Lan tỏa suất sinh lợi và độ biến thiên giữa các thị trường chứng khoán.

i DANH MỤC CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN LUẬN ÁN: - Minh Kieu Nguyen, Dinh Nghi Le 2018, Return Spillover from the US and Japanese Stock Markets to the Vietnamese Stock Market: A Fr

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH

Người hướng dẫn khoa học:

PGS.TS NGUYỄN MINH KIỀU

Thành phố Hồ Chí Minh, năm 2019

i

DANH MỤC CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN LUẬN ÁN:

- Minh Kieu Nguyen, Dinh Nghi Le (2018), Return Spillover from the US and

Japanese Stock Markets to the Vietnamese Stock Market: A

Frequency-Domain Approach, Emerging Markets Finance and Trade, 2018

- Nguyễn Minh Kiều, Lê Đình Nghi (2018), Lan tỏa độ biến thiên trên từ thị

trường chứng khoán Mỹ sang thị trường chứng khoán Việt Nam, Tạp chí Khoa học và Đào tạo Ngân hàng, Số 190, Tháng 3/2018

- Nguyễn Minh Kiều, Lê Đình Nghi (2017), Mô hình phân tích lan tỏa độ biến

thiên giữa các thị trường chứng khoán, Tạp chí Tài chính, Số 669, Kỳ 2, Tháng 11/2017

- Nguyễn Minh Kiều, Lê Đình Nghi (2017), Lan tỏa SSL từ thị trường chứng

khoán Mỹ sang thị trường chứng khoán Việt Nam: Phân tích trong miền tần

số, Tạp chí Khoa học Đại học Mở TP HCM, Số 55(4), 2017

Full Terms & Conditions of access and use can be found at http://www.tandfonline.com/action/journalInformation?journalCode=mree20

ISSN: 1540-496X (Print) 1558-0938 (Online) Journal homepage: http://www.tandfonline.com/loi/mree20

Return Spillover from the US and Japanese Stock Markets to the Vietnamese Stock Market: A

Frequency-Domain Approach

Minh Kieu Nguyen & Dinh Nghi Le

To cite this article: Minh Kieu Nguyen & Dinh Nghi Le (2018): Return Spillover from the US

and Japanese Stock Markets to the Vietnamese Stock Market: A Frequency-Domain Approach,Emerging Markets Finance and Trade, DOI: 10.1080/1540496X.2018.1525357

To link to this article: https://doi.org/10.1080/1540496X.2018.1525357

Published online: 20 Nov 2018.

Submit your article to this journal

View Crossmark data

Return Spillover from the US and Japanese Stock Markets

to the Vietnamese Stock Market: A Frequency-Domain Approach

Minh Kieu Nguyen1and Dinh Nghi Le1,2

KEY WORDS: frequency domain, ranger causality, return spillover

JEL CLASSIFICATION: C58, G15

A stock market is a financial market with an important role in the economy Returns on stocks are animportant factor considered by investors in their investment decisions In this era of globalization, thefinancial systems of countries may be linked The existence of strong economic and trade links,liberalization activities by governments, developments in trade and telecommunication, and theestablishment of common markets contribute to financial integration (Aktan et al 2009) Hence,research on relationships between stockmarkets help both investors and policy makers obtain suitableinformation for making their decisions In particular, market factors in a stock exchange can bedetermined by foreign market factors if they are fully integrated In this case, investors and policymakers should follow information and fluctuations in overseas markets when making their corre-sponding decisions However, if the factors generated in a market do not move together with those inforeign markets, then foreign investors will benefit from the reduction in diversifiable risk, hence theportfolio risk, by diversification that includes domestic stocks (Li2007)

Spillover effects result from returns and volatility that spread from one market to another (Choo

2011) Hence, return spillover is the transmission of returns among stock markets Thus, a returnspillover test needs to be performed to explore the relationship between stock markets Althoughreturn spillovers among developed markets or to emerging markets have been confirmed in manystudies—such as (Ali, Butt, and Rehman2011), (Alotaibi and Mishra2015), (Bahadur, Kothari, andThagurathi 2016), (Huo and Ahmed 2017), and (Ishfaq and Rehman 2018)—to the best of ourknowledge, the previous literature has not explored spillover effects from developed markets to theVietnamese stock market

For decades, Vietnam was known as a miserable and backward country in Asia From 1975, whenthe Vietnam War ended, until 1985, Vietnam had a centrally planned economy In 1986, Vietnam

Address correspondence to Associate Professor Nguyen Minh Kieu, Dean, Department of Finance and Banking, Ho Chi Minh City Open University, 97 Vo Van Tan Street, Ward 6, District 3, Ho Chi Minh City, Vietnam E-mail: kieu.nm@ou.edu.vn

Emerging Markets Finance & Trade, 1–12, 2018

Copyright © Taylor & Francis Group, LLC

ISSN: 1540-496X print/1558-0938 online

DOI: https://doi.org/10.1080/1540496X.2018.1525357

began to transform its economy to a market-oriented and globally integrated economy, in reformscalled doi moi (renovation) More than 30 years after this reform, the Vietnamese economy is one ofthe fastest growing in Asia In addition, by becoming a member of the Association of Southeast AsianNations (ASEAN), the World Trade Organization (WTO), and the Asia-Pacific EconomicCooperation (APEC) forum, Vietnam has become more integrated into the world economy.

Vietnam established a stock market in July 2000, and since then it has become an importantchannel for allocating capital more efficiently in short- and long-term investment, which contributes

to the country’s economic growth Both domestic and foreign investors participate in the market, andthe foreign investment allows Vietnam’s stock market to become more closely related to worldfinancial markets Because of this, this article examines return spillover from the US and Japanesestock markets to the Vietnamese stock market

In reality, short- and long-term investors may have different considerations Short-term investors focusmore on the relationship at higher frequencies, that is, short-term fluctuations, whereas long-term investorsfocus on the relationship at lower frequencies, i.e., long-term fluctuations (Gradojevic2013) Moreover,because causality results can differ between frequency spectrum bands (Granger and Lin1995), long- andshort-term return spillover should be analyzed separately to reveal more precise information for differentinvestors Frequency-domain analysis, i.e., spectral analysis, can be used in this situation

By transferring data between the time domain and the frequency domain, this method can analyzefinancial data at different frequencies However, most return spillover analysis in previous studies couldnot analyze spillover effects at different cycles Although some authors do their research using frequency-domain analysis, only Gradojevic (2013) investigated return spillover among five regional stockexchanges (Serbia, Croatia, Slovenia, Hungary, and Germany) in the frequency domain Moreover, tothe best of our knowledge, this technique was not previously used in studies on Vietnam

Because of this, in addition to examining return spillover from the US and Japanese stock markets

to the Vietnamese stock market (in the time domain), this article extends these test results using aspectral analysis approach By applying return spillover tests in the frequency domain, the resultsoffer deep insight into return relations between stock markets at different frequencies and help short-and long-term investors obtain more precise information to support their investment decisions

Literature Review

Return Spillover

Spillover effects result from return and volatility in a market that spread from one market to another(Choo2011) Hence, return spillover is the transmission of returns among stock markets A Granger-causality test is a useful tool for examining return spillover between different financial markets (Ciner

2011; Zhou, Lu, and Wang2014) For example, (Aktan et al.2009) investigates the linkages amongthe stock markets of the BRICA (Brazil, Russia, India, China, and Argentina) countries and theirrelations with the US market The results of a Granger-causality test indicate that the US market has asignificant effect on all BRICA countries Similarly, (Ali, Butt, and Rehman 2011) examine co-movement between emerging and developed stock markets by investigating the relationship betweenPakistan’s equity market and the markets in India, China, Indonesia, Singapore, Taiwan, Malaysia,Japan, the US, and the UK from July 1998 to June 2008 Their Granger-causality test shows thatPakistan’s equity market has no co-movement with the markets in the UK, the US, Taiwan, Malaysia,and Singapore Therefore, investors in Pakistan can reduce risk through investment in these countries.However, because of the significant relationship between the Pakistani market and markets in India,China, Japan, and Indonesia, maintaining an international portfolio in these countries does not offerany risk diversification for investors Similar approaches were applied in research by (Bahadur,Kothari, and Thagurathi2016), who examine spillover effects from global stock markets to the Indianstock market from January 2005 to December 2015 The results show that Indian stock market returnsare co-integrated with those in the US, UK, and Japanese stock markets Granger-causality tests are

also applied in (Huo and Ahmed2017) to evaluate the return spillover effects between the Shanghaiand Hong Kong stock markets from July 2, 2014, to April 8, 2015, and find that return spillover fromShanghai to Hong Kong is faster and stronger after the introduction of the Shanghai-Hong KongStock Connect Program (launched November 17, 2014) Recently, (Ishfaq and Rehman2018) studythe spillover effects of the S&P 500 volatility index (VIX) and Chinese exchange-traded fundvolatility (VXFXI) on the emerging equity (KSE-100 index) and foreign exchange markets (PKR)

in Pakistan from January 2004 to October 2016 The Granger-causality test results show thatvolatility indices (VIX and VXFXI) lead the Pakistani financial market

However, none of these studies analyze spillover effects at different frequencies Hence, a returnspillover effect analysis needs to be extended to the frequency domain to help short- and long-terminvestors obtain more information for their decisions

Frequency-Domain Approach

Frequency-domain approaches were developed based on Fourier transformation to transfer data fromthe time domain to the frequency domain and vice versa By transferring data between these domains,this method can analyze financial data at different frequencies Because of this, a frequency-domainanalysis can be used in decomposing business cycles in economic time series (Baxter and King

1999) propose a frequency domain band pass filter, called a Baxter-King filter, to measure businesscycles Then, some studies were developed to modify this filter or apply it to measure business cyclessuch as (Buss2010), (Hodrick and Prescott1997), (Ravn and Uhlig2002), (Larsson and Vasi2012)

In addition, this method is also useful in causality analysis (Granger and Lin1995) confirmed thatthe causality could be not the same at different frequencies Because the traditional Granger-causalitytest cannot explore these relations, a causality test in the frequency domain is needed Causalrelations in the frequency domain were first proposed by (Granger1969) Then, some other methodswere developed by (Geweke1982), (Hosoya1991), and (Breitung and Candelon2006) Using thesemethods, some research was developed to test causal relations between economic time series.Wei (2013) investigates the dynamic relationships between oil prices and the Japanese economyfrom a frequency-domain perspective The analysis shows that oil prices have nonlinear linkages withthe Japanese economy at certain frequencies The results suggest that oil prices have significantpredictive power for industrial production, the consumer price index, and unemployment rates at lowfrequencies Moreover, oil prices can predict industrial production and unemployment rates at somehigher frequencies This article suggests that policy makers should pay more attention to the long-term effects of oil price shocks on Japan’s economy (Gradojevic2013) uses the causality test in thefrequency domain by (Breitung and Candelon 2006) to analyze the causal relationship betweenreturns on stock market indices in Serbia, Croatia, Slovenia, Hungary, and Germany The resultsindicate relationships among stock markets but not at all frequencies (Ozer and Kamisli 2016)examine the dynamic linkages between financial markets in Turkey using the frequency-domaincausality method proposed by (Breitung and Candelon2006), for weekly Turkish data from 2003 to

2015 The results reveal volatility spillovers from stock market returns to interest rates and the euro inboth the medium and long term and to the US dollar in the short and medium term, but from the USdollar to stock market returns in the short term In the long run, the euro exchange rate Grangercauses the interest rate, but interest rates Granger cause the euro exchange rate in the short run

In summary, because the causal relations can vary across frequency bands (Granger and Lin1995),frequency-domain analysis is needed to gain deeper insight into the relationship between financialtime series Although return spillover has been investigated in many previous studies, most of them

do not analyze this effect at different cycles Only (Gradojevic 2013) researches return spilloveramong five regional stock exchanges (Serbia, Croatia, Slovenia, Hungary and Germany) in thefrequency domain To the best of our knowledge, this technique has not been previously applied instudies on Vietnam Hence, this article aims to test the return spillover from the US and Japanese

markets to the Vietnamese stock market, using the causality method in a frequency domain proposed

by (Breitung and Candelon 2006) The results will help short- and long-term investors and policymakers obtain more information for their decision-making

Research Method and Data

Return spillovers could be tested using a Granger-causality test or GARCH-type models However,neither approach can analyze spillover effects at different frequencies To obtain deeper insight intospillover effects among stock markets, we need to use a frequency domain with these approaches.Although GARCH-type models in a frequency-domain approach have not been used, a Granger-causality test in the frequency domain was proposed by (Breitung and Candelon2006) and applied inmany studies, such as Gradojevic (2013), (Wei2013), and (Ozer and Kamisli2016) For this reason,based on studies by (Gradojevic2013), (Chan, Lien, and Weng2008), (Ciner2011), and (Ozer andKamisli 2016), we examine return spillover using a Granger-causality test (Granger 1969) andanalyze these relations in a frequency domain using the spectral approach proposed by (Breitungand Candelon2006)

Data

Daily data from the Standard & Poor’s 500 (S&P 500) Composite Index, the Nikkei 225, and theVietnam Stock Index (VN-Index); a proxy for the US, Japanese, and Vietnamese stock indices fromJanuary 1, 2012, to December 31, 2015, is collected from Thomson Reuters Datastream Each timeseries has 1,044 observations This time period is chosen because this article aims to investigate thereturn transmission from the US and Japanese stock markets to the Vietnamese stock market in therecovery period after the 2008 global financial crisis In this period, despite the increase in stockmarkets, investors might be sensitive to news and stock prices on foreign markets Moreover, themarket recovery could attract foreign investors seeking profits by investing in the Vietnamese stockexchange These might make the Vietnamese stock market co-move with foreign markets For thisreason, investigating the return transmission from the US and Japanese stock markets to theVietnamese stock market in this period provides more information for investors seeking to gainbenefits by investing in recovering markets and for policy makers making managerial decisions aboutthe Vietnamese stock market

The return rtis computed using the following equation:

rt¼ ln Pt

where Ptis the market index at time t, ln xð Þ is the natural logarithm of x To be more specific, Ptcomprises the S&P 500, the Nikkei 225, and the VN-Index Next, return spillover can be tested byapplying a Granger-causality test (Granger1969) to return series of market indices

Granger-Causality Test

Granger (1969) proposed a method for testing the “causality” of time series, called the causality test, a statistical test for determining whether one time series is useful in forecastinganother A Granger-causality test of whether x causes y by seeing how much of the current y can

Granger-be explained by past values of y and lagged values of x y is said to Granger-be Granger-caused by x if xhelps in the prediction of y, or, equivalently, if the coefficients on the lagged x’s are statisticallysignificant

A Granger-causality test can be performed using vector autoregression (VAR) as follows(Gujarati2004):

yt¼ α0þ α1yt1þ ::: þ αlytlþ β1xt1þ ::: þ βlxtlþ εt (2)

xt¼ α0þ α1xt 1þ ::: þ αlxt lþ β1yt 1þ ::: þ βlyt lþ ut (3)and test the null hypothesis:

Testing for Causality: A Frequency-Domain Approach

Frequency is the number of occurrences of a repeating event per unit of time In other words, thenumber of cycles per unit of time is called the frequency Theoretically, a time series can becomposed of many time series with different frequencies Analyzing causality at different frequen-cies, that is, a frequency domain, can provide deep insights on the relationship between financial timeseries (Breitung and Candelon 2006) approach is a frequency-domain method widely used inempirical literature

The frequency-domain causality test developed by (Breitung and Candelon2006) is based on theframework of (Geweke1982) and (Hosoya1991) Let zt¼ x½ t; yt0be a two-dimensional time-seriesvector with t¼ 1; T It is assumed that zt has a finite-order VAR representation:

To test the hypothesis that y does not cause x at frequencyω, we use the following null hypothesis:

As in the conventional causality test, the Wald test statistic based on the linear restriction in Equation

14 is asymptotically distributed asχ2ð Þ for ω 2 0; π2 ð Þ (Wei2013) As in (Breitung and Candelon

2006), (Gradojevic2013), and (Wei2013), to assess the statistical significance of the causal ship between stock market returns, the causality measure for the frequencyω is compared to the 5%critical value of aχ2 distribution with 2 degrees of freedom (5.99)

relation-Results

Descriptive Statistics

Table 1lists some descriptive statistical properties of daily market returns in the three countries

AsTable 1indicates, the means of the returns of all market indices are positive, however, thesevalues are small, which is consistent with reality of the US, Japanese, and Vietnamese stock markets

at that time because they are tested in the recovery period after the global financial crisis in 2008 The

skewness values are negative, which implies that these asymmetric distributions are skewed to theleft The kurtosis values in all three markets are larger than 3, implying a peaked distribution incomparison with the normal distribution.

Return Spillover

The return time series of the US, Japanese, and Vietnamese stock indices are tested for stationarityusing the augmented Dickey-Fuller (ADF) test Using the Schwarz information criterion (SIC), theoptimal models with lag lengths that equal 0 were chosen for all stock market indices The ADF testresults indicate that all the US, Japanese, and Vietnamese market index time series are stationary.Thus, it is suitable to apply Granger-causality tests to these time series to test return spilloversbetween pairs of markets Next, this article examines the return spillover from the US and Japanesestock markets to the Vietnamese stock market Based on the Akaike information criterion (AIC),Granger-causality tests are applied at a lag order of 1 for the US stock market and 2 for the Japanesestock market The results are inTables 2and3

The results inTables 2and3show unidirectional significant return spillovers from the US to theVietnamese stock markets at the 1% significance level and from the Japanese to the Vietnamese stockmarkets at the 10% significance level These results are consistent with reality because the US is theworld’s largest economy, and Japan is a large economy in Asia, so they can affect other countries,including Vietnam This also indicates integration of the Vietnamese economy in the world economy.The size of the country’s capital market and market openness help link the Vietnamese stock market

Table 1 Descriptive statistics of daily returns on the US, Japanese, and Vietnamese stockindices

S&P 500 (US) Nikkei 225 (Japan) VN-Index (Vietnam)

Conclusion Rejected at the 1% significance level Not rejected at the 10% significance level

Table 3 Return spillover between the Japanese and Vietnamese stock markets

Conclusion Rejected at the 10% significance level

(Not rejected at the 5% significance level)

Not rejected at the 10% significance level

to world financial markets These results support the conclusion of (Tsutsui and Hirayama2005) thatmost, if not all, the literature offers evidence on the existence of stock market linkage.

The results also show that the US and Japanese market index returns are determinants that canforecast Vietnamese market returns Some factors explain this relationship between markets Thisarticle investigates the return spillover among stock markets in the recovery period after the globalfinancial crisis In this period, investors in Vietnam are sensitive to news and stock prices fromforeign markets Both the US and Japan are large economies that can affect other countries, includingVietnam Another reason for the existence of the return spillover effect might be investment fromforeign investors The recovery of the Vietnamese stock exchange could attract foreign investorsseeking benefits by investing in the Vietnamese stock exchange, which increases the relationshipbetween the Vietnamese market and foreign markets Moreover, Vietnam’s integration into the globaleconomy also explains the return spillover from the US and Japanese markets to the Vietnamesemarket Becoming a member of ASEAN, the WTO, and the APEC forum helps the Vietnameseeconomy receive more investment from foreign investors, including those in the US and Japan It alsoexplains the spillover from the US and Japanese markets to the Vietnamese market

Because the US and Japanese stock market returns can spill over to the Vietnamese stock market,information in the US and Japanese stock exchanges play an important role for investors in theVietnamese stock market Investors in Vietnam could forecast the stock returns on the Vietnamesestock exchange based on the US and Japanese market returns Moreover, because of the significantreturn spillover from the US and Japanese to the Vietnamese stock markets, the strategy amonginvestors in the US and Japan of investing in stocks in Vietnam to reduce their diversifiable risk doesnot work Thus, investors in the US and Japan should find other markets to diversify their investmentportfolios Finally, Vietnamese policy makers need to be aware of US and Japanese market returns inmaking their managerial decisions on the Vietnamese stock market

Moreover, as seen in Table 3, H0 is rejected at the 10% significance level, but not at the 5%significance level, which shows that the evidence on return spillover between these markets is notclear Thus, US market influence on the Vietnamese market tends to be greater than that of theJapanese market This result is similar to (Ng’s2000)

Causality in the Frequency Domain

Because Granger-causality tests provide only one statistic for the full sample, it is not well suited fordistinguishing between short- and long-run effects (Ozer and Kamisli2016) The causality results candiffer between frequency bands (Granger and Lin1995), so the traditional Granger-causality tests areunable to examine them To obtain a more precise analysis, we use the causality test in the frequencydomain by (Breitung and Candelon2006)

We apply a frequency-domain causality test (Breitung and Candelon 2006) to pairs of marketreturns to test return spillovers from the US and Japanese stock markets to the Vietnamese stockmarket As in (Breitung and Candelon2006), (Gradojevic2013), (Wei2013), to assess the statisticalsignificance of the causal relationship between market returns, we compare the causality test valuesfor the frequencyω to the 5% critical value of a χ2distribution with 2 degrees of freedom (5.99) Thetest results with 10 different frequencies between 0 andπ are listed inTable 4

The results in Table 4 show a unidirectional significant return spillover from the US to theVietnamese stock markets at all frequencies These results are consistent with the results of returnspillover testing using a traditional Granger-causality test in Table 2 They also show that thestatistical test values (χ2 distribution values) are not the same at different frequencies However,these differences are small, and the spillover results are the same at all frequencies

Next, this article examines return spillover from the Japanese to the Vietnamese stock market inthe frequency domain Because evidence of return spillover from Japan to Vietnam in the timedomain is not clear—that is, the null hypothesis is rejected at the 10% significance level, but not at

the 5% significance level—this test is performed at both 5% and 10% significance level to obtaindeeper insight on this relation The results are inTable 5.

The results inTable 5 show that, at the 5% significance level, the return spillover effect is notsupported at all frequencies These results are consistent with results of return spillover testing using

a traditional Granger-causality test inTable 3 However, at the 10% significance level, the sions changed

conclu-The results inTable 5show that the statistical test values (χ2distribution values) are not the same

at different frequencies Thus, the frequency-domain approach provides more information than atraditional Granger-causality test In this case, although the results from a time-domain analysisindicate that, at the 10% significance level, there is significant return spillover from the Japanese tothe Vietnamese stock market, the frequency-domain approach shows that this conclusion is not true at

Table 4 Return spillover between the US and Vietnamese stock markets in the frequencydomain

Hypothesis H 0 S&P 500 returns do not Granger cause VNI returns

Hypothesis H 0 VN-Index returns do not Granger cause

S&P 500 returns

Frequency ω

Cycles

T ¼ 2π

ω (days) Test Statisticχ 2 Conclusion Test Statisticχ 2 Conclusion

Table 5 Return spillover from the Japanese to the Vietnamese stock markets in the frequencydomain (at different significance levels)

Hypothesis H 0 Nikkei 225 returns do not Granger cause VN-Index returns

Test Statistic χ 2 10% significancelevelðχ 2 ¼ 4:61Þ 5% significancelevel ðχ 2 ¼ 5:99Þ

any frequency Example, for ω ¼ 0:35667, corresponding to the approximately 18-day cycle, thestatistical test value is 2.20; but forω ¼ 2:7833; corresponding to the approximately 2-day cycle, thestatistical test value is 5.47 Therefore, at the 10% significance level, the null hypothesis is notrejected for ω ¼ 0:35667, but rejected for ω ¼ 2:7833, that is, there is significant return spilloverfrom the Japanese to the Vietnamese stock markets atω ¼ 2:7833, but not at ω ¼ 0:35667.Table 5

also indicates that short-term investors (cycles less than or equal to 3 days) should take note of theNikkei 225 returns to obtain more information for their investment decisions, but it is not necessaryfor long-term investors (cycles longer than 3 days) investors These results support the hypothesisthat causality is not the same at different frequencies (Granger and Lin 1995) This implies thatinvestors should make different decisions based on investment cycles

In summary, at the 10% significance level, there is return spillover from the Japanese stock market

to the Vietnamese stock market at higher frequencies during the period of recovery from the globalfinancial crisis After the crisis, investors in Vietnam are sensitive to news and stock returns on theJapanese market They react to information in the Japanese market immediately and cause theVietnamese market to co-move with the Japanese market in the short term However, in the longterm, investors have more time to evaluate the information and to formulate new investmentstrategies Thus the spillover effects do not persist over the long term Therefore, the return spilloverfrom the Japanese to the Vietnamese markets are confirmed only at higher frequencies Therefore,short-term investors in Vietnam should be aware of Nikkei 225 returns to gain more information fortheir investment decisions, but this is not needed for long-term investors Moreover, policy makers inVietnam should pay greater attention to the short-term effects of the Japanese economy when makingdecisions about the Vietnamese stock market

Conclusions

In this article, daily returns on the S&P 500, the Nikkei 225, and VN-Index from January 1, 2012, toDecember 31, 2015, are used to test the return spillover from the US and Japanese stock exchanges tothe Vietnamese stock exchange We use a Granger-causality test (Granger 1969) to test for thepresence of return spillover among markets and a spectral Granger-causality test by (Breitung andCandelon2006) to test causality at specific frequencies

The time-domain results show significant unidirectional return spillover from the US to theVietnamese stock markets at the 1% significance level and from the Japanese to the Vietnamesestock markets at the 10% significance level That is, the US and Japanese markets influence theVietnamese market Moreover, the frequency domain extends the result that return spillover from theJapanese stock market to the Vietnamese stock market exists only at higher frequencies Thesefindings have important implications for both investors and policy makers First, investors shouldfollow information in the US stock exchange when investing in the Vietnamese stock market Short-term investors, but not long-term investors, in Vietnam also need to follow information from theJapanese market Second, investors in the US and short-term investors in Japan should invest in othermarkets as part of their portfolio diversification strategy; and long-term investors in Japan candiversify their portfolio by investing in the Vietnamese stock market Finally, Vietnamese policymakers should pay more attention to information on the US economy and short-term effects in theJapanese economy when making managerial decisions about the Vietnamese stock market

Moreover, the results of spectral return spillover tests show that statistical test values are different

at different frequencies These results provide evidence that the linkages between stock marketreturns may vary across frequency spectrum bands Thus, because time-domain causality testingmay fail to fully capture such links, frequency-domain analysis should be used to gain deep insightsinto return spillover among stock markets This method will help short- and long-term investorsobtain more information for investment decisions based on their needs

In summary, this article makes two main contributions First, this study provides evidence ofreturn spillover from the US to the Vietnamese stock market at all frequencies, from the Japanese tothe Vietnamese stock market at higher frequencies and suggests important implications for investorsand policy makers Second, it shows that return spillover between two stock markets is different atdifferent frequencies Thus, frequency-domain analysis should be used in testing the return spilloverbetween stock exchanges.

Ali, S., B Z Butt, and K U Rehman 2011 Comovement between emerging and developed stock markets: An investigation through cointegration analysis World Applied Sciences Journal 12 (4):395 –403.

Alotaibi, A R., and A V Mishra 2015 Global and regional volatility spillovers to GCC stock markets Economic Modelling 45:38 –49 doi: 10.1016/j.econmod.2014.10.052

Bahadur, S., R Kothari, and R K Thagurathi 2016 Volatility spillover effect in Indian stock market Janapriya Journal of Interdsciplinary Studies 5 (December):83 –101.

Baxter, M., and R G King 1999 Measuring business cycles: Approximate band-pass filters for economic time series The Review of Economics and Statistics 81 (November):575 –93 doi: 10.1162/003465399558454

Breitung, J., and B Candelon 2006 Testing for short- and long-run causality: A frequency-domain approach Journal of Econometrics 132:363 –78 doi: 10.1016/j.jeconom.2005.02.004

Buss, G 2010 Asymmetric baxter-king filter Scientific Journal of Riga Technical University 42:95 –99.

Chan, L., D Lien, and W Weng 2008 Financial interdependence between Hong Kong and the US: A band spectrum approach International Review of Economics and Finance 17:507 –16 doi: 10.1016/j.iref.2007.02.001

Choo, W 2011 Return and Volatility Spillover between Large and Small Stocks in Bursa Malaysia 2 2:176 –85.

Ciner, C 2011 International review of financial analysis information transmission across currency futures markets: Evidence from frequency domain tests International Review of Financial Analysis 20 (3):134 –39 doi: 10.1016/j.irfa.2011.02.010 Geweke, J 1982 Measurement of linear dependence and feedback between multiple time series Journal of the American Statistical Association 77 (378):304 –13 doi: 10.1080/01621459.1982.10477803

Gradojevic, N 2013 Causality between regional stock markets: A frequency domain approach Panoeconomicus 76: February2012: 633 –47 doi: 10.2298/PAN1305633G

Granger, C W J 1969 Investigating causal relations by econometric models and cross-spectral methods Econometrica : Journal of the Econometric Society 37 (3):424 –38 doi: 10.2307/1912791

Granger, C W J., and J Lin 1995 Causality in the long run Econometric Theory 11 (3):530 –36 doi: 10.1017/ S0266466600009397

Gujarati 2004 Basic econometrics Irwin: McGraw −Hill.

Hodrick, R J., and E C Prescott 1997 Postwar U.S Business Cycles: An empirical investigation Journal of Money, Credit and Banking 29 (1):1 –16 doi: 10.2307/2953682

Hosoya, Y 1991 The decomposition and measurement of the interdependency between second-order stationary processes Probability Theory and Related Fields 88:429 –44 doi: 10.1007/BF01192551

Huo, R., and A D Ahmed 2017 Return and volatility spillovers effects: Evaluating the impact of Shanghai-Hong kong stock connect Economic Modelling 61 (May):260 –72 doi: 10.1016/j.econmod.2016.09.021

Ishfaq, M., and A Rehman 2018 Global volatility spillover in asian financial markets Mediterranean Journal of Social Sciences 9 (2):109 –16 doi: 10.2478/mjss-2018-0031

Larsson, G., and T Vasi 2012 Comparison of detrending methods Uppsala University (Dissertation) Retrieved from http:// urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-175493

Li, H 2007 International linkages of the Chinese stock exchanges: A multivariate GARCH analysis International linkages of the Chinese stock exchanges : A multivariate GARCH analysis Applied Financial Economics 17:285 –97 doi: 10.1080/

Ravn, M O., and H Uhlig 2002 Notes on adjusting the Hodrick-Prescott filter for the frequency of observations The Review

of Economics and Statistics 84 (May):371 –80 doi: 10.1162/003465302317411604

RETURN SPILLOVER AMONG STOCK MARKETS 11

Tsutsui, Y., and K Hirayama 2005 Estimation of the common and country-specific shock to stock prices Journal of the Japanese and International Economies 19 (3):322 –37 doi: 10.1016/j.jjie.2004.05.001

Wei, Y F 2013 The dynamic relationships between oil prices and the Japanese economy: A frequency domain analysis Review of Economics & Finance (3):57 –67.

Zhou, P., F Lu, and S Wang 2014 Testing linear and nonlinear granger causality in CSI300 futures and spot markets based on new concepts of nonlinear positive/negative spillover Journal of Systems Science and Complexity 27 (4):729 –42 doi: 10.1007/s11424-014-2261-3

Chính sách & Thị trường Tài chính - Tiền tệ

1 Các yếu tố tác động đến khả năng tiếp cận tín dụng chính thức của nông hộ khu vực nông thôn: Trường hợp tỉnh Trà Vinh

ThS Trịnh Anh Khoa

8 Lan tỏa độ biến thiên từ thị trường chứng khoán

Mỹ sang thị trường chứng khoán Việt Nam

Nguyễn Minh Kiều

Lê Đình Nghi

17 Phát triển ngân hàng xanh

ở Việt Nam- trách nhiệm xã hội trong việc bảo vệ môi trường

ThS Nguyễn Thị Đoan Trang

25 Dịch vụ kế toán Việt Nam thời kỳ hội nhập kinh tế quốc tế

TS Phạm Thị Minh Tuệ

34 Những rào cản đối với các doanh nghiệp Việt Nam khi tham gia vào chuỗi giá trị dệt may toàn cầu

Ngô Dương Minh

44 Áp dụng pháp luật quản trị công ty đối với ngân hàng thương mại cổ phần: Thực trạng pháp luật và một số vấn đề đặt ra

TS Bùi Hữu Toàn

Quản trị Ngân hàng &

Doanh nghiệp

52 Tác động của cơ cấu vốn đến lợi nhuận của các doanh nghiệp trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh

TS Lê Hoàng VinhThS Nguyễn Ngọc Sơn

58 Các cách tiếp cận năng lực tri thức trong tổ chức, định hướng ứng dụng vào lĩnh vực ngân hàng

NCS Phạm Minh Trí

TS Thái Anh Hoà

TS Lê Quang Thông

Thực tiễn & kinh nghiệm quốc tế

68 Ứng dụng công nghệ hiện đại trong phát triển sản phẩm dịch vụ tại Ngân hàng HDFC Ấn Độ

ThS Nguyễn Thị Mai PhượngThS Nguyễn Thị Hương Thanh

PGS TS Nguyễn Kim Anh

Ngân hàng Nhà nước Việt Nam

PGS TS Tô Ngọc Hưng

Ngân hàng Đầu tư và Phát triển VN

PGS TS Lê Thị Tuấn Nghĩa

Trường Kinh tế và Luật Berlin (BSEL)

GS TS Nguyễn Văn Tiến

Học viện Ngân hàng

thông tin Tòa soạn

Tạp chí Khoa học & Đào tạo Ngân hàng- Học viện Ngân hàng

Địa chỉ: 12 Chùa Bộc, Đống Đa, Hà Nội - Tel 043 852 5282 - Fax 043 852 9861 - Email: tapchikhdt@hvnh.edu.vn

Website: http://tapchi.hvnh.edu.vn/

Giấy phép xuất bản: 324/GP - BVHTT

Monetary Policy and Financial Markets

1 The Determiants of Formal Credit Access of Rural Households: The Case of Tra Vinh Province

MEc Khoa Anh Trinh

8 Volatility spillover from the us stock market to Vietnamese stock market

Kieu Minh NguyenNghi Dinh Le

17 Developing green banking in Vietnam- social responsibility in environmental protection

MEc Trang Thi Doan Nguyen

25 Accounting services in the international economic integration

PhD Tue Thi Minh Pham

34 Barriers to Vietnamese enterprises in joining global textile and garment supply chain

Minh Duong Ngo

44 Applicable laws on governance of joint stock commercial banks: Facts and issues

PhD Toan Huu Bui

Corporate Governance &

Banks

52 The impact of capital structure on the profitability of the non- financial firms listed on Ho Chi Minh Stock Exchange

PhD Vinh Hoang LeMEc Son Ngoc Nguyen

58 Knowledge competency approaches in

Ma Phuong Thi Mai Nguyen

Ma Thanh Thi Huong Nguyen

News in brief

190 - Mar 2018

Editor in chief

Assoc Prof PhD Hao Thi Kim Do

Vice Editor in chief

PhD Hien Thu Nguyen

Editorial Board

Assoc Prof PhD Anh Kim Nguyen

State Bank of Vietnam

Assoc Prof PhD Hung Ngoc To

Bank for Investment and Development of

Assoc Prof PhD Phong Ngoc Pham

State Bank of Vietnam

Prof Dr.rer.pol Rainer Stachuletz

Berlin School of Economics and Law

Prof PhD Tien Van Nguyen

Banking Academy

Editor Board

Banking Science & Training Review- © Banking Academy, Hanoi, Vietnam

Address: 12 Chua Boc, Dong Da, Ha Noi - Tel 043 852 5282 - Fax 043 852 9861 - Email: tapchikhdt@hvnh.edu.vn Website: http://tapchi.hvnh.edu.vn/

Publishing Lisence: 324/GP - BVHTT

© Học viện Ngân hàng

Số 190- Tháng 3 2018

Lan tỏa độ biến thiên từ thị trường chứng khoán

Mỹ sang thị trường chứng khoán Việt Nam

Nguyễn Minh Kiều

Lê Đình Nghi

Ngày nhận: 02/10/2017 Ngày nhận bản sửa: 12/03/2018 Ngày duyệt đăng: 22/03/2018

Bài báo này kiểm định tác động lan tỏa độ biến thiên từ thị trường

chứng khoán (TTCK) Mỹ sang TTCK Việt Nam Nghiên cứu sử dụng

dữ liệu chỉ số TTCK Mỹ và Việt Nam, cụ thể là chỉ số S&P 500 và

VN-Index theo ngày, trong giai đoạn từ 01/01/2012 đến 31/12/2015

Về phương pháp, nghiên cứu này sử dụng mô hình GARCH để ước

lượng độ biến thiên và phương pháp nhân quả Granger để kiểm định

tác động lan tỏa độ biến thiên Kết quả nghiên cứu cho thấy tác động

lan tỏa có ý nghĩa thống kê từ TTCK Mỹ lên TTCK Việt Nam.

Từ khóa: GARCH, độ biến thiên, lan tỏa độ biến thiên, thị trường

chứng khoán.

1 Giới thiệu

là một bộ phận của thị trường tài chính và đóng

vai trò rất quan trọng trong

nền kinh tế Một trong những

yếu tố cần quan tâm hàng đầu

đối với các nhà đầu tư trên

TTCK là rủi ro Rủi ro có thể

được định lượng thông qua độ

biến thiên (volatility) và được

đo bằng phương sai có điều

kiện của chuỗi suất sinh lợi

(SSL) cổ phiếu GARCH là mô

hình hiệu quả và được sử dụng

rộng rãi để ước lượng độ biến thiên của SSL cổ phiếu

Trong bối cảnh toàn cầu hóa hiện nay, các hệ thống tài chính tại các nước trên thế giới sẽ có sự phụ thuộc và tác động qua lại lẫn nhau Vì vậy, nghiên cứu mối liên hệ độ biến thiên giữa các TTCK sẽ giúp nhà đầu tư có thêm thông tin

để dự báo rủi ro có thể gặp phải khi đầu tư, cũng như có được chiến lược đa dạng hóa danh mục đầu tư (porfolio diversification) phù hợp Lan tỏa độ biến thiên (volatility

spillover) là khái niệm được sử dụng để đánh giá sự phụ thuộc lẫn nhau (interdependence) giữa các thị trường Theo Abou-Zaid (2011), sự lan tỏa có nghĩa là sự lan truyền các biến động của thị trường

từ nước này sang nước khác (Abou-Zaid, 2011)

Hiện nay, các thị trường mới phát triển ngày càng đóng vai trò quan trọng trong nền kinh

tế toàn cầu Vì vậy, các nhà kinh tế không những chỉ quan tâm đến các thị trường phát triển mà còn chú ý đến các thị

CHÍNH SÁCH & THỊ TRƯỜNG TÀI CHÍNH - TIỀN TỆ

9

Tạp chí Khoa học & Đào tạo Ngân hàng Số 190- Tháng 3 2018

trường mới phát triển Nghiên

cứu mối liên hệ giữa nhóm thị

trường phát triển và các thị

trường mới phát triển sẽ đưa

ra nhiều hàm ý quan trọng

cho các doanh nghiệp, nhà

đầu tư và các nhà hoạch định

chính sách Cụ thể, nếu các thị

trường mới phát triển có mối

liên hệ yếu với các thị trường

phát triển, nghĩa là các cú sốc

hay sự thay đổi từ thị trường

phát triển ít ảnh hưởng đến các

thị trường mới phát triển, thì

nhà đầu tư tại các thị trường

phát triển có thể đa dạng hóa

danh mục đầu tư thông qua

đầu tư tại các thị trường mới

phát triển để giảm thiểu rủi ro

(Li, 2007) Ngược lại, nếu các

thị trường mới phát triển có

mối liên hệ chặt chẽ với các

thị trường phát triển thì nhà

đầu tư tại các thị trường phát

triển nên tìm các thị trường

khác để đa dạng hóa danh mục

đầu tư nhằm giảm thiểu rủi

ro Mặt khác, các nhà đầu tư

tại thị trường mới phát triển

có thể dự báo rủi ro dựa vào

phân tích các biến động tại các

thị trường phát triển và các

nhà hoạch định chính sách tại

các thị trường kém phát triển

cần chú ý hơn vào các biến

động trên thị trường thế giới

để quản trị rủi ro tại thị trường

trong nước nhằm đảm bảo cho

thị trường phát triển ổn định

Mặc dù đã có nhiều nghiên

cứu đánh giá sự lan tỏa độ

biến thiên từ thị trường phát

triển sang các thị trường mới

phát triển, nhưng theo tìm hiểu

của chúng tôi thì vẫn chưa có

nghiên cứu nào kiểm định tác

động lan tỏa này tại TTCK

Việt Nam TTCK Việt Nam

là thị trường còn non trẻ mới thành lập năm 2000, với qui

mô vốn còn khá nhỏ so với các thị trường khác trên thế giới

và hoạt động trong nền kinh

tế chuyển đổi từ nền kinh tế bao cấp sang nền kinh tế thị trường nên có thể có những khác biệt so với các thị trường

đã được nghiên cứu trước đó

Đây chính điểm khác biệt mà bài báo này mong muốn góp phần đánh giá ảnh hưởng tác động lan tỏa từ TTCK Mỹ đến TTCK Việt Nam

2 Cơ sở lý thuyết

Độ biến thiên (volatility)

là đại lượng đo độ phân tán (dispersion) của mật độ xác suất (probability density) (Alexander, 2001) Chỉ tiêu thường dùng nhất để đo độ phân tán là độ lệch chuẩn, nghĩa là căn bậc hai của phương sai của biến ngẫu nhiên Cụ thể hơn, xét trên thị trường với dữ liệu là các chỉ số chứng khoán, độ biến thiên là đại lượng thống kê đo

độ phân tán của SSL (returns) của một chứng khoán hay chỉ

số thị trường Độ biến thiên

có thể được đo bằng độ lệch chuẩn (standard deviation) hay phương sai (variance) của SSL Như vậy, độ biến thiên càng lớn, độ rủi ro của cổ phiếu càng cao Nói cách khác,

độ biến thiên đánh giá mức độ không chắc chắn hay rủi ro về

sự thay đổi giá trị cổ phiếu Độ biến thiên cao phản ánh giá trị của cổ phiếu tiềm ẩn khả năng biến thiên trong khoảng rộng các giá trị; có nghĩa là giá của

cổ phiếu có thể thay đổi đột

ngột trong khoảng thời gian ngắn Độ biến thiên nhỏ nghĩa

là giá trị của cổ phiếu không dao động một cách đột ngột

mà chỉ thay đổi từ từ theo thời gian (Lê Đình Nghi, 2012) Như vậy, có thể thấy rằng độ biến thiên đóng vai trò quan trọng trong đánh giá độ rủi ro của danh mục đầu tư

Lan tỏa (spillover) là khái

niệm được sử dụng để đánh giá sự phụ thuộc lẫn nhau (interdependence) giữa các nền kinh tế Sự phụ thuộc lẫn nhau này có nghĩa là các thay đổi hay cú sốc (shocks), dù là của toàn cầu hay từng quốc gia, có thể lan truyền sang các nước khác bởi vì các nền kinh

tế thường có các mối quan hệ

về tài chính với nhau Như vậy, sự lan tỏa có nghĩa là sự lan truyền các biến động của thị trường từ nước này sang nước khác (Abou-Zaid, 2011)

Từ đó, lan tỏa độ biến thiên

(volatility spillover) là khái

niệm để đánh giá mối liên hệ giữa độ biến thiên giữa các TTCK

Cơ chế lan tỏa được đề xuất bởi Engle và ctg (1990) thông qua hai giả thuyết là sóng nhiệt (heat wave) và mưa sao băng (meteor showers) Nghiên cứu này xây dựng lý thuyết tương tự như trong khí tượng học (meteorological)

Cụ thể, giả thuyết sóng nhiệt (heat wave hypothesis) giả định thông tin (news) được xử

lý tương tự như sóng nhiệt, nghĩa là một ngày nóng ở New York sẽ theo sau một ngày nóng ở New York, chứ không phải một ngày nóng ở Tokyo, hay nói cách khác, tin tức

10 Số 190- Tháng 3 2018 Tạp chí Khoa học & Đào tạo Ngân hàng

sẽ không lan truyền Ngược

lại, giả thuyết mưa sao băng

(meteor showers hypothesis)

cho rằng thông tin sẽ được

lan truyền, tương tự như hiện

tượng mưa sao băng xảy ra

ở New York thì trước đó đã

xảy ra ở Tokyo Như vậy, giả

thuyết Sóng nhiệt cho rằng

một sự thay đổi lớn xảy ra có

thể làm tăng độ biến thiên tại

chính nước đó mà không ảnh

hưởng đến các nước khác

Ngược lại, giả thuyết Mưa sao

băng cho rằng một sự thay

đổi lớn xảy ra ở một nước có

thể ảnh hưởng đến các nước

khác Các kết quả nghiên cứu

trong bài báo này đã bác bỏ

giả thuyết sóng nhiệt, nghĩa

là đồng quan điểm rằng, tin

tức từ thị trường này có thể

lan truyền sang các thị trường

khác

Dựa trên các dạng khác nhau

của mô hình GARCH và các

mô hình phân tích lan tỏa độ

biến thiên, đã có nhiều nghiên

cứu được thực hiện nhằm đánh

giá độ biến thiên, lan tỏa độ

biến thiên và các yếu tố liên

quan khác tại nhiều thị trường

khác nhau như sẽ được trình

bày dưới đây

Engle (1982) là người đầu

tiên xây dựng mô hình ARCH

(Autoregressive Conditional

Heteroskedasticity) và sử

dụng mô hình này để ước

lượng độ biến thiên của

lạm phát tại Anh Tiếp đến,

Bollerslev (1986) đã cải tiến

mô hình ARCH thành mô

hình GARCH (Generalised

Autoregressive Conditional

Heteroskedasticity) và cũng

ứng dụng vào ước lượng độ

biến thiên của lạm phát Sau

đó, nhiều nghiên cứu khác đã

sử dụng các dạng khác nhau của mô hình này để đánh giá nhiều khía cạnh của độ biến thiên cũng như lan tỏa độ biến thiên tại các quốc gia

Kate Phylaktis và ctg (1999)

đã sử dụng mô hình GARCH

để đánh giá tác động của biện pháp thu hẹp biên độ dao động giá lên độ biến thiên giá cổ phiếu tại TTCK Athens (Hy Lạp) Shih-Yung Wei và ctg (2011) đã sử dụng các mô hình EGARCH và CGARCH để phân tích độ biến thiên bất đối xứng (asymmetric volatility) trong thời kỳ trước và sau khủng hoảng tài chính toàn cầu tại 08 thị trường châu Á

là Hong Kong, Singapore, Nhật, Malaysia, Thái Lan, Hàn Quốc, Trung Quốc và Đài Loan Bài báo đã chia khoảng thời gian nghiên cứu thành hai giai đoạn là trước khủng hoảng (từ 01/6/2006 đến 14/9/2008)

và sau khủng hoảng (15/9/2008 đến 31/12/2010)

Kết quả nghiên cứu đã chỉ ra rằng sau cuộc khủng hoảng tài chính thế giới, độ biến thiên ngắn hạn tại Trung Quốc và Đài Loan giảm, nhưng điều này không xảy ra tại thị trường Nhật, và độ biến thiên tại các thị trường khác lại tăng Ngoài

ra, độ biến thiên trong dài hạn tại các thị trường được nghiên cứu giảm, ngoại trừ Thái Lan

sử dụng mô hình GARCH để đánh giá lan tỏa SSL và độ

biến thiên giữa các thị trường New York (Mỹ), Tokyo (Nhật Bản) và London (Anh) Kết quả nghiên cứu đã chỉ ra sự lan tỏa biến thiên có ý nghĩa thống kê từ thị trường Mỹ lên thị trường Nhật Bản, thị trường Anh lên thị trường Nhật Bản và thị trường Mỹ lên thị trường Anh, nhưng không có chiều ngược lại Angela Ng (2000) đã nghiên cứu lan tỏa độ biến thiên từ thị trường Nhật (đại diện cho thị trường khu vực- regional) và

Mỹ (đại diện cho thị trường thế giới- world) lên các nước lưu vực Thái Bình Dương (Pacific- Basin) như Hong Kong, Hàn Quốc, Malaysia, Singapore, Đài Loan và Thái Lan Kết quả nghiên cứu cho thấy tồn tại sự lan tỏa có ý nghĩa thống kê từ thị trường thế giới và thị trường khu vực đến nhiều thị trường lưu vực Thái Bình Dương, trong

đó thị trường thế giới có tác động mạnh hơn Tương tự, Miyakoshi (2003) cũng nghiên cứu lan tỏa độ biến thiên từ thị trường Mỹ và Nhật lên các thị trường châu Á như Hàn Quốc, Đài Loan, Singapore, Thái Lan, Indonesia, Malaysia, Hong Kong Kết quả nghiên cứu cũng chỉ ra sự lan tỏa có

ý nghĩa thống kê từ thị trường

Mỹ và Nhật sang các thị trường khác tại châu Á Tuy nhiên, khác với nghiên cứu của Ng (2000), nghiên cứu này lại chỉ ra độ biến thiên tại tại các thị trường châu Á chịu tác động nhiều hơn bởi thị trường Nhật chứ không phải là thị trường Mỹ và tồn tại sự lan truyền ngược lại

CHÍNH SÁCH & THỊ TRƯỜNG TÀI CHÍNH - TIỀN TỆ

11

Tạp chí Khoa học & Đào tạo Ngân hàng Số 190- Tháng 3 2018

từ thị trường châu Á sang thị

trường Nhật Một trong những

nguyên nhân của sự khác biệt

này được tác giả giải thích là

do thời điểm nghiên cứu, cụ

thể là những năm nửa cuối

thập niên 1990, nền kinh tế

Nhật có mối liên hệ rất chặt

chẽ với thị trường tài chính

các nước châu Á thông qua

một số lượng rất lớn các danh

mục đầu tư giữa các quốc gia

Sau đó, Ugur Ergun và Abu

và kiểm định nhân quả 02

biến Engle- Granger (bivariate

Engle- Granger causality test)

để phát hiện mối tương quan

và tác động lan tỏa độ biến

thiên (volatility spillover)

đã kiểm định hiệu ứng lan

tỏa SSL và độ biến thiên giữa

các nền kinh tế phát triển

(developed economies) và các

nền kinh tế mới nổi (Emerging

Economies) thông qua phân

tích dữ liệu tại các nước như

Trung Quốc, Nga, Ấn Độ,

Trung Quốc và Ấn Độ; nhưng

tác động lan tỏa này không

được phát hiện đối với thị

trường Nga Ngoài ra, nghiên

cứu còn chỉ ra tác động lan tỏa

độ biến thiên có ý nghĩa thống

kê từ thị trường Mỹ lên Trung Quốc, cũng như từ Pháp và Đức lên Nga Gần đây, Yusaku Nishimura và ctg (2015) đã nghiên cứu về cơ chế lan tỏa

độ biến thiên và lợi nhuận từ thị trường Trung Quốc sang thị trường Nhật Nghiên cứu chỉ ra TTCK Trung Quốc có tác động lan tỏa lên thị trường Nhật thông qua các công ty liên quan đến Trung Quốc tại Nhật

Tại TTCK Việt Nam, độ biến thiên SSL được nghiên cứu đầu tiên bởi Vương Quân Hoàng (2004) Bài báo này đã kiểm định hiệu ứng GARCH tại TTCK Việt Nam thời kỳ đầu Tác giả đã kiểm định hiệu ứng GARCH dưới tác động của các biến chính sách

và thông tin, từ đó đưa ra kết luận TTCK Việt Nam rất nhạy cảm với các chính sách, đặc biệt là biên độ dao động giá, chịu sự ảnh hưởng của dòng thông tin và có sự tác động qua lại của các cổ phiếu theo kiểu “dầu loang” Các nghiên cứu tiếp theo về độ biến thiên tại TTCK Việt Nam được thực hiện bởi Nguyễn Thu Hiền và

Lê Đình Nghi (2010), và sau

đó được bổ sung bởi Lê Đình Nghi (2012) Các bài báo này

đã thực hiện nghiên cứu với

dữ liệu được cập nhật hơn,

và tìm hiểu một vài khía cạnh khác về độ biến thiên Cụ thể hơn, kết quả nghiên cứu trong Nguyễn Thu Hiền và Lê Đình Nghi (2010) và Lê Đình Nghi (2012) đã phát hiện sự tồn tại của hiệu ứng GARCH tại TTCK Việt Nam trong giai

đoạn từ 3/2007 đến 02/2009,

và sử dụng các dạng mô hình GARCH để phân tích một vài khía cạnh khác như tác động của biện pháp thu hẹp biên

độ dao động giá lên độ biến thiên, hay ảnh hưởng của khối lượng giao dịch lên độ biến thiên tại TTCK Việt Nam Tuy nhiên, đến thời điểm hiện tại vẫn chưa tìm thấy nghiên cứu nào đánh giá tác động lan tỏa

độ biến thiên từ các thị trường phát triển đến thị trường Việt Nam

Tóm lại, mặc dù lan tỏa SSL

và độ biến thiên đã được nghiên cứu khá nhiều trong hơn hai thập kỷ vừa qua, nhưng chủ đề này vẫn còn được tiếp tục nghiên cứu do

ý nghĩa thực tiễn quan trọng

và bản chất luôn thay đổi theo thời gian của nó (Yarovaya, Brzeszczynski, & Lau, 2016)

Vì lẽ đó, bài báo này xem xét tác động lan tỏa độ biến thiên

từ TTCK Mỹ lên TTCK Việt Nam

3 Dữ liệu và phương pháp nghiên cứu

Dựa trên các phương pháp nghiên cứu của Chan, Lien,

và Weng (2008), Ciner (2011)

và Ozer & Kamisli (2016), nghiên cứu này thực hiện ước lượng độ biến thiên bằng mô hình GARCH, sau đó đánh giá lan tỏa độ biến thiên bằng kiểm định nhân quả Granger

Để thực hiện các ước lượng và kiểm định, dữ liệu nghiên cứu

và phương pháp ước lượng được sử dụng như mô tả dưới đây:

12 Số 190- Tháng 3 2018 Tạp chí Khoa học & Đào tạo Ngân hàng

3.1 Dữ liệu nghiên cứu

Dữ liệu sử dụng để phân tích

là các chỉ số tổng hợp theo

ngày của S&P 500 (đại diện

cho TTCK Mỹ) và VN-Index

(đại diện cho TTCK Việt

Nam) trong giai đoạn từ

01/01/2012 đến 31/12/2015

Nghiên cứu thực hiện đồng

nhất về thời gian của hai chuỗi

dữ liệu này bằng cách vào các

ngày không có dữ liệu tại mỗi

thị trường (các ngày không có

giao dịch tại mỗi thị trường),

số liệu được lấy bằng với ngày

trước đó Sau khi hiệu chỉnh,

mỗi chuỗi dữ liệu có 1.044

quan sát SSL cổ phiếu tại mỗi

thị trường được tính toán theo

công thức sau:

SSL rate of return P P

t t

1

=

Trong đó, ln(x) là logarithm

diện cho TTCK Việt Nam

Dữ liệu SSL được kiểm tra

tính dừng thông qua kiểm định

Augmented Dickey-Fuller

(ADF) và thực hiện hồi quy

theo mô hình GARCH

3.2 Mô hình GARCH

Bollerslev (1986) là người đầu

tiên đưa ra mô hình GARCH

để mô tả phương sai có điều

kiện của SSL, nghĩa là độ

biến thiên Với mô hình dạng

p

i t i i

có điều kiện σt2 thay đổi theo thời gian εt thường được giả

sử tuân theo phân bố chuẩn (normal distribution), phân

bố Student-t (Student’s t distribution) hay phân bố lỗi tổng quát (generalized error distribution)

Như vậy, mô hình GARCH đã biểu diễn được độ biến thiên

và các yếu tố ảnh hưởng, theo

đó nếu các hệ số αi và βj có ý nghĩa thống kê chứng tỏ độ biến thiên chịu tác động của

độ biến thiên và thành phần lỗi (đại diện cho sự tăng giảm ngoài kì vọng của nhà đầu tư) trong các giai đoạn trước đó

Dữ liệu độ biến thiên có được

từ mô hình GARCH được kiểm định tính dừng Sau đó, nghiên cứu sử dụng kiểm định nhân quả Granger (Granger Causlity Test) để đánh giá tác động lan tỏa độ biến thiên giữa các thị trường

Kiểm định nhân quả GrangerGranger (1969) đã xây dựng lý thuyết để kiểm định mối tương quan “nhân quả” (causality) giữa các chuỗi dữ liệu Phương

pháp đánh giá biến x tác động lên y dựa trên việc kiểm định xem biến y được giải thích bởi các giá trị của y trong quá

khứ và các giá trị có độ trễ

của x Biến y được xem là kết quả Granger của x (Granger- caused by x) nếu x góp phần

dự báo được giá trị của y, hay

mô hình VAR (Gujarati, 2004)

Bảng 1 Kết quả thống kê mô tả của SSL danh mục đầu tư các

thị trường Mỹ và Việt Nam