Trang i Mã số: 107

VAI TRÒ DẪN DẮT TỶ SUẤT SINH
LỢI CỦA MỸ VÀ TRUNG QUỐC ĐỐI
VỚI CÁC QUỐC GIA ĐÔNG NAM Á
Trang i LỜI MỞ ĐẦU
Dự báo tỷ suất sinh lợi là một trong những mối quan tâm hàng đầu của giới đầu tư.
MỤC LỤC
1. GIỚI THIỆU: 1
2. TỔNG QUAN NGHIÊN CỨU: 8
2.1. Khung lý thuyết: 8
2.1.1. Sai lệch Stambaugh: 8
2.1.2. Chu trình wild bootstrap: 10
2.1.3. Phương pháp GMM (Generalized method of moments): 13
2.2. Các bằng chứng thực nghiệm trước đây: 16
2.2.1. Khả năng dự báo tỷ suất sinh lợi: 16
2.2.2. Mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ: 19
2.3. Khung phân tích: 22
3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU: 24
3.1. Phương pháp nghiên cứu: 24
3.1.1. Mô hình hồi quy dự báo tiêu chuẩn: 24
3.1.2. Mô hình khả năng dự báo của tỷ suất sinh lợi quốc tế lấy trễ: 26
3.1.3. Mô hình khuếch tán thông tin: 28
3.1.4. Mô hình dự báo ngoài mẫu: 33
3.2. Dữ liệu: 35
3.2.1. Tỷ suất sinh lợi thặng dư hàng tuần: 37
3.2.2. Các biến kinh tế quốc gia: 39
4. KẾT QUẢ NGHIÊN CỨU: 50
4.1. Mô hình hồi quy dự báo tiêu chuẩn: 50
4.1.1. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng
quốc gia: 50
4.1.2. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của Mỹ
và Trung Quốc: 53
4.2. Mô hình khả năng dự đoán của tỷ suất sinh lợi quốc tế lấy trễ: 57
4.2.1. Kiểm định nhân quả Granger theo cặp: 57

PR (benchmark predictive regression): mô hình hồi quy dự báo tiêu chuẩn
MSFE (mean-squared forecast error): giá trị sai số dự báo bình phương trung bình
IV (Instrumental variables): phương pháp biến công cụ
2SLS (Two-stage least-squares): phương pháp ước lượng bình phương nhỏ nhất hai
giai đoạn
mARM (multipredictor augmented regression method): phương pháp hồi quy đa biến
cải tiến

Trang v
DANH MỤC BẢNG
Bảng 1: Thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán quốc
gia theo tuần trong giai đoạn từ 06/2007 đến 06/2013: 38
Bảng 2: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến 2013:06 50
Bảng 3: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo
của Mỹ, 2007:06 đến 2013:06 53
Bảng 4: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo
của Trung Quốc, 2007:06 đến 2013:06 54
Bảng 5: Kết quả ước lượng mARM mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến
2013:06 56
Bảng 6: Kết quả kiểm định quan hệ nhân quả Granger theo cặp, từ 2007:06 đến
2013:06 58
Bảng 7: Kết quả kiểm định nhân quả Granger theo cặp kiểm soát các biến kinh tế bổ
sung, 2007:06-2013:06 60
Bảng 8: Kết quả ước lượng cho mô hình hồi quy gộp, từ 2007:06 đến 2013:06 63
Bảng 9: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Mỹ, từ
2007:06 đến 2013:06 65
Bảng 10: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Trung

mạnh mẽ của nền kinh tế Mỹ đồi với phần còn lại của thế giới.
Cạnh tranh gay gắt và tranh đua vị trí thống trị thế giới với Mỹ là Trung Quốc. Từ
năm 2010, Trung Quốc đã được xếp là quốc gia có nền kinh tế lớn thứ hai trên thế giới
sau Hoa Kỳ. Đồng thời, Trung Quốc được đánh giá là quốc gia có tốc độ tăng trưởng
kinh tế nhanh nhất thế giới. Hiện Trung Quốc là quốc gia xuất khẩu hàng hóa nhiều
nhất thế giới và nhập khẩu của Trung Quốc cũng được xếp thứ hai. Sức mạnh của nền
kinh tế Trung Quốc càng được khẳng định khi mặc dù Trung Quốc chỉ chiếm có 4%
GDP toàn thế giới, nhưng lại tiêu thụ tới 19% sản lượng dầu mỏ, 21% sản lượng xi
măng và gần 30% sản lượng thép toàn thế giới Bên cạnh đó, với môi trường kinh
Trang 2
doanh tốt hơn nên việc thu hút đầu tư nước ngoài của Trung Quốc ngày càng mạnh mẽ
với việc Trung Quốc đã giành được vị trí đối tác thương mại lớn nhất của 126 quốc
gia trên thế giới và đối tác thương mại lớn thứ hai của 79 nước khác. Còn về khía cạnh
tài chính, nếu như trước đó vào năm 2010, đồng Nhân Dân Tệ mới chỉ đứng thứ 17
trong số các đồng tiền được giao dịch nhiều nhất thì trong năm 2013, theo báo cáo
mới nhất của Ngân hàng Thanh toán quốc tế (BIS), đồng Nhân Dân Tệ của Trung
Quốc đã vượt đồng Krona của Thụy Điển và đồng đô la New Zealand để chiếm vị trí
số 9 trên bản xếp hạng các đồng tiền được giao dịch nhiều nhất trên thế giới. Sự kiện
này cũng đánh dấu cho sự trỗi dậy của siêu cường kinh tế số hai thế giới là Trung
Quốc, khẳng định tầm quan trọng của nền kinh tế nước này đối với kinh tế toàn cầu.
Vì vậy, có thể thấy tầm ảnh hưởng của nền kinh tế Trung Quốc đang ngày càng được
mở rộng và bao phủ với mật độ lớn hơn.
Vậy sự phát triển của hai nền kinh tế lớn nhất nhì thế giới (Mỹ, Trung Quốc) đã tác
động như thế nào đến khu vưc Đông Nam Á? Khu vực Đông Nam Á nổi lên là một
khu vực chiến lược về kinh tế và cũng là một địa bàn cạnh tranh chiến lược giữa nhiều
cường quốc. Khi nói đến khu vực Đông Nam Á , không thể không nói đến Hiệp hội
các quốc gia Đông Nam Á (ASEAN) với mười nước thành viên, với tổng dân số 600

cuộc khủng hoảng tài chính của Mỹ và lan rộng toàn cầu, kéo theo sự sụp đổ hàng loạt
của các định chế tài chính khổng lồ như Bear Stearns, Lehman Brothers, Merill
Lynch hay sự điêu đứng của các hãng bảo hiểm AIG, Morgan Staley, thị trường chứng
khoán thế giới điên đảo, lúc này người ta bắt đầu nghi ngờ về tính hiệu quả của các
mô hình định giá tài sản cũng như các chỉ báo dự đoán tỷ suất sinh lợi, và bắt đầu đòi
hỏi về một chỉ báo cũng như một mô hình mới hiệu quả hơn. Chứng kiến sức mạnh
kinh tế của Mỹ và Trung Quốc trên thế giới và sự ảnh hưởng của hai nền kinh tế này
đối với khu vực Đông Nam Á, ý tưởng về một chỉ báo dự đoán tỷ suất sinh lợi mới ra
đời: tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Mỹ và Trung Quốc.
Tính cho đến nay, đã có nhiều bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi,
chẳng hạn như nghiên cứu của Keim và Stambaugh (1986) đề xuất việc dự báo tỷ suất
sinh lợi thặng dư của bảy loại tài sản bằng ba biến số lấy trễ: chênh lệch lãi suất dài
hạn và lãi suất ngắn hạn, tỷ số S&P 500 so với trung bình trượt 45 năm của chỉ số
S&P 500, chỉ số chứng khoán của công ty nhỏ. Hầu hết các hệ số độ dốc đều có ý
nghĩa thống kê, cho thấy phần bù rủi ro kỳ vọng của nhiều tài sản thay đổi theo thời
gian một cách dự đoán được. Fama và French (1989) áp dụng một phương pháp tương
tự, sử dụng hai biến dự báo dựa trên trái phiếu, đó là chênh lệch giữa lợi suất trái
Trang 4
phiếu chính phủ dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn và chênh lệch giữa
lãi suất ngắn hạn và lãi suất dài hạn. Tác giả nhận thấy rằng cả hai biến này đều có
khả năng dự báo tỷ suất sinh lợi thặng dư của chứng khoán. Fama (1990) cho thấy
rằng tỷ suất sinh lợi thặng dư của chứng khoán có thể được dự báo bởi sản lượng công
nghiệp, sử dụng chuỗi giá trị thời gian theo tháng, theo quý và theo năm. Những
nghiên cứu khác thì sử dụng tỷ số tài chính như các biến dự báo của tỷ suất sinh lợi
chứng khoán. Fama và French (1984) cho rằng tỷ số cổ tức trên giá có một tác động
có ý nghĩa lên tỷ suất sinh lợi chứng khoán, và Campell và Shiller (1988) nhận thấy
rằng tỷ số cổ tức trên giá, cùng với tỷ lệ tăng trưởng của tỷ suất cổ tức, có khả năng dự

sinh lợi chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia
Đông Nam Á?
- Tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có dự đoán một cách ý nghĩa tỷ
suất sinh lợi của các quốc gia Đông Nam Á hay không? Và ngược lại, tỷ suất
sinh lợi lấy trễ của các quốc gia Đông Nam Á có thể hiện khả năng dự đoán
một cách ý nghĩa tỷ suất sinh lợi của Mỹ và Trung Quốc không?
- Các cú sốc tỷ suất sinh lợi của Mỹ và Trung Quốc được phản ánh như thế nào
trong giá chỉ số chứng khoán quốc gia của các nước Đông Nam Á thông qua
mô hình khuếch tán thông tin?
- Liệu các mô hình hồi quy mà sử dụng tỷ suất sinh lợi lấy trễ của Mỹ/Trung
Quốc có thể hiện khả năng dự báo tốt hơn mô hình dự báo khác không ?
Từ thông tin thu thập được của FTSE về các chỉ số chứng khoán quốc gia của Mỹ,
Trung Quốc và sáu quốc giá Đông Nam Á (Việt Nam, Singapore, Thái Lan,
Phillipines, Indonesia, Malaysia), nhóm nghiên cứu tiến hành thu thập các dữ liệu cần
thiết từ tháng 6/2007 đến tháng 6/2013. Sau đó nhóm nghiên cứu tiến hành xây dựng
các biến số cần thiết theo tuần, bao gồm: (1) tỷ suất sinh lợi thặng dư của chỉ số chứng
khoán quốc gia (2) lãi suất T-bill 3 tháng, (3) tỷ suất cổ tức, (4) tỷ lệ lạm phát, (5) sản
lượng công nghiệp, (6) tỷ giá hối đoái, (7) chênh lệch giữa lãi suất ngắn hạn và lãi suất
dài hạn. Dựa trên các biến số chính trên đây, đầu tiên, bài nghiên cứu sử dụng phương
pháp hồi quy OLS thông thường, tuy nhiên gặp phải vấn đề kinh tế lượng là sai lệch
Stambaugh, do đó nhóm nghiên cứu sử dụng chu trình wild bootstrap để kiểm soát sai
lệch này. Sau đó, nhóm tiến hành kiểm định nhân quả Granger theo cặp để nghiên cứu
mối quan hệ dẫn dắt trễ. Ngoài ra, để xem xét các cú sốc tỷ suất sinh lợi của Mỹ và
Trung Quốc được phản ánh như thế nào trong giá chỉ số chứng khoán quốc gia của
các nước Đông Nam Á, nhóm tiếp tục ước lượng một mô hình khuếch tán thông tin
Trang 6
(new diffusion model) thông qua chu trình GMM (general method of moments). Từ

- Ngoài ra, bằng chứng về khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ
đối với tỷ suất sinh lợi chứng khoán quốc gia của Việt Nam càng được củng cố
khi tiến hành so sánh khả năng dự báo của mô hình dự báo trên tỷ suất sinh lợi
lấy trễ của Mỹ với các mô hình dự báo khác thì mô hình dự báo trên tỷ suất
sinh lợi lấy trễ của Mỹ luôn thể hiện khả năng dự báo tốt hơn đối với Việt
Nam. Qua đó có thể thấy tỷ suất sinh lợi lấy trễ của Mỹ là một chỉ báo dự đoán
tiềm năng đối với tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Việt Nam.
Phần tiếp theo của bài nghiên cứu sẽ bao gồm các phần sau:
- Phần 2 phân tích cụ thể khung lý thuyết kinh tế lượng bao gồm sai lệch Stambaugh
phát sinh trong quá trình hồi quy dự báo tiêu chuẩn, từ đó tổng quan về cách khắc
phục sai lệch này bằng chu trình wild bootstrap, cuối cùng là khái quát về chu trình
GMM khi nghiên cứu về sự khuếch tán thông tin. Ngoài ra, nêu lên các bằng
chứng thực nghiệm về các mô hình và các chỉ báo dự đoán tỷ suất sinh lợi, cũng
như các những phát hiện trước đây về mối quan hệ giữa sự khuếch tán thông tin và
tác động dẫn dắt trễ.
- Phần 3 trình bày phương pháp nghiên cứu, nguồn dữ liệu và mô tả chi tiết các chỉ
số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia Đông Nam Á.
- Phần 4 trình bày các kết quả nghiên cứu thực nghiệm của Mỹ, Trung Quốc và các
quốc gia Đông Nam Á trong giai đoạn từ tháng 6/2007 đến tháng 6/2013 thông qua
hồi quy OLS có tính đến sai lệch Stambaugh, phân tích nhân quả Granger cùng với
mô hình GMM.
- Phần 5 nêu các tranh luận liên quan, các hạn chế của bài nghiên cứu và nhấn mạnh
hàm ý từ kết quả nghiên cứu đến các quốc gia Đông Nam Á cũng như Mỹ và
Trung Quốc
- Phần 6 kết luận và tóm gọn các kết quả nghiên cứu chính.
Trang 8


suất sinh lợi được công bố. Ngoài ra, 

là một biến ngẫu nhiên và có thể tương quan
với thành phần nhiễu của mô hình hồi quy. Ví dụ, giả sử 

là tỷ suất sinh lợi thặng
dư của danh mục đầu tư chứng khoán trong tháng t+1, và giả sử 

là tỷ suất cổ tức
được quan sát tại thời điểm t. Nếu 

phụ thuộc vào giá tài sản cuối giai đoạn t, thì giá
trị của biến x vào cuối giai đoạn t+1 sẽ phản ánh sự thay đổi của giá tài sản (

)
trong suốt giai đoạn t+1, do đó trong một mô hình hồi quy như vậy, 

thì tương quan
với 

, hoặc






  (2)
trong đó  








 Từ phương trình (3) có thể thấy khi  càng lớn, đối với một
sự tương quan nhất định giữa 

và 

, thì sự tương quan giữa 

và 

càng
lớn.
Đối với việc xác định 

ở trên thì việc có được sai lệch của hệ số ước lượng 

thì
khá đơn giản. Cho  biểu thị giá trị ước lượng OLS của  trong phương trình (3). Lúc
này sai lệch của hệ số ước lượng 

được tính như sau:
Định lý:


  



 


  


Từ việc xác định được sai lệch của hệ số hồi quy, thì tiếp theo cần xem xét thống kê t
bị lệch lạc như thế nào khi xuất hiện sự tương quan giữa 

và 

, mà được biểu
thị bởi . Khi  hay  lớn (gần bằng 1), thì phân phối thống kê t khác biệt đáng kể với
phân phối (chuẩn) tiệm cận. Nhìn chung, khi  dương, thì thống kê t bị sai lệch xuống
và hơi lệch về bên trái, và ngược lại khi  âm.
Tóm lại, trong các mô hình hồi quy chuỗi thời gian, khi tiến hành hồi quy với một
biến hồi quy ngẫu nhiên lấy trễ, thì thành phần nhiễu của mô hình hồi quy sẽ tương
quan với thành phần nhiễu của biến hồi quy, trong đó biến hồi quy tuân theo một quá
trình hồi quy bậc một, thì lúc này làm xuất hiện sai lệch mẫu hữu hạn. Khi sự tương
quan này là dương (âm), thì thống kê t và hệ số độ dốc của phương thức ước lượng bị
lệch xuống (lệch lên). Đồng thời sai lệch trong hệ số độ dốc OLS tỷ lệ thuận với sai
lệch của hệ số tự tương quan được ước lượng của biến hồi quy. Ngày nay, để có thể
Trang 10
kiểm soát sai lệch này, nhiều nhà nghiên cứu đã sử dụng một thủ thuật gọi là chu trình
wild bootstrap.


Với ý tưởng “đối xử với mẫu như là tổng thể” này của phương pháp bootstrap
đã được nhiều nhà nghiên cứu kinh tế và tài chính phát triển để có thể cho ra đời các
phương pháp mà khắc phục những hạn chế trong hồi quy, một trong những phương
pháp mà nhóm đã áp dụng cho bài nghiên cứu này là phương pháp wild bootstrap.
Trong bài nghiên cứu của nhóm, khi phân tích khả năng dự báo tỷ suất sinh lợi, về cơ
bản nhóm sử dụng phương thức ước lượng bình phương nhỏ nhất (OLS) trong phân
tích. Tuy nhiên, các bài nghiên cứu trước đây về khả năng dự báo tỷ suất sinh lợi đã
dẫn chứng nhiều vấn đề kinh tế lượng liên quan đến các mô hình hồi quy dự báo
(Nelson và Kim, 1993; Mark, 1995; Stambaugh 1999). Đặc biệt, bài nghiên cứu của
Stambaugh (1999) cho thấy có một sai lệch trong hệ số dự báo được ước lượng trong
mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán dựa trên các biến hồi quy ngẫu
nhiên lấy trễ như tỷ suất cổ tức, lãi suất danh nghĩa, tỷ số giá trị thị trường so với giá
trị sổ sách. Như đã nói rõ ở phần sai lệch Stambaugh, sai lệch này phát sinh bởi vì
phần dư trong những biến hồi quy tương quan đồng thời (thường thường là tương
quan âm) với phần dư của mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán. Đặc
biệt, sai lệch này càng rõ ràng hơn khi mối tương quan đồng thời giữa các thành phần
nhiễu mạnh, tính bền vững của các biến chỉ báo cao, hoặc quy mô mẫu nhỏ. Có thể
thấy, tỷ suất sinh lợi thị trường nhiều giai đoạn và các biến kinh tế vĩ mô theo thời
gian thường tự tương quan với nhau và có phương sai thay đổi có điều kiện, điều này
có thể làm mất hiệu lực của chu trình bootstrap mà dựa trên sai số i.i.d (i.i.d: sai số
phân phối đồng nhất độc lập có trung bình bằng 0 và phương sai không đổi) (xem
nghiên cứu của Goncalves và Kilian, 2004). Do đó, để đánh giá những vấn đề thống
kê này, nhóm thực hiện chu trình wild bootstrap theo như nghiên cứu của Goncalves
và Kilian, áp đặt giả thuyết không là không có khả năng dự báo khi tính các giá trị tới
hạn, và thể hiện các giá trị p-values cho mỗi ước lượng tham số.
Nhóm nghiên cứu chu trình wild bootstrap này trong mô hình tự hồi quy bậc 1. Chu
trình bootstrap này bao gồm một vài bước. Bước 1 là bắt đầu ước lượng hai phương
trình sau cùng nhau bằng OLS:





bằng cách sử dụng ước lượng OLS thu được ở bước 1 và áp đặt giả thuyết không có
khả năng dự báo. Đặc biệt, quả trình tạo dữ liệu trong bước này được giả định như
sau:


   



(7)


   

 

(8)
Lưu ý rằng thành phần sai số trong phương trình (7) là sản phẩm của 

và 

, trong
đó 

là phần dư của mô hình hồi quy từ bước 1 và 

là một biến ngẫu nhiên có

2004). Kết quả là phương pháp bootstrap này giúp đánh giá vấn đề thống kê liên quan
đến mô hình hồi quy dự báo mà bài nghiên cứu có khả năng phải đối mặt. Khi thực
hiện chu trình boostrap, nhóm đã thiêt lập số lần lặp lại là 2000 lần.
2.1.3. Phương pháp GMM (General method of moments):
GMM là tên chung của một họ phương pháp hồi quy hoặc ước lượng để xác định các
thông số của mô hình thống kê hoặc mô hình kinh tế lượng. GMM được sử dụng để
tìm hoặc dự tính các thông số của mô hình tham số hay phi tham số. GMM được phát
triển bởi Lars Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo
moments. GMM được sử dụng nhiều cho dữ liệu bảng (panel data), đặc biệt khi T nhỏ
hơn N nhiều lần hoặc dữ liệu không đồng nhất. Ngoài ra, GMM cho phép ước lượng
đối với mô hình phi tuyến lẫn mô hình tuyến tính. Đồng thời, GMM cũng cho phép
ước lượng mô hình có hiện tượng nội sinh và cho kết quả ước lượng ổn định.
Ý tưởng chính của phương pháp GMM là GMM sử dụng giả định về moment của các
biến ngẫu nhiên để lấy được hàm mục tiêu. Trong đó, moment được giả định của các
biến ngẫu nhiên được biết như là những moment tổng thể, còn dữ liệu sẽ cung cấp các
moment của mẫu. Từ đó, ta sẽ tối thiểu hóa hàm mục tiêu để lựa chọn tham số mà
mang lại sự khác biệt nhỏ nhất giữa moment tổng thể và moment của mẫu.
Sơ lược về GMM là đối với từng moment tổng thể được giả định, ta nhận được một
điều kiện moment tổng thể. Còn đối với từng điều kiện moment tổng thể, có một điều
kiện moment mẫu. Trong phương pháp MM, ta có số lượng điều kiện moment mẫu
bằng với số lượng tham số. Trong phương pháp GMM, tác giả có số lượng điều kiện
moment mẫu nhiều hơn số lượng tham số.
2.1.3.1. Phương pháp MM (Method of moments):
Một trường hợp điển hình và đơn giản của phương pháp GMM là phương pháp MM
cho phép ước lượng trung bình của một phân phối của mẫu, phương sai của phương
sai mẫu, v.v… Nếu ta muốn ước lượng   



thì ta có điều kiện moment tổng thể

dưới giả định rằng 





 . Lý thuyết xác suất chuẩn
hàm ý rằng:






 





 
Vì vậy điều kiện moment tổng thể cho OLS là:




  

 
Điều kiện moment mẫu tương ứng:







2.1.3.2. Phương pháp GMM (General method of moments):
Có thể thấy phương pháp MM chỉ hiệu quả khi số lượng điều kiện moment bằng với
số lượng tham số để ước lượng. Nếu có nhiều điều kiện moment hơn tham số, hệ
phương trình đại số quá mức xác định và không thể giải được. Do đó, phương thức
ước lượng GMM lựa chọn các ước lượng mà giảm thiểu được hình thức bậc 2 của các
điều kiện moment.
+ GMM gần như có thể giải quyết được hệ phương trình trên mức xác định.
Trang 15
+ GMM chuyển thành MM khi số lượng tham số bằng với số lượng điều kiện
moment.
Định nghĩa phương thức ước lượng GMM (General method of moments):
Câu hỏi nghiên cứu hàm ý q điều kiện moment tổng thể








 

Một vài tính chất của GMM:
Ta có



 


 Khi k=q, phương thức ước lượng MM giải  một cách chính xác nên









 .
 W chỉ tác động đến hiệu quả của phương thức ước lượng GMM
 Đặt W=I tạo ra các ước lượng phù hợp nhưng không hiệu quả.
 Đặt W=




tạo ra một phương thức ước lượng GMM hiệu quả.
 Ta có thể thực hiện nhiều bước để đạt được một phương thức ước lượng GMM
hiệu quả
1. Để W=I và thu được

4. Lặp lại bước 2 và bước 3 sử dụng 


thay cho 



Phương pháp IV (Instrumental variables) và 2 SLS (Two-stage least-squares):
Phương pháp biến công cụ (IV) và phương pháp ước lượng bình phương nhỏ nhất hai
giai đoạn (2 SLS) là hai trường hợp đặc biệt của GMM.
 Đối với một vài biến, giả định 





  quá mạnh và ta cần cho phép 






.
 Nếu ta có q biến z mà 






2.2. Các bằng chứng thực nghiệm trước đây:
2.2.1. Khả năng dự báo tỷ suất sinh lợi:
50 năm trước, Kendall (1953) quan sát thấy rằng giá chứng khoán dường như thay đổi
ngẫu nhiên theo thời gian. Kendall, và nhiều bài nghiên cứu trước đó về thị trường
hiệu quả đã kiểm định xem sự thay đổi giá có thể được dự đoán bằng cách sử dụng tỷ
suất sinh lợi quá khứ được không. Các kiểm định thực nghiêm sau đó mở rộng đối với
các biến dự báo khác, bao gồm lãi suất, chênh lệch giữa lởi suất trái phiếu chính phủ
dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn, tỷ suất cổ tức, tỷ số giá trị thị
trường so với giá trị sổ sách, và tỷ số thu nhập trên giá (Fama và Schwert, 1977;
Campbell, 1987; Fama và French, 1988; Campbell và Shiller, 1988; Kothari và
Trang 17
Shanken, 1997). Và các bài nghiên cứu trước đây tập trung nhiều hơn vào khả năng
dự báo của tỷ suất cổ tức và tìm thấy các bằng chứng cho thấy tỷ suất cổ tức có thể dự
đoán tỷ suất sinh lợi thị trường. Sau này, bài nghiên cứu của Lewellen (2004) cũng
xem xét xem các tỷ số tài chính (chẳng hạn như tỷ suất cổ tức) có thể dự đoán tỷ suất
sinh lợi chứng khoán được không. Lewellen (2004) nhận thấy rằng tỷ suất cổ tức dự
báo được tỷ suất sinh lợi thị trường trong suốt giai đoạn 1946-2000, cũng như trong
nhiều mẫu con khác nhau. Tỷ số giá trị sổ sách so với giá trị thị trường và tỷ số thu
nhập trên giá có thể dự đoán tỷ suất sinh lợi trong mẫu nhỏ hơn giai đoạn1963-2000.
Các bằng chứng này tiếp tục bền vững dù cho có sự tăng giá bất thường trong những
năm nghiên cứu.
Có thể thấy các bài nghiên cứu trước đây tập trung nhiều vào khả năng dự đoán tỷ suất
sinh lợi chứng khoán của tỷ suất cổ tức, Ang và Bekaert (2010) cũng không ngoại lệ.
Ang và Bekaert (2010) nghiên cứu khả năng dự báo của tỷ suất cổ tức đối với việc dự
báo tỷ suất sinh lợi thặng dư, dòng tiền và lãi suất. Kết quả cho thấy tỷ suất cổ tức dự
báo được tỷ suất sinh lợi thặng dư trong một giai đoạn ngắn và khả năng dự báo của tỷ
suất cổ tức được nâng cao đáng kể trong ngắn hạn trong hồi quy hai biến (nhị phân)

bài nghiên cứu về khả năng dự đoán tỷ suất sinh lợi nhưng do các kết quả nghiên cứu
chưa thực sự thống nhất trong các bài nghiên cứu cũng như những sự biến động ngày
càng phức tạp của nền kinh tế làm cho việc dự báo tỷ suất sinh lợi chứng khoán ngày
càng trở nên khó khăn dù cho các phương pháp kinh tế lượng ngày càng được cải
thiện và trở nên bền vững hơn.
Nhận thấy các bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi chủ yếu chỉ xoay
quanh việc xem xét các biến chỉ số quốc gia như tỷ suất cổ tức, lãi suất ngắn hạn,
chênh lệch lãi suất ngắn hạn và dài hạn, … nên Rapach, Strauss và Zhou (2013) đã
mang đến một luồng gió mới cho lĩnh vực nghiên cứu khả năng dự đoán tỷ suất sinh
lợi. Nhóm tác giả này đã khám phá ra một chỉ báo mới khá mạnh cho tỷ suất sinh lợi
chứng khoán quốc gia, đó là tỷ suất sinh lợi thị trường lấy trễ của Mỹ. Kết quả nghiên
cứu cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự đoán tỷ suất sinh lợi của các quốc gia
công nghiệp tốt hơn các biến số kinh tế của chính các quốc gia công nghiệp đó, bao
gồm lãi suất danh nghĩa và tỷ suất cổ tức. Nhóm tác giả nhận diện thấy tỷ suất sinh lợi
lấy trễ của Mỹ là một chỉ báo dự đoán tỷ suất sinh lợi khá mạnh khi phân tích mối
quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chứng khoán quốc gia, một khía cạnh
chưa được xem xét trước đây về khả năng dự đoán của tỷ suất sinh lợi quốc tế. Nhóm
tác giả cũng nhận thấy tỷ suất sinh lợi của các quốc gia công nghiệp có năng lực dự
Trang 19
đoán giới hạn tỷ suất sinh lợi của Mỹ. Nói chung, những kết quả này chỉ ra một vai trò
dẫn dắt của Mỹ trong thị trường vốn cổ phần quốc tế.
Phát triển từ ý tưởng xem xét khả năng dự báo tỷ suất sinh lợi chỉ số chứng khoán
quốc gia của tỷ suất sinh lợi thị trường lấy trễ của Mỹ, nhóm nghiên cứu đã mở rộng
bài nghiên cứu theo hướng xem xét tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung
Quốc như là những chỉ báo dự đoán tỷ suất sinh lợi của các quốc gia Đông Nam Á.
Liệu tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung Quốc có thể hiện vai trò như
những chỉ báo quan trọng trong tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các