Nghiên cứu tác động của công cụ Google đến tỷ suất sinh lợi chứng khoán trên thị trường Việt Nam

Nghiên cứu tác động của công cụ Google đến tỷ suất sinh lợi chứng khoán trên thị trường chứng khoán Việt Nam trong luận văn thạc sĩ UEH.

• Tác giả: Lê Trần Công Quyền
• Người hướng dẫn: PGS. Nguyễn Thị Liên Hoa
• Trường học: Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Nghiên Cứu Tác Động Công Cụ Google Đến Tỷ Suất Sinh Lợi Chứng Khoán Trên Thị Trường Chứng Khoán Việt Nam
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2016
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: Lý do chọn đề tài
• 1.1. Mục tiêu nghiên cứu
• 1.2. Đối tượng nghiên cứu
• 1.3. Phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Tính mới của luận văn
• 1.6. Cấu trúc luận văn
• 2. CHƯƠNG II: TỔNG QUÁT CÁC NGHIÊN CỨU TRƯỚC ĐÂY
• 3. CHƯƠNG III: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Dữ liệu nghiên cứu
• 3.2. Mô hình và các biến trong mô hình
• 4. CHƯƠNG IV: KẾT QUẢ NGHIÊN CỨU TẠI CÁC CÔNG TY NIÊM YẾT TRÊN SÀN CHỨNG KHOÁN GIAO DỊCH TPHCM
• 4.1. Phương pháp hồi quy
• 4.2. Thống kê dữ liệu
• 4.3. Kết quả ước lượng
• 4.4. Kiểm định tính vững mô hình nghiên cứu
• 5. CHƯƠNG V: CHIẾN LƯỢC PHÂN BỔ DANH MỤC ĐẦU TƯ
• 6. CHƯƠNG VI: Kết luận về kết quả nghiên cứu
• 6.1. Hạn chế đề tài
• 6.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1
• PHỤ LỤC 2

Tóm tắt

I. Tổng quan về tác động của Google đến lợi nhuận chứng khoán

Nghiên cứu về tác động của Google đến lợi nhuận chứng khoán tại Việt Nam đang trở thành một chủ đề nóng hổi trong giới đầu tư. Google không chỉ là một công cụ tìm kiếm mà còn là một nguồn thông tin quý giá cho các nhà đầu tư. Việc phân tích mối quan hệ giữa khối lượng tìm kiếm trên Google và lợi nhuận chứng khoán có thể giúp các nhà đầu tư đưa ra quyết định chính xác hơn. Nghiên cứu này sẽ xem xét các yếu tố ảnh hưởng và cách thức mà Google có thể tác động đến thị trường chứng khoán Việt Nam.

1.1. Tác động của công cụ tìm kiếm đến hành vi đầu tư

Công cụ tìm kiếm như Google có thể ảnh hưởng đến hành vi của nhà đầu tư thông qua việc cung cấp thông tin nhanh chóng và dễ dàng. Nghiên cứu cho thấy rằng khi khối lượng tìm kiếm tăng lên, nhà đầu tư có xu hướng phản ứng tích cực hơn với các cổ phiếu liên quan. Điều này có thể dẫn đến sự gia tăng trong lợi nhuận chứng khoán.

1.2. Mối liên hệ giữa khối lượng tìm kiếm và lợi nhuận

Nhiều nghiên cứu đã chỉ ra rằng khối lượng tìm kiếm trên Google có thể dự đoán được lợi nhuận chứng khoán trong tương lai. Cụ thể, khi khối lượng tìm kiếm tăng, tỷ suất sinh lợi của các cổ phiếu cũng có xu hướng tăng theo. Điều này cho thấy rằng tác động của Google không thể xem nhẹ trong việc phân tích thị trường.

II. Vấn đề và thách thức trong nghiên cứu tác động của Google

Mặc dù có nhiều nghiên cứu về tác động của Google đến lợi nhuận chứng khoán, nhưng vẫn còn nhiều thách thức cần giải quyết. Một trong những vấn đề lớn nhất là việc xác định chính xác mối quan hệ giữa khối lượng tìm kiếm và lợi nhuận chứng khoán. Ngoài ra, sự biến động của thị trường cũng có thể ảnh hưởng đến kết quả nghiên cứu.

2.1. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu từ Google Trends có thể gặp khó khăn do sự thay đổi liên tục của thuật toán tìm kiếm. Điều này có thể dẫn đến những sai lệch trong việc phân tích mối quan hệ giữa khối lượng tìm kiếm và lợi nhuận chứng khoán.

2.2. Tác động của yếu tố bên ngoài

Các yếu tố bên ngoài như tình hình kinh tế, chính trị cũng có thể ảnh hưởng đến lợi nhuận chứng khoán. Do đó, việc tách biệt tác động của Google khỏi các yếu tố này là một thách thức lớn trong nghiên cứu.

III. Phương pháp nghiên cứu tác động của Google đến lợi nhuận chứng khoán

Để nghiên cứu tác động của Google đến lợi nhuận chứng khoán, phương pháp hồi quy dữ liệu bảng được sử dụng. Phương pháp này cho phép phân tích mối quan hệ giữa khối lượng tìm kiếm và tỷ suất sinh lợi của các cổ phiếu trong một khoảng thời gian nhất định.

3.1. Dữ liệu nghiên cứu

Dữ liệu được thu thập từ Google Trends và các nguồn tài chính khác nhau. Tập dữ liệu này bao gồm khối lượng tìm kiếm của 36 công ty niêm yết trên sàn HOSE trong giai đoạn từ 2008 đến 2012.

3.2. Mô hình hồi quy

Mô hình hồi quy được áp dụng để phân tích mối quan hệ giữa khối lượng tìm kiếm và lợi nhuận chứng khoán. Kết quả từ mô hình này sẽ giúp xác định mức độ ảnh hưởng của Google đến thị trường chứng khoán Việt Nam.

IV. Kết quả nghiên cứu về tác động của Google đến lợi nhuận chứng khoán

Kết quả nghiên cứu cho thấy rằng khối lượng tìm kiếm trên Google có mối liên hệ tích cực với lợi nhuận chứng khoán. Cụ thể, khi khối lượng tìm kiếm tăng, tỷ suất sinh lợi của các cổ phiếu cũng có xu hướng tăng theo. Điều này chứng tỏ rằng tác động của Google là một yếu tố quan trọng trong việc dự đoán lợi nhuận chứng khoán.

4.1. Phân tích kết quả hồi quy

Kết quả hồi quy cho thấy rằng khối lượng tìm kiếm có tác động mạnh đến lợi nhuận chứng khoán. Mối quan hệ này không chỉ có ý nghĩa thống kê mà còn có ý nghĩa thực tiễn cho các nhà đầu tư.

4.2. Ứng dụng thực tiễn từ nghiên cứu

Nghiên cứu này cung cấp một cơ sở dữ liệu quý giá cho các nhà đầu tư trong việc ra quyết định đầu tư. Việc theo dõi khối lượng tìm kiếm trên Google có thể giúp các nhà đầu tư dự đoán được xu hướng của thị trường chứng khoán Việt Nam.

V. Kết luận và tương lai của nghiên cứu tác động của Google

Nghiên cứu về tác động của Google đến lợi nhuận chứng khoán tại Việt Nam mở ra nhiều hướng nghiên cứu mới. Kết quả cho thấy rằng khối lượng tìm kiếm có thể là một chỉ số hữu ích trong việc dự đoán lợi nhuận chứng khoán. Tuy nhiên, cần có thêm nhiều nghiên cứu để xác định rõ hơn mối quan hệ này.

5.1. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể mở rộng ra các công cụ tìm kiếm khác và so sánh với Google. Điều này sẽ giúp làm rõ hơn về tác động của công nghệ đến lợi nhuận chứng khoán.

5.2. Tương lai của thị trường chứng khoán Việt Nam

Với sự phát triển của công nghệ thông tin, thị trường chứng khoán Việt Nam có thể sẽ tiếp tục biến đổi. Việc áp dụng các công cụ phân tích dữ liệu như Google Trends sẽ giúp các nhà đầu tư có cái nhìn sâu sắc hơn về xu hướng thị trường.

Nội dung chính

Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam ghi nhận sự phát triển vượt bậc kể từ phiên giao dịch đầu tiên vào ngày 28/07/2000, từng xác lập cột mốc kỷ lục 1.170 điểm vào ngày 12/03/2007 trước khi chịu ảnh hưởng nặng nề từ cuộc khủng hoảng tài chính toàn cầu và rơi về đáy 235 điểm vào tháng 02/2009. Trong bối cảnh nhà đầu tư cá nhân chiếm tỷ trọng chi phối và giao dịch chịu tác động mạnh mẽ bởi yếu tố tâm lý bầy đàn, việc dự báo tỷ suất sinh lợi chứng khoán thông qua các công cụ dữ liệu lớn trực tuyến trở thành hướng tiếp cận tiên phong. Luận văn thạc sĩ chuyên ngành Tài chính – Ngân hàng của tác giả Lê Trần Công Quyền, dưới sự hướng dẫn khoa học của PGS. Nguyễn Thị Liên Hoa tại Trường Đại học Kinh tế TP. Hồ Chí Minh, tập trung giải quyết bài toán: Mức độ chú ý của công chúng qua công cụ tìm kiếm trực tuyến tác động như thế nào đến biến động giá cổ phiếu tại một thị trường cận biên?

Mục tiêu cụ thể của nghiên cứu bao gồm: xác định định lượng mối quan hệ giữa khối lượng tìm kiếm Google (Google Search Volume - GSV) và tỷ suất sinh lợi vượt trội của cổ phiếu; kiểm định sức mạnh dự báo của GSV trong hai bối cảnh thị trường (giai đoạn khủng hoảng 2008–2009 và giai đoạn phục hồi 2010–2012); đồng thời xây dựng chiến lược phân bổ danh mục đầu tư năng động dựa trên tần suất tìm kiếm. Phạm vi nghiên cứu bao quát 36 doanh nghiệp quy mô lớn niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) xuyên suốt 256 tuần giao dịch từ ngày 01/01/2008 đến ngày 31/12/2012, mở rộng kiểm định tính vững đến ngày 31/12/2013. Luận văn mang lại giá trị học thuật và thực tiễn sâu sắc khi cung cấp bằng chứng thực nghiệm ở mức ý nghĩa thống kê 1% về vai trò của tâm lý hành vi số, mở ra công cụ đo lường phi truyền thống cho thị trường tài chính Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng nền tảng trên hai hệ thống lý thuyết tài chính trụ cột: Giả thuyết thị trường hiệu quả (Efficient Market Hypothesis - EMH) của Fama (1965, 1970) và Lý thuyết tài chính hành vi (Behavioral Finance) phát triển bởi Barberis cùng các cộng sự (1998), Baker và Wurgler (2006). Fama phân loại thị trường hiệu quả thành 3 cấp độ (yếu, trung bình, mạnh) với giả định giá cả phản ánh đầy đủ thông tin sẵn có và biến động theo bước đi ngẫu nhiên. Tuy nhiên, các bằng chứng thực nghiệm từ Lo và Mackinlay (1988) cũng như Campbell và Yogo (2006) đã chỉ ra các điểm bất thường của thị trường mà phân tích kỹ thuật hoặc phân tích cơ bản truyền thống chưa bao quát hết.

Mô hình nghiên cứu kế thừa và mở rộng từ công trình của Laurens Bijl cùng cộng sự (2016) kết hợp với các phát hiện của Preis (2013), Tetlock (2007) và Moat (2013). Các khái niệm then chốt được lượng hóa bao gồm: Tỷ suất sinh lợi vượt trội (Abnormal Return), Khối lượng tìm kiếm Google chuẩn hóa (Standardized Google Search Volume - SGSV), Khối lượng giao dịch hiệu chỉnh chuỗi 12 tuần (VLM), cùng Biến động tỷ suất sinh lợi tuần (VOW) và tháng (VOL). Nghiên cứu tích hợp thêm biến giả tháng Giêng (January Effect) và biến giả Khủng hoảng (Crisis) cùng các biến tương tác giữa lợi nhuận và khối lượng tìm kiếm nhằm kiểm soát tối đa các cú sốc ngoại sinh.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng hồi quy dữ liệu bảng (Panel Data Regression) với sự hỗ trợ của phần mềm Stata 12. Dữ liệu giá đóng cửa, giá mở cửa, khối lượng giao dịch và cổ tức của 36 công ty niêm yết được trích xuất từ hệ thống dữ liệu tài chính cafef.vn, trong khi chỉ số tìm kiếm GSV theo thang đo từ 0 đến 100 được khai thác trực tiếp từ Google Trends tại phạm vi địa lý Việt Nam. Cỡ mẫu nghiên cứu bao gồm 36 doanh nghiệp đại diện trên sàn HOSE với tổng số 9.216 quan sát hàng tuần trong 256 tuần liên tục. Phương pháp chọn mẫu có chủ đích được áp dụng dựa trên 2 tiêu chí khắt khe: doanh nghiệp niêm yết trước năm 2007 để đảm bảo đủ dữ liệu tính hệ số Beta 52 tuần, và tên tìm kiếm của doanh nghiệp có độ nhận diện cao, không bị nhiễu bởi các từ khóa đời sống thông thường.

Để lựa chọn mô hình hồi quy tối ưu giữa ba phương pháp Pooled OLS, Fixed Effects (FE) và Random Effects (RE), tác giả thực hiện quy trình kiểm định đa bước chuẩn mực:

• Kiểm định Breusch-Pagan Lagrange Multiplier (LM) cho kết quả giá trị thống kê Chi-Square đạt 5700,00 với giá trị p-value nhỏ hơn 0,001, bác bỏ giả thuyết H0 và khẳng định mô hình tác động ngẫu nhiên (RE) vượt trội hơn Pooled OLS.
• Kiểm định Hausman cho giá trị Chi-Square đạt 2,76 với giá trị p-value bằng 0,7598 (lớn hơn ngưỡng ý nghĩa 10%), chứng minh không có sự tương quan giữa sai số và các biến giải thích, qua đó xác nhận mô hình hồi quy tác động ngẫu nhiên (RE) là lựa chọn tối ưu và hiệu quả nhất.
• Kiểm định F-test xác định độ trễ tối ưu cho thấy biến SGSV tại độ trễ 1 tuần và 2 tuần đều đạt mức ý nghĩa thống kê 1%, được giữ lại trong mô hình ước lượng chính thức.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả ước lượng từ mô hình hồi quy tác động ngẫu nhiên (RE) mang lại 4 phát hiện thực nghiệm quan trọng:

• Thứ nhất, khối lượng tìm kiếm Google chuẩn hóa (SGSV) tác động cùng chiều có ý nghĩa thống kê ở mức 1% đến tỷ suất sinh lợi vượt trội của cổ phiếu ở cả độ trễ 1 tuần (hệ số hồi quy dương từ 0,0031 đến 0,0040) và độ trễ 2 tuần (hệ số hồi quy dương khoảng 0,0034). Khi sự chú ý của nhà đầu tư qua Google tăng lên, tỷ suất sinh lợi vượt trội của cổ phiếu trong tuần kế tiếp sẽ tăng tương ứng.
• Thứ hai, biến giả khủng hoảng kinh tế (Crisis) mang hệ số âm (-0,0123) có ý nghĩa thống kê ở mức 5%, phản ánh áp lực giảm giá mạnh trong giai đoạn 2008–2009 khi khối ngoại bán ròng hơn 1.278 tỷ đồng cổ phiếu và khoảng 13,5 ngàn tỷ đồng trái phiếu.
• Thứ ba, biến tương tác giữa tỷ suất sinh lợi quá khứ và khối lượng tìm kiếm Google đạt mức ý nghĩa thống kê 10%, cho thấy hiệu ứng chú ý được khuếch đại khi cổ phiếu có biến động giá mạnh trong các phiên trước đó.
• Thứ tư, việc kiểm định tính vững trên mẫu con 30 công ty và kéo dài chuỗi thời gian sang giai đoạn 2010–2013 đều khẳng định tính ổn định của hệ số SGSV với mức ý nghĩa 1%, chứng minh kết quả không bị sai lệch bởi việc chọn mẫu.

Thảo luận kết quả

Hiệu ứng tác động cùng chiều giữa khối lượng tìm kiếm Google và tỷ suất sinh lợi chứng khoán tại Việt Nam mang tính đặc thù cao, hoàn toàn trái ngược với kết quả nghiên cứu của Laurens Bijl cùng cộng sự (2016) trên thị trường Mỹ (nơi GSV cao dự báo tỷ suất sinh lợi giảm). Sự khác biệt này bắt nguồn từ cấu trúc thị trường: TTCK Việt Nam là thị trường cận biên với hơn 80% giao dịch đến từ nhà đầu tư cá nhân, chịu chi phối mạnh bởi tâm lý bầy đàn và hành vi tìm kiếm thông tin ngắn hạn. Khi một cổ phiếu được tìm kiếm nhiều, dòng tiền cá nhân có xu hướng đổ xô mua vào tạo lực cầu tức thì, đẩy giá tăng trong 1 đến 2 tuần đầu tiên.

Để trực quan hóa các kết quả nghiên cứu, dữ liệu được trình bày hiệu quả thông qua:

• Bảng tổng hợp so sánh hệ số hồi quy của mô hình gốc và mô hình mở rộng, thể hiện rõ sự gia tăng hệ số xác định R-squared khi bổ sung các biến trễ SGSV và biến giả vĩ mô.
• Biểu đồ đường so sánh hiệu quả giữa chiến lược giao dịch chủ động dựa trên tần suất GSV (chia theo các phân vị từ 5% đến 50%) với chiến lược danh mục trọng số cân bằng chuẩn. Biểu đồ chỉ ra rằng trước khi trừ chi phí giao dịch, chiến lược mua cổ phiếu có GSV cao tạo ra tỷ suất sinh lợi vượt trội từ 3% đến 6% so với thị trường; tuy nhiên, khi đưa mức phí giao dịch thực tế từ 0,15% đến 0,5% vào tính toán, tỷ suất sinh lợi ròng bị bào mòn và chuyển sang mức âm do tần suất tái cơ cấu danh mục hàng tuần quá cao.

Đề xuất và khuyến nghị

Dựa trên các kết quả thực nghiệm về tác động của chỉ số tìm kiếm trực tuyến, luận văn đề xuất 4 nhóm giải pháp chiến lược:

• Đối với Nhà đầu tư cá nhân:

  • Thiết lập quy trình kiểm chứng thông tin đa tầng, chủ động kết hợp chỉ số tìm kiếm Google Trends với phân tích báo cáo tài chính cơ bản để tránh bẫy tâm lý fomo bầy đàn.
  • Cắt giảm tần suất giao dịch lướt sóng hàng tuần dựa trên tin đồn số nhằm tiết kiệm từ 1,5% đến 2,5% chi phí giao dịch và thuế mỗi năm, duy trì khung thời gian nắm giữ tối thiểu từ 3 đến 6 tháng trong giai đoạn 2026–2027.

• Đối với Công ty Chứng khoán và Quỹ Quản lý danh mục:

  • Xây dựng hệ thống cảnh báo sớm rủi ro dòng tiền bằng việc tích hợp API dữ liệu lớn từ Google Trends vào mô hình định lượng Quant trading, đặt mục tiêu nâng cao độ chính xác dự báo biến động ngắn hạn thêm 10% đến 15% trong vòng 12 tháng tới.
  • Thiết kế các sản phẩm chứng chỉ quỹ và danh mục mẫu dựa trên phân tích tâm lý thị trường (Sentiment Index), hỗ trợ khách hàng tái cơ cấu tỷ trọng an toàn khi chỉ số biến động vượt ngưỡng 2 độ lệch chuẩn.

• Đối với Doanh nghiệp niêm yết:

  • Nâng cao tính minh bạch trong quan hệ nhà đầu tư (IR), chủ động giám sát lưu lượng tìm kiếm thương hiệu trực tuyến hàng tuần để phát hiện sớm các khủng hoảng truyền thông.
  • Chuẩn hóa việc công bố thông tin định kỳ theo chuẩn IFRS nhằm giảm thiểu 20% mức độ biến động giá bất thường do sự lan truyền của tin đồn thiếu căn cứ.

• Đối với Cơ quan Quản lý Thị trường (UBCKNN và HOSE):

  • Ứng dụng công nghệ trí tuệ nhân tạo và xử lý dữ liệu lớn để giám sát các tài khoản mạng xã hội và lưu lượng truy vấn tìm kiếm bất thường, phát hiện kịp thời các hành vi thao túng tâm lý nhà đầu tư.
  • Triển khai lộ trình nâng cao kiến thức tài chính cho cộng đồng nhà đầu tư cá nhân giai đoạn 2026–2030, hướng tới mục tiêu nâng hạng thị trường chứng khoán Việt Nam lên nhóm thị trường mới nổi.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị tham khảo ứng dụng chuyên sâu cho 4 nhóm đối tượng trọng tâm:

• Học viên cao học, Nghiên cứu sinh và Giảng viên Tài chính: Cung cấp khung phương pháp luận hồi quy dữ liệu bảng RE chuẩn mực, quy trình kiểm định mô hình định lượng (Hausman, Breusch-Pagan, F-test) và hướng tiếp cận tài chính hành vi hiện đại thông qua dữ liệu mạng xã hội.
• Chuyên viên Phân tích Định lượng (Quant Analyst) tại các định chế tài chính: Nắm bắt thuật toán xử lý dữ liệu phi cấu trúc từ Google Trends (chuẩn hóa SGSV, khử nhiễu chuỗi thời gian) để phát triển các chỉ báo tâm lý độc quyền cho hệ thống giao dịch thuật toán.
• Nhà đầu tư cá nhân và Quản lý danh mục chuyên nghiệp: Hiểu rõ cơ chế lan truyền thông tin và tác động của chi phí giao dịch thực tế đến hiệu quả danh mục, từ đó hoàn thiện chiến lược phân bổ tài sản bền vững qua các chu kỳ thị trường.
• Chuyên viên Quan hệ Cổ đông (IR) và Quản trị Doanh nghiệp: Ứng dụng các chỉ số truy vấn trực tuyến để đo lường mức độ quan tâm của cổ đông, tối ưu hóa chiến lược truyền thông tài chính và bảo vệ giá trị vốn hóa doanh nghiệp trước các đợt biến động tâm lý.

Câu hỏi thường gặp

• Tại sao khối lượng tìm kiếm Google (GSV) lại tác động cùng chiều đến giá cổ phiếu tại Việt Nam thay vì ngược chiều như thị trường Mỹ? Do cấu trúc thị trường Việt Nam có hơn 80% giao dịch đến từ nhà đầu tư cá nhân với tâm lý bầy đàn rõ nét. Khi lượng tìm kiếm tăng cao, dòng tiền cá nhân nhanh chóng mua vào đẩy giá cổ phiếu tăng từ 0,3% đến 0,4% trong 1–2 tuần đầu, trái ngược với thị trường Mỹ vốn do các định chế tài chính chuyên nghiệp chi phối.

• Chỉ số khối lượng tìm kiếm chuẩn hóa (SGSV) được tính toán như thế nào để loại bỏ sai số? Tác giả thu thập chuỗi dữ liệu GSV hàng tuần theo thang điểm từ 0 đến 100 tại Việt Nam, sau đó lấy giá trị tìm kiếm từng tuần trừ đi giá trị trung bình mẫu và chia cho độ lệch chuẩn của toàn bộ chuỗi thời gian 256 tuần nhằm đảm bảo tính so sánh nhất quán giữa 36 mã chứng khoán.

• Vì sao chiến lược đầu tư theo Google Trends tạo ra lợi nhuận gộp tốt nhưng lại lỗ sau khi tính chi phí giao dịch? Chiến lược yêu cầu tái cơ cấu và đảo danh mục liên tục theo tuần dựa trên top cổ phiếu có GSV cao nhất. Với mức phí giao dịch và thuế phổ biến từ 0,15% đến 0,5% mỗi chiều, tổng chi phí phát sinh qua 52 tuần giao dịch đã vượt quá mức tỷ suất sinh lợi vượt trội 3% đến 5% mà mô hình tạo ra.

• Kiểm định thống kê nào khẳng định mô hình Random Effects (RE) là tối ưu nhất trong luận văn? Tác giả đã thực hiện kiểm định Breusch-Pagan LM với giá trị Chi-Square đạt 5700,00 (p-value < 0,001) để loại bỏ Pooled OLS, kết hợp cùng kiểm định Hausman đạt giá trị p-value bằng 0,7598 (> 0,10) chứng minh mô hình Random Effects phù hợp và hiệu quả hơn mô hình Fixed Effects (FE).

• Dữ liệu nghiên cứu được phân chia thành các giai đoạn nào để kiểm chứng yếu tố khủng hoảng kinh tế? Bộ dữ liệu 256 tuần được phân tách thành giai đoạn khủng hoảng tài chính toàn cầu 2008–2009 và giai đoạn hồi phục bình thường 2010–2012, đồng thời mở rộng kiểm định tính vững đến hết năm 2013 với 9.216 quan sát để đánh giá toàn diện sức mạnh giải thích của biến SGSV.

Kết luận

• Luận văn khẳng định thành công mối quan hệ cùng chiều có ý nghĩa thống kê 1% giữa khối lượng tìm kiếm Google (SGSV) và tỷ suất sinh lợi vượt trội của cổ phiếu niêm yết trên HOSE.
• Cung cấp bằng chứng thực nghiệm giá trị về sự khác biệt căn bản trong hành vi định giá tài sản giữa thị trường cận biên Việt Nam và thị trường phát triển Hoa Kỳ.
• Chứng minh tính bất khả thi của chiến lược lướt sóng tần suất cao theo GSV khi chi phí giao dịch thực tế từ 0,15% đến 0,5% triệt tiêu toàn bộ thặng dư sinh lợi.
• Xác lập quy trình chuẩn mực trong ứng dụng kinh tế lượng dữ liệu bảng RE (9.216 quan sát) để lượng hóa các biến số tâm lý hành vi số trên thị trường tài chính.
• Mở ra định hướng nghiên cứu tiếp theo về việc tích hợp trí tuệ nhân tạo, dữ liệu mạng xã hội đa kênh (Facebook, diễn đàn chứng khoán) trong giai đoạn thị trường mới 2026–2030; khuyến khích các nhà đầu tư và nhà nghiên cứu khai thác sâu nguồn dữ liệu lớn để nâng cao năng lực quản trị danh mục hiện đại.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu đề tài. Chương 2: Tổng quan các nghiên cứu trước đây. Chương 3: Phương pháp nghiên cứu. Chương 4: Nội dung và kết quả nghiên cứu.

Chương 5: Chiến lược phân bổ danh mục đầu tư. Chương 6: Kết luận. LUAN VAN CHAT LUONG download : add [e-mail] 6 CHƯƠNG II. TỔNG QUÁT CÁC NGHIÊN CỨU TRƯỚC ĐÂY Các nhà nghiên cứu đã thất bại trong sự nhất trí vào hai lĩnh vực: có thể hay không thể dự đoán biến động thị trường chứng khoán, và thứ hai, những tác động nào diễn ra trước đó giúp chúng ta hiểu về thị trường tài chính.

Sự tập trung và quan điểm của các nhà nghiên cứu đã thay đổi theo thời gian. Nghiên cứu sớm nhất được dựa trên một giả thuyết thị trường hiệu quả tuyên bố rằng giá cổ phiếu được điều khiển bởi các thông tin mới và do đó theo một con đường ngẫu nhiên như sự xuất hiện của các thông tin mới là ngẫu nhiên (Fama, 1965). Fama (1965) đưa ra nhận định rằng một thị trường hiệu quả được định nghĩa là một thị trường mà ở đó có một số lượng lớn cá nhân duy lý, tối đa hóa lợi nhuận bằng cách tích cực cạnh tranh, cố gắng dự đoán giá tương lai của từng cổ phiếu, và những thông tin quan trọng là gần như có sẵn miễn phí với tất cả những người tham gia. Trong một thị trường hiệu quả, cạnh tranh giữa rất nhiều người tham gia hiểu biết sẽ dẫn đến một kết cục mà ở đó, vào một thời điểm bất kỳ, giá cổ phiếu đã phản ánh hết những tác động của thông tin dựa vào những sự kiện đã diễn ra và cả những sự kiện mà tại thời điểm đó, thị trường kỳ vọng sẽ diễn ra trong tương lai.

Hay nói cách khác, trong một thị trường hiệu quả, tại bất kỳ thời điểm nào, giá thực tế của một cổ phiếu chính là một dự báo tốt nhất cho giá trị nội tại của chính nó”. Như vậy, giả thuyết thị trường hiệu quả có hàm ý rất thâm thúy khi chúng ta đều biết hầu hết các nhà đầu tư khi mua hoặc bán cổ phiếu đều giả định rằng cổ phiếu họ mua có giá trị cao hơn giá phải trả hoặc cổ phiếu họ bán có giá trị thấp hơn giá bán. Tuy nhiên, thị trường là hiệu quả và giá hiện tại đã phản ánh hết tất cả thông tin, là kỳ vọng hợp lý nhất về giá trị nội tại của cổ phiếu, do đó việc mua hoặc bán cổ phiếu nhằm chiến thắng thị trường sẽ chẳng có ý nghĩa gì cả vì việc kiếm được lợi nhuận vượt trội hoàn toàn phụ thuộc vào may rủi. Fama (1970) đưa ra cách phân loại mức độ hiệu quả theo các dạng yếu, trung bình, mạnh căn cứ vào mức độ tương đối của các nguồn thông tin sẵn có.

Có ba dạng giả thuyết thị trường hiệu quả như sau: LUAN VAN CHAT LUONG download : add [e-mail] 7  Giả thuyết thị trường hiệu quả dạng yếu nói rằng giá cổ phiếu đã phản ánh tất cả những thông tin có được từ dữ liệu giao dịch thị trường như giá lịch sử, khối lượng giao dịch. Nếu thị trường tuân theo giả thuyết thị trường hiệu quả dạng yếu, thì chuyên ngành phân tích kỹ thuật, phương pháp xác định xu hướng và biến động giá cổ phiếu trong tương lai dựa vào dữ liệu giá trong quá khứ là vô dụng. Giá cả sẽ chỉ tuân theo những bước đi ngẫu nhiên mà thôi.  Giả thuyết thị trường hiệu quả dạng trung bình nói rằng tất cả những thông tin được công bố rộng rãi liên quan đến các công ty và triển vọng của công ty đã được phản ánh đầy đủ vào giá.

Những thông tin này, ngoài những dữ liệu giao dịch thị trường, còn bao gồm những thông tin cơ bản về tình hình kinh doanh, sản phẩm, sản xuất, phân phối, quản lý, kế toán, tài chính, dự phóng lợi nhuận liên quan đến công ty. Nếu thị trường tuân theo giả thuyết thị trường hiệu quả dạng trung bình, thì chuyên ngành phân tích cơ bản, phương pháp tìm kiếm giá trị nội tại của doanh nghiệp thông qua các dữ kiện cơ bản để mua những cổ phiếu được định giá thấp, bán những cổ phiếu được định giá cao, cũng không giúp được các nhà đầu tư tìm kiếm lợi nhuận.  Giả thuyết thị trường hiệu quả dạng mạnh nói rằng giá cổ phiếu đã phán ánh tất cả thông tin liên quan đến công ty bao gồm cả thông tin công bố rộng rãi lẫn thông tin nội bộ. Giả thuyết thị trường hiệu quả dạng mạnh hàm ý rằng ngay cả những nhà đầu tư giao dịch dựa trên thông tin nội gián cũng không thể nào tìm kiếm được lợi nhuận vượt trội.

Nếu thị trường tuân theo giả thuyết thị trường hiệu quả dạng mạnh, thì thông tin nội bộ cũng không có tác dụng gì. Tuy nhiên, một số nghiên cứu sau đó đã kiểm định giả thuyết thị trường hiệu quả một cách phản biện. Đầu tiên, Lo và Mackinlay (1988) kiểm tra lý thuyết bước đi ngẫu nhiên cho lợi nhuận thị trường chứng khoán hàng tuần bằng cách so sánh ước lượng phương sai bắt nguồn từ việc dữ liệu được lấy mẫu ở các tuần khác LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Mô hình bước đi ngẫu nhiên bị bác bỏ mạnh mẽ cho toàn bộ tuần mẫu (1962- 1985) và cho tất cả tuần con cho một loạt các chỉ số lợi nhuận tổng hợp và danh mục đầu tư được chọn lọc theo quy mô.

Các tác giả đã bác bỏ giả thuyết bước đi ngẫu nhiên cho lợi nhuận chứng khoán hàng tuần bởi việc sử dụng kiểm định đặc tính biến động đơn giản. Các kết quả của Lo và Mackinlay (1988) áp đặt các giới hạn cho việc thiết lập các mô hình kinh tế hợp lý về việc định giá tài sản: bất kỳ mô hình cấu trúc của sự hình thành giá cả hợp lý phải được giải thích bởi mô hình chuỗi thời gian nối tiếp trong dữ liệu hàng tuần. Như một công cụ mô tả thuần túy cho việc kiểm định sự tiến triển ngẫu nhiên qua thời gian, kiểm định đặc tính biến động đơn giản của Lo và Mackinlay (1988) cũng phục vụ mục đích hữu ích về sự hình thành giá trong tương lai. Việc dự đoán tỷ suất sinh lợi trong 1 giai đoạn ngắn thông qua tỷ lệ cổ tức đã được Ang và Bekaert (2007) thực hiện.

Các tác giả này kiểm tra sức mạnh dự đoán của tỷ suất cổ tức cho việc dự báo tỷ suất sinh lợi vượt trội, dòng tiền và lãi suất. Tỷ suất cổ tức dự báo tỷ suất sinh lợi vượt trội chỉ trong khoản tuần ngắn hạn kết hợp với lãi suất ngắn hạn và không có bất kỳ sức mạnh dự báo nào trong dài hạn. Trong tuần ngắn hạn, lãi suất ngắn hạn cao dự báo lợi nhuận tiêu cực. Những kết quả này có tính vững trong dữ liệu quốc tế và không thiếu sức mạnh tiên đoán.

Một mô hình giá trị hiện tại phù hợp với các dữ liệu cho thấy tỷ lệ chiết khấu và diễn biến lãi ngắn hạn đóng một vai trò lớn trong việc giải thích sự thay đổi tỷ suất cổ tức. Ang và Bekaert (2007) cũng cho thấy rằng tỷ suất cổ tức hoàn toàn có thể dự đoán dòng tiền tương lai. Tương tự, trong Campbell và Yogo (2006), các tác giả đã chỉ ra rằng có bằng chứng thực sự cho khả năng dự báo lợi nhuận cổ phiếu, nhưng nó là khó khăn hơn để phát hiện so với nghiên cứu trước đó đã gợi ý. Các yếu tố phổ biến nhất và hợp lý về mặt kinh tế cho các biến dự đoán (như tỷ lệ cổ tức-giá, tỷ lệ thu nhập-giá, hoặc các cách đo lường của lãi suất) được đánh giá ổn định cao.

Trong khi các biến dự đoán là vững, sự phân phối thống kê t có thể không chuẩn, điều này có thể dẫn đến bác bỏ quá nhiều giả thuyết không khi sử dụng giá trị giới hạn chuẩn. Vì thế, Campbell và Yogo (2006) đã phát triển một pretest để xác định khi nào t-test thông thường dẫn đến kết luận sai. Sử dụng pretest, các tác LUAN VAN CHAT LUONG download : add [e-mail] 9 giả này cho thấy rằng t-test dẫn đến kết luận hợp lý cho lãi suất ngắn hạn và chênh lệch trong lãi suất dài hạn và ngắn hạn. Tính vững không phải là một vấn đề cho các biến lãi suất vì sự đổi mới của chúng có sự tương quan thấp với những đổi mới về lợi nhuận chứng khoán.

Sử dụng t-test với giá trị giới hạn chuẩn, Campbell và Yogo, (2006) cho thấy rằng các biến lãi suất dự đoán lợi nhuận trong các mẫu sau năm 1952. Đối với tỷ lệ giá-cổ tức và tỷ lệ giá-thu nhập được điều chỉnh, tính vững là một vấn đề khi mà sự đổi mới của chúng liên quan chặt chẽ với những đổi mới về lợi nhuận chứng khoán. Sử dụng pretest, các tác giả cho thấy rằng t-test chuẩn có thể dẫn đến những kết luận sai cho những tỷ lệ định giá này. Chính vì vậy, Campbell và Yogo (2006) đã phát triển một kiểm định hiệu quả cho việc dự đoán dẫn đến suy luận hợp lệ bất kể mức độ tính vững của các biến dự đoán.

Thông qua tất cả các mẫu, kiểm định của các tác giả cho thấy rằng tỷ lệ thu nhập-giá dự đoán đáng tin cậy lợi nhuận ở các tần số khác nhau (hàng năm, hàng tháng), trong khi tỷ lệ cổ tức-giá dự đoán lợi nhuận chỉ ở tần số hàng năm. Trong các mẫu sau năm 1952, các bằng chứng về khả năng dự báo là yếu, nhưng tỷ lệ cổ tức-giá có khả năng dự đoán lợi nhuận nếu chúng được loại trừ nguồn gốc tự hồi quy. Ngoài ra còn 1 số nghiên cứu thực nghiệm khác đã thách thức tới tính đúng đắn của thị trường hiệu quả như Burton (2003) và Cochrane (2008). Các nhà nghiên cứu gần đây đã ngày càng tập trung vào tác động của cảm xúc đầu tư.

Đặc biệt hơn các nghiên cứu thực nghiệm gần đây trong ngành tài chính đã phát hiện ra hai qui luật phổ biến có mối quan hệ với nhau: Phản ứng dưới mức đối với giá cổ phiếu với các tin tức như thông báo thu nhập, và phản ứng thái quá đối với giá cổ phiếu với một loạt tin tốt hay xấu. Barberis và cộng sự (1998) đã trình bày một mô hình chặt chẽ về tâm lý của nhà đầu tư, hay làm thế nào mà nhà đầu tư hình thành kỳ vọng thu nhập trong tương lai. Các tác giả đề xuất được thúc đẩy bởi một loạt các bằng chứng về tâm lý trong việc đưa ra dự báo, mọi người chú quá nhiều đến mức độ của các bằng chứng họ có và quá ít quan tâm đến trọng lượng con số thống kê của nó.