Nghiên Cứu Mô Hình CAPM Trong Thị Trường Không Hoàn Hảo

Đề tài khảo sát Mô Hình CAPM Trong Thị Trường Không Hoàn Hảo: Nghiên Cứu và Phân Tích với dữ liệu thực nghiệm, giải pháp cụ thể cho bài toán thực tế

• Tác giả: Đỗ Anh Tuấn Kiệt
• Người hướng dẫn: PGS. Trần Thị Hải Lý
• Trường học: Trường Đại Học Kinh Tế Tp. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Mô Hình CAPM Trong Thị Trường Không Hoàn Hảo
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Ý nghĩa của đề tài
• 1.5. Điểm mới của nghiên cứu
• 1.6. Kết cấu bài nghiên cứu
• 2. CHƯƠNG 2: KHUNG LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
• 2.1. Mô hình định giá tài sản CAPM
• 2.1.1. Lý thuyết về CAPM
• 2.1.2. Các nghiên cứu thực nghiệm về CAPM
• 2.1.3. Mô hình 3 nhân tố Fama-French
• 2.1.4. Bằng chứng thực nghiệm về mô hình 3 nhân tố Fama và French
• 2.1.5. Mối tương quan giữa tính thanh khoản và tỷ suất sinh lợi của cổ phiếu
• 2.1.6. Các nghiên cứu ở nước ngoài
• 2.1.7. Các nghiên cứu ở Việt Nam
• 2.2. PHƯƠNG PHÁP NGHIÊN CỨU
• 2.2.1. Dữ liệu và mẫu nghiên cứu
• 2.2.2. Mô hình định giá tài sản CAPM có yếu tố rủi ro không giao dịch
• 2.2.3. Thiết lập mô hình
• 2.2.4. Giả thuyết nghiên cứu
• 2.2.5. Các chiến lược thực nghiệm
• 2.2.6. Tiến trình nghiên cứu
• 2.2.7. Kiểm định mô hình Fama-Frech 3 nhân tố kết hợp với yếu tố rủi ro không giao dịch Y
• 2.2.8. Thiết lập danh mục
• 2.2.9. Các yếu tố giải thích
• 2.3. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
• 2.3.1. Kết quả kiểm tra giả thuyết của hệ số Beta trong thị trường không hoàn hảo
• 2.3.2. Kết quả hồi quy mô hình 3 yếu tố Fama-French kết hợp với yếu tố rủi ro không giao dịch Y
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về Mô Hình CAPM

Mô hình CAPM (Mô hình định giá tài sản vốn) đã trở thành một công cụ quan trọng trong lĩnh vực tài chính. Nó giúp các nhà đầu tư ước lượng tỷ suất sinh lợi kỳ vọng dựa trên rủi ro hệ thống, được đo lường bằng hệ số Beta. Theo Graham và Harvey (2001), CAPM không chỉ được sử dụng để ước tính chi phí sử dụng vốn mà còn để đánh giá thành quả của các danh mục đầu tư. Tuy nhiên, tính chính xác của mô hình này vẫn là một câu hỏi lớn trong giới học thuật. Hầu hết các nghiên cứu trước đây đều dựa trên giả định thị trường hoàn hảo, điều này không phản ánh đúng thực tế của các thị trường tài chính hiện nay. Do đó, nghiên cứu này nhằm xây dựng lại mô hình CAPM trong bối cảnh thị trường không hoàn hảo, từ đó cung cấp một cái nhìn mới về cách tính toán hệ số Beta trong điều kiện thực tế.

1.1. Lý do chọn đề tài

Mô hình CAPM đã được sử dụng rộng rãi trong lĩnh vực tài chính nhờ vào tính đơn giản và khả năng ứng dụng thực tiễn. Tuy nhiên, việc áp dụng mô hình này trong các thị trường không hoàn hảo vẫn còn nhiều thách thức. Nghiên cứu này nhằm làm rõ sự khác biệt giữa hệ số Beta tính toán trong thị trường không hoàn hảo và trong mô hình CAPM truyền thống. Điều này có thể giúp các nhà đầu tư và các nhà quản lý doanh nghiệp đưa ra quyết định chính xác hơn trong việc lựa chọn danh mục đầu tư và tính toán chi phí sử dụng vốn.

1.2. Mục tiêu nghiên cứu

Mục tiêu chính của nghiên cứu là xem xét tác động của tính không hiệu quả của thị trường đến mô hình CAPM và hệ số Beta. Nghiên cứu sẽ trả lời các câu hỏi như: Hệ số Beta tính toán trong thị trường không hoàn hảo có khác biệt so với mô hình CAPM truyền thống hay không? Phân phối xác suất của hệ số Beta trong thị trường không hoàn hảo có khác biệt gì so với mô hình truyền thống? Yếu tố rủi ro không giao dịch Y có giúp giải thích cho tỷ suất sinh lợi của danh mục hay không?

II. Khung lý thuyết về Mô Hình CAPM

Mô hình CAPM được xây dựng dựa trên lý thuyết lựa chọn danh mục đầu tư của Markowitz. Mô hình này giả định rằng các nhà đầu tư hành động hợp lý và chỉ quan tâm đến trung bình và phương sai của tỷ suất sinh lợi. Mối quan hệ giữa tỷ suất sinh lợi kỳ vọng và rủi ro được thể hiện qua hệ số Beta. Tuy nhiên, các nghiên cứu thực nghiệm cho thấy mối quan hệ này không ổn định theo thời gian. Fama và French (2003) đã chỉ ra rằng việc chọn danh mục đại diện cho danh mục thị trường có thể ảnh hưởng đến độ tin cậy của các kiểm định mô hình. Do đó, việc nghiên cứu CAPM trong bối cảnh thị trường không hoàn hảo là cần thiết để hiểu rõ hơn về mối quan hệ giữa rủi ro và tỷ suất sinh lợi.

2.1. Lý thuyết về CAPM

Mô hình CAPM cung cấp một cách tiếp cận đơn giản để đo lường rủi ro và tỷ suất sinh lợi. Theo lý thuyết, tỷ suất sinh lợi kỳ vọng của một tài sản có thể được tính toán dựa trên tỷ suất sinh lợi phi rủi ro và hệ số Beta. Tuy nhiên, các giả định phi thực tế của mô hình có thể dẫn đến những kết quả không chính xác trong thực tế. Việc nghiên cứu CAPM trong bối cảnh thị trường không hoàn hảo sẽ giúp làm rõ những khuyết điểm này và cung cấp một cái nhìn sâu sắc hơn về mối quan hệ giữa rủi ro và tỷ suất sinh lợi.

2.2. Các nghiên cứu thực nghiệm về CAPM

Nhiều nghiên cứu đã chỉ ra rằng mối quan hệ giữa tỷ suất sinh lợi và hệ số Beta không phải lúc nào cũng mạnh mẽ. Một số giai đoạn cho thấy mối quan hệ này tồn tại, trong khi những giai đoạn khác lại không. Điều này có thể do các yếu tố như sự thay đổi trong điều kiện thị trường hoặc sự không hoàn hảo trong việc chọn danh mục đại diện cho thị trường. Nghiên cứu này sẽ xem xét các yếu tố này và đánh giá lại mô hình CAPM trong bối cảnh thị trường không hoàn hảo.

III. Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu hàng ngày của các công ty phi tài chính niêm yết tại Sở Giao dịch Chứng khoán TP Hồ Chí Minh từ năm 2009 đến 2016. Dữ liệu này sẽ được sử dụng để tính toán hệ số Beta trong thị trường không hoàn hảo và so sánh với hệ số Beta từ mô hình CAPM truyền thống. Hồi quy OLS sẽ được áp dụng để kiểm tra mối quan hệ giữa yếu tố rủi ro không giao dịch Y và tỷ suất sinh lợi của danh mục. Phương pháp này sẽ giúp xác định xem yếu tố Y có ảnh hưởng đáng kể đến tỷ suất sinh lợi hay không.

3.1. Dữ liệu và mẫu nghiên cứu

Dữ liệu được thu thập từ các công ty phi tài chính niêm yết trên sàn chứng khoán HOSE. Mẫu nghiên cứu bao gồm hơn 250 công ty, cho phép phân tích sâu rộng về mối quan hệ giữa rủi ro và tỷ suất sinh lợi. Việc sử dụng dữ liệu hàng ngày giúp tăng độ chính xác trong việc tính toán hệ số Beta và đánh giá tác động của yếu tố rủi ro không giao dịch Y.

3.2. Thiết lập mô hình

Mô hình nghiên cứu sẽ được thiết lập dựa trên các yếu tố rủi ro không giao dịch và mô hình 3 nhân tố của Fama-French. Các giả thuyết nghiên cứu sẽ được kiểm định thông qua hồi quy OLS, nhằm xác định mối quan hệ giữa các yếu tố này và tỷ suất sinh lợi của danh mục. Phương pháp này sẽ giúp làm rõ vai trò của yếu tố rủi ro không giao dịch trong việc giải thích tỷ suất sinh lợi.

IV. Kết quả nghiên cứu thực nghiệm

Kết quả nghiên cứu cho thấy hệ số Beta tính toán trong thị trường không hoàn hảo có sự khác biệt đáng kể so với hệ số Beta từ mô hình CAPM truyền thống. Phân phối xác suất của hệ số Beta trong thị trường không hoàn hảo có xu hướng phân tán rộng hơn, cho thấy sự biến động lớn hơn trong tỷ suất sinh lợi. Yếu tố rủi ro không giao dịch Y cũng cho thấy khả năng giải thích đáng kể cho tỷ suất sinh lợi của các cổ phiếu trên sàn chứng khoán HOSE. Những phát hiện này có ý nghĩa quan trọng cho các nhà đầu tư và các nhà quản lý doanh nghiệp trong việc đưa ra quyết định đầu tư.

4.1. Kết quả kiểm tra giả thuyết

Kết quả kiểm tra cho thấy rằng hệ số Beta trong thị trường không hoàn hảo có sự khác biệt rõ rệt so với mô hình CAPM truyền thống. Điều này cho thấy rằng việc áp dụng mô hình CAPM trong bối cảnh thị trường không hoàn hảo cần được xem xét lại. Các nhà đầu tư nên cân nhắc đến các yếu tố rủi ro không giao dịch khi đưa ra quyết định đầu tư.

4.2. Phân tích hồi quy

Phân tích hồi quy cho thấy yếu tố rủi ro không giao dịch Y có ảnh hưởng đáng kể đến tỷ suất sinh lợi của danh mục. Kết quả này cho thấy rằng các nhà đầu tư cần chú ý đến các yếu tố không giao dịch khi đánh giá tỷ suất sinh lợi của các khoản đầu tư. Điều này có thể giúp cải thiện độ chính xác trong việc ước lượng chi phí sử dụng vốn và đánh giá thành quả của danh mục đầu tư.

V. Kết luận

Nghiên cứu đã chỉ ra rằng mô hình CAPM cần được điều chỉnh để phù hợp với thực tế của thị trường không hoàn hảo. Hệ số Beta tính toán trong bối cảnh này có sự khác biệt đáng kể so với mô hình truyền thống. Yếu tố rủi ro không giao dịch Y cũng đóng vai trò quan trọng trong việc giải thích tỷ suất sinh lợi. Những phát hiện này không chỉ có giá trị cho các nhà đầu tư mà còn cho các nhà nghiên cứu trong việc phát triển lý thuyết tài chính. Việc áp dụng mô hình CAPM trong bối cảnh không hoàn hảo sẽ giúp cải thiện độ chính xác trong việc ước lượng chi phí sử dụng vốn và đánh giá thành quả của danh mục đầu tư.

Nội dung chính

Tổng quan nghiên cứu

Mô hình định giá tài sản vốn (CAPM) là công cụ phổ biến trong lĩnh vực tài chính để ước tính chi phí sử dụng vốn và đánh giá thành quả đầu tư. Tuy nhiên, CAPM truyền thống dựa trên giả định thị trường hoàn hảo, điều này không phản ánh đúng thực tế khi nhiều thị trường, trong đó có Việt Nam, tồn tại các yếu tố không hoàn hảo như rủi ro không giao dịch và tính thanh khoản hạn chế. Nghiên cứu này sử dụng dữ liệu hàng ngày của hơn 250 công ty phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) trong giai đoạn 2009-2016 để xây dựng lại mô hình CAPM trong thị trường không hoàn hảo bằng cách bổ sung yếu tố rủi ro không giao dịch Y.

Mục tiêu chính của nghiên cứu là so sánh hệ số Beta tính toán trong thị trường không hoàn hảo với hệ số Beta truyền thống, đồng thời đánh giá vai trò của yếu tố rủi ro không giao dịch Y trong việc giải thích tỷ suất sinh lợi của cổ phiếu. Nghiên cứu cũng áp dụng mô hình 3 nhân tố Fama-French kết hợp với yếu tố Y để kiểm định khả năng giải thích tỷ suất sinh lợi vượt trội của các danh mục cổ phiếu phân loại theo quy mô và giá trị sổ sách trên giá trị thị trường (BE/ME).

Kết quả nghiên cứu có ý nghĩa quan trọng đối với các nhà đầu tư và nhà quản lý tài chính trong việc cải thiện phương pháp định giá tài sản, giúp tính toán chi phí vốn và đánh giá hiệu quả đầu tư chính xác hơn trong điều kiện thị trường thực tế không hoàn hảo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên mô hình CAPM truyền thống của Sharpe, Lintner và Black, trong đó hệ số Beta đo lường rủi ro hệ thống của tài sản so với danh mục thị trường. Tuy nhiên, mô hình này giả định thị trường hoàn hảo với khả năng vay và cho vay không giới hạn ở lãi suất phi rủi ro, điều không phản ánh đúng thực tế.

Để khắc phục hạn chế này, nghiên cứu áp dụng mô hình mở rộng CAPM trong thị trường không hoàn hảo, bổ sung yếu tố rủi ro không giao dịch Y, đại diện cho các tài sản không được giao dịch hoặc có tính thanh khoản thấp. Yếu tố Y được xác định bằng chênh lệch tỷ suất sinh lợi giữa danh mục cổ phiếu kém thanh khoản và danh mục cổ phiếu có thanh khoản cao, sử dụng tỷ số kém thanh khoản Amihud (2002).

Ngoài ra, mô hình 3 nhân tố Fama-French được sử dụng để giải thích tỷ suất sinh lợi dựa trên ba yếu tố: rủi ro thị trường (Rm-Rf), quy mô công ty (SMB) và giá trị sổ sách trên giá trị thị trường (HML). Mô hình này được mở rộng thêm yếu tố rủi ro không giao dịch Y nhằm kiểm định vai trò của yếu tố này trong việc giải thích tỷ suất sinh lợi vượt trội của các danh mục cổ phiếu.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là dữ liệu hàng ngày của hơn 250 công ty phi tài chính niêm yết trên sàn HOSE từ 01/01/2009 đến 30/12/2016, bao gồm giá đóng cửa đã điều chỉnh, giá trị giao dịch, khối lượng cổ phần lưu hành, giá trị sổ sách vốn cổ phần và lợi suất trái phiếu Chính phủ kỳ hạn 1 năm làm đại diện cho lãi suất phi rủi ro.

Phương pháp phân tích gồm:

• Tính toán tỷ suất sinh lợi cổ phiếu và danh mục, tỷ suất sinh lợi vượt trội so với lãi suất phi rủi ro.
• Xác định yếu tố rủi ro không giao dịch Y dựa trên tỷ số kém thanh khoản Amihud (2002).
• Tính toán hệ số Beta truyền thống (𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑) và hệ số Beta trong thị trường không hoàn hảo (𝛽𝑖𝑇𝑟𝑢𝑒) theo công thức mở rộng.
• Kiểm định giả thuyết về sự khác biệt giữa hai hệ số Beta và phân phối xác suất của chúng.
• Hồi quy OLS mô hình 3 nhân tố Fama-French kết hợp yếu tố Y trên 6 danh mục cổ phiếu phân loại theo quy mô và BE/ME trong giai đoạn 2012-2016.

Cỡ mẫu lớn và dữ liệu hàng ngày giúp tăng độ tin cậy của kết quả. Phương pháp chọn mẫu dựa trên các công ty phi tài chính niêm yết trên HOSE nhằm đại diện cho thị trường Việt Nam. Timeline nghiên cứu kéo dài 8 năm, đủ để quan sát biến động và xu hướng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Sự khác biệt giữa hệ số Beta trong thị trường không hoàn hảo và truyền thống:
   Kết quả kiểm định cho thấy khi 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 < 1, có khoảng 64% công ty thỏa mãn điều kiện 𝛽𝑖𝑇𝑟𝑢𝑒 < 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 trong giai đoạn 2009-2016. Tuy nhiên, không có bằng chứng thuyết phục khi 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 ≥ 1 thì 𝛽𝑖𝑇𝑟𝑢𝑒 ≥ 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑. Điều này cho thấy hệ số Beta tính trong thị trường không hoàn hảo có sự khác biệt đáng kể so với mô hình truyền thống, đặc biệt với các cổ phiếu có Beta nhỏ hơn 1.

2. Phân phối xác suất của hệ số Beta:
   Phân phối xác suất của 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑 tập trung quanh giá trị 1 nhiều hơn so với phân phối của 𝛽𝑖𝑇𝑟𝑢𝑒. Trung bình theo tỷ trọng vốn hóa của 𝛽𝑖𝑇𝑟𝑢𝑒 là khoảng 0,86, thấp hơn so với 0,90 của 𝛽𝑖𝑃𝑒𝑟𝑐𝑒𝑖𝑣𝑒𝑑, đồng thời phương sai của 𝛽𝑖𝑇𝑟𝑢𝑒 lớn hơn, cho thấy sự phân tán rộng hơn trong thị trường không hoàn hảo.

3. Ảnh hưởng của yếu tố rủi ro không giao dịch Y trong mô hình 3 nhân tố Fama-French:
   Kết quả hồi quy OLS trên 6 danh mục cổ phiếu cho thấy tất cả các yếu tố Rm-Rf, SMB, HML và Y đều có ý nghĩa thống kê ở mức 1%. Hệ số 𝑅^2 điều chỉnh dao động từ 0,47 đến 0,87, cho thấy mô hình giải thích tốt biến động tỷ suất sinh lợi.

4. Mối quan hệ giữa yếu tố Y và tỷ suất sinh lợi:
   Yếu tố rủi ro không giao dịch Y có mối tương quan nghịch biến với tỷ suất sinh lợi của các danh mục. Ở các danh mục quy mô nhỏ, tác động của Y giảm dần theo hệ số BE/ME, từ -0,25 đến -0,18. Ở danh mục quy mô lớn, tác động không đồng nhất nhưng vẫn thể hiện xu hướng tương tự. Điều này cho thấy khi chênh lệch tỷ suất sinh lợi giữa cổ phiếu kém thanh khoản và thanh khoản cao tăng, tỷ suất sinh lợi của danh mục giảm.

Thảo luận kết quả

Sự khác biệt giữa hệ số Beta trong thị trường không hoàn hảo và truyền thống phản ánh tác động của rủi ro không giao dịch và tính thanh khoản hạn chế trong thực tế. Việc phân phối Beta truyền thống tập trung quanh 1 có thể làm giảm độ chính xác trong việc đánh giá rủi ro hệ thống, đặc biệt với các cổ phiếu có Beta thấp.

Kết quả hồi quy cho thấy yếu tố rủi ro không giao dịch Y đóng vai trò quan trọng trong việc giải thích tỷ suất sinh lợi vượt trội, bổ sung cho mô hình 3 nhân tố Fama-French. Mối tương quan nghịch biến giữa Y và tỷ suất sinh lợi phù hợp với lý thuyết rằng tài sản kém thanh khoản đòi hỏi phần bù rủi ro cao hơn, nhưng khi rủi ro không giao dịch tăng, nhà đầu tư có xu hướng giảm tỷ lệ đầu tư, làm giảm tỷ suất sinh lợi danh mục.

So sánh với các nghiên cứu quốc tế, kết quả này phù hợp với quan điểm rằng thị trường không hoàn hảo và tính thanh khoản ảnh hưởng đáng kể đến định giá tài sản. Tuy nhiên, ở Việt Nam, mối quan hệ giữa tính thanh khoản và tỷ suất sinh lợi có thể khác biệt do đặc thù thị trường mới nổi.

Dữ liệu được trình bày qua biểu đồ phân phối Beta và bảng hồi quy giúp minh họa rõ ràng sự khác biệt và tác động của các yếu tố rủi ro, hỗ trợ cho các kết luận trên.

Đề xuất và khuyến nghị

1. Cập nhật phương pháp tính hệ số Beta:
   Các nhà đầu tư và tổ chức tài chính nên áp dụng mô hình CAPM mở rộng có tính đến yếu tố rủi ro không giao dịch để tính toán hệ số Beta chính xác hơn, đặc biệt với các cổ phiếu có Beta thấp. Thời gian áp dụng: ngay lập tức; Chủ thể: các công ty chứng khoán, quỹ đầu tư.

2. Tăng cường phân tích tính thanh khoản trong định giá tài sản:
   Các nhà quản lý danh mục cần xem xét yếu tố thanh khoản và rủi ro không giao dịch khi xây dựng danh mục đầu tư nhằm tối ưu hóa tỷ suất sinh lợi và giảm thiểu rủi ro. Thời gian: 6-12 tháng; Chủ thể: nhà quản lý quỹ, nhà đầu tư cá nhân.

3. Phát triển công cụ đo lường rủi ro không giao dịch:
   Các tổ chức nghiên cứu và học thuật nên tiếp tục phát triển và hoàn thiện các chỉ số đo lường rủi ro không giao dịch dựa trên dữ liệu thị trường thực tế, nhằm hỗ trợ các phân tích tài chính. Thời gian: 1-2 năm; Chủ thể: viện nghiên cứu, trường đại học.

4. Tăng cường đào tạo và phổ biến kiến thức về mô hình CAPM mở rộng:
   Các cơ quan đào tạo và tổ chức tài chính cần tổ chức các khóa học, hội thảo để nâng cao nhận thức và kỹ năng áp dụng mô hình CAPM trong thị trường không hoàn hảo. Thời gian: 6 tháng; Chủ thể: trường đại học, hiệp hội tài chính.

Đối tượng nên tham khảo luận văn

1. Nhà đầu tư cá nhân và tổ chức:
   Giúp hiểu rõ hơn về rủi ro hệ thống thực tế và cải thiện quyết định đầu tư dựa trên mô hình CAPM mở rộng, từ đó tối ưu hóa danh mục đầu tư.

2. Các công ty chứng khoán và quỹ đầu tư:
   Áp dụng mô hình tính toán Beta chính xác hơn để định giá tài sản, tính toán chi phí vốn và đánh giá hiệu quả đầu tư, nâng cao năng lực quản lý rủi ro.

3. Nhà nghiên cứu và giảng viên tài chính:
   Cung cấp cơ sở lý thuyết và thực nghiệm mới về mô hình CAPM trong thị trường không hoàn hảo, làm nền tảng cho các nghiên cứu tiếp theo và giảng dạy chuyên sâu.

4. Cơ quan quản lý thị trường chứng khoán:
   Hỗ trợ trong việc xây dựng chính sách, quy định liên quan đến tính minh bạch và thanh khoản thị trường, góp phần phát triển thị trường chứng khoán bền vững.

Câu hỏi thường gặp

1. Mô hình CAPM truyền thống có những hạn chế gì?
   CAPM truyền thống giả định thị trường hoàn hảo với khả năng vay và cho vay không giới hạn, không tính đến rủi ro không giao dịch và tính thanh khoản, dẫn đến sai lệch trong ước tính hệ số Beta và tỷ suất sinh lợi kỳ vọng.

2. Yếu tố rủi ro không giao dịch Y được xác định như thế nào?
   Y được tính bằng chênh lệch tỷ suất sinh lợi giữa danh mục cổ phiếu kém thanh khoản (phân vị cao nhất theo tỷ số Amihud) và danh mục cổ phiếu có thanh khoản cao, phản ánh rủi ro từ các tài sản không được giao dịch.

3. Tại sao hệ số Beta trong thị trường không hoàn hảo khác với Beta truyền thống?
   Vì Beta trong thị trường không hoàn hảo tính đến hiệp phương sai giữa tài sản và yếu tố rủi ro không giao dịch, nên phản ánh chính xác hơn rủi ro thực tế mà nhà đầu tư phải chịu.

4. Mô hình 3 nhân tố Fama-French kết hợp yếu tố Y có ý nghĩa gì?
   Mô hình này giải thích tốt hơn tỷ suất sinh lợi vượt trội của cổ phiếu bằng cách bổ sung yếu tố rủi ro không giao dịch, giúp nhà đầu tư và nhà quản lý hiểu rõ hơn các nguồn rủi ro ảnh hưởng đến lợi nhuận.

5. Làm thế nào để áp dụng kết quả nghiên cứu vào thực tế đầu tư?
   Nhà đầu tư nên sử dụng hệ số Beta tính toán từ mô hình mở rộng để đánh giá rủi ro, đồng thời cân nhắc yếu tố thanh khoản và rủi ro không giao dịch khi xây dựng danh mục nhằm tối ưu hóa lợi nhuận và giảm thiểu rủi ro.

Kết luận

• Nghiên cứu đã xây dựng lại mô hình CAPM trong thị trường không hoàn hảo bằng cách bổ sung yếu tố rủi ro không giao dịch Y, sử dụng dữ liệu của hơn 250 công ty niêm yết trên HOSE giai đoạn 2009-2016.
• Hệ số Beta tính toán trong thị trường không hoàn hảo khác biệt đáng kể so với Beta truyền thống, đặc biệt với các cổ phiếu có Beta nhỏ hơn 1.
• Phân phối xác suất của Beta truyền thống tập trung quanh 1 nhiều hơn so với Beta trong thị trường không hoàn hảo, cho thấy Beta truyền thống có thể đánh giá chưa chính xác rủi ro thực tế.
• Yếu tố rủi ro không giao dịch Y có mối tương quan nghịch biến với tỷ suất sinh lợi của các danh mục cổ phiếu, góp phần giải thích biến động lợi nhuận vượt trội.
• Kết quả nghiên cứu khuyến nghị các nhà đầu tư, tổ chức tài chính và nhà quản lý nên áp dụng mô hình CAPM mở rộng để nâng cao độ chính xác trong định giá tài sản và quản lý rủi ro.

Next steps: Áp dụng mô hình vào phân tích danh mục đầu tư thực tế, phát triển công cụ đo lường rủi ro không giao dịch, và mở rộng nghiên cứu sang các thị trường khác.

Các nhà đầu tư và tổ chức tài chính nên cập nhật kiến thức và phương pháp tính toán Beta để nâng cao hiệu quả đầu tư trong bối cảnh thị trường không hoàn hảo.

Trích đoạn nội dung tài liệu

Mở đầu bài nghiên cứu, nhằm giúp bạn đọc có một cái nhìn tổng quan về bài nghiên cứu, tác giả trình bày lý do tiêu nghiên cứu, mục tiêu, các câu hỏi nghiên cứu, phương pháp nghiên cứu và ý nghĩa của đề tài. 123doc 4 Chương 2 - Khung lý thuyết và tổng quan các nghiên cứu trước đây: Chương này trình bày khung lý thuyết về mô hình định giá tài sản CAPM, tổng quan các nghiên cứu đây về mô hình CAPM và mối quan hệ giữa tính thanh khoản và tỷ suất sinh lợi cổ phiếu. Chương 3 - Phương pháp nghiên cứu: Trong chương này, tác giả giới thiệu dữ liệu, phương pháp nghiên cứu, xây dựng mô hình và các biến được sử dụng trong mô hình, đồng thời đưa ra các giả thuyết nghiên cứu. Chương 4 - Kết quả thực nghiệm ở Việt Nam: Chương này sẽ xem xét các kết quả của quá trình nghiên cứu: Bao gồm thống kê mô tả biến, phân tích các hệ số hồi quy thu được.

Chương 5 - Kết luận: Chương cuối cùng đưa ra kết luận của bài nghiên cứu. 123doc 5 CHƯƠNG 2. KHUNG LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 2. Mô hình định giá tài sản CAPM Với giả định mọi nhà đầu tư đều hành động một cách hợp lý dựa trên mong muốn tối đa hóa hữu dụng kỳ vọng hợp lý từ các thông tin kinh tế có sẵn, các nhà nghiên cứu William Sharpe (1964), Lintner (1965) và Black (1972) đã phát triển nên mô hình định giá tài sản CAPM trong thập niên 1960.

4 thập kỷ sau đó, mô hình CAPM vẫn được sử dụng rộng rãi trong các ứng dụng thực tế, như tính chi phí sử dụng vốn cho các công ty và ước tính thành quả của danh mục. Tính hấp dẫn của CAPM là mô hình cung cấp các dự đoán đơn giản, hợp lý và mang tính trực quan (intuitively pleasing) về cách thức đo lường rủi ro và còn về mối tương quan giữa tỷ suất sinh lợi và rủi ro. Mối quan hệ trên thực hiện hai chức năng quan trọng. Đầu tiên, mô hình cung cấp một tỷ suất sinh lợi chuẩn để đánh giá các khoản đầu tư tiềm năng.

Nhờ đó, các nhà phân tích chứng khoán biết được liệu tỷ suất sinh lợi dự báo của một cổ phiếu là cao hơn hay thấp hơn tỷ suất sinh lợi hợp lý ứng với một mức rủi ro cho trước. Thứ hai là mô hình giúp chúng ta đưa ra một dự đoán dựa trên lý thuyết về tỷ suất sinh lợi tài sản của các tài sản chưa được giao dịch trên thị trường. Chẳng hạn như để xác định mức giá IPO của một cổ phiếu hoặc là dự án đầu tư mới ảnh hưởng như thế nào đến tỷ suất sinh lợi đòi hỏi của nhà đầu tư. Không may thay, có lẽ cũng bởi tính đơn giản, các kết quả thực nghiệm của CAPM không có độ tin cậy cao, qua đó làm cho mô hình khó có thể sử dụng để áp dụng vào thực tế.

Các kết quả thực nghiệm của mô hình có thể phản ánh các khuyết điểm về CAPM vì xét cho cùng, đây cũng chỉ là một mô hình dựa trên các giả định phi thực tế. Những kiểm định sớm nhất về CAPM cho thấy rằng tỷ suất sinh lợi và rủi ro (được đo lường 123doc 6 bởi Beta) có mối tương quan với nhau. Tuy nhiên, mối quan hệ giữa tỷ suất sinh lời và Beta dường như thay đổi theo thời gian nghiên cứu. Trong một số giai đoạn, mối quan hệ rất mạnh, nhưng cũng có một số giai đoạn không mạnh.

Thậm chí, ở một số giai đoạn, mối quan hệ này còn không tồn tại. Tuy nhiên, chúng có thể cũng là vì những thiếu sót của các kiểm định thực nghiệm, đáng chú ý nhất là các yếu tố đại diện không tốt cho danh mục đầu tư thị trường – vốn đóng vai trò trung tâm trong các dự đoán của mô hình. Tuy nhiên, Fama và French (2003) cho rằng nếu vấn đề chọn danh mục đại diện cho danh mục thị trường bác bỏ đi các kiểm định của mô hình thì nó cũng bỏ qua hầu hết ứng dụng trong thực tế. Lý thuyết về CAPM Mô hình CAPM được xây dựng dựa trên lý thuyết lựa chọn danh mục đầu tư của Markowitz (1952).

Trong mô hình của Markowitz, một nhà đầu tư lựa chọn danh mục ở thời điểm t-1 và thu về tỷ suất sinh lợi ngẫu nhiên 𝑅𝑝𝑡 tại thời điểm t. Mô hình CAPM giả định rằng các nhà đầu tư là e ngại rủi ro, và khi lựa chọn trong số các danh mục, họ chỉ quan tâm về trung bình và phương sai của tỷ suất sinh lợi đầu tư trong 1 thời kỳ. Kết quả chính của mô hình được hình thành dựa trên các giả định trên. Cụ thể hơn, các danh mục phù hợp với sự lựa chọn của nhà đầu tư mang kết hợp tốt nhất về trung bình-phương sai.

Điều này có nghĩa là (i) họ tối thiểu hóa phương sai của tỷ suất sinh lợi danh mục 𝑠 2 (𝑅𝑝𝑡 ) với tỷ suất sinh lợi kỳ vọng cho trước là 𝐸(𝑅𝑝𝑡 ), và (ii) họ tối đa hóa tỷ suất sinh lợi kỳ vọng với mức phương sai cho trước. Cách thức kết hợp các tài sản để tạo ra một danh mục hiệu quả cung cấp một khuôn mẫu cho mối quan hệ giữa tỷ suất sinh lợi kỳ vọng và rủi ro trong mô hình CAPM. Giả sử có N tài sản rủi ro có sẵn cho nhà đầu tư, dễ để cho thấy rằng danh mục tối thiểu hóa phương sai của tỷ suất sinh lợi với mức tỷ suất sinh lợi kỳ vọng cho trước (𝐸(𝑅𝑝𝑡 ), phân bổ tỷ 123doc 7 trọng danh mục, 𝑥𝑖𝑒 (∑𝑁 𝑖=1 𝑥𝑖𝑒 = 1.0), cho các tài sản để đưa ra một mối quan hệ tuyến tính giữa tỷ suất sinh sinh lợi kỳ vọng của tài sản i và rủi ro Beta trong danh mục e.2), hãy nhớ đầu tiên là trong mô hình danh mục trên, tỷ suất sinh lợi kỳ vọng của các tài sản và hiệp phương sai giữa tỷ suất sinh lợi của các tài sản là các hệ số được cung ứng bởi các nhà đầu tư.2) nói rằng, với những yếu tố đầu vào trên, việc tìm ra danh mục tối thiểu hóa phương sai tỷ suất sinh lợi với tỷ suất sinh lợi kỳ vọng cho trước ngụ ý rằng sự chọn lựa tỷ trọng tài sản (𝑥𝑖𝑒 , 𝑖 = 1, … , 𝑁) với rủi ro Beta (𝛽𝑖𝑒 , 𝑖 = 1, … , 𝑁) phải thỏa mãn công thức (2.1) cho mỗi tài sản. Rủi ro Beta của tài sản i có diễn giải trực quan (intuitive interpretation).

Trong mô hình Markowitz, một rủi ro của danh mục được thể hiện dưới dạng phương sai của tỷ suất sinh lợi, vì thế rủi ro của danh mục e là 𝑠 2 (𝑅𝑝𝑡 ). Phương sai của tỷ suất sinh lợi danh mục là tổng của các hiệp phương sai có trọng số của tỷ suất sinh lợi mỗi tài sản với tỷ suất sinh lợi danh mục e. Cụ thể, như sau: (2.3) 𝜎 2 (𝑅𝑒 ) = ∑ 𝑥𝑖𝑒 𝐶𝑜𝑣( 𝑅𝑖 , 𝑅𝑒 ) Do đó, 𝛽𝑖𝑒 = 𝐶𝑜𝑣(𝑅𝑖 , 𝑅𝑒 )/𝑠 2 (𝑅𝑒 ) có thể hiểu như rủi ro hiệp phương sai của tài sản i trong danh mục e, được tính so với rủi ro của cả danh mục. Được biết, rủi ro của danh mục chỉ là trung bình của rủi ro hiệp phương sai của tất cả tài sản.

123doc 8 Công thức (2.1) là kết quả về mặt đại số, điều kiện về tỷ trọng tài sản để có thể cho ra danh mục có phương sai tỷ suất sinh lợi tối thiểu ứng với tỷ suất sinh lợi kỳ vọng là 𝐸 (𝑅𝑒 ). Mô hình CAPM chuyển biến điều kiện này thành một ràng buộc về giá cân bằng thị trường (Market Clearing prices) và tỷ suất sinh lợi kỳ vọng bằng cách xác định một danh mục – phải hiệu quả nếu giá tài sản ở mức cân bằng. Áp dụng vào một danh mục như thế, công thức (2.1) trở thành mối quan hệ giữa tỷ suất sinh lợi kỳ vọng và rủi ro ở tình trạng cân bằng thị trường. Sharpe và Lintner thêm vào 2 giả định đến mô hình Markowitz để xác định một danh mục hiệu quả nếu cung cầu trên thị trường cân bằng.

Giả định đầu tiên là với mức giá mà tại đó cung và cầu cân bằng ở thời điểm t-1, nhà đầu tư đồng ý về phân phối đồng nhất của tỷ suất sinh lợi của các tài sản trong giai đoạn t-1 đến t. Giả định thứ 2 là tất cả nhà đầu tư được vay và cho vay với lãi suất phi rủi ro 𝑅𝑓 – vốn không phụ thuộc lượng tiền cho vay và đi vay. Việc vay và cho vay với lãi suất phi rủi ro không giới hạn ngụ ý rằng một dạng mạnh của định lý tách biệt (separation theorem) của Tobin (1958). Biểu đồ 1 – mô tả các cơ hội về tỷ suất sinh lợi trung bình E(R) và độ lệch chuẩn s(R) sẽ thể hiện cho hoạt động trên.

Đường cong abc biểu thị các sự kết hợp giữa E(R) và s(R) của các danh mục tối thiểu hóa phương sai tỷ suất sinh lợi ở các mức tỷ suất sinh lợi kỳ vọng khác nhau, nhưng bỏ qua hoạt động cho vay và đi vay phi rủi ro. Trong tập hợp bị giới hạn, chỉ có các danh mục trên b cùng với abc là hiệu quả (chúng cũng tối đa hóa tỷ suất sinh lợi kỳ vọng với phương sai tỷ suất sinh lợi cho trước).1: Các cơ hội đầu tư Nguồn: Fama và French (2003) Thêm vào giả định đi vay và cho vay phi rủi ro sẽ làm đơn giản hóa bộ danh mục hiệu quả. Xem xét một danh mục đầu tư x% vốn danh mục vào chứng khoán phi rủi ro và 1- x% vào danh mục g.4) 𝑅𝑝 = 𝑥𝑅𝑓 + (1 − 𝑥)𝑅𝑔 Tỷ suất sinh lợi kỳ vọng và độ lệch chuẩn của tỷ suất sinh lợi của p: (2.6) 𝑠(𝑅𝑝 ) = |1 − 𝑥|𝑠(𝑅𝑔 ) Những công thức trên ngụ ý rằng các danh mục được rút ra từ việc thay đổi x trong công thức (2.4) được phác họa bằng 1 đường thẳng trong biểu đồ 1. Đường thẳng bắt đầu từ 𝑅𝑓 (x=1.0, tất cả nguồn vốn đều được đầu tư vào tài sản phi rủi ro), dịch chuyển qua điểm g (x=0.0 tất cả nguồn vốn được đầu tư vào danh mục g) và tiếp tục cho các danh mục bao gồm sự kết hợp đầu tư vào tài sản phi rủi ro và danh mục g (x<0.0, nhà đầu tư đi vay với lãi suất phi rủi ro và đầu tư vào danh mục g).

Với giả định về hoạt động đi 123doc 10 vay và cho vay với lãi suất phi rủi ro sẽ có được các danh mục hiệu quả nằm trên dường thẳng nối từ 𝑅𝑓 trong biểu đồ 1 và cho đến bên trái, cho đến danh mục tiếp tuyến T.