Chuyên đề Phân tích và đánh giá rủi ro lợi suất trong hoạt động kinh doanh chứng khoán bằng các công cụ tài chính, áp dụng trong phân tích cổ phiếu ngành vận tải Việt nam

o vậy công việc phân tích và đánh giá rủi ro lợi suất của tài sản được họ quan tâm hang đầu kết quả phân tích là yếu tố chính trong quyết định đầu tư của họ và mối quan hệ rủi ro vàlợi nhuận được xây dựng trên cơ sở số đông này. 2.2 lợi suất và rủi ro của danh mục đầu tư. a. Lợi suất danh mục Lợi suất danh mục đầu tư là bình quân gia quyền ( theo tỷ lệ vốn đầu tư vò tưng loaị tài sản ký hiệu W) của lợi suất thu được từ mỗi chứng khoán trong danh mục đầu tư. Lợi suất ước tính của danh mục đầu tư được tính. E(rp) = W1*E(r1) + W2E(r2) +……..+ W n * E(rn) b. Rủi ro danh mục đầu tư và đa dạng hóa danh mục đầu tư Như đã biết, có rủi ro có nghĩa là có khả năng suất hiện nhiều kết quả khác nhau từ một nguyên nhân ban đầu. Cũngnhư vậy chứng khoán từ những rủi ro của nó có thể dẫn đến những kết quả khác nhau của nó. Nhưng khí phân tích rủi ro của danh mục đầu tư người ta không chỉ quan tâm đến rủi ro của tài sản riêng trong danh mục mà người ta quan tâm đến r ủi ro c ủa c ả danh m ục Thực tế cho thấy những chứng khoán có tính rủi ro có khả năng trở thành những thành tố làm ổn định cho cả danh mục đầu tư, góp phần làm giảm rủi ro cho toàn danh mục đầu tư. Chính vì vậy nhà đầu tư quan tâm đến việc đa dạng hóa danh mục đầu tư xác định phần bù rủi ro hệ thống của chứng khoán. Đa dạng hóa danh mục đầu tư là phương pháp giảm thiểu rủi ro trên thị trường chứng khoán. Một phương pháp cơ bản trong quản lý rủi ro danh mục đó là đa dạng hóa tài sản trong danh mục đầu tư. Phương pháp này là phương pháp rất hiệu quả trong quản lý rủi rocủa danh mục. thoe đó việc đầu tư lên được thực hiện qua nhiều tài sản vốn khác nhau tạothành một danh mục đầu tư sao cho tổng mức rủi ro trên toàn bộ danh mục đầu tư sẽ bị giới hạn nhỏlại ,danh mục đầu tư khi chỉ cần thay đổi thêm hay bớt đi một tài sản thì nó có mức độ rủi ro khác 3. Đôi nét về thị trường chứng khoán việt nam Thị trường chứng khoán Việt Nam ra đời là tất yếu khách quan phù hợp với xu thế thời đại, trên con đường xây dựng đất nước kinh tế thị trường có định hướng xã hội chủ nghĩa. Trong tình hình đất nước đang trong thời kỳ quá độ chuyển mình được chúng ta đang đứng trước những cơ hội mới vận hội mới nhưng chúng ta cũng gặp không ít những khó khăn thử thách. Tập trung vốn huy động vôn là điều kiện cần để xây dựng đất nước. và thị trường chứng khoán Việt Nam là một trong những nơi để chúng ta huy động vốn. Thị trường chứng khoán việt nam mới ra đời và đi vào hoạt động chưa lâu so với lịch sử của thị trường chứng khoán thế giới. Nhưng bước đầu chúng ta đã đạt được những kết quả đáng khích lệ. Thị trường dần dần trở thành mộ kênh huy động vốn có hiệu quả cho các doanh nghiệp. Thị trường thu hút được nhiều sự quan tâm của các doanh nghiệp,các nhà đầu tư, các tổ chức quỹ trong và ngoài nước tham gia hoạt động. Sàn giao dịch bây giờ đã giao dich năm phiên một tuần (từ thứ 2 đến thứ 6). Sàn Hà Nội ba lần khớp lệnh một phiên. Sàn thành phố Hồ Chí Minh một lần khớp lệnh một phiên .Và giới hạn biên độ giao động về Giá cũng hợp lý hơn cho dù vẫn có sự can thiệp của Ủy ban chứng khoán Nhà nước. thị trường đã thu hút được hơn một trăm cổ phiếu của các công ty cổ phần, và các quỹ đầu tư tham gia thị trường. Chúng ta có 19 công ty chứng khoán và17 trong số đó đang hoạt động và 2 trong giai đoạn cấp phép tính đến ngày 20 tháng 4 năm 2007 Hiện nay thị trường chứng khoán Việt Nam có hai trung tâm: Trung tâm Hà nội và trung tâm thành phố Hồ Chí Minh và sắp tới đây việc hợp nhất hai trung tâm thành một thị trường hợp nhất đang được ủy ban chứng khoán lên kế hoạch thực hiện. Chương II Sơ lược các công cụ toán học được áp dụng vào phân tích và đánh giá rủi ro lợi suất cổ phiếu và ứng dụng trong thực tế Các công cụ toán học được áp dụng vào phân tích và đánh giá rủi ro lợi suất cổ phiếu. Chuỗi lợi suất giá của cổ phiếu. Từ chuỗi giá của cổ phiếu theo ngày trên thị trường chúng ta có thể xác định được lợi suất của giá từng ngày: Lợi suất được xác định theo 2 công thức. Rt = (St – St-1 )/ St-1 Hoặc . Rt = ln(St/St-1) Trong đó St : giá của cổ phiếu tại thời điểm t. St-1 : giá cổ phiếu tại tại t-1. Ta phân tích động thái chuỗi giá cổ phiếu thông qua chuỗi lợi suất giá của Cổ phiếu đó. Chuỗi giá của cổ phiếu là chuỗi có phân bố ngẫu nhiên vì vậy chuỗi lợi suất giá cũng là chuỗi có phân bố ngẫu nhiên. Và chuỗi lợi suất này được hiệu chỉnh bằng phương pháp hiệu chỉnh chuỗi thời gian trong tài chính 2. Chân tích rủi ro lợi suất thông qua mô tả thống kê : hệ số nhọn và hệ số bất đối xứng Hệ số bất đối xứng cho chúng ta biết được mức độ biến động của lợi suất( tăng giảm lợi suất ) của giá cổ phiếu này so với cổ phiếu khác như thế nào. Hệ số nhọn cho biết khả năng xẩy ra rủi ro đối với cổ phiếu là lớn hay nhỏ từ đó có thể biết được mức độ rủi ro của các cổ phiếu. + Giá trị trung bình. E(r) + Phương sai Var(r) = σ2 + Mô men trung tân bậc k : μ = E[X-E(X)]k. + Hệ số bất đối xứng (Skewness) S = (μ3)/σ3 = E[X-E(X)]3/ σ3. Tùy thuộc vào S mà ta có thể đưa ra các kết luận sau: + Nếu S < 0 thì phân phối là bất đối xứng và phân bố lệch phải. + nếu S = 0 phân phối là đối xứng. + S > 0 phân phối bất đối xứng và lệch phải. Qua các giá trị kỳ vọng và trung vi cũng có thể biết được đấu hiệu của hệ số bất đối xứng như sau: md = E(x) thì S =0 md 0 md > E(x) thì S < 0 + Hệ số nhọn (kurtosis) K = (μ4)/σ4 = E[X-E(X)]4/ σ4 Khi phân phối xác suất được tập trung ở các mức bình thường thì K = 3. nếu phân phối tập trung ở các mức độ cao hơn thì K > 3 còn ngược lại phân phối tập trung ở mức thấp hơn thì K< 3 3 Phân tích chuỗi lợi suất bằng các mô hình kinh tế lượng. 3.1 Kô hình ARIMA(quá trình trung bình trượt, tự hồi quy, đồng lien kết ). Mô hình có dạng. Yt = θ + θ0* ut + θ1*ut-i ….+ θq*ut-q + Φ1*yt-1 +…… Φp* yt-p… Cơ chế sản sinh ra Yt không chỉ là AR mà còn có cả MA, khi lhi là sự kết hợp giữa MA và AR . trong đó Ut là các nhiễu trắng. 3.2 Mô hình ARCH và mô hình GARCH a. Mô hình ARCH (Autoregressive Conditional Heteroscedasticity) Mô hình này được Engle đưa ra năm 1982. Tư tưởng cơ bản của nó là: Lợi suất của tài sản trung bình () không tương quan chuỗi. có thể mô tả bằng một hàm bậc hai của các giá trị trễ. Mô hình ARCH tổng quát (ARCH(m)): : Biến ngẫu nhiên độc lập có cùng 1 phân bố và , Thông thường người ta hay dùng có phân bố chuẩn hóa hoặc phân bố T được chuẩn hóa. Nếu cú sốc càng lớn ( càng lớn) thì khi đó cũng có xu hướng là lớn tức là xác suất xảy ra sự biến động lớn là lớn hơn xác suất xảy ra các biến động nhỏ. Một số tính chất của ARCH(1): - với ~ iid (phân bố độc lập giống nhau) , > mà ta lại có - Mô men cấp 4 của chuỗi Ut với các giả thiết nói ở trên cho biết thông thường chuỗi lợi suất có hệ số bất đôi xứng lớn hơn 3 (lệch phải). - Trong trường hợp ta xét mô hình tổng quát ARCH(m) thì 2 tính chất nói ở trên vẫn được đảm bảo nhưng tính phức tạp tăng lên. Dự báo: Giả sử ở thời điểm h: Thời điểm h + 1: Thời điểm h + 2: Quá trình dự báo theo công thức đệ quy: B. Mô hình GARCH (Generalized Autoregressive Conditional Heteroscedasticity) Mô hình GARCH tổng quát (GARCH(m,s)): với ~ iid (phân bố độc lập giống nhau) ; ; Ta có : Điều kiện đối với tổng của & đảm bảo phương sai không điều kiện hữu hạn (đảm bảo chuỗi hội tụ) Mô hình trên trở thành mô hình ARMA đối với ; : có phân bố iid đây là phương sai không điều kiện dùng để tính giá của quyền chọn trong trường hợp dài hạn. Mô hình GARCH(1,1): đây là mô hình thường được dùng nhất do mô hình ước lượng khá đơn giản mà khả năng dự báo vẫn cao. với ~ iid (phân bố độc lập giống nhau) ; ; Điều kiện t ≥ 2, lấy với e là phần dư khi ước lượng mô hình. Thông thường mô hình GARCH là mô hình dùng cho ngắn hạn nên nó chỉ dự báo tốt trong ngắn hạn do đó phải thường xuyên tính lại. Mô hình IGARCH (Integrated Autoregressive Conditional Heteroscedasticity) Mô hình IGARCH tổng quát: với ~ iid (phân bố độc lập giống nhau) Nếu thì có nghiệm đơn vị. Trong trường hợp có nghiệm đơn vị chúng ta nói có mô hình IGARCH. Mô hình IGARCH (1,1): với ~ iid (phân bố độc lập giống nhau) Dự báo: Vậy là 1 hàm tuyến tính của . Nếu = 0 thì liên quan đến giá trị của phần rủi ro. Mô hình GARCH – M Các giả thiết của mô hình: Mô hình GARCH – M mô tả lợi suất phụ thuộc vào rủi ro với ~ iid (phân bố độc lập giống nhau) Trong đó thì: và c là các hằng số c là tham số bù rủi ro c > 0 : Lợi suất phụ thuộc thuận với rủi ro c < 0 : Lợi suất phụ thuộc nghịch với rủi ro Mô hình GARCH – M ngụ ý rằng chuỗi có tương quan chuỗi. Tự tương quan này có thể do hai lý do: Do chuỗi gây ra. Do 1 cú shock thông qua gây ra. Dạng khác của mô hình GARCH – M: với ~ iid (phân bố độc lập giống nhau) Mô hình TGARCH với ~ iid (phân bố độc lập giống nhau) Trong đó: nếu tin tức là bình thường hoặc tốt và nếu ngược lại tương đương nếu và nếu Ta có : Có thể thay bằng một ngày nào đó cuối tuần (M) để xem ảnh hưởng của hiệu ứng cuối tuần. Mô hình TGARCH (1,1): với ~ iid (phân bố độc lập giống nhau) Trong đó: nếu tin tức là bình thường hoặc tốt và nếu ngược lại tương đương nếu và nếu Khi đó : Nếu => tức là không ảnh hưởng đến phương sai. Ngược lại nếu khi đó ảnh hưởng tổng cộng của là thì ảnh hưởng dương đến phương sai, do đó khi gọi là có hiệu ứng đòn bẩy. khi đó người ta nói rằng ảnh hưởng của các cú shock là bất đối xứng. Mô hình EGARCH (Exponential Autoregressive Conditional Heteroscedasticity) Các giả thiết của mô hình: với ~ iid (phân bố độc lập giống nhau) là biến ngẫu nhiên được chuẩn hóa Trong mô hình trên thì có dạng mũ và có ảnh hưởng không có tính chất đối xứng của U đối với phương sai. Giả thiết H0: γ = 0 H1: γ > 0 Nếu γ > 0 thì: nếu . Ngược lại thì không biết âm hay dương mà phụ thuộc vào độ lớn của . Như vậy ta vẫn phân biệt được ảnh hưởng của U âm hay U dương. Năm 1991 Nelson đã đưa ra mô hình EGARCH như sau: với ~ iid (phân bố độc lập giống nhau) là kỳ vọng của biến Mô hình Component với ~ iid (phân bố độc lập giống nhau) (1) Phương trình (1) thể hiện chênh lệch giữa phương sai không điều kiện và phương sai có điều kiện. (2) Phương trình (2) là phương trình phương sai trong dài hạn là ước lượng của trong dài hạn nhưng vẫn thay đổi theo thời gian. : chênh lệch giữa ngắn hạn và dài hạn. 4 Sử dụng mô hình hồi quy bội Mô hình hồi quy k biến có dạng. Yt = β1 + β2 * X2i + ……. + βk* Xki + Ui β1: là hệ số tự do (hệ số chặn) βj : là các hệ số hồi quy riêng Các giả thiết của mô hình + Các Ui có kỳ vọng băng 0 : E(Ui/ X2i, X2k) = 0 + Không có sự tương quan giữa các U: Cov(Ui, Uj) = 0 + Các Ui thuần nhất : Var (Ui) = σ2 + Giữa các biến giải thích Xi, Xj không có quan hệ tuyến tính. + Ui có phân bố chuẩn. Áp dụng phương pháp OLS (phương pháp bình phương nhỏ nhất ) để ước lượng II.Áp dụng vào thị trường Việt Nam. Danh mục giả định là các cổ phiếu của ngành Vận tải(transport) + HAX : công ty cổ phần Dịch vụ ô tô Hàng Xanh. + HAV : công ty cổ phần Vận tải Hà Tiên. + PJT : Cổng ty cổ phần Vận tải xăng dầu đường thuỷ PETROLIMEX. +SFI : Công ty cổ phần Đại lý Vận tải SAFI. +SHC: công ty Hàng hàng hải Sài Gòn. +TMS: công ty cổ phần TRANSIMEX- SAI GON +VFC: công ty cổ phần VINA.FO số liệu về giá cổ phiếu được lấy trên thị trường chứng khoán sàn giao dịch thanhg phố Hồ Chí Minh. đến ngỳ 04/04/2007. Các quan sát và phân tích về lợi suất các cổ phiếu của ngành Vận tải. 1.1.Chuỗi lợi suất cổ phiếu HAX. 1.1.1.Thống kê mô tả và Biểu đồ biểu diễn lợi suất R_HAX Nhìn vào lược đồ của chuỗi lợi suất ta có thể thấy lợi suất của cổ phiếu dao động tương đối đều xung quanh vị trí cân bằng và có xung động biến thiên tương đối ổn định. Ta thấy đây có thể làmột chuỗi dừng. 1.1.2. Kiểm định nghiện dơn vị với chuỗi R_HAX. Với kết quả trên ta có : êℑqs ê = 5.119316 > êℑ0.01 ê= 2.603 > êℑ0.05 ê= .9459 > êℑ0.1 ê = 1.686 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10% 1.1.3. Xây dựng mô hình ARIMA Từ lược đồ, nhận thấy PAC(1) khác 0 và ACF(q) = 0 với q > 1 do vậy thông tin này gợi ý p = 1 và q = 0 và mô hình ARIMA = ARIMA(1, 0, 0). 1.1.4.Ta có kết quả ước lượng mô hình ARIMA Từ kết quả kiểm định T có P_vlue = 0.0012 0 nói lên lợi suất của phiên giao dịch hôm nay chịu ảnh hưởng cùng chiều với lợi suất của phiên giao dịch hôm trước. Mô hình ARIMA : Rt = 0.398487 * Rt-1 +εt Kiểm định sự thay đổi trong lợi suất và trong dao động của cổ phiếu HAX. 1.1.5 ,Sử dụng mô hình ARCH và GARCH a. Sử dụng mô hình ẢRCH(1) Như vậy mức độ dao động của lợi suất trung bình trong các phiên là không khác nhau. Và nó không chịu ảnh hưởng của sự thay đổi trong lợi suất. Lược đồ tương quan phần dư của mô hình Nhìn vào lược đồ tương quan dễ dang nhận thấy phần dư của mô hình ARCH(1) đối với chuỗi lợi suất là nhiễu trắng. Do vậy giả thiết ut =εt*σt được thỏa mãn. Kiểm định ARCH Từ kết quả kiểm định ta nhận thấy không có sự tồn tại của ARCH cho mô hình ARCH(1) mà ta đã chọn. kiểm định T có P_value = 0.95249> 0.05; kiểm định χ2 có p_value = 0.91458 > 0.05 ; kiểm đinh T cho kết quả của hệ số STD_RESID^2 thực sự bằng 0 .như vậy mô hình vừa ước lượng thật sự là mô hình tốt. Kểm định sự thay đổ lợi suất trong dao động của cổ phiếu sử dụng mô hình b,GARCH(1,1) R_HAXt = 0.465289* R_HAXt-1 + εt Từ mô hình ta thấy được lơị suất trung bình của cổ phiếu trong một phiên có lien hệ dương với sự thay đổi trong lợi suất của phiên trước đó. Và mức dao động trong lợi suất có khác nhau trong các phiên, nó phụthuoocj vào sự thay đổi của lợi suất vùaphuj thuộc vào mức độ dao dộng của cổ phiếu. c.Mô hình GARCH –M mô hình nghiên cứu sự phụ thuộc của lợi suất của cổ phiếu vào bản thân độ rủi ro của các cổ phiếu này . trên lý thuyết rủi ro càng lớn thì lợi nhuận càng cao. Trong hai mô hình ta nhận được sự bằng 0 thực sự của các biến GARCH và SQR(GARCH) như lợi suất của cổ phiếu không phụ thuộc vào bản thân rủi ro cổ phiếu này. 1.1.6. Hồi quy với các chuỗi lợi suất còn lại trong ngành. . Trong bảng hồi quy ở trên, với các thông số phân tích là Coeficient (β) , T_STATICSTIC, p_valu. Hệ số β của R_HTV .có P_valua = 0.4997 > 0.05 . biến R_HTVkhông ảnh hưởng đến biến phụ thuộc R_HAX Hệ số β của R_PJT có P_valua = 0.6301 > 0.05 . biến R_PJT không ảnh hưởng đến biến phụ thuộc R_HAX Hệ số β của R_SFI có P_valua = 0.6646 > 0.05 . biến R_SFI không ảnh hưởng đến biến phụ thuộc R_HAX. Hệ số β của R_PJT có P_valua = 0.8221 > 0.05 . biến R_PJT không ảnh hưởng đến biến phụ thuộc R_HAX Hệ số β của R_SFI có P_valua = 0.8862 > 0.05 . biến R_SFI không ảnh hưởng đến biến phụ thuộc R_HAX. Hệ số β của R_SHC có P_valua = 0.5376 > 0.05 . biến R_SHC không ảnh hưởng đến biến phụ thuộc R_HAX Hệ số β của R_TMS có P_valua = 0.4849 > 0.05 . biến R_TMS không ảnh hưởng đến biến phụ thuộc R_HAX Hệ số β của R_VFC có P_valua = 0.0033 < 0.05 . biến R_VFC có ảnh hưởng đến biến phụ thuộc R_HAX 1. 2.Chuỗi lợi suất cổ phiếu HTV 1. 2.1 Thống kê mô tả và Biểu đồ biểu diễn lợi suất R_HTV Trên biểu đồ ta thấy lợi suất của cổ phiếu biên động theo thời gian dao động xung quanh một mức cân bằng. Biên độ biến động của chuỗi là khá ổn định. Và đây có thểlàmột chuỗi dừng. 1.2.2. Kiểm định tính dừng của chuỗi R_HAV. Với kết quả trên ta có : êℑqs ê = 4.558689 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10%. 1.2.3 Mô hình ARIMA vậy mô hình ARIMA nhận được là. R_HTVt = 0.465070* R_HTVt-1 + εt Qua bảng phân tích. Ta có kết luận lợi suất của lần giao dịch trước có ảnh hưởng đến lợi suất của giao dịch sau 1.2.4 Áp dụng mô hình ARCH và GARCH a, Mô hình ARCH Qua bẳng phân tích mức độ dao động của lợi suất không chịu ảnh hưởng của sự thay đổi lợi suất của cổ phiêu. b.Mô hình GARCH(1.1) Từ mô hình ước lượng cho thấy lợi suất trung bình của cổ phiếu trong một phiên có lien hệ dương với sự thay đổi của lợi suất của phiên trước đó. Và mức dao động trong lợi suất có khác nhau trong các phiên, nó phụ thuộc vào mức dao động của lợi suât và sự thay đổi của lơi suất. c.Mô hình GARCH_M Trong hai kết quả trên đều đi đến kết luận lợi suất của cổ phiếu không bị ảnh hưởngcuar rủi ro riêng của cổ phiếu vì các cả hai kết quả đều nhận được sự thực sự bằng 0 của các biến GARCH và SQR(GARCH) 1.2.5 Hồi quy với các chuỗi còn lại trong ngành Trong bảng hồi quy ở trên, với các thông số phân tích là Coeficient (β) , T_STATICSTIC, p_valu. Hệ số β của R_HAX có P_valua = 0.4997> 0.05 . biến R_HAX không ảnh hưởng đến biến phụ thuộc R_HTV Hệ số β của R_PJT có P_valua = 0.0230< 0.05 . biến R_PJT ảnh hưởng đến biến phụ thuộc R_HTV. Hệ số β của R_SFI có P_valua = 0.2099 > 0.05 . biến R_SFI không ảnh hưởng đến biến phụ thuộc R_HTV. Hệ số β của R_SHC có P_valua = 0.0160 < 0.05 . biến R_SHC có ảnh hưởng đến biến phụ thuộc R_HTV. Hệ số β của R_TMS có P_valua = 0.5007 > 0.05 . biến R_TMS không ảnh hưởng đến biến phụ thuộc R_HTV. Hệ số β của R_VFC có P_valua = 0.0901 > 0.05 . biến R_VFC không ảnh hưởng đến biến phụ thuộc R_HTV. 1.3.Chuỗi lợi suất R_PJT 1.3.1.Thống kê mô tả và Biểu đồ biểu diễn lợi suất R_PJT Nhìn biểu đồ biểu diễn lợi suất theo thời gian của chuỗi R_PJT . ta thấy chuỗi dao dộng quanh một mức cân bằng . và biên độ dao động qua thời gian là khá ổn định. Nhận định đây có thể là một chuỗi dừng. 1.3.2. Kiểm định tính dừng của chuỗi R_PJT. êℑqs ê = 5.456226 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10%. 1.3.3Mô hình ARIMA mô hình được viết R_PJTt = 0.331583* R_PJTt-1 + εt phân tích các kiểm định trong mô hình ta thấy lợi suất của phiên trước có ảnh hưởng dương tới phiên sau 1.3.3 Áp dụng mô hình ARCH và GARCH a.Mô hình ARCH Qua bảng phân tích ta thấy mức dao động của lợi suất khồng bị ảnh hưởng bởi sự thay đổi lợi suất cổ phiếu b.Mô hình GARCH(1.1) Qua bảng phân tích ta có kết quả: Lợi suất trung bình của cổ phiếu trong một phiên có liên hệ dương với sự thay đổi lợi suất của phiên trước đó. Mức dao động của cổ phiếu chịu ảnh hưởng của thay đổ của lợi suất nó không phụ thuộc vào sự biến động của lợi suất c.Mô hình GARCH_M Qua hai phân tích của mô hình : lợi suất của cổ phiếu không chịu ảnh hưởng của rủi ro ban thân nó 1.3.4 Hồi quy với các chuỗi còn lại trong ngành Trong bảng hồi quy ở trên, với các thông số phân tích là Coeficient (β) , T_STATICSTIC, p_valu. Hệ số β của R_HAX có P_valua = 0.6301 > 0.05 . biến R_HAX không ảnh hưởng đến biến phụ thuộc R_PJT Hệ số β của R_HTV có P_valua = 0.0230 < 0.05 . biến R_HTVcó ảnh hưởng đến biến phụ thuộc R_PJT Hệ số β của R_SFI có P_valua = 0.8005 > 0.05 . biến R_SFI không ảnh hưởng đến biến phụ thuộc R_PJT Hệ số β của R_SHC có P_valua = 0.5585 > 0.05 . biến R_SHC không ảnh hưởng đến biến phụ thuộc R_PJT Hệ số β của R_TMS có P_valua = 0.0019 < 0.05 . biến R_TMS có ảnh hưởng đến biến phụ thuộc R_PJT. Hệ số β của R_VFC có P_valua = 0.8645 > 0.05 . biến R_VFC không ảnh hưởng đến biến phụ thuộc R_PJT 1. 4.Chuỗi lợi suất R_SFI. 1. 4.1.Thống kê mô tả và Biểu đồ biểu diễn lợi suất R_SFI Dao động theo thời gian của chuỗi lợi suất R_SFI ta thấy trên biểu đồ xung quanh một mức cân bằng . và có thể chuỗi là chuỗi dừng. 1.4.2. Kiểm định tính dừng của chuỗi R_SFI êℑqs ê = 5.563576 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10%. 1. 4.3.Mô hình ARIMA Mô hình có dạng R_SFIt = 0.311791* R_SFIt-1 + εt Qua bảng phân tích ta thây được lợi suất của lần giao dich trước có ảnh hưởng tới lợi suất của giao dịch lần sau. 1. 4.4 Ấp dụng mô hình ARCH và GARCH a. Mô hình ARCH(1) Qua bảng phân tích ta có: Mức dao động của lợi suất cổ phiếu không bị ảnh hưởng bởi sự thay đổi trong lợi suất b.Mô hình GARCH(1.1) Qua bảng phân tích ta có kết luận: Lợi suất trung bình của cổ phiếu trong một phiên có liên hệ dương với phiên trước đó. Mức dao động trong lợi suất có sự khác nhau giữa các phiên và chịu ảnh hưởng của sự thay đổi của lợi suất và mức dao động của lợi suất, c.Mô hình GARCH_M Qua hai bảng phân tích chúng ta có kết luận. các biến GARCH và SQR(GARCH) thực sự bằng 0 Lợi suất của cổ phiếu không bị ảnh hưởng của rủi ro bản thân nó, 1.4.5. Hồi quy với các chuỗi còn lại trong ngành Trong bảng hồi quy ở trên, với các thông số phân tích là Coeficient (β) , T_STATICSTIC, p_valu. Hệ số β của R_HAX có P_valua = 0.6646> 0.05 . biến R_HAX không ảnh hưởng đến biến phụ thuộc R_SFI. Hệ số β của R_TMS có P_valua = 0.0427 < 0.05 . biến R_TMS có ảnh hưởng đến biến phụ thuộc R_SFI. Hệ số β của R_HTV có P_valua = 0.2099 > 0.05 . biến R_HTV không ảnh hưởng đến biến phụ thuộc R_SFI Hệ số β của R_PJT có P_valua = 0.8005 > 0.05 . biến R_PJT không ảnh hưởng đến biến phụ thuộc R_SFI Hệ số β của R_VTC có P_valua = 0.8862 > 0.05 . biến R_VTC không ảnh hưởng đến biến phụ thuộc R_SFI. Hệ số β của R_SHC có P_valua = 0.7885 > 0.05 . biến R_SHC không ảnh hưởng đến biến phụ thuộc R_SFI. 1. 5.Chuỗi lợi suất R_SHC. 1.5.1 Thống kê mô tả và biểu đồ biểu diễn chuỗi lợi suất R_SHC Trên biểu đồ biểu diễn chuỗi lợi suất , ta nhận thấy chuỗi số phân bố xung quanh một mức xác định. Và chuỗi số có thể là chuỗi dừng 1.5.2.Kiểm định tính dừng của chuỗi R_SHC êℑqs ê = 4.477167 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10%. 1. 5.3 Mô hình ARIMA Bảng phân tích ta co được mô hình : R_SHCt = 0.481400*R_SHCt-1 +εt Qua các chỉ số kiểm định trong mô hình: lợi suất của phiên sau có sự ảnh hưởng của lợi suất phiên trước. 1.5.4 Ấp dụng mô hình ARCH và GARCH a.Mô hình ARCH(1) Qua bảng phân tích ta có kết quả: mức dao động của lợi suất không chịu sự ảnh hưởng sự thay đổi của lợi suất b.Mô hình GARCH(1.1) Qua bảng phân tích ta có kết luận: Lợi suất trung bình của cổ phiếu trong một phiên có liên hệ dương với phiên trước đó. Mức dao động trong lợi suất có sự khác nhau giữa các phiên và chịu ảnh hưởng của sự thay đổi của lợi suất và mức dao động của lợi suất, c.Mô hình GARCH_M Qua hai bảng phân tích chúng ta có kết luận. sự bằng 0 thực sự của hai biến GÂRCH và SQR(GARCH) Lợi suất của cổ phiếu không bị ảnh hưởng của rủi ro bản thân nó, 1.5.5 Hồi quy với các chuỗi còn lại trong ngành 1..6 Chuỗi lợi suất R_TMS 1.6.1.Thống kê mô tả và biểu đồ biểu diễn chuỗi lợi suất R_TMS Ta nhận thấy chuỗi phân bổ xung quanh một mức xác định. Có thể chuỗi là chuỗi dừng. 1.6.2 Chứng minh chuỗi R_TMS là chuỗi dừng. êℑqs ê = 6.613518 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186. Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10%. Biêu đồ tương quan chuỗi của chuỗi lợi suất. Chuỗi số không có nghiệm đơn vị do đó không thể xây dựng được mô hình ARIMA. Với xác suất 5% có thể coi chuỗi lợi suất này không bị ảnh hưởng bởi các nhân tố bên trong và bên ngoài tác đông vào. Đây là một trường hợp đặc biệt trong phân tích tài chính. 1.6.3. Hồi quy với các chuỗi còn lại trong ngành Trong bảng hồi quy ở trên, với các thông số phân tích là Coeficient (β) , T_STATICSTIC, p_valu. Hệ số β của R_HAX có P_valua = 0.4849 > 0.05 . biến R_HAX không ảnh hưởng đến biến phụ thuộc R_TMS. Hệ số β của R_PJT có P_valua = 0.0019 < 0.05 . biến R_PJT có ảnh hưởng đến biến phụ thuộc R_TMS. Hệ số β của R_HTV có P_valua = 0.5007 > 0.05 . biến R_HTV không ảnh hưởng đến biến phụ thuộc R_TMS. Hệ số β của R_SHC có P_valua = 0.9303 > 0.05 . biến R_SHC không ảnh hưởng đến biến phụ thuộc R_TMS. Hệ số β của R_SFI có P_valua = 0.0427 < 0.05 . biến R_SFI có ảnh hưởng đến biến phụ thuộc R_TMS. Hệ số β của R_VFC có P_valua = 0.0005 < 0.05 . biến R_VFC có ảnh hưởng đến biến phụ thuộc R_TMS 1.7 Chuỗi lợi suất R_VFC. 1.7.1Mô tả thống kê và biểu đồ chuỗi V_VFC. Dao động theo thời gian của chuỗi lợi suất R_SFI ta thấy trên biểu đồ xung quanh một mức cân bằng . và có thể chuỗi là chuỗi dừng. 1. 7.2 Chứng minh chuỗi là chuỗi dừng êℑqs ê = 4.620160 > êℑ0.01 ê= 2.6013 > êℑ0.05 ê= 1.9459 > êℑ0.1 ê = 1.6186 Theo tiêu chuẩn ADF chuỗi là chuỗi dừng. với các giá trị tới hạn là : 1% ; 5% và 10% 1.7.3 Mô hình ARIMA của chuỗi. Mô hình có dạng : R_VFCt = 0.459793* R_VFCt-1 +εt qua bảng phân tích lợi suất của giao dịch lần trước có ảnh hưởng dương đến lần giao dịch sau. 1.7.4 Áp dụng mô hình ARCH và GARCH a.Mô hình ARCH(1) Qua bảng trên ta co kết luận: mức độ dao động của lợi suất trung bình trong các phiên có khác nhau, nó chịu ảnh hưởng âm của sự thay đỏi lợi suất. b. Mô hình GARCH(1.1) R_VFCt = 0.39520* R_VFCt-1 + εt Từ kết quả cho thấy lợi suất trung bình của c