Mô phỏng các yếu tố ảnh hưởng đến giá cổ phiếu của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
Vũ Trâm Anh
2023-08-06
1 CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN NGHIÊN CỨU
1.1 Vấn đề cần mô phỏng
Thị trường chứng khoán đóng vai trò rất quan trọng trong hệ thống tài chính của mọi quốc gia. Trên thị trường, giá cổ phiếu là yếu tố được các nhà đầu tư hết sức quan tâm khi đưa ra quyết định đầu tư. Trong đó, cổ phiếu ngân hàng là một trong những kênh đầu tư hấp dẫn đối với các nhà đầu tư trong và ngoài nước. Kể từ ngày bắt đầu lên sàn, cổ phiếu ngân hàng đã trải qua nhiều thăng trầm cho đến nay, các ngân hàng thương mại đã dần đi vào ổn định, tuy nhiên sự phục hồi này vẫn chưa thực sự bền vững do còn tiềm ẩn nhiều rủi ro. Điều này khiến nhà đầu tư bối rối và khó xử khi quyết định có nên đầu tư vào cổ phiếu ngân hàng như ngân hàng TMCP Đầu tư và Phát triển Việt Nam hay không. Vì vậy, việc nghiên cứu các yếu tố ảnh hưởng đến giá trị cổ phiếu của ngân hàng TMCP là cần thiết cho các nhà đầu tư nên tác giả chọn đề tài “Mô phỏng các yếu tố ảnh hưởng đến giá cổ phiếu của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam” trong giai đoạn từ năm 2020 - 2021. Nghiên cứu này giúp các nhà đầu tư có những nhận định và chính sách đúng đắn khi quyết định đầu tư vào cổ phiếu ngân hàng. Từ đó, đề xuất mô hình thực nghiệm có thể dự báo tác động của các yếu tố đã xác định đối với giá cổ phiếu ngân hàng BIDV trên thị trường chứng khoán Việt Nam trong thời gian tới.
1.2 Nội dung nghiên cứu
Mục tiêu nghiên cứu: Xác định, kiểm tra và đánh giá các yếu tố ảnh hưởng đến giá cổ phiếu Ngân hàng BIDV. Từ đó, xác định mức độ tác động của các yếu tố đến giá cổ phiếu Ngân hàng BIDV và mô phỏng giá BIDV trong tương lai.
Đối tượng nghiên cứu: Bài nghiên cứu này mô phỏng các yếu tố ảnh hưởng đến giá cổ phiếu của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam trong giai đoạn 2020 – 2021.
Phạm vi nghiên cứu: Các dữ liệu sử dụng mô phỏng trong khoảng thời gian từ năm 2020 đến năm 2021. Và tất cả các dữ liệu được thu nhập từ trang web: https://vn.investing.com/.
Phương pháp nghiên cứu: Bài nghiên cứu sử dụng phương pháp phân tích định lượng. Từ dữ liệu thu nhập được trong phạm vi đề ra, tác giả sử dụng phần mềm MS Excel và R để tổng hợp, phân tích và mô phỏng các biến đầu vào tác động đến giá cổ phiểu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam. Từ đó đánh giá kết quả hồi quy và mô phỏng các yếu tố ảnh hưởng đến giá cổ phiếu của Ngân hàng Đầu tư và Phát triển Việt Nam.
2 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT NGHIÊN CỨU
2.1 Giá cổ phiếu Ngân hàng Phát triển và Đầu tư Việt Nam (BID)
Giá cổ phiếu BIDV (BID): Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam BIDV với mã CP là BID được thành lập năm 1957, tiền thân là Ngân hàng Kiến thiết Việt Nam trực thuộc Bộ Tài chính. Vào năm 2014, cổ phiếu BID được niêm yết trên Sở Giao dịch Chứng khoán Thành Phố Hồ Chí Minh (HOSE).
Cổ phiếu BID được phát hành lần đầu tiên vào tháng 12/2012 với mức giá 10.000đ/cổ phiếu, sau đó giá khởi điểm là 18.500 VND/cổ phiếu. Trải qua hơn 10 năm IPO, giá cổ phiếu BID đã chạm mốc 44.400đ/cổ phiếu (T6/2023). Thực tế, BID là ngân hàng đầu ngành về quy mô và thị phần. Bên cạnh đó, việc sở hữu nguồn lực tốt và đang trong giai đoạn cuối cùng của quá trình tái cơ cấu nhằm làm lành mạnh chất lượng tài sản. Hứa hẹn trong tương lai dài hạn, cổ phiếu ngân hàng BID còn nhiều tiềm năng để tăng trưởng.
2.2 Các yếu tố có ảnh hưởng đến giá cổ phiếu ngân hàng TMCP Phát triển và Đầu tư Việt Nam
Giá của cổ phiếu phản ánh tình hình hoạt động của ngân hàng nên giá cổ phiếu cũng chịu ảnh hưởng bởi rất nhiều yếu tố như yếu tố vi mô và yếu tố vĩ mô.
Các yếu tố vĩ mô ảnh hưởng đến giá cổ phiếu bao gồm các yếu tố kinh tế vĩ mô như giá dầu, tỷ giá hối đoái và tỷ giá vàng cũng như các yếu tố về chính trị và xã hội. Ngoài ra, giá cổ phiếu của Ngân hàng BIDV còn bị ảnh hưởng bởi chỉ số VN-Index trên thị trường chứng khoán Việt Nam cũng như chỉ số DOWJONES trên thị trường chứng khoán Mỹ.
Các yếu tố vi mô bao gồm các yếu tố dặc thù như vốn và cơ cấu vốn, các chỉ số tài chính của ngân hàng. Và giá cổ phiễu cũng bị ảnh hưởng bởi Ngân hàng BIG4, BIG4 được xem là một nhóm gồm 4 những “ông lớn” hay còn gọi là doanh nghiệp lớn trong lĩnh vực ngân hàng, gồm 4 ngân hàng lớn có những yếu tố như bề dày lịch sử, thế mạnh, doanh thu, quy mô và khả năng tăng trưởng lớn nhất hiện nay tại Việt Nam. Được biết các ngân hàng trong BIG4 gồm: Agribank, BIDV, Vietinbank, Vietcombank được sự quản lý của Nhà nước lên đến hơn 50% nên tình trạng của 4 doanh nghiệp trên sẽ ảnh hưởng trực tiếp đến nền kinh tế nước nhà, cụ thể nếu doanh nghiệp gặp phải bất kỳ bất trách rủi ro nào sẽ tác động đến nền kinh tế đất nước cũng như ảnh hưởng đến các ngân hàng thương mại khác.Cho thấy giá cổ phiếu của các ngân hàng trong BIG4 có ảnh hưởng đến ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
Được biết trên thế giới có rất nhiều nhà nghiên cứu thực hiện nghiên cứu tác động của các nhân tố vi mô và vĩ mô tác động giá cổ phiếu của ngân hàng và có những kết quả khác nhau đối với từng nền kinh tế. Mỗi kết quả nghiên cứu đều giúp cho các cá nhân và ngân hàng có được nhận định về những yếu tố tác động đến giá cổ phiếu như thế nào từ đó đưa ra giải pháp thích hợp để phát huy, nâng cao giá cổ phiếu. Từ những vấn đề trên, cho thấy việc tìm hiểu các yếu tố tác động trực tiếp cũng như gián tiếp đến giá cổ phiếu ngân hàng là rất cần thiết nên tác giả xin được chọn phạm vi nghiên cứu là 6 yếu tố tỷ giá hối đoái, tỷ giá vàng, chỉ số VN-Index, chỉ số DOWNJONES, giá cổ phiếu của các Ngân hàng BIG4 như ngân hàng Công Thương Việt Nam (CTG) và Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam (VCB) nhưng do Ngân hàng Agribank chưa được niêm yết trên sàn giao dịch chứng khoán nên tác giả không tiến hành nghiên cứu. Do đó, để xem xét sự tác động của 6 yếu tố này đến giá cổ phiếu ngân hàng BIDV, tác giả xin giới thiệu các yếu tố sau:
1. Tỷ giá hối đoái (EXR): Là tỷ giá giữa đồng đô la Mỹ và Việt Nam đồng (VND/USD).
2. Chỉ số VN-Index (VNI): Là chỉ số thị trường chứng khoán của Việt Nam. Chỉ số này được tính dựa trên giá của tất cả các cổ phiếu niêm yết trên Sở giao dịch chứng khoán Hồ Chí Minh (Ho Chi Minh Stock Exchange - HOSE).
3. Chỉ số DOWNJONES (DJ): Là chỉ số thị trường chứng khoán của Mỹ, được tính từ giá đóng cửa của 30 cổ phiếu bluechip niêm yết trên Sàn giao dịch chứng khoán New York và Nasdaq.
4. Tỷ giá vàng (XAU): Là giá vàng giao ngay Đô La Mỹ với đơn vị là USD/ounce.
5. Giá cổ phiếu Vietcombank (VCB): Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam (Vietcombank) với mã CP là VCB. Là một trong BIG4 ngân hàng tại Việt Nam chính thức đi vào hoạt động ngày 01/04/1963. Đây là ngân hàng thương mại nhà nước đầu tiên được Chính phủ lựa chọn thực hiện thí điểm cổ phần hóa. Theo đó, sau khi thực hiện cổng phần hóa thành công và phát hành cổ phiếu, Vietcombank chính thức hoạt động với tư cách là một Ngân hàng Thương mại Cổ phần từ ngày 02/06/2008.
6. Giá cổ phiếu Vietin (CTG): Ngân hàng Công Thương Việt Nam (hay Vietinbank) thuộc BIG4 ngân hàng tại Việt Nam với mã chứng khoán CTG được thành lập vào năm 1988.
3 CHƯƠNG 3: PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
3.1 Giới thiệu mô hình
3.1.1 Mô hình hồi quy 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:
\[Y=β_0+β_1X_1+β_2X_2+...+β_nX_n+ε\]
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 Mô phỏng theo chuyển động Brown hình học
Chuyển động Brown (hay còn gọi là quá trình Wiener), ký hiệu B(t) hay W(t), là quá trình ngẫu nhiên. Quá trình ngẫu nhiên này thường được sử dụng để mô phỏng cho giá các loại tài sản tài chính như cổ phiếu, quyền chọn, tỷ giá ngoại tệ,…Tác giả mô phỏng chuyển động Brown theo phương trình vi phân ngẫu nhiên (SDE) của Itô sau:
\[S_t=S_0exp((\mu - \frac{\sigma^2}{2})t+ \sigma W_t\]
Trong đó:
\(S_0\): Giá ban đầu
\(R_i\) là tỷ giá sinh lời tại thời điểm i - 1 đến thời điểm i
\[R_i=\frac{P_{i}-P_{i-1}}{P_{i-1}}\]
- \(\mu\): Lợi nhuận kỳ vọng của giá (độ trôi)
\[\hat{\mu} = \bar{R}= \frac{1}{N\delta t}\sum\limits_{i=1}^{N}R_i\]
- \(\sigma\): Độ biến động của tỷ giá sinh lời
\[\hat{\sigma} = \sqrt{\frac{1}{(N-1)\delta t}\sum\limits_{i=1}^{N}(R_i-\bar{R})^2}\]
với \(\delta t=1/N\) là thời gian trong 1 ngày; \(N\) là thời gian mô phỏng.
- Quá trình Wiener một chiều theo phân phối chuẩn với \(W_t=W_t-W_0\) ~ \(N(0,t)\).
3.2 Dữ liệu nghiên cứu
Dữ liệu nghiên cứu được thu nhập từ giá đóng cửa của các Ngân hàng, tỷ giá vàng, tỷ giá dầu, chỉ số VNI-Index và chỉ số Dowjones trong giai đoạn từ năm 2020 – 2021. Link file dữ liệu: https://bit.ly/3DBbXpe được sử dụng để phục vụ cho bài nghiên cứu này.
library(xlsx)## Warning: package 'xlsx' was built under R version 4.2.3library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.2.3setwd("C:/Users/HP/Documents/MPNN/")
data <- read.xlsx("DL.xlsx",2)
data <- data[,2:8]
bid = data$BID
exr = data$EXR
vni = data$VNI
dj = data$DJ
xau = data$XAU
vcb = data$VCB
ctg = data$CTG
datastr(data)## 'data.frame': 508 obs. of 7 variables:
## $ BID: num 36500 36344 35644 36344 36656 ...
## $ EXR: num 23169 23172 23177 23176 23176 ...
## $ VNI: num 967 965 956 959 949 ...
## $ DJ : num 28869 28635 28703 28584 28745 ...
## $ XAU: num 1529 1552 1566 1574 1556 ...
## $ VCB: num 69728 69037 67194 67424 66810 ...
## $ CTG: num 16030 15881 15918 16179 16142 ...3.3 Mô hình nghiên cứu
Việc mô phỏng các yếu tố ảnh hưởng đến giá cổ phiếu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam là hết sức cần thiết. Quá trình mô phỏng này sẽ giúp nhà đầu tư có những nhận định, quyết định đúng đắn hơn và đưa ra được những đối sách hợp lý khi quyết định đầu tư vào cổ phiếu ngân hàng BIDV. Mục tiêu của nghiên cứu này là xác định, kiểm tra và đánh giá các yếu tố ảnh hưởng đến giá cổ phiếu Ngân hàng BIDV. Từ đó, xác định mức độ tác động của các yếu tố đến giá cổ phiếu Ngân hàng BIDV và mô phỏng giá cổ phiếu của các ngân hàng TMCP Đầu tư và Phát triển Việt Nam trong thời gian tới, mô hình được xây dựng như sau:
\[BID = \beta_0+\beta_1EXR+\beta_2VNI+\beta_2DJ+\beta_4XAU+\beta_5VCB+\beta_6CTG\]
Trong đó:
BID: Giá cổ phiếu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (VND)
EXR: Tỷ giá giữa đô la Mỹ và Việt Nam đồng (VND/USD)
VNI: Chỉ số VN-Index trên thị trường chứng khoán Việt Nam (điểm)
DJ: Chỉ số DOWNJONES trên thị trường chứng khoán Mỹ (điểm)
XAU: Tỷ giá vàng (USD/ounce)
VCB: Giá cổ phiếu Ngân hàng TMCP Ngoại Thương Việt Nam (VND)
CTG: Giá cổ phiếu Ngân hàng TMCP Công Thương Việt Nam (VND)
4 CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.1 Thống kê mô tả các biến trong mô hình nghiên cứu
Mô hình nghiên cứu có biến phụ thuộc là giá cổ phiếu Ngân hàng BIDV (BID) và 5 biến độc lập là EXR, VNI, DJ, XAU, VCB, CTG.
summary(data)## BID EXR VNI DJ
## Min. :23970 Min. :22640 Min. : 659.2 Min. :18592
## 1st Qu.:31208 1st Qu.:23008 1st Qu.: 889.9 1st Qu.:27496
## Median :32842 Median :23120 Median :1094.2 Median :30364
## Mean :33244 Mean :23084 Mean :1104.7 Mean :30502
## 3rd Qu.:35412 3rd Qu.:23182 3rd Qu.:1334.7 3rd Qu.:34481
## Max. :43193 Max. :23643 Max. :1528.6 Max. :36800
## XAU VCB CTG
## Min. :1471 Min. :43925 Min. :12824
## 1st Qu.:1729 1st Qu.:64506 1st Qu.:18258
## Median :1792 Median :73587 Median :26205
## Mean :1785 Mean :70682 Mean :25632
## 3rd Qu.:1864 3rd Qu.:76645 3rd Qu.:31806
## Max. :2064 Max. :90116 Max. :41141lapply(data,sd)## $BID
## [1] 3247.973
##
## $EXR
## [1] 197.9322
##
## $VNI
## [1] 237.2865
##
## $DJ
## [1] 4178.416
##
## $XAU
## [1] 107.3549
##
## $VCB
## [1] 8426.972
##
## $CTG
## [1] 7460.138Biến giá cổ phiếu ngân hàng BIDV (BID) có giá trị trung bình là 33.244 VND và giá trị trung vị là 32.842 VND, với độ lệch chuẩn là 3247,973 VND trong giai đoạn 2020 – 2021. Biến BID đạt giá trị lớn nhất là 43.193 VND và nhỏ nhất là 23.970 VND.
Biến tỷ giá hối đoái (EXR) có giá trị trung bình là 23.084 VND và giá trị trung vị là 23.120 VND/USD, với độ lệch chuẩn là 197,9322 VND/USD trong giai đoạn 2020 – 2021. Biến EXR đạt giá trị lớn nhất là 23.643 VND/USD và nhỏ nhất là 22.640 VND/USD.
Biến chỉ số VN-Index (VNI) có giá trị trung bình là 1104,7 điểm và giá trị trung vị là 1094,2 điểm, với độ lệch chuẩn là 237,2865 điểm trong giai đoạn 2020 – 2021. Biến VNI đạt giá trị lớn nhất là 1528,6 điểm và nhỏ nhất là 659,2 điểm.
Biến chỉ số DOWNJONES (DJ) có giá trị trung bình là 30.502 điểm và giá trị trung vị là 30.364 điểm, với độ lệch chuẩn là 4178,416 điểm trong giai đoạn 2020 – 2021. Biến DJ đạt giá trị lớn nhất là 36.800 điểm và nhỏ nhất là 18.592 điểm.
Biến tỷ giá vàng (XAU) có giá trị trung bình là 1785 USD/ounce và giá trị trung vị là 1792 USD/ounce, với độ lệch chuẩn là 107,3549 USD/ounce trong giai đoạn 2020 – 2021. Biến XAU đạt giá trị lớn nhất là 2064 USD/ounce và nhỏ nhất là 1471 USD/ounce.
Biến giá cổ phiếu ngân hàng Vietcombank (VCB) có giá trị trung bình là 70.682 VND và giá trị trung vị là 73.587 VND, với độ lệch chuẩn là 8426,972 VND trong giai đoạn 2020 – 2021. Biến VCB đạt giá trị lớn nhất là 90.116 VND và nhỏ nhất là 43.925 VND.
Biến giá cổ phiếu ngân hàng Vietin (CTG) có giá trị trung bình là 25.632 VND và giá trị trung vị là 26.205 VND, với độ lệch chuẩn là 7460,138 VND trong giai đoạn 2020 – 2021. Biến CTG đạt giá trị lớn nhất là 41.141 VND và nhỏ nhất là 12.824 VND.
4.2 Xác định phân phối các biến
4.2.1 Biến EXR
- Đồ thị plot
plot(ts(exr), main = "Tỷ giá hối đoái", ylab = "EXR", xlab = "Ngày" , col = "blue")
- Đồ thị Histogram
hist(exr)
-Đồ thị QQ-plot
qqnorm(exr)
qqline(exr)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến EXR không tuân theo phân phối chuẩn.
- Kiểm định phân phối EXR thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến EXR tuân theo phân phối chuẩn
\(H_1\): Biến EXR không tuân theo phân phối chuẩn
shapiro.test(exr)##
## Shapiro-Wilk normality test
##
## data: exr
## W = 0.95057, p-value = 5.346e-12Kết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến EXR không tuân theo phân phối chuẩn.
- Kiểm định phân phối EXR thông qua kiểm định Kolmogorov - Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến EXR tuân theo phân phối cụ thể
\(H_1\): Biến EXR không theo phân phối cụ thể
ks.test(exr, y = 'pexp')## Warning in ks.test.default(exr, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: exr
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(exr, y = 'punif')## Warning in ks.test.default(exr, y = "punif"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: exr
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(exr, y = 'plnorm')## Warning in ks.test.default(exr, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: exr
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến EXR không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến EXR vẫn chưa xác định được phân phối cụ thể.
4.2.2 Biến VNI
- Đồ thị plot
plot(ts(vni), main = "Chỉ số VN-Index", ylab = "VNI", xlab = "Ngày" , col = "blue")
- Đồ thị histogram
hist(vni)
- Đồ thị QQ-plot
qqnorm(vni)
qqline(vni)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến VNI không tuân theo phân phối chuẩn.
- Kiểm định VNI theo phân phối chuẩn thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến VNI tuân theo phân phối chuẩn
\(H_1\): Biến VNI không tuân theo phân phối chuẩn
shapiro.test(vni)##
## Shapiro-Wilk normality test
##
## data: vni
## W = 0.93198, p-value = 1.945e-14Kết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến VNI không tuân theo phân phối chuẩn.
- Kiểm định phân phối VNI thông qua kiểm định Kolmogorov-Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến VNI tuân theo phân phối cụ thể
\(H_1\): Biến VNI không theo phân phối cụ thể
ks.test(vni, y = 'pexp')## Warning in ks.test.default(vni, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vni
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(vni, y = 'punif')## Warning in ks.test.default(vni, y = "punif"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vni
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(vni, y = 'plnorm')## Warning in ks.test.default(vni, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vni
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến VNI không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến VNI vẫn chưa xác định được phân phối cụ thể
4.2.3 Biến DJ
- Đồ thị plot
plot(ts(dj), main = "Chỉ số DOWNJONES", ylab = "DJ", xlab = "Ngày" , col = "blue")
- Đồ thị histogram
hist(dj)
- Đồ thị QQ-plot
qqnorm(dj)
qqline(dj)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến DJ không tuân theo phân phối chuẩn.
- Kiểm định DJ theo phân phối chuẩn thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến DJ tuân theo phân phối chuẩn
\(H_1\): Biến DJ không tuân theo phân phối chuẩn
shapiro.test(dj)##
## Shapiro-Wilk normality test
##
## data: dj
## W = 0.94105, p-value = 2.591e-13Thông qua kết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\). Do đó, biến DJ không tuân theo phân phối chuẩn.
- Kiểm định phân phối DJ thông qua kiểm định Kolmogorov-Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến DJ tuân theo phân phối cụ thể
\(H_1\): Biến DJ không theo phân phối cụ thể
ks.test(dj, y = 'pexp')## Warning in ks.test.default(dj, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: dj
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(dj, y = 'punif')## Warning in ks.test.default(dj, y = "punif"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: dj
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(dj, y = 'plnorm')## Warning in ks.test.default(dj, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: dj
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến DJ không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến DJ vẫn chưa xác định được phân phối cụ thể.
4.2.4 Biến XAU
- Đồ thị plot
plot(ts(xau), main = "Tỷ giá vàng", ylab = "XAU", xlab = "Ngày" , col = "blue")
- Đồ thị histogram
hist(xau)
- Đồ thị QQ-plot
qqnorm(xau)
qqline(xau)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến XAU không tuân theo phân phối chuẩn.
- Kiểm định XAU theo phân phối chuẩn thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến XAU tuân theo phân phối chuẩn
\(H_1\): Biến XAU không tuân theo phân phối chuẩn
shapiro.test(xau)##
## Shapiro-Wilk normality test
##
## data: xau
## W = 0.97414, p-value = 8.101e-08Kết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến XAU không tuân theo phân phối chuẩn.
- Kiểm định phân phối XAU thông qua kiểm định Kolmogorov-Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến XAU tuân theo phân phối cụ thể
\(H_1\): Biến XAU không theo phân phối cụ thể
ks.test(xau, y = 'pexp')## Warning in ks.test.default(xau, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: xau
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(xau, y = 'punif')## Warning in ks.test.default(xau, y = "punif"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: xau
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(xau, y = 'plnorm')## Warning in ks.test.default(xau, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: xau
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến XAU không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến XAU vẫn chưa xác định được phân phối cụ thể.
4.2.5 Biến VCB
- Đồ thị plot
plot(ts(vcb), main = "Giá cổ phiếu Vietcombank", ylab = "VCB", xlab = "Ngày" , col = "blue")
- Đồ thị histogram
hist(vcb)
- Đồ thị QQ-plot
qqnorm(vcb)
qqline(vcb)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến VCB không tuân theo phân phối chuẩn.
- Kiểm định VCB theo phân phối chuẩn thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến VCB tuân theo phân phối chuẩn
\(H_1\): Biến VCB không tuân theo phân phối chuẩn
shapiro.test(vcb)##
## Shapiro-Wilk normality test
##
## data: vcb
## W = 0.94789, p-value = 2.202e-12Dựa vào kết quả kiểm định cho thấy P_value < 0.05 nên ta không có cơ sở bác bỏ giả thuyết \(H_0\). Do đó, biến VCB không tuân theo phân phối chuẩn.
- Kiểm định phân phối VCB thông qua kiểm định Kolmogorov-Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến VCB tuân theo phân phối cụ thể
\(H_1\): Biến VCB không theo phân phối cụ thể
ks.test(vcb, y = 'pexp')## Warning in ks.test.default(vcb, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vcb
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(vcb, y = 'punif')## Warning in ks.test.default(vcb, y = "punif"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vcb
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(vcb, y = 'plnorm')## Warning in ks.test.default(vcb, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: vcb
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta có đủ thông tin để bác bỏ giả thuyết \(H_0\), nghĩa là biến XAU không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến VCB vẫn chưa xác định được phân phối cụ thể.
4.2.6 Biến CTG
- Đồ thị plot
plot(ts(ctg), main = "Giá cổ phiếu Vietin", ylab = "CTG", xlab = "Ngày" , col = "blue")
- Đồ thị histogram
hist(ctg)
- Đồ thị QQ-plot
qqnorm(ctg)
qqline(ctg)
Thông qua biểu đồ histogram và QQ-plot cho ta thấy những giá trị quan sát đa phần không nằm trên đường thẳng kì vọng của phân phối chuẩn do đó biến CTG không tuân theo phân phối chuẩn.
- Kiểm định CTG theo phân phối chuẩn thông qua kiểm định Shapiro-Wilk Test
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến CTG tuân theo phân phối chuẩn
\(H_1\): Biến CTG không tuân theo phân phối chuẩn
shapiro.test(ctg)##
## Shapiro-Wilk normality test
##
## data: ctg
## W = 0.93853, p-value = 1.23e-13Kết quả kiểm định cho thấy P_value < 0.05 nên ta có cơ sở để bác bỏ giả thuyết \(H_0\), nghĩa là biến CTG không tuân theo phân phối chuẩn.
- Kiểm định phân phối CTG thông qua kiểm định Kolmogorov-Smirnov
Với cặp giả thuyết - đối thuyết:
\(H_0\): Biến CTG tuân theo phân phối cụ thể
\(H_1\): Biến CTG không theo phân phối cụ thể
ks.test(ctg, y = 'pexp')## Warning in ks.test.default(ctg, y = "pexp"): ties should not be present for the
## Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: ctg
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(ctg, y = 'punif')## Warning in ks.test.default(ctg, y = "punif"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: ctg
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedks.test(ctg, y = 'plnorm')## Warning in ks.test.default(ctg, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: ctg
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả kiểm định cho thấy P_value < 0.05 nên ta bác bỏ giả thuyết \(H_0\), nghĩa là biến CTG không tuân theo phân phối cụ thể nào.
Thông qua các kiểm định Shapiro-Wilk Test và Kolmogorov - Smirnov, biến CTG vẫn chưa xác định được phân phối cụ thể.
4.3 Kết quả mô hình hồi quy nghiên cứu
mh1 <- lm(bid ~ exr + vni + dj + xau + vcb + ctg)
summary(mh1)##
## Call:
## lm(formula = bid ~ exr + vni + dj + xau + vcb + ctg)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5884.2 -1411.4 -118.2 1301.9 6020.4
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.118e+05 2.727e+04 -4.098 4.85e-05 ***
## exr 5.479e+00 1.106e+00 4.955 9.93e-07 ***
## vni -2.517e+00 1.861e+00 -1.352 0.1769
## dj 2.196e-01 8.652e-02 2.539 0.0114 *
## xau -9.655e+00 9.262e-01 -10.425 < 2e-16 ***
## vcb 5.393e-01 2.584e-02 20.869 < 2e-16 ***
## ctg -2.441e-01 4.148e-02 -5.886 7.26e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1961 on 501 degrees of freedom
## Multiple R-squared: 0.6397, Adjusted R-squared: 0.6354
## F-statistic: 148.2 on 6 and 501 DF, p-value: < 2.2e-16Kết quả mô hình cho thấy biến VNI không có ý nghĩa thống kê, nghĩa là chỉ số VN-Index không có ảnh hưởng đáng kể đến giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam nên tác giả bỏ biến VNI và chạy lại các biến EXR, DJ, XAU, VCB và CTG với biến phụ thuộc BID.
mh2 <- lm(bid ~ exr + dj + xau + vcb + ctg)
summary(mh2)##
## Call:
## lm(formula = bid ~ exr + dj + xau + vcb + ctg)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5821.9 -1426.6 -136.6 1277.5 6208.1
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.316e+05 2.303e+04 -5.714 1.89e-08 ***
## exr 6.288e+00 9.308e-01 6.755 3.96e-11 ***
## dj 1.678e-01 7.763e-02 2.161 0.0311 *
## xau -9.213e+00 8.671e-01 -10.624 < 2e-16 ***
## vcb 5.395e-01 2.586e-02 20.861 < 2e-16 ***
## ctg -2.782e-01 3.297e-02 -8.439 3.44e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1963 on 502 degrees of freedom
## Multiple R-squared: 0.6384, Adjusted R-squared: 0.6348
## F-statistic: 177.2 on 5 and 502 DF, p-value: < 2.2e-16Từ kết quả mô hình thể hiện các yếu tố có tác động đến giá cổ phiếu ngân hàng TMCP Đầu tư và Phát triển Việt Nam được xây dựng như sau:
\[BID= -1.316e^{+05} + 6.288e^{+00}EXR + 1.678e^{-01}DJ\\ - 9.213e^{+00}XAU + 5.395e^{-01}VCB - 2.782e^{-01}CTG\]
Giá trị R-squared của mô hình là 0,6348 tức biến độc lập trong mô hình giải thích được 63,48% sự biến thiên của biến phụ thuộc.
Thông qua kết quả hồi quy cho thấy có 5 biến có ý nghĩa thống kê với mức ý nghĩa 5% là biến EXR, DJ, XAU, VCB và CTG có tác động đến giá cổ phiếu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
Tỷ giá USD/VND có mối tương quan dương với giá cổ phiếu BIDV cho thấy khi tỷ giá USD/VND tăng 1 VND/USD thì giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam tăng lên \(6.288e^{+00}\) đơn vị trong điều kiện các yếu tố khác không đổi.
Chỉ số DOWNJONES có mối tương quan dương với giá cổ phiếu của ngân hàng BIDV cho thấy khi chỉ số DJ tăng 1 điểm thì giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam tăng lên \(1.678e^{-01}\) đơn vị trong điều kiện các yếu tố khác không đổi.
Tỷ giá vàng có mối tương quan âm với giá cổ phiếu của ngân hàng BIDV cho thấy khi giá XAU tăng 1 USD/ounce thì giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam giảm xuống \(9.213e^{+00}\) đơn vị trong điều kiện các yếu tố khác không đổi.
Giá cổ phiếu Vietcombank có mối tương quan dương với giá cổ phiếu Ngân hàng BIDV cho thấy khi giá VCB tăng 1 VND thì giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam tăng lên \(5.395e^{-01}\) đơn vị trong điều kiện các yếu tố khác không đổi.
Giá cổ phiếu Vietinbank có mối tương quan âm với giá cổ phiếu của ngân hàng BIDV cho thấy khi giá CTG tăng 1 VND thì giá cổ phiếu Ngân hàng Đầu tư và Phát triển Việt Nam giảm xuống \(2.782e^{-01}\) đơn vị trong điều kiện các yếu tố khác không đổi.
4.4 Mô phỏng các biến nghiên cứu
Dựa vào kết quả mô nghiên cứu thì ta thấy 5 biến đầu vào ảnh hưởng đến giá cổ phiếu của Ngân hàng TMCP Đầu tư và Phát triển Việt Nam. Nhưng các yếu tố này đều không xác định được phân phối nên tác giả sẽ mô phỏng theo chuyển động Brown.
Tỷ giá sinh lời: \(R_i = \frac{P_{i}-P_{i-1}}{P_{i-1}}\)
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# Tính tỷ suất sinh lời của giá
data <- data %>%
mutate(r_exr = (exr - lag(exr))/lag(exr)) %>%
mutate(r_dj = (dj - lag(dj))/lag(dj)) %>%
mutate(r_xau = (xau - lag(xau))/lag(xau)) %>%
mutate(r_vcb = (vcb - lag(vcb))/lag(vcb)) %>%
mutate(r_ctg = (ctg - lag(ctg))/lag(ctg))
#Loại bỏ hàng có NA
data <- na.omit(data)
data4.4.1 Mô phỏng biến EXR
set.seed(121)
gbm.f = function(n,S0,mu,sigma){
t = 1
t.s = seq(0,t,length = n)
dt = t/n
Bt = sqrt(t)*cumsum(rnorm((n),0,1))
St = S0*exp((mu-sigma^2/2)*t.s + sigma*Bt)
St # Kết quả của GBM
}
n <- 10000
S0 <- data$EXR[1]
mu <- (1/(n*(1/n)))*sum(data$r_exr) #tính lợi nhuận kỳ vọng giá
sigma <- sqrt((sum((data$r_exr-mu)^2))*(1/(n-1)*(1/n))) #tính độ biến động giá
EXR <- gbm.f(n,S0,mu,sigma)
plot(EXR, type = 'l', col = 'blue', main = "Tỷ giá hối đoái", ylab = "VND/USD", xlab = "Ngày")
Mô phỏng tỷ giá hối đoái theo chuyển động Brown trong 1000 ngày tới cho thấy tỷ giá hối đoái có xu hướng giảm mạnh trong tương lai, có thể đạt mức dưới 22.850 VND/USD.
4.4.2 Mô phỏng biến DJ
set.seed(121)
gbm.f = function(n,S0,mu,sigma){
t = 1
t.s = seq(0,t,length = n)
dt = t/n
Bt = sqrt(t)*cumsum(rnorm((n),0,1))
St = S0*exp((mu-sigma^2/2)*t.s + sigma*Bt)
St # Kết quả của GBM
}
n <- 10000
S0 <- data$DJ[1]
mu <- (1/(n*(1/n)))*sum(data$r_dj) #tính lợi nhuận kỳ vọng giá
sigma <- sqrt((sum((data$r_dj - mu)^2))*(1/(n-1)*(1/n))) #tính độ biến động giá
DJ <- gbm.f(n,S0,mu,sigma)
plot(DJ, type = 'l', col = 'blue', main = "Chỉ số DOWNJONES", ylab = "DJ", xlab = "Ngày")
Mô phỏng chỉ số DOWNJONES theo chuyển động Brown trong 1000 ngày tới cho thấy trong tương lai, DJ có xu hướng tăng mạnh đạt mức trên 38.000 điểm.
4.4.3 Mô phỏng biến XAU
set.seed(121)
gbm.f = function(n,S0,mu,sigma){
t = 1
t.s = seq(0,t,length = n)
dt = t/n
Bt = sqrt(t)*cumsum(rnorm((n),0,1))
St = S0*exp((mu-sigma^2/2)*t.s + sigma*Bt)
St # Kết quả của GBM
}
n <- 10000
S0 <- data$XAU[1]
mu <- (1/(n*(1/n)))*sum(data$r_xau) #tính lợi nhuận kỳ vọng giá
sigma <- sqrt((sum((data$r_xau-mu)^2))*(1/(n-1)*(1/n))) #tính độ biến động giá
XAU <- gbm.f(n,S0,mu,sigma)
plot(XAU, type = 'l', col = 'blue', main = "Tỷ giá vàng", ylab = "XAU", xlab = "Ngày")
Mô phỏng tỷ giá vàng theo chuyển động Brown trong 1000 ngày tới cho thấy giá vàng có thể tăng vọt trong tương lai đạt trên 1850 USD/ounce.
4.4.4 Mô phỏng biến VCB
set.seed(121)
gbm.f = function(n,S0,mu,sigma){
t = 1
t.s = seq(0,t,length = n)
dt = t/n
Bt = sqrt(t)*cumsum(rnorm((n),0,1))
St = S0*exp((mu-sigma^2/2)*t.s + sigma*Bt)
St # Kết quả của GBM
}
n <- 10000
S0 <- data$VCB[1]
mu <- (1/(n*(1/n)))*sum(data$r_vcb) #tính lợi nhuận kỳ vọng giá
sigma <- sqrt((sum((data$r_vcb-mu)^2))*(1/(n-1)*(1/n))) #tính độ biến động giá
VCB <- gbm.f(n,S0,mu,sigma)
plot(VCB, type = 'l', col = 'blue', main = "Giá cổ phiếu Ngân hàng Vietcombank", ylab = "VCB", xlab = "Ngày")
Mô phỏng giá cổ phiếu Ngân hàng Vietcombank theo chuyển động Brown trong 1000 ngày tới cho thấy cổ phiếu VCB có xu hướng tăng mạnh trong tương lai và có thể đạt trên 85.000 VND.
4.4.5 Mô phỏng biến CTG
set.seed(121)
gbm.f = function(n,S0,mu,sigma){
t = 1
t.s = seq(0,t,length = n)
dt = t/n
Bt = sqrt(t)*cumsum(rnorm((n),0,1))
St = S0*exp((mu-sigma^2/2)*t.s + sigma*Bt)
St # Kết quả của GBM
}
n <- 10000
S0 <- data$CTG[1]
mu <- (1/(n*(1/n)))*sum(data$r_ctg) #tính lợi nhuận kỳ vọng giá
sigma <- sqrt((sum((data$r_ctg- mu)^2))*(1/(n-1)*(1/n))) #tính độ biến động giá
CTG <- gbm.f(n,S0,mu,sigma)
plot(CTG, type = 'l', col = 'blue', main = "Giá cổ phiếu Ngân hàng Vietinbank", ylab = "CTG", xlab = "Ngày")
Mô phỏng giá cổ phiếu Ngân hàng Vietinbank theo chuyển động Brown trong 1000 ngày tới cho thấy cổ phiếu CTG có xu hướng tăng mạnh trong tương lai và có thể đạt trên 35.000 VND.
4.4.6 Mô phỏng mô hình giá cổ phiếu Ngân hàng BIDV (BID)
Sau khi các biến đầu vào được mô phỏng theo chuyển động Brown, tác giả sẽ mô phỏng biến đầu ra (BID) dựa trên kết quả mô hình hồi quy.
BID <- -1.316e+05 + 6.288e+00*EXR + 1.678e-01*DJ - 9.213e+00*XAU + 5.395e-01*VCB - 2.782e-01*CTG
plot(BID, type = 'l', col = 'blue', main = "Giá cổ phiếu Ngân hàng BIDV", ylab = "BID", xlab = "Ngày")
summary(BID)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 36971 37285 37596 37600 37942 38232Sau khi mô phỏng các yếu tố có ảnh hưởng đến giá cổ phiếu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam trong vòng 10000 ngày tới, ta thấy giá cổ phiếu ngân hàng BIDV (BID) có thể đạt bình quân là 37.600 VND. Trong vòng 10000 ngày tới, giá cổ phiếu ngân hàng có thể có mức giá lớn nhất là 38.232 VND và nhỏ nhất là 36.971 VND.
Qua biểu đồ có thể thấy giá cổ phiếu BID có xu hướng biến động tăng giảm trong 10000 ngày tới. Thời gian đầu, giá cổ phiếu Ngân hàng BIDV có giảm nhẹ xuống 37.300 VND nhưng sau đó, tăng vọt và có thể đạt mức giá trên 38.000 VND trong 5000 ngày tới. Sau đó, trong vòng 5000 ngày tiếp theo, giá cổ phiếu BIDV lại có xu hướng giảm mạnh, có thể giảm xuống mức 37.000 VND.
- Kiểm định độ chính xác của mô hình dự báo
Độ chính xác của dự báo được đánh giá dựa trên ước lượng phần dư (sự sai khác giữa giá trị thực tế và giá trị dự báo), do đó giá trị MAPE càng nhỏ thì mô hình dự báo càng tốt.
library(MLmetrics)## Warning: package 'MLmetrics' was built under R version 4.2.3##
## Attaching package: 'MLmetrics'## The following object is masked from 'package:base':
##
## RecallMAPE(bid,BID)## Warning in y_true - y_pred: longer object length is not a multiple of shorter
## object length## [1] 0.1259609Kết quả giá trị MAPE là 12,6% cho thấy mô hình mô phỏng giá cổ phiếu Ngân hàng BIDV có khả năng dự báo tốt.
Giả định: Nhà đầu tư muốn mua cổ phiếu Ngân hàng BIDV với giá 37.700 VND để kiếm lợi nhuận. Vì vậy, tác giả ước tính xác suất số lượng cổ phiếu BID cao và thấp hơn 37.700 VND là bao nhiêu trong 10000 ngày tới để nhà đầu tư có thể bán ra kiếm lời.
# Đặt quy ước nếu giá cổ phiếu BIDV thấp hơn 37700 VND thì được xem là giá cổ phiếu thấp, giá cổ phiếu BIDV cao hơn hoặc bằng 37700 VND thì được xem là giá cổ phiếu cao
bidthap <- BID[BID < 37700]
bidcao <- BID[BID >= 37700]
table(cut(BID,breaks = 2, labels = c("thap","cao")))##
## thap cao
## 5091 4909# Xác suất để giá cổ phiếu BIDV thấp 37700 VND:
length(bidthap)/length(BID)## [1] 0.6067Từ kết quả trên ta có xác suất để cổ phiếu Ngân hàng BIDV có giá dưới 37.700 VND là 60,67%, tức là trong 10000 ngày nữa xác suất để giá cổ phiếu BID có giá dưới 37.700 VND là 60,67% cho thấy cổ phiếu Ngân hàng BIDV có giá thấp hơn 37.700 VND là khá cao.
# Xác suất để giá cổ phiếu BIDV cao hơn bằng 37700 VND:
length(bidcao)/length(BID)## [1] 0.3933Từ kết quả trên ta có xác suất để cổ phiếu Ngân hàng BIDV có giá từ 37.700 VND trở đi là 39,33%, tức là trong 10000 ngày nữa xác suất để giá cổ phiếu BID có giá từ 37.700 VND trở đi là 39,33% cho thấy cổ phiếu BID có giá từ 37.700 VND trở đi là thấp.
5 CHƯƠNG 5: KẾT LUẬN
Mô phỏng ngẫu nhiên các yếu tố ảnh hưởng đến giá cổ phiếu Ngân hàng TMCP Đầu tư và Phát triển Việt Nam bao gồm chỉ số DOWJONES, tỷ giá vàng, tỷ giá hối đoái VND/USD, giá cổ phiếu Vietcombank và giá cổ phiếu Vietinbank. Ta có thể nhận thấy có xác suất để giá cổ phiếu BID dưới 37.700 VND trong 10000 ngày nữa là khá cao trong khi đó khả năng giá vượt qua 37.700 VND là thấp. Điều này cho thấy giá cổ phiếu Ngân hàng BIDV có thể sẽ xu hướng giảm trong thời gian tới nên có thể gây bất lợi cho nhà đầu tư khi mua cổ phiếu BID. Vì vậy, việc dự báo được giá cổ phiếu BID có thể giúp các nhà đầu tư cũng như doanh nghiệp giảm thiểu được rủi ro khi đầu tư cổ phiếu BID cũng như giúp họ đưa ra quyết định nên đầu tư vào cổ phiếu không.
6 TÀI LIỆU THAM KHẢO
[1] Trần Lộc Hùng và Trần Mạnh Tường (2017).Giáo trình Mô phỏng ngẫu nhiên. Trường Đại học Tài chính - Marketing.