CƠ SỞ LÝ LU ẬN
Khái niệm các mô hình
Kể từ những năm 1960, mô hình định giá tài sản vốn CAPM đã được phát triển bởi ba nhà kinh tế William Sharpe, John Lintner và Jack Treynor, dựa trên mối quan hệ giữa rủi ro và tỷ suất sinh lợi mong đợi, được thể hiện qua một công thức cụ thể.
Trong mô hình này, tỷ suất sinh lợi mong đợi được xác định bằng cách cộng tỷ suất sinh lợi phi rủi ro với khoản bù đắp rủi ro dựa trên rủi ro hệ thống của chứng khoán Rủi ro không mang tính hệ thống không được xem xét, vì nhà đầu tư có khả năng xây dựng danh mục đầu tư đa dạng hóa để loại bỏ loại rủi ro này.
Nhà đầu tư sẽ xác định đường thị trường chứng khoán SML dựa trên rủi ro và tỷ suất sinh lợi từ mô hình, từ đó họ sẽ đầu tư vào những chứng khoán có định giá thấp (nằm trên đường SML) và thực hiện bán khống (nếu thị trường cho phép) hoặc từ bỏ những chứng khoán nằm dưới đường SML.
Hệ số beta là chỉ số quan trọng trong việc đánh giá mối quan hệ giữa lợi nhuận và rủi ro của chứng khoán Cụ thể, beta cao đồng nghĩa với lợi suất kỳ vọng cao nhưng cũng đi kèm với nhiều rủi ro hơn Khi beta bằng 0, lợi nhuận kỳ vọng tương đương với lợi nhuận không rủi ro (Rf) Ngược lại, khi beta bằng 1, lợi nhuận kỳ vọng của chứng khoán sẽ bằng lợi nhuận thị trường (E(Rm)) Mối quan hệ giữa lợi nhuận và hệ số beta được thể hiện qua đường thẳng SML, với hệ số góc là E(Rm) - Rf.
Ngoài ra, lý thuy ết CAPM, đi lên ừt lý thuy ết danh mục của Markowitz, cho nên nó cần một số giả định sau:
Tất cả các nhà đầu tư đều hướng tới việc tối ưu hóa danh mục đầu tư của mình trên đường biên hiệu quả Markowitz Vị trí cụ thể trên đường biên này và danh mục được lựa chọn sẽ phụ thuộc vào hàm hữu dụng rủi ro và tỷ suất sinh lợi của từng nhà đầu tư.
(2)Các nhà đầu tư có th ể đi vay và cho vay b ất kỳ số tiền nào ở lãi su ất phi rủi ro - rf
Tất cả các nhà đầu tư đều chia sẻ một kỳ vọng thống nhất, nghĩa là họ đều có những ước lượng tương tự về các phân phối xác suất của tỷ suất sinh lợi trong tương lai.
Ngoài ra, nếu giả định này được bỏ qua, sự khác biệt trong các giá trị mong đợi sẽ không đáng kể, dẫn đến ảnh hưởng của chúng cũng sẽ không lớn.
Tất cả các nhà đầu tư đều có một khoảng thời gian đầu tư nhất định, chẳng hạn như một tháng, sáu tháng hoặc một năm Mô hình đầu tư sẽ được xây dựng dựa trên khoảng thời gian giả định, và kết quả sẽ chịu ảnh hưởng bởi các giả định khác nhau Sự khác biệt trong khoảng thời gian đầu tư yêu cầu các nhà đầu tư xác định các thước đo rủi ro cùng với các tài sản phi rủi ro phù hợp với khoảng thời gian mà họ đã chọn.
Tất cả các khoản đầu tư đều có thể phân chia linh hoạt, cho phép nhà đầu tư mua và bán tỷ lệ phần trăm của bất kỳ tài sản hoặc danh mục nào Giả thuyết này giúp chúng ta phân tích các kết hợp đầu tư thông qua các đường cong liên tục.
Thay đổi giả thuyết này s ẽ có m ột chút ảnh hưởng đến lý thuy ết.
(6) Không có thu ế và chi phí giao d ịch liên quan ớti việc mua và bán các tài ảsn.
Không có lạm phát hoặc thay đổi nào trong lãi suất, hoặc lạm phát được phản ánh một cách đầy đủ Đây là một giả định ban đầu hợp lý và có thể thay đổi.
Các thị trường vốn đang ở trạng thái cân bằng, có nghĩa là tất cả các tài sản đã được định giá chính xác theo mức độ rủi ro của chúng.
1.1.1 Lý thuy ết quá trìnhđịnh giá:
Quy trình thực hiện định giá danh mục đầu tư dựa trên ơc sở lý thuy ết về định giá
Theo mô hình định giá CAPM, nhà đầu tư nên nắm giữ hoặc mua vào các danh mục chứng khoán có giá trị thấp, trong khi bán ra các danh mục bị định giá cao Quyết định này giúp tối ưu hóa lợi nhuận và quản lý rủi ro hiệu quả trong danh mục đầu tư.
Khi thiết lập danh mục đầu tư với các tài sản A, B, C và D, nhà đầu tư nên xem xét mua vào chứng khoán C do nó đang bị định giá thấp Tỷ suất sinh lợi yêu cầu của C, theo mô hình CAPM, thấp hơn tỷ suất sinh lợi ước tính mà nhà đầu tư mong đợi Quyết định này có thể dẫn đến việc từ bỏ hoặc điều chỉnh danh mục đầu tư để tối ưu hóa lợi nhuận.
Nếu nhà đầu tư đang nắm giữ B, họ sẽ từ bỏ D, vì tỷ suất sinh lợi yêu cầu của B cao hơn tỷ suất sinh lợi ước tính của D.
Nếu nhà đầu tư đang nắm giữ A, họ có thể lựa chọn giữ lại hoặc từ bỏ, bởi vì tỷ suất sinh lợi yêu cầu của A tương đương với tỷ suất sinh lợi ước tính Do đó, nhà đầu tư sẽ không thực hiện bất kỳ hành động nào đối với A.
1.1.2 Quy trình định giá trên ựthc tế:
Ngoài ra, khi dùng để định giá chứng khoán, mô hình CAPM được chuyển thể về dạng:
Mục đích của các mô hình
Chúng tôi thực hiện phân tích hồi quy các danh mục đầu tư nhằm xác định những danh mục được định giá thấp để mua vào, trong khi bán ra những danh mục đang bị định giá cao Bên cạnh đó, chúng tôi cũng so sánh độ phù hợp của các mô hình phân tích với tình hình thị trường hiện tại để đưa ra quyết định đầu tư tối ưu nhất.
Theo dõi k ết quả dự báo và đánh giáạ il mô hình đã s ử dụng
Mô hình kinh t ế lượng sử dụng những chuỗi dữ liệu quá khứ để ước lượng các hệ số
Mỗi mô hình đầu tư đều có mức độ chính xác và ý nghĩa riêng, do đó nhà đầu tư cần theo dõi kết quả của mô hình so với thị trường Việc đánh giá độ chính xác, ước lượng khoảng tin cậy và điều chỉnh các yếu tố ảnh hưởng là rất quan trọng Các biến độc lập có thể tác động khác nhau trong từng giai đoạn, vì vậy việc thường xuyên theo dõi, hiệu chỉnh và cập nhật mô hình là cần thiết để đảm bảo tính chính xác và hiệu quả trong đầu tư.
Mô hình Fama – French vượt trội hơn CAPM trong việc định giá và dự báo tỷ suất sinh lợi của danh mục, trong khi mô hình Carhart lại thể hiện ưu thế hơn cả Fama Chúng ta cần tìm mô hình có độ phù hợp cao nhất để định giá chứng khoán và dự báo tỷ suất sinh lợi cho các danh mục phân loại theo tiêu chí quy mô và giá trị sổ sách trên giá thị trường Cần lưu ý rằng danh mục theo Fama và Carhart không phải là danh mục tối ưu, mà chỉ là danh mục phân loại theo các yếu tố như quy mô (SMB), giá trị (HML), và đà tăng trưởng (WML) Tỷ trọng của từng loại chứng khoán trong danh mục không dao động từ 0% đến 100% để thiết lập danh mục tối ưu, mà theo Fama, danh mục bao gồm các chứng khoán có tỷ trọng đồng nhất (equal-weighted average) hoặc tỷ trọng theo vốn hóa thị trường (value-weighted average) Trong nghiên cứu này, danh mục nhân tố sử dụng tỷ trọng đồng nhất trong dữ liệu hồi quy.
Như vậy, để định giá danh mục, ta không ch ỉ đơn thuần chạy mô hình:
Khi chứng khoán không được định giá chính xác, việc sử dụng các số liệu thực tế để hồi quy mô hình có thể dẫn đến β = 0, nhưng lãi suất thực tế ri lại không bằng lãi suất phi rủi ro rf Để thuận tiện trong quá trình định giá, chúng ta có thể chuyển đổi mô hình về dạng khác.
Trong phân tích chứng khoán, chỉ số α phản ánh giá trị của một chứng khoán Khi α > 0, chứng khoán đang bị định giá thấp và nên được mua vào Ngược lại, nếu α < 0, chứng khoán đang bị định giá cao và nên được bán ra Khi α = 0, nhà đầu tư có thể cảm thấy bàng quan với thị trường.
THỰC TIỄN ỨNG DỤNG MÔ HÌNH TÀI CHÍNH XÂY DỰNG DANH MỤC ĐẦU TƯ TỐI ƯU
Thực tiễn ứng dụng mô hình Fama - French xây d ựng danh mục đầu tư ở các nước trên thế giới
Mô hình Fama – French đã được áp dụng rộng rãi trên toàn cầu, với các nghiên cứu cho thấy rằng việc bổ sung các yếu tố SMB và HML vào phân tích tỷ suất sinh lợi giúp tăng cường hệ số R², chứng tỏ tính phù hợp cao hơn của mô hình này.
1.1 Ứng dụng ở những nước phát triển: ã Nghiờn ứcu tại Mỹ của Nima Billou (2004):
Trong nghiên cứu "Kiểm định mô hình CAPM và mô hình ba nhân tố Fama French" năm 2004, Nima Billou đã so sánh và kiểm tra tính hiệu quả của hai mô hình FF và CAPM tại Mỹ Nghiên cứu được thực hiện trong khoảng thời gian từ tháng 7 năm 1963 đến tháng 12 năm 2003, với kết quả cho thấy αCAPM là 0.3 và αFF3FM là 0.13 Đặc biệt, với độ tin cậy 95%, R² của mô hình CAPM đạt 72%.
2 của FF3FM là 89%, ch ứng tỏ mô hình Fama French v ẫn hiệu quả hơn so với CAPM
Sau khi Nima Billou mở rộng nghiên cứu từ tháng 7/1926 đến tháng 12/2003, kết quả cho thấy αCAPM là 0.23, αFF3FM là 0.19, R² của CAPM đạt 77% và R² của mô hình Fama French đạt 88% Điều này chứng tỏ rằng hai yếu tố quy mô và giá trị có ảnh hưởng đáng kể đến thị trường chứng khoán Mỹ, do đó mô hình Fama French vẫn cho thấy hiệu quả hơn CAPM trong việc giải thích tỷ suất sinh lợi của chứng khoán Nghiên cứu tại Úc của Michael A O’Brien (2007) cũng góp phần làm rõ vấn đề này.
Trong bài nghiên cứu “Những nhân tố của Fama và French trên thị trường chứng khoán Úc” (2007), Michael A O’Brien phân tích ảnh hưởng của hai biến quy mô và giá trị đến khả năng giải thích tỷ suất sinh lợi chứng khoán theo mô hình FF3FM Ông đã khắc phục hạn chế về dữ liệu trong các nghiên cứu trước đó ở Úc, bằng cách thu thập dữ liệu từ 98% các doanh nghiệp niêm yết trên thị trường chứng khoán Úc trong giai đoạn 1981-2005.
Kết quả nghiên cứu chỉ ra rằng ảnh hưởng quy mô là phi tuyến tính, trong khi ảnh hưởng thị trường lại là tuyến tính Tại Úc, phần bù HML đạt mức trung bình hàng tháng là 0.72%, cao hơn so với 0.46% ở Mỹ Đối với nhân tố SMB, mức thu nhập trung bình hàng tháng là 1.95%, vượt trội hơn so với 0.09% ở Mỹ Mô hình này cho thấy khả năng giải thích đáng kể về các biến động thị trường.
Mô hình Fama French ngày càng cho thấy ưu thế rõ rệt so với CAPM, với R² của CAPM chỉ đạt 43,9% trong khi R² của Fama French lên tới 69% Điều này cho thấy khả năng giải thích tỷ suất sinh lợi danh mục của mô hình Fama French vượt trội hơn hẳn.
Biến SMB và HML đều có vai trò quan trọng trong mô hình FF3FM (1993), cho thấy mô hình này vượt trội hơn so với CAPM trong việc giải thích tỷ suất sinh lợi danh mục Tuy nhiên, FF3FM không thể giải thích đầy đủ tỷ suất sinh lợi của danh mục trong khoảng 40% về quy mô, xác nhận mối quan hệ phi tuyến tính giữa tỷ suất sinh lợi và quy mô Để hiểu rõ hơn về tỷ suất sinh lợi tại Úc, cần nghiên cứu sâu hơn về mối quan hệ phi tuyến này Nghiên cứu của Elhaj Walid và Elhaj Ahlem (2007) tại Nhật Bản đã chứng minh khả năng áp dụng của mô hình Fama French lên thị trường chứng khoán Nhật Bản thông qua mẫu tỷ suất sinh lợi hàng tháng của tất cả chứng khoán.
Sở giao dịch chứng khoán Tokyo (TSE) trong khoảng thời gian từ 1/2002 đến 9/2007.
Nghiên cứu tại Nhật Bản chỉ ra rằng giữa quy mô công ty và tỷ suất sinh lợi có mối quan hệ nghịch biến, trong khi giữa giá trị và tỷ suất sinh lợi lại có mối quan hệ đồng biến Đặc biệt, yếu tố quy mô thể hiện rõ ở các chứng khoán có mức vốn hóa thị trường nhỏ Mô hình Fama French cho thấy hiệu quả vượt trội so với CAPM, ngoại trừ các danh mục chứng khoán có giá trị vốn hóa thị trường thấp, với R² trung bình của Fama French đạt 78.2%, cao hơn R² trung bình của CAPM là 70.5%.
Trong nghiên cứu "Nhân tố quy mô, giá trị và mô hình Fama French trong thị trường nhỏ - Những phát hiện ở New Zealand" (2005), Hadrian Djajadikerta và Gilbert Nartea đã phân tích dữ liệu từ 284 chứng khoán để xác định ảnh hưởng của phần bù giá trị và quy mô trong thị trường chứng khoán nhỏ tại New Zealand Kết quả cho thấy phần bù giá trị ảnh hưởng ít, trong khi phần bù quy mô có tác động đáng kể đến mô hình Tuy nhiên, phát hiện này không tương thích với nghiên cứu trước đó của Bryant và Eleswaparu (1997), khi họ chỉ ra rằng phần bù giá trị có ảnh hưởng mạnh mẽ, còn phần bù quy mô lại yếu trong khoảng thời gian 1971 đến 1993.
Nghiên cứu từ năm 1991 đến 1995 cho thấy rằng các yếu tố bù trừ có ảnh hưởng đáng kể đến thị trường chứng khoán New Zealand, mặc dù kích thước mẫu nhỏ gây khó khăn trong việc đa dạng hóa danh mục đầu tư Mặc dù beta không giải thích hoàn toàn biến động trong tỷ suất sinh lợi, nó vẫn là yếu tố chủ đạo trong mô hình FF3FM Các yếu tố SMB và HML cũng có ý nghĩa trong mô hình này, với SMB phù hợp ở cả Mỹ và Úc, trong khi HML có sự khác biệt giữa hai quốc gia Kết quả cho thấy mô hình FF3FM (R² 44%) có ý nghĩa hơn so với CAPM (R² 36%) trong việc giải thích tỷ suất sinh lợi tại New Zealand.
Nghiên cứu của Souad Ajili (2005) tại Pháp cho thấy mô hình Fama French vượt trội hơn mô hình CAPM trong việc giải thích tỷ suất sinh lợi, với R² của CAPM chỉ đạt 11.12% so với 34.22% của FF3FM Khi phân tích dữ liệu chéo, chỉ có nhân tố quy mô là có ý nghĩa thống kê, trong khi dữ liệu chuỗi cho thấy cả hai nhân tố SMB và HML đều có khả năng giải thích tốt Đặc biệt, khi thêm biến đòn bẩy tài chính vào mô hình Fama French, khả năng giải thích tỷ suất sinh lợi tăng lên đáng kể với R² đạt 40.25% Do đó, để đạt được hiệu quả cao trong việc giải thích tỷ suất sinh lợi chứng khoán tại Pháp, cần sử dụng mô hình bao gồm các nhân tố rủi ro thị trường, quy mô, giá trị và đòn bẩy tài chính.
Hầu hết các nước phát triển đều áp dụng mô hình CAPM và Fama-French để giải thích tỷ suất sinh lợi của chứng khoán Đặc biệt, mô hình Fama-French được coi là một công cụ quan trọng trong việc phân tích hiệu suất đầu tư.
Thị trường chứng khoán ở các nước phát triển có vai trò quan trọng hơn so với mô hình CAPM, với độ ổn định cao và khả năng huy động vốn hiệu quả cho doanh nghiệp Đây cũng là một chỉ số phản ánh chính xác tình trạng kinh tế, thu hút nhiều nhà đầu tư tham gia Những nhà đầu tư này thường sử dụng phân tích chuyên nghiệp để đưa ra quyết định đầu tư, thay vì đầu tư nhỏ lẻ theo kiểu bầy đàn Hơn nữa, các nghiên cứu tại những quốc gia này thường dựa trên mẫu lớn, với tỷ lệ chứng khoán quan sát cao so với số chứng khoán giao dịch, và thời gian quan sát cũng khá dài.
Chúng ta có thể tóm t ắt kết quả ứng dụng hai mô hình này ở thị trường các nước phát triển như sau:
QUỐC CÁCH THU TH ẬP KẾT QUẢ KẾT QUẢ
GIA DỮ LIÊU CỦA CAPM
Mỹ Mỹ NYSE, AMEX, Nima Billou (2004) 77% 88%
98% cổ phiếu trên Michael A O'Brien Úc sàn t ừ 1981 đến 43.9% 73%
(2007) 2005 tất cả cổ phiếu trên Elhaj Mabrouk Walid, Nhật sàn TSE t ừ 1/2002 Elhaj Mohamed Ahlem 70.5% 78.2% đến 9/2007 (2007)
New 248 cổ phiếu từ Hadrian Djajadikerta, 36% 44%
Zealand 1994 đến 2002 Gilbert Nartea (2005) Pháp 341 cổ phiếu từ Souad Ajili (2005) 11.12% 34.22%
1.2 Ứng dụng ở những nước đang phát triển: ã Nghiờn ứcu tại Ấn Độ của Gregory Connor, và Sanjay Sehgal (2001): Ở Ấn Độ, Mô hình CAPM và FF3FM được hai tác giả Gregory Connor and Sanjay Sehgal nghiên ứcu với tựa đề “Ki ểm định mô hình hình Fama và French ở Ấn Độ”.Bài nghiên ứcu này cho th ấy mô hình FF3FM ch ỉ phù hợp ở hai phát hiện này so v ới thị trường chứng khoán Mỹ, đó là: Th ứ nhất, Các nhân tố thị trường, quy mô và giá trị thì phổ biến trong tỷ suất sinh lợi của chứng khoán Thứ hai, Có m ối quan hệ tuyến tính giữa cố phiếu và nh ững nhân t ố trên trong việc giải thích độ phân tán của tỷ suất sinh lợi trung bình Trong khi đó, Các nhân tố thị trường, quy mô và giá trị không ảnh hưởng phổ biến đến tỷ lệ tăng trưởng thu nhập, và do đó không ảnh hưởng đến tỷ suất sinh lợi của cổ phiếu, điều này đối lập với thị trường chứng khoán Mỹ.Bài nghiên cứu này l ấy dữ liệu từ ỷ ấ ợ ố ủ ổ ế ừ đế 2 t su t sinh l i cu i tháng ca 364 c phi u t tháng 6/1989 n tháng 3/1999.R trung bình trong mô hình FF là 84.22% còn trong mô hình CAPM là 75% Nghiên c ứu này cho thấy, việc chạy mô hình h ồi qui tuyến tính của hai mô hình này có th ể giải thích và d ự đoánđược tỷ suất sinh lợi của các chứng khoán và danh mục của chứng khoán ạti thị trường chứng khoánở Ấn Độ Với mức ý ngh ĩa này nhà đầu tư có th ể cân nh ắc và v ận dụng hai mô hình này để việc kinh doanh chứng khoánđầu tư hiệu quả hơn. ã Nghiờn ứcu tại Thỏi Lan ủca Nopbhanon Homsud (2009): Ở Thái Lan, bài nghiên ứcu “M ột nghiên ứcu về mô hình ba nhân t ố Fama và French này s ử dụng số liệu trên thị trường chứng khoán Thái Lanừ ttháng 7/2002đến tháng 5/2007, bao gồm 421 cổ phiếu chia làm 6 nhóm: BH, BM, BL, SH, SM, SL K ết quả là mô hình FF3FM gi ải thích tốt hơn mô hình CAPM cho 4 các cổ phiếu thuộc 4 nhóm là
Nghiên cứu cho thấy việc bổ sung các biến quy mô công ty và biến giá trị vào mô hình CAPM để hình thành mô hình Fama French (FF3FM) giúp giải thích tốt hơn tỷ suất sinh lợi vượt trội hàng tháng của các danh mục so với mô hình CAPM Mặc dù mô hình FF3FM phù hợp hơn với thị trường chứng khoán Thái Lan, nhưng nó không phải là lý thuyết tài chính tốt nhất để giải thích ảnh hưởng của các biến đến tỷ suất sinh lợi, vì còn có những biến giải thích khác phù hợp hơn Kết quả cho thấy R² hiệu chỉnh trung bình của 6 danh mục trong mô hình FF3FM đạt 62.42%, cao hơn nhiều so với 29.47% của mô hình CAPM.
Thực tiễn ứng dụng mô hình Carhart xây d ựng danh mục đầu tư ở các nước trên thế giới
ã Nghiờn ứcu ở Mỹ của tỏc giả Tarun Chordia (2005):
Tác giả Manuel Ammann (2008) đã sử dụng chuỗi dữ liệu từ tháng 1 năm 1972 đến tháng 12 năm 1999 của các công ty niêm yết trên NYSE, phân chia thành 10 danh mục theo đà tăng trưởng Qua việc hồi quy theo mô hình ba yếu tố và bốn yếu tố, ông nhận thấy rằng mô hình bốn yếu tố có ưu thế hơn mô hình của Fama.
Bảng thống kê tỷ suất sinh lợi của chứng khoán Thụy Sĩ từ năm 1990 đến 2005 cho thấy UMD là biến WML, với dữ liệu nghiên cứu từ 259 đến 265 công ty chứng khoán trong 6 năm Nghiên cứu chỉ ra rằng danh mục có tỷ suất sinh lợi cao trong quá khứ sẽ mang lại tỷ suất sinh lợi thặng dư cao hơn trong tương lai.
Thực tiễn áp dụng mô hình tài chính vào th ị trường chứng khoán Việt Nam
3.1 Những nghiên ứcu về mô hình tài chính t ại Việt Nam:
Vào năm 2008, tác giả Đinh Trọng Hưng đã nghiên cứu việc áp dụng mô hình Fama – French để định giá danh mục đầu tư tại Việt Nam Dữ liệu nghiên cứu được thu thập từ 1/1/2005 đến 30/6/2008, với mẫu gồm khoảng 26 chứng khoán Kết quả nghiên cứu cho thấy yếu tố HML không có ảnh hưởng đến tỷ suất sinh lợi của bốn danh mục SM, BM, và BL.
BH Còn nhân t ố SMB thì không ảnh hưởng đến các danh mục có quy mô nh ỏ như SL,
Sau khi chạy mô hình, tác giả kết luận rằng tất cả các danh mục đều bị định giá cao, dẫn đến việc nghiên cứu tập trung vào đầu tư chi tiết từng chứng khoán và kết hợp chúng thành danh mục đầu tư Đặc biệt, có 5 trên 6 danh mục cho thấy mối quan hệ đồng biến với các nhân tố SMB và HML, điều này phù hợp với kết luận của Fama (1993).
3.2 Thực trạng thị trường chứng khoán:
Thị trường chứng khoán Việt Nam chính thức hoạt động từ ngày 28 tháng 7 năm 2000, với hai mã chứng khoán đầu tiên là REE và SAM, được giao dịch tại sàn chứng khoán Hồ Chí Minh.
Trong những năm đầu hoạt động, thị trường chứng khoán Việt Nam chưa thu hút được sự quan tâm của nhiều nhà đầu tư trong và ngoài nước do quy mô thị trường còn nhỏ, cả về số lượng mã chứng khoán niêm yết và giá trị vốn hóa thị trường.
Giá trị vốn hóa th ị trường 1 2.33 3.8 6.1 22.7 43 18 37.71
(Biểu đồ tăng trưởng của thị trường từ 28/07/2000 đến 29/10/2010)
Quá trình phát triển của thị trường chứng khoán có thể được chia thành hai giai đoạn chính: giai đoạn trước khủng hoảng và giai đoạn sau khủng hoảng Trong giai đoạn trước khủng hoảng, thị trường chứng khoán thường trải qua sự tăng trưởng mạnh mẽ, với nhiều cơ hội đầu tư và sự gia tăng niềm tin của nhà đầu tư.
Giai đoạn từ ngày bắt đầu giao dịch chính thức cho đến cuối năm 2007 đánh dấu sự khởi đầu và tăng trưởng mạnh mẽ của thị trường chứng khoán Việt Nam.
VN-Index bắt đầu từ 100 điểm và đã tăng liên tục trong suốt 12 tháng, đạt đỉnh 570 điểm vào ngày 25/06/2001 Thời kỳ này, số lượng công ty niêm yết còn ít, cầu vượt xa cung, dẫn đến tình trạng các nhà đầu tư đua nhau mua ở mức giá trần, khiến VN-Index tăng mạnh.
Để bảo vệ nhà đầu tư, Ủy ban Chứng khoán Nhà nước đã can thiệp vào thị trường thông qua nhiều biện pháp, bao gồm tăng cung chứng khoán, giảm biên độ giao dịch và quy định mỗi lệnh mua chỉ được phép mua tối đa 2000 chứng khoán.
Sau đỉnh 570, VN-Index đã trải qua một đợt điều chỉnh giảm kéo dài 3-5 tháng, mất 64% giá trị và chỉ còn 203 điểm vào ngày 5/10/2001 Sau đó, chỉ số phục hồi lên 301 điểm trước khi bước vào giai đoạn suy giảm kéo dài hai năm từ tháng 11/2001 đến tháng 11/2003 Thị trường chứng khoán tiếp tục đi ngang trong hai năm 2004 và 2005 Đến tháng 2/2006, VN-Index tăng mạnh nhờ đánh giá tích cực từ ngân hàng đầu tư Merrill Lynch về tiềm năng đầu tư tại Việt Nam, với mức tăng trưởng 33% từ cuối năm 2004 so với 25% của chỉ số Châu Á – Thái Bình Dương Merrill Lynch khuyến nghị các nhà đầu tư nên dành 3% danh mục đầu tư vào Châu Á cho chứng khoán Việt Nam, thông điệp này được truyền thông rộng rãi, khuyến khích nhà đầu tư trong nước tích cực mua cổ phiếu chất lượng.
Septem ber October Novem ber December 2006 February March April May June July August
Kể từ ngày 25/4/2006, VN-Index đã giảm sau một thời gian tăng mạnh, với mức tăng gấp 3 lần chỉ trong chưa đầy 3 tháng Nguyên nhân chính là do nhà đầu tư kỳ vọng quá lớn vào việc cổ phiếu sẽ tiếp tục tăng mà không phân tích kỹ lưỡng các yếu tố cơ bản của doanh nghiệp Tâm lý bầy đàn đã khiến nhiều người mua cổ phiếu mà không xem xét triển vọng lợi nhuận, dẫn đến tình trạng đầu tư mù quáng Một số nhà đầu tư còn sử dụng công cụ Repo để vay tiền mua thêm cổ phiếu, bất chấp những cảnh báo từ các chuyên gia về nguy cơ “sốt” của thị trường Hệ quả là giá cổ phiếu tăng quá cao, và theo triết lý thị trường, sự tăng trưởng nhanh chóng thường kéo theo sự giảm giá cũng nhanh chóng.
Nhiều công ty đã công bố lợi nhuận không như mong đợi, khiến nhà đầu tư nghi ngờ về việc định giá cổ phiếu Trong bối cảnh số lượng cổ phiếu trên thị trường gia tăng, cung vượt cầu cùng với các tin tức tiêu cực đã kích thích những nhà đầu tư có kinh nghiệm và các tổ chức bán tháo cổ phiếu để thu lợi nhuận Điều này dẫn đến hiệu ứng bầy đàn trên thị trường.
Tuy nhiên, sau 3 tháng ảgim của Vn-Index, chỉ số này l ại tăng thần tốc:
1200 1150 1100 1050 1000 950 900 850 800 750 700 650 600 550 500 450 400 350 April May June July August September October Novem ber December 2007 February
Từ giữa tháng 8/2006 đến cuối năm 2007, thị trường chứng khoán Việt Nam đã có sự tăng trưởng mạnh mẽ, đạt đỉnh 1.174 điểm vào ngày 12/03/2007, nhờ vào những tín hiệu tích cực từ nền kinh tế.
Vào ngày 7 tháng 11 năm 2006, Việt Nam chính thức trở thành thành viên thứ 150 của Tổ chức Thương mại Thế giới (WTO) Theo các cam kết khi gia nhập WTO, Việt Nam đã cho phép các doanh nghiệp nước ngoài thành lập công ty chứng khoán với 100% vốn nước ngoài sau 5 năm Hiện tại, tỷ lệ giới hạn đầu tư của nhà đầu tư nước ngoài vào công ty chứng khoán là 49%.
Năm 2006, vốn đầu tư gián tiếp (FII) vào Việt Nam đã tăng mạnh, đạt hơn 2 tỷ USD, so với 165 triệu USD năm 2004 và 1,015 tỷ USD năm 2005 Sự gia tăng này đã thúc đẩy VN-Index tăng vọt lên mức cao kỷ lục 750 điểm chỉ trong vòng chưa đầy 4 tháng vào cuối năm.
Vào đầu năm 2007, mặc dù có hàng trăm công ty niêm yết, nhưng sự gia tăng mạnh mẽ của đầu tư gián tiếp nước ngoài đã thu hút hàng trăm ngàn nhà đầu tư trong nước vào thị trường chứng khoán Kết quả là VN-Index đạt đỉnh cao nhất 1.170,67 điểm vào ngày 12/3/2007 Thị trường chứng khoán bắt đầu phát triển mạnh từ đầu tháng 11/2006, sau khi Việt Nam gia nhập WTO và tổ chức thành công hội nghị APEC.
Sự cần thiết phải có m ột mô hình d ự báo ỷt suất sinh lợi trong đầu tư chứng khoánở Việt Nam
Sau khi phân tích diễn biến của thị trường chứng khoán từ khi hình thành đến nay, chúng ta nhận thấy nhiều lần Vn-Index giảm mạnh do tăng trưởng quá nóng trong thời gian ngắn Các nhà đầu tư thiếu kiến thức chuyên môn thường đầu tư theo tâm lý bầy đàn, dẫn đến việc mua bán ồ ạt Điều này tạo ra sự biến động mạnh trên thị trường và hình thành hiện tượng “bong bóng” Khi “bong bóng” trở nên quá lớn, chỉ cần một tác động nhỏ cũng đủ làm thị trường sụp đổ, với mức đáy 366,02 điểm vào ngày 20/6/2008, trong khi chỉ vài tháng trước đó, chỉ số đã đạt đỉnh 1.170,67 điểm vào ngày 12/3/2007.
Nhà đầu tư hiện nay dường như không chú ý đến các chỉ số tài chính, đặc biệt là chỉ số P/E Trong thời kỳ Vn-Index đạt đỉnh cao, P/E bình quân của các doanh nghiệp niêm yết tại Việt Nam đã lên tới 38,18 lần, trong khi mức trung bình của các thị trường khác chỉ dao động từ 10 đến 17 lần Điều này cho thấy giá cổ phiếu hiện tại đã vượt quá giá trị thực của nó.
Qua quá trình phát triển và biến động của thị trường, việc xây dựng một mô hình định giá chính xác để xác định rủi ro và tỷ suất sinh lợi là rất cần thiết cho định hướng đầu tư Các mô hình định giá được áp dụng trong nghiên cứu này bao gồm CAPM, Fama-French và Carhart.
Thị trường chứng khoán hiện nay đang trải qua giai đoạn giảm sâu do thông tin từ thị trường vĩ mô không khả quan, với lạm phát và lãi suất tăng cao Không có tín hiệu tích cực nào xuất hiện, khiến nhà đầu tư nước ngoài chỉ thực hiện giao dịch một cách thận trọng Trong khi đó, nhà đầu tư trong nước thường thiếu kiến thức chuyên môn, dẫn đến việc đầu tư theo hình thức bầy đàn, mua vào ồ ạt và bán ra vội vã Điều này tạo ra nguy cơ "bong bóng" trên thị trường, dễ dàng vỡ tung trước những tác động nhỏ.
Mà khi th ị trường xuống dốc, thì nhà đầu tư lại e sợ, không dám mạo hiểm đầu tư tiếp là điều hiển nhiên.
Thị trường chứng khoán có thể đi xuống, nhưng đó chính là cơ hội cho nhà đầu tư phục hồi và tăng trưởng Để thành công, nhà đầu tư cần định giá chứng khoán chính xác và áp dụng chiến lược mua thấp, bán cao Tuy nhiên, bên cạnh việc định giá, họ cũng cần xem xét các yếu tố khác như thời điểm đầu tư và tỷ trọng đầu tư để tối ưu hóa lợi nhuận.
Mục đích của bài nghiên cứu này là giới thiệu các mô hình định giá nhằm xác định rủi ro và tỷ suất sinh lợi hợp lý để hướng dẫn đầu tư, bao gồm mô hình một nhân tố CAPM, ba nhân tố Fama - French và bốn nhân tố Carhart.
XÂY D ỰNG DANH MỤC ĐẦU TƯ TRÊN TH Ị TRƯỜNG CHỨNG KHOÁN VI ỆT NAM
Xây d ựng danh mục đầu tư – Mô hình Fama – French
1.1 Thu thập dữ liệu sơ bộ:
Mô hình Fama – French d ựa trên 3 nhân tố Rm – R f, SMB, HML như đã gi ới thiệu trong phần lý thuy ết:
E(Ri) = Rf + βi[E(Rm) – R f] + s i E(SMB) + h i (HML)
Tại thị trường chứng khoán Việt Nam, tỷ suất sinh lợi phi rủi ro (R f) được xác định dựa trên tỷ suất sinh lợi của trái phiếu chính phủ 5 năm, sử dụng lãi suất đấu thầu thành công từ năm 2006 đến 2010.
Dữ liệu về lãi suất phi rủi ro được thu thập từ lãi suất trúng thầu của các đợt đấu thầu trái phiếu chính phủ 5 năm trên sàn HNX Loại trái phiếu này có tính thanh khoản cao nhất trên thị trường, vì vậy nó được giao dịch nhiều nhất.
(Nguồn: Sở giao dịch chứng khoán Hà Nội) ã R i : Tỷ suất sinh lợi chứng khoỏn ẽs được tớnh bằng cụng th ức:
Giá trung bình trong một tháng, ký hiệu là P t, được xác định thông qua khảo sát tỷ suất sinh lợi hàng tháng của chứng khoán từ năm 2006 đến 2010 Tỷ suất sinh lợi thị trường được ký hiệu là R m.
Chỉ số này được tính dựa trên Vn-Index:
R = log( Vn - Index t ) m Vn - Index t -1 ã SMB:
Quy mô công ty được xác định bằng cách nhân giá trung bình từng tháng với số lượng cổ phiếu phát hành hàng tháng Từ đó, ta có thể tính quy mô trung bình cho từng cổ phiếu và cho cả danh mục cổ phiếu Các cổ phiếu có quy mô trung bình nhỏ hơn quy mô trung bình của danh mục sẽ được phân loại vào nhóm “S”, trong khi những cổ phiếu lớn hơn sẽ thuộc nhóm “B” Cuối cùng, ta tiến hành tính chuỗi SMB dựa trên các kết quả này.
SMB = 1/3(SH + SM + SL) – 1/3(BH + BM + BL) ã HML:
Tỷ số BE/ME được tính bằng cách ấly vốn chủ sở hữu chia cho quy mô c ủa công ty.
Cổ phiếu được phân loại dựa trên tỷ lệ BE/ME trung bình trong 12 tháng, với nhóm "H" là 30% cao nhất, nhóm "L" là 30% thấp nhất, và nhóm "M" là phần còn lại Tiếp theo, chúng ta sẽ tính toán chuỗi HML từ các nhóm này.
HML = 1/2 (SH+BH) – 1/2 (SL + BL)
1.2 Phân lo ại các danh mục đầu tư:
Dựa trên các chỉ tiêu đã thiết lập, chúng ta có thể phân loại thành 6 danh mục dựa vào quy mô và tỷ số BE/ME Tuy nhiên, việc phân loại các danh mục này vẫn gây ra nhiều tranh cãi.
Trong nghiên cứu tại Thái Lan và Malaysia, tác giả đã sử dụng một danh mục đầu tư với các chứng khoán được phân loại theo năm Điều này dẫn đến việc các yếu tố SMB và HML không phản ánh được thông tin từ những yếu tố mới khi thị trường có sự thay đổi qua thời gian Tuy nhiên, sau khi thực hiện định giá danh mục, nhà đầu tư có thể xác định rõ ràng các chứng khoán cần đầu tư.
Trong các nghiên cứu tại châu Âu, tác giả phân loại danh mục chứng khoán hàng tháng, dẫn đến việc một số chứng khoán bị loại bỏ và những chứng khoán mới được phân loại vào danh mục phù hợp Điều này giúp biến SMB và HML phản ánh chính xác tình hình thị trường Tuy nhiên, nhà đầu tư vẫn gặp khó khăn trong việc xác định danh mục đầu tư, vì không biết trong tương lai danh mục đó sẽ bao gồm những chứng khoán nào.
Như vậy chúng ta sẽ có 6 danh m ục là:
Bài nghiên cứu phân tích giá đóng cửa của các cổ phiếu niêm yết từ 1/1/2006 đến 12/2010, với việc tái thiết lập danh mục hàng năm dựa trên quy mô và giá trị thị trường Trong giai đoạn này, số lượng chứng khoán niêm yết tăng từ 26 vào năm 2006 lên 204 vào năm 2010.
1.4 Kiểm định hiện tượng đa cộng tuyến:
1.4.1 Hậu quả của đa cộng tuyến:
1.4.1.1 Hậu quả của đa cộng tuyến hoàn h ảo:
Theo ngôn ng ữ của toán ma trận, thì nếu có hi ện tượng đa cộng tuyến hoàn h ảo giữa
Khi Xit và Xjt thỏa mãn điều kiện δiXit + δjXjt = 0 hoặc Cov(Xit, Xjt) = 0, việc xác định giá trị duy nhất cho các hệ số β1, β2, β3 là không khả thi Để làm rõ vấn đề này, chúng ta sẽ tiến hành phân tích đơn giản mô hình hồi quy bội.
Y = β + βX + βX + û (*) Như đã bi ết, nghiệm của phương trình trên: β = β =
Nếu X2, X3 có m ối quan hệ tuyến tính hoàn h ảo, nghĩa là đồng biến hoặc nghịch biến hoàn toàn, thì chúng ta có h ệ số tương quan sẽ là ±1 r2,3 ( §( ,)
Như vậy, nếu ta thế (***) vào m ẫu của (**), thì β
0 Điều này có ngh ĩa rằng chúng ta không thể xácđịnh được cácước lượng OLS nếu có hiện tượng đa cộng tuyến hoàn h ảo Vì vậy, đa cộng tuyến là m ột vấn đề hết sức nghiêm trọng Tuy nhiên,điều này r ất hiếm khi xảy ra đối với dữ liệu trên thực tế Chúng ta sẽ đi đến vấn đề dễ xảy ra hơn, hiện tượng đa cộng tuyến không hoàn h ảo.
1.4.1.2 Hậu quả của đa cộng tuyến không hoàn h ảo:
Trong hồi quy, đặc biệt là hồi quy chuỗi thời gian, hiện tượng các biến giải thích có mối quan hệ tuyến tính với nhau thường xảy ra Do đó, việc nhận diện mức độ đa cộng tuyến là rất quan trọng để đảm bảo kết quả hồi quy đạt yêu cầu Đa cộng tuyến không hoàn hảo có thể dẫn đến nhiều hậu quả nghiêm trọng, trong đó nổi bật là sự không chính xác trong các ước lượng của hệ số hồi quy OLS do sai số chuẩn se(β).
Quá trình ước lượng tham số trong mô hình hồi quy có thể làm cho các khoảng tin cậy của các tham số thực của tổng thể trở nên rộng hơn Khi điều này xảy ra, khả năng chấp nhận giả thuyết H0 của các hệ số hồi quy riêng lẻ sẽ tăng lên Công thức tính phương sai của mô hình hồi quy cũng cần được xem xét kỹ lưỡng để đảm bảo tính chính xác trong phân tích.
Nếu mở rộng cho trường hợp có h ơn hai biến giải thích, thì phương sai của hệ số β% ! & sẽ được cho bởi công th ức sau:
Phương sai của các hệ số hồi quy (Var(β&)) được tính bằng tổng của các biến độc lập (X&) nhân với (1 − R&), trong đó R² là hệ số xác định của mô hình hồi quy phụ Khi các biến độc lập hoàn toàn không liên quan (R² = 0), phương sai của các hệ số hồi quy trong mô hình hồi quy bội sẽ tương đương với phương sai trong mô hình hồi quy đơn Sự gia tăng của R² dẫn đến sự tăng lên của phương sai Var(β&) và độ lệch chuẩn (seβ&), làm cho khoảng tin cậy β& ± seβ&t²/ trở nên rộng hơn so với trường hợp không có đa cộng tuyến Đặc biệt, đa cộng tuyến có thể làm cho các hệ số hồi quy không có ý nghĩa thống kê do giá trị thống kê thấp, dẫn đến việc phân tích có thể loại bỏ nhầm lẫn các biến quan trọng khỏi mô hình.
5 các phần trên, ỷt số t tính toánđựơc tính theo công th ức t stat = 46 5 , nên khise(β ! & )
Khi giá trị 78(4 6) tăng lên, t-stat sẽ giảm Dấu hiệu của các hệ số hồi quy có thể không đúng như kỳ vọng Trong công thức (*), dấu của hệ số β! phụ thuộc vào mối tương quan giữa X2 và Y Tuy nhiên, nếu mối quan hệ giữa X2 và X3 quá mạnh, điều này có thể làm thay đổi dấu của hệ số hồi quy.
1.4.2 Phát hiện đa cộng tuyến:
- Ta sử dụng ma trận tương quan, nếu R 2 bằng hoặc cao hơn 0.8 thì đó là d ấu hiệu quan trọng của hiện tượng đa cộng tuyến:
Qua ma trận tương quan, ta thấy mối tương quan giữa các biến không cao, nh ưng vẫn tiến hành h ồi quy phụ.
- Sử dụng hồi quy phụ các biến giải thích, đặt giả thiết:
H1: R 2 ≠ 0 Nếu ta chấp nhận H ; P(F>F ) > 0.00005 nghĩa là không t ồn tại mối liên hệ tuyến
0 tính toán tính giữa các biến giải thích.
Nếu ta bác bỏ H ; P(FF ) > 0.00005 nghĩa là không t ồn tại mối liên hệ tuyến
0 tính toán tính giữa các biến giải thích.
Nếu ta bác bỏ H ; P(F
