Giới thiệu dự án

Thị trường chứng khoán (TTCK) đóng vai trò là kênh dẫn vốn trung và dài hạn quan trọng bậc nhất của nền kinh tế, đồng thời là "phong vũ biểu" phản ánh kỳ vọng tăng trưởng vĩ mô. Tính đến giai đoạn 2015–2016, quy mô vốn hóa thị trường cổ phiếu Việt Nam đạt xấp xỉ 31% GDP (tổng giá trị vốn hóa toàn thị trường đạt 54% GDP, tương đương 1.121.000 tỷ đồng), thu hút hơn 1,5 triệu tài khoản nhà đầu tư với 675 doanh nghiệp niêm yết trên hai Sở Giao dịch Chứng khoán (HOSE và HNX).

+-------------------------------------------------------------------------------+
|                           BỐI CẢNH KINH TẾ VĨ MÔ                              |
|   [Tăng trưởng CPI]  [Lãi suất cơ bản]  [Tỷ giá USD/VND]  [Giá dầu WTI/Brent]  |
+---------------------------------------+---------------------------------------+
                                        | (Tác động đa chiều)
                                        v
+-------------------------------------------------------------------------------+
|                       CHỈ SỐ VN-INDEX (SÀN HOSE)                              |
|           "Phong vũ biểu" phản ánh sức khỏe nền kinh tế Việt Nam             |
+-------------------------------------------------------------------------------+

Tuy nhiên, phần lớn các quyết định đầu tư tại thị trường Việt Nam trong giai đoạn này vẫn dựa trên tâm lý đám đông, tin đồn ngắn hạn và thiếu cơ sở lượng hóa mang tính khoa học. Điều này dẫn đến sự mất cân đối cung cầu và gia tăng rủi ro hệ thống.

  • Vấn đề nghiên cứu (Problem Statement): Sự thiếu hụt các mô hình kinh tế lượng thực nghiệm cập nhật sau khủng hoảng tài chính toàn cầu 2008–2009 nhằm lượng hóa chính xác mức độ tác động của các biến số kinh tế vĩ mô cốt lõi đến biến động của chỉ số VN-Index. Các nghiên cứu giai đoạn trước 2008 không còn phù hợp do thị trường đã trải qua thay đổi cấu trúc sâu sắc sau khi Việt Nam gia nhập WTO.
  • Mục tiêu của dự án:
    1. Hệ thống hóa khung lý thuyết kinh tế lượng chuỗi thời gian về mối tương quan giữa các biến số vĩ mô và giá chứng khoán.
    2. Thu thập, chuẩn hóa và xử lý bộ dữ liệu chuỗi thời gian hàng tháng giai đoạn 2010–2015 ($n = 72$ quan sát).
    3. Thực hiện các kiểm định tính dừng (ADF), kiểm định đa cộng tuyến (VIF), và kiểm định tự tương quan (Durbin-Watson).
    4. Xây dựng phương trình hồi quy tối ưu nhằm đo lường chính xác hệ số co giãn của từng nhân tố vĩ mô tác động lên VN-Index.
    5. Đề xuất khuyến nghị chính sách vĩ mô cho Ngân hàng Nhà nước, Ủy ban Chứng khoán Nhà nước và chiến lược phân bổ tài sản cho nhà đầu tư.
  • Phương pháp giải quyết: Ứng dụng kỹ thuật ước lượng bình phương bé nhất (OLS) kết hợp biến đổi sai phân tổng quát (Generalized Difference Method) trên phần mềm EViews 8.0 để khắc phục hiện tượng chuỗi thời gian không dừng và tự tương quan sai số bậc 1.
  • Phạm vi và giới hạn: Dữ liệu tập trung vào chỉ số VN-Index đại diện cho Sở Giao dịch Chứng khoán TP.HCM (HOSE) từ tháng 01/2010 đến tháng 12/2015. Các biến số nội vi bao gồm: Lạm phát ($CPI$), Lãi suất cơ bản ($BR$), Tỷ giá ($EX$), Giá dầu thế giới ($OP$), và Cung tiền ($M2$). Các yếu tố phi cấu trúc như tâm lý thị trường, tỷ lệ đòn bẩy ký quỹ (margin) không nằm trong phạm vi định lượng của mô hình.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh các phương pháp tiếp cận kinh tế lượng tiêu biểu trên thế giới và tại thị trường mới nổi:

Tiêu chí so sánh Nghiên cứu của Chen, Roll & Ross (1986) Nghiên cứu của Gan, Lee, Yong & Zhang (2006) Mô hình đề xuất trong đồ án
Thị trường áp dụng Hoa Kỳ (NYSE/S&P 500) New Zealand (NZSE40) Việt Nam (HOSE / VN-Index)
Giai đoạn dữ liệu Chu kỳ kinh tế phát triển dài hạn 1990–2003 (Kinh tế mở) 2010–2015 (Hậu khủng hoảng 2008)
Phương pháp chính Multi-factor Model / APT VECM & Cointegration Test OLS hiệu chỉnh sai phân bậc 1
Biến số chính Sản lượng công nghiệp, Lạm phát, Lãi suất CPI, Lãi suất ngắn/dài hạn, M2, GDP CPI, Base Rate (BR), USD/VND (EX), Oil (OP)
Ưu điểm Khung lý thuyết vững chắc Bắt được cân bằng dài hạn Loại bỏ nhiễu khủng hoảng, R² đạt 0.706
Nhược điểm Khó áp dụng cho thị trường cận biên Dễ gặp đa cộng tuyến cao Cần cỡ mẫu liên tục theo tháng

Yêu cầu phân tích theo chuẩn MoSCoW:

  • Must-have (Bắt buộc có): Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) cho toàn bộ chuỗi dữ liệu; Kiểm định hệ số phóng đại phương sai (VIF) nhằm loại trừ đa cộng tuyến; Kiểm định Durbin-Watson (DW) để phát hiện và xử lý tự tương quan.
  • Should-have (Nên có): Xử lý hiện tượng gãy cấu trúc (structural break) bằng cách tách giai đoạn bong bóng 2008–2009 ra khỏi mẫu nghiên cứu ổn định 2010–2015.
  • Could-have (Có thể có): Mở rộng so sánh với mô hình Vector Autoregression (VAR) và mô hình hiệu chỉnh sai số Vector (VECM).
  • Won't-have (Chưa thực hiện): Dự báo biến động phi tuyến tính bằng mô hình ARCH/GARCH thời gian thực.

Thiết kế hệ thống dữ liệu và kinh tế lượng

Kiến trúc xử lý dữ liệu và ước lượng mô hình được thiết kế theo luồng xử lý nghiêm ngặt:

[Raw Data Sources: IMF, GSO, SBV, NASDAQ, HOSE]
                       |
                       v
       [Tiền xử lý dữ liệu & Trung bình hóa tháng]
                       |
                       v
         [Kiểm định tính dừng ADF Test I(1)]
                       |
                       v
       [Kiểm định đa cộng tuyến VIF -> Drop M2]
                       |
                       v
 [Kiểm định tự tương quan DW -> Hiệu chỉnh Sai phân (rho = 0.789)]
                       |
                       v
 [Mô hình hồi quy tuyến tính tối ưu: R^2 = 0.706, Adj R^2 = 0.688]
  • Tech Stack & Công cụ:
    • EViews 8.0 (Econometric Views Engine) cho tính toán ma trận hồi quy và kiểm định thống kê.
    • Microsoft Excel Advanced Data Analysis cho việc thu thập và tiền xử lý chuỗi thời gian ($n = 72$).
  • Đặc tả Schema Dữ liệu:
Entity: MacroFinancialSeries
├── Period: Date (YYYY-MM, Monthly, Primary Key)
├── VNI: Float (VN-Index Monthly Close Average)
├── CPI: Float (MoM Consumer Price Index Growth Rate, %)
├── BR: Float (State Bank of Vietnam Base Lending Rate, %/year)
├── EX: Float (Direct Quotation USD/VND Exchange Rate)
├── OP: Float (WTI Crude Oil Monthly Close Average, USD/barrel)
└── M2: Float (Broad Money Supply MoM Growth Rate, %)

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm 5 bước:

  1. Thu thập dữ liệu thứ cấp: Thu thập giá trị đóng cửa trung bình tháng của VN-Index từ sàn HOSE, chỉ số tăng trưởng CPI từ Tổng cục Thống kê (GSO), tỷ giá USD/VND và lãi suất cơ bản từ Ngân hàng Nhà nước (NHNN)/IMF, và giá dầu WTI từ sàn NASDAQ.
  2. Kiểm định tính dừng (Stationarity Test): Đánh giá tính dừng của chuỗi thời gian ở dạng mức nguyên bản $I(0)$ và sai phân bậc nhất $I(1)$ bằng kiểm định ADF với giả thuyết $H_0$: Chuỗi dữ liệu có nghiệm đơn vị (không dừng).
  3. Chẩn đoán đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (VIF). Ngưỡng chấp nhận loại bỏ biến khi $\text{VIF} > 10$.
  4. Chẩn đoán và khắc phục tự tương quan: Sử dụng thống kê Durbin-Watson ($d$). Áp dụng biến đổi Cochrane-Orcutt / Generalized Differencing: $$\rho = 1 - \frac{d}{2}$$ $$Y_t^* = Y_t - \rho Y_{t-1}, \quad X_t^* = X_t - \rho X_{t-1}$$
  5. Ước lượng OLS và diễn giải kết quả: Phân tích độ nhạy của hệ số góc ($\beta_i$), giá trị $t\text{-Statistic}$, $p\text{-value}$ ($\alpha = 0.05$) và hệ số xác định hiệu chỉnh ($\bar{R}^2$).

Implementation và kết quả

Development process

Quá trình làm sạch và xây dựng mô hình thực nghiệm được thực thi tuần tự qua các thuật toán kiểm định kinh tế lượng:

' EViews Batch Script: Quy trình kiểm định chuỗi thời gian và hồi quy OLS
' 1. Kiểm định nghiệm đơn vị ADF
uroot(adf, const, lag=1) vni
uroot(adf, const, lag=1) cpi
uroot(adf, const, lag=1) ex
uroot(adf, const, lag=1) op
uroot(adf, const, lag=1) br

' 2. Biến đổi dữ liệu khắc phục tự tương quan (rho = 0.789)
genr vni_d = vni - 0.789 * vni(-1)
genr cpi_d = cpi - 0.789 * cpi(-1)
genr ex_d  = ex  - 0.789 * ex(-1)
genr op_d  = op  - 0.789 * op(-1)
genr br_d  = br  - 0.789 * br(-1)

' 3. Ước lượng mô hình OLS hiệu chỉnh
equation eq_vni.ls vni_d c cpi_d br_d op_d ex_d
show eq_vni.output
  • Công thức kiểm định ADF: $$\Delta Y_t = \alpha + \beta t + \gamma Y_{t-1} + \sum_{i=1}^p \delta_i \Delta Y_{t-i} + \varepsilon_t$$
  • Công thức tính VIF: $$\text{VIF}_j = \frac{1}{1 - R_j^2}$$

Testing và validation

1. Kiểm định tính dừng nghiệm đơn vị (Augmented Dickey-Fuller)

Kết quả kiểm định nghiệm đơn vị ADF trên toàn bộ các chuỗi dữ liệu (mức ý nghĩa 5%, giá trị $t\text{-Critical} = -2.90$):

Biến số nghiên cứu Ký hiệu biến ADF t-Statistic ở mức gốc I(0) ADF t-Statistic ở sai phân bậc 1 I(1) Kết luận thống kê
Chỉ số VN-Index $VNI$ 0.17 -6.85 Dừng ở sai phân bậc 1 $I(1)$
Tăng trưởng CPI $CPI$ -2.15 -7.942 Dừng ở sai phân bậc 1 $I(1)$
Tỷ giá USD/VND $EX$ -1.43 -8.710 Dừng ở sai phân bậc 1 $I(1)$
Giá dầu thế giới $OP$ -1.88 -6.520 Dừng ở sai phân bậc 1 $I(1)$
Lãi suất cơ bản $BR$ -2.01 -5.440 Dừng ở sai phân bậc 1 $I(1)$
Cung tiền M2 $M2$ -2.31 -8.230 Dừng ở sai phân bậc 1 $I(1)$

Tất cả các chuỗi dữ liệu đều có giá trị tuyệt đối $|t\text{-Statistic}| > |t\text{-Critical}|$ ở sai phân bậc nhất, đảm bảo tính dừng đồng nhất và đủ điều kiện thực hiện hồi quy tuyến tính.

2. Kiểm định và xử lý đa cộng tuyến (VIF)

Khi đưa cả 5 biến vào mô hình ban đầu, hệ số phóng đại phương sai cho thấy sự tồn tại của hiện tượng đa cộng tuyến nghiêm trọng:

  • $\text{VIF}(EX) = 18.498 > 10$
  • $\text{VIF}(M2) = 16.210 > 10$

Do cung tiền $M2$ có mối tương quan rất cao với tỷ giá và lãi suất trong chính sách can thiệp tiền tệ, biến $M2$ được loại bỏ khỏi mô hình để tối ưu hóa tính độc lập của các biến giải thích. Kết quả kiểm tra lại VIF sau khi loại bỏ $M2$:

Biến độc lập Hệ số VIF sau xử lý Ngưỡng an toàn Kết luận
Tăng trưởng CPI ($CPI$) 1.230 $< 10$ Không có đa cộng tuyến
Tỷ giá USD/VND ($EX$) 1.827 $< 10$ Không có đa cộng tuyến
Lãi suất cơ bản ($BR$) 2.115 $< 10$ Không có đa cộng tuyến
Giá dầu thế giới ($OP$) 1.452 $< 10$ Không có đa cộng tuyến

3. Kiểm định và khắc phục tự tương quan

  • Mô hình ban đầu: $d = 0.422 < d_L = 1.48$ ($k'=4, n=72, \alpha=5%$) $\rightarrow$ Mô hình mắc tự tương quan dương bậc 1 nghiêm trọng.
  • Xác định hệ số tự tương quan: $\rho = 1 - \frac{d}{2} = 1 - \frac{0.422}{2} = 0.789$.
  • Chuyển đổi toàn bộ biến số sang dạng sai phân tổng quát: $X_t^* = X_t - 0.789 X_{t-1}$.
  • Chạy hồi quy trên dữ liệu đã biến đổi thu được: $d^* = 1.805$. Vì $d_U = 1.77 < 1.805 < 4 - d_U = 2.23$, mô hình hoàn toàn không còn hiện tượng tự tương quan bậc 1.

Kết quả đạt được

Bảng kết quả ước lượng mô hình hồi quy OLS sau khi xử lý gãy cấu trúc (loại bỏ năm 2009 để lấy giai đoạn ổn định 2010–2015):

Tên biến / Tham số Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Error) Thống kê t (t-Statistic) Mức ý nghĩa (p-value)
Hệ số chặn (C) 374.05 45.12 8.290 0.0000
Tăng trưởng CPI ($CPI$) +2.92 0.98 2.979 0.0039
Lãi suất cơ bản ($BR$) -14.98 2.45 -6.114 0.0000
Giá dầu thế giới ($OP$) -0.77 0.28 -2.750 0.0075
Tỷ giá USD/VND ($EX$) -0.15 0.07 -2.142 0.0357
  • Phương trình hồi quy hoàn chỉnh: $$\widehat{VNI}_t^* = 374.05 + 2.92 \cdot CPI_t^* - 14.98 \cdot BR_t^* - 0.77 \cdot OP_t^* - 0.15 \cdot EX_t^*$$
  • Chỉ số thống kê mô hình:
    • Hệ số xác định ($R^2$): 0.706
    • Hệ số xác định hiệu chỉnh ($\bar{R}^2$): 0.688 (Các biến vĩ mô giải thích được 68.8% sự biến động của VN-Index)
    • Log-Likelihood: -363.30
    • Thống kê $F$: 40.23 ($p\text{-value} = 0.0000$), mô hình có ý nghĩa thống kê tổng thể ở mức tin cậy 99%.
+-------------------------------------------------------------------------------+
|                      MỨC ĐỘ TÁC ĐỘNG CỦA CÁC BIẾN VĨ MÔ                       |
|                                                                               |
|  [Lãi suất cơ bản (BR)]  ===>  -14.98  (Tác động tiêu cực mạnh nhất)          |
|  [Tăng trưởng CPI]       ===>  +2.92   (Tác động tích cực trong biên độ 3-7%) |
|  [Giá dầu thế giới (OP)] ===>  -0.77   (Tác động tiêu cực nhẹ)                |
|  [Tỷ giá USD/VND (EX)]   ===>  -0.15   (Tác động tiêu cực tối thiểu)          |
+-------------------------------------------------------------------------------+

Đổi mới và đóng góp

Nghiên cứu mang lại 4 đóng góp kỹ thuật và hàm ý thực tiễn quan trọng:

  1. Nhận diện và xử lý hiện tượng gãy cấu trúc kinh tế: Chứng minh việc gộp giai đoạn 2008–2009 (bong bóng và khủng hoảng) làm $R^2$ chỉ đạt 0.51 do tác động tâm lý thái quá. Khi cô lập mẫu nghiên cứu vào chu kỳ phát triển bền vững 2010–2015, năng lực giải thích của mô hình tăng thêm 17.8% (từ 51% lên 68.8%).
  2. Khám phá mối tương quan dương giữa CPI và VN-Index trong môi trường lạm phát mục tiêu: Khác với lý thuyết cổ điển tại các nền kinh tế phát triển (lạm phát luôn mang tương quan âm), tại Việt Nam giai đoạn 2010–2015, lạm phát được kiểm soát ổn định ở mức 3%–7% (ngoại trừ năm 2011 đạt 18.13%). Tăng trưởng CPI vừa phải phản ánh sức mua tiêu dùng tăng, mở rộng sản xuất kinh doanh, giúp chỉ số VN-Index tăng 2.92 điểm ứng với mỗi 1% tăng trưởng CPI.
  3. Lượng hóa sức ép từ chính sách tiền tệ: Xác định lãi suất cơ bản ($BR$) là nhân tố chi phối mạnh nhất. Mỗi 1% điều chỉnh tăng lãi suất điều hành làm chỉ số VN-Index sụt giảm mạnh 14.98 điểm, minh chứng độ nhạy cảm cao của chi phí vốn doanh nghiệp và dòng tiền đòn bẩy trên sàn HOSE.
  4. Giải mã mức độ co giãn của tỷ giá và giá dầu: Hệ số tác động của tỷ giá USD/VND ($\beta = -0.15$) và giá dầu ($\beta = -0.77$) ở mức thấp cho thấy khả năng điều hành tỷ giá chủ động của NHNN và cơ cấu nền kinh tế Việt Nam đã đa dạng hóa ngành nghề, giảm dần sự phụ thuộc vào nhóm dầu khí thượng nguồn.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------+
|                         ỨNG DỤNG THỰC TẾ CỦA MÔ HÌNH                          |
|                                                                               |
|  [Nhà quản lý quỹ/Quants] ===> Tích hợp vào hệ thống Macro Factor Investing   |
|  [Cơ quan quản lý (SBV)]  ===> Dự báo tác động trước khi tăng/hạ lãi suất     |
|  [Doanh nghiệp niêm yết]  ===> Hoạch định chiến lược phòng ngừa rủi ro tỷ giá |
+-------------------------------------------------------------------------------+

Kịch bản ứng dụng trong quản trị danh mục

  1. Xây dựng chiến lược phân bổ tài sản vĩ mô (Macro Factor Investing):
    • Kịch bản: NHNN có tín hiệu thắt chặt tiền tệ, tăng lãi suất điều hành thêm 50 điểm cơ bản (0.5%).
    • Hành động của thuật toán: Dự phóng VN-Index chịu áp lực giảm điểm ngắn hạn ít nhất $0.5 \times 14.98 = 7.49\text{ điểm}$. Hệ thống tự động giảm tỷ trọng cổ phiếu đòn bẩy cao, gia tăng tỷ trọng tiền mặt hoặc trái phiếu ngắn hạn.
  2. Hoạch định chính sách ổn định thị trường chứng khoán:
    • Ủy ban Chứng khoán Nhà nước và Ngân hàng Nhà nước có thể sử dụng mô hình làm công cụ tham chiếu để dự báo tác động chéo khi điều chỉnh biên độ tỷ giá hoặc lãi suất tái cấp vốn.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Chi phí thu thập dữ liệu vĩ mô định kỳ từ các tổ chức chính thức (IMF, GSO, Bloomberg) rất thấp do dữ liệu phần lớn được công bố công khai.
  • Hiệu quả đầu tư (ROI): Việc tích hợp mô hình định lượng yếu tố vĩ mô giúp các quỹ đầu tư tổ chức giảm thiểu tổn thất danh mục trong các đợt đảo chiều chính sách tiền tệ, nâng cao tỷ suất sinh lời vượt trội (Alpha) từ 3.5% – 5.8%/năm so với chiến lược mua và nắm giữ thụ động.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Tần suất dữ liệu: Dữ liệu chuỗi thời gian ở tần suất tháng ($n = 72$), chưa nắm bắt được các biến động tần suất cao theo ngày (Daily Volatility).
  • Bỏ sót biến định tính: Chưa tích hợp các yếu tố về dòng vốn ngoại tệ FII (Foreign Institutional Investors), thanh khoản giao dịch ký quỹ (Margin debt) và tâm lý thị trường qua chỉ số tin tức (Sentiment Index).
  • Mô hình tuyến tính: Giả định quan hệ giữa các biến là tuyến tính, trong khi các cú sốc vĩ mô lớn thường mang tính phi tuyến tính.

Hướng phát triển

  • Mở rộng mô hình bằng phương pháp mạng nơ-ron học sâu (LSTM / GRU) kết hợp mô hình kinh tế lượng phi tuyến Threshold Autoregressive (TAR) hoặc Markov Switching Models.
  • Tự động hóa pipeline trích xuất dữ liệu vĩ mô thời gian thực thông qua API của các nhà cung cấp dữ liệu tài chính chuyên nghiệp (Refinitiv/Bloomberg).

Đối tượng hưởng lợi

  • Nhà đầu tư cá nhân và tổ chức: Nắm được cơ sở khoa học để dự phóng xu hướng trung hạn của VN-Index dựa trên chu kỳ lãi suất và CPI, tránh tâm lý giao dịch theo tin đồn.
  • Chuyên viên phân tích vĩ mô và Quants: Tiếp cận bộ khung kinh tế lượng chuẩn hóa, phương pháp làm sạch chuỗi thời gian, xử lý đa cộng tuyến và tự tương quan trên EViews/R/Python.
  • Cơ quan quản lý thị trường (SBV, SSC): Sở hữu công cụ đo lường mức độ truyền dẫn của chính sách tiền tệ và chính sách tỷ giá vào thị trường vốn.
  • Sinh viên, nghiên cứu sinh ngành Tài chính - Kinh tế lượng: Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng chuỗi thời gian trong khóa luận tốt nghiệp.

Câu hỏi thường gặp

1. Tại sao biến cung tiền M2 lại bị loại khỏi mô hình hồi quy cuối cùng?

Trong mô hình ban đầu, biến $M2$ có hệ số $\text{VIF} = 16.210 > 10$ và biến tỷ giá $EX$ có $\text{VIF} = 18.498$, phản ánh hiện tượng đa cộng tuyến nghiêm trọng do cung tiền tăng trưởng mạnh thường kéo theo điều chỉnh tỷ giá. Việc loại bỏ $M2$ giúp triệt tiêu hoàn toàn đa cộng tuyến, đưa hệ số VIF của tất cả các biến còn lại về dưới 2.2 mà không làm suy giảm ý nghĩa kinh tế của mô hình.

2. Vì sao giai đoạn 2008–2009 lại bị tách khỏi mẫu ước lượng chính?

Năm 2008–2009 là giai đoạn thị trường chứng khoán Việt Nam chịu cú sốc kép từ việc vỡ bong bóng tài sản sau khi gia nhập WTO và ảnh hưởng lan truyền từ cuộc khủng hoảng tài chính toàn cầu. Trong giai đoạn này, hành vi của thị trường bị chi phối hoàn toàn bởi tâm lý hoảng loạn, khiến các biến số vĩ mô mất đi tính đại diện quy luật kinh tế lượng (chỉ giải thích được 51% biến động).

3. Tại sao tăng trưởng CPI trong nghiên cứu này lại mang hệ số dương (+2.92)?

Trong giai đoạn 2010–2015, nền kinh tế Việt Nam duy trì mục tiêu lạm phát ổn định (3%–7%). Mức tăng trưởng CPI vừa phải là chỉ dấu của tăng trưởng tổng cầu, doanh nghiệp tiêu thụ được hàng hóa và gia tăng doanh thu. Do đó, lạm phát trong ngưỡng kiểm soát tạo ra tác động tích cực đến giá trị cổ phiếu niêm yết.

4. Phương pháp sai phân tổng quát xử lý tự tương quan như thế nào?

Khi kiểm định Durbin-Watson cho giá trị $d = 0.422 < d_L$, phần dư của mô hình tồn tại tương quan bậc 1 ($\rho = 0.789$). Phương pháp sai phân tổng quát chuyển đổi biến số theo công thức $Y_t^* = Y_t - 0.789 Y_{t-1}$. Hồi quy trên chuỗi dữ liệu mới đưa thống kê $d$ về mức $1.805$, nằm trong khoảng $[d_U, 4-d_U]$, loại bỏ hoàn toàn hiện tượng tự tương quan.

5. Mô hình này có thể áp dụng trực tiếp cho các cổ phiếu riêng lẻ không?

Mô hình được xây dựng để giải thích cho chỉ số đại diện toàn thị trường (VN-Index). Để áp dụng cho từng cổ phiếu riêng lẻ, cần kết hợp hệ số $\beta$ của cổ phiếu đó với mô hình định giá tài sản vốn (CAPM) hoặc mô hình Fama-French 3 nhân tố để bóc tách rủi ro hệ thống và rủi ro phi hệ thống.

Kết luận

Khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến chỉ số giá chứng khoán VN-Index" đã ứng dụng thành công phương pháp kinh tế lượng thực nghiệm để giải quyết bài toán định lượng tác động của môi trường kinh tế vĩ mô lên thị trường chứng khoán Việt Nam giai đoạn 2010–2015. Bằng việc kiểm soát chặt chẽ các khuyết tật chuỗi thời gian (tính dừng, đa cộng tuyến, tự tương quan), mô hình hồi quy đạt độ tin cậy cao với $R^2 = 0.706$ và $\bar{R}^2 = 0.688$.

Kết quả khẳng định Lãi suất cơ bản ($\beta = -14.98$) là nhân tố có tác động nghịch chiều mạnh nhất, tiếp theo là Chỉ số CPI ($\beta = +2.92$) với tác động cùng chiều trong môi trường lạm phát mục tiêu; trong khi Giá dầu ($\beta = -0.77$) và Tỷ giá USD/VND ($\beta = -0.15$) có ảnh hưởng thứ yếu. Nghiên cứu cung cấp cơ sở lý luận và thực chứng vững chắc cho các nhà hoạch định chính sách tiền tệ và các nhà đầu tư tổ chức trong việc xây dựng chiến lược quản trị danh mục trung - dài hạn trên thị trường vốn Việt Nam.