Luận án Lan tỏa suất sinh lợi và độ biến thiên giữa các thị trường chứng khoán - Lê Đình Nghi

dữ liệu liên tục tuần hoàn có thể được xem là tổng của các chuỗi dữ liệu hình sin với vác thành phần tần số khác nhau. Nói cách khác, dựa vào phân tích chuỗi Fourier, ta có thể nhận diện được độ lớn (biên độ) của mỗi thành phần tần số ẩn trong dữ liệu ban đầu. 2.6.3.2 Biến đổi Fourier của dữ liệu liên tục không tuần hoàn Với tín hiệu không tuần hoàn, ta có một cặp biến đổi Fourier 𝐹[𝑥(𝑡)] và Fourier ngược 𝐹−1[𝑋(𝑓)] như sau: 𝑿(𝒇) = 𝑭[𝒙(𝒕)] = ∫ 𝒙(𝒕). ∞ −∞ 𝒆−𝒋𝟐𝝅𝒏𝒇𝒕𝒅𝒕 (2.27) 56 𝒙(𝒕) = 𝑭−𝟏[𝑿(𝒇)] = ∫ 𝑿(𝒇). ∞ −∞ 𝒆𝒋𝟐𝝅𝒏𝒇𝒕𝒅𝒇 (2.28) Phổ Fourier 𝑋(𝑓) của 𝑥(𝑡) có các đặc tính sau: - Phổ Fourier 𝑋(𝑓) là một hàm số phức của tần số, trong đó |𝑋(𝑓)| diễn tả phổ biên độ và 𝑎𝑟𝑔𝑋(𝑓) diễn tả phổ pha của 𝑥(𝑡) - Giá trị của 𝑋(𝑓) tại 𝑓 = 0 chính là giá trị trung bình của 𝑥(𝑡). Như vậy, ta thấy rằng mọi tín hiệu liên tục trong miền thời gian đều có thể được biến đổi qua miền tần số và ngược lại thông qua phép biến đổi Fourier và Fourier ngược. 2.6.3.3 Biến đổi Fourier của dữ liệu rời rạc Cho tín hiệu rời rạc x(n), phép biến đổi Fourier của x(n) được định nghĩa như sau: ( ) ( )j j n n X e x n e       (2.29) trong đó j là đơn vị ảo trong số phức, nghĩa là 12 j Ngược lại, để chuyển đổi dữ liệu từ miền tần số sang lại miền thời gian, ta sử dụng phép biến đổi Fourier ngược theo công thức: 1 ( ) ( ) 2 j k jx k e X e d          (2.30) Như vậy phép biến đổi Fourier và Fourier ngược đã chuyển tín hiệu x(n) từ miền thời gian sang miền tần số ω (hay tần số f = ω/2π) và ngược lại. Dựa vào đó, các chuỗi dữ liệu kinh tế (chuỗi thời gian) có thể được chuyển đổi qua miền tần số, phân tích 57 và xử lý trên miền tần số và sau đó chuyển ngược lại miền thời gian để thu được dữ liệu mong muốn. 2.7. Phân tích dữ liệu trong miền tần số Dựa trên phép biến đổi Fourier, mỗi chuỗi dữ liệu có thể được quan sát trong miền tần số. Từ đó, nhiều kỹ thuật xử lý dữ liệu đã được áp dụng để phân tích dữ liệu ở các thành phần tần số khác nhau, trong đó phổ biến là các bộ lọc tần số và phân tích nhân quả trong miền tần số. Trong đó, phương pháp phân tích nhân quả trong miền tần số là phương pháp được sử dụng trong luận án này Phân tích nhân quả trong miền tần số là kỹ thuật để mở rộng phân tích nhân quả trong miền thời gian sang miền tần số. Theo Granger & Lin (1995), mối quan hệ nhân quả (causality) có thể có chiều và độ lớn khác nhau ứng với các thành phần tần số khác nhau. Vì vậy, nhiều nghiên cứu đã xây dựng các phương pháp phân tích nhân quả trong miền tần số như Geweke (1982), Hosoya (1991), Breitung & Candelon (2006), Trong đó, kỹ thuật được ứng dụng rộng rãi là phương pháp của Breitung & Candelon (2006), được sử dụng trong các nghiên cứu của Yanfeng (2013), Gradojevic (2013), Ozer & Kamisli (2016) và sẽ được trình bày chi tiết trong Chương 4. 2.8. Các nghiên cứu dựa trên phân tích trong miền tần số trong lĩnh vực kinh tế - tài chính Phân tích dữ liệu trong miền tần số đã được áp dụng rộng rãi trong các lĩnh vực khoa học tự nhiên và kỹ thuật như vật lý, viễn thông, âm học, Gần đây, việc áp dụng kỹ thuật này cũng được áp dụng vào lĩnh vực kinh tế, tài chính. Dựa vào khả năng nhận diện được các thành phần tần số khác nhau trong chuỗi dữ liệu kinh tế, nhiều tác giả đã nghiên cứu các phương pháp phân tách chuỗi thời gian thành các thành phần có chu kỳ khác nhau. Đây là cơ sở cho việc nhận dạng và phân tách các thành phần xu thế, chu kỳ, mùa vụ trong chuỗi dữ liệu thời gian. Baxter & King 58 (1999) đã xây dựng bộ lọc tần số để tách thành phần chu kỳ trong các dữ liệu kinh tế. Từ đó, nhiều công trình nghiên cứu khác đã được thực hiện nhằm cải tiến hoặc ứng dụng bộ lọc này vào các tình huống thực tiễn. Ví dụ như Buss (2010) đã đề xuất bộ lọc Baxter-King bất đối xứng (Asymmetric Baxter-King filter) nhằm cải tiến bộ lọc trước đó là bộ lọc Baxter-King đối xứng; sau đó Larsson & Vasi (2012) đã thực hiện so sánh khả năng tách thành phần xu thế của các bộ lọc tần số khác nhau dựa trên việc áp dụng với các tập dữ liệu kinh tế tại Mỹ là tổng sản phẩm quốc nội (GDP), tiêu dùng (consumption), đầu tư (investment) và lạm phát (inflation). Ngoài ra, nhiều bộ lọc tần số khác cũng được xây dựng trong các nghiên cứu của Hodrick & Prescott (1997), Ravn & Uhlig (2002), Ngoài ra, phân tích dữ liệu trong miền tần số còn được sử dụng để phân tích tương quan ở những tần số khác nhau. Theo Granger & Lin (1995), mối quan hệ nhân quả (causality) có thể có chiều và độ lớn khác nhau ứng với các thành phần tần số khác nhau. Trong khi đó, các kiểm định Granger cổ điển không thể phát hiện được điều này nên việc phân tích trong miền tần số là cần thiết, nhằm có được cái nhìn sâu hơn về mối quan hệ nhân quả ứng với các thành phần tần số khác nhau. Dựa vào phân tích trong miền tần số, ta có thể phân tích tương quan của tập dữ liệu ở các thành phần chu kỳ khác nhau. Điều này giúp các NĐT ngắn hạn và dài hạn có thể ra quyết định chính xác hơn, trên cơ sở phân tích tương quan các dữ liệu cần quan tâm trong ngắn hạn và dài hạn. Granger (1969) đã xây dựng phương pháp kiểm định sự tương quan nhân quả (causal relations) dựa trên phân tích ở miền tần số. Từ đó, nhiều bài báo khác đã đề xuất nhiều phương pháp khác để phát triển phương pháp phân tích này như Geweke (1982), Hosoya (1991), Breitung & Candelon (2006). Dựa trên các phương pháp này, nhiều nghiên cứu tiếp tục được thực hiện nhằm nghiên cứu tương quan nhân quả giữa các chuỗi số liệu kinh tế vĩ mô tại các nền kinh tế khác nhau. Yanfeng (2013) đã dựa vào các kỹ thuật phân tích tương quan trong miền tần số đã được phát triển để phân tích tương quan giữa giá dầu và nền kinh tế Nhật Bản. Bằng kỹ thuật phân tích trong miền tần số, bài báo này đã chỉ ra rằng có sự tương quan phi tuyến giữa giá dầu và các biến như sản lượng công nghiệp, chỉ số giá tiêu dùng (CPI) 59 ở các tần số thấp, trong khi ở các tần số cao, sự tương quan phi tuyến này chỉ được phát hiện giữa giá dầu và tỷ lệ thất nghiệp. Trên cơ sở đó, tác giả cho rằng giá dầu sẽ chứa nhiều thông tin hữu ích và sẽ là căn cứ tốt để dự báo sản lượng công nghiệp, chỉ số giá tiêu dùng và tỷ lệ thất nghiệp ở các tần số thấp. Tác giả kết luận rằng giá dầu có khuynh hướng ảnh hưởng đến nền kinh tế Nhật Bản ở tần số thấp, nghĩa là các cú sốc (shock) về giá dầu sẽ không tác động ngay lập tức đến nền kinh tế Nhật Bản. Điều này hàm ý khuyến nghị các nhà làm chính sách tại Nhật Bản nên tập trung vào các tác động trong dài hạn để đối phó với các cú sốc của giá dầu. Chan và cộng sự, (2008) đã dùng kỹ thuật phân tích trong miền tần số để nghiên cứu mối liên hệ giữa thị trường Mỹ và thị trường Hong Kong trong giai đoạn từ 01/1991 đến 05/2006. Nghiên cứu đã kết luận rằng mối quan hệ nhân quả (causal relationship) giữa các thị trường thay đổi ứng với các thành phần tần số khác nhau. Cụ thể, nghiên cứu đã chỉ ra trước cuộc khủng hoảng tài chính tại châu Á (1997), tồn tại mối liên hệ 2 chiều giữa 2 thị trường này ứng với thành phần chu kỳ dài, hay nói cách khác là thành phần tần số thấp. Còn sau cuộc khủng hoảng tài chính châu Á và sau sự kiện khủng bố 11/9, chỉ có sự tác động 1 chiều từ thị trường Mỹ sang thị trường Hong Kong ứng với thành phần chu kì ngắn (thành phần tần số cao). Tương tự như vậy, Gradojevic (2013) đã sử dụng kỹ thuật phân tích dữ liệu trong miền tần số để phân tích sự tương quan nhân quả (causality) giữa SSL của các cổ phiếu trên các TTCK Serbia, Croatia, Slovenia, Hungary và Đức. Nghiên cứu sử dụng phương pháp phân tích nhân quả trên miền tần số của Breitung & Candelon (2006) để kiểm định mối liên hệ lợi nhuận giữa các thị trường dựa trên các chỉ số BELEX 15, CROBEX, CETOP, SBITOP, DAX đại diện cho thị trường Serbia, Croatia, Hungary, Slovenia, và Đức. Kết quả nghiên cứu chỉ ra mối liên hệ giữa các thị trường, nhưng không phải ở tất cả tần số khác nhau. Ví dụ, SSL của chỉ số DAX có tác động lên chỉ số BELEX 15 chỉ ở thành phần chu kỳ từ 3 đến 11 ngày. Gần đây, Ozer & Kamisli (2016) đã sử dụng phương pháp phân tích nhân quả trong miền tần số của Breitung & Candelon (2006) để phân tích lan tỏa biến thiên giữa SSL cổ phiếu lên lãi suất và tỷ giá tại Thổ Nhĩ Kỳ. Kết quả nghiên cứu xác nhận hiện tượng lan tỏa độ biến thiên có ý nghĩa thống kê từ SSL cổ phiếu lên lãi suất 60 và tỷ giá đồng EURO tại Thổ Nhĩ Kỳ trong cả trung và dài hạn, lên tỷ giá đồng USD trên cả ngắn và trung hạn; và lan tỏa từ tỷ giá USD lên SSL cổ phiếu trong ngắn hạn. Như vậy, vì mối quan hệ nhân quả (causality) có thể có chiều và độ lớn khác nhau ứng với các thành phần tần số khác nhau (Granger & Lin, 1995) nên việc phân tích nhân quả trên miền tần số là điều cần thiết để có cái nhìn sâu hơn về các mối quan hệ này. Ngoài ra, mặc dù có một số nghiên cứu tìm hiểu về kỹ thuật phân tích dữ liệu trong miền tần số và hiệu ứng lan tỏa độ biến thiên tại các thị trường khác nhau, nhưng tác giả vẫn chưa tìm thấy nghiên cứu nào áp dụng phân tích dữ liệu trong miền tần số vào việc nghiên cứu về sự lan tỏa độ biến thiên giữa các TTCK. Vì vậy, để có cái nhìn sâu hơn về lan tỏa độ biến thiên từ thị trường phát triển lên thị trường cận biên, đề tài sẽ nghiên cứu lan tỏa SSL và độ biến thiên từ thị trường phát triển – đại diện là TTCK Mỹ và Nhật - lên thị trường cận biên - đại diện là TTCK Việt Nam - ứng với các thành phần tần số (chu kỳ) khác nhau, dựa trên phân tích trên miền tần số. Đây chính là điểm mới trong luận án này. Tóm lại, dựa vào nhận định của Granger & Lin (1995) rằng mối quan hệ giữa các các chuỗi dữ liệu tài chính có thể khác nhau ứng với các thành phần tần số khác nhau, một số nghiên cứu đã cung cấp bằng chứng cho nhận định này cho một vài chuỗi dữ liệu tài chính khác nhau. Vì vậy, luận án này đề xuất các giả thuyết nghiên cứu sau: - Giả thuyết 7: Tác động lan tỏa SSL của chỉ số S&P 500 lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. - Giả thuyết 8: Tác động lan tỏa SSL của chỉ số Nikkei 225 lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. - Giả thuyết 9: Tác động lan tỏa SSL của chỉ số KOSPI lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. 61 - Giả thuyết 10: Tác động lan tỏa độ biến thiên của chỉ số S&P 500 lên VN- Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. - Giả thuyết 11: Tác động lan tỏa độ biến thiên của chỉ số Nikkei 225 lên VN- Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. - Giả thuyết 12: Tác động lan tỏa độ biến thiên của chỉ số KOSPI lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. Phương pháp kiểm định các giả thuyết này sẽ được trình bày chi tiết trong chương 3 2.9. Tóm tắt chương 2 Chương 2 đã giới thiệu các cơ sở lý thuyết, từ đó đề xuất các giả thuyết nghiên cứu của luận án. Cụ thể hơn, chương này đã trình bày ý nghĩa và phương pháp đo lường SSL và độ biến thiên cũng như khái niệm và các lý thuyết liên quan đến lan tỏa SSL và độ biến thiên. Ngoài ra, chương này còn giới thiệu về kỹ thuật phân tích dữ liệu trong miền tần số bao gồm phân tích Fourier, các bộ lọc tần số, phân tích nhân quả trong miền tần số cũng như các ứng dụng của kỹ thuật này trong lĩnh vực kinh tế - tài chính. Cuối cùng, chương này còn lược khảo các nghiên cứu liên quanb đến lan tỏa SSL và độ biến thiên cũng như ứng dụng kỹ thuật phân tích trong miền tần số vào lĩnh vực kinh tế - tài chính, từ đó chương này đề xuất các giả thuyết nghiên cứu của luận án. 62 CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU 3.1. Giới thiệu Chương 3 sẽ trình bày dữ liệu và phương pháp nghiên cứu của luận án. Cụ thể, chương này sẽ giới thiệu mô hình nghiên cứu, sau đó sẽ trình bày chi tiết các bước phân tích dữ liệu, bao gồm thu thập dữ liệu, phân tích lan tỏa SSL bằng kiểm định nhân quả Granger (Granger, 1969), phân tích lan tỏa độ biến thiên thông qua ước lượng độ biến thiên bằng mô hình GARCH (Bollerslev, 1986) và kiểm định kiểm định tác động lan tỏa bằng kiểm định nhân quả Granger, cũng như phân tích lan tỏa SSL và độ biến thiên trong miền tần số bằng phương pháp nhân quả trong miền tần số (Breitung & Candelon, 2006). Những phần tiếp theo sẽ trình này chi tiết các nội dung này 3.2. Mô hình nghiên cứu Như đã phân tích ở Chương 2, các TTCK trên thế giới có thể có tác động lan tỏa với nhau. Điều này đã được khẳng định trong lý thuyết mưa sao băng (Meteor Showers) của Engle và cộng sự (1990). Từ đó, nhiều nghiên cứu đã phát hiện tác động lan tỏa giữa nhiều thị trường khác nhau trên thế giới như Engle và cộng sự (1990), Hamao và cộng sự (1990), Ng (2000), Miyakoshi (2003), Ergun & Nor (2010), Sakthivel và cộng sự (2012), Kharchenko & Tzvetkov (2013), Nishimura và cộng sự (2015), Yarovaya và cộng sự (2016). Nền kinh tế Việt Nam đang ngày càng phát triển và hội nhập sâu hơn vào nền kinh tế toàn cầu thông qua gia tăng các hoạt động xuất nhập khẩu, thu hút vốn đầu tư nước ngoài, tham gia các hiệp định thương mại tự do; ngoài ra, cơ sở hạ tầng công nghệ thông tin và viễn thông phát triển có thể làm cho TTCK Việt Nam chịu tác động lan tỏa từ các TTCK thế giới. Hoạt động trong nền kinh tế có qui mô lớn nhất thế giới, 63 TTCK Mỹ có thể có tác động lan tỏa đến các TTCK khác trên thế giới, trong đó có Việt Nam. Ngoài ra, là một quốc gia thuộc châu Á, TTCK Việt Nam cũng có thể chịu tác động lan tỏa từ TTCK Nhật và Hàn Quốc, là các thị trường phát triển và có qui mô hàng đầu châu Á. Vì vậy, TTCK Việt Nam có thể chịu tác động lan tỏa từ các TTCK Mỹ, Nhật và Hàn Quốc. Một phương pháp có thể được sử dụng để kiểm định tác động lan tỏa giữa các thị trường là kiểm định nhân quả Granger (Ciner, 2011; Zhou và cộng sự, 2014). Dựa vào các phương pháp thống kê được sử dụng trong các nghiên cứu của Ciner (2011), Gradojevic (2013), Ozer & Kamisli (2016), luận án đề xuất mô hình nghiên cứu về tác động lan tỏa SSL từ TTCK Mỹ sang TTCK Việt Nam được trình bày bằng phương trình VAR (Vector autoregression) trong kiểm định nhân quả Granger như sau: (Gujarati, 2004): 𝑟𝑉𝑁,𝑡 = 𝛼0 + 𝛼1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛼𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝛽1𝑟𝑈𝑆,𝑡−1 + ⋯ + 𝛽𝑙𝑟𝑈𝑆,𝑡−𝑙 + 𝜀𝑡 (3.1) 𝑟𝑈𝑆,𝑡 = 𝛾0 + 𝛾1𝑟𝑈𝑆,𝑡−1 + ⋯ + 𝛾𝑙𝑟𝑈𝑆,𝑡−𝑙 + 𝛿1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛿𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝑢𝑡 (3.2) trong đó 𝑟𝑈𝑆,𝑡 và 𝑟𝑉𝑁,𝑡 lần lượt là SSL tại TTCK Mỹ và Việt Nam tại thời điểm 𝑡 và các hệ số 𝛼0, 𝛼1, 𝛼𝑙, 𝛽1, , 𝛽𝑙 , 𝛾0, , 𝛾𝑙 và 𝛿1, , 𝛿𝑙 là các hệ số của phương trình hồi qui. Nếu các hệ số 𝛽1, , 𝛽𝑙 có ý nghĩa thống kê, chứng tỏ SSL tại TTCK Mỹ sẽ có tác động lan tỏa lên TTCK Việt Nam. Tương tự, lan tỏa SSL từ TTCK Nhật sang TTCK Việt Nam được kiểm định trong mô hình sau: 𝑟𝑉𝑁,𝑡 = 𝛼0 + 𝛼1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛼𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝛽1𝑟𝐽𝑃,𝑡−1 + ⋯ + 𝛽𝑙𝑟𝐽𝑃,𝑡−𝑙 + 𝜀𝑡 (3.3) 𝑟𝐽𝑃,𝑡 = 𝛾0 + 𝛾1𝑟𝐽𝑃,𝑡−1 + ⋯ + 𝛾𝑙𝑟𝐽𝑃,𝑡−𝑙 + 𝛿1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛿𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝑢𝑡 (3.4) 64 trong đó 𝑟𝐽𝑃,𝑡 và 𝑟𝑉𝑁,𝑡 lần lượt là SSL tại TTCK Nhật và Việt Nam tại thời điểm 𝑡 và các hệ số 𝛼0, 𝛼1, 𝛼𝑙, 𝛽1, , 𝛽𝑙 , 𝛾0, , 𝛾𝑙 và 𝛿1, , 𝛿𝑙 là các hệ số của phương trình hồi qui. Nếu các hệ số 𝛽1, , 𝛽𝑙 có ý nghĩa thống kê, chứng tỏ SSL tại TTCK Nhật sẽ có tác động lan tỏa lên TTCK Việt Nam. Tương tự, lan tỏa SSL từ TTCK Hàn Quốc sang TTCK Việt Nam được kiểm định trong mô hình sau: 𝑟𝑉𝑁,𝑡 = 𝛼0 + 𝛼1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛼𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝛽1𝑟𝐾𝑅,𝑡−1 + ⋯ + 𝛽𝑙𝑟𝐾𝑅,𝑡−𝑙 + 𝜀𝑡 (3.5) 𝑟𝐾𝑅,𝑡 = 𝛾0 + 𝛾1𝑟𝐾𝑅,𝑡−1 + ⋯ + 𝛾𝑙𝑟𝐾𝑅,𝑡−𝑙 + 𝛿1𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛿𝑙𝑟𝑉𝑁,𝑡−𝑙 + 𝑢𝑡 (3.6) trong đó 𝑟𝐾𝑅,𝑡 và 𝑟𝑉𝑁,𝑡 lần lượt là SSL tại TTCK Hàn Quốc và Việt Nam tại thời điểm 𝑡 và các hệ số 𝛼0, 𝛼1, 𝛼𝑙, 𝛽1, , 𝛽𝑙 , 𝛾0, , 𝛾𝑙 và 𝛿1, , 𝛿𝑙 là các hệ số của phương trình hồi qui. Nếu các hệ số 𝛽1, , 𝛽𝑙 có ý nghĩa thống kê, chứng tỏ SSL tại TTCK Hàn Quốc sẽ có tác động lan tỏa lên TTCK Việt Nam. Các SSL 𝑟𝑡 tại các thị trường được tính toán dựa vào các chỉ số S&P 500, Nikkei 225, KOSPI và VN-Index tại các TTCK Mỹ, Nhật, Hàn Quốc và Việt Nam, và được tính toán theo công thức (2.3) đã được trình bày trong Chương 2. Tác động lan tỏa độ biến thiên cũng được kiểm định thông qua mô hình nhân quả Granger như đã trình bày ở trên, trong đó các giá trị SSL được thay bằng độ biến thiên. Cụ thể hơn, dựa vào các mô hình được sử dụng trong các nghiên cứu của Ozer & Kamisli (2016), Ciner (2011) lan tỏa độ biến thiên từ TTCK Mỹ sang TTCK Việt Nam được trình bày trong mô hình sau: 𝜎𝑉𝑁,𝑡 2 = 𝛼0 + 𝛼1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛼𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝛽1𝜎𝑈𝑆,𝑡−1 2 + ⋯ + 𝛽𝑙𝜎𝑈𝑆,𝑡−𝑙 2 + 𝜀𝑡 (3.7) 𝜎𝑈𝑆,𝑡 2 = 𝛾0 + 𝛾1𝜎𝑈𝑆,𝑡−1 2 + ⋯ + 𝛾𝑙𝜎𝑈𝑆,𝑡−𝑙 2 + 𝛿1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛿𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝑢𝑡 (3.8) 65 trong đó σUS,t 2 và σVN,t 2 lần lượt là độ biến thiên tại TTCK Mỹ và Việt Nam tại thời điểm t và các hệ số α0, α1, αl, β1, , βl, γ0, , γl và δ1, , δl là các hệ số của phương trình hồi qui. Nếu các hệ số β1, , βl có ý nghĩa thống kê, chứng tỏ độ biến thiên tại TTCK Mỹ sẽ có tác động lan tỏa lên TTCK Việt Nam. Tương tự, việc kiểm định lan tỏa độ biến thiên từ TTCK Nhật sang TTCK Việt Nam được thực hiện qua mô hình sau: 𝜎𝑉𝑁,𝑡 2 = 𝛼0 + 𝛼1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛼𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝛽1𝜎𝐽𝑃,𝑡−1 2 + ⋯ + 𝛽𝑙𝜎𝐽𝑃,𝑡−𝑙 2 + 𝜀𝑡 (3.9) 𝜎𝐽𝑃,𝑡 2 = 𝛾0 + 𝛾1𝜎𝐽𝑃,𝑡−1 2 + ⋯ + 𝛾𝑙𝜎𝐽𝑃,𝑡−𝑙 2 + 𝛿1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛿𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝑢𝑡 (3.10) trong đó σ𝐽𝑃,t 2 và σVN,t 2 lần lượt là độ biến thiên tại TTCK Nhật và Việt Nam tại thời điểm t và các hệ số α0, α1, αl, β1, , βl, γ0, , γl và δ1, , δl là các hệ số của phương trình hồi qui. Nếu các hệ số β1, , βl có ý nghĩa thống kê, chứng tỏ độ biến thiên tại TTCK Nhật sẽ có tác động lan tỏa lên TTCK Việt Nam. Tương tự, việc kiểm định lan tỏa độ biến thiên từ TTCK Hàn Quốc sang TTCK Việt Nam được thực hiện qua mô hình sau: 𝜎𝑉𝑁,𝑡 2 = 𝛼0 + 𝛼1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛼𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝛽1𝜎𝐾𝑅,𝑡−1 2 + ⋯ + 𝛽𝑙𝜎𝐾𝑅,𝑡−𝑙 2 + 𝜀𝑡 (3.11) 𝜎𝐾𝑅,𝑡 2 = 𝛾0 + 𝛾1𝜎𝐾𝑅,𝑡−1 2 + ⋯ + 𝛾𝑙𝜎𝐾𝑅,𝑡−𝑙 2 + 𝛿1𝜎𝑉𝑁,𝑡−1 2 + ⋯ + 𝛿𝑙𝜎𝑉𝑁,𝑡−𝑙 2 + 𝑢𝑡 (3.12) trong đó σ𝐾𝑅,t 2 và σVN,t 2 lần lượt là độ biến thiên tại TTCK Hàn Quốc và Việt Nam tại thời điểm t và các hệ số α0, α1, αl, β1, , βl, γ0, , γl và δ1, , δl là các hệ số của phương trình hồi qui. Nếu các hệ số β1, , βl có ý nghĩa thống kê, chứng tỏ độ biến thiên tại TTCK Hàn Quốc sẽ có tác động lan tỏa lên TTCK Việt Nam. Tương tự các nghiên cứu của Ciner (2011), Ozer & Kamisli (2016), các chuỗi dữ liệu độ biến thiên σt 2 tại các thị trường được ước lượng dựa trên áp dụng mô hình 66 GARCH (Bollerslev, 1986) vào các chuỗi dữ liệu SSL của S&P 500, Nikkei 225, KOSPI và VN-Index tại các TTCK Mỹ, Nhật, Hàn Quốc và Việt Nam. Chi tiết về ước lượng mô hình GARCH sẽ được trình bày trong các phần tiếp theo. Như vậy, từ cơ sở lý thuyết cũng như các nghiên cứu thực nghiệm tại nhiều trên thế giới, cùng với bối cảnh hội nhập của nền kinh tế Việt Nam, luận án đề xuất các giả thuyết nghiên cứu sau: - Giả thuyết 1: SSL của chỉ số S&P 500 có tác động lan tỏa lên SSL của chỉ số VN-Index. - Giả thuyết 2: SSL của chỉ số Nikkei 225 có tác động lan tỏa lên SSL của chỉ số VN-Index. - Giả thuyết 3: SSL của chỉ số KOSPI có tác động lan tỏa lên SSL của chỉ số VN-Index. - Giả thuyết 4: Độ biến thiên của chỉ số S&P 500 có tác động lan tỏa lên độ biến thiên của chỉ số VN-Index. - Giả thuyết 5: Độ biến thiên của chỉ số Nikkei 225 có tác động lan tỏa lên độ biến thiên của chỉ số VN-Index. - Giả thuyết 6: Độ biến thiên của chỉ số KOSPI có tác động lan tỏa lên độ biến thiên của chỉ số VN-Index. Ngoài ra, dựa vào nhận định của Granger & Lin (1995) rằng mối quan hệ giữa các các chuỗi dữ liệu tài chính có thể khác nhau ứng với các thành phần tần số khác nhau, một số nghiên cứu đã cung cấp bằng chứng cho nhận định này cho một vài chuỗi dữ liệu tài chính khác nhau như các nghiên cứu của Chan và cộng sự (2008), Gradojevic (2013), Yanfeng (2013), Ozer & Kamisli (2016). Dựa trên mô hình được sử dụng trong các nghiên cứu trên, luận án đề xuất mô hình nghiên cứu nhằm kiểm định tác động lan tỏa SSL từ TTCK Mỹ, Nhật và Hàn Quốc sang TTCK Việt Nam tại các thành phần tần số ω khác nhau như sau: M𝑟𝑈𝑆→𝑟𝑉𝑁(ω) = 0 (3.13) 67 M𝑟𝐽𝑃→𝑟𝑉𝑁(ω) = 0 (3.14) M𝑟𝐾𝑅→𝑟𝑉𝑁(ω) = 0 (3.15) Trong đó, - 𝑟𝑈𝑆, 𝑟𝐽𝑃, 𝑟𝐾𝑅 và 𝑟𝑉𝑁 lần lượt là chuỗi dữ liệu SSL tại các TTCK Mỹ, Nhật và Việt Nam - My→x(ω) = 0 là một ràng buộc tuyến tính nhằm kiểm định giả thuyết 𝑦 có tác động nhân quả lên 𝑥 tại thành phần tần số 𝜔. Công thức xác định My→x(ω) được đề xuất bởi Breitung & Candelon (2006) và sẽ được trình bày chi tiết trong các phần tiếp theo. Tương tự, luận án đề xuất mô hình nhằm kiểm định tác động lan tỏa độ biến thiên từ TTCK Mỹ, Nhật và Hàn Quốc sang TTCK Việt Nam tại các thành phần tần số ω khác nhau như sau: M𝜎𝑈𝑆2 →𝜎𝑉𝑁2 (ω) = 0 (3.16) M𝜎𝐽𝑃2 →𝜎𝑉𝑁2 (ω) = 0 (3.17) M𝜎𝐾𝑅2 →𝜎𝑉𝑁2 (ω) = 0 (3.18) Trong đó, - 𝜎𝑈𝑆 2 , 𝜎𝐽𝑃 2 , 𝜎𝐾𝑅 2 và 𝜎𝑉𝑁 2 lần lượt là chuỗi dữ liệu độ biến thiên tại các TTCK Mỹ, Nhật và Việt Nam - My→x(ω) = 0 là một ràng buộc tuyến tính nhằm kiểm định giả thuyết 𝑦 có tác động nhân quả lên 𝑥 tại thành phần tần số 𝜔. Công thức xác định My→x(ω) được đề xuất bởi Breitung & Candelon (2006) và sẽ được trình bày chi tiết trong các phần tiếp theo. 68 Như đã trình bày ở phần trên, các chuỗi dữ liệu độ biến thiên tại các thị trường có thể được ước lượng bằng mô hình GARCH (Bollerslev, 1986). Từ các mô hình nghiên cứu trên, dựa trên lý thuyết của Granger & Lin (1995) về sự phụ thuộc tần số trong mối quan hệ nhân quả giữa các chuỗi dữ liệu kinh tế cùng với một số bằng chứng thực nghiệm được tìm thấy trong các nghiên cứu trước, luận án đề xuất các giả thuyết nghiên cứu sau: - Giả thuyết 7: Tác động lan tỏa SSL của chỉ số S&P 500 lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. - Giả thuyết 8: Tác động lan tỏa SSL của chỉ số Nikkei 225 lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. - Giả thuyết 9: Tác động lan tỏa SSL của chỉ số KOSPI lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa SSL sẽ khác nhau. - Giả thuyết 10: Tác động lan tỏa độ biến thiên của chỉ số S&P 500 lên VN- Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. - Giả thuyết 11: Tác động lan tỏa độ biến thiên của chỉ số Nikkei 225 lên VN- Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. - Giả thuyết 12: Tác động lan tỏa độ biến thiên của chỉ số KOSPI lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác nhau, tác động lan tỏa độ biến thiên sẽ khác nhau. Để kiểm định các giả thuyết trên, luận án thực hiện thu thập dữ liệu, kiểm định lan tỏa SSL bằng kiểm định nhân quả Granger (Granger, 1969), ước lượng độ biến thiên bằng mô hình GARCH (Bollerslev, 1986) và kiểm định lan tỏa độ biến thiên 69 SSL bằng kiểm định nhân quả Granger (Granger, 1969) và phân tích lan tỏa SSL và độ biến thiên ở các thành phần tần số khác nhau bằng kỹ thuật phân tích nhân quả trong miền tần số (Breitung & Candelon, 2006). Các phần tiếp theo sẽ trình này chi tiết việc áp dụng các phương pháp này nhằm kiểm định các giả thuyết đặt ra. 3.3. Thu thập dữ liệu Dữ liệu sử dụng để phân tích là các chỉ số tổng hợp theo ngày của S&P 500 (đại diện cho TTCK Mỹ), Nikkei 225 (đại diện TTCK Nhật), KOSPI (đại diện cho TTCK Hàn Quốc) và VN-Index (đại diện cho TTCK Việt Nam) trong giai đoạn từ 01/01/2012 đến 31/12/2015. Dữ liệu được thu thập từ cơ sở dữ liệu Datastream Lý do chọn giai đoạn nghiên cứu này là l