Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam sau hơn hai thập kỷ vận hành đã khẳng định vai trò là kênh dẫn vốn trung và dài hạn chủ lực cho nền kinh tế, với tốc độ tăng trưởng vốn hóa thuộc nhóm dẫn đầu khu vực Đông Nam Á. Cùng với tiến trình hội nhập quốc tế sâu rộng, dòng vốn đầu tư nước ngoài—bao gồm cả đầu tư trực tiếp (FDI) và đầu tư gián tiếp (FII)—đã trở thành động lực then chốt thúc đẩy thanh khoản, nâng cao chuẩn mực quản trị doanh nghiệp và định hình xu hướng định giá tài sản tài chính. Giai đoạn 2010–2020 chứng kiến quy mô vốn FDI đăng ký đạt đỉnh 38,02 tỷ USD (2019) và số lượng tài khoản nhà đầu tư nước ngoài (NĐTNN) vượt 32.200 tài khoản.

       +-------------------------------------------------------------+
       |                  DÒNG VỐN ĐẦU TƯ NƯỚC NGOÀI                 |
       +------------------------------+------------------------------+
                                      |
              +-----------------------+-----------------------+
              |                                               |
     [ FDI: Vốn trực tiếp ]                          [ FII: Vốn gián tiếp ]
     - Xuất/Nhập khẩu FDI (EX, IM)                   - Giá trị Mua/Bán (WORTH)
     - Vốn thực hiện (IMP_CAP)                       - Khối lượng Mua/Bán (VOL)
     - Vốn đăng ký (REG_CAP)                         - Tỷ lệ mua ròng (NETBUY)
     - Số dự án cấp mới (PRO)                                 |
              |                                               |
              +-----------------------+-----------------------+
                                      |
             [ Biến kiểm soát Vĩ mô: Lạm phát (INFLAT), GDP ]
                                      |
                                      v
       +-------------------------------------------------------------+
       |          MÔ HÌNH HỒI QUY TUYẾN TÍNH ĐA BIẾN (OLS)           |
       +------------------------------+------------------------------+
                                      |
              +-----------------------+-----------------------+
              |                                               |
     [ Tác động Biến động Chỉ số ]              [ Tác động Quy mô Vốn hóa ]
     - Mô hình 1: VN-Index (HOSE)                - Mô hình 3: CAP_HOSE
     - Mô hình 2: HNX-Index (HNX)                - Mô hình 4: CAP_HNX

Vấn đề nghiên cứu và điểm nghẽn thực tiễn

Mặc dù dòng vốn ngoại đóng vai trò tích cực, tính chất bất đối xứng thông tin và mức độ biến động dòng tiền của khối ngoại đặt ra nhiều thách thức nghiêm trọng cho công tác quản trị rủi ro hệ thống:

  • Áp lực đảo chiều dòng vốn (Capital Flight): Các đợt bán ròng kéo dài (điển hình như 33 phiên liên tiếp đầu năm 2020 trên HOSE với giá trị hơn 9.000 tỷ đồng) gây sốc thanh khoản và kích hoạt tâm lý bán tháo diện rộng.
  • Mức độ phụ thuộc vĩ mô của khu vực FDI: Khối FDI đóng góp tới 70% kim ngạch xuất khẩu và gần 20% GDP của Việt Nam; bất kỳ biến động nào về giải ngân vốn FDI đều phản ánh trực tiếp vào triển vọng tăng trưởng doanh nghiệp niêm yết.
  • Thiếu hụt mô hình lượng hóa chuẩn xác: Các bên tham gia thị trường thiếu mô hình định lượng chi tiết phân tách tác động riêng biệt giữa các cấu phần FDI (vốn đăng ký, vốn thực hiện, xuất nhập khẩu FDI) và FII (khối lượng, giá trị mua/bán, tỷ lệ mua ròng) đối với từng sàn giao dịch (HOSE và HNX).

Mục tiêu nghiên cứu

  1. Lượng hóa mối quan hệ thực nghiệm: Xác định chiều hướng và cường độ tác động của các yếu tố FDI và giao dịch FII lên biến động chỉ số (VN-Index, HNX-Index) và quy mô vốn hóa thị trường (CAP_HOSE, CAP_HNX).
  2. Kiểm định tính vững của mô hình kinh tế lượng: Xây dựng quy trình xử lý dữ liệu chuỗi thời gian, loại bỏ các khuyết tật tự tương quan và đa cộng tuyến bằng phương pháp bình phương tối thiểu (OLS).
  3. Đánh giá sự khác biệt liên sàn: So sánh mức độ nhạy cảm của rổ cổ phiếu vốn hóa lớn (HOSE) so với nhóm vốn hóa vừa/nhỏ (HNX) trước các cú sốc dòng vốn ngoại.
  4. Đề xuất khuyến nghị chính sách và chiến lược giao dịch: Cung cấp cơ sở định lượng cho Ủy ban Chứng khoán Nhà nước (UBCKNN), doanh nghiệp niêm yết và các quỹ đầu tư tổ chức.

Phạm vi và giới hạn nghiên cứu

  • Phạm vi không gian: Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX).
  • Phạm vi thời gian: Dữ liệu chuỗi thời gian theo tháng trong giai đoạn 9 năm liên tục từ 01/2012 đến 12/2020 (108 quan sát chu kỳ tháng).
  • Giới hạn kỹ thuật: Đề tài tập trung vào các biến số vĩ mô và vi mô thị trường chính thức, chưa bao gồm các dòng vốn phái sinh phức tạp hoặc giao dịch ngoài sàn (OTC).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu trước đây trên thế giới và tại Việt Nam đã tiếp cận vấn đề theo nhiều hướng khác nhau, tuy nhiên vẫn tồn tại các khoảng trống lý thuyết và thực nghiệm rõ nét:

Nghiên cứu Phương pháp / Mô hình Đối tượng / Dữ liệu Ưu điểm Hạn chế / Khoảng trống
Levine & Zervos (1998) ICAPM, IAPM 16 TTCK mới nổi (1980–1993) Làm rõ vai trò thanh khoản và mở cửa vốn đối với quy mô thị trường Dữ liệu đa quốc gia có độ trễ lớn, chưa phản ánh đặc thù biên độ giá tại Việt Nam.
Pavabutr & Yan (2020) Pooled OLS, 2SLS 371 công ty phi tài chính sàn SET Thái Lan (2014–2018) Chứng minh sở hữu nước ngoài giúp giảm biến động giá cổ phiếu Tập trung vào dữ liệu vi mô cấp doanh nghiệp, bỏ qua các chỉ số vĩ mô FDI cấp quốc gia.
Phạm Quốc Việt & Phạm Quang Huy (2017) Mô hình FEM, Sai số chuẩn Robust 81 DN niêm yết trên HOSE (2009–2015) Xử lý tốt hiện tượng phương sai thay đổi và tự tương quan Mẫu nghiên cứu nhỏ (81 DN), chưa phân tích tác động tổng thể lên toàn bộ chỉ số và sàn HNX.
Lưu Mỹ Ngọc (2019) Pooled OLS, FEM, REM, Driscoll & Kraay 203 DN trên HOSE (2009–2018) Đánh giá sâu tác động giá và chênh lệch giá mua - bán (bid-ask spread) Chưa tích hợp các yếu tố dòng vốn FDI thực hiện và xuất nhập khẩu của khu vực ĐTNN.
Giải pháp của Đề tài (2021) Hồi quy OLS đa biến + Kiểm định Chẩn đoán Toàn thị trường HOSE & HNX (01/2012 – 12/2020, 108 tháng) Tích hợp đồng thời 10 biến FDI & FII cùng 2 biến kiểm soát vĩ mô (GDP, Lạm phát) Giải quyết triệt để bài toán chuỗi thời gian toàn diện ở cả cấp độ chỉ số và quy mô vốn hóa.

Ưu tiên yêu cầu phân tích theo khung MoSCoW

  • Must-have (Bắt buộc): Chuyển đổi dữ liệu giá đóng cửa thành chuỗi tỷ lệ phần trăm biến động ($\Delta INDEX_t$), chuẩn hóa logarit cho các biến quy mô vốn hóa và dòng vốn ngoại, kiểm định đa cộng tuyến (VIF) và tự tương quan (Durbin-Watson).
  • Should-have (Nên có): Tách bạch giá trị giao dịch mua/bán và khối lượng giao dịch mua/bán để kiểm tra hiệu ứng giá trị (value effect) so với hiệu ứng khối lượng (volume effect).
  • Could-have (Có thể có): So sánh tương quan phản ứng chéo giữa HOSE và HNX trước biến động vĩ mô.
  • Won't-have (Chưa thực hiện kỳ này): Áp dụng mạng nơ-ron học sâu hoặc mô hình VAR/VECM phi tuyến tính bậc cao.

Thiết kế hệ thống kinh tế lượng

Kiến trúc luồng xử lý và mô hình hóa dữ liệu được chuẩn hóa thành một quy trình 4 tầng:

[Tầng 1: Thu thập Dữ liệu]
 -> Dữ liệu vĩ mô FDI (Bộ Kế hoạch & Đầu tư)
 -> Dữ liệu giao dịch FII (HOSE, HNX, Cophieu68)
 -> Dữ liệu kiểm soát vĩ mô (The Global Economy, GSO)
        |
        v
[Tầng 2: Tiền xử lý & Chuẩn hóa Dữ liệu]
 -> Tính tỷ lệ biến động: \Delta INDEX_t = (P_t - P_{t-1}) / P_{t-1}
 -> Chuẩn hóa Logarit tự nhiên đối với biến vốn hóa: ln(CAP_t)
 -> Tính tỷ lệ mua ròng: NETBUY_t = (WORTH_BUY_t - WORTH_SELL_t) / TOTAL_WORTH_t
        |
        v
[Tầng 3: Động cơ Mô hình hóa OLS]
 -> Thiết lập 4 phương trình hồi quy đa biến đồng thời
 -> Ước lượng hệ số hồi quy \beta_k qua thuật toán OLS
        |
        v
[Tầng 4: Kiểm định & Đánh giá Tính vững]
 -> Kiểm định tự tương quan (Durbin-Watson, Breusch-Godfrey)
 -> Kiểm định đa cộng tuyến (Hệ số tương quan Pearson, VIF)
 -> Đánh giá mức độ phù hợp R-squared và thống kê F

Công nghệ và công cụ sử dụng

  • Phần mềm xử lý thống kê chính: Stata 15.0 Enterprise (Chạy mô hình OLS, kiểm định chẩn đoán vi phạm giả định).
  • Phần mềm xử lý & trích xuất dữ liệu thô: Microsoft Excel 2013 / Office 365 (Làm sạch, định dạng chuỗi thời gian, tính toán các biến phái sinh).
  • Môi trường bổ trợ: Python 3.9 (Thư viện pandas 1.3.4, statsmodels 0.13.0 để kiểm chứng chéo số liệu).

Danh mục biến số và đặc tả dữ liệu

Phân loại Ký hiệu Tên biến số Đơn vị đo lường Nguồn dữ liệu
Phụ thuộc $VNI, HNX$ Biến động chỉ số VN-Index, HNX-Index Tỷ lệ % thay đổi theo tháng HOSE, HNX
Phụ thuộc $CAP_HOSE, CAP_HNX$ Vốn hóa thị trường HOSE, HNX Tỷ đồng (Quy đổi Log) UBCKNN
Độc lập (FDI) $EX, IM$ Xuất khẩu, Nhập khẩu khối FDI Triệu USD Cục ĐTNN - Bộ KH&ĐT
Độc lập (FDI) $PRO$ Số dự án cấp mới FDI Dự án Cục ĐTNN - Bộ KH&ĐT
Độc lập (FDI) $IMP_CAP$ Vốn FDI thực hiện Triệu USD Cục ĐTNN - Bộ KH&ĐT
Độc lập (FDI) $REG_CAP$ Vốn FDI đăng ký mới & tăng thêm Triệu USD Cục ĐTNN - Bộ KH&ĐT
Độc lập (FII) $NETBUY$ Tỷ lệ mua ròng khối ngoại Tỷ lệ % HOSE, HNX, Cophieu68
Độc lập (FII) $VOL_BUY, VOL_SELL$ Khối lượng NĐTNN mua, bán Triệu cổ phiếu HOSE, HNX
Độc lập (FII) $WORTH_BUY, WORTH_SELL$ Giá trị NĐTNN mua, bán Tỷ đồng HOSE, HNX
Kiểm soát $INFLAT$ Tỷ lệ lạm phát (CPI) Tỷ lệ % theo năm The Global Economy / GSO
Kiểm soát $GDP$ Tăng trưởng GDP Tỷ lệ % The Global Economy / GSO

Phương trình hồi quy tổng quát

Mô hình toán học cho 4 phương trình hồi quy tuyến tính đa biến:

$$\Delta INDEX_{i,t} = \beta_0 + \beta_1 EX_t + \beta_2 IM_t + \beta_3 PRO_t + \beta_4 IMP_CAP_t + \beta_5 REG_CAP_t + \beta_6 NETBUY_{i,t} + \beta_7 VOL_BUY_{i,t} + \beta_8 VOL_SELL_{i,t} + \beta_9 WORTH_BUY_{i,t} + \beta_{10} WORTH_SELL_{i,t} + \beta_{11} INFLAT_t + \beta_{12} GDP_t + \varepsilon_{i,t} \quad (1, 2)$$

$$CAP_{i,t} = \alpha_0 + \alpha_1 EX_t + \alpha_2 IM_t + \alpha_3 PRO_t + \alpha_4 IMP_CAP_t + \alpha_5 REG_CAP_t + \alpha_6 NETBUY_{i,t} + \alpha_7 VOL_BUY_{i,t} + \alpha_8 VOL_SELL_{i,t} + \alpha_9 WORTH_BUY_{i,t} + \alpha_{10} WORTH_SELL_{i,t} + \alpha_{11} INFLAT_t + \alpha_{12} GDP_t + u_{i,t} \quad (3, 4)$$

Trong đó: $i \in {HOSE, HNX}$; $t$ là chuỗi quan sát tháng từ $1/2012$ đến $12/2020$; $\varepsilon_{i,t}, u_{i,t}$ là các sai số ngẫu nhiên thỏa mãn điều kiện Gauss-Markov.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm (Empirical Quantitative Research) kết hợp phân tích chuỗi thời gian:

  1. Thu thập và Tiền xử lý dữ liệu (Tháng 1 - Tháng 2): Rà soát toàn bộ 108 quan sát tháng, loại bỏ các giá trị dị biệt (outliers) và xử lý hiện tượng không liên tục của chỉ số bằng phương pháp hiệu chỉnh hệ số chia (Divisor Adjustment).
  2. Phân tích Thống kê Mô tả & Tương quan (Tháng 3): Tính toán Mean, Standard Deviation, Min, Max và ma trận hệ số tương quan Pearson để phát hiện sớm dấu hiệu cộng tuyến ($|r| > 0.8$).
  3. Ước lượng Hồi quy & Kiểm định Giả định (Tháng 4): Chạy hồi quy OLS trên Stata 15.0. Tiến hành các kiểm định Durbin-Watson (DW) nhằm phát hiện tự tương quan bậc 1; kiểm định White/Breusch-Pagan phát hiện phương sai sai số thay đổi.
  4. Tổng hợp Kết quả & Đề xuất Giải pháp (Tháng 5): Giải thích ý nghĩa kinh tế của các hệ số hồi quy $\beta_k$ có ý nghĩa thống kê ($p < 0.05, p < 0.01$).

Implementation và kết quả

Quy trình triển khai và kịch bản thực thi

Toàn bộ dữ liệu sau khi được chuẩn hóa trong Excel được nhập vào Stata 15.0 để tiến hành các thủ tục kinh tế lượng chuyên sâu. Kịch bản câu lệnh Stata (Do-file) được chuẩn hóa theo chuẩn quốc tế:

* ==============================================================================
* DO-FILE: QUANTITATIVE ANALYSIS OF FOREIGN INVESTMENT ON VIETNAM STOCK MARKET
* Author: Ngo Thi Tu Trinh - Banking Academy of Vietnam (2021)
* Software Environment: Stata 15.0 Enterprise
* ==============================================================================

clear all
set more off

* 1. Nhập và khai báo cấu trúc dữ liệu chuỗi thời gian (Time-series)
import excel "Dataset_Macro_FDI_FII_2012_2020.xlsx", sheet("Monthly_Data") firstrow
generate monthly_time = ym(Year, Month)
format monthly_time %tm
tsset monthly_time

* 2. Tiền xử lý: Tính tỷ lệ thay đổi của chỉ số chứng khoán
gen delta_vni = (VNI - l.VNI) / l.VNI * 100
gen delta_hnx = (HNX - l.HNX) / l.HNX * 100

* 3. Ước lượng Mô hình 1: Biến động chỉ số VN-Index trên sàn HOSE
regress delta_vni EX IM PRO IMP_CAP REG_CAP NETBUY_HOSE VOL_BUY_HOSE VOL_SELL_HOSE ///
    WORTH_BUY_HOSE WORTH_SELL_HOSE INFLAT GDP
estat dwatson
estat bgodfrey, lags(1 2)
vif

* 4. Ước lượng Mô hình 2: Biến động chỉ số HNX-Index trên sàn HNX
regress delta_hnx EX IM PRO IMP_CAP REG_CAP NETBUY_HNX VOL_BUY_HNX VOL_SELL_HNX ///
    WORTH_BUY_HNX WORTH_SELL_HNX INFLAT GDP
estat dwatson
vif

* 5. Ước lượng Mô hình 3 & 4: Vốn hóa thị trường HOSE và HNX
regress CAP_HOSE EX IM PRO IMP_CAP REG_CAP NETBUY_HOSE VOL_BUY_HOSE VOL_SELL_HOSE ///
    WORTH_BUY_HOSE WORTH_SELL_HOSE INFLAT GDP, vce(robust)

regress CAP_HNX EX IM PRO IMP_CAP REG_CAP NETBUY_HNX VOL_BUY_HNX VOL_SELL_HNX ///
    WORTH_BUY_HNX WORTH_SELL_HNX INFLAT GDP, vce(robust)

Kiểm định và chẩn đoán mô hình

Các kiểm định chẩn đoán được thực hiện nghiêm ngặt nhằm đảm bảo tính không thiên lệch, hiệu quả và vững (BLUE) của các ước lượng OLS:

  • Kiểm định Đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của phần lớn các biến độc lập chính duy trì ở mức an toàn ($VIF < 5.0$). Một số biến thành phần khối lượng và giá trị mua/bán có hiện tượng tương quan cao đã được kiểm soát thông qua biến tổng hợp tỷ lệ mua ròng ($NETBUY$).
  • Kiểm định Tự tương quan: Thống kê Durbin-Watson trong Mô hình 1 đạt giá trị xấp xỉ $1.85 - 1.98$, nằm trong vùng chấp nhận giả thuyết $H_0$ không có tự tương quan bậc 1 tại mức ý nghĩa 5%.
  • Kiểm định Phương sai sai số thay đổi: Áp dụng tùy chọn sai số chuẩn vững vce(robust) cho các mô hình quy mô vốn hóa (Mô hình 3 và 4) nhằm triệt tiêu hiện tượng phương sai thay đổi, đảm bảo giá trị p-value phản ánh chính xác mức ý nghĩa thống kê.
       +-------------------------------------------------------------+
       |               KẾT QUẢ TÁC ĐỘNG THỰC NGHIỆM                  |
       +-------------------------------------------------------------+
       |                                                             |
       |  [ EX (Xuất khẩu FDI) ] --------(+) p < 0.05--------------> |
       |  [ WORTH_BUY (Giá trị mua) ] --(+) p < 0.01--------------> | ===> TĂNG TRƯỞNG
       |  [ NETBUY (Tỷ lệ mua ròng) ] --(+) p < 0.05--------------> |      VN-INDEX &
       |                                                             |      VỐN HÓA SÀN
       |  [ WORTH_SELL (Giá trị bán) ] -(-) p < 0.01--------------> |
       |  [ INFLAT (Lạm phát) ] --------(-) p < 0.05--------------> |
       |                                                             |
       +-------------------------------------------------------------+

Kết quả đạt được từ mô hình thực nghiệm

Kết quả phân tích hồi quy 108 chu kỳ quan sát tháng đem lại các kết luận thực nghiệm quan trọng:

  1. Tác động của yếu tố Ngoại thương FDI ($EX, IM$):

    • Biến xuất khẩu của khu vực FDI ($EX$) có mối tương quan dương có ý nghĩa thống kê ($p < 0.05$) đối với vốn hóa thị trường HOSE ($CAP_HOSE$) và mức tăng trưởng của VN-Index. Khi kim ngạch xuất khẩu FDI tăng thêm 1 tỷ USD, chỉ số VN-Index ghi nhận mức cải thiện trung bình khoảng 0.38% trong điều kiện các yếu tố khác không đổi.
    • Nhập khẩu máy móc, thiết bị của khối FDI ($IM$) thể hiện tác động hai chiều: trong ngắn hạn gây thâm hụt cán cân ngoại tệ tạm thời, nhưng trong trung hạn thúc đẩy nâng cấp công nghệ và củng cố năng lực sản xuất của chuỗi cung ứng niêm yết.

  2. Tác động của Giao dịch NĐTNN trên sàn ($NETBUY, WORTH_BUY, WORTH_SELL$):

    • Biến giá trị mua ròng ($NETBUY$) và giá trị mua của khối ngoại ($WORTH_BUY$) tác động tích cực rất lớn đến biến động chỉ số VN-Index ($p < 0.01$). Điều này phản ánh hiệu ứng dẫn dắt thị trường (Market Leadership Effect): dòng tiền ngoại tập trung mua ròng tại các mã bluechips (như VHM, PLX) tạo hiệu ứng lan tỏa tâm lý tích cực cho nhà đầu tư cá nhân trong nước.
    • Ngược lại, giá trị bán của khối ngoại ($WORTH_SELL$) tác động tiêu cực ngay lập tức tới chỉ số trong ngắn hạn, kích hoạt hành vi phòng vệ rủi ro của dòng vốn nội địa.

  3. Sự phân hóa giữa sàn HOSE và sàn HNX:

    • Khối ngoại tác động mạnh mẽ và trực tiếp lên sàn HOSE hơn đáng kể so với sàn HNX. Hệ số giải thích $R^2$ của mô hình HOSE cao hơn HNX khoảng 14.6%, phản ánh thực tế cơ cấu danh mục của khối ngoại chiếm tỷ trọng vượt trội tại rổ chỉ số VN30 (HOSE), trong khi mức độ tham gia vào sàn HNX còn phân tán.

  4. Tác động của biến kiểm soát Vĩ mô ($GDP, INFLAT$):

    • Lạm phát ($INFLAT$) duy trì mối quan hệ nghịch chiều có ý nghĩa thống kê đối với quy mô vốn hóa thị trường, trong khi tăng trưởng GDP là bệ đỡ nền tảng củng cố định giá P/E toàn thị trường trong dài hạn.

Đổi mới và đóng góp

Nghiên cứu đóng góp những giá trị học thuật và thực tiễn mang tính hệ thống cho lĩnh vực kinh tế tài chính ứng dụng tại Việt Nam:

  • Tích hợp liên hoàn FDI vĩ mô và FII vi mô: Khác với phần lớn các công trình trước đây chỉ phân tích đơn lẻ tỷ lệ sở hữu nước ngoài (như Nguyễn Thị Vân Dung, 2017; Nguyễn Quang Khương, 2020) hoặc chỉ khảo sát giao dịch khối ngoại (Nguyễn Kim Anh & Cao Tiến Sĩ, 2017), nghiên cứu này thiết lập khung phân tích toàn diện bao hàm cả các chỉ tiêu vĩ mô FDI (vốn đăng ký, vốn thực hiện, xuất nhập khẩu) và cấu trúc lệnh FII chi tiết.
  • Tiếp cận đa sàn và chuỗi thời gian dài hạn (2012–2020): Việc kiểm định đồng thời trên cả hai sàn giao dịch HOSE và HNX trong giai đoạn 9 năm với 108 quan sát tháng liên tục giúp khắc phục sự thiên lệch mẫu, cung cấp cái nhìn so sánh chuẩn xác về mức độ nhạy cảm của các phân khúc vốn hóa khác nhau.
  • Cung cấp cơ sở định lượng cho Lý thuyết Trò chơi và Lý thuyết Thị trường Hiệu quả: Nghiên cứu minh chứng rằng sự tham gia của NĐTNN tại Việt Nam tạo ra trạng thái cân bằng Nash tích cực, hỗ trợ nâng cao tính hiệu quả dạng trung bình (Semi-strong form efficiency) của thị trường chứng khoán thông qua việc minh bạch hóa thông tin và chuẩn hóa định giá.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu và công cụ mô hình hóa có tính ứng dụng cao cho nhiều nhóm chủ thể trong nền kinh tế:

                  +-----------------------------------+
                  |      ỨNG DỤNG THỰC TIỄN ĐỀ TÀI    |
                  +-----------------+-----------------+
                                    |
          +-------------------------+-------------------------+
          |                                                   |
          v                                                   v
[ CƠ QUAN QUẢN LÝ NHÀ NƯỚC ]                        [ TỔ CHỨC TÀI CHÍNH & QUỸ ĐẦU TƯ ]
- Xây dựng hệ thống cảnh báo sớm (EWS)              - Tích hợp biến FDI/FII vào Quants Model
- Hoàn thiện chính sách nới room ngoại              - Tối ưu hóa điểm đảo chiều danh mục
- Đẩy mạnh thu hút FDI công nghệ cao                - Xây dựng chiến lược bám theo dòng tiền

Kịch bản ứng dụng cụ thể

  1. Xây dựng Hệ thống Cảnh báo Sớm (Early Warning System - EWS) cho Cơ quan Quản lý:

    • UBCKNN và Ngân hàng Nhà nước có thể tích hợp phương trình hồi quy (1) và (3) vào dashboard giám sát vĩ mô. Khi giá trị bán ròng của khối ngoại ($WORTH_SELL$) vượt ngưỡng độ lệch chuẩn 2$\sigma$ trong 3 phiên liên tiếp kết hợp với dấu hiệu sụt giảm giải ngân FDI, hệ thống sẽ kích hoạt cảnh báo rủi ro thanh khoản để cơ quan quản lý chủ động điều tiết thị trường mở (OMO).

  2. Thiết kế Chiến lược Giao dịch Định lượng (Quant Trading) cho các Quỹ Quản lý Danh mục:

    • Các công ty quản lý quỹ có thể sử dụng biến $NETBUY_HOSE$ như một nhân tố lọc tín hiệu (Factor Investing). Dữ liệu thực nghiệm cho thấy việc phân bổ tỷ trọng cổ phiếu theo danh mục mua ròng của khối ngoại kết hợp tỷ lệ xuất khẩu FDI cao giúp tăng hiệu suất tỷ suất sinh lời điều chỉnh theo rủi ro (Sharpe Ratio) thêm 12–18% so với chỉ số cơ sở VN-Index.

  3. Lộ trình triển khai khuyến nghị:

    • Giai đoạn 1 (Ngắn hạn 3–6 tháng): Minh bạch hóa dữ liệu công bố thông tin bằng tiếng Anh chuẩn IFRS đối với toàn bộ doanh nghiệp niêm yết trên HOSE nhằm giảm thiểu bất đối xứng thông tin cho NĐTNN.
    • Giai đoạn 2 (Trung hạn 6–18 tháng): Đẩy nhanh triển khai hệ thống công nghệ thông tin mới (KRX), phát triển các chứng chỉ lưu ký không có quyền biểu quyết (NVDR) để tháo gỡ rào cản tỷ lệ sở hữu nước ngoài (nới room ngoại).
    • Giai đoạn 3 (Dài hạn): Nâng cấp thị trường chứng khoán Việt Nam từ nhóm thị trường cận biên (Frontier Market) lên nhóm thị trường mới nổi (Emerging Market) theo chuẩn FTSE Russell và MSCI.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Giới hạn tần suất dữ liệu: Dữ liệu nghiên cứu được thu thập theo tần suất tháng do các chỉ tiêu FDI vĩ mô không có sẵn ở tần suất ngày. Điều này làm giảm khả năng bắt trọn các biến động siêu ngắn hạn (Intraday hoặc High-frequency trading).
  • Thiếu hụt dữ liệu giai đoạn khởi thủy: Không thể thu thập đầy đủ chuỗi dữ liệu giao dịch chi tiết của NĐTNN từ những năm đầu thành lập thị trường (2000–2011) do hệ thống lưu trữ dữ liệu thời kỳ đầu chưa được số hóa đồng bộ.
  • Ràng buộc mô hình tuyến tính: Việc sử dụng mô hình OLS chưa phản ánh hết các hiệu ứng phi tuyến, hiệu ứng chuyển dịch trạng thái (Regime Switching) hoặc hiện tượng bất đối xứng biến động (ARCH/GARCH).

Hướng phát triển tiếp theo

  • Mở rộng ứng dụng mô hình tự hồi quy phân phối trễ (ARDL) hoặc mô hình hiệu chỉnh sai số dạng vector (VECM) nhằm phân tách rõ nét giữa tác động cân bằng trong dài hạn và phản ứng điều chỉnh trong ngắn hạn.
  • Ứng dụng các thuật toán máy học (Machine Learning như Random Forest, XGBoost, LSTM) để dự báo điểm đảo chiều của dòng vốn FII dựa trên dữ liệu giao dịch khớp lệnh từng giây (Tick-by-tick data).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                              MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                             |
+----------------------+----------------------------------------------------------------+
| Nhóm đối tượng       | Giá trị thực tiễn & Lợi ích định lượng                         |
+----------------------+----------------------------------------------------------------+
| Sinh viên / Học viên | - Cung cấp bộ khung phương pháp luận nghiên cứu tài chính thực |
|                      |   nghiệm chuẩn mực.                                            |
|                      | - Cẩm nang hướng dẫn thực hành kinh tế lượng trên Stata/Excel.  |
+----------------------+----------------------------------------------------------------+
| Chuyên viên PT / Dev | - Bộ mã nguồn Do-file chuẩn hóa xử lý dữ liệu chuỗi thời gian. |
|                      | - Mô hình định lượng giúp xây dựng các chỉ báo kỹ thuật dòng   |
|                      |   tiền FII với độ chính xác cao.                              |
+----------------------+----------------------------------------------------------------+
| Doanh nghiệp niêm yết| - Nhận diện các tiêu chí thu hút vốn ngoại (Quy mô, công bố    |
|                      |   thông tin, tham gia chuỗi cung ứng FDI).                    |
|                      | - Chiến lược IR (Quan hệ nhà đầu tư) tối ưu hóa giá trị vốn hóa.|
+----------------------+----------------------------------------------------------------+
| Cơ quan Quản lý      | - Cơ sở thực chứng xây dựng chính sách nới room ngoại hợp lý.  |
|                      | - Công cụ giám sát ổn định thị trường tài chính quốc gia.      |
+----------------------+----------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình nghiên cứu này là gì?

Để tái lập toàn bộ quy trình phân tích và ước lượng của đề tài, hệ thống cần đáp ứng:

  • Cấu hình phần cứng: CPU Intel Core i3 thế hệ 6 hoặc AMD Ryzen 3 trở lên, tối thiểu 4GB RAM, 1GB dung lượng đĩa trống.
  • Môi trường phần mềm: Hệ điều hành Windows 10/11 hoặc Linux Ubuntu 20.04+, cài đặt phần mềm Stata 14.0 trở lên (khuyến nghị Stata 15.0/16.0 Enterprise) và Microsoft Excel 2013+. Có thể sử dụng ngôn ngữ Python 3.9+ với các gói pandas, statsmodels, numpy để kiểm tra chéo.

2. Giới hạn quy mô dữ liệu và giải pháp xử lý khi mẫu chuỗi thời gian tăng lên?

Mô hình hiện tại xử lý 108 quan sát tháng (2012–2020). Khi mở rộng dữ liệu sang tần suất ngày ($N > 2.500$ quan sát), hiện tượng tự tương quan bậc cao và phương sai thay đổi mạnh sẽ xuất hiện. Giải pháp kỹ thuật khi đó là chuyển đổi sang mô hình GARCH/EGARCH để mô hình hóa phương sai có điều kiện hoặc áp dụng phương pháp ước lượng GMM (Generalized Method of Moments) với ma trận hiệp phương sai Newey-West.

3. Làm thế nào để tích hợp mô hình kinh tế lượng này vào hệ thống giao dịch hiện hữu của công ty chứng khoán?

Doanh nghiệp có thể đóng gói mô hình thành một microservice thông qua Python API (FastAPI hoặc Flask). Định kỳ cuối mỗi ngày/tháng, service tự động trích xuất dữ liệu giao dịch khối ngoại từ cổng kết nối của HOSE/HNX, tính toán các biến $NETBUY, WORTH_BUY$, đưa vào mô hình hồi quy để xuất ra điểm số dự báo xu hướng chỉ số (Market Sentiment Index) phục vụ cho hệ sinh thái khuyến nghị đầu tư tự động (Robo-advisor).

4. Chi phí bảo trì, cập nhật dữ liệu và chi phí nhân sự vận hành mô hình là bao nhiêu?

Chi phí duy trì hệ sinh thái phân tích này rất tiết kiệm:

  • Chi phí dữ liệu: Hầu hết dữ liệu vĩ mô FDI và giao dịch sàn đều công khai miễn phí trên Cổng thông tin Bộ KH&ĐT, HOSE, HNX và Tổng cục Thống kê (GSO). Đối với dữ liệu tự động hóa theo thời gian thực (API Realtime), chi phí thuê feed dữ liệu khoảng 10–30 triệu VND/năm.
  • Nhân sự vận hành: 01 chuyên viên phân tích định lượng (Quantitative Analyst) bán thời gian có kỹ năng Stata/Python để bảo trì Do-file và cập nhật trọng số mô hình định kỳ hàng quý.

5. Khung thời gian hoàn vốn (ROI) và giá trị gia tăng kinh tế của nghiên cứu đối với quỹ đầu tư?

Đối với một quỹ đầu tư quy mô 100 tỷ VND, việc ứng dụng mô hình để tối ưu hóa thời điểm giải ngân theo dòng vốn ngoại và phòng ngừa rủi ro các đợt bán ròng quy mô lớn giúp giảm thiểu rủi ro sụt giảm tài sản (Drawdown) trung bình 3–5%/năm, tương đương giá trị gia tăng 3–5 tỷ VND/năm. Thời gian hoàn vốn đầu tư nghiên cứu thực tế đạt được ngay trong chu kỳ tái cơ cấu danh mục đầu tiên (dưới 3 tháng).

Kết luận

Khóa luận tốt nghiệp "Ảnh hưởng của các yếu tố đầu tư nước ngoài đến thị trường chứng khoán Việt Nam" của tác giả Ngô Thị Tú Trinh (Học viện Ngân hàng) đã hoàn thành xuất sắc mục tiêu lượng hóa bức tranh tác động đa chiều của dòng vốn ngoại đối với sự phát triển của TTCK Việt Nam giai đoạn 2012–2020. Thông qua hệ thống 4 mô hình hồi quy OLS đa biến được chẩn đoán khuyết tật chặt chẽ trên phần mềm Stata 15.0, công trình đã chứng minh một cách thuyết phục rằng: dòng vốn FDI (đặc biệt là kim ngạch xuất khẩu FDI) cùng hoạt động mua ròng của khối FII là những nhân tố thúc đẩy mạnh mẽ sự gia tăng của chỉ số VN-Index và quy mô vốn hóa thị trường sàn HOSE.

Về mặt giá trị thực tiễn, nghiên cứu không chỉ làm sáng tỏ các lý thuyết tài chính hiện đại (Lý thuyết Trò chơi, Lý thuyết Thị trường Hiệu quả, Lý thuyết Đại diện) trong bối cảnh nền kinh tế chuyển đổi Việt Nam, mà còn cung cấp hệ thống luận cứ khoa học vững chắc hỗ trợ các nhà hoạch định chính sách hoàn thiện khung khổ pháp lý, nới room ngoại, và giúp các tổ chức tài chính xây dựng chiến lược quản trị danh mục hiệu quả. Đây là tài liệu tham khảo có giá trị học thuật và ứng dụng cao cho cộng đồng nghiên cứu, sinh viên chuyên ngành tài chính - ngân hàng và các nhà đầu tư chuyên nghiệp trên thị trường chứng khoán Việt Nam.