GIỚI THIỆU
Lý do chọn đề tài
Thị trường chứng khoán Việt Nam, ra đời gần 14 năm, đã trở thành kênh đầu tư hấp dẫn nhưng cũng tiềm ẩn nhiều rủi ro Các nhà đầu tư thường quyết định dựa vào khuyến nghị từ công ty chứng khoán hoặc theo cảm tính cá nhân Việc áp dụng lý thuyết tài chính hiện đại để phân tích mối quan hệ giữa tỷ suất sinh lợi (TSSL) và rủi ro là cần thiết, giúp nhà đầu tư có cái nhìn đúng đắn hơn về mối quan hệ này Điều này sẽ hỗ trợ trong việc lựa chọn danh mục đầu tư phù hợp, đặc biệt trong bối cảnh thị trường biến động như hiện nay.
Mô hình ba nhân tố Fama - French là một công cụ quan trọng trong việc phân tích tỷ suất sinh lợi và rủi ro, đã được áp dụng rộng rãi trên toàn cầu Nhận thức được giá trị của các mô hình tài chính trong đầu tư, đặc biệt trong bối cảnh thị trường chứng khoán Việt Nam còn non trẻ và biến động mạnh, tác giả đã thực hiện nghiên cứu với đề tài: “Nghiên cứu các nhân tố tác động đến tỷ suất sinh lợi cổ phiếu trên thị trường chứng khoán Việt Nam bằng mô hình ba nhân tố Fama - French”.
Mục tiêu nghiên cứu
- Kiểm định sự phù hợp của mô hình 3 nhân tố Fama - French trong việc giải thích sự khác biệt trong TSSL của các cổ phiếu trên TTCK Việt Nam
- Kiểm định sự phù hợp của mô hình 3 nhân tố của Fama - French khi nhân tố thị trường được thay bằng nhân tố thị trường có độ trễ
- Kiểm định mô hình 3 nhân tố Fama - French trong giai đoạn thị trường lên và thị trường xuống.
Câu hỏi nghiên cứu
- Mô hình 3 nhân tố của Fama - French có phù hợp để giải thích sự khác biệt trong TSSL của cổ phiếu trên TTCK Việt Nam hay không?
- Khi thay thế nhân tố thị trường bằng nhân tố thị trường có độ trễ thì mô hình
3 nhân tố của Fama - French có phù hợp để giải thích sự khác biệt trong TSSL cổ phiếu trên TTCK Việt Nam hay không?
- Mô hình 3 nhân tố Fama - French có phụ thuộc vào tình trạng thị trường hay không?
Đối tƣợng nghiên cứu
Nghiên cứu này tập trung vào sự khác biệt trong tỷ suất sinh lợi (TSSL) của các danh mục cổ phiếu trên thị trường chứng khoán Việt Nam Mục tiêu là đánh giá khả năng giải thích của mô hình ba nhân tố Fama - French (1993) đối với những khác biệt này trong TSSL của các danh mục cổ phiếu tại thị trường Việt Nam.
Phạm vi nghiên cứu
Nghiên cứu này kiểm định mô hình 3 nhân tố Fama – French trong việc giải thích tỷ suất sinh lợi của 166 cổ phiếu trên thị trường chứng khoán Việt Nam trong giai đoạn từ tháng 07 năm 2008 đến tháng 06 năm 2013 Kết quả cho thấy mô hình này có khả năng giải thích hiệu quả tỷ suất sinh lợi của các cổ phiếu trong bối cảnh thị trường Việt Nam.
Phương pháp nghiên cứu
Luận văn này dựa trên mô hình 3 nhân tố Fama - French để xây dựng danh mục đầu tư theo quy mô và giá trị Tác giả sử dụng Microsoft Excel 2007 để phân loại danh mục, tính toán TSSL cổ phiếu, TSSL danh mục, TSSL vượt trội và lọc dữ liệu cần thiết Sau đó, phần mềm Stata 11 được sử dụng để phân tích dữ liệu và thực hiện hồi quy với sai số chuẩn Newey - West, ước lượng các hệ số hồi quy bằng phương pháp bình phương nhỏ nhất cho chuỗi dữ liệu gộp và chuỗi dữ liệu thời gian theo mô hình CAPM và mô hình 3 nhân tố Fama - French.
Dữ liệu cho mô hình hồi quy trong nghiên cứu này được thu thập từ các công ty niêm yết trên Sở giao dịch chứng khoán Tp Hồ Chí Minh và Sở giao dịch chứng khoán Hà Nội, tập trung vào các công ty phi tài chính có niêm yết liên tục từ tháng 01 năm 2008 đến tháng 06 năm 2013, đồng thời loại bỏ các công ty thuộc diện kiểm soát Thông tin về giá cổ phiếu, giá trị sổ sách, số lượng cổ phiếu lưu hành và lãi suất phi rủi ro được thu thập thông qua gói sản phẩm dữ liệu tài chính mà tác giả đã mua từ Công ty Cổ phần Tài Việt.
Kết cấu của đề tài
Ngoài danh mục các chữ viết tắt, danh mục bảng, tài liệu tham khảo và phụ lục, đề tài gồm 5 chương, bao gồm:
Trong chương này, tác giả nêu rõ lý do lựa chọn đề tài nghiên cứu, xác định mục tiêu và câu hỏi nghiên cứu, đồng thời trình bày đối tượng, phạm vi và phương pháp nghiên cứu Chương 2 sẽ tập trung vào mô hình ba nhân tố Fama - French và cung cấp các bằng chứng thực nghiệm liên quan.
Trong phần này, tác giả tóm tắt lý thuyết về mô hình ba nhân tố Fama – French và tổng hợp các nghiên cứu quốc tế liên quan đến mô hình này.
Chương 3: Phương pháp nghiên cứu
Trong chương này, tác giả giới thiệu phương pháp nghiên cứu, nguồn dữ liệu, và mô tả các biến phụ thuộc cùng với các biến độc lập được sử dụng Nội dung trong phần này sẽ là nền tảng cho các phân tích được thực hiện trong chương 4.
Chương 4 Kiểm định mô hình 3 nhân tố Fama – French và đánh giá tác động của nhân tố thị trường, nhân tố quy mô, nhân tố giá trị đến sự khác biệt trong TSSL cổ phiếu trên TTCK Việt Nam
Trong chương này, tác giả trình bày kết quả kiểm định mô hình ba nhân tố Fama - French và ảnh hưởng của các nhân tố này đến tỷ suất sinh lợi cổ phiếu Ngoài ra, tác giả cũng kiểm tra mô hình khi thay thế nhân tố thị trường bằng nhân tố thị trường có độ trễ, đồng thời đánh giá tính ổn định của mô hình trong các điều kiện thị trường tăng và giảm.
Trong chương này, tác giả tổng hợp vấn đề nghiên cứu và kết quả đạt được, đồng thời chỉ ra những hạn chế của đề tài và đưa ra các hướng nghiên cứu tiếp theo.
MÔ HÌNH 3 NHÂN TỐ FAMA – FRENCH VÀ BẰNG CHỨNG THỰC NGHIỆM
Mô hình 3 nhân tố Fama – French
Mô hình CAPM của Sharpe, Lintner và Mossin xác định mối quan hệ giữa tỷ suất sinh lời kỳ vọng (TSSL) và rủi ro của tài sản, cho rằng TSSL phụ thuộc vào độ nhạy cảm của tài sản với rủi ro thị trường Theo mô hình này, yếu tố thị trường là yếu tố duy nhất giải thích TSSL của một tài sản.
Năm 1992, Fama và French chỉ ra rằng nhân tố thị trường đơn lẻ không thể giải thích đầy đủ TSSL cổ phiếu Họ phát hiện ra rằng nhân tố quy mô và nhân tố giá trị sổ sách trên giá trị thị trường có khả năng giải thích tốt hơn TSSL của cổ phiếu Mỹ trong giai đoạn từ năm 1963.
Năm 1993, Fama và French đã công bố mô hình định giá tài sản ba nhân tố, mở rộng từ mô hình CAPM bằng cách bổ sung hai nhân tố mới: nhân tố quy mô và nhân tố giá trị Mô hình ba nhân tố Fama – French đã cung cấp bằng chứng thực nghiệm cho thấy CAPM hoạt động kém hiệu quả trong việc giải thích tỷ suất sinh lợi tài sản.
Mô hình 3 nhân tố Fama - French cho rằng tỷ suất sinh lợi vượt trội kỳ vọng của một danh mục, tức là chênh lệch giữa tỷ suất sinh lợi kỳ vọng và tỷ suất sinh lợi phi rủi ro, sẽ được giải thích bởi độ nhạy cảm của danh mục đó với ba nhân tố chính.
(1) TSSL vượt trội của danh mục thị trường (gọi là nhân tố thị trường)
Sự chênh lệch tỷ suất sinh lợi (TSSL) giữa các danh mục cổ phiếu có quy mô nhỏ và các danh mục cổ phiếu có quy mô lớn, được gọi là nhân tố quy mô SMB, đóng vai trò quan trọng trong việc phân tích hiệu suất đầu tư trên thị trường chứng khoán Nhân tố này giúp nhà đầu tư hiểu rõ hơn về sự khác biệt trong khả năng sinh lợi giữa các loại cổ phiếu, từ đó đưa ra quyết định đầu tư hợp lý hơn.
Sự chênh lệch tỷ suất sinh lợi (TSSL) giữa các danh mục cổ phiếu có giá trị sổ sách trên giá trị thị trường (BE/ME) cao và thấp được gọi là nhân tố giá trị HML Các cổ phiếu có BE/ME cao thường mang lại TSSL cao hơn so với những cổ phiếu có BE/ME thấp, cho thấy tầm quan trọng của yếu tố giá trị trong đầu tư chứng khoán.
Mô hình 3 nhân tố đƣợc mô tả nhƣ sau:
TSSL trung bình của danh mục p được xác định bởi lãi suất phi rủi ro (TSSL T.bill 1 tháng), cùng với TSSL của danh mục thị trường Các hệ số hồi quy của nhân tố thị trường, nhân tố SMB và nhân tố HML cũng đóng vai trò quan trọng trong việc phân tích hiệu suất của danh mục đầu tư.
Mô hình 3 nhân tố Fama – French là một phiên bản mở rộng của mô hình CAPM, bao gồm nhân tố thị trường và hai nhân tố bổ sung là quy mô và giá trị Hai nhân tố này được phát hiện trong nghiên cứu của Fama và French vào năm 1992.
Nhân tố thị trường (R m - R f) đại diện cho TSSL vượt trội của danh mục thị trường, được tính bằng TSSL danh mục thị trường trừ đi TSSL phi rủi ro Phần chênh lệch (R m – R f) thể hiện phần bù thị trường, hay TSSL vượt trội của danh mục thị trường, tức là phần tăng thêm của TSSL do rủi ro thị trường mang lại.
Hàm ý của nhân tố thị trường cho thấy rằng tất cả các nhà đầu tư có thể dễ dàng tạo ra tỷ suất sinh lợi phi rủi ro bằng cách đầu tư vào tín phiếu kho bạc Tuy nhiên, nếu các nhà đầu tư lựa chọn đầu tư vào danh mục cổ phiếu rủi ro, họ có khả năng đạt được tỷ suất sinh lợi cao hơn, nhờ vào phần bù thị trường Rm - Rf.
Nhân tố quy mô (SMB - small minus big)
Nhân tố SMB đo lường lợi nhuận bổ sung mà nhà đầu tư nhận được khi đầu tư vào các công ty có vốn hóa thị trường nhỏ Phần lợi nhuận này được gọi là phần bù quy mô, phản ánh lợi ích từ yếu tố quy mô của công ty.
SMB được thiết lập để phản ánh rủi ro liên quan đến quy mô, bằng cách tính chênh lệch giữa tỷ suất sinh lợi trung bình của ba danh mục cổ phiếu quy mô nhỏ (SL, SM, SH) và tỷ suất sinh lợi trung bình của ba danh mục cổ phiếu quy mô lớn (BL, BM, BH) Phương pháp này cho phép đánh giá sự biến động trong tỷ suất sinh lợi giữa các cổ phiếu thuộc các nhóm quy mô khác nhau.
Các nghiên cứu chỉ ra rằng nhân tố SMB ảnh hưởng đến TSSL cổ phiếu do các công ty có giá trị vốn hóa nhỏ thường chịu đựng kém hơn trước các bất ổn chính trị, kinh tế và khủng hoảng tài chính Thông tin hạn chế về các công ty nhỏ dẫn đến chi phí giám sát cao hơn so với các công ty lớn Hơn nữa, cổ phần của các công ty nhỏ có tính thanh khoản kém và chi phí giao dịch lớn hơn, đồng thời quản lý của các công ty nhỏ cũng thường không hiệu quả Do đó, các cổ phần quy mô nhỏ mang lại rủi ro cao hơn, yêu cầu TSSL mà nhà đầu tư đòi hỏi cũng cao hơn Mặc dù đây là những lý do hợp lý cho hiệu ứng quy mô, vẫn chưa có một giải thích lý thuyết chặt chẽ và thuyết phục cho sự hiện diện của hiệu ứng này.
Nhân tố giá trị (HML - high minus low)
Nhân tố HML đánh giá lợi nhuận bổ sung mà nhà đầu tư nhận được khi đầu tư vào các công ty có giá trị sổ sách vượt trội so với giá trị thị trường Phần lợi nhuận này được gọi là phần bù giá trị, phản ánh lợi ích từ sự chênh lệch giữa giá trị sổ sách và giá trị thị trường.
Nhân tố HML được thiết lập để phản ánh rủi ro liên quan đến sự chênh lệch giữa giá trị sổ sách và giá trị vốn hóa thị trường HML được tính toán dựa trên sự khác biệt của tỷ suất sinh lời trung bình giữa hai nhóm cổ phiếu có tỷ số BE/ME cao (BH, SH) và hai nhóm cổ phiếu có tỷ số BE/ME thấp (BL, SL) Qua đó, HML giúp phân tích sự biến động của tỷ suất sinh lời trong các nhóm cổ phiếu với tỷ số BE/ME khác nhau.
Bằng chứng thực nghiệm của mô hình 3 nhân tố Fama – French
Kể từ khi ra đời, mô hình 3 nhân tố Fama – French đã thu hút nhiều nghiên cứu ở các thị trường khác nhau nhằm kiểm định khả năng giải thích tỷ suất sinh lợi cổ phiếu Nhiều kết quả nghiên cứu đã ủng hộ tính chính xác của mô hình này trong việc phân tích TSSL cổ phiếu.
French, nhƣng cũng có một số kết quả nghiên cứu không ủng hộ và đề xuất những nhân tố mới
Gilbert V Nartea và cộng sự (2008) nghiên cứu về sự tồn tại của nhân tố quy mô, nhân tố giá trị và tính ổn định của mô hình 3 nhân tố Fama - French ở thị trường Hồng Kông trong giai đoạn từ tháng 01 năm 1982 đến tháng 12 năm 2001 Kết quả nghiên cứu rút ra là mô hình 3 nhân tố Fama – French tốt hơn mô hình CAPM trong việc giải thích TSSL cổ phiếu, tồn tại hiệu ứng quy mô nhỏ và hiệu ứng giá trị cao ở Hồng Kông trong giai đoạn nghiên cứu Tuy nhiên, kết quả nghiên cứu cho thấy vẫn còn một hoặc một vài nhân tố tác động đến TSSL cổ phiếu ở Hồng Kông
Nghiên cứu của Serpil CANBAŞ và Emrah ARIOĞLU (2008) về mô hình 3 nhân tố Fama – French trên sở giao dịch chứng khoán Istanbul cho thấy mô hình này giải thích hiệu quả lợi suất cổ phiếu tại đây trong giai đoạn từ tháng 07 năm 1993 đến tháng 06 năm 2008.
2004 Tuy nhiên, mô hình 3 nhân tố Fama – French chƣa giải thích hết tất cả biến động TSSL cổ phiếu trong giai đoạn nghiên cứu
Rowland B.F Pasaribu (2009) đã thực hiện một nghiên cứu đánh giá khả năng giải thích của mô hình 3 nhân tố Fama – French và mô hình CAPM trên thị trường chứng khoán Indonesia trong giai đoạn 2003-2006 Kết quả cho thấy mô hình 3 nhân tố Fama – French vượt trội hơn mô hình CAPM trong việc giải thích tỷ suất sinh lợi của cổ phiếu.
Nghiên cứu của Lim T Jian và Ngerng Miang (2012) về các yếu tố ảnh hưởng đến TSSL cổ phiếu trên thị trường chứng khoán Malaysia từ năm 2000 đến 2009 cho thấy rằng mô hình dựa trên yếu tố quy mô và giá trị sổ sách so với giá trị thị trường có khả năng giải thích thấp hơn Thay vào đó, các yếu tố TSSL vượt trội trên vốn cổ phần, khả năng sinh lời của doanh nghiệp, và các biến đo lường mức độ vay nợ của doanh nghiệp cùng với sai số chuẩn của TSSL trên vốn cổ phần được xác định là có ảnh hưởng lớn hơn đến TSSL cổ phiếu.
Nghiên cứu của Ron Y Ho và cộng sự (2006) đã thực nghiệm đánh giá tác động của beta, quy mô doanh nghiệp và tỷ lệ giá trị sổ sách đối với giá trị thị trường tại Hồng Kông trong các điều kiện thị trường khác nhau từ tháng 01 năm 1980 đến tháng 12 năm 1998 Kết quả cho thấy mối quan hệ giữa rủi ro và tỷ suất sinh lợi cổ phiếu phụ thuộc vào tình trạng thị trường, với sự tồn tại của mối quan hệ dương (âm) giữa beta và tỷ suất sinh lợi cổ phiếu trong giai đoạn thị trường lên (xuống) Đồng thời, hiệu ứng quy mô doanh nghiệp không đáng kể trong điều kiện thị trường lên, và hiệu ứng giá trị sổ sách trên giá trị thị trường cũng không đáng kể khi thị trường xuống.
Michael A O’Brien và cộng sự (2008) đã nghiên cứu mô hình 3 nhân tố Fama – French tại thị trường chứng khoán Australia từ năm 1982 đến 2006 Kết quả nghiên cứu xác nhận tính hợp lệ của mô hình này, đồng thời chỉ ra sự tồn tại của hiệu ứng quy mô và hiệu ứng giá trị trong thị trường Australia Tuy nhiên, mô hình 3 nhân tố Fama – French vẫn chưa thể giải thích toàn bộ tỷ suất sinh lời cổ phiếu trong giai đoạn nghiên cứu.
Michael E Drew và cộng sự (2003) đã nghiên cứu khả năng giải thích của mô hình 3 nhân tố Fama - French đối với TSSL cổ phiếu của các công ty niêm yết tại sở giao dịch chứng khoán Thượng Hải (Trung Quốc) trong giai đoạn 1994-2000 Kết quả cho thấy mô hình 3 nhân tố Fama - French vượt trội hơn mô hình CAPM trong việc giải thích TSSL cổ phiếu Ngoài ra, nghiên cứu cũng phát hiện hiệu ứng quy mô nhỏ và hiệu ứng giá trị cao trong giai đoạn này Tuy nhiên, mô hình 3 nhân tố Fama - French không giải thích được hiệu ứng tháng Giêng hay hiệu ứng Tết âm lịch.
Gilbert V Nartea và cộng sự (2009) nghiên cứu tác động của nhân tố quy mô, giá trị, momentum và tính ổn định của mô hình 3 nhân tố Fama - French ở thị trường New Zealand trong giai đoạn từ năm 1995 đến năm 2004 Kết quả nghiên cứu rút ra là mô hình 3 nhân tố Fama – French giải thích TSSL cổ phiếu tốt hơn mô hình CAPM Bên cạnh đó, có tồn tại hiệu ứng quy mô nhỏ và hiệu ứng giá trị cao ở New
Zealand Tuy nhiên, mô hình 3 nhân tố Fama – French không thể giải thích đƣợc hiệu ứng momentum trong giai đoạn nghiên cứu
Nghiên cứu của Mirela Malin và Madhu Veeraraghavan (2004) kiểm định mô hình
3 nhân tố Fama – French ở Anh, Pháp, Đức trong giai đoạn từ năm 1991 đến năm
Nghiên cứu năm 2001 chỉ ra rằng có hiệu ứng quy mô nhỏ ở Pháp và Đức, trong khi hiệu ứng quy mô lớn lại xuất hiện ở Anh Đồng thời, hiệu ứng giá trị sổ sách so với giá trị thị trường thấp cũng được ghi nhận tại cả ba quốc gia này Mô hình ba nhân tố Fama – French cho thấy khả năng giải thích TSSL cổ phiếu vượt trội hơn so với mô hình CAPM.
Souad Ajili (2002) đã tiến hành đánh giá mô hình 3 nhân tố Fama – French tại Pháp trong giai đoạn từ tháng 07 năm 1976 đến tháng 06 năm 2001 Kết quả nghiên cứu cho thấy mô hình này giải thích hầu hết tỷ suất sinh lợi cổ phiếu, vượt trội hơn so với mô hình CAPM, đồng thời cũng không phát hiện hiệu ứng tháng Giêng trên thị trường Pháp trong thời kỳ nghiên cứu.
Michael E Drew và Madhu Veeraraghavan (2002) đã nghiên cứu mô hình 3 nhân tố Fama – French tại thị trường Malaysia từ tháng 12 năm 1992 đến tháng 12 năm 1999 Kết quả nghiên cứu xác nhận tính chính xác của mô hình Fama - French, đồng thời khẳng định sự tồn tại của hiệu ứng quy mô nhỏ và hiệu ứng giá trị cao trong bối cảnh Malaysia.
Nghiên cứu năm 2005 của Wai C Shum và Gordon Y.N Tang tại ba thị trường mới nổi Hồng Kông, Singapore và Đài Loan từ tháng 07 năm 1986 đến tháng 12 năm 1998 cho thấy mô hình 3 nhân tố Fama-French giải thích tốt hơn TSSL cổ phiếu so với mô hình CAPM Tuy nhiên, ảnh hưởng của nhân tố quy mô và giá trị sổ sách lên giá trị thị trường là không đáng kể Khi thay thế nhân tố thị trường bằng nhân tố thị trường có độ trễ, khả năng giải thích của mô hình giảm, nhưng hai nhân tố SMB và HML vẫn đóng góp đáng kể vào việc giải thích sự khác biệt trong TTSL cổ phiếu Mô hình trong các điều kiện thị trường lên và xuống không cải thiện khả năng giải thích của mô hình 3 nhân tố Fama-French, nhưng khi sử dụng nhân tố thị trường có độ trễ, khả năng giải thích được cải thiện, đặc biệt tại thị trường Singapore.
Nghiên cứu của Glenn N Pettengill và cộng sự (1995) về mối quan hệ giữa beta thị trường và TSSL trong giai đoạn từ năm 1926 đến năm 1990 tại thị trường Mỹ cho thấy có sự tương quan tích cực giữa beta và TSSL khi thị trường tăng, trong khi lại tồn tại mối quan hệ nghịch chiều khi thị trường giảm.
G.Y Tang và W.C Shum (2003) nghiên cứu mối quan hệ giữa beta và TSSL cổ phiếu ở 13 thị trường trong giai đoạn từ năm 1991 đến 2000 Kết quả tìm thấy mối quan hệ dương giữa beta và TSSL khi thị trường lên và âm giữa beta và TSSL khi thị trường xuống Kết quả nghiên cứu cho thấy rằng ở thị trường có beta cao, sẽ có TSSL cao hơn khi thị trường lên và thấp hơn khi thị trường xuống so với ở thị trường có beta thấp
PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình lý thuyết
Mô hình định giá tài sản vốn CAPM được xây dựng dựa trên công thức r pt = α p + β p r mt + Ɛ pt (1a) Để đánh giá tác động của yếu tố thị trường cùng với các nhân tố SMB và HML đến tỷ suất sinh lợi cổ phiếu, mô hình CAPM đã được mở rộng thành mô hình 2 nhân tố Cuối cùng, cả hai nhân tố SMB và HML được kết hợp để hình thành mô hình 3 nhân tố Fama-French, với các công thức: r pt = α p + β p r mt + s p SMB + Ɛpt (2a), r pt = α p + β p r mt + h p HML + Ɛpt (3a), và r pt = α p + β p r mt + s p SMB + h p HML + Ɛpt (4a).
Tác giả tiến hành kiểm định các mô hình khi thay thế nhân tố thị trường hiện tại bằng nhân tố thị trường có độ trễ một kỳ, dẫn đến các mô hình mới: r pt = α p + β p r mt-1 + Ɛpt (1b); r pt = α p + β p r mt-1 + s p SMB + Ɛpt (2b); r pt = α p + β p r mt-1 + h p HML + Ɛpt (3b); và r pt = α p + β p r mt-1 + s p SMB + h p HML + Ɛpt (4b).
Để đánh giá sự đóng góp của các nhân tố bổ sung vào mô hình giải thích tỷ suất sinh lợi cổ phiếu, chúng tôi so sánh hệ số R² hiệu chỉnh của các mô hình (4a) với (1a), (2a) và (3a), cũng như (4b) với (1b), (2b) và (3b), đồng thời xem xét hệ số hồi quy của các nhân tố Để kiểm tra tính ổn định của mô hình ba nhân tố Fama - French trong các điều kiện thị trường khác nhau, chúng tôi áp dụng phương pháp của Wai C Shun và Gordon Y.N Tang (2005) bằng cách chia mẫu nghiên cứu thành hai giai đoạn: thị trường đi lên và thị trường đi xuống, đồng thời thêm biến giả D, với giá trị bằng 1 khi thị trường đi lên và 0 khi thị trường đi xuống.
Các mô hình với biến giả D lần lƣợt là: r pt = α p + β 1p r mt D t + β 2p r mt (1-D t ) + s 1p SMB.D t + s 2p SMB.(1 - D t ) + h 1p HML.D t + h 2p HML.(1 - D t ) + Ɛpt (5a) r pt = α p + β 1p r mt-1 D t + β 2p r mt-1 (1-D t ) + s 1p SMB.D t + s 2p SMB.(1 - D t ) + h 1p HML.D t + h 2p HML.(1 - D t ) + Ɛ pt (5b)
Các biến độc lập và các biến phụ thuộc
3.2.1 Xây dựng các danh mục cổ phiếu
Bảng 3.1 Bảng danh mục cổ phiếu hình thành nhân tố SMB và HML
(Nguồn: tổng hợp của tác giả)
Từ bảng 3.1 trên, hình thành 4 danh mục nhƣ sau:
- Danh mục SL: bao gồm những công ty có quy mô nhỏ (S) và có tỷ số BE/ME thấp (L)
- Danh mục SH: bao gồm những công ty có quy mô nhỏ (S) và có tỷ số BE/ME cao (H)
- Danh mục BL: bao gồm những công ty có quy mô lớn (B) và có tỷ số BE/ME thấp (L)
Danh mục BH bao gồm các công ty lớn (B) với tỷ số BE/ME cao (H) Để phân nhóm cổ phiếu theo quy mô và tỷ số BE/ME, tác giả sử dụng quy mô năm t, được tính bằng giá trị vốn hóa thị trường (ME), tính bằng giá cổ phiếu nhân với số lượng cổ phiếu đang lưu hành tại ngày 30 tháng 06 năm t Tỷ số BE/ME được xác định bằng giá trị sổ sách chia cho giá trị thị trường của vốn cổ phần vào thời điểm 31 tháng 12 của các công ty trong mẫu.
Nghiên cứu của Fama và French năm 1993 tại thị trường Mỹ phân loại cổ phiếu dựa trên quy mô và tỷ số BE/ME Cụ thể, họ chia cổ phiếu thành hai nhóm: quy mô nhỏ (S) và quy mô lớn (B) dựa trên trung vị vốn hóa thị trường Sau đó, cổ phiếu được phân nhóm độc lập theo tỷ số BE/ME, trong đó 30% công ty có tỷ số BE/ME thấp nhất, 40% ở mức trung bình và 30% có tỷ số BE/ME cao nhất.
Fama và French cho rằng việc phân loại cổ phiếu thành ba nhóm dựa trên tỷ lệ BE/ME và hai nhóm theo quy mô là tùy ý và không ảnh hưởng đến kết quả kiểm định Họ cũng nhấn mạnh rằng số lượng công ty nghiên cứu trong mô hình hàng năm là một yếu tố quan trọng.
Trong giai đoạn từ 01/01/2008 đến 30/06/2013, chỉ có 166 công ty, chiếm khoảng 3,46% trong tổng số 4797 công ty trên Sở giao dịch chứng khoán New York (NYSE) vào cuối năm 1991 theo nghiên cứu của Fama và French Do số lượng cổ phiếu hạn chế, tác giả đã phân loại cổ phiếu thành hai nhóm quy mô dựa trên quy mô trung vị và hai nhóm giá trị dựa trên tỷ lệ BE/ME trung vị Cụ thể, cổ phiếu được chia thành nhóm quy mô nhỏ (ký hiệu S) gồm các cổ phiếu có quy mô thấp hơn quy mô trung vị, và nhóm quy mô lớn (ký hiệu B) bao gồm các cổ phiếu có quy mô bằng hoặc cao hơn quy mô trung vị.
Các cổ phiếu được phân loại thành hai nhóm dựa trên tỷ lệ BE/ME Nhóm đầu tiên, ký hiệu L, gồm 50% cổ phiếu có tỷ số BE/ME thấp hơn tỷ số BE/ME trung vị Nhóm thứ hai, ký hiệu H, bao gồm 50% cổ phiếu có tỷ số BE/ME bằng hoặc cao hơn tỷ số BE/ME trung vị.
Kết hợp việc phân chia theo quy mô và tỷ lệ BE/ME sẽ tạo thành 4 danh mục nhƣ bảng 3.1
3.2.2 Các biến độc lập và các biến phụ thuộc
Bảng 3.2 Bảng tổng hợp cách tính toán các biến độc lập và các biến phụ thuộc
Các biến Cách tính Chú thích
Biến phụ thuộc r p r p = R p – R f r p : TSSL vƣợt trội của danh mục p
Rp: TSSL trung bình của danh mục p
R f : lãi suất trái phiếu chính phủ (tính theo tháng)
Biến độc lập rm rm = Rm – Rf rm: TSSL vƣợt trội của danh mục thị trường
R m : TSSL của danh mục thịtrường SMB SMB = (RSH + RSL)
RSH: TSSL của danh mục SH
RSL: TSSL của danh mục SL
RBH: TSSL của danh mục BH
RBL: TSSL của danh mục BL
(Nguồn: Tính toán và tổng hợp của tác giả)
Biến phụ thuộc: tỷ suất sinh lợi vƣợt trội r p : r p = R p – R f
R p : TSSL trung bình của từng danh mục p (gồm R SH ,R SL ,R BH và R BL )
Lãi suất phi rủi ro (Rf) được đại diện bởi lãi suất trái phiếu chính phủ kỳ hạn 2 năm trong nghiên cứu này.
Tác giả tính toán tỷ suất sinh lời (TSSL) cho từng danh mục cổ phiếu SH, SL, BH và BL bằng cách lấy trung bình TSSL của các cổ phiếu trong mỗi danh mục.
Tác giả sử dụng khung thời gian là tháng để tính toán TSSL của các nhân tố
R p : TSSL trung bình của từng danh mục p (gồm R SH ,R SL ,R BH và R BL )
R it : là TSSL của cổ phiếu thứ i tại thời điểm cuối tháng t
: giá đóng cửa vào thời điểm cuối tháng của cổ phiếu i tháng t đã đƣợc điều chỉnh
: giá đóng cửa vào thời điểm đầu tháng của cổ phiếu i tháng t đã đƣợc điều chỉnh
Giá đóng cửa hàng tháng là giá của phiên giao dịch cuối cùng trong tháng Nếu cổ phiếu không giao dịch vào phiên cuối tuần, giá sẽ được lấy từ phiên giao dịch gần nhất trước đó Giá đóng cửa hàng ngày của cổ phiếu đã được điều chỉnh để phản ánh các yếu tố như cổ tức cổ phiếu, cổ phiếu thưởng và cổ tức tiền mặt.
Trong nghiên cứu của Fama và French (1993), TSSL tháng của các danh mục được tính theo tỷ trọng giá trị vốn hóa thị trường Tuy nhiên, các nghiên cứu của Nartea và Ward (2009), O’Brien và cộng sự (2008), Ron Y Ho và cộng sự (2006), cùng Shum và Tang (2005) cho thấy rằng việc tính TSSL theo tỷ trọng bằng nhau không khác biệt đáng kể so với tỷ trọng giá trị.
Năm 1998, tác giả đã áp dụng phương pháp TSSL với tỷ trọng bằng nhau để phân tích chứng cứ quốc tế liên quan đến hiệu ứng giá trị Để đơn giản hóa quá trình tính toán, TSSL của bốn danh mục được tính toán theo tỷ trọng trung bình cộng.
Biến độc lập: TSSL vượt trội của danh mục thị trường r m = R m – R f
Trong đó: r m : TSSL vượt trội của danh mục thị trường
R m : TSSL của danh mục thị trường, là TSSL trung bình của 4 danh mục (SH,
SL, BH và BL) gia quyền theo giá trị vốn hóa thị trường của 4 danh mục
R m Với tỷ trọng theo giá trị thị trường của từng danh mục p
: TSSL trung bình của danh mục p
R f : TSSL phi rủi ro Trong nghiên cứu này, tác giả lấy lãi suất trái phiếu chính phủ kỳ hạn 2 năm làm đại diện cho TSSL phi rủi ro
Biến độc lập: Nhân tố quy mô SMB (Small minus Big)
Nhân tố SMB được xác định bằng cách lấy TSSL trung bình của hai danh mục cổ phiếu quy mô nhỏ (SH và SL) trừ đi TSSL trung bình của hai danh mục cổ phiếu quy mô lớn (BH và BL) Nhân tố này giúp mô phỏng rủi ro trong TSSL liên quan đến quy mô, từ đó cho phép phân tích sự biến động trong TSSL giữa các cổ phiếu thuộc các nhóm quy mô khác nhau.
SMB = (R SH + R SL ) - (R BH + R BL )
R SH : TSSL của danh mục SH
R SL : TSSL của danh mục SL
R BH : TSSL của danh mục BH
R BL : TSSL của danh mục BL
Biến độc lập: Nhân tố giá trị sổ sách trên giá trị thị trường HML (High minus low)
Nhân tố HML được xác định bằng cách lấy TSSL trung bình của hai danh mục cổ phiếu có tỷ số BE/ME cao (SH và BH) trừ đi TSSL trung bình của hai danh mục cổ phiếu có tỷ số BE/ME thấp (SL và BL) HML thể hiện rủi ro trong TSSL liên quan đến tỷ số giá trị sổ sách trên giá trị thị trường, cho phép phân tích sự biến động TSSL giữa các nhóm cổ phiếu khác nhau theo tỷ số BE/ME Công thức tính HML là: HML = (R SH + R BH) - (R SL + R BL).
R SH : TSSL của danh mục SH
R SL : TSSL của danh mục SL
R BH : TSSL của danh mục BH
R BL : TSSL của danh mục BL
Dữ liệu nghiên cứu và phương pháp nghiên cứu
Nghiên cứu này phân tích dữ liệu hàng tháng từ các cổ phiếu niêm yết liên tục trên Sở giao dịch chứng khoán Tp.Hồ Chí Minh và Sở giao dịch chứng khoán Hà Nội trong giai đoạn từ 01/01/2008 đến 30/06/2013, loại trừ các cổ phiếu của các công ty tài chính, tín dụng và ngân hàng.
Ba tiêu chí chọn mẫu:
Thứ nhất, các cổ phiếu niêm yết liên tục trong giai đoạn từ ngày 01/01/2008 đến ngày 30/06/2013
Thứ hai, các công ty trong mẫu nghiên cứu là các công ty phi tài chính
Vào thứ ba, các công ty trong mẫu nghiên cứu cần phải cung cấp báo cáo tài chính đầy đủ và không thuộc danh sách các công ty bị kiểm soát Tác giả đã thu thập các số liệu tương ứng với mỗi công ty trong mẫu nghiên cứu.
- Giá đóng cửa và giá đóng đã điều chỉnh của mỗi cổ phiếu cuối mỗi ngày giao dịch từ ngày 01/01/2008 đến 30/06/2013
Tại thời điểm 30 tháng 06 và 31 tháng 12 trong giai đoạn từ năm 2008 đến năm 2013, khối lượng cổ phiếu lưu hành được ghi nhận Dữ liệu này, kết hợp với giá cổ phiếu, được sử dụng để tính toán quy mô của từng công ty vào cuối mỗi tháng trong giai đoạn nghiên cứu.
- Giá trị sổ sách của vốn cổ phần tại ngày 31 tháng 12 của mỗi năm từ tháng
- Về lãi suất phi rủi ro, tác giả sử dụng lãi suất trái phiếu chính phủ kỳ hạn 2 năm từ tháng 07 năm 2008 đến tháng 06 năm 2013
Tất cả các dữ liệu đƣợc thu thập từ Công ty cổ phần Tài Việt (Vietstock) trong giai đoạn từ 01/01/2008 đến 30/06/2013
Tác giả áp dụng phương pháp Fama và French (1993) cùng với Shum và Tang (2005) để xây dựng các danh mục dựa trên quy mô và giá trị sổ sách so với giá trị thị trường Để đảm bảo rằng thông tin kế toán được sử dụng nhằm giải thích cho tỷ suất sinh lời cổ phiếu (TSSL) là chính xác, tác giả đã kết hợp TSSL cổ phiếu từ tháng 7 năm t đến tháng.
6 năm t + 1 với dữ liệu kế toán của công ty tại thời điểm kết thúc năm tài chính t –
1 Danh mục đƣợc xây dựng tại thời điểm 30 tháng 06 năm t Quy mô là giá trị vốn hóa thị trường tại thời điểm 30 tháng 6 năm t Giá trị sổ sách trên giá trị thị trường là giá trị sổ sách tại thời điểm kết thúc năm tài chính của năm t -1 chia cho giá trị thị trường của vốn cổ phần tại thời điểm 31 tháng 12 năm t -1 Do các công ty trong mẫu đều có năm tài chính là 31 tháng 12 nên giá trị BE/ME dùng để chia danh mục sẽ là giá trị tại 31 tháng 12 năm t - 1
Tác giả sẽ tính toán TSSL trung bình hàng tháng từ tháng 07 năm t đến tháng 06 năm t+1 cho từng danh mục được xây dựng tại thời điểm 30 tháng 06 năm t, nhằm làm cơ sở cho việc tính toán các nhân tố SMB và HML.
Bảng 3.3 Tổng hợp nguồn gốc số liệu và cách tính toán các chỉ số
P it giá đóng cửa đã đƣợc điều chỉnh cổ phiếu i ở thời điểm cuối tháng
P i(t-1) giá đóng cửa đã đƣợc điều chỉnh cổ phiếu i ở thời điểm đầu tháng
R it R it : tỷ suất sinh lợi của cổ phiếu i tại thời điểm cuối tháng t Rit Tính toán của tác giả
R p : tỷ suất sinh lợi của danh mục p R p Tính toán của tác giả
BE Giá trị sổ sách của danh nghiệp vào cuối năm Vietstock
ME Quy mô hay giá trị vốn hóa thị trường của doanh nghiệp (Số lượng cổ phiếu đang lưu hành * giá đóng cửa cổ phiếu)
Tính toán của tác giả
R f Lãi suất phi rủi ro (lãi suất trái phiếu chính phủ kỳ hạn
R m TSSL danh mục thị trường Rm = Tính toán của tác giả (Nguồn: Tính toán và tổng hợp của tác giả)
Xử lý dữ liệu và phương pháp ước lượng
Dữ liệu trong nghiên cứu này được thu thập từ gói sản phẩm dữ liệu tài chính do tác giả mua từ công ty cổ phần Tài Việt (www.vietstock.vn).
Tác giả sử dụng phương pháp nghiên cứu định lượng để phân tích mối quan hệ giữa TSSL cổ phiếu và các yếu tố thị trường, quy mô, giá trị thông qua phần mềm STATA 11 Nghiên cứu bắt đầu bằng việc thực hiện thống kê mô tả nhằm cung cấp cái nhìn tổng quan về xu hướng của các biến trong mô hình Sau đó, tác giả sẽ tiến hành các bước tiếp theo để phục vụ cho nghiên cứu của mình.
Tác giả bắt đầu bằng việc kiểm định tính dừng của chuỗi dữ liệu thời gian thông qua kiểm định nghiệm đơn vị Dickey-Fuller, nhằm xác định tính dừng của chuỗi TSSL liên quan đến các biến độc lập và biến phụ thuộc trong nghiên cứu.
Vào thứ hai, việc kiểm định hiện tượng đa cộng tuyến giữa các biến trong mô hình được thực hiện thông qua hệ số tương quan giữa từng cặp biến và chỉ số thừa số phóng đại phương sai (VIF).
Vào thứ ba, tác giả đã thực hiện phân tích hồi quy biến độc lập và các biến phụ thuộc bằng phương pháp bình phương nhỏ nhất (OLS) trên dữ liệu chuỗi thời gian của TTSL các danh mục Đồng thời, hồi quy OLS cũng được áp dụng cho dữ liệu gộp của tất cả các chuỗi TSSL từ cả 4 danh mục (hồi quy gộp theo thời gian) nhằm đánh giá khả năng giải thích của mô hình nghiên cứu.
Luận văn áp dụng hồi quy với sai số chuẩn Newey – West, sử dụng 4 và 5 độ trễ để ước lượng các hệ số hồi quy theo phương pháp bình phương nhỏ nhất Theo Newey và West (1987), độ trễ ước lượng được xác định là 4 cho mẫu 60 quan sát trong dữ liệu chuỗi thời gian, trong khi với dữ liệu gộp có 240 quan sát, độ trễ ước lượng là 5 Phương pháp hồi quy với sai số chuẩn Newey – West mang lại kết quả kiểm định các hệ số hồi quy đáng tin cậy hơn, đặc biệt khi có tự tương quan và phương sai sai số thay đổi.
Chương 4 KIỂM ĐỊNH MÔ HÌNH 3 NHÂN TỐ FAMA - FRENCH VÀ ĐÁNH GIÁ TÁC ĐỘNG CỦA NHÂN TỐ THỊ TRƯỜNG, NHÂN TỐ QUY
MÔ, NHÂN TỐ GIÁ TRỊ ĐẾN SỰ KHÁC BIỆT TRONG TSSL CỔ PHIẾU
Thống kê mô tả các nhân tố
Bảng 4.1 Thống kê TSSL vƣợt trội của 4 danh mục trong giai đoạn từ tháng
Mean Median Std Dev Min Max
Dữ liệu giá và cổ phiếu đang lưu hành được sử dụng trong bài viết được tính toán bởi tác giả dựa trên thông tin từ gói sản phẩm dữ liệu tài chính mua từ Công ty cổ phần Tài Việt, cùng với phần mềm Stata 11.
Bảng 4.1 trình bày các thông số của bốn danh mục, bao gồm TSSL vượt trội trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất Kết quả cho thấy, trong nhóm cổ phiếu có quy mô nhỏ, danh mục SH với TSSL vượt trội trung bình cao hơn so với danh mục SL có quy mô lớn Tương tự, trong nhóm danh mục có BE/ME cao, danh mục nhỏ SH cũng có TSSL vượt trội trung bình cao hơn danh mục lớn BH Điều này phù hợp với nghiên cứu của Fama và French (1993), cho thấy TSSL vượt trội tăng theo BE/ME trong cùng một nhóm quy mô, và danh mục nhỏ luôn có TSSL vượt trội cao hơn danh mục lớn trong cùng một nhóm BE/ME.
Danh mục BL ghi nhận tỷ suất sinh lợi (TSSL) vượt trội trung bình đạt 0.36%, cao hơn so với danh mục BH với -0.18% Trong khi đó, trong nhóm có tỷ số giá trên giá trị sổ sách (BE/ME) thấp, danh mục SL lại có TSSL vượt trội trung bình thấp hơn so với danh mục BL.
Trong điều kiện trị tuyệt đối của TSSL vượt trội, biến động cổ phiếu không phản ánh mối quan hệ giữa TSSL và rủi ro Cụ thể, danh mục BL có độ lệch chuẩn thấp nhất nhưng TSSL vượt trội lại cao thứ hai (0.36%), trong khi danh mục S/L có độ lệch chuẩn cao nhất (11.69%) nhưng TSSL vượt trội lại thấp nhất (0.01%) Điều này cho thấy độ lệch chuẩn TSSL vượt trội của các danh mục trong giai đoạn nghiên cứu tương đối cao, vượt quá 10%.
Bảng 4.2 TSSL và rủi ro 3 nhân tố giải thích trong giai đoạn từ tháng 07/2008 đến tháng 06/2013 Đvt: %/tháng
Mean Median Std Dev Min Max
Dữ liệu giá và số lượng cổ phiếu lưu hành được tác giả tính toán dựa trên thông tin từ gói sản phẩm dữ liệu tài chính của Công ty cổ phần Tài Việt, sử dụng phần mềm Stata 11 để phân tích.
Kết quả từ bảng 4.2 cho thấy mối tương quan giữa rủi ro và TSSL trong giai đoạn 2008-2013, với TSSL vượt trội trung bình của danh mục thị trường đạt 0,28%/tháng, nhưng có độ lệch chuẩn cao 9,97%/tháng, cho thấy rủi ro của thị trường Việt Nam cao hơn nhiều so với Mỹ TSSL trung bình theo nhân tố HML là 0,01% với độ lệch chuẩn 3,51%, trong khi TSSL theo nhân tố SMB là 0,20% với độ lệch chuẩn 4,03%, cao hơn HML Những kết quả này phản ánh hiệu ứng quy mô nhỏ và tỷ số giá trị sổ sách trên giá thị trường cao, phù hợp với nghiên cứu của Fama và French (1993).
Kiểm định hiện tƣợng đa cộng tuyến của các biến trong mô hình và tính dừng của chuỗi dữ liệu thời gian
4.2.1 Kiểm định tính dừng của chuỗi dữ liệu thời gian
Trong phân tích hồi quy đa biến, kiểm định tính dừng và hiện tƣợng đa cộng tuyến là những bước đầu tiên cần phải tiến hành
Phân tích hồi quy chủ yếu nhằm xây dựng dự báo cho tương lai, nhưng một chuỗi không dừng sẽ không mang lại giá trị thực tiễn, vì dữ liệu quá khứ không thể khái quát hóa cho các giai đoạn thời gian khác Việc không thể dự đoán tương lai đồng nghĩa với việc không thể tìm kiếm các danh mục có TSSL vượt trội trung bình nếu dữ liệu luôn thay đổi Do đó, kiểm định tính dừng là bước đầu tiên quan trọng để quyết định có nên sử dụng chuỗi dữ liệu quá khứ hay không.
Tác giả sử dụng kiểm định nghiệm đơn vị của Dickey – Fuller để kiểm định tính dừng của chuỗi TSSL của các biến trong nghiên cứu
Bảng 4.3 Giá trị các thống kê t-statistic trong kiểm định tính dừng
Giá trị kiểm định tới hạn của thống kê t Mức ý nghĩa
Nguồn từ kết quả Stata Tất cả các nhân tố -3.567 -3.567 -2.596
Dữ liệu giá và cổ phiếu đang lưu hành được tác giả tính toán dựa trên thông tin từ gói sản phẩm dữ liệu tài chính mua từ Công ty cổ phần Tài Việt, sử dụng phần mềm Stata 11 để phân tích.
Tất cả các chuỗi kiểm định đều là chuỗi dừng và có ý nghĩa thống kê ở mức 1%, điều này giúp tác giả thực hiện các bước phân tích tiếp theo một cách thuận lợi.
4.2.2 Kiểm định đa cộng tuyến
Kiểm định hiện tượng đa cộng tuyến là một yếu tố quan trọng bên cạnh kiểm định tính dừng trong mô hình hồi quy Để mô hình hồi quy có thể dự báo hiệu quả, cần đảm bảo rằng các biến trong mô hình không có mối quan hệ tương quan với nhau Mỗi biến X_i phải cung cấp thông tin độc lập về Y, không chứa thông tin trùng lặp với bất kỳ biến X_i nào khác.
Kiểm định hiện tượng đa cộng tuyến là cần thiết để xác định xem các biến độc lập có ảnh hưởng đến biến phụ thuộc hay không Khi phát hiện đa cộng tuyến, việc nhận diện và loại bỏ các biến có hệ số tương quan cao là rất quan trọng để đảm bảo tính chính xác của mô hình.
Bảng 4.4 Bảng ma trận hệ số tương quan giữa các biến giải thích trong mô hình
Dữ liệu trong bài viết được tác giả tính toán dựa trên giá cổ phiếu và số lượng cổ phiếu đang lưu hành, thông qua gói sản phẩm dữ liệu tài chính mua từ Công ty cổ phần Tài Việt và sử dụng phần mềm Stata 11.
Kiểm định tương quan giữa các cặp nhân tố lgRmRf 0.1585 -0.0132 0.2264 1.0000 rmrf 0.0704 -0.1941 1.0000 hml -0.2440 1.0000 smb 1.0000 smb hml rmrf lgRmRf
pwcorr smb hml rmrf lgRmRf
Theo bảng 4.4, hệ số tương quan giữa các cặp nhân tố giải thích nằm trong khoảng từ 0,0132 đến 0,2264, thấp hơn mức 0,8, cho thấy có sự tương quan yếu giữa các biến phụ thuộc Kết quả cũng chỉ ra rằng nhân tố HML có tương quan nghịch với các nhân tố SMB, R m -R f và lag(R m -R f), trong khi nhân tố SMB lại có tương quan thuận với R m -R f và lag(R m -R f) Để kiểm tra sự tương quan giữa các biến giải thích và nhóm biến còn lại, tác giả áp dụng phương pháp thừa số phóng đại phương sai (VIF) nhằm phát hiện hiện tượng đa cộng tuyến.
Hệ số VIF (Variance Inflation Factor) được sử dụng để xác định mức độ đa cộng tuyến khi hồi quy biến phụ i theo các biến độc lập khác Khi giá trị VIF tăng, khả năng xảy ra đa cộng tuyến cũng tăng theo Nếu VIF đạt giá trị lớn hơn hoặc bằng 10, điều này cho thấy có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình.
Mean VIF 1.07 rmrf 1.04 0.961754 smb 1.06 0.939889 hml 1.10 0.908983
Mean VIF 1.05 lag_rmrf 1.03 0.974398 hml 1.05 0.952552 smb 1.08 0.928774
Dựa trên dữ liệu giá và số lượng cổ phiếu đang lưu hành, tác giả đã tính toán và cung cấp thông tin thông qua gói sản phẩm dữ liệu tài chính từ Công ty cổ phần Tài Việt, sử dụng phần mềm Stata 11 để thực hiện phân tích.
Kết quả cho thấy giá trị trung bình của VIF cho nhóm các biến SMB, HML và R m -
Giá trị R f là 1.07 và nhóm các biến SMB, HML cùng với biến nhân tố thị trường có độ trễ (lag_rmrf) là 1.05 Trung bình của VIF dưới 10 cho thấy chưa có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình nghiên cứu.
Không có tương quan giữa các biến giải thích như SMB, HML và R m – R f / Lag(R m – R f ) cho thấy mỗi biến này đều cung cấp thông tin riêng biệt về TSSL mà không ảnh hưởng đến các biến giải thích khác Do đó, chúng ta có thể kết luận rằng các biến trong mô hình là độc lập và có thể được đưa vào mô hình hồi quy.
Kết quả hồi quy của nhân tố thị trường, nhân tố quy mô và nhân tố giá trị sổ sách trên giá trị thị trường
sổ sách trên giá trị thị trường
4.3.1 Kiểm định mô hình 3 nhân tố Fama - French Để kiểm định khả năng giải thích của mô hình 3 nhân tố Fama - French và xác định mức độ ảnh hưởng các nhân tố, tác giả tiến hành hồi quy TSSL vượt trội các danh mục đầu tư theo 3 biến độc lập là nhân tố thị trường, nhân tố quy mô và nhân tố giá trị theo phương pháp bình phương nhỏ nhất (Ordinary Least Square – OLS) Đầu tiên tác giả tiến hành hồi quy theo biến nhân tố thị trường (mô hình CAMP), sau đó là nhân tố thị trường và SMB; nhân tố thị trường và HML và cuối cùng kết hợp cùng lúc cả 3 biến của mô hình cho TSSL vƣợt trội của các danh mục để có cái nhìn cụ thể hơn về tác động của các nhân tố Tác giả sử dụng hồi quy time – pooled cross – sectional regression với phương pháp Newey - West với 5 độ trễ Số độ trễ ước lượng khi sử dụng phương pháp Newey - West được tính bằng cách 4.(n/100) 2/9 với n là cỡ mẫu Với mẫu là 240, tác giả tính đƣợc độ trễ thích hợp cho mẫu nghiên cứu là 5
Bảng 4.5 Kết quả hồi quy tuyến tính của các mô hình
(2a) R p – R f Rm-Rf và SMB -0.00174 1.002*** 0.411*** 0.9173 0.000 (3a) R p – R f Rm-Rf và HML -0.00099 1.026*** 0.178 0.8965 0.000
Nguồn dữ liệu trong bài viết được tác giả tính toán dựa trên giá cổ phiếu và số lượng cổ phiếu đang lưu hành, thông qua gói sản phẩm dữ liệu tài chính mua từ Công ty cổ phần Tài Việt và phần mềm Stata 11.
* có ý nghĩa thống kê ở mức 10%; ** có ý nghĩa thống kê ở mức 5%; *** có ý nghĩa thống kê ở mức 1%
_cons -.0009469 0022361 -0.42 0.672 -.005352 0034582 rmrf 1.01351 0226165 44.81 0.000 9689563 1.058064 tssl Coef Std Err t P>|t| [95% Conf Interval]
Source SS df MS Number of obs = 240
_cons -.0009469 0021472 -0.44 0.660 -.0051768 003283 rmrf 1.01351 0407593 24.87 0.000 9332152 1.093805 tssl Coef Std Err t P>|t| [95% Conf Interval]
Regression with Newey-West standard errors Number of obs = 240
_cons -.0017361 0019741 -0.88 0.380 -.0056251 0021529 smb 410839 0494273 8.31 0.000 313466 5082119 rmrf 1.001805 0199926 50.11 0.000 9624195 1.041191 tssl Coef Std Err t P>|t| [95% Conf Interval]
Total 2.6934627 239 011269718 Root MSE = 03053 Adj R-squared = 0.9173 Residual 220973246 237 000932377 R-squared = 0.9180 Model 2.47248945 2 1.23624473 Prob > F = 0.0000 F( 2, 237) = 1325.91 Source SS df MS Number of obs = 240 reg tssl rmrf smb
_cons -.0017361 0018075 -0.96 0.338 -.005297 0018248 smb 410839 1171237 3.51 0.001 1801024 6415755 rmrf 1.001805 0384352 26.06 0.000 9260871 1.077524 tssl Coef Std Err t P>|t| [95% Conf Interval]
Regression with Newey-West standard errors Number of obs = 240
newey2 tssl rmrf smb, lag(5)
_cons -.0009898 0022059 -0.45 0.654 -.0053354 0033558 hml 1777888 0645391 2.75 0.006 0506453 3049324 rmrf 1.025671 0227423 45.10 0.000 9808684 1.070474 tssl Coef Std Err t P>|t| [95% Conf Interval]
Total 2.6934627 239 011269718 Root MSE = 03416 Adj R-squared = 0.8965 Residual 276535815 237 001166818 R-squared = 0.8973 Model 2.41692688 2 1.20846344 Prob > F = 0.0000 F( 2, 237) = 1035.69 Source SS df MS Number of obs = 240 reg tssl rmrf hml
_cons -.0009898 0020909 -0.47 0.636 -.005109 0031294 hml 1777888 1291823 1.38 0.170 -.0767034 4322811 rmrf 1.025671 0391815 26.18 0.000 9484829 1.10286 tssl Coef Std Err t P>|t| [95% Conf Interval] Newey-West
Prob > F = 0.0000 maximum lag : 5 F( 2, 237) = 361.75 Regression with Newey-West standard errors Number of obs = 240 newey2 tssl rmrf hml, lag(5)
_cons -.0019296 001863 -1.04 0.301 -.0056 0017407 hml 3077403 0560119 5.49 0.000 1973931 4180874 smb 4729096 0479877 9.85 0.000 3783707 5674486 rmrf 1.021087 0191884 53.21 0.000 9832846 1.058889 tssl Coef Std Err t P>|t| [95% Conf Interval]
Total 2.6934627 239 011269718 Root MSE = 02881 Adj R-squared = 0.9263 Residual 195914318 236 000830145 R-squared = 0.9273 Model 2.49754838 3 832516127 Prob > F = 0.0000 F( 3, 236) = 1002.86 Source SS df MS Number of obs = 240 reg tssl rmrf smb hml
Từ bảng 4.5 ta thấy các kết quả sau:
Các giá trị kiểm định F của R² đều có ý nghĩa ở mức 1% (p-value |t| [95% Conf Interval]
Regression with Newey-West standard errors Number of obs = 240
Nghiên cứu cho thấy rằng tỷ suất sinh lợi (TSSL) của cổ phiếu trên thị trường Việt Nam không chỉ bị ảnh hưởng bởi các yếu tố khách quan của thị trường mà còn chịu tác động từ các đặc tính của doanh nghiệp, đặc biệt là quy mô và giá trị sổ sách so với giá trị thị trường Các yếu tố SMB và HML cũng có ảnh hưởng đáng kể đến TSSL cổ phiếu, với độ trễ 5 kỳ.
- Hệ số hồi quy của nhân tố thị trường, β, đều dương và có giá trị xoay quanh
1 Kết quả này là phù hợp với nghiên cứu của Fama và French (1993) Hệ số của nhân tố thị trường là lớn nhất khi so sánh với hệ số của nhân tố SMB và HML cho thấy nhân tố thị trường là nhân tố chủ đạo, có tác động lớn đến TSSL của cổ phiếu ở thị trường Việt Nam Các nhân tố SMB và HML có mức tác động thấp hơn
4.3.2 Đánh giá ảnh hưởng của các nhân tố tới TSSL của 4 danh mục Để đánh giá ảnh hưởng của 3 nhân tố tới TSSL của từng danh mục, tác giả hồi quy TSSL vượt trội của từng danh mục theo 3 nhân tố: nhân tố thị trường, SMB và HML Tác giả sử dụng hồi quy chuỗi thời gian theo phương pháp Newey West với
4 độ trễ ước lượng Số độ trễ ước lương được tính theo công thức 4 (n/100) 2/9 với n trong trường hợp này bằng 60
Bảng 4.6 kết quả hồi quy TSSL vƣợt trội của 4 danh mục theo mô hình 3 nhân tố Fama - French r pt = α p + β p r mt + s p SMB + h p HML + Ɛ pt (4a)
BL 0.000898** 1.005*** -0.0589*** -0.147*** 0.9992 0.9967 0.000 Nguồn: tác giả tính toán dựa trên dữ liệu giá và cổ phiếu đang lưu hành, được cung cấp thông qua gói sản phẩm dữ liệu tài chính mà tác giả mua từ Công ty cổ phần Tài Việt và phần mềm Stata 11
* có ý nghĩa thống kê ở mức 10% ; ** có ý nghĩa thống kê ở mức 5%; *** có ý nghĩa thống kê ở mức 1%
R² (1) hiệu chỉnh là giá trị R² hiệu chỉnh từ mô hình CAPM, được sử dụng để so sánh khả năng giải thích giữa mô hình CAPM và mô hình ba nhân tố Fama - French.
Hồi quy danh mục SH theo mô hình Fama – French
_cons 0009022 0003684 2.45 0.017 0001642 0016402 hml 852837 0110757 77.00 0.000 8306497 8750243 smb 9413396 009489 99.20 0.000 9223309 9603484 rmrf 1.004949 0037943 264.86 0.000 9973482 1.01255 sh Coef Std Err t P>|t| [95% Conf Interval]
Total 660385133 59 011192968 Root MSE = 00285 Adj R-squared = 0.9993 Residual 000454426 56 8.1148e-06 R-squared = 0.9993 Model 659930707 3 219976902 Prob > F = 0.0000 F( 3, 56) '108.26 Source SS df MS Number of obs = 60 reg sh rmrf smb hml
_cons 0009022 0003862 2.34 0.023 0001285 0016758 hml 852837 019493 43.75 0.000 8137879 8918861 smb 9413396 0050024 188.18 0.000 9313187 9513606 rmrf 1.004949 0032823 306.17 0.000 9983738 1.011524 sh Coef Std Err t P>|t| [95% Conf Interval]
Regression with Newey-West standard errors Number of obs = 60
newey sh rmrf smb hml, lag(4)
Hồi quy danh mục SL theo mô hình Fama - French
_cons -.0047574 001822 -2.61 0.012 -.0084074 -.0011074 hml -.2371313 0547793 -4.33 0.000 -.3468675 -.1273952 smb 1.004641 0469317 21.41 0.000 9106253 1.098656 rmrf 1.037155 0187661 55.27 0.000 9995615 1.074748 sl Coef Std Err t P>|t| [95% Conf Interval]
Total 806650489 59 013672042 Root MSE = 01409 Adj R-squared = 0.9855 Residual 011116163 56 000198503 R-squared = 0.9862 Model 795534326 3 265178109 Prob > F = 0.0000 F( 3, 56) = 1335.89 Source SS df MS Number of obs = 60 reg sl rmrf smb hml
_cons -.0047574 0016086 -2.96 0.005 -.0079799 -.0015349 hml -.2371313 0615844 -3.85 0.000 -.3604997 -.113763 smb 1.004641 0421855 23.81 0.000 920133 1.089149 rmrf 1.037155 0248366 41.76 0.000 987401 1.086908 sl Coef Std Err t P>|t| [95% Conf Interval]
Regression with Newey-West standard errors Number of obs = 60
newey sl rmrf smb hml, lag(4)
Hồi quy danh mục BH theo mô hình Fama - French
_cons -.0047608 0018219 -2.61 0.012 -.0084106 -.0011111 hml 7623556 0547756 13.92 0.000 6526269 8720843 smb 0045915 0469285 0.10 0.922 -.0894176 0986006 rmrf 1.037222 0187649 55.27 0.000 9996319 1.074813 bh Coef Std Err t P>|t| [95% Conf Interval]
Total 620546897 59 010517744 Root MSE = 01409 Adj R-squared = 0.9811 Residual 011114656 56 000198476 R-squared = 0.9821 Model 609432241 3 20314408 Prob > F = 0.0000 F( 3, 56) = 1023.52 Source SS df MS Number of obs = 60 reg bh rmrf smb hml
_cons -.0047608 0016089 -2.96 0.005 -.0079839 -.0015378 hml 7623556 0616313 12.37 0.000 6388932 885818 smb 0045915 0422224 0.11 0.914 -.07999 0891731 rmrf 1.037222 0248574 41.73 0.000 9874269 1.087018 bh Coef Std Err t P>|t| [95% Conf Interval] Newey-West
Prob > F = 0.0000 maximum lag: 4 F( 3, 56) = 642.74 Regression with Newey-West standard errors Number of obs = 60 newey bh rmrf smb hml, lag(4)
Hồi quy danh mục BL theo mô hình Fama – French
_cons 0008975 0003677 2.44 0.018 000161 001634 hml -.1471002 0110533 -13.31 0.000 -.1692427 -.1249577 smb -.0589334 0094699 -6.22 0.000 -.0779038 -.039963 rmrf 1.005022 0037866 265.41 0.000 9974364 1.012607 bl Coef Std Err t P>|t| [95% Conf Interval]
Total 603858498 59 01023489 Root MSE = 00284 Adj R-squared = 0.9992 Residual 000452594 56 8.0820e-06 R-squared = 0.9993 Model 603405903 3 201135301 Prob > F = 0.0000 F( 3, 56) $886.69 Source SS df MS Number of obs = 60 reg bl rmrf smb hml
_cons 0008975 000386 2.33 0.024 0001243 0016707 hml -.1471002 0194528 -7.56 0.000 -.1860689 -.1081315 smb -.0589334 0049532 -11.90 0.000 -.0688559 -.0490109 rmrf 1.005022 0032608 308.21 0.000 9984897 1.011554 bl Coef Std Err t P>|t| [95% Conf Interval] Newey-West
Prob > F = 0.0000 maximum lag: 4 F( 3, 56) = 31817.62Regression with Newey-West standard errors Number of obs = 60 newey bl rmrf smb hml, lag(4) Ảnh hưởng của nhân tố thị trường:
Theo bảng 4.6, TSSL vượt trội của các danh mục có mối quan hệ tích cực với nhân tố thị trường Hệ số hồi quy của nhân tố thị trường dao động từ 1.005 đến 1.0037 và đều có ý nghĩa thống kê ở mức 1% Ảnh hưởng của nhân tố SMB cũng được ghi nhận.
Kết quả từ bảng 4.6 cho thấy hệ số hồi quy của nhân tố SMB có mối quan hệ chặt chẽ với quy mô của danh mục đầu tư Cụ thể, hệ số hồi quy của hai danh mục cổ phiếu quy mô nhỏ (0,941 và 1,005 cho danh mục SH và SL) cao hơn nhiều so với hệ số hồi quy của hai danh mục quy mô lớn (0,00459 và -0,0589 cho danh mục BH và BL) Điều này chứng tỏ rằng nhân tố SMB ảnh hưởng mạnh mẽ đến tỷ suất sinh lợi (TSSL) của các danh mục cổ phiếu quy mô nhỏ hơn so với các danh mục quy mô lớn Kết quả này phù hợp với nghiên cứu của Fama và French (1993), cho thấy cổ phiếu quy mô nhỏ có TSSL cao hơn cổ phiếu quy mô lớn Tất cả các hệ số hồi quy của nhân tố SMB đều có ý nghĩa thống kê ở mức 1%, ngoại trừ hệ số của danh mục BH không có ý nghĩa thống kê.
Hệ số hồi quy của nhân tố HML cho thấy mối quan hệ nghịch chiều với tỷ lệ BE/ME, tăng từ âm ở danh mục có tỷ lệ BE/ME thấp đến dương ở danh mục có BE/ME cao, phù hợp với nghiên cứu của Fama và French (1993) Điều này cho thấy rằng đầu tư vào cổ phiếu có tỷ lệ BE/ME cao sẽ mang lại tỷ suất sinh lợi (TSSL) cao hơn so với cổ phiếu có BE/ME thấp Tất cả các hệ số hồi quy của HML đều có ý nghĩa thống kê ở mức 1%.
Mô hình 3 nhân tố Fama-French cho thấy khả năng giải thích đáng tin cậy đối với TSSL cổ phiếu, với các kiểm định F cho các hệ số R² có ý nghĩa thống kê ở mức 1% Các nhân tố thị trường, quy mô SMB và giá trị HML đều đóng vai trò quan trọng trong việc giải thích TSSL cổ phiếu, vượt trội hơn so với mô hình CAPM Trong khi chỉ có 1 trên 4 danh mục trong mô hình CAPM có hệ số R² hiệu chỉnh cao hơn 95% (đạt 99,67% đối với danh mục BL), thì tất cả các hệ số trong mô hình Fama-French đều đạt được mức độ giải thích cao hơn.
R² hiệu chỉnh cho các danh mục nhỏ (SL và SH) đã tăng đáng kể, từ 83,82% và 84,8% lên 99,93% và 98,55%, với mức tăng lần lượt là 16,11% và 13,75% Đối với hai danh mục lớn, sự cải thiện trong khả năng giải thích của các biến phụ thuộc đối với TSSL thấp hơn, với R² tăng từ 91,53% lên 98,11% cho danh mục BH và từ 99,67% lên 99,92% cho danh mục BL.
Phần bù thị trường, phần bù quy mô và phần bù giá trị: