Ứng dụng mô hình ARIMA – ARCH/GARCH để dự báo thanh khoản của 30 cổ phiếu có giá trị vốn hóa và thanh khoản lớn nhất niêm yết trên sở giao dịch chứng khoán thành phố Hồ Chí Minh trong ngắn hạn

1. i
Lôøi Caûm Ôn
Đầu tiên, em xin gởi lời cảm ơn đến Thầy Cô trường Đại học Kinh tế Huế
nói chung và Thầy Cô khoa Tài Chính – Ngân Hàng nói riêng, đã tận tâm giảng
dạy em trong suốt quá trình học tập và nghiên cứu tại trường. Đặc biệt, em xin gởi
lời cám ơn chân thành nhất đến Ths. Đoàn Như Quỳnh, người đã trực tiếp hướng
dẫn em thực hiện đề tài tốt nghiệp. Nhờ sự hướng dẫn và chỉ bảo tận tình của cô,
em đã có được những kiến thức và kinh nghiệm quý báu về cách xác định vấn đề
nghiên cứu, phương pháp nghiên cứu, xác định kết cấu cho đề tài, trình bày kết
quả… và hoàn thành đề tài tốt nghiệp của mình.
Cuối cùng, em xin bày tỏ lòng cảm ơn sâu sắc đến gia đình và bạn bè đã luôn
bên cạnh, hỗ trợ và động viên em hoàn thành tốt khoá luận của mình.
Em xin chân thành cảm ơn!
Huế, tháng 05/2015
Sinh viên thực hiện
Huỳnh Thị Phượng

2. ii
MỤC LỤC
PHẦN I: ĐẶT VẤN ĐỀ .....................................................................................................1
1.Tính cấp thiết của đề tài: ...........................................................................................2
2. Mục tiêu nghiên cứu:................................................................................................5
2.1.Mục tiêu nghiên cứu...............................................................................................5
3.Đối t ợng, ph m vi: ..................................................................................................5
3.1.Đối t ợng nghiên cứu:............................................................................................5
3.2.Ph m vi nghiên cứu:...............................................................................................6
4.Ph ng ph p nghiên cứu...........................................................................................6
5.Kết cấu đề tài.............................................................................................................7
PHẦN 2: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU...................................................8
CHƯƠNG 1: LÝ LUẬN THANH KHOẢN VÀ CÁC MÔ HÌNH ĐO LƯỜNG, DỰ
BÁO ......................................................................................................................................8
1.1.Thanh khoản:..........................................................................................................8
1.1.1.Định nghĩa tính thanh khoản:..............................................................................8
1.1.2.Tính thanh khoản:................................................................................................8
1.1.3.Tính thanh khoản của cổ phiếu:..........................................................................8
1.2.C c yếu tố ảnh h ởng đến thanh khoản cổ phiếu:.................................................9
1.3.Đo l ờng tính thanh khoản của cổ phiếu:............................................................10
1.3.1 Ph ng ph p đo l ờng liên hệ độ sâu:..............................................................11
1.3.2 Ph ng ph p đo l ờng liên hệ độ chặt: ............................................................13
1.3.3. Ph ng ph p đo l ờng liên hệ thời gian giao dịch:.........................................14
1.3.4. Ph ng ph p đo l ờng liên hệ độ co giãn: ......................................................14
1.4. Dữ liệu nghiên cứu:.............................................................................................16
1.5.Ph ng ph p nghiên cứu:.....................................................................................16
1.5.1. Vấn đề c bản về chuỗi thời gian: ...................................................................16
1.5.1.1 Chuỗi thời gian là gì:......................................................................................16
1.5.1.2 C c thành phần của chuỗi thời gian...............................................................16
1.5.2 C c vấn đề liên quan đến tính dừng:.................................................................17
1.5.2.2 Kh i niệm tính dừng.......................................................................................17
1.5.2.3 Hậu quả của chuỗi không dừng: ....................................................................17
1.5.2.4 C ch kiểm định tính dừng của chuỗi thời gian:.............................................18

3. iii
1.5.2.4.1. Tự t ng quan ACF (Autocorrelation function) .......................................18
1.5.2.4.3. Tự t ng quan mẫu PACF (Partial Autocorrelation function): ................19
1.5.2.4.4. Kiểm định Dickey-Fuller (kiểm định nghiệm đ n vị- Unit root test):......19
1.5.2.4.5 Nhiễu trắng(white noise):............................................................................19
1.5.2.4.6. B ớc đi ngầu nhiên (Random Walk):........................................................20
1.4.1.5. Biến đổi chuỗi không dừng thành chuỗi dừng..............................................20
1.4.2 Mô hình Arima ..................................................................................................20
1.4.2.1 C sở lý luận...................................................................................................20
1.4.2.2 Qu trình tự hồi quy (AR – Autoregressive Process)....................................21
1.4.2.3 Qu trình trung bình tr ợt (MA – Moving Average) ....................................21
1.4.2.4 Qu trình trung bình tr ợt và tự hồi quy ARMA ..........................................22
1.4.2.5 Qu trình trung bình tr ợt, đồng liên kết, tự hồi quy ARIMA......................22
1.4.2.6 Ph ng ph p Box-Jenkins .............................................................................23
1.4.3.6.1 Định d ng:...................................................................................................24
1.4.3.6.2 Ước l ợng mô hình .....................................................................................29
1.4.3.6.3 Kiểm định tính thích hợp của mô hình .......................................................29
1.4.3.6.4 Dự b o .........................................................................................................31
1.2.4. Lý thuyết mô hình ARCH/GARCH.................................................................31
1.2.4.1. Mô hình ARCH:............................................................................................31
1.2.4.2. L ý thuyết mô hình GARCH:........................................................................34
Ch ng 2: CHỈ SỐ CHỨNG KHOÁN VN30-INDEX VÀ DIỄN BIẾN THANH
KHOẢN CỦA THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM GIAI ĐOẠN 2012 -
2015 ............................................................................................................................36
2.1 Tổng quan về chỉ số chứng kho n VN30-Index..................................................36
2.1.1 Chỉ số VN30 là gì.............................................................................................36
2.1.2 Ý nghĩa .............................................................................................................36
2.1.3 Tiêu chuẩn lựa chọn cổ phiếu vào rổ VN30 .....................................................37
2.1.4 Điều kiện tham gia chỉ số VN30:......................................................................37
2.1.5 Ph ng ph p tính: .............................................................................................38
2.1.5.1 Tiêu chí tính toán: ..........................................................................................38
2.1.5.2 Công thức tính VN30:....................................................................................39
2.1.5.3 Gi để tính to n chỉ số....................................................................................39
2.2 Thanh khoản của thị tr ờng chứng kho n giai đo n từ năm 2012 đến nay: diễn
biến VN-Index, VN30-Index .....................................................................................39

4. iv
2.2.1 Năm 2012: .........................................................................................................40
2.2.2 Năm 2013: hồi phục m nh mẽ ..........................................................................43
2.2.3 Năm 2014 đến nay: ...........................................................................................45
Ch ng 3: DỰ BÁO THANH KHOẢN CỦA NHÓM 30 CỔ PHIẾU CÓ GIÁ TRỊ
VỐN HÓA VÀ KHỐI LƯỢNG GIAO DỊCH LỚN NIÊM YẾT TRÊN SƠ GIAO
DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH ........................................50
3.1 Lý do lựa chọn chỉ số Amivest: ...........................................................................50
3.2 Mẫu quan s t: .......................................................................................................50
3.3 Kết quả nghiên cứu: .............................................................................................51
3.3.1 Thống kê mô tả số liệu:.....................................................................................51
3.3.2 Kiểm định tính dừng của chuỗi Amivest:.........................................................52
3.3.3 Phân phối x c suất của chuỗi Amivest: ............................................................52
3.3.4 Lựa chọn mô hình ARIMA(p,d,q):...................................................................53
3.3.4.1. Mô hình ARIMA (p,0,q) tốt nhất để dự b o:................................................53
3.3.4.2 Dự b o thử nghiệm trên mô hình ARIMA(1,0,1) : .......................................55
3.3.5 Ước l ợng mô hình GARCH:...........................................................................58
3.3.5.1 Ước l ợng mô hình GARCH(p,q): ................................................................58
3.3.5.2 Dự b o: ...........................................................................................................59
3.3.5.3 Nhận xét và thảo luận:....................................................................................60
PHẦN 3 : KÊT LUẬN ...............................................................................................62
1.Kết quả đ t đ ợc : ...................................................................................................62
2. H n chế :.................................................................................................................63
3. H ớng ph t triển đề tài :.........................................................................................64
4. Khuyến nghị: ..........................................................................................................64
TAI LIỆU THAM KHẢO..........................................................................................65
PHỤ LỤC ...................................................................................................................67
Phụ lục ........................................................................................................................68

5. v
DANH MỤC CÁC CHỮ CÁI VÀ KÝ HIỆU VIẾT TẮT
VN30-INDEX : Chỉ số chứng khoán của 30 doanh nghiệp có giá trị vốn hóa
lớn nhất
TTCK : Thị tr ờng chứng khoán
HOSE : Sở giao dịch chứng khoán thành phố Hồ Chí Minh
NHNN : Ngân hàng Nhà n ớc
NĐT : Nhà đầu t
DN : Doanh nghiệp
KLGD : Khối l ợng giao dịch
DMĐT : Danh mục đầu t
CSTT : Chính sách tiền tệ
GTVH : Giá trị vốn hóa
GTDD : Giá trị dao dịch
CTCP : Công ty cổ phần
NHTMCP : Ngân hàng th ng m i cổ phần
ACF : Hàm tự t ng quan
PACF : Hàm tự t ng quan riêng phần
AR : Tự hồi quy (Autoregressive)
MA : Trung bình tr ợt (Moving Average)
ARIMA : Tự hồi quy tích hợp trung bình tr ợt (Autogressive
Integrated Moving Average)
ARCH : Tự hồi quy có điều kiện ph ng sai sai số thay đổi
(Autoregressive Conditional Heteroshedasticity)
GARCH : Tự hồi quy tổng qu t có điều kiện ph ng sai sai số thay đổi
(Generalized Autoregressive Conditionnal Heteroshedasticity
PPXS : Phân phối xác suất

6. vi
DANH MỤC BẢNG BIỂU
Bảng 1.1 C c khía c nh của thanh khoản........................................................................10
Bảng 1.2 - C c d ng lý thuyết của ACF và PACF .........................................................25
Bảng 3.1. Thống kê mô tả chuỗi Amivest.......................................................................51
Bảng 3.2 Lựa chọn mô hình ARIMA(p,0,q) ..............................................................54
Bảng 3.3 Dự b o ngoài mẫu cho giai đo n từ 06/02/2015 đến 27/03/2015.................57
Bảng 3.4 Lựa chọn mô ARCH/GARCH........................................................................58
Bảng 3.5: kết quả dự b o chỉ số Amivest theo tuần ngày 03/04/2015 đến 06/05/2015
.............................................................................................................................................59

7. vii
DANH MỤC HÌNH
Hình 1.1 - Quy trình của ph ng ph p Box-Jenkins......................................................24
Hình 1.2 - Quá trình AR(1)...............................................................................................26
Hình 1.3 - Quá trình MA(1)..............................................................................................26
Hình 1.4 - Quá trình MA(2)..............................................................................................27
Hình 1.5 Quá trình ARIMA(1).........................................................................................28
Hình 2.1 Tỷ trọng ngành theo GTVH của rổ VN30.......................................................37
(Nguồn: HOSE)..................................................................................................................37
Hình 2.2 Diễn biến thanh khoản TTCK năm 2012.........................................................40
Hình 2.3 Diễn biến thanh khoản TTCK năm 2013.........................................................44
Hình 2.4 Tình hình thanh khoản TTCK từ năm 2014 đến nay......................................46
Hình 3.1 Đồ thị PPXS của chuỗi Amivest.......................................................................52
Hình 3.2 Dự b o Amivest giai đo n từ 10/02/2012 đến 30/01/2015...........................55
Hình 3.3 Phần d , gi trị thực và gi trị ớc l ợng từ mô hình ARIMA(1,0,1)..........56
Hình 3.4 Gi trị thực và dự b o chỉ số Amivest.............................................................56
Hình 3.5 Dự b o ph ng sai cho chuỗi Amivest............................................................59

8. viii

9. 1
TÓM TẮT ĐỀ TÀI
Thanh khoản đ ợc xem là yếu tố “huyết m ch” của thị tr ờng tài chính. Việc
điều tiết phù hợp của nó là rất quan trọng cho sự vận hành tr n tru của một nền kinh
tế. Chính vì vậy, việc tiến hành đo l ờng và dự b o gi trị t ng lai của thanh
khoản, cũng nh rủi ro thông qua biến động ph ng sai của chỉ số thanh khoản là
điều thực sự cần thiết với bất kỳ một nhà đầu t , một doanh nghiệp nào khi nghiên
cứu đầu t vào bất kỳ một tài sản nào, đặc biệt là trên thị tr ờng chứng khoán.
Tuy nhiên, tính t i thời điểm hiện t i, hầu nh ch a có nghiên cứu trong
n ớc về đo l ờng và dự b o thanh khoản. Nắm bắt đ ợc thực tế này, tôi quyết định
lựa chọn đề tài: : “Ứng dụng mô hình ARIMA – ARCH/GARCH để dự báo
thanh khoản của 30 cổ phiếu có giá trị vốn hóa và thanh khoản lớn nhất niêm
yết trên sở giao dịch chứng khoán thành phố Hồ Chí Minh trong ngắn hạn”.
Mục tiêu quan trọng nhất mà đề tài h ớng đến là dự b o thanh khoản trong t ng
lai gần cho nhóm cổ phiếu trong rổ VN30. Từ đó, giúp cho nhà đầu t và các nhà
ho ch định chính s ch nắm bắt xu thế thanh khoản và c i nhìn chuẩn x c h n về
tình hình hiện t i và t ng lai về tình hình thanh khoản của những cổ phiếu
Bluechip trên thị tr ờng chứng kho n Việt Nam.
Để thực hiện công t c dự b o, đề tài đã sử dụng chỉ số thanh khoản Amivest
và tiến hành ớc l ợng và kiểm định c c mô hình ARIMA, ARCH/GARCH. Bằng
ph ng ph p thử và sai, thông qua c c chỉ tiêu: AIC, SIC, R2
, MAE, MAPE, Thiel,
Bias,…cuối cùng mô hình GARCH(1,2) là mô hình thích hợp nhất đ ợc lựa chọn
để dự b o. Kết quả dự báo của mô hình đ ợc đ nh gi t ng đối sát với giá trị thực tế,
giá trị trung bình dự báo của chỉ số AMIVEST tăng dần trong t ng lai. Từ những kết
quả này, tôi cũng đã đ a ra một số khuyến nghị cho nhà đầu t để góp phần giúp họ có
thể đ a ra những quyết định đúng đắn nhất.

10. 2
PHẦN I: ĐẶT VẤN ĐỀ
1.Tính cấp thiết của đề tài:
TTCK đóng vai trò quan trọng đối với sự ph t triển của nền kinh tế của một
quốc gia. Thị tr ờng này giúp NĐT đến gần h n với DN, qua đó DN có c hội tiếp
cận với nguồn vốn lớn, mở rộng sản xuất kinh doanh, ph t triển bền vững. TTCK từ
khi ra đời đến nay đ ợc biết đến là một kênh đầu t và thu hút vốn hấp dẫn ở nhiều
quốc gia. Chính khả năng sinh lời khổng lồ mà thị tr ờng mang l i đã thu hút rất
nhiều NĐT, DN coi TTCK là n i t o ra nguồn thu nhập và huy động vốn chủ yếu
của họ. Gi cả chứng kho n là hình ảnh phản chiếu những vấn đề c bản của nền
kinh tế vĩ mô, đặc biệt là sức khỏe của DN và là mối quan tâm hàng đầu của NĐT
cũng nh nhà nghiên cứu. Bên c nh gi cả, trong thị tr ờng tài chính nói chung và
TTCK nói riêng, có một yếu tố quan trọng không thể không kể đến đó chính là
“thanh khoản”.
Thanh khoản đ ợc xem là yếu tố huyết m ch của thị tr ờng tài chính. Trong
t c phẩm nghiên cứu “How best to supply liquidity to a securities market” (1996),
Handa và Schawarts đã đ a ra nhận định: “Nhà đầu t mong muốn ba điều từ thị
tr ờng, đó là: Thanh khoản, thanh khoản và thanh khoản”. Việc điều tiết phù hợp
của nó là rất quan trọng cho sự vận hành tr n tru của một nền kinh tế. Khi thị
tr ờng giảm tính thanh khoản là lúc những nhà tổ chức thị tr ờng phải lo ng i bởi
thanh khoản thể hiện niềm tin của nhà đầu t , là c sở cho c c doanh nghiệp sử
dụng kênh thị tr ờng chứng kho n huy động vốn. Thanh khoản tốt làm cho gi cả
phản nh thực chất cung cầu mà không bị bóp méo bởi c c giao dịch thao túng, làm
gi trên thị tr ờng. Đặc biệt, thanh khoản rất đ ợc chú ý trong TTCK nh một trong
những tiêu chí quan trọng dự b o, quyết định xu h ớng thị tr ờng, của nhóm cổ
phiếu hoặc từng cổ phiếu riêng lẻ. Một phần nào đó, nó cũng phản nh mức độ rủi
ro của cổ phiếu.

11. 3
Chính vì vậy, việc tiến hành đo l ờng và dự b o gi trị t ng lai của thanh
khoản, cũng nh rủi ro thông qua biến động ph ng sai của chỉ số thanh khoản là
điều thực sự cần thiết với bất kỳ một NĐT, một DN nào khi nghiên cứu đầu t vào
bất kỳ một tài sản nào, trong đó có cổ phiếu.
 Thực tiễn nghiên cứu ở nước ngoài:
Cooperm Grother và Avera (1985) đ a ra chỉ số đo l ờng thanh khoản
Amivest so s nh khối l ợng giao dịch với sự thay đổi gi chứng kho n trong một
thời gian nhất định.
Amihud and Mendelson (1986) lần đầu tiên đề xuất ph ng ph p dựa vào
chênh lệch gi mua và gi b n của tài sản để đo l ờng thanh khoản. Sự chênh lệch
xét đến ở đây là số tuyệt đối hoặc là chênh lệch phần trăm.
Bruner ( 1996) đề x ớng ph ng ph p đo l ờng tính thanh khoản bằng c ch
đo l ờng sự thay đổi mức gi trên một lần giao dịch mỗi ngày.
Chordia, Roll & Subrahmanyam (2001) nghiên cứu trên một khối l ợng lớn
cổ phiếu trong vong 7 năm (t ng đ ng khoảng 2800 ngày giao dịch) với chi phí
giao dịch lên đến 3,5 tỷ đô la. Từ đó mang đến một sự hình dung về sự biến động
thanh khoản của thi tr ờng rộng lớn.
Gomber & Schweickert (2002), nghiên cứu và nhận ra vai trò quan trọng của
thanh khoản, v ch định kế ho ch giới thiệu và phổ biến ra công chúng ph ng ph p
đo l ờng thanh khoản.
Ranaldo (2003) theo dõi biến động tính mùa vụ của nhóm cổ phiếu ở Thụy sĩ,
từ đó liên hệ với chiều h ớng vận động thanh khoản của thị tr ờng. Đồng thời, giải
thích những thay đổi trong thanh khoản cũng nh lợi nhuận liên quan đến việc tiếp
cận thông tin trên thị tr ờng.
Lybeck and Sarr (2002) đo l ờng thanh khoản thông qua 4 yếu tố: (i) chi phí
giao dịch, (ii) khối l ợng giao dịch - thể hiện độ rộng và độ sâu của thanh khoản,
(iii) mức gi cân bằng trên thị tr ờng để đo l ờng độ co giãn, tức là khả năng phục
hồi l i mức gi cũ sau khi trải qua biến động do NĐT không nắm bắt đ ợc thông
tin, (iv) t c động của thị tr ờng.

12. 4
Hedge và McDemott (2003) thông qua việc tính to n phần trăm chênh lệch
giá mua-b n và thay đổi trong khối l ợng giao dịch để đo l ờng thanh khoản của cổ
phiếu.
Spiegel and Wang (2005) đề cập đến mức độ thanh khoản của tài sản thông
qua chỉ số Amihud và Amivest. Sử dụng c c chỉ số này có u điểm là phân tích
thanh khoản trên cả ph ng diện khối l ợng và gi cả.
Hasbrouck (2009) đã giới thiệu nghiên cứu của mình về việc đo l ờng thanh
khoản dựa trên chênh lệch gi mua-bán trong ngày.
Sinisa Bogdan (2012) thu thập 61350 số liệu đầu vào trên TTCK Croatia , từ
đó nghiên cứu và đo l ờng tính thanh khoản dựa trên c c chỉ số thanh khoản Hui –
Heubel, Amihud, Amivest và vòng quay gi trị giao dịch.
 Thực tiễn nghiên cứu ở Việt Nam:
Khoa (2012) nghiên cứu thanh khoản của nhóm cổ phiếu ngành thủy sản niêm
yết trên HOSE và đ a ra mô hình dự b o bằng ARMAX (qu trình trung bình tr ợt
tự hồi quy với biến đầu vào ngo i sinh), mô hình tự hồi quy vector Var. Từ đó, đề
xuất những giải ph p để h n chế rủi ro thanh khoản cho c c NĐT.
 Có thể thấy rằng, tính t i thời điểm hiện t i, hầu nh ch a có nghiên cứu
trong n ớc về đo l ờng và dự b o thanh khoản. Trên TTCK Việt Nam để đ nh gi
tính thanh khoản của cổ phiếu đa phần dựa vào khối l ợng giao dịch của cổ phiếu
đó. Khối l ợng giao dịch càng lớn thì cổ phiếu càng thanh khoản. Tuy nhiên, nhiều
nghiên cứu n ớc ngoài đã chứng minh đ ợc rằng, khối l ợng giao dịch phản nh bề
mặt nổi chứ ch a thể đ nh gi một c ch toàn diện c c khía c nh của của tính thanh
khoản.
Chính vì vậy, tôi quyết định nghiên cứu đề tài: “Ứng dụng mô hình ARIMA,
ARCH/GARCH để dự báo thanh khoản của nhóm 30 cổ phiếu có giá trị vốn
hóa và thanh khoản lớn nhất niêm yết trên sở giao dịch chứng khoán thành
phố Hồ Chí Minh trong ngắn hạn”. Tôi hy vọng kết quả nghiên cứu là nguồn
tham khảo hữu ích cho các NĐT nắm bắt xu thế và c hội mang đến lợi nhuận cho
mình hoặc giảm thiểu lỗ xuống mức thấp nhất khi tham gia mua b n trên TTCK

13. 5
Việt Nam. Đồng thời, giúp cho các nhà ho ch định chính s ch có c i nhìn chuẩn x c
h n về tình hình hiện t i và t ng lai của những cổ phiếu Bluechip trên TTCK Việt
Nam từ đó có thể đ a ra c c quyết định đúng đắn trong qu trình đầu t , quản lý rủi
ro và ho ch định chính s ch.
2. Mục tiêu nghiên cứu:
2.1.Mục tiêu nghiên cứu
Mục tiêu chung:
 Vận dụng c c công thức và mô hình để đo l ờng và dự b o tính thanh
khoản của chỉ số Vn30_index trong ngắn h n.
 Mục tiêu cụ thể:
 Kh i qu t đ ợc những vấn đề lý luận và thực tiễn về thanh khoản.
 Kh i qu t những lý luận c bản về phân tích chuỗi thời gian và ứng dụng
quan trọng của nó trong qu trình dự báo.
 Đ nh gi tình hình biến động về thanh khoản của chỉ số VN-INDEX nói
chung và 30 cổ phiếu có gi trị vốn hóa và thanh khoản cao nhất niêm yết trên
HOSE thông qua VN30-INDEX từ năm 2012 đến nay.
 Dự b o thanh khoản của VN30-INDEX trong thời gian 2 th ng: từ
03/04/2015 đến 05/06/2015.
3.Đối tư ng phạm vi:
3.1.Đối tư ng nghiên cứu:
Thanh khoản của VN30-INDEX, đ i diện cho 30 mã cổ phiếu của những
doanh nghiệp có gi trị vốn hóa và thanh khoản cao nhất niêm yết trên HOSE.
 Lý do lựa chọn:
VN30-Index là chỉ số giá chứng khoán của 30 cổ phiếu niêm yết có vốn hoá
lớn nhất trên Sở Giao dịch Chứng khoán Tp.HCM (HOSE), đ i diện cho khoảng
80% giá trị vốn hóa toàn thị tr ờng và 60% giá trị giao dịch toàn thị tr ờng. Chỉ số
này đ ợc c c nhà đầu t đ nh gi cao về chất l ợng cổ phiếu niêm yết với trên 50%
cổ phiếu trong danh mục tăng tr ởng cao h n mức bình quân thị tr ờng. Chính vì
vậy, VN30 có thể đ ợc xem nh là một hình thức phân bảng, phân lo i c c công ty

14. 6
niêm yết dẫn đầu thị tr ờng về vốn hóa, thanh khoản, độ minh b ch và hiệu quả
ho t động kinh doanh, làm gia tăng thêm gi trị tài sản vô hình của c c công ty niêm
yết đ ợc chọn lựa vào chỉ số. Từ đó cho thấy VN30 – Index có khả năng đ i diện
tốt cho TTCK Việt Nam.
3.2.Phạm vi nghiên cứu:
Không gian: TTCK Việt Nam và 30 mã cổ phiếu của những doanh nghiệp có
gi trị vốn hóa và thanh khoản cao nhất niêm yết trên HOSE.
Thời gian: thu thập số liệu gi đóng cửa và khối l ợng giao dịch của VN30-
INDEX trong khoảng thời gian 06/02/2012 - 27/03/2015.
 Lý do lựa chọn:
Giai đo n 2000-2005, TTCK Việt Nam mới chỉ ở b ớc khởi động, tích lũy
kinh nghiệm ban đầu, t o đà cho sự ph t triển về sau. Giai đo n này ho t động của
TTCK còn trầm, thanh khoản kém do quy mô của thị tr ờng còn nhỏ và khối l ợng
giao dịch rất ít. Thị tr ờng thật sự khởi sắc và có những biến động có ý nghĩa kể từ
năm 2006. Tuy nhiên, từ năm 2008-2009, chịu ảnh h ởng nặng nề bởi khủng hoảng
kinh tế thế giới, tâm lý NĐT hoảng lo n và gi chứng kho n r i một c ch mãnh liệt.
Bất kì một nghiên cứu nào trong giai đo n này cũng trở nên mất ý nghĩa bởi “bug”
trong phân tích số liệu. Từ năm 2012 đến nay là giai đo n mà TTCK trong n ớc có
sự phục hồi với những dấu hiệu đ ng mừng, chỉ số chứng kho n bắt đầu có sự hoàn
thiện và bắt đầu trở về với những quy luật vốn có của nó và đây cũng là giai đo n
chứng kiến sự ra đời của chỉ số VN30 (6/02/2012) trên HOSE.
4.Phư ng pháp nghiên cứu
Ph ng ph p nghiên cứu tài liệu: tìm hiểu b ớc đầu về nội dung nghiên cứu,
tên đề tài và c c tài liệu tham khảo liên quan đối với phần c sở lý thuyết thông qua
s ch b o, internet. Từ đó hình thành đ ợc c sở lý luận của đề tài, những giả thuyết
c bản, x c định đối t ợng và dự đo n về c c thuộc tính của đối t ợng nghiên cứu.
Ph ng ph p thu thập số liệu: dữ liệu thứ cấp của cổ phiếu đ ợc lấy từ trang
web chứng kho n cổ phiếu Việt Nam: cophieu68.com; SGDCK thành phố Hồ Chí
Minh: hsx.vn

15. 7
Ph ng ph p xử lí số liệu: Ph ng ph p định tính bằng đồ thị, x c định, ớc
l ợng và kiểm định c c mô hình kinh tế l ợng.
5.Kết cấu đề tài
Phần I: Mở đầu. Phần này đ a ra tính cấp thiết của đề tài, mục tiêu, ph m vi,
đối t ợng và ph ng ph p nghiên cứu.
Phần II: Nội dung và kết quả nghiên cứu.
Ch ng 1: C c kh i niệm c bản. Cung cấp những lý luận nền tảng về c c
kh i niệm, thuật ngữ và công thức sử dụng trong bài nghiên cứu. Đồng thời giới
thiệu kh i qu t về mô hình chuỗi thời gian trong dự b o cũng nh tình hình thực
tiễn ứng dụng những mô hình đó.
Ch ng 2: Tổng quan về tình hình thanh khoản của TTCK Việt Nam và 30 mã
cổ phiếu của những DN có gi trị vốn hóa và thanh khoản cao nhất niêm yết trên
HOSE thể hiện qua VN30-INDEX .
Ch ng 3: Dự b o thanh khoản của VN30-INDEX trong ngắn h n. Ch ng
này cung cấp kết quả nghiên cứu, x c định mô hình thực nghiệm và tiến hành dự
báo thanh khoản và ph ng sai biến động của VN30-INDEX trong thời gian 2
th ng, từ 03/04/2015 đến 05/06/2015.
Phần III: Kết luận.
Kết quả đ t đ ợc, h n chế và h ớng ph t triển đề tài.

16. 8
PHẦN 2: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 1: LÝ LUẬN THANH KHOẢN VÀ CÁC MÔ HÌNH
ĐO LƯỜNG DỰ BÁO
1.1.Thanh khoản:
1.1.1.Định nghĩa tính thanh khoản:
Thanh khoản là mức độ mà một tài sản hoặc chứng kho n có thể đ ợc mua
hoặc b n trên thị tr ờng. Thanh khoản đ ợc đặc tr ng bởi một mức độ cao của c c
ho t động mua b n. Tài sản có thể dễ dàng mua hoặc b n, đ ợc gọi là tài sản có tính
thanh khoản.
1.1.2.Tính thanh khoản:
Tính thanh khoản là một kh i niệm đ ợc sử dụng phổ biến trong tài chính.
Nó dùng để chỉ khả năng mà một tài sản bất kỳ có thể đ ợc mua hoặc b n trên thị
tr ờng mà không bị ảnh h ởng bởi yếu tố gi cả, nói c ch kh c tài sản có thể đ ợc
mua–b n ở bất kỳ mức gi nào. Có một c ch gọi thay thế cho tính thanh khoản là
tính lỏng hay tính l u động.
Một tài sản có tính thanh khoản cao th ờng đặc tr ng bởi: thời gian chuyển
đổi từ tài sản thành tiền mặt ngắn, chi phí chuyển đổi thấp và số l ợng giao dịch lớn.
Trong kế toán tài sản lưu động đư c chia làm năm loại và đư c sắp xếp
theo tính thanh khoản từ thấp đến cao như sau: tiền mặt đầu tư ngắn hạn
khoản phải thu ứng trước ngắn hạn và hàng tồn kho.
Trong TTCK, tính thanh khoản đ ợc hiểu là việc chứng kho n hay c c lo i giấy
tờ có gi do c c tổ chức, DN ph t hành đ ợc nhà n ớc công nhận, có khả năng chuyển
đổi thành tiền mặt dễ dàng, thuận tiện cho việc thanh to n hay chi tiêu.
Khả năng thanh to n là một trong những đặc tính hấp dẫn của chứng kho n
với nhà đầu t . Đây là yếu tố cho thấy tính linh ho t, an toàn của vốn đầu t . TTCK
ho t động ngày càng năng động thì tính thanh khoản thì tính thanh khoản của chứng
khoán giao dịch trên thị tr ờng càng cao.
1.1.3.Tính thanh khoản của cổ phiếu:

17. 9
Chứng kho n có tính thanh khoản là những chứng kho n có thị tr ờng giao
dịch rộng hay mua đi b n l i dễ dàng, gi giao dịch t ng đối ổn định theo thời gian
và khả năng phục hồi nguồn vốn đầu t ban đầu cao. Khi lựa chọn chứng kho n để
đầu t , việc xem xét đến khả năng b n l i để t i đầu t nguồn vốn ban đầu là rất cần
thiết. Nếu khả năng đó kém thì có nghĩa là khó tìm đ ợc ng ời mua hoặc nếu tìm
đ ợc thì phải b n với gi không mong muốn, NĐT sẽ g nh chịu những tổn thất tài
chính lớn. Và điều này gọi là rủi ro thanh khoản trong đầu t chứng kho n.
1.2.Các yếu tố ảnh hưởng đến thanh khoản cổ phiếu:
 Mặc dù cổ phiếu là lo i tài sản có khả năng chuyển đổi thành tiền mặt dễ
dàng, nh ng tính thanh khoản của nó l i phụ thuộc vào nhiều yếu tố. Trong đó, t c
động m nh nhất phải kể đến những yếu tố sau đây:
Thứ nhất, kết quả ho t động kinh doanh của tổ chức ph t hành. Nếu tổ
chức ph t hành ho t động kinh doanh có hiệu quả, cổ tức chi trả đúng cam kết thì cổ
phiếu sẽ có thể dễ dàng mua b n trên thị tr ờng vì hấp dẫn c c NĐT. Ng ợc l i, nếu
công ty niêm yết làm ăn kém hiệu quả, không trả hoặc trả cổ tức không đúng cam
kết thì cổ phiếu đó sẽ giảm gi và khó khăn trong việc giao dịch.
 Để đ nh gi hiệu quả ho t đông kinh doanh của công ty niêm yết, có thể
dựa trên nhiều tiêu chí kh c nhau. P/E là một trong những chỉ số phổ biến để nhận
diện mức độ giao dịch của cổ phiếu dựa vào mối quan hệ chặt chẽ của nó với tính
thanh khoản. Cùng mức sinh lợi, những cổ phiếu nào có P/E cao h n mức trung
bình thị tr ờng thì sẽ đ ợc giao dịch sôi động h n nhờ tốc độ tăng gi cao và khả
năng mang l i gi trị thặng d cao cho cổ đông thông qua việc chia, tách hay phát
hành cổ phiếu mới.
 Thứ hai, mối quan hệ cung – cầu trên TTCK: thị tr ờng cổ phiếu cũng nh
c c lo i thị tr ờng kh c, đều chịu sự chi phối của quy luật cung – cầu. Gi của cổ
phiếu không chỉ phụ thuộc vào chất l ợng của công ty mà còn phụ thuộc rất lớn vào
NĐT. Một lo i cổ phiếu rất tốt nh ng thị tr ờng đang bão hòa nguồn cung thì cổ
phiếu đó cũng rất khó đ ợc giao dịch. Ng ợc l i, khi thị tr ờng khan hiếm hàng hóa
thì ngay cả những cổ phiếu chất l ợng kém h n cũng có thể b n đ ợc dễ dàng. Bên

18. 10
c nh đó, những yếu tố kh c nh đầu c , móc ngoặc lũng đo n thị tr ờng của c
nhân, tổ chức nhằm t o ra cung cầu chứng kho n giả t o cũng t c động theo chiều
h ớng xấu, bóp méo tính thanh khoản của chứng kho n.
1.3.Đo lường tính thanh khoản của cổ phiếu:
Thanh khoản là một ph m trù mang tính trừu t ợng và khó có thể có một
ph ng ph p riêng lẻ tuyệt đối nào có thể nắm bắt và đo l ờng tính thanh khoản
một c ch toàn diện. Theo Shen & Starr (2002), tính thanh khoản không phải là biến
đ n chiều mà là biến đa chiều. Hay trong bài nghiên cứu “Measuring and predicting
liquidity in the stock market”, Rico Von Wyss đã khẳng định rằng: “Không có một
đ i l ợng cụ thể nào để đo l ờng tính thanh khoản, thay vào đó c c nhóm tỷ số
th ờng đ ợc sử dụng”. Trên thực tế, nhiều nhà nghiên cứu đã phân tích thanh khoản
thành nhiều khía c nh kh c nhau để cụ thể tính thanh khoản. Harris (1990), Rolnado
(2000), Abdourahmane Sarr & Tonny Lybek (2002) đ a ra bốn khía c nh chủ yếu
của tính thanh khoản là: thời gian giao dịch (trading time), độ sâu (depth), độ chặt
(tightness) và độ co giãn (resiliency)
Bảng 1.1 Các khía cạnh của thanh khoản
Khía c nh Mô tả Ph ng ph p đo l ờng
Thời gian giao dịch
(Trading time)
Khả năng thực hiện một giao dịch
ngay lập tức ở mức gi hiện t i.
Thời gian chờ (Waiting time)
giữa c c giao dịch tiếp theo.
Số giao dịch trên một đ n vị
thời gian.
Độ chặt (Tightness) Khả năng mua b n một cổ phiếu ở
mức gi bằng hoặc xấp xỉ t i cùng
một thời điểm. Ở đây xem xét đến chi
phí giao dịch (bid – ask spread cho
một khối l ợng cổ phiếu nhất định,
hoa hồng và phí phải trả trên mỗi cổ
phiếu..) mà c c NĐT phải chịu nếu
muốn giao dịch ngay tức thời.
C c d ng khác nhau của bid
– ask spread.
Độ sâu (Depth) Khả năng mua b n một số l ợng cổ
phiếu nhất định mà không ảnh h ởng
đến gi đặt ra. Đ ợc thể hiện qua
khối l ợng cổ phiếu mà NĐT chắc
chắn có thể giao dịch đ ợc trong một
Độ sâu của gi .
Tỷ số vòng quay.
Khối l ợng giao dịch.
Gi trị giao dịch.

19. 11
khoảng thời gian nào đó. Tỷ số dòng tiền.
Độ co giãn
(Resiliency)
Khả năng phục hồi nhanh chóng l i
mức gi cũ sau khi gi cổ phiếu bị
biến động do chịu ảnh h ởng từ một
sự bất cân đối nguồn lệnh lớn gây ra
bởi c c NĐT không đ ợc thông tin
(uninformed trader)
Tỷ suất sinh lợi trong ngày.
Thời gian giao dịch
(Trading time)
Khả năng thực hiện một giao dịch
ngay lập tức ở mức gi hiện t i.
Thời gian chờ (Waiting time)
giữa c c giao dịch tiếp theo
Số giao dịch trên một đ n vị
thời gian
Độ chặt (Tightness) Khả năng mua b n một cổ phiếu ở
mức gi bằng hoặc xấp xỉ t i cùng
một thời điểm. Ở đây xem xét đến chi
phí giao dịch (bid – ask spread cho
một khối l ợng cổ phiếu nhất định,
hoa hồng và phí phải trả trên mỗi cổ
phiếu..) mà c c nhà đầu t phải chịu
nếu muốn giao dịch ngay tức thời
C c d ng kh c nhua của bid
– ask spread
Độ co giãn
(Resiliency)
Khả năng phục hồi nhanh chóng l i
mức gi cũ sau khi gi cổ phiếu bị
biến động cho chịu ảnh h ởng từ một
sự bất cân đối nguồn lệnh lớn gây ra
bởi c c nhà đầu t không đ ợc thông
tin (uninformed trader)
Tỷ suất sinh lợi trong ngày
(Nguồn: tự tổng hợp)
 Từ đó có thể thấy rằng, một cổ phiếu có tính thanh khoản khi nó chặt, sâu,
nhanh và co dãn hay nói c ch kh c có spread nhỏ, khối l ợng giao dịch lớn, thời
gian giao dịch ngắn và sai lệch c c mức gi đ ợc điều chỉnh một c ch nhanh chóng.
Tư ng ứng với những đặc tính trên thì sẽ có những phư ng pháp đo
lường khác nhau:
1.3.1 Phư ng pháp đo lường liên hệ độ sâu:
+ Khối lư ng giao dịch:
Khối l ợng giao dịch có liên quan đến tính thanh khoản đ ợc tính bằng khối
l ợng cổ phiếu theo thời gian. Nó đ ợc dùng để đo l ờng độ sâu của thanh khoản.

20. 12
Khối l ợng liên quan đến thanh khoản cao thì ta có tín hiệu thanh khoản cao.
Điều này đã đ ợc làm s ng tỏ và ứng dụng trong nhiều nghiên cứu nh của Lee &
Swaminatha (2000), Chordia, R. Roll và A. Subrahmanyam (2001), Rico von wyss
(2004)
Khối l ợng giao dịch từ đ n vị thời gian t đến t-1 đến t đ ợc tính theo công
thức:
Qt =
Nt: Số giao dịch trong thời gian t.
qi: khối l ợng cổ phiếu của giao dịch thứ i.
+ Độ sâu (Depth):
Theo nghiên cứu của Brockman & Chung (2000) và ứng dụng của Rico
(2004) thì độ sâu đ ợc tính bằng khối l ợng đặt mua và đặt b n trong khoảng thời
gian t:
Dept = qt
A
+ qt
B
Dept: độ sâu của thị tr ờng trong thời gian t.
qt
A
, qt
B
: khối l ợng cổ phiếu giao dịch t i mức gia Ask (mức gi b n thấp
nhất), Bid (gi mua cao nhất) tốt nhất vào thời điểm t.
Để cải thiện c c tính chất phân phối của độ sâu, logarit tự nhiên của qt
A
và qt
B
có thể đ ợc sử dụng nh trong nghiên cứu của Butler, Grullon & Weston (2002):
Ln(Dept) = ln(qt
A
) + ln(qt
B
)
+ Tốc độ luân chuyển Turnover (tổng giá trị giao dịch khớp lệnh): Vt
Giống nh khối l ợng giao dịch, Vt đ ợc tính theo từng đ n vị thời gian.
C c nghiên cứu nh Jones và Lipon (1999), Lee & Swaminatha (2000), Chordia, R.
Roll và A. Subrahmanyam (2001), Rico Von Wyss (2004) cũng sử dụng nhân tố
này.
Vt = pi
Nt: Số giao dịch trong khoảng thời gian từ t-1 đến t.

21. 13
pi: gi trị của giao dịch thứ i.
+ Tỷ số vòng quay Turnover ratio:
Tn =
S: số cổ phiếu đang l u hành.
: mức gi trung bình của những giao dịch i trong khoảng thời gian t.
C c chỉ số khối l ợng, gi trị giao dịch, vòng quay càng lớn thì tính thanh
khoản của cổ phiếu càng cao.
+ Chênh lệnh mua – bán:
Là số tuyệt đối chênh lệch trung bình số l ợng cổ phiếu đặt mua – bán
trong thời gian t. Nó thể hiện tình tr ng cân bằng khối l ợng giao dịch giữa bên
mua và b n. Sự cân bằng của chỉ số này sẽ dẫn đến tình tr ng mất thanh khoản.
AABt =
Nt
A
, Nt
B
: số lệnh mua và b n trong thời gian t.
qt
A
, qt
B
: khối l ợng cổ phiếu giao dịch t i mức gia Ask (mức gi b n thấp
nhất), Bid (gi mua cao nhất) tốt nhất vào thời điểm t.
1.3.2 Phư ng pháp đo lường liên hệ độ chặt:
+ Độ rộng (spread):
Sự kh c biệt giữa gi mua và gi b n cũng liên quan đến đo l ờng thanh
khoản và đ ợc nhiều nghiên cứu chỉ ra: Acker, Stalker & Tonks (2002); Harris,
MecInish & Wood (2002); Rico Von Wyss (2004),… Độ rộng liên quan đến tính
thanh khoản càng nhỏ thì tính thanh khoản càng lớn.
Độ rộng tuyệt đối (Spr) là hiệu số giữa gi đặt b n thấp nhất và gi đặt mua
cao nhất:
Sprt = pt
A
- pt
B
pt
A
: gi b n thấp nhất t i thời điểm t.

22. 14
pt
B
: gi mua cao nhất t i thời điểm t.
Cũng nh độ sâu, để cải thiện c c tính chất phân phối của độ rộng tuyệt đối,
ta có thể lấy logarit tự nhiên (ln) nh sau:
Ln(Sprt) = ln(pt
A
– pt
B
)
1.3.3. Phư ng pháp đo lường liên hệ thời gian giao dịch:
+ Thời gian giữa các giao dịch (trading time): Wt
Thời gian giao dịch liên quan đến thanh khoản càng ngắn thì ta có tín hiện
thanh khoản cao. Điều này đã đ ợc làm s ng tỏ và ứng dụng trong nhiều nghiên cứu
nh của Lee & Swaminatha (2000), Chordia, R. Roll và A. Subrahmanyam (2001),
Grullon & Weston (2002), Rico von wyss (2004).
Wt = ti – ti-1)
ti: thời gian xảy ra giao dịch i.
ti-1: thời gian xảy ra giao dịch i-1.
+ Số giao dịch trong một đ n vị thời gian: Nt
Nt là số giao dịch xảy ra từ thời điểm t-1 đến t. Số giao dịch càng lớn thì tính
thanh khoản càng cao.
1.3.4. Phư ng pháp đo lường liên hệ độ co giãn:
C c tỷ số liên quan đến thanh khoản đã đ ợc làm s ng tỏ và ứng dụng trong
nhiều nghiên cứu nh của Hui & Heubel (1984), Cooperm Grother & Avera (1985),
Amihud & Mendelson (1986), Amihud (2002), Spiegel & Wang (2005),…
+ Tỷ số thanh khoản Hui – Heubel (1984):
Pmax: mức gi cao nhất trong 5 ngày.
Pmin: mức gi thấp nhất trong 5 ngày.
V: tổng gi trị giao dịch trong 5 ngày.

23. 15
S: số cổ phiếu đang l u hành.
P: trung bình gi đóng cửa trong 5 ngày.
Tỷ số này cho thấy mối quan hệ giữa sự biến động gi cổ phiếu và KLGD
trong khoản thời gian 5 ngày giao dịch. LRHH càng thấp thì cổ phiếu đ ợc xem xét
càng thanh khoản.
Tuy nhiên, nó có nh ợc điểm là thời gian giao dịch 5 ngày là qu dài để tìm
ra sự bất th ờng của thị tr ờng. Thực tế cho thấy, gi cổ phiếu có thể điều chỉnh
nhanh chóng cho vấn đề thanh khoản.
+ Tỷ số Amivest (1985):
Ph ng ph p đo l ờng thanh khoản này đ ợc đề xuất bởi Amihud (1985).
Chỉ số Amivest tính to n gi trị giao dịch là bao nhiêu để t o ra 1% sự thay đổi gi .
Chỉ số này càng cao thì thanh khoản của cổ phiếu càng cao. Theo công thức này thì
những ngày có lợi nhuận bằng 0 sẽ bị lo i trừ
Amivest = =
D : số ngày có lợi nhuận kh c 0.
Ri,D : tỷ suất sinh lợi của giao dịch i vào ngày D.
Vi, D : gi trị giao dịch i vào ngày D.
+ Chỉ số Amihud (2002) :
Đây là chỉ số ng ợc với chỉ số Amivest , đ ợc đ a ra bởi Amihud (2002) để
đo l ờng tính kém thanh khoản của cổ phiếu. Khi tính to n theo công thức này thì
những ngày có khối l ợng giao dịch bằng 0 sẽ bị lo i trừ. Ng ợc l i với chỉ số
Amivest, chỉ số này càng cao thì thanh khoản của cổ phiếu càng thấp.
Amihud = =
+ Chỉ số thanh khoản Bruner (1996):
Brunner =

24. 16
Dùng để đo l ờng sự thay đổi giá trên một lần giao dịch trong ngày. Chỉ số
này càng cao thì tính thanh khoản càng thấp.
1.4. Dữ liệu nghiên cứu:
Dữ liệu nghiên cứu là chỉ số chứng khoánVN30-Index đ ợc thu thập từ trang
web cophieu68.com. Số liệu đ ợc thu thập theo ngày giao dịch từ 06/02/2012 đến
31/03/2015.
1.5.Phư ng pháp nghiên cứu:
1.5.1. Vấn đề c bản về chuỗi thời gian:
1.5.1.1 Chuỗi thời gian là gì:
Chuỗi quan s t đ ợc thu thập trên cùng một đối t ợng t i c c mốc thời gian
c ch đều nhau gọi là chuỗi thời gian. Nh vậy, số liệu chuỗi thời gian cho thông tin
về cùng một đối t ợng t i c c thời điểm kh c nhau.
Phân tích chuỗi thời gian sẽ là qu trình nghiên cứu hành vi, khuôn mẫu
trong qu khứ của một biến số nào đấy và từ đấy sử dụng những thông tin này để dự
b o những thay đổi trong t ng lai.
1.5.1.2 Các thành phần của chuỗi thời gian
Theo c c ph ng ph p truyền thống, chuỗi thời gian gồm c c thành phần
sau:
 Thành phần xu thế (Trend component) – T.
 Yếu tố mùa vụ (Seasonality) – S.
 Yếu tố có tính chất chu kỳ (Cyclical) – C.
 Thành phần bất quy tắc (Irregular) – I.
Gọi Yt là gi trị của chuỗi t i thời điểm t, ng ời ta có thể có c c mô hình
sau:
 Mô hình cộng: Yt = Tt + St + Ct + It.
 Mô hình nhân: Yt = Tt St Ct It.
Mô hình nhân th ờng đ ợc nhiều ng ời dùng h n. Tuy vậy cũng có nhiều
chuỗi dùng mô hình cộng để t ch riêng từng nhân tố. Mô hình cộng đ ợc sử dụng
nếu nh ảnh h ởng của yếu tố chu kỳ và yếu tố thời vụ không liên quan đến mức

25. 17
chung của chuỗi. Trong tr ờng hợp yếu tố thời vụ phụ thuộc yếu tố xu thế và yếu tố
chu kỳ thì nên sử dụng mô hình nhân.
1.5.2 Các vấn đề liên quan đến tính dừng:
1.5.2.2 Khái niệm tính dừng
Một qu trình ngẫu nhiên Yt đ ợc coi là dừng nếu kỳ vọng (trung bình),
ph ng sai không đổi theo thời gian và hiệp ph ng sai giữa hai thời điểm chỉ phụ
thuộc vào khoảng c ch và độ trễ về thời gian giữa hai thời đo n này chứ không phụ
thuộc vào thời điểm thực tế mà đồng ph ng sai đ ợc tính.
Cụ thể, Yt đ ợc gọi là dừng nếu:
 Trung bình: E (Yt) = µ = const.
 Ph ng sai: Var (Yt) = E (Yt –µ)2
= σ2
= const.
 Đồng ph ng sai: Cov (Yt-k, Yt) = E [(Yt – µ) (Yt-k – µ)]= γk = const.
Qu trình ngẫu nhiên Yt đ ợc coi là không dừng nếu nó vi ph m ít nhất một
trong ba điều kiện trên.
1.5.2.3 Hậu quả của chuỗi không dừng:
Theo Gujarati (2003) cho rằng nếu một chuỗi thời gian mà không dừng,
chúng ta chỉ có thể nghiên cứu hành vi của nó trong thời gian đang xem xét. Lúc
này, chúng ta chỉ xem xét đ ợc những tình tiết của hiện t i và qu khứ chứ không
dự b o đ ợc t ng lai, vì biến động một c ch không hội tụ, tức gi trị qu khứ lúc
này t c động đến gi trị hiện t i một c ch vô h n và không bao giờ kết thúc. Khi xây
dựng c c mô hình dự b o, chúng ta giả định rằng c c xu h ớng hiện t i và qu khứ
giữ nguyên chiều h ớng vận động cho t ng lai. Do vậy, nếu thực hiện mô hình
hóa trên một chuỗi dữ liệu không dừng thì việc dự b o cho t ng lai rất cập kê và
d ờng nh không có ý nghĩa.
Một vấn đề kh c liên quan đến tính không dừng khi làm việc với chuỗi thời
gian là vấn đề t ng quan giả m o (spurious). Nếu nh mô hình có ít nhất một biến
độc lập không dừng, biến này thể hiện xu thế tăng (giảm) và nếu biến phụ thuộc
cũng có cùng xu thế nh vậy, thì khi ớc l ợng mô hình có thể ta sẽ thu đ ợc ớc
l ợng hệ số ý nghĩa thống kê cao và R2
cao. Những thông tin này có thể là giả m o.

26. 18
R2
cao có thể là do hai biến này có thể có cùng xu thế. Yule (1926) đã đề cập đến
vấn đề này. Granger Newbold (1974) đã có đóng góp có ý nghĩa về hồi quy giả
m o. Hai t c giả đã lấy hai chuỗi thời gian độc lập với nhau và ớc l ợng mô hình.
Tỷ số T nhận đ ợc kh lớn và R2
cũng kh lớn. Lúc này, vấn đề dự b o tất nhiên sẽ
không chính xác.
1.5.2.4 Cách kiểm định tính dừng của chuỗi thời gian:
Tính dừng của chuỗi thời gian có thể đ ợc nhận biết dựa trên đồ thị của
chuỗi thời gian, đồ thị hàm tự t ng quan mẫu hay kiểm định Dickey-Fuller
(kiểm định nghiệm đ n vị). Nếu đồ thị Y=f(t) của chuỗi thời gian cho thấy trung
bình và ph ng sai của qu trình Yt không đổi theo thời gian, thì chuỗi thời gian
đó có thể có tính dừng.
1.5.2.4.1. Tự tương quan ACF (Autocorrelation function)
ACF với độ trễ k, ký hiệu bằng ρk, đ ợc x c định nh sau:
Hàm tự t ng quan đo l ờng sự phụ thuộc tuyến tính giữa c c cặp quan s t
Yt và Yt-k. Một chuỗi thời gian đ ợc xem là dừng khi ACF giảm nhanh hay “tắt
dần” nhanh về 0 sau 2 đến 3 độ trễ.
Chúng ta có thể xem xét thống kê Q của Ljung – Box và gi trị x c suất
t ng ứng. Thống kê Q đ ợc tính nh sau:
Với cỡ mẫu lớn, Q có phân phối theo chi bình ph ng với bậc tự do bằng số
độ trễ. Nếu gi trị thống kê Q tính to n lớn h n gi trị thống kê Q quan s t ở một
mức ý nghĩa x c định thì ta b c bỏ giả thiết H0, tức là chuỗi dữ liệu có tính dừng.

27. 19
1.5.2.4.3. Tự tương quan mẫu PACF (Partial Autocorrelation function):
Hệ số này phản nh t ng quan của Yt và Yt-k khi đã lo i trừ c c ảnh h ởng của
c c độ trễ từ 1 đến k-1. Do đó, để đo độ kết hợp riêng rẽ giữa Yt và Yt-k ta sử dụng hàm
t ng quan mẫu PACF với hệ số t ng quan ρkk đ ợc ớc l ợng theo công thức nh
sau:
1.5.2.4.4. Kiểm định Dickey-Fuller (kiểm định nghiệm đơn vị- Unit root test):
Ph ng ph p này đ ợc Dickey và Fuller ph t hiện vào năm 1979 để kiểm tra
một chuỗi thời gian có phải có tính dừng hay không, đ ợc sử dụng phổ biến h n
biểu đồ tự t ng quan. Chuỗi là b ớc ngẫu nhiên (Random Walk) hay Yt = α*Yt-
1+Ut nếu với α=1 thì chuỗi thời gian không có tính dừng (trong đó Ut là nhiễu
trắng).
H0: α = 1 (Yt là chuỗi không có tính dừng).
H1: α < 1 (Yt là chuỗi có tính dừng).
1.5.2.4.5 Nhiễu trắng(white noise):
Tính dừng là một giả định yếu h n giả định phân phối chuẩn. Tuy nhiên, hồi
quy với chuỗi thời gian có tính dừng sẽ cho ta c c thống kê đ ng tin cậy. Chỉ cần số
quan sát tăng lên thì độ tin cậy càng lớn. Do vậy, sai số ut không nhất thiết phải tuân
theo phân phối chuẩn miễn là mẫu quan s t đủ lớn. Thay vào đó, ut đ ợc giả định là
“nhiễu trắng”.
Giả sử có ph ng trình sau: yt = ut
Nếu ut là một nhiễu trắng thì nó có trung bình bằng không, ph ng sai không
đổi và hiệp ph ng sai giữa hai ut bằng không. Nhiễu trắng là một tr ờng hợp đặc

28. 20
biệt của chuỗi dừng. C c điều kiện này hàm ý rằng chúng ta không thể dự b o đ ợc
nhiễu trắng từ những gi trị trung bình trong qu khứ của chính nó. Nếu ut còn có tự
t ng quan thì điều đó có nghĩa là còn những thông tin ẩn chứa trong ut mà chúng
ta có thể khai th c để cải thiện mô hình hồi quy.
1.5.2.4.6. Bước đi ngẫu nhiên (Random Walk):
Nếu: Yt = Yt-1 + ut
Trong đó : ut là nhiễu trắng thì Yt đ ợc gọi là b ớc ngẫu nhiên.
Nếu đ a thêm vào mô hình b ớc ngẫu nhiên một hằng số thì Yt đ ợc gọi là
b ớc ngẫu nhiên có bụi (random walk with driff):
Yt = α + Yt-1 + ut
1.4.1.5. Biến đổi chuỗi không dừng thành chuỗi dừng
Xét quá trình Yt ngẫu nhiên (Random Walk): Yt=Yt-1+Ut với Ut là nhiễu
trắng.
Ta lấy sai phân cấp I của Yt: D (Yt) = Yt -Yt-1 = Ut. Trong tr ờng hợp này D
(Yt) là chuỗi dừng vì Ut là nhiễu trắng. Tr ờng hợp tổng qu t, với mọi chuỗi thời
gian nếu sai phân cấp I của Yt ch a dừng ta tiếp tục lấy sai phân cấp II, III… C c
nghiên cứu đã chứng minh luôn tồn t i một gi trị d x c định để sai phân cấp d của
Yt là chuỗi dừng. Khi đó Yt đ ợc gọi là liên kết bậc d, ký hiêu là I (d).
Sai phân cấp d đ ợc lấy nh sau:
 Sai phân cấp I của Yt: D(Yt)=Yt-Yt-1.
 Sai phân cấp II: D(D(Yt))=D2
(Yt)=(Yt-Yt-1)-(Yt-1-Yt-2).
 Sai phân cấp d: D (Dd-1
(Yt)).
1.4.2 Mô hình Arima
1.4.2.1 Cơ sở lý luận
George Box và Gwilym Jenkins (1976) đã nghiên cứu mô hình ARIMA
(Autoregressive Integrated Moving Average - Tự hồi qui tích hợp Trung bình
tr ợt), và tên của họ th ờng đ ợc dùng để gọi tên c c qu trình ARIMA tổng qu t,
p dụng vào việc phân tích và dự b o c c chuỗi thời gian. Ph ng ph p Box-

29. 21
Jenkins với bốn b ớc: nhận d ng mô hình thử nghiệm; ớc l ợng; kiểm định bằng
chẩn đoán và dự b o.
Mô hình sử dụng dữ liệu chuỗi thời gian, xem gi trị trong qu khứ của một
biến số cụ thể là một chỉ tiêu tốt phản nh gi trị trong t ng lai của nó, cụ thể, cho
Yt là gi trị của biến số t i thời điểm t với Yt = f(Yt-1, Yt-2, ..., Y0, t).
1.4.2.2 Quá trình tự hồi quy (AR – Autoregressive Process)
Ý t ởng chính của mô hình AR(p) là hồi quy trên chính số liệu qu khứ ở
những chu kì tr ớc.
Yt = 0+ 1Y(t-1) + 2Y(t-2) +… pY(t-p) + ut
Trong đó :
 Yt: quan s t dừng hiện t i.
 Yt-1, Yt-2... : quan s t dừng qu khứ.
 0, 1, 2…: c c tham số phân tích hồi quy.
 ut : sai số dự b o ngẫu nhiên của giai đo n hiện t i (hay còn gọi là nhiễu
trắng). Gi trị trung bình đ ợc mong đợi bằng 0.
Yt là một hàm tuyến tính của những quan s t dừng qu khứ Yt-1, Yt-2, … Nói
cách khác, khi sử dụng phân tích hồi quy Yt theo c c gi trị chuỗi thời gian dừng có
độ trễ, chúng ta sẽ đ ợc mô hình AR (yếu tố xu thế đã đ ợc t ch khỏi yếu tố thời
gian, chúng ta sẽ mô hình hóa những yếu tố còn l i – đó là sai số).
Số quan s t dừng qu khứ sử dụng trong mô hình hàm tự t ng quan là bậc p
của mô hình AR. Nếu ta sử dụng hai quan s t dừng qu khứ, ta có mô hình t ng
quan bậc hai AR(2).
Điều kiện dừng là tổng c c tham số phân tích hồi quy nhỏ h n 1 :
1+ 2+ … + p< 1
Mô hình AR(1) : Yt = 0 + 1Yt -1+ ut.
Mô hình AR(2) : Yt = 0 + 1Yt-1 + 2Yt-2 +ut.
1.4.2.3 Quá trình trung bình trượt (MA – Moving Average)

30. 22
Quan s t dừng hiện t i Yt là một hàm tuyến tính phụ thuộc c c biến sai số dự
b o qu khứ và hiện t i. Mô hình MA là một trung bình trọng số của những sai số
mới nhất.
1 1 2 2 ...t t t t q t qY u u u u          
Trong đó :
 Yt : quan s t dừng hiện t i.
 ut : sai số dự b o ngẫu nhiên, gi trị của nó không đ ợc biết và gi trị
trung bình của nó là 0.
 ut-1, ut-2, ... : sai số dự b o qu khứ (thông th ờng mô hình sẽ sử dụng
không qu 2 biến này).
 1, 2, 3 ... : gi trị trung bình của Yt và c c hệ số bình quân di động.
 q : sai số qu khứ đ ợc dùng trong mô hình bình quân di động, nếu ta sử
dụng hai sai số qu khứ thì sẽ có mô hình bình quân di động bậc 2 là MA(2).
Điều kiện cần là tổng c c hệ số bình quân di động phải nhỏ h n 1 :
+ +…+ < 1
Mô hình MA(1) : Yt = + ut + 1ut-1.
Mô hình MA(2) : Yt = + ut + 1ut-1 + 2ut-2.
1.4.2.4 Quá trình trung bình trượt và tự hồi quy ARMA
C chế để sản sinh ra Y không chỉ là riêng AR hoặc MA mà có thể còn là sự
kết hợp cả hai yếu tố này. Khi kết hợp cả hai yếu tố chúng ta có qu trình gọi là qu
trình trung bình tr ợt và tự hồi quy.
Yt là qu trình ARMA(1,1) nếu Y có thể biểu diễn d ới d ng:
0 1 1 0 1 1t t t tY Y u u         (u - nhiễu trắng)
Tổng qu t, Yt là quá trình ARMA (p, q) nếu Yt có thể biểu diễn d ới d ng:
0 1 1 2 2 1 1 2 2... ...t t t p t p t t t q t qY Y Y Y u u u u                    
1.4.2.5 Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA

31. 23
Nếu chuỗi Yt đồng liên kết bậc d, p dụng mô hình ARMA (p,q) cho chuỗi
sai phân bậc d thì chúng ta có qu trình ARIMA (p,d,q). Trong đó, p là bậc tự hồi
quy, d là số lần lấy sai phân chuỗi Yt để đ ợc một chuỗi dừng, q là bậc trung bình
tr ợt (p và q là bậc t ng ứng của chuỗi dừng).
 AR(p) là tr ờng hợp đặc biệt của ARIMA (p,d,q), khi d=0 và q=0.
 MA(q) là tr ờng hợp đặc biệt của ARIMA (p,d,q), khi d=0 và p=0.
ARIMA(1,1,1) – nghĩa là chuỗi Yt có sai phân bậc 1 là chuỗi dừng. Chuỗi
sai phân dừng này có thể biểu diễn d ới d ng ARMA (1,1)
110110   tttt uuYY  ( ut - nhiễu trắng)
1.4.2.6 Phương pháp Box-Jenkins
Để có thể sử dụng ph ng ph p Box – Jenkins, tr ớc hết chúng ta phải làm
dừng chuỗi, tiếp đó phải tìm đ ợc c c gi trị p, q. Ph ng ph p Box – Jenkins bao
gồm c c b ớc sau đây:
Bước 1: Định d ng mô hình. Tìm ra đ ợc c c gi trị d, p, q.
Bước 2: Ước l ợng mô hình.
Bước 3: Kiểm định giả thiết. Ở b ớc này cần chọn ra một mô hình phù hợp nhất
với c c số liệu hiện có. Kiểm định đ n giản nhất là kiểm định tính dừng của c c phần
d . Nếu phần d có tính dừng thì mô hình chấp nhận đ ợc. Nh vậy qu trình BJ là
một qu trình lặp cho đến khi nào tìm đ ợc mô hình thỏa đ ng.
Bước 4: Dự b o - Một trong c c lý do để mô hình ARIMA đ ợc a chuộng
là những dự b o bằng mô hình này, đặc biệt là dự b o trong ngắn h n, tỏ ra thực tế
h n so với c c mô hình kinh tế l ợng truyền thống.

32. 24
Hình 1.1 - Quy trình của phư ng pháp Box-Jenkins.
(Nguồn: Gary Koop - Analysis of financial data -Time series analysis)
1.4.3.6.1 Định dạng:
Định d ng mô hình tức là chúng ta phải tìm ra c c gi trị p, d và q. Công việc
này rất khó khăn cả về lý thuyết lẫn thực hành.
Để tìm đ ợc d, chúng ta có thể dùng kiểm định Dickey – Fuller. Từ chuỗi
dừng nhận đ ợc, ta phải tìm c c gi trị p và q, hay nói cách khác chúng ta phải định
d ng mô hình ARIMA. Có rất nhiều ph ng ph p để tìm đ ợc p và q. Không có
ph ng ph p nào có u thế tuyệt đối. Ng ời ta dùng nhiều ph ng ph p để so s nh
chọn ra c c gi trị p và q thích hợp. Qu trình tìm ra p và q là một “nghệ thuật” đòi
hỏi phải có những kinh nghiệm nhất định.
 L ợc đồ t ng quan và tự t ng quan riêng.
Trên l ợc đồ này, vẽ ACF và PACF theo độ dài của trễ. Đồng thời cũng vẽ
đ ờng phân giải chỉ khoảng tin cậy 95% đ ợc tính bằng ± (1,96/ n ) cho hệ số tự
t ng quan (ACF) và hệ số tự t ng quan riêng (PACF). Dựa trên l ợc đồ này ta có
thể biết đ ợc c c hệ số tự t ng quan (hoặc c c hệ số tự t ng quan riêng) nào khả
Dự báo
Vẽ biểu đồ
chuỗi giá trị
Chuỗi dừng
hay không?
Lấy sai
phân chuỗi
dữ liệu
Nhận dạng
mô hình
Ước lượng
mô hình
Kiểm định sự
phù hợp
Thay đổi
mô hình

33. 25
dụng. Từ đó có thể đ a ra c c gi trị p và q của c c qu trình AR(p) và MA(q).
 kk đo mức độ kết hợp giữa Yt và Yt-k sau khi đã lo i bỏ ảnh h ởng của
Yt-1,… Yt-k+1 ,do đó nếu ρkk = 0 với k > p và ρi (i = 1,2…) giảm theo hàm mũ hoặc
theo hình sin thì ta có quá trình AR(p).
 Nếu k (k = 1,2…) giảm dần theo hàm mũ hoặc theo hình sin với k = 0 (k
> q), thì ta có quá trình MA(q).
C c d ng lý thuyết của ACF và PACF:
Bảng 1.2 - Các dạng lý thuyết của ACF và PACF
Loại mô
hình
Dạng tiêu biểu của AFC Dạng tiêu biểu của PAFC
AR(p)
Suy giảm theo số mũ hay với
d ng sóng hình sin tắt dần hay
cả hai.
Đỉnh cao đ ng kể qua c c độ
trễ p.
MA(q)
Đỉnh cao đ ng kể qua c c độ
trễ q.
Suy giảm theo số mũ hay với
d ng sóng hình sin tắt dần hay
cả hai.
ARMA(p,q)
Suy giảm theo số mũ hay với
d ng sóng hình sin tắt dần hay
cả hai.
Suy giảm theo số mũ hay với
d ng sóng hình sin tắt dần hay
cả hai.
(Nguồn: Tự tổng hợp)
L u ý rằng c c ACF và PACF của c c qu trình AR(p) và MA(q) có các
d ng tr i ng ợc; trong tr ờng hợp AR(p), ACF giảm theo cấp số mũ nh ng PACF
đ t tới giới h n sau một số độ trễ nhất định, tr i l i hiện t ợng đối ng ợc sẽ xảy ra
đối với qu trình MA(q).
L u ý: do trên thực tế ta không quan s t c c ACF và PACF lý thuyết mà dựa
vào c c dữ liệu mẫu của chúng, c c gi trị ACF và PACF ớc l ợng sẽ không phù
hợp chính x c với c c gi trị lý thuyết. Cái mà ta đang tìm kiếm là sự giống nhau
giữa c c ACF và PACF lý thuyết với c c dữ liệu mẫu đề từ đó chúng có thể chỉ cho

34. 26
ta h ớng đi đúng trong việc xây dựng c c mô hình ARIMA. Một số d ng lý thuyết
của ACF và PACF tiêu biểu:
Hình 1.2 - Quá trình AR(1).
Hình 1.3 - Quá trình MA(1).
Tự tương quan từng phầnTự tương quan
0
0 0
0
c. MA(1) : Yt = + ut + 1ut-1
0
0
0
0
0
0
0
a. AR(1) : Yt = 0 + 1Yt -1+ ut
Tự tương
quan
Tự tương quan từng
phần

35. 27
Hình 1.4 - Quá trình MA(2).
Tự tương quan từng phần
0
0
00
Tự tương
quan
d. MA(2) : Yt = + ut + 1ut-1 + 2ut-2

36. 28
Hình 1.5 Quá trình ARIMA(1,1).
 Các công cụ thống kê đánh giá độ chính xác dự báo: Có nhiều tiêu
chuẩn để lựa chọn một mô hình thích hợp. Hẩu hết c c tiêu chuẩn này đều xuất ph t
từ l ợc đồ t ng quan. Nghĩa là giả thiết rằng d là đã biết, vấn đề là lựa chọn p và q
thích hợp. Có thể chia làm 2 nhóm sau:
 Nhóm 1:
 Akaike (Akaike Infor Criterion, 1974) đã đề xuất: AIC = .
 Schwarz (Schwarz Infor Criterion, 1978) đã đề xuất : SIC=
Trong đó:
- n: số l ợng quan s t.
- r: tổng số c c số h ng trong mô hình ARIMA (kể cả số h ng là hằng số).
Mô hình đư c lựa chọn là mô hình có AIC hoặc SIC tối thiểu.
 Nhóm 2:
 MAE (Mean Absolute Error): Sai số dự b o tuyệt đối trung bình.
n
t
t 1
1
ˆMAE u
n 
 
 MAPE (Mean Absolute Percentage Error): Sai số phần trăm tuyệt đối.
n
t
t 1 t
ˆu1
MAPE
n y
 
 MSE (Mean Squared Error): Sai số bình ph ng trung bình.
n
2
t
t 1
1
ˆMSE u
n 
 
 RMSE Sai số bình ph ng trung bình gốc: RMSE MSE
Trong đó: t
ˆu là sai số dự b o trong giai đo n t.
ty là gi trị thực tế trong giai đo n t.
n là số quan s t trong giai đo n kiểm tra.
 Theil (Theil Inequality Coeficient): Hệ số không ngang bằng T.

37. 29
naive
RMSE
Theil
RMSE

Hệ số này chính là tỷ số giữa RMSE của mô hình dự b o gốc và RMSE của
mô hình Naive. Mô hình Naive đ n giản sử dụng gi trị yt cho gi trị dự b o kế
tiếp yt+1. Nếu gi trị Theil U càng tiến về 0 thì mô hình dự b o càng chính x c. Gi
trị này lớn h n 1 hàm ý rằng sai số dự b o mô hình gốc lớn h n mô hình Naive, do
đó mô hình là ch a tốt để tiến hành dự b o. Trong thực tế, gi trị U < 0.55 đ ợc
đ nh gi là rất tốt.
 Bias (Bias Proportion) :Tỷ lệ chệch .
Cho biết c c gi trị trung bình dự b o kh c biệt nh thế nào so với trung bình
gi trị thực tế. Tỷ lệ này càng nhỏ thì càng tốt.
 
 
2
n
2
i i
i 1
ˆy y
Bias
ˆy y / n




1.4.3.6.2 Ước lượng mô hình
Sau khi định d ng mô hình, ta biết đ ợc d - bậc của sai phân đối với chuỗi
xuất ph t để thu đ ợc một chuỗi dừng. Đối với chuỗi dừng này ta cũng đã biết c c
gi trị p và q. Do đó ta dùng ph ng ph p bình ph ng nhỏ nhất (OLS) để ớc
l ợng mô hình ARIMA này.
1.4.3.6.3 Kiểm định tính thích hợp của mô hình
Bằng c ch nào chúng ta biết đ ợc mô hình đã lựa chọn thích hợp với c c số
liệu thực tế. Nếu nh mô hình là thích hợp thì c c yếu tố ngẫu nhiên phải là nhiễu
trắng. Do đó để xem mô hình có phù hợp hay không thì chúng ta phải kiểm định
tính dừng của c c phần d . Kết quả ớc l ợng mô hình ARIMA cho ta phần d .
Dùng kiểm định Dickey-Fuller để kiểm định xem et có phải là nhiễu trắng hay
không.
Nếu nh et không phải là nhiễu trắng thì phải định d ng l i mô hình và qu trình
đó cứ đ ợc tiếp tục cho đến khi nào đ ợc một mô hình thích hợp. Nh vậy đúng nh
đã nói ở trên, ph ng pháp Box – Jenkins là ph ng ph p lặp. Cụ thể, ta tiến hành

38. 30
c c b ớc sau:
+ Sai số dự báo là ngẫu nhiên và phân phối chuẩn:
ut là yếu tố ngẫu nhiên trong mô hình hồi quy. Nếu: ut có trung bình bằng 0,
ph ng sai không đổi và hiệp ph ng sai bằng 0. Khi đó ut đ ợc gọi là nhiễu trắng
(White noise). Hay ut là nhiễu ngẫu nhiên nếu thoã mãn c c điều kiện:
 E(ut) = 0.
 Cov(ui,uj) = 0.
 VaR(ui) = .
+ Các ước lư ng khác 0 (theo ý nghĩa thống kê). Ta kiểm định cặp giả
thiết:
H0: i = 0.
H1: i 0.
Với =0.05 ; =
Nếu │tqs│>1.96 thì ta b c bỏ Ho chấp nhận H1 và ng ợc l i.
+Thống kê (LB) Ljung-Box: Ý nghĩa thống kê của bất kỳ k nào đều có thể
đ ợc đ nh gi bởi sai số chuẩn của nó. Bartlett đã chỉ ra rằng nếu một chuỗi thời
gian là thuần tuý ngẫu nhiên, tức là nó thể hiện white noise, thì c c hệ số tự t ng
quan mẫu sẽ đ ợc phân bổ gần nh chuẩn với trung bình bằng 0 và ph ng sai =
. Theo c c tính chất của phân phối chuẩn ho thì khoảng tin cậy 95% đối với k
bất kỳ sẽ bằng . Do vậy nếu c c gi trị ớc tính của k nằm trong khoảng
( ; ) thì chúng ta sẽ không lo i trừ giả thiết rằng gi trị thật của k = 0. Thống
kê (LB) Ljung-Box đ ợc p dụng để kiểm tra độ lớn của ACF sai số có ý nghĩa hay
không:
H0: 1 = 2= 3= 4…= k=0
H1: 1 2 3 4… k 0
LB = n(n+2)

39. 31
Trong đó:
- bình ph ng ACF cho c c độ trễ k (k=1,2,…m);
- n=số quan s t chuỗi dữ liệu dừng;
- m=thời l ợng của độ trễ, cũng chính là số bậc tự do;
- Nếu gi trị LB tính ra đ ợc < gi trị tới h n tra bảng thì không có c sở
để b c bỏ H0 hay mô hình là phù hợp.
1.4.3.6.4 Dự báo
Sau khi đã ớc l ợng đ ợc một mô hình tốt, ta sẽ sử dụng mô hình này để dự
b o. Giả sử rằng ta có mô hình ARIMA(1,1,0), tức là ta có mô hình sau đây;
ttt eYY  1
ˆˆ  , t= 1,2…n
Dự b o cho thời kì tiếp theo:
( ở đây ta kì vọng en+1 = 0)
Yf
n+1 – Yn =
f
nY 1
Hay Yf
n+1 = Yn+
f
nY 1
12
ˆˆ
  n
f
n YY 
Yf
n+2 = Yn+1 +
f
nY 2 = Yn+
f
nY 1 +
f
nY 2
...
T ng tự ta cũng dự b o đ ợc c c gi trị của Y trong c c thời kỳ kế tiếp.
Theo nh c ch này sai số sẽ tăng lên khi ta dự b o cho qu xa. Đặc biệt trong mô
hình tổng qu t, nếu q kh lớn thì ta chỉ dự b o đ ợc một vài thời kì tiếp theo.
1.2.4. Lý thuyết mô hình ARCH/GARCH
1.2.4.1. Mô hình ARCH:
Mô hình ARCH do Engle phát triển năm 1982, mô hình này cho rằng
ph ng sai của h ng nhiễu t i thời điểm t phụ thuộc vào các h ng nhiễu bình
n
f
n YY    ˆˆ
1

40. 32
ph ng ở c c giai đo n tr ớc. Engle cho rằng tốt nhất chúng ta nên mô hình hoá
đồng thời giá trị trung bình và ph ng sai chuỗi số liệu khi nghi ngờ rằng giá trị
ph ng sai thay đổi theo thời gian.
Mô hình đ n giản nh sau:
Yt = β1 + β2Xt + ut
 Trong đó Xt là một vect k x 1 các biến giải thích và B2 là một vect k x 1
các hệ số.
Thông th ờng ut đ ợc giả định có phân phối chuẩn với trung bình bằng 0 và
ph ng sai không đổi là σ2
. Giả định này đ ợc viết nh sau:
ut~ N(0, ht)
Ý t ởng của Engle bắt đầu từ sự thật ông cho phép ph ng sai của các h ng
nhiễu phụ thuộc vào các giá trị quá khứ, hay ph ng sai thay đổi theo thời gian.
Một cách để mô hình hoá ý t ởng này là cho ph ng sai phụ thuộc vào các biến trễ
của các h ng nhiễu bình ph ng. Điều này có thể đ ợc minh ho nh sau:
ht = γ0 + γ1u2
t-1
Ph ng trình này đ ợc gọi là qui trình ARCH (1) và ý t ởng này cũng t ng
tự nh ý t ởng mô hình ARIMA.
 Mô hình ARCH (1):
Mô hình ARCH (1) sẽ mô hình hoá đồng thời giá trị trung bình và ph ng
sai của một chuỗi thời gian nh cách đ ợc xác định sau đây:
Yt = β1 + β2Xt + ut (1.1)
ut~ N (0, ht)
ht =γ0 +γ1u2
t-1 (1.2)
Ở đây ph ng trình (1.1) đ ợc gọi là ph ng trình ớc l ợng giá trị trung
bình và ph ng trình (1.2) đ ợc gọi là ph ng trình ớc l ợng ph ng sai. Để đ n
giản cho việc thể hiện công thức của ph ng trình ph ng sai ta thể hiện ký hiệu ht
thay cho σ2
t. Mô hình ARCH(1) cho rằng khi có một cú sốc lớn ở giai đo n t-1 thì
giá trị ut cũng sẽ lớn h n. Nghĩa là khi u2
t-1 lớn (hoặc nhỏ) thì ph ng sai của ut

41. 33
cũng sẽ lớn (hoặc nhỏ). Hệ số ớcl ợng γ1 phải có dấu d ng vì ph ng sai luôn
d ng.
 Mô hình ARCH (q)
Thực tế ph ng sai có điều kiện có thể phụ thuộc không chỉ một độ trễ mà
còn nhiều độ trễ tr ớc nó nữa, vì mỗi tr ờng hợp có thể t o ra một quy trình ARCH
khác nhau.
Tr ờng hợp tổng quát ARCH (q) đ ợc thể hiện nh sau:
Yt = β1 + β2Xt + ut
Ut ~ N(0,ht) trong đó ht chính là
ht =
Mô hình ARCH (q) sẽ mô hình hoá đồng thời giá trị trung bình và ph ng
sai của một chuỗi các hệ số ớc l ợng. γj phải có dấu d ng vì ph ng sai luôn
d ng.
 Kiểm định tính ARCH
Tr ớc khi ớc l ợng các mô hình ARCH (q), điều quan trọng là chúng ta cần
kiểm tra xem có tồn t i các ảnh h ởng ARCH hay không để biết các mô hình nào
cần ớc l ợng theo ph ng ph p ARCH thay vì theo ph ng ph p ớc l ợng OLS.
Kiểm định ảnh h ởng ARCH sẽ đ ợc thực hiện theo qui trình nh sau:
B ớc 1: Ước l ợng ph ng trình trung bình theo ph ng ph p OLS.
Yt = β1 + β2Xt + et
L u ý, các biến giải thích có thể bao gồm các biến trễ của biến phụ thuộc và
các biến giải thích khác có ảnh h ởng đến Yt. Ngoài ra, khi thực hiện với dữ liệu
mẫu, thì h ng nhiễu ut trong mô hình đ ợc đổi thành phần d et.
B ớc 2: Ước l ợng ph ng trình hồi qui phụ sau đây:
e2
t = γ0 + γ1e2
t-1 + γ2e2
t-2 + γ3e2
t-3 +….+γqe2
t-q + wt
X c định hệ số x c định của mô hình hồi qui phụ, đặt tên là R2
.
B ớc 3: X c định giả thiết H0 nh sau:

42. 34
H0 :γ0 = γ1 = γ2 = ….= γq
Từ kết quả hồi qui phụ ta tính R2
*T, với T là số quan sát của chuỗi dữ liệu
đang đ ợc xem xét. Thống kê này sẽ theo phân phối χ2
với số bậc tự do là số độ trễ
q (do trong ph ng trình hồi quy là một tổng của q thành phần lấy bình ph ng).
Nếu giá trị thống kê χ2
tính toán (R2
*T) lớn h n gi trị χ2
phê phán (hay gi trị P-
value < 0.05) thì chúng ta bác bỏ giả thiết H0, và ng ợc l i. Nếu bác bỏ giả thiết H0,
thì ta có thể kết luận rằng chuỗi dữ liệu đang xét có ảnh h ởng ARCH.
1.2.4.2. Lý thuyết mô hình GARCH:
Theo Engle (1995), một trong những h n chế của mô hình ARCH là nó có
hình vẽ giống d ng mô hình trung bình di động h n là mô hình tự hồi quy. Một ý
t ởng mới là chúng ta nên đ a thêm c c biến trễ của ph ng sai có điều kiện vào
ph ng trình của ph ng sai theo d ng tự hồi quy. Ngoài ra, nếu các ảnh h ởng
ARCH có quá nhiều độ trễ sẽ ảnh h ởng tới kết quả ớc l ợng do giảm đ ng kể số
bậc tự do trong mô hình. Chính vì vậy mô hình GARCH có xu h ớng đ ợc sử dụng
phổ biến h n.
 Mô hình GARCH (p, q )
Mô hình GARCH (p, q) có d ng sau đây:
Yt = β1 + β2Xt + ut (2.1)
Ut ~ N(0,ht)
ht = + (2.2)
Ph ng trình (2.2) nói lên rằng ph ng sai ht bây giờ phụ thuộc vào cả giá trị
quá khứ của những cú sốc đ i diện bởi những biến trễ của h ng nhiễu bình ph ng,
và các giá trị quá khứ của bản thân ht đ i diện bởi các biến ht-i. Nếu p = 0 thì mô
hình GARCH (0,q) đ n giản là mô hình ARCH(q). D ng đ n giản nhất của mô hình
GARCH là mô hình GARCH (1,1). Ph ng trình ph ng sai của mô hình GARCH
(1,1) đ ợc thể hiện nh sau:
ht = γ0 + δ1ht-1 + γ1u2
t-1

43. 35
Mô hình GARCH (1,1) t ng đ ng với mô hình ARCH bậc vô cùng với
các hệ số có xu h ớng giảm dần. Vì lý do này, chúng ta nên sử dụng mô hình
GARCH (1,1) thay cho mô hình ARCH bậc cao bởi vì với mô hình GARCH (1,1)
chúng ta sẽ cần ít số hệ số cần ớc l ợng h n và vì thế sẽ giúp h n chế khả năng
mất đi vô số bậc tự do trong mô hình.
Kết luận chư ng 1
Ch ng 1 đã làm rõ những vấn đề tổng quan về thanh khoản, từ kh i niệm,
c c yếu tố ảnh h ởng, c c khía c nh đến c c ph ng ph p đo l ờng thanh khoản.
Đồng thời cung cấp những ph ng ph p để nghiên cứu thanh khoản nhóm cổ phiếu
trong rổ VN30 bao gồm chuỗi số liệu thời gian và hàng lo t các mô hình: AR, MA,
ARMA, ARIMA, ARCH/GARCH. Từ đó, làm cở sở cho qu trình dự b o về sau.

44. 36
Chư ng 2: CHỈ SỐ CHỨNG KHOÁN VN30-INDEX VÀ DIỄN
BIẾN THANH KHOẢN CỦA THỊ TRƯỜNG CHỨNG KHOÁN
VIỆT NAM GIAI ĐOẠN 2012 - 2015
2.1 Tổng quan về chỉ số chứng khoán VN30-Index
2.1.1 Chỉ số VN30 là gì
Chỉ số VN30 là chỉ số do HOSE công bố, chỉ số này đ ợc tính dựa trên ba
tiêu chí: gi trị vốn ho , tỷ lệ free-float và gi trị giao dịch; bao gồm 30 cổ phiếu
của công ty niêm yết trên HOSE có vốn ho thị tr ờng và tính thanh khoản cao nhất
(chiếm khoảng 80% tổng gi trị vốn hóa và 60% tổng gi trị giao dịch toàn thị
tr ờng). Ngày 6/2/2012, HOSE lần đầu tiên đ a vào p dụng chỉ số VN30.
Từ th ng 1/2015, thành phần của rổ VN30 bao gồm 30 cổ phiếu sau1
: FLC,
VIC, SSI, HAG, PVD, MSN, KDC, FPT, ITA,VNM, HPG, OGC, HVG, PVT,
REE, CII, DPM, HCM, MBB, GMD, VCB, IJC, PPC, HSG, STB, CSM, DRC,
VSH, BVH.
2.1.2 Ý nghĩa
VN30 ra đời đ ợc xem là một trong những nỗ lực của HOSE góp phần cải
thiện thanh khoản cho thị tr ờng trong bối cảnh TTCK Việt Nam cần có những cú
hích để t o thêm sự sôi động. VN30 sẽ giúp NĐT đ nh gi thị tr ờng chính x c h n
so với VN Index, tr nh đ ợc hiện t ợng VN Index bị bóp méo do c c mã vốn hóa
lớn: Trong h n 300 cổ phiếu niêm yết trên HOSE đ ợc phân làm 11 ngành chính thì
riêng VN30 đã có đ i diện của 9 ngành, chiếm khoảng 80% tổng gi trị vốn hóa và
60% thanh khoản của thị tr ờng. Nh vậy, tính đ i diện của nó rất rõ, vừa đ i diện
ngành, vốn hóa và thanh khoản, thật sự trở thành công cụ hữu ích cho c c quỹ đầu
t chỉ số.
1
Phụ lục 1 :Danh mục cổ phiếu thành phần rổ VN30 kỳ 1/2015

45. 37
Hình 2.1 Tỷ trọng ngành theo GTVH của rổ VN30
(Nguồn: HOSE)
2.1.3 Tiêu chuẩn lựa chọn cổ phiếu vào rổ VN30
Thành phần chỉ số VN30 sẽ đ ợc hội đồng t vấn chỉ số của HOSE xem xét
l i 6 th ng/lần vào th ng 7 trong năm và th ng 1 của năm kế tiếp. Dữ liệu dùng
trong kỳ xem xét đ ợc lấy sau khi đóng cửa phiên giao dịch cuối cùng của th ng 6
và tháng 12.
2.1.4 Điều kiện tham gia chỉ số VN30:
 C c cổ phiếu đang niêm yết trên sàn HOSE và không thuộc một trong c c
diện sau đây t i thời điểm xem xét: Cổ phiếu thuộc diện bị cảnh c o, bị kiểm so t;
bị t m ngừng giao dịch hoặc có khả năng bị t m ngừng giao dịch trong t ng l i
gần; cổ phiếu có thời gian niêm yết và giao dịch trên HOSE d ới 6 th ng.
C c cổ phiếu tiếp tục đ ợc sàng lọc qua 3 b ớc để chọn cổ phiếu đủ tiêu
chuẩn vào rổ chỉ số:
Bước 1: Sàng lọc giá trị vốn hóa.
Tập hợp c c cổ phiếu thỏa mãn điều kiện tham gia tính to n chỉ số VN30
đ ợc sắp xếp theo thứ tự giảm dần theo gi trị vốn hóa hàng ngày bình quân trong 6
th ng ch a điều chỉnh free-float.
50 cổ phiếu có gi trị vốn hóa cao nhất từ trên xuống sẽ đ ợc chọn.
Bước 2: Sàng lọc về free-float.
Cổ phiếu có tỷ lệ free-float thấ h n hoặc bằng 5% sẽ bị lo i.

46. 38
Bước 3: Sàng lọc về thanh khoản.
Tập hợp c c cổ phiếu còn l i sau b ớc 2 đ ợc xếp theo thứ tự giảm dần về
gi trị giao dịch hằng ngày bình quân trong 6 th ng.
Áp dụng quy tắc thêm vào và lo i bỏ cổ phiếu trong rổ chỉ số nhằm đảm bảo
chỉ số mang tính ổn định nh ng vẫn đ i diện cho toàn thị tr ờng.
Cổ phiếu đứng ở vị trí thứ 20 trở lên đ ng nhiên có mặt trong chỉ số.
Cổ phiếu đứng ở vị trí thứ 41 trở xuống đ ng nhiên bị lo i khỏi chỉ số.
Cổ phiếu đứng vị trí 21 đến 40: u tiên cổ phiếu cũ (đã có trong chỉ số) sau
đó mới xét đến cổ phiếu mới sao cho số l ợng cổ phiếu trong rổ bằng 30 cổ phiếu.
Tr ờng hợp có nhiều h n 1 cổ phiếu cũ có cùng vị trí, sẽ u tiên chọn cổ phiếu cũ
có gi trị vốn hóa hàng ngày bình quân cao h n của kỳ xem xét.
Sau qu trình sàng lọc trên, top 40 cổ phiếu có gi trị giao dịch cao nhất theo
thứ tự xếp h ng từ trên xuống sẽ đ ợc chọn, trong đó gồm:
Top 30 cổ phiếu sẽ đ ợc đ a vào danh mục chính thức của rổ chỉ số.
10 cổ phiếu tiếp theo sẽ đ ợc đ a vào danh mục cổ phiếu dự phòng, đ ợc sử
dụng trong tr ờng hợp có một hay nhiều cấu phần bị lo i bỏ khỏi rổ chỉ số vào giữa
kỳ xem xét.
2.1.5 Phư ng pháp tính:
2.1.5.1 Tiêu chí tính toán:
VN30 đ ợc tính dựa trên ba tiêu chí: gi trị vốn ho , tỷ lệ free-float và gi trị
giao dịch; bao gồm 30 cổ phiếu của công ty niêm yết trên HOSE có vốn ho thị
tr ờng và tính thanh khoản cao nhất (chiếm khoảng 80% tổng gi trị vốn hóa và
60% tổng gi trị giao dịch toàn thị tr ờng).
Chỉ số VN30 có tần suất tính to n 1 phút/lần và sẽ đ ợc xem xét định kỳ 6
th ng/lần vào th ng 7 và th ng 1 hằng năm. Tỷ trọng c c cấu phần trong chỉ số
không qu 10%. Chỉ số đ ợc tính to n dựa trên ph ng ph p gi trị vốn hóa thị
tr ờng có điều chỉnh tỷ lệ cổ phiếu tự do chuyển nh ợng. Hiện HOSE ch a x c
định ngày c sở và gi trị chỉ số c sở.

47. 39
2.1.5.2 Công thức tính VN30:
VN30-Index = Gi trị vốn ho thị tr ờng hiện t i (CMV)/Gi trị vốn ho thị
tr ờng c sở (BMV).
Tỷ lệ free-float (f) = (KLCP đang l u hành - KLCP không tự do chuyển
nh ợng)/KLCP đang l u hành.
Trong đó, thay đổi tỷ lệ free-float (tỷ lệ cổ phiếu tự do chuyển nh ợng) của
c c cổ phiếu thành phần sẽ đ ợc điều chỉnh 6 th ng/lần cùng với thời điểm xem xét
l i chỉ số.
2.1.5.3 Giá để tính toán chỉ số
Đối với chỉ số trong ngày, gi để tính to n chỉ số là gi khớp gần nhất của
c c cổ phiếu trong rổ tính đến thời điểm chỉ số đ ợc tính. Tr ờng hợp không có gi
khớp lệnh thì sẽ lấy gi đóng cửa gần nhất của cổ phiếu đó hoặc gi đóng cửa điều
chỉnh đối với cổ phiếu có xảy ra sự kiện doanh nghiệp.
Đối với chỉ số cuối ngày, gi để tính to n chỉ số là gi đóng cửa trong ngày
giao dịch của c c cổ phiếu trong rổ. Tr ờng hợp trong ngày giao dịch, cổ phiếu
không có khớp lệnh thì sẽ lấy gi đóng cửa gần nhất của cổ phiếu hoặc gi đóng cửa
điều chỉnh đối với cổ phiếu có xảy ra sự kiện doanh nghiệp.
2.2 Thanh khoản của thị trường chứng khoán giai đoạn từ năm 2012 đến nay:
diễn biến VN-Index, VN30-Index
TTCK Việt Nam mới ra đời và chính thức bắt đầu ho t động từ năm 2000.
Đến nay đã trải qua gần 15 năm ph t triển, tuy nhiên so với TTCK của c c n ớc
trong khu vực và trên thế giới thì vẫn còn non trẻ. Chiều h ớng vận động của thị
tr ờng đ ợc chủ yếu bởi chiều h ớng vận động của c c cổ phiếu của DN lớn và
điển hình là nhóm 30 cổ phiếu trong rổ VN30. Vì vậy, trong giới h n nội dung của
ch ng này sẽ không đi sâu vào phân tích vì sao VN-Index và VN30-Index có cùng
chiều h ớng vận động mà sẽ đ a ra những nguyên nhân t o ra chiều h ớng vận
động chung, đồng thời cũng đ a ra những lý giải trong tr ờng hợp chúng có những
dấu hiệu biến động ng ợc chiều nhau.

48. 40
Do mẫu quan s t trong ph m vi nghiên cứu từ ngày 6/2/2012 – ngày mà
VN30-Index chính thức đ ợc đ a vào giao dịch trên HOSE, nên phần này chỉ tập
trung trình bày diễn biến của VN-Index và VN30-Index từ ngày 6/2/2012 đến nay.
2.2.1 Năm 2012:
Giai đo n 2012: Biến động m nh và chia làm 2 th i cực.
 TTCK Việt Nam trong năm 2012 biến động kh m nh. Cả hai chỉ số gi
tổng hợp VN-Index và VN30-Index đều đi lên m nh mẽ trong bốn th ng đầu năm
và quay đầu giảm điểm trong suốt thời gian còn l i. Tính thanh khoản của thị tr ờng
biến động cùng chiều với chỉ số. Khối l ợng giao dịch và gi trị giao dịch trên cả
hai sàn đều tăng m nh trong bốn th ng đầu năm và sụt giảm m nh trong suốt thời
gian từ th ng 5 đến th ng 12 cho thấy tình tr ng ảm đ m kéo dài của thị tr ờng.
Hình 2.2 Diễn biến thanh khoản TTCK năm 2012.
(Nguồn: Xử lý bằng Excel 2010)
Giai đoạn 1 (06/02 - 09/05/2012): Đi lên từ vùng đáy khi triển vọng vĩ mô
thôi xấu hơn.
Ở giai đo n này, VN-Index đã bật tăng m nh 38,7% từ 351,55 điểm vào
ngày 30/12/2011 lên mức 487,6 điểm vào ngày 9/05/2012. Trong khi đó, VN30-

49. 41
Index chỉ dẫn tốt cho sự biến động của VN-Index với mức tăng 35,2%, có thể thấy
hai chỉ số này biến động cùng chiều nhau. Thị tr ờng kết thúc năm 2011 với nhiều
lo lắng khi (i) Thông tin xấu vẫn tràn ngập, (ii) Gi chứng kho n liện tục sụt giảm
m nh, (iii) Tâm lý giới đầu t ch n nản và đầy hoài nghi. Đây cũng là lý do khiến
đà giảm tiếp tục kéo dài trong những tuần đầu th ng 1/2012.
Điểm tích cực trong giai đo n này là giới đầu t đã bắt đầu nhắc tới cụm từ
“thị tr ờng đã vào vùng đ y” với những dấu hiệu đang diễn ra ở trên. Chính điều
này đã kích thích ho t động bắt đ y gia tăng trở l i và giao dịch thị tr ờng dần khởi
sắc một c ch bất ngờ. TTCK trở nên sôi nổi h n bao giờ hết. Thanh khoản thị
tr ờng đ ợc cải thiện rõ nét, KLGD của thị tr ờng và cổ phiếu rổ VN30 t i thời
điểm ngày 9/5/2012 lần l ợt là 109813000 và 26645270, gấp 3,84 lần và 1,98 lần so
với thời điểm đầu năm.
Một số lý giải cho tình hình thị tr ờng giai đo n 1:
Đà tăng của thị tr ờng đ ợc củng cố thêm nhờ những diễn biến vĩ mô “bớt
xấu đi”, chẳng h n nh :
(i) L m ph t đ ợc kiềm chế, t o điều kiện cho c c ngân hàng kéo giảm lãi
suất (NHNH ban hành Thông t 14 p trần lãi vay 15%/năm với 4 lĩnh vực u tiên),
tỷ gi cũng đ ợc cam kết giữ ổn định.
(ii) Chính phủ đẩy m nh qu trình t i cấu trúc nền kinh tế.
(iii) Gỡ khó cho ngành bất động sản bằng c ch lo i mảng tín dụng bất động
sản quan trọng ra khỏi “không khuyến khích”, cho phép t i c cấu c c khoản nợ
vay.
Điểm đ ng chú ý trong giai đo n này là sự hào hứng của dòng tiền khối
ngo i m nh d n tham gia thu gom cổ phiếu, xuất ph t từ thông tin tỷ gi đ ợc
Chính phủ cam kết giữ ổn định trong năm 2012.
 Sự ra đời của chỉ số chứng kho n VN30 và HNX30 từ ngày 6/2 giúp nhà
đầu t nhìn nhận đúng thị tr ờng h n khi mà VN-Index chịu t c động chủ yếu của
bốn mã lớn: BVH, MSN, VIC và VNM.

50. 42
 TTCK Việt Nam mở thêm c c phiên giao dịch buổi chiều từ ngày 5/3, tăng
c ờng tính thanh khoản cho thị tr ờng, thúc đẩy VN-Index và VN30-Index đi lên.
Những câu chuyện xoay quanh th ng vụ M&A ngành ngân hàng cũng đã
kích thích ho t động đầu t “ăn theo” nhắm vào những cổ phiếu trong nhóm ngành
tài chính. Do đó, sức cầu cổ phiếu xuất ph t từ c c nhà đầu c ngắn h n tranh thủ
mua l ớt sóng kiếm lời, hoặc bản thân c c cổ đông nội bộ buộc phải mua vào nhằm
đối phó với nguy c mất quyền kiểm so t công ty.
Giai đoạn 2 (10/05 – 31/12 ): Vĩ mô không tiến triển, và cú sốc từ hàng
loạt thông tin “hình sự”.
Đây là giai đo n thị tr ờng lao dốc kh m nh. Đỉnh điểm là vào ngày 6/11,
VN-Index đã sụt giảm 22,7% ( về 376,9 điểm), VN30-Index sụt giảm gần 20% (về
466,4 điểm) so với mức đỉnh đ ợc thiết lập vào ngày 09/05. Thanh khoản giảm
m nh và gần nh c n kiệt trong những ngày giao dịch th ng 11: KLGD của toàn bộ
thị tr ờng và nhóm cổ phiếu rổ VN30 giảm lần l ợt 50% và 38% so với những
phiên đ t đỉnh vào th ng 5.
Một vài lí giải cho sự lao dốc của thị tr ờng bảy th ng cuối năm:
Thị tr ờng thiếu vắng thông tin hỗ trợ khi c c kế ho ch nhằm cải thiện nền
kinh tế đã đ ợc tung ra trong giai đo n tr ớc đó nh ng ch a đem l i hiệu quả rõ rệt.
Tâm lý của giới đầu t , vì vậy, thận trọng trở l i khiến p lực chốt lời tăng cao khi
c c chỉ số VN-Index và HNX-Index tiến s t c c đỉnh cũ.
Kinh tế vĩ mô trong giai đo n này không thực sự có nhiều chuyển biến
đ ng kể mà thậm chí còn bộc lộ nhiều điểm đ ng lo ng i h n, cụ thể:
(i) Lãi suất mặc dù giảm nh ng tăng tr ởng tín dụng l i diễn ra kh chậm.
Nợ xấu tăng cao, thị tr ờng gần nh bị “shock” sau thông b o chính thức của
NHNN về tỷ lệ nợ xấu của toàn hệ thống lên tới 10% thay vì 4% nh c c NHTM
b o c o. Những bất ổn vĩ mô và hệ thống ngân hàng bắt đầu xuất hiện. Niềm tin thị
tr ờng lung lay sau “quả bom” Habubank công bố tình hình tài chính be bét đã
đ ợc che đậy với tỷ lệ nợ xấu lên tới 13% và cần đ ợc giải cứu.

51. 43
(ii) Thị tr ờng bất động sản tiếp tục đông cứng mặc dù c c DN thi nhau giảm
gi sốc.
(iii) CPI theo chiều h ớng tích cực khi giảm tốc nh ng không đem l i sự
hứng thú cho giới đầu t khi sức cầu nền kinh tế vẫn còn ì ch.
 Trong giai đo n này, thị tr ờng cũng đón nhận một đợt sóng tăng nhẹ từ
ngày 10/7 - 20/08/2012. Đợt hồi phục nhẹ này bắt nguồn chủ yếu từ kỳ vọng dòng
vốn gi rẻ có thể chảy m nh giúp DN v ợt qua khó khăn, sau khi nhiều ngân hàng
đồng lo t h lãi suất cho vay về d ới 15%. Bên c nh đó là việc NHNN cho phép nới
room tăng tr ởng tín dụng ở một số ngân hàng, và việc tiếp cận nguồn vốn lãi suất
thấp h n cũng trở nên dễ dàng h n tr ớc. Tuy nhiên, nh đã nói ở trên, những kỳ
vọng này đã không thành hiện thực.
 Tình hình trở nên bi đ t h n sau ngày 21/8 – ngày đ ợc coi là “ngày thứ
ba đen tối” của TTCK Việt Nam khi ông Nguyễn Đức Kiên – Phó Chủ tịch Hội
đồng s ng lập của ngân hàng ACB bị bắt. Tiếp theo đó, lãnh đ o ngân hàng ACB bị
khởi tố, Chủ tịch STB bị điều tra đã khiến lòng tin vào thị tr ờng ngày càng lung
lay. Cổ phiếu ngân hàng bị b n sàn liên tiếp, bị cắt margin khiến thị tr ờng gần nh
lao dốc không phanh. Sau c n địa chấn trên, diễn biến thị tr ờng không mấy sôi nổi
do tâm lý thận trọng tăng cao và một phần nào niềm tin trong giới đầu t bị sứt mẻ
đ ng kể.
2.2.2 Năm 2013: hồi phục mạnh mẽ
TTCK Việt Nam năm 2013 đã có sự hồi phục đ ng khích lệ cả về chỉ số và
thanh khoản. Niềm tin của NĐT cũng đ ợc củng cố thông qua động th i giải ngân ở
nhiều mã cổ phiếu, nhất là nhóm cổ phiếu bluechip.

52. 44
Hình 2.3 Diễn biến thanh khoản TTCK năm 2013
(Nguồn: Xử lý bằng Excel 2010)
Chỉ số VN-Index trên HOSE đã tăng điểm nhanh h n dự b o của c c chuyên gia
kinh tế, từ 418,35 điểm (ngày 02/01/2013) lên đ t mức cao nhất là 527,97 điểm (ngày
07/6/2013), t ng đ ng tăng 21,38% so với đầu năm. Kể từ thời điểm đó, VN-Index dao
động xung quanh mốc 500 điểm cho đến cuối năm. Mức tăng tr ởng còn khiêm tốn của
VN-Index trong nửa cuối năm 2013 một mặt cho thấy khó khăn của nền kinh tế Việt Nam
vẫn còn, mặt kh c cũng cho thấy tiềm năng tăng tr ởng của TTCK khi nền kinh tế phục
hồi. Mặc dù vậy, tính chung cả năm 2013, VN-Index vẫn cho thấy một sự tăng tr ởng
đ ng kể khi tính đến phiên giao dịch 9/12, chỉ số VN-Index đ t 511,23 điểm, tăng 97,5
điểm (23%) so với phiên giao dịch cuối cùng của năm 2012 (VN-Index đ t 413,73 điểm
t i phiên 28/12/2012). Bên c nh chỉ số VN-Index, chỉ số VN30 cũng tăng từ 490,82 điểm
trong phiên giao dịch 2/01/2013 lên 573,21 điểm t i phiên giao dịch 9/12/2013, t ng
đ ng tăng 16,78%. Trong năm, chỉ số VN30 đ t mức cao nhất là 588,21 điểm t i phiên
07/6/2013 và thấp nhất là 490,82 điểm t i phiên 02/01/2013. Kết quả trên đã đ a TTCK
Việt Nam nằm trong Top 10 TTCK có mức tăng m nh nhất thế giới trong năm 2013.
Bên c nh sự tăng tr ởng của chỉ số VN-Index, quy mô giao dịch của thị tr ờng
cũng đ ợc duy trì ở mức cao. Tính từ đầu năm đến ngày 20/12/2013, qua 234 ngày giao
dịch, khối l ợng giao dịch bình quân trên thị tr ờng đ t 64,3 triệu cổ phiếu/ngày, t ng

53. 45
đ ng với gi trị giao dịch bình quân đ t 1.058 tỷ đồng/ngày, tăng 14,21% về gi trị và
20,45% về khối l ợng so với bình quân năm 2012. Trong đó nhiều ngày có GTGD đ t
trên 2.000 tỷ đồng. Gi trị vốn hóa t i ngày 20/12/2013 đ t mức 843.039 tỷ đồng, tăng
22,64% so với mức gi trị vốn hóa ngày 31/12/2012. Nh vậy, năm 2013 đã đ nh dấu sự
cải thiện đ ng kể về thanh khoản của TTCK, đem l i những tín hiệu vui cho NĐT sau
nhiều năm gắn bó với thị tr ờng.
Cũng trong năm 2013, NĐT n ớc ngoài mua vào khoảng 1,28 tỷ cổ phiếu (chiếm
8,22% giao dịch toàn thị tr ờng) và b n ra 1,21 tỷ cổ phiếu (chiếm 7,76% giao dịch toàn
thị tr ờng), t ng ứng với gi trị mua đ t khoảng 43,72 nghìn tỷ đồng (chiếm 17,20%
giao dịch toàn thị tr ờng) và gi trị b n đ t khoảng 38,70 nghìn tỷ đồng (chiếm 15,23%
giao dịch toàn thị tr ờng).
 Một vài lí giải cho sự khởi sắc của TTCK Việt Nam năm 2013:
Một là, chỉ số gi cả tiêu dùng (CPI) đã có xu h ớng ổn định, đến th ng 11
tăng 5,5% so với cuối năm 2012; chỉ số sản xuất công nghiệp đã tăng 5,6% so với
cùng kỳ năm ngo i; nhập siêu đ ợc kiểm so t ở mức thấp 96 triệu USD trong 11
th ng đầu năm.
Hai là, mặt bằng lãi suất có chiều h ớng giảm dần; tăng tr ởng tín dụng có
cải thiện;
Ba là, thị tr ờng ngo i hối trong xu thế ổn định, dự trữ ngo i tệ tăng.
Bốn là, dòng vốn FDI đ t khoảng 20,8 tỷ USD, tăng 54,2% so với cùng kỳ
năm ngo i; quy mô dòng vốn đầu t gi n tiếp tăng.
Năm là, c c giải ph p đối với thị tr ờng nh giảm thuế với chuyển nh ợng
chứng kho n, kéo dài thời gian giao dịch, p dụng lệnh thị tr ờng, nới biên độ giao
dịch, điều chỉnh tỷ lệ giao dịch ký quỹ từ 40/60 lên 50/50.
Sáu là, công t c t i cấu trúc TTCK đ ợc đẩy m nh, đặc biệt là vấn đề sắp
xếp l i c c tổ chức kinh doanh chứng kho n và việc ban hành c c quy định mới về
quỹ mở, triển khai giao dịch ETF đã t o điều kiện thu hút dòng vốn đầu t n ớc
ngoài, nhất là c c tổ chức đầu t n ớc ngoài.
2.2.3 Năm 2014 đến nay:

54. 46
 Năm 2014: chứng kiến nhiều thăng trầm ch a từng có, khi những sự kiện
bên ngoài t o ra những tác động lớn.
Đây là năm TTCK chịu nhiều c c t c động từ những yếu tố bên ngoài, mà
tiêu biểu nhất là sự kiện biển Đông và những đột biến của gi dầu thế giới. Đ t đỉnh
trong năm với mức tăng 26,9% và 22,7% so với đầu năm, tuy nhiên VN-Index và
VN30-Index chỉ duy trì mức tăng lần l ợt là 8,1% và 7,1% cuối năm. Mặc dù xen
kẽ những khoảng điều chỉnh giảm nh ng xét về tổng thể, thị tr ờng ph t triển theo
chiều h ớng tăng tr ởng. Thị tr ờng có 2 nhịp biến động tăng và giảm điểm m nh
ch a từng có trong một năm. Diễn biến giao dịch thị tr ờng gắn liền với sự kiện
Biển Đông và FED cắt giảm QE cùng với gi dầu giảm m nh.
Hình 2.4 Tình hình thanh khoản TTCK từ năm 2014 đến nay
( Nguồn: Xử lý bằng Excel 2010)
Giai đoạn tăng do ETF và giảm do sự kiện Biển Đông (2 th ng tăng
điểm và 2 tháng giảm điểm từ 1/1/2014 đến 13/5/2014): Sau giai đo n tích lũy đi
ngang gần 4 tháng cuối năm 2013, c c chỉ số VN-Index và VN30-Index đột ngột
tăng tốc và đ t đỉnh ngắn h n vào 24/3 với mức tăng lần l ợt 20,3% và 22,7% trong