TÓM TẮT
Mục tiêu nghiên cứu của luận văn này là xác định mức độ thông tin bất cân xứng giữa nhà đầu tư và công ty niêm yết trên thị trường chứng khoán TP.HCM, xem xét yếu tố nào tác động mạnh đến vấn đề thông tin bất cân xứng hiện nay và đề ra các gợi ý chính sách nhằm làm giảm mức độ thông tin bất cân xứng để nhà đầu tư đầu tư hiệu quả hơn.
Kết quả nghiên cứu cho thấy thành phần chi phí lựa chọn bất lợi của nhà đầu tư trong sự biến thiên của giá rất cao. Vì vậy tác giả cho rằng mức độ thông tin bất cân xứng trên thị trường hiện nay rất cao. Kết quả đo lường chi phí lựa chọn bất lợi theo các biến thông tin cho thấy: tỷ lệ giữa giá trị sổ sách và giá trị thị trường (MB) có tương quan dương với chi phí lựa chọn bất lợi, giá trị thị trường của vốn cổ phần (MVE) có tương quan âm, giá cổ phiếu (PRI) có tương quan âm và sản lượng giao dịch (VOL) có tương quan dương. Kết quả kiểm tra đa cộng tuyến thì có MB và PRI là hai yếu tố gây ra vấn đề này.
Hai trong số những gợi ý chính sách chính mà tác giả đưa ra để hạ thấp vấn đề thông tin bất cân xứng: thứ nhất là sàn lọc những công ty có đủ độ lớn mới được niêm yết trên thị trường, thực hiện bằng việc nâng cao qui định về vốn pháp định và đẩy nhanh tiến trình cổ phần hóa các tổng công ty, tập đoàn, công ty lớn hiện nay, các công ty niêm yết cần phải công bố thông tin đầy đủ và chính xác hơn (phát tín hiệu); thứ hai là khuyến khích người tham gia đầu tư trang bị kiến thức về chứng khoán để giảm hành vi bầy đàn trong giao dịch và để bình ổn thị trường.
Đề tài: ẢNH HƯỞNG CỦA THÔNG TIN BẤT CÂN XỨNG ĐỐI VỚI NHÀ ĐẦU TƯ TRÊN THỊ TRƯỜNG CHỨNG KHOÁN TP.HCM
MỤC LỤC
Chương I. Giới thiệu ----------------------------------------------------------------------------- 1
1.1. Mở đầu ----------------------------------------------------------------------------------------- 1
1.2. Vấn đề nghiên cứu---------------------------------------------------------------------------- 4
1.3. Mục tiêu và câu hỏi nghiên cứu------------------------------------------------------------- 7
1.3.1. Mục tiêu ----------------------------------------------------------------------------------- 7
1.3.2. Câu hỏi nghiên cứu ---------------------------------------------------------------------- 8
1.4. Đối tượng và phạm vi nghiên cứu ---------------------------------------------------------- 8
1.4.1. Đối tượng nghiên cứu-------------------------------------------------------------------- 8
1.4.2. Phạm vi nghiên cứu ---------------------------------------------------------------------- 9
1.5. Giả thiết nghiên cứu -------------------------------------------------------------------------- 9
1.6. Kết cấu của đề tài ----------------------------------------------------------------------------- 9
Chương II. Tổng quan lý thuyết và các nghiên cứu trước ---------------------------------- 10
2.1. Lý thuyết về thị trường chứng khoán---------------------------------------------------- 10
2.1.1. Khái niệm về thị trường chứng khoán ----------------------------------------------- 10
2.1.2. Thành phần tham gia thị trường chứng khoán-------------------------------------- 10
2.2. Vai trò của thông tin trên TTCK---------------------------------------------------------- 12
2.3. Lý thuyết về thông tin bất cân xứng------------------------------------------------------ 13
2.3.1. Giới thiệu sơ lược về thông tin bất cân xứng --------------------------------------- 13
2.3.2. Các khái niệm về thông tin bất cân xứng-------------------------------------------- 14
2.3.3. Hệ quả của thông tin bất cân xứng --------------------------------------------------- 15
2.3.4. Ảnh hưởng của thông tin bất cân xứng đối với nhà đầu tư ----------------------- 16
2.3.5. Giải pháp lý thuyết hạn chế thông tin bất cân xứng ------------------------------- 17
2.4. Các nghiên cứu thực nghiệm đo lường thông tin bất cân xứng ----------------------- 19
2.4.1. Mô hình xác định chi phí lựa chọn bất lợi ------------------------------------------ 19
2.4.2. Hàm hồi qui và biến đo lường thông tin bất cân xứng ---------------------------- 23
2.5. Mô hình nghiên cứu đề nghị--------------------------------------------------------------- 26
2.5.1. Lựa chọn mô hình đo lường chi phí lựa chọn bất lợi ------------------------------ 26
2.5.2. Lựa chọn mô hình và biến đo lường thông tin bất cân xứng --------------------- 27
2.6. Kết luận ----------------------------------------------------------- 31
Chương III. Hiện trạng thông tin trên thị trường chứng khoán ----------------------------- 31
3.1. Sơ lược về thị trường chứng khoán ------------------------------------------------------- 31
3.2. Thực trạng công bố thông tin của các công ty niêm yết ------------------------------- 38
3.2.1. Thực trạng công bố thông tin theo qui định hiện hành ---------------------------- 38
3.2.2. Thực trạng các nhân tố tác động đến tình trạng thông tin của thị trường ------- 40
3.3. Kết luận --------------------------------------------------- 42
Chương IV. Phương pháp nghiên cứu và dữ liệu
---------------------- 43
4.1. Mô hình đo lường-------------------------------------------- 43
4.1.1. Xác định chi phí lựa chọn bất lợi--------------------------------- 43
4.1.2. Mô hình đo lường mức độ thông tin -------------------------- 44
4.2. Chọn mẫu và dữ liệu ------------------------------------------------ 45
4.2.1. Chọn mẫu------------------------------------------------------ 45
4.2.2. Dữ liệu --------------------------------------------------------- 45
4.3. Kết quả thực nghiệm và giải thích kết quả ---------------------------- 47
4.3.1. Thống kê mô tả --------------------------------- 47
4.3.2. Kết quả nghiên cứu thực nghiệm----------------------- 50
4.4. Kết luận ------------------------------------------- 53
Chương V. Kết luận và gợi ý chính sách
------------------------------------ 54
5.1. Kết luận vấn đề nghiên cứu--------------------------------------------- 54
5.2. Gợi ý chính sách --------------------------------------------------------- 55
5.3. Giới hạn của đề tài------------------------------------------ 58
5.3.1. Mô hình đo lường chi phí lựa chọn bất lợi ---------------------------------- 58
5.3.2. Số lượng công ty
89 trang |
Chia sẻ: maiphuongtl | Lượt xem: 1798 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu 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, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
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.
Các file đính kèm theo tài liệu này:
- Latest luanvan.pdf