Mô Hình Định Giá Tài Sản Vốn: Beta và Các Yếu Tố Khác

Tài liệu nghiên cứu Luận văn the capital asset pricing model beta and what else, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Phạm Ngọc Thạch
• Người hướng dẫn: Dr. Võ Hồng Đức
• Trường học: University of Economics
• Chuyên ngành: Development Economics
• Đề tài: Mô Hình Định Giá Tài Sản Vốn: Beta và Các Yếu Tố Khác
• Loại tài liệu: Thesis
• Năm xuất bản: 2015
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• DECLARATION
• ACKNOWLEDGEMENTS
• ABBREVIATIONS
• ABSTRACT
• TABLE OF CONTENTS
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Contributions of the thesis
• 1.2. Structure of the thesis
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Modern Portfolio Theory
• 2.2. The Capital Asset Pricing Model
• 2.3. The Capital Market Line
• 2.4. The Security Market Line
• 2.5. The Arbitrage Pricing Theory
• 2.6. Fama-French three-factor model
• 2.7. The Carhart four-factor model
• 2.8. The Fama-French five-factor model
• 2.9. The DuPont analysis
• 2.10. Empirical evidences on the asset pricing models
• 2.11. Current approaches to estimate β
• 2.11.1. Ordinary Least Squares
• 2.11.2. Least Absolute Deviations
• 2.12. The use of DuPont analysis on asset pricing model
• 3. CHAPTER 3: METHODOLOGY AND DATA
• 3.1. Utilities industry in ASEAN 5
• 3.2. Beta ranking for all industries and asset pricing factors in Vietnam market
• 3.2.1. Estimating beta in Capital Asset Pricing Model
• 3.2.1.1. Return and return period
• 3.2.1.2. A new approach – Quantile regression
• 3.2.1.3. De-levered/Re-levered estimates of β
• 3.2.2. Beta ranking construction
• 3.2.3. The use of DuPont on asset pricing model
• 3.2.3.1. Model specification and estimation method
• 4. CHAPTER 4: RESULTS AND DISCUSSIONS
• 4.1. Objective 1: Estimating the beta coefficients for the utilities industry in the ASEAN 5
• 4.1.1. Individual companies’ beta estimates
• 4.1.2. Beta estimates of various portfolios
• 4.1.3. De-levered/Re-levered estimates of β
• 4.2. Objective 2: The Risk-Return framework for various industries in Vietnam
• 4.3. Objective 3: New explanatory factors of expected stock returns in the Vietnam context
• 5. CHAPTER 5: CONCLUSIONS AND POLICY IMPLICATIONS
• 5.1. For the Vietnamese government
• 5.2. Limitations and further study
• LIST OF TABLES
• LIST OF FIGURES

Tóm tắt

I. Tổng Quan Về Mô Hình Định Giá Tài Sản Vốn CAPM và Beta

Mô hình CAPM (Capital Asset Pricing Model) là một công cụ quan trọng trong định giá tài sản, đặc biệt là định giá cổ phiếu. Mô hình này, được phát triển bởi Sharpe (1964) và Lintner (1965), sử dụng hệ số Beta để đo lường rủi ro hệ thống của một tài sản so với thị trường chung. CAPM giúp nhà đầu tư xác định tỷ suất sinh lời yêu cầu cho một khoản đầu tư, dựa trên mức độ rủi ro mà họ chấp nhận. Tuy nhiên, CAPM không phải là không có hạn chế và đã vấp phải nhiều chỉ trích từ các nhà nghiên cứu và thực hành. Các mô hình thay thế, như mô hình Fama-French và mô hình APT, đã được phát triển để khắc phục những hạn chế này. Dù vậy, CAPM vẫn được sử dụng rộng rãi trong thực tế, đặc biệt là trong việc quản trị rủi ro và phân tích tài chính.

1.1. Lịch Sử Phát Triển và Vai Trò của Mô Hình CAPM

Mô hình CAPM ra đời từ những năm 1960, dựa trên nền tảng của Modern Portfolio Theory (MPT). Nó nhanh chóng trở thành một công cụ tiêu chuẩn trong định giá tài sản và quản lý danh mục đầu tư. Tuy nhiên, theo thời gian, các nhà nghiên cứu đã chỉ ra những hạn chế của CAPM, đặc biệt là trong việc giải thích sự biến động của tỷ suất sinh lời cổ phiếu. Điều này đã dẫn đến sự ra đời của các mô hình đa yếu tố, như mô hình Fama-French ba yếu tố và năm yếu tố, nhằm cải thiện khả năng dự báo của mô hình. Dù vậy, CAPM vẫn giữ vai trò quan trọng trong việc cung cấp một khung tham chiếu cơ bản cho việc đánh giá rủi ro và tỷ suất sinh lời.

1.2. Ưu Điểm và Hạn Chế Của Việc Sử Dụng Hệ Số Beta

Hệ số Beta là một yếu tố then chốt trong mô hình CAPM, đo lường mức độ nhạy cảm của một tài sản đối với biến động của thị trường. Ưu điểm của Beta là dễ tính toán và dễ hiểu, giúp nhà đầu tư nhanh chóng đánh giá rủi ro hệ thống. Tuy nhiên, Beta cũng có những hạn chế nhất định. Nó dựa trên dữ liệu lịch sử, có thể không phản ánh chính xác rủi ro trong tương lai. Ngoài ra, Beta chỉ đo lường rủi ro hệ thống, bỏ qua rủi ro phi hệ thống, vốn cũng có thể ảnh hưởng đáng kể đến tỷ suất sinh lời của một tài sản. Do đó, việc sử dụng Beta cần được kết hợp với các công cụ phân tích tài chính khác để có cái nhìn toàn diện hơn.

II. Thách Thức và Vấn Đề Với Mô Hình CAPM Trong Thực Tế

Mặc dù được sử dụng rộng rãi, mô hình CAPM đối mặt với nhiều thách thức trong thực tế. Một trong những vấn đề lớn nhất là tính ổn định của hệ số Beta. Beta có thể thay đổi theo thời gian, do sự thay đổi trong cấu trúc vốn, hoạt động kinh doanh, hoặc môi trường kinh tế vĩ mô của công ty. Điều này gây khó khăn cho việc dự báo tỷ suất sinh lời trong tương lai. Ngoài ra, CAPM giả định rằng thị trường hiệu quả, nhưng thực tế thị trường thường xuyên bị ảnh hưởng bởi các yếu tố tâm lý và thông tin bất cân xứng. Các nghiên cứu cũng chỉ ra rằng các yếu tố khác, như quy mô công ty và giá trị sổ sách trên thị trường, có thể ảnh hưởng đến tỷ suất sinh lời hơn là hệ số Beta. Do đó, việc áp dụng CAPM cần được thực hiện một cách thận trọng và kết hợp với các phương pháp phân tích tài chính khác.

2.1. Tính Không Ổn Định Của Hệ Số Beta Theo Thời Gian

Hệ số Beta là một thước đo rủi ro hệ thống quan trọng trong mô hình CAPM. Tuy nhiên, một trong những thách thức lớn nhất khi sử dụng Beta là tính không ổn định của nó theo thời gian. Beta có thể thay đổi do nhiều yếu tố, bao gồm thay đổi trong cấu trúc vốn của công ty, chiến lược kinh doanh, và điều kiện kinh tế vĩ mô. Điều này có nghĩa là Beta được tính toán dựa trên dữ liệu lịch sử có thể không còn phù hợp để dự đoán tỷ suất sinh lời trong tương lai. Các nhà nghiên cứu đã đề xuất nhiều phương pháp để giải quyết vấn đề này, chẳng hạn như sử dụng Beta điều chỉnh hoặc ước tính Beta bằng các mô hình thống kê phức tạp hơn.

2.2. Ảnh Hưởng Của Các Yếu Tố Khác Ngoài Beta Đến Tỷ Suất Sinh Lời

Mô hình CAPM chỉ tập trung vào hệ số Beta như là yếu tố duy nhất giải thích sự khác biệt trong tỷ suất sinh lời của các tài sản. Tuy nhiên, nhiều nghiên cứu đã chỉ ra rằng các yếu tố khác, như quy mô công ty, giá trị sổ sách trên thị trường, và động lượng, cũng có thể ảnh hưởng đáng kể đến tỷ suất sinh lời. Mô hình Fama-French là một ví dụ về mô hình đa yếu tố, bổ sung thêm quy mô và giá trị vào mô hình CAPM. Việc bỏ qua các yếu tố này có thể dẫn đến sai sót trong việc định giá tài sản và quản lý danh mục đầu tư.

III. Phương Pháp Ước Tính Beta Hiệu Quả Hướng Dẫn Chi Tiết

Việc ước tính hệ số Beta một cách chính xác là rất quan trọng để áp dụng mô hình CAPM hiệu quả. Có nhiều phương pháp ước tính Beta, từ các phương pháp đơn giản như hồi quy tuyến tính (OLS) đến các phương pháp phức tạp hơn như hồi quy lượng tử (Quantile Regression). Phương pháp OLS dễ thực hiện nhưng có thể bị ảnh hưởng bởi các giá trị ngoại lệ. Phương pháp Quantile Regression ít nhạy cảm hơn với các giá trị ngoại lệ và có thể cung cấp ước tính Beta chính xác hơn trong một số trường hợp. Ngoài ra, việc lựa chọn dữ liệu lịch sử phù hợp và tần suất dữ liệu cũng ảnh hưởng đến kết quả ước tính Beta. Cần xem xét kỹ lưỡng các yếu tố này để đảm bảo tính chính xác và tin cậy của hệ số Beta.

3.1. So Sánh Các Phương Pháp Ước Tính Beta OLS và Quantile Regression

Có hai phương pháp chính để ước tính hệ số Beta: Ordinary Least Squares (OLS) và Quantile Regression. OLS là phương pháp phổ biến nhất, dựa trên việc tìm đường thẳng phù hợp nhất với dữ liệu lịch sử. Tuy nhiên, OLS có thể bị ảnh hưởng bởi các giá trị ngoại lệ, dẫn đến ước tính Beta không chính xác. Quantile Regression là một phương pháp mạnh mẽ hơn, ít nhạy cảm hơn với các giá trị ngoại lệ. Nó cho phép ước tính Beta tại các điểm phân vị khác nhau của phân phối dữ liệu, cung cấp cái nhìn toàn diện hơn về mối quan hệ giữa tỷ suất sinh lời của tài sản và thị trường.

3.2. Lựa Chọn Dữ Liệu Lịch Sử và Tần Suất Dữ Liệu Phù Hợp

Việc lựa chọn dữ liệu lịch sử và tần suất dữ liệu phù hợp là rất quan trọng để ước tính hệ số Beta một cách chính xác. Dữ liệu lịch sử nên đủ dài để phản ánh các điều kiện thị trường khác nhau, nhưng không quá dài để tránh bị ảnh hưởng bởi các sự kiện quá khứ không còn liên quan. Tần suất dữ liệu (ví dụ: hàng ngày, hàng tuần, hàng tháng) cũng ảnh hưởng đến kết quả ước tính Beta. Tần suất cao hơn có thể cung cấp nhiều thông tin hơn, nhưng cũng có thể bị nhiễu bởi các biến động ngắn hạn. Cần cân nhắc kỹ lưỡng các yếu tố này để đảm bảo tính chính xác và tin cậy của hệ số Beta.

IV. Mô Hình Fama French và Các Yếu Tố Bổ Sung Trong Định Giá

Mô hình Fama-French là một sự mở rộng của mô hình CAPM, bổ sung thêm hai yếu tố: quy mô công ty (SMB) và giá trị sổ sách trên thị trường (HML). Mô hình này cho thấy rằng các công ty nhỏ và các công ty có giá trị cao thường có tỷ suất sinh lời cao hơn so với dự đoán của CAPM. Gần đây, Fama và French đã giới thiệu mô hình năm yếu tố, bổ sung thêm lợi nhuận và đầu tư. Các mô hình này cho thấy rằng việc xem xét các yếu tố khác ngoài hệ số Beta có thể cải thiện đáng kể khả năng dự báo tỷ suất sinh lời. Tuy nhiên, việc lựa chọn các yếu tố phù hợp và giải thích ý nghĩa kinh tế của chúng vẫn là một thách thức.

4.1. Phân Tích Chi Tiết Mô Hình Fama French Ba Yếu Tố

Mô hình Fama-French ba yếu tố là một cải tiến đáng kể so với mô hình CAPM. Nó bổ sung thêm hai yếu tố: quy mô công ty (SMB) và giá trị sổ sách trên thị trường (HML). Yếu tố SMB đo lường sự khác biệt trong tỷ suất sinh lời giữa các công ty nhỏ và các công ty lớn. Yếu tố HML đo lường sự khác biệt trong tỷ suất sinh lời giữa các công ty có giá trị cao (giá trị sổ sách trên thị trường cao) và các công ty có giá trị thấp. Mô hình này cho thấy rằng các công ty nhỏ và các công ty có giá trị cao thường có tỷ suất sinh lời cao hơn so với dự đoán của CAPM.

4.2. Đánh Giá Mô Hình Fama French Năm Yếu Tố Mới Nhất

Gần đây, Fama và French đã giới thiệu mô hình năm yếu tố, bổ sung thêm hai yếu tố vào mô hình ba yếu tố: lợi nhuận (RMW) và đầu tư (CMA). Yếu tố RMW đo lường sự khác biệt trong tỷ suất sinh lời giữa các công ty có lợi nhuận cao và các công ty có lợi nhuận thấp. Yếu tố CMA đo lường sự khác biệt trong tỷ suất sinh lời giữa các công ty đầu tư bảo thủ và các công ty đầu tư tích cực. Mô hình này cho thấy rằng việc xem xét lợi nhuận và đầu tư có thể cải thiện đáng kể khả năng dự báo tỷ suất sinh lời.

V. Ứng Dụng Thực Tiễn Định Giá Tài Sản Trong Thị Trường Việt Nam

Trong bối cảnh thị trường Việt Nam, việc áp dụng mô hình CAPM và các mô hình đa yếu tố cần được thực hiện một cách thận trọng. Thị trường Việt Nam có những đặc điểm riêng, như tính thanh khoản thấp, sự chi phối của các nhà đầu tư cá nhân, và sự can thiệp của chính phủ. Các nghiên cứu đã chỉ ra rằng hệ số Beta có thể không phải là yếu tố duy nhất quyết định tỷ suất sinh lời trên thị trường Việt Nam. Các yếu tố khác, như rủi ro thanh khoản, rủi ro chính trị, và rủi ro vĩ mô, cũng có thể ảnh hưởng đáng kể đến tỷ suất sinh lời. Do đó, việc định giá tài sản trên thị trường Việt Nam cần kết hợp nhiều phương pháp phân tích tài chính và xem xét các yếu tố đặc thù của thị trường.

5.1. Phân Tích Rủi Ro và Tỷ Suất Sinh Lời Yêu Cầu Cho Cổ Phiếu

Việc phân tích rủi ro và xác định tỷ suất sinh lời yêu cầu là bước quan trọng trong quá trình định giá cổ phiếu. Mô hình CAPM có thể được sử dụng như một công cụ tham khảo, nhưng cần được điều chỉnh để phù hợp với đặc điểm của thị trường Việt Nam. Cần xem xét các yếu tố rủi ro hệ thống (được đo lường bằng hệ số Beta) và rủi ro phi hệ thống (ví dụ: rủi ro thanh khoản, rủi ro chính trị, và rủi ro vĩ mô). Tỷ suất sinh lời yêu cầu nên phản ánh mức độ rủi ro mà nhà đầu tư chấp nhận.

5.2. Sử Dụng Mô Hình Chiết Khấu Dòng Tiền DCF Kết Hợp CAPM

Mô hình chiết khấu dòng tiền (DCF) là một phương pháp định giá tài sản phổ biến, dựa trên việc dự báo dòng tiền trong tương lai và chiết khấu chúng về giá trị hiện tại. Mô hình CAPM có thể được sử dụng để xác định tỷ lệ chiết khấu phù hợp, dựa trên hệ số Beta và tỷ suất sinh lời phi rủi ro. Việc kết hợp hai mô hình này có thể cung cấp một ước tính giá trị hợp lý cho cổ phiếu, nhưng cần lưu ý đến tính chính xác của các giả định và dự báo.

VI. Kết Luận và Hướng Nghiên Cứu Tương Lai Về Định Giá Tài Sản

Mô hình CAPM và các mô hình đa yếu tố đóng vai trò quan trọng trong định giá tài sản và quản lý danh mục đầu tư. Tuy nhiên, việc áp dụng các mô hình này cần được thực hiện một cách thận trọng và kết hợp với các phương pháp phân tích tài chính khác. Các nghiên cứu trong tương lai nên tập trung vào việc phát triển các mô hình định giá tài sản phù hợp hơn với đặc điểm của từng thị trường, đặc biệt là các thị trường mới nổi như Việt Nam. Cần xem xét các yếu tố rủi ro đặc thù của thị trường và tìm kiếm các yếu tố mới có thể giải thích sự biến động của tỷ suất sinh lời.

6.1. Tóm Tắt Các Điểm Chính và Hạn Chế Của Nghiên Cứu

Nghiên cứu này đã trình bày tổng quan về mô hình CAPM và các mô hình đa yếu tố, đồng thời thảo luận về các thách thức và vấn đề khi áp dụng các mô hình này trong thực tế. Nghiên cứu cũng đã đề xuất một số phương pháp ước tính hệ số Beta hiệu quả và nhấn mạnh tầm quan trọng của việc xem xét các yếu tố đặc thù của thị trường Việt Nam. Tuy nhiên, nghiên cứu này cũng có một số hạn chế, chẳng hạn như phạm vi dữ liệu hạn chế và phương pháp phân tích đơn giản. Các nghiên cứu trong tương lai nên khắc phục những hạn chế này để cung cấp cái nhìn toàn diện hơn về định giá tài sản.

6.2. Đề Xuất Các Hướng Nghiên Cứu Mới Về Định Giá Tài Sản

Các nghiên cứu trong tương lai nên tập trung vào việc phát triển các mô hình định giá tài sản phù hợp hơn với đặc điểm của từng thị trường, đặc biệt là các thị trường mới nổi như Việt Nam. Cần xem xét các yếu tố rủi ro đặc thù của thị trường và tìm kiếm các yếu tố mới có thể giải thích sự biến động của tỷ suất sinh lời. Ngoài ra, cần phát triển các phương pháp phân tích phức tạp hơn để ước tính hệ số Beta và các yếu tố khác một cách chính xác hơn. Các nghiên cứu về tài chính hành vi cũng có thể cung cấp những hiểu biết sâu sắc về các yếu tố tâm lý ảnh hưởng đến quyết định đầu tư và định giá tài sản.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh thị trường tài chính toàn cầu ngày càng phát triển, việc xác định mối quan hệ giữa rủi ro và lợi nhuận kỳ vọng của tài sản vốn trở thành vấn đề trọng tâm trong lĩnh vực kinh tế phát triển. Theo ước tính, hơn 300 yếu tố đã được nghiên cứu nhằm giải thích sự biến động lợi nhuận cổ phiếu trên thế giới, tuy nhiên chưa có sự đồng thuận rõ ràng về mô hình tối ưu. Tại Việt Nam, cùng với các nền kinh tế ASEAN khác, quá trình cổ phần hóa và tư nhân hóa các doanh nghiệp nhà nước, đặc biệt trong ngành tiện ích vốn chiếm tỷ trọng lớn về vốn, đang diễn ra mạnh mẽ. Do đó, việc xác định hệ số beta vốn chủ sở hữu (equity beta) và xây dựng khung rủi ro - lợi nhuận cho các ngành nghề là rất cần thiết để hỗ trợ chính phủ trong việc định giá tài sản và giúp nhà đầu tư đưa ra quyết định hợp lý.

Mục tiêu nghiên cứu gồm ba nội dung chính: (1) ước lượng hệ số beta cho các công ty ngành tiện ích tại 5 quốc gia ASEAN (Việt Nam, Singapore, Thái Lan, Malaysia, Philippines) bằng phương pháp hồi quy phân vị nhằm giảm thiểu ảnh hưởng của ngoại lệ; (2) xây dựng khung rủi ro - lợi nhuận cho các ngành nghề tại thị trường chứng khoán Việt Nam dựa trên dữ liệu của 286 công ty phi tài chính niêm yết trên HOSE; (3) xác định các yếu tố giải thích lợi nhuận kỳ vọng phù hợp với bối cảnh Việt Nam dựa trên phân tích DuPont kết hợp với mô hình định giá thu nhập dư thừa.

Nghiên cứu được thực hiện trên dữ liệu từ năm 2005 đến 2015, sử dụng dữ liệu giá cổ phiếu hàng tuần và thông tin kế toán từ các nguồn uy tín như Bloomberg và vietstock. Kết quả nghiên cứu không chỉ đóng góp vào kho tàng lý thuyết về mô hình định giá tài sản vốn mà còn có ý nghĩa thực tiễn lớn trong việc hỗ trợ chính sách cổ phần hóa và đầu tư tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên ba lý thuyết và mô hình chính:

1. Mô hình Định giá Tài sản Vốn (CAPM): Mô hình đơn nhân tố do Sharpe và Lintner phát triển, xác định mối quan hệ tuyến tính giữa lợi nhuận kỳ vọng và rủi ro hệ thống (beta). CAPM phân biệt rủi ro hệ thống và rủi ro đặc thù, trong đó chỉ rủi ro hệ thống được bồi thường trên thị trường.

2. Mô hình đa nhân tố Fama-French: Bao gồm mô hình ba nhân tố (FF3F) với các yếu tố thị trường, kích thước doanh nghiệp (SMB) và tỷ lệ giá trị sổ sách trên thị trường (HML), sau đó được mở rộng thành năm nhân tố (FF5F) bổ sung thêm yếu tố lợi nhuận và đầu tư. Mô hình này nhằm giải thích tốt hơn sự biến động lợi nhuận cổ phiếu mà CAPM chưa thể giải thích đầy đủ.

3. Phân tích DuPont kết hợp với Định giá Thu nhập Dư thừa (Residual Income Valuation - RIV): Phân tích DuPont phân tách tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) thành các thành phần như biên lợi nhuận hoạt động, vòng quay vốn, chi phí tài chính, cấu trúc tài chính và thuế. Kết hợp với mô hình RIV, nghiên cứu kiểm tra ảnh hưởng của các thành phần này và sự biến động của chúng đến lợi nhuận cổ phiếu.

Các khái niệm chính bao gồm: hệ số beta vốn chủ sở hữu, rủi ro hệ thống, lợi nhuận kỳ vọng, các nhân tố thị trường (SMB, HML), phân tích DuPont, và hồi quy phân vị.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu giá cổ phiếu hàng tuần của các công ty ngành tiện ích tại 5 quốc gia ASEAN (2005-2015) lấy từ Bloomberg; dữ liệu giá cổ phiếu hàng ngày và thông tin kế toán của 286 công ty phi tài chính niêm yết trên HOSE từ vietstock và các trang tài chính uy tín.

• Phương pháp phân tích:

  • Ước lượng hệ số beta bằng phương pháp hồi quy phân vị (quantile regression) tại phân vị 0.95 nhằm giảm thiểu ảnh hưởng của ngoại lệ và kiểm tra tính ổn định của beta so với các phương pháp truyền thống như OLS và LAD.
  • Xây dựng danh mục cổ phiếu (portfolio) theo hai cách: trọng số bằng nhau và trọng số theo vốn hóa thị trường, cập nhật định kỳ 6 tháng để đánh giá beta tổng thể ngành.
  • Xây dựng khung rủi ro - lợi nhuận cho các ngành tại Việt Nam dựa trên trung bình beta của các công ty trong ngành.
  • Phân tích mối quan hệ giữa lợi nhuận cổ phiếu và các thành phần của ROE theo mô hình DuPont bằng phương pháp Hồi quy Tổng quát Hữu hiệu (FGLS) để kiểm soát hiện tượng phương sai không đồng nhất và tự tương quan.

• Timeline nghiên cứu: Thu thập và xử lý dữ liệu từ 2005 đến 2015; phân tích hồi quy và xây dựng mô hình trong năm 2015.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Ước lượng hệ số beta ngành tiện ích ASEAN 5:

   • Hệ số beta trung bình ngành tiện ích tại Việt Nam khoảng 0.7, thấp hơn mức beta thị trường (1.0), cho thấy ngành này có rủi ro hệ thống thấp hơn trung bình thị trường.
   • So sánh giữa các quốc gia ASEAN, beta ngành tiện ích dao động từ 0.6 (Singapore) đến 0.9 (Philippines), phản ánh sự khác biệt về mức độ rủi ro và cấu trúc thị trường.
   • Phương pháp hồi quy phân vị cho kết quả beta ổn định hơn so với OLS và LAD, giảm thiểu ảnh hưởng của các biến động bất thường trong dữ liệu.

2. Khung rủi ro - lợi nhuận cho các ngành tại Việt Nam:

   • Ngành xây dựng và bất động sản có mức beta cao nhất, khoảng 1.3, tương ứng với lợi nhuận kỳ vọng cao nhất.
   • Các ngành nông nghiệp, vận tải, sản xuất và bán buôn bán lẻ có beta dao động từ 0.9 đến 1.1.
   • Ngành tiện ích, dịch vụ lưu trú ăn uống và nghệ thuật giải trí có beta thấp hơn 0.8, trong khi ngành công nghệ thông tin có beta thấp nhất, khoảng 0.6.
   • Khung này tương đồng với đánh giá rủi ro của các tổ chức tài chính quốc tế như UBS, tạo cơ sở tin cậy cho nhà đầu tư.

3. Các yếu tố giải thích lợi nhuận cổ phiếu theo phân tích DuPont:

   • Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) và sự biến động của ROE có ảnh hưởng tích cực và có ý nghĩa thống kê đến lợi nhuận cổ phiếu.
   • Các thành phần như vòng quay vốn và tỷ lệ chi phí tài chính, cùng với sự biến động của chúng, cũng đóng vai trò giải thích bổ sung trong mô hình định giá tài sản vốn.
   • Kết quả được kiểm định bằng phương pháp FGLS, đảm bảo tính chính xác trong điều kiện dữ liệu có hiện tượng phương sai không đồng nhất và tự tương quan.

Thảo luận kết quả

Kết quả cho thấy ngành tiện ích tại Việt Nam và các nước ASEAN có mức rủi ro hệ thống thấp hơn thị trường chung, phù hợp với đặc thù ngành vốn có tính ổn định cao và ít biến động. Sự khác biệt beta giữa các quốc gia phản ánh mức độ phát triển thị trường và cấu trúc vốn khác nhau. Việc sử dụng hồi quy phân vị giúp giảm thiểu ảnh hưởng của các biến động bất thường, nâng cao độ tin cậy của ước lượng beta.

Khung rủi ro - lợi nhuận xây dựng cho các ngành tại Việt Nam cung cấp một công cụ hữu ích cho nhà đầu tư trong việc đánh giá mức độ rủi ro và lợi nhuận kỳ vọng theo ngành, hỗ trợ quyết định phân bổ vốn hiệu quả. So sánh với các nghiên cứu quốc tế cho thấy sự tương đồng, khẳng định tính ứng dụng thực tiễn của nghiên cứu.

Phân tích DuPont kết hợp với mô hình định giá thu nhập dư thừa cho thấy các thành phần cấu thành ROE không chỉ phản ánh hiệu quả hoạt động mà còn có khả năng giải thích biến động lợi nhuận cổ phiếu, mở ra hướng nghiên cứu mới trong việc tìm kiếm các yếu tố ảnh hưởng đến giá cổ phiếu tại thị trường Việt Nam.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh beta ngành giữa các quốc gia ASEAN, bảng xếp hạng beta các ngành tại Việt Nam, và bảng hệ số hồi quy của các thành phần DuPont trong mô hình giải thích lợi nhuận cổ phiếu.

Đề xuất và khuyến nghị

1. Áp dụng phương pháp hồi quy phân vị trong ước lượng beta: Khuyến nghị các cơ quan quản lý và nhà đầu tư sử dụng phương pháp này để có ước lượng beta chính xác, giảm thiểu ảnh hưởng của ngoại lệ, nâng cao hiệu quả định giá tài sản. Thời gian áp dụng: ngay lập tức; Chủ thể: các tổ chức tài chính, công ty chứng khoán.

2. Xây dựng và phổ biến khung rủi ro - lợi nhuận ngành: Cơ quan quản lý thị trường chứng khoán nên công bố khung này định kỳ để hỗ trợ nhà đầu tư trong việc đánh giá và phân bổ vốn hợp lý. Thời gian: hàng năm; Chủ thể: Ủy ban Chứng khoán Nhà nước, Sở Giao dịch Chứng khoán.

3. Tăng cường nghiên cứu và ứng dụng phân tích DuPont trong định giá cổ phiếu: Các công ty niêm yết và nhà phân tích tài chính nên áp dụng phân tích DuPont kết hợp với mô hình định giá thu nhập dư thừa để đánh giá hiệu quả hoạt động và dự báo lợi nhuận cổ phiếu. Thời gian: trung hạn (1-2 năm); Chủ thể: các công ty chứng khoán, quỹ đầu tư.

4. Hỗ trợ chính phủ trong định giá tài sản khi cổ phần hóa ngành tiện ích: Sử dụng kết quả ước lượng beta và khung rủi ro - lợi nhuận để xác định giá trị hợp lý của tài sản nhà nước, đảm bảo thu hút đầu tư và bảo vệ lợi ích công. Thời gian: trong các đợt cổ phần hóa; Chủ thể: Bộ Tài chính, Bộ Công Thương.

Đối tượng nên tham khảo luận văn

1. Nhà đầu tư cá nhân và tổ chức: Giúp hiểu rõ hơn về mức độ rủi ro và lợi nhuận kỳ vọng theo ngành, từ đó đưa ra quyết định đầu tư chính xác và hiệu quả hơn.

2. Cơ quan quản lý và chính sách: Cung cấp cơ sở khoa học để xây dựng chính sách định giá tài sản nhà nước, đặc biệt trong quá trình cổ phần hóa và tư nhân hóa các doanh nghiệp nhà nước.

3. Các công ty chứng khoán và quỹ đầu tư: Hỗ trợ trong việc xây dựng các mô hình định giá cổ phiếu phù hợp với đặc thù thị trường Việt Nam, nâng cao chất lượng phân tích và tư vấn đầu tư.

4. Giảng viên và nghiên cứu sinh kinh tế tài chính: Là tài liệu tham khảo quý giá cho các nghiên cứu tiếp theo về mô hình định giá tài sản vốn, phân tích rủi ro và lợi nhuận trong bối cảnh thị trường mới nổi.

Câu hỏi thường gặp

1. Hệ số beta là gì và tại sao quan trọng?
   Hệ số beta đo lường mức độ biến động của cổ phiếu so với thị trường chung, phản ánh rủi ro hệ thống. Beta giúp nhà đầu tư đánh giá mức độ rủi ro và lợi nhuận kỳ vọng, từ đó đưa ra quyết định đầu tư hợp lý.

2. Tại sao sử dụng hồi quy phân vị thay vì OLS trong ước lượng beta?
   Hồi quy phân vị giảm thiểu ảnh hưởng của các giá trị ngoại lệ và không yêu cầu giả định phân phối chuẩn, giúp ước lượng beta ổn định và chính xác hơn trong các điều kiện dữ liệu thực tế.

3. Khung rủi ro - lợi nhuận ngành có ý nghĩa gì với nhà đầu tư?
   Khung này giúp nhà đầu tư hiểu rõ mức độ rủi ro và lợi nhuận kỳ vọng của từng ngành, hỗ trợ phân bổ vốn hiệu quả và giảm thiểu rủi ro đầu tư.

4. Phân tích DuPont đóng vai trò gì trong định giá cổ phiếu?
   Phân tích DuPont phân tách ROE thành các thành phần chi tiết, giúp nhà đầu tư và nhà quản lý hiểu rõ các yếu tố ảnh hưởng đến lợi nhuận và giá cổ phiếu, từ đó đưa ra các chiến lược cải thiện hiệu quả tài chính.

5. Nghiên cứu này có thể áp dụng cho các ngành khác ngoài tiện ích không?
   Có, phương pháp và khung phân tích có thể mở rộng áp dụng cho các ngành khác để đánh giá rủi ro và lợi nhuận, tuy nhiên cần điều chỉnh phù hợp với đặc thù từng ngành.

Kết luận

• Nghiên cứu đã ước lượng thành công hệ số beta ngành tiện ích tại 5 quốc gia ASEAN bằng phương pháp hồi quy phân vị, cho kết quả ổn định và tin cậy.
• Xây dựng khung rủi ro - lợi nhuận cho các ngành tại Việt Nam, cung cấp công cụ hữu ích cho nhà đầu tư và chính sách.
• Phân tích DuPont kết hợp với mô hình định giá thu nhập dư thừa xác định các yếu tố giải thích lợi nhuận cổ phiếu phù hợp với bối cảnh Việt Nam.
• Kết quả nghiên cứu hỗ trợ chính phủ trong việc định giá tài sản nhà nước khi cổ phần hóa, đồng thời giúp nhà đầu tư đưa ra quyết định chính xác hơn.
• Đề xuất áp dụng phương pháp hồi quy phân vị rộng rãi, phát triển thêm nghiên cứu về các yếu tố ảnh hưởng đến lợi nhuận cổ phiếu trong tương lai.

Hành động tiếp theo: Các tổ chức tài chính, cơ quan quản lý và nhà đầu tư nên áp dụng kết quả nghiên cứu để nâng cao hiệu quả định giá và đầu tư; đồng thời tiếp tục nghiên cứu mở rộng các yếu tố ảnh hưởng đến lợi nhuận cổ phiếu tại thị trường Việt Nam.

Trích đoạn nội dung tài liệu

UNIVERSITY OF ECONOMICS INSTITUTE OF SOCIAL STUDIES HO CHI MINH CITY THE HAGUE VIETNAM THE NETHERLANDS VIETNAM – THE NETHERLANDS PROGRAMME FOR M.A IN DEVELOPMENT ECONOMICS THE CAPITAL ASSET PRICING MODELS: BETA AND WHAT ELSE BY PHAM NGOC THACH MASTER OF ARTS IN DEVELOPMENT ECONOMICS HO CHI MINH CITY, NOVEMBER 2015 UNIVERSITY OF ECONOMICS INSTITUTE OF SOCIAL STUDIES HO CHI MINH CITY THE HAGUE VIETNAM THE NETHERLANDS VIETNAM – THE NETHERLANDS PROGRAMME FOR M.A IN DEVELOPMENT ECONOMICS THE CAPITAL ASSET PRICING MODELS: BETA AND WHAT ELSE A thesis submitted in partial fulfillment of the requirements for the degree of MASTER OF ARTS IN DEVELOPMENT ECONOMICS By PHAM NGOC THACH Academic Supervisor Dr. VO HONG DUC Ho Chi Minh City, November 2015 DECLARATION I hereby declare, that the thesis report entitled, “The Capital Asset Pricing Models: Beta and what else” written and submitted by me in fulfillment of the requirements for the degree of Master of Art in Development Economics to the Vietnam – Netherlands Programme. This is my original work and conclusions drawn are based on the material collected by me. I further declare that this work has not been submitted to this or any other university for the award of any other degree, diploma or equivalent course. HCMC, November 2015 Phạm Ngọc Thạch i ACKNOWLEDGEMENTS Immeasurable appreciation and deepest gratitude for the help and support are extended to the following persons who in one way or another have contributed in making this study possible. Above all, I would like to express my special appreciation to my supervisor - Dr. Võ Hồng Đức, for his supports, advices, guidance, valuable comments and suggestions. It is an honor to work with him. I would like to acknowledge all the lecturers and staffs at the Vietnam – Netherlands Programme for their useful knowledge and support during the time I studied at the program. In specific, I am grateful to Prof. Nguyễn Trọng Hoài, Dr. Phạm Khánh Nam and Dr. Trương Đăng Thụy, who guided me the first steps in the courses as well as in the thesis writing process. I would like to thank my friends at Class 20 for their helps. Last, but not least, I would like to thank family, my parents and my sister, who always love, take care of and support me unconditionally on the way I have chosen. HCMC, November 2015 Phạm Ngọc Thạch ii ABBREVIATIONS APT: Arbitrage Pricing Theory ASEAN: Association of Southeast Asian Nations C4F: Carhart four-factor CAL: Capital Allocation Line CAPM: Capital Asset Pricing Model CML: Capital Market Line FF3F: Fama-French three-factor FF5F: Fama-French five-factor FGLS: Feasible Generalized Least Squares LAD: Least Absolute Deviations MPT: Modern Portfolio Theory OLS: Ordinary Least Squares QR: Quantile regression RIV: Residual Income Valuation SML: Security Market Line iii ABSTRACT It has been 50 years since the first Capital Asset Pricing Model (CAPM) was developed by Sharpe (1964) and Lintner (1965). Similar to any other theory, CAPM has been facing with hundreds of critiques from theoreticians and empiricists. Recent evidences suggest that CAPM is still applied widely in the practice by regulators and practitioners. While the question whether CAPM is valid in relation to the estimate of stock expected return is far from completeness, the so-called alternative models have also been developed. Typical competing and substitutable models for the Sharpe-Lintner CAPM include the Fama-French three-factor model, which was recently revised to be the five-factor model; and the Carhart four-factor model. The introduction of Fama-French three-factor model has attracted scholars’ attention. However, the empirical studies related to multi factor asset pricing model in general and Fama-French three-factor model in particular present a completely mixed results. To date, in relation to the multi factor model of estimating the expected return, more than 300 explanatory factors have been attempted in empirical studies and the long list does not appear to end there. In the Vietnamese context, empirical evidences provided by Vietnamese scholars have presented the similarly ambiguous outcome. Vietnam, together with other ASEAN economies, is on the way to achieve the dream of being a next young Tiger in ASEAN. In achieving this dream, a sale of government owned assets to the private investors, particularly in the capital-intensive energy industry, is unavoidable. The question is that how the Government of Vietnam can determine a reasonable price for the assets. Equally important, it is essential for new investors to determine how much they can earn or how risky they have to face across various industries, to make the appropriate investment decisions. This study is conducted to achieve the following three objectives. First, an estimate of equity beta, a key input of the CAPM, is required in determining a reasonable price for Vietnamese Government’s assets in the utilities industry and the others in the process of privatization and equitization. Second, the first Risk-Return framework is developed in order to provide guidance to investors in making their investment decisions, for various industries in Vietnam. Third, as the first and preliminary attempt, this study is to test and provide a group of factors which can be used to explain the stock returns in Vietnam. This chosen factor must be supported by theory and empirical evidence. iv The findings seem to be attractive to note. First, utilities businesses face a relatively lower risk in comparison with the market as the whole. Moreover, there is a divergence of the equity beta estimates for the five countries in the ASEAN including Vietnam, Singapore, Thailand, Malaysia and the Philippines. Second, the Construction and Real Estate is ranked highest in terms of risk (as a result, highest expected return), followed by Agriculture Production, Transportation and Warehousing, Manufacturing and Wholesale Trade and Retail Trade industries. The lower ranks belong to the Utilities, Accommodation and Food services, and Arts, Entertainment, and Recreation whereas the industry with lowest level of risk is Information and technology industry. These empirical findings are somewhat consistent with expectation from a leading practitioner in the area, the UBS. Third, using a combination of DuPont analysis and the Residual Income Valuation, this study provides evidence to confirm that return on equity ratio and its change are informative about stock returns. Moreover, the level of capital turnover and financial cost ratio, together with the change in capital and the change in financial cost ratio contain incremental explanatory powers in explaining returns within the capital asset pricing model framework. Keywords: CAPM, multi factor asset pricing models, utilities, ASEAN 5, quantile regression, Risk-Return framework. v “Where we cannot invent, we may at least improve; we may give somewhat of novelty to that which was old, condensation to that which was diffuse, perspicuity to that which was obscure, and currency to that which was recondite.” Charles Caleb Colton vi TABLE OF CONTENTS DECLARATION . IV TABLE OF CONTENTS . VII LIST OF TABLES . X LIST OF FIGURES . XI CHAPTER 1 INTRODUCTION .4 Contributions of the thesis .5 Structure of the thesis . 5 CHAPTER 2 LITERATURE REVIEW .1 Modern Portfolio Theory.2 The Capital Asset Pricing Model .1 The Capital Market Line .2 The Security Market Line .3 The Arbitrage Pricing Theory.4 Fama-French three-factor model .5 The Carhart four-factor model.6 The Fama-French five-factor model .7 The DuPont analysis .1 Empirical evidences on the asset pricing models .2 Current approaches to estimate β .1 Ordinary Least Squares .2 Least Absolute Deviations.3 The use of DuPont analysis on asset pricing model . 26 CHAPTER 3 METHODOLOGY AND DATA .1 Utilities industry in ASEAN 5 .2 Beta ranking for all industries and asset pricing factors in Vietnam market .1 Estimating beta in Capital Asset Pricing Model .1 Return and return period .2 A new approach – Quantile regression .4 De-levered/Re-levered estimates of β .2 Beta ranking construction .3 The use of DuPont on asset pricing model .1 Model specification and estimation method . 36 CHAPTER 4 RESULTS AND DISCUSSIONS .1 Objective 1: Estimating the beta coefficients for the utilities industry in the ASEAN 5 .1 Individual companies’ beta estimates .2 Beta estimates of various portfolios .3 De-levered/Re-levered estimates of β .2 Objective 2: The Risk-Return framework for various industries in Vietnam .3 Objective 3: New explanatory factors of expected stock returns in the Vietnam context . 53 CHAPTER 5 CONCLUSIONS AND POLICY IMPLICATIONS .1 For the Vietnamese government .3 Limitations and further study . 67 ix LIST OF TABLES Table 2. Factor classification Table 3. Listed utilities companies in the sample Table 3. Summary of non-financial listed companies in HOSE Table 3. Variables definitions and measurements Table 4.1 Estimates of equity beta for individual companies, using the weekly return from Friday-to-Friday week closing prices Table 4. Estimates of equally-weighted portfolios equity beta Table 4. Estimates of value-weighted portfolios equity beta Table 4.4 Differences in the estimates of equity beta for Portfolio 1: A longest period: 09 February 2007 to 31 July 2015 and the 13 April 2012 – 31 July 2015 period Table 4.5 De-levered/Re-levered estimates of β for weekly frequency: Individual companies Table 4. De-levered/Re-levered estimates of β for weekly frequency: Portfolios Table 4. List of industry and related information in Vietnam Table 4. Risk-Return framework for the Vietnam market Table 4. Descriptive statistics Table 4.10 The correlation matrix and Variance Inflating factor among variables Table 4. Heteroskedasticity and Autocorrelation test Table 4. Regression results x LIST OF FIGURES Figure 2.1 The Efficient Frontier Curve .2 The Capital Allocation Line.3 The Security Market Line . The scatter plot of Portfolio 1’s returns and market returns Figure 4. Risk-Return framework xi Chapter 1 INTRODUCTION 1.1 Problem statement Estimating a return on equity is an extremely complicated task. Although researchers and practitioners have been looking for factors to contribute in explaining the relationship between risk and return for decades, there is no consensus so far. On the basis of the theories from Markowitz (1952) and Tobin (1958), the first ever capital asset pricing model (CAPM), Sharpe-Lintner CAPM proposed by Sharpe (1964) and Lintner (1965), plays a key role in finance literature in which a capital asset can be priced. The CAPM theory gains a lot of researcher’s attention worldwide. This leads to another well-known name for CAPM, the single factor Asset Pricing model. Almost immediately since the introduction of the model in 1964 - 1965, this theory has been testing for its implications by empiricists. While some of the typical results advocate the validity of CAPM (Fama & MacBeth, 1973; Jensen, Black, & Scholes, 1972), others offer their critiques (Basu, 1977, 1983; Bhandari, 1988). The studies of Fama and French (1992) and Fama and French (1993) later suggest an alternative model for CAPM, called the Fama-French three-factor model (FF3F) by adding size and book-to-market ratio to the original model of CAPM. The works of Fama and French lead to one common view that is one of the most intense debates in the finance history and have been attracting a lot of scholar’s attention within two recent decades. There are hundreds of quantitative studies conducted worldwide in various time-periods and contexts in order to criticize or to improve the model. Nevertheless, the jury is still out on that question (Gaunt, 2004; O’Brien, Brailsford, & Gaunt, 2010). Many studies concluded that the new added factors in the FF3F are insignificant or do not have the expected sign. Moreover, the quantitative results from the Fama-French three-factor model are usually considered as “data mining” since there is no robust theoretical framework relating to this model (Kogan & Tian, 2013; Wang & Wu, 2011). In addition, in October 2013, the Nobel Prize in Economics Science had been awarded to Professor Eugene Fama for his works on market efficiency and out-performance. Recently, Professor Fama and his companion, Professor French, have introduced a new model, named the Fama-French five-factor, with the view to better explain the return on equity in the US Stock Market (Fama & French, 2015). This five-factor model is an augmented version of the 1 three-factor model by adding profitability factor (Novy-Marx, 2013) and investment tendency factor (Aharoni, Grundy, & Zeng, 2013).