Luận văn Ảnh hưởng của thông tin bất cân xứng đối với nhà đầu tư trên thị trường Chứng Khoán thành phố Hồ Chí Minh

chứng khoán NYSE thì chi phí lựa chọn bất lợi trên thị trường chứng khoán TP.HCM là rất cao (Chi phí lựa chọn bất lợi theo nghiên cứu của Ness và cộng sự trên thị trường chứng khoán NYSE chưa đến 1% giá chứng khoán). Kết quả tính toán chi phí lựa chọn bất lợi trên cũng phản ảnh đúng với tình hình giao dịch và diễn biến của thị trường trong thời gian qua, diễn biến của thị trường trong thời gian qua là đồng loạt tăng và đồng loạt giảm (rất nhiều phiên cùng tăng trần hoặc giảm trần). 4.3.1.2. Thống kê miêu tả các biến thông tin Tác giả đã miêu tả thống kê sơ bộ về thực trạng các biến thông tin trong phần 3.2.2 chương III. Tuy nhiên, để có cái nhìn tổng quát hơn tác giả xin giới thiệu bảng thống kê miêu tả sau: Bảng 4.2c: Bảng thống kê miêu tả biến thông tin INTGTA MB MVE LEVG VOL PRI VAR SIGR SIGVOL Trung bình 0.02 2.48 1,575.91 0.09 4,401.29 85.73 1.03 15.95 4,168.41 SS chuẩn 0.01 0.19 542.56 0.01 475.35 6.90 0.13 2.05 349.34 Trung vị 0.00 1.96 225.00 0.03 2,782.95 61.53 0.69 10.73 2,899.91 ĐL chuẩn 0.07 1.73 5,002.13 0.12 4,382.47 63.61 1.22 18.87 3,220.74 PS mẫu 0.00 2.99 25,021,313 0.02 19,206,079 4,046.75 1.48 356.10 10,373,169 Kurtosis 32.18 12.94 44.51 5.64 6.30 4.92 27.79 27.79 4.08 Skewness 5.16 3.01 6.27 2.19 2.48 2.08 4.64 4.64 1.90 K biến thiên 0.52 11.70 40,104.69 0.65 20,822.72 329.03 9.24 143.17 16,835.56 Nhỏ nhất 0 0.62 30.06 0 923.05 19.56 0.18 2.78 996.91 Lớn nhất 0.52 12.32 40,134.75 0.65 21,745.78 348.58 9.42 145.95 17,832.46 Quan sát 85 85 85 85 85 85 85 85 85 Nguồn: Tác giả thống kê từ bảng 3a của Phụ lục số 2. 50 Bảng 4.2c cho chúng ta thấy các biến thông tin đều có khoảng biến thiên rất lớn, đặc biệt là các biến MVE, PRI, VOL, SIGR và SIGVOL, quan sát lớn nhất có thể gấp hàng trăm lần quan sát nhỏ nhất, thậm chí gấp hàng ngàn lần (MVE). Vì vậy ta có thể kết luận các công ty niêm yết trên thị trường chứng khoán TP.HCM chưa đồng đều. Trong các biến này thì có 2 biến (INTGTA và LEVG) có những quan sát nhận giá trị là không (0). Tuy nhiên, Kurtosis của các biến này lại >0 vì thế không thể lấy log của các biến này để đưa dữ liệu về phân phối chuẩn. Do vậy biến INTGTA và LEVG chỉ có thể chấp nhận là biến giả trong mô hình mà thôi. 4.3.2. Kết quả nghiên cứu thực nghiệm 4.3.2.1. Thủ tục ước lượng mô hình hồi qui Bước 1: Chạy mô hình hồi qui [4.1a] DASC^2 = a0 + a1INTGTA + a2LMB + a3LMVE + a4LEVG + a5LVOL + a6LPRI + a7LVAR + a8LSIGR + a9LSIGVOL [4.1a] Bước 2: Sử dụng kiểm định Wald để kiểm tra mô hình giới hạn. Bước 3: Kiểm tra hiện tượng đa cộng tuyến trong mô hình. Bước 4: Loại bỏ các biến có hiện tượng đa cộng tuyến. Bước 5: Kiểm tra hiện tượng phương sai không đồng nhất. Bước 6: Khắc phục hiện tượng phương sai không đồng nhất (nếu có) và chọn mô hình. 4.3.2.2 Kết quả hồi qui và phân tích hệ số. a) Kết quả hồi qui tổng thể: DASC^2 = 0.016003 - 0.000130INTGTA + 0.000246LMB* (0.842132) (-1.554525) (1.907079) - 0.000221LMVE*** + 0.0000876LEVG + 0.000424LVOL* - (-3.401047) (0.577191) (1.681710) 0.000450LPRI** + 0.004977LVAR -0.004593LSIGR – 51 (-2.439162) (0.715293) (-0.659257) 0.000262LSIGVOL [4.1b] (-0.974976) R2: 0.427453 Ghi chú: * có ý nghĩa 10%, ** có ý nghĩa 5%, *** có ý nghĩa 1% b) Kết quả hồi qui mô hình giới hạn: DASC^2 = 0.000704 + 0.000299LMB - 0.000316LMVE + (1.116430) (2.210792) (-5.128069) 0.000276LVOL + 0.0000656LPRI [4.2b] (3.451733) (0.596953) R2: 0.316378 Giải thích kết quả phương trình [4.1b]: Hầu hết các biến đều có tương quan với DASC^2 như kỳ vọng ngoại trừ biến LVOL và LSIGR. Việc LVOL có quan hệ dương với DASC^2 (có ý nghĩa thống kê 10%) có thể giải thích cổ phiếu có số lượng giao dịch càng lớn thì chi phí lựa chọn bất lợi càng cao. Điều này nghe có vẻ vô lý vì theo Ness và cộng sự (2001) thì ngược lại, nhưng đối với thị trường chứng khoán TP.HCM thì có vẻ hợp lý vì diễn biến của thị trường chủ yếu do tâm lý bầy đàn nên lượng giao dịch tăng chỉ phản ảnh yếu tố tâm lý bầy đàn (cùng bán hoặc cùng mua nên lượng giao dịch tăng). LSIGR (độ lệch chuẩn của suất sinh lợi đo lường thông qua sự biến đổi giá cổ phiếu) thì cũng tương tự như LVOL vì sự biến đổi giá chủ yếu do tâm lý bầy đàn quyết định, tức là giá càng tăng mọi người càng tăng mua làm giá càng tăng nhiều hơn, ngược lại giá giảm cũng vậy. LMB có ý nghĩa thống kê tại mức 10%, LMB càng lớn thì kỳ vọng phát triển của công ty niêm yết càng lớn (Ness và cộng sự, 2001). Dấu dương của LMB hàm ý rằng các công ty niêm yết trên thị trường được kỳ vọng sẽ tăng trưởng và phát triển cao thì sẽ có chi phí lựa chọn bất lợi cao. Thực tế sự phát triển của công ty đều dựa vào những thông tin dự báo, do thông tin dự báo có thể đúng hoặc sai và chính vì điều này đã làm cho bất cân xứng thông tin càng cao. 52 LMVE – trong nghiên cứu của Ness và cộng sự (2001) thì biến LMVE chỉ là biến kiểm soát trong mô hình nên nó không được xem trọng. Tuy nhiên, nghiên cứu thực nghiệm tại thị trường chứng khoán TP.HCM, LMVE có tương quan âm và có mức ý nghĩa thống kê 1%, đây là biến có độ tin cậy cao nhất trong mô hình. Dấu âm của LMVE thể hiện giá trị của công ty càng lớn hay có giá trị thị trường lớn sẽ có chi phí lựa chọn càng nhỏ. Thực tế cho thấy thời gian qua các nhà đầu tư tại thị trường chứng khoán Việt Nam nói chung và TP.HCM nói riêng chỉ quan tâm đến những công ty có qui mô lớn và danh tiếng, cổ phiếu của những công ty này thường được gọi là “Blue chip”. Vì vậy mà thông tin về những công ty này được các nhà đầu tư nắm khá rõ. LPRI (log của giá cổ phiếu trung bình) có mức ý nghĩa thống kê 5% và tương quan nghịch với chi phí lựa chọn bất lợi, điều này phản ảnh giá của những cổ phiếu lớn sẽ có chi phí lựa chọn thấp. Theo thực tế hiện nay, hầu hết cổ phiếu có giá cao như FPT, DHG, SJS.... đều là những công ty có qui mô lớn trên thị trường. Vì vậy mà tương quan của LPRI với DASC^2 cũng tương tự LMVE tương quan với DASC^2. INTGTA (tỷ số giữa tài sản vô hình và tổng tài sản) và LEVG (đoàn bẩy tài chính) không có ý nghĩa về mặt thống kê. Do dữ liệu không có phân phối chuẩn nên bắt buộc phải lấy log của dữ liệu này. Tuy nhiên do có một số quan sát có INTGTA và LEVG bằng không (0) nên tác giả không thể lấy log(0) mà phải chấp nhận INTGTA và LEVG là hai biến giả trong mô hình. Vì đa phần các quan sát của INTGTA và LEVG đều nhận giá trị một (1) nên hai biến này rất khó giải thích cho các quan sát có chi phí lựa chọn khác nhau. LVAR (log của sai số suất sinh lợi hàng ngày), LSIGR (log của độ lệch chuẩn suất sinh lợi hàng ngày) và LSIGVOL (log của độ lệch chuẩn sản lượng giao dịch), các biến này đều phản ảnh độ ổn định của cổ phiếu. Tuy nhiên, có thể thấy tình hình giao dịch của thị trường trong thời gian qua không theo qui tắc giao dịch thông thường là cổ phiếu tăng thì bán, giảm thì mua mà là càng tăng càng mua, càng giảm càng bán, đây là biểu hiện của tâm lý bầy đàn của thị trường trong giai đoạn này. Vì vậy các biến trên rất khó giải thích trong mô hình (LVAR, LSIGR, LSIGVOL không có ý nghĩa về mặt thống kê). 53 Đối với hàm hồi qui giới hạn [4.2b] là hàm có bốn biến được chọn từ hàm hồi qui [4.1b] có mức ý nghĩa thấp (nhỏ hơn 10%). Kết quả hồi qui hàm [4.2b] cho thấy biến LPRI đã thay đổi dấu từ âm (hàm hồi qui tổng thể [4.1b]) sang dương, các biến còn lại đều có dấu giống như hàm [4.1b]. Việc thay đổi dấu này là do sự cộng tuyến của ba biến LMB, LVOL và LPRI. Sau khi thực hiện các bước, tác giả đã loại trừ hai biến gây ra cộng tuyến là LMB và LPRI. Vì vậy mà hàm đo lường chi phí lựa chọn bất lợi chỉ còn phụ thuộc vào hai biến là LMVE và LVOL. Do có hiện tượng phương sai không đồng nhất nên tác giả đã dùng trọng số (1/LMVE) và có kết quả hồi qui theo như hàm [4.4]: DDASC = -0.000212 + 0.001529DLMVE + 0.000160DLVOL [4.4] (-6.150045) (3.339707) (2.412818) R2: 0.774245 Phương trình [4.4] có thể được viết lại như sau: DASC^2/LMVE = -0.000212 + 0.001529/LMVE + 0.000160LVOL/LMVE [4.5] Thực ra phương trình [4.5] cũng tương đương với phương trình [4.3] (Phụ lục số 3). Vì nếu ta nhân hai vế của phương trình [4.5] cho LMVE thì kết quả tương đương phương trình [4.3]. Vì thế kết quả này có thể giải thích như sau: Nếu MVE (giá trị thị trường của công ty niêm yết) tăng 1% thì DASC^2 (chi phí lựa chọn bất lợi bình phương) sẽ giảm tương tứng 0.000212 ngàn đồng. Tương tự, nếu VOL (số lượng giao dịch) tăng 1% thì DASC^2 tăng 0.000160 ngàn đồng. 4.4. Kết luận Thành phần/chi phí lựa chọn bất lợi của thị trường chứng khoán TP.HCM trong một năm qua là rất cao, từ kết quả tính toán có thể thấy chi phí lựa chọn bất lợi của nhà đầu tư kém thông tin trên thị trường hiện nay chiếm gần 4% giá trị giao dịch (cao hơn gấp 4 lần đối với thị trường chứng khoán NYSE theo nghiên cứu của Ness và cộng sự, 2001). 54 Kết quả hồi qui đo lường chi phí lựa chọn bất lợi theo các biến thông tin, chỉ có 4 biến có ý nghĩa thống kê là tỷ số giá trị thị trường và sổ sách (LMB) có ý nghĩa thống kê 10%, giá trị thị trường của vốn cổ phần (LMVE) có ý nghĩa 1%, sản lượng trung bình của cổ phiếu giao dịch trong ngày (LVOL) có ý nghĩa 10% và giá trung bình của cổ phiếu (LPRI) có ý nghĩa 5%. Các biến còn lại đều có mức ý nghĩa thống kê t lớn hơn 10%. Tuy nhiên, sau khi kiểm tra vấn đề đa cộng tuyến trong các biến giải thích thì biến LMB, LVOL và LPRI là ba biến có hiện tượng đa cộng tuyến. Sau khi loại bỏ hai biến gây ra cộng tuyến, mô hình chỉ được giải thích tốt nhất đối với hai biến LMVE và LVOL. Kiểm tra vấn đề phương sai không đồng nhất thì hàm hồi qui DSAC^2 theo LMVE và LVOL lại có hiện tượng này. Để khắc phục vấn đề trên, tác giả đã dùng phương pháp hồi qui có trọng số (1/LMVE), kết quả vấn đề phương sai không đồng nhất đã được khắc phục. Phương trình hồi qui được chọn để đo lường chi phí lựa chọn bất lợi là DASC^2/LMVE = -0.000212 + 0.001529/LMVE + 0.000160LVOL/LMVE. Từ phương trình này, có thể kết luận rằng giá trị thị trường của công ty niêm yết càng lớn thì càng giảm chi phí lựa chọn bất lợi trong giao dịch và lượng giao dịch tăng theo yếu tố tâm lý bầy đàn càng làm tăng chi phí lựa chọn bất lợi. Chương V. Kết luận và gợi ý chính sách 5.1. Kết luận vấn đề nghiên cứu Thứ nhất, mặc dù tác giả không thể đo lường chi phí lựa chọn bất lợi theo nhiều mô hình khác nhau (mô hình (2), (3) và (4) trong phần 2.4.1 chương II), nhưng kết quả đo lường theo mô hình của Glosten và Harris (1988) cũng đã cho kết quả khá hợp lý đối với tình hình giao dịch hiện nay. Thứ hai, thị trường chứng khoán trong thời gian qua có sự dao động rất lớn, thị trường có thể liên tục tăng hoặc liên tục giảm trong thời gian dài. Nếu xem xét cảm tính có thể kết luận sự dao động của thị trường chủ yếu do tâm lý bầy đàn gây nên. 55 Thứ ba, vấn đề công bố thông tin từ phía công ty niêm yết hiện nay còn chậm chưa đúng thời gian qui định, nội dung công bố còn nhiều thiếu sót và không thường xuyên. Thứ tư, các biến thông tin về ANLYST, PINST, INST và RDSALE tác giả không thể đưa vào mô hình đo lường do công ty niêm yết chưa công bố đầy đủ. Bên cạnh đó các biến như ERRE và DISP tác giả không thể đưa vào mô hình do có số quan sát quá ít nên độ chính xác của kết quả nghiên cứu không cao. Thứ năm, kết quả nghiên cứu thực nghiệm cho thấy chi phí lựa chọn bất lợi trung bình của nhà đầu tư trên thị trường là gần 4% giá cổ phiếu. Thành phần lựa chọn bất lợi chiếm khoảng 90% trong sự biến thiên của giá giao dịch. Nếu so sánh với Ness và cộng sự (2001) đã giới thiệu, thì việc đo lường chi phí lựa chọn bất lợi có thể được xem là phương thức đo lường trực tiếp mức độ thông tin bất cân xứng giữa nhà đầu tư và công ty niêm yết. Vì vậy dựa theo đó tác giả có thể khẳng định mức độ thông tin bất cân xứng trên thị trường chứng khoán hiện nay rất cao - gần gấp 4 lần nghiên cứu của Ness và cộng sự trên thị trường chứng khoán NYSE. Thứ sáu, mô hình hồi qui tổng thể cho kết quả biến LVAR (sai số suất sinh lợi hàng ngày) là có tác động mạnh nhất (0.004977). Tuy nhiên, LVAR có ý nghĩa thống kê rất thấp trong mô hình (0.715293). Mô hình có 4 biến có ý nghĩa về mặt thống kê là LMB, LMVE, LVOL và LPRI. Tuy nhiên, biến LMB và LPRI là hai biến gây ra hiện tượng đa cộng tuyến. Do vậy có thể kết luận giá trị thị trường (LMVE) là yếu tố chính (tác động mạnh hơn LVOL) gây ra mức độ thông tin bất cân xứng hiện nay. Giá trị thị trường của công ty niêm yết càng cao thì bất cân xứng thông tin càng giảm. Thứ bảy, dựa vào kết quả nghiên cứu, để giảm thông tin bất cân xứng ta cần phải khuyến khích ngày càng nhiều các công ty được đánh giá tốt và những công ty có qui mô lớn được niêm yết trên thị trường – LMVE. 5.2. Gợi ý chính sách Như mục tiêu mà luận văn đặt ra, một trong những cách thức để thị trường chứng khoán phát triển, hiệu quả và bền vững thì thông tin trên thị trường cần phải 56 minh bạch và đầy đủ. Vì vậy việc làm giảm bất cân xứng thông tin của nhà đầu tư và công ty niêm yết sẽ làm cho nhà đầu tư đầu tư hiệu quả hơn, tức đầu tư vào những công ty có tiềm năng phát triển góp phần phát triển thị trường chứng khoán nói riêng và phát triển kinh tế nói chung. Các gợi ý mà đề tài đưa ra như sau: Thứ nhất, các gợi ý liên quan đến biến đo lường LMVE (giá trị thị trường của vốn cổ phần). Kết quả hồi qui cho thấy LMVE là biến có ý nghĩa thống kê cao nhất, không có hiện tượng đa cộng tuyến trong mô hình nghiên cứu [4.5] và có tác động mạnh hơn biến LVOL. Vì vậy theo tác giả, những gợi ý chính sách đầu tiên mà tác giả muốn đề cập là phải gia tăng LMVE để hạ thấp chi phí lựa chọn bất lợi (DASC^2), cũng là hạ thấp mức độ thông tin bất cân xứng về công ty niêm yết. Vì kết quả thực nghiệm cho thấy LMVE có mối quan hệ nghịch với DASC^2. Các gợi ý liên quan như sau: - Chính phủ (Ủy ban chứng khoán) cần phải nâng cao qui định vốn pháp định các công ty niêm yết trên thị trường (giải pháp sàng lọc). Vì qui định các công ty cổ phần có vốn pháp định 10 tỷ đồng được niêm yết trên thị trường hiện nay đã trở nên quá thấp. Việc nâng cao qui định vốn pháp định sẽ giới hạn chỉ có những công ty có qui mô lớn mới được niêm yết trên thị trường chứng khoán TP.HCM. Như đã nói các công ty càng có qui mô lớn thì nhà đầu tư càng dễ có được thông tin cần thiết để đầu tư về những công ty này thông qua thương hiệu, danh tiếng, phạm vi hoạt động sản xuất kinh doanh… Mặc khác, việc nâng cao qui định vốn pháp định sẽ làm cho thị trường chứng khoán TP.HCM có hàng hóa đồng đều hơn và đặc biệt là loại bỏ những công ty nhỏ, có thông tin bất cân xứng cao. - Chính phủ cần khuyến khích các tổng công ty, tập đoàn hay các công ty lớn sớm cổ phần hóa để thị trường có nhiều công ty lớn niêm yết. Đây là giải pháp rất cần thiết vừa để gia tăng hàng hóa trên thị trường và cũng vừa để thị trường có thêm hàng hóa chất lượng cao. Thứ hai, các gợi ý liên quan đến biến đo lường LVOL (số lượng giao dịch bình quân). Vì số lượng giao dịch có quan hệ dương với chi phí lựa chọn bất lợi nên nếu số lượng cổ phiếu giao dịch càng tăng thì chi phí lựa chọn bất lợi càng tăng. Điều này thật nghịch lý so với lý thuyết và thực tế của các nghiên cứu trước. Như vậy có thể nói hiện tượng giao dịch theo bầy đàn trong thời gian vừa qua đã làm gia 57 tăng chi phí lựa chọn bất lợi của nhà đầu tư hay gia tăng mức độ thông tin bất cân xứng trong giao dịch. Vì vậy gợi ý cần đề ra là: - Chính phủ (cơ quan quản lý ngành) cần phải khuyến khích các nhà đầu tư, đặc biệt là nhà đầu tư cá nhân (chiếm 70% - nguồn: Vietstock) nên trang bị kiến thức về chứng khoán khi tham gia đầu tư để tránh hoặc giảm bớt hiện tượng bầy đàn trong giao dịch. Giải pháp này cần được thực hiện thông qua việc mở rộng và khuyến khích các trường, các tổ chức chuyên ngành đào tạo về lĩnh vực chứng khoán; Phổ biến kiến thức về lĩnh vực chứng khoán trên nhiều phương diện (Internet, truyền hình, hội thảo...) và các giải pháp khác. - Cơ quan quản lý ngành (Ủy ban chứng khoán, Sở giao dịch chứng khoán) thường xuyên đưa ra các phân tích, cảnh báo về diễn biến của thị trường (thị trường tăng trưởng quá nóng hoặc quá lạnh) để nhà đầu tư kém thông tin nhận định chính xác hơn về tình hình thị trường và từ đó sẽ có những quyết định mua – bán hợp lý. Thứ ba, có rất nhiều thông tin từ phía công ty niêm yết ảnh hưởng đến quyết định của nhà đầu tư, nhưng nhà đầu tư không thể thu thập đánh giá như chi phí nghiên cứu phát triển của công ty, cơ cấu sở hữu của cổ đông là các tổ chức, số lượng các tổ chức là cổ đông, các thông tin trên rất ít khi được công ty niêm yết công bố hoặc công bố không đầy đủ. Mặc khác, vì các thông tin này tác giả cũng không thể thu thập nên nghiên cứu này chưa thể biết được trong các thông tin trên, thông tin nào có ảnh hưởng nhiều đến sự lựa chọn bất lợi của nhà đầu tư. Do vậy, gợi ý của tác giả: - Công ty niêm yết cần phải phát tín hiệu về những thông tin còn thiếu nêu trên để nhà đầu tư có cái nhìn đầy đủ hơn và đánh giá đúng hơn về giá trị thực cũng như giá cổ phiếu giao dịch trên thị trường. - Chính phủ cần bổ sung qui định công bố thông tin gồm các thông tin còn thiếu sót nêu trên và là điều kiện bắt buộc công ty niêm yết phải công bố. Cuối cùng, xuất phát từ thực trạng công bố thông tin của các công ty niêm yết trong thời gian vừa qua và những nhận định vừa chủ quan vừa khách quan của các nhà đầu tư hiện nay, các thông tin công bố từ phía công ty niêm yết cần phải chính xác và kịp thời. Muốn vậy cần phải có những qui định rõ ràng về thời gian, nội dung và chất lượng thông tin công bố, đặc biệt qui định xử phạt phải đảm bảo 58 tính răn đe nếu công ty vi phạm. Ngoài ra, các cơ quan quản lý chuyên ngành cần phải thường xuyên thực hiện chức năng giám sát cả trực tiếp lẫn gián tiếp để giao dịch được diễn ra công bằng và minh bạch. 5.3. Giới hạn của đề tài 5.3.1. Mô hình đo lường chi phí lựa chọn bất lợi Như đã giới thiệu tại điểm 2.4.1 chương II, ngoài mô hình đo lường chi phí lựa chọn bất lợi của Glosten và Harris (1988) còn có rất nhiều mô hình đo lường khác như: mô hình của George Kaul và Nimalendran (1991), mô hình của Lin, Sanger và Booth (1995), mô hình của Roger D.Huang và Hans R.Stoll (1997), .... Do phương thức khớp lệnh liên tục chỉ mới áp dụng từ cuối tháng 07/2007 và điều kiện thu thập dữ liệu đối với các mô hình chưa đầy đủ nên tác giả không thể đo lường chi phí lựa chọn bất lợi bằng nhiều cách thức khác nhau. Vì thế mà chưa có nhiều sự so sánh để đánh giá tốt hơn về tình hình thị trường hiện nay. 5.3.2. Số lượng công ty niêm yết Mặc dù hiện có trên 140 công ty được niêm yết trên thị trường chứng khoán TP.HCM, nhưng tác giả chỉ có thể chọn 104 công ty làm quan sát đo lường cho thị trường. Vì chỉ có 104 công ty niêm yết này có thời gian niêm yết từ một năm trở lên trong thời gian tác giả nghiên cứu. Nếu so sánh với số lượng công ty niêm yết được chọn làm quan sát với các nghiên cứu của Clarke và Shastri (2001) hay Ness và cộng sự (2001) thì số quan sát của nghiên cứu này vẫn còn khá ít. 5.3.3. Biến đo lường Như đã phân tích, có một số biến đo lường mức độ thông tin không thể thu thập được trong điều kiện hiện nay: ANLYST, ERRE, DISP, RDSALES, INST, PINST. Vì thế tác giả không thể xác định được trong các yếu tố trên, yếu tố nào có ảnh hưởng nhiều đến mức độ thông tin bất cân xứng trong điều kiện hiện nay. Sự giới hạn này đã làm hạn chế phần gợi ý chính chính sách phát triển thị trường trong nghiên cứu này. 59 5.3.4. Kiểm soát biến nội sinh Một trong những giới hạn lớn đối với nghiên cứu này là không thể thu thập được biến ANLYST nên tác giả không thể kiểm soát vấn đề nội sinh của các biến trong mô hình. 5.3.5. Các lĩnh vực nghiên cứu tiếp tục Nhằm khắc phục những thiếu sót và hạn chế của luận văn này, tác giả cho rằng trong thời gian tới khi các dữ liệu còn hạn chế trong nghiên cứu này được công bố đầy đủ và công tác thống kê quá trình giao dịch được nâng cấp (thống kê từng khoảng thời gian ngắn trong giao dịch khớp lệnh liên tục). Nghiên cứu tiếp theo cần được thực hiện: - Đo lường chi phí lựa chọn bất lợi bằng nhiều phương pháp (tác giả đã giới thiệu trong mục 2.4.1 chương II) để có cơ sở so sánh và đánh giá chính xác hơn về tình hình của thị trường. - Nhìn nhận cảm tính tác giả thấy rằng diễn biến của thị trường chứng khoán TP.HCM chịu ảnh hưởng không nhỏ diễn biến của thị trường chứng khoán Hà Nội. Vì vậy nghiên cứu tiếp theo cần mở rộng phạm vi nghiên cứu trên cả hai thị trường này để có những gợi ý chính sách bao quát và chính xác hơn. 60 TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Việt: - Báo điện tử Đảng cộng sản Việt Nam (2007) ‘Xảy ra sự cố tại sàn chứng khoán TP.HCM’, truy cập ngày 31/08/2007. - Công ty chứng khoán ngân hàng ngoại thương ‘Kiến thức chứng khoán’, truy cập ngày 15/08/2007. - Đào Lê Minh (2002) Những vấn đề cơ bản về chứng khoán và thị trường chứng khoán. Hà Nội: Nhà xuất bản chính trị quốc gia. - Lê Văn Tề, Trần Đắc Sinh, và Nguyễn Văn Hà (2005) Thị trường chứng khoán tại Việt Nam. Hà Nội: Nhà xuất bản thống kê. - Lê Mai Linh (2003) Phân tích và Đầu tư chứng khoán. Hà Nội: Nhà xuất bản chính trị quốc gia. - Ngân hàng thương mại cổ phần Nam Việt ‘Dịch vụ chứng khoán hội nhập WTO ra sao?’, truy cập ngày 15/07/2007. - Nguyễn Hoàng Bảo (2004) ‘Kinh tế lượng ứng dụng’. Bài giảng cho học viên cao học, Đại học Kinh tế TP.HCM. - Nguyễn Quang Dong (2003) Kinh tế lượng, Hà Nội: Nhà xuất bản Thống kê. - Nguyễn Trọng Hoài (2006) ‘Bất cân xứng về thông tin trên các thị trường tài chính’. Bài giảng cho học viên cao học, Đại học Kinh tế TP.HCM. - Nguyễn Thị Bảo Khuyên (2007) ‘Kiểm chứng tính hiệu quả về mặt thông tin của thị trường chứng khoán Việt Nam’. Luận văn tốt nghiệp đại học, Đại học Kinh tế TP.HCM. - Quyết định số 163/2003/QĐ-TTg ngày 5 tháng 8 năm 2003 của Thủ tướng Chính phủ về việc ‘Phê duyệt chiến lược thị trường chứng khoán Việt Nam đến năm 2010’. 61 - Quyết định số 898 /QĐ-BTC ngày 20 tháng 02 năm 2006 của Bộ trưởng Bộ Tài chính về việc ‘Ban hành Kế hoạch phát triển thị trường chứng khoán Việt Nam 2006 – 2010’. - Quyết định số 128/2007/QĐ-TTg ngày 02 tháng 8 năm 2007 của Thủ tướng Chính phủ về việc ‘Phê duyệt Đề án phát triển thị trường vốn Việt Nam’. - Thông tư số 38/2007/TT-BTC của Bộ Tài chính ban hành ngày 18/04/2007 về việc ‘Công bố thông tin trên thị trường chứng khoán’. - Tuổi trẻ (2007) ‘Nhà đầu tư cần biết’, truy cập ngày 10/08/2007. - Vietstock (2007) ‘Qui mô thị trường chứng khoán Việt Nam’, 6, truy cập ngày 27/12/2007. Tài liệu tham khảo tiếng Anh: - Auronen, L. (2003) ‘Asymmetry Information: Theory and Applications”, users.tkk.fi/~lauronen/works/asymmetric_information.pdf, truy cập ngày 18/05/2007. - Brennan, M.J., A. Subrahmanyam (1995) ‘Investment analysis and price formation in securities markets’, Journal of Financial Economics, 38(3) : 361-381. - Chung, K.H., Chuwonganant, C., and D.T. McCormick (2006) ‘Order preferencing, adverse – selection costs, and the probability of information – based trading’, probabilityofinformationbasedtrading.pdf, truy cập ngày 19/04/2007. - Clarke, J., and K. Shastri (2001) ‘On Information Asymmetry Metrics’, www.pitt.edu/~ks112354/metrics.pdf , truy cập ngày 26/04/2007. 62 - Quy, Dang Ngoc (2007) ’Efecting of loan amount on farm household’s income in Tan Chau District, Tay Ninh Provinces’, Master of Arts in development economics, Vietnam – the Netherlands project on development economices. - Glosten, L.R. and L. E. Harris (1988) ’Estimating the components of the bid/ask spread’, Journal of Financial Economics, 21, 123-142. - Investing ‘What are penny stocks’, ml, truy cập ngày 17/08/2007. - Li, K. & X. Zhao (2007) ‘Asymmetric Information and Dividend Policy’ truy cập ngày 26/09/2007. - Ness, B.F.V., Ness, R.A.V, and R.A. Warr (2001) ‘How do well adverse selection components measure adverse selection?’, www4.ncsu.edu/~rswarr/FM2001.pdf, truy cập ngày 26/04/2007. - Ravi, R. (2005) ‘Opacity of a firm and information in the financial market’, www.fma.org/SLC/Papers/Opacityofafirmandinformationasymmetryinthefinancial market.pdf, truy cập ngày 26/04/2007. - Serdnyakov, A. (2005) ‘A model of the components of the bid-ask spread’, webpages.csom.umn.edu/finance/aserednyakov/JobMarketPaper.pdf, truy cập ngày 29/04/2007. - Sarin, A., Shastri K.A., and K. Shastri (1999), ‘Ownership structure and Stock market liquidity’, www.pitt.edu/~ks112354/ownership.pdf, truy cập ngày 23/06/2007. - VeryCard info ‘Blue chip stocks – Define meaning of the word blue chip stocks’, truy cập ngày 17/08/2007. - Wikipedia ‘Herd behaviour’, truy cập ngày 16/09/2007. - Wikipedia ‘Information asymmetry’, truy cập ngày 15/05/2007. 63 PHỤ LỤC 1 Bảng 4.1a: Thành phần lựa chọn bất lợi của mỗi cổ phiếu CK ABT AGF ALT BBC BBT BHS BMP BPC ASC 0.92354 0.88996 0.91918 0.79813 0.95383 0.83246 0.84199 0.88698 CK BT6 BTC CAN CII CLC COM CYC DCT ASC 0.90065 0.97120 0.89554 0.88598 0.73329 0.85484 0.94059 0.95617 CK DHA DHG DIC DMC DNP DPC DRC DTT ASC 0.82992 0.94774 0.93816 0.75750 0.91082 0.90461 0.86534 0.95051 CK DXP FMC FPC FPT GIL GMC GMD HAP ASC 0.90304 0.81984 0.96035 0.84515 0.96305 0.84925 0.78277 1.04113 CK HAS HAX HBC HBD HMC HRC HTV IFS ASC 0.93525 0.97272 0.87528 0.93652 0.91123 1.00453 1.00820 0.94248 CK IMP ITA KDC KHA KHP LAF LBM LGC ASC 0.94014 0.85306 0.91780 0.97328 0.99001 0.96755 1.01865 0.91874 CK MCP MCV MHC NAV NHC NKD NSC PAC ASC 0.84827 0.87906 0.91710 1.01248 0.86737 0.75036 0.92552 0.86735 CK PGC PJT PMS PNC PVD RAL REE RHC ASC 0.85860 1.02759 0.91202 0.94800 0.93168 0.79368 0.96188 0.89467 CK SAF SAM SAV SCD SDN SFC SFI SGC ASC 0.85677 0.95948 0.75722 0.95502 0.89590 0.96258 0.88960 0.84060 CK SGH SHC SJ1 SJD SJS SMC SSC STB ASC 0.93991 0.96876 0.98604 0.87424 1.07206 0.98600 0.86887 0.93032 CK TAC TCR TCT TDH TMC TMS TNA TRI ASC 0.98795 0.80991 1.01816 0.79074 0.89073 0.75101 0.91962 0.91662 CK TS4 TTC TTP TYA UNI VFC VGP VID ASC 0.85164 0.95252 0.79831 0.88059 0.92826 0.97637 0.87706 0.91213 CK VIP VIS VNM VPK VSH VTA VTB VTC ASC 0.87911 0.98826 0.90898 0.99302 0.89588 0.87672 0.79844 0.91666 Ghi chú: CK là chứng khoán, ASC là thành phần chi phí lựa chọn bất lợi. Nguồn: Tác giả tính toán từ mô hình của Glosten và Harris từ nguồn số liệu Ngân hàng đầu tư và phát triển Việt Nam. Bảng 4.2a: Chi phí lựa chọn bất lợi trên mỗi cổ phiếu CK ABT AGF ALT BBC BBT BHS BMP BPC DASC 0.03250 0.03382 0.03877 0.03887 0.04667 0.03101 0.03356 0.03886 CK BT6 CAN CII CLC COM CYC DCT DHA DASC 0.03531 0.03487 0.04052 0.02835 0.03284 0.03971 0.04163 0.03241 CK DHG DIC DMC DNP DPC DRC DTT DXP DASC 0.03508 0.04126 0.03134 0.04222 0.04721 0.03399 0.04445 0.03898 CK FMC FPC FPT GIL GMC GMD HAS HAX DASC 0.03354 0.04369 0.04629 0.04380 0.04231 0.02885 0.04768 0.04852 CK HBC HBD HMC IFS IMP ITA KDC KHP DASC 0.04008 0.04406 0.04415 0.03482 0.04584 0.02828 0.04927 0.04459 64 CK LAF LGC MCP MCV MHC NHC NKD NSC DASC 0.04466 0.04685 0.04213 0.04385 0.04220 0.04299 0.03358 0.03690 CK PAC PGC PMS PNC PVD RAL REE RHC DASC 0.03394 0.03745 0.04036 0.04266 0.03679 0.02956 0.03707 0.03698 CK SAF SAM SAV SCD SFC SFI SGC SGH DASC 0.04331 0.03992 0.03307 0.04198 0.04735 0.04194 0.03471 0.04553 CK SHC SJ1 SJD SMC SSC TAC TCR TDH DASC 0.04820 0.04837 0.03825 0.04464 0.03885 0.04369 0.03298 0.02796 CK TMC TMS TNA TRI TS4 TTC TTP TYA DASC 0.04241 0.03079 0.04405 0.04441 0.04575 0.04388 0.03596 0.03553 CK UNI VFC VGP VID VIP VNM VPK VSH DASC 0.04622 0.04842 0.04409 0.04151 0.03499 0.03422 0.04293 0.03805 CK VTA VTB VTC DASC 0.04119 0.03189 0.04032 Nguồn: Tác giả tính toán từ mô hình của Glosten và Harris từ nguồn số liệu Ngân hàng đầu tư và phát triển Việt Nam. Ghi chú: CK là chứng khoán, DASC là chi phí lựa chọn bất lợi của mỗi cổ phiếu (chi phí lựa chọn bất lợi/giá cổ phiếu). 65 PHỤ LỤC 2 Bảng 3a: Thực trạng các biến thông tin S TT CK INTGTA MB MVE LEVG VOL PRI VAR SIGR SIGVOL 1 AGF 1 2.21 867.6 1 2719 113 1.24 19.18 2458.37 2 ALT 1 1.40 80.7 1 1166 91 0.98 15.13 1467.57 3 BBC 1 1.96 416.6 1 5361 66 1.39 21.47 6167.80 4 BBT 0 1.00 99.2 1 8695 22 0.18 2.78 8345.29 5 BHS 1 1.70 769.5 1 8670 51 0.38 5.93 8411.62 6 BMP 0 4.94 2,006.4 0 2911 206 1.57 24.29 3356.23 7 BPC 0 1.38 91.6 1 2560 38 0.31 4.88 3132.13 8 BT6 0 1.42 545.0 1 2782 67 0.47 7.36 2223.57 9 CAN 0 1.40 87.2 1 2683 32 0.26 3.98 2771.67 10 CII 1 2.02 1,482.0 1 8833 71 0.51 7.93 7674.73 11 CLC 1 2.04 415.0 1 1190 55 0.42 6.55 1365.94 12 COM 1 1.44 142.8 1 1621 72 0.67 10.35 1952.24 13 CYC 0 0.66 30.1 1 2587 20 0.18 2.78 2972.98 14 DCT 1 1.85 323.0 1 7267 35 0.33 5.17 7670.44 15 DHA 1 2.38 449.3 1 5266 82 0.75 11.64 4787.90 16 DHG 1 4.51 1,864.0 1 2185 349 5.16 79.91 2351.25 17 DIC 0 1.71 124.8 0 2229 53 0.72 11.21 2640.80 18 DMC 1 4.13 1,412.4 1 2627 137 1.21 18.70 2334.58 19 DNP 0 1.72 90.0 1 3074 76 0.81 12.56 2696.92 20 DPC 0 1.76 47.8 1 2099 42 0.46 7.19 2783.20 21 DRC 1 2.36 836.9 1 4418 150 2.15 33.33 4164.23 22 DTT 0 3.57 108.0 1 1320 47 0.63 9.72 1215.12 23 DXP 1 1.96 151.6 1 2019 62 0.73 11.26 2654.79 24 FMC 1 2.81 507.0 0 2135 76 1.04 16.08 2207.92 25 FPC 0 0.62 58.2 0 2054 67 0.93 14.34 2629.81 26 FPT 1 12.3 40,135 1 20767 335 9.42 145.95 12942.51 27 GIL 0 1.47 232.1 1 4976 66 0.96 14.85 4171.45 28 GMC 0 1.78 134.2 1 2439 60 0.56 8.60 2978.31 29 GMD 0 5.71 4,732.2 1 10252 164 1.29 19.98 9329.19 30 HAS 1 1.35 136.1 1 3410 89 0.91 14.03 2436.05 31 HAX 0 1.41 68.6 1 1350 80 1.28 19.85 1688.10 32 HBC 1 8.40 1,054.7 1 3390 120 1.15 17.81 3691.65 33 HBD 0 2.47 48.4 1 1743 42 0.37 5.69 2632.35 34 HMC 1 1.81 537.2 1 2075 46 0.39 6.03 2522.24 35 IFS 0 0.75 238.9 1 3456 50 0.48 7.37 5158.61 36 IMP 0 2.99 840.0 1 3329 141 2.40 37.12 3422.13 37 ITA 1 3.38 4,050.0 1 10567 137 0.72 11.22 9603.11 38 KDC 1 5.16 4,470.0 1 5427 217 1.63 25.19 4749.03 39 LAF 1 0.87 51.9 1 7641 29 0.70 10.81 7349.45 40 MCP 0 1.56 108.3 1 1027 45 0.61 9.46 1425.72 41 MCV 0 1.57 147.3 1 3525 43 0.38 5.84 4127.01 42 MHC 0 1.56 213.9 1 6973 48 0.57 8.88 8924.84 43 NHC 1 2.40 49.4 0 923 50 0.43 6.69 1217.28 44 NKD 1 3.62 1,075.2 1 3591 178 1.81 28.02 3432.99 45 NSC 1 1.91 150.0 1 2545 63 0.55 8.50 2692.77 46 PAC 1 2.39 492.6 1 3967 54 0.54 8.33 4612.63 47 PGC 1 2.23 1,190.0 1 6474 63 0.60 9.29 5061.91 48 PMS 0 1.44 83.2 0 2673 33 0.28 4.37 2643.49 49 PNC 1 1.16 94.0 1 2839 33 0.34 5.21 2899.91 66 50 PVD 1 6.23 11,016 1 18626 208 3.33 51.66 11533.59 51 RAL 0 2.68 878.6 1 3352 121 0.76 11.85 3414.47 52 REE 1 3.38 4,316.6 1 21746 189 3.07 47.49 12536.27 53 RHC 0 1.44 112.0 1 977 57 0.70 10.79 1150.21 54 SAF 0 2.42 119.3 1 1084 48 0.57 8.82 1155.32 55 SAM 1 3.73 5,541.0 1 8071 181 2.05 31.74 6073.91 56 SAV 1 1.30 299.0 1 2068 65 0.55 8.53 2241.09 57 SCD 0 3.04 419.9 1 1826 50 0.64 9.90 1905.39 58 SFC 0 1.45 68.2 1 2186 79 1.14 17.72 1817.07 59 SFI 0 2.12 130.9 1 2048 202 2.62 40.63 1699.85 60 SGC 1 2.38 173.8 1 1360 52 0.51 7.93 1758.48 61 SHC 0 1.66 40.6 1 4024 49 0.69 10.73 4635.18 62 SJ1 0 2.01 71.0 1 929 46 0.33 5.12 996.91 63 SJD 0 1.47 886.0 1 5010 53 0.56 8.68 4340.15 64 SMC 1 1.31 225.0 1 4977 59 0.53 8.16 5525.82 65 SSC 1 3.20 429.0 1 2563 85 1.28 19.77 2727.94 66 TAC 1 2.66 1,171.2 1 6069 104 2.48 38.38 6237.81 67 TDH 1 3.99 3,111.0 1 5497 198 1.50 23.25 5516.57 68 TMC 1 1.94 133.4 1 1407 60 0.67 10.34 1373.78 69 TMS 1 2.34 287.4 1 1334 71 0.52 7.99 1585.94 70 TNA 0 1.43 51.9 1 1547 55 0.48 7.43 1455.87 71 TRI 1 1.51 170.6 1 2783 49 0.36 5.55 2864.04 72 TS4 0 1.40 93.0 1 1219 51 0.55 8.53 1522.48 73 TTC 1 1.09 66.0 1 3045 31 0.47 7.35 4018.58 74 TTP 0 3.13 852.4 1 4328 101 0.79 12.30 5249.23 75 UNI 0 2.24 40.0 1 3114 93 2.18 33.75 2778.48 76 VFC 1 1.30 158.9 1 3118 52 0.98 15.17 3297.42 77 VGP 0 2.18 179.1 1 1807 56 0.49 7.54 1987.28 78 VID 1 3.82 731.4 1 5375 60 0.75 11.58 6823.14 79 VIP 1 3.32 2,053.4 1 6765 83 0.73 11.23 6398.06 80 VNM 1 5.60 19,875 1 18420 180 0.79 12.24 17832.46 81 VPK 1 1.61 183.9 1 2441 29 0.29 4.42 2549.26 82 VSH 0 3.57 6,187.5 1 16730 66 0.79 12.30 13404.13 83 VTA 1 1.12 83.6 1 2253 28 0.26 4.09 3326.41 84 VTB 1 2.38 378.0 1 1002 60 0.77 11.92 1074.29 85 VTC 1 1.52 78.5 1 1174 51 0.54 8.32 1357.77 Nguồn: Tác giả thu thập và tính toán trên trang web của Sở GDCK và Công ty chứng khoán ngân hàng đầu tư và phát triển Việt Nam 67 Hình 4.1a: Đồ thị và thống kê miêu tả biến DASC 0 1 2 3 4 5 6 7 8 9 0.030 0.035 0.040 0.045 0.050 Series: DASC Sample 1 85 Observations 85 Mean 0.039616 Median 0.040361 Maximum 0.049274 Minimum 0.027959 Std. Dev. 0.005581 Skewness -0.293689 Kurtosis 2.129074 Jarque-Bera 3.908322 Probability 0.141683 Hình 4.1b: Đồ thị và thống kê miêu tả biến MB 0 4 8 12 16 20 24 2 4 6 8 10 12 Series: MB Sample 1 85 Observations 85 Mean 2.478000 Median 1.960000 Maximum 12.32000 Minimum 0.620000 Std. Dev. 1.729184 Skewness 2.958596 Kurtosis 15.13096 Jarque-Bera 645.1974 Probability 0.000000 Hình 4.1c: Đồ thị và thống kê miêu tả biến MVE 0 10 20 30 40 50 60 70 80 0 10000 20000 30000 40000 Series: MVE Sample 1 85 Observations 85 Mean 1575.912 Median 225.0000 Maximum 40134.75 Minimum 30.05700 Std. Dev. 5002.131 Skewness 6.160656 Kurtosis 44.86746 Jarque-Bera 6745.810 Probability 0.000000 68 Hình 4.1d: Đồ thị và thống kê miêu tả biến VOL 0 5 10 15 20 25 30 0 4000 8000 12000 16000 20000 Series: VOL Sample 1 85 Observations 85 Mean 4401.235 Median 2783.000 Maximum 21746.00 Minimum 923.0000 Std. Dev. 4382.496 Skewness 2.434394 Kurtosis 8.864396 Jarque-Bera 205.7575 Probability 0.000000 Hình 4.1e: Đồ thị và thống kê miêu tả biến PRI 0 4 8 12 16 20 40 80 120 160 200 240 280 320 Series: PRI Sample 1 85 Observations 85 Mean 85.74118 Median 62.00000 Maximum 349.0000 Minimum 20.00000 Std. Dev. 63.65329 Skewness 2.045092 Kurtosis 7.576903 Jarque-Bera 133.4417 Probability 0.000000 Hình 4.1f: Đồ thị và thống kê miêu tả biến VAR 0 10 20 30 40 0 1 2 3 4 5 6 7 8 9 Series: VAR Sample 1 85 Observations 85 Mean 1.030235 Median 0.690000 Maximum 9.420000 Minimum 0.180000 Std. Dev. 1.218143 Skewness 4.550358 Kurtosis 29.08464 Jarque-Bera 2703.112 Probability 0.000000 69 Hình 4.1g: Đồ thị và thống kê miêu tả biến SIGR 0 5 10 15 20 25 30 35 0 20 40 60 80 100 120 140 Series: SIGR Sample 1 85 Observations 85 Mean 15.95306 Median 10.73000 Maximum 145.9500 Minimum 2.780000 Std. Dev. 18.87034 Skewness 4.552976 Kurtosis 29.10885 Jarque-Bera 2707.924 Probability 0.000000 Hình 4.1h: Đồ thị và thống kê miêu tả biến SIGVOL 0 4 8 12 16 20 5000 10000 15000 Series: SIGVOL Sample 1 85 Observations 85 Mean 4168.406 Median 2899.910 Maximum 17832.46 Minimum 996.9100 Std. Dev. 3220.740 Skewness 1.869183 Kurtosis 6.772349 Jarque-Bera 99.89622 Probability 0.000000 Từ hình vẽ 4.1a – 4.1h của Phụ lục 2, miêu tả thống kê các biến. Để các biến có phân phối chuẩn, tác giả đã bình phương biến DASC và lấy log của 7 biến MB, MVE, VOL, PRI, VAR, SIGR và SIGVOL. 70 PHỤ LỤC 3 Hàm hồi qui nghiên cứu: Từ thực trạng miêu tả thống kê chi tiết nêu tại bảng 4.2c và phần Phụ lục 2 (từ hình 4.1a – 4.1h), tác giả đã chuyển đổi các biến về phân phối chuẩn trong EVIEW như sau: genr DASC^2 = DASC*DASC genr LMB = log(MB) genr LMVE = log(MVE) genr LVOL = log(VOL) genr LPRI = log(PRI) genr LVAR = log(VAR) genr LSIGR = log(SIGR) genr LSOGVOL = log(SIGVOL) và có hàm hồi qui như sau: DASC^2 = a0 + a1INTGTA + a2LMB + a3LMVE + a4LEVG + a5LVOL + a6LPRI + a7LVAR + a8LSIGR + a9LSIGVOL [4.1a] Trong đó: DASC^2 là bình phương của DASC (chi phí lựa chọn bất lợi); LMB, LMVE, LVOL, LPRI, LVAR, LSIGR và LSIGVOL lần lượt là log tương ứng của MB, MVE, VOL, PRI, VAR, SIGR và SIGVOL. Do không thể lấy log (0) của biến INTGTA và LEVG nên 2 biến này được chọn làm biến giả trong mô hình, biến giả INTGTA nhận giá trị là 1 nếu công ty niêm yết có tài sản vô hình và bằng 0 nếu công ty không có tài sản vô hình, biến giả LEVG nhận giá trị là 1 nếu cơ cấu nguồn vốn của công ty có nợ dài hạn trên 1 năm và bằng 0 nếu không có nợ dài hạn trên 1 năm. Từ phương trình [4.1a] tác giả đã hồi qui phương trình theo phương pháp bình phương bé nhất (OLS) để ước đoán các hệ số của phương trình, kết quả đạt được xem bảng 4.3. 71 Bảng 4.3: Kết quả hồi qui tổng thể [4.1a] Dependent Variable: DASC^2 Method: Least Squares Date: 01/16/08 Time: 18:29 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C 0.016003 0.019003 0.842132 0.4024 INTGTA -0.000130 8.38E-05 -1.554525 0.1243 LMB* 0.000246 0.000129 1.907079 0.0603 LMVE*** -0.000221 6.51E-05 -3.401047 0.0011 LEVG 8.76E-05 0.000152 0.577191 0.5655 LVOL* 0.000424 0.000252 1.681710 0.0968 LPRI** -0.000450 0.000184 -2.439162 0.0171 LVAR 0.004977 0.006958 0.715293 0.4766 LSIGR -0.004593 0.006967 -0.659257 0.5118 LSIGVOL -0.000262 0.000269 -0.974976 0.3327 R-squared 0.427453 Mean dependent var 0.001600 Adjusted R-squared 0.358747 S.D. dependent var 0.000434 S.E. of regression 0.000348 Akaike info criterion -12.97994 Sum squared resid 9.07E-06 Schwarz criterion -12.69257 Log likelihood 561.6474 F-statistic 6.221501 Durbin-Watson stat 2.237618 Prob(F-statistic) 0.000002 Ghi chú: * có ý nghĩa 10%, ** có ý nghĩa 5%, *** có ý nghĩa 1% Kết quả hồi qui có hệ số: DASC^2 = 0.016003 - 0.000130INTGTA + 0.000246LMB* (0.842132) (-1.554525) (1.907079) - 0.000221LMVE*** + 0.0000876LEVG + 0.000424LVOL* - (-3.401047) (0.577191) (1.681710) 0.000450LPRI** + 0.004977LVAR -0.004593LSIGR – (-2.439162) (0.715293) (-0.659257) 0.000262LSIGVOL [4.1b] (-0.974976) Bảng 4.3 cho chúng ta thấy: chỉ có bốn biến có ý nghĩa thống kê dưới 10% là tỷ số giá trị thị trường và sổ sách (LMB) có ý nghĩa thống kê 10%, giá trị thị trường của vốn cổ phần (LMVE) có ý nghĩa 1%, sản lượng trung bình của cổ phiếu giao dịch trong ngày (LVOL) có ý nghĩa 10% và giá trung bình của cổ phiếu 72 (LPRI) có ý nghĩa 5%. Các biến còn lại đều có mức ý nghĩa thống kê t lớn hơn 10%. Để dữ liệu của INTGTA và LEVG có phân phối chuẩn, bắt buộc phải lấy log của dữ liệu này. Tuy nhiên do có một số quan sát có INTGTA và LEVG bằng không (0) nên tác giả không thể lấy log(0) mà phải chấp nhận INTGTA và LEVG là hai biến giả trong mô hình. Vì đa phần các quan sát của INTGTA và LEVG đều nhận giá trị một (1) nên hai biến này rất khó giải thích cho các quan sát có chi phí lựa chọn khác nhau (DASC^2). Đối với biến LVAR (log của suất sinh lợi hàng ngày), LSIGR (log của độ lệch chuẩn của suất sinh lợi hàng ngày) và LSIGVOL (log của độ lệch chuẩn sản lượng giao dịch), các biến này đều phản ảnh độ ổn định của cổ phiếu. Tuy nhiên, có thể thấy tình hình giao dịch của thị trường trong thời gian qua không theo qui tắc giao dịch thông thường là cổ phiếu tăng thì bán, giảm thì mua mà là càng tăng càng mua, càng giảm càng bán, đây là biểu hiện của tâm lý bầy đàn của thị trường trong giai đoạn này. Vì vậy các biến trên rất khó giải thích trong mô hình. Căn cứ vào mức ý nghĩa thống kê t và lập luận chủ quan của tác giả, tác giả đã loại các biến không có ý nghĩa này ra khỏi mô hình. Như vậy mô hình hồi qui giới hạn được xem xét kế tiếp sẽ là: Mô hình giới hạn: DASC^2 = a0 + a2LMB + a3LMVE + a5LVOL + a6LPRI [4.2a] Bảng 4.4: Kết quả hồi qui theo mô hình giới hạn [4.2a] Dependent Variable: DASC^2 Method: Least Squares Date: 01/16/08 Time: 18:31 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C 0.000704 0.000631 1.116430 0.2676 LMB 0.000299 0.000135 2.210792 0.0299 LMVE -0.000316 6.17E-05 -5.128069 0.0000 LVOL 0.000276 8.01E-05 3.451733 0.0009 LPRI 6.56E-05 0.000110 0.596953 0.5522 R-squared 0.316378 Mean dependent var 0.001600 Adjusted R-squared 0.282197 S.D. dependent var 0.000434 73 S.E. of regression 0.000368 Akaike info criterion -12.92028 Sum squared resid 1.08E-05 Schwarz criterion -12.77659 Log likelihood 554.1117 F-statistic 9.255924 Durbin-Watson stat 2.079590 Prob(F-statistic) 0.000003 Mô hình hồi qui giới hạn có hệ số: DASC^2 = 0.000704 + 0.000299LMB - 0.000316LMVE + (1.116430) (2.210792) (-5.128069) 0.000276LVOL + 0.0000656LPRI [4.2b] (3.451733) (0.596953) Sử dụng kiểm định Wald (Nguyễn Hoàng Bảo, 2004) để kiểm tra việc giới hạn mô hình: Giả thiết : H0: a1 = a4 = a7 = a8 = a9 = 0 (Chọn mô hình giới hạn) H1: Ít nhất có ai ≠ 0 (Không chọn mô hình giới hạn) Từ bảng 4.3 và 4.4 ta có: m 1-k -n * RSS RSSRSS F U UR −= 692613.1 5 1- 10 -85* 0.427453 0.4274530.316378 F =−= F(tính toán) = 1.692613 < F(0.05, m, n-ku) = 2.33492 nên không thể bác bỏ Ho. Vì vậy mô hình giới hạn là mô hình [4.2b]. Sử dụng kiểm định Wald để kiểm tra khả năng giải thích của mô hình giới hạn Giả thiết : H0: a2 = a3 = a5 = a6 = 0 H1: Ít nhất ai ≠ 0 Ta có F = 9.2559 (bảng 4.4) > F(0.05, 9, 76) = 2.00543 bác bỏ giả thiết Ho tức mô hình có biến giải thích hay mô hình [4.2b] được chấp nhận. Kiểm tra hiện tượng đa cộng tuyến trong mô hình 74 Hồi qui lần lượt từng biến giải thích LMB, LMVE, LVOL và LPR với các biến giải thích còn lại, kết quả có R2i của từng biến như sau: R2(LMB) 0.697990 R2(LMVE) 0.827145 R2(LVOL) 0.567963 R2(PRI) 0.633998 Vì R2 < R2 i nên có hiện tượng đa cộng tuyến (Nguyễn Hoàng Bảo, 2004). Loại bỏ các biến có hiện tượng đa cộng tuyến Để loại bỏ những biến có hiện tượng đa cộng tuyến cần tiến hành theo 3 bước sau (Nguyễn Hoàng Bảo, 2004): Bước 1: Xác định hệ số từng phương trình hồi qui sau: 1) DASC^2 = a0 + a2LMB 2) DASC^2 = a0 + a3LMVE 3) DASC^2 = a0 + a5LVOL 4) DASC^2 = a0 + a6LPRI 5) DASC^2 = a0 + a2LMB + a3LMVE 6) DASC^2 = a0 + a2LMB + a5LVOL 7) DASC^2 = a0 + a2LMB + a6LPRI 8) DASC^2 = a0 + a3LMVE + a5LVOL 9) DASC^2 = a0 + a3LMVE + a6LPRI 10) DASC^2 = a0 + a5LVOL + a6LPRI 11) DASC^2 = a0 + a2LMB + a3LMVE + a5LVOL 12) DASC^2 = a0 + a2LMB + a5LVOL + a6LPRI 13) DASC^2 = a0 + a2LMB + a3LMVE + a6LPRI 75 14) DASC^2 = a0 + a3LMVE + a5LVOL + a6LPRI 15) DASC^2 = a0 + a2LMB + a3LMVE + a5LVOL + a6LPRI Kết quả hồi qui bước 1 xem bảng 4.5. Bảng 4.5: Hệ số hồi qui từng phương trình Phương trình LMB (Hệ số) LMVE (Hệ số) LVOL (Hệ số) LPRI (Hệ số) R2 1 -0.00021 0.07010 2 -0.00012 0.19734 3 -0.00008 0.01780 4 -0.00021 0.08699 5 0.00017 -0.00017 0.21455 6 -0.00020 -0.00002 0.07133 7 -0.00008 -0.00016 0.09143 8 -0.00019 0.00020 0.25759 9 -0.00014 0.00005 0.19984 10 -0.00002 -0.00020 0.08769 11 0.00033 -0.00030 0.00027 0.31333 12 0.00017 -0.00017 0.00000 0.21457 13 -0.00008 -0.00001 -0.00016 0.09166 14 -0.00024 0.00023 0.00015 0.27461 15 0.00030 -0.00032 0.00028 0.00007 0.31638 Trung bình trị tuyệt đối 0.00019 0.00021 0.00014 0.00012 Bước 2: Chia từng hệ số cho trung bình trị tuyệt đối. Bước 3: Xác định khoảng biến thiên Max - Min Kết quả bước 2 và bước 3 cho bảng 4.6: Bảng 4.6: Giá trị trung bình trị tuyệt đối của từng hệ số Phương trình LMB LMVE LVOL LPRI 1 -1.1076 2 -0.5971 3 -0.5576 4 -1.6978 5 0.8788 -0.8204 6 -1.0504 -0.1585 7 -0.4202 -1.2653 8 -0.9175 1.4308 9 -0.6748 0.4268 10 -0.1189 -1.6337 76 11 1.6953 -1.4660 1.9664 12 0.8892 -0.8155 -0.0325 13 -0.4035 -0.0699 -1.2493 14 -1.1748 1.6729 1.1692 15 1.5549 -1.5340 2.0251 0.5253 Max 1.6953 -0.5971 2.0251 1.1692 Min -1.1076 -1.5340 -0.5576 -1.6978 Max-min 2.8029 0.9369 2.5827 2.8670 Từ bảng 4.6 cho chúng ta thấy: biến LMB, LVOL và LPRI là 3 biến có hiện tượng đa cộng tuyến vì sự biến thiên của ba biến này là rất lớn, tương ứng là 2.0829, 2.5827 và 2.8670, gần gấp ba lần sự biến thiên của biến LMVE (0.9369). Bằng chứng là từ các hàm hồi qui, hệ số tương ứng của mỗi biến có lúc âm, lúc dương trong từng hàm hồi qui. Chẳng hạn, để dễ phân biệt hiện tượng này, ta xét phương trình 11 và 15 của bảng 4.5 ta thấy dù có hay không có LPRI thì R2 không thay đổi bao nhiêu. Kiểm tra sự tương quan của các biến giải thích và biến phụ thuộc Bảng 4.7: Ma trận tương quan Correlation Matrix DASC^2 LMB LVOL LPRI DASC^2 1 -0.26476 -0.13342 -0.29494 LMB -0.26476 1 0.381454 0.747618 LVOL -0.13342 0.381454 1 0.368892 LPRI -0.29494 0.747618 0.368892 1 Bảng 4.7 cho chúng ta thấy biến LPRI và LMB có tương quan mạnh nhất (0.747618) trong số 3 biến có hiện tượng đa cộng tuyến. Biến LMB có tương quan với biến phụ thuộc DASC^2 là -0.26476 thấp hơn biến LPRI. Vì vậy ta có thể loại bỏ biến LMB ra vì đã gây ra hiện tượng đa cộng tuyến. Tuy nhiên, tác giả tiếp tục kiểm tra hiện tượng đa cộng tuyến của hàm hồi qui DASC^2 theo ba biến LMVE, LVOL và LPRI thì LPRI là biến có hiện tượng gây ra cộng tuyến nên hàm hồi qui đo lường lúc này chỉ còn hai biến là LMVE và LVOL. 77 Hồi qui biến phụ thuộc DASC^2 sau khi loại bỏ biến cộng tuyến Bảng 4.8: Kết quả hồi qui biến phụ thuộc sau khi loại bỏ biến LMB và LPRI Dependent Variable: DASC Method: Least Squares Date: 02/15/08 Time: 14:21 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C 0.001129 0.000487 2.318078 0.0229 LMVE -0.000189 3.68E-05 -5.145653 0.0000 LVOL 0.000195 7.55E-05 2.578087 0.0117 R-squared 0.257568 Mean dependent var 0.001600 Adjusted R-squared 0.239460 S.D. dependent var 0.000434 S.E. of regression 0.000379 Akaike info criterion -12.88493 Sum squared resid 1.18E-05 Schwarz criterion -12.79872 Log likelihood 550.6095 F-statistic 14.22394 Durbin-Watson stat 2.090719 Prob(F-statistic) 0.000005 Từ bảng 4.8 chúng ta có hàm hồi qui ước đoán sau khi loại bỏ các biến đa cộng tuyến: DASC^2 = 0.001129 - 0.000189LMVE + 0.000195LVOL [4.3] (2.318078) (-5.145653) (2.578087) Kiểm tra hiện tượng phương sai không đồng nhất Sử dụng phương pháp kiểm định White (Nguyễn Hoàng Bảo (2004), Nguyễn Quang Dong (2003)) Giả thiết : H0: phương sai của sai số đồng nhất. H1: phương sai của sai số không đồng nhất. Tạo biến: genr RESID^2 = resid*resid Hồi qui RESID^2 theo các biến giải thích, kết quả hồi qui xem bảng 4.9. 78 Bảng 4.9: Kết quả hồi qui phần dư bình phương Dependent Variable: RESID^2 Method: Least Squares Date: 02/15/08 Time: 14:19 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C 1.78E-07 2.77E-07 0.642212 0.5225 LMVE 6.12E-08 2.10E-08 2.919697 0.0045 LVOL -4.89E-08 4.30E-08 -1.138133 0.2584 R-squared 0.109516 Mean dependent var 1.38E-07 Adjusted R-squared 0.087797 S.D. dependent var 2.26E-07 S.E. of regression 2.16E-07 Akaike info criterion -27.82659 Sum squared resid 3.81E-12 Schwarz criterion -27.74038 Log likelihood 1185.630 F-statistic 5.042393 Durbin-Watson stat 1.963510 Prob(F-statistic) 0.008603 Từ bảng 4.9 chúng ta có nR2 = 0.109516*85 = 9.3089 > χ2(0.05, 2) = 5.9915, nên bác bỏ giả thuyết H0. Như vậy hàm số ước lượng đã có hiện tượng phương sai không đồng nhất. Khắc phục hiện tượng phương sai không đồng nhất Hình 4.2: Đồ thị biểu diễn phương sai và biến giải thích 0 20 40 60 80 100 120 1 9 17 25 33 41 49 57 65 73 81 Quan sát Đ ơ n vị LMVE 2^ LVOL 2^ RESID^2 79 Ghi chú: LMVE^2, LVOL^2 và RESID^2 lần lượt là bình phương, của LMVE, LVOL và RESID. Để dễ biểu diễn đồ thị, tác giả đã nhân trọng số của RESID^2 với 10,000. Hình 4.2 cho chúng ta thấy rằng phương sai của sai số rất có thể tỷ lệ với biến giải thích LMVE nên phương pháp có thể khắc phục hiện tượng phương sai không đồng nhất là dùng trọng số 1/LMVE (Nguyễn Quang Dong, 2003). Tác giả dùng trọng số (1/LMVE) để khắc phục hiện tượng phương sai không đồng nhất như sau: Tạo biến: genr DDASC = DASC^2/(LMVE) genr DLMVE = 1/(LMVE) genr DVOL = LVOL/LMVE Hồi qui DDASC theo DLMVE và DVOL. Kết quả hồi qui xem bảng 4.10 Bảng 4.10: Kết quả hồi qui có trọng số Dependent Variable: DDASC Method: Least Squares Date: 02/15/08 Time: 14:33 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C -0.000212 3.44E-05 -6.150045 0.0000 DLMVE 0.001529 0.000458 3.339707 0.0013 DLVOL 0.000160 6.65E-05 2.412818 0.0181 R-squared 0.774245 Mean dependent var 0.000305 Adjusted R-squared 0.768739 S.D. dependent var 0.000135 S.E. of regression 6.48E-05 Akaike info criterion -16.41699 Sum squared resid 3.44E-07 Schwarz criterion -16.33078 Log likelihood 700.7222 F-statistic 140.6126 Durbin-Watson stat 1.869948 Prob(F-statistic) 0.000000 Từ bảng 4.10 chúng ta có: DDASC = -0.000212 + 0.001529DLMVE + 0.000160DLVOL [4.4] (-6.150045) (3.339707) (2.412818) Kiểm tra lại hiện tượng phương sai không đồng nhất 80 Bảng 4.11: Kết quả hồi qui phương sai có trọng số Dependent Variable: RESID^2 Method: Least Squares Date: 02/15/08 Time: 14:34 Sample: 1 85 Included observations: 85 Variable Coefficient Std. Error t-Statistic Prob. C 3.26E-09 2.89E-09 1.126160 0.2634 DLMVE 5.58E-08 3.84E-08 1.452283 0.1502 DLVOL -6.48E-09 5.58E-09 -1.160522 0.2492 R-squared 0.029371 Mean dependent var 4.05E-09 Adjusted R-squared 0.005697 S.D. dependent var 5.45E-09 S.E. of regression 5.43E-09 Akaike info criterion -35.18841 Sum squared resid 2.42E-15 Schwarz criterion -35.10220 Log likelihood 1498.507 F-statistic 1.240654 Durbin-Watson stat 1.954641 Prob(F-statistic) 0.294566 Từ bảng 4.11 chúng ta có nR2 = 0.029371*85 = 2.4965 < χ2(0.05, 3) = 5.9915. Như vậy phương trình [4.4] không có hiện tượng phương sai không đồng nhất.