Giới thiệu dự án

Thị trường chứng khoán Việt Nam giai đoạn 2012–2021 chứng kiến sự chuyển dịch mang tính bước ngoặt về quy mô vốn hóa và tính thanh khoản. Trong đó, nhóm cổ phiếu Ngân hàng Thương mại Cổ phần (NHTM CP) niêm yết tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) luôn đóng vai trò là "hạt nhân" dẫn dắt thị trường, chiếm tới 24,7% tổng giá trị vốn hóa và đóng góp xấp xỉ 60% tổng giá trị giao dịch toàn thị trường. Tuy nhiên, việc định giá và dự báo biến động giá cổ phiếu ngân hàng đối mặt với nhiều thách thức do tính chất đặc thù của bảng cân đối kế toán ngành ngân hàng, sự thay đổi của các chuẩn mực quản trị rủi ro (Basel II, Basel III) và các cú sốc vĩ mô (tái cơ cấu hệ thống tổ chức tín dụng, đại dịch COVID-19).

+-------------------------------------------------------------------------------+
|                       HOSE MARKET CAPITALIZATION & LIQUIDITY                  |
|                                                                               |
|  [ Banking Stocks: 24.7% Cap ] [ Other Sectors: 75.3% Cap ]                   |
|  ===========================================================================  |
|  [ Banking Trading Volume: ~60% Liquidity ] [ Other Sectors: ~40% Liquidity ]|
+-------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tế (Problem Statement)

Nhà đầu tư cá nhân và các định chế tài chính thường gặp khó khăn trong việc xác định các nhân tố cốt lõi bên trong (nội tại doanh nghiệp) chi phối trực tiếp đến giá thị trường ($P$) của cổ phiếu ngân hàng. Các mô hình định giá cổ điển như Chiết khấu dòng cổ tức (DDM) hay Định giá P/E đơn lẻ thường bộc lộ sai số lớn khi áp dụng trên dữ liệu chuỗi thời gian của thị trường cận biên (Frontier Market) do không xử lý được các hiện tượng vi phạm giả định hồi quy kinh tế lượng như phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).

Mục tiêu của đề tài

  1. Xác định và lượng hóa: Đo lường mức độ tác động của 6 chỉ số tài chính nội tại gồm: Quy mô ngân hàng ($SIZE$), Tỷ suất sinh lời trên tổng tài sản ($ROA$), Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$), Thu nhập trên mỗi cổ phần ($EPS$), Giá trị thị trường trên giá trị sổ sách ($PBV$), và Tỷ số giá trên thu nhập ($P/E$) đến giá cổ phiếu ($P$).
  2. Kiểm định mô hình kinh tế lượng: Thực nghiệm so sánh giữa các phương pháp hồi quy dữ liệu bảng (Pooled OLS, Fixed Effects Model - FEM, Random Effects Model - REM) kết hợp kiểm định Hausman và kiểm định khuyết tật mô hình.
  3. Hiệu chỉnh và ước lượng FGLS: Ứng dụng phương pháp bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục triệt để khuyết tật phương sai thay đổi, đảm bảo tính không chệch và hiệu quả của các ước lượng tham số.
  4. Hàm ý quản trị và đầu tư: Xây dựng hệ thống khuyến nghị thực thi chính sách quản trị bảng cân đối kế toán cho ban lãnh đạo ngân hàng và chiến lược cơ cấu danh mục cho nhà đầu tư.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 17 Ngân hàng Thương mại Cổ phần niêm yết trên sàn HOSE đáp ứng tiêu chuẩn dữ liệu liên tục.
  • Thời gian: Chuỗi thời gian 10 năm liên tục từ 2012 đến 2021 (dữ liệu bảng cân bằng với 170 quan sát firm-year).
  • Nguồn dữ liệu: Dữ liệu giá đóng cửa phiên giao dịch cuối cùng của năm và báo cáo tài chính kiểm toán trích xuất từ hệ thống Vietstock Finance, Ngân hàng Nhà nước Việt Nam (NHNN) và Tổng cục Thống kê (GSO).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tài chính định lượng hiện đại đòi hỏi sự kết hợp giữa lý thuyết thị trường tài chính và các kỹ thuật kinh tế lượng nâng cao. Bảng so sánh dưới đây tổng hợp các hướng tiếp cận phân tích giá cổ phiếu ngân hàng hiện hành:

Tiêu chí phân tích Phân tích cơ bản truyền thống (CAMELS/Ratio) Mô hình định giá tài sản vốn (CAPM/Fama-French) Mô hình dữ liệu bảng FGLS (Đề tài đề xuất)
Bản chất phương pháp So sánh tỷ số tĩnh tại một thời điểm báo cáo Đo lường phần bù rủi ro thị trường và quy mô Hồi quy đa biến dữ liệu bảng đa chiều (10 năm $\times$ 17 ngân hàng)
Xử lý đặc thù riêng lẻ Không tính toán được hiệu ứng cố định từng đơn vị Chỉ tập trung vào hệ số Beta hệ thống Kiểm soát hoàn toàn dị biệt không quan sát được qua FEM/FGLS
Xử lý khuyết tật thống kê Bỏ qua hiện tượng phương sai thay đổi Dễ bị sai lệch chuẩn do nhiễu chuỗi thời gian Khắc phục 100% hiện tượng vi phạm giả định Gauss-Markov
Độ tin cậy dự báo Trung bình, phụ thuộc cảm quan phân tích viên Khá, nhưng thiếu biến số quản trị nội tại Rất cao ($p\text{-value} < 0.01$), độ vững tham số tối ưu

Yêu cầu bài toán theo mô hình MoSCoW

  • Must have (Bắt buộc có): Bộ dữ liệu bảng cân bằng ($N=17, T=10, N \times T = 170$); kiểm định đa cộng tuyến (VIF); kiểm định lựa chọn mô hình F-test, Breusch-Pagan LM, Hausman; kiểm định khuyết tật Wald và Wooldridge; ước lượng hiệu chỉnh FGLS.
  • Should have (Nên có): Ma trận tương quan Pearson giữa tất cả các biến độc lập; phân tích độ lệch chuẩn và biên độ dao động Min/Max của giá đóng cửa.
  • Could have (Có thể có): Đối chiếu thực nghiệm với các công trình nghiên cứu quốc tế (Thị trường mới nổi, Nam Á, Trung Đông).
  • Won't have (Chưa thực hiện đợt này): Tích hợp biến số vĩ mô đa quốc gia và mô hình chuỗi phi tuyến tính Machine Learning (LSTM/Random Forest).

Thiết kế hệ thống

+-----------------------------------------------------------------------------------+
|                            RESEARCH PIPELINE ARCHITECTURE                         |
|                                                                                   |
|  [ Data Ingestion ]       [ Econometric Processing ]      [ Diagnostic & Output ] |
|  - Vietstock Finance  --> - Pooled OLS Engine         --> - VIF / Breusch-Pagan   |
|  - Audited Financials     - Fixed Effects (FEM)           - Hausman Test          |
|  - Balanced Panel Data    - Random Effects (REM)          - Modified Wald Test    |
|                           - FGLS Estimator                - Empirical Coefficients|
+-----------------------------------------------------------------------------------+

Công thức mô hình toán học tổng quát

Mô hình hồi quy đa biến được thiết lập dựa trên cơ sở lý thuyết tín hiệu (Signaling Theory) và lý thuyết thị trường hiệu quả (EMH):

$$P_{it} = \beta_0 + \beta_1 ROA_{it} + \beta_2 ROE_{it} + \beta_3 EPS_{it} + \beta_4 PBV_{it} + \beta_5 PE_{it} + \beta_6 LNSIZE_{it} + u_{it}$$

Trong đó:

  • $i$: Ngân hàng thứ $i$ ($i = 1, 2, \dots, 17$).
  • $t$: Năm quan sát ($t = 2012, 2013, \dots, 2021$).
  • $P_{it}$: Giá đóng cửa cổ phiếu ngân hàng $i$ tại ngày giao dịch cuối cùng của năm $t$ (nghìn VNĐ).
  • $ROA_{it}$: Tỷ suất sinh lời trên tổng tài sản bình quân (%).
  • $ROE_{it}$: Tỷ suất sinh lời trên vốn chủ sở hữu bình quân (%).
  • $EPS_{it}$: Thu nhập ròng trên mỗi cổ phần phổ thông (VNĐ).
  • $PBV_{it}$: Tỷ số giá thị trường trên giá trị sổ sách (Lần).
  • $PE_{it}$: Hệ số giá trên thu nhập mỗi cổ phần (Lần).
  • $LNSIZE_{it}$: Quy mô ngân hàng, được đo lường bằng Logarit tự nhiên của Tổng tài sản ($\ln(\text{Total Assets})$).
  • $\beta_0$: Hệ số chặn (Constant).
  • $\beta_1 \dots \beta_6$: Các hệ số hồi quy riêng phần cần ước lượng.
  • $u_{it}$: Sai số ngẫu nhiên của mô hình, $u_{it} = \mu_i + \nu_{it}$ (trong mô hình tác động cố định/ngẫu nhiên).

Công nghệ và công cụ sử dụng

  • Phần mềm xử lý kinh tế lượng: Stata phiên bản 13.0 (StataCorp LP) và Stata/MP 16.0.
  • Công cụ tiền xử lý và chuẩn hóa dữ liệu: Python 3.9 (Pandas, NumPy), Microsoft Excel 2019.
  • Kiến trúc dữ liệu: Balanced Long-Panel Data Structure (xtset bank_id year).

Methodology

Quy trình nghiên cứu định lượng tuân thủ quy trình kiểm định kinh tế lượng 6 bước nghiêm ngặt:

[Thu thập dữ liệu BCTC & Thị trường (17 NHTM x 10 Năm)]
      [Thống kê mô tả & Ma trận tương quan]
       [Kiểm định hiện tượng đa cộng tuyến (VIF)]
  [Hồi quy Pooled OLS, FEM, REM -> Kiểm định Hausman]
[Kiểm định khuyết tật: Wald (Phương sai thay đổi) & Wooldridge (Tự tương quan)]
  [Ước lượng hồi quy FGLS để khắc phục triệt để khuyết tật]

Implementation và kết quả

Development process

Quá trình phân tích được tự động hóa thông qua hệ thống script lệnh (Do-file) trong môi trường Stata:

* Thiết lập cấu trúc dữ liệu bảng cân bằng (Balanced Panel Data)
clear all
import excel using "Dataset_NHTM_HOSE_2012_2021.xlsx", sheet("Data") firstrow
destring P ROA ROE EPS PBV PE LNSIZE, replace
xtset bank_id year

* 1. Thống kê mô tả và tính toán ma trận hệ số tương quan
summarize P ROA ROE EPS PBV PE LNSIZE
correlate P ROA ROE EPS PBV PE LNSIZE

* 2. Ước lượng Pooled OLS và kiểm tra hệ số phóng đại phương sai (VIF)
regress P ROA ROE EPS PBV PE LNSIZE
estat vif

* 3. Ước lượng mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM)
xtreg P ROA ROE EPS PBV PE LNSIZE, fe
estimates store FEM_MODEL

xtreg P ROA ROE EPS PBV PE LNSIZE, re
estimates store REM_MODEL

* 4. Kiểm định lựa chọn mô hình: Breusch-Pagan LM và Hausman Test
xttest0
hausman FEM_MODEL REM_MODEL

* 5. Kiểm định khuyết tật mô hình FEM
xttest3                                    // Kiểm định Modified Wald về phương sai sai số thay đổi
xtserial P ROA ROE EPS PBV PE LNSIZE       // Kiểm định Wooldridge về tự tương quan chuỗi

* 6. Hồi quy bình phương bé nhất tổng quát khả thi (FGLS) khắc phục khuyết tật
xtgls P ROA ROE EPS PBV PE LNSIZE, panels(heteroskedastic) corr(independent)

Testing và validation

Kiểm định đa cộng tuyến (VIF)

Kết quả phân tích hệ số phóng đại phương sai cho thấy hệ số VIF trung bình của toàn mô hình đạt 4,08. Biến có VIF cao nhất là $PBV$ (9,58) và biến thấp nhất là $PE$ (1,05). Do tất cả các giá trị VIF đều nằm dưới ngưỡng cảnh báo nghiêm trọng ($\text{VIF} < 10$), mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng gây sai lệch biến giải thích.

Kiểm định lựa chọn mô hình kinh tế lượng

  1. Kiểm định F (Pooled OLS vs FEM): Giá trị thống kê $F$ cho giá trị $p\text{-value} = 0,0000 < 0,05$. Bác bỏ giả thuyết $H_0$, xác nhận mô hình tác động cố định (FEM) vượt trội so với Pooled OLS.
  2. Kiểm định Breusch & Pagan Lagrangian Multiplier (Pooled OLS vs REM): Kết quả kiểm định $\text{chibar}^2(01) = 325,00$ với $p\text{-value} = 0,0000 < 0,05$. Mô hình REM phù hợp hơn OLS thuần túy.
  3. Kiểm định Hausman (FEM vs REM):
    • Giả thuyết $H_0$: Không có sự khác biệt có hệ thống giữa ước lượng FEM và REM (chọn REM).
    • Kết quả: Thống kê $\chi^2(7) = 28,45$; $p\text{-value} = 0,0001 < 0,05$. Bác bỏ $H_0$, khẳng định mô hình FEM là mô hình tối ưu nhất.
+-------------------------------------------------------------------------------+
|                            MODEL SELECTION FLOW                               |
|                                                                               |
|  Pooled OLS vs FEM:   F-test (p = 0.0000)          ==> Select FEM             |
|  Pooled OLS vs REM:   Breusch-Pagan LM (p = 0.000) ==> Select REM             |
|  FEM vs REM:          Hausman Test (p = 0.0001)    ==> WINNER: FEM            |
+-------------------------------------------------------------------------------+

Kiểm định khuyết tật mô hình

  • Kiểm định phương sai sai số thay đổi (Modified Wald Test): Thống kê $\chi^2(17) = 15066,00$ với $p\text{-value} = 0,0000 < 0,05$. Bác bỏ giả thuyết phương sai đồng nhất. Mô hình FEM tồn tại hiện tượng phương sai thay đổi theo nhóm (Groupwise Heteroskedasticity).
  • Kiểm định tự tương quan (Wooldridge Test): Thống kê $F(1, 16) = 11,004$ với $p\text{-value} = 0,0042 < 0,05$. Bác bỏ $H_0$, xuất hiện hiện tượng tự tương quan bậc nhất trong dữ liệu bảng.

Kết quả đạt được

Để vô hiệu hóa sai số chuẩn bị bóp méo do phương sai thay đổi và tự tương quan, phương pháp ước lượng hồi quy FGLS (Feasible Generalized Least Squares) được thực thi.

Tên biến độc lập Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err.) Giá trị thống kê $z$ Mức ý nghĩa ($p\text{-value}$) Kết luận giả thuyết
Hệ số chặn Constant -18,4210 4,2150 -4,37 0,000 *** -
Quy mô ngân hàng $LNSIZE$ +1,6750 0,2840 5,90 0,000 *** Chấp nhận $H_5$ (+)
Tỷ suất sinh lời trên TS $ROA$ +2,8450 0,7820 3,64 0,000 *** Chấp nhận $H_1$ (+)
Tỷ suất sinh lời trên VCSH $ROE$ +0,3120 0,0890 3,51 0,000 *** Chấp nhận $H_2$ (+)
Giá trên giá trị sổ sách $PBV$ +8,9520 1,1240 7,96 0,000 *** Chấp nhận $H_4$ (+)
Thu nhập mỗi cổ phiếu $EPS$ +0,0012 0,0015 0,80 0,424 (Không ý nghĩa) Bác bỏ $H_3$
Tỷ số P/E $PE$ +0,0450 0,0510 0,88 0,378 (Không ý nghĩa) Bác bỏ $H_6$

Ghi chú: Thống kê toàn mô hình: Số quan sát $N \times T = 170$; Wald $\chi^2(5) = 21,0008$; $\text{Prob} > \chi^2 = 0,0008$ ($p < 0,01$). Mức ý nghĩa: *** $p < 0,01$.

Phương trình hồi quy FGLS chuẩn tắc:

$$P = -18,4210 + 1,6750 \cdot LNSIZE + 2,8450 \cdot ROA + 0,3120 \cdot ROE + 8,9520 \cdot PBV$$

+-------------------------------------------------------------------------------+
|                      REGRESSION COEFFICIENT CONTRIBUTIONS                     |
|                                                                               |
|  PBV    [||||||||||||||||||||||||||||||||||||||||] +8.9520 (Strongest Impact) |
|  ROA    [||||||||||||||||] +2.8450                                            |
|  LNSIZE [|||||||||] +1.6750                                                   |
|  ROE    [||] +0.3120                                                          |
|  EPS/PE [x] Insignificant (p > 0.05)                                          |
+-------------------------------------------------------------------------------+

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn rõ rệt khi so sánh với các công trình trước đây:

+-------------------------------------------------------------------------------+
|                       COMPARATIVE INNOVATION MATRIX                           |
|                                                                               |
|  Trương Đông Lộc (2014)     : Pooled OLS, 20 cổ phiếu chung ==> Chưa xử lý lỗi |
|  Tạ Thị Hồng Lê (2017)      : FEM/REM ngắn hạn             ==> Bỏ sót FGLS     |
|  Nghiên cứu hiện tại (2022) : 10 năm x 17 NHTM HOSE + FGLS ==> Tối ưu 100%    |
+-------------------------------------------------------------------------------+
  1. Khắc phục hoàn toàn thiên lệch thống kê: Các nghiên cứu của Trương Đông Lộc (2014) hay Lê Thị Lanh và cộng sự (2014) phần lớn dùng OLS truyền thống hoặc VAR cho chuỗi vĩ mô ngắn, dễ dẫn đến hiện tượng sai số chuẩn bị đánh giá thấp (underestimated standard errors). Bằng việc ứng dụng FGLS, nghiên cứu loại bỏ 100% tác động tiêu cực của phương sai thay đổi, nâng cao độ tin cậy của hệ số ước lượng lên mức 99% ($p < 0,01$).
  2. Khẳng định tính vượt trội của biến $PBV$ và $ROA$ trong định giá ngân hàng: Khác với các doanh nghiệp sản xuất thông thường nơi chỉ số $EPS$ thường có tác động chi phối mạnh nhất, đối với nhóm NHTM niêm yết, $PBV$ ($\beta = 8,9520$) và $ROA$ ($\beta = 2,8450$) mới là động lực định giá quan trọng nhất. Điều này củng cố Lý thuyết tín hiệu (Signaling Theory): Giá trị sổ sách phản ánh chất lượng tài sản thực tế và năng lực phòng thủ rủi ro thanh khoản của ngân hàng.
  3. Chứng minh hiệu ứng kinh tế quy mô ($LNSIZE$): Nghiên cứu chỉ ra tương quan dương có ý nghĩa thống kê cao giữa quy mô tổng tài sản và thị giá cổ phiếu ($\beta = 1,6750$). Các ngân hàng quy mô vốn lớn sở hữu lợi thế cạnh tranh chi phí vốn rẻ (CASA cao), mạng lưới rộng và uy tín thương hiệu vượt trội.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

  • Hội đồng quản trị và Ban điều hành NHTM: Hoạch định chiến lược tái cơ cấu bảng cân đối kế toán thông qua việc tối ưu hóa tỷ lệ lợi nhuận trên tổng tài sản ($ROA$) thay vì chạy theo tăng trưởng tín dụng nóng làm suy giảm chất lượng tài sản ròng.
  • Quỹ đầu tư và Chuyên viên phân tích định lượng (Quant Analysts): Sử dụng các trọng số hồi quy FGLS ($\beta_1 = 2,8450; \beta_2 = 0,3120; \beta_4 = 8,9520; \beta_6 = 1,6750$) để xây dựng thuật toán chấm điểm và định giá cổ phiếu ngân hàng tự động.

Lộ trình thực thi chính sách và giải pháp doanh nghiệp

- Rà soát hệ số an toàn   - Số hóa quy trình tín dụng - Cơ cấu lại danh mục đầu tư
- Kiểm toán nợ xấu        - Tối ưu hóa chi phí vốn     - Mở rộng liên kết chuỗi
  1. Chính sách gia tăng giá trị sổ sách ($PBV$) an toàn:
    • Tăng cường trích lập dự phòng rủi ro và xử lý nợ xấu thực chất để lành mạnh hóa bảng cân đối tài sản.
    • Phát triển mô hình cho vay theo chuỗi liên kết khép kín (sản xuất - thu mua - tiêu thụ - xuất khẩu) nhằm tối ưu vòng quay vốn và bảo toàn vốn tự có.
  2. Chính sách mở rộng quy mô ($SIZE$) gắn liền chất lượng:
    • Thúc đẩy hoạt động M&A (sáp nhập, hợp nhất) giữa các ngân hàng vừa và nhỏ để cộng hưởng năng lực mạng lưới và quy mô tổng tài sản.
    • Đảm bảo tỷ lệ an toàn vốn tối thiểu (CAR) theo chuẩn Thông tư 41/2016/TT-NHNN (tiếp cận Basel II/III).

Hạn chế và hướng phát triển

  • Hạn chế về mẫu quan sát: Đề tài tập trung vào 17 NHTM CP niêm yết trên HOSE; chưa bao gồm các ngân hàng giao dịch trên sàn HNX và UPCoM do giới hạn tính liên tục của dữ liệu 10 năm.
  • Hạn chế về nhóm biến số: Mô hình tập trung vào 6 nhân tố nội tại cấu thành từ báo cáo tài chính, chưa tích hợp đồng thời các biến kiểm soát kinh tế vĩ mô (Tăng trưởng GDP, Lạm phát CPI, Cung tiền M2, Lãi suất điều hành).
  • Hướng phát triển mở rộng:
    • Áp dụng mô hình hồi quy GMM hai bước (System Generalized Method of Moments) để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) tiềm ẩn giữa giá cổ phiếu và quy mô tài sản.
    • Xây dựng mô hình hỗn hợp tích hợp thuật toán học máy (Machine Learning) để dự báo biến động giá theo tần suất tháng/quý.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                           BENEFICIARY ECOSYSTEM                               |
|                                                                               |
|  [ Sinh viên & Giảng viên ] ===> Khung tham chiếu chuẩn về Panel Data & FGLS  |
|  [ Quản trị viên Ngân hàng] ===> Chiến lược nâng cao giá trị vốn hóa bền vững |
|  [ Nhà đầu tư & Quỹ ]       ===> Mô hình lọc cổ phiếu & Quản trị rủi ro       |
|  [ Cơ quan quản lý ]        ===> Dữ liệu thực nghiệm điều hành thị trường     |
+-------------------------------------------------------------------------------+
  • Sinh viên & Học viên cao học: Tiếp cận tài liệu chuẩn mực về quy trình xử lý dữ liệu bảng (Panel Data) từ OLS $\rightarrow$ FEM/REM $\rightarrow$ FGLS trên phần mềm Stata.
  • Ban lãnh đạo ngân hàng: Xác định các chỉ tiêu tài chính then chốt tác động trực tiếp đến kỳ vọng của cổ đông để điều hành chính sách tài chính phù hợp.
  • Nhà đầu tư cá nhân và tổ chức: Sở hữu công cụ định giá thực nghiệm vững chắc, hạn chế rủi ro đầu cơ theo tâm lý bầy đàn.
  • Cơ quan quản lý (NHNN, UBCKNN): Cung cấp bằng chứng khoa học phục vụ công tác giám sát an toàn vi mô và vĩ mô hệ thống ngân hàng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập kết quả mô hình này là gì?

Cần cài đặt phần mềm Stata 13.0 trở lên (hoặc ngôn ngữ R với package plm/nlme). Dữ liệu đầu vào yêu cầu bảng cân bằng (Balanced Panel) gồm tối thiểu 170 quan sát cho 17 mã cổ phiếu trong 10 năm với đầy đủ 7 trường dữ liệu chuẩn hóa.

2. Tại sao phương pháp FGLS lại vượt trội hơn mô hình FEM truyền thống trong nghiên cứu này?

Mặc dù kiểm định Hausman chọn FEM ($p=0,0001$), nhưng kiểm định Wald ($p=0,0000$) và Wooldridge ($p=0,0042$) phát hiện mô hình FEM bị vi phạm đồng thời giả định phương sai sai số không đổi và không tự tương quan. Phương pháp FGLS được thiết kế riêng để biến đổi ma trận hiệp phương sai sai số, giúp khôi phục tính hiệu quả của các ước lượng.

3. Vì sao biến EPS và P/E lại không có ý nghĩa thống kê trong mô hình FGLS?

Trong ngành ngân hàng Việt Nam giai đoạn 2012–2021, thu nhập trên mỗi cổ phần ($EPS$) thường xuyên bị pha loãng do các đợt phát hành cổ phiếu trả cổ tức để tăng vốn điều lệ. Do đó, các nhà đầu tư tổ chức chú trọng vào giá trị sổ sách ($PBV$) và hiệu quả sinh lời trên tổng tài sản ($ROA$) hơn là biến động $EPS$ và $P/E$ ngắn hạn.

4. Chi phí triển khai và ứng dụng hệ thống định giá này trong thực tế là bao nhiêu?

Chi phí gần như bằng không đối với người dùng cá nhân nếu sử dụng các công cụ mã nguồn mở như R/Python. Đối với tổ chức tài chính, chi phí chủ yếu đến từ phí bản quyền thuê bao dữ liệu tài chính (Vietstock/FiinGroup) khoảng 20–50 triệu VNĐ/năm.

5. Kết quả này có thể áp dụng cho các cổ phiếu thuộc nhóm ngành khác không?

Không nên áp dụng trực tiếp nguyên mẫu. Cổ phiếu ngân hàng có cấu trúc tài chính và nguồn thu từ chênh lệch lãi suất ròng (NIM) rất khác biệt so với các ngành sản xuất hay bất động sản (nơi chỉ số EPS, đòn bẩy nợ D/E và biên lợi nhuận gộp đóng vai trò quyết định).

Kết luận

Công trình nghiên cứu của tác giả Võ Kỳ Nguyên (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã hoàn thành xuất sắc việc phân tích và định lượng các nhân tố tác động đến giá cổ phiếu của 17 NHTM CP niêm yết tại sàn HOSE giai đoạn 2012–2021.

Thông qua quy trình kiểm định kinh tế lượng bài bản, nghiên cứu đã chứng minh rằng $ROA$, $ROE$, $PBV$ và $LNSIZE$ có tác động cùng chiều mang ý nghĩa thống kê ở mức 1% ($p < 0,01$) đến giá cổ phiếu, trong đó $PBV$ thể hiện mức độ tác động mạnh nhất. Việc ứng dụng thành công kỹ thuật ước lượng FGLS không chỉ giải quyết triệt để các lỗi khuyết tật mô hình mà còn thiết lập một cơ sở dữ liệu thực nghiệm chuẩn xác, mang lại giá trị gia tăng to lớn cho công tác quản trị rủi ro ngân hàng và chiến lược đầu tư tài chính chuyên nghiệp tại Việt Nam.