Yếu tố ảnh hưởng đến quyết định của nhà đầu tư trên thị trường chứng khoán Việt Nam
Thị trường chứng khoán đã và đang trở thành kênh đầu tư thu hút nhiều cá nhân, tổ chức tham gia. Với số lượng công ty niêm yết ngày càng nhiều, việc thực hiện quản trị danh mục đầu tư càng trở nên cần thiết. Nhiều nghiên cứu trước đây cho rằng, việc quản trị danh mục đầu tư năng động hiệu quả hơn quản trị thụ động. Tuy nhiên, ở trị trường chứng khoán còn khá non trẻ như Việt Nam thì việc quản trị năng động gặp nhiều khó khăn và còn tỷ lệ lớn nhà đầu tư chấp nhận quản trị danh mục thụ động.
Theo thuyết quản trị danh mục của Markowitz (1952), nhà đầu tư (NĐT) thực hiện đầu tư chứng khoán theo danh mục sẽ giảm thiểu được rủi ro và gia tăng tỷ suất sinh lợi đầu tư so với đầu tư vào các chứng khoán riêng lẻ. Do đó, khái niệm đầu tư chứng khoán theo danh mục giờ đây đã đã không còn xa lạ với các nước. Tuy nhiên, đối với với thị trường chứng khoán (TTCK) Việt Nam, thì khái niệm này vẫn còn và chưa phổ biến.
Xét về cách thức quản trị danh mục đầu tư trên TTCK, chúng ta có thể chia làm 2 loại, đó là quản trị năng động và thụ động. Trong đó, quản trị thụ động chủ yếu đầu tư vào các chỉ số, các danh mục có sẵn trên thị trường. Còn quản trị danh mục năng động, NĐT phải tự phân tích thay đổi danh mục của mình nhằm đạt được hiệu quả đầu tư tối đa.
Nhìn chung, trên thế giới hiện nay vẫn còn rất ít các nghiên cứu liên quan trực tiếp đến việc tìm ra những yếu tố ảnh hưởng đến quyết định quản trị danh mục năng động. Hầu hết các nghiên cứu liên quan đều là các nghiên cứu định tính như: Nghiên cứu của Massa và Simonov (2006) cho rằng, mục tiêu hạn chế rủi ro, sự quen thuộc thị trường là 2 yếu tố ảnh hưởng đến quyết định quản trị danh mục. Mayers và Smith (1983) cho rằng, mục tiêu quản trị rủi ro đầu tư là yếu tố quyết định các thực hiện chiến được quản trị danh mục.
Một nghiên cứu khác của Capon et al (1996) cho rằng, mức độ và khả năng phân tích của NĐT quyết định chiến lược đầu tư. Nhìn chung, khi xét đến vấn đề quản trị danh mục, có nhiều lập luận cũng như nhiều khía cạnh nghiên cứu khác nhau. Riêng đối với lĩnh vực quản trị danh mục vẫn chưa có nghiên cứu chuyên sâu để phân tích và tìm ra được hành vi NĐT trên các TTCK thế giới cũng như ở Việt Nam.
Dữ liệu và phương pháp nghiên cứu
Dữ liệu
Dữ liệu được tác giả thu thập thông qua khảo sát 92 NĐT chứng khoán thường xuyên giao dịch trong năm 2015. Mẫu lựa chọn là những NĐT hiểu biết rõ về chứng khoán và TTCK, có tổng tài sản chứng khoán tại thời điểm khảo sát từ 500 triệu đồng trở lên. Các yếu tố cũng như bảng hỏi được thiết kế dựa trên kết quả các nghiên cứu khác nhau trên thế giới, đồng thời được sự tư vấn, góp ý của 5 chuyên gia là các NĐT chuyên nghiệp trên thị trường không nằm trong mẫu khảo sát. Thang đo trong nghiên cứu này bài viết sử dụng là thang đo Likert 5 điểm từ mức không đồng ý đến hoàn toàn đồng ý.
Phương pháp nghiên cứu
Bài viết tiến hành thực hiện theo những bước sau:
Bước 1: Phân tích, tìm kiếm các nhân tố có khả năng ảnh hưởng đến quyết định quản trị danh mục năng động.
Bước 2: Phân tích sử lý số liệu, kiểm định thang đo và phân tích nhân tố khám phá các biến cần thiết.
Bước 3: Xây dựng và phân tích mô hình hồi quy đa biến.
Trong nghiên cứu này, bài viết sử dụng mô hình hồi quy nhị phân logistic. Đây là dạng hồi quy được sử dụng khi các biến phụ thuộc là lưỡng phân (bị giới hạn, rời rạc và không liên tục) và các biến độc lập là bất kỳ (Hosmer và Lemeshow, 1989; Allison, 1999; Menard 2001). Biến phụ thuộc trong nghiên cứu là có hay không việc thực hiện quản trị rủi ro năng động đối với danh mục đầu tư chứng khoán và hồi quy logistic được lựa chọn, vì nó cho phép nhà nghiên cứu khắc phục được nhiều giả thiết giới hạn của hồi quy OLS.
Theo đó, mô hình thực nghiệm bài viết được trình bày như sau:
Với: APM: Quản trị danh mục năng động; QAT: Quy mô đầu tư; KNL: Mức độ hiểu biết của NĐT; MRK: Biến động của thị trường; FEE: Chi phí quản trị danh mục năng động; EQM: Công cụ hỗ trợ.
Biến phụ thuộc APM là biến nhị phân mang giá trị 1, nếu NĐT có quản trị danh mục đầu tư năng động và bằng 0 trong trường hợp ngược lại.
Quy mô đầu tư – QAT được đo lường thông qua tổng tài sản ước tính của NĐT tại thời điểm khảo sát. Thông thường, khi đầu tư với nguồn vốn lớn, NĐT thường có nhu cầu cao trong việc quản trị danh mục năng động nhằm giảm thiểu rủi ro và tăng hiệu quả đầu tư.
Mức độ hiểu biết của NĐT - KNL được đo lường thông qua sự hiểu biết của NĐT về kỹ thuật quản trị danh mục năng động (KNL1), khả năng phân tích kinh tế vĩ mô (KNL2), khả năng phân tích chứng khoán (KNL3).
Biến động thị trường MRK, đo lường thông qua cảm nhận NĐT về sự biến động về giá (MRK1), biến động vĩ mô (MRK2) cũng như biến động lợi nhuận của các chứng khoán mà NĐT đang nắm giữ (MRK3). Nếu biến động thị trường càng cao thì nhu cầu quản trị danh mục năng động càng cao và ngược lại.
Công cụ hỗ trợ - EQM là biến giả mang giá trị 1, nếu NĐT có các công cụ hỗ trợ phân tích quản trị danh mục năng động như: Phần mềm xử lý dữ liệu, phần mềm định giá… và bằng 0 trong trường hợp ngược lại.
Kết quả nghiên cứu
Kết quả kiểm định độ tin cậy của thang đo (kiểm định Cronbach’s Alpha) được thể hiện qua bảng 1, các biến quan sát thuộc 3 nhóm nhân tố đều có hệ số Cronbach’s Alpha lớn hơn 0.6. Trong đó, thấp nhất là nhóm chi phí với hệ số Alpha = 0.646. Kết quả kiểm định chứng tỏ thang đo sử dụng phù hợp, các hệ số tương quan biến tổng đều từ 0.3 trở lên (Nunnally và Bernstein, 1994). Do đó, các biến đo lường này đều chấp nhận được về mặt tin cậy và được sử dụng trong phân tích EFA. Biến QAT và EQM không sử dụng thang đo Likert nên không thực hiện kiểm định ở phần này.
Phân tích nhân tố khám phá
Nghiên cứu cho thấy, phương pháp rút trích được chọn để phân tích nhân tố là phương pháp Principal components với phép quay vuông góc Varimax. Kết quả phân tích nhân tố khám phá (EFA) với các kiểm định được đảm bảo như sau:
(1) Hệ số tương quan đơn giữa các biến và các nhân tố Factor loadings (hệ số tải nhân tố) > 0.5 hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Nếu các hệ số tương quan nhỏ (< 0.30) sử dụng EFA không phù hợp (Hair et al.. 2006).
(2) Kiểm định tính thích hợp của mô hình để sử dụng EFA. Với dữ liệu có được, kết quả kiểm định cho thấy KMO = 0.825. Về mặt lý thuyết cho rằng, KMO phải lớn hơn 0.50. Kaiser (1974) đề nghị: KMO ≥ 0.90: rất tốt; KMO ≥ 0.80: tốt; KMO ≥ 0.70: được; KMO≥ 0.60: tạm được; KMO ≥ 0.50: xấu và KMO < 0.50: không thể chấp nhận được. Rõ ràng, kết quả chứng tỏ phân tích nhân tố là rất thích hợp với dữ liệu nghiên cứu.
(3) Kiểm định Bartlett về tương quan của các biến quan sát với Sig. = 0.000 < 0.05 chứng tỏ kết quả bác bỏ giả thuyết H0: Các biến quan sát không có tương quan với nhau trong tổng thể. Như vậy, giả thuyết mô hình nhân tố không phù hợp bị bác bỏ hay nói khác hơn dữ liệu để phân tích nhân tố là hoàn toàn phù hợp. Ngoài ra, kết quả cho thấy rằng, các giá trị eigenvalue = 1.14 lớn hơn 1 và kiểm định phương sai cộng dồn = 59.763% (lớn hơn 50%) chứng tỏ các nhân tố này giải thích 59.763% biến thiên dữ liệu. Giá trị phương sai cộng dồn đạt yêu cầu.
Mô hình hồi quy được xây dựng có ý nghĩa thống kê vì kết quả kiểm định Chi bình phương có giá trị sig = 0,000 < 0,05. Giá trị -2LL (-2 Log likelihood) là giá trị thể hiện mức độ phù hợp của mô hình tổng thể, giá trị này càng nhỏ càng thể hiện mức độ sai số của mô hình càng ít. Trong nghiên cứu này, giá trị -2 Log likelihood = 163.247 là khá lớn.
Kết quả mô hình cho thấy, các yếu tố liên quan đến công cụ hỗ trợ, nhận định tính biến động thị trường không có mối tương quan có ý nghĩa thống kê với việc thực hiện quản trị danh mục năng động của NĐT. Trong khi đó, bài nghiên cứu phát hiện ra rằng quy mô đầu tư có mối tương quan dương với việc quản trị danh mục năng động nghĩa là NĐT nào đầu tư càng nhiều vào danh mục thì họ càng có khả năng sẽ quản trị danh mục năng động.
Kết quả này rất phù hợp tình hình đầu tư chứng khoán ở Việt Nam hiện nay. Các NĐT nhỏ thông thường ít đầu tư theo danh mục mà chỉ tập trung vào một ít cổ phiếu nào đó hoặc đầu tư danh mục theo cách thụ động tức là mua các chỉ số, danh mục có sẵn của thị trường. Tiếp theo, mức độ hiểu biết của NĐT có mối tương quan dương với việc quản trị danh mục năng động. Kết quả nghiên cứu phù hợp với lập luận của Capon et al (1996)…
Đề xuất và kiến nghị
Kết quả nghiên cứu của tác giả phù hợp với thực trạng đầu tư trên TTCK hiện nay và góp phần bổ sung cho các lý thuyết cũng như kết quả các nghiên cứu thực nghiệm trước đây trên thế giới về vấn đề quản trị danh mục đầu tư chứng khoán. Tuy nhiên, bài nghiên cứu vẫn còn hạn chế về số liệu cũng như chưa xem xét được nhiều yếu tố có khả năng ảnh hưởng đến quyết định này của NĐT. Các nghiên cứu sau có thể tiếp tục bổ sung và hoàn thiện để kết quả nghiên cứu của tác giả đáng tin cậy hơn.
Dựa vào kết quả nghiên cứu, để NĐT có cách nhìn đúng hơn trong việc quản trị danh mục đầu tư khi tham gia TTCK, bài viết đề xuất một số giải pháp như sau:
Thứ nhất, NĐT cần chú ý rằng, chi phí của việc quản trị danh mục năng động là khá lớn, NĐT cần cân nhắc giữa tỷ suất sinh lợi mong đợi từ việc đầu tư và chi phí quản trị này để lựa chọn được phương pháp và chiến lược đầu tư phù hợp. Tức là NĐT cần xem xét đến lợi ích ròng mà đưa ra quyết định nên thực hiện việc quản trị danh mục năng động hay tập trung vào một chứng khoán riêng lẻ hay chấp danh mục có sẵn của thị trường.
Thứ hai, việc quyết định quản trị danh mục đầu tư cũng nên xem xét đến quy mô đầu tư mà mỗi NĐT có được. NĐT nào có nguồn vốn lớn nên đầu tư đa dạng hóa nhằm giảm thiểu rủi ro và tăng khả năng đạt lợi nhuận cao. Những NĐT có nguồn lực lớn có thể chấp nhận được chi phí quản trị danh mục năng động.
Ngược lại, những NĐT có quy mô nhỏ hơn tùy theo quy mô nguồn vốn nên tập trung vào một số ít chứng khoán có mức sinh lợi cao hoặc tập trung vào danh mục có sẵn trên thị trường để tối thiểu hóa chi phí và đạt được hiệu quả đầu tư cao hơn.
Tài liệu tham khảo:
1. Allison (1999). Comparing logit and probit coefficients across groups. Sociological Methods and Research 28 (2), 186–208;
2. Capon et al (1996), An Individual Level Analysis of the Mutual Fund Investment Decision, Journal of Financial Services Research 10:59-82;
3. Hosmer and Lemeshow (1989). Applied Logistic Regression. Wiley & Sons, New York. Hoyt, R.E., Khang, H., 2000. On the demand for corporate property insurance. The Journal of Risk and Insurance 67 (1), 91–107;
4. Menard (2001). Applied Logistic Regression Analysis, 2nd ed. Sage Publications, Thousand Oaks, CA, Series: Quantitative Applications in the Social Sciences, No. 106;
5. Markowitz (1952), Portfolio Selection, the journal of finance, Volume 7, Issue 1 March 1952, Pages 77–91.
