Download Ứng dụng các mô hình tài chính định giá danh mục đầu tư trên thị trường chứng khoán Việt Nam
MỤC LỤC
TÓM TẮT ĐỀTÀI
LỜI MỞ ĐẦU . 1
CHƯƠNG 1 : CƠSỞLÝ LUẬN . 2
1. Khái niệm các mô hình: . 2
1.1 Mô hình CAPM: . 2
1.1.1 Lý thuyết quá trình định giá: . 4
1.1.2 Quy trình định giá trên thực tế: . 5
1.2 Mô hình Fama - French: . 5
1.2.1 Những phát hiện của Fama – French: . 5
1.2.2 Mô hình Fama – French ba nhân tố: . 8
1.3 Mô hình Carhart: . 10
2. Mục đích của các mô hình: . 11
3. Theo dõi kết quảdựbáo và đánh giá lại mô hình đã sửdụng: . 11
KẾT LUẬN CHƯƠNG 1: . 12
CHƯƠNG 2: THỰC TIỄN ỨNG DỤNG MÔ HÌNH TÀI CHÍNH XÂY
DỰNG DANH MỤC ĐẦU TƯTỐI ƯU . 13
1. Thực tiễn ứng dụng mô hình Fama - French xây dựng danh mục đầu tư ởcác
nước trên thếgiới: . 13
1.1. Ứng dụng ởnhững nước phát triển: . 13
1.2 Ứng dụng ởnhững nước đang phát triển: . 16
2. Thực tiễn ứng dụng mô hình Carhart xây dựng danh mục đầu tư ởcác nước
trên thếgiới: . 19
3. Thực tiễn áp dụng mô hình tài chính vào thịtrường chứng khoán Việt Nam: . 21
3.1. Những nghiên cứu vềmô hình tài chính tại Việt Nam: . 21
3.2 Thực trạng thịtrường chứng khoán: . 22
4. Sựcần thiết phải có một mô hình dựbáo tỷsuất sinh lợi trong đầu tưchứng
khoán ởViệt Nam: . 29
KẾT LUẬN CHƯƠNG 2: . 31
CHƯƠNG 3: XÂY DỰNG DANH MỤC ĐẦU TƯTRÊN THỊ
TRƯỜNG CHỨNG KHOÁN VIỆT NAM: . 32
1. Xây dựng danh mục đầu tư– Mô hình Fama – French: . 32
1.1. Thu thập dữliệu sơbộ: . 32
1.2. Phân loại các danh mục đầu tư: . 33
1.3 Dữliệu nghiên cứu: . 34
1.4. Kiểm định hiện tượng đa cộng tuyến: . 34
1.4.1. Hậu quảcủa đa cộng tuyến: . 34
1.4.1.1. Hậu quảcủa đa cộng tuyến hoàn hảo: . 34
1.4.1.2. Hậu quảcủa đa cộng tuyến không hoàn hảo: . 35
1.4.2. Phát hiện đa cộng tuyến: . 36
1.5. Kiểm định tựtương quan, thống kê Breusch – Godfrey: . 37
1.5.1 Hậu quảcủa tựtương quan: . 37
1.5.2 Kiểm định tựtương quan Breusch – Godfrey: . 37
1.6. Kiểm định phương sai thay đổi, Kiểm định White: . 38
1.6.1. Hậu quảphương sai thay đổi: . 38
1.6.2 Phát hiện hiện tượng phương sai thay đổi: . 38
1.7. Kết quảhồi quy: . 39
2. Xây dựng danh mục đầu tư- Mô hình Carhart: . 41
2.1 Thu thập dữliệu sơbộ: . 41
2.3 Dữliệu nghiên cứu: . 42
2.4 Kiểm định hiện tượng đa cộng tuyến: . 42
2.5 Kiểm định tựtương quan Breusch – Godfrey: . 43
2.6. Kiểm định phương sai thay đổi, Kiểm định White: . 44
2.7. Kết quảhồi quy: . 44
KẾT LUẬN CHƯƠNG 3: . 46
CHƯƠNG 4: KHUYẾN NGHỊ ĐẦU TƯVÀ CÁC BIỆN PHÁP NÂNG
CAO TÍNH CHÍNH XÁC CỦA MÔ HÌNH DỰBÁO: . 47
1. Khuyến nghị đầu tư: . 47
2. Các biện pháp nâng cao tính chính xác của mô hình: . 49
2.1 Nguyên nhân ảnh hưởng đến kết quảthực nghiệm của mô hình: . 49
2.1.1 Phân tích gỉa định của các mô hình: . 49
2.1.2 Thu thập sốliệu: . 50
2.2 Giải pháp nâng cao hiệu quả ứng dụng các mô hình đầu tưtài chính hịên đại vào thị
trường chứng khoán Việt Nam: . 51
KẾT LUẬN CHƯƠNG 4 . 53
KẾT LUẬN . 54
++ Ai muốn tải bản DOC Đầy Đủ thì Trả lời bài viết này, mình sẽ gửi Link download cho!
đa cộng tuyến.
• Các hệ số hồi quy ảnh bị ảnh hưởng bởi đa cộng tuyến có thể sẽ không có ý nghĩa
thống kê bởi vì có các giá trị thống kê t thấp, và điều này làm cho người phân tích
loại bỏ một cách nhầm lẫn các biến quan trọng ra khỏi mô hình. Theo định nghĩa ở
các phần trên, tỷ số t tính toán đựơc tính theo công thức tstat =
456
78(456)
, nên khi se(β! &)
tăng sẽ làm cho tstat giảm.
• Dấu của các hệ số hồi quy có thể sai so với kỳ vọng. Ở công thức (*), dấu của hệ
số β! phụ thuộc vào mối tương quan giữa X2 và Y, nhưng một khi quan hệ giữa X2
và X3 quá mạnh, có thể làm thay đổi dấu hệ số hồi quy.
1.4.2. Phát hiện đa cộng tuyến:
- Ta sử dụng ma trận tương quan, nếu R2 bằng hay cao hơn 0.8 thì đó là dấu hiệu
quan trọng của hiện tượng đa cộng tuyến:
SMB HML RM_RF
SMB 1.000000 -0.135634 -0.466708
HML -0.135634 1.000000 0.185784
RM_RF -0.466708 0.185784 1.000000
Qua ma trận tương quan, ta thấy mối tương quan giữa các biến không cao, nhưng vẫn
tiến hành hồi quy phụ.
- Sử dụng hồi quy phụ các biến giải thích, đặt giả thiết:
H0: R2 = 0
H1: R2 ≠ 0
Nếu ta chấp nhận H0; P(F>Ftính toán) > 0.00005 nghĩa là không tồn tại mối liên hệ tuyến
tính giữa các biến giải thích.
Nếu ta bác bỏ H0; P(F
Biến RM_RF và SMB RM_RF và HML SMB và HML
R2 0.217817 0.034516 0.018396
37
F-statics 16.15141 2.073469 1.086993
P ( F > F-statics) 0.000171 0.155256 0.301465
Kết luận Chấp nhận H0 Chấp nhận H0 Chấp nhận H0
Quan hệ Độc lập Độc lập Độc lập
( Phụ lục 1.4.2)
1.5. Kiểm định tự tương quan, thống kê Breusch – Godfrey:
1.5.1 Hậu quả của tự tương quan:
Các ước lượng của OLS sẽ không còn là ước lượng hiệu quả. Trong trường hợp tự
tương quan dương, các giá trị ước lượng của sai số chuẩn theo OLS có xu hướng nhỏ hơn
các sai số chuẩn thực sự của tổng thể. Nói cách khác, ước lượng của OLS không chệch,
nhưng sai số chuẩn của hồi quy 9: sẽ bị chệch theo hướng thấp hơn. Trong hầu hết các
trường hợp R2 và tỷ số i sẽ bị ước lượng cao hơn.
1.5.2 Kiểm định tự tương quan Breusch – Godfrey:
Bresuch (1978) và Godfrey (1978) phát triển kiểm định LM trên mô hình:
Yt = β1 + β2X2t + … + βkXkt + ut ( với t = 1, 2, 3,…,n)
Trong đó:
ut = ρ1ut-1 + ρ2ut-2+…+ ρptt-p + εt
Kiểm định LM của Breusch – Godfrey kết hợp hai mô hình thành:
Yt = β1 + β2X2t + … + βkXkt + ρ1ut-1 + ρ2ut-2+…+ ρptt-p + εt
Và đặt giả thiết như sau:
H0: ρ1 = ρ2 = ρ3 =… = 0 (không có tự tương quan)
H1: Có ít nhất một hệ số ρ khác không, vì thế có tự tương quan
Quy trình kiểm định LM của Breusch – Godfrey:
- Ước lượng phương trình và lưu phần dư
- Ước lượng mô hình với độ trễ ρ của phần dư ût
- Tính thống kê LM = (n – p)/R2 từ phương trình hồi quy. Thống kê LM này sẽ theo
phân phối χ2 với số bậc tự do là ρ. Nếu (n – p)/R2 > χ2 và tra bảng ở mức ý nghĩa đã chọn,
ta bác bỏ giả thiết H0 và kết luận rằng mô hình có tự tương quan.
Kiểm định giả thiết tự tương quan:
38
Danh mục BH BL BM SH SL SM
Thống kê
LM:
0.423440 3.705898 0.462139 0.917568 2.471067 1.489760
χ2
3.841459 3.841459 3.841459 3.841459 3.841459 3.841459
Kết luận: Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
(phụ lục 1.5.2)
1.6. Kiểm định phương sai thay đổi, Kiểm định White:
1.6.1. Hậu quả phương sai thay đổi:
Nếu các giả thiết khác của OLS vẫn đảm bảo thì các ước lượng OLS vẫn là ước lượng
tuyến tính không chệch, tuy nhiên chúng không còn phương sai nhỏ nhất nữa, không hiệu
quả; nghĩa là các công thức để ước lượng phương sai của OLS nhìn chung sẽ chệch. Theo
đó, các khoảng tin cậy và kiểm định giả thuyết thông thường dựa trên phân phối t và F sẽ
không còn đáng tin cậy nữa. Do vậy, nếu ta áp dụng các phương pháp kiểm định thông
thường sẽ cho kết quả sai.
1.6.2 Phát hiện hiện tượng phương sai thay đổi:
Kiểm định White do eview thực hiện dựa trên hồi quy bình phương phần dư ( ký hiệu
là Resid) theo bậc nhất và bậc hai của biến độc lập. Kiểm định White là mô hình tổng
quát về sự thuần nhất của phương sai. Ta xét mô hình hồi quy sau:
Yt = β1 + β2X2t + β3X3t +… + βkXkt + ut (4.7.2)
Các bước kiểm định White như sau:
- Ước lượng mô hình (4.7.2) bằng OLS, từ đó thu được phần dư tương ứng ut
- Ước lượng mô hình sau:
ut
2
= α1 + α2X2 + α3X3 +…+ αkXk + εt
- Kiểm định giả thuyết:
39
H0: α2 = α3 = α4 =… = 0 ( phương sai sai số biến đổi đồng đều)
H1: tồn tại ít nhất αi khác 0 ( phương sai sai số thay đổi)
- So sánh: χ2(k-1) với nR2
Nếu nR2 > χ2(k-1) thì bác bỏ H0; phương sai thay đổi
Nếu nR2 < χ2(k-1) thì chấp nhận H0; phương sai biến đổi đồng đều.
Danh
mục
BH BL BM SH SL SM
nR2 7.57808 5.111179 7.565657 4.427652 29.52281 23.70521
χ2 7.81472 7.81472 7.81472 7.81472 7.81472 7.81472
Kết luận Chấp
nhận H0
Chấp nhận
H0
Chấp
nhận H0
Chấp
nhận H0
Bác bỏ H0 Bác bỏ H0
Phương
sai đồng
đều
Phương sai
đồng đều
Phương
sai đồng
đều
Phương
sai đồng
đều
Phương
sai biến
đổi
Phương
sai biến
đổi
(phụ lục 1.6.2)
Như vậy, danh mục SL, SM xảy ra hiện tượng phương sai thay đổi, nên hồi quy bằng
OLS sẽ không còn chính xác. Trong bài nghiên cứu này, ta sẽ không thể đưa ra định
hướng đầu tư cho những danh mục trên.
1.7. Kết quả hồi quy:
Sau khi tiến hành khảo sát các kiểm định tự tương quan, đa cộng tuyến, phương sai
thay đổi, ta tiến hành hồi quy các danh mục theo FF, kiểm định ý nghĩa của các hệ số hồi
quy. Nếu p-value của một biến >0.05, nghĩa là biến độc lập không có tác động nhiều
trong mô hình, ta có thể bỏ qua biến này.
Biến
giải
thích
Biến
phụ
thuộc
Α Β Si hi R2
R2
trung
bình
Rm-Rf
(phần
SH -0.001853 0.924064*** 0.710099
0.71664
SM -0.002387 0.771877*** 0.464323
40
bù rủi
ro thị
trường)
SL -0.006454 0.689003*** 0.420901
BH 0.002549 1.21136*** 0.912326
BM -0.00154 1.090709*** 0.830326
BL 0.004203*** 1.007827*** 0.961839
SMB
SH -0.007055 -0.219159 0.012895
0.10238
SM -0.005014 0.315122 0.024984
SL -0.008847 0.267293 0.02045
BH -0.006822 -1.02728*** 0.211816
BM -0.008911 -0.615739** 0.085428
BL -0.003818 -0.91992*** 0.258706
HML
SH -0.002354 1.060865*** 0.173246
0.08547
SM -0.003624 0.666276** 0.064041
SL -0.010422 -0.175625 0.005062
BH 0.000351 0.976294*** 0.109697
BM -0.002951 1.032004** 0.137601
BL 0.000706 0.363650 0.023181
SMB
và
HML
SH -0.002816 -0.112267 1.040756*** 0.176568
0.17499
SM -0.002016 0.390740* 0.736265** 0.101747
SL -0.009377 0.253926 -0.130142 0.023178
BH -0.003535 -0.94438*** 0.807137* 0.285414
BM -0.005087 -0.519300** 0.938988*** 0.197246
BL -0.002993 -0.89911*** 0.202603 0.265768
(Rm-Rf)
và
SMB
SH 0.001408 1.107091*** 0.690214*** 0.810138
0.82831
SM 0.003345 1.093656*** 1.213459*** 0.754096
SL -0.001421 0.971488*** 1.065280*** 0.674968
BH 0.002354 1.200421*** -0.041251 0.912593
BM 0.000152 1.185695*** 0.358199*** 0.852939
BL 0.003647*** 0.976609*** -0.117728** 0.965153
(Rm-Rf)
và
HML
SH 0.000433 ...
Download Ứng dụng các mô hình tài chính định giá danh mục đầu tư trên thị trường chứng khoán Việt Nam miễn phí
MỤC LỤC
TÓM TẮT ĐỀTÀI
LỜI MỞ ĐẦU . 1
CHƯƠNG 1 : CƠSỞLÝ LUẬN . 2
1. Khái niệm các mô hình: . 2
1.1 Mô hình CAPM: . 2
1.1.1 Lý thuyết quá trình định giá: . 4
1.1.2 Quy trình định giá trên thực tế: . 5
1.2 Mô hình Fama - French: . 5
1.2.1 Những phát hiện của Fama – French: . 5
1.2.2 Mô hình Fama – French ba nhân tố: . 8
1.3 Mô hình Carhart: . 10
2. Mục đích của các mô hình: . 11
3. Theo dõi kết quảdựbáo và đánh giá lại mô hình đã sửdụng: . 11
KẾT LUẬN CHƯƠNG 1: . 12
CHƯƠNG 2: THỰC TIỄN ỨNG DỤNG MÔ HÌNH TÀI CHÍNH XÂY
DỰNG DANH MỤC ĐẦU TƯTỐI ƯU . 13
1. Thực tiễn ứng dụng mô hình Fama - French xây dựng danh mục đầu tư ởcác
nước trên thếgiới: . 13
1.1. Ứng dụng ởnhững nước phát triển: . 13
1.2 Ứng dụng ởnhững nước đang phát triển: . 16
2. Thực tiễn ứng dụng mô hình Carhart xây dựng danh mục đầu tư ởcác nước
trên thếgiới: . 19
3. Thực tiễn áp dụng mô hình tài chính vào thịtrường chứng khoán Việt Nam: . 21
3.1. Những nghiên cứu vềmô hình tài chính tại Việt Nam: . 21
3.2 Thực trạng thịtrường chứng khoán: . 22
4. Sựcần thiết phải có một mô hình dựbáo tỷsuất sinh lợi trong đầu tưchứng
khoán ởViệt Nam: . 29
KẾT LUẬN CHƯƠNG 2: . 31
CHƯƠNG 3: XÂY DỰNG DANH MỤC ĐẦU TƯTRÊN THỊ
TRƯỜNG CHỨNG KHOÁN VIỆT NAM: . 32
1. Xây dựng danh mục đầu tư– Mô hình Fama – French: . 32
1.1. Thu thập dữliệu sơbộ: . 32
1.2. Phân loại các danh mục đầu tư: . 33
1.3 Dữliệu nghiên cứu: . 34
1.4. Kiểm định hiện tượng đa cộng tuyến: . 34
1.4.1. Hậu quảcủa đa cộng tuyến: . 34
1.4.1.1. Hậu quảcủa đa cộng tuyến hoàn hảo: . 34
1.4.1.2. Hậu quảcủa đa cộng tuyến không hoàn hảo: . 35
1.4.2. Phát hiện đa cộng tuyến: . 36
1.5. Kiểm định tựtương quan, thống kê Breusch – Godfrey: . 37
1.5.1 Hậu quảcủa tựtương quan: . 37
1.5.2 Kiểm định tựtương quan Breusch – Godfrey: . 37
1.6. Kiểm định phương sai thay đổi, Kiểm định White: . 38
1.6.1. Hậu quảphương sai thay đổi: . 38
1.6.2 Phát hiện hiện tượng phương sai thay đổi: . 38
1.7. Kết quảhồi quy: . 39
2. Xây dựng danh mục đầu tư- Mô hình Carhart: . 41
2.1 Thu thập dữliệu sơbộ: . 41
2.3 Dữliệu nghiên cứu: . 42
2.4 Kiểm định hiện tượng đa cộng tuyến: . 42
2.5 Kiểm định tựtương quan Breusch – Godfrey: . 43
2.6. Kiểm định phương sai thay đổi, Kiểm định White: . 44
2.7. Kết quảhồi quy: . 44
KẾT LUẬN CHƯƠNG 3: . 46
CHƯƠNG 4: KHUYẾN NGHỊ ĐẦU TƯVÀ CÁC BIỆN PHÁP NÂNG
CAO TÍNH CHÍNH XÁC CỦA MÔ HÌNH DỰBÁO: . 47
1. Khuyến nghị đầu tư: . 47
2. Các biện pháp nâng cao tính chính xác của mô hình: . 49
2.1 Nguyên nhân ảnh hưởng đến kết quảthực nghiệm của mô hình: . 49
2.1.1 Phân tích gỉa định của các mô hình: . 49
2.1.2 Thu thập sốliệu: . 50
2.2 Giải pháp nâng cao hiệu quả ứng dụng các mô hình đầu tưtài chính hịên đại vào thị
trường chứng khoán Việt Nam: . 51
KẾT LUẬN CHƯƠNG 4 . 53
KẾT LUẬN . 54
++ Ai muốn tải bản DOC Đầy Đủ thì Trả lời bài viết này, mình sẽ gửi Link download cho!
Tóm tắt nội dung:
seβ! &t2/ sẽ rộng hơn so với trường hợp không cóđa cộng tuyến.
• Các hệ số hồi quy ảnh bị ảnh hưởng bởi đa cộng tuyến có thể sẽ không có ý nghĩa
thống kê bởi vì có các giá trị thống kê t thấp, và điều này làm cho người phân tích
loại bỏ một cách nhầm lẫn các biến quan trọng ra khỏi mô hình. Theo định nghĩa ở
các phần trên, tỷ số t tính toán đựơc tính theo công thức tstat =
456
78(456)
, nên khi se(β! &)
tăng sẽ làm cho tstat giảm.
• Dấu của các hệ số hồi quy có thể sai so với kỳ vọng. Ở công thức (*), dấu của hệ
số β! phụ thuộc vào mối tương quan giữa X2 và Y, nhưng một khi quan hệ giữa X2
và X3 quá mạnh, có thể làm thay đổi dấu hệ số hồi quy.
1.4.2. Phát hiện đa cộng tuyến:
- Ta sử dụng ma trận tương quan, nếu R2 bằng hay cao hơn 0.8 thì đó là dấu hiệu
quan trọng của hiện tượng đa cộng tuyến:
SMB HML RM_RF
SMB 1.000000 -0.135634 -0.466708
HML -0.135634 1.000000 0.185784
RM_RF -0.466708 0.185784 1.000000
Qua ma trận tương quan, ta thấy mối tương quan giữa các biến không cao, nhưng vẫn
tiến hành hồi quy phụ.
- Sử dụng hồi quy phụ các biến giải thích, đặt giả thiết:
H0: R2 = 0
H1: R2 ≠ 0
Nếu ta chấp nhận H0; P(F>Ftính toán) > 0.00005 nghĩa là không tồn tại mối liên hệ tuyến
tính giữa các biến giải thích.
Nếu ta bác bỏ H0; P(F
Biến RM_RF và SMB RM_RF và HML SMB và HML
R2 0.217817 0.034516 0.018396
37
F-statics 16.15141 2.073469 1.086993
P ( F > F-statics) 0.000171 0.155256 0.301465
Kết luận Chấp nhận H0 Chấp nhận H0 Chấp nhận H0
Quan hệ Độc lập Độc lập Độc lập
( Phụ lục 1.4.2)
1.5. Kiểm định tự tương quan, thống kê Breusch – Godfrey:
1.5.1 Hậu quả của tự tương quan:
Các ước lượng của OLS sẽ không còn là ước lượng hiệu quả. Trong trường hợp tự
tương quan dương, các giá trị ước lượng của sai số chuẩn theo OLS có xu hướng nhỏ hơn
các sai số chuẩn thực sự của tổng thể. Nói cách khác, ước lượng của OLS không chệch,
nhưng sai số chuẩn của hồi quy 9: sẽ bị chệch theo hướng thấp hơn. Trong hầu hết các
trường hợp R2 và tỷ số i sẽ bị ước lượng cao hơn.
1.5.2 Kiểm định tự tương quan Breusch – Godfrey:
Bresuch (1978) và Godfrey (1978) phát triển kiểm định LM trên mô hình:
Yt = β1 + β2X2t + … + βkXkt + ut ( với t = 1, 2, 3,…,n)
Trong đó:
ut = ρ1ut-1 + ρ2ut-2+…+ ρptt-p + εt
Kiểm định LM của Breusch – Godfrey kết hợp hai mô hình thành:
Yt = β1 + β2X2t + … + βkXkt + ρ1ut-1 + ρ2ut-2+…+ ρptt-p + εt
Và đặt giả thiết như sau:
H0: ρ1 = ρ2 = ρ3 =… = 0 (không có tự tương quan)
H1: Có ít nhất một hệ số ρ khác không, vì thế có tự tương quan
Quy trình kiểm định LM của Breusch – Godfrey:
- Ước lượng phương trình và lưu phần dư
- Ước lượng mô hình với độ trễ ρ của phần dư ût
- Tính thống kê LM = (n – p)/R2 từ phương trình hồi quy. Thống kê LM này sẽ theo
phân phối χ2 với số bậc tự do là ρ. Nếu (n – p)/R2 > χ2 và tra bảng ở mức ý nghĩa đã chọn,
ta bác bỏ giả thiết H0 và kết luận rằng mô hình có tự tương quan.
Kiểm định giả thiết tự tương quan:
38
Danh mục BH BL BM SH SL SM
Thống kê
LM:
0.423440 3.705898 0.462139 0.917568 2.471067 1.489760
χ2
3.841459 3.841459 3.841459 3.841459 3.841459 3.841459
Kết luận: Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Chấp nhận
H0
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
Không có
tự tương
quan
(phụ lục 1.5.2)
1.6. Kiểm định phương sai thay đổi, Kiểm định White:
1.6.1. Hậu quả phương sai thay đổi:
Nếu các giả thiết khác của OLS vẫn đảm bảo thì các ước lượng OLS vẫn là ước lượng
tuyến tính không chệch, tuy nhiên chúng không còn phương sai nhỏ nhất nữa, không hiệu
quả; nghĩa là các công thức để ước lượng phương sai của OLS nhìn chung sẽ chệch. Theo
đó, các khoảng tin cậy và kiểm định giả thuyết thông thường dựa trên phân phối t và F sẽ
không còn đáng tin cậy nữa. Do vậy, nếu ta áp dụng các phương pháp kiểm định thông
thường sẽ cho kết quả sai.
1.6.2 Phát hiện hiện tượng phương sai thay đổi:
Kiểm định White do eview thực hiện dựa trên hồi quy bình phương phần dư ( ký hiệu
là Resid) theo bậc nhất và bậc hai của biến độc lập. Kiểm định White là mô hình tổng
quát về sự thuần nhất của phương sai. Ta xét mô hình hồi quy sau:
Yt = β1 + β2X2t + β3X3t +… + βkXkt + ut (4.7.2)
Các bước kiểm định White như sau:
- Ước lượng mô hình (4.7.2) bằng OLS, từ đó thu được phần dư tương ứng ut
- Ước lượng mô hình sau:
ut
2
= α1 + α2X2 + α3X3 +…+ αkXk + εt
- Kiểm định giả thuyết:
39
H0: α2 = α3 = α4 =… = 0 ( phương sai sai số biến đổi đồng đều)
H1: tồn tại ít nhất αi khác 0 ( phương sai sai số thay đổi)
- So sánh: χ2(k-1) với nR2
Nếu nR2 > χ2(k-1) thì bác bỏ H0; phương sai thay đổi
Nếu nR2 < χ2(k-1) thì chấp nhận H0; phương sai biến đổi đồng đều.
Danh
mục
BH BL BM SH SL SM
nR2 7.57808 5.111179 7.565657 4.427652 29.52281 23.70521
χ2 7.81472 7.81472 7.81472 7.81472 7.81472 7.81472
Kết luận Chấp
nhận H0
Chấp nhận
H0
Chấp
nhận H0
Chấp
nhận H0
Bác bỏ H0 Bác bỏ H0
Phương
sai đồng
đều
Phương sai
đồng đều
Phương
sai đồng
đều
Phương
sai đồng
đều
Phương
sai biến
đổi
Phương
sai biến
đổi
(phụ lục 1.6.2)
Như vậy, danh mục SL, SM xảy ra hiện tượng phương sai thay đổi, nên hồi quy bằng
OLS sẽ không còn chính xác. Trong bài nghiên cứu này, ta sẽ không thể đưa ra định
hướng đầu tư cho những danh mục trên.
1.7. Kết quả hồi quy:
Sau khi tiến hành khảo sát các kiểm định tự tương quan, đa cộng tuyến, phương sai
thay đổi, ta tiến hành hồi quy các danh mục theo FF, kiểm định ý nghĩa của các hệ số hồi
quy. Nếu p-value của một biến >0.05, nghĩa là biến độc lập không có tác động nhiều
trong mô hình, ta có thể bỏ qua biến này.
Biến
giải
thích
Biến
phụ
thuộc
Α Β Si hi R2
R2
trung
bình
Rm-Rf
(phần
SH -0.001853 0.924064*** 0.710099
0.71664
SM -0.002387 0.771877*** 0.464323
40
bù rủi
ro thị
trường)
SL -0.006454 0.689003*** 0.420901
BH 0.002549 1.21136*** 0.912326
BM -0.00154 1.090709*** 0.830326
BL 0.004203*** 1.007827*** 0.961839
SMB
SH -0.007055 -0.219159 0.012895
0.10238
SM -0.005014 0.315122 0.024984
SL -0.008847 0.267293 0.02045
BH -0.006822 -1.02728*** 0.211816
BM -0.008911 -0.615739** 0.085428
BL -0.003818 -0.91992*** 0.258706
HML
SH -0.002354 1.060865*** 0.173246
0.08547
SM -0.003624 0.666276** 0.064041
SL -0.010422 -0.175625 0.005062
BH 0.000351 0.976294*** 0.109697
BM -0.002951 1.032004** 0.137601
BL 0.000706 0.363650 0.023181
SMB
và
HML
SH -0.002816 -0.112267 1.040756*** 0.176568
0.17499
SM -0.002016 0.390740* 0.736265** 0.101747
SL -0.009377 0.253926 -0.130142 0.023178
BH -0.003535 -0.94438*** 0.807137* 0.285414
BM -0.005087 -0.519300** 0.938988*** 0.197246
BL -0.002993 -0.89911*** 0.202603 0.265768
(Rm-Rf)
và
SMB
SH 0.001408 1.107091*** 0.690214*** 0.810138
0.82831
SM 0.003345 1.093656*** 1.213459*** 0.754096
SL -0.001421 0.971488*** 1.065280*** 0.674968
BH 0.002354 1.200421*** -0.041251 0.912593
BM 0.000152 1.185695*** 0.358199*** 0.852939
BL 0.003647*** 0.976609*** -0.117728** 0.965153
(Rm-Rf)
và
HML
SH 0.000433 ...