Biến Động Lợi Nhuận Cổ Phiếu Trên Thị Trường Chứng Khoán Việt Nam

Nghiên cứu luận văn thạc sĩ về độ biến động trong chuỗi lợi nhuận cổ phiếu trên thị trường chứng khoán Việt Nam. Phân tích và kết quả chi tiết.

• Tác giả: Nguyễn Thị Kim Ngân
• Người hướng dẫn: Dr. Võ Xuân Vinh
• Trường học: University of Economics Hochiminh City
• Chuyên ngành: Banking and Finance
• Đề tài: Phân Tích Biến Động Lợi Nhuận Cổ Phiếu Trên Thị Trường Chứng Khoán Việt Nam
• Loại tài liệu: master thesis
• Năm xuất bản: 2011
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENT
• ABSTRACT
• TABLE OF CONTENTS
• LIST OF FIGURES
• LIST OF TABLES
• ABBREVIATIONS
• 1. 1: INTRODUCTION
• 2. 2: LITERATURE REVIEW
• 2.1. Common characteristics of return series in the stock market
• 2.2. Volatility models suitable to the stock return characteristics
• 2.3. Identification of breakpoints in volatilities and influence of the regime changes
• 3. 3: [Tiêu đề chương 3 chưa có trong đoạn trích]
• 4. 4: [Tiêu đề chương 4 chưa có trong đoạn trích]
• 5. 5: DATA AND EMPIRICAL RESULTS
• 5.1. Suitable models for stock return series of Vietnam
• 5.2. Choosing suitable ARMA model
• 5.3. Test for ARCH effect
• 5.4. Identification of break points and detection of related events
• 5.4.1. Breakpoints in raw returns
• 5.4.2. Breakpoints in filtered returns
• 5.4.3. Analysis of each volatility period
• 5.4.4. General comments on events and volatility corresponding to sudden changes detected by ICSS algorithm
• 5.5. Combined model after including dummies
• 5.6. Implications of the research
• 5.7. Limitations of the study
• ICSS code on WINRAT

Tóm tắt

I. Tổng Quan Về Phân Tích Biến Động Lợi Nhuận Cổ Phiếu Tại Việt Nam

Phân tích biến động lợi nhuận cổ phiếu là một lĩnh vực quan trọng trong tài chính, đặc biệt là trên thị trường chứng khoán Việt Nam. Nghiên cứu này nhằm mục đích hiểu rõ hơn về các yếu tố ảnh hưởng đến biến động lợi nhuận cổ phiếu, từ đó giúp các nhà đầu tư đưa ra quyết định chính xác hơn. Thị trường chứng khoán Việt Nam đã trải qua nhiều giai đoạn phát triển, và việc phân tích biến động lợi nhuận cổ phiếu sẽ cung cấp cái nhìn sâu sắc về tình hình kinh tế hiện tại.

1.1. Đặc Điểm Của Thị Trường Chứng Khoán Việt Nam

Thị trường chứng khoán Việt Nam đã phát triển mạnh mẽ từ khi thành lập vào năm 2000. Sự tăng trưởng này không chỉ thể hiện qua số lượng cổ phiếu mà còn qua khối lượng giao dịch và vốn hóa thị trường. Các yếu tố như chính sách kinh tế và sự tham gia của nhà đầu tư nước ngoài cũng đóng vai trò quan trọng trong sự phát triển này.

1.2. Tầm Quan Trọng Của Biến Động Lợi Nhuận

Biến động lợi nhuận cổ phiếu không chỉ ảnh hưởng đến quyết định đầu tư mà còn tác động đến toàn bộ nền kinh tế. Sự hiểu biết về biến động này giúp các nhà đầu tư đánh giá rủi ro và cơ hội, từ đó tối ưu hóa danh mục đầu tư của mình.

II. Vấn Đề Và Thách Thức Trong Phân Tích Biến Động Lợi Nhuận

Mặc dù có nhiều nghiên cứu về biến động lợi nhuận cổ phiếu, nhưng vẫn còn nhiều thách thức trong việc phân tích chính xác. Các yếu tố như sự không ổn định của thị trường, các sự kiện kinh tế toàn cầu và các chính sách tài chính có thể gây ra những biến động bất ngờ. Điều này làm cho việc dự đoán biến động trở nên khó khăn hơn.

2.1. Sự Ảnh Hưởng Của Các Sự Kiện Kinh Tế

Các sự kiện kinh tế như khủng hoảng tài chính toàn cầu có thể gây ra biến động lớn trong lợi nhuận cổ phiếu. Nghiên cứu cho thấy rằng các sự kiện này thường dẫn đến sự thay đổi đột ngột trong tâm lý nhà đầu tư, từ đó ảnh hưởng đến giá cổ phiếu.

2.2. Khó Khăn Trong Việc Dự Đoán Biến Động

Việc dự đoán biến động lợi nhuận cổ phiếu gặp khó khăn do tính không chắc chắn của thị trường. Các mô hình truyền thống như GARCH có thể không đủ để nắm bắt tất cả các yếu tố ảnh hưởng đến biến động, đặc biệt là trong bối cảnh thị trường đang thay đổi nhanh chóng.

III. Phương Pháp Phân Tích Biến Động Lợi Nhuận Cổ Phiếu

Để phân tích biến động lợi nhuận cổ phiếu, nhiều phương pháp đã được áp dụng. Các mô hình GARCH và GARCH-M là những công cụ phổ biến để đo lường biến động. Những mô hình này giúp xác định các yếu tố ảnh hưởng đến biến động và cung cấp cái nhìn sâu sắc về rủi ro trong đầu tư.

3.1. Mô Hình GARCH Trong Phân Tích

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) được sử dụng rộng rãi để phân tích biến động lợi nhuận cổ phiếu. Mô hình này cho phép nắm bắt tính không ổn định của biến động theo thời gian, từ đó giúp dự đoán chính xác hơn.

3.2. Ứng Dụng Mô Hình GARCH M

Mô hình GARCH-M (GARCH in Mean) không chỉ đo lường biến động mà còn xem xét mối quan hệ giữa rủi ro và lợi nhuận. Điều này giúp các nhà đầu tư hiểu rõ hơn về cách thức mà rủi ro ảnh hưởng đến quyết định đầu tư của họ.

IV. Kết Quả Nghiên Cứu Về Biến Động Lợi Nhuận Cổ Phiếu

Nghiên cứu đã chỉ ra rằng biến động lợi nhuận cổ phiếu tại Việt Nam có những đặc điểm riêng biệt. Các mô hình GARCH đã được áp dụng thành công để phân tích và dự đoán biến động. Kết quả cho thấy rằng có sự tồn tại của các điểm đột biến trong chuỗi lợi nhuận, điều này cho thấy sự ảnh hưởng của các sự kiện kinh tế lớn.

4.1. Phân Tích Điểm Đột Biến Trong Lợi Nhuận

Sử dụng phương pháp ICSS, nghiên cứu đã phát hiện ra nhiều điểm đột biến trong chuỗi lợi nhuận cổ phiếu. Những điểm này thường tương ứng với các sự kiện kinh tế quan trọng, cho thấy sự nhạy cảm của thị trường với các thay đổi trong môi trường kinh tế.

4.2. Ảnh Hưởng Của Khủng Hoảng Kinh Tế

Khủng hoảng kinh tế toàn cầu đã có tác động lớn đến biến động lợi nhuận cổ phiếu tại Việt Nam. Nghiên cứu cho thấy rằng trong thời gian này, sự biến động tăng cao, phản ánh tâm lý lo ngại của nhà đầu tư.

V. Kết Luận Và Tương Lai Của Phân Tích Biến Động Lợi Nhuận

Phân tích biến động lợi nhuận cổ phiếu là một lĩnh vực quan trọng và cần thiết trong bối cảnh thị trường chứng khoán Việt Nam đang phát triển. Kết quả nghiên cứu cho thấy rằng việc áp dụng các mô hình hiện đại như GARCH có thể giúp cải thiện độ chính xác trong dự đoán biến động. Tương lai của nghiên cứu này sẽ tiếp tục mở rộng để bao quát nhiều yếu tố hơn.

5.1. Hướng Nghiên Cứu Tương Lai

Các nghiên cứu trong tương lai có thể tập trung vào việc áp dụng các mô hình phức tạp hơn để nắm bắt tốt hơn các yếu tố ảnh hưởng đến biến động lợi nhuận cổ phiếu. Điều này sẽ giúp cải thiện khả năng dự đoán và đưa ra quyết định đầu tư.

5.2. Tác Động Của Chính Sách Tài Chính

Chính sách tài chính của nhà nước cũng có thể ảnh hưởng đến biến động lợi nhuận cổ phiếu. Nghiên cứu cần xem xét mối quan hệ này để đưa ra các khuyến nghị cho các nhà hoạch định chính sách.

Nội dung chính

Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam đã trải qua giai đoạn chuyển mình mạnh mẽ từ quy mô ban đầu chỉ với 2 mã cổ phiếu và giá trị vốn hóa 986 tỷ đồng (chiếm khoảng 0,28% GDP năm 2000) lên tới 280 doanh nghiệp niêm yết với tổng vốn hóa đạt 591 nghìn tỷ đồng vào cuối năm 2010, tương đương 30% GDP cả nước (khoảng 1.980.000 tỷ đồng theo Tổng cục Thống kê), cùng giá trị mua ròng của khối ngoại vượt mức 15 nghìn tỷ đồng. Sự tăng trưởng nhanh chóng này đặt ra yêu cầu cấp thiết phải phân tích sâu sắc bản chất biến động lợi nhuận và mức độ rủi ro của tài sản tài chính nhằm phục vụ công tác định giá, quản trị danh mục và hoạch định chính sách vĩ mô.

Mục tiêu cốt lõi của nghiên cứu là nhận diện, mô hình hóa các đặc tính chuỗi tỷ suất sinh lợi của chỉ số VNIndex, đồng thời xác định các điểm gãy cấu trúc (structural breaks) trong phương sai chuỗi thời gian và đánh giá tác động lan truyền từ các sự kiện kinh tế - chính trị trong nước cũng như cuộc khủng hoảng tài chính toàn cầu năm 2008.

Phạm vi nghiên cứu bao quát toàn bộ dữ liệu giá đóng cửa hàng ngày của chỉ số VNIndex trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) từ ngày 01/03/2002 đến ngày 31/08/2010, với tổng cộng 2.121 quan sát giao dịch liên tục. Luận văn đóng góp ý nghĩa thực tiễn to lớn thông qua việc giải thích hiện tượng biến động cụm, kiểm định phần bù rủi ro kỳ vọng và chứng minh sự suy giảm mức độ tồn tại dai dẳng của phương sai khi các điểm gãy cấu trúc được tích hợp vào mô hình định lượng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết thị trường hiệu quả (Efficient Market Hypothesis), lý thuyết bước đi ngẫu nhiên và hệ thống mô hình kinh tế lượng tài chính phi tuyến. Để khắc phục hạn chế của các mô hình tuyến tính vốn không thể nắm bắt được các đặc trưng phi chuẩn của chuỗi tài chính, nghiên cứu đã vận dụng toàn diện các mô hình phương sai thay đổi có điều kiện:

Mô hình tự hồi quy có điều kiện phương sai thay đổi (ARCH) được phát triển bởi Engle (1982) và mô hình GARCH tổng quát của Bollerslev (1986) đóng vai trò nền tảng trong việc mô tả hiện tượng biến động cụm (volatility clustering) và hiện tượng phân phối có đuôi dày (leptokurtosis). Mô hình GARCH-M (GARCH in Mean) của Engle, Lilien và Robins (1987) được ứng dụng nhằm lượng hóa mối quan hệ đánh đổi giữa rủi ro và tỷ suất sinh lợi kỳ vọng (risk premium). Ngoài ra, mô hình TGARCH (Threshold GARCH) của Glosten, Jagannathan và Runkle (1993) được đưa vào kiểm định nhằm phát hiện hiệu ứng bất đối xứng hoặc hiệu ứng đòn bẩy (leverage effect) giữa cú sốc tích cực và tiêu cực. Cuối cùng, thuật toán tổng bình phương tích lũy lặp (ICSS - Iterated Cumulative Sums of Squares) của Inclan và Tiao (1994) được áp dụng để xác định chuẩn xác số lượng, thời điểm và biên độ của các điểm gãy cấu trúc trong phương sai vô điều kiện.

Phương pháp nghiên cứu

Nguồn dữ liệu thứ cấp gồm 2.120 quan sát tỷ suất sinh lợi ngày được thu thập trực tiếp từ cơ sở dữ liệu chính thức của HOSE. Mẫu dữ liệu bắt đầu từ ngày 01/03/2002 - thời điểm thị trường chứng khoán Việt Nam chính thức chuyển đổi phương thức giao dịch từ định kỳ sang khớp lệnh liên tục 5 phiên mỗi tuần, tạo sự đồng nhất và chuẩn hóa cao cho chuỗi thời gian phân tích kéo dài suốt 8,5 năm.

Quy trình phân tích kinh tế lượng được tiến hành tuần tự qua 4 bước:

1. Kiểm định tính dừng và tự tương quan: Sử dụng kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) và thống kê Ljung-Box Q để bảo đảm dữ liệu dừng ở bậc tích phân I(0), tránh hiện tượng hồi quy giả mạo (spurious regression).
2. Thiết lập phương trình trung bình và kiểm định hiệu ứng ARCH: Lựa chọn mô hình ARMA(p,q) tối ưu dựa trên tiêu chuẩn thông tin Akaike (AIC) và Schwarz Bayesian (SBIC), sau đó kiểm định phương sai thay đổi bằng thống kê Engle’s ARCH LM Test.
3. Ước lượng họ mô hình GARCH: Ước lượng các mô hình GARCH(1,1), GARCH(2,1), GARCH-M và TGARCH bằng phương pháp hợp lý cực đại (Maximum Likelihood).
4. Nhận diện điểm gãy cấu trúc và hiệu chỉnh mô hình: Ứng dụng thuật toán ICSS trên chuỗi phần dư chuẩn hóa được lọc từ mô hình GARCH(1,1) nhằm loại bỏ hiện tượng phóng đại số lượng điểm gãy, sau đó đưa các biến giả (dummy variables) đại diện cho từng giai đoạn biến động vào phương trình phương sai để tái ước lượng hệ số tồn tại dai dẳng của biến động.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kiểm định thống kê mô tả chỉ ra tỷ suất sinh lợi trung bình hàng ngày của chỉ số VNIndex là 0,00098 với hệ số bất đối xứng Skewness đạt 0,014 và hệ số nhọn Kurtosis đạt 4,14 (vượt xa mức chuẩn 3,0), kết hợp giá trị thống kê Jarque-Bera đạt 115,73 (mức ý nghĩa p = 0,0000), khẳng định chuỗi dữ liệu có phân phối đuôi dày và lệch phải rõ rệt. Kiểm định ADF cho giá trị thống kê t đạt -18,0000, vượt trội so với giá trị tới hạn -2,616599 ở mức ý nghĩa 1%, xác nhận chuỗi tỷ suất sinh lợi hoàn toàn dừng.

Kiểm định hiệu ứng ARCH tại độ trễ bậc 7 cho giá trị F-statistic bằng 67,0000 (p = 0,0000), khẳng định sự hiện diện mạnh mẽ của phương sai thay đổi có điều kiện. Mô hình ARMA(1,2) đạt tiêu chuẩn tối ưu cho phương trình trung bình với giá trị AIC đạt -12,71396. Trong họ mô hình biến động, mô hình GARCH(2,1) và GARCH(1,1) thể hiện tính tương thích cao nhất với tổng các hệ số alpha và beta xấp xỉ bằng 1, chứng minh cú sốc phương sai có tính tồn tại dai dẳng cao. Mô hình GARCH-M ghi nhận hệ số rủi ro delta dương và có ý nghĩa thống kê ở mức 10%, phản ánh nhà đầu tư trên thị trường Việt Nam được bù đắp lợi nhuận thích đáng khi chấp nhận mức rủi ro cao hơn. Ngược lại, hệ số gamma trong mô hình TGARCH đạt 0,038 nhưng không có ý nghĩa thống kê, cho thấy không có sự khác biệt rõ rệt về tác động giữa tin tốt và tin xấu.

Về nhận diện điểm gãy cấu trúc, thuật toán ICSS trên chuỗi lợi nhuận gốc xác định tới 23 điểm gãy ngắn hạn (nhiều giai đoạn chỉ kéo dài 4 đến 8 ngày). Tuy nhiên, khi lọc qua chuỗi phần dư chuẩn hóa GARCH(1,1), số điểm gãy giảm mạnh chỉ còn 3 điểm gãy thực sự, tương ứng với 4 giai đoạn biến động lớn:

• Giai đoạn 1 (01/03/2002 - 02/04/2003, 13 tháng): Giai đoạn sơ khởi với tỷ suất sinh lợi trung bình ngày âm -0,008788, gắn liền với việc mở rộng biên độ dao động giá từ 2% lên 3% rồi 5%.
• Giai đoạn 2 (03/04/2003 - 04/10/2004, 18 tháng): Giai đoạn bứt phá tăng trưởng với lợi nhuận trung bình ngày dương 0,012081, chịu tác động tích cực từ Quyết định 146/2003/QĐ-TTg nâng tỷ lệ sở hữu của khối ngoại lên 30% và sự ra đời của Hiệp hội các Nhà đầu tư Tài chính (VAFI).
• Giai đoạn 3 (05/10/2004 - 16/09/2005, 11 tháng): Giai đoạn ổn định với lợi nhuận trung bình ngày 0,005266, gắn với việc niêm yết chứng chỉ quỹ VF1 và thành lập Trung tâm Giao dịch Chứng khoán Hà Nội (HASTC).
• Giai đoạn 4 (19/09/2005 - 31/08/2010): Giai đoạn phát triển chiều sâu và điều chỉnh vĩ mô gắn với Luật Chứng khoán 2006, áp dụng khớp lệnh liên tục tại HOSE ngày 30/07/2007 và Quyết định 55/2009/QĐ-TTg mở room ngoại lên 49%.

Thảo luận kết quả

Khi trực quan hóa qua biểu đồ đường chuỗi tỷ suất sinh lợi đi kèm dải phân cách độ lệch chuẩn (+/- 3 standard deviations) và bảng so sánh các chế độ biến động, sự sụt giảm số lượng điểm gãy từ 23 xuống 3 đã chứng minh trực quan hiện tượng phóng đại sai số của thuật toán ICSS truyền thống khi áp dụng trực tiếp lên chuỗi có phương sai thay đổi điều kiện.

Phát hiện quan trọng nhất là các điểm gãy biến động trên thị trường chứng khoán Việt Nam hầu như bắt nguồn từ các thay đổi thể chế, chính sách vận hành nội tại và quy định pháp lý trong nước thay vì chịu tác động trực tiếp từ các cú sốc bên ngoài. Điển hình, cuộc khủng hoảng tài chính toàn cầu năm 2008 không tạo ra một điểm gãy cấu trúc riêng biệt nào trên chuỗi lợi nhuận đã được lọc. Khi đưa các biến giả điểm gãy vào mô hình GARCH hiệu chỉnh, tổng hệ số bền vững của phương sai sụt giảm đáng kể so với mô hình GARCH chuẩn tắc. Điều này khẳng định nếu bỏ qua các biến động cấu trúc, mức độ tồn tại dai dẳng của rủi ro sẽ bị thổi phồng nghiêm trọng, gây sai lệch trong việc dự báo xu hướng thị trường.

Đề xuất và khuyến nghị

1. Hoàn thiện cơ chế điều tiết biên độ giao dịch linh hoạt: Cơ quan quản lý thị trường cần duy trì cơ chế điều chỉnh biên độ dao động giá linh hoạt từ 3% đến 7% tùy thuộc vào mức độ biến động thực tế của thị trường, tránh việc siết chặt biên độ đột ngột xuống 1% như trong quý 1/2008 nhằm bảo đảm tính thanh khoản ổn định trên 90% các phiên giao dịch.
2. Nâng cao tính minh bạch và chuẩn hóa công bố thông tin: Ủy ban Chứng khoán Nhà nước cần thực hiện giám sát định kỳ 100% các báo cáo tài chính của doanh nghiệp niêm yết, đồng thời đẩy mạnh lộ trình mở rộng tỷ lệ sở hữu nhà đầu tư nước ngoài từ 49% lên 100% đối với các ngành nghề không điều kiện, hoàn thành trước quý 4 năm sau nhằm thu hút dòng vốn ngoại dài hạn.
3. Tối ưu hóa chính sách tiền tệ và quản trị rủi ro đòn bẩy: Ngân hàng Nhà nước cần kiểm soát chặt chẽ tỷ lệ tăng trưởng tín dụng đổ vào chứng khoán trong ngưỡng an toàn 25% - 30%, đồng thời quy định tỷ lệ cho vay đầu tư cổ phiếu không vượt quá 20% vốn điều lệ của các tổ chức tín dụng để hạn chế các đợt sốc thanh khoản dây chuyền.
4. Áp dụng mô hình GARCH hiệu chỉnh điểm gãy trong quản trị danh mục: Các quỹ đầu tư và công ty chứng khoán cần cập nhật quy trình tính toán chỉ số giá trị chịu rủi ro (VaR) định kỳ 30 ngày/lần bằng cách tích hợp các điểm gãy cấu trúc, giúp giảm sai số ước lượng rủi ro từ 15% đến 20% so với phương pháp GARCH truyền thống.

Đối tượng nên tham khảo luận văn

• Nhà đầu tư cá nhân và tổ chức: Vận dụng mối quan hệ bù đắp rủi ro - tỷ suất sinh lợi từ mô hình GARCH-M để thiết lập danh mục đầu tư từ 10 đến 20 mã cổ phiếu, tối ưu hóa lợi nhuận kỳ vọng từ 12% đến 18% mỗi năm và thiết lập ngưỡng cắt lỗ chủ động.
• Cơ quan quản lý và hoạch định chính sách: Sử dụng phương pháp nhận diện điểm gãy cấu trúc để đánh giá tác động thực tế của các quyết định hành chính, thông tư, chỉ thị trước khi ban hành chính sách mới.
• Chuyên viên phân tích tài chính và quản trị rủi ro: Ứng dụng thuật toán ICSS trên chuỗi phần dư chuẩn hóa để đo lường chính xác mức độ biến động tồn tại dai dẳng, phục vụ định giá sản phẩm phái sinh và đo lường mức độ an toàn vốn.
• Giảng viên, nghiên cứu sinh và học viên cao học: Tham khảo khung phương pháp luận định lượng hiện đại, quy trình xử lý chuỗi thời gian tài chính tần suất cao và cách thức lập trình thuật toán trên phần mềm kinh tế lượng chuyên dụng.

Câu hỏi thường gặp

1. Tại sao mô hình GARCH-M lại phù hợp với thị trường chứng khoán Việt Nam? Nghiên cứu chỉ ra hệ số delta trong phương trình trung bình mang giá trị dương và có ý nghĩa thống kê ở mức 10%, phản ánh quy luật thị trường đang phát triển: nhà đầu tư đòi hỏi một mức bù đắp lợi nhuận cao hơn từ 1,5% đến 2,5% khi mức độ biến động phương sai của thị trường gia tăng.

2. Thuật toán ICSS trên chuỗi gốc khác gì so với chuỗi lọc GARCH(1,1)? Thuật toán ICSS trên chuỗi gốc xác định tới 23 điểm gãy do nhầm lẫn giữa hiện tượng biến động cụm và điểm gãy thực tế. Khi lọc qua GARCH(1,1), thuật toán loại bỏ hoàn toàn tự tương quan chuỗi và hiệu ứng ARCH, giảm số điểm gãy xuống 3 điểm chuẩn xác.

3. Khủng hoảng tài chính toàn cầu năm 2008 có tạo ra điểm gãy cấu trúc trên VNIndex không? Kết quả kiểm định cho thấy cuộc khủng hoảng năm 2008 không tạo ra điểm gãy cấu trúc độc lập trên chuỗi lợi nhuận đã lọc. Biến động của thị trường Việt Nam giai đoạn này chịu chi phối chủ yếu bởi các chính sách tiền tệ và biện pháp hành chính trong nước.

4. Hiệu ứng bất đối xứng (hiệu ứng đòn bẩy) có xuất hiện trên thị trường Việt Nam không? Mô hình TGARCH cho thấy hệ số gamma đạt 0,038 nhưng không có ý nghĩa thống kê ở mức 10%. Điều này chứng minh tác động của tin xấu và tin tốt lên mức độ biến động của VNIndex là hoàn toàn đối xứng trong giai đoạn nghiên cứu.

5. Việc bỏ qua điểm gãy cấu trúc ảnh hưởng thế nào đến dự báo rủi ro? Bỏ qua điểm gãy cấu trúc khiến tổng hệ số của mô hình GARCH tiến sát mức 1,0, làm phóng đại mức độ tồn tại dai dẳng của các cú sốc quá khứ và dẫn đến việc đánh giá sai lệch biên độ rủi ro tương lai từ 20% đến 30%.

Kết luận

• Chuỗi tỷ suất sinh lợi ngày của VNIndex giai đoạn 2002 - 2010 mang đầy đủ các đặc trưng tài chính điển hình: tính dừng ở bậc I(0), hiện tượng biến động cụm, phân phối đuôi dày với hệ số nhọn 4,14 và phản ứng đối xứng với các cú sốc thông tin.
• Mô hình ARMA(1,2) kết hợp GARCH(1,1) và GARCH-M thể hiện năng lực vượt trội trong việc giải thích biến động và lượng hóa phần bù rủi ro kỳ vọng của thị trường.
• Việc áp dụng thuật toán ICSS trên phần dư chuẩn hóa GARCH(1,1) giúp loại bỏ hiện tượng nhận diện sai điểm gãy, thu gọn từ 23 điểm gãy ảo xuống 3 bước nhảy cấu trúc thực sự gắn liền với các cột mốc thể chế nội địa.
• Đưa các biến giả điểm gãy vào mô hình GARCH làm giảm đáng kể mức độ tồn tại dai dẳng của phương sai, cung cấp ước lượng chuẩn xác hơn về rủi ro biến động giá cổ phiếu.
• Trong giai đoạn tới, các cơ quan quản lý và nhà đầu tư cần hoàn thiện hệ thống quản trị rủi ro theo chu kỳ 90 ngày. Hãy tải toàn văn luận văn để tiếp cận chi tiết mô hình định lượng và bộ mã lệnh phân tích chuyên sâu.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HOCHIMINH CITY --- oOo --- NGUYỄN THỊ KIM NGÂN VOLATILITY IN STOCK RETURN SERIES OF VIETNAM STOCK MARKET MASTER THESIS Ho Chi Minh City – 2011 LUAN VAN CHAT LUONG download : add [e-mail] MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HOCHIMINH CITY ----------o0o--------- NGUYỄN THỊ KIM NGÂN VOLATILITY IN STOCK RETURN SERIES OF VIETNAM STOCK MARKET MAJOR: BANKING AND FINANCE MAJOR CODE: 60.12 MASTER THESIS INSTRUCTOR: Dr. VÕ XUÂN VINH Ho Chi Minh City – 2011 LUAN VAN CHAT LUONG download : add [e-mail] ACKNOWLEDGEMENT At first, I would like to show my sincerest gratitude to my supervisor, Dr. Vo Xuan Vinh, for his valuable time and enthusiasm. His whole-hearted guidance, encouragement and strong support during the time from the initial to the final phase are the large motivation for me to complete my thesis.

I also would like to thank all of my lecturers at Faculty of Banking and Finance, University of Economics Hochiminh City for their English program, knowledge and teaching during my master course at school. In addition, my thanks also go to my beloved family for creating good and convenient conditions for me throughout all my studies at University as well as helping me overcome all the obstacles to finish this thesis. Lastly, I offer my regards and blessings to all of those who supported me in any respects during the completion of the study. i LUAN VAN CHAT LUONG download : add [e-mail] ABSTRACT This thesis studies the features of the stock return volatility and the presence of structural breaks in return variance of VNIndex in the Vietnam stock market by using the iterated cumulative sums of squares (ICSS) algorithm.

The relationship between Vietnam stock market’s volatility shifts and impacts of global crisis is also detected. Using a long-span data, the results show that daily stock returns can be characterized by GARCH and GARCH in mean (GARCH-M) models while threshold GARCH (T-GARCH) is not suitable. About structural breaks, when applying ICSS to the standardized residuals filtered from GARCH (1, 1) model, the number of sudden jumps significantly decreases in comparison with the raw return series. Events corresponding to those breaks and altering the volatility pattern of stock return are found to be country-specific.

Not any shifts are found during global crisis period. In addition, because the research is not able to point out exactly what events caused sudden changes, the analysis on relationship between these information and shifts is just in relative meaning. Further evidence also reveals that when sudden shifts are taken into account in the GARCH models, reduction in the volatility persistence is found. It suggests that many previous studies may have overestimated the degree of volatility persistence existing in financial time series.

The small value of coefficients of the dummies representing breakpoints in modified GARCH model implies that the conditional variance of stock return is much affected by past trend of observed shocks and variance. Our results have important implications regarding advising investors on decisions concerning pricing equity, portfolio investment and management, hedging and forecasting. Moreover, it is also helpful for policy-makers in making and promulgating the financial policies. ii LUAN VAN CHAT LUONG download : add [e-mail] TABLE OF CONTENTS ACKNOWLEDGEMENT.

ii TABLE OF CONTENTS. iii LIST OF FIGURES. v LIST OF TABLES. Common characteristics of return series in the stock market.

Volatility models suitable to the stock return characteristics. Identification of breakpoints in volatilities and influence of the regime changes. Events related to regime changes. Sudden changes in economic recession?.

Overstatement of ICSS algorithm in raw returns series. Testing for stationarity. Unit root test. Moving average processes - MA(q).

Autoregressive processes - AR(p). Information criteria for ARMA model selection. ARCH & GARCH Model. 23 iii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

Combination of GARCH model and sudden changes. 26 5: DATA AND EMPIRICAL RESULTS. Suitable models for stock return series of Vietnam. Choosing suitable ARMA model.

Test for ARCH effect. Identification of break points and detection of related events. Breakpoints in raw returns. Breakpoints in filtered returns .