Home | KTL nâng cao | Các mô hình tính toán lợi nhuận thông thường

Các mô hình tính toán lợi nhuận thông thường

Để thực hiện phân tích sự kiện (Event Study) trên các phần mềm thống kê không phải là một vấn đề gì khó khăn. Tuy nhiên, để có một kết quả phù hợp có thể sử dụng để suy diễn thống kê cho tổng thể thì không còn là một chuyện đơn giản. Có rất nhiều lựa chọn mà người nghiên cứu cần phải quyết định.

Đầu tiên đó là lựa chọn (xác định) loại sự kiện phân tích và thông qua đó là đối tượng (công ty) phân tích. Tiếp đến là lựa chọn mô hình để tính toán kì vọng của các lợi nhuận thông thường (expectation of normal returns). Nghĩa là cần trả lời câu hỏi khi nào thì sử dụng mô hình thống kê (statistical model) hay mô hình kinh tế. Trong mỗi nhóm lại có vài ba mô hình cụ thể như mô hình lợi nhuận trung bình không đổi, mô hình lợi nhuận thị trường và mô hình đa nhân tố trong nhóm mô hình thống kê hoặc mô hình CAPM (Sharpe, 1964; John Lintner, 1965), APT (Stepher Ross, 1976) trong nhóm mô hình kinh tế. Vậy khi nào sử dụng mô hình lợi nhuận trung bình không đổi, khi nào sử dụng mô hình lợi nhuận thị trường, hoặc tại sao mô hình đa nhân tố ít được sử dụng…

Sau khi lựa chọn xong mô hình người nghiên cứu lại tiếp tục đối mặt với thách thức như quyết định ngày xảy ra sự kiện, bề rộng của cửa sổ sự kiện cũng như chiều dài của cửa sổ ước lượng. Việc xác định các tham số sự kiện này sẽ có ý nghĩa quyết định đến sự tin cậy của các kết quả ước lượng. Sở dĩ như vậy là vì các tính toán trung bình, phương sai của các lợi nhuận bất thường tích lũy (CAR), lợi nhuận bất thường trung bình tích lũy (ACAR) cần thiết phải thỏa mãn các kiểm định như kiểm định t (phương pháp tham số) hoặc kiểm định hạng (phương pháp phi tham số) để kiểm tra ý nghĩa thống kê của kết quả trước khi được sử dụng suy diễn (phân tích). Việc lựa chọn bề rộng của cửa sổ sự kiện, cũng như cửa sổ ước lượng sẽ ảnh hưởng trực tiếp đến phương sai của các kết quả, chẳng hạn, cửa sổ sự kiện quá lớn sẽ dẫn đến vấn đề gì? Và nếu nhỏ quá thì sẽ ra sao? Đó là chưa kể đến vấn đề thiên chệch do các sự kiện trùng nhau (clustering), tương quan chéo giữa các phần dư (cross-section dependence) cũng như vấn đề tự tương quan của phần dư theo thời gian (serial correlation). Tất cả các vấn đề này được biết đến như là một dạng mở rộng của phương pháp nghiên cứu sự kiện truyền thống khi giả định rằng phần dư của các lợi nhuận bất thường có phân phối i.i.d. Ở dạng mở rộng này cho phép xét đến cấu trúc phương sai của phần dư, chẳng hạn như phần dư có cấu trúc MA, ARCH, GARCH…

Chuyên đề về phương pháp nghiên cứu sự kiện sẽ lần lượt trình bày các nội dung như các mô hình tính toán lợi nhuận thông thường, kết hợp Event Study với phương pháp ARCH, GARCH, minh họa thực hiện Event Study trên Stata, kết hợp các mô hình CAPM, APT trong Event Study. Đầu tiên là phần nội dung về các mô hình tính toán lợi nhuận thông thường.

Phần nội dung có thu phí bên dưới đã được ẩn. Vui lòng đăng nhập hoặc đăng ký gói Premium. Trân trọng!