Đề tài Tính hiệu quả về mặt thông tin của thị trường chứng khoán Việt Nam

1 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM ----------------- CÔNG TRÌNH DỰ THI GIẢI THƢỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN “NHÀ KINH TẾ TRẺ – NĂM 2010” TÊN CÔNG TRÌNH: TÍNH HIỆU QUẢ VỀ MẶT THÔNG TIN CỦA THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ Trang i TÓM TẮT ĐỀ TÀI Lý do nghiên cứu: Có khi nào bạn tự hỏi tại sao nhiều người lại tham gia đầu tư vào thị trường chứng khoán thay vì đầu tư vào sản xuất kinh doanh, vàng vật chất, ngoại tệ hay gửi tiền tiết kiệm để làm giàu hay không? Yếu tố hấp dẫn nào của thị trường khiến mọi người hành động như vậy? Câu trả lời dễ thấy chính là tỷ suất sinh lợi cao (so với các hình thức khác) và có thể dự đoán được, thể hiện qua phương pháp phân tích kỹ thuật và phân tích cơ bản được sử dụng rộng rãi trong thị trường chứng khoán HOSE. Thế nhưng càng nhiều người tham gia vào thị trường, khi đó nỗ lực của những nhà đầu tư có tự triệt tiêu tỷ suất sinh lợi dự báo được này hay không? Một lý thuyết góp phần giải thích cho sự tự triệt tiêu này là lý thuyết thị trường hiệu quả - cho biết giá cả chứng khoán phản ánh mọi thông tin và giá cả biến động ngẫu nhiên. Nhiều bằng chứng trên thế giới cho biết có sự tồn tại lẫn không tồn tại tính hiệu quả về mặt thông tin của thị trường. Vậy Việt Nam - thị trường chứng khoán mới trải qua gần 10 năm hoạt động có thực sự hiệu quả hay không và mức độ hiệu quả này như thế nào? Hiện nay, chưa có bài viết hoàn chỉnh nào đi sâu vào vấn đề này, khi mà mỗi bài nghiên cứu trước đây về thị trường chứng khoán HOSE và HASTC đều trình bày mỗi khía cạnh khác nhau của vấn đề. Do đó, bài viết này ra đời nhằm mục đích giúp ta có cái nhìn hoàn thiện hơn về thị trường chứng khoán Việt Nam, tiêu biểu là HOSE và các chứng khoán tiêu biểu. Mục tiêu nghiên cứu: Bài viết này nhằm mục tiêu xem xét các mức độ hiệu quả về mặt thông tin của thị trường HOSE và các bất thường trên thị trường, đồng thời giải thích cho sự không hiệu quả này bằng lý thuyết tài chính hành vi khi mà lý thuyết thị trường hiệu quả không thể giải thích được. Phƣơng pháp nghiên cứu: Phép định lượng được sử dụng nhằm kiểm định mức độ hiệu quả của thị trường, bao gồm kiểm định nghiệm đơn vị, kiểm định hệ số tương quan, kiểm định phương sai, kiểm định sự tồn tại các hiệu ứng bất thường bằng việc xây dựng mô hình hồi quy, mô hình GARCH và các dạng mở rộng của nó, đồng thời ứng dụng lý thuyết tài chính hành vi để giải thích. Trang ii Nội dung nghiên cứu: Chương 1: Các kết quả gần đây về sự hiệu quả của thị trường Đưa ra lý thuyết tổng quát về thị trường hiệu quả và các bằng chứng trên thế giới chứng minh cho sự tồn tại tính chất này của thị trường Chương 2: Thực tiễn về thị trường hiệu quả về mặt thông tin ở Việt Nam Nêu lên phương pháp đo lường và kết quả thực tế của thị trường chứng khoán HOSE và các chứng khoán tiêu biểu là VNM và FPT, thông qua các kiểm định được sử dụng rộng rãi trên thế giới đối với tính hiệu quả dạng yếu và và dạng vừa của thị trường, đồng thời kiểm tra sự tồn tại của hiệu ứng tháng Một và hiệu ứng theo tuần. Chương 3: Những giải thích cho sự không hiệu quả của thị trường Nêu lên lý thuyết giải thích cho sự không hiệu quả của thị trường và ứng dụng của lý thuyết đó để diễn giải cho thực tế ở Việt Nam, cụ thể là phần bù rủi ro trong tỷ suất sinh lợi, sự biến động mạnh trong tỷ suất sinh lợi, vấn đề của quỹ đóng, hiệu ứng tháng Một, hiệu ứng theo tuần và cơn sốt giá chứng khoán, từ đó nêu lên các biện pháp đang được thực hiện lẫn những gợi ý đối với các nhà làm chính sách. Đóng góp của đề tài: Ứng dụng các kiểm định được sử dụng trên thế giới và lời giải thích từ lý thuyết tài chính hành vi, bài viết giúp các nhà đầu tư và các nhà làm chính sách có cái nhìn cụ thể hơn về tính hiệu quả thực sự về mặt thông tin của thị trường, từ đó mang lại những cảm xúc khác nhau cho họ. Đối với nhà đầu tư, sự không hiệu quả cho biết phân tích kỹ thuật hay thông tin nội gián giúp họ kiếm được lợi nhuận một cách dễ dàng và nhanh chóng. Đối với các nhà làm chính sách, đây là bài toán khó bởi sự không hiệu quả này gây ra các hiệu ứng tiêu cực đến thị trường chứng khoán và nền kinh tế, đòi hỏi các biện pháp làm tăng tính hiệu quả này. Hƣớng phát triển của đề tài: Trong tương lai, các phương pháp định lượng mới nhằm xem xét sự hạn chế trong việc kiểm định thị trường hiệu quả chẳng hạn như thay thế mô hình CAPM trong kiểm định tính hiệu quả vừa, kiểm định tính chất cuối cùng đối với tính hiệu quả yếu. Ngoài ra, các lời giải thích dựa trên tài chính hành vi sẽ được hoàn thiện hơn về mặt lý luận nhằm trả lời thoả đáng cho toàn bộ các vấn đề chứ không phải chỉ giải thích cho mỗi vấn đề riêng lẻ. Trang iii MỤC LỤC Lời mở đầu..........................................................................................................................1 Chƣơng 1: Các kết quả nghiên cứu gần đây về sự hiệu quả của thị trƣờng ................3 1.1 Bằng chứng về thị trường hiệu quả dạng yếu ................................................................3 1.2 Bằng chứng về sự bất thường của thị trường .................................................................4 1.2.1 Hiệu ứng theo tuần ..........................................................................................4 1.2.2 Hiệu ứng theo tháng ........................................................................................5 1.3 Bằng chứng về thị trường hiệu quả dạng vừa ................................................................5 Chƣơng 2: Thực tiễn về thị trƣờng hiệu quả ở Việt Nam ..............................................6 2.1 Phương pháp đo lường ...................................................................................................6 2.1.1 Kiểm định nghiệm đơn vị ...............................................................................7 2.1.2 Kiểm định hệ số tương quan ...........................................................................8 2.1.3 Kiểm định phương sai ...................................................................................10 2.1.4 Kiểm định phương sai có điều kiện ..............................................................10 2.1.5 Kiểm định các hiệu ứng bất thường ..............................................................12 2.1.6 Dữ liệu nghiên cứu ........................................................................................14 2.2 Kết quả thực tế .............................................................................................................15 2.2.1 Kiểm định tính hiệu quả yếu .........................................................................15 2.2.1.1 Kiểm định nghiệm đơn vị ..............................................................15 2.2.1.2 Kiểm định hệ số tương quan ..........................................................16 2.2.1.3 Kiểm định phương sai ....................................................................17 2.2.1.4 Kiểm định phương sai có điều kiện ...............................................18 2.2.2 Kiểm định các hiệu ứng bất thường ..............................................................20 2.2.2.1 Hiệu ứng tháng Một .......................................................................20 2.2.2.2 Hiệu ứng theo tuần .........................................................................21 2.2.3 Kiểm định tính hiệu quả vừa .........................................................................22 2.2.3.1 Công bố lợi nhuận ..........................................................................22 2.2.3.2 Công bố mua cổ phiếu quỹ ............................................................23 Chƣơng 3: Những giải thích cho sự không hiệu quả của thị trƣờng...........................25 Trang iv 3.1 Giới hạn kinh doanh chênh lệch giá.............................................................................25 3.2 Tâm lý hành vi .............................................................................................................27 3.2.1 Niềm tin ........................................................................................................27 3.2.2 Sở thích .........................................................................................................29 3.2.3 Tâm lý bầy đàn..............................................................................................31 3.3 Ứng dụng giải thích trong thực tế ................................................................................34 3.3.1 Phần bù rủi ro trong tssl ................................................................................34 3.3.2 Tính biến động mạnh trong tssl ....................................................................35 3.3.3 Vấn đề với quỹ đóng .....................................................................................36 3.3.4 Hiệu ứng tháng Giêng và hiệu ứng theo tuần ...............................................38 3.3.4.1 Hiệu ứng tháng Giêng ....................................................................38 3.3.4.2 Hiệu ứng theo tuần .........................................................................39 3.3.5 Cơn sốt giá chứng khoán ..............................................................................41 3.3.6 Biện pháp làm tăng tính hiệu quả của thị trường ...........................................44 3.3.6.1 Minh bạch thông tin .........................................................................45 3.3.6.2 Tăng tính thanh khoản .....................................................................47 Kết luận .............................................................................................................................50 Tài liệu tham khảo .............................................................................................................51 Phụ lục bảng ...................................................................................................................... 53 Phụ lục hình và biểu đồ ..................................................................................................... 73 Trang v DANH MỤC CÁC BẢNG Bảng 1: thống kê miêu tả VN-INDEX, VNM và FPT .......................................................53 Bảng 2: kiểm định nghiệm đơn vị VN-INDEX, VNM, FPT .............................................54 Bảng 3: hệ số tương quan tuyến tính VN-INDEX, VNM, FPT .........................................55 Bảng 4: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo ngày .........................56 Bảng 5: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo tuần ..........................56 Bảng 6: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo tháng ........................57 Bảng 7: kiểm định đoạn mạch VN-INDEX, VNM, FPT ...................................................58 Bảng 8: kiểm định BDS VN-INDEX.................................................................................58 Bảng 9: kiểm định BDS VNM ...........................................................................................59 Bảng 10: kiểm định BDS FPT ...........................................................................................60 Bảng 11: kiểm định Lo Mackinlay VN-INDEX ................................................................61 Bảng 12: kiểm định Lo Mackinlay VNM ..........................................................................61 Bảng 13: kiểm định Lo Mackinlay FPT ............................................................................62 Bảng 14: kiểm định Chow Denning VN-INDEX, VNM, FPT ..........................................62 Bảng 15: kiểm định Chow Denning theo Wright VN-INDEX, VNM, FPT......................63 Bảng 16: mô hình ARMA VN-INDEX .............................................................................63 Bảng 17: mô hình ARMA FPT theo ngày .........................................................................64 Bảng 18: mô hình M-GARCH, T-GARCH VN-INDEX theo ngày ..................................65 Bảng 19: mô hình M-GARCH, T-GARCH VN-INDEX theo tuần ...................................66 Bảng 20: kiểm định Lo Mackinlay VN-INDEX ................................................................66 Bảng 21: kiểm định Chow Denning VN-INDEX ..............................................................67 Bảng 22: kiểm định Chow Denning theo Wright VN-INDEX ..........................................67 Bảng 23: bảng kết quả tổng hợp VN-INDEX, VNM, FPT................................................20 Bảng 24: kiểm định hiệu ứng theo tháng VN-INDEX ......................................................67 Bảng 25: kiểm định hiệu ứng theo tuần VN-INDEX ........................................................68 Bảng 26: kiểm định GARCH, E-GARCH kết hợp theo tuần VN-INDEX ........................69 Bảng 27: khối lượng giao dịch, AER, CAER VNM ..........................................................69 Bảng 28: khối lượng giao dịch, AER, CAER FPT ............................................................70 Trang vi Bảng 29: khối lượng giao dịch, AER, CAER VNM ..........................................................71 Bảng 30: kiểm định theo tuần VN-INDEX........................................................................72 DANH MỤC CÁC HÌNH, BIỂU ĐỒ Hình 1: biểu đồ giá tssl theo ngày, tuần, tháng của VN-INDEX, VNM, FPT...................73 Hình 2: biểu đồ AER, CAER của VNM về công bố lợi nhuận .........................................75 Hình 3: biểu đồ AER, CAER của FPT về công bố lợi nhuận ............................................76 Hình 4: biểu đồ AER, CAER của VNM về công bố mua cổ phiếu quỹ ............................77 Hình 5: hàm υ và π theo lý thuyết triển vọng ....................................................................78 Hình 6: chênh lệch giữa NAV- giá thị trường các quỹ VF1, VF4, PRUBF1, MAFPF1...78 Trang 1 LỜI MỞ ĐẦU Trên các thị trường hàng hoá lẫn tài chính như thị trường nông sản, thị trường các công cụ phái sinh và đặc biệt là thị trường chứng khoán, sự không hiệu quả về mặt thông tin luôn thu hút sự quan tâm của nhiều nhà đầu tư bởi ai cũng mong muốn mình là kẻ chiến thắng và để lại phần thua cho người khác. Không như những năm đầu của thế kỷ 20, hiện nay sức mạnh công nghệ như Internet, điện thoại hay các phương tiện truyền thông đã giúp cho các nhà đầu tư nhanh chóng với những nguồn thông tin có sẵn và sử dụng các thông tin này để thực hiện các hành vi của họ. Tuy nhiên, sự cạnh tranh giữa những nhà đầu tư có thực sự giúp thị trường trở nên hiệu quả hơn hay không, hoặc là nếu không thì đâu là lời giải thích hợp lý nhất? Nhiều câu hỏi được đặt ra bởi các nhà đầu tư bởi lẽ nó tác động đến hành vi của họ cũng như khả năng tạo ra lợi nhuận, có thể được tóm tắt như sau: Điều đầu tiên ai cũng quan tâm đến, đặc biệt là những người sử dụng phân tích kỹ thuật, chính là liệu họ có thể dự đoán giá chứng khoán dựa trên giá cả trong quá khứ hay không, một hình thức phân tích không đòi hỏi nhiều kỹ năng phân tích và kiến thức tài chính. Không dừng lại ở đó, hiện tượng bong bóng giá chứng khoán cũng là một điều đáng quan tâm bởi lẽ khi đó, giá chứng khoán hầu như không phản ánh các thông tin nào liên quan đến công ty niêm yết mà chủ yếu mang theo niềm kỳ vọng bán được giá cao của các nhà đầu tư. Như đã biết, sau cơn sốt giá là thời kỳ thị trường èo uột, tiêu biểu là giai đoạn 2006-2008 của sàn HOSE hay bong bóng dotcom nổi tiếng vào đầu thập niên 2000. Ngoài ra, các hiện tượng bất thường trên thị trường tài chính đã được các nhà kinh tế phát hiện ra, tiêu biểu là hiệu ứng quy mô công ty của Banz và Reiganum (1981), hiệu ứng theo tuần của French (1980), hiệu ứng sức ỳ của DeBondt và Thaler (1985)… có tồn tại trên thị trường HOSE hay không? Nếu câu trả lời là có, các nhà đầu tư sẽ nhanh chóng khai thác hiệu ứng này bởi nó mang lại lợi nhuận có thể biết trước được. Câu hỏi cuối cùng chính là liệu các công bố thông tin công cộng có được phản ánh nhanh chóng vào trong giá chứng khoán hay không? Nếu tồn tại sự rò rỉ thông tin từ trước khi công bố, điều đó cho thấy các nhà đầu tư biết trước thông tin này có thể khai thác nó và để lại các khoản lỗ dành cho những kẻ đến sau cùng. Bên cạnh đó, tính hiệu quả về mặt thông tin này còn thu hút sự chú ý của các cơ quan chức năng, cụ thể là Ủy Ban Chứng Khoán Nhà Nước (UBCKNN) và Bộ Tài Chính (BTC) bởi Trang 2 tác động tiêu cực của sự phi hiệu quả. Hiện nay, pháp luật nước ta về thị trường chứng khoán chưa hoàn thiện, còn thiếu cơ chế rõ ràng cho phép minh bạch hóa thông tin cũng như gia tăng tính thanh khoản cho thị trường. Đó là điều hiển nhiên khi thị trường HOSE chỉ mới trải qua gần 10 năm hoạt động, đồng thời việc học tập các kinh nghiệm nước khác có thể không phù hợp với trình độ phát triển của thị trường Việt Nam, tiêu biểu là việc bán khống các chứng khoán như ở Mỹ. Ngoài ra, các công ty niêm yết cũng quan tâm đến sự hiệu quả của thị trường bởi lẽ việc công bố các tin tức ra thị trường - một kênh giao tiếp gián tiếp với nhà đầu tư, có hiệu quả hay không rất đáng quan tâm, bởi nó ảnh hưởng đến hoạt động của công ty, chẳng hạn như huy động vốn qua phát hành chứng khoán. Nếu các nhà đầu tư không biết đến tin tức về dự án sắp được xây dựng này, công ty khó lòng huy động được nhiều tiền mặt như mong đợi. Từ những lý do cấp thiết trên, bài viết “tính hiệu quả về mặt thông tin của thị trường chứng khoán Việt Nam” ra đời nhằm xem xét thực trạng về tính hiệu quả này và giải thích nó, nhằm cung cấp câu trả lời thỏa đáng nhất cho các bên quan tâm đến yếu tố này. Kết cấu bài nghiên cứu: Chương 1: Các kết quả gần đây về sự hiệu quả của thị trường: đưa ra lý thuyết tổng quát về thị trường hiệu quả và các bằng chứng trên thế giới chứng minh cho sự tồn tại tính chất này của thị trường, độ dài 3 trang. Chương 2: Thực tiễn về thị trường hiệu quả ở Việt Nam: nêu lên phương pháp đo lường và kết quả thực tế của thị trường chứng khoán HOSE và các chứng khoán tiêu biểu, độ dài 19 trang Chương 3: Những giải thích cho sự không hiệu quả của thị trường: nêu lên lý thuyết giải thích cho sự không hiệu quả của thị trường và ứng dụng của lý thuyết đó để diễn giải cho thực tế ở Việt Nam, độ dài 25 trang. Trang 3 CHƢƠNG 1 Các kết quả nghiên cứu gần đây về sự hiệu quả của thị trƣờng Một trong những vần đề nhận được quan tâm của giới học thuật hiện nay là thị trường liệu có hiệu quả? Lý thuyết này tranh luận rằng nếu giá chứng khoán phản ánh tất cả các thông tin có sẵn và lập tức chiết khấu thông tin mới thì thị trường có tính hiệu quả. Fama (1970) định nghĩa ba dạng của thị trường lần lượt là hiệu quả dạng yếu - không thể dự báo tssl tương lai dựa trên tssl quá khứ, hiệu quả dạng vừa - giá cả phản ánh đầy đủ các thông tin công cộng và không nhà đầu tư nào có thể kiếm được tssl vượt trội từ thông tin này và hiệu quả dạng mạnh - giá cả phản ánh mọi thông tin và các nhà đầu tư không kiếm được tssl vượt trội từ bất cứ thông tin nào. Các nhà đầu tư quan tâm đến sự hiệu quả của thị trường bởi nếu thị trường không hiệu quả, họ có thể dự báo được tssl trong tương lai và hưởng lợi từ nó. Những người làm chính sách quan tâm đến điều này bởi nếu nó không xảy ra sẽ cho phép cơ chế giá cả hoạt động có sai sót, tức là sự phân bổ nguồn vốn không hiệu quả, dẫn đến tác động xấu cho nền kinh tế. Các bằng chứng thực nghiệm trên thế giới đưa ra những kết luận mâu thuẫn nhau về sự tồn tại của thị trường hiệu quả. Ở đây, ta chỉ xem xét các bằng chứng về dạng yếu và vừa, vì để thị trường hiệu quả dạng mạnh, nó phải thoả mãn các tính chất của thị trường hiệu quả dạng yếu và vừa, do đó nếu không thỏa mãn được hai yếu tố đầu tiên này, ta không cần xem xét liệu thị trường có hiệu quả dạng mạnh hay không. 1.1 Bằng chứng về thị trƣờng hiệu quả dạng yếu Đầu tiên là những bằng chứng về thị trường hiệu quả dạng yếu: Ở Châu Mỹ, Ojah và Karemera (1999) sử dụng phương pháp tỷ lệ phương sai cũng như mô hình ARIMA không thể bác bỏ sự tồn tại dạng yếu đối với các thị trường Argentina, Brazil, Chile và Mexico. Whortington và Higgs (2003) đưa ra các kết quả ngược lại với các thị trường Argentina, Brazil, Columbia, Mexico, Peru, Venezuela bằng kiểm định nghiệm đơn vị, tỷ lệ phương sai và kiểm định đoạn mạch. Ở Châu Á, Abraham (2002) và các cộng sự kiểm định các thị trường Bahrain, Kuwait, Ả Rập Saudi và bác bỏ giả thiết bằng kiểm định tỷ lệ phương sai và kiểm định đoạn mạch. Trang 4 Marashdeh và Shrestha (2008) sử dụng kiểm định ADF và PP cho thấy thị trường Các tiểu vương quốc Ả Rập Thống Nhất ở dạng yếu. Gan, Lee, Hwa và Zhang (2005) sử dụng kiểm định ADF, PP ủng hộ cho lý thuyết đối với Úc và New Zealand. Ở Châu Phi, Khazali và các cộng sự (2007) sử dụng kiểm định kiểm định đoạn mạch, kiểm định dấu (sign test), kiểm định bậc (rank test) và tỷ lệ phương sai đối với các nước thuộc khối Bắc Phi và Trung Đông (MENA) ủng hộ lý thuyết này. Jefferish và Smith (2005) kiểm định đối với 6 quốc gia (Ai Cập, Kenya, Ma Rốc, Mauritius, Nigeria và Nam Phi) theo tuần từ 1/1990-6/2001 cho thấy chỉ có Nam Phi hiệu quả dạng yếu trong khi Ai Cập, Ma Rốc và Nigeria trở nên hiệu quả yếu vào cuối thời kỳ xem xét. Enowbi, Guidi và Mlambo (2009) xem xét các quốc gia Ai Cập, Ma Rốc, Nam Phi và Tunisia bằng các kiểm định tham số và phi tham số vừa bác bỏ tính hiệu quả này (ngoại trừ Nam Phi). Ở Châu Âu, Dorina (sau năm 2006) sử dụng hệ số tương quan, kiểm định đoạn mạch, kiểm định BDS với các quốc gia Rumani, Hungary, CH Séc, Lithuania, Ba Lan, Slovakia, Slovenia và Thổ Nhĩ Kỳ, cho biết CH Séc, Slovenia và Lithuania không hiệu quả (có tương quan tuyến tính giữa tssl) và tương quan phi tuyến giữa tssl ở các quốc gia xem xét ngoại trừ Rumani. Ozdemir (2008) xem xét tssl theo tuần của Thổ Nhĩ Kỳ sử dụng kiểm định ADF, kiểm định đoạn mạch và tỷ lệ phương sai ủng hộ cho lý thuyết. 1.2 Bằng chứng về sự bất thƣờng của thị trƣờng 1.2.1 Hiệu ứng theo tuần Nếu như thị trường không hiệu quả, việc xem xét các bất thường của thị trường như hiệu ứng theo tuần, hiệu ứng tháng Giêng trở nên hấp dẫn bởi khả năng áp dụng nó để tạo ra tssl. Đối với hiệu ứng theo tuần, Brooks và Persand (2001) xem xét với Đài Loan, Hàn Quốc, Philippines, Mã Lai và Thái Lan từ 1989-1996 cho biết Hàn Quốc và Philippines không có hiệu ứng này, thay vào đó Thái Lan và Mã Lai đạt tssl dương vào ngày thứ Hai và âm vào ngày thứ Ba, Đài Loan đạt tssl âm vào ngày thứ Tư, tất cả đều có ý nghĩa. Ajayi và các cộng sự (2004) tìm thấy những bằng chứng tại các quốc gia Đông Âu từ giữa thập niên 90-2002: tssl thứ Hai âm trong 12 thị trường (chỉ có Estonia và Lithuania có ý nghĩa), dương trong 5 thị trường (chỉ có Nga có ý nghĩa). Rossi (2007) xem xét các quốc gia Nam Mỹ từ 1997-2006 cho biết Brazil có tssl thứ Sáu dương, Chile tssl thấp nhất thứ Hai, dương vào thứ Tư, Sáu, Mexico tssl cao nhất vào thứ Tư. Jarret và Kyper (2005) cho biết có hiệu ứng này ở Mỹ bằng việc xem xét 49 chứng khoán ngẫu nhiên. Trang 5 1.2.2 Hiệu ứng theo tháng Đối với hiệu ứng theo tháng, Schallheim và Kato (1985) xem xét với thị trường Tokyo từ 1952-1980 cho thấy tháng Một và tháng Sáu đều có tssl dương có ý nghĩa. Hansen và Lunde (2003) xem xét Đan Mạch, Pháp, Đức, Hồng Kông, Ý, Nhật, Na Uy, Thụy Điển, Mỹ cho ủng hộ sự tồn tại của hiệu ứng tháng Giêng. Gao và Kling (2005) sử dụng mẫu như kiểm định hiệu ứng theo tuần cho biết tssl tháng Ba, Tư cao nhất trong năm. Gu (2006) trong nghiên cứu về các thị trường Canada, Pháp, Đức, Nhật và Anh từ 1970-2000 tssl tháng Một cao nhất. Các bằng chứng ủng hộ cũng được tìm thấy ở Ghana với nghiên cứu của Alagidede và Panagiotidis (2006), ở Ấn Độ của Pandey (2002). Enowbi, Guidivà Mlambo (2009) kiểm định đối với Ai Cập, Ma Rốc, Nam Phi và Tunisia cho biết tssl tháng Một cao nhất có ý nghĩa đối với Ai Cập, Ma Rốc, Tunisia. 1.3 Bằng chứng về thị trƣờng hiệu quả dạng vừa Khi thị trường hiệu quả dạng yếu, ta tiếp tục xem xét liệu giá cả có phản ánh các thông tin công cộng kịp thời hay không - tức là hiệu quả dạng vừa. Đối với công bố mua lại cổ phiếu quỹ ở thị trường New York, Kinsler và Bacon (2008) xem xét 50 công ty niêm yết ở NYSE và NASDAQ từ 8/2000-7/2007 cho biết tssl bất thường tích lũy (CAER) âm trước khi công bố, tăng mạnh lên vùng >0 tại ngày 0 và đi ngang sau đó ủng hộ cho ý kiến trên. Đối với công bố mua bán sáp nhập, hai tác giả trên sử dụng 20 công bố của các công ty niêm yết ở NYSE và NASDAQ từ 4/2007-8/2007 bác bỏ ý kiến hiệu quả dạng vừa bởi CAER liên tục tăng từ trước khi công bố cho đến ngày 25. Đối với công bố lợi nhuận, Raja và Sudhahar (2010) xem xét các công ty IT niêm yết ở Ấn Độ từ 2000-2007 ủng hộ lý thuyết này nhưng nhấn mạnh thị trường không hoàn toàn hiệu quả bởi CAER sau khi công bố hơi đi chệch xuống. Đối với chia tách cổ phiếu, hai tác giả trên (2009) xem xét 128 công bố của bốn mươi ba công ty IT từ 1/2000-7/2006 cho thấy có sự phản ứng trong giá cổ phiếu tại ngày 0 nhưng phản ứng còn kéo dài đến ngày 15, hàm ý thị trường chưa hoàn toàn hiệu quả dạng vừa. Như vậy, có thể thấy có những bằng chứng ủng hộ lẫn bác bỏ lý thuyết này, còn đối với Việt Nam - quốc gia có thị trường chứng khoán mới phát triển từ năm 2000 đến nay thì sao? Mục đích của bài viết này nhằm cung cấp các bằng chứng về sự hiệu quả của thị trường ở Việt Nam, đồng thời đưa ra các giải thích cho sự không hiệu quả này nếu có. Trang 6 CHƢƠNG 2 Thực tiễn về thị trƣờng hiệu quả ở Việt Nam 2.1 Phƣơng pháp đo lƣờng Khi đề cập đến thị trường hiệu quả dạng yếu, các nhà kinh tế đề xuất phương trình như sau: P(t) = P(t-1) + u(t) với u là nhiễu trắng thỏa mãn E(u(t)) = 0, var = σ2, cov(u(i),u(j)) = 0 với i khác j Phương trình này hàm ý giá cả ngày ngày mai không thể dự đoán dựa trên giá cả ngày hôm nay, thể hiện qua u(t) nhiễu trắng và dữ liệu giá quá khứ được phản ánh đầy đủ trong giá cả hôm nay, thể hiện qua phương trình chỉ biểu diễn mối quan hệ giữa P(t) và P(t-1) chứ không phải P(t) với P(t-1), P(t-2)…Tuy nhiên, khi giá cả thể hiện một xu hướng tăng hay giảm trong dài hạn, phương trình trên cần thêm biến alpha thể hiện sự thay đổi giá cả trung bình mỗi ngày, tháng tương ứng với t. Để dễ dàng cho việc tính toán, ta lấy log P(t), phương trình mới là: Log P(t) = A*logP(t-1) + u(t) Lấy 2 vế trừ cho log P(t-1), ta có: logP(t) - log(P(t-1)) = (A-1)*log(P(t-1)) + u(t) khi A = 1, log P(t) - log(P(t-1)) = u(t) Có thể thấy vế trái phương trình chính là tỷ suất sinh lợi liên tục (tssl) giữa ngày t và t-1. Như vậy, để kiểm định bước đi ngẫu nhiên, trước hết ta cần kiểm định A có bằng 1 hay không và tiếp theo là kiểm tra các tính chất của tssl, tức u(t). Bên cạnh đó, nhằm phân chia mức độ của lý thuyết bước đi ngẫu nhiên thành các dạng khác nhau, ta cần quan tâm đến các giả thiết con của lý thuyết này: Giả thiết 1: u(t) độc lập và có phân phối xác định, một dạng điển hình là phân phối chuẩn – dạng chặt chẽ nhất. Giả thiết 2 : u(t) là nhiễu trắng - dạng vừa. Giả thiết 3 : u(t) không tồn tại sự tương quan tuyến tính - dạng yếu. Trước khi đi sâu vào các kiểm định cụ thể dưới đây, ta cần biết một số tính chất của chuỗi dừng và chuỗi không dừng. Một chuỗi dừng nếu có các đặc điểm giá trị kỳ vọng, phương sai không đổi theo thời gian và cov(Y(t),Y(t-k)) = a(k) (nghĩa là hiệp phương sai giữa hai giá trị Y Trang 7 cách nhau k giai đoạn). Một chuỗi không dừng là chuỗi có giá trị kỳ vọng hay phương sai thay đổi theo thời gian hoặc cả hai. Xét Y(t) = Y(t-1) + u(t) với u(t) là nhiễu trắng Y(1) = Y(0) + u(1); Y(2) = Y(1) + u(2) = Y(0) + u(1) + u(2) với Y(0) là hằng số Y(t) = Y(t-1) + u(t) = Y(0) + u(1) +….+ u(t) có E(Y(t)) = E(Y(t-1)) và var(Y(t)) = t*var(u). Như vậy, Y(t) không phải là chuỗi dừng vì có phương sai thay đổi theo thời gian, t càng lớn, phương sai cũng lớn theo. 2.1.1 Kiểm định nghiệm đơn vị Quay trở lại với chủ đề chính, đầu tiên ta kiểm định liệu chuỗi logP(t) có phải là chuỗi dừng hay không (tương ứng với A=1) bằng phương pháp nghiệm đơn vị. Phương pháp này xét phương trình Y(t) = A*Y(t-1) + u(t) với -1<=A<=1, u(t) là nhiễu trắng. Ta có các giả thiết H0: A=1(chuỗi không dừng) và giả thiết đối H1: A<1(chuỗi dừng) Phương trình trên tương đương với Y(t) - Y(t-1) = (A-1)*Y(t-1) + u(t) = a*Y(t-1) + u(t) Giả thiết trên có thể viết lại H0: a=0 và H1: a<0 Dickey Fuller (1979) cho rằng giá trị ước lượng tau của hệ số a sẽ theo phân phối xác suất tau(tau = giá trị p ước lượng/sai số của a). Kiểm định này được ước lượng với ba hình thức: ∆Y(t) = a*Y(t-1) + u(t) ∆Y(t) = α + a*Y(t-1) + u(t) ∆Y(t) = α + b*T + a*Y(t-1) + u(t) = a*Y(t-1) + c*X(t) + u(t) (1) với T là biến xu thế và X(t) là biến ngoại sinh bao gồm α hay α và biến xu thế. Việc lựa chọn mô hình nào có kết quả kiểm định đúng phụ thuộc vào giá trị tau của hệ số theo biến Y(t-1). Vì a luôn 0 đều không có ý nghĩa về mặt thống kê. Tuy nhiên, có thể có sự xuất hiện hiện tượng tương quan chuỗi giữa các u(t) do thiếu biến nên kiểm định DF mở rộng được sử dụng bằng cách đưa thêm vào phương trình các biến trễ của biến phụ thuộc ∆Y(t): ∆Y(t) = α + b*T + a*Y(t-1) + u(t) + ∑∆Y(t-k) với k=1,…, n Bên cạnh đó, đối với trường hợp nghi ngờ có hiện tượng tương quan chuỗi giữa u(t), Philips Perron (1988) đề xuất kiểm định ước lượng phương trình (1) và cải biến giá trị tau sao cho hiện tượng tương quan giữa u(t) không ảnh hưởng đến phân phối tau. Ngoài ra, kiểm định KPSS (1992) cũng được sử dụng để kiểm định tính dừng của Y(t) nhưng giả thiết H0: Y(t) là chuỗi dừng, được biểu diễn qua phương trình sau: Y(t) = c*X(t) + u(t). Trang 8 2.1.2 Kiểm định hệ số tƣơng quan Sau khi đã xác định mối quan hệ giữa Y(t) và Y(t-1), ta xét đến các tính chất của u(t) (tssl). Đầu tiên là cov(u(i), u(j))=0 liệu có đúng hay không? Để kiểm định tính chất này, ta sử dụng hệ số tương quan . Barnett (1996) đã chỉ ra nếu chuỗi u(t) độc lập, có phân phối xác suất xác định thì các hệ số tương quan p(k) (ACF) sẽ có phân phối xấp xỉ chuẩn với kỳ vọng bằng 0 và phương sai là 1/n với n khá lớn: p(k) xấp xỉ N(0, 1/n). Giả thiết cần kiểm định H0: p(k)=0, H1: p(k) khác 0 với k là độ trễ. Tuy nhiên, u(t) là nhiễu trắng đòi hỏi p(k)=0 với mọi k nên kiểm định Ljung Box được sử dụng nhằm khảo sát giả thiết này. Ngoài ra, các hệ số tương quan p(k) phản ánh mức độ kết hợp tuyến tính giữa hai biến, mức độ đó có thể bị ảnh hưởng bởi các biến khác, ví dụ như u(t-1), u(t-2)… có thể ảnh hưởng đến mức độ kết hợp của u(t) và u(t-k). Do đó, để đo mức độ kết hợp riêng rẽ giữa u(t) và u(t-k), ta có thể sử dụng hệ số tự tương quan riêng p(kk) (PACF), cũng tuân theo phân phối xấp xỉ chuẩn N(0, 1/n) nếu u(t) thỏa điều kiện trên. Thêm vào đó, nếu u(t) độc lập và có phân phối xác suất xác định thì u(t) bình phương và u(t) tuyệt đối cũng tương tự như vậy. Ta lần lượt kiểm định tính chất này. Nếu hệ số tương quan giữa u(t) bình phương và u(t) tuyệt đối khác 0 đáng kể thì giả thiết u(t) có phân phối xác định sẽ bị bác bỏ và u(t) không độc lập. Theo Taylor(1), hiện tượng phương sai có điều kiện thay đổi hay phương sai thay đổi có thể giải thích cho hiện tượng này. Vậy hai hiện tượng này là gì? Như tên gọi của nó, phương sai thay đổi cho biết có sự biến động trong phương sai trong giai đoạn xem xét, khi đó phương sai không là hằng số theo thời gian. Nó bao gồm hai dạng là phương sai có điều kiện thay đổi và phương sai không điều kiện thay đổi. Dạng thứ nhất ám chỉ khi có cú sốc tạo ra sự biến động lớn trong một thời kỳ thì sự ảnh hưởng này kéo dài trong một vài thời kỳ sau đó, do đó ta không dự đoán được tính biến động này ở tương lai vì không thể biết trước các cú số xảy ra khi nào. Tuy nhiên, khi có hiện tượng phương sai thay đổi, chưa chắc tồn tại phương sai thay đổi vì chỉ khi có cú sốc xảy ra khiến giá cả biến động mạnh, mới có hiện tượng phương sai có điều kiện thay đổi. Do đó thông thường phương sai thay đổi là dạng thứ hai. Dạng này cho biết có thể biết trước được tính biến động của yếu tố xem xét trong tương lai, được giải thích bởi sự tồn tại của yếu tố mùa vụ. Ví dụ như lượng tiêu thụ điện mùa khô luôn cao hơn mùa mưa và ta có thể biết trước được hiện tượng này. Ta sẽ quay trở lại hai vấn đề này ở phía dưới. (1) trang 64, 65, 66 sách “Modelling financial time series”, tái bản lần 2, tác giả Taylor, nhà xuất bản World Scientific Trang 9 Tuy nhiên, việc giả thiết p(k) tuân theo phân phối xấp xỉ chuẩn là hạn chế của kiểm định hệ số tương quan. Hạn chế này xuất hiện khi u(t) không độc lập, không có phân phối xác suất xác định và không đúng với u(t) phi tuyến, ngay cả khi nó là nhiễu trắng (theo Talyor(2)). Khi đó, phương sai của p(k) có thể rất lớn so với 1/n. Do đó, kiểm định đọan mạch tiếp cận theo một hướng khác để xác định sự độc lập giữa u(t) khi hạn chế này bị vi phạm, nghĩa là kiểm định không quan tâm đến phân phối của p(k) như thế nào. Tính độc lập cho biết có sự không tương quan tuyến tính và không tương quan phi tuyến. Một đoạn mạch là một dãy liên tục các ký hiệu giống nhau. Nếu u(t) có xu hướng thay đổi theo chiều tăng hay giảm, thì đoạn mạch trung bình sẽ dài hơn và số lượng đoạn mạch sẽ ít hơn so với quá trình ngẫu nhiên. Các ký hiệu ở đây mang dấu + nếu u(t) lớn hơn u trung bình hay trung vị u, - nếu u(t) bé hơn, 0 nếu không có sự thay đổi so với giá trị so sánh gốc. Giả thiết H0: u(t) độc lập, H1: u(t) không độc lập được kiểm định. Ngoài ra, BDS (Brock, Dechert, Scheinkman và LeBaron) (1996) tiếp cận theo hướng khác nhằm kiểm định tính độc lập giữa các tssl. Ý tưởng cơ bản của kiểm định này là nếu u(t) độc lập và có phân phối xác định thì xác suất khoảng cách của bất cứ cặp u(t), u(t-k) nào nhỏ hơn giá trị epsilon cho trước là hằng số, được mở rộng cho một dãy các cặp u(t) u(k), u(t+1) u(k+1)… u(t+m-1) u(k+m-1) với m là chiều dài của dãy (embedding dimension), m >=1 và xác suất chung cho khoảng cách giữa các cặp bé hơn epsilon cho trước là hằng số. Do u(t) độc lập và có phân phối xác định nên xác suất chung này bằng với xác suất của mỗi cặp u(t) u(k). Giả thiết H0: tssl giữa các kỳ là độc lập tương ứng với xác suất chung này bằng với xác suất mỗi cặp u(t) u(k) bé hơn epsilon. Tuy nhiên, nếu phân phối của thống kê BDS không có phân phối chuẩn thì sử dụng phương pháp tái tạo mẫu bootstrap - lấy ngẫu nhiên các giá trị từ mẫu ban đầu tạo thành mẫu mới nhằm đưa ra kết quả chính xác hơn. Phương pháp này tính toán giá trị thống kê BDS cho mỗi lần tái tạo mẫu và so sánh nó với giá trị thống kê BDS từ mẫu ban đầu, từ đó rút ra giá trị p-value bằng số nhỏ hơn giữa số lần tái tạo có giá trị thống kê lớn hơn và nhỏ hơn giá trị thống kê từ mẫu ban đầu/tổng số lần tái tạo và nhân với 2 (do kiểm định hai phía). (2) trang 25 sách “Modelling financial time series”, tái bản lần 2, tác giả Taylor, nhà xuất bản World Scientific Trang 10 2.1.3 Kiểm định phƣơng sai Tiếp theo, ta xét đến tính chất var u(t) không thay đổi theo thời gian. Nếu tính chất này đúng thì phương sai trong q thời kỳ sẽ bằng với q lần phương sai trong một thời kỳ, tức là: var (u(t) - u(t-q)) = q*var(u(t) - u(t-1)). Lo và Mackinlay (1988) đã đề xuất kiểm định dựa trên ý tưởng này. Họ sử dụng tỷ lệ phương sai: VR(q) = (1/q)*var u(q)/var u(1). U(t) có phương sai không đổi trong thời gian q tương ứng với giả thiết H0: VR(q)=1. Tuy nhiên, hạn chế của kiểm định này chính là chỉ xét đến khoảng thời gian q và việc lựa chọn q để xét mang tính chủ quan trong khi đó nếu var u(t) không đổi theo thời gian thì VR(q)=1 đúng với mọi q=1, 2,… Do đó, Chow và Denning (1993) đề xuất kiểm định H0: VR(q)=1 với mọi q và H1: có ít nhất 1 VR(q) khác 1. Giá trị kiểm định ở đây là MV= √ T*(max│VR(q)-1)│). Giá trị p- value tính toán tương ứng với chặn trên sao cho giá trị MV bé hơn hoặc bằng chặn trên này (*). Mặc dù hai kiểm định này được sử dụng rộng rãi, nhưng nó vẫn có một số nhược điểm. Thứ nhất, Lo và Mackinlay giả định phân phối mẫu VR là phân phối chuẩn tắc. Điều này chưa chắc đúng nếu số lượng quan sát u(t) ít. Thứ hai, việc kiểm định VR(q)=1 với q=1, 2,…. có thể đưa đến kết luận bác bỏ giả thíết H0 sai lầm do có hiện tượng tương quan giữa các VR(q) đơn lẻ gây ra bởi các quan sát trùng lắp trong VR(q). Từ hai nhược điểm trên, trong kiểm định Chow và Denning, phương pháp tái tạo mẫu bootstrap một lần nữa được sử dụng, từ đó cho kết quả chính xác hơn. Giá trị p-value tính toán trực tiếp bằng tỷ lệ giữa số lần tái tạo có giá trị MV lớn hơn chặn trên được xác định từ (*) chia cho tổng số lần tái tạo; q nên bằng 2, 4, 8, 16, 32 đối với dữ liệu theo ngày. Dựa trên ý tưởng của Lo và Mackinlay, Wright (2000) đề xuất sử dụng rank và rank scores của tssl thay cho chính tssl và chứng minh phương pháp này chính xác hơn khi tssl không tuân theo phân phối chuẩn. Giá trị q xét đến là 2, 5, 10, 30. 2.1.4 Kiểm định phƣơng sai có điều kiện Như đã nói ở trên, nếu có hiện tượng tương quan giữa tssl bình phương, trị tuyệt đối tssl thì có thể có hiện tượng phương sai có điều kiện thay đổi. Để xác định xem có hiện tượng này hay không, ta tìm hiểu về các mô hình AR(p), MA(q) và ARMA(p, q). Cả ba mô hình đều dựa trên chuỗi thời gian đang xét đến có tính dừng ( theo Gujarati (2003), nếu một chuỗi thời gian không dừng thì phương trình ước lượng sẽ không có ý nghĩa thống kê), có thể được kiểm định bằng phương pháp nghiệm đơn vị. Xét mô hình AR(p) tự hồi quy bậc p có dạng: Y(t) = a + b(1)*Y(t-1) +….+ b(p)*Y(t-p) + u(t) hàm ý hành vi của Y(t) được xác định bởi giá trị trước đó của chính chuỗi thời gian. Mối Trang 11 tương quan giữa biến phụ thuộc Y(t) và Y(t-1), Y(t-2)… được xác định dựa trên hệ số tương quan riêng như đã đề cập phía trên. Mô hình AR(p) đòi hỏi hệ số tương quan ACF có xu hướng bằng 0 ngay lập tức, trong khi đó PACF sẽ có xu hướng khác 0 một cách có ý nghĩa thống kê cho đến độ trễ p và bằng 0 ngay sau độ trễ p đó. Tiếp đến là mô hình MA(q) có dạng: Y(t) = μ + u(t) + b(1)*u(t-1) +….+ b(q)*u(t-q) Y(t) - μ = u(t) + b(1)*u(t-1) +….+ b(q)*u(t-q) hàm ý độ lệch của Y(t) là một hàm tuyến tính của các sai số hiện tại và quá khứ. Để xác định độ trễ p ta sử dụng giản đồ tự tương quan ACF sẽ có xu hướng khác 0 một cách có ý nghĩa thống kê cho đến độ trễ q và sẽ bằng 0 sau độ trễ này. Trong khi đó PACF sẽ có xu hướng bằng 0 ngay lập tức. Nếu chuỗi dữ liệu vừa có ACF và PACF khác 0 một cách có ý nghĩa thống kê và là chuỗi dừng thì có thể tuân theo mô hình tổng quát ARMA(p, q). Sau khi ước lượng được mô hình ARMA(p, q) phù hợp, ta kiểm tra liệu có hiện tượng phương sai có điều kiện thay đổi của u(t). McLeod và Li (1983) đề xuất xem xét hệ số tương quan giữa u(t) bình phương, Engle (1982) xây dựng phương trình u(t)2 = c + u(t-1)2 +…+ u(t-k)2 (2). Nếu hệ số tương quan giữa u(t) bình phương và các hệ số trong phương trình Engle khác 0 có ý nghĩa thống kê, khi đó tồn tại hiện tượng phương sai có điều kiện thay đổi (ARCH). Engle đề xuất phương trình ARCH(q) như sau: Y(t) = a + b*X(t) + u(t) với X(t) có thể là biến giả hay biến trễ Y(t-1), Y(t-2) u(t) tuân theo phân phối N(0, h(t)) h(t) = a + b(1)*u(t-1) 2 +….+ b(p)*u(t-p)2 Mô hình này cho rằng khi có một cú sốc lớn xảy ra ở các giai đoạn trước thì giá trị u(t) bình phương cũng sẽ lớn hơn. Các giá trị b(p) phải dương vì phương sai luôn dương. Tuy nhiên, việc xét ARCH(p) với p càng cao, càng làm giảm kết quả ước lượng (thông qua hệ số xác định điều chỉnh R2 = 1 - ESS(n-1)/TSS(n-k) giảm khi k càng lớn) khi giảm đáng kể số bậc tự do trong mô hình. Vì vậy, Bollerslev (1986) đề xuất đưa thêm vào phương trình các biến trễ của phương sai có điều kiện theo dạng tự hồi quy. Mô hình GARCH(p, q) có dạng sau đây: Y(t) = a + b*X(t) + u(t) với X(t) có thể là biến giả hay biến trễ Y(t-1), Y(t-2) u(t) tuân theo phân phối N(0, h(t)) h(t) = a + b(1)*u(t-1) 2 +….+ b(p)*u(t-p)2 + c(1)*h(t-1) +….+ c(q)*h(t-q), b(p) và c(q) dương Trang 12 Bollerslev cũng chứng minh mô hình GARCH(1,1) tương đương với mô hình ARCH(p) (3). Do đó, ta sẽ sử dụng phương trình GARCH thay cho các mô hình ARCH bậc cao. Việc xác định p mang tính chất định tính, ta có thể thử bằng những giá trị khác nhau sao cho thỏa mãn điều kiện b(p) và các hệ số có ý nghĩa thống kê. Điều này cũng tương tự với q, được xác định từ phương trình (2). Ngoài ra, mô hình GARCH-M (1987) và T-GARCH (1993, 1994) được sử dụng để bù đắp nhược điểm của GARCH. Thứ nhất, GARCH-M cho phép bổ sung giá trị trung bình phụ thuộc vào phương sai có điều kiện hay độ lệch chuẩn có điều kiện của chính nó. Điều này hàm ý các nhà đầu tư thường đòi hỏi phần phí bù rủi ro khi rủi ro càng cao - được đo lường bằng phương sai có điều kiện. Nếu hệ số của nó >0 có ý nghĩa thống kê thì kết luận có hiện tượng trên. Tương tự, mô hình T-GARCH cho phép tách biệt ảnh hưởng của các cú sốc dương (tin tức tốt) và âm - liên quan đến tính hiệu quả của thị trường, trong khi đó mô hình GARCH chỉ quan tâm đến giá trị tuyệt đối của các cú sốc ( u(t)2) chứ không quan tâm đến dấu của chúng. Vì vậy, T-GARCH bổ sung vào phương trình phương sai có điều kiện biến giả d(t) có giá trị =1 nếu u(t) 0. Nếu hệ số của biến giả này có ý nghĩa thống kê chứng tỏ có sự khác biệt giữa các cú sốc âm và dương, ví dụ cú sốc âm có tác động mạnh làm các nhà đầu tư bi quan, chán nản và chờ đợi một cách thụ động các dấu hiệu thị trường, hàm ý thị trường không hiệu quả. Phương trình phương sai của T-GARCH(1,1) có dạng: h(t) = a + b(1)*u(t-1)2 + b’(1)*d(t- 1)*u(t-1) 2 + c(1)*h(t-1). Ngoài ra, Lo và Mackinlay đã mở rộng kiểm định của mình đối với hiện tượng phương sai có điều kiện thay đổi và giả thiết Ho tương tự như trên. Tương tự cho Chow và Denning. Đặc biệt, khi VR không có phân phối chuẩn, Kim đề xuất sử dụng phương pháp tái tạo mẫu Wild bootstrap - tái tạo mẫu Y(t)*=NY(t) với N có trung bình và phương sai thuần nhất. Giá trị p- value được tính toán tương tự như đề cập ở phần trước. Dựa trên ý tưởng của Lo và Mackinlay, Wright cũng đề xuất sử dụng dấu (sign) cùa tssl thay vì chính nó để kiểm định trong trường hợp này. 2.1.5 Kiểm định các hiệu ứng bất thƣờng Từ những kiểm định về tính tương quan và phương sai của u(t) là cơ sở thuyết phục về các tính chất của u(t). Tuy nhiên, ta còn bỏ sót việc kiểm định liệu E(u(t)) có thay đổi theo thời (3) trang 518 sách “Dự báo và phân tích dữ liệu trong kinh tế và tài chính, đồng tác giả Nguyễn Trọng Hoài, Phùng Thanh Bình, Nguyễn Khánh Duy, nhà xuất bản thống kê, 2009 Trang 13 gian hay không. Hiện nay trên thế giới chưa có kiểm định nào ứng dụng rộng rãi để kiểm tra tính chất này. Nếu như thị trường không hiệu quả dạng yếu thì khả năng xuất hiện các bất thường của thị trường rất đáng xem xét. Ở đây, ta đề cập đến hai sự bất thường, đó là hiện tượng tháng Giêng và hiệu ứng theo tuần. Trước hết, hiệu ứng tháng Giêng cho biết tssl của tháng Một cao hơn so với các tháng khác. Để kiểm tra tính đúng đắn của hiệu ứng này, theo Coutts (2000), ta hồi quy phương trình tssl theo các biến giả đại diện cho các tháng trong năm. Phương trình có dạng: R(t) = b0 + b2*D2(t) +…….+ b12*D12(t) + u(t) với b2, …12 lần lượt là sự chênh lệch giữa tssl tháng Giêng và các tháng khác trong năm…,b0 là tssl tháng Một. Giả thiết H0: tất cả các hệ số b đều bằng không, tương ứng với không có hiệu ứng tháng Giêng. Nếu giả thiết H0 bị bác bỏ, dấu của b0 phải dương có ý nghĩa thống kê, đồng thời dấu âm của các hệ số hồi quy của các biến giả là một dấu hiệu quan trọng cho biết ảnh hưởng tháng Giêng. Tiếp theo, ta kiểm định hiệu ứng theo tuần điển hình. Hiệu ứng này cho biết tssl ngày thứ Hai thường thấp hơn so với các thứ còn lại và tssl đạt cao nhất vào thứ Sáu trong tuần. Để kiểm định hiện tượng này, theo Karolyi (1995), Kiymaz và Berument (2003), ta sử dụng mô hình E- GARCH (1991) kết hợp với các biến giả tương ứng với các thứ trong tuần là Hai, Ba, Năm, Sáu. Trước hết, hãy nói sơ qua về mô hình E-GARCH. Về mặt lý thuyết, mô hình này cũng tương ứng với mô hình T-GARCH khi cho phép tách biệt ảnh hưởng của các cú sốc dương và âm đến phương sai u(t). Phương trình có dạng: Y(t) = b2*D2(t) + b3*D3(t) + b5*D5(t) + b6*D6(t) + b*X(t) + u(t) (3) u(t) tuân theo phân phối N(0, h(t)) log h(t) = a+ b2*D2(t) + b3*D3(t) + b5*D5(t) + b6*D6(t) + c(1)*log h(t-1) +….+ c(q)*log h(t-q) + d(1)*│u(t-1)/σ(t-1)│+….+ d(p)*│u(t-p)/σ(t-p)│+ e(1)*u(t-1)/σ(t-1) +…+ e(p)*u(t-p)/σ(t-p) (4) Các biến D2, 3, 5, 6 đại diện cho các thứ Hai, Ba, Năm, Sáu, e đại diện cho ảnh hưởng của các tin tức xấu và tốt đến phương sai. Lưu ý do phương trình phương sai lấy log nên các hệ số c không cần >0. Hệ số e bằng 0 có ý nghĩa thống kê có nghĩa cú sốc âm và dương có tác động như nhau. Nếu b2 0 có ý nghĩa thống kê trong phương trình (3); hệ số b2 >0 và b6 <0 có ý nghĩa thống kê trong phương trình (4) chứng tỏ sự tồn tại của của hiệu ứng này. Để kiểm tra xem kết quả có thay đổi nếu tssl chịu tác động của phần phí bù đắp rủi ro, ta bổ sung biến phương sai có điều kiện h(t) vào phương trình (3) và kiểm định như trên. Trang 14 Đến bây giờ, chúng ta đã đi qua các phương pháp kiểm định cho thị trường hiệu quả dạng yếu, tức giá cả hôm nay chứa đựng thông tin về giá cả quá khứ và không cho biết thông tin nào về giá cả tương lai. Tuy nhiên, liệu giá cả chứng khoán có phản ánh các thông tin đại chúng một cách kịp thời và đầy đủ khi các tin tức này được tuyên truyền rộng rãi hay không? Nếu tồn tại sự phản ánh như vậy, các nhà kinh tế gọi đó là thị trường hiệu quả dạng vừa. Như vậy, phần tiếp theo sẽ nêu ra phương pháp nghiên cứu sự kiện (event study) nhằm kiểm định tính hiệu quả dạng vừa này. Đầu tiên, ta cần tìm hiểu một số khái niệm. ta có: Tssl nắm giữ trong một ngày = (giá đóng cửa ngày hôm nay-giá đóng cửa ngày hôm qua)/giá đóng cửa ngày hôm qua Tssl kỳ vọng của một chứng khoán được xác định theo mô hình CAPM tức là: E(Ri) = Rf + β chứng khoán(Rm-Rf) với β = cov(Ri,Rm)/var Rm Tssl vượt trội của một chứng khoán là mức chênh lệch giữa tssl thực tế và tssl kỳ vọng: ER = tssl thực tế(R) - tssl kỳ vọng(E(R)) Tssl vượt trội tích lũy ngày thứ i bằng tổng tssl vượt trội từ các ngày 1, 2,…, i Khoảng thời gian được xem xét trong phương pháp này là 30 ngày trước ngày công bố tin tức và 30 ngày sau ngày công bố với ngày 0 là ngày công bố. Các giả thiết cần kiểm định là H01: thông tin được công bố không tạo ra phản ứng đáng kể trong giá cổ phiếu vào ngày 0 và H02: thông tin công bố không tạo ra phản ứng đáng kể trong giá cổ phiếu trong thời kỳ công bố. Thống kê t được sử dụng để xác định liệu ER khác 0 có ý nghĩa thống kê hay không với t = ER trung bình * √ n/σ tương ứng với mẫu. Để kiểm định giả thiết H01 và H02, ta lần lượt xem xét phản ứng tại ngày 0 như thế nào và liệu AER, CAER trung bình trong thời kỳ công bố có bằng 0 một cách có ý nghĩa thống kê hay không. Ở phần phía dưới, ta đề cập đến hai sự kiện công bố thông tin: công bố lợi nhuận và công bố mua lại cổ phiếu quỹ. Nếu cả hai giả thiết H01 và H02 lần lượt bị bác bỏ, có thể kết luận rằng thị trường chứng khoán hiệu quả dạng vừa, ít nhất là đối với các công bố về lợi nhuận và mua cổ phiếu quỹ. 2.1.6 Dữ liệu nghiên cứu Đối với kiểm định thị trường hiệu quả dạng yếu, dữ liệu được sử dụng là chỉ số VN- INDEX mỗi ngày từ 28/7/2000-9/3/2010, giá đóng cửa mỗi ngày của VNM từ 19/1/2006- 9/3/2010 và FPT từ 13/12/2006-9/3/2010. Các dữ liệu theo tháng và tuần được rút trích ra từ ba dữ liệu trên. Trang 15 Đối với kiểm định thị trường hiệu quả dạng vừa, về vấn đề công bố lợi nhuận, ta sử dụng số liệu của VNM và FPT với thời gian công bố lần lượt là 13/4/2009 và 16/7/2009. Đối với công bố mua lại cổ phiếu quỹ, chỉ có VNM có chính sách này với ngày công bố là 24/12/2009. Các công bố này đều xảy ra ít nhất một năm sau khi các công ty lên sàn. Việc tính toán tssl kỳ vọng trong thời gian công bố dựa trên beta tính toán từ ngày -180 đến -31. 2.2 Kết quả thực tế 2.2.1 Kiểm định tính hiệu quả yếu 2.2.1.1 Kiểm định nghiệm đơn vị Trong phần này, ta lần lượt đề cập đến tính hiệu quả dạng yếu và vừa của thị trường chứng khoán Việt Nam, tiêu biểu là VN-INDEX. Không chỉ vậy, ta còn quan tâm đến liệu các chứng khoán riêng lẻ có hiệu quả hay không, thông qua hai chứng khoán là FPT và VNM. Đầu tiên, hãy xem xét thống kê miêu tả về tssl của ba chứng khoán này. Qua thống kê sơ bộ ở bảng 1, tssl của VNM và VN-INDEX đều dương, FPT âm cho biết việc nắm giữ chứng khoán FPT trong giai đoạn xem xét tính trung bình không sinh lời. có thể thấy cả ba chứng khoán đều có độ lệch chuẩn lớn, cho thấy tính biến động mạnh mẽ trong giá cả. Hệ số Skewness đều âm cho biết hàm phân phối xác xuất bị nghiêng trái nhưng mức độ nghiêng lớn xuất hiện ở VNM và FPT với dữ liệu theo ngày, tuần. Hệ số Kurtosis đều lớn hơn 3 đáng kể cho biết độ phân tán về tssl ở ba chứng khoán đều lớn, ngoại trừ FPT theo tháng xấp xỉ độ nhọn chuẩn. giá trị p-value của thống kê Jarque-Bera ở VN-INDEX, ở VNM và FPT đối với ngày, tuần cho biết tssl không tuân theo phân phối chuẩn, chỉ có tssl theo tháng ở VNM và FPT tuân theo phân phối này với bất cứ mức ý nghĩa alpha =10%, 5% và 1%. Điều này sẽ giúp chúng ta thực hiện các kiểm định cho kết quả chính xác hơn ở phần sau. Tiếp theo, ta lần lượt kiểm định bằng chứng về nghiệm đơn vị - tức chuỗi logP(t) dừng hay không dừng. Ở đây, ta xem xét phương trình logP(t) = logP(t-1) + c + u(t) với c thể hiện sự thay đổi giá cả trung bình giữa t và t- 1. Từ bảng 2, ta thấy cả hai phương pháp ADF và PP đểu cho kết quả là logP(t) là chuỗi không dừng, hàm ý bước đi ngẫu nhiên tồn tại. Các ký hiệu *, ** cho biết hệ số c trong phương trình khác 0 lần lượt có ý nghĩa mức 5%, 10%. Ta thấy VN-INDEX và VNM ở ba chuỗi có hệ số c khác 0 có ý nghĩa ở mức 10%, ngoại trừ FPT, nghĩa là sự thay đổi giá cả trung bình mỗi ngày, tháng, năm bằng 0. Về kiểm định KPSS, VN-INDEX đều có giá trị thống kê lớn hơn giá trị tương ứng với mức ý nghĩa 1%, 5%, 10%, cho thấy chuỗi logP(t) là chuỗi không dừng. Đối với Trang 16 VNM, bước đi ngẫu nhiên chỉ đúng đối với dữ liệu theo ngày, hàm ý có thể dự báo tin cậy giá cả của chuỗi dữ liệu theo tuần và tháng. FPT cũng cho thấy ba chuỗi đều không dừng ở mức ý nghĩa 5% và 10%. Việc kiểm định tính dừng của sai phân logP(t) đối với ba phương pháp cho biết sai phân bậc 1 (hay còn gọi là tssl) đều cho thấy tồn tại tính chất này, tức là có thể xây dựng mô hình nêu lên mối quan hệ giữa tssl t, t-1, t-2... Ta sẽ khảo sát tính chất tương quan này ở phần tiếp theo. 2.2.1.2 Kiểm định hệ số tƣơng quan Xem xét bảng tương quan của 3 chứng khoán ở bảng 3, ta thấy chuỗi tssl VN-INDEX có hệ số tương quan lớn và giá trị p-value của kiểm định Ljung Box đều bằng 0, cho biết hệ số tương quan khác 0 có ý nghĩa ở mức 5% ở các độ trễ 1, 4, 8, 12; các hệ số tương quan này đều >0, hàm ý tssl ngày hôm nay có xu hướng đạt tssl cao hơn vào một vài ngày hôm sau, ngoại trừ tssl theo tháng đối với các độ trễ 8 và 12. Đối với VNM, mối tương quan giữa các tssl theo các trễ không tồn tại ở mọi mức ý nghĩa 1%, 5% và 10%. Mối tương quan này cũng đúng đối với FPT theo tháng và tuần, ngoại trừ chuỗi dữ liệu theo ngày có mối tương quan dương giữa ngày hôm nay và các ngày -1, -4, mối tương quan âm với ngày -8, -12. Từ phân tích trên, ta thấy tssl VNM không tương quan, VN-INDEX có tương quan dương rõ rệt, còn FPT thì có bằng chứng hỗn hợp ủng hộ lẫn bác bỏ sự tương quan. Tuy nhiên, điều này không cho ta biết thông tin gì về mối quan hệ phi tuyến giữa các tssl khi mà sự tương quan này tiết lộ cho ta biết nhiều điều quan trọng. Ta xem xét mối quan hệ giữa bình phương tssl và trị tuyệt đối tssl (số trong ngoặc). Những ô trình bày hai kết quả cho thấy có bằng chứng trái ngược nhau giữa quan hệ bình phương tssl và tssl tuyệt đối. Từ ba bảng 4, 5, 6, ta thấy VN-INDEX tồn tại tương quan giữa các tssl bình phương và trị tuyệt đối (không trình bày) rõ rệt ở mọi mức ý nghĩa 1%, 5%, 10%, cho biết cho biết kiểm định hệ số tương quan giữa tssl phía trên giảm tính thuyết phục. Đối với VNM, kết quả theo tháng và tuần cho thấy không có tương quan phi tuyến; còn chuỗi theo ngày cho kết quả hỗn hợp: có sự tương quan giữa trị tuyệt đối tssl và không có tương quan giữa tssl bình phương. FPT cũng đưa ra kết luận tương tự đối với chuỗi theo tháng và ngày như VNM, còn chuỗi theo tuần cho thấy kết quả hỗn hợp: trị tuyệt đối tssl có tương quan và tssl bình phương không tương quan. Điều này cho thấy mối quan hệ tuyến tính của VNM và FPT có thể đứng vững và đưa ra những gợi ý quan trọng về hiện tượng phương sai hay đổi hay phương sai có điều kiện thay đổi. Trang 17 Khi mối quan hệ phi tuyến giữa tssl ảnh hưởng đến kết quả tương quan tuyến tính, kiểm định đoạn mạch được sử dụng để xem xét tính phụ thuộc sâu sắc hơn. Ở bảng 7, ta quan sát thấy giá trị p-value của VN-INDEX đối với ba kiểu dữ liệu đều bằng 0, cho thấy có sự phụ thuộc tuyến tính giữa tssl ở mức 1%, 5%, 10%, hoàn toàn phù hợp với kết luận được đưa ra ở phía trên. Kết luận về FPT giữa phương pháp đoạn mạch và hệ số tương quan đều đồng nhất. Riêng đối với VNM, có sự khác biệt giữa hai phương pháp đối với chuỗi dữ liệu theo ngày: đó là kiểm định đoạn mạch cho biết có sự phụ thuộc, còn hệ số tương quan thì không. Kết luận giữa hai phương pháp cũng đồng nhất đối với chuỗi theo tuần và tháng của VNM. Các giá trị Z của ba chuỗi dữ liệu đều âm ngoại trừ VNM theo tuần với kiểm định theo trung bình, hàm ý có sự tương quan dương giữa các tssl (theo Abraham và các cộng sự (2002)), phù hợp với kết luận rút ra từ hệ số tương quan đối với VN-INDEX. Kiểm định cuối cùng để xác định liệu tssl có tương quan hay không là BDS. 1000 lần lặp được sử dụng trong bootstrap, giá trị epsilon được chọn đối với VN-INDEX là 0.01, VNM và FPT là 0.005. Các ước lượng này mang tính định tính và đưa ra kết quả tương ứng. Quan sát các bảng 8, 9, 10, đối với VN-INDEX theo ngày và tuần, p-value bằng 0 đối với bootstrap và không bootstrap, chứng tỏ có sự phụ thuộc giữa các tssl, phù hợp với kết luận từ hệ số tương quan; còn chuỗi theo tháng đa số ủng hộ cho sự độc lập ở mức 1%, 5% và 10% giữa các tssl ngoại trừ m=3 và phương pháp không bootstrap đối với m=2, 3. Đối với VNM, rõ ràng có sự phụ thuộc giữa các tssl theo ngày (p-value bằng 0), khác với kết luận từ hệ số tương quan; đối với chuỗi theo tuần, tồn tại sự độc lập đối với bootstrap ở mức 1%, 5% và 10% và không bootstrap với m=6; chuỗi theo tháng cho thấy sự độc lập đối ở ba mức ý nghĩa đối với bootstrap khi m=4, 5, 6 và không bootstrap khi m=2. Tổng quát, kết luận này phù hợp với phương pháp đoạn mạch đối với VNM. Về FPT, các kết luận về chuỗi theo ngày có sự phụ thuộc (p-value bằng 0), chuỗi theo tuần độc lập ở ba mức ý nghĩa, chuỗi theo tháng độc lập ngoại trừ phương pháp bootstrap với m=4, 5, 6. 2.2.1.3 Kiểm định phƣơng sai Như vậy, ta đã đi qua các kiểm định khác nhau về tương quan giữa các tssl. Tổng hợp lại, chuỗi VN-INDEX có hiện tượng tương quan dương theo ngày, tuần ngoại trừ độc lập theo tháng; FPT có tương quan theo ngày, không tương quan theo tuần và độc lập theo tháng; VNM phụ thuộc theo ngày, độc lập theo tuần và tháng. Tiếp đến, ta tiến đến khảo sát tính chất thứ hai của tssl, đó là phương sai không thay đổi. Hãy xem qua kiểm định của Lo và Mackinlay với q =2, 4, Trang 18 8, 16, 32. Từ ba bảng 11, 12, 13, ta thấy VN-INDEX có hiện tượng phương sai thay đổi theo ngày và tuần ở 3 mức ý nghĩa, theo tháng có hiện tượng phương sai thay đổi ở q=2, 4, 8 với mức 5%, còn q còn lại không có hiện tượng này. Đối với VNM, có bằng chứng mạnh mẽ ủng hộ cho hiện tượng phương sai không thay đổi ở ba chuỗi với giá trị p-value trên 19% ngoại trừ chuỗi theo ngày ở q=2 có p-value= 8.03%. Về FPT, không có hiện tượng phương sai thay đổi theo tuần và tháng ở ba mức ý nghĩa, kết quả này ngược lại với chuỗi theo ngày. Tuy nhiên, ta chỉ mới kiểm định đối với mỗi q thời kỳ trong khi hiện tượng phương sai không đổi nếu tồn tại sẽ đúng với mọi q nên ta xem kiểm định của Chow Denning. Từ kết quả p-value của bảng 14, ta thấy chuỗi VN-INDEX có hiện tượng phương sai thay đổi theo ngày tuần tháng ở ba mức ý nghĩa, phù hợp với kết luận rút ra phía trên. Các kết quả đối với VNM ủng hộ mạnh mẽ việc không có hiện tượng này. Đối với FPT, các kết luận cũng tương tự như kiểm định Lo và Mackinlay. Ta tiếp tục xem xét kiểm định Wright đối với cả ba chuỗi, kiểm định này hữu ích khi cả ba dữ liệu đều không tuân theo phân phối chuẩn ngoại trừ VNM và FPT theo tháng. Ở đây ta chỉ trình bày kiểm định theo Chow Denning của Wright. Do vấn đề kỹ thuật nên ta không thể xem xét q = 2, 5, 10, 30 mà là 2, 4, 8, 16, 32. Dựa theo p-value ở bảng 15, ta kết luận VN-INDEX có sự thay đổi phương sai ở ba mức ý nghĩa, VNM chỉ tồn tại hiện tượng này ở chuỗi theo ngày ở mức 1%, 5%, 10%, FPT không có hiện tượng này theo tuần ở mức 5%, theo tháng ở ba mức ý nghĩa và thay đổi phương sai theo ngày mạnh mẽ. Từ các kiểm định trên, tổng quát ta có hiện tượng phương sai thay đổi ở VN-INDEX, giải thích cho hiện tượng tương quan phi tuyến giữa chuỗi theo ngày và tuần, mâu thuẫn với chuỗi theo tháng. VNM không có hiện tượng này theo tuần và tháng, cho kết qua hỗn hợp theo ngày (kiểm định Wright đáng tin cậy hơn vì VNM ngày không có phân phối chuẩn), giải thích cho tương quan phi tuyến theo ngày và không tương quan phi tuyến theo tuần và tháng. FPT không có hiện tượng phương sai thay đổi theo tuần và tháng, ngược lại đối với ngày, giải thích cho mối quan hệ phi tuyến giữa tssl (ngoại trừ mối tương quan phi tuyến tssl theo tuần ở phần trước cho kết quả hỗn hợp). 2.2.1.4 Kiểm định phƣơng sai có điều kiện Bên cạnh đó, một khả năng khác giải thích cho hiện tượng tương quan phi tuyến giữa tssl là do phương sai có điều kiện thay đổi. Ta xem xét hiện tượng này liệu có tồn tại hay không. Hãy xem qua biểu đồ về tssl ở hình 1. Có thể quan sát thấy ở VN-INDEX theo ngày và tuần, ta thấy có sự biến động lớn (nhỏ) trong tssl ở thời kỳ này được tiếp tục ở nhiều thời kỳ sau, đồng thời các dao động của tssl quanh giá trị 0 không đồng đều: đó là dấu hiệu của hiện tượng phương sai Trang 19 có điều kiện thay đổi. Điều này tương tự với FPT và VNM với chuỗi theo ngày, còn chuỗi theo tuần và tháng không quan sát rõ. Nhưng đó mới chỉ là cái nhìn trực quan, ta sẽ đi sâu hơn nhằm tìm hiểu hiện tượng này ngay sau đây. Phương trình ARMA(p, q) đề xuất dưới đây là các phương trình thỏa mãn các điều kiện về sự phù hợp của mô hình, p được xác định dựa theo PACF và q dựa theo ACF; cả ACF và PACF được chọn đều khác 0 có ý nghĩa thống kê. Sau khi đã có được phương trình, ta kiểm tra xem có tương quan phi tuyến giữa các sai số epsilon hay không bằng phương pháp McLeod Li và Engle. Ở bảng 16, có thể thấy ở VN-INDEX tồn tại rõ rệt hiệu ứng phương sai có điều kiện thay đổi đối với ngày ở các trễ và tương quan khác 0 có ý nghĩa ở ba mức giữa sai số bình phương với 5 độ trễ . Đối với chuỗi theo tuần cũng tồn tại hiện tượng này và phương pháp Engle có ý nghĩa ở độ trễ 1 ,3, 4. Chuỗi theo tháng không cho thấy có hiện tượng này tính đến độ trễ 20, tuy nhiên đến độ trễ 12, vẫn tồn tại sự tương quan phi tuyến. Phương pháp Engle cho thấy có tương quan ở độ trễ 5, giá trị p-value của thống kê F cho thấy không có hiệu ứng ARCH ở mức ý nghĩa 5%. Đối với FPT, bảng 17 cho biết không có sự tương quan phi tuyến giữa bình phương sai số ở cả hai phương pháp McLeod Li và Engle ba mức ý nghĩa ngọai trừ ARCH của Engle có p- value bằng 0.0329. Từ các phân tích trên, ta khẳng định có sự tồn tại của hiệu ứng phương sai có điều kiện thay đổi theo ngày và tuần ở VN-INDEX, giải thích được tương quan phi tuyến giữa tssl, không có sự tồn tại của hiệu ứng này ở mức 1%, ủng hộ cho sự không tương quan phi tuyến tssl theo tháng. Còn FPT không tồn tại hiện tượng phương sai có điều kiện thay đổi này. Ta mở rộng hiệu ứng ARCH nhằm xem xét liệu các nhà đầu tư có đòi hỏi phần phí bù đắp rủi ro qua phương trình M-GARCH và liệu các tin tức tốt và xấu có ảnh hưởng ngang nhau đến các nhà đầu tư hay không qua phương trình T-GARCH. Các phương trình GARCH dưới đây được chọn lọc và thỏa mãn các tính chất như hệ số b(p), c(q) dương, các hệ số khác 0 có ý nghĩa thống kê. Ở bảng 18, ta thấy ở chuỗi theo ngày, hệ số của phương sai trong phương trình M- GARCH khác 0 có ý nghĩa thống kê ở mức 10%, hàm ý các nhà đầu tư đòi hỏi phần phí bù đắp rủi ro, phù hợp với sự biến động mạnh của VN-INDEX khiến các nhà đầu tư đòi hỏi được bù đắp rủi ro. Tương tự, hệ số của biến giả trong phương trình T-GARCH khác 0 có ý nghĩa thống kê ở mức 5% và 10%, cho thấy cú sốc âm làm tăng tính biến động của giá chứng khoán mạnh hơn cú sốc dương. Kết luận về chuỗi theo tuần ở bảng 19 thì ngược lại khi giá trị p-value của M- GARCH là 0.8559 và T-GARCH là 0.1344, cho thấy hệ số này bằng 0 ở ba mức ý nghĩa. Trang 20 Như đã khẳng định ở trên, VN-INDEX có hiện tượng phương sai có điều kiện thay đổi theo ngày và tuần và bằng chứng hỗn hợp đối với chuỗi theo tháng. Ta xem xét lại kiểm định của Lo Mackinlay, Chow Denning và kiểm định dấu (sign) của Wright (2000). Từ bảng 20, có thể thấy hiện tương phương sai thay đổi tồn tại đối với chuỗi theo ngày, tuần ở ba mức ý nghĩa trong khi chuỗi theo tháng có sự thay đổi phương sai trong 2 thời kỳ, 4 thời kỳ, còn 8, 16, 32 thời kỳ thì không có hiện tượng này ở mức ý nghĩa 5%. Ta xem xét kiểm định hiện tượng này có đúng không với mọi q: ở bảng 21, ta thấy có hiện tượng phương sai thay đổi tồn tại ở chuỗi theo ngày và tuần rõ rệt với mọi mức ý nghĩa và hiện tượng này chỉ đúng theo tháng với mức 5% và 10%. Kết luận này đồng nhất với kết quả tương ứng phía trên khi chưa biết có hiện tượng phương sai có điều kiện thay đổi. Ta tiếp tục xét đến kiểm định Wright. Kiểm định Chow Denning theo Wright ở bảng 22 cũng cho ra kết quả có hiện tượng phương sai thay đổi mạnh mẽ ở ba mức ý nghĩa. Kết hợp các kết quả khi chưa biết phương sai có điều kiện thay đổi, ta rút ra kết luận có hiện tượng phương sai thay đổi theo ngày, tuần và tháng ở VN-INDEX. Như vậy, ta đã thực hiện xong các khảo sát về tính hiệu quả yếu của thị trường và hai chứng khoán cụ thể. Các kết quả được tóm tắt trong bảng 23 như sau: ngày tuần tháng ngày tuần tháng ngày tuần tháng t ơng qua tuyến tính ó có có không không không có không không tươn qua phi tuyến có có không có/không không không có/không có/không không độ lậ hông không có/không không có/không có/không không có có/không p ươ g sai thay đổi có có có có/không không không có không không phương sai có điều kiện thay đổi có có có/không không VN-INDEX VNM FPT 2.2.2 Kiểm định các hiệu ứng bất thƣờng 2.2.2.1 Hiệu ứng tháng Một Nếu VN-INDEX không hiệu quả, liệu có tồn tại các bất thường như hiệu ứng theo thứ, theo tháng… được rút ra từ các nghiên cứu thực nghiệm trên thế giới. Để làm sáng tỏ vần đề này, ta lần lượt khảo sát hai hiệu ứng tiêu biểu là tssl tháng Một cao hơn các tháng còn lại và hiệu ứng tuần. Với hiệu ứng đầu tiên, ta xem xét kết quả sau: R = C(1) + C(2)*D2 + C(3)*D3 + C(4)*D4 Trang 21 + C(5)*D5 + C(6)*D6 + C(7)*D7 + C(8)*D8 + C(9)*D9 + C(10)*D10 + C(11)*D11 + C(12)*D12. Ở bảng 24, tuy hệ số của tháng Một dương và lớn nhất trong khi đó hầu hết các hệ số còn lại đều âm cho thấy tồn tại hiệu ứng tháng Giêng mạnh mẽ ở VN-INDEX (ngoại trừ tháng Tư đạt tssl cao hơn) nhưng p-value của hệ số tháng Một bằng 0.1345 cho biết hệ số này bằng 0 có ý nghĩa thống kê ở mức 1%, 5%, 10%, đồng thời thống kê F với các hệ số đều bằng 0 có p-value bằng 39.9%. Từ đó cho thấy không tồn tại hiệu ứng này ở sàn HOSE. 2.2.2.2 Hiệu ứng theo tuần Tiếp đến ta xem xét hiệu ứng tuần thông qua phương trình: R = C(1)*D2 + C(2)*D3 + C(3)*D5 + C(4)*D6 + [AR(1)=C(5),AR(4)=C(6), MA(4)=C(7)]. LOG(GARCH) = C(8) + C(9)*│RESID(-1)/σ GARCH(-1))│ + C(10)*RESID(-1)/σ GARCH(- 1)) + C(11)*LOG(GARCH(-1)) + C(12)*LOG(GARCH(-2)) + C(13)*LOG(GARCH(-3)) + C(14)*D2 + C(15)*D3 + C(16)*D5 + C(17)*D6. Ở bảng 25, ta thấy hệ số của biến giả thứ Sáu đạt giá trị cao nhất và khác 0 với mọi mức ý nghĩa trong khi hệ số thứ Hai không âm, hệ số thứ Ba thấp nhất và cả hai bằng 0 có ý nghĩa thống kê, đồng thời thống kê F có p-value bằng 0.37%. Từ đó cho biết hiệu ứng thứ tồn tại đối với thứ Sáu. Ta tiếp tục xét đến phương trình log phương sai. Có thể nhận thấy hệ số biến giả thứ Hai, Ba 0 nhưng không có ý nghĩa thống kê. Tuy vậy, cả hai hệ số này cho ra kết quả ngược với kỳ vọng theo lý thuyết, cho biết hiệu ứng này không tồn tại khi xét đến phương trình phương sai. Tổng hợp lại, không có hiệu ứng thứ trong tuần tồn tại ở thị trường chứng khoán Việt Nam. Mở rộng ra, ta xét đến liệu phần phí bù đắp rủi ro có thay đổi kết quả hay không, ta thêm biến phương sai có điều kiện vào phương trình trung bình kỳ vọng. Kết quả vẫn không thay đổi đồng thời tồn tại phần phí bù đắp rủi ro với mức ý nghĩa 10% khi xem xét bảng 26. Như vậy, ta đã xem xét liệu VN-INDEX và hai chứng khoán cụ thể có mang tính hiệu quả dạng yếu hay không và các bất thường của thị trường chứng khoán. Tính hiệu quả này tồn tại ở FPT và VNM theo tuần và tháng, cho biết thị trường cần một khoảng thời gian để tiêu hóa hết các nỗ lực dự báo giá cả tương lai dựa trên giá quá khứ của các nhà đầu tư, từ đó dần trở nên hiệu quả. Tính chất hiệu quả yếu ít chặt chẽ nhất của lý thuyết bước đi ngẫu nhiên chỉ yêu cầu không có sự tương quan tuyến tính giữa tssl và FPT lẫn VNM đều đạt được điều này, còn VN- INDEX thì ngược lại. Trang 22 2.2.3 Kiểm định tính hiệu quả vừa 2.2.3.1 Công bố lợi nhuận Một chứng khoán mang tính hiệu quả yếu thì việc xem xét cấp độ cao hơn về mặt hiệu quả là điều đáng xem xét. Ta sẽ đề cập đến mặt hiệu quả về việc phản ánh các thông tin đại chúng trong giá cả chứng khoán thông qua công bố lợi nhuận và tiếp theo là công bố mua cổ phiếu quỹ. Hãy xem xét biểu đồ về tssl bất thường của VNM ở hình 2. Tssl bất thường trước và sau thời kỳ công bố có trung bình bằng 0.435% có giá trị p-value bằng 5.54%, cho ta kết luận có sự tồn tại của tssl bất thường ở mức ý nghĩa 10%, đồng thời CAER có p-value bằng 0, đủ cơ sở bác bỏ giả thiết H02: không có sự phản ứng mạnh trong giá chứng khoán trong thời kỳ công bố. Tuy nhiên, liệu sự kiện này có phải là nguyên nhân chính gây ra sự biến động này hay không? Quan sát lại biểu đồ AER của VNM, có thể thấy tssl bất thường âm trong hơn nửa giai đoạn xem xét, chỉ có bất thường vào ngày thứ 6 khi tssl bất thường này đạt 6.783%, khiến ta nghi ngờ về sự tác động của công bố này. Sự nghi ngờ này càng đúng khi ta quan sát biểu đồ CAER: CAER bắt đầu từ ngày -23 trở đi và tiếp tục xu hướng của nó cho đến ngày thứ 4, tuy có sự gia tăng trở lại trong ngày thứ 6 và dường như đi ngang đến ngày 18, xu hướng giảm trở lại sau đó. Có 2 khả năng lý giải cho hiện tượng này. Thứ nhất, có lẽ các nhà đầu tư đã dự báo được tình hình lợi nhuận trước khi công bố của VNM và khi công bố này được phát ra, nó không mang yếu tố vượt mức mong đợi so với kỳ vọng của họ. Thứ hai, giá chứng khoán VNM đã giảm liên tục từ trước khi công bố thông tin hơn mức kỳ vọng của nhà đầu tư khiến họ có tâm lý lo sợ, thụ động chờ đợi các tín hiệu của thị trường thay vì tìm kiếm thông tin và mua bán dựa trên các thông tin đó. Công bố về lợi nhuận của VNM không vực lại được tinh thần của nhà đầu tư, khiến giá trượt dài (khối lượng giao dịch phần lớn chỉ vài chục ngàn mỗi ngày). Tuy nhiên, điểm sáng duy nhất trên biểu đồ CAER là sự gia tăng lớn về tssl tại ngày thứ 6 và nhô lên tiếp theo tại các ngày 10 và 16 gợi ý có sự phản ứng của nhà đầu tư về công bố thông tin này (khối lượng giao dịch từ ngày 4 đến 7, 15 đến 18 trên 150000 cổ phiếu,cao hơn so với bình thường). Mặc dù vậy, có vẻ như trạng thái hưng phấn đó không kéo dài khi mà sau đó giá chứng tssl bất thường tiếp tục đi xuống đến cuối thời kỳ. Do đó, ta chấp nhận giả thiết H01: sự công bố thông tin không đem lại phản ứng đáng kể tại ngày công bố. Ngoài ra, có thể thấy dường như thị trường có sự hiệu quả về mặt thông tin từ ngày thứ 12 đến ngày 16 khi CAER đi ngang trong giai đoạn này, phản ánh các nhà đầu tư đã nắm bắt được thông tin và phản ánh nó vào kỳ vọng của họ. Trang 23 Ta tiếp tục xét đến FPT. Giá trị trung bình của tssl bất thường trong giai đoạn xem xét bằng -0.042% với p-value bằng 87,35% và CAER có p-value bằng 39,71%, cho phép ta chấp nhận giả thiết H02: giá cả chứng khoán không phản ứng mạnh trong thời kỳ công bố. Tssl bất thường xấp xỉ 0 trong nửa giai đoạn ủng hộ cho ý kiến chấp nhận trên. Tuy nhiên, việc kết luận nhanh chóng như vậy đã vô tình bỏ qua liệu có sự phản ứng tuy nhẹ nhưng cho biết có sự tồn tại về tính hiệu quả vừa. Biểu đồ CAER cho ta biết nhiều điều thú vị: dựa vào hình 3, ta thấy CAER âm từ đầu kỳ công bố và kéo dài đến ngày -24 rồi đột nhiên tăng vọt và tiếp tục xu hướng này cho đến ngày thứ 4, sau đó giảm dần. Đặc biệt là tại ngày 0, khi công bố thông tin lập tức có sự tăng lên trong tssl xấp xỉ 5% đến ngày thứ 3, chứng tỏ việc công bố thông tin nhận được phản ứng mạnh mẽ của giá chứng khoán, tức là bác bỏ giả thiết H01. Ngoài ra, việc CAER này bắt đầu tăng từ ngày -24 gợi ý có sự rò rỉ thông tin ra bên ngoài. Một số nhà đầu tư đã biết được tin tức này và thu được tssl bất thường đáng kể trong giai đoạn từ ngày -24 đến ngày thứ 4 xấp xỉ 30% - tssl bất thường như mơ trong vòng 28 ngày. Tuy nhiên, ngay sau đó CAER đã giảm dần sau khi đạt đỉnh ở ngày thứ 4 và bắt đầu đi ngang từ ngày 14 trở đi. Điều này cho ta suy nghĩ liệu sự rò rỉ thông tin có phải là chiêu làm tăng giá của FPT hay không khi mà CAER tăng kéo dài trong suốt 28 ngày, tạo tâm lý hưng phấn cho các nhà đầu tư (đa số khối lượng giao dịch cao hơn 500000 cổ phiếu trong giai đoạn này) rồi sau đó giảm dần về 0 - khi họ đã “quay trở lại mặt đất”, cho thấy các nhà đầu tư muộn màng nhận ra thông tin lợi nhuận này không vượt mức mong đợi của họ. Ở đây, ta thấy rõ sự hiệu quả vừa của FPT từ ngày 14 trở đi khi CAER xấp xỉ 0 và kéo dài trong suốt các ngày tiếp theo, phản ánh các nhà đầu tư đã phản ánh thông tin vào kỳ vọng của họ. Như vậy, ta đã xét đến vấn đề liệu thị trường có hiệu quả vừa với FPT và VNM đối với công bố lợi nhuận hay không. Các phân tích cho biết không một chứng khoán nào thỏa mãn yêu cầu này, tuy nhiên tồn tại một vài dấu hiệu cho thấy thị trường có tính hiệu quả, dù là trong thời gian ngắn. 2.2.3.2 Công bố mua cổ phiếu quỹ Tiếp theo, ta xét đến công bố mua lại cổ phiếu quỹ của VNM. AER trung bình bằng 0.171% có p-value=48.86% cho biết không có sự phản ứng mạnh trong giá VNM trong thời kỳ công bố, do đó ta chấp nhận giả thiết H02. Tuy nhiên, CAER có p-value bằng 0% cho thấy có sự phản ứng từ thị trường nếu xem xét liên tục trong suốt thời kỳ thay vì rời rạc mỗi ngày như AER. Quả thực như vậy, khi quan sát hình 4, CAER có sự tăng giảm với khoảng cách lớn, bắt đầu bằng xu hướng giảm cho đến ngày 0 rồi tăng vọt lên đến ngày 2, sau đó hơi trườn xuống lại cho Trang 24 đến ngày 17 rồi tăng trở lại, vuợt mốc 0%. Điều nảy cho thấy đã có sự phản ứng mạnh từ thị trường khi tin tức mua cổ phiếu quỹ được công bố. CAER tại ngày 0 đã tăng hơn 6% vào ngày thứ 2, cho ta cơ sở để bác bỏ giả thiết H01. Tuy vậy, đó chỉ là phản ứng của một số nhà đầu tư (khối lượng giao dịch trên 500000 cổ phiếu tại các ngày 1, 7, 8 - cao hơn so với bình thường trong khi những ngày còn lại chỉ giao dịch xấp xỉ 350000 cổ phiếu) khi những ngày sau đó, giá chứng khoán tuy có tăng lại vào ngày 8, 9 nhưng vẫn giảm hơn so với kỳ vọng của thị trường, lập lại chiều hướng trước ngày 0. Đến lúc này, có vẻ thị trường bắt đầu phản ánh thông tin này đầy đủ khi có sự tăng vọt xẩp xỉ 10% và CAER đi ngang cho đến ngày 26 (khối lượng giao dịch ít nhất 550000 cổ phiếu tại các ngày 19, 20, 23, 24). Lúc này, ta thấy rõ sự hiệu quả của VNM trong giai đoạn từ ngày 19-26 đồng thời cho ta kết luận công bố mua cổ phiếu quỹ có tác động tích cực đến thị trường, tuy không ngay lập tức mà có độ trễ khoảng hai tuần. Tuy vậy, lập tức thị trường trở lại phi hiệu quả khi CAER tiếp tục tăng mạnh những ngày sau đó và khối lượng giao dịch trên 700000 cổ phiếu tại các ngày 28, 29, 30, cho thấy ảnh hưởng từ tin tức này vẫn còn tiếp diễn. Tổng kết lại, qua hai phân tích về công bố lợi nhuận và mua cổ phiếu quỹ của FPT và VNM, ta thấy hai chứng khoán này vẫn chưa hiệu quả về mặt phản ánh thông tin công bố như kỳ vọng trong lý thuyết bên cạnh một vài dấu hiệu về sự tồn tại của tính hiệu quả vừa này trong thời gian ngắn. Ngoài ra, có hiện tượng rò rỉ thông tin như FPT, điều đó đòi hỏi UBCKNN và BTC nên có những biện pháp chặt chẽ hơn nhằm minh bạch thông tin, hạn chế tình trạng mua bán dựa trên thông tin nội bộ này, tạo sân chơi công bằng cho mọi đối tượng. Trang 25 CHƢƠNG 3 Những giải thích cho sự không hiệu quả của thị trƣờng Chương hai cung cấp các bằng chứng về sự không hiệu quả của thị trường, cụ thể VN- INDEX không hiệu quả dạng yếu, FPT và VNM không hiệu quả dạng vừa. Vậy nguyên nhân của tính không hiệu quả này là gì? Bất cứ một lý thuyết kinh tế nào đều có những giả định để nó tồn tại, do đó việc xem lại các giả thiết của thị trường hiệu quả là một cách để giải thích vấn đề. Lý thuyết này giả định các nhà đầu tư duy lý, độc lập phân tích và định giá nhằm tối ưu hóa lợi nhuận cuả mình, không bị chi phối bởi yếu tố tâm lý. Ví dụ sau đây sẽ chứng minh con người không phải lúc nào cũng duy lý. Vào năm 1997, tờ Financial Times đã đưa ra câu đố cho các độc giả của mình: hãy tưởng tượng bạn phải lựa chọn một số nguyên từ 1 đến 100, bạn sẽ thắng cuộc nếu như lựa chọn của bạn gần nhất với 2/3 con số trung bình từ các người chơi khác. Sau khi kiểm tra các kết quả từ độc giả, con số thắng cuộc là 13. Vậy các độc giả nghĩ thế nào về trò chơi này? Giả sử rằng mọi người đều chọn số 100, vậy nguời thắng cuộc phải lựa chọn con số 67. Nếu một ai đó nghĩ mọi người sẽ chọn số 67, họ sẽ chọn giá trị 44. Tuy nhiên sẽ có người nghĩ mọi người sẽ chọn 44, vậy nên họ chọn 30, cứ như thế theo chuỗi này, sẽ có các lựa chọn lần lượt là 13, 9, 6, 3, 2 và 1. Theo thống kê, đa số các độc giả lựa chọn các số 67, 44, 30, 20, 13, 9 và 1; có nghĩa là họ đều nghĩ theo chuỗi đề cập ở trên, đồng thời cho ta thấy độc giả chỉ xem xét một phần của chuỗi số này, thông thường ngừng lại ở số 30 hoặc 20 chứ không xem xét hết cả chuỗi. Nếu tất cả đều lựa chọn số 1 (vì 2/3 của 1 cũng là chính nó nên nó là lựa chọn tối ưu nhất) thì khi đó mọi người đều là người thắng cuộc. Qua câu đố này, ta thấy được không phải mọi người đều duy lý, rõ ràng có một yếu tố tác động đến lựa chọn của họ. Nếu một độc giả duy lý nghĩ mọi người không duy lý như anh ta, nên sẽ đánh giá lại xu hướng lựa chọn của nguời khác và chọn con số nào khác lớn hơn 1. Vậy đâu là nguồn gốc của sự không duy lý và tác động của nó đến tính hiệu quả của thị trường như thế nào? Ta sẽ lần lượt xem xét các tác động thông qua giới hạn kinh doanh chênh lệch giá và nguyên nhân thông qua tâm lý hành vi con người. 3.1 Giới hạn kinh doanh chênh lệch giá Kinh doanh chênh lệch giá là hành động khai thác sự định giá sai trên thị trường. Theo Friedman (1953), khi có sự định giá sai các chứng khoán, các nhà đầu tư duy lý sẽ nhanh Trang 26 chóng lợi dụng yếu tố này kiếm lợi nhuận và vì thế, đẩy giá cả về giá trị nội tại. Tuy nhiên, không phải lúc nào hành vi này cũng được thực hiện do sự tác động của các yếu tố sau: Rủi ro cơ bản: đây là rủi ro dễ thấy nhất tác động đến hành vi arbitrage, liên quan đến các thông tin về giá trị cơ bản của công ty như thông tin về dòng tiền, khách hàng tiêu thụ... Theo định nghĩa, arbitrage là việc kiếm được lợi nhuận không gánh chịu rủi ro, vì thế các nhà đầu tư chỉ tham gia khai thác sự định giá sai một chứng khoán khi họ có thể phòng ngừa được rủi ro cơ bản của chính chứng khoán này bằng việc thực hiện vị thế đối lập với chứng khoán khác cùng ngành có chung các đặc điểm về dòng tiền, hoạt động. Tuy nhiên, việc hai chứng khoán có các đặc điểm giống hệt nhau hầu như không tồn tại, đồng thời chưa chắc rủi ro cơ bản của một chứng khoán này có thể tác động đến chứng khoán kia, chẳng hạn như hai công ty cùng sản xuất sữa bò, một công ty gặp phải tình trạng dịch bò điên, trong khi công ty kia không có. Rủi ro cơ bản vừa mang tính hệ thống vừa phi hệ thống. Rủi ro các nhà đầu tư kích động (noise trader risk): là rủi ro việc định sai giá có thể trầm trọng hơn trong ngắn hạn do ảnh hưởng bởi các nhà đầu tư này, tức là sau một số sự kiện về công ty, họ lạc quan về triển vọng công ty, đẩy giá chứng khoán cao hơn so với giá trị nội tại, thậm chí ngày càng lạc quan hơn sau đó khiến sự chênh lệch này ngày càng lớn. Khi có sự định sai giá trên thị trường, không ai dám đảm bảo rằng sự định sai giá này sẽ biến mất mà có thể khoảng cách giữa giá trị nội tại và giá thị trường ngày càng lớn. Giả sử các nhà quản lý danh mục là những người duy lý và thực hiện arbitrage do định sai giá, họ sẽ gánh chịu các khoản lỗ trên bàn giấy trong thời gian đầu do rủi ro nhà đầu tư kích động. Do bất cân xứng thông tin, những người mua cổ phiếu quỹ cảm thấy quỹ hoạt động không hiệu quả, đạt tssl âm khiến họ sẽ rút vốn, điều đó tạo áp lực buộc nhà quản lý phải đóng vị thế arbitrage của mình sớm hơn dự kiến, tạo ra một khoản lỗ khổng lồ. Rủi ro nhà đầu tư kích động vừa mang tính hệ thống vừa phi hệ thống. Các chi phí khác: được biết đến như chi phí hoa hồng, chênh lệch giá mua bán, ràng buộc bán khống như tiền phí mượn chứng khoán, ràng buộc pháp lý… khiến hành vi arbitrage trở nên kém hấp dẫn. Bên cạnh đó, một rủi ro có thể kể đến là rủi ro nắm giữ vị thế arbitrage (horizon risk): việc định giá sai trong thời gian dài phát sinh nhiều chi phí giao dịch nhiều đến nỗi nó che khuất đi lợi nhuận từ arbitrage. Điều này là do có thể các nhà đầu tư khác không phát hiện được sự định sai giá này vì không có nhiều nguồn lực để nhận dạng nó (thông thường, để phát hiện một chứng khoán bị định giá sai, cần phải xác định giá trị nội tại của nó Trang 27 trước và việc xác định giá trị nội tại này tốn kém nhiều chi phí), nên một số ít các nhà đầu tư không đủ khả năng thực hiện arbitrage đẩy giá về giá trị nội tại trong thời gian ngắn, làm cho cơ hội arbitrage trở nên kém hấp dẫn. Mặt khác, đối với các chứng khoán bị định sai giá có khối lượng giao dịch lớn, các nhà đầu tư duy lý có thể thực hiện mua bán theo hướng ủng hộ cho sự định sai giá này, được diễn giải như sau: nếu các nhà đầu tư tranh nhau mua một chứng khoán do nó đạt kết quả hoạt động tốt trong quá khứ, khi đó có thể xảy ra tình trạng giá chứng khoán bị đầy lên trên giá trị nội tại bởi các nhà đầu tư kích động do lạc quan thái quá. Với mục tiêu tìm kiếm lợi nhuận, các nhà đầu tư duy lý sẽ không đi ngược lại xu hướng bằng việc bán khống chứng khoán bị định giá cao này do rủi ro nhà đầu tư không duy lý mà mua vào vì biết rằng họ sẽ bán được với giá cao hơn cho các nhà đầu tư kích động tham gia sau. Trở lại với ví dụ của tờ Financial Times phía trên, giả sử giá trị nội tại tương ứng với 1, để đưa các lựa chọn tính trung bình càng gần 1 càng tốt, các độc giả duy lý (nhà đầu tư duy lý) sẽ lựa chọn số 1. Tuy nhiên, việc lựa chọn như vậy sẽ không đem lại phần thưởng nếu những độc giả khác chọn các giá trị khác. Do đó, chính sự nghi ngờ liệu các độc giả khác có lựa chọn giống mình hay không cùng với ước muốn thắng cuộc đã hạn chế lựa chọn giá trị 1 của nhà đầu tư duy lý. 3.2 Tâm lý hành vi Như đề cập ở trên, việc xuất hiện các nhà đầu tư không duy lý (các nhà đầu tư kích động) khiến cho hành vi arbitrage không thực hiện được, vì vậy ngăn cản sự hiệu quả của thị trường. Trong những năm qua, nhiều nỗ lực nghiên cứu sự không duy lý của con người, được đúc kết qua tâm lý học hành vi, có thể kể đến các công trình nghiên cứu của Kahneman, Tversky, Thaler, Odean… thể hiện lần lượt ở hai mặt là niềm tin và sở thích con người. Nhớ lại công thức xác định giá trị nội tại của một chứng khoán: P= ∑cổ tức kỳ vọng (t)/(1+r)t với t=1,…., n Dễ dàng thấy rằng nếu một trong hai giá trị cổ tức và tỷ suất chiết khấu bị xác định sai sẽ dẫn đến định giá sai giá trị nội tại. Ở phần tiếp theo, ta sẽ lần lượt tìm hiểu các yếu tố tâm lý tác động đến việc sự không duy lý của các nhà đầu tư, dẫn đến việc xác định sai cổ tức kỳ vọng và r. 3.2.1 Niềm tin Quá tự tin: là yếu tố mà con người dễ dàng mắc phải khi đưa ra quyết định, thể hiện không chỉ định lượng cổ tức kỳ vọng mà còn xác suất xảy ra sự kỳ vọng đó: xem xét các sự Trang 28 kiện có xác suất cao như thể nó chắc chắn sẽ xảy ra. Quá tự tin có thể chia ra thành hai thành phần: quá tự tin về bản thân: cho rằng các thành công họ có được là do tài năng của mình, đổ lỗi cho sự thất bại chẳng qua do xui xẻo hơn là sự hạn chế của mình; nhận thức muộn: cho rằng các sự kiện xảy ra trong quá khứ mình có thể dự báo được dựa trên thông tin lúc đó, dẫn đến họ nghĩ họ cũng có thể dự báo được tương lai tốt hơn. Ví dụ, nhiều người cho rằng dấu hiệu cho sự leo thang trong giá cổ phiếu các công ty dotcom vào cuối thập niên 90 rõ như ban ngày, nhưng thực tế bong bóng dotcom vẫn xảy ra, cho thấy thực tế họ không dự báo được cuộc khủng hoảng này. Ứng dụng trong tài chính, các nhà đầu tư sẽ giao dịch nhiều hơn hẳn vì họ cho rằng có thể xác định được cổ phiếu nào là tốt nhất, giá trị nội tại của nó là bao nhiêu và khi nào nên thực hiện các lệnh mua bán. Một yếu tố tâm lý kèm theo sự quá tự tin là lạc quan thái quá - khi con người cho rằng họ luôn làm tốt hơn trung bình những người khác. Hội chứng điển hình: thể hiện thông qua việc cho rằng một mẫu các sự kiện nhỏ có thể đại diện cho tổng thề các sự kiện, tức là luật số nhỏ. Ví dụ, xét 6 lần tung đồng xu ra 3 lần mặt sấp, 3 lần mặt ngửa và 1000 lần tung đạt 500 lần sấp, hội chứng điển hình cho rằng cả hai lần tung này đều đưa ra các thông tin giống nhau về xác suất lý thuyết của việc xuất hiện mặt sấp, dù rằng lần tung 1000 lần cho ra kết quả đáng tin cậy hơn. Ứng dụng vào thực tế, khi con người không biết được tổng thể, họ có xu hướng dựa vào các kết quả gần đây nhất để đưa ra quyết định. Tuy nhiên, ngay cả khi biết được phân phối xác suất tổng thể, họ vẫn mắc phải sai lầm này - gọi là sai lầm con bạc. Trong sai lầm con bạc, con người sẽ tin tưởng một sự kiện nào đó sẽ ít xảy ra dựa trên chuỗi các sự kiện trước đó. Ứng dụng trong đầu tư, nên bán cổ phiếu sau một chuỗi các lần tăng giá vì tin rằng giá sẽ không tăng nữa hay vẫn tiếp tục nắm giữ cổ phiếu sau một chuỗi giảm giá vì cho rằng xác suất giá tăng trở lại nhiều hơn xác suất giá giảm. Một hệ quả suy ra được từ hội chứng này là phản ứng thái quá, tức là con người dựa vào nhiều hơn các sự kiện xảy ra gần đây và đưa ra các quyết định dựa trên xu hướng này. Ví dụ, khi các tin tức tốt về một chứng khoán lần lượt xuất hiện làm tăng giá chứng khoán, các nhà đầu tư cho rằng các thông tin tốt sẽ được tiếp tục trong tương lai, nên tranh nhau mua chứng khoán, dẫn đến giá vượt xa hơn giá trị nội tại của công ty. Hội chứng bảo thủ: ngược lại với hội chứng điển hình, nếu con người cho rằng các thông tin hay sự kiện gần đây nhất không đại diện cho các tính chất của tổng thể thì họ sẽ đánh giá thấp các thông tin hay sự kiện này - phản ứng dưới mức và ra quyết định dựa trên các thông tin trước đó. Trang 29 Hội chứng niềm tin mạnh mẽ (confirmation bias): khi con người hình thành nên ý kiến về một sự kiện nào đó, họ có xu hướng bỏ qua các bằng chứng chống lại ý kiến ban đầu của họ và nếu bằng chứng đó đáng tin cậy đến đâu, họ sẽ xem xét nó với sự ngờ vực. Ứng dụng trong tài chính, các nhà đầu tư thường chỉ nhìn vào các thông tin hỗ trợ cho quyết định mua bán của họ mà không màng đến các thông tin chống lại quyết định này. Ví dụ khi một nhà đầu tư nghe thông tin về một cổ phiếu hấp dẫn nào đó không rõ nguồn gốc, lập tức họ sẽ tìm kiếm các thông tin có liên quan ủng hộ cho sự hấp dẫn này ( như dòng tiền tăng trưởng vài năm qua, tỷ lệ nợ thấp), phớt lờ các thông tin chống lại nó (mất khách hàng lớn vào tay đối thủ, thị trường thu hẹp). Hội chứng neo: khi con người ước tính về một sự kiện nào đó, họ có xu hướng điều chỉnh ước tính này theo một điểm tham chiếu ban đầu nào đó dù cho điểm tựa này không liên quan đến sự kiện. Trong tài chính, nếu các nhà đầu tư đã mua một cổ phiếu nào đó và hiện tại giá đang giảm mạnh, họ vẫn nhớ đến mốc giá cao trong quá khứ và nghĩ rằng sự giảm giá này là cơ hội ngàn vàng để mua một món hời cho dù sự giảm giá này là do sụt giảm giá trị cơ bản. 3.2.2 Sở thích Theo lý thuyết hàm thỏa dụng kỳ vọng của Von Neumann và Morgenstern (1944), nếu sở thích con người thỏa mãn các giả định của thuyết này thì khi đó, có thể xây dựng được hàm thỏa dụng kỳ vọng của con người được áp dụng trong mọi trường hợp. Tuy nhiên các bằng chứng thực tế đều chống lại lý thuyết này khi con người đối mặt với các tình huống rủi ro khác nhau. Trong đó, lý thuyết mang tính thực tiễn cao nhất nhằm giải thích sự lựa chọn của con người là lý thuyết triển vọng của Kahneman và Tversky (1979), được đúc kết qua phương trình và hai đồ thị sau: Xét tình huống (x,p;y,q) có nghĩa là đạt được giá trị x với xác suất p, giá trị y với xác suất q, khi đó V(x,p;y,q)= π(p)*υ(x)+ π(q)*υ(y) và hàm pi, v được biểu diễn như sau. Khi lựa chọn giữa các triển vọng (x,p;y,q), con người sẽ lựa chọn triển vọng nào có giá trị V cao nhất. Một số đặc điểm cần lưu ý của lý thuyết triển vọng rút ra từ hình 5 là: Mức thỏa dụng (υ) trong mô hình được xem xét dựa trên yếu tố lãi và lỗ hơn là giá trị tuyệt đối, việc xác định lãi hay lỗ ở đây dựa trên điểm tham chiếu (reference point) - có thể là giá trị tài sản của người chơi trước khi lựa chọn triển vọng hay giá trị mong đợi của người chơi. Điều này gợi ý nếu các điểm mốc khác nhau, khi đó quyết định của con người sẽ thay đổi. Trang 30 Hàm giá trị υ là một hàm lõm ở miền lãi và lồi ở miền lỗ, hàm ý con người ghét rủi ro ở miền lãi, họ mong muốn nhận được các giá trị chắc chắn hơn giá trị kỳ vọng, tức là V(x,0) > V(y,p) với y>x>0 và E(V(y,p)) = E(x); tìm kiếm rủi ro ở miền lỗ, hàm ý con người sẵn sàng đánh đổi việc lỗ ở một mức cố định để đổi lấy mức lỗ cao hơn nhưng xác suất <1. Ứng dụng vào đầu tư, lý thuyết này giải thích cho hiệu ứng chuyển nhượng (disposition effect): khi giá chứng khoán tăng, nhà đầu tư có xu hướng bán liền để chốt lời, còn khi chứng khoán giảm, họ vẫn giữ lại mà không bán. Bên cạnh đó, với các giá trị x, y cùng phía và càng lớn, ta thấy có đường υ có xu hướng lài ra cho thấy con người khó đánh giá được sự thay đổi ở hai giá trị này, do đó sự khác biệt về giá trị υ giữa 100 và 200 lớn hơn so với sự khác biệt về giá trị υ giữa 1100 và 1200. Ngoài ra, ta thấy hàm υ ở miền lỗ dốc hơn so với miền lãi hàm ý sự ghét lỗ của con người, có thể thấy rõ qua ví dụ sau: bạn tham gia vào một trò tung đồng xu và khoản phí để bạn tham gia trò chơi này là 50$. Nếu đồng xu xấp, bạn sẽ thắng và ngược lại. Vậy tiền thưởng thấp nhất là bao nhiêu để bạn chấp nhận tham gia trò chơi này? Với xác suất 50-50, xác suất ăn thua chia đều cho hai bên. Câu trả lời trung bình của người chơi là 125$, cho thấy con người cảm thấy nỗi đau về khoản lỗ 50$ gấp 2,5 lần so với tiền lời 50$. Gợi ý được suy ra từ thái độ không thích lỗ này là tính toán bất hợp lý (mental accounting): con người có xu hướng phân vùng tổng thể thành các khoản mục và chỉ tối đa hóa giá trị V của khoản mục đó thay vì tổng thể. Ví dụ, khi mua cổ phiếu với giá 30$, sau đó giá giảm còn 22$, nhà đầu tư không bán cổ phiếu để cắt lỗ vì họ đã tách biệt tài khoản lời và lỗ trong tâm trí, mục tiêu tối đa hóa tài khoản lời và tối thiểu hóa tài khoản lỗ thay vì tối đa hóa lợi ích tổng thể. Khi giá giảm, họ vẫn giữ chứng khoán, xem như nó chưa bị chuyển qua tài khoản lỗ (do sự ghét lỗ). Hàm π đo lường việc đánh giá xác suất xảy ra đối với các sự kiện trong mỗi triển vọng là hàm phi tuyến, độ dốc của hàm được xem như một thước đo của độ nhạy cảm trong sở thích với sự thay đổi trong xác suất. Thứ nhất, khi xác suất thấp , hàm π nằm phía trên đường chấm gạch hàm ý con người đánh giá cao các sự kiện xảy ra với xác suất thấp, tức π(p) >p, có thể thấy thông qua ví dụ họ sẵn sàng bỏ cơ hội được cho 5000 đồng để dùng tiền này chơi vé số với kỳ vọng sẽ trúng 125 triệu đồng với xác suất gần như bằng 0, trái ngược với sự ghét rủi ro trong miền lãi. Thứ hai, đường π(p) không tiến tới 0, 1 hàm ý việc đơn giản hóa các sự kiện trong mỗi triển vọng của con người để dễ dàng lựa chọn dẫn đến họ bỏ qua các sự kiện có xác suất cực thấp và xem xét các sự kiện có xác suất cực cao như thế nó chắc chắn sẽ xảy ra. Để khắc phục nhược điểm này, hàm π không tiến đến 0 - nghĩa là không bỏ qua các sự kiện xác Trang 31 suất cực thấp, không tiến đến 1 - nghĩa là xác suất cao không phải là nó chắc chắn sẽ xảy ra. Thứ ba, π(p) + π(1-p) <1 hàm ý sở thích thay đồi nếu triền vọng (x,0) (chắc chắn) biến thành (x,p) (không chắc chắn) với 0<p<1. Cuối cùng, độ dốc của π đối với p cao dường như dốc hơn so với với π thấp, hàm ý con người nhạy cảm hơn với sự khác biệt trong xác suất khi p lớn, dẫn đến sở thích của họ cũng sẽ thay đổi theo. Như đã đề cập ở trên, thế mạnh của lý thuyết này chính là khi có sự thay đổi trong điểm mốc, sở thích của con người cũng sẽ thay đổi theo, giải thích cho hiệu ứng framing: lựa chọn của con người bị ảnh hưởng bởi cách miêu tả tình huống họ ra quyết định. Một gợi ý được suy ra từ hiệu ứng này là nếu con người chưa kịp thay đổi điểm mốc của mình cho phù hợp với hoàn cảnh, anh ta sẽ lựa chọn những triển vọng lẽ ra anh ta sẽ chọn tại thực tế lúc đó - hiệu ứng narrow framing. Ví dụ, khi đối mặt với một chuỗi các cuộc cá cược, con người có xu hướng xem xét mỗi vụ cá cược độc lập với nhau thay vì kết hợp nó với các lần cược trước (cập nhật điểm mốc) để xem xét liệu có nên tham gia hay không. Các ví dụ để suy ra các tính chất trong lý thuyết triển vọng đều cho biết trước xác suất của các sự kiện trong mỗi triển vọng. Tuy nhiên, điều này hoàn toàn ngược lại trên thực tế. Thông qua ví dụ của Ellbersg (1961), con người không thích các tình huống mà tại đó họ không chắc chắn về phân phối xác suất của các sự kiện mà họ phải lựa chọn. Thái độ ghét sự mơ hồ này (ambiguity aversion) là do con người cảm thấy không đủ khả năng xác định phân phối xác suất của các sự kiện, được phản ánh đồng thời qua bất phương trình π(p) + π(1-p) <1 trong lý thuyết triển vọng. 3.2.3 Tâm lý bầy đàn Nếu chỉ có vài nhà đầu tư không duy lý bởi các yếu tố trên, thị trường vẫn mang tính hiệu quả. Tuy nhiên, như đã đề cập ở giới hạn kinh doanh chênh lệch giá, nếu rủi ro nhà đầu tư kích động là rủi ro hệ thống, các nhà đầu tư duy lý sẽ ngần ngại thực hiện hành vi arbitrage đưa giá về giá trị nội tại. Rủi ro mang tính hệ thống này hàm ý có sự tồn tại của hiệu ứng bầy đàn - tức hành động theo đám đông, khi đó các nhà đầu tư không thật sự “độc lập” nữa. Sự kiện bong bóng dotcom cuối thập niên 90 là minh họa rõ rệt cho tâm lý này. Nếu các nhà đầu tư quá tự tin cho rằng mình thấy được các dấu hiệu cho bong bóng giá dotcom này (hội chứng nhận thức muộn) thì lẽ ra cuộc khủng hoảng dotcom đã không xảy ra, chứng tỏ có sự cư xử theo đám đông đã át đi các nỗ lực của những nhà đầu tư sáng suốt. Có hai lý do giải thích cho hành vi này của con người. Trang 32 Thứ nhất, đó là áp lực tuân theo xã hội. Hầu hết mọi người đều muốn hòa đồng và được chấp nhận bởi xã hội thay vì bị ruồng bỏ, do đó họ thường cư xử theo hành vi của đám đông. Khi áp lực lớn tới mức buộc phải tuân theo thì một người thay đổi quan điểm riêng không phải chỉ vì anh ta thực sự tin vào quan điểm đám đông mà chỉ là việc thay đổi quan điểm riêng dễ hơn việc thoát ra khỏi xã hội. Một thí nghiệm nổi tiếng cách đây hơn 50 năm của Solomon Asch chứng minh cho quan điểm này. Trong thí nghiệm, ông yêu cầu nhiều nhóm người nhận xét về 3 đường thẳng, xem đường nào trong số đó có cùng kích thước như hình mẫu. Asch đã tập hợp các nhóm từ 7 đến 9 người, chỉ một người trong số họ là đối tượng thí nghiệm, những người còn lại là người hợp tác với ông. Sau đó ông cho đối tượng đứng cuối hàng và yêu cầu từng người cho nhận xét. Trong thí nghiệm có 12 hình mẫu, đối với 2 hình đầu, tất cả mọi người đều đưa ra đáp án đúng như nhau. Tuy nhiên, từ hình thứ 3, Asch yêu cầu những người hợp tác chọn đáp án sai, khi đó đối tượng cũng có lựa chọn sai như người khác, tức là anh ta tuyên bố sự thật khác với những gì anh ta thấy. Kết quả cho thấy đa số các đối tượng nói những gì họ suy nghĩ, nhưng 70% số đối tượng đã thay đổi ý kiến riêng ít nhất một lần và 1/3 đã thay đổi ý kiến ít nhất một nửa số lần được hỏi. Các đối tượng cho biết họ làm vậy để không quá tách biệt với mọi người. Thứ hai, đó là trí tuệ đám đông. Ngay cả khi bạn tin rằng hành động của đám đông là sai, bạn vẫn thực hiện theo họ bởi tin rằng họ có thông tin gì mà bạn chưa biết. Năm 1968, các nhà tâm lý xã hội Milgram, Bickman và Berkowitz thực hiện thí nghiệm như sau: đầu tiên, họ cho một người đứng ở góc phố và nhìn lên bầu trời trống không trong 60 giây, một số người đi đường đã dừng lại và ngước theo, nhưng đa số bỏ đi sau đó. Lần tiếp theo, họ cho 5 người làm như vậy ở góc phố, khi đó số người dừng lại đông hơn gấp 4 lần, cứ như vậy, số người thí nghiệm quan sát càng lớn, những người làm theo càng nhiều. Bằng chứng này cho biết nếu nhiều người cùng tin tưởng một việc gì đó thì điều đó nhất định đúng. Mọi người nhìn lên bầu trời vì cho rằng không lẽ nhiều người phải ngẩng mặt lên nhìn nếu như trên trời không có gì, không phải do áp lực tuân theo xã hội. Từ đó, ta rút ra nếu như không biết chắc điều gì diễn ra thì tốt hơn hết là nên bắt chước theo những gì người khác làm. Các nhà kinh tế gọi đó là “thác thông tin”, với mô hình đầu tiên được đưa ra bởi Bikhchandani, Hirshleifer (1992). Trong mô hình, ai cũng có thông tin nhiều bằng người khác, nhưng ý chính là mọi người không đưa ra quyết định cùng một lúc mà lần lượt theo nhau, tương tự như ví dụ ở trên, mọi người làm theo sau khi có một số người thí nghiệm đã thực hiện trước. Theo mô hình thác, tất cả những người Trang 33 theo sau đều thực hiện cùng hành vi giống nhau đơn giản vì đông nguời hành động như nhau. Ở đây không tồn tại áp lực tuân theo xã hội, mọi người làm theo nhau vì họ tin rằng học đang học được điều gì đó quan trọng từ người khác. Ngoài ra, Gladwell trong tác phẩm The Tipping Point (2000) cho rằng một số cá nhân cụ thể có hiểu biết, “maven”, ảnh hưởng đến những người khác thông qua các mối quan hệ xã hội, chứ không phải là những người lạ nặc danh quan sát hành vi của nhau. Mọi người vẫn tìm kiếm thông tin ra quyết định, nhưng những người thật sự ảnh hưởng đến họ là maven. Đến lúc này, ta thấy được tầm quan trọng của những nhà đầu tư quá tự tin, dựa vào thông tin cá nhân hơn là thông tin của dư luận, đưa ra quyết định trái ngược so với đám đông, phá vỡ tín hiệu thác thông tin mà người khác đang nhận, dẫn đến có thể chấm dứt được dòng thác này. Ứng dụng trong đầu tư, các nhà đầu tư ít kinh nghiệm sẽ thực hiện các lệnh mua bán theo tâm lý bầy đàn bởi họ được an ủi rằng nếu mình mất tiền thì những người khác cũng sẽ mất. Tâm lý này cũng ảnh hưởng đến các nhà quản lý quỹ chuyên nghiệp. Thay vì thực hiện các hành vi arbitrage trong trường hợp phòng ngừa được rủi ro cơ bản vừa tạo ra lợi nhuận vừa đầy giá về giá trị nội tại, các nhà quản lý này thực hiện theo tâm lý bầy đàn, nếu thành công, họ được ca ngợi, còn nếu thất bại, họ biện hộ rằng những người khác đều mất tiền như họ. Thêm vào đó, tâm lý thích an toàn cuả con người cũng góp phần giải thích hiện tượng này. Nếu như tất cả mọi người đều hành động theo cùng chiến lược giống nhau, thì khi đó khó có thể được chiến lược mới khác, đặc biệt khi nó có rủi ro lớn hơn, dễ bị thất bại và nhiều người sẽ biết đến. Việc lựa chọn gắn bó với đám đông và khả năng thất bại thấp, không tìm cách đổi mới và nguy cơ thất bại cao, sẽ không đơn thuần mang ý nghĩa tình cảm, mà còn mang ý nghĩa chuyên nghiệp. Nếu những nhà quản lý khác thực hiện chiến lược như nhau, thì ít nhất các nhà đầu tư cũng biết hành động của ông ta không phải phi lý. Tuy nhiên, điều này không đặt thành vấn đề nếu các nhà đầu tư kiên nhẫn, nhưng thực tế không phải vậy. Điều đó có nghĩa là để theo đuổi một chiến lược trái ngược, ông ta cần mạo hiểm hơn nhiều so với chiến lược bình thường. Kết quả là các nhà quản lý lo bảo vệ công việc của họ nên thực hiện theo đám đông. Ngoài ra, không phải lúc nào cũng xác định được khi nào xuất hiện tâm lý bầy đàn để tham gia vào thị trường nhằm kiếm lời bởi nhiều nhà đầu tư khác nhanh chân hơn, do đó không phải lúc nào chiến lược đầu tư theo đám đông cũng mang lại hiệu quả bởi trào lưu này sẽ nhanh chóng chuyển qua các chứng khoán khác, dẫn đến khoản lỗ khổng lồ cho những người chậm chân. Trang 34 3.3 Ứng dụng giải thích trong thực tế Như vậy, ta đã đi qua các khái niệm cơ bản về tâm lý hành vi và tác động của nó đến sự không hiệu quả của thị trường. Ở phần tiếp theo, ta vận dụng những lý thuyết này để giải thích cho thực tế, thông qua các ví dụ về phần bù rủi ro trong tssl, độ biến động trong tssl của VN-INDEX, vấn đề với quỹ đóng, hiệu ứng tháng Giêng, hiệu ứng theo tuần và cơn sốt giá chứng khoán năm 2006. 3.3.1 Phần bù rủi ro trong tssl Như đã đề cập ở chương hai, khi kiểm định phương sai có điều kiện thay đổi của VN- INDEX ở mô hình M-GARCH, hệ số của biến phương sai trong phương trình tỷ suất sinh lợi kỳ vọng theo ngày có ý nghĩa thống kê ở mức 10% (trong khi đó theo tuần thì không có ý nghĩa thống kê), hàm ý các nhà đầu tư đòi hỏi một phần bù rủi ro cho sự biến động của giá cả chứng khoán. Vậy nguyên nhân cho sự đòi hỏi này là gì? Có hai cách trả lời cho sự việc này. Đầu tiên, có thể các mô hình định giá tài sản vốn không hoàn toàn chính xác, do đó việc đòi hỏi thêm phần bù rủi ro này phản ánh các yếu tố rủi ro chưa được đưa vào mô hình. Thứ hai, tài chính hành vi giải thích cho hiện tượng này. Ta sẽ đi sâu vào câu trả lời thứ hai. - Từ lý thuyết triển vọng, Benartzi và Thaler (1995) đã ứng dụng nó vào tài chính dựa trên ý tưởng bao lâu thì các nhà đầu tư mới đánh giá lại danh mục của mình (bao gồm trái phiếu T-Bill và cổ phiếu) và khiến họ bàng quang với phần bù rủi ro từ cổ phiếu và tính toán theo mẫu dữ liệu của họ là một năm. Điều này có nghĩa là với việc xem xét lại danh mục đầu tư giữa các khoảng thời gian bé hơn một năm, nỗi lo sợ về thua lỗ thiển cận (myopic loss aversion: kết hợp bởi sự ghét thua lỗ và đánh giá thường xuyên danh mục) do sự lên xuống của giá chứng khoán liên tục dẫn đến sự sụt giảm giá trị danh mục của họ khiến các nhà đầu tư đòi hỏi phần bù rủi ro lúc này. Ứng dụng vào VN-INDEX, lý thuyết này giải thích cho phần bù rủi ro theo ngày, đối với tuần thì không có phần bù rủi ro hàm ý nếu các nhà đầu tư đánh giá lại danh mục đầu tư mỗi tuần một lần, họ bàng quang với phần bù rủi ro này. Điều này gián tiếp cho thấy tác động của hiệu ứng framing, được củng cố thêm bởi bằng chứng của Tversky, Kahneman và Schwartz (1997): đó là con n