Giới thiệu dự án

Thị trường chứng khoán đóng vai trò là kênh dẫn vốn trung và dài hạn quan trọng bậc nhất của nền kinh tế hiện đại, phản ánh sức khỏe tài chính của doanh nghiệp và kỳ vọng tăng trưởng kinh tế vĩ mô. Trong cơ cấu thị trường vốn, nhóm ngành Năng lượng - Dầu khí luôn nắm giữ vị thế chiến lược then chốt. Theo các báo cáo năng lượng quốc tế, dầu mỏ và các sản phẩm hóa dầu chiếm xấp xỉ 33% tổng mức tiêu thụ năng lượng toàn cầu và cung cấp tới 94% tổng năng lượng tiêu thụ trong lĩnh vực giao thông vận tải. Mọi biến động của giá năng lượng đều tạo ra phản ứng dây chuyền đến chỉ số giá tiêu dùng, chi phí đầu vào của các ngành sản xuất và định giá tài sản tài chính.

Tuy nhiên, tại các thị trường cận biên và mới nổi như Việt Nam, việc định giá và dự báo biến động giá cổ phiếu ngành Dầu khí là một bài toán phức tạp. Cổ phiếu dầu khí chịu sự chi phối đồng thời từ các cú sốc cung - cầu năng lượng quốc tế, các biến số kinh tế vĩ mô (lạm phát, lãi suất, tỷ giá hối đoái) và các chỉ tiêu sức khỏe tài chính nội tại của doanh nghiệp. Đa số các phân tích trên thị trường hiện nay vẫn dựa trên phương pháp định giá truyền thống hoặc phân tích kỹ thuật đơn lẻ, thiếu vắng mô hình định lượng dữ liệu bảng (Panel Data) bao quát đồng thời các nhân tố vi mô và vĩ mô trong giai đoạn biến động mạnh 2017 – 2021.

+-------------------------------------------------------------------------------+
|                       KHUNG PHÂN TÍCH ĐỊNH LƯỢNG ĐA BIẾN                      |
+-------------------------------------------------------------------------------+
|   [Nhân tố vĩ mô]             [Nhân tố vi mô]              [Biến phụ thuộc]   |
|   - Tỷ lệ lạm phát (I)        - Hệ số P/E                  - Giá cổ phiếu (P) |
|   - Tỷ giá USD/VND (EX)       - Lãi cổ phiếu (EPS)           (Log-transformed)|
|   - Lãi suất (INTEREST)       - Vốn chủ sở hữu (VCSH)                         |
|   - Giá dầu Brent (OILPRICE)                                                  |
+-------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Khảo sát và hệ thống hóa thực trạng biến động: Phân tích diễn biến giá cổ phiếu của 30 doanh nghiệp dầu khí niêm yết trên hai sàn HOSE và HNX cùng các biến động kinh tế vĩ mô và tài chính doanh nghiệp giai đoạn 2017 – 2021.
  2. Xây dựng mô hình kinh tế lượng dữ liệu bảng: Thiết lập phương trình hồi quy đa biến tích hợp 7 biến độc lập đại diện cho hai nhóm nhân tố vi mô (EPS, P/E, VCSH) và vĩ mô (Lạm phát $I$, Tỷ giá $EX$, Giá dầu Brent $OILPRICE$, Lãi suất $INTEREST$).
  3. Kiểm định giả thiết và xử lý khuyết tật mô hình: Ứng dụng kiểm định tính dừng Fisher-type ADF (Choi, 2001), kiểm định đa cộng tuyến (VIF), kiểm định tự tương quan (Wooldridge test) và phương sai sai số thay đổi (Breusch-Pagan test) nhằm lựa chọn mô hình ước lượng tối ưu (POLS, FEM, REM hoặc FGLS).
  4. Đề xuất hàm ý quản trị danh mục: Đưa ra các khuyến nghị đầu tư định lượng, chiến lược phòng ngừa rủi ro tỷ giá và biến động giá hàng hóa cho các quỹ đầu tư, nhà đầu tư cá nhân và ban điều hành doanh nghiệp dầu khí.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: 30 công ty hoạt động trong chuỗi giá trị ngành Dầu khí (thượng nguồn, trung nguồn, hạ nguồn) niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX).
  • Thời gian nghiên cứu: Dữ liệu thường niên giai đoạn 2017 – 2021 (tổng cộng 150 quan sát dữ liệu bảng cân đối).
  • Dữ liệu thực nghiệm: Dữ liệu giá cổ phiếu đóng cửa cuối năm, báo cáo tài chính đã kiểm toán trích xuất từ cophieu68.vn, Vietstock và số liệu vĩ mô chính thức từ Tổng cục Thống kê (GSO).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng, cần đánh giá ưu nhược điểm của các phương pháp phân tích định giá cổ phiếu phổ biến hiện nay nhằm xác định giải pháp tối ưu.

Phương pháp Ưu điểm Nhược điểm Tính phù hợp với ngành Dầu khí
Phân tích kỹ thuật (Technical Analysis) Phản ứng nhanh với biến động giá ngắn hạn; trực quan hóa theo đồ thị nến. Không phản ánh giá trị nội tại; dễ bị nhiễu bởi tâm lý đám đông hoặc thanh khoản thấp. Thấp (chỉ áp dụng cho giao dịch ngắn hạn T+).
Mô hình chuỗi thời gian đơn biến (ARIMA/GARCH) Dự báo chuỗi thời gian dựa trên độ trễ quá khứ; đo lường phương sai dao động tốt. Bỏ qua các biến số tài chính nội tại của doanh nghiệp; không nắm bắt được tác động chéo vĩ mô. Trung bình (thiếu tính liên kết đa chiều).
Hồi quy OLS gộp cổ điển (Pooled OLS) Dễ tính toán, biểu diễn mối tương quan tổng quát trên tập dữ liệu lớn. Bỏ qua đặc trưng riêng lẻ của từng doanh nghiệp (unobserved heterogeneity), dễ dính khuyết tật dữ liệu. Thấp (dẫn đến ước lượng chệch).
Hồi quy Dữ liệu Bảng (Panel Data: FEM/REM/FGLS) Kiểm soát đặc trưng cố định theo thời gian và đơn vị; tận dụng tối đa 150 quan sát; hiệu chỉnh tốt khuyết tật. Đòi hỏi quy trình kiểm định tính dừng và khuyết tật nghiêm ngặt. Rất cao (Lựa chọn tối ưu của đề tài).

Yêu cầu phân tích theo chuẩn MoSCoW

  • Must have (Bắt buộc có): Bộ dữ liệu 150 quan sát sạch; kiểm định tính dừng cho dữ liệu bảng; mô hình hồi quy đa biến; kiểm định khuyết tật mô hình (VIF, Wooldridge, Breusch-Pagan).
  • Should have (Nên có): Phép biến đổi Logarit tự nhiên ($\ln$) cho các biến quy mô lớn ($P$, $EX$, $OILPRICE$, $VCSH$) để đồng nhất thứ nguyên và giảm thiểu hiện tượng phương sai thay đổi.
  • Could have (Có thể có): So sánh đối chiếu kết quả thực nghiệm với các nghiên cứu kinh tế lượng quốc tế (Fama & Schwert 1977, Narayan & Narayan 2010, Kilian & Park 2009).
  • Won't have (Chưa thực hiện đợt này): Mô hình dữ liệu tần suất cao theo ngày/tuần (High-frequency trading model) do hạn chế công bố báo cáo tài chính vi mô theo quý/năm.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo quy trình 5 giai đoạn khép kín:

[Thu thập dữ liệu] (BCTC 30 mã Dầu khí + GSO 2017-2021)
[Tiền xử lý & Chuẩn hóa] (Xử lý Outliers, Log-transform ln(P), ln(EX), ln(OIL), ln(VCSH))
[Kiểm định tính dừng] (Fisher-type Augmented Dickey-Fuller: Choi 2001)
[Phân tích Tương quan Pearson & Hồi quy] (POLS -> FEM -> REM -> Hausman Test)
[Kiểm định Khuyết tật & Hiệu chỉnh] (VIF, Wooldridge, Breusch-Pagan -> Robust Errors/FGLS)

Công nghệ và Thư viện triển khai

  • Ngôn ngữ & Nền tảng: Python 3.10+, Stata 17.0, MS Excel Data Analysis.
  • Thư viện kinh tế lượng: pandas (v2.0.3) xử lý Panel DataFrame; statsmodels (v0.14.0) phân tích OLS và kiểm định thống kê; linearmodels (v4.29) thực thi Panel FEM/REM và FGLS; scipy (v1.10.1) kiểm định phân phối.
  • Đặc tả toán học của mô hình:

$$\ln(P_{it}) = \beta_0 + \beta_1 I_t + \beta_2 \ln(EX_t) + \beta_3 (P/E){it} + \beta_4 EPS{it} + \beta_5 \ln(OILPRICE_t) + \beta_6 INTEREST_t + \beta_7 \ln(VCSH_{it}) + u_{it}$$

Trong đó:

  • $i = 1, 2, \dots, 30$ đại diện cho 30 công ty dầu khí niêm yết.
  • $t = 1, 2, \dots, 5$ đại diện cho chuỗi năm từ 2017 đến 2021.
  • $u_{it} = \mu_i + \lambda_t + \varepsilon_{it}$ là cấu trúc sai số tổng hợp bao gồm sai số đặc trưng doanh nghiệp ($\mu_i$), tác động thời gian ($\lambda_t$) và sai số ngẫu nhiên ($\varepsilon_{it}$).

Methodology

Nghiên cứu áp dụng phương pháp nghiên cứu định lượng thực nghiệm (Empirical Quantitative Research) kết hợp phân tích thống kê suy diễn:

  • Thu thập dữ liệu: Thu thập thứ cấp từ các nguồn chuẩn hóa có kiểm toán độc lập.
  • Thống kê mô tả: Đo lường xu hướng trung tâm (Mean, Median), độ phân tán (Standard Deviation, Min, Max), độ lệch (Skewness) và độ nhọn (Kurtosis).
  • Phân tích tương quan Pearson: Xác định ma trận hệ số tương quan $r \in [-1, 1]$ nhằm sơ bộ nhận diện mối liên hệ tuyến tính và nguy cơ đa cộng tuyến ban đầu.
  • Ước lượng dữ liệu bảng:
    • Pooled OLS: Mô hình gộp không tính đến tác động cố định từng cá thể.
    • Fixed Effects Model (FEM): Khắc phục hiện tượng thiên lệch do biến nội sinh cố định.
    • Random Effects Model (REM): Tối ưu hiệu quả ước lượng khi sai số cá thể không tương quan với các biến giải thích.
    • Kiểm định Hausman: Lựa chọn giữa FEM và REM dựa trên giả thuyết $H_0$: REM là ước lượng hiệu quả.

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu và ước lượng mô hình được triển khai qua các khối thuật toán kinh tế lượng chuẩn mực. Đoạn mã Python dưới đây mô phỏng quy trình thiết lập dữ liệu bảng, ước lượng mô hình FEM/REM và kiểm định đa cộng tuyến:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
from linearmodels.panel import PanelData, PooledOLS, FixedEffects, RandomEffects

# 1. Đọc và cấu trúc hóa dữ liệu bảng (MultiIndex: Mã CK, Năm)
df = pd.read_csv("oil_gas_panel_data_2017_2021.csv")
df['ln_P'] = np.log(df['P'])
df['ln_EX'] = np.log(df['EX'])
df['ln_OILPRICE'] = np.log(df['OILPRICE'])
df['ln_VCSH'] = np.log(df['VCSH'])

df = df.set_index(['ticker', 'year'])
panel_data = PanelData(df)

# 2. Kiểm định Đa cộng tuyến (VIF)
exog_vars = ['I', 'ln_EX', 'PE', 'EPS', 'ln_OILPRICE', 'INTEREST', 'ln_VCSH']
X_vif = sm.add_constant(df[exog_vars])
vif_data = pd.DataFrame()
vif_data["Variable"] = X_vif.columns
vif_data["VIF"] = [variance_inflation_factor(X_vif.values, i) for i in range(X_vif.shape[1])]

# 3. Ước lượng mô hình Fixed Effects (FEM)
fem_model = FixedEffects(df['ln_P'], df[exog_vars], entity_effects=True)
fem_results = fem_model.fit(cov_type='robust')
print(fem_results.summary)

Testing và validation

Kiểm định tính dừng (Panel Unit Root Test)

Sử dụng kiểm định ADF Fisher-type (Choi, 2001) để kiểm tra tính dừng của dữ liệu bảng:

  • Giả thuyết $H_0$: Chuỗi dữ liệu chứa nghiệm đơn vị (không dừng).
  • Giả thuyết $H_1$: Chuỗi dữ liệu dừng.

Kết quả kiểm định cho thấy giá trị $z\text{-statistic} = -5.0000$ với giá trị $p\text{-value} < 0.001$ trên tất cả các biến sau khi lấy Logarit, bác bỏ hoàn toàn $H_0$, xác nhận các biến đều đạt tính dừng ở mức ý nghĩa 1%, đủ điều kiện đưa vào hồi quy không gây hiện tượng hồi quy giả mạo (Spurious Regression).

+-----------------------------------------------------------------------------------+
|               KẾT QUẢ KIỂM ĐỊNH TÍNH DỪNG FISHER-TYPE ADF (CHOI, 2001)            |
+-------------------+-------------+---------------+-----------------+---------------+
| Biến số           | Z-statistic | P-value       | Mức ý nghĩa 5%  | Kết luận      |
+-------------------+-------------+---------------+-----------------+---------------+
| ln(P)             | -5.0000     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| I (Lạm phát)      | -4.8921     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| ln(EX) (Tỷ giá)   | -6.1245     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| P/E               | -5.4312     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| EPS               | -5.7890     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| ln(OILPRICE)      | -6.3401     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| INTEREST (Lãi suất)| -5.1120    | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
| ln(VCSH)          | -4.9540     | < 0.0001      | Bác bỏ H0       | Chuỗi dừng    |
+-------------------+-------------+---------------+-----------------+---------------+

Ma trận tương quan và kiểm định khuyết tật

  • Phân tích tương quan Pearson: Hầu hết các biến giải thích ($EPS$, $P/E$, $VCSH$, $I$, $EX$, $INTEREST$) đều có tương quan tuyến tính với biến phụ thuộc $\ln(P)$ ở mức ý nghĩa $p < 0.10$.
  • Kiểm định đa cộng tuyến (VIF): Sau khi Log-transform các biến quy mô, hệ số VIF của các biến đều duy trì ở ngưỡng an toàn ($VIF < 10$), loại trừ nguy cơ sai lệch phương sai do đa cộng tuyến nghiêm trọng.
  • Kiểm định phương sai sai số thay đổi (Breusch-Pagan test): Với $p\text{-value} < 0.05$, mô hình gốc có hiện tượng phương sai sai số thay đổi. Giải pháp khắc phục là sử dụng ma trận hiệp phương sai sai số chuẩn vững (Robust Standard Errors) hoặc hồi quy bình phương tối thiểu tổng quát khả thi (FGLS).

Kết quả đạt được

Hồi quy thực nghiệm trên 150 quan sát của 30 doanh nghiệp Dầu khí giai đoạn 2017 – 2021 đem lại các kết quả định lượng cụ thể:

  1. Lãi trên mỗi cổ phiếu ($EPS$): Tác động cùng chiều mạnh mẽ nhất đến giá cổ phiếu với mức ý nghĩa $p < 0.01$. Doanh nghiệp có $EPS$ tăng trưởng ổn định (điển hình như GAS đạt đỉnh $EPS = 6.22$ nghìn đồng năm 2019) duy trì mức thị giá cao nhất toàn ngành ($> 90.000$ VNĐ/cổ phiếu).
  2. Hệ số giá trên thu nhập ($P/E$): Tác động cùng chiều có ý nghĩa thống kê ($p < 0.05$). Hệ số $P/E$ phản ánh kỳ vọng của thị trường vào tiềm năng sinh lời trong tương lai của các doanh nghiệp như PVB, PDC, PVD.
  3. Quy mô Vốn chủ sở hữu ($\ln(VCSH)$): Có mối quan hệ đồng biến ($p < 0.01$). Các doanh nghiệp sở hữu vốn chủ sở hữu quy mô lớn trên 10.000 tỷ đồng (GAS, PLX, BSR, PVD, PVS) có sức chịu đựng rủi ro cao và thị giá ổn định hơn hẳn nhóm quy mô nhỏ.
  4. Giá dầu thô thế giới ($\ln(OILPRICE)$): Có tác động tích cực trong trung và dài hạn lên nhóm cổ phiếu thượng nguồn (PVD, PVS) và hạ nguồn (BSR, PLX). Cú sốc năng lượng năm 2021 đẩy giá dầu Brent lên trên 70 USD/thùng đã kích hoạt đà tăng giá vượt bậc của toàn bộ nhóm ngành cổ phiếu dầu khí.
  5. Biến số Lãi suất ($INTEREST$) và Lạm phát ($I$): Tác động nghịch chiều lên định giá cổ phiếu. Khi lạm phát và lãi suất tăng cao (như giai đoạn 2019 - 2020), chi phí vốn gia tăng và dòng tiền có xu hướng dịch chuyển từ thị trường chứng khoán sang kênh gửi tiết kiệm an toàn.

Đổi mới và đóng góp

Đóng góp về mặt học thuật và phương pháp luận

  • Tiếp cận toàn diện vi mô kết hợp vĩ mô: Khắc phục nhược điểm của các nghiên cứu trước đây vốn chỉ tập trung vào chỉ số tài chính vi mô đơn thuần hoặc chỉ xem xét chuỗi vĩ mô đơn lẻ. Đề tài tích hợp đồng thời 7 biến số đa chiều tác động trực tiếp và gián tiếp đến định giá cổ phiếu.
  • Áp dụng quy trình kiểm định kinh tế lượng dữ liệu bảng hiện đại: Triển khai đầy đủ kiểm định tính dừng cho dữ liệu bảng theo chuẩn Choi (2001), kiểm định tự tương quan Wooldridge và hiệu chỉnh phương sai thay đổi bằng Robust Standard Errors, đảm bảo tính vững và không chệch của các hệ số hồi quy $\beta_k$.

So sánh với các nghiên cứu tiền bối

+------------------------------------------------------------------------------------+
|                BẢNG SO SÁNH KẾT QUẢ VỚI CÁC CÔNG TRÌNH NGHIÊN CỨU TRƯỚC            |
+-----------------------+----------------------------------+-------------------------+
| Nhân tố tác động      | Nghiên cứu tiền bối tiêu biểu    | Kết quả của đề tài      |
+-----------------------+----------------------------------+-------------------------+
| Lãi cổ phiếu (EPS)    | Uddin et al. (2013): (+)         | Đồng biến mạnh (+)      |
|                       | Somoye et al. (2009): (+/-)      | Ý nghĩa thống kê 1%     |
+-----------------------+----------------------------------+-------------------------+
| Hệ số P/E             | Khan & Amanullah (2012): (+)     | Đồng biến (+)           |
|                       | Almumani (2014): (+)             | Ý nghĩa thống kê 5%     |
+-----------------------+----------------------------------+-------------------------+
| Giá dầu Brent (OIL)   | Narayan & Narayan (2010): (+)    | Đồng biến (+)           |
|                       | Kilian & Park (2009): (-)        | Tác động phân hóa ngành |
+-----------------------+----------------------------------+-------------------------+
| Lãi suất (INTEREST)   | Mahmudul & Uddin (2009): (-)     | Nghịch biến (-)         |
|                       | Khan & Amanullah (2012): (-)     | Ý nghĩa thống kê 5%     |
+-----------------------+----------------------------------+-------------------------+
| Tỷ lệ lạm phát (I)    | Fama & Schwert (1977): (-)       | Nghịch biến ngắn hạn (-) |
|                       | Firth (1979): (+)                | Phù hợp bối cảnh VN     |
+-----------------------+----------------------------------+-------------------------+

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở khoa học định lượng có thể chuyển hóa trực tiếp thành các công cụ và chiến lược ra quyết định trong thực tế:

[Mô hình định lượng Panel Data]

Chiến lược ứng dụng cho từng nhóm đối tượng

  1. Dành cho các Quỹ đầu tư và Công ty Chứng khoán:
    • Xây dựng mô hình lọc cổ phiếu định lượng (Quantitative Screening System) dựa trên bộ ba chỉ số vi mô cốt lõi: $EPS$ tăng trưởng dương, $P/E$ hợp lý và quy mô $VCSH > 10.000$ tỷ đồng.
    • Thiết lập chỉ báo cảnh báo sớm rủi ro thị trường khi lãi suất điều hành và lạm phát có xu hướng tăng vượt ngưỡng kiểm soát.
  2. Dành cho Ban điều hành doanh nghiệp Dầu khí:
    • Chú trọng cải thiện hiệu quả hoạt động kinh doanh cốt lõi để nâng cao chỉ số $EPS$ thay vì gia tăng đòn bẩy tài chính không an toàn.
    • Duy trì chính sách minh bạch thông tin tài chính thường niên để ổn định hệ số $P/E$, tạo niềm tin vững chắc cho cổ đông tổ chức.
  3. Dành cho Nhà đầu tư cá nhân:
    • Sử dụng giá dầu thô Brent làm biến số dẫn dắt xu hướng trung hạn cho các cổ phiếu thượng nguồn (PVD, PVS).
    • Tránh tâm lý đầu cơ ngắn hạn vào các mã có chỉ số $EPS$ âm liên tục qua nhiều năm (như trường hợp PXM).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ dài chuỗi thời gian: Khảo sát trong 5 năm (2017 – 2021) với tần suất dữ liệu theo năm ($T=5, N=30$), dù đáp ứng đủ điều kiện dữ liệu bảng cân đối 150 quan sát nhưng chưa bao quát được toàn bộ chu kỳ kinh tế 10 năm.
  • Tần suất dữ liệu: Dữ liệu báo cáo tài chính theo năm chưa phản ánh kịp thời các biến động dao động giá tần suất cao (Daily/Weekly volatility) dưới tác động của các sự kiện địa chính trị đột xuất.

Hướng nghiên cứu mở rộng

  • Mở rộng tần suất và khung thời gian: Nâng cấp bộ dữ liệu sang tần suất quý (Quarterly Panel Data) kéo dài từ 2015 đến 2025 để tăng số lượng quan sát lên trên 600.
  • Ứng dụng mô hình kinh tế lượng phi tuyến: Triển khai mô hình Panel VAR (Vector Autoregression), Panel ARDL hoặc mô hình ngưỡng (Panel Threshold Regression) nhằm phân tích tác động phi đối xứng của giá dầu khi tăng và giảm.
  • Tích hợp Machine Learning: Kết hợp mô hình kinh tế lượng với các thuật toán học máy như Random Forest, XGBoost và mạng nơ-ron LSTM để nâng cao độ chính xác trong dự báo chuỗi thời gian tài chính.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                                ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+------------------------+--------------------------------------------------------------+
| Nhóm đối tượng         | Giá trị nhận được cụ thể                                     |
+------------------------+--------------------------------------------------------------+
| **Sinh viên & Học viên | Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định  |
| Kinh tế / Thống kê**   | lượng dữ liệu bảng, quy trình kiểm định Choi (2001), ADF,    |
|                        | Wooldridge, Breusch-Pagan và cách xử lý số liệu thực tế.     |
+------------------------+--------------------------------------------------------------+
| **Chuyên viên phân tích| Khung mô hình lượng hóa độ nhạy của giá cổ phiếu dầu khí     |
| (Quant Analysts)**     | đối với từng 1% thay đổi của giá dầu Brent, tỷ giá USD/VND   |
|                        | và lãi suất để hiệu chỉnh mô hình định giá DCF/Multiples.    |
+------------------------+--------------------------------------------------------------+
| **Doanh nghiệp niêm yết| Nhận thức rõ mức độ tác động của cấu trúc vốn và EPS đến     |
| ngành Năng lượng**     | thị giá cổ phiếu, từ đó hoạch định chính sách cổ tức và quan |
|                        | hệ nhà đầu tư (IR) hiệu quả hơn.                             |
+------------------------+--------------------------------------------------------------+
| **Nhà đầu tư cá nhân** | Bộ tiêu chí định lượng khách quan để sàng lọc cổ phiếu cơ    |
|                        | bản tốt (GAS, PLX, PVS), phòng tránh bẫy đầu cơ penny.       |
+------------------------+--------------------------------------------------------------+

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại thực hiện phép biến đổi Logarit tự nhiên ($\ln$) cho một số biến?

Biến đổi Logarit tự nhiên được áp dụng cho các biến có giá trị tuyệt đối lớn và chênh lệch đơn vị đo lường như Giá cổ phiếu ($P$), Tỷ giá ($EX$), Giá dầu ($OILPRICE$) và Vốn chủ sở hữu ($VCSH$). Việc này giúp đưa dữ liệu về cùng bậc độ lớn, biến đổi mối quan hệ hàm mũ thành tuyến tính, giảm thiểu hiện tượng phân phối lệch và hạn chế khuyết tật phương sai sai số thay đổi. Đồng thời, hệ số hồi quy của biến dạng Logarit có thể diễn giải trực tiếp dưới dạng hệ số co giãn (Elasticity - biến động theo %).

2. Sự khác biệt căn bản giữa mô hình Pooled OLS, FEM và REM trong nghiên cứu này là gì?

  • Pooled OLS: Xem tất cả 30 doanh nghiệp qua 5 năm là đồng nhất, bỏ qua sự khác biệt về năng lực quản trị, công nghệ hay thị phần riêng biệt.
  • Fixed Effects Model (FEM): Cho phép mỗi doanh nghiệp có một hệ số chặn riêng biệt ($\mu_i$), kiểm soát các đặc trưng cố định không quan sát được theo thời gian của từng công ty.
  • Random Effects Model (REM): Giả định sự khác biệt giữa các doanh nghiệp là ngẫu nhiên và không tương quan với các biến giải thích trong mô hình.

3. Làm thế nào để lựa chọn mô hình tối ưu giữa FEM và REM?

Nghiên cứu sử dụng Kiểm định Hausman (Hausman Test) với giả thuyết $H_0$: Ước lượng REM là không chệch và hiệu quả. Nếu giá trị $p\text{-value} < 0.05$, ta bác bỏ $H_0$ và lựa chọn mô hình FEM. Ngược lại, nếu $p\text{-value} \ge 0.05$, mô hình REM sẽ được ưu tiên sử dụng.

4. Tại sao biến Giá dầu thế giới (OILPRICE) có hệ số tương quan tuyến tính Pearson thấp nhưng vẫn được đưa vào mô hình hồi quy?

Trong kinh tế lượng thực nghiệm, một biến có thể có tương quan đơn biến thấp với biến phụ thuộc trong ma trận tương quan cục bộ nhưng lại đóng vai trò là biến kiểm soát vĩ mô quan trọng trong không gian đa biến. Ngành Dầu khí có mối quan hệ bản chất mật thiết với giá dầu Brent theo lý thuyết chu kỳ kinh tế và chuỗi cung ứng năng lượng; do đó việc duy trì biến $OILPRICE$ là cần thiết để tránh lỗi thiếu biến quan trọng (Omitted Variable Bias).

5. Kết quả nghiên cứu có thể áp dụng trực tiếp cho các ngành khác ngoài dầu khí không?

Khung phương pháp luận (Quy trình kiểm định tính dừng Fisher-type, hồi quy dữ liệu bảng, kiểm định khuyết tật mô hình) có thể tái sử dụng 100% cho mọi nhóm ngành niêm yết khác (ngân hàng, bất động sản, thép...). Tuy nhiên, các biến vĩ mô đặc thù như giá dầu thô cần được thay thế bằng các biến chỉ số ngành tương ứng (ví dụ: giá thép thế giới, chỉ số tăng trưởng tín dụng, giá nguyên vật liệu...).

Kết luận

Chuyên đề tốt nghiệp "Phân tích các nhân tố ảnh hưởng tới giá cổ phiếu chứng khoán của các công ty ngành Dầu khí niêm yết trên thị trường chứng khoán Việt Nam" của tác giả Nguyễn Thị Thúy Hà (Đại học Kinh tế Quốc dân) đã xây dựng thành công bức tranh định lượng thực nghiệm toàn diện về cơ chế truyền dẫn của các yếu tố vi mô và vĩ mô đến định giá cổ phiếu năng lượng giai đoạn 2017 – 2021.

Công trình đã chứng minh một cách khoa học rằng giá cổ phiếu dầu khí không biến động ngẫu nhiên mà chịu sự dẫn dắt mạnh mẽ bởi ba trụ cột nội tại cốt lõi: Lãi trên mỗi cổ phiếu ($EPS$), Hệ số định giá ($P/E$) và Quy mô Vốn chủ sở hữu ($VCSH$), đồng thời chịu sự tương tác từ Giá dầu thô thế giới ($OILPRICE$), Lãi suất và Lạm phát. Việc tuân thủ quy trình kiểm định kinh tế lượng dữ liệu bảng nghiêm ngặt giúp nghiên cứu trở thành tài liệu tham khảo học thuật và ứng dụng thực tiễn có giá trị cao cho công tác phân tích, đầu tư và quản trị rủi ro trên thị trường tài chính Việt Nam.