Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán đóng vai trò là kênh dẫn vốn quan trọng trong nền kinh tế hiện đại, thực hiện chức năng tích tụ, tập trung và phân phối lại các nguồn lực tài chính nhằm đáp ứng nhu cầu đầu tư phát triển. Tại Việt Nam, quá trình phát triển của thị trường chứng khoán ghi nhận nhiều bước ngoặt lớn: giai đoạn 2000–2005 mức vốn hóa chỉ đạt khoảng 1% GDP; sau khi Luật Chứng khoán được ban hành năm 2006 và có hiệu lực từ năm 2007, quy mô vốn hóa đã tăng vọt lên 22,7% GDP (2006) và 43% GDP (2007). Mặc dù chịu ảnh hưởng nặng nề bởi cuộc khủng hoảng kinh tế toàn cầu năm 2008 khiến vốn hóa sụt giảm còn 18% GDP, thị trường sau đó đã phục hồi và quy mô vốn hóa hiện nay đã vượt mốc 100% GDP.

Song hành cùng tiềm năng sinh lời, thị trường chứng khoán luôn tiềm ẩn nhiều rủi ro biến động khó lường do các cú sốc kinh tế và dịch bệnh (điển hình là đại dịch Covid-19). Do đó, việc xây dựng mô hình định lượng nhằm phân tích và dự báo biến động giá cũng như phương sai rủi ro của cổ phiếu là nhiệm vụ cấp thiết đối với các nhà đầu tư nhằm tối ưu hóa tỷ suất sinh lời và hạn chế tổn thất.

Đề tài chuyên đề tốt nghiệp tập trung vào cổ phiếu của Công ty Cổ phần Sữa Việt Nam (mã niêm yết: VNM) – doanh nghiệp đầu ngành thực phẩm, có quy mô vốn hóa hàng đầu trên thị trường chứng khoán Việt Nam và niêm yết từ năm 2006.

Mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài bao gồm:

  1. Áp dụng mô hình chuỗi thời gian ARIMA để dự báo giá đóng cửa trong ngắn hạn của cổ phiếu Vinamilk.
  2. Áp dụng mô hình ARCH/GARCH nhằm đo lường, mô hình hóa phương sai có điều kiện và ước lượng tác động từ các cú sốc trong quá khứ đối với rủi ro biến động giá trong tương lai.
  3. Cung cấp căn cứ định lượng hỗ trợ nhà đầu tư ra quyết định phân bổ danh mục đầu tư hợp lý.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Giá đóng cửa và mức độ biến động (phương sai rủi ro) của cổ phiếu Công ty Cổ phần Sữa Việt Nam.
  • Phạm vi không gian: Cổ phiếu VNM giao dịch trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE).
  • Phạm vi thời gian: Từ ngày 02/01/2018 đến ngày 31/12/2020 (gồm 750 phiên giao dịch).

Cơ sở lý thuyết và phương pháp

Đề tài sử dụng phương pháp nghiên cứu định lượng kinh tế lượng tài chính trên chuỗi thời gian thông qua sự hỗ trợ của phần mềm EViews, kết hợp giữa khung pháp lý, lý thuyết tài chính và các mô hình toán kinh tế chuyên sâu.

Khung lý thuyết và khái niệm nền tảng

  • Khung pháp lý về chứng khoán: Tác giả căn cứ vào các quy định tại Luật Chứng khoán 2019 (khoản 2, khoản 3, khoản 4 và khoản 9 Điều 4) để chuẩn hóa các khái niệm về cổ phiếu, trái phiếu, chứng chỉ quỹ và chứng khoán phái sinh. Đồng thời, các đặc tính cốt lõi của chứng khoán như tính thanh khoản, tính rủi ro (rủi ro hệ thống, rủi ro phi hệ thống) và tính sinh lời được làm rõ.
  • Mô hình Tự hồi quy Tích hợp Trung bình trượt (ARIMA): Kết hợp giữa quá trình tự hồi quy AR(p) và trung bình trượt MA(q) áp dụng trên chuỗi dữ liệu dừng sau khi lấy sai phân bậc $d$, ký hiệu là ARIMA(p,d,q). Quy trình thực nghiệm tuân thủ phương pháp 4 bước của Box-Jenkins:
    1. Định dạng mô hình (Identification): Kiểm định tính dừng bằng Augmented Dickey-Fuller (ADF), phân tích biểu đồ tự tương quan (ACF) và tự tương quan riêng (PACF), kết hợp tiêu chuẩn thông tin Akaike (AIC) và Schwarz (BIC).
    2. Ước lượng tham số (Estimation): Sử dụng phương pháp bình phương nhỏ nhất (OLS) hoặc hợp lý cực đại (MLE).
    3. Kiểm định tính thích hợp (Diagnostic Checking): Kiểm tra phần dư xem có phải là chuỗi dừng / nhiễu trắng (white noise) hay không.
    4. Dự báo (Forecasting): Tính toán các giá trị tương lai và các chỉ số sai số dự báo (RMSE, MAE, MAPE, hệ số bất bình đẳng Theil).
  • Mô hình phương sai có điều kiện thay đổi (ARCH/GARCH): Nhằm khắc phục giả định phương sai không đổi của OLS thường bị vi phạm trong dữ liệu chuỗi thời gian tài chính. Tác giả tổng quan mô hình ARCH($m$) của Engle (1982), mô hình GARCH($m,s$) mở rộng của Bollerslev (1986), cùng các biến thể lý thuyết nâng cao như IGARCH, GARCH-M (đưa phần bù rủi ro vào phương trình trung bình), TGARCH, EGARCH (mô hình bất đối xứng phản ánh hiệu ứng đòn bẩy) và Component GARCH (mô hình thành phần dài hạn - ngắn hạn).

Nguồn dữ liệu

Dữ liệu nghiên cứu bao gồm 750 quan sát giá đóng cửa hàng ngày của cổ phiếu VNM thu thập từ cơ sở dữ liệu cophieu68.vn trong giai đoạn 3 năm (2018–2020).

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết và tổng quan nghiên cứu

Chương 1 hệ thống hóa lịch sử hình thành thị trường chứng khoán thế giới từ phiên chợ đầu tiên năm 1453 tại Bruges (Bỉ), sự phát triển của Sở giao dịch London, New York đến các cuộc khủng hoảng tài chính lớn năm 1929 và 1987. Tác giả phân tích cấu trúc thị trường, các chủ thể tham gia, phân loại công cụ tài chính theo Luật Chứng khoán 2019.

Phần trọng tâm của chương trình bày tường minh công thức toán học của các quá trình AR, MA, ARMA, ARIMA, quy trình ước lượng Box-Jenkins, cơ chế mô hình hóa phương sai có điều kiện ARCH/GARCH và các biến thể mở rộng. Đồng thời, chương 1 tổng quan 4 công trình nghiên cứu trong nước trước đó ứng dụng chuỗi thời gian:

  • Đặng Thị Ngọc Ninh (2015), Ứng dụng mô hình ARIMA trong dự báo lạm phát Việt Nam.
  • Lâm Hoàng Vũ (2012), Dự báo chuỗi thời gian sử dụng mô hình ARIMA và giải thuật di truyền.
  • Trần Quang Huy (2015), Ứng dụng mô hình ARIMA – GARCH trong dự báo tỷ suất sinh lợi của danh mục đầu tư hiệu quả.
  • Lê Thị Thùy Trang (2014), Ứng dụng mô hình ARIMA, ARCH/GARCH để dự báo thanh khoản của cổ phiếu Vinamilk trong ngắn hạn.

Chương 2: Giới thiệu về Công ty Cổ phần Sữa Việt Nam (Vinamilk)

Chương 2 phân tích môi trường hoạt động ngành công nghệ chế biến thực phẩm tại Việt Nam với các lợi thế về vùng nguyên liệu chăn nuôi - trồng trọt, công nghệ hiện đại và thị trường tiêu thụ nội địa lớn.

Tác giả tóm lược quá trình phát triển của Vinamilk qua 3 giai đoạn:

  • 1976–1986: Thành lập trên cơ sở tiếp quản 3 xí nghiệp Thống Nhất, Trường Thọ, Dielac; nhận Huân chương Lao động hạng Ba (1986).
  • 1987–2003: Mở rộng hệ thống nhà máy tại Hà Nội, Cần Thơ, Bình Định; chuyển đổi thành công ty cổ phần (tháng 11/2003).
  • 2003 đến nay: Tăng vốn điều lệ lên 1.590 tỷ đồng (2004), niêm yết trên sàn HOSE ngày 19/01/2006, phát triển hệ thống trang trại bò sữa và thực hiện các thương vụ M&A (như nắm 40,53% vốn GTNFoods/Sữa Mộc Châu năm 2019).

Đánh giá thực trạng tài chính giai đoạn 2018–2019:

  • Quý 3/2019, doanh thu thuần đạt hơn 14.304 tỷ đồng (tăng 4% so với cùng kỳ 2018), lợi nhuận trước thuế đạt hơn 3.254 tỷ đồng (tăng 7,2%), biên lợi nhuận gộp duy trì trên 47%.
  • Lượng tiền và tiền gửi ngân hàng dồi dào, vượt 10.838 tỷ đồng (chiếm hơn 25% tổng tài sản).
  • Tỷ lệ khả năng thanh toán nợ ngắn hạn Quý 3/2019 đạt 1,83 lần (sát ngưỡng an toàn); khả năng thanh toán lãi vay duy trì ở mức cao.
  • Tăng trưởng EPS ở mức thấp hoặc âm, khiến cổ phiếu VNM chịu áp lực định giá dù thị giá có đợt hồi phục từ 115.000 đồng lên 134.000 đồng/cổ phiếu vào nửa cuối năm 2019.

Chương 3: Ứng dụng các mô hình dự báo, phân tích giá cổ phiếu Vinamilk

Chương 3 trình bày toàn bộ kết quả thực nghiệm định lượng trên tập dữ liệu 750 quan sát:

Chỉ số thống kê mô tả Giá trị (VNM Closing Price)
Số lượng quan sát 750 phiên
Giá trị trung bình (Mean) 101,610852
Trung vị (Median) 101,040300
Giá trị nhỏ nhất (Minimum) 67,157100
Giá trị lớn nhất (Maximum) 134,418800
Độ lệch chuẩn (Std. Dev.) 11,817360
Hệ số bất đối xứng (Skewness) 0,466000 (lệch phải)
Hệ số nhọn (Kurtosis) 0,855000 (dạng Leptokurtic)

Kiểm định tính dừng và ước lượng mô hình ARIMA:

  • Kiểm định ADF cho chuỗi giá đóng cửa gốc: Thống kê kiểm định $t = -2,4321$, giá trị $p\text{-value} = 0,3618 > 0,05$, chưa thể bác bỏ giả thuyết $H_0$ $\rightarrow$ Chuỗi giá đóng cửa là chuỗi không dừng và không có xu thế tuyến tính.
  • Kiểm định ADF cho chuỗi sai phân bậc 1: Thống kê kiểm định $t = -27,0000$, $p\text{-value} = 0,0000 < 0,05$ $\rightarrow$ Bác bỏ $H_0$, chuỗi sai phân bậc 1 là chuỗi dừng, tức chuỗi tích hợp bậc 1: $I(1)$.
  • Sử dụng thuật toán AutoARIMA (chạy 169 mô hình ARMA) kết hợp tiêu chuẩn AIC lựa chọn cấu trúc tối ưu. Kết quả kiểm tra các mô hình ARIMA(1,1,1), ARIMA(1,1,2), ARIMA(2,1,1), ARIMA(2,1,2) cho thấy mô hình ARIMA(1,1,1) là phù hợp nhất với các tham số: tiêu chuẩn AIC = 3,774351, thống kê Durbin-Watson = 1,945561.
  • Kiểm định tính thích hợp của phần dư: Lược đồ tương quan phần dư nằm hoàn toàn trong dải tin cậy; kiểm định ADF phần dư đạt $t = -27,0000$ ($p\text{-value} = 0,0000$), khẳng định phần dư là chuỗi dừng / nhiễu trắng.

Kiểm định hiệu ứng biến động và mô hình GARCH:

  • Chuỗi lợi suất của VNM được kiểm định ADF cho kết quả dừng ($p\text{-value} = 0,0000$).
  • Kiểm định Heteroskedasticity Test ARCH (kiểm định ARCH-LM) cho thấy: chuỗi có hiệu ứng ARCH bậc 3 với thống kê $F = 13,0000$ ($p\text{-value} = 0,0000$), nhưng không có hiệu ứng ARCH bậc 4 ($F = 10,0000$, $p\text{-value} > 0,05$).
  • Ước lượng mô hình GARCH(3,3) bằng phương pháp Maximum Likelihood: Tiêu chuẩn AIC = 3,677664, Durbin-Watson = 2,036379.
  • Kiểm định ADF phần dư mô hình GARCH(3,3) đạt giá trị $t = -27,82192$ ($p\text{-value} = 0,0000$), xác nhận phần dư dừng, đảm bảo độ tin cậy để dự báo phương sai rủi ro.

Kết quả và đóng góp

Kết quả định lượng chính

Thực nghiệm dự báo trên mô hình ARIMA(1,1,1) đối với giá đóng cửa cổ phiếu Vinamilk mang lại độ chuẩn xác cao:

Chỉ số đánh giá sai số Giá trị thực nghiệm Ý nghĩa
Root Mean Squared Error (RMSE) 1,587212 Độ lệch bình phương trung bình thấp
Mean Absolute Error (MAE) 1,137499 Sai số tuyệt đối trung bình nhỏ
Mean Absolute Percentage Error (MAPE) 1,1352% Tỷ lệ sai số phần trăm cực nhỏ (< 2%)
Theil Inequality Coefficient 0,007365 Hệ số bất bình đẳng tiệm cận 0
Bias Proportion 0,000000 Độ chệch mô hình bằng 0

Đóng góp của đề tài

  1. Về mặt phương pháp: Đề tài kết hợp hai lớp mô hình kinh tế lượng chuỗi thời gian: ARIMA để dự báo giá trị kỳ vọng (giá đóng cửa) và GARCH(3,3) để nắm bắt cụm biến động phương sai (rủi ro), xử lý trọn vẹn hiện tượng phương sai thay đổi thường thấy trong dữ liệu chứng khoán.
  2. Về mặt ứng dụng thực tiễn: Cung cấp bộ công cụ định lượng đáng tin cậy dựa trên 750 phiên giao dịch giai đoạn 2018–2020, phản ánh đầy đủ tác động của các cú sốc biến động mạnh (như đợt bùng phát dịch bệnh đầu năm 2020) đến giá và rủi ro cổ phiếu Vinamilk.

Hạn chế và hướng nghiên cứu tiếp

  • Tính chất ngắn hạn: Mô hình ARIMA là mô hình chuỗi thời gian phi lý thuyết, chỉ dựa vào hành vi quá khứ của chính biến số nghiên cứu nên chỉ có giá trị dự báo chính xác trong ngắn hạn, không phản ánh được tác động của các chính sách kinh tế vĩ mô đột xuất.
  • Phạm vi dữ liệu: Nghiên cứu chỉ tập trung vào một mã cổ phiếu duy nhất (VNM) trong khung thời gian 3 năm (2018–2020).
  • Hướng mở rộng: Mở rộng nghiên cứu áp dụng các mô hình GARCH phi đối xứng (như TGARCH, EGARCH) để kiểm tra hiệu ứng đòn bẩy tin tức xấu/tốt, hoặc mở rộng mô hình hóa danh mục đa tài sản trên thị trường chứng khoán Việt Nam.

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

  • Sinh viên, học viên ngành Toán kinh tế, Kinh tế lượng, Tài chính - Ngân hàng: Tham khảo quy trình phân tích chuỗi thời gian thực nghiệm hoàn chỉnh trên phần mềm EViews (từ kiểm định nghiệm đơn vị ADF, chọn bậc ARIMA qua tiêu chuẩn AIC, kiểm tra nhiễu trắng phần dư, đến kiểm định hiệu ứng ARCH-LM và ước lượng GARCH bậc cao).
  • Nhà đầu tư và chuyên viên phân tích tài chính: Tham khảo phương pháp kết hợp dự báo giá và đo lường rủi ro phương sai để hỗ trợ định thời điểm giao dịch và quản trị rủi ro danh mục.

Câu hỏi thường gặp

1. Chuỗi giá đóng cửa cổ phiếu VNM có dừng ở chuỗi gốc không và tác giả xử lý như thế nào?

Chuỗi giá đóng cửa gốc của VNM không dừng (kiểm định ADF có $p\text{-value} = 0,3618$). Tác giả đã lấy sai phân bậc 1 ($d=1$), sau đó kiểm định ADF chuỗi sai phân đạt $p\text{-value} = 0,0000$, chứng minh chuỗi tích hợp bậc 1: $I(1)$ trước khi đưa vào mô hình ARIMA.

2. Mô hình ARIMA nào được tác giả lựa chọn là tối ưu và căn cứ vào chỉ số nào?

Mô hình ARIMA(1,1,1) được lựa chọn là tối ưu sau khi so sánh các mô hình ARIMA(1,1,2), ARIMA(2,1,1), ARIMA(2,1,2) dựa trên tiêu chuẩn thông tin Akaike (AIC = 3,774351) và kiểm định phần dư là nhiễu trắng ($p\text{-value}$ kiểm định ADF phần dư = 0,0000).

3. Độ chính xác của mô hình dự báo ARIMA(1,1,1) được đánh giá qua những chỉ số nào?

Mô hình đạt độ chính xác cao với sai số phần trăm tuyệt đối trung bình MAPE = 1,1352%, sai số tuyệt đối trung bình MAE = 1,137499, sai số căn bậc hai trung bình RMSE = 1,587212 và tỷ lệ thiên lệch Bias Proportion = 0,000000.

4. Tại sao tác giả phải sử dụng thêm mô hình ARCH/GARCH sau khi đã chạy ARIMA?

Mô hình ARIMA giả định phương sai phần dư là không đổi (nhiễu trắng). Tuy nhiên, chuỗi lợi suất cổ phiếu VNM tồn tại hiệu ứng phương sai thay đổi theo thời gian (kiểm định ARCH-LM có hiệu ứng ARCH bậc 3 với $p\text{-value} = 0,0000$). Việc áp dụng mô hình GARCH(3,3) giúp mô hình hóa và dự báo phương sai có điều kiện (mức độ rủi ro) của cổ phiếu.

5. Tình hình tài chính của Vinamilk trong giai đoạn phân tích có đặc điểm gì nổi bật?

Giai đoạn Quý 3/2019, Vinamilk duy trì biên lợi nhuận gộp trên 47%, nắm giữ hơn 10.838 tỷ đồng tiền và tiền gửi ngân hàng (chiếm hơn 25% tổng tài sản), hệ số thanh toán nợ ngắn hạn đạt 1,83 lần, và đã chi mua 40,53% vốn cổ phần của GTNFoods (sở hữu Sữa Mộc Châu).

Kết luận

Chuyên đề thực tập tốt nghiệp của tác giả Hoàng Như Đạt đã xây dựng thành công quy trình phân tích định lượng chuỗi thời gian cho cổ phiếu Vinamilk giai đoạn 2018–2020. Nghiên cứu xác định mô hình ARIMA(1,1,1) có khả năng dự báo giá đóng cửa với độ chính xác cao (MAPE đạt 1,1352%), đồng thời mô hình GARCH(3,3) phản ánh hiệu quả phương sai rủi ro biến động của chuỗi lợi suất. Kết quả nghiên cứu cung cấp cơ sở khoa học và dữ liệu thực chứng có giá trị tham khảo tốt cho công tác nghiên cứu kinh tế lượng ứng dụng cũng như quản trị rủi ro đầu tư chứng khoán.