Download miễn phí Đề tài Đo lường hành vi bầy đàn trên thị trường chứng khoán Việt Nam
MỤC LỤC
DANH MỤC BẢNG BIỂU, ĐỒ THỊ SỬ DỤNG TRONG ĐỀ TÀI . ii
PHẦN MỞ ĐẦU . 1
CHƯƠNG 1: TÂM LÝ BẦY ĐÀN – NGUYÊN NHÂN CỦA TÂM LÝ BẦY ĐÀN. 3
1.1. Tâm lý bầy đàn. 3
Tâm lý bầy đàn theo thông tin . 5
Tâm lý bầy đàn theo danh tiếng . 5
Tâm lý bầy đàn theo thù lao . 5
1.2. Nguyên nhân tạo ra tâm lý bầy đàn. 7
1.2.1. Các nhân tố hành vi – Lý thuyết tài chính hành vi. 8
1.2.1.1. Hành vi bất hợp lý. 9
Phụ thuộc vào kinh nghiệm hay thuật toán (Heuristics) . 9
Tự tin thái quá (Overconfidence) . 9
Tính toán bất hợp lý (Mental Accounting) . 10
Theo khuôn mẫu (Framing) . 10
Lệch lạc do tình huống điển hình (Representativeness) . 11
Bảo thủ (Conservatism) . 12
1.2.1.2. Hành vi không hợp lý mang tính hệ thống. 12
1.2.1.3. Giới hạn về khả năng kinh doanh chênh lệch giá. 13
Giới hạn duy lý . 13
1.2.2. Bất cân xứng thông tin. 14
1.2.2.1. Nguyên nhân của tình trạng bất cân xứng thông tin. 15
1.2.2.2. Tác động của bất cân xứng thông tin đến nhà đầu tư trên thị
trường chứng khoán. 16
CHƯƠNG 2: HÀNH VI BẦY ĐÀN. 18
2.1. Giới thiệu TTCK Việt Nam. 18
2.2. Một số biểu hiện hành vi bầy đàn trên thị trường. 18
2.3. Cơ sở tạo ra hành vi bầy đàn trên TTCK Việt Nam. 20
Môi trường pháp luật chưa hoàn chỉnh, thiếu hiệu lực. 20
Quy mô thị trường nhỏ, tạo điều kiện của hành vi thao túng thị trường. 22
Năng lực nhà đầu tư còn hạn chế. 22
Biên độ giao dịch, chính sách cấm bán khống. 23
2.4. Mô hình đo lường mức độ hành vi bầy đàn trên TTCK VN. 23
2.4.1. Lựa chọn mô hình. 23
2.4.1.1. Các mô hình đo lường hành vi bầy đàn trên thế giới. 23
2.4.1.2. Mô hình Hwang và Salmon (2004).25
i. Phương pháp đo lường hành vi bầy đàn . 25
ii. Mô hình đo lường hành vi bầy đàn . 27
2.4.2. Dữ liệu.30
2.4.2.1. Mẫu dữ liệu. 30
2.4.2.2. Phương pháp xử lý số liệu. 30
2.4.3. Kết quả từ mô hình. 31
CHƯƠNG 3: GIẢI PHÁP HẠN CHẾ TÂM LÝ BẦY ĐÀN –. 39
KẾT LUẬN . 44
PHỤ LỤC . 45
TÀI LIỆU THAM KHẢO .
http://s1.liketly.com/flash/edoc/jh2i1fkjb33wa7b577g9lou48iyvfkz6-swf-2013-10-31-de_tai_do_luong_hanh_vi_bay_dan_tren_thi_truong_ch.KSNknzyszG.swf /tai-lieu/de-tai-ung-dung-tren-liketly-43013/Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
mức độ biến động của thị trường. Nghĩa là:
Nếu > 1, tức > , hành vi bầy đàn sẽ tạo ra
hướng về , dẫn đến > > , và kết quả là < , cổ phiếu trở nên ít rủi ro hơn so với thực chất (theo CAPM)
Nếu < 1, tức < , hành vi bầy đàn sẽ tạo ra
hướng về , dẫn đến , cổ phiếu trở nên rủi ro hơn so với thực chất (theo CAPM)
Bên cạnh đó, như đã thảo luận, sự tồn tại hành vi bầy đàn cũng đồng nghĩa với
sự tồn tại của hành vi bầy đàn ngược, được giải thích bởi ℎ < 0. Trong
trường hợp này, đối với cổ phiếu có > 1 thì hành vi bầy đàn ngược tạo ra > > . Điều này nghĩa là làm khuếch đại mức tăng
(giảm) của cổ phiếu nhiều rủi ro. Ngược lại, đối với cổ phiếu có < 1 thì
hành vi bầy đàn ngược làm cho < < .
ii. Mô hình đo lường hành vi bầy đàn
Với mục tiêu đo lường mức độ hành vi bầy đàn ở quy mô toàn thị trường, HS
sử dụng toàn bộ cổ phiếu trong thị trường để loại bỏ tác động riêng biệt của
một số cổ phiếu nào đó bằng cách sử dụng dữ liệu chéo toàn bộ cổ phiếu trên
thị trường tại từng thời điểm t.
28
Và để đo lường biến động của beta cổ phiếu, HS thực hiện tính toán độ lệch
chuẩn của beta (như đề cập ở trên, sử dụng dữ liệu chéo):
Std β! " # = $E β! " − E β! " '
=() − ℎ − 1 − 1' do ) # = 1
=() − 1 − ℎ − 1'
=() − 11 − ℎ '
=() − 1'1 − ℎ
=*+,) 1 − ℎ
Công thức (2) được viết lại như sau:
log0*+,) #1 = log2*+,) 3 + log 1 − ℎ (3)
Từ (3) có thể suy ra hmt .
Cuối cùng (3) được viết lại như sau:
log0*+,) #1 = 5 + 6 + 7 (4)
Trong đó:
log2*+, 3 = 5 + 7 (5)
với 5 = 2log2*+,) 33 và 7 ~99,0, ; ,<'
và 6 = log 1 − ℎ (6)
HS giả định rằng hệ số bầy đàn tuân theo quy tắc AR(1) và mô hình của họ trở
thành:
log 2*+,) # = 5 + 6 + 7 (7)
6 = = 6 ,>? + @ (8)
Trong đó η ~ iid 0, σ ,D' .
29
Hệ thống công thức (7) và (8) tạo thành một mô hình không gian trạng thái với
biến không quan sát được là nhân tố bầy đàn. Để ước lượng các giá trị trong
công thức, HS sử dụng phương pháp lọc Kalman.16 Do đó, trong hệ thống công
thức trên, log [Stdc (β! " ] được kỳ vọng là sẽ thay đổi theo các mức độ bầy
đàn khác nhau, sự thay đổi của nó sẽ được phản ánh thông qua Hmt. Sự chú ý
đặc biệt ở đây tập trung vào mẫu hình của Hmt . Nếu σ ,E' = 0, thì Hmt = 0, lúc
này không có hiện tượng bầy đàn. Ngược lại, một giá trị đáng kể của σ ,E' sẽ hỗ
trợ cho sự tồn tại của hiện tượng bầy đàn và (như các tác giả đề cập) điều này
sẽ được củng cố bởi một giá trị ϕ đáng kể. Giá trị tuyệt đối của ϕ sẽ nhận
giá trị nhỏ hơn hay bằng 1, vì hiện tượng bầy đàn không được kỳ vọng là một
quá trình diễn ra quá mức (bùng nổ).
Để kiểm định tính bền vững của các kết quả của nghiên cứu, HS tiến hành đánh
giá lại mô hình gốc bằng cách thêm vào một số biến cả về cơ bản (tỷ số cổ
tức/giá, lãi suất tín phiếu kho bạc, phần bù kỳ hạn, phần bù rủi ro phá sản) cũng
như các biến phi cơ bản (biến động thị trường, chiều hướng thị trường, quy mô,
tỷ số giá trị sổ sách/giá trị thị trường) vào công thức (7). Ý tưởng ở đây là đo
lường xem liệu rằng ý nghĩa của Hmt có giữ vững ý nghĩa nếu có sự hiện diện
của các biến tương ứng với các trạng thái khác nhau (hay sự thay đổi của các
nhân tố cơ bản) của thị trường hay không. Nếu những sự thay đổi trong
log[Stdc ( ] được đóng góp vào những biến này và không phải hiện tượng
bầy đàn ở mức độ thị trường, thì sự thêm vào của các biến này trong mô hình
sẽ làm cho Hmt không có ý nghĩa.
Vì sự hạn chế trong việc thu thập số liệu ở thị trường Việt Nam, đề tài kiểm
định tính bền vững của các kết quả từ mô hình gốc của HS (công thức 7-8)
bằng cách sử dụng chiều hướng thị trường (được phản ánh qua tỷ suất sinh lợi
của index) và sự biến động thị trường như các biến kiểm soát. Một cách cụ thể
hơn, tui đánh giá lại mô hình HS (2004) bằng cách sử dụng hai phiên bản khác
của công thức (7) như trình bày dưới đây:
16 Xem Phụ lục 9
30
log0*+,) #1 = 5 + 6 + GHIJK, + 7 (9)
log0*+,) #1 = 5 + 6 + GLMNO;IJK, +7 (10)
Trong đó rVNI,t là tỷ suất sinh lợi của VN-Index (VNI) ở thời điểm t và log σVNI,t
là logarith biến động thị trường được tính trên VN-Index.
2.4.2. Dữ liệu
2.4.2.1. Mẫu dữ liệu
Mẫu dữ liệu được thu thập từ tháng ngày 1/3/2002 (thời điểm bắt đầu giao dịch
suốt 5 ngày/tuần)17 đến ngày 30/4/2010.
Dữ liệu được sử dụng là các số liệu về VN-Index, và các cổ phiếu niêm yết trên
sàn giao dịch chứng khoán Thành phố Hồ Chí Minh. Tỷ suất sinh lợi phi rủi ro
sử dụng trong các tính toán là lãi suất bình quân liên ngân hàng kỳ hạn 3 tháng
(VNIBOR 3 tháng). 18
Nguồn thu thập dữ liệu: Reuters.
2.4.2.2. Phương pháp xử lý số liệu19
Từ dữ liệu gốc thu thập từ Reuters, các số liệu sử dụng trong các mô hình được
tính toán như sau:
Các tỷ suất sinh lợi được tính theo công thức = ln QQRS
Để ước lượng các thành phần không quan sát được trong 2 công thức (7), (8),
đòi hỏi phải có chuỗi dữ liệu beta chéo của các cổ phiếu trong thị trường. Để
làm điều này, trước tiên đề tài sử dụng dữ liệu theo ngày để tính giá trị beta của
từng cổ phiếu và VN-Index trong từng tháng. Sau khi có số liệu beta từng
17 Việc sử dụng ngày bắt đầu của mẫu dữ liệu là ngày 1/3/2002 (ngày bắt đầu có giao dịch 5 ngày/tuần)
mà không phải ngày bắt đầu giao dịch của HOSE để loại trừ ảnh hưởng (có thể có) của sự không đồng
nhất chuỗi dữ liệu thời gian trước đó (chỉ giao dịch 3 ngày/tuần).
18 Đề tài sử dụng VNIBOR 3 tháng thay mặt cho lãi suất phi rủi ro thay vì sử dụng lãi suất tín phiếu (trái
phiếu kỳ hạn 1 năm) kho bạc vì những lý do sau: trong quá trình xử lý số liệu, có sử dụng phần bù rủi
ro chứng khoán theo ngày, đòi hỏi phải có lãi suất phi rủi ro theo ngày và dữ liệu VNIBOR đáp ứng
tiêu chí này, trong khi lãi suất trái phiếu 1 năm trong nhiều ngày không thu thập được (khi tác giả sử
dụng Reuters Knowledge để truy xuất); ngoài ra, theo đánh giá của tác giả trên những số liệu VNIBOR
3 tháng và lãi suất trái phiếu kho bạc có sự tương quan lớn, mức chênh lệch không nhiều (đặc biệt khi
tính ra lãi suất theo ngày)
19 Các số liệu tính toán được tham khảo Bảng 2 và Bảng 3, Phụ lục
31
tháng t của các cổ phiếu, tui tiến hành tính beta chéo của toàn bộ cổ phiếu trong
từng tháng bằng công thức sau:
*+,) TU V W = X∑ Z − ZU [[[[[['J\? ]
Trong đó, ZU [[[[[[ = ?J∑ Z J\? , ] là số cổ phiếu ở tháng t.
Một cổ phiếu chỉ được ghi nhận là có mặt trong tháng t khi chúng có dữ liệu ít
nhất là 13 ngày giao dịch trong tháng.
2.4.3. Kết quả từ mô hình
Sử dụng phần mềm Eviews để ước lượng các tham số đ...
