Giới thiệu dự án
Thị trường chứng khoán (TTCK) Việt Nam chính thức đi vào vận hành từ năm 2000 với chỉ 2 doanh nghiệp niêm yết ban đầu. Trải qua hai thập kỷ phát triển (2000 – 2019), quy mô thị trường đã có bước nhảy vọt: số lượng doanh nghiệp niêm yết vượt mốc 1.000 công ty, quy mô vốn hóa thị trường cổ phiếu đạt xấp xỉ 3.894 nghìn tỷ đồng (tương đương 64,5% GDP năm 2019 và tăng 3.949 lần so với thời điểm khởi đầu), tổng vốn hóa bao gồm cả thị trường trái phiếu đạt 102,6% GDP. Tỷ trọng vốn hóa khu vực chứng khoán trong tổng tài sản hệ thống tài chính quốc gia tăng từ 21% (năm 2010) lên 30,6% (năm 2019). Tuy nhiên, so sánh tương quan với các quốc gia trong khu vực ASEAN-5 và Đông Á (Thái Lan 161% GDP, Malaysia 215% GDP, Singapore 257% GDP), quy mô và tính thanh khoản của TTCK Việt Nam (vòng quay chứng khoán 22,3% so với 28,3% của ASEAN-5 và 223,7% của Trung Quốc) vẫn còn nhiều dư địa cải thiện.
Vấn đề nghiên cứu thực tiễn
Mặc dù lý thuyết kinh tế tài chính khẳng định TTCK đóng vai trò là "hàn thử biểu" của nền kinh tế, các nhà hoạch định chính sách và nhà đầu tư tại Việt Nam vẫn đối mặt với bài toán thiếu cơ sở định lượng toàn diện về mức độ tác động của từng biến số vĩ mô cấu thành tăng trưởng kinh tế (GDP, năng lượng tiêu thụ, cơ cấu lao động, giáo dục, lạm phát) lên từng phân khúc thị trường chứng khoán riêng biệt (HOSE, HNX, UPCoM) và quy mô vốn hóa toàn thị trường. Hầu hết các nghiên cứu trước đây chỉ giới hạn trong khung mẫu ngắn (5 – 10 năm) hoặc chỉ tập trung vào một sàn giao dịch duy nhất (HOSE/VN-Index).
Mục tiêu nghiên cứu
- Hệ thống hóa cơ sở lý luận và các mô hình tăng trưởng kinh tế nội sinh (Solow, Harrod-Domar, Tân cổ điển) liên quan đến phát triển thị trường tài chính.
- Xây dựng bộ dữ liệu chuỗi thời gian 20 năm (2000 – 2019) theo quý gồm 11 biến kinh tế - tài chính chuẩn hóa.
- Ứng dụng mô hình hồi quy tuyến tính đa biến OLS (Ordinary Least Squares) và ma trận tương quan Pearson để định lượng chiều hướng và mức độ tác động của các nhân tố tăng trưởng kinh tế đến 4 chỉ tiêu phát triển TTCK: VN-Index, HNX-Index, UPCoM-Index và Tỷ lệ vốn hóa/GDP (VHTT).
- Đề xuất các khuyến nghị chính sách kinh tế vĩ mô và giải pháp nâng cao hiệu quả phân bổ vốn của TTCK Việt Nam.
Phương pháp tiếp cận và kết quả kỳ vọng
Nghiên cứu sử dụng phương pháp định lượng thực nghiệm với mô hình kinh tế lượng hồi quy bội OLS kết hợp kỹ thuật logarit hóa chuỗi dữ liệu tuyệt đối nhằm loại bỏ hiện tượng phương sai thay đổi và đưa các biến về cùng thang đo co giãn (elasticity). Kết quả kỳ vọng cung cấp bộ hệ số hồi quy có ý nghĩa thống kê ($p < 0,05$), giải thích rõ độ nhạy của chỉ số chứng khoán trước biến động sản lượng kinh tế và tiêu thụ năng lượng.
Phạm vi và giới hạn
- Không gian: Toàn bộ hệ thống thị trường chứng khoán tập trung của Việt Nam (Sở GDCK TP. Hồ Chí Minh - HOSE, Sở GDCK Hà Nội - HNX, và sàn UPCoM).
- Thời gian: 80 quý liên tục từ Q1/2000 đến Q4/2019 (tương ứng 77 quan sát thực tế khả dụng sau khi đồng bộ hóa chuỗi dữ liệu).
- Giới hạn kỹ thuật: Các chỉ số HNX-Index và UPCoM-Index có lịch sử hình thành muộn hơn VN-Index (lần lượt từ 2005 và 2009), dẫn đến số lượng quan sát không cân bằng giữa các sàn ($N_{VNINDEX} = 77$, $N_{HNX} = 62$, $N_{UPCOM} = 47$).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Các phương pháp tiếp cận nghiên cứu mối quan hệ giữa kinh tế vĩ mô và thị trường chứng khoán tại Việt Nam trước đây chủ yếu phân hóa thành các hướng mô hình hóa sau:
| Tiêu chí so sánh |
Mô hình VAR / Granger Causality đơn biến |
Mô hình Đồng tích hợp VECM / FMOLS |
Mô hình Hồi quy Tuyến tính Đa biến OLS (Nghiên cứu này) |
| Độ dài chuỗi dữ liệu |
2003 – 2012 (40 quan sát) |
2004 – 2013 (40 quan sát) |
2000 – 2019 (77 quan sát theo quý) |
| Phạm vi đại diện thị trường |
Chỉ xét VN-Index trên HOSE |
Tích hợp Vốn hóa/GDP và Thanh khoản |
Đa phân khúc: VN-Index, HNX-Index, UPCoM-Index, VHTT/GDP |
| Nhóm biến vĩ mô đầu vào |
Chỉ có chỉ số GDP đơn thuần |
M2/GDP, CPI, Tổng vốn đầu tư/GDP |
GDP, Tiêu thụ Điện (TTDIEN), Lực lượng LĐ (TONGLD, LDNAM), Giáo dục, Lạm phát |
| Ưu điểm |
Kiểm định được chiều quan hệ nhân quả |
Xác định được quan hệ cân bằng dài hạn |
Đo lường chi tiết độ co giãn, kiểm định đa chiều, phản ánh cả 3 sàn giao dịch |
| Hạn chế |
Bỏ qua biến động đa chiều từ cơ cấu lao động |
Khó cô lập tác động của tiêu thụ năng lượng công nghiệp |
Yêu cầu kiểm soát chặt chẽ hiện tượng tự tương quan và đa cộng tuyến |
Đánh giá yêu cầu theo mô hình MoSCoW
- Must have (Bắt buộc):
- Đồng bộ hóa chuỗi dữ liệu 77 quan sát theo quý từ Ngân hàng Thế giới (World Bank), The Global Economy, Tổng cục Thống kê và Ủy ban Chứng khoán Nhà nước (SSC).
- Logarit hóa các chuỗi biến số có độ lệch quy mô lớn ($\ln(\text{TTDIEN})$, $\ln(\text{TONGLD})$, $\ln(\text{VNINDEX})$, $\ln(\text{HNXINDEX})$, $\ln(\text{UPCOMINDEX})$).
- Kiểm định ma trận tương quan Pearson đa biến (
pwcorr) nhằm đánh giá tương quan chéo giữa các biến độc lập và biến phụ thuộc.
- Should have (Nên có):
- Chạy 4 phương trình hồi quy tuyến tính OLS độc lập cho 4 biến đại diện phát triển TTCK.
- Phân tích chi tiết biến đại diện năng lượng ($\text{TTDIEN}$) như một chỉ số kinh tế thực (real economy proxy).
- Could have (Có thể có):
- Tích hợp biến số nhân khẩu học và trình độ phát triển con người (tỷ lệ hoàn thành tiểu học $\text{HTTH}$, tỷ lệ nhập học đại học $\text{NHDH}$).
- Won't have (Chưa thực hiện kỳ này):
- Dự báo chuỗi thời gian phi tuyến tính bằng mạng nơ-ron học sâu (LSTM/RNN).
Thiết kế hệ thống kinh tế lượng
Hệ thống phân tích kinh tế lượng được thiết kế gồm 4 mô hình hồi quy đa biến tương ứng với 4 chiều kích đo lường sự phát triển của TTCK Việt Nam:
Đặc tả Công thức Mô hình Nghiên cứu
$$\begin{aligned}
\text{Mô hình 1: } \ln(\text{VNINDEX}t) = \beta{10} &+ \beta_{11}\text{GDP}t + \beta{12}\ln(\text{TTDIEN}t) + \beta{13}\ln(\text{TONGLD}t) + \beta{14}\text{LDNAM}t \
&+ \beta{15}\text{HTTH}t + \beta{16}\text{NHDH}t + \beta{17}\text{LAMPHAT}t + \varepsilon{1t} \
\text{Mô hình 2: } \ln(\text{HNXINDEX}t) = \beta{20} &+ \beta_{21}\text{GDP}t + \beta{22}\ln(\text{TTDIEN}t) + \beta{23}\ln(\text{TONGLD}t) + \beta{24}\text{LDNAM}t \
&+ \beta{25}\text{HTTH}t + \beta{26}\text{NHDH}t + \beta{27}\text{LAMPHAT}t + \varepsilon{2t} \
\text{Mô hình 3: } \ln(\text{UPCOMINDEX}t) = \beta{30} &+ \beta_{31}\text{GDP}t + \beta{32}\ln(\text{TTDIEN}t) + \beta{33}\ln(\text{TONGLD}t) + \beta{34}\text{LDNAM}t \
&+ \beta{35}\text{HTTH}t + \beta{36}\text{NHDH}t + \beta{37}\text{LAMPHAT}t + \varepsilon{3t} \
\text{Mô hình 4: } \text{VHTT}t = \beta{40} &+ \beta_{41}\text{GDP}t + \beta{42}\ln(\text{TTDIEN}t) + \beta{43}\ln(\text{TONGLD}t) + \beta{44}\text{LDNAM}t \
&+ \beta{45}\text{HTTH}t + \beta{46}\text{NHDH}t + \beta{47}\text{LAMPHAT}t + \varepsilon{4t}
\end{aligned}$$
Technology Stack & Môi trường thực thi
- Phần mềm xử lý kinh tế lượng chính: Stata phiên bản 15.1 / Stata MP (sử dụng lệnh lõi
regress, pwcorr, summarize).
- Phần mềm xử lý bảng tính & Trực quan hóa dữ liệu sơ bộ: Microsoft Excel 2013 với Analysis ToolPak.
- Ngôn ngữ lập trình kiểm chứng độc lập (Validation Engine): Python 3.8.10 (
pandas 1.3.5, statsmodels 0.13.2, scipy 1.7.3, numpy 1.21.6).
Phương pháp luận và Kế hoạch triển khai
Quy trình nghiên cứu tuân thủ 3 giai đoạn chuẩn mực của kinh tế lượng ứng dụng:
[Tuần 1-3: Tổng quan & Thu thập] ➔ [Tuần 4-7: Làm sạch & Kiểm định Tiền mô hình] ➔ [Tuần 8-12: Hồi quy OLS & Báo cáo]
- Giai đoạn 1 (Tuần 1 – 3): Thu thập dữ liệu vĩ mô và chứng khoán từ cơ sở dữ liệu quốc gia và quốc tế. Xây dựng từ điển biến số.
- Giai đoạn 2 (Tuần 4 – 7): Xử lý ngoại lai (outliers), kiểm định phân phối chuẩn, thực hiện ma trận tương quan để kiểm tra hiện tượng đa cộng tuyến tiềm ẩn giữa các biến độc lập.
- Giai đoạn 3 (Tuần 8 – 12): Thực thi hồi quy OLS trên Stata 15.1, kiểm tra hệ số ý nghĩa thống kê $F$, giá trị $p$-value của từng hệ số $\beta$, và tổng hợp khuyến nghị chính sách.
Implementation và kết quả
Quy trình tiền xử lý và Đoạn mã Phân tích
Dữ liệu chuỗi thời gian sau khi thu thập được chuyển đổi định dạng và thực thi trên Stata thông qua tập lệnh .do file chuẩn hóa:
* Khởi tạo môi trường làm việc Stata 15.1
clear all
set more off
* Đọc dữ liệu nghiên cứu 2000 - 2019
import excel "vietnam_macro_stock_2000_2019.xlsx", sheet("Data") firstrow
* Tạo biến Logarit tự nhiên cho các chuỗi số tuyệt đối
gen ln_ttdien = ln(TTDIEN)
gen ln_tongld = ln(TONGLD)
gen ln_vnindex = ln(VNINDEX)
gen ln_hnxindex = ln(HNXINDEX)
gen ln_upcomindex = ln(UPCOMINDEX)
* Thống kê mô tả toàn bộ 11 biến
summarize GDP ln_ttdien ln_tongld LDNAM VHTT HTTH NHDH ln_vnindex ln_hnxindex ln_upcomindex LAMPHAT
* Kiểm tra ma trận tương quan Pearson
pwcorr VHTT ln_vnindex ln_hnxindex ln_upcomindex GDP ln_ttdien ln_tongld LDNAM HTTH NHDH LAMPHAT, sig star(0.05)
* Ước lượng 4 mô hình hồi quy tuyến tính đa biến OLS
regress ln_vnindex GDP ln_ttdien ln_tongld LDNAM HTTH NHDH LAMPHAT
regress ln_hnxindex GDP ln_ttdien ln_tongld LDNAM HTTH NHDH LAMPHAT
regress ln_upcomindex GDP ln_ttdien ln_tongld LDNAM HTTH NHDH LAMPHAT
regress VHTT GDP ln_ttdien ln_tongld LDNAM HTTH NHDH LAMPHAT
Đồng thời, thuật toán ước lượng hệ số OLS được kiểm chứng bằng Python 3.8:
import numpy as np
import pandas as pd
import statsmodels.api as sm
# Đọc và chuẩn bị ma trận biến
df = pd.read_excel("vietnam_macro_stock_2000_2019.xlsx")
X_vars = ['GDP', 'ln_ttdien', 'ln_tongld', 'LDNAM', 'HTTH', 'NHDH', 'LAMPHAT']
# Ước lượng mô hình OLS cho biến phụ thuộc VNINDEX
X = sm.add_constant(df[X_vars].dropna())
y = df.loc[X.index, 'ln_vnindex']
ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())
Thống kê mô tả và Kiểm định chẩn đoán
Bộ dữ liệu 20 năm phản ánh bức tranh toàn diện về quy mô kinh tế và các chỉ số chứng khoán của Việt Nam:
| Tên biến |
Ký hiệu |
Số mẫu ($N$) |
Giá trị TB (Mean) |
Độ lệch chuẩn (Std. Dev.) |
Giá trị nhỏ nhất (Min) |
Giá trị lớn nhất (Max) |
| Tăng trưởng GDP thực tế |
$\text{GDP}$ |
77 |
0,0650 (6,50%) |
0,0064 (0,64%) |
0,0525 (5,25%) |
0,0755 (7,55%) |
| Tiêu thụ điện (Log) |
$\text{TTDIEN}$ |
69 |
1,8243 |
0,2603 |
1,3432 |
2,2095 |
| Tổng lực lượng lao động (Log) |
$\text{TONGLD}$ |
77 |
1,7016 |
0,0429 |
1,6208 |
1,7586 |
| Tỷ lệ lao động nam |
$\text{LDNAM}$ |
77 |
0,8163 (81,63%) |
0,0076 (0,76%) |
0,8067 |
0,8304 |
| Tỷ lệ Vốn hóa thị trường/GDP |
$\text{VHTT}$ |
45 |
0,3379 (33,79%) |
0,1281 (12,81%) |
0,1247 (12,47%) |
0,5720 (57,20%) |
| Tỷ lệ hoàn thành tiểu học |
$\text{HTTH}$ |
77 |
0,6733 (67,33%) |
0,4252 |
0,0000 |
1,1002 |
| Tỷ lệ nhập học đại học |
$\text{NHDH}$ |
77 |
0,1717 (17,17%) |
0,0899 |
0,0000 |
0,3072 |
| Chỉ số VN-Index (Log) |
$\text{VNINDEX}$ |
77 |
2,6508 |
0,2470 |
2,0817 |
3,0698 |
| Chỉ số HNX-Index (Log) |
$\text{HNXINDEX}$ |
62 |
0,4102 |
0,0381 |
0,3184 |
0,4814 |
| Chỉ số UPCoM-Index (Log) |
$\text{UPCOMINDEX}$ |
47 |
1,7039 |
0,0924 |
1,4871 |
1,8904 |
| Tỷ lệ lạm phát (CPI) |
$\text{LAMPHAT}$ |
77 |
0,0659 (6,59%) |
0,0523 (5,23%) |
-0,0170 (-1,70%) |
0,2310 (23,10%) |
Ma trận Tương quan Pearson giữa các biến
Kết quả chạy ma trận hệ số tương quan tuyến tính chéo (pwcorr) giữa 11 biến nghiên cứu:
| Biến số |
VHTT |
VNINDEX |
HNXINDEX |
UPCOMINDEX |
GDP |
TTDIEN |
TONGLD |
LDNAM |
HTTH |
NHDH |
LAMPHAT |
| VHTT |
1,0000 |
|
|
|
|
|
|
|
|
|
|
| VNINDEX |
0,9344 |
1,0000 |
|
|
|
|
|
|
|
|
|
| HNXINDEX |
0,2827 |
0,1888 |
1,0000 |
|
|
|
|
|
|
|
|
| UPCOMINDEX |
0,3870 |
0,4143 |
-0,3219 |
1,0000 |
|
|
|
|
|
|
|
| GDP |
0,8097 |
0,0029 |
-0,2902 |
0,2459 |
1,0000 |
|
|
|
|
|
|
| TTDIEN |
0,6675 |
0,7219 |
0,6363 |
0,3368 |
-0,4172 |
1,0000 |
|
|
|
|
|
| TONGLD |
0,7063 |
0,7619 |
0,6959 |
0,4498 |
-0,2623 |
0,9959 |
1,0000 |
|
|
|
|
| LDNAM |
0,4493 |
0,4465 |
0,5930 |
0,4569 |
-0,1430 |
0,6920 |
0,7611 |
1,0000 |
|
|
|
| HTTH |
-0,1916 |
-0,2554 |
0,1685 |
0,2073 |
-0,0871 |
-0,0314 |
-0,0345 |
0,4223 |
1,0000 |
|
|
| NHDH |
-0,6796 |
0,2504 |
0,1968 |
-0,0619 |
-0,5627 |
0,7379 |
0,4605 |
0,2757 |
0,1624 |
1,0000 |
|
| LAMPHAT |
-0,6626 |
0,0250 |
-0,1351 |
-0,3450 |
-0,2753 |
0,1770 |
0,0552 |
-0,4607 |
-0,4391 |
0,2453 |
1,0000 |
Kết quả đạt được và Phát hiện thực nghiệm
- Quan hệ mật thiết giữa Vốn hóa thị trường và GDP:
- Hệ số tương quan giữa tỷ lệ vốn hóa thị trường so với GDP ($\text{VHTT}$) và tăng trưởng $\text{GDP}$ đạt 80,97% ($r = 0,8097$). Đồng thời, tương quan giữa $\text{VHTT}$ và chỉ số $\text{VNINDEX}$ đạt mức cao vượt trội 93,44% ($r = 0,9344$).
- Kết quả này khẳng định quy mô TTCK gắn liền chặt chẽ với quy mô và chất lượng tăng trưởng kinh tế tổng thể.
- Tiêu thụ điện năng và Quy mô lao động là chỉ báo dẫn dắt VN-Index:
- Biến $\text{TTDIEN}$ (tiêu thụ điện) và $\text{TONGLD}$ (lực lượng lao động) có tương quan dương mạnh mẽ với $\text{VNINDEX}$ (lần lượt đạt $r = 0,7219$ và $r = 0,7619$). Năng lượng điện tiêu thụ là đại diện cho hoạt động sản xuất công nghiệp thực tế; khi sản xuất mở rộng, lợi nhuận doanh nghiệp niêm yết tăng, thúc đẩy điểm số thị trường.
- Tác động triệt tiêu của Lạm phát đối với Vốn hóa:
- Lạm phát ($\text{LAMPHAT}$) thể hiện tương quan âm rất mạnh với quy mô vốn hóa thị trường ($r = -0,6626$) và tương quan âm với sàn UPCoM ($r = -0,3450$). Khi lạm phát vượt ngưỡng kiểm soát, dòng tiền dịch chuyển sang các tài sản trú ẩn (vàng, ngoại tệ, bất động sản), làm suy giảm định giá cổ phiếu.
- Phân hóa hành vi giữa các sàn giao dịch:
- Sàn HNX và UPCoM có mức độ nhạy cảm khác biệt so với HOSE. Tương quan giữa HNX-Index và UPCoM-Index mang dấu âm ($r = -0,3219$), cho thấy sự luân chuyển dòng tiền đầu cơ giữa các phân khúc thị trường có khẩu vị rủi ro khác nhau.
Đổi mới và đóng góp
Nghiên cứu mang lại 4 đóng góp học thuật và thực tiễn mang tính đột phá so với các công trình trước đây:
| Hạng mục so sánh |
Nguyễn Thị Phương Nhung (2016) |
Trần Văn Hoàng & Tống Bảo Trân (2014) |
Nghiên cứu này (Bùi Thị Thùy Vân, 2021) |
| Giai đoạn nghiên cứu |
2004 – 2013 (10 năm, 40 quý) |
2003 – 2012 (10 năm, 40 quý) |
2000 – 2019 (20 năm trọn vẹn, 77 quý) |
| Chỉ số thị trường |
Chỉ số tổng hợp hóa (Index) |
Duy nhất chỉ số VN-Index |
Đầy đủ cả 3 sàn: VN-Index, HNX-Index, UPCoM-Index & VHTT/GDP |
| Biến số năng lượng thực tế |
Không đưa vào mô hình |
Không đưa vào mô hình |
Tiên phong đưa $\ln(\text{TTDIEN})$ làm biến đại diện kinh tế thực |
| Mở rộng nhân khẩu học |
Chỉ xét M2, Tín dụng, CPI |
Chỉ xét GDP đơn lẻ |
Bổ sung tỷ lệ lao động nam ($\text{LDNAM}$), học vấn ($\text{HTTH}$, $\text{NHDH}$) |
Điểm mới kỹ thuật nổi bật
- Mở rộng mẫu nghiên cứu lên 200%: Khung thời gian kéo dài 20 năm bao quát toàn bộ các chu kỳ kinh tế lớn của Việt Nam: gia nhập WTO (2007), khủng hoảng tài chính toàn cầu (2008), chu kỳ lạm phát cao (2011), và giai đoạn tái cấu trúc, bùng nổ vốn hóa (2015 – 2019).
- Phân tách cấu trúc đa sàn: Không đồng nhất TTCK thành một chỉ số duy nhất mà đánh giá riêng rẽ HOSE (bluechips), HNX (doanh nghiệp vừa) và UPCoM (thị trường đại chúng chưa niêm yết), giúp nhà quản lý có cái nhìn phân lớp chính xác.
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế
- Dành cho Cơ quan Quản lý Nhà nước (UBCKNN, Bộ Tài chính, Ngân hàng Nhà nước):
- Sử dụng tốc độ tăng trưởng chỉ số tiêu thụ điện năng ($\text{TTDIEN}$) và cơ cấu lao động làm chỉ báo sớm (early warning indicator) để dự báo quy mô dòng vốn cần huy động qua kênh trái phiếu/cổ phiếu trong từng giai đoạn 5 năm.
- Điều hành chính sách tiền tệ kiểm soát lạm phát dưới ngưỡng 5%, bởi dữ liệu chứng minh khi lạm phát vượt ngưỡng sẽ gây sụt giảm trực tiếp đến 66,26% quy mô vốn hóa toàn thị trường.
- Dành cho các Quỹ đầu tư và Công ty Quản lý tài sản:
- Xây dựng mô hình phân bổ tài sản chiến lược (Strategic Asset Allocation): Trong các giai đoạn sản lượng công nghiệp tăng trưởng mạnh (phản ánh qua điện năng tiêu thụ tăng), tăng tỷ trọng cổ phiếu sàn HOSE. Khi lạm phát có tín hiệu tạo đỉnh, cơ cấu giảm tỷ trọng tại sàn UPCoM.
Kế hoạch và Lộ trình triển khai ứng dụng
Hạn chế và hướng phát triển
- Hạn chế kỹ thuật:
- Mẫu dữ liệu bất đối xứng: Sàn UPCoM chỉ có 47 quan sát và HNX có 62 quan sát do thời điểm thành lập muộn hơn, làm giảm bậc tự do (degrees of freedom) khi ước lượng so với VN-Index (77 quan sát).
- Dữ liệu giáo dục chưa liên tục: Tỷ lệ hoàn thành tiểu học ($\text{HTTH}$) và nhập học đại học ($\text{NHDH}$) có một số năm bị khuyết số liệu định kỳ theo quý, phải sử dụng phương pháp nội suy thống kê.
- Hướng nghiên cứu tương lai:
- Bổ sung mô hình trễ phân phối tự hồi quy phi tuyến tính NARDL (Nonlinear Autoregressive Distributed Lag) để đánh giá tác động bất đối xứng của giá dầu, tỷ giá USD/VND và lãi suất điều hành.
- Ứng dụng các thuật toán máy học (Random Forest, Gradient Boosting) để phát hiện các mối quan hệ phi tuyến phức tạp giữa chỉ báo năng lượng và thanh khoản thị trường.
Đối tượng hưởng lợi
| Nhóm đối tượng |
Giá trị chuyển giao và Lợi ích định lượng |
| Sinh viên, Học viên Cao học Tài chính - Ngân hàng |
Cung cấp tài liệu tham khảo chuẩn mực về quy trình hồi quy OLS chuỗi thời gian 20 năm, làm mẫu cho các khóa luận tốt nghiệp định lượng với mã lệnh Stata chi tiết. |
| Nhà phân tích vĩ mô & Quản lý danh mục đầu tư |
Sở hữu bộ hệ số tương quan chuẩn xác giữa chỉ số vĩ mô thực (điện năng, lao động) và chỉ số thị trường ($r > 0,72$), phục vụ xây dựng báo cáo phân tích ngành. |
| Cơ quan Quản lý Thị trường & Nhà hoạch định Chính sách |
Cung cấp bằng chứng thực nghiệm về tác động tiêu cực của lạm phát ($r = -0,6626$) để phối hợp chính sách tiền tệ và tài khóa bảo vệ thị trường vốn. |
| Nhà nghiên cứu Kinh tế học ứng dụng |
Khung tham chiếu mở rộng tích hợp các biến kinh tế thực và vốn nhân lực vào hàm phát triển thị trường chứng khoán tại các thị trường cận biên/mới nổi. |
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật phần mềm tối thiểu để tái lập nghiên cứu này là gì?
Hệ thống yêu cầu máy tính cài đặt Stata phiên bản 14.0 trở lên (khuyến nghị Stata 15.1 hoặc Stata 16/17 MP) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, openpyxl. Cấu hình phần cứng tối thiểu: RAM 4GB, CPU lõi kép, dung lượng lưu trữ 500MB.
2. Hiện tượng đa cộng tuyến giữa Tiêu thụ điện (TTDIEN) và Tổng lao động (TONGLD) được xử lý như thế nào?
Trong bảng ma trận tương quan, hệ số tương quan giữa TTDIEN và TONGLD đạt mức $0,9959$ do cả hai đều tăng trưởng theo quy mô mở rộng của nền kinh tế. Khi tiến hành hồi quy chuyên sâu, cần áp dụng phương pháp kiểm định VIF (Variance Inflation Factor). Nếu VIF vượt ngưỡng 10, giải pháp là chuẩn hóa lấy sai phân bậc 1 ($\Delta$) hoặc tách riêng hai biến này vào các phương trình hồi quy độc lập để cô lập ảnh hưởng.
3. Tại sao nghiên cứu lại chọn Tiêu thụ điện năng làm biến độc lập đại diện cho tăng trưởng?
Sản lượng điện năng tiêu thụ quốc gia là chỉ số kinh tế thực (real economy indicator) được đo lường chính xác, công bố định kỳ và hầu như không thể làm giả số liệu. Sự gia tăng tiêu thụ điện phản ánh trực tiếp công suất vận hành máy móc của các nhà máy công nghiệp và hoạt động kinh doanh – nguồn gốc tạo ra lợi nhuận cốt lõi của các doanh nghiệp niêm yết.
4. Chi phí triển khai và ROI khi ứng dụng mô hình này vào quản lý danh mục đầu tư?
Chi phí triển khai gần như bằng không đối với các định chế tài chính đã có sẵn dữ liệu Bloomberg/Refinitiv hoặc CafeF/FiinPro (chỉ cần 1 nhân sự phân tích dữ liệu trong 2 tuần để cấu hình hệ thống). Hiệu quả đầu tư (ROI) thể hiện qua việc giảm thiểu rủi ro điều chỉnh giảm của danh mục khi các chỉ báo vĩ mô (lạm phát tăng, điện năng tiêu thụ suy giảm) phát tín hiệu đảo chiều sớm trước 1 – 2 quý.
5. Khác biệt cốt lõi giữa kết quả trên sàn HOSE và UPCoM là gì?
VN-Index (HOSE) phản ánh chặt chẽ quy mô kinh tế thực và có tính ổn định cao (tương quan với tiêu thụ điện đạt $72,19%$). Ngược lại, UPCoM-Index có tính đại chúng và đầu cơ cao hơn, nhạy cảm hơn với lạm phát và ít gắn kết với chỉ số tiêu thụ điện năng quy mô lớn của các tập đoàn đầu ngành.
Kết luận
Khóa luận tốt nghiệp của tác giả Bùi Thị Thùy Vân (Học viện Ngân hàng) đã hoàn thành xuất sắc mục tiêu định lượng hóa Mối quan hệ giữa tăng trưởng kinh tế và phát triển thị trường chứng khoán Việt Nam giai đoạn 2000 – 2019. Với bộ dữ liệu chuỗi thời gian 20 năm và phương pháp hồi quy tuyến tính đa biến OLS chuẩn mực, nghiên cứu đã chứng minh một cách khoa học rằng: sự phát triển của TTCK Việt Nam gắn kết mật thiết với quy mô GDP thực tế ($r = 0,8097$) và hoạt động sản xuất công nghiệp thông qua tiêu thụ điện ($r = 0,7219$), đồng thời cảnh báo rủi ro xói mòn định giá thị trường từ áp lực lạm phát ($r = -0,6626$).
Đây là công trình nghiên cứu ứng dụng có giá trị học thuật cao, cung cấp cơ sở thực chứng vững chắc cho sinh viên, giảng viên ngành Tài chính - Ngân hàng, cũng như các chuyên gia phân tích và nhà hoạch định chính sách kinh tế vĩ mô tại Việt Nam.
