Tác động của tâm lý nhà đầu tư được đo lường dựa trên các chỉ báo phân tích kỹ thuật đến lợi nhuận cổ phiếu: bằng chứng thực nghiệm trên VN100 :Báo cáo chị tiết đề tài cấp trường

BỘ CÔNG THƯƠNG

ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC

KẾT QUẢ THỰC HIỆN ĐỀ TÀI

NGHIÊN CỨU KHOA HỌCCẤP TRƯỜNG

Tên đề tài:

TÁC ĐỘNG CỦA TÂM LÝ NHÀ ĐẦU TƯ ĐƯỢC ĐO

LƯỜNG DỰA TRÊN CÁC CHỈ BÁO PHÂN TÍCH KỸ

THUẬT ĐẾN LỢI NHUẬN CỔ PHIẾU: BẰNG CHỨNG

THỰC NGHIỆM TRÊN VN100

Mã số đề tài: 21/1TCNH03

Chủ nhiệm đề tài: TS. Lại Cao Mai Phương

TS. Vũ Cẩm Nhung

Đơn vị thực hiện: Khoa Tài chính- Ngân hàng

Tp. Hồ Chí Minh, 2022

1

LỜI CÁM ƠN

Lời đầu tiên nhóm tác giả đề tài “Tác động của tâm lý của nhà đầu tư được đo

lường dựa trên các chỉ báo phân tích kỹ thuật đến lợi nhuận cổ phiếu: Bằng chứng

thực nghiệm trên VN100” xin trân trọng gửi lời cảm ơn đến Ban giám hiệu, Hội đồng

Khoa học và Đào tạo của Trường Đại học Công nghiệp Thành phố Hồ Chí Minh đã

phê duyệt và tài trợ để nhóm tác giả thực hiện đề tài này.

Nhóm tác giả xin trân trọng cảm ơn Lãnh đạo Phòng Quản lý Khoa học và Hợp

tác quốc tế, Trưởng tiểu ban Kinh tế và Trưởng Khoa Tài chính-Ngân hàng Trường

Đại học Công nghiệp Thành phố Hồ Chí Minh đã tạo điều kiện và giúp đỡ nhóm tác

giả trong quá trình làm thủ tục lập Hội đồng từ giai đoạn phê duyệt đề tài đến giai

đoạn lập Hội đồng nghiệm thu đề tài.

Nhóm tác giả trân trọng và xin chân thành cảm ơn đến Quý Thầy/Cô trong Hội

đồng nghiệm thu đề tài, những góp ý quý báu từ Quý Thầy/Cô đã giúp đề tài được

hoàn thiện hơn.

Xin kính chúc Quý Lãnh đạo, Quý Thầy/Cô luôn có sức khỏe, hạnh phúc và

thành công hơn nữa trong sự nghiệp giáo dục và đào tạo.

Thay mặt nhóm tác giả

TS. Lại Cao Mai Phương

2

PHẦN I. THÔNG TIN CHUNG

I. Thông tin tổng quát

1.1. Tên đề tài: Tác động của tâm lý của nhà đầu tư được đo lường dựa trên các chỉ

báo phân tích kỹ thuật đến lợi nhuận cổ phiếu: Bằng chứng thực nghiệm trên VN100.

1.2. Mã số: 21/1TCNH03

1.3. Danh sách chủ trì, thành viên tham gia thực hiện đề tài

TT

Họ và tên

(học hàm, học vị)

Đơn vị công tác Vai trò thực hiện đề tài

1 TS. Lại Cao Mai Phương Trường Đại học Công

nghiệp TP.HCM

Chủ nhiệm đề tài

2 TS. Vũ Cẩm Nhung Trường Đại học Công

nghiệp TP.HCM

Thành viên

1.4. Đơn vị chủ trì: Khoa Tài chính-Ngân hàng, Trường Đại học Công nghiệp TP.HCM

1.5. Thời gian thực hiện:

1.5.1. Theo hợp đồng: từ tháng 3 năm 2021 đến tháng 3 năm 2022

1.5.2. Gia hạn (nếu có): Không

1.5.3. Thực hiện thực tế: từ tháng 3 năm 2021 đến tháng 01 năm 2022

1.6. Những thay đổi so với thuyết minh ban đầu (nếu có):

(Về mục tiêu, nội dung, phương pháp, kết quả nghiên cứu và tổ chức thực hiện; Nguyên

nhân; Ý kiến của Cơ quan quản lý)

Không thay đổi so với thuyết minh ban đầu của đề tài.

1.7. Tổng kinh phí được phê duyệt của đề tài: Bốn mươi lăm triệu đồng.

II. Kết quả nghiên cứu

1. Đặt vấn đề

Daniel Kahneman, nhà tâm lý học người Mỹ, đã nhận được giải nobel kinh tế năm 2002 về

các công trình nghiên cứu liên quan đến vai trò của tâm lý học đối với các quyết định kinh

tế của con người trong những tình huống không chắc chắn (Nobelprize, 2002). Sự công

nhận này cho thấy vai trò không thể phủ nhận của yếu tố tâm lý trong các quyết định kinh

tế. Đồng thời nó cũng đưa ra góc nhìn mới trong việc giải thích sự thay đổi giá cổ phiếu trên

thị trường chứng khoán bên cạnh lý thuyết thị trường hiệu quả của Fama và các mô hình

định giá tài sản chuẩn tắc.

Có nhiều cách đo lường tâm lý trên thị trường tài chính (Baker và Wurgler, 2006), trên thị

trường chứng khoán sử dụng các chỉ báo phân tích kỹ thuật để đo lường tâm lý nhà đầu tư

hàng ngày thường được dùng phổ biến (Ryu và cộng sự, 2017, Li, 2021).

Tại Việt Nam, các nghiên cứu học thuật về ứng dụng phân tích kỹ thuật vào thị trường

chứng khoán còn khá hạn chế. Đa số các nghiên cứu tại Việt Nam đến nay chủ yếu tập trung

vào từng chỉ báo riêng lẻ như phân kỳ/hội tụ của đường trung bình động Moving Average

Convergence Divergence –MACD (Hung, 2016), chỉ báo tâm lý nhà đầu tư Psychological

3

Line Index-PLI (Phuong, 2020), chỉ số sức mạnh tương đối Relative Strength Index-RSI

(Phuong, 2021a), và chỉ báo dòng tiền Money Flow Index-MFI (Phuong, 2021b) nhưng rất

ít các nghiên cứu kết hợp các chỉ báo riêng rẽ thành một chỉ báo tâm lý tổng hợp. Những lý

do đã nêu tạo động lực để nghiên cứu này được thực hiện.

Nghiên cứu này kiểm tra xem liệu tâm lý nhà đầu tư được đo lường dựa trên các chỉ báo

phân tích kỹ thuật có tác động đến lợi nhuận cổ phiếu trên thị trường chứng khoán Việt

Nam hay không. Để trả lời câu hỏi này, các tác giả kiểm tra thực nghiệm chỉ báo tâm lý tổng

hợp đối với 57 công ty thuộc VN100 đang niêm yết trên thị trường chứng khoán Việt Nam

trong giai đoạn từ đầu năm 2015 đến giữa năm 2020.

2. Mục tiêu

a) Mục tiêu tổng quát.

Nghiên cứu tác động của yếu tố tâm lý nhà đầu tư, được đo bằng một số chỉ báo trong phân

tích kỹ thuật, đến lợi nhuận cổ phiếu thuộc VN100.

b) Mục tiêu cụ thể.

- Nghiên cứu ảnh hưởng của tâm lý nhà đầu tư, được đo lường bằng chỉ số sức mạnh

tương đối (RSI) đến lợi nhuận cổ phiếu thuộc VN100.

- Nghiên cứu ảnh hưởng của tâm lý nhà đầu tư, được đo lường dựa trên chỉ báo tâm lý

của nhà đầu tư (PLI) đến lợi nhuận cổ phiếu thuộc VN100.

- Nghiên cứu ảnh hưởng của tâm lý nhà đầu tư được đo lường dựa trên các chỉ báo

phân tích kỹ thuật (PLC) đến lợi nhuận cổ phiếu thuộc VN100.

3. Phương pháp nghiên cứu

3.1 Các mô hình

Nghiên cứu tham khảo mô hình của Ryu và cộng sự (2017) và có sửa đổi khi áp dụng vào

thị trường chứng khoán Việt Nam. Điểm khác của mô hình trong nghiên cứu này so với Ryu

và cộng sự (2017) là sử dụng phần bù rủi ro thị trường trong mô hình định giá tài sản vốn

vào các mô hình nghiên cứu.

Năm mô hình nghiên cứu khác nhau được sử dụng để kiểm tra các giả thuyết nghiên cứu đã

nêu ở phần trên, cụ thể:

- Mô hình (1): cho biết ảnh hưởng của tâm lý nhà đầu tư, được đo lường bằng chỉ báo

sức mạnh tương đối (RSI) đến lợi nhuận cổ phiếu thuộc VN100.

- Mô hình (2): cho biết ảnh hưởng của tâm lý nhà đầu tư, được đo lường dựa trên chỉ

báo tâm lý của nhà đầu tư (PLI) đến lợi nhuận cổ phiếu thuộc VN100.

- Mô hình (3) và (4): So sánh sức mạnh giải thích của yếu tố tâm lý tổng hợp (mô hình

4) và hành vi giao dịch (mô hình 3) của nhà đầu tư đến lợi nhuận cổ phiếu thuộc

VN100.

- Mô hình (5): cho biết ảnh hưởng của tâm lý tổng hợp nhà đầu tư được đo lường dựa

trên các chỉ báo phân tích kỹ thuật (PLC) đến lợi nhuận cổ phiếu thuộc VN100.

Biến đo lường tâm lý nhà đầu tư trong nghiên cứu này có ưu điểm hơn so với của Baker và

Wurgler (2006) là có thể đo lường tâm lý hàng ngày đối với từng cổ phiếu.

Rei,t = β0 + β1(Rm- Rf) + β2RSIi,t + β3NNBSVdi,t + β4Sizei,t-1 + β5CFi,t-1 +

β6Volatilityi,t + ei,t

(1)

Rei,t = β0 + β1(Rm- Rf) + β2PLIi,t + β3NBSVdi,t + β4Sizei,t-1 + β5CFi,t-1 + β6Volatilityi,t

+ ei,t

(2)

4

Rei,t = β0 + β1(Rm- Rf) + β2NBSVdi,t + β3Sizei,t-1 + β4CFi,t-1 + β5Volatilityi,t + ei,t (3)

Rei,t = β0 + β1(Rm- Rf) + β2PLCi,t + β3Sizei,t-1 + β4CFi,t-1 + β5Volatilityi,t + ei,t (4)

Rei,t = β0 + β1(Rm- Rf) + β2PLCi,t + β3NBSVdi,t + β4Sizei,t-1 + β5CFi,t-1 +

β6Volatilityi,t + ei,t

(5)

Trong đó:

Biến phụ thuộc excess return (Rei,t) chính là chênh lệch giữa return thô của cổ phiếu i và lãi

suất phi rủi ro. Lãi suất trái phiếu chính phủ 1 năm được sử dụng là lãi suất phi rui ro. Vế

phải của các phương trình là sự mở rộng của mô hình CAPM bằng cách thêm các biến đo

lường tác động tâm lý tổng hợp của nhà đầu tư (PLCi,t), hành vi giao dịch của họ (NBSVi,t),

các biến kiểm soát về yếu tố cơ bản (CFPSi,t-1), quy mô và đặc điểm giao dịch (Voli,t) của

từng cổ phiếu.

Tiếp theo là những diễn giải về cách tính cho từng biến độc lập gồm các biến đo lường tâm

lý và các biến kiểm soát trong các mô hình nghiên cứu.

Các biến đo lường tâm lý

Tính RSI: RSI được sử dụng để đo lường vận tốc của chuyển động giá theo hướng. Khoảng

giá trị của RSI từ 0 đến 100, thường được sử dụng để đưa ra tín hiệu mua bán trên thị trường

tài chính. Tín hiệu mua xuất hiện khi RSI tăng vượt qua ngưỡng 30 theo chiều từ hướng lên.

Ngược lại, tín hiệu bán xảy ra khi RSI giảm xuống dưới ngưỡng 70 theo chiều hướng

xuống. Vùng giá trị của RSI dưới mức 30 được gọi là vùng quá bán, và vùng cao hơn mức

70 được goi là vùng quá mua. Giá trị 50 của RSI được gọi là mức trung bình và nó chia RSI

thành hai phần. Khi RSI trên 50 nó chỉ ra mức lãi trung bình của kỳ tính toán cao hơn mức

lỗ trung bình trong kỳ đó. Trong trường hơp này nó chỉ ra giá cổ phiếu đang xuất hiện xu

hướng tăng. Ngược lại, khi RSI dưới 50 nó cho thấy mức lỗ trung bình là lớn hơn so với

mức lãi trung bình, và xu hướng giảm xuất hiện (Wilder, 1978).

Tương tự như chỉ báo đường trung bình động, RSI có thể coi là biến động giá được làm mịn

(smoothed). Ưu điểm của RSI là có thể xác định sự trước sự thay đổi trong xu hướng dựa

vào giá trị động lượng giảm trước khi xu hướng đảo chiều diễn ra, nhưng đường trung bình

động thì không thể (Irwin & Park, 2004).

(6)

Bài viết này sử dụng tham số của RSI là 14 ngày (ngày hiện tại và 13 ngày liền trước đó)

theo đề xuất của Wilder (1978). Tham số này cũng được nhiều nghiên cứu sử dụng khi phân

tích trên thị trường chứng khoán Hoa Kỳ (Ţăran-Moroşan, 2011); Ấn Độ (Gumparthi,

2017). Tử số của RS biểu thị cho tổng số lời trung bình trong 14 ngày, mẫu số của RS biểu

thị cho tổng số lỗ trung bình trong 14 ngày. Pi, t-k là giá cổ phiếu i tại ngày (t-k).

Tính PLI:

PLIi,t = 100 x (7)

PLI là được tính bằng cách chia số ngày tăng giá cho tổng số ngày trong giai đoạn được lựa

chọn, vì vậy nó còn được gọi là quy tắc đa số (Majority Rule). Parmeter 12 ngày gồm ngày

hiện tại và 11 ngày trước đó. Giá trị của PLI chạy từ 0 đến 100. Tương tự như RSI, PLI

cũng có hai ngưỡng để xác định tín hiệu mua và bán. Khi PLI vượt qua 75 là đã di chuyển

5

vào vùng quá mua thì khả năng giảm giá tăng lên. Ngược lại, khi PLI thấp hơn 25 là di

chuyển vào vùng quá bán thì khả năng tăng giá chiếm ưu thế.

Tính PLC

Để kết hợp nhiều biến tâm lý với nhau, mỗi biến được đo lường thông qua từng chỉ báo

phân tích kỹ thuật riêng lẻ, thì phương pháp phân tích phần chính PCA thường được áp

dụng để tạo ra chỉ báo tâm lý tổng hợp (Ryu và cộng sự, 2017). Trong bài này, biến PLC

được xây dựng bằng việc trích xuất thành phần chính thứ nhất trong PCA từ hai chỉ báo RSI

và PLI.

Các biến kiểm soát:

Biến hành vi giao dịch của nhà đầu tư (NBSV) được xây dựng dựa trên sự mất cân

bằng khối lượng giao dịch giữa cầu và cung đối với từng cổ phiếu riêng lẻ. Nhu cầu đầu tư

ròng (net) của từng cổ phiếu (NBSV) được tính bằng chênh lệch giữa khối lượng đặt mua

(đại diện cho phía cầu) và khối lượng đặt bán (đại diện cho phía cung) thực tế, so với tổng

của hai giá trị này trong từng ngày giao dịch. Nó thể hiện cho sự mất cân bằng giao dịch

giữa bên mua và bên bán đối với một cổ phiếu cụ thể. Nếu giá trị này là dương càng cao cho

thấy sự mất cân bằng giữa cầu và cung càng lớn. Nói cách khác, phía cầu đang áp đảo phía

cung. Ngược lại, nếu giá trị này là âm cho thấy phía cung cổ phiếu đang áp đảo so với phía

cầu.

NBSV của từng cổ phiếu được tính theo tần suất ngày dựa trên công thức (8).

NBSVi,t = (BVi,t – SVi,t) (8)

(BVi,t + SVi,t)

Trong đó: BVi,t và SVi,t lần lượt là tổng khối lượng đặt mua và tổng khối lượng đặt bán của

các nhà đầu tư trên thị trường đối với cổ phiếu i tại ngày t.

Để loại bỏ tác động của lợi nhuận thị trường khi tính toán chỉ số hành vi giao dịch của nhà

đầu tư, chỉ số này thu được từ phần dư khi thực hiện ước lượng phương trình (9)

BSdi,t = NBSVi,t = β0 + β1(Rmt - Rft)+ ui,t (9)

Trong đó, (Rmt - Rft) là phần bù của thị trường, được tính bằng chênh lệch giữa return của

thị trường (Rm) và và lãi suất phi rủi ro (Rf) tại thời điểm t.

Biến động giá cổ phiếu (Volatility): được tính dựa trên độ lệch chuẩn về sự biến động

giá đóng cửa hàng ngày của cổ phiếu i trong một khoảng thời gian nhất định.

(10)

Trong đó: Pi,t là giá đóng cửa của cổ phiếu i tại ngày t.

252 là số ngày giao dịch trong một năm,

n = là khoảng thời gian 13 ngày trước đó đến ngày t được áp dụng cho cổ

phiếu i;

Quy mô của công ty (Size): được tính bằng logarit của khối lượng cổ phiếu đang lưu

hành nhân với giá đóng cửa hàng ngày của từng cổ phiếu.

Chỉ số dòng tiền của công ty (CFPS) được tính bằng logarit của giá trị dòng tiền từ

hoạt động sản xuất kinh doanh tạo ra hàng quý trên mỗi cổ phiếu.

3.2 Phương pháp ước lượng và principal component analysis (PCA)

Phân tích PCA được dựa vào các tiêu chí.

Số thành phần (Components) được giữ lại trong mô hình phân tích sẽ dựa vào Hệ số của

Eigenvalues. Chỉ những thành phần nào có Eigenvalues>1 sẽ được giữ lại.

6

Kiểm định KMO đo lường mức độ đầy đủ của việc lấy mẫu, nó nhận giá trị từ 0 đến 1.

Kaiser (1974) cho rằng giá trị KMO phải thỏa mãn điều kiện từ 0.5 trở lên (0.5 ≤ KMO ≤

1) là phù hợp để phân tích thành phần chính.

Kiểm định Bartlett để biết các biến trong PCA có tương quan với nhau hay không (Bartlett,

1950). Nếu kết quả kiểm định cho thấy P-value <0.05 thì các biến được kiểm định có tương

quan với nhau trong thành phần chính. Trong trường hợp này, việc sử dụng PCA là phù hợp

với các biến này.

Tải trọng thành phần chính (Principal component loadings) biểu thị mối quan hệ của từng

biến phân tích với thành phần chính. Tải trọng thành phần chính của một biến càng cao cho

thấy tương quan giữa biến này và thành phần chính càng lớn. Hair và cộng sự (2009, p116),

điều kiện để một biến được giữ lại là giá trị tuyệt đối của tải trọng thành phần chính nhỏ

nhất là 0.3. Nếu giá trị này là 0.5 cho thấy biến giữ lại có ý nghĩa thống kê tốt; nếu từ 0.7

cho thấy biến giữ lại có ý nghĩa thống kê rất tốt.

Phương pháp ước lượng

Cả năm mô hình được ước lượng theo hai phương pháp là GLS và Fama-MacBeth để đảm

bảo tính vững của các mô hình (tính Robustness tests). Các kiểm định được thực hiện gồm:

kiểm định F để loại bỏ những biến không cần thiết, kiểm định Wooldridge về sự tự tương

quan (autocorrelation) và kiểm định Modified Wald để kiểm tra về phương sai thay đổi. Nếu

mô hình gặp các vấn đề về phương sai thay đổi, tự tương quan thì các biện pháp khắc phục

được sử dụng để giải quyết những vấn đề này.

4. Tổng kết về kết quả nghiên cứu

Bảng 1: Kết quả thống kê mô tả

Biến Số quan sát Trung bình Độ lệch Giá trị nhỏ

nhất Giá trị lớn nhất

re 75.400 -0,0263 2,3784 -68,831 11,184

Rm- Rf 75.400 0,0149 1,0891 -6,486 4,853

NBSV 75.400 5,76e-11 0,2724 -1,0008 1,1093

Size (-1) 75.400 29,5551 1,4570 25,41645 33,6961

CFBS (-1) 75.400 3,3021 7,1163 -10,045 10,649

Vol(-1) 75.400 0,3234 0,1897 0,01 3,07

RSI 75.400 49,6081 13,0984 3,66 95,74

PLI 75.400 41,52 15,0446 0 100

Bảng 2 cho thấy hệ số tương quan giữa cặp biến đều nhỏ hơn 0,5, chỉ riêng đối với cặp biến

RSI và PLI có hệ số tương quan là 0,63. Kết quả này cho thấy mức tương quan giữa biến

RSI và PLI là mạnh (Pearson, 1896; Pearson & Filon, 1898), nên không thể đưa đồng thời

cả hai biến này như là các biến độc lập vào cùng một phương trình hồi quy. Điều này là phù

hợp khi biến RSI và PLI được hồi quy vào hai mô hình hồi quy khác nhau là mô hình (1) và

(2).

Bảng 2: Kết quả tương quan giữa các cặp biến

re Rm- Rf NBSV Size (-1) CFBS (-1) Vol(-1) RSI PLI

re 1,0000

Rm- Rf 0,1478 1,0000

NBSV 0,0011 0,0403 1,0000

Size (-1) 0,0057 0,0599 0,4731 1,0000

CFBS (-1) 0,0015 -0,1176 0,0789 0,0988 1,0000

Vol(-1) -0,0640 0,0201 -0,0119 -0,0902 -0,0275 1,0000

RSI 0,3377 0,0390 0,0011 0,0490 0,0390 -0,0967 1,0000

7

PLI 0,1883 0,0544 0,0608 0,1363 0,0196 0,1268 0,6318 1,0000

Bảng 3: Kết quả phân tích thành phần chính

Phân tích thành phần chính (Principal Components Analysis- PCA)

Hệ số hồi

quy

Độ lệch

chuẩn z P>z [Khoảng tin cậy 95%]

Eigenvalues

Comp1 1,6318 0,0084 194,16 0,000 1,6153 1,6483

Principal component loadings

RSI 0,7071 0,0016 447,62 0,000 0,7040 0,7102

PLI 0,7071 0,0016 447,62 0,000 0,7040 0,7102

LR test for independence: chi2(1) = 38410,23 Prob > chi2 = 0,0000

LR test for sphericity (Bartlett test) chi2(2) = 38410,49 Prob > chi2 = 0,0000

Kaiser-Meyer-Olkin test (KMO test) 0,5000

Explained variance by components

Components Eigenvalue Proportion SE_Prop Cumulative SE_Cum Bias

Comp1 1,6318 0,8159 0,0011 0,8159 0,0011 6,3e-06

Comp2 0,3682 0,1841 0,0011 1,0000 0,0000 -6,3e-06

Giá trị KMO là 0.5 cho thấy việc lấy mẫu là đủ (sampling adequacy) để thực hiện PCA

(Kaiser, 1974). P-value trong kiểm định Bartlett là 0.00 nhỏ hơn 0.05 cho thấy hai biến RSI

và PLI có tương quan cao. Kết quả kiểm định này trong Bảng 3 đã tái khẳng định kết quả

trong Bảng 2 về tính tương quan cao giữa biến RSI và biến PLI.

Hệ số của Eigenvalues của thành phần chính đầu tiên là 1.6318 là lớn hơn 1 cho thấy thành

phần này nên được giữ lại như một biến giải thích trong mô hình nghiên cứu. Thành phần

chính đầu tiên giải thích được 81.59% (1.6318/2) trong tổng phương sai và phần phương sai

không giải thích được bởi thành phần chính này là 18.41%.

Tải trọng thành phần chính đầu tiên đối với biến RSI và PLI đều là 0.7071. Đây là ngưỡng

tốt nhất theo chuẩn của Hair và cộng sự (2009) để lựa chọn các biến được giữ lại có ý nghĩa

thống kê khi thực hiện PCA.

Bảng 4: Kết quả hồi quy theo Fama Macbeth của các mô hình nghiên cứu

Variable FMBrsi FMBpli FMBnbsv FMBplc1 FMBplc

(1) (2) (3) (4) (5)

Rm- Rf 0,317*** 0,347*** 0,439*** 0,286*** 0,268***

NBSV 0,915*** 1,003*** 1,074*** 0,935***

Size (-1) -0,031*** -0,044*** -0,007 -0,041*** -0,051***

CFBS (-1) 0,002* 0,007*** 0,009*** -0,000 0,004***

Vol(-1) -0,551*** -0,898*** -0,396*** -0,899*** -0,918***

RSI 0,059***

PLI 0,026***

PLC 0,521*** 0,500***

_cons -1,176*** 0,442*** 0,322** 1,198*** 1,387***

N 75400 75400 75400 75400 75400

r2 0,277 0,209 0,159 0,211 0,252

adjr2 0,206 0,132 0,094 0,150 0,178

Ghi chú: *, **, *** lần lượt có mức ý nghĩa 1%, 5% và 10%

Kết quả kiểm định các giả thuyết được thể hiện trong Bảng 4.

8

Mô hình 1: Hệ số hồi quy của biến RSI có ý nghĩa thống kê 1% đã bác bỏ giả thuyết H01.

Nói cách khác, tâm lý nhà đầu tư được đo lường bằng chỉ báo sức mạnh tương đối (RSI) có

tác động đến lợi nhuận cổ phiếu trong mẫu nghiên cứu.

Tương tự, giả thuyết H02 bị bác bỏ khi hệ số hồi quy của biến PLI trong mô hình 2 cũng có

ý nghĩa thống kê 1%. Kết quả từ mô hình 2 cho thấy tâm lý nhà đầu tư được đo lường bằng

chỉ báo tâm lý nhà đầu tư (PLI) có tác động đến lợi nhuận cổ phiếu thuộc VN100.

Mô hình 3 và mô hình 4 chỉ khác nhau 1 biến trong mô hình hồi quy. Trong mô hình 3 sử

dụng biến hành vi giao dịch của nhà đầu tư (NBSV), không có biến tâm lý tổng hợp của nhà

đầu tư (PLC) và có R-bình phương điều chỉnh là 9,4%. Trong mô hình 4 không gồm biến

hành vi giao dịch của nhà đầu tư (NBSV) nhưng sử dụng biến tâm lý tổng hợp của nhà đầu

tư (PLC) và có R-bình phương điều chỉnh j là 15%. Vì mô hình 4 có R-bình phương điều

chỉnh là 15% lớn hơn R-bình phương điều chỉnh là 9,4% trong mô hình 3 đã cho thấy sức

mạnh giải thích của biến PLI là lớn hơn so với biến NBSV, hay có sự khác nhau về sức

mạnh giải thích của yếu tố tâm lý tổng hợp và hành vi giao dịch của nhà đầu tư đến lợi

nhuận cổ phiếu thuộc VN100.

Với mức ý nghĩa thống kê 1% đã cho thấy yếu tố tâm lý tổng hợp nhà đầu tư được đo lường

bằng chỉ báo kỹ thuật PLC tác động đến lợi nhuận cổ phiếu (Mô hình 5). Kết quả này đồng

nghĩa với việc bác bỏ giả thuyết H04.

Kết quả hồi quy từ Bảng 4 cho thấy các biến kiểm soát đều tác động đến lợi nhuận cổ phiếu

trên thị trường chứng khoán Việt Nam. Hệ số hồi quy của các biến đại diện cho tâm lý nhà

đầu tư đều là dương đáng kể trong cả bốn mô hình (1) (2) (4) và (5), đã cho thấy tâm lý cao

hơn có liên quan đến lợi nhuận cổ phiếu cao hơn. Nó khác so với kết quả Baker & Wurgler

(2006) trên thị trường chứng khoán Hoa Kỳ. Kết quả thực nghiệm này cũng ủng hộ cho

nhận định thị trường chứng khoán Việt Nam là không hiệu quả.

Các yếu tố liên quan mật thiết đến giao dịch hàng ngày như mức độ biến động giá cổ phiếu,

chênh lệch khối lượng giao dịch giữa bên mua và bên bán đều có ý nghĩa quan trọng trong

việc giải thích lợi nhuận vượt trội của chứng khoán. Biến Volt-1 có hệ số hồi quy âm đáng kể

cho thấy những cổ phiếu có giá ngày (t-1) biến động mạnh sẽ làm tăng rủi ro ro khi đầu tư

vì vậy nó tác động tiêu cực đến lợi nhuận vượt trội tại ngày t của cổ phiếu. Phát hiện này là

ngược dấu với kết quả của Ryu và cộng sự (2017) trên thị trường chứng khoán Hàn Quốc

đối với mô hình hình ước lượng hàng ngày. Hệ số hồi quy của biến hành vi giao dịch

(NBSV) đều là dương và có ý nghĩa 1%, đã cho thấy sự mất cân bằng giữa cầu và cung về

khối lượng giao dịch đối với một cổ phiếu cụ thể đóng vai trò quan trọng trong việc giải

thích lợi nhuận vượt trội cổ phiếu. Sự mất cân bằng giao dịch này càng tăng thì khả năng lợi

nhuận vượt trội của cổ phiếu đó càng tăng.

Bên cạnh những yếu tố giao dịch, các yếu tố về đặc điểm doanh nghiệp như quy mô và dòng

tiền của doanh nghiệp cũng có ý nghĩa đáng kể trong việc giải thích lợi nhuận vượt trội của

cổ phiếu. Các doanh nghiệp hoạt động càng hiệu quả, dòng tiền trên mỗi cổ phiếu (CFPS(-

1)) càng tăng thì khả năng lợi nhuận vượt trội của cổ phiếu càng tăng. Hệ số hồi quy của

biến sizet-1 là âm có ý nghĩa cho thấy những công ty có quy mô càng lớn có khả năng kìm

hãm lợi nhuận vượt trội cổ phiếu những công ty này. Thông thường những công ty có quy

mô lớn thường được thị trường đánh giá cao hơn so với mức trung bình, khối lượng cổ

phiếu lưu hành lớn, vì vậy khả tăng giá cổ phiếu để tạo ra lợi nhuận vượt trội của nhóm

công ty này sẽ khó hơn so với những công ty có quy mô nhỏ hơn.

Hệ số hồi quy được lập luận trong mô hình CAPM ở tất các mô hình đều có ý nghĩa thống

kê 1% cho thấy phần bù rủi ro ro thị trường có đóng góp đáng kể vào lợi nhuận vượt trội cổ

phiếu. Giá trị của hệ số này đều nhỏ hơn 1 chứng tỏ những cổ phiếu trong mẫu có sự biến

động nhỏ hơn, hay rủi ro ít hơn so với rủi ro của toàn thị trường. Kết quả này khác với Li