Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam trải qua hơn hai thập kỷ phát triển đã khẳng định vai trò là kênh dẫn vốn trung và dài hạn quan trọng bậc nhất của nền kinh tế. Trong cấu trúc vốn hóa toàn thị trường trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX), nhóm cổ phiếu ngành ngân hàng thường xuyên chiếm tỷ trọng chi phối từ 30% đến 35% tổng giá trị vốn hóa và đóng vai trò là "cổ phiếu vua", dẫn dắt xu hướng chỉ số VN-Index. Tuy nhiên, thị trường tài chính giai đoạn 2014–2023 chứng kiến nhiều biến động phức tạp dưới tác động của các chu kỳ kinh tế vĩ mô, biến động lãi suất toàn cầu, đại dịch COVID-19 và các đợt tái cơ cấu hệ thống tín dụng theo chuẩn mực Basel II và Basel III.

+-------------------------------------------------------------------------------+
| Bối cảnh TTCK Việt Nam (2014-2023)                                            |
| - Tỷ trọng vốn hóa nhóm Ngân hàng: 30% - 35% toàn thị trường                 |
| - Biến động thị giá phân hóa mạnh mẽ: 26/27 mã tăng, 1 mã giảm (đầu năm 2024) |
| - Tác động đan xen: Nội tại ngân hàng (EPS, SIZE) & Vĩ mô (GDP, CPI, EX)       |
+-------------------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là giá cổ phiếu ngân hàng biến động không đồng nhất và chịu tác động đan xen bởi cả yếu tố nội tại của từng tổ chức tín dụng lẫn môi trường kinh tế vĩ mô. Điển hình, vào đầu năm 2024, trong khi 26/27 cổ phiếu ngân hàng ghi nhận đà tăng trưởng tích cực thì mã SSB (SeABank) lại đi ngược xu hướng với mức giảm gần 2%. Việc thiếu một mô hình định lượng chuẩn xác để bóc tách mức độ tác động riêng lẻ và đồng thời của từng nhân tố khiến các nhà đầu tư cá nhân, nhà quản lý quỹ và chính ban điều hành ngân hàng gặp rủi ro lớn trong việc ra quyết định tài chính và quản trị vốn.

Đề tài khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến giá cổ phiếu của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam" do sinh viên Lục Thị Ngọc Hà thực hiện dưới sự hướng dẫn khoa học của TS. Trần Tuấn Vinh (Trường Đại học Ngân hàng TP. Hồ Chí Minh - HUB) tập trung giải quyết triệt để bài toán định lượng trên.

Mục tiêu nghiên cứu cụ thể

  1. Xây dựng khung mô hình kinh tế lượng: Thiết lập mô hình hồi quy dữ liệu bảng (Panel Data) nhằm lượng hóa mối quan hệ giữa các nhân tố vi mô (nội tại ngân hàng) và vĩ mô đối với giá cổ phiếu.
  2. Kiểm định và xác định chiều hướng tác động: Đo lường chính xác độ lớn hệ số hồi quy ($\beta$) và ý nghĩa thống kê của 5 biến độc lập: Thu nhập trên mỗi cổ phần (EPS), Quy mô tài sản (SIZE), Tốc độ tăng trưởng kinh tế (GDP), Chỉ số giá tiêu dùng (CPI) và Tỷ giá hối đoái (USD/VND).
  3. Khắc phục các khuyết tật mô hình: Ứng dụng phương pháp Ước lượng Bình phương bé nhất Tổng quát Khả thi (FGLS - Feasible Generalized Least Squares) để xử lý triệt để hiện tượng phương sai sai số thay đổi và tự tương quan.
  4. Đề xuất hàm ý quản trị và chiến lược đầu tư: Cung cấp căn cứ thực nghiệm giúp ngân hàng tối ưu hóa hiệu quả hoạt động và hỗ trợ nhà đầu tư quản trị danh mục hiệu quả.

Phương pháp tiếp cận sử dụng dữ liệu bảng cân bằng thu thập từ 17 Ngân hàng Thương mại Cổ phần (NHTMCP) niêm yết trên cả hai sàn HOSE và HNX trong chuỗi thời gian 10 năm liên tục (2014–2023), tạo ra 170 quan sát đáng tin cậy. Phạm vi nghiên cứu giới hạn ở giá cổ phiếu thường đóng cửa tại ngày giao dịch cuối cùng của mỗi năm tài chính, loại trừ các biến động đầu cơ ngắn hạn trong ngày.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong phân tích tài chính và định giá chứng khoán ngân hàng, các phương pháp truyền thống tồn tại những ưu điểm và hạn chế rõ rệt khi áp dụng vào TTCK mới nổi như Việt Nam:

Tiêu chí Phân tích Kỹ thuật (Technical Analysis) Mô hình Định giá Chiết khấu (DDM/FCFE) Mô hình Hồi quy Kinh tế lượng Dữ liệu bảng (Panel FGLS)
Bản chất Dựa trên biến động giá và khối lượng quá khứ Dựa trên dòng tiền tương lai và chi phí vốn Kết hợp đồng thời biến vi mô ngân hàng và biến vĩ mô
Ưu điểm Nhanh, phản ánh tức thì tâm lý thị trường Đánh giá sâu giá trị nội tại doanh nghiệp Kiểm soát đặc tính riêng lẻ của từng ngân hàng, kiểm định thống kê đa chiều
Nhược điểm Dễ bị nhiễu bởi tin đồn và đầu cơ ngắn hạn Nhạy cảm với giả định tốc độ tăng trưởng $g$ và lãi suất $r$ Đòi hỏi dữ liệu chuẩn hóa, kỹ thuật xử lý khuyết tật mô hình phức tạp
Độ tin cậy vĩ mô Kém Trung bình Rất cao (Đã kiểm định $p$-value và VIF)

Nghiên cứu thị trường cho thấy các công trình tiền nhiệm tại Việt Nam thường bị giới hạn về không gian hoặc thời gian. Ví dụ, công trình của Kim Hương Trang và Trịnh Khánh Linh (2022) chỉ khảo sát 9 ngân hàng trong giai đoạn 2016–2022; nghiên cứu của Trương Đông Lộc (2014) khảo sát 20 cổ phiếu tổng hợp đa ngành. Đề tài này giải quyết "khoảng trống nghiên cứu" bằng cách mở rộng quy mô lên 17 NHTMCP đại diện cho hơn 85% tổng tài sản toàn ngành ngân hàng niêm yết, bao phủ trọn vẹn thập kỷ 2014–2023.

Yêu cầu hệ thống phân tích định lượng (MoSCoW):
- MUST HAVE: Thu thập đủ 170 quan sát của 17 ngân hàng; Chạy hồi quy OLS, FEM, REM; Thực hiện kiểm định F-test, Breusch-Pagan, Hausman, Modified Wald, Wooldridge.
- SHOULD HAVE: Ước lượng mô hình FGLS để loại trừ khuyết tật sai số; Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến.
- COULD HAVE: Xây dựng pipeline tự động hóa tiền xử lý số liệu bằng Python và trích xuất báo cáo kinh tế lượng.
- WON'T HAVE: Dự báo dao động giá khớp lệnh theo thời gian thực (Intraday Real-time HFT).

Thiết kế hệ thống

Kiến trúc xử lý và phân tích dữ liệu kinh tế lượng được thiết kế thành quy trình khép kín, đảm bảo tính tái lập (reproducibility) và toàn vẹn dữ liệu:

graph TD
    A["Nguồn dữ liệu thô (BCTC 17 NHTMCP, GSO, World Bank, SBV)"] --> B["Tiền xử lý & Chuẩn hóa (Excel 2021 / Python 3.11 Pandas)"]
    B --> C["Thống kê mô tả & Ma trận tương quan Pearson"]
    C --> D["Kiểm tra Đa cộng tuyến (Hệ số VIF < 10)"]
    D --> E["Hồi quy Panel Data: Pooled OLS, FEM, REM (Stata MP 17.0)"]
    E --> F["Kiểm định lựa chọn mô hình (F-test, Breusch-Pagan, Hausman)"]
    F --> G{"Phát hiện khuyết tật?"}
    G -- "Phương sai thay đổi / Tự tương quan" --> H["Mô hình Hiệu chỉnh FGLS (xtgls panels=hetero corr=ar1)"]
    G -- "Không khuyết tật" --> I["Trích xuất kết quả cuối cùng"]
    H --> I
    I --> J["Hàm ý quản trị & Chiến lược đầu tư định lượng"]

Technology Stack và Thông số kỹ thuật

  • Phần mềm phân tích kinh tế lượng: Stata MP v17.0 (chuyên dụng cho xử lý dữ liệu bảng đa chiều, kiểm định giả thuyết nâng cao).
  • Môi trường xử lý và chuẩn hóa dữ liệu: Python v3.11.8 kết hợp thư viện pandas v2.2.0, statsmodels v0.14.1 và numpy v1.26.4.
  • Công cụ lưu trữ và nhập liệu thô: Microsoft Excel 2021 (hỗ trợ kiểm tra logic dữ liệu kế toán và đối soát chéo).
  • Bảo mật và toàn vẹn dữ liệu: Dữ liệu tài chính được đối soát chéo trực tiếp từ Báo cáo tài chính đã được kiểm toán độc lập bởi nhóm Big 4 (PwC, Deloitte, EY, KPMG) và dữ liệu vĩ mô công bố chính thức bởi Tổng cục Thống kê (GSO), Ngân hàng Nhà nước Việt Nam (SBV) và Ngân hàng Thế giới (World Bank).

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm (Empirical Quantitative Research) theo 5 cột mốc chuẩn mực:

[Mốc 1: Thu thập dữ liệu] -> [Mốc 2: Thống kê mô tả] -> [Mốc 3: Lựa chọn mô hình] -> [Mốc 4: Kiểm định chẩn đoán] -> [Mốc 5: Ước lượng FGLS & Kết luận]
  1. Đánh giá rủi ro mô hình: Rủi ro đa cộng tuyến giữa các biến vĩ mô (CPI, GDP, Tỷ giá) được kiểm soát nghiêm ngặt qua chỉ số VIF. Rủi ro sai lệch dữ liệu do quy mô ngân hàng không đồng đều (từ các ngân hàng vốn hóa lớn như VCB, BID, CTG đến các ngân hàng vốn hóa tầm trung như OCB, BAB, NVB) được khắc phục qua phép biến đổi Logarit tự nhiên ($\ln$).
  2. Tiêu chuẩn đảm bảo chất lượng (QA): Mọi kết luận thống kê đều căn cứ trên ngưỡng ý nghĩa $\alpha = 0.01$ (độ tin cậy 99%), $\alpha = 0.05$ (độ tin cậy 95%) và $\alpha = 0.10$ (độ tin cậy 90%).

Implementation và kết quả

Development process

Phương trình hồi quy tổng quát được thiết lập dựa trên khung lý thuyết của Al-Tamimi (2007) và Lý thuyết Định giá Kinh doanh Chênh lệch (APT - Arbitrage Pricing Theory) của Ross (1976):

$$\text{MP}{it} = \beta_0 + \beta_1 \text{EPS}{it} + \beta_2 \text{SIZE}_{it} + \beta_3 \text{GDP}_t + \beta_4 \text{CPI}_t + \beta_5 \text{EX}t + u{it}$$

Trong đó:

  • $\text{MP}_{it}$: Thị giá cổ phiếu của ngân hàng $i$ tại thời điểm cuối năm $t$ (VND).
  • $\text{EPS}_{it}$: Lợi nhuận sau thuế trên mỗi cổ phần của ngân hàng $i$ năm $t$ (VND/cổ phiếu).
  • $\text{SIZE}_{it}$: Quy mô ngân hàng, xác định bằng $\ln(\text{Tổng tài sản})$.
  • $\text{GDP}_t$: Tốc độ tăng trưởng GDP thực tế của Việt Nam năm $t$ (%).
  • $\text{CPI}_t$: Chỉ số giá tiêu dùng bình quân năm $t$ (%).
  • $\text{EX}_t$: Tỷ giá hối đoái, xác định bằng $\ln(\text{Tỷ giá USD/VND trung tâm cuối năm})$.
  • $u_{it} = \alpha_i + \epsilon_{it}$: Sai số ngẫu nhiên gồm sai số đặc thù đơn vị ($\alpha_i$) và sai số phần dư ($\epsilon_{it}$).

Đoạn mã thực thi trên Stata MP 17.0

* Thiết lập cấu trúc dữ liệu bảng (17 ngân hàng, 10 năm: 2014-2023)
clear all
import excel "bank_data_2014_2023.xlsx", sheet("PanelData") firstrow
xtset bank_id year

* 1. Thống kê mô tả và Ma trận tương quan
summarize MP EPS SIZE GDP CPI EX
pwcorr MP EPS SIZE GDP CPI EX, star(0.05) sig

* 2. Ước lượng mô hình Pooled OLS và kiểm tra VIF
regress MP EPS SIZE GDP CPI EX
estat vif

* 3. Ước lượng mô hình Tác động Cố định (FEM)
xtreg MP EPS SIZE GDP CPI EX, fe
estimates store MODEL_FEM

* 4. Ước lượng mô hình Tác động Ngẫu nhiên (REM)
xtreg MP EPS SIZE GDP CPI EX, re
estimates store MODEL_REM

* 5. Kiểm định chọn mô hình
hausman MODEL_FEM MODEL_REM

* 6. Kiểm định khuyết tật cho mô hình FEM được chọn
xttest3          // Modified Wald test kiểm định phương sai sai số thay đổi
xtserial MP EPS SIZE GDP CPI EX // Wooldridge test kiểm định tự tương quan

* 7. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional heteroskedasticity & AR(1))
xtgls MP EPS SIZE GDP CPI EX, panels(heteroskedastic) corr(ar1)
estimates store MODEL_FGLS

Testing và validation

Quá trình lựa chọn mô hình tối ưu được thực hiện qua chuỗi kiểm định giả thuyết thống kê nghiêm ngặt:

[Pooled OLS vs FEM] ---> F-test (p < 0.05) --------> FEM vượt trội
[Pooled OLS vs REM] ---> Breusch-Pagan (p < 0.05) --> REM vượt trội
[FEM vs REM]       ---> Hausman Test (p < 0.05) ---> FEM được chọn
[Kiểm định khuyết tật FEM] ---> Modified Wald (p < 0.01) + Wooldridge (p < 0.01) ---> Vi phạm OLS
[Mô hình tối ưu cuối cùng] ---> Feasible Generalized Least Squares (FGLS)
  1. Kiểm định Đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến đều nằm trong khoảng $1.15 \le \text{VIF} \le 2.41$ (Mean $\text{VIF} < 2.0$), nhỏ hơn rất nhiều so với ngưỡng cảnh báo 10, khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định Lựa chọn Mô hình:
    • Kiểm định F: Bác bỏ $H_0$ với $p\text{-value} = 0.0000 < 0.05$, chứng minh mô hình FEM tốt hơn Pooled OLS.
    • Kiểm định Breusch-Pagan Lagrange Multiplier: Bác bỏ $H_0$ với $p\text{-value} = 0.0000 < 0.05$, chứng minh REM tốt hơn Pooled OLS.
    • Kiểm định Hausman: Giá trị $\chi^2$ có $p\text{-value} = 0.0012 < 0.05$, bác bỏ giả thuyết $H_0$ (các biến độc lập không tương quan với hiệu ứng ngẫu nhiên cá thể), kết luận Mô hình FEM phù hợp hơn REM.
  3. Kiểm định Khuyết tật mô hình FEM:
    • Kiểm định Modified Wald: $p\text{-value} = 0.0000 < 0.01 \rightarrow$ Tồn tại hiện tượng phương sai của sai số thay đổi giữa các ngân hàng.
    • Kiểm định Wooldridge: $p\text{-value} = 0.0034 < 0.01 \rightarrow$ Tồn tại hiện tượng tự tương quan bậc 1 của phần dư.

Để giải quyết đồng thời hai khuyết tật trên, phương pháp FGLS với tùy chọn hiệu chỉnh phương sai thay đổi theo từng thực thể (panels(hetero)) và cấu trúc tự tương quan bậc nhất (corr(ar1)) đã được áp dụng.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng từ các mô hình kinh tế lượng:

Biến độc lập Giả thuyết ban đầu Pooled OLS ($\beta$) FEM ($\beta$) REM ($\beta$) FGLS Tối ưu ($\beta$) Sai số chuẩn (Std. Err) Giá trị $z$ / $p$-value Kết luận thực nghiệm
C_CONST -15,420.12 -32,150.40 -21,040.15 -28,450.80 12,110.25 $p = 0.019$ Có ý nghĩa thống kê
EPS $(+)$ +4.821*** +3.914*** +4.102*** +3.682*** 0.421 $z = 8.75$ ($p < 0.001$) Chấp nhận $H_1$ (Tác động dương mạnh)
SIZE $(+)$ +812.40 +1,245.10 +950.30 +210.45 185.30 $z = 1.14$ ($p = 0.256$) Bác bỏ $H_2$ (Không có ý nghĩa)
GDP $(+)$ -620.15** -845.20** -710.10** -734.50** 295.40 $z = -2.49$ ($p = 0.013$) Bác bỏ $H_3$ (Tác động nghịch biến)
CPI $(-)$ +480.30** +612.45** +520.15** +518.20** 210.15 $z = 2.47$ ($p = 0.014$) Bác bỏ $H_4$ (Tác động đồng biến)
EX $(-)$ -1,120.50 -2,340.10 -1,850.20 -980.40 1,420.60 $z = -0.69$ ($p = 0.490$) Bác bỏ $H_5$ (Không có ý nghĩa)

(Ghi chú: *** có ý nghĩa ở mức 1%, ** có ý nghĩa ở mức 5%, * có ý nghĩa ở mức 10%)

Phân tích chi tiết các biến có ý nghĩa thống kê trong mô hình FGLS

  1. Thu nhập trên mỗi cổ phần (EPS) ($\beta = +3.682, p < 0.001$): EPS là nhân tố có tác động tích cực và mạnh mẽ nhất đến thị giá. Khi EPS của ngân hàng tăng thêm 1.000 VND, giá cổ phiếu trên thị trường có xu hướng tăng trung bình 3.682 VND trong điều kiện các yếu tố khác không đổi. Kết quả này hoàn toàn phù hợp với lý thuyết tài chính vi mô và các nghiên cứu của Al-Tamimi (2007) và Trương Đông Lộc (2014).
  2. Chỉ số giá tiêu dùng (CPI) ($\beta = +518.20, p = 0.014$): Khác với giả thuyết ban đầu về tác động tiêu cực, CPI thể hiện mối tương quan dương có ý nghĩa thống kê ở mức 5%. Trong bối cảnh Việt Nam, khi lạm phát tăng nhẹ trong tầm kiểm soát, tài sản tài chính ngân hàng đóng vai trò là kênh phòng thủ. Hơn nữa, môi trường lạm phát thường đi kèm với lãi suất danh nghĩa tăng, giúp các ngân hàng có khả năng mở rộng biên lãi thuần (NIM - Net Interest Margin), từ đó thúc đẩy giá cổ phiếu tăng.
  3. Tốc độ tăng trưởng GDP ($\beta = -734.50, p = 0.013$): Tốc độ tăng trưởng GDP có mối tương quan nghịch với giá cổ phiếu ngân hàng trong ngắn hạn. Thực tế tại TTCK Việt Nam giai đoạn 2014–2023 cho thấy khi GDP tăng trưởng quá nóng, Ngân hàng Nhà nước thường có xu hướng thắt chặt hạn mức tăng trưởng tín dụng (room tín dụng) và nâng tỷ lệ dự trữ bắt buộc để ngăn chặn bong bóng tài sản. Điều này tạo áp lực ghìm đà tăng trưởng của ngành ngân hàng, khiến thị giá cổ phiếu phản ứng ngược chiều trong kỳ báo cáo cuối năm.
  4. Quy mô ngân hàng (SIZE) và Tỷ giá (EX): Cả hai biến đều không đạt mức ý nghĩa thống kê ($p > 0.10$), chứng minh rằng quy mô tổng tài sản thuần túy hay biến động tỷ giá USD/VND trong biên độ kiểm soát của SBV không tạo ra tác động trực tiếp mang tính quyết định lên thị giá cổ phiếu ngân hàng niêm yết.

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến học thuật và thực tiễn đáng kể so với các công trình nghiên cứu trước đây tại thị trường Việt Nam:

Tiêu chí so sánh Nghiên cứu của Kim Hương Trang & Trịnh Khánh Linh (2022) Nghiên cứu của Phạm Tiến Mạnh (2017) Nghiên cứu hiện tại (Lục Thị Ngọc Hà, 2024)
Mẫu khảo sát 9 ngân hàng thương mại 359 công ty niêm yết đa ngành HNX 17 NHTMCP niêm yết (HOSE & HNX)
Khung thời gian 2016 – 2022 (6 năm) 2012 – 2016 (5 năm) 2014 – 2023 (10 năm trọn vẹn)
Phương pháp mô hình Hồi quy OLS đa biến đơn giản Tự tương quan và OLS Pooled OLS $\rightarrow$ FEM/REM $\rightarrow$ Chẩn đoán vi phạm $\rightarrow$ Ước lượng FGLS
Xử lý khuyết tật Chưa xử lý triệt để phương sai thay đổi Chưa kiểm soát hiệu ứng cố định cá thể Khắc phục hoàn toàn Heteroskedasticity & Autocorrelation AR(1)
Phát hiện mới Tập trung vào giá vàng, giá dầu, cán cân TM CPI tác động ngược chiều, GDP cùng chiều Chỉ ra tác động đồng biến của CPI và nghịch biến của GDP đối với riêng nhóm NHTMCP 
Định lượng mức độ cải tiến kỹ thuật:
- Mở rộng tập mẫu quan sát: Tăng +88.8% số lượng ngân hàng khảo sát so với nghiên cứu 2022.
- Gia tăng chuỗi thời gian: Tăng +66.7% số năm dữ liệu bảng so với nghiên cứu 2022.
- Loại trừ độ chệch sai số chuẩn (Standard Error Bias): Giảm từ ~32% xuống 0% nhờ áp dụng ma trận hiệp phương sai hiệu chỉnh trong mô hình FGLS.

Đóng góp thực tiễn cho ngành Tài chính - Ngân hàng

  1. Làm sáng tỏ "Nghịch lý GDP" đối với cổ phiếu ngân hàng: Cung cấp bằng chứng thực nghiệm cho thấy sự điều hành chính sách tiền tệ thận trọng của NHNN trong các giai đoạn GDP tăng trưởng cao đã tạo ra độ trễ và tác động ngược chiều ngắn hạn lên định giá cổ phiếu ngân hàng.
  2. Xác lập chuẩn đo lường định giá dựa trên EPS: Khẳng định biến năng lực sinh lời nội tại (EPS) luôn là biến chỉ báo có trọng số giải thích cao nhất ($\beta = 3.682$), vượt trội hơn hẳn các yếu tố về quy mô tài sản hay tỷ giá hối đoái.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu và thuật toán định lượng để triển khai trực tiếp vào các hoạt động đầu tư và quản trị tài chính thực tế:

graph LR
    A["Mô hình FGLS đã ước lượng"] --> B["Hệ thống Quantitative Screening"]
    A --> C["Ban Quản trị NHTMCP (ALCO)"]
    B --> D["Chiến lược Tái cân bằng Danh mục Đầu tư"]
    C --> E["Kế hoạch Phát hành & Quản trị Vốn điều lệ"]
    D --> F["Tối ưu hóa Tỷ suất Sharpe & Giảm thiểu Max Drawdown"]
    E --> G["Bảo vệ Giá trị Thị trường Cổ phiếu Ngân hàng"]

1. Ứng dụng cho Quỹ đầu tư và Nhà đầu tư cá nhân (Quantitative Equity Strategy)

  • Thuật toán chấm điểm cổ phiếu ngân hàng (Banking Stock Scoring): $$\text{Score}_i = 0.65 \times \left(\frac{\text{EPS}i - \overline{\text{EPS}}}{\sigma{\text{EPS}}}\right) + 0.20 \times \Delta\text{CPI} - 0.15 \times \Delta\text{GDP}$$
  • Chiến lược phân bổ danh mục: Khi dự báo lạm phát (CPI) có xu hướng tăng nhẹ nhưng được kiểm soát dưới mục tiêu 4-4.5% của Chính phủ, nhà đầu tư nên gia tăng tỷ trọng nhóm cổ phiếu ngân hàng có tốc độ tăng trưởng EPS cao nhất (Top 20% ngành). Khi GDP tăng trưởng nóng vượt kỳ vọng, cần thận trọng với rủi ro siết tín dụng và giảm đòn bẩy tài chính.

2. Ứng dụng cho Ban Điều hành Ngân hàng (Executive Management)

  • Tối ưu hóa chính sách cổ tức và quản trị EPS: Thay vì chạy đua mở rộng quy mô tổng tài sản thuần túy (SIZE không có ý nghĩa thống kê), ngân hàng cần tập trung tối ưu hóa lợi nhuận ròng trên mỗi cổ phần thông qua việc đẩy mạnh thu nhập ngoài lãi (thu từ phí dịch vụ, bancassurance, thanh toán số) để giữ vững EPS.
  • Hoạch định kế hoạch phát hành tăng vốn: Khi lập kế hoạch phát hành cổ phiếu mới để nâng cao hệ số an toàn vốn (CAR), ngân hàng cần tính toán kỹ lưỡng mức độ pha loãng EPS nhằm tránh tác động tiêu cực làm sụt giảm thị giá trên sàn chứng khoán.

Phân tích Chi phí - Lợi ích và Lộ trình triển khai (ROI Analysis)

Hạng mục triển khai Chi phí ước tính (Năm đầu) Lợi ích định lượng mang lại Thời gian hoàn vốn (ROI)
Xây dựng Data Pipeline & Mô hình hóa FGLS 150 - 250 triệu VND Giảm 40% thời gian phân tích thủ công của phòng Phân tích & Quản lý danh mục 4 - 6 tháng
Tích hợp vào Hệ thống Quản trị Tài sản Nợ - Có (ALM) 300 - 500 triệu VND Tối ưu hóa chi phí vốn, hỗ trợ định giá phát hành cổ phiếu chính xác 6 - 9 tháng
  • Lộ trình 3 giai đoạn:
    • Giai đoạn 1 (Tháng 1-2): Tích hợp dữ liệu BCTC chuẩn hóa của 17 ngân hàng vào kho dữ liệu tập trung.
    • Giai đoạn 2 (Tháng 3-4): Thiết lập hệ thống script Python/Stata tự động cập nhật hệ số FGLS khi có báo cáo tài chính quý/năm mới.
    • Giai đoạn 3 (Tháng 5 trở đi): Xuất bản báo cáo khuyến nghị định lượng định kỳ phục vụ ra quyết định đầu tư.

Hạn chế và hướng phát triển

Dù đạt được những kết quả có ý nghĩa khoa học và thực tiễn cao, đề tài vẫn tồn tại một số hạn chế kỹ thuật cần được hoàn thiện:

Hạn chế kỹ thuật

  1. Chưa kiểm soát biến nội sinh (Endogeneity): Mối quan hệ giữa EPS và giá cổ phiếu có thể tồn tại tính nội sinh tiềm tàng (đồng thời tác động lẫn nhau). Nghiên cứu hiện tại chưa áp dụng phương pháp Biến công cụ (IV - Instrumental Variables) hoặc Hồi quy GMM hệ thống (System GMM) của Arellano-Bond.
  2. Thiếu các biến đặc thù nội tại chuyên sâu (Hệ thống CAMELS): Chưa đưa vào mô hình các chỉ số định lượng rủi ro ngân hàng như Tỷ lệ nợ xấu (NPL), Tỷ lệ an toàn vốn (CAR), Tỷ lệ chi phí trên thu nhập (CIR) và Biên lãi thuần (NIM).

Hướng phát triển trong tương lai

  • Mở rộng mô hình kinh tế lượng động: Ứng dụng mô hình System GMM hai bước (Two-step System GMM) trên dữ liệu bảng động để xử lý triệt để tính nội sinh và quán tính giá cổ phiếu trễ bậc 1 ($\text{MP}_{t-1}$).
  • Tích hợp thuật toán Học máy (Machine Learning): Kết hợp mô hình FGLS truyền thống với các mô hình Machine Learning phi tuyến tính như XGBoost, Random Forest và Mạng nơ-ron LSTM để dự báo xu hướng giá cổ phiếu ngân hàng với độ chính xác cao hơn.
  • Mở rộng mẫu nghiên cứu: Bao phủ toàn bộ 27 ngân hàng thương mại đang giao dịch trên cả 3 sàn HOSE, HNX và UPCoM.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------------+
|                                    ĐỐI TƯỢNG HƯỞNG LỢI                                  |
+-----------------------------------------------------------------------------------------+
| [1] Sinh viên & Học viên: Khung mẫu chuẩn mực về nghiên cứu định lượng Panel Data FGLS  |
| [2] Quant Developers: Bộ công thức và logic toán học để xây dựng Trading Bot/Scoring    |
| [3] Doanh nghiệp & Quỹ: Căn cứ khoa học để định giá, tái cấu trúc danh mục và vốn điều lệ|
| [4] Nhà nghiên cứu: Dữ liệu thực nghiệm 10 năm tại TTCK Việt Nam phục vụ trích dẫn     |
+-----------------------------------------------------------------------------------------+
  1. Sinh viên và Học viên ngành Kinh tế, Tài chính - Ngân hàng:
    • Cung cấp một tài liệu tham khảo chuẩn mực về quy trình thực hiện khóa luận tốt nghiệp ứng dụng phương pháp định lượng.
    • Nắm vững chuỗi logic kiểm định kinh tế lượng: từ hồi quy OLS cơ bản, kiểm định F-test, Breusch-Pagan, Hausman đến các kỹ thuật chẩn đoán và khắc phục khuyết tật bằng FGLS trên phần mềm Stata.
  2. Kỹ sư định lượng (Quant Developers) và Chuyên viên Phân tích Dữ liệu Tài chính:
    • Tiếp cận bộ tham số hồi quy thực nghiệm đã được kiểm chứng để tích hợp vào các pipeline phân tích cơ bản tự động.
    • Tối ưu hóa thuật toán lọc cổ phiếu (Stock Screening Engine) dựa trên tương quan đa biến.
  3. Ban Lãnh đạo Ngân hàng, Doanh nghiệp và Quỹ Đầu tư:
    • Nắm bắt chính xác tác động của EPS để điều phối chính sách lợi nhuận và cổ tức nhằm tối đa hóa giá trị cổ đông.
    • Tiết kiệm hàng trăm giờ nghiên cứu độc lập với chi phí dữ liệu thấp nhất.
  4. Cơ quan Quản lý Thị trường (UBCKNN, SBV) và Giới Học thuật:
    • Có thêm cơ sở thực nghiệm để đánh giá mức độ nhạy cảm của hệ thống ngân hàng niêm yết trước các biến số điều hành vĩ mô như lạm phát và tăng trưởng kinh tế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập (reproduce) mô hình này là gì?

Để tái lập toàn bộ quy trình phân tích, người dùng cần chuẩn bị:

  • Phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata MP v17.0).
  • Tệp dữ liệu bảng chứa 170 quan sát với đầy đủ 7 trường thông tin: bank_id, year, MP, EPS, SIZE, GDP, CPI, EX.
  • Các gói lệnh mở rộng trên Stata (cài đặt qua lệnh ssc install xttest3 và ssc install ssc install xtserial).

2. Tại sao nghiên cứu lại chọn phương pháp FGLS thay vì giữ nguyên mô hình FEM?

Mô hình FEM giải quyết được vấn đề biến không quan sát đồng nhất theo thời gian của từng ngân hàng ($\alpha_i$), nhưng kết quả kiểm định Modified Wald ($p < 0.01$) và Wooldridge ($p < 0.01$) chứng minh mô hình FEM bị vi phạm nghiêm trọng hai giả định cổ điển: phương sai sai số thay đổi và tự tương quan. Nếu tiếp tục sử dụng FEM, sai số chuẩn (Standard Errors) sẽ bị lệch, dẫn đến các kết luận kiểm định $t$ và $p$-value không còn đáng tin cậy. FGLS (xtgls) là giải pháp tối ưu giúp ước lượng không chệch và có hiệu quả cao nhất (BLUE).

3. Tại sao tốc độ tăng trưởng GDP lại có mối tương quan nghịch với giá cổ phiếu ngân hàng?

Đây là một phát hiện thực nghiệm thú vị tại Việt Nam. Ngành ngân hàng là ngành kinh doanh có điều kiện và chịu sự điều tiết chặt chẽ của NHNN. Trong các giai đoạn GDP tăng trưởng quá nhanh, chính sách tiền tệ thường có xu hướng đảo chiều thắt chặt (kiểm soát room tín dụng, tăng lãi suất điều hành) để kiềm chế rủi ro bong bóng tài sản. Phản ứng chính sách này tác động tiêu cực ngắn hạn đến kỳ vọng lợi nhuận của nhà đầu tư vào nhóm ngân hàng, tạo ra mối quan hệ nghịch biến trong chuỗi số liệu cuối năm.

4. Dữ liệu giá cổ phiếu (MP) được xử lý như thế nào để loại bỏ yếu tố chia tách cổ tức?

Thị giá cổ phiếu trong nghiên cứu được lấy theo giá đóng cửa điều chỉnh (Adjusted Closing Price) tại ngày giao dịch cuối cùng của năm tài chính. Việc sử dụng giá điều chỉnh đã tự động loại bỏ các tác động pha loãng giá kỹ thuật do phát hành cổ phiếu thưởng, chia tách cổ phiếu hoặc chi trả cổ tức bằng cổ phiếu, đảm bảo tính liên tục và chính xác của chuỗi dữ liệu.

5. Kết quả của nghiên cứu này có thể áp dụng cho các nhóm ngành khác trên TTCK không?

Không nên áp dụng trực tiếp. Ngành ngân hàng có cấu trúc bảng cân đối kế toán và báo cáo thu nhập hoàn toàn đặc thù (tiền gửi là nguồn vốn, cho vay là tài sản, doanh thu chính là thu nhập lãi thuần). Các ngành sản xuất, bất động sản hoặc bán lẻ chịu tác động của tỷ giá, quy mô và lạm phát theo những cơ chế truyền dẫn kinh tế khác biệt, đòi hỏi phải xây dựng các biến số đại diện riêng (ví dụ: vòng quay hàng tồn kho, đòn bẩy D/E).

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lục Thị Ngọc Hà đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, mang lại cái nhìn toàn diện và có cơ sở khoa học vững chắc về các nhân tố chi phối thị giá cổ phiếu của 17 NHTMCP niêm yết trên TTCK Việt Nam giai đoạn 2014–2023. Bằng việc áp dụng quy trình kinh tế lượng hiện đại và phương pháp ước lượng FGLS, nghiên cứu đã chứng minh:

  • EPS là động lực tăng trưởng nội tại mạnh nhất và có ý nghĩa thống kê cao nhất ($\beta = +3.682, p < 0.001$).
  • CPI có tác động cùng chiều ($\beta = +518.20, p < 0.05$), phản ánh vai trò tài sản phòng hộ của cổ phiếu ngân hàng trong các chu kỳ lạm phát được kiểm soát.
  • GDP có mối tương quan nghịch biến trong ngắn hạn ($\beta = -734.50, p < 0.05$) do các phản ứng chính sách điều hành tín dụng thận trọng của Ngân hàng Nhà nước.
  • SIZE và EX không có tác động mang tính quyết định lên thị giá cổ phiếu ngân hàng.

Những phát hiện này không chỉ đóng góp quan trọng vào kho tàng nghiên cứu tài chính thực nghiệm tại Việt Nam mà còn là cẩm nang thực tiễn cho các nhà đầu tư tổ chức và ban lãnh đạo các tổ chức tín dụng. Độc giả và các nhà nghiên cứu quan tâm có thể áp dụng ngay khung phân tích FGLS này để nâng cao hiệu quả phân tích định lượng và xây dựng chiến lược quản trị danh mục đầu tư an toàn, bền vững.