B GIÁO DC VÀ ÀO TO
TRNG I HC KINH T TP. H CHÍ MINH
MI LIÊN H GIA KHI LNG
GIAO DCH VÀ CH S CHNG KHOÁN:
BNG CHNG THC NGHIM TI VIT NAM N
Tp. H Chí Minh, 2014
B GIÁO DC VÀ ÀO TO
TRNG I HC KINH T TP. H CHÍ MINH
Tác gi lun vn Dng Quang Tú

LI CAM OAN Trang ph bìa
Li cam đoan
Mc lc
Danh mc t vit tt
Danh mc các bng biu
Danh mc các ph lc
TÓM TT  TÀI 1
1) GII THIU 2
1.1) Lý do chn đ tài 2
1.2) Mc tiêu nghiên cu 4
1.3) Câu hi nghiên cu 4
1.4) B cc đ tài 4
2) TNG QUAN CÁC NGHIÊN CU TRC ỂY 5
3) D LIU VÀ PHNG PHÁP NGHIểN CU 13
3.1) D liu nghiên cu 13
3.2) Phng pháp nghiên cu 14
3.3) Kim đnh nghim đn v 15
3.4) Mô hình Var 17
3.5) Kim đnh Granger 18 TTCK: Th trng chng khoán.
SGDCK: S Giao dch Chng khoán.
SGD: S Giao dch.
SGDCK HCM: S Giao dch Chng khoán H Chí Minh.
ADF: kim đnh Augmented Dickey-Fuller.
PP: kim đnh Phillips – Perront.

DANH MC CÁC T VIT TT Bng 1: Kt qu kim đnh nghim đn v 20
Bng 2: La chn đ tr ti u 21
Bng 3: Kt qu mô hình Var ca bin RVNI1 21
Bng 4: Kt qu mô hình Var ca bin RVOL1 23

Phc lc 6: Kt qu mô hình Var vi đ tr t
1 48
Phc lc 7: Kt qu kim đnh Granger
1 50
Phc lc 8: Kt qu hàm phn ng xung
1 50
Phc lc 9: Kt qu phân rã phng sai
1 51
Phc lc 10: Kt qu kim đnh ADF ca bin RVOL 52
Phc lc 11: Kt qu kim đnh ADF ca bin RVNI 53
Phc lc 12: Kt qu kim đnh Phillips – Perront (PP) ca bin RVOL 54
Phc lc 13: Kt qu kim đnh Phillips – Perront (PP) ca bin RVNI 55
Phc lc 14: Kt qu c lng đ tr ti u
2 56
Phc lc 15: Kt qu mô hình Var vi đ tr ti
2 56
Phc lc 16: Kt qu kim đ
2 58
Phc lc 17: Kt qu hàm phn 
2 58
Phc lc 18: Kt qu phân rã phng sai
2 59

DANH MC CÁC PHC LC
1
Trong nhng nm gn đây, mi quan h tác đng qua li gia s thay đi ca
khi lng giao dch vi s bin đng ca giá chng khoán đã nhn đc s quan
tâm đc bit ca các nhà kinh t tài chính. Karpoff (1987) đa ra 4 lý do có th có
là: u tiên, nó cung cp cái nhìn sâu sc v cu trúc ca th trng tài chính nh
là: mc đ ca thông tin tác đng ti th trng, thông tin đc ph bin nh th
nào, mc đ mà giá c truyn ti thông tin và hn ch ca bán khng. Th hai, nó
đc dùng đ kim tra tính hu ích ca phân tích k thut. Hn na, nó còn đc s
dng đ điu tra vai trò ca đu c đi vi s bin đng giá, vì đu c có mi quan
h cht ch ti khi lng giao dch. Cui cùng, nó nh hng đn hp đng tng
lai.
Mc dù nhiu nghiên cu đã c gng thit lp cu trúc thc nghim và lý
thuyt ca mi quan h này, mt s đng thun vn cha th đt đc.
khi s bin đng ca khi lng giao dch càng ln thì giá s thay
đi càng ln. Tuy nhiên, cng có nhng trng hp cho thy rng vi s bin đng
khi lng giao dch thp nhng bin đng giá cao hoc s bin đng khi lng
giao dch cao nhng giá li không bin đng.
li cho
rng mi quan h này ph thuc vào lúc th trng trong chu k tng hay gim. Nu
th trng trong chu k tng thì khi lng giao dch cao và giá bin đng nhiu
hn so vi th trng trong xu th gim.
Fama cho rng vi th trng hiu qu yu thì giá c phiu hin ti đã phn
ánh ht các thông tin trong quá kh (Fama, 1970, 1991), điu này ng ý rng giá
3

chng khoán trong quá kh không th đc s dng đ d đoán nhng thay đi giá
tng lai và do đó, các công c phân tích k thut không có giá tr . Ngc li, các
nhà phân tích k thut cho rng thông tin trong giá chng khoán trong quá kh là
không hoàn toàn tích hp trong giá chng khoán hin ti , và do đó, h tin rng
bng cách quan sát giá trong quá kh có th d đoán đc s thay đi giá chng
khoán tng lai. Nhà phân tích k thut tin tng mt cách mnh m rng “Khi


Và da trên kt qu nghiên cu góp sc mt phn nào đó cho các Nhà đu t
trong vic giao dch hiu qu hn.
1.3) Câu hi nghiên cu
 gii quyt mc tiêu nghiên cu trên, tác gi s tìm câu tr li cho câu hi nghiên
cu: ”
hay không??”
1.4) B cc đ tài
Phn còn li ca lun vn gm có 4 phn: phn tip theo tác gi s trình bày
tng quan các nghiên cu trc đây. Phn 3 trình bày Phng pháp nghiên cu.
Phn 4 trình bày ni dung và kt qu nghiên cu. Phn 5 là kt lun.
5

2. TNG QUAN V CÁC NGHIÊN CU TRC ỂY

Schwert (1990) lp lun rng s thay đi khi lng giao dch đã phn ánh
s bin đng giá bi vì s bin đng giá là yu t rt quan trng trong vic thc
hin chin lc giao dch ca nhà đu t. Và tác gi cng đa ra quan đim rng khi
có xu hng chc chn v s bin đng giá thì nhiu nhà đu t s giao dch cùng
mt hng, quan đim này ca tác gi da trên tâm lý hành vi “by đàn” ca nhà
đu t và s bin đng giá ngu nhiên là không hp l.

và Hongkong có nh hng rt yu đi vi các th trng chng khoán ti Trung
Quc. iu này có ngha là th trng tài chính Trung Quc đc lp vi th trng
tài chính th gii, điu đó th trng chng khoán ti Trung Quc cha đng li
nhun cao hn cng đi kèm vi ri ro cao hn.Th trng chng khoán ti Trung
Quc tr nên thu hút hn đi vi nhà đu t ngoi bi vì tính đc lp và nhiu c
hi tim nng. Tuy nhiên khi nghiên cu trong ni ti th trng Trung Quc, thì li
có mi tng quan ln nhau gia các TTCK Thng Hi A, Thng Hi B, Thâm
Quyn A và Thâm Quyn B.
Vi mt cách tip cn mi v mi quan h gia khi lng và giá, Gervais,
Kaniel và Mingelgrin (GKM) (2001)
s dng d liu hàng ngày và hàng tun trong
giai đon t 1963 đn 1996 ti th trng chng khoán New York (NYSE) đã phát
trin lý thuyt tm nhìn da trên quan đim ca Miller (1997) và Mayshar (1983).
Lý thuyt tm nhìn cho rng khi nhà đu t có nhiu quan đim khác nhau v giá tr
c phiu thì nhng nhà đu t đã mua c phiu thng rt lc quan v giá tr ca c
phiu. Hn na, nu ngun cung ca c phiu b gii hn bi bán khng thì quan
đim ca nhà đu t bi quan s không phn ánh vào giá và giá c phiu s b nhiu.
GKM cho rng vi trng hp nh vy thì c phiu vi bin đng tích cc s đc
giao dch nhiu hn (do nhiu ngi mun mua hn). Tuy nhiên, ngun cung ca
c phiu thì hu hn, nên khi lng và giá s bin đng tích cc. Và tác gi kt
lun rng khi lng giao dch cha đng thông tin quan trng đi vi s bin đng
7

giá xy ra trong tng lai, khi s thay đi khi lng giao dch cao thì dn đn s
bin đng giá tích cc và ngc li.
Bng vic dùng mô hình Var và kim đnh Granger vi d liu hàng ngày t
1973 đn 2000,
Chen, Firth, Rui (2001) cng nghiên cu mi quan h nhân qu
gia s bin đng ch s giá vi s thay đi khi lng giao dch ti 9 th trng
chng khoán ln nht: New York, Tokyo, London, Paris, Toronto, Milan, Zurich,

. Tuy nhiên, vic thiu bng chng mnh
v mi tng quan tích cc gia khi lng
và giá, điu này cho thy s
khác nhau v th ch, lung thông tin ti th trng mi ni là quan trng nh
hng ti giá tr ca công ty. iu này đc tác gi gii thích là do mi tng quan
gia khi lng và giá ph thuc vào cách thông tin đc ph bin trên th trng,
và ti các th trng mi ni thì nhà đu t tip cn thông tin thng có đ tr nht
đnh, do đó dn mi tng quan yu gia s bin đng gia khi lng giao dch và
giá.
De Medeiros & Doornik (2006) cng tin hành nghiên cu mi quan h thc
nghim gia s thay đi khi lng giao dch và s bin đng giá ti th trng
chng khoán Braxin (Bovespa). D liu nghiên cu là d liu hàng ngày ca 57 c
phiu (chim hn 80% vn hóa) trên TTCK Braxin trong giai đon t 03/01/2000
đn 29/12/2005. Phng pháp nghiên cu đc tác gi s dng gm: phân tích t
tng quan, kim nghim đn v, phân tích phng trình hi quy 2 bin, GARCH,
VAR, và kim đnh Granger. Tác gi tìm thy bng chng cho thy rng có s tác
đng qua li gia s bin đng khi lng giao dch và s thay đi giá. Tác gi
cng cho rng s bin đng khi lng giao dch càng ln s dn đn s giao đng
ca giá càng mnh và mi quan h này là đi xng.
Tov Assogbavi, Jennifer Schell, Simeon Fagnisse (2007) cng tìm thy bng
chng mnh m cho rng mi quan h tác đng gia s bin đng giá vi s thay
đi khi lng giao dch là 2 chiu khi s dng mô hình Var, kim đnh Granger
vi d liu là 28 c phiu thuc các ngành khác nhau (lúc đu tác gi đa ra 60 c
phiu nhng sau đó chn lc li 28 c phiu), d liu thi gian là d liu hàng tun
9

trong giai đon t tháng 1/1997 đn 12/2005 đ phân tích mi quan h gia s bin
đng giá vi s thay đi khi lng giao dch ti th trng chng khoán Nga
(RTS).
Ti TTCK Chi lê (IPSA),

Uy th s bin đng giá không nh hng đn s thay đi khi lng giao dch và
mi quan h này là 1 chiu.
Tripathy (2011) nghiên cu mi quan h thc nghim gia s thay đi khi
lng giao dch và s bin đng giá ti th trng chng khoán ti TTCK n 
vi d liu hàng ngày trong giai đon t 01/01/2005 đn 01/01/2010 bng vic s
dng hi quy 2 bin, mô hình VECM, VAR, IRF và kim đnh Johansen. Tác gi
rút ra kt lun là có s tác đng 2 chiu gia gia s thay đi khi lng giao dch
và s bin đng giá, và tác gi cho rng thông tin mi din bin hàng ngày trên tin
trng nh hng tc thi đn s bin đng giá, và đc bit khi có tin xu xy ra thì
s tác đng rt nhiu vào s bin đng ca khi lng giao dch và giá, vic này
đc gii thích là do các nhà đu t thng ác cm trong xu hng th trng gim,
vì vy h thng có hành đng nhanh hn khi có tin xu. Bng vic s dng hàm
phn ng xung và phân rã phân sai, tác gi cng cho thy rng mc đ tác đng ca
khi lng giao dch mnh hn đi vi s bin đng giá, vì vy các thông tin quá
kh ca khi lng giao dch rt hu ích đ ci thin d báo bin đng giá.
Tuy nhiên không hn mi quan h gia s thay đi khi lng giao dch và
s bin đng giá thng tích cc,
Pathirawasam (2011) nghiên cu d liu hàng
tháng ca 266 c phiu ti TTCK Colombo (Sri Lanka) t 02/2000 đn 10/2008, tác
gi cho rng s thay đi khi lng giao dch hin ti có tác đng tích cc ti s
bin đng giá. Tuy nhiên mi quan h gia s thay đi khi lng giao dch trong
quá kh và s bin đng giá hin ti li tiêu cc. iu này có ngha là các c phiu
có s bin đng khi lng giao dch thp s tt hn đi vi các c phiu có s bin
đng khi lng cao trong tháng k tip. Vic này đc gii thích là do nhà đu t
đánh giá sai v li nhun trong tng lai ca công ty, hn na vic thanh khon
thp cng có th là nguyên nhân làm cho các c phiu vi khi lng giao dch thp
đc đánh giá cao ti th trng không hiu qu dng yu.
11

, Al-Jafari & Tliti

nghiên cu này bao gm chui ch s VN-Index và khi lng c phiu giao dch
theo thi gian vi tn sut tun đc thu thp trong khong thi gian t ngày
27/08/2000 đn ngày 12/05/2010. S dng kim đnh Granger, kt qu nghiên cu
12

cho thy rng s thay đi ca khi lng giao dch không có nh hng đn s thay
đi ca ch s VN-Index. Tuy nhiên,  chiu ngc li s thay đi ca ch s VN-
Index li có nh hng đn s thay đi ca khi lng giao dch
rng mi quan h gia s thay đi ch s VN-Index và
khi lng giao dch ch xy ra mt chiu là t ch s VN-Index đn khi lng
giao dch. 13

3. D LIU VÀ PHNG PHÁP NGHIểN CU

3.1) D liu nghiêu cu

Trong đó:
RVOL
t
: S thay đi khi lng ti thi k t
VOL
t
: Khi lng ti thi k t
VOL
t-1
: Khi lng ti thi k t - 1
RVNI
t
: S thay đi ch s VnIndex ti thi k t
14

VNI
t
: ch s VnIndex ti thi k t
VNI
t-1
: ch s VnIndex ti thi k t – 1
3.2) Phng pháp nghiên cu
 nghiên cu mi quan h tác đng qua li gia s thay đi ca khi lng
giao dch và s bin đng ca ch s th trng tác gi s dng mô hình Var và
kim đnh Granger , ngoài ra kim đnh nghim đn v cng đc s dng đ kim
tra tính dng ca chui s liu. Hn na hàm phn ng xung, phân rã phng sai
cng đc tác gi s dng đ nói lên mc đ ca tác đng này.
3.3) Kim đnh nghim đn v
Ti sao chui thi gian dng li quan trng? Có mt s lý do quan trng khi
bit mt chui thi gian là dng hay không.

ẤRVNI
t
= (ð - 1) RVNI
t-1
+ u
t
=  RVNI
t-1
+ u
t

ẤRVOL
t
= (ð - 1) RVOL
t-1
+ u
t
=  RVOL
t-1
+ u
t

RVNI
t
và RVOL
t:
,
 = (ð - 1) và Ấ, nh ta đã bit, là hàm sai phân bc 1.
 bit đc liu chui thi gian RVNI
t

= 1 +  RVOL
t-1
+ u
t
(2)
16

Ấ RVNI
t
= 1 + 
2
t +  RVNI
t-1
+ u
t
(3)
Ấ RVOL
t
= 1 + 
2
t +  RVOL
t-1
+ u
t
(3)
 đây, t là bin xu hng hoc bin thi gian. Trong mi trng hp gi
thuyt không s là  = 0, tc là có nghim đn v. S khác bit gia (1) và hai hi
qui khác là  ch có s bao gm c hng s (giao đim vi trc ta đ) và s hng
xu hng.
Gi thuyt H

+ 
t
ẤRVOL
t
=  RVOL
t-1
+  RVNI
t
+ 
t

: RVNI
t
, RVOL
t

RVOL
t
, RVNI
t
: , 
t
:
Gi thuyt H
0
vn là  = 0, có ngha là RVNI
t
, RVOL
t
có nghim đn v

RVNI
t
= 
0
+

+ + 
t

RVOL
t
= 
1
+

+ + u
t

Phng pháp c lng mô hình Var:
 Xét tính dng ca các bin trong mô hình.
 La chn đ tr ti u.
 Chy mô hình var vi đ tr phù hp.
Vi nhng phân tích trên, tác gi s dng mô hình t hi quy vect (VAR)
đ kim đnh mi quan h tác đng gia s thay đi khi lng giao dch và s bin