Tải bản đầy đủ
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

Tải bản đầy đủ

27

 Thái Lan
Bảng 4.3. Thống kê mô tả các biến nghiên cứu của Thái Lan
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Jarque-Bera
Probability
Observations

CPI
4.770
4.762
4.844
4.690
0.047
0.054
1.674
5.306
0.070
72

EXC
3.462
3.453
3.576
3.370
0.052
0.460
2.208
4.420
0.110
72

IP
4.882
4.954
5.451
4.119
0.359
-0.489
2.474
3.700
0.157
72

MS
9.392
9.376
9.684
9.126
0.180
0.107
1.570
6.275
0.043
72

R
1.892
1.924
1.981
1.766
0.083
-0.542
1.595
9.456
0.009
72

RS
0.008
0.019
0.167
-0.278
0.062
-1.422
8.252
107.011
0.000
72

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
 Hungari
Bảng 4.4. Thống kê mô tả các biến nghiên cứu của Hungari
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Jarque-Bera
Probability
Observations

CPI
4.885
4.884
4.983
4.755
0.073
-0.137
1.661
5.601
0.061
72

EXC
5.318
5.350
5.473
4.991
0.115
-0.883
3.038
9.370
0.009
72

IP
4.701
4.698
4.874
4.438
0.097
-0.450
2.718
2.670
0.263
72

MS
9.575
9.572
9.671
9.467
0.043
-0.337
2.931
1.376
0.503
72

R
2.147
2.139
2.556
1.585
0.208
-0.364
3.211
1.726
0.422
72

RS
-0.004
0.001
0.177
-0.266
0.070
-0.540
5.749
26.182
0.000
72

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Dựa trên kết quả mô tả dữ liệu của các nước nghiên cứu thông qua các chỉ
tiêu Skewness, Kurtosis và kiểm định Jarque-Bera cho thấy dữ liệu nghiên
cứu của các nước là không có phân phối chuẩn. Theo đó, các biến trong chuỗi
dữ liệu nghiên cứu của Việt Nam thì lệch trái và nhọn (hệ số Skewness âm và
Kurtosis dương) ngoại trừ lãi suất, tương tự cho trường hợp của Hungari, với
dạng phân phối này thì cho thấy phần lớn dữ liệu tập trung bên phía phải của
phân phối. Trường hợp Hàn Quốc cho thấy hệ số Skewness của CPI, IP, MS,
RS là âm trong khi đó EXC và R là dương, ngoài ra Kurtosis là dương điều
này cho thấy chuỗi dữ liệu nghiên cứu của Hàn Quốc là nhọn và phần lớn dữ

28

liệu tập trung của chuỗi CPI, IP, MS tập trung bên phía phải của phân phối
trong khi đó ngược lại EXC và RS thì phần lớn chuỗi dữ liệu lại tập trung bên
phía trái của phân phối. Tương tự cho trường hợp của Thái Lan thì IP, R, RS
thì phần lớn chuỗi dữ liệu tập trung bên phía phải của phân phối trong khi đó
các biến EXC, MS, CPI thì phần lớn chuỗi dữ liệu tập trung bên phía trái của
phân phối.
4.2. Kiểm định tính dừng
Trong phần này đề tài sẽ sử dụng kiểm định nghiệm đơn vị để kiểm định tính
dừng của chuỗi dữ liệu nghiên cứu. Nếu biến không dừng đề tài sẽ sử dụng kỹ
thuật lấy sai phân để đưa chuỗi dữ liệu không dừng về dạng dữ liệu dừng. Chi
tiết kiểm định xem thêm phụ lục 2.
 Việt Nam
Bảng 4.5. Kiểm định tính dừng các biến của Việt Nam
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

CPI
-2.9962
-3.5300
-2.9048
-2.5899
I(1)

IP
-7.6244
-3.5461
-2.9117
-2.5936
I(1)

MS
-12.0361
-3.5270
-2.9036
-2.5892
I(1)

EXC
-2.8013
-3.5285
-2.9042
-2.5896
I(0)

R
-6.3187
-3.5270
-2.9036
-2.5892
I(1)

RS
-4.1987
-3.5441
-2.9109
-2.5931
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả kiểm định tính dừng cho thấy các chuỗi dữ liệu nghiên cứu của Việt
Nam các biến đều dừng ở sai phân bậc 1 ngoại trừ biến EXC và RS là dừng ở
chuỗi gốc.
 Hàn Quốc
Bảng 4.6. Kiểm định tính dừng các biến của Hàn Quốc
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

CPI
-7.46671
-3.52852
-2.9042
-2.58956
I(1)

IP
-4.137303
-4.092547
-3.474363
-3.164499
I(0)

MS
-2.833749
-3.525618
-2.902953
-2.588902
I(0)

EXC
-2.976208
-3.53003
-2.904848
-2.589907
I(0)

R
-4.9048
-3.5270
-2.9036
-2.5892
I(1)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

RS
-3.3929
-3.5285
-2.9042
-2.5896
I(0)

29

Kết quả kiểm định cho thấy các biến nghiên cứu của Hàn Quốc dừng ở chuỗi
gốc ngoại trừ CPI và R là dừng ở sai phân bậc 1.
 Thái Lan
Bảng 4.7. Kiểm định tính dừng các biến của Thái Lan
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

CPI
-4.4331
-4.1130
-3.4840
-3.1701
I(0)

IP
-5.3767
-4.1009
-3.4783
-3.1668
I(0)

MS
-3.2802
-4.0987
-3.4773
-3.1662
I(0)

EXC
-6.0665
-3.5285
-2.9042
-2.5896
I(1)

R
-2.7166
-3.5316
-2.9055
-2.5903
I(1)

RS
-3.6070
-3.5332
-2.9062
-2.5906
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả cho thấy các biến nghiên cứu của Thái Lan là dừng ở chuỗi gốc ngoại
trừ biến EXC và R là dừng ở sai phân bậc 1.
 Hungari
Bảng 4.8. Kiểm định tính dừng các biến của Hungari
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

CPI
-3.1055
-3.5482
-2.9126
-2.5940
I(2)

IP
-2.6687
-2.6047
-1.9464
-1.6132
I(1)

MS
-3.6592
-3.5332
-2.9062
-2.5906
I(1)

EXC
-4.2142
-3.5441
-2.9109
-2.5931
I(1)

R
-2.2256
-2.5999
-1.9457
-1.6136
I(1)

RS
-3.4044
-3.5285
-2.9042
-2.5896
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả kiểm định tính dừng cho thấy các biến nghiên cứu của Hungari đều
dừng ở sai phân bậc 1 ngoại trừ CPI là dừng ở sai phân bậc 2 và RS là dừng ở
chuỗi gốc.
4.3. Ước lượng độ biến động của thị trường chứng khoán và các biến
kinh tế vĩ mô bằng mô hình GARCH.
4.3.1. Ước lượng độ biến động của thị trường chứng khoán
Trong phần này, đề tài tiến hành hành ước lượng độ biến động của thị trường
chứng khoán của các nước nghiên cứu bằng mô hình GARCH. Theo đó, đầu

30

tiên đề tài xem xét lược đồ tương quan để xem xét dạng của chuỗi dữ liệu
nghiên cứu là MA (Moving Average) hay AR (Auto Regression), kế đến đề
tài tiến hành ước lượng các dạng mô hình GARCH và xem xét các điều kiện
tồn tại của mô hình GARCH và các tiêu chí AIC, SBC, HQ và RSME để chọn
lựa mô hình phù hợp diễn tả cho sự biến động của thị trường chứng khoán.
Theo đó, mô hình phù hợp cho việc diễn tả độ biến động của thị trường chứng
khoán Việt Nam là mô hình AR(1)-GARCH(1,1), của thị trường chứng khoán
Hàn Quốc là mô hình AR(1)-GARCH(1,1), thị trường chứng khoán Thái Lan
là mô hình MA(1) MA(3) MA(4) MA(6)-GARCH(1,1) và thị trường chứng
khoán Hungari là mô hình MA(1)-GARCH(1,1). Kết quả ước lượng các mô
hình mô tả như bảng sau. Chi tiết các ước lượng xem thêm phụ lục 3.
Bảng 4.9. Kết quả ước lượng độ biến động của thị trường chứng khoán


hình
β0
β1
β2

Việt Nam
AR(1)
GARCH(1,1)

Phương trình phương sai
Hàn Quốc
Thái Lan
AR(1)MA(1) MA(3)
GARCH(1,1)
MA(4) MA(6)GARCH(1,1)

Hungari
MA(1)GARCH(1,1)

0.0002
0.0003
0.0001
0.000247
(0.4921)
(0.0060)
(0.7011)
(0.5024)
0.2069
0.7341
0.4875
0.132680
(0.2705)
(0.0051)
(0.0035)
(0.0705)
0.7292
0.2084
0.4291
0.794958
(0.0009)
(0.0267)
(0.0000)
(0.0000)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

Dựa trên các mô hình được chọn đề tài cũng tiến hành kiểm định phần dư của
mô hình, kết quả cho thấy phần dư của các mô hình được chọn là dừng. Kết
quả được tổng hợp theo bảng sau (Phần dư của mỗi mô hình được ký hiệu là
E_tên biến_tên nước nghiên cứu). Chi tiết xem thêm phụ lục 4.

31

Bảng 4.10. Kết quả kiểm định tính dừng của phần dư_ ước lượng độ biến
động thị trường chứng khoán
Biến
E_RS_Việt Nam E_RS_Hàn Quốc E_RS_Thái Lan E_RS_Hungari
Giá trị thống kê t
-3.8703
-3.8431
-2.7987
-7.6549
t-1%
-3.5402
-3.5285
-3.5285
-3.5256
t-5%
-2.9092
-2.9042
-2.9042
-2.9030
t-10%
-2.5922
-2.5896
-2.5896
-2.5889
Kết quả
Dừng
Dừng
Dừng
Dừng

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả cho thấy phần dư của các mô hình đều dừng. Điều này cho thấy dạng
mô hình GARCH được chọn là phù hợp.
4.3.2. Ước lượng độ biến động của các biến số kinh tế vĩ mô
Quy trình ước lượng từng biến số kinh tế vĩ mô cũng được thực hiện tương tự
như ước lượng sự biến động của thị trường chứng khoán. Kết quả ước lượng
phương trình phương sai của các biến số kinh tế vĩ mô được tập hợp theo
bảng sau.
 Việt Nam
Bảng 4.11. Ước lượng sự biến động của các biến số kinh tế vĩ mô của Việt
Nam
CPI

hình
β0
β1
β2
β3

AR(1)GARCHM(1,1)
0.00000466
(0.7058)
0.255875
(0.0632)
0.514183
(0.0020)

Phương trình phương sai
IP
MS
EXC
MA(1)AR(1)AR(1)TGARCH(1,1) GARCHTGARCH(1,1)
M(1,1)
0.000170
(0.9000)
0.325889
(0.1102)
0.522313
(0.0296)
-0.778369
(0.0920)

0.005519
(0.1146)
0.0376
(0.2026)
0.1867
(0.7176)

0.00000347
(0.8224)
0.469442
(0.0000)
0.405431
(0.0000)
-0.557490
(0.0000)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

R
AR(1)TGARCH
(1,1)
0.000317
(0.1201)
0.011609
(0.9215)
0.534263
(0.0000)
-0.292870
(0.0846)

32

Kết quả ước lượng cho thấy rằng sự tác động của tin tức tốt và tin tức xấu là
khác nhau lên sự biến động của biến IP, MS, EXC và R – hệ số β3 trong
phương trình phương sai là có ý nghĩa thống kê.
Ngoài ra, đề tài cũng tiến hành kiểm định phần dư của các mô hình được
chọn, kết quả cho thấy phần dư của các mô hình là dừng. Kết quả được tổng
hợp theo bảng sau (phần dư được ký hiệu là E_tên biến). Chi tiết xem thêm
phụ lục 3.
Bảng 4.12. Kết quả kiểm định tính dừng phần dư_ sự biến động các biến số
kinh tế vĩ mô Việt Nam
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Kết quả

E_CPI
-7.3956
-3.5285
-2.9042
-2.5896
Dừng

E_IP
-2.9191
-3.5461
-2.9117
-2.5936
Dừng

E_EXC
-3.2525
-4.0946
-3.4753
-3.1650
Dừng

E_MS
-3.2726
-4.1184
-3.4865
-3.1715
Dừng

E_R
-7.7935
-4.0946
-3.4753
-3.1650
Dừng

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eivews 6.0
Kết quả phần dư của các biến là dừng điều này cho thấy việc lựa chọn dạng
các mô hình GARCH là phù hợp.
 Hàn Quốc
Bảng 4.13. Ước lượng độ biến động các biến số kinh tế vĩ mô của Hàn Quốc


hình
β0
β1
β2

CPI
AR(1)GARCHM(1,1)

Phương trình phương sai
IP
MS
EXC
AR(1)AR(1)AR(1)GARCHGARCHGARCHM(1,1)
M(1,1)
M(1,1)

R
AR(1)GARCHM(1,1)

0.000004
(0.0718)
0.069408
(0.3717)
0.567960
(0.0013)

0.001342
(0.0206)
0.316110
(0.2046)
0.287744
(0.0112)

0.000144
(0.0083)
0.856083
(0.0379)
0.046942
(0.6773)

0.00000003
(0.8843)
0.266709
(0.0000)
0.285850
(0.0000)

0.000127
(0.1581)
0.465193
(0.0009)
0.420902
(0.0154)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

33

Ngoài ra, đề tài cũng tiến hành kiểm định tính dừng của phần dư của mô hình
được chọn. Theo đó, phần dư của các mô hình đều dừng (ký hiệu biến phần
dư là E_tên biến), tất cả được tập hợp theo bảng sau.
Bảng 4.14. Kết quả kiểm định tính dừng phần dư_ sự biến động các biến số
kinh tế vĩ mô Hàn Quốc
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Kết quả

E_CPI
-6.2276
-3.5285
-2.9042
-2.5896
Dừng

E_IP
-3.3483
-3.5384
-2.9084
-2.5918
Dừng

E_EXC
-3.9154
-3.5285
-2.9042
-2.5896
Dừng

E_MS
-8.2571
-3.5270
-2.9036
-2.5892
Dừng

E_R
-6.4456
-3.5300
-2.9048
-2.5899
Dừng

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả phần dư dừng cho thấy các dạng mô hình GARCH đươc chọn là phù
hợp.
 Thái Lan
Bảng 4.15. Ước lượng độ biến động các biến số kinh tế vĩ mô của Thái Lan


hình
β0
β1
β2
β3

Phương trình phương sai
CPI
IP
MS
EXC
AR(1)AR(1)AR(1)AR(1) AR(2)TGARCH( GARCH(1,1) GARCH(1,
GARCH1,1)
1)
M(1,1)
0.0000003
(0.3290)
0.0843
(0.0016)
0.70412
(0.0000)
-0.6576
(0.0030)

0.00018
(0.6171)
0.54055
(0.066)
0.15012
(0.0000)

0.000015
(0.0000)
0.033037
(0.5776)
0.825207
(0.0000)

0.00003
(0.4074)
0.06179
(0.5241)
0.75031
(0.0003)

R
AR(1)TGARCH
(1,1)
0.00009
(0.8341)
0.03334
(0.6875)
0.6347
(0.7057)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả cho thấy sự biến động của biến CPI là khác nhau khi có tin tức tốt và
tin tức xấu- hệ số β3 có ý nghĩa thống kê ở mức 1%.

34

Ngoài ra, đề tài cũng tiến hảnh kiểm định phần dư của các biến kinh tế vĩ mô
được ước lượng thông qua các mô hình được chọn, kết quả cho thấy phần dư
của các mô hình đều dừng (ký hiệu biến phần dư E_tên biến).
Bảng 4.16. Kết quả kiểm định tính dừng phần dư_ sự biến động các biến số
kinh tế vĩ mô Thái Lan
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Kết quả

E_CPI
-4.3709
-3.5441
-2.9109
-2.5931
Dừng

E_IP
-3.0360
-3.5332
-2.9062
-2.5906
Dừng

E_EXC
-13.3233
-3.5285
-2.9042
-2.5896
Dừng

E_MS
-5.0945
-3.5332
-2.9062
-2.5906
Dừng

E_R
-3.1218
-3.5300
-2.9048
-2.5899
Dừng

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả phần dư dừng cho thấy các dạng mô hình GACRH được chọn để đo
lường độ biến động là phù hợp.
 Hungari
Bảng 4.17. Ước lượng độ biến động các biến số kinh tế vĩ mô của Hungari


hình
β0
β1
β2
β3

Phương trình phương sai
CPI
IP
MS
EXC
AR(1)- AR(1) AR(2)
AR(1)AR(1)GARCH- AR(8) AR(12)- TGARCH( TGARCH(1,1)
M(1,1) TGARCH(1,1)
1,1)

R
AR(1)GARCH(
1,1)

0.00002
(0.0190)
0.295982
(0.0538)
0.033171
(0.8759)

0.000222
(0.3081)
0.122521
(0.2099)
0.756499
(0.0000)

0.000354
(0.0000)
0.205561
(0.1954)
0.699839
(0.0000)
-0.422940
(0.0016)

0.0000179
(0.0001)
0.209847
(0.0190)
0.597874
(0.0000)
-0.395441
(0.0001)

0.000160
(0.0627)
0.103582
(0.3473)
0.639957
(0.0000)
-0.308402
(0.0392)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả cho thấy sự biến động của các biến IP, MS, EXC là khác nhau khi có
tin tức tốt và tin tức xấu. Ngoài ra, đề tài cũng tiến hành kiểm định phần dư
của mô hình được chọn để ước lượng sự biến động các biến số kinh tế vĩ mô.

35

Kết quả cho thấy phần dư của các mô hình là dừng (Ký hiệu phần dư là E_tên
biến). Tất cả được tổng hợp trong bảng sau:
Bảng 4.18. Kết quả kiểm định tính dừng phần dư_ sự biến động các biến số
kinh tế vĩ mô Hungari
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Kết quả

E_CPI
-6.2238
-3.5402
-2.9092
-2.5922
Dừng

E_IP
-2.9273
-3.5421
-2.9100
-2.5926
Dừng

E_EXC
-4.2481
-3.5441
-2.9109
-2.5931
Dừng

E_MS
-2.7895
-3.5300
-2.9048
-2.5899
Dừng

E_R
-46.6217
-3.5256
-2.9030
-2.5889
Dừng

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả các phần dư đều dừng điều này cho thấy các dạng mô hình GARCH
được chọn để ước lượng độ biến động của các biến là phù hợp.
4.4. Mối quan hệ giữa biến động của thị trường chứng khoán và các biến
kinh tế vĩ mô
4.4.1. Ước lượng mô hình VAR
Trong phần này đề tài sẽ dùng kết quả phương sai có điều kiện của các biến
nghiên cứu và sử dụng mô hình VAR để ước lượng các mối quan hệ giữa biến
động thị trường chứng khoán và các biến kinh tế vĩ mô.
 Kiểm định tính dừng của chuỗi phương sai có điều kiện của các
biến nghiên cứu
Trong phần này đề tài tiếp tục dùng kiểm định ADF để kiểm tra lại một lần
nữa tính dừng của chuỗi phương sai có điều kiện của các biến nghiên cứu
được tính toán từ phương trình phương sai của các mô hình GARCH tương
ứng đã đề cập trong phần 4.3.3. Chi tiết xem thêm phụ lục 5.

36

Bảng 4.19 Kiểm định tính dừng của các chuỗi phương sai có điều kiện của
Việt Nam
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

V_CPI
-4.8847
-3.5300
-2.9048
-2.5899
I(0)

V_IP
-4.9715
-3.5285
-2.9042
-2.5896
I(0)

V_MS
-3.6945
-3.5461
-2.9117
-2.5936
I(0)

V_EXC
-3.3487
-4.0987
-3.4773
-3.1662
I(0)

V_R
-2.6612
-2.5989
-1.9456
-1.6137
I(0)

V_RS
-2.9372
-3.5421
-2.9100
-2.5926
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Bảng 4.20 Kiểm định tính dừng của các chuỗi phương sai có điều kiện của
Thái Lan
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

V_CPI
-2.1510
-2.5984
-1.9455
-1.6138
I(0)

V_IP
-4.9911
-3.5461
-2.9117
-2.5936
I(0)

V_MS
-2.9612
-3.5270
-2.9036
-2.5892
I(0)

V_EXC
-3.9160
-3.5366
-2.9077
-2.5914
I(0)

V_R
-2.8767
-3.5285
-2.9042
-2.5896
I(0)

V_RS
-5.3541
-3.5441
-2.9109
-2.5931
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Bảng 4.21. Kiểm định tính dừng của các chuỗi phương sai có điều kiện của
Hàn Quốc
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

V_CPI
-7.02994
-3.5332
-2.90621
-2.59063
I(0)

V_IP
-7.048981
-4.115684
-3.485218
-3.170793
I(0)

V_MS
-1.617067
-2.602185
-1.946072
-1.613448
I(0)

V_EXC
-9.851387
-4.115684
-3.485218
-3.170793
I(0)

V_R
-4.0135
-3.5300
-2.9048
-2.5899
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

V_RS
-3.3658
-4.1079
-3.4816
-3.1687
I(0)

37

Bảng 4.22. Kiểm định tính dừng của chuỗi phương sai có điều kiện của
Hungari
Biến
Giá trị thống kê t
t-1%
t-5%
t-10%
Bậc dừng

V_CPI
-5.0491
-3.5402
-2.9092
-2.5922
I(0)

V_IP
-1.6905
-2.6111
-1.9474
-1.6127
I(0)

V_MS
-2.6490
-3.5270
-2.9036
-2.5892
I(0)

V_EXC
-3.0935
-3.5285
-2.9042
-2.5896
I(0)

V_R
-5.5852
-3.5270
-2.9036
-2.5892
I(0)

V_RS
-3.3654
-4.1184
-3.4865
-3.1715
I(0)

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Thông qua các kết quả kiểm định nghiệm đơn vị cho thấy chuỗi dữ liệu về
biến động của phương sai có điều kiện của các biến nghiên cứu tương ứng với
từng nước là dừng. Đây là cơ sở để đề tài tiến hành ước lượng mối quan hệ
giữa biến động các biến kinh tế vĩ mô và thị trường chứng khoán bằng mô
hình VAR.
 Xác định độ trễ tối ưu cho mô hình VAR
Theo Nguyễn Phi Lân (2011) thì khi độ trễ được chọn là quá nhỏ thì không đủ
để đánh giá tác động của các cú sốc được lượng hóa trong mô hình bằng hàm
phản ứng đẩy IRF, ngược lại nếu chọn độ trễ của mô hình là quá cao mà số
quan sát trong mô hình cũng không đủ dài do đó sẽ ảnh hưởng đến kết quả mô
hình do ảnh hưởng đến bậc tự do trong mô hình. Trong phần này đề tài sẽ sử
dụng kiểm định Lag length Criteria để lựa chọn độ trễ cho các mô hình VAR
tương ứng từng quốc gia nghiên cứu. Chi tiết xem thêm phụ lục 6.
Bảng 4.23 Độ trễ tối ưu của các mô hình VAR của các nước nghiên cứu
Quốc gia/
LR
Tiêu chuẩn
Việt Nam
Thái Lan
Hàn Quốc
Hungari

FPE
2
4
4
3

AIC
2
4
4
1

SC
6
4
4
4

HQ
1
1
1
2

Độ trễ
lựa chọn

2
4
3
2

Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0

2
4
4
3