MÔ PHỎNG TÁC ĐỘNG CÁC YẾU TỐ VĨ MÔ ĐẾN SỰ BIẾN ĐỘNG GIÁ CỔ PHIẾU NGÂN HÀNG SACOMBANK
Võ Thị Kim Oanh
2023-08-05
1 Đường link
Đường liên kết bộ số liệu:
Đường link file PDF bài tiểu luận kết thúc môn:
https://drive.google.com/file/d/1xoFhwYjPtflMt9x3viNUpRDlAMI-IjTh/view?usp=drivesdk
2 LỜI CẢM ƠN
Lời đầu tiên tôi xin chân thành cảm ơn đến Ban giám hiệu trường Đại học Tài chính – Marketing thành phố Hồ Chí Minh đã tạo điều kiện để tôi có một môi trường học tập thoải mái về cơ sở hạ tầng, cơ sở vật chất, cảm ơn ban lãnh đạo cùng các cán bộ khoa Kinh tế - Luật của trường đã quản lý, tổ chức hiệu quả và chất lượng giúp tôi yên tâm trong suốt quá trình học tập và nghiên cứu.
Tiếp theo, tôi xin trân trọng cảm ơn thầy Trần Mạnh Tường thuộc khoa Kinh tế - Luật trường đại học Tài chính – Marketing đã hướng dẫn tôi Võ Thị Kim Oanh, đã tận tình giảng dạy và truyền đạt những kiến thức quý báu cho tôi trong suốt quá trình học tập môn ” Mô phỏng ngẫu nhiên”. Những gì thầy dạy chắc chắn là những hành trang quan trọng để tôi có thể vững bước sau này.
Bài tiểu luận kết thúc môn với đề tài “Mô phỏng Monte Carlo tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu NHTMCP Sacombank” đã được hoàn thành dưới sự nỗ lực và vận dụng tất cả những kỹ năng làm bài tiểu luận thầy đã chỉ dạy và hướng dẫn. Do thời gian và trình độ còn hạn chế, bài báo cáo không thể tránh khỏi những thiếu sót. Kính mong thầy chỉ bảo và đóng góp ý kiến để bài báo cáo tiểu luận của tôi được hoàn thiện hơn. Tôi xin chân thành cảm ơn!.
3 NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN
4 DANH MỤC TỪ VIẾT TẮT
5 CHƯƠNG 1: PHẦN MỞ ĐẦU
5.1 Lý do chọn đề tài
Giá cổ phiếu là chỉ số được chú ý nhiều nhất trên các thị trường chứng khoán. Biến động giá của một cổ phiếu hoặc một nhóm cổ phiếu chịu ảnh hưởng bởi hệ sinh thái các nhân tố tồn tại trong môi trường kinh tế. Đây là chủ đề nhận được sự quan tâm đặc biệt của nhiều nhà nghiên cứu trong những năm gần đây. Thông qua việc nghiên cứu các nhân tố đó, các nhà đầu tư đưa ra được các dự báo về diễn biến giá chứng khoán trong tương lai, từ đó có các chiến lược kinh doanh cổ phiếu cụ thể trong từng giai đoạn. Theo thống kê, nhóm cổ phiếu Ngân hàng là nhóm ngành chiếm tỷ trọng lớn nhất trong tổng số các cổ phiếu niêm yết trên thị trường, không chỉ về số lượng cổ phiếu lưu hành mà còn về giá trị vốn hóa trên thị trường. Ở Việt Nam, cổ phiếu của các ngân hàng niêm yết được coi là nhóm cổ phiếu “trụ” của thị trường. Trên cơ sở đó, tôi lựa chọn đề tài nghiên cứu: “Sử dụng mô phỏng Monte Carlo để đo lường ảnh hưởng của các yếu tố vĩ mô đến cổ phiếu ngân hàng Sacombank” với mỗi biến đầu vào là các giá trị ngẫu nhiên.
Nhận thấy được tầm quan trọng của thị trường chứng khoán, tôi tiến hành nghiên cứu đề tài: “Mô phỏng tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu NHTMCP Sacombank” để đánh giá ảnh hưởng của từng yếu tố đến giá cổ phiếu của các ngân hàng thương mại cổ phần Sacombank nói riêng và các ngân hàng thương mại cổ phần nói chung với hy vọng sẽ đề xuất một số giải pháp, góp phần nâng cao khả năng tiếp cận và nắm bắt cơ hội đầu tư cổ phiếu ngân hàng TMCP tại sàn chứng khoán Việt Nam một cách hiệu quả hơn.
5.2 Mục tiêu nghiên cứu
Dựa trên những số liệu thu thập được trên trang chứng khoán Investing và Vietstock, mục tiêu chính của đề tài này là phân tích các yếu tố ảnh hưởng đến chỉ số giá cổ phiếu NHTMCP Sacombank. Đề tài sẽ tập trung vào việc xem xét và đo lường sự ảnh hưởng của các yếu tố vĩ mô đến giá cổ phiếu ngân hàng Sacombank kết hợp phân tích và đánh giá thực trạng, tìm ra những thuận lợi và khó khăn trong quá trình thực hiện nghiên cứu giá cổ phiếu của ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) đứng trên quan điểm nhà tư vấn đầu tư chứng khoán. Từ đó đề xuất các giải pháp nhằm nâng cao khả năng tiếp cận và nắm bắt cơ hội đầu tư cổ phiếU STB và gợi ý một số hàm ý chính sách nâng cao hiệu quả hoạt động cho ngân hàng TMCP Sacombank.
5.3 Đối tượng và phương pháp nghiên cứu
Đối tượng nghiên cứu trong đề tài “Mô phỏng tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu NHTMCP Sacombank” là dự báo giá cổ phiếu ngân hàng thông qua mức độ ảnh hưởng của từng yếu tố ngoại tại. Bộ dữ liệu dược sử dụng để phân tích là dữ liệu được thu thập từ trang chứng khoán thống kê của Vietstock và Investing được niêm yết và đăng ký giao dịch cổ phiếu trong giai đoạn từ tháng 01/2014 đên 12/2022. và sử dụng phần mềm R để hỗ trợ phân tích dữ liệu. Trước tiên sẽ phân tích tương quan các biến để nhận thấy tác động qua lại của các biến độc lập, các biến phụ thuộc trong mô hình. Tiếp theo phân tích hồi quy mô hình và kiểm định mô hình được đề xuất để từ đó đưa ra kết luận và gợi ý chính sách.
5.4 Ý nghĩa đề tài
Ý nghĩa khoa học: Luận văn góp phần bổ sung thêm bằng chứng thực nghiệm về các yếu tố ảnh hưởng đến giá cổ phiếu của ngân hàng TMCP Sacombank giai đoạn từ tháng 01/2014 đến tháng 12/2022.
Ý nghĩa thực tiễn: Giúp cho các cổ đông, nhà đầu tư chứng khoán đánh giá được mức độ hoàn thành kế hoạch và mức độ tăng trưởng nhằm tìm ra những yếu tố tích cực, yếu tố tiêu cực ảnh hưởng đến thị trường cổ phiếu ngân hàng TMCP nói chung và chỉ số giá cổ phiếu STB nói riêng, từ đó đưa ra những quyết định đúng đắn phát triển kinh tế nói chung và thị trường chứng khoán cổ phiếu ngành ngân hàng nói riêng ngày một lớn mạnh và bền vững.
5.5 Kết cấu đề tài
Chương 1: Phần mở đầu
Nội dung này trình bày một cách tổng quát nhất về nghiên cứu bao gồm: Lý do nghiên cứu, mục tiêu nghiên cứu, phương pháp nghiên cứu, phạm vi nghiên cứu, ý nghĩa nghiên cứu, kết cấu nghiên cứu.
Chương 2: Cơ sở lý thuyết và các nghiên cứu thực nghiệm
Nội dung chương này sẽ trình bày các lý thuyết cơ sở liên quan đến các nhân tố tác động đến chỉ số giá cổ phiếu Sacombank.
Chương 3: Phương pháp nghiên cứu
Nội dung chương 3 trình bày: Phương pháp nghiên cứu, mô hình nghiên cứu, dữ liệu nghiên cứu và các giả thuyết nghiên cứu.
Chương 4: Mô phỏng Monte Carlo tác động của các nhân tố vĩ mô đến giá cổ phiếu Sacombank
Nội dung chương này trình bày kết quả mô phỏng về các yếu tố tác động đến chỉ số giá cổ phiếu ngân hàng Sacombank.
Chương 5: Kết luận và hàm ý chính sách
Từ những kết quả nghiên cứu đã giới thiệu tổng quan các vấn đề của bài nghiên cứu đặt ra. Từ những mục tiêu đó tiến hành thu thập và phân tích số liệu thực tế về tình hình hoạt động của các NHTM ở Việt Nam để tìm ra các yếu tố ảnh hưởng đến hiệu quả hoạt động kinh doanh của NHTM Việt Nam.
6 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
6.1 Tổng quan về ngân hàng TMCP Sài Gòn Thương Tín (Sacombank)
6.1.1 Tổng quan về ngân hàng và lĩnh vực hoạt động của ngân hàng
Ngân hàng Thương mại Cổ phần Sài Gòn Thương tín Sacombank viết tắt cho tên tiếng Anh là Saigon Thuong tin Commercial Joint Stock Bank. Sacombank là một ngân hàng thương mại cổ phần của Việt Nam đầu tiên tại Thành Phố Hồ Chí Minh được thành lập vào năm 1991, trên cơ sở chuyển thể từ Ngân Hàng phát triển kinh tế Gò Vấp và sát nhập ba Hợp tác xã tín dụng Tân Bình - Thành Công - Lữ Gia, với vốn điều lệ ban đầu là 3 tỷ đồng. Trong những năm 1995 - 1998, Sacombank là một trong những ngân hàng đầu tiên phát hành cổ phiếu đại chúng ở Việt Nam, Và đã nâng vốn từ 23 tỷ lên đến 71 tỷ đồng. Với việc phát hành cổ phiếu đại chúng đã trở thành một đòn bẩy cho ngân hàng Sacombank trong giai đoạn sau này. Đặc biệt là trong giai đoạn 2000 - 2006 Ngân hàng Sacombank đã phát triển mạnh mẽ cả về vốn và các chi nhánh.
Cũng trong năm 2006 ngân hàng Sacombank trở thành ngân hàng TMCP đầu tiên tại Việt Nam tiên phong niêm yết cổ phiếu tại HOSE với tổng số vốn niêm yết là 1.900 tỷ đồng . Và Liên tiếp thành lập 3 công ty trực thuộc đó là: công ty Kiều hối Sacombank-SBR, công ty Cho thuê tài chính Sacombank-SBL và công ty Chứng khoán Sacombank-SBS. Trải qua Sau hơn 30 năm thành lập và phát triển , Ngân hàng Sacombank đã không ngừng đổi mới và bắt kịp với xu hướng phát triển hiện nay. Tính đến nay , Ngân hàng đã có mạng lưới hoạt động với hơn 561 điểm giao dịch tại 50/63 tỉnh thành tại Việt Nam , Lào và Campuchia . Sacombank cũng đã phủ kín mạng lưới tại các khu vực Bắc Trung Bộ, Tây Nam Bộ, Nam Trung Bộ và Tây Nguyên. Ngoài ra với hai thành phố lớn là Hà Nội và Tp. Hồ Chí Minh thì số lượng Chi nhánh/PGD là lớn nhất cả nước đó là (Hà Nội : 40 Chi nhánh/PGD và TP. Hồ Chí Minh : 114 Chi Nhánh/PGD). Đồng thời hiện ngân hàng đã phát triển hơn 250 dịch vụ phục vụ khách hàng doanh nghiệp, khách hàng cá nhân và gần 60 sản phẩm thẻ bao gồm:
Huy động vốn, cho vay
Thanh toán quốc tế, tài trợ xuất nhập khẩu
Tài khoản, thẻ, ngân hàng điện tử
Chuyển tiền nhanh trong nước và nước ngoài
Chi trả kiều hối, mua bán ngoại tệ
Cho thuê két sắt
Bao thanh toán
Bảo hiểm, đầu tư và kinh doanh ngoại hối.
Sacombank là một trong những ngân hàng tiên phong triển khai hệ thống ngân hàng điện tử vào năm 2005 và ra mắt dịch vụ eBanking theo tiêu chuẩn quốc tế vào năm 2013. Hiện hai kênh Internet Banking và Mobile Banking của Sacombank có rất nhiều tính năng vượt trội, hiện đại, thích hợp với nhu cầu giao dịch của cả khách hàng cá nhân và doanh nghiệp với nền tảng công nghệ bảo mật cao. Đến nay, hệ thống ngân hàng điện tử của Sacombank đã có gần 1,8 triệu người sử dụng dịch vụ Internet Banking và có hơn 1,6 triệu người sử dụng dịch vụ Mobile Banking.
6.1.2 Quá trình hình thành và lịch sử phát triển của ngân hàng
Trong những năm đầu bước chân vào ngành ngân hàng, Sacombank chỉ là một tổ chức tín dụng nhỏ với vốn điều lệ 3 tỷ đồng. Vào năm 1993, Sacombank trở thành ngân hàng Thương mại Cổ phần có Hội sở chính tại TP. HCM đầu tiên mở Chi nhánh tại Hà Nội. Đến giai đoạn 1995-1998 với quyết định đúng đắn của ban lãnh đạo công ty, Sacombank tự hào trở thành một trong những doanh nghiệp đầu tiền cho phát hành cổ phiếu đại chúng tại Việt Nam. Đồng thời là Ngân hàng Thương mại Cổ phần đầu tiên thành lập Tổ Tín dụng ngoài địa bàn để đưa vốn về nông thôn và là nền tảng để định hình chiến lược phát triển bán lẻ sau này. Đây là quyết định mang tính bước ngoặc nâng số vốn đề lệ của Sacombank chạm ngưỡng 71 tỷ đồng cao gấp nhiều lần so với thời gian đầu hoạt động.
Vào năm 2006, Sacombank là ngân hàng đầu tiên tại Việt Nam tiên phong niêm yết cổ phiếu tại HOSE với giá cổ phiếu đạt mức 78,000 đồng/cổ phiếu; tổng khối lượng giao dịch là 763,190 cổ phiếu và tổng số vốn là 1,900 tỷ đồng. Đến thời điểm hiện tại, Sacombank đã có 1,885,215,740 cổ phiếu lưu hành trên thị trường với khối lượng giao dịch bình quân trên một ngày đạt đến 3,368,500 VÀ giá cổ phiếu ghi nhận vào ngày 03/08/2023 là 29,100 đồng/cổ phiếu.
Đến năm 2015, ngân hàng triển khai sáp nhập Ngân hàng TMCP Phương Nam, nâng tầm quy mô hoạt động thuộc nhóm 5 ngân hàng lớn nhất Việt Nam. Năm 2018 là năm đánh dấu sự trở lại mạnh mẽ của Sacombank bằng việc tăng trưởng ổn định, hiện đại hóa sản phẩm dịch vụ và nâng cao năng suất lao động. Ngày 27/11/2019, tại lễ trao giải thường niên Ngân hàng Việt Nam tiêu biểu (Vietnam Outstanding Banking Awards 2019) do tập đoàn Dữ liệu Quốc tế IDG và Hiệp hội ngân hàng Việt Nam (VNBA) phối hợp tổ chức, Sacombank vinh dự được trao cùng lúc 2 danh hiệu “Ngân hàng bán lẻ tiêu biểu” và giải thưởng “Ngân hàng điện tử tiêu biểu”. Đây là năm thứ 2 liên tiếp Sacombank đạt giải về Ngân hàng điện tử trong khuôn khổ giải thường niên này. Tính đến 30/9/2019, tổng tài sản của Ngân hàng đạt 450.200 tỷ đồng, huy động từ tổ chức kinh tế và dân cư đạt 408.882 tỷ đồng; cho vay đạt 290.934 tỷ đồng, Ngân hàng hiện có đến 570 điểm giao dịch tại 50/63 tỉnh thành Việt Nam và hai nước Lào, Campuchia. Đến nay, Sacombank đã khẳng định vị thế trở lại đường đua thông qua các giải pháp công nghệ số hàng đầu vào hoạt động kinh doanh và quản trị điều hành, hướng đến mục tiêu xây dựng hệ sinh thái ngân hàng số.
6.1.3 Tầm nhìn – sứ mệnh và giá trị cốt lõi của ngân hàng
Với tầm nhìn chiến lược trong việc trở thành ngân hàng bán lẻ hiện đại và đa năng số 1 hàng đầu Việt Nam, vào ngày 11/08/2022, Sacombank đã thành công được HR Asia vinh danh là “Nơi làm việc tốt nhất châu Á năm 2022” (Best Companies to Work for in Asia). Đây là năm thứ hai liên tiếp Sacombank nhận được giải thưởng danh giá này. Sacombank là một trong những ngân hàng đầu tư mạnh nhất vào lĩnh vực công nghệ, chú trọng hiện đại hóa công tác quản trị, đào tạo và nâng cao chất lượng nhân sự. Từ năm 2020, Sacombank ký kết hợp tác với NGS và HR Path để triển khai giải pháp quản trị nhân sự SAP SuccessFactors theo công nghệ Cloud, số hóa gần như hoàn toàn mọi quy trình quản trị nguồn nhân lực. Với những nổ lục như vậy, đến nay Sacombank đã khẳng định được uy tín của mình trong lòng khách hàng khi nhận được hàng trăm giải thưởng lớn trong và ngoài nước:
Top 50 doanh nghiệp xuất sắc nhất Việt Nam trong bảng xếp hạng VNR500 do Công ty cổ phần Báo cáo đánh giá Việt Nam (Vietnam Report) phối hợp với Báo Vietnamnet tổ chức.
Top 10 Thương hiệu Tiêu biểu Châu Á Thái Bình Dương 2021 do Tạp chí Châu Á thái Bình Dương tổ chức bình chọn.
Doanh nghiệp – Doanh nhân xuất sắc Châu Á năm 2020 do tổ chức phi chính phủ Asia Pacific Enterprise Awards tổ chức bình chọn.
Top 10 Ngân hàng Thương mại Uy tín Việt Nam do Báo Vietnamnet và Công ty Cổ phần Báo cáo Đánh giá VN phối hợp tổ chức bình chọn.
Giải thưởng “Sacombank Digitalisation Strategy” về chiến lược chuyển đổi số trong khuôn khổ giải thưởng “Sáng tạo Quốc tế 2020” (International Innovation Award 2020) do tổ chức phi chính phủ Enterprise Asia (Malaysia) tổ chức bình chọn.
Giải thưởng Ngân hàng bán lẻ tiêu biểu 2019 và Ngân hàng điện tử tiêu biểu 2019 là giải thưởng thường niên được tổ chức lần thứ 8 “Giải thưởng Ngân hàng VN tiêu biểu 2019 – Vietnam Outstanding Banking Awards 2019” do Tập đoàn dữ liệu Quốc Tế IDG, Hiệp hội Ngân hàng VN tổ chức cùng các chuỗi sự kiện Vietnam Retail Banking Forum – Diễn đàn ngân hàng bán lẻ VN” dưới sự bảo trợ của Ngân hàng nhà nước VN.
Sứ mệnh: Tối đa hoá giá trịcho khách hàng, nhà đầu tư và đội ngũ ngân viên; đồng thời thể hiện cao nhất trách nhiệm với cộng đồng và xã hội.
Giá trị cốt lõi: Tiên phong mở đường và vượt qua những thách thức để tiếp nối những thành công; đổi mới và năng động để phát triển vững bền; tạo dựng sự khác biệt bằng đột phá sáng tạo trong kinh doanh và quản trị điều hành và cam kết chất lượng phụ vụ khách hàng, đối tác.
6.2 Cổ phiếu và giá của cổ phiếu Ngân hàng thương mại cổ phần
6.2.1 Ngân hàng thương mại cổ phần
Khái niệm về NHTM và NHTMCP được hệ thống hóa tại các giáo trình, văn bản pháp luật bao gồm giáo trình Quản trị ngân hàng 7 thương mại của Peter S. Rose (2001), Quản trị ngân hàng thương mại của Nguyễn Thị Mùi (2007), Luật các TCTD số 47/2010/QH12 ban ngày 16/06/2010 của Quốc hội nước CHXHCN Việt Nam. Trên cơ sở đó, khái niệm NHTM CP được hiểu là “Ngân hàng thương mại cổ phần là ngân hàng thương mại được thành lập, tổ chức dưới hình thức công ty cổ phần”.
6.2.2 Cổ phiếu của ngân hàng thương mại cổ phần
Cổ phiếu được hệ thống hóa từ một số giáo trình và theo các văn bản luật, bao gồm Giáo trình Thị trường tài chính (2015) do PGS.TS. Hoàng Văn Quỳnh và PGS.TS. Nguyễn Thị Hoài Lê đồng chủ biên “Cổ phiếu là loại chứng khoán xác nhận quyền và lợi ích hợp pháp của người sở hữu đối với một phần vốn cổ phần của tổ chức phát hành” [trang 167]. Ngoài ra, quy định chung về Cổ phiếu được trích dẫntừ Điều 121 Luật Doanh nghiệp số 59/2020/QH14; Điều 4, khoản 2 Luật Chứng khoán số 54/2019/QH14 có hiệu lực từ ngày 01/01/2021 và các văn bản quy phạm phát luật có liên quan quy định về Cổ phiếu. Được hệ thống hóa từ nhiều cách tiếp cận khác nhau. Trong phạm vi nghiên cứu, giá cổ phiếu của ngân hàng thương mại cổ phần niêm yết được hiểu là các mức giá thị trường của từng mã cổ phiếu ngân hàng hoặc tổ hợp chỉ số giá CP ngân hàng niêm yết trên sở giao dịch chứng khoán được xác định theo quy định hiện hành của cơ quan quản lí nhà nước về thị trường chứng khoán.
Chỉ số giá chứng khoán là chỉ báo giá cổ phiếu phản ánh xu hướng phát triển của thị trường cổ phiếu, thể hiện xu hướng thay đổi của giá cổ phiếu và tình hình giao dịch trên thị trường. Đơn giản, chỉ số giá chứng khoán là giá bình quân cổ phiếu tại một ngày nhất định so với ngày gốc (Bui, 2013). Công thức tính chỉ số giá chứng khoán:
I=(∑(i=1)n▒〖Sit×Pit〗)/(∑(i=1)n▒〖Si0×Pi0〗)×100
Trong đó:
I: Chỉ số giá chứng khoán
S_i: Số lượng cổ phiếu i
P_i: Gía thị trường của một cổ phiếu i
0: Thời điểm gốc
t: Thời điểm t
i: Loại cổ phiếu được đưa vào tính chỉ số
6.3 Các nhân tố kinh tế vĩ mô ảnh hưởng đến chỉ số giá cổ phiếu Sacombank
6.3.1 Chỉ số bình quân công nghiệp
Chỉ số trung bình công nghiệp (Dow Jones Industrial Average - DIJA) là chỉ số tham chiếu giá của 30 công ty đại chúng blue - chip tốt nhất với vốn hoá lớn trên sàn chứng khoán Nasdaq và New Yord. Chỉ số này chính thức xuất hiện trên The Wall Street Journal vào năm 1985, được lấy tên bởi người sáng lập nên nó là Charles H. Dow cùng với người cộng sự tên Jones của mình. Kể từ đó, giá 30 cổ phiếu đến từ 30 doanh nghiệp của chỉ số này trở thành mối quan tâm hàng đầu và chiếm hơn 25% giá trị thị trường trên sàn giao dịch. Dow Jones được tính dựa trên phương pháp trọng số giá, trong đó giá của 30 công ty lớn sẽ chia cho một ước số nhất định. Công thức chung sẽ là:
Dow Jones = Tổng giá trị cổ phiếu của 30 công ty vốn hoá lớn/ ước sốChỉ số bình quân công nghiệp Dow Jones là một công cụ tài chính lâu đời đóng vai trò vô cùng quan trọng với nhà đầu tư, thậm chí là cả những người không hoạt động trên thị trường này. Thông qua DJIA, người xem có thể biết được bức tranh tài chính tổng thê của nền kinh tế toàn thế giới, đồng thời qua đó sẽ phản ánh được sự biến động vủa thị trường chứng khoán nói chung và chỉ số giá ngành ngân hàng nói riêng. Chẳng hạn, khi mối quan hệ hữu nghị giữa Mỹ với các quốc gia khác đi lên, đi xuống cũng tỷ lệ thuận với Dow Jones. Hay khi nền kinh tế biến động vì các vấn đề như khủng hoảng tài chính, chiến tranh lạnh,… thì chỉ số Dow Jones cũng thay đổi theo. Những biến động lớn trong giá trị của Dow Jones đều được giới đầu tư chứng khoán tại Việt Nam quan tâm và có tác động rất lớn đến họ. Giá trị của một chỉ số cổ phiếu nói chung và ngành ngân hàng nói riêng dựa trên quan hệ cung - cầu nên tâm lý đóng một vai trò rất lớn, khi chỉ số DIJA giảm nhanh chóng thì nhà đầu tư sẽ bi quan về tương lai của thị trường khiến họ muốn bán cổ phiếu ra ngoài làm cho thị trường chứng khoán đi xuống thấp hơn và ngược lại khi DIJA tăng giúp chứng khoán tăng cao hơn. Theo số liệu thu thập được vào ngày 01/08/2023, chỉ sô Dow Jones đã tăng 96,53 điểm, tương đương 0,27% và đóng cửa ở mức 35.559,53 điểm.
6.3.2 Chỉ số NASDAQ
Chỉ số NASDAQ viết tắt của National Association of Securities Dealers Automated Quotations System đại diện cho toàn bộ cổ phiếu được niêm yết trên sàn NASDAQ, Mỹ, đo lường hoạt động của các công ty có giá trị vốn hoá lớn nhất , ngang với NYSE và Tokyo. Sàn NASDAQ được thành lập bởi Hiệp Hội Quốc gia các Thương nhân chứng khoán vào năm 1971, do NASDAQ quản lý dựa trên nguyên tắc hoạt động giao dịch phi tập trung. Đến nay, NASDAQ từ một sàn niêm yết giá chứng khoán trở thành sàn giao dịch chứng khoán đầu tiên ứng dụng công nghệ đám mây hiện đại để thực hiện lưu trữ hệ thống thông tin và dữ liệu với giá trị vốn hoá lớn trên 15 tỷ USD, hoạt động trên 90 thị trường và 3400 công ty niêm yết giao dịch.Đặc biệt chỉ số này sở hữu đến 47,25% các cổ phiếu thuộc lĩnh vực công nghệ - khoa học và còn quy tụ hàng loạt cổ phiếu các doanh nghiệp lĩnh vực công nghệ sinh học, dược phẩm, tài chính,..Với tỷ trọng lớn như vậy nên mọi biến động của chỉ số này đều phản ánh tình hình kinh tế thế giới và ảnh hưởng trực tiếp đến đồng USD, liên đới tới hầu hết các loại tiền tệ khác như vàng và các tài sản tài chính khác. Việc theo dõi chuyển động chỉ số NASDAQ giúp các nhà đầu tư dự đoán định giá các tài sản này và đưa ra các quyết định đầu tư sáng suốt hơn cho thị trường chứng khoán Việt Nam nói chung và giá cổ phiếu ngân hàng nói riêng.
Điển hình có thể thấy trong nửa năm đầu 2023, các cổ phiếu thuộc nhóm ngành công nghệ, đặc biệt là các cổ phiếu liên quan tới trí tuệ nhân tạo (Al) đã có sự bùng nổ mạnh mẽ . Kết thúc tháng 6, chỉ số NASDAQ Composite tăng đến 32%, đạt hiệu suất nửa năm đầu tốt nhất kể từ năm 1983 với màn xuât hiện choáng ngợp từ ChatGPT -một chatbot thông minh từ công ty khởi nghiệp OpenAl khiến con nghiwoif lần đầu tiên trải nghiệm được sự ưu việt của Al trong đời sống thường ngày. Theo số liệu thu thập được vào ngày 01/08/2023, chỉ sô NASDAQ Composite đã giảm 60 điểm, tương đương 0,42% và đóng cửa ở mức 14,285.83 điểm.
6.3.3 Lãi suất quỹ liên bang
Lãi suất quỹ liên bang (FFR - Federal Funds Rate) là mức lãi suất ngân hàng cho nhau vay trong khoảng thời gian một ngày hay gọi là các khoản vay qua đêm để có được số tiền bằng đúng yêu cầu dự trữ bắt buộc của Fed. Theo luật pháp, các ngân hàng phảu duy trì khoản dự trữ theo một tỷ lệ nhất định với tiền gửi của chúng trong tài khoản tại Cục Dự trữ Liên bang. Đây được xem là một trong những mức lãi suất quan trọng nhất trong nền kinh tế Mỹ vì nó ảnh hưởng đén các điều kiện tài chính và tiền tệ, tác động đến nhiều khía cạnh khác bao gồm việc làm, tăng trưởng và lạm phát. Các nhà đầu tư trên toàn thế giới nói chung và ở thị trường chứng khoán Việt Nam nói riêng luôn theo dõi sát sao và đặc biệt quan tâm đến mức lãi suất quỹ liên bang vì thị trường phản ứng rất mạnh mẽ với những thay đổi trong lãi suất mục tiêu, ngay cả một sự sụt giảm nhỏ trong lãi suất này cũng có thể thúc đẩy thị trường tăng vọt.
6.3.4 Tỷ giá hối đoái
Theo Cecchetti, Schoenholtz, và Fackler (2006) tỷ giá hay 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. Một vài công trình cho rằng tỷ giá có mối quan hệ cùng chiều với với giá cổ phiếu như: Smith (1992), Slonik (1987) và Aggarwal (1981).Một cách tiếp cận khác bằng mô hình cân bằng danh mục đầu tư về tỷ giá, Branson (1983) đã chứng minh rằng: quan hệ giữa tỷ giá và giá cổ phiếu là ngược chiều, nguyên nhân tạo ra kết quả này có thể được giải thích từ chiều tác động của giá cổ phiếu lên tỷ giá. Trong mô hình này, những nhà đầu tư cá nhân nắm giữ những tài sản trong nước và tài sản nước ngoài (bao gồm cả nghiệp giảm tính cạnh tranh. Mặt khác, những doanh nghiệp không xuất khẩu những sản phẩm của họ đến quốc gia khác nhưng lại nhập khẩu nguyên liệu thô có thể giá cổ phiếu của chúng sẽ giảm khi đồng tiền trong nước được định giá thấp có thể nguyên nhân làm cho doanh thu hoặc lợi nhuận của họ giảm.
Tóm lại: mối quan hệ giữa tỷ giá với chỉ số giá chứng khoán là một câu hỏi thực nghiệm, những nghiên cứu thực nghiệm ở các thị trường khác nhau sẽ cho ra những kết quả khác nhau (có mối quan hệ cùng chiều, ngược chiều hay thậm chí không có mối liên hệ ràng buộc nào giữa thị trường chứng khoán và tỷ giá).
6.3.5 Giá dầu thô
Dầu là yếu tố đầu vào quan trọng của nhiều quá trình sản xuất, cũng đồng thời là hàng hoá tiêu dùng thiết yếu. Đây một trong những nguyên liệu đầu vào, nguồn năng lượng quan trọng của hầu hết các ngành công nghiệp trong nền kinh tế và có tác động trực tiếp đến thị trường chứng khoán trên toàn thế giới nói chung và chứng khoán Việt Nam 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.
Một số các nghiên cứu thực nghiệm trên thế giới đã cho thấy mối quan hệ mối quan hệ giữa giá dầu và giá chứng khoán có thể tích cực hoặc tiêu cực. Al-Mudhaf và Goodwin (1993) là một trong những nhà nghiên cứu đầu tiên chứng minh ảnh hưởng của giá dầu đến giá trị công ty bằng thực nghiệm theo hướng lý giải này. Kết quả nghiên cứu trên 29 công ty thuộc ngành công nghiệp dầu khí niêm yết trên thị trường chứng khoán New York cho thấy tác động tích cực của việc tăng giá dầu đến giá trị các công ty này trong những năm 1970. Một số nghiên cứu cho các nước nhập khẩu dầu cũng cho thấy ảnh hưởng tiêu cực của tăng giá dầu đến thị trường, chẳng hạn: O’Neil và cộng sự (2008) cho thấy giá dầu tăng làm TTCK các nước Anh, Pháp đều đi xuống; Nandha và Faff (2008) xem xét chỉ số vốn toàn cầu (Global Equity Indices) và cho thấy tăng giá dầu làm giảm giá tất cả cổ phiếu nhóm ngành công nghiệp, trừ các ngành khai khoán và dầu khí; Papapetrou (2001) cho thấy cú sốc giá dầu tăng làm giá chứng khoán tại Hy Lạp đi xuống do những ảnh hưởng tiêu cực đến sản lượng và việc làm.
6.3.6 Giá vàng thế giới
Vàng là phương tiện cất giữ giá trị. Khác với các tài sản khác, vàng có tính thanh khoản khá cao nên sự biến động của giá vàng ảnh hưởng đến hầu hết các nền kinh tế, trong đó có thị trường chứng khoán (Nguyễn Thị Như Quỳnh và Võ Thị Hương Linh, 2019). 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. Giá vàng biến động tăng có nghĩa là thị trường đang có sự “hoảng loạn”, niềm tin của các nhà đầu tư vào thị thị trường giảm. Ngược lại khi giá vàng giảm, thị trường kinh tế ổn định.
Một số nghiên cứu chỉ ra rằng giá vàng có tương quan nghịch với thị trường chứng khoán như: Nghiên cứu của Garefalakis và cộng sự (2011) cho thấy giá vàng có ảnh hưởng tiêu cực đến thị trường chứng khoán HongKong. Akbar và cộng sự (2019), cũng chứng minh giá vàng và giá chứng khoán có tác động qua lại lẫn nhau và đó là tác động ngược chiều bằng mô hình VAR, nghiên cứu cho thấy mối quan hệ song phương nghịch đảo giữa giá cổ phiếu và giá vàng cũng như giữa giá trị đồng rupee và giá vàng được xác định khi giá cổ phiếu và giá trị đồng rupee có tương quan tỷ lệ thuận. Nó ngụ ý rằng giá cổ phiếu và giá trị đồng rupee giảm trong thời kỳ suy thoái nhưng vàng trở nên đẹp hơn và ngược lại cũng giữ được. Do đó, vàng không chỉ được coi là nơi trú ẩn an toàn mà còn được coi là một khoản đầu tư thay thế trong những biến động bất lợi trên thị trường chứng khoán và ngoại hối của Pakistan.
7 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
7.1 Cơ sở toán của phương pháp Monte Carlo
Phương pháp Monte Carlo là có thể coi như một phương pháp mô hình hoá các biến ngẫu nhiên nhằm tính các đặc trưng phân bỐ của chúng. Mục đích của phương pháp này là xây dựng bài toán ước lượng giá trị trung bình μ = E (X) của một biến ngẫu nhiên X bằng cách tạo ra một dãy các biến ngẫu nhiên độc lập, cùng phân phối với biến đầu ra X. Đây là một kĩ thuật được sử dụng để hiểu tác động của rủi ro và mô hình xác suất các kết quả khác nhau cho một quá trình không thể dễ dàng dự đoán do có sự can thiệp của các biến ngẫu nhiên. Ví dụ: nếu bạn muốn ước tính doanh số bán hàng trong tháng đầu tiên của một sản phẩm mới, bạn có thể cung cấp cho chương trình mô phỏng Monte Carlo dữ liệu bán hàng lịch sử của bạn. Chương trình sẽ ước tính các giá trị bán hàng khác nhau dựa trên các yếu tố như điều kiện thị trường chung, giá sản phẩm và ngân sách quảng cáo. Hoặc một ví dụ điển hình khác về một xúc xắc sáu mặt có 1/6 xác suất rơi vào một mặt cụ thể. Khi đổ xúc xắc sáu lần, bạn có thể sẽ không đổ ra sáu mặt khác nhau. Tuy nhiên, bạn sẽ thu được xác suất 1/6 theo lý thuyết cho từng mặt nếu tiếp tục đổ xúc xắc vô số lần. Độ chính xác của kết quả tỷ lệ thuận với số mô phỏng. Nói cách khác, 10.000 mô phỏng sẽ cho ra kết quả chính xác hơn 100 mô phỏng.
Ta có các bước cơ bản để thực hiện mô phỏng bao gồm:
Xác định vấn đề cần mô phỏng.
Chọn mô hình và chọn dữ liệu để phục vụ cho việc nghiên cứu.
Chỉ định phân phối xác suất của những loại biến độc lập. Sử dụng dữ liệu lịch sử và/hoặc tiến hành đánh giá chủ quan của các nhà phân tích để xác định một loạt các giá trị có khả năng xảy ra và gán trọng số xác suất cho từng giá trị.
Chạy mô phỏng nhiều lần, tạo ra các giá trị ngẫu nhiên của các biến độc lập cho đến khi có thể thu thập đầy đủ kết quả để tạo thành một mẫu đại diện.
Phân tích dữ liệu đầu ra.
Mô phỏng Monte Carlo phụ thuộc rất nhiều vào các giá trị đầu vào và hàm phân phối. Nếu trong quá trình chọn hàm phân phối xác suất và đầu vào xảy ra sai sót, phương pháp này có thể cho ra kết quả không chính xác.
7.2 Mô phỏng cho một số phân phối xác suất thông dụng
7.2.1 Phân phối chuẩn (Normal Distribution)
Phân phối chuẩn (Normal Distribution), còn được gọi là phân phối Gaussian. Phân phối chuẩn có hình dạng đối xứng và được đặc trưng bởi hai tham số: giá trị trung bình (mean) và độ lệch chuẩn (standard deviation).Việc tiêu dùng điện hàng tháng của các hộ gia đình ở Hồ Chí Minh với trung bình là 200KWh và độ lệch chuẩn là 40KWh. Với giả định rằng biến động hàng ngày của cổ phiếu SSI tuân theo phân phối chuẩn. Mô phỏng mức tiêu thụ điện trong 400 ngày tiếp theo.
Mô phỏng mẫu:
ttd<- rnorm(n = 400, mean =200, sd = 40 )
ttd<- round(ttd,0)Các đặc trưng đo lường:
summary(ttd)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 74.0 169.0 197.0 197.4 226.0 297.0Đồ thị:
library(ggplot2)
hist(ttd, main = "Normal Distribution", xlab = "Muc tieu thu dien", col= "lightpink")
7.2.2 Phân phối nhị thức:(Binomial distribution)
Phân phối nhị thức là một dạng phân phối rời rạc thường dùng trong thống kê, ngược lại của các dạng phân phối liên tục như phân phối chuẩn, thể hiện xác suất để x thành công trong n phép thử, với xác suất thành công p của mỗi phép thử. Một công ty thuê 300 người bán thuốc quảng bá sản phẩm ra thị trường, mỗi người gặp 10 khách hàng một ngày và xác suất để khách hàng chấp nhận mua là 15%. Mô phỏng xác suất thành công của 300 sales.
Mô phỏng mẫu:
sale <- rbinom(n = 300 ,size = 10,prob = 0.15)Các đặc trưng đo lường:
summary(sale)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 0.75 1.00 1.45 2.00 6.00Đồ thị:
hist(sale, main = "Binomial distribution", xlab = "Xac suat thanh cong")
7.2.3 Phân phối Poisson (Poisson Distributrion)
Dùng để đo xác xuất của sự kiện rời rạc xảy ra nhiều lần tại thời điểm ngẫu nhiên, trong một khoảng thời gian nhất định. Chẳng hạn như số lần kiểm tra sách thư viện mỗi giờ. Nó được đặc trưng bởi một tham số duy nhất là λ (lambda), đại diện cho tỷ lệ trung bình của sự kiện. Xác suất để đoàn tàu khởi hành đúng giờ là 98,2%. Mô phỏng xác suất để 1000 chuyến tàu có 995 chuyến tàu khởi hành đúng thời gian.
Mô phỏng mẫu: Ta có: lambda= n.p= 1000.0.018=18
ct <- rpois(1000, lambda = 18)Các đặc trưng đo lường:
summary(ct)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 6.00 15.00 17.00 17.72 20.00 32.00Đồ thị:
hist(ct,main="Poisson Distributrion", xlab="Tau khoi hanh dung gio", col= "beige")
7.2.4 Phân phối Student (T- Distribution)
Phân phối t là một phân phối xác suất có hình dạng tương tự như phân phối chuẩn và được sử dụng trong thống kê để ước tính mức độ quan trọng. Ví dụ, khi mô hình hóa tỷ giá hối đoái giữa đồng USD và đồng JPY, có thể sử dụng phân phối t để mô hình hóa biến động và tính toán các giá trị xác suất tương ứng.
# Mô phỏng mẫu dữ liệu
sample_data<- rt(n = 1000, df = 10)
# Tạo dataframe
df <- data.frame(result = sample_data)
# Vẽ đồ thị
library(ggplot2)
ggplot(data = df, aes(x = result)) +
geom_density(fill = "lightblue", alpha = 0.5) +
labs(x = "Giá trị", y = "Mật độ xác suất", title = "Phân phối t") +
theme_minimal()
7.2.5 Phân phối Triangular(Phân phối tam giác)
Phân phối Triangular sử dụng phân phối Triangular, bạn có thể xác định một khoảng giá trị có thể xảy ra cho biên độ biến động hàng ngày của cổ phiếu. Giả sử giá cổ phiếu của SSI hiện tại là 22,950 đồng, giá trị thấp nhất là 20.600 đồng (11.4%), giá trị cao nhất là 27,500 đồng (19.8%).
Mô phỏng mẫu:
library(extraDistr)
stb <- rtriang(n = 5000, a = 0.114, b = 0.198, c =((0.114+0.198)/2))Các đặc trưng đo lường:
summary(stb)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.1140 0.1434 0.1556 0.1558 0.1682 0.1968Đồ thị:
hist(stb,main = "Triangular Distributuion",xlab = "Bien do bien dong(%)",col= "darkgreen")
7.3 Mô hình mô phỏng đề xuất
Mô hình hồi quy tuyến tính đa biến là phương trình mô tả mối quan hệ giữa biến phụ thuộc y vớ nhiều biến độc lập X1, X2, …,Xn và số hạng sai số ε:
STB = β0+ β1.DIJ+ β2.NASDAQ+ β3.FFR+ β4.EXR+ β5.WTI+ β6.GOLD Trong đó:
- Biến phụ thuộc: STB là chỉ số giá cổ phiếu ngân hàng Sacombank với β0, β1, β2,…,β6 là các tham số.
b.Biến độc lập gồm:
DIJ là chỉ số trung bình công nghiệp Dow Jones tại Mỹ (Điểm)
NASDAQ là chỉ số Nasdap Composite tại Mỹ (Điểm)
FFR là lãi suất quỹ liên bang (Federal Funds Rate) (%)
EXR là tỷ giá hối đoái (VND/USD)
WTI là giá dầu thô (USD/thùng)
GOLD là giá vàng thế giới (USD/ounce)
7.4 Mô tả biến trong nghiên cứu
STB : là chỉ số giá chứng khoán ngân hàng TMCP Sài Gòn Thương Tín (Sacombank), một trong những cổ phiếu được săn đòn bởi khá nhiều các nhà đầu tư trên thị trường. Sacombank niêm yết cổ phiếu STB lần đầu tiên trên sàn giao dịch HOSE vào năm 2006 với tổng số vốn được là 1.900 tỷ đồng.
DIJ : là chỉ số trung bình công nghiệp của thị trường chứng khoán tại Hoa Kỳ. Đây là một trong những chỉ số chính trên phố Wall đẻ theo dõi cổ phiếu của 30 công ty đại chúng vốn hoá lớn trên sàn chứng khoán New Yord. Chứng khoán Mỹ từ lâu đã được coi như “nhiệt kế” phản ánh rõ nét nhất sức nóng của thị trường tài chính toàn cầu bởi khả năng phản ứng tức thời trước các biến động của nền kinh tế số một thế giới và những động thái thay đổi chính sách của Fed. Vì vậy chỉ số trên thị trường Mỹ có ảnh hưởng đến hầu hết các quốc gia, thị trường chứng khoán Việt Nam cũng không ngoại lệ, trong đó có cổ phiếu ngân hàng.
NASDAQ viết tắt National Association of Securities Dealers Automated Quotations System là một trong những chỉ số chứng khoán phổ biến nhất ở Mỹ và được tính bằng trung bình của tất cả các công ty niêm yết trên sàn bao gồm các công ty công nghệ hàng đầu như Apple, Amazon, Facebook và Google. Sàn giao dịch Nasdaq là sàn giao dịch lơn thứ hai trên thế giới, sau Sở giao dịch chứng khoán New Yord (NYSE)
FFR là lãi suất quỹ liên bang trong tiếng anh viết Federal Funds Rate, đề cập đến lãi suất qua đêm mà các ngân hàng thu từ các ngân hàng khác khi cho vay tiền từ số dư dự trữ bắt buộc của chúng. Đâylà một trong những mức lãi suất quan trọng nhất trong nền kinh tế Mỹ vì nó ảnh hưởng đến các điều kiện tài chính và tiền tệ, do đó tác động đến các khía cạnh quan trọng khác của nền kinh tế bao gồm việc làm, tăng trưởng và lạm phát. Qua đó gián tiếp phản ánh và ảnh hưởng đến kinh tế Việt Nam nói chung và thị trường chứng khoán, cổ phiếu ngân hàng nói riêng.
EXR là tỷ giá hối đoái giữa đồng Việt Nam và đô la Mỹ.
WTI tiếng anh được viết là West Texas Intermediate là giá dầu thô thế giới, là một trong những chỉ số quan trọng đối với nền kinh tế thế giới nói chung và thị trường cổ phiếu ngànhn ngân hàng nói riên và phản ánh rõ rệt nhất sự thay đổi trong tăng trưởng kinh tế, mức độ lạm pháp,..
GOLD là giá vàng trên thế giới có đơn vị là USD/ounce.
7.5 Dữ liệu nghiên cứu
Nghiên cứu này tập trung thu thập số liệu thứ cấp của chỉ số giá cổ phiếu ngân hàng Sacombank VÀ các biến vĩ mô tác động bao gồm chỉ số Dow Jones, chỉ số Nasdaq, lãi suất quỹ liên bang, tỷ giá hối đoái, giá dầu và giá vàng thế giới với số liệu tháng 01/2014 đên 12/2022.
library(readxl)
library(dplyr)##
## 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# *Găn dữ liệu LNBANK cho biến bank*
bank <- read_excel("D:/RStudio/STB.xlsx", sheet =1)
# *Mô tả chi tiết kiểu biến số của datasheet bank*
str(bank)## tibble [108 x 7] (S3: tbl_df/tbl/data.frame)
## $ STB : num [1:108] 15031 16008 14956 14806 15407 ...
## $ DJI : num [1:108] 15699 16322 16458 16581 16717 ...
## $ NASDAQ: num [1:108] 4104 4308 4199 4115 4243 ...
## $ FFR : num [1:108] 0.07 0.06 0.06 0.09 0.08 0.09 0.08 0.07 0.07 0.07 ...
## $ EXR : num [1:108] 21035 21080 21075 21060 21135 ...
## $ WTI : num [1:108] 97.5 102.6 101.6 99.7 102.7 ...
## $ GOLD : num [1:108] 1240 1322 1284 1296 1246 ...library(psych)## Warning: package 'psych' was built under R version 4.3.1##
## Attaching package: 'psych'## The following objects are masked from 'package:ggplot2':
##
## %+%, alphadescribe(bank)## vars n mean sd median trimmed mad min max
## STB 1 108 15286.71 6365.66 13200.00 14195.17 3261.72 7300.00 35550.00
## DJI 2 108 24375.13 6185.43 24567.53 24068.32 9176.43 15698.85 36338.30
## NASDAQ 3 108 8098.18 3397.89 7318.22 7764.05 3502.53 4103.88 15644.97
## FFR 4 108 0.85 0.99 0.30 0.71 0.36 0.05 4.33
## EXR 5 108 22673.21 756.95 22766.50 22724.12 641.97 21035.00 24840.00
## WTI 6 108 62.12 20.50 57.31 60.68 16.24 18.84 114.67
## GOLD 7 108 1445.79 269.52 1321.40 1428.60 204.08 1060.80 1985.90
## range skew kurtosis se
## STB 28250.00 1.54 1.45 612.54
## DJI 20639.45 0.30 -1.16 595.19
## NASDAQ 11541.09 0.73 -0.74 326.96
## FFR 4.28 1.14 0.52 0.10
## EXR 3805.00 -0.50 0.33 72.84
## WTI 95.83 0.66 -0.25 1.97
## GOLD 925.10 0.58 -1.20 25.938 CHƯƠNG 4: MÔ PHỎNG MONTE CARLO TÁC ĐỘNG CỦA CÁC NHÂN TỐ VĨ MÔ ĐẾN GIÁ CỔ PHIẾU SACOMBANK
8.1 Phân tích thống kê mô tả và mối tương quan giữa các biến đến chỉ số STB
8.1.1 Thống kê mô tả
#Thống kê mô tả các biến
summary(bank)## STB DJI NASDAQ FFR
## Min. : 7300 Min. :15699 Min. : 4104 Min. :0.050
## 1st Qu.:11300 1st Qu.:17908 1st Qu.: 5066 1st Qu.:0.080
## Median :13200 Median :24568 Median : 7318 Median :0.300
## Mean :15287 Mean :24375 Mean : 8098 Mean :0.852
## 3rd Qu.:16031 3rd Qu.:28457 3rd Qu.:10787 3rd Qu.:1.580
## Max. :35550 Max. :36338 Max. :15645 Max. :4.330
## EXR WTI GOLD
## Min. :21035 Min. : 18.84 Min. :1061
## 1st Qu.:22296 1st Qu.: 48.24 1st Qu.:1239
## Median :22767 Median : 57.31 Median :1321
## Mean :22673 Mean : 62.12 Mean :1446
## 3rd Qu.:23192 3rd Qu.: 73.59 3rd Qu.:1738
## Max. :24840 Max. :114.67 Max. :1986sd(bank$STB)## [1] 6365.657Dựa vào số liệu thống kê ở trên ta phân tích được giá cổ phiếu cao nhất của ngân hàng Sacombank là 35,550 đồng/cổ phiếu và giá cổ phiếu thấp nhất đến nay 7,300 đồng/ cổ phiếu; trung bình giá cổ phiếu dao động với mức giá 15,287 đồng/cổ phiếu; độ lệch chuẩn là 6,365 đồng/cổ phiếu và có 50% giá cổ phiếu dao động dưới 13,200 đồng/cổ phiếu.
sd(bank$DJI)## [1] 6185.43Dựa vào số liệu thống kê ở trên ta phân tích được chỉ số Dow Jones cao nhất là 36338 điểm và thấp nhất là 15699 điểm, trung bình giá cổ phiếu dao động với 24375 điểm, độ lệch chuẩn là 6185 điểm và có 50% giá cổ phiếu dao động dưới 24568 điểm.
sd(bank$NASDAQ)## [1] 3397.886sd(bank$FFR)## [1] 0.9931407Dựa vào số liệu thống kê ở trên ta phân tích được lãi suất cao nhất là 4,33% và thấp nhất là 0,05%, trung bình giá cổ phiếu dao động với 0.852%, độ lệch chuẩn là 0.9931% và có 50% giá cổ phiếu dao động dưới 0.3%.
sd(bank$EXR)## [1] 756.9546Dựa vào số liệu thống kê ở trên ta phân tích được biến EXR có giá trị cao nhất là 24,840 và giá trị thấp nhất là 21,035; trung bình giá dầu dao động với mức giá 22,673; độ lệch chuẩn là 756,95 và có 50% giá dầu dao động dưới 22,767.
sd(bank$WTI)## [1] 20.5035Dựa vào số liệu thống kê ở trên ta phân tích được giá dầu cao nhất của là 114,67 USD/thùng và giá dầu thấp nhất là 18,84 USD/thùng; trung bình giá dầu dao động với mức giá 62.12 USD/thùng; độ lệch chuẩn là 20,504 USD/thùng và có 50% giá dầu dao động dưới 57,31 USD/thùng.
sd(bank$GOLD)## [1] 269.515Dựa vào số liệu thống kê ở trên ta phân tích được giá vàng cao nhất của là 1,986 USD/ounce và giá dầu thấp nhất là 1,061 USD/ounce; trung bình giá dầu dao động với mức giá 1,446 USD/ounce; độ lệch chuẩn là 269,515 USD/ounce và có 50% giá dầu dao động dưới 1,321 USD/ounce.
8.1.2 Ma trận tương quan
Trước tiên ta tiến hành xem xét mối quan hệ giữa các biến độc lập với biến phụ thuộc bằng cách lập bảng phân tích ma trận tương quan:
cor <- cor(bank)
round(cor, 4)## STB DJI NASDAQ FFR EXR WTI GOLD
## STB 1.0000 0.6932 0.7448 -0.1167 0.1004 0.5781 0.6214
## DJI 0.6932 1.0000 0.9605 0.3033 0.7025 0.2702 0.8407
## NASDAQ 0.7448 0.9605 1.0000 0.0646 0.5910 0.2240 0.9000
## FFR -0.1167 0.3033 0.0646 1.0000 0.6221 0.1218 -0.0052
## EXR 0.1004 0.7025 0.5910 0.6221 1.0000 -0.1892 0.5174
## WTI 0.5781 0.2702 0.2240 0.1218 -0.1892 1.0000 0.2089
## GOLD 0.6214 0.8407 0.9000 -0.0052 0.5174 0.2089 1.0000Tiếp theo, tôi tiến hành lập biểu đồ thể hiện ma trận tương quan giữa các biến trong mô hình mô phỏng:
library(corrplot)## Warning: package 'corrplot' was built under R version 4.3.1## corrplot 0.92 loadedcorrplot(cor, method = "number")
Ma trận tương quan giữa các biến trong mô hình STB, thể hiện hệ số tương quan cao nhất là 0,9605 thể hiện mối tương quan thuận chiều giữa biến NASDAQ và biến DIJ, sau đó là cặp biến giữa DIJ và GOLD là 0,8407 và cuối cùng là hệ số tương quan thuận giữa biến NASDAQ và biến GOLD là 0,9. Tất cả các hệ số tương quan còn lại đều nhỏ hơn 0.8 nên có thể kết luận mô hình nghiên cứu không có hiện tượng đa cộng tuyến nghiêm trọng.
8.2 Xác định phân phối cho các biến đầu vào
8.2.1 Chỉ số giá cổ phiếu Sacombank(STB)
#Đồ thị phân phối chỉ số STB
hist(bank$STB, main = "Frequency of STB", col = "lightblue")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: STB tuân theo phân phối chuẩn
H1: STB không tuân theo phân phối chuẩn
stb <- as.data.frame(bank$STB)
shapiro.test(bank$STB)##
## Shapiro-Wilk normality test
##
## data: bank$STB
## W = 0.79381, p-value = 5.297e-11Với kết quả kiểm định p_value = 5.297e-11 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số STB không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu cổ phiếu STB có phân phối loga chuẩn
H1: Dãy số liệu cổ phiếu STB không có phân phối loga chuẩn
ks.test (bank$STB, y = "plnorm")## Warning in ks.test.default(bank$STB, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$STB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedVới p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối loga chuẩn
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu cổ phiếu STB có phân phối mủ
H1: Dãy số liệu cổ phiếu STB không có phân phối mủ
ks.test (bank$STB, y = "pexp")## Warning in ks.test.default(bank$STB, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$STB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối mủ.
8.2.2 Chỉ số Dow Jones (DIJ)
#Đồ thị phân phối chỉ số DIJ
hist(bank$DJI,main = "Frequency of Dow Jones", col = "lightgreen")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: DIJ tuân theo phân phối chuẩn
H1: DIJ không tuân theo phân phối chuẩn
dij <- as.data.frame(bank$DJI)
shapiro.test(bank$DJI)##
## Shapiro-Wilk normality test
##
## data: bank$DJI
## W = 0.92065, p-value = 7.428e-06Với kết quả kiểm định p_value = 7.428e-06 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số DIJ không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu biến DIJ có phân phối loga chuẩn
H1: Dãy số liệu biến DIJ không có phân phối loga chuẩn
ks.test (bank$DJI, y = "plnorm")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$DJI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối loga chuẩn.
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu biến DIJ có phân phối mủ
H1: Dãy số liệu biến DIJ không có phân phối mủ
ks.test (bank$DJI, y = "pexp")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$DJI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số DIJ không có phân phối mủ.
8.2.3 Chỉ số NASDAQ
#Đồ thị phân phối chỉ số NASDAQ
hist(bank$NASDAQ, main = "Frequency of NASDAQ", col = "orange")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: NASDAQ tuân theo phân phối chuẩn
H1: NASDAQ không tuân theo phân phối chuẩn
nas <- as.data.frame(bank$NASDAQ)
shapiro.test(bank$NASDAQ)##
## Shapiro-Wilk normality test
##
## data: bank$NASDAQ
## W = 0.88876, p-value = 1.854e-07Với kết quả kiểm định p_value = 1.854e-07 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số NASDAQ không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu biến NASDAQ có phân phối loga chuẩn
H1: Dãy số liệu biến NASDAQ không có phân phối loga chuẩn
ks.test (bank$NASDAQ, y = "plnorm")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$NASDAQ
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedVới kết quả kiểm định p_value < 1% nên ta bác bỏ giả thuyết H0. Vậy chỉ số NASDAQ không có phân phối loga chuẩn.
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu biến NASDAQ có phân phối mủ
H1: Dãy số liệu biến NASDAQ không có phân phối mủ
ks.test (bank$NASDAQ, y = "pexp")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$NASDAQ
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số NASDAQ không có phân phối mủ.
8.2.4 Tỷ giá hối đoái (FFR)
#Đồ thị phân phối của FFR
hist(bank$FFR, main = "Frequency of FFR", col = "pink")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: FFR tuân theo phân phối chuẩn
H1: FFR không tuân theo phân phối chuẩn
fr <- as.data.frame(bank$FFR)
shapiro.test(bank$FFR)##
## Shapiro-Wilk normality test
##
## data: bank$FFR
## W = 0.79099, p-value = 4.336e-11Với kết quả kiểm định p_value = 4.336e-11 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, lãi suất quỹ liên bang FFR không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Biến FFR tuân theo phân phối loga chuẩn
H1: Biến FFR không tuần theo phân phối loga chuẩn
ks.test (bank$FFR, y = "plnorm")## Warning in ks.test.default(bank$FFR, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$FFR
## D = 0.43103, p-value < 2.2e-16
## alternative hypothesis: two-sidedvới kết quả kiểm định của phần mềm R, ta có p_value < 1%. Vậy biến FFR không có phân phối loga chuẩn
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Biến FFR tuân theo phân phối mủ
H1: Biến FFR không tuân theo phân phối mủ.
ks.test (bank$FFR,y = "pexp")## Warning in ks.test.default(bank$FFR, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$FFR
## D = 0.34002, p-value = 2.854e-11
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến FFR không có phân phối mủ.
8.2.5 Tỷ giá VND/USD (EXR)
#Đồ thị phân phối của EXR
hist(bank$EXR,main = "Frequency of EXR", col = "yellow")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: EXR tuân theo phân phối chuẩn
H1: EXR không tuân theo phân phối chuẩn
ex <- as.data.frame(bank$EXR)
shapiro.test(bank$EXR)##
## Shapiro-Wilk normality test
##
## data: bank$EXR
## W = 0.91074, p-value = 2.184e-06Với kết quả kiểm định p_value = 2.184e-06 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến EXR không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu biến EXR có phân phối loga chuẩn
H1: Dãy số liệu biến EXR không có phân phối loga chuẩn
ks.test (bank$EXR, y = "plnorm")## Warning in ks.test.default(bank$EXR, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$EXR
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedVới kết quả kiểm định p_value < 1% nên ta bác bỏ giả thuyết H0. Vậy chỉ số EXR không có phân phối loga chuẩn.
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu biến EXR có phân phối mủ
H1: Dãy số liệu biến EXR không có phân phối mủ
ks.test (bank$EXR, y = "pexp")## Warning in ks.test.default(bank$EXR, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$EXR
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số EXR không có phân phối mủ.
8.2.6 Giá dầu (WTI)
#Đồ thị phân phối của WTI
hist(bank$WTI,main = "Frequency of WTI", col = "blue")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: WTI tuân theo phân phối chuẩn
H1: WTI không tuân theo phân phối chuẩn
wt <-as.data.frame(bank$WTI)
shapiro.test(bank$WTI)##
## Shapiro-Wilk normality test
##
## data: bank$WTI
## W = 0.93758, p-value = 7.346e-05Với kết quả kiểm định p_value =7.346e-05< 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến WTI không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu biến WTI có phân phối loga chuẩn
H1: Dãy số liệu biến WTI không có phân phối loga chuẩn
ks.test (bank$WTI, y = "plnorm")## Warning in ks.test.default(bank$WTI, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$WTI
## D = 0.99834, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối loga chuẩn.
c) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu biến WTI có phân phối mủ
H1: Dãy số liệu biến WTI không có phân phối mủ
ks.test (bank$WTI, y = "pexp")## Warning in ks.test.default(bank$WTI, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$WTI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối mủ.
8.2.7 Giá vàng (GOLD)
#Đồ thị phân phối của GOLD
hist(bank$GOLD, main = "Frequency of GOLD", col = "brown")
a) Kiểm định phân phối chuẩn
Giả thuyết:
H0: GOLD tuân theo phân phối chuẩn
H1: GOLD không tuân theo phân phối chuẩn
go <-as.data.frame(bank$GOLD)
shapiro.test(bank$GOLD)##
## Shapiro-Wilk normality test
##
## data: bank$GOLD
## W = 0.86915, p-value = 2.588e-08Với kết quả kiểm định p_value =2.588e-085< 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến GOLD không có phân phối chuẩn.
b) Kiểm định phân phối loga chuẩn:
Giả thuyết
HO: Dãy số liệu biến GOLD có phân phối loga chuẩn
H1: Dãy số liệu biến GOLD không có phân phối loga chuẩn
ks.test (bank$GOLD, y = "plnorm")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$GOLD
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedvới kết quả kiểm định của phần mềm R, ta có p_value < 1%. Vậy biến GOLD không có phân phối loga chuẩn
d) Kiểm định phân phối mủ:
Giả thuyết
HO: Dãy số liệu biến GOLD có phân phối mủ
H1: Dãy số liệu biến GOLD không có phân phối mủ
ks.test (bank$GOLD, y = "pexp")##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: bank$GOLD
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedDựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối mủ.
Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì các biến đầu vào đều không tuân theo một phân phối cụ thể nào cả. Do đó, chung ta sẽ sử dụng phương pháp chuyển động Brown hoặc dùng hàm sample() để mô phỏng dữ liệu các biến đó. Trong bài nghiên cứu này tôi sẽ sử dụng hàm sample() để mô phỏng. Quá trình mô phỏng như thế nào thì tôi trình bày ở trong phần sau.
8.3 Xác định mô hình hồi quy cho đối tượng mô phỏng
Để đánh giá tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu ngân hàng Sacombank, mô hình đề xuất nghiên cứu như sau:
STB = β0+β1DIJ+ β2NASDAQ+ β3FFR+ β4EXR+ β5WTI+ β6GOLDstbmodel <- lm(bank$STB ~bank$DJI + bank$NASDAQ + bank$FFR + bank$EXR + bank$WTI + bank$GOLD )
summary(stbmodel)##
## Call:
## lm(formula = bank$STB ~ bank$DJI + bank$NASDAQ + bank$FFR + bank$EXR +
## bank$WTI + bank$GOLD)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5279.3 -1826.4 -379.1 1641.7 9794.9
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 75996.1486 19971.7984 3.805 0.000243 ***
## bank$DJI 0.2281 0.3254 0.701 0.484931
## bank$NASDAQ 1.8003 0.6049 2.976 0.003652 **
## bank$FFR -210.4009 670.8084 -0.314 0.754432
## bank$EXR -3.3788 0.9234 -3.659 0.000404 ***
## bank$WTI 90.0210 19.9192 4.519 1.69e-05 ***
## bank$GOLD -6.6765 2.3511 -2.840 0.005460 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2742 on 101 degrees of freedom
## Multiple R-squared: 0.8249, Adjusted R-squared: 0.8144
## F-statistic: 79.28 on 6 and 101 DF, p-value: < 2.2e-16Dựa vào kết quả phân tích ước lượng của phần mềm R, ta có mô hình hồi quy có Multiple R-squared = 0.8249 (tức 82,49%) đã chỉ rằng mô hình tương đối tốt và các biến giải thích đều có ý nghĩa trong việc giải thích sự ảnh hưởng của chúng lên giá cổ phiếu STB. Các biến độc lập NASDAQ, EXR, WTI và GOLD đều có ý nghĩa thống kê ở mức ý nghĩa 5% về mối tương quan giữa chỉ số giá cổ phiếu Sacombank với các biến đầu vào như sau:
STB = 75996.1486 + 1,8003NASDAQ -3,3788EXR + 90,0210WTI -6,6765GOLD8.4 Kết quả mô hình
Theo phân tích tính toán của phần mềm R, dựa vào hệ số tương quan hồi quy Multiple R-squared (R2) = 0,8249 gần bằng 1 nên ta có thể kết luận mô hình hồi quy tuyến tính trên là tốt và phù hợp ở mức 82,49%. Với mức ý nghĩa 5%, các biến độc lập là chỉ số NASDAQ, tỷ giá EXR, giá dầu thô WTI, giá vàng thế giới GOLD đều có ý nghĩa thống kê và tác động đến chỉ số giá cổ phiếu STB. Bên cạnh đó, biến DJI và biên FFR không có ý nghĩa thống kê nên không tác động đến biến phụ thuộc STB.
Ngoài ra, giá trị Pr(>|z|) của các biến độc lập NASDAQ, EXR, WTI và GOLD lần lượt là 0,0037; ; 0,0004; 1.69e-05 và 0,0055 đều nhỏ hơn 5% càng cho thấy mỗi biến trên đều có tác động đến chỉ số giá cổ phiếu Sacombank. Trong đó với mức ý nghĩa 5%:
Khi các yếu tố độc lập không đổi thì giá cổ phiếu STB có giá trị trung bình là 75996.1486 đồng/ cổ phiếu.
Khi các biến độc lập EXR, WTI và GOLD không đổi,chỉ số NASDAQ tăng 1 điểm thì giá cổ phiếu STB tăng 1,8003 đồng/cổ phiếu, biểu thị mối quan hệ cùng chiều giữa 2 biến NASDAQ và STB.
Khi các biến độc lập NASDAQ, WTI và GOLD không đổi,tỷ giá EXR giảm 1 VND/USD thì giá cổ phiếu STB giảm -3.3788 đồng/ cổ phiếu, biểu thị mối quan hệ ngược chiều giữa biến EXR và STB.
Khi các biến độc lập NASDAQ, EXR và GOLD không đổi, giá dầu thô tăng 1 USD/thùng thì giá cổ phiếu tăng 90,0210 đồng/ cổ phiếu,biểu thị mối quan hệ cùng chiều giữa biến WTI và STB.
Khi các biến độc lập NASDAQ, EXR và WTI không đổi, giá vàng thế giới tăng 1 USD/ounce thì giá cổ phiếu giảm -6, 6765 đồng/cổ phiếu, biểu thị mối quan hệ ngược chiều giữa biến GOLD và STB.
8.5 Chạy mô hình với các phân phối khác nhau của các biến đầu vào
8.5.1 Mô hình mô phỏng
Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến đầu vào NASDAQ, EXR, WTI và GOLD. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng phân phối xác suất. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 5000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.
8.5.1.1 Biến NASDAQ
# Cắt dữ liệu và lập bảng phân phối
library(dplyr)
library(psych)
library(nortest)
n_bins <- 7
breaks <- quantile(bank$NASDAQ, probs = seq(0, 1, length.out = n_bins + 1), type = 1, na.rm = TRUE)
nas <- sapply(2:length(breaks), function(i) sample(bank$NASDAQ[bank$NASDAQ >= breaks[i - 1] & bank$NASDAQ <= breaks[i]], 7, replace = TRUE))
K <- table(nas)
na1 <- as.data.frame(K) %>%
mutate(Tan_suat = Freq / sum(Freq))
na1## nas Freq Tan_suat
## 1 4114.56 1 0.02040816
## 2 4369.77 1 0.02040816
## 3 4557.95 2 0.04081633
## 4 4630.74 1 0.02040816
## 5 4736.05 1 0.02040816
## 6 4775.36 2 0.04081633
## 7 4948.06 1 0.02040816
## 8 5053.75 2 0.04081633
## 9 5108.67 3 0.06122449
## 10 5383.12 1 0.02040816
## 11 5614.79 1 0.02040816
## 12 5911.74 2 0.04081633
## 13 6047.61 1 0.02040816
## 14 6348.12 1 0.02040816
## 15 6727.67 1 0.02040816
## 16 6873.97 1 0.02040816
## 17 7066.27 2 0.04081633
## 18 7453.15 1 0.02040816
## 19 7510.3 1 0.02040816
## 20 7700.1 2 0.04081633
## 21 8006.24 1 0.02040816
## 22 8109.54 1 0.02040816
## 23 8665.47 2 0.04081633
## 24 9150.94 1 0.02040816
## 25 10058.76 2 0.04081633
## 26 10466.48 1 0.02040816
## 27 10575.62 1 0.02040816
## 28 11028.74 2 0.04081633
## 29 11468 1 0.02040816
## 30 12390.69 1 0.02040816
## 31 12888.28 3 0.06122449
## 32 13751.4 1 0.02040816
## 33 15498.39 1 0.02040816
## 34 15644.97 3 0.06122449# Mô phỏng mẫu 10000 lần:
prob1 <- na1$Tan_suat
sx1 <- sample(na1$nas, 10000, replace = TRUE , prob = prob1)
sx2 <- as.character(sx1)
naspp <- as.numeric(sx2)
# Thống kê mô tả cho dữ liệu mô phỏng với 10000 quan sát của biến NASDAQ
describe(naspp)## vars n mean sd median trimmed mad min max range
## X1 1 10000 8207.7 3447.39 7453.15 7809.67 3714.05 4114.56 15644.97 11530.41
## skew kurtosis se
## X1 0.77 -0.57 34.47# Đồ thị
hist(naspp, main = "Frequency of NASDAQ", col = "green")
8.5.1.2 Biến EXR
# Cắt dữ liệu và lập bảng phân phối
n_bins <- 7
breaks <- quantile(bank$EXR, probs = seq(0, 1, length.out = n_bins + 1), type = 1, na.rm = TRUE)
e1 <- sapply(2:length(breaks), function(i) sample(bank$EXR[bank$EXR >= breaks[i - 1] & bank$EXR <= breaks[i]], 7, replace = TRUE))
K1 <- table(e1)
exr1 <- as.data.frame(K1) %>%
mutate(Tan_suat = Freq / sum(Freq))
exr1## e1 Freq Tan_suat
## 1 21035 1 0.02040816
## 2 21075 1 0.02040816
## 3 21080 1 0.02040816
## 4 21300 2 0.04081633
## 5 21320 1 0.02040816
## 6 21370 1 0.02040816
## 7 21550 1 0.02040816
## 8 21785 3 0.06122449
## 9 22281 1 0.02040816
## 10 22284 1 0.02040816
## 11 22309 1 0.02040816
## 12 22480 1 0.02040816
## 13 22640 1 0.02040816
## 14 22700 4 0.08163265
## 15 22720 1 0.02040816
## 16 22726 1 0.02040816
## 17 22740 1 0.02040816
## 18 22756 1 0.02040816
## 19 22763 1 0.02040816
## 20 22793 1 0.02040816
## 21 22804 1 0.02040816
## 22 22950 2 0.04081633
## 23 22956 2 0.04081633
## 24 23014 1 0.02040816
## 25 23070 1 0.02040816
## 26 23074 1 0.02040816
## 27 23174 1 0.02040816
## 28 23181 2 0.04081633
## 29 23190 1 0.02040816
## 30 23200 1 0.02040816
## 31 23204 1 0.02040816
## 32 23280 3 0.06122449
## 33 23303 2 0.04081633
## 34 23410 2 0.04081633
## 35 23610 1 0.02040816
## 36 24630 1 0.02040816# Mô phỏng mẫu 10000 lần:
prob2 <- exr1$Tan_suat
sx11 <- sample(exr1$e1, 10000, replace = TRUE , prob = prob2)
sx22 <- as.character(sx11)
exrpp <- as.numeric(sx22)
# Thống kê mô tả cho dữ liệu mô phỏng với 10000 quan sát của biến EXR
describe(exrpp)## vars n mean sd median trimmed mad min max range skew
## X1 1 10000 22653.99 763.43 22793 22710.46 603.42 21035 24630 3595 -0.52
## kurtosis se
## X1 0.12 7.63# Đồ thị
hist(exrpp,main = "Frequency of EXR", col = "orange")
8.5.1.3 Biến WTI
# Cắt dữ liệu và lập bảng phân phối
n_bins2 <- 7
breaks2 <- quantile(bank$WTI, probs = seq(0, 1, length.out = n_bins + 1), type = 1, na.rm = TRUE)
wt1 <- sapply(2:length(breaks2), function(i) sample(bank$WTI[bank$WTI >= breaks2[i - 1] & bank$WTI <= breaks2[i]], 7, replace = TRUE))
K2 <- table(wt1)
wti1 <- as.data.frame(K2) %>%
mutate(Tan_suat = Freq / sum(Freq))
wti1## wt1 Freq Tan_suat
## 1 20.48 1 0.02040816
## 2 33.75 1 0.02040816
## 3 37.04 1 0.02040816
## 4 40.22 1 0.02040816
## 5 40.27 1 0.02040816
## 6 42.61 1 0.02040816
## 7 44.76 2 0.04081633
## 8 45.41 1 0.02040816
## 9 45.92 1 0.02040816
## 10 46.04 1 0.02040816
## 11 47.23 1 0.02040816
## 12 48.24 1 0.02040816
## 13 48.32 1 0.02040816
## 14 49.2 1 0.02040816
## 15 49.33 1 0.02040816
## 16 49.76 2 0.04081633
## 17 51.56 1 0.02040816
## 18 52.2 1 0.02040816
## 19 52.81 1 0.02040816
## 20 53.79 1 0.02040816
## 21 54.18 1 0.02040816
## 22 55.1 1 0.02040816
## 23 57.22 2 0.04081633
## 24 57.4 1 0.02040816
## 25 60.14 1 0.02040816
## 26 60.42 2 0.04081633
## 27 63.58 1 0.02040816
## 28 64.73 1 0.02040816
## 29 66.18 1 0.02040816
## 30 68.5 1 0.02040816
## 31 68.57 1 0.02040816
## 32 68.76 1 0.02040816
## 33 69.8 1 0.02040816
## 34 73.25 1 0.02040816
## 35 73.47 1 0.02040816
## 36 75.03 1 0.02040816
## 37 80.56 1 0.02040816
## 38 88.15 1 0.02040816
## 39 89.55 1 0.02040816
## 40 98.17 1 0.02040816
## 41 98.62 1 0.02040816
## 42 102.71 1 0.02040816
## 43 104.69 1 0.02040816
## 44 105.37 1 0.02040816
## 45 114.67 1 0.02040816# Mô phỏng mẫu 10000 lần
prob3 <- wti1$Tan_suat
sx111 <- sample(wti1$wt1, 10000, replace = TRUE , prob = prob3)
sx222 <- as.character(sx111)
wtipp <- as.numeric(sx222)
# Thống kê mô tả cho dữ liệu mô phỏng với 10000 quan sát của biến WTI
describe(wtipp)## vars n mean sd median trimmed mad min max range skew kurtosis
## X1 1 10000 61.75 20.59 57.22 59.73 16.75 20.48 114.67 94.19 0.83 0.16
## se
## X1 0.21# Đồ thị
hist(wtipp, main = "Frequency of WTI", col = "lightblue")
8.5.1.4 Biến GOLD
# Cắt dữ liệu và lập bảng phân phối
n_bins3 <- 7
breaks3 <- quantile(bank$GOLD, probs = seq(0, 1, length.out = n_bins + 1), type = 1, na.rm = TRUE)
gol1 <- sapply(2:length(breaks3), function(i) sample(bank$GOLD[bank$GOLD >= breaks3[i - 1] & bank$GOLD <= breaks3[i]], 7, replace = TRUE))
K3 <- table(gol1)
gold1 <- as.data.frame(K3) %>%
mutate(Tan_suat = Freq / sum(Freq))
gold1## gol1 Freq Tan_suat
## 1 1066 1 0.02040816
## 2 1116.8 1 0.02040816
## 3 1132.5 1 0.02040816
## 4 1172.8 1 0.02040816
## 5 1183.4 1 0.02040816
## 6 1184.1 1 0.02040816
## 7 1184.9 1 0.02040816
## 8 1206.7 2 0.04081633
## 9 1231.8 1 0.02040816
## 10 1235.1 1 0.02040816
## 11 1240.3 2 0.04081633
## 12 1246 1 0.02040816
## 13 1271.7 1 0.02040816
## 14 1273.4 1 0.02040816
## 15 1279 1 0.02040816
## 16 1280 1 0.02040816
## 17 1281.1 1 0.02040816
## 18 1282.8 2 0.04081633
## 19 1314 1 0.02040816
## 20 1316.9 1 0.02040816
## 21 1320.9 2 0.04081633
## 22 1322.4 2 0.04081633
## 23 1322.7 1 0.02040816
## 24 1357.5 1 0.02040816
## 25 1478.1 1 0.02040816
## 26 1521.8 1 0.02040816
## 27 1529.4 3 0.06122449
## 28 1701 1 0.02040816
## 29 1726.2 1 0.02040816
## 30 1731.6 1 0.02040816
## 31 1769.8 1 0.02040816
## 32 1775.1 1 0.02040816
## 33 1784.8 1 0.02040816
## 34 1785.9 1 0.02040816
## 35 1799.2 1 0.02040816
## 36 1842.2 1 0.02040816
## 37 1852.7 1 0.02040816
## 38 1902.6 1 0.02040816
## 39 1904 1 0.02040816
## 40 1959.5 2 0.04081633
## 41 1985.9 1 0.02040816# Mô phỏng mẫu 10000 lần
prob4 <- gold1$Tan_suat
sx1111 <- sample(gold1$gol1, 10000, replace = TRUE , prob = prob4)
sx2222 <- as.character(sx1111)
goldpp <- as.numeric(sx2222)
# Thống kê mô tả cho dữ liệu mô phỏng với 10000 quan sát của biến GOLD
describe(goldpp)## vars n mean sd median trimmed mad min max range skew
## X1 1 10000 1455.27 274.68 1320.9 1434.69 203.86 1066 1985.9 919.9 0.6
## kurtosis se
## X1 -1.14 2.75# Đồ thị
hist(goldpp, main = "Frequency of GOLD", col = "red")
Từ đó ta tiến hành lập bộ dữ liệu mới dùng để mô phỏng:
new_STB1 <- data.frame(naspp, exrpp, wtipp, goldpp)
str(new_STB1)## 'data.frame': 10000 obs. of 4 variables:
## $ naspp : num 11468 6348 12888 11468 4775 ...
## $ exrpp : num 23174 23303 22763 22726 24630 ...
## $ wtipp : num 69.8 68.8 47.2 54.2 75 ...
## $ goldpp: num 1732 1279 1207 1522 1117 ...8.5.2 Kết quả mô phỏng
library(psych)
STB <-(75996.1486) + 1.8003*naspp - 3.3788*exrpp + 90.0210*wtipp -6.6765*goldpp
describe(STB)## vars n mean sd median trimmed mad min max
## X1 1 10000 10072.2 7264.44 8865.45 9627.94 7435.14 -7896.03 34992.16
## range skew kurtosis se
## X1 42888.19 0.52 -0.33 72.64Dựa vào số liệu thống kê cho bộ dữ liệu mô phỏng 10000 quan sát của biến STB ở trên, ta phân tích được giá cổ phiếu cao nhất của ngân hàng Sacombank là 34,389 đồng/cổ phiếu; giá trị trung bình giá cổ phiếu dao động với mức giá 10,067 đồng/cổ phiếu; độ lệch chuẩn là 7,001 đồng/cổ phiếu và có 50% giá cổ phiếu dao động dưới 8,961 đồng/cổ phiếu trong tương lai.
#Đồ thị:
hist(STB, main = "Frequency of STB", col = "pink")
8.5.3 Phân tích kết quả mô phỏng giá cổ phiếu STB
STBthap<-STB[STB< 10500]
STBcao<-STB[STB>= 10500]
table(cut(STB, breaks = 2,labels = c('thap','cao')))##
## thap cao
## 7011 2989length(STBthap)/length(STB)## [1] 0.5784length(STBcao)/length(STB)## [1] 0.4216Từ giá trị đã mô phỏng, ta có giá trị trung bình của STB là 10.067 VND. Lấy mốc 10.500 đồng/ cổ phiếu làm thước đo, ta thấy có 7077 phiên giao dịch cổ phiếu mà khi đầu tư sẽ bị lỗ, chiếm khoảng 58% tổng các phiên giao dịch. Có 2923 phiên giao dịch cổ phiếu mà khi đầu tư sẽ hòa vốn hoặc có khả năng sinh lời, có xác suất gần 42%.
mean = 10067
TN<-STB[(STB-mean)>= 12000]
tangnhieu<-length(TN)/length(STB)
TV<-STB[(STB-mean)>=3000&(STB-mean)<12000]
tangvua<-length(TV)/length(STB)
TI<-STB[(STB-mean)>=1000&(STB-mean)<3000]
tangit<-length(TI)/length(STB)
GN<-STB[(STB-mean) <= -12000]
giamnhieu<-length(GN)/length(STB)
GV<-STB[(STB-mean)<= -3000&(STB-mean)> -12000]
giamvua<-length(GV)/length(STB)
GI<-STB[(STB-mean)<= -1000&(STB-mean)> -3000]
giamit<-length(GI)/length(STB)
pt<- data.frame(Category = c("tangnhieu","tangvua", "tangit", "giamnhieu","giamvua", "giamit"), Value = c(0.0819, 0.2511,0.0806, 0.0071,0.3704,0.1142))
library(ggplot2)
ggplot(pt, aes(x = Category, y = Value)) +
geom_bar(stat = "identity") +
labs(x = "Categories", y = "Values", title = "Histogram of STB stock price")
Với giá cổ phiếu trung bình là 10,254 đồng/cổ phiếu, ta có:
Xác suất các phiên tăng giá từ 12000 đồng/cổ phiếu trở lên so với giá cổ phiếu trung bình (tangnhieu) là 8,19%.
Xác suất giá cổ phiếu tăng từ 3000 đồng/cổ phiếu đến dưới 12000 đồng/cổ phiếu so với giá cổ phiếu trung bình (tangvua) chiếm đến 25,11%.
Xác suất giá cổ phiếu tăng từ 1000 đồng/cổ phiếu đến dưới 3000 đồng/cổ phiếu (tangit) là 8,06%.
Xác suất các phiên giảm giá từ 12000 đồng/cổ phiếu trở xuống so với giá cổ phiếu trung bình (giamnhieu) là chỉ chiếm 0,71%
Xác suất giá cổ phiếu giảm từ 12000 đồng/cổ phiếu đến dưới 3000 đồng/cổ phiếu so với giá cổ phiếu trung bình (giamvua) chiếm đến 37,04%.
Xác suất giá cổ phiếu giảm từ 3000 đồng/cổ phiếu đến dưới 1000 đồng/cổ phiếu so với giá cổ phiếu trung bình (giamit) là 11,42%.
TG <-STB[(STB-mean)>0]
tang<-length(T)/length(STB)
G <-STB[(STB-mean)<0]
giam <-length(G)/length(STB)
pt1<- data.frame(Category = c("tang", "giam"), Value = c(0.4573,0.5427))
ggplot(pt1, aes(x = Category, y = Value)) +
geom_bar(stat = "identity") +
labs(x = "Categories", y = "Values", title = "Histogram of STB stock price",fill = rainbow(6))
Trong 10000 phiên mô phỏng giá cổ phiếu STB, ta thấy dựa vào kết quả phân tích của phần mềm R có 4573 phiên tăng giá với tỉ lệ giá cổ phiếu tăng so với giá cổ phiếu trung bình là 45,73% và 5427 phiên giảm giá với tỉ lệ giá cổ phiếu giảm so với giá cổ phiếu trung bình là 54,27%.
Xét ở thời điểm hiện tại (ngày 02/08/2023) thì cổ phiếu STB có giá là 29,100 đồng/cổ phiếu. Giả sử ta đầu tư vào mã chứng khoán ngân hàng Sacombank; nếu STB tăng lên hơn 7% (31,137 đồng/cổ phiếu) thì được tính là lời, giảm hơn 7% (26,924 đồng/cổ phiếu) thì tính là lỗ và nằm trong biên độ giao động ±7 (từ 26,924 VNĐ đến 30,977 VNĐ) thì được tính là hoà vốn.
LOSS <- STB[STB < 27063]
lo <- length(LOSS)/length(STB)
HV <- STB[STB >= 27063 & STB <= 31137]
hoavon <- length(HV)/length(STB)
PROFIT <- STB[STB > 31137]
loi <- length(PROFIT)/length(STB)
pt2<- data.frame(Category = c("lo", "hoavon", "loi"), Value = c(0.9847,0.0139,0.0014 ))
pt2## Category Value
## 1 lo 0.9847
## 2 hoavon 0.0139
## 3 loi 0.0014Dựa vào kết quả phân tích của phần mềm R đã chỉ ra có đến 98,47% khi đầu tư vào cổ phiếu STB là lỗ, chỉ 1,39% là hoà vốn và 0,14% là lời. Tuy nhiên, trong thực tế khi xét đến việc lời/lỗ khi đầu tư trong 1 khoảng thời gian thì các giá trị hoà vốn sẽ được cho là lỗ(sự mất giá). Do đó ta sẽ gộp kết quả đầu tư lỗ và đầu tư hoà vốn thành một. Khi đó ta sẽ có kết quả khi đầu tư vào cổ phiếu STB là 1,53% lời và 98,47% là lỗ. Rủi ro lớn hơn rất nhiều so với lợi nhuận dựa vào tác động của các yếu tố vĩ mô xây dựng mô phỏng được từ mô hình hồi quy.
8.5.4 Yếu tố có tác động nhiều nhất
library(relaimpo)## Warning: package 'relaimpo' was built under R version 4.3.1## Loading required package: MASS##
## Attaching package: 'MASS'## The following object is masked from 'package:dplyr':
##
## select## Loading required package: boot##
## Attaching package: 'boot'## The following object is masked from 'package:psych':
##
## logit## Loading required package: survey## Warning: package 'survey' was built under R version 4.3.1## Loading required package: grid## Loading required package: Matrix## Warning: package 'Matrix' was built under R version 4.3.1## Loading required package: survival##
## Attaching package: 'survival'## The following object is masked from 'package:boot':
##
## aml##
## Attaching package: 'survey'## The following object is masked from 'package:graphics':
##
## dotchart## Loading required package: mitools## Warning: package 'mitools' was built under R version 4.3.1## This is the global version of package relaimpo.## If you are a non-US user, a version with the interesting additional metric pmvd is available## from Ulrike Groempings web site at prof.beuth-hochschule.de/groemping.calc.relimp(stbmodel, type = "lmg", rela = T, rank = T)## Response variable: bank$STB
## Total response variance: 40521587
## Analysis based on 108 observations
##
## 6 Regressors:
## bank$DJI bank$NASDAQ bank$FFR bank$EXR bank$WTI bank$GOLD
## Proportion of variance explained by model: 82.49%
## Metrics are normalized to sum to 100% (rela=TRUE).
##
## Relative importance metrics:
##
## lmg
## bank$DJI 0.24126671
## bank$NASDAQ 0.27573717
## bank$FFR 0.03380837
## bank$EXR 0.09724658
## bank$WTI 0.20057624
## bank$GOLD 0.15136493
##
## Average coefficients for different model sizes:
##
## 1X 2Xs 3Xs 4Xs 5Xs
## bank$DJI 0.7133523 0.5981715 0.6884358 0.6729417 0.4711299
## bank$NASDAQ 1.3953536 1.6689320 1.6374536 1.5947002 1.6942472
## bank$FFR -747.9813303 -1437.2957774 -1241.1028900 -895.8245729 -477.5896904
## bank$EXR 0.8440738 -1.8297778 -3.8065501 -4.3631930 -4.0741393
## bank$WTI 179.4695482 157.9428604 135.8384198 112.7137994 97.6164349
## bank$GOLD 14.6762836 8.4840809 1.4497144 -3.9719149 -6.1085158
## 6Xs
## bank$DJI 0.2281307
## bank$NASDAQ 1.8002620
## bank$FFR -210.4009271
## bank$EXR -3.3788152
## bank$WTI 90.0210472
## bank$GOLD -6.6764953Thông qua kết quả trên, với tỷ lệ phương sai được giải thích bởi mô hình đến 82,49% đã cho thấy chỉ số NASDAQ có tác động nhiều nhất đến giá cổ phiếu của Ngân hàng Thương mại Cổ phần Sài gòn Thương Tín, chiếm 27,57%; tiếp theo đó chỉ số trung bình công nghiệp Dow Jones; giá dầu thô và giá vàng thế giới cũng có tác động khá lớn, chiếm tỷ lệ lần lượt là 24,13%; 20,06% và 15,14%. Tuy nhiên, Tỷ giá USD/VND và lãi suất quỹ liên bang FFR có tác động không đáng kể đến giá cổ phiếu của Ngân hàng thương mại cổ phần Ngoại thương Việt Nam, chỉ chiếm tỷ lệ lần lượt là 9,73% và 3,38%.
9 CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
9.1 Kết luận
Theo kết quả mô phỏng bằng mô hình hồi quy đã chỉ ra trong dài hạn, chỉ số NASDAQ và giá dầu thế giới có tác động dương đến sự biến động chỉ số giá cổ phiếu ngân hàng Sacombank; ngược lại tỷ giá hối đoái và giá vàng có tác động âm đến giá cổ phiếu STB. Trong khi đó, chỉ số trung bình công nghiệp Dow Jones và lãi suất quỹ liên bang không có ý nghĩa thống kê trong mô hình. Điều này cho thấy là trong ngắn hạn, vàng có thể là kênh trú ẩn an toàn cho các nhà đầu tư chứng khoán. Vì ngay khi cổ phiếu giảm giá, các nhà tư vấn tài chính thường có xu hướng tư vấn cho các nhà đầu nên nắm giữ vàng trong trong giai đoạn này. Việc vàng tăng giá mạnh có thể tác động đến thị trường chứng khoán nói chung và chỉ số giá cổ phiếu ngân hàng nói riêng, làm cho tiền gửi trong dân cư giảm và như vậy sẽ ảnh hưởng giảm cung quỹ cho vay đối với nền kinh tế. Bên cạnh đó, ta thấy rằng tỷ giá hối đoái và giá dầu thế giới trong quá khứ đều có thể được sử dụng làm một kênh dự báo tốt cho chỉ số thị trường chứng khoán trong tương lai ngắn hạn cũng như dài hạn. Các nhà đầu tư có thể giảm thiểu rủi ro danh mục đầu tư của họ bằng cách phân phối vốn hợp lý giữa các thị trường này. Mối tương quan giữa đa số các biến với thị trường chứng khoán có dấu phù hợp với các lý thuyết kinh tế và có nhiều tương đồng với những nghiên cứu của các tác giả khác.
Kết quả nghiên cứu chứng minh rằng sự chuyển động của thị trường chứng khoán Việt Nam nói chung và giá cổ phiếu ngân hàng nói riêng không chỉ phụ thuộc vào những thay đổi trong các biến trong nước mà còn cả yếu tố vĩ mô toàn cầu, cụ thể ở đây là chỉ số chứng khoán toàn cầu.
Dựa vào việc mô phỏng giá cổ phiếu của các tổ chức, doanh nghiệp nói chung và giá cổ phiếu ngân hàng TMCP Sacombank nói riêng thông qua ước tính tác động của các nhân tố kinh tế vĩ mô đã 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. Bằng cách mô phỏng sự ảnh hưởng của các yếu tố đến giá cổ phiếu, ta có thể tạo ra các mô hình và công cụ dự báo để đánh giá tiềm năng tăng trưởng, rủi ro và xu hướng của giá trong tương lai. Điều này có thể hỗ trợ các nhà đầu tư và doanh nghiệp trong việc ra quyết định đầu tư thông minh và hiệu quả trong tương lai. 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.
9.2 Kiến nghị
Dựa trên kết quả về tác động bất đối xứng của giá dầu đến thị trường chứng khoán, nghiên cứu đưa ra một số khuyến nghị, chính sách nhằm gia tăng sự tác động tích cực và hạn chế sự tác động tiêu cực của các nhân tố kinh tế vĩ mô đến các chỉ số giá cổ phiếu ngân hàng Sacombank:
Ổn định tỷ giá hối đoái: Tỷ giá hối đoái đóng vai trò quan trọng trong các hoạt động của nền kinh tế nói chung và thị trường cổ phiếu ngân hàng nói riêng. Đặc biệt trong giai đoạn hiện nay, VN đang có những chính sách thu hút nguồn vốn đầu tư từ nước ngoài; đặc biệt đối với nguồn vốn gián tiếp thông ua việc dự thảo các nội dung như nhà đầu tư nước ngoài được mua cổ phần, phần vốn góp để sở hữu 51% vốn điều lệ của tổ chức kinh doanh chứng khoán đang hoạt động; được thành lập mới tổ chức kinh doanh chứng khoán 100% vốn nước ngoài hoặc mua để sở hữu 100% vốn nước ngoài tổ chức kinh doanh chứng khoán đang hoạt động tại VN. Với những chính sách thu hút vốn thì việc ổn định tỷ giá hối đoái sẽ góp phần làm cho các chính sách thu hút nguồn vốn từ nước ngoài đạt được hiệu quả cao hơn; giúp tạo dựng niềm tin cho các nhà đầu tư về một môi trường kinh doanh ổn định, có nhiều chính sách ưu đãi; tạo ra các bước đệm về sau trong việc thu hút thêm nguồn vốn từ nước ngoài để đầu tư và phát triển TTCK trong tương lai. Để đạt được mục tiêu ổn định tỷ giá hối đoái thì cần thực hiện các hoạt động kinh tế tạo ra nhiều nguồn thu ngoại tệ như: quản lý quỹ dự trữ ngoại hối, cải thiện cán cân thanh toán quốc tế, tăng nguồn dự trữ ngoại tệ,… khi cần thiết NHNN có thể sử dụng để điều tiết và duy trì tỷ giá hối đoái được ổn định, đồng thời chống lại các cú sốc từ bên ngoài giúp ổn định kinh tế vĩ mô, hạn chế tác động bất thường của các nhân tố kinh tế vĩ mô đến các chỉ số giá cổ phiếu.
Chính sách kiểm soát giá vàng: Tác động lớn nhất đến giá vàng hiện nay vẫn là các chính sách của Chính phủ trong việc quản lý thị trường vàng. Trong những năm qua, NHNN đã có rất nhiều biện pháp để có thể kiểm soát giá vàng trong nước nhằm hạn chế tình trạng đầu cơ tích trữ vàng và để cân bằng lượng cung cầu vàng trên thị trường. Chính vì vậy, chính quyền mỗi nước ASEAN cần tăng cường chế tài xử phạt vi phạm đối với các vi phạm đối với hành vi nhập lậu vàng, cụ thể Ngân hàng trung ương cần tăng mức phạt, tước bỏ giấy phép kinh doanh của các đơn vị buôn bán, nhập lậu vàng. Đồng thời hạn chế kinh doanh vàng miếng nhưng vẫn đảm bảo quyền tích trữ vàng, mua bán vàng của người dân, từ đó giữ ổn định giá vàng để hạn chế sức ảnh hưởng đến các thị trường khác nói chung và thị trường chứng khoán nói riêng.
Chính sách điều tiết giá xăng, dầu thế giới: Giá dầu tăng làm thị trường chứng khoán xấu đi và giá dầu giảm làm thị trường chứng khoán khởi sắc. Kết quả này có thể phản ánh những ảnh hưởng của diễn biến giá dầu đến dòng tiền tương lai của các công ty, theo đó làm giảm giá chứng khoán khi dầu tăng và tăng giá chứng khoán khi dầu giảm và ngược lại với trong ngắn hạn. Vì vậy sự bất đối xứng của phản ứng thị trường chứng khoán với giá dầu có thể phát sinh từ sự điều chỉnh chưa nhất quán về mức độ của các doanh nghiệp bán xăng dầu với diễn biến giá dầu thế giới. Do vậy, nhà điều hành chính sách ở mỗi nước ASEAN, cụ thể là Bộ Tài chính, cần có sự xem xét về hành vi điều chỉnh giá bán lẻ xăng dầu của các doanh nghiệp bán để đảm bảo quyền lợi của người tiêu dùng và những doanh nghiệp sử dụng xăng dầu làm đầu vào cho sản xuất.
10 TÀI LIỆU THAM KHẢO
[1] Trần Mạnh Tường (2023), Mô phỏng ngẫu nhiên, https://www.rpubs.com/tmt/1063123.
[2] Trần Lộc Hùng và Trần Mạnh Tường (2017), Bài giảng Mô phỏng ngẫu nhiên, Trường Đại học Tài chính - Marketing.
[3] Abdalla, I. S., & Murinde, V. (1997). Exchange rate and stock price interactions in emerging financial markets: Evidence on India, Korea, Pakistan and the Philippines. Applied Financial Economics, 7(1), 25-35.
[4] Akbar, M., Iqbal, F., & Noor, F. (2019). Bayesian analysis of dynamic linkages among gold price, stock prices, exchange rate and interest rate in Pakistan. Resources Policy, 62, 154-164.
[5] Nguyễn Văn Tuấn (2018). Phân tích số liệu và biểu đồ bằng R. Garvan Institute of Medical Research.
[6] Nguyễn Minh Kiều và Nguyễn Văn Điệp(2013). Quan hệ giữa các yếu tố kinh tế vĩ mô và biến động thị trường chứng khoán: Bằng chứng nghiên cứu từ thị trường VN. Tạp chí Phát triển Khoa học và Công nghệ, Tập 6, Số 3, trang 86 – 100.
[7] Wahyudi, S., Hersugondo, H., Laksana, R. D., & Rudy, R. (2017). Macroeconomic Fundamental and Stock Price Index in Southeast Asia Countries A Comparative Study. International Journal of Economics and Financial Issues, 7(2), 182-187
11 PHỤ LỤC
`
library(DT)## Warning: package 'DT' was built under R version 4.3.1datatable(bank)