Luận văn thạc sĩ ueh mối quan hệ giữa tỷ suất sinh lợi khối lượng giao dịch ở thị trường chứng khoán tại việt nam trung quốc và nhật bản

Luận văn thạc sĩ UEH phân tích mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch trên thị trường chứng khoán Việt Nam, Trung Quốc, Nhật Bản.

• Tác giả: Lê Minh Tân
• Người hướng dẫn: TS. Lê Thị Phương Vy
• Trường học: Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính-Ngân Hàng
• Đề tài: Mối Quan Hệ Giữa Tỷ Suất Sinh Lợi, Khối Lượng Giao Dịch Ở Thị Trường Chứng Khoán Tại Việt Nam, Trung Quốc Và Nhật Bản
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2018
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. PHẦN 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Phạm vi nghiên cứu
• 1.5. Đối tượng nghiên cứu
• 1.6. Ý nghĩa thực tiễn đề tài
• 2. TỔNG QUAN CÁC CƠ SỞ LÝ THUYẾT VÀ THỰC NGHIỆM
• 2.1. Khái niệm
• 2.2. Mối quan hệ đồng thời giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch của thị trường chứng khoán
• 2.3. Mối quan hệ nhân quả giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch của thị trường giao dịch
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Mối Quan Hệ Giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch

Mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch là một chủ đề quan trọng trong nghiên cứu tài chính. Nhiều nhà nghiên cứu đã chỉ ra rằng sự biến động của khối lượng giao dịch có thể ảnh hưởng đến tỷ suất sinh lợi của các tài sản tài chính. Đặc biệt, trong bối cảnh thị trường chứng khoán Việt Nam, Trung Quốc và Nhật Bản, việc hiểu rõ mối quan hệ này có thể giúp các nhà đầu tư đưa ra quyết định chính xác hơn. Theo Karpoff (1987), mối quan hệ này không chỉ cung cấp cái nhìn sâu sắc về cấu trúc thị trường mà còn có ý nghĩa quan trọng trong việc phân tích chiến lược đầu tư.

1.1. Khái Niệm Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch

Tỷ suất sinh lợi được định nghĩa là tỷ lệ phần trăm giữa thu nhập và giá trị khoản đầu tư. Khối lượng giao dịch là số lượng cổ phiếu được giao dịch trong một khoảng thời gian nhất định. Sự thay đổi trong khối lượng giao dịch có thể phản ánh thông tin mới và ảnh hưởng đến tỷ suất sinh lợi.

1.2. Tầm Quan Trọng Của Nghiên Cứu Mối Quan Hệ Này

Nghiên cứu mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch giúp các nhà đầu tư hiểu rõ hơn về động lực của thị trường. Điều này có thể dẫn đến việc phát triển các chiến lược đầu tư hiệu quả hơn, đặc biệt trong các thị trường mới nổi như Việt Nam.

II. Vấn Đề và Thách Thức Trong Nghiên Cứu Mối Quan Hệ Này

Mặc dù có nhiều nghiên cứu về mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch, nhưng vẫn còn nhiều thách thức trong việc xác định tính chính xác của mối quan hệ này. Một số nghiên cứu cho thấy mối quan hệ này có thể thay đổi theo thời gian và phụ thuộc vào các yếu tố khác nhau như tâm lý thị trường và thông tin kinh tế. Việc thiếu dữ liệu chất lượng cao cũng là một vấn đề lớn trong nghiên cứu này.

2.1. Những Khó Khăn Trong Việc Thu Thập Dữ Liệu

Dữ liệu về khối lượng giao dịch và tỷ suất sinh lợi thường không đầy đủ hoặc không chính xác, đặc biệt là trong các thị trường mới nổi. Điều này có thể dẫn đến những kết luận sai lệch trong nghiên cứu.

2.2. Tác Động Của Tâm Lý Thị Trường

Tâm lý thị trường có thể ảnh hưởng đến khối lượng giao dịch và tỷ suất sinh lợi. Các nhà đầu tư có thể phản ứng khác nhau với thông tin mới, dẫn đến sự biến động không thể đoán trước trong mối quan hệ này.

III. Phương Pháp Nghiên Cứu Mối Quan Hệ Giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch

Để nghiên cứu mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch, các nhà nghiên cứu thường sử dụng các phương pháp phân tích định lượng. Các mô hình hồi quy và phân tích chuỗi thời gian là những công cụ phổ biến để kiểm tra mối quan hệ này. Việc áp dụng các mô hình kinh tế lượng giúp xác định được tính chính xác và độ tin cậy của các kết quả nghiên cứu.

3.1. Mô Hình Hồi Quy Chuỗi Thời Gian

Mô hình hồi quy chuỗi thời gian cho phép các nhà nghiên cứu phân tích mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch theo thời gian. Điều này giúp xác định được xu hướng và các yếu tố ảnh hưởng đến mối quan hệ này.

3.2. Phân Tích Tương Quan

Phân tích tương quan giúp xác định mức độ liên kết giữa tỷ suất sinh lợi và khối lượng giao dịch. Kết quả từ phân tích này có thể cung cấp cái nhìn sâu sắc về cách mà các yếu tố này tương tác với nhau.

IV. Kết Quả Nghiên Cứu và Ứng Dụng Thực Tiễn

Kết quả nghiên cứu cho thấy có sự tồn tại của mối quan hệ đồng thời giữa tỷ suất sinh lợi và khối lượng giao dịch tại các thị trường chứng khoán Việt Nam, Trung Quốc và Nhật Bản. Các nhà đầu tư có thể sử dụng thông tin này để điều chỉnh chiến lược đầu tư của mình. Việc hiểu rõ mối quan hệ này cũng giúp các nhà quản lý thị trường đưa ra các chính sách phù hợp nhằm ổn định thị trường.

4.1. Kết Quả Từ Các Thị Trường Khác Nhau

Nghiên cứu cho thấy mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch có sự khác biệt giữa các thị trường. Tại Việt Nam, mối quan hệ này có thể mạnh hơn so với Trung Quốc và Nhật Bản do sự khác biệt trong tâm lý đầu tư và thông tin thị trường.

4.2. Ứng Dụng Trong Chiến Lược Đầu Tư

Các nhà đầu tư có thể áp dụng kết quả nghiên cứu để điều chỉnh chiến lược đầu tư của mình. Việc theo dõi khối lượng giao dịch có thể giúp dự đoán xu hướng tỷ suất sinh lợi trong tương lai.

V. Kết Luận và Tương Lai Của Nghiên Cứu Mối Quan Hệ Này

Mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch vẫn là một lĩnh vực nghiên cứu hấp dẫn và cần được tiếp tục khai thác. Các nghiên cứu trong tương lai có thể tập trung vào việc xác định các yếu tố ảnh hưởng đến mối quan hệ này và cách mà nó thay đổi theo thời gian. Việc hiểu rõ hơn về mối quan hệ này sẽ giúp các nhà đầu tư và nhà quản lý thị trường đưa ra quyết định tốt hơn.

5.1. Hướng Nghiên Cứu Tương Lai

Các nghiên cứu trong tương lai có thể xem xét các yếu tố như tâm lý thị trường và thông tin kinh tế để hiểu rõ hơn về mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch.

5.2. Tác Động Của Công Nghệ Mới

Công nghệ mới có thể thay đổi cách mà các nhà đầu tư tương tác với thị trường, từ đó ảnh hưởng đến mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch. Việc nghiên cứu tác động của công nghệ sẽ là một hướng đi quan trọng trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Thị trường chứng khoán đóng vai trò là kênh dẫn vốn huyết mạch của nền kinh tế hiện đại, nơi sự tương tác giữa tỷ suất sinh lợi và khối lượng giao dịch phản ánh cấu trúc vi mô cùng mức độ hiệu quả thông tin. Tại Việt Nam, tính đến giữa năm 2018, quy mô thị trường đã ghi nhận bước tiến vượt bậc với 2.090 cổ phiếu, trái phiếu và chứng chỉ quỹ niêm yết trên hai sàn giao dịch, đạt tổng giá trị vốn hóa 9.890 nghìn tỷ đồng. Chỉ số VN-Index thời điểm này chạm mốc 956,79 điểm, tương ứng mức tăng trưởng 21% so với cùng kỳ năm trước, trong khi HNX-Index đạt 102,51 điểm với mức tăng 3%.

Mặc dù quy mô tăng trưởng ấn tượng, phần lớn các nghiên cứu kinh tế lượng về cấu trúc thị trường tại khu vực Đông Nam Á vẫn còn phân mảnh, đặc biệt là việc đối chiếu giữa thị trường cận biên với các thị trường phát triển và mới nổi. Nhằm lấp đầy khoảng trống học thuật này, luận văn thạc sĩ kinh tế chuyên ngành Tài chính - Ngân hàng của tác giả Lê Minh Tân tại Trường Đại học Kinh tế TP. Hồ Chí Minh đã đi sâu phân tích mối quan hệ đồng thời và quan hệ nhân quả giữa tỷ suất sinh lợi cùng khối lượng giao dịch.

Nghiên cứu được triển khai trên tập dữ liệu chuỗi thời gian theo ngày từ ngày 04/01/2010 đến ngày 08/08/2018, bao gồm 5.946 phiên giao dịch thực tế trên ba chỉ số đại diện: VN-Index (Việt Nam - thị trường cận biên), Shanghai Composite SSEC (Trung Quốc - thị trường mới nổi) và TOPIX (Nhật Bản - thị trường phát triển). Kết quả nghiên cứu cung cấp hệ số đo lường chuẩn xác về mức độ dẫn truyền thông tin, rủi ro thanh khoản và hiệu ứng bất cân xứng của các cú sốc tin tức, mang lại giá trị thực tiễn to lớn cho việc hoạch định chính sách tiền tệ và chiến lược phân bổ danh mục đầu tư định lượng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nền tảng lý thuyết của luận văn được xây dựng dựa trên sự kết hợp chặt chẽ giữa tài chính vi mô cổ điển và tài chính hành vi hiện đại:

• Giả thuyết phân phối hỗn hợp (Mixture of Distributions Hypothesis - MDH) của Clark (1973) và Harris (1987): Lý thuyết chỉ ra rằng biến động giá và khối lượng giao dịch cùng chịu sự chi phối của một biến số tiềm ẩn chung là tốc độ truyền dẫn thông tin vào thị trường.
• Mô hình thông tin tuần tự (Sequential Information Arrival Model) của Copeland (1976) và Jennings cùng các cộng sự (1981): Mô hình giải thích mối quan hệ nhân quả hai chiều khi các nhà đầu tư nhận thông tin ở những thời điểm khác nhau, tạo ra các chuỗi điều chỉnh giá và khối lượng liên tiếp trước khi đạt trạng thái cân bằng mới.
• Lý thuyết phần bù rủi ro thanh khoản của Amihud (2002) và Acharya cùng Pedersen (2005): Khẳng định rằng sự suy giảm thanh khoản sẽ trực tiếp làm giảm thị giá và đòi hỏi tỷ suất sinh lợi kỳ vọng cao hơn để bù đắp rủi ro cho nhà đầu tư.

Ba khái niệm học thuật then chốt được lượng hóa trong mô hình bao gồm: Tỷ suất sinh lợi theo ngày ($R_t$) được tính bằng sai phân bậc nhất của logarit giá đóng cửa; Khối lượng giao dịch ($V_t$) đã được lọc bỏ yếu tố xu hướng tuyến tính và phi tuyến bậc hai; và Tính bất cân xứng của phương sai có điều kiện đại diện cho phản ứng tâm lý trước các cú sốc thông tin tích cực hoặc tiêu cực.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thứ cấp chuẩn xác về giá đóng cửa và khối lượng khớp lệnh hàng ngày từ Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE), Sở Giao dịch Chứng khoán Thượng Hải (SSE) và Sở Giao dịch Chứng khoán Tokyo (TSE). Quy mô mẫu nghiên cứu gồm 2.140 quan sát tại Việt Nam, 2.092 quan sát tại Trung Quốc và 1.714 quan sát tại Nhật Bản. Phương pháp chọn mẫu toàn bộ chuỗi thời gian liên tục trong gần 9 năm (2010 - 2018) được áp dụng nhằm đảm bảo tính ổn định cấu trúc kinh tế lượng sau cuộc khủng hoảng tài chính toàn cầu 2007 - 2008.

Quy trình phân tích kinh tế lượng được thực hiện nghiêm ngặt qua 4 bước:

1. Kiểm định tính dừng: Sử dụng kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) và Phillips-Perron (PP) để đảm bảo chuỗi dữ liệu không xảy ra hiện tượng hồi quy giả.
2. Kiểm tra hiệu ứng phương sai thay đổi có điều kiện: Ứng dụng kiểm định ARCH-LM với độ trễ từ 1 đến 8 nhằm xác định hiện tượng cụm biến động (volatility clustering).
3. Lựa chọn độ trễ tối ưu và ước lượng mô hình: Sử dụng tiêu chuẩn thông tin Akaike (AIC) và Bayesian (BIC) để xác định bậc trễ, kết hợp mô hình ARCH/GARCH(1,1) và mô hình GJR-GARCH hai chiều với hàm hợp lý cực đại dưới phân phối t-Student đa chiều cùng sai số chuẩn điều chỉnh của Bollerslev-Wooldridge. Mô hình này được lựa chọn vì tính vượt trội trong việc phân tách tác động của tin xấu và tin tốt lên phương sai thị trường.
4. Kiểm định quan hệ nhân quả: Thực hiện kiểm định Granger causality để xác định chiều hướng tác động qua lại giữa tỷ suất sinh lợi và khối lượng giao dịch.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm định và ước lượng kinh tế lượng trên phần mềm Stata đã mang lại các phát hiện cốt lõi:

• Kiểm định tính dừng và hiệu ứng ARCH: 100% các chuỗi tỷ suất sinh lợi ($R_t$) của ba quốc gia đều đạt tính dừng ở mức ý nghĩa 1% ($p$-value = 0,000). Kiểm định ARCH-LM từ độ trễ 1 đến 8 đều cho giá trị $p$-value = 0,000, bác bỏ giả thuyết phương sai không đổi và khẳng định tính phù hợp tuyệt đối của mô hình GARCH.
• Mối quan hệ đồng thời cùng chiều giữa khối lượng và tỷ suất sinh lợi: Ước lượng GARCH(1,1) ghi nhận khối lượng giao dịch có tác động dương lên tỷ suất sinh lợi tại thị trường Trung Quốc với hệ số có ý nghĩa thống kê ở mức 1% ($p < 0,01$) và tại Việt Nam ở mức ý nghĩa 10% ($p < 0,10$). Điều này chứng minh khối lượng giao dịch chứa đựng tín hiệu thông tin quan trọng giúp giải thích biến động lợi suất.
• Tác động nghịch biến từ tỷ suất sinh lợi lên khối lượng giao dịch: Mô hình GARCH(1,1) và GJR-GARCH chỉ ra hệ số hồi quy của tỷ suất sinh lợi tác động lên khối lượng giao dịch đều mang dấu âm. Cụ thể, hệ số tại thị trường Việt Nam đạt mức -2,14 (ý nghĩa thống kê 1%) và tại Nhật Bản đạt mức -2,07 (ý nghĩa thống kê 5%).
• Tính bất cân xứng trước cú sốc thông tin: Kết quả mô hình GJR-GARCH xác nhận hệ số T-ARCH mang giá trị âm có ý nghĩa thống kê tại Việt Nam và Nhật Bản, chứng minh thị trường phản ứng với tin tức tiêu cực mạnh mẽ và dai dẳng hơn nhiều so với tin tức tích cực.
• Kiểm định nhân quả Granger một chiều: Tại Việt Nam và Trung Quốc, kết quả kiểm định bác bỏ giả thuyết $H_0$ với $p$-value = 0,000, khẳng định tồn tại quan hệ nhân quả một chiều từ tỷ suất sinh lợi sang khối lượng giao dịch ($R_t \to V_t$). Chiều ngược lại từ $V_t \to R_t$ không có ý nghĩa thống kê ($p$-value = 0,273 tại Việt Nam và 0,390 tại Trung Quốc). Riêng tại Nhật Bản, hai biến số này hoàn toàn độc lập với $p$-value lần lượt là 0,943 và 0,441.

Thảo luận kết quả

Kết quả nghiên cứu phản ánh sự tương đồng với các công trình kinh điển của Karpoff (1987) và Chen cùng các cộng sự (2001), đồng thời làm rõ sự khác biệt giữa các cấp độ phát triển thị trường theo phân loại của MSCI:

Tại thị trường cận biên như Việt Nam và thị trường mới nổi như Trung Quốc, cấu trúc nhà đầu tư cá nhân chiếm tỷ trọng chi phối trên 80% giá trị giao dịch. Tâm lý giao dịch theo đà (momentum trading) và tâm lý bầy đàn khiến nhà đầu tư chỉ gia tăng giải ngân mạnh mẽ sau khi thị trường đã xác lập xu hướng tăng điểm rõ ràng. Ngược lại, khi tỷ suất sinh lợi biến động quá lớn, chi phí vốn và tâm lý thận trọng gia tăng khiến khối lượng giao dịch sụt giảm, giải thích cho mối quan hệ nghịch biến giữa tỷ suất sinh lợi và khối lượng.

Tại thị trường phát triển như Nhật Bản, tính độc lập nhân quả giữa giá và khối lượng chứng minh thị trường đạt mức độ hiệu quả dạng trung bình (Semi-strong EMH), nơi thông tin được phản ánh tức thì vào giá đóng cửa thay vì tạo ra các độ trễ thanh khoản kéo dài.

Để trực quan hóa các kết luận này, dữ liệu thực nghiệm có thể được biểu diễn qua biểu đồ phân kỳ giá - khối lượng (Price-Volume Divergence) và ma trận kiểm định Granger, giúp các nhà phân tích nhận diện rõ pha điều chỉnh của thị trường khi biên độ giá mở rộng nhưng thanh khoản suy kiệt.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng thực nghiệm thu được từ mô hình GJR-GARCH và kiểm định Granger, nghiên cứu đề xuất 4 nhóm khuyến nghị hành động cụ thể:

1. Đối với cơ quan quản lý thị trường (Ủy ban Chứng khoán Nhà nước):

   • Xây dựng hệ thống cảnh báo sớm rủi ro thanh khoản tự động dựa trên độ biến động phương sai có điều kiện, hoàn thiện khung giám sát giao dịch trong vòng 12 đến 24 tháng tới nhằm giảm thiểu tác động tiêu cực từ các cú sốc thông tin bất đối xứng.
   • Thúc đẩy chính sách phát triển các quỹ đầu tư định chế nhằm nâng tỷ trọng giao dịch của nhà đầu tư tổ chức lên mức 30-40%, giúp bình ổn thị trường trước các đợt bán tháo do tin xấu.

2. Đối với các công ty quản lý quỹ và tổ chức tài chính:

   • Tích hợp mô hình biến động phương sai GJR-GARCH(1,1) vào thuật toán định lượng quản trị danh mục, tối ưu hóa tỷ lệ ký quỹ và thiết lập mức trích lập dự phòng rủi ro thị trường với mục tiêu cắt giảm 15-20% mức sụt giảm tối đa (Max Drawdown) khi thị trường xuất hiện cú sốc tiêu cực.
   • Thiết lập chiến lược giao dịch chủ động dựa trên tín hiệu dòng tiền, tận dụng độ trễ tác động từ tỷ suất sinh lợi sang khối lượng để tái cơ cấu danh mục trong khung thời gian T+3 đến T+5.

3. Đối với nhà đầu tư cá nhân và chuyên nghiệp:

   • Tuyệt đối tuân thủ kỷ luật dừng lỗ tự động ở mức 7-8% ngay khi thị trường xuất hiện các tin tức xấu có độ biến động cao, tránh tâm lý chờ đợi thụ động do hiệu ứng bất cân xứng kéo dài gây xói mòn vốn.
   • Không sử dụng biến động khối lượng đơn lẻ để dự đoán xu hướng giá ngắn hạn tại thị trường Việt Nam mà phải kết hợp phân tích chuỗi biến động giá lịch sử.

4. Đối với các viện nghiên cứu và trường đại học:

   • Triển khai mở rộng các đề tài nghiên cứu vi cấu trúc thị trường sang phân khúc chứng khoán phái sinh (VN30 Index Futures) và chứng quyền có bảo đảm theo lộ trình nghiên cứu giai đoạn 2024 - 2026.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu này mang lại giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng trọng tâm:

• Học viên cao học và nghiên cứu sinh chuyên ngành Tài chính - Ngân hàng, Kinh tế phát triển: Sử dụng luận văn như một tài liệu tham khảo chuẩn mực về quy trình xử lý dữ liệu chuỗi thời gian tài chính, kỹ thuật khử xu hướng dữ liệu khối lượng và quy trình ước lượng mô hình GARCH phi tuyến đa biến trên Stata.
• Chuyên viên phân tích định lượng (Quantitative Analyst) và Quản lý danh mục đầu tư: Ứng dụng các hàm ước lượng tham số phương sai có điều kiện để xây dựng chiến lược quản trị rủi ro thanh khoản, định giá quyền chọn và tối ưu hóa thời điểm tái cân bằng danh mục.
• Chuyên viên nghiên cứu chiến lược và hoạch định chính sách tại các cơ quan quản lý: Tham khảo các bằng chứng so sánh thực nghiệm giữa Việt Nam, Trung Quốc và Nhật Bản để ban hành các quy chế công bố thông tin, biên độ dao động giá và tiêu chuẩn an toàn vốn phù hợp với thị trường cận biên.
• Nhà đầu tư chuyên nghiệp theo trường phái phân tích kỹ thuật và VSA (Volume Spread Analysis): Nắm vững bản chất kinh tế lượng của mối quan hệ giá - khối lượng để hoàn thiện hệ thống giao dịch cá nhân và tránh các bẫy thanh khoản.

Câu hỏi thường gặp

Mô hình GJR-GARCH mang lại ưu thế gì so với mô hình GARCH truyền thống trong nghiên cứu này?

Mô hình GJR-GARCH hai chiều cho phép đưa thêm biến giả để phân tách và đo lường sự khác biệt giữa phản ứng của thị trường trước tin tốt và tin xấu. Bằng chứng thực nghiệm với hơn 5.900 quan sát đã chứng minh tin tức tiêu cực tại Việt Nam và Nhật Bản gây ra mức độ biến động phương sai lớn và kéo dài hơn đáng kể so với tin tức tích cực.

Tại sao khối lượng giao dịch không thể dùng để dự báo tỷ suất sinh lợi tại thị trường Việt Nam?

Kiểm định nhân quả Granger cho giá trị $p$-value = 0,273 (lớn hơn mức ý nghĩa 5%), đồng nghĩa với việc không tồn tại tác động nhân quả từ khối lượng sang tỷ suất sinh lợi. Thị trường chứng khoán Việt Nam giai đoạn 2010 - 2018 chưa phản ánh thông tin thanh khoản một cách hiệu quả vào giá tương lai mà chủ yếu biến động theo tâm lý và đà tăng trưởng của giá trong quá khứ.

Nghiên cứu giải thích như thế nào về sự độc lập giữa giá và khối lượng tại thị trường Nhật Bản?

Tại thị trường phát triển như Nhật Bản, chỉ số TOPIX có tính hiệu quả thông tin cao với sự tham gia của các định chế tài chính toàn cầu. Kiểm định Granger cho giá trị $p$-value = 0,943 và 0,441 chỉ ra rằng các luồng thông tin mới được hấp thụ tức thời vào thị giá mà không để lại các tác động trễ kéo dài lên khối lượng giao dịch.

Việc khử xu hướng khối lượng giao dịch có vai trò quan trọng như thế nào trong bài nghiên cứu?

Chuỗi khối lượng giao dịch thô thường chứa các xu hướng tăng trưởng tuyến tính và phi tuyến bậc hai do sự mở rộng tự nhiên của quy mô thị trường theo thời gian. Việc hồi quy để loại bỏ xu hướng giúp chuỗi khối lượng đạt tính dừng hoàn toàn ($p$-value < 0,05 trên ADF), ngăn ngừa hiện tượng hồi quy giả và đảm bảo ước lượng tham số không bị chệch.

Các nhà quản lý quỹ có thể ứng dụng kết quả nghiên cứu vào phân bổ tài sản như thế nào?

Nhà quản lý quỹ có thể tận dụng mối quan hệ nhân quả một chiều từ tỷ suất sinh lợi sang khối lượng ($p$-value = 0,000 tại Việt Nam) để dự báo thanh khoản thị trường sau các đợt biến động giá mạnh, từ đó chủ động giải ngân hoặc thoái vốn các vị thế lớn mà không làm biến động giá tài sản cơ sở.

Kết luận

• Luận văn đã phân tích thành công và toàn diện mối quan hệ giữa tỷ suất sinh lợi và khối lượng giao dịch trên 3 thị trường đại diện cho 3 cấp độ phát triển kinh tế (Việt Nam, Trung Quốc, Nhật Bản) với 5.946 phiên quan sát trong giai đoạn 2010 - 2018.
• Xác lập bằng chứng thực nghiệm về sự tồn tại của hiệu ứng ARCH và tính bất cân xứng của thông tin, trong đó tin tức tiêu cực tạo ra chấn động tâm lý và rủi ro phương sai cao hơn tại thị trường cận biên.
• Khẳng định mối quan hệ nhân quả một chiều từ tỷ suất sinh lợi sang khối lượng giao dịch tại Việt Nam và Trung Quốc, đồng thời xác nhận tính độc lập cấu trúc tại thị trường Nhật Bản.
• Cung cấp khung phương pháp luận kinh tế lượng chuẩn xác kết hợp giữa kiểm định nghiệm đơn vị, mô hình GARCH(1,1), GJR-GARCH hai chiều và kiểm định Granger causality.
• Đóng góp hệ thống giải pháp ứng dụng thiết thực cho cơ quan quản lý, định chế tài chính và nhà đầu tư trong việc kiểm soát rủi ro thanh khoản và nâng cao hiệu quả phân bổ vốn.

Các nghiên cứu tiếp theo có thể mở rộng phạm vi sang dữ liệu giao dịch tần suất cao (Intraday High-Frequency Data) và thị trường phái sinh nhằm liên tục cập nhật những bước chuyển mình mới của thị trường tài chính Việt Nam. Để khai thác sâu hơn toàn bộ hệ thống bảng biểu và quy trình kinh tế lượng chi tiết, bạn đọc có thể tham khảo trực tiếp toàn văn luận văn thạc sĩ kinh tế của tác giả Lê Minh Tân tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH LÊ MINH TÂN MỐI QUAN HỆ GIỮA TỶ SUẤT SINH LỢI, KHỐI LƯỢNG GIAO DỊCH Ở THỊ TRƯỜNG CHỨNG KHOÁN TẠI VIỆT NAM, TRUNG QUỐC VÀ NHẬT BẢN LUẬN VĂN THẠC SĨ KINH TẾ TP. Hồ Chí Minh – Năm 2018 LUAN VAN CHAT LUONG download : add [e-mail] BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH LÊ MINH TÂN MỐI QUAN HỆ GIỮA TỶ SUẤT SINH LỢI, KHỐI LƯỢNG GIAO DỊCH Ở THỊ TRƯỜNG CHỨNG KHOÁN TẠI VIỆT NAM, TRUNG QUỐC VÀ NHẬT BẢN Chuyên ngành: Tài chính-Ngân hàng Mã số: 8340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƢỜI HƢỚNG DẪN KHOA HỌC: TS. LÊ THỊ PHƢƠNG VY TP. Hồ Chí Minh – Năm 2018 LUAN VAN CHAT LUONG download : add [e-mail] LỜI CAM ĐOAN Tôi cam kết rằng bài luận này: “MỐI QUAN HỆ GIỮA TỶ SUẤT SINH LỢI, KHỐI LƢỢNG GIAO DỊCH Ở THỊ TRƢỜNG CHỨNG KHOÁN TẠI VIỆT NAM, TRUNG QUỐC VÀ NHẬT BẢN” là bài nghiên cứu đƣợc thực hiện bởi cá nhân tôi.

Không có bài báo/nghiên cứu nào của ngƣời khác đƣợc sử dụng trong bài luận văn này mà không có trích dẫn theo đúng quy định. Ngoại trừ những tài liệu tham khảo đƣợc trích dẫn trong luận văn này, tôi cam kết rằng toàn bộ nội dung của bài luận văn chƣa từng đƣợc công bố hoặc đƣợc sử dụng để nhận bằng cấp ở những trƣờng đại học hay cơ sở đào tạo nào khác.Hồ Chí Minh, ngày 17 tháng 09 năm 2018 Lê Minh Tân LUAN VAN CHAT LUONG download : add [e-mail] MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC BẢNG BIỂU DANH MỤC CÁC TỪ VIẾT TẮT PHẦN 1. GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU. Lý do chọn đề tài.

Mục tiêu nghiên cứu. Câu hỏi nghiên cứu. Phạm vi nghiên cứu. Đối tượng nghiên cứu.

Phạm vi nghiên cứu .5 Ý nghĩa thực tiễn đề tài. TỔNG QUAN CÁC CƠ SỞ LÝ THUYẾT VÀ THỰC NGHIỆM. Mối quan hệ đồng thời giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch của thị trường chứng khoán. Mối quan hệ nhân quả giữa Tỷ Suất Sinh Lợi và Khối Lượng Giao Dịch của thị trường giao dịch.

Các nghiên cứu thực nghiệm. PHƢƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH KINH TẾ LƢỢNG. 13 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Giả thuyết nghiên cứu.

Phƣơng pháp nghiên cứu. Mô hình kinh tế lƣợng. Phương trình trung bình có điều kiện. Phương trình phương sai – hiệp phương sai có điều kiện.

Hàm log – likehood. Lý do chọn phạm vi nghiên cứu. Các biến độc lập đƣa mô hình. KẾT QUẢ NGHIÊN CỨU.

Kiểm định tính dừng cho chuỗi thời gian. Kiểm định tính dừng với Dickey Fuller. Kiểm định tính dừng với Phillips Perron. Kiểm tra hiệu ứng ARCH.

Kiểm định hiệu ứng ARCH trong phương trình đánh giá tác động của khối lượng giao dịch lên tỷ suất sinh lợi. Kiểm định hiệu ứng ARCH trong phương trình đánh giá tác động của tỷ suất sinh lợi lên khối lượng giao dịch. Kết quả ƣớc lƣợng mô hình ARCH. Lựa chọn độ trễ tối ưu cho mô hình ARCH với AIC và BIC.

Kết quả ước lượng mô hình ARCH sau khi lựa chọn độ trễ tối ưu. Kết quả ƣớc lƣợng mô hình GARCH .31 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Kết quả ước lượng mô hình GARCH (1;1) đánh giá tác động của (Vt) lên (Rt). Kết quả ước lượng mô hình GARCH (1;1) đánh giá tác động của (Rt) lên (Vt).

Kết quả ƣớc lƣợng mô hình GJR-GARCH. Kiểm định nhân quả Granger. Kiểm định nhân quả Granger cho mô hình ở Việt Nam. Kiểm định nhân quả Granger cho mô hình ở Trung Quốc.