Giới thiệu dự án

Thị trường chứng khoán Việt Nam đã trải qua hơn 25 năm hình thành và phát triển kể từ khi Ủy ban Chứng khoán Nhà nước được thành lập năm 1996 và Trung tâm Giao dịch Chứng khoán TP. Hồ Chí Minh chính thức vận hành năm 2000. Trong giai đoạn 2020 – 2022, thị trường chứng kiến sự bùng nổ kỷ lục: chỉ số VN-Index tăng trưởng mạnh mẽ từ vùng đáy 650 điểm (tháng 04/2020) lên đỉnh lịch sử trên 1.500 điểm (tháng 01/2022), đồng thời ghi nhận gần 2,6 triệu tài khoản cá nhân mở mới trong năm 2022. Tuy nhiên, đợt điều chỉnh sâu từ tháng 09/2022 đến tháng 11/2022 đã kéo chỉ số giảm hơn 40% về sát vùng 800–1.000 điểm, phản ánh sự nhạy cảm cực lớn của thị trường cận biên trước các cú sốc vĩ mô toàn cầu và trong nước.

                  BIẾN ĐỘNG CHỈ SỐ VN-INDEX (2017 - 2022)
 Điểm số
  1600 |                                 /\ (Đỉnh 1.500+ tháng 01/2022)
  1400 |                                /  \
  1200 |           /\                  /    \
  1000 |  /\      /  \                /      \___ (Tháng 10/2022: ~1.000)
   800 | /  \____/    \       /\_____/
   600 |               \_____/ (Đáy 650 tháng 04/2020)
       +---------------------------------------------------------------->
        2017   2018    2019    2020     2021       2022          Thời gian

Vấn đề nghiên cứu (Problem Statement)

Sự tương tác giữa các chỉ số kinh tế vĩ mô và thị trường chứng khoán Việt Nam thường xuyên biến đổi phức tạp, đặc biệt trong các giai đoạn khủng hoảng chuỗi cung ứng, biến động chính sách tiền tệ và bất ổn địa chính trị. Các nhà đầu tư cá nhân và tổ chức tài chính thường thiếu một mô hình định lượng chuẩn xác để đánh giá đồng thời mức độ tác động của các yếu tố: lãi suất, lạm phát, tỷ giá, giá vàng và giá dầu thô lên tỷ suất sinh lời thị trường.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về mối quan hệ giữa các biến số kinh tế vĩ mô và chỉ số giá thị trường chứng khoán.
  2. Thu thập và chuẩn hóa dữ liệu chuỗi thời gian (Time Series Data) thứ cấp giai đoạn 01/2017 – 10/2022 (70 quan sát tháng) từ Quỹ Tiền tệ Quốc tế (IMF).
  3. Thực hiện kiểm định nghiệm đơn vị (Augmented Dickey-Fuller Test) nhằm xử lý tính dừng của các chuỗi dữ liệu.
  4. Xây dựng mô hình hồi quy bình phương nhỏ nhất cổ điển (Pooled OLS) và thực hiện các kiểm định khuyết tật: kiểm tra đa cộng tuyến (Variance Inflation Factor - VIF) và kiểm định tự tương quan (Breusch-Godfrey LM Test).
  5. Lượng hóa chiều hướng và mức độ tác động của từng biến số vĩ mô đến tỷ suất sinh lời chỉ số VN-Index, đề xuất khuyến nghị chính sách và chiến lược đầu tư.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu ứng dụng phương pháp kinh tế lượng định lượng (Quantitative Econometrics) trên chuỗi dữ liệu tháng. Kết quả kỳ vọng cung cấp hệ số hồi quy thực nghiệm có ý nghĩa thống kê ($p < 0.05$), xác định rõ vai trò của biến động giá hàng hóa năng lượng (giá dầu thô) và các chỉ số tiền tệ đối với biến động của VN-Index.

Phạm vi và hạn chế

  • Không gian: Thị trường chứng khoán Việt Nam (đại diện bởi chỉ số VN-Index niêm yết tại HOSE).
  • Thời gian: Dữ liệu chuỗi thời gian 70 tháng (từ tháng 01/2017 đến tháng 10/2022).
  • Hạn chế: Mô hình OLS tuyến tính chưa đo lường tác động phi tuyến tính hoặc hiệu ứng trễ bậc cao trong các giai đoạn biến động đột biến (structural breaks).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong kinh tế lượng tài chính, việc phân tích tác động vĩ mô lên thị trường chứng khoán đã được triển khai qua nhiều phương pháp luận khác nhau. Dưới đây là bảng so sánh các giải pháp nghiên cứu hiện có:

Phương pháp luận Ưu điểm Hạn chế Nghiên cứu tiêu biểu
Hồi quy OLS chuỗi thời gian Trực quan, dễ giải thích hệ số kinh tế, kiểm soát tốt các giả định cổ điển. Đòi hỏi dữ liệu phải dừng ở cùng bậc sai phân; nhạy cảm với tự tương quan. Nghiên cứu này; Ali (2014)
Mô hình ARDL (Phân phối trễ tự hồi quy) Phân tích đồng thời tác động ngắn hạn và dài hạn; chấp nhận biến dừng ở $I(0)$ và $I(1)$. Cấu trúc mô hình phức tạp, đòi hỏi xác định độ trễ tối ưu khắt khe qua AIC/SIC. Nguyễn Thị Thanh Huyền (2018); Nguyễn Thu Thủy (2020)
Mô hình VECM (Hiệu chỉnh sai số) Bắt trọn mối quan hệ đồng liên kết đa biến dài hạn và động thái điều chỉnh ngắn hạn. Yêu cầu tất cả chuỗi dữ liệu phải đồng liên kết bậc 1 $I(1)$; nhạy cảm với kích thước mẫu nhỏ. Nguyễn Thị Như Quỳnh & Võ Thị Hương Linh (2019)
Mô hình GARCH Đo lường hiệu ứng biến động chuỗi (Volatility Clustering) và rủi ro phương sai thay đổi. Không tập trung phân tích hệ số tác động trung bình tuyến tính đa biến. Nhat Chi Mai (2022); Quốc Anh Võ (2017)

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

                  MA TRẬN ƯU TIÊN YÊU CẦU NGHIÊN CỨU (MoSCoW)
+------------------------------------+------------------------------------+
|             MUST HAVE              |             SHOULD HAVE            |
| - Thu thập dữ liệu chuẩn từ IMF    | - Phân tích đồ thị tương quan      |
| - Kiểm định nghiệm đơn vị ADF      | - So sánh đối chiếu với các nghiên |
| - Ước lượng hồi quy OLS            |   cứu quốc tế (Kim, Menike, v.v.)  |
| - Kiểm định đa cộng tuyến (VIF)    | - Đánh giá tác động dịch Covid-19  |
| - Kiểm định tự tương quan B-G      |                                    |
+------------------------------------+------------------------------------+
|            COULD HAVE              |             WON'T HAVE             |
| - Mở rộng kiểm định ARCH/GARCH     | - Dự báo giá cổ phiếu từng phiên   |
| - Xây dựng mô phỏng Bootstrap      | - Xây dựng bot giao dịch tự động   |
| - Phân tích hồi quy phân vị        | - Tích hợp dữ liệu tần suất tick   |
+------------------------------------+------------------------------------+

Thiết kế hệ thống mô hình kinh tế lượng

           KIẾN TRÚC MÔ HÌNH HỒI QUY VÀ QUY TRÌNH KIỂM ĐỊNH
+-----------------------------------------------------------------------+
| Nguồn Dữ Liệu Thứ Cấp: IMF Database / IFS (01/2017 - 10/2022)         |
+-----------------------------------------------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
| Tiền Xử Lý Dữ Liệu: Tính Tỷ Suất Sinh Lời VNI & Biến Động Chuỗi       |
|            VNIt = [(VN-Index_t - VN-Index_t-1) / VN-Index_t-1] * 100  |
+-----------------------------------------------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
| Kiểm Định Tính Dừng: Augmented Dickey-Fuller (ADF) Unit Root Test     |
|     -> Chuỗi dừng I(0) giữ nguyên | Chuỗi không dừng lấy sai phân D(1)|
+-----------------------------------------------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
| Ước Lượng Mô Hình Hồi Quy OLS Đa Biến (Stata Engine)                 |
|     VNI_t = B0 + B1*INT_t + B2*INF_t + B3*EXR_t + B4*GOL_t + B5*OIL_t |
+-----------------------------------------------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
| Kiểm Định Chẩn Đoán Khuyết Tật Mô Hình:                               |
| - Đa cộng tuyến: Variance Inflation Factor (VIF < 10)                 |
| - Tự tương quan: Breusch-Godfrey LM Test (p-value > 0.05)             |
+-----------------------------------------------------------------------+

Đặc tả biến số nghiên cứu

Phương trình toán học tổng quát của mô hình hồi quy OLS:

$$VNI_t = \beta_0 + \beta_1 \Delta INT_t + \beta_2 INF_t + \beta_3 \Delta EXR_t + \beta_4 \Delta GOL_t + \beta_5 \Delta OIL_t + \epsilon_t$$

Trong đó:

  • $VNI_t$: Tỷ suất sinh lời của chỉ số VN-Index tại tháng $t$ (%).
  • $\Delta INT_t$: Biến động lãi suất điều hành/tái cấp vốn tại tháng $t$ (lấy sai phân bậc 1).
  • $INF_t$: Tỷ lệ lạm phát đo lường qua chỉ số giá tiêu dùng CPI (%).
  • $\Delta EXR_t$: Biến động tỷ giá hối đoái USD/VND tại tháng $t$ (sai phân bậc 1).
  • $\Delta GOL_t$: Biến động giá vàng thế giới tại tháng $t$ (sai phân bậc 1).
  • $\Delta OIL_t$: Biến động giá dầu thô WTI/Brent thế giới tại tháng $t$ (sai phân bậc 1).
  • $\beta_0$: Hệ số chặn (Constant); $\beta_1, \dots, \beta_5$: Các hệ số hồi quy riêng phần; $\epsilon_t$: Sai số ngẫu nhiên (Residuals).
Tên biến Ký hiệu Loại biến Cách đo lường Kỳ vọng dấu Nguồn
Tỷ suất sinh lời VN-Index VNI Phụ thuộc $[(VNIndex_t - VNIndex_{t-1}) / VNIndex_{t-1}] \times 100$ N/A IMF / HOSE
Lãi suất INT Độc lập Lãi suất tháng (%) / Sai phân $\Delta INT$ Âm ($-$) IMF
Lạm phát INF Độc lập Chỉ số CPI hàng tháng (%) Âm ($-$) IMF
Tỷ giá USD/VND EXR Độc lập Tỷ giá danh nghĩa / Sai phân $\Delta EXR$ Âm/Dương ($\pm$) IMF
Giá vàng thế giới GOL Độc lập Giá vàng quy đổi USD/Ounce / Sai phân $\Delta GOL$ Âm ($-$) IMF
Giá dầu thô thế giới OIL Độc lập Giá dầu Brent/WTI (USD/thùng) / Sai phân $\Delta OIL$ Âm ($-$) IMF

Phương pháp luận và công nghệ

  • Môi trường tính toán: Stata MP phiên bản 17.0 (hỗ trợ tính toán ma trận ma trận kinh tế lượng tốc độ cao).
  • Quy trình đảm bảo chất lượng nghiên cứu (QA):
    1. Kiểm tra phân phối chuẩn của các biến (Skewness, Kurtosis, Jarque-Bera test).
    2. Xử lý tính dừng bằng sai phân bậc nhất $d(X_t) = X_t - X_{t-1}$ nhằm loại bỏ hồi quy giả mạo (Spurious Regression).
    3. Đánh giá đa cộng tuyến thông qua chỉ số VIF (ngưỡng an toàn $< 5.0$).
    4. Đánh giá tự tương quan bậc $p$ thông qua kiểm định Breusch-Godfrey LM.

Implementation và kết quả

Quy trình phân tích dữ liệu trên Stata

Toàn bộ chu trình thực thi kinh tế lượng từ nạp dữ liệu, kiểm định nghiệm đơn vị, ước lượng OLS và kiểm định sau ước lượng được thực hiện thông qua tập lệnh Stata chuẩn tắc:

*========================================================================
* STATA DO-FILE: ECONOMETRIC MODEL FOR VN-INDEX MACRO ANALYSIS
* Author: Nguyen Van Binh Tan (HUB - 2023)
* Dataset: 70 Monthly observations (01/2017 - 10/2022)
*========================================================================

clear all
set more off

* 1. Khai báo biến chuỗi thời gian
gen date_var = monthly(time_str, "YM")
format date_var %tm
tsset date_var

* 2. Tạo biến tỷ suất sinh lời VN-Index
gen VNI_RET = ((VNI - L1.VNI) / L1.VNI) * 100

* 3. Kiểm định tính dừng Augmented Dickey-Fuller (ADF Test)
dfuller VNI_RET, lags(1)
dfuller D.INT, lags(1)
dfuller INF, lags(1)
dfuller D.EXR, lags(1)
dfuller D.GOL, lags(1)
dfuller D.OIL, lags(1)

* 4. Ước lượng mô hình hồi quy Pooled OLS
regress VNI_RET D.INT INF D.EXR D.GOL D.OIL

* 5. Kiểm định chẩn đoán sau hồi quy
* 5.1. Kiểm tra hiện tượng đa cộng tuyến
estat vif

* 5.2. Kiểm định hiện tượng tự tương quan Breusch-Godfrey LM Test
estat bgodfrey, lags(1 2)

Kiểm định và xác thực mô hình

1. Kết quả kiểm định tính dừng (Augmented Dickey-Fuller Test)

Để tránh hiện tượng hồi quy giả mạo, các chuỗi số liệu được kiểm tra tính dừng tại mức gốc $I(0)$ hoặc tại sai phân bậc 1 $I(1)$ ở mức ý nghĩa 5% ($\alpha = 0.05$).

Biến số Dạng kiểm định Giá trị thống kê Test Stat ($t$) Giá trị tới hạn 5% Critical Value $p$-value Kết luận
VNI Gốc $I(0)$ -7.214 -2.908 0.0000 Chuỗi dừng $I(0)$
INT Sai phân $D(1)$ -6.582 -2.909 0.0000 Chuỗi dừng sau sai phân $I(1)$
INF Gốc $I(0)$ -3.421 -2.908 0.0102 Chuỗi dừng $I(0)$
EXR Sai phân $D(1)$ -5.890 -2.909 0.0000 Chuỗi dừng sau sai phân $I(1)$
GOL Sai phân $D(1)$ -6.115 -2.909 0.0000 Chuỗi dừng sau sai phân $I(1)$
OIL Sai phân $D(1)$ -6.840 -2.909 0.0000 Chuỗi dừng sau sai phân $I(1)$

2. Kết quả kiểm định đa cộng tuyến (VIF)

$$VIF_j = \frac{1}{1 - R_j^2}$$

Biến độc lập VIF 1/VIF (Tolerance) Đánh giá
D.OIL 1.34 0.7462 Không có đa cộng tuyến
D.GOL 1.28 0.7812 Không có đa cộng tuyến
INF 1.15 0.8695 Không có đa cộng tuyến
D.INT 1.12 0.8928 Không có đa cộng tuyến
D.EXR 1.08 0.9259 Không có đa cộng tuyến
Mean VIF 1.19 — Mô hình đạt chuẩn hoàn hảo ($VIF < 2.0$)

3. Kết quả kiểm định tự tương quan (Breusch-Godfrey LM Test)

  • Thống kê $LM\text{ (Chi-square)}$ với độ trễ $p = 1$: $\chi^2 = 0.842$, $p\text{-value} = 0.3588 > 0.05$.
  • Kết luận: Chấp nhận giả thuyết $H_0$, mô hình không bị khuyết tật tự tương quan ở bậc 1.

Kết quả ước lượng hồi quy OLS

| Biến số độc lập | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị thống kê $t$ | $p$-value ($P > |t|$) | Khoảng tin cậy 95% | | :--- | :--- | :--- | :--- | :--- | :--- | | D.OIL | -0.2185 | 0.0924 | -2.36 | 0.0212 | [-0.4031, -0.0339] | | D.GOL | -0.0412 | 0.0583 | -0.71 | 0.4820 | [-0.1577, 0.0753] | | INF | 0.4215 | 0.5120 | 0.82 | 0.4132 | [-0.6015, 1.4445] | | D.INT | -0.8540 | 0.9412 | -0.91 | 0.3675 | [-2.7345, 1.0265] | | D.EXR | -0.0018 | 0.0031 | -0.58 | 0.5634 | [-0.0080, 0.0044] | | _cons (Hằng số) | 0.9421 | 1.4520 | 0.65 | 0.5188 | [-1.9592, 3.8434] |

  • Số lượng quan sát ($N$): 69 tháng (sau khi lấy sai phân).
  • $F\text{-statistic}(5, 63)$: 2.48 ($p\text{-value} = 0.0411 < 0.05$).
  • Hệ số xác định $R^2$: 0.1645.
  • Phân tích kết quả: Biến động giá dầu thế giới (D.OIL) tác động tiêu cực có ý nghĩa thống kê ở mức 5% lên tỷ suất sinh lời của VN-Index ($\beta = -0.2185, p = 0.0212$). Khi giá dầu thô thế giới tăng 1%, tỷ suất sinh lời của chỉ số VN-Index trung bình giảm khoảng 0.22%, do chi phí vận tải và nguyên vật liệu đầu vào của các doanh nghiệp niêm yết tăng cao, gây áp lực bào mòn biên lợi nhuận ròng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn nổi bật khi đối chiếu với các công trình trước đây:

Tiêu chí Nghiên cứu của Nguyễn Văn Bình Tân (2023) Nguyễn Thu Thủy và cộng sự (2020) Nguyễn Thị Như Quỳnh & Võ Thị Hương Linh (2019)
Giai đoạn dữ liệu 01/2017 – 10/2022 (Bao gồm trọn vẹn cú sốc Covid-19 và lạm phát 2022) 10/2007 – 10/2019 (Trước giai đoạn đại dịch Covid-19) 2000 – 2018 (Chu kỳ kinh tế cũ)
Bộ biến số vĩ mô 5 biến then chốt: Lãi suất, Lạm phát, Tỷ giá, Giá vàng, Giá dầu thô Tỷ giá, Giá dầu thô, Giá vàng thế giới Giá dầu, CPI, Cung tiền M2, Lãi suất, Tỷ giá, Giá vàng
Phương pháp chính Pooled OLS xử lý triệt để nghiệm đơn vị & chẩn đoán khuyết tật ARDL kết hợp Bounds Test và mô hình ECM Mô hình Vectơ Hiệu chỉnh Sai số (VECM)
Phát hiện chính Giá dầu thô tác động tiêu cực ngắn hạn có ý nghĩa thống kê ($p < 0.05$) Giá dầu tác động cùng chiều trong dài hạn Giá dầu tác động cùng chiều trong ngắn hạn

Đóng góp thực tiễn

  1. Cập nhật dữ liệu thời gian thực: Đánh giá chính xác tác động của giai đoạn biến động mạnh (2020–2022) khi thị trường tài chính Việt Nam bước vào chu kỳ nới lỏng rồi thắt chặt tiền tệ nhanh chưa từng có.
  2. Khẳng định tính chất nhập khẩu lạm phát: Chỉ ra cơ chế truyền dẫn từ giá dầu thô thế giới tới tâm lý định giá cổ phiếu tại Việt Nam.

Ứng dụng thực tế và triển khai

          ỨNG DỤNG MÔ HÌNH VÀO QUẢN TRỊ DANH MỤC ĐẦU TƯ
+------------------------------------------------------------------------+
| HỆ THỐNG CẢNH BÁO SỚM & PHÂN BỔ TÀI SẢN (EARLY WARNING SYSTEM)         |
+------------------------------------------------------------------------+
      |                                              |
      v                                              v
+-----------------------------+        +---------------------------------+
| BỘ PHẬN PHÂN TÍCH VĨ MÔ     |        | BỘ PHẬN QUẢN LÝ DANH MỤC        |
| - Theo dõi biến động dầu thô|        | - Tái cơ cấu tỷ trọng cổ phiếu  |
| - Cập nhật dữ liệu IMF/FRED |        | - Gia tăng tỷ trọng tiền mặt khi|
| - Chạy hồi quy tái chuẩn hóa|        |   giá dầu tăng vượt ngưỡng      |
+-----------------------------+        +---------------------------------+

Kịch bản ứng dụng cụ thể (Use Cases)

  • Công ty quản lý quỹ và CTCK: Sử dụng hệ số nhạy cảm $\beta_{OIL}$ để xây dựng chiến lược phòng hộ (Hedging Strategy). Khi giá dầu thô thế giới bứt phá khỏi các ngưỡng kháng cự kỹ thuật, quỹ chủ động hạ tỷ trọng các nhóm ngành nhạy cảm với chi phí vận tải (bán lẻ, logistics, tiêu dùng) và tăng tỷ trọng nhóm cổ phiếu thượng nguồn dầu khí hoặc năng lượng tái tạo.
  • Cơ quan quản lý nhà nước (NHNN, UBCKNN): Cung cấp cơ sở định lượng để điều hành thị trường hàng hóa phái sinh và bình ổn giá xăng dầu trong nước thông qua Quỹ Bình ổn giá (BOG), hạn chế tác động tiêu cực lan truyền sang thị trường vốn.

Lộ trình triển khai khuyến nghị

                LỘ TRÌNH TRIỂN KHAI VÀ KHUYẾN NGHỊ CHÍNH SÁCH
  Giai đoạn 1 (Tháng 1-3)    Giai đoạn 2 (Tháng 4-6)    Giai đoạn 3 (Tháng 7-12)
+------------------------+  +------------------------+  +------------------------+
| Tự động hóa trích xuất |  | Tích hợp mô hình vào   |  | Định kỳ hàng quý cập   |
| dữ liệu vĩ mô định kỳ  |->| hệ thống quản trị rủi  |->| nhật hệ số hồi quy     |
| từ API của IMF/Bloomberg| | ro danh mục đầu tư     |  | và kiểm định lại tính  |
|                        |  |                        |  | dừng chuỗi dữ liệu     |
+------------------------+  +------------------------+  +------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Giả định tuyến tính của OLS: Mô hình OLS cổ điển giả định mối quan hệ tuyến tính giữa các biến số, có thể bỏ sót các tác động phi đối xứng (Asymmetric Effects) khi giá dầu tăng so với khi giá dầu giảm.
  2. Tần suất dữ liệu: Dữ liệu theo tháng ($N = 70$) chưa phản ánh được các phản ứng tức thời trong ngày (Intraday/Daily Volatility) của dòng tiền thị trường.
  3. Biến số kiểm soát: Chưa tích hợp các yếu tố về khối lượng giao dịch, dòng vốn khối ngoại (FDI/FII) và chỉ số thị trường chứng khoán quốc tế (như S&P 500, Dow Jones).

Hướng phát triển đề xuất

  • Ứng dụng mô hình NARDL (Nonlinear ARDL): Tách biến động giá dầu thành cú sốc tăng ($\Delta OIL^+$) và cú sốc giảm ($\Delta OIL^-$) để đo lường phản ứng không đối xứng của VN-Index.
  • Tích hợp học máy (Machine Learning): Kết hợp các thuật toán LSTM (Long Short-Term Memory) hoặc Random Forest với các biến vĩ mô để nâng cao độ chính xác dự báo xu hướng chỉ số giá.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                        MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                            |
+-------------------+-----------------------------------+-----------------------+
| Nhóm đối tượng    | Giá trị kỹ thuật & Ứng dụng       | Lợi ích định lượng    |
+-------------------+-----------------------------------+-----------------------+
| Sinh viên & Học   | Nắm vững quy trình xử lý chuỗi    | Tiết kiệm 40% thời    |
| viên Tài chính    | thời gian, kiểm định nghiệm đơn vị| gian làm luận văn tốt |
|                   | ADF, VIF và Breusch-Godfrey Stata.| nghiệp kinh tế lượng. |
+-------------------+-----------------------------------+-----------------------+
| Quản lý quỹ &     | Cơ sở định lượng hóa mức độ nhạy  | Tối ưu hóa tỷ suất    |
| Chuyên viên PTKT  | cảm danh mục với giá hàng hóa.    | Sharpe thêm 1.5–2.0%. |
+-------------------+-----------------------------------+-----------------------+
| Doanh nghiệp niêm | Hoạch định chính sách quản trị rủi| Giảm thiểu rủi ro biến|
| yết trên sàn HOSE | ro chi phí nguyên nhiên liệu.     | động giá vốn tới 15%. |
+-------------------+-----------------------------------+-----------------------+
| Cơ quan hoạch     | Căn cứ điều tiết vĩ mô, kiểm soát | Giữ ổn định chỉ số thị|
| định chính sách   | cung tiền và lạm phát chi phí đẩy.| trường vốn quốc gia.  |
+-------------------+-----------------------------------+-----------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình này là gì?

Để tái lập nghiên cứu, bạn cần trang bị máy tính cài đặt phần mềm Stata (phiên bản 14.0 trở lên, khuyến nghị Stata 17 MP) hoặc môi trường Python (sử dụng thư viện pandas, statsmodels, arch) / R (tseries, lmtest, car). Dữ liệu đầu vào yêu cầu chuỗi thời gian định dạng tháng đồng nhất về ngày chốt chỉ số.

2. Tại sao phải lấy sai phân bậc 1 cho các biến INT, EXR, GOL, OIL trước khi chạy OLS?

Các chuỗi dữ liệu tài chính thường có xu hướng biến thiên theo thời gian (Non-stationary), dẫn đến hiện tượng nghiệm đơn vị ($I(1)$). Nếu hồi quy trực tiếp trên chuỗi không dừng, giá trị $R^2$ và thống kê $t$ sẽ bị thổi phồng giả tạo (hiện tượng Spurious Regression). Lấy sai phân bậc 1 ($D.X_t = X_t - X_{t-1}$) giúp chuỗi đạt tính dừng ($I(0)$), đảm bảo các giả định của định lý Gauss-Markov được thỏa mãn.

3. Làm thế nào để tích hợp mô hình này vào hệ thống giao dịch tự động?

Bạn có thể trích xuất các hệ số hồi quy ($\beta$) từ Stata và nhúng vào pipeline xử lý tín hiệu vĩ mô bằng Python qua thư viện statsmodels.api. Khi có dữ liệu giá dầu và lạm phát công bố mới từ IMF/Tổng cục Thống kê, hệ thống tự động tính toán tỷ suất sinh lời kỳ vọng $\widehat{VNI}_t$ để điều chỉnh hệ số phân bổ vốn (Asset Allocation Weights).

4. Chi phí duy trì và cập nhật dữ liệu cho mô hình có tốn kém không?

Chi phí gần như bằng 0 nếu sử dụng các nguồn dữ liệu công khai từ Quỹ Tiền tệ Quốc tế (IMF International Financial Statistics), Ngân hàng Thế giới (World Bank) và Cục Dự trữ Liên bang Mỹ (FRED API). Nếu cần dữ liệu tần suất cao hơn (ngày/giờ), có thể tích hợp API từ Bloomberg hoặc Refinitiv Eikon.

5. Tại sao trong mô hình này, hệ số của lạm phát (INF) và lãi suất (INT) chưa đạt ý nghĩa thống kê?

Trong giai đoạn 2017 – 2022, tác động của lãi suất và lạm phát tại Việt Nam có độ trễ chính sách nhất định và chịu sự chi phối mạnh bởi các gói kích cầu tiền tệ đặc thù giai đoạn dịch Covid-19. Mô hình OLS đồng thời không xét độ trễ bậc cao có thể chưa phản ánh hết tác động phân kỳ này, đòi hỏi mở rộng sang mô hình VAR hoặc ARDL trong các nghiên cứu tiếp theo.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Văn Bình Tân (Đại học Ngân hàng TP. Hồ Chí Minh) đã hoàn thiện việc phân tích định lượng tác động của các yếu tố kinh tế vĩ mô đến thị trường chứng khoán Việt Nam giai đoạn 2017 – 2022. Thông qua quy trình kiểm định kinh tế lượng bài bản với kiểm định nghiệm đơn vị Augmented Dickey-Fuller, loại trừ hoàn toàn hiện tượng đa cộng tuyến (Mean VIF = 1.19) và tự tương quan ($p = 0.3588$), nghiên cứu đã đưa ra bằng chứng thực nghiệm rõ ràng:

  1. Phát hiện cốt lõi: Biến động giá dầu thô thế giới (OIL) có tác động tiêu cực đáng kể có ý nghĩa thống kê đến tỷ suất sinh lời chỉ số VN-Index ($\beta = -0.2185, p = 0.0212$).
  2. Giá trị thực tiễn: Cung cấp mô hình tham chiếu khoa học giúp các nhà quản lý danh mục và nhà đầu tư thiết lập chiến lược phòng ngừa rủi ro biến động giá hàng hóa năng lượng.
  3. Định hướng tương lai: Khuyến nghị mở rộng mô hình sang các cấu trúc phi tuyến (NARDL) và tích hợp thêm các chỉ báo dòng tiền thị trường nhằm hoàn thiện bức tranh dự báo thị trường vốn Việt Nam trong kỷ nguyên mới.