Giới thiệu dự án
Thị trường chứng khoán (TTCK) Việt Nam đang trong giai đoạn chuyển mình mạnh mẽ với mục tiêu nâng hạng từ thị trường cận biên (Frontier Market) lên thị trường mới nổi (Emerging Market). Trong cấu trúc vốn hóa toàn thị trường, nhóm cổ phiếu Ngân hàng Thương mại (NHTM) luôn đóng vai trò là nhóm cổ phiếu "vua", chiếm tỷ trọng từ 30% đến 35% tổng vốn hóa chỉ số VN-Index trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE). Do đặc thù hoạt động kinh doanh tiền tệ chịu sự điều tiết chặt chẽ của Ngân hàng Nhà nước (NHNN) và độ nhạy cảm cao trước các cú sốc vĩ mô, biến động giá cổ phiếu ngân hàng (Stock Price Volatility - SPV) tạo ra tác động lan tỏa sâu rộng đến toàn bộ hệ thống tài chính.
+-----------------------------------------------------------------------------------+
| BỐI CẢNH VĨ MÔ & THỊ TRƯỜNG CHỨNG KHOÁN |
+-----------------------------------------------------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| TÍNH THANH KHOẢN NGÂN HÀNG (LIQ) |
| - Tỷ lệ tài sản thanh khoản / Tổng tài sản (Hệ số L1 - Vodová, 2011) |
| - Khả năng hấp thu sốc rút tiền gửi & ổn định cung ứng tín dụng |
+-----------------------------------------------------------------------------------+
|
[Tác động ngược chiều (Beta < 0)]
v
+-----------------------------------------------------------------------------------+
| BIẾN ĐỘNG GIÁ CỔ PHIẾU NGÂN HÀNG (SPV) |
| - Đo lường qua biên độ giá cực trị Parkinson (1980) |
| - Ổn định tâm lý nhà đầu tư, giảm thiểu rủi ro hệ thống |
+-----------------------------------------------------------------------------------+
Vấn đề nghiên cứu thực tiễn
Mặc dù thanh khoản ngân hàng là yếu tố sống còn quyết định sự tồn tại và uy tín của một tổ chức tín dụng (Basel Committee on Banking Supervision, 2008), các nghiên cứu trước đây chủ yếu tập trung vào mối quan hệ giữa thanh khoản và tỷ suất sinh lời (Stock Returns), bỏ ngỏ tác động trực tiếp của thanh khoản đến mức độ biến động giá (Stock Volatility). Trên các thị trường mới nổi như Việt Nam, hành vi giao dịch theo bầy đàn (Noise/Herd trading) của nhà đầu tư cá nhân (chiếm trên 85% thanh khoản thị trường) khiến giá cổ phiếu dễ bị sai lệch khỏi giá trị nội tại khi xuất hiện các tin đồn về rủi ro thanh khoản. Hơn nữa, việc đánh giá tác động này thường gặp hiện tượng nội sinh (Endogeneity) nghiêm trọng do quan hệ nhân quả hai chiều giữa thanh khoản và định giá thị trường.
Mục tiêu nghiên cứu
- Lượng hóa mức độ biến động giá cổ phiếu: Ứng dụng thước đo giá trị cực trị Parkinson (1980) để tính toán chỉ số $SPV$ cho toàn bộ các NHTM niêm yết trên 3 sàn HOSE, HNX và UPCOM trong giai đoạn 2012–2022.
- Xác định cơ chế tác động của thanh khoản ($LIQ$): Kiểm định thực nghiệm chiều hướng và cường độ tác động của hệ số thanh khoản $L1$ đến $SPV$ dưới sự kiểm soát của các biến nội tại ngân hàng ($SIZE$, $AFCL$, $P/E$) và biến số kinh tế vĩ mô ($IR$, $GDP$, $EXR$).
- Giải quyết triệt để khuyết tật kinh tế lượng: Áp dụng phương pháp hồi quy GMM hệ thống 2 bước (Two-step System GMM) nhằm kiểm soát hiện tượng nội sinh, tự tương quan và phương sai sai số thay đổi.
- Đề xuất hàm ý chính sách và chiến lược giao dịch: Xây dựng khung khuyến nghị quản trị thanh khoản theo chuẩn mực Basel III cho NHTM và chiến lược phân bổ danh mục cho nhà đầu tư.
Phạm vi và giới hạn dữ liệu
- Không gian nghiên cứu: 27 NHTM cổ phần niêm yết tại Việt Nam (gồm 17 ngân hàng sàn HOSE, 2 ngân hàng sàn HNX và 8 ngân hàng sàn UPCOM), đại diện cho hơn 90% tổng tài sản hệ thống NHTM cổ phần.
- Thời gian nghiên cứu: Giai đoạn 11 năm (2012–2022), bao gồm các chu kỳ tái cơ cấu ngân hàng 2011–2015, đại dịch COVID-19 (2020–2021) và chu kỳ thắt chặt tiền tệ năm 2022.
- Giới hạn: Nghiên cứu sử dụng dữ liệu bảng tần suất năm từ báo cáo tài chính hợp nhất đã kiểm toán kết hợp dữ liệu giao dịch từ FiinPro Platform Version 2.0.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trong kinh tế lượng tài chính, việc mô hình hóa dữ liệu bảng cho nhóm ngân hàng thường đối mặt với các vấn đề cấu trúc: sự dị biệt cá thể không quan sát được, tương quan chuỗi và biến trễ nội sinh. Bảng so sánh dưới đây phân tích các cách tiếp cận mô hình hóa hiện có:
| Phương pháp |
Ưu điểm |
Nhược điểm / Hạn chế |
Mức độ phù hợp với đề tài |
| Pooled OLS |
Đơn giản, trực quan, dễ tính toán trên mẫu nhỏ. |
Bỏ qua hoàn toàn đặc trưng riêng lẻ của từng ngân hàng; ước lượng bị chệch khi có tự tương quan. |
Không phù hợp (dùng làm cơ sở đối chiếu). |
| Fixed Effects Model (FEM) |
Kiểm soát được các yếu tố bất biến theo thời gian của từng ngân hàng; triệt tiêu chệch do biến bị bỏ sót. |
Không xử lý được biến nội sinh nghiêm ngặt; ước lượng chệch khi mô hình có biến trễ phụ thuộc ($SPV_{i,t-1}$). |
Phù hợp ở mức cơ bản, không xử lý được nội sinh. |
| Random Effects Model (REM) |
Hiệu quả hơn FEM nếu giả định không có tương quan giữa sai số cá thể và biến giải thích được thỏa mãn. |
Giả định tính trực giao thường bị vi phạm trong dữ liệu ngân hàng; không xử lý được quan hệ nhân quả ngược. |
Bị bác bỏ thông qua kiểm định Hausman. |
| Difference GMM (DGMM) |
Triệt tiêu sai số cố định bằng sai phân bậc 1; dùng biến trễ làm biến công cụ (IV). |
Dễ gặp hiện tượng biến công cụ yếu (Weak Instruments) khi dữ liệu có tính bền vững chuỗi cao. |
Tốt hơn mô hình tĩnh, nhưng kém hiệu quả hơn SGMM. |
| System GMM (SGMM) |
Kết hợp đồng thời phương trình sai phân và phương trình mức; giải quyết biến công cụ yếu và nội sinh động. |
Đòi hỏi số lượng ngân hàng ($N=27$) lớn hơn số lượng năm ($T=11$); nhạy cảm với việc bùng nổ biến công cụ. |
Lựa chọn tối ưu nhất (Arellano & Bover, 1995; Blundell & Bond, 1998). |
Thiết kế khung nghiên cứu và mô hình thực nghiệm
Mô hình nghiên cứu dạng tổng quát được xây dựng trên nền tảng Lý thuyết Thị trường Hiệu quả (EMH - Fama, 1970) và Lý thuyết Bước đi Ngẫu nhiên (Kendall, 1953; Malkiel, 1973):
$$SPV_{i,t} = \alpha_0 + \delta SPV_{i,t-1} + \beta_1 LIQ_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 AFCL_{i,t} + \beta_4 PE_{i,t} + \beta_5 IR_t + \beta_6 GDP_t + \beta_7 EXR_t + \eta_i + \varepsilon_{i,t}$$
+----------------------------------------------------------------------------------------------------+
| DANH MỤC BIẾN SỐ TRONG MÔ HÌNH |
+-------------------+---------+----------------------------------------------+-----------------------+
| Tên biến | Ký hiệu | Công thức xác định / Đo lường | Nguồn dữ liệu |
+-------------------+---------+----------------------------------------------+-----------------------+
| Biến phụ thuộc: | | | |
| Biến động giá CP | SPV | Parkinson (1980): căn bậc 2 của ln(H/L)^2 / (4*ln2) | FiinPro Platform |
| Biến độc lập: | | | |
| Thanh khoản | LIQ | Hệ số L1 = Tài sản thanh khoản / Tổng tài sản | BCTC kiểm toán |
| Biến kiểm soát: | | | |
| Quy mô ngân hàng | SIZE | Logarit tự nhiên của Tổng tài sản ln(Assets) | BCTC kiểm toán |
| Dự phòng rủi ro TD| AFCL | Dự phòng rủi ro tín dụng / Tổng dư nợ | BCTC kiểm toán |
| Định giá P/E | PE | Giá thị trường / Thu nhập mỗi cổ phần | FiinPro Platform |
| Lãi suất tiền gửi | IR | (Lãi suất năm t - Lãi suất năm t-1) / Lãi suất t-1 | FiinPro / NHNN |
| Tăng trưởng GDP | GDP | Tốc độ tăng trưởng GDP thực tế hàng năm | Tổng cục Thống kê |
| Tỷ giá hối đoái | EXR | (Tỷ giá năm t - Tỷ giá năm t-1) / Tỷ giá t-1 | FiinPro / NHNN |
+-------------------+---------+----------------------------------------------+-----------------------+
Công nghệ và công cụ thực hiện
- Nền tảng phân tích: Stata/MP 16.0 (64-bit) thực thi các lệnh
xtreg, xtabond2, estat overid.
- Hệ thống dữ liệu: FiinPro Platform API và tệp trích xuất chuẩn hóa MS Excel
.xlsx.
- Kiến trúc dữ liệu: Balanced Panel Data với $N = 27$ đơn vị quan sát qua $T = 11$ mốc thời gian, tương ứng 297 quan sát chéo.
Implementation và kết quả
Quy trình phân tích dữ liệu trên Stata 16
Quy trình thực thi nghiên cứu kinh tế lượng trải qua 5 giai đoạn liên tục được lập trình thông qua Stata Script (.do file):
*-------------------------------------------------------------------------------
* BƯỚC 1: KHAI BÁO CẤU TRÚC DỮ LIỆU BẢNG VÀ TÍNH TOÁN BIẾN ĐỘNG GIÁ PARKINSON
*-------------------------------------------------------------------------------
clear all
set more off
import excel "Bank_Liquidity_Data_2012_2022.xlsx", sheet("Data") firstrow
* Khai báo không gian và thời gian
encode Bank_Ticker, gen(bank_id)
tsset bank_id Year
* Tính toán biến phụ thuộc Parkinson SPV
gen parkinson_var = (ln(High_Price / Low_Price))^2 / (4 * ln(2))
gen SPV = sqrt(parkinson_var)
label var SPV "Bien dong gia co phieu (Parkinson, 1980)"
*-------------------------------------------------------------------------------
* BƯỚC 2: HỒI QUY TĨNH ĐỐI CHỨNG VÀ CÁC KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH
*-------------------------------------------------------------------------------
* 1. Pooled OLS
regress SPV LIQ SIZE AFCL PE IR GDP EXR, vce(robust)
estimates store POOL_OLS
* 2. Fixed Effects Model (FEM)
xtreg SPV LIQ SIZE AFCL PE IR GDP EXR, fe
estimates store FEM
* 3. Random Effects Model (REM)
xtreg SPV LIQ SIZE AFCL PE IR GDP EXR, re
estimates store REM
* 4. Hausman Test & Breusch-Pagan LM Test
hausman FEM REM
xttest0
*-------------------------------------------------------------------------------
* BƯỚC 3: HỒI QUY DỮ LIỆU BẢNG ĐỘNG SYSTEM GMM (ARELLANO-BOND / BLUNDELL-BOND)
*-------------------------------------------------------------------------------
* Xử lý nội sinh LIQ và biến trễ SPV bằng xtabond2 (Two-step SGMM, Windmeijer robust)
xtabond2 SPV L.SPV LIQ SIZE AFCL PE IR GDP EXR, ///
gmmstyle(L.SPV LIQ, laglimits(2 3) collapse) ///
ivstyle(SIZE AFCL PE IR GDP EXR, equation(level)) ///
twostep robust small
estimates store SGMM_RESULTS
* Xuất bảng kết quả tổng hợp
estimates table POOL_OLS FEM REM SGMM_RESULTS, b(%9.4f) se stats(N r2 F)
+------------------------------------------------------------------------------------+
| SƠ ĐỒ LUỒNG KIỂM ĐỊNH KINH TẾ LƯỢNG |
+------------------------------------------------------------------------------------+
[Mẫu dữ liệu 27 NHTM (2012-2022)] ---> [Thống kê mô tả & Ma trận tương quan Pearson]
|
v
[Kiểm tra đa cộng tuyến: Mean VIF = 1.62 < 5]
|
v
[Pooled OLS vs. FEM: F-test (p < 0.001)] ----> [Chọn mô hình FEM]
|
v
[FEM vs. REM: Hausman Test (p = 0.0024 < 0.05)] -> [Chọn mô hình FEM]
|
v
[Kiểm định khuyết tật mô hình tĩnh]
- Modified Wald test: Chi2 = 412.5 (p = 0.0000) -> Phương sai sai số thay đổi
- Wooldridge test: F = 18.74 (p = 0.0002) -> Tự tương quan bậc 1
- Tồn tại nội sinh giữa LIQ <--> SPV
|
v
[ƯỚC LƯỢNG TWO-STEP SYSTEM GMM] ------------------------+
- AR(1) p-value = 0.012 (< 0.05) : Tồn tại tương quan sai phân bậc 1 (Chuẩn)
- AR(2) p-value = 0.438 (> 0.05) : Không có tương quan sai phân bậc 2
- Hansen J-test p = 0.185 (> 0.10): Biến công cụ hoàn toàn hợp lệ
Kết quả kiểm định và ước lượng thực nghiệm
Thống kê kiểm tra đa cộng tuyến xác nhận hệ số phóng đại phương sai $VIF$ cao nhất là biến $SIZE$ ($VIF = 2.14$) và thấp nhất là $EXR$ ($VIF = 1.12$), giá trị trung bình $Mean\ VIF = 1.62 < 5$, chứng minh mô hình không tồn tại đa cộng tuyến nghiêm trọng.
Bảng kết quả hồi quy tổng hợp theo các phương pháp:
| Biến số |
Pooled OLS |
Fixed Effects (FEM) |
Random Effects (REM) |
System GMM (SGMM) |
Mức ý nghĩa SGMM |
| L.SPV ($SPV_{t-1}$) |
— |
— |
— |
0.2145 (0.0612) |
$p < 0.01$ (***) |
| LIQ (Thanh khoản) |
-0.1124 (0.0451) |
-0.1458 (0.0523) |
-0.1287 (0.0489) |
-0.1852 (0.0541) |
$p < 0.01$ (***) |
| SIZE (Quy mô) |
-0.0215 (0.0094) |
-0.0389 (0.0142) |
-0.0276 (0.0112) |
-0.0421 (0.0185) |
$p < 0.05$ (**) |
| AFCL (Dự phòng) |
0.0084 (0.0112) |
0.0125 (0.0145) |
0.0102 (0.0128) |
0.0148 (0.0162) |
$p > 0.10$ (Không có ý nghĩa) |
| PE (P/E) |
-0.0012 (0.0021) |
-0.0018 (0.0025) |
-0.0015 (0.0022) |
-0.0021 (0.0028) |
$p > 0.10$ (Không có ý nghĩa) |
| IR (Lãi suất) |
0.0284 (0.0115) |
0.0312 (0.0124) |
0.0298 (0.0118) |
0.0384 (0.0152) |
$p < 0.05$ (**) |
| GDP (Tăng trưởng) |
-0.0045 (0.0038) |
-0.0052 (0.0041) |
-0.0048 (0.0039) |
-0.0061 (0.0045) |
$p > 0.10$ (Không có ý nghĩa) |
| EXR (Tỷ giá) |
0.0195 (0.0082) |
0.0221 (0.0091) |
0.0208 (0.0085) |
0.0272 (0.0114) |
$p < 0.05$ (**) |
| Hằng số ($\alpha_0$) |
0.4512 (0.1245) |
0.7812 (0.2154) |
0.5842 (0.1685) |
0.6924 (0.2315) |
$p < 0.01$ (***) |
| Số quan sát ($N \times T$) |
297 |
297 |
297 |
270 (mất trễ) |
— |
| AR(1) / AR(2) p-value |
— |
— |
— |
0.012 / 0.438 |
Thỏa mãn |
| Hansen J-test p-value |
— |
— |
— |
0.185 |
Biến công cụ hợp lệ |
Ghi chú: Giá trị trong ngoặc đơn là sai số chuẩn (Standard Errors). Dấu ***, ** tương ứng với mức ý nghĩa thống kê 1% và 5%.
Đổi mới và đóng góp
Đóng góp về mặt phương pháp luận
- Ứng dụng thước đo biến động cực trị Parkinson (1980): Thay vì sử dụng độ lệch chuẩn truyền thống của giá đóng cửa (Close-to-Close Volatility) vốn bỏ qua thông tin dao động trong phiên, nghiên cứu tính toán $SPV$ dựa trên cặp giá cao nhất ($High$) và thấp nhất ($Low$) trong năm tài chính. Thước đo này nâng cao hiệu quả thống kê lên gấp 5 lần so với phương pháp cổ điển, bắt trọn các cú sốc thanh khoản trong chu kỳ giao dịch.
- Khắc phục nội sinh bằng System GMM 2 bước: Đóng góp kỹ thuật cốt lõi là nhận diện và xử lý biến nội sinh $LIQ$ ($SPV \leftrightarrow LIQ$) thông qua ma trận biến công cụ trễ sụp đổ (
collapse), triệt tiêu hoàn toàn hiện tượng bùng nổ công cụ (Instrument Proliferation) vốn thường làm sai lệch kiểm định Hansen trên các mẫu ngân hàng hạn chế.
Phát hiện học thuật và thực nghiệm
- Hiệu ứng bình ổn giá của thanh khoản: Hệ số $\beta_1 = -0.1852$ ($p < 0.01$) chứng minh rằng khi tỷ lệ tài sản thanh khoản ($L1$) tăng thêm 1%, độ biến động giá cổ phiếu ngân hàng giảm 0.1852 điểm phần trăm. Khả năng thanh khoản dồi dào củng cố tấm đệm an toàn, ngăn chặn tình trạng bán tháo do tin đồn rút tiền gửi.
- Quy mô và sức chống chịu thị trường: Hệ số $\beta_2 = -0.0421$ ($p < 0.05$) khẳng định các ngân hàng quy mô lớn (như nhóm Big4 và các NHTM lớn) có khả năng đa dạng hóa danh mục tốt hơn, từ đó giá cổ phiếu ổn định hơn nhóm ngân hàng vừa và nhỏ.
- Tác động khuếch đại của biến số tiền tệ: Lãi suất tiền gửi ($IR$, $\beta_5 = 0.0384$) và Tỷ giá ($EXR$, $\beta_7 = 0.0272$) đều có hệ số dương có ý nghĩa thống kê. Sự thay đổi đột ngột của chính sách tiền tệ làm gia tăng chi phí vốn và rủi ro tỷ giá, kích hoạt các làn sóng tái cơ cấu danh mục đầu tư tài chính.
Ứng dụng thực tế và triển khai
+-----------------------------------------------------------------------------------+
| KHUNG QUẢN TRỊ THANH KHOẢN TÍCH HỢP |
+-----------------------------------------------------------------------------------+
|
+-----------------------------------+-----------------------------------+
| |
v v
[KHỐI NGUỒN VỐN & QUẢN TRỊ ALM] [PHÒNG QUAN HỆ NHÀ ĐẦU TƯ (IR)]
- Duy trì hệ số L1 tối thiểu 18% - 22% - Minh bạch hóa tỷ lệ LCR, NSFR
- Thiết lập hạn mức đệm dự phòng thanh khoản - Công bố định kỳ báo cáo kiểm toán
- Giảm thiểu rủi ro biến động giá cổ phiếu - Ổn định tâm lý cổ đông & thị trường
Chiến lược cho Nhà quản trị NHTM
- Cân đối lợi nhuận - thanh khoản (ALM Optimization): Khối Quản lý Tài sản Nợ - Tài sản Có (ALM) cần duy trì tỷ trọng tài sản thanh khoản cao (tiền mặt, tiền gửi NHNN, trái phiếu chính phủ) ở mức tối ưu từ 18% đến 22% tổng tài sản. Việc hy sinh một phần biên lãi ròng ($NIM$) để duy trì $L1$ hợp lý giúp ổn định định giá thị trường, hạ thấp chi phí huy động vốn cổ phần ($Cost\ of\ Equity$).
- Minh bạch hóa thông tin chỉ số an toàn: Ngân hàng cần chủ động công bố các chỉ số an toàn thanh khoản theo chuẩn Basel II/III như Tỷ lệ Đảm bảo Khả năng Thanh khoản (LCR - Liquidity Coverage Ratio) và Tỷ lệ Nguồn vốn Ổn định Ròng (NSFR - Net Stable Funding Ratio) nhằm giảm thiểu bất cân xứng thông tin.
Hàm ý đối với Cơ quan Quản lý (NHNN & UBCKNN)
- Điều hành chính sách tiền tệ linh hoạt: Kết quả nghiên cứu chỉ ra biến động lãi suất ($IR$) và tỷ giá ($EXR$) tác động trực tiếp làm tăng $SPV$. Do đó, NHNN cần áp dụng các công cụ thị trường mở (OMO) và hoán đổi ngoại tệ để làm mịn các cú sốc thanh khoản liên ngân hàng, ngăn chặn hiệu ứng tiêu cực lan sang TTCK.
- Cơ chế giám sát thanh khoản nhóm niêm yết: Xây dựng hệ thống cảnh báo sớm (Early Warning System) dựa trên dữ liệu thanh khoản thời gian thực của 27 ngân hàng niêm yết nhằm phòng ngừa rủi ro hệ thống.
Hạn chế và hướng phát triển
+-----------------------------------------------------------------------------------+
| HẠN CHẾ & LỘ TRÌNH NGHIÊN CỨU MỞ RỘNG |
+-----------------------------------------------------------------------------------+
[Hạn chế hiện tại]
[Lộ trình nâng cấp]
- Tần suất dữ liệu: Nghiên cứu sử dụng dữ liệu tần suất năm do hạn chế tiếp cận BCTC quý được kiểm toán đầy đủ của một số ngân hàng UPCOM. Hướng phát triển tiếp theo là mở rộng sang dữ liệu bảng tần suất quý ($T=44$) hoặc tháng.
- Kỹ thuật mô hình hóa: Khóa luận áp dụng mô hình tuyến tính System GMM. Các nghiên cứu tương lai có thể ứng dụng mô hình hỗn hợp đa tần số GARCH-MIDAS để kết hợp biến vĩ mô vĩ mô tần suất thấp với biến động giá tần suất cao theo ngày (Daily Volatility).
- Chỉ số thanh khoản thị trường: Bổ sung tương tác giữa thanh khoản tài sản ngân hàng (Bank Liquidity) và thanh khoản giao dịch cổ phiếu (Stock Market Liquidity - đo bằng tỷ số Amihud Illiquidity).
Đối tượng hưởng lợi
+-------------------------------------------------------------------------------------+
| BẢNG LỢI ÍCH CỦA CÁC BÊN LIÊN QUAN |
+----------------------+--------------------------------------------------------------+
| Nhóm đối tượng | Giá trị thực tiễn & Định lượng |
+----------------------+--------------------------------------------------------------+
| Sinh viên & Học viên | - Tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng.|
| | - Nắm vững cú pháp thực thi Stata xtabond2 và System GMM. |
+----------------------+--------------------------------------------------------------+
| Chuyên viên PTTC | - Khung phân tích định giá và kiểm soát rủi ro cổ phiếu ngân hàng.|
| (Quant / Equity) | - Ứng dụng công thức Parkinson (1980) vào Risk Model thực tế.|
+----------------------+--------------------------------------------------------------+
| Ban Điều hành NHTM | - Cơ sở thực nghiệm để cân bằng giữa hệ số sinh lời và đệm |
| (BOD / ALCO) | thanh khoản L1 nhằm tối ưu hóa giá trị doanh nghiệp. |
+----------------------+--------------------------------------------------------------+
| Cơ quan Quản lý | - Bằng chứng thực nghiệm phục vụ xây dựng chính sách tiền tệ |
| (NHNN / UBCKNN) | nhằm ổn định hệ thống tài chính và TTCK. |
+----------------------+--------------------------------------------------------------+
- Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng: Tiếp cận mô hình nghiên cứu chuẩn mực, phương pháp xử lý dữ liệu bảng động và bộ câu lệnh Stata hoàn chỉnh.
- Chuyên viên Phân tích Định lượng (Quant Analyst) & Quản trị Rủi ro: Tích hợp biến thanh khoản ngân hàng $L1$ và biến động Parkinson vào mô hình Value-at-Risk (VaR) và Stress Testing danh mục cổ phiếu ngân hàng.
- Hội đồng Quản trị & Ban điều hành NHTM: Định hình chiến lược quan hệ nhà đầu tư (IR) và quản trị thanh khoản nội bộ nhằm giảm thiểu rủi ro tụt giảm thị giá vốn cổ phần.
Câu hỏi thường gặp
1. Tại sao nghiên cứu lại chọn thước đo Parkinson (1980) thay vì độ lệch chuẩn giá đóng cửa?
Thước đo Parkinson (1980) sử dụng giá cao nhất ($High$) và giá thấp nhất ($Low$) trong chu kỳ giao dịch, khai thác tối đa thông tin về sự dao động giá trong toàn bộ phiên thay vì chỉ lấy một điểm dữ liệu duy nhất tại thời điểm đóng cửa. Về mặt kinh tế lượng, ước lượng Parkinson không bị chệch và có hiệu quả thống kê (Statistical Efficiency) cao hơn gấp 5 lần so với phương pháp truyền thống.
2. Hiện tượng nội sinh trong mô hình thanh khoản - biến động giá phát sinh từ đâu?
Hiện tượng nội sinh phát sinh từ quan hệ nhân quả hai chiều: Khả năng thanh khoản kém ($LIQ$) khiến nhà đầu tư lo ngại rủi ro dẫn đến bán tháo làm tăng biến động giá ($SPV$); ngược lại, khi giá cổ phiếu biến động mạnh ($SPV$ cao), uy tín ngân hàng suy giảm khiến việc huy động tiền gửi và tiếp cận thị trường liên ngân hàng trở nên khó khăn, trực tiếp làm suy giảm thanh khoản ($LIQ$).
3. Làm thế nào để đảm bảo mô hình hồi quy System GMM không bị bùng nổ biến công cụ?
Nghiên cứu sử dụng tùy chọn collapse trong lệnh xtabond2 trên phần mềm Stata 16. Lệnh này giới hạn số lượng biến công cụ bằng cách gộp các điều kiện mômen trễ, đảm bảo số lượng biến công cụ ($Instruments = 19$) nhỏ hơn tổng số đơn vị quan sát cá thể ($N = 27$), qua đó giữ cho kiểm định Hansen không bị mất lực kiểm định.
4. Tại sao biến Dự phòng rủi ro tín dụng (AFCL) và P/E không có ý nghĩa thống kê trong mô hình?
Dưới tác động mạnh của biến trễ biến động giá ($SPV_{t-1}$) và biến thanh khoản ($LIQ$), các biến như $AFCL$ và $P/E$ bị suy giảm mức độ giải thích độc lập. Tại thị trường Việt Nam giai đoạn 2012–2022, trích lập dự phòng thường mang tính chu kỳ điều hòa thu nhập (Income Smoothing), khiến thông tin $AFCL$ đã được thị trường phản ánh trước vào giá cổ phiếu.
5. Kết quả nghiên cứu có thể áp dụng cho các doanh nghiệp phi tài chính không?
Không thể áp dụng trực tiếp do đặc thù bảng cân đối kế toán của NHTM (tiền gửi là nguồn vốn kinh doanh, thanh khoản chịu sự điều tiết dự trữ bắt buộc của NHNN). Tuy nhiên, khung phương pháp luận System GMM và thước đo biến động Parkinson hoàn toàn có thể tái sử dụng cho các ngành sản xuất và dịch vụ khác.
Kết luận
Nghiên cứu "Tác động của thanh khoản đến biến động giá cổ phiếu: Nghiên cứu thực nghiệm về các Ngân hàng Thương mại niêm yết trên thị trường chứng khoán Việt Nam" đã giải quyết triệt để bài toán định lượng về mối quan hệ giữa thanh khoản và rủi ro thị trường trong ngành ngân hàng. Thông qua phương pháp ước lượng hiện đại Two-step System GMM trên mẫu dữ liệu 27 NHTM niêm yết (2012–2022), nghiên cứu cung cấp bằng chứng thực nghiệm đanh thép:
- Thanh khoản ngân hàng ($LIQ$) và Quy mô ($SIZE$) có tác động ngược chiều có ý nghĩa thống kê ($p < 0.05$) đến biến động giá cổ phiếu ($SPV$), chứng minh năng lực thanh khoản dồi dào là "lá chắn" hữu hiệu giúp ổn định định giá thị trường.
- Biến động lãi suất ($IR$) và tỷ giá ($EXR$) có tác động cùng chiều, đòi hỏi các NHTM phải chủ động quản trị độ nhạy cảm vĩ mô.
- Khung phân tích và mã nguồn Stata của đề tài tạo tiền đề vững chắc cho các nghiên cứu chuyên sâu tiếp theo về an toàn hệ thống tài chính và quản trị danh mục đầu tư định lượng trên TTCK Việt Nam.
