Các yếu tố ảnh hưởng đến mức độ bất cân xứng thông tin trên thị trường chứng khoán việt nam nguyễn ngọc sơn

Dựa trên kết quả nghiên cứu lý thuyết của các tác giả như Glosten và Harris, Stoll, Kim và Ogden,…về hành vi của nhà đầu tư khi hoạt động trong thị trường có tồn tại yếu tố bất cân xứng

TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH



NGUYỄN NGỌC SƠN

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ BẤT CÂN XỨNG THÔNG TIN TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

CHƯƠNG TRÌNH GIẢNG DẠY KINH TẾ FULBRIGHT

CHUYÊN NGÀNH: CHÍNH SÁCH CÔNG

MÃ SỐ: 60.31.14

NGƯỜI HƯỚNG DẪN: TS NGUYỄN MINH KIỀU

TP.HỒ CHÍ MINH – NĂM 2012

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn này hoàn toàn do tôi thực hiện Các đoạn trích dẫn và số liệu sử dụng trong luận văn đều được dẫn nguồn và có độ chính xác cao nhất trong phạm vi hiểu biết của tôi Luận văn này không nhất thiết phản ánh quan điểm của Trường Đại học Kinh

tế Thành phố Hồ Chí Minh hay Chương trình Giảng dạy Kinh tế Fulbright

Tác giả luận văn

NGUYỄN NGỌC SƠN

LỜI CẢM ƠN

Để có thể hoàn thành luận văn này, tôi xin chân thành cảm ơn sự giúp đỡ của Phó Giáo sư, Tiến sĩ Nguyễn Minh Kiều, người đã hướng dẫn tôi hoàn thành luận văn này Những nhận xét của Thầy là những lời chỉ bảo rất hữu ích cho tôi hiện tại và sau này

Đồng thời, tôi xin gửi lời cảm ơn đến Tiến sĩ Trần Thị Quế Giang, người đã cho tôi nhiều góp

ý có giá trị về đề tài

Tôi cũng xin gửi lời cảm ơn đến tất cả quý thầy cô của Chương trình Giảng dạy Kinh tế Fulbright, những người đã truyền dạy và cung cấp những gợi mở rất hữu ích cho bản thân tôi Tôi cũng muốn gửi lời cảm ơn đến sự giúp đỡ và nhận xét của các bạn học viên khóa MPP3 trong quá trình học tập và thực hiện đề tài này

TÓM TẮT

Bất cân xứng thông tin là một dạng thất bại thị trường, thường xuyên gặp phải trong thực tế Đối với thị trường chứng khoán, bất cân xứng thông tin mang lại sự không công bằng trong giao dịch, những người có ưu thế thông tin sẽ thu được lợi nhuận một cách không công bằng với những nhà đầu tư thông thường Nếu mức độ bất cân xứng thông tin này quá cao dần dần sẽ làm xói mòn niềm tin của nhà đầu tư và ảnh hưởng đến tính hiệu quả của thị trường

Dựa trên kết quả nghiên cứu lý thuyết của các tác giả như Glosten và Harris, Stoll, Kim và Ogden,…về hành vi của nhà đầu tư khi hoạt động trong thị trường có tồn tại yếu tố bất cân xứng thông tin, luận văn này đã tiến hành đánh giá mức độ bất cân xứng thông tin trên hai sàn giao dịch chứng khoán TP.HCM và Hà Nội và kết luận rằng mức độ này là khá cao ở sàn TP.HCM (67%) và rất cao tại sàn Hà Nội (90%), dựa trên dữ liệu thu thập được của 2011

Luận văn này cũng tiến hành đánh giá sự tác động của các yếu tố đến mức độ bất cân xứng thông tin này và kết luận rằng: trên sàn HOSE, các yếu tố tác động có ý nghĩa đến mức

độ bất cân xứng thông tin là: khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá

cổ phiếu, độ biến động của giá trung bình giá mua-bán hằng ngày, độ biến động của suất sinh lợi hằng ngày, tỷ trọng của tài sản vô hình trong tổng tài sản và đặc biệt là số lượng các nhà đầu tư tổ chức Tương tự, đối với sàn HNX, các yếu tố tác động có ý nghĩa đến mức độ bất cân xứng thông tin là khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá cổ phiếu và độ biến động của giá trung bình của giá mua-bán hằng ngày

Dựa trên các kết quả nghiên cứu đạt được, luận văn xin đề ra các kiến nghị đối với các nhà quản lý thị trường để có thể giảm bớt tình trạng bất cân xứng thông tin trên hai sàn như sau: 1) quyết liệt hơn nữa trong việc trừng phạt các hành vi thao túng thông tin trên thị trường, đặc biệt là ở sàn HNX, 2) khoanh vùng các các cổ phiếu có khối lượng giao dịch lớn hoặc có giá trị thị trường lớn, bắt buộc các công ty này phải công bố thông tin minh bạch hơn, 3) xác định mối liên hệ giữa các tổ chức đầu tư trên sàn chứng khoán HOSE, dường như đang

có sự bắt tay giữa các tổ chức này trong việc thao túng thông tin liên quan đến cổ phiếu, 4) bắt buộc các công ty niêm yết cần phải công bố báo công tài chính đầy đủ, đặc biệt là yếu tố tài sản vô hình

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

TÓM TẮT iii

MỤC LỤC iv

DANH MỤC CÁC TỪ VIẾT TẮT vi

DANH MỤC CÁC BẢNG vii

CHƯƠNG 1 GIỚI THIỆU 1

1.1 Bối cảnh nghiên cứu 1

1.2 Mục tiêu nghiên cứu 2

1.3 Câu hỏi nghiên cứu 2

1.4 Phạm vi nghiên cứu 2

1.5 Phương pháp nghiên cứu 2

1.6 Cấu trúc đề tài 3

CHƯƠNG 2 KHẢO SÁT CƠ SỞ LÝ THUYẾT 4

2.1 Sự tác động của bất cân xứng thông tin trên thị trường chứng khoán 4

2.1.1 Giới thiệu bất cân xứng thông tin 4

2.1.2 Tác động của bất cân xứng thông tin trên thị trường chứng khoán 5

2.2 Mô hình xác định các yếu tố cấu thành nên chênh lệch giá mua-bán và mức độ AI 5

2.3 Mô hình đánh giá các yếu tố tác động đến mức độ bất cân xứng thông tin 12

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 14

3.1 Lựa chọn mô hình nghiên cứu 14

3.1.1 Mô hình xác định mức độ bất cân xứng thông tin 14

3.1.2 Mô hình đánh giá tác động của các yếu tố lên mức độ bất cân xứng thông tin 15

3.2 Phương pháp thu thập dữ liệu và xử lý số liệu 18

3.2.1 Nguồn dữ liệu 18

3.2.2 Phương pháp xử lý số liệu 19

CHƯƠNG 4 PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU 22

4.1 Phân tích dữ liệu 22

4.2 Kết quả hồi quy và kiểm định giả thuyết 23

4.2.1 Mức độ bất cân xứng thông tin 23

4.2.2 Các yếu tố tác động đến bất cân xứng thông tin 24

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH 38

5.1 Kết luận 38

5.2 Kiến nghị chính sách 39

DANH MỤC TÀI LIỆU THAM KHẢO 42

PHỤ LỤC 45

DANH MỤC CÁC TỪ VIẾT TẮT

AI (Asymmectric Information) Thông tin bất cân xứng

HNX (Ha Noi Stock Exchange) Sở giao dịch chứng khoán Hà Nội

HOSE (Ho Chi Minh Stock Exchange) Sở Giao dịch chứng khoán Tp.HCM

BID-ASK SPREAD Khoảng chênh lệch giữa giá mua và giá

bán

EPS (Earning Per Share) Thu nhập trên mỗi cổ phiếu

FTSE100 Chỉ số của 100 công ty niêm yết có giá trị

vốn hóa lớn nhất trên sàn giao dịch chứng khoán London

FTSE250 Chỉ số của 250 công ty xếp từ vị trí 101

đến 350 theo sự giảm dần của giá trị vốn hóa trên sàn giao dịch chứng khoán London

DANH MỤC CÁC BẢNG

Bảng 4.1 Cơ cấu ngành trên sàn HOSE 22

Bảng 4.2 Cơ cấu ngành trên sàn HNX 23

Bảng 4.3 Kết quả hồi quy mô hình 3.1 23

Bảng 4.4 Dữ liệu mô tả các công ty niêm yết trên sàn HOSE 25

Bảng 4.5 Hệ số tương quan giữa các biến độc lập với biến phụ thuộc asym, sàn HOSE 25

Bảng 4.6 Kết quả ước lượng mô hình 3.6 với các biến liên quan đến giao dịch, sàn HOSE 26

Bảng 4.7 Kết quả ước lượng mô hình 3.6 với tất cả các biến, sàn HOSE 27

Bảng 4.8 Kết quả ước lượng mô hình 3.6 với tất cả các biến trừ biến PINST, sàn HOSE 28

Bảng 4.9 Kết quả ước lượng mô hình 3.6 tốt nhất, sàn HOSE 29

Bảng 4.10 Ước lượng mô hình 3.6 tốt nhất với biến phụ thuộc là ln(ASYM), sàn HOSE 30

Bảng 4.11 Dữ liệu mô tả các công ty niêm yết trên sàn HNX 33

Bảng 4.12 Hệ số tương quan giữa các biến độc lập với biến phụ thuộc asym, sàn HNX 33

Bảng 4.13 Kết quả ước lượng mô hình 3.6 với các biến liên quan đến giao dịch, sàn HNX 34

Bảng 4.14 Kết quả ước lượng mô hình 3.6 với tất cả các biến, sàn HNX 35

Bảng 4.15 Kết quả ước lượng mô hình 3.6 tốt nhất, sàn HNX 35

Bảng 4.16 Uớc lượng mô hình 3.6 tốt nhất, sàn HNX với biến phụ thuộc là ln(ASYM) 36

CHƯƠNG 1 GIỚI THIỆU

1.1 Bối cảnh nghiên cứu

Thị trường chứng khoán Việt Nam được thành lập vào 2000 và đến nay đã trải qua 12 năm phát triển Chặng đường 12 năm đó đủ để các nhà nghiên cứu về chính sách đánh giá những đặc điểm của thị trường, nhận ra những thành tựu đạt được và các hạn chế hiện có Với những yêu cầu mới về sự phát triển, nhất thiết đòi hỏi phải có các cuộc nghiên cứu sâu sắc về các đặc tính của thị trường để từ đó tìm ra các giải pháp phù hợp, nhằm phát triển hơn nữa thị trường vốn quan trọng này, góp phần hình thành nên một hệ thống tài chính sâu và rộng, phục vụ cho việc phát triển kinh tế

Thị trường chứng khoán Việt Nam cũng như các thị trường mới nổi khác, đang gặp rất nhiều vấn đề trong quá trình phát triển của mình, như thể chế chưa thật hoàn thiện, quy mô và đặc điểm của thị trường vẫn còn nhỏ, sản phẩm giao dịch còn khá sơ sài, trình độ của nhà đầu

tư chưa cao Và một trong những vấn đề đó là tồn tại yếu tố bất cân xứng thông tin

(AI-Asymmetric Information) trong giao dịch trên thị trường Đó là một dạng thất bại thị trường,

là nhân tố ảnh hưởng đến sự công bằng trong giao dịch mà nếu không có giải pháp hạn chế có thể kìm hãm sự phát triển của thị trường

Bất cân xứng thông tin mang lại sự không công bằng trong giao dịch, bên nhận được nhiều thông tin hơn (informed trader) sẽ có ưu thế trong giao dịch so với bên nhận được ít thông tin hơn (uninformed trader) Một trường hợp điển hình là nếu nhà đầu tư biết trước một sự kiện sẽ xảy ra vào một ngày gần đây và giá cổ phiếu có thể tăng mạnh (như công ty sẽ công bố kết quả kinh doanh tốt) thì ngay hôm nay anh ta đã thực hiện chiến lược mua với số lượng lớn trong phiên giao dịch Trong khi đó những người không biết trước thông tin đó sẽ không thể hoặc không tham gia giao dịch Cuối cùng chỉ có những người nắm được thông tin tốt như vậy mới nắm giữ cổ phiếu, và đó là điều không công bằng cho các nhà đầu tư khác Nếu tình trạng

đó diễn ra thường xuyên và không được giảm thiểu thì các nhà đầu tư bình thường sẽ lần lượt rời bỏ thị trường và cuối cùng sẽ hủy hoại thị trường

Nhiều công trình nghiên cứu của các tác giả như Glosten và Harris (1988), George và các

cộng sự (1991), Lin và các cộng sự (1995), Madhavan, Richardson và Roomans (1997), Huang và Stoll (1997) đã cố gắng xây dựng các mô hình nhằm ước lượng mức độ bất cân xứng thông tin và các yếu tố ảnh hưởng Các mô hình này được nhiều tác giả khác ứng dụng

và kiểm định trên các thị trường chứng khoán như: Van Ness và các cộng sự (2001), Giouvris

và Philippatos (2008) kiểm định trên sàn chứng khoán Luân Đôn…

Ở Việt Nam, do thị trường chứng khoán Việt Nam chỉ mới phát triển gần đây nên hiện tại chỉ có một ít các nghiên cứu về vấn đề bất cân xứng thông tin và tín hiệu quả về mặt thông tin trên thị trường chứng khoán như các nghiên cứu của Lê An Khang (2008), Trần Hương Giang (2010), Nguyễn Thanh Nhã (2010)

1.2 Mục tiêu nghiên cứu

Xuất phát từ bối cảnh trên, đề tài này sẽ tiến hành đánh giá mức độ bất cân xứng thông tin trên thị trường chứng khoán Việt Nam bằng một mô hình lý thuyết phù hợp, đồng thời xác định các yếu tố tác động đến mức độ bất cân xứng thông tin đó, từ đó đề ra những kiến nghị chính sách nhằm giúp cho các nhà quản lý thị trường đưa ra các giải pháp nhằm thúc đẩy thị trường phát triển theo hướng hiện đại, công bằng và chuyên nghiệp

1.3 Câu hỏi nghiên cứu

1 Mức độ bất cân xứng thông tin trên thị trường chứng khoán Việt Nam như thế nào?

2 Những yếu tố nào có tác động đến mức độ bất cân xứng thông tin trên thị trường?

1.4 Phạm vi nghiên cứu

Đề tài nghiên cứu dữ liệu là thông tin giao dịch của các mã chứng khoán trên hai sàn giao dịch chứng khoán Thành Phố Hồ Chí Minh (HOSE) và Hà Nội (HNX) với thời gian nghiên cứu là khoảng thời gian từ 04/01/2011 đến 30/12/2011 Mỗi sàn sẽ được thu thập dữ liệu riêng để từ đó có điều kiện so sánh mức độ bất cân xứng thông tin giữa hai sàn và cũng như các nhân tố tác động

1.5 Phương pháp nghiên cứu

Luận văn sử dụng phương pháp nghiên cứu định lượng Luận văn sẽ tham khảo mô hình của các tác giả được đánh giá là thành công trong lĩnh vực này, sau đó chọn lựa và biến đổi cho phù hợp với đặc điểm thị trường chứng khoán Việt Nam Cụ thể hơn, để trả lời cho câu hỏi nghiên cứu thứ nhất của đề tài, luận văn sẽ sử dụng kết quả nghiên cứu của các tác giả

sau: Glosten và Harris (1988), Stoll (1989), George, Kaul và Nimalendran (1991), Kim và Ogden (1996) Các mô hình này cố gắng phân rã khoảng cách giữa giá mua-bán trên thị trường (bid-ask spread) ra thành các nhân tố cấu thành, một trong những nhân tố đó là nhân tố bất cân xứng thông tin

Thứ hai, để tìm hiểu các nhân tố có tác động lên mức độ bất cân xứng thông tin này,

mô hình căn bản của Van Ness và các cộng sự (2001) sẽ được nghiên cứu Mô hình này cố gắng giải thích sự tác động đến mức độ bất cân xứng thông tin đến từ các nhóm biến sau: nhóm biến đại diện cho mức độ biến động trong giao dịch của cổ phiếu, nhóm biến đại diện cho đặc điểm các nhà đầu tư liên quan đển cố phiếu và nhóm biến khác, đại diện cho các đặc điểm riêng của công ty như giá trị thị trường của vốn chủ sở hữu, biến giả về nhóm ngành mà công ty thuộc về Kết quả của phần này cũng chính là câu trả lời cho câu hỏi nghiên cứu thứ hai của đề tài

Cuối cùng, dữ liệu nghiên cứu là dữ liệu thứ cấp về giao dịch hằng ngày được công bố trên thị trường, được lấy từ các nguồn sau: sở giao dịch chứng khoán Tp.HCM và Hà Nội, công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin tài chính Cafef, trang tin tài chính Stockbiz và công ty chứng khoán Quốc tế VISecurities

1.6 Cấu trúc đề tài

Luận văn được tổ chức theo năm chương Chương 1 là phần giới thiệu về bối cảnh nghiên cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu, phạm vi nghiên cứu và phương pháp nghiên cứu Chương 2 trình bày cơ sở lý thuyết Chương 3 trình bày chi tiết phương pháp nghiên cứu Chương 4 là phần kết quả nghiên cứu và chương 5 là phần kết luận và kiến nghị chính sách

CHƯƠNG 2 KHẢO SÁT CƠ SỞ LÝ THUYẾT

Chương này sẽ lần lượt khảo sát sơ cở lý thuyết về các vấn đề sau: lý thuyết về bất cân xứng thông tin và tác động của nó trên thị trường chứng khoán, mô hình nghiên cứu các yếu tố hình thành nên khoảng chênh lệch giá mua-bán và theo đó là xác định mức độ bất cân xứng thông tin của thị trường, phần cuối cùng là mô hình tìm hiểu sự tác động lên mức độ bất cân xứng thông tin ấy của các yếu tố liên quan

2.1 Sự tác động của bất cân xứng thông tin trên thị trường chứng khoán

2.1.1 Giới thiệu bất cân xứng thông tin

Theo lý thuyết kinh tế học vi mô, “bất cân xứng thông tin là trường hợp trong đó người mua và người bán sở hữu các mức độ khác nhau về mặt thông tin” (Robert Pindyck và Daniel Rubinfeld, 2009) Điều đó có nghĩa rằng, trong một giao dịch, một bên sẽ biết nhiều thông tin hơn bên kia và sẽ quyết định theo hướng có lợi cho mình nhiều hơn so với người nắm ít thông tin hơn Pindyck và Rubinfeld (2009) cho rằng, tùy theo các hình thức của bất cân xứng thông tin mà hậu quả mang lại có thể rơi vào ba dạng sau:

1) Sự lựa chọn ngược: lựa chọn ngược xuất hiện khi các sản phẩm với các chất lượng

khác nhau được bán tại cùng một mức giá duy nhất bởi vì người mua và người bán không có được thông tin đầy đủ để quyết định chất lượng thật sự tại thời điểm giao dịch Và hậu quả cuối cùng là trên thị trường có rất nhiều các sản phẩm có chất lượng thấp nhưng lại có quá ít các sản phẩm có chất lượng cao

2) Tâm lý ỷ lại: Tâm lý ỷ lại xuất hiện khi một bên mà hành động của anh ta không

thể quan sát được, có thể ảnh hưởng đến khả năng hoặc mức độ của việc chi trả Ví dụ, một người thích các hành động rủi ro, sau khi mua bảo hiểm từ một công ty bảo hiểm, anh ta có thể gia tăng các hành vi đẩy rủi ro của mình hơn nữa vì tâm lý ỷ lại- đã có bảo hiểm chi trả cho các khoảng thiệt hại

3) Vấn đề người ủy quyền-thừa hành: Vấn đề nảy sinh khi người thừa hành (ví dụ

như giám đốc, tổng giám đốc) theo đuổi các mục tiêu riêng cái mà thậm chí mang lại lợi nhuận thấp hơn cho cổ đông của công ty, những người đã thuê anh ta về làm việc

Tóm lại, bất cân xứng thông tin là một dạng thất bại của thị trường và cần phải có sự

can thiệp của nhà nước nhằm giảm bớt thiệt hại do nó gây ra Bất cân xứng thông tin hiện diện trong rất nhiều lĩnh vực trong cuộc sống, từ các hoạt động mua bán bình thường như bảo hiểm,

y tế đến các hoạt động kinh doanh, giao dịch và trong đó có giao dịch trên thị trường chứng khoán

2.1.2 Tác động của bất cân xứng thông tin trên thị trường chứng khoán

Trên thị trường chứng khoán, bất cân xứng thông tin là sự không công bằng trong giao dịch, đối tượng có nhiều thông tin hơn chắc chắn sẽ ra quyết định có lợi hơn cho bản thân mình so với người khác Mishkin (2004) đã sử dụng lý thuyết về vấn đề lựa chọn ngược để giải thích hành vi mua bán trên thị trường chứng khoán dưới tác động của bất cân xứng thông tin Theo tác giả, trên thị trường sẽ có cổ phiếu tốt là các cổ phiếu có lợi nhuận kỳ vọng lớn và rủi ro thấp, và cổ phiếu xấu là cổ phiếu có lợi nhuận kỳ vọng thấp và rủi ro cao Vì sự bất cân xứng thông tin khiến mức giá mà nhà đầu tư thông thường sẵn lòng mua sẽ là mức giá trung bình giữa giá trị của cổ phiếu tốt và xấu Chủ sở hữu hay quản lý của công ty tốt sẽ có được thông tin tốt hơn nhà đầu tư thông thường và biết rằng giá của cổ phiếu trên thị trường đang bị định giá thấp và do đó sẽ không bán cổ phiếu đang nắm giữ cho nhà đầu tư thông thường tại mức giá trung bình đó Vì vậy các nhà đầu tư thông thường chỉ có thể mua được các cổ phiếu xấu Nhưng ngược lại, nhà đầu tư thông thường cũng là một người duy lý, anh ta sẽ không muốn những cổ phiếu xấu và quyết định sẽ không giao dịch Hậu quả cuối cùng mang lại là có

ít công ty bán được cổ phiếu trên thị trường và do đó không thể huy động được vốn, tức thị trường chứng khoán không thể phát triển trở thành một trong những nguồn huy động vốn trọng yếu cho nền kinh tế như các nhà hoạch định chính sách kỳ vọng

Do đó, bất cân xứng thông tin sẽ làm giảm tính hiệu quả của thị trường thông qua việc gia tăng chi phí giao dịch Vì vậy việc xác định mức độ bất cân xứng thông tin và các yếu tố tác động đến nó là mục tiêu quan trọng đối với các cấp quản lý để từ đó đưa ra các giải pháp nhằm xây dựng, kiểm soát và phát triển thị trường theo hướng công bằng, minh bạch và chuyên nghiệp hơn

2.2 Mô hình xác định các yếu tố cấu thành nên chênh lệch giá mua-bán và mức độ AI

Nghiên cứu các yếu tố tạo nên chi phí giao dịch đã hướng các tác giả nghiên cứu đặc điểm của chênh lệch giữa giá mua và giá bán được bộc lộ trên thị trường (bid-ask spread) Demsetz

(1968) và Tinic (1972) nêu ra giả thuyết rằng, spread này tồn tại là để bù lại chi phí mà các nhà tạo lập thị trường phải bỏ ra để quản lý lưu trữ chứng khoán để đáp ứng nhu cầu của nhà đầu tư khi họ muốn Một tác giả khác là Bagehot (1971) nghiên cứu về sự tồn tại của khoảng chênh lệch này theo một hướng khác và cho rằng nó là kết quả của yếu tố bất cân xứng thông tin, tác giả cho rằng các nhà tạo lập thị trường chịu lỗ khi phải giao dịch với các nhà đầu tư nắm được thông tin tốt và được bù trừ lại bằng cách có được lợi nhuận khi giao dịch với các nhà đầu thông thường Lý thuyết theo hướng này được nhiều tác giả ủng hộ và tiếp tục mở rộng nghiên cứu như Stoll (1978), Amihud và Mendelson (1980), Copeland và Galai (1983), Glosten và Milgrom (1985), Glosten và Harris (1988), Hasbrouck (1988),…1

Về mặt tổng quát, các tác giả đã thống nhất với nhau về các yếu tố cấu thành nên chênh

lệch giá mua-bán, gồm có: Chi phí đặt lệnh (chi phí xử lý lệnh), là chi phí liên quan đến cơ

sở hạ tầng như nhân viên đặt lệnh, chi phí thanh toán, bù trừ, thu thập thông tin (theo Glosten

và Harris (1988), Stoll (1989)) Thứ hai là chi phí lưu trữ, là chi phí liên quan đến cơ hội của

nhà đầu tư khi tiếp tục nắm giữ cổ phiếu (theo Stoll (1989)) Và cuối cùng là yếu tố thông tin bất cân xứng, tức AI (theo nghiên cứu của Glosten và Milgrom (1984), Easley và O’Hara (1987))

Theo Kyle (1985), trên thị trường sẽ có 3 chủ thể tham gia: người có ưu thế sở hữu thông tin có lợi cho mình (informed trader), người giao dịch bình thường (uninformed trader hoặc liquidiy trader) và các chủ thể tạo lập thị trường (market makers) Vì sự tồn tại của vấn đề bất cân xứng thông tin, vốn mang lại lợi nhuận cho informed trader, nên để tránh tổn thất khi giao dịch với các informed trader, các nhà tạo lập thị trường và nhà đầu tư thông thường sẽ mở rộng biên độ của khoảng chênh lệch giữa giá mua-bán khi giao dịch, điều đó có nghĩa rằng với một sự mở rộng của khoảng cách giữa giá mua và giá bán, mức độ bất cân xứng thông tin sẽ tăng lên

Trong nghiên cứu của Glosten và Milgrom (1985), được trích trong Glosten và Harris (1988), hai tác giả đã đưa ra lời giải thích về tác động của các nguồn thông tin được chuyển tải vào giá chứng khoán như sau: khi một nhà đầu tư đặt một lệnh mua (hoặc bán), các nhà tạo lập

1 Phần này trích lại từ tổng kết nghiên cứu của hai tác giả Giouvris và Philippatos (2008)

thị trường, vốn không nhận được thông tin, sẽ đánh giá khả năng lệnh đó có thể mang thông tin có lợi cho nhà đầu tư đó theo hướng giá chứng khoán sẽ tăng (hoặc giảm) Những kỳ vọng

và điều chỉnh đó của nhà tạo lập thị trường sẽ được thể hiện vào giá mua và giá bán trong lệnh đặt của họ ngay sau đó

Dựa trên lý thuyết về các yếu tố cấu thành nên chuỗi chênh lệch giá mua-bán, các nhà nghiên cứu đã cố gắng xây dựng mô hình phân tích các yếu tố này và đạt được một số tiến bộ đáng kể, tiêu biểu là công trình nghiên cứu của các tác giả sau:

Glosten và Harris (1988) là một trong các tác giả đầu tiên trình bày mô hình đơn giản để

phân rã các yếu tố cấu thành nên bid-ask spread thành hai thành phần: thành phần tạm thời (transitory) và thành phần bất cân xứng thông tin Mô hình này còn mô tả sự tác động của quy

mô giao dịch (thể hiện qua khối lượng) đến mức độ bất cân xứng thông tin:

∆Pt = c0∆Qt + c1∆QtVt+ z0Qt+z1QtVt + εt (2.1) Trong đó,

• ∆Pt là sự thay đổi giá giao dịch (transaction price) giữa hai lần giao dịch liền kề Qt là một chỉ báo giao dịch, nó sẽ mang giá trị +1 nếu giao dịch được người mua phát động trước và -1 nếu giao dịch được người bán phát động trước

• Vt là số lượng cổ phiếu được giao dịch tại thời điểm t

• εt là thành phần sai số, đồng thời bao hàm các yếu tố thông tin được công bố rộng rãi khác

Từ đó, hai yếu tố cấu thành nên spread được tính toán như sau:

• Thành phần bất cân xứng thông tin: Z0 = 2 (z0 + z1Vt) (2.2)

• Thành phần do chi phí lưu trữ và xử lý lệnh: C0 = 2(c0 +c1V1) (2.3)

Mô hình của Glosten và Harris được một số tác giả khác kiểm nghiệm thực tế như Van Ness và các cộng sự (2001) thực hiện kiểm nghiệm trên thị trường chứng khoán New York vào 1999 và kết quả cho thấy yếu tố AI trung bình chiếm 38.9% thành phần của chênh lệch giá mua-bán Mô hình này cũng được tác giả Lê An Khang (2008) kiểm nghiệm trên thị trường chứng khoán Việt Nam và mang lại kết quả là mức trung bình 89.66% của chênh lệch giá mua-bán là do yếu tố AI tạo nên

Mô hình của Glosten và Harris có ưu thế là đơn giản, tuy nhiên có nhược điểm là chỉ báo giao dịch Qt, yếu tố vốn không thể xác định được trong thực tế và vì vậy làm giảm tính chính xác của mô hình trong nghiên cứu thực tiễn Theo Stoll (1989), mô hình của Glosten và Harris (1988) dù đã cố gắng mô hình hóa mối quan hệ giữa chênh lệch báo giá (quoted spread)

và chênh lệch thực tế (realized spread- là sự khác biệt trung bình giữa giá bán mà một môi giới thiết lập tại một thời điểm với giá mua mà một môi giới khác thiết lập tại một thời điểm sớm hơn trước đó) và cố gắng ước tính các yếu tố tạo thành, tuy nhiên do không có dữ liệu về spread báo giá nên không thể quan sát được chỉ báo giao dịch Qt, và vì vậy sẽ gặp khó khăn khi phân rã các yếu tố cấu thành nên spread

Kế thừa từ kết quả nghiên cứu của Glosten và Harris (1988) và các tác giả khác, Stoll (1989) trong công trình nghiên cứu của mình đã tập trung phân tích cả ba yếu tố cấu thành nên spread, gồm: bất cân xứng thông tin, chi phí lữu trữ và chi phí xử lý lệnh dựa trên ý tưởng về

mối tương quan chuỗi theo thời gian trong các giao dịch chứng khoán Stoll cho rằng, chênh

lệch thực tế (realized spread) sẽ nhỏ hơn chênh lệch báo giá (quote spread-là sự khác biệt giữa giá mua-giá bán tại thời điểm t) và có tồn tại mối liên hệ giữa chênh lệch báo giá và phương sai của suất sinh lợi Để phục vụ cho mục tiêu nghiên cứu đó, Stoll đưa ra ba giả định như sau:

1 Thị trường là hoàn hảo về tính hiệu quả của thông tin để một sự thay đổi giá kỳ vọng mang tính độc lập đối với thông tin hiện tại và trong quá khứ

2 Khoảng cách giá mua-bán là hằng số theo thời gian và tất cả các giao dịch đều thực hiện

t ại mức giá mua cao nhất hoặc mức giá bán thấp nhất

3 Tỷ lệ của các yếu tố trong dãy chênh lệch giá mua-bán là giống nhau cho tất cả các loại

ch ứng khoán

Kết quả mà Stoll mang lại là tìm ra sự tương quan chuỗi của suất sinh lợi được tính bởi giá mua (hoặc giá bán) có khuynh hướng liên hệ âm (dấu -) với bình phương của chênh lệch báo giá, tuy mối quan hệ này không mạnh bằng suất sinh lợi được tính theo giá giao dịch (transaction price), đồng thời tìm được sự tương quan chuỗi của các lợi nhuận này là âm

Để tính toán các yếu tố cấu thành nên chênh lệch báo giá, Stoll đưa ra hai biến, gồm có biến

đo lường xác suất của việc đảo ngược giá (θ) và biến đại diện cho tỷ lệ thay đổi của chênh lệch báo giá (δ với ràng buộc 0 <= δ <=1), cả hai biến này được tính toán từ hệ phương trình sau:

s là chênh lệch báo giá

u, v là các sai số

Từ đó, các yếu tố cấu thành nên khoảng chênh lệch báo giá được tính toán như sau:

Chi phí bất cân xứng thông tin: 1-2(θ – δ) (2.5) Chi phí lưu trữ lệnh: 2(θ – 0.5) (2.6) Chi phí xử lý lệnh: 1-2 δ (2.7)

Nối tiếp ý tưởng của Stoll (1989), ba tác giả George, Kaul, và Nimalendran (1991) chỉ

ra rằng các các ước tính từ mô hình của Stoll bị thiên lệch bởi sự tồn tại sự tương quan dương trong chuỗi các lợi nhuận kỳ vọng Họ phát triển một mô hình mới với một khái niệm mới là chênh lệch ước tính (estimated bid-ask spread) cho mỗi chứng khoán i, chênh lệch ước tính này thể hiện mối quan hệ giữa suất sinh lợi giữa quá khứ và hiện tại thông qua phương trình:

Si = 2[-cov (RDi,t, RDi,t-1)]1/2 (2.8) Với RD là sai khác giữa tỷ lệ lợi nhuận được tính toán dựa trên giá giao dịch (transaction return) và tỷ lệ lợi nhuận dựa trên giá đúng (true price) cái mà không thể quan sát được và được các tác giả đại diện bằng giá mua (bid) nối tiếp giao dịch vừa mới được thực hiện:

RDi,t = RTi,t - RMi,t* (2.9)

Từ đó, George, Kaul, và Nimalendran đưa ra mô hình hồi quy sau để xác định các yếu tố cấu thành nên khoảng chênh lệch báo giá

Si=β0 + β1SQi + εi (2.10)Với SQi là chênh lệch báo giá của chứng khoán i

Và các thành phần cấu thành nên khoảng chênh lệch báo giá cho mỗi chứng khoán i được tính toán như sau:

Chi phí bất cân xứng thông tin: 1-ܵመbi/ T 1 Qi

Tuy mô hình của George và các cộng sự (1991) đã tiến bộ hơn so với Stoll, tuy nhiên hai giả định còn lại của Stoll vẫn chưa bị xóa bỏ, cho nên thật sự mô hình này vẫn chưa hoàn hảo Vấn đề này đã được giải quyết vào năm 1996 bởi hai tác giả Kim và Ogden

Để loại trừ hai giả định còn lại của Stoll, Kim và Ogden (1996) trong nghiên cứu của mình đề nghị như sau:

• Thứ nhất, Kim và Ogden đề nghị mô hình của George và các cộng sự (1991) nên thay đổi bằng cách sử dụng giá trung bình của giá mua và bán (midpoint) làm đại diện cho giá đúng, hơn là giá mua mà các tác giả đã sử dụng, vì Kim và Ogden cho rằng khoảng chênh lệch giá mua-bán là không cố định theo thời gian và có cấu trúc chuỗi thời gian mang tính hệ thống Vì vậy ước lượng trong mô hình chỉ dựa trên giá mua của George và các cộng sự (1991) vẫn còn có thể bị thiên lệch và các tác giả đề nghị rằng giá trung bình của giá mua

và bán chính là đại diện tốt hơn so với giá mua, điều này chính là việc loại trừ giả định thứ hai trong mô hình của Stoll

• Hai là, để loại trừ giả định thứ ba của Stoll, Kim và Ogden cho rằng: tỷ lệ các các yếu tố cấu thành nên khoảng chênh lệch giá mua-bán có thể thay đổi khác nhau tùy thuộc vào từng loại chứng khoán, và các tác giả này sử dụng hệ số Kim và Ogden S2qi để thay thế cho

SQi trong mô hình ước lượng của George và các cộng sự (1991) Như vậy mô hình hồi quy được điều chỉnh như sau:

Si = β0 + β1 * S2qi + εi (2.13) Trong đó Si là chênh lệch ước lượng dựa trên phương trình: Si = 2[-cov (RDi,t, RDi,t-1)]1/2 với:

• RD được định nghĩa là sự khác biệt giữa lợi nhuận dựa trên giá giao dịch và lợi nhuận dựa trên giá trung bình của giá mua-bán (giá midpoint)

• S2qi : hệ số trong mô hình của Kim và Ogden với S2qi là giá trị trung bình của các bình phương chênh lệch báo giá hằng ngày

Kim và Ogden cho rằng chi phí xử lý lệnh và chi phí lưu trữ rất khó phân biệt nên tác giả gộp chung cả hai chi phí này lại thành một và gọi là chi phí xử lý lệnh Khi đó mức độ bất cân xứng thông tin cho thị trường dựa trên mẫu quan sát được ước lượng là 1- β1 Đồng thời, thành phần bất cân xứng thông tin cho từng chứng khoán i được tính theo công thức sau:

asymi = 1-ܵመi/ S2qi (2.14)

Kim và Ogden đã ứng dụng mô hình mới xây dựng vào kiểm định trên thị trường chứng khoán NYSE Kết quả cho thấy mức độ bất cân xứng thông tin trên thị trường xấp xỉ 50%, trong khi sử dụng mô hình của George và các cộng sự (1991) thì giá trị ước tính khoảng 21% với cùng khoảng thời gian nghiên cứu Mô hình này cũng được Giouvris và Philippatos (2008) thực hiện kiểm chứng thực tế trên thị trường chứng khoán Luân Đôn và mang lại kết quả AI trung bình ở mức 32% cho các chứng khoán trong chỉ số FTSE100 và ở mức 67% cho các chứng khoán trong chỉ số FTSE250

Tóm lại, các mô hình nghiên cứu các yếu tố cấu thành nên khoảng chênh lệch giá bán được nhiều tác giả xây dựng nên, trong đó yếu tố chi phí bất cân xứng thông tin được các tác giả đặc biệt xem trọng vì đó là yếu tố ảnh hưởng đến tính công bằng trong giao dịch Mô hình của Glosten và Harris là một trong những mô hình đầu tiên phản ánh xu hướng giao dịch dựa trên khái niệm chỉ báo giao dịch Qt trước khi một giao dịch được thực hiện Tuy nhiên trên thực tế, các tác giả không thể quan sát được yếu tố Qt này nên chắc chắn làm giảm đáng kể khả năng phân tích của mô hình Mô hình của Stoll rồi sau đó là George và các cộng sự đã đề

mua-cập đến yếu tố tương quan chuỗi theo thời gian trong giao dịch và đưa ra các mô hình phân tích, tuy nhiên vẫn còn tồn tại sự ước lượng thiên lệch (theo chứng minh của Kim và Ogden)

do chưa rũ bỏ hết các giả thuyết không thực tế Vì vậy mô hình của Kim và Ogden được đánh giá là một trong những mô hình phù hợp nhất để có thể ứng dụng vào thực tế

2.3 Mô hình đánh giá các yếu tố tác động đến mức độ bất cân xứng thông tin

Sau khi đánh giá được mức độ AI trên thị trường, phần này sẽ khảo sát các kết quả nghiên cứu của các tác giả về các yếu tố có thể tác động đến mức độ AI trên thị trường Có hai kết quả nghiên cứu mà đề tài căn cứ sử dụng để làm nền tảng là Van Ness và các cộng sự (2001) và nghiên cứu của Giouvris and Philippatos (2008) Trong đó mô hình phân tích của Van Ness có bao hàm các thành phần mà hai tác giả Giouvris và Philippatos nghiên cứu Tuy nhiên trong mô hình của Giouvris và Philippatos có đề cập đến yếu tố: số lượng các giao dịch (number of trades) nhưng do hạn chế về mặt thông tin trên sàn chứng khoán HOSE và HNX

mà yếu tố này sẽ không được xem xét Vì vậy, tổng kết lại, đề tài sử dụng mô hình nghiên cứu của Van Ness và các cộng sự (2001) làm cơ sở

Theo Van Ness và các cộng sự (2001), có 3 nhóm các nhân tố tác động đến AI của một

mã chứng khoán gồm có:

1 Các biến thông tin bất cân xứng: nhóm này bao gồm các biến đại diện cho mức độ biến

động của cổ phiếu (volatility) được đại diện bởi: độ lệch chuẩn của mức giá trung bình của giá mua-bán, độ lệch chuẩn của suất sinh lợi hằng ngày, độ lệch chuẩn của khối lượng giao dịch hằng ngày, giá trị giao dịch trung bình hằng ngày, đòn bẩy tài chính trong nguồn vốn của công ty, sai số trong dự đoán EPS của các nhà phân tích, mức độ phân tán của dãy các dự báo EPS của các nhà phân tích, tỷ lệ giá trị thị trường trên giá trị sổ sách, chi phí nghiên cứu phát triển, tài sản vô hình

2 Các biến đại diện cho các nhà đầu tư có lợi về mặt thông tin, gồm có: số lượng các nhà

phân tích đối với một công ty, phần trăm nắm giữa cổ phần của các nhà đầu tư tổ chức, số lượng các nhà đầu tư tổ chức

3 Các biến khác: gồm có giá trị thị trường của vốn chủ sở hữu, các biến giả (dummy

variables) đại diện cho các ngành mà công ty thuộc về

Mô hình tổng quát của Van Ness và các cộng sự tổng quát như sau:

LTC i = α 0 + α 1 LNANALYST + α 2 LVOL i + α 3 LPRI i + α 4 LVAR i + α 5 LSIGR i + α 6 LSIGVOL i

+ α 7 ERRE i + α 8 DISP i + α 9 LEVG i + α 10 LNINTGTA + α 11 RDSALES i + α 12 LNMB i +

α 13 LPINST i + α 14 LINST i + µ i (2.15)

LNANLYST i = β 0 + β 1 LTC i + β 2 LVAR i + β 3 LNMVE i + β 4 LPRI i + β 5 IND1+ β 6 IND2 + β 7 IND3

+ β 8 IND4 + β 9 LPINST i + β 10 LINST i + ε i (2.16)

LVOLi = γ 0 + γ 1 LTC i + γ 2 LANALYST i + γ 3 LNMVE i + γ 4 LINST i + γ 5 LPINST i + u i (2.17) Với LTC = ln (chi phí thông tin bất cân xứng/ giá) hay spread/ giá (2.18)

Mô hình đánh giá các yếu tố tác động đến AI của Van Ness và các cộng sự đã hầu như bao hàm hầu hết các biến có khả năng tác động đến mức độ bất cân xứng thông tin Vì vậy có thể sử dụng mô hình này để ứng dụng vào thị trường chứng khoán Việt Nam

Đến thời điểm này, đề tài đã lần lượt trình bày khái niệm về thông tin bất cân xứng và tác động của nó đối với thị trường chứng khoán Việt Nam, theo Mishkin (2004) nếu không có giải pháp giảm thiểu để tạo niềm tin cho nhà đầu tư thì bất cân xứng thông tin sẽ khiến thị trường hoạt động không hiệu quả Chương này cũng lần lượt khảo sát các công trình nghiên cứu chủ yếu của các tác giả được đánh giá là thành công trong việc xây dựng mô hình xác định mức độ bất cân xứng thông tin, một trong ba yếu tố cấu thành nên chuỗi chênh lệch giá mua-bán Thông qua đó, mô hình của Kim và Ogden (1996) được đánh giá là tiến bộ hơn các công trình trước đó và cũng phù hợp với đặc điểm của thị trường chứng khoán Việt Nam Cuối cùng chương này cũng tham khảo mô hình đánh giá các yếu tố tác độ đến mức độ thông tin bất cân xứng và thấy rằng kết quả nghiên cứu của Van Ness và các cộng sự (2001) là tổng quát hơn cả Chương tiếp theo sẽ là phần xây dựng mô hình nghiên cứu cho thị trường chứng khoán Việt nam

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

Chương này sẽ tiến hành lựa chọn mô hình nghiên cứu phù hợp với đặc điểm thị trường chứng khoán Việt Nam, đồng thời cũng giới thiệu nguồn dữ liệu sẽ được sử dụng để thực hiện kiểm định thực tế trên thị trường

3.1 Lựa chọn mô hình nghiên cứu

Để trả lời cho hai câu hỏi nghiên cứu, phần này sẽ hướng đến lựa chọn và xây dựng hai

mô hình, gồm có mô hình xác định mức độ thông tin bất cân xứng để trả lời cho câu hỏi nghiên cứu thứ nhất và mô hình đánh giá các yếu tố tác động đến thông tin bất cân xứng để trả lời cho câu hỏi nghiên cứu thứ hai Phần tiếp theo sẽ lần lượt đi qua từng mô hình một

3.1.1 Mô hình xác định mức độ bất cân xứng thông tin

Dựa trên kết quả nghiên cứu lý thuyết sơ lược ở chương hai, tác giả cho rằng mô hình của Kim và Ogden (1996) là phù hợp hơn cả để có thể ứng dụng vào thị trường chứng khoán Việt Nam với những ưu điểm sau:

• Là mô hình đã khắc phục được các hạn chế của tác giả trước đó là của Stoll và George

và các cộng sự về các giả thuyết phi thực tế trên thị trường

• Hai là nguồn dữ liệu cần thiết để ứng dụng mô hình hoàn toàn có thể thu thập được tại thị trường chứng khoán Việt Nam

Do đó, luận văn này sẽ sử dụng kết quả của Kim và Ogden để trả lời cho câu hỏi nghiên cứu thứ nhất của đề tài Mô hình được viết lại như sau:

Si = β0 + β1 * S2qi + εi (3.1) Trong đó:

• i là đại diện cho chứng khoán thứ i, t là đơn vị thời gian tính theo ngày,

• Si là chênh lệch ước lượng, được tính dựa trên phương trình:

Si = 2[-cov( RDi,t, RDi,t-1)]1/2 (3.2)

• RD được định nghĩa là sự khác biệt giữa lợi nhuận tính trên giá giao dịch (và lợi nhuận tính trên giá trung bình của giá mua và giá bán (midpoint), tức RDt = Rt-Rm

với Rt=P Pt-Pt-1

t-1 , Rm = P Pm-Pm-1

• S2qi : hệ số trong mô hình của Kim và Ogden với S2qi là giá trị trung bình của các bình phương chênh lệch báo giá hằng ngày của chứng khoán i (3.4) Giá trị ước lượng của các hệ số trong mô hình hồi quy (3.1) sẽ cho kết quả ước lượng về giá trị trung bình của thị trường như sau:

• Chi phí xử lý lệnh trung bình : β1

• Chi phí bất cân xứng thông tin trung bình: 1- β1

Tính riêng, mức độ bất cân xứng thông tin cho mỗi chứng khoán i trong chuỗi chênh lệch giá mua-bán được tính toán như sau:

asymi = 1-ܵመi/ S2qi (3.5) Trong đó ܵመi là giá trị ước lượng của chênh lệch ước lượng cho chứng khoán i theo mô hình hồi quy (3.1)

3.1.2 Mô hình đánh giá tác động của các yếu tố lên mức độ bất cân xứng thông tin

Tiếp theo, luận văn xây dựng mô hình đánh giá tác động của các yếu tố lên AI của từng mã chứng khoán Theo kết quả nghiên cứu lý thuyết ở chương hai, tác giả đề nghị sử dụng mô hình của Van Ness và các cộng sự (2001) Tuy nhiên, căn cứ vào thực tiễn thu thập dữ liệu ở Việt Nam thì mô hình đó cần loại các biến sau:

• ANALYST: là biến thể hiện số lượng các chuyên gia phân tích đối với cổ phiếu một cổ phiếu i Vì hiện tại thông tin này ở Việt Nam chưa được thống kê nên đề tài sẽ không khảo sát biến này

• ERRE: là biến đo lường sai số dự báo về thu nhập trên mỗi cổ phiếu (EPS) so với giá trị thực Thông tin này đến từ các chuyên gia phân tích Tuy nhiên do số lượng các chuyên gia phân tích không thể thống kê nên đề tài cũng không xét đến biến này

• DISP: là biến đo lường độ phân tán các dự báo thu nhập trên mỗi cổ phiếu của các chuyên gia phân tích Tương tự như biến ERRE, do hạn chế về thống kê nên đề tài cũng không xét đến biến này

• RDSALES: là biến đo lường chi phí chi tiêu cho nghiên cứu và phát triển của công ty Hiện tại báo cáo tài chính của các công ty niêm yết chưa đề cập đến chi phí này nên đề tài cũng không xét đến

• Luận văn này cũng không thực hiện việc so sánh theo ngành mà chỉ tập trung vào phân tích các nhân tố tác động đến mức độ bất cân xứng thông tin trên hai sàn nên các biến giả đại diện cho ngành cũng không được xem xét

Như vậy, các biến không xem xét kể trên sẽ được tính vào phần dư của phương trình hồi quy và xem như là phần tác động của các biến chưa giải thích được Vậy chúng ta có mô hình sau:

ASYMi = α 0 + α 1 LVOL i + α 2 LPRI i + α 3 LVAR i + α 4 LSIGR i + α 5 LSIGVOL i + α 6 LEVG i +

α 7 LNINTGTA + α 8 LNMB i + α 9 LNMVE i + α 10 LPINST i + α 11 LINST i+ µ i (3.6)

Trong đó:

• biến ASYMi được tính toán từ phương trình (3.5)

• µi là biến sai số trong mô hình, đồng thời chứa các biến chưa được khảo sát trong mô hình

• L là hàm ý sẽ dùm hàm logarithm cho giá trị biến tương ứng trong mô hình hồi quy Trong mô hình 3.6, các biến độc lập lần lượt mang ý nghĩa và kỳ vọng dấu trước khi hồi quy như sau:

1) VOL: là trung bình khối lượng giao dịch hằng ngày của cổ phiếu i Theo Van Ness và các cộng sự (2001), các cổ phiếu có tần suất giao dịch càng thấp thì càng nhiều khả năng có vấn đề về thông tin, vì vậy kì vọng dấu ở biến VOL là dấu âm (-) Tuy vậy theo nghiên cứu của Conrad và Niden (1992), hai tác giả này không chứng minh được mối quan hệ giữa khối lượng giao dịch và sự lựa chọn ngược trong các thông báo thâu tóm doanh nghiệp 2) PRI: là trung bình giá đóng cửa hằng ngày Giá đóng cửa là một đại diện cho tính biến động của cổ phiếu Cổ phiếu càng có giá trị trên thị trường thì mức độ thu hút đối với các nhà đầu tư càng lớn và từ đó giúp cho sự lan tỏa thông tin càng tốt, tức mức độ AI được kỳ vọng sẽ thấp hơn nên biến này có dấu kỳ vọng là - trong mô hình (3.6)

3) VAR: là phương sai của chuỗi các giá trị của giá trung bình (midpoint) hằng ngày của khoảng chênh lệch báo giá Là một trong các biến đo lường tính biến động của giá cổ phiếu nên được kỳ vọng mang dấu + vì cổ phiếu càng biến động về giá thì nguy cơ chịu chi phí

AI càng lớn

4) SIGR: là độ lệch chuẩn của suất sinh lợi hằng ngày Theo Ness và các cộng sự, cổ phiếu có suất sinh lợi hằng ngày biến động càng lớn thì mức độ AI càng lớn và ngược lại Vì vậy ở

mô hình (3.6), biến này có kỳ vọng mang dấu +

5) SIGVOL: là độ lệch chuẩn của khối lượng giao dịch hằng ngày Tương tự như SIGR, biến này cũng được dùng để đo lường tính biến động của cổ phiếu nên cũng được kỳ vọng mang dấu +

6) LEVG: là đòn bẩy tài chính công ty, bằng tổng nợ trên tổng tài sản Theo Van Ness và các cộng sự (2001), các công ty càng sử dụng đòn bẩy tài chính càng lớn thì càng có sự biến động lớn trong thu nhập của chúng (tức là chúng sẽ có mức biến động của lãi/ lỗ lớn hơn so với các công ty cùng đặc điểm nhưng sử dụng đòn bẩy thấp hơn) Việc biến động lớn về thu nhập dự kiến càng khiến mang lại rủi ro cho các nhà đầu tư do hạn chế tiếp cận với các thông tin chính xác về ước lượng thu nhập của công ty, tức AI sẽ càng tăng Vì vậy trong

mô hình (3.6), biến LEVG được kỳ vọng là mang dấu + Tuy vậy Van Ness và các cộng sự (2001) cũng hi vọng rằng biến này không có ý nghĩa

7) INTGTA: là giá trị tài sản vô hình của công ty Theo Van Ness và các cộng sự (2001), nếu công ty có giá trị lớn tài sản vô hình (như bản quyền, lợi thế thương mại, ) so với tổng tài sản thì công ty càng khó định giá bởi sự không xác định một cách chắn chắn các tài sản này, vì vậy có thể dẫn đến những thông tin không cân xứng về giá trị công ty Vì vậy trong

mô hình, biến này có kỳ vọng mang dấu +

8) NMB: là tỷ số giá thị trường trên giá trị sổ sách Theo Van Ness và các cộng sự (2001), tỷ

số giá thị trường trên giá trị sổ sách của công ty là thước đo của các nhà đầu tư về triển vọng của công ty Triển vọng càng lớn thì thông tin bất cân xứng càng hiện hữu Vì vậy kỳ vọng của biến này là + Giá trị thị trường được tính là giá trị trung bình của giá đóng cửa hằng ngày trong thời đoạn lấy dữ liệu Giá trị sổ sách bằng tổng giá trị tài sản trừ đi cho tổng nợ và các tài sản vô hình (bao gồm tài sản cố định vô hình và lợi thế thương mại) 9) NMVE: là giá trị thị trường của vốn cổ phần của công ty Theo Van Ness, nếu các nhà đầu

tư chịu một chi phí cố định về mặt thông tin, họ sẽ có xu hướng đầu tư vào các cổ phiếu có mức vốn hóa lớn với khả năng nắm bắt được thông tin nhiều hơn Vì vậy ở mô hình này, biến LNMVE có kỳ vọng mang dấu - Giá trị thị trường được lấy là giá trị trung bình của

giá đóng cửa của cổ phiếu trong thời đoạn xem xét, nhân với số lượng cổ phiếu lưu hành cuối kỳ

10) PINST: là phần trăm sở hữu cổ phần của các nhà đầu tư tổ chức Nhà đầu tư tổ chức là một thực thể có tiềm lực tài chính lớn gồm các công ty tài chính, các quỹ, công ty bảo hiểm, ngân hàng đầu tư, họ nắm giữ cổ phần và có ảnh hưởng lớn đối với công ty2 Theo Van Ness, nếu tỷ lệ này càng lớn thì càng có khả năng về việc thâu tóm thông tin đối với cổ phiếu này của nhóm các nhà đầu tư tổ chức Vì vậy kỳ vọng của biến này trong mô hình là +

11) INST: là số lượng các nhà đầu tư tổ chức trong sở hữu cổ phần công ty Nếu tỷ lệ này càng lớn thì ngược lại, làm thông tin được lan tỏa giữa các đối tượng này càng lớn và giúp cho mức độ AI càng nhỏ Tức kỳ vọng của biến này là –

Như vậy, dựa trên kết quả ước lượng từ mô hình (3.6) sẽ cho chúng ta biết được mức độ tác động của các biến độc lập lên mức độ bất cân xứng thông tin

3.2 Phương pháp thu thập dữ liệu và xử lý số liệu

3.2.1 Nguồn dữ liệu

Tổng số mã chứng khoán niêm yết tính đến cuối năm 2011 trên sàn HOSE là 310, còn trên sàn HNX là 352 Luận văn này sẽ sử dụng số lượng để nghiên cứu là 100 mã chứng khoán cho mỗi sàn Kích thước mẫu như thế cũng sẽ đảm bảo kết quả hồi quy mang ý nghĩa

Thời gian thu thập là từ 04/01/2011 đến 30/12/2011 Mặc dù thời gian này được đánh giá

là khá ảm đạm nhưng năm 2011 cũng là thời gian chính phủ đã ban hành nhiều quy định về thị trường chứng khoán như Thông tư 74 về margin, tài khoản giao dịch, giao dịch cổ phiếu cùng phiên Luật chứng khoán sửa đổi có hiệu lực từ ngày 01/07/2011 cũng hy vọng tạo cú hích cho thị trường, đặc biệt là các quy định xử phạt liên quan đến vi phạm công bố thông tin trên thị trường, do đó năm 2011 cũng là thời điểm thích hợp để đánh giá tính hiệu quả về mặt thông tin của thị trường chứng khoán

Dữ liệu giao dịch trên sàn chứng khoán Tp.HCM và Hà Nội là dữ liệu vào phiên giao dịch

2 Định nghĩa về nhà đầu tư tổ chức được tham khảo từ trang tài chính Investorwords:

http://www.investorwords.com/2504/institutional_investor.html#ixzz1nw4daC1g

cuối ngày trên hai sàn HOSE và HNX Dữ liệu này được thu thập thông qua cơ sở dữ liệu của công ty chứng khoán VNDIRECT (http://www.vndirect.com.vn), công ty chứng khoán FPTS (http://fpts.com.vn) và trang tin tài chính CAFEF (cafef.vn) với thông tin bao gồm: mã cổ phiếu, ngày giao dịch, giá và khối lượng đặt của 3 dư mua tốt nhất và 3 dư bán tốt nhất trên thị trường vào lúc thị trường đóng cửa, giá đóng cửa và tổng khối lượng khớp lệnh (loại trừ khối lượng giao dịch thỏa thuận) của mã chứng khoán trong toàn bộ phiên giao dịch Việc sử dụng giá mua và giá bán cuối ngày cũng phù hợp với lý thuyết, vì theo George và các cộng sự (1991) và Kim và Ogden (1996), chuỗi giá mua-bán được sử dụng là chuỗi giá mua-bán đóng cửa cuối ngày giao dịch, nó tượng trưng cho chuỗi giá mua-bán là chuỗi liền kề của giao dịch trước đó Vì vậy lấy thông tin báo giá được thể hiện vào cuối ngày là hoàn toàn phù hợp

Dữ liệu về các chỉ số tài chính được lấy từ báo cáo tài chính được công bố vào cuối năm

2011 (sẽ lấy báo cáo hợp nhất công ty nếu có) Các báo cáo tài chính này được công bố trên cả hai sàn HOSE và HNX

Dữ liệu về số lượng các nhà đầu tư tổ chức (trong và ngoài nước), đồng thời thành phần nắm giữ của các nhà đầu tư tổ chức đó được lấy từ trang web thông tin tài chính Stockbiz tại địa chỉ: http://www.stockbiz.vn

Dữ liệu về lĩnh vực mà công ty hoạt động được lấy từ báo cáo Market Review của công ty chứng khoán Quốc tế VISecurities (VIS) tại địa chỉ: www.vise.com.vn Thông tin phân ngành này được VIS phân loại dựa vào tiêu chuẩn ICB (Industrial Classification Benchmark) khá thông dụng trên thế giới Theo đó, nếu một công ty hoạt động đa ngành thì tạm thời căn cứ vào

tỷ trọng của ngành nào trong cơ cấu doanh thu của công ty lớn nhất thì đó là ngành mà công ty hoạt động chính

• Tương tự, giá bán (ask price) là giá bán 1, tức mức giá bán tốt nhất, nếu không tồn tại giá bán 1 thì lần lượt ưu tiên cho giá bán 2 và 3

• Một vấn đề quan trọng nữa là nếu trong thời gian xem xét, cổ phiếu có các sự kiện như phát hành thêm quyền mua cổ phiếu, chia thưởng bằng tiền mặt, chia thưởng bằng cổ phiếu, chi trả cổ tức bằng tiền mặt và cổ phiếu thì giá mua-bán (tính từ trước ngày giao dịch không hưởng quyền trở về trước) cũng lần lượt được điều chỉnh theo tỷ lệ chia tách để phản ánh

sự thay đổi về giá chào mua-bán thật sự của cổ phiếu chứ không phải do sự biến động bất thường của giá cổ phiếu (thông tin về ngày giao dịch không hưởng quyền được tham khảo

từ HOSE, HNX và CAFEF), điều này cũng phù hợp khi sử dụng giá mua-bán này để tính suất sinh lợi theo giá trung bình của giá mua-bán ở trong mô hình hồi quy 3.1 Công thức tính giá tham chiếu vào ngày giao dịch không hưởng quyền được sử dụng từ công thức tính của HOSE (tham khảo thêm phụ lục 1)

Ví dụ: cổ phiếu A có sự kiện chia thưởng cổ tức bằng cổ phiếu với tỷ lệ: 100 cổ phiếu đang

có sẽ được nhận 12 cổ phiểu thưởng, ngày giao dịch hưởng quyền là ngày 18/07/2011, thì giá mua-bán kể từ ngày 17/07/2011 trở về trước được điều chỉnh giảm theo tỷ lệ:

giá mua mới (hoặc giá bán mới) = giá mua cũ * (hoặc giá bán cũ) * 100112 (3.7)

• Giá trung bình giữa giá mua và giá bán (midpoint) là giá trị trung bình của giá mua và giá bán cuối ngày, tức được tính theo công thức:

• Suất sinh lợi tính trên giá trung bình (midpoint) của giá mua-giá bán được tính theo công thức: Rm = P Pm-Pm-1

CHƯƠNG 4 PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

Chương này sẽ lần lượt trình bày đặc điểm dữ liệu thu thập được, kết quả mô hình hồi quy cho hai mô hình nghiên cứu về mức độ bất cân xứng thông tin và các yếu tố tác động đến mức độ bất cân xứng thông tin cho lần lượt hai sàn HOSE và HNX Cuối cùng là phần tóm tắt đối với kết quả thu được

4.1 Phân tích dữ liệu

Dữ liệu mô tả cho hai sàn HOSE và HNX được lấy từ các nhóm ngành khác nhau Cơ cấu ngành được lấy khá đa dạng nhưng tập trung chủ yếu vào nhóm các ngành sau: Công nghiệp, tài chính và hàng tiêu dùng Các ngành này là các ngành có số lượng cổ phiếu lớn nhất trên thị trường Việc nghiên cứu tập trung vào nhóm này sẽ phản ánh khá sát bản chất của thị trường Ngoài ra một số ngành khác với tỷ trọng nhỏ hơn cũng được thêm vào

Giá trị của chênh lệch ước tính (Si) và giá trị hệ số Kim và Ogden trung bình được tính toán theo phương trình (3.2) và (3.4) cho kết quả như sau:

Bảng 4.1 Cơ cấu ngành trên sàn HOSE

(Nguồn: tổng hợp từ công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin

tài chính CAFEF, sàn HOSE, sàn HNX)

Bảng 4.2 Cơ cấu ngành trên sàn HNX

(Nguồn: tổng hợp từ công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin

tài chính CAFEF, sàn HOSE, sàn HNX)

Nhìn theo cơ cấu thì giá trị chênh lệch ước tính (Si) và giá trị hệ số Kim và Ogden trên sàn HOSE nhỏ hơn so với trên sàn HNX Đồng thời tỷ lệ chênh lệch giữa Si và giá trị hệ số Kim và Ogden của cả hai sàn là khá lớn, tỷ lệ chênh lệnh này theo Kim và Ogden chính là giá trị của chi phí AI mà phần tiếp theo chúng ta sẽ tính toán cụ thể

4.2 Kết quả hồi quy và kiểm định giả thuyết

4.2.1 Mức độ bất cân xứng thông tin

Kết quả kiểm định mô hình hồi quy (3.1) để xác định mức độ chi phí bất cân xứng thông tin lần lượt cho hai sàn HOSE và HNX như sau: (Kết quả chi tiết được trình bày trong phụ lục 2 và 3 của luận văn này)

Bảng 4.3 Kết quả hồi quy mô hình 3.1

có ý nghĩa về mặt thống kê ở mức 1% Kết quả ước tính này cho thấy rằng trên sàn HOSE, chi phí xử lý lệnh là 33%, còn chi phí AI là 67% Còn trên sàn HNX, chi phí xử lý lệnh chỉ có 10%, còn chi phí AI lên đến 90% Một kết quả chênh lệch khá thú vị Kết quả này khẳng định rằng: mức độ AI trên sàn HNX cao hơn nhiều so với sàn HOSE

Đồng thời cả hai mức độ bất cân xứng thông tin này nếu so với một số quốc gia khác thì cao hơn hẳn Điển hình là cùng mô hình nghiên cứu của Kim và Ogden trên thị trường NYSE cho thấy mức độ AI của sàn này là 50% (căn cứ vào dữ liệu của năm 1996) Nghiên cứu của Giouvris và Philipptaos trên sàn chứng khoán London (2008) cho thấy mức độ bất cân xứng thông tin chỉ mức 32% cho các chứng khoán trong chỉ số FTSE100 và ở mức 67% cho các chứng khoán trong chỉ số FTSE250 sau khi chuyển sang hình thức giao dịch điện tử liên tục

4.2.2 Các yếu tố tác động đến bất cân xứng thông tin

Sau khi đánh giá mức độ bất cân xứng thông tin, phần này sẽ trình bày kết quả nghiên cứu các yếu tố có liên hệ chặt chẽ với mức độ AI, được biểu hiện qua mô hình hồi quy của biến phụ thuộc (mức độ bất cân xứng thông tin của các mã chứng khoán) và các biến độc lập

mô tả đặc điểm riêng của từng công ty niêm yết trên sàn, theo mô hình (3.6)

Trên HOSE, mối quan hệ giữa các biến độc lập được mô tả như bảng (4.4), theo mẫu quan sát thì khối lượng giao dịch trung bình hằng ngày là 141 nghìn đơn vị, trong đó có những

cổ phiếu có mức giao dịch khá lớn đạt 1,5 triệu đơn vị một ngày nhưng cũng có những mã cổ phiếu chỉ đạt mức 414 đơn vị một ngày Giá trị vốn hóa trị trường đạt trung bình là 4 nghìn tỷ đồng, trong đó có những công ty có giá trị niêm yết là 52 nghìn tỷ đồng nhưng cũng có những công ty chỉ có giá trị niêm yết là hơn 28 tỷ đồng Về số lượng các nhà đầu tư tổ chức và tỷ trọng số cổ phần mà họ nắm giữ thì nhìn chung khá thấp Theo thống kê chỉ có khoảng 20% số

cổ phần của các công ty là do các tổ chức tài chính nắm giữ với số lượng các nhà đầu tư tổ chức đạt gần 4 thành viên cho mỗi công ty về giá trị trung bình Về đòn bẩy tài chính thì mức trung bình của mẫu là 55%, tức hơn một nửa giá trị tài sản của các công ty là do đi vay hoặc

có liên quan đến khoản nợ phải trả Về tỷ trọng của tài sản vô hình trên tổng tài sản thì mức độ rất thấp, trung bình chỉ đạt 3%, nhưng cá biệt cũng có công ty có tỷ trọng này lên đến 24%

Bảng 4.4 Dữ liệu mô tả các công ty niêm yết trên sàn HOSE

Kết quả hồi quy ở phần 4.2.1 được dùng để ước tính mức độ bất cân xứng thông tin cho mỗi mã chứng khoán theo phương trình (3.5) Mối quan hệ giữa giá trị này và các biến mô

tả đặc điểm riêng của từng công ty được thể hiện theo bảng sau:

Bảng 4.5 Hệ số tương quan giữa các biến độc lập với biến phụ thuộc asym, sàn HOSE

ASYM VOL PRI VAR SIGR SIGVOL LEVG INTGTA NMB NMVE PINST INST

Có thể thấy hầu hết các biến độc lập đều không thể hiện mối tương quan chặt với biến asym Tuy nhiên trong mô hình phân tích của Van Ness và các cộng sự (2001), các tác giả này

đề xuất sử dụng mô hình tuyến tính- logarithm để phân tích

Đầu tiên, chạy mô hình hồi quy (3.6) cho sàn HOSE với biến độc lập liên quan đến giao dịch, gồm có VOL, PRI, VAR, SIGVOL, SIGR, kết quả chi tiết được cho ở phần phục

lục 4

Bảng 4.6 Kết quả ước lượng mô hình 3.6 với các biến liên quan đến giao dịch, sàn HOSE

****: có ý ngh ĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%

Hầu hết các biến liên quan đến giao dịch đều có ý nghĩa thống kê, đồng thời R2 điều chỉnh đạt 67.28% cho thấy được năng lực giải thích của các biến này đối với mức độ AI của từng mã chứng khoán

Tiếp theo, thêm vào tất cả các biến liên quan đến đặc điểm riêng của công ty, gồm có LEVG, INTGTA, NMB, NMVE, PINST, INST, kết quả được hiển thị phần phụ lục 5: