thị trường chứng khoán việt nam: tiếp cận bảng transfer entropy

KHẢO SÁT DÒNG CHẢY THÔNG TIN TỪ CÁC THỊ TRƯỜNG TÀI CHÍNH THẾ GIỚI ĐẾN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM:

TIẾP CẬN BẢNG TRANSFER ENTROPY

Trần Thị Tuấn Anh

Trường Đại học Kinh tểThành phổHồ Chí Minh Email: anhttt@ueh.edu.vn

Ngày nhận: 13/01/2020 Ngày nhận bản sùa: 27/02/2020 Ngày duyệt đăng: 05/01/2021

Tóm tắt

Bài viêtsử dụng số liệu giá đóng cửahàng ngày của thị trườngdầu thô, thị trườngvàng, thị trườngchứngkhoán Thượng Hải của Trung Quốc, thịtrường chứngkhoán Mỹ và các chi sổ chứng khoản của ViệtNam tronggiai đoạn từ tháng 2 năm 2012 đến tháng 6năm 2019 để khảo sát dòng chảy thôngtintừ cácthị trường củathế giới đến Việt Nam bằng cách tinh toán transfer entropy. Kêtquả tinh toáncho thấy thị trườngchứngkhoán ViệtNam, đại diện bằng chìsô VN-index gân như không phản ứng với dòng thôngtin từ thị trường dầu thô nhưng có phản ứng vớithôngtin từ thị trường vàng giao ngay vớiđộ trề 2 ngày. Bên cạnh đó, bằng

chứng thống kê thông qua transfer entropy cho thấy thị trường chứng khoán ViệtNam tiep nhận thôngtin nhanhvà mạnh từ thị trườngMỹ, một thị trường vốn năngđộng vàlớn nhất thế giới. Thị trường chứng khoán Trung Quốc cũng có tác động đến thị trường ViệtNam nhưng yếu hom và cóđộ trễ từ3 ngày.

Từ khóa:

Dòng chảy thông tin,thịtrườngdầuthô,thịtrường vàng, thị trường chứng khoán Thượng Hải, thị trường chứng khoán Mỹ.

Mã JEL: COO, G15, F00.

Investigating the information flow from world financial markets to Vietnam stock market: A transfer entropy approach

Abstract:

This study employs daily closingprice data of crude oil, gold market, China’s Shanghai stock market, US stock marketand Vietnam’s stock market in theperiod fromFebruary from 2012 to June 2019to investigate theinformation flow fromthe world’smarkets to Vietnam by calculating transfer entropy. The results demonstrate thatVietnam s stock marketalmost does notreactto informationflowfrom thecrude oilmarket. In addition, the results also revealthat Vietnam stock market responses quickly and stronglyto information from the USmarket. The Chinese stock marketalso has an impact on the Vietnam s, butthe impactis weaker than that of US and has adelay of 3 days.

Keywords:Information flow, crude oil market, goldmarket, Shanghai stock market, US stock market.

JEL Codes:coo,G15, FOO.

SỔ 283 tháng 01/2021 ₂₁

Kinh Mát triến

l.Giói thiệu

Một trong những đề tàithu hút được sự quan tâm khi nghiên cứutài chính quốc tế là nghiên cứumốiliên hệ giữacác thịtrường tài chính. Giữacác thịtrường có mối liên hệ vớinhau thì thông tintừ thị trường này sẽ giúp phân tíchvà dựbáocho các thị trường khác và ngượclại. Vì vậy xác địnhvàđo lường dòngthông tin di chuyển giữacácthị trường tàichính cũngđóng vai trò quan trọng trong các nghiên cứutàichính. Đê xác định mối liênhệ giữa cácthị trường, nhiều kỳ thuật phântích mối liênhệ giữa các chuôithời gian đã được áp dụng như hệ số tương quan, mô hình vector tự hồi quy (VAR - VectorAutoregressive), kiêm định nhân quà Granger. Tuy nhiên, các kỳ thuật này dự trên giả địnhvề mối quan hệ tuyêntính giữacác chuôi thời gian vàkhông xác định được nguồn vàđíchcủa dòng di chuyên thông tin. Đê khăc phục nhược diêm này, các nhànghiêncứutìm cách mởrộng các mô hình định lượng môi liên hệ giữacác chuôi thờigian, và mộttrong những phương pháp mớicóthê khắcphụchữu hiệunhược diêm của cách làm truyên thông, đó là ứng dụng khái niệm transfer entropy của kinh tế họcvật lý (econophysics) vào đo lường và phân tích dòng di chuyển thông tin trên thị trường. Transfer entropy được giới thiệu bởi Schreiber (2000) dựatrênmộtkhái niệm phổbiến khác về Shannon Entropycủa Shannon (1948). Transfer entropy phản ánh được mối liên hệ về mặtthông tin giữa các chuỗi thờigian, xácđịnh được chuỗi nguồn và chuỗi đích trong mối liên hệ thông tin nàynhưng không phụ thuộc vàogiảthuyết liên hệ tuyếntính giữa các chuỗi; vì vậy, transfer entropyngày càng được ứng dụng rộng rãi trong đolường các dòng di chuyển thông tin.Transfer entropy ngày càngđược áp dụng rộng rãi trong nhiều lĩnhvực,nhưkhoahọc máy tính, thông tin trên mạng xã hội,hệ động lực kinh tếvà đặcbiệt trongcácchuỗi thời gian tài chính.

Dầu thô là nguồnnăng lượngchính và là đầu vào quan trọng chocáchoạt động kinhtê khác nhau. Bên cạnh đó, vàng làcũng là một tàisảntài chính quantrọng nên biến độngcủa thị trường dâu thôvà thịtrường vàng đóng vai trò như một loại rủi rocó thểảnh hưởng đến tăngtrưởng kinh têtoàncâu. Thịtrường chứng khoán, đặc biệt là các quốc giamới nốicủng bị tác động rất nhiêutừ cácthị trườngnày. Vì vậy, trong nghiên cứu về các dòng di chuyển thôngtin trong tài chính, thì một trong nhữngxu hướng quan trọngđó là xác định mức độ tiếpnhậncủa các thịtrường mới nổi đối với những thông tin xuât phát từcác thịtrườngtài chính quan trọng nhưdầu thô và vàng, hoặc thông tin từ cácthị trường chứngkhoán lớn trên thê giới như thịtrườngMỹ, châuÂu,Nhật Bản hoặcTrungQuốc. Nếu mối liên hệlà chặt chẽ, mức độ hội nhậpcaovà thịtrườnglà mởcửa, thìcác quốcgia mới nối sẽ bị ảnh hưởng thông tin rât nhiêu từ cácthị trường lớn này.

Việt Namcũng là một trong những quốc giamới nổinhận được nhiều sự quan tâmcủa các nhà đầu tư.Vì vậy, bàiviếtnàysử dụng transferentropy để khảosátmối liên hệ giữa thị trường chứng khoán Việt Nam với các thị trường tài chính quan trọng trên thế giới như thị trường dầu thô, thị trường vàng, thịtrườngchứng khoán Mỹ và thịtrường chứng khoán Trung Quốc. Đã có rất nhiềucác nghiêncứukhảo sát môi liên hệ này bằng các công cụ thống kê truyền thống nhưng chưacónghiêncứunàokhảo sátvà đolường dòng di chuyên thông tin từ các thịtrường tàichính quan trọng này vào thịtrường Việt Nambăngtransferentropy.

Với mục tiêu nghiên cứunày, các phần còn lại của bàiđượckêt câu nhưsau: Mục 2 tómtăttông quan các nghiên cứu trướcđó cóứng dụng transfer entropy để xác định cácdòng thông tintrong tài chính cũng như nghiên cứu mối liên hệ giữathị trường vàng, dầu thô đếncác thịtrường chứng khoán trên thê giới; Mục 3 giới thiệu về dừ liệu và phương pháp tính toán transfer entropy;Mục 4 trình bày và thảo luậnkêtquảnghiên cứu và Mục 5 kết luậnvà một số hàm ý từkết quả nghiên cứu.

l.Tổng quan các nghiên cứu có liên quan

Mối liên hệ có tính nhân quảdựatrênthông tin chung giữa các chuỗithời gian thường được xác định băng hai cách tiếp cận chính. Cách tiếp cận thứ nhấtlà thông quakiểmđịnh nhân quảGranger(1969) và cáchtiếp cận thứ hai thông qua đo lường transferentropy giữacác chuỗi thờigian, được phát triên dựa trênlýthuyêt thông tintheo hướngnghiêncứuvề entropy tương đối của Kullback-Leibler (1951).

Khái niệm transfer entropy được đề xuấtbởi Schreiber (2000)nhằm đo lường sựphụ thuộc giữa hai biến ngẫu nhiên và ghi nhận được chiều hướng di chuyểnthông tin từ biến đóngvaitrò nguồn phát đến biến ngẫu nhiên đóng vaitrò tiếp nhận. Transfer entropy là phương phápđịnh lượngphi thamsô,đolường được dòng thông tingiữa haichuỗi thời gian; và mộtưu điểm nổi bật của transfer entropylàđại lượngnày khôngphụ thuộcvào giảđịnh tuyến tính trong mốiquan hệ giữa hai chuồi và thê hiện được sựbât đôi xứng trong môi quan hệgiữa chúngvớinhau. Kiểm định Granger cũng đượcmởrộngcho các trườnghợpphituyên nhưng đượcthực hiện khá phức tạp trong khi transfer entropy vẫn được tính toán rất thuận lợi cho cảhaitrường

Số 283 tháng01/2021

22 Kinh tOhat triển

hợp này. Hơn thếnữa,transfer entropy khôngdựatrên các kiểm địnhtham số của thốngkênhư kiểmđịnh Granger. Bamett và cộng sự(2009) đã chứngtỏ rằng khicác chuỗi thờigian có mối liên hệ là tuyến tíhh và thỏa mãn giả thiết vềphânphối chuẩn, kiểmđịnhnhân quả Granger mang lại kếtquả giống hệtnhưtransfer entropy.

Với giả định tuyến tính, kiểm định nhânquảGranger đơn giản khitínhtoán và thuận lợi khi giải thích kết quả nhưng trong điều kiện thực tếít khi giả định tuyến tính đượcthỏa mãn thìviệc sử dụng transferentropy trong việc đo lường môi liên hệgiữa các chuỗi thời gian,đặcbiệt là các chuỗi thời gian tài chínhđangngày càng được mở rộng. Bài viết lựachọn trình bày tómtắt một số nghiên cứu thườnggặp.

Marschinski vàKantz (2000) tính toán dòngthông tin di chuyển giữa chỉ sốDowJones và chỉ sốDAC để khảosát sâuhơn về mối liênhệ giữa hai thị trườnglớnnày.Cáctácgiảnhận ra có một sựchuyển giao thông tin dạng phi tuyên giữa hai thị trường này; đồng thời cũng giới thiệu một cải tiến của transfer entropy, đặt tên làtransfer entropy hiệuquả nhăm loại bỏ bớttácđộngnhiễu của những chuỗithờigiancó độ biến động lớn.

Kwonvà Yang (2008) đã tínhtoántransferentropy giữa 135 cổphiếutrên thị trường chứng khoán NYSE và xác định các công ty đóng vai trò dẫnđạo thị trường thông qua việc chứng khoán của chúng đóng vai trò nguôn phátthôngtin ban đâuvà các chứngkhoán cònlại tiếp nhận thôngtin. Trong một bàibáo khác của Kwon và các cộngsự (2016), họ đã phân tích dòng thông tin giữa 25thị trường chứng khoán trên thếgiớivà kêtquả chỉrarăng nguôn thông tin lớnnhât củacácthị trường này chínhlà thị trường Mỹ.

Kyrtsou (2016)cân nhắc tính chất phức tạp trong mốiliên hệ phi tuyến giữa cácchuỗi thời gian củathị trườngtài chính vàthị trườngnăng lượng. Các tác giả sử transfer entropy riêng phần kết hợpvới phần và thửnghiệm quan hệ nhân quả Mackey-Glass không đối xứng để xem xétmối liên hệ giữa chuỗithời gianvề dâu khí (dâu thô,xăngvà dâu đôtsưởi), chỉ số S&P500 và mức chênh lệch giá giao ngayvới giágiao sau kỳ hạn 1 tháng trên thịtrường dầu thô.Cáctác giả đã pháthiệnravaitrò dẫnđầu về thông tincủa S&P500 đôivới cácthịtrườngliênquan đến dầu thôtronggiaiđoạntừ năm 2004 đến 2009.

Bekiros vàcộng sự(2017) nghiên cứu các mốiliên kếtđộng giữa thịtrường cổ phiếu và thịtrườnghàng hóa tương laiở Mỹ thông qua việc sử dụnglý thuyết mạng phức tạp (complex network theory).Cụ thể hơn, cáctác giả đã sừ dụng transfer entropy và ma trận hệ số tương quan Pearson chodữ liệucủa các giai đoạn trướcvà sau khủng hoảng; và tìm rahai phương pháp khác nhauđể xây dựng mạng kếtnối cácthị trường.

Ji và cộng sự (2019) xem xét mối quan hệ giữacác tàisảntruyền thống như năng lượng, kim loại,hàng hóa nông nghiệp đôivới cáctiền tệ số dựa trên chuỗi transferentropy động thay đổitheo thờigian. Các tác giả tìm thây sựkêt nôi ngày càng mạnh mẽ giữa thị trường tiền tệ số với các thị trường còn lại và các tác giả cũng chỉra răng thịtrường hàng hóa và thị trường nông nghiệp đóng vai trp trungtâmtrong mạng lưới kêtnối cácthị trường.

Trong khi các ứng dụng trong nghiên cứu của transfer entropy ở trên thế giới ngày càng đa dạng thì phươngpháp này còn khá mới mẻ ở ViệtNam. Vì vậy, bài viết hướng đếnứng dụng transfer entropy vào thị trường ViệtNam nhămgiới thiệu một công cụnghiên cứu địnhlượng mới bên cạnh các công cụ truyền thôngcũngnhư khảosát môi liên hệ giữa thịtrường chứng khoánViệt Nam với các thị trường tàichính quan trọng trên thêgiới theo cách tiêp cận bằng dòng đi chuyển thông tin.

3. Dữ liệu và phưong pháp nghiên cứu 3.1. Dữ liệu

Bài viết thu thập giá đóng cưa hàng ngày của thị trường dầu thôvà thịtrường vàng theo giá giao ngay vàgiá giao sautronggiai đoạn từ tháng 2 năm 2012 đếntháng 6 năm 2019. Thị trườngchứng khoán Mỹ đượcđại diệnbăngchỉ sô S&P500 và thị trườngchứng khoári Trung Quốc được đại diện bằngchỉ số của thị trườngchứng khoán Thượng Hải (Shanghai Stock Exchange CompositeIndex).

Đối vớithị trườngViệt Nam, ngoàichỉ số chung đại diệncho cả thịtrường làVN-index;bài viết còn sử dụng chỉ sô thịtrường chứng khoán HàNội(HNX-index). Việc sử dụngnhiều chuỗi chỉ số củaViệt Nam sẽ giúp làm rõ hơnmối liên hệ thông tingiữa thị trường Việt Namvà thịtrường thế giới. Đồng thời việc so sánh kêt quả tínhtoán trên các chuỗi sẽ cho biết mứcđộ nhạy cảmcủa từng chỉ số thịtrường ViệtNam với thị trường thê giới, từ đó cung cấpnhững thông tin hữu ích cho các nhà đầu tưđể khai thác thông tintừ thị trường thế giới để dựbáo cho thị trường Việt Nam và có những quyết định kinh doanh phù hợp.

3.2. Phương pháp nghiên cứu

Trong lý thuyếtthông tin,khái niệm Shannon entropy được đềxuất bởi Shannon(1948) được sử dụng để

SỐ 283 tháng 01/2021 23

Kinh t ẽj*hỉit t riến

đo lường mứcđộ ngẫu nhiên {randomness) hoặcđộ phức tạp {complexity) của một biến số. Neu X là một biến ngẫu nhiên rời rạc, Shannon entropycủa Xđược tính toánbằng công thức:

H{X) = p{x) log p{x) = -Ep (log p{X)) (1)

Trong đó '■

p(x) =Pr(X= x) chính là xác suất để biếnngẫu nhiênXnhận giá trị;

T là miền giátrị của X, là tập họp tấtcả các giátrịcó thể có củaX.

Shannon entropy của biếnX sẽ đạt giá trị lớnnhất khi xác suất xảy ra của tấtcả các giá trị trong T là nhưnhau, nghĩa là khi đó, chuỗi sẽđạt tính ngẫu nhiên cao nhất, khó cóthể dựđoánđược giátrị nào sẽ xảy ra vì các kết quả là đồng khả năng.Khi ta càng có thêmthông tin về biến X, cụ thể là khi thông tin đó giúp tadự đoán được kết quả của X thì entropy của X sẽgiảm đi. Vì vậy, Shannonentropy cũng giúp đolường hàm lượng thông tin về một biếnngẫunhiên X.

Tương tự, nếu xéthai biến ngẫu nhiên X và Y, thì hàm entropy đồng thời(joint entropy) của haibiếnnày

sẽ là: _

H{X,Y)~-

X y

p{x,y)\ữgp{x,y) = -E{\ữgp{X,Y)) (2) xeTA re'ỉ'ị.

Entropy có điều kiện của Xtheo Ycho biếtentropy của X khi đã có thông tinvề Y với thông tincụ thể

như sau: __

H{X Iy) = -

2

^p{x)

y

^p{x I y) logp(x ị y) = -E(log p{xI y)) (3)

í 'K.

Theo tính chất liên hệgiữa xácsuấtđồng thời vàxácsuất có điều kiện, ta được quy tắcmắt xích {chain rule) của entropynhư sau:

H{X,Y) = H{X) +H{Y \ X)= H{Y) +H{X\Y) (4) Khi giữa hai biến ngẫu nhiên có hàm chứa những thôngtin chung, thì cách thức để đo lườngmức độ chungthông tin{mutual information) của hai biến, ký hiệu làI(X, Y) là:

Hỵ{X, Y) =

- £ y

^{p{x, y)ìogp{x,y) (5)}

H2 {X, Y) =

- y y

^{p{x, y)}ỉogp{x)p{y) (6)

ye'Yy

ỉ(X,Y) = H,(X,Y)-H1ịX,Y) = -ỵ

X

^{log fff}p(x)p{y) £ p{X)p{Y) ^{= í log}

ì

Ị

<7)

Nếu lượng thông tin chung càng lớn thì việc biết thông tin biến này sẽ giúp dựđoán tốt hơn thông tin của biến còn lại. Khi vận dụng đối với chuỗi thời gian, nếu thông tin chungcủa biến Yvới các thông tin trong quá khứ của biển X là lớn,có nghĩa là cácthông tin trong quá khứ cuaXcóthểgiúp dựbáo thông tin chung trong biến Y. Từ đó, khái niệm transfer entropy được xâydựng đếđo Sường mức độ chuyên giao thông tin giữa các chuỗi thời giannhư sau:

TEx^z=H{Yl\Y-®Z-)-H{Yt\X-®Y~®Z~) (8)

Dựa trên tính chất của đạilượng thông tin chung Ml, điều đó cũng có nghĩa là

ỈEX^X =I{Y,;X- \Y~®Z~) (9)

Nếu TE v^nz càng lớn, có nghĩa là dòng chảy thôngtin từ Xvào Y càng lớn và ngược lại, Khi transfer entropy càng gần 0thì dòng thông tin giữa các biếnngẫu nhiên gầnnhư đã biếnmất.Tương tự, TEY_>xịz cũng giúp đo lườngdòng chảy thôngtin từ Yvào X. Tuy vậy, đại lượng transferentropy không giúp tìm được cơ chế truyền thông tin nàylà gì và thông tin truyền đi bằngcách nào.

Trong bàiviếtnày, transfer entropy được sử dụng để đo lường dòng chảythông tin từ các thị trường tài chính quan trọng trênthế giớinhư thị trường dầuthô, vàng, thịtrường chứng khoán Mỹvà Trung Quôc đên

Số 283 tháng01/2021 24

killll le.vPllill Irieil

thị trườngchứng khoán ViệtNam để xemxét liệu thị trường ViệtNam có thực sự tiếp nhận thông tin tù các thịtrường tài chính quan trọng này. Kêt quả đolườngnày cũnggóp phần thể hiện tính hội nhập củaViệt Nam trong tài chính và kinhtê. Biếnngẫunhiên được sử dụng để xác định và đolườngdòng chảy thông tin giữa cácthịtrường làtỷsuâtsinh lợicủa tài sảntài chính, được tính bằng côngthức sau:

r - lOOxln-^— (10) Trong đó: ritlàtỷ suất sinh lợicủa tài sản i ởthời điểm t;

Pit là giá của tài sảni tại thờiđiểmt;

Pit! làgiá của tàisản i tại thời điểmt-ỉ;

Chuôi tỷ suât sinh lợigiường được lựa chọn để nghiêncứu vì theo côngthức (10), chuỗi códạngsai phân củahàm logarit (vì In " = In Pịt - In Pị t ! = A In Pit). Do vậy, chuỗi thườngcótínhdừng, trong khicác chuôi tài chính khác nhtF-ehuoi giá chứng khoán hoặc chuỗi khối lượnggiao dịch thường làchuỗi không dừng.

Đe xácđịnh dòng chảythông tin từcác thị trườngtài chính lớntrênthếgiớiđến thị trườngViệt Nam, công thức (9)sẽ được áp dụng với chuỗinguồncủa dòng thông tin, lần lượtlà tỷ suất sinh lợi của các thị trườngdâu thô, thị trườngvàng, thị trường chứng khoán Mỹ vàthịtrườngchứngkhoán Trung Quốc.

Chuôi X, đóngvaitrò là chuỗi tiếpnhận thôngtin, sẽ là chuỗi tỷ suất sinh lợi của VN-index. Kết quả thôngkêmô tả giá đóng cửa hàng ngàycủacác thị trường cùng với tỷ suất sinh lợihàng ngày được thể hiệntrong Bảng 1.

4. Kết quả và thảo luận

4.1. Thống kê mô tả dữ liệu

Bảng 1 thể hiện kết quả thống kê môtả chuỗi giá đóng cửa hàng ngày và tỷ suất sinh lợi của giá dầu thô giao ngay và giao sau, giá vàng giao ngay và giao sau, chỉ số chứng khoánthị trường Thượng Hải, chi số S&P500 và các chỉ số đại diện cho thịtrường Việt Nam bao gồm chỉ số VN-index, và chỉ số HNX-index.

Biên động cụ thê của từngchuỗi giá và tỷ suất sinh lợiđượcthể hiệntrong Hình 1.

Kêt quả mô tả cho thấy tỷ suất sinh lợi trung bình của giai đoạn từ tháng 2 năm 2012 c n 6 năm 2019

Bảng 1: Bảng thống kê mô tả chuỗi giá đóng cửa

và tỷ suất sinh lợi hàng ngày của các thị trường tài chính

Thị trường

Số quan

sát

Giá trị ] trung

bình

Độ lệch chuẩn

Giá trị nhỏ nhất

Giá trị

lớn nhất Kiểm định ADF

__________ Chuỗi giá đóng cửa

Giá dầu giao ngay 1493 72.913 25.955 26.010 128.140 -1.753 Không dửng Giá dầu giao sau 1493 66.169 21.262 26.550 109.770 -1.709 Không dìmg Giá vàng giao ngay 1492 1319.833 167.742 1058.810 1785.850 -2.471 Không dừng Giá vàng giao sau 1493 1370.895 150.733 1096.500 1787.000 -2.601 Không dừng Chỉ số TTCK Thượng Hải 1493 2876.816 583.758 1959.770 5166.350 -1.769 Không dừng Chi số S&P500 1493 2147.132 458.925 1278.040 2954.180 -0.810 Không dừng

VN-index 1493 681.782 202.040 375.260 1204.330 -0.748 Không dừng

HNX-index 1493 87.938 17.853 50.660 137.780 -1.392 Không dừng

Chuỗi tỷ suất sinh lọi

Giá dầu giao ngay 1492 -0.039 2.235 -30.075 12.052 -37.56*** Dừng

Giá dầu giao sau 1492 -0.037 2.351 -22.160 11.643 -41.57*** Dừng

Giá vàng giao ngay 1492 -0.014 0.972 -15.127 4.693 -39 27*** Dừng

Giá vàng giao sau 1492 -0.014 0.971 -13.831 6.833 -40.12*** Dừng

Chỉ số TTCK Thượng Hải 1492 0.016 1.551 -15.619 9.917 -37.54*** Dừng

Chỉ số S&P500 1492 0.052 0.913 -9.705 6.530 -39.87*** Dừng

VN-index 1492 0.057 1.122 -6.640 4.201 -36.77*** Dừng

HNX-index 1492 0.033 1.266 -10.046 6.088 -38.33*** Dừng

Nguôn: Tinh toán của tác giá từ số liệu thu thập được.

SỐ 283tháng 01/2021 ₂₅

Kinliíyhatlriến

Hình 1 Đồ thị chuỗi giá đóng cửa và tỷ suất sinh lọi hàng ngày của các thị trường

500 1000

Thời gian Thòi gian

0 500 1000 1500

Thời gian

0 1500

Thời gian

“I--- 1---I--- r

0 500 1000 1500

Thời gian

0 500 1000 1500

Thời gian

SỔ 283 tháng 01/2021 ²⁶

kinlitd ’ hiitlrien

số 2 8 3 th á n g 0 1 /2 0 2 1

27Kinh

ty

liattriến

Chì sỗ chứng khoán thị trường Thượng Hải Giá đóngcứa VN-lndex

Tỷ suấtsinh lợi VN-lndex

ThờỉgianThờigian

ỷ suât sinh lợi thị trường Thượng Hải Tỷ suất sinh lợi chỉ số s&p 500

Hình1:(Tiếp)

Bảng 2: Kết quả tính toán transfer entropy từ các thị trường dầu thô

________________________________vào thị trường chứng khoán Việt Nam_________________________________

______________ Thị trường hàng hóa Transfer entropy_________________

Giá dầu giao ngay__ Độ trễ 1 Độ trễ 2 Độ trễ 3 Độ trễ 4 Độ trễ 5

TSSL giá dầu giao ngay -> TSSL VN-index 0.0021 0.0093 0.021 1 0.0379 0.0524 TSSL giá dầu giao ngay______ -> TSSL HNX-index 0.0089* 0.0213** 0.0315 0.0461 0.0588 ________________ Giá dầu giao sau Độ trễ 1 Độ trễ 2 Độ trễ 3 Độ trễ 4 Độ trễ 5

TSSL giá dầu giao sau -> TSSL VN-index 0.0060 0.0095 0.0198 0.0341 0.0472 TSSL giá dầu giao sau-> TSSL HNX-index 0.0092* 0.0140 0.0229 0.0333 0.0436 Nguôn: Tính toán của tác giá từ so liệu thu thập được

*****♦, ý nghĩa thống kê tương ứng ỡ mức 10%, 5% vả 1 %

của dầu thôvà vàng đều mang dấu âm,kể cả thị trường giao ngay và thịtrường giao sau. Độlệch chuẩnvà khoảng biếnthiêntừgiátrị nhỏ nhất đến giátrị lớn nhất của tỷ suất sinh lợi dầu thô khálớnchothấy mức độ rủi ro cao khi đầu tưvào tư vào thị trường này. Tương tự vớithịtrường dầu thô,thị trườngvàng củngcó tỷ suất sinhlợi âm nhưng độ lệch chuẩn khá nhỏ sovới thịtrườngdầu mặcdù khoảngbiếnthiêncũng rất rộng.

Ngoàithị trườngvàng và dầu thô,các thịtrường còn lại đều cótỷ suất sinh lợi dương. Tỷsuấtsinh lợi trung bình của chỉ so S&P500 cao hơncủa chỉ sốthịtrườngthườngThượng Hải rấtnhiều; nhưng độlệch chuẩn và khoảngbiếnthiên của S&P500lạinhỏ hơn. Tấtcả các chìsố của thị trường chứng khoán Việt Nam đềucótỷ suấtsinh lợi trung bình lớn hơn 0;trong đó tỷ suất sinh lợi trung bình của VN-index là cao nhất và độ lệch chuẩnthấp nhất trong số các chỉ số được xét.

Bảng thống kê mô tảchi giúp cóđược những thông tin ban đầuvề từng thị trường, chưathể hiện được mối liên hệ cũng nhưdòng chảy thông tin giữacác thị trường với nhau.Vì vậy, mục 4.2 với nộidung kiểm địnhdòng chảythông tin bằng transferentropy sẽ làm rõ mối liên hệ này.

4.2. Ket quả kiểm định dòng chảythôngtin bangtransfer entropy

Bài viết thực hiện tính toán transferentropy để đo lườngdòngchảy thông tin từ cácthị trường lớn của thế giới đến thị trường Việt Nam, cụthể là thịtrường dầuthô, thị trường vàng,thị trường chứng khoán Thượng Hải củaTrung Quốc vàthị trường chứngkhoán Mỹ. Transferentropy trong bài viếtnàyđượctính toán tại nhiều độtrễ khác nhau, cụ thể là từ độtrễ 1 đến độtrễ 5 để cho thấy tính trề (nếu có) trong việc truyền dẫn thông tin từ thị trường thế giới đến Việt Nam. Độ trễ 5 được chọn vì trên thị trường chứng khoán trong tuần chi có 5 ngàygiao dịchvà độtrễ 5 đủđể thể hiện một chu kỳtheo tuần củathị trường. Bảng 2 thểkết quả

Hình 2: Đồ thị transfer entropy từ thị trường dầu thô giao ngay vào thị trường chứng khoán Việt Nam

Nguồn: Tính toán củatácgiả từsô liệu thu thập được.

SỐ 283 thảng01/2021 28

kiiihhvPhiií triến

Hình 3: Đồ thị transfer entropy từ thị trường dầu thô giao sau vào thị trường chứng khoán Việt Nam

0.0500 0.0450 0.0400 0.0350 0.0300 0.0250 0.0200 0.0150 0.0100 0.0050 0.0000

Độ trễ 1 Độ trễ 2 Độ trễ 3 Độ trễ 4 Độ trễ 5

■ TSSL VN-Index □ TSSL HNX-Index

Nguôn: Tinh toán của tác giả từ sổ liệu thu thập được.

transfer entropy của thịtrường dầuthếgiới đến thị trườngchứng khoán ViệtNamxét theo cả thị trườngdầu giao ngay và thịtrường dầu giao sau.

Xét vềđộ lớn của transferentropy, Hình 2 giúp dễ dàng so sánh giátrị transfer entropy đo lường mức độ truyền thông tintừ chuỗitỷ suất sinh lợi thị trường dầu thôgiao ngay đến các chỉ sổ chứng khoán Việt Nam theo các độ trê khác nhautừ độ trê 1 đênđộ trê 5. Có thê thấy rằng, chỉ số chứngkhoánthị trường HàNội tiêp nhận thông tin nhiêu nhất từthị trườngdầu thô giao ngay, điều nàyxảyra ở tất cả các độ trễ;

nhưng chênh lệch vê transferentropy giữacác chỉ số là khôngnhiều. Kết quả kiểmđịnh ý nghĩa thống kê vê transfer entropy từthị trường dâu thô giaongay đến các chỉ số chứngkhoánở ViệtNamcũng cho thấy transferentropy cua thịtrường Hà Nộicóýnghĩathôngkê ở độ trê 1 và 2; cácđộ trễ còn lạicũng không có ý nghĩa thống kê.

Hình 3 thể hiệnkết quả đo lường dòng thông tin từ thị trường dầuthô giao sauvào thịtrườngchứng khoán Việt Nam, thị trường Hà Nội không còn là nơitiếpnhận thông tin từ thị trườngdầu giao sau nhiều nhátnữa, đặcbiệt là ở cácđộtrễ 3,4,5. Tuy nhiên, tất cả các transfer entropy tínhtoán được từ thị trường dầu thôgiao sau đều không có ý nghĩathốngkê.

Kêt hợpkết quảđo lường dòng chảythông tin từthị trường dầu thô giao ngay và giaosau, bài viết kết luận răng thị trường chứng khoán ViệtNamgàn như không bị ảnh hưởng bởi dòng thôngtin từ thị trường dầuthô, ngoại trừđộtrễ ỉ và 2 ở thị trường Hà Nội nhưng bằngchứng thống kê này không đủ mạnh để đảm bảocho mộtsự lan truyền thông tin từ thị trường dầu thô vào thịtrường Việt Nam.

Bảng 3: Ket quả tính toán transfer entropy từ các thị trường vàng vào thị trường chứng khoán Việt Nam

Thị trường hànghóa Transfer entropy

Giá vàng giao ngay Độ trễ 1 Độ trễ 2 Độ trễ3 Độ trễ 4 Độ trễ 5 TSSL giá vàng giao ngay -> TSSL VN-Index

TSSL giá vàng giao ngay -> TSSL HNX-Index

o'oO4O 0.0033

0.0208**

0.0166

0.0343**

0.0254

0.0456 0.0409

0.0685 0.0665 Giávàng giao sau Độ trễ 1 Độ trễ 2 Độ trễ3 Độ trễ4 Độ trễ 5

TSSL giá vàng giao sau -> TSSL VN-Index TSSL giá vàng giao sau -> TSSL HNX-Index

0.0039 0.0038

0*0173 0.0126

0*0268 0.0204

0*0416 0.0312

0*0599 0.0421 Nguôn: Tinh toán của tác giả từ sổ liệu thu thập được

*,**,♦* *■■ có ý nghĩa thông kê ticơng ứng ở mức 10%, 5%và 1%_____________________________

Số 283 tháng 01/2021 ₂₉

kinh Mat triển

Hình 4: Đồ thị transfer entropy từ thị trường vàng giao ngay vào thị trường chứng khoán Việt Nam

Nguồn: Tinh toán cua tácgiả từ số liệu thuthậpđược.

Bảng 3 thêhiệnkếtquàtính toántransfer entropytừ thị trường vàng giao ngay và giao sau vào thịtrường Việt Nam. Khác với dầu thô giao ngay, chì số VN-index có phản ứng với những thông tin trên thị trường vàng giao ngay; phản ứng có tính trễ 2 đến 3 ngày; trong khi đó chỉ sô HNX-index không phàn ứng VỚIthị trường vàng giao ngay. Nhìn chung, có thê nhận thây chứng khoán cùa Việt Nam không co dau hiẹu tiep nhận thông tin từ thịtrườngvàng giao sau.

Hình 4và Hình 5 biểu thịđộ lớn củatransfer entropy củadòng thông tin từthị trường vànggiao ngay và thịtrường vàng giaosauđến thịtrường chứng khoán Việt Nam;ngoài những kêt quả đã phân tích ởtrênvê chì số VN-index; cũng cóthểnhận thấy rằng thịtrườngHà Nội có mứcđộtiếp nhận thông tin từ thị trường vàng có thể xem là thấp nhất trong số các chi sốchứng khoán cùa Việt Nam.

Hình 5: Đồ thị transfer entropy từ thị trường vàng giao sau vào thị trường chứng khoán Việt N

Nguồn: Tính toáncủa tácgiả từ số liệu thu thập được.

Sổ 283 tháng 01/2021 ³⁰

Kinhtưháttripn

Bảng 4: Ket quả tính toán transfer entropy từ thị trường chứng khoán Thượng Hải vào thị trường chứng khoán Việt Nam

TSSL thị trường chứng khoán Thượng Hải Độ trễ 1 Độ trễ 2 Độ trễ 3 Độ trễ 4 Độ trễ 5 TSSL Thượng Hãi -> TSSL VN-Index 0*0048 o'oi8O 0.0452** 0.0645** 0.0889**

TSSL Thượng Hai -> TSSL HNX-Index 0.0048 0.0124 0.0296 0.0491 0.0722 Nguỏn: Tinh toán của tác giả từ số liệu thu thập được

*. **. ***.' có ý nghĩa thống kê tương ứng ờ mức 10%, 5% và 1%

Hình 6: Đồ thị transfer entropy từ thị trường chứng khoán Thượng Hải vào thị trường chứng khoán Việt Nam

0.1000 0.0900 0.0800 0.0700 0.0600 0.0500 0.0400 0.0300 0.0200 0.0100 0.0000

Độ trề 1 Độ trễ 2 Độ trễ 3 Độ trễ 4 Độ trễ 5

■ TSSL VN-Index □ TSSL HNX-Index

Nguồn: Tính toán củatácgiả từsố liệu thu thập được.

Bàng 4và Hình 6 thế hiện kếtquả đo lường transferentropyvào từ thịtrường chứngkhoán ThượngHải đên thị trường chứng khoán Việt Nam, trong bài viết này, chỉ số SSECcủa thị trường Thượng Hải được chọn đê đại diệncho thị trườngTrung Quốc trongviệcxem xét dòng chảy thôngtin vào Việt Nam. Kết quả tính toánở Bảng 4cho thấy rằngchỉ số chứng khoánVN-index cóbị tácđộng thông tin từ thị trường Thượng Hải nhưng hệsôtransfer entropy chi đủmạnhở cácđộtrề 3, 4 và5. Điềunày làbằng chứng thống kê cho thây dòng thôngtin từthị trường Trung QuốcvàoViệt Nam có tác động đến thị trường vàtácđộng có độtrễnhât định, theo kết quảtính toántransfer entropy thì độ trễ là 3 ngày. Mặc dù chỉ sốchính của thị trường làVN-indexcódấu hiệuđủ mạnh cho thấy sựtiếp nhận thông tintừ thịtrường Trung Quốc, nhưng chỉsô thị trường Hà Nội HNX-indexcóthểđược xem là khôngcóphảnứng với dòng thông tin từ thị trường này.

Mặc dù phản ứng chậmvớiđộ trễ 3 ngày vớidòng thòng tin từ thịtrường Trung Quốc nhưng kết quả kiêm định transfer entropycho thấy VN-index lại rấtnhạy với dòng thông tin từ thị trường chứng khoán Mỹ, đại diện băngchỉsố S&P500. TừkếtquảtínhtoántrongBảng5 và Hình 8, transfer entropy từS&P500

Bảng 5: Kết quả tính toán transfer entropy từ thị trường chứng khoán Mỹ vào thị trường chứng khoán Việt Nam

TSSL thị trường chứng khoán Mỹ Độ trễ 1 Độ trề 2 Độ trễ 3 Độ trễ 4 Độ trễ 5 TSSL S&P500 TSSL VN-Index 0.0157*** 0.0276*** 0.0473** 0.0744*** 0.0992***

TSSL S&P500 -> TSSL HNX-Index 0.0088* 0.0201 0.0395 0.0593 0.0810*

Nguón: Tính toán cùa tác giá từ số liệu thu thập được

*■ **, ***- éóý nghĩa thắng kẽ tương ứng ớ mức 10%i, 5% và 1%>

SỐ 283 tháng 01/2021

31 killll |yi||j||

Hình 7: Đồ thị transfer entropy từ thị trường chứng khoán Mỹ

đến VN-index mạnhnhất so với các chi sốkhác và có ýnghĩa thống kê mạnhở tất cả cácđộ trễ được xét.

Điều này cũng được thể hiện ởđồ thị trong Hình 7. Khác với chuỗiVN-index, chuỗi HN-indexcủa thị trường Hà Nội phản ứngvới thông tin từ thịtrườngMỹ không mạnh và không rõ ràng.

Neu chọn VN-index làchỉ số đại diện chothịtrường chứngkhoánViệtNam thì Hình8giúp tổng họp và so sánh transfer entropy từ các thị trườnglớntrênthếgiớivào VN-index.Ởtấtcả các độ trễ, cóthểthấyrằng dòng thông tin từ S&P500đến VN-index là mạnhnhất. Kết quảnày là bằng chứng thực nghiệm cho thấy thịtrường chứng khoán ViệtNam chịutác độngthông tin mạnhnhất từ thị trường Mỹ,kế tiếp là thị trường

Hình 8: Biểu đồ transfer entropy từ các thị trường tài chính thế giói vào VN-Index theo độ trễ

Số 283 tháng 01/2021 32

KinhtếJ*hattriên

Trung Quốc với độtrề nhất định, ítnhất là 3 ngày giao dịch của thị trường.

5. Ket luận và gợi ý chính sách

Bài viết sử dụng số liệu giá đóng cửa hàngngàycủa thị trường dầu thô,thị trường vàng,thị trường chứng khoán Thượng Hải,thịtrường chứngkhoán Mỹ và các chỉ số chứng khoán của Việt Nam trong giai đoạn từ tháng 2 năm2012 đên tháng6 năm 2019 để khảo sát dòng chảy thông tin từ các thị trường của thếgiới đên Việt Nam băngkỹthuật tính toán transfer entropy. Kếtquảtính toáncho thấy thịtrường chứng khoán Việt Nam, đại diện băng chì số VN-index gần như không phản ứng vớidòng thông tin từ thị trường dầu thô nhưngcó phànứngphản ứngvớithông tin từ thị trườngvàng giao ngayvới độtrễ2 ngày. Bên cạnh đó, thị trường chứng khoán Việt Nam tiêp nhậnthông tin nhanhvà mạnh từ thị trường Mỹ, một thị trườngvốn năng động và lớnnhât thê giới. Tuy nhiên, thị trường chứngkhoán Trung Quốc cũng có tác động đến thị trường Việt Nam nhưng yếu hon và có độtrề từ 3 ngày.

Kếtquả nghiên cúncũnggóp phần khuyến cáo cácnhà đầu tưtrong vấn đề đưa ra cácquyếtđịnh kinh doanh của mình. Khi nhà đâutư dựatrên thông tin về tình hình biến động củathị trường thế giới để nhận định vê thị trường ViệtNam cân lưu ý cácdònglưu chuyển thông tin màbàinghiên cứu ghi nhận. Những thông tin từ thị trường Mỹ, thị trường Trung Quốc cần được quan tâm hơn những thông tin từ thịtrường dầu thô vàthị trườngvàng. Và chỉ sô VN-index của Việt Nam thi nhạy cảm và đại diện tốt hơn chothị trường chứng khoánViệt Namsovới chi số HNX-index.

Tài liệu tham khảo

Barnett, L„ Barrett, B. A., & Seth K. A. (2009), ‘Granger Causality and Transfer Entropy Are Equivalent for Gaussian Variables’, Physical Review Letters, 103, DOI:https://doi.org/10.1103/PhysRevLett. 103.238701.

Bekiros, s., Nguyen, D.K., Sandoval Junior, L. & Uddin, G.s. (2017), ‘Information diffusion, cluster formation and entropy-based network dynamics in equity and commodity markets’, European Journal of Operational Research, 256(3), 945-961.

Granger, C.W.J. (1969), ‘Investigating Causal Relations by Econometric Models and Cross-spectral Methods’, Econometrica. 37(3), 424-438.

Kullback, s. & Leibler, R.A. (1951), ‘On information and sufficiency’. Annals of Mathematical Statistics, 22 (1), 79-86.

Kwon, O.& Yang, J.-S. (2008), ‘Informationflow between stock indices’, Europhysics Letters, 82(6), DOI: 10.1209/0295- 5075/82/68003.

Kyrtsou, c., Mikropoulou, c., & Papana, A. (2016), ‘Does the S&P500 index lead the crude oil dynamics? A complexity-based approach'. Energy Economics, 56, 239-246.

Ji, Q., Bouri, E., Roubaud, D., & Kristoufek, L. (2019), ‘Information interdependence among energy, cryptocurrency and major commodity markets’. Energy Economics. 81,1042-1055.

Marschinski, R. & Kantz, H. (2002), ‘Analysing the Information Flow Between Financial Time Series: An Improved Estimator for Transfer Entropy’, European Physical Journal, 30(2), 275-81.

Schreiber, T. (2000), ‘Measuring Information Transfer'. PhysicalReview Leiters. 85(2), 461-64.

Shannon, C.E. (1948), ‘A Mathematical Theory of Communication”, Bell System Technical Journal, 27, 379-423.

So 283thảng 01/2021 33

kiiỊỈiiiứLíỉrÌHi