CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
3.2 Xây dựng mơ hình nghiên cứu
3.2.2 bất ổn của tỷ suất sinh lợi chứng khoán
Để thấy rõ sự tác động của giá dầu đến độ bất ổn, các nghiên cứu trước đây đã sử dụng nhiều hình thức biểu thị cho độ bất ổn như: độ bất ổn lịch sử, độ bất ổn lịch sử có điều kiện và độ bất ổn tương lai. Các nghiên cứu tại Việt Nam chỉ dừng lại tại việc nghiên cứu mối quan hệ giữa cú sốc giá dầu và TSSL thị trường chứng khoán Việt Nam. Tuy nhiên, độ bất ổn của chính thị trường chứng khốn cũng ảnh hưởng đến giá chứng khốn. Do đó, việc nghiên cứu mối quan hệ giữa cú sốc giá dầu và độ
cứu này, tác giả chỉ xem xét được 2 hình thức thể hiện độ bất ổn của chứng khoán ở Việt Nam như sau:
Một là, Độ bất ổn lịch sử (Realized Volatility): đo lường những gì xảy ra trong
quá khứ, được xác định bằng khoảng cách giữa giá cao nhất và thấp nhất trong một khoảng thời gian/ độ lệch chuẩn của giá chứng khốn, được tính bằng độ lệch chuẩn của tỷ suất sinh lợi. Theo Baum và cộng sự (2008), độ bất ổn này được tính theo cơng thức sau:
𝛿𝑡𝑑= (100 ∆𝑥𝑡
√∆Ф𝑡 )2 (5) Trong đó,
- 𝛿𝑡𝑑: Ký hiệu của độ bất ổn hàng ngày.
- ∆𝑥𝑡: Chênh lệch tỷ suất sinh lợi giữa 2 kỳ quan sát. ∆xt = RP2-RP1. Với RP = log (Pt/P(t-1)) x 100, RP là TSSL hàng ngày.
- ∆Ф𝑡: Số ngày diễn ra giao dịch, được tính bằng cách tính số ngày có giao dịch giữa 2 kỳ quan sát.
Công thức (5) với mẫu số biểu đạt sự thay đổi theo thời gian giữa các biến xt
trong quá trình quan sát. Nếu dữ liệu quan sát được lấy theo ngày giao dịch thì ∆Фt sẽ bằng 1 với mọi t, nhưng dữ liệu sẽ khơng có khi rơi vào các ngày cuối tuần và
các ngày lễ trong năm. Do đó, theo tính tốn, mẫu quan sát sẽ có ∆Фt nằm trong
khoảng từ (1; 11) tại Việt Nam trong giai đoạn từ tháng 01 năm 2005 đến tháng 12 năm 2016.
Hai là, Độ bất ổn lịch sử có điều kiện (Conditional Volatility): chỉ sự biến
động có điều kiện của giá chứng khốn xét trong mối quan hệ với độ bất ổn ở các kỳ trước. Giá chứng khốn là giá của một tài sản tài chính, được coi là một dữ liệu thời gian có tần suất cao và bất ổn, do đó mà mơ hình tuyến tính thơng thường khơng thể sử dụng để giải thích hết được các đặc điểm của chuỗi dữ liệu này khi vẫn còn tồn tại các đặc thù của dữ liệu tài chính như: tác động bất đối xứng (Leverage Effects), Volatility,… Tính chất này thể hiện sự phi tuyến của chuỗi dữ
liệu. Có nhiều loại mơ hình dành cho chuỗi thời gian phi tuyến như ARCH, GARCH... Mơ hình ARCH, GARCH ra đời khi không cần phải lo sợ về vấn đề phương sai có bị thay đổi hay khơng. Bollerslev (1986) đề xuất mơ hình GARCH cho phép phương sai thay đổi có điều kiện và phụ thuộc vào độ trễ của chính biến quan sát trong kỳ trước đó. Độ bất ổn lịch sử có điều kiện là dữ liệu Conditional variance của tỷ suất sinh lợi chứng khốn được trích ra từ mơ hình GARCH (1;1) (Pagan (1990)). Phương trình của GARCH gồm 2 phần: Mean equation và phần GARCH term như sau:
𝑦𝑡 = δ0 + ∑𝑘 𝛿1
𝑖=1 y1 + ϵ1 với ɛt ~ N (0, 𝜎𝑡2) (6)
𝜎𝑡2= φ + ∑𝑞𝑖=1𝛼1ɛ𝑡−𝑖2 + ∑𝑝 𝛽𝑗𝜎𝑡−𝑗2
𝑗=1 (7) Trong đó,
- Phương trình (6) là phương trình về giá trị trung bình trong điều kiện tự hồi quy với độ trễ k, δ0 là hằng số và ϵ là sai số với phương sai là ϭt2 có phân phối chuẩn.
- Phương trình (7) đo lường phương sai có điều kiện, được xác định là mơ hình GARCH (p;q) với p là hệ số đo lường ARCH và q là hệ số đo lường GARCH, ϭt2 là phương có điều kiện, 𝜎𝑡−𝑗2 phản ánh sự biến động của bình phương sai số trong quá khứ j và φ là hằng số. Điều kiện cần thiết để mơ hình GARCH có ý nghĩa là cả hai giá trị α1 và β1 đều dương và α1 + β1 <1. Theo Phạm thị Phương Thảo và Phan Chung Thủy (2014) đã có nhiều nghiên cứu sử dụng GARCH (1;1) để tìm hiểu về TTCK. Mơ hình GARCH (1;1) là mơ hình hồi quy bản thân TSSL chứng khốn với chính nó và phần dư của chứng khốn trong quá khứ trễ 1 kỳ quan sát, kỳ quan sát ngày. Đồng thời, Gokcan (2000) cũng chỉ ra mơ hình GARCH (1;1) là phù hợp cho TTCK mới nổi, như TTCK Việt Nam.
Vì vậy, trong nghiên cứu này, tác giả cũng sử dụng GARCH (1;1) để làm phần nghiên cứu và trích lọc dữ liệu Conditional Variance để làm dữ liệu đại diện cho độ
bất ổn lịch sử có điều kiện. Phương pháp xây dựng và kết quả mơ hình GARCH (1;1) sẽ được trình bày rõ trong phần phụ lục 1.