Giới thiệu

Hành vi đám đông trên thị trường chứng khoán đề cập đến hiện tượng các nhà đầu tư bắt chước quyết định của người khác hoặc đi theo xu hướng thị trường để ra quyết định giao dịch chứng khoán bất kể thông tin riêng mà họ có hoặc phán đoán của chính họ (Sias, 2004).

Hành vi đám đông của các nhà đầu tư cá nhân có thể ảnh hưởng đáng kể đến giá chứng khoán, làm cho giá cả không phản ánh đúng giá trị tài sản và dẫn đến sự mất ổn định của thị trường chứng khoán (Avery và Zemsky, 1998). Vì vậy, nghiên cứu về hành vi đám đông có ý nghĩa quan trọng đối với sự ổn định của thị trường chứng khoán.

Là thị trường cận biên, thị trường chứng khoán Việt Nam luôn đối mặt với vấn đề minh bạch thông tin phức tạp. Các sai phạm về công bố thông tin, giao dịch bất hợp pháp, thao túng giá... là hệ quả của sự thiếu minh bạch trên thị trường. Sự không minh bạch thông tin là một trong những nguyên nhân của hành vi đám đông giữa các nhà đầu tư (Bikhchandani và cộng sự, 2001). Sự tồn tại của hành vi đám đông trên toàn thị trường cũng được chỉ ra tại thị trường chứng khoán Việt Nam trong một số nghiên cứu (Võ và Phan, 2016, 2017 và 2019).

Tuy nhiên, xét ở cấp độ ngành thì có rất ít nghiên cứu tìm hiểu về vấn đề này (Bùi và cộng sự, 2018). Việc bỏ qua nghiên cứu hành vi đám đông của các nhà đầu tư ở cấp độ ngành có thể dẫn đến kết quả đánh giá thấp về chúng vì có thể không tồn tại trên toàn thị trường, nhưng hành vi này lại hiện diện ở nhiều lĩnh vực khác nhau trên thị trường (Gebka và Wohar, 2013; BenSaïda, 2017; Elshqirat, 2019).

Nghiên cứu này nhằm phân tích hành vi đám đông trên thị trường chứng khoán Việt Nam trong thị trường tổng thể và cả trong các ngành khác nhau, cụ thể: (1) Kiểm định sự tồn tại của hành vi đám đông; (2) Nghiên cứu tác động của các yếu tố thị trường đến hành vi đám đông. Để phân tích các vấn đề theo mức độ thị trường và các ngành tại thị trường chứng khoán Việt Nam, nghiên cứu sử dụng mô hình thước đo tĩnh: độ lệch tuyệt đối chéo (CSAD) của tỷ suất sinh lợi hàng ngày được tính toán trên dữ liệu của HOSE.

Cơ sở lý thuyết

Bikhchandani và Sharma (2001) định nghĩa: hành vi đám đông là sự tương quan giữa các quyết định đầu tư của các nhà đầu tư cá nhân. Hành vi đám đông trên thị trường chứng khoán thường được sử dụng để mô tả mối tương quan trong các giao dịch do sự tương tác giữa những người tham gia thị trường (Chiang và Zheng, 2010). Chiang và Zheng (2010) đã áp dụng thước đo đám đông CSAD để kiểm tra hành vi đám đông cho 18 thị trường chứng khoán và tìm ra sự tồn tại của hành vi đám đông ở thị trường chứng khoán châu Á. Economou (2020) tìm thấy bằng chứng mạnh mẽ về sự tồn tại của hành vi đám đông tại bốn thị trường biên giới ở khu vực Balkan (Bulgaria, Croatia, Romania và Slovenia).

Tại Việt Nam, Võ và Phan (2016, 2017) xem xét sự hiện diện của hành vi đám đông thông qua việc sử dụng mẫu gồm 299 cổ phiếu giai đoạn 2005-2015 và tìm thấy bằng chứng về hành vi đám đông ngay cả khi thị trường chứng khoán tăng và giảm. Ngoài ra, họ cũng tìm thấy tác động bất đối xứng của hành vi đám đông trong các điều kiện thị trường khác nhau và khối lượng giao dịch khác nhau.

Nghiên cứu của Võ và Phan (2019) xem xét mối quan hệ giữa tính đám đông và tính thanh khoản thị trường trên thị trường chứng khoán Việt Nam sử dụng giá cổ phiếu hàng ngày và khối lượng giao dịch hàng ngà. Các tác giả tìm thấy bằng chứng về tính đám đông và tác động bất đối xứng của thanh khoản thị trường đối với tính đám đông trên thị trường.

Bằng chứng về hành vi đám đông cũng được ghi nhận khác nhau đối với từng ngành. Gebka và Wohar (2013) phân tích về các chỉ số chứng khoán quốc gia cho thấy không có trường hợp đám đông; tuy nhiên, một số chỉ số cụ thể theo ngành cho thấy tính đám đông của các nhà đầu tư, đặc biệt là trong các ngành Vật liệu, Dịch vụ tiêu dùng và Dầu khí. Elshqirat (2019) tìm thấy bằng chứng của hành vi đám đông trong lĩnh vực Dịch vụ và Công nghiệp, nhưng không tìm thấy hiện tượng đám đông trong toàn bộ thị trường chứng khoán Jordan.

Andrikopoulos và cộng sự (2017) cho rằng, tình trạng đám đông phổ biến ở các lĩnh vực Tài chính, Hàng tiêu dùng, Y tế, Công nghiệp, Dầu khí, Công nghệ và Tiện ích. Tại Việt Nam, Bùi và cộng sự (2018) dùng dữ liệu ngày của Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán TP. Hà Nội (HNX) với thước đo phân tán lợi nhuận để kiểm tra hành vi đám đông ở cấp độ ngành và tìm thấy 5 ngành có biểu hiện đám đông gồm: Bất động sản, Công nghệ thông tin, Dịch vụ tài chính, Tài nguyên thiết yếu và Vật liệu xây dựng.

Mô hình nghiên cứu và dữ liệu

Mô hình nghiên cứu

Thước đo CSAD được phát triển bởi Chang và cộng sự (2000), dùng để phát hiện ra dấu hiệu của tính đám đông trên thị trường bằng cách quan sát thay đổi của CSAD theo sự thay đổi của lợi nhuận danh mục đầu tư. Nếu CSAD càng nhỏ hơn khi lợi nhuận thị trường thay đổi thì đây là dấu hiệu của hành vi đám đông.

Công thức tính thước đo CSAD:

(1)

Mô hình tìm kiếm bằng chứng thực nghiệm về hành vi đám đông:

(2)

Trong đó, Rit là lợi nhuận cổ phiếu riêng lẻ của công ty i tại thời điểm t; Rm,t là lợi nhuận trung bình của danh mục đầu tư thị trường (hoặc ngành) có trọng số bằng nhau tại thời điểm t, đại diện cho lợi nhuận thị trường (hoặc ngành). Hệ số γ2 âm có ý nghĩa thống kê biểu thị sự hiện diện của đám đông; nếu γ2 dương về mặt thống kê sẽ cho thấy không có bằng chứng về sự đám đông.

Dữ liệu nghiên cứu

Nghiên cứu này sử dụng giá đóng cửa cuối ngày và khối lượng giao dịch hàng ngày của các cổ phiếu niêm yết trên HOSE từ ngày 04/01/2010 đến ngày 28/10/2019, được lấy từ nguồn dữ liệu Thomson-Reuters. Sau khi xử lý lọc lại dữ liệu (loại bỏ một số mã chứng khoán bị thiếu dữ liệu từ 30% trở lên), bộ dữ liệu nghiên cứu còn lại 207 cổ phiếu thuộc 8 ngành, bao gồm: Hàng tiêu dùng không thiết yếu (Consumer Discretionary), Hàng tiêu dùng thiết yếu (Consumer Staples), Năng lượng (Energy), Chăm sóc sức khỏe (Health-care), Công nghiệp (Industrials), Công nghệ thông tin (Information Technology), Vật liệu (Materials), Tiện ích (Utilities).

Kết quả nghiên cứu

Thống kê mô tả

Số liệu thống kê từ Bảng 1 cho thấy, lợi nhuận trung bình của toàn thị trường không cao, khoảng 0,060% với các giá trị nằm trong khoảng từ -6,559% đến 4,047%, trong khi độ lệch chuẩn của lợi suất khá cao (do đó độ biến động cao, 1,050%), ngụ ý thị trường có sự biến động bất thường trong giữa các cổ phiếu do các tin tức hoặc các cú sốc bất thường trên thị trường.

Phần lớn các ngành đều có lợi nhuận trung bình dương (tuy không cao), thấp nhất là ngành Công nghiệp (0,03%), cao nhất là ngành Hàng tiêu dùng không thiết yếu (0,075%), trừ ngành Năng lượng với lợi nhuận trung bình âm (-0,004%). Độ lệch chuẩn của lợi suất trung bình các ngành nằm trong khoảng từ 1,163% (Tiện ích) đến 1,953% (Năng lượng). Kết quả nghiên cứu cũng cho thấy, ngành Năng lượng có lợi suất trung bình âm và thấp nhất nhưng có biến động lợi suất cao nhất, ẩn chứa nhiều rủi ro và biến động, có thể do đặc tính của Ngành này có tính chu kỳ cao và nhạy cảm với môi trường thị trường. Ngành Công nghệ thông tin tuy có khoảng giá trị rộng nhất trong các ngành, nhưng lợi suất trung bình và độ biến động khá ổn hơn so với các ngành khác.

Thước đo CSAD đo lường phân tán lợi nhuận bằng độ lệch chuẩn của tỷ suất sinh lợi cổ phiếu so với tỷ suất sinh lợi của thị trường. CSAD càng thấp cho biết sự đồng chuyển động của lợi nhuận cổ phiếu so với thị trường. Đối với thị trường, CSAD trung bình là 1,825% với phạm vi giá trị từ 0,855% đến 3,529% và độ lệch chuẩn là 0,339%. Trong các ngành, ngành Công nghệ thông tin có CSAD trung bình thấp nhất (1,303%) trong khi ngành Hàng tiêu dùng không thiết yếu có CSAD trung bình cao nhất (1,901%). Điều này hàm ý rằng có sự đồng chuyển động giữa các cổ phiếu của ngành Công nghệ thông tin, trong khi có sự khác biệt lớn hơn về lợi nhuận công nghiệp của ngành Hàng tiêu dùng không thiết yếu so với các ngành khác.

Bằng chứng thực nghiệm về biểu hiện của hành vi đám đông

Các mô hình được ước lượng bằng phương pháp hồi quy OLS. Để tránh các kết quả giả mạo, nghiên cứu tiến hành kiểm định tính dừng (nghiệm đơn vị) của chuỗi lợi nhuận và thước đo CSAD bằng kiểm định ADF trước khi chạy ước lượng hồi quy. Kết quả kiểm định ADF cho thấy cả hai chuỗi và CSAD đều dừng.

Kết quả ước lượng được trình bày trong Bảng 2. Nhìn chung, hệ số xác định R2 điều chỉnh nằm trong khoảng từ 20% đến 36,16% cho thấy mô hình giải thích tốt (ngoại trừ ngành Công nghệ thông tin có mức độ giải thích khá thấp, khoảng 6%). Hệ số hồi quy có giá trị âm và có ý nghĩa thống kê cao (mức ý nghĩa 1%) đối với toàn thị trường và trong 7 ngành (không kể ngành Công nghệ thông tin) cho thấy CSAD giảm khi lợi nhuận thị trường (hoặc ngành) tăng lên. Đây là biểu hiện của hành vi đám đông của các nhà đầu tư hướng về sự đồng thuận thị trường ở mức độ toàn thị trường và cả trong 7 ngành nghiên cứu ngoại trừ ngành Công nghệ thông tin. Trong đó, ngành Tiện ích và Công nghiệp có mức độ đám đông mạnh nhất (lần lượt bằng 0,0858 và 0,0615). Điều này có thể giải thích bằng hành vi đám đông dựa trên thông tin do đặc điểm vốn hóa thị trường của ngành Tiện ích và xu hướng thống trị trong nhận thức (dominance bias) của các nhà đầu tư đối với ngành Công nghiệp (Hoitash và Krishnan, 2008).

Ngoài ra, ngành Hàng tiêu dùng thiết yếu có mức độ đám đông thấp nhất, có thể là do đặc tính hoạt động kinh doanh ngành này ít nhạy cảm đối với chu kỳ kinh tế. Kết quả không thấy bằng chứng về hành vi đám đông trong ngành Công nghệ thông tin. Có thể là do lĩnh vực công nghệ thường là một trong những khoản đầu tư tăng trưởng hấp dẫn nhất trong nền kinh tế, nhờ đó mà cổ phiếu ít phụ thuộc vào cảm xúc của thị trường.

Kết luận và hàm ý chính sách

Bài viết này nghiên cứu về sự hiện diện của hành vi đám đông trên thị trường chứng khoán Việt Nam trong cả giai đoạn 2010-2019 sử dụng mô hình thước đo tĩnh CSAD. Kết quả nghiên cứu cho thấy hành vi đám đông hiện diện trong toàn bộ thị trường và trong bảy ngành nghiên cứu (trừ ngành Công nghệ thông tin). Kết quả này rất có ý nghĩa đối với các nhà đầu tư và các cơ quan quản lý thị trường chứng khoán Việt Nam.

Các nghiên cứu đều cho thấy, hành vi đám đông của các nhà đầu tư cá nhân có thể ảnh hưởng đáng kể đến giá chứng khoán, làm cho giá cả không phản ánh đúng giá trị tài sản và dẫn đến sự mất ổn định của thị trường chứng khoán. Do vậy, từ quan điểm của các nhà đầu tư, việc nhận biết tác động của việc đám đông trong ngành giúp họ có mô hình định giá tài sản tốt hơn và theo đuổi chiến lược đầu tư hiệu quả hơn, đặc biệt là những người hướng việc đầu tư vào một ngành nào đó.

Đối với các cơ quan quản lý thị trường, sẽ rất hữu ích nếu khuyến khích các nhà đầu tư đa dạng hóa đầu tư bằng cách giới thiệu hệ thống thị trường minh bạch hơn và giảm thiểu sự bất cân xứng thông tin của các thị trường hoặc giữa các ngành, tạo tín hiệu tốt cho các quyết định đầu tư tiềm năng của nhà đầu tư.

Tài liệu tham khảo:

1. Andrikopoulos, P., Kallinterakis, V., Ferreira, M. P. L., & Verousis, T. (2017), Intraday herding on a cross-border exchange. International Review of Financial Analysis, 53, 25-36;
2. Avery, C., & Zemsky, P. (1998), Multidimensional uncertainty and herd behavior in financial markets. American economic review, 724-748;
3. BenSaïda, A. (2017). Herding effect on idiosyncratic volatility in US industries. Finance Research Letters, 23, pp.121-132;
4. Bikhchandani, S., & Sharma, S. (2001), Herd behavior in financial markets. IMF Staff Papers, 47, 279–310;
5. Bui, N. D., Nguyen, L. T. B., Nguyen, N. T. T., & Titman, G. F. (2018), Herding in frontier stock markets: Evidence from the Vietnamese stock market. Accounting & Finance, 58, 59-81;
6. Chiang, T. C., and Zheng, D. (2010), An empirical analysis of herding behaviour in global stock markets. Journal of Banking and Finance, 34(8), 1911–1921;
7. Christie, W. G., & Huang, R. D. (1995), Following the pied piper: Do individual returns herd around the market? Financial Analysts Journal, 51, 31–37;
8. Economou, F. (2020), Herding in frontier markets: evidence from the Balkan region. Review of Behavioral Finance, 12(2), 119-135;
9. Elshqirat, D. M. (2019), Testing sectoral herding in the Jordanian stock market. International Business Research; Vol. 12, No. 8.;
10. Gebka, B., & Wohar, M. (2013), International herding: Does it differ across sectors? Journal of International Financial Markets, Institutions & Money, 23, 55–84;
11. Sias, R. W. (2004), Institutional herding. Review of Financial Studies, 17, 165–206;
12. Vo, X. V., & Phan, D. B. A. (2016), Herd behavior in emerging equity markets: evidence from Vietnam. Asian Journal of Law and Economics, 7(3), 369-383;
13. Vo, X. V., & Phan, D. B. A. (2019), Herding and equity market liquidity in emerging market. Evidence from Vietnam. Journal of Behavioral and Experimental Finance, 24, 100189;