TÁC ĐỘNG CỦA CÁC BIẾN vĩ MÔ LÊN
ĐỘ BIỂN ĐỘNG THỊ TRƯỜNG CHỨNG KHOÁN - NGHIÊN CỨU THỰC NGHIỆM sử DỤNG
MÔ HÌNH GARCH-MIDAS TẠI VIỆT NAM
NguyễnThị Liên
TrườngĐạihọcKỉnh tế Quốc dân Email: lỉentkt@neu. edu.vn
Nguyễn Thị Minh
Trường ĐạihọcKinh tế Quốc dãn Email: mì[email protected]
Hoàng Thị Thu Hà TrườngĐạihọc Thươngmại Email: [email protected] Mã bài: JED - 189
Ngày nhận: 31/05/2021 Ngày nhận bản sửa: 17/07/2021 Ngày duyệt đăng: 11/08/2021
Tóm tắt:
Bài báo nghiên cứu vai trò của cácbiến vĩ mô lên độ biến động dàihạn của chỉ sổthị trường chứng khoán ViệtNam sử dụng mô hình GARCH-MIDAS - là mô hình chophép nghiên cứu độ biến độngsửdụng kết hợp các biến số có tần suất khác nhau. Phàn tích thực nghiệmcho thây các biến vì mô, nhìn chung,cỏ tác động đáng kể đến độ biểnđộngdài hạn của thị trường chứngkhoán Việt Nam. Đặc biệt, két quả cho thấy vai trò cùa các biếnvĩ mô trong thời kị’khùng hoảng kinh tếthế giới thấphơn rất nhiều so với các thời kỳ khác. Thậm chi trong thời kỳ nàv, vai trò cùa các biến nàylàkhông có ỷ nghĩa thống kê. Ngoàira, vai trò của các biển vĩ môcũng khá khácnhau, trong khi lãi suâtcó ảnh hưởngmạnh hon nhưng tăngtrưởng lại có tác động lảu dài hơn tới độ biên động dài hạn. Kêt quả thực nghiêmcũng chỉ ra các biến vĩ môcó ảnh hưởng mạnh hơn tớichi số HNX-Indexso với chi sổ VN-Index.
Từ khóa:Biến vĩ mô, Độbiếnđộng, GARCH-MIDAS, HNX-Index, VN-Index.
MãJEL: C13, C22, GIO
Impacts of macroeconomic variables on stock market volatility - Empirical research using GARCH-MIDAS model in Vietnam
Abstract
This study investigates the role of macroeconomic variables on the long-term volatility’ of Vietnam stock market indexesusing the GARCH-MIDAS model. This model helps to combine high-frequency and low-frequency variables to estimate the long-term volatility’. The results show that macro variables, in general, have a significantimpacton the long-term stock market volatility’ inVietnam. Andthe impactmay bedifferent in value depending on a specific situation.
Specifically, in a normal situation, the impactof macro variables ismuch larger than in the period of the world economiccrisis. In addition, the pattern of impactis also quite different whileinterest ratehasa strongereffect than GDP, the latter has a longer impact onlong-term volatility’. Theresults also showthe influence of macro variables on HNX-Index is higher than that on VN-Index.
Keywords: Macroeconomic variable; volatility; GARCH-MIDAS;HNX-Index; VN-Index.
JEL Codes: C13, C22, GIO
sổ
291 tháng 9/2021 15Kinlityiiiitíiiến
1. Giói thiệu vàtổng quannghiêncứu
Độ biến động (volatility) là mộtđại lượng phảnánh độ rủi ro cúa tài sản tài chính và danh mục đâu tư.
Trong phần lớn các tình huống, độ biến động càng caothểhiệnrủiro của tài sảncànglớn.Độnảiro cùa một tài sản hoặcdanh mục cóvaitròquantrọng trong việcra quyết định đầu tư vàhoạt động quảntrịrủiro. Trên thị trường chứng khoán, độbiến động của chi số thị trường còn thể hiệnsự ôn định của thị trường.Nhiêu nghiên cứu đã đề xuất mô hình để ước lượng và dự báođộ biến động, đo bởi phương saihoặc độ lệchchuân.
Đầu tiên phảikểđếnnghiêncứucủaEngle(1982),ngườiđặtnền móng cơ sở lý thuyêt đo lường phương sai có điều kiện thayđổi - môhìnhARCH (Autoregressive Conditional Heteroskedastic) với phương saikhông điềukiệnlàhàmcủa các sai số trễ trong quákhứ. Sau đó, Bollerslev(1986) đã mởrộng mô hình ARCH tông quát, gọi làmôhình GARCH. Phân tích thực nghiệm cho thấy GARCH đã trở thành môhình quan trọng và hữuíchtrongướclượng và dựbáo độ biển động(Engle,2001). Tuy nhiên môhình GARCH và các biếnthể cũa nóthường yêucầu các biến trongmô hình làcó cùng tân suât, do đóviệc sử dụng GARCH trong phân tích và dựbáo độ biến động có những hạn chếnhấtđịnh.
Mặt khác, độ biến động của thị trường chứng khoán còn phụthuộcvàoyếu tố cơ bản của nền kinhtếđược khẳng định bởi mộtsố học giã, trong đóyếu tố kinh tế vĩ mô bên ngoài có vai trò quan trọng, ảnh hưởng tớilợi nhuận và sự ổn định của thị trường trong ngắn hạn và dàihạn.Chang &Rajput (2018)đã nghiên cứu về mối quan hệcủa các biếnvĩ mô tớithay đôi giá chỉsôchứng khoán và tác độngcủakhủng hoảng tơi thi trường Pakistannhư lạm phát, chi số sản xuất công nghiệp, lài suât và tỷ giá thực. Phântíchdựa trên dữ liệu giai đoạn 2004-2016cho thấy có mối quan hệ giữacác biếnsố kinh tể vĩ môvà mứcthay đổicủa chỉ số thị trường trong ngắn hạn và dài hạn. Đồng thời, ướclượng giai đoạn trướcvà sau khủng hoảng cho thảy ảnh hưởng dài hạn bởicác cú sốc tiêu cực của các biến sốkinhtế. Diebold & Yilmaz(2008) chorăng các biên động cơbản trong nền kinh tế, ở cấp độ vi mô, liên quan đến các đặc điểmcủavốnchủsở hữu, nhưthu nhập thực tế hoặc cổtưc từ cổ phiếu; vàởcấp độ vĩ mô, các biến động cơ bản tương ứngvới sự biển động của thu nhập của nềnkinh tế, như GDP thực tếhoặc tiêu dùng trongnền kinh tế. Haitác giả thực hiện nghiên cứu số liệu trên 40quốc gia khác nhau; đượcphânthànhba nhóm: các nước côngnghiệp phát triên (industrial countries), các nước đang phát triển (developing countries) vàcác nước có nền kinh tế đang chuyên đôi (transition economies). Kếtquả phản ánhsự tương quan dươnggiữa độ biến động của cổphiếuvà biến động của thu nhập GDPthực tế, vàmối tương quan dươngnày càng tăng mạnh hơn đôi vớicác nước đang phát triển có thu nhập thấp, như Ấnđộ, Philippines. Mốiquan hệ cùa các yếutố vĩ mô tớiđộ biến động của lợi suấtcổ phiếu cũng được chỉ ra trong nghiên cứu của Omorokunwa & Ikponmwosa (2014) tạiNigeria hay Khalid & Khan(2017)tại thị trường Pakistanvềmối tácđộng tiêu cực của lãi suất tớibiến động cùa lợisuất cổ phiếu trong ngắn hạn và dàihạn.Điềunày chỉra cácchính sách vì mô tại thị trường đang phát tnên đóng vaitrò đặc biệt quan trọng chosự ổn định dàihạn của thị trường chứng khoán.
Do các biến vĩmôthường có tần suất thấp, rấtkhác biệt với tần số cao của dữ liệu chứngkhoán, nên việc lựa chọn mô hình vào nghiên cứu tác độngcủa các biến này tới độ biênđộng của thị trường chứng khoán rất quan trọngvà được quan tâm bởi cácnhà nghiên cứu. Mô hình GARCH-MIDAS (Generalized AutoregressiveConditional Heteroskedasticity Mixed - Data Sampling) được đề xuất bởi Engle&cộng sự (2013) dựatrên ý tưởngcủa Ghysels & cộng sự (2007) đã giúp giảiquyết được bàitoán dữ liệu đa tân suât và khắc phục được hạnchế của lớpmôhìnhGARCH cơ bản. Mô hình GARCH-MIDAS đượcđánhgiá là có khả năng dựbáovượt trội cho độ biến động của cổphiếu (Asgharian& cộng sự, 2013; Girardin & Joyeux, 2013). Ưu điểmđángchú ý của GARCH-MIDASso vớimô hình GARCH trụyềnthống làphân tách phương sai cóđiều kiệnthành biến động ngắn hạn(short-termvolatility) với tần sốcao, đượcghi lại bởi mô hình GARCH,và biến động dài hạn (long-term volatility)vớitần số thấp, ước lượngbởi hồi quyMIDAS. Doưu điểm này, mô hìnhGARCH-MIDAS được sử dụngrộngrãi trongcácnghiên cứu thực nghiệm.
Chẳng hạn, nghiêncứuứng dụng GARCH-MIDAScủa Engle & cộng sự (2013)về tácđộng của yêu tô vĩ mô tơi độbiếnđộng và tầm quan trọng tớimôhình dựbáo độ biển động trên thịtrườngMỹ. Với dữ liệu giao dịch cồ phiếu theo ngày giai đoạn từ năm 1890 đến2004, nghiêncứuchothấy lạm phát và tăngtrưởng sảnxuất công nghiệpđóng vaitròquan trọngtrong phân tích vàdựbáođộ biến động dài hạn. Ketquảnày cũng tương đồng với kiểm chứngcủa Stock & Watson (2002) trên thị trường Mỹ vê sự giảm đi của độ biên động chứng khoán khicó sự tăng trưởng của việc làm, tiêu dùng, GDP và lạm phát trong nước,nhưngngược lại với nghiên cứu của Schwert (1989) về vaitrò của sảnxuất công nghiệptại thị trường Mỹtrong giai đoạn trước đó. Mặt khác, Asgharian & cộngsự (2015) cũng cho thấymốiquan hệ tác động biến số vĩ mô tớiđộ Số 291 tháng 9/2021 16
Kinh tẽ&Phát trỉến
biến động tàisản. Các nghiêncứuđiểnhình kháccủa mô hình GARCH-MIDAS cũngđược thực hiện tạicác thị trường Mỹ nhưConrad&Kleen (2020);Fang& cộng sự (2018); Fang& cộng sự (2020).
Các yếu tố vĩ môcũng được tìm thấy có tácđộng đáng kể đến độ biến động dài hạn của thịtrường chứng choántại các quốc gia đang phát triển. Chẳng hạn nghiên cứu của Girardin & Joyeux(2013)đã đánh giá -nối quan hệ của chỉsốgiá tiêu dùng, tốc độ tăng trưởng sản xuất công nghiệp,tăng trưởng tín dụng,lợi suất đồng CNY/USD tới độ biến động dài hạn tại Trung Quốc. Nghiên cứu cho thấy vai trò quantrọng của các biếnvĩ mô ảnh hưởng tới độ biến động dài hạn. Đặcbiệt, chi số sàn xuất công nghiệpthê hiện tăng trưởng
sán xuất thực tế lại không có tác độngtới độbiếnđộng dài hạn tạithịtrường này, ngược lại với kết quả của Engle & cộng sự (2013) trên thị trườngMỹ.Tươngtự,nghiên cứu ứngdụng của mô hình GARCH-MIDAS
;ũngđược thực hiện bởiZhou&cộng sự (2020) tại thị trường Trung Quốc và khẳng địnhhiệu quả dựbáo pt hơn củamô hình GARCH-MIDASso với các mô hìnhGARCH truyên thông.
Các nghiên cứutrên đã chỉra rằng các biến sốvĩ mô có vai trò quan trọng trong giải thíchsự thayđôi độ liến độngcủa thị trường chứng khoán và mức tác động có thể khác nhau, tùy thuộc vào các giai đoạn và liềukiện phát triển của thịtrường. Việt Nam đang pháttriểnnhanh và hội nhập sâu rộng với kinh tể thếgiới lên chính sách kinh tế vĩ mô cóthể có những tác động đáng kể đếnbiến động thị trường chứng khoán.Hiện :ại, ViệtNam đangphát triển mạnh với hai sớ giao dịch, gồm sớ giaodịch chứng khoán Thành Phố HồChí Minh - HOSE (thành lập vào năm2000) và sờ giao dịch chứng khoán Hà Nội -HNX (thành lập vào năm 2005). Tuynhiên, hai sàn giao dịch này đượcquyđịnh với biênđộ biển động giá khác nhau, tương ứng 7%
và 10% cho hai sàn HOSE vàHNX,do đó, cóthể tạo ra rủi ro khác nhau và ảnh hưởngbởi cácchínhsách vĩ mô cũng có thể khác nhau.Tuy nhiên, ở Việt Nam lạihầunhưchưacó nghiên cứu định lượngnào vềvai :rò của các biến vĩ mô tới thịtrường chứng khoán. Thêm vào đó,các nghiên cứu hầunhư chỉ sử dụng các môhình để phântích độ biến động chung, trong đó cácbiến số làcùngtần suất(Hoàng ĐứcMạnh,2014;
Hồ ThủyTiên & cộng sự, 2017; Trần Thị Tuấn Anh, 2020), do đó khôngphântáchđược độ biến động ngăn hạn và dài hạn.
Bàiviết nàytậptrungvào phân tách độ biến động ngắnhạnvàdài hạn của chisố thị trường chứng khoán.
Việt Nam là thị trường đang phát triển, do đó chính sách vĩmô đóng vai trò quan trọng cho sự ôn địnhdài nạnvàđáng được quan tâm của cácthành phần tham giavào thịtrường chứng khoán. Mụctiêubài viết này sẽ tậptrung vàophân tích những tác động cua biến động kinh tếvĩ mô tớiđộbiến động dài hạn thị trường chứng khoán. Nghiên cứu sử dụng mô hình GARCH - MIDAS đa tầnsuât,kiêmchứngnhữngvân đê sau:
(i) Vai trò củacác yếu tố vĩ mô lên độ biến động trên thị trường chứng khoán Việt Namdài hạn; (ii)Nghiên cứusự khác biệt của tác động này trong hai giai đoạn khác nhau của thị trường: giaiđoạn bình thường và giai hoạn Việt Nam chịu ảnhhưởng củakhủng hoảng tàichínhthể giới; (iii) Sự khác biệtcủatác động giữa hai thị trườngchứng khoán Việt Nam, là thị trường HOSEvàHNX.Mụcđích của bài viết là sử dụng nghiêncứu định lượng kiểm chứng mối quan hệ này. Nghiên cứu nàykhác biệtvớicác nghiên cứu sẵncó khác ở một số điếm: (1) nghiên cứuquan tâm đếnvai trò của biến vĩ mô trong mối quanhệ so sánhgiữa hai thị trường chứngkhoántại Việt Nam, làhai thị trườngcómột số đặc trưngkhá khác biệt với nhau; (2) nghiên cứuquan tâm đếnviệcso sánhvai trò của biến vĩ mô trước,trong vàsau giai đoạn khủng hoảng chomôi thị trường, sẽ chophéptìm hiểukỹ hơn vai trò cùa biến vĩ mô trong từng bối cảnh của nền kinh tế; và(3) sừ dụng tiếp lậnvấn đề bằng mô hình GARCH-MIDAS, là một cách tiếp cận còn ít cóở Việt Nam. Do đócáctác giảhy
vọng nghiên cứu sẽ góp phần ý nghĩatrong bài toán phân tích rủi ro cho các nhàđầu tư và chính sách điều tiết củacác nhà quản lý tạithị trường chứng khoán Việt Nam.
2. Phương phápnghiên cứu
Trong phần này, mô hình GARCH-MIDAS được giới thiệu để đo lường độ biến động của chỉ số thị trường. Mô hình gồm 3 phươngtrình chính: phương trình trung bình (2.1); phương trình phương sai ngăn hạn (2.3) và phương trình phương sai dài hạn (2.4). Tiếp đó, mô hình GARCH-MIDAS được hôiquy với các yếu tốvĩ môđể đánhgiáảnh hưởngcủacác biếnnàytới độ biến động dài hạn.
2.1. Mô hình GARCH-MIDAS
Mô hình GARCH-MIDAS (Engle & cộng sự, 2013; Engle& Rangle, 2008) xem xét lợi suất trung bình, biến động ngắnhạn và biến động dài hạn, được mô tả bởi quá trình:
'l.t te,-( với Vi-1,2...,N, (2.1)
Sổ 291 tháng 9/2021
17 kinh tê^hnt tríến
Trong đó r t là lợi suất (đo bằng logreturn) của ngày i trong tháng t; p làlợi suất trung bìnhcủa thị truờng; N là số ngàygiao dịch trong tháng t; e,.t I Vi-I.t là thành phần sai số ngẫu nhiên, trong điều kiện thông tin Vi-I.t xảy ra tớingày (i-1) trong tháng t, vớigiả thiết Sj,t I Vi-I.t ~ N(o,l).
Độ biến động được chiathànhhai thành phần gồm g.t đolường biến động trong ngày i, được gọi làthành phần ngắnhạn và Tt đo lườngbiến động trong tháng t, gọi làthànhphầndài hạn. Độbiển động được đo bằng phươngsai có điều kiện, định nghĩa bởi côngthức:
P.t=Tfgi.t (2.2)
Trong đó, thành phần gjtđánhgiá biếnđộng ngắn hạn,được biểu thị bởiquátrìnhGARCH (1,1):
g, t = (1 - a-p) +a^2_—^- +Pg, !t (2.3)
T,
với a>0, P>0vàa + P<l
Thành phần Tt đánh giábiến động dài hạnbằng hồiquy MIDAS:
T= m+ (2.4)
k= l
Với RV là biếnđộngthựctế hàng tháng (Realized Volatility), đo bởi (2.5):
RVt = ix (2.5)
K
Lược đồ qựcDpto,) là lược đồ trọng số của bộ lọc MIDAS,với điềukiện 2?Pk(“pOJ,)= 1. Ghysels &
cộng sự (2007)đưa raphương phápước lượng qựcữpCO,)theodạng mũ hữu hạn(Finite Polynomials) hoặc vôhạn (Infinite Polynomials). Trong đó, dạng mũ hừu hạn theohàm cấutrúc trề Betađược biểu thị như (2.6).
<Pk(w,
(k/K)10' ' (l-k/K)m:~’
(2.6)
Theophương trinh(2.6), dạngcấu trúc củatrọng số co/vàÚJ, linhđộng theo các trễ khácnhau. Khi m =
= 1, lược đồ trọng số bằng nhau đượcchấp nhận,(ứ>O),, các quan sát xa hơncótrọng số nhiều hơn và a>ỵ <ÍƯ2,các quan sát gần hơn có tầmquantrọng lớn hơn. Khi chỉ quan tâm hệsố tác động <p Amendola &
cộng sự (2019) đã đưararàng buộc ÍO, = 1, chophépsửdụng trọng sôgiảm đơn điệutheo cơ2.
(2.7)
Mồi ước lượng cho mô hình GARCH-MIDAS với cấu trúc trề tương ứng sẽ được giá trị hàm hợp lý (LLF),xácđịnhtheo công thức:
LLF4ị LoEg'WT'W-7feS) (2.8)
Mô hình GARCH-MIDAS và cấu trúc trễ <pkđược lựa chọndựa trên giátrịÙJ| saocho giá trịcủa hàm LLF đạt giátrị tối đa.
2.2. Mô hình GARCH- MIDAS với biến vĩmô
Engle & cộng sự(2013) chỉra thành phần dàihạn T liên quanbởi các biến kinh tếvĩ mô quan trọng nhất là yêu tô tácđộng dài hạn như cácdòng tiên thu nhập dự kiến và tỷ lệchiếtkhấu trongtương lai. Mô hình phân tích tác độngcủa từng biến vĩ mô (tần suất theo tháng) tới độ biến động dài hạn của chi số thị trường (tânsuâtngày)dựbáo tôt hơn cho phương sai dài hạn khi sử dụng dạng hàmlog như(2.9).
Sổ 291 tháng 9/2021 18
KìiilitOháUnếii
logTt - m+ e^cpk(co2)xt_k (2.9)
k=l
Với X . làcác biến trễ của biến vĩmô.
t - k
Theo mô hình (2.9), tác động biêntương đối (RMEk) tới độ biến động dài hạn TtkhibiếnXt kthay đổi mộtlượng AXt k theo công thức (2.10).
RME(= (2.10)
Dấu củatham số 0 thế hiện mốiquanhệ tácđộngcủa biếnvĩmô tới thành phần biến động dài hạn Tt, tác động làdương khitham số 0 > 0và âmkhi 0<0. Côngthức(2.10)chỉratác động biên tương đối (RME() của biến vĩmô tớiđộ biến động dài hạn là mộthàm của trọng số (pk(ffi,), với các giátrị khác nhau theo ước lượng hồi quy GARCH-MIDAS.
3. Dữ liệu
Nghiên cứu sử dụng chỉ sốniêm yết trên thị trường chứng khoánViệt Namgồm chỉ sốVN-Indexvà HNX-Index trênhai sàn giao dịchHOSEvà HNX tần suất theo ngày, từ ngày 01/08/2008 đến31/12/2019.
Các biếnvĩmô sử dụngđể phân tích gồm hainhómchính làtỷ lệ chiết khấu trong tương lai vàcácdòng tiền thu nhập dự kiến (theo Engle & cộng sự, 2013). Cụ thể, lãi suất sử dụng đại diệnchotỷ lệ chiết khấu của lợi suấtyêu cầu, theo Asgharian & cộng sự (2013). Nghiên cứu này sử dụng lãi suất liên ngân hàng (InterbankInterestRate -IRATE) làm đại diệncho lãi suất chung, công bố bởi Ngân hàng nhà nước Việt Namtừtháng 08/2008 đến tháng 12/2019. Biến thứ hailàchỉ số sản xuất công nghiệp (Industrial Production Index - IP)đại diệnchosảnlượng đầu rathựctế theo tháng.Davis(2004) đã chi ra chỉ sốIP là một chỉ tiêu tốt phản ánhbiến độngthuần thúy sản lượng đầu rathựctế (realoutput) và tăngtrưởng kinh tếhàng tháng, và chỉsố nàycũng đượcsử dụng trong nghiên cứu của Engle &cộng sự (2013), Stock& Watson (2002) và Girardin& Joyeux (2013). Dữ liệu chỉ số IPcủa ViệtNam được sử dụngtheo tháng từ tháng 08/2008 đến tháng 12/2019 công bố bởi tổng cục thống kê.
Biến lợi suấtcủa chỉ số VN-Indexvà HNX-Index, rXN và r™x bởi công thức (3.1).
tươngứng của ngày i trong thángt đo VN - Index,
VN-Index.,
và HNX=ln HNX - Index i HNX - Index.,
(3.1) r™ = ln
Thống kê lợi suất hai chi số cho thấy có sựbiến động khác nhau theo các giaiđoạn phát triên của thị Hình 1: Biến độngthực tế củachỉsốthịtrường
trườngtheo hình 1.
Hình 1 phản ánh biếnđộng của hai chi số thị trường hàng tháng giaiđoạn từ tháng 8/2008-12/2019, và biến động mạnh nhấttrong giai đoạn xảy ra khủnghoảng tài chính toàn cầu 2008-2009. Độ biến động cho thây chỉ số HNX-Index dao động mạnhhơnso với chỉ số VN-Index, phản ánh thị trường các doanh nghiệp niêm yết với quy mô vốn lớn trên sàn HOSE giao dịch ổn định hơn. Mặc dù vậy, sàn HOSE vẫn bị ảnh hưởng bờikhùng hoảngkhi chứng kiến thịtrường biến độngmạnh nhất trong giai đoạn2008-2009 và chỉ on định từ giữa năm2013. Xuthế tương tự được thếhiệncho biến động chi sốHNX-Index. Do sàn EINX thường niêm yết các doanh nghiệpcóquy mô vốnnhỏ hơnnên nhìnchungbiến độngmạnh hơn trong thời kỳ giai đoạn đầu thịtrường mới thành lập và trải qua suy thoái kinh tế do khùng hoảng.
Bảng 1 thống kêcụ thê hơn với các giaiđoạn khác nhau, chothấythịtrườngchứng khoánViệtNam trải qua nhiều thay đối cả vềlợi suất trung bìnhvà độ biến động.
Bảng 1:Thống kê mô tả lọisuất chi số thị trường
Mẩu Trung bình Độ lệch chuẩn
VN-Index
Toàn bộ mẫu 0,025% 1,29%
08/2008-07/2013 -0,06% 1,73%
08/2013-12/2019 0.04% 0,99%
HNX-Index
Toàn bộ mẫu -0,011% 1,57%
08/2008-07/2013 -0,06% 2,07%
08/2013-12/2019 0,03% 1,00%
Nguồn: Tính toán cùa tác giả.
Nhìnchung, kết quả Bảng 1 phản ánhchỉ sốHNX-Index biến độngmạnh hơn so vớiVN-Index,đặc biệt làgiai đoạn khủng khoảng 2008-2009. Cụthể, giai đoạn tháng 8/2008-12/2019chứngkiến VN-Index có lợi suất trung bình 0,025%và độ biến động 1,29%,trongđó giai đoạn 8/2008-07/2013 với lợi suất trung binh chỉ số VN-Index giảm mạnh (-0,06%) và độ biến động lớnnhất so với các giai đoạn còn lại (1,73%)trước khiổn định hơnkể từ tháng 8/2013 trởđi. Biến động của EINX-Indextrong Bảng 1 cócùng xu thế khi lợi suất trung bình đạt giá trị âm(-0,06%) vàđộ biến động trung bình lớn hơn(2,07%) trong thời kỳ suythoái kinh te và chỉ tăngtrườngdương,ổn định hơn từ tháng 8/2013 trở về sau.
Xu hướng biếnđộng củalài suất IRATE và chỉ số sản xuấtcông nghiệp IP theotháng như Hình 2.
Hình2: Đồ thị lãi suất vàchỉsố sản xuất công nghiệp
Ngitôn: Tinh toán cùa tác giả.
Hình 2 thể hiện sự ổn định của chính sách tiền tệ của ViệtNam, ngoại trừ giaiđoạn lãi suất biến động mạnh do xảy ra khủng khoảng 2008-2009. Đen giữa năm2013,lãi suất bắtđầutrởlại ổn định cho tới2019.
Bên cạnh đó, chỉ số IP biến động và tăngtrưởng có tính chu kỳ củanền kinhtế Việt Nam tronggiaiđoạn nghiên cứu.
4. Kết quảthực nghiệm
Số 291 tháng 9/2021 20
KinlihAiltmi
Độbiến động ngắn hạn và dàihạn sẽ được đo lườngtương ứng bằng mô hìnhGARCH (1,1) vàhồiquy MIDAS nhằm đánh giá tácđộng của tăng trưởng và biến động tài chính tớiđộ biến động củathị trường c iứng khoán. Mô hìnhGARCH-MIDASđược ước lượng bằngmôhình (2.9) cho hai biến vĩ mô gồm lãi suất và chỉ số sảnxuấtcông nghiệp như sau:
gỉRATE
logrt = m+ 0IRATE £<pk
k=l
)IRATE,_k +o'r'f(pk (co'”)IP, k (4.1)
k=l
Băng 2: Ước lượng mô hình GARCH-MIDAS vóicác biếnvĩ mô
Kếtquả ước lượng mô hình (4.1) với các biến vĩ môcho các giai đoạn khác nhautồng hợplại theo Bảng 2.
Chỉ số VN-Index HNX-Index
[1] 12] [3]
Môhình Toàn bộ 08/2008- 08/2013-
mẫũ 07/2013 12/2019
[4] [5] [6]
Toàn bộ 08/2008- 08/2013- mẫũ 07/2013 12/2019
g 0,044** 0,000 0,046**
a 0,085*** 0,183** 0,041
ft 0,804*** 0,564*** 0,851***
0IRATE 0,209*** 0,088 0,549***
(OIRATỈỈ 1,876** 1,109 1,001
eIP -0,033*** -0,006 -0,076***
<!>"’ 1,141** 4,922 1,88***
LLF -3415,3 -1277,3 -1426,4
0,018 -0,137** 0,0273
0,079*** 0,1186** 0,000
0,805*** 0,744*** 0,799***
0,273*** 0,271 0,2352**
2,207*** 1,522 1,00***
-0,04*** -0,009 -0,057***
1,403*** 1.00 2,714***
-3607,2 -1452,63 -1392,2 Ghi chủ: *, ** và *** biêu thị hệ sỏ có ý nghĩa thông kẻ tương ứng ở mức 10%, 5% và 1%
Nguôn: Tinh toán cùa tác giã.
MÔ hình GARCH (1,1)được sứ dụng ước lượngbiến độngngắn hạn cho hai chỉ sốVN-Indexvà HNX- Index theoBảng 2 chothấygiá trị ước lượnga và p trong toàn bộ mẫu nghiêncứu đều dương và có ý nghĩa thống kêphản ánh biến động và cú sốc ngày trước lớnsẽ dẫn đến biển độngthị trường của ngày hômsau km củaVN-Index và HNX-Index. Ket quả này thê hiện sự ảnh hưởng của biển động trễ trong quá khứ tới đậ biến động trongngày tiếptheo.
Kếtquảtác độngtrễ của độ biến động dài hạn bịảnh hưởng bởi các biến vĩ mô được mô tảqua Hình 3.
Hình 3: Trọngsố trễcủa các biếnvĩ mô tóiđộ biến động dài hạn chỉ số thị trường
Nguồn: Tính toán của tác giả.
Sổ 291 tháng 9/2021 21
Kiuli íyiiiỉí íriến
cấutrúctác động cho thấy chínhsách thayđổilãisuất có ảnh hưởng mạnh hơn tới độbiếnđộng của chỉ số VN-Index và HNX-Index nhưng chính sách tăng trưởng lại có tác động lâu dài hơntớiđộ biên động của haichi số này. Mối quan hệtác động cụ thểnhư trình bày trong mục4.1 và4.2.
4.1. Mối quanhệ củađộ biến độngdài hạnvới lãi suất
Bảng 2 tổng hợp kết quảước lượng chobiến động dàihạn cùa haichi số thịtrườngtheo lãi suât tiêp cận theo hồi quy GARCH-MIDAS. Kết quả ước lượngvới độbiến động chỉsô VN-Index và HNX-Index trong mô hình [1] và [4] thể hiện lãisuấtcó tác động dương tới độ biếnđộng dài hạn của chỉ sô thị trường trong toàn bộ mẫu nghiên cứu,với hệsố ước lượng 0của của hai mô hình là0,209 và 0,273 tương ứng, có ý nghĩa thống kẻ ờ mức 1%. Kết quảnàycó nghĩalà lãisuất tănglênsẽ làm tăng biên động dàihạn chỉ sô thị trường chứng khoántạiViệt Nam.
Sự tácđộng khác nhaugiữa các giai đoạn củalãi suất tới độbiến động dài hạn của chỉ số thị trườngđược thể hiệntrong Bàng2. Cụthể,ước lượngmôhình [2] và [5] với chi số VN-Index vàHNX-Indextrọng giai đoạn cóxảy ra khủng hoảng kinh tế08/2008-07/2013phản ánh lãi suât không có tácđộng tới độ biênđộng dàihạn chỉsốthị trường, vớiước lượng 0 tương ứng của hai mô hình là 0,088và 0,271 không ý nghĩa thông kê 1%. Sau khủng hoảng kinh tế,thị trường phục hồivà phát triên, lãi suất lại quay trởvê quy luật tác động cùngchiềutới độ biếnđộng dàihạn của hai chi số thị trường.
Ước lượng trọngsốtrễ trong Hình 3 thể hiệncấu trúc trễ <pk(cở2) củalãi suất tới độ biến động dài hạn cùa chi số thị trường chứngkhoán trong các tháng tiếp theo. Giá trịtrọng sốphản ánh cấutrúc trễ giảm chậm củalãisuất lên độ biến động dài hạn cùacác thángtiếp theo nhưng mức độkhác nhau trên hai chi số thị trường. Hình ảnh trọng số cho thấy tại sau thời điểm điềuchỉnh lãisuất, độ biến động chỉsố HNX-Index bị ảnh hường mạnh hơn nhưngảnh hường này nhanhchóng giảm đi, trongkhiđộ biến động chi số VN-Index bị ảnh hưởngyếuhơn nhưng ảnhhưởng tiếp tục duy trì trong dàihạn. Cụ thể, trọng số trề bậc 1 của lãisuất lèn của độ biếnđộng chỉ số VN-Index tháng tiếp theo là ộ"1"' =■ 0,0752, cho biết tácđộng biên tương đối
RME1 =1,016 nghía là lãi suấttăng 1 % ở tháng hiệntại sẽ tăngđộ biến động dàihạn thángtiếp theo của chi số VN-Index lên xấp xỉ 1,016. Thêm đó,Hình 3 cũngthể hiện tác động trễ củalãi suất tớiđộ biến động dài hạnchỉ sốHNX-Indexnhưngmạnh hơnso với chi số VN-Index, với ộ7;'= 0,0879 cho biết tác động biêntương đốicủa lãi suất tới độ biến động chỉ số HNX-Index là RME1 =1,024. • Kếtquảnày phản ánh khi lãi suất tăng 1% ở tháng hiện tại sẽ tăng độ biến động dài hạn chi số HNX-Index tháng tiếp theo lên xấp xỉ 1,024. Cáckết quảtrên phản ánh tácđộng đáng kể của làisuất lênbiến động dài hạn của hai chỉ sốthị trường chứng khoán trong cácthángtiếptheo.
4.2. Mối quanhệcủa độ biếnđộng dài hạnvới chỉsốsản xuất công nghiệp
Kếtquả ước lượngmô hình GARCH-MIDAStrong Bảng 2 cũng phản ánh tác động của chì số sản suất công nghiệp IPtới độ biến động của chi số VN-Index và HNX-lndex. Ước lượng cho thây chỉ sô IPtănglên sẽtạo ra hiệu ứngtích cựcvới thị trường chứngkhoán, phảnánh bằngmôi quan hệ ngược chiêu giữatăng trưởng kinh tế với độ biến động dài hạn. Mô hình [1] và [4] ước lượng với toàn bộ mẫucho thây chi sô IP có tác động âm tới độ biến động dàihạn cùa chi sốVN-Indexvà HNX-Index,với hệ sô ước lượng tương ứng là - 0,033và =- 0,04 có ý nghĩa thống kê ở mức 1%.
Mối quan hệngược chiều này cũng được duy trìtrongthời kỳ thịtrường chứng khoán phát triên ôn định.
Tuy nhiên, ước lượng hệ sốtác động của chỉ số IP tới độ biến động dàihạnhaichỉ số thịtrường của môhình [2] và [5] trong giai đoạncó khủng khoảng 2008-2009 tương ứng =- 0,006 và Ổ5J= -0,009 khôngcó ý nghĩa thốngkê, phản ánh tăng trưởng khôngcótácđộng tớiđộ rủiro của thị trường chứng khoán trong điêu kiện cókhủnghoảng kinh tếtạiViệtNam. Sau khủng hoảng kinhtế, mô hình[3] và [6]cho biêt tăngtrưởng có tácđộngtích cực tớiđộbiến động dài hạn.
Trọng số hình 3 cũngchỉ ra ảnh hưởng trễ khác nhaucủa tăng trưởngsản xuất công nghiệp tớiđộ biến động thị trường chứng khoán, phản ánh tác độngdài hạn của tăngtrưởng lên độ biến động chỉ số thị trường trongcác thángtiếp theo. Trọng số nàycũngcho thấy mức độ ảnh hưởngkhác nhau trên hai chi sônghiên cửu. Giá trị trọng sốtrễ thể hiện tăng trưởng có tác động mạnh hơn tới độbiến động chỉ sô HNX-Index nhưngảnhhưởngnày nhanh chóng giảm đi,trong khi chỉ số VN-Index bịảnh hưởng yếuhơnnhưng mức độ ảnh hưởng này vẫn tiếp tục duy trìtrong dài hạn. Cụ thể, giá trị trọngsốtrễ của mô hình [1] cho thấy SỔ 291 tháng 9/2021
kinh ty hai tríến
h ệ số tác động là 91 0,047 Iên trg bậc Ị cưa (Jộ bịgn động dài hạn chỉ số VN-Index, phản ánh tăng trưởng 1% tháng hiệntại sẽ làm giảm độ biến động dài hạn VN-Indextrong tháng tiếp theo tưcmg đương
RME1 :ho trọng số c.
đi
= 0,998. • Tương tự, ước lượng mô hình GARCH-MIDAS [4] với độ biến động trên sàn HNX
• = 0,057 ở trễ bậc 1,cho biết khităng trưởng 1% ở tháng hiệntại sẽtác động tớiđộ biến :ộngdài hạn chỉ số HNX-Index tháng tiếp theo RẠ/[P| = 0998 Kết quả này chỉ ra tác động đáng kể cùa tăngtrưởng lênbiến động dài hạncủa hai chỉsố thị trường chứngkhoán.
5. Ketluận và khuyếnnghị
Nghiêncứu này quan tâmthành phần độ biến độngdài hạn, thể hiện tính ổn định lâu dài củathị trường chứng khoán, là yêu tô bịảnh hưởng tới các chính sáchquản lý thị trường tiềntệ và chính sáchđiều tiết vĩ mô. Kêt quả thựcnghiệm mô hình GARCH-MIDAS với biến vĩ mô cho thấy các biếnvĩ mô có tácđộng đang kê đên độ biên động dài hạn của thịtrường chứng khoán ViệtNam. Khi thị trường hoạt động hình thường, sự tănglên của lãi suất làmtăng biến động dài hạn trong khi tăng trưởng sản xuất công nghiệp có tácđộng tích cựcgiúp ônđịnh thị trường chứng khoán trong dài hạn. Quy luật này phùhợpvớinghiêncứu cua Omorokunwa & Ikponmwosa (2014), Engle & cộngsự (2013), Stock & Watson (2002) Comad & Kleen (2020), Fang & cộngsự (2020) nhưng ngượclạivới nghiên cứu của Girardin & Joyeux (2013). Kếtquảthực nghiệm thê hiện vai trò ônđịnhthịtrường chứng khoán bởi chính sáchổnđịnh lãi suất củangân hàng nhà nước cũng như các chínhsách khuyếnkhích tăng trưởng trong nền kinh tế Việt Nam. Kếtquả nàycũng chỉ ra các nhà đầu tư cần tính đến sự thay đổi của cácchính sách vĩ mô trong dự báo biến động rủiro của chứng khoán trong dài hạn tại thị trường ViệtNam.
Đặc biệt, kết quả cho thấy vai trò của các biến vĩ mô trong thời kỳ khủnghoảng kinh tế thế giới, ảnh hưởng thâp hơn rất nhiều sovớithờikỳkhác. Ước lượng trongthời kỳ khủng hoảng chothấyvaitrò của các biênvĩ mô là không có ý nghĩa thông kê, chỉ ra việcápdụng các chính sáchvĩmô sẽ không tác độngđáng kê tới thị trường chứng khoán trong giai đoạn cókhủnghoảng.Kếtquả này chỉra trong trường hợp theođuổi mục tiêu ôn định thị trường, cácnhà hoạchđịnh quản lý nên đưa ra các dự báo cho thị trường chứng khoán cíing như các chỉ báo kinh tế vĩ môtrong dài hạn. Mặt khác, thốngkê độ biếnđộng của cả hai thị trường trong giai đoạn khủng khoảng đều rất lớn, và do đó cácnhà đầu tư cần cẩn trọng trongđiềukiện thị trường bi t ôn vàphân bù rủi ro thị trường yêu cầu phảilớn hơn khi địnhgiáchứngkhoán. Đốivới các doanh nghiệp niêm yết,đê khuyến khích đầu tưvà ổn địnhcổphiếu, họ cần đưa cácchính sách pháttriển kinh doanh, công bó báo cáo tàichính ổn định và chínhsách cổ tứcđể thuhút các nhà đầu tư.Đồngthời, cácnhà quản lý thị trường chứng khoán nênđưara các chính sách cắtgiảm các loại phí và giá dịch vụ trong giao dịch chứng khoánđê hô trợ các nhà đâu tư giảm chiphí và bùđăp rủi rodobiến độngthịtrường.
Nghiên cứu cũng cho thấyvai trò của các biến vĩ môđối với VN-IndexvàHNX-Index cũng khá khác nhau, trong đó lãi suất cóảnh hưởngmạnh hơntrong khităng trưởngcó tác động dài hơn tới độ biến động cùa hai chỉ số thịtrường. Kết quả thực nghiệm phản ánh lãi suất tăng mạnhtrongtháng sẽ tác động nhanh chóng tới độbiến động dài hạn chỉ số thịtrườngtrong tháng tiếp theo nhung ảnh hưởng này cũng nhanh chóng giảm đitrong các thángkế tiếp. Điều này có thể được giải thích bởi lãisuấtliên ngân hàng có ảnh hưởngtrựctiếptới chi phí vốnvàquyết địnhlãisuất chiếtkhấu trong đầu tư, và do đóthông tin về lãisuất sẽcótác động nhanh tới thị trường chứngkhoán. Mặt khác, công bố tăngtrưởng ổn định và kế hoạch khuyến khích tăng trướng của cácdoanh nghiệp sởhữucóthể tác động lâudài tớiquyết định đầu tư,tạo ra hiệu ứng tác động tới độ biến động dài hạn. Kết quả này cho thấy ngân hàng nhànước nên thận trọng trongviệc ban hành các quyết định thay đổi lãisuất do có thể sẽ gây tácđộng mạnh tới biến động trên thịtrườngchứng kqoán.
Kếtquảcũngcho thấy tácđộng của biển vĩ mô tới độ biến độngcủa sàn II NXlớn hơn sovới sàn HOSE.
Ket quả này xảyra docác doanhnghiệp niêm yết có vốnhóa nhỏ hơntrên sàn HNX, và dođó nhạy cảm hơn với chính sách lãi suất và tăng trưởng so với các doanh nghiệp trênsàn HOSE. Từ đó,Ngân hàng Nhà nước và các nhà hoạch định chính sách cần thận trọngvề sự tác động khácnhau giữa haisàngiao dịch chứng khoán khi ban hành cácchính sách vĩ mô tại thịtrường Việt Nam.
Sổ 291 thảng 9/2021 23
KiiiliiOliiiítm
Tài liệuthamkhảo
Amendola, A.,Candila,V.,& Gallo, G.M. (2019), ‘On the asymmetric impact of macro-variables on volatility'. Economic Modelling. 76, 135-152.
Anh. T. T. T. (2020), ‘Sừ dụng hình mẫu khuyết và Entropy hoán vị đê kiêm định tinh hiệu qua thông tin trên thị trường chửng khoán cua các quốc gia ASEAN’, Tạp chi Nghiên cứu Kinh tê và Kinh doanh Châu A, 29( 11). 64-80.
Asgharian, H., Christiansen, c., & Hou, A. J. (2015), ‘Effects of macroeconomic uncertainty on the stock and bond markets’,. Finance Research Letters, 13, 10-16.
Asgharian. H., Hou, A. J., & Javed, F. (2013), ‘The importance of the macroeconomic variables in forecasting stock return variance: A GARCH-MIDAS approach'. Journal of Forecasting, 32(7), 600-612.
Bollerslev, T. (1986Ị, ‘Generalized autoregressive conditional heteroskedasticity', Journal of econometrics, 31(3).
307-327.
Chang, B. H., & Rajput, s. K. o. (2018), ‘Do the changes in macroeconomic variables have a symmetric or asymmetric effect on stock prices? Evidence from Pakistan', South Asian Journal of Business Studies.
Conrad, c., & Kleen, o. (2020), ‘ Two are better than one: Volatility forecasting using multiplicative component GARCH-MIDAS models', Journal of Applied Econometrics, 35( 1), 19-45.
Davis, J. H. (2004), ‘An annual index of US industrial production, 1790-1915', The Quarterly Journal of Economics, 119(4), 1177-1215.
Diebold, F. X., & Yilmaz, K. (2008), Macroeconomic volatility and stock market volatility, worldwide (No. w 14269), National Bureau of Economic Research.
Engle, R. (2001), ‘GARCH 101: The use of ARCH/GARCH models in applied econometrics'. Journal of economic perspectives. /5(4), 157-168.
Engle, R. F. (1982), ‘Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation’, Econometrica. 50(4), 987-1007.
Engle, R. F... & Rangel, J. G. (2008), ‘The spline-GARCH model for low-frequency volatility and its global macroeconomic causes’. The review of financial studies, 21(3), 1187-1222.
Engle, R. F.. Ghysels, E„.& Sohn, B. (2013), ‘Stock market volatility and macroeconomic fundamentals’. Review of Economics and Statistics, 95(3), 776-797.
Fang, L., Chen, B., Yu, H.. & Qian, Y. (2018), ‘The importance of global economic policy uncertainty in predicting gold futures market volatility: A GARCH-MIDAS approach', Journal of Futures Markets, 38(3), 413-422.
Fang, T.. Lee. T. H., & Su, z. (2020), ‘Predicting the long-term stock market volatility: A GARCH-MIDAS model with variable selection’, Journal of Empirical Finance, 58, 36-49.
Ghysels. E.. Sinko, A., & Valkanov, R. (2007), ‘MIDAS regressions: Further results and new directions’. Econometric reviews, 26(ỉ), 53-90.
Girardin, E„ & Joyeux, R. (2013), ‘Macro fundamentals as a source of stock market volatility in China: A GARCH- MIDAS approach', Economic Modelling, 34, 59-68.
Hoàng Đức, M. (2014), ‘Một số mô hình đo lường rui ro trên thị trường chứng khoán Việt Nam’, Luận văn tiến sỹ, Trường Đại học Kinh tế Quốc dân).
Khalid, w„ & Khan, s. (2017), ‘Effects of macroeconomic variables on the stock market volatility: the Pakistan experience’, Global Journal of Management and Business Research, 5(2), 42-59.
Omorokunwa, o. G.. & Ikponmwosa, N.. (2014), ‘Macroeconomic variables and stock price volatility in Nigeria’, Annals of the University of PetroỊani. Economics, 14, 259-268.
Schwert, G. w., (1989), ‘Why does stock market volatility change over time?’, Journal of Finance, 44, 1207-1239.
Stock, J. H., & Watson, M. w. (2002), ‘Has the business cycle changed and why?’, NBER macroeconomics annual, 17, 159-218.
Tiên, H. T., Hoài, H. T.„ & Toàn, N. V. (2017), ‘Mô hình hóa biến động thị trường chứng khoán: Thực nghiệm từ Việt Nam, Tạp chí Khoa học ĐHQGHN: Kinh tế và Kinh doanh, 33(3), 1-11.
Zhou, z., Fu, z„ Jiang, Y, Zeng, X., & Lin, L. (2020), ‘Can economic policy uncertainty predict exchange rate volatility? New evidence from the GARCH-MIDAS model', Finance Research Letters, 34, 101258.
So 291 tháng 9/2021
