Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam sau hơn 20 năm phát triển đã khẳng định vai trò là kênh dẫn vốn trung và dài hạn quan trọng của nền kinh tế. Trong rổ chỉ số VN30, nhóm cổ phiếu ngân hàng thương mại (NHTM) luôn chiếm tỷ trọng vốn hóa áp đảo (thường xuyên đạt 30%–40% tổng quy mô vốn hóa toàn thị trường). Biến động giá cổ phiếu ngân hàng đóng vai trò dẫn dắt xu hướng chỉ số VN-Index, đặc biệt trong các giai đoạn biến động mạnh như giai đoạn đại dịch Covid-19 và tiến trình phục hồi kinh tế 2020–2022.

                                  HỆ THỐNG BIẾN SỐ NGHIÊN CỨU
         [CÁC NHÂN TỐ KINH TẾ VĨ MÔ]                     [CÁC NHÂN TỐ NỘI TẠI VI MÔ]

Tuy nhiên, việc định giá và dự báo biến động giá cổ phiếu NHTM thường gặp nhiều sai số do sự tương tác phức tạp giữa các cú sốc vĩ mô toàn cầu và các chỉ số tài chính nội tại. Đề tài khóa luận "Các nhân tố tác động đến giá cổ phiếu ngân hàng thương mại ở Việt Nam" được thực hiện nhằm giải quyết bài toán định lượng cấu trúc tác động này bằng phương pháp kinh tế lượng bảng chuyên sâu.

Mục tiêu dự án

  1. Định lượng mức độ và chiều hướng tác động của 5 biến số vĩ mô (Tăng trưởng GDP, Lãi suất cho vay, Tỷ lệ lạm phát, Tỷ giá hối đoái VND/USD, Tăng trưởng cung tiền M2) và 3 biến số tài chính nội tại (Quy mô tài sản, Hệ số P/E, Giá trị sổ sách BVPS) tới giá cổ phiếu NHTM.
  2. Kiểm định và xử lý triệt để các khuyết tật mô hình dữ liệu bảng (Hiện tượng tự tương quan bậc 1 và phương sai sai số thay đổi) bằng ước lượng bình phương tối thiểu tổng quát khả thi (FGLS).
  3. Đánh giá phản ứng của thị trường cổ phiếu ngân hàng trước cú sốc đại dịch Covid-19 và cơ chế điều hành hạn mức tăng trưởng tín dụng (credit room) của Ngân hàng Nhà nước (NHNN).
  4. Xây dựng khung khuyến nghị chính sách và chiến lược quản trị danh mục đầu tư định lượng cho các định chế tài chính.

Phạm vi và giới hạn dữ liệu

  • Đối tượng nghiên cứu: 8 NHTM cổ phần niêm yết sớm nhất trên TTCK Việt Nam (VCB, CTG, MBB, ACB, SHB, NVB, STB, EIB).
  • Phạm vi thời gian: Từ Quý 1/2012 đến Quý 1/2022 (41 quý liên tục).
  • Kích thước mẫu: Dữ liệu bảng cân đối gồm $N = 8$ đơn vị chéo, $T = 41$ mốc thời gian, tổng số 328 quan sát ($N \times T = 328$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu thực nghiệm trước đây tại các thị trường mới nổi thường áp dụng các mô hình tĩnh truyền thống mà chưa xử lý dứt điểm các vi phạm giả định hồi quy cổ điển Gauss-Markov.

Phương pháp ước lượng Ưu điểm Nhược điểm & Rủi ro kỹ thuật Đánh giá tính phù hợp
Pooled OLS Đơn giản, dễ tính toán, tận dụng toàn bộ quan sát Bỏ qua đặc trưng riêng lẻ không quan sát được ($u_i$), gây chệch hệ số do biến nội sinh Bị bác bỏ ($p\text{-value} < 0.000$ qua kiểm định Breusch-Pagan)
Fixed Effects (FEM) Kiểm soát hoàn toàn các đặc tính bất biến theo thời gian của từng ngân hàng Hệ số kém hiệu quả nếu $u_i$ mang tính ngẫu nhiên; không giải quyết được tự tương quan $R^2 = 0.628$, nhưng còn khuyết tật phương sai
Random Effects (REM) Hiệu quả hơn FEM khi các biến số độc lập không tương quan với $u_i$ Giả định khắt khe về tính trực giao của $u_i$; ước lượng chệch khi có tự tương quan Chấp nhận qua Hausman ($p = 0.9507$), nhưng dính tự tương quan
FGLS (Đề xuất) Khắc phục đồng thời phương sai thay đổi giữa các thực thể và tự tương quan AR(1) Yêu cầu số chuỗi thời gian $T$ đủ lớn so với số thực thể $N$ ($T=41 > N=8$) Tối ưu nhất cho mẫu nghiên cứu ($\text{Wald } \chi^2 = 96.39$)

Thiết kế hệ thống xử lý dữ liệu

Luồng kiến trúc phân tích kinh tế lượng được thiết kế chuẩn hóa qua 5 giai đoạn:

Công nghệ và thông số kỹ thuật

  • Nền tảng xử lý dữ liệu: Python 3.10 (thư viện pandas 1.5.3, numpy 1.23.5, statsmodels 0.13.5) và Stata 17.0 MP.
  • Nguồn trích xuất dữ liệu:
    • Dữ liệu vi mô: Báo cáo tài chính soát xét, giá đóng cửa bình quân quý từ cổng thông tin FiinTrade và Vietstock.
    • Dữ liệu vĩ mô: Chỉ số GDP, CPI (Lạm phát), Tỷ giá USD/VND từ Tổng cục Thống kê (GSO) và Quỹ Tiền tệ Quốc tế (IMF DataMapper).
  • Yêu cầu độ tin cậy: Hệ số phương sai lạm phát $VIF < 10$, mức ý nghĩa thống kê kiểm định ở các ngưỡng chuẩn 1%, 5%, và 10%.

Implementation và kết quả thực nghiệm

Mô hình kinh tế lượng chi tiết

Hàm hồi quy đa biến dạng log-linear được thiết lập như sau:

$$\ln(Price_{it}) = \beta_0 + \beta_1 GDP_{t} + \beta_2 INTER_{t} + \beta_3 INF_{t} + \beta_4 \ln(EX_{t}) + \beta_5 M2_{t} + \beta_6 \ln(SCA_{it}) + \beta_7 \ln(BVPS_{it}) + \beta_8 \ln(PE_{it}) + u_i + \varepsilon_{it}$$

Trong đó:

  • $i = 1, \dots, 8$ đại diện cho 8 NHTM; $t = 1, \dots, 41$ đại diện cho 41 quý quan sát.
  • $\ln(Price_{it})$: Logarit tự nhiên của giá đóng cửa bình quân quý (VND).
  • $GDP_t, INTER_t, INF_t, M2_t$: Tỷ lệ tăng trưởng GDP, Lãi suất cho vay, Lạm phát CPI, Tăng trưởng cung tiền M2 (đơn vị: %).
  • $\ln(EX_t), \ln(SCA_{it}), \ln(BVPS_{it}), \ln(PE_{it})$: Logarit tự nhiên của Tỷ giá VND/USD, Quy mô tổng tài sản, Giá trị sổ sách mỗi cổ phiếu và Hệ số P/E.
* Stata Code Implementation: Diagnostic and FGLS Estimation Pipeline
* 1. Kiểm tra đa cộng tuyến
regress lnprice gdp inter inf lnex m2 lnsca lnbvps lnpe
vif

* 2. Ước lượng Panel Data & Kiểm định lựa chọn mô hình
xtset bank_id quarter_id
xtreg lnprice gdp inter inf lnex m2 lnsca lnbvps lnpe, re
xttest0 // Breusch-Pagan Lagrange Multiplier Test
estimates store model_re

xtreg lnprice gdp inter inf lnex m2 lnsca lnbvps lnpe, fe
estimates store model_fe
hausman model_fe model_re // Hausman Test

* 3. Kiểm định khuyết tật sai số
xtserial lnprice gdp inter inf lnex m2 lnsca lnbvps lnpe // Wooldridge test for AR(1)
xttest3 // Modified Wald test for groupwise heteroskedasticity

* 4. Ước lượng FGLS hiệu chỉnh toàn diện
xtgls lnprice gdp inter inf lnex m2 lnsca lnbvps lnpe, panels(hetero) corr(ar1)

Kết quả kiểm định chẩn đoán mô hình

  1. Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của các biến độc lập dao động từ 1.84 đến 5.87 (biến lãi suất có $VIF = 5.87$), giá trị VIF trung bình đạt 2.87 ($< 10$). Kết luận: Không tồn tại đa cộng tuyến nghiêm trọng.
  2. Kiểm định Breusch-Pagan LM (xttest0): Giá trị $\text{Prob} = 0.0000 < 0.05 \implies$ Bác bỏ mô hình Pooled OLS, xác nhận sự tồn tại của hiệu ứng ngẫu nhiên cá thể.
  3. Kiểm định Hausman: Thống kê $\chi^2$ cho giá trị $p\text{-value} = 0.9507 > 0.05 \implies$ Không có sự tương quan giữa sai số riêng biệt $u_i$ và các biến giải thích. Mô hình REM phù hợp hơn FEM.
  4. Kiểm định tự tương quan Wooldridge (xtserial): $F(1, 7) = 248.000$ với $p\text{-value} < 0.001 \implies$ Mô hình vi phạm giả định không có tự tương quan bậc 1.
  5. Kiểm định phương sai sai số thay đổi Pesaran / Modified Wald: Thống kê $\text{Pesaran} = 7.0000$ ($p < 0.001$) $\implies$ Hiện tượng phương sai sai số thay đổi giữa các ngân hàng xuất hiện rõ rệt.

[!IMPORTANT] Sự hiện diện đồng thời của Tự tương quan AR(1)Phương sai sai số thay đổi làm cho các ước lượng OLS/FEM/REM bị mất tính hiệu quả (inefficient) và sai lệch giá trị thống kê $t$-test. Phương pháp FGLS là bắt buộc để khôi phục tính BLUE (Best Linear Unbiased Estimator).

Kết quả ước lượng mô hình FGLS

| Biến độc lập | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị $z$ | $P > |z|$ | Ý nghĩa thống kê | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | Tăng trưởng kinh tế | gdp | +0.0076 | 0.0021 | 3.62 | 0.0003 | Có ý nghĩa 1% | | Lãi suất cho vay | inter | -0.0042 | 0.0083 | -0.51 | 0.6120 | Không có ý nghĩa | | Tỷ lệ lạm phát | inf | -0.0097 | 0.0055 | -1.76 | 0.0780 | Có ý nghĩa 10% | | Log Tỷ giá VND/USD | lnex | +2.1304 | 0.9240 | 2.31 | 0.0210 | Có ý nghĩa 5% | | Tăng trưởng cung tiền | m2 | -0.0070 | 0.0024 | -2.92 | 0.0035 | Có ý nghĩa 1% | | Log Quy mô tài sản | lnsca | +0.4002 | 0.0981 | 4.08 | 0.0001 | Có ý nghĩa 1% | | Log Giá trị sổ sách | lnbvps | +0.0612 | 0.0895 | 0.68 | 0.4940 | Không có ý nghĩa | | Log Tỷ số P/E | lnpe | +0.3210 | 0.0451 | 7.12 | 0.0000 | Có ý nghĩa 1% | | Hệ số chặn (Constant) | _cons | -18.421 | 8.9142 | -2.07 | 0.0385 | Có ý nghĩa 5% |

  • Quy mô mẫu: 328 quan sát | 8 nhóm đối tượng | 41 chu kỳ thời gian.
  • Thống kê kiểm định tổng thể: $\text{Wald } \chi^2(7) = 96.39$ ($p\text{-value} = 0.0000$).

Đổi mới và đóng góp khoa học

  1. Khắc phục triệt để vi phạm kinh tế lượng: So với nghiên cứu của Đinh Bảo Ngọc (2015) và Almumani (2014) chỉ dừng lại ở FEM/REM, nghiên cứu này chứng minh thực nghiệm rằng mô hình dữ liệu bảng ngân hàng tại Việt Nam chịu ảnh hưởng nặng nề bởi tương quan chuỗi ($F = 248.00$) và phương sai thay đổi, qua đó khẳng định FGLS mang lại độ tin cậy vượt trội.
  2. Làm rõ cơ chế tác động nghịch của cung tiền $M_2$: Khác với lý thuyết q-Tobin truyền thống (cho rằng $M_2$ tăng làm tăng giá cổ phiếu), nghiên cứu chứng minh tại Việt Nam, tăng trưởng $M_2$ tăng 1% làm giá cổ phiếu ngân hàng giảm 0.70% ($p < 0.01$). Điều này được lý giải bởi chính sách kiểm soát room tín dụng của NHNN: Cung tiền mở rộng nhưng room tín dụng bị siết khiến dòng vốn không hấp thụ trực tiếp vào biên lãi ròng (NIM) của ngân hàng, đồng thời làm tăng kỳ vọng lạm phát và yêu cầu bù đắp rủi ro của nhà đầu tư.
  3. Phát hiện độ nhạy cực lớn của Tỷ giá hối đoái: Biến tỷ giá có hệ số co giãn cao nhất ($\beta = +2.13$, $p < 0.05$). Khi VND giảm giá 1% so với USD, giá cổ phiếu ngân hàng tăng trung bình 2.13%, phản ánh lợi thế gia tăng từ hoạt động thanh toán quốc tế và dòng vốn FII săn đón tài sản ngân hàng định giá rẻ.
  4. Chứng thực tính ưu việt của quy mô tài sản: Quy mô tài sản tăng 1% giúp giá cổ phiếu tăng 0.40% ($p < 0.01$), củng cố luận điểm các ngân hàng có mạng lưới vốn lớn duy trì năng lực chống chịu rủi ro và hưởng lợi thế thanh khoản vượt trội trong giai đoạn biến động như đại dịch Covid-19.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng định lượng

[Khối Quản lý Quỹ Đầu tư]                                                      [Khối Ngân hàng Thương mại]
• Tăng tỷ trọng danh mục khi GDP > 6.5% & Tỷ giá tăng nhẹ.                      • Tối ưu hóa bảng cân đối tài sản (SCA).
• Phòng vệ rủi ro danh mục khi M2 tăng nóng nhưng room tín dụng chạm trần.      • Đẩy mạnh doanh thu phí dịch vụ FX/TTQT.

Kịch bản phân bổ danh mục đầu tư

  • Kịch bản Kinh tế Mở rộng (GDP $\uparrow$, Tỷ giá ổn định/tăng nhẹ): Phân bổ 60%–70% giá trị danh mục vào nhóm NHTM có quy mô tài sản dẫn đầu (VCB, CTG, MBB) nhằm khai thác tối đa hệ số co giãn $\beta_{\text{lnSCA}} = 0.40$ và $\beta_{\text{GDP}} = 0.0076$.
  • Kịch bản Áp lực Lạm phát & Thắt chặt Tín dụng (INF $\uparrow$, $M_2 \uparrow$ danh nghĩa): Hạ tỷ trọng cổ phiếu ngân hàng, ưu tiên các mã có tỷ lệ an toàn vốn (CAR) cao và tỷ lệ nợ xấu dưới 1.5% để phòng thủ trước mức suy giảm $-0.97%$ giá trị khi lạm phát tăng mỗi 1%.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô mẫu quan sát: Nghiên cứu chỉ tập trung vào 8 ngân hàng niêm yết sớm nhất; chưa bao quát các ngân hàng thương mại cổ phần quy mô vừa và nhỏ mới niêm yết giai đoạn sau 2018 (như TPB, VPB, VIB, MSB).
  • Thiếu vắng các yếu tố phi cấu trúc: Chưa lượng hóa được tác động từ tâm lý thị trường (Market Sentiment Index), các luồng thông tin mạng xã hội hoặc hành vi giao dịch phái sinh phòng hộ.
  • Hướng phát triển:
    1. Mở rộng mẫu nghiên cứu lên toàn bộ 27–30 ngân hàng đang giao dịch trên cả 3 sàn (HOSE, HNX, UPCoM).
    2. Ứng dụng các mô hình phi tuyến tính như Panel Threshold Regression (Hồi quy ngưỡng bảng) hoặc Markov Switching để phân tích sự thay đổi cơ chế tác động trước và sau các cú sốc vĩ mô.

Đối tượng hưởng lợi

  • Nhà đầu tư cá nhân & Tổ chức: Sở hữu mô hình định lượng tin cậy để dự báo giá cổ phiếu ngân hàng dựa trên các công bố số liệu vĩ mô định kỳ từ GSO và NHNN.
  • Ban điều hành NHTM: Nhận diện rõ tầm quan trọng của quy mô tài sản và các dịch vụ phi tín dụng (thanh toán ngoại hối) trong việc nâng cao giá trị vốn hóa thị trường của ngân hàng.
  • Cơ quan quản lý (NHNN, UBCKNN): Có thêm căn cứ thực nghiệm về tác động lan truyền của hạn mức tín dụng và điều hành tỷ giá đối với sự ổn định của thị trường vốn.
  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về quy trình kiểm định và khắc phục khuyết tật dữ liệu bảng bằng FGLS trong Stata/Python.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình FGLS này là gì?

Cần cài đặt Stata phiên bản từ 14.0 trở lên hoặc môi trường Python 3.8+ có tích hợp gói statsmodelslinearmodels. Bộ dữ liệu cần được định dạng chuẩn Panel Data (chứa định danh thực thể bank_id và định danh thời gian quarter_id).

2. Tại sao biến Lãi suất cho vay lại không có ý nghĩa thống kê trong mô hình FGLS?

Do đặc thù thị trường tiền tệ Việt Nam, lãi suất cho vay chịu sự điều tiết chặt chẽ qua trần lãi suất và các gói hỗ trợ của Chính phủ. Sự can thiệp hành chính trong giai đoạn Covid-19 nhằm giữ mặt bằng lãi suất thấp đã làm suy giảm mối quan hệ nhân quả trực tiếp giữa biến động lãi suất thị trường và giá cổ phiếu ngân hàng.

3. Phương pháp FGLS xử lý hiện tượng tự tương quan và phương sai thay đổi như thế nào?

FGLS sử dụng ma trận hiệp phương sai sai số $\Omega$ ước lượng từ phần dư của hồi quy OLS ban đầu để biến đổi dữ liệu thông qua phép nhân ma trận trọng số $\Omega^{-1/2}$, tạo ra một hệ phương trình mới thỏa mãn đầy đủ các giả thiết kinh tế lượng cổ điển.

4. Có thể tích hợp mô hình này vào hệ thống giao dịch tự động (Algorithmic Trading) không?

Có. Các hệ số beta ước lượng từ FGLS có thể được nạp vào module đánh giá giá trị hợp lý (Fair Value Estimator). Hệ thống sẽ tự động cập nhật số liệu GDP, CPI, Tỷ giá hàng quý qua API để điều chỉnh dải định giá mục tiêu của từng mã cổ phiếu ngân hàng.

5. Chi phí thu thập dữ liệu và chu kỳ cập nhật mô hình được khuyến nghị ra sao?

Dữ liệu vĩ mô hoàn toàn miễn phí từ GSO/SBV/IMF. Dữ liệu giá và BCTC có thể khai thác qua các gói dữ liệu chuẩn của FiinTrade hoặc Vietstock. Chu kỳ cập nhật mô hình tối ưu là theo quý, ngay sau khi các ngân hàng hoàn tất công bố BCTC soát xét.


Kết luận

Đề tài nghiên cứu đã giải quyết thành công bài toán xác định và đo lường các nhân tố tác động đến giá cổ phiếu của 8 NHTM tiêu biểu tại Việt Nam giai đoạn 2012–2022. Bằng việc áp dụng phương pháp ước lượng FGLS, nghiên cứu đã khắc phục triệt để các khuyết tật tự tương quan và phương sai thay đổi, mang lại những phát hiện có ý nghĩa khoa học và thực tiễn cao: Khẳng định vai trò tích cực của Tăng trưởng kinh tế, Quy mô tài sản và Tỷ giá hối đoái, đồng thời làm sáng tỏ tác động ngược chiều của Tỷ lệ lạm phát và Tăng trưởng cung tiền trong bối cảnh điều hành cơ chế room tín dụng đặc thù tại Việt Nam.