1. Trang Chủ
  2. Toán học
  3. Phân tích mối quan hệ giữa các chỉ số chứng khoán và khối lượng giao dịch bằng mô hình VAR

Phân tích mối quan hệ giữa các chỉ số chứng khoán và khối lượng giao dịch bằng mô hình VAR

Mục tiêu của nghiên cứu này là phân tích mối quan hệ nhân quả giữa khối lượng giao dịch và các chỉ số chứng khoán trên thị trường Việt Nam. Sử dụng mô hình tự hồi quy vector - VAR, bài viết này sẽ tìm ra mối quan hệ giữa các chỉ số chứng khoán trên thị trường Việt Nam với khối lượng giao dịch tương ứng. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN 19. PHÂN TÍCH MỐI QUAN HỆ GIỮA

Thể loại Tài liệu miễn phí Toán học

Số trang 10

Ngày tạo 4/4/2023 7:12:58 AM +00:00

Loại tệp PDF

Kích thước 0.39 M

Tên tệp

Tải Phân tích mối quan hệ giữa các chỉ số chứng khoán ... (.pdf)

Xem mẫu

  1. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN 19. PHÂN TÍCH MỐI QUAN HỆ GIỮA CÁC CHỈ SỐ CHỨNG KHOÁN VÀ KHỐI LƯỢNG GIAO DỊCH BẰNG MÔ HÌNH VAR ThS. Nguyễn Đức Bằng* Tóm tắt Mục tiêu của nghiên cứu này là phân tích mối quan hệ nhân quả giữa khối lượng giao dịch và các chỉ số chứng khoán trên thị trường Việt Nam. Sử dụng mô hình tự hồi quy vector - VAR, bài viết này sẽ tìm ra mối quan hệ giữa các chỉ số chứng khoán trên thị trường Việt Nam với khối lượng giao dịch tương ứng. Số liệu sử dụng trong nghiên cứu này là số liệu chuỗi thời gian với tần suất ngày được thu thập trong giai đoạn từ 04/01/2016 đến 01/9/2021. Kết quả nghiên cứu cho thấy sự biến động của các chỉ số VNINDEX, HASTC có tác động cùng chiều đến khối lượng giao dịch; sự biến động của khối lượng giao dịch có tác động ngược chiều đến khối lượng giao dịch trong phiên giao dịch tiếp theo. Ngược lại, khối lượng giao dịch cũng như các chỉ số VNINDEX, HASTC không có tác động đáng kể đối với các chỉ số đó. Từ khóa: VNINDEX, HASTC, khối lượng giao dịch, VAR 1. Giới thiệu Trong những năm gần đây, thị trường chứng khoán Việt Nam đã có sự phát triển khá ấn tượng xét trên khía cạnh khối lượng giao dịch, vốn hóa thị trường, số lượng công ty niêm yết và số lượng nhà đầu tư tham gia vào thị trường. Các thành phần tham gia thị trường chứng khoán đều vì mục đích chung là tìm kiếm lợi nhuận thông qua việc đầu tư vốn. Do đó, các nhà đầu tư rất quan tâm đến sự thay đổi của các chỉ số chứng khoán nói chung và sự biến động của giá các cổ phiếu nói riêng. Các nhà đầu tư cũng thường chú ý đến khối lượng giao dịch của các cổ phiếu vì đây là những thông tin rất có giá trị có thể ảnh hưởng đế sự thay đổi giá cổ phiếu trong tương lai. Sự thay đổi trong khối lượng giao dịch phản ánh lượng cung và lượng cầu của các cổ phiếu, mà sự chênh lệch cung - cầu chính là nguyên nhân gây nên sự biến động của giá cổ phiếu. Nếu có tình trạng dư cầu thì khả năng các chỉ số chứng khoán đi lên là rất cao, ngược lại, khi tình trạng dư cung xảy ra thì có thể dẫn đến xu hướng đi xuống của các chỉ số. * Bộ môn Toán - Thống kê, Khoa Kinh tế - Luật, Trường Đại học Tài chính - Marketing 157
  2. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN Mục tiêu của nghiên cứu này là phân tích mối quan hệ giữa khối lượng giao dịch và sự biến động của các chỉ số VNINDEX, HASTC. Kết quả của nghiên cứu này là bằng chứng khoa học có giá trị giúp các nhà đầu tư có quyết định hợp lý hơn trong đầu tư, qua đó góp phần ổn định và phát triển thị trường chứng khoán Việt Nam một cách bền vững. 2. Tổng quan nghiên cứu Mối quan hệ giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu đã nhận được sự quan tâm của nhiều nhà kinh tế tài chính trong những thập niên qua. Những nghiên cứu đầu tiên về mối quan này chủ yếu tập trung vào mối quan hệ tại một thời điểm (contemporaneous relationship) giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu (Wood và các cộng sự, 1985; Harris và Gurel, 1986; Karpoff, 1987; Gallant và các cộng sự, 1992). Phần lớn các nghiên cứu này đều chỉ ra rằng, tồn tại mối quan hệ tỷ lệ thuận giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu. Trong những năm gần đây, mối quan hệ nhân quả (causal relation) giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu đã được nghiên cứu rộng rãi ở cả các thị trường phát triển và các thị trường mới nổi. Phương pháp sử dụng phổ biến trong các nghiên cứu này là kiểm định Granger và kiểm định sự phù hợp (co-integration tests). Cụ thể, ở thị trường chứng khoán NewYork, Hiemstra và Jones (1994) đã chỉ ra rằng, có mối quan hệ tác động qua lại giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu trong giai đoạn 1915 - 1990. Thêm vào đó, các nghiên cứu của Chen và các cộng sự (2001), Lee và Rui (2002) đã cho thấy mối quan hệ nhân quả giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu tồn tại ở thị trường chứng khoán Thụy Sĩ, Hà Lan và Hồng Kông. Các nghiên cứu này còn tìm thấy sự tác động của sự thay đổi giá cổ phiếu đến khối lượng giao dịch ở thị trường chứng khoán Mỹ, Nhật Bản, Anh, Pháp và Ý. Một nghiên cứu khác được thực hiện bởi Martikainen và các cộng sự (1994) trên Sở Giao dịch chứng khoán Helsinki đã chỉ ra rằng, có sự tác động qua lại giữa giá cổ phiếu và khối lượng giao dịch trong giai đoạn 1983 - 1988.     Ở các thị trường chứng khoán mới nổi, Moosa và Al-Loughani (1996) chỉ ra rằng, có mối quan hệ tác động qua lại giữa khối lượng giao dịch và giá của các cổ phiếu trên thị trường chứng khoán Singapore và Thái Lan, và mối quan hệ một chiều từ khối lượng giao dịch đến giá cổ phiếu ở Malaysia. Tuy nhiên, không có bất kỳ mối quan hệ nào giữa giá cổ phiếu và khối lượng giao dịch được tìm thấy ở thị trường chứng khoán Philippines. Cũng ở khu vực châu Á, Lee và Rui (2000) đã tìm thấy sự thay đổi của giá cổ phiếu có ảnh hưởng đến khối lượng giao dịch ở hai Sở Giao dịch chứng khoán Thượng Hải và Thẩm Quyến. Ở khu vực châu Mỹ Latinh, Saatcioglu và Starks (1998) cung cấp những bằng chứng về mối quan hệ nhân quả giữa khối lương cổ phiếu giao dịch và sự thay đổi giá cổ phiếu ở thị trường chứng khoán Colombia và Venezuela. Ngoài ra, nghiên cứu này còn chỉ ra rằng, sự thay đổi giá cổ phiếu dẫn đến sự thay đổi của khối lượng giao dịch ở thị trường chứng khoán Chile và sự thay đổi khối lượng giao dịch ảnh hưởng đến sự thay đổi giá cổ phiếu ở thị trường chứng khoán Brazil và Mexico. Liên quan đến các thị trường chứng khoán mới nổi ở khu vực châu Âu, Gunduz và Hatemi-J (2005) đã ghi nhận có sự tác động qua lại giữa khối lượng giao dịch 158
  3. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN và giá cổ phiếu ở thị trường chứng khoán Hungary và Ba Lan. Gunduz và Hatemi-J (2005) cũng đã chỉ ra rằng, sự thay đổi giá cổ phiếu tạo ra sự thay đổi khối lượng giao dịch ở thị trường chứng khoán Nga và Thổ Nhĩ Kỳ. Tuy nhiên, không có mối quan hệ nào giữa khối lượng giao dịch và giá cổ phiếu được tìm thấy ở thị trường chứng khoán Cộng hòa Séc. Ở Việt Nam, Trương Đông Lộc và Trương Văn Vũ (2012) đã kiểm định mối quan hệ nhân quả giữa khối lượng cổ phiếu giao dịch và sự thay đổi giá của các cổ phiếu niêm yết trên HOSE. Số liệu sử dụng trong nghiên cứu này bao gồm chuỗi chỉ số VNINDEX và khối lượng cổ phiếu giao dịch theo thời gian với tần suất tuần (weekly series) được thu thập trong khoảng thời gian từ ngày 27/8/2000 đến ngày 12/5/2010. Sử dụng kiểm định Granger, kết quả nghiên cứu cho thấy khối lượng giao dịch không có ảnh hưởng đến sự thay đổi của chỉ số VNINDEX. Tuy nhiên, ở chiều ngược lại, sự thay đổi của chỉ số VNINDEX lại có ảnh hưởng đến khối lượng giao dịch. Tóm lại, nhiều nghiên cứu thực nghiệm được thực hiện ở cả các thị trường chứng khoán phát triển và mới nổi đã tìm thấy mối quan hệ nhân quả giữa khối lượng giao dịch và sự thay đổi giá của các cổ phiếu. Trong nghiên cứu này, tác giả kế thừa các nghiên cứu trước đây, đồng thời áp dụng mô hình VAR để phân tích mối quan hệ giữa khối lượng giao dịch và sự biến động của các chỉ số chứng khoán trên thị trường Việt Nam. 3. Dữ liệu và phương pháp nghiên cứu 3.1. Dữ liệu nghiên cứu Số liệu được sử dụng trong nghiên cứu này là các chuỗi tăng trưởng của VNINDEX, HASTC và khối lượng giao dịch tương ứng với tần suất ngày. Các chuỗi dữ liệu này được thu thập trong khoảng thời gian từ 04/01/2016 đến 31/8/2021. Tác giả chọn khoảng thời gian này bởi vì theo quy định mới nhất, từ ngày 01/01/2016, chu kỳ thanh toán được rút về 16h30 ngày T+2; theo quy định này thì cổ phiếu cũng vẫn phải đến T+3 mới bán được nhưng tiền thì có thể rút sớm hơn vào ngày T+2. Các chỉ số được sử dụng trong nghiên cứu này là chỉ số đóng cửa điều chỉnh hàng ngày. 3.2. Phương pháp nghiên cứu Mô hình được sử dụng trong nghiên cứu này là mô hình Vectơ tự hồi quy (VAR - Vector Autoregression). Mô hình VAR chứa một hệ phương trình hồi quy với tất cả các biến đều được xem là biến nội sinh. Mô hình tổng quát có dạng: yt = D.dt + A1. yt −1 + ... + Ap . yt − p + ut Trong đó: • yt = [ y1t y2 t ... ymt ] là vectơ dòng của các biến nội sinh theo thời gian t • D là ma trận hệ số chặn dt • Ai là các ma trận hệ số cấp k×k của các biến nội sinh yt-i; với i = 1,.. p • ut là sai số nhiễu trắng với Cov(ut, ut’ ) = I, t, t’ 159
  4. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN Chúng tôi lựa chọn mô hình VAR vì các lý do sau: (i) mô hình được xây dựng mà không cần lý thuyết; (ii) mô hình còn cho phép chúng ta thấy tầm quan trọng và ảnh hưởng động của cú sốc của một biến đối với các biến khác; ((iii) mô hình cung cấp cơ sở cho việc thực hiện kiểm định nhân quả Granger, từ đó xem xét tác động qua lại giữa các biến. Ngoài ra, chúng ta còn nhận thấy mô hình VAR có nhiều ưu điểm nổi bật. Thứ nhất, mô hình VAR không phân biệt biến nội sinh và biến ngoại sinh trong quá trình hồi quy và tất cả các biến số đều được xem là biến nội sinh, các biến trong mô hình nội sinh không làm ảnh hưởng đến mức độ tin cậy của mô hình. Thứ hai, mô hình VAR được thực hiện khi giá trị của một biến được biểu diễn là một hàm tuyến tính của các giá trị quá khứ hay trễ của biến đó nên không đòi hỏi những chuỗi dữ liệu trong thời gian quá dài, vì vậy, phù hợp với các quốc gia có nền kinh tế đang phát triển. Thứ ba, mô hình VAR tích hợp sẵn những công cụ đo lường thuận tiện như: hàm phản ứng xung, phân rã phương sai... hỗ trợ cho việc làm sáng tỏ vấn đề biến phụ thuộc phản ứng như thế nào đối với một cú sốc trong một hay nhiều phương trình của hệ. Từ những mô hình của các nghiên cứu trước đây, bài viết đề xuất hai mô hình VAR với các biến như sau: Mô hình 1: yt = [VNINDEX t KLGD1t ] Trong đó: VNINDEXt , KLDG1t tương ứng là tốc độ tăng (giảm) vào ngày t so với ngày t-1 của chỉ số chứng khoán sàn HOSE và khối lượng giao dịch (đơn vị: %). Mô hình 2: yt = [ HASTCt KLGD 2t ] Trong đó: HASTCt , KLGD2t tương ứng là tốc độ tăng (giảm) vào ngày t so với ngày t-1 của chỉ số chứng khoán sàn HNX và khối lượng giao dịch (đơn vị: %). 4. Kết quả nghiên cứu 4.1. Đặc điểm mẫu nghiên cứu Bảng 1. Thống kê mô tả các chỉ tiêu liên quan đến mẫu nghiên cứu   VNINDEX KLGD1 HASTC KLGD2 Trung bình 0.07% 1.88% 0.11% 3.47% Sai số chuẩn 0.03% 0.51% 0.03% 0.75% Trung vị 0.15% 0.23% 0.13% 0.45% Độ lệch chuẩn 1.13% 19.37% 1.21% 28.13% Giá trị nhỏ nhất -6.67% -60.58% -8.03% -66.91% Giá trị lớn nhất 4.98% 147.23% 5.54% 372.59% Cỡ mẫu 1416 1416 1416 1416 Nguồn: Tác giả tự tổng hợp từ website cophieu68.com  Kết quả thống kê được trình bày ở bảng trên cho thấy, mỗi phiên giao dịch chỉ số VNINDEX biến động trung bình 0.07%, chỉ số HASTC biến động trung bình 0.11%, KLGD1 biến động trung bình 1.88% và KLGD2 biến động trung bình 3.47%. Do quy định của Ủy ban Chứng 160
  5. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN khoán Nhà nước nên mức độ dao động của chỉ số VNINDEX là ±7% và chỉ số HASTC dao động ±10%. Theo số liệu chúng tôi thu thập được, VNINDEX đã dao động trong khoảng từ -6.67% đến 4.98% còn chỉ số HASTC đã dao động trong khoảng từ -8.03% đến 5.53%. Tuy nhiên, khối lượng giao dịch (KLGD) có sự biến động rất lớn trong giai đoạn này, cụ thể: KLGD1 dao động từ mức âm -60.58% đến 147.23%; KLGD2 dao động từ -66.9% đến 372.6%. Điều này chứng tỏ sức hút của thị trường chứng khoán đối với nhà đầu tư rất lớn. 4.2. Kết quả kiểm định nghiệm đơn vị Do mô hình VAR yêu cầu các chuỗi số liệu quan sát phải có tính dừng (stationary) nên trước khi thực hiện ước lượng mô hình, kiểm định nghiệm đơn vị phải được thực hiện như là một điều kiện bắt buộc. Kết quả kiểm định nghiệm đơn vị ADF cho các chuỗi số liệu nghiên cứu được trình bày ở Bảng 2. Kết quả kiểm định ADF cho thấy, giả thuyết H0 về tính không dừng (non-stationary) của cả 3 chuỗi dữ liệu nghiên cứu đều bị bác bỏ ở mức ý nghĩa 1%. Kết quả này cho phép nhóm tác giả kết luận rằng, các chuỗi VNINDEX, HASTC, KLGD1, KLGD2 là các chuỗi dừng. Bảng 2. Kết quả kiểm định nghiệm đơn vị ADF Dữ liệu Dickey-Fuller Lag order p-value Kết luận VNINDEX -11.292 11
  6. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN 4.3. Kết quả nghiên cứu Từ kết quả lựa chọn độ trễ tối ưu ở trên, tác giả tiến hành ước lượng các mô hình. Kết quả ước lượng mô hình 1 được trình bày ở Bảng 4 cho thấy, chỉ số VNINDEX ở hai phiên giao dịch liên tiếp T-1, T-2 và khối lượng giao dịch ở phiên giao dịch T-2 có ảnh hưởng không đáng kể đến chỉ số VNINDEX ở phiên giao dịch ngày T. Bên cạnh đó, khối lượng giao dịch của 4 phiên giao dịch liên tiếp có ảnh hưởng tiêu cực đến khối lượng giao dịch của ngày T, đồng thời, chỉ số VNINDEX của ba phiên giao dịch liên tiếp T-1, T-2, T-3 có ảnh hưởng tích cực đến khối lượng giao dịch của nhà đầu tư. Hơn nữa, kết quả ước lượng mô hình VAR còn chỉ ra rằng, khi chỉ số VNINDEX tăng 1% ở các phiên T-1, T-2, T-3 thì khối lượng giao dịch ở phiên T sẽ tăng tương ứng 2.143%, 1.031%, 1.661%; khi khối lượng giao dịch tăng 1% ở các phiên T-1, T-2, T-3, T-4 thì khối lượng giao dịch ở phiên T sẽ giảm tương ứng -0.411%, -0.264%, -0.096%, -0.050%. Bảng 4. Kết quả ước lượng mô hình 1 ============================================================ Biến phụ thuộc ---------------------------- VNINDEX KLGD1 ------------------------------------------------------------ VNINDEX.l1 0.050* 2.143*** (0.027) (0.420) KLGD1.l1 0.001 -0.411*** (0.002) (0.027) VNINDEX.l2 0.093*** 1.031** (0.027) (0.424) KLGD1.l2 0.003* -0.264*** (0.002) (0.029) VNINDEX.l3 -0.015 1.661*** (0.027) (0.426) KLGD1.l3 0.0004 -0.096*** (0.002) (0.029) VNINDEX.l4 0.004 -0.673 (0.027) (0.427) KLGD1.l4 0.002 -0.050* (0.002) (0.026) ------------------------------------------------------------ Observations 1,412 1,412 R2 0.014 0.187 Adjusted R2 0.009 0.182 Residual Std. Error (df = 1404) 0.011 0.175 F Statistic (df = 8; 1404) 2.552*** 40.306*** ============================================================ Note: *p
  7. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN Kết quả ước lượng mô hình 2 được trình bày ở Bảng 5 cho thấy khối lượng giao dịch ở hai phiên giao dịch T-1, T-2 và chỉ số HASTC ở phiên giao dịch T-2 có ảnh hưởng tích cực đến HASTC ở ngày T. Bên cạnh đó, khối lượng giao dịch của ba phiên giao dịch liên tiếp T-1, T-2, T-3 có ảnh hưởng tiêu cực đến khối lượng giao dịch của ngày T, đồng thời, chỉ số HASTC của ba phiên giao dịch liên tiếp T-1, T-2, T-3 có ảnh hưởng tích cực đến khối lượng giao dịch của nhà đầu tư. Hơn nữa, kết quả ước lượng mô hình VAR còn cho biết, khi chỉ số HASTC tăng 1% ở các phiên T-1, T-2, T-3 thì khối lượng giao dịch ở phiên T sẽ tăng tương ứng 1.828%, 1.687%, 2.120%; khi khối lượng giao dịch tăng 1% ở các phiên T-1, T-2, T-3 thì khối lượng giao dịch ở phiên T sẽ giảm tương ứng -0.383%, -0.210%, -0.070%; ảnh hưởng của khối lượng giao dịch đối với chỉ số HASTC là không đáng kể. Bảng 5. Kết quả ước lượng mô hình 2 ============================================================ Biến phụ thuộc ---------------------------- HASTC KLGD3 ------------------------------------------------------------ HASTC.l1 0.015 1.828*** (0.027) (0.582) KLGD3.l1 0.003** -0.383*** (0.001) (0.026) HASTC.l2 0.110*** 1.687*** (0.027) (0.580) KLGD3.l2 0.002* -0.210*** (0.001) (0.028) HASTC.l3 0.020 2.120*** (0.027) (0.585) KLGD3.l3 0.002 -0.070*** (0.001) (0.026) ------------------------------------------------------------ Observations 1,415 1,415 R2 0.019 0.147 Adjusted R2 0.015 0.143 Residual Std. Error (df = 1409) 0.012 0.262 F Statistic (df = 6; 1409) 4.593*** 40.323*** ============================================================ Note: *p
  8. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN Bảng 6. Kết quả kiểm định Granger Giả thuyết H0 F-Test df1 df2 p-value Kết luận Sự biến động của chỉ số VNINDEX không có ảnh 14.067 4 2808 2.282e-11 Bác bỏ H0 hưởng đến khối lượng giao dịch Sự biến động của khối lượng giao dịch không có 1.1739 4 2808 0.3202 Chấp nhận H0 ảnh hưởng đến chỉ số VNINDEX Sự biến động của chỉ số HASTC không có ảnh 11.783 3 2818 1.141e-07 Bác bỏ H0 hưởng đến khối lượng giao dịch Sự biến động của khối lượng giao dịch không có 2.2229 3 2818 0.08348 Chấp nhận H0 ảnh hưởng đến chỉ số HASTC Nguồn: Tác giả tự tính toán bằng ngôn ngữ R Kết quả kiểm định Granger cho thấy sự biến động của chỉ số VNINDEX, HASTC có tác động đến khối lượng giao dịch; ở chiều ngược lại, khối lượng giao dịch không có ảnh hưởng đến sự biến động của các chỉ số chứng khoán trong giai đoạn nghiên cứu. 4.5. Kiểm định các khuyết tật của mô hình Cuối cùng, tác giả thực hiện các kiểm định Breusch-Godfrey để kiểm tra hiện tượng tự tương quan của các mô hình. Kết quả tính toán trong Bảng 7 cho thấy các mô hình không có hiện tượng tự tương quan với mức ý nghĩa 1%. Bảng 7. Kết quả kiểm định Breusch-Godfrey Giả thuyết H0 Chi-squared df p-value Kết luận Phần dư của mô hình 1 không có tự tương quan 18.77 20 0.5368 Chấp nhận H0 Phần dư của mô hình 2 không có tự tương quan 6.963 20 0.6554 Chấp nhận H0 Nguồn: Tác giả tự tính toán bằng ngôn ngữ R Ngoài ra, tác giả cũng thực hiện kiểm định liệu phần dư của các mô hình có tồn tại hiệu ứng ARCH hay không. Kết quả tính toán trong Bảng 8 cho thấy các giả thuyết H0 bị bác bỏ. Như vậy, phần dư của các mô hình có hiệu ứng ARCH với mức ý nghĩa 1%. Như vậy, có thể thấy, thị trường có phản ứng khác nhau đối với các thông tin tích cực và thông tin tiêu cực. Tâm lý đám đông cũng có tác động mạnh đối với các chỉ số chứng khoán Việt Nam. Bảng 8. Kết quả kiểm định hiệu ứng ARCH Giả thuyết H0 Chi-squared df p-value Kết luận Phần dư của mô hình 1 không có hiệu ứng ARCH 267.97 45 < 2.2e-16 Bác bỏ H0 Phần dư của mô hình 2 không có hiệu ứng ARCH 258.8 45 < 2.2e-16 Bác bỏ H0 Nguồn: Tác giả tự tính toán bằng ngôn ngữ R 164
  9. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN 5. Kết luận Nghiên cứu này kiểm định mối quan hệ nhân quả giữa khối lượng cổ phiếu giao dịch và sự biến động của các chỉ số chứng khoán trên thị trường Việt Nam. Kết quả phân tích cho thấy sự biến động của chỉ số chứng khoán có tác động cùng chiều đến khối lượng giao dịch, nhưng khối lượng giao dịch bị tác động ngược chiều bởi khối lượng giao dịch của các phiên liền trước. Ở chiều ngược lại, khối lượng giao dịch cũng như các chỉ số chứng khoán trong một phiên giao dịch không ảnh hưởng nhiều đến sự biến động của các chỉ số này trong phiên giao dịch tiếp theo. Tác giả cũng nhận thấy phần dư của các mô hình có tồn tại hiệu ứng ARCH. Vì vậy, một trong những hướng nghiên cứu tiếp theo là xem xét tác động của thông tin bất đối xứng trên thị trường chứng khoán Việt Nam.   TÀI LIỆU THAM KHẢO 1. Chen, G.M., Firth, M. and Rui, O.M. (2001), “The dynamic relation between stock returns, trading volume, and volatility”, The Financial Review, 38, pp. 153 - 174. 2. Dickey, D.A. and Fuller, W.A. (1981), “Likelihood ratio statistics for autoregressive time- series with a unit root”, Econometrica, 49, pp. 1057 - 1072. 3. Gallant, A.R., Rossi, P.E. and Tauchen, G. (1992), “Stock prices and volume”, The Review of Financial Studies, 5, pp. 199 - 242. 4. Granger, C.W.J. (1969), “Investigating Causal Relations by Econometric Models and Crose Spectral Methods”, Econometrica, 37, pp. 428 - 438. 5. Griffin, J.M., Nardari, F. and Stulz, R.M. (2004), “Are daily cross-border equity flows pushed or pulled?”, The MIT Press Review of Economics and Statistics, 86(3), pp. 641 - 657. 6. Gunduz, L. and Hatemi-J, A. (2005), “Stock price and volume relation in emerging markets”, Emerging Markets Finance and Trade, 41, pp. 29 - 44. 7. Harris, L. and Gurel, E. (1986), “Price and volume effects associated with changes in the S&P 500 list: New evidence for the existence of price pressures”, Journal of Finance, 41, pp. 815 - 829. 8. Hiemstra, C. and Jones, J.D. (1994), “Testing for linear and nonlinear Granger causality in the stock price-volume relation”, Journal of Finance, 49, pp. 1639 - 1664. 9. Inoue, T. (2008), “The causal relationships in mean and variance between stock returns and foreign institutional investment in India”, The Journal of Applied Economic Research, 3(4), pp. 319 - 338. 10. Karpoff, J.M. (1987), “The relation between price changes and trading volume: A survey”, Journal of Financial and Quantitative Analysis, 22, pp. 109 - 126. 165
  10. KỶ YẾU HỘI THẢO KHOA HỌC ĐỔI MỚI GIẢNG DẠY MÔN LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ ỨNG DỤNG CHO SINH VIÊN KHỐI NGÀNH KINH TẾ, QUẢN TRỊ KINH DOANH VÀ CÁC VẤN ĐỀ LIÊN QUAN 11. Kim, J., Landi, J. and Yoo, S.S. (2009), “Inter-temporal examination of the trading activities of foreign investors in the Korean stock market”, Pacific-Basin Finance Journal, 17, pp. 243 - 256. 12. Lee, B.S. and Rui, O.M. (2002), “The dynamic relation between stock returns, trading volume: Domestic and cross-country evidence”, Journal of Banking and Finance, 26, pp. 51 - 78. 13. Lee, C.F. and Rui, O.M. (2000), “Does trading volume contain information to predict stock returns? Evidence from China’s stock markets”, Review of Quantitative Finance and Accounting, 14, pp. 341 - 360. 14. MacKinnon, J. G. (1991), “Critical Value for Cointegration tests’ trong R.F. Engle và C.W.J Granger: Long- Run Economic Relationships: Readings in Cointegration”, Oxford University Press, pp. 267 - 276. 15. Martikainen, T., Puttonen, V., Luoma, M. and Rothovius, T. (1994), “The linear and non- linear dependence of stock returns and trading volume in the Finnish stock market”, Applied Financial Economics, 4, pp. 159 - 169. 16. Moosa, I.A. and Al-Loughani, N.E. (1996), “Testing the price-volume relation in emerging Asian stock markets”, Journal of Asian Economics, 6, pp. 407 - 422. 17. Saatcioglu, K. and Starks, L.T. (1998), “The stock price-volume relationship in emerging stock markets: the case of Latin America”, International Journal of Forecasting, 14, pp. 215 - 225. 18. Sevil, G., Özer, M. and Kulalı, G. (2012), “Foreign Investors and Noise Trade in Istanbul Stock Exchange”, International Journal of Business and Social Science, 3(4), pp. 93 - 101. 19. Trương Đông Lộc, Đặng Thị Thùy Dương (2011), “Mối quan hệ giữa HNX-Index và khối lượng cổ phiếu giao dịch của nhà đầu tư nước ngoài”, Tạp chí Công nghệ Ngân hàng, số 62, tr. 4 - 8. 20. Trương Đông Lộc và Trương Văn Vũ (2012), “Mối quan hệ giữa chỉ số giá thị trường và khối lượng cổ phiếu giao dịch trên HOSE”. Kỷ yếu Hội thảo: Phát triển kinh tế - xã hội vùng Đồng bằng sông Cửu Long, tr. 133 - 143. 21. Wood, R. A., McInish, T. H. and Ord, J. K. (1985), “An investigation of transactions data for NYSE stocks”, Journal of Finance, 60, pp. 723 - 739. 166
nguon tai.lieu . vn
Toán học Môi trường Vật lý Sinh học Địa Lý Hoá học Nông - Lâm - Ngư Cơ khí - Chế tạo máy Tiếng Anh phổ thông Khoa học ứng dụng Nông - Lâm Kiến thức tổng hợp Giáo dục học Xã hội học