tán TSSL càng lớn thì chứng khoán đó có rủi ro càng lớn. Một trong những chỉ tiêu thống kê chuẩn đo lường sự biến thiên, cũng chính là rủi ro, là phương sai và độ lệch chuẩn của TSSL. Phương sai của TSSL được tính bằng bình phương khoảng chênh lệch giữa TSSL thực tế và TSSL kỳ vọng của nhà đầu tư. Phương sai (ri) = giá trị mong đợi của (ri – ri ) 2 Độ lệch chuẩn là căn bậc hai của phương sai. 1.1.3. Tỷ suất sinh lợi: Tỷ suất sinh lợi của một chứng khoán bằng tổng các khoản thu nhập hoặc lỗ của chủ sở hữu trong một thời kỳ. 𝑟 = P-t-− Po + Ct P-o Trong đó: r: TSSL mong đợi trong suốt kỳ t Pt: giá chứng khoán trong kỳ t Po: giá chứng khoán trong kỳ 0 Ct: lưu lượng tiền mặt nhận được của chứng khoán từ t0 đến t1 1.1.4. Xây dựng danh mục: Trang 4 Ta xây dựng danh mục gồm n chứng khoán. Khi đó với các tỷ trọng đầu tư khác nhau sẽ cho ra các tỷ suất sinh lợi và độ lệch chuẩn của danh mục tương ứng. Tỷ suất sinh lợi mong đợi của danh mục được đo lường là bình quân gia quyền TSSL các chứng khoán, với quyền số là tỷ trọng tương ứng chứng khoán: Rp = xiri 𝑛 𝑖=1 Trong đó: xi là tỷ trọng, ri là tỷ suất sinh lợi chứng khoán thứ i. Rủi ro danh mục được đo lường bằng phương sai danh mục. Để tính phương sai danh mục, ta cần biết về hệ số tương quan và hiệp phương sai của hai chứng khoán. Hệ số tương quan của hai chứng khoán là khái niệm cho thấy mối quan hệ cùng hướng hay ngược hướng của TSSL hai chứng khoán theo thời gian. Nếu hai chứng khoán có TSSL di chuyển cùng chiều, chúng có tương quan dương, ngược lại chúng có tương quan âm. Hệ số tương quan nằm trong khoảng [-1,+1]. Hệ số tương quan: ρAB = COV (A,B) ϬA.ϬB Trong đó ϬA, ϬB là độ lệch chuẩn của hai chứng khoán A, B COV (A,B) là hiệp phương sai của hai chứng khoán, được tính: COV (A,B) = Pin𝑖=1 (riA – rA) (riB – rB) riA, riB là TSSL của chứng khoán A, B ở tình huống i, rA, rB là các TSSL mong đợi của chứng khoán A, B Từ đó, phương sai của danh mục hai chứng khoán A, B tính theo công thức: Ϭp 2 = xA 2 . ϬA 2 + xB 2 . ϬB 2 + 2.xA.xB. ϬA. ϬB. ρAB Độ lệch chuẩn bằng căn bậc hai của phương sai. Từ công thức trên ta có thể thấy rủi ro của danh mục phụ thuộc vào hệ số tương quan của hai chứng khoán (nếu không xét đến độ lệch chuẩn của mỗi chứng khoán). Nếu hệ số tương quan =1 thì khi đó độ lệch chuẩn danh mục 2 chứng khoán chính là bình quân gia quyền độ lệch chuẩn hai chứng khoán với quyền số là tỷ trọng mỗi chứng khoán. Nếu hệ số tương quan <1 thì độ lệch chuẩn danh mục sẽ giảm, thậm chí thấp hơn cả độ lệch chuẩn khi đầu tư 100% vào chứng khoán có độ lệch chuẩn thấp trong hai chứng khoán, đây chính là hiệu quả do việc đa dạng hoá mang lại. Khi hệ số tương quan giữa hai chứng khoán = -1 thì rủi ro danh mục là thấp nhất. Với danh mục n chứng khoán thì phương sai của danh mục cũng tương tự: Trang 5 Ϭp 2 = x1 2. Ϭ1 2 + x2 2. Ϭ2 2 +….+ xn 2. Ϭn 2 + x1.x2.cov (r1,r2) + x1.x3.cov (r1,r3) + …+ x1.xn.cov (r1,rn) + x2.x1.cov (r2,r1) + x2.x3.cov (r2,r3) + …+ x2.xn.cov (r2,rn)+ ….+ xn.x1.cov (rn,r1) + xn.x2.cov (rn,r2)… Phương sai tỷ lệ xấp xỉ với độ dài thời gian mà một chứng khoán hay một danh mục đầu tư được nắm giữ, nên độ lệch chuẩn tỷ lệ với căn bậc hai của khoảng thời gian. Điều này có nghĩa là thời gian càng dài thì rủi ro càng cao. 1.1.5. Đƣờng biên hiệu quả Markowitz: Markowitz đã chứng minh được rằng đa dạng hoá có thể làm giảm rủi ro danh mục. Với danh mục gồm hai chứng khoán, các tỷ trọng kết hợp khác nhau cho ra những kết hợp của TSSL và độ lệch chuẩn mà Markowitz gọi là vùng quả trứng vỡ. Bất kỳ kết hợp nào cũng cho ra kết quả nằm trong vùng này. Đường biên trên của vùng quả trứng vỡ chính là đường biên hiệu quả, bao gồm các kết hợp tạo thành những danh mục hiệu quả, tức là những danh mục có TSSL cao nhất ứng với một độ lệch chuẩn cho trước, hoặc danh mục có độ lệch chuẩn thấp nhất ứng với một TSSL cho trước (với giả định các nhà đầu tư đều muốn tăng TSSL và giảm độ lệch chuẩn). Hình 1.3: Vùng quả trứng vỡ Markowitz Mỗi dấu gạch chéo tượng trưng cho TSSL và độ lệch chuẩn của một danh mục. Với giả định là nhà đầu tư lúc nào cũng muốn tăng TSSL và giảm độ lệch chuẩn thì họ chỉ đầu tư vào những danh mục nằm trên đường biên hiệu quả. Do đó nhà đầu tư có thể thiết lập đường biên hiệu quả để lựa chọn danh mục đầu tư hơn là đầu tư vào các chứng khoán riêng rẻ. Việc lựa chọn danh mục đầu tư sẽ tuỳ thuộc vào đường biên hiệu quả và mức độ ưa thích rủi ro của nhà đầu tư, tức đường hữu dụng. Trang 6 1.1.6. Kết hợp danh mục hiệu quả Markowitz và đƣờng hữu dụng: Đường hữu dụng cho thấy thái độ của nhà đầu tư đối với rủi ro. Đường hữu dụng được thiết lập theo phương trình: U = E (Ri) – 0.5*A*Ϭ2 Trong đó: U: mức hữu dụng; A: hệ số ngại rủi ro Ri: TSSL chứng khoán và Ϭ2 là phương sai TSSL chứng khoán Ứng với mỗi nhà đầu tư (một giá trị hệ số ngại rủi ro) ta có một tập hợp các đường hữu dụng song song với nhau. Đường hữu dụng càng cao cho thấy mức hữu dụng càng lớn. Hình 1.4: Kết hợp đƣờng biên hiệu quả và đƣờng hữu dụng Với trục tung là tỷ suất sinh lợi và trục hoành là độ lệch chuẩn thì, nếu nhà đầu tư là NĐT ghét rủi ro thì đường hữu dụng sẽ dốc đứng (muốn TSSL nhiều hơn nhưng độ lệch chuẩn ít hơn). Đó là trường hợp NĐT với tập hợp đường hữu dụng U1, U2, U3 như hình vẽ. Còn nếu nhà đầu tư là ưa thích rủi ro thì đường hữu dụng sẽ có dạng xuôi hơn, ít dốc hơn (nhà đầu tư chấp nhận hy sinh độ lệch chuẩn lớn hơn để nhận được TSSL tương ứng ít hơn - tập hợp U’1, U’2, U’3). Nhà đầu tư sẽ kết hợp danh mục hiệu quả Markowitz và đường hữu dụng để lựa chọn danh mục đầu tư. Danh mục đầu tư tối ưu sẽ là danh mục nằm trên đường biên hiệu quả và tiếp xúc với đường hữu dụng cao nhất có thể. Trang 7 1.2. Mô hình định giá tài sản vốn CAPM: 1.2.1. Đƣờng thị trƣờng vốn CML: Lý thuyết danh mục đã được phát triển thành lý thuyết thị trường vốn với khái niệm tài sản phi rủi ro. Giả định nhà đầu tư có thể đi vay và cho vay với một lãi suất như nhau: lãi suất phi rủi ro rf (lãi suất trái phiếu kho bạc). Đường CML (capital market line-đường thị trường vốn) là tập hợp hiệu quả của tất cả tài sản rủi ro và phi rủi ro, là đường thẳng nối các kết hợp của TSSL và độ lệch chuẩn khi NĐT vừa đầu tư vào trái phiếu kho bạc hoặc đi vay (TS phi rủi ro) vừa đầu tư vào danh mục cổ phần S (TS rủi ro). Sở dĩ đây là đường thẳng vì: TSSL kỳ vọng của danh mục = x*E(rS) + (1-x)*rf Độ lệch chuẩn danh mục = Ϭp = x2.Ϭs2 + 1− x 2.Ϭ2 + 2. x 1− x .Ϭs.Ϭρ Trái phiếu chính phủ có Ϭ=0, do đó độ lệch chuẩn danh mục = 𝑥2.Ϭ𝑠2 = x*Ϭs Do đó: TSSL kỳ vọng danh mục = Độ lệch chu ẩn danh mục Ϭs * E(rS) + (1 - Độ lệch chu ẩn danh mục Ϭs ) * rf = Ϭ𝑝 Ϭ𝑠 * rs + (1- Ϭ𝑝 Ϭ𝑠 ) * rf = rf + Ϭ𝑝 Ϭ𝑠 ( rs – rf) có dạng tuyến tính theo độ lệch chuẩn ( vì với danh mục S ban đầu thì TSSL mong đợi của danh mục S rs và độ lệch chuẩn Ϭs là không đổi). CML là tập hợp hiệu quả của tất cả tài sản rủi ro và phi rủi ro vì CML (đường màu đỏ) tiếp xúc với đường tập hợp hiệu quả các chứng khoán (đường màu đen). Với bất kỳ điểm nào mà NĐT nhận được trên đường biên hiệu quả (chỉ đầu tư vào chứng khoán) thì NĐT hoàn toàn có thể đạt một TSSL cao hơn với cùng độ lệch chuẩn nếu đầu tư theo kết hợp trên đường CML (kết hợp chứng khoán và tài sản phi rủi ro). Trang 8 Hình 1.5: Đƣờng thị trƣờng vốn Nguồn: WebCab Portfolio 1.2.2. Mô hình CAPM và các giả định: Beta đo lường độ nhạy cảm của chứng khoán đối với các biến động của thị trường. Cổ phần có beta lớn hơn 1 có khuynh hướng khuếch đại các biến động của thị trường. Cổ phần có beta nằm trong khoảng (0,1) có khuynh hướng di chuyển cùng với rủi ro của thị trường nhưng lệch không nhiều, còn cổ phần có beta bé hơn 0 thì di chuyển ngược với thị trường. Danh mục thị trường có beta bằng 1. Mô hình định giá tài sản vốn CAPM cho thấy mối quan hệ giữa TSSL và beta chứng khoán, được đưa ra bởi William Sharpe, John Litner và Jack Treynor (1960): r – rf = β * (rm – rf) được diễn tả: phần bù rủi ro chứng khoán = β * phần bù rủi ro thị trường Các giả định của mô hình CAPM:  NĐT nắm giữ danh mục chứng khoán đa dạng hoá hoàn toàn  Chứng khoán được trao đổi trong thị trường tự do cạnh tranh  NĐT có thể đi vay và cho vay với cùng một lãi suất phi rủi ro và không đổi theo thời gian  Không có thuế và chi phí môi giới cho việc mua và bán chứng khoán  NĐT đều là NĐT Markowitz, thích lựa chọn chứng khoán có TSSL cao nhất ứng với rủi ro cho trước và rủi ro thấp nhất ứng với TSSL cho trước  Tất cả NĐT đều có kỳ vọng thuần nhất về TSSL, phương sai, hiệp phương sai. 1.2.3. Đƣờng thị trƣờng chứng khoán SML: Trang 9 Đường thị trường chứng khoán SML (Security market line) là đường biểu diễn bằng đồ thị của mô hình CAPM. Ta có thể thấy đây chính là một trường hợp của đường CML với danh mục S là danh mục thị trường. Hình 1.6: Đƣờng thị trƣờng chứng khoán với thƣớc đo rủi ro là beta Trên hình vẽ trục tung là TSSL kỳ vọng và trục hoành là beta chứng khoán. Nhà đầu tư kỳ vọng giá cổ phiếu trong tương lai, cùng với những thu nhập kỳ vọng trên cổ phiếu, từ đó ước tính được TSSL của cổ phiếu. So sánh TSSL ước tính với TSSL kỳ vọng theo SML nhà đầu tư có thể đưa ra quyết định. Chênh lệch giữa TSSL ước tính và TSSL kỳ vọng theo CAPM được gọi là alpha (α) của cổ phiếu. Nếu α > 0: TSSL ước tính>TSSL kỳ vọng: cổ phiếu nằm phía trên đường SML, cổ phiếu có TSSL cao hơn so với mức độ rủi ro mà nó đang chịu, được chiết khấu với lãi suất cao hơn, tức cổ phiếu đang được định giá thấp. NĐT có nhu cầu mua vào, làm cho giá tăng, giảm TSSL xuống, và cổ phiếu tiến về gần đường SML. Nếu α = 0: TSSL ước tính=TSSL kỳ vọng theo SML, cổ phiếu được định giá đúng và nằm trên SML. Nếu α < 0: Cố phiếu được định giá cao so với giá trị, nằm phía dưới SML. NĐT có nhu cầu bán ra, làm cho giá giảm, tăng TSSL lên và cổ phiếu tiến lên gần SML. 1.2.4. Mở rộng mô hình CAPM: 1.2.4.1. CAPM trong trƣờng hợp LS đi vay và cho vay khác nhau: Mô hình CAPM ban đầu được xây dựng trên giả định NĐT có thể đi vay và cho vay với cùng một lãi suất phi rủi ro Rf. Trên thực tế điều nay không xảy ra. NĐT mua trái phiếu nhận lãi suất phi rủi ro Rf và đi vay để đầu tư vào danh mục S với lãi suất Ra. Trang 10 Hình 1.7: Đƣờng CML trong trƣờng hợp LS đi vay và cho vay khác nhau Đường nối RfS là các kết hợp khi NĐT vừa đầu tư vào trái phiếu kho bạc và danh mục S. GH là đường biểu diễn các kết hợp khi NĐT đi vay với lãi suất Ra và đầu tư vào S. Đường CML trong trường hợp này là đường nối RfSGH. 1.2.4.2. CAPM trong trƣờng hợp có chi phí giao dịch: Trong trường hợp có chi phí giao dịch, giả sử cổ phiếu có α >0, TSSL ước tính lớn hơn TSSL kỳ vọng theo SML, NĐT có nhu cầu mua vào làm tăng giá, giảm TSSL ước tính và cổ phiếu tiến về SML, thì với chi phí giao dịch, NĐT sẽ không mua vào đến khi cổ phiếu nằm trên SML vì chi phí giao dịch làm giảm lợi nhuận tiềm năng của NĐT. Các trường hợp α còn lại cũng tương tự. Đường thị trường chứng khoán lúc này là một dải các đường SML, độ lớn của dải này chính là chi phí giao dịch. Hình 1.8: Đƣờng SML trong trƣờng hợp có chi phí giao dịch 1.2.4.3. CAPM trong trƣờng hợp có thuế: Mô hình CAPM cổ điển đã bỏ qua yếu tố thuế. Benninga và Sarig đã bổ sung H Độ lệch chuachuẩn TSSL Rf R a S G Trang 11 và đưa ra mô hình SML năm 1997 với TSSL được điều chỉnh theo mức thuế suất cận biên thuế TNDN. Gọi thuế suất thuế TNDN là Tc, mô hình SML được điều chỉnh: r = rf (1- Tc) + β *[rm– rf * (1- Tc)] 1.3. Mô hình 3 nhân tố của Fama – French (FF3FM -1993): 1.3.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số: Những nghiên cứu trên thị trường chứng khoán Mỹ cho thấy rằng TSSL trung bình ít có mối quan hệ với β trong mô hình CAPM của Sharpe và Lintner (1965). Những nhân tố khác không có trong CAPM lại có sức giải thích đối với TSSL trung bình, bao gồm các nhân tố quy mô (ME), đòn bẩy, thu nhập/giá (E/P), và giá sổ sách trên giá thị trường (BE/ME) [theo Banz (1981), Bhandari (1988), Basu (1983) và Rosenberg, Reid và Lanstein (1985)]. Fama và French nghiên cứu sự liên hệ của các nhân tố này và thấy rằng khi kết hợp với nhau, nhân tố ME và BE/ME có sức giải thích hơn hẳn nhân tố đòn bẩy và E/P. Kết quả là, hai nhân tố ME và BE/ME đã giải thích tốt TSSL trung bình theo nghiên cứu của Fama và French trên NYSE, Amex và NASDAQ giai đoạn 1963-1990 (Theo Eugene F. Fama and Kenneth R. French (1993), “Common risk factors in the returns of stocks and bonds”, Journal of Financial Economics, số 33, trang 3-56). Những danh mục mô phỏng các nhân tố quy mô và BE/ME khác nhau nhiều trong TSSL. Điều này cho thấy nhân tố quy mô và BE/ME thật sự là đại diện cho độ nhạy cảm đối với các nhân tố rủi ro phổ biến trong TSSL chứng khoán. Tuy nhiên chỉ hai nhân tố này thì không giải thích được sự chênh lệch lớn giữa TSSL trung bình và lãi suất phi rủi ro. Phần còn lại được giải thích bởi nhân tố thị trường. Với mẫu của Fama và French, chênh lệch α của TSSL ước tính và TSSL kỳ vọng theo hồi quy ba nhân tố (TSSL vượt trội thị trường, TSSL danh mục mô phỏng quy mô và BE/ME) gần bằng 0, có nghĩa là ba nhân tố này đã giải thích tốt cho TSSL chứng khoán. Xây dựng mô hình: Vào tháng 6 mỗi năm t từ 1963 đến 1991, tất cả chứng khoán được xếp theo quy mô và chia thành 2 nhóm: quy mô nhỏ (small-S) và quy mô lớn (big-B) với tỷ lệ 50% - 50%. Quy mô ở đây chính là giá trị vốn hoá thị trường, được tính bằng số cổ phần phổ thông nhân với giá trị hiện tại, do đó cũng chính là ME. Sở dĩ khi tính vốn hoá thị Trang 12 trường ta chỉ tính cổ phần phổ thông vì vốn hoá thị trường là số tiền bỏ ra để mua lại công ty trong thời điểm hiện tại, và cổ phần ưu đãi không cho người nắm giữ quyền tham gia quản lý công ty. Những chứng khoán này cũng được chia theo giá trị số sách trên giá trị thị trường (BE/ME) thành 3 nhóm: thấp (low-L), trung bình (medium-M) và cao (high-H) với các điểm gãy là 30% - 40% - 30%. BE/ME được tính là giá trị sổ sách cổ phần thường/giá trị thị trường vào cuối tháng 12 của năm (t-1). Fama và French chia các chứng khoán theo quy mô thành 2 nhóm và theo BE/ME thành 3 nhóm vì theo bài nghiên cứu của hai ông năm 1992 thì nhân tố BE/ME có vai trò quan trọng hơn quy mô trong việc tác động lên TSSL trung bình. Trên cơ sở phân chia đó, 6 danh mục được hình thành: S/L, S/M, S/H, B/L, B/M, B/H. Ví dụ danh mục B/L bao gồm những chứng khoán của công ty có quy mô lớn và BE/ME thấp. Fama French sử dụng kỳ quan sát là tháng trong 29 năm. TSSL trung bình hàng tháng của mỗi danh mục được tính với trọng số là % giá trị vốn hoá của mỗi chứng khoán trong tổng giá trị danh mục. Fama và French sử dụng cách tiếp cận hồi quy chuỗi thời gian của Black, Jensen và Scholes (1972), đưa ra mô hình: Ri(t) – RF(t) = αi + bi.[RM(t) – RF(t)] + si.SMB(t) + hi.HML(t) + e(t) t = 1,2,…, T Trong đó:  RF: lãi suất phi rủi ro ( theo kỳ quan sát tháng)  RM: TSSL của thị trường  SMB (Small cap minus Big): phần bù quy mô. Danh mục SMB (small minus big) mô phỏng nhân tố quy mô, được tính là TSSL trung bình hàng tháng của 3 danh mục có vốn hoá thị trường nhỏ (S/L, S/M, S/H) trừ cho TSSL trung bình của 3 danh mục có vốn hoá thị trường lớn (B/L, B/M, B/H). Cách tính này là để loại trừ tác động của BE/ME khi xét tác động của nhân tố quy mô. Giá trị SMB >0 hàm ý những chứng khoán có quy mô (vốn hoá thị trường) nhỏ có TSSL cao hơn những chứng khoán có quy mô lớn. Và SMB < 0 thì hàm ý ngược lại.  HML (High minus Low): phần bù giá trị. Danh mục HML (high minus low) mô phỏng nhân tố BE/ME, là TSSL bình quân hàng tháng của hai danh mục có BE/ME cao (S/H và B/H) trừ cho TSSL bình quân của hai danh mục có BE/ME thấp (S/L và B/L). Trang 13 HML >0 có nghĩa là chứng khoán có BE/ME cao (cổ phiếu giá trị) thì có TSSL cao hơn chứng khoán có BE/ME thấp (cổ phiếu tăng trưởng).  b, s, h: các biến phản ánh độ nhạy của các nhân tố. b - biến phản ánh độ nhạy của nhân tố thị trường được gọi là beta chứng khoán 3 nhân tố (để phân biệt với beta chứng khoán trong mô hình CAPM).  α là hệ số chặn của mô hình, cũng chính là chênh lệch giữa TSSL thực tế và TSSL kỳ vọng theo mô hình ba nhân tố, e(t) là sai số ngẫu nhiên của mô hình. 1.3.2. Kết quả mô hình trên mẫu của Fama – French: Fama và French xây dựng 25 danh mục chứng khoán dựa trên việc phân loại theo quy mô (5 nhóm) và BE/ME (5 nhóm). Hai ông tách ra từng cặp nhân tố để hồi quy để tìm ra mô hình lý giải tốt nhất TSSL chứng khoán. Quá trình xây dựng mô hình gồm ba bước: Hồi quy TSSL theo RM-RF, hồi quy theo HML và SMB, và kết hợp hồi quy RM-RF, SMB, HML. Với mô hình gồm cả ba nhân tố thì có 21/25 danh mục có R2 > 0.9 và giá trị R2 nhỏ nhất là 0.83. Fama và French cũng nghiên cứu hai nhân tố của thị trường trái phiếu có liên quan đến TSSL chứng khoán, đó là kỳ hạn và rủi ro vỡ nợ (Danh mục mô phỏng TERM: Chênh lệch giữa TSSL trái phiếu - kỳ hạn dài và TSSL tín phiếu - kỳ hạn ngắn; và danh mục mô phỏng DEF: Chênh lệch TSSL trái phiếu doanh nghiệp và TSSL trái phiếu kho bạc). Kết quả là mô hình 5 nhân tố cũng cho ra cùng giá trị R2 và cùng một α (hệ số chặn-intercept) như mô hình 3 nhân tố; chứng tỏ mô hình 3 nhân tố là phù hợp để giải thích TSSL chứng khoán. Mô hình trên mẫu của Fama-French ở thị trường Mỹ thời gian 1963-1991 đã cho thấy một mối quan hệ ngược chiều giữa quy mô và TSSL trung bình, và một mối tương quan cùng chiều mạnh hơn của BE/ME với TSSL trung bình, có nghĩa là BE/ME có tác dụng giải thích TSSL chứng khoán nhất quán hơn so với nhân tố quy mô. Với cùng một nhóm danh mục con BE/ME (ngoại trừ nhóm danh mục con có BE/ME thấp nhất), TSSL giảm khi quy mô tăng, điều này cũng có nghĩa là hệ số của nhân tố SMB là dương. Với cùng một nhóm danh mục con theo quy mô, TSSL trung bình có xu hướng tăng cùng với BE/ME, tức hệ số của nhân tố HML là dương. Fama-French giải thích hệ số của SMB dương là do những doanh nghiệp có quy mô nhỏ thường chứa đựng rủi ro cao, hoạt động kém hiệu quả hơn, chi phí đại diện cao Trang 14 hơn, do đó NĐT đòi hòi một phần bù rủi ro > 0. Cũng theo Fama-French, những công ty có BE/ME cao thường rơi vào kiệt quệ tài chính nhiều hơn, gây rủi ro cho NĐT, do đó NĐT được phần bù giá trị dương. 1.4. Mô hình 4 nhân tố của Carhart (1997): 1.4.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số: Carhart nghiên cứu hai mô hình đo lường hiệu quả hoạt động của quỹ là mô hình CAPM của Sharpe (1964) và Litner (1965) và mô hình 4 nhân tố Carhart (1995). Carhart nhận thấy rằng mô hình 3 nhân tố Fama-French không giải thích được biến động trong TSSL khi phân loại danh mục theo TSSL kỳ trước (theo xu hướng/đà tăng trưởng). Chan Jegadessh và Lakonishok cho rằng sự bất thường của nhân tố xu hướng chính là một yếu tố của thị trường không hiệu quả do phản ứng chậm với thông tin. Mẫu mà Carhart sử dụng là mẫu không loại trừ những công ty ngưng hoạt động tính tới thời điểm kết thúc khảo sát, đồng thời là mẫu có kích thước lớn nhất tính cho đến thời điểm 1997, do đó có tính tổng quát cao hơn những mô hình trước đó. Mẫu bao gồm dữ liệu tháng của tất cả những quỹ từ tháng 1-1962 đến tháng 12-1993, tổng cộng 1892 quỹ và 16109 tổng số năm hoạt động. Grinbatt và Titman (1989) và Wermers (1996) thì sử dụng số liệu quý, còn Brown và Goetzmann (1995) đã nghiên cứu mẫu gồm các quỹ rất giống của Carhart, từ 1976 đến 1988, nhưng lại bỏ qua năm đầu tiên của quỹ mới thành lập và năm cuối của quỹ ngưng hoạt động. Carhart xây dựng mô hình 4 nhân tố dựa trên mô hình 3 nhân tố của Fama và French (1993) và thêm một nhân tố nữa được đưa ra bởi Jegadeesh và Titman (1993) là yếu tố xu hướng bất thường trong một năm. Ri(t) – RF(t) = αi + bi.[RM(t) – RF(t)] + si.SMB(t) + hi.HML(t) + piPR1YR(t) + e(t) t = 1,2,…, T Trong đó:  RF: Lãi suất phi rủi ro ( theo kỳ quan sát tháng)  RM: TSSL của thị trường  SMB và HML: Các nhân tố mô phỏng quy mô và giá trị, được tính như trong mô hình ba nhân tố Fama-French (chia 6 danh mục theo các điểm gãy 50%-50% với quy mô và 30%-40%-30% cho BE/ME) Trang 15  PR1YR (High minus Low prior-year return, hay Winners minus Losers): Yếu tố xu hướng một năm, được tính bằng TSSL bình quân của các chứng khoán cao giá năm trước trừ cho TSSL bình quân của các chứng khoán thấp giá năm trước, đo lường lợi nhuận tăng thêm của nhà đầu tư khi tiếp tục nắm giữ những chứng khoán cao giá của năm trước do thực hiện chiến lược đầu tư theo xu hướng. Cụ thể, PR1YR là chênh lệch được tính bằng TSSL bình quân tháng năm sau của 30% chứng khoán có TSSL năm trước cao nhất trừ cho TSSL bình quân tháng năm sau của 30% chứng khoán có TSSL năm trước thấp nhất. Tỷ suất sinh lợi mà Carhart sử dụng để phân loại chứng khoán là tỷ suất sinh lợi 11 tháng năm trước với độ trễ 1 tháng, tức là bỏ qua tháng liền trước đó. Carhart xây dựng hệ số cho PR1YR trên cơ sở tạo 6 danh mục do phân loại các chứng khoán theo quy mô (Small,Big – S,B với các điểm gãy 50%-50%) và theo chứng khoán cao giá/mất giá năm trước (Winners, Neutral, Losers – W,N,L với các điểm gãy 30%-40%-30%). Điều này khác với cách làm của Brav, Gezcy và Gompers (2000) là chia các chứng khoán theo xu hướng thành 2 nhóm Winners-Losers với điểm gãy 50%- 50%. Hệ số PR1YR hàng tháng được tính: PR1YR = [(S/W – S/L)+ (B/W - B/L)]/2 1.4.2. Kết quả mô hình trên mẫu của Carhart: Kết quả mô hình của Carhart đã cho thấy sự khác nhau lớn trong TSSL của các danh mục SMB, HML và PR1YR, cho thấy các nhân tố này có thể giải thích được sự thay đổi trong chuỗi thời gian của TSSL. Đồng thời hệ số tương quan giữa các danh mục này với nhau và với danh mục đại diện thị trường thấp, cho thấy hiện tượng đa cộng tuyến ít có ảnh hưởng đến mô hình. Một kiểm định khác của Carhart trên 27 quỹ cũng lập trên bốn nhân tố, đã cho thấy sai số định giá (et) của 3 mô hình CAPM, ba nhân tố Fama-French, bốn nhân tố Carhart lần lượt là 0.35%, 0.31% và 0.14%/tháng. Như vậy mô hình bốn nhân tố đã làm giảm sai số của mô hình và do đó hiệu quả hơn. Với mô hình bốn nhân tố, R2 hiệu chỉnh của các danh mục đều > 0.88, ngoại trừ danh mục có TSSL 11 tháng trước thấp nhất thì có R2 hiệu chỉnh > 0.72. Carhart cũng đưa ra kết quả là mua những chứng khoán cao giá năm trước (danh mục 1/10 cao nhất) và bán những chứng khoán sụt giá năm trước (danh mục 1/10 thấp nhất) có thể mang lại TSSL trung bình 8%/năm, trong đó nhân tố giá trị thị trường và đà tăng trưởng giải Trang 16 thích 4.6%, sự khác nhau trong tỷ số chi phí quản trị/Tổng tài sản ròng ( NAV – Net Asset Value) giải thích 0.7% và sự khác nhau trong chi phí giao dịch giải thích 1%. 2/3 của phần chênh lệch còn lại không giải thích được là do chênh lệch giữa TSSL danh mục con thứ 9 và danh mục con thứ 10. Kết luận chung mà Carhart đưa ra là: không nên đầu tư vào những quỹ có TSSL âm thường xuyên; những quỹ có TSSL cao năm trước thì năm sau sẽ có TSSL cao hơn TSSL mong đợi trung bình, nhưng những năm sau đó thì chưa chắc; tỷ số chi phí quản lý/Tổng tài sản ròng, chi phí giao dịch, chi phí đầu tư có tác động trực tiếp và ngược chiều đến TSSL của quỹ, những chi phí này sẽ lấy đi phần TSSL vượt trội của những người nắm giữ quỹ có TSSL cao năm trước trong dài hạn. 1.5. Mô hình 3 nhân tố của Lu Zhang (2010): 1.5.1. Xây dựng mô hình, ý nghĩa các nhân tố và hệ số: Long Chen và Lu Zhang cho rằng mô hình ba nhân tố Fama-French không giải thích được mối tương quan thuận giữa TSSL trung bình với TSSL kỳ trước trong ngắn hạn và mối tương quan nghịch giữa TSSL trung bình với tình trạng kiệt quệ tài chính, phát hành cổ phần mới và tăng trưởng tài sản. Hai ông đã xây dựng mô hình trên NYSE, Amex và NASDAQ từ tháng 1-1972 đến tháng 12-2006, gồm ba nhân tố là phần bù thị trường, phần bù đầu tư và phần bù TSSL trên tổng tài sản ROA. Nền tảng cho việc xây dựng này là thuyết Q của James Tobin về quyết định đầu tư, theo đó q = giá trị thị trường/giá trị vốn góp của công ty, hay q = ME/BE. Nói cách khác, q chính là hiện giá thuần của dòng tiền tương lai tạo ra từ một đồng vốn tăng thêm. Nếu q >1, công ty nên đầu tư thêm vì việc đầu tư sẽ mang lại lợi nhuận cao hơn chi phí bỏ ra, nếu q <1 thì công ty nên bán bớt tài sản vì chúng không tạo ra lợi nhuận và không đạt đến mức hữu dụng tối đa. Trong cả hai trường hợp thì q sẽ tiến về 1, là trạng thái cân bằng đầu tư và công ty không cần phải thay đổi gì nữa. Nếu lãi suất dùng để chiết khấu cao thì làm giảm q, do đó giảm đầu tư. Điều này có nghĩa đầu tư thấp thì TSSL mong đợi cao. Nếu lãi suất dùng để chiết khấu thấp thì q tăng, công ty tăng đầu tư, cũng có nghĩa là đầu tư cao thì TSSL mong đợi thấp. ROA cũng dự báo TSSL vì một ROA mong đợi cao phải tương ứng với một lãi Trang 17 suất chiết khấu cao. Nếu lãi suất chiết khấu (tức TSSL) không cao tương ứng thì nhà đầu tư sẽ nhận thấy rằng giá trị hiện tại của vốn mới cao và sẽ đầu tư nhiều hơn. Trường hợp ROA thấp thì ngược lại. Mô hình có dạng: E(ri) – rf = αi + β i MKT E(rMKT) + β i INV E(rINV) + β i ROA E(rROA) + ei Trong đó: Rf: TSSL phi rủi ro βiMKT, β i INV, β i ROA: là các hệ số nhân tố đo lường độ nhạy cảm nhân tố đối với TSSL chứng khoán E(rMKT): phần bù rủi ro thị trường E(rINV): phần bù đầu tư. Đầu tư trên tài sản I/A (Investment on Asset) theo cách tính của Lu Zhang là tổng thay đổi hàng năm trong tài sản cố định và hàng tồn kho chia cho giá trị sổ sách tổng tài sản năm trước. Cách tính này cho thấy được đầu tư trong dài hạn vào tài sản cố định và trong ngắn hạn vào hàng tồn kho. Nhân tố đầu tư được tính dựa trên các danh mục mô phỏng đầu tư. Cách tính này cũng giống như Fama và French. Vào tháng 6 mỗi năm, Long Chen và Lu Zhang chia các chứng khoán thành 3 nhóm theo I/A với các điểm gãy là 30%-40%-30% (low- middle-high) và chia theo quy mô (vốn hoá thị trường) thành 2 nhóm với điểm gãy 50%-50% (small-big). Điều này dựa trên kết quả của Fama-French năm 2008 rằng độ lớn của tăng trưởng tài sản thay đổi nhiều với các quy mô khác nhau: tăng trưởng mạnh đối với chứng khoán vốn hoá nhỏ và hầu như không tăng trưởng đối với chứng khoán vốn hoá lớn, do đó cần xét đến yếu tố quy mô trong nhân tố đầu tư. Với 6 danh mục này, TSSL hàng tháng của mỗi danh mục được tính với trọng số là % vốn hoá mỗi chứng khoán trong danh mục. RINV được tính là TSSL của hai danh mục có I/A thấp (S/L và B/L) trừ cho TSSL của hai danh mục có I/A cao (S/H và B/H). E(rROA): Phần bù TSSL trên tổng tài sản. Long Chen và Lu Zhang chia chứng khoán thành 3 nhóm với các điểm gãy 30%- 40%-30% (low-middle-high) theo ROA quý của 4 tháng trước. Chứng khoán cũng được chia thành 2 nhóm theo quy mô, điểm gãy 50%-50%. 6 danh mục được hình thành và Trang 18 TSSL hàng tháng mỗi danh mục được tính. RROA được tính là TSSL của hai danh mục có ROA cao (S/H và B/H) trừ cho TSSL của hai danh mục có ROA thấp (S/L và B/L). 1.5.2. Kết quả mô hình trên mẫu của Lu Zhang: Lu Zhang đã đưa ra được mối quan hệ ngược chiều giữa TSSL mong đợi với đầu tư trên tài sản I/A, đầu tư trên tài sản Lu Zhang tính đến là phát hành cổ phần mới, tăng trưởng tài sản, tỷ số giá trị ME/BE, tăng trưởng doanh thu dài hạn trong quá khứ, TSSL dài hạn trong quá khứ. Điều này cũng phù hợp với mô hình của Fama French về mối quan hệ BE/ME với TSSL: những công ty có BE/ME cao đòi hỏi một TSSL cao hơn những công ty BE/ME thấp. Theo lý giải của Lu Zhang dựa trên thuyết Q thì công ty có BE/ME cao cho thấy q<1, công ty đầu tư ít và đạt TSSL trung bình cao hơn những công ty có BE/ME thấp (lãi suất dùng chiết khấu cao hơn, làm cho q thấp). Đồng thời Lu Zhang cũng đã đưa ra mối quan hệ cùng chiều của ROA mong đợi với TSSL mong đợi. TSSL RINV trung bình trong mẫu của Lu Zhang 1972-2006 là 0.43%/tháng. Hồi quy chuỗi rINV theo nhân tố thị trường thì được α = 0.51%/tháng và R 2 = 16%. Hồi quy theo 4 nhân tố của mô hình Carhart thì α = 0.22%/tháng và R2 = 36%. Đồng thời hệ số tương quan giữa HML (nhân tố mô phỏng BE/ME) và rINV là 0.51. TSSL RROA trung bình trong mẫu của Lu Zhang 1972-2006 là 0.96%/tháng. Hồi quy chuỗi rINV theo nhân tố thị trường thì được α = 1.05%/tháng và R 2 = 4%. Hồi quy theo 4 nhân tố của mô hình Carhart thì α = 0.74%/th áng v à R2 = 24%. Đồng thời hệ số tương quan giữa WML (nhân tố mô phỏng xu hướng) và rROA là 0.26. Lu Zhang lần lượt hồi quy TSSL các danh mục phân loại theo quy mô và xu hướng (chia 5 nhóm theo quy mô và 5 nhóm theo xu hướng - 25 danh mục), khả năng rơi vào kiệt quệ tài chính ( 10 danh mục dựa trên đo lường xác suất phá sản của Campell (2008) và 10 danh mục dựa trên O-Score của Ohlson (1980)), tăng trưởng tài sản (chia thành 10 danh mục dựa trên tăng trưởng tài sản), BE/ME ( 5 danh mục) theo ba nhân tố mới xây dựng trong mô hình của mình. Các kết quả thu được cho thấy α giảm đi đáng kể so với kết quả hồi quy theo CAPM, mô hình Fama-French, đồng thời các hệ số nhân tố βMKT, βINV, βROA phần lớn là có ý nghĩa thống kê với giá trị |t| khá lớn, có thể bác bỏ giả thiết Ho là các hệ số nhân tố = 0. Trang 19 KẾT LUẬN CHƢƠNG 1 Như vậy Chương 1 đã cho chúng ta những nền tảng về lý thuyết danh mục Markowwitz về mối quan hệ giữa rủi ro và tỷ suất sinh lợi. Đồng thời Chương 1 cung cấp những lý thuyết về mô hình định giá tài sản vốn CAPM, mô hình ba nhân tố Fam- French, mô hình bốn nhân tố Carhart và mô hình ba nhân tố Lu Zhang cho thấy ảnh hưởng của các nhân tố thị trường, quy mô, giá trị, xu hướng, đầu tư/tài sản và ROA lên tỷ suất sinh lợi của chứng khoán. Đây là cơ sở cho việc thực hiện kiểm định tính hiệu quả của những mô hình này ở thị trường chứng khoán Việt Nam, mà cụ thể là các chứng khoán niêm yết trên Sở Giao dịch chứng khoán TP.HCM trong phần tiếp theo. Trang 20 CHƢƠNG 2: ỨNG DỤNG MỘT SỐ MÔ HÌNH VÀO THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM      2.1. Thị trƣờng chứng khoán Việt Nam: 2.1.1. Tổng quan về thị trƣờng: Thị trường chứng khoán Việt Nam ra đời được đánh dấu bằng sự bắt đầu hoạt động của Trung tâm giao dịch chứng khoán (TTGDCK) TPHCM ngày 20/07/2000 và thực hiện phiên giao dịch đầu tiên ngày 28/07/2000 với hai loại cổ phiếu là REE và SAM. Ngày 8/8/2007, TTGDCK TPHCM được đổi thành Sở giao dịch chứng khoán (SGDCK) TP.HCM. Tính cho đến đầu tháng 3 năm 2011, thị trường chứng khoán qua hơn 10 năm hoạt động đã có những bước phát triển đáng kể. Cho đến đầu tháng 3-2011, có 281 loại cổ phiếu, 5 loại chứng chỉ quỹ và 49 loại trái phiếu được niêm yết trên SGDCK TP.HCM (HoSE), với tổng khối lượng niêm yết là 13.110.732.640 chứng khoán, tổng giá trị niêm yết là 140.476.425,5 triệu đồng (Nguồn: Trang web SGDCK TP.HCM). Tại SGDCK Hà Nội (HaSTC), có 430 loại cổ phiếu và 511 loại trái phiếu, tổng khối lượng niêm yết là 9.377.670.669 chứng khoán với giá trị niêm yết là 247.377.546,69 triệu đồng (Nguồn: Trang web SGDCK Hà Nội). Có 150 công ty lên sàn UpCOM, tổng khối lượng niêm yết là 1.191.236.596 với tổng giá trị là 11.912.365,96 triệu đồng. 2.1.2. Thực tế sử dụng các mô hình tại Việt Nam: Kết quả khảo sát với đối tượng là những nhà đầu tư cá nhân và những nhà phân tích, chuyên gia đầu tư tại các quỹ đầu tư trên thị trường Việt Nam cho thấy trên thực tế, các mô hình xác định TSSL kỳ vọng nêu trên để đưa ra chiến lược đầu tư được ứng dụng ít và hầu như không có. Hầu hết ý kiến khảo sát cho biết các nhà đầu tư tổ chức đã biết đến hai mô hình là CAPM và mô hình ba nhân tố Fama-French trong số bốn mô hình (CAPM, FF3FM, mô hình bốn nhân tố Carhart và mô hình ba nhân tố Lu Zhang), tuy nhiên thực tế không sử dụng được tại Việt Nam. Lý do đưa ra là thị trường chứng khoán Việt Nam chưa phát triển như các nước khác, thị trường chưa hiệu quả và nhà đầu tư còn theo số đông, Trang 21 tâm lý bầy đàn khá mạnh. Với nhà đầu tư cá nhân thì các khảo sát cho kết quả đánh giá là NĐT cá nhân trên TTCK Việt Nam hầu như không biết đến các mô hình này. (Xem thêm ở Phụ lục 5: Bảng câu hỏi khảo sát) 2.2. Phƣơng pháp thu thập và xử lý dữ liệu: 2.2.1. Phƣơng pháp thu thập dữ liệu: Với các mô hình CAPM, mô hình 3 nhân tố Fama-French, mô hình 4 nhân tố Carhart và mô hình ba nhân tố Lu Zhang, ta cần thu thập dữ liệu là giá chứng khoán, TSSL của tài sản phi rủi ro, TSSL thị trường, giá trị sổ sách, giá trị thị trường, đầu tư trên tài sản I/A và TSSL trên tài sản ROA của các chứng khoán trong mẫu quan sát. Phạm vi nghiên cứu gồm 95 chứng khoán niêm yết trên SGDCK TPHCM (HoSE). Giá chứng khoán được thu thập trong giai đoạn từ 04/01/2008 đến 31/12/2010, từ cơ sở dữ liệu của Công ty chứng khoán Ngân hàng đầu tư và phát triển Việt Nam (BIDV) và là giá đóng cửa. Giá này đã được so với các nguồn dữ liệu đáng tin cậy khác và cho thấy không có sự sai lệch. TSSL phi rủi ro là lãi suất của tài sản phi rủi ro. Bài nghiên cứu này sử dụng lãi suất của trái phiếu chính phủ kỳ hạn 5 năm do Kho Bạc Nhà Nước phát hành, số liệu lấy trên trang web của Ngân hàng Nhà nước Việt Nam. Lãi suất này được là lãi suất trúng thầu của các đợt đấu thầu loại trái phiếu chính phủ 5 năm của Kho Bạc Nhà Nước; với những đợt không có lãi suất trúng thầu thì giữ nguyên lãi suất của đợt trước. Qua thu thập số liệu tác giả nhận thấy lãi suất này không có biến động nhiều trong giai đoạn 2008-2010, do đó sử dụng chung một mức lãi suất là 9%/năm, được đưa vào mô hình theo kỳ quan sát tuần với lãi suất 0.1726%/tuần. Tỷ suất sinh lợi thị trường được lấy là sự thay đổi trong chỉ số VN-Index. Giá trị sổ sách, giá trị thị trường, đầu tư trên tài sản I/A và TSSL trên tổng tài sản ROA được lấy 6 tháng một lần, dựa trên các báo cáo tài chính 6 tháng và báo cáo tài chính năm của các công ty, hầu hết báo cáo đều đã được soát xét (BCTC 6 tháng) và kiểm toán (BCTC năm). Với 95 chứng khoán trong ba năm quan sát, bài nghiên cứu đã sử dụng 480 báo cáo tài chính. 2.2.2. Phƣơng pháp xử lý dữ liệu: Tỷ suất sinh lợi chứng khoán Từ giá hàng ngày của chứng khoán, ta tiến hành tính TSSL tuần (chọn kỳ để tiến Trang 22 hành chạy mô hình là tuần, quan sát trong 3 năm, có tất cả 153 tuần, do trừ một số tuần lễ, tết không giao dịch). TSSL tuần được tính theo công thức: TSSL = ln Gi á đóng cửa Gi á tham chi ếu ; với giá tham chiếu được tính theo quyết định số 79/2000/ QĐ-UBCK ngày 29/12/2000 của Chủ tịch UBCK Nhà nước về Quy chế thành viên, niêm yết, công bố thông tin và giao dịch chứng khoán. Theo đó thì với định kỳ là tuần, giá tham chiếu là giá đóng cửa của ngày cách ngày hiện tại ít nhất 7 ngày. Để thuận tiện trong cách tính toán, bài nghiên cứu tiến hành tính TSSL ngày của chứng khoán và TSSL tuần được tính là tổng của các TSSL ngày, hai cách tính này đều cho kết quả như nhau, bởi: ln Pt P0 = ln Pt Pt−1 + ln Pt−1 Pt−2 + …+ ln P2 P1 + ln P1 P0 . Các nhân tố mô phỏng cho mô hình Với mô hình của Fama-French: Quy mô công ty được tính theo giá chứng khoán của ngày hiện tại nhân với số lượng cổ phần thường đang lưu hành. Đây cũng chính là giá trị thị trường-vốn hoá thị trường (ME) của công ty. Giá trị sổ sách cổ phần thường (BE-Book common equity): được tính theo cách tính của Fama-French, bằng giá trị sổ sách vốn chủ sở hữu+thuế được hoãn lại trên bảng cân đối kế toán– giá trị sổ sách cổ phần ưu đãi (Theo Eugene F.Fama and Kenneth R.French (1993), “Common risk factors in the returns of stocks and bonds” Journal of Financial Economics 33, trang 8). Giá thị trường và giá sổ sách chỉ được tính trên cổ phần thường, vì cổ phần ưu đãi không cho người nắm giữ quyền quản lý công ty. Ta tiến hành chia 95 chứng khoán thành 2 nhóm theo quy mô với tỷ lệ 50%-50% và chia thành 3 nhóm theo BE/ME với tỷ lệ 30%-40%-30%, tạo thành 6 danh mục. Như vậy để có thể xếp hạng chứng khoán được, trong khi giá trị thị trường thay đổi hàng ngày thì việc xếp hạng 95 chứng khoán hàng ngày, thay đổi chứng khoán trong danh mục hàng ngày là điều khó có thể làm được. Chính vì chi phí lớn như vậy, tôi tiến hành phân loại chứng khoán mỗi 6 tháng. Các chứng khoán được xếp hạng theo quy mô và BE/ME 6 tháng một lần (dựa trên số liệu trên BCTC của 6 tháng trước) và cứ sau 6 tháng, các danh mục S/L, S/M, S/H, B/L, B/M, B/H được tái tạo. Với mẫu quan sát 3 năm thì sẽ có 6 lần tái tạo danh mục. TSSL tuần mỗi danh mục được tính với tỷ trọng là Trang 23 % vốn hoá của chứng khoán trong danh mục. Các chỉ số SMB, HML được tính là: SMB = (S/L + S/M + S/H)/3 – (B/L + B/M + B/H)/3 HML = (S/H + B/H)/2 – (S/L + B/L)/2 Ta được chuỗi tuần của SMB, HML. Đầu vào cho mô hình Fama-French đã được tính. Với mô hình của Carhart: Ba nhân tố đầu tiên của mô hình Carhart ta xây dựng tương tự như trong mô hình Fama-French. Nhân tố thứ tư là nhân tố xu hướng một năm. Carhart tính nhân tố thứ tư là chênh lệch TSSL hàng tháng của danh mục 30% chứng khoán cao giá trong những tháng trước và TSSL danh mục 30% chứng khoán thấp giá trong những tháng trước, TSSL Carhart sử dụng là TSSL 11 tháng trước trễ 1 tháng. Bài nghiên cứu này sử dụng kỳ quan sát tính toán là tuần, do đó ta sẽ tiến hành xây dựng nhân tố PR1YR là Pr6MT, là chênh lệch TSSL của những chứng khoán cao giá 6 tháng trước trừ cho TSSL những chứng khoán thấp giá 6 tháng trước. Ta chia 95 chứng khoán thành 2 nhóm theo quy mô ( tỷ lệ 50%-50%) và 3 nhóm theo nhân tố xu hướng (tỷ lệ 30%-40%-30%), tức là theo TSSL. Ta tái tạo các chứng khoán trong 6 danh mục mỗi 6 tháng một lần. Tuy nhiên, để xây dựng được nhân tố xu hướng cho kỳ đầu tiên thì ta phải có số liệu giá của kỳ trước đó, do đó bài nghiên cứu này sẽ chạy mô hình Carhart trong khoảng thời gian từ tháng 6 năm 2008 đến tháng 12 năm 2010. Nhân tố xu hướng được chia thành 3 nhóm danh mục mô phỏng: Winners, Neutral, Losers dựa trên TSSL 6 tháng trước, nhóm Winners bao gồm những chứng khoán có TSSL cao nhất, và tương tự như thế cho các nhóm kia, điểm gãy để phân nhóm là 30%-40%-30%. Từ đó ta có 6 danh mục. Vào đầu 6 tháng tiếp theo, ta lại tiến hành phân loại lại theo quy mô (vốn hoá thị trường của chứng khoán) và theo TSSL. Nhân tố PR6MT được tính hàng tuần: PR6MT = (S/W + B/W)/2 – (S/L + B/L)/2 Như vậy các nhân tố cho mô hình bốn nhân tố Carhart đã được xây dựng. Với mô hình của Lu Zhang: Mô hình gồm có ba nhân tố là phần bù thị trường, phần bù đầu tư và phần bù ROA. Các nhân tố cũng được xây dựng theo phương pháp danh mục mô phỏng nhân tố. Trang 24 Đầu tư trên tài sản I/A được tính là đầu tư kỳ trước trên tổng tài sản đầu kỳ trước. Ví dụ: Ta tiến hành xếp hạng chứng khoán vào tháng 1 năm 2008 thì: I/A = (Hàng tồn kho + Đầu tư tài chính ngắn hạn + Tài sản cố định, Bất động sản đầu tư + Đầu tư tài chính dài hạn cuối Quý 4 năm 2007) – (Hàng tồn kho + Đầu tư tài chính ngắn hạn + Tài sản cố định, Bất động sản đầu tư + Đầu tư tài chính dài hạn cuối Quý 2 năm 2007) / Tổng tài sản cuối Quý 2 năm 2007. Các chứng khoán được chia thành 3 nhóm theo I/A là High, Medium, Low với các điểm gãy 30%-40%-30%. Các chứng khoán cũng được phân theo quy mô thành 2 nhóm là Small, Big. Từ đó ta có 6 danh mục, TSSL tuần từng danh mục là bình quân gia quyền TSSL các chứng khoán trong danh mục với quyền số là % vốn hoá thị trường các chứng khoán trong danh mục. Các danh mục được tái tạo 6 tháng một lần. Nhân tố rINV được tính là chênh lệch TSSL giữa các danh mục có I/A thấp và danh mục có I/A cao (low minus high). RINV= (S/LINV + B/LINV)/2 – (S/HINV + B/HINV)/2 Với nhân tố ROA, 95 chứng khoán cũng được chia thành 2 nhóm theo quy mô (Small, Big) và 3 nhóm theo ROA với các điểm gãy 30%-40%-30%, ROA được tính là lợi nhuận sau thuế trên tổng tài sản. Sáu danh mục cũng được tái tạo mỗi sáu tháng. Nhân tố rROA được tính là chênh lệch TSSL tuần của các chứng khoán có ROA cao trừ TSSL chứng khoán có ROA thấp (high minus low): RROA = (S/HROA+ B/HROA)/2 – (S/LROA + B/LROA)/2 Như vậy các nhân tố cho mô hình ba nhân tố Lu Zhang đã được xây dựng. 2.3. Kiểm định giả thiết thống kê về quy luật phân phối xác suất của TSSL chứng khoán: Ta kiểm định xem TSSL chứng khoán có phân phối theo quy luật chuẩn hay không, vì một trong những giả thiết của phương pháp bình phương bé nhất OLS là các phần dư Ui có phân phối chuẩn. Ta sử dụng thống kê Jacques-Bera (thống kê JB), kiểm định được thực hiện trên toàn bộ 95 chứng khoán với 153 kỳ quan sát. Giả thiết Ho: Chuỗi/biến có phân phối chuẩn Với kích cỡ mẫu quan sát lớn, thống kê JB có phân phối xấp xỉ Chi bình phương với bậc tự do là 2. Ho sẽ bị bác bỏ nếu JB > χα 2 (2). Nếu xảy ra trường hợp ngược lại thì chưa có cơ sở bác bỏ Ho. JB = 0 thì chuỗi có phân phối chuẩn hoàn toàn. Xác suất p Trang 25 được báo cáo kèm theo giá trị thống kê JB là xác suất nhỏ nhất có thể bác bỏ Ho với mức ý nghĩa α. Giá trị p càng nhỏ thì khả năng bác bỏ Ho càng cao. Ta có bảng các giá trị thống kê như sau: Bảng 2.1: Bảng tóm tắt các giá trị thống kê Mean Median Std. Dev. Skewness Kurtosis Jarque- Bera Prob. Obs. BHS -0.00167 0.002963 0.091196 -0.13783 5.499911 40.32533 0.00000 153 KDC -0.00343 4.68E-17 0.078576 -0.47064 4.336792 17.04041 0.000199 153 BBC -0.00948 -0.01266 0.086207 0.229505 3.751752 4.945857 0.084338 153 ABT -0.00173 9.37E-17 0.092265 -0.96112 11.69811 505.8699 0.00000 153 DMC -0.00898 -0.01053 0.076735 0.591746 7.863427 159.7165 0.00000 153 IMP -0.0072 -2.6E-16 0.06151 -0.02347 4.331211 11.31133 0.003498 153 VTB -0.00625 -0.00273 0.078737 -0.03999 3.484866 1.539506 0.463128 153 FPT -0.00306 0 0.091308 -0.43357 6.851497 99.36054 0.00000 153 STB -0.0065 -0.00594 0.06587 -0.1549 4.432185 13.68791 0.001066 153 BMP -0.00215 -0.00211 0.11673 -0.81811 23.46422 2686.816 0.00000 153 DPR -0.00106 -4.2E-17 0.083572 0.115996 4.159476 8.913556 0.0116 153 HRC -0.00637 -0.00563 0.09615 0.092756 3.785436 4.152197 0.125419 153 DTC 0.017661 0.002328 0.345736 -0.85861 10.10561 340.6706 0.00000 153 RIC -0.01024 -0.01474 0.087097 0.290187 3.436167 3.360107 0.186364 153 REE -0.01323 -0.00976 0.111369 -2.17751 18.07121 1568.937 0.00000 153 GMD -0.00892 -0.01786 0.096936 0.060848 3.661741 2.886032 0.236214 153 ITA -0.00559 -0.00635 0.130883 0.099639 7.926064 154.9496 0.00000 153 VIC 0.006351 0.009756 0.091126 -1.00414 18.32426 1522.771 0.00000 153 AGF -0.0078 -0.01269 0.07829 0.210021 3.816383 5.373588 0.068099 153 BMC -0.01434 -0.01955 0.096187 0.155776 3.371279 1.497566 0.472942 153 BT6 0.00147 -2.4E-16 0.083588 -0.11439 4.773422 20.38322 0.000037 153 CII -0.00041 1.6E-16 0.103279 -0.69838 14.08471 795.7382 0.00000 153 CLC -0.00351 0.006645 0.084769 -0.27549 6.218774 67.98351 0.00000 153 COM -0.00133 0.008535 0.171887 -0.2934 7.148778 111.9239 0.00000 153 DCC -0.00356 -0.01161 0.092278 0.022694 4.061111 7.191112 0.027445 153 DCT -0.00463 -0.00791 0.06565 -0.02661 3.054153 0.036757 0.981789 153 DHA -0.00593 -0.00722 0.089884 -0.97259 7.493962 152.8686 0.00000 153 DHG -0.00192 -1.4E-16 0.068245 -0.38334 11.05402 417.2762 0.00000 153 Trang 26 DRC -0.00146 -1E-16 0.129747 -0.73518 17.86479 1422.414 0.00000 153 DTT -0.0061 -0.00897 0.080072 0.327807 5.737049 50.49806 0.00000 153 FPC -0.01253 0.00000 0.061641 -0.48686 4.090724 13.6286 0.001098 153 GIL -0.00238 -3.5E-17 0.093486 -0.74145 10.10185 335.5497 0.00000 153 GMC -0.002 -1.1E-16 0.108893 -0.27822 5.192423 32.6167 0.00000 153 GTA -0.0087 -0.01058 0.080145 0.23495 3.12572 1.5084 0.470387 153 HAS -0.00971 -0.01626 0.08567 0.058374 3.658594 2.852021 0.240266 153 HBC -0.0056 -0.00472 0.082974 0.053033 4.232761 9.75981 0.007598 153 HMC -0.00539 -0.01156 0.093531 0.162947 3.76571 4.414809 0.109986 153 HPG -0.00079 -5.2E-17 0.095245 -0.86016 12.00409 535.7111 0.00000 153 HT1 -0.00756 -0.00733 0.065386 0.310098 3.910735 7.739768 0.020861 153 HTV -0.00602 -0.00717 0.103925 -0.11485 3.195355 0.57965 0.748394 153 ICF -0.00803 -0.01105 0.105323 -0.05653 4.247408 10.00114 0.006734 153 IFS -0.00896 0.00000 0.071975 0.417592 4.212664 13.82155 0.000997 153 KHP -0.0044 -0.00784 0.057747 -0.37039 5.80821 53.77184 0.00000 153 L10 -0.0055 -0.00995 0.091323 0.055718 2.855326 0.212597 0.899156 153 LAF -0.00147 -2.2E-17 0.064736 -0.0205 2.879874 0.10271 0.949941 153 LBM -0.00475 -0.00652 0.083059 0.204197 3.512585 2.73825 0.254329 153 LGC 6.61E-05 -0.00489 0.083259 0.126765 3.795276 4.441726 0.108515 153 MCV -0.00334 -0.01087 0.102791 0.239272 2.998153 1.45993 0.481926 153 MHC -0.00944 -0.00913 0.091118 0.226711 3.12299 1.407084 0.49483 153 NSC 0.000817 -0.00255 0.074182 0.51995 8.111588 173.462 0.00000 153 PGC -0.00737 -0.00784 0.083266 0.003368 3.412005 1.082431 0.58204 153 PPC -0.01035 -0.01781 0.079083 0.4785 3.787558 9.792617 0.007474 153 PVT -0.00694 -0.01053 0.065917 0.367881 4.024125 10.13739 0.006291 153 RAL -0.00925 -0.00712 0.092191 0.007333 3.154156 0.152867 0.926414 153 SAV -0.00195 -0.0104 0.077826 0.269698 2.8616 1.976905 0.372152 153 SC5 -0.00775 -0.01667 0.108659 0.163868 3.321195 1.342433 0.511086 153 SCD -0.00151 -2.1E-16 0.079194 0.239081 4.130216 9.600931 0.008226 153 SFC 0.00098 -0.01055 0.167909 -0.10108 21.77524 2247.508 0.00000 153 SJD -0.00581 -0.00778 0.057116 0.442079 4.577047 20.83868 0.00003 153 SJS -0.00308 -3.6E-17 0.135899 -0.6117 25.19184 3149.087 0.00000 153 SMC -0.00181 -0.00367 0.135822 0.687583 15.49127 1006.759 0.00000 153 SSC -0.00538 -0.00332 0.138472 -0.96954 19.72769 1807.795 0.00000 153 SSI -0.00599 -0.01212 0.102407 0.043042 3.337129 0.7718 0.679838 153 Trang 27 ST8 -0.00485 -8.3E-17 0.082749 -0.31294 4.050847 9.537032 0.008493 153 TCM -0.0037 -0.00555 0.087017 -0.02412 2.828336 0.2027 0.903617 153 TCR -0.006 -1.5E-16 0.085192 -0.27817 4.025382 8.67593 0.013063 153 TDH -0.00499 -0.00803 0.112657 -0.46532 9.966773 314.9377 0.00000 153 TNA -0.00082 -0.00608 0.081247 0.276248 3.601872 4.255328 0.119115 153 TNC -0.00457 -0.00897 0.089638 0.446533 3.054529 5.103442 0.077947 153 TPC -0.00557 -0.00873 0.088593 0.255316 3.200004 1.917263 0.383417 153 TRC -0.00298 4.51E-17 0.087257 -0.18377 4.238645 10.64198 0.004888 153 TS4 -0.00099 -0.00957 0.091376 0.086899 3.065097 0.219577 0.896024 153 TSC -0.00992 -0.00436 0.089501 -0.1036 2.985471 0.275024 0.871524 153 TTP -0.00696 -0.00259 0.087164 0.03451 4.371376 12.01966 0.002455 153 TYA -0.01078 -0.01227 0.084691 0.205666 3.770374 4.862021 0.087948 153 UIC -0.0076 -0.0093 0.111084 0.028388 3.119223 0.111164 0.945934 153 VFC -0.00297 -0.00816 0.083286 0.193438 3.504428 2.576267 0.275785 153 VHC -0.00419 -0.00295 0.08528 0.276743 3.492664 3.500286 0.173749 153 VIP -0.01002 -0.01429 0.092619 0.099916 2.788531 0.539659 0.76351 153 VIS -8.2E-05 -0.00717 0.122634 -0.31808 11.40891 453.3552 0.00000 153 VNM 0.000808 3.47E-17 0.061616 -0.03609 3.659209 2.803503 0.246165 153 VPK -0.00538 -0.01093 0.07645 0.614161 4.378902 21.73968 0.000019 153 VSH -0.00535 -2.5E-16 0.089801 -0.80051 13.79045 758.6067 0.00000 153 VTO -0.01048 -0.01117 0.070264 -0.04417 3.604447 2.378902 0.304388 153 ALP -0.00707 -0.0146 0.079323 0.457419 4.434931 18.4617 0.000098 153 ANV -0.01178 -0.00926 0.091655 -0.25996 3.149353 1.865467 0.393477 153 CYC -0.00641 -0.01105 0.078338 0.261255 3.735151 5.185835 0.074801 153 FMC -0.00846 -1.4E-16 0.088073 -0.03807 3.441414 1.279096 0.527531 153 HAX -0.00633 -0.00844 0.083234 0.183027 3.986953 7.063963 0.029247 153 KHA -0.00155 -0.00432 0.071848 0.252646 3.421478 2.760141 0.251561 153 MCP -0.00424 -3.8E-17 0.075826 0.297035 4.282082 12.72866 0.001722 153 ACL -0.00543 -0.01026 0.084559 0.084648 3.258009 0.607089 0.738197 153 MPC -0.00343 -0.00303 0.078922 0.077754 3.646238 2.816513 0.244569 153 VN_IN DEX -0.00407 0.000186 0.055439 -0.36862 3.890675 8.522272 0.014106 153 Dựa vào bảng kết quả: Nếu chọn mức ý nghĩa 10% thì có 39/95 chứng khoán có p đi kèm với thống kê JB >10%, tức chưa có cơ sở bác bỏ Ho, TSSL có thể có phân phối chuẩn. Nếu mức ý nghĩa 5% thì 44/95 chứng khoán có thể có phân phối chuẩn. Trang 28 Trong cả hai trường hợp thì đều bác bỏ giả thiết Ho đối với VN index, VN index không có phân phối chuẩn. Tuy nhiên với kết quả 39/95 và 44/95 chứng khoán có phân phối chuẩn thì đây là một kết quả chấp nhận được (do giới hạn về độ dài thời kỳ quan sát, nếu kỳ quan sát lớn hơn thì sẽ có nhiều chứng khoán tó TSSL phân phối chuẩn). Ta có thể tiến hành tiếp việc kiểm định các mô hình. Để đánh giá rủi ro chứng khoán ta không chỉ dựa vào TSSL trung bình và phương sai mà còn căn cứ vào hệ số bất đối xứng Skewness và hệ số nhọn Kurtosis. Hệ số bất đối xứng là momen bậc ba, đo lường độ lệch của phân phối. Nếu hệ số = 0, phân phối là cân xứng và số bình quân = số trung vị = số mode. Nếu hệ số Skewness < 0, phân phối lệch phải, số mode < số trung vị < số bình quân, hàm ý rằng với TSSL trung bình dương thì xuất hiện một vài TSSL rất âm, đây là rủi ro cho nhà đầu tư. Nếu hệ số Skewness > 0, phân phối lệch trái, có nghĩa là với TSSL trung bình âm có khả năng trong tương lai xuất hiện một vài TSSL dương rất cao. Chính vì vậy nhà đầu tư sẽ ưa thích cổ phiếu có skewness dương. Hệ số nhọn Kurtosis đo lường phân phối của các giá trị quanh TSSL trung bình. Hệ số nhọn càng nhỏ thì có xác suất lớn các TSSL gần với TSSL trung bình, chứng tỏ chứng khoán có độ an toàn cao. Trên bảng kết quả, ta có thể thấy những chứng khoán thu hút nhà đầu tư là các chứng khoán có mean >0, skewness cao và kurtosis thấp, đó là BT6, NSC, VNM, LGC. 2.4. Kiểm định mô hình CAPM: 2.4.1. Mô hình hồi quy: Ta tiến hành kiểm định mô hình CAPM cho các danh mục S/H, S/M, S/L, B/H, B/M, B/L của Fama-French với danh mục thị trường là VN index. E(Rit) – Rft = αi + βi (E(Rmt)-Rf) + et 2.4.1.1. Kiểm tra tính dừng của chuỗi dữ liệu: Một trong các giả thiết của mô hình hồi quy cổ điển là các biến độc lập phi ngẫu nhiên, chúng có các giá trị xác định. Nếu như chúng ta ước lượng một mô hình trong đó các biến độc lập không dừng thì giả thiết của OLS bị vi phạm. (Hoàng Ngọc Nhậm (2008), Giáo trình Kinh tế lượng, Trường ĐHKT TPHCM, trang 265). Một chuỗi được gọi là dừng nếu kỳ vọng, phương sai và hiệp phương sai không đổi theo thời gian. Trang 29 Ta tiến hành kiểm tra tính dừng của biến độc lập bằng phương pháp nghiệm đơn vị (Unit Root Test). Đối với mô hình CAPM, biến độc lập là nhân tố thị trường. Xét mô hình: Yt = ρYt-1 + Ut , trong đó Ut là nhiễu trắng Nếu ρ = 1: Yt là một bước ngẫu nhiên ( random walk), E(Yt) = E(Yt-1) + E(Ut) = E(Yt-1), tức Yt có kỳ vọng không đổi Var(Yt) = t.Ϭ 2, do Y1=Y0+U1, Y2 = Y0+U1+U2, Y3= Y0+U1+U2+U3… và các Ui có phương sai không đổi Ϭ 2 . Khi đó chuỗi không dừng, và chuỗi sai phân bậc nhất:ΔYt =Yt – Yt-1 = Ut là chuỗi dừng. Ta dùng tiêu chuẩn kiểm định Dickey-Fuller, kiểm định giả thiết Ho: ρ=1, tức chuỗi không dừng. Giả thiết đối H1: ρ≠1, chuỗi dừng. Bảng kết quả kiểm định như sau: Bảng 2.2: Bảng kiểm định Unit Root Test trên nhân tố thị trƣờng (Xem thêm ở Phụ lục 1.2) Giá trị τ của thống kê DF là -9.996751. Ta thấy |τ| khi so sánh với τ0.01, τ0.05, τ0.1 thì đều lớn hơn, có nghĩa là giả thiết Ho có thể bị bác bỏ với các mức ý nghĩa 1%, 5%, 10%. Ta kết luận chuỗi dữ liệu của biến độc lập là chuỗi dừng. 2.4.1.2. Ƣớc lƣợng mô hình hồi quy Dùng phương pháp OLS, ta hồi quy TSSLvượt trội các danh mục theo nhân tố thị trường Rm-Rf để kiểm định sự phù hợp của mô hình CAPM trên TTCK Việt Nam. Mô hình có dạng: E(Rit) – Rft = αi + βi (E(Rmt)-Rf) + et Kết quả hồi quy ta được các mô hình như sau:  Danh mục S/H: E(Rt) - Rf = 0.001192 + 0.984390 * (E(Rmt)-Rf) + et  Danh mục S/M: E(Rt) - Rf = -0.000449 + 0.899783 * (E(Rmt)-Rf) + et  Danh mục S/L: E(Rt) - Rf = -0.003670 + 0.898810 * (E(Rmt)-Rf) + et  Danh mục B/H: E(Rt) - Rf = -0.005641 + 1.246444 * (E(Rmt)-Rf) + et Trang 30  Danh mục B/M: E(Rt) - Rf = -0.002116 + 1.075607 * (E(Rmt)-Rf) + et  Danh mục B/L: E(Rt) - Rf = -0.002401 - 0.031617 * (E(Rmt)-Rf) + et (Xem thêm ở Phụ lục1.3) Với kết quả hồi quy trên, ta nhận thấy các mô hình đều có sai số (intercept-α) khá thấp, đều xấp xỉ bằng 0, cho thấy không có sự chênh lệch đáng kể giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng CAPM. Đồng thời, so sánh giá trị α với 0 cho ta biết được chứng khoán đang được định giá cao hay thấp. Nếu α > 0: TSSL thực tế lớn hơn TSSL kỳ vọng ước lượng theo CAPM, chứng khoán đang được chiết khấu với TSSL cao hơn, tức chứng khoán đang bị định giá thấp; và ngược lại. Kết quả kiểm định bằng mô hình CAPM cho thấy hầu hết các danh mục đều đang được định giá cao (α<0), chỉ trừ danh mục S/H. Tuy nhiên khi xét đến ý nghĩa thống kê của α thì α không có ý nghĩa thống kê, chấp nhận giả thiết α=0, có nghĩa là các danh mục được định giá đúng Các danh mục, ngoại trừ danh mục B/L gồm các chứng khoán quy mô lớn và BE/ME thấp, đều có β dương và xoay quanh giá trị 1,cho thấy hầu hết chứng khoán trên HoSE giai đoạn 2008-2010 đều biến động cùng chiều với thị trường và rủi ro gắn liền với rủi ro thị trường. Đặc biệt danh mục B/H có β=1.246444 dương lớn nhất, hàm ý rằng các chứng khoán có quy mô lớn và BE/ME cao thường khuếch đại các biến động trong TSSL thị trường và có liên quan chặt chẽ với rủi ro thị trường nhất. Trong 6 danh mục thì có trường hợp đặc biệt danh mục B/L với β <0, tức là các chứng khoán có quy mô lớn và BE/ME thấp thì biến động ngược chiều với thị trường và phần bù rủi ro âm. Các hệ số β cho thấy một quy luật: Khi tỷ số BE/ME giảm thì hệ số β chứng khoán giảm (hệ số beta S/H >S/M > S/L, B/H > B/M > B/L), có nghĩa là β chứng khoán trong mô hình một nhân tố có liên quan với nhân tố giá trị sổ sách/giá trị thị trường. 2.4.2. Kiểm định các giả thiết thống kê: 2.4.2.1. Kiểm định giả thiết đối với các hệ số hồi quy: Ta kiểm định các giả thiết đối với các hệ số α và β của mô hình một nhân tố. Kiểm định giả thiết đối với hệ số α Giả thiết Ho: α = 0. Ta sử dụng giá trị thống kê t và xác suất p-value để kiểm định Ho. Đại lượng ngẫu nhiên t tuân theo quy luật Student với bậc tự do n-k, k là số hệ số có trong mô hình. Với mức ý nghĩa α =5%, dùng hàm tinv trong excel để tìm ra giá trị tα/2(151). Ta có bảng kết quả: Trang 31 Bảng 2.3: Bảng kết quả kiểm định giả thiết đối với hệ số α mô hình CAPM α t P value Kết quả kiểm định Danh mục S/H 0.001192 0.404620 0.6863 Chấp nhận Ho Danh mục S/M -0.000449 -0.152462 0.8790 Chấp nhận Ho Danh mục S/L -0.003670 -0.999265 0.3193 Chấp nhận Ho Danh mục B/H 0.005641 1.006695 0.3157 Chấp nhận Ho Danh mục B/M -0.002116 -0.815020 0.4163 Chấp nhận Ho Danh mục B/L -0.002401 -0.901700 0.3693 Chấp nhận Ho (Xem thêm ở Phụ lục 1.3) Với các kết quả kiểm định trên ta chấp nhận giả thiết Ho: hệ số α = 0 Kiếm định giả thiết đối với hệ số β Giả thiết Ho: β = 0. Ta cũng sử dụng giá trị thống kê t và p-value để kiểm định. Bảng 2.4: Bảng kết quả kiểm định giả thiết đối với hệ số β mô hình CAPM Β T p-value Kết quả kiểm định Danh mục S/H 0.984390 18.55805 0.000 Bác bỏ Ho Danh mục S/M 0.899783 16.96962 0.000 Bác bỏ Ho Danh mục S/L 0.898810 13.59525 0.000 Bác bỏ Ho Danh mục B/H 1.246444 12.35945 0.000 Bác bỏ Ho Danh mục B/M 1.075607 23.01763 0.000 Bác bỏ Ho Danh mục B/L -0.031617 -0.666357 0.5062 Chấp nhận Ho (Xem thêm ở Phụ lục 1.3) Kết quả cho thấy chỉ có trường hợp của danh mục B/L là mô hình không có ý nghĩa thống kê, hệ số β chấp nhận =0. Các trường hợp còn lại đều cho giá trị thống kê t lớn, p-value=0, cho thấy nhân tố thị trường giải thích được cho TSSL của chứng khoán. 2.4.2.2. Kiểm định phần dƣ: Kiểm định tương quan giữa các Ui Mô hình hồi quy OLS giả định rằng các hạng nhiễu Ui không có tương quan với nhau. Ta sử dụng thống kê Durbin –Watson kiểm định tự tương quan giữa các phần dư. Bảng 2.5: Bảng giá trị thốngkê Durbin-Watson trên phần dƣ mô hình CAPM D Danh mục S/H 2.005635 Trang 32 Danh mục S/M 2.001896 Danh mục S/L 2.031883 Danh mục B/H 2.005419 Danh mục B/M 1.994321 Danh mục B/L 1.999907 (Xem thêm ở Phụ lục1.4) Vì giá trị Durbin Watson đều xoay quanh giá trị 2 không đáng kể nên ta không kết luận được là có tồn tại tự tương quan hay không. Sử dụng giá trị F và p-value của kiểm định BG (Breusch – Godfrey) với giả thiết Ho: ρ1 = 0, không tồn tại tự tương quan bậc nhất; ta thu được kết quả: Bảng 2.6: Bảng kết quả kiểm định Breusch-Godfrey trên phần dƣ mô hình CAPM nR2 Prob. Chi square(1) Kết quả kiểm định Danh mục S/H 5.771374 0.016289 Bác bỏ Ho Danh mục S/M 2.796668 0.094460 Chấp nhận Ho Danh mục S/L 4.117297 0.042447 Bác bỏ Ho Danh mục B/H 8.326102 0.003908 Bác bỏ Ho Danh mục B/M 8.347120 0.003863 Bác bỏ Ho Danh mục B/L 1.310245 0.252350 Chấp nhận Ho ( Xem thêm ở Phụ lục 1.4) Kết quả kiểm định BG cho thấy: chỉ có hai trường hợp không tồn tại tự tương quan bậc nhất, có 4 trường hợp tồn tại tự tương quan bậc nhất giữa các phần dư. Kiểm định phương sai đồng nhất Mô hình hồi quy tuyến tính cổ điển cũng giả định rằng các hạng nhiễu Ui có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay không, ta tiến hành kiểm định White đối với chuỗi phần dư. Giả thiết Ho: Phương sai của sai số ngẫu nhiên của mô hình không đổi. Nếu Ho đúng thì thống kê nR2 có phân phối xấp xỉ với Chi-bình phương với k bậc tự do, k là số hệ số của mô hình không kể hệ số chặn. Nếu nR2 vượt quá giá trị tới hạn thì bác bỏ giả thiết Ho. Kết quả kiểm định White: Bảng 2.7: Bảng kết quả kiểm định phƣơng sai đồng nhất mô hình CAPM Trang 33 nR2 Prob. Chi square(2) Kết quả kiểm định Danh mục S/H 0.462234 0.793647 Chấp nhận Ho Danh mục S/M 0.331211 0.847380 Chấp nhận Ho Danh mục S/L 3.819983 0.148082 Chấp nhận Ho Danh mục B/H 1.240594 0.537785 Chấp nhận Ho Danh mục B/M 1.754818 0.415859 Chấp nhận Ho Danh mục B/L 0.508775 0.775391 Chấp nhận Ho (Xem thêm ở Phụ lục 1.5) Cả 6 danh mục đều cho kết quả kiểm định White là chấp nhận giả thiết Ho, tức các Ui có phương sai không đổi. 2.4.3. Kiểm định sự phù hợp của hàm hồi quy: Ta kiểm định xem nhân tố TSSL vượt trội thị trường Rm-Rf có thực sự giải thích cho TSSL vượt trội chứng khoán hay không. Giả thiết Ho: R2 = 0. Về mặt ý nghĩa thống kê, với mô hình hồi quy hai biến thì kiểm định sự phù hợp của hàm hồi quy trùng với kiểm định giả thiết β = 0, vì mô hình chỉ có một biến giải thích. Kiểm định R2 chỉ có ý nghĩa với mô hình hồi quy bội. Tuy nhiên ở đây, ta vẫn thực hiện kiểm định Ho: R2 = 0 để kiểm tra tính đúng đắn của mô hình khi sử dụng các phương pháp kiểm định khác nhau.Ta sử dụng phân phối Fisher-Snedecor được kết quả: Bảng 2.8: Bảng giá trị hệ số xác định mô hình CAPM Hệ số R2 Thống kê F p-value Kết quả kiểm định Danh mục S/H 0.695197 344.4012 0.000 Bác bỏ Ho Danh mục S/M 0.656011 287.9681 0.000 Bác bỏ Ho Danh mục S/L 0.550369 184.8307 0.000 Bác bỏ Ho Danh mục B/H 0.502891 152.7561 0.000 Bác bỏ Ho Danh mục B/M 0.778206 529.8114 0.000 Bác bỏ Ho Danh mục B/L 0.002932 0.444031 0.506200 Chấp nhận Ho (Xem thêm ở Phụ lục 1.3) Kết quả trên cho thấy mô hình có ý nghĩa với tất cả các danh mục, ngoại trừ danh mục B/L. Kết quả này hoàn toàn trùng với kết quả kiểm định hệ số β. Với các danh mục mô hình có ý nghĩa, giá trị R2 đều > 50% cho thấy nhân tố thị trường giải thích được hơn 50% những thay đổi trong TSSL chứng khoán. Với giá trị R2 lớn nhất Trang 34 77% thì điều này hàm ý rằng có thể có những biến giải thích khác cho TSSL chứng khoán nữa. Đó chính là lý do chúng ta nghiên cứu thêm ảnh hưởng của nhân tố quy mô, nhân tố giá trị, nhân tố đầu tư… trong các mô hình sau. 2.5. Ƣớc lƣợng TSSL kỳ vọng bằng mô hình 3 nhân tố Fama-French (FF3FM): 2.5.1. Mô hình hồi quy: Trước hết ta phân tích sơ bộ các tham số thống kê của mô hình. Bảng 2.9: Bảng tóm tắt các giá trị thống kê mô hình FF3FM (Phụ lục 2.1) Với kết quả trong bài nghiên cứu của Fama-French trên thị trường Mỹ giai đoạn 1963-1991 thì chuỗi SMB và HML có trung bình dương, tức các chứng khoán có quy mô nhỏ thì có TSSL lớn hơn chứng khoán có quy mô lớn, và chứng khoán có BE/ME cao thì có TSSL lớn hơn chứng khoán có BE/ME thấp. Tuy nhiên, với kết quả thống kê được trên 95 chứng khoán niêm yết trên HoSE giai đoạn 2008-2010 thì chuỗi HML có trung bình dương, giống với kết quả của Fama-French nhưng chuỗi SMB lại có trung bình âm. Điều này có nghĩa là các chứng khoán có quy mô lớn có TSSL cao hơn chứng khoán có quy mô nhỏ và chứng khoán có BE/ME cao có TSSL cao hơn chứng khoán có BE/ME thấp. Đồng thời kết quả thống kê cho thấy trong 6 danh mục chỉ có danh mục B/H là có TSSL trung bình >0, các danh mục còn lại đều có TSSL trung bình <0. Bảng 2.10: Ma trận hệ số tƣơng quan giữa các nhân tố (Phụ lục 2.2) Ma trận hệ số tương quan cho thấy nhân tố thị trường tương quan ngược chiều với SMB trong khi tương quan cùng chiều với HML. Hai nhân tố SMB và HML có Trang 35 tương quan với nhau khá chặt và ngược chiều nhau, hệ số tương quan bằng -0.463956. Ta tiến hành xây dựng mô hình hồi quy TSSL vượt trội chứng khoán theo các nhân tố thị trường, nhân tố quy mô, nhân tố BE/ME. Mô hình có dạng: Ri(t) – RF(t) = αi + bi.[RM(t) – RF(t)] + si.SMB(t) + hi.HML(t) + e(t) t = 1,2,…, T 2.5.1.1. Kiểm tra tính dừng của chuỗi dữ liệu: Cũng tương tự như mô hình định giá tài sản vốn CAPM, trước khi tiến hành xây dựng mô hình, ta kiểm tra tính dừng của biến độc lập bằng phương pháp nghiệm đơn vị (Unit Root Test), vì đây là giả thiết đầu tiên của mô hình hồi quy tuyến tính OLS. Với mô hình 3 nhân tố của Fama-French, ta có 3 biến độc lập (biến giải thích) là Rm- Rf, SMB và HML. Vì đã kiểm tra tính dừng của biến Rm-Rf trong mô hình CAPM nên bây giờ ta chỉ cần kiểm tra tính dừng của hai biến còn lại. Xét mô hình: Yt = ρYt-1 + Ut , trong đó Ut là nhiễu trắng Ta dùng tiêu chuẩn kiểm định Dickey-Fuller, kiểm định giả thiết Ho: ρ=1, tức chuỗi không dừng. Giả thiết đối H1: ρ≠1, chuỗi dừng. Bảng kết quả kiểm định: Bảng 2.11: Bảng kiểm định Unit Root Test trên chuỗi SMB (Phụ lục 2.3) Giá trị thống kê τ = -11.19307, so với τ0.01, τ0.05, τ0.1 thì |τ| đều lớn hơn, ta bác bỏ giả thiết Ho. Chuỗi SMB là chuỗi dừng. Bảng 2.12: Bảng kiểm định Unit Root Test trên chuỗi HML (Phụ lục 2.3) Trang 36 Giá trị thống kê τ = -11.96101, so với τ0.01, τ0.05, τ0.1 thì |τ| đều lớn hơn, ta bác bỏ giả thiết Ho. Chuỗi HML là chuỗi dừng. 2.5.1.2. Ƣớc lƣợng mô hình hồi quy: Dùng phương pháp OLS, ta hồi quy TSSLvượt trội các danh mục theo nhân tố thị trường Rm-Rf, nhân tố quy mô SMB và nhân tố giá trị HML để kiểm định tính phù hợp mô hình 3 nhân tố Fama-French trên thị trường Việt Nam. Mô hình có dạng: E(Ri(t))– RF(t) = αi + bi.[E(RM(t)) – RF(t)] + si.SMB(t) + hi.HML(t) + e(t) t = 1,2,..T Kết quả hồi quy ta được các mô hình như sau:  Danh mục S/H: E(Ri(t))– RF(t) = -0.001841 + 0.984003*(E(RM(t))-RF(t)) + 0.649195*SMB(t) + 0.606085*HML(t) + e(t)  Danh mục S/M: E(Ri(t))– RF(t) = -0.002559 + 0.932191*[E(RM(t)) – RF(t)] + 0.700764*SMB(t) + 0.473693*.HML(t) + e(t)  Danh mục S/L: E(Ri(t))– RF(t) = -0.003532 + 0.971099*[E(RM(t)) – RF(t)] + 0.521559*SMB(t) + 0.087631*HML(t) + e(t)  Danh mục B/H: E(Ri(t))– RF(t) = -0.002896 + 0.939006*[E(RM(t)) – RF(t)] - 0.510067*SMB(t) + 1.216373*HML(t) + e(t)  Danh mục B/M: E(Ri(t))– RF(t) = -0.003830 + 0.996379*[E(RM(t)) – RF(t)] - 0.235983*SMB(t) + 0.216216*HML(t) + e(t)  Danh mục B/L: E(Ri(t))– RF(t) = -0.001206 + 0.951909*[E(RM(t)) – RF(t)] – 0.382431*SMB(t) – 0.265176*HML(t) + e(t) (Xem thêm ở Phụ lục 2.4) Nhận xét về các hệ số: Với kết quả hồi quy trên, ta nhận thấy các mô hình đều có sai số (intercept-α) khá thấp, đều xấp xỉ bằng 0, cho thấy không có sự chênh lệch đáng kể giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng mô hình 3 nhân tố Fama-French. Bảng 2.13: Bảng tóm tắt các hệ số mô hình FF3FM b (hệ số Rm-Rf) s (hệ số SMB) h (hệ số HML) Danh mục S/H 0.984003 0.649195 0.606085 Danh mục S/M 0.932191 0.700764 0.473693 Danh mục S/L 0.971099 0.521559 0.087631 Danh mục B/H 0.939006 -0.510067 1.216373 Danh mục B/M 0.996379 -0.235983 0.216216 Trang 37 Danh mục B/L 0.951909 -0.382431 -0.265176 Hệ số đối với nhân tố thị trường đều dương và >0.93, điều này khác với trong trường hợp kiểm định CAPM với danh mục B/L cho giá trị β=-0.03161, có thể chấp nhận giải thiết β=0. Kết quả kiểm định FF3FM này giống với kết quả của Fama French trên thị trường Mỹ:Hệ số đối với nhân tố thị trường đều xoay quanh giá trị 1. Ta nhận thấy hệ số đối với nhân tố SMB có sự khác biệt giữa các danh mục nhóm Small và Big. Hệ số SMB dương đối với các danh mục quy mô nhỏ và âm đối với các danh mục quy mô lớn. Điều này gần như giống với kết quả của Fama-French khi hai ông chia các danh mục thành 5 nhóm theo quy mô, 5 nhóm theo BE/ME tạo ra 25 danh mục thì 5 danh mục thuộc nhóm Big cao nhất (tương ứng với 5 mức BE/ME) đều cho kết quả hệ số b âm, các trường hợp còn lại đều dương. Hệ số đối với nhân tố HML thì có khác với kết quả của Fama-French. Mô hình cho thấy hệ số h chỉ âm với trường hợp danh mục B/L, các trường hợp khác đều dương, chỉ riêng có trường hợp danh mục S/L thì h=0.08, chấp nhận giả thiết s=0 (ta sẽ kiểm định cụ thể ở phần sau). Với Fama French thì hệ số HML đều dương và đối với 5 danh mục thuộc nhóm Low thấp nhất (tương ứng với 5 mức theo quy mô) thì hệ số s âm. Dựa vào kết quả kiểm định ta thấy: Với các danh mục thuộc cùng nhóm BE/ME, chứng khoán có quy mô nhỏ hơn thì có hệ số đối với nhân tố SMB lớn hơn, hệ số SMB dương đối với những chứng khoán có quy mô nhỏ và âm đối với những chứng khoán có quy mô lớn, đồng thời giá trị trung bình của chuỗi SMB lại âm. Điều này có nghĩa rằng những công ty có quy mô lớn cung cấp TSSL lớn hơn những công ty có quy mô nhỏ. Kết quả này trái ngược với kết quả của Fama French, mà Fama French lý giải rằng các công ty có quy mô nhỏ thường tồn tại rủi ro cao, chi phí đại diện cao, hoạt động kém hiệu quả hơn, do đó phải cung cấp một phần bù rủi ro lớn hơn cho nhà đầu tư. Kết quả kiểm định cũng cho thấy đối với các chứng khoán thuộc cùng một nhóm quy mô, chứng khoán nào có BE/ME cao hơn thì hệ số đối với nhân tố HML lớn hơn. Hệ số đối với HML của danh mục S/H>S/M>S/L, tức 0.606085> 0.473693 > 0.087631, hệ số đối với HML của danh mục B/H>B/M> B/L, tức 1.216373>0.216216>-0.265176. Điều này hoàn toàn phù hợp với kết quả của Fama-French, rằng các công ty có giá trị thị trường/giá trị sổ sách cao phải cung cấp một phần bù đối với nhân tố giá trị lớn hơn Trang 38 cho nhà đầu tư, vì những công ty này thường có rủi ro rơi vào kiệt quệ tài chính cao. 2.5.2. Kiểm định các giả thiết thống kê: 2.5.2.1. Kiểm định giả thiết đối với các hệ số hồi quy: Giả thiết Ho: Hệ số hồi quy = 0 (Với hệ số hồi quy là các hệ số α,b,s,h) Ta sử dụng giá trị thống kê kiểm định t và xác suất p-value để kiểm định Ho. Đại lượng ngẫu nhiên t tuân theo quy luật Student với bậc tự do n-k, k là số hệ số có trong mô hình. Với mức ý nghĩa α =5%, dùng hàm tinv trong excel để tìm ra giá trị tα/2(149). Bảng 2.14: Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình FF3FM Hệ số T p-value Kết quả kiểm định Danh mục S/H α: -0.001841 b: 0.984003 s: 0.649195 h: 0.606085 -0.769564 21.68513 6.660671 8.705342 0.4428 0 0 0 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Bác bỏ Ho Danh mục S/M α: -0.002559 b: 0.932191 s: 0.700764 h: 0.473693 -1.011732 19.43342 6.801322 6.436168 0.3133 0 0 0 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Bác bỏ Ho Danh mục S/L α: -0.003532 b: 0.971099 s: 0.521559 h: 0.887631 -0.981400 14.23062 3.558284 0.836960 0.3280 0 0.0005 0.4040 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Chấp nhận Ho Danh mục B/H α: -0.002896 b: 0.939006 s: -0.510067 h: 1.216370 -0.778027 13.30151 -3.363853 11.23012 0.4378 0 0.001 0 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Bác bỏ Ho Danh mục B/M α: -0.003830 b: 0.996379 s: -0.235983 h: 0.216216 -1.559233 21.39190 -2.358751 3.025509 0.1211 0 0.0196 0.0029 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Bác bỏ Ho Danh mục B/L α: 0.001206 b: 0.951909 s: -0.382431 h: -0.265176 -0.475113 19.77240 -3.698229 -3.589918 0.6354 0 0.0003 0.0004 Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho Bác bỏ Ho (Xem thêm ở Phụ lục 2.4) Nhận xét về kết quả kiểm định các hệ số hồi quy: Hệ số α (intercept của mô hình) Trang 39 Cả sáu danh mục đều cho kết quả kiểm định là có thể chấp nhận giả thiết Ho: α=0. Điều này có nghĩa là chênh lệch giữa TSSL sinh lợi thực tế và TSSL kỳ vọng theo Fama-French không đáng kể. Mô hình dự báo đúng TSSL chứng khoán. Hệ số b đối với nhân tố thị trường Qua giá trị thống kê t và p-value, ta thấy cả sáu danh mục đều cho kết quả kiểm định là bác bỏ giả thiết Ho: b=0. Điều này cho thấy nhân tố thị trường có ý nghĩa giải thích thực sự cho TSSL chứng khoán. Hệ số s đối với nhân tố mô phỏng quy mô Kiểm định cho thấy hệ số s đều có ý nghĩa thống kê đối với cả 6 danh mục. Nhân tố quy mô giải thích tốt cho TSSL chứng khoán và phù hợp để đưa vào mô hình. Hệ số h đối với nhân tố mô phỏng giá trị Kiểm định đối với hệ số h cho thấy có thể bác bỏ Ho: h=0 đối với 5 trường hợp, chỉ có đối với danh mục S/L là giá trị thống kê t =0.836960, hệ số h không có ý nghĩa. Như vậy ta kết luận nhân tố giá trị giải thích được cho TSSL chứng khoán, trừ những công ty có quy mô nhỏ và BE/ME thấp. Như vậy có thể là biến HML là biến không cần thiết đối với TSSL danh mục gồm những chứng khoán có quy mô nhỏ và BE/ME thấp. Ta tiến hành kiểm định Wald đối với danh mục này. Bảng 2.15: Kiểm định Wald đối với nhân tố HML trong danh mục S/L (Phụ lục 2.5) Kết quả kiểm định Wald F = 0.700502 với p-value = 0.4040, cho thấy biến HML là biến không cần thiết và có thể loại khỏi mô hình đối với danh mục S/L. 2.5.2.2. Kiểm định phần dƣ: Kiểm định tự tương quan giữa các Ui Trang 40 Mô hình hồi quy tuyến tính cổ điển OLS giả định rằng các hạng nhiễu Ui không có tương quan với nhau. Ta sử dụng thống kê Durbin –Watson kiểm định tự tương quan giữa các phần dư thu được kết quả sau: Bảng 2.16: Bảng giá trị thốngkê Durbin-Watson trên phần dƣ mô hình FF3FM D Danh mục S/H 2.007145 Danh mục S/M 2.042189 Danh mục S/L 2.065535 Danh mục B/H 2.067943 Danh mục B/M 2.001054 Danh mục B/L 2.001775 (Xem thêm ở Phụ lục 2.6) Vì thống kê Durbin đều xoay quanh giá trị 2 đối với sáu danh mục nên ta chưa kết luận được có tồn tại tự tương quan hay không. Sử dụng giá trị kiểm định BG (Breusch – Godfrey), giả thiết Ho: ρ1 = 0, không tồn tại tự tương quan bậc nhất; ta thu được kết quả: Bảng 2.17: Bảng kết quả kiểm định Breusch-Godfrey trên phần dƣ mô hình FF3FM nR2 Prob. Chi square(1) Kết quả kiểm định Danh mục S/H 5.264150 0.021769 Bác bỏ Ho Danh mục S/M 6.037785 0.014003 Bác bỏ Ho Danh mục S/L 6.849564 0.008866 Bác bỏ Ho Danh mục B/H 6.137733 0.013233 Bác bỏ Ho Danh mục B/M 2.953176 0.085709 Chấp nhận Ho Danh mục B/L 2.393958 0.121805 Chấp nhận Ho ( Xem thêm ở Phụ lục 2.6) Như vậy: Với sáu danh mục chỉ có mô hình của hai danh mục là không tồn tại tương quan bậc nhất giữa các nhiễu Ui (chấp nhận Ho). Có bốn trường hợp tồn tại tự tương quan bậc nhất giữa các Ui. Các nguyên nhân gây ra tự tương quan: Trang 41 Về mặt lý thuyết, tự tương quan có thể do một trong các nguyên nhân sau: Do tính chất quán tính của dãy số liệu, do hiện tượng mạng nhện (độ trễ trong mối quan hệ giữa biến độc lập và biến phụ thuộc), do hiện tượng trễ (biến phụ thuộc thời kỳ t phụ thuộc vào chính biến đó ở thời kỳ t-1 và các biến khác), do lập mô hình sai về dạng hàm hoặc thiếu biến (Hoàng Ngọc Nhậm (2008), Giáo trình Kinh tế lượng, Trường ĐHKT TP.HCM, trang 180). Như vậy một trong các nguyên nhân gây tự tương quan là do thiếu biến. Ta sẽ tiến hành kiểm định với mô hình 4 nhân tố Carhart ở phần sau trước khi đưa ra biện pháp khắc phục cho hiện tượng này ở mô hình FF3FM. Nếu mô hình 4 nhân tố Carhart không xảy ra hiện tượng tự tương quan giữa các Ui thì đây chính là cách khắc phục cho mô hình 3 nhân tố. Kiểm định phương sai đồng nhất Mô hình hồi quy tuyến tính cổ điển cũng giả định rằng các hạng nhiễu Ui có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay không, ta tiến hành kiểm định White đối với chuỗi phần dư. Giả thiết Ho: Phương sai của sai số ngẫu nhiên của mô hình không đổi. Nếu Ho đúng thì thống kê nR2 có phân phối xấp xỉ với Chi-bình phương với k bậc tự do, k là số hệ số của mô hình không kể hệ số chặn. Nếu nR2 vượt quá giá trị tới hạn thì bác bỏ giả thiết Ho. Bảng 2.18: Bảng kết quả kiểm định phƣơng sai đồng nhất mô hình FF3FM nR2 Prob. Chi square(9) Kết quả kiểm định Danh mục S/H 73.94898 0.0000 Bác bỏ Ho Danh mục S/M 57.97534 0.0000 Bác bỏ Ho Danh mục S/L 123.7535 0.0000 Bác bỏ Ho Danh mục B/H 123.4810 0.0000 Bác bỏ Ho Danh mục B/M 64.16274 0.0000 Bác bỏ Ho Danh mục B/L 69.75154 0.0000 Bác bỏ Ho ( Xem thêm ở Phụ lục 2.7) Kết quả kiểm định White cho thấy p value đều bằng 0, ta bác bỏ giả thiết Ho. Đối với 6 danh mục đều xảy ra hiện tượng phương sai thay đổi. Trang 42 Giả thiết của phương pháp OLS về phương sai của hạng nhiễu bị vi phạm. Nguyên nhân gây ra phương sai thay đổi: Phương sai thay đổi có thể do một trong số những nguyên nhân sau: do bản chất của môi quan hệ kinh tế, do con người học được hành vi trong quá khứ, do mẫu có các outlier hoặc có thể do mô hình hồi quy xác định sai dạng hàm, thiếu biến. Một trong những nguyên nhân gây ra phương sai thay đổi là do mô hình thiếu biến. Ta sẽ kiểm đinh mô hình bốn nhân tố Carhart để xem là mô hình Fama-French có thực sự thiếu biến hay không và có khắc phục được hiện tượng phương sai thay đổi hay không. Nếu vẫn không khắc phục được thì ta sẽ tìm cách khác để khắc phục. 2.5.2.3. Kiểm định đa cộng tuyến: Ta thực hiện hồi quy phụ các nhân tố với nhau được kết quả: Hồi quy nhân tố quy mô theo nhân tố thị trường: Bảng 2.19: Kết quả hồi quy nhân tố quy mô theo nhân tố thị trƣờng (Phụ lục 2.8) Hồi quy nhân tố giá trị theo nhân tố thị trường: Bảng 2.20: Kết quả hồi quy nhân tố giá trị theo nhân tố thị trƣờng Trang 43 (Phụ lục 2.8) Hồi quy nhân tố giá trị theo nhân tố quy mô: Bảng 2.21: Kết quả hồi quy nhân tố giá trị theo nhân tố quy mô (Phụ lục 2.8) Các mô hình hồi quy phụ có p-value đối với giả thiết Ho: hệ số hồi quy = 0, do đó ta có thể bác bỏ giả thiết Ho. Các mô hình hồi quy phụ là phù hợp. Đối với cả 6 danh mục đều xảy ra hiện tượng đa cộng tuyến. 2.5.3. Kiểm định sự phù hợp của hàm hồi quy: Ta kiểm định xem các nhân tố TSSL vượt trội thị trường, nhân tố mô phỏng quy mô, nhân tố mô phỏng giá trị có thực sự giải thích cho TSSL vượt trội chứng khoán hay không. Giả thiết Ho: R2 = 0. Ta sử dụng phân phối Fisher-S