1. Giới thiệu
HĐTL chỉ số được đưa vào giao dịch trên thị trường chứng khốn (TTCK) Việt Nam đánh dấu sự ra đời của TTCKPS. Kể từ phiên giao dịch đầu tiên diễn ra vào ngày 10/8/2017, sau gần một năm giao dịch, KLGD cũng như giá trị giao dịch của thị trường ngày càng tăng. Với thị trường phái sinh HĐTL chỉ số, luôn tồn tại mối quan hệ giữa KLGD của thị trường đối với biến động của hàng hóa cơ sở (cụ thể là chỉ số VN30). Nếu mối quan hệ này tồn tại và đủ lớn, nhà đầu tư có thể đưa ra các dự báo và quyết định đầu tư.
2. Cơ sở lý thuyết của nghiên cứu
Đối với mối quan hệ giữa giá và KLGD trên TTCK, đã có nhiều nghiên cứu trước đây thực hiện đối với các TTCK trên thế giới. Phần lớn các nghiên cứu đều tìm ra mối tương quan thuận giữa biến động của giá chứng khốn và KLGD. Ibrahim và Othoman (2000) đã tìm ra mối tương quan thuận tác động từ giá chứng khốn tới KLGD tại Sở Giao dịch Chứng khốn (SGDCK) Kuala Lumpur, Malaysia. Năm 2000, Gokce đã chứng minh mối quan hệ nhân quả giữa giá chứng khốn và KLGD theo chiều tác động từ giá tới KLGD tại SGDCK Istanbul, Thổ Nhĩ Kỳ. Cùng kết quả nghiên cứu về tác động của giá chứng khốn gây ra biến động của KLGD trên TTCK, Deo cùng cộng sự (2008) đã thực hiện nghiên cứu tại SGDCK châu Á - Thái Bình Dương, Ejera (2006) thực hiện tại SGDCK Mỹ thông qua các chứng chỉ lưu ký ADRs.
Tương tự đối với thị trường phái sinh, KLGD và giá chứng khốn cơ sở cũng có mối quan hệ nhân quả. Cornell (1981) đã tìm thấy mối quan hệ tích cực giữa KLGD và thay đổi về giá đối với giao dịch HĐTL hàng hóa. Kocagil cùng cộng sự (1998) thực hiện kiểm định dựa trên 16 HĐTL của Mỹ bao gồm nhiều ngành khác nhau đã đưa ra nhận định tồn tại mối quan hệ nhân quả giữa giá và KLGD HĐTL tại một số ngành nhất định. Tuy nhiên, Chen cùng cộng sự (2004) đã phân tích mối quan hệ này trên thị trường tương lai hàng hóa của Trung Quốc đã không tìm thấy mối quan hệ từ giá tới KLGD và ngược lại. Cùng chung nhận định không tồn tại mối quan hệ giữa hai biến số này, Gurgul cùng cộng sự (2005) nhấn mạnh rằng tồn tại mối quan hệ hai chiều giữa biến động lợi nhuận bất thường và KLGD tăng thêm trong giao dịch HĐTL chỉ số DAX. Nguyễn và Daigler (2006) đã kiểm định mối quan hệ nhân quả giữa giá, KLGD và biến động cho thấy có tồn tại mối quan hệ giữa giá và KLGD HĐTL và mối quan hệ là một chiều từ giá đến KLGD.
Như vậy, các nghiên cứu đều chỉ ra tồn tại mối quan hệ nhân quả giữa KLGD của HĐTL và giá của chứng khốn cơ sở. Đối với thị trường cổ phiếu, mối quan hệ này được chứng minh là tích cực, tuy nhiên đối với thị trường phái sinh, mối quan hệ giữa KLGD HĐTL và giá chứng khốn cơ sở còn có sự khác biệt tại các thị trường. Đối với TTCKPS Việt Nam, do mới giao dịch trong một năm trở lại đây, các nghiên cứu về mối quan hệ giữa KLGD HĐTL và giá hàng hóa cơ sở còn chưa được quan tâm. Bởi vậy, nghiên cứu về mối quan hệ này là cần thiết trong thời gian này.
3. Phương pháp nghiên cứu
Phương pháp kiểm định nhân quả Granger cho phép nghiên cứu mối quan hệ giữa lạm phát và TTCK. Tuy vậy, kiểm định Granger sẽ được thực hiện khi các chuỗi dữ liệu phải đáp ứng điều kiện về tính dừng thông qua kiểm định nghiệm đơn vị.
3.1. Kiểm định nghiệm đơn vị
Để kiểm tra tính dừng của chuỗi dữ liệu nghiên cứu, tác giả sẽ sử dụng kiểm định là ADF (Augmented Dickey Fuller). Kiểm định này có mô hình được viết dưới dạng như sau: Mô hình (1) và (2) khác nhau ở biến xu hướng về thời gian, dành cho những chuỗi dữ liệu có xu thế biến động.
Kết quả kiểm định của ADF thường rất nhạy cảm với chiều dài độ trễ k nên sau khi thực hiện kiểm định nghiệm đơn vị, tiêu chuẩn AIC (Akaike’s Information Criterion) được sử dụng để lựa chọn k tối ưu cho mô hình. Giá trị k được lựa chọn sao cho AIC là nhỏ nhất.
Giả thuyết kiểm định:
Ho: Yt là chuỗi dữ liệu khơng dừng
H1: Yt là chuỗi dữ liệu dừng
3.2. Kiểm định Granger
Kiểm định nhân quả Ganger được thể hiện theo mơ hình sau:
Với sự thay đổi của các hệ số hồi quy βj, δi, mối quan hệ giữa hai biến Xt và Yt được xác định như sau:
- Nếu βj khác không và có ý nghĩa thống kê, nhưng δi không có ý nghĩa thì sự biến động của X là nguyên nhân gây ra sự biến động của Y
- Nếu βj không có ý nghĩa thống kê, nhưng δi khác không và có ý nghĩa thì sự biến động của Y là nguyên nhân gây ra sự biến động của X
- Nếu βj và δi đều khác không và có ý nghĩa thống kê thì X và Y có tác động qua lại lẫn nhau.
- Nếu βj và δi đều không có ý nghĩa thống kê thì X và Y là độc lập với nhau.
4. Kết quả nghiên cứu
a. Mô tả dữ liệu
Dữ liệu nghiên cứu về mối quan hệ giữa khối lượng HĐTL chỉ số được giao dịch và biến động của chỉ số VN30 được thể hiện thông qua hai chuỗi dữ liệu: Chỉ số VN30Index (VN30) và Khối lượng hợp đồng giao dịch hàng ngày (FVOL). Khoảng thời gian nghiên cứu được thực hiện từ ngày giao dịch đầu tiên của TTCKPS Việt Nam (10/8/2017) cho đến ngày 06/8/2018, với tổng số 248 quan sát. Theo đó, chỉ số VN30 và Khối lượng HĐTL giao dịch hàng ngày được tác giả thống kê từ Báo cáo nhận định thị trường phái sinh hàng ngày của Công ty Cổ phần Chứng khóan Sài Gòn (SSI).
Kết quả thống kê mô tả dữ liệu từ Hình 1, Hình 2 và Bảng 1 cho thấy biến động của hai chuỗi dữ liệu trong khoảng thời gian nghiên cứu ở mức độ cao. Trong gần một năm kể từ khi bắt đầu giao dịch, TTCKPS Việt Nam chứng kiến sự tăng trưởng ngày càng cao về KLGD mỗi phiên, đặc biệt kể từ đầu năm 2018, khối lượng hợp đồng giao dịch mỗi phiên tăng mạnh so với thời điểm nửa cuối năm 2017. Với giá trị lớn nhất đạt được trong giai đoạn này là 164.872 hợp đồng và độ lệch chuẩn đạt mức cao (41164.86). Chỉ số VN30 theo diễn biến chung của thị trường cũng có những thay đổi đáng kể trong giai đoạn này. Với giá trị lớn nhất của chỉ số đạt được là 1.177 điểm và giá trị bé nhất là 738,2 điểm. Thêm vào đó, sự biến động của hai chuỗi dữ liệu trong giai đoạn này đều thể hiện xu hướng rõ rệt.
b. Kiểm định tính dừng của chuỗi dữ liệu
Để thực hiện kiểm định Granger về mối quan hệ giữa hai chuỗi dữ liệu, một trong những điều kiện tiên quyết là các chuỗi dữ liệu phải là chuỗi dừng. Thực hiện kiểm định tính dừng thông qua kiểm định ADF (Augmented Dickey-Fuller) với chuỗi dữ liệu có xu hướng thời gian. Ta nhận thấy từ giá trị thống kê ADF, cả hai chuỗi giá VN30 Index và KLGD trên TTCKPS đều không dừng. Thực hiện lấy sai phân bậc 1 cả hai chuỗi dữ liệu, ta có chuỗi sai phân bậc 1 của VN30 và FVOL dừng với mức ý nghĩa 1% (xem Bảng 2).
c. Kiểm định độ trễ
Sau khi thực hiện kiểm định tính dừng, để xác định được độ trễ của mô hình khi tiến hành kiểm định Granger, tác giả thực hiện ước lượng mô hình VAR với hai biến DVN30 và DFVOL để xác định độ trễ tối đa của mô hình. Sử dụng tiêu chuẩn AIC để kiểm tra, với giá trị AIC nhỏ nhất sẽ được lựa chọn tương ứng với độ trễ phù hợp của mô hình. Từ kết quả Bảng 3 cho thấy, AIC nhận giá trị nhỏ nhất là 28.95628 tại giá trị trễ 7. Như vậy, độ trễ tối đa của mô hình sẽ nhận giá trị là 7 (k=7).
d. Kiểm định quan hệ nhân quả
Với giá trị trễ (k=7) đã xác định ở trên, thực hiện kiểm định Granger với hai biến là DVN30 và DFVOL để tìm ra mối quan hệ nhân quả giữa 2 giá trị này. Với độ trễ từ 1 đến 7, chuỗi sai phân VN30 có quan hệ nhân quả với chuỗi sai phân của KLGD HĐTL. Nói cách khác, sự biến động của hàng hóa cơ sở (chỉ số VN30) gây ra sự biến động của KLGD trên TTCKPS. Tuy nhiên, ở chiều ngược lại, biến động trong khối lượng HĐTL giao dịch hàng ngày lại không có mối quan hệ nhân quả với biến động của chỉ số VN30 tại các mức trễ từ 1 tới 6. Với trễ k = 7, mối quan hệ nhân quả hai chiều xảy ra đối với cả hai chuỗi dữ liệu (xem Bảng 4).
e. Kiểm định hồi quy ảnh hưởng của KLGD và chỉ số VN30
Dựa trên mô hình Var với bậc của trễ tương ứng là bậc 7. Ta có mô hình hồi quy cho kết quả kiểm định với biến phụ thuộc là DVN30 và các biến độc lập tương ứng DVN30(-k) và DFVOL(-k) với k là số bậc trễ nhận giá trị từ 1 đến 7.
Phương trình hồi quy được sử dụng có dạng:
Y1t: Chỉ số VN30-index ngày thứ t
Y2t: Khối lượng HĐTL giao dịch tại ngày thứ t
k: Chiều dài độ trễ về thời gian (ngày) (k=7)
Sau khi thực hiện ước lượng với mô hình Var, tác giả đã thực hiện kiểm định bỏ biến với một số biến không có ý nghĩa trong mô hình. Kết quả còn lại được trình bày trong Bảng 5 và Bảng 6.
Kết quả hồi quy từ Bảng 5 với biến phụ thuộc là DVN30 cho thấy sự biến động của chỉ số VN30 Index ở ngày hiện tại có mối quan hệ với biến động của chính nó tại các phiên giao dịch liền trước (với các độ trễ lần lượt là 2, 4, 6 và 7). Cụ thể, nếu phiên giao dịch thứ 2, 3, 4 liền trước của VN30 tăng thì chỉ số sẽ tăng ở phiên hiện tại. Tuy nhiên, nếu khoảng thời gian liền trước đó chỉ số VN30 có biến động tăng sẽ tác động ngược chiều tới chỉ số VN30 ở phiên giao dịch thứ 6 và 7 sau đó. Kết quả này cũng phù hợp với thực tế về xu hướng biến động tại TTCK Việt Nam trong giai đoạn vừa qua khi sự điều chỉnh của chỉ số chứng khóan thường xảy ra sau 5 đến 6 phiên tăng hoặc giảm điểm.
Từ Bảng 5 cũng cho thấy tác động của KLGD trên TTCKPS tới chỉ số VN30 là ngược chiều và không quá lớn. Với độ trễ k=5 và 7 cho thấy sau một tuần giao dịch, KLGD thay đổi mới có ảnh hưởng tới sự biến động của hàng hóa cơ sở. Mức thay đổi không đáng kể, nếu KLGD biến động 01 hợp đồng thì sẽ tác động ngược chiều lên biến động của chỉ số VN30 ở mức 0.00019 điểm đến 0.0003 điểm.
Kết quả hồi quy ở Bảng 6 với biến phụ thuộc là DFVOL cho ta kết quả về mối quan hệ của DVN30 và các biến trễ tới sự thay đổi của KLGD HĐTL chỉ số. Theo đó, biến động của chỉ số có mối quan hệ ngược chiều với biến động của KLGD trên TTCKPS. Mức độ ảnh hưởng của chỉ số VN30 càng lớn với những phiên giao dịch liền kề nhau. Tại độ trễ k=1 (phiên giao dịch liền trước), nếu chỉ số VN30 tăng 1 điểm thì khối lượng HĐTL giao dịch trong ngày hiện tại sẽ giảm 200,18 hợp đồng. Với độ trễ k=3 mức ảnh hưởng giảm xuống còn 97,82 hợp đồng.
Theo kết quả này, tác động của khối lượng hợp đồng giao dịch trong các ngày liền kề có ảnh hưởng tới nhau mặc dù mức ảnh hưởng không phải quá lớn. Tại các độ trễ k từ 1 đến 4, mối quan hệ giữa KLGD với chính nó là nghịch biến. Nói cách khác, nếu KLGD của 4 phiên liên tiếp liền trước giảm thì KLGD tại phiên hiện tại sẽ tăng. Mức độ thay đổi là lớn nhất đối với độ trễ k=1 (phiên giao dịch liền trước). Ngược lại, tại phiên giao dịch 7 ngày trước đó (k=7) biến động của KLGD có ảnh hưởng cùng chiều mặc dù mức ảnh hưởng không phải là quá lớn (0,127960).
5. Kết luận
Kết luận từ kiểm định mối quan hệ nhân quả và mối tương quan giữa KLGD của HĐTL chỉ số VN30 và biến động của hàng hóa cơ sở (chỉ số VN30) cho thấy có tồn tại mối quan hệ nhân quả giữa hai biến số này. Đầu tiên, kết quả kiểm định Granger cho thấy sự tác động của chỉ số VN30 lên KLGD của HĐTL trên TTCKPS. Sự tác động này tồn tại ở các phiên giao dịch liên tiếp liền trước cho thấy mức ảnh hưởng trực tiếp của hàng hóa cơ sở lên KLGD HĐTL chỉ số. Tuy nhiên, ở chiều ngược lại, KLGD HĐTL chỉ số có mối quan hệ yếu tới sự thay đổi của chỉ số VN30. Điều này phù hợp với thực tế TTCK bởi chỉ số VN30 chịu tác động bởi nhiều nhân tố vĩ mô khác nhau như cung tiền, lãi suất, tăng trưởng GDP…
Thêm vào đó, kết quả mô hình hồi quy cho thấy mức độ ảnh hưởng lớn hay nhỏ của hai biến này lên nhau. Đáng chú ý là sự thay đổi của chỉ số VN30 phiên trước đó có tác động ngược chiều lên thay đổi của KLGD HĐTL với mức độ tương đối lớn (200 hợp đồng). Dấu của hệ số hồi quy trong hai mô hình còn cho thấy mối quan hệ cùng chiều giữa chỉ số VN30 với các phiên giao dịch liên tiếp trước đó và mối quan hệ ngược chiều giữa KLGD với các phiên giao dịch liền trước. Mối quan hệ này được đánh giá là phù hợp với những biến động trên TTCK Việt Nam trong giai đoạn nghiên cứu khi thị trường có những đợt tăng giảm xen kẽ khoảng từ 5 đến 6 phiên giao dịch.
Kết quả của nghiên cứu cũng giúp cho các nhà đầu tư dự vào biến động của chỉ số VN30 để phán đóan được KLGD HĐTL chỉ số trên TTCKPS, cùng với đó là nắm được chiều hướng và mức độ ảnh hưởng của TTCKPS lên hàng hóa cơ sở của nó.
Tài liệu tham khảo
1. Cornell, Bradford, 1981, The Relationship Between Volume and Price Variability in Futures Markets, Journal of Futures Markets, Vol.1, No.3, pp. 303-316.
2. Deo, Malabika, Srinivasan K, Devanadhen K., 2008, The Empirical Relationship between Stock Returns, Trading Volume and Volatility: Evidence from Select Asia-Pacific Stock Market, European Journal of Economics Finance and Administrative Sciences, Issue 12, pp.58-68.
3. Ejara, Demissew Diro, 2006, Price-Volume Relations in the ADR Markets, International Financial Management Association Annual Meeting, October 11-14, Salt Lake City, Utah- U.S.A.
4. Gurgul Henryk, Mestel Roland, 2005, PriceVolume Relations on the German Stock Market, 8th Conference Zurich SWX Swiss Exchange, April 8, Zurich.
5. Ibrahim, Izani, Othman Yaccob, 2000, The Relationship Between Trading Volume, Returns and Volatility in the Kuala Lumpur Stock Exchange, Pengurusan Journal,vol.19.
6. Kayali, Mustafa & Deniz Akarim, Yasemin. (2010). Price and Trading Volume Relationship in Futures Markets: Evidence from Turkey. The Empirical Economics Letters. 9. 565.
7. Kocagil Ahmet, Shachmurove Yochanan, 1998, Return-Volume Dynamics in Futures Markets, The Journal of Futures Markets, Vol. 18, No. 4, pp.399426.
8. Nguyen Duong, Daigler Robert, 2006, A ReturnVolume-Volatility Analysis of Futures Contracts, Educational Research Symposia-Futures Research Symposium, 23 March, Kent State University.
9. Dữ liệu giá và khối lượng được lấy từ trang web ssi.com.vn