ẢNH HƯỞNG của các yếu tố KINH tế vĩ mô đến CHỈ số GIÁ CHỨNG KHOÁN VIỆT NAM

Nghiên cứu tìm thấy phương trình cân bằng dài hạn và hệ các phương trình cân bằng ngắn hạn giữa biến VN-Index và các chỉ số kinh tế vĩ mô, qua đó kết luận rằng chỉ số VN-Index biến động

Tóm tắt: Ứng dụng phương pháp kiểm định đồng liên kết (Johansen co-integration

test) và mô hình hiệu chỉnh sai số (Vector Error Correction Model - VECM), bài viết nghiên cứu mối quan hệ đa chiều giữa thị trường chứng khoán (TTCK) Việt Nam và các yếu tố kinh tế vĩ mô (lạm phát, tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất ngắn hạn và lãi suất dài hạn) Dữ liệu được thu thập trong giai đoạn từ tháng 7/2006-02/2014 Nghiên cứu tìm thấy phương trình cân bằng dài hạn và hệ các phương trình cân bằng ngắn hạn giữa biến VN-Index và các chỉ số kinh tế vĩ mô, qua đó kết luận rằng chỉ số VN-Index biến động cùng chiều với tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất dài hạn; biến động ngược chiều với lạm phát, lãi suất ngắn hạn Chỉ số lãi suất dài hạn có ý nghĩa giải thích sự biến động của VN-Index lớn nhất so với các chỉ số vĩ mô xem xét Kết quả nghiên cứu cho biết tốc độ điều chỉnh của chỉ số chứng khoán về cân bằng dài hạn khi có cú sốc từ các biến vĩ mô là rất chậm, khoảng 3,08%/tháng.

Từ khóa: Thị trường chứng khoán, chỉ số kinh tế vĩ mô, kiểm định đồng liên

kết, mô hình hiệu chỉnh sai số.

ẢNH HƯỞNG CỦA CÁC YẾU TỐ KINH TẾ VĨ MÔ

ĐẾN CHỈ SỐ GIÁ CHỨNG KHOÁN VIỆT NAM

Nguyễn Thị Bảo Trân (*) Lê Quang Minh (**) Võ Đình Vinh (***)

Ngày nhận: 03/9/2014

Ngày nhận lại: 14/4/2015

Ngày duyệt đăng: 10/5/2015

Mã số: 5-15-43

Đặt vấn đề

Từ tháng 11/2012, thị trường chứng khoán

Việt Nam có nhiều triển vọng tích cực khi

VN-Index tính đến tháng 12/2013 tăng đến

34,76% so với tháng 11/2012, tăng thêm

25,72% trong 8 tháng đầu năm 2014 (so với

cuối năm 2013) Theo Báo cáo chiến lược

năm 2014 của Công ty Chứng khoán Bản

Việt, lý do cơ bản được đưa ra là kinh tế vĩ

mô ổn định và thu nhập trên cổ phiếu dự

kiến tăng khá khiến TTCK Việt Nam trở

nên hấp dẫn đối với nhiều nhà đầu tư

Tác động của các yếu tố kinh tế vĩ mô lên TTCK

là một chủ đề nghiên cứu khá phổ biến và nhận

được nhiều sự quan tâm từ các nhà kinh tế, các

nhà nghiên cứu, cũng như các nhà hoạch định

chính sách Đặc biệt từ sau khi Johansen và

Juselius (1990) đưa ra phương pháp kiểm định

đồng liên kết để kiểm tra mối quan hệ dài hạn

giữa các biến, phương pháp này đã được áp dụng rộng rãi trong các nghiên cứu về chủ đề này Mukherjee và Naka (1995) đã tìm thấy liên kết dài hạn giữa TTCK Nhật với nhóm 6 biến vĩ mô (lạm phát, tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất liên ngân hàng ngắn hạn và lãi suất trái phiếu chính phủ dài hạn), cũng như các phương trình cân bằng ngắn hạn với 7 biến trên giúp dự báo các biến trong ngắn hạn Kwon và Shin (1999) đã tìm thấy rằng TTCK Hàn Quốc đồng liên kết với nhóm các biến vĩ mô là tỷ giá, sản lượng công nghiệp, cung tiền, cán cân thương mại Nghiên cứu của Wongbangpo và Sharma (2002) tìm thấy mối liên kết giữa các yếu tố vĩ mô (lạm phát, tỷ giá, GNP, cung tiền, lãi suất) và TTCK 5 nước Indonesia, Malaysia, Philippines, Singapore và Thái Lan Maysami, Howe và Hamzah (2004) nghiên cứu TTCK Singapore trong mối quan hệ với các biến lạm phát, tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất ngắn hạn, lãi suất

dài hạn và cho kết quả tương tự Gan, Lee,

Yong và Zhang (2006) tìm ra ảnh hưởng của

lạm phát, tỷ giá, GDP, cung tiền, lãi suất

ngắn hạn, lãi suất dài hạn và giá dầu bán

lẻ đến TTCK New Zealand Ratanapakorn và

Sharma (2007) cho thấy TTCK Mỹ (đại diện là

chỉ số S&P 500) tương quan với 6 biến vĩ mô

(chỉ số S&P 500 nghịch biến với lạm phát, tỷ

giá, sản lượng công nghiệp, cung tiền, lãi suất

ngắn hạn và tương quan đồng biến với lãi suất

dài hạn Ratneswary và Rasiah (2010) cho thấy

mối quan hệ dài hạn và ngắn hạn giữa TTCK

Malaysia với các biến vĩ mô là lạm phát, tỷ

giá, sản lượng công nghiệp, cung tiền…

Nghiên cứu này nhằm xem xét liệu các kết

quả thực nghiệm của những nghiên cứu trước

đây trên thế giới có phù hợp với TTCK Việt

Nam hay không Bằng phương pháp kiểm

định đồng liên kết, bài viết sẽ trả lời hai

câu hỏi: (1) Chỉ số kinh tế vĩ mô nào có ý

nghĩa trong mô hình tương tác với chỉ số

VN-Index? và (2) Mức độ ảnh hưởng của các

tác động này ra sao?

Tổng quan các nghiên cứu thực nghiệm

về mối quan hệ giữa các biến kinh tế vĩ

mô và thị trường chứng khoán

Mối quan hệ giữa lạm phát và chỉ số

chứng khoán

Sử dụng kiểm định đồng liên kết và mô hình

véc tơ hiệu chỉnh sai số, nhiều nghiên cứu

trên thế giới đã chỉ ra mối quan hệ ngược

chiều giữa lạm phát và giá chứng khoán như

Boyd, Levine và Smith (2001), Fama (1981),

Fama và Schwert (1977), Gan và ctg (2006),

Geske và Roll (1983), Kim (2003), Mukherjee

và Naka (1995), Nelson (1976) Nguyễn Minh

Kiều và Nguyễn Văn Điệp (2013) và Nguyễn

Hữu Tuấn (2011) cùng thực hiện nghiên cứu

tương tự tại Việt Nam, kết quả nghiên cứu

cũng thống nhất với các nghiên cứu ở các

quốc gia khác Các tác giả này lập luận khi

lạm phát gia tăng, với chi phí đầu vào sẽ

cao hơn, doanh thu và lợi nhuận công ty sẽ

bị giảm nếu giá đầu ra tăng với tốc độ thấp hơn Mặt khác, chính sách thắt chặt tiền tệ có thể được ban hành để kiềm chế lạm phát, từ đó lãi suất phi rủi ro bị tác động tăng lên, kéo theo hậu quả là TTCK trở nên kém hấp dẫn hơn Những lập luận trên là lý do dẫn đến giả thuyết chỉ số chứng khoán biến động ngược chiều với lạm phát

Mối quan hệ giữa tỷ giá và chỉ số chứng khoán

Mối quan hệ giữa TTCK và tỷ giá được giả thuyết là cùng chiều vì biến động tỷ giá ảnh hưởng đến giá trị công ty thông qua những thay đổi về sức cạnh tranh của doanh nghiệp trên thị trường quốc tế, cũng như giá trị tài sản và nợ phải trả của doanh nghiệp được trị giá dựa trên ngoại tệ, từ đó ảnh hưởng đến lợi nhuận cuối cùng và giá trị vốn chủ sở hữu của doanh nghiệp (Madura, 2006) Mặt khác, nhiều nghiên cứu trên thế giới đã đề xuất mối quan hệ giữa TTCK và những thay đổi trong tỷ giá hối đoái là mối quan hệ dương như Maysami và ctg (2004), Maysami và Koh (2000), Mukherjee và Naka (1995), Ratanapakorn và Sharma (2007), Ratneswary và Rasiah (2010)

Mối quan hệ giữa sản xuất công nghiệp và chỉ số chứng khoán

Sản lượng công nghiệp được sử dụng như là một biến thay thế (proxy) cho các hoạt động kinh tế thực, bởi tính phản ánh chu kỳ kinh doanh Sản lượng công nghiệp tăng lên trong thời kỳ kinh tế phát triển và ngược lại Sự gia tăng trong sản xuất công nghiệp là một dấu hiệu cho thấy doanh số bán hàng và lợi nhuận của các công ty tăng trưởng,

do đó cổ phiếu được kỳ vọng sẽ tăng theo tương ứng Nhiều nghiên cứu trên thế giới cho thấy mối quan hệ giữa sản xuất công nghiệp và TTCK là dương như Fama (1981), Fama, French (1990), Gan và ctg (2006), Geske và Roll (1983), Gjerde và Saettem (1999), Kim (2003), Maysami và ctg (2004), Nasseh và Strauss (2000), Quayes và Jamal (2008),

Ratanapakorn và Sharma (2007), Ratneswary

và Rasiah (2010) Do đó, bài nghiên cứu đề xuất

giả thuyết sản lượng công nghiệp có ảnh hưởng

tích cực đến TTCK

Mối quan hệ giữa cung tiền và chỉ số

chứng khoán

Hiệu ứng ảnh hưởng của những thay đổi trong

cung tiền đến TTCK có thể được giải thích

thông qua sự tác động thay đổi trực tiếp danh

mục đầu tư và những biến đổi gián tiếp của các

hoạt động kinh tế thực Đặc biệt, với giả định

về tính ưa thích thanh khoản của nhà đầu tư,

một chính sách mở rộng cung tiền sẽ dẫn đến

các mức lãi suất được kỳ vọng giảm đi, từ đó

giá cổ phiếu được kỳ vọng tăng lên Ngoài ra,

lợi nhuận các doanh nghiệp và nền kinh tế

thường được kích thích phát triển bởi chính

sách tiền tệ mở rộng trên Theo các kết quả

thực nghiệm, các lập luận này được chứng thực

bởi Fama (1981), Kwon và Shin (1999), Maysami

và Koh (2000), Mukherjee và Naka (1995),

Ratneswary và Rasiah (2010) Tại thị trường

Việt Nam, nghiên cứu của Nguyễn Minh Kiều

và Nguyễn Văn Điệp (2013) và Nguyễn Hữu

Tuấn (2011) cũng tìm thấy kết luận tương tự

Do đó, mối quan hệ giữa TTCK và cung tiền

được giả định là cùng chiều

Mối quan hệ giữa lãi suất và chỉ số

chứng khoán

Về lý thuyết, mối quan hệ giữa giá cổ phiếu

và lãi suất được điều chỉnh bởi sự thay đổi

của các nhà đầu tư trong danh mục đầu tư, bao

gồm tỷ lệ phân bổ đầu tư vào các trái phiếu và

các cổ phiếu Hầu hết các nhà đầu tư sẽ thích

đầu tư vào trái phiếu hơn nếu lãi suất tăng,

nói cách khác giá cổ phiếu sẽ giảm Ở mức lãi

suất thấp, sự tiêu dùng trong nền kinh tế được

kỳ vọng tăng lên Điều này sẽ có tác động tích

cực đến doanh số và lợi nhuận dự kiến của

công ty trong tương lai Mặt khác, phần lớn

các công ty tài trợ tài sản của mình bằng tiền

vay, vì vậy giảm lãi suất sẽ giúp giảm chi phí

vốn cho công ty Nói cách khác, khi đó việc

đầu tư vào TTCK trở nên hấp dẫn hơn Vì vậy, nhóm tác giả đưa ra giả thuyết rằng TTCK và lãi suất (bao gồm lãi suất dài hạn và ngắn hạn) biến động ngược chiều với nhau Một số nghiên cứu có kết luận tương tự như Gjerde và Saettem (1999), Kim (2003), Maysami và ctg (2004), Maysami và Koh (2000), Mukherjee và Naka (1995), Nasseh và Strauss (2000), Ratanapakorn và Sharma (2007)

Phương pháp nghiên cứu

Dữ liệu nghiên cứu

Nhằm xây dựng một mô hình tương tác đa chiều biểu thị mối quan hệ giữa TTCK và các chỉ số kinh tế vĩ mô được giả định ở trên, bài viết nghiên cứu trên dãy số liệu từ tháng 7/2006-02/2014 (92 quan sát với mỗi biến), bao gồm các biến sau:

- VNI: Chỉ số đóng cửa các ngày cuối tháng của VN-Index (tháng 7/2000 = 100), nguồn Datastream Thomson Reuters

- CPI: Chỉ số giá tiêu dùng của tháng (năm gốc 2009 = 100) sau khi hiệu chỉnh yếu tố mùa vụ, nguồn Datastream Thomson Reuters

- E: Tỷ giá các ngày cuối tháng (VND/USD), nguồn Datastream Thomson Reuters

- IO: Sản lượng công nghiệp theo tháng (triệu đồng) sau khi hiệu chỉnh yếu tố mùa vụ (thay thế cho biến GDP tần suất tháng không có sẵn trong thống kê), nguồn Tổng cục Thống kê

- M2: Tỷ lệ tăng trưởng cung tiền mở rộng (liquidity aggregates, %), nguồn International Monetary Fund

- SIR: Lãi suất liên ngân hàng kỳ hạn 3 tháng (%, lấy ngày cuối tháng), nguồn Datastream Thomson Reuters

- LIR: Lãi suất trái phiếu kỳ hạn 1 năm (%, lấy ngày cuối tháng), nguồn Bloomberg

Bảng 1 cung cấp thông tin thống kê mô tả

các biến được sử dụng trong nghiên cứu này

Ước lượng thống kế độ nghiêng (Skewness)

trên các dãy số cho thấy phân bổ dữ liệu

của biến tỷ giá lệch về phía trái, các biến

còn lại lệch về phía phải Bên cạnh đó, ước

lượng thống kê độ dày (Kurtosis) thể hiện

rằng các dãy số đều có phân phối với đuôi

dày hơn phân phối chuẩn Ngoài ra, dựa

trên phân tích sơ bộ về tính tương quan giữa

VN-Index với các yếu tố vĩ mô còn lại qua

hệ số tương quan (correlation) cũng cho thấy

rằng các yếu tố kinh tế vĩ mô có tác động

đến biến động của chỉ số chứng khoán

Phương pháp nghiên cứu

Chuỗi thời gian (time series) có thể được xem

là tạo ra từ một quá trình ngẫu nhiên Một

tính chất của quá trình ngẫu nhiên được các

nhà phân tích đặc biệt quan tâm là tính dừng

Các mô hình hồi quy cổ điển theo phương

pháp bình phương bé nhất (Ordinary Least

Square - OLS) được áp dụng cho các chuỗi dữ

liệu có tính dừng (stationary series), khi các

biến trong mô hình là không dừng thì các

giả thuyết của phương pháp OLS bị vi phạm,

các kiểm định t, F mất hiệu lực, ước lượng

và dự báo không hiệu quả Mặt khác, nếu mô

hình tồn tại ít nhất một biến độc lập có cùng

xu thế với biến phụ thuộc, khi ước lượng mô

hình ta có thể thu được các hệ số có ý nghĩa

thống kê và hệ số xác định R2 rất cao, nhưng

nguyên nhân có thể là do hai biến này có cùng xu thế chứ không phải do chúng tương quan chặt chẽ với nhau, đây là hiện tượng hồi quy giả mạo khi các biến trong mô hình là không dừng Do đó, vì các biến sử dụng trong mô hình là các chuỗi số liệu thời gian nên nhóm tác giả sẽ kiểm định tính dừng của từng biến sử dụng trong mô hình Các chuỗi số liệu đưa vào kiểm tra là các chuỗi dữ liệu thô ban đầu được thu thập, có đơn vị như phần mô tả ở trên

Phương pháp được sử dụng để kiểm định tính dừng là ADF (Augemented Dickey-Fuller test) và PP (Phillips - Perron test) Với chuỗi dữ liệu không dừng sẽ được tiến hành lấy sai phân, sau d lần lấy sai phân thì chuỗi đó sẽ dừng

Nếu các biến dừng tại các bậc khác nhau, bài nghiên cứu sẽ dùng mô hình VAR (Vector Auto Regression) để mô tả những biến động của các biến trong mối liên hệ với nhau Với

Xt=(VNIt, CPIt, Et, IOt, M2t, SIRt, LIRt) là véc tơ (7 x 1), T là số quan sát thì mô hình VAR có dạng:

Hệ các mô hình hiệu chỉnh sai số (VECM) là một trường hợp đặc biệt của mô hình VAR, được sử dụng trong trường hợp các biến dừng tại cùng một bậc và tồn tại mối liên hệ đồng liên kết Do vậy, sau khi kiểm tra tính dừng,

Giá trị

Giá trị

Độ lệch

Hệ số

Bảng 1: Thống kê mô tả các biến

Xt= Φ + Dt AjXt-i + ut (t=1, T)

k i=1

∑

nếu xảy ra trường hợp tất cả các biến cùng

dừng ở một bậc thì nhóm tác giả sẽ tiến hành

kiểm định đồng liên kết Johansen (Johansen

cointegration test)

Engle và Granger (1987) đã đưa ra khái niệm về

đồng liên kết (cointegration) như sau: Các biến

xit (x1t, x2t, , xnt) được gọi là đồng liên kết nếu:

- Tất cả các biến xit đều dừng cùng một bậc

d (với d > 0)

- Tồn tại véc tơ (β1, β2, , βn) sao cho et = β1

x1t + β2 x2t + + βn xnt = 0

Phần dư et gọi là sai số cân bằng (equilibrium

error), với các đặc tính của một chuỗi dừng

Nếu kiểm định cho kết quả là giữa các biến

(VNI, CPI, E, IO, M2, SIR, LIR) tồn tại một

mối quan hệ dài hạn, tức trong dài hạn nền

kinh tế sẽ đạt trạng thái cân bằng sau:

et = VNIt + α+ β1CPIt + β2Et + β3IOt + β4M2t

+ β5SIRt + β6LIRt = 0 (1)

Khi đó, nhóm tác giả sẽ tìm các mối quan hệ

trong ngắn hạn giữa các biến thông qua hệ

các mô hình hiệu chỉnh sai số (VECM):

Phần dư et có xu hướng tiến về 0 trong dài

hạn, nhưng trong ngắn hạn et ≠ 0, lúc này

et đóng vai trò là biến điều chỉnh sai số

(error correction term) trong từng phương

trình cân bằng ngắn hạn trong hệ các mô

hình hiệu chỉnh sai số VECM có dạng chuẩn tắc sau:

Trong đó: Δ là ký hiệu sai phân bậc 1 của các biến (giả sử các biến xit cùng dừng ở bậc 1),

α là hệ số của biến điều chỉnh sai số chỉ tốc độ mà các điều chỉnh ngắn hạn tiếp cận đến trạng thái cân bằng dài hạn Nếu giá trị tuyệt đối của α càng lớn thì quá trình điều chỉnh diễn ra càng nhanh

Cuối cùng, các kết quả định lượng nghiên cứu tìm thấy sẽ được củng cố lại bằng phân tích hàm phản ứng đẩy (Impulse Response Function) và phương pháp phân rã phương sai (Variance Decomposition)

Kết quả nghiên cứu và thảo luận

Kết quả nghiên cứu

Bằng các phương pháp kiểm tra tính dừng của chuỗi dữ liệu là ADF và PP, kết quả Bảng 2 cho thấy tất cả các biến được xem xét đưa vào mô hình (ở mức level) đều không dừng, nhưng sau khi lấy sai phân thì các biến đều cùng dừng tại sai phân bậc 1 Do vậy, bài nghiên cứu sẽ tiếp tục thực hiện kiểm định đồng liên kết để tìm mối quan hệ dài hạn giữa các biến

Việc lựa chọn độ trễ tối ưu cho mô hình là một trong các điều kiện cần được thực hiện

ΔXt = ГiΔXt-i + α et-1+ ut k-1

i=1

∑

Ghi chú: * có ý nghĩa ở mức 5%

Bảng 2: Kiểm tra tính dừng của biến

trước khi thực hiện kiểm định đồng liên kết,

bằng cách ứng dụng mô hình VAR cho các biến

với độ trễ tối đa là 8 Dựa trên các tiêu chuẩn

thông tin là AIC (Akaike Information

Criteri-on) và SC (Schwarz Information CriteriCriteri-on), giá

trị thấp nhất của tiêu chuẩn thông tin cho biết

độ trễ tối ưu của mô hình Tiêu chuẩn AIC và

SC đề xuất hai độ trễ tối ưu khác nhau (Bảng

3), tuy nhiên tiêu chuẩn SC sẽ được ưu tiên lựa

chọn trong bài nghiên cứu này bởi tiêu chuẩn

SC thường chọn mô hình phù hợp với một độ

trễ tối ưu thấp hơn Lý do là nếu lựa chọn độ

trễ quá dài sẽ làm mất các bậc tự do trong mô

hình và gây ra vấn đề đa cộng tuyến Do vậy,

độ trễ tối ưu của mô hình là 1, tức là giá trị

của các biến hiện tại sẽ chịu tác động của giá

trị của các biến một tháng trước đó

Căn cứ vào độ trễ được lựa chọn, bài nghiên cứu

thực hiện kiểm định đồng liên kết Johansen

Trong kết quả kiểm định đồng liên kết Johansen, bao gồm kết quả kiểm định vết ma trận (trace test) và kiểm định giá trị riêng cực đại của

ma trận (maximal Eigenvalue test) cho biết số véc tơ đồng liên kết; đồng thời cho biết giá trị của các hệ số trong véc tơ đồng liên kết Kết quả kiểm định Johansen được nhóm tác giả tách ra trình bày trong Bảng 4 và 5 Bảng 4 cho thấy, cả hai kiểm định đều chấp nhận giả thuyết tồn tại 1 véc tơ đồng liên kết Giá trị các hệ số trong véc tơ đồng liên kết (có dạng phương trình (1)) được trình bày trong Bảng 5

Nhằm mục đích nhận xét dấu tương quan của biến VN-Index với từng biến còn lại trong mô hình, kết quả Bảng 5 có thể được diễn giải thành phương trình cân bằng dài hạn (2) sau (bằng cách giữ biến VNI nguyên ở vế trái và chuyển phần còn lại sang vế phải của phương trình):

Ghi chú: * độ trễ được lựa chọn theo tiêu chuẩn

Bảng 3: Lựa chọn độ trễ tối ưu

Ghi chú: Giá trị thống kê t thể hiện trong [] và * biểu thị mức ý nghĩa 5% Biến Trend thể hiện trong mô hình đại diện cho tính xu hướng của chuỗi dữ liệu.

[2,2300]* [-5,6600]* [-4,4300]* [-3,2300]* [5,0600]* [-7,5800]* [2,2000]*

Bảng 5: Véc tơ đồng liên kết từ kiểm định Johansen

Ghi chú: * bác bỏ giả thuyết H 0 ở mức ý nghĩa 5%

λtracetests λtracevalue

λmaxtests λmaxvalue

Bảng 4: Kiểm định đồng liên kết

VNIt = -87,999CPIt + 1,443Et + 0,046IOt

+ 66,624M2t - 492,503SIRt + 838,838LIRt -

Trong phương trình cân bằng trên, biến CPI

ý nghĩa ở mức 5%, các biến còn lại (tỷ giá,

sản lượng công nghiệp, cung tiền, lãi suất

ngắn hạn và dài hạn) có ý nghĩa ở mức 1%

Mỗi một sự điều chỉnh trong ngắn hạn được

đề xuất bởi hệ các mô hình hiệu chỉnh sai

số (VECM) Biến điều chỉnh sai số et được

trình bày:

et = VNIt + 87,999CPIt - 1,443Et - 0,046IOt

- 66,624M2t + 492,503SIRt - 838,838LIRt +

Từ biến et được xác định như phương trình (3) trên, hệ các phương trình hiệu chỉnh sai số (VECM) được ghi nhận trong Bảng 6

Trong từng phương trình cân bằng ngắn hạn, ngoại trừ biến hiệu chỉnh sai số, các biến còn lại được hiệu chỉnh về dạng sai phân bậc 1, ký hiệu Δ (vì các biến xem xét đều dừng ở

Ghi chú: Giá trị thống kê t thể hiện trong [] và * biểu thị mức ý nghĩa 5% Δ thể hiện sai phân bậc 1 của biến, với công thức xác định bởi ΔYt = Yt - Yt-1

et-1 -0,0308 0,0001 0,0938 -0,1088 0,0002 -0,000001 0,0008

(0,0090) (0,0001) (0,0300) (0,6860) (0,0004) (0,0001) (0,0002) [-3,2800]* [ 1,0500] [ 3,0700]* [-0,1600] [ 0,6300] [-0,0100] [ 5,0200]* ΔVNIt-1 0,1782 -0,0001 -0,0680 1,9709 0,0113 0,0005 0,0035

(0,1110) (0,0010) (0,3620) (8,1350) (0,0040) (0,0010) (0,0020) [ 1,6000] [-0,0700] [-0,1900] [-0,2400] [ 2,7200]* [ 0,3600] [ 1,9100] ΔCPIt-1 -14,1449 0,7059 -16,9655 632,4813 -0,5015 0,1263 0,2207

(9,4630) (0,0930) (30,7660) (692,1020) (0,3350) (0,1250) (0,1550) [-1,4900] [7,6100]* [-0,5500] [ 0,9100] [-1,4100] [ 1,0100] [ 1,4200] ΔEt-1 0,0085 0,0007 0,0049 -2,5182 -0,0016 -0,0006 0,0004

(0,0380) (0,0004) (0,1220) (2,7450) (0,0010) (0,0005) (0,0006) [0,2300] [1,9400] [-0,0400] [ -0,9200] [-1,1400] [-1,1300] [0,5800] ΔIOt-1 0,0003 -0,0000005 0,0012 -0,4395 0,00001 0,000004 0,00003

(0,0010) (0,00001) (0,005) (0,106) (0,00005) (0,00002) (0,00002) [0,2200] [-0,0300] [0,2400] [-4,1500]* [0,1800] [0,2200] [ 1,3200] ΔM2t-1 1,8196 -0,0498 0,2831 -106,1740 0,1574 -0,0680 -0,0565

(2,6750) (0,0260) (8,6960) (195,6270) (0,1000) (0,0350) (0,0440) [ 0,6800] [-1,9000] [0,0300] [-0,5400] [ 1,5700] [-1,9300] [-1,2900] ΔSIRt-1 6,0285 0,0551 -4,3449 -1430,0600 -0,4019 0,1015 -0,0856

(9,2230) (0,0900) (29,9840) (674,5060) (0,3460) (0,1210) (0,1510) [ 0,6500] [0,6100] [-0,1400] [-2,1200]* [-1,1600] [ 0,8400] [-0,5700] ΔLIRt -9,4653 0,02140 63,8270 394,7050 0,2576 0,4400 0,7594

(8,4690) (0,0830) (27,5340) (619,3920) (0,3180) (0,1120) (0,1390) [-1,1200] [0,2600] [ 2,3200]* [0,6400] [ 0,8100] [ 3,950]* [ 5,4700]*

C 14,0061 0,2232 70,5360 1766,3190 0,3679 -0,1342 -0,3009

(12,0650) (0,1180) (36,2220) (882,3440) (0,4520) (0,1590) (0,1980) [ 1,1600] [ 1,8900] [ 1,8000] [ 2,0000]* [0,8100] [-0,8400] [-1,5200]

Bảng 6: Các phương trình cân bằng trong ngắn hạn

bậc 1, nên biến đưa vào mô hình VECM phải

được đưa về dạng sau khi đã lấy sai phân bậc 1)

Bởi vì tồn tại những khó khăn nhất định

trong việc diễn giải kết quả của hệ mô hình

VECM, nên bài nghiên cứu sẽ phân tích hàm

phản ứng đẩy và phân rã phương sai để minh

họa rõ hơn sự biến động của VN-Index từ

những thay đổi của các tác nhân vĩ mô trong

giai đoạn quan sát 10 tháng

Hàm phản ứng đẩy (Impulse Response

Function): Hình 1 vẽ ra đường biến động của

VN-Index trước từng tác nhân ảnh hưởng:

với giả định khi 1 biến vĩ mô bất kỳ thay đổi

1 S.D (độ lệch chuẩn, standard deviation),

các biến còn lại không đổi thì biến VN-Index

sẽ phản ứng lại như thế nào và trong bao lâu

thì VN-Index ổn định trở lại Kết quả phân

tích cho thấy khi VN-Index được thay đổi 1

S.D sẽ có tác động đẩy chính nó tăng lên, tác

động này sẽ giảm dần theo thời gian, sau hơn 5 tháng thì biến VN-Index sẽ không còn chịu ảnh hưởng từ “cú sốc” thay đổi 1 S.D trước đó nữa (và tương tự cho các biến còn lại) Tóm lại, từ Hình

1 ta có thể thấy biến CPI và lãi suất ngắn hạn có tác động âm đến sự biến động VN-Index, các biến còn lại có tác động dương đến VN-Index

Phân rã phương sai (Variance Decomposition) được áp dụng nhằm trả lời câu hỏi trong một sự thay đổi của VN-Index được giải thích bởi bao nhiêu % của từng biến vĩ mô còn lại Kết quả Bảng 7 cho thấy, sự thay đổi của VN-Index được giải thích chủ yếu bởi cú sốc của chính nó Biến lãi suất dài hạn có tác động đến thay đổi VN-Index nhiều hơn so với các biến vĩ mô khác

Thảo luận

Từ kết quả mô hình ở phương trình (2), ta có thể đưa ra các kết luận về các mối tương

Thay đổi của VNI khi tăng 1 S.D của VNI

Thay đổi của VNI khi tăng 1 S.D của LIR

Thay đổi của VNI khi tăng 1 S.D của CPI Thay đổi của VNI khi tăng 1 S.D của E

Thay đổi của VNI khi tăng 1 S.D của IO Thay đổi của VNI khi tăng 1 S.D của M2 Thay đổi của VNI khi tăng 1 S.D của SIR

Hình 1: Phân tích hàm phản ứng đẩy

quan dài hạn giữa VN-Index và các biến vĩ

mô như sau:

- Trong trường hợp các biến còn lại trong

phương trình không thay đổi, mối quan hệ

giữa VN-Index và lạm phát, giữa VN-Index và

lãi suất ngắn hạn là tương quan âm; mối quan

hệ giữa VN-Index và tỷ giá, VN-Index và sản

lượng công nghiệp, VN-Index và cung tiền,

VN-Index và lãi suất dài hạn là tương quan

dương Như vậy, ngoại trừ mối quan hệ giữa

VN-Index với lãi suất dài hạn, các giả thuyết

ban đầu về mối tương quan giữa VN-Index với

các biến vĩ mô được chứng minh là phù hợp

Mối tương quan dương giữa VN-Index và lãi

suất dài hạn có thể được giải thích bởi tác

động bù trừ giữa sự tăng trưởng dòng tiền

từ cổ phiếu với sự thay đổi lãi suất dài hạn

Ở một số nghiên cứu trên thế giới, kết quả

tương tự cũng được tìm thấy, như Apergis và

Eleftheriou (2002) ở thị trường Athens; Erdem,

Arslan và Erdem (2005) ở thị trường Istanbul

Mối quan hệ dương giữa TTCK và lãi suất dài

hạn được tìm thấy bởi Bohl, Siklos và Werner

(2007) được các tác giả giải thích do hiện

tượng phương sai thay đổi (heteroskedasticity)

Nghiên cứu của Wongbangpo và Sharma

(2002) tìm thấy mối tương quan dương giữa

TTCK ở Malaysia, Indonesia với lãi suất dài

hạn, trong khi tại TTCK Philippines, Singapore

và Thái Lan là tương quan âm Nguyên nhân

chính dẫn đến sự khác nhau trên là do sự

khác biệt về tỷ lệ lạm phát và cung tiền ở

mỗi nước Vì vậy, mặc dù nhiều lập luận đề xuất rằng lãi suất có tác động âm đến TTCK, nhưng kết quả nghiên cứu định lượng vẫn đưa ra các kết luận khác nhau

- So sánh với các nghiên cứu thực nghiệm tương tự tại TTCK Việt Nam là Nguyễn Minh Kiều và Nguyễn Văn Điệp (2013), Nguyễn Hữu Tuấn (2011), các nghiên cứu này cũng chỉ ra rằng cung tiền có mối quan hệ cùng chiều với VN-Index, lạm phát có mối quan hệ ngược chiều với VN-Index; với các mối quan hệ khác mà các nghiên cứu đã kết luận là không có ý nghĩa/không xem xét, bài nghiên cứu này đã đề xuất: VN-Index tương quan âm với lãi suất ngắn hạn và tương quan dương với các biến tỷ giá, sản lượng công nghiệp, lãi suất dài hạn

- Trên thực tế, với sự thay đổi phức tạp của các biến vĩ mô (có thể là cùng lúc), mô hình cân bằng dài hạn đề xuất rằng: Trong dài hạn, sự thay đổi của các chỉ số vĩ mô sẽ đạt được sự cân bằng như phương trình (2) thông qua những sự điều chỉnh trong ngắn hạn

Kết luận về các cân bằng trong ngắn hạn được rút ra từ hệ các phương trình cân bằng VECM trong Bảng 6:

- Trong phương trình cân bằng ngắn hạn của VN-Index, tỷ lệ hiệu chỉnh sai số góp phần đạt được cân bằng dài hạn là khoảng 3,08 %/tháng,

Bảng 7: Phân rã phương sai (%)

ở mức ý nghĩa thống kê 5% Hệ số này trong

nghiên cứu của Nguyễn Minh Kiều và Nguyễn

Văn Điệp (2013) là 13.04%/tháng, trong nghiên

cứu của Nguyễn Hữu Tuấn (2011) là 18.2%/tháng

Ý nghĩa là tốc độ loại bỏ những biến động trong

ngắn hạn để đạt được trạng thái như phương

trình cân bằng dài hạn trình bày ở trên là rất

chậm (khoảng hơn 32 tháng), so với đề xuất của

2 nghiên cứu trước thì tốc độ này chậm hơn 4

lần của Nguyễn Minh Kiều và Nguyễn Văn Điệp

(2013) và 6 lần của Nguyễn Hữu Tuấn (2011)

Ngoài ra, phương trình cân bằng ngắn hạn

của VN-Index còn đề xuất, trong ngắn hạn

VN-Index sẽ chịu sự tác động ngược chiều bởi

chính nó trong tháng trước đó và với các biến

vĩ mô CPI, lãi suất ngắn hạn, cũng như chịu

tác động cùng chiều bởi biến tỷ giá, sản lượng

công nghiệp, cung tiền, lãi suất dài hạn (cùng

dấu với các mối quan hệ trong dài hạn)

- Ở phương trình cân bằng ngắn hạn của

biến CPI, sự biến động của chính nó trong

tháng trước có ý nghĩa giải thích sự biến động

trong tháng này (mối tương quan dương, mức

ý nghĩa 5%) Trong phương trình cân bằng

ngắn hạn của biến tỷ giá và biến lãi suất dài

hạn, tỷ lệ hiệu chỉnh sai số về cân bằng dài

hạn tương ứng là 9,38%/tháng và 0,08%/tháng

(mức ý nghĩa 5%) Với phương trình cân bằng

ngắn hạn của biến sản lượng công nghiệp,

sản lượng công nghiệp trong tháng này sẽ

chịu tác động âm từ giá trị của chính nó trong

tháng trước và biến lãi suất ngắn hạn trong

tháng trước (mức ý nghĩa 5%) Ở mức ý nghĩa

thống kê 5%, sự thay đổi của lãi suất dài hạn

trong tháng trước sẽ có tác động dương làm

thay đổi biến tỷ giá, lãi suất ngắn hạn và

chính nó (lãi suất dài hạn) Phương trình cân

bằng ngắn hạn của cung tiền cho thấy nó chịu

sự tác động dương có ý nghĩa 5% từ sự thay

đổi của VN-Index trong tháng trước

Kết luận

Bài viết sử dụng phương pháp kiểm định

đồng liên kết và mô hình hiệu chỉnh sai số

để nghiên cứu mối quan hệ giữa VN-Index và các biến vĩ mô: lạm phát, tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất ngắn hạn, lãi suất dài hạn Mục tiêu nghiên cứu đạt được thông qua việc phân tích phương trình đồng liên kết của các biến (thể hiện sự cân bằng đạt được trong dài hạn) và các mô hình hiệu chỉnh sai số của từng biến (thể hiện sự cân bằng ngắn hạn và sự điều chỉnh để đạt được cân bằng dài hạn) Kết luận quan trọng được rút ra đó là giữa các biến tồn tại các mối tương tác đa chiều và trong dài hạn nền kinh tế sẽ đạt được trạng thái cân bằng

Khi tách tác động của từng biến vĩ mô lên VN-Index (giả định các biến vĩ mô còn lại không đổi), nghiên cứu cho thấy mối tương quan giữa lạm phát và VN-Index, lãi suất ngắn hạn và VN-Index là tương quan âm; trong khi đó mối tương quan giữa tỷ giá và VN-Index, giữa sản lượng công nghiệp và VN-Index, giữa cung tiền và VN-Index, lãi suất dài hạn và VN-Index là tương quan dương (kể cả trong ngắn hạn và dài hạn, mức

ý nghĩa thống kê 5%) Hơn nữa, trong các biến vĩ mô xem xét, biến lãi suất dài hạn có tác động giải thích lớn nhất về sự biến động của VN-Index Để đạt được trạng thái cân bằng trong dài hạn, kết quả nghiên cứu cho biết mỗi tháng có 3,08% mức chênh lệch giữa biến thiên ngắn hạn và dài hạn được loại trừ, đây được nhận xét là một tốc độ rất chậm

Tóm lại, kết quả nghiên cứu cung cấp cho các nhà hoạch định chính sách một cái nhìn tổng quan mang tính chất định lượng về các mối quan hệ tác động truyền dẫn từ các yếu tố vĩ mô đến chỉ số chứng khoán và ngược lại

Nghiên cứu trên được thực hiện với sự giới hạn về số quan sát, cụ thể là biến sản lượng công nghiệp và lãi suất trái phiếu 1 năm giai đoạn trước tháng 7/2006, cũng như biến cung tiền M2 từ sau tháng 02/2014 Bên cạnh việc tăng số quan sát (nếu có thể), hướng nghiên cứu tiếp theo được đề xuất là bổ sung vào phương trình các biến giá vàng, giá dầu để