Giới thiệu về khả năng dự báo và thị trường hiệu quả

An introduction to Predictability and Efficient Markets

TÓM TẮT CHỦ ĐỀ

Chào các bạn sinh viên, chào mừng đến với một trong những chủ đề hấp dẫn và gây tranh cãi nhất trong kinh tế lượng tài chính: Liệu chúng ta có thể dự báo được thị trường chứng khoán không? Tại sao có những lúc thị trường dường như tuân theo một quy luật nào đó, nhưng phần lớn thời gian lại biến động một cách hoàn toàn ngẫu nhiên? Chuỗi bài học này sẽ dẫn dắt các bạn đi tìm câu trả lời thông qua lăng kính của Giả thuyết Thị trường Hiệu quả (EMH), một lý thuyết nền tảng đã định hình nên tư duy tài chính hiện đại trong hơn nửa thế kỷ qua.

Chúng ta sẽ bắt đầu bằng việc khám phá lịch sử của EMH, từ nguồn gốc của nó là lý thuyết “bước đi ngẫu nhiên” cho đến những phát biểu chặt chẽ của các nhà kinh tế học đoạt giải Nobel. Về cốt lõi, EMH cho rằng giá tài sản đã phản ánh đầy đủ mọi thông tin có sẵn, khiến cho việc kiếm lợi nhuận “bất thường” một cách có hệ thống là điều không thể. Tuy nhiên, thực tế lại cho thấy nhiều bằng chứng về sự bất thường và khả năng dự báo trong một số điều kiện nhất định. Xuyên suốt các bài học, chúng ta sẽ cùng nhau mổ xẻ cuộc tranh luận này, trang bị những công cụ thống kê cần thiết để tự mình phân tích dữ liệu và đưa ra những kết luận sâu sắc. Đây không chỉ là hành trình tìm hiểu một lý thuyết, mà còn là quá trình rèn luyện tư duy phản biện và kỹ năng phân tích định lượng cần thiết cho bất kỳ nhà kinh tế hay chuyên gia tài chính nào trong tương lai.

Để làm được điều đó, chúng ta cần nắm vững ba khái niệm cốt lõi sau:

  • Giả thuyết Thị trường Hiệu quả (EMH): Một thị trường được coi là hiệu quả nếu giá tài sản phản ánh đầy đủ tất cả các thông tin có sẵn.
  • Bước đi ngẫu nhiên (Random Walk): Một mô hình cho rằng những thay đổi trong giá cổ phiếu trong tương lai là không thể dự đoán được dựa trên những thay đổi trong quá khứ.
  • Tỷ suất sinh lợi tài sản (Asset Returns): Tỷ lệ phần trăm lãi hoặc lỗ của một khoản đầu tư trong một khoảng thời gian nhất định, là biến số trung tâm trong mọi phân tích tài chính.

CẤU TRÚC CHUỖI BÀI HỌC

  1. Nền tảng về tỷ suất sinh lợi
    Học cách định nghĩa, tính toán các loại tỷ suất sinh lợi và làm quen với các mô hình thống kê cơ bản nhất.
  2. Phân tích đặc tính phân phối
    Tìm hiểu tại sao phân phối chuẩn thường không phù hợp và cách đo lường độ lệch, độ nhọn của dữ liệu.
  3. Bằng chứng thực nghiệm
    Khám phá các đặc điểm thống kê “kinh điển” của dữ liệu tài chính thực tế qua các bảng biểu và phân tích.
  4. Lý thuyết về EMH và hành vi nhà đầu tư
    Đi sâu vào nền tảng lý thuyết, phân biệt giữa nhà đầu tư trung lập rủi ro và e ngại rủi ro.
  5. Thực hành phân tích với Stata
    Ứng dụng toàn bộ lý thuyết đã học để thực hành phân tích các đặc tính của tỷ suất sinh lợi bằng Stata.
  6. Bài tổng hợp: Hệ thống hóa kiến thức
    Cung cấp một cái nhìn toàn cảnh, kết nối các khái niệm và gợi mở những hướng nghiên cứu nâng cao.

KIẾN THỨC TIÊN QUYẾT

  • Toán học cơ bản: Hiểu biết về logarit, các phép toán ma trận cơ bản và giải tích (đạo hàm).
  • Xác suất thống kê: Nắm vững các khái niệm về phân phối xác suất (đặc biệt là phân phối chuẩn), kỳ vọng, phương sai, hiệp phương sai và kiểm định giả thuyết.
  • Kinh tế lượng nhập môn: Đã học qua về mô hình hồi quy tuyến tính OLS, ý nghĩa của hệ số và sai số ngẫu nhiên.
  • Stata cơ bản: Biết cách nhập dữ liệu, sử dụng các lệnh cơ bản như summarize, regress và đọc kết quả.

MỤC TIÊU HỌC TẬP

  • Nắm vững các định nghĩa và phiên bản khác nhau của Giả thuyết Thị trường Hiệu quả (EMH).
  • Vận dụng thành thạo các công cụ thống kê để mô tả và kiểm định đặc tính phân phối của tỷ suất sinh lợi tài sản.
  • Diễn giải và phân tích các bằng chứng thực nghiệm liên quan đến khả năng dự báo thị trường.
  • Hiểu rõ nền tảng lý thuyết vi mô đằng sau EMH, bao gồm vai trò của rủi ro và hành vi nhà đầu tư.

TÀI LIỆU THAM KHẢO

  • Pesaran, M. H. (2015). Time Series and Panel Data Econometrics. Oxford University Press.
  • Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.
  • Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach. Cengage learning.

PHỤ LỤC: DỮ LIỆU MÔ PHỎNG CHO SERIES

Để giúp các bạn dễ dàng thực hành các khái niệm trong chuỗi bài học này, chúng ta sẽ tạo ra một bộ dữ liệu mô phỏng đơn giản. Dữ liệu này sẽ bao gồm giá của một tài sản giả định trong 1000 ngày giao dịch, tuân theo mô hình “bước đi ngẫu nhiên”.

Stata
* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu mô phỏng cho chuỗi bài học về EMH
* NỘI DUNG: Giá và tỷ suất sinh lợi của một tài sản
* SỐ QUAN SÁT: 1000 ngày giao dịch
* ==================================================

* Bước 1: Xóa bộ nhớ và thiết lập số quan sát
clear
set obs 1000

* Bước 2: Tạo biến thời gian (ngày)
gen day = _n

* Bước 3: Tạo chuỗi giá theo mô hình bước đi ngẫu nhiên
* Giả định giá ban đầu là 100
gen price = 100 in 1
* Tạo các cú sốc ngẫu nhiên từ phân phối chuẩn
gen shock = rnormal(0, 1.5)
* Giá của ngày hôm nay bằng giá hôm qua cộng với một cú sốc
replace price = price[_n-1] + shock if _n > 1

* Bước 4: Tạo biến tỷ suất sinh lợi tính theo logarit
* Đây là cách tính phổ biến trong tài chính
gen log_return = log(price) - log(price[_n-1])

* Bước 5: Mô tả và lưu dữ liệu
describe
summarize price log_return
save "emh_simulation_data.dta", replace
// Dữ liệu đã sẵn sàng để sử dụng cho các bài thực hành tiếp theo

Mô tả dữ liệu:

  • day: Biến chỉ số thời gian, từ 1 đến 1000.
  • price: Giá của tài sản tại mỗi ngày. Được tạo ra để mô phỏng một quá trình không thể dự đoán.
  • log_return: Tỷ suất sinh lợi liên tục, được tính bằng chênh lệch logarit của giá. Đây sẽ là biến chính chúng ta phân tích.

Các bạn hãy chạy đoạn code trên trong Stata để tạo ra file emh_simulation_data.dta và lưu lại. Chúng ta sẽ sử dụng file này trong các bài học sau.

📚 Bài tiếp theo: Nền tảng về Tỷ suất sinh lợi

💡 Lưu ý: Hãy đảm bảo bạn đã đọc kỹ các mục tiêu và chuẩn bị kiến thức nền tảng cần thiết.

🎯 Self-check: Bạn có thể giải thích sự khác biệt giữa “thị trường hiệu quả” và “bước đi ngẫu nhiên” bằng lời của mình không?

Back to top button