Mã số: 107dulieu.tailieuhoctap.vn/books/luan-van-de-tai/luan-van...Trang v DANH MỤC BẢNG...

Trang i

Mã số: 107

VAI TRÒ DẪN DẮT TỶ SUẤT SINH

LỢI CỦA MỸ VÀ TRUNG QUỐC ĐỐI

VỚI CÁC QUỐC GIA ĐÔNG NAM Á

Trang i

LỜI MỞ ĐẦU

Dự báo tỷ suất sinh lợi là một trong những mối quan tâm hàng đầu của giới đầu tư.

Tính cho đến nay, đã có rất nhiều bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi

của các mô hình định giá tài sản cũng như của các chỉ báo kinh tế quốc gia. Tuy nhiên,

những bài nghiên cứu về một chỉ báo dự đoán tỷ suất sinh lợi mới là tỷ suất sinh lợi

lấy trễ của Mỹ thì vẫn còn rất ít, đặc biệt nghiên cứu vai trò dẫn dắt tỷ suất sinh lợi

của Mỹ đối với các quốc gia Đông Nam Á thì gần như chưa có. Ngoài ra, nói đến

Đông Nam Á thì phải nói đến một cường quốc kinh tế láng giềng đó là Trung Quốc.

Do đó, với bộ dữ liệu các chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và sáu

quốc gia Đông Nam Á (Việt Nam, Thái Lan, Phillipines, Malaysia, Singapore,

Indonesia) trong giai đoạn 2007-2013, bài nghiên cứu xem xét vai trò dẫn dắt tỷ suất

sinh lợi của Mỹ và Trung Quốc đối với các quốc gia Đông Nam Á. Kết quả nghiên

cứu phát hiện ra rằng có bằng chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh

lợi đối với hầu hết các quốc gia Đông Nam Á (trừ Phillipines và Singapore), nhưng

kết quả nghiên cứu này không bền vững khi kiểm định qua nhiều phương pháp và các

bộ dữ liệu khác nhau. Tuy nhiên, bằng chứng về vai trò dẫn dắt tỷ suất sinh lợi của

Mỹ đối với Việt Nam thì lại tương đối bền vững khi kiểm định bằng nhiều mô hình và

các bộ dữ liệu khác nhau. Còn đối với trường hợp của Trung Quốc thì không tìm thấy

những bằng chứng vững chắc cho thấy Trung Quốc thể hiện vai trò dẫn dắt đối với bất

kỳ quốc gia Đông Nam Á nào. Bên cạnh đó, tỷ suất sinh lợi của các quốc gia Đông

Nam Á thể hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và tỷ suất sinh lợi

của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ suất sinh lợi giới hạn

đối với nhau. Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ

liệu đều cho thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong

giá cổ phiếu của các quốc gia Đông Nam Á (trừ Phillipines). Trường hợp của Trung

Quốc thì cho thấy các nước Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc,

nhưng tìm thấy bằng chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện

sự khuếch tán thông tin sang các nước Đông Nam Á. Do đó, hầu như không tìm thấy

bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy sinh ở Trung Quốc tác động đến

tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Trang ii

MỤC LỤC

1. GIỚI THIỆU: ..................................................................................................... 1

2. TỔNG QUAN NGHIÊN CỨU: ......................................................................... 8

2.1. Khung lý thuyết: ............................................................................................ 8

2.1.1. Sai lệch Stambaugh: ................................................................................ 8

2.1.2. Chu trình wild bootstrap: ...................................................................... 10

2.1.3. Phương pháp GMM (Generalized method of moments): ....................... 13

2.2. Các bằng chứng thực nghiệm trước đây: ...................................................... 16

2.2.1. Khả năng dự báo tỷ suất sinh lợi: .......................................................... 16

2.2.2. Mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ: ........ 19

2.3. Khung phân tích: ......................................................................................... 22

3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU: ........................................... 24

3.1. Phương pháp nghiên cứu: ............................................................................ 24

3.1.1. Mô hình hồi quy dự báo tiêu chuẩn: ...................................................... 24

3.1.2. Mô hình khả năng dự báo của tỷ suất sinh lợi quốc tế lấy trễ:................ 26

3.1.3. Mô hình khuếch tán thông tin:............................................................... 28

3.1.4. Mô hình dự báo ngoài mẫu: .................................................................. 33

3.2. Dữ liệu: ....................................................................................................... 35

3.2.1. Tỷ suất sinh lợi thặng dư hàng tuần: ...................................................... 37

3.2.2. Các biến kinh tế quốc gia: ..................................................................... 39

4. KẾT QUẢ NGHIÊN CỨU: ............................................................................. 50

4.1. Mô hình hồi quy dự báo tiêu chuẩn:............................................................. 50

4.1.1. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng

quốc gia: ............................................................................................................ 50

4.1.2. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của Mỹ

và Trung Quốc: .................................................................................................. 53

4.2. Mô hình khả năng dự đoán của tỷ suất sinh lợi quốc tế lấy trễ: .................... 57

4.2.1. Kiểm định nhân quả Granger theo cặp: ................................................. 57

4.2.2. Mô hình tổng quát: ................................................................................ 63

4.3. Mô hình khuếch tán thông tin: ..................................................................... 64

4.4. Mô hình dự báo ngoài mẫu: ......................................................................... 69

Trang iii

5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU: ..................................................... 72

5.1. Tóm lược các kết quả thực nghiệm: ............................................................. 72

5.2. Hàm ý từ bài nghiên cứu: ............................................................................ 75

5.2.1. Khía cạnh vĩ mô: ................................................................................... 75

5.2.2. Khía cạnh nhà đầu tư quốc tế đối với thị trường chứng khoán Việt Nam:

76

5.3. Một số hạn chế nghiên cứu và đề xuất hướng nghiên cứu trong tương lai: ... 76

6. KẾT LUẬN ...................................................................................................... 78

Trang iv

DANH MỤC TỪ VIẾT TẮT

MM: method of moment

GMM: general method of moments

GFD: Global Financial Data

MSCI: Morgan Stanley Capital International

AR (first-order autoregressive model): mô hình tự hồi quy bậc nhất

HR (historical average regression): hồi quy dựa trên trung bình lịch sử

PR (benchmark predictive regression): mô hình hồi quy dự báo tiêu chuẩn

MSFE (mean-squared forecast error): giá trị sai số dự báo bình phương trung bình

IV (Instrumental variables): phương pháp biến công cụ

2SLS (Two-stage least-squares): phương pháp ước lượng bình phương nhỏ nhất hai

giai đoạn

mARM (multipredictor augmented regression method): phương pháp hồi quy đa biến

cải tiến

Trang v

DANH MỤC BẢNG

Bảng 1: Thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán quốc

gia theo tuần trong giai đoạn từ 06/2007 đến 06/2013: ................................................... 38

Bảng 2: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến 2013:06 .. 50

Bảng 3: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo

của Mỹ, 2007:06 đến 2013:06 ........................................................................................ 53

Bảng 4: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo

của Trung Quốc, 2007:06 đến 2013:06 .......................................................................... 54

Bảng 5: Kết quả ước lượng mARM mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến

2013:06 ......................................................................................................................... 56

Bảng 6: Kết quả kiểm định quan hệ nhân quả Granger theo cặp, từ 2007:06 đến

2013:06 ......................................................................................................................... 58

Bảng 7: Kết quả kiểm định nhân quả Granger theo cặp kiểm soát các biến kinh tế bổ

sung, 2007:06-2013:06 .................................................................................................. 60

Bảng 8: Kết quả ước lượng cho mô hình hồi quy gộp, từ 2007:06 đến 2013:06 ............. 63

Bảng 9: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Mỹ, từ

2007:06 đến 2013:06 ..................................................................................................... 65

Bảng 10: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Trung

Quốc, từ 2007:06 đến 2013:06 ....................................................................................... 67

Bảng 11: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Mỹ, từ 2007:06

đến 2013:06 ................................................................................................................... 69

Bảng 12: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Trung Quốc, từ

2007:06 đến 2013:06 ..................................................................................................... 71

1. GIỚI THIỆU:

Hiện nay, Mỹ vẫn là quốc gia thống trị nền kinh tế toàn cầu. Có rất nhiều lý do để

Mỹ giữ vị trí thống trị này, chẳng hạn như: Mỹ có nền kinh tế lớn nhất và hiệu quả

nhất thế giới với vai trò nhà sản xuất lớn nhất thế giới, chiếm 1/5 tổng sản lượng quốc

nội (GDP) toàn cầu. Đồng thời, Mỹ cũng dẫn đầu thế giới về sản xuất hàng hóa và Mỹ

cũng là một trong những nước xuất khẩu hàng hóa và dịch vụ lớn nhất thế giới, một

trong những nền kinh tế cạnh tranh nhất. Sự thống trị nền kinh tế toàn cầu của Mỹ

càng được củng cố khi Mỹ có những thương hiệu hàng đầu thế giới (năm 2013, 9

trong 10 thương hiệu hàng đầu thế giới là của Mỹ), có trữ lượng dầu mỏ lớn nhất thế

giới (theo báo cáo nghiên cứu của Cơ quan Năng lượng Quốc tế (IEA), Mỹ sẽ qua mặt

A Rập Xê Ut để trở thành nước sản xuất dầu lớn nhất thế giới vào năm 2017 và là nhà

xuất khẩu dầu lớn nhất thế giới vào năm 2020), có những trường đại học tốt nhất thế

giới (6 trong số 10 trường đại học tốt nhất thế giới trong năm 2012 đều có xuất xứ từ

Mỹ, theo đánh giá của công ty chuyên về giáo dục và du học Quacquarelli Symonds

(Anh)) và dẫn đầu thế giới về công nghệ (theo như nghiên cứu của US Trust, Mỹ vẫn

là nhà của các trang mạng xã hội hàng đầu thế giới, đồng thời vượt xa các nước khác

về lượng tiền chi tiêu cho phát triển công nghệ). Mặc dù cuộc khủng hoảng kinh tế thế

giới 2008 nổ ra làm cho nền kinh kinh tế Mỹ điêu đứng nhưng Mỹ vẫn là nền kinh tế

hàng đầu vì nhà đầu tư nước ngoài vẫn thích đổ tiền vào Mỹ và đồng đô la Mỹ vẫn là

đồng tiền vua với khoảng 60% dự trữ tiền tệ trên toàn cầu đã được đầu tư vào đồng đô

la Mỹ. Qua đó, có thể thấy sự thống trị của nền kinh tế Mỹ trên thế giới và tác động

mạnh mẽ của nền kinh tế Mỹ đồi với phần còn lại của thế giới.

Cạnh tranh gay gắt và tranh đua vị trí thống trị thế giới với Mỹ là Trung Quốc. Từ

năm 2010, Trung Quốc đã được xếp là quốc gia có nền kinh tế lớn thứ hai trên thế giới

sau Hoa Kỳ. Đồng thời, Trung Quốc được đánh giá là quốc gia có tốc độ tăng trưởng

kinh tế nhanh nhất thế giới. Hiện Trung Quốc là quốc gia xuất khẩu hàng hóa nhiều

nhất thế giới và nhập khẩu của Trung Quốc cũng được xếp thứ hai. Sức mạnh của nền

kinh tế Trung Quốc càng được khẳng định khi mặc dù Trung Quốc chỉ chiếm có 4%

GDP toàn thế giới, nhưng lại tiêu thụ tới 19% sản lượng dầu mỏ, 21% sản lượng xi

măng và gần 30% sản lượng thép toàn thế giới... Bên cạnh đó, với môi trường kinh

doanh tốt hơn nên việc thu hút đầu tư nước ngoài của Trung Quốc ngày càng mạnh mẽ

với việc Trung Quốc đã giành được vị trí đối tác thương mại lớn nhất của 126 quốc

gia trên thế giới và đối tác thương mại lớn thứ hai của 79 nước khác. Còn về khía cạnh

tài chính, nếu như trước đó vào năm 2010, đồng Nhân Dân Tệ mới chỉ đứng thứ 17

trong số các đồng tiền được giao dịch nhiều nhất thì trong năm 2013, theo báo cáo

mới nhất của Ngân hàng Thanh toán quốc tế (BIS), đồng Nhân Dân Tệ của Trung

Quốc đã vượt đồng Krona của Thụy Điển và đồng đô la New Zealand để chiếm vị trí

số 9 trên bản xếp hạng các đồng tiền được giao dịch nhiều nhất trên thế giới. Sự kiện

này cũng đánh dấu cho sự trỗi dậy của siêu cường kinh tế số hai thế giới là Trung

Quốc, khẳng định tầm quan trọng của nền kinh tế nước này đối với kinh tế toàn cầu.

Vì vậy, có thể thấy tầm ảnh hưởng của nền kinh tế Trung Quốc đang ngày càng được

mở rộng và bao phủ với mật độ lớn hơn.

Vậy sự phát triển của hai nền kinh tế lớn nhất nhì thế giới (Mỹ, Trung Quốc) đã tác

động như thế nào đến khu vưc Đông Nam Á? Khu vực Đông Nam Á nổi lên là một

khu vực chiến lược về kinh tế và cũng là một địa bàn cạnh tranh chiến lược giữa nhiều

cường quốc. Khi nói đến khu vực Đông Nam Á , không thể không nói đến Hiệp hội

các quốc gia Đông Nam Á (ASEAN) với mười nước thành viên, với tổng dân số 600

triệu người và tổng thu nhập quốc nội 2.310 tỷ USD, là điểm thu hút sự quan tâm hàng

đầu của các cường quốc cũng như những trung tâm chính trị - kinh tế lớn trên thế giới.

Vai trò trung tâm của ASEAN đã được ghi nhận qua một số thành tựu quan trọng

trong lĩnh vực kinh tế và an ninh và ASEAN đã trở thành một động lực tăng trưởng

cho nền kinh tế thế giới. Một Cộng đồng chung ASEAN được hình thành sẽ tạo "sân

chơi" cho các quốc gia có cam kết chung hướng tới sự phát triển bền vững về kinh tế

cũng như hòa bình, ổn định và thịnh vượng cho khu vực này.

Tất cả các đối tác lớn của ASEAN, như Trung Quốc, Nhật Bản, Mỹ, Ấn Độ, Nga,

Liên minh châu Âu (EU)... đều đang thực hiện các chính sách hướng về khu vực Đông

Nam Á với quy mô lớn, phù hợp với những biến động nhanh chóng của tình hình quốc

tế và khu vực. Sự mở rộng quy mô tác động đến khu vực Động Nam Á của các cường

quốc kinh tế thế giới có thể thấy rõ trong bốn năm qua, Trung Quốc trở thành đối tác

thương mại lớn nhất của ASEAN trong khi ASEAN tiếp tục duy trì là đối tác thương

mại lớn thứ ba của Trung Quốc. Tại Mỹ, chính sách "chuyển trục" định hướng Đông

Nam Á đang được tiến hành. Mỹ xác định khu vực Đông Nam Á như một công cụ

phục vụ nền kinh tế Mỹ trong tương lai, do đó chiến lược xoay trục của Mỹ liên quan

việc nước này sẽ trao quyền cho ASEAN góp phần xây dựng một cấu trúc kinh tế khu

vực, duy trì sự thịnh vượng chung. Tổng kim ngạch thương mại giữa ASEAN và Mỹ

đạt 198,8 tỷ USD năm 2011, đưa Mỹ trở thành đối tác thương mại lớn thứ tư của

ASEAN và trong cùng kỳ Mỹ cũng là nhà đầu tư lớn thứ ba trong ASEAN với tổng

vốn đầu tư hơn 5,8 tỷ USD. Qua đó cho thấy Mỹ đang quyết tâm tăng cường và củng

cố vai trò lớn hơn tại khu vực châu Á.

Từ những lập luận trên có thể thấy được sức mạnh kinh tế của Mỹ và Trung Quốc

trên thế giới và sự ảnh hưởng của hai nền kinh tế này đối với khu vực Đông Nam Á.

Tiếp theo là nói đến cuộc khủng hoàng kinh tế thế giới 2008, sự kiện kinh tế mang

tính lịch sử bởi sự tác động nặng nề cũng như mang tính toàn cầu của nó. Xuất phát từ

cuộc khủng hoảng tài chính của Mỹ và lan rộng toàn cầu, kéo theo sự sụp đổ hàng loạt

của các định chế tài chính khổng lồ như Bear Stearns, Lehman Brothers, Merill

Lynch hay sự điêu đứng của các hãng bảo hiểm AIG, Morgan Staley, thị trường chứng

khoán thế giới điên đảo, lúc này người ta bắt đầu nghi ngờ về tính hiệu quả của các

mô hình định giá tài sản cũng như các chỉ báo dự đoán tỷ suất sinh lợi, và bắt đầu đòi

hỏi về một chỉ báo cũng như một mô hình mới hiệu quả hơn. Chứng kiến sức mạnh

kinh tế của Mỹ và Trung Quốc trên thế giới và sự ảnh hưởng của hai nền kinh tế này

đối với khu vực Đông Nam Á, ý tưởng về một chỉ báo dự đoán tỷ suất sinh lợi mới ra

đời: tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Mỹ và Trung Quốc.

Tính cho đến nay, đã có nhiều bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi,

chẳng hạn như nghiên cứu của Keim và Stambaugh (1986) đề xuất việc dự báo tỷ suất

sinh lợi thặng dư của bảy loại tài sản bằng ba biến số lấy trễ: chênh lệch lãi suất dài

hạn và lãi suất ngắn hạn, tỷ số S&P 500 so với trung bình trượt 45 năm của chỉ số

S&P 500, chỉ số chứng khoán của công ty nhỏ. Hầu hết các hệ số độ dốc đều có ý

nghĩa thống kê, cho thấy phần bù rủi ro kỳ vọng của nhiều tài sản thay đổi theo thời

gian một cách dự đoán được. Fama và French (1989) áp dụng một phương pháp tương

tự, sử dụng hai biến dự báo dựa trên trái phiếu, đó là chênh lệch giữa lợi suất trái

phiếu chính phủ dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn và chênh lệch giữa

lãi suất ngắn hạn và lãi suất dài hạn. Tác giả nhận thấy rằng cả hai biến này đều có

khả năng dự báo tỷ suất sinh lợi thặng dư của chứng khoán. Fama (1990) cho thấy

rằng tỷ suất sinh lợi thặng dư của chứng khoán có thể được dự báo bởi sản lượng công

nghiệp, sử dụng chuỗi giá trị thời gian theo tháng, theo quý và theo năm. Những

nghiên cứu khác thì sử dụng tỷ số tài chính như các biến dự báo của tỷ suất sinh lợi

chứng khoán. Fama và French (1984) cho rằng tỷ số cổ tức trên giá có một tác động

có ý nghĩa lên tỷ suất sinh lợi chứng khoán, và Campell và Shiller (1988) nhận thấy

rằng tỷ số cổ tức trên giá, cùng với tỷ lệ tăng trưởng của tỷ suất cổ tức, có khả năng dự

báo ý nghĩa đối với tỷ suất sinh lợi chứng khoán. Tỷ số cổ tức trên giá cũng được sử

dụng như là biến dự báo trong các bài nghiên cứu sau này, chẳng hạn như nghiên cứu

của Hodrick (1992). Kothari và Shanken (1997) thêm tỷ số giá trị sổ sách so với giá trị

thị trường như là một biến dự báo, và Lewellen (2003) nghiên cứu khả năng dự báo

của tỷ số thu nhập trên giá, tỷ số cổ tức trên giá và tỷ lệ tăng trưởng của cổ tức. Theo

như phương pháp kiểm định được phát triển trong bài nghiên cứu sau này, ba tỷ số

này (tỷ số thu nhập trên giá, tỷ số cổ tức trên giá và tỷ lệ tăng trưởng của cổ tức) có

khả năng dự báo mạnh hơn những dự báo trước đây. Ngoài ra, Pontiff và Schall

(1998) cũng nhận thấy tỷ số giá trị sổ sách so với giá trị thị trường dự báo được tỷ suất

sinh lợi chứng khoán. Những nhóm nghiên cứu về hồi quy dự báo khác sử dụng các

biến rủi ro và thanh khoản. French, Schwert và Stambaugh (1987) sử dụng phương sai

tỷ suất sinh lợi, mà thu được từ mô hình ARIMA, và Amihud (2002) và Jones (2002)

sử dụng nhiều phương pháp đo lường độ thanh khoản của thị trường chứng khoán. Kết

quả trong những bài nghiên cứu này nhìn chung cho thấy giá trị chuỗi thời gian của

những biến số này dự báo một cách có ý nghĩa tỷ suất sinh lợi thặng dư của chứng

khoán. Baker và Stein (2002) sử dụng tỷ lệ cổ phiếu mới phát hành cùng với tỷ số

thanh khoản và tỷ số cổ tức trên giá để dự báo tỷ suất sinh lợi chứng khoán. Tuy

nhiên, các bài nghiên cứu trên đây chủ yếu tập trung vào các chỉ báo kinh tế quốc gia

cũng như các chỉ số tài chính, có rất ít bài nghiên cứu xem xét khả năng dự báo của tỷ

suất sinh lợi lấy trễ của Mỹ và Trung Quốc. Do đó, từ những gợi ý trên, nhóm nghiên

cứu đã phát triển đề tài: “Vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và Trung Quốc đối

với các quốc gia Đông Nam Á”.

Hướng đến mục tiêu nghiên cứu chính: Vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và

Trung Quốc đối với các quốc gia Đông Nam Á. Bài nghiên cứu tập trung trả lời các

câu hỏi nghiên cứu:

- Liệu có tồn tại mối quan hệ dẫn dắt trễ (lead-lag relationship) giữa các tỷ suất

sinh lợi chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia

Đông Nam Á?

- Tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có dự đoán một cách ý nghĩa tỷ

suất sinh lợi của các quốc gia Đông Nam Á hay không? Và ngược lại, tỷ suất

sinh lợi lấy trễ của các quốc gia Đông Nam Á có thể hiện khả năng dự đoán

một cách ý nghĩa tỷ suất sinh lợi của Mỹ và Trung Quốc không?

- Các cú sốc tỷ suất sinh lợi của Mỹ và Trung Quốc được phản ánh như thế nào

trong giá chỉ số chứng khoán quốc gia của các nước Đông Nam Á thông qua

mô hình khuếch tán thông tin?

- Liệu các mô hình hồi quy mà sử dụng tỷ suất sinh lợi lấy trễ của Mỹ/Trung

Quốc có thể hiện khả năng dự báo tốt hơn mô hình dự báo khác không ?

Từ thông tin thu thập được của FTSE về các chỉ số chứng khoán quốc gia của Mỹ,

Trung Quốc và sáu quốc giá Đông Nam Á (Việt Nam, Singapore, Thái Lan,

Phillipines, Indonesia, Malaysia), nhóm nghiên cứu tiến hành thu thập các dữ liệu cần

thiết từ tháng 6/2007 đến tháng 6/2013. Sau đó nhóm nghiên cứu tiến hành xây dựng

các biến số cần thiết theo tuần, bao gồm: (1) tỷ suất sinh lợi thặng dư của chỉ số chứng

khoán quốc gia (2) lãi suất T-bill 3 tháng, (3) tỷ suất cổ tức, (4) tỷ lệ lạm phát, (5) sản

lượng công nghiệp, (6) tỷ giá hối đoái, (7) chênh lệch giữa lãi suất ngắn hạn và lãi suất

dài hạn. Dựa trên các biến số chính trên đây, đầu tiên, bài nghiên cứu sử dụng phương

pháp hồi quy OLS thông thường, tuy nhiên gặp phải vấn đề kinh tế lượng là sai lệch

Stambaugh, do đó nhóm nghiên cứu sử dụng chu trình wild bootstrap để kiểm soát sai

lệch này. Sau đó, nhóm tiến hành kiểm định nhân quả Granger theo cặp để nghiên cứu

mối quan hệ dẫn dắt trễ. Ngoài ra, để xem xét các cú sốc tỷ suất sinh lợi của Mỹ và

Trung Quốc được phản ánh như thế nào trong giá chỉ số chứng khoán quốc gia của

các nước Đông Nam Á, nhóm tiếp tục ước lượng một mô hình khuếch tán thông tin

(new diffusion model) thông qua chu trình GMM (general method of moments). Từ

đó, kết quả nghiên cứu cho thấy:

- Có bằng chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh lợi đối với hầu

hết các quốc gia Đông Nam Á (trừ Phillipines và Singapore), nhưng kết quả

nghiên cứu này không bền vững vì khi tiến hành thực hiện nhiều phương pháp

kiểm định khác nhau cũng như sử dụng các bộ dữ liệu khác nhau, thì kết quả

thể hiện chưa thực sự đồng nhất. Tuy nhiên, bằng chứng về vai trò dẫn dắt tỷ

suất sinh lợi của Mỹ đối với Việt Nam thì lại tương đối bền vững, dù cho có

kiểm định qua nhiều mô hình và các bộ dữ liệu khác nhau. Còn đối với việc

nghiên cứu xem liệu có tồn tại mối quan hệ dẫn dắt giữa tỷ suất sinh lợi lấy trễ

của Trung Quốc và tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các nước

Đông Nam Á không, thì sau khi kiểm định qua nhiều mô hình cũng như nhiều

bộ dữ liệu khác nhau vẫn không tìm thấy những bằng chứng vững chắc cho

thấy Trung Quốc thể hiện vai trò dẫn dắt đối với bất kỳ quốc gia Đông Nam Á

nào. Bên cạnh đó, tỷ suất sinh lợi lấy trễ của các quốc gia Đông Nam Á thể

hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và tỷ suất sinh lợi lấy

trễ của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ suất sinh lợi

giới hạn đối với nhau.

- Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ liệu đều

cho thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong giá

chỉ số chứng khoán quốc gia của các nước Đông Nam Á (trừ Phillipines). Kết

quả kiểm định tác động của các cú sốc tỷ suất sinh lợi của Mỹ đối với thị

trường chứng khoán Phillipines đều bị bác bỏ một cách bền vững, khẳng định

rằng Phillipines độc lập với các của sốc tỷ suất sinh lợi của Mỹ. Còn đối với

Trung Quốc, bằng chứng kiểm định trên hai bộ dữ liệu đều cho thấy các nước

Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc, và tìm thấy bằng

chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện sự khuếch tán

thông tin sang các nước Đông Nam Á. Do đó, với kết quả kiểm định cho thấy

hầu như không tìm thấy bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy

sinh ở Trung Quốc tác động đến tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Ngoài ra, bằng chứng về khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ

đối với tỷ suất sinh lợi chứng khoán quốc gia của Việt Nam càng được củng cố

khi tiến hành so sánh khả năng dự báo của mô hình dự báo trên tỷ suất sinh lợi

lấy trễ của Mỹ với các mô hình dự báo khác thì mô hình dự báo trên tỷ suất

sinh lợi lấy trễ của Mỹ luôn thể hiện khả năng dự báo tốt hơn đối với Việt

Nam. Qua đó có thể thấy tỷ suất sinh lợi lấy trễ của Mỹ là một chỉ báo dự đoán

tiềm năng đối với tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Việt Nam.

Phần tiếp theo của bài nghiên cứu sẽ bao gồm các phần sau:

- Phần 2 phân tích cụ thể khung lý thuyết kinh tế lượng bao gồm sai lệch Stambaugh

phát sinh trong quá trình hồi quy dự báo tiêu chuẩn, từ đó tổng quan về cách khắc

phục sai lệch này bằng chu trình wild bootstrap, cuối cùng là khái quát về chu trình

GMM khi nghiên cứu về sự khuếch tán thông tin. Ngoài ra, nêu lên các bằng

chứng thực nghiệm về các mô hình và các chỉ báo dự đoán tỷ suất sinh lợi, cũng

như các những phát hiện trước đây về mối quan hệ giữa sự khuếch tán thông tin và

tác động dẫn dắt trễ.

- Phần 3 trình bày phương pháp nghiên cứu, nguồn dữ liệu và mô tả chi tiết các chỉ

số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia Đông Nam Á.

- Phần 4 trình bày các kết quả nghiên cứu thực nghiệm của Mỹ, Trung Quốc và các

quốc gia Đông Nam Á trong giai đoạn từ tháng 6/2007 đến tháng 6/2013 thông qua

hồi quy OLS có tính đến sai lệch Stambaugh, phân tích nhân quả Granger cùng với

mô hình GMM.

- Phần 5 nêu các tranh luận liên quan, các hạn chế của bài nghiên cứu và nhấn mạnh

hàm ý từ kết quả nghiên cứu đến các quốc gia Đông Nam Á cũng như Mỹ và

Trung Quốc

- Phần 6 kết luận và tóm gọn các kết quả nghiên cứu chính.

2. TỔNG QUAN NGHIÊN CỨU:

2.1. Khung lý thuyết:

2.1.1. Sai lệch Stambaugh:

Trong nghiên cứu kinh tế và tài chính rất thường hay gặp các mô hình hồi quy chuỗi

thời gian trong đó các biến độc lập thường được “xác định trước” (chẳng hạn như lấy

trễ) so với các biến phụ thuộc, do đó vì tính chất này mà làm cho mô hình xuất hiện

một loại sai lệch, được gọi là sai lệch Stambaugh. Sai lệch Stambaugh có thể hiểu có

một cách khái quát như sau: đây là sai lệch xuất hiện trong quá trình hồi quy với một

biến hồi quy ngẫu nhiên lấy trễ. Biến hồi quy này tuân theo một quá trình hồi quy bậc

một và mô hình hồi quy bậc nhất của biến hồi quy này thì có thành phần nhiễu tương

quan với thành phần nhiễu của mô hình hồi quy ban đầu. Một trong những ví dụ điển

hình nhất mà thường xuất hiện loại sai lệch này là những mô hình hồi quy tỷ suất sinh

lợi thặng dư của danh mục đầu tư các chứng khoán với các biến hồi quy ngẫu nhiên

lấy trễ như là tỷ suất cổ tức, tỷ số giá trị thị trường chia cho giá trị sổ sách hay lãi suất

danh nghĩa. Để hiểu kỹ hơn, chúng ta xem xét một mô hình hồi quy tổng quát sau:

𝑦𝑡+1 = 𝛼 + 𝛽𝑥𝑡 + 𝑢𝑡+1, 𝑡 = 1, … , 𝑇, (1)

Trong đó 𝑦𝑡+1 thường là tỷ suất sinh lợi của tài sản và 𝑥𝑡 là thường một biến từ tập

hợp thông tin có sẵn mà các nhà đầu tư có thể quan sát và thu thập được trước khi tỷ

suất sinh lợi được công bố. Ngoài ra, 𝑥𝑡 là một biến ngẫu nhiên và có thể tương quan

với thành phần nhiễu của mô hình hồi quy. Ví dụ, giả sử 𝑦𝑡+1 là tỷ suất sinh lợi thặng

dư của danh mục đầu tư chứng khoán trong tháng t+1, và giả sử 𝑥𝑡 là tỷ suất cổ tức

được quan sát tại thời điểm t. Nếu 𝑥𝑡 phụ thuộc vào giá tài sản cuối giai đoạn t, thì giá

trị của biến x vào cuối giai đoạn t+1 sẽ phản ánh sự thay đổi của giá tài sản (𝑦𝑡+1)

trong suốt giai đoạn t+1, do đó trong một mô hình hồi quy như vậy, 𝑥𝑡 thì tương quan

với 𝑢𝑡+1, hoặc

𝐸(𝑢|𝑥) ≠ 0, (2)

trong đó 𝑢 = [𝑢1, … , 𝑢𝑇+1]′ và 𝑥 = [𝑥1, … , 𝑥𝑇]′.

Điều kiện trong phương trình (2) thường dẫn đến sai lệch mẫu hữu hạn đối với

giá trị ước lượng OLS của 𝛽 (và 𝛼). Vấn đề sai lệch mẫu hữu hạn phát sinh trong

phương trình (1) cùng với các tính chất bổ sung như sau:

𝑥𝑡+1 = 𝜇 + 𝜌𝑥𝑡 + 𝑣𝑡+1, 𝑡 = 0, … , 𝑇, (3)

trong đó 𝑣 = [𝑣1, … , 𝑣𝑇]′. Từ phương trình (3) có thể thấy khi 𝜌 càng lớn, đối với một

sự tương quan nhất định giữa 𝑢𝑡+1 và 𝑣𝑡+1, thì sự tương quan giữa 𝑥𝑡 và 𝑢𝑡+1 càng

lớn.

Đối với việc xác định 𝑥𝑡+1 ở trên thì việc có được sai lệch của hệ số ước lượng �� thì

khá đơn giản. Cho �� biểu thị giá trị ước lượng OLS của 𝜌 trong phương trình (3). Lúc

này sai lệch của hệ số ước lượng �� được tính như sau:

Định lý:

𝐸(�� − 𝛽) =𝜎𝑈𝑉

𝜎𝑉2 𝐸(�� − 𝜌) (4)

Nhìn chung, �� bị sai lệch trong các mẫu hữu hạn. Từ phương trình (4), �� bị sai lệch

xuống (lên) nếu sự tương quan giữa 𝑢𝑡+1 và 𝑣𝑡+1 là dương (âm). Khi sự tương quan

giữa 𝑢𝑡+1 và 𝑣𝑡+1 tăng, thì sai lệch tăng. Ngoài ra, từ sự suy luận trên có thể đưa ra kết

quả là 𝐸(�� − 𝛼) = (𝜎𝑈𝑉 𝜎𝑉2⁄ ). 𝐸(�� − 𝜇).

Từ việc xác định được sai lệch của hệ số hồi quy, thì tiếp theo cần xem xét thống kê t

bị lệch lạc như thế nào khi xuất hiện sự tương quan giữa 𝑢𝑡+1 và 𝑣𝑡+1, mà được biểu

thị bởi 𝛾. Khi 𝜌 hay 𝛾 lớn (gần bằng 1), thì phân phối thống kê t khác biệt đáng kể với

phân phối (chuẩn) tiệm cận. Nhìn chung, khi 𝛾 dương, thì thống kê t bị sai lệch xuống

và hơi lệch về bên trái, và ngược lại khi 𝛾 âm.

Tóm lại, trong các mô hình hồi quy chuỗi thời gian, khi tiến hành hồi quy với một

biến hồi quy ngẫu nhiên lấy trễ, thì thành phần nhiễu của mô hình hồi quy sẽ tương

quan với thành phần nhiễu của biến hồi quy, trong đó biến hồi quy tuân theo một quá

trình hồi quy bậc một, thì lúc này làm xuất hiện sai lệch mẫu hữu hạn. Khi sự tương

quan này là dương (âm), thì thống kê t và hệ số độ dốc của phương thức ước lượng bị

lệch xuống (lệch lên). Đồng thời sai lệch trong hệ số độ dốc OLS tỷ lệ thuận với sai

lệch của hệ số tự tương quan được ước lượng của biến hồi quy. Ngày nay, để có thể

kiểm soát sai lệch này, nhiều nhà nghiên cứu đã sử dụng một thủ thuật gọi là chu trình

wild bootstrap.

2.1.2. Chu trình wild bootstrap:

Như đã biết thì phương pháp bootstrap là tập hợp một số kỹ thuật phân tích dựa vào

nguyên lý chọn mẫu có hoàn lại để ước tính các thông số thống kê mà thống kê thông

thường không giải thích được. Phương pháp bootstrap do nhà thống kê học Bradley

Efron thuộc đại học Stanford (Mĩ) phát triển từ cuối thập niên 1979 nhưng đến khi

máy tính được sử dụng phổ biến thì phương pháp này mới trở thành phương pháp phổ

biến trong phân tích thống kê và được ứng dụng rộng rãi trong rất nhiều lĩnh vực khoa

học. Phương pháp boostrap được xem là phương pháp chuẩn trong phân tích thống kê

và đã làm nên một cuộc cách mạng trong thống kê vì nó giải quyết được nhiều vấn đề

mà trước đây tưởng như không giải quyết được. Tư tưởng chính của phương pháp

bootstrap được thể hiện như sau: Phương pháp bootstrap là phương pháp lấy mẫu có

hoàn lại, nghĩa là một quan sát có thể xuất hiện nhiều lần trong mỗi lần lấy mẫu. Các

quan sát có thể được lặp lại trong mẫu và đây là đặc trưng của phương pháp bootstrap.

Nếu như tư tưởng chính của boostrap rất đơn giản là lấy mẫu hoàn lại, vậy tại sao cần

dùng phương pháp bootstrap? Trong thực tế, từ một mẫu ta chỉ có thể có được một số

trung bình của mẫu, ta không biết được khoảng tin cậy cho số trung bình này hoặc

không biết được phân bố của số trung bình ra sao. Thêm vào đó thực tế ta không biết

được hàm phân bố của tổng thể nên việc ước lượng các tham số đặc trưng thống kê rất

khó khăn và thiếu chính xác. Phương pháp bootstrap có thể cung cấp nhiều thông tin

chi tiết hơn về phân phối của số trung bình, khoảng tin cậy cũng như xác suất của số

trung bình dựa trên một mẫu duy nhất. Sử dụng phương pháp bootstrap, ta không cần

biết phân phối thực sự của tổng thể vì trên thực tế cũng rất khó để biết được, chỉ với

một mẫu dữ liệu ban đầu, thông qua phương pháp lấy mẫu có hoàn lại, ta có thể sinh

ra nhiều mẫu mới theo yêu cầu nghiên cứu, từ đó ta có thể ước lượng được các tham

số đặc trưng của nghiên cứu thống kê như (khoảng tin cậy, phương sai, độ lêch

chuẩn,…). Ý tưởng chìa khóa để làm nên thành công của phương pháp Bootstrap là

“đối xử với mẫu như là tổng thể” cùng với phương pháp lấy mẫu có hoàn lại.

Với ý tưởng “đối xử với mẫu như là tổng thể” này của phương pháp bootstrap

đã được nhiều nhà nghiên cứu kinh tế và tài chính phát triển để có thể cho ra đời các

phương pháp mà khắc phục những hạn chế trong hồi quy, một trong những phương

pháp mà nhóm đã áp dụng cho bài nghiên cứu này là phương pháp wild bootstrap.

Trong bài nghiên cứu của nhóm, khi phân tích khả năng dự báo tỷ suất sinh lợi, về cơ

bản nhóm sử dụng phương thức ước lượng bình phương nhỏ nhất (OLS) trong phân

tích. Tuy nhiên, các bài nghiên cứu trước đây về khả năng dự báo tỷ suất sinh lợi đã

dẫn chứng nhiều vấn đề kinh tế lượng liên quan đến các mô hình hồi quy dự báo

(Nelson và Kim, 1993; Mark, 1995; Stambaugh 1999). Đặc biệt, bài nghiên cứu của

Stambaugh (1999) cho thấy có một sai lệch trong hệ số dự báo được ước lượng trong

mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán dựa trên các biến hồi quy ngẫu

nhiên lấy trễ như tỷ suất cổ tức, lãi suất danh nghĩa, tỷ số giá trị thị trường so với giá

trị sổ sách. Như đã nói rõ ở phần sai lệch Stambaugh, sai lệch này phát sinh bởi vì

phần dư trong những biến hồi quy tương quan đồng thời (thường thường là tương

quan âm) với phần dư của mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán. Đặc

biệt, sai lệch này càng rõ ràng hơn khi mối tương quan đồng thời giữa các thành phần

nhiễu mạnh, tính bền vững của các biến chỉ báo cao, hoặc quy mô mẫu nhỏ. Có thể

thấy, tỷ suất sinh lợi thị trường nhiều giai đoạn và các biến kinh tế vĩ mô theo thời

gian thường tự tương quan với nhau và có phương sai thay đổi có điều kiện, điều này

có thể làm mất hiệu lực của chu trình bootstrap mà dựa trên sai số i.i.d (i.i.d: sai số

phân phối đồng nhất độc lập có trung bình bằng 0 và phương sai không đổi) (xem

nghiên cứu của Goncalves và Kilian, 2004). Do đó, để đánh giá những vấn đề thống

kê này, nhóm thực hiện chu trình wild bootstrap theo như nghiên cứu của Goncalves

và Kilian, áp đặt giả thuyết không là không có khả năng dự báo khi tính các giá trị tới

hạn, và thể hiện các giá trị p-values cho mỗi ước lượng tham số.

Nhóm nghiên cứu chu trình wild bootstrap này trong mô hình tự hồi quy bậc 1. Chu

trình bootstrap này bao gồm một vài bước. Bước 1 là bắt đầu ước lượng hai phương

trình sau cùng nhau bằng OLS:

𝑦𝑡+1 = 𝛼 + 𝛽𝑥𝑡 + 𝑢𝑡+1 (5)

𝑥𝑡+1 = 𝜇 + 𝜌𝑥𝑡 + 𝑣𝑡+1 (6)

Tại đây, phương trình (5) và (6) biểu thị các đặc điểm của mô hình dự báo chung được

sử dụng trong bài nghiên cứu và sự biến động của các biến dự báo. Lưu ý rằng trong

trường hợp hồi quy đa biến thì biến dự báo 𝑥 là một biến vector và phương trình (6)

trở thành một quá trình tự hồi quy theo vector bị giới hạn (VAR). Phần dư của hai

phương trình 𝑢 và 𝑣, có một ma trận phương sai-hiệp phương sai ∑. Với các giá trị

ước lượng OLS của các tham số trong hai phương trình, thì tiếp tục tính và lưu trữ giá

trị phần dư để cho quá trình lấy mẫu. Bước thứ hai là rút ra một cách ngẫu nhiên (có

hoàn lại) giá trị phần dư (��, ��), và sẽ tạo ra hai chuỗi dữ liệu thời gian bootstrap (��, 𝑥)

bằng cách sử dụng ước lượng OLS thu được ở bước 1 và áp đặt giả thuyết không có

khả năng dự báo. Đặc biệt, quả trình tạo dữ liệu trong bước này được giả định như

sau:

��𝑡+1 = 𝛼 + 𝜂𝑡��𝑡+1 (7)

𝑥𝑡+1 = 𝜇 + 𝜌𝑥𝑡 + ��𝑡+1 (8)

Lưu ý rằng thành phần sai số trong phương trình (7) là sản phẩm của ��𝑡+1 và 𝜂𝑡, trong

đó �� 𝑡+1 là phần dư của mô hình hồi quy từ bước 1 và 𝜂𝑡 là một biến ngẫu nhiên có

trung bình bằng 0 và phương sai bằng 1. Theo chu trình wild bootstrap, biến ngẫu

nhiên 𝜂𝑡 được bao gồm trong thành phần sai số trong phương trình (7) để đánh giá tốt

hơn sự tự tương quan tiềm năng và vấn đề phương sai thay đổi (có điều kiện) trong dữ

liệu. Bước 3 là ước lượng lại phương trình (5) và (6) cùng nhau bằng OLS sử dụng

chuỗi dữ liệu thời gian bootstrap (��, 𝑥) để thu được giá trị ước lượng của các tham số

(��, ��, ��, ��, Σ). Bước 4, tác giả lặp lại bước 2-3 với N lần, và với mỗi lần lặp lại sẽ thu

được các giá trị ước lượng tham số bootstrap. Cuối cùng là tính giá trị p-values

bootstrap cho từng ước lượng tham số như là tỷ lệ của N lần lặp lại này trong đó giá trị

tuyệt đối của ước lượng bootstrap của tham số nhất định, giá trị mà thu được từ bước

3, lớn hơn giá trị tuyệt đối của ước lượng OLS của các tham số tương ứng, giá trị mà

thu được từ bước 1. Trong trường hợp sai lệch Stambaugh (1999), chu trình bootstrap

này có hai giá trị: nó không chỉ giữ gìn cấu trúc tự tương quan của các biến chỉ báo mà

còn giữa lại cấu trúc tương quan chéo của các phần dư của hai phương trình trên (theo

như nghiên cứu của Welch và Goyal, 2008). Ngoài ra, chu trình wild bootstrap còn

xem xét vấn đề phương sai thay đổi (có điều kiện) tiềm tàng của những dạng chưa

nhận biết được tồn tại trong dữ liệu (theo như nghiên cứu của Goncalves và Kilian,

2004). Kết quả là phương pháp bootstrap này giúp đánh giá vấn đề thống kê liên quan

đến mô hình hồi quy dự báo mà bài nghiên cứu có khả năng phải đối mặt. Khi thực

hiện chu trình boostrap, nhóm đã thiêt lập số lần lặp lại là 2000 lần.

2.1.3. Phương pháp GMM (General method of moments):

GMM là tên chung của một họ phương pháp hồi quy hoặc ước lượng để xác định các

thông số của mô hình thống kê hoặc mô hình kinh tế lượng. GMM được sử dụng để

tìm hoặc dự tính các thông số của mô hình tham số hay phi tham số. GMM được phát

triển bởi Lars Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo

moments. GMM được sử dụng nhiều cho dữ liệu bảng (panel data), đặc biệt khi T nhỏ

hơn N nhiều lần hoặc dữ liệu không đồng nhất. Ngoài ra, GMM cho phép ước lượng

đối với mô hình phi tuyến lẫn mô hình tuyến tính. Đồng thời, GMM cũng cho phép

ước lượng mô hình có hiện tượng nội sinh và cho kết quả ước lượng ổn định.

Ý tưởng chính của phương pháp GMM là GMM sử dụng giả định về moment của các

biến ngẫu nhiên để lấy được hàm mục tiêu. Trong đó, moment được giả định của các

biến ngẫu nhiên được biết như là những moment tổng thể, còn dữ liệu sẽ cung cấp các

moment của mẫu. Từ đó, ta sẽ tối thiểu hóa hàm mục tiêu để lựa chọn tham số mà

mang lại sự khác biệt nhỏ nhất giữa moment tổng thể và moment của mẫu.

Sơ lược về GMM là đối với từng moment tổng thể được giả định, ta nhận được một

điều kiện moment tổng thể. Còn đối với từng điều kiện moment tổng thể, có một điều

kiện moment mẫu. Trong phương pháp MM, ta có số lượng điều kiện moment mẫu

bằng với số lượng tham số. Trong phương pháp GMM, tác giả có số lượng điều kiện

moment mẫu nhiều hơn số lượng tham số.

2.1.3.1. Phương pháp MM (Method of moments):

Một trường hợp điển hình và đơn giản của phương pháp GMM là phương pháp MM

cho phép ước lượng trung bình của một phân phối của mẫu, phương sai của phương

sai mẫu, v.v… Nếu ta muốn ước lượng 𝜇 = 𝐸[𝑦] thì ta có điều kiện moment tổng thể

là

𝐸[𝑦] − 𝜇 = 0

Lúc này, điều kiện moment mẫu:

(1

𝑁) ∑ 𝑦𝑖

𝑁

𝑖=1

− 𝜇 = 0

Và cuối cùng thu được giá trị ước lượng tham số bằng cách giải phương trình điều

kiện moment mẫu. Nói chung, phương thức ước lượng mà giải phương trình moment

mẫu để tạo ra các giá trị ước lượng thì được gọi là phương thức ước lượng MM.

Phương pháp bình phương nhỏ nhất (OLS) là một phương thức ước lượng MM. Ta có

thể thấy phương pháp OLS ước lượng các tham số của các kỳ vọng có điều kiện của

phương trình 𝑦𝑖 = 𝑥𝑖𝛽 + 𝜖𝑖 dưới giả định rằng 𝐸(𝜖|𝑥) = 0. Lý thuyết xác suất chuẩn

hàm ý rằng:

𝐸(𝜖|𝑥) = 0𝐸[𝑥𝜖] = 0

Vì vậy điều kiện moment tổng thể cho OLS là:

𝐸[𝑥(𝑦 − 𝑥𝛽)] = 0

Điều kiện moment mẫu tương ứng:

(1

𝑁) ∑ 𝑥𝑖(𝑦𝑖 − 𝑥𝑖𝛽)

𝑁

𝑖=1= 0

Giải 𝛽 được:

��𝑂𝐿𝑆 = (∑ 𝑥𝑖′𝑥𝑖

𝑁

𝑖=1)

−1

∑ 𝑥𝑖′𝑦𝑖

𝑁

𝑖=1

2.1.3.2. Phương pháp GMM (General method of moments):

Có thể thấy phương pháp MM chỉ hiệu quả khi số lượng điều kiện moment bằng với

số lượng tham số để ước lượng. Nếu có nhiều điều kiện moment hơn tham số, hệ

phương trình đại số quá mức xác định và không thể giải được. Do đó, phương thức

ước lượng GMM lựa chọn các ước lượng mà giảm thiểu được hình thức bậc 2 của các

điều kiện moment.

+ GMM gần như có thể giải quyết được hệ phương trình trên mức xác định.

+ GMM chuyển thành MM khi số lượng tham số bằng với số lượng điều kiện

moment.

Định nghĩa phương thức ước lượng GMM (General method of moments):

Câu hỏi nghiên cứu hàm ý q điều kiện moment tổng thể

𝐸[𝑚(𝑤𝑖 , 𝜃)] = 0

Trong đó, m là 𝑞 × 1 vector các hàm có giá trị kỳ vọng tổng thể bằng 0, 𝑤𝑖 là dữ liệu

trên đối tượng i, 𝜃 là 𝑘 × 1 vector tham số, 𝑘 ≤ 𝑞. Lúc này, moment mẫu tương ứng

với moment tổng thể:

��(𝜃) = (1/𝑁) ∑ 𝑚(𝑤𝑖 , 𝜃)

𝑁

𝑖=1

Khi 𝑘 < 𝑞, GMM lựa chọn các tham số mà gần như có thể giải được hệ phương trình

moment quá mức xác định (over-identified):

𝜃𝐺𝑀𝑀 = 𝑎𝑟𝑔𝑚𝑖𝑛𝜃 ��(𝜃)′𝑊��(𝜃)

Một vài tính chất của GMM:

Ta có

𝜃𝐺𝑀𝑀 = 𝑎𝑟𝑔𝑚𝑖𝑛𝜃 ��(𝜃)′𝑊��(𝜃)

Khi k=q, phương thức ước lượng MM giải ��(𝜃) một cách chính xác nên

��(𝜃)′𝑊��(𝜃) = 0.

W chỉ tác động đến hiệu quả của phương thức ước lượng GMM

Đặt W=I tạo ra các ước lượng phù hợp nhưng không hiệu quả.

Đặt W=𝐶𝑜𝑣[��(𝜃)]−1 tạo ra một phương thức ước lượng GMM hiệu quả.

Ta có thể thực hiện nhiều bước để đạt được một phương thức ước lượng GMM

hiệu quả

1. Để W=I và thu được

𝜃𝐺𝑀𝑀1 ≡ arg 𝑚𝑖𝑛𝜃 ��(𝜃)′��(𝜃)

2. Sử dụng 𝜃𝐺𝑀𝑀1 để thu được ��, đây là một ước lượng của 𝐶𝑜𝑣[��(𝜃)]−1

3. Thu được

𝜃𝐺𝑀𝑀2 ≡ arg 𝑚𝑖𝑛𝜃 ��(𝜃)′��(𝜃)

4. Lặp lại bước 2 và bước 3 sử dụng 𝜃𝐺𝑀𝑀2 thay cho 𝜃𝐺𝑀𝑀1

Phương pháp IV (Instrumental variables) và 2 SLS (Two-stage least-squares):

Phương pháp biến công cụ (IV) và phương pháp ước lượng bình phương nhỏ nhất hai

giai đoạn (2 SLS) là hai trường hợp đặc biệt của GMM.

Đối với một vài biến, giả định 𝐸(𝜖|𝑋) = 0 quá mạnh và ta cần cho phép 𝐸(𝜖|𝑋) ≠

0.

Nếu ta có q biến z mà 𝐸(𝜖|𝑧) = 0 và tương quan giữa z và x đủ mạnh, ta có thể

ước lượng 𝛽 từ các điều kiện moment tổng thể

𝐸[𝑧(𝑦 − 𝑥𝛽)] = 0

z được biết như là các biến công cụ.

Nếu số lượng biến z và x bằng nhau (q=k), giải điều kiện moment mẫu thì sẽ tạo ra

phương thức ước lượng MM cũng là phương thức ước lượng biến công cụ (IV)

Nếu có nhiều biến z hơn biến x (q>k) và ta cho phép 𝑊 = (∑ 𝑧𝑖′𝑧𝑖

𝑁𝑖=1 )−1 trong

phương thức ước lượng GMM, thì ta sẽ thu được phương thức ước lượng bình

phương ít nhất hai giai đoạn (2SLS).

Nói tóm lại, GMM là cách tự nhiên để ước lượng các phương trình, là phương pháp

ước lượng tổng quát, bao gồm nhiều phương pháp hồi quy khác nhau (IV, MM, 2

SLS, OLS,…)

2.2. Các bằng chứng thực nghiệm trước đây:

2.2.1. Khả năng dự báo tỷ suất sinh lợi:

50 năm trước, Kendall (1953) quan sát thấy rằng giá chứng khoán dường như thay đổi

ngẫu nhiên theo thời gian. Kendall, và nhiều bài nghiên cứu trước đó về thị trường

hiệu quả đã kiểm định xem sự thay đổi giá có thể được dự đoán bằng cách sử dụng tỷ

suất sinh lợi quá khứ được không. Các kiểm định thực nghiêm sau đó mở rộng đối với

các biến dự báo khác, bao gồm lãi suất, chênh lệch giữa lởi suất trái phiếu chính phủ

dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn, tỷ suất cổ tức, tỷ số giá trị thị

trường so với giá trị sổ sách, và tỷ số thu nhập trên giá (Fama và Schwert, 1977;

Campbell, 1987; Fama và French, 1988; Campbell và Shiller, 1988; Kothari và

Shanken, 1997). Và các bài nghiên cứu trước đây tập trung nhiều hơn vào khả năng

dự báo của tỷ suất cổ tức và tìm thấy các bằng chứng cho thấy tỷ suất cổ tức có thể dự

đoán tỷ suất sinh lợi thị trường. Sau này, bài nghiên cứu của Lewellen (2004) cũng

xem xét xem các tỷ số tài chính (chẳng hạn như tỷ suất cổ tức) có thể dự đoán tỷ suất

sinh lợi chứng khoán được không. Lewellen (2004) nhận thấy rằng tỷ suất cổ tức dự

báo được tỷ suất sinh lợi thị trường trong suốt giai đoạn 1946-2000, cũng như trong

nhiều mẫu con khác nhau. Tỷ số giá trị sổ sách so với giá trị thị trường và tỷ số thu

nhập trên giá có thể dự đoán tỷ suất sinh lợi trong mẫu nhỏ hơn giai đoạn1963-2000.

Các bằng chứng này tiếp tục bền vững dù cho có sự tăng giá bất thường trong những

năm nghiên cứu.

Có thể thấy các bài nghiên cứu trước đây tập trung nhiều vào khả năng dự đoán tỷ suất

sinh lợi chứng khoán của tỷ suất cổ tức, Ang và Bekaert (2010) cũng không ngoại lệ.

Ang và Bekaert (2010) nghiên cứu khả năng dự báo của tỷ suất cổ tức đối với việc dự

báo tỷ suất sinh lợi thặng dư, dòng tiền và lãi suất. Kết quả cho thấy tỷ suất cổ tức dự

báo được tỷ suất sinh lợi thặng dư trong một giai đoạn ngắn và khả năng dự báo của tỷ

suất cổ tức được nâng cao đáng kể trong ngắn hạn trong hồi quy hai biến (nhị phân)

với lãi suất ngắn hạn. Đồng thời, trong ngắn hạn, lãi suất ngắn hạn dự báo âm tỷ suất

sinh lợi một cách bền vững, phù hợp với những bài nghiên cứu trước đây (Fama và

Schwert (1977)) cũng cho rằng lãi suất ngắn hạn là biến dự báo bền vững cho tỷ suất

sinh lợi thặng dư. Hơn nữa, những kết quả này khá bền vững đối với các dữ liệu quốc

tế. Còn trong dài hạn, khả năng dự báo tỷ suất sinh lợi thặng dư bởi tỷ suất cổ tức

không có ý nghĩa về mặt thống kê, không vững bền giữa các quốc gia, và không vững

bền giữa các giai đoạn mẫu khác nhau.

Tiếp tục nghiên cứu về khả năng dự báo tỷ suất sinh lợi chứng khoán, Hjalmarsson

(2008) đã kiểm định khả năng dự báo tỷ suất sinh lợi chứng khoán trên một tập hợp

dữ liệu lớn nhất và bao quát nhất, sử dụng 4 biến dự báo thông thường: tỷ số cổ tức

trên giá, tỷ số thu nhập trên giá, lãi suất ngắn hạn, và chênh lệch lãi suất ngắn hạn và

dài hạn. Dữ liệu bao gồm trên 20,000 quan sát theo tháng từ 40 thị trường quốc tế, bao

gồm 24 nền kinh tế đã phát triển và 16 nền kinh tế mới nổi. Trong bài nghiên cứu này,

tác giả phát triển các phương pháp hồi quy dự báo mới đối với dữ liệu bảng. Kết quả

thực nghiệm cho thấy lãi suất ngắn hạn và chênh lệch lãi suất dài hạn và ngắn hạn là

những chỉ báo tương đối mạnh đối với tỷ suất sinh lợi chứng khoán trong các thị

trường đã phát triển. Trái lại, không có bằng chứng dự báo thích hợp và đủ mạnh được

tìm thấy khi xem xét tỷ số thu nhập trên giá và tỷ số cổ tức trên giá như là các chỉ báo.

Qua đó, có thể thấy đã có rất nhiều bài nghiên cứu trong hai thập kỷ qua đã nghiên

cứu xem tỷ suất sinh lợi chứng khoán có thể được dự đoán bằng các biến số tài chính

(chẳng hạn như tỷ số cổ tức trên giá, tỷ số thu nhập trên giá, và các cách đo lường

khác nhau của lãi suất) không. Hầu hết các nhà nghiên cứu đã cố gắng để trả lời cho

câu hỏi liệu các tỷ số tài chính có đóng vai trò như các chỉ báo thực nghiệm của tỷ

suất sinh lợi không, và các tỷ số tài chính có thể cải thiện khả năng dự báo tỷ suất sinh

lợi như thế nào. Vấn đề này luôn là mối quan tâm hàng đầu của các nhà nghiên cứu

khi nghiên cứu về khả năng dự báo tỷ suất sinh lợi. Tuy nhiên, mặc dù đã có rất nhiều

bài nghiên cứu về khả năng dự đoán tỷ suất sinh lợi nhưng do các kết quả nghiên cứu

chưa thực sự thống nhất trong các bài nghiên cứu cũng như những sự biến động ngày

càng phức tạp của nền kinh tế làm cho việc dự báo tỷ suất sinh lợi chứng khoán ngày

càng trở nên khó khăn dù cho các phương pháp kinh tế lượng ngày càng được cải

thiện và trở nên bền vững hơn.

Nhận thấy các bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi chủ yếu chỉ xoay

quanh việc xem xét các biến chỉ số quốc gia như tỷ suất cổ tức, lãi suất ngắn hạn,

chênh lệch lãi suất ngắn hạn và dài hạn, … nên Rapach, Strauss và Zhou (2013) đã

mang đến một luồng gió mới cho lĩnh vực nghiên cứu khả năng dự đoán tỷ suất sinh

lợi. Nhóm tác giả này đã khám phá ra một chỉ báo mới khá mạnh cho tỷ suất sinh lợi

chứng khoán quốc gia, đó là tỷ suất sinh lợi thị trường lấy trễ của Mỹ. Kết quả nghiên

cứu cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự đoán tỷ suất sinh lợi của các quốc gia

công nghiệp tốt hơn các biến số kinh tế của chính các quốc gia công nghiệp đó, bao

gồm lãi suất danh nghĩa và tỷ suất cổ tức. Nhóm tác giả nhận diện thấy tỷ suất sinh lợi

lấy trễ của Mỹ là một chỉ báo dự đoán tỷ suất sinh lợi khá mạnh khi phân tích mối

quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chứng khoán quốc gia, một khía cạnh

chưa được xem xét trước đây về khả năng dự đoán của tỷ suất sinh lợi quốc tế. Nhóm

tác giả cũng nhận thấy tỷ suất sinh lợi của các quốc gia công nghiệp có năng lực dự

đoán giới hạn tỷ suất sinh lợi của Mỹ. Nói chung, những kết quả này chỉ ra một vai trò

dẫn dắt của Mỹ trong thị trường vốn cổ phần quốc tế.

Phát triển từ ý tưởng xem xét khả năng dự báo tỷ suất sinh lợi chỉ số chứng khoán

quốc gia của tỷ suất sinh lợi thị trường lấy trễ của Mỹ, nhóm nghiên cứu đã mở rộng

bài nghiên cứu theo hướng xem xét tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung

Quốc như là những chỉ báo dự đoán tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Liệu tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung Quốc có thể hiện vai trò như

những chỉ báo quan trọng trong tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các

nước Đông Nam Á không?

2.2.2. Mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ:

Một trong những mối quan tâm hàng đầu trong lĩnh vực kinh tế tài chính là hiểu được

cách các công ty chuyển dịch thông tin ra thị trường như thế nào, và thị trường sẽ

phản ánh những thông tin đó trong giá chứng khoán như thế nào. Chính vì lý do đó mà

các lý thuyết định giá tài sản ra đời và thường giả định rằng sự khuếch tán thông tin

xảy ra ngay lập tức trong thị trường hoàn hảo và không có giới hạn. Tuy nhiên, trên

thực tế, các bằng chứng thực nghiệm cho thấy rằng các nhà đầu tư đối mặt với rất

nhiều giới hạn trong quá trình thu thập và nhận biết thông tin, do đó đôi khi làm cho

giá chứng khoán điều chỉnh chậm hơn trước các thông tin mới. Và theo như những bài

nghiên cứu trước đây, chính sự khuếch tán thông tin chậm như vậy là nguyên nhân

chủ yếu dẫn đến tác động dẫn dắt trễ trong tỷ suất sinh lợi của các chứng khoán.

Vậy những nhân tố kinh tế nào làm cho sự khuếch tán thông tin chậm trong thị trường

cổ phiếu? Có rất nhiều nhân tố cản trở sự truyền tải thông tin, có thể kể đến những

nhân tố tiềm tàng như các chi phí thông tin, những nhà giao dịch nhiễu, các lệnh giới

hạn cũ, chính sách tồn kho của nhà tạo lập thị trường, các chi phí giao dịch, các hạn

chế bán không, các giới hạn ERISA, những loại giới hạn thị trường khác cũng như

những hạn chế đối với nhà đầu tư tổ chức. Merton (1987) nhận thấy các chi phí thông

tin và những hạn chế đối với nhà đầu tư tổ chức là những nhân tố làm cản trở quá trình

thu thập thông tin. Trong khi đó, Diamond và Verrecchia (1987) cho rằng các hạn chế

bán khống có thể làm chậm quá trình phản ứng của giá chứng khoán đối với những

thông tin mới, đặc biệt khi các thông tin là tiêu cực. Mở rộng nghiên cứu của Kyle

(1987), Holden và Subrahmanyam (1992) và Foster và Viswanathan (1993) thì cho

rằng nếu càng có nhiều nhà đầu tư được cung cấp tin tức hơn sẽ làm cho sự điều chỉnh

giá chứng khoán nhanh hơn đối với các thông tin. Còn Mech (1993) cho thấy giá

chứng khoán phản ứng với các thông tin mới nhanh hơn khi sự thay đổi giá lớn so với

chênh lệch giá mua và giá bán. Cuối cùng, Peng (2002) cho rằng sự tồn tại của những

hạn chế quyền hạn tiếp xúc thông tin đã gây ra một sự chậm trễ trong quá trình điều

chỉnh giá.

Sự khuếch tán thông tin chậm quyết định đến tác động dẫn dắt trễ dưới nhiều hình

thức khác nhau. Theo như Lo và McKinlay (1990a) thì cho rằng tác động dẫn dắt trễ

là do sự truyền dẫn thông tin trên thị trường một cách chậm chạp từ các công ty lớn

sang các công ty nhỏ. Còn Brennan, Jegadeesh và Swaminathan (1993) nghiên cứu tác

động của số lượng các nhà phân tích một công ty lên tốc độ điều chỉnh giá và kết luận

rằng giá chứng khoán của các công ty mà có nhiều nhà phân tích phản ứng nhanh

chóng hơn đối với các cú sốc, hơn là những công ty mà có ít nhà phân tích. Chordia và

Swaminathan (2000) tranh luận rằng tác động dẫn dắt trễ giữa các công ty mà có số

lượng giao dịch lớn và các công ty có số lượng giao dịch nhỏ xảy ra là do các công ty

mà có khối lượng giao dịch thấp điều chỉnh chậm hơn đối với các thông tin thị trường.

Trong khi đó, Hou và Kewei (2007) cũng cho rằng sự khuếch tán thông tin chậm gây

ra tác động dẫn dắt trễ giữa các tỷ suất sinh lợi của các chứng khoán. Khác với những

nhóm tác giả trước chủ yếu nghiên cứu về sự khuếch tán thông tin chậm làm cho sự

điều chỉnh giá chứng khoán chậm, thì nhóm tác giả Hou và Kewei nghiên cứu kỹ hơn

về sự tác động trễ giữa tỷ suất sinh lợi của các chứng khoán. Nhóm tác giả cho rằng sự

khuếch tán thông tin chậm thì phù hợp hơn đối với các công ty trong cùng một ngành,

trong đó các công ty trong cùng một ngành là các công ty mà cùng cạnh tranh với

nhau trong thị trường sản phẩm và càng ngày càng giống nhau về phương diện sản

phẩm cũng như sự cải tiến công nghệ, đồng thời các công ty này sẽ phản ứng giống

nhau trước sự thay đổi trong điều kiện cung cầu cũng như sự thay đổi trong môi

trường pháp lý, và khi ngành mở rộng hay thu hẹp thì cơ hội tăng trưởng, quyết định

đầu tư và tài trợ của các công ty tương quan với nhau. Dựa vào những sự tương đồng

này có thể giúp phân nhóm các công ty ở cấp độ ngành, chủ yếu để các cú sốc của các

công ty truyền tải nhiều thông tin về triển vọng tương lai của công ty vào bên trong

ngành hơn so với bên ngoài ngành. Vì vậy, tác giả cũng dự đoán rằng tác động dẫn dắt

trễ chủ yếu xảy ra giữa các công ty trong cùng một ngành, đồng thời tác giả cũng nhận

thấy có rất ít bằng chứng về tác động dẫn dắt trễ giữa các ngành.

Kết quả nghiên cứu về tác động dẫn dắt trễ của Hou và Kewei (2007) cho thấy

rằng tỷ suất sinh lợi của các công ty lớn dẫn dắt tỷ suất sinh lợi của các công ty nhỏ

trong cùng một ngành. Tác giả cũng nhận thấy rằng tác động dẫn dắt trễ chủ yếu là do

sự điều chỉnh chậm chạp đối với các thông tin tiêu cực, có nghĩa là khả năng tỷ suất

sinh lợi lấy trễ của các công ty lớn dự báo tỷ suất sinh lợi hiện hành của các công ty

nhỏ thì lớn hơn nhiều khi tỷ suất sinh lợi lấy trễ của các công ty lớn âm. Những công

ty dẫn đầu ngành dẫn dắt các công ty theo sau, các công ty giá trị dẫn dắt các công ty

tăng trưởng trong cùng một ngành, và các công ty có rủi ro phi hệ thống thấp sẽ dẫn

dắt các công ty có rủi ro phi hệ thống cao hơn trong cùng một ngành, có tính đến sự

kiểm soát quy mô. Ngoài ra, các yếu tố quyết định khác của tác động dẫn dắt trễ vẫn

có ý nghĩa trong nội bộ ngành: tỷ suất sinh lợi của các công ty với số lượng nhà phân

tích, tỷ lệ sở hữu tổ chức, hoặc khối lượng giao dịch cao hơn dẫn dắt tỷ suất sinh lợi

của các công ty có số lượng nhà phân tích, tỷ lệ sở hữu tổ chức, hoặc khối lượng giao

dịch thấp hơn từ cùng một ngành, có tính đến sự kiểm soát quy mô công ty. Khi tính

đến sự khác biệt giữa các ngành trong tác động dẫn dắt trễ thì những ngành nào mà

nhỏ hơn, cạnh tranh ít hơn, cũng như những ngành mà có số lượng nhà phân tích thấp

hơn, tỷ lệ sở hữu tổ chức thấp hơn và khối lượng giao dịch thấp hơn, và mức rủi ro phi

hệ thống cao hơn và sự phân tán nhà phân tích cao hơn, thì sẽ trải qua tác động dẫn

dắt trễ rõ rệt hơn. Ngoài ra, tác động dẫn dắt trễ trong nội bộ ngành cũng liên quan đến

các thông tin trong báo cáo thu nhập: tỷ suất sinh lợi của các công ty nhỏ phản ứng

mạnh hơn đối với các cú sốc thu nhập của các công ty lớn, hơn là các cú sốc thu nhập

của chính các công ty nhỏ đó. Đồng thời, nhóm tác giả còn nhận thấy rằng tác động

dẫn dắt trễ trong nội bộ ngành thì vững mạnh đối với các phương pháp lấy tỷ trọng

khác nhau, đối với các phương pháp hồi quy vector tự động khác nhau, cũng như đối

với các mẫu đại diện khác nhau và các giai đoạn đại diện khác nhau.

Có thể thấy hầu hết các bài nghiên cứu trước đây chủ yếu tập trung nghiên cứu

mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ trong tỷ suất sinh lợi

của các chứng khoán trong cùng một ngành, cùng một thị trường chứng khoán. Có rất

ít bài nghiên cứu nào mà đã từng lấy ý tưởng từ mối quan hệ giữa sữ khuếch tán thông

tin và tác động dẫn dắt trễ trong tỷ suất sinh lợi của các chứng khoán để mở rộng ra

thế giới, nghiên cứu mối quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi của các chỉ số

chứng khoán quốc gia. Cho đến gần đây, David E.Rapach, Jack K.Strauss, và Guofu

Zhou đã cho ra đời một bài nghiên cứu vai trò dẫn dắt trễ của tỷ suất sinh lợi thị

trường Mỹ đối với các quốc gia công nghiệp, trong đó Mỹ đóng vai trò như các công

ty lớn dẫn dắt các quốc gia công nghiệp được xem như là các công ty nhỏ. Kết quả

nghiên cứu của tác giả cho thấy rằng tỷ suất sinh lợi lấy trễ của Mỹ dự đoán một cách

ý nghĩa tỷ suất sinh lợi trong nhiều quốc gia công nghiệp hóa, trong khi tỷ suất sinh

lợi trễ của các quốc gia công nghiệp thể hiện khả năng dự đoán giới hạn về tỷ suất

sinh lợi của Mỹ. Tác giả cũng ước tính một mô hình khuếch tán thông tin, và những

kết quả chỉ ra rằng các cú sốc tỷ suất sinh lợi nảy sinh trong nước Mỹ chỉ được phản

ánh hoàn toàn trong giá cổ phần của các quốc gia công nghiệp với một độ trễ.

Từ ý tưởng của các bài nghiên cứu về sự khuếch tán thông tin và mối quan hệ dẫn dắt,

nhóm nghiên cứu sẽ xem xét tác động dẫn dắt trễ giữa các tỷ suất sinh lợi của các chỉ

số chứng khoán quốc gia của Mỹ, Trung Quốc và 6 quốc gia Đông Nam Á, đồng thời

cũng nghiên cứu mô hình khuếch tán thông tin để xem xét xem các cú sốc tỷ suất sinh

lợi của Mỹ và Trung Quốc có được phản ánh trong giá chỉ số chứng khoán quốc gia

của các nước Đông Nam Á không.

2.3. Khung phân tích:

Bài nghiên cứu phân tích mối quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chứng

khoán quốc gia của Mỹ, Trung Quốc và các quốc gia Đông Nam Á thông qua bốn

bước sau:

Đầu tiên, như một quy tắc chuẩn, nhóm ước lượng mô hình hồi quy dự báo thông

thường OLS cho Mỹ, Trung Quốc và các quốc gia Đông Nam Á, sử dụng dữ liệu theo

tuần trong giai đoạn từ tháng 6/2007 đến tháng 6/2013. Trong đó, mỗi mô hình hồi

quy dự báo liên kết một tỷ suất sinh lợi thặng dư với lãi suất lấy trễ và tỷ suất cổ tức

lấy trễ của chính quốc gia đó. Lãi suất và tỷ suất cổ tức là hai chỉ báo kinh tế quốc gia

nổi bật nhất được thêm vào trực tiếp trong mô hình định giá tài sản và được sử dụng

trong bài nghiên cứu về khả năng dự đoán tỷ suất sinh lợi của Ang và Bekaert (2007).

Vấn đề kinh tế lượng chủ yếu ở đây khi hồi quy với với các biến trễ là sai lệch

Stambaugh (1999). Nhóm kiểm soát sai lệch này thông qua một chu trình wild

bootstrap. Chu trình bootstrap không chỉ vững chắc với sai lệch Stambaugh (1999) đối

với việc kiểm định giả thuyết không mà nó còn cho phép phương sai thay đổi có điều

kiện đối với tỷ suất sinh lợi chứng khoán.

Thứ hai, nhóm nghiên cứu tiến hành kiểm đinh nhân quả Granger theo cặp, vốn là

công cụ chuẩn để nghiên cứu mối quan hệ dẫn dắt trễ trong những danh mục đầu tư

chứng khoán Hoa Kỳ (Brennan, Jegadeesh, và Swaminathan (1993), Chordia và

Swaminathan (2000), Hou (2007)). Nhóm kiểm định nhân quả Granger bằng cách sử

dụng hồi quy dự báo cải tiến (augmented preditive regressions), trong đó mỗi hồi quy

dự báo bao gồm một tỷ suất sinh lợi lấy trễ của chính quốc gia đó và tỷ suất sinh lợi

lấy trễ của quốc gia khác như là một biến hồi quy thêm vào. Bằng cách kiểm soát tỷ

suất sinh lợi lấy trễ của chính quốc gia đó, nhóm đề phòng chứng cứ giả mạo của mối

quan hệ dẫn dắt-trễ. Dựa vào sự suy luận trên wild bootstrap, nhóm sẽ kiểm định xem

tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có giải thích một cách ý nghĩa cho tỷ

suất sinh lợi của các quốc gia Đông Nam Á không và ngược lại. Ngoài ra, để đánh giá

kỹ hơn tầm quan trọng của tỷ suất sinh lợi của Mỹ và Trung Quốc, nhóm thực hiện

kiểm định nhân quả Granger bao gồm tỷ suất sinh lợi lấy trễ của nhiều quốc gia như là

những chỉ báo, và cũng để tiếp tục nghiên cứu xem có tồn tại mối quan hệ dẫn dắt trễ

giữa tỷ suất sinh lợi của Mỹ, Trung Quốc và các nước Đông Nam Á.

Thứ ba, để hiểu kỹ hơn mối quan hệ dẫn dắt trễ của các tỷ suất sinh lợi quốc tế, nhóm

tiến hành ước lượng một mô hình khuếch tán thông tin thực nghiệm. Trong khi mô

hình này chỉ thuần về kinh tế lượng, thì mô hình này cho phép nhóm xem xét thực

nghiệm những cú sốc tỷ suất sinh lợi nảy sinh trong một quốc gia ảnh hưởng đến tỷ

suất sinh lợi của quốc gia khác như thế nào, trong đó mức độ điều chỉnh đồng thời qua

các quốc gia bị chi phối bởi tham số khuếch tán. Nhóm ước tính tham số cấu trúc của

mô hình thông qua phương pháp GMM. Đồng thời, nhóm cũng so sánh tầm quan

trọng của những hệ số ước lượng của tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc

trong những kiểm định nhân quả Granger với tầm quan trọng của các tham số cấu trúc

được ước tính trong mô hình khuếch tán thông tin, để đánh giá xem liệu giới hạn

thông tin có giải thích được tất cả năng lực dự đoán của tỷ suất sinh lợi lấy trễ của Mỹ

và Trung Quốc không.

Thứ tư, để xem xét liệu những dự báo tỷ suất sinh lợi dựa trên tỷ suất sinh lợi lấy trễ

của Mỹ có tốt hơn những dự báo tỷ suất sinh lợi dựa trên giá trị trung bình lịch sử

không (Goyal và Welch (2008)), nhóm sẽ sử dụng giá trị thống kê ngoài mẫu (out-of-

sample) 𝑅2, 𝑅𝑂𝑆2 . Giá trị thống kê 𝑅𝑂𝑆

2 đo lường sự chênh lệch giữa các giá trị sai số dự

báo bình phương trung bình (mean-squared forecast error, MSFE) của mô hình hồi

quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc và mô hình dự báo

dựa trên giá trị trung bình quá khứ.

Với kết quả thu được, nhóm tiến hành giải thích theo những hướng sau: liệu tỷ suất

sinh lợi lấy trễ của Mỹ và Trung Quốc có dự báo một cách ý nghĩa cho tỷ suất sinh lợi

chỉ số chứng khoán quốc gia của các nước Đông Nam Á hay không? Và các cú sốc tỷ

suất sinh lợi nảy sinh ở Mỹ và Trung Quốc được phản ánh như thế nào trong giá chỉ

số chứng khoán quốc gia của các nước Đông Nam Á, do đó liệu có sự khuếch tán

thông tin dần dần không?

3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU:

3.1. Phương pháp nghiên cứu:

3.1.1. Mô hình hồi quy dự báo tiêu chuẩn:

Một mô hình hồi quy dự báo mà liên kết tỷ suất sinh lợi thặng dư với một bộ biến

công cụ trễ là một khuôn khổ chuẩn cho việc phân tích khả năng dự đoán tỷ suất sinh

lợi chứng khoán. Theo như nghiên cứu của Ang và Bekaert (2007), nhóm sử dụng lãi

suất danh nghĩa quốc gia và tỷ suất cổ tức như hai biến công cụ trong mô hình hồi quy

dự báo chuẩn:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, (9)

Với 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi của chỉ số chứng khoán quốc gia trừ lãi suất phi rủi ro từ

cuối tháng 𝑡 đến cuối tháng 𝑡 + 1 của quốc gia 𝑖 (𝑖=1, …, N), 𝑏𝑖𝑙𝑙𝑖,𝑡(𝑑𝑦𝑖,𝑡) là lãi suất t-

bill 3 tháng (tỷ suất cổ tức lấy log) cuối tháng 𝑡, và 𝜖𝑖,𝑡+1 là một nhiễu trung bình bằng

0. Quan sát điều này, theo nghiên cứu của Solnik (1993), Ang và Bekaert (2007), và

Hjalmarson (2010) và các tác giả khác, tỷ suất sinh lợi thặng dư được đo lường theo

đơn vị tiền tệ quốc gia. Chú ý trong nghiên cứu của Solnik (1993), tỷ suất sinh lợi

thặng dư theo đồng nội tệ xấp xỉ bằng với tỷ suất sinh lợi thặng dư phòng ngừa bằng

ngoại tệ cho các nhà đầu tư quốc tế vì sự tồn tại ngang giá lãi suất, với phần bù kỳ hạn

bằng chênh lệch trong lãi suất phi rủi ro.

Nhóm nghiên cứu tiến hành ước tính OLS phương trình (9) cho Mỹ, Trung Quốc và 6

quốc gia Đông Nam Á. Mẫu nghiên cứu kéo dài từ tháng 6/2007 đến tháng 6/2013.

Vấn đề kinh tế lượng chủ yếu ở đây khi hồi quy với với các biến trễ là sai lệch

Stambaugh (1999). Do đó, nhóm kiểm soát sai lệch này thông qua một chu trình wild

bootstrap. Chu trình bootstrap không chỉ vững chắc với sai lệch Stambaugh (1999) đối

việc kiểm định giả thuyết không mà nó còn cho phép phương sai thay đổi có điều kiện

đối với tỷ suất sinh lợi chứng khoán. Sau đó, nhóm tiến hành hồi quy tỷ suất sinh lợi

của các quốc gia Đông Nam Á với lãi suất danh nghĩa lấy trễ và tỷ suất cổ tức lấy trễ

của Mỹ/Trung Quốc thay thế cho lãi suất lấy trễ và tỷ suất cổ tức lấy trễ của chính các

quốc gia đó như các biến độc lập để xem xét xem các biến số kinh tế của Mỹ/Trung

Quốc có dự báo được tỷ suất sinh lợi chứng khoán của các nước Đông Nam Á hay

không. Hơn nữa, để đo lường mối quan hệ trung bình trong dữ liệu, nhóm thực hiện

các ước lượng gộp áp đặt các giới hạnz: 𝛽𝑖,𝑏 = ��𝑏 và 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i. Giá trị

thống kê t đối với giá trị ước lượng ��𝑏 và ��𝑑 được tính dựa trên sai số chuẩn

(standard error), mà sai số chuẩn này được tính từ một chu trình GMM, mà chu trình

GMM thì lại giải thích cho phương sai thay đổi và sự tự tương quan đồng thời giữa tỷ

suất sinh lợi của các chỉ số chứng khoán quốc gia (Ang và Bekaert (2007)).

Ngoài ra, để kiểm định xem chu trình wild bootstrap có giải thích phù hợp cho sai lệch

Stambaugh (1999) hay không, nhóm tiến hành ước tính phương trình (9) bằng cách sử

dụng phương pháp hồi quy đa biến cải tiến (mARM) của Amihud, Hurvich, và Wang

(2009), đây là phương pháp tạo ra giá trị ước lượng đã giảm thiểu sai lệch của hệ số và

được thiết kế để giải thích cho sai lệch Stambaugh (1999). Sự kiểm định này chủ yếu

là xem xét xem sai lệch Stambaugh (1999) có dẫn đến thống kê t bị khai khống đối

với giá trị ước lượng của hệ số độ dốc OLS và vì vậy bác bỏ sai giả thuyết 𝐻0: không

có khả năng dự đoán. Do đó, nhóm tiến hành so sánh giá trị p-value được tạo ra bởi

chu trình wild bootstrap với giá trị p-value của mô hình mARM, nếu giá trị p-value

của chu trình wild bootstrap thật sự tạo ra ít sự bác bỏ hơn so với giá trị p-value của

mRAM, thì chỉ ra rằng chu trình wild bootstrap kiểm soát thỏa mãn cho lệch lạc

Stambaugh (1999). Ngoài ra có thể thấy, chu trình wild bootstrap có một lợi thế hơn

mô hình mARM là do giá trị p-value của chu trình wild boostrap giải thích được cho

phương sai thay đổi có điều kiện trong khi mô hình mARM thì không.

Bên cạnh đó, ngoài việc nghiên cứu cho dữ liệu FTSE, nhóm còn tiến hành nghiên

cứu mô hình hồi quy dự báo tiêu chuẩn này cho dữ liệu các chỉ số chứng khoán quốc

gia của Morgan Stanley Capital International (MSCI) và Global Financial Data

(GFD), kết quả được trình bày trong phụ lục.

3.1.2. Mô hình khả năng dự báo của tỷ suất sinh lợi quốc tế lấy trễ:

Mô hình hồi quy sự báo tiêu chuẩn đã nghiên cứu khả năng dự đoán tỷ suất sinh lợi

quốc tế dựa trên lãi suất quốc gia và tỷ suất cổ tức. Trong phần này, nhóm xem xét

mối quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chứng khoán quốc gia bằng cách ước

lượng các “mô hình hồi qui dự báo cải tiến” (augmented predictive regressions).

3.1.2.1. Kiểm định quan hệ nhân quả Granger theo cặp:

Mô hình hồi qui dự báo cải tiến có dạng:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑖𝑟𝑖,𝑡 + 𝛽𝑖,𝑗𝑟𝑗,𝑡 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, 𝑖 ≠ 𝑗, (10)

Trong đó các giá trị ri,t và rj,t được đo lường theo đồng nôi tệ tương ứng của từng quốc

gia. Mô hình này cho phép phân tích khả năng dự báo của tỷ suất sinh lợi quốc gia j

lấy trễ đối với tỷ suất sinh lợi của quốc gia i, điều này tương đương với việc kiểm định

liệu tỷ suất sinh lợi của quốc gia j có gây ra tỷ suất sinh lợi của quốc gia i hay không.

Kiểm định quan hệ nhân quả Granger theo cặp được sử dụng rộng rãi trong các bài

nghiên cứu về mối quan hệ dẫn dắt trễ giữa các danh mục đầu tư của các chứng khoán

Mỹ và phương trình (10) mở rộng những kiểm định tương tự như vậy đối với các danh

mục đầu tư quốc tế. Việc kết hợp ri,t như là một biến giải thích trong phương trình (10)

rất là quan trọng, bởi vì sự tự tương quan của tỷ suất sinh lợi cùng với hiện tượng các

tỷ suất sinh lợi tương quan đồng thời với nhau có thể tạo ra bằng chứng ảo về mối

quan hệ dẫn dắt trễ (theo như nghiên cứu của Boudoukh, Richardson, and Whitelaw (

1994), Hameed ( 1997), Chordia and Swaminathan ( 2000)). Hơn nữa, việc bao gồm

các biến billi,t và dyi,t như là những biến giải thích trong phương trình (10) kiểm soát

được khả năng dự báo của của các biến số kinh tế quốc gia, như đã được nhấn mạnh

trong các tài liệu nghiên cứu về dự báo tỷ suất sinh lợi.

Nhóm tiến hành ước lượng OLS hệ số βi,j trong phương trình (10) với mỗi i, cùng với

sự thể hiện thống kê t độ mạnh của phương sai thay đổi, và nhóm đánh giá mức ý

nghĩa của thống kê t bằng cách sử dụng giá trị p-values của chu trình wild bootstrap.

Theo như nghiên cứu của Chordia và Swaminathan (2000), giá trị p-value là để kiểm

định cho giải thuyết 𝐻0: 𝛽𝑖,𝑗 = 0 và giả thuyết đối là 𝐻𝐴: 𝛽𝑖,𝑗 > 0. Trong các tài liệu

nghiên cứu về mối quan hệ dẫn dắt trễ trong các danh mục đầu tư chứng khoán Mỹ,

một giá trị βi,j dương trong phương trình (10) có thể được hiểu như là sự điều chỉnh trễ

trong giá cổ phiếu nước i đối với các thông tin liên quan đến sự biến động giá chứng

khoán của quốc gia j. Đồng thời, nhóm cũng thực hiện ước lượng gộp phương trình

(10) mà áp đặt các giới hạn độ dốc đồng nhất như sau: βi,i = ��AR, βi,j = ��j , βi,b = ��b,

và βi,d = ��d với mọi 𝑖 ≠ 𝑗. Như được nhấn mạnh bởi nghiên cứu của Hjal-marsson

(2010), mặc dù những giới hạn độ dốc đồng nhất không được giữ một cách chính xác,

thì các ước lượng gộp cũng có thể đo lường một cách ý nghĩa mối quan hệ trung bình

trong dữ liệu.

Ngoài ra, để kiểm trả tính bền vững của các kết quả được suy ra từ dữ liệu FTSE,

nhóm tiếp tục ước lượng phương trình (10) bằng việc sử dụng dữ liệu tỷ suất sinh lợi

lấy từ MSCI và GFD, kết quả được trình bày trong phụ lục. Hơn nữa, vì những bài

nghiên cứu trước đây xem xét các biến kinh tế quốc gia bổ sung như các chỉ báo dự

đoán tỷ suất sinh lợi, nên nhóm cũng kiểm định khả năng dự báo của tỷ suất sinh lợi

quốc gia lấy trễ khi kiểm soát bốn biến kinh tế quốc gia bổ sung theo dữ liệu hàng

tuần có sẵn cho hầu hết các quốc gia: chênh lệch giữa lãi suất ngắn hạn và lãi suất dài

hạn, tỷ lệ lạm phát, tốc độ tăng trưởng của tỷ giá thực và tốc độ tăng trưởng sản lượng

công nghiệp thực. Việc ước lượng này để nghiên cứu xem liệu việc thêm các biến

kinh tế quốc gia vào có làm gia tăng khả năng dự báo không.

3.1.2.2. Mô hình tổng quát:

Phương trình (10) cung cấp một khuôn mẫu cho các kiểm định nhân quả Granger theo

cặp. Một mô hình tổng quát chung cho việc kiểm định khả năng dự báo của tỷ suất

sinh lợi lấy trễ của các quốc gia có dạng:

ri,t+1 = βi,0 + βi,i ri,t + ∑ βi, j𝑗≠𝑖 rj,t + βi,b billi,t +βi,ddyi,t +ϵi,t+1 , (11)

Phương trình (11) là một phương trình đơn từ một “mô hình VAR (1) cải tiến” đối với

tỷ suất sinh lợi của 8 quốc gia, trong đó ngoài tỷ suất sinh lợi lấy trễ từ 8 quốc gia,

nhóm còn sử dụng các biến số kinh tế của quốc gia i như là các biến hồi quy. Mô hình

tổng quát này kiểm soát đồng thời tất cả tỷ suất sinh lợi quốc gia lấy trễ khác khi kiểm

định quan hệ nhân quả Granger. Tuy nhiên, ước lượng OLS của phương trình (11) bị

cản trở bởi một loạt các biến hồi quy tương quan, do đó dẫn đến việc ước lượng các

tham số không còn chính xác và các kiểm định thống kê trở nên yếu kém. Do đó, có

thể sử dụng một số phương pháp để cải thiện việc ước lượng và kiểm định này.

Một trong những phương pháp đó là một phiên bản gộp của phương trình (11), theo

như tinh thần của bài nghiên cứu Ang và Bekaert (2007), Hjalmarsson ( 2010). Để áp

dụng phương pháp này, ta phải áp đặt các giới hạn độ dốc đồng nhất như sau: βi,j =

��AR , βi,j =��j , βi,b =��b và βi,d =��d với i = 1,...,N. Trong trường hợp đánh đổi giữa hiệu

quả và sai lệch, mặc dù phương pháp gộp này có khả năng đưa ra những sai lệch,

nhưng nó làm tăng hiệu quả ước lượng; ví dụ như nó có thể cải thiện hiệu quả ước

lượng bằng cách làm giảm sai số bình phương trung bình. Hơn thế nữa, như đã nêu ở

trên, các ước lượng gộp đo lường mối quan hệ trung bình trong dữ liệu và các sai lệch

sẽ được hiệu chỉnh theo chu trình wild bootstrap. Do đó, nhóm sẽ tiến hành ước lượng

gộp OLS cho hệ số ��j, cùng với các sai lệch đã được hiệu chỉnh theo chu trình wild

bootstrap với độ tin cậy 90%.

3.1.3. Mô hình khuếch tán thông tin:

Để phân tích các giới hạn thông tin quốc tế một cách chính thức, theo nghiên cứu của

Rapach, Strauss và Zhou (2013), ta có mô hình khuếch tán thông tin thực nghiệm như

sau:

𝑟𝑖,𝑡+1 = 𝜇𝑖,𝑡 + 𝑢𝑖,𝑡+1 + 𝜃𝑖,𝑗𝜆𝑖,𝑗𝑢𝑗,𝑡+1 + (1 − 𝜃𝑖,𝑗)𝜆𝑖,𝑗𝑢𝑗,𝑡 , (12)

𝑟𝑗,𝑡+1 = 𝜇𝑗,𝑡 + 𝜃𝑗,𝑖𝜆𝑗,𝑖𝑢𝑖,𝑡+1 + (1 − 𝜃𝑗,𝑖)𝜆𝑗,𝑖𝑢𝑖,𝑡 + 𝑢𝑗,𝑡+1 (13)

Trong đó:

𝑢𝑖,𝑡 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡, (14)

𝑢𝑗,𝑡 = 𝛽𝑗,0 + 𝛽𝑗,𝑏𝑏𝑖𝑙𝑙𝑗,𝑡 + 𝛽𝑗,𝑑𝑑𝑦𝑗,𝑡, (15)

Là thành phần tỷ suất sinh lợi kỳ vọng tương ứng với các biến kinh tế quốc gia trong

các quốc gia i và j; 𝑢𝑖,𝑡+1 và 𝑢𝑗,𝑡+1 là các cú sốc tỷ suất sinh lợi không tương quan với

nhau theo từng kỳ và xảy ra đồng thời trong quốc gia i và j; 𝜆𝑖,𝑗 đo lường tác động

tổng thể của một đơn vị cú sốc tỷ suất sinh lợi của quốc gia j lên tỷ suất sinh lợi của

quốc gia i, và 𝜃𝑖,𝑗 là tham số khuếch tán, nó đo lường tỷ lệ tác động tổng thể của cú

sốc tỷ suất sinh lợi của quốc gia j được đưa vào một cách đồng thời với tỷ suất sinh lợi

của quốc gia i. Mô hình khuếch tán thông tin cho phép đối với một cú sốc tỷ suất sinh

lợi xảy ra trong một quốc gia được đưa vào một cách đầy đủ trong một quốc gia khác

với một độ trễ, theo cách đó cho phép các giới hạn thông tin xuyên quốc gia.1

Giải 𝑢𝑗,𝑡+1 trễ một tuần trong phương trình (13), thay thế vào phương trình (12), ta có:

𝑟𝑖,𝑡+1 = 𝜇𝑖,𝑡 − (1 − 𝜃𝑖,𝑗)𝜆𝑖,𝑗𝜇𝑗,𝑡−1 + (1 − 𝜃𝑖,𝑗)𝜆𝑖,𝑗𝑟𝑗,𝑡 + 𝑒𝑖,𝑡+1, (16)

Trong đó:

𝑒𝑖,𝑡+1 = 𝑢𝑖,𝑡+1 + 𝜃𝑖,𝑗𝜆𝑖,𝑗𝑢𝑗,𝑡+1 − (1 − 𝜃𝑖,𝑗)𝜆𝑖,𝑗[𝜃𝑗,𝑖𝜆𝑗,𝑖𝑢𝑖,𝑡 + (1 − 𝜃𝑗,𝑖)𝜆𝑗,𝑖𝑢𝑖,𝑡−1]. (17)

Hệ số của 𝑟𝑗,𝑡 trong phương trình (16) thiết lập các điều kiện mà trong đó tỷ suất sinh

lợi lấy trễ của quốc gia j dự báo tỷ suất sinh lợi của quốc gia i trong trường hợp của

mô hình khuếch tán thông tin:

𝜆𝑖,𝑗# 0, (18)

𝜃𝑖,𝑗 ≠ 1. (19)

Những điều kiện này chủ yếu là mang tính trực giác. Công thức (18) đòi hỏi cú sốc tỷ

suất sinh lợi của quốc gia j tác động tỷ suất sinh lợi của quốc gia i; nếu cú sốc của

1 Mô hình News-diffusion cho phép hoặc phản ứng dưới (θi,j < 1) hoặc phản ứng trên (θi,j > 1)

trong quốc gia i đối với một cú sốc tỷ suất sinh lợi của quốc gia j; các lực giới hạn thông tin hàm ý

θi,j < 1.

quốc gia j không thích hợp cho quốc gia i, thì tỷ suất sinh lợi lấy trễ của quốc gia j sẽ

không dự báo được tỷ suất sinh lợi trong quốc gia i. Nếu 𝜆𝑖,𝑗 ≠ 0, thì công thức (19)

cho thấy rằng tỷ suất sinh lợi lấy trễ của quốc gia j tác động tỷ suất sinh lợi của quốc

gia i nhưng phải mất hơn một tháng để một cú sốc tỷ suất sinh lợi của quốc gia j được

phản ánh đầy đủ trong giá các cổ phần của quốc gia i, nguyên nhân là do các giới hạn

thông tin quốc tế.

Phần 2 trình bày khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc cho

tỷ suất sinh lợi của các quốc gia Đông Nam Á. Điều này có thể được giải thích trong

nội dung của công thức (16), trong đó i đại diện cho một quốc gia Đông Nam Á, và j

đại diện lần lượt cho Mỹ/Trung Quốc. Giả định rằng 𝜃𝑈𝑆𝐴/𝐶𝐻𝐼,𝑖 = 1, vì vậy tỷ suất

sinh lợi lấy trễ của các quốc gia Đông Nam Á không dự báo được tỷ suất sinh lợi của

Mỹ và Trung Quốc, công thức (16) trở thành:

𝑟𝑖,𝑡+1 = 𝜇𝑖,𝑡 − (1 − 𝜃𝑖,𝑈𝑆𝐴)𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼𝜇𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡−1 + (1 − 𝜃𝑖,𝑈𝑆𝐴)𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼𝑟𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡 +

𝑒𝑖,𝑡+1, (20)

Trong đó:

𝑒𝑖,𝑡+1 = 𝑢𝑖,𝑡+1 + 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼𝑢𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡+1 − (1 −

𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼)𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼𝜆𝑈𝑆𝐴/𝐶𝐻𝐼,𝑖𝑢𝑖,𝑡. (21)

Hệ số của 𝑟𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡 trong công thức (20) xác định các yếu tố mà tăng cường khả năng

dự báo của tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc đối với các quốc gia Đông Nam

Á. Tác động tổng thể của một cú sốc tỷ suất sinh lợi của Mỹ/Trung Quốc lên quốc gia

i càng lớn, được thể hiện bởi 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 càng lớn, thì khả năng dự báo tỷ suất sinh lợi

lấy trễ của Mỹ/Trung Quốc càng lớn; các liên kết kinh tế với Mỹ/Trung Quốc chặt chẽ

hơn tương ứng với một 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 lớn hơn. Hơn nữa, các giới hạn thông tin lớn hơn,

tương ứng với một 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 nhỏ hơn, gia tăng khả năng dự báo lớn hơn của tỷ suất

sinh lợi lấy trễ của Mỹ/Trung Quốc; khi 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 giảm, các nhà đầu tư tập trung

nhiều vào Mỹ/Trung Quốc hơn so với quốc gia i, vì vậy một phần lớn trong cú sốc xảy

ra ở Mỹ/Trung Quốc được phản ánh bên ngoài nước Mỹ/Trung Quốc với một sự chậm

trễ.

Khi cú sốc tỷ suất sinh lợi của Mỹ/Trung Quốc quan trọng đối với các quốc gia Đông

Nam Á và các giới hạn thông tin tồn tại, công thức (20) cho thấy một sự hồi quy dự

báo theo quy ước dựa trên một mình các biến kinh tế quốc gia sẽ không đủ khả năng

dự báo tỷ suất sinh lợi được mô hình hóa cho các quốc gia Đông Nam Á; thay vào đó,

hồi quy dự báo sẽ gia tăng với việc thêm vào tỷ suất sinh lợi lấy trễ của Mỹ/Trung

Quốc. Nói một cách nghiêm túc thì công thức (20) cũng cho thấy các biến kinh tế của

Mỹ/Trung Quốc từ tháng t-1 (do sự có mặt của 𝜇𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡−1) được bao gồm trong hồi

quy dự báo. Tuy nhiên, những biến kinh tế Mỹ/Trung Quốc này thiếu sự phù hợp cho

việc dự báo 𝑟𝑖,𝑡+1 so với 𝑟𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡, bởi vì sự biến động trong tỷ suất sinh lợi kỳ vọng

của Mỹ/Trung Quốc (𝜇𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡−1) chỉ là một thành phần nhỏ trong tỷ suất sinh lợi

thực của Mỹ/Trung Quốc. Hơn nữa, công thức (21) cho thấy sai số trong hồi quy dự

báo sẽ tự tương quan. Hơn nữa, điều này có thể chỉ thiếu phù hợp trong thực tế, bởi vì

hệ số của 𝑢𝑖,𝑡 trong công thức (21) sẽ có thể gần với 0; thực vậy, nếu quốc gia i tương

quan thấp đối với Mỹ, 𝜆𝑈𝑆𝐴,𝑖 = 0 và tự tương quan biến mất.

Để có cái nhìn sâu sắc hơn về các giới hạn thông tin quốc tế thì nhóm ước lượng các

tham số cấu trúc của mô hình khuếch tán thông tin. Để xác định các tham số cấu trúc,

nhóm giả định rằng các quốc gia ngoài nước Mỹ/Trung Quốc thì nhỏ, vì vậy cú sốc tỷ

suất sinh lợi xảy ra trong những nước này không tác động đến tỷ suất sinh lợi của

Mỹ/Trung Quốc (𝜆𝑈𝑆𝐴/𝐶𝐻𝐼,𝑖 = 0). Vì vậy, mô hình khuếc tán thông tin có thể được

đơn giản hóa:

𝑟𝑈𝑆𝐴,𝑡+1 = 𝑥′𝑈𝑆𝐴,𝑡𝛽𝑈𝑆𝐴 + 𝑢𝑈𝑆𝐴,𝑡+1, (22)

𝑟𝑖,𝑡+1 = 𝑥′𝑖,𝑡𝛽𝑖 + 𝜃𝑖,𝑈𝑆𝐴𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡+1 + (1 − 𝜃𝑖,𝑈𝑆𝐴)𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡 + 𝑢𝑖,𝑡+1, (23)

Cho i=VIE, …, THA, trong đó 𝑥𝑖,𝑡 = (1, 𝑏𝑖𝑙𝑙𝑖,𝑡 , 𝑑𝑦𝑖,𝑡)′ và 𝛽𝑖 = (𝛽𝑖,0, 𝛽𝑖,𝑏, 𝛽𝑖,𝑑)′. Thu

được 53 tham số trong công thức (22) và (23) trong vector sau:

∅ = (𝛽′𝑈𝑆𝐴

𝐶𝐻𝐼

, 𝛽′𝑖,

𝑈𝑆𝐴

𝐶𝐻𝐼

, 𝜃𝑉𝐼𝐸,

𝑈𝑆𝐴

𝐶𝐻𝐼

, 𝜆𝑉𝐼𝐸,𝑈𝑆𝐴/𝐶𝐻𝐼, … , 𝛽′𝑖,𝑇𝐻𝐴

, 𝜃𝑇𝐻𝐴,𝑈𝑆𝐴/𝐶𝐻𝐼, 𝜆𝑇𝐻𝐴,𝑈𝑆𝐴/𝐶𝐻𝐼)′

,

(24)

Tác giả ước lượng ∅ sử dụng GMM hai bước:

𝐸[𝑥𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡𝑢𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡+1(∅)] = 0, (25)

𝐸[(𝑏𝑖𝑙𝑙𝑖,𝑡 , 𝑑𝑦𝑖,𝑡)′𝑢𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡+1(∅)] = 0, 𝑖 = 𝑉𝐼𝐸, … , 𝑇𝐻𝐴, (26)

𝐸[(𝑥′𝑖,𝑡, 𝑢𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡+1(∅), 𝑢𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡(∅))′ 𝑢𝑖,𝑡+1(∅) = 0, 𝑖 = 𝑉𝐼𝐸, … , 𝑇𝐻𝐴. (27)

Những điều kiện tức thì này cho thấy một tập hợp các điều kiện mang tính trực giao

được hàm ý bởi mô hình khuếch tán thông tin và làm cho ước lượng GMM dễ dùng

hơn. GMM sẽ ước lượng các tham số trong công thức (22) và (23) để xem xét mô

hình khuếch tán thông tin giữa các quốc gia.

Từ đây, nhóm tiến hành ước lượng các tham số trong công thức (22) và (23) bằng

GMM. Nhóm tập trung vào các giá trị ước lượng của 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 và 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 , các

tham số cấu trúc quan trọng trong mô hình khuếch tán thông tin. Thống kê t cho các

giá trị ước lượng ��𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 là để kiểm định giả thuyết 𝐻0: 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 = 0 ngược lại với

giả thuyết 𝐻𝐴: 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 > 0, và tất cả chúng đều cho thấy có những sự liên kết có ý

nghĩa giữa thị trường cổ phiếu của mỗi quốc gia và thị trường Mỹ/Trung Quốc. Các

thống kê t cho các giá trị ước lượng 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 là để kiểm định giả thuyết

𝐻0: 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 = 1 ngược với giả thuyết 𝐻𝐴: 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 < 1. Ngoài ra, nhóm cũng thực

hiện ước lượng gộp của các tham số mô hình khuếch tán thông tin để nghiên cứu mối

quan hệ trung bình trong dữ liệu dựa trên các giới hạn mang tính đồng nhất sau: 𝛽𝑖,𝑏 =

��𝑏, 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i; 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 = ��𝑈𝑆𝐴/𝐶𝐻𝐼, 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 = 𝜆𝑈𝑆𝐴/𝐶𝐻𝐼 cho tất cả 𝑖 ≠

𝑈𝑆𝐴/𝐶𝐻𝐼.

Ngoài ra, để đánh giá tầm quan trọng tương đối của các giới hạn thông tin, nhóm sẽ so

sánh các hệ số của 𝑟𝑈𝑆𝐴/𝐶𝐻𝐼,𝑡 trong công thức (20) được hàm ý trong các ước lượng

GMM của 𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 và 𝜆𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 với các ước lượng ��𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 trong công thức (17).

Để tạo điều kiện cho việc so sánh, nhóm tiến hành tính 𝛽𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 = (1 −

𝜃𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼)��𝑖,𝑡𝑈𝑆𝐴/𝐶𝐻𝐼, trong đó thống kê t được tính theo phương pháp delta. Việc so

sánh này để xem xét các giới hạn thông tin có giải thích cho tất cả các khả năng dự

báo tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc không. Nếu giá trị ��𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 lớn hơn

giá trị 𝛽𝑖,𝑈𝑆𝐴/𝐶𝐻𝐼 thì cho thấy các giới hạn thông tin không giải thích cho tất cả các khả

năng dự báo tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc và ngược lại.

3.1.4. Mô hình dự báo ngoài mẫu:

Goyal và Welch (2008) gần đây cho thấy rằng, mặc dù tồn tại những bằng chứng

trong mẫu (in-sample) về khả năng dự báo tỷ suất sinh lợi có ý nghĩa, nhưng giá trị dự

báo tỷ suất sinh lợi thặng dư từ các mô hình hồi quy dự báo dựa trên các biến kinh tế

thì thường không thể hiện tốt hơn các giá trị dự báo trung bình lịch sử đơn giản trong

các kiểm định ngoài mẫu (out-of-sample). Điều này dẫn đến nghi vấn đối với khả

năng dự báo tỷ suất sinh lợi của các mô hình trong mẫu (in-sample), mô hình mà dự

báo tỷ suất sinh lợi thặng dư dựa trên các biến kinh tế quốc gia. Tiến hành theo hướng

nghiên cứu của Goyal và Welch (2008), nhóm sẽ kiểm định xem các mô hình dự báo

mà sử dụng tỷ suất sinh lợi của Mỹ/Trung Quốc có thể hiện khả năng dự báo tốt hơn

các mô hình dự báo dựa trên giá trị trung bình lịch sử không.

Các giá trị dự báo dựa trên giá trị trung bình lịch sử trong mô hình tỷ suất sinh lợi

thặng dự kỳ vọng không đổi được thể hiện như sau:

ri,t+1 = βi,0 + єi,t+1 (28)

Mô hình này thì tương đương với một mô hình cơ sở không có khả năng dự báo. Các

giá trị dự báo dựa trên giá trị trung bình lịch sử của tỷ suất sinh lợi thặng dư thời điểm

(t +1) của quốc gia i chỉ đơn giản là tỷ suất sinh lợi thặng dư trung bình của quốc gia i

từ thời điểm bắt đầu của mẫu đến thời điểm t. Đối với mỗi một quốc gia Đông Nam Á,

nhóm sẽ so sánh các giá trị dự báo dựa trên giá trị trung bình quá khứ với các giá trị

dự báo được tạo ra từ một mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của

Mỹ/Trung Quốc như là một biến hồi quy:

ri,t+1 = βi,0 + βi,USA/CHI rUSA/CHI,t + єi,t+1 (29)

Khi hình thành các giá trị dự báo tỷ suất sinh lợi thặng dự thời điểm (t+1) dựa trên

phương trình hồi quy (29), nhóm tiến hành ước lượng các tham số trong công thức

(29) bằng cách sử dụng phương pháp hồi quy OLS. Việc hình thành các giá trị dự báo

theo cách này mô phỏng tình hình của nhà đầu tư trong thời gian thực.

Để so sánh các giá trị dự báo dựa trên trung bình lịch sử với các giá trị dự báo dựa trên

mô hình hồi quy tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc, nhóm sẽ tiến hành theo

như nghiên cứu của Campbell và Thompson (2008) bằng cách sử dụng giá trị thống kê

ngoài mẫu (out-of-sample) 𝑅2, 𝑅𝑂𝑆2 . Giá trị thống kê 𝑅𝑂𝑆

2 đo lường sự chênh lệch giữa

các giá trị sai số dự báo bình phương trung bình (mean-squared forecast error, MSFE)

của mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc và

mô hình dự báo dựa trên giá trị trung bình quá khứ. Nhóm cũng tiến hành theo hướng

nghiên cứu của Clark và West (2007) bằng cách sử dụng MSFE thống kê đã được điều

chỉnh (MSFE-adjusted statistic) để kiểm định giả thuyết không cho rằng các giá trị

MSFE bằng nhau (có nghĩa là 𝑅𝑂𝑆2 = 0) so với giả thuyết đối cho rằng mô hình dự báo

dựa trên tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc có giá trị MSFE thấp hơn mô hình

dự báo dựa trên giá trị trung bình trong quá khứ (có nghĩa là 𝑅𝑂𝑆2 > 0). Từ đó, có thể

xác định được mô hình nào có khả năng dự báo tốt hơn trong hai mô hình.

Ngoài ra, nhóm cũng tiến hành tính giá trị thống kê 𝑅𝑂𝑆2 trong trường hợp áp dụng

phương pháp ước lượng gộp cho mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy

trễ của Mỹ/Trung Quốc, trong đó áp đặt các giới hạn độ dốc đồng nhất: 𝛽𝑖,𝑈𝑆𝐷/𝐶𝐻𝐼 =

��𝑈𝑆𝐷/𝐶𝐻𝐼 với mọi 𝑖 ≠ 𝑈𝑆𝐷/𝐶𝐻𝐼. Phương pháp ước lượng gộp này sẽ tạo ra sự đánh

đổi giữa sai lệch và hiệu quả, sự hiệu quả được thể hiện ở khía cạnh là phương pháp

ước lượng gộp này có thể cải thiện hiệu suất dự báo bằng cách làm giảm sự biến động

của các giá trị ước lượng của tham số (Hjalmarsson (2010)), nhưng cũng không thể

tránh khỏi những sai lệch khi ước lượng do phương pháp ước lượng gộp chủ yếu đo

lường mối quan hệ trung bình, và những sai lệch này sẽ được điều chỉnh theo chu

trình wild boostrap (White (2000), Inoue và Kilian (2004), Rapach và Wohar (2006),

Clark và McCracken (2012)). Việc tiến hành phương pháp ước lượng gộp này chủ yếu

đo lường mối quan hệ trung bình trong dữ liệu và xem xét xem kết quả từ ước lượng

gộp có củng cố thêm cho kết quả nghiên cứu không.

Hơn nữa, nhóm cũng tiến hành phân tích sâu hơn khả năng dự báo tỷ suất sinh lợi

ngoài mẫu (out-of-sample) cho hai mô hình dự báo cơ sở: (i) một mô hình tự hồi quy

bậc nhất và (ii) mô hình hồi quy dự báo tiêu chuẩn dựa trên lãi suất danh nghĩa lấy trễ

và tỷ suất cổ tức trễ lấy log của chính quốc gia đó. Theo đó, nhóm sẽ tiến hành so sánh

khả năng dự báo của mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của

Mỹ/Trung Quốc lần lượt với khả năng dự báo của mô hình tự hồi quy bậc nhất và mô

hình hồi quy dự báo tiêu chuẩn dựa trên lãi suất danh nghĩa lấy trễ và tỷ suất cổ tức trễ

lấy log của chính quốc gia. Quy trình tiến hành so sánh được tiến hành như quá trình

so sánh mô hình dựa trên tỷ suất sinh lợi lấy trễ của Mỹ/Trung Quốc và mô hình dưạ

trên giá trị trung bình quá khứ. Ngoài ra, nhóm cũng tiến hành áp dụng phương pháp

ước lượng gộp cho mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trên của

Mỹ/Trung Quốc, để từ đó tính được giá trị 𝑅𝑂𝑆2 cho việc so sánh giữa hai mô hình.

Phương pháp so sánh khả năng dự báo của các mô hình khác nhau cũng được áp dụng

tương tự cho bộ dữ liệu từ MSCI và GFD và được trình bày trong phụ lục.

3.2. Dữ liệu:

Dữ liệu của bài nghiên cứu được lấy từ nghiều nguồn khác nhau, bao gồm những

nguồn dữ liệu chủ yếu như FTSE, IFS, ngân hàng trung ương của các quốc gia. Phạm

vi lấy mẫu là Mỹ, Trung Quốc, 6 quốc gia Đông Nam Á (Việt Nam, Indonesia,

Malaysia, Phillipines, Singapore, Thái Lan). Thời kỳ lấy mẫu là từ ngày 04/06/2007

đến ngày 24/06/2013.

Dữ liệu hằng ngày lấy từ nguồn dữ liệu FTSE bao gồm tỷ suất sinh lợi của chỉ số

chứng khoán quốc gia của 8 quốc gia, tỷ suất cổ tức của chỉ số chứng khoán quốc gia

của 8 quốc gia. Dữ liệu lấy từ ngân hàng trung ương của các quốc gia chủ yếu là lãi

suất t-bill 3 tháng của các quốc gia. Dữ liệu lấy từ IFS chủ yếu là dữ liệu về sản lượng

công nghiệp, chỉ số CPI, tỷ giá hối đoái, lãi suất trái phiếu chính phủ 5 năm của các

quốc gia. Ngoài ra, nhóm còn tiến hành thu thập thêm một bộ dự liệu mới bao gồm tỷ

suất sinh lợi chứng khoán quốc gia của 8 nước trên và tỷ suất cổ tức của chỉ số chứng

khoán quốc gia của 8 nước từ nguồn dữ liệu Morgan Stanley Capital International

(MSCI) và Global Financial Data (GFD), để so sánh xem liệu kết quả từ bộ dữ liệu lấy

từ FTSE có tương đồng với kết quả lấy từ bộ dữ liệu lấy từ MSCI và GFD không, nếu

có sự tương đồng thì càng khẳng định thêm độ vững bền của kết quả nghiên cứu. Kết

quả nghiên cứu dựa trên bộ dữ liệu MSCI và GFD được trình bày trong phụ lục.

Từ bộ dữ liệu trên, bài nghiên cứu tiến hành xây dựng các biến số cần thiết theo tuần.

Có rất nhiều lý do để nhóm xây dựng bộ dữ liệu theo tuần. Như đã biết, phân biệt tỷ

suất sinh lợi dài hạn và ngắn hạn rất quan trọng vì sự biến động của tỷ suất sinh lợi

theo tuần thì khác với sự biến động của tỷ suất sinh lợi ba năm, năm năm hay mười

năm, do đó từ kết quả của tỷ suất sinh lợi ngắn hạn không thể suy ra những lập luận

liên quan đến tỷ suất sinh lợi dài hạn. Theo như Lo và MacKinlay (1989) và những

bài nghiên cứu trước đây, khả năng dự báo của tỷ suất ngắn hạn, đặc biệt là tỷ suất

sinh lợi theo tuần và theo tháng, thì mạnh hơn và thích hợp hơn theo thời gian. Lo và

MacKinlay (1987) đã sử dụng tỷ suất sinh lợi theo tuần để nghiên cứu về khả năng dự

báo đối với tỷ suất sinh lợi chứng khoán thị trường và phát hiện ra rằng tỷ suất sinh lợi

của các công ty lớn dẫn dắt tỷ suất sinh lợi của các công ty nhỏ. Sau đó, Lo và

MacKinlay (1988) tiếp tục xem xét liệu giá của chứng khoán thị trường có tuân theo

bước đi ngẫu nhiên, bằng cách sử dụng tỷ suất sinh lợi của các danh mục đầu tư theo

tuần lấy từ New York và American Stock Exchange từ năm 1962 đến năm 1985.

Trong bài nghiên cứu về bước đi ngẫu nhiên của tỷ suất sinh lợi chứng khoán, Lo và

MacKinlay không sử dụng sử liệu theo ngày mặc dù sẽ tạo ra nhiều quan sát hơn vì

việc sử dụng tỷ suất sinh lợi theo ngày có thể làm xuất hiện các sai lệch liên quan đến

vấn đề không giao dịch, chênh lệch giữa giá mua và giá bán, giá không đồng bộ,… Vì

vậy, tạo dữ liệu theo tuần là thích hợp nhất vì vừa có thể tạo ra nhiều quan sát, vừa có

thể giảm thiểu các sai lệch xuất hiện trong chuỗi dữ liệu theo ngày. Chính vì hai lý do

trên mà nhóm nghiên cứu đã quyết định lấy chuỗi số liệu tỷ suất sinh lợi theo tuần.

Như vậy, bộ dữ liệu các biến số bao gồm:

- Tỷ suất sinh lợi thặng dư hàng tuần của các chỉ số chứng khoán quốc gia

- Lãi suất danh nghĩa ngắn hạn

- Tỷ suất cổ tức

- Tốc độ tăng trưởng sản lượng công nghiệp

- Tỷ lệ lạm phát

- Tỷ lệ thay đổi của tỷ giá hối đoái

- Chênh lệch lãi suất

Quy mô dữ liệu theo tuần ban đầu có 30524 quan sát (của 8 quốc gia). Tuy nhiên, do

đồng bộ dữ liệu cho tất cả các biến số nên bộ dữ liệu xem xét có 20352 quan sát trong

giai đoạn 06/2007 đến 06/2013.

3.2.1. Tỷ suất sinh lợi thặng dư hàng tuần:

Tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán quốc gia bằng chênh lệch giữa

tổng tỷ suất sinh lợi (bao gồm tỷ suất sinh lợi trực tiếp từ cổ tức) của các chỉ số chứng

khoán quốc gia và lãi suất phi rủi ro (lãi suất t-bill 3 tháng). Tổng tỷ suất sinh lợi được

đo lường theo đồng tiền nội tệ của từng quốc gia. Việc đo lường tỷ suất sinh lợi theo

đồng nội tệ của từng quốc gia là do theo như nghiên cứu của Solnik cho rằng tỷ suất

sinh lợi thặng dư tính bằng đồng nội tệ sẽ xấp xỉ bằng với tỷ suất sinh lợi thặng dư có

tính đến sự phòng ngừa rủi ro ngoại tệ của các nhà đầu tư quốc tế, do sự tồn tại của

ngang giá lãi suất với phần bù kỳ hạn bằng với chênh lệch trong lãi suất phi rủi ro. Sự

khác biệt giữa tỷ suất sinh lợi thặng dư tính bằng đồng nội tệ và tỷ suất sinh lợi thặng

dư có tính đến sự phòng ngừa rủi ro ngoại tệ sẽ được giảm thiểu nếu sử dụng những

kỳ hạn ngắn hơn cho tỷ suất sinh lợi, chẵng hạn như tỷ suất sinh lợi theo tuần, theo

tháng (trong nghiên cứu của nhóm thì tỷ suất sinh lợi theo tuần đã được sử dụng).

Việc bài nghiên cứu chỉ sử dụng đồng nội tệ cho tỷ suất sinh lợi của các chỉ số chứng

khoán quốc mà không sử dụng một đơn vị tiền tệ quốc tế chung như là USD cho việc

đo lường tỷ suất sinh lợi thặng dư là do theo như lập luận của Solnik (1993) cho rằng

việc đo lường tỷ suất sinh lợi thặng dư theo đồng nội tệ sẽ tránh được nhu cầu phải

phát triển một mô hình phần bù rủi ro cho tỷ giá hối đoái, do đó cho phép nhóm chỉ

cần tập trung vào tỷ suất sinh lợi kỳ vọng thay đổi theo thời gian trong thị trường vốn

cổ phần của các quốc gia.

Chuỗi dữ liệu tỷ suất sinh lợi của các chỉ số chứng khoán quốc gia được lấy từ chuỗi

dữ liệu tỷ suất sinh lợi hằng ngày từ FTSE (MSCI và GFD), do đó tỷ suất sinh lợi

hàng tuần của mỗi chỉ số chứng khoán quốc gia sẽ bằng mức giá đóng cửa ngày thứ

sáu hàng tuần chia cho mức giá đóng cửa của ngày thứ sáu tuần trước, tất cả trừ cho 1.

Nếu không có dữ liệu mức giá đóng cửa của ngày thứ sáu thì có thể lấy giá đóng cửa

của ngày thứ năm trước đó, nếu mức giá đóng cửa của ngày thứ sáu và thứ năm không

có thì lấy mức giá đóng cửa của ngày thứ tư, nếu cả mức giá đóng cửa của ngày thứ tư

cũng không có thì bỏ trống quan sát đó. Sau đó, tiếp tục lấy tỷ suất sinh lợi hàng tuần

của các chỉ số chứng khoán quốc gia trên trừ cho lãi suất phi rủi ro (lấy lãi suất T-bill

3 tháng) để được tỷ suất sinh lợi thặng dư hàng tuần của các chỉ số chứng khoán quốc

gia.

Bảng 1: Thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán quốc gia

theo tuần trong giai đoạn từ 06/2007 đến 06/2013:

Bảng này trình bày thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán

quốc gia theo tuần (theo %) tính bằng đồng nội tệ của Mỹ, Trung Quốc và 6 quốc gia Đông

Nam Á. Tỷ số Sharpe bằng trung bình tỷ suất sinh lợi thặng dư chia cho độ lệch chuẩn của

từng quốc gia. Dữ liệu được lấy từ FTSE.

Mean

Standard

Deviation Minimum Maximum Autocorrelation

Sharpe

ratio

Vietnam -0.54 1.71 -5.30 4.44 -0.05 -0.32

Indonesia -0.26 1.75 -9.37 7.75 -0.04 -0.15

Thailand -0.04 1.51 -10.96 5.01 0.03 -0.03

Malaysia -0.19 0.87 -4.31 3.34 0.10 -0.22

Phillipines -0.22 1.46 -8.01 4.95 0.05 -0.15

Singapore -0.06 1.35 -8.11 5.68 0.22 -0.04

United States -0.04 1.28 -4.18 6.33 -0.06 -0.03

China 0.03 2.15 -8.95 14.54 0.08 0.02

Bảng 1 trình bày thống kê mô tả tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán

quốc gia theo tuần (dưới dạng %) của 8 quốc gia. Tỷ suất sinh lợi thặng dư trung bình

hàng tuần biến thiên từ -0.54% (Việt Nam) đến 0.03% (Trung Quốc), hầu hết tỷ suất

sinh lợi thặng dư của các quốc gia đều âm là do giai đoạn nghiên cứu của nhóm là từ

tháng 06/2007 đến tháng 06/2013, mà đây là giai đoạn xảy ra cuộc khủng hoảng kinh

tế toàn cầu 2008, cho nên việc tỷ suất sinh lợi thặng dư âm là điều không thể tránh

khỏi. Độ lệch chuẩn và giá trị lớn nhất/ giá trị nhỏ nhất biểu thị độ bất ổn của tỷ suất

sinh lợi thặng dư đối với từng quốc gia, trong đó Trung Quốc có độ bất ổn cao nhất

với tỷ suất sinh lợi biến thiên từ -8.95% đến 14.54%, và phương sai bằng 2.15. Việt

Nam có tỷ số Sharpe hàng tuần thấp nhất (-0.32) trong khi Trung Quốc có tỷ số

Sharpe cao nhất (0.02), các quốc gia còn lại đều có tỷ số Sharpe âm. Một số quốc gia

thể hiện tự tương dương khá lớn trong tỷ suất sinh lợi thặng dư của chính quốc gia đó,

chạy từ 0.10 (Malaysia) đến 0.22 (Singapore). Tỷ suất sinh lợi thặng dư của Thái Lan,

Indonesia, Việt Nam, Phillipines và Mỹ có tự tương quan nhỏ nhất (0.03, 0.04, 0.05,

0.06). Ngoài ra, có một số quốc gia có tỷ suất sinh lợi thặng dư thể hiện sự tương quan

âm, chẳng hạn như Việt Nam, Indonesia và Mỹ.

3.2.2. Các biến kinh tế quốc gia:

Hai biến kinh tế quốc gia chính được nghiên cứu xuyên suốt bài nghiên cứu là biến tỷ

suất cổ tức và lãi suất danh nghĩa ngắn hạn. Ngoài ra, khi nghiên cứu mối quan hệ dẫn

dắt trễ bằng các kiểm định nhân quả Granger, nhóm cũng tiến hành nghiên cứu thêm 4

biến kinh tế quốc gia là tốc độ tăng trưởng của sản lượng công nghiệp, tỷ lệ lạm phát,

tỷ lệ thay đổi của tỷ giá hối đoái và chênh lệch lãi suất.

3.2.2.1. Tỷ suất cổ tức:

Tỷ suất cổ tức: theo như Campell và Shiller (1988) thì tỷ suất cổ tức bằng tổng cổ tức

trong năm trước chia cho mức giá hiện hành. Khi tiến hành hồi quy dự báo thì nhóm

sử dụng giá trị log tự nhiên của tỷ suất cổ tức hơn là chuỗi dữ liệu thô, bởi vì chuỗi dữ

liệu lấy log có tính chất chuỗi thời gian tốt hơn. Dữ liệu tỷ suất cổ tức thô được đo

lường dưới dạng tỷ số nên có khả năng lệch dương, do đó lấy log có thể giải quyết

được vấn đề này và làm chuỗi dữ liệu trở nên đối xứng hơn. Theo như tinh thần của

bài nghiên cứu Ang và Bekaert (2007) và Hjalmarsson (2010) nhận thấy rằng lãi suất

thể hiện khả năng dự báo mạnh hơn tỷ suất cổ tức ở các quốc gia, vậy liệu lập luận

này có nhất quán với những kết quả trong bài nghiên cứu này không? Câu hỏi này sẽ

được trả lời vào cuối bài nghiên cứu.

Việc nghiên cứu khả năng dự báo của tỷ suất cổ tức cho tỷ suất sinh lợi của chứng

khoán trong tương lai là một đề tài kinh điển khi dự báo tỷ suất sinh lợi. Các bài

nghiên cứu lý thuyết và thực nghiệm cung cấp bằng chứng cho thấy tỷ suất sinh lợi kỳ

vọng của chứng khoán có thể dự đoán được. Tuy nhiên, thành phần dự đoán được của

tỷ suất sinh lợi thị trường chứng khoán là một thành phần tương đối nhỏ của phương

sai tỷ suất sinh lợi (Fama và Schwert (1977), Fama (1981), Keim và Stambaugh

(1986) và French, Schwert và Stambaugh (1987)) . Một phát hiện thú vị khác nữa là

theo như nghiên cứu của Fama và French (1988) cho thấy khi tác giả sử dụng tỷ số cổ

tức trên giá (D/P), còn được gọi là tỷ suất cổ tức, để dự báo tỷ suất sinh lợi của các

danh mục đầu tư có tỷ trọng bằng nhau và tỷ trọng tính theo giá trị của chỉ số chứng

khoán New York (NYSE ) cho các kỳ hạn tỷ suất sinh lợi (thời gian nắm giữ) từ một

tháng đến bốn năm, kết quả cho thấy khả năng dự báo của tỷ suất cổ tức đối với tỷ

suất sinh lợi chứng khoán gia tăng cùng với kỳ hạn của tỷ suất sinh lợi. Cùng nghiên

cứu về khả năng dự báo tỷ suất sinh lợi chứng của tỷ suất cổ tức thì bài nghiên cứu

của Goetzmann và Jorion (1993) xem xét khả năng dự báo của tỷ suất cổ tức đối với

tỷ suất sinh lợi chứng khoán dài hạn. Tác giả sử dụng phương pháp bootstrap để kiểm

định khả năng dự báo của tỷ suất cổ tức, và kết quả cho thấy không có bằng chứng

mạnh cho thấy tỷ suất cổ tức có thể được sử dụng để dự báo tỷ suất sinh lợi. Như vậy

đã có những bằng chứng ủng hộ cho khả năng dự báo của tỷ suất cổ tức nhưng cũng

có những bằng chứng bác bỏ khả năng dự báo đó, cho nên theo như nghiên cứu của

Cornell (2012) lập luận rằng ở một số quốc gia, tỷ suất cổ tức dự đoán được tỷ suất

sinh lợi tương lai, ở các nước khác chúng dự đoán được tốc độ tăng trưởng cổ tức

trong tương lai, và trong các quốc gia khác thì tỷ suất cổ tức thể hiện khả năng dự báo

cho cả tỷ suất sinh lợi chứng khoán và tốc độ tăng trưởng của tỷ suất cổ tức, cho thấy

những phát hiện không đồng nhất này hỗ trợ việc giải thích rằng mối quan hệ giữa các

biến phụ thuộc vào hoàn cảnh lúc đó.

Đã có những tranh luận đáng kể trong các tài liệu tài chính gần đây về khả năng dự

báo tỷ suất sinh lợi chứng khoán. Một số nghiên cứu dường như cung cấp sự hỗ trợ

thực nghiệm cho việc sử dụng tỷ suất cổ tức như một phương pháp đo lường tỷ suất

sinh lợi chứng khoán kỳ vọng (Rozeff (1984), Campbell và Shiller (1988a), Fama và

French (1988), Hodrick (1992), và Nelson và Kim ( 1993)). Vấn đề với các nghiên

cứu trước đây là hồi quy tỷ suất sinh lợi chứng khoán đối mặt với nhiều loại vấn đề

thống kê về kinh tế lượng, trong số đó là vấn đề tương quan mạnh của các biến phụ

thuộc và do đó có thể gây ra những sai lệch trong việc ước lượng hệ số hồi quy. Vì

vậy, những vấn đề này có xu hướng tạo ra các kết luận giả mạo. Sau khi ghi nhận ra

điều này, Goetzmann và Jorion (1993) lập luận rằng những phát hiện trước đây về mối

quan hệ giữa tỷ suất sinh lợi chứng khoán và tỷ suất cổ tức có thể là giả mạo mà phần

lớn là do hiệu suất yếu kém của mẫu nhỏ của các phương pháp ước lượng thường

được sử dụng. Do đó, tác giả sử dụng cách tiếp cận bootstrap và kết luận rằng không

có bằng chứng mạnh cho thấy tỷ suất cổ tức có thể được sử dụng để dự báo tỷ suất

sinh lợi chứng khoán. Cũng nhận thấy được vấn đề kinh tế lượng phát sinh giống như

những gì Goetzmann và Jorion (1993) lập luận, (Micheal Wolf, 2000) đã trình bày

một công cụ thống kê mới để đưa ra những suy luận trong bối cảnh các quan sát tương

quan với nhau và có thể không dừng khi kiểm định khả năng dự báo của tỷ suất sinh

lợi chứng khoán từ tỷ suất cổ tức. Phương pháp nghiên cứu mới này được gọi là

phương pháp lấy mẫu phụ (sunsampling), phương pháp này sẽ tính số liệu thống kê

của tỷ suất sinh lợi trên những mẫu nhỏ hơn trong toàn bộ dữ liệu, để từ đó suy ra

được phân phối của các số liệu thống kê đó, do đo cho phép tác giả tính được khoảng

tin cậy chính xác cho tham số chưa biết trong điều kiện yếu. Tác giả đã áp dụng các

phương pháp lấy mẫu con cho ba bộ dữ liệu khác nhau sau chiến tranh, các chỉ số

NYSE lấy tỷ trọng bằng nhau và tỷ trọng theo giá trị và chỉ số S & P 500, và bao gồm

năm kỳ hạn tỷ suất sinh lợi khác nhau, từ một tháng đến bốn năm. Kết quả là tác giả

không tìm thấy bất kỳ bằng chứng cho khả năng dự đoán của tỷ suất cổ tức cho những

kỳ hạn ngắn và trung bình, nhưng những phát hiện đối với kỳ hạn dài dường như có ý

nghĩa. Như vậy, có thể thấy tỷ suất cổ tức là một chỉ báo tiềm năng để dự đoán tỷ suất

sinh lợi chứng khoán trong tương lai.

3.2.2.2. Lãi suất danh nghĩa ngắn hạn:

Lãi suất t-bill 3 tháng: dữ liệu này có sẵn từ các ngân hàng trung ương của các quốc

gia, nếu không thì có thể lấy lãi suất chiết khấu hoặc lãi suất liên ngân hàng.

Mối quan hệ giữa tỷ suất sinh lợi chứng khoán và lãi suất luôn thu hút đông đảo mối

quan tâm của các nhà nghiên cứu. Nhiều bài nghiên cứu đã tập trung vào khả năng dự

báo tỷ suất sinh lợi kỳ vọng bằng cách sử dụng các dạng khác nhau của lãi suất như lãi

suất danh nghĩa ngắn hạn (thường được đại diện bằng lãi suất T-bill 3 tháng), chênh

lệch giữa lãi suất ngắn hạn và lãi suất dài hạn, chênh lệch giữa lợi suất trái phiếu chính

phủ dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn… Các bài nghiên cứu trước

đây đã tìm thấy các bằng chứng cho thấy khả năng dự báo của các biến lãi suất này

đối với tỷ suất sinh lợi chứng khoán. Bài nghiên cứu gần như sớm nhất về khả năng

dự báo của lãi suất phải kể đến là nghiên cứu của Fama và Schwert (1977) và Fama

(1981) đã sử dụng lãi suất tín phiếu kho bạc như là biến đại diện cho lạm phát kỳ

vọng, và bài nghiên cứu này chủ yếu tập trung xem xét mối quan hệ giữa tỷ suất sinh

lợi và lạm phát, hơn là nghiên cứu mối quan hệ giữa lãi suất và tỷ suất sinh lợi chứng

khoán. Bài nghiên cứu của Fama và Schwert (1977) và Fama (1981) đã tìm thấy một

mối tương quan âm đáng tin cậy giữa tỷ suất sinh lợi của chứng khoán và lãi suất tín

phiếu kho bạc. Sự phát hiện này được giải thích như là bằng chứng chống lại giả

thuyết Fisher, khi giả thuyết này dự đoán một mối tương quan dương giữa tỷ suất sinh

lợi chứng khoán và làm phát kỳ vọng. Zhou (1996) cũng cho thấy rằng lãi suất có tác

động quan trọng lên tỷ suất sinh lợi chứng khoán, đặc biệt là trong dài hạn.

Một mảng nghiên cứu chủ yếu khác về khả năng dự báo tỷ suất sinh lợi của các biến

lãi suất là sử dụng các biến lãi suất được suy ra từ đường cong lãi suất theo như

nghiên cứu của Fama và French (1989). Tác giả đã xem xét khả năng dự báo tỷ suất

sinh lợi kỳ vọng của các biến kinh tế quốc gia và các biến tỷ số tài chính như tỷ suất

cổ tức, chênh lệch lãi suất ngắn hạn và dài hạn và chênh lệch lợi suất trái phiếu chính

phủ và doanh nghiệp, bằng cách sử dụng dữ liệu của Mỹ trong giai đoạn 1927-1987.

Kết quả của tác giả cho thấy chênh lệch lãi suất ngắn hạn và dài hạn thể hiện khả năng

dự báo một cách ý nghĩa đối với tỷ suất sinh lợi hàng tháng trong tương lai, trong khi

chênh lệch lợi suất trái phiếu chính phỉ và doanh nghiệp thể hiện khả năng dự báo một

cách ý nghĩa tỷ suất sinh lợi 4 năm trong tương lai. Cả hai biến này đều có tương quan

dương với tỷ suất sinh lợi kỳ vọng. Những giá trị chênh lệch lãi suất này đều tham gia

giải thích cho 1% tỷ suất sinh lợi hàng tháng, 2% tỷ suất sinh lợi hàng quý, 7% tỷ suất

sinh lợi hàng năm, 16% tỷ suất sinh lợi hai năm, 20% tỷ suất sinh lợi 3 năm, và 23%

tỷ suất sinh lợi 4 năm. Sự thay đổi có thể dự đoán được gia tăng cùng với kỳ hạn của

tỷ suất sinh lợi. Fama và French (1989) giải thích cho kết quả của họ như là bằng

chứng về khả năng dự báo của các biến liên quan đến điều kiện kinh doanh cho tỷ suất

sinh lợi chứng khoán.

Ngoài ra cũng có nhiều nghiên cứu khác về khả năng dự báo của lãi suất như nghiên

cứu của Chen (1991) xem xét mối quan hệ giữa tỷ suất sinh lợi chứng khoán và các

biến quốc gia. Các biến quốc gia bao gồm tỷ suất cổ tức, chênh lệch lãi suất dài hạn,

lãi suất tín phiếu kho bạc, chênh lệch lãi suất và tốc độ tăng trưởng sản lượng. Sử

dụng dữ liệu tỷ suất sinh lợi theo quý của chỉ số NYSE cho giai đoạn 1954-1986,

Chen (1991) nhận thấy chênh lệch lãi suất dài hạn có khả năng dự báo tỷ suất sinh lợi

trong 4 quý tới, trong khi chênh lệch lãi suất có thể dự báo tỷ suất sinh lợi trong ba

quý tới. Tuy nhiên, lãi suất tín phiếu kho bạc tương quan một cách ý nghĩa với tỷ suất

sinh sinh lợi chỉ trong quý tới. Kết quả cho thấy chênh lệch lãi suất ngắn hạn và dài

hạn và chênh lệch lợi suất trái phiếu chính phủ và doanh nghiệp có độ dốc dương

trong khi lãi suất tín phiếu có độ dốc âm.

Từ các bài nghiên cứu trên đây đã đưa ra những bằng chứng về khả năng dự báo của

lãi suất đối với tỷ suất sinh lợi chứng khoán cũng như cho thấy mối tương quan âm

giữa lãi suất tín phiếu kho bạc và tỷ suất sinh lợi chứng khoán, và mối tương quan

dượng giữa các chênh lệch lãi suất với tỷ suất sinh lợi chứng khoán.

3.2.2.3. Các biến kinh tế quốc gia bổ sung:

Mặc dù các biến kinh tế quốc gia bổ sung (bao gồm tốc độ tăng trưởng sản lượng, tỷ

lệ lạm phát, tỷ lệ thay đổi của tỷ giá hối đoái và chênh lệch lãi suất) chỉ là những biến

phụ trong bài nghiên cứu này như những câu chuyện về sự ra đời của những biến dự

báo tỷ suất sinh lợi này lại khá thú vị.

Tốc độ tăng trưởng sản lượng công nghiệp:

Dữ liệu sản lượng công nghiệp của Mỹ, Trung Quốc và các quốc gia Đông Nam Á

được lấy trên IFS trong giai đoạn 06/2007-06/2013. Từ đó tính được tốc độ tăng

trưởng sản lượng công nghiệp, là sự so sánh sản lượng công nghiệp của kỳ này so với

kỳ trước.

Bàn về việc tại sao tốc độ tăng trưởng sản lượng công nghiệp lại được xem như là một

biến kinh tế quốc gia có khả năng dự báo cho tỷ suất sinh lợi chứng khoán, thì có thể

thấy: người đặt nền móng cơ sở cho việc nghiên cứu khả năng dự báo của hoạt động

thực của nền kinh tế, mà thường lấy tốc độ tăng trưởng sản lượng công nghiệp làm đại

diện, đối với tỷ suất sinh lợi chứng khoán có thể kể đến là Fama (1990). Fama (1990)

nhận thấy rằng có ba nguyên nhân chính dẫn đến sự thay đổi tỷ suất sinh lợi chứng

khoán, đó là: các cú sốc đối với dòng tiền kỳ vọng, tỷ suất sinh lợi kỳ vọng thay đổi

theo thời gian và các cú sốc đối với tỷ suất sinh lợi kỳ vọng. Ông nhận thấy rằng, các

biến mà đại diện cho các cú sốc đối với tỷ suất sinh lợi kỳ vọng thì nắm bắt 30% sự

thay đổi của tỷ suất sinh lợi hàng năm của chỉ số NYSE. Trong khi đó, tốc độ tăng

trưởng sản lượng công nghiệp, được sử dụng để đại diện cho các cú sốc đối với dòng

tiền kỳ vọng, giải thích 43% sự thay đổi tỷ suất sinh lợi. Ngoài ra, Fama cũng nghiện

cứu khả năng dự báo kết hợp của các biến thì tác giả nhận thấy sự kết hợp của các

biến này giải thích khoảng 58% sự thay đổi tỷ suất sinh lợi hàng năm nhưng khả năng

giải thích này thì ít hơn tổng khả năng giải thích riêng lẻ của từng biến, do đó đây là

thông tin tốt hay xấu về thị trường hiệu quả thì tác giả vẫn còn bỏ ngỏ câu hỏi này cho

những nghiên cứu sau này. Cùng nghiên cứu về vấn đề này có thể kể đến Fama

(1981), Geske và Roll (1983), Kaul (1987), Barro (1990), và Shah (1989), các tác giả

cũng nhận thấy mối quan hệ giữa tỷ suất sinh lợi chứng khoán và hoạt động thực là rất

mạnh, bởi vì kết quả của họ cho thấy hoạt động thực có một vai trò trung tâm trong

bất cứ câu chuyện nào về sự thay đổi của tỷ suất sinh lợi. Đồng thời, các tác giả trên

cũng cho thấy rằng phần lớn (thường nhiều hơn 50%) sự thay đổi tỷ suất sinh lợi

chứng khoán hàng năm có thể được dự báo từ các biến như GNP thực, sản lượng công

nghiệp và đầu tư, mà những biến này là những nhân tố quyết định quan trọng đối với

dòng tiền của các công ty.

Tiếp tục nối gót Fama, Schwert (1990) cũng nghiên cứu mối quan hệ giữa tỷ suất sinh

lợi chứng khoán thực và hoạt động thực, nhưng Schwert (1990) đã mở rộng giai đoạn

nghiên cứu thêm 65 năm từ 1889-1988. Đồng thời, Schwert sẽ so sánh hai phương

pháp đo lường sản lượng công nghiệp khác nhau trong các kiểm định: Một phương

pháp lấy chuỗi dữ liệu từ Babson và Federal Reserve Board; một phương pháp lấy

chuỗi dữ liệu từ Miron và Romer và Federal Reserve Board. Kết quả nghiên cứu của

Schwert (1990) tiếp tục củng cố cho những phát hiện của Fama (1990) khi cho rằng tỷ

suất sinh lợi chứng khoán hàng tuần, hàng quý, hàng năm thì tương quan cao với tốc

độ tăng trưởng sản lượng công nghiệp, và mức độ tương quan gia tăng cùng với kỳ

hạn của tỷ suất sinh lợi, có nghĩa là đối với tỷ suất sinh lợi kỳ hạn dài hơn thì khả năng

giải thích của tốc độ tăng trưởng sản lượng công nghiệp càng cao. Ngoài ra, Schwert

cũng phát hiện ra rằng phương pháp đo lường mới của Miron Romer về sản lượng

công nghiệp giải thích ít cho sự thay đổi của tỷ suất sinh lợi chứng khoán hơn phương

pháp đo lường cũ của Babson và Federal Reserve Board, do tốc độ tăng trưởng sản

lượng công nghiệp của chuỗi dữ liệu Miron-Romer biến động nhiều hơn và có tự

tương quan nhỏ hơn chuỗi dữ liệu của Babson và Federal Reserve Board. Tiếp tục đến

năm 2006, Peter Young đã mở rộng nghiên cứu của Schwert (1990) cho thời kỳ

nghiên cứu 1989-2004. Peter Young dự kiến rằng mối quan hệ giữa sản lượng công

nghiệp và tỷ suất sinh lợi chứng khoán sẽ bị phá vỡ do sự chuyển đổi của nền kinh tế

Mỹ từ nền kinh tế sản xuất sang nền kinh tế dịch vụ vào cuối thế kỷ 20, tuy nhiên

những phát hiện cho thấy mối quan hệ này tiếp tục tồn tại và dường như được củng cố

hơn trong thời kỳ mẫu.

Tỷ lệ lạm phát:

Dữ liệu tỷ lệ lạm phát của các quốc gia cũng được lấy từ IFS. Tỷ lệ lạm phát được tính

từ chỉ số CPI của từng quốc gia, và dữ liệu được thu thập trong khoảng thời gian

06/2007-06/2013.

Câu chuyện về sự ra đời của tỷ lệ lạm phát như biến kinh tế quốc gia lại càng thú vị:

Irving Fisher đã đặt nền tảng cho những nghiên cứu về mối quan hệ giữa tỷ suất sinh

lợi chứng khoán và lạm phát. Fisher đã chứng minh được rằng lãi suất thực và tỷ lệ

lạm phát độc lập với nhau và lãi suất danh nghĩa thay đổi tương quan một-một với lạm

phát kỳ vọng, đồng thời khẳng định rằng lãi suất danh nghĩa bằng lãi suất thực cộng

với tỷ lệ lạm phát kỳ vọng. Những nhận định trên đây được gọi là giả thuyết Fisher về

lãi suất, và giả thuyết này có thể được tổng quát hóa cho tất cả các tài sản trong thị

trường hiệu quả. Bài nghiên cứu của Nelson (1976) đã mở rộng giả thuyết nổi tiếng

trên của Irving Fisher cho tỷ suất sinh lợi chứng khoán. Giả thuyết này cho rằng tỷ

suất sinh lợi kỳ vọng bao gồm tỷ suất sinh lợi thực cộng với tỷ lệ lạm phát kỳ vọng và

tỷ suất sinh lợi thực thì không di chuyển một cách hệ thống với tỷ lệ lạm phát; trong

ngắn hạn, nhà đầu tư sẽ được bồi thường đầy đủ cho sự xói mòn sức mua. Tuy nhiên,

niềm tin vào sự mở rộng của giả thuyết Fisher cho tỷ suất sinh lợi chứng khoán đã bị

xói mòn đáng kể trong những năm gần đây, do có rất nhiều bằng chứng cho thấy tồn

tại mối tương quan âm giữa tỷ suất sinh lợi chứng khoán và lạm phát thay vì mối

tương quan dương theo như giả thuyết. Chẳng hạn như các bằng chứng của Nelson

(1976) không củng cố cho giả thuyết Fisher khi kết quả của bài nghiên cứu này lại cho

thấy một mối tương quan âm giữa tỷ suất sinh lợi và tỷ lệ lạm phát kỳ vọng cũng như

lạm phát không kỳ vọng trong giai đoạn hậu chiến.

Cùng nghiên cứu về vấn đề này, Gultekin (1983) đã có hai bài nghiên cứu liên tiếp về

mối quan hệ giữa tỷ suất sinh lợi chứng khoán và lạm phát. Bài nghiên cứu đầu tiên

xem xét mối quan hệ này bằng cách nghiên cứu thực nghiệm ở hai mươi sáu quốc gia

trong giai đoạn sau chiến tranh, kết quả nghiên cứu cho thấy không tìm thấy một mối

tương quan dương đáng tin cậy nào giữa tỷ suất sinh lợi danh nghĩa của chứng khoán

và tỷ lệ lạm phát kỳ vọng đối với hầu hết trong số 26 nước được phân tích. Hơn nữa,

tác giả thấy rằng mối tương quan giữa tỷ suất sinh lợi chứng khoán và lạm phát không

ổn định theo thời gian và có sự khác biệt giữa các quốc gia. Trong bài nghiên cứu thứ

hai về mối quan hệ giửa tỷ suất sinh lợi chứng khoán và lạm phát, Gultekin (1983) sử

dụng dữ liệu từ cuộc khảo sát về kỳ vọng của Livingston. Nếu như những bài nghiên

cứu trước đây chủ yếu sử dụng tỷ suất sinh lợi chứng khoán đã biết trước, thì bài

nghiên cứu này của Gultekin (1983) sử dụng dữ liệu liên quan đến kỳ vọng tỷ suất

sinh lợi của nhà đầu tư để kiểm định giả thuyết Fisher. Phát hiện của tác giả thì khác

đáng kể với các nghiên cứu trước đó, kết quả cho thấy tồn tại một mối tương quan

dương một-một giữa tỷ suất sinh lợi kỳ vọng của chứng khoán và lạm phát kỳ vọng và

tỷ suất sinh lợi thực kỳ vọng của chứng khoán không đổi theo thời gian nhưng tương

quan dương với lạm phát kỳ vọng, kết quả này càng củng cố cho giả thuyết Fisher.

Qua đó có thể thấy không có một sự thống nhất giữa các bằng chứng thực nghiệm khi

nghiên cứu về mối quan hệ giữa tỷ suất sinh lợi chứng khoán và lạm phát. Bài nghiên

cứu của Fama (1981) đã cố gắng giải thích cho mối quan hệ bất thường này giữa lạm

phát và tỷ suất sinh lợi chứng khoán. Fama (1981) đã phát hiện ra rằng mối tương

quan âm giữa tỷ suất sinh lợi chứng khoán và lạm phát kỳ vọng chỉ đơn giản là đại

diện cho mối tương quan dương giữa tỷ suất sinh lợi chứng khoán và các biến thực

(đại diện là sản lượng công nghiệp). Trong đó, mối tương quan âm giữa tỷ suất sinh

lợi chứng khoán và lạm phát kỳ vọng được gây ra bởi mối tương quan âm giữa làm

phát kỳ vọng và hoạt động thực. Đồng thời, mối quan hệ giữa tỷ suất sinh lợi chứng

khoán và lạm phát sẽ biến mất khi sử dụng kết hợp đồng thời các biến thực, lạm phát

kỳ vọng và lạm phát không kỳ vọng để giải thích cho tỷ suất sinh lợi chứng khoán.

Tiếp tục hướng phát triển nghiên cứu của Fama (1981), Gautam Kaul (1986) nhận

thấy mối tương quan thay đổi theo thời gian và phụ thuộc vào ảnh hưởng của các nhân

tố cung và cầu tiền. Mối tương quan âm sẽ tồn tại trong giai đoạn tiền tệ phản chu kỳ,

và tỷ suất sinh lợi chứng khoán hoặc không tương quan hoặc tương quan dương với

các biến lạm phát khi tiền tệ, giá cả, và tỷ suất sinh lợi chứng khoán biến động theo

chu kỳ.

Tỷ lệ thay đổi của tỷ giá hối đoái:

Dữ liệu tỷ giá hối đoái được lấy từ trang web ngân hàng trung ương của các quốc gia.

Dữ liệu được thu thập trong giai đoạn 06/2007-06/2013.

Đã có rất nhiều bài nghiên cứu thực nghiệm về mối quan hệ giữa giá chứng khoán và

tỷ giá, nghiên cứu đầu tiên có thể kể đến là của Franck và Young (1972), tác giả đã

không phát hiện ra mối tương quan có ý nghĩa giữa giá chứng khoán và tỷ giá hối

đoái. Nhưng sau đó, Aggarwal (1981) đã nghiên cứu mối quan hệ trong giai đoạn đầu

sau khi hệ thống Brettonwood sụp đổ, đặc trưng cho giai đoạn này là tỷ giá hối đoái

biến động nhiều hơn, và tác giả đã tìm thấy một mối tương quan dương giữa tỷ giá hối

đoái hiệu quả của đồng đô la Mỹ và những thay đổi trong chỉ số giá chứng khoán Mỹ

trong giai đoạn 1974-1978. Bên cạnh đó, còn có các nghiên cứu khác như: Solnik

(1987) đã phân tích tác động của các biến số kinh tế bao gồm tỷ giá hối đoái lên giá

chứng khoán trong chín quốc gia công nghiệp hóa. Kết quả cho thấy sự thay đổi trong

tỷ giá hối đoái là một yếu tố không có ý nghĩa trong việc giải thích sự biến động của

giá cổ phiếu. Trong khi đó, Jorion (1990) thì lại tìm thấy mối quan hệ giữa tỷ suất sinh

lợi chứng khoán của các công ty đa quốc gia của Mỹ và tỷ giá hiệu lực của đồng đô la

Mỹ cho giai đoạn 1971-1987.

Các nghiên cứu thực nghiệm trong giai đoạn đầu chủ yếu tập trung vào mối quan hệ

giữa các tỷ suất sinh lợi trong thị trường chứng khoán và thị trường ngoại hối và sử

dụng chuỗi dữ liệu thể hiện sự thay đổi. Việc giới hạn chỉ sử dụng dữ liệu thể hiện sự

thay đổi là do chuỗi dữ liệu tài chính về mặt kinh tế thể hiện tính dừng không đầy đủ,

mà theo lý thuyết, tính dừng được yêu cầu hoàn toàn trong phân tích hồi quy để tránh

suy luận giả mạo, do đó không thể sử dụng giá trị thực của chuỗi dữ liệu. Tuy nhiên,

việc sử dụng các giá trị chênh lệnh có thể làm một số thông tin liên quan đến một sự

kết hợp tuyến tính có thể có giữa các giá trị thực của các biến có thể bị mất. Vì vậy,

việc sử dụng kỹ thuật đồng liên kết có thể khắc phục được vấn đề không dừng và cho

phép nghiên cứu cho cả giá trị thực và giá trị chênh lệch của chuỗi dữ liệu của tỷ giá

và giá chứng khoán (Phylaktis-Ravazzolo, 2000). Bahmani-Oskooee và Sohrabian

(1992) là những người đầu tiên sử dụng đồng liên kết và quan hệ nhân quả Granger để

giải thích cho chiều hướng của mối tương quan lẫn nhau giữa hai biến. Tác giả sử

dụng dữ liệu hàng tháng của chỉ số S&P 500 và tỷ giá hối đoái hiệu quả của đồng đô

la Mỹ cho giai đoạn 1973-1988 và nhận thấy tồn tại mối quan hệ nhân quả hai chiều,

ít nhất là trong ngắn hạn. Kể từ đó nhiều bài nghiên cứu khác nghiên cứu về mối quan

hệ nhân quả giữa tỷ suất sinh lợi chứng khoán và tỷ giá hối đoái đã áp dụng các chu

trình kinh tế lượng trên và cho ra những kết quả rất khác nhau và đa dạng, chẳng hạn

như Ajayi và Mougoue (1996) quan sát thấy mối tương quan có ý nghĩa trong tám nền

kinh tế công nghiệp trong thời gian 1985-1991. Cụ thể hơn, tác giả còn cho thấy một

tác động ngắn hạn âm và tác động dài hạn dương của sự gia tăng trong giá chứng

khoán nội địa lên giá trị đồng nội tệ. Tuy nhiên, sự mất giá đồng tiền thì lại ảnh hưởng

đến thị trường chứng khoán một cách tiêu cực trong ngắn hạn.

Bên cạnh đó, cũng có một số nghiên cứu đã tập trung vào các ngành nhất định hơn là

trên toàn bộ nền kinh tế, ví dụ như nghiên cứu của Chamberlain et al. (1997) cho thấy

rằng tỷ suất sinh lợi chứng khoán ngân hàng Mỹ là rất nhạy cảm với tỷ giá hối đoái

nhưng tỷ suất sinh lợi chứng khoán của các ngân hàng Nhật Bản thì không. Ngoài ra

còn có nghiên cứu của Griffin và Stulz (2001) lưu ý rằng những thay đổi của tỷ giá

hối đoái hàng tuần có tác động không đáng kể lên chỉ số chứng khoán ngành trong các

nước phát triển. Như vậy, trong hơn một thập kỷ qua, đã tồn tại rất nhiều bài nghiên

cứu về mối quan hệ giữa tỷ giá hối đoái và tỷ suất sinh lợi chứng khoán với những kết

quả khác nhau.

Chênh lệch lãi suất (Term spread):

Chênh lệch lãi suất là sự khác biệt giữa lãi suất dài hạn và lãi suất ngắn hạn, đây là

một dạng của cấu trúc kỳ hạn lãi suất. Lãi suất ngắn hạn được lấy từ lãi suất T-bill 3

tháng. Lãi suất dài hạn được đo lường bằng lợi suất của trái phiếu chính phủ dài hạn,

nếu có sẵn thì sử dụng lợi suất của trái phiếu chính phủ 10 năm, nếu không có thì có

thể sử dụng trái phiếu chính phủ mà có kỳ hạn gần 10 năm nhất. Trong bài nghiên cứu

này, nhóm lấy lợi suất trái phiếu chính phủ 5 năm đại diện cho lãi suất dài hạn và

chuỗi dữ liệu này được lấy từ IFS trong giai đoạn 06/2007-06/2013 cho tất cả các

nước.

Như đã đề cập ở trên, chênh lệch lãi suất là một dạng của các biến lãi suất. Chênh lệch

lãi suất là một phương pháp đo lường cấu trúc kỳ hạn của lãi suất. Nó thể hiện phần

bù kỳ hạn cho việc nắm giữa trái phiếu dài hạn so với việc nắm giữ trái phiếu ngắn

hạn. Sự thể hiện đồ thị mối quan hệ giữa lãi suất dài hạn và lãi suất ngắn hạn được

gọi là đường cong lãi suất. Ngoài việc cho thấy nhà đầu tư được đền bù như thế nào

đối với việc nắm giữ trái phiếu có thời gian đáo hạn dài hơn, thì chênh lệch lãi suất

được sử dụng như một biến dự báo thông thường cho các hoạt động kinh tế thực.

Chênh lệch lãi suất dương và đường cong lãi suất dốc lên cho thấy sự gia tăng trong

tương lai của hoạt động kinh tế thực; tiêu dùng nhiều hơn, đầu tư và tiêu dùng hàng

lâu bền nhiều hơn. Nó cũng dự báo lãi suất cao hơn trong tương lai. Ngược lại, đường

cong lãi suất dốc xuống là một chỉ báo rõ ràng về một cuộc suy thoái sắp tới.

Đã có rất nhiều bài nghiên cứu trước đây, chẳng hạn như Fama và French (1989),

Fama (1990), Schwert (1990), Campbell và Ammer (1993), và Boudoukh,

Richardson, và Whitelaw (1996) sử dụng chênh lệch giữa lãi suất dài hạn và lãi suất

ngắn hạn để dự báo cho tỷ suất sinh lợi chứng khoán hoặc phần bù rủi ro chứng

khoán. Thời gian đáo hạn của lãi suất dài hạn trong các nghiên cứu được lựa chọn gần

như là tùy ý, từ vài tháng cho đến một vài thập kỷ, vì không có lý thuyết hướng dẫn

cho những lựa chọn này. Fama và French (1989), Fama (1990), và Schwert (1990) đã

dẫn chứng mối quan hệ giữa tỷ suất sinh lợi chứng khoán và chênh lệch lãi suất bằng

hồi quy OLS. Trong một số lượng lớn các mô hình hồi quy, họ tìm thấy một số bằng

chứng cho thấy chênh lệch lãi suất dự đoán một cách ý nghĩa cho tỷ suất sinh lợi ngắn

hạn của chứng khoán đối với kỳ hạn một năm và trong trường hợp kỳ hạn của tỷ suất

sinh lợi ngắn hơn (chẳng hạn như theo tháng hay theo tuần) thì hầu như không có

bằng chứng cho thấy mối quan hệ giữa chênh lệch lãi suất và tỷ suất sinh lợi của

chứng khoán. Còn Campbell và Ammer (1993) lại nhận thấy rằng chênh lệch lãi suất

có rất ít tác động đến tỷ suất sinh lợi chứng khoán. Boudoukh, Richardson, và

Whitelaw (1996) thì phát hiện thấy chênh lệch lãi suất (chênh lệch giửa lợi suất trái

phiếu 20 năm và lợi suất trái phiếu một năm) có khả năng dự báo cho tỷ suất sinh lợi

thăng dự hàng năm của chứng khoán.

Như vậy, chênh lệch lãi suất là một biến số kinh tế quốc gia cũng thể hiện được khả

năng dự đoán đối với tỷ suất sinh lợi chứng khoán.

4. KẾT QUẢ NGHIÊN CỨU:

4.1. Mô hình hồi quy dự báo tiêu chuẩn:

4.1.1. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng

quốc gia:

Các giá trị ước lượng theo phương pháp hồi quy bình phương bé nhất (OLS) của

𝛽𝑖,𝑏 (𝛽𝑖,𝑑) trong mô hình hồi quy dự báo tiêu chuẩn của phương trình (9), được trình

bày trong cột thứ hai và thứ bảy (thứ ba và thứ tám) của bảng II. Giá trị thống kê 𝑡,

được trình bày bên dưới các giá trị ước lượng của các hệ số, được tính dựa trên sai số

chuẩn vững chắc với phương sai thay đổi (heteroskedasticity-robust standard error)

(White (1980)). Để tăng tính bền vững của những suy luận thống kê, nhóm tính giá trị

𝑝 − 𝑣𝑎𝑙𝑢𝑒 bằng cchu trình wild bootstrap theo như bài nghiên cứu Goncalvs và Kilian

(2004) và Cavaliere, Rahbek, và Taylor (2010). Chu trình boostrap này có rất nhiều ưu

điểm như vừa có thể cho phép duy trì tương quan đồng thời giữa các biến trong dữ

liệu, vừa cho phép những dạng chung của phương sai thay đổi có điều kiện, và vừa

điều chỉnh được sai lệch Stambaugh (1999), sai lệch xảy ra khi tiến hành hối quy với

các biến trễ, cũng như giúp chống lại những bóp méo về kích thước, điều mà có thể

gây sai lệch trong các giá trị hồi quy dự báo.

Bảng 2: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến 2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện lần lượt bởi ��𝑖,𝑏

và ��𝑖,𝑑) và thống kê 𝑅2 của mô hình hồi quy dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1,

Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 ngược lại với giả thuyết

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 ngược lại với 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Các giá trị bên dưới thống kê 𝑅2 cho

thấy thống kê 𝜒2 độ mạnh của giả thuyết H0 đối với kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0.

Ước lượng “Pooled” áp đặt các giới hạn là 𝛽𝑖,𝑏 = ��𝑏 và 𝛽𝑖,𝑑 = ��𝑑 cho tất cả các i. In đậm

thể hiện mức ý nghĩa 10% hoặc tốt hơn đối với giá trị p-value của chu trình wild bootstrap.

Dữ liệu được lấy từ FTSE.

Country (i) βi,b βi,d R2 (%)


VietNam -0.09 0.21 2.09

Singapore -0.52 0.32 6.43

t-stat -2.88 1.33 8.39

t-stat -2.96 0.60 15.35

p-value 0.00 0.13 0.02

p-value 0.00 0.48 0.00

Indonesia -0.04 0.02 0.85

USA -0.12 0.73 2.84

t-stat -2.29 0.03 5.57

t-stat -1.99 1.13 7.01

p-value 0.00 0.65 0.04

p-value 0.02 0.21 0.04

Thailand -0.24 0.27 1.99

China 0.13 0.61 0.50

t-stat -1.93 0.51 6.76

t-stat 0.84 1.18 1.44

p-value 0.04 0.36 0.04

p-value 0.70 0.23 0.54

Malaysia -0.30 0.32 2.84

t-stat -2.72 0.87 7.81

p-value 0.01 0.23 0.02

Phillipine -0.19 1.02 6.72

Pooled -0.19 1.02 6.72

t-stat -4.08 2.35 18.33

t-stat -4.08 2.35 18.33

p-value 0.00 0.03 0.00

p-value 0.00 0.02 0.00

Từ bảng 2 có thể thấy: ngoại trừ Trung Quốc, tất cả giá trị ước lượng ��𝑖,𝑏 (��𝑖,𝑑) âm

(dương) của các quốc gia trong bảng 2 đều phù hợp với các bài nghiên cứu trước đây.

Để có những kiểm định khả năng dự báo mạnh hơn, nhóm nghiên cứu đã làm theo đề

nghị của Inoue và Kilian (2004) về việc sử dụng chu trình wild bootstrap để tính giá

trị 𝑝 − 𝑣𝑎𝑙𝑢𝑒 để kiểm định cho giả thuyết không là không có khả năng dự báo và giả

thuyết đối là có khả năng dự báo (𝛽𝑖,𝑏 < 0 𝑣à 𝛽𝑖,𝑑 > 0). Nhóm đã làm nổi bật những

hệ số ước lượng và thống kê 𝑅2 mà có ý nghĩa tại mức ý nghĩa 10% hoặc tốt hơn với

ký hiệu “In đậm” trong bảng 2. Từ đây, nhóm nhận thấy lãi suất danh nghĩa là một chỉ

báo dự đoán tỷ suất sinh lợi có ý nghĩa đối với Việt Nam, Indonesia, Thái Lan,

Malaysia, Phillipines, Singapore và Mỹ, trong khi đó tỷ suất cổ tức là chỉ báo có ý

nghĩa đối với Phillipines. Từ kết quả trên nhóm nhận thấy lãi suất danh nghĩa thể hiện

khả năng dự báo mạnh hơn so với tỷ suất cổ tức, phù hợp với nghiên cứu của Ang và

Bekaert (2007) và Hjalmarsson (2010). Kết quả nghiên cứu từ bộ dữ liệu MSCI và

GFD (xem phụ lục) cũng thể hiện sự đồng nhất với những kết quả bảng 2 khi cho thấy

nhìn chung lãi suất danh nghĩa ngắn hạn dự báo tốt hơn so với tỷ suất cổ tức.

Các giá trị thống kê 𝑅2 trong cột thứ 4 và thứ 9 của bảng 2 khá nhỏ, chỉ biến động từ

0.5% (Trung Quốc) đến 6.72% (Phillipines), điều này cho thấy thành phần không thể

dự đoán được trong tỷ suất sinh lợi thặng dư hàng tháng của các chỉ số chứng khoán

quốc gia là khá lớn. Tuy nhiên, thậm chí giá trị thống kê 𝑅2 chỉ gần 0.5% cũng có thể

cho thấy khả năng dự đoán tỷ suất sinh lợi có ý nghĩa kinh tế (Kandel và Stambaugh

(1996), Campbell và Thompson (2008)). Việt Nam, Thái Lan, Malaysia, Phillipines,

Singapore và Mỹ có thống kê 𝑅2 trên 1%, điều này cho thấy các tỷ suất cổ tức và lãi

suất danh nghĩa vẫn thể hiện khả năng dự báo tỷ suất sinh lợi thặng dự hàng tháng của

các chỉ số kinh tế quốc gia. Các giá trị bên dưới giá trị thống kê 𝑅2 trong bảng 2 trình

bày thống kê Chi bình phương cho kiểm định giả thuyết 𝐻0: không có khả năng dự

đoán tỷ suất sinh lợi cho quốc gia i:

𝐻0 ∶ 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. (2)

Nhóm bác bỏ giả thuyết 𝐻0 đối với Việt Nam, Indonesia, Thái Lan, Malaysia,

Phillipines, Singapore và Mỹ dựa trên giá trị p-value của chu trình wild bootstrap. Có

nghĩa là lãi suất danh nghĩa và tỷ suất cổ tức có thể hiện khả năng dự báo đối với tỷ

suất sinh lợi của các chỉ số chứng khoán quốc gia trong trường hợp của Việt Nam,

Indonesia, Thái Lan, Malaysia, Phillipines, Singapore và Mỹ. Kết quả nghiên cứu của

dữ liệu MSCI và GFD (xem phụ lục) củng cố cho những kết luận trên.

Theo như nghiên cứu của Ang và Bekaert (2007) và Hjalmarsson (2010), nhóm tiến

hành ước lượng gộp cho phương trình (9) mà có áp đặt các giới hạn 𝛽𝑖,𝑏 = ��𝑏 và

𝛽𝑖,𝑑 = ��𝑑 cho tất cả i. Cả ước lượng ��𝑏 (-0.19) và ��𝑑 (-1.02) đều có ý nghĩa tại mức ý

nghĩa thông thường, theo giá trị p-value được tính từ chu trình wild bootstrap. Tuy

nhiên, kết quả nghiên cứu từ MSCI và GFD (xem phụ lục) không cho thấy tỷ suất cổ

tức thể hiện khả năng dự báo đối với tỷ suất sinh lợi của các chỉ số chứng khoán quốc

gia, điều này thì càng củng cố thêm cho lập luận của Ang và Bekaert (2007) và

Hjalmarsson (2010) khi cho rằng lãi suất danh nghĩa thể hiện khả năng dự báo mạnh

hơn tỷ suất cổ tức đối với tỷ suất sinh lợi của các chỉ số quốc gia. Việc gộp dữ liệu lại

để ước lượng cũng có những ưu điểm nhất định có thể thấy được theo nghiên cứu của

Hjalmarsson (2010) như: Khi gộp dữ liệu lại, các dữ liệu chéo và độc lập giảm bớt

được tác động nội sinh, tác động mà gây ra sai lệch Stambaugh trong trường hợp

chuỗi thời gian. Có nghĩa là, sai lệch Stambaugh chỉ phát sinh khi các biến dự báo liên

tục và nội sinh; và bằng cách gộp dữ liệu, hiện tượng nội sinh, theo một nghĩa nào đó,

được loại bỏ và vì vậy cũng loại bỏ được sai lệch. Do đó việc sử dụng phương thức

ước lượng gộp cũng có những ý nghĩa nhất định.

4.1.2. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của Mỹ và

Trung Quốc:

Bảng 3: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo của

Mỹ, 2007:06 đến 2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện thông qua ��𝑖,𝑏 và

��𝑖,𝑑) và thống kê 𝑅2 của mô hình hồi quy dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑈𝑆𝐴,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑈𝑆𝐴,𝑡 + 𝜀𝑖,𝑡+1

Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) được dùng để kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Giá trị bên dưới thống kê 𝑅2 trong

cột thứ tư và thứ tám cho thấy thống kê 𝜒2 của phương sai không đồng nhất để kiểm định giả

thuyết: 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. Các ước lượng “Pooled” áp đặt các giới hạn 𝛽𝑖,𝑏 = ��𝑏 và 𝛽𝑖,𝑑 =

��𝑑 cho tất cả các i. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu được lấy từ

FTSE.

OLS: USA predictors

OLS: USA predictors



VietNam 0.03 1.48 2.03

Phillipine -0.19 -0.03 2.56

t-stat 0.46 1.98 4.02

t-stat (χ2-stat) -2.53 -0.06 6.84

p-value 0.67 0.05 0.14

p-value 0.01 0.61 0.03

Indonesia -0.05 -0.50 0.26

Singapore -0.24 0.54 6.21

t-stat -0.62 -0.62 0.53

t-stat (χ2-stat) -3.68 0.83 18.96

p-value 0.28 0.78 0.79

p-value 0.00 0.35 0.00

Thailand 0.08 0.85 1.02

USA -0.12 0.73 2.84

t-stat 1.18 1.31 2.22

t-stat (χ2-stat) -1.99 1.13 7.01

p-value 0.88 0.14 0.36

p-value 0.02 0.20 0.04

Malaysia -0.02 0.29 0.43

Pooled -0.07 0.48 2.16

t-stat -0.32 0.74 0.85

t-stat -1.60 1.14 6.54

p-value 0.39 0.30 0.67

p-value 0.06 0.24 0.04

Nhóm tiến hành ước lượng mô hình hồi quy dự báo tỷ suất sinh lợi của chỉ số chứng

khoán cho mỗi quốc gia Đông Nam Á với lãi suất danh nghĩa lấy trễ của Mỹ và tỷ suất

cổ tức của Mỹ thay thế cho lãi suất và tỷ suất cổ tức của chính quốc gia đó như là

những biến độc lập. Kết quả cho thấy bằng chứng về khả năng dự đoán tỷ suất sinh lợi

của các chỉ số chứng khoán quốc gia của các nước Đông Nam Á thì yếu hơn khi sử

dụng lãi suất và tỷ suất cổ tức của Mỹ thay thế cho chính lãi suất và tỷ suất cổ tức của

các quốc gia Đông Nam Á. Tỷ suất cổ tức của Mỹ chỉ thể hiện khả năng dự báo trong

tỷ suất sinh lợi của chỉ số chứng khoán quốc gia Việt Nam, và lãi suất danh nghĩa của

Mỹ chỉ thể hiện khả năng trong tỷ suất sinh lợi của chỉ số chứng khoán quốc gia

Phillipines. Tuy nhiên, khi tiến hành nghiên cứu với bộ dữ liệu MSCI và GFD (xem

phụ lục), thì kết quả cho thấy lãi suất danh nghĩa lấy trễ của Mỹ và tỷ suất cổ tức của

Mỹ thể hiện khả năng dự báo tương đối tốt đối với tỷ suất sinh lợi chỉ số chứng khoán

quốc gia của các nước Đông Nam Á. Đặc biệt, lãi suất danh nghĩa của Mỹ thể hiện

khả năng dự báo có ý nghĩa đối với tỷ suất sinh lợi chứng khoán quốc gia của tất cả 6

nước Đông Nam Á, còn tỷ suất cổ tức của Mỹ chỉ thể hiện khả năng dự báo đối với 4

trong 6 nước(trừ Indonesia và Thái Lan).

Bảng 4: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo của

Trung Quốc, 2007:06 đến 2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện thông qua ��𝑖,𝑏 và

��𝑖,𝑑) và thống kê 𝑅2 của mô hình hồi quy dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝐶𝐻𝐼,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝐶𝐻𝐼,𝑡 + 𝜀𝑖,𝑡+1

Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) được dùng để kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Giá trị bên dưới thống kê 𝑅2 trong

cột thứ tư và thứ tám cho thấy thống kê 𝜒2 của phương sai không đồng nhất để kiểm định giả

thuyết: 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. Các ước lượng “Pooled” áp đặt các giới hạn 𝛽𝑖,𝑏 = ��𝑏 và 𝛽𝑖,𝑑 =

��𝑑 cho tất cả các i. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu được lấy từ

FTSE.

OLS: China predictors




VietNam 0.02 0.10 0.02

Phillipine 0.01 0.98 4.26

t-stat (χ2-stat) 0.14 0.28 0.08

t-stat (χ2-stat) 0.07 2.96 11.82

p-value 0.48 0.48 0.96

p-value 0.45 0.00 0.00

Indonesia 0.13 0.42 0.40

Singapore -0.28 0.18 4.57

t-stat (χ2-stat) 1.18 0.96 1.47

t-stat (χ2-stat) -2.75 0.59 12.60

p-value 0.83 0.26 0.52

p-value 0.00 0.45 0.00

Thailand 0.14 0.16 0.46

China 0.13 0.61 0.50

t-stat (χ2-stat) 1.25 0.49 1.60

t-stat (χ2-stat) 0.84 1.18 1.44

p-value 0.87 0.44 0.47

p-value 0.72 0.23 0.54

Malaysia -0.06 -0.08 0.21

Pooled 0.01 0.34 1.64

t-stat (χ2-stat) -0.80 -0.40 0.64

t-stat 0.16 1.40 2.46

p-value 0.18 0.75 0.75

p-value 0.46 0.17 0.34

Trong trường hợp Trung Quốc khi ước lượng mô hình hồi quy dự báo tỷ suất sinh lợi

thặng dư hàng tháng của chỉ số chứng khoán cho mỗi quốc gia Đông Nam Á với lãi

suất danh nghĩa lấy trễ của Trung Quốc và tỷ suất cổ tức của Trung Quốc thay thế lãi

suất và tỷ suất cổ tức của chính quốc gia đó như là những biến độc lập thì kết quả cho

thấy các biến kinh tế của Trung Quốc (gồm lãi suất danh nghĩa và tỷ suất cổ tức) thể

hiện khả năng dự báo kém đối với tỷ suất sinh lợi của các quốc gia Đông Nam Á,

trong đó tỷ suất cổ tức lấy trễ của Trung Quốc thể hiện khả năng dự báo duy nhất đối

với Phillipines, và lãi suất lấy trễ của Trung Quốc cũng chỉ thể hiện khả năng dự báo

trong trường hợp của Singapore. Kết quả này cũng khá tương đồng với kết quả nghiên

cứu từ bộ dữ liệu MSCI và GFD (xem phụ lục).

4.1.3. Mô hình hồi quy dự báo đa biến cải tiến (multipredictor augmented

regression method, mARM)

Bảng 5: Kết quả ước lượng mARM mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến

2013:06

Bảng dưới cho thấy các giá trị ước lượng đã giảm thiểu sai lệch của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể

hiện thông qua ��𝑖,𝑏𝑐 và ��𝑖,𝑑

𝑐 ) theo bài nghiên cứu của Amihud, Hurvich, và Wang (2009) đối

với mô hình hồi quy dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜀𝑖,𝑡+1

Thống kê t của ��𝑖,𝑏𝑐 ( ��𝑖,𝑑

𝑐 ) là để kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Các giá trị bên dưới cho thấy giá

trị p-value của phương pháp mARM; 0.00 thể hiện <0.005. In đậm thể hiện mức ý nghĩa 10%

hoặc tốt hơn. Dữ liệu được lấy từ FTSE.

mARM

mARM

Country (i) βi,b βi,d φi,b φi,d


VietNam -0.09 0.18 -0.24 -6.83

Phillipine -0.17 1.05 0.48 -16.68

t-stat -2.63 0.96 -1.28 -5.32

t-stat -4.18 2.86 1.27 -8.46

p-value 0.00 0.17

p-value 0.00 0.00

Indonesia -0.04 -0.09 -0.08 -13.57

Singapore -0.43 0.30 1.26 -16.53

t-stat -1.47 -0.26 -2.94 -7.14

t-stat -3.46 1.04 1.11 -8.26

p-value 0.07 0.60

p-value 0.00 0.15

Thailand -0.16 0.31 -0.49 -14.39

USA -0.10 0.73 -1.43 -18.37

t-stat -1.59 0.90 -0.22 -7.08

t-stat -1.64 1.69 -0.97 -3.50

p-value 0.06 0.18

p-value 0.05 0.05

Malaysia -0.31 0.25 1.15 -10.66

China 0.08 0.39 -1.45 -17.91

t-stat -3.13 0.86 0.82 -6.35

t-stat 0.46 0.86 -1.72 -7.55

p-value 0.00 0.19

p-value 0.68 0.19

Nhóm đã tiến hành ước lượng mô hình hồi quy đa biến cải tiến (multipredictor

augmented regression method, mARM), từ đó thu được các giá trị ước lượng đã giảm

thiểu sai lệch của βi,b và βi,d. Để kiểm định xem liệu chu trình wild bootstrap có giải

thích phù hợp cho sai lệch Stambaugh hay không, nhóm tiến hành so sánh giá trị p-

value được tạo ra bởi chu trình wild bootstrap được trình bày trong bảng 2 với giá trị

p-value được tạo ra trong mô hình hồi quy mARM. Nếu giá trị p-value của chu trình

wild bootstrap thật sự tạo ra ít sự bác bỏ hơn so với giá trị p-value của mô hình

mRAM, thì chỉ ra rằng chu trình wild bootstrap kiểm soát thỏa mãn cho lệch lạc

Stambaugh (1999). Kết quả so sánh cho thấy giá trị p-value của chu trình wild

bootstrap thật sự tạo ra ít sự bác bỏ hơn so với giá trị p-value của mô hình mARM, có

nghĩa là chu trình wild bootstrap kiểm soát thỏa mãn cho lệch lạc Stambaugh (1999)

khi suy luận. Kết quả từ MSCI và GFD (xem mục lục) cũng củng cố cho kết luận cho

rằng chu trình wild bootstrap điều chỉnh thích hợp cho sai lệch Stambaugh.

4.2. Mô hình khả năng dự đoán của tỷ suất sinh lợi quốc tế lấy trễ:

Phần trước đã cung cấp bằng chứng về khả năng dự đoán tỷ suất sinh lợi chứng khoán

quốc tế dựa trên lãi suất quốc gia và tỷ suất cổ tức. Trong phần này, nhóm sẽ nghiên

cứu về mối quan hệ dẫn dắt trễ trong tỷ suất sinh lợi quốc tế bằng cách ước lượng các

mô hình hồi qui dự báo cải tiến (augmented predictive regressions).

4.2.1. Kiểm định nhân quả Granger theo cặp:

Bảng 6 trình bày các giá trị ước lượng OLS của βi,j trong phương trình (10) ứng với

mỗi i, cùng với giá trị thống kê t vững chắc với phương sai thay đổi, và nhóm tiến

hành đánh giá mức ý nghĩa thống kê của thống kê t bằng cách sử dụng giá trị p-values

được tính từ chu trình wild bootstrap. Nhóm sẽ làm nổi bật các giá trị ước lượng ��𝑖,𝑗

có ý nghĩa bằng cách đánh dấu “In đậm” trong bảng 6. Kết quả cho thấy trong số 42

giá trị ước lượng của ��i,j trong Bảng 6, có 32 giá trị là dương, nhưng chỉ có 5 trong số

này có ý nghĩa thống kê tại các mức tin cậy. Qua đó cho thấy không có tồn tại bằng

chứng hợp lý về khả năng dự đoán lẫn nhau giữa các tỷ suất sinh lợi của các chỉ số

chứng khoán quốc gia, trong đó tỷ suất sinh lợi lấy trễ của Phillipines thể hiện khả

năng dự đoán mạnh nhất, dự đoán được tỷ suất sinh lợi của Mỹ (0.12), Malaysia

(0.08), Singapore (0.07). Còn tỷ suất sinh lợi lấy trễ của Mỹ chỉ thể hiện khả năng dự

đoán đối với tỷ suất sinh lợi của Việt Nam. Và đối với tỷ suất sinh lợi của Mỹ thì tỷ

suất sinh lợi lấy trễ của Thái Lan và Phillipines thể hiện khả năng dự báo một cách ý

nghĩa, còn lại không còn quốc gia nào thể hiện khả năng dự báo tỷ suất sinh lợi cho

nhau. Tuy nhiên, giá trị ước lượng gộp ��𝑈𝑆𝐴 và ��𝑃𝐻𝐼 có ý nghĩa thống kê và khá lớn

(lần lượt là 0.11 và 0.10), cho thấy khả năng dự đoán tỷ suất sinh lợi của Mỹ và

Phillipines đối với các quốc gia Đông Nam Á nói chung. Qua đó cho thấy Mỹ và các

quốc gia Đông Nam Á thể hiện khả năng dự đoán giới hạn cho tỷ suất sinh lợi của

nhau, đặc biệt không phải Mỹ mà Phillipines thể hiện khả năng dự đoán mạnh nhất,

Mỹ chỉ thể hiện khả năng dự đoán đối với tỷ suất sinh lợi của Việt Nam. Vì vậy mô

hình hồi quy này chưa cho thấy vai trò dẫn dắt của Mỹ trong thị trường vốn của khu

vực Đông Nam Á.

Tuy nhiên, theo như kết quả của MSCI và GFD (xem phụ lục) thì tỷ suất sinh lợi lấy

trễ của Phillipines vẫn thể hiện khả năng dự báo tốt, dự báo được tỷ suất sinh lợi cho 5

trong 7 quốc gia (Việt Nam, Indonesia, Thái Lan, Malaysia, Mỹ). Bên cạnh đó, Mỹ

cũng thể hiện vai trò dẫn dắt khá tốt cho 4 trong 6 quốc giá Đông Nam Á (Việt Nam,

Indonesia, Thái Lan, Malaysia), và tỷ suất sinh lợi lấy trễ của Trung Quốc thì dẫn dắt

tỷ suất sinh lợi của Indonesia và Thái Lan. Ngoài ra, kết quả cũng khác biệt với kết

quả của bộ dữ liệu FTSE khi khả năng dự báo tỷ suất sinh lợi của Singapore đối với

các quốc gia còn lại tương đối tốt, dự báo được tỷ suất sinh lợi của 5 trong 7 quốc gia

(Việt Nam, Indonesia, Thái Lan, Malaysia, và Mỹ). Đồng thời, đối với các giá trị ước

lượng gộp, thì kết quả cho thấy 7 trong 8 giá trị ước lượng gộp (trừ Việt Nam) có ý

nghĩa thống kê, điều này cho thấy tỷ suất sinh lợi của các chỉ số chứng khoán quốc gia

của 8 nước thể hiện khả năng dự báo cho nhau. Nếu dựa trên kết quả nghiên cứu này

thì cho thấy các quốc gia Đông Nam Á thể hiện khả năng dự báo tỷ suất sinh lợi tương

đối tốt cho nhau, giải thích cho điều này chủ yếu dựa trên sự gần gũi về mặt địa lý và

sự giao thương và tác động qua lại lẫn nhau giữa các quốc gia Đông Nam Á. Giải

thích cho khả năng dự báo của Mỹ thì có thể đứng trên khía cạnh Mỹ là một cường

quốc kinh tế lớn, có sự giao thương kinh tế lớn với các quốc gia Đông Nam Á và có

nền kinh tế lớn nhất thế giới, tác động mạnh đến nền kinh tế của các quốc gia Đông

Nam Á. Tuy nhiên, những kết luận này chưa thực sự vững chắc khi chưa có sự tương

đồng cao giữa các kết quả nghiên cứu của hai bộ dữ liệu.

Bảng 6: Kết quả kiểm định quan hệ nhân quả Granger theo cặp, từ 2007:06 đến 2013:06

Bảng trình bày kết quả ước lượng OLS của βi,j (được thể hiện bởi ��i,j) trong mô hình hồi qui

dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑖𝑟𝑖,𝑡 + 𝛽𝑖,𝑗𝑟𝑗,𝑡 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, 𝑖 ≠ 𝑗,

Thống kê t được sử dụng cho kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑗 = 0 và giả thuyết đối HA : βi,j > 0.

Dấu In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn dựa trên giá trị p-values của chu trình

wild bootstrap. Các ước lượng “Pooled” áp đặt giới hạn βi,j = ��j cho tất cả i ≠j. Dữ liệu

được lấy từ FTSE.

Pairwise (exclude last trading day where applicable)

Country (i) βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,usa βi,china

VietNam 0.00 -0.01 0.05 -0.08 0.05 0.10 0.23 0.07

t-stat 0.00 -0.11 0.75 -0.57 0.65 1.02 2.59 1.39

p-value 0.00 0.54 0.24 0.68 0.27 0.17 0.01 0.10

R2 (%) 0.00 2.53 2.73 2.69 2.69 3.04 5.44 3.25

Indonesia 0.04 0.00 0.17 0.09 0.11 0.22 0.10 0.09

t-stat 0.49 0.00 1.21 0.40 1.04 1.36 0.98 1.15

p-value 0.34 0.00 0.18 0.37 0.20 0.13 0.19 0.14

R2 (%) 1.28 0.00 2.78 1.27 1.88 3.22 1.59 1.91

Thailand 0.01 -0.06 0.00 -0.12 0.08 0.12 0.106 0.058

t-stat 0.15 -0.72 0.00 -1.03 0.99 1.14 1.34 1.01

p-value 0.45 0.73 0.00 0.83 0.20 0.15 0.11 0.18

R2 (%) 2.02 2.43 0.00 2.37 2.48 2.70 2.75 2.49

Malaysia 0.02 -0.01 0.04 0.00 0.07 0.08 0.04 0.04

t-stat 0.46 -0.31 1.03 0.00 1.41 1.31 0.98 1.23

p-value 0.33 0.62 0.18 0.00 0.10 0.12 0.19 0.13

R2 (%) 3.50 3.46 3.83 0.00 4.28 4.27 3.76 3.99

Philip -0.01 -0.11 0.03 -0.06 0.00 0.11 0.09 0.01

t-stat -0.20 -1.53 0.37 -0.43 0.00 0.98 1.10 0.27

p-value 0.59 0.91 0.41 0.65 0.00 0.21 0.17 0.43

R2 (%) 6.75 8.14 6.82 6.83 0.00 7.60 7.32 6.76

Singapore 0.01 -0.03 0.08 -0.09 0.08 0.00 0.06 -0.07

t-stat 0.10 -0.33 1.39 -0.70 1.51 0.00 1.10 -1.31

p-value 0.49 0.61 0.10 0.73 0.08 0.00 0.15 0.88

R2 (%) 9.15 9.23 9.67 9.36 9.82 0.00 9.46 9.75

USA 0.03 0.03 0.09 0.01 0.13 0.06 0.00

t-stat 0.49 0.45 2.05 0.11 2.08 0.94 0.00

p-value 0.31 0.35 0.03 0.46 0.03 0.18 0.00

R2 (%) 3.75 3.76 4.77 3.65 5.60 3.99 0.00

China 0.04 0.07 0.27 0.26 0.15 0.39

0.00

t-stat 0.38 0.53 2.66 1.21 1.38 2.39

0.00

p-value 0.37 0.35 0.01 0.14 0.12 0.01

0.00

R2 (%) 1.24 1.40 3.70 1.96 1.99 3.79

0.00

Pooled 0.02 -0.02 0.09 -0.02 0.10 0.12 0.11 0.05

t-stat 0.47 -0.37 1.65 -0.15 2.01 1.62 2.30 1.46

p-value 0.35 0.67 0.12 0.64 0.06 0.11 0.02 0.15

R2 (%) 2.47 4.46 3.99 3.30 3.76 4.17 4.03 3.49

Ngoài ra, vì những bài nghiên cứu trước đây xem xét các biến kinh tế quốc gia

như các chỉ báo dự đoán tỷ suất sinh lợi, nên nhóm cũng kiểm định khả năng dự báo

của tỷ suất sinh lợi quốc gia lấy trễ khi kiểm soát bốn biến kinh tế quốc gia theo dữ

liệu hàng tuần có sẵn cho hầu hết các quốc gia: chênh lệch giữa lãi suất ngắn hạn và

lãi suất dài hạn, tỷ lệ lạm phát, tỷ lệ thay đổi của tỷ giá thực và tốc độ tăng trưởng của

sản lượng công nghiệp.

Bảng 7: Kết quả kiểm định nhân quả Granger theo cặp kiểm soát các biến kinh tế bổ sung,

2007:06-2013:06

Bảng cho thấy giá trị ước lượng OLS của 𝛽𝑖,𝑗 (được thể hiện bởi ��𝑖,𝑗) và thống kê 𝑅2 của mô

hình hồi quy dự báo

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑖𝑟𝑖,𝑡 + 𝛽𝑖,𝑗𝑟𝑗,𝑡 + 𝛽𝑖,𝑓,1𝑓1,𝑖,𝑡 + 𝛽𝑖,𝑓,2𝑓2,𝑖,𝑡 + 𝜀𝑖,𝑡+1, 𝑖 ≠ 𝑗,

Trong đó 𝑓1,𝑖,𝑡(𝑓2,𝑖,𝑡) là thành phần chính đầu tiên (thứ hai) được trích ra từ lãi suất T-bill ba

tháng, giá trị log tỷ suất cổ tức, chênh lệch giữa lãi suất ngắn hạn và dài hạn, tỷ lệ lạm phát,

tỷ lệ gia tăng tỷ giá hối đoái thực, và tốc độ tăng trưởng sản lượng công nghiệp thực của

quốc gia i. Giá trị thống kê t để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑗 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑗 > 0. Giá trị bên dưới thống kê t thể hiện giá trị p-value wild bootstrap; 0.00 thể hiện

<0.005. Thống kê 𝑅2 được thể hiện bên dưới giá trị p-value. In đậm thể hiện mức ý nghĩa

10% hoặc thấp hơn. Các giá trị ước lượng “Pooled” áp đặt các hạn chế như 𝛽𝑖,𝑗 = ��𝑗 cho

tất cả 𝑖 ≠ 𝑗. Dữ liệu được lấy từ FTSE.

Pairwise (exclude last trading day where applicable),

controlling for additional economic variables

Country

(i) βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,usa βi,china

VietNam 0.00 -0.01 0.06 -0.07 0.05 0.10 0.23 0.07

t-stat 0.00 -0.14 0.78 -0.53 0.61 1.07 2.55 1.39

p-value 0.00 0.57 0.23 0.67 0.31 0.18 0.01 0.10

R2 (%) 0.00 2.24 2.46 2.37 2.38 2.79 5.04 2.96

Indonesia 0.04 0.00 0.17 0.10 0.13 0.23 0.10 0.09

t-stat 0.53 0.00 1.20 0.47 1.23 1.48 0.99 1.19

p-value 0.33 0.00 0.19 0.36 0.15 0.10 0.19 0.14

R2 (%) 1.45 0.00 2.91 1.50 2.32 3.67 1.77 2.13

Thailand 0.01 -0.06 0.00 -0.13 0.08 0.11 0.106 0.054

t-stat 0.14 -0.71 0.00 -1.10 0.94 1.07 1.35 0.97

p-value 0.44 0.70 0.00 0.84 0.21 0.17 0.11 0.17

R2 (%) 1.93 2.35 0.00 2.33 2.36 2.57 2.65 2.35

Malaysia 0.02 -0.02 0.05 0.00 0.07 0.08 0.05 0.04

t-stat 0.54 -0.34 1.07 0.00 1.53 1.39 1.05 1.19

p-value 0.33 0.62 0.19 0.00 0.10 0.11 0.18 0.12

R2 (%) 2.89 2.81 3.21 0.00 3.81 3.77 3.16 3.32

Philip -0.02 -0.11 0.02 -0.08 0.00 0.13 0.10 0.01

t-stat -0.35 -1.60 0.21 -0.62 0.00 1.09 1.19 0.18

p-value 0.63 0.92 0.44 0.69 0.00 0.18 0.15 0.43

R2 (%) 4.44 5.91 4.41 4.58 0.00 5.51 5.12 4.40

Singapore 0.00 -0.03 0.06 -0.11 0.09 0.00 0.06 -0.08

t-stat -0.02 -0.35 1.04 -0.88 1.57 0.00 1.12 -1.42

p-value 0.51 0.62 0.17 0.80 0.07 0.00 0.16 0.92

R2 (%) 8.45 8.56 8.77 8.80 9.21 0.00 8.79 9.17

USA 0.03 0.03 0.11 0.03 0.14 0.09 0.00

t-stat 0.60 0.52 2.34 0.37 2.38 1.35 0.00

p-value 0.29 0.31 0.01 0.36 0.02 0.10 0.00

R2 (%) 2.98 2.96 4.29 2.86 5.36 3.60 0.00

China 0.04 0.07 0.27 0.24 0.17 0.39 0.00

t-stat 0.39 0.51 2.63 1.15 1.53 2.49 0.00

p-value 0.36 0.35 0.01 0.14 0.09 0.01 0.00

R2 (%) 0.82 0.96 3.26 1.45 1.72 3.34 0.00

Pooled 0.02 -0.03 0.07 -0.02 0.10 0.12 0.12 0.04

t-stat 0.52 -0.54 1.39 -0.23 2.18 1.86 2.38 1.28

p-value 0.31 0.67 0.15 0.58 0.03 0.06 0.01 0.11

R2 (%) 0.66 1.95 1.83 1.43 2.59 2.59 2.38 1.68

Kết quả nghiên cứu khi bổ sung thêm các biến kinh tế quốc gia trong bảng 7 khá

giống với kết quả kiểm định trong bảng 6. Ngoài ra, trong ước lượng này còn cho thấy

thêm tỷ suất sinh lợi lấy trễ của Singapore thể hiện khả năng dự báo đối với tỷ suất

sinh lợi của Malaysia (0.09), và thể hiện khả năng dự báo chung đối với các quốc gia

khi xét đến ước lượng gộp (0.12). Đối với bộ dữ liệu của MSCI và GFD (xem phụ lục)

cũng cho thấy những kết quả khá tương đồng giữa việc thêm hay không thêm các biến

kinh tế quốc gia, càng củng cố cho kết luận khi thấy rằng các quốc gia Đông Nam Á

thể hiện khả dự báo tỷ suất sinh lợi chỉ số chứng khoán quốc gia cho nhau, trong đó

Phillipines và Singapore thể hiện khả năng dự báo tốt nhất cho các quốc gia còn lại.

Ngoài ra, Mỹ cũng thể hiện được vai trò dẫn dắt của mình đối với phần lớn các quốc

gia Đông Nam Á, trong khi đó tỷ suất sinh lợi của Trung Quốc cũng thể hiện khả năng

dự báo nhưng không tốt như Mỹ, Phillipines và Singapore. Một lý do có thể giải thích

cho vấn đề trên là vì thị trường tài chính của Trung Quốc chưa thực phát triển vượt

bậc và chưa tác động mạnh mẽ đến các thị trường khác trên thế giới. Mặc dù sức

mạnh kinh tế của Trung Quốc trên trường quốc tế ngày càng gia tăng, đặc biệt là trong

những năm gần đây, nhưng sự phát triển vược bậc này chủ yếu thiên về các hoạt động

kinh tế thực, thiên về phát triển công nghiệp xây dựng và một nền kinh tế sản xuất hơn

là một nền kinh tế dịch vụ thực sự phát triển như Mỹ. Do vậy nên dù giữa Trung Quốc

và các quốc gia Đông Nam Á rất gần gũi với nhau về mặt địa lý, cũng như sự giao

thương giữa hai khu vực là rất lớn nhưng Trung Quốc chưa thực sự thể hiện một vai

trò dẫn dắt tốt đối với các quốc gia Đông Nam Á.

4.2.2. Mô hình tổng quát:

Sau khi nghiên cứu khả năng dự báo tỷ suất sinh lợi của từng quốc gia với nhau bằng

kiểm định nhân quả Granger thì việc nghiên cứu liệu gộp tất cả các nước lại với nhau

để cùng dự báo tỷ suất sinh lợi cho một quốc gia cũng là một đề tài thú vị. Tuy nhiên,

khi tiến hành phương pháp hồi quy OLS thông thường đối với công thức (11) thì sẽ

gặp phải các vần đề kinh tế lượng như sự tự tương quan giữa các biến, do đó sẽ gây ra

những sai lệch trong quá trình ước lượng. Do đó, một phương pháp tương đối đơn

giản có thể giải quyết được vấn đề này đó là tiến hành gộp dữ liệu lại với nhau để tiến

hành ước lượng, việc gộp dữ liệu này có thể làm giảm được tác động nội sinh, do đó

có thể làm giảm được sai lệch trong quá trình ước lượng, mà loại sai lệch thường gặp

nhất trong quá trình hồi quy theo chuỗi thời gian đó là sai lệch Stambaugh. Kết quả

ước lượng gộp trong trường hợp gộp các dữ liệu của các quốc gia Đông Nam Á với

Mỹ trong bảng 8 cho thấy Việt Nam, Indonesia và Malaysia thể hiện khả năng dự báo

tỷ suất sinh lợi có ý nghĩa, không đồng nhất với kết quả kiểm định Granger trong bảng

6 khi cho thấy Phillipines thể hiện khả năng dự báo mạnh nhất. Ngoài ra, tỷ suất sinh

lợi lấy trễ của Việt Nam thể hiện một tác động dương có ý nghĩa thì tỷ suất sinh lợi

lấy trễ của Indonesia và Malaysia lại thể hiện một tác động âm một cách ý nghĩa.

Trong trường hợp gộp dữ liệu Trung Quốc với các nước Đông Nam Á thì tỷ suất sinh

lợi lấy trễ của Việt Nam, Indonesia và Malaysia tiếp tục thể hiện khả năng dự báo có ý

nghĩa, và ngoài ra còn thêm Trung Quốc cũng có tác động dự báo âm có ý nghĩa.

Tương tự cho kết quả nghiên cứu của MSCI và GFD, Việt Nam và Malaysia tiếp tục

củng cố vị thế dự báo tỷ suất sinh lợi. Tuy những kết quả của hai bộ dữ liệu củng cố

cho nhau, nhưng những kết quả này không hỗ trợ cho kết quả kiểm định nhân quả

Granger, do đó liệu sự thể hiện khả năng dự báo tỷ suất sinh lợi của các quốc có thực

sự bền vững khi thực sự chưa có những kết qua thống nhất qua các mô hình nghiên

cứu cũng như qua các bộ dữ liệu đang xem xét.

Bảng 8: Kết quả ước lượng cho mô hình hồi quy gộp, từ 2007:06 đến 2013:06

Bảng 8 trình bày kết quả các giá trị ước lượng OLS gộp của ��i,j (được kí hiệu ��𝑗 ) trong mô

hình hồi qui dự báo trong hai trường hợp của Mỹ và Trung Quốc:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + ��𝐴𝑅 𝑟𝑖,𝑡 + ∑ ��𝑗𝑟𝑗,𝑡𝑗≠𝑖 + ��𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + ��𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, i=1…..N

Với sai số hiệu chỉnh theo chu trình wild bootstrap với khoảng tin cậy 90% được trình bày

bên dưới. Dấu In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu được lấy từ FTSE.

Trường hợp có sự kết hợp của Mỹ:

General model (exclude last trading day where applicable)

USA βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,usa

Pooled 0.01 -0.06 0.05 -0.13 0.10 0.09 0.10

t-stat -0.06 -0.15 -0.02 -0.26 0.03 -0.02 0.03

p-value 0.07 0.02 0.13 0.01 0.18 0.19 0.17

Trường hợp có sự kết hợp của Trung Quốc

General model (exclude last trading day where applicable)

CHINA βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,china

Pooled 0.00 -0.06 0.08 -0.12 0.09 0.13 -0.01

t-stat -0.09 -0.17 -0.01 -0.30 -0.01 0.01 -0.05

p-value 0.09 0.05 0.17 0.07 0.17 0.25 0.04

4.3. Mô hình khuếch tán thông tin:

Kết quả ước lượng GMM của các tham số 𝜃𝑖,𝑈𝑆𝐴 và 𝜆𝑖,𝑈𝑆𝐴 trong công thức (22) và

(23) được trình bày trong bảng 9, đây là các tham số cấu trúc quan trọng trong mô

hình khuếch tán thông tin. Các ước lượng ��𝑖,𝑈𝑆𝐴 trong cột thứ tư của bảng 9 biến thiên

từ 0.11 (Phillipines) đến 0.49 (Thái Lan). Các giá trị thống kê t cho các giá trị ước

lượng ��𝑖,𝑈𝑆𝐴 là để kiểm định giả thuyết 𝐻0: 𝜆𝑖,𝑈𝑆𝐴 = 0 ngược lại với giả thuyết

𝐻𝐴: 𝜆𝑖,𝑈𝑆𝐴 > 0, và tất cả chúng đều có ý nghĩa thống kê, cho thấy có những sự liên kết

có ý nghĩa giữa thị trường chứng khoán của các quốc gia Đông Nam Á (ngoại trừ

Phillipines) và thị trường Mỹ. Các giá trị ước lượng 𝜃𝑖,𝑈𝑆𝐴 được trình bày trong cột

thứ năm của bảng 9; giá trị thống kê t bên dưới các giá trị ước lượng 𝜃𝑖,𝑈𝑆𝐴 là để kiểm

định giả thuyết 𝐻0: 𝜃𝑖,𝑈𝑆𝐴 = 1 ngược với giả thuyết 𝐻𝐴: 𝜃𝑖,𝑈𝑆𝐴 < 1. Phù hợp với các

giới hạn thông tin quốc tế, tất cả các ước lượng 𝜃𝑖,𝑈𝑆𝐴 thì có ý nghĩa nhỏ hơn 1, và có

ý nghĩa đối với hầu hết các quốc gia Đông Nam Á (ngoại trừ Indonesia và

Phillipines). Điều này cho thấy khi các cú sốc tỷ suất sinh lợi nảy sinh trong nước Mỹ

được phản ánh hoàn toàn trong giá của các chỉ số chứng khoán quốc gia của các nước

Đông Nam Á. Kết quả này tương đối đồng nhất với những kết quả nghiên cứu từ bộ

dữ liệu MSCI và GFD (xem phụ lục). Do đó, nếu như nghiên cứu của Rapach,

Strauss, Zhou (2013) khẳng định có một sự khuếch tán thông tin từ thị trường chứng

khoán của Mỹ sang thị trường chứng khoán của các nước công nghiệp, thì trong bài

nghiên cứu cũng không thể bác bỏ tác động của thị trường chứng khoán Mỹ đối với

thị trường của các nước Đông Nam Á.

Bảng 9: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Mỹ, từ

2007:06 đến 2013:06

Bảng 9 trình bày ước lượng tham số GMM hai bước của mô hình khuếch tán thông tin:

𝑟𝑈𝑆𝐴,𝑡+1 = 𝑥′𝑈𝑆𝐴,𝑡𝛽𝑈𝑆𝐴 + 𝑢𝑈𝑆𝐴,𝑡+1,

𝑟𝑖,𝑡+1 = 𝑥′𝑖,𝑡𝛽𝑖 + 𝜃𝑖,𝑈𝑆𝐴𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡+1 + (1 − 𝜃𝑖,𝑈𝑆𝐴)𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡 + 𝑢𝑖,𝑡+1,

Ước lượng GMM thể hiện một tập hợp điều kiện trực giao được hàm ý trong mô hình khuếch

tán thông tin. Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết

đối 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (giả thuyết 𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Thống kê t của

��𝑖,𝑈𝑆𝐴 (��𝑖,𝑈𝑆𝐴) là để kiểm định giả thuyết 𝐻0: 𝜃𝑖,𝑈𝑆𝐴 = 1 và giả thuyết đối 𝐻𝐴: 𝜃𝑖,𝑈𝑆𝐴 < 1 (giả

thuyết 𝐻0: 𝜆𝑖,𝑈𝑆𝐴 = 0 và giả thuyết đối 𝐻𝐴: 𝜆𝑖,𝑈𝑆𝐴 > 0). Giá trị ước lượng ��𝑖,𝑈𝑆𝐴 được tính

như sau ��𝑖,𝑈𝑆𝐴 = (1 − ��𝑖,𝑈𝑆𝐴 )��𝑖,𝑈𝑆𝐴 . Thống kê t của ��𝑖,𝑈𝑆𝐴 là để kiểm định giả thuyết

𝐻0: 𝛽𝑖,𝑈𝑆𝐴 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑈𝑆𝐴 > 0. In đậm thể hiện mức ý nghĩa 10% hoặc tốt

hơn. Giá trị ước lượng “Pooled” áp đặt các giới hạn đồng nhất như sau: 𝛽𝑖,𝑏 = ��𝑏, 𝛽𝑖,𝑑 = ��𝑑

cho tất cả i, 𝜃𝑖,𝑈𝑆𝐴 = ��𝑈𝑆𝐴, 𝜆𝑖,𝑈𝑆𝐴 = ��𝑈𝑆𝐴 cho tất cả 𝑖 ≠ 𝑈𝑆𝐴.

Country (i) βi,b βi,d λi,USA θi,USA βi,USA

VietNam -0.11 0.24 0.37 0.39 0.22

t-stat -3.16 1.43 2.48 -3.68 2.21

p-value 0 0.08 0.01 0 0.01

Indo -0.03 0.02 0.34 0.77 0.08

t-stat -1.81 0.04 2.08 -0.88 0.69

p-value 0.04 0.48 0.02 0.19 0.25

Thailand -0.27 0.14 0.49 0.71 0.14

t-stat -2.34 0.26 3.62 -2.61 1.79

p-value 0.01 0.4 0 0 0.04

Malay -0.3 0.26 0.12 0.47 0.06

t-stat -2.62 0.68 1.55 -2.02 1.42

p-value 0 0.25 0.06 0.02 0.08

Philip -0.18 1.19 0.11 0.51 0.06

t-stat -3.85 2.62 0.97 -0.89 0.68

p-value 0 0 0.17 0.19 0.25

Singapore -0.56 0.09 0.45 0.64 0.16

t-stat -3.49 0.18 3.79 -4.41 2.77

p-value 0 0.43 0 0 0

Pooled -0.1 0.1 0.2 0.5 0.1

t-stat -6.48 0.74 3.12 -3.91 2.9

p-value 0.00 0.23 0.00 0.00 0.00

Kết quả ước lượng gộp trong bảng 9 khi áp đặt các giới hạn đồng nhất: 𝛽𝑖,𝑏 =

��𝑏, 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i; 𝜃𝑖,𝑈𝑆𝐴 = ��𝑈𝑆𝐴, 𝜆𝑖,𝑈𝑆𝐴 = 𝜆𝑈𝑆𝐴 cho tất cả 𝑖 ≠ 𝑈𝑆𝐴, cho thấy

ước lượng GMM của ��𝑈𝑆𝐴 (𝜆𝑈𝑆𝐴) bằng 0.50 (0.20), ước lượng này thì có ý nghĩa nhỏ

hơn 1 (lớn hơn 0). Nhìn chung, kết quả càng củng cố thêm cho bằng chứng cho thấy

tỷ suất sinh lợi của các quốc gia Đông Nam Á phản ứng chậm đối với các cú sốc tỷ

suất sinh lợi của Mỹ, phù hợp với sự tồn tại giới hạn thông tin trong thị trường chứng

khoán quốc tế và có một sự khuếch tán thông tin dần dần từ thị trường chứng khoán

Mỹ đến thị trường của các quốc gia Đông Nam Á. Nói đến vấn đề giới hạn thông tin

trên thị trường cổ phiếu quốc tế, trong các bài nghiên cứu trước đây khi xem xét mối

quan hệ dẫn dắt trễ giữa tỷ suất sinh lợi của các danh mục đầu tư trong thị trường nội

địa của Mỹ, thì nhận thấy rằng tỷ suất sinh lợi của thị trường có vốn hóa lớn dẫn dắt tỷ

suất sinh lợi của thị trường có vốn nhỏ (Lo và Mackinlay (1990)). Theo như Lo và

Mackinlay (1990) thì nguyên nhân dẫn đến mối quan hệ dẫn dắt trễ là do những giới

hạn thông tin như khả năng quan sát của các nhà đầu tư bị giới hạn và khả năng xử lý

thông tin bị hạn chế trên một bộ phận nhà đầu tư. Những giới hạn này khiến cho giá

cổ phiếu trong các phân khúc thị trường nhất định phản ứng chậm đối với các thông

tin liên quan đến tình hình kinh tế của thế giới (Hong và Stein (1999), Hong, Torous,

và Valkanov (2007)). Trong bối cảnh quốc tế, vì Mỹ là nền kinh tế lớn nhất thế giới

tính theo GDP và còn là một đối tác thương mại quan trọng đối với các quốc gia Đông

Nam Á, nên các cú sốc trong nền kinh tế Mỹ có những tác động quan trọng đối với

tình hình kinh tế ở các nước Đông Nam Á. Bởi vì thị trường vốn của Mỹ cũng là thị

trường lớn nhất thế giới về mức vốn hóa, nên thị trường Mỹ gần như nhận được sự

quan tâm nhiều nhất từ các nhà đầu tư, do đó các thông tin về các nhân tố kinh tế vĩ

mô cơ bản toàn cầu được khuếch tán dần từ thị trường chứng khoán vốn của Mỹ sang

thị trường các nước Đông Nam Á. Do đó, kết quả của bài nghiên cứu này cũng phù

hợp với những suy luận về sự khuếch tán thông tin dần dần từ Mỹ qua các quốc gia

Đông Nam Á. Kết luận này cũng phù hợp với bộ dữ liệu MSCI và GFD (xem phụ lục)

Ngoài ra, khi đánh giá xem liệu giới hạn thông tin có phải là tất cả nguyên nhân dẫn

đến khả năng dự báo tỷ suất sinh lợi lấy trễ của Mỹ, nhóm đã bác bỏ giả thuyết không

khi cho rằng 𝛽𝑖,𝑈𝑆𝐴 = 0 tại các mức ý nghĩa thông thường cho tất cả các nước (trừ

Phillipines), hàm ý rằng các giới hạn thông tin làm gia tăng khả năng dự báo của tỷ

suất sinh lợi lấy trễ của Mỹ. So sánh các giá trị ước lượng 𝛽𝑖,𝑈𝑆𝐴 trong bảng 9 với các

giá trị ước lượng ��𝑖,𝑈𝑆𝐴 tương ứng trong bảng 6, nhóm thấy rằng đối với Việt Nam,

Indonesia, Thái Lan, Malaysia các giá trị ước lượng 𝛽𝑖,𝑈𝑆𝐴 nhỏ hơn cho các giá trị ước

lượng ��𝑖,𝑈𝑆𝐴, cho thấy các giới hạn thông tin chưa thể giải thích đầy đủ cho tấc cả các

khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ. Giá trị ước lượng gộp của ��𝑈𝑆𝐴

trong bảng 9 bằng 0.10, giá trị này xấp xỉ giá trị ước lượng gộp tương ứng là 0.11

trong bảng 6. Nói chung, các giá trị ước lượng trong mô hình khuếch tán thông tin cho

thấy các giới hạn thông tin là chìa khóa, là nguồn gốc của khả năng dự báo của tỷ suất

sinh lợi lấy trễ của Mỹ, nhưng không phải duy nhất, phù hợp với kết quả nghiên cứu

từ dữ liệu MSCI và GFD.

Bảng 10: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Trung

Quốc, từ 2007:06 đến 2013:06

Bảng 10 trình bày ước lượng tham số GMM hai bước của mô hình khuếch tán thông tin:

𝑟𝐶𝐻𝐼,𝑡+1 = 𝑥′𝐶𝐻𝐼,𝑡𝛽𝐶𝐻𝐼 + 𝑢𝐶𝐻𝐼,𝑡+1,

𝑟𝑖,𝑡+1 = 𝑥′𝑖,𝑡𝛽𝑖 + 𝜃𝑖,𝐶𝐻𝐼𝜆𝑖,𝐶𝐻𝐼𝑢𝐶𝐻𝐼,𝑡+1 + (1 − 𝜃𝑖,𝐶𝐻𝐼)𝜆𝑖,𝐶𝐻𝐼𝑢𝐶𝐻𝐼,𝑡 + 𝑢𝑖,𝑡+1,

Ước lượng GMM thể hiện một tập hợp điều kiện trực giao được hàm ý trong mô hình khuếch

tán thông tin. Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết

đối 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (giả thuyết 𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Thống kê t của

��𝑖,𝐶𝐻𝐼 (��𝑖,𝐶𝐻𝐼) là để kiểm định giả thuyết 𝐻0: 𝜃𝑖,𝐶𝐻𝐼 = 1 và giả thuyết đối 𝐻𝐴: 𝜃𝑖,𝐶𝐻𝐼 < 1 (giả

thuyết 𝐻0: 𝜆𝑖,𝐶𝐻𝐼 = 0 và giả thuyết đối 𝐻𝐴: 𝜆𝑖,𝐶𝐻𝐼 > 0). Giá trị ước lượng ��𝑖,𝐶𝐻𝐼 được tính như

sau ��𝑖,𝐶𝐻𝐼 = (1 − ��𝑖,𝐶𝐻𝐼 )��𝑖,𝐶𝐻𝐼 . Thống kê t của ��𝑖,𝐶𝐻𝐼 là để kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝐶𝐻𝐼 =

0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝐶𝐻𝐼 > 0. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Giá trị

ước lượng “Pooled” áp đặt các giới hạn đồng nhất như sau: 𝛽𝑖,𝑏 = ��𝑏, 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i,

𝜃𝑖,𝐶𝐻𝐼 = ��𝑈𝑆𝐴 , 𝜆𝑖,𝐶𝐻𝐼 = ��𝐶𝐻𝐼 cho tất cả 𝑖 ≠ 𝐶𝐻𝐼.

Country (i) βi,b βi,d λi,china θi,china βi,china

VietNam -0.08 0.18 0.13 0.76 0.03

t-stat -2.40 1.11 1.65 -0.74 0.58

p-value 0.01 0.13 0.05 0.23 0.28

Indo -0.04 0.09 0.43 0.97 0.01

t-stat -2.01 0.21 4.12 -0.21 0.20

p-value 0.02 0.42 0.00 0.42 0.42

Thailand -0.14 0.53 0.32 0.99 0.00

t-stat -1.43 1.28 4.38 -0.08 0.08

p-value 0.08 0.10 0.00 0.47 0.47

Malay -0.23 0.46 0.20 0.87 0.03

t-stat -2.25 1.47 5.28 -1.23 1.04

p-value 0.01 0.07 0.00 0.11 0.15

Philip -0.19 1.04 0.24 1.04 -0.01

t-stat -4.29 2.36 3.29 0.18 -0.19

p-value 0.00 0.01 0.00 0.57 0.57

Singapore -0.43 0.55 0.40 1.01 -0.01

t-stat -3.62 1.83 7.88 0.21 -0.22

p-value 0.00 0.03 0.00 0.58 0.59

Pooled -0.08 0.49 0.26 1.05 -0.01

t-stat -4.66 3.99 9.00 0.67 -0.71

p-value 0.00 0.00 0.00 0.75 0.76

Đối với Trung Quốc, các giá trị λi,china đều có ý nghĩa với các quốc gia Đông Nam Á,

biến thiên từ 0.13 (Việt Nam) đến 0.43 (Indonesia), qua đó cho thấy các nước Đông

Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc, nhưng các giá trị θi,china đều không

có ý nghĩa thống kê, do đó tỷ suất sinh lợi của Trung Quốc không thể hiện sự khuếch

tán thông tin sang các nước Đông Nam Á. Vì vậy, các cú sốc tỷ suất sinh lợi nảy sinh

ở Trung Quốc không tác động đến tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Tương tự với những kết quả của MSCI và GFD cho thấy hầu hết các nước Đông Nam

Á đều thể hiện có một sự kết nối chặt chẽ về mặt kinh tế nhưng không có sự khuếch

tán thông tin từ thị trường chứng khoán Trung Quốc sang thị trường chứng khoán của

các nước Đông Nam Á. Điều này cũng có thể lý giải là do Trung Quốc là một nền

kinh tế sản xuất lớn nhất nhì thế giới, do đó sự giao thương kinh tế giữa Trung Quốc

và các nước Đông Nam Á là rất lớn do sự gần gũi về mặt địa lý cũng như nhu cầu giao

thương quan trọng của nhau nhưng khi các cú sốc tỷ suất sinh lợi xảy ra trên thị

trường chứng khoán của Trung Quốc thì không có sự khuếch tán thông tin dần dần từ

thị trường chứng khoán Trung Quốc sang thị trường chứng khoán của các nước Đông

Nam Á vì thị trường chứng khoán của Trung Quốc chưa thực sự phát triển vượt bậc,

và có những tác động to lớn đến thị trường tài chính thế giới nói chung và thị trường

của các nước Đông Nam Á nói riêng.

4.4. Mô hình dự báo ngoài mẫu:

Bảng 11: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Mỹ, từ 2007:06 đến

2013:06

Bảng 11 cho thấy thống kê 𝑅2 ngoài mẫu, 𝑅𝑂𝑆2 (tính theo phần trăm). Mô hình dự báo dựa

trên tỷ suất sinh lợi lấy trễ của Mỹ: ri,t+1 = βi,0 + єi,t+1 (ri,t+1 = βi,0 + βi,USA rUSA,t + єi,t+1), Cột

thứ 3,5,7 cho thấy kết quả trong trường hợp ước lượng gộp mô hình dự báo dựa trên tỷ suất

sinh lợi lấy trễ của Mỹ mà áp đặt các giới hạn gộp, βi,USA = ��𝑈𝑆𝐷 với tất cả i = USA. Các giá

trị bên dưới thống kê R2OS cho thấy giá trị MSFE thống kê đã được điều chỉnh để kiểm định

giả thuyết H0: R2OS = 0 và giả thuyết đối 𝐻𝐴: R2

OS > 0. Dấu “In đậm” cho thấy

mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu lấy từ FTSE.

Country (i) USA

vs HA

USA vs

HA,

pooled

USA

vs AR

USA vs

AR,

pooled

USA vs

bench PR

USA vs

bench PR,

pooled

Vietnam 1.22 2.69 1.44 2.96 1.58 7.78

MSFE-adj 1.63 2.07 1.76 1.69 1.78 4.88

p-value 0.05 0.02 0.04 0.05 0.04 0

Indo -1.72 -0.79 -1.39 1.77 -2.77 5.77

MSFE-adj -1 -0.01 -0.85 0.32 -0.85 0.29

p-value 0.84 0.51 0.8 0.37 0.8 0.39

Thailand -0.69 0 -0.79 0.59 -2.1 9.31

MSFE-adj 0.43 0.67 0.23 0.21 -0.07 0.45

p-value 0.33 0.25 0.41 0.42 0.53 0.33

Malay -0.05 -0.73 -0.39 -0.13 -1.07 6.13

MSFE-adj 0.57 1.18 -0.13 0.68 -0.42 2.77

p-value 0.28 0.12 0.55 0.25 0.66 0

Phil -0.63 -0.06 -0.51 1.49 -1.91 -0.76

MSFE-adj 0.57 0.58 0.66 -1.07 0.03 1.39

p-value 0.29 0.28 0.25 0.86 0.49 0.08

Singapo 1.07 1.51 -1.14 -1.68 -1.36 7.6

MSFE-adj 1.6 1.97 -0.47 2.11 0.16 0.27

p-value 0.06 0.02 0.68 0.02 0.44 0.4

Giá trị thống kê 𝑅𝑂𝑆2 trong các cột thứ hai thì dương đối với Việt Nam và Singapore,

âm đối với Indonesia, Thái Lan, Malaysia, Phillipines, và hầu như không có ý nghĩa

đối với các quốc gia, ngoại trừ Việt Nam và Singapore. Vì vậy, đối với Việt Nam và

Singapore, các mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ, có giá

trị MSFE thấp hơn so với các mô hình dự báo tỷ suất sinh lợi thặng dư dựa trên trung

bình quá khứ. Do đó có thể thấy mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy

trễ của Mỹ chỉ thể hiện khả năng dự báo tốt hơn mô hình dự báo tỷ suất sinh lợi thặng

dư dựa trên trung bình quá khứ đối với Việt Nam và Singapore, còn các quốc gia còn

lại không cho thấy sự khác biệt về khả năng dự báo giữa hai mô hình dự báo tỷ suất

sinh lợi thặng dư.

Các cột thứ ba trong bảng 11 cho thấy giá trị thống kê R2OS trong trường hợp tiến hành

ước lượng gộp cho phương trình (22), mà áp đặt các giới hạn độ dốc đồng nhất:

𝛽𝑖,𝑈𝑆𝐷 = ��𝑈𝑆𝐷 với mọi 𝑖 ≠ 𝑈𝑆𝐷. Kết quả kiểm định cho thấy giá trị thống kê R2OS của

Việt Nam và Singapore tiếp tục dương và có ý nghĩa thống kê, điều này càng củng cố

bằng chứng cho rằng mô hình dự báo tỷ suất sinh lợi thặng dư dựa trên tỷ suất sinh lợi

lấy trễ của Mỹ tốt hơn mô hình dự báo tỷ suất sinh lợi thặng dư dựa trên trung bình

quá khứ đối với Việt Nam và Singapore.

Sau đó, nhóm tiếp tục phân tích sâu hơn khả năng dự báo tỷ suất sinh lợi ngoài mẫu

cho hai mô hình dự báo cơ sở khác: (i) mô hình tự hồi quy bậc nhất và (ii) mô hình hồi

quy dự báo tiêu chuẩn dựa trên lãi suất danh nghĩa trễ và tỷ suất cổ tức trễ lấy log của

chính quốc gia đó. Kết quả so sánh khả năng dự báo của mô hình hồi quy dựa trên tỷ

suất sinh lợi lấy trễ của Mỹ lần lượt với mô hình tự hồi quy bậc nhất (first-order

autoregressive model) và mô hình hồi quy dự báo tiêu chuẩn (benchmark predictive

regression), cho thấy mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ

tiếp tục thể hiện khả năng dự báo tốt hơn đối với các mô hình còn lại trong trường hợp

của Việt Nam, càng củng cố thêm những bằng chứng vững chắc cho khả năng dự báo

một cách có ý nghĩa của tỷ suất sinh lợi lấy trễ của Mỹ đối với tỷ suất sinh lợi của chỉ

số chứng khoán quốc gia Việt Nam. Vì vậy, qua đó có thể thấy tỷ suất sinh lợi lấy trễ

của Mỹ là một chỉ báo dự đoán tiềm năng đối với tỷ suất sinh lợi chỉ số chứng khoán

quốc gia của Việt Nam.

Bên cạnh đó, đối với bộ dữ liệu của MSCI và GFD (xem phụ lục), cho thấy các giá trị

thống kê 𝑅𝑂𝑆2 còn có ý nghĩa khá bền vững đối với các quốc gia Indonesia, Thái Lan,

Malaysia khi tiến hành so sánh mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ

với các mô hình dự báo khác. Hơn nữa, kết quả còn củng cố vững chắc thêm cho bằng

chứng cho rằng mô hình hồi quy dựa trên tỷ suất sinh lợi lấy trễ của Mỹ thể hiện khả

năng dự báo tốt hơn so với mấy mô hình dự báo còn lại trong trường hợp của Việt

Nam. Do đó càng khẳng định vai trò dẫn dắt tỷ suất sinh lợi của Mỹ đối Việt Nam.

Bảng 12: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Trung Quốc, từ

2007:06 đến 2013:06

Bảng dưới đây cho thấy thống kê 𝑅2 ngoài mẫu R2, 𝑅𝑂𝑆2 (tính theo phần trăm). Mô hình dự

báo dựa trên tỷ suất sinh lợi lấy trễ của Trung Quốc: ri,t+1 = βi,0 + єi,t+1 (ri,t+1 = βi,0 + βi,CHI

rCHI,t + єi,t+1), Cột thứ 3,5,7 cho thấy kết quả khi các giới hạn gộp, βi,CHI = ��𝐶𝐻𝐼 với tất cả i =

CHI, được áp dụng đối với các mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Trung

Quốc. Các giá trị bên dưới thống kê R2OS cho thấy giá trị MSFE thống kê đã được điều chỉnh

theo Clark and West (2007) để kiểm định giả thuyết H0: R2OS = 0 và giả thuyết đối

𝐻𝐴: R2OS > 0. Dấu “In đậm” cho thấy mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu lấy từ

FTSE.

Country (i) China vs

HA

China vs

HA,

pooled

China vs

AR

China

vs AR,

pooled

China vs

bench PR

China

vs

bench

PR,

pooled

Vietnam -0.59 -0.71 -0.3 0.61 -0.72 4.87

MSFE-adj 0.2 -0.3 0.51 0.55 0.14 4.04

p-value 0.42 0.62 0.31 0.29 0.44 0.00

Indo -2.08 -0.79 -1.15 2.48 -1.77 6.1

MSFE-adj -0.51 -0.22 -0.13 0.58 -0.55 0.3

p-value 0.7 0.59 0.55 0.28 0.71 0.38

Thailand -0.75 0.16 -0.33 1.23 -0.69 9.53

MSFE-adj -0.07 0.48 0.12 0.2 -0.26 0.34

p-value 0.53 0.31 0.45 0.42 0.6 0.37

Malay 0.38 0.6 -0.24 1.14 -0.41 7.4

MSFE-adj 1.01 0.93 0.29 0.49 0.49 2.64

p-value 0.16 0.18 0.38 0.31 0.31 0.00

Phil -1.37 -2.04 -1.82 -0.1 -1.26 -2.03

MSFE-adj -0.68 -0.75 -0.57 -2.15 -0.7 1.25

p-value 0.75 0.77 0.71 0.98 0.76 0.11

Singapo -0.53 1.77 0.05 -2.03 -1.94 8.23

MSFE-adj 0.21 1.82 0.95 1.83 -0.73 0.32

p-value 0.42 0.03 0.17 0.03 0.77 0.37

Các bằng chứng kiểm định ngoài mẫu khi so sánh khả năng dự báo của mô hình

hồi quy dựa trên tỷ suất sinh lợi lấy trễ của Trung Quốc với các mô hình dự báo khác

cho thấy những kết quả kiểm định không đồng nhất giữa các nước và chủ yếu cho

thấy không có sự khác biệt giữa các mô hình dự báo. Qua đó cho thấy tỷ suất sinh lợi

lấy trễ của Trung Quốc không phải là một chỉ báo dự đoán tốt đối với tỷ suất sinh lợi

chỉ số chứng khoán quốc gia của các nước Đông Nam Á. Kết quả này phù hợp với

nghiên cứu trên bộ dữ liệu của MSCI và GFD (xem phụ lục).

5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU:

5.1. Tóm lược các kết quả thực nghiệm:

Từ các kết quả nghiên cứu trên, nhóm đã làm rõ mục tiêu nghiên cứu ban đầu đối với

Mỹ, Trung Quốc và 6 quốc gia Đông Nam Á trong giai đoạn 2007-2013, thông qua

việc trả lời 4 câu hỏi nghiên cứu sau:

Liệu có tồn tại mối quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chỉ số

chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia Đông Nam Á?

Có bằng chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh lợi đối với hầu hết

các quốc gia Đông Nam Á (trừ Phillipines và Singapore), tuy nhiên kết quả nghiên

cứu này không bền vững vì khi tiến hành thực hiện nhiều phương pháp kiểm định

khác nhau cũng như sử dụng các bộ dữ liệu khác nhau, thì kết quả chưa thể hiện sự

đồng nhất giữa các bộ dữ liệu cũng như các phương pháp kiểm định. Tuy nhiên, bằng

chứng về vai trò dẫn dắt tỷ suất sinh lợi của Mỹ đối với Việt Nam thì lại tương đối bền

vững, dù cho có kiểm định qua nhiều mô hình khác nhau hay sử dụng các bộ dữ liệu

khác nhau thì kết quả vẫn cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự báo một cách ý

nghĩa tỷ suất sinh lợi của chỉ số chứng khoán quốc gia Việt Nam. Còn đối với việc

nghiên cứu xem liệu có tồn tại mối quan hệ dẫn dắt giữa tỷ suất sinh lợi lấy trễ của

Trung Quốc và tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các nước Đông Nam

Á không, thì sau khi kiểm định qua nhiều mô hình cũng như nhiều bộ dữ liệu khác

nhau vẫn không tìm thấy những bằng chứng vững chắc cho thấy Trung Quốc thể hiện

vai trò dẫn dắt đối với bất kỳ quốc gia Đông Nam Á nào.

Tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có dự đoán một cách ý nghĩa

tỷ suất sinh lợi của các quốc gia Đông Nam Á hay không? Và ngược lại, tỷ

suất sinh lợi lấy trễ của các quốc gia Đông Nam Á có thể hiện khả năng dự

đoán một cách ý nghĩa tỷ suất sinh lợi của Mỹ và Trung Quốc không?

Có bằng chứng cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự đoán một cách ý nghĩa tỷ

suất sinh lợi của hầu hết các quốc gia Đông Nam Á và cũng cho thấy khả năng dự báo

một cách ý nghĩa của tỷ suất sinh lợi lấy trễ của Phillipines và Singapore đối với tỷ

suất sinh lợi của các quốc gia còn lại, nhưng bằng chứng này không bền vững khi tiến

hành các phương pháp kiểm định khác nhau cũng như khi thực hiện trên các bộ dữ

liệu khác nhau. Chỉ có kết quả nghiên cứu cho thấy khả năng dự báo có ý nghĩa của tỷ

suất sinh lợi lấy trễ của Mỹ đối với tỷ suất sinh lợi của chỉ số chứng khoán quốc gia

Việt Nam là vững bền. Trong trường hợp của Trung Quốc thì cũng phát hiện ra những

bằng chứng cho thấy vai trò dẫn dắt tỷ suất sinh lợi của Trung Quốc đối với các quốc

gia Đông Nam Á nhưng có rất ít bằng chứng như vậy và các bằng chứng rất yếu, do

đó tỷ suất sinh lợi lấy trễ của Trung Quốc không dự đoán được tỷ suất sinh lợi của các

quốc gia Đông Nam Á. Bên cạnh đó, tỷ suất sinh lợi lấy trễ của các quốc gia Đông

Nam Á thể hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và tỷ suất sinh lợi

lấy trễ của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ suất sinh lợi giới

hạn đối với nhau.

Các cú sốc tỷ suất sinh lợi của Mỹ và Trung Quốc được phản ánh như thế

nào trong giá cổ phần các quốc gia Đông Nam Á thông qua mô hình

khuếch tán thông tin?

Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ liệu đều cho

thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong giá cổ phiếu

của các quốc gia Đông Nam Á (trừ Phillipines). Kết quả kiểm định tác động của các

cú sốc tỷ suất sinh lợi của Mỹ đối với thị trường chứng khoán Phillipines đều bị bác

bỏ một cách bền vững, khẳng định rằng Phillipines độc lập với các của sốc tỷ suất

sinh lợi của Mỹ. Còn đối với Trung Quốc, bằng chứng kiểm định trên hai bộ dữ liệu

đều cho thấy các nước Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc, và

tìm thấy bằng chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện sự

khuếch tán thông tin sang các nước Đông Nam Á. Do đó, với kết quả kiểm định cho

thấy hầu như không tìm thấy bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy sinh

ở Trung Quốc tác động đến tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Liệu các mô hình hồi quy mà sử dụng tỷ suất sinh lợi lấy trễ của Mỹ/Trung

Quốc có thể hiện khả năng dự báo tốt hơn mô hình dự báo khác không ?

Tồn tại bằng chứng cho thấy mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ

thể hiện khả năng dự báo tốt hơn mô hình dự báo dựa trên trung bình quá khứ ở một

số quốc gia Đông Nam Á, nhưng bằng chứng này không bền vững khi tiến hành trên

các bộ dữ liệu khác nhau cũng như khi thực hiện so sánh với mô hình dự báo dựa trên

tỷ suất sinh lợi lấy trễ của Mỹ với các mô hình dự báo khác (như mô hình tự hồi quy

bậc nhất và mô hình hồi quy dự báo tiêu chuẩn dựa trên tỷ suất cổ tức và lãi suất danh

nghĩa của chính quốc gia đó). Tuy nhiên bằng chứng trong trường hợp của Việt Nam

thì tương đối bền vững khi thực hiện trên các bộ dữ liệu khác nhau cũng như khi tiến

hành so sánh với các mô hình dự báo khác nhau khi cho thấy rằng khả năng dự báo

của mô hình hồi quy dựa trên tỷ suất sinh lợi lấy trễ của Mỹ thì tốt hơn khả năng dự

báo của các mô hình khác. Vì vậy, qua đó có thể thấy tỷ suất sinh lợi lấy trễ của Mỹ là

một chỉ báo dự đoán tiềm năng đối với tỷ suất sinh lợi chỉ số chứng khoán quốc gia

của Việt Nam. Đồng thời, tìm thấy những bằng chứng rất yếu cho thấy những dự báo

dựa trên tỷ suất sinh lợi lấy trễ của Trung Quốc tốt hơn những dự báo dựa trên các mô

hình hồi quy dự báo khác, do đó hầu như không có sự khác biệt về khả năng dự báo

giữa mô hình hồi quy dự báo dựa trên tỷ suất sinh lợi lấy trễ của Trung Quốc và các

mô hình dự báo khác. Qua đó cho thấy tỷ suất sinh lợi lấy trễ của Trung Quốc không

phải là một chỉ báo dự đoán tốt đối với tỷ suất sinh lợi chỉ số chứng khoán quốc gia

của các nước Đông Nam Á.

5.2. Hàm ý từ bài nghiên cứu:

Kết quả nghiên cứu cho thấy những bằng chứng khá bền vững về việc Mỹ thể hiện vai

trò dẫn dắt tỷ suất sinh lợi đối với Việt Nam: Tỷ suất sinh lợi lấy trễ của Mỹ dự đoán

một cách ý nghĩa tỷ suất sinh lợi chỉ số chứng khoán quốc gia Việt Nam. Vậy tại sao

Mỹ lại có những ảnh hưởng sâu sắc đến thị trường chứng khoán Việt Nam như vậy?

5.2.1. Khía cạnh vĩ mô:

Nếu xét trên khía cạnh vĩ mô, Mỹ là một trong những đối tác thương mại lớn nhất của

Việt Nam, với Việt Nam, Mỹ đóng vai trò như là thị trường có vốn hóa lớn dẫn dắt thị

trường có mức vốn hóa nhỏ. Ngoài ra, vì giai đoạn nghiên cứu của nhóm là từ tháng

06/2007 đến 06/2013, đây là giai đoạn xảy ra cuộc khủng hoảng kinh tế toàn cầu, nên

mặc dù Việt Nam không chịu tác động trực tiếp từ cuộc khủng hoảng này nhưng nền

kinh tế Việt Nam cũng chịu những tác động tiêu cực và có những dấu hiệu suy thoái

bắt nguồn từ chính sự vận động nội tại của nền kinh tế Việt Nam. Và vì cuộc suy thoái

kinh tế của Việt Nam có những nét tương đồng nhất định với cuộc khủng hoảng kinh

tế tài chính của Mỹ năm 2008 khi cuộc suy thoái bắt nguồn từ khủng hoảng trong lĩnh

vực bất động sản, lan sang lĩnh vực ngân hàng và chứng khoán. Vậy sự tương đồng

giữa hai cuộc khủng hoảng này được thể hiện như thế nào? Cuộc khủng hoảng kinh tế

Mỹ bắt nguồn từ biến cố xảy ra trên thị trường tín dụng bất động sản của Mỹ. Theo

một dây chuyền trong sự liên thông giữa thị trường bất động sản - tiền tệ - chứng

khoán, biến cố này đẩy nhiều ngân hàng và định chế tài chính Mỹ nói riêng và thế giới

nói chung tới tình trạng thua lỗ nặng, mất tính thanh khoản, đối diện với nguy cơ phá

sản cao hoặc bị thâu tóm bởi các tổ chức khác. Trong khi đó, cuộc khủng hoảng kinh

tế Việt Nam cũng xuất phát từ rủi ro tín dụng bất động sản, tác động đến lĩnh vực

ngân hàng với nhiều khoản nợ xấu xuất hiện, ngân hàng thiếu vốn trầm trọng, lãi suất

tăng nhanh chóng. Song song với đó là thị trường chứng khoán Việt Nam giảm điểm

nghiêm trọng. Thị trường bất động sản Việt Nam có sự biến động tương tự với xu

hướng biến động của thị trường bất động sản của Mỹ, với sự tăng trưởng đột biến vào

năm 2007 và bắt đầu giảm kể từ đầu năm 2008 đến nay. Do đó, có một sự tương đồng

về những biến động kinh tế trong giai đoạn nghiên cứu của hai quốc gia là Việt Nam

và Mỹ, và đây có thể là một trong những nguyên nhân giải tích vì sao tỷ suất sinh lợi

lấy trễ của Mỹ dự báo một cách ý nghĩa tỷ suất sinh lợi chỉ số chứng khoán quốc gia

Việt Nam.

5.2.2. Khía cạnh nhà đầu tư quốc tế đối với thị trường chứng khoán Việt Nam:

Đối với bằng chứng cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự báo một cách ý nghĩa

tỷ suất sinh lợi của chỉ số chứng khoán quốc gia Việt Nam, nên nếu được đứng trên

khía cạnh nhà đầu tư quốc tế, việc nhận biết được điều này có thể giúp các nhà đầu tư

quốc tế thiết lập được một danh mục đầu tư quốc tế tối ưu. Khi khả năng thu hút vốn

đầu tư gián tiếp nước ngoài của Việt Nam chưa thực sự tốt do các nhà đầu tư nước

ngoài vẫn còn e ngại với những biến động trên thị trường chứng khoán Việt Nam cũng

như chưa nắm rõ đối với sự phát triển của thị trường, thì dựa trên một chỉ báo mới có

khả năng dự đoán tỷ suất sinh lợi của chỉ số chứng khoán quốc gia của Việt Nam là tỷ

suất sinh lợi lấy trễ của Mỹ, có thể giúp các nhà đầu tư dự báo và nắm bắt được xu

hướng biến động của thị trường chứng khoán Việt Nam và có những chính sách đầu tư

phù hợp.

5.3. Một số hạn chế nghiên cứu và đề xuất hướng nghiên cứu trong tương lai:

Mặc dù bài nghiên cứu đã cố gắng khai thác mối quan hệ dẫn dắt trễ giữa các tỷ suất

sinh lợi chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và các nước Đông Nam Á

bằng nhiều mô hình dự báo khác nhau cũng như trên các bộ dữ liệu khác nhau, tuy

nhiên vẫn còn tồn tại nhiều hạn chế cần khắc phục trong tương lai. Đây cũng chính là

hướng nghiên cứu mở rộng đầy triển vọng của mảng đề tài này trên thế giới trong

tương lai:

- Hiện tại chưa có nhiều bài nghiên cứu về vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và

Trung Quốc, nên đề tài còn thiếu nhiều cơ sở lý luận vững chắc, cũng như các mô

hình thực nghiệm chưa thực sự kiểm soát được các nhân tố tác động, do các nghiên

cứu thực nghiệm trước đây khi xem xét khả năng dự báo tỷ suất sinh lợi của các

nhân tố kinh tế quốc gia (lãi suất danh nghĩa, tỷ suất cổ tức, tỷ số giá trị thị trường

so với giá trị sổ sách, chênh lệch lãi suất ngắn hạn và dài hạn) chưa đi đến một kết

quả thống nhất. Đây có thể là hướng nghiên cứu đầy triển vọng trong tương lai.

- Từ việc nghiên cứu vai trò dẫn dắt của Mỹ và Trung Quốc, từ đó đưa ra những

hướng gợi ý rất hấp dẫn cho sự ra đời của một mô hình định giá tài sản mà kết hợp

vai trò dẫn dắt của Mỹ và Trung Quốc và đưa ra những dự báo chính xác hơn.

- Khi xác định được vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và Trung Quốc, một sự

mở rộng về việc xây dựng một chiến lược đầu tư và phòng ngừa quốc tế kết hợp vai

trò dẫn dắt này cũng là một nghiên cứu thực nghiệm tương lai hấp dẫn.

- Từ việc nghiên cứu tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có dự báo một

cách ý nghĩa cho tỷ suất sinh lợi của các quốc gia khác hay không, thì có thể cho

thấy một sự ảnh hưởng nhất định của nền kinh tế Mỹ và Trung Quốc đối với phần

còn lại thế giới, qua đó có thể so sánh sự tác động của hai nền kinh tế này đối với

nền kinh tế thế giới, từ đó có thể suy ra được nền kinh tế nào có sự tác động mạnh

mẽ và bền vững hơn. Để rồi tìm được lời giải đáp cho câu hỏi: liệu vị thế thống trị

thế giới của nền kinh tế Mỹ có đang dần chuyển đổi sang cho Trung Quốc, và liệu

với một tốc độ phát triển kinh tế phi thường như vậy, nền kinh tế Trung Quốc có

đang ảnh hưởng sâu sắc đến phần còn lại thế giới, từ đó có thể thấy được sự phát

triển này của Trung Quốc có thực sự bền vững và lâu dài hay không. Đây sẽ là một

hướng phát triển tiềm năng trong tương lai.

- Ước lượng một mô hình khuếch tán thông tin cho thấy được các cú sốc tỷ suất sinh

lợi của Mỹ và Trung Quốc được phản ánh như thế nào trong giá chỉ số chứng khoán

của các quốc gia, cho thấy được quốc gia nào đang bị tác động nhiều bởi nền kinh

tế của Mỹ vả Trung Quốc, từ đó đặt ra một nghi vấn rằng liệu có nên có một chính

sách kinh tế độc lập hơn, không nên phụ thuộc quá nhiều vào nền kinh tế của các

cường quốc kinh tế thế giới như Mỹ và Trung Quốc. Bởi vì cuộc khủng hoảng kinh

tế thế giới 2008 đã làm cho nền kinh tế thế giới điêu đứng mà nguyên nhân chủ yếu

xuất phát từ cuộc khủng hoảng tài chính của Mỹ với sự nổ vỡ bong bóng trên thị

trường bất động sản, đặc biệt cuộc khủng hoảng càng nặng nề hơn đối với những

quốc gia nào quá phụ thuộc vào nền kinh tế của Mỹ. Từ đó, việc nghiên cứu sự

tương tác kinh tế giữa các thị trường chứng khoán trên thế giới có thể giúp đưa ra

những chính sách kinh tế phù hợp, một lĩnh vực nghiên cứu khá hấp dẫn.

6. KẾT LUẬN

Hầu hết các bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi trước đây chủ yếu tập

trung dự đoán tỷ suất sinh lợi chứng khoán dựa trên các mô hình định giá tài sản, các

biến số tài chính quốc gia cũng như các chỉ số tài chính. Tuy nhiên, khi nền kinh tế

ngày càng trở nên biến động, diễn biến phức tạp, khiến cho việc dự báo trở nên không

còn chính xác và khó khăn hơn, thì việc cho ra đời các chỉ báo dự đoán tỷ suất sinh lợi

cũng là một điều tất yếu. Vì vậy, một chỉ báo dự đoán tỷ suất sinh lợi mới ra đời, đó là

tỷ suất sinh lợi lấy trễ của thị trường Mỹ, đây là một khía cạnh chưa được nghiên cứu

trước đây về khả năng dự báo tỷ suất sinh lợi quốc tế. Trong bài nghiên cứu này,

nhóm phân tích mối quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi của Mỹ, Trung Quốc

và các quốc gia Đông Nam Á, đồng thời xem xét liệu tỷ suất sinh lợi lấy trễ của thị

trường của Mỹ và Trung Quốc có trở thành những chỉ báo dự đoán tiềm năng trong tỷ

suất sinh lợi chỉ số chứng khoán quốc gia của các nước Đông Nam Á không.

Bài nghiên cứu này tập trung vào mối quan hệ dẫn dắt của Mỹ và Trung Quốc đối với

việc dự báo tỷ suất sinh lợi thặng dự hàng tuần của các nước Đông Nam Á: Có bằng

chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh lợi đối với hầu hết các quốc

gia Đông Nam Á (trừ Phillipines và Singapore), tuy nhiên kết quả nghiên cứu này

không bền vững khi thực hiện các phương pháp kiểm định khác nhau và sử dụng các

bộ dữ liệu khác nhau. Tuy nhiên, bằng chứng về vai trò dẫn dắt tỷ suất sinh lợi của

Mỹ đối với Việt Nam thì lại tương đối bền vững, dù cho có kiểm định qua nhiều mô

hình khác nhau hay sử dụng các bộ dữ liệu khác nhau. Còn đối với việc nghiên cứu

xem liệu có tồn tại mối quan hệ dẫn dắt giữa tỷ suất sinh lợi lấy trễ của Trung Quốc và

tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các nước Đông Nam Á không, thì sau

khi kiểm định qua nhiều mô hình cũng như nhiều bộ dữ liệu khác nhau vẫn không tìm

thấy những bằng chứng vững chắc cho thấy Trung Quốc thể hiện vai trò dẫn dắt đối

với bất kỳ quốc gia Đông Nam Á nào. Bên cạnh đó, tỷ suất sinh lợi lấy trễ của các

quốc gia Đông Nam Á thể hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và

tỷ suất sinh lợi lấy trễ của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ

suất sinh lợi giới hạn đối với nhau.

Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ liệu đều cho

thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong giá cổ phiếu

của các quốc gia Đông Nam Á (trừ Phillipines). Kết quả kiểm định tác động của các

cú sốc tỷ suất sinh lợi của Mỹ đối với thị trường chứng khoán Phillipines đều bị bác

bỏ một cách bền vững, khẳng định rằng Phillipines độc lập với các của sốc tỷ suất

sinh lợi của Mỹ. Còn đối với Trung Quốc, bằng chứng kiểm định trên hai bộ dữ liệu

đều cho thấy các nước Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc và

tìm thấy bằng chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện sự

khuếch tán thông tin sang các nước Đông Nam Á. Do đó, với kết quả kiểm định cho

thấy hầu như không tìm thấy bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy sinh

ở Trung Quốc tác động đến tỷ suất sinh lợi của các quốc gia Đông Nam Á.

Ngoài ra, bằng chứng về khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ đối với tỷ

suất sinh lợi chứng khoán quốc Việt Nam càng được củng cố khi tiến hành so sánh

khả năng dự báo của mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ với các

mô hình dự báo khác thì mô hình dự báo trên tỷ suất sinh lợi lấy trễ của Mỹ luôn thể

hiện khả năng dự báo tốt hơn đối với Việt Nam. Qua đó có thể thấy tỷ suất sinh lợi lấy

trễ của Mỹ là một chỉ báo dự đoán tiềm năng đối với tỷ suất sinh lợi chỉ số chứng

khoán quốc gia của Việt Nam.

Từ kết quả cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự đoán ý nghĩa tỷ suất sinh lợi

chỉ số chứng khoán quốc gia của Việt Nam, đưa đến một hướng nghiên cứu mới trong

tương lai khi kết hợp tỷ suất sinh lợi lấy trễ của Mỹ trong quá trình dự báo tỷ suất sinh

lợi chỉ số chứng khoán quốc gia của Việt Nam, và xem xét liệu việc kết hợp thêm tỷ

suất sinh lợi lấy trễ của Mỹ có giúp cho việc dự báo cũng như hoạt động đầu tư hiệu

quả hơn không. Đồng thời, đề tài hy vọng những bài nghiên cứu trong tương lai có thể

đưa ra nhiều bằng chứng hơn về khả năng dự báo tỷ suất sinh lợi quốc tế.

TÀI LIỆU THAM KHẢO

1. Aggarwal, Reena, Isil Erel, Miguel A. Ferreira, and Pedro Matos, 2011, Does

governance travel around the world? Evidence from institutional investors,

Journal of Financial Economics 100, 154–181.

2. Ahn, Dong-Hyun, Jacob Boudoukh, Matthew P. Richardson, and Robert F.

Whitelaw, 2002, Partial adjustment or stale prices? Implications from stock

index and futures return autocorrelations, Review of Financial Studies 15,

655–689.

3. Amihud, Yakov, and Clifford M. Hurvich, 2004, Predictive regressions: A

reduced-bias estimation method, Journal of Financial and Quantitative

Analysis 39, 813–841.

4. Amihud, Yakov, Clifford M. Hurvich, and Yi Wang, 2009, Multiple-predictor

regressions: Hypothesis tests, Review of Financial Studies 22, 413–434.

5. Ang, Andrew, and Geert Bekaert, 2007, Return predictability: Is it there?

Review of Financial Studies 20, 651–707.

6. Bai, Jushan, and Serena Ng, 2008, Forecasting economic time series using

targeted predictors, Journal of Econometrics 146, 304–317.

7. Bansal, Ravi, and Amir Yaron, 2004, Risks for the long run: A potential

resolution of asset pricing puzzles, Journal of Finance 59, 1481–1509.

8. Bekaert, Geert, and Robert J. Hodrick, 1992, Characterizing predictable

components in excess returns on equity and foreign exchange markets, Journal

of Finance 47, 467–509.

9. Bekaert, Geert, Robert J. Hodrick, and Xiaoyan Zhang, 2009, International

stock return comovements, Journal of Finance 64, 2591–2626.

10. Boehmer, Ekkehart, and Eric K. Kelley, 2009, Institutional investors and the

informational efficiency of prices, Review of Financial Studies 22, 3563–3594.

11. Bollerslev, Tim, James Marrone, Lai Xu, and Hao Zhou, 2013, Stock return

predictability and variance risk premia: Statistical inference and international

evidence, Journal of Financial and Quantitative Analysis (forthcoming).

12. Boudoukh, Jacob, Matthew P. Richardson, and Robert F. Whitelaw, 1994, A

tale of three schools: Insights on autocorrelations of short-horizon stock

returns, Review of Financial Studies 7, 539–573.

13. Breen, William, Lawrence R. Glosten, and Ravi Jagannathan, 1989, Economic

significance of predictable variations in stock index returns, Journal of Finance

64, 1177– 1189.

14. Brennan, Michael J., Narasimhan Jegadeesh, and Bhaskaran Swaminathan,

1993, Investment analysis and the adjustment of stock prices to common

information, Review of Financial Studies 6, 799–824.

15. Campbell, John Y., 1987, Stock returns and the term structure, Journal of

Financial Economics18, 373–399.

16. Campbell, John Y., and John H. Cochrane, 1999, By force of habit: A

consumption-based explanation of aggregate stock market behavior, Journal of

Political Economy 107, 205–251.

17. Campbell, John Y., and Samuel B. Thompson, 2008, Predicting the equity

premium out of sample: Can anything beat the historical average? Review of

Financial Studies 21, 1509–1531.

18. Campbell, John Y., and Motohiro Yogo, 2006, Efficient tests of stock return

predictability, Journal of Financial Economics 81, 27–60.

19. Cavaliere, Giuseppe, Anders Rahbek, and A. M. Robert Taylor, 2010,

Cointegration rank testing under conditional heteroskedasticity, Econometric

Theory 26, 1719–1760.

20. Chordia, Tarun, Richard Roll, and Avanidhar Subrahmanyam, 2005, Evidence

on the speed of convergence to market efficiency, Journal of Financial

Economics 76, 271–292.

21. Chordia, Tarun, and Bhaskaran Swaminathan, 2000, Trading volume and

cross-autocorrelations in stock returns, Journal of Finance 55, 913–935.

22. Clark, Todd E., and Michael W. McCracken, 2001, Tests of equal forecast

accuracy and encompassing for nested models, Journal of Econometrics 105,

85–110.

23. Clark, Todd E., and Michael W. McCracken, 2012, Reality checks and nested

forecast model comparisons, Journal of Business and Economic Statistics 30,

53–66.

24. Clark, Todd E., and Kenneth D. West, 2007, Approximately normal tests for

equal predictive accuracy in nested models, Journal of Econometrics 138, 291–

311.

25. Cochrane, John H., 2008, The dog that did not bark: A defense of return

predictability, Review of Financial Studies 21, 1533–1575.

26. Cohen, Lauren, and Andrea Frazzini, 2008, Economic links and predictable

returns, Journal of Finance 63, 1977–2011.

27. Cutler, David M., James M. Poterba, and Lawrence H. Summers, 1991,

Speculative dynamics, Review of Economic Studies 58, 529–546.

28. Dahlquist, Magnus, and Henrik Hasseltoft, 2013, International bond risk

premia, Journal of International Economics 90, 19–32.

29. Dahlquist, Magnus, and G oran Robertsson, 2001, Direct foreign ownership,

institutional investors, and firm characteristics, Journal of Financial


30. Dangl, Thomas, and Michael Halling, 2012, Predictive regressions with time-

varying coefficients, Journal of Financial Economics 106, 157–181.

31. Diebold, Francis X., and Roberto S. Mariano, 1995, Comparing predictive

accuracy, Journal of Business and Economic Statistics 13, 253–263.

32. Dimson, Elroy, Paul Marsh, and Mike Staunton, 2002, Triumph of the

Optimists (Princeton University Press, Princeton, NJ).

33. Fama, Eugene F., and Kenneth R. French, 1988, Dividend yields and expected

stock returns, Journal of Financial Economics 22, 3–25.

34. Fama, Eugene F., and Kenneth R. French, 1989, Business conditions and

expected returns on stocks and bonds, Journal of Financial Economics 25, 23–

49.

35. Fama, Eugene F., and Kenneth R. French, 2001, Disappearing dividends:

Changing firm characteristics or lower propensity to pay? Journal of Financial


36. Fama, Eugene F., and G. William Schwert, 1977, Asset returns and inflation,

Journal of Financial Economics 5, 115–146.

37. Ferreira, Miguel A., and Pedro Santa-Clara, 2011, Forecasting stock market

returns: The sum of the parts is more than the whole, Journal of Financial

Economics 100, 514–537.

38. Ferson, Wayne E., and Campbell R. Harvey, 1991, The variation of equity risk

premiums, Journal of Political Economy 99, 385–415.

39. Ferson, Wayne E., and Campbell R. Harvey, 1993, The risk and predictability

of international equity returns, Review of Financial Studies 6, 527–566.

40. Ghosh, Samiran, 2011, On the grouped selection and model complexity of the

adaptive elastic net, Statistics and Computing 21, 451–462.

41. Gonc alves, Silvia, and Lutz Kilian, 2004, Bootstrapping autoregressions with

conditional heteroskedasticity of unknown form, Journal of Econometrics 123,

89–120.

42. Goyal, Amit, and Ivo Welch, 2003, Predicting the equity premium with

dividend ratios, Management Science 49, 639–654.

43. Goyal, Amit, and Ivo Welch, 2008, A comprehensive look at the empirical

performance of equity premium prediction, Review of Financial Studies 21,

1455–1508.

44. Griffin, John M., Nicholas H. Hirschey, and Patrick J. Kelly, 2011, How

important is the financial media in global markets? Review of Financial

Studies 24, 3941–3992.

45. Grinblatt, Mark S., and Sheridan Titman, 1989, Portfolio performance

evaluation: Old issues and new insights, Review of Financial Studies 2, 393–

421.

46. Hameed, Allaudeen, 1997, Time-varying factors and cross-autocorrelations in

short-horizon stock returns, Journal of Financial Research 20, 435–458.

47. Harvey, Campbell R., 1991, The world price of covariance risk, Journal of

Finance 46, 111–157.

48. Henkel, Sam J., J. Spencer Martin, and Frederico Nadari, 2011, Time-varying

short-horizon predictability, Journal of Financial Economics 99, 560–580.

49. Henrekson, Magnus, and Ulf Jakobsson, 2003, The transformation of

ownership policy and structure in Sweden: Convergence towards the Anglo-

Saxon model? New Political Economy 8, 73–102.

50. Hjalmarsson, Erik, 2010, Predicting global stock returns, Journal of Financial

and Quantitative Analysis 45, 49–80.

51. Hong, Harrison, and Jeremy C. Stein, 1999, A unified theory of underreaction,

momentum trading and overreaction in asset markets, Journal of Finance 54,

2143–2184.

52. Hong, Harrison, Walter Torous, and Rossen Valkanov, 2007, Do industries

lead stock markets? Journal of Financial Economics 83, 367–396.

53. Hou, Kewei, 2007, Industry information diffusion and the lead-lag effect in

stock returns, Review of Financial Studies 20, 1113–1138.

54. Inoue, Atsushi, and Lutz Kilian, 2004, In-sample or out-of-sample tests of

predictability: Which one should we use? Econometric Reviews 23, 371–402.

55. Jorion, Phillipe, and William N. Goetzmann, 1999, Global stock markets in the

twentieth century, Journal of Finance 54, 953–980.

56. Kandel, Shmuel, and Robert F. Stambaugh, 1996, On the predictability of stock

returns: An asset allocation perspective, Journal of Finance 51, 385–424.

57. Kellard, Neil M., John C. Nankervis, and Fotios I. Papadimitriou, 2010,

Predicting the equity premium with dividend ratios: Reconciling the evidence,

Journal of Empirical Finance 17, 539–551.

58. King, Mervyn A., and Sushil Wadhwani, 1990, Transmission of volatility

between stock markets, Review of Financial Studies 3, 5–33.

59. Lettau, Martin, and Sydney C. Ludvigson, 2001, Consumption, aggregate

wealth, and expected stock returns, Journal of Finance 56, 815–849.

60. Lewellen, Jonathan, 2004, Predicting returns with financial ratios, Journal of

Financial Economics 74, 209–235.

61. Lo, Andrew W., and A. Craig MacKinlay, 1990, When are contrarian profits

due to stock market overreaction? Review of Financial Studies 3, 175–205.

62. Ludvigson, Sydney C., and Serena Ng, 2007, The empirical risk-return

relation: A factor analysis approach, Journal of Financial Economics 83, 171–

222.

63. McCracken, Michael W., 2007, Asymptotics for out of sample tests of Granger

causality, Journal of Econometrics 140, 719–752.

64. Menzly, Lior, and Oguzhan Ozbar, 2010, Market segmentation and cross-

predictability of returns, Journal of Finance 65, 1555–1580.

65. Pa´stor, Lˇ ubosˇ, and Robert F. Stambaugh, 2009, Predictive systems: Living

with imperfect predictors, Journal of Finance 64, 1583–1628.

66. Patro, Dilip K., and Yangru Wu, 2004, Predictability of short-horizon returns

in international equity markets, Journal of Empirical Finance 11, 553–584.

67. Poterba, James M., and Lawrence H. Summers, 1988, Mean reversion in stock

prices: Evidence and implications, Journal of Financial Economics 22, 27–59.

68. Rapach, David E., Jack K. Strauss, and Guofu Zhou, 2010, Out-of-sample

equity premium prediction: Combination forecasts and links to the real

economy, Review of Financial Studies 23, 822–862.

69. Rapach, David E., and Mark E. Wohar, 2006, In-sample vs. out-of-sample tests

of stock return predictability in the context of data mining, Journal of Empirical

Finance 13, 231–247.

70. Rapach, David E., and Guofu Zhou, 2013, Forecasting stock returns, in

Graham Elliott and Allan Timmermann, eds: Handbook of Economic

Forecasting, Volume 2 (Elsevier, Amsterdam).

71. Rizova, Savina, 2010, Predictable trade flows and returns of trade-linked

countries, Working paper, University of Chicago.

72. Shleifer, Andrei, and RobertW. Vishny, 1997, The limits of arbitrage, Journal

of Finance 52, 35–55.

73. Solnik, Bruno, 1993, The performance of international asset allocation

strategies using conditioning information, Journal of Empirical Finance 1, 33–

55.

74. Stambaugh, Robert F., 1999, Predictive regressions, Journal of Financial


PHỤ LỤC

Phụ lục 1 : Thống kê mô tả các biến sử dụng trong bài nghiên cứu

VietNam Biến đại diện Cách tính Đơn

vị Nguồn

Total stock

return index FTSE VietNam

Chuỗi chỉ số truy cập FTSE

Việt Nam lấy 80% cổ phiếu

niêm yết trên sàn Tp.HCM, dựa

trên giá trị vốn hóa thị trường

đầy đủ và có tính tới tỷ lệ sở

hữu áp dụng cho các nhà đầu tư

nước ngoài trong các công ty

niêm yết của Việt Nam, tức là

chỉ bao gồm số cổ phiếu các nhà

đầu tư nước ngoài còn được

phép mua.

Ngày FTSE.com

T-bill Lãi suất trái phiếu chính phủ 3 tháng Tháng IMF - IFS

Dividend yield FTSE VietNam Ngày FTSE.com

Term spread Chênh lệch giữa lãi suất dài hạn và

lãi suất ngắn hạn

Lãi suất dài hạn (10 năm) - Lãi

suất ngắn hạn ( 3 tháng) Tháng IMF - IFS

Industrial

Production

Growth

Tăng trưởng sản lượng công nghiệp Tăng trưởng sản lượng công

nghiệp so với tháng trước đó Tháng Tổng cục thống kê

Inflation CPI VietNam Chỉ số giá tiêu dùng VietNam

so với tháng trước đó Tháng IMF - IFS

Real exchange

rate growth

REERHt là tỷ giá hiệu dụng

thực của H trong giai đoạn t, P

là chỉ số giá tiêu dùng (CPI), R

là tỷ giá hối đoái danh nghĩa

theo đồng đô la, trong biểu thức

Tháng

trên H và ilần lượt biểu thị cho

nước chủ nhà và đối tác i

Indonesia

Total stock

return index FTSE Indonesia Index Ngày FTSE.com


Dividend yield FTSE Indonesia Index Ngày FTSE.com





Industrial

Production

Growth


nghiệp so với tháng trước đó Tháng

Badan Pusat

Statistik Republik

Indonesia

(Statistics

Indonesia)



Real exchange

rate growth REER grow Chỉ số REER hàng tháng Tháng IMF - IFS

Thailand

Total stock

return index FTSE Thailand Index (SET index)

FTSE Group and the Stock

Exchange of Thailand (SET)

have jointly created the FTSE

SET Index Series which

represents the investable Thai

market

Ngày FTSE.com


Dividend yield FTSE Thailand Index Ngày FTSE.com





Industrial

Production

Growth


nghiệp so với tháng trước đó Tháng Bank of Thailand



Real exchange

rate growth REER grow Chỉ số REER hàng tháng Tháng Bank of Thailand

Malaysia

Total stock

return index FTSE Malaysia Index Ngày FTSE.com


Dividend yield FTSE Malaysia Index Ngày FTSE.com





Industrial

Production

Growth


nghiệp so với tháng trước đó Tháng IMF - IFS



Real exchange


Phillipine

Total stock

return index FTSE Phillipine index Ngày FTSE.com


Dividend yield FTSE Phillipine index Ngày FTSE.com





Industrial

Production Tăng trưởng sản lượng công nghiệp

Tăng trưởng sản lượng công


Growth



Real exchange


Singapore

Total stock

return index FTSE ST index Ngày FTSE.com


Dividend yield FTSE ST index Ngày FTSE.com





Industrial

Production

Growth



Singapore

Economic

Development

Board



Real exchange


China

Total stock

return index FTSE VietNam Ngày FTSE.com


Dividend yield FTSE VietNam Ngày FTSE.com





Industrial

Production Tăng trưởng sản lượng công nghiệp

Tăng trưởng sản lượng công


Growth



Real exchange


USA

Total stock

return index S&P 500 Total index Ngày Standard & Poor


Dividend yield S&P 500 Total index Tháng

Standard & Poor’s

for current S&P

500 Dividend

Yield.





Industrial

Production

Growth





Real exchange


Phụ lục 2 : Kiểm định kết quả với bộ dữ liệu Morgan Stanley Capital International (MSCI) và Global Financial Data

(GFD)

1.1. Dữ liệu và thống kê mô tả:

1.1.1. Dữ liệu:

Dữ liệu phần phụ lục là dữ liệu phục vụ cho các mô hình đã trình bày với 3 biến chính được lấy từ 2 nguồn MSCI và GFD.

Các dữ liệu các biến kinh tế còn lại được sử dụng giống tương tự với phần nghiên cứu ở trên với bộ dữ liệu lấy từ FTSE. Bộ

dữ liệu MSCI và GFD được lấy trong khoảng thời gian từ 4/2/2008 đến ngày 24/06/2013 cho 2 quốc gia tác động là Mỹ và

Trung Quốc, và 6 quốc gia Đông Nam Á nghiên cứu bị tác động là Việt Nam, Indonesia, Malaysia, Phillipines, Singapore

và Thái Lan.

Với các lập luận như đã trình bày ở trên, nhóm tiếp tục chọn dữ liệu theo tuần để nghiên cứu với các biến được lấy từ MSCI

và GFD :

- Tỷ suất sinh lợi thặng dư hằng tuần của các chỉ số chứng khoán quốc gia: bằng chênh lệch giữa tổng tỷ suất sinh lợi

(bao gồm tỷ suất sinh lợi trực tiếp từ cổ tức) của các chỉ số chứng khoán và lãi suất phi rủi ro (lãi suất t-bill 3 tháng).

Tổng tỷ suất sinh lợi được đo lường theo đồng tiền nội tệ của từng quốc gia.

- Tổng tỷ suất sinh lợi được lấy với chuỗi dữ liệu các nước Viet Nam, Trung Quốc, Indonesia, Malaysia và Thái lan từ

MSCI, dữ liệu các nước Mỹ, Phillipines và Singapore được lấy từ GFD

- Lãi suất t-bill 3 tháng: dữ liệu này có sẵn từ các ngân hàng trung ương của các quốc gia, nếu không thì có thể lấy lãi

suất chiết khấu hoặc lãi suất liên ngân hàng.

- Tỷ suất cổ tức: dữ liệu các nước Việt Nam, Trung Quốc, Indonesia, Malaysia và Thái lan được lấy từ MSCI, các

nước còn lại gồm Mỹ, Phillipines và Singapore được lấy từ GFD.

Các chuỗi dữ liệu còn lại được lấy giống như bộ dữ liệu nghiên cứu cho trường hợp của FTSE trong mô hình

Granger kết hợp các biến kinh tế.

- Các chuỗi dữ liệu được mô tả qua bảng thống kê sau :

VietNam Biến đại diện Đơn vị Nguồn

Total stock return index MSCI Viet Nam Ngày MSCI.com


Dividend yield MSCI Viet Nam Tháng MSCI.com

Term spread Chênh lệch giữa lãi suất cho vay và lãi suất đi vay Tháng IMF - IFS

Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng Tổng cục thống kê

Inflation CPI VietNam Tháng IMF - IFS

Real exchange rate growth

Tháng

Indonesia

Total stock return index MSCI Indonesia Ngày MSCI.com


Dividend yield MSCI Indonesia Tuần MSCI.com


Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng

Badan Pusat Statistik

Republik Indonesia

(Statistics Indonesia)


Real exchange rate growth REER grow Tháng GFD

Thailand

Total stock return index MSCI Thailand Ngày MSCI.com


Dividend yield MSCI Thailand Tháng MSCI.com


Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng Bank of Thailand


Real exchange rate growth REER grow Tháng Bank of Thailand

Malaysia

Total stock return index MSCI Malay Ngày MSCI.com


Dividend yield MSCI Malay Tháng MSCI.com


Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng IMF - IFS


Real exchange rate growth REER grow Tháng IMF - IFS

Phillipine

Total stock return index GFD Phillipine total return stock index Ngày Globalfinancialdata.com


Dividend yield GFD total return stock index Tháng Globalfinancialdata.com


Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng



Singapore

Total stock return index GFD Singapore SE Return Index Ngày Globalfinancialdata.com


Dividend yield GFD Singapore SE Return Index Tuần Globalfinancialdata.com


Industrial Production Growth Tăng trưởng sản lượng công nghiệp Tháng Singapore Economic

Development Board



China

Total stock return index MSCI China Ngày MSCI.com


Dividend yield MSCI China Tháng MSCI.com





USA

Total stock return index S&P 500 Total index Ngày FTSE.com


Dividend yield S&P 500 Total index Ngày FTSE.com





Quy mô dữ liệu theo tuần có 1974 quan sát (của 8 quốc gia) từ ngày 04/02/2008 đến ngày 24/06/2013.

1.1.2. Thống kê mô tả:

Bảng 1M: Thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán

quốc gia theo tuần trong giai đoạn từ 02/2008 đến 06/2013:

Bảng này trình bày thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng

khoán quốc gia theo tuần (theo %) tính bằng đồng nội tệ của Mỹ, Trung Quốc và 6 quốc

gia Đông Nam Á. Tỷ suất sinh lợi thặng dư bằng tỷ suất sinh lợi tổng hợp (bao gồm tỷ

suất sinh lợi trực tiếp từ cổ tức) của các chỉ số chứng khoán quốc gia trừ cho lãi suất T-

bill 3 tháng. Tỷ số Sharpe bằng trung bình tỷ suất sinh lợi thặng dư chia cho độ lệch

chuẩn của từng quốc gia. Dữ liệu được lấy từ MSCI và GFD.

Mean

(%)

SD

(%)

Minimum

(%)

Maximum

(%) ρ Sharpe ratio

VN -0.65 4.88 -18.20 14.97 0.14 -0.13

Indo -0.08 4.03 -20.70 12.08 -0.10 -0.02

Thailand 0.09 3.65 -25.08 14.15 -0.05 0.02

Malay -0.08 1.95 -8.57 5.65 0.10 -0.04

Phil 0.01 2.08 -12.13 8.19 0.57 0.01

Sgp 0.04 2.02 -12.82 9.71 0.63 0.02

Usa 0.01 1.27 -4.18 6.33 -0.10 0.01

China 0.04 4.23 -19.98 14.47 -0.07 0.01

2. KẾT QUẢ NGHIÊN CỨU:

2.1. Mô hình hồi quy dự báo tiêu chuẩn:

Bảng 2M: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2008:02 đến

2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện lần lượt bởi

��𝑖,𝑏 và ��𝑖,𝑑) và thống kê 𝑅2 của mô hình hồi quy dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1,

Trong đó 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng nội tệ và 𝑏𝑖𝑙𝑙𝑖,𝑡 (𝑑𝑦𝑖,𝑡) là

lãi suất tín phiếu kho bạc ba tháng (lấy log tỷ suất cổ tức) đối với quốc gia i. Thống kê t

của ��𝑖,𝑏 (��𝑖,𝑑) để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 ngược lại với giả thuyết

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 ngược lại với 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Các giá trị bên dưới thống kê 𝑅2

trong cột thứ tư và cột thứ tám cho thấy thống kê 𝜒2 độ mạnh của giả thuyết H0 đối với

kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. Ước lượng “Pooled” áp đặt các giới hạn là

𝛽𝑖,𝑏 = ��𝑏 và 𝛽𝑖,𝑑 = ��𝑑 cho tất cả các i. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn

đối với giá trị p-value của chu trình wild bootstrap. Dữ liệu được lấy từ MSCI và GFD.

OLS



VietNam -0.04 0.83 0.37

Phillipine -0.20 -0.02 4.22

t-stat (χ2-

stat) -0.49 0.91 0.85

t-stat (χ2-

stat) -2.37 -0.11 10.77

p-value 0.30 0.25 0.69

p-value 0.00 0.56 0.00

Indonesia -0.04 -0.31 0.28

Singapore -5.03 1.43 15.64

t-stat (χ2-

stat) -0.97 -0.30 0.95

t-stat (χ2-

stat) -3.94 2.27 19.85

p-value 0.13 0.72 0.63

p-value 0.00 0.01 0.00

Thailand -0.86 -0.99 4.59

USA -0.03 -0.09 0.98

t-stat (χ2-

stat) -2.97 -0.69 9.56

t-stat (χ2-

stat) -0.12 -0.74 2.09

p-value 0.00 0.77 0.01

p-value 0.47 0.76 0.37

Malaysia -1.10 0.16 7.09

China -1.11 -0.92 0.45

t-stat (χ2-

stat) -3.95 0.20 16.05

t-stat (χ2-

stat) -0.99 -0.65 1.09

p-value 0.00 0.45 0.00

p-value 0.13 0.88 0.65

US βi,b βi,d R2 (%)

Pooled, AB (2007) -0.20 -0.02 4.22

t-stat -2.37 -0.11 10.77

p-value 0.00 0.56 0.00

China βi,b βi,d R2 (%)

Pooled, AB (2007) -0.20 -0.02 4.22

t-stat -2.37 -0.11 10.77

p-value 0.00 0.57 0.00

Bảng 3M: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự

báo của Mỹ, 2008:02 đến 2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện thông qua ��𝑖,𝑏


𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑈𝑆𝐴,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑈𝑆𝐴,𝑡 + 𝜀𝑖,𝑡+1

Trong đó 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi thặng dư tính bằng đồng nội tệ theo tháng và

𝑏𝑖𝑙𝑙𝑈𝑆𝐴,𝑡(𝑑𝑦𝑈𝑆𝐴,𝑡) là lãi suất T-bill 3 tháng (giá trị log tỷ suất cổ tức) của Mỹ. Thống kê t

của ��𝑖,𝑏 (��𝑖,𝑑) được dùng để kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Giá trị bên dưới thống kê 𝑅2

trong cột thứ tư và thứ tám cho thấy thống kê 𝜒2 của phương sai không đồng nhất để

kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. Các ước lượng gộp áp đặt các giới hạn 𝛽𝑖,𝑏 =

��𝑏 và 𝛽𝑖,𝑑 = ��𝑑 cho tất cả các i. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu

được lấy từ MSCI và GFD.

OLS: USA predictors



VietNam -1.91 0.54 1.44

Phillipine -1.71 0.35 8.17

t-stat (χ2-

stat) -1.51 1.43 2.51

t-stat (χ2-

stat) -3.70 2.28 14.13

p-value 0.08 0.08 0.29

p-value 0.00 0.01 0.00

Indonesia -1.55 0.03 3.87

Singapore -1.59 0.35 7.23

t-stat (χ2-

stat) -1.67 0.09 7.00

t-stat (χ2-

stat) -3.63 2.10 15.38

p-value 0.07 0.43 0.04

p-value 0.00 0.02 0.00

Thailand -1.64 0.27 2.87

USA -0.03 -0.09 0.98

t-stat (χ2-

stat) -2.01 0.87 5.64

t-stat (χ2-

stat) -0.12 -0.74 2.09

p-value 0.03 0.18 0.06

p-value 0.44 0.77 0.37

Malaysia -1.58 0.28 8.96

Pooled -1.43 0.25 3.50

t-stat (χ2-

stat) -3.35 1.57 13.97

t-stat -3.64 1.65 16.92

p-value 0.00 0.06 0.00

p-value 0.00 0.05 0.00

Bảng 4M: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự

báo của Trung Quốc, 2008:02 đến 2013:06

Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện thông qua ��𝑖,𝑏


𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝐶𝐻𝐼,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝐶𝐻𝐼,𝑡 + 𝜀𝑖,𝑡+1


𝑏𝑖𝑙𝑙𝑈𝑆𝐴,𝑡(𝑑𝑦𝑈𝑆𝐴,𝑡) là lãi suất T-bill 3 tháng (giá trị log tỷ suất cổ tức) của Trung Quốc.

Thống kê t của ��𝑖,𝑏 (��𝑖,𝑑) được dùng để kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết

đối: 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Giá trị bên dưới thống kê

𝑅2 trong cột thứ tư và thứ tám cho thấy thống kê 𝜒2 của phương sai không đồng nhất để

kiểm định giả thuyết: 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. Các ước lượng gộp áp đặt các giới hạn 𝛽𝑖,𝑏 =

��𝑏 và 𝛽𝑖,𝑑 = ��𝑑 cho tất cả các i. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu

được lấy từ MSCI và GFD.




VietNam 0.45 0.60 0.08

Phillipine -0.45 0.54 1.09

t-stat (χ2-

stat) 0.26 0.39 0.17

t-stat (χ2-

stat) -0.77 1.03 2.15

p-value 0.57 0.50 0.93

p-value 0.18 0.39 0.44

Indonesia -1.92 -1.47 1.46

Singapore -0.79 -0.88 1.17

t-stat (χ2-

stat) -1.97 -1.21 4.26

t-stat (χ2-

stat) -1.66 -1.67 3.72

p-value 0.02 0.93 0.14

p-value 0.04 1.00 0.25

Thailand -1.37 -1.81 1.26

China -1.11 -0.92 0.45

t-stat (χ2-

stat) -1.36 -1.66 3.22

t-stat (χ2-

stat) -0.99 -0.65 1.09

p-value 0.07 0.97 0.24

p-value 0.12 0.87 0.64

Malaysia -1.34 -0.53 3.07

Pooled -0.93 -0.64 0.93

t-stat (χ2-

stat) -2.28 -0.89 5.28

t-stat -1.69 -0.99 3.06

p-value 0.01 0.90 0.10

p-value 0.04 0.96 0.28

Bảng 5M: Kết quả ước lượng mARM mô hình hồi quy dự báo tiêu chuẩn, 2008:02

đến 2013:06

Bảng dưới cho thấy các ước lượng lệch lạc giảm mARM theo bài nghiên cứu của

Amihud, Hurvich, và Wang (2009) của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện thông qua ��𝑖,𝑏𝑐 và ��𝑖,𝑑

𝑐 )

đối với mô hình hồi quy dự báo

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜀𝑖,𝑡+1


𝑏𝑖𝑙𝑙𝑖,𝑡(𝑑𝑦𝑖,𝑡) là lãi suất T-bill 3 tháng (giá trị log tỷ suất cổ tức) của quốc gia i. Các giá trị

thống kê t của ��𝑖,𝑏𝑐 (��𝑖,𝑑

𝑐 ) là để kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối:

𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Các giá trị bên dưới cho thấy

giá trị p-value mARM; 0.00 thể hiện <0.005. In đậm thể hiện mức ý nghĩa 10% hoặc tốt

hơn. Dữ liệu được lấy từ MSCI và GFD.

mARM



VietNam -0.05 0.73 -0.53 -23.41

Phillipine -0.20 -0.02 -2.52 0.35

t-stat (χ2-

stat) -0.46 0.89 -0.97 -3.60

t-stat (χ2-

stat) -3.09 -0.08 -4.27 0.41

p-value 0.32 0.19

p-value 0.00 0.53

Indonesia -0.04 -0.48 -0.06 -34.23

Singapore -4.99 1.49 4.76 0.49

t-stat (χ2-

stat) -0.57 -0.61 -1.00 -4.63

t-stat (χ2-

stat) -5.02 2.57 2.27 0.38

p-value 0.28 0.73

p-value 0.00 0.01

Thailand -0.60 -0.89 7.25 -47.32

USA -0.05 -0.09 -0.05 -0.15

t-stat (χ2-

stat) -2.40 -1.04 1.36 -5.78

t-stat (χ2-

stat) -0.18 -0.83 -0.03 -0.74

p-value 0.01 0.85

p-value 0.43 0.80

Malaysia -1.19 0.05 -5.47 -41.93

China -0.94 -1.52 -4.33 -47.85

t-stat (χ2-

stat) -5.02 0.07 -1.76 -5.64

t-stat (χ2-

stat) -0.94 -1.26 -1.09 -5.64

p-value 0.00 0.47

p-value 0.17 0.90

2.3. Mô hình khả năng dự đoán của tỷ suất sinh lợi quốc tế lấy trễ:

2.3.1. Kiểm định nhân quả Granger theo cặp:

Bảng 6M: Kết quả kiểm định quan hệ nhân quả Granger theo cặp, từ 2008:02 đến

2013:06

Bảng trình bày kết quả ước lượng OLS cho βi,j (được thể hiện bởi ��i,j) trong mô hình hồi

qui dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑖𝑟𝑖,𝑡 + 𝛽𝑖,𝑗𝑟𝑗,𝑡 + 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, 𝑖 ≠ 𝑗,

Với ri,t+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng đồng nội tệ và billi,t (dyi,t) là lãi

suất T-bill 3 tháng (lấy log tỷ suất cổ tức ) của quốc gia i. Thống kê t được sử dụng cho

kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑗 = 0 và giả thuyết đối HA : βi,j > 0. Dấu In đậm thể hiện mức

ý nghĩa 10% hoặc tốt hơn dựa trên giá trị p-values của chu trình wild bootstrap. Các ước

lượng “Pooled” áp đặt giới hạn βi,j = ��j cho tất cả i ≠j. Dữ liệu được lấy từ MSCI và GFD.

Pairwise (exclude last trading day where applicable)


VietNam 0.00 0.13 0.04 0.03 0.25 0.36 0.73 0.10

t-stat 0.00 1.38 0.46 0.17 1.65 1.98 3.03 1.14

p-value 0.00 0.11 0.34 0.44 0.05 0.03 0.00 0.15

R2 (%) 0.00 3.38 2.33 2.24 3.26 4.35 5.83 2.89

Indonesia 0.01 0.00 0.13 0.32 0.36 0.63 0.85 0.15

t-stat 0.27 0.00 1.23 1.73 2.38 3.40 3.60 1.68

p-value 0.42 0.00 0.13 0.05 0.01 0.00 0.00 0.05

R2 (%) 1.49 0.00 2.33 2.94 4.60 10.42 8.53 2.93

Thailand 0.01 0.16 0.00 0.05 0.26 0.43 0.822 0.143

t-stat 0.34 2.60 0.00 0.39 1.89 2.55 4.59 1.56

p-value 0.38 0.01 0.00 0.36 0.04 0.01 0.00 0.07

R2 (%) 5.63 7.52 0.00 5.65 7.62 10.23 13.52 7.39

Malaysia 0.02 0.03 -0.02 0.00 0.17 0.26 0.38 0.01

t-stat 0.60 0.88 -0.45 0.00 2.98 3.70 4.14 0.29

p-value 0.29 0.20 0.66 0.00 0.00 0.00 0.00 0.40

R2 (%) 7.36 7.42 7.29 0.00 10.26 13.27 13.41 7.25

Philip 0.02 0.04 0.03 0.03 0.00 0.04 -0.10 0.02

t-stat 0.94 1.74 0.84 0.57 0.00 0.53 -1.29 0.92

p-value 0.19 0.05 0.24 0.33 0.00 0.38 0.89 0.19

R2 (%) 33.43 33.88 33.44 33.25 0.00 33.28 33.57 33.39

Singapore -0.01 0.02 -0.01 0.00 -0.04 0.00 0.03 0.01

t-stat -0.59 0.57 -0.19 0.01 -0.96 0.00 0.33 0.21

p-value 0.71 0.32 0.58 0.49 0.81 0.00 0.37 0.43

R2 (%) 43.63 43.65 43.57 43.56 43.65 0.00 43.60 43.58

USA -0.02 0.02 0.01 0.06 0.05 0.08 0.00

t-stat -1.04 0.68 0.36 1.30 1.47 1.95 0.00

p-value 0.85 0.26 0.38 0.11 0.07 0.03 0.00

R2 (%) 2.65 2.47 2.22 2.91 2.70 3.51 0.00

China 0.00 0.06 0.00 0.19 0.45 0.71

0.00

t-stat -0.01 0.71 0.03 0.94 3.21 4.08

0.00

p-value 0.51 0.25 0.50 0.18 0.00 0.00

0.00

R2 (%) 0.99 1.23 0.99 1.45 5.58 10.89

0.00

Pooled (US) 0.01 0.07 0.03 0.06 0.24 0.35 0.45

t-stat 0.68 2.24 0.81 0.75 3.10 3.68 3.88

p-value 0.21 0.00 0.08 0.04 0.01 0.00 0.00

R2 (%) 1.43 4.31 2.64 1.93 3.49 5.62 4.93

Pooled

(China) 0.02 0.07 0.02 0.07 0.32 0.47

0.05

t-stat 0.61 1.85 0.62 0.66 3.41 4.15

1.49

p-value 0.23 0.00 0.11 0.07 0.00 0.00

0.01

R2 (%) 1.07 2.64 1.53 1.33 3.95 6.81

2.31

Bảng 7M: Kết quả kiểm định nhân quả Granger theo cặp kiểm soát các biến kinh tế

bổ sung, 2008:02-2013:06

Bảng cho thấy giá trị ước lượng OLS của 𝛽𝑖,𝑗 (được thể hiện bởi ��𝑖,𝑗) và thống kê 𝑅2 của

mô hình hồi quy dự báo

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + 𝛽𝑖,𝑖𝑟𝑖,𝑡 + 𝛽𝑖,𝑗𝑟𝑗,𝑡 + 𝛽𝑖,𝑓,1𝑓1,𝑖,𝑡 + 𝛽𝑖,𝑓,2𝑓2,𝑖,𝑡 + 𝜀𝑖,𝑡+1, 𝑖 ≠ 𝑗,

Trong đó 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi thặng dư tính bằng đồng nội tệ theo tháng; 𝑓1,𝑖,𝑡(𝑓2,𝑖,𝑡) là

thành phần chính đầu tiên (thứ hai) được trích ra từ lãi suất T-bill ba tháng, giá trị log tỷ

suất cổ tức, chênh lệch giữa lãi suất ngắn hạn và dài hạn, tỷ lệ lạm phát, tỷ lệ gia tăng tỷ

giá hối đoái thực, và tốc độ tăng trưởng sản lượng công nghiệp thực của quốc gia i. Giá

trị thống kê t để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑗 = 0 và giả thuyết đối: 𝐻𝐴: 𝛽𝑖,𝑗 > 0. Giá

trị bên dưới thống kê t thể hiện giá trị p-value wild bootstrap; 0.00 thể hiện <0.005.

Thống kê 𝑅2 được thể hiện bên dưới giá trị p-value. In đậm thể hiện mức ý nghĩa 10%

hoặc tốt hơn. Các giá trị ước lượng “Pooled” áp đặt các hạn chế như 𝛽𝑖,𝑗 = ��𝑗 cho tất cả

𝑖 ≠ 𝑗. Dữ liệu được lấy từ MSCI và GFD

US Pairwise (exclude last trading day where applicable),

controlling for additional economic variables


VietNam 0.00 0.13 0.05 0.01 0.23 0.35 0.71 0.10

t-stat 0.00 1.36 0.48 0.05 1.56 1.96 2.91 1.12

p-value 0.00 0.10 0.33 0.48 0.07 0.03 0.00 0.16

R2 (%) 0.00 4.16 3.16 3.06 3.97 5.09 6.35 3.69

Indonesia 0.01 0.00 0.12 0.30 0.35 0.63 0.87 0.15

t-stat 0.21 0.00 1.26 1.66 2.37 3.39 3.68 1.74

p-value 0.42 0.00 0.11 0.06 0.01 0.00 0.00 0.06

R2 (%) 2.01 0.00 2.83 3.34 5.07 10.69 9.37 3.55

Thailand 0.02 0.16 0.00 0.06 0.30 0.46 0.803 0.137

t-stat 0.44 2.72 0.00 0.40 2.07 2.60 4.29 1.50

p-value 0.35 0.00 0.00 0.37 0.03 0.01 0.00 0.09

R2 (%) 3.55 5.61 0.00 3.54 6.09 8.80 10.95 5.13

Malaysia 0.02 0.04 -0.02 0.00 0.18 0.27 0.38 0.01

t-stat 0.79 1.03 -0.34 0.00 3.01 3.75 3.95 0.28

p-value 0.24 0.17 0.62 0.00 0.00 0.00 0.00 0.41

R2 (%) 6.03 6.08 5.80 0.00 9.21 12.55 11.61 5.79

Philip 0.02 0.04 0.03 0.02 0.00 0.05 -0.10 0.02

t-stat 0.83 1.67 0.78 0.43 0.00 0.63 -1.31 0.90

p-value 0.24 0.06 0.24 0.32 0.00 0.29 0.91 0.20

R2 (%) 33.77 34.18 33.77 33.61 0.00 33.70 33.97 33.76

Singapore -0.01 0.02 -0.01 0.00 -0.08 0.00 -0.01 0.01

t-stat -0.40 0.58 -0.22 0.05 -1.83 0.00 -0.09 0.47

p-value 0.66 0.32 0.57 0.50 0.96 0.00 0.56 0.35

R2 (%) 43.75 43.80 43.73 43.72 44.03 0.00 43.72 43.79

USA -0.02 0.02 0.01 0.06 0.05 0.09 0.00

t-stat -1.04 0.78 0.40 1.24 1.40 1.97 0.00

p-value 0.82 0.23 0.34 0.10 0.09 0.03 0.00

R2 (%) 3.67 3.57 3.27 3.93 3.73 4.82 0.00

China 0.02 0.07 0.03 0.07 0.25 0.35 0.45 0.00

t-stat 0.76 2.53 0.84 0.80 3.12 3.80 3.88 0.00

p-value 0.20 0.00 0.08 0.03 0.01 0.00 0.00 0.00

R2 (%) 0.78 3.97 2.42 1.71 3.35 5.75 4.70 0.00

Pooled (Us) 0.02 0.07 0.03 0.07 0.25 0.35 0.45

t-stat 0.76 2.53 0.84 0.80 3.12 3.80 3.88

p-value 0.20 0.00 0.08 0.03 0.01 0.00 0.00

R2 (%) 0.78 3.97 2.42 1.71 3.35 5.75 4.70

Pooled

(China) 0.02 0.07 0.02 0.07 0.32 0.46

0.05

t-stat 0.67 2.04 0.61 0.71 3.49 4.01

1.60

p-value 0.20 0.00 0.09 0.02 0.00 0.00

0.01

R2 (%) 0.74 2.36 1.49 1.12 3.87 6.96

2.10

2.3.2. Mô hình tổng quát:

Bảng 8M: Kết quả ước lượng cho mô hình hồi quy gộp, từ 2008:02 đến 2013:06

Bảng 8M trình bày kết quả các giá trị ước lượng OLS gộp của ��i,j (được kí hiệu ��𝑗 ) trong

mô hình hồi qui dự báo:

𝑟𝑖,𝑡+1 = 𝛽𝑖,0 + ��𝐴𝑅𝑟𝑖,𝑡 + ∑ ��𝑗𝑟𝑗,𝑡𝑗≠𝑖 + ��𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + ��𝑑𝑑𝑦𝑖,𝑡 + 𝜖𝑖,𝑡+1, i=1…..N

Với ri,t+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng đồng nội tệ và billi,t (dyi,t) là lãi

suất T-bill 3 tháng (lấy log tỷ suất cổ tức) của quốc gia i. Sai số hiệu chỉnh theo chu trình

wild bootstrap với khoảng tin cậy 90% được trình bày bên dưới. Dấu In đậm thể hiện

mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu được lấy từ MSCI và GFD.

General model

US βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,usa

Pooled 0.00 0.06 -0.04 -0.03 0.06 0.27 0.42

t-stat -0.03 0.01 -0.09 -0.13 -0.02 0.13 0.26

p-value 0.03 0.11 0.01 0.07 0.15 0.41 0.57

China βi,vn βi,indo βi,thailand βi,malay βi,phillip βi,sgp βi,china

Pooled -0.01 0.05 -0.04 -0.05 0.12 0.37 0.04

t-stat -0.05 -0.01 -0.12 -0.21 0.02 0.19 -0.04

p-value 0.04 0.11 0.03 0.10 0.22 0.55 0.11

2.4. Mô hình khuếch tán thông tin:

Bảng 9M: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin trường

hợp Mỹ, từ 2008:02 đến 2013:06

Bảng 9M trình bày ước lượng tham số GMM hai bước của mô hình khuếch tán thông tin:

𝑟𝑈𝑆𝐴,𝑡+1 = 𝑥′𝑈𝑆𝐴,𝑡𝛽𝑈𝑆𝐴 + 𝑢𝑈𝑆𝐴,𝑡+1,

𝑟𝑖,𝑡+1 = 𝑥′𝑖,𝑡𝛽𝑖 + 𝜃𝑖,𝑈𝑆𝐴𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡+1 + (1 − 𝜃𝑖,𝑈𝑆𝐴)𝜆𝑖,𝑈𝑆𝐴𝑢𝑈𝑆𝐴,𝑡 + 𝑢𝑖,𝑡+1,

Trong đó 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng đồng nội tệ, 𝑥𝑖,𝑡 =

(1, 𝑏𝑖𝑙𝑙𝑖,𝑡, 𝑑𝑦𝑖,𝑡)′, 𝛽𝑖 = (𝛽𝑖,0, 𝛽𝑖,𝑏, 𝛽𝑖,𝑑)′, và 𝑏𝑖𝑙𝑙𝑖,𝑡 (𝑑𝑦𝑖,𝑡) là lãi suất tín phiếu kho bạc 3

tháng (lấy log tỷ suất cổ tức) của quốc gia i. Ước lượng GMM thể hiện một tập hợp điều

kiện trực giao được hàm ý trong mô hình khuếch tán thông tin. Thống kê t của 𝛽𝑖,𝑏 (𝛽𝑖,𝑑)

để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (giả thuyết

𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Thống kê t của 𝜃𝑖,𝑈𝑆𝐴 (��𝑖,𝑈𝑆𝐴) là để kiểm

định giả thuyết 𝐻0: 𝜃𝑖,𝑈𝑆𝐴 = 1 và giả thuyết đối 𝐻𝐴: 𝜃𝑖,𝑈𝑆𝐴 < 1 (giả thuyết 𝐻0: 𝜆𝑖,𝑈𝑆𝐴 = 0

và giả thuyết đối 𝐻𝐴: 𝜆𝑖,𝑈𝑆𝐴 > 0). Giá trị ước lượng 𝛽𝑖,𝑈𝑆𝐴 được tính như sau 𝛽𝑖,𝑈𝑆𝐴 =

(1 − 𝜃𝑖,𝑈𝑆𝐴 )��𝑖,𝑈𝑆𝐴. Thống kê t của 𝛽𝑖,𝑈𝑆𝐴 là để kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑈𝑆𝐴 = 0 và giả

thuyết đối 𝐻𝐴: 𝛽𝑖,𝑈𝑆𝐴 > 0. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Giá trị ước

lượng “Pooled” áp đặt các giới hạn đồng nhất như sau: 𝛽𝑖,𝑏 = ��𝑏, 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i,

𝜃𝑖,𝑈𝑆𝐴 = ��𝑈𝑆𝐴, 𝜆𝑖,𝑈𝑆𝐴 = 𝜆𝑈𝑆𝐴 cho tất cả 𝑖 ≠ 𝑈𝑆𝐴. Dữ liệu lấy từ MSCI và GFD

USA - Sea

Country (i) βi,b βi,d λi,USA θi,USA βi,USA

VietNam -0.09 0.87 0.72 0.06 0.68

t-stat -0.94 0.90 1.86 -3.07 2.56

p-value 0.17 0.18 0.03 0.00 0.01

Indo -0.03 -0.50 1.08 0.33 0.73

t-stat -0.71 -0.48 2.62 -4.80 2.71

p-value 0.24 0.68 0.00 0.00 0.00

Thailand -0.95 -1.15 1.46 0.44 0.81

t-stat -3.13 -0.85 4.68 -7.42 4.36

p-value 0.00 0.80 0.00 0.00 0.00

Malay -1.03 -0.15 0.47 0.16 0.39

t-stat -3.62 -0.19 3.16 -5.04 3.98

p-value 0.00 0.57 0.00 0.00 0.00

Philip -0.18 -0.05 0.23 0.92 0.02

t-stat -2.00 -0.21 1.33 -0.17 0.15

p-value 0.02 0.58 0.09 0.43 0.44

Singapore -5.53 1.79 0.29 0.42 0.17

t-stat -4.01 2.66 1.63 -2.78 1.37

p-value 0.00 0.00 0.05 0.00 0.09

Pooled -0.05 -0.11 0.44 0.27 0.33

t-stat -2.05 -1.91 3.51 -7.79 3.82

p-value 0.02 0.97 0.00 0.00 0.00

Bảng 10M: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin trường

hợp Trung Quốc, từ 2007:06 đến 2013:06

Bảng 10M trình bày ước lượng tham số GMM hai bước của mô hình khuếch tán thông

tin:

𝑟𝐶𝐻𝐼,𝑡+1 = 𝑥′𝐶𝐻𝐼,𝑡𝛽𝐶𝐻𝐼 + 𝑢𝐶𝐻𝐼,𝑡+1,

𝑟𝑖,𝑡+1 = 𝑥′𝑖,𝑡𝛽𝑖 + 𝜃𝑖,𝐶𝐻𝐼𝜆𝑖,𝐶𝐻𝐼𝑢𝐶𝐻𝐼,𝑡+1 + (1 − 𝜃𝑖,𝐶𝐻𝐼)𝜆𝑖,𝐶𝐻𝐼𝑢𝐶𝐻𝐼,𝑡 + 𝑢𝑖,𝑡+1,

Trong đó 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng đồng nội tệ, 𝑥𝑖,𝑡 =

(1, 𝑏𝑖𝑙𝑙𝑖,𝑡, 𝑑𝑦𝑖,𝑡)′, 𝛽𝑖 = (𝛽𝑖,0, 𝛽𝑖,𝑏, 𝛽𝑖,𝑑)′, và 𝑏𝑖𝑙𝑙𝑖,𝑡 (𝑑𝑦𝑖,𝑡) là lãi suất tín phiếu kho bạc 3

tháng (lấy log tỷ suất cổ tức) của quốc gia i. Ước lượng GMM thể hiện một tập hợp điều

kiện trực giao được hàm ý trong mô hình khuếch tán thông tin. Thống kê t của 𝛽𝑖,𝑏 (𝛽𝑖,𝑑)

để kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (giả thuyết

𝐻0: 𝛽𝑖,𝑑 = 0 và giả thuyết đối 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Thống kê t của 𝜃𝑖,𝐶𝐻𝐼 (��𝑖,𝐶𝐻𝐼) là để kiểm định

giả thuyết 𝐻0: 𝜃𝑖,𝐶𝐻𝐼 = 1 và giả thuyết đối 𝐻𝐴: 𝜃𝑖,𝐶𝐻𝐼 < 1 (giả thuyết 𝐻0: 𝜆𝑖,𝐶𝐻𝐼 = 0 và giả

thuyết đối 𝐻𝐴: 𝜆𝑖,𝐶𝐻𝐼 > 0 ). Giá trị ước lượng 𝛽𝑖,𝐶𝐻𝐼 được tính như sau 𝛽𝑖,𝐶𝐻𝐼 = (1 −

𝜃𝑖,𝐶𝐻𝐼 )��𝑖,𝐶𝐻𝐼. Thống kê t của 𝛽𝑖,𝐶𝐻𝐼 là để kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝐶𝐻𝐼 = 0 và giả thuyết

đối 𝐻𝐴: 𝛽𝑖,𝐶𝐻𝐼 > 0. In đậm thể hiện mức ý nghĩa 10% hoặc tốt hơn. Giá trị ước lượng

“Pooled” áp đặt các giới hạn đồng nhất như sau: 𝛽𝑖,𝑏 = ��𝑏, 𝛽𝑖,𝑑 = ��𝑑 cho tất cả i, 𝜃𝑖,𝐶𝐻𝐼 =

��𝑈𝑆𝐴, 𝜆𝑖,𝐶𝐻𝐼 = 𝜆𝐶𝐻𝐼 cho tất cả 𝑖 ≠ 𝐶𝐻𝐼. Dữ liệu lấy từ MSCI và GFD

China - Sea

Country (i) βi,b βi,d λi,china θi,china βi,china

VietNam -0.01 0.59 0.54 0.70 0.16

t-stat -0.13 0.62 5.00 -3.00 2.11

p-value 0.45 0.27 0.00 0.00 0.02

Indo -0.07 -0.85 0.44 1.10 -0.04

t-stat -2.24 -1.13 4.61 0.54 -0.60

p-value 0.01 0.87 0.00 0.71 0.73

Thailand -0.61 -2.12 0.36 1.06 -0.02

t-stat -2.61 -1.82 3.84 0.30 -0.32

p-value 0.00 0.97 0.00 0.62 0.63

Malay -1.84 -2.75 0.00 -252.49 -0.19

t-stat -2.75 -1.40 -4.98 -1584144.98 -4.98

p-value 0.00 0.92 1.00 0.00 1.00

Philip -0.16 -0.15 0.04 -0.14 0.04

t-stat -1.88 -0.59 0.81 -1.19 1.53

p-value 0.03 0.72 0.21 0.12 0.06

Singapore -14.15 6.29 0.00 -90.65 -0.06

t-stat -1.65 1.52 -1.50 -31036.45 -1.50

p-value 0.05 0.06 0.93 0.00 0.93

Pooled -0.11 0.13 0.35 0.80 0.07

t-stat -3.66 0.74 10.66 -3.76 2.93

p-value 0.00 0.23 0.00 0.00 0.00

2.5. Mô hình dự báo ngoài mẫu:

Bảng 11M: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Mỹ, từ

2008:02 đến 2013:06

Bảng dưới đây cho thấy thống kế R2 ngoài mẫu R2, ROS2 (tính theo phần trăm). Mô hình

dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ: ri,t+1 = βi,0 + єi,t+1 (ri,t+1 = βi,0 + βi,USA rUSA,t +

єi,t+1), trong đó ri,t+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng nội tệ của quốc gia i.

Cột thứ 5,6,7 cho thấy kết quả khi các giới hạn gộp, βi,USA = βUSD với tất cả i = USA,

được áp dụng đối với các mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Mỹ. Các giá

trị bên dưới thống kê R2OS cho thấy giá trị MSFE thống kê đã được điều chỉnh theo

Clark and West (2007) để kiểm định giả thuyết H0: R2OS = 0 và giả thuyết đối

𝐻𝐴: R2OS > 0. Dấu “In đậm” cho thấy mức ý nghĩa 10% hoặc tốt hơn. Dữ liệu lấy từ

MSCI và GFD.

USA

Country

(i)

USA vs

HA

USA vs

AR

USA vs

bench

PR

USA vs

HA,

pooled

USA vs

AR,

pooled

USA vs

bench

PR,

pooled

Vietnam 0.89 0.89 0.20 1.89 2.24 10.27

MSFE-

adj 1.94 2.03 1.71 1.99 2.55 1.50

p-value 0.03 0.02 0.04 0.02 0.01 0.07

Indo 1.49 1.16 1.71 2.74 -2.79 4.18

MSFE-

adj 1.67 1.66 1.79 1.66 0.30 0.28

p-value 0.05 0.05 0.04 0.05 0.38 0.39

Thailand 0.50 0.30 -0.72 2.41 2.61 1.21

MSFE-

adj 2.26 2.20 2.12 2.31 1.64 1.24

p-value 0.01 0.01 0.02 0.01 0.05 0.11

Malay 0.07 0.58 1.12 -2.14 0.30 -8.86

MSFE-

adj 1.79 1.85 2.42 1.90 2.38 0.54

p-value 0.04 0.03 0.01 0.03 0.01 0.30

Phil -0.52 -0.20 -0.80 -9.66 -48.00 -8.11

MSFE-

adj -0.62 0.40 -1.39 -0.15 1.67 -0.36

p-value 0.73 0.34 0.92 0.56 0.05 0.64

Singapo -1.06 -0.99 -0.73 -6.98 -44.59 -18.68

MSFE-

adj -0.18 -2.50 0.00 0.32 2.52 -0.87

p-value 0.57 0.99 0.50 0.38 0.01 0.81

Bảng 12M: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Trung Quốc,

từ 2008:02 đến 2013:06

Bảng dưới đây cho thấy thống kế R2 ngoài mẫu R2, ROS2 (tính theo phần trăm). Mô hình

dự báo dựa trên tỷ suất sinh lợi lấy trễ của Trung Quốc: ri,t+1 = βi,0 + єi,t+1 (ri,t+1 = βi,0 + βi,CHI

rCHI,t + єi,t+1), trong đó ri,t+1 là tỷ suất sinh lợi thặng dư theo tháng tính bằng nội tệ của

quốc gia i. Cột thứ 5,6,7 cho thấy kết quả khi các giới hạn gộp, βi,CHI = βCHI với tất cả i =

CHI, được áp dụng đối với các mô hình dự báo dựa trên tỷ suất sinh lợi lấy trễ của Trung

Quốc. Các giá trị bên dưới thống kê R2OS cho thấy giá trị MSFE thống kê đã được điều

chỉnh theo Clark and West (2007) để kiểm định giả thuyết H0: R2OS = 0 và giả

thuyết đối 𝐻𝐴: R2OS > 0. Dấu “In đậm” cho thấy mức ý nghĩa 10% hoặc tốt hơn. Dữ

liệu lấy từ MSCI và GFD.

China

Country

(i)

China vs

HA

China vs

AR

China vs

bench

PR

China vs

HA,

pooled

China vs

AR,

pooled

China vs

bench

PR,

pooled

Vietnam 1.21 0.46 0.68 1.30 1.06 9.72

MSFE-adj 1.33 0.87 1.08 1.44 1.47 1.21

p-value 0.09 0.19 0.14 0.08 0.07 0.11

Indo -1.07 -0.02 -0.85 -1.46 -6.21 0.08

MSFE-adj -0.62 0.84 -0.38 -0.34 -1.40 -2.52

p-value 0.73 0.20 0.65 0.63 0.92 0.99

Thailand -0.30 -0.89 -0.38 -0.08 0.55 -1.63

MSFE-adj 0.52 0.45 -0.05 0.62 0.13 -1.28

p-value 0.30 0.33 0.52 0.27 0.45 0.90

Malay -0.62 -0.78 -0.49 -1.21 -0.12 -8.44

MSFE-adj 0.44 -1.01 -0.19 0.88 1.12 -1.53

p-value 0.33 0.84 0.58 0.19 0.13 0.94

Phil 1.08 -0.25 0.76 0.68 -35.25 3.70

MSFE-adj 1.62 0.01 1.61 1.62 4.06 0.01

p-value 0.05 0.49 0.05 0.05 0.00 0.50

Singapo 1.44 -1.01 0.39 2.27 -34.74 -11.37

MSFE-adj 1.85 -1.15 1.35 1.89 4.27 -1.69

p-value 0.03 0.88 0.09 0.03 0.00 0.95

Mã số: 107dulieu.tailieuhoctap.vn/books/luan-van-de-tai/luan-van...Trang v DANH MỤC BẢNG...

Documents

Transcript of Mã số: 107dulieu.tailieuhoctap.vn/books/luan-van-de-tai/luan-van...Trang v DANH MỤC BẢNG...