Kiểm định hiệu quả mô hình FAMA – FRENCH năm nhân tố trên thị trường chứng khoán việt nam

Mục tiêu nghiên cứu  Kiểm định hiệu quả của mô hình Fama – French năm nhân tố trên thị trường chứng khoán Việt Nam.. Phương pháp nghiên cứu Đề tài này sẽ được thực hiện theo phương ph

CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

Tp Hồ Chí Minh – Năm 2016

CHỨNG KHOÁN VIỆT NAM

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS NGUYỄN KHẮC QUỐC BẢO

Tp Hồ Chí Minh – Năm 2016

liệu khảo sát và thống kê là hoàn toàn xác thực Kết quả nghiên cứu trong luận văn chưa được ai công bố trong bất cứ công trình nghiên cứu nào khác

Lời cam đoan

Mục lục

Danh mục từ viết tắt

Danh mục các bảng biểu

Danh mục các hình vẽ

1 Giới thiệu 1

1.1 Sự cần thiết của đề tài 1

1.2 Mục tiêu nghiên cứu 2

1.3 Đối tượng và phạm vi nghiên cứu 2

1.4 Phương pháp nghiên cứu 2

1.5 Kết cấu của đề tài 3

2 Cơ sở lý thuyết 4

2.1 Mô hình định giá tài sản vốn CAPM 4

2.1.1 Giới thiệu 4

2.1.2 Những giả định 4

2.1.3 Nội dung của mô hình CAPM 5

2.1.4 Ưu nhược điểm của mô hình CAPM 7

2.1.5 Những nghiên cứu, phát hiện của Fama và French 7

2.2 Mô hình Fama – French ba nhân tố 8

2.2.1 Giới thiệu 8

2.2.2 Nội dung mô hình ba nhân tố 9

2.2.3 Xây dựng mô hình ba nhân tố 9

2.2.4 Kết quả kiểm định mô hình Fama – French ba nhân tố 11

2.3 Mô hình Fama – French năm nhân tố 12

2.3.1 Giới thiệu 12

2.3.2 Nội dung mô hình năm nhân tố 13

2.4 Kết quả kiểm định các mô hình định giá tài sản 14

3 Phương pháp nghiên cứu 19

3.3 Định nghĩa biến 21

3.4 Xây dựng danh mục 23

3.5 Xây dựng các nhân tố 26

4 K ết quả nghiên cứu 29

4.1 Thống kê mô tả 29

4.2 Kiểm định tính dừng 35

4.3 Kiểm định đa cộng tuyến 37

4.4 Kết quả hồi qui 40

4.4.1 Mô hình CAPM 40

4.4.2 Mô hình ba nhân tố 42

4.4.3 Mô hình năm nhân tố 45

5 K ết luận 50

5.1 Kết luận chung 50

5.2 Kiến nghị đầu tư 52

5.3 Hạn chế của đề tài 53

5.4 Hướng nghiên cứu tiếp theo 54

Tài liệu tham khảo

Phụ lục.

1 ADF Augmented Dickey-Fuller test

Bảng 3.1: Số lượng cổ phiếu được sử dụng trong bài nghiên cứu qua các

năm……… 20

Bảng 3.2: Cách xây dựng các danh mục……… 23

Bảng 3.3: Các danh mục Size – B/M……… 24

Bảng 3.4: Các danh mục Size – OP………25

Bảng 3.5: Các danh mục Size – INV……… 25

B ảng 3.6: Công thức tính các nhân tố………26

B ảng 4.1: Thống kê mô tả………29

B ảng 4.2: Tỷ suất sinh lời vượt trội hàng tháng của các danh mục………33

Bảng 4.3: Kết quả kiểm định ADF test cho các biến trong mô hình………36

Bảng 4.4: Ma trận tương quan giữa các biến……… 36

Bảng 4.5: Kết quả kiểm định đa cộng tuyến cho các biến độc lập……….…… 38

Bảng 4.6: Kết quả hồi qui mô hình CAPM……….… 39

Bảng 4.7: Kết quả hồi qui mô hình ba nhân tố……….…42

B ảng 4.8: Kết quả hồi qui mô hình năm nhân tố……… 45

Hình 4.1: Kết quả kiểm định ADF cho biến SMB……….35

1 Giới thiệu

1.1 Sự cần thiết của đề tài

Vấn đề định giá chứng khoán sao cho hợp lý luôn làm đau đầu các nhà đầu tư trên

thị trường Nếu có một mô hình định giá nào đó có thể xác định chính xác giá trị của

cổ phiếu thì nó sẽ giúp cho các nhà đầu tư đưa ra quyết định đầu tư đúng đắn, giúp cho thị trường chứng khoán hoạt động hiệu quả hơn từ đó thúc đẩy sự phát triển kinh

tế của quốc gia Hiện nay có rất nhiều mô hình định giá tài sản vốn trong đó nổi tiếng

nhất là mô hình CAPM Mô hình định giá tài sản vốn CAPM được phát triển bởi William Sharpe từ những năm 1960 CAPM có thể giải thích được tỷ suất sinh lợi

chứng khoán liên quan đến rủi ro hệ thống của chứng khoán đó, nghĩa là chứng khoán nào có rủi ro càng cao thì tỷ suất sinh lời kỳ vọng của chứng khoán đó càng lớn Mô hình này vẫn còn được sử dụng cho tới ngày nay do nó dễ hiểu và dễ áp dụng Tuy nhiên, trong một nghiên cứu vào năm 1993, Fama và French kết luận rằng mô hình CAPM có nhiều thiếu sót do không thể giải thích được tỷ suất sinh lợi liên quan đến hiệu ứng qui mô và giá trị của doanh nghiệp Từ đó Fama và French đề xuất mô hình định giá tài sản ba nhân tố, ngoài nhân tố thị trường như của mô hình CAPM, Fama

và French bổ sung thêm hai nhân tố mới là nhân tố qui mô và nhân tố giá trị Kể từ khi ra đời, mô hình ba nhân tố của Fama và French đã trở nên nổi tiếng và được ứng dụng ở nhiều nơi, không chỉ trong nghiên cứu khoa học mà cả trong thực tế Vì những đóng góp to lớn của mình, Fama và French đã vinh dự được trao giải Nobel kinh tế năm 2013 Trong quá trình nghiên cứu và ứng dụng mô hình ba nhân tố, các nhà nghiên cứu khác đã phát hiện ra những thiếu sót của mô hình Fama và French cũng

nhận ra điều này, nên họ tiếp tục nghiên cứu để bổ sung cải tiến mô hình Kết quả là vào năm 2015, Fama và French giới thiệu mô hình định giá tài sản vốn năm nhân tố

Mô hình năm nhân tố được phát triển dựa trên mô hình ba nhân tố nhưng được bổ sung thêm hai nhân tố mới là nhân tố lợi nhuận và đầu tư Qua quá trình kiểm định

mô hình năm nhân tố tại thị trường chứng khoán Hoa Kỳ, Fama và French kết luận rằng mô hình năm nhân tố tỏ ra hiệu quả hơn mô hình ba nhân tố và mô hình CAPM trong việc giải thích tỷ suất sinh lợi chứng khoán Kết quả bài nghiên cứu cũng chỉ ra

rằng mô hình năm nhân tố có thể giải thích được từ 71% đến 94% sự biến động của

tỷ suất sinh lời kỳ vọng của chứng khoán trên thị trường Hoa Kỳ Cũng giống như

mô hình ba nhân tố, mô hình năm nhân tố của Fama và French cũng thu hút được sự quan tâm của đông đảo các nhà nghiên cứu trên thế giới Tuy nhiên tại Việt Nam mô hình năm nhân tố của Fama và French vẫn chưa được quan tâm nhiều Đó là lý do tôi quyết định thực hiện đề tài này

1.2 Mục tiêu nghiên cứu

 Kiểm định hiệu quả của mô hình Fama – French năm nhân tố trên thị trường

chứng khoán Việt Nam

 So sánh hiệu quả của mô hình năm nhân tố với mô hình ba nhân tố và mô hình CAPM trong việc giải thích sự biến động của tỷ suất sinh lời tại thị trường

chứng khoán Việt Nam

1.3 Đối tượng và phạm vi nghiên cứu

 Đối tượng của bài nghiên cứu này là các mô hình định giá tài sản vốn, trong

đó đặc biệt chú ý đến mô hình năm nhân tố của Fama và French Bên cạnh đó tôi cũng nghiên cứu thêm về mô hình ba nhân tố và mô hình CAPM để từ đó

có thể đưa ra so sánh về hiệu quả giữa các mô hình

 Phạm vi của bài nghiên cứu là toàn bộ chứng khoán của các công ty phi tài chính niêm yết trên sàn giao dịch chứng khoán Việt Nam bao gồm cả hai sàn

Hà Nội và sàn Thành phố Hồ Chí Minh

 Thời gian nghiên cứu được giới hạn từ năm 2008 đến năm 2015

1.4 Phương pháp nghiên cứu

Đề tài này sẽ được thực hiện theo phương pháp giống như của Fama và French

2015 để kiểm định hiệu quả của mô hình năm nhân tố tại thị trường chứng khoán Việt Nam Các bước thực hiện được tiến hành như sau:

Thứ nhất là thu thập các dữ liệu cần thiết cho bài nghiên cứu Các dữ liệu cho bài nghiên cứu này gồm có: Tổng tài sản, giá trị sổ sách, vốn hóa thị trường, lợi nhuận

hoạt động, số lượng cổ phiếu đang lưu hành của doanh nghiệp được lấy theo năm

Chỉ số VnIndex, giá cổ phiếu, lãi suất trái phiếu chính phủ được lấy theo tháng Các

dữ liệu trên được lấy từ nguồn Datastream và Thomson Reuters

Sau khi đã có dữ liệu thì việc thứ hai phải tiến hành là xử lý dữ liệu trên phần

mềm Excel Việc xử lý dữ liệu trên Excel sẽ giúp ta tính toán tỷ suất sinh lợi của các danh mục để từ đó tính toán các biến độc lập và các biến phụ thuộc trong mô hình

Do mô hình này được thực hiện bằng cách hồi qui chuỗi thời gian do đó để kết

quả hồi qui là đáng tin cậy thì trước hết ta phải tiến hành các bài kiểm tra nhỏ Việc đầu tiên xem xét tính dừng của dữ liệu chuỗi thời gian bằng kiểm định ADF (Augmented Dickey-Fuller test) Tiếp theo ta phải tiến hành kiểm định đa cộng tuyến

bằng ma trận tương quan và kiểm định Durbin Watson

Việc cuối cùng là tiến hành hồi qui chuỗi thời gian sử dụng phương pháp OLS (Ordinary Least Squares) bằng phần mềm Stata 12.0

1.5 Kết cấu của đề tài

Đề tài này được chia làm 5 phần Phần 1 là giới thiệu tổng quan về đề tài Phần 2

sẽ trình bày cơ sở lý thuyết của đề tài Dữ liệu và phương pháp nghiên cứu sẽ được trình bày ở phần 3 Phần 4 là kết quả hồi qui và cuối cùng phần 5 là phần kết luận của

đề tài

bù đắp rủi ro dựa trên cơ sở rủi ro hệ thống của chứng khoán đó Còn rủi ro không hệ thống không được xem xét trong mô hình này do nhà đầu tư có thể xây dựng danh

mục đầu tư đa dạng hoá để loại bỏ loại rủi ro này

Mô hình CAPM do William Sharpe phát triển từ những năm 1960 và đã có được nhiều ứng dụng từ đó đến nay Mặc dù còn có một số mô hình khác nỗ lực giải thích động thái thị trường nhưng mô hình CAPM là mô hình đơn giản về mặt khái

niệm và có khả năng ứng dụng sát thực với thực tiễn Cũng như bất kỳ mô hình nào khác, mô hình này cũng chỉ là một sự đơn giản hoá hiện thực bằng những giả định

cần thiết, nhưng nó vẫn cho phép chúng ta rút ra những ứng dụng hữu ích

2.1.2 Những giả định

Mô hình luôn bắt đầu bằng những giả định cần thiết Những giả định có tác

dụng làm đơn giản hoá nhưng vẫn đảm bảo không thay đổi tính chất của vấn đề Trong mô hình CAPM, chúng ta lưu ý có những giả định sau:

• Thị trường vốn là hiệu quả ở chỗ nhà đầu tư được cung cấp thông tin đầy đủ, chi phí giao dịch không đáng kể, không có những hạn chế đầu tư, và không có nhà đầu tư nào đủ lớn để ảnh hưởng đến giá cả của một loại chứng khoán nào đó Nói khác đi, giả định thị trường vốn là thị trường hiệu quả và hoàn hảo

• Nhà đầu tư kỳ vọng nắm giữ chứng khoán trong thời kỳ 1 năm và có hai cơ

hội đầu tư: đầu tư vào chứng khoán phi rủi ro và đầu tư vào danh mục cổ phiếu thường trên thị trường

2.1.3 Nội dung của mô hình CAPM

Lợi nhuận kỳ vọng của một chứng khoán có quan hệ đồng biến với rủi ro của

chứng khoán đó, nghĩa là nhà đầu tư kỳ vọng các chứng khoán rủi ro cao sẽ có lợi nhuận cao và ngược lại Hay nói khác đi, nhà đầu tư giữ chứng khoán có rủi ro cao

chỉ khi nào lợi nhuận kỳ vọng đủ lớn để bù đắp rủi ro β là hệ số dùng để đo lường rủi ro của một chứng khoán Do đó, lợi nhuận kỳ vọng của một chứng khoán có quan

hệ đồng biến với hệ số β của nó

Giả sử rằng thị trường tài chính hiệu quả và nhà đầu tư đa dạng hoá danh mục đầu tư sao cho rủi ro không hệ thống là không đáng kể Như vậy, chỉ còn rủi ro toàn

hệ thống ảnh hưởng đến lợi nhuận của cổ phiếu Cổ phiếu có beta càng lớn thì rủi ro càng cao, do đó, đòi hỏi lợi nhuận cao để bù đắp rủi ro Theo mô hình CAPM mối quan hệ giữa lợi nhuận và rủi ro được diễn tả bởi công thức sau:

Ri = RF + (RM – RF)* βi (2.1)

Trong đó Ri là tỷ suất sinh lợi kỳ vọng của một danh mục tài sản i bất kỳ RF

là lợi nhuận phi rủi ro, RM là lợi nhuận kỳ vọng của danh mục thị trường và βi là hệ

số beta của tài sản i

Phương trình (2.1), biểu diễn nội dung mô hình CAPM, có dạng hàm số bậc

nhất y = b + ax với biến phụ thuộc là Ri, biến độc lập là βi và hệ số góc là (RM –RF)

Về mặt hình học, mối quan hệ giữa lợi nhuận kỳ vọng cổ phiếu và hệ số rủi ro beta được biểu diễn bằng đường thẳng có tên gọi là đường thị trường chứng khoán SML (Security Market Line) Hình 2.1 mô tả quan hệ giữa lợi nhuận kỳ vọng của chứng khoán với hệ số beta của nó

Hình 2.1 Mối quan hệ giữa lợi nhuận chứng khoán với Beta

Ngu ồn: Trần Ngọc Thơ, 2007, Tài chính doanh nghiệp hiện đại

Tù công thức 2.1 và hình 2.1 chúng ta có thể rút ra một số điều quan trọng sau đây:

• Beta bằng 0: Lợi nhuận kỳ vọng của chứng khoán có beta bằng 0 chính là lợi nhuận phi rủi ro (RF), bởi vì trong trường hợp này:

2.1.4 Ưu nhược điểm của mô hình CAPM

Mô hình CAPM có ưu điểm là đơn giản và có thể ứng dụng được trong thực tế Tuy nhiên, cũng như nhiều mô hình khác CAPM không tránh khỏi những hạn chế

và sự chỉ trích Sau đây là một vài hạn chế nổi bật của mô hình CAPM

 Những phát hiện bất thường khi áp dụng CAPM

Một số học giả khi áp dụng mô hình CAPM đã phát hiện ra một số điều bất thường khiến CAPM không còn đúng như trường hợp bình thường Những điều bất thường

đó bao gồm:

Ảnh hưởng của qui mô công ty: người ta phát hiện ra rằng cổ phiếu của những công ty có giá trị vốn hóa nhỏ đem lại lợi nhuận cao hơn so với cổ phiếu của các công

ty có giá trị vốn hóa thị trường lớn, nếu những yếu tố khác là như nhau

Ảnh hưởng của tỷ số P/E và M/B (Market-to-Book): người ta cũng thấy rằng

cổ phiếu của các công ty có tỷ số P/E và M/B thấp đem lại lợi nhuận cao hơn so với

cổ phiếu của các công ty có tỷ số P/E và M/B cao

Hiệu ứng tháng Giêng: những người nào nắm giữ cổ phiếu trong khoảng thời gian từ tháng 12 đến tháng 1 năm sau thường có lợi nhuận cao hơn so với những tháng khác Tuy nhiên, người ta cũng lưu ý mặc dù hiệu ứng tháng Giêng được tìm thấy trong nhiều năm nhưng không phải năm nào cũng xảy ra

2.1.5 Những nghiên cứu, phát hiện của Fama và French

Eugene Fama và Kenneth French tiến hành nghiên cứu thực nghiệm về quan hệ giữa lợi nhuận của cổ phiếu với qui mô công ty, tỷ số B/M và hệ số beta Kết quả

kiểm định dựa vào số liệu của các công ty trên sàn giao dịch chứng khoán Mỹ trong

thời kỳ 1963 – 1990 Kết quả cho thấy rằng các biến qui mô công ty và tỷ số B/M là

những biến ảnh hưởng mạnh đến lợi nhuận cổ phiếu Khi những biến này được đưa vào phân tích hồi qui trước rồi mới thêm biến beta vào thì kết quả cho thấy rằng biến beta không mạnh bằng các biến kia trong việc giải thích lợi nhuận cổ phiếu Điều này

khiến giáo sư Fama, một giáo sư có uy tín, đi đến kết luận rằng beta không phải là

biến duy nhất giải thích lợi nhuận Ông phát động cuộc tấn công vào khả năng sử

dụng mô hình CAPM để giải thích lợi nhuận cổ phiếu và đề nghị rằng biến qui mô và

biến tỷ số B/M thích hợp để giải thích lợi nhuận hơn là biến rủi ro

2.2 Mô hình Fama – French ba nhân tố

2.2.1 Giới thiệu

Mô hình ba nhân tố của Fama – French ra đời vào năm 1993, nhưng ý tưởng

để xây dựng mô hình này lại có từ trước đó rất lâu bắt nguồn từ các nghiên cứu thực nghiệm dựa trên mô hình CAPM Cụ thể là vào năm 1973, Fama và Macbeth đã tiến hành kiểm nghiệm mô hình CAPM với các công ty niêm yết trên sàn chứng khoán

của Mỹ trong giai đoạn 1926 – 1968 Kết quả nghiên cứu cho thấy, mặc dù có mối quan hệ đồng biến giữa tỷ suất sinh lời (TSSL) trung bình của chứng khoán với hệ số

β nhưng mối tương quan này không hoàn toàn giống với dự báo của mô hình CAPM

Sau đó, một nghiên cứu khác của Fama – French được công bố vào năm 1992

dựa trên mô hình tổng hợp tất cả các yếu tố có thể ảnh hưởng tới TSSL chứng khoán như qui mô công ty, đòn bẩy tài chính, tỷ số P/E, tỷ số B/M và hệ số β của các công

ty niêm yết trên thị trường chứng khoán Mỹ Hai ông thấy rằng mối quan hệ giữa β

và TSSL trung bình là không cao trong suốt thời kỳ 1963 – 1990, ngay cả khi chỉ dùng β để giải thích cho TSSL trung bình Trong khi đó, các kiểm định lần lượt giữa TSSL trung bình với qui mô công ty, hệ số đòn bẩy tài chính, tỷ số PE và tỷ số B/M cho thấy rằng tất cả các biến này đều quan trọng trong việc giải thích TSSL trung bình của chứng khoán Kết quả cuối cùng, hai ông chỉ ra rằng nhân tố qui mô công ty

và tỷ số B/M là các nhân tố có tác động lớn nhất tới TSSL trung bình, trong khi đó vai trò của các nhân tố khác như đòn bẩy tài chính và tỷ số P/E bị che lấp khi đưa hai nhân tố này vào mô hình

Từ kết quả của những nghiên cứu trên, khi xét đến vai trò của β trong việc giải thích sự biến động của TSSL, Fama – French (1992) đã đi đến kết luận rằng biến β

trong mô hình CAPM không thể phản ánh toàn bộ sự biến động của TSSL và cần có

một mô hình khác phù hợp hơn

Tiếp tục công trình nghiên cứu này, năm 1993 Fama – French đã công bố mô hình định giá tài sản ba nhân tố nổi tiếng của mình Trong mô hình này, ngoài nhân

tố thị trường của mô hình CAPM, hai ông đã bổ sung thêm hai nhân tố khác là nhân

tố qui mô – được đại diện bởi giá trị vốn hóa thị trường của công ty và nhân tố giá trị

- được đại diện bởi tỷ số giá trị sổ sách trên giá trị thị trường của vốn cổ phần B/M Không những thế, sau khi công bố mô hình tác giả còn tiến hành kiểm nghiệm khả năng dự báo của mô hình và tiếp tục thực hiện hai kiểm nghiệm thực tế nữa vào các năm 1996 và 2000 Kết quả cho thấy mô hình ba nhân tố hiệu quả hơn so với mô hình CAPM trong việc giải thích TSSL trung bình của chứng khoán

2.2.2 Nội dung mô hình ba nhân tố

Fama và French đã bắt đầu nghiên cứu của mình bằng việc quan sát hai nhóm chứng khoán có xu hướng nhìn chung là tốt hơn so với thị trường, bao gồm các chứng khoán có giá trị vốn hóa nhỏ và các chứng khoán có tỷ số giá trị sổ sách trên giá trị

thị trường cao – được gọi là “cổ phiếu giá trị”, ngược với chúng là các “cổ phiếu tăng trưởng” Tuy nhiên chỉ với hai nhân tố này thì không thể giải thích được sự chênh lệch lớn giữa TSSL trung bình của chứng khoán với lãi suất phi rủi ro Phần còn lại được giải thích bởi nhân tố thị trường Với mẫu của Fama – French, thì chênh lệch

giữa TSSL ước tính và TSSL kỳ vọng dựa trên hồi qui mô hình ba nhân tố gần bằng

0, có nghĩa là ba nhân tố này có thể giải thích tốt sự biến động của TSSL chứng khoán

2.2.3 Xây dựng mô hình ba nhân tố

Mô hình ba nhân tố được xây dựng như sau:

Vào thời điểm cuối tháng 6 của mỗi năm từ năm 1963 – 1990, tất cả chứng khoán được sắp xếp tăng dần theo qui mô của chúng Những chứng khoán nào có qui

mô nhỏ hơn mức trung bình sẽ được xếp vào nhóm có qui mô nhỏ (Small - S), còn những chứng khoán nào có qui mô lớn hơn mức trung bình sẽ được xếp vào nhóm có

qui mô lớn (Big - B) Qui mô ở đây chính là giá trị vốn hóa thị trường của công ty – được tính bằng cách lấy số lượng cổ phiếu đang lưu hành nhân với giá thị trường hiện

tại của chúng Ngoài ra, những chứng khoán này cũng được sắp xếp dựa trên tỷ số giá trị sổ sách trên giá trị thị trường – B/M của chúng Theo đó, các cổ phiếu sẽ được chia thành 3 nhóm: 30% cổ phiếu có tỷ số B/M thấp nhất được xếp vào nhóm Low –

L, 40% tiếp theo được xếp vào nhóm Medium – M, và 30% cổ phiếu có tỷ sổ B/M cao nhất được xếp vào nhóm High – H B/M của năm t được tính bằng sách lấy giá

trị sổ sách vốn cổ phần cuối năm t – 1 chia cho giá trị thị trường vốn cổ phần cuối năm t – 1

Bằng việc kết hợp 2 nhóm qui mô với 3 nhóm B/M, 6 danh mục đầu tư đa dạng hóa được hình thành

B ảng 2.1: Sáu danh mục Size – B/M

SL Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M thấp

SM Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M trung bình

SH Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M cao

BL Gồm các chứng khoán có qui mô lớn và tỷ số B/M thấp

BM Gồm các chứng khoán có qui mô lớn và tỷ số B/M trung bình

BH Gồm các chứng khoán có qui mô lớn và tỷ số B/M cao

Nguồn: Fama – French (1993)

Sau khi xây dựng các danh mục, Fama – French tiến hành tính toán các nhân tố

Nhân tố qui mô SMB (Small Minus Big): được định nghĩa là phần chênh lệch TSSL của danh mục các cổ phiếu qui mô nhỏ so với các cổ phiếu qui mô lớn

 SMB = (SL + SM + SH)/3 – (BL + BM + BH)/3

Nhân tố giá trị HML (High Minus Low): được định nghĩa là TSSL trung bình

của các danh mục gồm các chứng khoán có tỷ số B/M cao trừ TSSL trung bình của danh mục gồm các chứng khoán có tỷ số B/M thấp

 HML = (SH + BH)/2 – (SL + BL)/2

Mô hình hồi qui ba nhân tố có dạng như sau:

Ri – RF = a + b(RM – RF) + sSMB + hHML + e (2.2)

Trong đó:

 Ri là TSSL kỳ vọng của chứng khoán hay danh mục i RF là TSSL phi rủi ro,

RM là TSSL trung bình của thị trường, (RM – RF) là phần bù rủi ro thị trường

 SMB là phần bù rủi ro qui mô

 HML là phần bù rủi ro giá trị

 a là intercept

 b, s, h là hệ số hồi qui của mô hình ba nhân tố

 e là phần dư

2.2.4 Kết quả kiểm định mô hình Fama – French ba nhân tố

Kiểm định mô hình ba nhân tố được Fama – French thực hiện trên các công ty niêm yết trên sàn chứng khoán Hoa Kỳ trong khoảng thời gian từ năm 1963 – 1990

Kết quả cho thấy mô hình ba nhân tố có thể giải thích được 90% sự biến động của TSSL chứng khoán trong khi đó mô hình CAPM chỉ giải thích được khoảng 70%

Dấu của các hệ số hồi qui cho thấy mối quan hệ ngược chiều giữa qui mô với TSSL trung bình và mối tương quan cùng chiều giữa tỷ số B/M với TSSL trung bình Với cùng một mức B/M, thì TSSL giảm khi qui mô tăng, điều này có nghĩa là hệ số của nhân tố SMB là dương Với cùng một mức qui mô thì TSSL trung bình có xu hướng tăng khi tỷ số B/M tăng, tức là hệ số của nhân tố HML là dương Fama – French giải thích rằng hệ số của nhân tố SMB dương là do những doanh nghiệp có qui mô nhỏ thường chứa đựng rủi ro cao, nên các nhà đầu tư đòi hỏi một phần bù rủi ro >0 Cũng theo Fama – French, những công ty có tỷ số B/M cao thường dễ rơi vào tình trạng

kiệt quệ tài chính nhiều hơn, gây rủi ro cho nhà đầu tư do đó họ đòi hỏi một TSSL cao hơn

2.3 Mô hình Fama – French năm nhân tố

chứng khoán Mô hình chiết khấu cổ tức phát biểu rằng giá trị thị trường của một cổ phiếu là giá trị được chiết khấu của cổ tức kỳ vọng trên mỗi cổ phần

𝑚𝑡 = ∑ 𝐸(𝑑𝑡+𝜏)/(1 + 𝑟)𝜏

∞ 𝜏=1

Trong phương trình 2.3, 𝑚𝑡 là giá cổ phiếu tại thời điểm t, 𝐸(𝑑𝑡+𝜏) là cổ tức

kỳ vọng trên mỗi cổ phần trong thời kỳ t, và r là TSSL kỳ vọng trung bình của chứng khoán trong dài hạn, hoặc cụ thể hơn là TSSL nội bộ trên cổ tức kỳ vọng Phương trình 2.3 nói rằng, tại thời điểm t, nếu cổ phiếu của hai công ty có cùng một mức cổ

tức kỳ vọng, nhưng có giá khác nhau thì cổ phiếu nào có giá thấp hơn sẽ có TSSL kỳ

vọng cao hơn Nếu việc định giá là hợp lý thì cổ tức trong tương lai của cổ phiếu có giá thấp hơn sẽ có rủi ro cao hơn

Với một vài thao tác biến đổi, Fama – French có thể rút ra được hàm ý của phương trình (2.3) về mối quan hệ giữa TSSL kỳ vọng với lợi nhuận kỳ vọng, đầu tư

kỳ vọng và tỷ số B/M Miller và Modigliani (1961) cho thấy rằng tại thời điểm t giá

trị thị trường của một doanh nghiệp được cho bởi công thức:

𝑀𝑡 = ∑ 𝐸(𝑌𝑡+𝜏− 𝑑𝐵𝑡 +𝜏)/(1 + 𝑟)𝜏

∞ 𝜏=1

(2.3)

(2.4)

Trong phương trình (2.4), 𝑌𝑡+𝜏 là tổng thu nhập vốn cổ phần (lợi nhuận kỳ

vọng) trong thời kỳ t và 𝑑𝐵𝑡+𝜏 = 𝐵𝑡 +𝜏– 𝐵𝑡 +𝜏−1là sự thay đổi trong giá trị sổ sách vốn

cổ phần Chia phương trình (2.4) cho 𝐵𝑡 ta được công thức:

𝑀𝑡

𝐵𝑡 =

∑∞ 𝐸(𝑌𝑡+𝜏− 𝑑𝐵𝑡+𝜏)/(1 + 𝑟)𝜏 𝜏=1

Từ phương trình (2.5), Fama – French đã rút ra 3 kết luận về TSSL trung bình

kỳ vọng của chứng khoán Thứ nhất, khi cố định mọi thứ trong phương trình (2.5) ngoại trừ giá trị hiện tại của cổ phiếu 𝑀𝑡 và TSSL kỳ vọng r, khi đó với một giá trị

𝑀𝑡 nhỏ hơn thì TSSL kỳ vọng sẽ lớn hơn Hay nói cách khác, giá trị của tỷ số B/M càng lớn thì r sẽ càng lớn, tức là có mối quan hệ đồng biến giữa TSSL kỳ vọng và tỷ

số B/M Thứ hai, khi ta cố định tất cả các biến trong phương trình (2.5) ngoại trừ lợi nhuận tương lai và TSSL kỳ vọng Khi đó phương trình (2.5) nói với chúng ta rằng

lợi nhuận kỳ vọng cao thì TSSL kỳ vọng cũng cao, tức là có mối quan hệ đồng biến

giữa TSSL kỳ vọng và lợi nhuận kỳ vọng Kết luận cuối cùng, nếu ta cố định giá trị

của 𝐵𝑡, 𝑀𝑡 và lợi nhuận kỳ vọng thì khi đó tốc độ tăng trưởng kỳ vọng của giá trị sổ sách vốn cổ phần càng lớn thì TSSL kỳ vọng sẽ càng thấp Tức là có mối quan hệ nghịch biến giữa TSSL kỳ vọng và đầu tư (đầu tư được đại diện bởi tốc độ tăng trưởng

vốn cổ phần)

Hơn nữa Novy – Marx (2013) đã xác định được mối liên hệ mạnh mẽ giữa lợi nhuận kỳ vọng và TSSL kỳ vọng Aharoni, Zeng (2013) cũng tìm ra mối liên hệ giữa đầu tư và TSSL trung bình Các bằng chứng sẵn có cũng cho thấy rằng sự biến động trong TSSL trung bình có liên quan đến lợi nhuận và đầu tư đã không được giải thích

bởi mô hình ba nhân tố của Fama – French (1993) Điều này dẫn dắt Fama – French nghiên cứu mô hình mới trong đó thêm nhân tố lợi nhuận và đầu tư vào mô hình ba nhân tố để tạo thành mô hình năm nhân tố

2.3.2 Nội dung mô hình năm nhân tố

(2.5)

Bằng cách bổ sung hai nhân tố mới là lợi nhuận và đầu tư vào mô hình ba nhân

tố, Fama – French đã tạo ra mô hình năm nhân tố Mô hình năm nhân tố có dạng:

là phần chệnh lệch TSSL của danh mục gồm các chứng khoán có tỷ số B/M lớn so

với danh mục các chứng khoán có tỷ số B/M nhỏ RMW là phần chệnh lệch TSSL

của danh mục gồm các chứng khoán có lợi nhuận hoạt động lớn so với danh mục các chứng khoán có lợi nhuận hoạt động ít CMA là phần chệnh lệch TSSL của danh mục

gồm các công ty đầu tư ít so với danh mục các công ty đầu tư nhiều ai là intercept,

bi, si, hi, ri, ci là các hệ số hồi qui, ei là phần dư Nếu năm nhân tố có thể giải thích được tất cả sự biến thiên của TSSL chứng khoán thì khi đó ai sẽ bằng 0 tại tất cả các danh mục

2.4 Kết quả kiểm định các mô hình định giá tài sản

Black, Jensen và Scholes (1972) tiến hành kiểm định mô hình CAPM cho thị trường chứng khoán Mỹ giai đoạn từ 1931 – 1965, bằng việc sử dụng lợi nhuận của các danh mục theo tháng, nhóm tác giả đã tìm thấy mối quan hệ tuyến tính giữa TSSL

và hệ số beta của các danh mục Điều này có nghĩa là khi rủi ro của danh mục càng cao thì lợi nhuận của nó cũng sẽ cao tương ứng

Nima Billou (2004) tiến hành đánh giá và so sánh tính hiệu quả của mô hình CAPM và mô hình Fama – French ba nhân tố trên thị trường chứng khoán Mỹ Dữ liệu của nghiên cứu này được lấy từ website của Ken French, tập hợp tất cả các cổ phiếu từ ba sàn chứng khoán lớn ở Mỹ là NYSE, AMEX VÀ NASDAQ Tác giả đã

cập nhật dữ liệu nghiên cứu của Fama – French (1996) trong khoảng thời gian từ năm

1963 – 2003, để kiểm tra xem liệu rằng mô hình ba nhân tố có còn hiệu quả hơn so

với mô hình CAPM giống như kết luận mà Fama – French (1996) đã đưa ra hay không Kết quả cho thấy mô hình CAPM có thể giải thích được 72% biến động của TSSL chứng khoán tại thị trường Mỹ trong giai đoạn 1963 – 2003, còn với mô hình

3 nhân tố, con số này là 89% Điều này chứng tỏ mô hình ba nhân tố hiệu quả hơn so

với mô hình CAPM Ngoài ra, hai nhân tố qui mô và giá trị có ảnh hưởng rất lớn tại

thị trường Mỹ

Fama – French (2015) tiến hành kiểm định hiệu quả của mô hình năm nhân tố tại

thị trường chứng khoán Hoa Kỳ trong khoảng thời gian từ tháng 7 năm 1963 tới tháng

12 năm 2013 Kết quả cho thấy mô hình năm nhân tố hiệu quả hơn so với mô hình ba nhân tố trong việc giải thích sự biến động của tỷ suất sinh lời chứng khoán Mô hình năm nhân tố có thể giải thích được từ 71% đến 94% sự biến thiên của tỷ suất sinh lời

kỳ vọng trên thị trường chứng khoán Hoa Kỳ Một kết quả khác cũng đáng chú ý là sau khi thêm hai nhân tố mới là nhân tố lợi nhuận và đầu tư vào mô hình thì nhân tố giá trị HML trở nên dư thừa, bằng chứng là hiệu quả của mô hình năm nhân tố và mô hình bốn nhân tố (mô hình năm nhân tố bỏ đi nhân tố HML) không thay đổi Tuy nhiên, tác giả cũng lưu ý rằng nhân tố HML trở nên dư thừa trong mô hình năm nhân

tố có thể là do đặc điểm của mẫu và cần có các nghiên cứu khác sử dụng bộ dữ liệu khác để kiểm chứng điều này

Nusret Cakici (2015) tiến hành kiểm định hiệu quả của mô hình năm nhân tố trên thị trường chứng khoán của 23 nước phát triển trên thế giới Thời gian nghiên cứu là

từ tháng 7 năm 1992 tới tháng 12 năm 2014 Tác giả sử dụng mô hình ba nhân tố, mô hình bốn nhân tố và mô hình năm nhân tố để giải thích TSSL của các danh mục tại

từng quốc gia cũng như toàn cầu Kết quả cho thấy rằng, mô hình năm nhân tố ở Bắc

Mỹ, Châu Âu và thị trường quốc tế có chung kết quả với thị trường chứng khoán Hoa

Kỳ Nhưng kết quả về nhân tố lợi nhuận và đầu tư cho thấy rằng hai nhân tố mới này không xuất hiện hoặc tác động rất yếu tại thị trường Nhật Bản và Châu Á Thái Bình Dương Kết quả cũng cho thấy rằng hiệu quả của mô hình tại khu vực thì tốt hơn so

với toàn cầu Điều này hàm ý rằng thị trường tài chính của các nước vẫn chưa hội

nhập đầy đủ với thị trường tài chính toàn cầu Với việc thêm vào hai nhân tố mới thì nhân tố giá trị trở nên dư thừa tại Bắc Mỹ, Châu Âu và thị trường toàn cầu, chung kết

quả với thị trường Hoa Kỳ Tuy nhiên, tại thị trường Châu Á và Nhật Bản tầm quan trọng của nhân tố giá trị HML không hề bị giảm đi khi thêm vào mô hình hai nhân tố

mới

Dominykas Gruodis (2015) tiến hành kiểm định hiệu quả của mô hình năm nhân

tố tại thị trường chứng khoán Thụy Điển Mẫu dữ liệu là 662 công ty niêm yết trên

thị trường chứng khoán Thụy Điển, thời gian nghiên cứu là từ tháng 7 năm 1991 đến tháng 12 năm 2014 Kết quả bài nghiên cứu cho thấy, mô hình năm nhân tố hiệu quả hơn so với mô hình ba nhân tố trong việc giải thích sự biến thiên TSSL kỳ vọng trên

thị trường chứng khoán Thụy Điển, kết quả này giống với thị trường chứng khoán Hoa Kỳ Tuy nhiên, không có bằng chứng cho thấy, nhân tố giá trị HML trở nên dư

thừa khi thêm vào mô hình hai nhân tố mới tại thị trường chứng khoán Thụy Điển Xiaoxiao Zheng (2015) tiến hành kiểm định hiệu quả của các mô hình định giá tài

sản tại thị trường chứng khoán Australia Ngoài việc sử dụng mô hình ba nhân tố và

mô hình năm nhân tố của Fama – French, tác giả còn sử dụng mô hình năm nhân tố trong đó nhân tố lợi nhuận RMW được tính theo Novy – Marx (2013) Mẫu nghiên

cứu là các công ty niêm yết trên sàn giao dịch chứng khoán Australia trong khoảng

thời gian từ năm 2001 đến năm 2012 Kết quả cho thấy, mô hình năm nhân tố của Fama – French là hiệu quả nhất trong các mô hình định giá tài sản tại thị trường chứng khoán Australia Mô hình năm nhân tố của Fama – French có thể giải thích được 75.39% sự biến động của TSSL kỳ vọng của chứng khoán, trong khi đó mô hình năm nhân tố của Novy – Marx có thể giái thích được 74.93% Kết quả cũng cho thấy, nhân

tố giá trị HML vẫn có ý nghĩa thống kê khi hai nhân tố mới được thêm vào mô hình Điều này hàm ý rằng, nhân tố giá trị HML không phải nhân tố dư thừa trong việc giải thích sự biến động của TSSL kỳ vọng tại thị trường chứng khoán Australia

Tại thị trường Việt Nam cũng có nhiều bài nghiên cứu về các mô hình định giá tài sản, tiêu biểu là những nghiên cứu của: Vương Đức Hoàng Quân, Hồ Thị Huê (2008), Nguyễn Thu Hằng và Nguyễn Mạnh Hiệp (2012), Võ Hồng Đức và Mai Duy Tân (2014)

Vương Đức Hoàng Quân và Hồ Thị Huê (2008) nghiên cứu mẫu gồm 28 doanh nghiệp phi tài chính từ tháng 1/2005 đến tháng 3/2008 Kết quả khá tương đồng so

với nghiên cứu tại Mỹ 𝑅2 của mô hình ba nhân tố cao hơn hẳn so với mô hình CAPM Tuy nhiên, bài nghiên cứu này có một số nhược điểm: mẫu nghiên cứu có quá ít cổ phiếu, thời gian nghiên cứu quá ngắn, các biến độc lập có tương quan cao, việc xây

dựng các danh mục để tính toán các nhân tố phần bù rủi ro qui mô và phần bù rủi ro giá trị có nhiều điểm khác biệt so với Fama và French (1993)

Nguyễn Thu Hằng và Nguyễn Mạnh Hiệp (2012) đã tiến hành kiểm định với mẫu gồm 235 công ty niêm yết trên sàn giao dịch chứng khoán Thành phố Hồ Chí Minh trong giai đoạn từ tháng 7/2007 đến tháng 6/2012 Nghiên cứu chỉ ra rằng trong giai đoạn thị trường tăng trưởng, ba nhân tố của mô hình Fama – French giải thích tốt biến động của TSSL trên thị trường chứng khoán Việt Nam Bên cạnh đó, trong ba nhân

tố thì nhân tố thị trường có tác động mạnh nhất Điều này gợi ý rằng, khi thị trường tăng trưởng nhà đầu tư có thể dựa vào mô hình ba nhân tố để xác định TSSL kỳ vọng khi đầu tư vào chứng khoán Tuy nhiên, trong giai đoạn suy thoái, mô hình ba nhân

tố tỏ ra chưa hiệu quả trong việc giải thích TSSL thể hiện qua giá trị của intercepts trong phân tích hồi qui còn rất lớn

Gần đây, Võ Hồng Đức và Mai Duy Tân (2014) nghiên cứu về sự phù hợp của

mô hình năm nhân tố của Fama – French cho thị trường chứng khoán Việt Nam với hai nhân tố mới được bổ sung vào mô hình ba nhân tố là nhân tố lợi nhuận và nhân

tố đầu tư Mẫu nghiên cứu là các cổ phiếu trên sàn Thành phố Hồ Chí Minh giai đoạn

2007 – 2013 Kết quả cho thấy rằng nhân tố thị trường có tác động tích cực đến TSSL của toàn bộ 14 danh mục, hệ số ước lượng cho phần bù rủi ro thị trường đúng như kỳ

vọng và đều có ý nghĩa thống kê Nhân tố qui mô và giá trị có tác động tích cực nhưng

chỉ ở một số danh mục, hệ số ước lượng không có ý nghĩa thống kê Trong hai nhân

tố mới được thêm vào thì nhân tố lợi nhuận giải thích tốt cho TSSL, còn nhân tố đầu

tư có kết quả ngược kỳ vọng ở cả 14 danh mục và không có ý nghĩa thống kê ở 2 danh mục

Các nghiên cứu trên đã cung cấp cái nhìn đa chiều về hiệu quả của các mô hình định giá tài sản ở các giai đoạn khác nhau của Việt Nam Các nghiên cứu đều khẳng định vai trò của nhân tố thị trường trong việc giải thích TSSL chứng khoán Bên cạnh

đó, các nhân tố khác cũng thể hiện vai trò nhất định của mình Khuyết điểm của những nghiên cứu trên là lẫy mẫu quá ít chứng khoán, thời giai nghiên cứu ngắn dẫn đến kết

quả nghiên cứu còn nhiều hạn chế Vì vậy, việc đưa thêm các nhân tố mới vào mô hình, đồng thời mở rộng mẫu và thời gian nghiên cứu là cần thiết để có thể nhìn nhận

và phát hiện ra những quy luật mới, tác động của từng nhân tố tới TSSL chứng khoán

một cách đầy đủ hơn

Như vậy các nghiên cứu về mô hình định giá tài sản trên thế giới cũng như ở Việt Nam đã cung cấp một cơ sở lý luận, phương pháp luận để kiểm định khả năng giải thích TSSL chứng khoán của các mô hình Đây sẽ là nền tảng kinh nghiệm và là cơ

sở để so sánh, đối chiếu khi thực hiện các nghiên cứu khác

3 Phương pháp nghiên cứu

Đề tài này sẽ được thực hiện theo phương pháp giống như của Fama và French

2015 để kiểm định hiệu quả của mô hình năm nhân tố tại thị trường chứng khoán Việt Nam Các bước thực hiện được tiến hành như sau:

Thứ nhất là thu thập các dữ liệu cần thiết cho bài nghiên cứu Các dữ liệu cho bài nghiên cứu này gồm có: Tổng tài sản, giá trị sổ sách, vốn hóa thị trường, lợi nhuận

hoạt động, số lượng cổ phiếu đang lưu hành của doanh nghiệp được lấy theo năm

Chỉ số VnIndex, giá cổ phiếu, lãi suất trái phiếu chính phủ được lấy theo tháng Các

dữ liệu trên được lấy từ nguồn Datastream và Thomson Reuters

Sau khi đã có dữ liệu thì việc thứ hai phải tiến hành là xử lý dữ liệu trên phần mềm Excel Việc xử lý dữ liệu trên Excel sẽ giúp ta tính toán tỷ suất sinh lợi của các danh mục để từ đó tính toán các biến độc lập và các biến phụ thuộc trong mô hình

Do mô hình này được thực hiện bằng cách hồi qui chuỗi thời gian do đó để kết

quả hồi qui là đáng tin cậy thì trước hết ta phải tiến hành các bài kiểm tra nhỏ Việc đầu tiên xem xét tính dừng của dữ liệu chuỗi thời gian bằng kiểm định ADF (Augmented Dickey-Fuller test) Tiếp theo ta phải tiến hành kiểm định đa cộng tuyến bằng ma trận tương quan và kiểm định Durbin Watson

Việc cuối cùng là tiến hành hồi qui chuỗi thời gian sử dụng phương pháp OLS (Ordinary Least Squares) bằng phần mềm Stata 12.0

3.1 Mô hình nghiên cứu

Bài nghiên cứu này được thực hiện bằng cách hồi qui chuỗi thời gian sử dụng phương pháp hồi qui OLS Mô hình hồi qui có dạng:

Rit – RFt = ai + biMKT + siSMB + hiHML + riRMW + ciCMA + ei

Trong đó:

Ri là TSSL của danh mục i trong khoảng thời gian t RF là TSSL phi rủi ro được đại diện bằng lãi suất trái phiếu chính phủ kỳ hạn một năm MKT là nhân tố thị

trường được đại diện bằng TSSL vượt trội của danh mục thị trường SMB là nhân tố qui mô được tính bằng TSSL của các danh mục cổ phiếu qui mô nhỏ trừ TSSL của các danh mục cổ phiếu qui mô lớn HML là nhân tố giá trị được tính bằng TSSL của các danh mục cổ phiếu có tỷ số B/M cao trừ TSSL của các danh mục cổ phiếu có tỷ

số B/M thấp RMW là nhân tố lợi nhuận được tính bằng TSSL của các danh mục cổ phiếu lợi nhuận cao trừ TSSL của các danh mục cổ phiếu lợi nhuận thấp CMA là nhân tố nhân tố đầu tư được tính bằng TSSL của các danh mục cổ phiếu đầu tư ít trừ TSSL của các danh mục cổ phiếu đầu tư nhiều a là intercept, b, s, h, r, c là các hệ số

hồi qui, e là phần dư

3.2 Dữ liệu nghiên cứu

Mẫu nghiên cứu gồm toàn bộ chứng khoán của các công ty phi tài chính niêm yết trên sàn giao dịch chứng khoán Việt Nam (trên cả hai sàn Hà Nội và Thành phố

Hồ Chí Minh) Thời gian nghiên cứu là từ năm 2008 đến năm 2015 Dữ liệu về công

ty gồm giá đóng cửa của chứng khoán theo tháng, giá trị sổ sách và giá trị thị trường

của chứng khoán, lợi nhuận hoạt động, tổng tài sản, số lượng cổ phiếu đang lưu hành,

chỉ số VnIndex làm đại diện cho danh mục thị trường, lãi suất trái phiếu chính phủ

kỳ hạn một năm làm đại diện cho lãi suất phi rủi ro Dữ liệu về các công ty niêm yết

của Việt Nam được lấy từ Thomson Reuters, dữ liệu vĩ mô được lấy từ Datastream

Thị trường chứng khoán Việt Nam mới được thành lập từ năm 2000, ban đầu chỉ có hai mã chứng khoán là REE và SAM được niêm yết trên sàn Thành phố Hồ Chí Minh Năm 2005 khai trương thêm sàn Hà Nội, nhưng lúc này số lượng chứng khoán trên

cả hai sàn cũng chỉ là 44 công ty niêm yết Trong bài nghiên cứu này cần một số lượng lớn chứng khoán để có thể thiết lập các danh mục đa dạng hóa, hơn nữa một vài biến cần có độ trễ một hoặc hai năm nên tôi quyết định lựa chọn thời gian nghiên cứu là từ năm 2008 đến năm 2015 Số lượng chứng khoán niêm yết trên thị trường tăng theo từng năm nên số lượng chứng khoán trong mẫu của tôi cũng biến đổi theo năm Sau khi loại bỏ những công ty mà dữ liệu ít hơn 24 quan sát hàng tháng liên tục (cùng phương pháp với Fama – French 1993) Cuối cùng số lượng chứng khoán tôi

sử dụng trong nghiên cứu được thể hiện trong bảng 3.1 Bắt đầu từ năm 2008 chỉ với

186 cổ phiếu, nhưng con số này đã gia tăng đều đặn qua các năm và tới năm 2015 thì

số lượng chứng khoán trong mẫu đã lên tới 574 mã

B ảng 3.1: Số lượng cổ phiếu được sử dụng trong bài nghiên cứu qua các năm

Số lượng cổ phiếu qua các năm

Mục đích của bài nghiên cứu này là thực hiện các bài kiểm định thực nghiệm

của mô hình 5 nhân tố và kiểm tra xem các nhân tố có thể giải thích tốt như thế nào TSSL trung bình các danh mục chứng khoán được đa dạng hóa Tôi bắt đầu bằng việc xác định các biến được sử dụng trong việc hình thành các danh mục chứng khoán và các nhân tố rủi ro Tất cả các biến được liệt kê bên dưới được tính toán độc lập đối

với mỗi cổ phiếu và sau đó kết hợp lại với nhau để hình thành nên các danh mục đầu

tư, các nhân tố được sử dụng trong mô hình

TSSL của chứng khoán được tính theo công thức:

Chỉ số VnIndex được sử dụng để làm đại diện cho danh mục thị trường nên TSSL của danh mục thị trường được tính theo công thức sau:

𝑟𝑚𝑡 = VnIndex𝑡 − VnIndex𝑡−1

VnIndex𝑡−1 Trong đó: 𝑟𝑚𝑡 là TSSL của danh mục thị trường tại thời điểm t, VnIndex𝑡 là

chỉ số VnIndex tại thời điểm cuối tháng t, VnIndex𝑡 −1 là chỉ số VnIndex tại thời điểm

cuối tháng t – 1

Fama – French (1993) sử dụng lãi suất trái phiếu chính phủ Mỹ kỳ hạn một tháng làm đại diện cho lãi suất phi rủi ro Trong trường hợp của Việt Nam, do lãi suất trái phiếu chính phủ Việt Nam không có kỳ hạn theo tháng nên tôi sử dụng lãi suất trái phiếu chính phủ kỳ hạn một năm tần suất lấy theo tháng để làm đại diện cho lãi

suất phi rủi ro

Giá trị thị trường của vốn chủ sở hữu (ME) là giá đóng cửa của cổ phiếu nhân

với số lượng cổ phiếu đang lưu hành Nó được tính toán tại thời điểm cuối mỗi tháng

và được sử dụng để tính toán TSSL và tỷ số B/M

Giá trị sổ sách của vốn chủ sở hữu (BE) là giá trị sổ sách của vốn cổ phần thường, cộng với các khoản thuế được hoãn lại Về cơ bản thì nó giống như trong nghiên cứu của Fama – French (1993, 2015), họ có giá trị sổ sách của vốn chủ sở hữu được tính bằng vốn cổ đông thường cộng với các khoản thuế được hoãn lại và tín

dụng đầu tư, trừ đi giá trị sổ sách của cổ phần ưu đãi Các biến được dùng để tính toán BE và tất cả các dữ liệu kế toán khác được dùng trong nghiên cứu này được thu

thập trên cơ sở hằng năm vào cuối mỗi năm tài chính của các công ty tương ứng

Qui mô (Size) được dùng để xây dựng các danh mục tại tháng 6 của năm t dựa trên mức vốn hóa thị trường của công ty Do đó, tại thời điểm cuối tháng 6 giá trị của

ME cho năm t được sử dụng để đo lường qui mô của công ty

Sizet = MEt (3.3)

(3.2)

Tỷ số B/M được sử dụng để hình thành các danh mục tại tháng 6 của năm t và được tính toán dựa trên việc so sánh giá trị sổ sách so với giá trị thị trường của nó Giá trị B/M của năm t được tính là BE tại thời điểm cuối năm tài chính của năm t-1, chia cho ME tại thời điểm cuối tháng 12 năm t-1

B/Mt = 𝐵𝐸𝑡−1

𝑀𝐸𝑡−1

Lợi nhuận hoạt động (LNHĐ) được đo bằng doanh thu hằng năm trừ đi giá

vốn hàng bán, chi phí lãi vay, chi phí bán hàng, chi phí quản lý Nhân tố lợi nhuận (OP) được dùng để xây dựng các danh mục vào tháng 6 của năm t dựa trên việc lợi nhuận hoạt động của công ty là nhiều hay ít so với qui mô giá trị sổ sách vốn chủ sở hữu của chúng OP của doanh nghiệp tại năm t bằng lợi nhuận hoạt động chia cho

BE, tất cả lấy từ thời điểm kết thúc năm tài chính t-1

Profitability - OP Weak (W) Neutral (N) Robust ( R )

Ngu ồn: Fama – French (2015)

Tại thời điểm cuối của tháng 6 của năm t, tất cả công ty được sắp xếp theo thứ

tự tăng dần dựa trên qui mô của chúng Qui mô (Size) được chia thành hai nhóm, các công ty có qui mô nhỏ hơn giá trị trung bình của thị trường được xếp vào nhóm có qui mô nhỏ (Small – S), các công ty có qui mô lớn hơn giá trị trung bình của thị trường được xếp vào nhóm có qui mô lớn (Big – B) Trong năm đó, cũng những công

ty đó được sắp xếp độc lập dựa trên tỷ số B/M của chúng Tỷ số B/M được chia thành

3 nhóm 30% công ty có tỷ số B/M nhỏ nhất được xếp vào nhóm B/M thấp (Low – L) 40% các cổ phiếu tiếp theo được xếp vào nhóm B/M trung bình (Medium – M) 30% cổ phiếu có tỷ số B/M cao nhất được đưa vào nhóm B/M cao (High – H)

Sự kết hợp của hai nhóm qui mô với ba nhóm B/M tạo thành sáu danh mục đầu tư đa dạng hóa:

Việc sắp xếp các cổ phiếu dựa trên lợi nhuận cũng tương tự như tỷ số B/M

Cụ thể, các công ty được xếp vào ba nhóm lợi nhuận 30% công ty có lợi nhuận thấp

nhất được xếp vào nhóm lợi nhuận thấp (Weak – W) 40% công ty tiếp theo được xếp vào nhóm trung bình (Neutral – N) 30% công ty có lợi nhuận cao nhất được xếp vào nhóm lợi nhuận cao (Robust – R)

B ảng 3.3: Các danh mục Size – B/M

SL Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M thấp

SM Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M trung bình

SH Gồm các chứng khoán có qui mô nhỏ và tỷ số B/M cao

BL Gồm các chứng khoán có qui mô lớn và tỷ số B/M thấp

BM Gồm các chứng khoán có qui mô lớn và tỷ số B/M trung bình

BH Gồm các chứng khoán có qui mô lớn và tỷ số B/M cao

Ngu ồn: Fama – French (2015)

Khi kết hợp hai nhóm qui mô với ba nhóm lợi nhuận thì được sáu danh mục đầu tư đa dạng hóa:

B ảng 3.4: Các danh mục Size – OP

SW Gồm các chứng khoán có qui mô nhỏ và lợi nhuận thấp

SN Gồm các chứng khoán có qui mô nhỏ và lợi nhuận trung bình

SR Gồm các chứng khoán có qui mô nhỏ và lợi nhuận cao

BW Gồm các chứng khoán có qui mô lớn và lợi nhuận thấp

BN Gồm các chứng khoán có qui mô lớn và lợi nhuận trung bình

BR Gồm các chứng khoán có qui mô lớn và lợi nhuận cao

Ngu ồn: Fama – French (2015)

Việc sắp xếp các cổ phiếu dựa trên đầu tư cũng tương tự như tỷ số B/M Cụ

thể, các công ty được xếp vào ba nhóm đầu tư 30% công ty có đầu tư thấp nhất được

xếp vào nhóm bảo thủ (Conservative - C) 40% công ty tiếp theo được xếp vào nhóm trung bình (Neutral – N) 30% công ty có đầu tư cao nhất được xếp vào nhóm năng động (Aggressive - A)

Bằng việc kết hợp hai nhóm qui mô với 3 nhóm đầu tư, ta tạo ra được sáu danh

mục đầu tư đa dạng hóa:

B ảng 3.5: Các danh mục Size – INV

SC Gồm các chứng khoán có qui mô nhỏ và đầu tư thấp

SN Gồm các chứng khoán có qui mô nhỏ và đầu tư trung bình

SA Gồm các chứng khoán có qui mô nhỏ và đầu tư cao

BC Gồm các chứng khoán có qui mô lớn và đầu tư thấp

BN Gồm các chứng khoán có qui mô lớn và đầu tư trung bình

BA Gồm các chứng khoán có qui mô lớn và đầu tư cao

Nguồn: Fama – French (2015)

Sau khi đã thiết lập được 18 danh mục đầu tư đa dạng hóa, tôi tiến hành tính TSSL của các danh mục này TSSL của một danh mục là trung bình TSSL của các chứng khoán có trong danh mục đó Tôi tính chúng trên cơ sở hàng tháng

3.5 Xây dựng các nhân tố

Việc xây dựng các nhân tố dựa trên các danh mục được sắp xếp như ở phần trên Trong đó, qui mô thì được chia thành hai nhóm, còn các nhân tố khác thì được chia thành ba nhóm Fama – French (1993) giới thiệu mô hình ba nhân tố với nhân tố

phần bù rủi ro của thị trường (RM – RF), nhân tố qui mô SMB (Small Minus Big), nhân tố giá trị HML (High Minus Low) Fama – French (2015) bổ sung thêm hai nhân tố mới cho mô hình ba nhân tố, đó là nhân tố lợi nhuận RMW (Robust Minus

Weak) và nhân tố đầu tư CMA (Conservative Minus Aggressive) Bảng 3.6 mô tả các

bước tính toán các nhân tố cho thị trường chứng khoán Việt Nam

CMA = (SC + BC)/2 – (SA + BA)/2

Ngu ồn: Fama – French (2015)

Dựa trên sáu danh mục kết hợp giữa qui mô và tỷ số B/M, ta tính được SMBB/M

là TSSL trung bình của ba danh mục cổ phiếu nhỏ trừ TSSL trung bình của ba danh

mục cổ phiếu lớn Nhân tố giá trị HML là TSSL trung bình của hai danh mục có tỷ

số B/M lớn trừ TSSL trung bình của hai danh mục có tỷ số B/M nhỏ

Dựa trên sáu danh mục kết hợp giữa qui mô và lợi nhuận, ta tính được SMBOP

là TSSL trung bình của ba danh mục cổ phiếu nhỏ trừ TSSL trung bình của ba danh mục cổ phiếu lớn Nhân tố lợi nhuận RMW là TSSL trung bình của hai danh mục các

cổ phiếu có lợi nhuận cao trừ TSSL trung bình của hai danh mục các cổ phiếu có lợi nhuận thấp

Dựa trên sáu danh mục kết hợp giữa qui mô và đầu tư, ta tính được SMBINV là TSSL trung bình của ba danh mục cổ phiếu nhỏ trừ TSSL trung bình của ba danh mục cổ phiếu lớn Nhân tố đầu tư CMA là TSSL trung bình của hai danh mục các công ty đầu tư ít trừ TSSL trung bình của hai danh mục các công ty đầu tư nhiều

Nhân tố qui mô SMB là trung bình của SMBB/M, SMBOP, SMBINV

Cuối cùng là nhân tố thị trường MKT (RM – RF) là phần chênh lệch TSSL của

thị trường với lãi suất phi rủi ro Trong trường hợp của thị trường chứng khoán Việt Nam, thị trường được đại diện bằng chỉ số VnIndex, còn lãi suất phi rủi ro thì được đại diện bởi lãi suất trái phiếu chính phủ kỳ hạn một năm tần suất lấy theo tháng

4 Kết quả nghiên cứu

4.1 Thống kê mô tả

Bảng 4.1 là thống kê mô tả về các biến sử dụng trong phân tích Mười tám

biến phụ thuộc là tỷ lệ phần trăm TSSL vượt trội của các danh mục, năm biến độc lập

là phần bù rủi ro của các nhân tố Vào thời điểm cuối tháng sáu mỗi năm, các cổ phiếu được sắp xếp theo qui mô, tỷ số B/M, lợi nhuận và đầu tư Sau đó, chúng được chia thành hai nhóm qui mô, ba nhóm B/M, ba nhóm lợi nhuận và ba nhóm đầu tư Kết hợp hai nhóm qui mô với ba nhóm B/M tạo thành sáu danh mục đa dạng hóa Tương

tự, kết hợp hai nhóm qui mô với ba nhóm lợi nhuận và hai nhóm qui mô với ba nhóm đầu tư, ta được mười hai danh mục đa dạng hóa khác Tổng cộng là mười tám danh

mục TSSL của các danh mục là TSSL trung bình của các cổ phiếu có trong danh mục đó TSSL vượt trội của danh mục bằng TSSL của danh mục trừ đi lãi suất phi

rủi ro (được đại diện bởi lãi suất trái phiếu chính phủ kỳ hạn một năm) TSSL vượt

trội của các danh mục chính là các biến phụ thuộc được sử dụng trong phân tích

Việc tính toán các biến độc lập sử dụng TSSL của các danh mục Nhân tố qui

mô SMB được tính bằng cách lấy TSSL trung bình của chín danh mục cổ phiếu nhỏ

trừ đi TSSL trung bình của chín danh mục cổ phiếu lớn Nhân tố giá trị HML là TSSL trung bình của hai danh mục có tỷ số B/M lớn trừ TSSL trung bình của hai danh mục

có tỷ số B/M nhỏ Nhân tố lợi nhuận RMW là chênh lệch TSSL của hai danh mục

gồm các cổ phiếu lợi nhuận cao với hai danh mục các cổ phiếu có lợi nhuận thấp Nhân tố đầu tư CMA được tính bằng cách lấy TSSL trung bình của hai danh mục các

cổ phiếu đầu tư ít trừ TSSL trung bình của hai danh mục các cổ phiếu đầu tư nhiều