Khóa luận: Ảnh hưởng của Thị trường Phái sinh lên VN30 Index

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp the impact of the derivatives market on the underlying stock market the case of the vn30, vận dụng lý thuyết vào thực tế, đề xuất giải

• Tác giả: Nguyễn Xuân Hạo
• Người hướng dẫn: PTS. Nguyễn Thị Nhung
• Trường học: University of Economics and Business, Vietnam National University
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Ảnh hưởng của thị trường phái sinh tới thị trường cơ sở: Nghiên cứu trường hợp chỉ số VN30
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• DECLARATION
• ACKNOWLEDGEMENT
• LIST OF TABLES
• LIST OF FIGURES
• TABLE OF CONTENTS
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Research objectives and tasks
• 1.2. Subjects and scope of research
• 1.3. Structure of the study
• 2. CHAPTER 2: LITERATURE REVIEW AND THEORETICAL BASIS OF THE IMPACTS OF DERIVATIVE MARKET ON THE UNDERLYING STOCK MARKET
• 2.1. Literature overview about the impacts of derivative market on the underlying stock market
• 2.1.1. Overview of foreign research
• 2.1.2. Overview of domestic research
• 2.1.3. Research gap
• 2.2. Theoretical basis of derivatives market and underlying securities market
• 2.2.1. Overview about derivative securities
• 2.2.2. Overview about the underlying stock market
• 2.2.3. Impact of derivatives market on underlying securities market
• 3. CHAPTER 3 : RESEARCH METHOD AND PROPOSED MODEL
• 3.1. Data collection and analysis methodology
• 4. CHAPTER 4: IMPACTS OF THE DERIVATIVES MARKET ON THE UNDERLYING STOCK MARKET: THE CASE OF THE VN30 INDEX
• 4.1. Overview of VN30 Index and VN30 Futures
• 4.2. Descriptive Statistics
• 4.3. Impacts of VN30 Futures on VN30 Index
• 5. CHAPTER 5: DISCUSSIONS AND RECOMMENDATIONS

Tóm tắt

I. Tổng Quan Ảnh Hưởng Thị Trường Phái Sinh Đến VN30 Giới Thiệu

Thị trường phái sinh ra đời từ nhu cầu phòng ngừa rủi ro trong lĩnh vực nông nghiệp. Khi thị trường tài chính phát triển, tài sản cơ sở của các công cụ phái sinh ngày càng đa dạng và phức tạp, bao gồm cả các hợp đồng tương lai chỉ số chứng khoán. Theo Le et al. (2020), thị trường phái sinh có ba vai trò chính: (i) vai trò thiết lập giá giao ngay; (ii) vai trò như một công cụ quản lý rủi ro; và (iii) vai trò cắt giảm chi phí và tăng hiệu quả đầu tư. Tuy nhiên, trong những năm qua, các công cụ phái sinh đã phải đối mặt với nhiều cáo buộc về những tác động tiêu cực đến thị trường cơ sở. Đây cũng là lý do tại sao mối quan hệ giữa thị trường phái sinh và thị trường chứng khoán cơ sở được nhiều học giả quan tâm. Ở Việt Nam, thị trường phái sinh chính thức ra mắt vào ngày 10 tháng 8 năm 2017, với các hợp đồng tương lai chỉ số VN30 là sản phẩm phái sinh đầu tiên. Với sự kiện này, Việt Nam trở thành quốc gia thứ năm có thị trường phái sinh ở khu vực ASEAN, sau Singapore, Malaysia, Indonesia và Thái Lan. Từ tháng 7 năm 2019 đến tháng 7 năm 2021, thị trường phái sinh đã bổ sung thêm hai sản phẩm nữa: hợp đồng tương lai trái phiếu chính phủ kỳ hạn 5 năm và hợp đồng tương lai trái phiếu chính phủ kỳ hạn 10 năm. Tuy nhiên, hai sản phẩm này chỉ dành cho nhà đầu tư tổ chức. Sau gần sáu năm hoạt động, thị trường phái sinh đã cho thấy là một kênh đầu tư và một công cụ phòng ngừa rủi ro cho chứng khoán cơ sở. Số lượng tài khoản giao dịch phái sinh đang tăng lên. Tuy nhiên, hoạt động này cũng bộc lộ một số hạn chế, chẳng hạn như cơ chế tính phí qua đêm khi giao dịch trên thị trường phái sinh kích thích vòng quay giao dịch trong ngày của nhà đầu tư, tạo ra một thị trường phòng ngừa rủi ro, quản lý rủi ro và một thị trường có tính đầu cơ cao, đặt cược vào biến động giá. Gần đây nhất, vào tháng 5 năm 2022, chỉ số VNINDEX đã giảm hơn 20% giá trị từ 1.500 điểm xuống còn hơn 1.200 điểm. Nhiều người tin rằng thị trường đã bị ảnh hưởng mạnh bởi các giao dịch trên thị trường phái sinh khi các mã chứng khoán bị bán tháo ồ ạt vào phiên ATC đồng thời. Các công ty chứng khoán liên tục khuyến nghị các nhà đầu tư bán khống. Vậy, thị trường chứng khoán cơ sở có thực sự bị ảnh hưởng hay bị thao túng bởi giao dịch phái sinh quy mô lớn không? Xuất phát từ các vấn đề thực tế, nghiên cứu “Tác động của thị trường phái sinh đến thị trường chứng khoán cơ sở: Trường hợp chỉ số VN30” nhằm mục đích đánh giá tác động của hợp đồng tương lai đến thị trường chứng khoán cơ sở và dựa trên phân tích, đề xuất các giải pháp và khuyến nghị cần thiết để hạn chế rủi ro có thể xảy ra trong quá trình phát triển thị trường phái sinh và giảm thiểu tác động tiêu cực của nó. đối với thị trường chứng khoán cơ sở để tiếp tục thúc đẩy sự phát triển bền vững của cả hai thị trường.

1.1. Mục Tiêu Nghiên Cứu Tác Động Phái Sinh Lên VN30 Index

Luận án có mục tiêu phân tích và đánh giá tác động của thị trường phái sinh đối với chứng khoán cơ sở. Ngoài ra, dựa trên nghiên cứu kinh nghiệm quốc tế trong vận hành thị trường phái sinh, luận án đề xuất một số giải pháp để hạn chế rủi ro có thể xảy ra trong quá trình phát triển thị trường phái sinh, giảm tác động tiêu cực của nó đối với thị trường chứng khoán cơ sở để tiếp tục thúc đẩy sự phát triển bền vững của Sở Giao dịch Chứng khoán Việt Nam. Các câu hỏi nghiên cứu cần trả lời là: Tác động của hợp đồng tương lai chỉ số VN30 đối với chỉ số VN30 là gì? Giải pháp và khuyến nghị nào cần thiết để hạn chế rủi ro có thể xảy ra trong quá trình phát triển thị trường phái sinh, giảm tác động tiêu cực của nó đối với thị trường chứng khoán cơ sở để tiếp tục thúc đẩy sự phát triển bền vững của cả hai thị trường?

1.2. Phạm Vi Nghiên Cứu Thị Trường Phái Sinh và VN30

Đối tượng nghiên cứu là thị trường phái sinh, thị trường chứng khoán cơ sở ở Việt Nam và tác động của thị trường phái sinh đối với thị trường chứng khoán cơ sở. Phạm vi nghiên cứu tập trung vào chỉ số VN30 vì đây là nhóm 30 cổ phiếu có vốn hóa thị trường lớn nhất và đại diện cho 70-80% tổng vốn hóa thị trường, nói cách khác, chỉ số VN30 và chỉ số VN30 có tính đại diện cao cho thị trường chứng khoán Việt Nam. Do đó, nghiên cứu sẽ đánh giá tác động của hợp đồng VN30 đối với chỉ số VN30 bằng phương pháp VECM. Phạm vi thời gian 2019-2022 và được chia thành 3 giai đoạn chính: giai đoạn đi ngang (01/2019 đến 03/2020); giai đoạn tăng trưởng (03/2020 đến 06/2021); giai đoạn suy thoái (06/2021 đến 12/2022). Nghiên cứu sử dụng dữ liệu thứ cấp thu thập từ dữ liệu được công bố trên các trang web tài chính. Dữ liệu chính được sử dụng trong phân tích định lượng là chỉ số VN30 và dữ liệu hợp đồng chỉ số VN30 được thu thập thông qua nền tảng Fiinpro. Phân tích dữ liệu bằng cách sử dụng các phương pháp định tính kết hợp với mô hình VECM định lượng. Dữ liệu thu thập được sẽ được đưa vào phần mềm Eviews 8 để tiến hành phân tích và đánh giá, so sánh qua các năm.

II. Tổng Quan Nghiên Cứu Về Tác Động Phái Sinh Đến VN30

Trên thế giới, thị trường phái sinh được nhiều học giả quan tâm, một số kết quả nghiên cứu đã chỉ ra các tác động và mối quan hệ giữa thị trường phái sinh và thị trường chứng khoán cơ sở. Nghiên cứu của Chung, được thực hiện vào năm 2014, tập trung vào việc khám phá tác động của phòng ngừa rủi ro phái sinh đến thị trường giao ngay. Cụ thể, nghiên cứu đã phân tích tỷ lệ phòng ngừa chính xác của các chứng quyền có bảo đảm được giao dịch tại Sở Giao dịch Chứng khoán Đài Loan. Bằng cách kiểm tra loại công cụ phái sinh cụ thể này và tác động của nó đối với thị trường, nghiên cứu của Chung nhằm cung cấp những hiểu biết sâu sắc về mối quan hệ rộng hơn giữa giao dịch phái sinh và thị trường chứng khoán cơ sở. Các phát hiện của nghiên cứu rất có ý nghĩa, chỉ ra rằng lợi nhuận và khối lượng giao dịch bất thường có mối tương quan chặt chẽ trước ngày công bố phát hành chứng quyền. Mối quan hệ này chứng minh mối liên hệ chặt chẽ giữa sự biến động thu nhập của cổ phiếu và độ co giãn của giá đối với nhu cầu phòng ngừa rủi ro. Kết quả của nghiên cứu đã cung cấp bằng chứng ủng hộ ý kiến cho rằng nhu cầu phòng ngừa rủi ro có thể bị ảnh hưởng bởi thu nhập của cổ phiếu, từ đó ảnh hưởng đến động lực giá tổng thể của thị trường chứng khoán cơ sở. Ngoài ra, nghiên cứu của Chung phát hiện ra rằng có một tác động tiêu cực mạnh mẽ đến thị trường chứng khoán cơ sở khi chứng quyền mua hết hạn ở trạng thái có lợi nhuận. Phát hiện này nhấn mạnh những rủi ro tiềm ẩn liên quan đến giao dịch phái sinh và tầm quan trọng của việc hiểu tác động của các giao dịch đó đối với thị trường rộng lớn hơn. Nhìn chung, nghiên cứu của Chung cung cấp những hiểu biết quan trọng về mối quan hệ phức tạp giữa giao dịch phái sinh và thị trường chứng khoán cơ sở.

2.1. Nghiên Cứu Ảnh Hưởng Phái Sinh Đến Thị Trường Quốc Tế

Nghiên cứu của Malim và Halim (2017) nhằm mục đích điều tra tác động của các công cụ phái sinh đến sự biến động của thị trường chứng khoán Malaysia bằng cách sử dụng Mô hình phương sai thay đổi có điều kiện tự phát (GARCH). Nghiên cứu đã cung cấp những hiểu biết có giá trị về mối quan hệ giữa thị trường phái sinh và thị trường giao ngay, đặc biệt về vai trò chuyển đổi rủi ro của giao dịch tương lai trong việc giảm sự biến động của thị trường chứng khoán Malaysia. Nghiên cứu tiết lộ rằng việc giới thiệu giao dịch tương lai đã có tác động đáng kể đến thị trường chứng khoán Malaysia bằng cách giảm sự biến động của nó. Phát hiện này cho thấy rằng giao dịch tương lai đóng một vai trò quan trọng trong việc chuyển đổi rủi ro, vì nó cho phép các nhà đầu tư phòng ngừa vị thế của họ và quản lý rủi ro của họ đối với biến động thị trường hiệu quả hơn.

2.2. Phân Tích Độ Trễ Tác Động Giữa Thị Trường Phái Sinh và VN30

Một số nghiên cứu đi sâu vào phân tích độ trễ giữa các liên kết tác động giữa hai thị trường. Wang et al. (2017) đã xem xét mối quan hệ giữa thị trường giao ngay và thị trường tương lai của chỉ số CSI 300 từ năm 2010 đến 2014 bằng cách sử dụng dữ liệu giao dịch tần suất cao. Các phát hiện của nghiên cứu cho thấy rằng giao dịch thường xuyên trên thị trường phái sinh khiến các biến động giá xảy ra nhanh hơn so với thị trường chứng khoán, điều này đã đẩy nhanh việc đồng hóa thông tin trên thị trường. Điều này cho thấy rằng thị trường phái sinh có thể phản ứng với tin tức thị trường nhanh hơn và hiệu quả hơn so với thị trường giao ngay. Một trong những lý do cho thời gian phản ứng nhanh hơn này là các nhà đầu tư tổ chức hoạt động tích cực hơn trên thị trường phái sinh so với các nhà đầu tư cá nhân, những người là những người tham gia chính trên thị trường chứng khoán.

III. Thực Trạng Nghiên Cứu Ảnh Hưởng Phái Sinh Đến VN30 Tại VN

Thị trường phái sinh ở Việt Nam, bắt đầu hoạt động vào tháng 8 năm 2017, vẫn còn ở giai đoạn sơ khai, do đó có một lượng tài liệu học thuật hạn chế về chủ đề này. Tuy nhiên, có một số nhà nghiên cứu đã đóng góp vào lĩnh vực này và cung cấp những hiểu biết có giá trị. Bui (2014) đã xem xét sự phát triển và triển vọng của thị trường phái sinh Việt Nam. Họ đã xác định những thách thức và cơ hội mà thị trường phải đối mặt và đề xuất các biện pháp để cải thiện hoạt động của nó. Nghiên cứu của họ nhấn mạnh sự cần thiết của tính minh bạch, giáo dục nhà đầu tư và quản lý rủi ro trên thị trường. Ngoài ra, họ cho rằng các nhà tạo lập thị trường và nhà cung cấp thanh khoản đóng một vai trò quan trọng trong việc đảm bảo hoạt động trơn tru của thị trường phái sinh. Tương tự, Bui và Bach (2018) đã tập trung vào việc định giá các công cụ phái sinh tài chính trên thị trường Việt Nam. Họ đã cung cấp một phân tích toàn diện về mô hình định giá quyền chọn Black- Scholes và ứng dụng của nó vào bối cảnh Việt Nam. Hơn nữa, họ đã khám phá việc sử dụng phương pháp mô phỏng Monte Carlo để định giá các quyền chọn trên cổ phiếu Việt Nam. Nghiên cứu của họ đã làm sáng tỏ tầm quan trọng của việc định giá chính xác trên thị trường phái sinh và cách nó có thể đóng góp vào sự phát triển chung của thị trường tài chính Việt Nam.

3.1. Tổng Quan Thị Trường Phái Sinh Việt Nam Hiện Tại

Nghiên cứu của Dao và Nguyen (2019) cung cấp một nghiên cứu toàn diện về thị trường phái sinh và giao dịch ở Việt Nam, tập trung vào tình hình của thị trường trong năm hoạt động đầu tiên. Nghiên cứu nêu bật tầm quan trọng của thị trường phái sinh trong một nền kinh tế hiện đại và sự cần thiết của các thị trường này phải được quản lý và giám sát tốt. Các tác giả bắt đầu bằng cách thảo luận về các lý thuyết và khái niệm chung về thị trường phái sinh, bao gồm các loại sản phẩm phái sinh thường được giao dịch, chẳng hạn như hợp đồng tương lai, quyền chọn và hoán đổi.

3.2. Ưu Điểm và Nhược Điểm Thị Trường Phái Sinh Việt Nam

Trong nghiên cứu của mình, Nguyen và Tran đã tiến hành phân tích chuyên sâu về kết quả giao dịch trên thị trường phái sinh của Việt Nam từ năm 2017 đến năm 2021. Họ đã so sánh những ưu điểm và nhược điểm của việc tham gia vào thị trường phái sinh so với thị trường chứng khoán cơ sở. Các tác giả đã xem xét các yếu tố khác nhau như tính thanh khoản của thị trường, mức độ rủi ro giao dịch, lợi nhuận đầu tư và chi phí giao dịch trên thị trường phái sinh.

IV. Mô Hình Nghiên Cứu Tác Động Phái Sinh Lên VN30 Index

Nghiên cứu này sẽ sử dụng dữ liệu giá lịch sử của các hợp đồng tương lai chỉ số VN30 và chỉ số VN30 sẽ được thu thập trực tiếp từ dữ liệu thứ cấp thông qua nền tảng fiinpro trong giai đoạn từ năm 2019 đến năm 2022. Hiện tại, trên thị trường, có 4 sản phẩm hợp đồng tương lai chỉ số VN30, hợp đồng của tháng hiện tại, tháng tiếp theo, tháng cuối cùng của quý gần nhất và tháng cuối cùng của quý tiếp theo. Do đó, nghiên cứu sẽ tính toán lợi nhuận hàng ngày của chỉ số VN30 và 4 loại hợp đồng tương lai chỉ số VN30, sau đó phân tích và so sánh lợi nhuận của chỉ số VN30 với các chỉ số hợp đồng tương lai. Đặc biệt, khả năng sinh lời của các chỉ số được tính bằng công thức sau: dựa trên dữ liệu thu thập được trong giai đoạn 2019-2022, biến động giá được chia thành 3 giai đoạn trong giai đoạn từ 2019-2022. - Giai đoạn đi ngang: bắt đầu từ 01/2019 đến 03/2020, chỉ số biến động ổn định trong khoảng từ khoảng 838 điểm đến 935 điểm. - Giai đoạn tăng trưởng: từ 03/2020 đến 04/2022, chỉ số VN30 trong giai đoạn này tăng gần 150% từ đáy thấp nhất 628 điểm lên đỉnh 1520 điểm. - Giai đoạn suy thoái: từ 04/2022 đến 12/2022 giảm từ đỉnh 1520 điểm xuống mức thấp 910 điểm trong giai đoạn này.

4.1. Kiểm Định Tính Dừng Của Chuỗi Thời Gian VN30 và Phái Sinh

Kết quả kiểm định cho chuỗi dữ liệu thời gian VN30, VN30F1M, VN30F2M, VN30F1Q và VN30F2Q đều cho t-Statistics < 0 và p-value < 0,05, vì vậy giả thuyết HO (Yt là chuỗi dữ liệu không dừng) bị loại bỏ. Như vậy, cả 5 chuỗi bao gồm dữ liệu lợi nhuận VN30 và 4 hợp đồng tương lai chỉ số VN30 là chuỗi dừng xung quanh một đường xu hướng ngẫu nhiên. Xác định độ trễ tối ưu. Dựa trên các tiêu chí: “Độ trễ tối ưu được chọn dựa trên tiêu chí thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan Qiunn (HQ). Độ trễ khiến các thống kê trên có giá trị nhỏ nhất được coi là độ trễ tối ưu của mô hình.” Độ trễ tối ưu cho các biến VN30, VN30F1M, VN30F2M, VN30F1Q và VN30F2Q được tóm tắt trong bảng dưới đây:

4.2. Kiểm Định Đồng Liên Kết Giữa VN30 và Thị Trường Phái Sinh

Kết quả của các bài kiểm tra Trace và Max-Eigenvalue trong các bảng từ 3.5 đều cho Trace Statistic và Eigenvalue > Critical Value, do đó bác bỏ giả thuyết HO (không có đồng liên kết) và mô hình có hơn 1 đồng liên kết. Kết luận là giả thuyết H1 cũng bị bác bỏ. Điều này chỉ ra nhiều hơn một mối quan hệ dài hạn giữa chuỗi dữ liệu chỉ số VN30 và hợp đồng tương lai VN30.

4.3. Ước Lượng Mô Hình VECM Phân Tích VN30 và Phái Sinh

Các kết quả ước tính mô hình cho hệ số tương quan ETC được thể hiện trong Hình 1. Giá trị của hệ số thỏa mãn điều kiện từ -1 đến 0 trong tất cả các ước tính của mỗi giai đoạn. Xác nhận sự tồn tại của một mối quan hệ dài hạn giữa chỉ số VN30 và các hợp đồng tương lai chỉ số VN30 trong tất cả các điều kiện thị trường, cho dù trong xu hướng tăng, xu hướng giảm hay đi ngang. Có thể thấy trên biểu đồ ở Hình 3.5 rằng giá trị tuyệt đối của hệ số ETC trong giai đoạn tăng trưởng (giai đoạn 2) thấp hơn nhiều so với hai giai đoạn còn lại, đặc biệt là trong giai đoạn suy thoái (giai đoạn 3). Hơn nữa, có sự khác biệt trong mỗi chỉ số ở các giai đoạn thị trường khác nhau.

V. Giải Pháp Hạn Chế Rủi Ro và Tác Động Tiêu Cực Phái Sinh

Để giảm thiểu các biến động tiêu cực phát sinh từ đầu cơ, cần bắt đầu bằng cách nâng cao nhận thức của các nhà đầu tư khi tham gia thị trường. Đối với các nhà đầu tư khi tham gia thị trường phái sinh, cần xác định vị thế và mục tiêu của họ ngay từ đầu (đầu cơ hay phòng ngừa rủi ro). Các nhà đầu tư cần phân biệt rõ ràng giữa đầu cơ và phòng ngừa rủi ro để tránh nhận được thông tin và khuyến nghị không chính xác trên thị trường vì đây là hai hoạt động hoàn toàn khác nhau. Hoạt động phòng ngừa rủi ro dành cho các nhà đầu tư muốn bảo vệ danh mục đầu tư cơ sở của họ khỏi biến động thị trường do rủi ro hệ thống, vì vậy đây là một hoạt động cần được lên kế hoạch ngay từ đầu. Ngược lại, đầu cơ trên thị trường chỉ quan tâm đến mục tiêu lợi nhuận. Xác định mục tiêu khi tham gia thị trường giúp các nhà đầu tư tránh thông tin khuyến nghị vô căn cứ từ một số tổ chức, từ đó giảm thiểu rủi ro thua lỗ. Tác động của phòng ngừa rủi ro phái sinh đối với thị trường chứng khoán: Bằng chứng từ thị trường chứng quyền có bảo đảm của Đài Loan. Journal of Banking & Finance, 42, 123-133.

5.1. Kiểm Soát Vị Thế và Tăng Cường Quản Lý Rủi Ro Phái Sinh

Thứ nhất, yêu cầu ký quỹ nên được áp đặt bởi các phòng thanh toán bù trừ cho các thành viên. Mức ký quỹ thường được xác định bằng các phương pháp định lượng do trung tâm thanh toán bù trừ đề xuất và được cơ quan quản lý phê duyệt. Hiện tại, nhiều quốc gia sử dụng phương pháp VAR để xác định tỷ lệ ký quỹ cho các sản phẩm phái sinh, đặc biệt là đối với hợp đồng tương lai chỉ số và trái phiếu chính phủ. Thứ hai, giới hạn vị thế nên được xác định dựa trên hai yếu tố chính: quy mô thị trường và loại nhà đầu tư. Trường hợp của Hàn Quốc có giới hạn vị thế là 10.000 hợp đồng cho nhà đầu tư tổ chức và 5.000 hợp đồng cho nhà đầu tư cá nhân. Các tổ chức kinh doanh chứng khoán sẽ từ chối các lệnh từ các nhà đầu tư vượt quá giới hạn trên (Ủy ban Dịch vụ Tài chính Hàn Quốc, 2016).

5.2. Tăng Cường Minh Bạch và Nâng Cao Năng Lực Thị Trường

Thứ năm, Sở Giao dịch Chứng khoán có thể kích hoạt bộ ngắt mạch giao dịch để ngăn chặn tác động tiêu cực giữa thị trường cơ sở và thị trường phái sinh khi xảy ra biến động quá mức ở một trong hai thị trường. Các nhà đầu tư có thể đưa ra các quyết định đầu tư hợp lý hơn trong giai đoạn làm dịu sự biến động của thị trường. Ví dụ: tại thị trường Hàn Quốc, khi thị trường phái sinh có biến động giá 5% so với giá đóng cửa của ngày hôm trước trong vòng 1 phút và sự khác biệt giữa giá hiện tại và giá lý thuyết là 3% trở lên, giao dịch của tất cả các hợp đồng sẽ bị tạm ngưng trong 5 phút tiếp theo. Đồng thời, thị trường phái sinh sẽ bị tạm ngưng khi thị trường cơ sở đóng cửa.

Nội dung chính

Giới thiệu dự án

Thị trường chứng khoán phái sinh (Derivatives Market) tại Việt Nam chính thức vận hành từ ngày 10/08/2017 với sản phẩm đầu tiên là Hợp đồng tương lai (HĐTL) chỉ số VN30. Sau hơn 5 năm phát triển, thị trường đã ghi nhận những bước nhảy vọt về quy mô: tính đến năm 2022, tổng số tài khoản giao dịch phái sinh đạt 1.150.883 tài khoản (tăng 416.840 tài khoản mở mới trong năm), thanh khoản bình quân 11 tháng đầu năm 2022 đạt 249.159 hợp đồng/phiên (tăng 31,91% so với bình quân năm 2021) và thiết lập kỷ lục 647.457 hợp đồng trong phiên giao dịch ngày 25/10/2022. Rổ cổ phiếu VN30 đại diện cho 80% vốn hóa thị trường và 60% giá trị giao dịch toàn Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE).

Tuy nhiên, sự bùng nổ của thị trường phái sinh đi kèm nhiều tranh cãi gay gắt về tính hai mặt của công cụ tài chính này. Điển hình vào tháng 05/2022, chỉ số VN-Index sụt giảm hơn 20% từ mốc 1.500 điểm xuống dưới 1.200 điểm, dẫn đến làn sóng bán tháo ồ ạt trong phiên khớp lệnh định kỳ đóng cửa (ATC). Hiện tượng này làm dấy lên nghi vấn về việc các tổ chức lợi dụng vị thế bán khống (short-selling) trên thị trường HĐTL để thao túng và ép giá thị trường cơ sở nhằm tìm kiếm lợi nhuận siêu ngạch thông qua đòn bẩy tài chính cao.

+-----------------------------------------------------------------------------------+
|                            VẤN ĐỀ CỐT LÕI (PROBLEM STATEMENT)                     |
|  Cơ chế đòn bẩy cao + Phí qua đêm thúc đẩy đầu cơ trong ngày (Intraday Trading)   |
|   Xuất hiện hiện tượng ép chỉ số phiên ATC & Khuếch đại biến động thị trường      |
|    NGHIÊN CỨU: Đánh giá mối quan hệ tương quan thực nghiệm (Lead-Lag & VECM)     |
+-----------------------------------------------------------------------------------+

Dự án nghiên cứu "Tác động của thị trường chứng khoán phái sinh đến thị trường chứng khoán cơ sở: Trường hợp chỉ số VN30" được thực hiện nhằm giải quyết các mục tiêu trọng tâm:

1. Hệ thống hóa cơ sở lý luận về cơ chế truyền tải thông tin, khám phá giá (Price Discovery) và mối quan hệ giữa thị trường phái sinh và thị trường cơ sở.
2. Kiểm định định lượng mối quan hệ ngắn hạn, dài hạn và kiểm tra quan hệ dẫn dắt - trễ (Lead-Lag) giữa 4 kỳ hạn HĐTL VN30 (VN30F1M, VN30F2M, VN30F1Q, VN30F2Q) và chỉ số cơ sở VN30 thông qua mô hình Hiệu chỉnh sai số dạng Vectơ (VECM - Vector Error Correction Model).
3. Đánh giá tính phi đối xứng của tốc độ điều chỉnh cân bằng (ETC - Error Correction Term) qua 3 chu kỳ thị trường riêng biệt (Đi ngang, Tăng trưởng, Suy thoái).
4. Đề xuất khung chính sách kiểm soát rủi ro thị trường toàn diện dựa trên kinh nghiệm quốc tế (quy định tỷ lệ ký quỹ theo VaR, giới hạn vị thế Position Limits, cơ chế ngắt mạch tự động Circuit Breakers).

Phạm vi và giới hạn nghiên cứu:

• Không gian nghiên cứu: Dữ liệu chuỗi thời gian giá đóng cửa của chỉ số VN30 và 4 hợp đồng tương lai VN30F niêm yết trên HOSE và HNX.
• Thời gian nghiên cứu: Giai đoạn 2019 – 2022, được phân tách thành 3 chu kỳ động học:
  • Giai đoạn Đi ngang (Sideways): 01/2019 – 03/2020 (VN30 dao động biên độ hẹp 838 – 935 điểm).
  • Giai đoạn Tăng trưởng (Growth/Bullish): 03/2020 – 04/2022 (VN30 tăng trưởng ~150% từ đáy 628 lên đỉnh 1.520 điểm).
  • Giai đoạn Suy thoái (Recession/Bearish): 04/2022 – 12/2022 (VN30 điều chỉnh mạnh từ đỉnh 1.520 về đáy 910 điểm).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu ứng dụng các phương pháp kinh tế lượng tài chính đòi hỏi đánh giá sự phù hợp giữa các phương pháp mô hình hóa chuỗi thời gian phi dừng (Non-stationary Time Series).

Phương pháp	Ưu điểm	Nhược điểm	Đánh giá tính khả thi
OLS cổ điển (Ordinary Least Squares)	Đơn giản, trực quan, tốc độ tính toán nhanh.	Dễ xảy ra hiện tượng hồi quy giả mạo (Spurious Regression) khi chuỗi dữ liệu tài chính không dừng; không phản ánh được tương tác trễ hai chiều.	Không phù hợp
GARCH / EGARCH (Autoregressive Conditional Heteroskedasticity)	Đo lường tốt phương sai thay đổi có điều kiện, độ biến động (Volatility Clustering) và hiệu ứng bất đối xứng của tin tức.	Chỉ tập trung vào phương sai, không tách bạch được cơ chế điều chỉnh về cân bằng dài hạn và tác động động học đa biến của các kỳ hạn HĐTL.	Phù hợp phân tích độ biến động, không tối ưu cho mối liên kết giá
Mô hình VAR (Vector Autoregression)	Khảo sát tốt mối liên hệ nội sinh đa biến, dự báo động lực học ngắn hạn không cần áp đặt cấu trúc tiền định.	Bắt buộc lấy sai phân bậc 1 khi chuỗi phi dừng dẫn đến làm mất đi toàn bộ thông tin cân bằng dài hạn (Long-run Equilibrium Information).	Chưa tối ưu
Mô hình VECM (Vector Error Correction Model) - LỰA CHỌN	Tích hợp liên kết đồng tích hợp (Cointegration), tách bạch rõ ràng tương tác ngắn hạn và tốc độ phục hồi cân bằng dài hạn qua hệ số ETC.	Đòi hỏi quy trình kiểm định nghiêm ngặt (ADF, Johansen, LM Test, CUSUM) để tránh sai lệch thông số.	Tối ưu tuyệt đối cho bài toán

Mô hình phân tích yêu cầu nghiên cứu theo ma trận MoSCoW:

• Must have: Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF); Lựa chọn độ trễ tối ưu (AIC, SC, HQ); Kiểm định đồng tích hợp Johansen (Trace & Max-Eigenvalue Test); Ước lượng hệ số hiệu chỉnh sai số ETC trong mô hình VECM.
• Should have: Kiểm định tính ổn định tham số bằng CUSUM (Recursive Estimates); Kiểm định tương quan chuỗi Breusch-Godfrey Serial Correlation LM.
• Could have: Tách lớp tác động theo từng kỳ hạn hợp đồng (1 tháng, 2 tháng, 1 quý, 2 quý).
• Won't have: Mô hình hóa giao dịch tần suất siêu cao cỡ mili-giây (High-frequency Tick-by-tick data) do hạn chế hạ tầng dữ liệu thứ cấp.

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu kinh tế lượng được chuẩn hóa thành 5 mô-đun chức năng khép kín:

|                          KIẾN TRÚC HỆ THỐNG XỬ LÝ KINH TẾ LƯỢNG            |
|                                                                             |
|                                     [Kiểm định Nghiệm đơn vị ADF]           |
|                                     [Lựa chọn Độ trễ: AIC / SC / HQ]        |
|                                     [Kiểm định Đồng tích hợp Johansen]      |
|                                     [Ước lượng Mô hình VECM & Hệ số ETC]    |
|               [Hậu kiểm định: Wald Test + Breusch-Godfrey + CUSUM]          |
|                                                                             |

Technology Stack & Infrastructure Specifications:

• Nền tảng phân tích định lượng: EViews (Version 8.0 Enterprise).
• Hệ thống cung cấp dữ liệu tài chính: FiinPro Platform (Financial Database API & Desktop Terminal).
• Ngôn ngữ tiền xử lý dữ liệu: Python 3.9 (Thư viện: pandas v1.4.2, numpy v1.22.3, scipy v1.8.0, statsmodels v0.13.2).
• Môi trường hệ thống: Workstation Linux / Windows 64-bit, Intel Core i7, 16GB RAM.
• Tính toàn vẹn dữ liệu: Toàn bộ chuỗi dữ liệu chuỗi thời gian giá đóng cửa được kiểm tra loại trừ Missing Values, Outliers bất thường và căn chỉnh đồng bộ múi giờ giao dịch giữa HOSE và HNX.

Methodology

Nghiên cứu áp dụng quy trình thực nghiệm định lượng chuẩn mực trong kinh tế lượng tài chính quốc tế:

1. Giai đoạn Thu thập & Tiền xử lý dữ liệu (Milestone 1): Thu thập chuỗi giá đóng cửa hàng ngày $P_t$ của VN30, VN30F1M, VN30F2M, VN30F1Q, VN30F2Q. Tính toán tỷ suất sinh lời hàng ngày (Daily Return): $$R_t = \ln\left(\frac{P_t}{P_{t-1}}\right) \times 100$$
2. Giai đoạn Kiểm định Tính dừng (Milestone 2): Thực hiện kiểm định nghiệm đơn vị mở rộng Dickey-Fuller (ADF) trên chuỗi dữ liệu gốc $I(0)$ và sai phân bậc 1 $I(1)$ với 2 dạng mô hình có hằng số và có xu hướng thời gian.
3. Giai đoạn Tối ưu hóa Độ trễ & Đồng tích hợp (Milestone 3): Sử dụng các tiêu chuẩn thông tin Akaike Information Criterion (AIC), Schwarz Criterion (SC), Hannan-Quinn Criterion (HQ) để chọn bậc trễ $k$. Tiến hành kiểm định đồng tích hợp Johansen.
4. Giai đoạn Ước lượng VECM & Phân tích Động học (Milestone 4): Xây dựng phương trình VECM, trích xuất hệ số điều chỉnh sai số $ETC_{t-1}$ theo 3 giai đoạn thị trường.
5. Giai đoạn Kiểm định Chẩn đoán (Milestone 5): Đánh giá tính phù hợp của mô hình qua kiểm định nhân tử Lagrange (LM Test), kiểm định Wald và kiểm định độ ổn định tham số tích lũy CUSUM.

---

Implementation và kết quả

Development process

1. Thuật toán Kiểm định Nghiệm đơn vị Mở rộng (ADF Test)

Phương trình ước lượng kiểm định ADF bao gồm dạng không có xu hướng (1) và có xu hướng thời gian (2): $$\Delta y_t = \alpha_0 + \gamma y_{t-1} + \sum_{i=1}^k \beta_i \Delta y_{t-i} + \epsilon_t \quad (1)$$ $$\Delta y_t = \alpha_0 + \delta t + \gamma y_{t-1} + \sum_{i=1}^k \beta_i \Delta y_{t-i} + \epsilon_t \quad (2)$$

Trong đó: $\Delta y_t = y_t - y_{t-1}$, $\alpha_0$ là hệ số chặn, $t$ là biến xu hướng thời gian, $k$ là độ dài trễ tối ưu, $\epsilon_t$ là phần dư nhiễu trắng (White Noise). Giả thuyết kiểm định:

• $H_0: \gamma = 0$ (Chuỗi dữ liệu không dừng - chứa nghiệm đơn vị).
• $H_1: \gamma < 0$ (Chuỗi dữ liệu dừng).

Giá trị thống kê kiểm định tính toán $\tau = \frac{\hat{\gamma}}{SE(\hat{\gamma})}$ được so sánh với giá trị tới hạn trong bảng tra MacKinnon (1996) ở mức ý nghĩa 5%.

2. Cấu trúc Mô hình Hiệu chỉnh Sai số Vectơ (VECM)

Khi tồn tại mối quan hệ đồng tích hợp giữa biến phụ thuộc $Y_t$ (Chỉ số VN30) và biến độc lập $X_t$ (HĐTL VN30), phương trình VECM tổng quát được thiết lập: $$\Delta Y_t = \beta_0 + \sum_{i=1}^n \beta_{1i} \Delta Y_{t-i} + \sum_{i=0}^n \delta_i \Delta X_{t-i} + \theta ETC_{t-1} + \epsilon_t$$

Thành phần hiệu chỉnh sai số trễ $ETC_{t-1}$ được xác định từ phần dư của hồi quy đồng tích hợp dài hạn: $$ETC_{t-1} = Y_{t-1} - \beta_0 - \beta_1 X_{t-1}$$ Hệ số $\theta$ (hệ số ETC) đóng vai trò là tham số đo lường tốc độ điều chỉnh sai lệch của biến số để kéo hệ thống quay trở lại điểm cân bằng dài hạn sau cú sốc ngắn hạn. Để mô hình hội tụ ổn định, $\theta$ phải mang giá trị âm và nằm trong khoảng $-1 \le \theta < 0$.

# Đoạn mã Python minh họa quy trình ước lượng VECM tương đương trên EViews
import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import adfuller
from statsmodels.tsa.vector_ar.vecm import VECM, select_order, select_coint_rank

def run_econometric_pipeline(df_prices):
    # Bước 1: Tính toán Daily Returns
    returns = np.log(df_prices / df_prices.shift(1)).dropna() * 100
    
    # Bước 2: Kiểm tra tính dừng ADF Test
    adf_results = {}
    for col in returns.columns:
        res = adfuller(returns[col], regression='c')
        adf_results[col] = {'ADF_Stat': res[0], 'p-value': res[1]}
    
    # Bước 3: Lựa chọn độ trễ tối ưu qua AIC/BIC
    lag_order = select_order(returns, maxlags=5, deterministic="ci")
    optimal_lag = lag_order.aic
    
    # Bước 4: Kiểm định Hạng đồng tích hợp Johansen
    coint_rank = select_coint_rank(returns, det_order=0, k_ar_diff=optimal_lag, 
                                   method='trace', signif=0.05)
    
    # Bước 5: Ước lượng mô hình VECM
    vecm_model = VECM(returns, k_ar_diff=optimal_lag, coint_rank=coint_rank.rank, deterministic='ci')
    vecm_res = vecm_model.fit()
    
    return adf_results, optimal_lag, coint_rank.rank, vecm_res.summary()

Testing và validation

1. Thống kê mô tả dữ liệu (Descriptive Statistics)

Dữ liệu tỷ suất sinh lời hàng ngày giai đoạn 2019 – 2022 ghi nhận giá trị trung bình $\approx 0.00064$, đối xứng chuẩn quanh giá trị trung tâm. Hệ số Skewness âm thể hiện phân phối lệch trái (Left-skewed), Kurtosis $> 3$ phản ánh đặc tính đuôi béo (Fat-tailed) và đỉnh nhọn phổ biến của chuỗi tài chính. Biên độ dao động tỷ suất sinh lời nằm trong khoảng $[-0.076; 0.0677]$.

2. Kết quả Kiểm định Nghiệm đơn vị (ADF Test)

Kết quả kiểm định ADF trên toàn bộ 5 chuỗi tỷ suất sinh lời (VN30, VN30F1M, VN30F2M, VN30F1Q, VN30F2Q) cho thấy giá trị kiểm định t-Statistics $< 0$ và p-value $< 0.05$. Bác bỏ giả thuyết $H_0$, xác nhận toàn bộ các chuỗi đều dừng ở mức $I(0)$ quanh xu hướng ngẫu nhiên, thỏa mãn điều kiện tiên quyết cho phân tích hồi quy chuỗi thời gian.

3. Xác định Bậc trễ Tối ưu (Optimal Lags)

Căn cứ trên các tiêu chí AIC, SC và HQ nhỏ nhất, độ trễ tối ưu cho từng cặp biến số được xác lập theo từng giai đoạn thị trường:

Giai đoạn Thị trường	VN30 & VN30F1M	VN30 & VN30F2M	VN30 & VN30F1Q	VN30 & VN30F2Q
Giai đoạn 1 (Đi ngang: 01/2019 - 03/2020)	1	1	2	2
Giai đoạn 2 (Tăng trưởng: 03/2020 - 06/2021)	1	1	1	1
Giai đoạn 3 (Suy thoái: 06/2021 - 12/2022)	1	2	1	1

4. Kiểm định Đồng tích hợp Johansen (Cointegration Test)

Kết quả kiểm định Trace Statistic và Maximum Eigenvalue giữa chỉ số VN30 và các hợp đồng phái sinh đều cho kết quả thống kê vượt trội so với giá trị tới hạn (Critical Values) tại mức ý nghĩa 5%, với giá trị xác suất $p = 0.0000$.

Bằng chứng thực nghiệm (Trích xuất từ kết quả Johansen Test EViews):

• Hypothesized No. of CE(s) = None: Trace Statistic $>$ Critical Value ($p = 0.0000$) $\rightarrow$ Bác bỏ $H_0$.
• Hypothesized No. of CE(s) = At most 1: Trace Statistic $>$ Critical Value ($p = 0.0000$) $\rightarrow$ Bác bỏ $H_0$.
• Kết luận: Tồn tại ít nhất 2 phương trình đồng tích hợp ở mức ý nghĩa 5%, khẳng định mối quan hệ ràng buộc cân bằng dài hạn vững chắc giữa thị trường phái sinh và chỉ số VN30.

Kết quả đạt được

+-----------------------------------------------------------------------------------+
|             DIỄN BIẾN HỆ SỐ ĐIỀU CHỈNH SAI SỐ (ETC COEFFICIENT)                   |
|                                                                                   |
+-----------------------------------------------------------------------------------+

1. Tính hợp lệ của cơ chế hiệu chỉnh sai số (ETC): Giá trị ước lượng hệ số ETC trong tất cả các kịch bản đều mang dấu âm và thỏa mãn điều kiện $[-1; 0]$, chứng minh rằng cơ chế điều chỉnh nội tại luôn hoạt động để kéo các sai lệch giữa giá HĐTL và chỉ số cơ sở về trạng thái cân bằng.
2. Sự biến thiên tốc độ điều chỉnh theo chu kỳ:
   • Giai đoạn Tăng trưởng (Bullish): Giá trị tuyệt đối của hệ số ETC đạt mức thấp nhất ($|ETC| \approx 0.05 - 0.15$). Khi thị trường lạc quan, tâm lý mua đuổi trên thị trường cơ sở làm sai lệch giá giữa 2 thị trường kéo dài lâu hơn, tốc độ điều chỉnh chậm.
   • Giai đoạn Suy thoái (Bearish): Giá trị tuyệt đối của hệ số ETC tăng vọt ($|ETC| \approx 0.85 - 0.95$). Khi thị trường hoảng loạn, sự điều chỉnh diễn ra cực kỳ nhanh chóng và khốc liệt. HĐTL đóng vai trò dẫn dắt trực tiếp và truyền dẫn áp lực bán khống tức thì lên VN30 cơ sở.
   • Giai đoạn Đi ngang (Sideways): Hệ số $|ETC| \approx 0.40 - 0.50$, phản ánh tốc độ phục hồi cân bằng vừa phải.
3. Mức độ ảnh hưởng vượt trội của HĐTL VN30F1M: Hợp đồng kỳ hạn tháng hiện tại (VN30F1M) có tác động mạnh nhất và độ trễ phản ứng ngắn nhất lên chỉ số VN30 trong cả giai đoạn đi ngang và suy thoái, nhờ chiếm hơn 85% tổng thanh khoản thị trường phái sinh.
4. Kết quả kiểm định chẩn đoán mô hình:
   • Kiểm định Wald: Bác bỏ giả thuyết các hệ số bằng 0 ($p < 0.05$), xác nhận tác động ngắn hạn của HĐTL lên VN30.
   • Breusch-Godfrey LM Test: Giá trị $p > 0.05$ tại mọi độ trễ $\rightarrow$ Không có hiện tượng tự tương quan chuỗi trong phần dư.
   • Độ ổn định tham số (Recursive CUSUM Test): Đường đồ thị CUSUM nằm hoàn toàn bên trong dải giới hạn ý nghĩa 5% (5% Significance boundaries), chứng minh mô hình VECM đạt độ tin cậy và ổn định cấu trúc cao.

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và giá trị thực tiễn nổi bật khi so sánh với các công trình nghiên cứu trước đây:

Tiêu chí so sánh	Nghiên cứu Nguyễn et al. (2019)	Nghiên cứu Nguyễn & Trương (2020)	Nghiên cứu Đồ án Hiện tại (2023)
Mô hình định lượng	EGARCH	OLS, GARCH(1,1), EGARCH(1,1)	Đồng tích hợp Johansen + VECM + CUSUM
Dữ liệu phân tích	Dữ liệu sơ khai 2017 – 2019 (21 chu kỳ)	Dữ liệu 2012 – 2019	Chuỗi thời gian hoàn chỉnh 2019 – 2022
Phân rã chu kỳ thị trường	Không phân tách giai đoạn	Không phân tách	Phân tách 3 pha rõ rệt: Sideways, Bullish, Bearish
Phân tích chi tiết hợp đồng	Gộp chung toàn bộ HĐTL	Chỉ kiểm định đại diện chung	Tách biệt 4 mã kỳ hạn (F1M, F2M, F1Q, F2Q)
Phát hiện động học	Chỉ ra đòn bẩy làm tăng biến động	Lượng giao dịch tăng 7,5% sau phái sinh	Xác định tính phi đối xứng của hệ số ETC theo pha thị trường

Những điểm đổi mới kỹ thuật cốt lõi:

• Lượng hóa sự bất đối xứng trong tốc độ truyền dẫn thông tin: Chứng minh thực nghiệm rằng trong pha suy thoái (Bear Market), tốc độ điều chỉnh cân bằng của phái sinh lên cơ sở nhanh gấp 5 - 8 lần so với pha tăng trưởng (Bull Market).
• Giải mã nghịch lý hành vi thị trường Việt Nam: Kết quả nghiên cứu làm sáng tỏ lý do HĐTL phái sinh tại Việt Nam có xu hướng dẫn dắt mạnh trong pha giảm (trái ngược với phát hiện của Ren (2019) tại Trung Quốc - nơi phái sinh tác động mạnh hơn trong pha tăng). Nguyên nhân xuất phát từ tâm lý bầy đàn (Herd Mentality) của nhà đầu tư cá nhân chiếm hơn 90% giao dịch cơ sở, dễ hoảng loạn bán tháo khi nhận tín hiệu Short phái sinh.

---

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu và căn cứ khoa học chuẩn xác để các cơ quan quản lý và định chế tài chính thiết lập khung chính sách điều hành:

|                     KHUNG GIẢI PHÁP QUẢN TRỊ RỦI RO ĐỀ XUẤT                 |
|                                                                             |
|                                                                             |

1. Cơ chế Ngắt mạch Giao dịch Tự động (Trading Circuit Breakers)

Học tập cơ chế điều hành từ Sở Giao dịch Chứng khoán Hàn Quốc (KRX):

• Khi giá HĐTL biến động lệch $\ge 5%$ so với giá đóng cửa phiên trước trong vòng 1 phút, đồng thời độ lệch Basis giữa giá HĐTL thực tế và giá lý thuyết (Theoretical Price) vượt quá $\ge 3%$, hệ thống tự động tạm ngừng khớp lệnh toàn bộ HĐTL trong 5 phút.
• Tạm dừng giao dịch phái sinh ngay lập tức nếu thị trường cơ sở HOSE kích hoạt tạm ngừng giao dịch khẩn cấp.

2. Tái cấu trúc Quy định Ký quỹ và Giới hạn Vị thế (Margin & Position Limits)

• Phương pháp định mức Ký quỹ: Chuyển đổi mô hình tỷ lệ ký quỹ cố định sang mô hình định lượng giá trị chịu rủi ro (VaR - Value at Risk) kết hợp kiểm tra sức chịu tải căng thẳng (Stress Testing).
• Quy định Giới hạn Vị thế (Position Limits):
  • Nhà đầu tư cá nhân: Tối đa 5.000 hợp đồng/tài khoản.
  • Nhà đầu tư tổ chức: Tối đa 10.000 hợp đồng/tài khoản.
  • Từ chối lệnh tự động tại cổng kết nối CTCK nếu vượt ngưỡng.
• Giới hạn đòn bẩy CTCK: Thiết lập mức trần rủi ro tối đa không vượt quá 10 lần giá trị ký quỹ thực có của khách hàng.

3. Lộ trình Triển khai Thực tế (Roadmap)

2023 - Q3/2023: Nâng cấp Core hệ thống KRX & Giám sát dữ liệu liên thị trường
Q4/2023 - 2024: Ban hành khung giới hạn vị thế (Position Limits) & VaR Margin
2024 - 2025   : Thử nghiệm Circuit Breakers liên thông & Báo cáo dữ liệu OTC

---

Hạn chế và hướng phát triển

Hạn chế học thuật

• Độ phân giải dữ liệu: Nghiên cứu sử dụng dữ liệu chuỗi thời gian giá đóng cửa theo ngày (End-of-day daily data). Mô hình chưa bao quát hết các xung đột lệnh diễn ra ở tần suất phút hoặc giây trong 15 phút phiên ATC.
• Cấu trúc sản phẩm: Nghiên cứu chỉ tập trung vào 4 HĐTL chỉ số VN30, chưa mở rộng ra các HĐTL Trái phiếu Chính phủ 5 năm, 10 năm (do hạn chế thanh khoản nhà đầu tư cá nhân).
• Mô hình tuyến tính: Mô hình VECM giả định mối quan hệ điều chỉnh cân bằng là tuyến tính, chưa tính đến các hiện tượng chuyển đổi trạng thái phi tuyến (Threshold Cointegration).

Hướng nghiên cứu mở rộng

• Ứng dụng mô hình Threshold VECM (TVECM) hoặc Markov-Switching VECM để nắm bắt sự chuyển đổi trạng thái biến động đột ngột.
• Tích hợp mô hình lai VECM-GARCH-BEKK hoặc DCC-GARCH để đồng thời ước lượng độ lệch giá trị trung bình và quá trình lan truyền phương sai (Volatility Spillover).
• Khai thác dữ liệu khớp lệnh tần suất cao (Intraday High-frequency Order Book) để phân tích chi tiết hành vi ép giá trong các đợt đáo hạn phái sinh.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                                |
+-----------------------+-----------------------------------------------------------+
| Nhóm đối tượng        | Giá trị thực tế & Lợi ích định lượng                      |
+-----------------------+-----------------------------------------------------------+
| Sinh viên & Học viên  | Mẫu hình chuẩn hóa quy trình phân tích kinh tế lượng VECM |
| Quants & Developers   | Bộ tham số Lead-Lag thực nghiệm để tối ưu thuật toán      |
| Doanh nghiệp & Quỹ    | Tối ưu hóa tỷ lệ phòng hộ rủi ro (Optimal Hedge Ratio)    |
| Cơ quan Quản lý       | Căn cứ khoa học thiết lập Circuit Breakers & VaR Margin  |
+-----------------------+-----------------------------------------------------------+

• Sinh viên và Nhà nghiên cứu trẻ: Nắm bắt quy trình thực nghiệm kinh tế lượng chuẩn mực từ kiểm định nghiệm đơn vị, đồng tích hợp Johansen đến mô hình hiệu chỉnh sai số VECM kèm bộ mã nguồn kiểm thử.
• Chuyên viên Định lượng (Quant Developers): Sử dụng các phát hiện về hệ số ETC để xây dựng các thuật toán giao dịch chênh lệch giá (Statistical Arbitrage) giữa rổ VN30 và VN30F1M khi Basis giãn rộng bất thường.
• Quỹ đầu tư và Doanh nghiệp: Ứng dụng mô hình để xác định tỷ lệ phòng hộ danh mục tối ưu (Optimal Hedging Ratio), giảm thiểu rủi ro hệ thống trong các chu kỳ thị trường suy thoái mà không cần bán tháo cổ phiếu cơ sở.
• Cơ quan Quản lý (SSC, VSD, HNX, HOSE): Có cơ sở định lượng để hoàn thiện thể chế giám sát giao dịch chéo thị trường, bảo vệ quyền lợi nhà đầu tư và giữ vững tính ổn định của thị trường tài chính quốc gia.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để tái lập mô hình nghiên cứu?

Hệ thống cần tối thiểu 8GB RAM, bộ xử lý 4 cores, phần mềm EViews phiên bản 8.0 trở lên (hoặc môi trường Python 3.8+ với thư viện statsmodels, arch, pandas). Dữ liệu chuỗi thời gian cần được thu thập chuẩn xác từ các cổng cung cấp dữ liệu tài chính có bản quyền (FiinPro, Bloomberg, Refinitiv Eikon).

2. Tại sao mô hình VECM vượt trội hơn mô hình VAR trong nghiên cứu này?

Mô hình VAR yêu cầu tất cả các chuỗi phải dừng. Khi dữ liệu tài chính không dừng ở $I(0)$ mà dừng ở sai phân bậc 1 $I(1)$, nếu dùng VAR ta phải lấy sai phân, điều này triệt tiêu toàn bộ thông tin về mối quan hệ cân bằng dài hạn. VECM kết hợp được cả biến động ngắn hạn và liên kết cân bằng dài hạn thông qua thành phần đồng tích hợp $ETC_{t-1}$.

3. Làm thế nào để phân biệt hành vi Phòng vệ rủi ro (Hedging) và Đầu cơ (Speculation)?

• Hedging: Nhà đầu tư đang sở hữu danh mục cổ phiếu cơ sở và mở vị thế Short phái sinh với tỷ trọng tương ứng nhằm bảo vệ giá trị danh mục trước rủi ro giảm giá chung của thị trường.
• Speculation: Nhà đầu tư không nắm giữ cổ phiếu cơ sở, sử dụng đòn bẩy phái sinh cao để mở vị thế Long/Short trong ngày nhằm tìm kiếm lợi nhuận từ biến động giá ngắn hạn.

4. Cơ chế hoạt động của hệ số ETC khi Basis bị định giá sai?

Khi giá HĐTL cao hơn giá trị lý thuyết so với VN30 (Trading at a Premium), hệ số $\theta < 0$ trong phương trình VECM sẽ kích hoạt cơ chế kéo giá HĐTL điều chỉnh giảm xuống và kéo chỉ số VN30 tăng lên trong các phiên tiếp theo để triệt tiêu độ lệch, đưa hệ thống về trạng thái cân bằng.

5. Tại sao HĐTL kỳ hạn VN30F1M lại có tác động chi phối mạnh nhất?

VN30F1M có thời gian đáo hạn gần nhất, thanh khoản khớp lệnh tập trung lớn nhất (chiếm $>85%$ thị phần giao dịch), độ lệch chi phí vốn (Cost of Carry) thấp nhất, do đó tốc độ hấp thụ và phản ánh tin tức vĩ mô vào giá diễn ra tức thì so với các kỳ hạn xa (F2M, F1Q, F2Q).

---

Kết luận

Đồ án nghiên cứu đã giải quyết trọn vẹn bài toán học thuật và thực tiễn về mối quan hệ tương tác giữa thị trường chứng khoán phái sinh và thị trường chứng khoán cơ sở tại Việt Nam qua trường hợp chỉ số VN30 giai đoạn 2019 – 2022.

Thông qua các quy trình kiểm định kinh tế lượng khắt khe từ nghiệm đơn vị ADF, độ trễ tối ưu AIC/SC/HQ, kiểm định đồng tích hợp Johansen đến mô hình Vectơ hiệu chỉnh sai số VECM, nghiên cứu đã khẳng định:

1. Tồn tại mối quan hệ đồng tích hợp cân bằng dài hạn vững chắc giữa 4 hợp đồng tương lai VN30F và chỉ số cơ sở VN30.
2. Thị trường phái sinh thực hiện tốt chức năng khám phá giá (Price Discovery) và phát tín hiệu dẫn dắt chỉ số cơ sở.
3. Tốc độ điều chỉnh cân bằng (ETC) có tính phi đối xứng rõ rệt: diễn ra cực nhanh và mạnh mẽ trong các chu kỳ thị trường suy thoái, nơi HĐTL VN30F1M đóng vai trò tâm điểm truyền dẫn xung lực.

Công trình là tài liệu tham khảo giá trị cho các nhà hoạch định chính sách trong việc thiết lập cơ chế quản trị rủi ro đa tầng (VaR Margin, Circuit Breakers, Position Limits) nhằm thúc đẩy thị trường vốn Việt Nam phát triển an toàn, minh bạch và bền vững.

Trích đoạn nội dung tài liệu

UNIVERSITY OF ECONOMICS AND BUSINESS VIETNAM NATIONAL UNIVERSITY GRADUATION THESIS THE IMPACT OF THE DERIVATIVES MARKET ON THE UNDERLYING STOCK MARKET: THE CASE OF THE VN30 INDEX Hanoi - April 2023 UNIVERSITY OF ECONOMICS AND BUSINESS VIETNAM NATIONAL UNIVERSITY GRADUATION THESIS THE IMPACT OF THE DERIVATIVES MARKET ON THE UNDERLYING STOCK MARKET: THE CASE OF THE VN30 INDEX LECTURER : PhD. Nguyén Thi Nhung STUDENT : Nguyén Xuan Hao STUDENT CODE : 19050650 CLASS : QH2019E-TCNH CLC 1 Hanoi - April 2023 DECLARATION I hereby declare that this thesis is my own personal research work, not copied from anyone else because I have researched, read, translated, compiled, and performed under the guidance of lecturer. Nguyen Thi Nhung. For the thesis's theoretical content, I used some references as presented in the references section.

The data, software program and results in the thesis are honest and have not been published in other works. ACKNOWLEDGEMENT First and foremost, I would like to express my sincere gratitude to my thesis advisor, Dr. Nguyen Thi Nhung. With her enthusiastic guidance and suggestions throughout the entire process, I was able to complete this dissertation.

I would also like to thank the faculty and staff of the University of Economic and Business, Vietnam National University, especially Faculty of Finance and Banking, who provided me with the necessary resources, knowledge, and opportunities to pursue my academic knowledge and gain practical experiences. Although my graduation thesis is not completely accomplished, I believe it will be a stepping stone for my future career. Thank you sincerely! LIST OF TABLES No Name Page Table 4.1 Features of VN30 stock index futures contract 38 Table 4.2 Descriptive statistics of data 41 Table 4.3 Optimal lags of pairs of variables in each period 43 Table 4.4 Trace va Max-Eigenvalue test between VN30 Index and 43 VN30F1M Table 4.5 Trace va Max-Eigenvalue test betweenVN30 Index and 44 VN30F2M Table 4.6 Trace va Max-Eigenvalue test between VN30 Index and 45 VN30F1Q Table 4.7 Trace va Max-Eigenvalue between VN30 Index and 46 VN30F2Q LIST OF FIGURES No | Name Page Figure 4.1 | ETC coefficient in 3 periods 49 Figure 4.2 | Stability Diagnostics 50 TABLE OF CONTENTS Man.scsssssssssssssesssnsnsseensensaneosensecsousasensensaneneeneensaneaeeneonsaneneensensaueteneonsaneneeneeneates 3 LIST OF TABLES.cssssssssssessssssssssseesscssesesscsorsssensecsocsoesnseesesseeneeceocsaseneeceacsneentensacsatenteesaesntentensaneatens 4 LIST OF FIGURES .csssssssssssssssssessssenssseesseesenssessseeseenssnseeseenseesueneaeeneneeseneaeenseeceneauensorensnsonenseneneneens 4 TABLE OF CONTTENTTS. Research objectives and taSÌkS.

Subjects and scope Of research. Structure Of the Study ou. eee ees sesseeesseestecstecseestecseeseecseecstecseesatesseesseeeseesasesseesueesseesseesneenee 9 CHAPTER 2: LITERATURE REVIEW AND THEORETICAL BASIS OF THE IMPACTS OF DERIVATIVE MARKET ON THE UNDERLYING STOCK MARKETT. Literature overview about the impacts of derivative market on the underlying STOCK I4 KC.Overview of foreign research 0n.0verview of domestic reS€arFCH.

RES€arch Sap nh 5Ý. Theoretical basis of derivatives market and underlying securities market. Overview about derivative SECUTItICS 0. Overview about the underlying stock market.

Impact of derivatives market on underlying securities market. 24 CHAPTER 3 : RESEARCH METHOD AND PROPOSED MODEL.Data collection and analysis methodoÌOgV. ng TH ng ng Hiệp 28 CHAPTER 4: IMPACTS OF THE DERIVATIVES MARKET ON THE UNDERLYING STOCK MARKET: THE CASE OF THE VN30 INDEX. Overview of VN30 Index and VN30 FUtUF€S.

DesCTIptiV€ StatÏSẨÍCS. HH Hàn HH HH TH HH HH HH HH Hành HH Hà ngtrrrrtrkt 35 4. Impacts of VN30 Futures on VN30 Index.«--s-cscccerekxeerrererrrrrrerrree 35 CHAPTER 5: DISCUSSIONS AND RECOMMENDATIONS. Introduction The derivatives market was born out of the need to hedge risks in the agricultural sector.

As the financial market develops, the underlying assets of derivatives become increasingly diversified and complex, including stock index futures contracts. According to Le et al. (2020), the derivatives market has three main roles: (i) the role of setting spot prices; (ii) the role as a risk management tool; and (iii) the role of cutting costs and increasing investment efficiency. However, over the years, derivatives have faced many allegations of negative effects on the underlying market.

This is also why the relationship between the derivatives market and the underlying stock market is of interest to many scholars. In Vietnam, the derivatives market was officially launched on August 10, 2017, with VN30 index futures contracts as the first derivative product. With this event, Vietnam became the fifth country with a derivatives market in the ASEAN region, after Singapore, Malaysia, Indonesia, and Thailand. From July 2019 to July 2021, the derivatives market added two more products: 5-year government bond futures contracts and 10-year government bond futures contracts.

However, these two products are only available to institutional investors. After nearly six years of operation, the derivatives market has shown to be an investment channel and a hedging tool for the underlying securities. The number of derivatives trading accounts is increasing. However, this activity also reveals some limitations, such as the mechanism of charging overnight fees when trading on the derivatives market stimulating investors’ intraday turnover, making a hedging market, risk management, and a highly speculative market, betting on price movements.

Most recently, in May 2022, the VNINDEX index decreased by more than 20% in value from 1,500 points to more than 1,200 points. Many believe that the market was strongly affected by transactions on the derivatives market when securities codes were massively sold at the ATC session simultaneously. Securities companies continuously recommended investors to short-sell. So, is the underlying stock market genuinely affected or manipulated by large-scale derivatives trading? Stemming from practical issues, the research “The impact of the derivatives market on the underlying stock market: the case of the VN30 Index” aims to assess the impact of futures contracts on the underlying securities market and based on the analysis, propose necessary solutions and recommendations to limit the risks that may occur during the development of the derivatives market and minimize its negative impacts.

to the underlying stock market to further promote the sustainable development of both markets. Research objectives and tasks The thesis has the objective of analyzing and assessing the impact ofthe derivatives market on the underlying security. In addition, based on the study of international experience in operating the derivatives market, the thesis proposes a number of solutions to limit the risks that may occur during the development of the derivatives market, reduce its negative impacts on the underlying securities market to further promote the sustainable development of the market Vietnam Stock Exchange. Research Questions - What is the impact of VN30 index futures contracts on VN30 Index ? - What are the solutions and recommendations needed to limit the risks that may occur during the development of the derivatives market, reduce its negative impacts on the underlying securities market to further promote the sustainable development of both markets ? 1.

Subjects and scope of research 1. Subjects of study The derivatives market, the underlying securities market in Vietnam, and the impact of the derivatives market on the underlying securities market. Scope of research ° Spatial Range The study only focuses on the VN30 index for the reason that it is the group of 30 stocks with the largest market capitalization and represents 70-80% of the total market capitalization, in other words, the VN30 index and VN30 index are highly representative of the Vietnamese stock market. Thus, the study will assess the impact of the VN30 contract on the VN30 index using the VECM method.

° Time range 2019-2022 and divided into 3 main phases sideways phase (01/2019 to 03/2020); growth period (03/2020 to 06/2021); recession period (06/2021 to 12/2022) 1. Data collection method The study used secondary data collected from data published on financial websites. The main data used in quantitative analysis is the VN30 index and the VN30 index contract data collected through the Fiinpro platform. Data analysis Using qualitative methods in combination with quantitative VECM modeling.

The collected data will be fed into Eviews 8 software to conduct analysis and evaluation, comparison over the years. Structure of the study The content consists of 5 chapters: Chapter 1: Introduction Chapter 2: Literature review and theoretical framework on derivative market and underlying security market Chapter 3: Research method and proposed model Chapter 4: Impacts of the derivatives market on the underlying stock market: the case of the VN30 Index Chapter 5: Discussions and recommendations CHAPTER 2: LITERATURE REVIEW AND THEORETICAL BASIS OF THE IMPACTS OF DERIVATIVE MARKET ON THE UNDERLYING STOCK MARKET 2. Literature overview about the impacts of derivative market on the underlying stock market 2. Overview offoreign research In the world, the derivatives market is of interest to many scholars, some research results have shown the effects and relationships between the derivatives market and the underlying stock market.

Chung's research, conducted in 2014, focused on exploring the impact of derivatives hedging on the spot market. Specifically, the study analyzed the exact hedging ratio of secured warrants traded at the Taiwan Stock Exchange. By examining this specific type of derivative and its impact on the market, Chung's research aimed to provide insights into the broader relationships between derivatives trading and the underlying securities market. The findings of the study were significant, indicating that abnormal profits and trading volumes were closely correlated before the announcement date of the warrant issuance.

This relationship demonstrated the strong connection between the fluctuation of a stock's earnings and the price elasticity of hedging demand. The results of the study provided evidence to support the idea that hedging demand can be influenced by a stock's earnings, which in turn affects the overall price dynamics of the underlying securities market. Additionally, Chung's research found that there was a strong negative impact on the underlying securities market when purchase warrants expired in a profitable state. This finding highlighted the potential risks associated with derivatives trading and the importance of understanding the impact of such trades on the broader market.

Overall, Chung's research provides important insights into the complex relationship between derivatives trading and the underlying securities market. By examining the exact hedging ratio of secured warrants traded at the Taiwan Stock Exchange, the study sheds light on the impact of derivatives hedging on the market, the role of earnings in influencing hedging demand, and the potential risks associated with such trades. Malim and Halim (2017) aimed to investigate the impact of derivatives on Malaysian stock market volatility using the Spontaneous Conditional Change Variance Model (GARCH). The study provided valuable insights into the relationship between the derivatives market and the spot market, particularly in terms of the risk transformation role of futures trading in reducing the volatility of the Malaysian stock market.

The study revealed that the introduction of futures trading had a significant impact on the Malaysian 10 stock market by reducing its volatility. This finding suggests that futures trading plays a crucial role in transforming risk, as it allows investors to hedge their positions and manage their exposure to market fluctuations more effectively. Moreover, the study demonstrated that futures trading can improve the efficiency of the Malaysian stock market by reducing volatility in the spot market. This is because futures trading provides investors with a mechanism for hedging their positions in the spot market, thereby reducing the level of risk associated with investing in the market.

The results of the study also have important implications for investors in the Malaysian stock market. By providing a mechanism for hedging their positions and managing their exposure to market volatility, futures trading offers investors a valuable tool for reducing their risk and improving their returns. Overall, Malim and Halim's study provides valuable insights into the impact of derivatives on the Malaysian stock market, highlighting the risk transformation role of futures trading in reducing volatility and improving the efficiency of the spot market. The study's findings have important implications for investors and policymakers, as they suggest that derivatives trading can play a crucial role in managing risk and improving market performance.

Some studies delve into lag analysis between impact links between the two markets. Wang et al. (2017) examined the relationship between the spot market and futures market of the CSI 300 index from 2010 to 2014 using high-frequency trading data.