Easy Docs Estimated reading: 9 minutes 8 views Giới thiệu sáchCuốn sách Kinh tế lượng ứng dụng trong tài chính cung cấp một cái nhìn tổng quan về các phương pháp dữ liệu bảng thường được áp dụng trong các ứng dụng tài chính, tập trung vào những trường hợp có số quan sát chéo (cross-sectional) lớn và số mốc chuỗi thời gian hạn chế. Quyển sách được dịch từ quyển “Panel Methods for Finance: A Guide to Panel Data Econometrics for Financial Applications” của tác giả Marno Verbeek năm 2021.Lược sử tài liệuVề tài liệu kinh tế lượng ứng dụng trong tài chính, Campbell và cộng sự (1997) là một trong những cuốn sách đầu tiên tập trung vào việc sử dụng kinh tế lượng trong tài chính, chủ yếu trong lĩnh vực định giá tài sản. Vài năm sau đó, Gourieroux và Jasiak (2001) cung cấp hướng dẫn về kinh tế lượng tài chính ở một cấp độ nâng cao với sự tập trung vào mô hình chuỗi thời gian.Cuốn sách giáo trình của Brooks (2019), với phiên bản đầu tiên xuất bản vào năm 2002, đề cập đến kinh tế lượng ở một cấp độ giới thiệu cho sinh viên tài chính, tập trung vào hồi quy tuyến tính và mô hình chuỗi thời gian (bao gồm cả nghiên cứu sự kiện). Gần đây hơn, Linton (2019) cung cấp một cái nhìn tổng quan về các mô hình và phương pháp kinh tế lượng trong tài chính, với nội dung tập trung vào thị trường tài chính và đầu tư. Cochrane (2005) trình bày một cái nhìn tổng quan có hệ thống tài liệu về định giá tài sản, với sự tập trung vào phương pháp thực nghiệm.Các sách giáo trình kinh tế lượng có tính ứng dụng rõ ràng trong công việc tài chính, đặc biệt trong lĩnh vực tài chính doanh nghiệp, là Cameron và Trivedi (2005) và Wooldridge (2010). Cả hai đều chú trọng vào các vấn đề kinh tế lượng và dữ liệu bảng. Trong phân tích nhân quả, các cuốn sách của Angrist và Pischke (2009) và Angrist và Pischke (2015) là các nguồn tài liệu tham khảo hữu ích cho nhiều nhà nghiên cứu.Các sách giáo trình chuyên sâu về dữ liệu bảng bao gồm Arellano (2003), Baltagi (2013) và Hsiao (2014), trong khi Pesaran (2015) tập trung vào kinh tế lượng dữ liệu chuỗi thời gian và dữ liệu bảng. Mặc dù vậy, hiện vẫn chưa có một cách tiếp cận hệ thống về các kỹ thuật kinh tế lượng cho dữ liệu bảng trong tài chính thực nghiệm. Ở một chừng mực nào đó, khoảng trống này được bổ sung bằng các bài báo tổng quan, tập trung vào các vấn đề cụ thể. Ví dụ như Petersen (2009) về bộ ước lượng sai số chuẩn trong bộ dữ liệu bảng. Hay Roberts và Whited (2013) về vấn đề nội sinh trong tài chính doanh nghiệp, và Gormley và Matsa (2014) cùng Grieser và Hadlock (2019) về bộ ước lượng các mô hình có hiệu ứng cố định (FE).Mục tiêuMục tiêu của cuốn sách Kinh tế lượng ứng dụng trong tài chính là cung cấp một cái nhìn bao quát, trực quan nhưng không đi sâu vào vấn đề kỹ thuật cho các phương pháp kinh tế lượng sử dụng dữ liệu bảng. Các chủ đề chính trong quyển sách bao gồm:[tie_list type=”lightbulb”]Các giả định liên quan đến tính ngoại sinh (exogeneity) của các biến giải thích và hậu quả của chúng đối với bộ ước lượng mô hình,Việc bao gồm các yếu tố cố định khác nhau để kiểm soát những khác biệt không thể quan sát được giữa các đơn vị bảng,Vấn đề tham số ngẫu nhiên (incidental parameters problem) trong các mô hình phi tuyến,Việc sử dụng các sai số chuẩn phân cụm (clustered-standard errors) như một kỹ thuật để làm cho các phương pháp bộ ước lượng tiêu chuẩn ổn định đối với dữ liệu bảng,Vấn đề có biến phụ thuộc trễ,Ước lượng hiệu ứng điều trị không đồng nhất.Ngoài ra, các vấn đề về các ngoại lệ (outliers), sai số đo lường (measurement error), dữ liệu trống (missing data) cũng được chú trọng trình bày.[/tie_list]Về mặt phương pháp bộ ước lượng, quyển sách sẽ tập trung trình bày các phương pháp sau:[tie_list type=”thumbup”]Phương pháp OLS gộp hay POLS (Pooled Ordinary Least Squares),Các bộ ước lượng within và between,Ước lượng GLS khả khi, FGLS (Feasible Generalised Least Squares),Phương pháp Fama-MacBeth,Sai số chuẩn ổn định và gom cụm (Robust and Clusted Standard Errors),Biến công cụ (Instrument variables),Phương pháp mô-men tổng quát, GMM (Generalised Method of Moments),Bộ ước lượng hợp lý cực đại, ML (Maximum Likelihood estimator),Thiết kế hồi quy gián đoạn, RDD (Regression Discontinuity Design),Phương pháp khác biệt trong khác biệt (DID),Phương pháp so khớp (PSM) và trọng số.Phương pháp bộ ước lượng với biến phụ thuộc giới hạn như: hồi quy logit và probit, mô hình với dữ liệu kiểm duyệt (censoring hoặc truncation), mô hình thời đoạn (duration models) và mô hình dữ liệu đếm (count models).[/tie_list]Gần như tất cả các phương pháp được thảo luận trong tài liệu này đều có thể thực hành trên Stata. Để tiện lợi, thông tin cụ thể về các lệnh Stata liên quan được cung cấp khi phù hợp. Một hướng dẫn rất hữu ích và chi tiết về kinh tế lượng với Stata là của Cameron và Trivedi (2021).Một số quy ướcBên dưới là một số quy ước gọi tắt được sử dụng để quá trình truyền đạt thông tin được nhất quán và rõ ràng.[tie_list type=”checklist”]Hàm hợp lý: hàm hợp lý dạng logarit (loglikelihood function). Chẳng hạn, tối đa hóa hàm hợp lý dạng logarit thì gọi là tối đa hóa hàm hợp lý.Sử dụng estimator với ý nghĩa là bộ ước lượng, estimate là ước tính, ước số hoặc ước lượng. Còn estimation là quá trình ước lượng. Khái niệm ước lượng và ước tính được gọi thay thế nhau.Đặc trưng bất biến theo thời gian: mang ý nghĩa các đặc trưng cụ thể của mỗi công ty không thay đổi theo thời gian time-invariant firm-specificĐặc trưng đa dạng bất biến theo thời gian: mang ý nghĩa các đặc trưng cụ thể không đồng nhất của mỗi công ty không thay đổi theo thời gian heteroskedasticity time-invariant firm-specific[/tie_list]
