Chia sẻ chuyên mục Đề tài Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán hay nhất năm 2023 cho các bạn học viên ngành đang làm Luận văn tham khảo nhé. Với những bạn chuẩn bị làm bài khóa luận tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm Luận văn thì với đề tài Luận văn: Vàng là kênh trú ẩn an toàn hay công cụ phòng ngừa rủi ro đối với kênh đầu tư chứng khoán – Ứng dụng mô hình DCC-GARCH dưới đây chắc hẳn sẽ cho các bạn cái nhìn tổng quát hơn về đề tài này.
3.1 Mẫu nghiên cứu và nguồn dữ liệu thu thập
Mẫu dữ liệu nghiên cứu được thu thập dưới dạng chuỗi thời gian (time series), bao gồm giá vàng và giá chứng khoán của VN-index của sàn chứng khoán Việt nam. Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
Dữ liệu giá vàng tác giả thu thập theo số liệu biểu diễn theo tuần, nguồn dữ liệu được lấy từ Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) với số quan sát từ tháng 01 năm 2010 đến tháng 09 năm 2017 theo tuần, cỡ mẫu của dữ liệu gồm 369 quan sát. Giá vàng tính theo đơn vị VNĐ.
Còn với giá chứng khoán VN-index, dữ liệu sử dụng cho luận văn cũng được thu thập theo tuần trên nguồn dữ liệu của Sàn chứng khoán Nhà nước Việt Nam với cỡ mẫu từ tuần đầu tháng 01 năm 2010 đến tháng 09 năm 2017, bao gồm 369 quan sát theo tuần.
Chuỗi dữ liệu của giá vàng và giá chứng khoán VN-index được tiến hành xử lý thông qua phần mềm Excel 2010 cung cấp dữ liệu đầu vào cho mô hình DCC-GARCH, đảm bảo tính chính xác chuẩn hóa của dữ liệu trước khi tiến hành phân tích dữ liệu bằng mô hình DCC GARCH.
Thời gian thu thập cỡ mẫu của tác giả được chắt lọc từ tháng 1 năm 2010 đến tháng 09 năm 2017, sỡ dĩ tác giả chọn khoảng thời gian này để nghiên cứu vì nguyên nhân chính sau:.
- Giai đoạn nghiên cứu theo tuần đầu tháng 01 năm 2010 đến tháng 09 năm 2017, bao gồm 369 quan sát là cỡ mẫu đủ lớn trong thống kê. Với biến động VN-index và Giá vàng tương đối tuyến tính. Việc kéo nhiều năm quan sát sẽ tăng khả năng xuất hiện các biến động phi tuyến trong khi bài sử dụng nghiên cứu tuyến tính. Chúng ta có thể thấy xu hướng biến động phi tuyến (đổi chiều quan hệ) trên giai đoạn quá dài và quan hệ tuyến tính (không đổi chiều quan hệ) trên dữ liệu từ 2010 đến 2017.
- Vàng là một tài sản có giá trị rất cao, giá trị của nó có thể bị ảnh hưởng theo từng phút, từng giờ và theo ngày. Tuy nhiên dữ liệu với dữ liệu theo khoảng thời gian từng phút và từng giờ không được khả thi, vì khó có thể thu thập được. Nên việc thu thập dữ liệu của giá vàng theo ngày sẽ mang tính khả thi hơn. Hơn nữa những dữ liệu hàng ngày này có thể bị ảnh hưởng bởi sự lệch và nhiễu của thị trường. Những mối quan hệ phụ thuộc và phức tạp có thể bị ẩn giấu bởi sự sai lệch và nhiễu thông qua một chuỗi dữ liệu không dừng.
- Dữ liệu bài nghiên cứu nghiên cứu sau giai đoạn khủng hoảng nhằm mục tiêu tránh sự ảnh hưởng của khủng hoảng kinh tế đến quan hệ giữa giá vàng và chứng khoán. Trong giai đoạn khủng hoảng từ 2008-2010, từ biểu đồ ta có thể nhìn thấy biến động của giá chứng khoán VN-index cao và dao động mạnh. Đây là lý do tác giả lựa chọn nghiên cứu mối quan hệ giữa giá vàng và chứng khoán sau năm 2010.
CÓ THỂ BẠN QUAN TÂM ĐẾN DỊCH VỤ:
===>>> Dịch Vụ Viết Luận Văn Thạc Sĩ Kinh Tế
3.2 Mô tả khung biến và mô hình nghiên cứu Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
3.2.1 Mô tả khung biến
Vai trò của vàng là một công cụ phòng ngừa hay là một kênh trú ẩn an toàn đối với biến động giá chứng khoán phụ thuộc vào việc giá vàng và biến động của giá trị chứng khoán- được liên kết như thế nào trong các điều kiện thị trường khác nhau. Theo như cách tiếp cận đã được sử dụng bởi Baur and Lucey (2010) and Baur and McDermott (2010), các tính năng của một loại tài sản để được xem như là một công cụ phòng ngừa hay kênh trú ẩn an toàn là:
- Công cụ phòng ngừa: Một tài sản là một công cụ phòng ngừa nếu nó không tương quan hoặc là tương quan nghịch với bất cứ một tài sản hay danh mục đầu tư khác tính về mặt trung bình.
- Kênh trú ẩn an toàn: Một tài sản được xem là một kênh trú ẩn an toàn nếu nó không di chuyển với một tài sản hay danh mục đầu tư nào trong thời gian thị trường biến động dữ dội.
Điểm cần chú ý phân biệt giữa hai mối quan hệ giữa hai công cụ này là sự phụ thuộc của các tài sản khi xét về mặt trung bình – thị trường bình thường – hay trong thời kỳ thị trường biến động dữ dội. Do đó, phương pháp nghiên cứu của luận văn cần phải ước lượng hệ số tương quan biến đổi qua thời gian giữa hai loại tài sản vàng và chứng khoán dựa vào mô hình DCC-GARCH, tác giả lựa chọn sử dụng các biến quan sát là suất sinh lợi của hai loại tài sản trên để phù hợp với yêu cầu về tính dừng cho chuỗi dữ liệu đầu vào của mô hình. Theo đó các biến quan sát bao gồm biến lợi nhuận vàng Return-au và Return-vni, trong đó biến Return-vni đại diện cho giá trị của biến lợi nhuận của giá chứng khoán VN-index, với cách xác định từng biến như sau:
Dựa vào cách tính biến trên nghiên cứu thực nghiệm của Mark Joy (2011), Return-au (lợi nhuận vàng – “Gold”) là biến phụ thuộc thể hiện suất sinh lợi của vàng trong thời kỳ nghiên cứu, mỗi quan sát của biến Return-au là suất sinh lợi của giá vàng tại ngày giãn cách theo tuần quan sát và được tính bằng cách lấy chênh lệch hàng tuần của logarit tự nhiên của giá vàng, sau đó trừ đi giá trị trung bình theo công thức sau:
Mark Joy (2011). Return-vni là biến phụ thuộc thể hiện suất sinh lợi của chứng khoán trong thời kỳ nghiên cứu. Trong bài nghiên cứu tác giả sử dụng mỗi quan sát của biến Return-vni (lợi nhuận giá chứng khoán) là suất sinh lợi của giá chứng khoán tại ngày giãn cách theo tuần quan sát và được tính tương tự như biến Return-au.
Trong đó gía của chứng khoán VN-index sẽ được lấy theo cuối ngày phiên giao dịch trên sàn chứng khoán theo tuần. Các biến trễ một giai đoạn là Return-au(- và Return-vni(-1) tại ngày quan sát t được xác định bằng cách lấy giá trị tương ứng của biến Return-au và Return-vni tại ngày t-1 theo nghiên cứu thực nghiệm của
Mark Joy (2011). Những hệ số ước lượng của hai biến trễ này trong mô hình là đại diện cho mức độ tác động của thông tin suất sinh lợi quá khứ lên những thay đổi trong tỷ suất sinh lợi ở thời điểm hiện tại. Chính những tác động này sẽ làm thay đổi chiến lược đa dạng hóa và phòng ngừa rủi ro tại từng thời điểm khác nhau, do đó tác giả kỳ vọng quan sát được những hệ số ước lượng có ý nghĩa của hai biến này trong thời kỳ nghiên cứu.
3.2.2. Mô hình nghiên cứu Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
Với mục tiêu của đề tài là ước lượng độ biến động và tương quan độ biến động – đại diện bởi phương sai và hiệp phương sai có điều kiện – giữa các biến khác nhau để làm cơ sở cho việc xác định mối tương quan và vai trò của tài sản cơ sở cũng như làm cơ sở cho việc xây dựng danh mục đa dạng hóa và phòng ngừa rủi ro, bài nghiên cứu dựa vào phương pháp nghiên cứu của tác giả Sadorsky (2014), Mark Joy (2011) và Creti, A., Joëts, M., & Mignon, V. (2013), Souček, M. (2013), Jain, A., & Biswal, P. C. (2016), Baruník, J., Kočenda, E., & Vácha, L. (2016), Choi, K., & Hammoudeh, S. (2010), trong đó tác giả sử dụng mô hình đa biến DCC-GARCH do Engle phát triển năm 2002 và việc xác định khả năng giảm thiểu rủi ro như trong nghiên cứu của tác giả Juan C. Reboredo (2013) cho thấy sự phù hợp của phương pháp tiếp cận này.
Trong bài nghiên cứu của Bauwens và cộng sự (2006) đã thực hiện khảo sát thống kê về các dạng mô hình đa lượng GARCH (MGARCH) đã được sử dụng trong tài chính thực nghiệm để phân tích tương quan và biến động giữa cổ phần, hàng hóa, giá vàng và tỷ giá hối đoái. Có rất nhiều mô hình phổ biến khác của MGARCH bao gồm: VECH, BEKK và VECH. Mặc dù kết quả khảo sát cho thấy các mô hình này là phổ biến, tuy nhiên Bauwens và cộng sự (2006) cho thấy các mô hình này có những hạn chế đặc biệt trong câu hỏi bài nghiên cứu này với những nhược điểm tác giả chỉ ra. Mô hình VECH thiếu sự tương quan giữa các biến, mô hình BEKK có hàm điều kiện xác xuất xảy ra dẫn tới ước tính khó khăn, và mô hình VECH có một số lượng lớn các tham số hệ số hồi quy.
Hoti và cộng sự. (2005, 2007) ước tính các mô hình GARCH (1,1) đơn thuần biến đổi theo thời gian để xem xét thay đổi các rủi ro đối với một số chỉ số giá cả khác nhau và nhận thấy mô hình GARCH (1,1) đã giải thích được sự biến động trong chỉ số giá cả một cách đầy đủ. Tuy nhiên, cách tiếp cận này không kiểm tra được sự tương quan theo thời gian giữa các chỉ số của giá cả và các tài sản khác, giá vàng, giá dầu,…
Sadorsky (2014) sử dụng các mô hình GARCH đa biến để mô phỏng các biến động và mối tương quan có điều kiện giữa chỉ số giá chứng khoán, giá dầu và giá vàng. Mô hình tương quan động có điều kiện DCC-GARCH được tác giả chứng minh phù hợp với dữ liệu tốt nhất và được sử dụng để tạo ra các tương quan có điều kiện quan sát được theo thời gian, các tỷ lệ công cụ phòng ngừa và trọng số danh mục đầu tư tối ưu. Từ góc độ quản lý rủi ro, nghiên cứu này cung cấp những kết quả rất tương tự về các tương quan điều kiện theo thời gian, tỷ lệ công cụ phòng ngừa và trọng số danh mục đầu tư tối ưu khi đầu tư vào chứng khoán S&P500. Ví dụ, các nhà đầu tư có thể mong đợi trả một khoản tiền cho công cụ phòng ngừa của họ với dầu hoặc vàng. Những kết quả này có thể giúp nhà đầu tư và nhà quản lý danh mục đầu tư đưa ra các quyết định đầu tư thông minh hơn.
Để đo lường sự tự tương quan trong lợi nhuận. Một mô hình GARCH (1,1) được sử dụng để mô hình hóa sự biến thiên theo thời gian và hiệp phương sai:
Trong phương trình 1:
Rit là lợi nhuận của chuỗi i (vàng và chứng khoán), và εit là sai số ngẫu nhiên với phương sai có điều kiện là hit , t là tham số biểu thị chuỗi thời gian.
Trong phương trình 3:
Xác định một quá trình GARCH(1,1) trong đó I (ε) là một hàm chỉ thị cho trường hợp ε <0. Đối với cách xác định cụ thể này, giá trị dương cho d cho thấy rằng sai số âm có xu hướng tăng lên trong phương sai và nhiều hơn sai số dương.
Mô hình tương quan năng động (Dynamic conditional correlation – DCC) của tác giả Engle (2002) được ước lượng theo hai bước. Trong bước đầu tiên, các thông số GARCH được ước tính. Trong bước thứ hai, các tương quan được ước tính.
Mô hình:
Trong hàm (4) trên, ma trận Ht là ma trận hiệp phương sai có điều kiện, Rt là ma trận tương quan có điều kiện và Dt là ma trận đường chéo của độ lệch chuẩn. quan sai số chuẩn hóa ξit . Và hệ số θ1 và θ2 là hệ số hồi quy không âm với tổng nhỏ hơn 1. Lúc đó tương quan được ước tính bằng công thức sau: Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
Đối với trường hợp tương quan điều kiện hệ số chặn (CCC), Rt = R và Rij ρij. Trong mô hình chéo, ρij = 0 cho tất cả i và j. Trường hợp chéo là rất hạn chế vì nó giả định rằng các tương quan điều kiện năng động theo thời gian giữa các biến là tất cả các số không. Phần sai số chuẩn hóa từ mô hình GARCH có thể được sử dụng để tính ma trận hiệp phương sai không điều kiện.
3.2.2.1 Giai đoạn 1: Ước lượng ma trận hệ số tương quan giữa vàng và chứng khoán
Trong giai đoạn này tác giả sử dụng mô hình DCC-GARCH do Engle phát triển năm 2002 làm mô hình thực nghiệm để ước lượng ma trận hệ số tương quan biến đổi theo thời gian giữa biến đại diện cho khả năng sinh lợi của vàng và biến đại diện cho tỷ suất sinh lời của VN-index đối với thị trường Việt Nam.
Áp dụng cho câu hỏi nghiên cứu của đề tài và dựa theo gợi ý các kết quả nghiên cứu trước đây, đề tài sử dụng mô hình DCC-GARCH(1,1), mô hình DCC-GARCH (1,1) mô tả cơ chế thay đổi của suất sinh lợi bằng hai phương trình sau:
Trong đó là vec tơ m x 1 của m biến phụ thuộc là tỷ suất sinh lợi của giá vàng GOLD (Return-au) và biến tỷ suất sinh lợi của VN-index trong đó tại thời điểm t. Yêu cầu của mô hình là tập hợp các quan sát của các biến trên phải là chuỗi thời gian có tính dừng, ∅ là ma trận các hệ số, là vec tơ m x 1 các biến độc lập bao gồm biến trễ một giai đoạn của tỷ suất sinh lời của vàng là L. Lợi nhuận GOLD (L.Return-au) và biến trễ một giai đoạn của tỷ suất sinh lợi VN-index là L.Return-vni. Hạng nhiễu được mô tả là phụ thuộc vào ma trận phương sai có điều kiện biến đổi theo thời gian ℎ và là véc tơ m x 1 sai số ngẫu nhiên có phân phối chuẩn.
Ma trận phương sai – hiệp phương sai có điều kiện giữa hai biến GOLD (Return-au) và Return-vni được xác định như sau:
Trong đó, hte, htg, hteg lần lượt là phương sai có điều kiện của Return-vni; phương sai có điều kiện của biến GOLD (Return-au); và hiệp phương sai có điều kiện của hai biến này tại thời điểm t. Mô hình DCC-GARCH cho phép ma trận phương sai – hiệp phương sai thay đổi qua thời gian theo một điều kiện nhất định.
Chi tiết về mô hình DCC-GARCH và các giả thuyết của mô hình sẽ được nêu trong phần phụ lục của luận văn.
3.2.2.2 Giai đoạn 2: Phân tích kết quả hệ số tương quan giữa tỷ suất sinh lợi vàng và chứng khoán. Những giả thiết trong mô hình nghiên cứu Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
Từ hình vẽ 3.1 cho thấy giá vàng và giá chứng khoán biến động ngược chiều.
Theo nghiên cứu của Baur và Mc Dermott (2010), tác giả đưa ra giả thiết sau:
Giả thuyết: Vai trò của vàng như là một công cụ phòng ngừa đối với biến động giá chứng khoán là thực sự tồn tại.
Theo Mark Joy (2011) định nghĩa về công cụ phòng ngừa và kênh trú ẩn an toàn như sau:
- Một tài sản đóng vai trò kênh trú ẩn an toàn sẽ không di chuyển với một tài sản khác trong thời gian thị trường biến động mạnh,
- Một tài sản có vai trò một công cụ phòng ngừa khi không tương quan hoặc tương quan âm với tài sản khác, tính theo thị trường trung bình.
Dựa theo biểu đồ hệ số tương quan giữa tỷ suất sinh lợi vàng và chứng khoán, ta sẽ kết luận có tồn tại hay không mối quan hệ giữa kênh vàng và kênh chứng khoán. Kết quả phân tích dự kiến xảy ra các trường hợp tương ứng với các kênh phòng ngừa và kênh trú ẩn đối với hệ số tương quan tỷ suất sinh lợi vàng và chứng khoán.
- Một tài sản là kênh trú ẩn an toàn sẽ có hệ số tương quan thấp, quanh giá trị 0, không bị chệch tương quan âm ngược chiều.
- Một tài sản là kênh phòng ngừa sẽ có hệ số tương quan cao hoặc thấp tuy nhiên phải lệch về tương quan âm.
3.3. Phương pháp kiểm định mô hình Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
Dữ liệu nghiên cứu được thu thập dưới dạng chuỗi thời gian. Phương pháp nghiên cứu dùng mô hình DCC-GARCH để tìm ra hệ số tương quan có điều kiện biến đổi qua thời gian của tỷ suất sinh lời vàng và tỷ suất sinh lợi của VN-index.
Nhằm phân tích vai trò của vàng có thể làm công cụ phòng ngừa và kênh trú ẩn an toàn đối với chứng khoán, tác giả tiến hành nghiên cứu trên tỷ suất sinh lợi giá vàng và tỷ suất sinh lợi chứng khoán.
Quy trình được tiến hành như sau:
Bước 1: Tính thống kê mô tả chuỗi dữ liệu theo từng biến.
Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu để phân tích các chỉ số thống kê như số trung bình, trung vị, giá trị nhỏ nhất, giá trị lớn nhất của chuỗi dữ liệu.
Bước 2: Kiểm định tính dừng
Kiểm định tính dừng là kiểm định rất quan trọng để xác định cấu trúc dữ liệu của các biến có phù hợp với mô hình chuổi thời gian họ GARCH hay không.
Kiểm định tính dừng bằng Augmented Dickey-Fullet test (ADF): Dấu hiệu nhận biết khi nhìn vào bảng kết quả nếu hệ số của biến tại độ trễ t-1 bé hơn 0 và đồng thời giá trị tuyệt đối thống kê t tính toán lớn hơn trị tuyệt đối của các giá trị t tra bảng ADF ở các mức ý nghĩa 1%, 5% , 10% thì bác bỏ giả thiết H0, từ đó kết luận chuỗi dữ liệu dừng.
Bước 3: Kiểm định ảnh hưởng của ARCH
Kiểm định ảnh hưởng ARCH được thực hiện nhằm kiểm tra sự tồn tại của hiện tượng phương sai thay đổi có điều kiện trước khi ước lượng hệ số tương quan biến đổi qua thời gian của vàng và tỷ suất sinh lợi của VN-index.
Dấu hiệu nhận biết khi nhìn vào bảng kết quả của từng biến tương ứng nếu tồn tại một hệ số phần dư khác 0 có Prob nhỏ hơn mức ý nghĩa 5% và Prob nhỏ hơn 10% thì bác bỏ giả thiết H0, từ đó kết luận chuỗi dữ liệu của biến đang xét có ảnh hưởng của ARCH.
Bước 4: Ước lượng mô hình DCC-GARCH
Ước lượng mô hình DCC-GARCH là ước lượng hai phương trình sau:
Các ký hiệu sử dụng trong mô hình đã được nêu trong phần trên của luận văn.
Dấu hiệu nhận biết tính phù hợp của mô hình DCC-GARCH khi nhìn vào bảng kết quả nếu các hệ số ảnh hưởng của ARCH ( ) và GARCH ( ) đều bé hơn 1 và tổng các hệ số ước lượng DCC 1 và 2 (tương ứng hệ số θ1 và θ2) nhỏ hơn 1 và có ý nghĩa thống kê (Prob nhỏ hơn mức ý nghĩa 5%).
Trên đây là phương pháp nghiên cứu của đề tài được làm rõ cho từng nội dung liên quan đến mô hình thực nghiệm, mô tả các biến quan sát của mô hình, nguồn dữ liệu và cách thức xử lý dữ liệu. Mô hình thực nghiệm sử dụng là mô hình chuỗi thời gian linh hoạt có điều kiện DCC-GARCH đã từng được tác giả Mark Joy (2011) sử dụng và xác định tính phù hợp. Thao tác xử lý dữ liệu được thực hiện bằng phần mềm Stata 13 và Eviews 8.0. Luận văn: Thực trạng kênh trú ẩn Vàng trong chứng khoán
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY
===>>> Luận văn: Biện pháp phòng ngừa rủi ro với đầu tư chứng khoán
