Đề tài Những ưu điểm và hạn chế trong việc thiết lập danh mục đầu tư tối ưu bằng mô hình nhân tố ở thị trường chứng khoán Việt Nam – một số giải pháp

c phẩm nhưng lại tác động nhiều đến những ngành công nghiệp cao cấp. 1.4.2.2 Những giả định cơ bản v Lợi suất của chứng khoán có dạng hàm tuyến tính v Các tham số của mô hình như được tính toán thông qua các bước hồi quy tuyến tính, sao cho mức phụ trội chỉ là hàm số của chỉ số thị trường, chứ không bao hàm rủi ro đặc thù của chứng khoán i đang xét Trang 21 v Phần bù rủi ro đặc thù của chứng khoán i không liên quan hàm số với giá trị của chỉ số, hay Cov(εit,F) = 0. v Chỉ số chỉ đại diện cho một tác nhân duy nhất ảnh hưởng đến hiệp phương sai giữa các tỷ suất sinh lợi. 1.4.3 Mô hình đa nhân tố 1.4.3.1 Khái niệm Thay vì mô hình một nhân tố, mô hình đa nhân tố cho thu nhập chứng khoán chịu nhiều sự tác động khác nhau có thể chính xác hơn. Mô hình đa nhân tố được thể hiện ở dạng tổng quát qua công thức sau: ri = αi + βi1F1 + βi2F2 + βi3F3 + … + βikFk + εi Với: αi là tỷ suất sinh lợi mong đợi của chứng khoán i (tỷ suất sinh lợi phi rủi ro rf) εi là nhân tố đặc trưng riêng có của chứng khoán i và có thể đa dạng hoá được. F1, F2 ,…, Fk: các nhân tố có tác động đến tỷ suất sinh lợi của chứng khoán i. βi1, βi2, …, βik là độ nhạy cảm với các nhân tố F1, F2 ,…, Fk tương ứng. Trong bài nghiên cứu này, chúng ta chỉ lựa chọn ra 2 nhân tố có sức ảnh hưởng mạnh nhất đến tỷ suất sinh lợi của chứng khoán và tạo nên mô hình 2 nhân tố. 1.4.3.2 Mô hình 2 nhân tố Công thức cho mô hình 2 nhân tố: ri = αi + βi1F1 + βi2F2 + εi Tương tự như trường hợp tổng quát thì F1, F2 là 2 nhân tố có tác động mạnh nhất đến tỷ suất sinh lợi của chứng khoán i. Nếu như ở mô hình một nhân tố, thì một điểm trên đồ thị thể hiện mối quan hệ giữa tỷ suất sinh lợi chứng khoán i với nhân tố F và nó được tập hợp thành một đường thẳng thể hiện mối quan hệ này, thì ở mô hình 2 nhân tố một điểm trên đồ thị sẽ thể hiện mối quan hệ giữa tỷ suất sinh lợi chứng khoán với 2 nhân tố F1, F2 . Đồ thị của Trang 22 những điểm này sẽ được điều chỉnh trên một mặt phẳng bởi việc sử dụng những kỹ thuật thống kê và phân tích hồi quy đa biến Hình 6: Đồ thị mô hình 2 nhân tố Bốn tham số cần đuợc ước tính cho mỗi chứng khoán trong mô hình 2 nhân tố là: αi, βi1, βi2, và độ lệch chuẩn của sai số ngẫu nhiên ߪεi . Ứng với mỗi nhân tố, 2 tham số cần được ước tính là giá trị mong đợi của mỗi nhân tố (Fതଵ, Fതଶ) và phương sai ứng với mỗi nhân tố (ߪଶிଵ, ߪଶிଵ), cuối cùng là hiệp phương sai của hai nhân tố COV( F1, F2) cũng cần được ước tính. Thu nhập mong đợi của mỗi chứng khoán i có thể được quyết định bởi việc chỉ ra các giá trị mong đợi cho 2 nhân tố và sử dụng công thức: ܚ଍ഥ= αi + βi1ࡲഥ૛ + βi2ࡲഥ૛ Phương sai của chứng khoán i: ࣌࢏૚ ૛ = ࢼ࢏૚૛ ࣌ࡲ૚૛ + ࢼ࢏૛૛ ࣌ࡲ૛૛ + 2ࢼ࢏૚ࢼ࢏૛COV(F1, F2) + ࣌ࢋ࢏૛ Hiệp phương sai: Trang 23 Theo mô hình 2 nhân tố, hiệp phương sai của 2 chứng khoán i và j có thể được xác định như sau: ࣌࢏࢐ = ࢼ࢏૚ࢼ࢐૚࣌ࡲ૚૛ + ࢼ࢏૛ࢼ࢐૛࣌ࡲ૛૛ + (ࢼ࢏૚ࢼ࢐૛ + ࢼ࢏૛ࢼ࢐૚)COV(F1, F2) 1.4.4 Cách thức xây dựng danh mục tối ưu trong phạm vi ngành dựa vào các mô hình nhân tố kết hợp với phương pháp Markowitz. Để xây dựng một danh mục tối ưu cho ngành cụ thể bằng các mô hình nhân tố, ta thực hiện các bước sau: ü Lựa chọn phương pháp ước lượng các nhân tố. Trong thực tế có ba phương pháp chủ yếu để ước lượng các nhân tố phổ biến trong mô hình nhân tố: - Bằng cách sử dụng các phương pháp thống kê - như phân tích nhân tố - để xác định danh mục nhân tố, là những danh mục các chứng khoán sao cho có thể mô phỏng lại các nhân tố - Sử dụng các biến vĩ mô như là những chỉ báo cho các nhân tố. - Sử dụng những đặc thù riêng của công ty có ảnh hưởng đến tỷ suất sinh lợi cao hơn hoặc thấp hơn để tạo ra các danh mục như là các chỉ báo cho các nhân tố. Trong bài nghiên cứu này, chúng ta chỉ chú ý tập trung vào cách ước lượng thứ 2 là sử dụng các biến kinh tế vĩ mô có khả năng giải thích tốt nhất mẫu hình đã được quan sát. Hầu hết tỷ suất sinh lợi của một chứng khoán trong từng ngành đều chịu ảnh hưởng rất nhiều của các nhân tố vĩ mô, đồng thời việc sử dụng cách ước lượng còn lại là tương đối phức tạp và có nhiều hạn chế khi thực hiện. ü Tìm kiếm và sử lý các chuỗi số liệu Trong bước này trước tiên ta phải chọn lọc một số chứng khoán trong từng ngành mà chúng ta muốn đầu tư để thiết lập nên một danh mục, sau đó ta sẽ tìm số liệu tỷ suất sinh lợi của các chứng khoán trong từng ngành riêng biệt và một số nhân tố vĩ mô theo thời gian tương ứng. Sau đó ứng dụng kinh tế lượng để xem xét sự phụ thuộc các nhân tố đến tỷ suất sinh lợi chứng khoán để có thể tìm ra được 1 hoặc 2 nhân tố thể hiện sự phụ thuộc nhiều nhất đến các chứng khoán trong ngành. Trang 24 ü Xác định tỷ suất sinh lợi kỳ vọng của chứng khoán dựa vào các mô hình nhân tố. Dựa vào những chuỗi số liệu có được, ta sẽ tính được các thông số trong mô hình từ đó tính được tỷ suất sinh lợi kỳ vọng của tất cả các chứng khoán có trong danh mục. Ở đây trong quá trình tính toán ta có thể sử dụng công cụ eview hay excel thì việc tính toán sẽ trở nên đơn giản hơn. Chú ý ở đây ta sử dụng tỷ suất sinh lợi kỳ vọng từ mô hình nhân tố thay cho tỷ suất trung bình trong một thời kỳ theo cách tính thông thường với ý nghĩa là mục đích xây dựng danh mục đáp ứng kỳ vọng của nhà đầu tư trong tương lai. Nếu sử dụng giá trị trung bình của tỷ suất sinh lợi từ dữ liệu quá khứ sẽ không đủ cơ sở cho một quyết định đầu tư. Tỷ suất sinh lợi của chứng khoán sẽ xoay quanh giá trị trung bình của nó, nhưng nếu chúng ta đầu tư vào thời điểm tỷ suất sinh lợi cao sẽ tăng lợi nhuận cho nhà đầu tư, từ đó tạo ra nhiều lựa chọn cho nhà đầu tư hơn. Dựa vào đồ thị ta sẽ thấy, đường M1 là đường Markowitz xây dựng dựa trên tỷ suất sinh lợi trung bình của các chứng khoán trong danh mục. Nếu nhà đầu tư dự báo rằng tỷ suất sinh lợi của các chứng khoán sẽ cao hơn mức trung bình trong thời gian tới thì ứng với tỷ suất sinh lợi dự báo đó, nhà đầu tư sẽ có thể xây dựng một danh mục M2 tốt hơn M1, ngược lại nếu tỷ suất sinh lợi của các chứng khoán thấp hơn mức trung bình thì ta sẽ có đường Markowitz M3 thấp hơn M1. Trang 25 Hình 7: Đồ thị so sánh các trường hợp xây dựng danh mục tối ưu. Khi chúng ta dự báo một tỷ suất sinh lợi cao hơn mức trung bình và xây dựng một danh mục đầu tư theo tỷ suất sinh lợi dự báo đó thì dường như làm như thế sẽ tốt hơn sử dụng tỷ suất sinh lợi trung bình, nhưng chúng ta cũng cần phải nhớ rằng, đường M2 ngoài mức rủi ro được đo lường băng độ lệch chuẩn thì nó còn có thêm rủi ro dự báo. Nếu một nhà đầu tư có khả năng dự báo tốt, và xây dựng các mô hình nhân tố một cách hợp lý thì việc ứng dụng mô hình nhân tố để xây dựng danh mục đầu tư sẽ mang lại hiệu quả tốt hơn. ü Xây dựng đường cong Markowitz từ những số liệu được tính toán ở các bước trên. Để xây dựng đường cong Markowitz ta cần nắm một số định đề sau: Một vài khái niệm Giả sử ta có N chứng khoán có rủi ro, mỗi một chứng khoán có tỷ suất sinh lợi mong đợi là E(ri). Ma trận cột R là ma trận hướng của các giá trị tỷ suất sinh lợi của các chứng khoán này: R = ቎ ܧ(ݎଵ) ܧ(ݎଶ)… ܧ(ݎே)቏ Và S là ma trận phương sai, hiệp phương sai N×N: S = ቎ ߪଵଵ ߪଶଵ … ߪேଵ ߪଵଶ ߪଶଶ … ߪேଶ… ߪଵே … … ߪଶே … …ߪேே቏ Một danh mục của các tài sản có rủi ro là ma trận hướng dạng cột với tổng các thành phần bằng 1: x = ቎ ݔଵ ݔଶ… ݔே ቏ ; ∑ ݔ௜ = 1ே௜ୀଵ ; mỗi một thành tố xi thể hiện tỷ trọng vốn đầu tư vào danh mục chứng khoán i. Trang 26 Tỷ suất sinh lợi mong đợi của danh mục E(rx) của danh mục x được cho bởi tích số của ma trận x với ma trận R E(r୶) = x୘ × R = ෍ݔ௜ × ܧ(ݎ௜)ே ௜ୀଵ Phương sai tỷ suất sinh lợi của danh mục, ߪ௫ଶ = ߪ௫௫ được cho bởi tích số của các ma trận ݔ்ܵݔ = ෍෍ݔ௜ݔ௝ ߪ௜௝ே ௝ୀଵ ே ௜ୀଵ Hiệp phương sai giữa tỷ suất sinh lợi của 2 danh mục x và y, Cov (rx, ry), được xác định như sau: ߪ௫௬ = ݔ்ܵݕ = ෍෍ݔ௜ݔ௝ ߪ௜௝ே ௝ୀଵ ே ௜ୀଵ Định đề 1: ta có véctơ R – c là ma trận hướng sau đây với c là hằng số: R – c = ቎ ܧ(ݎଵ)− ܿ ܧ(ݎଶ) − ܿ… ܧ(ݎே)− ܿ቏ Sử dụng ma trận z để giải hệ phương trình tuyến tính R – c = Sz. Khi đó giải pháp này sẽ cho ta kết quả một danh mục x nằm trên đường biên của vùng hiệu quả theo phương cách sau: Z = S-1 {R – c} x = {x1, … , xN} với: ݔ௜ = ௭ೕ∑ ௭ೕೀసభ Một các tổng quát: tất cả các danh mục nằm triên đường biên hiệu quả Markowitz đều tuân theo mẫu hình này. Định đề 2: Black (1972) đã chứng minh rằng với bất kỳ một danh mục đầu tư hiệu quả nào ta cũng đều có thể thiết lập nên toàn bộ các danh mục hiệu quả. Gọi 2 Trang 27 danh mục đầu tư hiệu quả bất kỳ x = {x1, … , xN} và y = {y1, … , yN}, tất cả danh mục đầu tư hiệu quả đều là kết hợp lồi giữa x và y. Điều này có nghĩa rằng với bất kỳ một hằng số a cho trước ta có danh mục: ax + (1 – a)y = ൦ axଵ + (1 – a)yଵaxଶ + (1 – a)yଶ…axଷ + (1 – a)yଷ ൪ là danh mục đầu tư hiệu quả nằm trên đường Markowitz. Trong từng trường hợp cụ thể mà ta xây dựng đường cong Markowitz khi có bán khống và không có bán khống. Trong trường hợp không được phép bán khống ta chỉ cần thêm những điều kiện ràng buộc khi tìm tỷ trọng đầu tư vào mỗi chứng khoán trong danh mục: ܯܽݔߠ = ܧ(ݎ௫) − ܿ ߪ௣ Sao cho: ∑ ݔ௜ = 1ே௜ୀଵ ; xi ≥ 0 ; i = 1,…,N Với E(rx) = xT×R = ∑ ݔ௜ܧ(ݎ௜)ே௜ୀଵ và σp = √ݔ்ܵݔ = ට∑ ∑ ݔ௜ݔ௝ߪ௜௝ே௝ୀଵே௜ୀଵ Trong bài nghiên cứu chúng ta sẽ xem xét trường hợp tổng quát có bán khống. Trang 28 Tóm tắt chương 1 Trên đây là những kiến thức cơ bản về chứng khoán, danh mục và các lý thuyết về mô hình nhân tố. Chúng ta cần nhấn mạnh rằng, việc xây dựng danh mục đầu tư bằng mô hình nhân tố sẽ đạt được một mức tỷ suất sinh lợi trung bình cao hơn phương pháp thông thường nhưng nhà đầu tư phải chấp nhận một mức rủi ro dự báo. Về phương pháp xây dựng danh mục đầu tư, chúng ta chỉ dừng lại ở trường hợp không có bán khống do thị trường chứng khoán Việt Nam vẫn chưa cho phép thực hiện. Tuy nhiên về lý thuyết chúng ta vẫn có thể dễ dàng thực hiện. Khi thị trường chứng khoán Việt Nam phát triển đủ mạnh và cho phép bán khống thì vận dụng lý thuyết đã nên trên cũng không co gì thay đổi. Khi nắm vững được những kiến thức cơ bản nói trên thì nhà đầu tư hoàn toàn có thể thực hiện công việc xây dựng danh mục đầu tư tối ưu cho riêng mình. Ở chương sau, chúng ta sẽ xem xét những trường hợp cụ thể trong việc xây dựng danh mục đầu tư tối ưu trong phạm vi nghành. Trang 29 CHƯƠNG 2: ỨNG DỤNG XÁC ĐỊNH DANH MỤC ĐẦU TƯ TỐI ƯU CHO MỘT SỐ NGÀNH CỤ THỂ 2.1 Thực hiện tìm kiếm và xử lý số liệu 2.1.1 Lựa chọn ngành đầu tư Trong từng giai đoạn cụ thể của nền kinh tế luôn có những thời điểm thuận lợi, cũng như bất lợi cho cho đầu tư vào một số ngành cụ thể nào đó. Việc đầu tiên của nhà đầu tư là lựa chọn một hay một số ngành phù hợp với khẩu vị đầu tư của bản thân mình trên nguyên tắc đạt được tỷ suất sinh lợi tối đa tương ứng với một rủi ro nhất định. Để chọn được một ngành đầu tư tốt việc cần làm là dựa vào phân tích kinh tế vĩ mô. Từ những dự báo về sự biến động của các nhân tố vĩ mô mà nhà đầu tư sẽ có một tỷ suất sinh lợi mong đợi phù hợp cho từng chứng khoán ứng riêng lẽ, cũng như có những hướng đầu tư vào các ngành một cách đúng đắn hơn. Ở đây, chúng ta sẽ chọn 2 ngành: “Dịch vụ dầu khí”, và “vận tải” để vận dụng một các tổng quát các lý thuyết đã đưa ra. 2.1.2 Lựa chọn chứng khoán Dựa vào dữ liệu của các công ty niêm yết trên 2 sàn HOSE và HASTC có tổng cộng 6 công ty thuộc ngành “ dịch vụ dầu khí” và 16 công ty thuộc ngành “vận tải”. Ở đây, mỗi công ty đều kinh doanh nhiều ngành nghề khác nhau, nhưng chúng ta chỉ phân loại dựa theo ngành kinh doanh chính của các công ty, lĩnh vực mà mang lại doanh thu cao nhất. Bảng 1: Các công ty thuộc ngành dịch vụ dầu khí: Mã CK Tên công ty Lĩnh vực kinh doanh chính PVC Tổng công ty cổ phần Dung dịch khoan và Hóa phẩm Dầu khí Khai thác, sản xuất, kinh doanh các nguyên vật liệu, hoá chất, hoá phẩm dùng cho dung dịch khoan và xi măng trong công nghiệp dầu khí. PVS Tổng Công ty cổ phần Dịch Dịch vụ quản lý, khai thác các tàu chứa dầu Trang 30 vụ Kỹ thuật Dầu khí Việt Nam (FSO), tàu chứa và xử lý dầu thô (FPSO), các tàu dịch vụ, tàu vận chuyển các sản phẩm dầu và khí. COM Công ty cổ phần Vật Tư - Xăng Dầu Kinh doanh : Xăng, dầu, nhớt, dịch vụ rửa xe; dịch vụ vận chuyển xe bồn. PIT Công ty Cổ phần Xuất nhập khẩu Petrolimex Kinh doanh tạm nhập, tái xuất chuyển khẩu xăng dầu, các sản phẩm hóa dầu. Kinh doanh vận tải xăng dầu; đại lý kinh doanh xăng dầu. Mua bán sản phẩm hóa dầu. PVD Tổng công ty cổ phần Khoan và Dịch vụ khoan dầu khí Thực hiện các dịch vụ: Thiết kế, chế tạo, lắp đặt, kiểm tra chất lượng, sửa chữa, bảo dưỡng, vận hành giàn khoan, giàn khoan khai thác dầu khí SFC Công Ty Cổ Phần Nhiên Liệu Sài Gòn Kinh doanh xăng, dầu, nhớt, mỡ, khí đốt, bếp gas; dịch vụ rửa, giữ xe các loại; vật tư, máy móc, thiết bị phụ tùng phục vụ kinh doanh xăng dầu. Bảng 2: Các công ty thuộc ngành vận tải: Mã CK Tên công ty Lĩnh vực kinh doanh chính HCT Công ty cổ phần Thương mại Dịch vụ Vận tải Xi măng Hải Phòng Vận chuyển bằng phương tiện vận tải thủy bộ, sửa chữa phương tiện vận tải... HTV Công ty cổ phần vận tải Hà Tiên Kinh doanh vận tải đường thuỷ, vận tải đường bộ trong và ngoài nước MNC Công ty cổ phần Tập đoàn Mai Linh Bắc Trung Bộ Vận tải hành khách bằng taxi, vận tải theo hợp đồng và theo tuyến cố định; Dịch vụ du lịch và lữ hành PJC Công ty Cổ phần Thương Kinh doanh vận tải xăng dầu Trang 31 mại và Vận tải Petrolimex Hà Nội PJT Công Ty Cổ Phần Vận tải Xăng dầu Đường Thủy Petrolimex Kinh doanh vận tải xăng dầu Đường Thủy PSC Công ty cổ phần Vận tải và Dịch vụ Petrolimex Sài Gòn Vận tải bằng đường bộ trong và ngoài nước PTS Công ty Cổ phần Vận tải và Dịch vụ Petrolimex Hải Phòng Kinh doanh vận tải. Kinh doanh xăng dầu và các sản phẩm hóa dầu PVT Tổng Công ty cổ phần Vận tải dầu khí Kinh doanh vận tải dầu thô và các sản phẩm dầu khí, kinh doanh vận tải hàng hoá bằng ô tô, đường thuỷ nội địa, dịch vụ giao nhận hàng hoá. SBC Công ty cổ phần Vận tải và Giao nhận Bia Sài Gòn Vận tải và giao nhận hàng hóa, vận tải hành khách bằng ô tô SFI Công ty cổ phần Đại lý Vận tải SAFI Đại lý vận tải, đại lý ủy thác quản lý container và giao nhận hàng hóa xuất nhập khẩu TJC Công ty cổ phần Dịch vụ Vận tải và Thương mại Dịch vụ vận tải hàng hóa và hành khách trong và ngoài nước VCV Công ty cổ phần Vận tải Vinaconex Vận tải hàng hóa, các loại cấu kiện siêu trường siêu trọng bằng đường bộ, đường sông và đường biển VFC Công ty cổ phần Vinafco Vận tải hàng hoá bằng đường biển, đường sông, ôtô trong và ngoài nước VIP Công ty Cổ phần Vận tải Xăng dầu VIPCO Vận tải ven biển và viễn dương VTO Công ty cổ phần Vận tải Kinh doanh vận tải xăng dầu bằng đường Trang 32 xăng dầu VITACO biển VTV Công ty Cổ phần Vật tư Vận tải Xi măng Kinh doanh vận tải biển trong nước và quốc tế, cung ứng cho thuê tàu biển. Để xây dựng một mô hình nhân tố phù hợp thì các chuổi số liệu đóng vai trò rất quan trọng, khi nghiên cứu một thời kỳ càng dài thì mô hình nhân tố xây dựng được càng đáng tin cậy hơn. Do thị trường chứng khoán việt nam vẫn còn khá mới mẽ nên việc hạn chế về số liệu là không thể tránh khỏi, các công ty niêm yết còn ít và niêm yết chưa lâu nên chúng ta chỉ có thể lựa chọn các số liệu sao cho phù hợp với quá trình nghiên cứu. Trong bài ngiên cứu này, chúng ta sẽ lựa chọn các chứng khoán được niêm yết trước 2007 để có một chuổi số liệu đủ dài khi phân tích. Cụ thể, đối với ngành dịch vụ dầu khí ta sẽ chọn: COM, PIT, PVC, PVD, PVS, SFC, đối với ngành vận tải ta sẽ chọn: HTV, PJC, PSC, PTS, SFI, VFC, VIP, VTV làm đối tượng trong quá trình nghiên cứu. 2.1.3 Lựa chọn các nhân tố vĩ mô Như chúng ta đã biết có rất nhiều các nhân tố tác động cũng như giải thích cho sự biến động của tỷ suất sinh lợi của chứng khoán. Việc tìm ra các nhân tố có thể giải thích tỷ suất sinh lợi trong từng ngành là rất quan trọng, có thể mô hình nhân tố này giải thích tốt cho một ngành nhưng không có ý nghĩa đối với một ngành khác. Cần chú ý rằng trong bài nghiên cứu này việc xây dựng mô hình nhân tố là chỉ nằm trong khuôn khổ một ngành, chúng ta không xây dựng một mô hình có thể giải thích được tất cả các tỷ suất sinh lợi của chứng khoán với một mức ý nghĩa cụ thể. Trước khi xây dựng mô hình nhân tố chúng ta sẽ lần lượt xem xét các chuổi số liệu về: chỉ số giá CPI, tốc độ tăng trưởng GDP, tỷ giá, chỉ số phát triển công nghiệp, giá vàng, giá dầu, và tỷ suất sinh lợi danh mục thị trường VNINDEX, từ đó chọn ra các nhân tố giải thích tốt nhất cho tỷ suất sinh lợi của từng chứng khoán trong từng ngành cụ thể, các số liệu về các nhân tố không đơn giản là các chuổi số liệu thô mà tất cả đều tất cả phải qua quá trình xử lý để có được một mô hình phù hợp, ví dụ ta phải lấy độ trể, sai phân cấp 1, cấp 2, logarit tự nhiên… của chuổi số liệu. Ngoài ra, việc mô hình Trang 33 nhân tố sẽ tốt hơn khi chúng ta xem xét đến nhiều nhân tố hơn, tỷ suất sinh lợi của một chứng khoán sẽ chịu tác động của nhiều nhân tố, việc xác định càng nhiều các nhân tố thích hợp để đưa vào mô hình sẽ làm cho mô hình giải thích tốt hơn và đem lại hiệu quả cao hơn cho nhà đầu tư. 2.1.4 Xử lý số liệu 2.1.4.1 Các chuổi số liệu được xem xét. Giá chứng khoán theo tuần, tháng và theo quý của 22 chứng khoán là giá đóng cửa vào ngày cuối tuần, cuối tháng hoặc cuối quý tương ứng. Tỷ suất sinh lợi của chứng khoán chúng ta sẽ tính toán dựa trên nguyên tắc ghép lãi liên tục và không xét đến cổ tức của từng chứng khoán cụ thể. Chúng ta sẽ áp dụng công thức sau đây để tính tỷ suất sinh lợi của tất cả các chứng khoán đang xem xét: r୲ = ln ( ௧ܲ ௧ܲିଵ ) Tính mức độ tăng trưởng của các nhân tố được tính theo công thức: r୊ = ௧ܻ − ௧ܻିଵݕ௧ିଵ Giá dầu lấy theo giá khuất khẩu FOB của tất cả các quốc gia với trọng số là sản lượng xuất khẩu của các quốc gia đó vào ngày cuối tuần, cuối tháng hoặc cuối quý. Giá vàng lấy theo giá mua vào theo ngày và các số liệu khác được lấy theo nhiều nguồn khác nhau. 2.1.4.2 Kiểm định tính dừng. Trước khi sử dụng số liệu để xây dựng mô hình thì chúng ta cần phải đảm bảo các chuổi số liệu đang xem xét phải có tính dừng. Một chuổi số liệu được xem là dừng nếu nó thoả tất cả những điều kiện sau: ü Dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn. ü Dữ liệu có giá trị phương sai không thay đổi theo thời gian Trang 34 ü Dữ liệu có một giản đồ tự tương quan với các hệ số tự tương quan sẽ giảm dần khi độ trể tăng lên. Việc xác định một chuổi dừng là rất quan trọng vì nếu chuổi không dừng thì chúng ta chỉ có thể nghiên cứu hành vi của nó trong khoản thời gian đang được xem xét. Kết quả là chúng ta không thể khái quát hoá cho các giai đoạn thời gian khác. Các số liệu về tỷ suất sinh lợi của chứng khoán và các nhân tố vĩ mô mà chúng ta xem xét đều phải đảm bảo được điều này. Dùng kiểm định ngiệm đơn vị để kiểm định tính dừng, đây là một phương pháp mang tính học thuật cao khi kiểm định tính dừng. Nội dung cụ thể như sau: giả sử ta có phương trình tự hồi quy: Yt = ρYt-1 +ut (-1 ≤ ρ ≤ 1) Ta có giả thiết: H0: ρ =1 (Yt là chuỗi không dừng) H1: ρ <1 (Yt là chuỗi dừng) Trừ 2 về cho Yt-1: Yt - Yt-1 = ρYt-1 - Yt-1 + ut ∆ Yt = δYt-1 + ut Như vậy giả thiết ở trên có thể được viết lại là: H0: δ =0 (Yt là chuỗi không dừng) H1: δ <0 (Yt là chuỗi dừng) Dickey và Fuller (DF)cho rằng giá trị t ước lượng của hệ số Yt-1 sẽ theo phân phối sác xuất τ (τ = giá trị δ ước lượng/sai số của hệ số δ). Kiểm định DF được ước lượng với 3 hình thức: Yt là một bước ngẫu nhiên không có hằng số: ∆ Yt = δYt-1 + ut Yt là một bước ngẫu nhiên có hằng số: ∆ Yt = β1 + δYt-1 + ut Yt là một bước ngẫu nhiên với hằng số xoay quanh một đường xu thế ngẫu nhiên: Trang 35 ∆ Yt = β1 + β2TIME + δYt-1 + ut. Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng DF. Nếu giá trị tuyệt đối của thống kê τ lớn hơn giá trị τ tra bảng, ta bác bỏ giả thiết H0, tức là Yt một chuổi dừng và ngược lại. Trong Eview, việc kiểm định tính dừng sẽ trở nên đơn giản hơn, dựa vào bảng kiểm định ta chỉ cần so sánh giá trị tuyệt đối của τ với các giá trị tuyệt đối t, từ đó ta có thể biết được chuỗi số liệu đang xem xét có dừng hay không và dừng với mới một mức ý nghĩa bao nhiêu. Qua quá trình xử lý các số liệu bằng phần mềm Eview chúng ta thấy các chuỗi số liệu của chúng ta đều dừng với một mức ý nghĩa xác định, đảm bảo cho sự phù hợp của mô hình1. 2.1.4.3 Kiểm tra độ tin cậy của mô hình. Sau khi xây dựng được mô hình nhân tố, chúng ta dựa vào kết quả thu được để xem mô hình có được chấp nhận với một mức ý nghĩa cho phép hay không. Từ kết quả hồi quy trên Eview ta chú ý các giá trị sau: P-value: tương ứng với các biến giải thích thì giá trị p càng nhỏ thì giá trị β ước lượng được càng có ý nghĩa thống kê. Thông thường giá trị p ≤10% là có thể chấp nhận được. R2 : giá trị R2 càng cao càng thể hiện mức độ giải thích của các biến giải thích tương ứng cho các biến độc lập. Durbin – Watson stat: hệ số kiểm định tự tương quan của mô hình, thông thường theo kinh nghiệm của các nhà kinh tế lượng thì giá trị DW <1 sẽ xảy ra tự tương quan dương, 1 ≤ DW ≤ 3 sẽ không có tự tương quan và 3 < DW < 4 sẽ xảy ra tự tương quan dương. Ngoai ra chúng ta cũng cần chú ý mối quan hệ giữa hệ số R2 và giá trị t để kiểm tra đa cộng tuyến, nếu hệ số cao nhưng t lại thấp thì hiện tượng đa cộng tuyến có thể xảy ra, chúng ta cần xem xét thêm các yếu tố khác như ma trận hệ số tương quan để kết luận mô hình có đa cộng tuyến hay không từ đó sẽ có các biện pháp khắc phục. 1 Xem phụ lục 1 Trang 36 Trong những trường hợp cần thiết, chúng ta cũng cần dùng các mô hình kiểm định để xác định phương sai có thay đổi, mô hình có thừa biến, thiếu biến hay không để xây dựng một mô hình phù hợp hơn. Từ đó quá trình dự báo của chúng ta sẽ đạt hiệu quả cao hơn. 2.2 Ngành dịch vụ dầu khí 2.2.1 Ứng dụng mô hình một nhân tố Sau khi kiểm định mối quan hệ giữa tỷ suất sinh lợi chứng khoán với lần lượt một số nhân tố vĩ mô ta nhận thấy sự thay đổi trong tỷ suất sinh lợi của các chứng khoán trong ngành được giải thích tốt nhất bởi nhân tố % thay đổi của giá dầu vì vậy chúng ta sẽ lấy % thay đổi giá dầu làm nhân tố trong mô hình một nhân tố chúng ta đang xem xét. Số liệu về giá dầu và giá chứng khoán sẽ được lấy từ giá ngày cuối tuần từ 1/2008 đến 2/2011 – gồm 164 mẫu quan sát2. Tỷ suất sinh lợi chứng khoán và % thay đổi giá dầu được tính theo 2 công thức đã nêu trên. Thực hiện phương pháp hồi quy trên Eview với biến độc lập là phần trăm thay đổi giá dầu, biến phụ thuộc là tỷ suất sinh lợi chứng khoán ta có được kết quả sau: 2 Xem phụ lục 2 Trang 37 Trang 38 Bảng 3: Kết quả mô hình một nhân tố cho ngành dịch vụ dầu khí: Mã CK Mô hình một nhân tố R2 COM rCOM = 0.003036 + 0.702813OIP 0.32 PIT rPIT = -0.007910 + 0.923291OIP 0.20 PVC RPVC = -0.007623 + 1.752993OIP 0.33 PVS rPVS = -0.006814 + 0.845229OIP 0.15 Trang 39 SFC rSFC = 0.000582 + 1.087385OIP 0,30 PVD rPVD = -0.004186 + 0.773309OIP 0,34 Giả sử theo phân tích của nhà đầu tư về tình hình kinh tế, chính trị trong nước và thế giới, giá dầu trong thời gian tới sẽ tăng trung bình 0,8% một tuần, thay giá trị này vào mô hình nhân tố tìm được thì ta có được tỷ suất sinh lợi kỳ vọng của các chứng khoán tương ứng cao hơn tỷ suất sinh lợi trung bình trong thời kỳ chúng ta đang xem xét. Chúng ta cần chú ý rằng, cơ sở để dự báo các nhân tố vĩ mô là dựa vào phân tích kinh tế vĩ mô của nhà đầu tư. Nhà đầu tư có thể dựa vào tốc độ tăng trưởng ổn định của các nhân tố vĩ mô trong giai đoạn hiện tại, hoặc dựa vào những bất ổn trong tình kinh tế chính trị trong nước, khu vực và thế giới để có những dự báo cho các biến vĩ mô. Nó phụ thuộc vào kỳ vọng của từng nhà đầu tư khác nhau trong các giai đoạn khác nhau, và phụ thuộc khả năng phân tích những thông tin của từng nhà đầu tư. Trong bài nghiên cứu này chúng ta chỉ đưa ra những dự báo xem như là một ví dụ để làm rõ cách thức xây dụng danh mục đầu tư một cách tổng quát. Tương tự các mô hình sau cũng chỉ đua ra các con số ví dụ để làm cơ sở xây dựng mô hình. Bảng 4: Tỷ suất sinh lợi theo mô hình một nhân tố - ngành dịch vụ dầu khí Mã CK COM PIT PVC PVS SFC PVD TSSL 0,8659% -0,0524% 0,6401% -0,0052% 0,9281% 0,2001% Từ kết quả dự báo ta sẽ sử dụng 4 chứng khoán: COM, PVC, SFC, PVD có tỷ suất sinh lợi dương để xây dựng một danh mục đầu tư. Bước tiếp theo ta sẽ thiết lập ma trận hiệp phương sai của 4 chứng khoán với cách thức thực hiện từng bước như sau: Từ dữ liệu tỷ suất sinh lợi của các chứng khoán ta lấy từng giá trị tỷ suất sinh lợi trong từng giai đoạn trừ đi tỷ suất sinh lợi dự báo ta sẽ được ma trận X1 n×m với n là số lượng tỷ suất sinh lợi trong thời kỳ quan sát, m là số lượng cổ phiếu trong danh mục. Thiết lập ma trận X2 là ma trận chuyển vị của ma trận X1 . Trang 40 Nhân 2 ma trận lại với nhau và chia cho n ta sẽ được ma trận hiệp phương sai cần tính. Với cách thực hiện như trên ta có được ma trận hiệp phương sai cho 4 chứng khoán như sau: Bảng 5: Ma trận hiệp phương sai mô hình hình một nhân tố - ngành DVDK: PVC SFC COM PVD PVC 0,025832 0,006665 0,004867 0,00500