TIỂU LUẬN MÔN MÔ HÌNH NGẪU NHIÊN

1 CHƯƠNG 1: GIỚI THIỆU

1.1 Đặt vấn đề

Thị trường chứng khoán Hoa Kỳ không chỉ là nơi tập trung của các công ty lớn nhất toàn cầu mà còn là trung tâm tài chính quan trọng, nơi quyết định nhiều chính sách kinh tế vĩ mô có ảnh hưởng trên toàn thế giới. Sự biến động trên thị trường này thường tạo ra những làn sóng phản ứng mạnh mẽ tại các thị trường khác, trong đó có nền kinh tế đang phát triển như Việt Nam. Những thay đổi trong chính sách lãi suất, tình hình kinh tế, hoặc các sự kiện kinh tế - chính trị quan trọng tại Hoa Kỳ đều có thể dẫn đến những biến động mạnh mẽ trên thị trường chứng khoán Việt Nam.

Tại Việt Nam, thị trường chứng khoán tuy còn non trẻ nhưng đã có những bước phát triển vượt bậc trong những năm gần đây, thu hút sự quan tâm của nhiều nhà đầu tư trong và ngoài nước. Tuy nhiên, do đặc thù của một nền kinh tế đang phát triển, thị trường này vẫn còn phụ thuộc nhiều vào dòng vốn ngoại và những biến động từ bên ngoài, đặc biệt là từ các nền kinh tế lớn như Hoa Kỳ.

Việc nghiên cứu sự ảnh hưởng của thị trường chứng khoán Hoa Kỳ đối với thị trường chứng khoán Việt Nam không chỉ có ý nghĩa khoa học mà còn có ý nghĩa thực tiễn cao. Kết quả nghiên cứu sẽ giúp các nhà hoạch định chính sách, các nhà đầu tư hiểu rõ hơn về mức độ phụ thuộc và cách thức phản ứng của thị trường chứng khoán Việt Nam trước những biến động của thị trường chứng khoán Hoa Kỳ. Từ đó, có thể đưa ra những giải pháp, chiến lược phù hợp nhằm giảm thiểu rủi ro và tối đa hóa lợi nhuận trong quá trình đầu tư.

1.2 Mục tiêu nghiên cứu

Mục tiêu chung: Đo lường mức độ phản ứng của thị trường chứng khoán Việt Nam đối với biến động của thị trường chứng khoán Hoa Kỳ trong giai đoạn 2010-2024.

Mục tiêu cụ thể:

• Mục tiêu 1: Xác định mức độ phụ thuộc giữa thị trường chứng khoán Việt Nam đối với thị trường chứng khoán Hoa Kỳ. Từ đó suy ra mức độ phản ứng của thị trường chứng khoán việt nam, trước sự biến động của thị trường chứng khoán Hoa Kỳ.

• Mục tiêu 2: Kiểm định sự lan truyền ảnh hưởng trên thị trường chứng Hoa Kỳ đến thị trường chứng khoán Việt Nam dưới sự tác động của đại dịch COVID – 19 giai đoạn cuối 2019 đến năm 2022.

1.3 Đối tượng nghiên cứu

Trong phạm vi bài viết này sẽ xoay quanh nghiên cứu về sự biến động của thị trường chứng khoán Việt Nam đối với sự biến động của thị trường chứng khoán Hoa Kỳ được đại diện bởi chỉ số S&P 500.

1.4 Phạm vi nghiên cứu

Phạm vi không gian: Bài tiểu luận sẽ phân tích sự biến động của thị trường chứng khoán Việt Nam đối với sự biến động của thị trường chứng khoán Hoa Kỳ.

Phạm vi thời gian: Bài tiểu luận sẽ xem xét sự biến động của thị trường chứng khoán Việt Nam đối với sự biến độ của thị trường chứng khoán Hoa Kỳ trong phạm vi thời gian là 14 năm, từ ngày 05 tháng 01 năm 2010 đến ngày 28 tháng 06 năm 2024.

1.5 Bố cục bài tiểu luận

Chương 1: Giới thiệu. Chương này đưa ra các khái quát về nội dung của bài tiểu luận bao gồm mục tiêu, đối tượng phạm vi nghiên cứu, và bố cục của bài viết.

Chương 2: Cơ sở lý thuyết. Để đạt được các mục tiêu ở Chương 1, chương này là hệ thống cơ sở lý thuyết về thị trường chứng khoán và lý thuyết của mô hình Copula được áp dụng để phân tích và xem xét sự biến động của thị trường chứng khoán Việt Nam đối với sự biến động của thị trường chứng khoán Hoa Kỳ.

Chương 3: Mức độ phản ứng của thị trường chứng khoán Việt Nam đối với mức độ biến động của thị trường chứng khoán Hoa Kỳ. Chương này sẽ trình bày khái quá về thị trường chứng khoán của hai nước. Đồng thời là trình bày kết quả về ước lượng sự phụ thuộc giữa thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ.

Chương 4: Kết luận. Từ kết quả đạt được ở chương 3, ở chương này sẽ rút ra kết luận tổng quát về phụ thuộc giữa thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ.

1.6 Tóm tắt chương 1

Nội dung chương 1 đã khái quá các vấn đề cơ bản của bài tiểu luận như vấn đề, mục tiêu nghiên cứu, đối tượng nghiên cứu, phạm vi nghiên cứu cũng là bố cục của bài tiểu luận.

2 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1 Lý thuyết về thị trường chứng khoán

2.1.1 Khái niệm thị trường chứng khoán

Thị trường chứng khoán là nơi các hoạt động phát hành, giao dịch, mua bán, trao đổi các loại chứng khoán được diễn ra.

Hàng hóa được giao dịch trên thị trường chứng khoán là một loại hàng hóa đặc biệt, đó chính là quyền sở hữu về tư bản. Chứng khoán là sản phẩm tài chính, bao gồm trái phiếu, cổ phiếu và một số công cụ tài chính trung và dài hạn khác, được phát hành để huy động vốn cho doanh nghiệp và chính phủ. Ở Việt Nam, nhà đầu tư trên thị trường chứng khoán chủ yếu là giao dịch cổ phiếu.

Thị trường chứng khoán là một thành phần của nền kinh tế thị trường tự do. Nó cho phép các công ty huy động tiền bằng cách chào bán cổ phiếu và trái phiếu công ty. Đồng thời, thị trường chứng khoán hỗ trợ các nhà đầu tư tham gia vào các hoạt động sản xuất kinh doanh của công ty, kiếm lợi nhuận thông qua chênh lệch giá bán và cổ tức.

Thị trường chứng khoán hoạt động như một nền tảng mà các khoản tiền cá nhân được chuyển thành cơ hội đầu tư hiệu quả, bổ sung vào quá trình hình thành vốn và tăng trưởng kinh tế của đất nước.

2.1.2 Các thành phần của thị trường chứng khoán

Thị trường chứng khoán là một phần không thể thiếu của nền kinh tế hiện đại, cung cấp một nền tảng cho việc mua bán các loại chứng khoán, như cổ phiếu và trái phiếu. Sự vận hành của thị trường chứng khoán dựa trên sự phối hợp chặt chẽ giữa nhiều thành phần và yếu tố khác nhau, tạo nên một hệ thống phức tạp và đa dạng. Dưới đây là các thành phần chính của thị trường chứng khoán:

• Sàn giao dịch chứng khoán: Là một thị trường có tổ chức nơi các chứng khoán như cổ phiếu, trái phiếu và quỹ đầu tư được mua bán. Nó cung cấp một nền tảng giao dịch an toàn và minh bạch, đảm bảo các giao dịch được thực hiện công bằng và hiệu quả. Sàn giao dịch chứng khoán cung cấp môi trường để người mua và người bán gặp gỡ, thực hiện giao dịch và cung cấp thông tin giá cả minh bạch, giúp nhà đầu tư đưa ra quyết định chính xác.

• Các nhà phát hành: Các doanh nghiệp, hay Chính phủ và các chính quyền địa phương chính là chủ thể phát hành chứng khoán để giao dịch trên thị trường. Mục tiêu của nhà phát hành khi tham gia thị trường này là huy động nguồn vốn phục vụ sản xuất kinh doanh hoặc thực hiện các công trình lớn. Họ gọi vốn bằng việc bán cổ phiếu cho các nhà đầu tư. Các tổ chức phát hành hoạt động tốt và có danh tiếng sẽ được nhà đầu tư chọn mua cổ phiếu. Những tổ chức vận hành không tốt và chưa có danh tiếng sẽ khó khăn hơn trong quá trình bán cổ phiếu.

• Các nhà đầu tư: Nhà đầu tư chính là những người cung cấp vốn cho thị trường chứng khoán. Mục tiêu của nhà đầu tư trên thị trường chứng khoán là kiếm lợi nhuận từ hoạt động đầu tư. Có 3 dạng nhà đầu tư mà bạn cần biết: nhà đầu tư cá nhân, nhà đầu tư tổ chức và nhà đầu tư nước ngoài. Nhà đầu tư cá nhân chiếm số đông trên thị trường, với số vốn nhỏ họ có ưu thế để dễ dàng xoay chuyển tình hình và thường quyết định đầu tư. Nhà đầu tư tổ chức lại có lợi thế về thông tin, tiềm lực tài chính và chiến lược đầu tư tài chính bài bản hơn từ đó có khả năng dẫn dắt thị trường. Nhà đầu tư nước ngoài đóng vai trò quan trọng tại thị trường Việt Nam với nguồn lực tài chính dồi dào và kinh nghiệm dày dặn nhờ đó tạo sức hút cho bất cứ loại cổ phiếu nào họ lựa chọn đầu tư.

• Các công ty chứng khoán: Những công ty chứng khoán hay người môi giới trung gian đóng vai trò quan trọng trên thị trường. Họ thực hiện nhiệm vụ trung gian, môi giới mua-bán chứng khoán như một định chế tài chính trên thị trường. Ngoài ra các công ty chứng khoán cũng tư vấn và cung cấp một số dịch vụ khác hỗ trợ doanh nghiệp cũng như nhà đầu tư trên thị trường chứng khoán.

• Cơ quan quản lý: Cơ quan quản lý là các cơ quan đảm bảo thị trường hoạt động theo đúng quy định nhà nước. Tại Việt Nam, Bộ Tài chính là cấp cao nhất trong các cơ quan quản lý. Dưới đó là Ủy ban chứng khoán nhà nước và cuối cùng là 2 cơ quan chuyên môn giám sát: Sở giao dịch chứng khoán và Trung tâm lưu ký chứng khoán. Sở giao dịch chứng khoán là nơi vận hành trực tiếp của các giao dịch cổ phiếu, trái phiếu và chứng khoán phái sinh. Trung tâm lưu ký chứng khoán sẽ thực hiện chức năng kế toán, đăng ký và lưu ký chứng khoán.

2.1.3 Các loại chứng khoán chính

• Cổ phiếu: Là một loại chứng khoán thể hiện quyền sở hữu của nhà đầu tư đối với một phần vốn cổ phần của công ty phát hành. Khi mua cổ phiếu, nhà đầu tư trở thành cổ đông và có quyền hưởng lợi nhuận tương ứng với số cổ phần nắm giữ, cũng như quyền tham gia vào các quyết định quan trọng của công ty thông qua các cuộc họp cổ đông. Cổ phiếu có thể được mua bán trên thị trường chứng khoán và giá trị của chúng có thể biến động dựa trên hiệu quả kinh doanh của công ty cũng như các yếu tố kinh tế và thị trường.

• Trái phiếu: Là loại chứng khoán xác nhận nghĩa vụ nợ của tổ chức phát hành, có thể là chính phủ, doanh nghiệp hoặc tổ chức khác, đối với người sở hữu. Khi mua trái phiếu, nhà đầu tư cho tổ chức phát hành vay tiền và nhận lãi suất cố định theo định kỳ, cùng với cam kết hoàn trả số tiền gốc khi đến hạn. Trái phiếu có thời gian đáo hạn nhất định và trong trường hợp tổ chức phát hành phá sản, người sở hữu trái phiếu được ưu tiên thanh toán trước các cổ đông thường. Với thu nhập lãi suất cố định và ưu tiên trong việc hoàn trả vốn, trái phiếu thường là khoản đầu tư ít rủi ro hơn so với cổ phiếu.

• Chứng chỉ quỹ: Là một loại chứng khoán xác nhận quyền sở hữu của nhà đầu tư đối với một phần vốn góp trong quỹ đầu tư. Khi mua chứng chỉ quỹ, nhà đầu tư trở thành một phần của quỹ đầu tư và giá trị của chứng chỉ quỹ phụ thuộc vào giá trị tài sản ròng của quỹ đó. Quỹ đầu tư được quản lý bởi các chuyên gia tài chính, người sử dụng số tiền góp từ các nhà đầu tư để đầu tư vào một danh mục đa dạng các tài sản như cổ phiếu, trái phiếu và các chứng khoán khác. Việc đầu tư vào các chứng chỉ quỹ giúp nhà đầu tư nhỏ lẻ có cơ hội tham gia vào các danh mục đầu tư lớn, được quản lý chuyên nghiệp và giảm thiểu rủi ro thông qua việc đa dạng hóa danh mục đầu tư.

• Chứng khoán phái sinh: Là các công cụ tài chính có giá trị phụ thuộc vào giá trị của một tài sản cơ bản như cổ phiếu, trái phiếu, hàng hóa, lãi suất, tiền tệ, hoặc chỉ số tài chính. Các loại chứng khoán phái sinh phổ biến bao gồm hợp đồng tương lai, hợp đồng quyền chọn, hợp đồng hoán đổi và hợp đồng kỳ hạn. Những công cụ này cho phép nhà đầu tư phòng ngừa rủi ro, đầu cơ, hoặc tăng cường lợi nhuận bằng cách tận dụng biến động giá của các tài sản cơ bản.

2.1.4 Đặc điểm của thị trường chứng khoán

Thị trường chứng khoán có các đặc điểm chính như sau:

• Tính thanh khoản cao: Thị trường chứng khoán cung cấp khả năng mua bán chứng khoán dễ dàng và nhanh chóng. Nhờ tính thanh khoản cao, nhà đầu tư có thể chuyển đổi chứng khoán thành tiền mặt một cách thuận tiện mà không gây ảnh hưởng lớn đến giá cả của chứng khoán đó.

• Tính minh bạch: Thị trường chứng khoán yêu cầu các công ty niêm yết phải công bố thông tin tài chính, hoạt động kinh doanh và các sự kiện quan trọng một cách công khai. Điều này giúp nhà đầu tư có thể tiếp cận thông tin đầy đủ, chính xác và kịp thời để đưa ra các quyết định đầu tư.

• Tính rủi ro và lợi nhuận: Đầu tư vào chứng khoán có thể mang lại lợi nhuận cao nhờ sự tăng trưởng giá trị của cổ phiếu hoặc nhận cổ tức. Tuy nhiên, đầu tư vào chứng khoán cũng đi kèm với mức độ rủi ro nhất định. Giá chứng khoán có thể biến động mạnh do các yếu tố kinh tế, chính trị, và tâm lý thị trường, có thể dẫn đến mất mát tài chính cho nhà đầu tư.

• Tính tập trung và phi tập trung: Thị trường chứng khoán có thể là thị trường tập trung hoặc phi tập trung. Thị trường tập trung là các sở giao dịch chứng khoán, nơi các giao dịch được thực hiện thông qua một hệ thống chính thức và quy củ. Ngược lại, thị trường phi tập trung (OTC - Over-the-Counter) là nơi các giao dịch được thực hiện trực tiếp giữa các bên mà không thông qua sở giao dịch.

• Đa dạng về sản phẩm: Thị trường chứng khoán cung cấp nhiều loại sản phẩm tài chính khác nhau như cổ phiếu, trái phiếu, chứng chỉ quỹ, chứng quyền và các công cụ phái sinh. Điều này giúp nhà đầu tư có nhiều lựa chọn để đa dạng hóa danh mục đầu tư và quản lý rủi ro.

• Tính cạnh tranh: Thị trường chứng khoán là môi trường cạnh tranh cao, nơi nhiều nhà đầu tư và tổ chức tham gia. Sự cạnh tranh này giúp duy trì sự công bằng và hiệu quả trong việc định giá chứng khoán.

• Quy mô và sự tham gia toàn cầu: Thị trường chứng khoán hiện nay không chỉ giới hạn trong một quốc gia mà còn mở rộng ra quy mô toàn cầu. Nhà đầu tư có thể mua bán chứng khoán của các công ty quốc tế, tạo điều kiện cho việc phân bổ tài sản và quản lý rủi ro trên phạm vi rộng lớn hơn.

Những đặc điểm này làm cho thị trường chứng khoán trở thành một kênh đầu tư hấp dẫn và quan trọng trong nền kinh tế, giúp huy động vốn cho các doanh nghiệp và tạo cơ hội đầu tư cho cá nhân và tổ chức.

2.2 Lý thuyết về mô hình Copula

2.2.1 Một số phương pháp đo lường sự phụ thuộc của chuỗi dữ liệu tài chính

Trong lĩnh vực nghiên cứu về dữ liệu tài chính, đã có nhiều nghiên cứu được tiến hành cả ở trong và ngoài nước để nghiên cứu về mối tương quan giữa các thị trường tài chính. Những nghiên cứu này thường sử dụng các phương pháp sau đây để đo lường mức độ phụ thuộc của các chuỗi dữ liệu tài chính:

Hệ số Pearson: Phương pháp này đại diện cho mức trung bình của độ lệch chuẩn, nhưng bỏ qua sự khác biệt giữa lợi nhuận cực đại và cực tiểu. Mô hình vectơ tự hồi quy (VAR) và mô hình hiệu chỉnh sai số (VECM) (Bianconi & cộng sự, 2013; Wang,2014). Tuy nhiên, các mô hình trên được giả định mối tương quan tuyến tính không đổi theo thời gian, dó đó không phản ánh chính xác sự phụ thuộc giữa các thị trường.

Mô hình phương sai sai số thay đổi có điều kiện tự hồi qui tổng quát (GARCH) đa biến. Hầu hết các mô hình GARCH đa biến đều đưa ra giả định rằng hàm phân phối của chuỗi năng suất tuân theo chuẩn Gauss hoặc phân phối đối xứng Student-T. Do đó, các phương pháp tương quan có điều kiện vẫn chưa tính đến tác động của dao động không đối xứng và đặc điểm đuôi dày của phân phối xác suất, điều này đã dẫn đến sự phản ánh không chính xác mối quan hệ phi tuyến giữa các chuỗi lợi suất cổ phiếu. Mô hình GARCH đa biến có hai cách tiếp cận chủ yếu: phân tích trực tiếp ma trận hiệp phương sai của các chuỗi và phân tích ma trận hiệp phương sai của các chuỗi qua một biến trung gian. Cách tiếp cận đầu tiên liên quan đến việc sử dụng các mô hình GARCH mở rộng như ARMA-GARCH (Autoregressive Moving Average GARCH), APGARCH (Asymmetric Power GARCH), EGARCH, (Exponential GARCH), TGARCH (Threshold GARCH), FIGARCH (Fractionally Integrated GARCH) v.v. Với cách tiếp cận thứ hai có các mô hình GARCH đa biến mở rộng như mô hình DCC-GARCH, CCC-GARCH.

Phương pháp Copula không điều kiện: Để khắc phục những hạn chế của các phương pháp trước, phương pháp Copula không điều kiện dựa trên định lý Sklar (1959) đã được sử dụng rộng rãi. Phương pháp này cho phép mô tả mối quan hệ phụ thuộc giữa các chuỗi lợi suất tài sản tài chính mà không cần giả định phân phối xác suất cụ thể. Nó cho phép mô hình hóa sự phụ thuộc trong các tình huống thị trường biến động bình thường và cực biên. Nhiều nghiên cứu đã áp dụng phương pháp này, bao gồm Rockinger & Jondeau (2001), Yang & cộng sự (2015), Nguyen & Thuy (2016) và Nguyen & cộng sự (2017). Tuy nhiên, một số nghiên cứu cho rằng Copula không điều kiện là không thích hợp vì không xem xét đến sự thay đổi theo thời gian của các chuỗi lợi suất tài chính.

GARCH-Copula (phương pháp Copula có điều kiện): Phương pháp này kết hợp giữa mô hình GARCH đa biến và Copula để mô tả cấu trúc phụ thuộc giữa các thị trường tài chính. GARCH-Copula có khả năng mô tả cả cấu trúc phụ thuộc đối xứng và không đối xứng, sự phụ thuộc đuôi và thay đổi của lợi suất chứng khoán theo thời gian. Đặc biệt, phương pháp này có khả năng phản ánh hiệu ứng đòn bẩy trong đánh giá rủi kho khi thị trường sụp đổ.

2.2.2 Hàm Copula và ứng dụng

Hàm Copula được Sklar (1959) đưa ra và lần đầu tiên được Cherubini & cộng sự (2004) áp dụng trong lĩnh vực tài chính vào đầu những năm 2000, chẳng hạn khi nghiên cứu một danh mục đầu tư gồm nhiều tài sản. Hàm Copula được sử dụng rộng rãi để xác định cấu trúc phụ thuộc bất đối xứng giữa các thị trường chứng khoán. Ưu điểm nổi bật của hàm Copula là không giả định hàm phân phối xác suất của các chuỗi lợi suất có phân phối chuẩn, cho phép mô hình hóa sự phụ thuộc đuôi. Hàm Copula và các thuộc tính cơ bản của nó được trình bày cụ thể trong nghiên cứu của Joe (1997), Nelson (1999) và được Sklar (1959) định nghĩa như sau:

Gọi \(X_1, X_2, \ldots, X_n\) là các biến ngẫu nhiên, có hàm phân phối biên liên tục lần lượt là \(F_1, F_2, \ldots, F_n\) và \(F\) là hàm phân phối đồng thời. Khi đó, tồn tại một hàm Copula duy nhất \(C \colon [0,1]^d \rightarrow [0,1]\)] sao cho:

\[ F(x_1, x_2, \ldots, x_n) = C(F_1(x_1), F_2(x_2), \ldots, F_n(x_n)) \tag{1} \]

Ngược lại, nếu \(C\) là một Copula và \(F_1, F_2, \ldots, F_n\) là các hàm phân phối biên. Khi đó, hàm \(F\) là một hàm phân phối đồng thời với các hàm phân phối biên của nó lần lượt là \(F_1, F_2, \ldots, F_n\).

Hệ số phụ thuộc đuôi là thước đo khả năng sụp đổ (bear market) hay bùng nổ (pull market) cùng nhau của hai thị trường, được xác định như sau:

Gọi \(X_1,X_2\) là hai biến ngẫu nhiên với \(F_1,F_2\) là hàm phân phối biên tương ứng. Khi đó, hệ số phụ thuộc đuôi trên (upper tail) và đuôi dưới (lower tail) giữa \(X_1,X_2\) là:

\[ \lambda_U = \lim_{u \to 1^-} P\left(X_2 > F_2^{-1}(u) \mid X_1 > F_1^{-1}(u)\right) \tag{2} \]

\[ \lambda_L = \lim_{u \to 1^-} P\left(X_2 \leq F_2^{-1}(u) \mid X_1 \leq F_1^{-1}(u)\right) \tag{3} \]

Trong đó, \(\lambda_U, \lambda_L \in (0,1)\), hệ số phụ thuộc đuôi trên (dưới) đo lường xác suất để xảy ra tình huống giá cổ phiếu \(X_2\) sẽ tăng (giảm) mạnh vượt qua một ngưỡng lớn nào đấy khi biết rằng giá cổ phiếu \(X_1\) đã tăng (giảm) mạnh vượt qua một ngưỡng lớn nào đó.

2.2.3 Một số họ hàm Copula

Bảng 2.1: Ký hiệu và thông số của các Copula họ Elip

Bảng 2.2: Ký hiệu và tính chất của các Copula họ Archimedean

2.2.4 Ý nghĩa một số họ hàm Copula

Bảng 2.3: Ý nghĩa một số họ hàm Copula

Họ.Copula	Cấu.trúc	Ý.nghĩa
Gauss	Đối xứng	Tương quan trong điều kiện bình thường. Các biến ngẫu nhiên gần giá trị trung bình. Khi thị trường biến động, hai thị trường độc lập nhau.
Student, Frank	Đối xứng, lệch hai đuôi	Student-t: Tương quan trong điều kiện thị trường ít biến động. Khi thị trường thay đổi, hai thị trường phụ thuộc lẫn nhau ngay cả khi thị trường giảm giá hoặc tăng giá. Bậc tự do (df) càng nhỏ, mức độ phụ thuộc càng lớn. Frank: Tương quan trong điều kiện thị trường biến động. Khi thị trường biến động, hai thị trường phụ thuộc lẫn nhau trong cả tình huống thị trường giảm giá hoặc tăng giá.
Clayton, Rot-Gumbel, Rot-Joe	Bất đối xứng, lệch đuôi dưới	Tương quan trong điều kiện thị trường biến động giảm. Khi X giảm thì Y giảm với mức độ nhiều hơn. Hệ số phụ thuộc càng lớn, mức độ phụ thuộc khi hai thị trường sụp đổ cùng nhau càng lớn.
Gumbel, Clayton, BB6, BB8, Rot-Joe	Bất đối xứng, lệch đuôi trên	Tương quan trong điều kiện thị trường biến động tăng. Khi X tăng giá thì Y tăng với mức độ nhiều hơn. Hệ số phụ thuộc càng lớn, mức độ phụ thuộc khi hai thị trường bùng nổ cùng nhau càng lớn.
BB1, BB7	Bất đối xứng lệch hai đuôi	Tương quan trong điều kiện thị trường biến động tăng và giảm. Khi X giảm (tăng) mạnh, Y cũng giảm (tăng) mạnh. Hệ số phụ thuộc đuôi dưới (trên) càng lớn, khả năng hai thị trường cùng giảm (tăng) giá càng lớn.

2.3 Dữ liệu và phương pháo ước lượng mô hình Copula có điều kiện

2.3.1 Dữ liệu thu thập

Dữ liệu của mỗi chuỗi lợi suất chứng khoán được thu thập từ cơ sở dữ liệu lịch sử giá của theo tần suất ngày với cỡ mẫu 3501 quan sát, từ ngày 05 tháng 01 năm 2010 đến ngày 28 tháng 06 năm 2024. Các chuỗi lợi suất chứng khoán được xác định bởi công thức \(\ln\left(\frac{P_t}{P_{t-1}}\right)\). Trong đó \(P_t, P_{t-1}\) là giá đóng của chỉ số chứng khoán tại thời điểm \(t\) và \(t -1\).

2.3.2 Các bước ước lượng mức độ phụ thuộc giữa các thị trường chứng khoán bằng mô hình Copula có điều kiện

Để ước lượng mô hình Copula có điều kiện về cơ bản, có bốn bước: (i) lựa chọn mô hình biên phù hợp và ước lượng tham số mô hình biên để xác định các tham số đầu vào cho mô hình Copula; (ii) kiểm định tính phù hợp của mô hình phân phối biên; (iii) ước lượng tham số mô hình Copula và (iv) lựa chọn mô hình Copula phù hợp nhất với dữ liệu đầu vào.

Xác định mô hình phân phối biên

Đầu tiên, nghiên cứu kiểm tra sự tồn tại của hiệu ứng ARCH bằng cách sử dụng kiểm định Lagrange Multiplier (LM). Xác định bậc p, q trong mô hình ARMA dựa vào tiêu chí AIC, BIC. Mô hình biên ARMA(p,q)-GJR-GARCH(r,m) với tham số r, m phù hợp được xác định dựa vào các mô hình biên cụ thể tương ứng với độ trễ p, q và phần dư theo các phân phối Normal, Student, t- Student(Skewed student-t), phân phối lỗi tổngquát GED (Generalized Error Distribution) và phânphối lệch lỗi tổng quát sGED (Skewed Generalized Error Distribution). Sau đó, căn cứ vào các tiêu chí AIC, BIC, HIC để xác định mô hình biên phù hợp nhất. Mô hình biên ARMA(p,q)-GJR-GARCH(r,m) với phân phối phù hợp dùng mô tả tốt nhất các đặc tính quan trọng của các chuỗi lợi suất như đuôi dày (fat tail), đối xứng và bất đối xứng, hiệu ứng đòn bẩy (leverage effect).

Kiểm định tính phù hợp của mô hình phân phối biên

Dựa vào mô hình biên tối ưu đã được xác định cho mỗi chuỗi lợi suất, tiến hành trích xuất thu được phần dư chuẩn hóa. Sau đó, sử dụng hàm phân phối biên thực nghiệm để chuyển đổi phần dư chuẩn hóa thành dạng xác suất. Có ba loại kiểm định được dùng để xem xét tính phù hợp của hàm phân phối biên của phần dư chuẩn hóa gồm (1) kiểm định Anderson-Darling (A-D); (2) Cramer- von Mises (Cv-M) và (3) kiểm định Kolmogorov-Smornov (K-S).

Ước lượng tham số Copula

Để ước lượng tham số của mô hình Copula có điều kiện, nghiên cứu này sử dụng phương được đề xuất bởi Joe & Xu (1996) được gọi là hàm suy luận cận biên (Inference Function of Margins - IFM). Cách tiếp cận theo phương pháp IFM cho phép ước lượng tham số của hàm phân phối biên và tham số Copula một cách riêng biệt.

Lựa chọn dạng hàm Copula phù hợp

Các kiểm định sự phù hợp (goodness of fit tests) được sử dụng để xếp hạng và xác định mô hình Copula tốt nhất. Chi tiết được đề cập trong nghiên cứu của Chen và Fan (2005), Fermanian (2005), Genest và cộng sự (2006), Hans (2007), Berg (2009). Nghiên cứu này sử dụng tiêu chí để xếp hạng và lựa chọn mô hình như: Tiêu chuẩn thông tin Akaike (AIC) và Tiêu chuẩn thông tin Bayesian (BIC). Các tiêu chuẩn thông tin cung cấp cho chúng ta công cụ so sánh các dạng mô tả khác nhau của mô hình và lựa chọn mô hình phù hợp giữa chúng. Tiêu chuẩn AIC đề cập đến tính đánh đổi giữa mô hình ước lượng phù hợp và mô hình thực nghiệm ứng với dữ liệu đầu vào để tính toán lượng thông tin thất thoát của mô hình. Hơn nữa, tiêu chuẩn AIC khắc phục rủi ro khi xảy ra hiện tượng mô hình ước lượng quá khớp (overfitting) hoặc chưa khớp (underfitting) với mô hình thực nghiệm. Tuy nhiên, một số nghiên cứu chỉ ra rằng, tiêu chuẩn thông tin BIC hoặc SIC ưu việt hơn trong trường hợp cỡ mẫu lớn, trong khi AIC có xu hướng vượt trội hơn đối với các mẫu nhỏ (Shumway & Stoffer, 2016). Trong bài viết này, cả hai tiêu chí AIC, BIC đều được vận dụng và mô hình Copula phù hợp nhất được chọn tương ứng với giá trị thấp nhất của cả hai tiêu chí này. Hai tiêu chuẩn này được sử dụng rộng rãi để chọn Copula.

2.4 Tóm tắt chương 2

Nội dung ở chương 2 đã trình bày tổng quan lý thuyết của phương pháp Copula và các hàm Copula hai biến có điều kiện (GIJ-GARCH Copula), Các hàm Copula có thể được sử dụng để xây dựng các hàm phân phối đa biến và mô tả cấu trúc phụ thuộc của các biến ngẫu nhiên. Đồng thời ở chương này xây dựng một cách chi tiết các bước ước lượng tham số và lựa chọn mô hình Copula có điều kiện, đây cũng chính là cơ sở để thực hiện phân tích xác định sự phụ thuộc và mức độ phụ thuộc giữa thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ.

3 CHƯƠNG 3: PHẢN ỨNG CỦA THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM ĐỐI VỚI SỰ BIẾN ĐỘNG CỦA THỊ TRƯỜNG CHỨNG KHOÁN HOA KỲ

3.1 Khái quát về thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ

3.1.1 Thị trường chứng khoán Việt Nam

Biểu đồ giá chứng khoán của VNI từ 2010-6/2024

Giai đoạn 2010-2011: Một năm tăng trưởng chậm và một năm suy giảm mạnh

Năm 2010, chỉ số VN – index có sự biến động trong biên độ hẹp, dao động từ 480 đến 550 điểm với thanh khoản thấp. Kết thúc năm 2010, chỉ số VN – index và HNX – index giảm lần lượt 2.0% và 32.1% so với cuối năm 2009. Tuy nhiên, mức sụt giảm của nhiều cổ phiếu ở mức cao gấp nhiều lần so với hai chỉ số, từ 50 – 60%. Mặc dù vậy, chứng khoán Việt Nam đang đứng trước cơ hội khá lớn do đang được định giá khá thấp. Theo tính toán của chúng tôi, P/E và P/B của thị trường chứng khoán Vi ệt Nam hiện đang ở mức 11 lần và 1.8 lần.

Năm 2011 là một năm suy giảm của thị trường chứng khoán Vi ệt Nam với nhiều bất ổn của nền kinh tế thế giới cho đến nền kinh tế trong nước. Cuộc khủng hoảng nợ công châu Âu diễn biến phức tạp. Tổ chức xếp hạng tín nhiệm quốc tế Moody’s hạ mức tín nhiệm của Hy Lạp và Tây Ban Nha làm dấy lên lo ngoại trong giới đầu tư, khiến chi phí vay nợ của các thành viên yếu nhất Khu vực đồng tiền chung châu Âu liên tục tăng cao. Hãng xếp hạng tín nhiệm Standard & Poor’s đã chuyển đánh giá về nợ công của Mỹ từ ổn định sang tiêu cực. Thảm họa động đất sống thần ở Nhật xảy ra vào tháng 3 làm cho thị trường tài chính toàn cầu thêm suy thoái. Giá dầu bất ngờ tăng cao trong tháng 4 xuất phát từ lo ngại sự sụt giảm nguồn cung bởi bất ổn chính trị ở khu vực Trung Đông và Bắc Phi.

Trước những diễn biến tiêu cực của thị trường tài chính thế giới, thị trường chứng khoán Vi ệt Nam giảm sâu và là một trong những thị trường sụt giảm mạnh nhất trên toàn cầu. Chỉ số VN – index đánh mất 27% từ 484,66 điểm về 351,55 điểm; vốn hóa thị trường đạt 494 nghìn tỷ đồng, giảm 23% so với năm 2010; chỉ chiếm 18% GDP. Có năm lý do thị trường chứng khoán Vi ệt Nam mức giảm mạnh nhất trong vòng 3 năm trở lại đây: Thứ nhất, lạm phát gia tăng (từ 12% trong tháng 1, lập đỉnh 23% vào tháng 8 trước khi giảm về 18% vào cuối năm) cùng với chính sách thắt chặt tài khóa và tiền tệ của Chính phủ (cắt giảm đầu tư công, cắt giảm tăng trưởng tổng phương tiện thanh toán và tăng trưởng tín dụng); Thứ hai, lợi nhuận của các công ty giảm do tiêu dùng người dân giảm, đặc biệt là khu vực bất động sản và vật liệu xây dựng trong khi giá nguyên liệu đầu vào tăng và chi phí lãi vay cao; Thứ ba, tiền gửi tiết kiệm trở thành kênh đầu tư hấp dẫn với lãi suất tiền gửi 18-20%, đặc biệt trong khoảng 9 tháng đầu năm cho đến trước khi ngân hàng nhà nước mạnh tay lập lại kỷ cương trên thị trường này; Thứ tư, những biện pháp thu hẹp tín dụng trong các lĩnh vực phi sản xuất, bao gồm cả cho vay chứng khoán. Dòng tiền vào chứng khoán vì thế bị thu hẹp, thanh khoản sút giảm từ trung bình 1,400 tỷ đồng/ngày trong 2010 chỉ còn 620 tỷ đồng/ngày trong 2011; Thứ năm, tâm lý bất ổn của nhà đầu tư đối với ngành ngân hàng khi nợ xấu gia tăng trong nửa cuối năm 2011 và tâm lý chờ đợi kết quả của quá trình tái cấu trúc hoạt động ngân hàng.

Giai đoạn 2012-2016: Thị trường tăng trưởng vững chắc

Năm 2012 nếu tổng kết theo cả năm thì thị trường chứng khoáng vẫn tăng trưởng nhẹ, bất chấp những tác động của các sự kiện kinh tế xã hội. Cụ thể, VN – index đã tăng 17.7% so với cuối năm 2011 đứng tại 413.73 điểm; HNX – index kém tích cực hơn khi giảm nhẹ 2.8% đứng ở mức 57.09 điểm. Mức suy giảm của HNX – index trong năm qua chủ yếu đến từ tác động giảm điểm mạnh của cổ phiếu ACB do ảnh hưởng của thông tin ông Nguyễn Đức Kiên bị bắt và các sự kiện liên quan. V100 và VN30 đều có mức tăng trưởng vượt trội so với thị trường trong năm qua với mức tăng lần lượt là 21.9% và 24.9%.

Năm 2013 mặc dù nền kinh tế còn nhiều khó khăn nhưng các chỉ số kinh tế vĩ mô đã có dấu hiệu phục hồi, tác động tích cực đến thị trường chứng khoán. Cụ thể, VN – index đã tăng 21.97% so với cuối năm 2012 đứng tại 504.63 điểm; HNX – index tăng 18.83% so với cuối năm 2012 và đứng ở mức 67.84 điểm. Sự gia tăng của các chỉ số đã đưa Việt Nam trở thành 1 trong 10 nước có mức độ phục hồi mạnh nhất thế giới. Mức vốn hoá thị trường năm 2013 là 949.000 tỷ đồng (tăng 184.000 tỷ đồng so với cuối năm 2012), tương đương mức 31% GDP. Khối lượng giao dịch bình quân một phiên của năm 2013 là 107.630.000 cổ phiếu, giá trị giao dịch bình quân trên hai sàn đạt 1.380 tỷ đồng/phiên, tăng 6% so với năm 2012. Giá trị giao dịch bình quân trái phiếu Chính phủ là 1.257 tỷ đồng/phiên (tăng 90% năm 2012). Mức huy động vốn qua kênh đấu thầu trái phiếu Chính phủ năm 2013 là 194.800 tỷ đồng, tăng 10% so với năm trước và đạt mức tăng trưởng cao nhất khu vực. Huy động vốn qua cổ phiếu và cổ phần hóa là 17,5 nghìn tỷ đồng, tăng 5% so với năm 2012. Quy mô huy động vốn qua phát hành riêng lẻ cũng tăng mạnh, đạt khoảng trên 24 nghìn tỷ đồng (gấp 5 lần so với cả năm 2012).

Giai đoạn 2014-2015, thị trường chứng khoán phát triển chững lại. Chỉ số VN – index chỉ tăng bình quân 7%/ năm, tương ứng tăng 37,20 điểm. Vốn hóa trung bình đạt trên 1 triệu tỷ đồng. Các chỉ tiêu kinh tế vĩ mô dần được cải thiện.

Năm 2016 là năm đánh dấu 20 năm ngành chứng khoán. Ngày 28/11/2016, Ủy ban Chứng khoán Nhà nước đã tổ chức Lễ kỷ niệm 20 năm Ngày truyền thống ngành Chứng khoán và đón nhận Huân chương Độc lập Hạng Nhì. thị trường chứng khoán Vi ệt Nam năm 2016 chứng kiến những cú sốc bất ngờ từ bên ngoài tác động. Đó là các sự kiện rất ít nhà đầu tư nghĩ tới khả năng xảy ra, như: sự kiện thị trường chứng khoán Trung Quốc ngắt giao dịch ngày 1/4, sự kiện Anh rời khỏi EU (Brexit) ngày 24/6, kết quả bầu cử Tổng thống Mỹ ngày 9/11. Hầu hết các sự kiện này đều tác động mạnh đến thị trường chứng khoán Vi ệt Nam và dẫn đến hoạt động bán tháo. Tuy nhiên do nền tảng của thị trường tốt nên đã phục hồi ngay sau đó.

Khép lại năm 2016, thị trường chứng khoán có diễn biến khá tích cực, là năm của các doanh nghiệp lớn chi phối VN – index. Chốt phiên giao dịch cuối cùng của năm 2016, chỉ số VN – index dừng ở mức 664,87 điểm, tăng 14,82% so với cuối năm 2015. Trong khi đó, chỉ số HNX – index tăng nhẹ (0,2%) lên mức 80,12 điểm. Cùng với diễn biến tăng điểm khả quan, tính thanh khoản của thị trường cũng tăng mạnh so với năm 2015. Đáng chú ý, trong năm qua có thêm 118 doanh nghiệp đăng ký giao dịch trên thị trường UPCoM nâng tổng số doanh nghiệp tại sàn này lên 408 doanh nghiệp, đồng thời đẩy vốn hóa thị trường cao gấp 4 lần so với năm 2015.

Giai đoạn 2017: Thị trường chứng khoán tăng trưởng ấn tượng

Năm 2017 là năm mà hàng loạt các chỉ tiêu kinh tế vĩ mô của Việt nam thiết lập mức kỷ lục. Cụ thể, tăng trưởng GDP của Việt Nam đạt 6,81%, cao nhất trong 10 năm trở lại đây. CPI bình quân cả năm 2017 tăng 3,53%, Chính phủ đã hoàn thành mục tiêu kiểm soát lạm phát dưới 4%. Chỉ số sản xuất toàn ngành công nghiệp năm 2017 tăng 9,4%, cao hơn nhiều so với mức tăng 7,4% của năm 2016. Trong các ngành công nghiệp, chế biến - chế tạo là ngành đóng góp lớn nhất vào tăng trưởng chung và tăng 14,5%, mức cao nhất trong 6 năm trở lại đây. Dòng vốn FDI vào Việt Nam ghi nhận mức kỷ lục trong vòng 10 năm. Vốn FDI đăng ký đạt 35,88 tỷ USD, cao nhất kể từ năm 2009. Trong khi đó, vốn FDI thực hiện lên tới 17,5 tỷ USD, cũng xác lập kỷ lục 10 năm. Năm 2017, Vi ệt Nam xuất khẩu 213,77 tỷ USD và nhập khẩu 211,1 tỷ USD, tăng 21% so với năm 2016, xuất siêu 2,67 tỷ USD. Kim ngạch xuất - nhập khẩu của Việt Nam trong năm vừa qua cũng đạt mức kỷ lục trong vòng một thập kỷ (GSO, 2017).

Trong bối cảnh tình hình kinh tế, tài chính thế giới và trong nước năm 2017 có sự tăng trưởng tốt, đã tạo cơ sở vững chắc cho thị trường chứng khoán Vi ệt Nam – một thị trường chứng khoán sơ khai (frontier market) đã có 1 năm phát triển mạnh và tăng trưởng ấn tượng, cao nhất tại khu vực Châu Á, tính theo tỷ lệ phần trăm. Cụ thể, đến hết năm 2017 chỉ số VN – index đạt 984,24 điểm tăng 48% so với cuối năm 2016 - đạt mức cao nhất gần 10 năm trở lại đây (Ngày 12/1/2018 đã đạt mốc 1.050 điểm). Chỉ số HNX – index tăng gần 46%. (Ngày 12/1/2018 đã đạt mốc 121 điểm). Mức vốn hóa thị trường cổ phiếu đạt gần 3.515 nghìn tỷ đồng, tăng 80,5% so với cuối năm 2016, tương đương 70% GDP, vượt chỉ tiêu đặt ra cho năm 2020. Thanh khoản cải thiện mạnh, tổng giá trị giao dịch bình quân cổ phiếu, chứng chỉ quỹ đạt hơn 5 nghìn tỷ đồng/phiên, tăng 66% so với năm 2016. Thị trường hiện có 737 cổ phiếu và chứng chỉ quỹ niêm yết và 690 cổ phiếu đăng ký giao dịch (ĐKGD) với tổng giá trị niêm yết, ĐKGD đạt gần 978 nghìn tỷ đồng, tăng 32,7% so với cuối năm 2016.

Giai đoạn 2018-2019: thị trường chứng khoán tiếp tục tăng trưởng

Quy mô vốn hoá thị trường cổ phiếu trên HOSE đã đạt hơn 2,8 triệu tỷ đồng, tăng 10% so với năm 2017, tương đương với 57% GDP năm 2017. Giá trị giao dịch cổ phiếu bình quân đạt 6.500 tỷ đồng/phiên, tăng 29% so với năm 2017, tương đương 20,3% GDP năm 2018. Phiên 9/4/2018 Vn- Index chạm đỉnh 1.204,3 điểm, thị trường cực kỳ hưng phấn. Nhóm cổ phiếu ngân hàng bùng nổ đã kéo VN – index tăng 22,4% chỉ trong vòng hơn 4 tháng. Tiền đổ ùn ùn vào thị trường chứng khoán Vi ệt Nam. Tuy nhiên, 3 lần tăng lãi suất của FED cùng hành động leo thang của Mỹ trong cuộc chiến thương mại Mỹ Trung đã ảnh hưởng mạnh đến dòng vốn vào thị trường chứng khoán toàn cầu. Bắt đầu từ Trung Quốc, sau đó đến Mỹ giảm điểm mạnh đã ảnh hưởng đến thị trường chứng khoán Vi ệt Nam. Nhà đầu tư nước ngoài bán ròng liên tục khiến thị trường biến động với biên độ lớn. Thống kê cho thấy có 7 phiên trong năm thị trường chứng khoán Vi ệt Nam giảm hơn 3% trong đó có phiên giảm hơn 5%. Mức thấp nhất thiết lập trong năm là 880,85 điểm ngày 30/10. Tại thời điểm phiên 19/12, VN – index giảm hơn 6,6% từ đầu năm. Từ vị trí thị trường chứng khoán tăng trưởng mạnh nhất thế giới, Việt Nam có thời điểm trở thành thị trường giảm mạnh nhất thế giới. Không chỉ về mặt điểm số, thanh khoản thị trường còn sụt giảm rất mạnh cho thấy dòng tiền đã đứng ngoài thị trường để ‘trú bão’.

Năm 2019, thị trường tài chính quốc tế nói chung và thị trường chứng khoán thế giới nói riêng chịu nhiều tác động trái chiều vừa mang tính tiêu cực, vừa mang tính tích cực. Điển hình như: Sự giằng co trong cuộc chiến thương mại Mỹ- Trung; nguy cơ Brexit không đạt được thỏa thuận; những bất ổn về địa chính trị tại một số khu vực và đặc biệt là sự đảo chiều trong chính sách tiền tệ của các nước lớn trên thế giới… Nếu như, cuộc chiến thương mại Mỹ - Trung và nguy cơ Brexit không đạt được thỏa thuận cũng như những bất ổn về địa chính trị của một số khu vực trên thế giới năm 2019 được xem là nhân tố tiêu cực tác động đến thị trường tài chính thế giới thì việc đảo chiều trong chính sách tiền tệ của các nước lớn được đánh giá là nhân tố nâng đỡ thị trường chứng khoán. Thị trường chứng khoán Vi ệt Nam năm 2019 được đánh giá là có nhiều động lực tích cực hỗ trợ phát triển nhờ các yếu tố như: Các cân đối vĩ mô được đảm bảo; chính sách tài khóa ổn định và chính sách tiền tệ được điều hành theo hướng nới lỏng. Năm 2019, tình hình kinh tế vĩ mô tiếp tục ổn định tạo điều kiện cho tăng trưởng kinh tế.

Nửa đầu năm 2019, thị trường chứng khoán toàn cầu hầu hết chịu ảnh hưởng tiêu cực của chính sách tiền tệ thắt chặt khi Cục Dự trữ Liên bang Mỹ (FED) và ngân hàng trung ương các nước lớn liên tục tăng lãi suất từ năm 2018. Việc áp dụng chính sách tài chính thắt chặt của các nước lớn trong những năm trước và trong suốt năm 2018 đã dẫn đến xu hướng giảm tăng trưởng của nền kinh tế toàn cầu khi hầu hết các dự báo về mức tăng trưởng kinh tế thế giới năm 2019 đều giảm. Những biến động trên đây của kinh tế toàn cầu và kinh tế Vi ệt Nam trong thời gian qua được xem là những nhân tố tác động đa chiều lên thị trường chứng khoán cơ sở và tạo ra những diễn biến phức tạp trên thị trường trong năm 2019. trên thị trường chứng khoán cơ sở, trong 6 tháng đầu năm, mặc dù có những tháng sôi động, song nhìn chung thị trường chỉ phục hồi nhẹ khi VN -Index ngày 30/6 dừng ở mức 949,94 điểm, tăng 6,4% so với cuối năm 2018. Tuy nhiên, 6 tháng cuối năm, diễn biến của thị trường đã có chuyển biến tương đối rõ rệt, VN – index có những thời điểm vượt mức 1.000 điểm và đạt đỉnh 1024,91 điểm vào ngày 6/11. Đến đầu tháng 12, mặc dù thị trường có xu hướng đi xuống so với những tháng trước đó, nhưng vẫn đạt tốc độ tăng cao hơn 6 tháng đầu năm. Chốt phiên giao dịch ngày 6/12, VN – index đạt 963,56 điểm, tăng 8% so với cuối năm 2018. Như vậy, mặc dù chỉ số VN – index có những diễn biến phức tạp, song nhìn chung thị trường chứng khoán Vi ệt Nam phục hồi tương đối so với thời điểm cuối năm 2018.

Năm 2019, tổng mức huy động vốn trên thị trường chứng khoán cơ sở ước đạt 302,6 nghìn tỷ đồng, tăng 37,3% so với cùng kỳ năm trước. Mức vốn hóa của thị trường cổ phiếu tính đến ngày 6/12/2019 đạt 4383 nghìn tỷ đồng, tăng 10,7% so với cuối năm 2018 (tương đương 79,2% GDP). Quy mô niêm yết của thị trường trái phiếu đạt 1.184 nghìn tỷ đồng, tăng 5,6% so với cuối năm 2018 (tương đương với 21,4% GDP). Tổng giá trị giao dịch bình quân phiên đạt 9.139 tỷ đồng, tăng 3,4% so với bình quân năm 2018. Năm 2019 cũng là năm ghi nhận thành công của thị trường trái phiếu doanh nghiệp. Theo số liệu của Bộ Tài chính, đến cuối tháng 9/2019, quy mô thị trường trái phiếu doanh nghiệp (TPDN) đạt 9,91% GDP. Dự kiến, năm 2019 quy mô thị trường sẽ tăng 29% so với cuối năm 2018, gấp 9,6 lần so với năm 2012. Điều này cho thấy thị trường chứng khoán đã và đang từng bước trở thành kênh huy động vốn hiệu quả cho doanh nghiệp và nền kinh tế.

Giai đoạn 2020-2021: Vượt qua đại dịch COVID-19 và tăng trưởng ấn tượng của thị trường chứng khoán

Giai đoạn từ năm 2020 đến cuối năm 2021 được xem là khoảng thời gian đầy biến động và đầy thách thức đối với thị trường tài chính toàn cầu và đặc biệt là thị trường chứng khoán. Năm 2020 bắt đầu với bức tranh khó khăn khi tình hình kinh tế toàn cầu đối diện với sự ảnh hưởng tiêu cực của đại dịch COVID-19. Hầu hết các nền kinh tế trên thế giới đã trải qua giai đoạn tăng trưởng âm, và thị trường chứng khoán không nằm ngoại lệ. Để giảm thiểu tác động của đại dịch, các nước đã thực hiện chính sách tài khóa và tiền tệ nới lỏng, bao gồm các gói hỗ trợ tài chính lớn và cắt giảm lãi suất của ngân hàng trung ương. Những biện pháp này đã tác động trực tiếp đến dòng vốn quốc tế và tình hình thị trường chứng khoán trong năm 2020.

Tại Việt Nam, để đối phó với tác động của đại dịch COVID-19, Chính phủ đã triển khai một loạt biện pháp hỗ trợ tăng trưởng kinh tế, như giảm, giãn thuế thu nhập doanh nghiệp, miễn giảm phí và giá dịch vụ trong lĩnh vực chứng khoán. Ngoài ra, việc thúc đẩy các chương trình đầu tư công và cắt giảm lãi suất cũng đã mang lại hiệu quả tích cực, giúp kinh tế nhanh chóng phục hồi và thu hút dòng vốn đầu tư vào thị trường chứng khoán. Tại cuối năm 2020, chỉ số VN – index đạt mức 1.103,87 điểm, tăng 14,9% so với cuối năm 2019. Sự phục hồi này cũng thể hiện trong quy mô thị trường với hơn 1.665 mã cổ phiếu và quy mô niêm yết và đăng ký giao dịch đạt trên 1.514 nghìn tỷ đồng, tăng 8% so với cuối năm 2019. Vốn hóa thị trường cổ phiếu cũng tăng 20,8%, đạt gần 5.294 nghìn tỷ đồng, tương đương 84,1% GDP năm 2020.

Giai đoạn tiếp theo, từ năm 2021, thị trường chứng khoán đã ghi nhận nhiều lần thiết lập đỉnh lịch sử mới. Mặc dù kinh tế toàn cầu vẫn còn phải đối mặt với tác động của đại dịch COVID-19, nhưng nhờ các biện pháp mở cửa trở lại và thực hiện hiệu quả các biện pháp phòng chống dịch, cùng với chính sách tiền tệ nới lỏng, thị trường đã phục hồi mạnh mẽ. Tại Việt Nam, mặc dù đại dịch vẫn ảnh hưởng đáng kể, nhưng nhờ thực hiện chính sách thích ứng an toàn và linh hoạt, nền kinh tế đã dần phục hồi và thúc đẩy sự phát triển kinh tế. Kết quả là GDP năm 2021 đã tăng 2,58%. Thị trường chứng khoán Việt Nam tiếp tục ghi nhận những thành công, với chỉ số VN – index đạt mức 1.498,28 điểm, tăng 35,7% so với cuối năm 2020. Vốn hóa thị trường cổ phiếu tăng 46,7%, đạt gần 7.767 nghìn tỷ đồng, tương đương 123,4% GDP năm 2020. Thị trường hiện tại có tổng cộng 760 cổ phiếu được niêm yết trên hai sàn Giao dịch Chứng khoán và 892 cổ phiếu đã đăng ký giao dịch trên UPCoM, tổng giá trị niêm yết và đăng ký giao dịch đã tăng lên 1.739 nghìn tỷ đồng, tăng 14,9% so với cuối năm 2020. Quy mô niêm yết của thị trường trái phiếu đã lên đến hơn 1.511 nghìn tỷ đồng, tăng 8,9% so với năm 2020, đồng nghĩa với 24% GDP. Trong bối cảnh tín dụng ngân hàng đang được Ngân hàng Nhà nước quản lý một cách thận trọng, thị trường trái phiếu doanh nghiệp vẫn duy trì vai trò quan trọng trong việc huy động vốn, với khối lượng phát hành đã vượt qua 495.000 tỷ đồng. Trong đó, khối lượng trái phiếu doanh nghiệp phát hành riêng lẻ chiếm 94,5%, còn 5,5% còn lại là trái phiếu doanh nghiệp phát hành ra công chúng. Thị trường cổ phiếu và trái phiếu đều ghi nhận sự tăng trưởng tích cực, đóng góp vào sự phát triển mạnh mẽ của thị trường chứng khoán trong năm 2021.

Nhìn chung, giai đoạn từ năm 2020 đến cuối năm 2021 đã chứng kiến sự vượt qua của thị trường chứng khoán trước đại dịch COVID-19 và sự tăng trưởng ấn tượng của thị trường chứng khoán. Trong bối cảnh khó khăn và biến đổi, thị trường chứng khoán Vi ệt Nam đã tiếp tục phát triển và khẳng định vị thế của mình trong khu vực Đông Nam Á.

Giai đoạn 2022 đến 6 tháng đầu năm 2024

Từ năm 2022 đến hết tháng 6 năm 2024, thị trường chứng khoán Việt Nam đã trải qua nhiều biến động đáng chú ý. Năm 2022 chứng kiến sự giảm mạnh của VN-Index, từ khoảng 1.500 điểm đầu năm xuống còn khoảng 1.000 điểm vào cuối năm, phản ánh những lo ngại về lạm phát toàn cầu, chính sách tiền tệ thắt chặt và các khó khăn nội tại như sự kéo dài của đại dịch COVID-19. Thanh khoản thị trường cũng giảm, với khối lượng giao dịch trung bình giảm từ 20.000 tỷ đồng mỗi phiên xuống khoảng 10.000 tỷ đồng.

Bước sang năm 2023, VN-Index bắt đầu hồi phục, tăng từ khoảng 1.000 điểm đầu năm lên khoảng 1.200 điểm vào cuối năm, nhờ vào các chính sách hỗ trợ của chính phủ và kết quả kinh doanh tích cực từ nhiều công ty niêm yết. GDP của Việt Nam đạt khoảng 6% trong năm 2023, phản ánh sự cải thiện trong nền kinh tế.

Trong nửa đầu năm 2024, VN-Index tiếp tục xu hướng tăng trưởng, đạt khoảng 1.300 điểm vào cuối tháng 6 năm 2024. Sự ổn định trong tăng trưởng kinh tế, chính sách cải cách hỗ trợ từ chính phủ và niềm tin của nhà đầu tư đã góp phần vào sự tăng trưởng này. Khối lượng giao dịch cũng tăng lên khoảng 15.000 tỷ đồng mỗi phiên, và GDP của Việt Nam đạt khoảng 6.5% trong nửa đầu năm 2024, cho thấy sự phục hồi bền vững. Tổng quan, thị trường chứng khoán Việt Nam đã có sự phục hồi mạnh mẽ từ mức thấp vào năm 2022 và duy trì xu hướng tích cực trong nửa đầu năm 2024.

3.1.2 Thị trường chứng khoán Hoa Kỳ

Biểu đồ giá chứng khoán S&P 500 từ 2010-6/2024

Giai đoạn 2010-2012: Phục hồi sau khủng hoảng tài chính

Thị trường chứng khoán Mỹ năm 2010 khởi đầu với tâm lý thận trọng do ảnh hưởng của khủng hoảng tài chính toàn cầu 2008-2009. Dù còn lo ngại về rủi ro, thị trường đã bất ngờ bước vào một chuỗi tăng trưởng dài nhất trong lịch sử, kéo dài suốt thập kỷ sau đó. Chỉ số S&P 500 ghi nhận lợi suất ấn tượng 249% trong 10 năm, cao gấp 1,2 lần mức trung bình lịch sử. Năm 2010 không có thị trường giá xuống, dù trải qua 10 lần điều chỉnh giảm khoảng 10%. Biến động trong năm, như cú lao dốc tháng 5, không đủ để phá vỡ xu hướng tăng, đánh dấu sự khởi đầu của một thập kỷ tăng trưởng mạnh mẽ và bền vững.

Vào 2011, thị trường chứng khoán Mỹ trải qua những biến động mạnh mẽ, với nhiều giai đoạn suy giảm đáng kể. Ngày 10/4, dù thị trường lao động cải thiện rõ rệt với số lượng đơn xin trợ cấp thất nghiệp giảm xuống mức thấp nhất kể từ 2007, nhà đầu tư vẫn hoảng loạn bán tháo, khiến các chỉ số chính sụt giảm nghiêm trọng. Nasdaq Composite giảm 3,1%, đánh dấu đợt mất giá tồi tệ nhất từ tháng 8/2011, trong khi Dow Jones giảm 1,6% và S&P 500 mất 2,9% so với đầu năm 2014. Cổ phiếu công nghệ sinh học và dược phẩm chịu tổn thất lớn, trong khi đồng USD mất giá mạnh. Dù thị trường lao động cải thiện, sự biến động này phản ánh tâm lý bất an của nhà đầu tư sau cú sốc tài chính từ đại suy thoái 2007-2009.

Năm 2012 thị trường chứng khoán Mỹ kết thúc năm với sự tăng trưởng mạnh mẽ, khi Dow Jones tăng 7,3%, S&P 500 tăng 13,4%, và Nasdaq tăng 15,9%. Suốt năm, thị trường đối mặt với lo ngại về “vực thẳm ngân sách,” tình huống mà các biện pháp cắt giảm chi tiêu và tăng thuế tự động có thể đẩy kinh tế Mỹ vào suy thoái. Sau cuộc bầu cử Tổng thống vào tháng 11, khi Barack Obama tái đắc cử, thị trường chứng khoán đã giảm mạnh do lo ngại về tương lai kinh tế. Tuy nhiên, phiên giao dịch cuối cùng của năm đã chứng kiến sự phục hồi mạnh nhờ các phát biểu tích cực từ Tổng thống Obama và lãnh đạo phe Cộng hòa Mitch McConnell về khả năng đạt thỏa thuận ngân sách. Khối lượng giao dịch ổn định cho thấy niềm tin của nhà đầu tư vào triển vọng kinh tế Mỹ.

Giai đoạn 2013-2019: Thời kỳ tăng trưởng mạnh mẽ

Từ năm 2013 đến 2019, thị trường chứng khoán Mỹ đã trải qua một chu kỳ tăng trưởng ấn tượng, với nhiều chỉ số đạt mức cao kỷ lục. Giai đoạn này bắt đầu với nền kinh tế Mỹ phục hồi ổn định sau khủng hoảng tài chính năm 2008. GDP tăng trưởng trung bình khoảng 2-3% mỗi năm, trong khi tỷ lệ thất nghiệp giảm dần, từ khoảng 7.9% đầu năm 2013 xuống còn 3.5% vào cuối năm 2019.

Chính sách tiền tệ của Cục Dự trữ Liên bang Mỹ (Fed) giữ vai trò quan trọng trong việc thúc đẩy tăng trưởng kinh tế. Trong những năm đầu giai đoạn, Fed giữ lãi suất là 0,25% để kích thích tiêu dùng và đầu tư. Bắt đầu từ cuối năm 2015, Fed dần tăng lãi suất một cách thận trọng, từ mức 0.25-0,5% lên 2.25-2.5% vào cuối năm 2018. Mặc dù chính sách thắt chặt tiền tệ này có thể gây lo ngại về tăng trưởng chậm lại, nhưng thị trường vẫn phản ứng tích cực nhờ sự ổn định và dự đoán trước từ Fed.

Chỉ số S&P 500, đại diện cho 500 công ty lớn nhất trên sàn giao dịch chứng khoán Mỹ, tăng từ khoảng 1,426 điểm đầu năm 2013 lên gần 3,230 điểm vào cuối năm 2019, tương đương mức tăng trưởng khoảng 126%. Chỉ số Dow Jones Industrial Average (DJIA) cũng ghi nhận mức tăng tương tự, từ khoảng 13,104 điểm lên gần 28,538 điểm, tăng 118%. Nasdaq Composite, chỉ số đại diện cho các công ty công nghệ, tăng trưởng mạnh mẽ hơn cả, từ khoảng 3,019 điểm lên hơn 8,972 điểm, tăng hơn 197%. Sự tăng trưởng này phản ánh sự phát triển vượt bậc của các công ty công nghệ như Apple, Amazon, Microsoft và Google (Alphabet).

Một yếu tố quan trọng khác là Đạo luật Cắt giảm Thuế và Việc làm được thông qua vào cuối năm 2017. Luật này đã giảm thuế doanh nghiệp từ 35% xuống 21%, tạo động lực mạnh mẽ cho các doanh nghiệp tăng cường đầu tư, tái cấu trúc và mua lại cổ phiếu, góp phần tăng giá cổ phiếu. Tuy nhiên, từ năm 2018, chiến tranh thương mại giữa Mỹ và Trung Quốc đã tạo ra sự bất ổn trên thị trường. Các đợt áp thuế và biện pháp trả đũa giữa hai quốc gia đã làm gia tăng lo ngại về gián đoạn chuỗi cung ứng và giảm tốc độ tăng trưởng kinh tế toàn cầu. Mặc dù vậy, thị trường đã ổn định trở lại nhờ các cuộc đàm phán và các thỏa thuận thương mại tạm thời giữa hai bên.

Nhìn chung, thị trường chứng khoán Mỹ từ 2013 đến 2019 được đánh dấu bởi sự tăng trưởng mạnh mẽ, được hỗ trợ bởi các yếu tố kinh tế vĩ mô ổn định, chính sách tiền tệ hợp lý và sự bùng nổ của ngành công nghệ. Tuy nhiên, thị trường cũng không tránh khỏi những biến động do các yếu tố bên ngoài như chính sách thương mại và tình hình kinh tế toàn cầu.

Giai đoạn 2020-2021: Đại dịch COVID-19 và thị trường chứng khoán biến động mạnh

Giai đoạn 2020 đến 2021, thị trường chứng khoán Mỹ trải qua những biến động lớn do tác động của đại dịch COVID-19. Đầu năm 2020, đại dịch bùng phát đã gây ra một cuộc khủng hoảng y tế toàn cầu, dẫn đến các biện pháp phong tỏa và hạn chế di chuyển nghiêm ngặt. Hệ quả là nền kinh tế suy giảm mạnh, khiến thị trường chứng khoán sụt giảm nhanh chóng. Vào tháng 3 năm 2020, chỉ số S&P 500 giảm từ mức đỉnh trên 3,300 điểm xuống khoảng 2,237 điểm, tức giảm khoảng 34%. Chỉ số Dow Jones Industrial Average (DJIA) và Nasdaq Composite cũng trải qua những mức giảm tương tự, lần lượt từ hơn 29,000 điểm xuống khoảng 18,213 điểm và từ hơn 9,800 điểm xuống khoảng 6,860 điểm.

Để đối phó với cuộc khủng hoảng, chính phủ Mỹ đã ban hành các gói kích thích kinh tế lớn, bao gồm Đạo luật CARES, cung cấp hỗ trợ tài chính trực tiếp cho các cá nhân và doanh nghiệp, trợ cấp thất nghiệp tăng cường, và các khoản vay ưu đãi cho doanh nghiệp. Cục Dự trữ Liên bang (Fed) cũng đóng vai trò quan trọng bằng cách giảm lãi suất xuống mức gần 0% và thực hiện các chương trình mua trái phiếu quy mô lớn, bơm thanh khoản vào hệ thống tài chính. Những biện pháp này đã giúp ổn định thị trường tài chính và khôi phục niềm tin của nhà đầu tư.

Nhờ các biện pháp kích thích này, thị trường chứng khoán Mỹ đã phục hồi nhanh chóng và đạt mức cao kỷ lục vào cuối năm 2020 và 2021. Chỉ số S&P 500 tăng trở lại từ khoảng 2,237 điểm lên hơn 4,700 điểm vào cuối năm 2021, tương đương mức tăng hơn 110%. DJIA cũng tăng từ khoảng 18,213 điểm lên hơn 36,000 điểm, trong khi Nasdaq Composite tăng từ khoảng 6,860 điểm lên hơn 15,600 điểm, tương đương mức tăng hơn 127%. Trong thời kỳ này, các công ty công nghệ lớn như Apple, Amazon, Microsoft, và Google (Alphabet) đã dẫn đầu sự phục hồi của thị trường, nhờ sự gia tăng mạnh mẽ nhu cầu cho các dịch vụ trực tuyến và công nghệ do giãn cách xã hội. Ngành chăm sóc sức khỏe cũng phát triển, đặc biệt là các công ty dược phẩm và công nghệ sinh học, với sự phát triển và triển khai nhanh chóng các vaccine COVID-19. Ngược lại, các ngành công nghiệp truyền thống như năng lượng và du lịch gặp nhiều khó khăn do giảm sút nhu cầu và các biện pháp hạn chế di chuyển.

Vào cuối năm 2021, với sự triển khai rộng rãi vaccine và các biện pháp kích thích kinh tế tiếp tục được duy trì, nền kinh tế Mỹ bắt đầu phục hồi mạnh mẽ. Tuy nhiên, sự phục hồi nhanh chóng cũng làm gia tăng lo ngại về lạm phát, khi giá cả tăng lên ở nhiều lĩnh vực. Fed bắt đầu thảo luận về việc giảm dần các biện pháp kích thích kinh tế và nâng lãi suất để kiểm soát lạm phát, tạo ra những thách thức mới cho thị trường trong tương lai.

Giai đoạn 2022-6/2024: Các chính sách tiền tệ và sự ổn định của thị trường

Từ năm 2022 đến nửa đầu năm 2024, thị trường chứng khoán Mỹ trải qua nhiều biến động lớn do ảnh hưởng của lạm phát tăng cao, chính sách tiền tệ thắt chặt, và các yếu tố địa chính trị. Lạm phát tại Mỹ đã vượt quá mức mục tiêu của Cục Dự trữ Liên bang Mỹ (Fed), khiến Fed phải tăng lãi suất liên bang từ mức 0,25% lên trên 5,5% để kiểm soát lạm phát. Điều này đã làm tăng chi phí vay vốn và gây áp lực lên nền kinh tế, dẫn đến sự sụt giảm của các chỉ số chứng khoán như S&P 500, Dow Jones Industrial Average (DJIA), và Nasdaq Composite. Đầu năm 2022, các thị trường đã trải qua các đợt giảm mạnh do lo ngại về suy thoái kinh tế và chi phí vốn tăng. Tuy nhiên, vào cuối năm 2022 và đầu năm 2023, thị trường bắt đầu hồi phục khi nhà đầu tư thích nghi với môi trường lãi suất cao hơn.

Các công ty công nghệ lớn, từng là động lực chính của thị trường, không còn tăng trưởng mạnh mẽ do chi phí vốn cao và nhu cầu tiêu dùng giảm. Ngược lại, các ngành như năng lượng, tài chính và y tế lại trở nên hấp dẫn hơn. Giá năng lượng tăng đã đẩy giá cổ phiếu của các công ty dầu khí và năng lượng tái tạo lên cao, trong khi các ngân hàng và tổ chức tài chính được hưởng lợi từ biên lợi nhuận cho vay tăng. Ngành y tế, đặc biệt là các công ty dược phẩm và công nghệ sinh học, tiếp tục thu hút sự chú ý nhờ nhu cầu cao về các dịch vụ chăm sóc sức khỏe.

Thị trường cũng bị ảnh hưởng bởi các yếu tố địa chính trị như xung đột ở Ukraine, gây ra sự bất ổn và làm gián đoạn chuỗi cung ứng, cũng như căng thẳng thương mại giữa Mỹ và Trung Quốc. Những yếu tố này đã làm tăng thêm sự không chắc chắn cho thị trường, khiến nhà đầu tư lo ngại về tương lai kinh tế toàn cầu. Đến nửa đầu năm 2024, mặc dù lạm phát bắt đầu có dấu hiệu được kiểm soát, nguy cơ suy thoái kinh tế vẫn hiện hữu. Nhà đầu tư tiếp tục theo dõi các động thái của Fed và các chỉ số kinh tế quan trọng. Bên cạnh đó, sự quan tâm đến các xu hướng dài hạn như công nghệ xanh, năng lượng tái tạo và đổi mới trong y tế vẫn rất lớn, được xem là các lĩnh vực tiềm năng cho tương lai.

3.2 Thống kê mô tả các thuộc tính của dữ liệu

Bảng dưới trình bày thống kê mô tả các chuỗi lợi suất của hai thị trường chứng khoán Việt Nam (đại diện là chỉ số VNIndex) và Hoa Kỳ (đại diện là chỉ số S&P 500). Từ kết quả trong bảng cho thấy tỉ suất lợi đều gần bằng không và có giá trị nhỏ hơn so với độ lệch chuẩn, chứng tỏ lợi suất của hai thị trường này có sự biến động cao. Đồng thời, độ lệch chuẩn (St. Dev) của hai thị trường gần bằng nhau, cho thấy sự biến động lợi suất của hai thị trường tương đối giống nhau. Độ lệch (Skewness) của chỉ số VNIndex có giá trị âm, ngụ ý rằng có khả năng cao hơn về việc gặp lợi nhuận âm so với lợi nhuận dương. Trong khi đó, độ lệch của chỉ số S&P 500 cũng âm nhưng ở mức độ ít hơn. Độ nhọn (Kurtosis) của cả hai chuỗi lợi suất đều lớn hơn 3, cho thấy phân phối của chuỗi lợi suất không đối xứng và có nhiều biến động. Đặc biệt, thị trường Mỹ có độ nhọn rất cao, ám chỉ sự tập trung của lợi nhuận quanh một giá trị trung bình với sự xuất hiện của những biến động mạnh.

Bảng 3.1: Thống kê mô tả cho VNI và S&P 500

	VNI và S&P 500
	Min	Max	Mean	St.Dev	Skewness	Kurtosis
VNIndex	-0.0696423	0.0486002	0.0002511	0.0120145	-0.7582457	3.362966
SP500	-0.1276573	0.0896709	0.0004492	0.0111443	-0.6742486	12.987438

Kiểm định các thống kê

Đầu tiên, cả hai chuỗi dữ liệu đều dừng, với giá trị kiểm định ADF lần lượt là -14.86299 và -15.41569, và giá trị p-value đều là 0.01000, nhỏ hơn mức ý nghĩa 0.05. Kết quả kiểm định Jarque-Bera cho thấy phân phối lợi suất của cả hai chỉ số đều không tuân theo phân phối chuẩn, với giá trị Jarque-Bera rất cao và giá trị p-value bằng 0.000.

Khi kiểm tra sự tự tương quan, S&P 500 cho thấy sự tự tương quan mạnh mẽ hơn với giá trị Ljung-Box Q(2) là 82.2769592 và p-value bằng 0.000, trong khi VNIndex có giá trị Q(2) là 0.0058160 và p-value là 0.9970962, cho thấy không có tự tương quan ở lag 2. Đối với các phần dư bình phương, cả hai chuỗi đều có giá trị Ljung-Box Q(2)^2 rất cao và giá trị p-value bằng 0.000, cho thấy có sự tự tương quan mạnh mẽ trong các phần dư bình phương.

Cuối cùng, kết quả kiểm định ARCH-LM cho thấy không có hiệu ứng ARCH trong cả hai chuỗi, với giá trị p-value lần lượt là 0.0894332 cho VNIndex và 0.2009268 cho S&P 500.

Bảng 3.2: Kết quả kiểm định cho VNI và S&P 500

	Kiểm định
ADF	Jarque-Bera	Ljung-Box Q(2)	Ljung-Box Q(2)2	ARCH-LM
-14.86299	1989.112	0.0058160	257.8425	221.2078
0.01000	0.000	0.9970962	0.0000	0.0000
-15.41569	24905.378	0.0254699	1499.3785	1108.5262
0.01000	0.000	0.9873458	0.0000	0.0000

3.3 Hệ số tương quan

Hệ số tương quan tuyến tính Pearson giữa S&P 500 và VNIndex là 0.0894, cho thấy một mức độ tương quan dương yếu dựa trên giả định phân phối chuẩn của chuỗi lợi suất. Tuy nhiên, giả định này có thể không chính xác trong các điều kiện thị trường biến động cực biên, làm giảm độ tin cậy của hệ số Pearson trong việc giải thích mối liên hệ giữa hai chỉ số. Các hệ số tương quan phi tham số như Spearman (0.0404) và Kendall (0.0274) không yêu cầu giả định phân phối chuẩn, vì vậy chúng linh hoạt hơn trong việc phản ánh mối quan hệ giữa các chuỗi lợi suất. Tuy nhiên, cả Spearman và Kendall đều không hoàn toàn nắm bắt được sự phụ thuộc trong các cú sốc thị trường hoặc sự không đối xứng, đặc biệt là trong các phần đuôi của phân phối khi thị trường trải qua các sự kiện cực đoan. Để phân tích chi tiết hơn về sự phụ thuộc và sự phụ thuộc đuôi trong điều kiện thị trường biến động mạnh, phương pháp Copula có điều kiện sẽ được áp dụng.

Bảng 3.3: Hệ số tương quan giữa các chuỗi lợi suất

	Pearson	Spearman	Kendall
S&P 500 - VNI	0.0893994	0.0403775	0.0273896

Biểu đồ hệ số tương quan theo kiểm định Pearson

3.4 Kết quả ước lượng mức độ phản ứng của thị trường chứng khoán Việt Nam đối với biến động của thị trường chứng khoán Hoa Kỳ

Trong phần này, bài tiểu luận nhóm chúng tôi tập trung xác định mức độ phụ thuộc và cấu trúc phụ thuộc giữa hai thị trường để chỉ ra mối quan hệ của thị trường chứng khoán Việt Nam với thị trường chứng khoán Hoa Kỳ trong toàn giai đoạn nghiên cứu là từ năm 2010-6/2024. Ngoài ra, bài báo cáo cũng có xem xét có tồn tại mối quan hệ giữa hai thị trường dưới tác động của dịch bệnh COVID- 19 hay không.

3.4.1 Ước lượng mô hình phân phối biên cho mỗi chuỗi lợi suất

Để ước lượng các tham số của mô hình Copula, trước tiên cần xác định mô hình phân phối biên phù hợp nhất để mô tả chính xác đặc điểm biến động của từng chuỗi lợi suất chứng khoán. Các mô hình phân phối biên của sai số chuẩn hóa của mỗi chuỗi lợi suất là yếu tố đầu vào của Copula hai biến. Mô hình biên tổng quát của các chuỗi lợi suất có dạng ARMA(p,q)-GJR-GARCH(r,m). Xác định bậc p, q trong mô hình trung bình di động ARMA(p,q) căn cứ vào giá trị nhỏ nhất của tiêu chuẩn thông tin AIC được ước tính bằng phương pháp ước lượng hợp lý cực đại (Maximum Likelihood Estimation - MLE). Đây là mô hình xác định độ trễ và bước nhảy tối ưu cho chuỗi dữ liệu. Sự tồn tại của hiệu ứng ARCH được tìm thấy ở các chuỗi lợi suất bằng cách sử dụng kiểm định Lagrange Multiplier (LM). Mô hình biên ARMA(p,q)-GJR-GARCH(r,m) phù hợp nhất được xác định dựa vào một tập hợp gồm 20 mô hình biên khác nhau tương ứng với độ trễ p, q và các kết hợp bậc của tham số r, m với bậc tối đa 2; và 5 dạng hàm phân phối biên của chuỗi phần dư cho mỗi chuỗi lợi suất. Các dạng hàm phân phối của các chuỗi phần dư của mỗi chuỗi lợi suất được đưa vào để lựa chọn gồm phân phối chuẩn (Normal), Student-t, Skewed student-t, phân phối lỗi tổng quát GED (Generalized Error Distribution) và phân phối lỗi tổng quát lệch sGED (Skewed Generalized Error Distribution). Mô hình phân phối biên phù hợp nhất cho mỗi chuỗi lợi suất được lựa chọn dựa vào giá trị nhỏ nhất của tiêu chuẩn thông tin AIC, BIC, SIC và HQIC.

Kết quả phân tích cho thấy, trong toàn bộ giai đoạn nghiên cứu, phân phối biên của chuỗi lợi suất tại thị trường Hoa Kỳ và Việt Nam tuân theo phân phối sGED. Điều này cho thấy rằng, từ năm 2010 đến 6/2024, cả hai thị trường chứng khoán đều có xu hướng dao động mạnh trước các cú sốc âm và dương, phản ánh sự không đồng nhất trong biến động của lợi suất. Đối với chuỗi lợi suất VNIndex, mô hình phân phối biên là ARMA(1,2)-GJR-GARCH(1,1)-Skewed GED, trong khi đối với SP500 là ARMA(1,2)-GJR-GARCH(2,1)-Skewed GED. Kết quả này cho thấy rằng các chuỗi lợi suất chứng khoán được xem xét không tuân theo phân phối chuẩn.

Bảng 3.4: Mô hình biên phù hợp nhất cho mỗi chuỗi lợi suất

Chuỗi lợi suất	Mô hình biên
VNI	ARMA(1,2)-GJR-GARCH(1,1)-Skewed GED
S&P 500	ARMA(1,2)-GJR-GARCH(2,1)-Skewed GED

3.4.2 Kết quả ước lượng tham số mô hình biên của mỗi chuỗi lợi suất

“Đối với mô hình trung bình di động ARMA(p, q), lợi suất chứng khoán VNIndex tại thời điểm t chịu tác động bởi mức độ biến động của giá chứng khoán tại thời điểm t-1 và/hoặc t-2; và chịu tác động bởi các thông tin thị trường tại thời điểm t-1 và/hoặc t-2. Đối với mô hình phương sai sai số có điều kiện GJR-GARCH (r, m) của các chuỗi lợi suất được xem xét, tham số ước lượng \(\alpha_i\), với \(i =1,2\), của quá trình ARCH cho biết các thông tin hay cú sốc làm tăng (giảm) giá chứng khoán tại thời điểm t-1, t-2 sẽ làm độ biến động (phương sai có điều kiện) của lợi suất tại thời điểm t tăng (giảm) ở mức bao nhiêu phần trăm. Kết quả từ phần B của bảng cho thấy các hệ số \(\alpha_1\) và/hoặc \(\alpha_2\) của thị trường VNIndex có giá trị dương và có ý nghĩa thống kê ở mức 1%. Trong khi đó các hệ số này ở thị trường chứng khoán S&P500 lại không có ý nghĩa thống kê. Hệ số \(\beta_i\), với \(i = 1,2\), từ quá trình GJR-GARCH, biểu thị cho phương sai có điều kiện của lợi suất chứng khoán tại thời điểm t được giải thích bởi độ biến động của lợi suất chứng khoán tại thời điểm trước đó. Hệ số \(\beta_i\) của hai chuỗi lợi suất chứng khoán có giá trị xấp xỉ 0,9 và có ý nghĩa thống kê. Kết quả này chỉ ra rằng biên lợi suất chứng khoán tại thời điểm t chịu tác động mạnh bởi biến động của lợi suất tại thời điểm t-1 và t-2. Hay nói cách khác, sự biến động của lợi suất rất dai dẳng, tức là những thay đổi lớn trong phương sai có điều kiện được theo sau bởi những thay đổi lớn khác và những thay đổi nhỏ được theo sau bởi những thay đổi nhỏ khác. Hệ số đòn bẩy \(\gamma_i\), trong mô hình GJR-GARCH, thể hiện khác biệt về biến động của lợi suất giữa cú sốc làm giảm giá chứng khoán và cú sốc tăng giá. Khi thị trường hứng chịu cú sốc âm, lợi suất chứng khoán có độ biến động cao hơn \(\gamma_i\)% so với độ biến động khi thị trường hứng chịu cú sốc dương. Hay nói cách khác, hệ số \(\gamma_i\) thể hiện tính chất bất đối xứng hoặc hiệu ứng đòn bẩy của thông tin trong quá khứ. Khi \(\gamma_i = 0\), mô hình GJR-GARCH trở về dạng GARCH. Kết quả ước lượng của hệ số \(\gamma_i\) trong Phần B Bảng chỉ ra rằng, việc lựa chọn vận dụng mô hình phân phối biên bất đối xứng GJR-GARCH dường như là hợp lý. Hầu hết các hệ số \(\gamma_i\) của các mô hình phương sai có điều kiện đều có ý nghĩa thống kê ở mức 5%. Điều này ngụ ý rằng, tin xấu có tác động lớn hơn đến biến động giá chứng khoán so với tin tốt. Tác động của hiệu ứng đòn bẩy là đáng kể giữa thị trường chứng khoán của hai nước.”

Mô hình ARMA

Bảng 3.5: Ước lượng tham số mô hình ARMA

Index	Mu	AR1	AR2	MA1	MA2
VNI	0.000962	0.113988		-0.041528	0.026917
	0.000184	0.059447		0.060380	0.015295
S&P500	0.000977	0.973662		-1.020522	0.037834
	0.000102	0.003739		0.000000	0.000886

Mô hình GJR-GARCH

Bảng 3.6: Ước lượng tham số mô hình GJR-GARCH

Index	Omega	Alpha1	Aphal2	Beta1	Beta2	Gamma1	Gamma2
VNI	0.000003	0.226552		0.858121		-0.177127
	0.000002	0.028277		0.017987		0.027889
S&P500	0.000002	0.137673	0.198065	0.822559		-0.134299	-0.168708
	0.000001	0.037102	0.050415	0.025294		0.039264	0.047039

3.4.3 Kiểm định sự phù hợp của mô hình phân phối biên

Đầu tiên, để thực hiện các kiểm định ta phải tiến hành trích xuất chuỗi phần dư chuẩn hóa tương ứng với từng chuỗi lợi suất. Kết quả của các kiểm định Anderson-Darling (A-D); (ii) Cramer-von Mises (Cv-M) và (iii) kiểm định Kolmogorov-Smornov (K-S) được trình bày trong bảng.

Bảng 3.7: Kiểm định sự phù hợp của các mô hình

Các kiểm định	VNI	S&P 500
Cv-M	265.5100399	305.1205123
K-S	0.9994287	0.9997144
A-D	Inf	Inf

3.4.4 Ước lượng tham số và lựa chọn mô hình Copula phù hợp

Bảng 3.8: Ước lượng tham số và lựa chọn mô hình Copula

Cặp chỉ số	VNI-S&P 500
Copula phù hợp	Student-t
HS phụ thuộc	0,02;0,15
Đuôi trên	0,01
Đuôi dưới	0,01
Kendall	0,01
AIC	-12796.65
BIC	-12784.33

Mối quan hệ giữa thị trường chứng khoán Việt Nam (VNI) và thị trường chứng khoán Mỹ (S&P 500) được mô tả tốt nhất bằng mô hình Copula Student-t. Kết quả cho thấy rằng mức độ phụ thuộc giữa hai thị trường là yếu trong cả phần đuôi trên và đuôi dưới của phân phối, với hệ số phụ thuộc đuôi dưới và đuôi trên đều là 0,01. Điều này có nghĩa là khi VNI giảm mạnh hoặc tăng mạnh, sự thay đổi không có ảnh hưởng rõ rệt đến S&P 500 và ngược lại. Hệ số Kendall (𝜏) cũng thấp ở mức 0,01, cho thấy một mức độ phụ thuộc yếu giữa hai thị trường trong các điều kiện bình thường. Các chỉ số AIC và BIC lần lượt là -12796.65 và -12784.33, cho thấy mô hình Copula Student-t là lựa chọn tối ưu với việc phù hợp tốt với dữ liệu và không có hiện tượng overfitting. Tổng thể, mô hình này giúp chúng ta hiểu rằng dù một trong hai thị trường có thể trải qua biến động lớn, thị trường còn lại không nhất thiết phải phản ứng tương ứng, cung cấp cái nhìn tổng quan về mối quan hệ giữa VNI và S&P 500 trong các điều kiện thị trường khác nhau.

3.5 Sự ảnh hưởng của thị trường chứng khoán Hoa Kỳ đến thị trường chứng khoán Việt Nam dưới tác động của COVID-19

Sự ảnh hưởng của dịch bệnh COVID-19 diễn ra vào cuối năm 2019. Dịch bệnh COVID-19 đã gây ra một làn sóng biến động mạnh lẽ và có tác động lớn lên thị trường chứng khoán trên khắp thế giới, bao gồm cả thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ. Thị trường chứng khoán đã phản ánh sự hoang mang và bất ổn trong tâm lý đầu tư, dẫn đến sụp đổ của giá cổ phiếu và chỉ số chứng khoán. Sự tác động của dịch bệnh đã không chỉ dừng lại ở mức độ tài chính, mà còn lan rộng vào nền kinh tế và sản xuất, gây ra gián đoạn trong chuỗi cung ứng và ảnh hưởng đến lợi nhuận của các doanh nghiệp. Dịch COVID-19 đã gây ra sự bất ổn lớn trên toàn cầu, dẫn đến sự gia tăng của biến động trên thị trường chứng khoán. Các chỉ số chứng khoán, bao gồm VNI và S&P 500, đã chứng kiến sự dao động lớn trong giá cổ phiếu và chỉ số chứng khoán. Ban đầu, khi dịch bệnh COVID-19 bắt đầu lan rộng và gây hoang mang trong cộng đồng đầu tư, thị trường chứng khoán trên toàn thế giới đã ghi nhận sụp đổ mạnh. Cả VNI và S&P 500 cũng đã giảm mạnh vào giai đoạn này. Dịch bệnh COVID-19 đã gây ra gián đoạn trong chuỗi cung ứng toàn cầu và ảnh hưởng đến sản xuất và kinh tế của cả Việt Nam và Hoa Kỳ. Các doanh nghiệp có thể gặp khó khăn trong việc duy trì hoạt động và lợi nhuận, điều này có thể ảnh hưởng đến giá cổ phiếu và chỉ số chứng khoán. Tuy tác động ban đầu của dịch COVID-19 đã làm giảm giá trị thị trường chứng khoán, nhưng tác động dài hạn có thể thay đổi dựa trên nhiều yếu tố khác nhau, bao gồm cả cách mà hai quốc gia xử lý dịch bệnh và phục hồi kinh tế.

Phần tiếp theo sẽ vận dụng mô hình Copula có điều kiện (ARMA-GJR-GARCH Copula) để xem xét cấu trúc và mức độ phụ thuộc đuôi giữa thị trường chứng khoán Vi ệt Nam và thị trường chứng khoán Hoa Kỳ giai đoạn trước, trong và sau dịch bệnh COVID-19 nhằm xác định liệu có tồn tại hay không sự lây lan biến động của thị trường chứng khoán quốc tế đến thị trường chứng khoán Vi ệt Nam. Các dạng mô hình biên cho mỗi chuỗi lợi suất, ARMA(p,q)-GJR-GARCH(r,m), với các dạng phân phối được trình bày chi tiết trong phụ lục 1 tương ứng với từng giai đoạn trước, trong và sau đại dịch COVID-19.

Dạng mô hình phân phối biên mô tả biến động của mỗi chuỗi lợi suất chứng khoán cho từng thị trường trong ba giai đoạn ảnh hưởng bởi COVID-19, được trình bày một cách tóm tắt qua bảng sau:

Bảng 3.9: Dạng hàm phân phối biên của mỗi chuỗi lợi suất giai đoạn trước, trong và sau đại dịch COVID-19

Chuỗi_lợi_suất	Trước Covid	Trong Covid	Sau Covid
VNI	t	Skewed t	GED
SP500	Skewed t	Norm	Skewed GED

Từ kết quả trên cho thấy hai chuỗi lợi suất của thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ đều có phân phối đuôi dày và bất đối xứng hoặc đối xứng. Điều này chứng tỏ khả năng thị trường giảm giá khi xuất hiện thông tin xấu cao hơn khả năng thị trường tăng giá khi có các thông tin tích cực. Trong ba giai đoạn quan sát trên, ta có thể thấy các chuỗi lợi suất của hai thị trường đều có phân phối đối xứng ở một số giai đoạn.

Cụ thể, đối với thị trường chứng khoán Việt Nam, bảng kết quả chỉ ra chuỗi lợi suất tuân theo phân phối t ở giai đoạn trước đại dịch COVID-19, và có phân phối Skewed t trong giai đoạn COVID-19 và GED sau đại dịch. Điều này cho thấy, trong giai đoạn trước đại dịch COVID-19, thị trường chứng khoán Việt Nam có biến động tập trung ở cả phần trung tâm và phân phối đối xứng ở cả phần đuôi. Trong giai đoạn COVID-19, thị trường chứng khoán Việt Nam biến động tập trung hơn ở hai đầu, và sau đại dịch, biến động tiếp tục có xu hướng tập trung ở hai đầu nhưng với phân phối GED, cho thấy sự thay đổi trong mức độ biến động.

Đối với thị trường chứng khoán Hoa Kỳ, dạng phân phối biên trước đại dịch COVID-19 là Skewed t, trong đại dịch là Norm, và sau đại dịch là Skewed GED. Điều này chứng tỏ có sự khác biệt về biến động của chuỗi lợi suất này qua các giai đoạn, đặc biệt là sự thay đổi từ phân phối đối xứng trước đại dịch sang phân phối bất đối xứng và đuôi dày hơn trong và sau đại dịch.

Bảng dưới đâu trình trình bày kết quả về cấu trúc phụ thuộc và mức độ phụ thuộc giữa thị trường chứng khoán Việt Nam với thị trường chứng khoán Hoa Kỳ trong tình hình thị trường chứng khoán chịu nhiều biến động ba giai đoạn trước, trong và sau đại dịch Covid – 19:

Bảng 3.10: Kết quả ước lượng Copula của chuỗi lợi suất VNI-SP500 trong ba giai đoạn Covid-19

Chỉ số	Trước Covid	Trong Covid	Sau Covid
Copula	Student t	Rot-Joe	Student t
Par	0,02		0,04
Par2	10		10
Đuôi trên	0,01	0	0,01
Đuôi dưới	0,01	0.9749086	0,01
Kentall	0,01		0,02
AIC	1.37		-3212.83
BIC	12.52		-3204.05

Giai đoạn trước đại dịch, cấu trúc phụ thuộc giữa thị trường chứng khoán Việt Nam (VNI) và Hoa Kỳ (SP500) được mô tả tốt nhất bằng Copula Student t. Hệ số phụ thuộc đuôi dưới rất nhỏ (0.01), cho thấy có sự phụ thuộc nhẹ nhưng không đáng kể. Điều này cho thấy các cú sốc ở thị trường Hoa Kỳ ít có tác động đến thị trường Việt Nam trong giai đoạn này. Mô hình Copula Student t cũng thể hiện rằng sự phụ thuộc đuôi trên giữa hai thị trường là rất nhỏ (0.01).

Trong giai đoạn đại dịch COVID-19, Copula Rot-Joe không được áp dụng do không có giá trị hệ số phụ thuộc (Par) được báo cáo. Hệ số phụ thuộc đuôi dưới cao (0.9749086) cho thấy sự phụ thuộc đáng kể, trong khi hệ số phụ thuộc đuôi trên là 0. Điều này cho thấy trong thời kỳ khủng hoảng, có sự phụ thuộc mạnh mẽ giữa hai thị trường chứng khoán, nhưng sự phụ thuộc đuôi trên không đáng kể, nghĩa là cú sốc từ thị trường Hoa Kỳ có thể ít ảnh hưởng đến thị trường Việt Nam hơn.

Sau đại dịch COVID-19, Copula Student t tiếp tục là mô hình tốt nhất để mô tả sự phụ thuộc giữa hai thị trường. Hệ số phụ thuộc đuôi dưới vẫn rất thấp (0.01), và hệ số phụ thuộc đuôi trên là 0.01, cho thấy sự phụ thuộc giữa hai thị trường chủ yếu là đối xứng và không có sự phụ thuộc đuôi đáng kể. Mô hình Copula Student t chỉ ra rằng sự biến động của thị trường chứng khoán Hoa Kỳ không gây ra nhiều biến động cho thị trường chứng khoán Việt Nam sau đại dịch.

Kết luận: Trong ba giai đoạn của đại dịch COVID-19, mặc dù có sự phụ thuộc cấu trúc giữa hai thị trường, nhưng sự phụ thuộc đuôi không đáng kể, cho thấy rằng sự lan tỏa của các cú sốc từ thị trường Hoa Kỳ đến thị trường Việt Nam là không đáng kể trong cả giai đoạn trước, trong và sau đại dịch.

3.6 Tóm tắt chương 3

Chương 3 đã trình bày tổng quan về sự biến động của thị trường chứng khoáng Việt Nam đối với sự tác động từ thị trường chứng khoán Hoa Kỳ bằng phương pháp coupula có điều kiện, từ đó xác định được cấu trúc phụ thuộc và mức độ phụ thuộc giữa hai thị trường chứng khoán này trong giai đoạn từ năm 2010 đến tháng 6 năm 2024 và trong giai đoạn khủng hoảng do đại dịch COVID-19. Nhìn chung, trong các giai đoạn nghiên cứu thị trường chứng khoán Việt Nam ít nhạy cảm với sự biến động xuất phát từ thị trường chứng khoán Hoa Kỳ. Từ kết quả trên cũng có thấy rằng không có sự lây lan của sự biến động trong đại dịch COVID-19 từ thị trường chứng khoán Hoa Kỳ đến Việt Nam.

4 CHƯƠNG 4: KẾT LUẬN

4.1 Kết luận

Trong bài tiểu luận này vận dụng mô hình Copula có điều kiện (ARMA-GIJ-GARCH Coupula) để xem xét sự phụ thuộc giữa thị trường chứng khoán Vi ệt Nam với thị trường chứng khoán Hoa Kỳ trong trường hợp thị trường ít biến động và biến động cực biên. Thông qua mức độ phụ thuộc giữa hai thị trường để xác định được mức độ phản ứng của thị trường chứng khoán Việt Nam với sự biến động từ thị trường chứng khoán Hoa Kỳ. Mẫu dữ liệu được lấy theo tần suất ngày với cỡ mẫu 3501 quan sát cho từng chuỗi lợi suất chứng khoán được lấy trong khoảng từ ngày 05/01/2010 đến ngày 28/6/2024. Bài viết vận dụng Copula có điều kiện để xây dựng hàm phân phối đồng thời của phân phối biến của hai chuỗi lợi suất, nhằm xác định mức động phụ thuộc và sự phụ thuộc đuôi giữa hai chuỗi lợi suất.

Từ kết quả mô hình đã sử dụng cho thấy, thị trường chứng khoán Việt Nam không chịu nhiều tác động đối với sự biến động từ thị trường chứng khoán Hoa Kỳ. Cụ thể trong điều kiện biến động thường hệ số tương quan giữa hai thị trường là tương đối thấp đều dưới 0,2. Và khi thị trường xuất hiện các cú sốc tiêu cực, khả năng ảnh hưởng đến thị trường Việt Nam cũng không đáng kể. Đồng thời cũng không tồn tại hiệu ứng lây lan từ thị trường chứng khoán Hoa Kỳ sang thị trường chứng khoán Việt Nam trước, trong và sau đại dịch COVID-19.

4.2 Hạn chế của đề tài

Mặc dù kết quả nghiên cứu đã chỉ ra mối liên hệ giữa hai thị trường chứng khoán Việt Nam và Hoa Kỳ, kết quả nghiên cứu phù hợp với cơ sở lý thuyết và các nghiên cứu thực nghiện trước đây. Tuy nhiên bài luận còn tồn tại một số sai sót nhất định do các yếu tố chủ quan và khách quan trong quá trình thực hiện. Các hạn chế đó bao gồm:

Việc lấy dữ liệu và làm việc với dữ liệu có thể không đạt đến sự chính xác cao nhất, nhóm chúng em đã bỏ qua những dữ liệu không phù hợp nên có thể kết quả có thể bị sai lệch. Ngoài ra, việc xét đến yếu tố biến động ảnh hưởng của thị trường chứng khoán Hoa Kỳ lên thị trường chứng khoán Việt Nam chỉ xét đến ảnh hưởng của đại dịch COVID-19 mà bỏ qua những yếu tố khác. Nghiên cứu này chỉ giới hạn là mối quan hệ giữa thị trường chứng khoán Việt Nam và thị trường chứng khoán Hoa Kỳ nên là không thể nào đưa ra khuyến nghị đầu tư toàn diện dựa trên bài luận này, để có được kết quả chính xác và có hiệu quả đầu tư cần phải xem xét thêm nhiều thị trường và đặc biệt là các thị trường lớn có mối tương quan với Việt Nam.

5 TÀI LIỆU THAM KHẢO

1. Hofert, M., Kojadinovic, I., Mächler, M., & Yan, J. (2018). Elements of Copula Modeling with R. Springer.

2. Trần Quang Huy. (2015). Ứng dụng mô hình ARIMA - GARCH trong dự báo tỷ suất sinh lợi của danh mục đầu tư hiệu quả. Khóa luận Đại học Kinh tế Huế.

3. Phan Thị Hằng Nga. (2024). Nghiên cứu sự phụ thuộc lợi nhuận của tiền kỹ thuật số: Tiếp cận phương pháp Copula có điều kiện. Tạp chí Kinh tế và Phát triển, số 323 tháng 5/2024.

4. Trần Thanh Tâm. (2014). Sử dụng mô hình Copula để xem xét vai trò của vàng là kênh trú ẩn an toàn hay công cụ phòng ngừa rủi ro đối với đồng đô la Mỹ. Luận văn Thạc sĩ Kinh tế - Trường Đại học Kinh tế Thành phố Hồ Chí Minh.

5. Lê Văn Thứ. (2022). Phản ứng của thị trường chứng khoán Việt Nam đối với sự biến động của thị trường chứng khoán quốc tế. Luận án Tiến sĩ Tài chính – Ngân hàng, Đại học Cần Thơ, Cần Thơ.

6. Trịnh Thị Huyền Trang. (2021). Ứng dụng mô hình ARCH và GARCH dự báo lợi suất cổ phiếu VNM. Tạp chí Khoa học và Công nghệ, số 30/6 - 2021.

6 PHỤ LỤC

6.1 Dữ liệu về VNIndex

Mô hình GARCH cho toàn giai đoạn

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(1,0,2)
## Distribution : sged 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.000962    0.000184  5.22281 0.000000
## ar1     0.113988    0.059447  1.91748 0.055177
## ma1    -0.041528    0.060380 -0.68778 0.491593
## ma2     0.026917    0.015295  1.75987 0.078430
## omega   0.000003    0.000002  1.94014 0.052363
## alpha1  0.226552    0.028277  8.01175 0.000000
## beta1   0.858121    0.017987 47.70688 0.000000
## gamma1 -0.177127    0.027889 -6.35113 0.000000
## skew    0.942132    0.018724 50.31716 0.000000
## shape   1.336300    0.044460 30.05639 0.000000
## 
## Robust Standard Errors:
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.000962    0.000171  5.60962 0.000000
## ar1     0.113988    0.014570  7.82325 0.000000
## ma1    -0.041528    0.009841 -4.21974 0.000024
## ma2     0.026917    0.015498  1.73679 0.082424
## omega   0.000003    0.000005  0.64195 0.520908
## alpha1  0.226552    0.046388  4.88382 0.000001
## beta1   0.858121    0.042392 20.24254 0.000000
## gamma1 -0.177127    0.037617 -4.70873 0.000002
## skew    0.942132    0.018539 50.81865 0.000000
## shape   1.336300    0.050413 26.50709 0.000000
## 
## LogLikelihood : 11027.43 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.2939
## Bayes        -6.2763
## Shibata      -6.2939
## Hannan-Quinn -6.2876
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                          statistic p-value
## Lag[1]                       1.595  0.2067
## Lag[2*(p+q)+(p+q)-1][8]      4.693  0.3609
## Lag[4*(p+q)+(p+q)-1][14]     9.667  0.1484
## d.o.f=3
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                     0.1236  0.7252
## Lag[2*(p+q)+(p+q)-1][5]    3.2722  0.3596
## Lag[4*(p+q)+(p+q)-1][9]    6.8368  0.2132
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]   0.05307 0.500 2.000  0.8178
## ARCH Lag[5]   3.17811 1.440 1.667  0.2650
## ARCH Lag[7]   4.24664 2.315 1.543  0.3124
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  25.8698
## Individual Statistics:             
## mu     0.5801
## ar1    0.8965
## ma1    0.8596
## ma2    0.0744
## omega  6.2569
## alpha1 0.5572
## beta1  0.4213
## gamma1 0.8524
## skew   0.3013
## shape  1.4542
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          2.29 2.54 3.05
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias           0.4543 0.6497    
## Negative Sign Bias  0.2916 0.7706    
## Positive Sign Bias  0.1514 0.8797    
## Joint Effect        0.6388 0.8875    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     17.01       0.5894
## 2    30     29.70       0.4290
## 3    40     37.63       0.5321
## 4    50     46.03       0.5943
## 
## 
## Elapsed time : 4.798245

Mô hình GARCH giai đoạn trước Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(2,0,0)
## Distribution : std 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001048    0.000212  4.93360 0.000001
## ar1     0.074147    0.022924  3.23442 0.001219
## ar2     0.049276    0.023160  2.12767 0.033364
## omega   0.000002    0.000002  0.85913 0.390269
## alpha1  0.196925    0.049764  3.95719 0.000076
## beta1   0.874158    0.033575 26.03583 0.000000
## gamma1 -0.146698    0.039790 -3.68683 0.000227
## shape   6.941212    1.213239  5.72122 0.000000
## 
## Robust Standard Errors:
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001048    0.000198  5.29796 0.000000
## ar1     0.074147    0.020317  3.64953 0.000263
## ar2     0.049276    0.023587  2.08916 0.036694
## omega   0.000002    0.000012  0.17754 0.859082
## alpha1  0.196925    0.198831  0.99042 0.321970
## beta1   0.874158    0.148673  5.87974 0.000000
## gamma1 -0.146698    0.112525 -1.30369 0.192340
## shape   6.941212    2.780495  2.49639 0.012546
## 
## LogLikelihood : 6322.371 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.4863
## Bayes        -6.4634
## Shibata      -6.4863
## Hannan-Quinn -6.4778
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                      1.760  0.1847
## Lag[2*(p+q)+(p+q)-1][5]     2.770  0.6192
## Lag[4*(p+q)+(p+q)-1][9]     5.167  0.4164
## d.o.f=2
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                      2.062 0.15097
## Lag[2*(p+q)+(p+q)-1][5]     6.690 0.06164
## Lag[4*(p+q)+(p+q)-1][9]     8.609 0.09763
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]   0.00214 0.500 2.000  0.9631
## ARCH Lag[5]   0.06544 1.440 1.667  0.9928
## ARCH Lag[7]   1.75146 2.315 1.543  0.7697
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  63.7471
## Individual Statistics:              
## mu      0.1313
## ar1     0.1381
## ar2     0.1191
## omega  13.7405
## alpha1  0.3576
## beta1   0.3198
## gamma1  0.4668
## shape   0.1416
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          1.89 2.11 2.59
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias          0.29227 0.7701    
## Negative Sign Bias 0.07787 0.9379    
## Positive Sign Bias 0.64086 0.5217    
## Joint Effect       0.41794 0.9365    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     18.11       0.5154
## 2    30     28.86       0.4726
## 3    40     26.39       0.9383
## 4    50     34.95       0.9351
## 
## 
## Elapsed time : 0.5959389

Mô hình GARCH giai đoạn trong Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(2,0,2)
## Distribution : sstd 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error   t value Pr(>|t|)
## mu      0.002251    0.000479    4.7030 0.000003
## ar1    -0.130130    0.009940  -13.0919 0.000000
## ar2    -0.961290    0.009329 -103.0477 0.000000
## ma1     0.138888    0.001810   76.7367 0.000000
## ma2     0.982389    0.000644 1525.0008 0.000000
## omega   0.000015    0.000008    1.7882 0.073738
## alpha1  0.533322    0.132512    4.0247 0.000057
## beta1   0.696776    0.119714    5.8204 0.000000
## gamma1 -0.473324    0.131209   -3.6074 0.000309
## skew    0.954498    0.055544   17.1846 0.000000
## shape   3.905948    0.826511    4.7258 0.000002
## 
## Robust Standard Errors:
##         Estimate  Std. Error    t value Pr(>|t|)
## mu      0.002251    0.000684    3.29332 0.000990
## ar1    -0.130130    0.012294  -10.58464 0.000000
## ar2    -0.961290    0.008707 -110.40753 0.000000
## ma1     0.138888    0.001816   76.47924 0.000000
## ma2     0.982389    0.001175  836.14071 0.000000
## omega   0.000015    0.000022    0.68203 0.495221
## alpha1  0.533322    0.142012    3.75547 0.000173
## beta1   0.696776    0.312725    2.22808 0.025875
## gamma1 -0.473324    0.146186   -3.23783 0.001204
## skew    0.954498    0.056130   17.00518 0.000000
## shape   3.905948    1.641667    2.37926 0.017348
## 
## LogLikelihood : 1573.482 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.1515
## Bayes        -6.0599
## Shibata      -6.1524
## Hannan-Quinn -6.1156
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                          statistic p-value
## Lag[1]                      0.7287  0.3933
## Lag[2*(p+q)+(p+q)-1][11]    3.9058  1.0000
## Lag[4*(p+q)+(p+q)-1][19]   10.1948  0.4362
## d.o.f=4
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                      1.950  0.1625
## Lag[2*(p+q)+(p+q)-1][5]     4.673  0.1813
## Lag[4*(p+q)+(p+q)-1][9]     6.518  0.2430
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]     3.745 0.500 2.000 0.05295
## ARCH Lag[5]     4.637 1.440 1.667 0.12454
## ARCH Lag[7]     5.180 2.315 1.543 0.20693
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  7.067
## Individual Statistics:              
## mu     0.38936
## ar1    0.13941
## ar2    0.08592
## ma1    0.16463
## ma2    0.06768
## omega  0.62393
## alpha1 0.04150
## beta1  0.12508
## gamma1 0.03178
## skew   0.14884
## shape  0.05882
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          2.49 2.75 3.27
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias          0.74470 0.4568    
## Negative Sign Bias 0.54062 0.5890    
## Positive Sign Bias 0.08482 0.9324    
## Joint Effect       0.90721 0.8237    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     26.65      0.11318
## 2    30     36.02      0.17311
## 3    40     48.85      0.13407
## 4    50     63.85      0.07541
## 
## 
## Elapsed time : 1.553022

Mô hình GARCh giai đoạn sau Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(2,0,2)
## Distribution : ged 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error    t value Pr(>|t|)
## mu      0.001166    0.000236    4.93006 0.000001
## ar1    -0.214488    0.004085  -52.50109 0.000000
## ar2    -0.987780    0.001702 -580.45541 0.000000
## ma1     0.226226    0.003371   67.10274 0.000000
## ma2     1.000205    0.000486 2059.15728 0.000000
## omega   0.000004    0.000005    0.65028 0.515511
## alpha1  0.218476    0.051362    4.25365 0.000021
## beta1   0.872772    0.042125   20.71877 0.000000
## gamma1 -0.184496    0.058986   -3.12780 0.001761
## shape   1.190131    0.096230   12.36755 0.000000
## 
## Robust Standard Errors:
##         Estimate  Std. Error    t value Pr(>|t|)
## mu      0.001166    0.000157    7.40731 0.000000
## ar1    -0.214488    0.003032  -70.74544 0.000000
## ar2    -0.987780    0.002160 -457.20521 0.000000
## ma1     0.226226    0.002362   95.77017 0.000000
## ma2     1.000205    0.000444 2254.47653 0.000000
## omega   0.000004    0.000015    0.23444 0.814642
## alpha1  0.218476    0.041152    5.30902 0.000000
## beta1   0.872772    0.091913    9.49562 0.000000
## gamma1 -0.184496    0.057636   -3.20103 0.001369
## shape   1.190131    0.122525    9.71341 0.000000
## 
## LogLikelihood : 1834.294 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.1218
## Bayes        -6.0481
## Shibata      -6.1223
## Hannan-Quinn -6.0931
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                          statistic p-value
## Lag[1]                     0.04335  0.8351
## Lag[2*(p+q)+(p+q)-1][11]   1.38565  1.0000
## Lag[4*(p+q)+(p+q)-1][19]   4.14950  0.9991
## d.o.f=4
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                      2.562  0.1095
## Lag[2*(p+q)+(p+q)-1][5]     2.983  0.4102
## Lag[4*(p+q)+(p+q)-1][9]     4.813  0.4574
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]    0.1867 0.500 2.000  0.6657
## ARCH Lag[5]    0.6363 1.440 1.667  0.8428
## ARCH Lag[7]    2.2388 2.315 1.543  0.6668
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  6.5435
## Individual Statistics:              
## mu     0.34651
## ar1    0.03087
## ar2    0.05963
## ma1    0.06439
## ma2    0.14704
## omega  0.71644
## alpha1 0.18123
## beta1  0.14443
## gamma1 0.17117
## shape  0.02051
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          2.29 2.54 3.05
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value    prob sig
## Sign Bias           0.8475 0.39704    
## Negative Sign Bias  1.8050 0.07158   *
## Positive Sign Bias  0.1356 0.89215    
## Joint Effect        3.2914 0.34885    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     25.28       0.1517
## 2    30     19.60       0.9048
## 3    40     48.03       0.1523
## 4    50     42.93       0.7166
## 
## 
## Elapsed time : 1.723651

6.2 Dữ liệu về S&P 500

Mô hình GARCh giai đoạn trước Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(2,1)
## Mean Model   : ARFIMA(1,0,0)
## Distribution : sged 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001184    0.000133   8.8925 0.000000
## ar1    -0.053659    0.022571  -2.3774 0.017436
## omega   0.000002    0.000002   1.1399 0.254320
## alpha1  0.142112    0.062304   2.2809 0.022552
## alpha2  0.250864    0.067621   3.7099 0.000207
## beta1   0.801877    0.036711  21.8427 0.000000
## gamma1 -0.136090    0.068100  -1.9984 0.045675
## gamma2 -0.231265    0.065118  -3.5515 0.000383
## skew    1.131066    0.029675  38.1146 0.000000
## shape   1.296296    0.059890  21.6447 0.000000
## 
## Robust Standard Errors:
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001184    0.000118 10.01600 0.000000
## ar1    -0.053659    0.024172 -2.21989 0.026427
## omega   0.000002    0.000008  0.24624 0.805495
## alpha1  0.142112    0.076004  1.86979 0.061513
## alpha2  0.250864    0.128169  1.95729 0.050313
## beta1   0.801877    0.139570  5.74534 0.000000
## gamma1 -0.136090    0.075710 -1.79752 0.072253
## gamma2 -0.231265    0.082480 -2.80389 0.005049
## skew    1.131066    0.032910 34.36801 0.000000
## shape   1.296296    0.119825 10.81822 0.000000
## 
## LogLikelihood : 6885.497 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -7.0627
## Bayes        -7.0340
## Shibata      -7.0627
## Hannan-Quinn -7.0521
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                     0.3399  0.5599
## Lag[2*(p+q)+(p+q)-1][2]    0.4156  0.9811
## Lag[4*(p+q)+(p+q)-1][5]    2.3947  0.5966
## d.o.f=1
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                          statistic p-value
## Lag[1]                      0.9634  0.3263
## Lag[2*(p+q)+(p+q)-1][8]     3.5455  0.5859
## Lag[4*(p+q)+(p+q)-1][14]    5.0005  0.7694
## d.o.f=3
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[4]    0.2808 0.500 2.000  0.5962
## ARCH Lag[6]    0.4519 1.461 1.711  0.9053
## ARCH Lag[8]    1.2968 2.368 1.583  0.8764
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  33.9195
## Individual Statistics:              
## mu     0.07311
## ar1    0.19759
## omega  7.89269
## alpha1 0.09315
## alpha2 0.08398
## beta1  0.11629
## gamma1 0.16244
## gamma2 0.13028
## skew   0.13865
## shape  0.24333
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          2.29 2.54 3.05
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias           0.8737 0.3824    
## Negative Sign Bias  0.5447 0.5860    
## Positive Sign Bias  0.3223 0.7472    
## Joint Effect        2.1878 0.5343    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     19.79       0.4073
## 2    30     28.89       0.4710
## 3    40     38.64       0.4862
## 4    50     45.06       0.6334
## 
## 
## Elapsed time : 4.730317

Mô hình GARCh giai đoạn trong Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(1,0,2)
## Distribution : norm 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error     t value Pr(>|t|)
## mu      0.001402    0.000214      6.5421  0.00000
## ar1     0.925753    0.008304    111.4894  0.00000
## ma1    -1.036845    0.000069 -15039.2635  0.00000
## ma2     0.081008    0.001476     54.8869  0.00000
## omega   0.000003    0.000002      1.4426  0.14914
## alpha1  0.431415    0.015711     27.4595  0.00000
## beta1   0.789643    0.035919     21.9840  0.00000
## gamma1 -0.444117    0.004144   -107.1653  0.00000
## 
## Robust Standard Errors:
##         Estimate  Std. Error     t value Pr(>|t|)
## mu      0.001402    0.000227     6.16944  0.00000
## ar1     0.925753    0.006342   145.97376  0.00000
## ma1    -1.036845    0.000428 -2420.99636  0.00000
## ma2     0.081008    0.005958    13.59610  0.00000
## omega   0.000003    0.000004     0.74372  0.45704
## alpha1  0.431415    0.027887    15.46987  0.00000
## beta1   0.789643    0.062996    12.53487  0.00000
## gamma1 -0.444117    0.012927   -34.35572  0.00000
## 
## LogLikelihood : 1641.684 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.4318
## Bayes        -6.3652
## Shibata      -6.4323
## Hannan-Quinn -6.4057
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                          statistic p-value
## Lag[1]                    0.001172  0.9727
## Lag[2*(p+q)+(p+q)-1][8]   5.168910  0.1385
## Lag[4*(p+q)+(p+q)-1][14]  8.411694  0.3042
## d.o.f=3
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                     0.3286  0.5665
## Lag[2*(p+q)+(p+q)-1][5]    2.3128  0.5466
## Lag[4*(p+q)+(p+q)-1][9]    4.1515  0.5634
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]     1.211 0.500 2.000  0.2711
## ARCH Lag[5]     3.522 1.440 1.667  0.2225
## ARCH Lag[7]     3.974 2.315 1.543  0.3504
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  2.4704
## Individual Statistics:             
## mu     0.1703
## ar1    0.2392
## ma1    0.2336
## ma2    0.2800
## omega  0.1557
## alpha1 0.2719
## beta1  0.2920
## gamma1 0.2309
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          1.89 2.11 2.59
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias           0.1029 0.9181    
## Negative Sign Bias  0.4344 0.6642    
## Positive Sign Bias  0.1966 0.8442    
## Joint Effect        0.2278 0.9730    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     12.71       0.8531
## 2    30     26.09       0.6204
## 3    40     41.13       0.3773
## 4    50     48.89       0.4776
## 
## 
## Elapsed time : 0.593468

Mô hình GARCh giai đoạn sau Covid-19

## 
## *---------------------------------*
## *          GARCH Model Fit        *
## *---------------------------------*
## 
## Conditional Variance Dynamics    
## -----------------------------------
## GARCH Model  : gjrGARCH(1,1)
## Mean Model   : ARFIMA(0,0,1)
## Distribution : sged 
## 
## Optimal Parameters
## ------------------------------------
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001019    0.000355  2.87397 0.004053
## ma1    -0.005134    0.032355 -0.15867 0.873929
## omega   0.000001    0.000001  0.44461 0.656604
## alpha1  0.106695    0.008234 12.95784 0.000000
## beta1   0.935589    0.015889 58.88326 0.000000
## gamma1 -0.082692    0.031914 -2.59107 0.009568
## skew    1.118971    0.052431 21.34182 0.000000
## shape   1.531205    0.117672 13.01250 0.000000
## 
## Robust Standard Errors:
##         Estimate  Std. Error  t value Pr(>|t|)
## mu      0.001019    0.000362  2.81339 0.004902
## ma1    -0.005134    0.024483 -0.20969 0.833909
## omega   0.000001    0.000003  0.17261 0.862956
## alpha1  0.106695    0.071329  1.49582 0.134700
## beta1   0.935589    0.060124 15.56108 0.000000
## gamma1 -0.082692    0.036468 -2.26751 0.023359
## skew    1.118971    0.049637 22.54300 0.000000
## shape   1.531205    0.206049  7.43126 0.000000
## 
## LogLikelihood : 1876.867 
## 
## Information Criteria
## ------------------------------------
##                     
## Akaike       -6.2714
## Bayes        -6.2124
## Shibata      -6.2717
## Hannan-Quinn -6.2484
## 
## Weighted Ljung-Box Test on Standardized Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                    0.02749  0.8683
## Lag[2*(p+q)+(p+q)-1][2]   0.27725  0.9957
## Lag[4*(p+q)+(p+q)-1][5]   0.78803  0.9734
## d.o.f=1
## H0 : No serial correlation
## 
## Weighted Ljung-Box Test on Standardized Squared Residuals
## ------------------------------------
##                         statistic p-value
## Lag[1]                     0.3443  0.5573
## Lag[2*(p+q)+(p+q)-1][5]    0.6088  0.9397
## Lag[4*(p+q)+(p+q)-1][9]    1.5303  0.9531
## d.o.f=2
## 
## Weighted ARCH LM Tests
## ------------------------------------
##             Statistic Shape Scale P-Value
## ARCH Lag[3]   0.02097 0.500 2.000  0.8849
## ARCH Lag[5]   0.48478 1.440 1.667  0.8881
## ARCH Lag[7]   1.21518 2.315 1.543  0.8762
## 
## Nyblom stability test
## ------------------------------------
## Joint Statistic:  135.2193
## Individual Statistics:               
## mu      0.54288
## ma1     0.04815
## omega  28.52924
## alpha1  0.16747
## beta1   0.25889
## gamma1  0.16680
## skew    0.15087
## shape   0.13069
## 
## Asymptotic Critical Values (10% 5% 1%)
## Joint Statistic:          1.89 2.11 2.59
## Individual Statistic:     0.35 0.47 0.75
## 
## Sign Bias Test
## ------------------------------------
##                    t-value   prob sig
## Sign Bias           0.4058 0.6850    
## Negative Sign Bias  0.7213 0.4710    
## Positive Sign Bias  0.8484 0.3966    
## Joint Effect        1.8616 0.6016    
## 
## 
## Adjusted Pearson Goodness-of-Fit Test:
## ------------------------------------
##   group statistic p-value(g-1)
## 1    20     16.89       0.5976
## 2    30     36.32       0.1646
## 3    40     34.87       0.6586
## 4    50     44.60       0.6518
## 
## 
## Elapsed time : 1.979846