library(summarytools)
## Warning: package 'summarytools' was built under R version 4.2.3
library(mixtools)
## Warning: package 'mixtools' was built under R version 4.2.3
## mixtools package, version 2.0.0, Released 2022-12-04
## This package is based upon work supported by the National Science Foundation under Grant No. SES-0518772 and the Chan Zuckerberg Initiative: Essential Open Source Software for Science (Grant No. 2020-255193).
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.2.3
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(VGAM)
## Warning: package 'VGAM' was built under R version 4.2.3
## Loading required package: stats4
## Loading required package: splines
library(dexter)
## Warning: package 'dexter' was built under R version 4.2.3

1 TỔNG QUAN VỀ NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN TIÊN PHONG (TPBANK)

1.1 Giới thiệu tổng quan về ngân hàng TMCP Tiên Phong

1.1.1 Tổng quan về ngân hàng và lĩnh vực hoạt động của ngân hàng

Ngân hàng Thương mại Cổ phần Tiên Phong (TP Bank), tên tiếng Anh là Tien Phong Comercial Joint Stock Bank, được thành lập ngày 05/05/2008 và chính thức đi vào hoạt động vào tháng 6/2008 với mục tiêu mang lại cho khách hàng và cổ đông những lợi ích tốt nhất. TP Bank nhận được sự công nhận và ủng hộ về tài chính của các cổ đông lớn như: Tập đoàn DOJI (vàng bạc đá quý), tập đoàn công nghệ FPT, công ty Tài chính quốc tế (IFC), tổng công ty Tái bảo hiểm Việt Nam (Vinare) và tập đoàn Tài chính SBI Ven Holding Pte. Ltd, Singapore. Ngoài ra ngân hàng còn có thế mạnh về công nghệ kỹ thuật và kinh nghiệm thị trường phong phú.

TP Bank cũng đã nhận được nhiều sự quan tâm đến từ các nhà đầu tư và các tổ chức nước ngoài, đặc biệt là Tổ chức Tài chính quốc tế IFC và Quỹ đầu tư Phần Lan PYN Elite Fund. Vào năm 2018, TP Bank niêm yết thành công 555 triệu cổ phiếu trên sàn chứng khoán TP. Hồ Chí Minh (HOSE), bước đầu đánh dấu quá trình hoạt động bền vững và ổn định của ngân hàng. Cổ phiếu TP Bank có mã TPB, giấy chứng nhận đăng ký doanh nghiệp của TP Bank số: 0102744865.

Các sản phẩm dịch vụ kinh doanh chính của ngân hàng bao gồm: Các hoạt động trung gian tiền tệ khác, mã ngành K6419 (là sản phẩm dịch vụ chính của ngân hàng); bán lẻ hàng hóa trong các cửa hàng chuyên doanh, mã ngành G4773; buôn bán kim loại và quặng kim loại, mã ngành G4662. TP Bank có vốn điều lệ ban đầu là 1.000 tỷ đồng.

1.1.2 Quá trình hình thành và lịch sử phát triển của ngân hàng

Tháng 5/2008, TP Bank hoàn tất việc triển khai hệ thống ngân hàng lõi Flex-cube và nhận giấy phép thành lập TP Bank. Tiếp sau đó khai trương chi nhánh Hà Nội, ký kết hợp tác toàn diện về chiến lược với Ngân hàng Đầu tư và Phát triển Việt Nam (BIDV) và khung hợp tác chung với Ngân hàng Citi, chính thức tham gia vào mạng thanh toán lớn nhất Việt Nam – Smart link, ra mắt hệ thống ngân hàng MiniBank 24/7. Nửa cuối năm 2008, TP Bank chính thức là công ty đại chúng, ra mắt dịch vụ Internet Banking dành cho khách hàng cá nhân và khách hàng doanh nghiệp. Cuối năm 2008, TP Bank nhận chứng chỉ ISO 9001:2000 cho toàn bộ sản phẩm, dịch vụ và hoạt động của ngân hàng.

Năm 2009, đại hội cổ đông lần thứ nhất của ngân hàng được tổ chức vào tháng 3. Giữa năm, TP Bank khai trương chi nhánh Cần Thơ và kỷ niệm 1 năm ngày thành lập. Tháng 8/2009, TP Bank khai trương thêm chi nhánh Hải Phòng. Đầu năm 2010, TP Bank tổ chức họp đại hội cổ đông lần thứ hai. Đến tháng 8 vốn điều lệ được tăng từ 1.000 tỷ đồng lên 2.000 tỷ đồng, sau 4 tháng cuổi năm tăng đến 3.000 tỷ đồng. Cũng trong năm này, TP Bank tiếp tục mở rộng thêm các chi nhánh mới như chi nhánh Sài Gòn, chi nhánh Thăng Long và khai trương Sở giao dịch TP Bank tại Hà Nội.

Tháng 1/2011 khai trương thêm chi nhánh tại Đồng Nai và An Giang. TPBank cũng khai trương thêm Quỹ tiết kiệm Khâm Thiên và Quỹ tiết kiệm Nguyễn Trãi vào thời điểm gần cuối năm.

Đầu năm 2012, TP Bank bắt đầu vào việc tái cơ cấu và thành công kêu gọi góp vốn từ Tập đoàn Đá quý DOJI. Từ đó Tập đoàn Đá quý DOJI trở thành một trong những cổ đông lớn nhất của TP Bank cho đến hiện tại (6,97%, theo dữ liệu hiển thị tại cafef.vn). Việc tái cơ cấu thành công đã giúp cho vốn điều lệ của TP Bank từ 3.000 tỷ đồng lên 5.550 tỷ đồng vào cuối năm. Trong năm này, TP Bank cũng mở thêm một số phòng giao dịch mới như Đinh Tiên Hoàng, Phú Xuyên, Lê Ngọc Hân.

Năm 2013, TP Bank được Ngân hàng Nhà Nước cấp phép gia nhập thị trường kinh doanh mua bán vàng miếng trên toàn hệ thống. Tháng 7/2013, TP Bank cho triển khai hai sản phẩm công nghệ mới là “eCounter – eGold” và “Thẻ tiêu dùng Đa tiện ích – các giải pháp công nghệ thông minh đầu tiên tại Việt Nam”. Cùng với đó là việc tiếp tục mở rộng thêm các chi nhánh Ba Đình, chi nhánh Hà Thành, chi nhánh Hải Phòng, chi nhánh Cộng Hòa và chi nhánh Tân Bình.

Trong khoảng 7 tháng đầu năm 2014, TP Bank liên tục mở thêm các chi nhánh mới gồm chi nhánh Bến Thành – Thành phố Hồ Chí Minh, chi nhánh Bình Dương, chi nhánh Đà Nẵng, chi nhánh An Giang trụ sở mới, chi nhánh Tây Hà Nội, chi nhánh Hùng Vương – Thành phố Hồ Chí Minh. Vào tháng 9/2014, TP Bank trở thành ngân hàng đầu tiên của cả nước cho ra mắt phiên bản eBank dựa trên công nghệ HTML5 có tính năng nhất thể hóa cho cả hai phiên bản Mobile Banking và Internet Banking. Cuối năm 2014 khai trương trụ sở mới, được đặt tại 57 Lý Thường Kiệt, Hoàn Kiếm, Hà Nội có diện tích sử dụng là 6.000 m2 với 10 tầng làm việc và 04 tầng hầm, đây là sự kiện đánh dấu vị thế mới của TP Bank trên thị trường tài chính Việt Nam.

Năm 2015, TP Bank tiếp tục khai trương thêm các chi nhánh tại nhiều tỉnh thành trên cả nước như Nghệ An, Quảng Ninh, Đắk Lắk, …. Nửa cuối năm 2016, TP Bank cho ra đời phiên bản “Ebank v.7.0 – tự do cá nhân hóa & Ebank Biz – HTML5” dành riêng cho doanh nghiệp. Tính đến tháng 7/2016, tổng tài sản của TP Bank đã đạt trên 83.200 tỷ đồng. Cũng trong thời gian này, TP Bank cho ra mắt thẻ tín dụng TP Bank World MasterCard. Trong năm TP Bank cũng khai trương thêm 05 chi nhánh mới. Tháng 2/2017, TP Bank chính thức cho ra mắt hệ thống giao dịch tự động 24/7 LiveBank. Đến tháng 6/2017, TP Bank mở thêm hệ thống điểm giao dịch tự động 24/7 LiveBank tại Đà Nẵng và cho ra đời phiên bản eBank “Biz 3.0 – Giải pháp đột phá cho doanh nghiệp”. Ra mắt trợ lý ảo T’aio phục vụ khách hàng nhờ ứng dụng thông minh nhân tạo. Tháng 10/2017, TP Bank ra mắt ứng dụng thanh toán bằng mã QR – TP Bank Quickpay, một ứng dụng thanh toán hay chuyển tiền thông qua mã QR. Trong năm, TP Bank tiếp tục khai trương thêm các chi nhánh mới.

Đầu năm 2018, TP Bank ra mắt dịch vụ nộp thuế hải quan điện tử 24/7, được nhận chứng chỉ ISO 20000 về quản lý dịch vụ công nghệ thông tin. Tháng 4/2018, cổ phiếu TP Bank (mã là TPB) chính thức được niêm yết trên sàn chứng khoán TP Hồ Chí Minh (HOSE) với 555 triệu cổ phiếu , mạng lưới LiveBank trên toàn quốc đạt 60 điểm và được cập nhật thêm tính năng phát hành thẻ ATM ngay tức thì tới khách hàng. Đến cuối năm, vốn điều lệ của ngân hàng đã đạt mức 8.566 tỷ đồng, cổ phiếu TPB cũng được giao dịch ký quỹ sau 06 tháng niêm yết. Chỉ số sức mạnh BCA cũng được Moody’s (công ty sở hữu Moody’s Investor services – công ty đánh giá các công cụ nợ có thu nhập cố định) nâng lên mức B1. Đồng thời khai trương thêm các chi nhánh mới.

Năm 2019, tổng số điểm giao dịch trên toàn quốc của TP Bank đạt gần 300 điểm với tổng số lượng khách hàng cá nhân đạt mức 3 triệu người.

Năm 2020, TP Bank tăng vốn điều lệ từ 8.566 tỷ đồng lên 10.716 tỷ đồng. Cũng trong năm này, TP Bank mở thêm 4 chi nhánh mới và 2 phòng giao dịch trên toàn quốc.

Năm 2021, vốn điều lệ của ngân hàng đạt 10.717 tỷ đồng và được giữ nguyên mức xếp hạng tín nhiệm nhà phát hành, tiền gửi nội tệ, ngoại tệ dài hạn ở mức B1. Tháng 9/2021, TP Bank chào bán cổ phiếu riêng lẻ cho các nhà đầu tư, tăng vốn điều lệ lên 11.716,7 tỷ đồng. Bổ sung thêm 100 triệu cổ phiếu vào tháng 10/2021, số lượng cổ phiếu sau khi thay đổi là 1.171.671.722 cổ phiếu. Cuối năm 2021, TP Bank nâng vốn điều lệ lên 15.817 tỷ đồng và tiếp tục khai trương thêm chi nhánh mới tại Hà Nội.

TP Bank liên tục cho ra mắt nền tảng Ngân hàng Số hoàn toàn mới cho Doanh nghiệp (TPBank Biz), thẻ tín dụng online 100% TPBank Evo phê duyệt và cấp hạn mức tín dụng chỉ sau 15 phút đăng ký trực tuyến, hệ thống Ngân hàng tiện lợi (TPBank LiveBank+) đầu tiên và duy nhất tại Việt Nam trong 6 tháng đầu năm 2022. Tháng 9/2022, Moody’s nâng mức xếp hạng tín nhiệm của TPBank lên mưc B3, triển vọng được thay đổi sang mức ổn định. TPBank còn được Bộ Công Thương công nhận danh hiệu Thương hiệu Quốc gia Việt Nam, có tên trong bảng xếp hạng Top 25 thương hiệu Tài chính dẫn đầu của Forbes Việt Nam, lọt vào bảng xếp hạng Top 50 doanh nghiệp lợi nhuận xuất sắc Việt Nam của VNR500, ra mắt bộ sưu tập 5 tính năng cá nhân hóa trên app TP Bank vào tháng 10/2022. Trong năm này, TPBank tiếp tục khai trương thêm nhiều chi nhánh mới trên toàn quốc.

Nửa đầu năm 2023, TP Bank nâng cấp toàn diện LiveBank 24/7: tăng tốc độ xử lý và đổi mới giao diện theo xu hướng Glassmorphism. Ra mắt gói giải pháp Siêu Shop thiết kế riêng cho phân khúc ủng hộ kinh doanh với nhiều đặc quyền và ưu đãi vào tháng 3/2023; xếp hạng nhà phát hành và tiền gửi nội tệ, ngoại tệ dài hạn của TPBank được Moody’s nâng lên một bậc. TPBank tiếp tục khai trương thêm chi nhánh mới.

1.1.3 Những thành tựu nổi bật

Năm 2009, TP Bank được tổ chức STP Awards Wells Fargo trao tặng Chứng nhận Ngân hàng Thanh Toán Đạt Chuẩn Cao.

Năm 2010, được Bộ Công thương và Hiệp hội Doanh nghiệp nhỏ và vừa trao tặng danh hiệu Doanh nghiệp Việt Nam vàng 2010.

Năm 2012, Thời báo kinh tế Việt Nam trao tặng cho dịch vụ Ngân hàng điện tử danh hiệu Dịch vụ Tin & Dùng Việt Nam 2012. Được diễn đàn M&A Việt Nam trao tặng danh hiệu Thương vụ phát hành riêng lẻ tiêu biểu Việt Nam 2011 – 2012.

Năm 2013, nhận bằng khen của Thủ tướng Chính phủ về thành tích xuất sắc trong công tác tái cơ cấu cho TP Bank và Chủ tịch HĐQT Đỗ Minh Phú. Thời báo kinh tế Việt Nam trao tặng cho dịch vụ Ngân hàng điện tử Dịch vụ Tin & Dùng Việt Nam 2013 và giải thưởng Ngân hàng có sản phẩm dịch vụ sáng tạo tiêu biểu (Vietnam Outstanding Banking Awards 2013) - Giải thưởng bình chọn trong khuôn khổ của diễn đàn các Ngân hàng Đông Nam Á năm 2013 do Hiệp hội Ngân hàng Việt Nam phối hợp tổ chức Tập đoàn Dữ liệu quốc tế IDG ASEAN. Đồng thời được Thời báo kinh tế Việt Nam trao tặng danh hiệu Thương hiệu mạnh Việt Nam 2012.

Năm 2014, TP Bank được nhận bằng khen của Thống đốc Ngân hàng Nhà nước vì “Đã có thành tích trong việc đầu tư, ứng dụng công nghệ đẩy mạnh dịch vụ ngân hàng điện tử”. Ngân hàng cũng nhận giải thưởng “Ngân Hàng Đi Đầu Về Dòng Sản Phẩm Thẻ ‘Đồng Thương Hiệu Viễn Thông’ 2014” (“Leadershipin ‘Telco Co-brand’ Segment Product Launch 2014”) cho sản phẩm thẻ Đồng thương hiệu MobiFone-TP Bank Visa Platinum do Tổ chức thẻ Quốc tế Visa trao tặng. TP Bạn đạt giải nhất Mobile Banking, giải nhì “Ngân hàng điện tử được yêu thích tại Việt Nam” trong cuộc thi My Ebank năm 2014 do báo điện tử VnExpress là đơn vị tổ chức cùng với công ty Cổ phần Dịch vụ thẻ Smartlink làm cố vấn chuyên môn và có Ngân hàng Nhà nước là đơn vị bảo trợ cho cuộc thi. TP Bank cũng nhận được giải thưởng Ngân hàng Số Sáng tạo nhất Việt Nam 2014 (Most Innovative Digital Bank Vietnam 2014) do tạp chí Global Financial Market Review (GFM) trao tặng. Thống đốc Ngân hàng Nhà nước trao tặng Bằng khen cho 04 cá nhân và 03 tập thể của TP Bank vì “Đã có thành tích xuất sắc góp phần hoàn thành nhiệm vụ Ngân hàng 2012-2013”. Giải thưởng dành cho doanh nghiệp và doanh nhân “Thương mại, Dịch vụ Việt Nam năm 2013” lần thứ VI. Cũng trong năm này, TP Bank được Thời báo Kinh tế Việt Nam trao tặng giải thưởng “Thương hiệu Mạnh Việt Nam 2013”.

Năm 2015, TP Bank nhận danh hiệu “Ngân hàng số sáng tạo nhất Việt Nam 2015” – “Most Innovative Digital Bank Vietnam 2015” do Tạp chí chuyên ngành Tài chính - ngân hàng có uy tín hàng đầu trên thế giới là Global Financial Market Review (GFM) trao tặng. Nhận danh hiệu “Ngân hàng bán lẻ tốt nhất Việt Nam 2015” - “Best Retail Bank Vietnam 2015” do Tạp chí chuyên ngành Tài chính của 8 ngân hàng có mức uy tín hàng đầu trên thế giới Global Financial Market Review (GFM) trao tặng. Được vinh danh lần thứ 3 giải thưởng “Thương hiệu mạnh Việt Nam” lần thứ 11 do Thời báo kinh tế Việt Nam tổ chức.

Năm 2016, được Tổ chức Thẻ Quốc tế Visa trao giải Ngân hàng có Doanh số thanh toán trung bình thẻ Visa Debit cao nhất năm 2016 tại Việt Nam. Lần thứ hai TP Bank eBank nhận giải thưởng sản phẩm dịch vụ Tin & Dùng do Thời báo Kinh tế Việt Nam – Tạp chí Tư vấn Tiêu & Dùng tổ chức. TP Bank lần đầu tiên được nhận giải thưởng NHTM Việt Nam uy tín nhất năm 2016 theo báo cáo đánh giá của Vietnam Report. Có tên trong top 50 nhãn hiệu cạnh tranh nổi tiếng năm 2016 do Hội Sở hữu Trí tuệ Việt Nam tổ chức. TP Bank có vinh dự nhận được giải thưởng Best Internet Banking ( giải Ngân hàng điện tử tốt nhất) do The Asian Banker trao tặng. Cuối năm 2016, TP Bank được Thống đốc Ngân hàng Nhà nước Việt Nam tặng Bằng khen nhờ đạt những thành tích xuất sắc trong hoạt động ngân hàng trong các năm 2014- 2015.

Năm 2017, TP Bank được bình chọn cho giải “Best Digital Banking Award” (giải thưởng dành cho ngân hàng số xuất sắc nhất 2017) do Tập đoàn dữ liệu quốc tế IDG phối hợp với Hiệp hội Ngân hàng Việt Nam tổ chức. Có tên top 10 ngân hàng mạnh nhất VIệt Nam theo đánh giá của The Asian Banker. TP Bank cũng được xếp trong nhóm 50 doanh nghiệp lợi nhuận tốt nhất Việt Nam theo báo cáo của Vietnam Report. Vinh dự được nhận cờ thi đua và bằng khen dành cho đơn vị xuất sắc trong phong trào thi đua “Thực hiện tốt chính sách, pháp luật thuế năm 2016” do Uỷ ban Nhân dân của thành phố Hà Nội trao tặng. Đại diện tạp chí uy tín The Asian Banker (TAB) trao giải thưởng Lãnh đạo trẻ xuất sắc Việt Nam cho ông Nguyễn Việt Anh - Phó TGĐ TP Bank. Tạp chí tài chính Global Financial Market Review (GFM) trao giải thưởng về Ngân hàng số tốt nhất và Ngân hàng bán lẻ tốt nhất Việt Nam cho TP Bank. TP Bank nhận giải thưởng “Thương hiệu mạnh Việt Nam” do tổ chức Vneconomy tổ chức cùng với Cục Xúc tiến Thương mại trực thuộc Bộ Công thương và là ngân hàng duy nhất được nhận giải “Best Auto Loan Product in Vietnam” (giải thưởng dành cho ngân hàng có sản phẩm cho vay mua ô tô tốt nhất tại Việt Nam) năm 2017 do The Asian Banker lựa chọn. TP Bank nằm trong Top các ngân hàng Việt Nam mạnh nhất châu Á theo đánh giá của Tạp chí tài chính ngân hàng hàng đầu của khu vực Châu Á The Asian Banker (TAB).

Năm 2018, nhận giải thưởng Ngân hàng SME phát triển nhanh nhất tại Việt Nam do tạp chí Global Banking and Finance Review trao tặng, giải thưởng “Ngân hàng phát hành tốt nhất năm 2017” về lĩnh vực Tài trợ Thương mại cho các dự án nghiên cứu về việc thích ứng thông minh với biến đổi khí hậu trong khu vực Đông Á – Thái Bình Dương do IFC trao tặng. TP Bank cũng được xếp vào Top 100 Ngân hàng bán lẻ mạnh nhất Châu Á Thái Bình Dương do Tạp chí The Asian Banker đánh giá. TP Bank nhận chứng chỉ quốc tế ISO 20000 về quản lý dịch vụ công nghệ thông tin. TP Bank còn được The Asian Banker bình chọn cho 3 giải thưởng “Best Internet Banking Initiative of the Year - Ngân hàng số sáng tạo nhất năm”; “Best CRM project in Vietnam - Hệ thống Quản lý và chăm sóc khách hàng tốt nhất Việt Nam” và “Best ATM and Kiosk Project in Vietnam - Ngân hàng tự động tốt nhất Việt Nam”. Đồng thời nhận chứng chỉ bảo mật của quốc tế về an toàn thẻ do tổ chức đánh giá chất lượng quốc tế độc lập ControlCase (Hoa Kỳ) trao tặng.

Năm 2019, TP Bank được IDG Việt Nam vinh danh là Ngân hàng số tiêu biểu 2019. TP Bank vinh dự được tổ chức thẻ quốc tế Visa trao giải thưởng “Ngân hàng đầu tiên triển khai liên kết đồng bộ với Visa Platform”, top 1 “Ngân hàng có tốc độ phát triển doanh số thẻ ghi nợ tốt nhất”, top 3 “Ngân hàng có tốc độ phát triển doanh số giao dịch thẻ tốt nhất”. Lọt vào top 500 ngân hàng mạnh nhất Châu Á – Thái Bình Dương, top 10 ngân hàng mạnh nhất Việt Nam năm 2019 do the Asian Banker bình chọn và có vinh dự lọt vào top 3 doanh nghiệp được niêm yết có hoạt động IR tốt nhất năm 2019 tại IR Awards 2019 do Hiệp hội các nhà Quản trị tài chính Việt Nam (VAFE) phối hợp với Vietstock tổ chức tại TP Hồ Chí Minh, top 10 ngân hàng uy tín nhất Việt Nam theo đánh giá độc lập của Vietnam Report. TP Bank Savy được tạp chí Tài chính Global Banking and Finance Review trao giải thưởng “Best Mobile Savings App Vietnam” (giải ứng dụng tiết kiệm trên điện thoại tốt nhất Việt Nam), được tạp chí Global Brands Magazine (GBM) trao tặng giải “Best Customer Service Banking Brand” (giải thưởng dành cho ngân hàng có dịch vụ khách hàng tốt nhất).

Năm 2020, TP Bank vinh dự lọt vào Top 10 Ngân hàng Thương mại Việt Nam uy tín năm 2020 (theo VNR 500), được tổ chức HR Asia trao giải “Nơi làm việc tốt nhất Châu Á 2020”. TP Bank vinh dự là Đối tác hàng đầu khu vực Đông Á Thái Bình Dương về tài trợ các giao dịch cho phụ nữ năm 2019 do tổ chức Tài chính Quốc Tế IFC bình chọn. TPBank cũng được nhận 3 giải thưởng lớn là “Best Digital Banking” (giải ngân hàng số tốt nhất); “Best Saving Account” (giải sản phẩm Tiết kiệm tốt nhất) và “Best Branch Innovation” (dành cho ngân hàng có mạng lưới đổi mới nhất Việt Nam) do The Asian Banker bình chọn.

1.2 Tầm nhìn – sứ mệnh và giá trị cốt lõi của ngân hàng

1.2.1 Tầm nhìn và sứ mệnh

Tầm nhìn: TP Bank có khát vọng trở thành một trong những ngân hàng hàng đầu tại Việt Nam với các sản phẩm, dịch vụ về lĩnh vực tài chính dựa trên nền tảng công nghệ hiện đại, tiên tiến góp phần vào mục tiêu lớn xây dựng đất nước giàu mạnh.

Sứ mệnh: TP Bank cung cấp những sản phẩm dịch vụ về tài chính một cách hoàn hảo cho khách hàng và đối tác dựa trên cơ sở công nghệ hiện đại và mang lại hiệu quả tối ưu. Trở thành một tổ chức kinh tế hoạt động minh bạch, an toàn, hiệu quả và bền vững, mang lại lợi ích tốt nhất cho các cổ đông. Tạo điều kiện tối ưu để mỗi cán bộ nhân viên đầy đủ về kinh tế, phát huy tối đa năng lực sáng tạo và phát triển sự nghiệp của bản thân. TP Bank là tổ chức ngân hàng có tinh thần trách nhiệm xã hội cao, luôn tích cực tham gia các hoạt động cộng đồng với mục tiêu vì CON NGƯỜI và HƯNG THỊNH QUỐC GIA.

1.2.2 Giá trị cốt lõi

TP Bank luôn lấy liêm chính, sáng tạo, cầu tiến, hợp lực, bền bỉ làm nền tảng xây dựng nên thương hiệu. Xứng đáng với sự tin tưởng của khách hàng, của các cổ đông là điều kiện cần để TP Bank đạt được các mục tiêu chiến lược ở hiện tại và tương lai.

1.3 Chức năng của các phòng, ban

Đại hội đồng cổ đông (bao gồm tất cả các cổ đông có quyền tham gia biểu quyết): là cơ quan ra quyết định cao nhất của ngân hàng. Các cổ đông thực hiện quyền biểu quyết của mình về các vấn đề thuộc thẩm quyền của Đại hội đồng cổ đông thông qua các phiên họp thường niên hoặc thông qua việc lấy ý kiến bằng văn bản.

Hội đồng quản trị: là bộ phận quản trị ngân hàng, có toàn quyền nhân danh ngân hàng để quyết định và thực hiện các quyền và nghĩa vụ của ngân hàng, ngoại trừ các vấn đề thuộc thẩm quyền của Đại hội đồng cổ đông.

Ban điều hành: là bộ phận chịu trách nhiệm đảm bảo việc lưu trữ các sổ sách kế toán nhằm nắm rõ tình hình tài chính tại Ngân hàng với mức độ chính xác, hợp lí tại bất kì thời điểm nào và đảm bảo rằng sổ sách kế toán tuân thủ chặt chẽ theo hệ thống pháp luật. Chịu trách nhiệm về việc quản lý các tài sản của Ngân hàng, thực hiện các biện pháp thích hợp để ngăn chặn và phát hiện các hành vi gian lận, vi phạm khác.

Ban kiểm soát: là cơ quan kiểm tra, giám sát mọi hoạt động của Ngân hàng. Đảm bảo hoạt động của từng đơn vị được triển khai đúng với định hướng, các biện pháp tổ chức được thực hiện có hiệu quả. Ban kiểm soát có trách nhiệm thẩm định bảng báo cáo tài chính hàng năm và kiểm tra từng vấn đề cụ thể liên quan đến các hoạt động tài chính khi cần thiết theo quyết định của Đại hội đồng cổ đông hoặc theo yêu cầu của cổ đông lớn.

Ủy ban điều hành: gồm Chủ tịch Hội đồng quản trị và 2 Phó Chủ tịch Hội đồng quản trị trực tiếp quản lý, điều hành. Có nhiệm vụ thay mặt cho Hội đồng quản trị ngân hàng trong thời gian Hội đồng quản trị không tham gia họp. Được phân chia thành: Ủy ban nhân sự, Ủy ban quản trị rủi ro, Ủy ban hỗ trợ quản lý tài sản nợ - có, Ủy ban tín dụng và đầu tư.

Khối hỗ trợ vận hành: gồm Hội sở phía Nam, Khối vận hành, Khối quản trị nguồn nhân lực, Khối Công nghệ thông tin, Trung tâm truyền thông, Quản lý truyền thông và Marketing. Khối hỗ trợ quản trị: gồm Khối tài chính, Khối quản trị rủi ro, Khối tín dụng, Khối pháp chế - giám sát và xử lý nợ.

Khối kinh doanh: gồm Khối ngân hàng cá nhân, Khối Ngân hàng doanh nghiệp, Khối bán trực tiếp, Khối nguồn vốn và thị trường tài chính, Khối đầu tư và khách hàng doanh nghiệp lớn.

2 CƠ SỞ LÝ THUYẾT VÀ DỮ LIỆU NGHIÊN CỨU

2.1 Lý do chọn đề tài

Cổ phiếu có vai trò rất quan trọng trong thị trường tài chính nói chung và doanh nghiệp nói riêng. Nhìn chung, cổ phiếu có ảnh hưởng rộng và tác động trực tiếp đối với quyết định của doanh nghiệp lẫn các nhà đầu tư.

Mục đích của các doanh nghiệp khi quyết định phát hành và bán cổ phiếu ra thị trường là để huy động vốn. Người mua cổ phiếu gọi là các cổ đông. Các cổ đông này sẽ được nhận một phần lợi nhuận do công ty tạo ra, phần lợi nhuận này được gọi là cổ tức. Một số công ty có thể đưa ra một khoản tỷ lệ cổ tức lớn nhằm thu hút các nhà đầu tư.

Giá trị thị trường của cổ phiếu có thể tăng hay giảm chủ yếu phụ thuộc vào lượng cung – cầu của các nhà đầu tư là nhiều hay ít. Các quyết định liên quan đến cổ phiếu của nhà đầu tư có thể ảnh hưởng đến quyết định của doanh nghiệp, đặc biệt là khi sự dao động lên xuống của giá cổ phiếu có liên quan đến lợi nhuận hoặc các yếu tố rủi ro.

Tỷ lệ sở hữu cổ phiếu có liên quan chặt chẽ đến quyền sở hữu doanh nghiệp. Nếu có cổ đông nắm giữ từ 50% tổng số cổ phiếu của một doanh nghiệp thì cổ đông đó sẽ là người đứng đầu trong ban quản trị của doanh nghiệp.

Giá trị của cổ phiếu được thể hiện liên tục trên thị trường tài chính phản ảnh tài sản hiện có của doanh nghiệp, được đánh giá dựa trên cơ sở thực trạng doanh nghiệp, trạng thái kinh tế và mức độ đầu tư của doanh nghiệp. Ngoài ra, cổ phiếu còn là phong vũ biếu của nền kinh tế thị trường, là công cụ giúp các nhà đầu tư có cái nhìn cụ thể về thực trạng của nền kinh tế đang diễn ra và dụ đoán tương lai của nền kinh tế đồng thời cũng có thể dự đoán và đề ra các kế hoạch phát triển doanh nghiệp, nhờ đó có phương pháp quản lý doanh nghiệp thích hợp. Nền kinh tế Việt Nam được xem là nền kinh tế dựa vào ngân hàng khi thị trường vốn chưa phát triển và nguồn cung cấp vốn cho các doanh nghiệp chủ yếu đến từ các ngân hàng. Với vai trò thống trị của tín dụng ngân hàng, những biến động trong ngành này có thể ảnh hưởng đáng kể đến hoạt động của doanh nghiệp và nền kinh tế. Khi ngành ngân hàng gặp khó khăn, các doanh nghiệp sẽ khó tiếp cận được nguồn vốn, điều này có thể dẫn đến suy giảm sản xuất kinh doanh và tăng thất nghiệp. Ngoài ra, những biến động trong ngành ngân hàng cũng có thể làm suy giảm niềm tin của nhà đầu tư và ảnh hưởng tiêu cực đến thị trường chứng khoán.

Ngân hàng hoạt động dựa trên cơ sở mức độ tín nhiệm. Vốn khả dụng của ngân hàng tỷ lệ thuận với mức độ uy tín của ngân hàng, có nghĩa là ngân hàng có vốn khả dụng càng lớn thì mức độ tín nhiệm của ngân hàng càng cao. Vốn cũng đại diện cho năng lực cạnh tranh của mỗi ngân hàng. Vì vậy ngân hàng cần có một nguồn vốn lớn để phát triển kinh doanh; ở hầu hết các ngân hàng, vốn tự có là chưa đủ để ngân hàng phát triển và gia tăng năng lực cạnh tranh. Có nhiều cách để ngân hàng có thể huy động vốn như đi vay từ các công ty bảo hiểm, các quỹ đầu tư và từ việc cho khách hàng vay tiền (Ngân hàng nhận tiền gửi từ khách hàng cá nhân và doanh nghiệp, sau đó cho vay lại cho khách hàng khác với lãi suất cao hơn. Chênh lệch lãi suất là nguồn thu chính của ngân hàng). Việc phát hành cổ phiếu cũng là một trong những cách mà các ngân hàng huy động vốn giúp cho ngân hàng giảm thiểu các chi phí tài chính và tăng khả năng cạnh tranh. Khi một ngân hàng phát hành cổ phiếu có nghĩa là ngân hàng đó đang bán một phần quyền sở hữu của mình cho các nhà đầu tư. Số tiền thu được từ việc phát hành cổ phiếu sẽ được sử dụng để tài trợ cho các hoạt động của ngân hàng như cho vay, đầu tư và mở rộng kinh doanh. Ngoài ra việc phát hành cổ phiếu còn giúp tăng vốn chủ sở hữu của ngân hàng, từ đó tăng khả năng chống chịu đối với rủi ro và đảm bảo an toàn trong hoạt động của ngân hàng.

Vì vậy, với mục đích muốn hiểu rõ hơn về tình hình phát triển của ngân hàng TMCP Tiên Phong và để làm rõ sự ảnh hưởng của các nhân tố vĩ mô đến giá cổ phiếu, tôi tiến hành nghiên cứu, mô phỏng sự biến động giá cổ phiếu của TPBank liên quan đến các nhân tố kinh tế vĩ mô.

2.2 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Giá cổ phiếu của ngân hàng TMCP Tiên Phong.

Phạm vi nghiên cứu: Dữ liệu được thu thập theo ngày từ ngày 02 tháng 01 năm 2023 đến ngày 20 tháng 06 năm 2023.

2.3 Cơ sở lý thuyết

2.3.1 Tổng quan về thị trường chứng khoán

Thị trường chứng khoán là nơi thực hiện việc mua, bán chứng khoán. Thị trường chứng khoán được chia làm hai bộ phận dựa trên cơ sở mua bán chứng khoán lần đầu hay mua bán lại là thị trường sơ cấp và thị trường thứ cấp. Thị trường chứng khoán sơ cấp là nơi chứng khoán được người phát hành bán lần đầu tiên cho các tổ chức, cá nhân. Thị trường chứng khoán thứ cấp là nơi diễn ra việc mua, bán lại chứng khoán từ các cá nhân hay tổ chức khác không phải là nhà phát hành. Thị trường chứng khoán thứ cấp có hình thức tổ chức là Trung tâm giao dịch chứng khoán hay nói cách khác là sở giao dịch chứng khoán.

Trong thời điểm nền kinh tế thị trường hiện đại, thị trường chứng khoán đã trở thành một trong những nơi phổ biến cho việc đầu tư tài chính. Đến thời điểm hiện tại, thị trường chứng khoán Đông Nam Á có sự “sáng sủa” hơn các thị trường khác trên thế giới do nhiều nền kinh tế trong khu vực này đã mở cửa trở lại sau đại dịch Covid-19, chào đón một lượng lớn khách du lịch quay trở lại. Cùng với nhu cầu tiêu thụ hàng nội địa bùng nổ đang giúp bảo vệ các nền kinh tế khu vực khỏi sự tăng trưởng chậm lại của nền kinh tế thế giới.

Người đứng đầu châu Á – Thái Bình Dương về lĩnh vực chứng khoán tại công ty quản lý tài sản Robeco Hong Kong (Trung Quốc) cho biết “ Nhu cầu bị dồn nén là rất nhiều. Nguồn đầu tư trực tiếp từ nước ngoài đang tập trung chảy vào khu vực Đông Nam Á, các nền kinh tế đang mở cửa trở lại và việc cơ cấu dài hạn đang dần trở nên tích cực. Thị trường tài chính của khu vực nói chung và thị trường chứng khoán nói riêng đã rất linh hoạt khi đối mặt với những yếu tố thường dẫn đến xu hướng bán tháo mạnh mẽ”. Bloomberg đã ước tính “hầu hết các nền kinh tế lớn nhất trong khu vực dự kiến sẽ tăng trưởng ít nhất 5% trong năm 2022, việc xóa bỏ các lệnh cấm sau đại dịch đã mang lại sự thúc đẩy quan trọng cho thị trường. Ví dụ, Malaysia đã tăng hơn gấp đôi số lượng khách du lịch mà nước này đặt mục tiêu trong năm 2022, trong khi đó, Thái Lan dự kiến sẽ thu về 11 tỷ USD từ lượng khách du lịch nước ngoài tăng đột biến trong nửa cuối năm 2022”.

Tuy nhiên, thị trường chứng khoán cũng tồn tại một số rủi ro thường gặp như rủi ro thanh khoản, rủi ro biến động thị trường, rủi ro lãi suất và lạm phát. Ngày nay, có rất nhiều tính toán phát triển trong đầu tư để nhà đầu tư có thể sớm tìm ra giá trị của rủi ro làm giảm tổn thất tiềm ẩn. Vì khủng hoảng kinh tế đang diễn ra, quản lý rủi ro ngày càng hấp dẫn đối với các nhà đầu tư và giá trị rủi ro (Value at risk) đang được các nhà đầu tư sử dụng rộng rãi. Trong việc quản lý rủi ro về tài chính của các ngân hàng, giá trị rủi ro (VaR) là một trong các giá trị quan trọng nhất trong các biện pháp quản lý rủi ro. Theo đó, mô hình ARCH/GARCH đã được sử dụng rộng rãi để dự đoán sự biến động rủi ro.

2.3.2 Thông tin chung về cổ phiếu TP Bank

Năm 2018, TP Bank niêm yết 555 triệu cổ phiếu trên sàn giao dịch chứng khoán TP. Hồ Chí Minh.

Năm 2020, cổ phiếu của TP Bank được lọt vào rổ cổ phiếu VN30 với các tiêu chuẩn sàng lọc vốn hóa, sàng lọc về free-Float và sàng lọc về thanh toán.

2.4 Dữ liệu nghiên cứu

2.4.1 Bộ dữ liệu

library(readxl)
TL1 <- read_excel("C:/RRR/data TL MPNN.xlsx")
library(DT)
## Warning: package 'DT' was built under R version 4.2.3
TL1 %>% DT::datatable(TL1)

2.4.2 Mô tả các biến trong bộ dữ liệu

2.4.2.1 IR (Interest Rate):

Lãi suất là chi phí mà mà người đi vay phải trả để có được cơ hội sử dụng vồn (Devereur và Yetman, 2002), được xác định bởi nguồn cung và nhu cầu sử dụng vốn. Khi lãi suất giảm sẽ tác động tích cực đến chỉ số giá cổ phiếu. Bởi vì khi giá vốn rẻ hơn so với trước sẽ giúp các công ty dễ huy động nguồn vốn để thực hiện các dự án đầu tư, cũng như giảm chi phí cho các công ty sử dụng đòn bẩy tài chính lớn từ đó sẽ làm cải thiện lợi nhuận của công ty và làm tăng giá cổ phiếu công ty. Ngược lại, khi lãi suất tăng có tác động tiêu cực đến hoạt động chung của nền kinh tế nói chung và thị trường chứng khoán nói riêng, vì làm cho khả năng tiếp cận vốn của doanh nghiệp trở nên khó khăn hơn, giảm giá trị của thu nhập cổ tức trong tương lai sẽ khiến các nhà đầu tư ngại đầu tư vào cổ phiếu mà thay vào đó họ sẽ đầu tư gửi tiết kiệm, mua trái phiếu sẽ là các kênh đem lại lợi nhuận cao hơn vơi rủi ro thấp hơn. Từ đó ảnh hưởng đến hoạt động sản xuất kinh doanh của công ty và các chứng khoán đó trở nên kém hấp dẫn hơn trên thị trường.

2.4.2.2 EXR (Exchange Rate):

Tỷ giá hối đoái là tỷ lệ trao đổi từ tiền của quốc gia này sang đồng tiền của quốc gia khác. Tỷ giá hối đoái là một biến số quan trọng, tác động đến dự cân bằng của cán cân thương mại và cán cân thanh toán, do đó tác động đến sản lượng, việc làm cũng như sự cân bằng của nền kinh tế nói chung. Biến động tỷ giá hối đoái có tác động tới thị trường chứng khoán khi có các nguồn vốn nước ngoài được đầu tư vào thị trường chứng khoán. Biến động mạnh của tỷ giá hối đoái sẽ khiến các nhà đầu tư nước ngoài rút khỏi thị trường sẽ làm giá chứng khoán giảm. . Sự tăng lên về giá của những tài sản trong nước làm cho những nhà đầu tư gia tăng nhu cầu của họ về tiền tệ, điều này lại làm cho lãi suất gia tăng. Một hoạt động khác cũng làm cho mối quan hệ giữa giá chứng khoán và tỷ giá là ngược chiều là khi có sự gia tăng đầu tư trong khối đầu tư nước ngoài vào tài sản trong nước cũng làm gia tăng giá chứng khoán. Điều này cũng là nguyên nhân của sự đánh giá cao đồng tiền trong nước.

Khi tỷ giá hối đoái biến động, có thể ảnh hưởng đến giá trị của tài sản và nợ của các ngân hàng. Điều này có thể dẫn đến tăng hoặc giảm lợi nhuận của các ngân hàng. Ngoài ra còn có thể ảnh hưởng đến chi phí vốn và chi phí vay, hoạt động cho vay và hoạt động đầu tư dẫn đến việc lợi nhuận của ngân hàng giảm.

2.4.2.3 GDP (Gross Domestic Product):

Tổng sản phẩm quốc nội là tổng giá trị hàng hóa và dịch vụ cuối cùng được sản xuất xảy ra trong phạm vi lãnh thổ một nước trong một thời kỳ nhất định, thường là một năm. GDP được tính dựa trên tiêu dùng cuối cùng của hộ dân cư, chính phủ, tổng đầu tư và chênh lệch xuất nhập khẩu hàng hóa và dịch vụ. Chính vì vậy, sự tăng trưởng GDP sẽ giúp chỉ ra được tỷ lệ có việc làm và thu nhập của người dân đang tăng lên dẫn đến nhu cầu tiêu dùng hàng hóa tăng theo, thúc đẩy sản xuất, tăng doanh thu và lợi nhuận của doanh nghiệp, qua đó làm gia tăng sự phát triển của nền kinh tế nói chung và thị trường chứng khoán nói riêng. Về cơ bản, GDP là thước đo đánh giá sức mạnh và quy mô của một nền kinh tế. Vì vậy việc kỳ vọng tốc độ tăng trưởng GDP thấp hay cao sẽ có ảnh hưởng đến tâm lý cũng như hiệu suất đầu tư trên thị trường chứng khoán của quốc gia đó xét trong dài hạn sẽ thấy được ảnh hưởng rõ rệt. Một sự thay đổi đáng kể trong GDP, dù tiêu cực hay tích cực, thường sẽ phản ánh trên thị trường chứng khoán. GDP có tác động tích cực đến giá cổ phiếu ngân hàng. Khi GDP tăng, có nghĩa là nền kinh tế đang phát triển và hoạt động tốt. Điều này dẫn đến nhu cầu tín dụng tăng, vì các doanh nghiệp và hộ gia đình cần vay tiền để đầu tư và chi tiêu. Nhu cầu tín dụng tăng sẽ làm tăng lợi nhuận của các ngân hàng, vì họ sẽ thu được lãi suất từ các khoản vay. Điều này sẽ dẫn đến giá cổ phiếu ngân hàng tăng. Ngược lại, khi GDP giảm, có nghĩa là nền kinh tế đang suy thoái và hoạt động kém. Điều này dẫn đến nhu cầu tín dụng giảm, vì các doanh nghiệp và hộ gia đình không có đủ tiền để đầu tư và chi tiêu. Nhu cầu tín dụng giảm sẽ làm giảm lợi nhuận của các ngân hàng, vì họ sẽ thu được lãi suất thấp hơn từ các khoản vay. Điều này sẽ dẫn đến giá cổ phiếu ngân hàng giảm.

Nhìn chung, GDP có tác động tích cực đến giá cổ phiếu ngân hàng.

2.4.2.4 CPI (Consumer Price Index):

Chỉ số giá tiêu dùng là sự tăng mức giá chung một cách liên tục của hàng hóa, dịch vụ theo thời gian và sự mất giá trị của một loại tiền tệ nào đó, đồng thời phản ảnh sự suy giảm sức mua trên một đơn vị tiền tệ. Lạm phát cao luôn là dấu hiệu cho thấy nền kinh tế đang nóng, báo hiệu sự tăng trưởng kém bền vững vì làm tăng chi phí đi vay, tăng chi phí đầu vào (nguyên vật liệu, lao động) và giảm chất lượng cuộc sống của người dân do mọi chi phí tăng, đồng thời ảnh hưởng đến lợi nhuận của công ty cũng gián tiếp gây áp lực làm giảm giá cổ phiếu.

Khi CPI tăng, ngân hàng trung ương có thể tăng lãi suất để cố gắng kiểm soát lạm phát. Điều này có thể làm giảm lợi nhuận của ngân hàng vì họ sẽ phải trả lãi suất cao hơn cho các khoản vay. Khi này chi phí sản xuất của ngân hàng cũng sẽ tăng lên. Điều này có thể làm giảm lợi nhuận của ngân hàng vì họ sẽ phải bán các sản phẩm và dịch vụ của mình với giá cao hơn.Khi CPI tăng, người tiêu dùng có thể có ít tiền hơn để chi tiêu cho các khoản vay. Điều này có thể làm giảm nhu cầu tín dụng, có thể ảnh hưởng đến lợi nhuận của ngân hàng.

2.4.2.5 WTI (giá dầu thô thế giới):

Giá dầu có tác động trực tiếp đến thị trường chứng khoán trên toàn thế giới nói chung và Singapore nói riêng. Giá dầu tăng ảnh hưởng đến các biến số kinh tế vĩ mô như chi phí sản xuất, quyết định của nhà đầu tư, lợi nhuận của khối doanh nghiệp, các biến số kinh tế vĩ mô như lạm phát, thu nhập quốc dân, …Huang và cộng sự (1996) cho rằng thay đổi giá dầu có tác động đến giá chứng khoán là do ảnh hưởng của biến động giá dầu được giải thích chủ yếu bằng những lập luận dựa trên mô hình định giá theo phương pháp chiết khấu dòng tiền. Vì dầu là nguồn tài nguyên chính của nền kinh tế nên giá dầu cao sẽ làm mức giá chung cao, lãi suất thực tăng gây tác động đến mức lợi nhuận nhà đầu tư kỳ vọng đầu tư vào các công ty tăng tương ứng, khiến giá chứng khoán giảm.

Các ngân hàng sử dụng dầu thô để vận hành các chi nhánh và máy móc của họ. Khi giá dầu thô tăng, các ngân hàng phải chi nhiều tiền hơn cho nhiên liệu, điều này có thể làm giảm lợi nhuận của họ. Khi giá dầu tăng, người tiêu dùng có xu hướng chi ít tiền hơn cho các mặt hàng không thiết yếu, chẳng hạn như mua sắm và ăn uống ngoài nhà. Điều này có thể dẫn đến giảm doanh thu cho các ngân hàng, vì họ kiếm được tiền từ việc cho vay và đầu tư.

Nhìn chung, giá dầu thô có thể có tác động tiêu cực đến giá cổ phiếu ngân hàng. Tuy nhiên, tác động của giá dầu thô đến giá cổ phiếu ngân hàng có thể khác nhau tùy thuộc vào từng ngân hàng và tình hình kinh tế vĩ mô.

2.4.2.6 GOLD (giá vàng thế giới):

Sự biến động của giá vàng luôn có ảnh hưởng tích cực hay tiêu cực đến nền kinh tế, cụ thể là thị trường chứng khoán. Cơ sở để giải thích cho mối tương quan này là khi giá vàng tăng, nhà đầu tư sẽ rút vốn để đầu tư vào thị trường vàng thay vì đầu tư vào cổ phiếu do tỷ suất sinh lợi trên thị trường vàng cao hơn. Do đó, cầu về cổ phiếu sẽ giảm, làm giảm giá của cổ phiếu. Vàng sở hữu các tính chất tương tự như chứng khoán ở chỗ nó là một sự lưu trữ giá trị, phương tiện trao đổi và là một đơn vị thanh toán (Goodman, 1956; Solt and Swanson, 1981). Vàng đóng vai trò là một kim loại quý với các tính chất giúp đa dạng hóa danh mục đầu tư một cách đáng kể (Ciner, 2001).Khác với các tài sản khác, vàng là tài sản có tính thanh khoản cao.

Giá vàng và giá cổ phiếu ngân hàng có mối quan hệ tương quan ngược. Điều này có nghĩa là khi giá vàng tăng, giá cổ phiếu ngân hàng giảm và ngược lại.Có một số lý do giải thích cho mối quan hệ này. Đầu tiên, vàng được coi là tài sản an toàn, trong khi cổ phiếu ngân hàng được coi là tài sản rủi ro. Khi thị trường chứng khoán biến động và nhà đầu tư lo lắng về rủi ro, họ sẽ bán cổ phiếu ngân hàng và mua vàng. Điều này làm giảm giá cổ phiếu ngân hàng và tăng giá vàng. Thứ hai, vàng và cổ phiếu ngân hàng cạnh tranh với nhau về dòng tiền đầu tư. Khi giá vàng tăng, các nhà đầu tư sẽ có xu hướng chuyển dòng tiền từ cổ phiếu ngân hàng sang vàng. Điều này làm giảm giá cổ phiếu ngân hàng và tăng giá vàng. Thứ ba, vàng và cổ phiếu ngân hàng có thể được sử dụng để phòng ngừa lạm phát. Khi lạm phát tăng, giá trị của tiền tệ giảm và giá trị của vàng và cổ phiếu ngân hàng tăng. Điều này là do vàng và cổ phiếu ngân hàng được coi là tài sản có giá trị thực và có thể được sử dụng để mua hàng hóa và dịch vụ trong tương lai.

Tuy nhiên, cần lưu ý rằng mối quan hệ tương quan ngược giữa giá vàng và giá cổ phiếu ngân hàng không phải lúc nào cũng đúng. Trong một số trường hợp, giá vàng và giá cổ phiếu ngân hàng có thể tăng cùng nhau. Điều này có thể xảy ra khi nền kinh tế tăng trưởng mạnh và nhà đầu tư có nhiều tiền để đầu tư. Trong trường hợp này, nhà đầu tư có thể mua cả vàng và cổ phiếu ngân hàng. Nhìn chung, giá vàng có tác động tiêu cực đến giá cổ phiếu ngân hàng.

2.4.2.7 TPB:

Cổ phiếu TPB là cổ phiếu của Ngân hàng Thương mại Cổ phần Tiên Phong, một ngân hàng thương mại cổ phần được thành lập tại Việt Nam vào năm 2008. Ngân hàng có trụ sở chính tại Thành phố Hồ Chí Minh và hiện có hơn 150 chi nhánh và phòng giao dịch trên toàn quốc.

Cổ phiếu TPB được niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) vào năm 2012. Giá cổ phiếu TPB đã tăng trưởng mạnh mẽ trong những năm qua và hiện đang là một trong những cổ phiếu có giá trị nhất trên thị trường chứng khoán Việt Nam.

3 THIẾT KẾ MÔ PHỎNG GIÁ CỔ PHIẾU TPBANK BẰNG MÔ HÌNH HỒI QUY

3.1 Mô hình hồi quy tổng quát

Hồi quy tổng quát là một kỹ thuật thống kê được sử dụng để dự đoán giá trị của một biến phụ thuộc dựa trên các giá trị của một hoặc nhiều biến độc lập. Mô hình hồi quy tổng quát là một mô hình linh hoạt cho phép các nhà nghiên cứu mô hình hóa các mối quan hệ phi tuyến giữa các biến.

Mô hình hồi quy tổng quát được viết dưới dạng:

\(Y = f(x) + ε\)

Trong đó:

\(Y\) là biến phụ thuộc

\(f(x)\) là hàm hồi quy của các biến độc lập x

\(ε\) là sai số

Hệ số hồi quy của mô hình hồi quy tổng quát được ước lượng bằng phương pháp bình phương nhỏ nhất (OLS). Phương pháp này tìm kiếm các hệ số hồi quy sao cho tổng bình phương các sai số ε là nhỏ nhất.

Mô hình hồi quy tổng quát được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm kinh doanh, marketing, tài chính, y học,…

3.1.1 Mô hình hồi quy tuyến tính đa biến

Mô hình hồi quy tuyến tính đa biến là một mô hình thống kê được sử dụng để ước tính mối quan hệ tuyến tính giữa một biến phụ thuộc và nhiều biến độc lập. Mô hình được viết dưới dạng:

\(Y=β_0+β1_X1+β2_X2+...+βn_Xn+ε\)

Trong đó:

Y là biến phụ thuộc \(X_1\), \(X_2\),…, \(X_n\) là các biến độc lập \(β_0\), \(β_1\), \(β_2\),…, \(β_n\) là các hệ số hồi quy tương ứng với các biến độc lập \(ϵ\) là sai số đại diện cho sai số giữa giá trị thực tế và giá trị dự đoán của biến phụ thuộc.

Mục tiêu của việc ước lượng hệ số hồi quy là tìm các giá trị \(β_0\), \(β_1\), \(β_2\),…, \(β_n\) sao cho mô hình hồi quy phù hợp tốt với dữ liệu thực tế nhất. Quá trình này thường được thực hiện bằng phương pháp của bình phương tối thiểu (Ordinary Least Squares - OLS), tìm cách giảm thiểu tổng bình phương của sai số \(ϵ\).

Sau khi ước lượng hệ số hồi quy, chúng ta cần kiểm tra tính chính xác của mô hình. Các kiểm định thường được sử dụng bao gồm kiểm định hồi quy, kiểm tra t-Student cho từng hệ số, kiểm tra F-statistic, kiểm tra điều kiện phân phối của sai số,…

Sau khi đã kiểm tra và xác nhận tính chính xác của mô hình, chúng ta có thể sử dụng nó để dự đoán giá trị của biến phụ thuộc dựa trên giá trị của các biến độc lập.

3.1.2 Phương pháp bình phương nhỏ nhất (OLS)

Phương pháp bình phương nhỏ nhất (OLS) là một phương pháp ước lượng các tham số của mô hình hồi quy tuyến tính bằng cách tìm các tham số làm giảm tổng bình phương các sai số giữa các quan sát thực tế và các giá trị dự đoán. Phương pháp này là phương pháp phổ biến nhất để ước lượng các tham số của mô hình hồi quy tuyến tính.

Phương pháp bình phương nhỏ nhất được thực hiện theo các bước sau:

1.Xây dựng mô hình hồi quy tuyến tính

2.Tìm hệ số hồi quy bằng cách giải hệ phương trình bình phương nhỏ nhất.

3.Sử dụng hệ số hồi quy để dự đoán giá trị của biến phụ thuộc.

3.2 Mô hình hồi quy tổng quát của TPB

Với mục đích nghiên cứu các nhân tố kinh tế vĩ mô có ảnh hưởng như thế nào đến sự biến động của giá cổ phiếu đồng thời thực hiện mô phỏng giá cổ phiếu dựa trên các nhân tố này nên tôi sử dụng mô hình hồi quy tuyến tính đa biến cho giá cổ phiếu TPB. Mô hình hồi quy tổng quát của giá cổ phiếu TPB có dạng:

\(TPB=β_0+β1IR+β_2EXR+β_3GDP+β_4CPI+β_5WTI+β_6GOLD\)

Trong đó: IR, EXR, GDP, CPI, WTI, GOLD là các biến độc lập; TPB là biến phụ thuộc và là đối tượng cần mô phỏng.

3.3 Thống kê mô tả

Đây là phương pháp được sử dụng để mô tả tổng quát những đặc tính cơ bản của dữ liệu bao gồm giá trị trung bình, trung vị, giá trị lớn nhất và nhỏ nhất của các biến trong mô hình.

summary(TL1)
##       DATE                          TPB              IR             EXR       
##  Min.   :2020-01-01 00:00:00   Min.   : 9370   Min.   :2.082   Min.   :1.321  
##  1st Qu.:2020-01-09 18:00:00   1st Qu.:12723   1st Qu.:2.296   1st Qu.:1.345  
##  Median :2021-01-06 12:00:00   Median :19398   Median :2.659   Median :1.361  
##  Mean   :2021-01-06 04:00:00   Mean   :21213   Mean   :2.936   Mean   :1.366  
##  3rd Qu.:2022-01-03 06:00:00   3rd Qu.:25867   3rd Qu.:3.180   3rd Qu.:1.385  
##  Max.   :2022-01-12 00:00:00   Max.   :38075   Max.   :5.194   Max.   :1.435  
##       GDP             CPI             WTI              GOLD     
##  Min.   :346.6   Min.   :168.8   Min.   : 18.84   Min.   :1571  
##  1st Qu.:346.6   1st Qu.:168.8   1st Qu.: 45.20   1st Qu.:1732  
##  Median :366.1   Median :171.9   Median : 67.41   Median :1782  
##  Mean   :374.6   Mean   :171.9   Mean   : 66.84   Mean   :1788  
##  3rd Qu.:411.0   3rd Qu.:175.0   3rd Qu.: 84.31   3rd Qu.:1854  
##  Max.   :411.0   Max.   :175.0   Max.   :114.67   Max.   :1975

Nhìn chung, các biến trong bộ dữ liệu được phân phối khá đồng đều, với giá trị nhỏ nhất, trung vị và trung bình đều có giá trị gần nhau. Gía trị tối đa cao hơn các giá trị còn lại.Điều này cho thấy bộ dữ liệu không bị lệch hoặc tập trung nhiều ở một khu vực cụ thể.

3.4 Xác định phân phối các biến ngẫu nhiên

Có một số cách để kiểm tra xem dữ liệu có phân phối chuẩn hay không. Một cách là sử dụng phép kiểm định Kolmogorov-Smirnov khi cỡ mẫu lớn hơn 50 hoặc phép kiểm Shapiro-Wilk khi cỡ mẫu nhỏ hơn 50. Nếu giá trị p-value nhỏ hơn một ngưỡng xác định (0.05), ta bác bỏ giả thuyết dữ liệu không tuân theo phân phối chuẩn. Ngược lại, nếu giá trị p-value lớn hơn ngưỡng, ta chấp nhận giả thuyết rằng dữ liệu tuân theo phân phối chuẩn.

Bên cạnh đó, thống kê mô tả và biểu đồ tần số cũng có thể được sử dụng để phát hiện sự khác biệt trong trung tâm và đuôi của phân phối mẫu so với phân phối chuẩn. Điều này có thể cho chúng ta biết liệu dữ liệu có phân phối lệch hay không.

Một phân phối lệch là một loại phân phối xác suất trong đó dữ liệu phân bố xung quanh một giá trị trung bình như phân phối chuẩn, nhưng có sự lệch về một phía. Các đặc điểm về các thang đo phân phối của phân phối lệch như sau:

Giá trị trung bình của phân phối chuẩn lệch nằm ở một phía của phân phối. Nếu phân phối có lệch phải, giá trị trung bình sẽ lớn hơn giá trị trung bình của phân phối chuẩn. Nếu phân phối có lệch trái, giá trị trung bình sẽ nhỏ hơn giá trị trung bình của phân phối chuẩn. Độ lệch chuẩn của phân phối chuẩn lệch có thể tương đối giống với độ lệch chuẩn của phân phối chuẩn. Tuy nhiên, nếu phân phối có lệch phải, độ lệch chuẩn sẽ lớn hơn so với phân phối chuẩn và ngược lại.

Độ xiên là một đặc trưng quan trọng để đo sự chênh lệch giữa đuôi của phân phối và giá trị trung bình của nó. Trong phân phối chuẩn lệch, độ xiên có thể có giá trị âm hoặc dương. Nếu độ xiên là 0, tức là phân phối đối xứng, có nghĩa là đuôi bên phải và bên trái của phân phối có cùng độ dày và cùng chiều dài. Nếu độ xiên âm, có nghĩa là đuôi bên trái dày hơn đuôi bên phải và giá trị trung bình nằm ở bên phải của phân phối. Nếu độ xiên dương, có nghĩa là đuôi bên phải dày hơn đuôi bên trái và giá trị trung bình nằm ở bên trái của phân phối.

3.4.1 Kiểm định phân phối cho biến TPB

Thống kê mô tả biến TPB

library(fBasics)
basicStats(TL1$TPB)
##                X..TL1.TPB
## nobs         3.600000e+01
## NAs          0.000000e+00
## Minimum      9.370100e+03
## Maximum      3.807510e+04
## 1. Quartile  1.272340e+04
## 3. Quartile  2.586738e+04
## Mean         2.121289e+04
## Median       1.939805e+04
## Sum          7.636639e+05
## SE Mean      1.420103e+03
## LCL Mean     1.832992e+04
## UCL Mean     2.409585e+04
## Variance     7.260093e+07
## Stdev        8.520618e+03
## Skewness     4.173230e-01
## Kurtosis    -8.964830e-01

Đồ thị của biến TPB

hist(TL1$TPB, col = "lightblue")

3.4.1.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): TPB tuân theo phân phối chuẩn

\(H_1\): TPB không tuân theo phân phối chuẩn

shapiro.test(TL1$TPB)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$TPB
## W = 0.93562, p-value = 0.03718

Vì p_value = 0.03718 < 0.05 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số TPB không có phân phối chuẩn.

3.4.1.2 Kiểm định phân phối loga chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): TPB tuân theo phân phối loga chuẩn

\(H_1\): TPB không tuân theo phân phối loga chuẩn

ks.test(TL1$TPB, y = "plnorm")
## Warning in ks.test.default(TL1$TPB, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$TPB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số TPB không có phân phối loga chuẩn.

3.4.1.3 Kiểm định phân phối mũ

Cặp giả thiết/đối thuyết:

\(H_0\): TPB tuân theo phân phối mũ

\(H_1\): TPB không tuân theo phân phối mũ

ks.test(TL1$TPB, y = "pexp")
## Warning in ks.test.default(TL1$TPB, y = "pexp"): ties should not be present for
## the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$TPB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số TPB không có phân phối mũ.

3.4.2 Kiểm định phân phối cho biến IR

Thống kê mô tả biến IR

library(fBasics)
basicStats(TL1$IR)
##              X..TL1.IR
## nobs         36.000000
## NAs           0.000000
## Minimum       2.082000
## Maximum       5.194000
## 1. Quartile   2.296250
## 3. Quartile   3.180000
## Mean          2.936000
## Median        2.658500
## Sum         105.696000
## SE Mean       0.151618
## LCL Mean      2.628200
## UCL Mean      3.243800
## Variance      0.827566
## Stdev         0.909707
## Skewness      1.325047
## Kurtosis      0.813784

Đồ thị của biến IR

hist(TL1$TPB, col = "lightgreen")

3.4.2.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): IR tuân theo phân phối chuẩn

\(H_1\): IR không tuân theo phân phối chuẩn

shapiro.test(TL1$IR)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$IR
## W = 0.80485, p-value = 2.036e-05

Vì p_value = 2.036e-05 < 0.05 nên ta bác bỏ giả thuyết \(H_0\) Vậy chỉ số IR không có phân phối chuẩn.

3.4.2.2 Kiểm định phân phối loga chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): IR tuân theo phân phối loga chuẩn

\(H_1\): IR không tuân theo phân phối loga chuẩn

ks.test(TL1$IR, y = "plnorm")
## 
##  Exact one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$IR
## D = 0.76832, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số IR không có phân phối loga chuẩn.

3.4.2.3 Kiểm định phân phối mũ

Cặp giả thiết/đối thuyết:

\(H_0\): IR tuân theo phân phối mũ

\(H_1\): IR không tuân theo phân phối mũ

ks.test(TL1$IR, y = "pexp")
## 
##  Exact one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$IR
## D = 0.87532, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số IR không có phân phối mũ.

3.4.3 Kiểm định phân phối cho biến EXR

Thống kê mô tả biến EXR

library(fBasics)
basicStats(TL1$EXR)
##             X..TL1.EXR
## nobs         36.000000
## NAs           0.000000
## Minimum       1.320900
## Maximum       1.434800
## 1. Quartile   1.345000
## 3. Quartile   1.385075
## Mean          1.365933
## Median        1.360700
## Sum          49.173600
## SE Mean       0.004865
## LCL Mean      1.356056
## UCL Mean      1.375810
## Variance      0.000852
## Stdev         0.029191
## Skewness      0.558445
## Kurtosis     -0.560271

Đồ thị của biến EXR

hist(TL1$EXR, col = "pink")

3.4.3.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): EXR tuân theo phân phối chuẩn

\(H_1\): EXR không tuân theo phân phối chuẩn

shapiro.test(TL1$EXR)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$EXR
## W = 0.95363, p-value = 0.136

Vì p_value = 0.136 > 0.05 nên ta thừa nhận giả thuyết H0. Vậy chỉ số EXR có phân phối chuẩn.

qqnorm(TL1$EXR, col = "red")

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

3.4.4 Kiểm định phân phối chuẩn cho biến GDP

Thống kê mô tả biến GDP

library(fBasics)
basicStats(TL1$GDP)
##               X..TL1.GDP
## nobs           36.000000
## NAs             0.000000
## Minimum       346.600000
## Maximum       411.000000
## 1. Quartile   346.600000
## 3. Quartile   411.000000
## Mean          374.566667
## Median        366.100000
## Sum         13484.400000
## SE Mean         4.557784
## LCL Mean      365.313873
## UCL Mean      383.819461
## Variance      747.842286
## Stdev          27.346705
## Skewness        0.421830
## Kurtosis       -1.582176

Đồ thị của biến GDP

hist(TL1$GDP, col = "yellow")

3.4.4.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): GDP tuân theo phân phối chuẩn

\(H_1\): GDP không tuân theo phân phối chuẩn

shapiro.test(TL1$GDP)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$GDP
## W = 0.75538, p-value = 2.372e-06

Vì p_value = 2.372e-06 < 0.05 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số GDP không có phân phối chuẩn.

3.4.4.2 Kiểm định phân phối loga chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): GDP tuân theo phân phối loga chuẩn

\(H_1\): GDP không tuân theo phân phối loga chuẩn

ks.test(TL1$GDP, y = "plnorm")
## Warning in ks.test.default(TL1$GDP, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$GDP
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số GDP không có phân phối loga chuẩn.

3.4.4.3 Kiểm định phân phối mũ

Cặp giả thiết/đối thuyết:

\(H_0\): GDP tuân theo phân phối mũ

\(H_1\): GDP không tuân theo phân phối mũ

ks.test(TL1$GDP, y = "pexp")
## Warning in ks.test.default(TL1$GDP, y = "pexp"): ties should not be present for
## the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$GDP
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số GDP không có phân phối mũ.

3.4.5 Kiểm định phân phối chuẩn cho biến CPI

Thống kê mô tả biến CPI

library(fBasics)
basicStats(TL1$CPI)
##              X..TL1.CPI
## nobs          36.000000
## NAs            0.000000
## Minimum      168.780000
## Maximum      175.040000
## 1. Quartile  168.780000
## 3. Quartile  175.040000
## Mean         171.900000
## Median       171.880000
## Sum         6188.400000
## SE Mean        0.431988
## LCL Mean     171.023018
## UCL Mean     172.776982
## Variance       6.718080
## Stdev          2.591926
## Skewness       0.011252
## Kurtosis      -1.582176

Đồ thị của biến CPI

hist(TL1$CPI, col = "violet")

3.4.5.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): CPI tuân theo phân phối chuẩn

\(H_1\): CPI không tuân theo phân phối chuẩn

shapiro.test(TL1$CPI)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$CPI
## W = 0.79452, p-value = 1.27e-05

Vì p_value = 1.27e-05 < 0.05 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số CPI không có phân phối chuẩn.

3.4.5.2 Kiểm định phân phối loga chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): CPI tuân theo phân phối loga chuẩn

\(H_1\): CPI không tuân theo phân phối loga chuẩn

ks.test(TL1$CPI, y = "plnorm")
## Warning in ks.test.default(TL1$CPI, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$CPI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số CPI không có phân phối loga chuẩn.

3.4.5.3 Kiểm định phân phối mũ

Cặp giả thiết/đối thuyết:

\(H_0\): CPI tuân theo phân phối mũ

\(H_1\): CPI không tuân theo phân phối mũ

ks.test(TL1$CPI, y = "pexp")
## Warning in ks.test.default(TL1$CPI, y = "pexp"): ties should not be present for
## the Kolmogorov-Smirnov test
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  TL1$CPI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0.1 nên ta bác bỏ giả thuyết \(H_0\). Vậy chỉ số CPI không có phân phối mũ.

3.4.6 Kiểm định phân phối chuẩn cho biến WTI

Thống kê mô tả biến WTI

library(fBasics)
basicStats(TL1$WTI)
##              X..TL1.WTI
## nobs          36.000000
## NAs            0.000000
## Minimum       18.840000
## Maximum      114.670000
## 1. Quartile   45.195000
## 3. Quartile   84.310000
## Mean          66.841944
## Median        67.410000
## Sum         2406.310000
## SE Mean        4.140129
## LCL Mean      58.437036
## UCL Mean      75.246853
## Variance     617.063965
## Stdev         24.840772
## Skewness      -0.034955
## Kurtosis      -0.973971

Đồ thị của biến WTI

hist(TL1$WTI, col = "orange")

3.4.6.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): WTI tuân theo phân phối chuẩn

\(H_1\): WTI không tuân theo phân phối chuẩn

shapiro.test(TL1$WTI)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$WTI
## W = 0.97732, p-value = 0.6544

Vì p_value = 0.6544 > 0.05 nên ta thừa nhận giả thuyết \(H_0\). Vậy chỉ số WTI có phân phối chuẩn.

Đồ thị:

qqnorm(TL1$WTI, col = "orange")

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

3.4.7 Kiểm định phân phối cho biến GOLD

Thống kê mô tả biến GOLD

library(fBasics)
basicStats(TL1$GOLD)
##              X..TL1.GOLD
## nobs           36.000000
## NAs             0.000000
## Minimum      1571.050000
## Maximum      1974.690000
## 1. Quartile  1731.692500
## 3. Quartile  1854.055000
## Mean         1787.709167
## Median       1781.740000
## Sum         64357.530000
## SE Mean        17.186744
## LCL Mean     1752.818221
## UCL Mean     1822.600113
## Variance    10633.830602
## Stdev         103.120466
## Skewness       -0.271658
## Kurtosis       -0.494857

Đồ thị của biến GOLD

hist(TL1$GOLD, col = "lavender")

3.4.7.1 Kiểm định phân phối chuẩn

Cặp giả thiết/đối thuyết:

\(H_0\): GOLD tuân theo phân phối chuẩn

\(H_1\): GOLD không tuân theo phân phối chuẩn

shapiro.test(TL1$GOLD)
## 
##  Shapiro-Wilk normality test
## 
## data:  TL1$GOLD
## W = 0.97175, p-value = 0.4751

Vì p_value = 0.4751 > 0.05 nên ta thừa nhận giả thuyết \(H_0\). Vậy chỉ số GOLD có phân phối chuẩn.

Đồ thị:

qqnorm(TL1$GOLD, col = "purple")

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

4 KẾT QUẢ MÔ PHỎNG

4.1 Lệnh glm() trong R

Lệnh glm() trong R là một hàm được sử dụng để ước tính mô hình hồi quy tổng quát. Mô hình hồi quy tổng quát là một loại mô hình hồi quy có thể xử lý các biến phụ thuộc phân phối phi chuẩn. Lệnh glm() có thể được sử dụng để ước tính một số loại mô hình hồi quy tổng quát, bao gồm mô hình logistic, mô hình Poisson và mô hình survival.

Cú pháp của lệnh glm() là:

\(glm(y ~ x_1 + x_2, data = mydata, family = "gaussian")\)

Trong cú pháp này, y là biến phụ thuộc, \(x_1\)\(x_2\) là các biến độc lập, \(data = mydata\) là tên của tập dữ liệu chứa dữ liệu và \(family = "gaussian"\) là gia đình phân phối của biến phụ thuộc.

Lệnh glm() sẽ trả về một đối tượng mô hình có thể được sử dụng để kiểm tra các giả thuyết, tạo biểu đồ và dự đoán các giá trị.

4.1.1 Mô hình hồi quy

Mô hình tổng quát

\(TPB=β_0+β_1IR+β_2EXR+β_3GDP+β_4CPI+β_5WTI+β_6GOLD\)

mh <- glm(TPB ~ IR + EXR + GDP + CPI + WTI + GOLD, data = TL1)
summary(mh)
## 
## Call:
## glm(formula = TPB ~ IR + EXR + GDP + CPI + WTI + GOLD, data = TL1)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -6163.4  -2023.1   -396.9   2064.8  10962.4  
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -3.222e+05  2.488e+05  -1.295    0.206    
## IR          -5.549e+03  1.170e+03  -4.744 5.16e-05 ***
## EXR          2.848e+04  3.228e+04   0.882    0.385    
## GDP          4.460e+01  1.583e+02   0.282    0.780    
## CPI          1.681e+03  1.577e+03   1.066    0.295    
## WTI          1.065e+02  7.341e+01   1.451    0.158    
## GOLD         4.453e+00  7.901e+00   0.564    0.577    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for gaussian family taken to be 13219766)
## 
##     Null deviance: 2541032679  on 35  degrees of freedom
## Residual deviance:  383373213  on 29  degrees of freedom
## AIC: 700.68
## 
## Number of Fisher Scoring iterations: 2

Vì biến độc lập EXR, CPI, GDP, CPI, WTI, GOLD không có ý nghĩa thống kê ở mức 5%, nghĩa là các biến này không có tác dộng đến biến phụ thuộc TPB. Do đó, tôi chạy lại mô hình với biến IR còn lại.

mh1 <- glm(TPB ~ IR, data =  TL1)
summary(mh1)
## 
## Call:
## glm(formula = TPB ~ IR, data = TL1)
## 
## Deviance Residuals: 
##      Min        1Q    Median        3Q       Max  
## -11444.7   -8898.6     963.3    5819.0   15495.1  
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    27948       4781   5.845 1.37e-06 ***
## IR             -2294       1557  -1.473     0.15    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for gaussian family taken to be 70253561)
## 
##     Null deviance: 2541032679  on 35  degrees of freedom
## Residual deviance: 2388621077  on 34  degrees of freedom
## AIC: 756.54
## 
## Number of Fisher Scoring iterations: 2

Mô hình hồi quy có dạng:

\(TPB=27948-2294IR\)

Theo kết quả mô hình hồi quy, ta thấy:

  • \(β_0\) = 27948, là hệ số tự do, khi các yếu tố độc lập bằng 0 thì cổ phiếu TPB có giá trị 27948 VND

  • \(β_1\) = -2294, khi các yếu tố khác không đổi, lãi suất IR tăng thêm 1 điểm thì lãi suất giảm 2294 VND

4.2 Mô phỏng giá cổ phiếu sử dụng GBM giả định phân phối chuẩn

Phương trình:

\(TPB(N)t=〖TPB〗_0 exp((θ-ϵ^2/2)t+ϵBN)\)

Trong đó:

\(TPB_(Nt)\), \(TPB_(NNt)\), \(TPB_(NLt)\) là giá cổ phiếu tại thời điểm t ứng với giả định phân phối chuẩn, phân phối ghép \(TPB_0\) là giá cổ phiếu tại thời điểm ban đầu theta là hệ số drift , epsilon là hệ số volatility. Trong bài này tôi giả định theta = 5%, epsilon = 15%. BN là biến ngẫu nhiên tiêu chuẩn BM √t/n là độ lệch chuẩn của BM, Zi(i = 1, 2, …, n) được phân phối theo phân phối chuẩn N(0, 1), BNN là một biến BM ghép giữa hai phân phối chuẩn liên tục BNL là một biến BM ghép giữa phân phối chuẩn và phân phối Laplace *FZi (zi) với i = 1, 2 định nghĩa tổng tích lũy của các phân phối ghép tương ứng.

4.2.1 Biến IR

TPB0<-TL1$TPB
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
IR<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0=TL1$IR[1])
plot(IR, type = 'l', col = 'purple', 
      ylab = "Price",
      xlab = "Time (Days)")

IR<-diff(log(IR))

4.2.2 Biến GDP

GDP0<-TL1$GDP
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
GDP<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0=TL1$GDP[1])
plot(GDP, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")

GDP<-diff(log(GDP))

4.2.3 Biến CPI

CPI0<-TL1$CPI
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
CPI<-gbm.f(n=1000, theta = 0.05, epsilon = 0.5, TPB0=TL1$CPI[1])
plot(CPI, type = 'l', col = 'darkgreen', 
      ylab = "Price",
      xlab = "Time (Days)")

CPI<-diff(log(CPI))

4.2.4 Biến EXR

Vì biến EXR có phân phối chuẩn, ta mô phỏng mấu như sau:

descr(TL1)
## Non-numerical variable(s) ignored: DATE
## Descriptive Statistics  
## TL1  
## N: 36  
## 
##                        CPI      EXR      GDP      GOLD       IR        TPB      WTI
## ----------------- -------- -------- -------- --------- -------- ---------- --------
##              Mean   171.90     1.37   374.57   1787.71     2.94   21212.89    66.84
##           Std.Dev     2.59     0.03    27.35    103.12     0.91    8520.62    24.84
##               Min   168.78     1.32   346.60   1571.05     2.08    9370.10    18.84
##                Q1   168.78     1.34   346.60   1729.89     2.29   12634.60    45.05
##            Median   171.88     1.36   366.10   1781.74     2.66   19398.05    67.41
##                Q3   175.04     1.39   411.00   1862.02     3.20   26501.55    85.05
##               Max   175.04     1.43   411.00   1974.69     5.19   38075.10   114.67
##               MAD     4.60     0.03    28.91     88.80     0.72   10027.49    29.55
##               IQR     6.26     0.04    64.40    122.36     0.88   13143.97    39.12
##                CV     0.02     0.02     0.07      0.06     0.31       0.40     0.37
##          Skewness     0.01     0.56     0.42     -0.27     1.33       0.42    -0.03
##       SE.Skewness     0.39     0.39     0.39      0.39     0.39       0.39     0.39
##          Kurtosis    -1.58    -0.56    -1.58     -0.49     0.81      -0.90    -0.97
##           N.Valid    36.00    36.00    36.00     36.00    36.00      36.00    36.00
##         Pct.Valid   100.00   100.00   100.00    100.00   100.00     100.00   100.00
EXR<- rnorm(n= 1000, mean = 1.37, sd= sqrt (0.03))

4.2.5 Biến WTI

WTI<- rnorm(n= 1000, mean = 66.84, sd= sqrt (24.84))

4.2.6 Biến GOLD

GOLD<- rnorm(n= 1000, mean = 1787.71, sd= sqrt (103.12))

4.2.7 Chạy mô hình

TPBc<-27948-2294*IR
TPBc
##   [1] 27950.42 27930.95 27947.14 27946.50 27929.25 27942.90 27961.68 27955.38
##   [9] 27952.76 27934.59 27944.00 27943.55 27946.71 27953.96 27928.47 27942.49
##  [17] 27969.31 27940.28 27953.06 27959.53 27950.28 27959.08 27955.84 27954.71
##  [25] 27966.26 27938.79 27946.24 27960.30 27934.27 27943.27 27951.12 27938.17
##  [33] 27938.36 27938.97 27940.42 27941.88 27948.58 27951.24 27952.05 27955.47
##  [41] 27950.17 27961.68 27924.31 27934.77 27960.13 27952.29 27952.99 27939.42
##  [49] 27948.82 27945.15 27948.22 27948.38 27933.02 27950.37 27931.41 27964.76
##  [57] 27941.55 27946.56 27945.56 27943.78 27953.38 27951.54 27958.99 27959.57
##  [65] 27944.61 27943.03 27947.33 27937.88 27925.60 27953.25 27973.04 27936.97
##  [73] 27955.63 27955.40 27936.75 27951.01 27961.19 27945.94 27949.42 27947.85
##  [81] 27943.72 27951.94 27940.90 27950.31 27944.30 27935.98 27943.18 27951.46
##  [89] 27935.41 27937.10 27941.94 27945.31 27954.74 27933.11 27954.44 27924.11
##  [97] 27931.23 27950.48 27959.08 27955.64 27945.12 27950.60 27951.69 27958.27
## [105] 27948.40 27956.45 27966.06 27952.05 27937.91 27954.17 27941.30 27965.52
## [113] 27948.52 27942.26 27944.63 27946.76 27954.88 27957.16 27959.05 27946.63
## [121] 27958.22 27953.25 27950.70 27927.85 27955.01 27945.35 27947.06 27958.38
## [129] 27948.69 27932.19 27943.00 27947.46 27952.51 27970.25 27935.60 27963.80
## [137] 27939.86 27927.14 27963.62 27940.27 27950.76 27965.02 27964.39 27965.34
## [145] 27953.69 27963.82 27940.43 27925.06 27961.92 27939.34 27939.54 27944.30
## [153] 27958.88 27949.21 27950.96 27941.78 27951.96 27937.28 27951.99 27936.46
## [161] 27959.33 27961.62 27912.64 27952.45 27944.67 27940.98 27953.18 27942.29
## [169] 27943.90 27950.25 27947.20 27948.28 27924.75 27955.98 27959.84 27947.50
## [177] 27944.53 27943.16 27952.90 27959.48 27934.17 27951.72 27957.33 27950.48
## [185] 27950.06 27935.83 27946.99 27939.71 27953.34 27945.58 27951.44 27946.88
## [193] 27957.65 27962.17 27926.18 27941.37 27961.53 27954.56 27960.81 27923.98
## [201] 27933.63 27950.80 27942.00 27952.42 27953.09 27956.49 27954.38 27929.95
## [209] 27948.50 27946.61 27945.26 27934.50 27953.53 27958.71 27929.68 27952.71
## [217] 27955.78 27961.36 27961.89 27954.16 27941.19 27935.83 27940.21 27951.87
## [225] 27947.26 27955.58 27955.72 27938.28 27958.96 27926.63 27948.89 27945.58
## [233] 27955.95 27954.16 27962.24 27949.90 27943.35 27944.38 27956.42 27956.49
## [241] 27953.38 27931.63 27960.29 27949.86 27927.21 27949.01 27962.71 27955.14
## [249] 27942.63 27952.00 27954.03 27951.65 27946.93 27930.52 27948.87 27936.15
## [257] 27941.05 27949.15 27964.59 27953.58 27953.24 27947.40 27933.76 27922.96
## [265] 27931.07 27949.36 27967.02 27952.14 27946.94 27938.72 27937.44 27940.46
## [273] 27963.09 27938.67 27952.77 27946.01 27947.10 27943.25 27947.64 27966.06
## [281] 27939.90 27943.71 27950.80 27946.63 27946.45 27945.51 27930.06 27950.29
## [289] 27946.08 27935.20 27936.44 27935.45 27954.19 27926.12 27947.19 27927.60
## [297] 27962.61 27947.68 27934.31 27955.69 27956.10 27958.12 27959.36 27952.67
## [305] 27944.31 27969.83 27945.60 27934.45 27925.74 27933.75 27939.68 27966.70
## [313] 27954.46 27951.74 27940.26 27949.06 27961.61 27929.58 27937.99 27945.33
## [321] 27934.66 27962.48 27940.72 27953.60 27940.47 27948.57 27941.02 27933.38
## [329] 27947.83 27936.84 27960.84 27955.76 27931.38 27943.80 27970.24 27962.75
## [337] 27950.10 27938.49 27949.02 27941.12 27937.48 27929.73 27947.30 27948.48
## [345] 27966.99 27946.83 27954.13 27958.51 27949.87 27936.87 27969.59 27952.56
## [353] 27946.64 27957.63 27944.28 27943.43 27948.27 27974.74 27919.93 27950.14
## [361] 27940.83 27944.93 27936.76 27939.01 27950.19 27943.80 27958.20 27938.59
## [369] 27952.93 27921.61 27965.88 27952.96 27938.93 27942.36 27954.33 27958.76
## [377] 27946.34 27948.07 27967.39 27947.54 27945.84 27946.01 27959.39 27942.73
## [385] 27932.91 27942.95 27960.27 27952.65 27944.14 27954.95 27971.39 27938.29
## [393] 27956.94 27954.15 27931.55 27956.33 27938.71 27961.63 27951.77 27948.71
## [401] 27960.63 27954.82 27948.22 27940.61 27965.87 27951.72 27939.68 27953.77
## [409] 27945.44 27942.55 27945.00 27940.80 27949.25 27952.41 27976.67 27948.92
## [417] 27943.23 27942.09 27953.95 27928.55 27944.79 27946.54 27934.07 27955.73
## [425] 27952.81 27921.82 27947.79 27930.14 27963.56 27949.98 27943.79 27944.65
## [433] 27958.85 27947.70 27959.63 27940.16 27936.11 27972.12 27934.46 27961.42
## [441] 27942.96 27940.73 27950.09 27954.93 27946.11 27943.14 27938.30 27970.24
## [449] 27965.72 27932.35 27936.52 27943.17 27940.13 27937.93 27976.87 27935.83
## [457] 27953.19 27945.40 27951.12 27938.42 27951.70 27942.27 27952.16 27959.80
## [465] 27934.74 27939.85 27929.15 27947.20 27935.67 27926.42 27950.97 27962.31
## [473] 27950.52 27950.24 27946.26 27929.28 27951.46 27943.85 27950.39 27947.69
## [481] 27944.49 27933.46 27946.59 27940.15 27939.44 27937.96 27954.16 27930.21
## [489] 27952.06 27949.06 27932.63 27933.83 27959.77 27957.41 27962.69 27945.93
## [497] 27946.12 27943.95 27941.90 27954.46 27958.72 27936.74 27939.74 27964.33
## [505] 27948.95 27957.66 27970.44 27946.28 27948.77 27948.97 27945.56 27938.31
## [513] 27945.67 27954.62 27955.91 27949.35 27944.54 27959.22 27949.92 27937.39
## [521] 27949.09 27955.51 27950.91 27935.78 27941.93 27934.45 27946.40 27943.45
## [529] 27953.99 27941.32 27953.42 27963.37 27946.52 27926.74 27939.20 27935.23
## [537] 27944.01 27954.53 27950.11 27950.88 27953.01 27940.25 27960.94 27938.48
## [545] 27938.51 27960.95 27940.95 27921.47 27953.97 27938.72 27956.42 27935.82
## [553] 27945.19 27929.94 27963.79 27948.47 27953.64 27950.06 27954.76 27956.98
## [561] 27941.61 27959.75 27931.76 27960.82 27946.81 27942.11 27941.53 27951.19
## [569] 27947.05 27937.45 27963.76 27956.42 27944.42 27952.75 27933.00 27940.59
## [577] 27947.13 27964.32 27947.63 27951.35 27949.02 27960.77 27942.48 27959.22
## [585] 27950.37 27943.76 27956.44 27941.57 27962.24 27978.49 27942.85 27938.76
## [593] 27951.02 27942.43 27960.49 27949.29 27969.04 27935.06 27927.67 27936.22
## [601] 27948.21 27948.27 27964.41 27939.31 27950.20 27955.06 27963.28 27951.17
## [609] 27957.15 27952.23 27961.16 27929.55 27948.09 27936.21 27976.22 27952.84
## [617] 27955.26 27961.22 27931.08 27963.31 27944.45 27938.70 27945.97 27957.44
## [625] 27937.67 27946.05 27959.48 27963.01 27925.20 27955.29 27968.10 27942.11
## [633] 27944.54 27962.64 27969.05 27949.18 27935.51 27940.99 27953.27 27956.99
## [641] 27944.96 27946.20 27941.06 27952.22 27938.12 27956.95 27951.51 27939.85
## [649] 27937.14 27969.00 27946.74 27941.29 27963.70 27942.68 27956.92 27936.81
## [657] 27942.05 27939.54 27946.60 27938.51 27932.89 27926.52 27948.22 27972.38
## [665] 27947.57 27945.67 27949.60 27941.73 27936.91 27953.55 27951.11 27943.58
## [673] 27953.90 27946.92 27969.26 27960.10 27962.36 27957.20 27955.46 27943.75
## [681] 27937.22 27955.83 27958.76 27959.25 27952.42 27950.51 27942.65 27951.41
## [689] 27970.53 27948.91 27934.99 27934.94 27956.50 27964.75 27921.16 27949.68
## [697] 27948.97 27943.33 27965.47 27955.84 27964.67 27955.45 27946.62 27962.76
## [705] 27941.49 27944.76 27957.75 27945.45 27939.77 27936.36 27950.23 27948.93
## [713] 27948.85 27932.23 27935.67 27938.83 27951.04 27943.85 27943.52 27959.25
## [721] 27966.72 27940.93 27964.55 27947.89 27945.19 27941.78 27945.85 27955.89
## [729] 27937.18 27928.99 27938.32 27969.06 27932.68 27948.52 27942.20 27941.14
## [737] 27948.96 27948.73 27936.82 27940.17 27937.14 27921.98 27940.68 27945.65
## [745] 27971.97 27918.62 27953.16 27922.07 27943.83 27931.17 27949.10 27942.35
## [753] 27945.58 27949.94 27949.22 27936.89 27950.10 27970.08 27950.04 27942.04
## [761] 27941.20 27941.20 27966.32 27943.90 27937.38 27934.02 27950.36 27951.41
## [769] 27931.72 27966.06 27952.66 27942.93 27965.51 27944.87 27927.48 27947.96
## [777] 27950.94 27942.74 27950.95 27939.06 27938.07 27947.88 27960.72 27962.26
## [785] 27954.36 27939.23 27969.22 27968.44 27955.03 27943.62 27957.85 27938.26
## [793] 27944.28 27949.77 27939.00 27943.69 27952.76 27945.40 27940.87 27944.03
## [801] 27955.07 27938.61 27935.37 27944.90 27946.34 27948.73 27924.39 27944.90
## [809] 27949.63 27975.20 27964.94 27948.76 27945.67 27944.90 27938.97 27950.02
## [817] 27934.69 27957.94 27961.06 27961.28 27939.83 27948.81 27939.32 27950.82
## [825] 27954.35 27951.92 27968.07 27960.64 27963.60 27936.44 27954.41 27939.32
## [833] 27931.41 27950.00 27944.82 27966.97 27956.82 27947.30 27944.66 27956.17
## [841] 27918.70 27952.90 27947.21 27940.84 27948.19 27954.91 27936.54 27930.33
## [849] 27948.23 27941.79 27948.97 27936.85 27960.49 27922.66 27954.48 27963.79
## [857] 27951.73 27946.31 27930.24 27938.00 27946.36 27963.03 27957.33 27949.69
## [865] 27920.13 27968.15 27935.60 27953.65 27929.78 27960.31 27946.35 27959.88
## [873] 27938.08 27931.77 27926.68 27939.23 27927.85 27934.35 27949.35 27942.72
## [881] 27958.49 27949.93 27934.63 27942.02 27942.93 27959.21 27954.49 27956.23
## [889] 27943.61 27958.69 27941.80 27960.06 27928.01 27942.90 27955.54 27945.29
## [897] 27951.75 27943.87 27945.26 27958.95 27956.52 27944.65 27930.08 27936.11
## [905] 27954.71 27938.92 27948.44 27944.63 27945.08 27919.89 27960.81 27946.81
## [913] 27967.28 27941.49 27935.98 27932.18 27968.86 27943.42 27930.57 27952.42
## [921] 27950.22 27948.31 27943.94 27940.67 27933.57 27948.95 27945.78 27920.84
## [929] 27943.22 27945.86 27962.52 27947.88 27950.32 27948.03 27954.17 27955.38
## [937] 27955.75 27950.25 27933.02 27936.50 27951.83 27966.26 27957.10 27952.89
## [945] 27946.78 27955.12 27926.08 27950.87 27961.12 27949.45 27958.85 27946.21
## [953] 27945.37 27944.04 27965.56 27945.51 27944.53 27963.37 27937.52 27939.38
## [961] 27922.89 27946.21 27947.40 27946.86 27947.15 27968.02 27966.10 27948.75
## [969] 27954.23 27947.32 27970.88 27964.22 27959.90 27937.18 27959.86 27956.61
## [977] 27947.04 27951.42 27946.32 27922.83 27960.15 27951.23 27953.53 27931.45
## [985] 27956.28 27948.80 27939.35 27959.43 27929.90 27940.56 27959.60 27942.96
## [993] 27950.23 27944.50 27948.89 27936.26 27962.61 27953.60 27950.62
hist(TPBc)

Phân tích kết quả mô hình

mean(TPBc)
## [1] 27947.73
TPBcthap<-TPBc[TPBc<27948.22]
TPBcvua<-TPBc[TPBc>=27948.22]
TPBccao<-TPBc[TPBc>27960]
table(cut(TPBc, breaks = 3))
## 
## (2.791e+04,2.793e+04] (2.793e+04,2.796e+04] (2.796e+04,2.798e+04] 
##                   107                   694                   198
table(cut(TPBc, 3, labels = c('thap','vua','cao')))
## 
## thap  vua  cao 
##  107  694  198
length(TPBcthap)/length(TPBc)
## [1] 0.5125125
length(TPBcvua)/length(TPBc)
## [1] 0.4874875
length(TPBccao)/length(TPBc)
## [1] 0.1341341

Từ giá trị đã mô phỏng, ta có giá trị trung bình của TPBc là 27948.22 VND. Lấy giá trị trung bình làm thước đo, ta thấy có 167 phiên giao dịch cổ phiếu mà khi đầu tư sẽ bị lỗ, chiếm 48.54% tổng các phiên giao dịch. Có 688 phiên giao dịch cổ phiếu mà khi đầu tư sẽ hòa vốn hoặc có khả năng sinh lời. Lấy mốc 27960 làm mốc cho các phiên giao dịch cổ phiếu chắc chắn sinh lời, ta thấy có 144 phiên, chiếm 21,52% tổng các phiên giao dịch.

4.3 Sử dụng mô hình GBM dưới giả định phân phối ghép (convoluted distribution( hai phân phối chuẩn))

4.3.1 Biến IR

set.seed(123)
# Gía trị của cổ phiếu theo thời gian
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
IR1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$IR[1])
plot(IR1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")

IR1<-diff(log(IR1))

4.3.2 Biến GDP

set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)
}
GDP1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$GDP[1])
plot(GDP1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")

GDP1<-diff(log(GDP1))

4.3.3 Biến CPI

set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)
}
CPI1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$CPI[1])
plot(IR1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")

CPI1<-diff(log(CPI1))

4.3.4 Chạy mô hình

TPBc1<-27948-2294*IR1
TPBc1
##   [1] 27961.73 27931.15 27948.58 27974.24 27917.93 27940.18 27935.38 27947.93
##   [9] 27957.62 27904.15 27913.18 27956.81 27941.60 27956.26 27926.43 27940.02
##  [17] 27983.04 27937.17 27934.02 27961.32 27952.06 27943.86 27946.07 27972.65
##  [25] 27963.78 27920.80 27930.84 27955.73 27926.42 27956.29 27947.86 27948.56
##  [33] 27943.34 27928.79 27952.79 27938.98 27943.92 27950.64 27932.22 27966.59
##  [41] 27943.58 27962.65 27927.15 27929.72 27971.24 27966.59 27958.37 27920.36
##  [49] 27948.21 27941.55 27950.29 27943.26 27943.37 27937.77 27925.05 27973.54
##  [57] 27940.96 27938.77 27939.49 27927.65 27960.05 27939.39 27947.72 27961.34
##  [65] 27955.23 27954.89 27942.35 27938.65 27906.24 27947.43 27977.09 27948.13
##  [73] 27961.97 27951.67 27941.66 27945.41 27964.83 27947.09 27957.37 27927.12
##  [81] 27940.10 27949.43 27959.31 27943.13 27955.44 27945.68 27933.18 27956.38
##  [89] 27954.44 27917.84 27967.81 27939.08 27943.67 27939.97 27949.61 27919.33
##  [97] 27919.91 27945.21 27961.74 27945.67 27936.40 27960.79 27966.94 27956.52
## [105] 27951.38 27967.18 27965.15 27966.41 27936.16 27960.97 27930.88 27939.13
## [113] 27958.48 27930.75 27935.66 27947.52 27959.82 27940.02 27980.88 27953.63
## [121] 27973.86 27938.07 27952.77 27933.56 27920.36 27945.89 27951.89 27955.11
## [129] 27965.75 27926.86 27944.04 27942.36 27963.20 27981.38 27943.15 27972.16
## [137] 27925.72 27909.95 27965.33 27944.18 27954.34 27964.26 27963.34 27962.18
## [145] 27961.81 27973.03 27927.40 27931.03 27958.62 27939.96 27949.97 27937.86
## [153] 27957.00 27933.98 27949.68 27945.39 27948.94 27950.18 27961.08 27930.90
## [161] 27962.95 27962.34 27913.90 27959.53 27966.63 27937.19 27944.89 27956.31
## [169] 27927.77 27946.06 27932.60 27958.70 27922.94 27957.07 27951.47 27953.77
## [177] 27944.64 27962.52 27961.36 27958.12 27941.85 27952.19 27962.42 27943.88
## [185] 27937.34 27944.78 27950.33 27924.04 27977.27 27949.06 27928.98 27923.01
## [193] 27955.95 27971.57 27924.38 27948.48 27945.72 27963.34 27956.75 27917.24
## [201] 27941.87 27941.53 27950.14 27945.56 27941.16 27967.25 27942.32 27935.27
## [209] 27945.30 27944.42 27949.91 27931.58 27966.92 27960.19 27920.69 27976.37
## [217] 27971.97 27974.01 27979.18 27949.59 27951.99 27959.39 27947.15 27956.12
## [225] 27937.94 27967.59 27943.08 27933.95 27955.02 27935.91 27927.64 27947.36
## [233] 27975.80 27956.38 27983.29 27953.28 27947.95 27936.96 27945.43 27964.39
## [241] 27944.60 27916.13 27968.82 27956.96 27920.13 27947.02 27956.74 27939.86
## [249] 27938.42 27940.55 27947.25 27946.93 27942.73 27916.47 27959.78 27948.18
## [257] 27934.61 27950.45 27963.79 27945.52 27945.04 27950.26 27937.16 27922.16
## [265] 27919.50 27944.72 27951.43 27952.22 27934.69 27929.11 27930.78 27935.95
## [273] 27966.14 27939.85 27950.27 27945.48 27936.84 27944.44 27948.41 27971.33
## [281] 27941.40 27944.46 27975.98 27961.48 27947.24 27948.39 27943.12 27971.97
## [289] 27949.94 27928.09 27917.14 27935.87 27937.95 27925.22 27945.93 27924.06
## [297] 27972.08 27948.25 27924.43 27963.85 27959.60 27970.61 27955.51 27948.05
## [305] 27937.25 27983.10 27944.44 27944.73 27925.74 27919.14 27945.16 27958.90
## [313] 27962.61 27956.95 27935.48 27956.45 27980.14 27915.82 27934.07 27951.68
## [321] 27956.35 27941.78 27903.83 27951.34 27931.22 27935.25 27948.66 27937.20
## [329] 27966.63 27944.85 27954.07 27958.93 27933.71 27945.03 27990.52 27953.64
## [337] 27965.80 27940.76 27953.79 27943.50 27921.59 27936.06 27955.82 27965.01
## [345] 27975.76 27959.52 27949.69 27967.90 27946.56 27938.46 27985.19 27961.16
## [353] 27937.01 27947.80 27922.45 27943.47 27964.55 27983.10 27915.49 27929.47
## [361] 27939.63 27932.52 27928.40 27951.72 27952.06 27929.59 27948.67 27933.54
## [369] 27947.74 27926.96 27980.23 27938.86 27954.38 27952.58 27947.48 27972.49
## [377] 27952.34 27960.94 27960.64 27942.68 27941.25 27941.20 27953.33 27935.77
## [385] 27954.33 27944.57 27959.04 27944.77 27957.07 27960.39 27983.07 27926.78
## [393] 27943.02 27945.58 27944.85 27951.42 27926.19 27959.80 27957.93 27960.53
## [401] 27967.87 27947.04 27952.92 27938.14 27951.78 27945.42 27924.83 27972.29
## [409] 27948.49 27941.85 27938.70 27953.53 27940.47 27949.07 27973.80 27943.39
## [417] 27944.50 27932.01 27946.90 27930.18 27933.47 27943.35 27926.79 27962.19
## [425] 27935.61 27921.87 27938.56 27931.22 27966.61 27941.45 27961.04 27939.44
## [433] 27954.57 27977.03 27955.63 27963.75 27928.93 27977.06 27942.03 27961.49
## [441] 27928.02 27947.64 27944.01 27951.22 27958.95 27962.08 27959.98 27964.24
## [449] 27966.10 27912.21 27930.28 27933.93 27925.61 27943.38 27971.31 27926.38
## [457] 27938.29 27937.10 27946.54 27947.87 27943.76 27936.83 27945.26 27955.19
## [465] 27936.94 27940.69 27921.67 27945.33 27944.70 27929.57 27965.33 27972.83
## [473] 27952.09 27969.81 27964.63 27917.28 27957.73 27964.00 27951.62 27933.31
## [481] 27937.29 27928.66 27933.71 27948.55 27931.50 27944.35 27954.15 27906.11
## [489] 27941.51 27940.71 27944.69 27942.38 27934.92 27969.31 27960.35 27936.22
## [497] 27935.03 27932.10 27943.68 27963.39 27962.07 27946.55 27932.92 27952.14
## [505] 27925.80 27953.68 27979.96 27935.13 27938.93 27951.56 27962.51 27930.02
## [513] 27933.39 27957.83 27950.07 27952.35 27937.11 27960.50 27953.67 27936.17
## [521] 27952.17 27961.94 27954.35 27935.87 27939.67 27917.78 27961.17 27945.62
## [529] 27947.12 27922.15 27948.79 27963.52 27949.86 27922.23 27928.43 27937.23
## [537] 27942.22 27952.17 27942.18 27938.79 27949.97 27941.08 27945.76 27936.69
## [545] 27921.34 27961.63 27934.27 27938.29 27955.20 27938.95 27964.67 27947.10
## [553] 27934.88 27919.99 27977.92 27943.85 27965.75 27961.49 27949.04 27964.45
## [561] 27930.80 27959.33 27925.93 27966.52 27959.34 27932.16 27938.94 27953.80
## [569] 27946.29 27923.02 27971.36 27964.57 27951.17 27970.00 27924.08 27938.49
## [577] 27944.87 27964.79 27953.18 27960.31 27939.76 27976.29 27937.69 27967.84
## [585] 27947.30 27951.82 27962.13 27922.31 27954.96 28001.82 27941.48 27943.68
## [593] 27963.39 27940.14 27959.07 27952.87 27947.57 27959.53 27918.55 27939.37
## [601] 27941.06 27953.21 27970.87 27957.92 27952.48 27928.09 27952.51 27932.94
## [609] 27947.19 27939.78 27951.34 27924.37 27954.42 27942.01 27993.64 27952.91
## [617] 27945.47 27949.99 27930.05 27969.27 27908.64 27930.68 27930.51 27961.11
## [625] 27938.08 27941.17 27941.24 27966.40 27915.92 27978.09 27973.62 27956.17
## [633] 27932.42 27964.43 27973.30 27934.28 27923.37 27950.76 27948.62 27970.36
## [641] 27950.14 27928.61 27925.28 27940.15 27944.34 27977.42 27964.30 27929.48
## [649] 27940.30 27992.54 27948.71 27925.94 27956.70 27951.62 27973.74 27945.80
## [657] 27941.68 27929.88 27967.71 27927.38 27932.83 27920.32 27966.21 27979.64
## [665] 27952.45 27934.32 27938.41 27936.99 27919.46 27959.16 27940.09 27943.97
## [673] 27961.16 27936.87 27954.23 27950.54 27967.90 27962.31 27940.46 27939.91
## [681] 27928.20 27959.51 27945.04 27968.05 27945.62 27959.40 27969.44 27966.02
## [689] 27969.04 27939.30 27954.05 27948.56 27937.30 27969.47 27915.66 27955.41
## [697] 27952.22 27942.39 27965.35 27957.93 27969.79 27988.62 27926.28 27943.28
## [705] 27953.47 27946.59 27942.79 27934.59 27925.88 27948.03 27922.18 27961.26
## [713] 27940.65 27930.69 27940.06 27942.96 27961.83 27926.19 27942.55 27956.43
## [721] 27964.44 27945.01 27976.89 27945.13 27967.97 27957.21 27957.56 27967.62
## [729] 27936.01 27911.60 27954.81 27964.34 27922.89 27959.29 27942.77 27932.18
## [737] 27951.74 27951.13 27933.47 27940.82 27943.18 27923.49 27920.19 27936.15
## [745] 27981.92 27932.17 27957.08 27907.61 27940.65 27938.80 27939.50 27943.80
## [753] 27957.78 27944.92 27932.64 27932.16 27948.01 27977.22 27943.86 27953.69
## [761] 27959.19 27941.67 27966.70 27918.16 27950.61 27932.16 27941.60 27939.98
## [769] 27931.84 27974.15 27953.38 27921.83 27960.26 27967.12 27911.99 27942.07
## [777] 27951.31 27942.94 27952.58 27936.27 27943.55 27944.87 27970.85 27960.08
## [785] 27942.32 27933.69 27957.97 27980.31 27954.43 27936.90 27969.47 27921.22
## [793] 27955.54 27947.98 27937.35 27942.36 27955.05 27940.50 27952.09 27958.06
## [801] 27962.19 27939.23 27921.69 27927.63 27942.87 27944.58 27927.04 27944.38
## [809] 27964.92 27972.05 27970.77 27945.11 27949.43 27952.10 27941.36 27954.02
## [817] 27922.78 27955.66 27956.35 27974.79 27923.55 27947.08 27948.63 27947.46
## [825] 27944.88 27966.98 27949.68 27962.36 27951.40 27935.65 27958.03 27959.29
## [833] 27943.38 27950.45 27935.81 27987.44 27941.85 27932.08 27957.10 27951.04
## [841] 27929.94 27954.26 27937.11 27931.39 27957.43 27959.12 27947.16 27926.64
## [849] 27965.20 27970.40 27932.98 27912.11 27965.44 27914.37 27954.56 27947.74
## [857] 27945.70 27944.10 27949.82 27926.21 27950.18 27978.30 27959.53 27951.07
## [865] 27908.60 27980.86 27941.67 27937.46 27915.00 27947.65 27928.27 27957.66
## [873] 27944.41 27925.72 27915.16 27912.97 27949.24 27931.37 27942.22 27943.31
## [881] 27975.44 27941.86 27943.10 27936.52 27933.06 27945.24 27971.44 27944.46
## [889] 27951.85 27972.72 27927.49 27947.59 27930.65 27934.63 27964.90 27946.93
## [897] 27952.77 27946.93 27937.27 27942.22 27961.48 27945.01 27912.27 27939.69
## [905] 27983.04 27933.33 27958.09 27955.50 27929.62 27893.25 27972.12 27935.59
## [913] 27968.30 27939.95 27922.68 27929.86 27978.12 27948.54 27923.11 27977.83
## [921] 27938.30 27965.36 27943.70 27942.74 27919.50 27946.90 27944.67 27913.24
## [929] 27952.22 27947.99 27949.70 27940.44 27964.20 27941.09 27969.16 27961.89
## [937] 27942.58 27974.74 27952.38 27922.33 27960.69 27952.72 27958.93 27948.24
## [945] 27937.93 27962.21 27929.39 27955.39 27930.48 27948.08 27953.71 27949.92
## [953] 27948.00 27929.04 27969.25 27945.29 27940.43 27968.07 27916.20 27954.92
## [961] 27901.00 27950.03 27932.64 27968.61 27936.75 27958.49 27979.93 27957.12
## [969] 27952.13 27934.87 27979.22 27966.66 27942.80 27949.45 27949.55 27951.73
## [977] 27959.07 27958.69 27937.79 27920.12 27944.64 27957.78 27972.19 27920.05
## [985] 27962.91 27947.49 27920.64 27962.15 27913.04 27952.50 27949.53 27940.28
## [993] 27958.25 27958.43 27948.06 27933.49 27959.59 27947.76 27955.63

Phân tích kết quả mô hình

mean(TPBc1)
## [1] 27947.26
TPBc1thap<-TPBc1[TPBc1<27947.26]
TPBc1vua<-TPBc1[TPBc1>=27947.26]
TPBc1cao<-TPBc1[TPBc1>27960]
table(cut(TPBc1, breaks = 3))
## 
## (2.789e+04,2.793e+04] (2.793e+04,2.797e+04]   (2.797e+04,2.8e+04] 
##                   134                   738                   127
table(cut(TPBc1, 3, labels = c('thap','vua','cao')))
## 
## thap  vua  cao 
##  134  738  127
length(TPBc1thap)/length(TPBc1)
## [1] 0.5085085
length(TPBc1vua)/length(TPBc1)
## [1] 0.4914915
length(TPBc1cao)/length(TPBc1)
## [1] 0.2172172

Từ giá trị đã mô phỏng, ta có giá trị trung bình của TPBc là 27947.26 VND. Lấy giá trị trung bình làm thước đo, ta thấy có 134 phiên giao dịch cổ phiếu mà khi đầu tư sẽ bị lỗ, chiếm 50.85% tổng các phiên giao dịch. Có 738 phiên giao dịch cổ phiếu mà khi đầu tư sẽ hòa vốn hoặc có khả năng sinh lời. Lấy mốc 27960 làm mốc cho các phiên giao dịch cổ phiếu chắc chắn sinh lời, ta thấy có 127 phiên, chiếm 21,72% tổng các phiên giao dịch.

5 KẾT LUẬN

Theo kết quả mô phỏng bằng mô hình hồi quy ta thấy chuỗi giá cổ phiếu mô phỏng được có giá trị gần giống với chuỗi giá cổ phiếu gốc và chỉ có biến IR có ý nghĩa thống kê và có giá trị âm. Qua đó có thể kết luận rằng yếu tố lãi suất có ảnh hưởng ngược chiều đối với sự biến động của giá cổ phiếu TPB, các yếu tố như tỷ giá hối đoái, lạm phát, tổng sản phẩm quốc nội, giá dầu thô thế giới và giá vàng thế giới không có ý nghĩa thống kê trong mô hình.

Dựa vào việc mô phỏng giá cổ phiếu của các tổ chức, doanh nghiệp nói chung và giá cổ phiếu TPBank nói riêng dựa vào các nhân tố kinh tế vĩ mô; các nhà đầu tư có thể ước tính khoảng đầu tư của họ là lời hay lỗ và xác định chiến lược nào có khả năng sinh lời nhiều nhất. Đối với các tổ chức - doanh nghiệp, việc mô phỏng này có thể giúp họ đánh giá được rủi ro của một khoản đầu tư tiềm năng bằng cách mô phỏng giá cổ phiếu trong tương lai. Cuối cùng, mô phỏng giá cổ phiếu cũng có thể được sử dụng để nghiên cứu thị trường. Bằng cách mô phỏng cách thị trường hoạt động dưới các điều kiện khác nhau, các nhà nghiên cứu có thể hiểu rõ hơn về động lực thị trường. Điều này có thể giúp các nhà nghiên cứu phát triển các mô hình thị trường chính xác hơn và đưa ra các dự báo thị trường chính xác hơn. Bằng cách sử dụng mô phỏng, các nhà đầu tư, nhà giao dịch và nhà nghiên cứu có thể cải thiện hiệu suất của họ và đưa ra các quyết định sáng suốt hơn về thị trường chứng khoán.

---
title: "TL-MPNN"
author: "Xuân Huyền"
date: "2023-07-24"
output:
  html_document:
    number_sections: yes
    toc: yes
    toc_float: yes
    toc_depht: 3
    code_folding: hide
    code_download: true
  word_document:
    toc: yes
---

```{r}
library(summarytools)
library(mixtools)
library(dplyr)
library(VGAM)
library(dexter)
```

# **TỔNG QUAN VỀ NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN TIÊN PHONG (TPBANK)**

## Giới thiệu tổng quan về ngân hàng TMCP Tiên Phong

### Tổng quan về ngân hàng và lĩnh vực hoạt động của ngân hàng

Ngân hàng Thương mại Cổ phần Tiên Phong (TP Bank), tên tiếng Anh là Tien Phong Comercial Joint Stock Bank, được thành lập ngày 05/05/2008 và chính thức đi vào hoạt động vào tháng 6/2008 với mục tiêu mang lại cho khách hàng và cổ đông những lợi ích tốt nhất. TP Bank nhận được sự công nhận và ủng hộ về tài chính của các cổ đông lớn như: Tập đoàn DOJI (vàng bạc đá quý), tập đoàn công nghệ FPT, công ty Tài chính quốc tế (IFC), tổng công ty Tái bảo hiểm Việt Nam (Vinare) và tập đoàn Tài chính SBI Ven Holding Pte. Ltd, Singapore. Ngoài ra ngân hàng còn có thế mạnh về công nghệ kỹ thuật và kinh nghiệm thị trường phong phú. 

TP Bank cũng đã nhận được nhiều sự quan tâm đến từ các nhà đầu tư và các tổ chức nước ngoài, đặc biệt là Tổ chức Tài chính quốc tế IFC và Quỹ đầu tư Phần Lan PYN Elite Fund. Vào năm 2018, TP Bank niêm yết thành công 555 triệu cổ phiếu trên sàn chứng khoán TP. Hồ Chí Minh (HOSE), bước đầu đánh dấu quá trình hoạt động bền vững và ổn định của ngân hàng. 
Cổ phiếu TP Bank có mã TPB, giấy chứng nhận đăng ký doanh nghiệp của TP Bank số: 0102744865.

Các sản phẩm dịch vụ kinh doanh chính của ngân hàng bao gồm: Các hoạt động trung gian tiền tệ khác, mã ngành K6419 (là sản phẩm dịch vụ chính của ngân hàng); bán lẻ hàng hóa trong các cửa hàng chuyên doanh, mã ngành G4773; buôn bán kim loại và quặng kim loại, mã ngành G4662. TP Bank có vốn điều lệ ban đầu là 1.000 tỷ đồng. 

### Quá trình hình thành và lịch sử phát triển của ngân hàng

Tháng 5/2008, TP Bank hoàn tất việc triển khai hệ thống ngân hàng lõi Flex-cube và nhận giấy phép thành lập TP Bank. Tiếp sau đó khai trương chi nhánh Hà Nội, ký kết hợp tác toàn diện về chiến lược với Ngân hàng Đầu tư và Phát triển Việt Nam (BIDV) và khung hợp tác chung với Ngân hàng Citi, chính thức tham gia vào mạng thanh toán lớn nhất Việt Nam – Smart link, ra mắt hệ thống ngân hàng MiniBank 24/7. Nửa cuối năm 2008, TP Bank chính thức là công ty đại chúng, ra mắt dịch vụ Internet Banking dành cho khách hàng cá nhân và khách hàng doanh nghiệp. Cuối năm 2008, TP Bank nhận chứng chỉ ISO 9001:2000 cho toàn bộ sản phẩm, dịch vụ và hoạt động của ngân hàng.

Năm 2009, đại hội cổ đông lần thứ nhất của ngân hàng được tổ chức vào tháng 3. Giữa năm, TP Bank khai trương chi nhánh Cần Thơ và kỷ niệm 1 năm ngày thành lập. Tháng 8/2009, TP Bank khai trương thêm chi nhánh Hải Phòng.
Đầu năm 2010, TP Bank tổ chức họp đại hội cổ đông lần thứ hai. Đến tháng 8 vốn điều lệ được tăng từ 1.000 tỷ đồng lên 2.000 tỷ đồng, sau 4 tháng cuổi năm tăng đến 3.000 tỷ đồng. Cũng trong năm này, TP Bank tiếp tục mở rộng  thêm các chi nhánh mới như chi nhánh Sài Gòn, chi nhánh Thăng Long và khai trương Sở giao dịch TP Bank tại Hà Nội.

Tháng 1/2011 khai trương thêm chi nhánh tại Đồng Nai và An Giang. TPBank cũng khai trương thêm Quỹ tiết kiệm Khâm Thiên và Quỹ tiết kiệm Nguyễn Trãi vào thời điểm gần cuối năm.

Đầu năm 2012, TP Bank bắt đầu vào việc tái cơ cấu và thành công kêu gọi góp vốn từ Tập đoàn Đá quý DOJI. Từ đó Tập đoàn Đá quý DOJI trở thành một trong những cổ đông lớn nhất của TP Bank cho đến hiện tại (6,97%, theo dữ liệu hiển thị tại cafef.vn). Việc tái cơ cấu thành công đã giúp cho vốn điều lệ của TP Bank từ 3.000 tỷ đồng lên  5.550 tỷ đồng vào cuối năm.  Trong năm này, TP Bank cũng mở thêm một số phòng giao dịch mới như Đinh Tiên Hoàng, Phú Xuyên, Lê Ngọc Hân.

Năm 2013, TP Bank được Ngân hàng Nhà Nước cấp phép gia nhập thị trường kinh doanh mua bán vàng miếng trên toàn hệ thống. Tháng 7/2013, TP Bank cho triển khai hai sản phẩm công nghệ mới là “eCounter – eGold” và “Thẻ tiêu dùng Đa tiện ích – các giải pháp công nghệ thông minh đầu tiên tại Việt Nam”. Cùng với đó là việc tiếp tục mở rộng thêm các chi nhánh Ba Đình, chi nhánh Hà Thành, chi nhánh Hải Phòng, chi nhánh Cộng Hòa và chi nhánh Tân Bình.

Trong khoảng 7 tháng đầu năm 2014, TP Bank liên tục mở thêm các chi nhánh mới gồm chi nhánh Bến Thành – Thành phố Hồ Chí Minh, chi nhánh Bình Dương, chi nhánh Đà Nẵng, chi nhánh An Giang trụ sở mới, chi nhánh Tây Hà Nội, chi nhánh Hùng Vương – Thành phố Hồ Chí Minh. Vào tháng 9/2014, TP Bank trở thành ngân hàng đầu tiên của cả nước cho ra mắt phiên bản eBank dựa trên công nghệ HTML5 có tính năng nhất thể hóa cho cả hai phiên bản Mobile Banking và Internet Banking. Cuối năm 2014 khai trương trụ sở mới, được đặt tại 57 Lý Thường Kiệt, Hoàn Kiếm, Hà Nội có diện tích sử dụng là 6.000 m2 với 10 tầng làm việc và 04 tầng hầm, đây là sự kiện đánh dấu vị thế mới của TP Bank trên thị trường tài chính Việt Nam. 

Năm 2015, TP Bank tiếp tục khai trương thêm các chi nhánh tại nhiều tỉnh thành trên cả nước như Nghệ An, Quảng Ninh, Đắk Lắk, ….
Nửa cuối năm 2016, TP Bank cho ra đời phiên bản “Ebank v.7.0 – tự do cá nhân hóa & Ebank Biz – HTML5” dành riêng cho doanh nghiệp. Tính đến tháng 7/2016, tổng tài sản của TP Bank đã đạt trên 83.200 tỷ đồng. Cũng trong thời gian này, TP Bank cho ra mắt thẻ tín dụng TP Bank World MasterCard. Trong năm TP Bank cũng khai trương thêm 05 chi nhánh mới.
Tháng 2/2017, TP Bank chính thức cho ra mắt hệ thống giao dịch tự động 24/7 LiveBank. Đến tháng 6/2017, TP Bank mở thêm hệ thống điểm giao dịch tự động 24/7 LiveBank tại Đà Nẵng và cho ra đời phiên bản eBank “Biz 3.0 – Giải pháp đột phá cho doanh nghiệp”. Ra mắt trợ lý ảo T’aio phục vụ khách hàng nhờ ứng dụng thông minh nhân tạo. Tháng 10/2017, TP Bank ra mắt ứng dụng thanh toán bằng mã QR – TP Bank Quickpay, một ứng dụng thanh toán hay chuyển tiền thông qua mã QR. Trong năm, TP Bank tiếp tục khai trương thêm các chi nhánh mới.

Đầu năm 2018, TP Bank ra mắt dịch vụ nộp thuế hải quan điện tử 24/7, được nhận chứng chỉ ISO 20000 về quản lý dịch vụ công nghệ thông tin. Tháng 4/2018, cổ phiếu TP Bank (mã là TPB) chính thức được niêm yết trên sàn chứng khoán TP Hồ Chí Minh (HOSE) với 555 triệu cổ phiếu , mạng lưới LiveBank trên toàn quốc đạt 60 điểm và được cập nhật thêm tính năng phát hành thẻ ATM ngay tức thì tới khách hàng.  Đến cuối năm, vốn điều lệ của ngân hàng đã đạt mức 8.566 tỷ đồng, cổ phiếu TPB cũng được giao dịch ký quỹ sau 06 tháng niêm yết. Chỉ số sức mạnh BCA cũng được Moody’s (công ty sở hữu Moody’s Investor services – công ty đánh giá các công cụ nợ có thu nhập cố định) nâng lên mức B1. Đồng thời khai trương thêm các chi nhánh mới.

Năm 2019, tổng số điểm giao dịch trên toàn quốc của TP Bank đạt gần 300 điểm với tổng số lượng khách hàng cá nhân đạt mức 3 triệu người.

Năm 2020, TP Bank tăng vốn điều lệ từ 8.566 tỷ đồng lên 10.716 tỷ đồng. Cũng trong năm này, TP Bank mở thêm 4 chi nhánh mới và 2 phòng giao dịch trên toàn quốc.

Năm 2021, vốn điều lệ của ngân hàng đạt 10.717 tỷ đồng và được giữ nguyên mức xếp hạng tín nhiệm nhà phát hành, tiền gửi nội tệ, ngoại tệ dài hạn ở mức B1. Tháng 9/2021, TP Bank chào bán cổ phiếu riêng lẻ cho các nhà đầu tư, tăng vốn điều lệ lên 11.716,7 tỷ đồng. Bổ sung thêm 100 triệu cổ phiếu vào tháng 10/2021, số lượng cổ phiếu sau khi thay đổi là 1.171.671.722 cổ phiếu. Cuối năm 2021, TP Bank nâng vốn điều lệ lên 15.817 tỷ đồng và tiếp tục khai trương thêm chi nhánh mới tại Hà Nội. 

TP Bank liên tục cho ra mắt nền tảng Ngân hàng Số hoàn toàn mới cho Doanh nghiệp (TPBank Biz), thẻ tín dụng online 100% TPBank Evo phê duyệt và cấp hạn mức tín dụng chỉ sau 15 phút đăng ký trực tuyến, hệ thống Ngân hàng tiện lợi (TPBank LiveBank+) đầu tiên và duy nhất tại Việt Nam trong 6 tháng đầu năm 2022. Tháng 9/2022, Moody’s nâng mức xếp hạng tín nhiệm của TPBank lên mưc B3, triển vọng được thay đổi sang mức ổn định. TPBank còn được Bộ Công Thương công nhận danh hiệu Thương hiệu Quốc gia Việt Nam, có tên trong bảng xếp hạng Top 25 thương hiệu Tài chính dẫn đầu của Forbes Việt Nam, lọt vào bảng xếp hạng Top 50 doanh nghiệp lợi nhuận xuất sắc Việt Nam của VNR500, ra mắt bộ sưu tập 5 tính năng cá nhân hóa trên app TP Bank vào tháng 10/2022. Trong năm này, TPBank tiếp tục khai trương thêm nhiều chi nhánh mới trên toàn quốc.

Nửa đầu năm 2023, TP  Bank nâng cấp toàn diện LiveBank 24/7: tăng tốc độ xử lý và đổi mới giao diện theo xu hướng Glassmorphism. Ra mắt gói giải pháp Siêu Shop thiết kế riêng cho phân khúc ủng hộ kinh doanh với nhiều đặc quyền và ưu đãi vào tháng 3/2023; xếp hạng nhà phát hành và tiền gửi nội tệ, ngoại tệ dài hạn của TPBank được Moody’s nâng lên một bậc. TPBank tiếp tục khai trương thêm chi nhánh mới. 

### Những thành tựu nổi bật

Năm 2009, TP Bank được tổ chức STP Awards Wells Fargo trao tặng Chứng nhận Ngân hàng Thanh Toán Đạt Chuẩn Cao.

Năm 2010, được Bộ Công thương và Hiệp hội Doanh nghiệp nhỏ và vừa trao tặng danh hiệu Doanh nghiệp Việt Nam vàng 2010.

Năm 2012, Thời báo kinh tế Việt Nam trao tặng cho dịch vụ Ngân hàng điện tử danh hiệu Dịch vụ Tin & Dùng Việt Nam 2012. Được diễn đàn M&A Việt Nam trao tặng danh hiệu Thương vụ phát hành riêng lẻ tiêu biểu Việt Nam 2011 – 2012.

Năm 2013, nhận bằng khen của Thủ tướng Chính phủ về thành tích xuất sắc trong công tác tái cơ cấu cho TP Bank và Chủ tịch HĐQT Đỗ Minh Phú. Thời báo kinh tế Việt Nam trao tặng cho dịch vụ Ngân hàng điện tử Dịch vụ Tin & Dùng Việt Nam 2013 và giải thưởng Ngân hàng có sản phẩm dịch vụ sáng tạo tiêu biểu (Vietnam Outstanding Banking Awards 2013) - Giải thưởng bình chọn trong khuôn khổ của diễn đàn các Ngân hàng Đông Nam Á năm 2013 do Hiệp hội Ngân hàng Việt Nam phối hợp tổ chức Tập đoàn Dữ liệu quốc tế IDG ASEAN. Đồng thời được Thời báo kinh tế Việt Nam trao tặng danh hiệu Thương hiệu mạnh Việt Nam 2012.

Năm 2014, TP Bank được nhận bằng khen của Thống đốc Ngân hàng Nhà nước vì “Đã có thành tích trong việc đầu tư, ứng dụng công nghệ đẩy mạnh dịch vụ ngân hàng điện tử”. Ngân hàng cũng nhận giải thưởng “Ngân Hàng Đi Đầu Về Dòng Sản Phẩm Thẻ ‘Đồng Thương Hiệu Viễn Thông’ 2014” (“Leadershipin ‘Telco Co-brand’ Segment Product Launch 2014”) cho sản phẩm thẻ Đồng thương hiệu MobiFone-TP Bank Visa Platinum do Tổ chức thẻ Quốc tế Visa trao tặng. TP Bạn đạt giải nhất Mobile Banking, giải nhì “Ngân hàng điện tử được yêu thích tại Việt Nam” trong cuộc thi My Ebank năm 2014 do báo điện tử VnExpress là đơn vị tổ chức cùng với công ty Cổ phần Dịch vụ thẻ Smartlink làm cố vấn chuyên môn và có Ngân hàng Nhà nước là đơn vị bảo trợ cho cuộc thi. TP Bank cũng nhận được giải thưởng Ngân hàng Số Sáng tạo nhất Việt Nam 2014 (Most Innovative Digital Bank Vietnam 2014) do tạp chí Global Financial Market Review (GFM) trao tặng. Thống đốc Ngân hàng Nhà nước trao tặng Bằng khen cho 04 cá nhân và 03 tập thể của TP Bank vì “Đã có thành tích xuất sắc góp phần hoàn thành nhiệm vụ Ngân hàng 2012-2013”. Giải thưởng dành cho doanh nghiệp và doanh nhân “Thương mại, Dịch vụ Việt Nam năm 2013” lần thứ VI. Cũng trong năm này, TP Bank được Thời báo Kinh tế Việt Nam trao tặng giải thưởng “Thương hiệu Mạnh Việt Nam 2013”.

Năm 2015, TP  Bank nhận danh hiệu “Ngân hàng số sáng tạo nhất Việt Nam 2015” – “Most Innovative Digital Bank Vietnam 2015” do Tạp chí chuyên ngành Tài chính - ngân hàng có uy tín hàng đầu trên thế giới là Global Financial Market Review (GFM) trao tặng. Nhận danh hiệu “Ngân hàng bán lẻ tốt nhất Việt Nam 2015” - “Best Retail Bank Vietnam 2015” do Tạp chí chuyên ngành Tài chính của 8 ngân hàng có mức uy tín hàng đầu trên thế giới Global Financial Market Review (GFM) trao tặng. Được vinh danh lần thứ 3 giải thưởng “Thương hiệu mạnh Việt Nam” lần thứ 11 do Thời báo kinh tế Việt Nam tổ chức.

Năm 2016, được Tổ chức Thẻ Quốc tế Visa trao giải Ngân hàng có Doanh số thanh toán trung bình thẻ Visa Debit cao nhất năm 2016 tại Việt Nam. Lần thứ hai TP Bank eBank nhận giải thưởng sản phẩm dịch vụ Tin & Dùng do Thời báo Kinh tế Việt Nam – Tạp chí Tư vấn Tiêu & Dùng tổ chức. TP Bank lần đầu tiên được nhận giải thưởng NHTM Việt Nam uy tín nhất năm 2016 theo báo cáo đánh giá của Vietnam Report. Có tên trong top 50 nhãn hiệu cạnh tranh nổi tiếng năm 2016 do Hội Sở hữu Trí tuệ Việt Nam tổ chức. TP Bank có vinh dự nhận được giải thưởng Best Internet Banking ( giải Ngân hàng điện tử tốt nhất) do The Asian Banker trao tặng. Cuối năm 2016, TP Bank được Thống đốc Ngân hàng Nhà nước Việt Nam tặng Bằng khen nhờ đạt những thành tích xuất sắc trong hoạt động ngân hàng trong các năm 2014- 2015.

Năm 2017, TP Bank được bình chọn cho giải “Best Digital Banking Award” (giải thưởng dành cho ngân hàng số xuất sắc nhất 2017) do Tập đoàn dữ liệu quốc tế IDG phối hợp với Hiệp hội Ngân hàng Việt Nam tổ chức. Có tên top 10 ngân hàng mạnh nhất VIệt Nam theo đánh giá của The Asian Banker. TP Bank cũng được xếp trong nhóm 50 doanh nghiệp lợi nhuận tốt nhất Việt Nam theo báo cáo của Vietnam Report. Vinh dự được nhận cờ thi đua và bằng khen dành cho đơn vị xuất sắc trong phong trào thi đua “Thực hiện tốt chính sách, pháp luật thuế năm 2016” do Uỷ ban Nhân dân của thành phố Hà Nội trao tặng. Đại diện tạp chí uy tín The Asian Banker (TAB) trao giải thưởng Lãnh đạo trẻ xuất sắc Việt Nam cho ông Nguyễn Việt Anh - Phó TGĐ TP Bank. Tạp chí tài chính Global Financial Market Review (GFM) trao giải thưởng về Ngân hàng số tốt nhất và Ngân hàng bán lẻ tốt nhất Việt Nam cho TP Bank. TP Bank nhận giải thưởng “Thương hiệu mạnh Việt Nam” do tổ chức Vneconomy tổ chức cùng với Cục Xúc tiến Thương mại trực thuộc Bộ Công thương và là ngân hàng duy nhất được nhận giải “Best Auto Loan Product in Vietnam” (giải thưởng dành cho ngân hàng có sản phẩm cho vay mua ô tô tốt nhất tại Việt Nam) năm 2017 do The Asian Banker lựa chọn. TP Bank nằm trong Top các ngân hàng Việt Nam mạnh nhất châu Á theo đánh giá của Tạp chí tài chính ngân hàng hàng đầu của khu vực Châu Á The Asian Banker (TAB).

Năm 2018, nhận giải thưởng Ngân hàng SME phát triển nhanh nhất tại Việt Nam do tạp chí Global Banking and Finance Review trao tặng, giải thưởng “Ngân hàng phát hành tốt nhất năm 2017”  về lĩnh vực Tài trợ Thương mại cho các dự án nghiên cứu về việc thích ứng thông minh với biến đổi khí hậu trong khu vực Đông Á – Thái Bình Dương do IFC trao tặng. TP Bank cũng được xếp vào Top 100 Ngân hàng bán lẻ mạnh nhất Châu Á Thái Bình Dương do Tạp chí The Asian Banker đánh giá. TP Bank nhận chứng chỉ quốc tế ISO 20000 về quản lý dịch vụ công nghệ thông tin. TP Bank còn được The Asian Banker bình chọn cho 3 giải thưởng “Best Internet Banking Initiative of the Year - Ngân hàng số sáng tạo nhất năm”; "Best CRM project in Vietnam - Hệ thống Quản lý và chăm sóc khách hàng tốt nhất Việt Nam" và "Best ATM and Kiosk Project in Vietnam - Ngân hàng tự động tốt nhất Việt Nam". Đồng thời nhận chứng chỉ bảo mật của quốc tế về an toàn thẻ do tổ chức đánh giá chất lượng quốc tế độc lập ControlCase (Hoa Kỳ) trao tặng.

Năm 2019, TP Bank được IDG Việt Nam vinh danh là Ngân hàng số tiêu biểu 2019. TP Bank vinh dự được tổ chức thẻ quốc tế Visa trao giải thưởng “Ngân hàng đầu tiên triển khai liên kết đồng bộ với Visa Platform”, top 1 “Ngân hàng có tốc độ phát triển doanh số thẻ ghi nợ tốt nhất”, top 3 “Ngân hàng có tốc độ phát triển doanh số giao dịch thẻ tốt nhất”. Lọt vào top 500 ngân hàng mạnh nhất Châu Á – Thái Bình Dương, top 10 ngân hàng mạnh nhất Việt Nam năm 2019 do the Asian Banker bình chọn và có vinh dự lọt vào top 3 doanh nghiệp được niêm yết có hoạt động IR tốt nhất năm 2019 tại IR Awards 2019 do Hiệp hội các nhà Quản trị tài chính Việt Nam (VAFE) phối hợp với Vietstock tổ chức tại TP Hồ Chí Minh, top 10 ngân hàng uy tín nhất Việt Nam theo đánh giá độc lập của Vietnam Report. TP Bank Savy được tạp chí Tài chính Global Banking and Finance Review trao  giải thưởng “Best Mobile Savings App Vietnam” (giải ứng dụng tiết kiệm trên điện thoại tốt nhất Việt Nam), được tạp chí Global Brands Magazine (GBM) trao tặng giải “Best Customer Service Banking Brand” (giải thưởng dành cho ngân hàng có dịch vụ khách hàng tốt nhất).

Năm 2020, TP Bank vinh dự lọt vào Top 10 Ngân hàng Thương mại Việt Nam uy tín năm 2020 (theo VNR 500), được tổ chức HR Asia trao giải "Nơi làm việc tốt nhất Châu Á 2020". TP Bank vinh dự là Đối tác hàng đầu khu vực Đông Á Thái Bình Dương về tài trợ các giao dịch cho phụ nữ năm 2019 do tổ chức Tài chính Quốc Tế IFC bình chọn. TPBank cũng được nhận 3 giải thưởng lớn là “Best Digital Banking" (giải ngân hàng số tốt nhất); "Best Saving Account” (giải sản phẩm Tiết kiệm tốt nhất) và "Best Branch Innovation” (dành cho ngân hàng có mạng lưới đổi mới nhất Việt Nam) do The Asian Banker bình chọn.

## Tầm nhìn – sứ mệnh và giá trị cốt lõi của ngân hàng

### Tầm nhìn và sứ mệnh

**Tầm nhìn:** TP Bank có khát vọng trở thành một trong những ngân hàng hàng đầu tại Việt Nam với các sản phẩm, dịch vụ về lĩnh vực tài chính dựa trên nền tảng công nghệ hiện đại, tiên tiến góp phần vào mục tiêu lớn xây dựng đất nước giàu mạnh.

**Sứ mệnh:** TP Bank cung cấp những sản phẩm dịch vụ về tài chính một cách hoàn hảo cho khách hàng và đối tác dựa trên cơ sở công nghệ hiện đại và mang lại hiệu quả tối ưu. Trở thành một tổ chức kinh tế hoạt động minh bạch, an toàn, hiệu quả và bền vững, mang lại lợi ích tốt nhất cho các cổ đông. Tạo điều kiện tối ưu để mỗi cán bộ nhân viên đầy đủ về kinh tế, phát huy tối đa năng lực sáng tạo và phát triển sự nghiệp của bản thân. TP Bank là tổ chức ngân hàng có tinh thần trách nhiệm xã hội cao, luôn tích cực tham gia các hoạt động cộng đồng với mục tiêu vì CON NGƯỜI và HƯNG THỊNH QUỐC GIA.

### Giá trị cốt lõi

TP Bank luôn lấy liêm chính, sáng tạo, cầu tiến, hợp lực, bền bỉ làm nền tảng xây dựng nên thương hiệu. Xứng đáng với sự tin tưởng của khách hàng, của các cổ đông  là điều kiện cần để TP Bank đạt được các mục tiêu chiến lược ở hiện tại và  tương lai. 

## Chức năng của các phòng, ban

**Đại hội đồng cổ đông (bao gồm tất cả các cổ đông có quyền tham gia biểu quyết):** là cơ quan ra quyết định cao nhất của ngân hàng. Các cổ đông thực hiện quyền biểu quyết của mình về các vấn đề thuộc thẩm quyền của Đại hội đồng cổ đông thông qua các phiên họp thường niên hoặc thông qua việc lấy ý kiến bằng văn bản.

**Hội đồng quản trị:** là bộ phận quản trị ngân hàng, có toàn quyền nhân danh ngân hàng để quyết định và thực hiện các quyền và nghĩa vụ của ngân hàng, ngoại trừ các vấn đề thuộc thẩm quyền của Đại hội đồng cổ đông.

**Ban điều hành:** là bộ phận chịu trách nhiệm đảm bảo việc lưu trữ các sổ sách kế toán nhằm nắm rõ tình hình tài chính tại Ngân hàng với mức độ chính xác, hợp lí tại bất kì thời điểm nào và đảm bảo rằng sổ sách kế toán tuân thủ chặt chẽ theo hệ thống pháp luật. Chịu trách nhiệm về việc quản lý các tài sản của Ngân hàng, thực hiện các biện pháp thích hợp để ngăn chặn và phát hiện các hành vi gian lận, vi phạm khác.

**Ban kiểm soát:** là cơ quan kiểm tra, giám sát mọi hoạt động của Ngân hàng. Đảm bảo hoạt động của từng đơn vị được triển khai đúng với định hướng, các biện pháp tổ chức được thực hiện có hiệu quả. Ban kiểm soát có trách nhiệm thẩm định bảng báo cáo tài chính hàng năm và kiểm tra từng vấn đề cụ thể liên quan đến các hoạt động tài chính khi cần thiết theo quyết định của Đại hội đồng cổ đông hoặc theo yêu cầu của cổ đông lớn.

**Ủy ban điều hành:** gồm Chủ tịch Hội đồng quản trị và 2 Phó Chủ tịch Hội đồng quản trị trực tiếp quản lý, điều hành. Có nhiệm vụ thay mặt cho Hội đồng quản trị ngân hàng trong thời gian Hội đồng quản trị không tham gia họp. Được phân chia thành: Ủy ban nhân sự, Ủy ban quản trị rủi ro, Ủy ban hỗ trợ quản lý tài sản nợ - có, Ủy ban tín dụng và đầu tư.

**Khối hỗ trợ vận hành:** gồm Hội sở phía Nam, Khối vận hành, Khối quản trị nguồn nhân lực, Khối Công nghệ thông tin, Trung tâm truyền thông, Quản lý truyền thông và Marketing.
Khối hỗ trợ quản trị: gồm Khối tài chính, Khối quản trị rủi ro, Khối tín dụng, Khối pháp chế - giám sát và xử lý nợ.

**Khối kinh doanh:** gồm Khối ngân hàng cá nhân, Khối Ngân hàng doanh nghiệp, Khối bán trực tiếp, Khối nguồn vốn và thị trường tài chính, Khối đầu tư và khách hàng doanh nghiệp lớn.

# **CƠ SỞ LÝ THUYẾT VÀ DỮ LIỆU NGHIÊN CỨU**

## Lý do chọn đề tài

Cổ phiếu có vai trò rất quan trọng trong thị trường tài chính nói chung và doanh nghiệp nói riêng. Nhìn chung, cổ phiếu có ảnh hưởng rộng và tác động trực tiếp đối với quyết định của doanh nghiệp lẫn các nhà đầu tư. 

Mục đích của các doanh nghiệp khi quyết định phát hành và bán cổ phiếu ra thị trường là để huy động vốn. Người mua cổ phiếu gọi là các cổ đông. Các cổ đông này sẽ được nhận một phần lợi nhuận do công ty tạo ra, phần lợi nhuận này được gọi là cổ tức. Một số công ty có thể đưa ra một khoản tỷ lệ cổ tức lớn nhằm thu hút các nhà đầu tư. 

Giá trị thị trường của cổ phiếu có thể tăng hay giảm chủ yếu phụ thuộc vào lượng cung – cầu của các nhà đầu tư là nhiều hay ít.  Các quyết định liên quan đến cổ phiếu của nhà đầu tư có thể ảnh hưởng đến quyết định của doanh nghiệp, đặc biệt là khi sự dao động lên xuống của giá cổ phiếu có liên quan đến lợi nhuận hoặc các yếu tố rủi ro.

Tỷ lệ sở hữu cổ phiếu có liên quan chặt chẽ đến quyền sở hữu doanh nghiệp. Nếu có cổ đông nắm giữ từ 50% tổng số cổ phiếu của một doanh nghiệp thì cổ đông đó sẽ là người đứng đầu trong ban quản trị của doanh nghiệp. 

Giá trị của cổ phiếu được thể hiện liên tục trên thị trường tài chính phản ảnh tài sản hiện có của doanh nghiệp, được đánh giá dựa trên cơ sở thực trạng doanh nghiệp, trạng thái kinh tế và mức độ đầu tư của doanh nghiệp. Ngoài ra, cổ phiếu còn là phong vũ biếu của nền kinh tế thị trường, là công cụ giúp các nhà đầu tư có cái nhìn cụ thể về thực trạng của nền kinh tế đang diễn ra và dụ đoán tương lai của nền kinh tế đồng thời cũng có thể dự đoán và đề ra các kế hoạch phát triển doanh nghiệp, nhờ đó có phương pháp quản lý doanh nghiệp thích hợp. 
Nền kinh tế Việt Nam được xem là nền kinh tế dựa vào ngân hàng khi thị trường vốn chưa phát triển và nguồn cung cấp vốn cho các doanh nghiệp chủ yếu đến từ các ngân hàng. Với vai trò thống trị của tín dụng ngân hàng, những biến động trong ngành này có thể ảnh hưởng đáng kể đến hoạt động của doanh nghiệp và nền kinh tế. Khi ngành ngân hàng gặp khó khăn, các doanh nghiệp sẽ khó tiếp cận được nguồn vốn, điều này có thể dẫn đến suy giảm sản xuất kinh doanh và tăng thất nghiệp. Ngoài ra, những biến động trong ngành ngân hàng cũng có thể làm suy giảm niềm tin của nhà đầu tư và ảnh hưởng tiêu cực đến thị trường chứng khoán.

Ngân hàng hoạt động dựa trên cơ sở mức độ tín nhiệm. Vốn khả dụng của ngân hàng tỷ lệ thuận với mức độ uy tín của ngân hàng, có nghĩa là ngân hàng có vốn khả dụng càng lớn thì mức độ tín nhiệm của ngân hàng càng cao. Vốn cũng đại diện cho năng lực cạnh tranh của mỗi ngân hàng. Vì vậy ngân hàng cần có một nguồn vốn lớn để phát triển kinh doanh; ở hầu hết các ngân hàng, vốn tự có là chưa đủ để ngân hàng phát triển và gia tăng năng lực cạnh tranh. Có nhiều cách để ngân hàng có thể huy động vốn như đi vay từ các công ty bảo hiểm, các quỹ đầu tư và từ việc cho khách hàng vay tiền (Ngân hàng nhận tiền gửi từ khách hàng cá nhân và doanh nghiệp, sau đó cho vay lại cho khách hàng khác với lãi suất cao hơn. Chênh lệch lãi suất là nguồn thu chính của ngân hàng). Việc phát hành cổ phiếu cũng là một trong những cách mà các ngân hàng huy động vốn giúp cho ngân hàng giảm thiểu các chi phí tài chính và tăng khả năng cạnh tranh. Khi một ngân hàng phát hành cổ phiếu có nghĩa là ngân hàng đó đang bán một phần quyền sở hữu của mình cho các nhà đầu tư. Số tiền thu được từ việc phát hành cổ phiếu sẽ được sử dụng để tài trợ cho các hoạt động của ngân hàng như cho vay, đầu tư và mở rộng kinh doanh. Ngoài ra việc phát hành cổ phiếu còn giúp tăng vốn chủ sở hữu của ngân hàng, từ đó tăng khả năng chống chịu đối với rủi ro và đảm bảo an toàn trong hoạt động của ngân hàng. 

Vì vậy, với mục đích muốn hiểu rõ hơn về tình hình phát triển của ngân hàng TMCP Tiên Phong và để làm rõ sự ảnh hưởng của các nhân tố vĩ mô đến giá cổ phiếu, tôi tiến hành nghiên cứu, mô phỏng sự biến động giá cổ phiếu của TPBank liên quan đến các nhân tố kinh tế vĩ mô.

## Đối tượng và phạm vi nghiên cứu

**Đối tượng nghiên cứu:** Giá cổ phiếu của ngân hàng TMCP Tiên Phong.

**Phạm vi nghiên cứu:** Dữ liệu được thu thập theo ngày từ ngày 02 tháng 01 năm 2023 đến ngày 20 tháng 06 năm 2023.

## Cơ sở lý thuyết

### Tổng quan về thị trường chứng khoán

Thị trường chứng khoán là nơi thực hiện việc mua, bán chứng khoán. Thị trường chứng khoán được chia làm hai bộ phận dựa trên cơ sở mua bán chứng khoán lần đầu hay mua bán lại là thị trường sơ cấp và thị trường thứ cấp. Thị trường chứng khoán sơ cấp là nơi chứng khoán được người phát hành bán lần đầu tiên cho các tổ chức, cá nhân. Thị trường chứng khoán thứ cấp là nơi diễn ra việc mua, bán lại chứng khoán từ các cá nhân hay tổ chức khác không phải là nhà phát hành. Thị trường chứng khoán thứ cấp có hình thức tổ chức là Trung tâm giao dịch chứng khoán hay nói cách khác là sở giao dịch chứng khoán.

Trong thời điểm nền kinh tế thị trường hiện đại, thị trường chứng khoán đã trở thành một trong những nơi phổ biến cho việc đầu tư tài chính. Đến thời điểm hiện tại, thị trường chứng khoán Đông Nam Á có sự “sáng sủa” hơn các thị trường khác trên thế giới do nhiều nền kinh tế trong khu vực này đã mở cửa trở lại sau đại dịch Covid-19, chào đón một lượng lớn khách du lịch quay trở lại. Cùng với nhu cầu tiêu thụ hàng nội địa bùng nổ đang giúp bảo vệ các nền kinh tế khu vực khỏi sự tăng trưởng chậm lại của nền kinh tế thế giới. 

Người đứng đầu châu Á – Thái Bình Dương về lĩnh vực chứng khoán tại công ty quản lý tài sản Robeco Hong Kong (Trung Quốc) cho biết “ Nhu cầu bị dồn nén là rất nhiều. Nguồn đầu tư trực tiếp từ nước ngoài đang tập trung chảy vào khu vực Đông Nam Á, các nền kinh tế đang mở cửa trở lại và việc cơ cấu dài hạn đang dần trở nên tích cực. Thị trường tài chính của khu vực nói chung và thị trường chứng khoán nói riêng đã rất linh hoạt khi đối mặt với những yếu tố thường dẫn đến xu hướng bán tháo mạnh mẽ”. Bloomberg đã ước tính “hầu hết các nền kinh tế lớn nhất trong khu vực dự kiến sẽ tăng trưởng ít nhất 5% trong năm 2022, việc xóa bỏ các lệnh cấm sau đại dịch đã mang lại sự thúc đẩy quan trọng cho thị trường. Ví dụ, Malaysia đã tăng hơn gấp đôi số lượng khách du lịch mà nước này đặt mục tiêu trong năm 2022, trong khi đó, Thái Lan dự kiến sẽ thu về 11 tỷ USD từ lượng khách du lịch nước ngoài tăng đột biến trong nửa cuối năm 2022”. 

Tuy nhiên, thị trường chứng khoán cũng tồn tại một số rủi ro thường gặp như rủi ro thanh khoản, rủi ro biến động thị trường, rủi ro lãi suất và lạm phát. Ngày nay, có rất nhiều tính toán phát triển trong đầu tư để nhà đầu tư có thể sớm tìm ra giá trị của rủi ro làm giảm tổn thất tiềm ẩn. Vì khủng hoảng kinh tế đang diễn ra, quản lý rủi ro ngày càng hấp dẫn đối với các nhà đầu tư và giá trị rủi ro (Value at risk) đang được các nhà đầu tư sử dụng rộng rãi. Trong việc quản lý rủi ro về tài chính của các ngân hàng, giá trị rủi ro (VaR) là một trong các giá trị quan trọng nhất trong các biện pháp quản lý rủi ro. Theo đó, mô hình ARCH/GARCH đã được sử dụng rộng rãi để dự đoán sự biến động rủi ro. 

### Thông tin chung về cổ phiếu TP Bank

Năm 2018, TP Bank niêm yết 555 triệu cổ phiếu trên sàn giao dịch chứng khoán TP. Hồ Chí Minh.

Năm 2020, cổ phiếu của TP Bank được lọt vào rổ cổ phiếu VN30 với các tiêu chuẩn sàng lọc vốn hóa, sàng lọc về free-Float và sàng lọc về thanh toán.

## Dữ liệu nghiên cứu

### Bộ dữ liệu

```{r}
library(readxl)
TL1 <- read_excel("C:/RRR/data TL MPNN.xlsx")
library(DT)
TL1 %>% DT::datatable(TL1)
```

### Mô tả các biến trong bộ dữ liệu

#### IR (Interest Rate):

Lãi suất là chi phí mà mà người đi vay phải trả để có được cơ hội sử dụng vồn (Devereur và Yetman, 2002), được xác định bởi nguồn cung và nhu cầu sử dụng vốn. Khi lãi suất giảm sẽ tác động tích cực đến chỉ số giá cổ phiếu. Bởi vì khi giá vốn rẻ hơn so với trước sẽ giúp các công ty dễ huy động nguồn vốn để thực hiện các dự án đầu tư, cũng như giảm chi phí cho các công ty sử dụng đòn bẩy tài chính lớn từ đó sẽ làm cải thiện lợi nhuận của công ty và làm tăng giá cổ phiếu công ty. Ngược lại, khi lãi suất tăng có tác động tiêu cực đến hoạt động chung của nền kinh tế nói chung và thị trường chứng khoán nói riêng, vì làm cho khả năng tiếp cận vốn của doanh nghiệp trở nên khó khăn hơn, giảm giá trị của thu nhập cổ tức trong tương lai sẽ khiến các nhà đầu tư ngại đầu tư vào cổ phiếu mà thay vào đó họ sẽ đầu tư gửi tiết kiệm, mua trái phiếu sẽ là các kênh đem lại lợi nhuận cao hơn vơi rủi ro thấp hơn. Từ đó ảnh hưởng đến hoạt động sản xuất kinh doanh của công ty và các chứng khoán đó trở nên kém hấp dẫn hơn trên thị trường.
 
#### EXR (Exchange Rate):

Tỷ giá hối đoái là tỷ lệ trao đổi từ tiền của quốc gia này sang đồng tiền của quốc gia khác. Tỷ giá hối đoái là một biến số quan trọng, tác động đến dự cân bằng của cán cân thương mại và cán cân thanh toán, do đó tác động đến sản lượng, việc làm cũng như sự cân bằng của nền kinh tế nói chung. Biến động tỷ giá hối đoái có tác động tới thị trường chứng khoán khi có các nguồn  vốn nước ngoài được đầu tư vào thị trường chứng khoán. Biến động mạnh của tỷ giá hối đoái sẽ khiến các nhà đầu tư nước ngoài rút khỏi thị trường sẽ làm giá chứng khoán giảm. . Sự tăng lên về giá của những tài sản trong nước làm cho những nhà đầu tư gia tăng nhu cầu của họ về tiền tệ, điều này lại làm cho lãi suất gia tăng. Một hoạt động khác cũng làm cho mối quan hệ giữa giá chứng khoán và tỷ giá là ngược chiều là khi có sự gia tăng đầu tư  trong khối đầu tư nước ngoài vào tài sản trong nước cũng làm gia tăng giá chứng khoán. Điều này cũng là nguyên nhân của sự đánh giá cao đồng tiền trong nước.

Khi tỷ giá hối đoái biến động, có thể ảnh hưởng đến giá trị của tài sản và nợ của các ngân hàng. Điều này có thể dẫn đến tăng hoặc giảm lợi nhuận của các ngân hàng. Ngoài ra còn có thể ảnh hưởng đến chi phí vốn và chi phí vay, hoạt động cho vay và hoạt động đầu tư dẫn đến việc lợi nhuận của ngân hàng giảm.
 
#### GDP (Gross Domestic Product):

Tổng sản phẩm quốc nội là tổng giá trị hàng hóa và dịch vụ cuối cùng được sản xuất xảy ra trong phạm vi lãnh thổ một nước trong một thời kỳ nhất định, thường là một năm. GDP được tính dựa trên tiêu dùng cuối cùng của hộ dân cư, chính phủ, tổng đầu tư và chênh lệch xuất nhập khẩu hàng hóa và dịch vụ. Chính vì vậy, sự tăng trưởng GDP sẽ giúp chỉ ra được tỷ lệ có việc làm và thu nhập của người dân đang tăng lên dẫn đến nhu cầu tiêu dùng hàng hóa tăng theo, thúc đẩy sản xuất, tăng doanh thu và lợi nhuận của doanh nghiệp, qua đó làm gia tăng sự phát triển của nền kinh tế nói chung và thị trường chứng khoán nói riêng. Về cơ bản, GDP là thước đo đánh giá sức mạnh và quy mô của một nền kinh tế. Vì vậy việc kỳ vọng tốc độ tăng trưởng GDP thấp hay cao sẽ có ảnh hưởng đến tâm lý cũng như hiệu suất đầu tư trên thị trường chứng khoán của quốc gia đó xét trong dài hạn sẽ thấy được ảnh hưởng rõ rệt. Một sự thay đổi đáng kể trong GDP, dù tiêu cực hay tích cực, thường sẽ phản ánh trên thị trường chứng khoán. 
GDP có tác động tích cực đến giá cổ phiếu ngân hàng. Khi GDP tăng, có nghĩa là nền kinh tế đang phát triển và hoạt động tốt. Điều này dẫn đến nhu cầu tín dụng tăng, vì các doanh nghiệp và hộ gia đình cần vay tiền để đầu tư và chi tiêu. Nhu cầu tín dụng tăng sẽ làm tăng lợi nhuận của các ngân hàng, vì họ sẽ thu được lãi suất từ các khoản vay. Điều này sẽ dẫn đến giá cổ phiếu ngân hàng tăng. Ngược lại, khi GDP giảm, có nghĩa là nền kinh tế đang suy thoái và hoạt động kém. Điều này dẫn đến nhu cầu tín dụng giảm, vì các doanh nghiệp và hộ gia đình không có đủ tiền để đầu tư và chi tiêu. Nhu cầu tín dụng giảm sẽ làm giảm lợi nhuận của các ngân hàng, vì họ sẽ thu được lãi suất thấp hơn từ các khoản vay. Điều này sẽ dẫn đến giá cổ phiếu ngân hàng giảm.

Nhìn chung, GDP có tác động tích cực đến giá cổ phiếu ngân hàng.

#### CPI (Consumer Price Index):

Chỉ số giá tiêu dùng là sự tăng mức giá chung một cách liên tục của hàng hóa, dịch vụ theo thời gian và sự mất giá trị của một loại tiền tệ nào đó, đồng thời phản ảnh sự suy giảm sức mua trên một đơn vị tiền tệ. Lạm phát cao luôn là dấu hiệu cho thấy nền kinh tế đang nóng, báo hiệu sự tăng trưởng kém bền vững vì làm tăng chi phí đi vay, tăng chi phí đầu vào (nguyên vật liệu, lao động) và giảm chất lượng cuộc sống của người dân do mọi chi phí tăng, đồng thời ảnh hưởng đến lợi nhuận của công ty cũng gián tiếp gây áp lực làm giảm giá cổ phiếu.

Khi CPI tăng, ngân hàng trung ương có thể tăng lãi suất để cố gắng kiểm soát lạm phát. Điều này có thể làm giảm lợi nhuận của ngân hàng vì họ sẽ phải trả lãi suất cao hơn cho các khoản vay. Khi này chi phí sản xuất của ngân hàng cũng sẽ tăng lên. Điều này có thể làm giảm lợi nhuận của ngân hàng vì họ sẽ phải bán các sản phẩm và dịch vụ của mình với giá cao hơn.Khi CPI tăng, người tiêu dùng có thể có ít tiền hơn để chi tiêu cho các khoản vay. Điều này có thể làm giảm nhu cầu tín dụng, có thể ảnh hưởng đến lợi nhuận của ngân hàng.

#### WTI (giá dầu thô thế giới):

Giá dầu có tác động trực tiếp đến thị trường chứng khoán trên toàn thế giới nói chung và Singapore nói riêng. Giá dầu tăng ảnh hưởng đến các biến số kinh tế vĩ mô như chi phí sản xuất, quyết định của nhà đầu tư, lợi nhuận của khối doanh nghiệp, các biến số kinh tế vĩ mô như lạm phát, thu nhập quốc dân, …Huang và cộng sự (1996) cho rằng thay đổi giá dầu có tác động đến giá chứng khoán là do ảnh hưởng của biến động giá dầu được giải thích chủ yếu bằng những lập luận dựa trên mô hình định giá theo phương pháp chiết khấu dòng tiền. Vì dầu là nguồn tài nguyên chính của nền kinh tế nên giá dầu cao sẽ làm mức giá chung cao, lãi suất thực tăng gây tác động đến mức lợi nhuận nhà đầu tư kỳ vọng đầu tư vào các công ty tăng tương ứng, khiến giá chứng khoán giảm. 

Các ngân hàng sử dụng dầu thô để vận hành các chi nhánh và máy móc của họ. Khi giá dầu thô tăng, các ngân hàng phải chi nhiều tiền hơn cho nhiên liệu, điều này có thể làm giảm lợi nhuận của họ. Khi giá dầu tăng, người tiêu dùng có xu hướng chi ít tiền hơn cho các mặt hàng không thiết yếu, chẳng hạn như mua sắm và ăn uống ngoài nhà. Điều này có thể dẫn đến giảm doanh thu cho các ngân hàng, vì họ kiếm được tiền từ việc cho vay và đầu tư. 

Nhìn chung, giá dầu thô có thể có tác động tiêu cực đến giá cổ phiếu ngân hàng. Tuy nhiên, tác động của giá dầu thô đến giá cổ phiếu ngân hàng có thể khác nhau tùy thuộc vào từng ngân hàng và tình hình kinh tế vĩ mô.
 
#### GOLD (giá vàng thế giới):

Sự biến động của giá vàng luôn có ảnh hưởng tích cực hay tiêu cực đến nền kinh tế, cụ thể là thị trường chứng khoán. Cơ sở để giải thích cho mối tương quan này là khi giá vàng tăng, nhà đầu tư sẽ rút vốn để đầu tư vào thị trường vàng thay vì đầu tư vào cổ phiếu do tỷ suất sinh lợi trên thị trường vàng cao hơn. Do đó, cầu về cổ phiếu sẽ giảm, làm giảm giá của cổ phiếu. Vàng sở hữu các tính chất tương tự như chứng khoán ở chỗ nó là một sự lưu trữ giá trị, phương tiện trao đổi và là một đơn vị thanh toán (Goodman, 1956; Solt and Swanson, 1981). Vàng đóng vai trò là một kim loại quý với các tính chất giúp đa dạng hóa danh mục đầu tư một cách đáng kể (Ciner, 2001).Khác với các tài sản khác, vàng là tài sản có tính thanh khoản cao.
 
Giá vàng và giá cổ phiếu ngân hàng có mối quan hệ tương quan ngược. Điều này có nghĩa là khi giá vàng tăng, giá cổ phiếu ngân hàng giảm và ngược lại.Có một số lý do giải thích cho mối quan hệ này. Đầu tiên, vàng được coi là tài sản an toàn, trong khi cổ phiếu ngân hàng được coi là tài sản rủi ro. Khi thị trường chứng khoán biến động và nhà đầu tư lo lắng về rủi ro, họ sẽ bán cổ phiếu ngân hàng và mua vàng. Điều này làm giảm giá cổ phiếu ngân hàng và tăng giá vàng. Thứ hai, vàng và cổ phiếu ngân hàng cạnh tranh với nhau về dòng tiền đầu tư. Khi giá vàng tăng, các nhà đầu tư sẽ có xu hướng chuyển dòng tiền từ cổ phiếu ngân hàng sang vàng. Điều này làm giảm giá cổ phiếu ngân hàng và tăng giá vàng. Thứ ba, vàng và cổ phiếu ngân hàng có thể được sử dụng để phòng ngừa lạm phát. Khi lạm phát tăng, giá trị của tiền tệ giảm và giá trị của vàng và cổ phiếu ngân hàng tăng. Điều này là do vàng và cổ phiếu ngân hàng được coi là tài sản có giá trị thực và có thể được sử dụng để mua hàng hóa và dịch vụ trong tương lai.

Tuy nhiên, cần lưu ý rằng mối quan hệ tương quan ngược giữa giá vàng và giá cổ phiếu ngân hàng không phải lúc nào cũng đúng. Trong một số trường hợp, giá vàng và giá cổ phiếu ngân hàng có thể tăng cùng nhau. Điều này có thể xảy ra khi nền kinh tế tăng trưởng mạnh và nhà đầu tư có nhiều tiền để đầu tư. Trong trường hợp này, nhà đầu tư có thể mua cả vàng và cổ phiếu ngân hàng. Nhìn chung, giá vàng có tác động tiêu cực đến giá cổ phiếu ngân hàng. 
 
#### TPB:

Cổ phiếu TPB là cổ phiếu của Ngân hàng Thương mại Cổ phần Tiên Phong, một ngân hàng thương mại cổ phần được thành lập tại Việt Nam vào năm 2008. Ngân hàng có trụ sở chính tại Thành phố Hồ Chí Minh và hiện có hơn 150 chi nhánh và phòng giao dịch trên toàn quốc.

Cổ phiếu TPB được niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) vào năm 2012. Giá cổ phiếu TPB đã tăng trưởng mạnh mẽ trong những năm qua và hiện đang là một trong những cổ phiếu có giá trị nhất trên thị trường chứng khoán Việt Nam.
 
# **THIẾT KẾ MÔ PHỎNG GIÁ CỔ PHIẾU TPBANK BẰNG MÔ HÌNH HỒI QUY**

## Mô hình hồi quy tổng quát

Hồi quy tổng quát là một kỹ thuật thống kê được sử dụng để dự đoán giá trị của một biến phụ thuộc dựa trên các giá trị của một hoặc nhiều biến độc lập. Mô hình hồi quy tổng quát là một mô hình linh hoạt cho phép các nhà nghiên cứu mô hình hóa các mối quan hệ phi tuyến giữa các biến.

Mô hình hồi quy tổng quát được viết dưới dạng:

$Y = f(x) + ε$

Trong đó:

$Y$ là biến phụ thuộc

$f(x)$ là hàm hồi quy của các biến độc lập x

$ε$ là sai số

Hệ số hồi quy của mô hình hồi quy tổng quát được ước lượng bằng phương pháp bình phương nhỏ nhất (OLS). Phương pháp này tìm kiếm các hệ số hồi quy sao cho tổng bình phương các sai số ε là nhỏ nhất.

Mô hình hồi quy tổng quát được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm kinh doanh, marketing, tài chính, y học,...

### Mô hình hồi quy tuyến tính đa biến

Mô hình hồi quy tuyến tính đa biến là một mô hình thống kê được sử dụng để ước tính mối quan hệ tuyến tính giữa một biến phụ thuộc và nhiều biến độc lập. Mô hình được viết dưới dạng:

  $Y=β_0+β1_X1+β2_X2+...+βn_Xn+ε$
  
Trong đó:

Y là biến phụ thuộc $X_1$, $X_2$,…, $X_n$ là các biến độc lập $β_0$, $β_1$, $β_2$,…, $β_n$ là các hệ số hồi quy tương ứng với các biến độc lập $ϵ$ là sai số đại diện cho sai số giữa giá trị thực tế và giá trị dự đoán của biến phụ thuộc.

Mục tiêu của việc ước lượng hệ số hồi quy là tìm các giá trị $β_0$, $β_1$, $β_2$,…, $β_n$ sao cho mô hình hồi quy phù hợp tốt với dữ liệu thực tế nhất. Quá trình này thường được thực hiện bằng phương pháp của bình phương tối thiểu (Ordinary Least Squares - OLS), tìm cách giảm thiểu tổng bình phương của sai số $ϵ$.

Sau khi ước lượng hệ số hồi quy, chúng ta cần kiểm tra tính chính xác của mô hình. Các kiểm định thường được sử dụng bao gồm kiểm định hồi quy, kiểm tra t-Student cho từng hệ số, kiểm tra F-statistic, kiểm tra điều kiện phân phối của sai số,…

Sau khi đã kiểm tra và xác nhận tính chính xác của mô hình, chúng ta có thể sử dụng nó để dự đoán giá trị của biến phụ thuộc dựa trên giá trị của các biến độc lập.

### Phương pháp bình phương nhỏ nhất (OLS)

Phương pháp bình phương nhỏ nhất (OLS) là một phương pháp ước lượng các tham số của mô hình hồi quy tuyến tính bằng cách tìm các tham số làm giảm tổng bình phương các sai số giữa các quan sát thực tế và các giá trị dự đoán. Phương pháp này là phương pháp phổ biến nhất để ước lượng các tham số của mô hình hồi quy tuyến tính.

Phương pháp bình phương nhỏ nhất được thực hiện theo các bước sau:

1.Xây dựng mô hình hồi quy tuyến tính

2.Tìm hệ số hồi quy bằng cách giải hệ phương trình bình phương nhỏ nhất.

3.Sử dụng hệ số hồi quy để dự đoán giá trị của biến phụ thuộc.

## Mô hình hồi quy tổng quát của TPB

Với mục đích nghiên cứu các nhân tố kinh tế vĩ mô có ảnh hưởng như thế nào đến sự biến động của giá cổ phiếu đồng thời thực hiện mô phỏng giá cổ phiếu dựa trên các nhân tố này nên tôi sử dụng mô hình hồi quy tuyến tính đa biến cho giá cổ phiếu TPB. Mô hình hồi quy tổng quát của giá cổ phiếu TPB có dạng:

$TPB=β_0+β1IR+β_2EXR+β_3GDP+β_4CPI+β_5WTI+β_6GOLD$

Trong đó: IR, EXR, GDP, CPI, WTI, GOLD là các biến độc lập; TPB là biến phụ thuộc và là đối tượng cần mô phỏng.

## Thống kê mô tả

Đây là phương pháp được sử dụng để mô tả tổng quát những đặc tính cơ bản của dữ liệu bao gồm giá trị trung bình, trung vị, giá trị lớn nhất và nhỏ nhất của các biến trong mô hình.

```{r}
summary(TL1)
```

Nhìn chung, các biến trong bộ dữ liệu được phân phối khá đồng đều, với giá trị nhỏ nhất, trung vị và trung bình đều có giá trị gần nhau. Gía trị tối đa cao hơn các giá trị còn lại.Điều này cho thấy bộ dữ liệu không bị lệch hoặc tập trung nhiều ở một khu vực cụ thể.


## Xác định phân phối các biến ngẫu nhiên

Có một số cách để kiểm tra xem dữ liệu có phân phối chuẩn hay không. Một cách là sử dụng phép kiểm định Kolmogorov-Smirnov khi cỡ mẫu lớn hơn 50 hoặc phép kiểm Shapiro-Wilk khi cỡ mẫu nhỏ hơn 50. Nếu giá trị p-value nhỏ hơn một ngưỡng xác định (0.05), ta bác bỏ giả thuyết dữ liệu không tuân theo phân phối chuẩn. Ngược lại, nếu giá trị p-value lớn hơn ngưỡng, ta chấp nhận giả thuyết rằng dữ liệu tuân theo phân phối chuẩn.

Bên cạnh đó, thống kê mô tả và biểu đồ tần số cũng có thể được sử dụng để phát hiện sự khác biệt trong trung tâm và đuôi của phân phối mẫu so với phân phối chuẩn. Điều này có thể cho chúng ta biết liệu dữ liệu có phân phối lệch hay không.

Một phân phối lệch là một loại phân phối xác suất trong đó dữ liệu phân bố xung quanh một giá trị trung bình như phân phối chuẩn, nhưng có sự lệch về một phía. Các đặc điểm về các thang đo phân phối của phân phối lệch như sau:

Giá trị trung bình của phân phối chuẩn lệch nằm ở một phía của phân phối. Nếu phân phối có lệch phải, giá trị trung bình sẽ lớn hơn giá trị trung bình của phân phối chuẩn. Nếu phân phối có lệch trái, giá trị trung bình sẽ nhỏ hơn giá trị trung bình của phân phối chuẩn.
Độ lệch chuẩn của phân phối chuẩn lệch có thể tương đối giống với độ lệch chuẩn của phân phối chuẩn. Tuy nhiên, nếu phân phối có lệch phải, độ lệch chuẩn sẽ lớn hơn so với phân phối chuẩn và ngược lại.

Độ xiên là một đặc trưng quan trọng để đo sự chênh lệch giữa đuôi của phân phối và giá trị trung bình của nó. Trong phân phối chuẩn lệch, độ xiên có thể có giá trị âm hoặc dương. Nếu độ xiên là 0, tức là phân phối đối xứng, có nghĩa là đuôi bên phải và bên trái của phân phối có cùng độ dày và cùng chiều dài. Nếu độ xiên âm, có nghĩa là đuôi bên trái dày hơn đuôi bên phải và giá trị trung bình nằm ở bên phải của phân phối. Nếu độ xiên dương, có nghĩa là đuôi bên phải dày hơn đuôi bên trái và giá trị trung bình nằm ở bên trái của phân phối.

### Kiểm định phân phối cho biến TPB

Thống kê mô tả biến TPB

```{r}
library(fBasics)
basicStats(TL1$TPB)
```

Đồ thị của biến TPB

```{r}
hist(TL1$TPB, col = "lightblue")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: TPB tuân theo phân phối chuẩn

**$H_1$**: TPB không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$TPB)
```
Vì p_value = 0.03718 < 0.05 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số TPB không có phân phối chuẩn.


#### Kiểm định phân phối loga chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: TPB tuân theo phân phối loga chuẩn

**$H_1$**: TPB không tuân theo phân phối loga chuẩn

```{r}
ks.test(TL1$TPB, y = "plnorm")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số TPB không có phân phối loga chuẩn.

#### Kiểm định phân phối mũ

**Cặp giả thiết/đối thuyết:**

**$H_0$**: TPB tuân theo phân phối mũ

**$H_1$**: TPB không tuân theo phân phối mũ

```{r}
ks.test(TL1$TPB, y = "pexp")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số TPB không có phân phối mũ.

### Kiểm định phân phối cho biến IR

Thống kê mô tả biến IR

```{r}
library(fBasics)
basicStats(TL1$IR)
```

Đồ thị của biến IR

```{r}
hist(TL1$TPB, col = "lightgreen")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: IR tuân theo phân phối chuẩn

**$H_1$**: IR không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$IR)
```
Vì p_value = 2.036e-05 < 0.05 nên ta bác bỏ giả thuyết $H_0$ Vậy chỉ số IR không có phân phối chuẩn.

#### Kiểm định phân phối loga chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: IR tuân theo phân phối loga chuẩn

**$H_1$**: IR không tuân theo phân phối loga chuẩn

```{r}
ks.test(TL1$IR, y = "plnorm")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số IR không có phân phối loga chuẩn.

#### Kiểm định phân phối mũ

**Cặp giả thiết/đối thuyết:**

**$H_0$**: IR tuân theo phân phối mũ

**$H_1$**: IR không tuân theo phân phối mũ

```{r}
ks.test(TL1$IR, y = "pexp")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số IR không có phân phối mũ.

### Kiểm định phân phối cho biến EXR

Thống kê mô tả biến EXR

```{r}
library(fBasics)
basicStats(TL1$EXR)
```

Đồ thị của biến EXR

```{r}
hist(TL1$EXR, col = "pink")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: EXR tuân theo phân phối chuẩn

**$H_1$**: EXR không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$EXR)
```
Vì p_value = 0.136 > 0.05 nên ta thừa nhận giả thuyết H0. Vậy chỉ số EXR có phân phối chuẩn.

```{r}
qqnorm(TL1$EXR, col = "red")
```

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

### Kiểm định phân phối chuẩn cho biến GDP

Thống kê mô tả biến GDP

```{r}
library(fBasics)
basicStats(TL1$GDP)
```

Đồ thị của biến GDP

```{r}
hist(TL1$GDP, col = "yellow")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: GDP tuân theo phân phối chuẩn

**$H_1$**: GDP không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$GDP)
```
Vì p_value = 2.372e-06 < 0.05 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số GDP không có phân phối chuẩn.

#### Kiểm định phân phối loga chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: GDP tuân theo phân phối loga chuẩn

**$H_1$**: GDP không tuân theo phân phối loga chuẩn

```{r}
ks.test(TL1$GDP, y = "plnorm")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số GDP không có phân phối loga chuẩn.

#### Kiểm định phân phối mũ

**Cặp giả thiết/đối thuyết:**

**$H_0$**: GDP tuân theo phân phối mũ

**$H_1$**: GDP không tuân theo phân phối mũ

```{r}
ks.test(TL1$GDP, y = "pexp")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số GDP không có phân phối mũ.

### Kiểm định phân phối chuẩn cho biến CPI

Thống kê mô tả biến CPI

```{r}
library(fBasics)
basicStats(TL1$CPI)
```

Đồ thị của biến CPI

```{r}
hist(TL1$CPI, col = "violet")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: CPI tuân theo phân phối chuẩn

**$H_1$**: CPI không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$CPI)
```
Vì p_value = 1.27e-05 < 0.05 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số CPI không có phân phối chuẩn.

#### Kiểm định phân phối loga chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: CPI tuân theo phân phối loga chuẩn

**$H_1$**: CPI không tuân theo phân phối loga chuẩn

```{r}
ks.test(TL1$CPI, y = "plnorm")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số CPI không có phân phối loga chuẩn.

#### Kiểm định phân phối mũ

**Cặp giả thiết/đối thuyết:**

**$H_0$**: CPI tuân theo phân phối mũ

**$H_1$**: CPI không tuân theo phân phối mũ

```{r}
ks.test(TL1$CPI, y = "pexp")
```
Vì p_value =  2.2e-16 < 0.1 nên ta bác bỏ giả thuyết $H_0$. Vậy chỉ số CPI không có phân phối mũ.

### Kiểm định phân phối chuẩn cho biến WTI

Thống kê mô tả biến WTI

```{r}
library(fBasics)
basicStats(TL1$WTI)
```

Đồ thị của biến WTI

```{r}
hist(TL1$WTI, col = "orange")
```

#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: WTI tuân theo phân phối chuẩn

**$H_1$**: WTI không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$WTI)
```
Vì p_value = 0.6544 > 0.05 nên ta thừa nhận giả thuyết $H_0$. Vậy chỉ số WTI có phân phối chuẩn.

Đồ thị:

```{r}
qqnorm(TL1$WTI, col = "orange")
```

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

### Kiểm định phân phối cho biến GOLD

Thống kê mô tả biến GOLD

```{r}
library(fBasics)
basicStats(TL1$GOLD)
```

Đồ thị của biến GOLD

```{r}
hist(TL1$GOLD, col = "lavender")
```


#### Kiểm định phân phối chuẩn

**Cặp giả thiết/đối thuyết:**

**$H_0$**: GOLD tuân theo phân phối chuẩn

**$H_1$**: GOLD không tuân theo phân phối chuẩn

```{r}
shapiro.test(TL1$GOLD)
```
Vì p_value = 0.4751 > 0.05 nên ta thừa nhận giả thuyết $H_0$. Vậy chỉ số GOLD có phân phối chuẩn.

Đồ thị:

```{r}
qqnorm(TL1$GOLD, col = "purple")
```

Các điểm trên đồ thị qqplot nằm gần đường chéo cho thấy rằng các giá trị quan sát và giá trị dự đoán từ phân phối chuẩn tương đương. Điều này có nghĩa là dữ liệu có mức độ phân phối tương đối gần với phân phối chuẩn.

# **KẾT QUẢ MÔ PHỎNG**

## Lệnh glm() trong R

Lệnh glm() trong R là một hàm được sử dụng để ước tính mô hình hồi quy tổng quát. Mô hình hồi quy tổng quát là một loại mô hình hồi quy có thể xử lý các biến phụ thuộc phân phối phi chuẩn. Lệnh glm() có thể được sử dụng để ước tính một số loại mô hình hồi quy tổng quát, bao gồm mô hình logistic, mô hình Poisson và mô hình survival.

Cú pháp của lệnh glm() là:

$glm(y ~ x_1 + x_2, data = mydata, family = "gaussian")$

Trong cú pháp này, y là biến phụ thuộc, $x_1$ và $x_2$ là các biến độc lập, $data = mydata$ là tên của tập dữ liệu chứa dữ liệu và $family = "gaussian"$ là gia đình phân phối của biến phụ thuộc.

Lệnh glm() sẽ trả về một đối tượng mô hình có thể được sử dụng để kiểm tra các giả thuyết, tạo biểu đồ và dự đoán các giá trị.

### Mô hình hồi quy

***Mô hình tổng quát***

$TPB=β_0+β_1IR+β_2EXR+β_3GDP+β_4CPI+β_5WTI+β_6GOLD$

```{r}
mh <- glm(TPB ~ IR + EXR + GDP + CPI + WTI + GOLD, data = TL1)
summary(mh)
```
Vì biến độc lập EXR, CPI, GDP, CPI, WTI, GOLD không có ý nghĩa thống kê ở mức 5%, nghĩa là các biến này không có tác dộng đến biến phụ thuộc TPB. Do đó, tôi chạy lại mô hình với biến IR còn lại.

```{r}
mh1 <- glm(TPB ~ IR, data =  TL1)
summary(mh1)
```

Mô hình hồi quy có dạng:

$TPB=27948-2294IR$

Theo kết quả mô hình hồi quy, ta thấy:

- $β_0$ = 27948, là hệ số tự do, khi các yếu tố độc lập bằng 0 thì cổ phiếu TPB có giá trị 27948 VND

- $β_1$ = -2294, khi các yếu tố khác không đổi, lãi suất IR tăng thêm 1 điểm thì lãi suất giảm 2294 VND

## Mô phỏng giá cổ phiếu sử dụng GBM giả định phân phối chuẩn

Phương trình:

$TPB(N)t=〖TPB〗_0   exp((θ-ϵ^2/2)t+ϵBN)$

Trong đó:

$TPB_(Nt)$, $TPB_(NNt)$, $TPB_(NLt)$ là giá cổ phiếu tại thời điểm t ứng với giả định phân phối chuẩn, phân phối ghép
$TPB_0$ là giá cổ phiếu tại thời điểm ban đầu
theta là hệ số drift , epsilon là hệ số volatility. Trong bài này tôi giả định theta = 5%, epsilon = 15%. BN là biến ngẫu nhiên tiêu chuẩn BM √t/n là độ lệch chuẩn của BM, Zi(i = 1, 2, ..., n) được phân phối theo phân phối chuẩn N(0, 1), BNN là một biến BM ghép giữa hai phân phối chuẩn liên tục BNL là một biến BM ghép giữa phân phối chuẩn và phân phối Laplace *FZi (zi) với i = 1, 2 định nghĩa tổng tích lũy của các phân phối ghép tương ứng.

### Biến IR

```{r}
TPB0<-TL1$TPB
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
IR<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0=TL1$IR[1])
plot(IR, type = 'l', col = 'purple', 
      ylab = "Price",
      xlab = "Time (Days)")
IR<-diff(log(IR))
```

### Biến GDP

```{r}
GDP0<-TL1$GDP
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
GDP<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0=TL1$GDP[1])
plot(GDP, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")
GDP<-diff(log(GDP))
```

### Biến CPI

```{r}
CPI0<-TL1$CPI
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Bt = sqrt(dt)*cumsum(rnorm((n),0,1))
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
CPI<-gbm.f(n=1000, theta = 0.05, epsilon = 0.5, TPB0=TL1$CPI[1])
plot(CPI, type = 'l', col = 'darkgreen', 
      ylab = "Price",
      xlab = "Time (Days)")
CPI<-diff(log(CPI))
```

### Biến EXR

Vì biến EXR có phân phối chuẩn, ta mô phỏng mấu như sau:

```{r}
descr(TL1)
EXR<- rnorm(n= 1000, mean = 1.37, sd= sqrt (0.03))
```

### Biến WTI

```{r}
WTI<- rnorm(n= 1000, mean = 66.84, sd= sqrt (24.84))
```

### Biến GOLD

```{r}
GOLD<- rnorm(n= 1000, mean = 1787.71, sd= sqrt (103.12))
```

### Chạy mô hình

```{r}
TPBc<-27948-2294*IR
TPBc
hist(TPBc)
```

***Phân tích kết quả mô hình***

```{r}
mean(TPBc)
TPBcthap<-TPBc[TPBc<27948.22]
TPBcvua<-TPBc[TPBc>=27948.22]
TPBccao<-TPBc[TPBc>27960]
table(cut(TPBc, breaks = 3))
table(cut(TPBc, 3, labels = c('thap','vua','cao')))
length(TPBcthap)/length(TPBc)
length(TPBcvua)/length(TPBc)
length(TPBccao)/length(TPBc)
```

Từ giá trị đã mô phỏng, ta có giá trị trung bình của TPBc là 27948.22 VND. Lấy giá trị trung bình làm thước đo, ta thấy có 167 phiên giao dịch cổ phiếu mà khi đầu tư sẽ bị lỗ, chiếm 48.54% tổng các phiên giao dịch. Có 688 phiên giao dịch cổ phiếu mà khi đầu tư sẽ hòa vốn hoặc có khả năng sinh lời. Lấy mốc 27960 làm mốc cho các phiên giao dịch cổ phiếu chắc chắn sinh lời, ta thấy có 144 phiên, chiếm 21,52% tổng các phiên giao dịch.

##  Sử dụng mô hình GBM dưới giả định phân phối ghép (convoluted distribution( hai phân phối chuẩn))

### Biến IR

```{r}
set.seed(123)
# Gía trị của cổ phiếu theo thời gian
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)}
IR1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$IR[1])
plot(IR1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")
IR1<-diff(log(IR1))
```

### Biến GDP

```{r}
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)
}
GDP1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$GDP[1])
plot(GDP1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")
GDP1<-diff(log(GDP1))
```

### Biến CPI

```{r}
set.seed(123)
gbm.f= function(n,TPB0,theta, epsilon){
  t = 1
  t.s =seq(0,t,length=n)
  dt=t/n
  Z1<- rnorm(n,0,1)
  Z2<- rnorm(n,0,1)
  Bt = sqrt(dt)*cumsum(Z1+Z2)
  TPBt=TPB0*exp((theta-epsilon^2/2)*t.s+epsilon*Bt)
}
CPI1<-gbm.f(n=1000, theta = 0.05, epsilon = 0.15, TPB0 =TL1$CPI[1])
plot(IR1, type = 'l', col = 'blue', 
      ylab = "Price",
      xlab = "Time (Days)")
CPI1<-diff(log(CPI1))
```

### Chạy mô hình

```{r}
TPBc1<-27948-2294*IR1
TPBc1
```

***Phân tích kết quả mô hình***

```{r}
mean(TPBc1)
TPBc1thap<-TPBc1[TPBc1<27947.26]
TPBc1vua<-TPBc1[TPBc1>=27947.26]
TPBc1cao<-TPBc1[TPBc1>27960]
table(cut(TPBc1, breaks = 3))
table(cut(TPBc1, 3, labels = c('thap','vua','cao')))
length(TPBc1thap)/length(TPBc1)
length(TPBc1vua)/length(TPBc1)
length(TPBc1cao)/length(TPBc1)
```

Từ giá trị đã mô phỏng, ta có giá trị trung bình của TPBc là 27947.26 VND. Lấy giá trị trung bình làm thước đo, ta thấy có 134 phiên giao dịch cổ phiếu mà khi đầu tư sẽ bị lỗ, chiếm 50.85% tổng các phiên giao dịch. Có 738 phiên giao dịch cổ phiếu mà khi đầu tư sẽ hòa vốn hoặc có khả năng sinh lời. Lấy mốc 27960 làm mốc cho các phiên giao dịch cổ phiếu chắc chắn sinh lời, ta thấy có 127 phiên, chiếm 21,72% tổng các phiên giao dịch.

# **KẾT LUẬN**

Theo kết quả mô phỏng bằng mô hình hồi quy ta thấy chuỗi giá cổ phiếu mô phỏng được có giá trị gần giống với chuỗi giá cổ phiếu gốc và chỉ có biến IR có ý nghĩa thống kê và có giá trị âm. Qua đó có thể kết luận rằng yếu tố lãi suất có ảnh hưởng ngược chiều đối với sự biến động của giá cổ phiếu TPB, các yếu tố như tỷ giá hối đoái, lạm phát, tổng sản phẩm quốc nội, giá dầu thô thế giới và giá vàng thế giới không có ý nghĩa thống kê trong mô hình. 

Dựa vào việc mô phỏng giá cổ phiếu của các tổ chức, doanh nghiệp nói chung và giá cổ phiếu TPBank nói riêng dựa vào các nhân tố kinh tế vĩ mô; các nhà đầu tư có thể ước tính khoảng đầu tư của họ là lời hay lỗ và xác định chiến lược nào có khả năng sinh lời nhiều nhất. Đối với các tổ chức - doanh nghiệp, việc mô phỏng này có thể giúp họ đánh giá được rủi ro của một khoản đầu tư tiềm năng bằng cách mô phỏng giá cổ phiếu trong tương lai. Cuối cùng, mô phỏng giá cổ phiếu cũng có thể được sử dụng để nghiên cứu thị trường. Bằng cách mô phỏng cách thị trường hoạt động dưới các điều kiện khác nhau, các nhà nghiên cứu có thể hiểu rõ hơn về động lực thị trường. Điều này có thể giúp các nhà nghiên cứu phát triển các mô hình thị trường chính xác hơn và đưa ra các dự báo thị trường chính xác hơn. Bằng cách sử dụng mô phỏng, các nhà đầu tư, nhà giao dịch và nhà nghiên cứu có thể cải thiện hiệu suất của họ và đưa ra các quyết định sáng suốt hơn về thị trường chứng khoán.