Nhận thấy chỉ trừ cổ phiếu GMD và TMS, 20 cổ phiếu còn lại đều có tỷ lệ lượng giảm tuyệt đối giữa 2 thời kỳ từ 80% trở lên. Điều đó có nghĩa là việc tăng thời kỳ ước lượng từ 1 năm lên 3 năm đã chiếm được hơn 80% lượng giảm xuống tuyệt đối khi tăng thời kỳ ước lượng từ 1 năm lên 4 năm. Kết quả này cho phép chúng ta có thể kết luận là với thời kỳ ước lượng 3 năm sẽ cho hệ số bêta ước lượng tương đối chính xác.
Riêng với cổ phiếu TMS, tăng thời kỳ ước lượng từ 1 năm lên 4 năm đã làm tăng sai số tiêu chuẩn của hệ số bêta so với thời kỳ ước lượng là 3 năm, tức là độ chính xác của hệ số bêta ước lượng đã bị giảm đi. Điều này có nghĩa là với cổ phiếu TMS, thời kỳ ước lượng là 3 năm đã cho một hệ số bêta tương đối chính xác.
Tỷ lệ lượng giảm tuyệt đối sai số tiêu chuẩn của hệ số bêta khi tăng thời kỳ ước lượng từ 1 năm lên 3 năm của thị trường chứng khoán Việt Nam nhỏ hơn nhiều so với thị trường chứng khoán Hoa Kỳ. Điều này hoàn toàn dễ hiểu vì thị trường chứng khoán Hoa Kỳ đã phát triển qua hàng trăm năm nên độ ổn định của các cổ phiếu sẽ cao hơn rất nhiều so với một thị trường chứng khoán non trẻ như của Việt Nam với chỉ hơn 7 năm hình thành và đang trên đường phát triển. Hơn nữa, sự “bùng nổ” của thị trường chứng khoán Việt Nam và hiện tượng giá “bong bóng” do tâm lý của các nhà đầu tư đã ảnh hưởng nhiều tới giá cổ phiếu làm cho các sai số ước lượng tương đối cao. Vì vậy khi xem xét ước lượng hệ số bêta của các cổ phiếu cần phải xem xét các yếu tố khác về công ty để có thể lựa chọn được thời kỳ ước lượng phù hợp.
86 trang |
Chia sẻ: aloso | Lượt xem: 1705 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Chuyên đề Mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng khi ước lượng rủi ro - Ứng dụng trên thị trường chứng khoán Việt Nam, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ư vào tài sản rủi ro i là: wk*ti (i = , k = )
Vk : là giá trị thị trường của tất cả tài sản của nhà đầu tư k.
Vki : là giá trị thị trường của tài sản i do nhà đầu tư k nắm giữ.
Vki = wi * ti * Vk i = , k =
Mức cung tài sản trên thị trường: Vi
Mức cầu tài sản trên thị trường:
à Cân bằng thị trường: V= i=
Lập luận tương tự đối với tài sản phi rủi ro: V=
Mặt khác ta có:
à M ≡ T
Danh mục thị trường trùng với danh mục tiếp tuyến là danh mục hiệu quả à M là danh mục hiệu quả.
+ Tại Pk đầu tư một phần vào danh mục tài sản phi rủi ro P, đầu tư một phần vào danh mục T.
+ Tại Qk nhà đầu tư đi vay thêm để đầu tư.
E(Ri)
(Ri)
T
Qk
Pk
L
L
L
F=Rf
Như vậy trong điều kiện mọi cá nhân đều đầu tư phần nào của cải của họ vào danh mục hiệu quả thì danh mục thị trường phải hiệu quả, vì thứ nhất thị trường đơn giản là tổng của các danh mục cá nhân và thứ hai mọi danh mục cá nhân đều hiệu quả.
Đường thị trường vốn (CML)
Đường thị trường vốn (CML) được minh hoạ qua đồ thị như sau:
Trong đó: E(Ri): lợi suất kỳ vọng của cố phiếu i
Rf : lợi suất phi rủi ro trên thị trường
E(RM): lợi suất kỳ vọng của thị trường
σ(RM): rủi ro của thị trường
σ(Ri): rủi ro của tài sản i
Đồ thị của đường thị trường vốn
E(Ri)
E(RM)
Rf
M
CML
(Ri)
(RM)
Hệ số góc là tỷ lệ đánh đổi giữa lợi suất của danh mục và rủi ro của danh mục còn gọi là giá của rủi ro. Nghĩa là khi mức độ rủi ro tăng lên 1% thì nhà đầu tư đòi hỏi gia tăng trong lợi suất kỳ vọng là %.
Đường thị trường chứng khoán (SML) - Biểu diễn hình học của mô hình CAPM
Đồ thị của đường thị trường chứng khoán
E(Ri)
E(Rm)
Rf
M
SML
Trong điều kiện cân bằng thị trường, nếu danh mục là danh mục hiệu quả thì danh mục đó phải được định giá sao cho danh mục P nằm trên thị trường vốn.
Q là danh mục bất kỳ, ta có:
: chênh lệch lợi suất của danh mục Q
: chênh lệch lợi suất của danh mục thị trường
: lợi suất của tài sản phi rủi ro
Với tài sản i ta có:
Ký hiệu:
Mô hình định giá tài sản vốn (CAPM):
Hay:
: lợi suất mong muốn của nhà đầu tư khi đầu tư vào tài sản i
: phần bù cho việc nhà đầu tư chọn tài sản i để đầu tư
Nhận xét:
SML được coi là một tiêu chí chuẩn mực để đánh giá một phương án đầu tư. Với việc chấp nhận một mức độ rủi ro nhất định đối với một phương án đầu tư, SML cho chúng ta biết lợi nhuận thu được của phương án đầu tư đó là bao nhiêu mới có thể bù đắp được rủi ro mà các nhà đầu tư phải gánh chịu.
Xuất phát từ đường SML, tất cả các chứng khoán nếu được định giá chính xác nhất phải nhất thiết nằm trên đường SML. Với những điểm nằm phía dưới hoặc phía trên đường SML đều biểu hiện tình trạng giá không phản ứng đúng với giá trị cân bằng trên thị trường. Nếu là điểm nằm phía trên đường SML thì chứng khoán đó được định giá thấp hơn giá trị thực của chúng. Trong trường hợp này các nhà đầu tư nên mua loại chứng khoán này. Ngược lại, nếu điểm đó nằm phía dưới đường SML thì không nên mua loại chứng khoán đó vì giá của chúng cao hơn giá trị thực.
Mối quan hệ giữa CML và SML
Nếu P là danh mục hiệu quả ta có phương trình:
: lợi suất trung bình của danh mục P
: độ dao động của lợi suất của danh mục P
: phần bù rủi ro của danh mục thị trường
Một danh mục Q hoặc một tài sản i bất kỳ đều có giá ở trên thị trường và giá của chúng được xác định theo phương trình sau:
: lợi suất trung bình của danh mục Q
: lợi suất trung bình của tài sản i
;
đo lường độ rủi ro của tài sản i hoặc danh mục Q
CML SML
M
1
Danh mục hiệu quả:
Danh mục phi hiệu quả:
Đối với tài sản hoặc danh mục dù là hiệu quả hoặc không hiệu quả được mua bán trên thị trường nên đều có giá của nó. Để xác định được ta tính lợi suất của danh mục hoặc tài sản, nếu ta sử dụng mô hình CAPM ta có thể xác định được vị trí tương đối của nó trên đường SML.
Các đặc tính của CAPM
3.1. Phương trình biểu diễn CAPM
Trong đó: E(Ri): lợi suất kỳ vọng của cổ phiếu i
Rf : lợi suất phi rủi ro trên thị trường
E(RM): lợi suất kỳ vọng của thị trường
: thước đo về mức độ rủi ro của tài sản
Dạng ngẫu nhiên của mô hình:
Với: E(εi) = 0 ; Cov(RM,εi) = 0
3.2. Các đặc tính
CAPM có một số đặc tính quan trọng. Thứ nhất, trong cân bằng mọi tài sản phải được định giá sao cho doanh lợi kỳ vọng đã điều chỉnh rủi ro của nó nằm chính xác trên đường thị trường chứng khoán (SML). Nhà đầu tư luôn có thể đa dạng hoá mọi rủi ro ngoại trừ hiệp phương sai của một tài sản với danh mục thị trường mà thôi. Nói cách khác, họ có thể đa dạng hoá mọi rủi ro trừ rủi ro tổng thể nền kinh tế vốn không thể tránh khỏi (không thể đa dạng hóa được). Hệ quả là rủi ro duy nhất nhà đầu tư phải trả một phần bù để tránh đi là rủi ro hiệp phương sai. Tổng rủi ro hệ thống là kết quả phép đo hiệp phương sai tài sản đó với nền kinh tế, và rủi ro phi hệ thống vốn độc lập với nền kinh tế.
Vấn đề đặt ra ở đây là ta không thể so sánh phương sai của một tài sản đơn lẻ với phương sai của một danh mục đầu tư được đa dạng hoá tốt. Phương sai của danh mục đầu tư sẽ gần như luôn nhỏ hơn. Phép đo chính xác cho một tài sản đơn lẻ là hệ số bêta, là hiệp phương sai của nó với thị trường chia cho phương sai của thị trường.
Một tính chất quan trọng khác của CAPM là phép đo rủi ro cho một tài sản đơn lẻ là cộng tuyến tính khi tài sản được đưa vào danh mục đầu tư. Ví dụ nếu ta đưa a% của cải của ta vào tài sản X với rủi ro hệ thống βX và b% vào tài sản Y với rủi ro hệ thống βY thì β của danh mục đầu tư tạo lên đơn giản là trung bình gia quyền của β các tài sản:
Phương sai của doanh lợi một danh mục đầu tư là:
Có thể viết lại là:
Ta hiểu wiCov(Ri,RP) chính là rủi ro chứng khoán i trong danh mục P. Tuy nhiên, sự thay đổi biên của đóng góp của tài sản i và rủi ro của danh mục đầu tư đơn giản là Cov(Ri,Rj). Do vậy, hiệp phương sai là định nghĩa đúng đắn về rủi ro vì nó đo lường sự thay đổi trong rủi ro danh mục đầu tư khi ta thay đổi trọng số của một số tài sản trong danh mục đầu tư.
Mặc dù việc sử dụng rủi ro hệ thống và rủi ro không thể đa dạng hoá có cùng nghĩa như rủi ro hiệp phương sai, chúng có đôi chút khác nhau. Chúng đều bắt nguồn từ việc có thể đa dạng hoá mà không mất chi phí và sự tồn tại của một danh mục thị trường lớn. Định nghĩa về rủi ro hiệp phương sai thì lại không phải vậy. Nó tiếp tục có nghĩa ngay cả khi khái niệm về danh mục thị trường chỉ chứa một tài sản mà thôi.
Ứng dụng của mô hình CAPM
4.1. Phân tích rủi ro của tài sản, danh mục
Ta có mô hình hồi quy đơn:
Trong đó:
: tổng rủi ro
: rủi ro hệ thống của tài sản i (rủi ro thị trường)
: rủi ro riêng (rủi ro phi hệ thống)
Đối với tài sản hoặc danh mục đầu tư có rủi ro riêng ta có thể giảm bớt bằng cách đa dạng hoá.
4.2. Tính hệ số α của tài sản, danh mục
RACT: lợi suất thực hiện khi nắm giữ tài sản hoặc danh mục tương ứng sau một chu kỳ đầu tư.
Sự chênh lệch giữa lý thuyết và thực tế:
Nhận xét:
Nếu hệ số = 0 thì tài sản hoặc danh mục được định giá đúng theo mô hình CAPM.
Nếu hệ số > 0 thì tài sản hoặc danh mục được định giá thấp theo mô hình CAPM à nhà tư vấn khuyên khách hàng nên mua.
Nếu hệ số < 0 thì tài sản hoặc danh mục được định giá cao theo mô hình CAPM à nhà tư vấn khuyên khách hàng nên bán.
Kết luận:
Mô hình định giá tài sản tài chính CAPM là một học thuyết kinh tế mô tả mối quan hệ giữa rủi ro và lợi nhuận kỳ vọng. Nói một cách khác, đây là mô hình định giá cho những chứng khoán có nguy cơ rủi ro. CAPM cho rằng rủi ro hệ thống là mối quan tâm đối với các nhà đầu tư vì chúng không thể loại bỏ được bằng biện pháp đa dạng hoá danh mục đầu tư. Đặc biệt CAPM cho biết lợi suất ước tính của một chứng khoán hoặc một danh mục đầu tư được xác định bằng lợi suất của chứng khoán không rủi ro cộng với một phụ phí bù đắp rủi ro. Trong mô hình CAPM, phụ phí rủi ro được xác định bằng cách nhân mức độ rủi ro β với giá thị trường của chứng khoán đó (E(RM) – Rf). Phụ phí này được gọi là “phần bù rủi ro”.
Một đóng góp cụ thể hơn nữa của mô hình là hệ số đo lường bêta (β). Mặc dù mô hình CAPM chưa mô tả hoàn toàn chính xác nhưng có thể nói rằng hệ số bêta là một thành phần mô tả rõ ràng về rủi ro của một tài sản và là một yếu tố quyết định quan trọng của lợi suất kỳ vọng.
III. Mô hình chỉ số đơn (SIM)
Giới thiệu
Mô hình chỉ số đơn hay còn gọi là mô hình chỉ số thị trường được W.Sharpe đưa ra nhằm tính toán hệ số bêta của các tài sản tài chính dựa trên mối quan hệ của chúng với chỉ số thị trường. Mô hình chỉ số (Single Index Model) của một thị trường phân loại các nguồn gốc rủi ro thành các nhân tố hệ thống (vĩ mô) và các nhân tố riêng (vi mô). Mô hình chỉ số giả thiết rằng các nhân tố vĩ mô có thể được đại diện bằng chỉ số thị trường. Mô hình này tuy giảm được công việc tính toán đầu vào trong quy trình lựa chọn chứng khoán vào danh mục đầu tư theo mô hình Markowitz, góp phần chuyên môn hoá lao động trong phân tích chứng khoán. Mô hình chỉ số được tính toán bằng cách áp dụng phân tích hồi quy đối với chênh lệch lợi tức của một chứng khoán với lợi tức của thị trường. Hệ số hồi quy của phép hồi quy này chính là hệ số bêta (β) của một tài sản trong khi số hạng tự do là chỉ số alpha (α) của chứng khoán. Đường hồi quy tính được còn được gọi là “đường đặc trưng chứng khoán” (Security Characteristic Line). Hệ số bêta của hồi quy tương ứng với hệ số bêta của mô hình CAPM, chỉ khác là trường hợp hồi quy sử dụng lợi tức thực sự còn CAPM sử dụng lợi tức kỳ vọng. Mô hình CAPM cũng coi tổng hệ số alpha của các chứng khoán tính được qua mô hình chỉ số đơn bằng 0.
Mô hình chỉ số đơn (SIM)
Các giả thiết của mô hình
Hàm số mô tả mô hình chỉ số đơn ở dạng tuyến tính như sau:
Các giả thiết cơ sở của mô hình:
Giả thiết:
Hàm số mô tả SIM
Hàm số mô tả SIM ở dạng tuyến tính:
Trong đó: Rit: lợi suất của chứng khoán i
αit: hệ số α của tài sản i, biểu thị một bộ phận lợi suất cố định gắn liền của chứng khoán i và không có quan hệ phụ thuộc gì vào tập chỉ số Iit
Iit: chỉ số thị trường
εit: đại diện cho phần lợi suất đặc thù của tài sản đang xét, không có tương quan với chỉ số Iit cũng như mức lợi suất của các tài sản khác đang tồn tại trên thị trường.
IV. Mô hình xác định kỳ hạn tính lợi suất và thời kỳ ước lượng khi ước lượng rủi ro
1. Một vài vấn đề gặp phải khi ước lượng rủi ro
Chuỗi lợi suất
Như ở trên đã phân tích, hệ số bêta có một vai trò rất quan trọng trên thị trường tài chính tuy nhiên việc quan sát một cách chính xác là gần như không thể mà phải ước lượng nó. Mô hình định giá tài sản vốn và mô hình chỉ số thị trường cho ta phương pháp để ước lượng hệ số bêta bằng cách hồi quy chuỗi thời gian. Nhưng vấn đề mà cả hai mô hình đều không đề cập tới là việc chuỗi lợi suất được tính toán như thế nào? Sau mỗi phiên giao dịch sẽ nhận được giá và khối lượng giao dịch của từng loại chứng khoán nhưng liệu việc tính lợi suất của chứng khoán theo chuỗi giá đó có chính xác hay không? Hơn nữa, đối với từng công ty khác nhau thì tình hình kinh doanh khác nhau, các công ty trong các ngành khác nhau thì đặc điểm kinh doanh gần như không giống nhau. Như vậy giá chứng khoán của công ty từ ngày giao dịch trước sang ngày giao dịch liền sau sẽ không thể phản ánh được tình hình hoạt động của công ty nếu như đó là các công ty trong các ngành sản xuất với chu trình sản xuất sản phẩm dài, như ngành bất động sản. Điều này đặt ra vấn đề cần phải lựa chọn kỳ hạn tính lợi suất cho ước lượng: cần tính lợi suất theo ngày, theo tuần, 2 tuần hay bao nhiêu ngày là hợp lý để hệ số bêta ước lượng được là tương đối chính xác?
Độ dao động
Có khá nhiều nghiên cứu và kiểm định về tính dừng của hệ số bêta, nhưng công việc này là gần như không có nghĩa. Vì thực tế phương pháp tính toán hệ số bêta không cho ta làm được điều này. Vậy thì làm cách nào để kiểm tra được hệ số bêta ước lượng trong một giai đoạn nhất định có bị thay đổi hay không? Câu trả lời nằm ở độ dao động của phương trình ước lượng hệ số bêta.
Nhưng tính dừng của hệ số bêta và độ chính xác của nó lại có mối quan hệ ngược chiều nhau. Bởi lẽ để kiểm định tính dừng của hệ số bêta cần sử dụng sai số tiêu chuẩn của phương trình ước lượng hệ số bêta. Các nghiên cứu đã cho thấy càng nhiều quan sát được sử dụng trong chuỗi thời gian ước lượng thì sai số tiêu chuẩn của phương trình ước lượng hệ số bêta càng giảm đi, gia tăng thêm độ chính xác cho hệ số bêta ước lượng được. Tuy nhiên, tăng thêm nhiều quan sát cũng làm dài thêm thời gian trong quá trình thời kỳ ước lượng, điều này có thể làm gia tăng khả năng là đặc điểm cấu trúc của công ty đã thay đổi, như thay đổi đòn bẩy tài chính hay mở rộng quy mô, thay đổi hệ thống sản phẩm, tăng thêm hệ thống các sản phẩm mới… , từ đó tới thay đổi rủi ro hay hệ số bêta của công ty.
Vậy cần bao nhiêu quan sát hay thời kỳ ước lượng là bao nhiêu năm thì có thể cho một hệ số bêta chính xác và trong thời kỳ đó hệ số bêta ước lượng được có tính dừng?
Mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng
Ba tác giả Phillip R.Daves, Michael C.Ehrhardt và Robert A.Kunkel đã đưa ra một mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng khi ước lượng rủi ro hệ thống trên thị trường chứng khoán Hoa Kỳ với ba mẫu gồm 1329 công ty và một mẫu gồm 946 công ty trong phạm vi thời kỳ nghiên cứu là 8 năm từ năm 1982 đến năm 1989.
Giả thiết của mô hình
Giả thiết về các công ty
Giả định trong thời kỳ nghiên cứu các công ty:
+ Không tái cơ cấu vốn hay thay đổi đòn bấy tài chính, không sáp nhập hay chia tách công ty.
+ Không thay đổi hệ thống sản phẩm hay tăng thêm hệ thống sản phẩm mới.
+ Không có sự thay đổi nhân sự trong ban lãnh đạo hay thay đổi chiến lược kinh doanh của công ty.
Theo các giả định trên thì đặc điểm cấu trúc của các công ty không thay đổi, nó cho phép chúng ta có thể giả định là hệ số bêta có tính dừng.
Giả thiết về mô hình
Chuỗi lợi suất của các chứng khoán có tính dừng.
Dữ liệu
Lợi suất các chứng khoán được lấy từ cơ sở dữ liệu CRSP NYSE/AMEX. Mẫu đầu tiên của công ty được lựa chọn từ cơ sở dữ liệu ngày. Sau đó, lợi suất ngày được dùng để tạo thêm hai mẫu nữa, một là lợi suất tuần (từ thứ 6 đến thứ 6) và một là lợi suất 2-tuần. Có 1329 công ty trong mỗi ba mẫu trên. Cơ sở dữ liệu theo tháng CRSP NYSE/AMEX được dùng để tạo mẫu thứ tư. Có 946 công ty trong mẫu thứ tư.
Mô hình
Mô hình thị trường dưới đây được dùng để ước lượng hệ số bêta của một công ty :
Phương trình 1:
Trong đó Rit là lợi suất cổ phiếu của công ty i trong thời kỳ t, Rmt là lợi suất thị trường có-trọng-số-bằng-nhau trong thời kỳ t, là hệ số chặn, là hệ số bêta đối với công ty i, và là sai số của công ty i trong thời kỳ t. Sai số tiêu chuẩn của hệ số bêta ước lượng được ký hiệu là và được định nghĩa:
Phương trình 2:
Trong đó, là độ lệch tiêu chuẩn của sai số ước lượng trong phương trình (1), Sm là độ lệch tiêu chuẩn của lợi suất thị trường, và N là số quan sát.
Bằng cách sử dụng độ lệch tiêu chuẩn của sai số ước lượng chia cho độ lêch tiêu chuẩn của lợi suất thị trường trong công thức tính sai số tiêu chuẩn của hệ số bêta ở trên có thể thấy ý nghĩa của hệ số này là đo lường độ ổn định của cổ phiếu so với thị trường. Khi hệ số này có giá trị nhỏ và gần như không giảm khi thời kỳ ước lượng tăng lên tức là cổ phiếu đó đã ổn định với nghĩa là biến động đi theo thị trường.
Sử dụng lợi suất ngày, phương trình (1) được ước lượng cho từng chứng khoán trong mỗi năm của thời kỳ nghiên cứu với ghi lại cho từng hồi quy. Tiếp theo, trung bình được tính cho mẫu. Sau đó, Sm được tính cho từng năm. Quá trình này được lặp lại cho từng kỳ hạn tính lợi suất khác. Bảng 1 cho biết Sm và trung bình cho từng năm và từng thời kỳ tính lợi suất. trung bình là ổn định cho từng năm và từng thời kỳ tính lợi suất. Sm cũng là ổn định cho từng năm và từng thời kỳ tính lợi suất, ngoại trừ năm 1987.
Bảng 1
Ước lượng và Sm dùng lợi suất ngày, tuần, 2-tuần và tháng cho mỗi năm từ 1982 đến 1989.
Năm
Kỳ hạn tính lợi suất
Ngày
Tuần
2-tuần
Tháng
Sm
trung bình
Sm
trung bình
Sm
trung bình
Sm
trung bình
1989
0.00477
0.02156
0.01221
0.04301
0.01541
0.05676
0.03121
0.06828
1988
0.00632
0.02148
0.01343
0.04305
0.02113
0.05620
0.03459
0.06920
1987
0.01608
0.02560
0.03370
0.04885
0.05846
0.06321
0.09258
0.07719
1986
0.00629
0.02216
0.01723
0.04639
0.02595
0.06207
0.04556
0.07594
1985
0.00459
0.01964
0.01306
0.04087
0.02336
0.05446
0.04038
0.06682
1984
0.00610
0.02021
0.01815
0.04118
0.02615
0.05494
0.04477
0.06831
1983
0.00667
0.02158
0.01674
0.04658
0.02706
0.06271
0.03433
0.07615
1982
0.00840
0.02390
0.02517
0.04954
0.04253
0.06512
0.05780
0.07536
Tr.B
0.00740
0.02202
0.01871
0.04493
0.03001
0.05943
0.04765
0.07216
là độ lệch tiêu chuẩn ước lượng của sai số từ phương trình (1).
Sm là độ lệch tiêu chuẩn của lợi suất thị trường.
Giá trị trung bình của và Sm trong suốt thời kỳ 8-năm được sử dụng để tính giá trị cho kỳ hạn tính lợi suất và thời kỳ ước lượng khác. Bảng 2 cho biết giá trị trung bình của và Sm như là được tính cho từng kỳ hạn tính lợi suất và thời kỳ ước lượng. Đối với thời kỳ ước lượng ngắn như 1 năm theo lợi suất ngày, là rất lớn với khoảng tin cậy 95% là từ 0.62 đến 1.38 với 1 công ty có bêta ước lượng là 1.0. Nếu thời kỳ ước lượng tăng lên đến 2 năm theo lợi suất ngày, khi đó sẽ nhỏ đi khá nhiều với khoảng tin cậy 95% là từ 0.73 đến 1.27 với một công ty có bêta ước lượng là 1.0. Với thời kỳ ước lượng tăng thêm 3 năm theo lợi suất ngày, khi đó vẫn tiếp tục giảm đi khá nhiều với khoảng tin cậy 95% là 0.78 đến 1.22 với một công ty có bêta ước lượng là 1.0. Và với thời kỳ ước lượng tăng lên 8 năm theo lợi suất ngày, khi đó chỉ còn rất nhỏ với khoảng tin cậy 95% là 0.87 đến 1.13 với một công ty có bêta ước lượng là 1.0.
Khi kỳ hạn tính lợi suất tăng từ ngày đến tuần, 2-tuần và tháng thì tỷ lệ /Sm giảm từ 2.9757 xuống 1.1544. Điều này chỉ ra là kỳ hạn tính lợi suất dài hơn san bằng một phần nhiễu trong quá trình tạo ra lợi suất. Tuy nhiên, với một thời kỳ ước lượng nhất định, thời kỳ tính lợi suất theo ngày luôn mang lại một ước lượng chính xác hơn hệ số bêta khi đánh giá bằng . Nói cách khác, sự gia tăng số lượng lợi suất liên quan với kỳ hạn tính lợi suất theo ngày hơn là bù lại sự tăng thêm nhiễu của kỳ hạn tính lợi suất ngắn hơn.
Giả định một nhà quản lý tài chính quyết định thời kỳ ước lượng nhỏ nhất là một năm và lớn nhất là tám năm. Thêm nữa, cho một năm với kỳ hạn tính lợi suẩt theo ngày là 0.1886 và cho tám năm với lợi suất theo ngày là 0.0665. Theo đó, lượng giảm xuống tối đa của cho việc tăng thời kỳ ước lượng từ một năm đến tám năm là 0.1221. Chú ý rằng việc tăng thời kỳ ước lượng từ một năm lên tám năm chiếm được khoảng 45% của lượng giảm xuống tối đa khi giảm từ 0.1886 xuống 0.1332. Tăng thời kỳ ước lượng đến 3 năm và 4 năm chiếm được theo thứ tự khoảng 65 và 77%.
Có một vài kết luận được đưa ra từ những mô phỏng này. Thứ nhất, những thời kỳ ước lượng giống nhau nhất định, kỳ hạn tính lợi suất ngắn hơn có liên quan với nhỏ hơn hay chính xác hơn rất nhiều trong việc ước lượng bêta. Vì thế, các nhà quản lý tài chính nên sử dụng dữ liệu theo ngày để ước lượng bêta, nếu phải lựa chọn. Thứ hai, tăng thêm thời kỳ ước lượng từ một năm đến ba năm về căn bản giảm hay tăng độ chính xác của hệ số bêta ước lượng. Trong thực tế, thời kỳ ước lượng 3-năm chiếm được 65% của lượng giảm xuống tối đa có thể đạt được bởi tăng thêm thời kỳ ước lượng từ một năm lên tám năm.
Bảng 2
Mô phỏng sai số tiêu chuẩn trung bình của hệ số bêta như một hàm của kỳ hạn tính lợi suất và thời kỳ ước lượng. và Sm bao gồm toàn bộ trung bình ở bảng 1 và dựa vào dữ liệu từ năm 1982 đến 1989.
Thời kỳ ước lượng (Năm)
Kỳ hạn tính lợi suất
Ngày (/Sm=2.9757)
Tuần (/Sm=2.4014)
2-tuần (/Sm=1.9803)
Tháng (S/Sm=1.5144)
Số quan sát
Số quan sát
Số quan sát
Số quan sát
1
250
0.1886
52
0.3330
26
0.3884
12
0.4372
2
500
0.1332
104
0.2355
52
0.2746
24
0.3091
3
750
0.1087
156
0.1923
78
0.2242
36
0.2524
4
1000
0.0941
208
0.1665
104
0.1942
48
0.2186
5
1250
0.0842
260
0.1489
130
0.1737
60
0.1955
6
1500
0.0768
312
0.1360
156
0.1586
72
0.1785
7
1750
0.0711
364
0.1259
182
0.1468
84
0.1091
8
2000
0.0665
416
0.1177
208
0.1373
96
0.1546
là độ lệch tiêu chuẩn ước lượng của sai số từ phương trình (1).
Sm là độ lệch tiêu chuẩn của lợi suất thị trường.
Các kiểm định về tính dừng
Sử dụng lợi suất ngày, mỗi hệ số bêta của công ty được ước lượng tám lần. Hệ số bêta đầu tiên được ước lượng với một năm theo lợi suất ngày, số liệu năm 1989; hệ số bêta thứ hai được ước lượng với hai năm theo lợi suất ngày, số liệu từ năm 1988 đến 1989. Sáu hệ số bêta còn lại được ước lượng theo cách tương tự, hệ số bêta cuối cùng được ước lượng với tám năm theo lợi suất ngày, số liệu từ năm 1982 đến 1989. Với mỗi hệ số bêta, sai số tiêu chuẩn của hệ số bêta ước lượng được ghi lại như một thước đo của độ chính xác trong rủi ro hệ thống ước lượng. Sau đó, thủ tục này được lặp lại cho mỗi công ty sử dụng ba kỳ hạn tính lợi suất khác là tuần, 2-tuần và tháng.
Bảng 3 cho biết trung bình cho mỗi kỳ hạn tính lợi suất và thời kỳ ước lượng. Nếu một năm theo lợi suất ngày được sử dụng để ước lượng hệ số bêta, khi đó trung bình là 0.2826. Nếu hai năm theo lợi suất ngày được sử dụng để ước lượng hệ số bêta, khi đó trung bình giảm xuống còn 0.1723. Trong thực tế, khi thời kỳ ước lượng tăng lên, trung bình tiếp tục giảm, với trung bình tối thiểu xuất hiện ở thời kỳ ước lượng 8-năm là 0.0621. Bởi vậy, lượng giảm xuống tối đa của hệ số đối với việc tăng thời kỳ ước lượng từ một năm lên tám năm là 0.2205. Chú ý rằng việc tăng thời kỳ ước lượng từ một năm lên hai năm chiếm được khoảng 50% lượng giảm khi hệ số giảm từ 0.2826 xuống 0.1723. Tăng thời kỳ ước lượng lên ba năm chiếm được khoảng 91% lượng giảm tối đa. Vì thế, thời kỳ ước lượng dài hơn có liên quan đến sự cải thiện rất nhỏ trong độ chính xác của hệ số bêta ước lượng. Những kết quả kỳ hạn tính lợi suất khác cũng tương tự với lợi suất theo ngày. Đối với mỗi kỳ hạn tính lợi suất, trung bình tối thiểu xuất hiện ở thời kỳ ước lượng 8-năm. Tuy nhiên, khi ở trường hợp của kỳ hạn tính lợi suất theo ngày, hầu hết sự giảm xuống đều xuất hiện vào ba năm. Cũng nên chú ý rằng đối với mỗi thời kỳ ước lượng nhất định, hệ số tăng một cách đều đặn theo kỳ hạn tính lợi suất.
Kết quả kiểm định với số liệu thực tế chứng thực các kết quả mô phỏng. Thứ nhất, các thời kỳ ước lượng giống nhau nhất định, kỳ hạn tính lợi suất ngắn hơn có liên quan với nhỏ hơn hay chính xác hơn nhiều trong việc ước lượng bêta. Như trước, các nhà quản lý tài chính nên sử dụng dữ liệu theo ngày để ước lượng bêta. Thứ hai, tăng thêm thời kỳ ước lượng từ một năm đến ba năm. Hơn nữa, gần 50% số công ty trải qua một sự thay đổi có ý nghĩa trong hệ số bêta qua thời kỳ ba – năm.
Bảng 3
Sai số tiêu chuẩn trung bình thực tế của các hệ số bêta ước lượng như một hàm của kỳ hạn tính lợi suất và thời kỳ ước lượng từ năm 1982 đến 1989.
Thời kỳ ước lượng (Years)
Kỳ hạn tính lợi suất
Ngày
Tuần
2-tuần
Tháng
Trung bình số lợi suất
trung bình
Trung bình số lợi suất
trung bình
Trung bình số lợi suất
trung bình
Trung bình số lợi suất
trung bình
1989 (1)
246.1
0.2826
48.8
0.5341
23.9
0.8135
12.0
0.6918
1988-1989 (2)
493.5
0.1723
99.6
0.3680
49.8
0.4613
24.0
0.4779
1987-1989 (3)
743.7
0.0823
150.5
0.1796
75.3
0.1996
36.0
0.2522
1986-1989 (4)
994.1
0.0774
201.5
0.1641
100.8
0.1877
48.0
0.2100
1985-1989 (5)
1242.8
0.0734
252.2
0.1529
126.2
0.1748
60.0
0.1946
1984-1989 (6)
1492.2
0.0692
302.9
0.1319
151.4
0.1685
72.0
0.1812
1983-1989 (7)
1743.4
0.0658
355.1
0.1255
177.1
0.1479
84.0
0.1762
1982-1989 (8)
1991.5
0.0621
405.2
0.1154
202.0
0.1348
96.0
0.1635
là độ lệch tiêu chuẩn ước lượng của sai số từ phương trình (1).
Sm là độ lệch tiêu chuẩn của lợi suất thị trường.
Kết luận:
Các kết quả trên chỉ ra rằng: thứ nhất, với cùng thời kỳ ước lượng, kỳ hạn tính lợi suất theo ngày cho kết quả ước lượng hệ số bêta chính xác hơn khi đánh giá bằng hệ số ; thứ hai, thời kỳ ước lượng ba-năm chiếm được hầu hết lượng giảm xuống tối đa trong sai số tiêu chuẩn của hệ số bêta ước lượng từ thời kỳ ước lượng một – năm đến thời kỳ ước lượng tám – năm.
Chương 3
ỨNG DỤNG MÔ HÌNH XÁC ĐỊNH KỲ HẠN TÍNH LỢI SUẤT VÀ THỜI KỲ ƯỚC LƯỢNG KHI ƯỚC LƯỢNG RỦI RO TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM
Mô hình nghiên cứu đề xuất đối với thị trường chứng khoán Việt Nam
Mô hình xác định tính lợi suất và thời kỳ ước lượng rủi ro của ba tác giả trên được xây dựng và ứng dụng để tính rủi ro hệ thống trên thị trường chứng khoán Hoa Kỳ - một thị trường đã phát triển rất lâu đời. Bởi thế, cơ sở dữ liệu cho các nghiên cứu là rất đầy đủ và với một lịch sử hàng trăm năm phát triển, các cổ phiếu trên thị trường chứng khoán Hoa Kỳ đã có quá trình ổn định cao. Chính vì vậy, các kết luận của nghiên cứu sẽ là khá chínhh xác. Tuy nhiên đối với một thị trường non trẻ như thị trường chứng khoán Việt Nam, không thể có một cơ sở dữ liệu đầy đủ cho việc nghiên cứu danh mục đại diện cho thị trường và ước lượng rủi ro hệ thống. Hơn nữa, các cổ phiếu trên thị trường chứng khoán Việt Nam, dù “lâu đời” nhất cũng chỉ được 7 năm và sự phát triển quá “nóng” của thị trường chứng khoán Việt Nam trong hai năm 2006 – 2007 vừa qua sẽ ít nhiều tác động đến những cổ phiếu dù đã “lâu đời” như thế.
Từ những phân tích trên, em đề xuất thời kỳ nghiên cứu là 4 năm để có được số lượng công ty tương đối đủ đồng thời có được thời kỳ nghiên cứu đủ dài nhằm kiểm chứng lý thuyết trên trên thị trường chứng khoán Việt Nam và tăng tính chính xác cho các kết luận.
Trong phạm vi chuyên đề thực tập, em công nhận kết luận thứ nhất trong nghiên cứu tác giả ở trên về kỳ hạn tính lợi suất, lựa chọn kỳ hạn tính lợi suất theo ngày và chỉ nghiên cứu thời kỳ ước lượng đối với các cổ phiếu trên thị trường chứng khoán Việt Nam.
Mô hình sẽ được ước lượng cho từng cổ phiếu như sau:
Mô hình thị trường được dùng để ước lượng hệ số bêta của cổ phiếu.
Phương trình 1:
Trong đó: Rit: là lợi suất cổ phiếu của công ty i trong thời kỳ t
Rmt: là lợi suất thị trường trong thời kỳ t
: là hệ số chặn
: là hệ số bêta đối với công ty i
: là sai số của công ty i trong thời kỳ t
Sai số tiêu chuẩn của hệ số bêta ước lượng được ký hiệu là và được tính theo công thức:
Phương trình 2:
Trong đó: : là độ lệch tiêu chuẩn của sai số ước lượng trong phương
trình (1)
: là độ lệch tiêu chuẩn của lợi suất thị trường
N: là số quan sát.
Phương trình (1) được ước lượng cho mỗi cổ phiếu trong từng thời kỳ và ghi lại các hệ số sau mỗi ước lượng. Độ lệch tiêu chuẩn của lợi suất thị trường cũng được tính riêng cho từng thời kỳ. Sau đó, với mỗi thời kỳ sẽ được tính cho tất cả các cổ phiếu. Cuối cùng là các tính toán cho lượng giảm tuyệt đối của sau mỗi thời kỳ nghiên cứu dài hơn để tìm ra được thời kỳ ước lượng thích hợp cho các cổ phiếu đã lựa chọn.
Đối với thị trường chứng khoán Việt Nam, vấn đề về quá trình tự ổn định của lợi suất các cổ phiếu là rất đáng quan tâm. Vì vậy, em đề xuất nghiên cứu quá trình này thông qua hệ số sau:
Phương trình 3:
Trong đó, là độ lệch tiêu chuẩn của sai số ước lượng trong phương trình (1), i là thời kỳ ước lượng và i+1 là thời kỳ ước lượng tiếp theo (thời kỳ ước lượng trước cộng thêm một năm).
Với một mức độ dao động cho trước, tỷ số T sẽ cho ta thấy tại thời kỳ ước lượng (i+1) lợi suất cổ phiếu đó đã ổn định hay chưa.
Quá trình tính toán được bắt đầu từ năm 2007 và lùi dần về các năm sau theo thời kỳ ước lượng của phương trình (1).
Các cổ phiếu lựa chọn và chuỗi lợi suất
Các cố phiếu lựa chọn
Với thời kỳ ước lượng 4 năm từ năm 2004 đến năm 2007, ta có được danh sách 22 công ty niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh như sau:
STT
Mã cổ phiếu
Tên công ty
Ngày bắt đầu giao dịch
1
AGF
Công ty cổ phần xuẩt khẩu thuỷ sản An Giang
02/05/2002
2
BBC
Công ty cố phần bánh kẹo Biên Hoà
19/12/2001
3
BPC
Công ty cổ phần bao bì Bỉm Sơn
11/04/2002
4
BT6
Công ty cổ phần bê tông 620 Châu Thới
18/04/2002
5
BTC
Công ty cổ phần cơ khí và xây dựng Bình Triệu
21/01/2002
6
CAN
Công ty cổ phần đồ hộp Hạ Long
22/10/2001
7
DPC
Công ty cổ phần nhựa Đà Nẵng
28/11/2001
8
GIL
Công ty cổ phần sản xuẩt kinh doanh XNK Bình Thạnh
02/01/2002
9
GMD
Công ty cổ phần đại lý liên hiệp vận chuyển
22/04/2002
10
HAP
Công ty cổ phần giấy Hải Phòng
04/08/2000
11
HAS
Công ty cổ phần xây lắp bưu điện Hà Nội
19/12/2002
12
KHA
Công ty cổ phần xuất nhập khẩu Khánh Hội
19/08/2002
13
LAF
Công ty cổ phần chế biến hàng xuất khẩu Long An
15/12/2000
14
PMS
Công ty cổ phần cơ khí xăng dầu
04/11/2003
15
REE
Công ty cổ phần cơ điện lạnh
28/07/2000
16
SAM
Công ty cổ phần cáp và vật liệu viễn thông
28/07/2000
17
SAV
Công ty cổ phần hợp tác kinh tế và XNK SAVIMEX
09/05/2002
18
SGH
Công ty cổ phần khách sạn Sài Gòn
16/07/2001
19
TMS
Công ty cổ phần Transimex – Sài Gòn
04/08/2000
20
TRI
Công ty cổ phần nước giải khát Sài Gòn
28/12/2001
21
TS4
Công ty cổ phần thuỷ sản số 4
08/08/2002
22
VTC
Công ty cổ phần viễn thông VTC
12/02/2003
Mẫu thu được gồm 1005 mức giá từ ngày 05/01/2004 đến ngày 28/12/2007 đã được bù số liệu cho những ngày thiếu quan sát của giá cổ phiếu các công ty và chỉ số giá VN-Index. Với kỳ hạn tính lợi suất theo ngày và mẫu gồm 22 công ty ở trên có được chuỗi lợi suất gồm 1004 quan sát.
Kiểm định tính dừng của chuỗi lợi suất
Quá trình nghiên cứu sẽ ước lượng lùi dần từ chuỗi lợi suất năm 2007, sau đó là 2006 – 2007, rồi 2005 – 2007 và cuối cùng là 2004 – 2007 nên việc kiểm định tính dừng của chuỗi lợi suất cũng cần phải kiểm định các chuỗi theo thời gian như trên.
Chia nhỏ thành các mẫu theo thời gian lùi lại từng năm như trên và sử dụng phần mềm Eview kiểm định tính dừng cho các chuỗi lợi suất của các cổ phiếu, ta có kết quả sau:
Giả thiết: H0: Chuỗi không dừng
H1: Chuỗi dừng
+ Năm 2007:
STT
Mã cổ phiếu
ADF Test Statistic
1
AGF
-14.59216
-2.5737
-1.9409
-1.6163
2
BBC
-13.81177
-2.5737
-1.9409
-1.6163
3
BPC
-10.46963
-2.5737
-1.9409
-1.6163
4
BT6
-7.615476
-2.5737
-1.9409
-1.6163
5
BTC
-7.659466
-3.4578
-2.8731
-2.5729
6
CAN
-12.77355
-2.5737
-1.9409
-1.6163
7
DPC
-8.269370
-3.4578
-2.8731
-2.5729
8
GIL
-10.80268
-2.5737
-1.9409
-1.6163
9
GMD
-10.82271
-2.5737
-1.9409
-1.6163
10
HAP
-14.13019
-2.5737
-1.9409
-1.6163
11
HAS
-14.34592
-2.5737
-1.9409
-1.6163
12
KHA
-14.24721
-2.5737
-1.9409
-1.6163
13
LAF
-12.52107
-3.4578
-2.8731
-2.5729
14
PMS
-12.68139
-2.5737
-1.9409
-1.6163
15
REE
-17.24507
-3.9976
-3.4288
-3.1376
16
SAM
-10.48759
-2.5737
-1.9409
-1.6163
17
SAV
-15.10081
-2.5737
-1.9409
-1.6163
18
SGH
-11.49165
-2.5737
-1.9409
-1.6163
19
TMS
-15.00305
-3.4578
-2.8731
-2.5729
20
TRI
-11.38406
-2.5737
-1.9409
-1.6163
21
TS4
-8.182570
-2.5737
-1.9409
-1.6163
22
VTC
-11.32484
-2.5737
-1.9409
-1.6163
23
VN-Index
-8.339295
-2.5737
-1.9409
-1.6163
+ Thời kỳ 2006 – 2007:
STT
Mã cổ phiếu
ADF Test Statistic
1
AGF
-19.93509
-2.5697
-1.9401
-1.6160
2
BBC
-18.51979
-2.5697
-1.9401
-1.6160
3
BPC
-17.90950
-2.5697
-1.9401
-1.6160
4
BT6
-16.02317
-2.5697
-1.9401
-1.6160
5
BTC
-15.57908
-3.4457
-2.8676
-2.5700
6
CAN
-17.66993
-2.5697
-1.9401
-1.6160
7
DPC
-10.49513
-2.5697
-1.9401
-1.6160
8
GIL
-21.84071
-3.4457
-2.8676
-2.5700
9
GMD
-15.38314
-2.5697
-1.9401
-1.6160
10
HAP
-19.13237
-2.5697
-1.9401
-1.6160
11
HAS
-19.48305
-2.5697
-1.9401
-1.6160
12
KHA
-19.57475
-2.5697
-1.9401
-1.6160
13
LAF
-16.76443
-2.5697
-1.9401
-1.6160
14
PMS
-16.89371
-2.5697
-1.9401
-1.6160
15
REE
-22.11898
-3.9806
-3.4207
-3.1327
16
SAM
-19.05053
-2.5697
-1.9401
-1.6160
17
SAV
-15.18810
-2.5697
-1.9401
-1.6160
18
SGH
-15.60499
-2.5697
-1.9401
-1.6160
19
TMS
-20.21495
-3.4457
-2.8676
-2.5700
20
TRI
-15.14237
-2.5697
-1.9401
-1.6160
21
TS4
-11.47353
-2.5697
-1.9401
-1.6160
22
VTC
-15.69911
-2.5697
-1.9401
-1.6160
23
VN-Index
-15.19566
-3.9806
-3.4207
-3.1327
+ Thời kỳ 2005 – 2007:
STT
Mã cổ phiếu
ADF Test Statistic
1
AGF
-24.47047
-2.5684
-1.9398
-1.6158
2
BBC
-22.67831
-2.5684
-1.9398
-1.6158
3
BPC
-22.66987
-2.5684
-1.9398
-1.6158
4
BT6
-19.74003
-2.5684
-1.9398
-1.6158
5
BTC
-20.17375
-2.5684
-1.9398
-1.6158
6
CAN
-21.88486
-2.5684
-1.9398
-1.6158
7
DPC
-13.32094
-2.5684
-1.9398
-1.6158
8
GIL
-26.74144
-2.5684
-1.9398
-1.6158
9
GMD
-18.81567
-2.5684
-1.9398
-1.6158
10
HAP
-23.72697
-2.5684
-1.9398
-1.6158
11
HAS
-23.85525
-2.5684
-1.9398
-1.6158
12
KHA
-24.13339
-2.5684
-1.9398
-1.6158
13
LAF
-23.85819
-2.5684
-1.9398
-1.6158
14
PMS
-21.04045
-2.5684
-1.9398
-1.6158
15
REE
-26.82068
-3.4416
-2.8657
-2.5690
16
SAM
-23.69724
-2.5684
-1.9398
-1.6158
17
SAV
-18.72453
-2.5684
-1.9398
-1.6158
18
SGH
-19.90950
-2.5684
-1.9398
-1.6158
19
TMS
-20.03281
-2.5684
-1.9398
-1.6158
20
TRI
-18.25923
-2.5684
-1.9398
-1.6158
21
TS4
-14.08422
-2.5684
-1.9398
-1.6158
22
VTC
-19.90980
-2.5684
-1.9398
-1.6158
23
VN-Index
-18.32859
-3.4416
-2.8657
-2.5690
+ Thời kỳ 2004 – 2007:
STT
Mã cổ phiếu
ADF Test Statistic
1
AGF
-28.92209
-2.5678
-1.9397
-1.6158
2
BBC
-26.11563
-3.4396
-2.8648
-2.5685
3
BPC
-20.97167
-3.4396
-2.8648
-2.5685
4
BT6
-17.16842
-2.5678
-1.9397
-1.6158
5
BTC
-24.04117
-3.4396
-2.8648
-2.5685
6
CAN
-25.83189
-2.5678
-1.9397
-1.6158
7
DPC
-15.85991
-2.5678
-1.9397
-1.6158
8
GIL
-22.16621
-2.5678
-1.9397
-1.6158
9
GMD
-28.92961
-2.5678
-1.9397
-1.6158
10
HAP
-27.68527
-2.5678
-1.9397
-1.6158
11
HAS
-27.19108
-2.5678
-1.9397
-1.6158
12
KHA
-27.88072
-2.5678
-1.9397
-1.6158
13
LAF
-27.42163
-2.5678
-1.9397
-1.6158
14
PMS
-24.95427
-2.5678
-1.9397
-1.6158
15
REE
-30.17116
-3.4396
-2.8648
-2.5685
16
SAM
-26.88389
-2.5678
-1.9397
-1.6158
17
SAV
-21.08483
-2.5678
-1.9397
-1.6158
18
SGH
-24.20537
-2.5678
-1.9397
-1.6158
19
TMS
-23.46119
-2.5678
-1.9397
-1.6158
20
TRI
-21.06462
-2.5678
-1.9397
-1.6158
21
TS4
-16.06544
-2.5678
-1.9397
-1.6158
22
VTC
-23.48807
-2.5678
-1.9397
-1.6158
23
VN-Index
-21.16423
-3.4396
-2.8648
-2.5685
Kết luận:
Bảng trên đều cho kết quả kiểm định chuỗi lợi suất của 22 cổ phiếu và VN-Index trong các thời kỳ nghiên cứu là chuỗi dừng với giá trị tới hạn 1%, 5%, 10% theo tiêu chuẩn ADF.
Ứng dụng
Chỉ số thị trường VN-Index
Thực hiện phân tích thống kê về lợi suất thị trường qua các thời kỳ để thấy được độ ổn định của lợi suất thị trường trong từng thời kỳ.
Ta có bảng kết quả sau:
Thời kỳ phân tích
2007
2006 – 2007
2006 – 2007
2006 – 2007
0.000825
0.002213
0.001808
0.001695
0.017101
0.018723
0.015916
0.015282
N
253
502
754
1004
Nhận xét:
Bảng thống kê trên cho một kết quả phù hợp với lý thuyết, đó là khi thời kỳ nghiên cứu dài hơn thì độ ổn định sẽ tăng lên – độ lệch tiêu chuẩn nhỏ đi và đi cùng với điều đó là lợi suất trung bình sẽ giảm đi. Tuy nhiên, thời kỳ 2007 lợi suất thị trường trung bình nhỏ mà độ lệch tiêu chuẩn khá là điều hoàn toàn dễ hiểu. Như ta đã biết, giai đoạn nửa cuối năm 2006 - nửa đầu năm 2007, thị trường chứng khoán Việt Nam “bùng nổ” với một loạt các công ty thực hiện IPO và niêm yết, các cổ phiếu liên tục tăng trần trong nhiều phiên và VN-Index cũng tăng mạnh với đỉnh điểm là phiên giao dịch ngày 27/02/2007 VN-Index đã đạt mức kỷ lục 1172 điểm; nhưng giai đoạn cuối năm 2007 thì VN-Index lại giảm xuống khá nhanh.
Ước lượng đối với các cổ phiếu lựa chọn
Ước lượng rủi ro
Ước lượng rủi ro bằng phần mềm SPSS cho các cổ phiếu:
Ước lượng phương trình 1:
Như đã nêu ở trên, kỳ hạn tính lợi suất t được sử dụng là theo ngày. Các sai số tiêu chuẩn của ước lượng được lấy từ bảng tóm tắt mô hình.
Tính sai số tiêu chuẩn của hệ số bêta ước lượng theo công thức:
Mã cổ phiếu
Thời kỳ ước lượng
2007
2006 – 2007
2005 – 2007
2004 – 2007
Sε
Sβ
Sε
Sβ
Sε
Sβ
Sε
Sβ
AGF
0.01989
0.07329
0.01973
0.04708
0.01751
0.04010
0.01642
0.03392
BBC
0.02684
0.09889
0.02376
0.05669
0.02038
0.04667
0.01911
0.03949
BPC
0.02694
0.09924
0.02470
0.05893
0.02101
0.04810
0.01992
0.04115
BT6
0.02208
0.08135
0.02217
0.05290
0.01901
0.04353
0.01780
0.03678
BTC
0.03593
0.13234
0.03286
0.07842
0.02916
0.06676
0.02703
0.05585
CAN
0.02459
0.09057
0.02485
0.05929
0.02139
0.04897
0.01991
0.04114
DPC
0.03085
0.11363
0.02936
0.07005
0.02656
0.06082
0.02443
0.05048
GIL
0.03391
0.12490
0.02695
0.06430
0.02345
0.05369
0.02145
0.04432
GMD
0.01930
0.07109
0.02807
0.06697
0.02346
0.05372
0.02120
0.04381
HAP
0.03153
0.11614
0.02822
0.06733
0.02344
0.05367
0.02559
0.05287
HAS
0.20505
0.75532
0.14660
0.34982
0.11969
0.27406
0.10398
0.21484
KHA
0.03091
0.11385
0.02952
0.07045
0.02482
0.05684
0.02345
0.04845
LAF
0.03065
0.11289
0.02774
0.06620
0.03474
0.07954
0.03133
0.06474
PMS
0.02489
0.09170
0.02743
0.06544
0.02327
0.05328
0.02126
0.04393
REE
0.02997
0.11040
0.02387
0.05696
0.02007
0.04595
0.01814
0.03749
SAM
0.02139
0.07880
0.02297
0.05482
0.01910
0.04373
0.01715
0.03544
SAV
0.02605
0.09595
0.02241
0.05346
0.01912
0.04378
0.01782
0.03682
SGH
0.03152
0.11610
0.03102
0.07402
0.02705
0.06192
0.02485
0.05135
TMS
0.02480
0.09136
0.02154
0.05140
0.01878
0.04299
0.02146
0.04434
TRI
0.02608
0.09608
0.02485
0.05930
0.02163
0.04952
0.02069
0.04276
TS4
0.03518
0.12959
0.03442
0.08212
0.03027
0.06930
0.02771
0.05726
VTC
0.02888
0.10639
0.03173
0.07572
0.02698
0.06177
0.02472
0.05108
Độ ổn định của các cổ phiếu so với thị trường
Kết quả tính toán ở bảng trên hoàn toàn phù hợp với lý thuyết – đó là khi gia tăng thời kỳ ước lượng thì sai số tiêu chuẩn của hệ số bêta ước lượng sẽ giảm đi, có nghĩa là độ chính xác của hệ số bêta ước lượng tăng lên. Tuy nhiên, như đã phân tích ở chương trước, việc tăng thêm quá nhiều quan sát có thể dẫn tới kết quả hệ số bêta ước lượng không chính xác khi rủi ro của công ty thay đổi.
Vì vậy, ta sẽ xem xét xem lượng giảm tuyệt đối của giữa 2 thời kỳ 2007 và 2005 – 2007 chiếm bao nhiêu % lượng giảm tuyệt đối từ năm 2007 đến thời kỳ 2004 – 2007.
Mã cổ phiếu
Lượng giảm tuyệt đối của giữa 2 thời kỳ
Tỷ lệ % lượng giảm giữa 2 thời kỳ
2007 và 2004 – 2007
2007 và 2005 – 2007
AGF
0.03936
0.03318
84.30
BBC
0.05940
0.05222
87.91
BPC
0.05809
0.05113
88.03
BT6
0.04457
0.03781
84.84
BTC
0.07649
0.06558
85.74
CAN
0.04944
0.04160
84.15
DPC
0.06314
0.05281
83.63
GIL
0.08059
0.07122
88.38
GMD
0.02728
0.01737
63.68
HAP
0.06328
0.06247
98.73
HAS
0.54048
0.48126
89.04
KHA
0.06539
0.05701
87.18
LAF
0.04815
0.03335
69.27
PMS
0.04777
0.03842
80.43
REE
0.07291
0.06445
88.40
SAM
0.04336
0.03507
80.88
SAV
0.05913
0.05217
88.23
SGH
0.06474
0.05417
83.67
TMS
0.04702
0.04837
102.87
TRI
0.05332
0.04655
87.31
TS4
0.07233
0.06029
83.36
VTC
0.05531
0.04462
80.68
Nhận thấy chỉ trừ cổ phiếu GMD và TMS, 20 cổ phiếu còn lại đều có tỷ lệ lượng giảm tuyệt đối giữa 2 thời kỳ từ 80% trở lên. Điều đó có nghĩa là việc tăng thời kỳ ước lượng từ 1 năm lên 3 năm đã chiếm được hơn 80% lượng giảm xuống tuyệt đối khi tăng thời kỳ ước lượng từ 1 năm lên 4 năm. Kết quả này cho phép chúng ta có thể kết luận là với thời kỳ ước lượng 3 năm sẽ cho hệ số bêta ước lượng tương đối chính xác.
Riêng với cổ phiếu TMS, tăng thời kỳ ước lượng từ 1 năm lên 4 năm đã làm tăng sai số tiêu chuẩn của hệ số bêta so với thời kỳ ước lượng là 3 năm, tức là độ chính xác của hệ số bêta ước lượng đã bị giảm đi. Điều này có nghĩa là với cổ phiếu TMS, thời kỳ ước lượng là 3 năm đã cho một hệ số bêta tương đối chính xác.
Tỷ lệ lượng giảm tuyệt đối sai số tiêu chuẩn của hệ số bêta khi tăng thời kỳ ước lượng từ 1 năm lên 3 năm của thị trường chứng khoán Việt Nam nhỏ hơn nhiều so với thị trường chứng khoán Hoa Kỳ. Điều này hoàn toàn dễ hiểu vì thị trường chứng khoán Hoa Kỳ đã phát triển qua hàng trăm năm nên độ ổn định của các cổ phiếu sẽ cao hơn rất nhiều so với một thị trường chứng khoán non trẻ như của Việt Nam với chỉ hơn 7 năm hình thành và đang trên đường phát triển. Hơn nữa, sự “bùng nổ” của thị trường chứng khoán Việt Nam và hiện tượng giá “bong bóng” do tâm lý của các nhà đầu tư đã ảnh hưởng nhiều tới giá cổ phiếu làm cho các sai số ước lượng tương đối cao. Vì vậy khi xem xét ước lượng hệ số bêta của các cổ phiếu cần phải xem xét các yếu tố khác về công ty để có thể lựa chọn được thời kỳ ước lượng phù hợp.
Tuy nhiên, điều này không có nghĩa là các kết quả ước lượng không có ý nghĩa. Các cổ phiếu được lựa chọn tuy có thể coi là “lâu đời” thị trường nên độ tự ổn định là tương đối cao nhưng việc phân tích độ ổn định là theo thị trường – trong khi thời kỳ 2006 – 2007 thị trường chứng khoán Việt Nam chứng kiến một cuộc “chạy đua” lên sàn của các cổ phiếu nên lợi suất thị trường bị ảnh hưởng khá nhiều từ một số lượng lớn các cổ phiếu mới niêm yết. Vì vậy, kết quả tính toán ở trên là có thể tin cậy được. Các cổ phiếu có độ ổn định theo thị trường khá cao là: BBC, BPC, GIL, HAP, HAS, KHA, REE, SAV, TMS và TRI.
Theo phân nhóm ngành của công ty chứng khoán Ngân hàng Đầu tư và phát triển Việt Nam, hầu hết các công ty nói trên đều thuộc ngành công nghiệp chế biến, chế tạo; đó là các cổ phiếu: BBC, BPC, GIL, HAP, SAV và TRI. 4 công ty còn lại thuộc 4 nhóm ngành khác nhau: HAS thuộc nhớm ngành xây dựng, KHA thuộc nhóm ngành bán buôn và bán lẻ, REE thuộc nhóm ngành kinh doanh bất động sản, TMS thuộc nhóm ngành vận tải kho bãi.
Bên cạnh đó, hầu hết các công ty này đều có vốn điều lệ khá lớn:
Cổ phiếu
BBC
BPC
GIL
HAP
HAS
KHA
REE
SAV
TMS
TRI
VĐL
(tỷ đồng)
108
38
102
148
60
131
573
100
63
75
Quá trình tự ổn định của lợi suất cổ phiếu
Với mức độ dao động 10% và sai số tiêu chuẩn của ước lượng được lấy từ bảng tóm tắt mô hình, tính hệ số T theo phương trình 3:
Kết quả về quá trình tự ổn định của lợi suất cổ phiếu như sau:
Mã cổ phiếu
Tỷ lệ % giữa hai thời kỳ ổn định
1 năm
2 năm
3 năm
Chưa ổn định
BT6
100.39
-
-
-
AGF
99.17
-
-
-
CAN
101.06
-
-
-
SGH
98.42
-
-
-
TS4
97.83
-
-
-
KHA
95.53
-
-
-
TRI
95.28
-
-
-
DPC
95.17
-
-
-
SAM
107.38
-
-
-
BPC
91.67
-
-
-
BTC
91.46
-
-
-
LAF
90.52
-
-
-
VTC
109.87
-
-
-
BBC
x
x
93.76
-
SAV
x
x
93.20
-
GIL
x
x
91.48
-
PMS
x
x
91.37
-
HAP
x
x
109.15
-
REE
x
x
90.42
-
GMD
x
x
90.37
-
HAS
x
x
x
86.87
TMS
x
x
x
114.29
Với biên độ 10% có thể thấy trừ hai cổ phiếu HAS và TMS, 20 cổ phiếu còn lại đều tự ổn định và có tới 13 số cổ phiếu tự ổn định sau 1 năm; trong đó 8 cổ phiếu tự ổn định cao với mức độ dao động cho phép là 5%.
13 cổ phiếu tự ổn định theo mức độ dao động tăng dần sau 1 năm là: BT6, AGF, CAN, SGH, TS4, KHA, TRI, DPC, SAM, BPC, BTC, LAF, VTC. Hầu hết các công ty này đều thuộc nhóm ngành công nghiệp chế biến, chế tạo (theo phân nhóm ngành của công ty chứng khoán Ngân hàng Đầu tư và phát triển Việt Nam): BT6, AGF, CAN, TS4, TRI, DPC, SAM, BPC, BTC, LAF. 3 cổ phiếu còn lại thuộc 2 nhóm ngành khác: SGH thuộc dịch vụ lưu trú và ăn uống, KHA và VTC thuộc nhóm ngành bán buôn và bán lẻ.
7 cổ phiếu tự ổn định sau 3 năm là: BBC, SAV, GIL, PMS, HAP, REE và GMD. Trong đó có 5 cổ phiếu thuộc ngành công nghiệp chế biến, chế tạo: BBC, SAV, GIL, PMS và HAP; 2 cổ phiếu còn lại: REE thuộc nhóm ngành kinh doanh bất động sản và GMD thuộc nhóm ngành vận tải kho bãi.
Nhận xét chung
Kết quả trên cho thấy trừ 3 cổ phiếu KHA, TRI và BPC, 10 cổ phiếu tự ổn định sau 1 năm còn lại đều không có độ ổn định theo thị trường tương đối cao ở thời kỳ 3 năm. Có những cổ phiếu đi theo thị trường nhưng độ tự ổn định lại không tốt lắm như: GIL và REE còn có những cổ phiếu không theo sát thị trường nhưng lại tự ổn định tốt chỉ sau 1 năm như: AGF, BT6 và CAN.
Đặc biệt với 2 cổ phiếu HAS và TMS độ ổn định theo thị trường là rất tốt: với thời kỳ ước lượng 3 năm TMS đã có kết quả ước lượng chính xác còn HAS có tỷ lệ % lượng giảm giữa 2 thời kỳ ước lượng 4 năm và 3 năm là 89.04%; nhưng lại chưa tự ổn định sau 3 năm.
Tuy nhiên, có thể kết luận rủi ro của các cổ phiếu ước lượng được là:
Mã cổ phiếu
Hệ số bêta
Mã cổ phiếu
Hệ số bêta
AGF
0.921112
KHA
0.87460
BBC
0.829905
LAF
0.653461
BPC
0.666290
PMS
0.688550
BT6
0.819958
REE
1.000446
BTC
0.367841
SAM
1.046544
CAN
0.571727
SAV
0.889621
DPC
0.683138
SGH
0.557065
GIL
0.907022
TMS
0.770487
GMD
0.838028
TRI
0.858542
HAP
0.964359
TS4
0.600662
HAS
0.651928
VTC
0.501670
KẾT LUẬN
Phương pháp ước lượng rủi ro đã trở nên rất quen thuộc đối với những người quan tâm đến thị trường nhưng vấn đề lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng để có được kết quả ước lượng chính xác thì gần như chưa được chú ý đến một cách đúng mức. Tuy nhiên, khi thị trường chứng khoán đang “xuống dốc không phanh” như thị trường chứng khoán Việt Nam trong những tháng đầu năm 2008 như vừa qua thì đánh giá rủi ro của cổ phiếu là một vấn đề lớn cần phải nói đến. Hơn nữa, thị trường chứng khoán nào sau một thời gian hình thành với những đặc trưng riêng có của nó cũng dần đi vào quỹ đạo chung nên cần có những nghiên cứu về sự ổn định cho thị trường.
Sau một thời gian nghiên cứu và hoàn thiện chuyên đề thực tập tốt nghiệp “Mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng khi ước lượng rủi ro - ứng dụng trên thị trường chứng khoán Việt Nam”, một số vấn đề sau đã được tập trung giải quyết:
Thứ nhất, những khái niệm cơ bản về thị trường chứng khoán được tìm hiểu, bên cạnh đó là những tổng hợp chung về thị trường chứng khoán Việt Nam.
Thứ hai, phân tích một số vấn đề gặp phải khi ước lượng rủi ro theo hai phương pháp CAPM và SIM như chuỗi lợi suất và độ dao động, trên cơ sở đó đưa ra mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng.
Thứ ba, đề xuất mô hình lựa chọn kỳ hạn tính lợi suất và thời kỳ ước lượng đối với số liệu thực tế hiện có của thị trường chứng khoán Việt Nam, sau đó ứng dụng mô hình ước lượng rủi ro cho các cổ phiếu lựa chọn.
Do vấn đề nghiên cứu còn khá mới, bị hạn chế về kinh nghiệm thực tế trong lĩnh vực này và kĩ năng thực hành của em còn hạn hẹp nên chuyên đề khó tránh khỏi những khuyếm khuyết, thiếu sót. Em xin kính nhận những ý kiến phê bình, đóng góp cùng những chỉ dẫn cụ thể của các thầy cô giáo, các anh chị hướng dẫn thực tập của nhóm Trading để em có thể nâng cao kiến thức thực tiễn và kĩ năng thực hành của mình.
Một lần nữa em xin chân thành cảm ơn thầy giáo TS. Ngô Văn Thứ cùng các anh chị trong nhóm Trading - phòng Đầu tư và tư vấn tài chính, công ty chứng khoán Ngân hàng Đầu tư và phát triển Việt Nam đã tận tình giúp đỡ em hoàn thành chuyên đề này.
DANH MỤC TÀI LIỆU THAM KHẢO
Bài giảng Mô hình phân tích và định giá tài sản tài chính của PGS.TS. Hoàng Đình Tuấn, ĐH.KTQD
Giáo trình Thống kê Thực hành – NXB Khoa học kĩ thuật – Ngô Văn Thứ
Giáo trình Kinh tế lượng – NXB Khoa học kĩ thuật, 2002 – PGS.TS. Nguyễn Quang Dong
Giáo trình Thị trường chứng khoán – NXB Tài chính, 2002 – Chủ biên PGS.TS. Nguyễn Văn Nam, PGS.TS. Vương Trọng Nghĩa
Estimating Systematic Risk: The Choice of Return Interval and Estimation Period – Phillip R. Daves, Michael C. Ehrhardt and Robert A. Kunkel
Estimation of β Coefficient and Analysis of Its Stationarity – XIA He-ping1 , CIA Xiang2, Wu Fang2 (1. Tsinghua University, Beijing 1000084, China; 2.Sun Yat-sen University, Guangzhou 510275, Guangdong, China)
Một số website: www.bsc.com.vn
www.kls.com.vn
www.tas.com.vn
www.fpts.com.vn
PHỤ LỤC
Phụ lục I: Mô tả chuỗi lợi suất của VN-Index trong từng thời kỳ
+ Năm 2007:
+ Thời kỳ 2006 – 2007:
+ Thời kỳ 2005 – 2007:
+ Thời kỳ 2005 – 2007:
Phụ lục II: Bảng tóm tắt mô hình của ước lượng lợi suất các cổ phiếu theo lợi suất thị trường theo danh sách cổ phiếu lựa chọn các thời kỳ:
+ Năm 2007:
+ Thời kỳ 2006 – 2007:
+ Thời kỳ 2005 – 2007:
+ Thời kỳ 2004 – 2007:
Phụ lục III: Bảng tỷ lệ % giữa 2 thời kỳ:
Mã cổ phiếu
Sai số tiêu chuẩncủa thời kỳ
Tỷ lệ % giữa 2 thời kỳ
2007
2006 – 2007
AGF
0.01989
0.01973
99.17
BBC
0.02684
0.02376
88.50
BPC
0.02694
0.02470
91.67
BT6
0.02208
0.02217
100.39
BTC
0.03593
0.03286
91.48
CAN
0.02459
0.02485
101.06
DPC
0.03085
0.02936
95.17
GIL
0.03391
0.02695
79.47
GMD
0.01930
0.02807
145.43
HAP
0.03153
0.02822
89.49
HAS
0.20505
0.14660
71.50
KHA
0.03091
0.02952
95.53
LAF
0.03065
0.02774
90.52
PMS
0.02489
0.02743
110.17
REE
0.02997
0.02387
79.65
SAM
0.02139
0.02297
107.38
SAV
0.02605
0.02241
86.01
SGH
0.03152
0.03102
98.42
TMS
0.02480
0.02154
86.86
TRI
0.02608
0.02485
95.28
TS4
0.03518
0.03442
97.83
VTC
0.02888
0.03173
109.87
Mã cổ phiếu
Sai số tiêu chuẩncủa thời kỳ
Tỷ lệ % giữa 2 thời kỳ
2006 – 2007
2005 – 2007
BBC
0.02376
0.02038
85.79
GIL
0.02695
0.02345
87.02
GMD
0.02807
0.02346
83.59
HAP
0.02822
0.02344
83.08
HAS
0.14660
0.11969
81.65
PMS
0.02743
0.02327
84.85
REE
0.02387
0.02007
84.07
SAV
0.02241
0.01912
85.35
TMS
0.02154
0.01878
87.16
Mã cổ phiếu
Sai số tiêu chuẩncủa thời kỳ
Tỷ lệ % giữa 2 thời kỳ
2005 – 2007
2004 – 2007
BBC
0.02038
0.01911
93.76
GIL
0.02345
0.02145
91.48
GMD
0.02346
0.02120
90.37
HAP
0.02344
0.02559
109.15
HAS
0.11969
0.10398
86.87
PMS
0.02327
0.02126
91.37
REE
0.02007
0.01814
90.42
SAV
0.01912
0.01782
93.20
TMS
0.01878
0.02146
114.29
Phụ lục IV: Bảng kết quả mô hình của ước lượng lợi suất các cổ phiếu theo lợi suất thị trường theo danh sách cổ phiếu lựa chọn thời kỳ 3 năm:
Các file đính kèm theo tài liệu này:
- 10972.doc