BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH



NGUYỄN NGỌC HIẾN


CÁC YẾU TỐ TÁC ĐỘNG ĐẾN SỰ ĐỒNG BIẾN
GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN -
TIẾP CẬN TỪ MÔ HÌNH SPATIAL ECONOMETRICS




LUẬN VĂN THẠC SỸ KINH TẾ




TP. HỒ CHÍ MINH - 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH


NGUYỄN NGỌC HIẾN

CÁC YẾU TỐ TÁC ĐỘNG ĐẾN SỰ ĐỒNG BIẾN

GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN -
TIẾP CẬN TỪ MÔ HÌNH SPATIAL ECONOMETRICS


Chuyên ngành : Tài chính - Ngân hàng
Mã số : 60340201

LUẬN VĂN THẠC SỸ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS NGUYỄN THỊ NGỌC TRANG



TP. HỒ CHÍ MINH - 2014

LỜI CAM ĐOAN
Tôi cam đoan:
- Đây là công trình nghiên cứu của tôi dưới sự hướng dẫn khoa học của
PGS.TS Nguyễn Thị Ngọc Trang.
- Số liệu, kết quả của luận văn là trung thực và chưa từng ai công bố trong bất
kỳ công trình nào khác.
- Tôi chịu trách nhiệm về nghiên cứu của mình.
Tp. HCM, ngày 7 tháng 11 năm 2014
Tácgiả


NguyễnNgọcHiến




MỤC LỤC
Trang phụ bìa
Lời cam đoan
Mục lục
Danh mục chữ viết tắt
Danh mục bảng biểu
Danh mục hình vẽ, biểu đồ
TÓM TẮT 1
CHƯƠNG 1.

GIỚI THIỆU 2

CHƯƠNG 2.

TỔNG QUAN LÝ THUYẾT 4

2.1.

CÁC KHÁI NIỆM 4

2.1.1.

Biến động cùng hướng (co-movement ) và lây lan (contagion) 4

2.1.2.

Cơ chế liên kết các quốc gia (linkages) 4

2.2.


TỔNG QUAN TÀI LIỆU 5

2.2.1.

Nghiên cứu, bằng chứng về tồn tại lây lan (contagion), đồng biến
(co-movement) giữa các thị trường chứng khoán 5

2.2.2.

Nghiên cứu thực nghiệm về các yếu tố quyết định đến tính đồng biến
(co-movement) hay tính liên phụ thuộc (interdependence, dependence) giữa
các thị trường 10

CHƯƠNG 3.

PHƯƠNG PHÁP NGHIÊN CỨU 12

3.1. Mô hình phụ thuộc không gian (spatial dependence) cho dữ liệu
chéo(cross-sectional) 12

3.1.1.

Khái niệm về phụ thuộc không gian và mô hình spatial econometrics
12



3.1.2.


Ma trận trọng số không gian- spatial weight matrix, ma trận liền kề -
contiguity matrix 14

3.1.3.

Kiểm định sự tồn tại của spatial autocorrelation hay spatial
dependence (Moran’s I test) 20
3.1.4.

Hiệu ứng lan toả trực tiếp, gián tiếp (direct, indirect [spillover]
effect) 21
3.1.5.

Vấn đềbỏ sót biến và lựa chọn mô hình phụ thuộc không gian 22

3.2.

Mô hình phụ thuộc không gian với dữ liệu bảng (Spatial Panel Data) 23

3.2.1.

Kiểm định sự tồn tại của phụ thuộc chéo trong dữ liệu bảng 23

3.2.2.

Mô hình, phương trình ước lượng 24

3.2.3.

Kỹ thuật ước lượng 25


3.3. Mô hình đo lường sự đồng biến, so sánh các mối liên kết trong tác động đối
với sự đồng biến 26

CHƯƠNG 4.

LỰA CHỌN VÀ XÂY DỰNG BIẾN 28

4.1.

Biến phụ thuộc 28

4.2.

Nhóm biến đo lường mối liên kết tài chính 28

4.2.1.

Dao động tỷ giá song phương 29

4.2.2.

Thương mại song phương 30

4.2.3.

Đầu tư trực tiếp FDI 31

4.2.4.


Nợ ngân hàng nước ngoài Foreign claim 32

4.2.5.

Đầu tư gián tiếp FPI 32

4.2.6.

Hội tụ lạm phát 33

4.2.7.

Hội tụ lãi suất 34



4.2.8.

Mở cửa thị trường vốn, Hội nhập tài chính – KaOpen song phương
(Bilateral KaOpen) 34

4.2.9.

Khoảng cách địa lý 36

4.3.

Nhóm biến giải thích 36

4.3.1.


Giá dầu 37

4.3.2.

Giá vàng 37

4.3.3.

Tỷ lệ tăng trưởng GDP 38

4.3.4.

Tăng trưởng sản lượng công nghiệp 39

4.3.5.

Lạm phát 39

4.3.6.

Tỷ giá hối đoái 40

4.3.7.

Thay đổi lãi suất 42

4.3.8.

Thay đổi xếp hạng tín dụng đồng nội tệ 42


CHƯƠNG 5. DỮ LIỆU 45
CHƯƠNG 6.

KẾT QUẢ NGHIÊN CỨU 55

6.1.

Kết quả từ mô hình Spatial Durbin Panel Model (SDM) 55

6.2.

Phân tích với mô hình SAR(2)+SEM 64

6.3. Kết quả từ mô hình SAR(2) - so sánh trực tiếp từng cặp ρWy 69
CHƯƠNG 7.

KẾT LUẬN 73

7.1.

Phát hiện và đóng góp của nghiên cứu: 73

7.2.

Giới hạn và định hướng nghiên cứu 74

TÀI LIỆU THAM KHẢO



DANH MỤC CHỮ VIẾT TẮT
Viết tắt Nội dung
APEC Asia Pacific Economic Cooperation
ARCH Autoregressive Conditional Heteroscedasticity
BP Breusch Pagan (test)
CD Cross dependence(test)
DGP Data Generating Process
GARCH Genralized Autoregressive Conditional Heteroscedasticity

GMM Genralized method of moments
GNS General Nesting Spatial (Model)
LM Lagrange Multiplier (test)
MLE Maximum likelihood estimator
OLS Ordinary Least Square
PCD Pesaran cross dependence (test)
SAC Spatial Autocorrelation (Model)
SAR Spatial Autoregressive (Model)
SDEM Spatial Durbin Error Model
SDM Spatial Durbin Model
SEM Spatial Error Model
SLR Simple Linear Regression (Model)
SLX Spatial lag of X (Model)
TSSL Tỷ suất sinh lợi
VAR Vector Autoregression, Vector Autoregressive (model)



DANH MỤC BẢNG BIỂU
Bảng 3-1. So sánh các áp dụng mô hình spatial econometrics 23


Bảng 4-1. Ký hiệu tên biến 44

Bảng 4-2. Ký hiệu ma trận trọng số không gian W 44

Bảng 5-1. Danh mục các quố gia trong mẫu 46
Bảng 5-2. Thống kê cơ bản các tỷ suất sinh lợi hằng tháng chỉ số chứng khoán các
quốc gia 47

Bảng 5-3. Tương quan giữa các chỉ số chứng khoán 50

Bảng 5-4. Kết quả kiểm định phụ thuộc chéo 53

Bảng 5-5. Kiểm định unitroot cho dữ liệu bảng và từng chuỗi 54

Bảng 6-1. Kết quả mô hình SDM 58

Bảng 6-2. Kết quả mô hình SAR(2)+SEM 65

Bảng 6-3. So sánh ρ1, ρ2 mô hình SAR(2) 71





DANH MỤC HÌNH ẢNH
Hình 3-1.Các mô hình spatial ecnometrics 19

Hình 5-1. Phân bố hệ số tương quan giữa các thị trường chứng khoán 53

Hình 6-1. Phân bố hệ số ρ kết quả mô hình SDM theo thời kỳ 62


Hình 6-2. So sánh hệ số ρ theo các W, mô hình SDM 63

Hình 6-3.So sánh tỷ số ρ
1
/ρ
2
qua các thời kỳ, mô hình SAR(2)+SEM 68




1



TÓM TẮT
Nghiên cứu về sự phụ thuộc giữa các thị trường chứng khoán được nhiều người
quan tâm. Trong hệ thống tài liệu khoa học kinh tế tài chính đã có nhiều nghiên cứu
về vấn đề này bằng các phương pháp khác nhau và kết quả các phương pháp trước
đây cũng phần lớn chỉ đưa ra được bằng chứng về sự phụ thuộc hay đồng bộ giữa
các thị trường chứ chưa có nhiều nghiên cứu đi vào nghiên cứu nguyên nhân hay
bản chất giải thích cho sự phụ thuộc, đồng bộ đó. Nghiên cứu này sử dụng các mô
hình của phương pháp spatial econometrics trên dữ liệu thị trường chứng khoán và
kinh tế vĩ mô cùng với các chỉ tiêu kinh tế song phương 18 quốc gia Châu Á Thái
Bình Dương từ năm 2004-2013 được chia làm 3 giai đoạn trước khủng hoảng
(2004-2006), khủng hoảng (2007-2009) và hậu khủng hoảng (2010-2013). Kết quả
cho thấycó tồn tại sự đồng bộ giữa các thị trường chứng khoán và tính chất ấy cao
hơn trong thời kỳ khủng hoảng và tăng lên theo thời gian. Nghiên cứu cũng khẳng
định các chỉ tiêu kinh tế song phương giải thích rất tốt cho sự đồng bộ giữa các thị

trường. Trong đó, một đo lường mới được tác giả đề xuất dựa trên chỉ số KaOpen
có sức mạnh giải thích cao nhất.

Từ khoá:
Spatial Econometrics, SEM, SAR, SDM, International stock markets, dependence,
interdependence, co-movement, synchronization, spillover, KAOPEN, Bilateral
KAOPEN, KAOPEN song phương.

2



CHƯƠNG 1. GIỚI THIỆU
Trong vài chục năm trở lại đây, thế giới ngày càng chứng kiến sự lớn mạnh và hội
nhập của các nền kinh tế, cùng với nó là mối quan hệ thương mại đầu tư ngày càng
rộng mở và phức tạp giữa các quốc gia. Toàn cầu hoá được nhắc đến nhiều và ảnh
hưởng đến hầu hết mọi mặt đời sống kinh tế chính trị xã hội trên thế giới. Công
nghệ thông tin truyền thông phát triển mạnh mẽ cũng là một yếu tố thúc đẩy phát
triển kinh doanh quốc tế và thúc đẩy tiến trình toàn cầu hoá mạnh mẽ hơn. Khởi
nguồn từ khủng hoảng bong bóng nhà đất Mỹ năm 2007-2008, dẫn tới cuộc khủng
hoảng kinh tế tài chính quốc tế năm 2008-2009, thế giớiđã ghi nhận tác động tiêu
cực đến hàng loạt các thị trường chứng khoán. Lịch sử tài chính quốc tế trong quá
khứ cũng đã chứng kiến nhiều biến động tốt – xấu mang tính dây chuyền như vậy.
Có thể kể đến các cuộc khủng hoảng lớn đều dẫn tới hậu quả tương tự như cuộc
khủng hoảng Mỹ năm 1987, khủng hoảng tài chính Thái Lan 1997, tất cả thấy cho
thấy sự vận động cùng xu hướng (co-movement) của các thị trường chứng khoán.
Đã có nhiều nghiên cứu chỉ ra sự phụ thuộc lẫn nhau giữa các thị trường chứng
khoán, chỉ ra mối quan hệ biến thiên cùng hướng giữa chúng, song để đưa ra gốc rễ
nguyên nhân hay các yếu tố tác động đến sự phụ thuộc ấy thì chưa nhiều và vẫn còn
một khoảng trống nghiên cứu rất lớn. Do vậy tôi chọn đề tài nghiên cứu về vấn đề

này để thực hiện cho luận văn Thạc sỹ Kinh tế của mình, nghiên cứu xem xét phân
tích mối quan hệ đồng biến giữa các thị trường chứng khoán và các yếu tố tác động
đến mối quan hệ đó.
Spatial Econometrics là một chuyên ngành nghiên cứu kinh tế khá mới mẻ, ra đời từ
sự kết hợp của khoa học địa lý (geographics, geo-spatial analysis, regional analysis)
và toán kinh tế lượng (econometrics). Nói chung, các mô hình kinh tế lượng thông
thường được ước lượng qua hồi quy, không tính đến sự phụ thuộc giữa các thực thể
(section). Ngay cả mô hình panel data sử dụng tập mẫu gồm các quan sát của các
thực thể khác nhau (cross section) nhưng cũng không xem xét hay tính đến sự phụ
thuộc chéo (cross section interdependence). Spatial econometrics ra đời với sự kết
3



hợp của chuyên ngành phân tích spatial analysis của khoa học địa lý bổ sung thêm
cho yếu điểm trên của econometrics đơn thuần.
Nghiên cứu này sử dụng dữ liệu từ thị trường chứng khoán 18 quốc gia APEC (Việt
Nam và 17 quốc gia có quan hệ thương mại, đầu tư, tài chính với Việt Nam trong
khối APEC). Với việc sử dụng các biến kinh tế song phương giữa các quốc gia
trong mẫu, nghiên cứu được kỳ vọng sẽ (1) chỉ ra được các yếu tố có tác động đến
tính chất biến động cùng xu hướng giữa các thị trường, (2) định lượng được mức độ
tác động của các biến kinh tế song phương lên sự đồng biến ấy.
Kết quả của nghiên cứu có thể đóng góp thêm cho lý thuyết kinh tế tài chính quốc tế
và các quyết định quản trị của các nhà quản trị đầu tư tài chính trong việc thực hiện
việc phòng ngừa rủi ro, đa dạng hoá danh mục đầu tư cũng như quản lý vĩ mô thị
trường chứng khoán.
Nội dung chính luận văn này được trình bày tiếp theo, với:
- Chương 2 trình bày các khái niệm liên quan và xem xét tổng quan lý thuyết
nghiên cứu về sự đồng biến giữa các thị trường chứng khoán.
- Chương 3 nói về phương pháp, mô hình nghiên cứu spatial econometrics cho

dữ liệu chéo, dữ liệu bảng.
- Chương 4 phân tích, lựa chọn và xây dựng biến.
- Chương 5 trình bày chi tiết dữ liệu và các phân tích thống kê cơ bản.
- Chương 6 trình bày kết quả nghiên cứu và bình luận.
- Chương 7 là kết luận và định hướng nghiên cứu tương lai.
4



NỘI DUNG
CHƯƠNG 2. TỔNG QUAN LÝ THUYẾT
2.1. CÁC KHÁI NIỆM
2.1.1. Biến động cùng hướng (co-movement ) và lây lan (contagion)
Vận động cùng hướng có thể hiểu như là sự biến động giống nhau, cùng chiều tăng
giảm. Nó cũng là sự phụ thuộc chéo (interdependence).
Không có một định nghĩa thống nhất cho khái niệm lây lan tài chính (financial
contagion), tuy nhiên World Bank đưa ra 3 định nghĩa theo mức độ chặt chẽ.
- Mức độ tổng quát, lây lan tài chính là sự lan truyền các cú sốc hay đơn giản
hơn là hiệu ứng lan toả xuyên quốc gia. Lây lan có thể diễn ra ở cả ở thời kỳ
“tốt” hay “xấu”. Lây lan tài chính không nhất thiết phải gắn với khủng
hoảng, tuy nhiên trong lý thuyết, người ta hay nhấn mạnh sự lan tỏa qua các
thời kỳ khủng hoảng.
- Mức chặt chẽ, lây lan tài chính là sự truyền dẫn các cú sốc hay tính chất
tương quan chéo giữa các quốc gia thông qua một cơ chế liên kết nào đó,
giống như cơ chế lây bệnh trong y học.
- Mức chặt chẽ nhất, lây lan xảy ra khi mức độ tương quan tăng cao giữa các
quốc gia về vấn đề nào đó trong thời kỳ khủng hoảng so với thời kỳ bình
yên.
2.1.2. Cơ chế liên kết các quốc gia (linkages)
Cũng theo World Bank, sở dĩ có sự lây lan và biến động cùng hướng giữa các quốc

gia là do có cơ chế truyền dẫn qua các mối liên kết. Có ba nhóm liên kết cơ bản.
- Liên kết tài chính (financial linkages): Liên kết tài chính tồn tại giữa hai
quốc gia khi hai quốc gia cùng được kết nối qua một hệ thống tài chính quốc
5



tế. Ví dụ, một định chế quốc có tài trợ bằng vốn vay, khi tài sản của họ ở một
quốc gia bị giảm giá hoặc chịu một cú sốc có ảnh hưởng tiêu cực, định chế
đó buộc phải bán tài sản của họ ở một quốc gia khác không bị ảnh hưởng bởi
cú sốc ấy để có vốn dự phòng. Hành động này tác động như sự nhân giống
hay truyền dẫn cú sốc từ quốc gia ban đầu sang các quốc gia khác.
- Liên kết thực (real linkages): Là loại liên kết kinh tế cơ bản chủ yếu giữa các
quốc gia, thông qua hoạt động thương mại quốc tế và đầu tư trực tiếp nước
ngoài (FDI). Giữa các quốc gia có quan hệ thương mại, nếu một bên giảm
giá đồng tiền để tạo lợi thế so với các quốc gia khác sẽ kích thích một cuộc
chạy đua tương tự bởi các quốc gia này để lấy lại lợi thế. Một cú sốc kích
thích khủng hoảng ở chính quốc làm cho hoạt động đầu tư suy giảm khiến
các công ty đa quốc gia cũng phải thu hẹp đầu tư ở các quốc gia không/chưa
chịu ảnh hưởng. Hậu quả là sự lây lan suy giảm đầu tư từ một quốc gia sang
các quốc gia có mối liên kết này.
- Liên kết chính trị (political linkages): Mối liên kết này ít được nhắc đến
trong lý thuyết so với hai mối liên kết trên. Nó tồn tại khi một quốc gia có
tham gia một hiệp ước hay câu lạc bộ với các ràng buộc về kinh tế chính
trịchẳng hạn như cơ chế đồng tiền chung.
2.2. TỔNG QUAN TÀI LIỆU
2.2.1. Nghiên cứu, bằng chứng về tồn tại lây lan (contagion), đồng biến
(co-movement) giữa các thị trường chứng khoán
Trong mấy chục năm qua, lý thuyết tài chính đã ghi nhận sự biến đổi cùng hướng
giữa các thị trường chứng khoán quốc tế. Theo Forbes and Rigobon (1999), nghiên

cứu kiểm định sự tồn tại của sự lây lan thậm chí còn nhiều hơn lý thuyết nghiên cứu
giải thích cơ chế lây lan. Có bốn phương pháp tiếp cận định lượng: Phân tích tương
quan chéo giữa các thị trường (cross market correlation analysis), mô hình phương
sai thay đổi có điều kiện tự hồi quy tổng quát GARCH, đồng liên kết (co-
6



integration), và probit. Hầu hết các nghiên cứu đề chỉ ra có sự lây lan trong thời kỳ
khủng hoảng.
Kiểm định dựa trên tương quan chéo giữa các quốc gia được sử dụng nhiều nhất.
Phương pháp này đo lường tương quan song phương trong thời kỳ ổn định và kiểm
định so sánh với tương quan trong và sau thời kỳ khủng hoảng. Nếu hệ số tương
quan sau này tăng đáng kể so với trước đó thì chứng tỏ tồn tại sự lây lan hay tồn tại
sự đồng biến.
King and Wadhwani (1990) kiểm định hệ số tương quan chéo giữa các thị trường
Mỹ, Nhật và Anh cho thấy hệ số này tăng đáng kể sau đổ vỡ của thị trường Mỹ. Lee
and Kim (1993) dùng phương pháp tương tự, nhưng mở rộng với 12 thị trường cho
thấy trước đổ vỡ thị trường Mỹ 1987, hệ số tương quan trung bình là 0.23, sau
1987, nó tăng lên 0.39, tất nhiên có kiểm định để khẳng định 2 con số này khác biệt
có ý nghĩa thống kê.Solnik et al. (1996) nghiên cứu tương quan thị trường chứng
khoán Mỹ và các quốc gia lớn khác cho thấy dao động thị trường (volatility) có xu
hướng lây lan và mức độ tương quan (correlation) tăng cao trong thời kỳ có dao
động mạnh. Hamao et al. (1990) ghi nhận sự lan toả của thay đổi và dao động giá từ
thị trường chứng khoán Mỹ và Anh với thị trường Nhật. Hiệu ứng đó là hiệu ứng
hai chiều, song chiều từ thị trường Mỹ và Anh qua Nhật mạnh hơn nhiều so với
chiều ngược lại. Kết quả tương tự cũng được khẳng định trong nghiên cứu của
Longin and Solnik(1995), hệ số tương quan tăng trong và sau khủng hoảng.
Ramchand and Susmel (1998) cho thấy hệ số tương quan của thị trường Mỹ với các
thị trường chính khác tăng khoảng 2.5 đến 3 lần ở thời kỳ khủng hoảng.

Phương pháp thứ hai: ARCH hay GARCH cũng hay được dùng. Phương pháp này
đo lường cơ chế lan toả variance và covariance (variance, covariance matrix).
Chou et al. (1994) và Hamao et al. (1990) bằng cách này đã cho thấy bằng chứng về
sự lây lan sau sự kiện 1987 của chứng khoán Mỹ tới các quốc gia. Longin and
Solnik (1995) cho thấy ma trận variance, covariance không ổn định theo thời gian
mà nó có xu hướng tăng trong và sau thời kỳ có khủng hoảng. Savva (2009) bằng
7



mô hình GARCH với dynamic conditional correlation đã tìm ra và đo lường được
mức độ lan toả (spillover) biến động giá giữa thị trường Mỹ với các nước Châu Âu
theo từng cặp (lan toả Mỹ → Châu Âu và ngược lại). Cho and Parhizgari (2008)
nghiên cứu 14 thị trường cổ phiếu Đông Á bằng DDC GARCH cho kết luận có tồn
tại sự lây lan tài chính.
Alper et al. (2004) lại cho thấy sự lan toả, đặc biệt là từ các trung tâm kinh tế thế
giới sau khủng hoảng kinh tế châu Á tới thị trường chứng khoán Istanbul. Latha
Ramchand and Raul Susmel(1998) cho thấy hệ số tương quan của thị trường Mỹ
với các thị trường chính khác tăng khoảng 2.5 đến 3 lần ở thời kỳ có variance hay
covarriance cao. Bouaziz et al. (2012) xem xét thời kỳ khủng hoảng Mỹ 2007-2008
qua mô hình DCC GARCH cho thấy tương quan tăng đáng kể sau khủng hoảng, nó
là minh chứng cho thấycó sự lây lan. Kết quả tương tự cũng được Hwang et al.
(2010) khẳng định. Celık (2012) cho thấy có tồn sự lan toả trong thời kỳ khủng
hoảng thị trường Mỹ giai đoạn 2007-2008 tới hầu hết các thị trường quan trọng,mẫu
bao gồm các nước hội nhập (emerging) và các nước phát triển (developed), các
nước hội nhập chịu tác động nhiều hơn.
Wangand Huang. (2011) nghiên cứu sự phụ thuộc của thị trường chứng khoán
Trung Quốc với các thị trường quốc tế trong bối cảnh kinh tế TQ ngày càng hội
nhập với kinh tế thế giới cho thấy biến động thị trường Trung Quốc phụ thuộc lớn
nhất vào thị trường Nhật và các quốc gia Châu Á Thái Bình Dương.

Akhtaruzzaman et al. (2014) nghiên cứu chứng khoán các công ty tài chính Mỹ và
Australia cho thấy trong thời gian khủng hoảng, tương quan có điều kiện
(conditional correlation) giữa hai thị trường này cao hơn so với thời kỳ bình yên.

Phương pháp thứ ba là kiểm định đồng liên kết.
Sandera and Kleimeier (2003) nghiên cứu cấu trúc đồng liên kết cho thấy cấu trúc
này thay đổi sau khủng hoảng Châu Á. Chou et al. (1994) dùng Johansen
cointegration test với các chỉ số chứng khoán Mỹ, Canada, Anh , Pháp, Đức, Nhật
cho thấy chúng có tính đồng liên kết. Tính liên kết càng mạnh khi thị trường càng
8



hội nhập, tự do hoá và toàn cầu hoá thị trường tài chính. Các nghiên cứu như này
cũng có thể kể đến Yang and Lim (2004), Karmann and Herrera (2014).
Yunus (2013) sử dụng phương pháp đồng liên kết đệ quy (recursive conintegration)
để phân tích tính đồng phụ thuộc (interdependence) giữa các thị trường Bắc Mỹ,
Châu Âu, Nam Mỹ, và Châu Á. Kết quả cho thấy các thị trường này đồng phụ thuộc
(cũng là đồng liên kết) và mức độ ngày càng tăng theo thời gian; các cuộc khủng
hoảng hay cú sốc chính là nhân tố kích thích sự hội tụ (đồng biến, biến đổi cùng
hướng) giữa các thị trường.
Phương pháp probit thì khác hẳn so với các phương pháp trên. Nó không đo lường
hệ số mà chẳng hạn kiểm định cách các thị trường phản ứng với cùng một thông tin
thường nhật (daily news). Bằng cách này Baig and Goldfajn (1998) nghiên cứu
phản ứng của các thị trường đối với tin thường nhật từ một thị trường và cho thấy
có nhiều tin tác động không chỉ đến thị trường một nước ban đầu mà còn lan toả
ảnh hưởng tới các nước khác trong giai đoạn khủng hoảng châu Á 1997-1998.
Các phương pháp VAR cũng được sử dụng khá phổ biến. Ozdemir (2009) sử dụng
phương pháp VARFIMA nghiên cứu mối quan hệ giữa các thị trường chính trên thế
giới bao gồm Mỹ, Đức, Nhật, Anh Quốc đã tìm mối liên hệ (interconnection) khá

ổn định và có ý nghĩa thống kê đối với sự lan toả giá giữa các thị trường này. Kim
and Yoon (2002) cho thấy Australia và các thị trường châu Á có tính liên kết ngày
càng cao sau khủng hoảng, ngoại trừ với Malaysia. Dunis and Shannon (2005) sử
dụng kết hợp cả cointegration và VAR cho thấy tồn tại tính đồng liên kết giữa các
thị trường Châu Á và các thị trường mới nổi ngày càng liên kết mạnh với thị trường
Nhật, nhưng lại ít liên kết dần qua thời gian đối với thị trường Mỹ, Anh. Yilmaz
(2010) nghiên cứu thị trường Đông Á cho thấy hiệu ứng lan toả ngày càng tăng và
bùng nổ nhất vào thời kỳ khủng hoảng. Dhanaraj et al. (2013) nghiên cứu thị trường
chứng khoán Mỹ và Châu Á cho thấy Mỹ là bạn hàng lớn và là nhà cung cấp tài
chính lớn cho Châu Á, thị trường Châu Á không hề miễn nhiễm với các cú sốc từ
thị trường Mỹ.
9



Kết quả này cũng được khẳng định qua Liu et al. (1998). Sử dụng phương pháp
Ranger - Causuality test và VAR (Vector Autoregressive) nghiên cứu sự lan toả của
giá cổ phần của 6 trị trường: Mỹ & 5 quốc gia Châu Á Thái Bình Dương, nhóm tác
giả cho thấy: mức độ phụ thuộc ngày càng lớn giữa các thị trường kể từ sau khủng
hoảng 1987; Thị trường Mỹ đóng vai trò dẫn dắt các thị trường còn lại, trong khi thị
trường Nhật – Singapore có chịu tác động đáng kể, nhưng thị trường Đài Loan và
Thái Lan chịu tác động ít hơn.
Yang and Lim (2004)với phương pháp VAR cho thấy trong thời kỳ không ổn định,
các thị trường có xu hướng biến động cùng chiều. Một biến động ở quốc gia này có
tác động lan toả tới thị trường quốc gia khác vì thế trở thành nguồn gốc của sự bất
ổn.

Morana and Beltratti (2008) sử dụng F-VAR đã tìm ra rằng mức độ hội nhập kinh tế
tài chính các quốc gia có tác động đến sự biến thiên cùng chiều giữa các thị trường
chứng khoán. Trong khi hội nhập về kinh tế (yếu tố kinh tế vĩ mô) có tác động đến

thị trường chứng khoán qua cá cú sốc kinh tế thì sự hội nhập tài chính lại tác động
thông qua sự lan toả các cú sốc tài chính.

Những phương pháp, mô hình khác cũng được thực hiện, chẳng hạn mô hình
foreign information transmission model (FIT). Ibrahim and Brzeszczynski (2009)
tìm ra cơ chế lan toả thông tin từ thị trường trực tiếp qua các thị trường khác, rồi
gián tiếp qua các thị trường khác nữa, song cũng có những thị trường gần như
không chịu ảnh hưởng bởi cơ chế này. Loh (2013) lại dùng phương pháp wavelet
coherence nghiên cứu sự phụ thuộc lẫn nhau giữa thị trường Mỹ, Châu Âu và Châu
Á Thái Bình Dương. Kết quả cho thấy có tồn tại sự đồng biến (comovement) trong
dài hạn (long run).
Trong tất cả các phương pháp nghiên cứu trên, các tác giả kiểm định được có tồn tại
hay không tính biến đổi cùng hướng hay tính liên phụ thuộc (interdependence) giữa
các thị trường chứng khoán và mức độ phụ thuộc đó nhưng chưa đưa ra được kết
10



quả định lượng để trả lời câu hỏi cái gì tạo nên sự đồng biến hay tính liên kết, phụ
thuộc ấy.
2.2.2. Nghiên cứu thực nghiệm về các yếu tố quyết định đến tính đồng
biến (co-movement) hay tính liên phụ thuộc (interdependence,
dependence) giữa các thị trường.
Phương pháp spatial econometrics là một sản phẩm kết hợp của khoa học địa lý
với kinh tế. Đặc điểm nổi bật của spatial econometrics là nghiên cứu hiệu ứng tương
tác giữa các đơn vị (unit) trong không gian nghiên cứu. Đơn vị ở đây có thể là tỉnh,
thành phố, quốc gia, ngành … tuỳ nội dung và mục đích nghiên cứu.
Theo Elhorst (2014), trong khi cá phương pháp time series quan tâm xem xét đến sự
phụ thuộc (dependence) giữa các quan sát (observation) của một thực thể thì spatial
econometrics lại quan tâm đến sự phụ thuộc giữa các quan sát của các thực thể

thông qua một khái niệm được coi là trọng tâm của chuyên ngành này, đó là spatial
weight matrix. Spatial weight matrix (ma trận trọng số không gian) là đối tượng
phản ánh sự sắp xếp của các thực thể trong không gian nghiên cứu. Bằng phương
pháp này, câu hỏi cái gì quyết định sự đồng biến thiên hay tính liên phụ thuộc giữa
các thị trường có thể được trả lời bằng con số thực nghiệm đáng tin cậy.
Spatial econometrics là một chuyên ngành hẹp nhưng đã phát triển rất mạnh mẽ gần
đây. Trong tài chính, số lượng nghiên cứu sử dụng phương pháp này chưa nhiều,
theo Hossein Asgharian, Wolfgang Hess, Lu Liu (2013), nghiên cứu A spatial
analysis of international stock market linkages (Journal of Banking and Finance,
Vol 37 (2013) 4738– 4754) của 3 ông mới là nghiên cứu thứ hai trên thế giới ứng
dụng phương pháp này, nghiên cứu đầu tiên là của Fernandez – Aviles et al. (2012),
tuy nhiên nghiên cứu này cũng chỉ dựa trên ý tưởng gần giống chứ không hẳn là
ứng dụng spatial econometrics. Trong tầm hiểu biết của người viết, đến trước thời
điểm luận văn này được làm, phương pháp spatial econometrics chưa từng được
ứng dụng tại Việt Nam trong bất cứ nghiên cứu nào. Việc tác giả lựa chọn phương
pháp này để thực hiện mục tiêu nghiên cứu của đề tài cũng nhằm khai phá một
11



phương pháp mới mẻ trong nghiên cứu tài chính. Chi tiết về phương pháp này sẽ
được trình bày ở Chương 3 – Phương pháp nghiên cứu.
Với đặc trưng nhắm tới hiệu ứng lan toả (spillover), sự phụ thuộc, tính đồng biến
giữa các thực thể (interdependence, co-movement), phương pháp Spatial
econometrics có thể nói là đã cung cấp một công cụ nghiên cứu rất mạnh áp dụng
được cho nghiên cứu sự phu thuộc, tính đồng biến giữa các thị trường chứng khoán.
Ngoài ra, với cấu trúc dữ liệu cho hệ thống ma trận phụ thuộc không gian, phương
pháp này cũng có thể giúp người nghiên cứu chỉ ra được yếu tố nào tác động đến sự
phụ thuộc, tính đồng biến giữa chúng. Hơn nữa, bằng phương pháp ma trận bất cân
xứng, nghiên cứu bằng phương pháp này cũng có thể chỉ ra được sự phụ thuộc có

tính chất bất cân xứng: Thị trường nào có ảnh hưởng cao hơn đến các thị trường
khác, chứ không hẳn là mối quan hệ ảnh hưởng bình đẳng hai chiều.
Fernandez - Aviles et al. (2012) bằng mô hình spatial modeling đã tìm ra rằng FDI
là kênh truyền dẫn sự đồng biến giữa các thị trường chứng khoán, trong khi đó vấn
đề khoảng cách địa lý thì không.Asgharian et al (2013)kế thừa nghiên cứu trên của
Fernandez - Aviles et al. (2012) có đưa ra các nhân tố kinh tế quốc tế mới hơn.
Đồng thời phương pháp tính toán ma trận trọng số không gian cũng mở rộng hơn
vớicác đo lường phụ thuộc bất cân xứng (khái niệm bất cân xứng sẽ đề cập trong
Chương 3, phương pháp nghiên cứu). Kết quả cho thấy thương mại song phương
đóng vai trò quan trọng nhất tới sự đồng biến giữa các thị trường chứng khoán.

12



CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
Như lý thuyết đã được tổng kết, nghiên cứu sự liên phụ thuộc giữa các thị trường
chứng khoán có thể áp dụng nhiều cách. Song để nghiên cứu yếu tố nào tác động
quyết định đến sự phụ thuộc hay tính biến động cùng hướng thì phương pháp – mô
hình spatial econometrics là thích hợp, nó cũng là phương pháp khá mới và vẫn còn
một khoảng trống nghiên cứu cần được khám phá. Vì những lý do đó, tôi lựa chọn
mô hình này để ứng dụng cho luận văn của mình. Chương 3 sẽ xem xét những điểm
chính của spatial econometrics ứng dụng cho nghiên cứu của luận văn này, bao
gồm mô hình phụ thuộc không gian cho dữ liệu chéo (cross-sectional), dữ liệu bảng
(panel data), các kiểm định và kỹ thuật ước lượng.
3.1. Mô hình phụ thuộc không gian (spatial dependence) cho dữ liệu
chéo(cross-sectional)
3.1.1. Khái niệm về phụ thuộc không gian và mô hình spatial
econometrics
Xét mô hình hồi quy tuyến tính đơn giản cho dữ liệu chéo

=.+ ,( 3.1)
Y = [y
1
… y
n
]
T
là ma trận cột cho biến phụ thuộc
X = {x
ij
}
nxm
là biến độc lập,i thể hiện section, j chỉ biến độc lập thứ j của
section i
ϵ = [ϵ
1
… ϵ
n
]
T
là ma trận cột cho phần dư, ϵ
i
~ iid N(0, σ
i
2
), i = 1 n
β = [β
1
…β
m

]
T
là ma trận cột hệ số ước lượng
Theo mô hình này, mỗi y
i
được thể hiện ước lượng bằng số trung bình cộng với
phần dư:
y
i
= X
i
*β = x
i1
.β
1
+ x
i2
.β
2+ +
x
im
.β
m
+ ϵ
i
, (eq 3.2)
13




Ngụ ý của mô hình là biến phụ thuộc của các section khác nhau là độc lập với nhau.
Biến phụ thuộc của section nào chỉ phụ thuộc vào bộ các biến độc lập của section
đó.
Tuy nhiên trong thực tế có những trường hợp biến phụ thuộc của các section lại phụ
thuộc lẫn nhau, thậm chí biến phụ thuộc lại phụ thuộc vào cả biến độc lập của
section khác. Ví dụ khi xem xét tăng trưởng sản phẩm của một quốc gia, người ta
cho rằng nó không chỉ phụ thuộc vào lực lượng lao động, tỷ lệ thất nghiệp của quốc
gia đó mà còn phụ thuộc vào cả tăng trưởng sản phẩm của quốc gia láng giềng hay
các quốc gia có quan hệ thương mại – đầu tư đáng kể với nó; Hay tỷ suất sinh lợi
trên chỉ số chứng khoán của một quốc gia có thể chịu ảnh hưởng bởi suất sinh lợi
của các thị trường khác trên thế giới.
Với hai ví dụ này, ta ý tưởng về sự phụ thuộc không gian (spatial dependence).
Theo LeSage and Pace (2009):“Spatial dependence reflects a situation where values
observed at one location or region, dependend on the values of neighboring
observations at nearby locations.”
Một cách hình thức, mở rộng sự phụ thuộc không gian cho mô hình tuyến tính có
thể được biểu diễn bằng hàm sinh (DGP) sau đây, hệ số chặn α (intercept) được
lồng (suppressed) trong X :
Y = X.β+δ.W.Y + ϵ , (eq 3.3)
W là ma trận vuông nxn phản ánh sự phụ thuộc chéo. Để không gặp trường hợp đệ
quy (recursive) cho hàm sinh, các phần tử trên đường chéo của W phải bằng không.
w
ii
= 0, với i ϵ [1 n].
Ví dụ phụ thuộc chéo cho 3 section với 2 biến độc lập:









=

1
1
1













.









+ 

0 





0 





0

.








+









(eq 3.4a)


=

+
[




+ 



]
+ 
[




+ 




]
+ 

(eq 3.4b)
14





=

+ [



+ 



] + 
[




+ 




]
+ 

(eq 3.4c)


=

+
[




+ 



]
+ 
[




+ 



]

+ 

(eq 3.4d)
3.1.2. Ma trận trọng số không gian- spatial weight matrix, ma trận liền
kề - contiguity matrix
3.1.2.1. Ma trận trọng số không gian – Spatial weight matrix
Trong spatial econometrics, như ví dụ và mô hình trên, W = {w
ij
}
nxn
được gọi là ma
trận trọng số không gian – spatial weight matrix. w
ij
đo lường mức độ gần gũi hoặc
khoảng cách tương đối giữa i với j, phương pháp này được Cliff (1973) và Ord
(1981) đưa ra dựa trên mở rộng mô hình gốc từ ma trận liền kề (xem phần sau). Tuy
nhiên, ngoài dựa trên khoảng cách địa lý khi áp dụng xây dựng ma trận này cũng có
nhiều cách khác nhau. Trong phạm vi nghiên cứu này, đo lường phụ thuộc thông
qua các chỉ tiêu tài chính nên không đi sâu về đo lường địa lý.
Trong khoa học địa lý, w
ij
thường được biết đến là khoảng cách địa lý giữa 2 quốc
gia hay 2 tỉnh thành phố … Khi áp dụng cho các lĩnh vực phi địa lý, w
ij
có thể là bất
cứ đo lường nào phản ánh mức độ gần gũi hay xa cách giữa các section. Chẳng hạn
trong nghiên cứu thương mại quốc tế, w
ij
có thể là tỷ trọng thương mại của quốc gia
j đóng góp cho quốc gia i, phản ánh mức độ quan trọng của quốc gia j đối với quốc

gia i trong thương mại. Người ta cũng có thể tham khảo tiêu chuẩn hay phương
pháp xác định liền kề (phần sau) để lập ma trận này.
Ngoài các đo lường w
ij
dựa trên địa lý, w
ij
có thể đo lường trên các tiêu chí khía
cạnh kinh tế (Anselin, 2002) :
- Cấu trúc khối (block structure): w
ij
=1 nếu i và j trong cùng “khối” còn lại thì
w
ij
= 0
- Khoảng cách kinh tế (economics distance): w
ij
=|r
i
-r
j
|
-1
, r là một tiêu chí kinh
tế nào đó.
15



- Trung bình liền kề (averaging of neigboring values): w
ij

= R
ij
/Σ
k
R
ik
, R
ij
là
một chỉ tiêu kinh tế song phương nào đó.
Ma trận trọng số không gian nếu được xây dựng từ ma trận liền kề phản ánh từng
cặp section có mối quan hệ với nhau hay không thì thường là ma trận đối xứng chéo
do mối quan hệ này thường là cân xứng, w
ij
= w
ji
. Tuy nhiên trong nghiên cứu kinh
tế, khi chọn các phương pháp đo lường mà kết quả mối quan hệ song phương là
không đối xứng thì ma trận trọng số cũng trở nên không đối xứng (Elhorst, 2014).
Theo quy ước, W là có thể được xây dựng từ nhiều cách khác nhau, nhưng khi đưa
vào mô hình, nó phải được chuẩn hoá (standarized) để đảm bảo các yêu cầu (1) w
ij

không âm và (2) tổng giá trị ở mỗi hàng phải bằng 1.


≥0 à






=1 ∀ ( 3.5)
Khái niệm phụ thuộc không gian luôn gắn liền với ma trận trọng số không gian,
được mở rộng không chỉ cho riêng biến phụ thuộc mà còn cho cả với biến giải
thích, phần dư
Theo Elhorst (2014), mô hình đầy đủ (full model) cho spatial econometrics có dạng
(viết theo cú pháp ma trận):
Y = δWY + ατ
N
+ Xβ +WXθ + u, (eq 3.6 a)
1

u = λWu + ϵ , (eq 3.6 b)
Trong đó, WY phản ánh hiệu ứng tương tác chéo (cross section) nội sinh
(endogenous) giữa các y
i
y
j
, WX phản ánh hiệu ứng tương tác chéo giữa biến độc
lập ở các section j với biến phụ thuộc tại section i, Wu phản ánh tương tác chéo giữa
các phần dư. Với W đã được chuẩn hoá để tổng giá trị trọng số mỗi hàng đều bằng 1
thì Wy chính là giá trị trung bình các giá trị tai các section liền kề y
i
= ∑
j
w
ij
y
j

…,


1
Hệ số cho spatial lag term như δ ở phương trình trên được các tác giả khác nhau sử dụng các ký hiệu khác
nhau. Trong khi James LeSage, Luc Anselin… dùng ρ thì J.Paul Elhorst lại dùng δ, các tác giả khác có thể lại
dùng λ. Luận văn này khi trích dẫn công thức sẽ giữ nguyên bản của tác giả được trích tuỳ từng ngữ cảnh.
16



đây chính là đặc điểm cơ bản phản ánh tính chất cross sectional interdependence
của mô hình spatial econometrics: “Mọi thứ liên quan với nhau, nhưng những thứ ở
gần thì liên quan nhiều hơn những thứ ở xa -Everything is related to everything
else, but near things are more related than distant things.”(Tobler first law of
geography, Tobler W. ,1970)
3.1.2.2. Ma trận liền kề - Contiguity matrix
Trong thực tế nghiên cứu, không phải bất cứ mối liên kết (linkage) nào cũng có thể
đo lường, lượng hoá được và đôi khi người ta chỉ quan tâm có tồn tại hay không tồn
tại mối liên kết mà không cần lượng hoá mức độ bằng trọng số. Chẳng hạn trong
quan hệ thương mại quốc tế, nếu không cần quan tâm mức độ quan trọng của mối
quan hệ này của quốc gia i với quốc gia j so với các quốc giá khác với j mà chỉ quan
tâm hai quốc gia này có mối quan hệ thương mại thì ma trận trọng số không cần
được sử dụng mà thay vào đó là ma trận liền kề (contiguity matrix).
Theo Anselin (1988), mô hình ma trận liền kề mới là mô hình đầu tiên phản ánh phụ
thuộc không gian (spatial dependence), được đề xuất và phát triển bởi Moran (1948)
và Geary (1954) sử dụng cách mã hoá nhị phân (binary coding) 0 – 1 cho trạng thái
không (0) hay có (1) sự phụ thuộc hay còn gọi là “liền kề” (contiguity).
C= {c
ij

}
nxn
, là ma trận liền kề, có nhiều cách xây dựng ma trận này. Mặc định để
tránh tính đệ quy trong thuật toán, mỗi section không được liền kề với chính nó, với
mọi i ϵ [1 n], c
ii
= 0.
Cũng theo Anselin (1988), những phương pháp xây dựng ma trận liền kề sau được
sử dụng phổ biến:
- Ma trận liền kề cấp 1:


=

1
0
ế  à  ó ố  ℎệ
ế  à  ℎô ó ố  ℎệ
