Trong quá trình nghiên cứu và thực hiện đề tài khóa luận tốt nghiệp “Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản, mình nhận thấy rằng đề tài không chỉ giúp bản thân vận dụng hiệu quả những kiến thức đã học vào thực tế mà còn góp phần củng cố, mở rộng hiểu biết và tích lũy kinh nghiệm quý báu cho công việc và chuyên môn sau này. Với mong muốn hỗ trợ các bạn sinh viên đang trong quá trình học tập và làm khóa luận, mình xin chia sẻ đề tài khóa luận tốt nghiệp: Tác động của các nhân tố Co-Moments bậc cao và định giá tài sản trên thị trường chứng khoán các nền kinh tế mới nổi bằng cách tiếp cận hồi quy phân vị này như một tài liệu tham khảo hữu ích, hy vọng sẽ phần nào giúp các bạn định hướng tốt hơn khi nghiên cứu các vấn đề liên quan đến công tác đào tạo nguồn nhân lực trong doanh nghiệp.
TÓM TẮT ĐỀ TÀI
Bài nghiên cứu này điều tra vai trò của những moments bậc cao (bậc thứ ba và thứ tư) đến tác động tỷ suất sinh lợi của cổ phiếu theo tần suất tuần. Bài nghiên cứu sử dụng dữ liệu của 25 thị trường chứng khoán mới nổi (được phân loại theo MSCI – Morgan Stanley Capital International) trong giai đoạn từ tháng 4 năm 2013 đến tháng 11 năm 2025. Tác giả tiến hành ứng dụng mô hình CAPM truyền thống kết hợp với hai nhân tố bậc cao đồng độ lệch (Co-skewness) và đồng độ gù (Co-kurtosis) dại diện cho hình dạng phân phối phi tuyến tính trong việc đo lường rủi ro. Qua đó, tác giả ước tính lợi nhuận kỳ vọng qua việc sử dụng phương pháp hồi quy phân vị tại năm mức phân vị khác nhau. Kết quả nghiên cứu cho thấy ba nhân tố bao gồm phần bù thị trường, phần bù đồng độ lệch và phần bù đồng độ gù có tác động đáng kể đến tỷ suất sinh lợi của chỉ số chứng khoán ở từng thị trường mới nổi tại các mức ý nghĩa 1%; 5% và 10%. Bên cạnh đó, mô hình CAPM kết hợp với hai nhân tố bậc cao cho thấy khả năng giải thích tốt hơn cho sự dự đoán giá trị tỷ suất sinh lợi của chỉ số chứng khoán ở các thị trường mới nổi so với mô hình CAPM truyền thống. Quan trọng hơn, các nhà đầu tư nên đầu tư nhiều hơn vào các thị trường có mức độ đồng lệch cao và giảm thiểu khối vốn đầu tư tại các thị trường có mức độ đồng độ gù cao trong việc tối đa hóa tỷ suất sinh lợi.
CHƯƠNG 1: GIỚI THIỆU Ý TƯỞNG NGHIÊN CỨU
Chương 1 sẽ giới thiệu tổng thể bố cục của bài nghiên cứu. Nội dung chính của chương này bao gồm các phần như sau: mục 1. tính cấp thiết và tính mới của đề tài, mục 2. mục tiêu nghiên cứu và câu hỏi nghiên cứu, mục 3. đối tượng và phạm vi nghiên cứu, mục 4. phương pháp nghiên cứu, mục 5. đóng góp của đề tài và mục 6. bố cục của đề tài.
1.1. Tính cấp thiết và tính mới của đề tài
1.1.1. Tính thiết yếu của đề tài
Trong năm 2025, hầu như các nhà đầu tư trên thị trường chứng khoán Việt nam đều đề cập đến câu chuyện nâng hạng thị trường. Cụ thể là việc nâng hạng thị trường Việt nam từ một thị trường sơ khai (frontier market) lên nhóm thị trường mới nổi (emerging market) theo phân loại của MSCI. Tính đến tháng 2/2026, thị trường chứng khoán Việt nam đã có bốn doanh nghiệp (VNM, VIC, MSN, HPG) đáp ứng tiêu chí về định lượng nhóm B trong việc nâng hạng thị trường theo MSCI. Do đó, khi các nhà điều hành cải thiện được các vấn đề định tính mà cụ thể là các chỉ tiêu về mức độ mở cửa của thị trường đối với nhà đầu tư nước ngoài, cải thiện cơ sở hạ tầng để cho ra đời các sản phẩm đầu tư mới, hệ thống thanh toán bù trừ,… thị trường chứng khoán Việt nam sẽ sớm hội đủ các yêu cầu trong việc nâng hạng thành nhóm thị trường mới nổi. Khi đó, kịch bản về một thị trường chứng khoán Việt nam tăng trưởng với tốc độ thần kỳ ở mức từ 30% – 40% khi vừa bước vào nhóm mới nổi tương tự kịch bản của các quốc gia Arab Emirates, Qatar, Pakistan là điều hoàn toàn có thể xảy ra. Do đó, xuất phát từ những tiềm năng mà thị trường chứng khoán Việt nam có thể đạt được trong kịch bản nâng hạng thị trường, việc tìm ra một mô hình đo lường chỉ số chứng khoán, các yếu tố tác động đến chỉ số thị trường mới nổi là một việc thiết yếu không chỉ dành riêng cho các nhà quản lý chính sách mà còn quan trọng đối với các nhà đầu tư trong nước.
Các nhà nghiên cứu như Soosung Hwang và cộng sự (2007), Serdar Neslihanoglu và cộng sự (2025) đã chỉ ra sự tồn tại của các nhân tố bậc cao lên chỉ số thị trường của các quốc gia mới nổi bằng các phương pháp như GMM, OLS,… Cụ thể, việc sử dụng mô hình CAPM mở rộng kết hợp hai nhân tố bậc cao Đồng độ lệch (Coskewness) và Đồng độ gù (Cokurtosis) có ý nghĩa trong việc giải thích tỷ suất sinh lợi của cổ phiếu cũng như chỉ số chứng khoán. Do đó, trong bài nghiên cứu này tác giả thực hiện việc đo lường tác động của các nhân tố rủi ro hệ thống bậc cao gồm phần bù Đồng độ lệch (Coskewness), phần bù Đồng độ gù (Cokurtosis) và rủi ro thị trường (RMP) trong việc ảnh hưởng đến tỷ suất sinh lợi của các chỉ số thị trường tại 25 quốc gia mới nổi trong giai đoạn từ tháng 4 năm 2013 đến tháng 11 năm 2025 thông qua phương pháp hồi quy phân vị. Qua đó, tác giả đưa ra cái nhìn tổng quát về tác động của các nhân tố này trên từng mức phân vị và so sánh sự hiệu quả giữa phương pháp OLS và phương pháp hồi quy phân vị. Dựa trên kết quả này, tác giả đưa ra mô hình và phương pháp hồi quy phù hợp cũng như các khuyến nghị cho các nhà đầu tư, các nhà quản lý – điều hành chính sách.
1.1.2. Tính mới của đề tài Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
- Đề tài đạt được những tính mới cụ thể trong nghiên cứu như sau:
Thứ nhất về phương pháp nghiên cứu, đề tài đã sử dụng phương pháp hồi quy phân vị trong việc xem xét tác động của TSSL chỉ số chứng khoán tại 25 quốc gia mới nổi. Qua đó, làm rõ tác động của các nhân tố này tại từng mức phân vị để có cái nhìn tổng quát trong việc so sánh với phương pháp hồi quy Dựa vào kết quả này, tác giả có thể đánh giá các ưu nhược điểm giữa phương pháp hồi quy phân vị và hồi quy OLS.
Về không gian – thời gian nghiên cứu tương đối mới và sát với giai đoạn hiện tại, đề tài sử dụng dữ liệu của 25 quốc gia mới nổi trong giai đoạn từ tháng 4 năm 2013 đến tháng 11 năm Tác giả sử dụng dữ liệu được chỉ số của các quốc gia mới nổi được phân loại theo MSCI tại thời điểm tháng 11 năm 2025. Dữ liệu nghiên cứu được lấy theo tuần để tránh các hiệu ứng tài chính hành vi như hiệu ứng thứ hai, thứ sáu,… Với việc thu thập bộ dữ liệu theo tuần giúp đảm bảo tính hoạt động liên tục, loại bỏ đi các yếu tố về chênh lệch ngày giao dịch giữa các quốc gia khác nhau.
1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu
1.2.1. Mục tiêu nghiên cứu
- Chứng minh tác động của hai nhân tố moment bậc cao (Coskewness và Cokurtosis) đến việc đo lường TSSL của chỉ số thị trường chứng khoán các quốc gia mới nổi.
- Áp dụng phương pháp hồi quy phân vị trong việc đánh giá tác động của mô hình CAPM mở rộng, từ đó so sánh kết quả hồi quy giữa phương pháp phân vị với phương pháp OLS nhằm lựa chọn phương pháp tối ưu.
- Khuyến nghị mô hình đo lường TSSL tài sản và các khuyến nghị có thể đề xuất được rút ra từ kết quả nghiên cứu.
1.2.2. Câu hỏi nghiên cứu
- Thị trường chứng khoán của các quốc gia mới nổi có chịu tác động của các nhân tố bậc cao (Coskewness và Cokurtosis) đến TSSL của chỉ số chứng khoán hay không?
- Mức độ tác động và chiều hướng tác động của các nhân tố này lên TSSL của chỉ số chứng khoán trong giai đoạn nghiên cứu có giá trị như thế nào?
- Hiệu quả trong việc đo lường sự biến động TSSL của mô hình CAPM mở rộng (thêm hai nhân tố Coskewness và Cokurtosis) so với mô hình CAPM truyền thống như thế nào?
- Khuyến nghị được đưa ra cho các nhà đầu tư và nhà hoạch định chính sách cũng như mô hình đo lường TSSL hiệu quả là gì? Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
1.3. Đối tượng nghiên cứu và phạm vi nghiên cứu
1.3.1. Đối tượng nghiên cứu
TSSL của chỉ số chứng khoán, tác động của hai nhân tố đồng moment bậc cao bao gồm nhân tố Đồng độ lệch (CSK) và Đồng độ gù (CKT) và mối quan hệ giữa TSSL của các chỉ số chứng khoán với hai nhân tố bậc cao.
1.3.2. Phạm vi nghiên cứu
Dữ liệu bao gồm giá trị chỉ số của các thị trường chứng khoán mới nổi được phân loại theo tiêu chí của MSCI. Qua đó, tác giả thu thập các dữ liệu chỉ số của 25 thị trường mới nổi giai đoạn từ tháng 4 năm 2013 đến tháng 11 năm 2025. Tác giả chọn mốc thời gian này do giai đoạn này sát với thực nghiệm và phản ánh được gần hết chu kỳ kinh tế (thường kéo dài trong khoảng 10 năm). Ngoài ra, mốc thời gian này còn phản ánh được các yếu tố bất ngờ của cuộc khủng hoảng nợ dưới chuẩn 2016-2017.
1.4. Phương pháp nghiên cứu Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Đối với nghiên cứu này, tác giả chủ yếu sử dụng phương pháp định lượng bao gồm các phương pháp (thống kê, hồi quy OLS, hồi quy phân vị) cho việc thống kê và ước lượng kết quả nghiên cứu. Kết hợp với các giải thích dựa trên cơ sở lý thuyết nền cũng như đúc kết từ các bài nghiên cứu khác qua đó làm rõ các mục tiêu cũng như câu hỏi nghiên cứu. Đầu tiên, tác giả sử dụng phần mềm Microsoft Excel để xử lý dữ liệu thô (giá trị chỉ số chứng khoán của 25 thị trường mới nổi), tính toán giá trị tỷ suất sinh lợi, nhân tố rủi ro phần bù thị trường, giá trị đồng độ lệch, đồng độ gù cho mô hình thông qua dữ liệu chuỗi thời gian theo tần suất dữ liệu theo tuần. Bên cạnh đó, tác giả còn sử dụng phần mềm Stata 14 để thực hiện các phân tích định lượng bao gồm: thống kê mô tả, đo lường giá trị ma trận tương quan, hồi quy dữ liệu theo phương pháp OLS và phương pháp phân vị. Ngoài ra, tác giả còn sử dụng các phương pháp kiểm định như kiểm định tự tương quan, đa cộng tuyến, kiểm định kết quả hồi quy,… để đánh giá giá trị thu được. Cuối cùng, tác giả sử dụng ba phương pháp gồm hồi quy Pooled_OLS, FEM và REM để kiểm định tính vững (Robustness test). Dựa trên các kết quả ước lượng, kiểm định, tác giả tiến hành nhận định, đánh giá các tác động của các nhân tố phần bù rủi ro thị trường (RMP), phần bù Đồng độ lệch (CSKP) và phần bù Đồng độ gù (CKTP) đến TSSL của chỉ số chứng khoán các quốc gia mới nổi. Đề tài dựa trên mô hình CAPM của Sharpe (1970), các bài nghiên cứu của Soosung Hwang và cộng sự (2007), Kostakis và cộng sự (2019) và Serdar Neslihanoglu và cộng sự (2025).
1.5. Đóng góp của đề tài
1.5.1. Đóng góp về mặt lý luận
Bài nghiên cứu chứng minh tác động của các nhân tố bậc cao (Đồng độ lệch và Đồng độ gù) lên tỷ suất sinh lời của chỉ số chứng khoán các quốc gia mới nổi.
Áp dụng phương pháp hồi quy phân vị trong việc ước lượng tỷ suất sinh lợi chỉ số chứng khoán các quốc gia mới nổi.
1.5.2. Đóng góp về mặt thực nghiệm
Bài nghiên cứu đưa ra mô hình hiệu quả trong việc ước lượng tỷ suất sinh lợi của chỉ số chứng khoán tại khu vực các quốc gia mới nổi. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Dựa trên kết quả nghiên cứu, tác giả xây dựng các khuyến nghị về hàm ý chính sách cho nhà đầu tư quốc tế trong việc đầu tư vào các thị trường chứng khoán mới nổi. Bên cạnh đó, tác giả cũng đưa ra các khuyến nghị cho các nhà điều hành chính sách tại khu vực thị trường chứng khoán mới nổi. Qua đó, xây dựng bài học kinh nghiệm cho các quản lý tại thị trường chứng khoán Việt nam trong việc xây dựng các chính sách phù hợp trước cơ hội nâng hạng của thị trường chứng khoán Việt nam từ thị trường sơ khai sang thị trường mới nổi.
1.6. Bố cục đề tài
- CHƯƠNG 1: GIỚI THIỆU Ý TƯỞNG NGHIÊN CỨU
- CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
- CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
- CHƯƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
- CHƯƠNG 5 : KẾT LUẬN VÀ HẠN CHẾ
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1. Lý thuyết thị trường vốn và mô hình CAPM
2.1.1. Lý thuyết danh mục đầu từ Markowitz
Trước năm 1952, quy trình quản lý danh mục được được chia ra hai bước trong đó bước một được bắt đầu thông qua việc quan sát, thử nghiệm và kết thúc bằng việc đưa ra những sự tin tưởng dựa trên giá trị tương lai của tài sản. Bước hai được nối tiếp với bước một dựa trên các giá trị tương giữa các loại tài sản và tiến hành lựa chọn danh mục đầu tư. Trong đó, các nhà đầu tư dựa vào giá trị hiện tại tối ưu được kỳ vọng của các loại tài sản này để xây dựng danh mục mà chưa đề cập đến yếu tố rủi ro. Để giải quyết vấn đề về rủi ro, Harry Markowitz (1952) đã xây dựng nên “Lý thuyết danh mục đầu tư hiện đại” được công bố trên tạp chí tài chính (The journal of finance) năm 1952.
Bằng việc chứng minh rằng việc kết hợp các cổ phiếu riêng lẻ có mức độ rủi ro khác nhau thành một danh mục có mức rủi ro thấp hơn so với tổng thể. Markowitz đã khẳng định được việc giảm thiểu hóa rủi ro của danh mục đầu tư thông qua việc đa dạng hóa các tài sản có trong danh mục. Ông cũng chỉ ra rằng, tại mỗi mức rủi ro khác nhau sẽ tồn tại danh mục có tỷ suất sinh lợi kỳ vọng tương ứng, và phương trình đường cong chứa các danh mục có TSSL kỳ vọng cao nhất ở từng mức rủi ro đối ứng sẽ hình thành nên đường biên hiệu quả để hỗ trợ cho việc lựa chọn danh mục đầu tư tối ưu (Markowitz, 1952).
- Hình 2.1: Đường biên hiệu quả Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Với việc xây dựng danh mục đầu tư dựa trên lý thuyết của Markowitz, nhà đầu tư có hai sự lựa chọn trong đó có thể lựa chọn danh mục đầu tư tối ưu dựa trên sự tối đa hóa lợi nhuận tài sản mang lại hoặc các nhà đầu tư cũng có thể xây dựng danh mục đầu tư tối ưu thông qua việc tối thiểu hóa rủi ro. Lý thuyết danh mục đầu tư hiện đại của Markowitz không những chỉ ra việc lựa chọn danh mục đầu tư tối ưu mà còn cho thấy việc đánh đổi giữa lợi nhuận và rủi ro. Theo đó, để đạt được lợi nhuận tối đa nhà đầu tư phải chấp nhận mức rủi ro tương ứng hoặc họ có thể lựa chọn danh mục với mức rủi ro tối thiểu nhưng lợi nhuận chỉ nằm ở mức ứng với mức rủi ro này. Ngoài ra, Markowitz còn giới thiệu đến hai yếu tố đó chính là lợi nhuận kỳ vọng và độ lệch chuẩn. Với danh mục đầu tư giả định tồn tại gồm 𝑛 tài sản, tỷ suất sinh lời kỳ vọng của danh mục đầu tư này chính là lợi nhuận bình quân theo tỷ trọng tỷ suất sinh lời kỳ vọng cho từng tài sản tồn tại bên trong danh mục. Theo đó, phương trình tỷ suất sinh lời kỳ vọng của danh mục đầu tư 𝐸(𝑅𝑝) sẽ có dạng:
Trong đó:
- 𝐸(𝑅𝑝): là TSSL kỳ vọng của danh mục đầu tư có n tài sản
- 𝐸(𝑅𝑖) : là TSSL kỳ vọng của tài sản thứ i trong danh mục đầu tư
- W𝑖 : là tỷ trọng của tài sản thứ i trong danh mục đầu tư.
Độ lệch chuẩn của danh mục còn được coi là giá trị đại diện rủi ro cho danh mục đầu tư. Thông qua đó, Markowitz cho rằng rủi ro của danh mục chính là độ biến động về lợi nhuận (gồm cả biến động dương và biến động âm). Giá trị này được ước lượng thông qua phương trình sau:
Trong đó:
- 𝜎𝑝: giá trị độ lệch chuẩn của danh mục đầu tư
- 𝜎2: giá trị phương sai của tài sản i trong danh mục đầu tư
- 𝑐𝑜𝑣𝑖,𝑗: giá trị hiệp phương sai giữa tài sản i và tài sản j trong danh mục đầu tư
- 𝑤𝑖, 𝑤𝑗: tỷ trọng của tài sản thứ i và thứ j trong danh mục đầu tư.
Với giá trị hiệp phương sai là thước đo về mức độ biến động giữa hai loại tài sản dựa trên giá trị trung bình của chúng trong khoảng thời gian ước lượng. Khi giá trị hiệp phương sai đạt giá trị dương tức TSSL giữa hai loại tài sản này biến thiên cùng chiều. Ngược lại, khi giá trị hiệp phương sai mang giá trị âm, điều này cho thấy TSSL giữa hai loại tài sản có sự biến thiên ngược chiều (Van Kampen, 1981). Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
- 𝐶𝑜𝑣𝑖,𝑗 = 𝜎𝑖𝜎𝑗𝑝𝑖,𝑗 (2.3)
Trong đó:
- 𝜎𝑖, 𝜎𝑗: là giá trị độ lệch chuẩn của tài sản i và tài sản j
- 𝑝𝑖,𝑗: là giá trị hệ số tương quan của hai tài sản i và j.
Nếu giá trị này = -1, hai tài sản này có quan hệ tuyến tính âm hoàn hảo. Khi giá trị này = 0, hai tài sản này hầu như không có quan hệ tuyến tính. Và khi 𝑝𝑖,𝑗 = 1, hai tài sản tồn tại quan hệ tuyến tính dương hoàn hảo.
Bên cạnh đó, vì khẩu vị giữa các nhà đầu tư là không giống nhau nên mối quan hệ giữa yếu tố lợi nhuận (TSSL kỳ vọng) và yếu tố chấp nhận rủi ro (độ lệch chuẩn) được thể hiện thông qua hàm hữu dụng (𝑈). Các hàm hữu dụng (𝑈) này đại diện cho mức độ chấp nhận giữ việc đánh đổi lợi nhuận – rủi ro của nhà đầu tư. Do đó, danh mục đầu tư hiệu quả được cho là tiếp điểm giữa hàm hữu dụng (𝑈) và đường cong hiệu quả (Markowitz, 1952).
Trong đó:
- 𝑈(𝐸(𝑅), 𝜎): hàm hữu dụng dựa trên giá trị lợi nhuận kỳ vọng và độ lệch chuẩn
- 𝐸(𝑅): là giá trị lợi nhuận kỳ vọng của danh mục đầu tư
- 𝜎: là giá trị độ lệch chuẩn của danh mục đầu tư
- 𝐴: là giá trị hệ số ngại rủi ro của nhà đầu tư.
Hình 2.2: Đường biên hiệu quả theo mức độ ngại rủi ro
Với việc xây dựng danh mục dựa trên lý thuyết “Danh mục đầu tư hiện đại” của (Markowitz, 1952), nhà đầu tư có thể lựa chọn danh mục đầu tư phù hợp với mức ngại rủi ro của họ. Phương pháp này cho phép nhà đầu tư có thể lựa chọn danh mục đầu tư mang về mức lợi nhuận tối ưu trong khi vẫn có thể duy trì được mức rủi ro phù hợp với khẩu vị của chính nhà đầu tư đó. Tuy nhiên, phương pháp này lại hạn chế trong trường hợp danh mục tồn tại quá nhiều tài sản sẽ dẫn đến trở ngại trong việc tính toán.
2.1.2. Lý thuyết thị trường vốn và mô hình CAPM Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Dựa trên nền tảng lý thuyết “Danh mục đầu tư hiện đại” của Markowitz (1952), William Sharpe tiếp tục phát triển và nghiên cứu sâu hơn về lý thuyết thị trường vốn là một trong những cơ sở cho việc hình thành mô hình định giá tài sản vốn (CAPM – Sharpe, 1964). Ngoài Sharpe (1970), Lintner (1965) và Mossin (1966) cũng đưa ra các nghiên cứu của họ về thị trường tài sản vốn. Theo đó, mô hình định giá tài sản vốn (CAPM) thể hiện mối quan hệ giữa lợi nhuận và rủi ro, trong đó giá trị lợi nhuận kỳ vọng của tài sản được đo lượng bởi hai yếu tố là giá trị lãi suất phi rủi ro và phần bù yếu tố rủi ro thị trường.
- Trong đó, Sharpe (1964) đã đưa ra các giả định cho việc hình thành mô hình CAPM như sau:
Các nhà đầu tư nắm giữ danh mục chứng khoán đã được đa dạng hóa. Mục đích của giả định này nhằm triệt tiêu tác động của rủi ro hệ thống tới tỷ suất sinh lời của chứng khoán.
Thị trường chứng khoán là hiệu quả, mọi thông tin đã được phản ánh vào giá của chứng khoán.
Các nhà đầu tư trên thị trường có thể tiến hành vay nợ cũng như cho vay với lãi suất phi rủi ro và lãi suất này không đổi theo thời gian.
Ngoài ra, các nhà đầu tư trên thị trường không chịu tác động của các chi phí môi giới, thuế lên việc mua bán chứng khoán.
Theo lý thuyết thị trường vốn, đường CML sẽ được tạo ra giữa việc kết hợp một danh mục đầu tư phi rủi ro (trong đó yếu tố lãi suất phi rủi ro làm đại diện) và danh mục đầu tư thị trường M. Đường CML chính là đường thẳng bắt đầu từ lãi suất phi rủi ro và tiếp điểm M của đường biên hiệu quả. Do đó, phương trình của đường CML được hình thành như sau (Fama và French, 1993) :
Trong đó:
- 𝑅𝑚: TSSL thị trường
- 𝑅𝑓: lãi suất phi rủi ro của thị trường đầu tư.
- 𝐸(𝑅𝑝): TSSL kỳ vọng của danh mục đầu tư
- (𝑅𝑚 − 𝑅𝑓): phần bù rủi ro thị trường
- 𝜎𝑝, 𝜎𝑚: độ lệch chuẩn của danh mục thị trường và độ lệch chuẩn của danh mục
Bằng việc thay giá trị 𝛽 = 𝑐𝑜𝑣𝑖,𝑚, giá trị 𝛽 đại diện cho yếu tố rủi ro hệ thống giữa thị trường tác động lên TSSL của chứng khoán i. Do đó, giá trị 𝛽𝑚 luôn bằng 1. Khi giá trị 𝛽𝑖 > 1, yếu tố rủi ro hệ thống có tác động lớn hơn so với rủi ro thị trường (Fama và French, 1993). Trong khi đó, khi 𝛽𝑖 < 1 tương ứng với việc tác động của rủi ro hệ thống lên TSSL của chứng khoán thấp hơn so với yếu tố tác động của rủi ro thị trường. Và khi đó, phương trình CML được viết lại như sau: 𝐸(𝑅𝑖) = 𝑅𝑓 + 𝛽𝑖(𝑅𝑚 − 𝑅𝑓) (2.6)
Đây chính là mô hình định giá tài sản vốn CAPM. Khi đó, giá trị 𝛽𝑖 cũng chính là độ dốc của phương trình thị trường chứng khoán (SML). Giá trị này còn cho thấy mối tương quan tuyến tính giữa TSSL kỳ vọng của chứng khoán i đối với phần bù rủi ro thị trường (𝑅𝑚 − 𝑅𝑓). Giá trị 𝛽𝑖 cũng chính là hệ số đo lường phần lợi nhuận bù đắp của chứng khoán i tương ứng với mức rủi ro tăng thêm của nó so với thị trường. Dựa trên mô hình CAPM và phương trình thị trường chứng khoán (SML), nhà đầu tư có thể đưa ra quyết định đầu tư dựa vào hệ số 𝛼. Đây chính là hệ số đo lượng sự chênh lệch giữa TSSL ước tính thông qua mô hình CAPM và TSSL mà nhà đầu tư mong muốn đạt được. Khi hệ số 𝛼 > 0, chứng tỏ rằng chứng khoán này nằm phía trên đường SML, và điều này cho thấy TSSL ước tính cao hơn so với giá trị TSSL mong muốn của nhà đầu tư. Và việc này cho thấy một sự dự báo tăng giá, do đó nhà đầu tư được khuyến nghị nên mua cổ phiếu này vào danh mục đầu tư. Trong trường hợp giá trị 𝛼 < 0, chứng khoán này nằm phía dưới đường SML, điều này cho thấy TSSL ước tính thấp hơn so với TSSL mong muốn của nhà đầu tư. Do đó, nhà đầu tư không nên mua cổ phiếu này. Trong trường hợp giá trị 𝛼 = 0, chứng khoán này có TSSL ước tính bằng với mong muốn của nhà đầu tư. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
- Hình 2.3: Đường thị trường chứng khoán SML
Từ những nhận xét ở trên cho thấy, mô hình CAPM rất phù hợp trong việc định giá các tài sản rủi ro hiệu quả dựa trên các ưu điểm của nó:
Mô hình CAPM đơn giản trong việc tính toán và được ứng dụng rộng rãi trong thực tế. CAPM giúp các nhà đầu tư đo lường giá trị rủi ro của từng chứng khoán riêng lẻ cũng như bên trong danh mục đầu tư.
- Giá trị hệ số 𝛽 là thước đo quan trọng về yếu tố rủi ro của chứng khoán.
- Mô hình CAPM là một trong những công cụ hiệu quả trong việc đo lường TSSL kỳ vọng cho các nhà đầu tư.
Bên cạnh các ưu điểm đã nêu, CAPM cũng tồn tại các hạn chế của nó. Vì trong đó, TSSL yêu cầu chỉ được ước lượng dựa trên một giá trị hệ số 𝛽 do đó không đủ để giải thích các yếu tố ảnh hưởng đến TSSL. Cụ thể hơn, ngoài tác động của phần bù rủi ro thị trường, các nhà nghiên cứu còn chỉ ra rằng các nhân tố khác như phần bù quy mô, phần bù giá trị, phần bù rủi ro tổn thất VaR,…) cũng có các tác động đáng kể TSSL của chứng khoán. Ngoài ra, với việc hình thành các giả định như đã đề cập ở trên, mô hình CAPM gặp nhiều vấn đề trong việc xây dựng danh mục đầu tư trong thực tế được chỉ ra bởi (Banz, 1981). Cuối cùng, mô hình CAPM đo lường tác động giữa TSSL và nhân tố phần bù rủi ro thị trường dựa trên tác động tuyến tính. Do đó, trong trường hợp các giá trị này không tuân theo phân phối chuẩn hoặc tác động tuyến tính, việc sử dụng mô hình CAPM sẽ có những sai lệch nhất định.
2.2. Các mô hình đa nhân tố Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
2.2.1. Mô hình ba nhân tố Fama-French
Như đã đề cập ở mục 2.1.2. về hạn chế của mô hình CAPM, hai nhà nghiên cứu Eugene F.Fama và Kenneth R. French (1993) đã mở rộng mô hình CAPM truyền thống kết hợp với hai nhân tố độc lập khác đó chính là yếu tố phần bù rủi ro quy mô và phần bù giá trị tác động lên TSSL của danh mục đầu tư. Trong đó nhân tố phần bù quy mô đại diện cho giá trị vốn hóa của doanh nghiệp và phần bù giá trị chính là tỷ số giữa giá trị ghi trên sổ sách so với giá trị thị trường của doanh nghiệp (BE/ME).
- 𝑅𝑖 − 𝑅𝑓 = 𝛼𝑖 + 𝛽1(𝑅𝑚 − 𝑅𝑓) + 𝛽2𝑆𝑀𝐵 + 𝛽3𝐻𝑀𝐿 + 𝜀𝑖 (2.7)
Trong đó:
- 𝑅𝑚 − 𝑅𝑓: phần bù rủi ro thị trường
- 𝑆𝑀𝐵: phần bù rủi ro quy mô
- 𝐻𝑀𝐿: phần bù rủi ro giá trị
- 𝛼𝑖: hệ số chặn của mô hình hồi quy
- 𝛽1, 𝛽2, 𝛽3: hệ số hồi quy của từng nhân tố
- 𝑅𝑖, 𝑅𝑓: TSSL của chứng khoán i và lãi suất phi rủi ro.
2.2.2. Mô hình đa nhân tố (APT) Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Barr Rosenberg (1974) và Shukla (2006) đưa ra nghiên cứu về việc xây dựng mô hình đa nhân tố tác động đến lợi nhuận của tỷ suất sinh lợi chứng khoán. Trong đó, ông chỉ ra việc áp dụng mô hình đa nhân tố cũng tương tự như việc áp dụng mô hình đơn nhân tố. Qua đó, bằng các phương pháp thống kê trong việc ước lượng các hệ số hồi quy của mô hình đa nhân tố và chứng minh nó dựa trên thực tiễn. Trong bài nghiên cứu của Barr Rosenberg (1974), ông đã đưa thêm các nhân tố liên quan đến tính chất của doanh nghiệp bao gồm báo cáo thu nhập, bảng cân đối, yếu tố ngành và lịch sử hành vi giao dịch chứng khoán.
Qua đó, mô hình đa nhân tố được xây dựng như sau (Edwin J. Elton và cộng sự, 2017):
- 𝑅𝑖 = 𝛼𝑖 + 𝛽𝑖1𝐼1 + 𝛽𝑖2𝐼2 + ⋯ + 𝛽𝑖𝑛𝐼𝑛 + 𝜀𝑖 (2.8)
Trong đó:
- 𝑅𝑖: TSSL của chứng khoán i
- 𝐼1, 𝐼2, … , 𝐼𝑛: các biến số vĩ mô như lạm phát, lãi suất, biến động giá dầu,…
- 𝜀: phần dư sai số của mô hình.
2.3. Mô hình CAPM kết hợp các nhân tố bậc cao
2.3.1. Các nhân tố bậc cao – Độ lệch và Độ gù
Trong nghiên cứu về mô hình định giá tài sản vốn (CAPM) của William Sharpe (1964), tác giả đã giả định rằng TSSL của tài sản tuân theo quy luật phân phối chuẩn. Tuy nhiên, dựa trên các nghiên cứu thực nghiệm của Kraus và Litzenberger (1976) đã chỉ ra rằng TSSL của tài sản không tuân theo phân bố chuẩn (hay không đối xứng giữa hai phía của phân phối). Điều này đồng nghĩa với việc phân phối TSSL của các chứng khoán này có thể lệch trái (tức số lượng quan sát TSSL âm nhiều hơn), phân phối lệch phải (TSSL dương nhiều hơn). Ngoài ra, TSSL còn có thể phân phối theo hình dạng gù hoặc ít gù. Do đó, TSSL của một chứng khoán có thể cùng lúc tồn tại theo dạng lệch và nhọn hoặc gù.
Trong đó, nhân tố Độ lệch là nhân tố bậc cao thứ 3 (lập phương chênh lệch giá trị giữa trung bình và TSSL từng thời điểm của chứng khoán). Độ lệch sẽ được tính dựa trên công thức như sau (Peñaranda, 2015):
Trong đó: Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
- 𝑅𝑖𝑡, 𝑅̅𝑖: TSSL và TSSL kỳ vọng của tài sản i
- 𝜎𝑖: Độ lệch chuẩn của tài sản i.
Khi hệ số độ lệch Skewness = 0, nghĩa là TSSL của tài sản được phân bổ theo phân phối chuẩn. Với Skewness > 0 (positive sknew, right-skewed) phản ánh TSSL sẽ cao hơn so với bình thường khi phần lớn phân bổ nghiêng về bên trái và đuôi dài hơn về bên phải. Ngược lại, phân phối có độ lệch âm – Skewness < 0 (negative skew, left-skewed) là phân phối có phần đuôi dài hơn về phía trái phản ánh TSSL sẽ thấp hơn so với bình thường. Khi giá trị tuyệt đối của độ lệch càng lớn thì phân bổ TSSL càng trở nên bất đối xứng.
- Hình 2.4: Hình dạng phân phối của yếu tố độ lệch
Đối với yếu tố Độ gù là nhân tố cao thứ tư dùng để đo lường độ nhọn hay mức độ lệch giữa phần đỉnh và phần đuôi của phân phối. Độ lệch sẽ được tính dựa trên công thức như sau (Peñaranda, 2015):
Trong đó:
- 𝑅𝑖,𝑡, 𝑅̅̅𝑖̅ : TSSL và TSSL kỳ vọng
- 𝜎𝑖: độ lệch chuẩn của tài sản i.
Khi độ gù dương-Kurtosis > 0 (leptokurtic), phân phối có hình dạng đỉnh nhọn và phần đuôi “béo” hơn (thuật ngữ ban đầu là “fat tail” được hiểu là phân phối có xác suất nhận các giá trị ở hai đuôi cao hơn so với phân phối chuẩn) so với thông thường (mesokurtic). Ngược lại, một phân phối dạng platykurtic (Kurtosis < 0) sẽ có đỉnh rộng và phần đuôi “gầy” hơn (“thin tail” – được hiểu là phân phối có xác suất nhận các giá trị ở hai đuôi thấp hơn so với phân phối chuẩn) so với thông thường.
- Hình 2.5: Hình dạng phân phối của yếu tố độ gù
Trong lý thuyết thống kê, Độ lệch (Skewness) được sử dụng để đo lường độ mất đối xứng, khi Độ gù (Kurtosis) sử dụng để so sánh kích cỡ của hai đuôi như “fat-tail” hay “thin tail” trong phân phối của tập dữ liệu. Nếu xảy ra đồng thời hai yếu tố Skewness gần bằng 0 và Kurtosis gần bằng 3 thì dữ liệu có xu hướng tuân theo phân phối chuẩn. Trong quản lý danh mục, với một danh mục đầu tư có hệ số độ lệch âm thì TSSL trong tương lai rất dễ xảy ra hiện tượng âm, trong khi nếu hệ số lệch dương với phần đuôi lệch phải hàm ý có một TSSL cao sẽ xuất hiện trong tương lai. Mặc khác, nhà đầu tư còn quan tâm tới đuôi phía trái nhiều hơn vì nó đại diện cho xác suất xuất hiện các khoản lỗ. Khi phân phối có độ gù dương thì nghĩa là xác suất các khoản lỗ sẽ tập trung ở đuôi nhiều hơn, như vậy độ an toàn không cao và đây là một rủi ro cần đề phòng. Ngược lại, phân phối có độ gù âm đồng nghĩa với việc phân phối xác suất các khoản lỗ sẽ ít hơn so với thông thường, điều này hàm ý rủi ro cũng ít hơn (Peñaranda, 2015). Trong giới đầu tư, ngoài TSSL kỳ vọng và phương sai, cần đo lường hai chỉ số độ lệch và độ gù vì đây mới là những chỉ số để đánh giá rủi ro thực sự. Thông thường tài sản có độ lệch dương và độ gù âm là những cổ phiếu được ưa thích lựa chọn vì có nhiều quan sát có suất sinh lời tăng đột biến (độ lệch dương) và có độ an toàn lại cao (độ gù âm).
2.3.2. Đồng độ lệch và Đồng độ gù. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Năm 1973, dựa trên quan hệ giữa TSSL trung bình và rủi ro cổ phiếu tại sàn NYSE trong giai đoạn năm 1926 đến năm 1968 và với phương pháp ước lượng OLS thì Fama và Macbeth (1973) cho rằng phân phối của TSSL trên danh mục tài sản không theo quy luật phân phối chuẩn. Khi nhiều công trình nghiên cứu trước đó cũng cho thấy sự lệch hoặc gù là do ảnh hưởng các nhân tố moment bậc cao, vì thế Kraus và Litzenberger (1976) cho rằng nếu TSSL kỳ vọng của danh mục có hình dạng không đối xứng thì mô hình nghiên cứu cần bổ sung thêm hai nhân tố mới là đồng độ lệch hay đồng độ gù. Năm 2007, Hwang và Satchell (2007) đã mở rộng mô hình của Kraus và Litzenberger (1976) khi cho rằng độ gù có khả năng giải thích sự biến động của lợi nhuận tương đương với nhân tố độ lệch và hai nhân tố moment bậc cao là cần thiết trong mô hình.
Đồng độ lệch (Coskewness) và đồng độ gù (Cokurtosis) là việc bổ sung thêm hai nhân tố bậc cao đa bội quan trọng trong việc phân bổ tài sản và quản lý danh mục đầu tư. Đồng độ lệch (hay đồng độ gù) tương tự là thành phần trong yếu tố độ lệch (hay độ gù) của một tài sản liên hợp đến độ lệch (hay độ gù) của toàn bộ danh mục thị trường. Theo Krauss và Litzenberger (1976), bởi vì độ lệch và độ gù chỉ mới xem xét độ lệch và độ nhọn của phân phối một tài sản mà chưa xem xét trong bối cảnh thị trường nên việc sử dụng độ lệch và độ gù trong định giá tài sản là chưa phù hợp, đồng độ lệch và đồng độ gù được cho là nhân tố phù hợp trong hoạt động định giá khi đánh giá được nhiều tài sản cùng một lúc trong danh mục gắn liền với bối cảnh của thị trường.
Đồng độ lệch (Coskewness) là đại lượng thống kê đo lường sự đối xứng phân phối xác suất của biến liên quan đến sự đối xứng phân phối xác suất của biến khác và đồng độ gù (Cokurtosis) là đại lượng thống kê đo lường mức độ nhọn phân phối xác suất của biến liên quan so với độ nhọn của biến khác. Trong trường hợp này, tỷ suất sinh lời của cổ phiếu và tỷ suất sinh lời của thị trường được lấy làm đại diện để tính đồng độ lệch và đồng độ gù.
Trong đó:
- Ri: TSSL của danh mục E(Ri): TSSL kỳ vọng Rm: TSSL thị trường
- E(Rm): TSSL kỳ vọng của thị trường.
2.4. Phương pháp hồi quy phân vị (Quantile regression) Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Được giới thiệu vào năm 1978 bởi Koenker và Bassett (1978), phương pháp hồi quy phân vị giúp xác định tác động biên của các biến độc lập lên các biến phụ thuộc tại từng mức phân vị τ.
2.4.1. Định nghĩa về phân vị
Định nghĩa: Cho đại lượng Y là một giá trị ngẫu nhiên với hàm phân phối 𝐹𝑌. Tại 𝜏 ∈ (0,1) thì các mức phân vị của giá trị Y là giá trị 𝑄𝜏 sao cho (Trần Thị Tuấn Anh, 2009): Pr(𝑌 < 𝑄𝜏) ≤ 𝜏 ≤ 𝑃𝑟(𝑌 ≤ 𝑄𝜏) (2.13)
- Tương ứng với : 𝑄𝜏 = inf{𝑦: 𝐹𝑦(𝑦) ≥ 𝜏} (2.14)
- Trong trường hợp giá trị ngẫu nhiên Y có hàm phân phối liên tục, phương trình (2.13) sẽ có dạng như sau : Pr(𝑌 < 𝑄𝜏) ≤ 𝜏 ≤ 𝑃𝑟(𝑌 ≤ 𝑄𝜏) (2.15)
- Tương ứng với hàm 𝐹𝑌(𝑄𝜏) = 𝜏
- Khi hàm F là một hàm liên tục, ta có 𝑄𝜏 = 𝐹𝑌−1(𝜏).
Điều này cho ý nghĩa rằng với tổng số quan sát Y, ta luôn chứng minh được rằng 100𝜏% số quan sát trong Y sẽ có giá trị không vượt quá hay không lớn hơn so với giá trị được xác định tại mức phân vị 𝑄𝜏 và 100(1 − 𝜏)% số quan sát của Y sẽ luôn có giá trị không thấp hơn tại mức 𝑄𝜏. Từ đây, để giải được bài toán ước lượng giá trị phân vị cũng như giá trị kỳ vọng của giá trị ngẫu nhiên Y, ta dựa trên phương pháp giải bài toán cực trị. Do đó, giá trị kỳ vọng của giá trị ngẫu nhiên Y là kết quả của bài toán cực trị tìm 𝜉 ∈ 𝑅 sao cho : ∫𝜉∈𝑅(𝑦 − 𝜉)2𝑑𝐹𝑌(𝑦) → 𝑀𝑖𝑛 (2.16)
- Và giá trị phân vị của giá trị ngẫu nhiên Y là kết quả của bài toán cực trị sau :
- Trong trường hợp Y là giá trị ngẫu nhiên rời rạc, phương trình trên được viết lại như sau :
- Dạng rút gọn của phương trình trên được viết lại như sau:
Từ bài toán ước lượng giá trị phân vị ở trên, Koenker và Bassett (1978) đã đề xuất dạng mở rộng để tìm ra hàm phân vị có điều kiện 𝑄𝜏(𝑌|𝑋). Đây cũng chính là phương pháp hồi quy phân vị. Trong đó, việc tìm hệ số hồi quy 𝛽𝜏, trong trường hợp ước lượng hệ số hồi quy trên mẫu nghiên cứu, giá trị này được ký hiệu 𝛽̂𝜏. Bài toán ước lượng hệ số hồi quy trên tập mẫu sẽ có dạng như sau: Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Trong trường hợp ℎ(𝑋𝑖, 𝛽𝜏) là hàm tuyến tính hay ℎ(𝑋𝑖, 𝛽𝜏) = 𝑋′𝛽𝜏, thì Giả sử 𝜏 = kết quả của hàm hồi quy phân vị cũng chính là trung vị có điều kiện 𝑄0.5(𝑌𝑖|𝑋𝑖) = 𝑋′𝛽0.5. Hay cũng chính là kết quả hồi quy theo phương pháp độ lệch tuyệt đối nhỏ nhất (OLS cổ điển).
2.4.2. Các tính chất của phương pháp hồi quy phân vị
Phương pháp hồi quy phân vị có 8 tính chất được đề xuất bởi Koenker (2013) cũng như nghiên cứu của Hao và Naiman (2015). Qua đó, các tính chất này được lấy làm so sánh ưu, nhược điểm so với phương pháp hồi quy OLS ở mục kế tiếp.
- Tính đẳng biến (equivariance)
Giá trị phân vị có tính đẳng biến khi biến đổi qua hàm số đơn điệu. Tính đẳng biến của phương pháp hồi quy phân vị giúp phương pháp này tối ưu trong việc ước lượng các tham số của bài toán quy hoạch tuyến tính.
- Tính ổn định (robustness)
Khác với phương pháp hồi quy cổ điển (OLS), phương pháp hồi quy phân vị hầu như không chịu tác động của các quan sát bất thường đến kết quả ước lượng của mô hình. Nếu như giá trị quan sát thay đổi, hoặc có các biến ngoại lai có tác động lớn đến mô hình như không phân bổ trong tập dữ liệu, kết quả ước lượng của phương pháp hồi quy OLS thường sẽ chịu các tác động lớn. Cụ thể là khi giá trị ngoại lai càng lớn, sẽ kéo kết quả ước lượng theo phương pháp này chệch về hướng của biến ngoại lai. Ngược lại, Hao và Naiman (2015) đã chứng minh được rằng, việc thay đổi giá trị của biến ngoại lai không làm tác động đến kết quả ước lượng theo phương pháp hồi quy phân vị, hoặc kết quả ước lượng có thay đổi tuy nhiên không quá khác biệt so với kết quả ban đầu. Do đó, hai tác giả này đã chứng minh rằng phương pháp hồi quy phân vị có tính ổn định cao hơn so với phương pháp hồi quy OLS. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
- Hàm hồi quy phân vị của k biến luôn đi qua ít nhất k quan sát của mẫu nghiên cứu
- Số quan sát có phần dư âm của hàm hồi quy phân vị ứng với phân vị τ có thể đạt tỷ lệ cao nhất là τ
- Tính tăng dần của các hàm hồi quy phân vị tại giá trị trung bình X
- Ước lượng hồi quy phân vị là ước lượng M-estimator
- Ước lượng hàm hồi quy phân vị có thể được xem là xấp xỉ ước lượng GMM
- Tính vững (consistency)
Vì kết quả ước lượng của hàm hồi quy phân vị xấp xỉ với kết quả ước lượng dựa trên phương pháp GMM, do đó có thể thấy phương pháp hồi quy phân vị có những tính chất của phương pháp GMM, cũng chính là tính vững của mô hình (Green, 2019).
2.4.3. So sánh phương pháp hồi quy phân vị so với OLS
Như đã đề cập ở mục 2.4.2, dựa vào những tính chất của phương pháp hồi quy phân vị, các nhà nghiên cứu Koenker (2013) cũng như Hao và Naiman (2015) đã đưa ra các ưu và nhược điểm của phương pháp này so với phương pháp hồi quy cổ điển OLS. Cụ thể:
- Ưu điểm
Thứ nhất, phương pháp hồi quy phân vị cho phép thể hiện mối quan hệ tương tác lẫn nhau giữa các biến độc lập lên biến phụ thuộc trên từng mức phân vị. Trong khi đó, phương pháp OLS chỉ mô tả được tác động của biến độc lập lên biến phụ thuộc tại mức phân vị 𝜏 = 0.5. Do đó, ưu điểm này cho người đọc có cái nhìn tổng quát nhất về tác động của biến độc lập lên biến phụ thuộc.
Thứ hai, nhờ có tính ổn định (robustness), phương pháp hồi quy phân vị không chịu tác động bởi các quan sát ngoại lai (outliers) và khắc phục tình trạng bị chệch so với phương pháp OLS.
Thứ ba, các kiểm định tham số của phương pháp hồi quy phân vị không dựa trên tính chuẩn xác của sai số cũng như yêu cầu về giả định dạng phân phối của sai số hồi quy. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
Thứ tư, phương pháp hồi quy phân vị khắc phục được tình trạng phương sai sai số thay đổi. Cụ thể, tại các mức phân vị khác nhau, phương pháp hồi quy phân vị sẽ cho ra các kết quả ước lượng khác nhau.
- Nhược điểm
Thứ nhất, vì khắc phục được nhiều nhược điểm của phương pháp hồi quy OLS, do đó phương pháp hồi quy phân vị yêu cầu các bước tính toán phức tạp hơn. Việc giải bài toán quy hoạch tuyến tính khi không có sự trợ giúp của máy tính sẽ tạo ra nhiều khó khăn cho người sử dụng.
Thứ hai, do để có được cái nhìn tổng quát về tác động giữa các biến độc lập lên giá trị phụ thuộc trong chu kỳ nghiên cứu ở từng mức phân vị khác nhau, nhà nghiên cứu phải thực hiện nhiều lần các phép ước lượng hệ số hồi quy ở các mức phân vị khác nhau.
Thứ ba, cũng giống như phương pháp hồi quy OLS, giả định của phương pháp hồi quy phân vị được áp dụng cho các hàm tuyến tính. Do đó, trong trường hàm bộ dữ liệu quan sát không có phân phối chuẩn hoặc không có dạng tuyến tính, việc áp dụng phương pháp hồi quy phân vị vào nghiên cứu sẽ tạo ra sự thiếu chuẩn xác đối với kết quả ước lượng. Bên cạnh đó, phương pháp hồi quy phân vị cũng chưa khắc phục được các vấn đề liên quan đến nội sinh, hiện tượng tự tương quan có trong mô hình. Khóa luận: Tác động của Co-Moments bậc cao và định giá tài sản.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Khóa luận: PPNC của Co-Moments bậc cao và định giá tài sản
Pingback: Khóa luận: KQNC của Co-Moments bậc cao và định giá tài sản