Đánh giá các mô hình định giá tài sản trong trường hợp các công ty niêm yết trên sở giao dịch chứng khoán hồ chí minh

Vì vậy, nghiên cứu này muốn thực nghiệm và tìm kiếm mô hình định giá có khả năng mô tả lợi nhuận trung bình của các cổ phiếu một cách vượt trội giữa mô hình gốc FF5 và các mô hình điều c

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

ĐỖ QUANG TRUYỀN

ĐÁNH GIÁ CÁC MÔ HÌNH ĐỊNH GIÁ TÀI SẢN TRONG TRƯỜNG HỢP CÁC CÔNG TY NIÊM YẾT TRÊN SỞ

LUẬN VĂN THẠC SỸ KINH TẾ

TP.HỒ CHÍ MINH - 2018

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

LUẬN VĂN THẠC SỸ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS VƯƠNG ĐỨC HOÀNG QUÂN

TP.HỒ CHÍ MINH - 2018

LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu khoa học độc lập của riêng tôi Các số liệu sử dụng phân tích trong luận án có nguồn gốc rõ ràng, đã công bố theo đúng quy định Các kết quả nghiên cứu trong luận văn do tôi tự tìm hiểu, phân tích một cách trung thực, khách quan và phù hợp với thực tiễn của Việt Nam Các kết quả này chưa từng được công bố trong bất kỳ nghiên cứu nào khác.

TÁC GIẢ

Đỗ Quang Truyền

DANH MỤC CHỮ VIẾT TẮT FF3 : Mô hình Fama ba nhân tố (Fama & French, 1993)

FF5 : Mô hình Fama năm nhân tố (Fama & French, 2015a)

FF5.q : Mô hình Fama năm nhân tố (Fama & French, 2015a) có điều chỉnh

nhân tố RMW theo dữ liệu quý

FF5.m : Mô hình Fama năm nhân tố (Fama & French, 2015a) có điều chỉnh

nhân tố HML theo dữ liệu tháng

FF5.mq: Mô hình Fama năm nhân tố (Fama & French, 2015a) có điều chỉnh

RMW với dữ liệu quý và HML theo dữ liệu tháng

HOSE : Sở giao dịch chứng khoán Hồ Chí Minh

SMB : Small Minus Big (Lợi nhuận của cổ phiếu nhỏ trừ lợi nhuận của cổ

phiếu lớn)

HML : High Minus Low (Lợi nhuận của cổ phiếu có giá trị cao trừ lợi nhuận

của cổ phiếu có giá trị thấp)

RMW : Robust Minus Weak (Lợi nhuận của cổ phiếu có lợi nhuận cao trừ lợi

nhuận của cổ phiếu có lợi nhuận thấp)

CMA : Conservative Minus Aggression (Lợi nhuận của cổ phiếu có đầu tư

thấp trừ lợi nhuận của cổ phiếu có đầu tư mạnh)

GRS : Kiểm định Gibson Ross Shanken

DANH MỤC BẢNG BIỂU, HÌNH VẼ, BIỂU ĐỒ Danh mục bảng biểu

Bảng 1 – Xây dựng các nhân tố SMB, HML, HML.m, RMW, RMW.q, INV 34

Bảng 2 - Bảng danh mục đầu tư 3x3 35

Bảng 3 - Thống kê mẫu nghiên cứu trên HOSE 39

Bảng 4 - Lợi nhuận trung bình vượt trội của các danh mục cấu trúc 3x3 40

Bảng 5 - Bảng hiệu ứng trong mẫu nghiên cứu 46

Bảng 6 - Bảng lợi nhuận trung bình, tương quan của các nhân tố 47

Bảng 7 - Hệ số kiểm định GRS test, P-value của GRS, R2 điều chỉnh, Mean SE, Mean abs Alpha với mỗi 09 danh mục 57

Bảng 8 - Kiểm định chi tiết nhóm danh mục lỗi 63

Bảng 9 - Bảng kiểm định nhân tố HML.m trong mô hình FF5.m và FF5.mq 66

Bảng 10 - GRS, P-value, R2 adj, Mean SE, alpha với đồng thời 45 danh mục 69

Bảng 11 - Kiểm định tính dừng của 45 danh mục 83

Bảng 12 - Vốn hóa thị trường Việt Nam, HOSE, HNX từ 2015-2017 84

Bảng 13 - Bảng dữ liệu 09 danh mục Size – BM 86

Bảng 14 - Bảng dữ liệu 09 danh mục Size – BM.m 88

Bảng 15 - Bảng dữ liệu 09 danh mục Size – OP 90

Bảng 16 - Bảng dữ liệu 09 danh mục Size – OP.q 92

Bảng 17 - Bảng dữ liệu 09 danh mục Size – Inv 94

Bảng 18 - Bảng dữ liệu các nhân tố trong các mô hình theo cấu trúc 2x2 96

Bảng 19 - Bảng dữ liệu các nhân tố trong các mô hình theo cấu trúc 2x3 99

Bảng 20 - Bảng dữ liệu các nhân tố trong các mô hình theo cấu trúc 2x2x2x2 102

Bảng 21 - Danh sách mẫu 294 cổ phiếu được chọn trên HOSE .105

Danh mục hình vẽ Hình 1 - Đường biên đầu tư hiệu quả 16

Hình 2 - Cơ hội đầu tư 17

Hình 3 - Cách tính HML.m 32

Hình 4 - Tỷ trọng cổ phiếu lớn – nhỏ trong mẫu nghiên cứu 40

Danh mục biểu đồ

Biểu đồ 1 - Biến động lợi nhuận trung bình giữa nhân tố HML và HML.m 85 Biểu đồ 2 - Lợi nhuận vượt trội của HML và HML.m theo mẫu nghiên cứu của Asness & Frazzini (2013) 85

TÓM TẮT

Trong thời gian gần đây, nhiều nhân tố mới, mô hình mới liên tục được nghiên cứu, đề xuất và điều chỉnh, chủ yếu xoay quanh mô hình Fama năm nhân tố Trong đó, đặc biệt chú ý nghiên cứu của Kang et al (2015) khi kết quả cho thấy mô hình năm nhân tố điều chỉnh vượt trội hơn mô hình gốc Trong khi đó, đến nay tại Việt Nam chưa có nghiên cứu chính thức nào đề cập đến mô hình năm nhân tố điều chỉnh này Vì vậy, nghiên cứu này muốn thực nghiệm và tìm kiếm mô hình định giá

có khả năng mô tả lợi nhuận trung bình của các cổ phiếu một cách vượt trội giữa

mô hình gốc (FF5) và các mô hình điều chỉnh của mô hình Fama năm nhân tố gốc với dữ liệu tại Việt Nam

Nghiên cứu này thực nghiệm lại các mô hình Fama & French (1993, 2015a),

mô hình Fama năm nhân tố điều chỉnh với sự tham gia của nhân tố RMW.q - một biến thể của nhân tố RMW của Fama & French (2015a) - được đề xuất bởi nhóm tác giả Kang et al (2015) Bên cạnh đó, dựa trên kết luận về tính ưu việt của nhân

tố HML.m so với nhân tố HML, cũng là một biến thể của nhân tố HML của Fama

& French (1993), được đề xuất bởi Asness & Frazzini (2013), nghiên cứu này đề xuất các mô hình Fama năm nhân tố điều chỉnh với sự tham gia của nhân tố HML.m Từ những mô hình trên, nghiên cứu này so sánh tìm ra mô hình định giá

mô tả một cách vượt trội lợi nhuận trung bình của các danh mục cổ phiếu được niêm yết trên thị trường chứng khoán Việt Nam, cụ thể, trên HOSE

Kết quả của đề tài nghiên cứu chỉ ra rằng mô hình năm nhân tố có sự tham gia của nhân tố RMW.q hoặc nhân tố HML.m vượt trội hơn mô hình năm nhân tố gốc của Fama khi mô tả lợi nhuận của các cổ phiếu trên HOSE, trong đó, mô hình FF5.q tốt hơn FF5.m Nghiên cứu này cho kết quả tương đồng với nghiên cứu của nhóm tác giả Kang et al (2015) Ngoài ra, nghiên cứu khẳng định lại kết luận của Fama & French (2015a) rằng mô hình FF5 vượt trội hơn mô hình FF3 Thêm nữa, nghiên cứu còn chỉ ra lợi nhuận vượt trội của một số danh mục cổ phiếu tại HOSE

bị lỗi khi được giải thích bởi mô hình Fama năm nhân tố gốc và các biến thể của nó

Nghiên cứu này cũng khuyến cáo rằng kết quả của nghiên cứu này có thể bị ảnh hưởng bởi chuỗi dữ liệu thời gian ngắn và số lượng cổ phiếu ít, Vì vậy, nghiên cứu này khuyến nghị mở rộng dữ liệu hơn cho các nghiên cứu sau

MỤC LỤC

DANH MỤC CHỮ VIẾT TẮT

DANH MỤC BẢNG BIỂU, HÌNH VẼ, BIỂU ĐỒ

TÓM TẮT

CHƯƠNG 1 GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU 9

1.1 Bối cảnh nghiên cứu 9

1.2 Lý do nghiên cứu 10

1.3 Mục tiêu nghiên cứu 11

1.3.1 Mục tiêu tổng quát 11

1.3.2 Mục tiêu nghiên cứu cụ thể 11

1.4 Câu hỏi nghiên cứu 12

1.5 Đối tượng và phạm vi nghiên cứu 12

1.5.1 Đối tượng nghiên cứu 13

1.5.2 Phạm vi nghiên cứu 13

1.6 Kết cấu của nghiên cứu 13

CHƯƠNG 2 TỔNG QUAN CƠ SỞ LÝ LUẬN 15

2.1 Cơ sở lý luận về định giá tài sản 15

2.1.1 Các khái niệm chính 15

2.1.2 Một số lý thuyết về định giá tài sản 15

2.2 Mô hình Fama về định giá tài sản 18

2.3 Tổng quan các nghiên cứu thực nghiệm trước 21

2.3.1 Tại thị trường chứng khoán nước ngoài 21

2.3.2 Tại thị trường chứng khoán Việt Nam 25

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 27

3.1 Mô hình định giá đề xuất nghiên cứu 27

3.2 Dữ liệu và phương pháp xử lý số liệu 28

3.3 Đo lường các thành tố của nhân tố 31

3.4 Xây dựng các nhân tố 32

3.4.1 Nhân tố lợi nhuận thị trường vượt trội (RMMRF) 33

3.4.2 Nhân tố SMB 33

3.4.3 Nhân tố HML và HML.m 33

3.4.4 Nhân tố RMW và RMW.q 36

3.4.5 Nhân tố CMA 37

3.5 Xây dựng các danh mục đầu tư 37

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU 39

4.1 Đặc trưng mẫu và các kiểm định thống kê 39

4.1.1 Đặc trưng mẫu nghiên cứu 39

4.1.2 Thống kê lợi nhuận trung bình vượt trội của các danh mục và các hiệu ứng trong mẫu nghiên cứu 40

4.1.3 Thống kê lợi nhuận trung bình và tương quan của các nhân tố 46

4.2 Kết quả đánh giá thực nghiệm mô hình định giá tài sản 56

4.2.1 Đánh giá thực nghiệm các mô hình gốc Fama (1993, 2015a) 59

4.2.2 Đánh giá thực nghiệm mô hình FF5.q của Kang et al (2015) 61

4.2.3 Đánh giá thực nghiệm mô hình FF5.m và FF5.mq 65

4.2.4 Đánh giá tổng thể giữa các mô hình thực nghiệm 68

4.3 Hàm ý quản trị 70

4.3.1 Về mô hình định giá phù hợp 70

4.3.2 Về danh mục đầu tư 71

CHƯƠNG 5 KẾT LUẬN 73

TÀI LIỆU THAM KHẢO 78

PHỤ LỤC 1 83

PHỤ LỤC 2 85

PHỤ LỤC 3 86

PHỤ LỤC 4 105

CHƯƠNG 1 GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU 1.1 Bối cảnh nghiên cứu

Kể từ khi mô hình CAPM xuất hiện nhiều mô hình với những nhân tố mới được đề xuất và thực nghiệm như Fama & French (1993), Carhat (1997) với nhân tố momen; Brennan & Subrahmanyam (1996), Pastor &.Stambaugh (2003), Amihud (2005), Bekaert et al (2005), Liu (2006), Lam & Tam (2011) với nhân tố thanh khoản; và gần đây có sự xuất hiện của mô hình Fama năm nhân tố phát triển từ mô hình Fama & French (1993) Mô hình này trở nên dần phổ biến và được quan tâm khá nhiều

Hiện nay, nhiều nghiên cứu thực nghiệm mô hình Fama năm nhân tố (FF5) như: Hou et al (2014) tại thị trường chứng khoán Úc; Groudis & Khaman (2015) tại thị trường Thụy Điển; Clarice & William (2015) tại thị trường Brazil, v.v Các kết quả nghiên cứu cho thấy mô hình năm nhân tố hiệu quả hơn mô hình Fama ba nhân tố

Trong khi một số nghiên cứu khác đề xuất điều chỉnh mô hình FF5 như: theo Hou et al (2014) đề xuất mô hình bốn nhân tố Q-Factor với nhân tố đầu tư và lợi nhuận nhưng điều chỉnh cấu trúc xây dựng nhân tố so với Fama & French (1993) Nghiên cứu của Kang et al (2015) đề xuất và thực nghiệm mô hình FF5 điều chỉnh (FF5.q) tại Hàn Quốc Kết quả kiểm chứng cho thấy mô hình FF5.q vượt trội hơn so

mô hình FF5 Mô hình FF5.q là sự kết hợp giữa yếu tố lợi nhuận của Q-factor theo cấu trúc của Fama Theo đó, nhân tố RMW của mô hình Fama được nhóm tác giả

sử dụng dữ liệu lợi nhuận với tần suất cập nhật hàng quý (RMW.q) thay vì hàng năm Tương tự nhân tố RMW.q, nhân tố HML.m được đề xuất bởi Asness & Frazzini (2013) với tần suất cập nhật giá trị thị trường hàng tháng thay vì hàng năm như Fama & French (1993) Kết quả cho thấy nhân tố mới HML.m chứng minh được sự vượt trội so với nhân tố HML gốc Tuy nhiên, nhân tố HML.m được Asness & Frazzini (2013) thực nghiệm với mô hình FF3 nên sức mạnh của nhân tố

này còn bị bỏ ngỏ trong mô hình FF5 Đến đây, có thể thấy rằng có nhiều mô hình định giá mới và các nhân tố mới được đề xuất để có thể mô tả lợi nhuận của các cổ phiếu một cách tốt hơn

1.2 Lý do nghiên cứu

Gắn liền với cổ phiếu và lợi nhuận mong đợi, các mô hình định giá tài sản được ứng dụng để ước tính chi phí vốn (Sharpe, 1964) giúp lựa chọn danh mục cổ phiếu, giải thích lợi nhuận của danh mục đầu tư Tuy nhiên việc lựa chọn mô hình nào còn tùy thuộc vào mức độ giải thích lợi nhuận trung bình của mô hình đó (Fama

& French, 1993) và những nhân tố nào tham gia trong mô hình có vai trò quyết định Đây là động lực mà nhiều tác giả luôn muốn tìm kiếm mô hình định giá với nhân tố phù hợp nhất cho một thị trường cụ thể

Nhiều mô hình định giá khác nhau với nhiều nhân tố khác nhau liên tục được

đề xuất Với mục tiêu nâng cao khả năng định giá của các mô hình, mô hình sau thường cải thiện được khả năng định giá của mô hình trước Đặc biệt trong thời gian gần đây, mô hình Fama năm nhân tố (FF5) được quan tâm khá nhiều Nhiều nghiên cứu thực nghiệm trên mô hình FF5 cũng như so sánh mô hình FF5 với mô hình FF3 Kết quả đều chỉ ra rằng mô hình FF5 vượt trội hơn mô hình FF3 Bên cạnh đó, cũng có nghiên cứu đề xuất điều chỉnh của mô hình FF5 gốc như nghiên cứu của Kang et al (2015) và mô hình này được cho là tốt hơn FF5 gốc Như vậy, có thể thấy rằng các mô hình định giá xuất hiện liên tục, kể cả khi mô hình FF5 xuất hiện thì cũng có mô hình biến thể của FF5 xuất hiện khiến nhà đầu tư trở nên bối rối khi lựa chọn mô hình định giá được đề xuất

Hầu hết các nghiên cứu thực nghiệm trên mô hình FF5 và cả biến thể mô hình FF5 được thực nghiệm tại các nước có thị trường chứng khoán phát triển Trong khi mỗi thị trường có những đặc thù khác nhau về thời gian, quy mô do đó trước khi áp dụng bất kỳ mô hình nào cho một thị trường cụ thể như thị trường chứng khoán Việt Nam, hay HOSE, nhất thiết phải được kiểm nghiệm để áp dụng phù hợp

Tại Việt Nam, đến nay mới chỉ có một số nghiên cứu được công bố chính thức về mô hình Fama ba nhân tố và các mô hình ba nhân tố phái sinh, tiêu biểu như nghiên cứu của Quan V D V & Hue H Th H (2008), Hoang T V và cộng

sự (2014), Ly H Th H (2015), và một số nghiên cứu khác Trong số những nghiên cứu về mô hình Fama năm nhân tố về thị trường chứng khoán Việt Nam, tiêu biểu

có nghiên cứu về mô hình Fama năm nhân tố của nhóm tác giả nước ngoài như Nguyen et al (2015) Tuy nhiên, nhìn chung các nghiên cứu về mô hình FF5 mới dừng lại ở mức thực nghiệm mô hình FF5

Ngoài ra, kể từ khi mô hình FF5 xuất hiện năm 2015, đã có biến thể của Fama năm nhân tố được đề xuất Tuy nhiên, đến nay, tại Việt Nam chưa có nghiên cứu công bố chính thức nào đề cập đến những biến thể của mô hình FF5 hoặc so sánh để chỉ ra mô hình định giá nào có khả năng mô tả lợi nhuận trung bình của cổ phiếu một cách vượt trội giữa mô hình FF5 và biến thể của mô hình năm nhân tố

Vì vậy, nghiên cứu này muốn so sánh tìm kiếm mô hình định giá có khả năng mô tả một cách vượt trội hơn đối với lợi nhuận mong đợi của các danh mục cổ phiếu tại Việt Nam, cụ thể, những cổ phiếu được niêm yết trên HOSE

Với những lý do trên, tác giả muốn thực hiện đề tài “Đánh giá các mô hình định giá tài sản trong trường hợp các công ty niêm yết trên Sở giao dịch chứng khoán HCM (HOSE)”

1.3 Mục tiêu nghiên cứu

1.3.1 Mục tiêu tổng quát

Nghiên cứu này tập trung đánh giá thực nghiệm các mô hình định giá tài sản trong trường hợp các công ty niêm yết trên sở giao dịch chứng khoán TP HCM.1.3.2 Mục tiêu nghiên cứu cụ thể

Để tiến hành nghiên cứu, luận văn đề ra các bước, mục tiêu cụ thể như sau:

(1) Đánh giá sự tồn tại của yếu tố quy mô, giá trị, lợi nhuận, đầu tư giữa các cổ phiếu trên HOSE

(2) Đề xuất mô hình FF5 điều chỉnh mới với sự tham gia của nhân tố HML.m (Asness và Frazzini, 2013) trong mô hình FF5 của Fama & French (2015a)

và mô hình năm nhân tố điều chỉnh (FF5.q) của Kang et al (2015)

(3) Thực nghiệm mô hình FF5 do Fama & French (2015a) đề xuất, mô hình năm nhân tố điều chỉnh (FF5.q) và mô hình năm nhân tố mới được đề xuất với dữ liệu nghiên cứu của các cổ phiếu trên HOSE

(4) So sánh giữa mô hình FF5 của Fama & French (2015a) với các mô hình năm nhân tố điều chỉnh (FF5.q) của Kang et al (2015) và các mô hình năm nhân

tố điều chỉnh đề xuất trong nghiên cứu này để tìm mô hình vượt trội hơn khi

mô tả lợi nhuận của các danh mục cổ phiếu trên HOSE

1.4 Câu hỏi nghiên cứu

Để thực hiện mục tiêu nghiên cứu, nghiên cứu này cần trả lời một số câu hỏi sau: (1) Các yếu tố quy mô, giá trị, lợi nhuận, đầu tư có tác động đến lợi nhuận của những cổ phiếu được niêm yết trên HOSE không? Các nhân tố được tạo nên

từ các thành tố này tồn tại mối tương quan như thế nào?

(2) Nhân tố HML.m có thực sự cần thiết tham gia vào mô hình FF5 và FF5.q không? nhân tố HML.m góp phần cải thiện sức mạnh của mô hình FF5 và FF5.q không?

(3) Mô hình FF5, mô hình điều chỉnh FF5.q và các mô hình được đề xuất giải thích lợi nhuận của các cổ phiếu trên HOSE như thế nào?

(4) Giữa mô hình định giá FF5 gốc và các biến thể của nó, mô hình định giá nào

có khả năng giải thích tốt nhất lợi nhuận vượt trội của các danh mục cổ phiếu niêm yết trên HOSE?

1.5 Đối tượng và phạm vi nghiên cứu

1.5.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu là các mô hình định giá tài sản được thực hiện với dự liệu của các cổ phiếu niêm yết trên HOSE

1.5.2 Phạm vi nghiên cứu

Nghiên cứu này chỉ giới hạn dữ liệu các cổ phiếu trên HOSE vì nó chiếm tỷ trọng lớn vốn hóa của toàn thị trường và có khả năng dẫn dắt thị trường Nghiên cứu này sử dụng số liệu kể từ sau cuộc khủng hoảng tài chính để giảm thiểu các tác động không thể kiểm soát (từ năm 2009 đến năm 2017)

Tác giả chỉ sử dụng các tiêu chí khá phổ biến để so sánh giữa các mô hình như: kiểm định GRS được đề xuất bởi Gibbons, Ross & Shanken (GRS, 1989), kết hợp với độ lớn của các hệ số chặn và chỉ số như R2 điều chỉnh

Ngoài các mô hình gốc Fama, nghiên cứu này không kiểm chứng lại các mô hình phái sinh của mô hình FF3 như Carhat (1997), và một số mô hình trước mô hình Fama & French (2015a) vì nhiều nghiên cứu trước đã đề cập khía cạnh này 1.6 Kết cấu của nghiên cứu

Nghiên cứu được bố trí theo các chương, mục có quan hệ thống nhất, ngoài ra còn

có các phần mục lục, phụ lục, tài liệu tham khảo, danh mục bảng biểu, danh mục đồ thị và chữ viết tắt Luận văn có kết cấu gồm 5 chương như sau:

Chương 1: Các vấn đề nghiên cứu, định hướng cho nghiên cứu, cũng như đưa

ra các giới hạn nghiên cứu

Chương 2: Khái quát các nền tảng lý thuyết cơ bản xây dựng nên các mô hình

định giá, đồng thời tổng quan một số nghiên cứu liên quan đến mô hình FF5 và các nghiên cứu hình thành ý tưởng đề xuất các mô hình biến thể của FF5

Chương 3: Lựa chọn dữ liệu nghiên cứu, phương pháp xử lý số liệu, xây dựng

các thành tố, nhân tố, xây dựng mô hình và các danh mục đầu tư

Chương 4: Phân tích các tính chất đặc thù của các nhân tố trong mô hình

Đồng thời so sánh để tìm ra mô hình định giá phù hợp nhất cho các

cổ phiếu niêm trên HOSE Trên cơ sở đó, đưa ra các khuyến nghị nhà đầu tư lựa chọn danh mục cũng như mô hình định giá phù hợp nhằm giảm thiểu các lỗi định giá liên quan đến mô hình và danh mục đầu tư

Chương 5: Đánh giá tổng hợp các mô hình định giá cũng như chỉ ra hạn chế

của nghiên cứu này

CHƯƠNG 2

TỔNG QUAN CƠ SỞ LÝ LUẬN 2.1 Cơ sở lý luận về định giá tài sản

2.1.1 Các khái niệm chính

Mô hình phương sai trung bình (Model Variance – Mean): được biết như là

mô hình Markowitz, là mô hình dựa trên lợi nhuận kỳ vọng và độ lệch chuẩn của lợi nhuận kỳ vọng của các danh mục khác nhau Mô hình này giúp đưa ra quyết định lựa chọn danh mục hiệu quả với những tài sản đã cho và giúp giảm rủi ro với những danh mục đã chọn (Markowitz, 1952)

Đường biên hiệu quả: đường biên hiệu quả của các danh mục tài sản rủi ro là tập hợp các danh mục có lợi nhuận kỳ vọng cao nhất ứng với mỗi một mức rủi ro

Đường thị trường chứng khoán (SML): là đường thẳng mô tả mối quan hệ giữa lợi nhuận của một chứng khoán cá biệt với lợi nhuận của danh mục đầu tư thị trường Tại điểm tiếp tuyến của đường SML và đường biên hiệu quả sẽ là danh mục tối ưu về lợi nhuận và rủi ro

Mô hình đơn biến: là mô hình chỉ có một biến duy nhất, được ám chỉ như là

mô hình CAPM với một biến thi trường

Tài sản phi rủi ro: là loại tài sản không tồn tại rủi ro nhưng điều này chỉ tồn tại trong lý thuyết Trong thực tế, các chuyên gia thường coi tài sản phi rủi ro là loại tài sản có rủi ro rất thấp khi nắm giữ chúng, thường được nhắc đến như là trái phiếu chính phủ, trái phiếu kho bạc có kỳ hạn ngắn

2.1.2 Một số lý thuyết về định giá tài sản

Trước khi đi sâu hơn trong các vấn đề nghiên cứu, tác giả sơ lược Lý thuyết

mô hình định giá hiện đại của Markowitz (1952) và Lý thuyết về mô hình định giá tài sản CAPM được đề xuất bởi Sharpe (1964), Lintner (1965), Mossin (1966) Đây

là hai lý thuyết nền tảng cho hầu hết các mô hình định giá sau này

 Lý thuyết mô h

Dựa trên hành vi c

hình trung bình – phương sai (mean

sức mạnh của đa dạng hóa danh mục thông qua cách lựa chọn danh mục hiệu quả dựa trên đường biên đầu t

duy lý sẽ chọn danh mục mang lại hiệu quả tối

mục tiêu chính: Thứ nhất

Thứ hai, tối đa hóa lợi nhuận mong đợi với rủi ro cho tr

cho mô hình định giá đ

CAPM được đề xuất bởi Sharpe

ết mô hình định giá hiện đại (MPT)

ên hành vi của nhà đầu tư, Markowitz (1952, 1959) đphương sai (mean-variance model) Mô hình này th

ức mạnh của đa dạng hóa danh mục thông qua cách lựa chọn danh mục hiệu quả

ầu tư hiệu quả (efficient frontier) (Hình 1)

ẽ chọn danh mục mang lại hiệu quả tối ưu trên đường bi

ứ nhất, tối thiểu hóa rủi ro với lợi nhuận mong đợi cho tr

ối đa hóa lợi nhuận mong đợi với rủi ro cho trước Đây chính là tiịnh giá đơn biến (single index model) với sự xuất hiện của mô h

ợc đề xuất bởi Sharpe (1964), Lintner (1965), Mossin

Hình 1 - Đường biên đầu tư hiệu quả

Nguồn: Bodie, Kane & Marcus (2011)

mô hình định giá CAPM

ền tảng thuyết về mô hình định giá hiện đại (MPT), Sharpe(1964), Lintner (1965), Mossin (1966) tiến hành xây dựng mô hình đ

Lintner (1965) đưa thêm một số giả định quan tr

ầu tư đều dành một phần vốn để đầu tư vào tài s

ể sử dụng bất kỳ tỷ lệ vốn nào vào trong tài sản rủi ro

àn hảo, không có phí hay thuế giao dịch nào,

ất kỳ tài sản rủi ro vào danh mục

ư, Markowitz (1952, 1959) đã xây dựng mô variance model) Mô hình này thể hiện được

ức mạnh của đa dạng hóa danh mục thông qua cách lựa chọn danh mục hiệu quả

(Hình 1) Khi đó, nhà đầu tư ờng biên hiệu quả với hai

ối thiểu hóa rủi ro với lợi nhuận mong đợi cho trước

Đây chính là tiền đề

ến (single index model) với sự xuất hiện của mô hình

, Mossin (1966)

(MPT), Sharpe(1964), định giá tài sản một quan trọng về thị trường

ư vào tài sản phi rủi ro, (2)

ản rủi ro, (3) một thị

ào, khi đó nhà đầu tư

Đồ thị hóa đường kết nối giữa t

thị trường chứng khoán (SML) Do có vô số lựa chọn cho t

số đường SML, tuy nhi

trên đường biên đầu t

đường biên đầu tư hiệu quả với hệ số chặn l

với một số giả định khác, lợi nhuận mong đợi của bất kỳ t

bằng công thức sau, đây c

Trong đó:

E(Ri) là lợi nhuận mong đợi của t

nhuận mong đợi của thị tr

Mô hình CAPM gi

vào rủi ro thị trường, ngo

ờng kết nối giữa tài sản phi rủi ro và tài sản rủi ro gọi lờng chứng khoán (SML) Do có vô số lựa chọn cho tài sản rủi ro n

ờng SML, tuy nhiên nhà đầu tư duy lý sẽ lựa chọn các danh mục hiệu quả nằm

ầu tư hiệu quả Kết quả là có một đường SML

ệu quả với hệ số chặn là lãi suất phi rủi ro R

ới một số giả định khác, lợi nhuận mong đợi của bất kỳ tài sản rủi ro đ

, đây cũng chính là mô hình CAPM:

E(Ri) = Rf + β [E(RM) - Rf]

ợi nhuận mong đợi của tài sản rủi ro; Rf là lãi suất phi rủi ro; E(R

ận mong đợi của thị trường với bêta bằng:

𝛽 = 𝐶𝑜𝑣 (𝑅 𝑅 )

𝜎 (𝑅 )

Hình 2 - Cơ hội đầu tư

Nguồn: Fama(2004)

Mô hình CAPM giả định toàn bộ biến thiên của rủi ro

ờng, ngoài rủi ro thị trường không còn rủi ro n

ản rủi ro gọi là đường

ản rủi ro nên sẽ có vô

ẽ lựa chọn các danh mục hiệu quả nằm

ờng SML tiếp tuyến với

ất phi rủi ro Rf (Hình 2) Cùng

ản rủi ro được thể hiện

ất phi rủi ro; E(RM ) là lợi

ủa rủi ro đều được phản ánh

ủi ro nào khác Nếu điều

này đúng, thì khi hồi quy mô hình thì cả phần dư và hệ số alpha bằng không Khi đó

để kiểm định rằng toàn bộ biến thiên của rủi ro có được nắm bắt toàn bộ bởi rủi ro thị trường hay không, cần thiết phải kiểm định phần dư và hệ số Alpha có tiến đến không hay không và công cụ nổi tiếng hỗ trợ kiểm định giả thuyết này là kiểm định GRS Gibbon Ross & Shanken (1989) Suy ngược lại, chúng ta có thể thêm bất kỳ nhân tố rủi ro mới nào vào mô hình nhưng để đảm bảo các nhân tố này phản ảnh được những biến thiên của rủi ro thì giả thuyết về Alpha và phần dư tiến đến không vẫn phải được đảm bảo

2.2 Mô hình Fama về định giá tài sản

 Mô hình định giá ba nhân tố (Fama & French, 1993)

Mô hình CAPM được phát triển bởi Sharpe (1964) và Lintner (1965) như là một mô hình nền tảng cho hầu hết các mô hình định giá tài sản Mô hình CAPM phác họa mối quan hệ cơ bản giữa lợi nhuận trung bình và rủi ro Tuy nhiên, mô hình này tồn tại hạn chế khi không phải trong giai đoạn nào của thị trường chứng khoán mối quan hệ này cũng tồn tại như kết quả được chỉ ra trong nghiên cứu của Reinganum (1981), Lakonishok & Sharpiro (1986); hay toàn bộ rủi ro đều chỉ tham chiếu tới hệ số β thị trường trong khi nhiều nghiên cứu nói rằng rủi ro tài sản định giá là rủi ro đa chiều (multidementional) (Fama, 1992) Banz (1981), Bansu (1983), Rosenberg et al (1985), Bandari (1988) và một số nghiên cứu khác chỉ ra rủi ro liên quan đến yếu tố Quy mô của cổ phiếu, E/P, đòn bẩy (leverage), BE/ME Mặc dù vậy, mô hình CAPM đã đứng vững trên 50 năm trước khi có sự xuất hiện mô hình định giá Fama ba nhân tố Fama

Mô hình Fama ba nhân tố (1993) như sau:

Rit – Rft = ai + biRMMRFt + siSMBt + hi HMLt + eit

Trong đó: Rit là tỷ suất sinh lời của danh mục i ở thời điểm t; Rft là lãi suất phi rủi ro ở thời điểm t; RMMRFt là tỷ suất sinh lời vượt trội của của thị trường ở thời điểm t; SMBt là nhân tố phần bù quy mô là chênh lệch giữa tỷ suất sinh lời của danh mục cổ phiếu quy mô nhỏ và danh mục cổ phiếu quy mô lớn; HMLt là nhân tố

phần bù giá trị là chênh lệch giữa tỷ suất sinh lời của danh mục có tỷ số B/M cao

và danh mục có tỷ số B/M thấp; ai hệ số chặn của các mô hình; bi đến hi hệ số dốc hồi quy của các danh mục tương ứng và eit sai số ngẫu nhiên của mô hình

Mô hình ba nhân tố của Fama & French (1993) được phát triển dựa trên mô hình CAPM Trong mô hình này, Fama xây dựng hai nhân tố rủi ro giả lập với hai yếu tố quy mô và giá trị Kết quả cho thấy hai nhân tố này nắm bắt được tốt lợi nhuận của các cổ phiếu Nghiên cứu Fama & French (1993) chỉ ra rằng ba nhân tố của thị trường cổ phiếu gồm: nhân tố thị trường, nhân tố quy mô, nhân tố giá trị B/M Khi đứng riêng lẻ chúng đều có sức mạnh giải thích lợi nhuận trung bình của các danh mục cổ phiếu, tuy nhiên khi kết nối chúng trong một mô hình Fama & French (1993) có khả năng hấp thụ, giải thích lợi nhuận vượt tốt hơn Sử dụng mô hình này, Fama hồi quy 25 danh mục được tạo bởi yếu tố quy mô và giá trị B/M Kết quả cho thấy mô hình Fama ba nhân tố vượt trội hơn so với mô hình CAPM khi hấp thụ lợi nhuận của các danh mục

 Mô hình định giá năm nhân tố (Fama & French, 2015a)

Mô hình Fama & French (1993) được sử dụng như là một mốc chuẩn cho các mô hình định giá trong thời gian khá dài Mô hình này được nhiều tác giả tái thực nghiệm cũng như đề xuất các nhân tố mới kết hợp với mô hình FF3 để nâng cao hơn nữa khả năng định giá của mô hình FF3 như nghiên cứu Carhat (1997), Brennan & Subrahmanyam (1996), Pastor & Stambaugh (2003), Amihud (2005), Bekaert et al (2005), Liu (2006), Piqueira (2008), Lam & Tam (2011), Puksamatanan (2011), Lam & Chan (2011), và nhiều nghiên cứu khác

Trong bối cảnh khá nhiều mô hình ra đời nhằm nâng cao khả năng định giá của FF3, Fama & French (2015a) đã đề xuất mô hình năm nhân tố (FF5) Xuất phát

từ lý thuyết của Miller & Modigliani (1961), về việc xác định giá thị trường của mỗi cổ phiếu bằng mô hình chiết khấu cổ tức mong đợi, tác giả đã nêu bật mối quan

hệ giữa yếu tố lợi nhuận và yếu tố đầu tư với tỷ suất sinh lợi của cổ phiếu (Fama, 2006) như công thức bên dưới

Mô hình Miller và Modigliani (1961) đã được điều chỉnh bởi Fama (2006, 2015a)

𝑀

𝐵 =

∑ 𝐸(𝑌 − 𝑑𝐵 ) / (1 + 𝑟)

Trong đó, M t là giá trị hiện tại của cổ phiếu, B t là giá trị sổ sách của cổ phiếu, 𝑌 là thu nhập

tại thời kỳ t + 𝜏, r là lợi nhuận mong đợi của cổ phiếu, 𝑑𝐵 là dòng tiền đầu tư

Nguồn: Fama (2015a)

Từ công thức trên, theo Fama, khi giữ nguyên các tham số khác ngoại trừ Mt

và Bt, thì giá trị Mt thấp hơn hay giá trị B/M cao hơn ám chỉ rằng lợi nhuận mong đợi cao hơn Thêm nữa, khi giữ nguyên Mt , Bt và dòng tiền đầu tư (dB t+τ ) trong tương lai thì lợi nhuận kỳ vọng của nhà đầu tư càng cao ám chỉ dòng tiền mong đợi của nhà đầu tư càng cao và lợi nhuận mong đợi của cổ phiếu cũng càng cao

Lập luận của Fama được sự ủng hộ bởi một số nghiên cứu đi trước như Novy-Marx (2012), Aharoni et al (2013), Titman et al (2004, 2010), và nhiều nghiên cứu khác Các nghiên cứu đó cho thấy tồn tại mối quan hệ giữa tỷ suất sinh lợi của một cổ phiếu với yếu tố lợi nhuận và yếu tố đầu tư của công ty niêm yết cổ phiếu đó Theo đó, tác giả đề xuất thêm hai nhân nhân tố RMW và CMA vào mô hình FF3 để tạo thành mô hình năm nhân tố FF5

Mô hình Fama năm nhân tố (2015a) như sau:

Rit – Rft = ai + biRMMRFt + siSMBt + hi HMLt + ri RWAt + ci CMAt + eit

Trong đó, Rit là tỷ suất sinh lời của danh mục i ở thời điểm t; Rft là lãi suất phi rủi ro ở thời điểm t; RMMRFt là tỷ suất sinh lời vượt trội của của thị trường ở thời điểm t; SMBt là nhân tố phần bù quy mô là chênh lệch giữa tỷ suất sinh lời của danh mục cổ phiếu quy mô nhỏ và quy mô lớn; HMLt là nhân tố phần bù giá trị là chênh lệch giữa tỷ suất sinh lời của danh mục có tỷ số B/M cao và B/M thấp; RMWt

là nhân tố phần bù lợi nhuận là chênh lệch giữa tỷ suất sinh lời của danh mục có khả năng sinh lời cao và danh mục có khả năng sinh lời thấp; CMAt là nhân tố phần

bù đầu tư là chênh lệch giữa tỷ suất sinh lời của danh mục đầu tư thận trọng và danh mục đầu tư mạo hiểm; ai hệ số chặn của các mô hình; bi đến ci hệ số dốc hồi quy của các danh mục tương ứng và eit sai số ngẫu nhiên của mô hình

Cũng dựa trên cách thức xây dựng giả lập nhân tố rủi ro, Fama xây dựng mô hình năm nhân tố bằng cách kết hợp nhân tố đầu tư và nhân tố lợi nhuận vào mô hình ba nhân tố Fama & French (1993) Bằng cách này mô hình năm nhân tố cải thiện khả năng giải thích lợi nhuận trung bình của mô hình Fama ba nhân tố

2.3 Tổng quan các nghiên cứu thực nghiệm trước

2.3.1 Tại thị trường chứng khoán nước ngoài

Fama & French (2015a) đề xuất mô hình năm nhân tố đồng thời thực nghiệm

mô hình này tại thị trường Mỹ Fama kết luận rằng mô hình năm nhân tố tốt hơn mô hình ba nhân tố vì mô hình mới không bỏ qua sự tồn tại của mối quan hệ giữa suất sinh lời của cổ phiếu với lợi nhuận hoạt động và giá trị đầu tư Tuy nhiên, mô hình FF5 vẫn bộc lộ vấn đề khi giải thích danh mục có lợi nhuận trung bình thấp của những cổ phiếu nhỏ đầu tư nhiều lợi nhuận thấp

Trong nghiên cứu này, Fama kiểm tra hệ số chặn Alpha của 25 danh mục Size – B/M, 25 danh mục Size – OP, 25 danh mục Size – Inv Kết quả, kiểm định GRS test bác bỏ giả thuyết rằng alpha của các danh mục tiến đến không Tuy nhiên, Fama nhấn mạnh rằng mô hình năm nhân tố vẫn có thể giải thích tỷ suất sinh lợi ở mức có thể chấp nhận được Tác giả cũng nhấn mạnh rằng nhân tố giá trị trở nên dư thừa trong việc giải thích lợi nhuận trung bình khi đặt trong mô hình năm nhân tố Fama & French (2015a) còn nhấn mạnh rằng sự tham gia của nhân tố HML trong

mô hình không tốt hơn cũng không tệ hơn bởi lợi nhuận trung bình đã được hấp thụ bởi bốn nhân tố khác trong mô hình đặc biệt là nhân tố lợi nhuận và nhân tố đầu tư Tuy nhiên Fama cho rằng một nghiên cứu muốn kiểm tra sự tồn tại của nhân tố giá trị, đầu tư, lợi nhuận thì mô hình năm nhân tố này vẫn nên là một lựa chọn

Fama & French (2015b) kiểm tra mô hình năm nhân tố để giải thích lợi nhuận trung bình đối với những danh mục được tạo bởi các yếu tố khác ngoài yếu

tố lợi nhuận, đầu tư, đồng thời để kiểm tra mô hình có bộc lộ lỗi định giá hay không Kết quả chỉ ra rằng một số lợi nhuận trung bình của cổ phiếu không được

mô tả bởi mô hình Fama ba nhân tố nhưng đã được thấp thụ bởi mô hình FF51 Tác giả nhấn mạnh rằng sự thành công của mô hình FF5 là sự kết hợp của nhân tố RMW và CMA

Fama & French (2015c) mở rộng nghiên cứu về lợi nhuận của cổ phiếu với

dữ liệu quốc tế tại một số nước, khu vực như Bắc Mỹ (Mỹ, Canada), Nhật Bản, Châu Á (Úc, New Zealand, Hồng Kông, Singapore), và khu vực Châu Âu Nghiên cứu này Fama muốn kiểm tra mô hình FF5 có thể giải thích lợi nhuận của cổ phiếu với dữ liệu quốc tế hay không Nghiên cứu chỉ ra rằng khu vực Châu Âu và Châu Á

có lợi nhuận trung bình thấp đối với những công ty nhỏ lợi nhuận thấp đầu tư nhiều Khi so sánh với kết quả của nghiên cứu FF (2015a), Fama tìm thấy kết quả tương tự nhưng lợi nhuận trung bình thấp hơn so với tại Mỹ Mặc dù vậy, mô hình FF5 vẫn nắm bắt được lợi nhuận của danh mục loại này

Fama & French (2015c) cũng xem xét vai trò của từng nhân tố trong mô hình FF5 Trong đó, tác giả chỉ ra rằng nhân tố lợi nhuận RMW và CMA đóng vai trò quan trọng khi mô tả lợi nhuận trung bình của các khu vực Bắc Mỹ, Châu Âu và Châu Á2 Nghiên cứu kết luận rằng, lợi nhuận trung bình của cổ phiếu tại Bắc Mỹ, Châu Âu, Châu Á tăng khi B/M và lợi nhuận tăng nhưng khi đầu tư giảm Đặc biệt hơn, tại Nhật Bản, mối tương quan giữa lợi nhuận trung bình và B/M mạnh nhưng yếu với Lợi nhuận và Đầu tư Nghiên cứu Fama & French (2015c) cũng có kết luận tương tự Fama & French (2015a) về lỗi định giá khi giải thích danh mục có lợi nhuận trung bình thấp của những cổ phiếu nhỏ đầu tư nhiều lợi nhuận thấp

Ngoài ra, để làm nổi bật vai trò của mô hình FF5, Fama còn kiểm định lại

mô hình FF3 và kết luận rằng FF3 không thể giải thích tốt lợi nhuận của cổ phiếu với dữ liệu quốc tế3 khi kiểm định GRS nói rằng hệ số chặn alpha khác không Tác giả cho rằng mô hình FF5 vượt trội hơn FF3 trong dữ liệu quốc tế

Với những nghiên cứu đề xuất và thực nghiệm mô hình FF5 tại thị trường

1 Tham khảo Fama & French (2015a), trang 2

2 Fama & French (2015c) trang 11

3 Fama & French (2015c) trang 7

Mỹ, và với dữ liệu quốc tế, mô hình FF5 khẳng định được vai trò vượt trội khi định giá cổ phiếu Vì vậy, mô hình FF5 nhận được sự quan tâm khá lớn từ các học giả trên thế giới khi nhiều nghiên cứu được thực nghiệm tại nhiều nước như: Chiah, Chai & Zhong (2015) thực nghiệm mô hình FF5 tại thị trường chứng khoán Úc, Gruodis (2015) thực nghiệm tại thị trường Thụy Điển, Michou & Zhou (2015) nghiên cứu FF5 tại Vương Quốc Anh, Martins & William (2016) thực nghiệm mô hình FF5 tại Brazil, và nhiều nghiên cứu khác Hầu hết nghiên cứu đều cho thấy nhiều bằng chứng về hiệu quả của nhân tố lợi nhuận và đầu tư trong mô hình FF5

và mô hình mới này vượt trội hơn so với các mô hình FF3

Bên cạnh những nghiên cứu thực nghiệm mô hình FF5, cũng có nghiên cứu

đề xuất mô hình năm nhân tố điều chỉnh Trong đó, đặc biệt là mô hình FF5 điều chỉnh của nhóm tác giả Kang et al (2015) Tại thị trường Hàn Quốc, nhóm tác giả Kang et al (2015) trong quá trình thực nghiệm mô hình FF5 của Fama & French (2015a) và mô hình Q-Factor của Hou et al (2012) đã tìm thấy rằng nhân tố RMW được sử dụng dữ liệu hàng quý có hiệu ứng lợi nhuận mạnh hơn so với nhân tố gốc Trên cơ sở đó, Kang et al (2015) đã đề xuất mô hình FF5 điều chỉnh (FF5.q) với nhân tố mới RMW.q, là một biến thể của nhân tố RMW trong Fama & French (2015a) Một điều khá đặc biệt từ nghiên cứu này, đó là hiệu ứng lợi nhuận không tồn tại giữa những cổ phiếu trên thị trường chứng khoán Hàn Quốc đối với thành tố lợi nhuận OP Nhưng khi Kang et al (2015) sử dụng yếu tố lợi nhuận được cập nhật hàng quý tương tự nhân tố lợi nhuận trong nghiên cứu Hou at al (2014) theo phương pháp của Fama & French (2015a) thì hiệu ứng lợi nhuận tồn tại và khá mạnh Trong nghiên cứu này, nhóm tác giả chứng minh được rằng mô hình FF5 điều chỉnh (FF5.q) vượt trội hơn mô hình FF5 gốc

Cũng cần nhấn mạnh rằng, Kang et al (2015) là nghiên cứu khá mới và chưa

có nghiên cứu kiểm chứng nào được thực hiện trên mô hình FF5.q đến thời điểm hiện tại Mặc dù vậy, chúng ta dễ dàng nhận ra điểm khác biệt cơ bản giữa mô hình FF5 và FF5.q chính là tần suất cập nhật dữ liệu hàng quý của nhân tố RMW thay vì hàng năm như trong FF5 Nhóm tác giả chứng minh rằng mô hình FF5.q có sự tham

gia của nhân tố mới RMW.q giải thích tốt hơn mô hình FF5 của Fama Vì vậy, mô hình FF5.q có thể trở thành mô hình tiềm năng so sánh với mô hình gốc trong các nghiên cứu thực nghiệm tại các thị trường khác

Cũng đề cập đến một nhân tố có tính chất giống nhân tố RMW.q về mặt tần suất cập nhật dữ liệu, nghiên cứu này muốn nhắc đến nhân tố HML.m được đề xuất bởi Asness & Frazzini (2013) Nhóm tác giả này lập luận rằng cách tính nhân tố HML của Fama & French (1993) sẽ khiến số liệu B/M và nhân tố giá trị HML luôn

sử dụng số liệu cũ vào khoảng 6 tháng đến 18 tháng và cho rằng đây là điều không hợp lý Asness & Frazzini (2013) chỉ ra rằng B/M của Fama được cập nhật mỗi năm một lần tại tháng 6 của năm t, đồng thời sử dụng số liệu sổ sách và giá cổ phiếu tại tháng 12 của năm t-1, sau đó tiếp tục nắm giữ những danh mục cổ phiếu đó đến tháng 6 của năm t +1 Cách làm này làm độ trễ của dữ liệu quá lớn

Dựa trên cách tính của nhân tố HML gốc, Asness & Frazzini (2013) xây dựng nhân tố HML.m với giá cổ phiếu được cập nhật giá trị thị trường hàng tháng thay vì mỗi năm một lần Nhóm tác giả chứng minh được rằng HML.m dựa trên giá trị thị trường được cập nhật hàng tháng tốt hơn so với HML chỉ cập nhật một lần một năm4 khi nghiên cứu nhân tố HML.m trong mô hình FF3 Nghiên cứu này nhắc đến nhân tố HML.m không chỉ bởi khả năng phản ánh giá trị thị trường sát thực tế hơn, mạnh hơn5 mà còn bởi nhân tố này được Barillas & Shanken (2015) chỉ ra rằng nhân tố HML.m không còn là nhân tố dư thừa6 trong mô hình FF5 trong khi HML thì ngược lại Điều này cho thấy được tiềm năng của nhân tố này và vì vậy nghiên cứu này cân nhắc đề xuất mô hình với nhân tố HML.m trong FF5 và FF5.q

Có thể nhận định rằng các mô hình FF5 điều chỉnh có sự tham gia của nhân

tố HML.m và RMW.q đều xuất phát từ mô hình FF5 gốc (Fama & French, 2015a) với các nhân tố được xây dựng dựa trên phương pháp của Fama Bản chất của các nhân tố điều chỉnh không thay đổi so với nhân tố gốc của Fama nhưng tần suất cập

4 Asness & Frazzini (2013) trang 7

5 Tham khảo Biểu đồ 1- Phụ lục 2

6 Barillas & Shanken (2015) trang 29

nhật giá trị và giá thị trường là một điểm khác biệt khi hai yếu tố “cập nhật” được chứng minh mang lại hiệu quả trong mô hình định giá như đã nêu trên

2.3.2 Tại thị trường chứng khoán Việt Nam

Bên cạnh các nghiên cứu đánh giá giữa các mô hình tại các thị trường tài chính nước ngoài, cũng có một số nghiên cứu kiểm nghiệm trên thị trường chứng khoán Việt Nam đến thời điểm hiện tại như: nghiên cứu của nhóm tác giả Quan V

D V & Hue H Th H (2008) về mô hình Fama ba nhân tố trên HOSE; nghiên cứu

"Mô hình 3 nhân tố của Fama hoạt động như thế nào trên thị trường chứng khoán Việt Nam" của Ly H Th H (2015); nghiên cứu “Tỷ suất lợi nhuận và rủi ro các cổ phiếu niêm yết trên thị trường chứng khoán Việt Nam” của Phong N A.(2013, 2016) tập trung đánh giá, so sánh thực nghiệm dựa trên ba mô hình CAPM, Fama & French (1993), và Fama & French (1993) kết hợp với các nhân tố thanh khoản Nghiên cứu của nhóm tác giả Hoang T V., Huy N & Phong N A (2014) kiểm chứng thực nghiệm giữa các mô hình Fama & French (1993) chỉ ra mối quan hệ giữa nhân tố thanh khoản với suất sinh lời của cổ phiếu tại Việt Nam đồng thời đề xuất mô hình định giá phù hợp tại thị trường chứng khoán Việt Nam Tuy nhiên, hầu hết các nghiên cứu về mô hình trong nước được công bố trước đây chủ yếu thực hiện với mô hình CAPM, mô hình Fama ba nhân tố hoặc các mô hình phái sinh của

ba nhân tố như Carhat, ba nhân tố kết hợp với thanh khoản

Gần đây, một nghiên cứu nước ngoài về thị trường chứng khoán Việt Nam của Nguyen et al (2015) thực nghiệm mô hình năm nhân tố của Fama & French (2015a) và kết luận rằng mô hình năm nhân tố vượt trội hơn so với mô hình CAPM, Fama & French (1993) tại thị trường Việt Nam Hơn nữa, đề cập đến sự dư thừa của nhân tố HML trong mô hình, kết quả nghiên cứu trái ngược với nghiên cứu của Fama & French (2015a) tại thị trường Mỹ, nghĩa là HML đóng góp vào hiệu quả của mô hình khi nghiên cứu tại thị trường chứng khoán Việt Nam Đây có thể coi là một nghiên cứu khá toàn diện kể cả về thời gian nghiên cứu, công cụ nghiên cứu,

mô hình mới Tuy nhiên, trong nghiên cứu của nhóm tác giả này chưa đề cập đến

biến thể mô hình FF5 gốc hay gọi là mô hình FF5 điều chỉnh Điều này cũng là động lực cho nghiên cứu này thực hiện so sánh mở rộng các mô hình FF5 gốc và các mô hình biến thể của nó

Tóm lại, lý thuyết định giá hiện đại (MPT) và mô hình CAPM tuy đã ra đời với thời gian trên 50 năm nhưng đến nay nó vẫn đóng góp vai trò quan trọng như là nền tảng trong các mô hình định giá mới Trải qua thời gian rất dài kể từ khi mô hình định giá đầu tiên được giới thiệu, tại thời điểm nghiên cứu đã có rất nhiều mô hình định giá được đề xuất trong đó như mô hình định giá ba nhân tố Fama & French (1993), mô hình Carhat (1997), mô hình Q-factor (Hou, Xue, & Zhang, 2012), mô hình định giá năm nhân tố Fama & French (2015a), mô hình năm nhân tố điều chỉnh (FF5.q) và tất cả để tìm ra mô hình định giá phù hợp hơn Vận dụng những nhân tố được giới thiệu bởi các nghiên cứu riêng lẻ, nghiên cứu này cũng đề xuất mô hình định giá năm nhân tố với nhân tố HML.m (tạm gọi là FF5.m) và mô hình định giá năm nhân tố có sự kết hợp của HML.m và RMW.q (tạm gọi là FF5.mq) Hai mô hình này có thể được cân nhắc là các mô hình tiềm năng bởi chúng đều xuất phát từ mô hình gốc FF5 đã được giới thiệu bởi Fama & French (2015a)

CHƯƠNG 3

PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Mô hình định giá đề xuất nghiên cứu

Nghiên cứu này kiểm định và so sánh bốn mô hình gồm: mô hình năm nhân

tố của Fama & French (2015a) và các mô hình năm nhân tố điều chỉnh với sự tham gia của nhân tố RMW.q được đề xuất bởi Kang et al (2015) và hoặc nhân tố HML.m được đề xuất bởi Asness & Frazzini (2013) Cụ thể các mô hình đề xuất như sau:

 Mô hình 1: Mô hình Fama năm nhân tố gốc (Fama & French, 2015a) Trong nghiên cứu này gọi mô hình FF5

Rit – Rft = ai + biRMMRFt + siSMBt + hi HMLt + ri RWAt + ci CMAt + eit Trong đó, Rit là tỷ suất sinh lời của danh mục i ở thời điểm t; Rft là lãi suất phi rủi ro ở thời điểm t; RMMRFt là tỷ suất sinh lời vượt trội của của thị trường ở thời điểm t; SMBt là nhân tố phần bù quy mô là chênh lệch giữa tỷ suất sinh lời của danh mục cổ phiếu quy mô nhỏ và danh mục cổ phiếu quy mô lớn; HMLt là nhân tố phần bù giá trị là chênh lệch giữa tỷ suất sinh lời của danh mục có tỷ số B/M cao và danh mục có tỷ số B/M thấp; RMWt là nhân tố phần bù lợi nhuận là chênh lệch giữa

tỷ suất sinh lời của danh mục có khả năng sinh lời cao và danh mục có khả năng sinh lời thấp; CMAt là nhân tố phần bù đầu tư là chênh lệch giữa tỷ suất sinh lời của danh mục đầu tư thận trọng và danh mục đầu tư mạo hiểm; ai hệ số chặn của các mô hình; bi đến ci hệ số dốc hồi quy của các danh mục tương ứng và eit sai số ngẫu nhiên của mô hình

 Mô hình 2: Nghiên cứu sử dụng và thực nghiệm mô hình năm nhân tố điều chỉnh của Kang et al (2015) Trong mô hình này, nhóm tác giả sử dụng một biến thể của nhân tố lợi nhuận, RMW.qt Biến thể này là sự kết hợp tính chất của nhân tố ROE trong nghiên cứu Hou et al (2012, 2014) và nhân tố RMW của Fama & French (2015a) Trong nghiên cứu này gọi tắt là mô hình FF5.q

Rit – Rft = ai + biRMMRFt + siSMBt + hi HMLt + ri RWA.qt + ci CMAt + eit Trong đó, RMW.qt là nhân tố phần bù lợi nhuận là chênh lệch giữa tỷ suất sinh lời của danh mục có khả năng sinh lời cao và danh mục có khả năng sinh lời thấp với dữ liệu quý.

 Mô hình 3: Bên cạnh các mô hình năm nhân tố đã được các tác giả trước đề xuất và thực nghiệm, nghiên cứu này cũng đề xuất mô hình năm nhân tố điều chỉnh mới Với vai trò và những đóng góp của nhân tố HML.m trong nghiên cứu của Asness & Frazzini (2013) và được khẳng định lại trong nghiên cứu của Barillas & Shanken (2015) như đã đề cập trong Chương II, nghiên cứu này đề xuất mô hình năm nhân tố điều chỉnh mới với sự tham gia của nhân tố HML.m trong mô hình FF5, tạm gọi là mô hình FF5.m

Rit – Rft = ai + biRMMRFt + siSMBt + hi HML.mt + ri RWAt + ci CMAt + eit Trong đó, HML.mt là nhân tố phần bù giá trị là chênh lệch giữa tỷ suất sinh lời của danh mục có tỷ số B/M cao và danh mục có tỷ số B/M thấp với B/M được cập nhật giá thị trường hàng tháng

 Mô hình 4: Nghiên cứu tiếp tục sử dụng nhân tố HML.m trong mô hình FF5.q được đề xuất bởi Kang et al (2015) để xây dựng thêm một mô hình điều chỉnh mới khác Nghĩa là, trong mô hình này có hai nhân tố điều chỉnh gồm HML.mt và RMW.qt Mô hình năm nhân tố điều chỉnh này được tạm gọi mô hình FF5.mq

Rit – Rft = ai + biRMMRFt + siSMBt + hi HML.mt + ri RWA.qt + ci CMAt + eit3.2 Dữ liệu và phương pháp xử lý số liệu

Số liệu được sử dụng trong nghiên cứu này là chuỗi chỉ số thị trường VNINDEX và giá của các cổ phiếu phi tài chính được niêm yết trên sở giao dịch chứng khoán Hồ Chí Minh (HOSE) Đầu tiên, chỉ số VN-Index và giá của các cổ phiếu được thu thập cho khoảng thời gian từ cuối tháng 01/2009 đến cuối tháng 9/2017 Sở dĩ tác giả chọn khoảng thời gian nghiên cứu như vậy là để có đủ số

lượng cổ phiếu nhằm thiết lập các danh mục theo yêu cầu của phương pháp nghiên cứu Toàn bộ dữ liệu được lấy gồm giá cổ phiếu, chỉ số Vn-index, số lượng cổ phiếu giao dịch, giá trị sổ sách của cổ phiếu, Ebit, chi phí lãi vay, tổng tài sản, vốn chủ sở hữu Trong đó, chỉ số thị trường và giá của các cổ phiếu được thu thập là giá đóng cửa vào ngày giao dịch cuối cùng của tháng Mã chứng khoán được chọn là những

mã cổ phiếu phi tài chính phải được niêm yết liên tục từ ít nhất hai năm tính đến tháng 9/2017, đồng thời loại bỏ các cổ phiếu có giá trị sổ sách bằng không (zero) hoặc nhỏ hơn không Để giảm nhiễu khi tính toán, những cổ phiếu có quá một tháng bất kỳ lợi nhuận trên 100% cũng sẽ bị loại Với điều kiện trên, số lượng cổ phiếu được chọn đầu năm 2009 có 125 cổ phiếu, năm 2010 có 166 cổ phiếu, năm 2011 có

234 cổ phiếu, năm 2012 có 256 cổ phiếu, năm 2013 có 265 cổ phiếu, năm 2014 có

270 cổ phiếu, năm 2015 có 278 cổ phiếu, và cuối năm 2016 có 294 cổ phiếu được chọn7

Trong nghiên cứu này, toàn bộ dữ liệu tính toán liên quan đến các cổ phiếu được chọn tính toán đều được lấy từ hệ thống dự liệu Thomson Reuter Bên cạnh

đó, lãi suất phi rủi ro (rf) được lựa chọn là lãi suất trái phiếu Chính phủ có kỳ hạn 01 năm (1Y goverment bond yield) và được điều chỉnh theo lãi suất tháng

Tất cả các mô hình tài chính hiện nay đều sử dụng dữ liệu quá khứ để phân tích do đó bài nghiên cứu này cũng không có ngoại lệ Trên cơ sở chỉ số thị trường

và giá của cổ phiếu thu thập được, lợi nhuận thị trường và của các cổ phiếu được tính như sau:

Ri,t = ln( pi,t / pi,t -1) Trong đó:

Ri,t: Lợi nhuận thị trường hoặc của cổ phiếu i ở cuối tháng t;

Pi,t: Chỉ số VN-Index hoặc giá của cổ phiếu i ở cuối tháng t;

Pi,t-1: Chỉ số VN-Index hoặc giá của cổ phiếu i ở cuối tháng t -1;

7 Chi tiết cổ phiếu được chọn nêu trong Phụ lục 4-Bảng 21

Nghiên cứu này, tác giả sử dụng mô hình hồi quy Generalized Method of Moment (GMM), mà khá nhiều nghiên cứu sử dụng trong thời gian gần đây, để giảm các thủ tục tiền kiểm định mô hình Tuy nhiên, trước khi chạy hồi quy, tác giả tiến hành kiểm định tính dừng của tất cả danh muc đầu tư để đảm bảo dữ liệu phù hợp với phương pháp GMM Tác giả sử dụng kiểm định Unit root test với chỉ số lag bằng không Kết quả kiểm định tính dừng8 cho thấy p-value của tất cả danh mục đều bằng 0.000 nhỏ hơn 1% nghĩa là tất cả các danh mục đầu tư trong phạm vi nghiên cứu này đều có tính dừng (điều kiện để kết quả hồi quy không giả mạo) vì vậy phù hợp để sử dụng phương pháp hồi quy GMM

Bên cạnh đó, giống như nhiều nghiên cứu trước đây tiêu biểu như Lam & Tam (2011), Hoang T V., Anh N & Phong A N (2013), Fama (1993, 2015a), và rất nhiều nghiên cứu khác sử dụng kiểm định Gibbons, Ross & Shanken (GRS, 1989) để kiểm tra hệ số chặn của các danh mục Nghiên cứu này cũng sử dụng kiểm định GRS (1989) để kiểm định từ đó làm cơ sở vững chắc cho nhận định giữa các

mô hình nghiên cứu Số liệu alpha, phần dư được sử dụng để tính toán cho hệ số kiểm định GRS là kết quả của quá trình chạy hồi quy mô hình tương ứng Bên cạnh

sử dụng kiểm định GRS, nghiên cứu còn kết hợp với hệ số xác định R2 điều chỉnh bình quân, và hệ alpha trung bình của các danh mục như là một tiêu chí phụ để chỉ

ra mô hình phù hợp tốt hơn Do nghiên cứu này chỉ sử dụng kết quả cuối cùng của quá trình tính toán GRS test, R2 điều chỉnh bình quân, alpha bình quân để làm tiêu chí so sánh các mô hình nên chi tiết kết quả hồi quy được cân nhắc không trình bày

cụ thể trong nghiên cứu này

Theo Barillas & Shanken (2015) thì R2 điều chỉnh cung cấp bằng chứng hỗ trợ yếu và có thể dẫn đến nhầm lẫn trong việc xác định mô hình nào tốt hơn Vì vậy nghiên cứu này sẽ ưu tiên xét lần lượt hệ số GRS test và giá trị P-value, giá trị trung bình tuyệt đối của alpha, và hệ số xác định R2 điều chỉnh

Kiểm định GRS (1989) có thể được tính như sau:

8 Tham khảo Phụ lục 1, Bảng 11 – Kiểm định tính dừng của 45 danh mục

GRS kiểm định giả thuyết H0 rằng nếu mô hình định giá nắm bắt được toàn

bộ lợi nhuận mong đợi của các danh mục thì alpha của chúng tiến đến không Trường hợp kiểm định GRS bác bỏ giả thuyết H0, nếu hệ số GRS test và alpha của chúng càng tiến về không thì lỗi định giá không thể giải thích của mô hình càng thấp nghĩa là mô hình càng tốt hơn

3.3 Đo lường các thành tố của nhân tố

Bài nghiên cứu này chủ yếu sử dụng các nhân tố theo mô hình Fama & French (1993, 2015a) vì vậy cách tính toán các thành tố cũng được áp dụng theo Fama Trong trường hợp tại thị trường chứng khoán Việt Nam, theo quy định về thời hạn nộp báo cáo tài chính9 thì thời hạn nộp báo cáo tài chính năm là có kiểm toán và thời hạn tối đa theo quy định mới là 90 ngày Tuy nhiên cũng có nhiều trường hợp báo cáo tài chính bị trễ hạn nộp báo cáo tài chính và được gia hạn thêm nhưng không quá 100 ngày đối với trường hợp xin gia hạn nộp báo cáo tài chính Vì vậy nhà đầu tư chỉ có thể chắc chắn nắm được thông tin báo cáo tài chính năm trước

kể từ cuối tháng liền sau quý đầu tiên của năm tài chính hiện tại (tại Việt Nam hầu hết các công ty có năm tài chính là cuối năm dương lịch) Chính vì điều này, để phù hợp với tình hình của thị trường chứng khoán Việt Nam nghiên cứu này chọn tháng

6 hàng năm là thời điểm giao của của năm sử dụng báo cáo tài chính, tương tự như cách của Fama Tiêu biểu, đối với thành tố quy mô (Size), tại tháng 6 của năm t, nghiên cứu sử dụng số liệu vốn hóa thị trường để lọc dữ liệu quy mô

9 Theo Thông tư 38/2007/TT-BTC ngày 18/04/2007; Thông tư 52/2012/TT-BTC ngày 05/04/2012; Thông tư 155/2015/TT-BTC ngày 6/10/2015

Tại tháng 6 của năm t, thành tố B/M được tính toán bằng cách lấy giá trị sổ sách tại cuối năm tài chính của năm t-1 chia cho giá trị thị trường tại cuối năm dương lịch của năm t-1 Tương tự, bắt đầu tại cuối tháng 6 của năm t, thành tố B/M.m được tính toán bằng cách lấy giá trị sổ sách tại cuối năm tài chính của năm t-1 chia cho giá trị thị trường tại cuối tháng 6 của năm t và lập lại cho tháng tiếp theo của năm t (Tham khảo Hình 3 bên dưới)

Tại cuối tháng 6 của năm t, đối với thành tố OP, theo Fama & French (2015a) đo lường bằng cách lấy doanh thu trừ giá vốn hàng bán, trừ chi phí bán hàng, chi phí quản lý chung, trừ chi phí lãi vay, tất cả chia cho vốn chủ sở hữu (book equity) Tuy nhiên trong nghiên cứu này tác giả sử dụng EBIT trừ cho chi phí lãi vay Đối với thành tố OP.q, tương tự cách đo với thành tố OP nhưng tần suất cập nhật dữ liệu tính toán tại thời điểm cuối mỗi quý

Hình 3 - Cách tính HML.m

Nguồn: Asness và Frazzini (2013) Tương tự, tại cuối tháng 6 của năm t, thành tố đầu tư Inv là tỷ lệ thay đổi của tổng tài sản hàng năm được tính toán bằng cách lấy tổng tài sản tại năm tài chính của năm t-1 trừ tổng tài sản tại năm tài chính t-2 tất cả chia cho tổng tài sản tại năm tài chính của năm t-2

cách xây dựng nhân tố được mô tả bằng công thức tại Bảng 1 bên dưới và dữ liệu các nhân tố được trình bày trong Bảng 18 đến Bảng 20 tại Phục lục 3

3.4.1 Nhân tố lợi nhuận thị trường vượt trội (RMMRF)

Nhân tố RMMRF là lợi nhuận vượt trội của thị trường so với lãi suất trái phiếu chính phủ kỳ hạn 01 năm như là lãi suất phi rủi ro được lựa chọn trong phạm

vi nghiên cứu này

3.4.2 Nhân tố SMB

Tại tháng 6 của năm t, phân giá trị vốn hóa thị trường của các cổ phiếu thành

2 nhóm (Small và Big) Nếu giá trị vốn hóa của một công ty nào đó nhỏ hơn mức vốn hóa trung vị (median) của toàn bộ mẫu nghiên cứu thì công ty đó được xếp vào nhóm có quy mô nhỏ và ngược lại, thì được xếp vào nhóm có quy mô lớn Nhân tố SMB là tỷ suất lợi nhuận trung bình của các cổ phiếu có quy mô nhỏ trừ tỷ suất lợi nhuận trung bình của danh mục các cổ phiếu có quy mô lớn Đối với cấu trúc 2x2x2x2, là sự kết hợp đồng thời của hai nhóm danh mục quy mô tại mức phân vị (median) với 3 nhân tố còn lại

3.4.3 Nhân tố HML và HML.m

Tại tháng 6 của năm t, để xây dựng HML theo cấu trúc nhân tố 2x3, phân các

cổ phiếu thành ba danh mục có lợi nhuận trung bình (Low – Neutral - High) lần lượt theo tỷ lệ 30%, 40%, 30% dựa trên tỷ lệ giá trị sổ sách (BE) của năm tài chính t-1 trên giá trị thị trường (ME) của năm dương lịch t-1 Cụ thể hơn, những cổ phiếu nào có tỷ lệ BE/ME thuộc nhóm 30% đầu tiên được xếp vào danh mục Low, những

cổ phiếu nào có tỷ lệ BE/ME thuộc nhóm 40% thứ hai được xếp vào danh mục Neutral, cổ phiếu nào có tỷ lệ BE/ME thuộc nhóm 30% cuối cùng được xếp vào danh mục High

Trường hợp này, giao của hai nhóm trong danh mục quy mô với ba danh mục được tạo từ B/M thành (2x3) 6 danh mục Size-B/M Để xây dựng HML theo cấu trúc nhân tố 2x2, phân các cổ phiếu thành hai danh mục có lợi nhuận trung bình

Bảng 1 – Xây dựng các nhân tố SMB, HML, HML.m, RMW, RMW.q, INV

Cách xây dựng các nhân tố tương tự Fama(2015a) Thành tố Size được chia thành 02 nhóm danh mục Small (S) –Big (B) theo tỷ lệ 50% - 50% Thành tố B/M.m được xây dựng tương tự B/M và được chia thành 02 hoặc 03 danh mục High (H) – Neutral (N) – Low (L) theo tỷ lệ 30% - 40% - 30% Thành tố OP (OP.q) được chia thành 02 hoặc 03 danh mục Robust (R) – Neutral (N) – Weak (W) theo tỷ lệ 30% - 40% - 30% Thành tố INV được chia thành 02 hoặc 03 danh mục Conservative (C) – Neutral (N) – Aggressive (A) theo tỷ lệ 30% - 40% - 30% Size sẽ giao với 02 hoặc 03 danh mục B/M (B/M.m); OP (OP.q); INV HML (HML.m) là lợi nhuận trung bình của danh mục H trừ L RMW (RMW.q) là lợi nhuận trung bình của danh mục R trừ W INV là lợi nhuận trung bình của danh mục C trừ A Ghi chú: B/M.m khác B/M, và

OP khác OP.q về mặt tần số cập nhật dữ liệu nhưng cách xử lý dữ liệu hoàn toàn giống nhau Ký hiệu: m (monthly) gắn với B/M.m chỉ dữ liệu B/M được cập nhật hàng tháng để phần biệt với B/M q (quarterly) gắn với OP.q chỉ dữ liệu OP được cập nhật hàng quý để phân biệt với OP

Cấu trúc Tỷ lệ chia danh mục trên mẫu

nghiên cứu

Xây dựng nhân tố 2x3

OP (OP.q) INV

:Median (50% - 50%) :30% - 40% - 30%

:30% - 40% - 30%

:30% - 40% - 30%

SMB B/M(B/M.m) = (SH + SN + SL)/3 - (BH + BN + BL)/3 SMB OP(OP.q) = (SR + SN + SW)/3 - (BR + BN + BW)/3 SMB INV = (SC + SN + BA)/3 - (BS + BN+ BA)/3 SMB = SMB B/M(B/M.m) + SMB OP(OP.q) + SMB INV

HML(HML.m) = (SH + BH)/2 - (SL + BL)/2 RMW (RMW.q) = (SR + BR)/2 - (SW + BW)/2 CMA = (SC + BC)/2 - (SA + BA)/2

2x2

cho các cặp

thành tố Size -B/M,

Size - OP, Size - INV,

Size - B/M.m, Size - OP.q

Size B/M (B/M.m)

OP (OP.q) INV

:Median :Median :Median :Median

SMB = (SH + SL +SR + SW+ SC + SA)/6 - (BH + BL + BR + BW+ BC + BA)/6 HML(HML.m) = (SH + BH)/2 - (SL + BL)/2

RMW (RMW.q) = (SR + BR)/2 - (SW + BW)/2 CMA = (SC + BC)/2 - (SA + BA)/2

OP (OP.q) INV

:Median :Median :Median :Median

SMB = (SHRC + SHRA + SHWC + SHWA + SLRC + SLRA + SLWC + SLWA)/8 -

(BHRC + BHRA + BHWC + BHWA + BLRC + BLRA + BLWC + BLWA)/8 HML(HML.m) = (SHRC + SHRA + SHWC + SHWA + BHRC + BHRA + BHWC + BHWA)/8 -

(SLRC + SLRA + SLWC + SLWA + BLRC + BLRA + BLWC + BLWA)/8 RMW (RMW.q) = (SHRC + SHRA + SLRC + SLRA + BHRC + BHRA + BLRC + BLRA)/8 -

(SHWC + SHWA + SLWC + SLWA + BHWC + BHWA + BLWC + BLWA)/8 CMA = (SHRC + SHWC + SLRC + SLWC + BHRC + BHWC + BLRC + BLWC)/8 -

(SHRA + SHWA + SLRA + SLWA + BHRA + BHWA + BLRA + BLWA)/8

Nguồn: Tác giả thực hiện dựa theo phương pháp của Fama

Bảng 2 - Bảng danh mục đầu tư 3x3

Phương pháp xây dựng các danh mục trong nghiên cứu này hoàn toàn giống phương pháp của Fama (2015a) Các danh mục được xây dựng từ 03 danh mục Size (Big - Neutra – Small với tỷ lệ 30% - 40% - 30% và 03 danh mục B/M (High – Nuetural – Low); 03 danh mục B/M.m (High – Neutral – Low); 03 danh mục OP (Robust – Neutral – Weak), 03 danh mục OP.q (Robust – Neutral – Weak) và 03 danh mục Inv (Conservative – Neutral – Aggressive) cũng với tỷ lệ 30% - 40% - 30% tạo được mỗi nhóm 9 danh mục Tổng cộng 5 nhóm danh mục ta có 45 danh mục

Giải thích ký tự: m là giá trị BM được cập nhật hàng tháng; q: là giá trị OP được cập nhật hàng quý

09 danh mục Size -B/M SL_bm SN_bm SH_bm NL_bm NN_bm NH_bm BL_bm BN_bm BH_bm

09 danh mục Size - B/M.m SL_bm_m SN_bm_m SH_bm_m NL_bm_m NN_bm_m NH_bm_m BL_bm_m BN_bm_m BH_bm_m

09 danh mục Size - OP.q SR_op_q SN_op_q SW_op_q NR_op_q NN_op_q NW_op_q BR_op_q BN_op_q BW_op_q

09 danh mục Size - OP SR_op SN_op SW_op NR_op NN_op NW_op BR_op BN_op BW_op

09 danh mục Size - Inv SC_inv SN_inv SA_inv NC_inv NN_inv NA_inv BC_inv BN_inv BA_inv Nguồn: Tác giả phân chia các danh mục theo cấu trúc 3x3 theo phương pháp của Fama

(Low –High) dựa trên tỷ lệ B/M tại mức phân vị (median), sau đó giao của hai nhóm trong danh mục quy mô với hai danh mục được tạo từ B/M thành (2x2) 4 danh mục Size-B/M Nhân tố HML là lợi nhuận trung bình của các cổ phiếu thuộc danh mục có lợi nhuận cao trừ lợi nhuận trung bình của các cổ phiếu thuộc danh mục có lợi nhuận thấp Nhân tố HML.m cũng được xây dựng tương tự nhân tố HML tuy nhiên HML.m theo định nghĩa của Asness & Frazzini A (2013) là lợi nhuận trung bình của cổ phiếu thuộc danh mục giá trị (Value) trừ cho lợi nhuận trung bình của cổ phiếu thuộc danh mục tăng trưởng (Growth) Mặc dù vậy, HML.m đều có cách xây dựng tương tư HML Trong đó, những cổ phiếu thuộc danh mục giá trị là những cổ phiếu có chỉ số B/M.m nhỏ hơn phân vị (median) hoặc thuộc nhóm 30% những cổ phiếu có chỉ số B/M.m thấp nhất, và những cổ phiếu thuộc danh mục tăng trưởng là những cổ phiếu có chỉ số B/M.m lớn hơn phân vị hoặc thuộc nhóm 30% những cổ phiếu có chỉ số B/M.m cao nhất Đối với cấu trúc 2x2x2x2, là sự kết hợp đồng thời của hai nhóm danh mục giá trị tại mức phân vị (median) với 3 nhân tố còn lại

3.4.4 Nhân tố RMW và RMW.q

Tương tự, tại tháng 6 của năm t, để xây dựng RMW theo cấu trúc nhân tố 2x3, phân các cổ phiếu thành ba danh mục có tỷ suất lợi nhuận (Weak – Neutral - Robust) lần lượt theo tỷ lệ 30%, 40%, 30% dựa trên tỷ suất lợi nhuận (OP) của năm t-1 Khi đó, những cổ phiếu nào thuộc nhóm 30% có tỷ suất lợi nhuận thấp nhất được xếp vào danh mục Weak, những cổ phiếu nào thuộc nhóm 40% có tỷ suất lợi nhuận trung bình được xếp vào danh mục Neutral, những cổ phiếu nào thuộc nhóm 30% có tỷ suất lợi nhuận cao nhất được xếp vào danh mục Robust Trường hợp này, giao của hai nhóm trong danh mục quy mô với ba danh mục được tạo từ OP thành (2x3) 6 danh mục Size-OP Để xây dựng RMW theo cấu trúc nhân tố 2x2, phân các

cổ phiếu thành hai danh mục có tỷ suất lợi nhuận (Weak –Robust) dựa trên tỷ suất lợi nhuận tại mức phân vị (median), sau đó giao của hai nhóm trong danh mục quy

mô với hai danh mục được tạo từ OP thành (2x2) 4 danh mục Size-OP Nhân tố RMW là lợi nhuận trung bình của các cổ phiếu thuộc danh mục có tỷ suất lợi nhuận

mạnh trừ lợi nhuận trung bình của các cổ phiếu thuộc danh mục có tỷ suất lợi nhuận yếu Nhân tố RMW.q cũng được xây dựng tương tự nhân tố RMW tuy nhiên RMW.q được tính toán lại theo đề xuất của nhóm tác giả Kang et al (2015) chỉ khác về tần suất cập nhật OP hàng quý Đối với cấu trúc 2x2x2x2, là sự kết hợp đồng thời của hai nhóm danh mục lợi nhuận tại mức phân vị (median) với 3 nhân tố còn lại

3.4.5 Nhân tố CMA

Cũng theo cách xây dựng nhân tố của Fama & French (2015a), tại tháng 6 năm t, để xây dựng CMA theo cấu trúc nhân tố 2x3, phân các cổ phiếu thành ba lệ 30%, 40%, 30% dựa trên chỉ số tăng trưởng đầu tư (Inv) của năm t-1 Khi đó, những cổ phiếu nào thuộc nhóm 30% chỉ số tăng trưởng đầu tư thấp nhất được xếp vào danh mục Conservative, những cổ phiếu nào thuộc nhóm 40% có chỉ số tăng trưởng đầu tư trung bình được xếp vào danh mục Neutral, những cổ phiếu nào thuộc nhóm 30% có chỉ số tăng trưởng đầu tư cao nhất được xếp vào danh mục Aggressive Giao hai nhóm trong danh mục quy mô với ba danh mục được tạo từ Inv thành (2x3) 6 danh mục Size-Inv Tương tự, để xây dựng nhân tố CMA theo cấu trúc nhân tố 2x2, phân các cổ phiếu thành hai danh mục chỉ số đầu tư (Conservative –Aggressive) dựa trên chỉ số đầu tư tại mức phân vị (median), và giao của hai nhóm trong danh mục quy mô với hai danh mục được tạo từ Inv thành (2x2) 4 danh mục Size-Inv Nhân tố CMA là lợi nhuận trung bình của các cổ phiếu thuộc danh mục có chỉ số đầu tư cao mạnh trừ lợi nhuận trung bình của các cổ phiếu thuộc danh mục có chỉ số đầu tư thấp Đối với cấu trúc 2x2x2x2, là sự kết hợp đồng thời của hai nhóm danh mục đầu tư tại mức phân vị (median) với 3 nhân tố còn lại 3.5 Xây dựng các danh mục đầu tư

Để đảm bảo số lượng cổ phiếu trong mỗi danh mục đủ lớn và có cái nhìn tổng quát, không bị thiên vị cho bất kỳ mô hình nào, tác giả xây dựng các danh mục theo cấu trúc rộng hơn và khác biệt so với cách xây dựng nhân tố của Fama & French (2015a) Tác giả sử dụng cấu trúc phân chia danh mục 3x3 thay vì 5x5 hoặc

4x4 như các bài nghiên cứu khác tại các thị trường có quy mô lớn và số lượng lớn

cổ phiếu trong mẫu nghiên cứu Tương tự cách xây dựng nhân tố của Fama & French (2015a), tại tháng 6 năm t, các danh mục Size, B/M, B/M.m, OP, OP.q, INV được xây dựng theo cấu trúc 3x3 Khi đó, tác giả tạo được 45 danh mục khi giao thành tố Size với 5 các thành tố khác gồm 9 (3x3) danh mục Size-B/M, 9 danh mục Size-B/M.m, 9 danh mục Size-OP, 9 danh mục Size-OP.q, 9 danh mục Size-Inv Ngoài ra, tác giả còn sử dụng các danh mục này theo các cấu trúc 2x3, 2x2, và 2x2x2x2 khi so sánh xu hướng biến động của các danh mục Như vậy, nghiên cứu này sử dụng 9x5 danh mục cấu trúc 3x3 để chạy hồi quy các mô hình nghiên cứu và tính toán các chỉ số so sánh Các nhóm danh mục được liệt kê tại Bảng 2 nêu trên và

dữ liệu các danh mục được trình bày trong Phụ lục 3, từ Bảng 13 đến Bảng 17

CHƯƠNG 4KẾT QUẢ NGHIÊN CỨU 4.1 Đặc trưng mẫu và các kiểm định thống kê

4.1.1 Đặc trưng mẫu nghiên cứu

Sở giao dịch chứng khoán Hồ Chí Minh (HOSE), thuộc thị trường chứng khoán còn non trẻ, có thời gian thành lập chưa lâu, chính thức chỉ khoảng 15 năm

Số lượng công ty niêm yết tại cuối T9/2017 trên HOSE là 340 công ty với vốn hóa thị trường đạt 2.058 nghìn tỷ đồng10

- Mẫu nghiên cứu này lựa chọn được 294 cổ phiếu trên HOSE tính đến cuối T9/2017 Dựa trên giá trị trung bình quy mô giữa các cổ phiếu trên HOSE, mẫu nghiên cứu cho thấy cổ phiếu nhỏ luôn chiếm tỷ lệ khá cao trên 75% phần còn lại

cổ phiếu lớn chỉ chiếm tối đa 25% Tuy nhiên, nhóm cổ phiếu lớn lại dẫn dắt thị trường khi tỷ trọng vốn hóa chiếm ít nhất 74% kể từ năm 2008 đến nay (tham khảo Bảng 3 và Hình 4 bên dưới)

Bảng 3 - Thống kê mẫu nghiên cứu trên HOSE

Nguồn dữ liệu: tác giả tổng hợp từ nguồn dữ liệu Thomson Reuter

10 Tham khảo Phụ lục 1, Bảng 12 - Vốn hóa thị trường Việt Nam, HOSE, HNX từ 2015-2017