Tóm Tắt Kỳ Vọng Tương Quan Giữa Các Yếu Tố Kinh Tế Vĩ Mô Và Ttck

Bảng 3.1. Tóm tắt các biến nghiên cứu

STT

Tên biến nghiên cứu	Ký hiệu	Đơn vị	Nguồn dữ liệu
1	Chỉ số giá chứng khoán VN-Index	VNI	Điểm	Sở GDCK TPHCM (HOSE)
2	Tỷ giá hối đoái	EX	VND/USD	Ngân hàng Nhà nước Việt Nam
3	Giá dầu	OP	USD/Barrel	Cục thông tin năng lượng Hoa Kỳ (EIA)
4	Lãi suất cho vay	LR	%	Quỹ tiền tệ quốc tế (IFS- IMF)
5	Lạm phát	CPI	%	Quỹ tiền tệ quốc tế (IFS- IMF)
6	Cung tiền	M2	VNĐ	Quỹ tiền tệ quốc tế (IFS- IMF)

Có thể bạn quan tâm!

Xem toàn bộ 121 trang tài liệu này.

Nguồn: Tác giả tự tổng hợp

3.3. Giả thiết nghiên cứu‌

Giả thiết 1: Tỷ giá có tương quan dương với chỉ số Vn-Index

Giả thiết dựa vào nghiên cứu của Dornbusch & Fisher (1980) cho rằng có mối

quan hệ cùng chiều giữa tỷ giá và giá chứng khoán, lý luận của hai ông cho rằng một khi đồng tiền trong nước được định giá thấp sẽ làm cho những doanh nghiệp trong nước tăng tính cạnh tranh, kết quả làm gia tăng hoạt động xuất khẩu, điều này làm cho giá chứng khoán của họ tăng lên.

Giả thiết 2: Giá dầu có tương quan dương với chỉ số Vn-Index

Giả thiết dựa vào nghiên cứu của Gan & Lee (2006)

Giả thiết 3: Lãi suất có tương quan âm với chỉ số Vn-Index

Theo Fama (1981) và Gan & Lee (2006) lãi suất tăng lên sẽ tạo áp lực giảm giá chứng khoán.

Giả thiết 4: Lạm phát có tương quan âm với chỉ số Vn-Index

Kinh nghiệm của các nước phát triển cho thấy lạm phát và thị trường chứng khoán có mối quan hệ ngược chiều. Thật vậy, nghiên cứu của Leeb & Conard (1996) tại TTCK Mỹ giai đoạn 1929 – 1981 chỉ ra mối liên hệ: “Lạm phát tăng cao luôn là kẻ thù của thị trường cổ phiếu”; và giả thiết này cũng dựa theo một số kết quả nghiên cứu đáng tin cậy như: Kết quả nghiên cứu của Fama và Schwert (1977), Nelson (1976) và DeFina (1991).

Giả thiết 5: Cung tiền có tương quan dương với chỉ số Vn-Index

Hầu hết các nghiên cứu đều chỉ ra một cú sốc cung tiền tích cực sẽ dẫn đến sự gia tăng trong giá cổ phiếu như nghiên cứu của Mukherjee & Naka (1995); Chen, Roll & Ross (1986); Wong (2005). Các tác giả cho rằng nếu cung tiền tăng sẽ giúp kích thích tăng trưởng kinh tế, từ đó gây phản ứng tốt lên thị trường chứng khoán.

Bảng 3.2. Tóm tắt kỳ vọng tương quan giữa các yếu tố kinh tế vĩ mô và TTCK

Biến độc lập

Dấu kỳ vọng	Biến phụ thuộc
Tỷ giá	+	VN-Index
Giá dầu	+
Lãi suất	-
Lạm phát	-
Cung tiền	+

Nguồn: Tác giả tự tổng hợp

3.4. Mô hình nghiên cứu‌

Sau khi tham khảo các nghiên cứu đã được đề cập ở chương 2, tác giả sử dụng mô hình nghiên cứu của Mohamed Asmy, Wisam Rohilina, Aris Hassama & Md. Fouad “Effects of Macroeconomic Variables on Stock Prices in Malaysia: An Approach of Error Correction Model” (2009) để xây dựng mô hình nghiên cứu cho luận văn vì: thứ nhất, nghiên cứu đã xác định được mối quan hệ trong dài hạn và chiều hướng tác động giữa chỉ số giá chứng khoán với các yếu tố kinh tế vĩ mô (tỷ giá, lạm phát và cung tiền); thứ hai, Malaysia là quốc gia đang phát triển và cũng thuộc Đông Nam Á giống như Việt Nam, bên cạnh đó chỉ số giá chứng khoán được chọn của bài nghiên cứu trên (Kuala Lampur Composite Index – KLCI) là chỉ số chính của thị trường chứng khoán Malaysia tại thời điểm nghiên cứu (tương tự VN-Index).

Bên cạnh 3 yếu tố kinh tế vĩ mô được đề cập đến trong bài nghiên cứu trên là lạm phát (CPI), cung tiền (M2) và tỷ giá hối đoái (EX), tác giả bổ sung thêm các yếu tố quan

trọng được đánh giá sẽ có ảnh hưởng đáng kể đến TTCK Việt Nam trong giai đoạn nghiên cứu và thời gian sắp tới:

- Lãi suất (LR): lãi suất có vai trò hết sức quan trọng đến nền kinh tế. Các nghiên cứu của Gan & Lee (2006), Muhammad Hussain & cộng sự (2012), Abdul Rafay Farah Naz & Saman Rubab (2014) đã chỉ ra mối quan hệ giữa lãi suất và TTCK, và ở những TTCK khác nhau tại thời điểm khác nhau đã có kết quả không giống nhau. Có một số lý luận cho rằng cung tiền và lãi suất có quan hệ nghịch biến, nên khi nghiên cứu tác động của 2 biến này lên chỉ số giá chứng khoán thường cho kết quả ngược nhau, nên chỉ cần nghiên cứu một biến hoặc lãi suất hoặc cung tiền là đủ. Tuy nhiên, một số kết quả nghiên cứu đã chứng mình điều ngược lại, ví dụ như nghiên cứu của tác giả như Muhammad Hussain & cộng sự (2012), Gan & Lee (2006), đó là lãi suất và cung tiền có cùng hướng tác động đến TTCK. Chính vì vậy việc đưa biến lãi suất vào mô hình nghiên cứu để xem xét rò hơn mối quan hệ của nó với TTCK ở Việt Nam là điều cần thiết.

- Giá dầu (OP): hiện nay Việt Nam có nền kinh tế đang phát triển và là nước xuất khẩu dầu thô, TTCK ở Việt Nam vẫn còn non trẻ nên sẽ phụ thuộc rất nhiều vào sự thay đổi của giá dầu. Các nghiên cứu trên thế giới như Gan & Lee (2006), Seyed Hosseini & cộng sự (2011), Dadgar & Nazari (2012) và tại Việt Nam như Phan Thị Bích Nguyệt (2013) đều cho thấy giá dầu có tác động đến TTCK, tuy nhiên chưa có kết quả nào được thống nhất.

Các biến trong bài nghiên cứu này sẽ được sử dụng dưới dạng Logarith tự nhiên nhầm tăng tính ổn định và thuận tiện hơn trong việc nhận dạng và phân tích dữ liệu. Để kiểm tra tác động của các biến kinh tế vĩ mô đến chỉ số giá chứng khoán VN-Index, mô hình được áp dụng có dạng như sau :

LnVNI = α0 + α1LnEX + α2LnOP + α3LnLR + α4LnCPI + α5LnM2 + π

Trong đó :

- LnVNI: chỉ số giá VN-Index

- LnEX: tỷ giá hối đoái

- LnOP: giá dầu

- LnLR: lãi suất cho vay

- LnCPI: lạm phát

- LnM2: cung tiền

- π: sai số và các biến chưa nghiên cứu trong mô hình.

3.5. Các phương pháp kiểm định‌

3.5.1. Kiểm định nghiệm đơn vị (Unit Root Tests)‌

Để tránh kết quả hồi quy giả mạo thì việc kiểm tra tính dừng là điều cần thiết. Kiểm định nghiệm đơn vị là một kiểm định quan trọng khi phân tích tính dừng của chuỗi thời gian. Bằng cách dùng kiểm định đơn vị có thể kết luận chuỗi có tuân theo bước ngẫu nhiên hay không, nếu là bước ngẫu nhiên chuỗi sẽ không dừng.

Trong bài nghiên cứu này, tác giả sử dụng 2 phương pháp kiểm định nghiệm đơn vị đó là Augumented Dickey-Fuller (ADF) và Phillips-Perron (PP).

Nếu số hạng ut là tự tương quan, thì ADF được sử dụng. Nếu không thì ta chỉ có thể sử dụng DF.

Dickey-Fuller (1979) đã nghiên cứu quá trình tự hồi quy AR(1)

Yt = ρYt−1 + ut

Trong đó ut là số hạng chỉ sai số ngẫu nhiên xuất phát từ các giả định cổ điển rằng nó có giá trị trung bình bằng 0, phương sai là hằng số và không tự tương quan.

Giả thuyết:

H0 : ρ = 1 thì Yt có nghiệm đo

vị, là một chuỗi thời gian không dừng.

H1: ρ = 0 thì chuỗi thời gian là dừng.

Ta biến đổi ∆Yt = Yt − Yt−1 = (ρ-1) Yt−1+ ut

∆Yt = δYt−1 + ut

Giả thuyết:

H0 : δ < 0 thì Yt là chuỗi không dừng – hay nghiệm đơn vị

H1: δ = 0 thì chuỗi thời gian là dừng.

Tiêu chuẩn DF được áp dụng cho các mô hình sau đây:

∆Yt = δYt−1 + ut

∆Yt = β1 + δYt−1 + ut

∆Yt = β1 + β2t + δYt−1 + ut

Trong đó t là biến xu hướng hoặc biến thời gian. Trong mỗi trường hợp giả thuyết δ = 0 là chuỗi không dừng.

Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng DF. Kiểm định DF giả định rằng các số hạng u t không tương quan.

Nếu số hạng ut là tự tương quan, do thiếu biến nên người ta thường sử dụng kiểm định DF mở rộng là ADF như sau:

i=1

∆Yt = β1 + β2t + δYt−1 + αi ∑q

∆Yt−1 + εt

Khi đó:

Nếu |τα| tính toán >|τ| = giá trị ADF => không bác bỏ giả thuyết H0 , chuỗi thời gian không dừng.

Nếu |τα| tính toán < |τ| = giá trị ADF => bác bỏ giả thuyết H0 , chuỗi thời gian

dừng.

Phillips và Perron đã nới lỏng giả thiết của Dickey-Fuller. Giả thiết rằng Yt được cho bởi:

∆Yt = β1 + δYt−1 + ut (1)

Phillips và Perron giả thiết rằng ut là quá trình MA(1).

ut = εt + θεt−1, εt ~ IID

Phương pháp PP hiệu chỉnh τ = δ�/Se(δ�) bằng cách như sau:

Đặt: ω� = γ0+ 2 ∑q(1 − j

)γj

j=1

Trong đó: γj = ∑q

q+1

etet−1, q là độ dài của trễ

Thống kê τpp =

t=j+1

γ1/2tb ω�

−

�ω� 2−γ0�nSb2ω�S

tb, Sblà thống kê t và sai số tiêu chuẩn của δ�; S là sai số tiêu chuẩn của hàm hồi quy (1).

Các giá trị tới hạn, quy tắc quyết định được cho giống như ADF.

3.5.2. Kiểm định đồng liên kết (Cointegration Tests)‌

Việc hồi quy các chuỗi thời gian không dừng thường dẫn đến kết quả hồi quy giả mạo. Tuy nhiên, theo Engle và Granger (1987) cho rằng nếu kết hợp tuyến tính của các chuỗi thời gian không dừng có thể là một chuỗi dừng và các chuỗi thời gian không dừng đó được cho là đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải thích như mối quan hệ cân bằng dài hạn giữa các biến. Nói cách khác, nếu phần dư trong mô hình hồi quy giữa các chuỗi thời gian không dừng là một chuỗi dừng, thì kết quả hồi quy là thực và thể hiện mối quan hệ cân bằng dài hạn giữa các biến trong mô hình. Với mục đích xác định xem một nhóm các chuỗi không dừng có đồng liên kết hay không, tác giả sử dụng phương pháp kiểm định đồng liên kết Johansen (1991):

Giả thuyết:

H0 : không có đồng liên kết H1 : có đồng liên kết

- Nếu Trace value hoặc Maximum Eigenvalue < Critical value => không bác bỏ giả thuyết H 0 (tức không có đồng liên kết).

- Nếu Trace value hoặc Maximum Eigenvalue > Critical value => bác bỏ giải thuyết H 0 (tức có tồn tại đồng liên kết).

Nếu có ít nhất một véctơ đồng liên kết giữa các biến tức là tồn tại một mối quan hẹ dài hạn giữa các biến phụ thuộc và các biến độc lập, lúc này mối quan hệ nhân quả giữa các biến này có thể được xác định bằng các ước lượng VECM.

3.5.3. Mô hình vecto hiệu chỉnh sai số (VECM)‌

Trong phân tích hồi quy với các biến là chuỗi thời gian không dừng, ta lấy sai phân của chúng cho đến khi có được chuỗi dừng. Tuy nhiên khi hồi quy các giá trị sau khi lấy sai phân thường có thể bỏ sót những thông tin dài hạn trong mối quan hệ giữa các biến. Vì vậy, khi hồi quy những mô hình đã lấy sai phân phải có thêm phần dư E.

Xét mô hình:

∆Yt = α0 + α1∆Xt + δEt−1 + εt δEt−1 là phần mất cân bằng.

Mô hình VECM là một dạng của mô hình Var tổng quát, được sử dụng trong

trường hợp chuỗi dữ liệu là không dừng và chứa đựng mối quan hệ đồng kết hợp.

3.5.4. Kiểm định tự tương quan phần dư từ mô hình VECM‌

Hậu quả khi mô hình có hiện tượng tự tương quan là :

 Phương sai các hệ số ước lượng thu được bằng phương pháp OLS là chệch.

 Kết luận từ bài toán xây dựng khoảng tin cậy là không đáng tin cậy và thường là bé hơn so với khoảng tin cậy đúng.

 Kết luận từ bài toán kiểm định giả thuyết thống kê về các hệ số là không đáng tin cậy.

Xét mô hình hồi quy chuỗi thời gian sau đây: