Luận văn: Mô hình định giá tài sản 5 nhân tố Fama-French tại Việt Nam

Nghiên cứu mô hình định giá tài sản 5 nhân tố Fama French và kiểm định thực nghiệm mức độ giải thích của mô hình tại thị trường chứng khoán Việt Nam.

• Tác giả: Phạm Thanh Tùng
• Người hướng dẫn: PGS. Trần Thị Hải Lý
• Trường học: Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính Ngân hàng
• Đề tài: Mô hình định giá tài sản năm nhân tố Fama-French và thực nghiệm ở Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Khám phá Mô hình Fama French 5 nhân tố toàn diện nhất

Trong lĩnh vực tài chính, việc tìm kiếm một công cụ định giá tài sản chính xác luôn là mục tiêu hàng đầu của giới học thuật và các nhà đầu tư. Mô hình định giá tài sản vốn (CAPM), do Sharpe và Lintner phát triển, là nền tảng ban đầu, giải thích tỷ suất sinh lời cổ phiếu chỉ qua một yếu tố duy nhất: rủi ro hệ thống hay nhân tố thị trường (Mkt-Rf). Tuy nhiên, các nghiên cứu thực nghiệm sau đó đã chỉ ra những điểm bất thường mà CAPM không thể lý giải, thúc đẩy sự ra đời của các mô hình đa nhân tố. Nổi bật nhất là công trình của Eugene Fama and Kenneth French, những người đã phát triển mô hình 3 nhân tố và sau đó là Mô hình Fama-French 5 nhân tố. Mô hình này không chỉ kế thừa nhân tố thị trường từ CAPM mà còn bổ sung thêm bốn nhân tố khác, được chứng minh là có khả năng giải thích tốt hơn sự biến động của tỷ suất sinh lời trên thị trường. Bốn nhân tố bổ sung này bao gồm nhân tố quy mô (SMB), nhân tố giá trị (HML), nhân tố lợi nhuận (RMW), và nhân tố đầu tư (CMA). Sự ra đời của 5 nhân tố Fama-French đã tạo ra một cuộc cách mạng trong lý thuyết danh mục đầu tư hiện đại, cung cấp một lăng kính chi tiết và mạnh mẽ hơn để phân tích và dự báo lợi nhuận chứng khoán. Mô hình này nhanh chóng được áp dụng và kiểm định rộng rãi trên toàn cầu, từ các thị trường phát triển đến các thị trường mới nổi, bao gồm cả thị trường chứng khoán Việt Nam. Việc hiểu rõ cấu trúc và cơ sở lý thuyết của mô hình là bước đầu tiên quan trọng để có thể ứng dụng nó một cách hiệu quả trong thực tiễn đầu tư và nghiên cứu khoa học.

1.1. Từ CAPM đến mô hình Fama and French 3 nhân tố

Mô hình CAPM đặt nền móng cho tài chính hiện đại bằng cách khẳng định rằng lợi nhuận kỳ vọng của một tài sản tỷ lệ thuận với rủi ro thị trường của nó (hệ số beta). Dù có ưu điểm về sự đơn giản, mô hình này bộc lộ nhiều hạn chế khi các nghiên cứu thực nghiệm phát hiện ra các "anomalies" (suất sinh lời bất thường) mà beta không giải thích được. Các hiệu ứng như hiệu ứng quy mô (cổ phiếu nhỏ có TSSL cao hơn) và hiệu ứng giá trị (cổ phiếu có tỷ số B/M cao có TSSL cao hơn) là những minh chứng rõ ràng. Để khắc phục những thiếu sót này, Fama và French (1993) đã giới thiệu mô hình ba nhân tố. Mô hình này giữ lại nhân tố thị trường của CAPM và bổ sung thêm hai nhân tố mới: nhân tố quy mô (SMB - Small Minus Big) và nhân tố giá trị (HML - High Minus Low). SMB nắm bắt phần bù rủi ro của các cổ phiếu có vốn hóa nhỏ so với các cổ phiếu có vốn hóa lớn, trong khi HML nắm bắt phần bù rủi ro của cổ phiếu giá trị so với cổ phiếu tăng trưởng. Mô hình ba nhân tố đã chứng tỏ khả năng giải thích tỷ suất sinh lời cổ phiếu vượt trội hơn hẳn so với CAPM.

1.2. Sự ra đời và ưu điểm của 5 nhân tố Fama French

Dù mô hình 3 nhân tố là một bước tiến lớn, giới học thuật vẫn tiếp tục tìm kiếm các nhân tố khác có thể cải thiện khả năng giải thích lợi nhuận. Dựa trên mô hình chiết khấu cổ tức, Fama và French (2015) đã mở rộng mô hình của mình thành 5 nhân tố Fama-French. Họ bổ sung thêm hai nhân tố mới: nhân tố lợi nhuận (RMW - Robust Minus Weak) và nhân tố đầu tư (CMA - Conservative Minus Aggressive). Nhân tố RMW cho thấy các công ty có lợi nhuận hoạt động cao (robust) thường có TSSL cao hơn trong tương lai so với các công ty có lợi nhuận yếu (weak). Nhân tố CMA chỉ ra rằng các công ty có chiến lược đầu tư thận trọng, ít mở rộng tài sản (conservative) thường có TSSL cao hơn các công ty đầu tư mạnh mẽ (aggressive). Ưu điểm của mô hình 5 nhân tố là nó cung cấp một cái nhìn toàn diện hơn về các nguồn rủi ro và lợi nhuận, không chỉ dựa vào quy mô và giá trị mà còn cả hiệu quả hoạt động và chính sách đầu tư của doanh nghiệp. Mô hình này đã trở thành một chuẩn mực mới trong các nghiên cứu định lượng về định giá tài sản.

II. Thách thức định giá tài sản tại thị trường chứng khoán Việt Nam

Việc áp dụng các mô hình tài chính phát triển ở thị trường Mỹ và châu Âu vào các thị trường mới nổi như Việt Nam luôn đối mặt với nhiều thách thức. Thị trường chứng khoán Việt Nam có những đặc thù riêng về cấu trúc, tính hiệu quả, hành vi nhà đầu tư và sự minh bạch thông tin. Do đó, một mô hình hoạt động tốt ở thị trường phát triển chưa chắc đã phù hợp với bối cảnh Việt Nam. Việc kiểm định mô hình Fama-French 5 nhân tố tại Việt Nam không chỉ là một bài tập học thuật mà còn mang ý nghĩa thực tiễn cấp thiết. Nó giúp xác định các yếu tố rủi ro thực sự ảnh hưởng đến tỷ suất sinh lời cổ phiếu của các doanh nghiệp niêm yết trên sàn HOSE và sàn HNX. Một trong những thách thức lớn là chất lượng và tính sẵn có của dữ liệu bảng (panel data), đặc biệt là dữ liệu tài chính trong quá khứ. Hơn nữa, phương pháp ước lượng truyền thống như hồi quy OLS (Ordinary Least Squares) có thể không phải là tối ưu. Dữ liệu tài chính thường không tuân theo phân phối chuẩn và dễ bị ảnh hưởng bởi các giá trị ngoại lai, điều này làm giảm độ tin cậy của kết quả hồi quy. Luận văn thạc sĩ của Phạm Thanh Tùng (2019) đã chỉ ra rằng việc sử dụng các phương pháp ước lượng mạnh mẽ hơn như hồi quy phân vị có thể mang lại kết quả chính xác và sâu sắc hơn. Việc đối mặt và giải quyết những thách thức này là chìa khóa để xây dựng một công cụ định giá hiệu quả, hỗ trợ nhà đầu tư và nhà quản lý đưa ra quyết định tốt hơn.

2.1. Đặc thù của thị trường cận biên như Việt Nam

Thị trường chứng khoán Việt Nam vẫn được xếp vào nhóm thị trường cận biên (frontier market) theo tiêu chuẩn của MSCI. Các thị trường này thường có đặc điểm thanh khoản thấp hơn, mức độ biến động cao hơn, và thông tin kém minh bạch hơn so với thị trường mới nổi hay phát triển. Hành vi bầy đàn của nhà đầu tư cá nhân, chiếm tỷ trọng lớn trên thị trường, cũng có thể tạo ra những biến động giá không hoàn toàn phản ánh giá trị nội tại của doanh nghiệp. Những đặc điểm này đặt ra câu hỏi về tính hiệu quả của thị trường và liệu các nhân tố rủi ro được xác định trong mô hình Fama and French có hoạt động tương tự ở Việt Nam hay không. Ví dụ, hiệu ứng quy mô có thể mạnh hơn do các công ty nhỏ ít được chú ý và phân tích hơn. Do đó, một nghiên cứu thực nghiệm chuyên sâu là cần thiết để xác thực và điều chỉnh mô hình cho phù hợp.

2.2. Vấn đề trong việc lựa chọn phương pháp hồi quy OLS

Phương pháp hồi quy OLS là công cụ phổ biến trong các nghiên cứu định lượng kinh tế. Tuy nhiên, nó đòi hỏi các giả định nghiêm ngặt, chẳng hạn như sai số phải có phân phối chuẩn và phương sai không đổi. Dữ liệu tài chính, đặc biệt là tỷ suất sinh lời cổ phiếu, thường vi phạm các giả định này. Phân phối của TSSL thường có "đuôi dày" (fat tails) và độ nhọn cao (high kurtosis), nghĩa là các sự kiện biến động cực đoan xảy ra thường xuyên hơn so với phân phối chuẩn. Hơn nữa, hồi quy OLS rất nhạy cảm với các giá trị ngoại lai (outliers), có thể làm sai lệch kết quả ước lượng. Nghiên cứu của Phạm Thanh Tùng (2019) chỉ ra rằng dữ liệu tại Việt Nam không tuân theo phân phối chuẩn, do đó việc sử dụng OLS có thể không mang lại kết quả đáng tin cậy nhất. Đây là lý do các phương pháp thay thế như hồi quy phân vị được đề xuất để kiểm định mô hình một cách mạnh mẽ hơn.

III. Hướng dẫn giải mã 5 nhân tố trong mô hình Fama French

Mô hình Fama-French 5 nhân tố giải thích lợi nhuận kỳ vọng của một danh mục đầu tư vượt trên lãi suất phi rủi ro thông qua năm yếu tố chính. Việc hiểu rõ bản chất và cách tính toán của từng nhân tố là điều kiện tiên quyết để áp dụng mô hình. Nền tảng lý thuyết của các nhân tố này xuất phát từ mô hình chiết khấu cổ tức, cho rằng giá trị của một cổ phiếu phụ thuộc vào lợi nhuận kỳ vọng trong tương lai và chính sách đầu tư của công ty. Nhân tố đầu tiên, nhân tố thị trường (Mkt-Rf), kế thừa từ CAPM, đại diện cho phần bù rủi ro mà nhà đầu tư yêu cầu khi nắm giữ một danh mục thị trường đa dạng hóa thay vì tài sản phi rủi ro. Bốn nhân tố còn lại được xây dựng dựa trên việc sắp xếp các cổ phiếu vào các danh mục khác nhau. Nhân tố quy mô (SMB) dựa trên vốn hóa thị trường. Nhân tố giá trị (HML) dựa trên tỷ lệ giá trị sổ sách trên giá trị thị trường (B/M). Nhân tố lợi nhuận (RMW) dựa trên lợi nhuận hoạt động. Cuối cùng, nhân tố đầu tư (CMA) dựa trên mức độ tăng trưởng tài sản của công ty. Mỗi nhân tố này đại diện cho một loại rủi ro hệ thống riêng biệt mà nhà đầu tư phải đối mặt và do đó, họ kỳ vọng nhận được một phần bù rủi ro tương ứng. Việc phân tích sâu vào từng nhân tố giúp nhà đầu tư xác định được những đặc điểm nào của cổ phiếu thường đi kèm với tỷ suất sinh lời cao hơn trong dài hạn.

3.1. Nhân tố thị trường Mkt Rf quy mô SMB và giá trị HML

Ba nhân tố này cấu thành nên mô hình 3 nhân tố Fama-French ban đầu. Nhân tố thị trường (Mkt-Rf) được tính bằng cách lấy TSSL của danh mục thị trường (ví dụ, VN-Index) trừ đi lãi suất phi rủi ro (ví dụ, lãi suất trái phiếu chính phủ). Nhân tố quy mô (SMB - Small Minus Big) được xây dựng bằng cách lấy TSSL trung bình của các danh mục cổ phiếu vốn hóa nhỏ trừ đi TSSL trung bình của các danh mục cổ phiếu vốn hóa lớn. Một hệ số SMB dương cho thấy cổ phiếu nhỏ có xu hướng mang lại lợi nhuận cao hơn cổ phiếu lớn. Nhân tố giá trị (HML - High Minus Low) được tính bằng cách lấy TSSL trung bình của các danh mục cổ phiếu có tỷ lệ B/M cao (cổ phiếu giá trị) trừ đi TSSL trung bình của các danh mục cổ phiếu có tỷ lệ B/M thấp (cổ phiếu tăng trưởng). Một hệ số HML dương cho thấy cổ phiếu giá trị có xu hướng hoạt động tốt hơn cổ phiếu tăng trưởng.

3.2. Nhân tố lợi nhuận RMW và nhân tố đầu tư CMA

Hai nhân tố này là sự bổ sung quan trọng trong mô hình 5 nhân tố. Nhân tố lợi nhuận (RMW - Robust Minus Weak) được tính bằng cách lấy TSSL trung bình của các danh mục cổ phiếu có lợi nhuận hoạt động cao (robust) trừ đi TSSL trung bình của các danh mục có lợi nhuận hoạt động yếu (weak). Lý thuyết cho rằng các công ty có lợi nhuận ổn định và cao thường là những khoản đầu tư an toàn và hiệu quả hơn. Nhân tố đầu tư (CMA - Conservative Minus Aggressive) được tính bằng cách lấy TSSL trung bình của các danh mục cổ phiếu có mức tăng trưởng tài sản thấp (đầu tư thận trọng - conservative) trừ đi TSSL trung bình của các danh mục có mức tăng trưởng tài sản cao (đầu tư mạnh mẽ - aggressive). Logic đằng sau là các công ty đầu tư quá mức có thể đang thực hiện các dự án có NPV âm, làm giảm giá trị cổ đông, dẫn đến TSSL thấp hơn trong tương lai. Việc đưa hai nhân tố này vào mô hình giúp nắm bắt các khía cạnh về chất lượng và chính sách của doanh nghiệp.

IV. Phương pháp nghiên cứu thực nghiệm mô hình Fama French 5 nhân tố

Để kiểm định mô hình Fama-French 5 nhân tố tại Việt Nam, một quy trình nghiên cứu định lượng chặt chẽ là cần thiết. Luận văn của Phạm Thanh Tùng (2019) là một ví dụ điển hình về phương pháp luận áp dụng cho bối cảnh trong nước. Quá trình này bắt đầu bằng việc thu thập dữ liệu. Dữ liệu bao gồm giá đóng cửa hàng tháng và các thông tin tài chính từ báo cáo tài chính của các công ty phi tài chính niêm yết trên sàn HOSE. Phạm vi thời gian nghiên cứu kéo dài từ năm 2009 đến 2019, một giai đoạn đủ dài để quan sát các chu kỳ kinh tế khác nhau. Bước tiếp theo là xử lý dữ liệu và xây dựng các biến số. Các nhân tố cơ sở như quy mô, tỷ số B/M, lợi nhuận hoạt động và tăng trưởng tài sản được tính toán cho từng công ty. Sau đó, các cổ phiếu được sắp xếp và phân loại vào các danh mục. Chẳng hạn, để xây dựng nhân tố SMB và HML, các cổ phiếu được chia thành các danh mục dựa trên sự kết hợp giữa quy mô (nhỏ/lớn) và giá trị (cao/trung bình/thấp). Từ tỷ suất sinh lời của các danh mục này, các nhân tố SMB, HML, RMW, CMA được tính toán. Cuối cùng, mô hình hồi quy được thực hiện để đánh giá mức độ mà năm nhân tố này có thể giải thích sự biến động của TSSL các danh mục. Các công cụ thống kê như Stata hoặc Eviews thường được sử dụng cho quá trình phân tích phức tạp này.

4.1. Lựa chọn dữ liệu và phạm vi nghiên cứu sàn HOSE

Việc lựa chọn dữ liệu là bước quan trọng quyết định tính tin cậy của nghiên cứu thực nghiệm. Nghiên cứu tập trung vào các công ty phi tài chính niêm yết trên sàn HOSE vì đây là sàn giao dịch có vốn hóa và thanh khoản lớn nhất Việt Nam, đại diện tốt nhất cho thị trường. Các công ty tài chính (ngân hàng, bảo hiểm, chứng khoán) bị loại trừ do có cấu trúc đòn bẩy và báo cáo tài chính đặc thù. Dữ liệu được thu thập bao gồm giá cổ phiếu hàng tháng để tính TSSL và dữ liệu báo cáo tài chính hàng năm để tính các biến như giá trị sổ sách (BE), lợi nhuận hoạt động (OP) và tổng tài sản (AT). Giai đoạn 2009-2019 được chọn để bao quát giai đoạn hậu khủng hoảng tài chính toàn cầu, cho phép phân tích sự phục hồi và tăng trưởng của thị trường. Dữ liệu được xử lý cẩn thận để loại bỏ các cổ phiếu thiếu thông tin hoặc có giá trị sổ sách âm, đảm bảo chất lượng của bộ dữ liệu bảng.

4.2. Cách thức xây dựng danh mục và tính toán các biến số

Theo phương pháp của Fama and French, việc xây dựng danh mục là cốt lõi để tính toán các nhân tố. Tại mỗi thời điểm (thường là cuối tháng 6 hàng năm), tất cả các cổ phiếu trong mẫu được sắp xếp độc lập dựa trên các biến cơ sở. Ví dụ, chúng được xếp hạng theo vốn hóa thị trường để chia thành 2 nhóm: Nhỏ (Small - S) và Lớn (Big - B). Đồng thời, chúng cũng được xếp hạng theo tỷ lệ B/M để chia thành 3 nhóm: Thấp (Low - L), Trung bình (Neutral - N) và Cao (High - H). Giao của hai cách phân loại này tạo ra 6 danh mục (SL, SN, SH, BL, BN, BH). TSSL của mỗi danh mục được tính bằng trung bình trọng số vốn hóa của các cổ phiếu trong đó. Từ đó, nhân tố SMB và HML được tính. Quy trình tương tự được áp dụng để xây dựng nhân tố RMW và CMA dựa trên lợi nhuận và đầu tư. Cách tiếp cận này đảm bảo rằng các nhân tố thu được phản ánh phần bù rủi ro chung của thị trường, chứ không phải đặc điểm của một cổ phiếu riêng lẻ.

V. Kết quả thực nghiệm mô hình 5 nhân tố Fama French tại Việt Nam

Các nghiên cứu thực nghiệm về Mô hình Fama-French 5 nhân tố tại thị trường chứng khoán Việt Nam đã mang lại những kết quả đáng chú ý. Phân tích trong luận văn thạc sĩ của Phạm Thanh Tùng (2019) trên dữ liệu sàn HOSE giai đoạn 2009-2019 cung cấp bằng chứng quan trọng về khả năng ứng dụng của mô hình này. Kết quả tổng thể cho thấy cả năm nhân tố đều có vai trò trong việc giải thích tỷ suất sinh lời cổ phiếu. Điều này khẳng định rằng, ngoài rủi ro hệ thống chung của thị trường, các yếu tố về quy mô, giá trị, lợi nhuận và chính sách đầu tư đều là những nguồn rủi ro có hệ thống mà nhà đầu tư cần quan tâm. Một trong những phát hiện thú vị là mối tương quan của các nhân tố này với TSSL. Trong khi các nhân tố quy mô, giá trị, và đầu tư thể hiện dấu hiệu phù hợp với lý thuyết (SMB và CMA tương quan âm, HML tương quan dương), thì nhân tố lợi nhuận (RMW) lại cho thấy mối tương quan âm, trái với kỳ vọng. Điều này cho thấy các công ty lợi nhuận cao ở Việt Nam trong giai đoạn nghiên cứu không nhất thiết mang lại TSSL cao hơn. Khi so sánh hiệu quả, mô hình 5 nhân tố Fama-French tỏ ra vượt trội hơn mô hình 3 nhân tố, nhưng sự cải thiện không quá lớn, cho thấy nhân tố giá trị (HML) có thể bị dư thừa khi có sự hiện diện của nhân tố lợi nhuận và đầu tư, một kết quả tương tự như nghiên cứu gốc của Fama và French tại Mỹ.

5.1. Phân tích tác động của 5 nhân tố lên tỷ suất sinh lời

Kết quả hồi quy cho thấy tất cả năm nhân tố đều có ý nghĩa thống kê khi áp dụng trên toàn bộ dữ liệu. Cụ thể, nhân tố thị trường (Mkt-Rf) vẫn là yếu tố giải thích chính, khẳng định vai trò trung tâm của rủi ro thị trường. Nhân tố quy mô (SMB) có hệ số âm, cho thấy hiệu ứng quy mô tồn tại, tức các cổ phiếu nhỏ có TSSL cao hơn. Nhân tố giá trị (HML) có hệ số dương, xác nhận hiệu ứng giá trị, tức cổ phiếu có B/M cao sinh lời tốt hơn. Nhân tố đầu tư (CMA) có hệ số dương, ngụ ý các công ty đầu tư thận trọng (thay đổi tài sản ít) có TSSL cao hơn, phù hợp với lý thuyết. Điểm đáng chú ý nhất là nhân tố lợi nhuận (RMW) có hệ số âm, một kết quả ngược với nhiều thị trường khác. Điều này có thể được giải thích bởi đặc thù thị trường Việt Nam, nơi các nhà đầu tư có thể kỳ vọng quá cao vào các công ty lợi nhuận tốt, đẩy giá lên cao và làm giảm TSSL trong tương lai.

5.2. Đánh giá ưu thế của phương pháp hồi quy phân vị

Một đóng góp quan trọng của nghiên cứu là việc áp dụng phương pháp hồi quy phân vị bên cạnh hồi quy OLS truyền thống. Kết quả cho thấy hồi quy phân vị cung cấp một cái nhìn sâu sắc và chi tiết hơn về mối quan hệ giữa các nhân tố và TSSL. Thay vì chỉ đưa ra một hệ số trung bình duy nhất, phương pháp này cho phép ước lượng tác động của các nhân tố tại các mức phân vị khác nhau của TSSL (ví dụ: ở các cổ phiếu có TSSL rất thấp hoặc rất cao). Nghiên cứu chỉ ra rằng hồi quy phân vị có hiệu năng giải thích mô hình tốt hơn OLS. Nó cho thấy tác động của các nhân tố không đồng nhất trên toàn bộ phân phối lợi nhuận. Ví dụ, tác động của nhân tố quy mô có thể mạnh hơn ở các cổ phiếu có TSSL cao. Điều này chứng tỏ hồi quy phân vị là một công cụ mạnh mẽ và phù hợp hơn để kiểm định mô hình định giá tài sản trong bối cảnh dữ liệu tài chính không tuân theo phân phối chuẩn.

VI. Ứng dụng mô hình Fama French 5 nhân tố cho nhà đầu tư Việt Nam

Kết quả từ các nghiên cứu thực nghiệm về Mô hình Fama-French 5 nhân tố không chỉ mang giá trị học thuật mà còn đem lại những hàm ý quan trọng cho các nhà đầu tư tại thị trường chứng khoán Việt Nam. Việc hiểu rõ các yếu tố rủi ro nào được thị trường "trả công" bằng một mức lợi nhuận cao hơn sẽ giúp nhà đầu tư xây dựng chiến lược hiệu quả. Dựa trên các phát hiện, nhà đầu tư có thể điều chỉnh danh mục của mình để nghiêng về các loại cổ phiếu có những đặc điểm được kỳ vọng mang lại TSSL vượt trội. Cụ thể, kết quả khuyến nghị rằng các danh mục đầu tư tập trung vào cổ phiếu của các công ty có quy mô nhỏ, tỷ lệ B/M cao (cổ phiếu giá trị), và có chiến lược đầu tư thận trọng (ít thay đổi trong tổng tài sản) có khả năng sinh lời tốt hơn. Đây là những yếu tố cốt lõi của các chiến lược đầu tư theo yếu tố (factor investing) đang ngày càng phổ biến trên thế giới. Tuy nhiên, nhà đầu tư cũng cần cẩn trọng với nhân tố lợi nhuận, khi các nghiên cứu định lượng tại Việt Nam cho thấy mối quan hệ ngược chiều. Điều này không có nghĩa là nên tránh các công ty lợi nhuận cao, mà cần phân tích sâu hơn để tránh mua vào ở mức giá đã phản ánh quá mức kỳ vọng. Cuối cùng, việc áp dụng mô hình cần đi đôi với sự hiểu biết về các hạn chế và bối cảnh đặc thù của thị trường.

6.1. Khuyến nghị đầu tư dựa trên kết quả nghiên cứu định lượng

Dựa trên kết quả thực nghiệm của Phạm Thanh Tùng (2019), các khuyến nghị cụ thể có thể được đưa ra. Nhà đầu tư nên quan tâm đến các cổ phiếu có đặc điểm sau: (1) Quy mô nhỏ: Các công ty này thường có tiềm năng tăng trưởng cao hơn và ít được thị trường chú ý. (2) Giá trị cao (tỷ số B/M cao): Đây là các cổ phiếu có thể đang bị thị trường định giá thấp hơn giá trị sổ sách, hứa hẹn tiềm năng phục hồi giá. (3) Đầu tư thận trọng (thay đổi tài sản ít): Các công ty không chạy theo tăng trưởng bằng mọi giá mà tập trung vào hiệu quả hoạt động có thể là những khoản đầu tư bền vững hơn. Việc kết hợp các yếu tố này trong lý thuyết danh mục đầu tư có thể giúp tạo ra suất sinh lời bất thường so với thị trường chung. Các nhà quản lý quỹ cũng có thể sử dụng mô hình này để đánh giá hiệu quả hoạt động của mình, xem liệu lợi nhuận vượt trội có đến từ kỹ năng lựa chọn cổ phiếu hay chỉ đơn giản là do danh mục của họ nghiêng về các yếu tố rủi ro có sẵn.

6.2. Hạn chế của nghiên cứu và hướng phát triển tương lai

Mọi nghiên cứu khoa học đều có những hạn chế nhất định. Nghiên cứu về 5 nhân tố Fama-French tại Việt Nam cũng không ngoại lệ. Hạn chế có thể đến từ phạm vi dữ liệu (chỉ giới hạn ở sàn HOSE và trong một giai đoạn nhất định), hoặc phương pháp xây dựng nhân tố. Hướng nghiên cứu trong tương lai có thể mở rộng ra sàn HNX và UPCOM để có cái nhìn toàn cảnh hơn. Ngoài ra, việc kiểm định các nhân tố khác như quán tính (momentum) hay thanh khoản cũng là một hướng đi hứa hẹn. Một hướng phát triển khác là áp dụng các mô hình học máy (machine learning) để lựa chọn và kiểm định các yếu tố, có thể phát hiện ra những mối quan hệ phi tuyến tính phức tạp hơn mà các mô hình hồi quy tuyến tính truyền thống bỏ qua. Việc liên tục cập nhật và kiểm định lại mô hình với dữ liệu mới là cần thiết để đảm bảo tính ứng dụng của nó trong một thị trường luôn thay đổi như Việt Nam.

Trích đoạn nội dung tài liệu

chương 1, Tác giả sẽ làm rõ vấn đề nghiên cứu, lý do mục tiêu, đối tượng và phạm vi thực hiện nghiên cứu. Chương 2 sẽ tóm tắt các lý thuyết hỗ trợ chủ đề nghiên cứu, các nghiên cứu thực nghiệm liên quan. Phần cuối của chương tổng kết và đưa ra mô hình nghiên cứu sẽ sử dụng trong đề tài. Chương 3 liên quan đến chi tiết mô hình nghiên cứu, phương pháp thu thập dữ liệu, cách kịch bản thực hiện thực nghiệm, cách thức xây dựng danh mục và các biến trong mô hình.

Kết quả thực nghiệm sẽ trình bày, giải thích kết quả kèm theo các thảo luận trong Chương 4. Các kết quả thực nghiệm gồm: mô hình năm nhân tố và mô hình ba nhân tố theo từng danh mục hoặc toàn bộ dữ liệu khi được ước lượng bởi hồi quy tuyến tính OLS và hồi quy phân vị. Cuối cùng, Chương 5 sẽ kết luận những câu hỏi nghiên cứu nào đã trả lời, mức độ trả câu hỏi, những khiếm khuyết và khuyến nghị của đề tài và định hướng nghiên cứu tương lai. 8 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU 2.1 Mô hình CAPM Mô hình định giá tài sản vốn, CAPM (Capital Asset Pricing Model) được giới thiệu bởi Sharpe vào năm 1964 và Lintner năm 1965.

Nền tảng của mô hình là Lý thuyết danh mục hiện đại (Modern Portfolio Theory) của Markowitz. Mô hình CAPM cũng kế thừa giả định thị trường vốn hiệu quả và hoàn hảo (thông tin đầy đủ, chi phí giao dịch không đáng kể, không có những hạn chế làm giới hạn việc đầu tư và không có nhà đầu tư có thể làm ảnh hưởng đến giá của tài sản). Đồng thời mô hình còn bổ sung thêm hai giả định quan trọng khác. Giả định thứ nhất, nhà đầu tư có thể dễ dàng cho vay và đi vay không giới hạn ở mức lãi suất phi rủi ro.

Giả định thứ hai, tất cả nhà đầu tư đều có cùng kỳ vọng thuần nhất (không có sự khác biệt về giá trị kỳ vọng- expected, độ lệch chuẩn và hệ số tương quan). Khi ở trạng thái cân bằng, kỳ vọng TSSL của một tài sản hoặc danh mục có mối quan hệ tuyến tính với rủi ro thị trường. Mối quan hệ này được diễn tả bởi công thức sau: 𝑬(𝑹𝒊 ) = 𝑹𝒇 + 𝜷[𝑬(𝑹𝒎 ) − 𝑹𝒇 ] (2.1) Với 𝑅𝑖 TSSL của tài sản hoặc danh mục, 𝑅𝑓 là lãi suất phi rủi ro, 𝐸(𝑅𝑚 ) TSSL kỳ vọng của thị trường, 𝛽 = 𝐶𝑜𝑣(𝑅𝑖 , 𝑅𝑚 )/𝜎𝑀2 , 𝐶𝑜𝑣 (𝑅𝑖 , 𝑅𝑚 ) là hiệp phương sai 𝑅𝑖 (tài sản hoặc danh mục) với 𝑅𝑚 (thị trường), 𝜎𝑀2 phương sai của thị trường. Ưu điểm của CAPM là dễ minh họa và diễn giải.

CAPM được sử dụng rộng rãi, chủ yếu trong môi trường học thuật. Mô hình còn ngầm định rằng rủi ro riêng biệt của tài sản có thể được khắc phục bởi sự đa dạng hoá trong danh mục đầu tư. Đây là một điểm rất hay và được ứng dụng nhiều trong hoạt động đầu tư. Tuy nhiên, mô hình cũng bộc lộ một số hạn chế về cả lý thuyết và thực nghiệm.

Thứ nhất, mô hình phải được đảm bảo bởi một số giả định không thực tế (nhà đầu tư vay và mượn không giới hạn ở mức lãi suất phi rủi ro, tất cả nhà đầu tư đều có cùng kỳ vọng thuần nhất). Thứ hai, không phải rủi ro nào cũng có thể khác phục bằng đa dạng hoá. Đó là những biến 9 động trong nền kinh tế như: sự thay đổi lãi suất, thị trường sụp đổ, kinh tế suy thoái, chiến tranh, … 2.2 Mô hình ba nhân tố Với mục đích khắc phục những hạn chế và đi tìm cách giải thích TSSL tài sản tốt hơn, Fama và đồng sự đã tổng kết những phát hiện ở các nghiên cứu giải thích TSSL trong giai đoạn trước năm 1992 trong hai bài báo (Fama & French, 1992, 2008). Hai ông nhận thấy khi kết hợp những phát hiện đó vào trong một mô hình để giải thích TSSL của tài sản là có ý nghĩa và tốt hơn.

Phát hiện đầu tiên của Banz vào năm 1981. Ông ta cho rằng giá trị thị trường (ME, market equity) của cổ phiếu có ảnh hưởng đến TSSL. Cổ phiếu có ME thấp thì có 𝛽 và TSSL cao hơn cổ phiếu có ME cao. Bhandari (1988) phát hiện có một mối quan hệ tương quan dương giữa đòn bẩy và TSSL.

Stattman (1980) và Rosenberg, Reid và Lanstein (1985) nhận thấy tỷ số B/M (BE/ME, BE là Book value of Equity) có mối quan hệ tương quan dương với TSSL. Basu (1983) thì nhận thấy tỷ số E/P (earning/price) cũng giải thích TSSL ở thị trường Mỹ. Sau khi đúc kết kết quả nghiên cứu trong bài báo trên, Fama và đồng sự trong bài báo (Fama & French, 1993) đã xác nhận lại quy mô (Size, ME của cổ phiếu), giá trị (value, tỷ số B/M) giải thích tốt TSSL. Mô hình này thường gọi là mô hình 3 nhân tố Fama- French (FF3Fs).

Mô hình được mô tả qua phương trình hồi quy tại thời điểm t của cổ phiếu/tài sản i như sau: 𝑹𝒊𝒕 − 𝑹𝑭𝒕 = 𝜶𝒊 + 𝒃𝒊 (𝑹𝑴𝒕 − 𝑹𝑭𝒕 ) + 𝒔𝒊 𝑺𝑴𝑩𝒕 + 𝒉𝒊 𝑯𝑴𝑳𝒕 + 𝒆𝒊𝒕 (2.2) Trong đó 𝑅𝑖𝑡 : TSSL của chứng khoán hoặc danh mục 𝑖 ở thời kỳ 𝑡 𝑅𝑀𝑡 : TSSL của dạnh mục thị trường tại thời kỳ t. 𝑅𝐹𝑡 : TSSL phi rủi ro tại thời kỳ t. 𝑅𝑀𝑡 − 𝑅𝐹𝑡 : TSSL vượt trội của của thị trường (phần bù rủi ro thị trường) tại thời kỳ t. 10 𝑆𝑀𝐵𝑡 : Phần bù rủi ro quy mô (Small minus Big), TSSL danh mục quy mô nhỏ trừ TSSL danh mục quy mô lớn tại thời kỳ t.

𝐻𝑀𝐿𝑡 : Phần bù rủi ro giá trị (High minus Low, TSSL danh mục có tỷ số B/M cao trừ danh mục có B/M thấp tại thời kỳ t. 𝛼𝑖 : hệ số chặn. 𝑏𝑖 : hệ số nhạy cảm với biến động thị trường. 𝑠𝑖 : hệ số nhạy cảm với phần bù rủi ro quy mô.

ℎ𝑖 : hệ số nhạy cảm với phần bù giá trị. 𝑒𝑖𝑡 : sai số, phần dư (có kỳ vọng tiến về 0). Cũng trong bài báo (Fama & French, 1993), khi thực nghiệm hồi quy 25 danh mục (kết hợp 5 danh mục của quy mô với 5 danh mục của giá trị), Fama và French nhận thấy mô hình 3 nhân tố hiệu quả hơn mô hình CAPM do hệ số chặn tiến về gần 0 hơn và các nhân tố đều có ý nghĩa thống kê. Mô hình FF3Fs đã được kiểm định ở nhiều quốc gia trên thế giới.

Ở Việt Nam có các công trình (T. Tran, 2017) và (Tran T. Hai công đều kết luận nhân tố giá trị và thị trường là yếu tố chủ lực giải thích TSSL của các cổ phiếu phi tài chính niêm yết trên sàn HOSE. Đây cũng là cơ sở và động lực để tác giả kiểm định mô hình năm nhân tố của Fama French ở Việt Nam.

Phần tiếp theo, tác giả xin trình bày tổng quan về mô hình năm nhân tố.3 Mô hình năm nhân tố Mô hình FF3Fs được đạt được những thành công khi kết hợp thêm nhân tố quy mô và giá trị. Trên thực tế vẫn còn nhiều nhân tố khác tác động đến TSSL và được các nhà nghiên cứu phát hiện sau năm 1993. Trong bài báo (Fama & French, 2006), Fama và French đã đưa thêm các phát hiện của các nhà nghiên cứu khác vào mô hình của mình để kiểm định. Phát hiện đầu tiên, Cohen và đồng sự (2002), lợi nhuận có tác động cùng chiều với TSSL.

Fairfield và đồng sự (2003), việc đầu tư có quan hệ ngược chiều và tương đối yếu với TSSL. Ngoài ra, Fama và French còn đưa ra cơ sở lý 11 thuyết giải thích sự tồn tại mối quan hệ giữa TSSL với quy mô, giá trị, đầu tư và lợi nhuận. Mô hình chiết khấu cổ tức là cơ sở lý thuyết của mô hình (Fama & French, 2015). Mô hình nói rằng giá cổ phiếu là chiết khấu của cổ tức kỳ vọng trong tương lai về hiện tại.

Công thức dưới đã diễn đạt mối quan hệ đó như sau.3) 𝑴𝒕 = ∑ 𝑬(𝑫𝒕+𝝉 )⁄(𝟏 + 𝒓)𝝉 𝝉=𝟏 Trong đó, 𝑀𝑡 : giá cổ phiếu ở thời điểm t; 𝐸(𝐷𝑡+𝜏 ): kỳ vọng cổ tức trong khoảng thời gian 𝑡 + 𝜏, 𝑟 là TSSL kỳ vọng trong dài hạn của cổ phiếu hay TSSL nội bộ (internal rate of return) dựa vào kỳ vọng cổ tức. Kỳ vọng cổ tức của một cổ phiếu có thể được xác định là hiệu của doanh thu của 1 cổ phiếu 𝑌𝑡 và sự thay đổi giá trị sổ sách của 1 cổ phiếu 𝑑𝐵𝑡 = 𝐵𝑡 − 𝐵𝑡−1 hay 𝐸 (𝑑𝑡+𝜏 ) = 𝐸 (𝑌𝑡+𝜏 − 𝑑𝐵𝑡+𝜏 ). Khi đó công thức có thể viết thành ∞ (2.5) = ∑ 𝑩𝒕 𝑩𝒕 ( 𝟏 + 𝒓) 𝝉 𝝉=𝟏 Với công thức này ta có thể rút ra những mối quan hệ sau giữa TSSL và các nhân tố khác. Mối quan hệ giữa TSSL và quy mô thể hiện 𝑀𝑡 và 𝑟, 𝑀𝑡 càng nhỏ r càng lớn.

Mối quan hệ giữa TSSL và B/M được thể hiện thông qua 𝑀𝑡 /𝐵𝑡 và 𝑟, 𝑀𝑡 /𝐵𝑡 càng lớn thì 𝑟 càng nhỏ (hay 𝐵𝑡 /𝑀𝑡 càng lớn thì r càng lớn). Nhân tố lợi nhuận với TSSL là 𝑌𝑡+𝜏 và 𝑟, kỳ vọng lợi nhuận càng cao thì TSSL càng lớn. TSSL với đầu tư (hay sự thay đổi giá trị sổ sách) là 𝑟 và 𝑑𝐵𝑡+𝜏 , 𝑑𝐵𝑡+𝜏 càng nhỏ thì 𝑟 càng lớn. Một giả định 12 ngầm khi xác định mối quan hệ giữa hai yếu tố thì ta coi như các yếu tố khác không đổi.

Tuy vậy, kết quả thực nghiệm lại cho rằng nhân tố lợi nhuận không thực sự có tác động (không có ý nghĩa thống kê). Cũng thời điểm này, (Aharoni, Grundy, & Zeng, 2013) cho rằng nên thay thế các nhân tố có liên quan đến số cổ phiếu trong công thức định giá thì việc định giá sẽ tốt hơn. Do giá trị của những nhân tố đó có thể thay đổi khi cổ phiếu được mua lại hoặc phát hành mới. Tức là, sự thay đổi không do hoạt động sản xuất chính của doanh nghiệp.

Từng những nhận định trên, (Fama & French, 2015) giới thiệu mô hình Fama-French năm nhân tố (FF5Fs), mô hình FF3Fs bổ sung thêm nhân tố lợi nhuận và đầu tư. Nhân tố lợi nhuận được được đại diện bởi lợi nhuận hoạt động. Lợi nhuận hoạt động là lợi nhuận gộp cộng với doanh thu từ hoạt động tài chính, lợi nhuận/lỗ trong các công ty liên doanh và trừ đi cho chi phí tài chính, chi phí bán hàng, chi phí quản lý doanh nghiệp. Nhân tố đầu tư được đại diện bởi sự thay đổi tài sản.

Mô hình được diễn đạt như phương trình hồi quy tuyến tính sau: 𝑹𝒊𝒕 − 𝑹𝑭𝒕 = 𝜶𝒊 + 𝒃𝒊 (𝑹𝑴𝒕 − 𝑹𝑭𝒕 ) + 𝒔𝒊 𝑺𝑴𝑩𝒕 + 𝒉𝒊 𝑯𝑴𝑳𝒕 + 𝒓𝒊 𝑹𝑴𝑾𝒕 (2.