tác động của các nhân tố kinh tế vĩ mô đến thị trường chứng khoán việt nam

Xuất phát từ lý do trên, tác giả nhận thấy việc nghiên cứu tác động của các nhân tố kinh tế vĩ mô đến thị trường chứng khoán Việt Nam là hết sức quan trọng không chỉ đối với các nhà hoạc

GIỚI THIỆU ĐỀ TÀI

Lý do chọn đề tài

Như chúng ta đã biết, thị trường chứng khoán thế giới có một lịch sử hình thành và phát triển lâu dài, đã trải qua nhiều thăng trầm và biến cố lớn Từ giữa thế kỷ 20 đến nay, thị trường chứng khoán toàn cầu đã mở rộng quy mô, chứng kiến sự ra đời của các chỉ số uy tín và hệ thống giao dịch điện tử hiện đại, qua đó nâng cao thanh khoản và nhạy bén với dòng chảy vốn toàn cầu Những biến động mạnh như khủng hoảng tài chính, suy thoái kinh tế và các cải cách quy định đã định hình cách quản trị rủi ro và vai trò của cổ phiếu, trái phiếu cùng các công cụ phái sinh trong chiến lược đầu tư Sự phát triển của công nghệ thông tin và sự hội nhập kinh tế đã làm cho thị trường chứng khoán trở nên nhạy với tin tức và sự kiện ở khắp nơi, mở ra nhiều cơ hội cho nhà đầu tư cá nhân và tổ chức Nhận thức sâu sắc về lịch sử thị trường giúp người tham gia nhận diện chu kỳ thị trường, xây dựng chiến lược đầu tư bền vững và quản lý rủi ro hiệu quả.

Thị trường chứng khoán bắt đầu như những khu chợ tự phát ở trung tâm các thành phố phương Tây, nhưng nay đã phát triển thành các thị trường vững mạnh và quy mô ở Mỹ, Nhật Bản, Anh, Đức, Pháp Nó đóng vai trò then chốt trong hệ thống kinh tế thị trường và ngày càng quan trọng đối với các nước đang phát triển cần huy động vốn đầu tư lớn, như Việt Nam, nhằm thúc đẩy tăng trưởng kinh tế và thu hút nguồn vốn ngoại.

Thị trường chứng khoán Việt Nam ra đời muộn và còn non trẻ so với mặt bằng chung Hơn 20 năm hình thành và phát triển, thị trường đã trải qua nhiều biến động từ các cú sốc kinh tế toàn cầu và những biến động nội tại Việt Nam, nhưng vẫn đạt được một số thành tựu đáng kể Tuy nhiên, để sánh vai với các cường quốc trong khu vực và trên thế giới, thị trường cần được đầu tư và phát triển mạnh mẽ hơn nữa Nhờ sự tiến bộ của khoa học kỹ thuật và các công cụ phân tích – dự báo, chúng ta có thể nghiên cứu tác động của các yếu tố lên thị trường chứng khoán Việt Nam một cách hiệu quả hơn, từ đó đề xuất, ban hành các giải pháp phù hợp và dự báo xu hướng phát triển của thị trường trong tương lai.

Xuất phát từ lý do trên, tác giả nhận thấy nghiên cứu tác động của các nhân tố kinh tế vĩ mô đến thị trường chứng khoán Việt Nam là vô cùng quan trọng, không chỉ đối với các nhà hoạch định chính sách mà còn đối với các nhà đầu tư trên thị trường Phân tích này giúp làm rõ cách các biến số vĩ mô như tăng trưởng kinh tế, lãi suất, lạm phát và tỷ giá tác động đến diễn biến và định giá cổ phiếu tại Việt Nam, từ đó hỗ trợ quyết định đầu tư và định hình chính sách sao cho thị trường chứng khoán hoạt động hiệu quả hơn.

Thị trường chứng khoán chịu tác động từ nhiều yếu tố nội sinh và ngoại sinh, nhưng nghiên cứu này tập trung vào tác động của các yếu tố kinh tế vĩ mô (những yếu tố ngoại sinh) đối với chỉ số VN-Index Các biến số vĩ mô như tăng trưởng kinh tế, lãi suất, lạm phát và chính sách tiền tệ - tài khóa được phân tích để làm rõ mức độ ảnh hưởng đến diễn biến của VN-Index Việc nhận diện và định lượng tác động của các yếu tố này giúp nhà đầu tư và nhà quản lý rủi ro dự báo xu hướng thị trường và tối ưu chiến lược đầu tư trên VN-Index Bài viết cung cấp một khung phân tích có hệ thống, làm rõ mối quan hệ giữa môi trường kinh tế vĩ mô và chỉ số VN-Index, đồng thời nhấn mạnh tầm quan trọng của yếu tố ngoại sinh trong biến động thị trường chứng khoán Việt Nam.

Mục tiêu nghiên cứu

Luận văn phân tích các nhân tố kinh tế vĩ mô đang tác động đến thị trường chứng khoán Việt Nam hiện nay, đặc biệt là tỷ giá hối đoái, cung tiền mở rộng, lãi suất, chỉ số sản xuất công nghiệp, tỷ lệ lạm phát, cùng biến động giá dầu và giá vàng Tỷ giá hối đoái ảnh hưởng đến biên lợi nhuận của doanh nghiệp và chi phí giao dịch, từ đó định hình diễn biến giá cổ phiếu và dòng vốn đầu tư Cung tiền mở rộng và lãi suất quyết định chi phí vay và thanh khoản, tác động trực tiếp lên hoạt động giao dịch và lợi suất của thị trường chứng khoán Việt Nam Chỉ số sản xuất công nghiệp phản ánh sức khỏe của nền kinh tế thực và dự báo xu hướng thị trường cổ phiếu Lạm phát cao làm suy giảm sức mua và tạo áp lực lên lợi nhuận doanh nghiệp, trong khi biến động giá dầu và giá vàng phản ánh kỳ vọng lạm phát và rủi ro địa chính trị.

Thông qua mô hình vectơ hiệu chỉnh sai số VECM, luận văn xác định mức độ tác động của các nhân tố vĩ mô lên chỉ số giá chứng khoán của thị trường chứng khoán Việt Nam và từ đó đề xuất các giải pháp nhằm nâng cao hiệu quả quản lý trên thị trường; các câu hỏi nghiên cứu được đặt ra nhằm làm sáng tỏ mối quan hệ giữa các yếu tố vĩ mô và biến động của chỉ số giá chứng khoán, cung cấp cơ sở cho quản trị và chính sách thị trường chứng khoán tại Việt Nam.

- Các nhân tố kinh tế vĩ mô tác động như thế nào đến thị trường chứng khoán Việt Nam trong ngắn hạn?

- Các nhân tố kinh tế vĩ mô tác động như thế nào đến thị trường chứng khoán Việt Nam trong dài hạn?

- Gợi ý chính sách trong việc nâng cao hoạt động đầu tư cũng như phòng ngừa, hạn chế rủi ro trên thị trường chứng khoán Việt Nam.

Phạm vi, đối tượng nghiên cứu

Đối tượng nghiên cứu của luận văn là xem xét tác động của các yếu tố kinh tế vĩ mô lên thị trường chứng khoán Việt Nam ở hai khung thời gian ngắn hạn và dài hạn Nghiên cứu nhằm nhận diện và đo lường mức độ ảnh hưởng của các biến kinh tế vĩ mô như tăng trưởng kinh tế, lạm phát, lãi suất, tỷ giá và chính sách tài khóa – tiền tệ đến diễn biến của chỉ số chứng khoán và thị trường cổ phiếu Việt Nam Qua đó, luận văn cung cấp cái nhìn và căn cứ để đánh giá tác động của môi trường kinh tế vĩ mô đối với thị trường chứng khoán Việt Nam trong ngắn hạn và dài hạn, phục vụ cho mục tiêu đầu tư và hoạch định chính sách.

Phạm vi dữ liệu nghiên cứu là dữ liệu thứ cấp về tỷ giá hối đoái, cung tiền mở rộng (M2), lãi suất, chỉ số sản xuất công nghiệp, tỷ lệ lạm phát, giá dầu và giá vàng, được thu thập từ 01/2008 đến 05/2018 Số liệu được trích dẫn từ các nguồn đáng tin cậy như Tổng cục Thống kê Việt Nam (GSO), Quỹ Tiền tệ Quốc tế (IMF) và các nguồn uy tín khác, nhằm bảo đảm tính khách quan và độ tin cậy cho phân tích kinh tế vĩ mô.

Phạm vi dữ liệu nghiên cứu được lựa chọn từ 01/2008 đến 05/2018 vì trong các biến giải thích có thành phần là chỉ số sản xuất công nghiệp và cung tiền M2 chỉ có dữ liệu từ 01/2008 trở đi, do đó tác giả chọn khoảng thời gian này để chuẩn hoá các biến và đảm bảo sự đồng nhất cho toàn bộ mô hình Ngoài ra, mốc năm 2008 được chọn vì thị trường chứng khoán Việt Nam đã trải qua những biến đổi đáng kể, cho phép nghiên cứu sâu hơn tác động của các yếu tố vĩ mô lên thị trường và đề xuất các phương pháp phù hợp cho giai đoạn mới.

Phương pháp nghiên cứu

Bài nghiên cứu áp dụng mô hình vectơ hiệu chỉnh sai số VECM để xem xét tác động của các nhân tố kinh tế vĩ mô tới thị trường chứng khoán Việt Nam Quá trình nghiên cứu bắt đầu bằng việc thu thập và xử lý dữ liệu bằng Microsoft Excel 2007 nhằm tính toán và lọc các biến cần thiết Dữ liệu sau đó được đưa vào phần mềm EViews 8 để phân tích và ước lượng mô hình VECM, từ đó làm rõ mối quan hệ đồng biến và cơ chế điều chỉnh giữa các yếu tố kinh tế vĩ mô và thị trường chứng khoán Việt Nam.

Bố cục của nghiên cứu

Đề tài được kết cấu thành 5 chương, bao gồm:

Chương 1: Giới thiệu đề tài

Chương 2: Cơ sở lý luận và khung phân tích

Chương 3: Mô hình nghiên cứu

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 5: Kết luận và kiến nghị

CƠ SỞ LÝ LUẬN VÀ KHUNG PHÂN TÍCH

Cơ sở lý luận về tác động của các nhân tố vĩ mô đến chỉ số giá chứng khoán

Theo lý thuyết chênh lệch giá (Arbitrage Pricing Theory – APT), thị trường chứng khoán chịu tác động từ nhiều nhân tố, bao gồm cả yếu tố vi mô và vĩ mô; bất kỳ thông tin mới về các nhân tố vĩ mô cũng có thể ảnh hưởng đến giá chứng khoán và tỷ suất sinh lời thông qua cổ tức kỳ vọng hoặc tỷ lệ chiết khấu, hoặc cả hai (Chen, Roll & Ross, 1986) Stephen Ross đã phát triển lý thuyết này để giải thích tỷ suất sinh lời của chứng khoán trên thị trường từ năm 1976 Trong mô hình APT, các nhân tố có thể là vi mô hoặc vĩ mô và tỷ suất sinh lời kỳ vọng được xác định bởi một tập hợp các nhân tố này, với các hệ số tải tương ứng phản ánh mức độ tác động lên từng chứng khoán.

Dựa trên khung lý thuyết đã trình bày, bài viết phân tích tác động của các yếu tố kinh tế vĩ mô gồm lạm phát, chỉ số sản xuất công nghiệp, lãi suất, tỷ giá, cung tiền, giá dầu và giá vàng lên chỉ số giá chứng khoán dựa trên các lý thuyết có liên quan Mô hình và phương pháp nghiên cứu được sử dụng nhằm làm rõ mối quan hệ giữa các biến này và chỉ số giá chứng khoán, xác định các kênh ảnh hưởng và mức độ tác động của từng yếu tố Lạm phát và lãi suất ảnh hưởng tới chỉ số giá chứng khoán thông qua kỳ vọng và chi phí vốn, trong khi tỷ giá và cung tiền tác động đến thanh khoản và dòng vốn vào thị trường; giá dầu và giá vàng tác động tới tâm lý thị trường và biến động giá cả Bên cạnh đó, bài viết sẽ phân tích sự khác biệt giữa tác động ngắn hạn và dài hạn và các điều kiện làm thay đổi cường độ các tác động này để cung cấp cái nhìn tổng quan và hỗ trợ quyết định đầu tư.

Tóm tắt các nghiên cứu về tác động của các nhân tố kinh tế vĩ mô đến thị trường chứng khoán

2.2.1 Lạm phát và thị trường chứng khoán

Theo Camilleri, Scicluna và Ye Bai (2019), hầu hết các tài liệu cho rằng lạm phát không chỉ phản ánh lượng tiền cung ứng trên một đơn vị sản phẩm mà còn ảnh hưởng đến thị trường chứng khoán Lạm phát do đó đóng vai trò quan trọng trong mối quan hệ giữa chính sách tiền tệ và thị trường chứng khoán, một quan điểm được củng cố bởi Suhaibu et al (2017).

Về mặt lý thuyết, có nhiều cách giải thích khác nhau về mối liên hệ giữa lạm phát và giá cổ phiếu Theo mô hình Gordon (1962), giá cổ phiếu được xác định bởi D1 chia cho (r − g), với D1 là cổ tức kỳ vọng, r là chi phí vốn cổ phần và g là tốc độ tăng trưởng cổ tức; khi lạm phát tăng có thể đẩy lãi suất danh nghĩa lên, làm tăng r và/hoặc làm giảm g, từ đó khiến giá cổ phiếu chịu áp lực giảm Tuy nhiên, mối liên hệ này không phải lúc nào cũng một chiều, vì lạm phát có thể đồng thời phản ánh và ảnh hưởng đến kỳ vọng tăng trưởng lợi nhuận cũng như khả năng điều chỉnh cổ tức trên thị trường Ngoài mô hình Gordon, các khuôn khổ lý thuyết khác nhấn mạnh rằng lạm phát tác động đến giá cổ phiếu thông qua các kênh như lãi suất thực, chiết khấu dòng tiền và mức định giá thị trường, khiến mối quan hệ giữa lạm phát và giá cổ phiếu trở nên phức tạp và phụ thuộc vào chu kỳ kinh tế cũng như cấu trúc ngành Do vậy, định giá cổ phiếu liên quan chặt chẽ tới lạm phát đòi hỏi xem xét cả biến động của lãi suất danh nghĩa, lãi suất thực và triển vọng tăng trưởng cổ tức để hiểu rõ tác động lên giá cổ phiếu.

Việc tăng cung tiền có thể gây lạm phát và đồng thời kích thích kỳ vọng hoạt động kinh tế, từ đó đẩy giá cổ phiếu lên Tuy nhiên, lạm phát cũng có tác động tiêu cực lên giá cổ phiếu: chính sách tiền tệ mở rộng có thể làm tăng kỳ vọng lạm phát và lãi suất dài hạn, dẫn đến giá cổ phiếu giảm (Sargent, 1999; Cogley & Sargent, 2001) Ngược lại, lợi nhuận của thị trường chứng khoán có thể ảnh hưởng đến lạm phát thông qua kênh tiêu dùng: khi giá cổ phiếu giảm, các chủ sở hữu cảm thấy ít giàu có và cắt giảm chi tiêu, làm giảm áp lực lạm phát Ngoài ra, do cổ phiếu được xem là tài sản thế chấp, việc giảm giá cổ phiếu làm giảm khả năng vay vốn và có thể hạn chế hoạt động kinh tế, từ đó hạn chế lạm phát (Antonakakis et al., 2017).

Bredin và Hyde (2005) phân tích mối liên hệ giữa giá cổ phiếu và lạm phát trên một mẫu dữ liệu từ châu Âu và các nước khác Các tác giả sử dụng hồi quy đơn với dữ liệu từ năm 1980 đến năm 2004, cho thấy lạm phát có ảnh hưởng mạnh đến giá cổ phiếu ở các quốc gia được đưa vào mẫu Nghiên cứu này làm nổi bật vai trò của lạm phát đối với diễn biến thị trường cổ phiếu và sau đó được các nghiên cứu tiếp theo, như Naik và Padhi, tham khảo để mở rộng phân tích.

Các nghiên cứu từ nhiều quốc gia cho thấy mối quan hệ tiêu cực giữa lạm phát và giá cổ phiếu, mặc dù đặc điểm và độ mạnh của mối quan hệ này có sự khác biệt theo địa điểm và thời gian Nghiên cứu năm 2012 xem xét thị trường Ấn Độ từ 1994–2011 và phát hiện lạm phát có tác động tiêu cực lên chỉ số chứng khoán; kết quả tương tự cũng được Akbar et al (2011) tìm thấy ở thị trường Karachi từ 1998–2008 với mối quan hệ đồng liên kết và tiêu cực Ngược lại, Bampinas và Panagiotidis (2016) cho thấy ở Mỹ trong 1993–2012, không có mối quan hệ đồng liên kết đáng kể giữa giá cổ phiếu và chỉ số giá tiêu dùng, và các mối liên kết cơ bản của chúng thay đổi theo thời gian Ở Đức, Kim (2003) chỉ ra một mối quan hệ tiêu cực, không đối xứng, nhạy cảm với hướng thay đổi của lạm phát Các nghiên cứu sâu hơn cũng cho thấy mối quan hệ tiêu cực giữa giá cổ phiếu và lạm phát như Chen et al (1986) và Humpe và Macmillian (2009) Anderson et al (2018) đã xem xét ảnh hưởng của các thông báo kinh tế vĩ mô khác nhau đối với các chỉ số ngành ở Hoa Kỳ.

EU cho thấy tác động khác nhau giữa các ngành sau khi công bố CPI, nhưng vẫn có một ảnh hưởng đáng kể đến nhiều lĩnh vực Thông báo CPI đã tác động đến thị trường và lan rộng tới các lĩnh vực như sản xuất, dịch vụ và tiêu dùng, với biến động rõ rệt dù diễn biến của CPI không phải lúc nào cũng theo hướng tiêu cực như dự đoán.

Trên thực tế, nhiều nghiên cứu ghi nhận mối quan hệ tích cực giữa các biến này, dù không phải lúc nào cũng có quan hệ nhân quả Ratanapakorn và Sharma (2007) đã dùng dữ liệu của Hoa Kỳ từ năm 1975 đến 1999 và kết luận không có mối quan hệ Granger mang tính nhân quả ngắn hạn, nhưng tồn tại mối quan hệ tích cực đồng thời giữa các biến Asmy et al (2010) cho thấy mối liên hệ tích cực giữa giá cổ phiếu và lạm phát ở thị trường Malaysia nhưng không có quan hệ nhân quả, và các biến được cho là có mối quan hệ đồng liên kết Trong bối cảnh 13 thị trường chứng khoán mới nổi khác nhau, Bai và Green (2010) ghi nhận mối liên hệ tích cực giữa lạm phát và lợi nhuận chứng khoán danh nghĩa Alamo (2017) đã phân tích tác động của một số biến kinh tế vĩ mô đến các chỉ số chứng khoán Ấn Độ từ năm 2005 đến những năm tiếp theo.

Trong một loạt kết quả nghiên cứu, mối quan hệ giữa lạm phát và giá cổ phiếu cho thấy tính chất phức tạp và phụ thuộc vào thời kỳ và khu vực Năm 2013 ghi nhận kết luận về mối liên hệ tích cực lâu dài giữa lạm phát và giá cổ phiếu Colure và Wahab (2008) dựa trên dữ liệu của Hoa Kỳ cho thấy mối quan hệ tích cực khi lạm phát ở mức cao và mối quan hệ nghịch chiều khi lạm phát ở mức thấp Tương tự, Antonakakis et al (2017) chỉ ra sự tương quan cả tích cực lẫn tiêu cực giữa lạm phát và giá cổ phiếu ở Mỹ trong các khoảng thời gian khác nhau, phân tích dữ liệu từ 1791 đến 2015 Trong khi đó, Al-Shami và Ibrahim (2013) cho thấy sự mâu thuẫn ở Kuwait, nơi tăng lạm phát dẫn đến tăng giá cổ phiếu sau một tháng nhưng giảm sau hai tháng. -**Support Pollinations.AI:** -🌸 **Ad** 🌸Powered by Pollinations.AI free text APIs [Support our mission](https://pollinations.ai/redirect/kofi) to keep AI accessible for everyone.

Thị trường chứng khoán cũng nhạy cảm với các yếu tố lạm phát từ nước ngoài Balcilar et al (2017) cho thấy rằng trong giai đoạn 1994–2014, giá cổ phiếu ở châu Á bị ảnh hưởng bởi tin tức về lạm phát của Mỹ Kết quả này cho thấy sự liên hệ giữa biến động lạm phát ở Hoa Kỳ và diễn biến của thị trường chứng khoán châu Á, đồng thời nhấn mạnh vai trò của thông tin lạm phát nước ngoài trong quyết định đầu tư tại khu vực này.

2.2.2 Tăng trưởng kinh tế và thị trường chứng khoán

Theo Ikoku (2010), có ít nhất bốn cách tiếp cận lý thuyết cho thấy giá cổ phiếu cấu thành một chỉ số hàng đầu của hoạt động kinh tế Thứ nhất, nếu giá cổ phiếu phản ánh lợi nhuận kỳ vọng, cần giải thích cho nhà đầu tư về hiệu quả kinh tế trong tương lai Thứ hai, giá cổ phiếu tăng làm giảm chi phí vốn vay của các công ty, từ đó đẩy mạnh đầu tư thực tế và kích thích hoạt động kinh tế Thứ ba, khi giá cổ phiếu tăng, uy tín của các cổ đông được cải thiện và dẫn đến khả năng vay vốn cao hơn, tăng hoạt động kinh tế trong tương lai (Bernanke et al 1996) Thứ tư, một cách tiếp cận khác cho rằng sự biến động của giá cổ phiếu còn tác động đến tâm lý thị trường và quyết định chi tiêu, đầu tư, từ đó thúc đẩy hoạt động kinh tế trong tương lai.

Khi cổ phiếu tăng, các cổ đông cảm thấy giàu có hơn và do đó họ có xu hướng chi tiêu nhiều hơn, từ đó kích thích hoạt động kinh tế lên cao (Plíhal, 2016).

Humpe và Macmillan (2009) cho thấy mối quan hệ tích cực giữa giá cổ phiếu và sản xuất công nghiệp ở Mỹ và Nhật Bản Naraya et al (2014) chỉ ra mối liên hệ tích cực đáng kể giữa chỉ số sản xuất công nghiệp (IPI) và 13 cổ phiếu ngân hàng Ấn Độ trong giai đoạn 1998–2008, đồng thời IPI có quan hệ nhân quả Granger với giá cổ phiếu Naik và Padhi (2012) cũng ghi nhận kết quả tương tự tại thị trường Ấn Độ, với dữ liệu bắt đầu từ năm 1994.

Dữ liệu từ năm 2011 cho thấy có một mối quan hệ lâu dài, có ý nghĩa tích cực giữa hai biến này Đồng thời, nghiên cứu còn cho thấy có mối quan hệ nhân quả Granger hai chiều giữa các biến, cho thấy mỗi biến ảnh hưởng lẫn nhau theo thời gian.

Hai nghiên cứu về thị trường chứng khoán Ba Lan cho thấy kết quả tương tự ở các khoảng thời gian khác nhau Gurgul và Lach (2010) tìm thấy một liên kết tuyến tính hai chiều dài hạn giữa IPI và giá cổ phiếu khi mô hình hóa dữ liệu từ năm 1998 đến 2008 bằng kiểm định Granger để kiểm tra tính nhân quả Hsing và Hsieh (2012) cũng sử dụng phương pháp GARCH trên bộ dữ liệu từ năm 2000.

Vào năm 2010, các nghiên cứu đã tìm thấy một mối quan hệ tích cực giữa các thông báo về sản xuất công nghiệp và biến động của các chỉ số ngành Anderson et al (2018) cho thấy tác động của các thông báo về sản xuất công nghiệp đối với các chỉ số ngành khác nhau ở nhiều khu vực và phạm vi ngành nghề, cho thấy thông tin về sản xuất công nghiệp có thể ảnh hưởng đến diễn biến của thị trường chỉ số ngành.

Mỹ và EU thì khác nhau giữa các ngành và không phải lúc nào cũng theo hướng tích cực như mong đợi

MÔ HÌNH NGHIÊN CỨU

Quy trình nghiên cứu

Hình 3.1 Quy trình nghiên cứu

Xử lý dữ liệu và chạy mô hình phân tích định lượng

Phân tích và thảo luận kết quả nghiên cứu.

Kết luận, đề xuất chính sách

Thu thập dữ liệu nghiên cứu

Xây dựng các giả thuyết nghiên cứu

Xây dựng mô hình nghiên cứu

Tìm hiểu các nghiên cứu trước đây;

Tìm hiểu các khái niệm và lý thuyết

Tác động của các nhân tố vĩ mô đến thị trường chứng khoán Việt Nam

Trình tự xử lý dữ liệu và chạy mô hình phân tích định lượng:

Bước 1: Kiểm định tính dừng của các chuỗi dữ liệu bằng phương pháp

Bước 2: Xác định độ trễ tối ưu cho mô hình

Bước 3: Kiểm định mối quan hệ đồng liên kết giữa các chuỗi dữ liệu theo phương pháp Johansen

Bước 4: Xây dựng mô hình hồi quy VECM để ước lượng mối quan hệ trong dài hạn và ngắn hạn giữa các chuỗi dữ liệu

Bước 5: Kiểm định nhân quả Granger

Bước 6: Kiểm định sự phù hợp của mô hình:

- Hiện tượng tự tương quan, phương sai thay đổi giữa các biến

Bước 7: Hàm phản ứng đẩy và phân rã phương sai.

Mô tả dữ liệu trong nghiên cứu

3.2.1 Thống kê mô tả dữ liệu

Các chuỗi dữ liệu thời gian được sử dụng trong nghiên cứu là dữ liệu thứ cấp được thu thập theo tháng trong khoảng thời gian từ tháng 1 năm 2008 đến tháng 5 năm

Bảng 3.1 Giải thích dữ liệu dùng trong nghiên cứu

STT Biến Giải thích Đơn vị Nguồn

Index Điểm https://www.vndirect.com.vn/

2 CPI Chỉ số giá tiêu dùng

3 ER Tỷ giá hối đoái

4 IPI Chỉ số sản xuất công nghiệp

6 LR Lãi suất cho vay

7 GOLD Giá vàng USD/oz https://www.perthmint.com/

8 OIL Giá dầu USD/Barrel https://www.eia.gov/

Xem thêm phụ lục 01: Dữ liệu chạy mô hình

- Biến VNI: đại diện cho thị trường chứng khoán Việt Nam, được xác định bằng giá trị trung bình của chỉ số VN-Index đóng cửa cuối mỗi ngày giao dịch trong tháng

- Biến CPI: đại diện cho mức độ lạm phát và được xác định bằng chỉ số giá tiêu dùng theo tháng được tính trên cơ sở năm gốc là 2010

- Biến ER: là tỷ giá hối đoái giữa VND và USD và được xác định bằng giá trị trung bình trong mỗi tháng

Chỉ số IPI (Chỉ số sản xuất công nghiệp) là thước đo cho mức tăng trưởng của nền kinh tế, đại diện cho GDP và phản ánh biến động của quy mô sản xuất Do nghiên cứu dùng dữ liệu theo tháng nhưng không có số liệu GDP theo tháng, IPI được xem như một sự thay thế cho GDP để đánh giá quy mô và xu hướng tăng trưởng kinh tế trong từng kỳ báo cáo.

Biến M2 là đại diện cho lượng cung tiền mở rộng trong nền kinh tế, phản ánh khả năng chi tiêu và hoạt động của thị trường tiền tệ Nó được xác định bằng tổng lượng tiền mặt và tiền các ngân hàng thương mại gửi tại ngân hàng trung ương (gọi là M1), cộng với tiền gửi tiết kiệm và tiền gửi có kỳ hạn Vì vậy, M2 tăng lên khi tích lũy được nhiều tiền gửi tiết kiệm và tiền gửi có kỳ hạn, cho thấy khuynh hướng cung tiền rộng hơn so với M1 và hỗ trợ phân tích chính sách tiền tệ.

- Biến LR: đại diện cho lãi suất cho vay theo năm cuối mỗi tháng

- Biến GOLD: là giá trị trung bình giá vàng đóng cửa sàn London (P.M)

- Biến OIL: là trung bình giá dầu Brent FOB của mỗi ngày trong tháng

Trong nghiên cứu, các biến được lấy giá trị trung bình thay vì chọn giá trị cao nhất hoặc thấp nhất Việc sử dụng giá trị trung bình giúp tăng tính đại diện của dữ liệu và giảm rủi ro biến động, từ đó mô hình dự đoán sẽ có độ chính xác cao hơn.

Trong nghiên cứu này, việc phân tích được tiến hành trên dữ liệu được thu thập từ tháng 1 năm 2008 đến tháng 5 năm 2018, với 125 quan sát Lý do chọn khoảng thời gian này là để nắm bắt xu hướng dài hạn và bảo đảm có đủ mẫu cho các phân tích thống kê, đồng thời tận dụng nguồn dữ liệu sẵn có để so sánh và đánh giá các biến ở mức độ phù hợp với mục tiêu nghiên cứu.

Việc tiếp cận dữ liệu trước năm 2008 gặp nhiều hạn chế, đặc biệt với các chỉ số như sản xuất công nghiệp và cung tiền mở rộng M2 Vì lý do này, tác giả đã chọn khoảng thời gian này để thống nhất và chuẩn hóa các biến trong nghiên cứu, nhằm đảm bảo tính so sánh và đồng nhất giữa các biến khi phân tích dữ liệu kinh tế.

Giai đoạn đầu của thị trường chứng khoán Việt Nam còn chưa thật sự sôi động, vì vậy tác giả chọn mốc 2008 làm điểm nhìn để phân tích Mốc thời gian này ghi nhận những biến đổi đáng kể của thị trường chứng khoán Việt Nam, cho phép nghiên cứu sâu hơn các ảnh hưởng của các nhân tố vĩ mô lên thị trường và đề xuất các phương pháp phù hợp hơn cho giai đoạn mới Những phân tích này nhằm tối ưu hóa hiệu quả đầu tư và tăng tính bền vững cho thị trường chứng khoán Việt Nam trong bối cảnh phát triển mới.

Trong bài nghiên cứu, các biến được chuyển sang dạng logarit cơ số tự nhiên

Các giá trị thống kê mô tả của các biến như sau:

Bảng 3.2 Các giá trị thống kê mô tả của các biến trong mô hình

LVNI LCPI LER LIPI LLR LM2 LGOLD LOIL

Mean 6.275995 4.826097 9.909806 5.276133 2.325156 21.96249 7.126095 4.310016 Median 6.240860 4.917392 9.944054 5.194373 2.298577 22.02355 7.139073 4.324232 Maximum 7.042279 5.078379 10.02460 6.105061 3.008155 22.84562 7.479774 4.885223 Minimum 5.566577 4.328962 9.677841 4.688307 1.937302 20.96887 6.634449 3.424246 Std Dev 0.273015 0.211425 0.105092 0.339960 0.331093 0.558569 0.195336 0.367751 Skewness 0.339671 -0.673442 -0.971964 0.720395 0.356311 -0.176736 -0.298007 -0.284346 Kurtosis 3.656768 2.007318 2.518018 2.784655 1.880660 1.855191 2.769077 1.847041

Nguồn: Kết quả chạy Eviews 8

Bảng 3.3 Đồ thị miêu tả các biến

3.2.2 Tương quan giữa các biến

Bảng 3.4 Hệ số tương quan giữa các biến trong mô hình

LVNI LCPI LER LIPI LLR LM2 LGOLD LOIL

LVNI 1.000000 0.543947 0.497823 0.737954 -0.615123 0.689178 0.011288 -0.495816 LCPI 0.543947 1.000000 0.974385 0.792162 -0.659942 0.962432 0.541715 -0.529826 LER 0.497823 0.974385 1.000000 0.760572 -0.565719 0.929385 0.652977 -0.411997 LIPI 0.737954 0.792162 0.760572 1.000000 -0.698535 0.880341 0.233006 -0.558322 LLR -0.615123 -0.659942 -0.565719 -0.698535 1.000000 -0.791584 0.116144 0.781575 LM2 0.689178 0.962432 0.929385 0.880341 -0.791584 1.000000 0.387291 -0.628691 LGOLD 0.011288 0.541715 0.652977 0.233006 0.116144 0.387291 1.000000 0.296485 LOIL -0.495816 -0.529826 -0.411997 -0.558322 0.781575 -0.628691 0.296485 1.000000

Dựa vào bảng ma trận hệ số tương quan giữa các biến, hầu hết các hệ số tương quan giữa các biến độc lập đều nhỏ hơn 0,8 Tuy nhiên, có vài trường hợp hệ số tương quan lớn hơn 0,8: LER và LCPI (0,974385); LM2 và LCPI (0,962432); LM2 và LER (0,929385); LM2 và LIPI (hệ số tương quan cao).

(0,880341) Theo quy tắc kinh nghiệm, mô hình có thể bị ảnh hưởng của hiện tượng đa cộng tuyến (Damodar N Gujarati, 2003)

Căn cứ bảng trên, hệ số tương quan giữa biến phụ thuộc LVNI với các biến giải thích LCPI, LER, LIPI, LM2, LGOLD đều mang dấu dương, trong khi với các biến LLR và LOIL mang dấu âm LIPI có mức tương quan lớn nhất, kế đến là LM2, tiếp đến là LLR, LCPI, LER, LOIL và cuối cùng là LGOLD.

Dựa vào khung lý thuyết, các nghiên cứu trước và bảng tương quan giữa các biến, tác giả đưa ra bảng kỳ vọng dấu như sau:

Bảng 3.5 Bảng tóm tắt kỳ vọng tương quan giữa các nhân tố vĩ mô với thị trường chứng khoán Việt Nam

Kỳ vọng tương quan với chỉ số VN-Index

Trong ngắn hạn Trong dài hạn

Nguồn: Tác giả tự đề xuất

Dựa vào khung lý thuyết, các nghiên cứu trước và bảng tương quan giữa các biến, tác giả đưa ra các giả thuyết nghiên cứu sau:

Chỉ số giá tiêu dùng (CPI) có tác động dương đến chỉ số VN-Index trong ngắn hạn, nghĩa là mỗi đợt tăng của CPI đi kèm với sự tăng của VN-Index trong ngắn hạn Mối quan hệ này cho thấy CPI không chỉ phản ánh mức độ lạm phát mà còn tác động tích cực đến diễn biến của VN-Index ở thời kỳ ngắn hạn, giúp nhà đầu tư nhận diện cơ hội và xu hướng thị trường dựa trên biến động CPI.

Chỉ số giá tiêu dùng (CPI) có tác động dương đến chỉ số VN-Index trong dài hạn, nghĩa là sự gia tăng của CPI sẽ kéo theo sự tăng của VN-Index theo thời gian Đây cho thấy mối liên hệ tích cực giữa CPI và VN-Index ở khung thời gian dài, giúp nhà đầu tư hiểu rằng biến động lạm phát được đo bằng CPI có thể đồng thuận với đà tăng của VN-Index khi nhìn ở góc độ dài hạn.

Trong ngắn hạn, tỷ giá hối đoái có tác động dương lên chỉ số VN-Index, nghĩa là sự tăng của tỷ giá hối đoái đi kèm với sự tăng của VN-Index trong khoảng thời gian ngắn Điều này cho thấy khi tỷ giá hối đoái tăng lên, VN-Index có xu hướng tăng nhẹ hoặc đà tăng được duy trì ở ngắn hạn, phản ánh kỳ vọng của nhà đầu tư và dòng vốn ngoại vào thị trường chứng khoán Việt Nam Tuy nhiên, tác động này phụ thuộc vào bối cảnh kinh tế vĩ mô, mức độ biến động lãi suất và diễn biến dòng vốn, do đó cần kết hợp theo dõi nhiều yếu tố để hiểu rõ mức độ ảnh hưởng của tỷ giá hối đoái đối với VN-Index trong ngắn hạn.

Trong dài hạn, tỷ giá hối đoái có tác động dương đến chỉ số VN-Index, nghĩa là sự tăng của tỷ giá hối đoái đi kèm với sự tăng của chỉ số VN-Index Điều này cho thấy mối quan hệ tích cực giữa biến động tỷ giá và diễn biến của VN-Index ở khung thời gian dài, phản ánh ảnh hưởng của yếu tố tiền tệ lên thị trường chứng khoán Việt Nam.

Chỉ số sản xuất công nghiệp có tác động dương đến VN-Index trong ngắn hạn, nghĩa là sự tăng lên của chỉ số sản xuất công nghiệp đi kèm với sự tăng của VN-Index trong ngắn hạn Điều này cho thấy hoạt động sản xuất công nghiệp là một yếu tố tích cực thúc đẩy VN-Index trong thời gian ngắn và phản ánh mối liên hệ giữa ngành công nghiệp và diễn biến thị trường chứng khoán ở ngắn hạn.

Thiết kế mô hình nghiên cứu

- Phương trình đồng liên kết tổng quát:

LVNI = α 0 + α 1 LCPI + α 2 LER+ α 3 LIPI + α 4 LLR + α 5 LM2 + α 6 LGOLD + α 7 LOIL

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Kết quả nghiên cứu

4.1.1 Kiểm định nghiệm đơn vị

Kiểm định tính dừng của chuỗi dữ liệu là bước thiết yếu khi phân tích chuỗi thời gian trong kinh tế vĩ mô Hầu hết các chuỗi dữ liệu kinh tế có xu hướng không dừng, nên phân tích trên chuỗi không dừng sẽ chỉ phản ánh hành vi trong giai đoạn hiện tại và không khái quát được cho các giai đoạn khác Đồng thời, phân tích với chuỗi không dừng có thể dẫn tới hồi quy giả mạo, làm cho kết quả của mô hình không đáng tin cậy Vì vậy, kiểm định tính dừng giúp đảm bảo tính khái quát của phân tích và tăng độ tin cậy của các kết quả dự báo và quyết định dựa trên chuỗi thời gian.

Theo Gujarati (2003), một chuỗi thời gian được xem là dừng khi các đặc trưng thống kê như giá trị trung bình, phương sai và hiệp phương sai ở các độ trễ khác nhau không đổi theo thời gian Ngược lại, chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc phương sai thay đổi theo thời gian, hoặc cả hai, cho thấy sự biến đổi của phân phối dữ liệu theo thời gian.

Kiểm định nghiệm đơn vị (Unit Root Test) là một phương pháp thống kê được sử dụng phổ biến trong phân tích chuỗi thời gian để xác định xem một chuỗi thời gian có tính dừng hay không dừng Việc nhận diện tính dừng rất quan trọng cho việc chọn mô hình và cho độ tin cậy của dự báo, ví dụ như khi áp dụng các mô hình ARIMA Các kiểm định phổ biến như Augmented Dickey-Fuller (ADF), Phillips-Perron (PP) và KPSS được dùng để kiểm tra nghiệm đơn vị và đánh giá dừng hay không dừng của chuỗi thời gian Khi chuỗi có nghiệm đơn vị, người phân tích thường thực hiện biến đổi (như diferen hóa) hoặc lựa chọn phương pháp phù hợp với chuỗi không dừng để đảm bảo kết quả phân tích và dự báo chính xác.

Trong nghiên cứu này, tác giả áp dụng phương pháp kiểm định nghiệm đơn vị phổ biến là Augmented Dickey-Fuller (ADF) do Dickey và Fuller công bố năm 1979 để kiểm tra tính dừng của các chuỗi thời gian và xác định xem các biến có nghiệm đơn vị hay không, từ đó đánh giá mức độ ổn định của dữ liệu và định hướng các bước tiền xử lý tiếp theo cho phân tích.

– H0: Chuỗi dữ liệu có nghiệm đơn vị (chuỗi không dừng);

Chuỗi dữ liệu không có nghiệm đơn vị (chuỗi dừng) được kiểm định bằng cách so sánh giá trị kiểm định τ tính toán với τ tới hạn của Mackinnon để rút ra về tính dừng của các chuỗi quan sát Giả thuyết H0 cho rằng chuỗi có nghiệm đơn vị; nếu tuyệt đối τ tính toán vượt quá tuyệt đối τ tới hạn, ta bác bỏ H0 và kết luận chuỗi có tính dừng; ngược lại, nếu τ tính toán không vượt qua ngưỡng tới hạn thì không bác bỏ H0 và chuỗi vẫn được xem là có nghiệm đơn vị.

Kết quả kiểm định nghiệm đơn vị:

Bảng 4.1 Kết quả kiểm định nghiệm đơn vị của các biến

Ghi chú: *** ứng với mức ý nghĩa 1%, ** ứng với mức ý nghĩa 5% và * ứng với mức ý nghĩa 10%

Nguồn: Tác giả tự tính toán trên phần mềm Eviews 8

Xem thêm phụ lục 02: Kết quả kiểm định nghiệm đơn vị của các biến

Kết quả kiểm định nghiệm đơn vị cho các biến trong mô hình cho thấy chuỗi dữ liệu gốc không dừng và chỉ dừng ở sai phân bậc 1 Điều này có nghĩa là các biến tích hợp bậc 1 (I(1)).

4.1.2 Lựa chọn độ trễ tối ưu

Bước tiếp theo, chúng ta phải xác định độ trễ tối ưu cho mô hình Kết quả kiểm định độ trễ thể hiện ở bảng sau:

Bảng 4.2 Lựa chọn độ trễ tối ưu

VAR Lag Order Selection Criteria

Endogenous variables: LVNI LCPI LER LIPI LLR LM2 LGOLD LOIL

Lag LogL LR FPE AIC SC HQ

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

HQ: Hannan-Quinn information criterion

Với dữ liệu theo tháng, kinh nghiệm cho thấy nên chọn độ trễ tối đa là 12 Bảng 4.2 cho thấy có 4 tiêu chí đồng ý với độ trễ 12 là LR, FPE, AIC và HQ; chỉ có một tiêu chí chọn độ trễ 1 là SC Theo nguyên tắc đa số, tác giả lựa chọn độ trễ là 12.

Kiểm định đồng liên kết bằng phương pháp Johansen với độ trễ tối ưu là 12 cho kết quả không có ý nghĩa, cho thấy khả năng cao mô hình đã gặp hiện tượng đa cộng tuyến, đúng như những dự đoán từ ma trận hệ số tương quan giữa các biến.

Trong phân tích dữ liệu, các cặp biến có hệ số tương quan cao nhất là LER với LCPI (0,974385); LM2 với LCPI (0,962432); LM2 với LER (0,929385); và LM2 với LIPI (0,880341).

Để giảm bớt hiện tượng này, chúng tôi loại bỏ bớt một số biến độc lập khỏi mô hình và xem xét các biến LER, LCPI, LM2 Sau khi chạy thử mô hình và kiểm định sự phù hợp, kết quả cho thấy mô hình tối ưu và có ý nghĩa giải thích cao nhất khi loại bỏ biến CPI Do vậy, tác giả sẽ tiến hành phân tích mô hình dựa trên 7 biến là LVNI, LER, LIPI, LLR, LM2, LGOLD và LOIL.

Tính toán tương tự sau khi bỏ biến LCPI, ta có độ trễ tối ưu của mô hình VAR là

Thus, the VECM model adopts a lag order of 11, because its optimal lag is one period shorter than the VAR model’s optimal lag, as documented in Time Series Econometrics: Learning Through Replication (2018).

4.1.3 Kiểm định đồng liên kết Johansen

Đồng liên kết là khái niệm Granger đề cập lần đầu và sau đó được nghiên cứu kỹ lưỡng hơn trong kinh tế lượng Trong hồi quy các chuỗi thời gian không dừng, hiện tượng hồi quy giả mạo có thể làm cho kết quả mô hình mất tin cậy Một trong những cách để giải quyết vấn đề này là lấy sai phân của chuỗi cho đến khi tính dừng đạt được thì dừng lại Tuy nhiên ý tưởng này gặp hạn chế lớn là chúng ta sẽ mất đi tính dài hạn của chuỗi dữ liệu.

Engle và Granger (1987) cho rằng nếu một tổ hợp tuyến tính của các chuỗi thời gian không dừng có thể là một chuỗi dừng thì các chuỗi thời gian không dừng đó được xem là đồng liên kết Đồng liên kết là mối quan hệ cân bằng dài hạn giữa các biến, được thể hiện qua một tổ hợp tuyến tính dừng của các chuỗi thời gian không dừng Khi phần dư trong mô hình hồi quy giữa các chuỗi thời gian không dừng là một chuỗi dừng, kết quả hồi quy được xem là hợp lệ và các biến có mối quan hệ cân bằng dài hạn với nhau Có nhiều phương pháp kiểm định đồng liên kết, phổ biến nhất hiện nay là VAR của Johansen, gồm hai kiểm định chính là Trace và Max-Eigen.

Giả thuyết H0: Không tồn tại mối quan hệ đồng liên kết giữa các biến trong mô hình

Giả thuyết H1: Tồn tại ít nhất 1 mối quan hệ đồng liên kết giữa các biến trong mô hình

Bảng 4.3 Kết quả kiểm định đồng liên kết theo phương pháp Trace

Giả thuyết H0 của kiểm định Johansen Trace Statistic Critical Value Không có mối quan hệ đồng liên kết 534.7949 125.6154

Có 1 mối quan hệ đồng liên kết 340.1226 95.75366

Xem thêm phụ lục 03: Kết quả kiểm định đồng liên kết Johansen

Bảng 4.4 Kết quả kiểm định đồng liên kết theo phương pháp Max-EigenGiả thuyết H0 của kiểm định Johansen Max-Eigen Critical Value

Statistic Không có mối quan hệ đồng liên kết 194.6723 46.23142

Xem thêm phụ lục 03: Kết quả kiểm định đồng liên kết Johansen

Kết quả được trình bày trong bảng cho thấy bác bỏ giả thuyết không tồn tại đồng liên kết, tức là tồn tại ít nhất một đồng liên kết giữa các biến Với kết quả này, nghiên cứu sẽ ước lượng bằng phương pháp VECM để nắm bắt cả tác động dài hạn và ngắn hạn giữa các yếu tố Vì bài nghiên cứu tập trung vào tác động của các yếu tố vĩ mô đến chỉ số VN-Index, kết quả ước lượng sẽ cho ra một mô hình ECM – thể hiện tác động của các nhân tố đối với chỉ số VN-Index.

Bảng 4.5 Kết quả phương trình đồng liên kết

LVNI LLR LM2 LIPI LER LGOLD LOIL C

Ta có thể viết lại phương trình như sau:

LVNI = -44,30221 – 0,551586LLR – 0,782528LM2 – 1,813608LIPI + 6,070603LER + 1,097926 LGOLD – 0,458339LOIL

Phương trình đồng liên kết cho thấy mối quan hệ dài hạn giữa các biến trong mô hình Cụ thể, LVNI có mối tương quan dương với LER và LGOLD; ngược lại, LVNI có mối quan hệ tương quan âm với LLR, LM2, LIPI và LOIL So với dấu kỳ vọng ban đầu, các kết quả cho thấy LVNI tác động tích cực lên LER và LGOLD và tác động tiêu cực lên LLR, LM2, LIPI và LOIL, phản ánh cấu trúc liên kết dài hạn của hệ thống.

33 đầu thì dấu của LLR, LER, LOIL, LGOLD đúng như kỳ vọng Tuy nhiên, dấu của LM2 và LIPI lại trái với kỳ vọng

Kiểm định chẩn đoán mô hình VECM

4.2.1 Tính ổn định của mô hình

Xem xét tính ổn định của mô hình bằng cách tính nghiệm của đa thức đặc trưng tự hồi quy Mô hình ổn định khi và chỉ khi các nghiệm đặc trưng nằm ngoài vòng tròn đơn vị; nói cách khác, nghịch đảo nghiệm đặc trưng phải nằm trong vòng tròn đơn vị Kết quả trên cho thấy giá trị nghịch đảo nghiệm đặc trưng đều nằm trong vòng tròn đơn vị Kết luận, mô hình vừa ước lượng có tính ổn định

Bảng 4.8 Kết quả kiểm định tính ổn định của mô hình

Inverse Roots of AR Characteristic Polynomial

4.2.2 Tự tương quan phần dư

Kiểm định tự tương quan phần dư bằng kiểm định nhân tử Lagrange (Autocorrelation LM Test) trên phần mềm Eviews 8 cho kết quả như sau:

Bảng 4.9 Kết quả kiểm định tự tương quan phần dư LM

VEC Residual Serial Correlation LM Tests

Null Hypothesis: no serial correlation at lag order h

Date: 04/06/19 Time: 00:03 Sample: 2008M01 2018M05 Included observations: 113

Probs from chi-square with 49 df

Kết quả cho thấy các giá trị Prob=0,9611 (>0,05) tại độ trễ 11 nên kết luận phần dư không có hiện tượng tự tương quan

4.2.3 Kiểm định nhân quả Granger

Chúng ta sẽ sử dụng phương pháp kiểm định nhân quả Granger để xem xét mối quan hệ động trong ngắn hạn giữa sáu biến vĩ mô

H0: Biến vĩ mô không có tác động nhân quả Granger lên chỉ số VN-Index và chỉ số VN-Index không tác động nhân quả Granger lên các biến vĩ mô

Từ giả thuyết trên chúng ta suy ra 4 trường hợp sau:

- Có mối quan hệ nhân quả Granger 1 chiều từ biến vĩ mô đến chỉ số VN-Index

- Có mối quan hệ nhân quả Granger 1 chiều từ biến chỉ số VN-Index đến biến vĩ mô

- Có mối quan hệ nhân quả Granger 2 chiều từ biến vĩ mô đến chỉ số VN-Index

- Có mối quan hệ nhân quả Granger 2 chiều từ chỉ số VN-Index đến biến vĩ mô

Bảng 4.10 Kết quả kiểm định nhân quả Granger

Có mối quan hệ nhân quả 1 chiều từ biến

Có mối quan hệ nhân quả 1 chiều từ biến 0.0077

Có mối quan hệ nhân quả 1 chiều từ biến

Nguồn: Kết quả chạy Eviews 8 Xem thêm phụ lục 05: Kết quả kiểm định nhân quả Granger

Kết quả nghiên cứu cho thấy tất cả các biến vĩ mô tồn tại mối quan hệ nhân quả với biến VNI ở mức ý nghĩa 5% Tác động này là một chiều từ các biến vĩ mô đến chỉ số VNI ở độ trễ 11, ngoại trừ mối quan hệ giữa biến DLER và DLGOLD với DLVNI là hai chiều Bên cạnh đó, các biến vĩ mô cũng có tác động qua lại lẫn nhau.

Bảng 4.11 Kết quả phân rã phương sai

Period S.E LVNI LER LIPI LLR LM2 LGOLD LOIL

Dựa vào kết quả phân rã phương sai, chúng ta thấy sự thay đổi của chỉ số VN-

Trong giai đoạn ngắn hạn, hầu như tất cả sự biến động của VN-Index đến từ chính nó, chiếm 100% và không phụ thuộc vào các biến khác trong mô hình Ở giai đoạn trung hạn (giai đoạn 5), sự biến động của VN-Index được giải thích bởi chính nó 57,31%, từ LER 11,64%, từ LIPI 6,57%, từ LLR 1,39%, từ LM2 15,95%, từ LGOLD 6,51% và từ LOIL 0,64% Trong dài hạn (giai đoạn 10), sự thay đổi của VN-Index từ chính nó chiếm 41,74%, từ LER 18,3%, từ LIPI 10,33%, từ LLR 1,02%, từ LM2 14,83%, từ LGOLD 7,88% và từ LOIL 5,89% Điều này cho thấy thị trường chứng khoán Việt Nam chưa thực sự hoàn hảo khi phần lớn biến động của VN-Index vẫn phụ thuộc vào chính nó, trong khi các biến vĩ mô chưa đóng góp nhiều cho sự biến động ở cả ngắn hạn và dài hạn Hai biến vĩ mô có mức giải thích cao nhất ở cả ngắn và dài hạn là LER và LM2; các biến LIPI và LGOLD cho thấy mức độ giải thích tăng theo thời gian, trong khi LOIL và LLR có mức độ giải thích thấp.

Index khá nhạy với thông tin của cung tiền và tỷ giá

Phương pháp phân rã Cholesky được dùng để ước lượng hàm phản ứng đẩy nhằm xem xét thời gian tác động của cú sốc từ các biến vĩ mô lên VN-Index trong mô hình Phân tích cho thấy cú sốc từ các biến như lãi suất, lạm phát và tăng trưởng GDP ảnh hưởng đến chỉ số VN-Index theo các pha lan tỏa và mức độ nhạy khác nhau, từ đó làm rõ các kênh truyền và thời gian hồi phục của thị trường Kết quả có giá trị trong việc đánh giá rủi ro, xác định ưu tiên theo dõi các biến vĩ mô và hỗ trợ quyết định đầu tư dựa trên dự báo tác động của các cú sốc kinh tế lên VN-Index.

Bảng 4.12 Kết quả kiểm tra hàm phản ứng đẩy của các biến vĩ mô đến chỉ số

Response of LVNI to LVNI

Response of LVNI to LER

Response of LVNI to LIPI

Response of LVNI to LLR

Response of LVNI to LM 2

Response of LVNI to LGOLD

Response of LVNI to LOIL

Response to Cholesky One S.D Innov ations

Kết quả cho thấy VN-Index (VNI) chịu tác động từ các cú sốc nội tại của chính nó và từ các biến động kinh tế vĩ mô khác, với tác động này diễn ra ở cả ngắn hạn lẫn trung hạn.

Theo như hình trên, ta có thể thấy:

Biến LER có tác động tiêu cực lên LVNI Trong khoảng 12 tháng đầu, tác động của LER làm LVNI giảm xuống; sau đó LVNI tăng lên trong khoảng 6 tháng tiếp theo, rồi lại giảm ở các giai đoạn tiếp theo Đây cho thấy mối quan hệ phi tuyến giữa LER và LVNI trong thời gian dài.

Mối quan hệ giữa biến LIPI và LVNI cho thấy tác động tích cực ở ngắn hạn Cụ thể, trong 4 tháng đầu tiên, biến LIPI đẩy LVNI tăng lên, sau đó LVNI giảm nhẹ trong khoảng 2 tháng tiếp theo Từ tháng thứ 16 trở đi, LVNI có xu hướng tăng trở lại.

- Tác động của biến LLR lên LVNI: Nhìn chung thì biến LLR tác động lên biến LVNI là tương đối ít vì đồ thì dao động gần trục hoành

Biến LM2 có tác động lên LVNI theo một hướng tiêu cực nói chung Trong 4 tháng đầu, LM2 làm giảm LVNI; sau đó LVNI tăng trong khoảng 4 tháng tiếp theo, và từ thời điểm đó LVNI tiếp tục có xu hướng giảm.

Biến LGOLD có tác động tiêu cực lên LVNI Nhìn chung, sự gia tăng của LGOLD dẫn đến sự suy giảm LVNI trong khoảng 16 tháng đầu Từ tháng thứ 20 trở đi, LVNI không còn biến động và duy trì ở mức ổn định.

Tác động của biến LOIL lên LVNI cho thấy một xu hướng biến động không ổn định: trong sáu tháng đầu LVNI dao động thất thường, sau đó tăng mạnh trong hai tháng kế tiếp; rồi sau sáu tháng lại giảm và tiếp tục tăng trong hai tháng tiếp theo, và chu kỳ tăng giảm này lặp lại nhiều lần.

Tác động tự thân của LVNI lên chính nó khiến LVNI tăng trong hai tháng đầu, sau đó giảm trong bốn tháng tiếp theo Trong mười hai tháng đầu, xu hướng tăng giảm của LVNI không ổn định, và sau đó LVNI có xu hướng tăng lên.

Định dạng
Số trang	98
Dung lượng	3,98 MB