Tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam

Nội dung text: Tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam

1. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 79 TÁC ĐỘNG CỦA CHỈ SỐ THỊ TRƯỜNG CHỨNG KHOÁN TRUNG QUỐC ĐẾN CHỈ SỐ THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM Nguyễn Thị Việt Nga* TÓM TẮT: Bài viết tìm hiểu tác động củachỉ số của thị trường chứng khoán Trung Quốc đến chỉ số của thị trường chứng khoán Việt Nam. Dữ liệu theo ngày được thu thập từ ngày 17 tháng 5 năm 2016 đến ngày 17 tháng 5 năm 2019, gồm 724 quan sát. Để mô tả mối quan hệ giữa các biến này, tác giả sử dụng mô hình tự hồi quy phân phối trễ. Kết quả cho thấy, trong ngắn hạn, chỉ số của thị trường chứng khoán Việt Nam bị ảnh hưởng bởi những biến đổi trong quá khứ của chính nó và bị ảnh hưởng bởi chỉ số của thị trường chứng khoán Trung Quốc cùng ngày. Trong dài hạn vẫn tồn tại mối quan hệ cân bằng dài hạn giữa chỉ số thị trường chứng khoán Việt Nam thị trường chứng khoán Trung Quốc. Mối quan hệ giữa hai chỉ số thị trường chứng khoán trong ngắn hạn và dài hạn đều là quan hệ cùng chiều. Từ khóa: chỉ số thị trường chứng khoán, Trung Quốc, Việt Nam, mô hình tự hồi quy phân phối trễ. 1. GIỚI THIỆU Quá trình toàn cầu hóa của các thị trường tài chính quốc tế làm sự tương tác giữa các thị trường chứng khoán tăng lên thông qua các tiến bộ trong công nghệ thông tin và viễn thông giúp tăng cường mối quan hệ giữa các thị trường khác nhau, điều này dẫn đến sự bất ổn kinh tế của những nước phát triển hoặc các nước có quy mô kinh tế lớn sẽ ảnh hưởng nhiều hơn đến thị trường chứng khoán các quốc gia nhỏ và đang phát triển. Hệ quả của hiện tượng này là tài sản được giao dịch ở các thị trường khác nhau sẽ có mức rủi ro tương tự nhau, hay nói cách khác các tài sản tài chính được giao dịch ở mỗi thị trường riêng biệt sẽ có cùng mức rủi ro và dẫn đến mức kỳ vọng lợi nhuận là tương tự nhau. Do đó, các nhà đầu tư có thể tận dụng mối tương quan giữa các thị trường quốc tế và nội địa để tăng lợi nhuận và giảm rủi ro (Shih và cộng sự, 2008; Oliveira và cộng sự, 2009). Theo thông tin của Worldbank vào ngày 18/09/2015, nền kinh tế Trung Quốc đã vượt qua Nhật Bản và trở thành nền kinh tế lớn thứ hai thế giới, chỉ sau Mỹ, thị trường Trung Quốc đã trở nên quan trọng và ảnh hưởng lớn đến nền kinh tế toàn cầu. Các nhà lãnh đạo của nước này đã tự tin hơn trên thị trường quốc tế và bắt đầu tác động đến thị trường Châu Á, Châu Phi và Mỹ La Tinh nhiều hơn, với các hợp đồng có giá trị lớn. Bên cạnh đó, theo Hiệp hội các quốc gia Đông Nam Á (Association of Southeast Asian Nations), với sự thành lập của Cộng đồng Kinh tế ASEAN (AEC) vào ngày 31/12/2015, AEC Blueprint 2025 sẽ dẫn dắt khu vực ASEAN trở nên chủ động hơn, tạo * Học viện Tài chính, Đức Thắng, Bắc Từ Liêm, Hà Nội, Việt Nam.
2. 80 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA nên cấu trúc và các khuôn khổ hoạt động như một cộng đồng kinh tế. Ngoài ra, Blueprint còn chắc chắn rằng các nước thành viên sẽ không chỉ liên kết về kinh tế với nhau, mà còn liên kết một cách vững chắc với nền kinh tế toàn cầu, góp phần thực hiện mục tiêu phát triển chung. Những sự kiện này đã góp phần làm cho mối quan hệ giữa thị trường vốn giữa Trung Quốc với các nước trong khu vực Đông Nam Á trở nên mạnh hơn. Điều này có thể thấy được khi chỉ số Shanghai Composite của thị trường chứng khoán Trung Quốc vào những ngày đầu năm 2016 giảm quá sâu, có lúc phải kích hoạt hệ thống ngừng giao dịch đã phần nào khiến cho thị trường chứng khoán của nhiều nước trên thế giới giảm, trong đó có Việt Nam. Sự kiện này dẫn đến câu hỏi liệu thị trường chứng khoán của Trung Quốc có ảnh hưởng đến thị trường chứng khoán của Việt Nam không là vấn đề cần thiết nên được xem xét trong bối cảnh thị trường biến động như hiện nay. Do đó, nhóm tác giả thực hiện bài nghiên cứu nhằm xem xét mối quan hệ giữa thị trường chứng khoán Trung Quốc và Việt Nam. 2. TỔNG QUAN LÝ THUYẾT Bắt đầu từ giữa thế kỷ thứ XX, sự phát triển của công nghệ thông tin, điện tử và viễn thông giúp cho quá trình toàn cầu hóa diễn ra nhanh hơn, kéo theo đó là mối liên hệ giữa các thị trường tài chính trên thế giới cũng mạnh hơn. Sự tương tác hay tính liên kết giữa các thị trường tài chính dẫn đến việc một cú sốc (shock) trong thị trường tài chính, mà đặc biệt là thị trường tài chính có quy mô lớn, sẽ dẫn đến thay đổi trong những thị trường tài chính khác mà chủ yếu là thị trường tài chính đang phát triển. Điều này dẫn đến tài sản giao dịch giữa các thị trường khác nhau sẽ có rủi ro tương tự, từ đó tạo ra lợi nhuận tương tự nhau bởi tính liên kết của các thị trường đó. Một khi sự liên kết giữa các thị trường tài chính mạnh hơn sẽ làm cho các thị trường này thay đổi giống nhau hơn. Khi đó, một cú sốc trong một chỉ số trên một thị trường chứng khoán dẫn đến thay đổi tương tự trên các thị trường khác nhau trên thế giới. Nghiên cứu của Otavio R.De Mediros, Gustavo R.De Oliveira và F.N Van Doornik (2009) cho thấy rằng thị trường chứng khoán Brazil có thể được giải thích được bằng dữ liệu chứng khoán của Mỹ vài phút trước đó. Kofman và Martens (1997) nghiên cứu về mối quan hệ giữa hai thị trường chứng khoán riêng biệt, khi giá chứng khoán của một thị trường dẫn đầu và thị trường còn lại thay đổi tương tự với độ trễ nhất định. Tác giả đã xem xét mối liên hệ giữa chỉ số chứng khoán London và New York với kết quả cho thấy rằng thị trường chứng khoán Mỹ có tác động lan tỏa đến thị trường chứng khoán Anh, mặc dù cũng có vài trường hợp ngược lại. Nếu có thể nắm bắt được mối liên hệ trễ này giữa các thị trường, các nhà đầu tư sẽ có những cơ hội để thu được các tỷ suất sinh lợi bất thường thông qua arbitrage. Theo Jiang và cộng sự (2001) định nghĩa tác động lan tỏa là “hiện tượng phản ánh tình trạng khi sự thay đổi của những mức giá khác nhau thay đổi tương tự nhau”. Điều này cũng phù hợp với nghiên cứu của Oliveira và cộng sự (2009) cho rằng một thị trường phát triển hơn có thể đi trước các thị trường khác, và nó có thể dự báo một phần nào đó sự thay đổi trong giá của các thị trường khác, tạo ra cơ hội “arbitrage”, tạo ra tỷ suất sinh lợi bất thường. Khi tác động này được phát hiện, nó lại không phù hợp với giả thiết thị trường hiệu quả được phát triển bởi Fama năm 1970, ông cho rằng giá chứng khoán là bước đi ngẫu nhiên, không thể dự báo, không có tỷ suất sinh lợi bất thường do đó không thể thực hiện arbitrage. Tuy nhiên, trong thực tế, có những thị trường phát triển hơn thị trường khác, tạo ra sự khác biệt về đặc tính, cũng như quy mô. Ví dụ như thị trường chứng khoán New York (NYSE) lớn hơn ít nhất hai mươi lần so với thị trường chứng khoán Brazil (Bovespa). Sự tồn tại của các cơ chế tốt hơn để bảo vệ những
3. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 81 nhà đầu tư nhỏ lẻ hơn. Bên cạnh đó, những phương tiện thông tin đại chúng điện đại hơn trong những nước phát triển hơn cũng cung cấp thông tin nhanh hơn và đem lại hiệu quả lớn hơn cho các nhà đầu tư, do đó, tạo ra nhiều bất lợi cho các nước ít phát triển hơn. Tất cả những đặc điểm này dẫn đến mức độ phát triển khác nhau giữa các thị trường, tạo điều kiện cho bất cân xứng thông tin xảy ra. Khi giả thiết thị trường hiệu quả không đứng vững, giá tài sản trong các thị trường phát triển có thể phụ thuộc vào ảnh hưởng của việc nắm bắt thông tin nhanh và hiệu quả hơn. Hay nói cách khác, sự thay đổi giá tài sản trong thị trường lớn hơn - như Mỹ - có thể dự báo được sự thay đổi giá trong các thị trường kém phát triển hơn như Brazil (Oliveira và cộng sự (2009)), hay theo nghiên cứu của Bwo-Nung Huang và cộng sự (1999) cho thấy thị trường Nhật Bản, Hồng Kông và Singapore cũng thể hiện tác động dẫn dắt các thị trường Châu Á mới nổi, nếu như có mối liên kết mạnh mẽ giữa các thị trường phát triển và mới nổi. Đây là tác động lan tỏa, khi mà sự thay đổi giá tài sản ở một thị trường dẫn tới sự thay đổi giá tài sản trong các nước khác với một độ trễ. Tình huống này trái ngược với giả thiết thị trường hiệu quả khi nó có thể giúp dự báo được tỷ suất sinh lợi thị trường, tạo ra cơ hội kiếm được tỷ suất sinh lợi bất thường ở các thị trường theo sau thông qua arbitrage. Do đó, một số công trình nghiên cứu đã đưa ra một số nguyên nhân dẫn đến tác động lan tỏa trễ này: số lượng nhà phân tích của một công ty, tỷ lệ sở hữu của các tổ chức trong công ty, và khối lượng giao dịch. Các giải thích mở rộng gồm giao dịch không đồng bộ (Lo và MacKinlay, 1990b), lợi nhuận mong đợi theo thời gian, và truyền dẫn thông tin chậm chạp (Lo và MacKinlay, 1990a). Nghiên cứu của Kewei (2007) tập trung vào lý do thứ ba rằng tác động lan tỏa là do giá chứng khoán của một số công ty ảnh hưởng chậm chạp hơn với thông tin hơn những yếu tố khác. Và những yếu tố kinh tế nào là lý do cho sự truyền dẫn thông tin chậm chạp trong thị trường chứng khoán? Đã có nhiều bài nghiên cứu được thực hiện dựa trên tác động lan tỏa này. Miller (1980) ứng dụng tác động lan tỏa để xác định giá bán sỉ dẫn dắt giá sản xuất thịt heo ở Mỹ. Đối với thị trường chứng khoán, tác động lan tỏa được sử dụng bằng nhiều cách khác nhau. Theo Yiu Kuen và Wai- Sum Chan (2010) thị trường giao sau dẫn dắt thị trường kỳ hạn cho chỉ số S&P500. Nghiên cứu của Tse (2006) cho thấy mối quan hệ dẫn dắt giữa hợp đồng giao ngay và giao sau của Nikkei và thấy sự thay đổi trong giá tương lai lấy trễ dẫn dắt sự thay đổi của giá giao ngay, trong ngắn hạn, nhưng không có chiều ngược lại. Tương tự các các bài nghiên cứu trên, lý thuyết này cũng áp dụng lên các chỉ số của chứng khoán. Malliaris và Urrutia (1992) xem xét tác động lan tỏa cho chỉ số của 6 chỉ số chứng khoán lớn: New York S&P500, Tokyo Nikkei, London FT-30, Hồng Kong Hang Seng, Singapore Straits Times và Australia All Ordinaries. Tác giả đã tìm thấy mối lên hệ giữa các chỉ số vào giai đoạn trước và sau khủng hoảng 1987 nhưng không có tác động lan tỏa tồn tại vào giữa những tháng khủng hoảng. Oliveira và cộng sự (2009) xem xét sự tồn tại mối liên hệ giữa thị trường chứng khoán Mỹ và Brazil, lần lượt đại diện bởi chỉ số NYSE và Bovespa. Kết quả cho thấy lợi nhuận của Bovespa được giải thích bởi sự thay đổi trong những phút trước của NYSE. Mặt khác, Shih và cộng sự (2008) xem xét được mối quan hệ giữa các chỉ số của thị trường phát triển là Trung Quốc, Nhật Bản và Mỹ và kết quả cho thấy không có mối tương quan giữa các thị trường này. Theo Bwo-
4. 82 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA Nung Huang và cộng sự (1999), thị trường Mỹ có tác động lan tỏa tới các thị trường mới nổi và giá chứng khoán ở Nhật Bản, Hồng Kong, Singapore cũng thể hiện tác động lan tỏa đến các thị trường các nước Châu Á mới nổi. Nguyễn Phúc Cảnh và cộng sự (2016) đã nghiên cứu xem xét tác động lan tỏa của thị trường chứng khoán Trung Quốc đối vớithị trường chứng khoán của 6 nước trong khu vực Đông Nam Á bao gồm Indonesia,Malaysia, Philippines, Singapore, Thái Lan và Việt Nam trong giai đoạn từ 2005 - 2015. Thông qua sử dụng mô hình véc tơ tự hồi quy, hàm phản ứng đẩy và phân rã phương sai cho dữ liệu chuỗi thời gian theo ngày, kết quả cho thấy thị trường chứng khoán Trung Quốc có tác động lan tỏa đến các thị trường 6 nước ASEAN và tác động lan tỏa có độ trễ từ 2 đến 3 ngày. Từ những lý thuyết nghiên cứu trên và thực trạng khi chỉ số chứng khoán Trung Quốc giảm sút đã ảnh hưởng đến chỉ số chứng khoán của các nước khác thị trường chứng khoán Trung Quốc có tác động lan tỏa đến thị trường chứng khoán Việt Nam hay không? Ở phần tiếp theo, nhóm tác giả sẽ sử dụng những phương pháp kinh tế lượng để kiểm định điều này, tuy nhiên, dữ liệu nghiên cứu sẽ được cập nhật và phương pháp sử dụng ở đây là sử dụng mô hình tự hồi quy phân phối trễ. 3. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 3.1. Phương pháp nghiên cứu Phần này sẽ thể hiện phương pháp để đạt được mục tiêu nghiên cứu. Đầu tiên, trong phân tích dữ liệu chuỗi thời gian, như phân tích các chỉ số chứng khoán trên thị trường tài chính, khi áp dụng mô hình hồi quy tuyến tính cổ điển có giả định rằng các chuỗi thời gian là dừng, hay nói cách khác bước đi của chúng là ngẫu nhiên. Theo cách này, một chuỗi dữ liệu được xem là dừng nếu trung bình và độ lệch chuẩn của nó là không đổi theo thời gian và giá trị của hiệp phương sai giữa hai chuỗi thời gian phụ thuộc chỉ vào độ trễ giữa hai giai đoạn chứ không phải phụ thuộc vào thời gian mà hiệp phương sai được tính ra. Trong bài nghiên cứu này, để kiểm định xem chuỗi dữ liệu có dừng hay không, nhóm tác giả sử dụng kiểm định nghiệm đơn vị Augmented Dickey-Fuller theo nghiên cứu của Dickey và Fuller (1979). Để xem xét mối quan hệ giữa thị trường chứng khoán Trung Quốc và Việt Nam là dài hạn hay ngắn hạn nhóm tác giả tiến hành thực hiện kiểm định đồng liên kết Johansen với giả thiết H0 là không tồn tại đồng liên kết giữa hai thị trường. Nếu bác bỏ giả thiết H0 thì mối quan hệ giữa Trung Quốc và Việt Nam là dài hạn. Ngược lại, nếu chấp nhận giả thiết H0, hay tồn tại mối quan hệ ngắn hạn giữa các nước này, nhóm tác giả sẽ thực hiện mô hình tự hồi quy phân phối trễ (Autoregressive Distributed Lag, viết tắt là ARDL) Mô hình này được đề xuất bởi Pesaran, Shin & Smith (1996). Dạng toán học của mô hình ARDL được sử dụng trong bài báo là: mn =αα++β + D() VNINDEX ti0 ∑∑D( VNINDEX)ti−−i D( HANGS ENG)ti ut , ii=11= trong đó D là ký hiệu toán tử lấy sai phân, αβii, là các hệ số hồi quy, và ut là phần dư có
5. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 83 tương quan đồng thời nhưng không tương quan với trễ của nó và không tương quan với tất cả các biến độc lập. Do đó vế phải của phương trình hồi quy gồm các biến trễ của các biến độc lập, và ở đây chúng ta có thể sử dụng phương pháp bình phương tối thiểu. Quy trình ước lượng mô hình ARDL có thể được tóm lược qua các bước sau: - Kiểm định tính dừng của các chuỗi thời gian. Biến đổi các chuỗi thời gian chưa dừng về chuỗi dừng. Tức là biến đổi để nhận được các chuỗi có kỳ vọng, phương sai và hiệp phương sai là không đổi theo thời gian. - Lựa chọn bậc trễ tối ưu cho mô hình ARDL. - Ước lượng mô hình ARDL. - Kiểm định kết quả ước lượng mô hình ARDL: Kiểm định dạng hàm; kiểm định tính ổn định của mô hình ARDL; kiểm định phần dư của mô hình ARDL không mắc khuyết tật tự tương quan. - Kiểm định đồng tích hợp để tìm mối quan hệ cân bằng dài hạn giữa các biến. Chi tiết về mô hình ARDL có thể tìm thấy trong Chương 17 của Gujarati (2004). 3.2. Dữ liệu Chỉ số thị trường chứng khoán Trung Quốc là Hangseng Composite và chỉ số thị trường chứng khoán Việt Nam là VNI được thu thập từ trong giai đoạn từ ngày 17 tháng 5 năm 2016 đến ngày 17 tháng 5 năm 2019, gồm 724 quan sát. Giai đoạn này là giai đoạn sau cuộc khủng hoảng tài chính toàn cầu và với dữ liệu khá cập nhật. Một số kết quả thú vị liên quan đến các thời kỳ thị trường có những biến động mạnh sẽ được nghiên cứu trong các bài báo khác. Trong chuỗi dữ liệu được thu thập có một số dữ liệu bị thiếu do các ngày lễ và các lý do khác, tác giả điều chỉnh để tạo nên bộ dữ liệu cân bằng. 4. KẾT QUẢ THỰC NGHIỆM Các chuỗi số liệu đưa vào phân tích bằng mô hình ARDL phải là các chuỗi dừng. Tính dừng là một khái niệm quan trọng khi nghiên cứu về các chuỗi thời gian. Tuy nhiên, trong thực tế, hầu hết các chuỗi số liệu tài chính là không dừng. Trước tiên, chúng ta quan sát đồ thị của các chuỗi ban đầu như trong Hình 1. VNI SHANGHAI_COMPOSITE 1,300 3,600 1,200 3,400 1,100 3,200 1,000 3,000 900 800 2,800 700 2,600 600 2,400 500 III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II 2016 2017 2018 2019 2016 2017 2018 2019 Hình 1. Đồ thị của các chuỗi VNI và HANGSENG COMPOSITE
6. 84 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA Hình 1 gợi ý rằng các chuỗi thời gian ban đầu không dừng. Chúng ta khảo sát đồ thị các chuỗi sai phân bậc nhất của các chuỗi ban đầu như trong Hình 2. DVNI DSHANGHAI_COMPOSITE 40 160 120 20 80 40 0 0 -40 -20 -80 -120 -40 -160 -200 -60 III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II 2016 2017 2018 2019 2016 2017 2018 2019 Hình 2. Đồ thị của các chuỗi DVNI và DHANGSENG COMPOSITE Hình 2 gợi ý rằng các chuỗi sai phân bậc nhất của các chuỗi thời gian ban đầu là các chuỗi dừng. Để minh chứng, chúng ta sử dụng kiểm định nghiệm đơn vị, nhờ một kiểm định phổ biến là kiểm định Augmented Dicky-Fuller (kiểm định ADF). Kết quả sử dụng kiểm định nghiệm đơn vị với trễ bậc 4 theo khuyến nghị của Newey-West, với kỹ thuật sử dụng theo dạng mô hình có xu hướng và hệ số chặn. Các Bảng 1 và 2 dưới đây lần lượt trình bày các kiểm định ADF cho các chuỗi thời gian ban đầu, và các chuỗi sai phân bậc nhất của chúng. Bảng 1. Kết quả kiểm định tính dừng của các chuỗi VNI và HANGSENG COMPOSITE
7. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 85 Bảng 2. Kết quả kiểm định tính dừng của các chuỗi DVNI và DHANGSENG COMPOSITE Kiểm định nghiệm đơn vị cho thấy các chuỗi gian ban đầu không dừng, nhưng sau khi lấy sai phân bậc nhất, chúng ta thu được các chuỗi thời gian dừng. Các kết quả này phù hợp với những dự đoán ban đầu từ các Hình 1 và 2. Việc sử dụng phương pháp lấy sai phân bậc nhất không chỉ để thu được các chuỗi thời gian dừng, mà đây còn là một lựa chọn phù hợp khi cần giải thích các hàm phản ứng. Bởi vì, các chuỗi sai phân này cung cấp thông tin về xu hướng tăng hoặc giảm (theo dấu của kết quả sai phân) chứ không tập trung cung cấp thông tin về giá trị thực của chuỗi thời gian. Tiếp theo, chúng ta thực hiện thống kê mô tả cho thấy các biến đều có độ lệch chuẩn cao, thể hiện sự biến động mạnh của các biến này. Giá trị thống kê Jarque-Bera ở mức cao cho thấy rằng các chuỗi đều không có phân phối chuẩn. Ob- Maxi- Mini- Skew- Jarque - Sum Sq. Mean Median Std. Dev. Kurtosis Probability Sum serva- mum mum ness Bera Dev. tions DVNI 0.486487 1.110000 37.85000 -56.33 9.756029 -1.14 9.244214 1331.134 0.000000 351.7300 68720.04 723 DSHANG- HAI - 0.053416 1.890000 157.0500 -171.9 30.42501 -0.535 7.708474 702.3827 0.000000 38.62000 668341.7 723 COMPOS- ITE Bảng 3. Thống kê mô tả các sai phân của từng biến Bước tiếp theo cần xác định độ trễ tối ưu cho mô hình ARDL. Đây là một công đoạn quan trọng trước khi ước lượng mô hình ARDL. Cách truyền thống để lựa chọn độ trễ tối ưu là ước lượng mô hình ARDL nhiều lần với các trễ giảm dần đến 0. Trong số các mô hình ARDL được ước lượng, chúng ta lựa chọn mô hình nào có giá trị tiêu chuẩn thông tin Hannan-Quin nhỏ nhất. Trong bài báo này, tác giả thử các trễ đến tối đa bậc 12 và lựa chọn được mô hình được khuyến nghị theo
8. 86 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA tiêu chuẩn Hannan-Quin là mô hình ARDL(2,0). Hình 3 sau đây chỉ minh họa tiêu chuẩn cho 20 mô hình có kết quả tốt hơn cả, trong đó có mô hình tốt nhất nói trên. Hannan-Quinn Criteria (top 20 models) 7.346 7.344 7.342 7.340 7.338 7.336 7.334 7.332 7.330 ARDL(2, 0) ARDL(5, 0) ARDL(4, 0) ARDL(3, 0) ARDL(6, 0) ARDL(2, 1) ARDL(5, 1) ARDL(4, 1) ARDL(2, 2) ARDL(3, 1) ARDL(6, 1) ARDL(7, 0) ARDL(4, 2) ARDL(1, 0) ARDL(5, 2) ARDL(3, 2) ARDL(9, 0) ARDL(6, 2) ARDL(2, 3) ARDL(8, 0) Hình 3. Minh họa tiêu chuẩn Hann-Quin cho 20 mô hình tốt nhất Kết quả ước lượng mô hình ARDL được trình bày trong Bảng 4 sau đây. Dynamic regressors (12 lags, automatic): D(SHANGHAI_COMPOSITE) Fixed regressors: C Number of models evalulated: 156 Selected Model: ARDL(2, 0) Note: final equation sample is larger than selection sample Coefficie Variable nt Std. Error t-Statistic Prob.* D(VNI(-1)) -0.039778 0.035668 -1.115232 0.2651 D(VNI(-2)) 0.119079 0.035801 3.326116 0.0009 D(SHANGHAI_COM POSITE) 0.084552 0.011497 7.354260 0.0000 C 0.448229 0.348521 1.286088 0.1988 R-squared 0.090668 Mean dependent var 0.495534 Adjusted R-squared 0.086863 S.D. dependent var 9.768021 Akaike info S.E. of regression 9.334144criterion 7.310768 Sum squared resid 62469.51 Schwarz criterion 7.336180 Hannan-Quinn Log likelihood -2631.532criter. 7.320578 F-statistic 23.83033 Durbin-Watson stat 2.007488 Prob(F-statistic) 0.000000 *Note: p-values and any subsequent tests do not account for model selection. Bảng 4. Kết quả ước lượng mô hình ARDL(2,0)
9. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 87 Tuy mô hình ARDL(2,0) là mô hình tốt nhất trong số các mô hình theo tiêu chuẩn Hannan- Quin, nhưng có thể nhận thấy, sau khi ước lượng, có một hệ số hồi quy không có ý nghĩa thống kê ở mức ý nghĩa 5%, đó là DVNI(-1). Chúng ta có thể ước lượng lại mô hình, sau khi bỏ các biến này khỏi mô hình, như trong Bảng 5. Các hệ số hồi quy trong mô hình ở Bảng 5 đều có ý nghĩa thống kê ở mức ý nghĩa 5%. Có thể nhận thấy các hệ số hồi quy của các biến có ý nghĩa thống kê trong mô hình ở Bảng 4 và Bảng 5 sai lệch nhau không nhiều. Dependent Variable: D(VNI) Method: Least Squares Included observations: 721 after adjustments Coefficie Variable nt Std. Error t-Statistic Prob. D(VNI(-2)) 0.120523 0.035784 3.368075 0.0008 D(SHANGHAI_COM POSITE) 0.083935 0.011486 7.307794 0.0000 C 0.428103 0.348113 1.229781 0.2192 R-squared 0.089091 Mean dependent var 0.495534 Adjusted R-squared 0.086553 S.D. dependent var 9.768021 Akaike info S.E. of regression 9.335728criterion 7.309727 Sum squared resid 62577.88 Schwarz criterion 7.328786 Hannan-Quinn Log likelihood -2632.157criter. 7.317084 F-statistic 35.11171 Durbin-Watson stat 2.086869 Prob(F-statistic) 0.000000 Bảng 5. Kết quả ước lượng mô hình DVNI sau khi bỏ một số biến Sau khi xác định được các nhân tố tác động đến biến động của chỉ số thị trường chứng khoán như khuyến nghị của mô hình. Trước khi phân tích kết quả, bước tiếp theo, chúng ta cần kiểm định mô hình ARDL(2,0) ở trên. Trước tiên cần kiểm định, phần dư của mô hình không mắc khuyết tật tự tương quan, nhờ kiểm định nhân tử Lagrange (Lagrang Multiplier, viết tắt là LM) như trong Bảng 6. Breusch-Godfrey Serial Breusch-Godfrey Serial Correlation LM Test: Correlation LM Test: Prob. Prob. F-statistic 1.394257 F(1,717) 0.2381 F-statistic 0.696466F(2,716) 0.4987 Obs*R- Prob. Chi- Obs*R- Prob. Chi- squared 1.399314 Square(1) 0.2368 squared 1.399937Square(2) 0.4966 Bảng 6. Kiểm định LM về hiện tượng tự tương quan của phần dư của mô hình ARDL
10. 88 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA Như vậy, mô hình ARDL(2,0) có phần dư không mắc khuyết tật tự tương quan bậc 1 hay bậc 2. Kết quả kiểm định dạng hàm Ramsey RESET như trong Bảng 7 thể hiện dạng hàm là chưa phù hợp. Có lẽ tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam cần thêm biến để thể hiện con đường truyền dẫn. Điều này sẽ được thực hiện trong một nghiên cứu tiếp theo. Ramsey RESET Test Equation: UNTITLED Specification: D(VNI) D(VNI(-2)) D(SHANGHAI_COMPOSITE) C Omitted Variables: Squares of fitted values Probabilit Value df y t-statistic 3.986542 717 0.0001 F-statistic 15.89252 (1, 717) 0.0001 Likelihood ratio 15.80664 1 0.0001 Bảng 7. Kết quả kiểm định dạng hàm Kết quả kiểm định tính ổn định của mô hình được thực hiện nhờ tổng tích lũy của phần dư (CUSUM: Cumulative Sum of Recursive Residuals). Kết quả trong Hình 4 cho thấy tổng tích lũy của phần dư nằm trong dải tiêu chuẩn ứng với mức ý nghĩa 5% nên có thể kết luận phần dư của mô hình có tính ổn định và vì thế mô hình là ổn định. 80 60 40 20 0 -20 -40 -60 -80 III IV I II III IV I II III IV I II 2016 2017 2018 2019 CUSUM 5% Significance Hình 4. Minh họa tổng tích lũy của phần dư và khoảng tin cậy 5% Như vậy, mô hình ARDL (2,0) tạm thời có thể là phù hợp để mô tả tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam. Kết quả cho thấy, trong ngắn hạn, chỉ số của thị trường chứng khoán Việt Nam bị ảnh hưởng bởi những biến đổi trong quá khứ của chính nó 2 ngày trước và bị ảnh hưởng bởi chỉ số thị trường chứng khoán Trung Quốc ngay lập tức (trong ngày).
11. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 89 Tiếp theo, để xem trong dài hạn có tồn tại mối quan hệ cân bằng giữa chỉ số thị trường chứng khoán Việt Nam và chỉ số thị trường chứng khoán Trung Quốc, chúng ta thực hiện kiểm định đồng tích hợp. Kết quả khẳng định tồn tại mối quan hệ đồng tích hợp được trình bày trong Bảng 8. ARDL Cointegrating And Long Run Form Dependent Variable: D(VNI) Selected Model: ARDL(2, 0) Included observations: 721 Cointegrating Form Coefficie Variable nt Std. Error t-Statistic Prob. D(VNI(-1), 2) -0.119079 0.035801 -3.326116 0.0009 D(SHANGHAI_COMP OSITE, 2) 0.084552 0.011497 7.354260 0.0000 CointEq(-1) -0.920699 0.051442 -17.897803 0.0000 Cointeq = D(VNI) - (0.0918*D(SHANGHAI_COMPOSITE) + 0.4868 ) Long Run Coefficients Coefficie Variable nt Std. Error t-Statistic Prob. D(SHANGHAI_COMP OSITE) 0.091835 0.013005 7.061405 0.0000 C 0.486836 0.377565 1.289409 0.1977 Bảng 8. Kết quả kiểm định mối quan hệ cân bằng dài hạn giữa các biến Trong kiểm định đồng tích hợp, hệ số hồi quy đồng tích hợp mang dấu âm (-0.920699) và có ý nghĩa thống kê ở mức 5% (giá trị xác suất rất nhỏ) thể hiện rằng tồn tại mối quan hệ đồng tích hợp giữa các biến. Tức là trong dài hạn khi hệ thống đang ở trạng thái cân bằng, khi có cú sốc nào đó xảy ra thì các biến trong mô hình có xu hướng vận động, “kéo” cả hệ “quay về” trạng thái cân bằng, tức là có xu hướng vận động ngược chiều (dấu âm của hệ số đồng tích hợp) so với các biến động đó. Phương trình đồng tích hợp, hay phương trình thể hiện mối quan hệ cân bằng dài hạn giữa các biến là: DVNI = 0.091835*DHANGSENG_COMPOSITE + 0.486836. 4. KẾT LUẬN Nghiên cứu đã chỉ ra trong ngắn hạn, chỉ số thị trường chứng khoán Trung Quốc trong ngày có tác động đến chỉ số thị trường chứng khoán Việt Nam, và tác động đó là tác động cùng chiều. Nói cách khác, biến động của chỉ số thị trường chứng khoán Việt Nam không chỉ chịu ảnh hưởng
12. 90 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA của chính nó trong quá khứ gần mà còn do đóng góp của các thông tin từ thị trường chứng khoán Trung Quốc. Kết quả của nghiên cứu này cũng có ý nghĩa quan trọng đối với các nhà đầu tư. Các nhà đầu tư trên thị trường chứng khoán Việt Nam nên theo dõi chặt chẽ thông tin về chỉ số thị trường chứng khoán Trung Quốc như một chỉ báo. Trong dài hạn, tồn tại mối quan hệ cân bằng giữa chỉ số thị trường chứng khoán Trung Quốc và chỉ số thị trường chứng khoán Việt Nam. Bởi vậy việc phân tích, dự báo chỉ số thị trường chứng khoán Việt Nam trong dài hạn cũng cần quan tâm thêm đến chỉ số thị trường chứng khoán Trung Quốc. Một lần nữa, trong dài hạn, chỉ số thị trường chứng khoán Trung Quốc cũng có tác động cùng chiều đến chỉ số thị trường chứng khoán Việt Nam. Để thấy được mối quan hệ chặt chẽ và giúp đo lường rủi ro danh mục đầu tư gồm các tài sản trên chúng ta cần khảo sát cấu trúc phụ thuộc giữa các chỉ số, bằng một số phương pháp khác như phương pháp copula. Ngoài ra, có thể đưa thêm vào mô hình các biến kinh tế thế giới khác, như chỉ số thị trường chứng khoán các quốc gia khác trên thế giới, các biến kinh tế vĩ mô. Điều này sẽ được thực hiện trong các nghiên cứu tiếp theo của tác giả. TÀI LIỆU THAM KHẢO 1. Bwo-Nung H., Soong-Nark S. and Yang, C. W.(1999), “State Dependent Correlation and Lead-Lag Relation when Volatility of Markets is Large: Evidence from the US and Asian Emerging Markets”,Journal of economic development, vol. 24, No.2. 2. Dickey, D. A. and Fuller, W. A, (1979), “Distribution of the estimators for autoregressive time series with a unit root”,Journal of American Statistical Association, 74:427-431. 3. Gujarati, D. N. (2004), Basic Econometrics, Gary Burke, New York. 4. JIANG, L.; FUNG, J. K. W.; CHENG, L. T. W.(2001), “The Lead-lag relation between spot and futures markets under different short-selling regimes”,The Financial Review, No. 38, pp.63- 88. 5. Kewei H. (2007), “Industry information diffusion and the lead-lag effect in stock returns”,The Review of Financial Studies, pp.1113-1138. 6. Kofman, P.; Martens, M. (1997), “Interaction between stock markets: an analysis of the common trading hours at the London and New York stock exchange”,Journal of International Money and Finance, Volume 16, Issue 3, pp. 387414.­ 7. Lo, A. W., and MacKinlay, A. C.(1990a), “When are contrarian profits due to stock market overreaction?”The review of financial studies,Vol.3, No. 2. 8. Lo, A. W., and MacKinlay, A. C.(1990b), “An econometric analysis of nonsynchronous trading”,Journal of Econometrics, Vol. 45, pp.181-211. 9. Malliaris, A. G.; Urrutia J. L.(1992), “The international crash of October 1987: causality tests”,The Journal of Financial and Quantitative Analysis,Vol 27, No. 3, pp. 353-364. 10. Miller, S. E. (1980), “Lead-lag relationships between pork prices at the retail, wholesale, and farm levels”, Southern Journal of Agricultural Economics, pp. 73-76.
13. HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 91 11. Nguyễn Phúc Cảnh, Phan Gia Quyền, Hà Thị Mỹ Duyên (2016), “Tác động lan tỏa từ thị trường chứng khoán Trung Quốc đến thị trường chứng khoán các quốc gia Đông Nam Á”, Tạp chí Kinh tế đối ngoại. 12. Otavio R. D. M., Gustavo R.D. Oliveira and Bernardus, Doornik, F.N V.(2009), “Testing for lead-lag effects between the American and the Brazilian stock markets”,Brazilian Businessreview, Vol.6, Issue1, pp.1-20. 13. Pesaran, M. H. ; Shin, Y. and Smith, R. J. (1996), “Testing for the Existence of a Long- run Relationship”, Working paper. 14. Shih, M. L., Hsiao, S. H. and Chen, F. S. H.(2008), “The Association of China Stock Index with Japan and US”,Journal of Convergence Information Technology. 3(2):13-22. 15. Tse, Y. K. (2006), “Lead-lag relationship between spot index and futures price of the nikkei stock average”, Journal of Forecasting, Vol. 14, pp.553-563. 16. Yiu Kuen TSE, Wai-Sum Chan, (2010), “The Lead-Lag Relationship between the S&P 500 Spot and Futures Markets: An Intraday-Data Analysis Using Threshold Regression Model”, Japanese Economic Review, Vol. 61.