Giới thiệu dự án

Thị trường chứng khoán Việt Nam, được thành lập năm 2000 với sự ra đời của Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh (HoSE), đã trải qua gần hai thập kỷ hình thành và phát triển. Tuy nhiên, so với các thị trường phát triển như Mỹ, Hồng Kông hay Nhật Bản, thị trường chứng khoán Việt Nam vẫn còn non trẻ, quy mô vốn hóa nhỏ và hệ thống pháp lý chưa hoàn thiện. Đặc biệt, tính đến ngày 12/8/2019, số lượng cổ phiếu niêm yết trên HoSE đã tăng đáng kể, song tình trạng bất cân xứng thông tin (Asymmetric Information) vẫn là rào cản lớn đối với nhà đầu tư cá nhân — tạo ra mảnh đất màu mỡ cho tâm lý đám đông (Herding Behavior) phát triển.

Khóa luận tốt nghiệp "Tác động của Tâm lý Đám đông đến Quyết định của Nhà đầu tư trên Thị trường Chứng khoán Việt Nam" của tác giả Nguyễn Đình Chương (Trường Đại học Ngân hàng TP.HCM, 2019) được thực hiện nhằm lấp đầy khoảng trống nghiên cứu về giai đoạn thị trường bùng nổ 2016–2019 — thời điểm VN-Index vượt mốc 1.200 điểm lần đầu tiên kể từ khủng hoảng 2008.

Mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa lý thuyết về tâm lý đám đông, đặc điểm phân loại và nguyên nhân hình thành.
  2. Phân tích tác động của tâm lý đám đông trên HoSE đến quyết định nhà đầu tư giai đoạn 1/2016 – 7/2019.
  3. Kiểm định định lượng sự tồn tại của hành vi bầy đàn trên HoSE bằng mô hình Chang, Cheng, Khorana (CCK, 2000).
  4. Đề xuất khuyến nghị chính sách giảm thiểu tâm lý đám đông, nâng cao hiệu quả thị trường.

Phạm vi: Dữ liệu giá theo ngày của rổ VN30 — gồm 30 cổ phiếu đầu ngành có vốn hóa và thanh khoản lớn nhất HoSE — trong khoảng thời gian từ 01/01/2016 đến 31/07/2019.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tâm lý đám đông là hệ quả trực tiếp của hai nhóm nguyên nhân chính: lệch lạc hành vi (Behavioral Biases) và bất cân xứng thông tin. Theo Hirshleifer (2001), các lệch lạc hành vi nhà đầu tư xuất phát từ bốn nhóm: tự lừa dối (Self-Deception), quá trình đơn giản hóa dựa vào tự nghiệm (Heuristic Simplification), cảm xúc (Emotion) và tương tác xã hội (Social Interaction).

Bảng so sánh các phương pháp kiểm định hành vi đám đông:

Phương pháp Tác giả Cách đo lường Ưu điểm Hạn chế
LSV Lakonishok, Shleifer & Vishny (1992) Tỷ lệ giao dịch cùng chiều trong nhóm Trực tiếp, dựa trên giao dịch thực tế Yêu cầu dữ liệu giao dịch chi tiết
Christie & Huang (CH) Christie & Huang (1995) CSSD – Sai số chuẩn chéo của tỷ suất sinh lời Đơn giản, dễ ứng dụng Độ nhạy thấp trong giai đoạn thị trường bình thường
CCK Chang, Cheng & Khorana (2000) CSAD – Sai số chuẩn chéo tuyệt đối Phát hiện hành vi đám đông cả trong giai đoạn biến động bình thường Không phân biệt được loại nhà đầu tư
Hwang & Salmon Hwang & Salmon (2004, 2011) Biến động hệ số beta (β) Đo lường mức độ và cường độ bầy đàn Phức tạp, yêu cầu dữ liệu dài hạn

Nghiên cứu lựa chọn mô hình CCK (2000) vì đây là phương pháp được kiểm chứng rộng rãi trên các thị trường mới nổi (Đài Loan, Hồng Kông, Hàn Quốc) và phù hợp với đặc điểm dữ liệu thị trường Việt Nam.

Phân tích khoảng trống nghiên cứu (Gap Analysis):

Các nghiên cứu trong nước như Phạm Thị Phương Loan (2011), Nguyễn Thị Thuý Lan (2012), Lâm Thị Trúc Quyên (2016) chủ yếu tập trung vào giai đoạn 2007–2012 — thời kỳ hậu khủng hoảng tài chính 2008, khi thị trường liên tục giảm điểm. Chưa có nghiên cứu nào phân tích hành vi đám đông trong giai đoạn tăng trưởng mạnh 2016–2019, đặc biệt là thời điểm VN-Index lập đỉnh lịch sử 1.200 điểm (đầu 2018) — khoảng trống mà khóa luận này lấp đầy.

Thiết kế hệ thống nghiên cứu

Mô hình CCK (2000) — Phương trình hồi quy chính:

CSAD_t = α + β₁|R_{VN30,t}| + β₂(R_{VN30,t})² + u_t

Trong đó:

# Công thức tính biến phụ thuộc CSAD
CSAD_t = (1/N) * Σ|R_i,t - R_VN30,t|  # i = 1 đến N cổ phiếu trong VN30

# Tỷ suất sinh lời cổ phiếu i
R_i,t = ln(P_i,t) - ln(P_i,t-1)

# Tỷ suất sinh lời thị trường VN30
R_VN30,t = ln(VN30_t) - ln(VN30_t-1)

Điều kiện kiểm định:

  • Nếu β₂ < 0 và có ý nghĩa thống kê → tồn tại hành vi đám đông: khi thị trường biến động mạnh, độ phân tán CSAD giảm hoặc tăng với tốc độ giảm dần, phản ánh nhà đầu tư bắt chước nhau.
  • Nếu β₂ ≥ 0 → không có bằng chứng về hành vi đám đông.

Technology Stack:

  • Phần mềm phân tích: Stata/EViews (hồi quy OLS + White heteroskedasticity correction)
  • Mô hình bổ sung: GARCH(1,1) — kiểm soát phương sai thay đổi trong chuỗi dữ liệu tài chính
  • Dữ liệu: Giá đóng cửa theo ngày của 30 cổ phiếu VN30, nguồn: HoSE, giai đoạn 1/1/2016 – 31/7/2019 (khoảng 880 quan sát)
  • Kiểm định tự tương quan: Thêm biến trễ CSAD(t-1), CSAD(t-2) vào mô hình

Methodology

Kết hợp định tính và định lượng:

Phương pháp Công cụ Mục tiêu
Định tính Bảng hỏi khảo sát nhà đầu tư Thu thập nhận định về hành vi, tâm lý giao dịch
Định lượng Hồi quy OLS + GARCH(1,1) Kiểm định thống kê sự tồn tại hành vi đám đông

Quy trình nghiên cứu gồm 5 bước: (1) Khảo lược lý thuyết → (2) Xác định mẫu và thu thập dữ liệu → (3) Xử lý dữ liệu và kiểm định giả thuyết → (4) Đánh giá độ phù hợp mô hình → (5) Kết luận và khuyến nghị chính sách.


Implementation và kết quả

Development process

Mẫu nghiên cứu: 30 cổ phiếu trong rổ VN30 — được lựa chọn theo tiêu chí vốn hóa và thanh khoản từ ngày 25/01/2016, đại diện cho ~80% giá trị giao dịch toàn thị trường HoSE.

Giai đoạn phân tích thị trường:

  • Trước khủng hoảng 2008: VN-Index đạt đỉnh ~1.170 điểm (3/2007), sau đó sụt giảm mạnh do đám đông bán tháo — minh chứng điển hình của tâm lý bầy đàn bên bán.
  • 2009–2015: Thị trường hồi phục chậm, giao dịch ảm đạm, tâm lý bầy đàn theo thông tin (Information-based Herding) chiếm ưu thế.
  • 2016–7/2019: Thị trường bùng nổ, VN-Index vượt 1.200 điểm (4/2018), thu hút lượng lớn nhà đầu tư cá nhân mới — tạo điều kiện cho tâm lý đám đông theo thù lao (Compensation-based Herding) và theo danh tiếng (Reputation-based Herding) phát triển mạnh.

Testing và validation

Kết quả thống kê mô tả (1/1/2016 – 31/7/2019):

Chỉ số Giá trị
CSAD trung bình hàng ngày Dao động theo biến động thị trường
Số quan sát ~880 ngày giao dịch
VN30 return trung bình Dương (thị trường tăng)
Độ lệch chuẩn return Cao hơn giai đoạn 2012–2015

Kết quả hồi quy mô hình CCK:

Kết quả kiểm định chung (OLS + White):
β₁ (|RVN30|): Dương và có ý nghĩa thống kê → CSAD tăng khi thị trường biến động
β₂ (RVN30²): Âm và có ý nghĩa thống kê → TỒN TẠI tâm lý đám đông

Mô hình GARCH(1,1):
- Arch coefficient (α): có ý nghĩa → phương sai thay đổi theo thời gian
- Garch coefficient (β): có ý nghĩa → tác động kéo dài của cú sốc
- Kiểm tra tự tương quan: Mô hình sau khi thêm biến trễ CSAD đã đạt yêu cầu

Kết quả khảo sát hành vi:

  • Nhà đầu tư có trình độ đại học chiếm tỷ lệ cao trong mẫu.
  • Kinh nghiệm đầu tư trung bình dưới 3 năm — phản ánh thị trường thu hút nhiều nhà đầu tư mới.
  • Yếu tố ảnh hưởng đến quyết định đầu tư trong điều kiện thiếu thông tin: xu hướng thị trường và hành động của đám đông xếp hạng cao nhất.

Kết quả đạt được

  • Xác nhận sự tồn tại của hành vi đám đông trên HoSE trong giai đoạn 2016–2019.
  • Mô hình GARCH(1,1) cho thấy độ phù hợp cao hơn OLS thuần túy trong việc nắm bắt đặc tính phương sai thay đổi (heteroskedasticity) của dữ liệu tài chính.
  • Hành vi đám đông xuất hiện mạnh hơn trong giai đoạn thị trường tăng điểm mạnh, trùng khớp với phát hiện của Wermers (1999) và Christie & Huang (1995).

Đổi mới và đóng góp

  • Đóng góp về thời gian nghiên cứu: Nghiên cứu đầu tiên kiểm định hành vi đám đông trên HoSE trong giai đoạn bùng nổ 2016–2019, bao gồm cả sự kiện VN-Index vượt 1.200 điểm — mốc lịch sử chưa từng được nghiên cứu trước đó.
  • Kết hợp phương pháp: Sử dụng song song OLS (White correction) và GARCH(1,1) để kiểm chứng chéo kết quả — khắc phục hạn chế của các nghiên cứu chỉ dùng OLS như Phạm Thị Phương Loan (2011) hay Lâm Thị Trúc Quyên (2016).
  • Thêm biến trễ CSAD: Cải tiến mô hình CCK gốc bằng cách đưa biến trễ vào để xử lý tự tương quan — nâng cao ý nghĩa thống kê của mô hình.

So sánh với nghiên cứu trong nước:

Nghiên cứu Giai đoạn Phương pháp Kết quả chính
Phạm Thị Phương Loan (2011) 2001–2008 CCK (OLS) Tâm lý đám đông tồn tại (theo ngày mạnh hơn theo tuần)
Nguyễn Thị Thuý Lan (2012) 2007–2012 CCK + Tan (2008) Bầy đàn tồn tại trên cả HoSE và HNX
Lâm Thị Trúc Quyên (2016) Theo tháng CCK Bầy đàn mạnh khi thiếu thông tin
Nguyễn Đình Chương (2019) 2016–2019 CCK + GARCH(1,1) + Biến trễ Bầy đàn tồn tại trong giai đoạn tăng trưởng mạnh

Ứng dụng thực tế và triển khai

Hàm ý chính sách từ kết quả nghiên cứu:

  1. Hoàn thiện hệ thống pháp luật: Tăng cường bảo vệ nhà đầu tư nhỏ lẻ trước tình trạng thông tin nội gián và thao túng thị trường — hiện trạng phổ biến trên sàn OTC (Over-the-counter market) Việt Nam.

  2. Minh bạch hóa thông tin: Các doanh nghiệp niêm yết trên HoSE và HNX (Hanoi Stock Exchange) cần công bố thông tin đầy đủ, đúng hạn theo chuẩn quốc tế — giảm thiểu bất cân xứng thông tin, nguyên nhân cốt lõi gây ra hành vi bầy đàn theo thông tin.

  3. Phát triển sản phẩm phòng hộ: Mở rộng thị trường chứng quyền có đảm bảo (CW — Covered Warrant) và các công cụ phái sinh để nhà đầu tư có thể phòng ngừa rủi ro, giảm áp lực phải "chạy theo đám đông" trong điều kiện thị trường biến động.

  4. Nâng cao dân trí tài chính: Tổ chức chương trình giáo dục đầu tư cho nhà đầu tư cá nhân — đặc biệt về tài chính hành vi (Behavioral Finance), lý thuyết triển vọng (Prospect Theory) của Kahneman & Tversky (1979) và các lệch lạc tâm lý phổ biến.

Đối tượng hưởng lợi:

  • Nhà đầu tư cá nhân: Nhận diện và kiểm soát các lệch lạc hành vi như hiệu ứng ngược vị thế (Disposition Effect), tâm lý tự tin thái quá (Overconfidence) và tâm lý bảo thủ (Conservatism Bias) — cải thiện hiệu suất danh mục.
  • Nhà quản lý quỹ: Phân biệt hành vi bầy đàn theo thù lao với chiến lược đầu tư theo chỉ số (Index Investing) như ETF VFMVN30, VanEck Vectors Vietnam ETF (VNM).
  • Cơ quan quản lý (UBCKNN): Có cơ sở thực nghiệm để thiết kế cơ chế giám sát giao dịch bất thường, can thiệp kịp thời khi phát hiện "bong bóng" đám đông hình thành.
  • Giới nghiên cứu học thuật: Bộ dữ liệu VN30 (2016–2019) và phương pháp CCK + GARCH(1,1) là nền tảng cho các nghiên cứu tiếp theo về tài chính hành vi tại Việt Nam.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật:

  • Mẫu nghiên cứu chỉ giới hạn trong 30 cổ phiếu VN30 — chưa phản ánh toàn bộ thị trường, đặc biệt nhóm cổ phiếu vốn hóa nhỏ (small-cap) vốn có hành vi bầy đàn mạnh hơn theo phát hiện của Wermers (1999).
  • Dữ liệu khảo sát bảng hỏi có thể bị ảnh hưởng bởi survivorship bias — nhà đầu tư thua lỗ nặng thường không tham gia khảo sát.
  • Mô hình CCK không phân biệt được hành vi bầy đàn chủ động (intentional herding) và hành vi bầy đàn thụ động (spurious herding) do các cổ phiếu cùng phản ứng với thông tin vĩ mô.

Hướng nghiên cứu tiếp theo:

  • Mở rộng phạm vi sang sàn HNX và thị trường UPCoM để có cái nhìn toàn diện hơn.
  • Ứng dụng Mô hình Hwang & Salmon (2004) với bộ lọc Kalman để đo lường cường độ bầy đàn theo thời gian — so sánh với kết quả CCK.
  • Nghiên cứu tác động của mạng xã hội và diễn đàn chứng khoán (F319, Vietstock Forum) đến tốc độ lan truyền tâm lý đám đông trong kỷ nguyên số.
  • Phân tích bất cân xứng (asymmetry): kiểm định xem hành vi đám đông có mạnh hơn trên thị trường giảm điểm (bearish market) so với tăng điểm (bullish market) hay không.

Câu hỏi thường gặp

1. Mô hình CCK có thể áp dụng cho thị trường hiện tại (2023–2025) không? Hoàn toàn có thể. Dữ liệu VN30 theo ngày vẫn là đầu vào phù hợp. Cần cập nhật giai đoạn dữ liệu và kiểm tra lại giả thuyết sau các cú sốc như COVID-19 (2020) và giai đoạn thắt chặt tiền tệ (2022).

2. Hành vi đám đông có thể bị kiếm lời không? Một số chiến lược momentum trading dựa trên hành vi đám đông, song rủi ro rất cao. Nghiên cứu này khuyến nghị nhà đầu tư tránh chạy theo đám đông thay vì khai thác nó.

3. Sự khác biệt giữa CSAD và CSSD là gì? CSSD (Cross Sectional Standard Deviation) của Christie & Huang (1995) chỉ phát hiện hành vi đám đông trong giai đoạn thị trường biến động cực đoan. CSAD của CCK nhạy hơn, phát hiện được cả trong điều kiện thị trường bình thường — phù hợp hơn cho nghiên cứu toàn diện.

4. Chi phí triển khai nghiên cứu tương tự? Dữ liệu VN30 miễn phí từ HoSE và các nền tảng như Vietstock, FiinPro. Phần mềm EViews (license ~200 USD/năm) hoặc R/Python (miễn phí) đủ để chạy mô hình.

5. Làm sao nhà đầu tư cá nhân nhận biết mình đang bị ảnh hưởng bởi tâm lý đám đông? Dấu hiệu: mua vào sau khi giá đã tăng mạnh mà không có phân tích cơ bản; bán tháo khi thấy nhiều người bán; dựa quyết định vào tin đồn diễn đàn thay vì báo cáo tài chính.


Kết luận

Khóa luận đã chứng minh bằng bằng chứng thực nghiệm rằng tâm lý đám đông tồn tại và có tác động đáng kể đến quyết định của nhà đầu tư trên HoSE trong giai đoạn 2016–2019. Thông qua mô hình CCK (2000) với cải tiến bằng biến trễ CSAD và kiểm định chéo GARCH(1,1), kết quả cho thấy hệ số β₂ âm và có ý nghĩa thống kê — xác nhận khi thị trường biến động mạnh, nhà đầu tư có xu hướng thu hẹp độ phân tán tỷ suất sinh lời và hành động theo đám đông.

Bất cân xứng thông tin (Asymmetric Information) — bắt nguồn từ công bố thông tin thiếu minh bạch, rò rỉ thông tin nội bộ và chất lượng phân tích thị trường yếu — là động cơ cốt lõi duy trì hành vi bầy đàn tại thị trường mới nổi như Việt Nam. Để xây dựng thị trường chứng khoán hiệu quả hơn, cần đồng thời cải thiện khung pháp lý, nâng cao chất lượng công bố thông tin và phát triển dân trí tài chính cho nhà đầu tư cá nhân — nhóm chiếm trên 90% tài khoản giao dịch trên HoSE.