Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc

Dịch vụ viết thuê đề tài – KB Zalo/Tele 0917.193.864 – luanvantrust.com
Kham thảo miễn phí – Kết bạn Zalo/Tele mình 0917.193.864
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
BÙI CÔNG TOÀN
ĐẶC ĐIỂM CỦA NHỮNG CỔ PHIẾU GÂY RA HIỆU ỨNG
QUY MÔ, GIÁ TRỊ VÀ QUÁN TÍNH GIÁ - KẾT QUẢ TỪ
PHƯƠNG PHÁP THỐNG KÊ LỰC ẢNH HƯỞNG
LUẬN VĂN THẠC SĨ KINH TẾ

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
BÙI CÔNG TOÀN
ĐẶC ĐIỂM CỦA NHỮNG CỔ PHIẾU GÂY RA HIỆU ỨNG QUY
MÔ, GIÁ TRỊ VÀ QUÁN TÍNH GIÁ - KẾT QUẢ TỪ PHƯƠNG
PHÁP THỐNG KÊ LỰC ẢNH HƯỞNG
Chuyên ngành: Tài chính – Ngân hàng
Mã số: 8340201
LUẬN VĂN THẠC SĨ KINH TẾ
NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS. TRẦN THỊ HẢI LÝ
Tp. Hồ Chí Minh – Năm 2018

LỜI CAM ĐOAN
Tác giả xin cam đoan luận văn Thạc sĩ “Đặc điểm của những cổ phiếu gây ra hiệu ứng
quy mô, giá trị và quán tính giá - kết quả từ phương pháp thống kê lực ảnh hưởng” là
công trình nghiên cứu của riêng tác giả. Các số liệu và tài liệu trong luận văn là trung
thực và chưa được công bố trong bất kỳ công trình nghiên cứu nào. Tất cả những tham
khảo và kế thừa đều được trích dẫn và tham chiếu đầy đủ.
Thành phố Hồ Chí Minh, ngày tháng năm
Tác giả
Bùi Công Toàn

MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
DANH MỤC CÁC BẢNG
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
TÓM TẮT
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI ................................................................................1
1.1 Lý do chọn đề tài .......................................................................................................1
1.2 Mục tiêu nghiên cứu..................................................................................................1
1.3 Phương pháp nghiên cứu...........................................................................................2
1.4 Ý nghĩa đề tài.............................................................................................................3
1.5 Kết cấu bài nghiên cứu ..............................................................................................4
CHƯƠNG 2: KHUNG LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU
TRƯỚC ĐÂY......................................................................................................................5
2.1 Giả thuyết về thị trường hiệu quả cùng các bất thường ............................................5
2.1.1 Giả thuyết về thị trường hiệu quả.......................................................................5
2.1.2 Các chứng cứ vi phạm thị trường hiệu quả - các bất thường .............................6
2.2 Lý thuyết tân cổ điển .................................................................................................7
2.3 Lý thuyết hành vi.....................................................................................................12

2.4 Lý thuyết dựa trên sự lệch lạc .................................................................................16
2.5 Các hàm ý rút ra từ lý thuyết ...................................................................................18
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ...........................................................21
3.1 Dữ liệu và mẫu nghiên cứu......................................................................................21
3.2 Phương pháp nghiên cứu.........................................................................................21
3.2.1 Phân tích thống kê lực ảnh hưởng ....................................................................21
3.2.2 So sánh cổ phiếu không gây ra bất thường và cổ phiếu gây ra bất thường......26
3.3 Các biến sử dụng trong bài......................................................................................27
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM.........................................30
4.1 Hiệu quả của phương pháp thống kê lực ảnh hưởng...............................................30
4.2 Đặc điểm của các cổ phiếu gây ra bất thường.........................................................31
4.3 Các yếu tố ảnh hưởng đến khuynh hướng trở thành cổ phiếu gây ra bất thường ...34
CHƯƠNG 5: KẾT LUẬN..............................................................................................38
TÀI LIỆU THAM KHẢO................................................................................................a
Phụ lục .............................................................................................................................. f

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
Từ viết tắt Tên đầy đủ bằng tiếng Anh
AD Anomaly Driver
Non-AD Non-anomaly Driver
LAD Long Anomaly Driver
SAD Short Anomaly Driver
B/M Book to Market ratio

DANH MỤC CÁC BẢNG
Bảng 2.1 Các hàm ý rút ra từ lý thuyết..............................................................................19
Bảng 4.1 Kết quả hồi quy Fama và Macbeth (1973).........................................................30
Bảng 4.2 Kết quả so sánh đơn biến ...................................................................................31
Bảng 4.3 Kết quả mô hình LOGIT....................................................................................35

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Biểu đồ 3.1 Ví dụ về phương pháp phân tích thống kê lực ảnh hưởng.............................23

TÓM TẮT
Trong lịch sử nghiên cứu tài chính cho đến nay, có khá nhiều nghiên cứu thuộc về trường
phái tân cổ điển, hành vi cũng như lý thuyết dựa trên sự lệch lạc đã được các nhà nghiên
cứu kinh tế đưa ra thảo luận để giải thích cho xu hướng các cổ phiếu có quy mô nhỏ, cổ
phiếu giá trị, và cổ phiếu có thành quả quá khứ tốt tạo ra tỷ suất sinh lợi vượt trội các cổ
phiếu quy mô lớn, cổ phiếu tăng trưởng và cổ phiếu có thành quả quá khứ kém – cũng là
ba bất thường thị trường được biết đến rộng rãi. Những lý thuyết này thường đưa ra các
dự đoán về mối quan hệ giữa xu hướng trở thành cổ phiếu gây ra bất thường và một số
đặc điểm của công ty. Tuy nhiên, mỗi nghiên cứu chỉ tập trung vào một lý thuyết nhất
định khiến chúng ta không biết lý thuyết nào là hiệu quả nhất trong việc giải thích các bất
thường. Xuất phát từ mục đích giải quyết thiếu hụt này, tác giả sử dụng một phương pháp
phân tích phi tham số để so sánh hiệu quả giải thích bất thường của các lý thuyết trên. Ở
bước đầu tiên, tác giả sử dụng phương pháp phân tích thống kê lực ảnh hưởng để tìm ra
các cổ phiếu thực sự gây ra bất thường. Tiếp theo, tác giả sử dụng các biến đại diện đặc
điểm của công ty được đề xuất bởi các lý thuyết để dự đoán tính chất của các cổ phiếu
gây ra bất thường, phần này cũng có mục địch xác định lý thuyết nào là tốt nhất dựa trên
mẫu dữ liệu thu thập được. Cuối cùng, với phương pháp này, tác giả nhận thấy lý thuyết
hành vi là lý thuyết giải thích tốt nhất cho các bất thường ở thị trường chứng khoán Việt
Nam.
Danh mục từ khóa: Phương pháp phân tích thống kê lực ảnh hưởng, hiệu ứng quy mô,
hiệu ứng giá trị, hiệu ứng quán tính giá.

1
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
1.1 Lý do chọn đề tài
Các nghiên cứu trước đây cho thấy có một số đặc điểm của công ty có thể giải thích biến
động trong tỷ suất sinh lợi ngay cả khi kiểm soát những nhân tố định giá hợp lý, như beta
thị trường. Nổi bật nhất trong số các đặc điểm này là giá trị vốn hóa thị trường (quy mô),
tỷ số giá trị sổ sách trên giá trị thị trường mỗi cổ phiếu (B/M), và tỷ suất sinh lợi gộp
trong quá khứ (quán tính giá) (Banz 1981; Rosenberg và cộng sự 1985; Fama và French
1992; Jegadesh và Titman 1993). Xuất phát những phát hiện này, một lượng lớn các lý
thuyết tân cổ điển, hành vi và lý thuyết dựa trên sự lệch lạc đã xuất hiện trong các năm
qua nhằm giải thích các hiện tượng bất thường. Mỗi lý thuyết đều được hỗ trợ bởi một số
bằng chứng thực nghiệm tuy nhiên các nghiên cứu lại chỉ tập trung vào một lý thuyết duy
nhất, điều này khiến chúng ta không biết lý thuyết nào phù hợp nhất với dữ liệu thu thập
từ thị trường. Bên cạnh đó, bởi vì các đặc điểm của công ty thường liên quan đến nhau
nên các nghiên cứu hiện có không cho phép chúng ta kiểm chứng liệu mối quan hệ giữa
xu hướng trở thành cổ phiếu gây ra bất thường và một đặc điểm nào đó của công ty có bị
chi phối bởi một đặc điểm khác (đề xuất bởi lý thuyết khác) hay không.
Xuất phát từ vấn đề này, tác giả tiến hành thực hiện nghiên cứu “Đặc điểm của những cổ
phiếu gây ra hiệu ứng quy mô, giá trị và quán tính giá. Kết quả từ phương pháp thống kê
lực ảnh hưởng” nhằm đi tìm câu trả lời lý thuyết nào phù hợp nhất để giải thích những
bất thường ở thị trường chứng khoán Việt Nam. Ngoài ra, với việc sử dụng phương pháp
phân tích thống kê lực ảnh hưởng (statistical leverage analysis), bài nghiên cứu cũng
trình bày một phương pháp nhằm xác định được tập hợp những cổ phiếu gây ra các hiện
tượng bất thường qua các năm trên thị trường.
1.2 Mục tiêu nghiên cứu
Bài nghiên cứu sẽ tập trung làm rõ những câu hỏi sau:

2
Thứ nhất, các cổ phiếu nào gây ra bất thường về quy mô, giá trị và quán tính giá?
Thứ hai, đặc điểm của các cổ phiếu này là gì?
Thứ ba, lý thuyết nào giải thích tốt nhất cho các bất thường ở thị trường Việt Nam?
1.3 Phương pháp nghiên cứu
Bài nghiên cứu sử dụng dữ liệu của các công ty được niêm yết tại Sở Giao dịch Chứng
khoán TP Hồ Chí Minh. Khoảng thời gian nghiên cứu là từ năm 2011 đến năm 2016.
Bài nghiên cứu sử dụng phương pháp phi tham số để so sánh hiệu quả giải thích của 3 lý
thuyết tân cổ điển, lý thuyết hành vi và lý thuyết dựa trên sự lệch lạc. Bước thứ nhất, tác
giả áp dụng phương pháp phân tích thống kê lực ảnh hưởng để nhận diện những cổ phiếu
tác động chính gây ra các bất thường, những cổ phiếu này được gọi là cổ phiếu gây ra
bất thường (anomaly driver). Nói một cách khái quát, phương pháp phân tích thống kê
lực ảnh hưởng xem xét đến sự thay đổi trong cường độ của bất thường khi loại bỏ một tập
hợp cổ phiếu ngẫu nhiên nào đó, và chọn ra các cổ phiếu khi được loại bỏ cùng nhau sẽ
khiến cho bất thường trở nên yếu nhất.
Bước thứ hai, tác giả sử dụng cả phân tích đơn biến và đa biến để so sánh tính chất của
các cổ phiếu bất thường và các cổ phiếu có đặc điểm tương tự nhưng không gây ra bất
thường, để dễ hiểu tác giả gọi các cổ phiếu này là cổ phiếu không gây ra bất thường
(non-anomaly driver)). Các cổ phiếu không gây ra bất thường là các cổ phiếu có đặc điểm
về quy mô (hay B/M và quan tính giá) tương tự các cổ phiếu gây ra bất thường nhưng khi
loại bỏ khỏi tập hợp lại gây ra ít tác động nhất đến hiệu ứng quy mô (hay giá trị và quán
tính giá). Trong những so sánh này, tác giả phân chia cổ phiếu gây ra bất thường thành
các cổ phiếu được giữ ở vị thế mua (long side) trong danh mục để khai thác các bất
thường, gọi là LAD (long anomaly driver), và các cổ phiếu giữ ở vị thế bán (short side)
trong danh mục, gọi là SAD (short anomaly driver). Thông qua so sánh mối quan hệ ở kết
quả thực nghiệm với dự đoán của các lý thuyết, chúng ta có thể xác định lý thuyết nào
thành công nhất trong việc giải thích các bất thường.

3
1.4 Ý nghĩa đề tài
Bài nghiên cứu mang lại một số đóng góp về khoa học và thực tiễn cho các nhà quản lý
doanh nghiệp, các nhà nghiên cứu học thuật. Cụ thể là:
Ý nghĩa khoa học: Thứ nhất, bài nghiên cứu khái quát lại quan điểm của các lý thuyết
khi giải thích ba bất thường thị trường là hiệu ứng quy mô, hiệu ứng giá trị, và hiệu ứng
quán tính giá. Lý thuyết tân cổ điển cho rằng sở dĩ có sự tồn tại của các hiệu ứng vừa nêu
là do có sự khác biệt trong rủi ro của các cổ phiếu có tỷ suất sinh lợi cao bất thường và cổ
phiếu có tỷ suất sinh lợi thấp bất thường, đồng thời các đặc điểm bất thường (quy mô,
B/M, quán tính giá) có thể nắm bắt được rủi ro mà các nhân tố định giá trước đây bỏ qua
hoặc ước lượng sai. Lý thuyết hành vi lại cho rằng các bất thường xuất hiện là do tài sản
bị định giá sai do lệch lạc về nhận thức của nhà đầu tư. Sở dĩ các bất thường tồn tại được
là vì các giới hạn giao dịch mua bán song hành (arbitrage), khiến nhà đầu tư không thể
tận dụng được cơ hội kiếm lời. Cuối cùng, lý thuyết dựa trên lệch lạc nhận thấy các bất
thường là những hiện tượng gây ra bởi việc đào bới hoặc thao túng dữ liệu hoặc cũng có
thể gây ra bởi các sai lệch của thị trường. Nhưng khi các hiện tượng này xảy ra hay được
phát hiện, nhà đầu tư cũng không thể tận dụng cơ hội kiếm lời do các giới hạn về đầu tư
hay chi phí giao dịch vì thế mà các bất thường tồn tại. Ý nghĩa thứ hai của bài nghiên cứu
là kiểm định đồng thời 3 lý thuyết tân cổ điển, hành vi và lý thuyết dựa trên sự lệch lạc để
trả lời câu hỏi lý thuyết nào thành công hơn trong việc giải thích các bất thường.
Ý nghĩa thực tiễn: Sử dụng phương pháp phân tích thống kê lực ảnh hưởng cùng với
những nhận định về đặc điểm của các cổ phiếu gây ra bất thường chúng ta có thể tạo lập
các danh mục đầu tư để tận dụng các bất thường.
Điểm mới của nghiên cứu: Thứ nhất, bài nghiên cứu trình bày phương pháp phân tích
thống kê lực ảnh hưởng, lần đầu tiên áp dụng ở thị trường Việt Nam, để xác định các cổ
phiếu gây ra bất thường. Thứ hai, bài nghiên cứu đưa ra so sánh hiệu quả giải thích bất
thường của ba lý thuyết, tin tưởng đây cũng là nghiên cứu rất mới đối với thị trường
chứng khoán Việt Nam.

4
1.5 Kết cấu bài nghiên cứu
Bài nghiên cứu có bố cục như sau:
Chương 1: Giới thiệu đề tài. Tác giả cung cấp một góc nhìn tổng quan về bài nghiên
cứu về lý do nghiên cứu, mục tiêu và các câu hỏi nghiên cứu, phương pháp và ý nghĩa
của đề tài.
Chương 2: Khung lý thuyết và tổng quan các nghiên cứu trước đây. Chương này
trình bày về giả thuyết thị trường hiệu quả cùng các bất thường, các lý thuyết và lập luận
để giải thích cho bất thường cùng bằng chứng thực nghiệm từ các nghiên cứu trước đây.
Chương 3: Phương pháp nghiên cứu. Trong chương này, tác giả giới thiệu dữ liệu,
phương pháp nghiên cứu, xây dựng mô hình và các biến được sử dụng trong bài.
Chương 4: Kết quả thực nghiệm ở Việt Nam. Chương này xem xét đánh giá kết quả
nghiên cứu thực nghiệm thu được.
Chương 5: Kết luận. Chương cuối cùng đưa ra các kết luận của bài nghiên cứu.

5
CHƯƠNG 2: KHUNG LÝ THUYẾT VÀ TỔNG
QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
2.1 Giả thuyết về thị trường hiệu quả cùng các bất thường
2.1.1 Giả thuyết về thị trường hiệu quả
Vai trò cơ bản của thị trường vốn là phân bổ quyền sở hữu nguồn vốn cho các thành phần
trong thị trường. Nói chung, một thị trường vốn lý tưởng nhất là ở đó mức giá cung cấp
các dấu hiệu chính xác của việc phân bổ nguồn vốn. Tức là, một thị trường ở đó các công
ty có thể đưa ra các quyết định sản xuất/đầu tư, và các nhà đầu tư có thể lựa chọn cho
mình các chứng khoán với giả định tất cả các thông tin có sẵn trên thị trường đều được
phản ánh hoàn toàn thông qua mức giá tại mọi thời điểm. Một thị trường mà mức giá
luôn luôn phản ánh tất cả các thông tin có sẵn được gọi là thị trường hiệu quả (Fama
1970).
Fama (1970) đã đề xuất 3 dạng của thị trường hiệu quả. Thị trường hiệu quả dạng yếu có
giá cả phản ánh tất cả các thông tin về giá trong quá khứ. Ở thị trường dạng này, giá cả
trong tương lai không thể dự đoán thông qua phân tích biến động giá trong quá khứ. Các
nhà đầu tư không thể kiếm được tỷ suất sinh lợi vượt trội trong dài hạn bằng cách sử
dụng các chiến lược đầu tư dựa trên dữ liệu lịch sử. Giá cả tuân theo các thay đổi ngẫu
nhiên mà không có bất kì mẫu hình chung nào.
Thị trường hiệu quả dạng vừa cho rằng giá cả không những phản ánh thông tin về giá
trong quá khứ mà còn phản ánh tất cả các thông tin được công bố trên thị trường (ví dụ
thông báo thu nhập hàng năm, phân chia cổ phiếu,…) thậm chí giá cả sẽ thay đổi ngay
khi có thông tin mới được công bố. Khái niệm này hàm ý giá cổ phiếu sẽ thay đổi theo
thông tin được phát tán một cách nhanh chóng và chính xác, nghĩa là không một nhà đầu
tư nào có thể kiếm được tỷ suất sinh lợi vượt trội bằng cách tận dụng các thông tin trên
thị trường.

6
Cuối cùng, thị trường hiệu quả dạng mạnh là thị trường mà ở đó giá cả sẽ phản ánh không
những thông tin giá trong quá khứ và thông tin được công bố mà còn cả những thông tin
mật (hay thông tin nội bộ). Trong thị trường này, giá cả hiện tại là kết quả của tất cả
thông tin, bao gồm thông tin được công bố rộng rãi và thông tin không được công bố,
không một ai có thể liên tục đạt được tỷ suất sinh lợi vượt trội. Điều này hàm ý ngay cả
những người trong công ty cũng không kiếm được tỷ suất sinh lợi bất thường, chúng ta sẽ
chỉ có thể quan sát được các nhà đầu tư may mắn và kém may mắn chứ không thể có một
nhà đầu tư liên tục đánh bại thị trường.
Bài nghiên cứu của Fama (1970) cũng đưa ra các kiểm định thực nghiệm cho 3 dạng của
thị trường hiệu quả và kết luận, mặc dù có một số ngoại lệ, mô hình thị trường hiệu quả
vẫn đứng vững. Bên cạnh đó, Fama, Fisher, Jensen và Roll (1969) đã kiểm định giả
thuyết thị trường hiệu quả dạng vừa thông qua sự kiện chia tách cổ phiếu và kết quả phù
hợp với giả thuyết khi bằng chứng thực nghiệm cho thấy điều chỉnh của thị trường liên
quan đến thông tin phân tách cổ phiếu được phản ánh đầy đủ trong mức giá gần như ngay
sau ngày công bố.
2.1.2 Các chứng cứ vi phạm thị trường hiệu quả - các bất thường
Sau khi giả thuyết về thị trường hiệu quả được đưa ra, rất nhiều nghiên cứu cũng được
công bố, bên cạnh những bài nghiên cứu đồng tình còn có rất nhiều bài đưa ra được bằng
chứng thực nghiệm về tính không hiệu quả của thị trường. Seyhun (1988) nghiên cứu
hoạt động giao dịch nội bộ, kết quả cho thấy hoạt động giao dịch nội bộ ở một tháng có
tương quan dương với tỷ suất sinh lợi vượt trội trong 2 tháng kế tiếp, nghĩa là người bên
trong công ty vẫn kiếm được lợi nhuận cao hơn, thị trường không phải hiệu quả dạng
mạnh.
Vi phạm về thị trường hiệu quả dạng yếu được phát hiện sớm nhất là trong các mẫu hình
năm dương lịch. Reinganum (1983) công bố bằng chứng thực nghiệm cho thấy các công
ty nhỏ có tỷ suất sinh lợi lớn vào tháng 1 và tỷ suất sinh lợi lớn bất thường vào một số
ngày giao dịch đầu tiên trong tháng 1 (hiệu ứng tháng Giêng).

7
Banz (1981) nghiên cứu mối quan hệ giữa tỷ suất sinh lợi và giá trị thị trường các cổ
phiếu trên sàn NYSE, kết quả nghiên cứu cho thấy các công ty có giá trị vốn hóa nhỏ hơn
có tỷ suất sinh lợi sau điều chỉnh lớn hơn so với các công ty có giá trị vốn hóa lớn và hiệu
ứng quy mô tồn tại ít nhất 40 năm. Fama và French (1992) đưa ra bằng chứng về cả hiệu
ứng quy mô và B/M, các công ty có tỷ lệ vốn hóa thị trường thấp và giá trị sổ sách trên
giá trị thị trường (B/M) cao có tỷ suất sinh lợi cổ phiếu cao hơn so với dự báo của mô
hình CAPM. Jegadeesh và Titman (1993) ghi nhận chiến lược mua cổ phiếu có thành quả
tốt và bán cổ phiếu có kết quả kém trong quá khứ tạo ra tỷ suất sinh lợi dương đáng kể
với khoảng thời gian nắm giữ từ 3-12 tháng. Các nghiên cứu này hàm ý thị trường không
đạt được mức hiệu quả dạng vừa.
Phần tiếp theo của bài nghiên cứu sẽ trình bày các lý thuyết tân cổ điển, lý thuyết hành vi,
và lý thuyết dựa trên sự lệch lạc giải thích thế nào cho sự tồn tại của hiệu ứng quy mô,
hiệu ứng giá trị, và hiệu ứng quán tính giá.
2.2 Lý thuyết tân cổ điển
Lý thuyết tân cổ điển dựa trên kỳ vọng hợp lý (rational expectation) đưa ra tranh luận
rằng sự xuất hiện của các bất thường xuất phát từ sự khác biệt trong rủi ro tổng thể và rủi
ro hệ thống của các cổ phiếu có tỷ suất sinh lợi cao hoặc tỷ suất sinh lợi thấp bất thường.
Một số nhà nghiên cứu ở trường phái này thậm chí tuyên bố các mô hình định giá tài sản
tiêu chuẩn không nắm bắt được toàn bộ sự khác biệt này bởi vì các nhân tố định giá bị bỏ
sót hoặc được ước lượng không chính xác. Nếu lý thuyết kỳ vọng hợp lý là đúng, chúng
ta luôn luôn có thể chuyển các đặc điểm của công ty thành hiệp phương sai giữa tỷ suất
sinh lợi và các nhân tố rủi ro tính toán từ các đặc điểm này. Một số nghiên cứu ủng hộ
quan điểm trên nhận thấy việc thành lập danh mục dựa trên một số đặc điểm của công ty
thực sự giải thích được các bất thường. Fama và French (1993) tạo lập 6 danh mục dựa
trên quy mô và B/M, tính toán các nhân tố rủi ro SMB và HML, sau đó hồi quy với tỷ
suất sinh lợi cổ phiếu trung bình. Kết quả hồi quy cho thấy độ dốc của SMB giảm từ 1.5
(của danh mục nhóm cổ phiếu nhỏ nhất) xuống 0.3 (của danh mục nhóm cổ phiếu lớn

8
nhất), độ dốc của HML biến động từ -1 cho danh mục cổ phiếu có B/M nhỏ nhất đến xấp
xỉ 0 cho danh mục cổ phiếu có B/M lớn nhất. Kết quả này có thể giải thích bất thường về
quy mô và B/M. Carhart (1997) nghiên cứu hoạt động của các quỹ tương hỗ, với việc
thành lập danh mục dựa trên tỷ suất sinh lợi có độ trễ 1 năm, kết quả bài báo cho thấy
việc mua chứng chỉ các quỹ nằm ở nhóm tốt nhất và bán chứng chỉ quỹ ở nhóm kém nhất
của 1 năm trước có thể tạo ra tỷ suất sinh lợi 8% một năm. Kết quả này ủng hộ lập luận
của lý thuyết kỳ vọng hợp lý trong trường hợp hiệu ứng quán tính giá.
Một số nghiên cứu khác thuộc lý thuyết tân cổ điển đã nghiên cứu trực tiếp hơn về
khả năng nắm bắt rủi ro hệ thống của một số đặc điểm của công ty. Có hai vấn đề
lớn trong việc thực hiện các nghiên cứu thực nghiệm đối với mô hình CAPM tĩnh (static
CAPM), thứ nhất thị trường thực tế luôn luôn biến động, thứ hai tỷ suất sinh lợi của danh
mục tổng tài sản không thể quan sát. Những vấn đề này thường bị bỏ qua trong các
nghiên cứu thực nghiệm về CAPM khi các nhà nghiên cứu thường giả định Beta của tài
sản không thay đổi theo thời gian và tỷ suất sinh lợi của các cổ phiếu đo lường tỷ suất
sinh lợi của danh mục tổng tài sản. Dưới những giả định này, Fama và French (1992)
kết luận mối quan hệ giữa tỷ suất sinh lợi trung bình và Beta là yếu và tồn tại hiệu ứng
quy mô đáng kể. Jagannathan và Wang (1996) cùng Lewellen và Nagel (2006) tìm hiểu
vấn đề liệu quy mô và B/M có thể đại diện tốt cho Beta thị trường (đại diện cho rủi ro hệ
thống) và đưa ra các kết quả khác nhau. Cụ thể, Jagannathan và Wang (1996) cho rằng
các giả định trên là không hợp lý. Việc giải phóng giả định đầu tiên đã đưa đến việc
nghiên cứu về mô hình CAPM động (conditional CAPM) ở đó Beta và tỷ suất sinh lợi
trung bình được phép thay đổi theo từng giai đoạn. Kết quả nghiên cứu thực nghiệm đối
với mô hình CAPM động tốt hơn khi cả hiệu ứng quy mô và xác suất mô hình bị bác bỏ
đều không đáng kể. Tuy nhiên, ở chiều hướng ngược lại, Lewellen và Nagel (2006) lại
cho thấy mô hình CAPM động không thể giải thích được hiệu ứng giá trị và quán tính
giá.
Một số nghiên cứu khác đã cho thấy quy mô, B/M, và quán tính giá có liên quan đến
các yếu tố rủi ro của kinh tế vĩ mô. Nghiên cứu của Hahn và Lee (2006) đi tìm câu trả

9
lời cho vấn đề liệu các nhân tố quy mô và B/M trong mô hình của Fama và French (1993)
có liên quan đến rủi ro trong biến động chu kỳ kinh tế hay không. Kết quả cho thấy
những thay đổi trong rủi ro phá sản và rủi ro kỳ hạn nắm bắt được sự khác biệt mang tính
hệ thống của tỷ suất sinh lợi trung bình giống như tác động của các nhân tố quy mô và
B/M. Cụ thể, danh mục cổ phiếu nhỏ có rủi ro phá sản cao hơn danh mục các cổ phiếu
lớn, trong khi đó danh mục cổ phiếu có B/M cao có rủi ro kỳ hạn cao hơn danh mục cổ
phiếu có B/M thấp. Bởi vì hai loại rủi ro này thường được sử dụng để đại diện cho kỳ
vọng của thị trường về thị trường vốn vay và lãi suất trong tương lai, kết quả này ủng hộ
giả thiết quy mô và B/M có liên quan đến yếu tố rủi ro của kinh tế vĩ mô. Bên cạnh đó,
Petkova (2006) cũng kết luận biến đại diện cho hiệu ứng quy mô (SMB) và hiệu ứng giá
trị (HML) có mối tương quan với biến đại diện cho sự thay đổi trong điều kiện đầu tư của
nền kinh tế. Cuối cùng, bài nghiên cứu của Aretz và các cộng sự (2010) cho thấy 3 nhân
tố rủi ro quy mô, B/M và quán tính giá nắm bắt được sự biến động của một tập hợp các
nhân tố kinh tế vĩ mô đã được nêu ra trong các nghiên cứu trước đó, tập hợp này bao gồm
kỳ vọng tăng trưởng của nền kinh tế, lạm phát, xác xuất công ty không bị phá sản, cấu
trúc kỳ hạn và lãi suất, và tỷ giá hối đoái. Nghiên cứu tại thị trường chứng khoán Việt
Nam, Vuong và cộng sự (2017) cho rằng giá cổ phiếu trên thị trường được quyết định
chủ yếu bởi các yếu tố kinh tế như chỉ số giá thị trường, lạm phát, cung tiền và tỷ giá hối
đoái. Một sự gia tăng trong chỉ số giá cả và cung tiền làm giá cổ phiếu tăng theo trong khi
tỷ lệ lạm phát và tỷ giá hối đoái tăng làm giảm giá cổ phiếu.
Trong điều kiện bất cân xứng thông tin về giá trị của công ty, các đặc điểm của công
ty có thể hàm chứa một phần bù dương (Lambert và cộng sự 2007) hoặc âm
(Johnson 2004) cho tính không chắc chắn. Lambert và cộng sự (2007) đã nghiên cứu
liệu các thông tin kế toán có và biểu hiện như thế nào trong chi phí sử dụng vốn của công
ty. Bằng việc xây dựng một mô hình phù hợp với mô hình CAPM, các tác giả đã chứng
tỏ chất lượng của thông tin kế toán công bố có thể ảnh hưởng cả trực tiếp và gián tiếp tới
chi phí sử dụng vốn. Ảnh hưởng trực tiếp xảy ra bởi vì chất lượng của thông tin công bố
ảnh hưởng đến nhận thức của các thành phần trong thị trường về việc phân bổ dòng tiền

10
trong tương lai của công ty do đó tác động đến ước lượng về hiệp phương sai của dòng
tiền công ty với các công ty khác. Trong khi đó, ảnh hưởng gián tiếp lại xảy ra bởi chất
lượng thông tin có thể làm thay đổi quyết định thực tế trong việc phân phối dòng tiền
trong tương lai của các nhà lãnh đạo công ty.
Liên quan đến phần bù rủi ro bất cân xứng thông tin cho các nhà đầu tư thiếu thông tin,
Brennan và Subrahmanyam (1996) cùng Amihud (2002) cho thấy các đặc điểm của
công ty có thể hàm chứa mối tương quan dương giữa tính bất thanh khoản và tỷ suất sinh
lợi. Brennan và Subrahmanyam (1996) kiểm định mối quan hệ giữa tỷ suất sinh lợi
hàng tháng của cổ phiếu và biến đo lường tính không thanh khoản thu được từ giữ liệu
giao dịch trong ngày, kết quả cho thấy tỷ suất sinh lợi đòi hỏi cao hơn cho các cổ phiếu
kém thanh khoản hơn.
Một khả năng khác giải thích cho hiệu ứng giá trị, quy mô và quán tính giá chính là
sự khác biệt trong rủi ro kiệt quệ giữa các công ty. Một số nghiên cứu thực nghiệm
cho thấy cổ phiếu nhỏ và cổ phiếu giá trị thường có rủi ro kiệt quệ tài chính cao hơn cổ
phiếu lớn và cổ phiếu tăng trưởng. Queen và Roll (1987) sử dụng thông tin trên thị
trường để dự đoán tỷ lệ các công ty vẫn giữ được hoạt động trong một khoảng thời gian
định trước. Dữ liệu bao gồm các thông tin về giá, tỷ suất sinh lợi trung bình, biến động
của tỷ suất sinh lợi, Beta, giá trị vốn hóa thị trường. Kết quả cho thấy giá trị vốn hóa thị
trường dường như là yếu tố dự đoán tốt nhất cho khả năng “sống sót” của một công ty cả
trong dài hạn và ngắn hạn, các công ty nhỏ nhất có tỷ lệ biến mất rất nhỏ, trong khi các
công ty lớn nhất lại có tỷ lệ thất bại vào khoảng 20% trong vòng 2 thập kỷ. Fama và
French (1995) nghiên cứu liệu biến động trong giá cổ phiếu (trong mối liên hệ với quy
mô và B/M) có phần nào dự đoán được biến động trong mức thu nhập của cổ phiếu. Kết
quả cho thấy tỷ lệ B/M cao là dấu hiệu cho thu nhập thấp và tỷ lệ B/M thấp biểu hiện cho
mức thu nhập cao, tức là các công ty giá trị có rủi ro kiệt quệ lớn hơn các công ty tăng
trưởng. Avramov và cộng sự (2011) tập trung khám phá điểm tương đồng giữa các nhân
tố bất thường trong các mô hình định giá, đặc biệt bài nghiên cứu còn đánh giá các hàm ý
về rủi ro kiệt quệ tài chính trong chiến lược giao dịch tận dụng các bất thường. Kết quả

11
cho thấy các chiến lược đầu tư dựa trên hiệu ứng quy mô và quán tính giá tạo ra được lợi
nhuận dương từ việc giữ vị thế bán trên các công ty có rủi ro tín dụng cao bị hạ bậc tín
dụng và chiến lược dựa trên hiệu ứng giá trị thường đạt được lợi nhuận dương từ việc giữ
vị thế mua cổ phiếu của các công ty có rủi ro tín dụng cao từng trải qua thời kỳ bị kiệt
quệ tài chính nhưng vẫn có tỷ suất sinh lợi cao. Tuy nhiên, những lý thuyết định giá tài
sản hiện đại không phải lúc nào cũng dự đoán một phần bù dương cho rủi ro kiệt quệ.
Garlappi và cộng sự (2008) đã kiểm tra mối quan hệ giữa xác suất phá sản và tỷ suất
sinh lợi của cổ phiếu bằng cách sử dụng dữ liệu tần suất phá sản kỳ vọng (Expected
Default Frequency-EDF) của Moody’s KMV. Kết quả bài nghiên cứu cho thấy xác suất
phá sản cao hơn không có mối quan hệ nào với tỷ suất sinh lợi cao hơn. Ngoài ra, George
và Hwang (2010) cũng cung cấp bằng chứng thực nghiệm để giải thích cho mối quan hệ
ngược chiều giữa tỷ suất sinh lợi và đòn bẩy cùng rủi ro kiệt quệ tài chính. Lập luận các
tác giả đưa ra phụ thuộc vào sự khác nhau trong chi phí kiệt quệ tài chính giữa các công
ty. Sự lựa chọn cấu trúc vốn một phần liên quan đến chi phí kiệt quệ, những công ty có
chi phí cao chọn tỷ lệ đòn bẩy thấp sẽ có xác suất phá sản thấp. Tuy nhiên, cách làm này
không giảm được ảnh hưởng của chi phí cao đối với rủi ro hệ thống. Vì vậy, các công ty
có tỷ lệ đòn bẩy thấp mặc dù có xác suất phá sản thấp nhưng lại có rủi ro hệ thống cao
hơn các công ty có tỷ lệ đòn bẩy cao. Bài nghiên cứu đã cho thấy tỷ suất sinh lợi sau điều
chỉnh rủi ro của các công ty có rủi ro kiệt quệ và đòn bẩy thấp là cao đáng kể.
Cuối cùng, liên quan đến rủi ro phi hệ thống, Malkiel và Xu (2006) cho rằng các
biến động phi hệ thống có tương quan dương với mức giá, đồng thời các đặc điểm
của công ty có thể chứa đựng mối quan hệ này. Theo đó, các phương pháp CAPM
truyền thống đều cho rằng chỉ có rủi ro thị trường mới có thể được đưa vào trong mô hình
định giá tài sản và tạo ra một phần bù rủi ro. Nhưng kết quả này không đúng khi nhà đầu
tư không thể nắm giữ danh mục thị trường. Vì thế, rủi ro phi hệ thống phải được định giá
để bù đắp cho các nhà đầu tư này. Các tác giả đã dựa trên một mô hình biến thể của
CAPM với dữ liệu các cổ phiếu ở Mỹ và Nhật bản và đưa ra kết luận biến động phi hệ
thống giải thích tốt cho tỷ suất sinh lợi kỳ vọng. Không những thế, tỷ suất sinh lợi từ

12
danh mục thành lập dựa trên các đặc điểm của công ty đồng thời biến động cùng chiều
với tỷ suất sinh lợi từ danh mục phòng ngừa rủi ro phi hệ thống.
2.3 Lý thuyết hành vi
Lý thuyết hành vi cho rằng sở dĩ có sự xuất hiện của các bất thường là do một số nhà đầu
tư có nhận thức sai lệch và sự lệch lạc của họ khiến việc định giá xảy ra sai sót, tuy nhiên,
các sai sót này không bị triệt tiêu bởi các nhà đầu tư hợp lý do có rào cản giới hạn mua
bán song hành (arbitrage).
Theo Lakonishok và cộng sự (1994), các nhận định sai lầm của một bộ phận nhà đầu tư
khiến cổ phiếu bị định giá sai, những chiến lược đầu tư giá trị tạo ra tỷ suất sinh lợi cao
hơn do tận dụng được các quyết định không tối ưu này chứ không phải vì đầu tư giá trị
chấp nhận rủi ro nhiều hơn (chiến thuật đầu tư giá trị kêu gọi nắm giữ những cổ phiếu có
tỷ lệ giá trên thu nhập, cổ tức, hoặc giá trị sổ sách của tài sản,… thấp). Nguyên nhân của
các quyết định “ngây thơ” của nhà đầu tư hoặc xuất phát từ việc suy đoán tốc độ tăng
trưởng trong quá khứ cho thời gian quá xa trong tương lai, hoặc do giả định một xu
hướng về biến động của giá, cũng có thể do phản ứng quá mức với tin “tốt” hoặc tin
“không tốt”, hay đơn giản là đánh đồng một khoản đầu tư tốt với một công ty hoạt động
tốt mà không quan tâm đến giá cổ phiếu. Sau một chuỗi thông tin về thu nhập kém của
công ty, những nhà đầu tư “ngây thơ” có thể trở nên bi quan thái quá về thu nhập của cổ
phiếu trong tương lai, do đó, những cổ phiếu không được yêu thích sẽ bị các nhà đầu tư
loại bỏ khỏi danh mục và chúng trở thành bị định giá thấp. Tương tự, những cổ phiếu
thoạt nhìn có vẻ “hấp dẫn” được các nhà đầu tư ưa thích và được đánh giá cao quá mức.
Do vậy, theo các tác giả, khả năng dự đoán của các tỷ số tài chính đơn thuần chỉ là phản
ánh việc sửa chữa các quyết định sai lầm của nhà đầu tư khác trong quá khứ. Ngoài ra,
La Porta (1996) cũng nhận định rằng sai lầm mang tính hệ thống trong kỳ vọng của nhà
đầu tư cũng có thể giải thích cho tỷ suất sinh lợi vượt trội của các cổ phiếu giá trị. Tác giả
kiểm chứng sự tồn tại của những sai lầm mang tính hệ thống bằng cách sử dụng dữ liệu
khảo sát về dự báo của những nhà phân tích thị trường. Kết quả cho thấy những chiến

13
lược đầu tư cố gắng tận dụng sai lầm trong dự báo của các chuyên gia phân tích tạo ra tỷ
suất sinh lợi lớn hơn bởi vì những kỳ vọng về tốc độ tăng trưởng thu nhập trong tương lai
luôn quá cao so với thực tế.
Để giải thích rõ hơn về nguyên nhân của các lệch lạc về nhận thức, Daniel và cộng sự
(1998) đã phát triển một lý thuyết dựa trên hiện tượng “quá tự tin” của nhà đầu tư và sự
thay đổi trong sự tự tin bắt nguồn từ kết quả đầu tư của họ. Lý thuyết này hàm ý rằng nhà
đầu tư phản ứng quá mức với các thông tin “mật” và phản ứng dưới mức đối với các
thông tin được phổ biến rộng rãi trên thị trường, vì vậy các lệch lạc về nhận thức của nhà
đầu tư sẽ trở nên rõ ràng hơn sau khi nhận được một loạt các thông tin “tốt” và khi thông
tin không chắc chắn (thông tin không chắc chắn chỉ thông tin khiến nhà đầu tư mơ hồ về
sự ảnh hưởng đến giá trị (tăng/giảm) của công ty). Để làm rõ hơn vấn đề này, dựa trên giả
định giao dịch arbitrage bị giới hạn, Cooper và cộng sự (2004) đã kiểm tra liệu lệch lạc
nhận thức (dẫn đến các hiện tượng bất thường) có trở nên mạnh hơn trong thời kỳ thị
trường tăng trưởng hay không. Sử dụng dữ liệu các cổ phiếu trên sàn NYSE và AMEX
trong giai đoạn từ 1/1926 đến 12/1995, kết quả cho thấy lợi nhuận từ đầu tư có quán tính
phụ thuộc vào trạng thái của nền kinh tế. Cụ thể, trung bình lợi nhuận hàng tháng theo
sau sự tăng trưởng của thị trường là 0,93%, trong khi đó lợi nhuận trung bình theo sau sự
sụt giảm của thị trường là -0,37%. Ngoài ra, Zhang (2006) cũng tiến hành kiểm tra liệu
lệch lạc nhận thức (dẫn tới bất thường) có rõ ràng hơn đối với các cổ phiếu có thông tin
không chắc chắn. Bằng việc sử dụng quy mô công ty, độ tuổi công ty, sai biệt trong dự
đoán thu nhập của các nhà phân tích, biến động của giá cổ phiếu, và biến động dòng tiền
đại diện cho thông tin không chắc chắn, tác giả cung cấp bằng chứng rõ ràng về việc các
phản ứng đầu tiên của thị trường đối với thông tin mới xuất hiện là không hoàn toàn đầy
đủ. Nghĩa là, thông tin “không tốt” sẽ tạo ra tỷ suất sinh lợi thấp hơn trong tương lai, còn
thông tin “tốt” sẽ tạo ra tỷ suất sinh lợi cao hơn trong tương lai. Vì vậy chúng ta có thể
suy ra các bất thường có tương quan dương với mức độ không chăc chắn của thông tin.
Trong một nghiên cứu tại thị trường chứng khoán Việt Nam, Phan và Zhou (2014) đã
kiểm tra và kết luận giả thuyết thị trường hiệu quả dạng yếu không đúng trong trường

14
hợp thị trường chứng khoán Việt Nam giai đoạn từ năm 2000 đến năm 2013. Một trong
các nguyên nhân chính là yếu tố tâm lý ảnh hưởng rất mạnh đến các nhà đầu tư trên thị
trường, khiến giá cổ phiếu có thể dự đoán bởi các nhà phân tích. Nguyen (2013) tập trung
nghiên cứu về lợi nhuận của chiến lược đầu tư dựa trên quán tính giá tại thị trường chứng
khoán Việt Nam, kết quả cho thấy hiệu ứng quán tính giá có tồn tại đối với một số cổ
phiếu vừa và nhỏ trước khi xảy ra cú shock Lehmann. Đặc biệt, hiệu ứng quán tính giá
xuất hiện cùng với giai đoạn thị trường đi lên, và phù hợp với giả thuyết phản ứng quá
mức (over-reaction hypothesis). Điều này có nghĩa là, sau khi nhận ra thị trường đang
tăng điểm, nhà đầu tư trở nên tự tin hơn và phản ứng thái quá đối với các tin mới, điều
này tạo ra những phản ứng quá mức trên thị trường cùng với sự điều chỉnh trong dài hạn.
Tuy nhiên, cường độ điều chỉnh lại yếu được giải thích bởi đặc điểm hành vi “bầy đàn”
của các nhà đầu tư trên thị trường, theo đó khi các nhà đầu tư càng ít hoạt động độc lập-
thì mức độ phản ứng thái quá, quá tự tin càng lớn-hiệu ứng quán tính giá càng mạnh.
Shleifer và Vishny (1997) cho rằng các chuyên gia mặc dù quan sát được các bất
thường, nhưng họ không thể tận dụng các cơ hội này do các giới hạn arbitrage. Lý do đầu
tiên, liên quan đến một trong các giả định không hợp lý củng cố cho giả thuyết thị trường
hiệu quả, đó là sự tồn tại của nhiều nhà đầu tư có khả năng thực hiện giao dịch arbitrage.
Trên thực tế, giao dịch arbitrage tập trung chủ yếu ở số ít chuyên gia đầu tư có chuyên
môn đặc biệt về mua bán một số loại tài sản. Thứ hai, các chuyên gia giao dịch arbitrage
thực hiện đầu tư bằng vốn của các nhà đầu tư khác mà kết quả đầu tư của họ chịu sự giám
sát và đánh giá chặt chẽ từ những người này. Tác giả cho thấy giao dịch arbitrage không
thực sự hiệu quả trong việc đưa giá chứng khoán về mức giá hợp lý đặc biệt là trong
những trường hợp giá chứng khoán cách biệt quá xa so với giá trị cơ bản. Nguyên nhân là
các chuyên gia đầu tư thường tránh các vị thế giao dịch có biến động quá lớn. Mặc dù các
vị thế này thường mang lại mức tỷ suất sinh lợi hấp dẫn, nhưng nó lại chứa quá nhiều rủi
ro và thường chịu áp lực lớn từ các “ông chủ”.

15
Một nguyên nhân thường được cho là gây ra giới hạn arbitrage liên quan đến biến động
phi hệ thống. Wurgler và Zhuravskaya (2002) lập luận rằng trên thực tế rất khó tìm
kiếm hai cổ phiếu có thể hoàn toàn thay thế cho nhau và một nhà đầu tư mua (bán) một
cổ phiếu bị định giá sai và bán (mua) một cổ phiếu thay thế “không hoàn hảo” sẽ phải
gánh chịu rủi ro giao dịch arbitrage. Nhà đầu tư e ngại rủi ro sẽ thực hiện giao dịch ít hơn
nếu rủi ro arbitrage lớn. Bài nghiên cứu của hai tác giả đã cung cấp bằng chứng thực
nghiệm cho thấy rủi ro arbitrage là một nhân tố quan trọng quyết định độ dốc của đường
cầu cổ phiếu và tác dụng của giao dịch arbitrage bị giới hạn bởi rủi ro này. Ngoài ra, tác
giả cũng phát hiện rủi ro arbitrage thường cao hơn đối với các cổ phiếu có giá trị vốn hóa
thị trường nhỏ. Cũng liên quan đến giới hạn của giao dịch arbitrage, Xue và Zhang
(2011) đã cung cấp bằng chứng cho thấy tỷ suất sinh lợi bất thường (liên quan đến các
giá trị cơ bản của công ty) tương quan dương với chi phí giao dịch.
Cuối cùng, bởi vì một công ty lâm vào tình trạng kiệt quệ tài chính sẽ khiến nhà đầu tư
khó định giá chính xác, Avramov cùng cộng sự (2009) đã kiểm tra liệu cổ phiếu của các
công ty này có là nguyên nhân gây ra bất thường. Bằng chứng thực nghiệm cho thấy các
cổ phiếu có rủi ro tín dụng thấp có tỷ suất sinh lợi mỗi tháng cao hơn 1,09% so với các cổ
phiếu có rủi ro tín dụng cao. Đây là một vấn đề gây tranh cãi, bởi theo lý thuyết dựa trên
rủi ro các cổ phiếu có rủi ro tín dụng lớn hơn sẽ có tỷ suất sinh lợi cao hơn, hoặc nếu xem
rủi ro kiệt quệ là rủi ro phi hệ thống thì tỷ suất sinh lợi trung bình của hai nhóm cổ phiếu
phải bằng nhau do tác động của sự đa dạng hóa. Theo các tác giả, sự khác biệt trong tỷ
suất sinh lợi của hai nhóm cổ phiếu được xếp hạng cao và cổ phiếu được xếp hạng thấp
có nguồn gốc từ tình trạng kiệt quệ tài chính, và xảy ra với các công ty bị xếp hạng thấp
nhất trong giai đoạn ngắn khoảng 3 tháng trước và sau khi bị tụt mức xếp hạng. Tác giả
cũng cho rằng, hiện tượng định giá sai đối với các cổ phiếu bị xếp hạng thấp gây ra bởi
các nhà đầu tư nhỏ, và kéo dài do những người giao dịch arbitrage không thể tận dụng cơ
hội bởi vì tình trạng cổ phiếu kém thanh khoản và hiện tượng bán mạnh của các tổ chức
đầu tư.

16
2.4 Lý thuyết dựa trên sự lệch lạc
Lý thuyết dựa trên sự lệch lạc cho rằng các hiện tượng bất thường là kết quả từ hoạt động
của các nhà nghiên cứu trong việc cố tình đào bới hoặc thao túng dữ liệu. Ngoài ra các
bất thường còn xuất hiện từ của những sai lệch trong hoạt động của thị trường.
Theo Black (1993), khi một nhà nghiên cứu thực hiện một đề tài bằng cách thử nhiều mô
hình khác nhau, dùng dữ liệu trong nhiều giai đoạn, với sự kết hợp của nhiều biến giải
thích, ta thường nói anh ta đang “đào bới/khai thác dữ liệu”. Nhưng nếu anh ta chỉ báo
cáo những kết quả tốt trong số các kết quả đạt được, chúng ta sẽ rất khó khăn trong việc
đánh giá chính xác giá trị của bài nghiên cứu, bởi vì rất có khả năng anh ta chỉ chọn trong
số nhiều mô hình mình dùng những kết quả tốt nhất ủng hộ cho giả thuyết đưa ra. Khi
việc “đào bới dữ liệu” lên tới một mức nào đó, các kết quả được công bố sẽ có vẻ rất “tự
nhiên”, ta gọi đây là kết quả của quá trình thao túng dữ liệu (data snooping). Việc đào bới
dữ liệu không chỉ xuất hiện ở một vài bài nghiên cứu. Thậm chí, trong một bài nghiên
cứu, tác giả có thể làm giảm nghi ngờ về việc đào bới dữ liệu bằng cách báo cáo tất cả
các kết quả mà anh ta thu được, nhưng cuối cùng vẫn “cố gắng” nhấn mạnh các kết quả
mà anh ta muốn hướng tới.
Đào bới dữ liệu càng nghiêm trọng khi càng có nhiều người nghiên cứu về các chủ đề
liên quan đến nhau. Vấn đề trở nên xấu hơn khi người ta tiếp tục nghiên cứu dựa trên kết
quả của người đi trước, bao gồm việc đưa ra nhận định dựa trên một mô hình tương tự, đi
theo những phương pháp không hợp lý đã có, và thậm chí làm việc trên các tập hợp dữ
liệu giống nhau. Do đó, trong thực tế nghiên cứu, các kiểm định mức ý nghĩa thông
thường dường như trở nên vô nghĩa.
Đặc biệt, Black (1993) cho rằng các phát hiện được gọi là bất thường hầu hết đều xuất
phát từ kết quả của việc đào bới và thao túng dữ liệu. Bởi lẽ chúng ta có hàng nghìn bài
nghiên cứu tìm kiếm cơ hội kiếm lời từ thị trường chứng khoán, mà các bài nghiên cứu
này gần như được thực hiện trên cùng tập hợp dữ liệu. Một trong số đó, có thể là ngẫu
nhiên, người ta tìm được một chiến lược có thành quả tốt trong quá khứ, họ sẽ ngay lập

17
tức ghi lại và chúng ta có một bất thường mới, mặc dù các bất thường này có thể sẽ biến
mất ngay sau khi được phát hiện.
“Hiệu ứng quy mô” có thể cũng nằm trong số này. Banz (1981) đã cho thấy các cổ phiếu
nhỏ có thành quả tốt hơn so với các cổ phiếu có cùng mức Beta. Mặc dù, kể từ khi nghiên
cứu này được công bố, hiệu ứng quy mô trở nên “không rõ ràng”. Sau đó, Fama và
French (1992) tiếp tục kiểm tra hiệu ứng quy mô và báo cáo kết quả tương tự dựa trên
tập hợp dữ liệu gần như trùng lặp. Trong giai đoạn sau khi kết quả nghiên cứu của Banz
được công bố (1981-1990), Fama và French (FF) không quan sát thấy hiệu ứng quy mô.
Tuy nhiên, họ lại kết luận quy mô là một trong các thành phần “nắm bắt” sự thay đổi của
tỷ suất sinh lợi cổ phiếu. FF cũng không đưa ra lý do nào cho mối quan hệ giữa quy mô
và tỷ suất sinh lợi kỳ vọng. Bên cạnh đó, FF cũng tìm thấy bằng chứng thể hiện tỷ lệ giá
trị sổ sách trên giá trị thị trường (B/M) giúp giải thích sự thay đổi trong tỷ suất sinh lợi kỳ
vọng. Khi giải thích hiện tượng này, họ thiên về ý tưởng rằng B/M chứa đựng một vài
loại rủi ro được định giá hợp lý nào đó, mà không phải là kết quả từ sự phản ứng quá mức
của thị trường với triển vọng của công ty. Tuy nhiên, FF cũng không nói rõ rủi ro họ nhắc
đến là gì, tại sao được đưa vào trong giá cổ phiếu, và ảnh hưởng theo hướng nào. Black
(1993) cho rằng, hiệu ứng giá trị chính là kết quả của việc đào bới dữ liệu, và sẽ biến mất
trong tương lai, mặc dù sau đó tác giả cũng nghĩ việc này có thể một phần gây ra bởi việc
định giá không hợp lý. Kothari và cộng sự (1995) đã kiểm tra lại hiệu ứng giá trị sử
dụng dữ liệu từ CPRS (khác với FF sử dụng dữ liệu COMPUSTAT), kết quả bài nghiên
cứu cho thấy mối quan hệ giữa B/M và tỷ suất sinh lợi yếu hơn cũng như kém ổn định
hơn so với phát hiện của FF. Tác giả cũng phỏng đoán rằng tỷ suất sinh lợi của danh mục
B/M cao (được thành lập đựa trên dữ liệu COMPUSTAT) có thể bị thổi phồng do khuynh
hướng cố tình lựa chọn dữ liệu phù hợp với ý đồ (selection bias).
Tiếp theo là lập luận cho rằng các sai lệch trong hoạt động của thị trường góp phần tạo ra
bất thường, theo Blume và Stambaugh (1983), hiện tượng “bid-ask bounce” có thể là
một nguyên nhân đằng sau những bất thường. Tác giả cho rằng tỷ suất sinh lợi cổ phiếu
tính bằng mức giá đóng cửa hàng ngày sẽ lớn hơn so với mức thực tế (upward bias), phần

18
lớn là do hiệu ứng “bid-ask”. Tuy nhiên, tỷ suất sinh lợi tính trên một danh mục được
mua và giữ trong một khoảng thời gian (buy and hold porfolio) sẽ loại bỏ được phần lớn
tác động của hiệu ứng bid-ask do tác dụng của sự đa dạng hóa. Khi sử dụng phương pháp
này, tác động của hiệu ứng quy mô giảm đi một nửa so với những nghiên cứu trước đây
và phần lớn gây ra bởi tỷ suất sinh lợi tháng Một. Boguth và cộng sự (2011) lại cho rằng
hiện tượng giao dịch không đồng bộ (non-synchronous trading) làm giảm tỷ suất sinh lợi
(downward bias) của danh mục đầu tư vào những cổ phiếu kém thanh khoản.
Một số nghiên cứu khác thuộc lý thuyết dựa trên sự lệch lạc cho rằng có sự tồn tại của bất
thường, nhưng trên thực tế chúng không bị triệt tiêu hoặc tận dụng do giới hạn về chi phí
giao dịch, mức độ thanh khoản của cổ phiếu, hay giới hạn đầu tư. Thậm chí, nhiều nhà
quản lý quỹ chỉ được phép đầu tư vào cổ phiếu nằm trong nhóm chỉ số bao gồm các cổ
phiếu lớn. Ví dụ, trong bài nghiên cứu của lạc Lestmond và cộng sự (2004), tác giả kiểm
tra lại mức lợi nhuận của chiến lược đầu tư theo hiệu ứng quán tính (mua các cổ phiếu
thành quả tốt trong quá khứ và bán các cổ phiếu có thành quả không tốt). Kết quả cho
thấy, các chiến lược này luôn yêu cầu một mức chi phí giao dịch cao, khiến lợi nhuận bị
triệt tiêu.
2.5 Các hàm ý rút ra từ lý thuyết
Những lý thuyết vừa thảo luận ở phần trên giúp chúng ta rút ra được một số gợi ý liên
quan đến mối quan hệ giữa các đặc điểm của công ty và khuynh hướng trở thành cổ phiếu
gây ra bất thường (anomaly driver) của công ty đó. Tác giả tóm tắt những hàm ý này
trong bảng 1.
Lý thuyết tân cổ điển cho rằng những cổ phiếu tạo ra tỷ suất sinh lợi cao bất thường (long
anomaly drivers-LAD) có rủi ro cao hơn các cổ phiếu khác, trong khi các cổ phiếu có tỷ
suất sinh lợi thấp bất thường (short anomaly drivers-SAD) ít rủi ro hơn. Bởi vì những lý
thuyết này nói rằng Beta của thị trường, SMB, HML, và WML cao, biến động phi hệ
thống cao, và tính kém thanh khoản cao hàm ý cho rủi ro hệ thống cao, nên những cổ
phiếu có các đặc điểm này được kỳ vọng sẽ trở thành LAD, các cổ phiếu có đặc điểm

19
ngược lại sẽ có rủi ro hệ thống thấp và được kỳ vọng sẽ trở thành SAD. Như đã trình bày
ở phần trên, lý thuyết tân cổ điển cho rằng mối quan hệ giữa rủi ro kiệt quệ và thông tin
không chắc chắn với rủi ro hệ thống có thể cùng chiều hoặc ngược chiều, tác giả không
thể dự đoán những yếu tố này ảnh hưởng thế nào đến khuynh hướng trở thành cổ phiếu
gây ra bất thường của một công ty. Tuy nhiên, dù mối quan hệ là như thế nào, thì khả
năng trở thành LAD và SAD sẽ phải có dấu trái ngược nhau.
Bảng 2.1 Các hàm ý rút ra từ lý thuyết
Đặc điểm Rủi ro hàm chứa
Tân cổ điển Hành vi Lệch lạc
LAD SAD LAD SAD LAD SAD
Rủi ro hệ thống Rủi ro hệ thống + - NA NA NA NA
Biến động phi hệ Rủi ro hệ thống; giới
+ - + + NA NA
thống hạn arbitrage
Thông tin không Rủi ro hệ thống; định
?* ?* + + NA NA
chắc chắn giá sai
Không thanh
Rủi ro hệ thống; giới
hạn arbitrage; ảnh + - + + + +
khoản
hưởng sai lệch
Rủi ro kiệt quệ
Rủi ro hệ thống; định
?*
?*
+ + NA NA
giá sai
Chi phí giao Giới hạn arbitrage; ảnh
NA NA + + + +
dịch hưởng sai lệch
Bid-ask bounce Ảnh hưởng sai lệch NA NA NA NA + +
Giao dịch không
Ảnh hưởng sai lệch NA NA NA NA + +
đồng bộ
Giới hạn đầu tư Ảnh hưởng sai lệch NA NA - - - -
Bảng này thể hiện mối quan hệ giữa các đặc điểm của công ty và khuynh hướng trở
thành cổ phiếu gây ra bất thường như dự đoán của 3 lý thuyết tân cổ điển, hành vi, và

20
dựa trên lệch lạc được đưa ra để giải thích cho các bất thường về quy mô, B/M, và quán
tính. Mối quan hệ được phân biệt giữa khuynh hướng trở thành LAD và SAD, nhưng
không phân biệt giữa ba loại bất thường do các dự đoán của lý thuyết là giống nhau cho
cả 3 loại.Cột “đặc điểm” thể hiện các đặc điểm của công ty mà lý thuyết nhắc đến. Cột
“rủi ro hàm chứa” cho thấy các loại rủi ro hay tác động mà các đặc điểm này nắm bắt
hoặc gây ra. Dấu “+” hoặc “-“ cho thấy khuynh hướng trở thành cổ phiếu gây ra bất
thường tăng hoặc giảm với đặc điểm tương ứng. “NA” nghĩa là các lý thuyết không dự
đoán mối quan hệ đó, và “?*” nghĩa là dấu của mối quan hệ mặc dù chưa xác định
nhưng sẽ ngược dấu đối với LAD và SAD.
Lý thuyết hành vi cho rằng cả LAD và SAD đều bị giới hạn arbitrage và định giá sai. Vì
thế, các đặc điểm nào tương quan dương (âm) với giới hạn arbitrage sẽ kỳ vọng có tương
quan dương (âm) với khuynh hướng trở thành cổ phiếu gây ra bất thường (cả LAD và
SAD). Cụ thể, biến động phi hệ thống cao, tính kém thanh khoản, giới hạn đầu tư và chi
phí giao dịch cao tạo ra giới hạn cho giao dịch arbitrage, nên các cổ phiếu gây ra bất
thường được kỳ vọng có mối liên kết với các đặc điểm này. Ngoài ra, tình trạng kiệt quệ
tài chính làm cho việc định giá cổ phiếu trở nên khó khăn nên rủi ro kiệt quệ được kỳ
vọng có mối tương quan dương. Cuối cùng, do lệch lạc về nhận thức gia tăng khi mức độ
thông tin không chắc chắn tăng, khuynh hướng trở thành cổ phiếu gây ra bất thường có
tương quan dương với đặc điểm này.
Lý thuyết dựa trên sự lệch lạc cho rằng các bất thường gây ra bởi một số sai sót của thị
trường ở cấp vi mô. Bởi vì những sai sót này phần lớn xuất hiện ở các cổ phiếu có giá
thấp và kém thanh khoản, nên các cổ phiếu penny và kém thanh khoản (có khối lượn giao
dịch thấp, tỷ lệ ngày có tỷ suất sinh lợi bằng 0 cao) được dự đoán có nhiều khả năng trở
thành các cổ phiếu gây ra bất thường. Một số nghiên cứu khác công bố kết quả cho thấy
các bất thường không thể tận dụng vì vấn đề chi phí giao dịch. Cuối cùng, nếu việc giới
hạn đầu tư là một trong các nguyên nhân gây ra bất thường, các cổ phiếu nằm trong các
chỉ số lớn ít có khả năng trở thành cổ phiếu gây ra bất thường.

21
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Dữ liệu và mẫu nghiên cứu
Bài nghiên cứu sử dụng số liệu của 214 công ty trên sàn HOSE có dữ liệu liên tục từ năm
2011 đến năm 2016. Ngoài ra còn có dữ liệu hàng ngày của chỉ số VN-Index dùng để đại
diện cho chỉ số thị trường. Lý do tác giả chọn mẫu các công ty trên sàn giao dịch chứng
khoán HOSE vì sàn này có quy mô lớn nhất nên sẽ đại diện tốt cho thị trường Việt Nam.
Với mỗi công ty, tác giả lấy dữ liệu về giá đóng cửa hàng ngày đã điều chỉnh, khối lượng
giao dịch hàng ngày, vốn hóa thị trường, P/B hàng năm, và một số dữ liệu kế toán như
tổng giá trị tài sản, cổ tức tiền mặt hàng năm …
Nguồn dữ liệu được tải trực tiếp từ website Vietstock.vn hoặc thông qua cơ sở dữ liệu
của Vietstock là Metastock.
3.2 Phương pháp nghiên cứu
3.2.1 Phân tích thống kê lực ảnh hưởng
Phân tích thống kê lực ảnh hưởng được tiến hành dựa trên hồi quy chéo của tỷ suất sinh
lợi trên các đặc điểm của công ty. Xuất phát từ mô hình dưới đây, trong đó tỷ suất sinh
lợi kỳ vọng, E[ri,t], có hàm tuyến tính với K biến ngoại sinh như sau:
E[ri,t] = r0 + ,
(1) (1) + ,
(2) (2) +… + ,
( ) ( ) , i = 1, 2, …, N
Với ri,t là tỷ suất sinh lợi cổ phiếu i trong tháng t, r0 là tỷ suất sinh lợi của tài sản có giá trị bằng 0 trên các biến ngoại
sinh, , ( ) là biến ngoại sinh thứ k, ( ) là hệ số độ dốc của biến ngoại sinh thứ k, và N là số lượng cổ phiếu.
Để thành lập danh mục có tỉ suất sinh lợi đầu tư bằng 0 (zero investment), ta viết tỷ suất
sinh lợi kỳ vọng của danh mục, E[rp,t], là:
E[rp,t] = ∑ =1 [ , ] = r0∑ =1 + (1) ∑ =1 , (1) + (2) ∑ =1 , (2)

22
+…+ ( ) ∑ =1 ,
( )
Với rp,t là tỷ suất sinh lợi danh mục p trong tháng t và wi là tỷ trọng của các cổ phiếu
trong danh mục. Để ước lượng hệ số độ dốc của biến thứ k, ta đặt một số giả định lên tỷ
trọng như sau: (i) ∑ =1 = 0, (ii) ∑ =1 , ( ) = 1 nếu j=k, và (iii) ∑ =1 , ( ) = 0 nếu j≠k. Với các điều kiện này, ta đảm bảo
thu được E[rp,t] = ( ). Bởi vì có vô số tập hợp tỷ trọng thỏa mãn các điều kiện này, ta sẽ chọn ra một tập hợp làm cho mức
độ biến động của danh mục là nhỏ nhất, do đó cũng giúp tối thiểu hóa sai số chuẩn của giá trị ước lượng hệ số độ dốc.
Fama và Macbeth (1973) cho thấy ta có thể thu được tập hợp tỷ trọng danh mục như trên
từ hồi quy chéo OLS của tỷ suất sinh lợi cổ phiếu trên các biến ngoại sinh. Giả sử ta có tỷ
suất sinh lợi các cổ phiếu vào tháng t dưới dạng vector R=[N×1], và ma trận gồm hằng số
cùng K biến ngoại sinh X = [N×(K+1)], ta chạy hồi quy OLS của R trên X. Vector tham
số ước lượng thu được từ hồi quy này được cho bởi công thức:
̂ = (XT
X)-1
XT
R = ∑ =1 ,
Với W = (XT
X)-1
XT
, và Wi là cột thứ i của ma trận W. Dòng thứ (k+1) của ma trận W
cho ta tỷ trọng của biến ngoại sinh thứ k, và dòng k+1 của ̂ là giá trị ước lượng hệ số độ
dốc của biến ngoại sinh thứ k. Tính trung bình hệ số độ dốc theo từng tháng trong giai
đoạn nghiên cứu ta thu được giá trị hệ số độ dốc “unconditional” của biến ngoại sinh k. Ở
phần tiếp theo ta gọi mỗi giá trị hệ số độ dốc như vừa trình bày của các biến đại diện cho
các đặc điểm của công ty là “mức ảnh hưởng của đặc điểm” (characteristic effect).
Phương pháp phân tích thống kê lực ảnh hưởng có mục đích là tìm ra tập hợp các cổ
phiếu có tác động lớn nhất lên mức ảnh hưởng của một đặc điểm nào đó của công ty, các
cổ phiếu này được gọi là các “cổ phiếu gây ra bất thường”. Theo Belsley và cộng sự
(1980), các cổ phiếu gây ra bất thường được định nghĩa là các cổ phiếu khi cùng lúc bị
loại ra khỏi hồi quy của R trên X sẽ làm cho độ lớn mức ảnh hưởng của một đặc điểm

23
trở nên nhỏ nhất, tức là làm cho hệ số độ dốc trung bình của đặc điểm đó giảm nhiều
nhất. Để dễ hình dung, chúng ta sẽ phân tích biểu đồ 1.
Biểu đồ 3.1 Ví dụ về phương pháp phân tích thống kê lực ảnh hưởng
Biểu đồ 1 bao gồm 6 cổ phiếu trong đó tỷ suất sinh lợi của 6 cổ phiếu nằm trên trục tung
còn giá trị của đặc điểm tương ứng (cho trước) trên trục hoành. Biểu đồ cũng bao gồm
đường thẳng phù hợp nhất với dữ liệu (best fit line), thu được từ hồi quy tỷ suất sinh lợi
cổ phiếu trên đặc điểm của công ty. Độ dốc của đồ thị là 0.05 (5%), cũng là hệ số độ dốc
của phương trình hồi quy.
Ta xét hai cổ phiếu A và B. Hiển nhiên, cổ phiếu A đóng góp cho hệ số 5% nhiều hơn cổ
phiếu B. Giả sử, khi không có cổ phiếu A, hệ số độ dốc giảm xuống còn -1%, còn khi
không có cổ phiếu B độ dốc gần như gấp đôi thành 9%. Khoảng chênh lệch giữa hệ số độ
dốc đã loại bỏ cổ phiếu i và hệ số của tập hợp mẫu ban đầu cho ta số đo về “lực ảnh
hưởng” của cổ phiếu đó. Vì vậy, lực tác động của cổ phiếu A là -6% ((-1%)-5%); nghĩa là

24
việc cho thêm cổ phiếu A vào tập hợp cổ phiếu làm mức ảnh hưởng của đặc điểm trở nên
mạnh hơn. Ngược lại, cổ phiếu B có lực tác động là 4% (9%-5%); nghĩa là hành động
cho thêm cổ phiếu này vào tập hợp sẽ làm mức ảnh hưởng của đặc điểm trở nên yếu hơn.
Trong bài này, tác giả sẽ tiến hành xác định tập hợp cổ phiếu có lực tác động lớn nhất lên
mức ảnh hưởng của một đặc điểm cho trước. Kevin và Marc (2016) đã phát triển một
công thức tính toán tác động của việc loại bỏ một tập hợp cổ phiếu bất kì từ hồi quy của
R trên X. Theo đó, chúng ta có thể sử dụng công thức này để tìm trong số tất cả các tập
hợp con một tập hợp mà ta mong muốn. Tuy nhiên, trên thực tế việc tiến hành theo cách
này sẽ tốn rất nhiều thời gian do số lượng tập hợp con là vô cùng lớn (ví dụ ta có 500 cổ
phiếu và muốn tìm ra tập hợp gồm 25 cổ phiếu có tác động lớn nhất lên một đặc điểm, số
lượng tập hợp mà ta phải khảo sát sẽ là 1,044×1042
). Nhưng may mắn là, theo phân tích
của Kevin và Marc (2016), khi số lượng của cổ phiếu trong mẫu lớn tương đối so với số
lượng cổ phiếu bị bỏ ra thì mức tác động của việc loại bỏ tập hợp cổ phiếu này sẽ tiến tới
bằng với tổng mức tác động của việc loại bỏ từng cổ phiếu riêng lẻ. Vì vậy trong phần
phân tích thực nghiệm, tác giả xác định các cổ phiếu gây ra bất thường chính là các
cổ phiếu có tác động riêng biệt lớn nhất đến mức ảnh hưởng của một đặc điểm. Như
vậy quá trình xác định các cổ phiếu gây ra bất thường có thể được trình bày theo các
bước như sau:
(1) Hàng năm, hồi quy cross-section tỷ suất sinh lợi hàng tháng của 214 cổ phiếu trên
các biến quy mô, B/M và Momentum để xác định mức ảnh hưởng của mỗi đặc
điểm trên tập hợp dữ liệu đầy đủ. Mức ảnh hưởng này chính là hệ số độ dốc của
từng biến.
(2) Tiến hành hồi quy lại như bước trên sau khi đã loại ra 1 cổ phiếu (ví dụ cổ phiếu
X) để xác định mức ảnh hưởng mới của mỗi đặc điểm quy mô, B/M và
Momentum. Lấy mức ảnh hưởng của tập hợp dữ liệu đầy đủ ở bước (1) trừ mức
ảnh hưởng mới ta được lực tác động của cổ phiếu X.

25
(3) Lặp lại 2 bước trên cho toàn bộ 214 cổ phiếu (lưu ý mỗi lần ta chỉ bỏ ra một cổ
phiếu để tính, sau đó lại cho cổ phiếu đó vào lại tập hợp và thực hiện tương tự cho
các cổ phiếu khác).
(4) Sau khi tính được lực tác động riêng biệt của từng cổ phiếu lên từng yếu tố tại năm
đang tính. Ta tiến hành sắp sếp lực tác động của từng yếu tố theo chiều từ lớn đến
nhỏ và lựa chọn ra 20 cổ phiếu có lực tác động riêng biệt lớn nhất đối với mỗi yếu
tố, đó chính là các cổ phiếu gây ra bất thường.
(5) Lặp lại quy trình 3 bước trên theo từng năm từ 2011 đến 2016 ta thu được tập hợp
các cổ phiếu gây ra 3 bất thường theo từng năm.
Sau khi xác định được các cổ phiếu gây ra bất thường, tác giả phân chia các cổ phiếu gây
ra bất thường thành hai loại, là các cổ phiếu gây ra tỷ suất sinh lợi cao bất thường và các
cổ phiếu gây ra tỷ suất sinh lợi thấp bất thường.
Với các hiệu ứng có dấu dương, như B/M hay quán tính giá, các cổ phiếu tạo ra tỷ suất
sinh lợi cao (thấp) bất thường là các cổ phiếu có lực tác động âm và giá trị B/M hoặc
quán tính nằm trên (dưới) mức trung vị. Ví dụ, đối với các cổ phiếu gây ra hiệu ứng giá
trị, trước tiên ta xác định giá trị trung vị của biến B/M của 214 cổ phiếu tại năm đang xét,
sau đó ta xếp các cổ phiếu gây ra bất thường có B/M lớn hơn trung vị vào nhóm các cổ
phiếu có tỷ suất sinh lợi cao bất thường, các cổ phiếu có B/M nhỏ hơn trung vị được xếp
vào nhóm có tỷ suất sinh lợi thấp bất thường. Còn hiệu ứng có dấu âm, như quy mô, cổ
phiếu tạo ra tỷ suất sinh lợi cao (thấp) bất thường là cổ phiếu có lực tác động dương và
giá trị quy mô nằm dưới (trên) mức trung vị. Bởi vì các cổ phiếu tạo ra tỷ suất sinh lợi
cao bất thường sẽ được giữ ở vị thế mua trong danh mục đầu tư để tận dụng bất thường,
tác giả gọi các cổ phiếu này là LAD (long anomaly driver), các cổ phiếu tạo ra tỷ suất
sinh lợi thấp bất thường sẽ được giữ ở vị thế bán trong danh mục, tác giả gọi các cổ phiếu
này là SAD (short anomaly driver). Như vậy, LAD bao gồm các cổ phiếu nhỏ, giá trị, và
có thành quả tốt trong quá khứ; trong khi đó SAD bao gồm các cổ phiếu lớn, tăng trưởng,
và có thành quả không tốt trong quá khứ.

26
Cuối cùng, để thực hiện so sánh nhằm làm nổi bật tính chất, đặc điểm của các cổ phiếu
gây ra bất thường, tác giả tiến hành chọn ra các cổ phiếu “đặc biệt” là các cổ phiếu có giá
trị biến quy mô, B/M hay quán tính gần bằng nhất với các cổ phiếu gây ra bất thường, tuy
nhiên lại có lực tác động nằm trong nhóm 20% yếu nhất, các cổ phiếu này được gọi là các
“cổ phiếu không gây ra bất thường”. Ví dụ, để chọn ra một “cổ phiếu không gây ra bất
thường” tương ứng với cổ phiếu X gây ra bất thường liên quan đến hiệu ứng quy mô, tác
giả chọn ra một cổ phiếu nằm trong nhóm 20% cổ phiếu có lực tác động đến hiệu ứng
quy mô yếu nhất và có giá trị quy mô gần giống nhất với quy mô của cổ phiếu X.
3.2.2 So sánh cổ phiếu không gây ra bất thường và cổ phiếu gây ra bất thường
Bước tiếp theo tác giả sẽ tiến hành 2 loại phân tích đối với các “cổ phiếu gây ra bất
thường” và các “cổ phiếu không gây ra bất thường”.
Loại thứ nhất, phân tích đơn biến, tác giả so sánh giá trị trung bình của các biến thể hiện
đặc điểm công ty (đề xuất bởi các lý thuyết) giữa hai nhóm cổ phiếu để tìm ra các đặc
điểm nổi bật của các cổ phiếu gây ra bất thường. Ví dụ, ta phân tích liệu các cổ phiếu gây
ra bất thường về quy mô (LAD hoặc SAD) sẽ có tính thanh khoản cao hơn hay thấp hơn
so với các cổ phiếu không gây ra bất thường tương ứng.
Loại thứ hai, phân tích đa biến, tác giả ước lượng mô hình LOGIT sau:
HLDt,t+1 =
1
+ ϵ t,t+1
′
1+ −
Với HLDt,t+1 là biến giả bằng 1 nếu cổ phiếu được xác định là cổ phiếu gây ra bất thường
về quy mô, giá trị, hoặc quán tính và bằng 0 nếu ngược lại. X là vector chứa các biến đo
từ thời điểm bắt đầu giai đoạn đầu tư, và ϵ t,t+1là phần dư. Để thống nhất với cách so sánh
đầu tiên, tác giả cũng chạy hồi quy phân biệt cho các cổ phiếu lớn và nhỏ, giá trị và tăng
trưởng, thành quả tốt và thành quả không tốt trong quá khứ.

27
3.3 Các biến sử dụng trong bài
Size-quy mô công ty là giá trị logarit tự nhiên của số lượng cổ phiếu lưu hành nhân với
giá thị trường của mỗi cổ phiếu.
B/M- là giá trị logarit tự nhiên của tỷ số giá trị sổ sách trên giá trị thị trường mỗi cổ
phiếu.
Mom-quán tính giá là tỷ suất sinh lợi gộp của cổ phiếu tính trên giai đoạn 3 tháng. Thông
thường chúng ta thường tính giá trị Momentum trong khoảng thời gian 12 tháng, tuy
nhiên ở bài này tác giả thấy việc sử dụng tỷ suất sinh lợi gộp trong giai đoạn 3 tháng tạo
ra hiệu ứng quán tính giá mạnh hơn.
MKT BETA-Beta thị trường, SMB BETA, HML BETA, và WML BETA được ước
lượng từ hồi quy theo chuỗi thời gian dữ liệu 24 tháng trước của tỷ suất sinh lợi cổ phiếu
trên các biến tương ứng là tỷ suất sinh lợi thị trường, SMB, HML và WML.
Trong đó, SMB và HML được tính dựa trên tỷ suất sinh lợi của 6 danh mục thành lập
theo quy mô và B/M. Mỗi năm, tại thời điểm đầu năm, xếp BM từ nhỏ đến lớn rồi tìm giá
trị ở thập phân vị thứ 30 và 70. Sau đó xếp quy mô từ lớn đến nhỏ, 80% cp có quy mô lớn
nhất đc xếp vào nhóm cp lớn, 20% còn lại vào nhóm cổ phiếu nhỏ. Trong mỗi nhóm lớn
và nhỏ, ta dùng giá trị BM tìm từ trước để chia thành 3 nhóm nhỏ hơn. Tổng cộng ta có 6
danh mục tại thời điểm đầu mỗi năm. Ta sẽ dùng tỷ suất sinh lợi cổ phiếu hàng tháng,
tính trung bình theo trọng số quy mô để tính tỷ suất sinh lợi cho 6 danh mục trong hàng
tháng rồi áp dụng công thức sau để tính ra giá trị SMB, HML. Giá trị này chính là giá trị
SMB, HML của các cổ phiếu trong danh mục.
SMB = 1/3 (Small Value + Small Neutral + Small Growth)
- 1/3 (Big Value + Big Neutral + Big Growth)
HML = 1/2 (Small Value + Big Value) - 1/2 (Small Growth + Big Growth)

28
WML được tính dựa trên tỷ suất sinh lợi của 6 danh mục thành lập theo quy mô và quán
tính giá. WML thì danh mục được sắp xếp tương tự ngoại trừ danh mục sẽ được thành lập
theo từng tháng
WML = 1/2 (Small High + Big High) – 1/2 (Small Low + Big Low)
Sau khi có các dữ liệu trên theo tháng, ta tiến hành hồi quy với dữ liệu là 24 tháng trước
với mô hình như sau:
Rit = αi + βi Rmt + siSMBt + hiHMLt + wiWMLt + εit
Để đại diện cho biến động phi hệ thống-IVOL(MKT), tác giả dùng độ lệch chuẩn phần
dư từ mô hình thị trường hồi quy tỷ suất sinh lợi cổ phiếu trên dữ liệu 48 tháng trước đó.
Với Rit là tỷ suất sinh lợi cổ phiếu, Rmt là tỷ suất sinh lợi thị trường, tiến hành hồi quy
OLS với phương trình hồi quy như sau:
Rit = αi + βi Rmt +εit
Tiếp theo, tác giả đo mức rủi ro kiệt quệ bằng cách sử dụng ba biến đại diện là tỷ số lợi
nhuận trên tài sản-ROA, tỷ lệ cổ tức-DIVY, và SIZEDEC- là là số thứ tự thập phân vị
theo quy mô của cổ phiếu tại thời điểm 48 tháng trước.
Đại diện cho tính thanh khoản là biến ILLIQ-bằng tỷ số của tỷ suất sinh lợi tuyệt đối trên
khối lượng giao dịch hàng ngày, sau đó lấy trung bình theo năm, dữ liệu từ 12 tháng
trước đó (Amihud 2002). Ngoài ra, VOL-khối lượng giao dịch, là trung bình theo năm
của logarit tự nhiên khối lượng giao dịch hàng ngày, dữ liệu từ 12 tháng trước đó. Và
ZERORET- tỷ lệ số ngày có tỷ suất sinh lợi bằng 0 trong năm, dữ liệu cũng lấy từ 12
tháng trước đó.
Để xem xét ảnh hưởng của hiệu ứng bid-ask bounce (xuất hiện rõ ràng nhất ở các cổ
phiếu giá thấp), tác giả sử dụng biến PRC- biến giả bằng 1 nếu giá thị trường nhỏ hơn
mệnh giá 10.000VND và bằng 0 nếu ngược lại.

29
Cuối cùng là giới hạn đầu tư, tác giả sử dụng biến INDEX- biến giả bằng 1 nếu cổ phiếu
nằm trong rổ VN30 và bằng 0 nếu ngược lại.

30
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
4.1 Hiệu quả của phương pháp thống kê lực ảnh hưởng
Bảng 4.1 Kết quả hồi quy Fama và Macbeth (1973)
Phần A: Hồi quy FM trên toàn bộ mẫu gồm 214 cổ phiếu
Kỳ vọng dấu Quy mô B/M Quán tính
-/+/+ -0.0352 0.0547 0.0243
(-4.22) (7.36) (16.09)
Phần B: Hồi quy FM sau khi loại bỏ các cổ phiếu gây ra bất thường
Kỳ vọng dấu Quy mô B/M Quán tính
-/+/+ 0.0339 -0.0237 -0.0249
(4.61) (-3.25) (-17.14)
Bảng 2 thể hiện kết quả hồi quy Fama Macbeth của tỷ suất sinh lơi cổ phiếu trên các giá
trị quy mô, B/M, và quán tính giá của công ty. Bảng này trình bày giá trị trung bình theo
chuỗi thời gian độ dốc hồi quy của các hồi quy chéo sử dụng phương pháp tiêu chuẩn của
Fama-Macbeth (1973). Giá trị thống kê t bằng trung bình độ dốc chia cho sai số tiêu
chuẩn được đặt trong ngoặc đơn dưới mỗi hệ số hồi quy. Khoảng thời gian của mẫu kéo
dài từ năm 2011 đến năm 2016. Phần A của bảng là ước lượng dựa trên mẫu dữ liệu bao
gồm toàn bộ 214 cổ phiếu còn phần B là kết quả sau khi đã loại bỏ ra các cổ phiếu gây ra
bất thường xác định bởi phương pháp thống kê lực ảnh hưởng.
Phần A cho thấy các hiệu ứng quy mô, giá trị, và quán tính giá trên mẫu dữ liệu của bài
nghiên cứu có dấu giống với kỳ vọng của các nghiên cứu trước đây. Hiệu ứng quy mô có
hệ số -0.0352 (t = -4.22), hiệu ứng giá trị 0.0547 (t = 7.36), và quán tính giá 0.0243 (t =
16.09), tất cả các hệ số đều có ý nghĩa thống kê cao cho thấy các công ty nhỏ, giá trị và
có thành quả tốt trong quá khứ sẽ tạo ra tỷ suất sinh lợi vượt trội các công ty lớn, tăng
trưởng và có thành quả kém.
Nhìn vào kết quả ở phần B ta thấy việc loại bỏ các cổ phiếu gây ra bất thường đã làm cho
các hiệu ứng đổi dấu so với kỳ vọng. Hiệu ứng quy mô có hệ số dương 0.0339 ( t = 4.61),

31
hiệu ứng giá trị và quán tính giá có dấu âm với hệ số lần lượt -0.0237 (t = -3.25) và -
0.0249 (t = -17.14). Kết quả này cho thấy phương pháp phân tích thống kê lực ảnh hưởng
thực sự có tác dụng giúp ta tìm ra được các cổ phiếu gây ra bất thường bởi vì việc loại bỏ
các cổ phiếu này ra khỏi tập hợp cổ phiếu đã làm cho các hiệu ứng ban đầu biến mất hoàn
toàn.
4.2 Đặc điểm của các cổ phiếu gây ra bất thường
Bảng 4.2 Kết quả so sánh đơn biến
Phần A
Tất cả công ty Công ty nhỏ Công ty lớn
QUY MÔ Non- Chênh
AD Non-AD Chênh lệch LAD Non-LAD Chênh lệch SAD SAD lệch
MKT BETA 0.9430 0.6193 0.3237*** 0.9226 0.6554 0.2672** 0.9598 0.5898 0.3700*
SMB BETA 0.6228 0.2944 0.3284*** 0.8827 0.5864 0.2963** 0.4102 0.0556 0.3546***
HML BETA 0.5125 0.3522 0.1603** 0.7436 0.5790 0.1646* 0.3235 0.1667 0.1568**
WML BETA 0.0887 0.1084 -0.0197 0.1538 0.1385 0.0153 0.0355 0.0838 -0.0483
IVOL(MKT) 0.0224 0.0151 0.0073*** 0.0288 0.0201 0.0087*** 0.0172 0.0109 0.0063*
ROA 0.0470 0.0812 -0.0342*** 0.0340 0.0574 -0.0233* 0.0576 0.1007 -0.0431**
DIVY 0.0399 0.0666 -0.0267*** 0.0403 0.0689 -0.0285*** 0.0395 0.0647 -0.0252**
SIZEDEC 5.0667 5.7333 -0.6666 3.4167 5.7333 -2.3166*** 6.1667 7.7500 -1.5833*
ZERORET 0.2484 0.2519 -0.0035 0.2989 0.2520 0.0469** 0.2071 0.2354 -0.0283*
ILLIQ 0.0457 0.0266 0.0190* 0.0866 0.0266 0.0600*** 0.0121 0.0119 0.0002
VOL 0.1821 0.1854 -0.0033 0.1540 0.1854 -0.0314** 0.2051 0.1993 0.0058
PRC 0.325 0.1583 0.1667*** 0.5370 0.1583 0.3787*** 0.1515 0.0606 0.0909**
INDEX 0.1917 0.1750 0.0167 - - - 0.3485 0.3181 0.0304
Phần B
Tất cả công ty Công ty giá trị Công ty tăng trưởng
B/M Non- Chênh
MKT BETA 0.9086 0.7759 0.1327* 1.2036 0.8053 0.3983*** 0.6251 0.7477 -0.1226
SMB BETA 0.7173 0.5296 0.1877** 1.1753 0.5121 0.6632*** 0.2773 0.5464 -0.2691**
HML BETA 0.5609 0.4413 0.1196* 0.9828 0.6474 0.3354*** 0.1557 0.2433 -0.0876
WML BETA 0.1024 0.0031 0.0993* 0.0635 0.1001 -0.0366 0.1397 -0.0901 0.2298**
IVOL(MKT) 0.0270 0.0184 0.0086*** 0.0338 0.0178 0.0160** 0.0204 0.0190 0.0014*
ROA 0.0535 0.0760 -0.0225* 0.0103 0.0412 -0.0309** 0.0939 0.1085 -0.0146

32
DIVY 0.0472 0.0636 -0.0164** 0.0475 0.0637 -0.0162 0.0469 0.0636 -0.0167*
SIZEDEC 4.7167 5.2667 -0.5500 4.3704 5.5556 -1.1852* 5.0000 5.0303 -0.0303
ZERORET 0.2703 0.2636 0.0067 0.2764 0.2487 0.0277 0.2646 0.2776 -0.0130
ILLIQ 0.0645 0.0366 0.0279** 0.0735 0.0445 0.0290 0.0561 0.0293 0.0268*
VOL 0.1775 0.1786 -0.0011 0.1756 0.1843 -0.0087 0.1793 0.1733 0.0060
PRC 0.5000 0.3083 0.1917*** 0.7759 0.5345 0.2414*** 0.2419 0.0968 0.1451**
INDEX 0.0667 0.0500 0.0167 0.017241 0.017241 0.0000 0.1129 0.0806 0.0323
Phần C
Công ty có thu nhập cao trong quá Công ty có thu nhập kém trong
Quán tính Tất cả công ty khứ quá khứ
giá Non- Chênh
MKT BETA 0.9367 0.6862 0.2505*** 0.7955 0.6180 0.1775** 1.1484 0.7885 0.3599***
SMB BETA 0.6818 0.4923 0.1895** 0.5915 0.4797 0.1118 0.8171 0.5114 0.3057**
HML BETA 0.5868 0.4353 0.1515** 0.6039 0.4379 0.1660* 0.5612 0.4315 0.1297
WML BETA 0.1409 0.0053 0.1356** 0.1576 0.0603 0.0973 0.1159 -0.0773 0.1932*
IVOL(MKT) 0.0251 0.0174 0.0077*** 0.0238 0.0183 0.0055*** 0.0271 0.0160 0.0111***
ROA 0.0299 0.0471 -0.0172** 0.0279 0.0440 -0.0161 0.0322 0.0479 -0.0157*
DIVY 0.0456 0.0623 -0.0167* 0.0424 0.0637 -0.0214** 0.0495 0.0674 -0.0179*
SIZEDEC 4.4500 5.2667 -0.8167* 4.1282 5.2564 -1.1282** 5.0476 5.2857 -0.2381
ZERORET 0.2752 0.2625 0.0127 0.3014 0.2548 0.0466** 0.2431 0.2520 -0.0089
ILLIQ 0.0508 0.0280 0.0228** 0.0455 0.0291 0.0164 0.0574 0.0210 0.0364**
VOL 0.1727 0.1750 -0.0023 0.1642 0.1783 -0.0141** 0.1830 0.1774 0.0056
PRC 0.4083 0.3276 0.0807* 0.4242 0.2895 0.1347** 0.3889 0.3800 0.0089
INDEX 0.0583 0.0603 -0.0020 0.0454 0.0658 -0.0204 0.0741 0.0600 0.0141
Bảng 3 trình bày kết quả so sánh giữa các cổ phiếu gây ra bất thường và các cổ phiếu có
đặc điểm tương tự (về quy mô hoặc B/M hoặc quán tính giá) nhưng không gây ra bất
thường, các cổ phiếu này được so sánh dựa trên giá trị trung bình của các đặc điểm đề
xuất bởi các lý thuyết tân cổ điển, hành vi và lý thuyết dựa trên sự lệch lạc. Trước tiên,tác
giả tiến hành so sánh toàn bộ cổ phiếu gây ra bất thường (anomaly driver) và các cổ
phiếu không gây ra bất thường (Non-anomaly driver). Sau đó tác giả tiến hành so sánh
các cổ phiếu gây ra bất thường, được giữ ở vị thế mua (long position) trong danh mục
đầu tư - LAD (bao gồm các cổ phiếu nhỏ, giá trị, và có thành quả tốt) với các cổ phiếu
tương tự nhưng không gây bất thường (Non-LAD). Cuối cùng, tác giả so sánh các cổ
phiếu gây ra bất thường được giữ ở vị thế bán (short position) của danh mục đầu tư –

33
SAD (bao gồm các cổ phiếu lớn, tăng trưởng và có thành quả kém) với các cổ phiếu
tương tự nhưng không gây ra bất thường (Non-SAD). Cột “chênh lệch” là khác biệt của
hai giá trị trung bình (AD trừ Non-AD) với dấu ‘***’, ‘**’, và ‘*’ hàm ý mức chênh lệch
có ý nghĩa thống kê ở khoảng tin cậy lần lượt là 99%, 95% và 90%.
Nhìn vào các đặc điểm có ý nghĩa thống kê ở cột “chênh lêch” phần so sánh tất cả các
công ty, ta thấy một số biến thường mang dấu dương như các biến đại diện cho rủi ro hệ
thống (MKT BETA, SMB BETA, HML BETA, và WML BETA), biến động phi hệ
thống (IVOL), mức độ phi thanh khoản (ILLIQ), và giá thị trường (PRC); còn biến đại
diện cho rủi ro kiệt quệ tài chính (ROA và DIVY) thường mang dấu âm. Kết quả này cho
thấy các cổ phiếu gây ra bất thường nói chung có rủi ro hệ thống, rủi ro phi hệ thống và
rủi ro kiệt quệ tài chính lớn hơn. Ngoài ra, các cổ phiếu này cũng có tính thanh khoản
thấp hơn và thường được giao dịch ở mức giá thấp.
Phần A- hiệu ứng quy mô, kết quả so sánh cho thấy các cổ phiếu gây ra bất thường (được
giữ ở cả hai vị thế mua và bán) đều có rủi ro hệ thống cao hơn các cổ phiếu còn lại bởi vì
các cổ phiếu này có MKT BETA, SMB BETA, và HML BETA cao hơn (mặc dù chênh
lệch giữa WML BETA không có ý nghĩa thống kê). Các cổ phiếu này cũng có biến động
phi hệ thống lớn hơn (IVOL dương), rủi ro kiệt quệ tài chính cao hơn (ROA, DIVY âm)
và thường được giao dịch ở mức giá thấp (PRC dương). Về tính thanh khoản thì các cổ
phiếu nhỏ gây ra bất thường có tính thanh khoản kém hơn các cổ phiếu nhỏ tương tự
không gây ra bất thường (vì giá trị chênh lệch của ILLIQ dương, có ý nghĩa), trong khi
tính thanh khoản giữa các công ty lớn không có sự khác biệt đáng kể.
Phần B cho ta thấy các công ty có B/M cao gây ra bất thường có rủi ro hệ thống cao hơn
các công ty có B/M cao không gây ra bất thường do MKT BETA, SMB BETA và HML
BETA đều lớn hơn, trong khi các công ty tăng trưởng lại có rủi ro hệ thống tương tự
nhau. Đặc điểm chung của các công ty gây ra hiệu ứng B/M (cả cổ phiếu giá trị và cổ
phiếu tăng trưởng) là đều có biến động phi hệ thống lớn và được giao dịch ở mức giá thấp
(IVOL và PRC cao hơn). Khác biệt về rủi ro kiệt quệ tài chính giữa các cổ phiếu tăng

Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc

Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc

Recommended

Recommended

More Related Content

Similar to Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc

Similar to Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc (20)

More from Dịch vụ viết thuê đề tài trọn gói Liên hệ ZALO/TELE: 0917.193.864

More from Dịch vụ viết thuê đề tài trọn gói Liên hệ ZALO/TELE: 0917.193.864 (20)

Recently uploaded

Recently uploaded (20)

Những Cổ Phiếu Gây Ra Hiệu Ứng Quy Mô, Giá Trị Và Quán Tính Giá.doc