MỨC ĐỘ LIÊN KẾT GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN ĐÔNG NAM Á VÀ THỊ TRƯỜNG CHỨNG KHOÁN QUỐC TẾ

Tạp chí KTĐN số 113

MỨC ĐỘ LIÊN KẾT GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN ĐÔNG NAM Á VÀ THỊ TRƯỜNG CHỨNG KHOÁN QUỐC TẾ

Nguyễn Thị Hoàng Anh[1]

Tóm tắt

Trong bài báo này, chúng tôi nghiên cứu mức độ liên kết giữa các thị trường chứng khoán mới nổi Đông Nam Á và các thị trường toàn cầu và khu vực lớn, sử dụng phương pháp phân rã phương sai của Diebold và Yilmaz (2014). Chúng tôi đã đo lường các chỉ số liên kết thông qua việc tính toán mức độ đóng góp của sai số dự báo h-bước trong dự báo rủi ro của một thị trường do những cú sốc tại các thị trường khác. Kết quả nghiên cứu cho thấy, các thị trường có mức độ liên kết cao trong toàn bộ mẫu tĩnh nghiên cứu. Nghiên cứu mức độ liên kết động qua thời gian cho thấy mức độ kết nối phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian khủng hoảng. Ngoài ra, những cú sốc từ các thị trường khu vực (Hồng Kông và Nhật Bản) có tác động lan tỏa lớn hơn đối với thị trường Đông Nam Á so với các cú sốc từ thị trường Mỹ hoặc Châu Âu.

Từ khóa: lợi suất; rủi ro, mức độ liên kết, tự hồi qui vector, phân rã phương sai

Abstract

In this paper, we measure the connectedness among Southeast Asian emerging equity markets and major global and regional markets, using the variance decomposition approach of Diebold and Yilmaz (2014). In so doing, we construct connectedness measures that capture the contribution of an h-step-ahead forecast error variances in forecasting stock volatilities of a market due to shocks in other markets. We report two three findings. First, a high level of total connectedness is identified throughout our sample period, suggesting high linkages among developed and emerging countries. Second, dynamic connectedness levels respond to economic events and, in general, increase significantly in crisis time. Third, innovations to volatilities of the regional markets (Hong Kong and Japan) have larger spillover effects to Southeast Asian markets than those of the US or European markets.

Key words: stock returns, volatility, connectedness, vector autoregression, variance decomposition.

Giới thiệu

Cải cách tài chính, tự do hóa các dòng vốn và cách mạng công nghệ thông tin đã giúp các nền kinh tế hội nhập sâu, rộng hơn vào nền kinh tế thế giới. Hội nhập kinh tế khu vực và thế giới đã có các tác động tích cực đến nhiều quốc gia, giúp các quốc gia này tăng cường thu hút vốn đầu tư trực tiếp và gián tiếp từ bên ngoài, xúc tiến phát triển thương mại quốc tế. Tuy nhiên, hội nhập cũng khiến các nền kinh tế, cả phát triển và đang phát triển, dễ bị tổn thương hơn từ các cú sốc từ bên ngoài. Mức độ hội nhập, liên kết giữa các thị trường càng cao thì tác động lan tỏa của các cú sốc bên ngoài càng lớn.

Trên thế giới, nhiều công trình đã được thực hiện nghiên cứu mức độ liên kết giữa các thị trường chứng khoán. Bekaert và Harvey (1997) nghiên cứu ảnh hưởng của thị trường chứng khoán thế giới (thị trường Mỹ) đến các thị trường mới nổi Châu Á và nhận thấy, ở những thị trường hội nhập sâu, độ biến động lợi suất của thị trường chịu ảnh hưởng mạnh bởi các cú sốc trên thế giới, còn ở những thị trường có mức độ hội nhập thấp, ảnh hưởng từ bên ngoài là không đáng kể. Các nghiên cứu tiếp theo bổ sung nhân tố khu vực và cho thấy, cú sốc từ khu vực (Châu Á – Nhật, Hồng Kông) cũng có tác động đáng kể đến các nền kinh tế mới nổi Châu Á (xem các nghiên cứu của Ng, 2000; Miyakoshi, 2003; Awokuse, 2009…). Các nghiên cứu trên đều thống nhất rằng mức độ hội nhập của các thị trường càng cao thì tác động của các cú sốc từ bên ngoài càng lớn, và mức độ liên kết giữa các thị trường thường tăng vào các giai đoạn khủng hoảng.

Thập kỷ đầu tiên của thiên niên kỷ mới đã chứng kiến hai cuộc khủng hoảng kinh tế có sức tàn phá mạnh mẽ – Khủng hoảng tài chính toàn cầu 2007 – 2009 và khủng hoảng nợ Châu Âu 2011-2012. Các cuộc khủng hoảng này khởi nguồn từ các quốc gia phát triển nhất như Mỹ, EU… và từ đó lan rộng, ảnh hưởng đến nền kinh tế toàn cầu. Mức độ liên kết giữa các thị trường tăng đã khiến sức lan tỏa của khủng hoảng càng mạnh.

Trong những thập kỷ qua, các nền kinh tế và thị trường chứng khoán Đông Nam Á ngày càng có liên kết chặt chẽ hơn với thị trường tài chính và nền kinh tế toàn cầu. Mức độ hội nhập cao một mặt giúp các trị trường chứng khoán trong khu vực thu hút được dòng vốn lớn từ bên ngoài nhưng mặt khác cũng khiến các thị trường khu vực dễ tổn thương hơn từ tác động lan tỏa của các cú sốc bên ngoài. Trong bài báo này, chúng tôi nghiên cứu mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với thị trường chứng khoán toàn cầu, trong đó đặc biệt quan tâm đến mức độ tác động của các cuộc khủng hoảng tài chính gần đây đến thị trường chứng khoán Đông Nam Á. Bài viết sử dụng cách tiếp cận của Diebold và Yilmaz (2014) để đo lường mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với thị trường chứng khoán toàn cầu và khu vực. Bộ dữ liệu của chúng tôi bao gồm năm thị trường phát triển (Mỹ, Anh, Đức, Nhật Bản và Hồng Kông) và năm thị trường Đông Nam Á (Singapore, Malaysia, Thái Lan, Indonesia và Philippines) và bao gồm khoảng thời gian từ ngày 1 tháng 1 năm 1993 đến ngày 31 tháng 12 năm 2017. Bộ dữ liệu này cho phép chúng tôi nghiên cứu mức độ liên kết giữa các thị trường trong hơn 25 năm, với nhiều mốc thời gian quan trọng từ cuộc Khủng hoảng tài chính Châu Á 1997 - 1998, sự sụp đổ bong bóng dotcom năm 2000, cuộc Khủng hoảng tài chính toàn cầu 2007 - 2008, cuộc Khủng hoảng nợ Châu Âu, hay sự kiện Brexit. Tương tự như Ng (2000), chúng tôi xem những cú sốc từ thị trường Mỹ làm đại diện cho những cú sốc từ thị trường thế giới, và các cú sốc từ Nhật Bản và Hồng Kông đại diện cho cú sốc đến từ Châu Á. Chúng tôi cũng xem xét những cú sốc từ các thị trường Châu Âu trong cuộc Khủng hoảng nợ công Châu Âu và sử dụng Vương quốc Anh và Đức làm đại diện.

Theo phương pháp Diebold và Yilmaz (2014), các chỉ số liên kết được xây dựng dựa trên phân rã phương sai sai số dự báo trong mô hình tự hồi quy vectơ (Vector Autogression – VAR). Chỉ số liên kết được tính cho cả toàn bộ mẫu tĩnh và mẫu động theo thời gian. Chúng tôi cũng quan tâm đến mức độ liên kết định hướng từ các thị trường phát triển lớn đến các thị trường Đông Nam Á. Kết quả nghiên cứu cho thấy, có sự liên kết cao giữa các thị trường chứng khoán phát triển và thị trường Đông Nam Bộ trong toàn bộ thời gian nghiên cứu. Mức độ liên kết phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian xảy ra khủng hoảng. Thị trường các nước Đông Nam Á chịu ảnh hưởng nhiều hơn từ biến động của thị trường khu vực Châu Á (Hồng Kông và Nhật Bản) hơn là từ thị trường Mỹ hoặc Châu Âu.

Tổng quan tình hình nghiên cứu

Hội nhập kinh tế khu vực và thế giới một mặt giúp các quốc gia phát triển thương mại quốc tế, tăng cường thu hút vốn đầu tư từ bên ngoài, nhưng mặt khác cũng khiến các nền kinh tế, cả phát triển và đang phát triển, dễ bị tổn thương hơn từ các cú sốc từ bên ngoài. Vậy, hội nhập kinh tế khu vực và thế giới khiến các thị trường chứng khoán chịu ảnh hưởng như thế nào từ các cú sốc bên ngoài? Câu hỏi này đã nhận được sự quan tâm không chỉ từ các nhà nghiên cứu mà còn từ các nhà đầu tư, các nhà hoạch định chính sách. Nghiên cứu về mức độ liên kết giữa các thị trường, đặc biệt về ảnh hưởng lan truyền của các cú sốc có ý nghĩa đặc biệt trong đầu tư quốc tế. Ở các thị trường đang phát triển, ảnh hưởng lan truyền này có thể khiến nền kinh tế chịu ảnh hưởng nhiều hơn từ các cú sốc bên ngoài, làm giảm lợi ích phân tán rủi ro của các nhà đầu tư, đặc biệt trong giai đoạn khủng hoảng.

Hội nhập tài chính quốc tế khiến mức độ liên kết giữa các thị trường chứng khoán trở nên chặt chẽ hơn. Và do vậy, cú sốc ở một thị trường chứng khoán có thể ảnh hưởng đến tỷ suất sinh lợi và rủi ro ở các thị trường khác. Mức độ lan truyền của các cú sốc phụ thuộc vào mức độ liên kết của các thị trường. Mức độ liên kết càng cao thì tác động lan truyền càng lớn. Các nghiên cứu thực nghiệm trên thế giới đã đưa ra nhiều phương pháp tiếp cận để nghiên cứu mức độ liên kết và tác động lan truyền của các cú sốc. Bekaert và Harvey (1997) nghiên cứu mức độ ảnh hưởng của thị trường chứng khoán thế giới đến các thị trường mới nổi Châu Á và nhận thấy, ở những thị trường hội nhập sâu, độ biến động lợi suất của thị trường chịu ảnh hưởng mạnh bởi các cú sốc trên thế giới, còn ở những thị trường có mức độ hội nhập thấp, ảnh hưởng từ bên ngoài là không đáng kể. Trên cơ sở nghiên cứu này, Ng (2000) bổ sung yếu tố khu vực và nghiên cứu mức độ lan truyền của các cú sốc thế giới và khu vực đến sáu thị trường chứng khoán Châu Á – Thái Bình Dương. Kết quả nghiên cứu cho thấy, các thị trường này chịu ảnh hưởng lớn hơn từ các cú sốc thế giới. Tuy nhiên, khi xem xét cú sốc thế giới là nhân tố ngoại sinh trong mô hình lan truyền rủi ro có điều kiện hai biến giữa cú sốc khu vực và các thị trường Châu Á, Miyakoshi (2003) lại cho thấy các thị trường Châu Á chịu ảnh hưởng nhiều hơn từ các cú sốc trong khu vực. Trong một nghiên cứu khác, Bekaert và cộng sự (2005) sử dụng phương pháp định giá tài sản, đưa ra mô hình hai nhân tố để nghiên cứu mức độ tương quan giữa các thị trường và các cú sốc thế giới và khu vực qua thời gian và không gian. Nghiên cứu này đo lường rủi ro lợi suất theo mô hình GARCH đơn biến bất đối xứng (asymmetric GARCH) và nhận thấy rằng các cú sốc tiêu cực làm tăng rủi ro thị trường nhiều và tăng mức độ tương quan giữa các thị trường hơn các cú sốc tích cực.

Một số nghiên cứu khác tập trung nghiên cứu mức độ đồng liên kết (cointegration) giữa các thị trường. Masih và Masih (1999) nghiên cứu mức độ liên kết động ngắn hạn và dài hạn ở các thị trường chịu ảnh hưởng của Khủng hoảng Châu Á sử dụng phương pháp đồng liên kết và mô hình vectơ hiệu chỉnh sai số (VECM). Kết quả nghiên cứu cho thấy bên cạnh thị trường Nhật Bản, thị trường Hồng Kông cũng đóng vai trò quan trọng như một thị trường chính trong khu vực. Bổ sung yếu tố biến động lợi suất theo thời gian trong liên kết, Awokuse (2009) nghiên cứu dòng thông tin giữa các thị trường mới nổi và các thị trường phát triển chính sử dụng các phân tích đồng liên kết. Tương tự, Favero và Giavazzi (2002) sử dụng mô hình VAR để nghiên cứu mức độ phụ thuộc tài chính với các kỳ vọng phá giá tiền tệ đối với các đồng tiền trong Cơ chế tỷ giá Châu Âu. Ewing (2002) sử dụng kỹ thuật phân tích phương sai dự báo trong mô hình VAR để phân tích mối tương quan giữa năm ngành công nghiệp chính ở Mỹ. Ông thấy rằng các 'tin tức' bất ngờ hoặc cú sốc trong một lĩnh vực có tác động đáng kể đến lợi nhuận ngành khác. Trên cơ sở mô hình VAR truyền thống, nhiều bài viết nghiên cứu về biến động lợi suất có điều kiện qua thời gian. Karolyi (1995) nghiên cứu mối quan hệ giữa thị trường chứng khoán Mỹ và Canada sử dụng mô hình GARCH hai biến và nhận thấy các cú sốc từ Mỹ sang Canada có tác động ít hơn trong mô hình này so với các mô hình VAR truyền thống. Tương tự, Hammoudeh và cộng sự (2009) sử dụng mô hình VAR(1)-GARCH(1,1) và xác định tác động lan tỏa của các cú sốc và rủi ro ở các thị trường cổ phiếu khu vực vùng Vịnh. Worthington và Higgs (2004) nghiên cứu tác động lan tỏa về lợi suất và rủi ro giữa các thị trường chứng khoán phát triển và mới nổi Châu Á. Sử dụng mô hình GARCH đa biến, họ chứng minh rằng các tác động lan truyền trung bình từ các thị trường phát triển đến thị trường mới nổi là không đồng nhất, các thị trường, đặc biệt là các thị trường mới nổi, thường chịu ảnh hưởng lớn hơn từ các cú sốc của chính mình so với các cú sốc bên ngoài.

Gần đây, Diebold và Yilmaz (2009) đã xây dựng một mô hình nghiên cứu mức độ lan tỏa mới. Dựa vào phân tích về phân rã phương sai của mô hình VAR, họ xây dựng một chỉ số lan tỏa để đo lường mức độ liên kết chung giữa các thị trường. Sử dụng phương pháp này, Yilmaz (2010) nghiên cứu mức độ liên kết và phụ thuộc giữa các thị trường chứng khoán Đông Á từ 1992 đến 2009 và cho thấy mức độ hội nhập giữa các thị trường gia tăng mạnh trong thời gian này. Diebold và Yilmaz (2014) phát triển mô hình Diebold và Yilmaz (2009) để đo lường các mức độ liên kết từ đa phương đến song phương. Sử dụng mô hình này, Diebold và Yilmaz (2014) đã đo lường mức độ liên kết giữa các tổ chức tài chính tại Mỹ trong Khủng hoảng tài chính toàn cầu 2007 – 2008.

Phương pháp nghiên cứu

Trong bài báo này, chúng tôi sử dụng mô hình đo lường mức độ liên kết (connectedness measures) của Diebold và Yilmaz (2014) để đo lường mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á và thị trường chứng khoán toàn cầu và khu vực. Mô hình của Diebold và Yilmaz cho phép đo lường mức độ liên kết ở các mức độ khác nhau, từ liên kết song phương đến liên kết đa phương, dựa trên nghiên cứu phân rã phương sai của mô hình VAR tổng quát.

Xem xét hệ vector n-chiều các biến chuỗi thời gian được biểu diễn theo mô hình VAR với độ trễ p:



trong đó là ma trận hệ số và là vector các biến ngẫu nhiên độc lập và có cùng một thống kê xác suất (i.i.d) với và . Với tính dừng của hiệp phương sai, hệ VAR có thể được biểu diễn như một mô hình trung bình trượt vô hạn:





Với là ma trận hệ số trượt trung bình và được tính bằng với   Hệ số trung bình trượt (hoặc các phép biến đổi của chúng như hàm phản ứng xung hoặc phân rã phương sai) là chìa khóa của mô hình Diebold và Yilmaz. Phân rã phương sai cho phép chúng ta xem xét tỷ lệ biến động của một biến do cú sốc của chính nó so với các cú sốc bên ngoài của các biến khác.

Trong mô hình VAR truyền thống, phân rã phương sai được tính toán dễ dàng dựa trên các giả định trực giao (orthogonal), tuy nhiên kết quả tính toán có thể nhạy cảm với thứ tự sắp xếp các biến. Phân rã Cholesky trực giao tiêu chuẩn ngụ ý rằng biến đầu tiên trong thứ tự sắp xếp chỉ chịu ảnh hưởng từ các cú sốc của chính nó, biến thứ hai chịu ảnh hưởng đồng thời bởi các cú sốc của biến thứ nhất và thứ hai nhưng không có tác động lên biến thứ nhất... Trên thực tế, các cú sốc hiếm khi trực giao. Diebold và Yilmaz, do đó, áp dụng mô hình VAR tổng quát (Generalised VAR - GVAR) của Pesaran và Shin (1998) và Koop và cộng sự (1996). Mô hình VAR tổng quát cho phép các cú sốc có tương quan với nhau và không chịu ảnh hưởng bởi thứ tự sắp xếp các biến.

Trong mô hình GVAR, ma trận phân rã phương sai tổng quát cho H-bước có các phần tử:



trong đó là ma trận phương sai – hiệp phương sai của sai số trong mô hình VAR không trực giao (a non-orthogonal VAR), là ma trận hệ số trung bình trượt của vector các cú sốc với độ trễ H, là vector nhận giá trị 1 tại phân tử thứ i và 0 ở các phần tử khác và là căn của phân tử thứ j nằm trên đường chéo của ma trận . Do các cú sốc không trực giao nên hiệp phương sai của các cú sốc không nhất thiết phải bằng 0, và do vậy tổng theo hàng của ma trận không nhất thiết phải bằng 1. Vì vậy, chúng tôi chuẩn hóa các phân tử của ma trận phân rã phương sai theo tổng theo hàng của ma trận,   để . Diebold and Yilmaz (2014) xây dựng mô hình nghiên cứu của minh dựa vào based on ma trận phân rã phương sai điều chỉnh chứ không phải ma trận .

Phân rã phương sai trong mô hình VAR giúp chúng ta tách phương sai sai số dự báo của mỗi biến thành các phần do các cú sốc hệ thống khác nhau. Trong ma trận phân rã phương sai , các phân tử nằm trên đường chéo giải thích phần trong phương sai sai số dự báo biến cho H bước phụ thuộc vào cú sốc của chính nó, trong khi các phần tử nằm ngoài đường chéo đo lường phần trong phương sai sai số dự báo đến từ các cú sốc bên ngoài (do liên kết).

Khung GVAR cho phép Diebold và Yilmaz (2014) đo lường mức độ liên kết có hướng hướng từ một thị trường này sang thị trường khác (pairwise directional connectedness). Đây là điểm khác biệt của mô hình Diebold và Yilmaz (2014) so với mô hình Diebold và Yilmaz (2009).

Mức độ liên kết có hướng từ thị trường i đến thị trường j được xác định bởi



Lưu ý, nhìn chung   vì một cú sốc từ thị trường i đến thị trường j không nhất thiết phải giống như cú sốc từ thị trường j đến thị trường i, và vì vậy sẽ có cặp liên kết có hướng. Liên kết có hướng ròng từ thị trường i đến thị trường j có thể được tính bằng .

Tổng liên kết có hướng (total directional connectedness) từ thị trường i đến các thị trường khác có thể xác định bởi:



và từ các thị trường khác đến thị trường j có thể dễ dàng xác định một cách tương ứng:

                                                                   .

Như vậy, có N liên kết “từ các thị trường khác” và N liên kết “đến các thị trường khác”. Tổng liên kết có hướng ròng của thị trường i có thể được xác định bằng cách so sánh liên kết truyền đến thị trường khác và liên kết nhận được từ các thị trường khác .

Cuối cùng, Diebold và Yilmaz xây dựng chỉ số liên kết bằng cách tính tổng tất cả các phần tử không nằm trên đường chéo của ma . Chỉ số liên kết đo lường tổng mức độ liên kết giữa tất cả các thị trường:



Dữ liệu nghiên cứu

Chúng tôi nghiên cứu mức độ liên kết giữa năm thị trường chứng khoán toàn cầu và khu vực lớn (Mỹ (US), Anh (UK), Đức (GER), Nhật Bản (JPN) và Hồng Kông (HKG) và năm nước Đông Nam Á (Singapore (SGP), Malaysia (MYS), Thái Lan (THA), Indonesia (IDN) và Philippines (PHL). Chỉ số thị trường chứng khoán danh nghĩa hàng ngày được thu thập từ Datastream và bao gồm khoảng thời gian từ ngày 01 tháng 01 năm 1993 đến ngày 31 tháng 12 năm 2017. Chúng tôi tính lợi suất hàng tuần theo chênh lệch logarit của giá chỉ số đóng cửa vào các thứ Tư hàng tuần để tránh vấn đề giao dịch không đồng bộ giữa các thị trường. Khi một thịt trường nào đó đóng cửa vào thứ Tư do kỳ nghỉ, chúng tôi sử dụng dữ liệu của ngày giao dịch gần nhất trước đó. Mẫu nghiên cứu bao gồm 15 năm lợi suất tuần với tổng số 1300 quan sát. Để đo lường sự biến động rủi ro, chúng tôi sử dụng mô hình GARCH (1,1) của Bollerslev (1986) để nắm bắt được hành vi biến động lợi suất theo thời gian. Chúng tôi sử dụng 100 quan sát đầu tiên để bắt đầu ước lượng biến động rủi ro, và do đó có được 1201 quan sát biến động rủi ro từ tháng 12 năm 1994 đến tháng 12 năm 2017.

Bảng 1 giới thiệu số liệu thống kê mô tả của mẫu nghiên cứu. Chúng tôi sử dụng kiểm định Jarque-Bera (JB) để kiểm định phân phối chuẩn của dữ liệu. Nhìn chung, lợi suất của các thị trường không tuân theo phân phối chuẩn, nhọn và lệch âm. Có sự khác biệt đáng kể về lợi suất của hai quốc gia lớn nhất trên thế giới. Trong khi thị trường Mỹ hoạt động tốt nhất với lợi suất cao (7,28%) và rủi ro thấp nhất (15,96%), thì thị trường Nhật Bản hoạt động xấu hơn hơn nhiều với mức lợi nhuận thấp nhất (1,25%) kèm theo rủi ro tương đối cao (21,6%). Trái ngược với quan niệm chung, rủi ro vô điều kiện của các thị trường phát triển như Nhật Bản và Đức thậm chí còn cao hơn rủi ro ở một số thị trường Đông Nam Á như Singapore và Malaysia. Ngoài ra, rủi ro cao không hàm ý lợi nhuận cao hơn. Các thị trường mới nổi Đông Nam Á nói chung tạo ra lợi nhuận thấp với rủi ro cao (ngoại trừ Philippines). Mười thị trường chứng khoán có tương quan nhẹ với hệ số tương quan trung bình là 0,45. Tương quan giữa các thị trường phát triển (0,59) cao hơn so với các thị trường mới nổi (0,49). Mối tương quan giữa các thị trường phát triển và thị trường mới nổi khá thấp (0.38).

Bảng 1. Thống kê của 10 thị trường chứng khoán quốc tế

Bảng 1 mô tả số liệu thống kê của 10 thị trường chứng khoán quốc tế. Lợi suất được tính theo tuần và bằng chênh lệch logarit giữa các chỉ số đóng cửa thứ Tư hàng tuần. Lợi suất trung bình và độ lệch chuẩn (rủi ro) được tính theo năm. Mẫu Nghiên cứu từ 01/01/1993 đến 31/12/2017.

Thị trường

Lợi suất trung bình (%)

Độ lệch chuẩn (%)

Độ lệch

Độ nhọn

Min

(%)

Max

(%)

JB test

US

7,28

15,96

-0,69

8,07

-16,45

10,18

1493,02

JPN

1,25

21,60

-0,39

6,17

-21,13

14,79

578,89

UK

3,97

16,61

-0,32

6,32

-12,73

13,59

619,58

GER

8,53

22,26

-0,67

6,72

-16,80

17,15

846,27

HKG

6,67

24,27

-0,40

5,34

-15,48

15,56

330,88

SGP

3,11

20,45

-0,06

7,43

-14,84

16,39

1062,50

THA

2,63

25,91

-0,09

6,18

-19,15

17,82

548,07

MYS

4,11

21,14

0,39

15,69

-20,93

27,97

8758,85

IND

7,53

23,78

-0,16

5,40

-16,16

13,80

317,74

PHL

12,51

24,31

-0,53

8,93

-23,30

20,45

1968,02

Kết quả nghiên cứu

5.1 Mức độ liên kết giữa các thị trường – Nghiên cứu tĩnh cho toàn bộ mẫu

Mức độ liên kết giữa các thị trường được xác định cho toàn bộ mẫu từ tháng 12 năm 1994 đến tháng 12 năm 2017. Chúng tôi sử dụng độ trễ là 1 cho mô hình VAR dựa theo tiêu chuẩn thông tin Akaike và Bayesian và khoảng thời gian dự báo là 10 tuần như trong Diebold và Yilmaz (2009). Bảng 2 cho thấy mức độ liên kết giữa 10 thị trường chứng khoán trong toàn bộ thời kỳ, đây chính là ma trận phân rã phương sai . Các phần tử nằm trên đường chéo của ma trận phân rã phương sai thể hiện phần đóng góp trong sai số dự báo của một quốc gia i từ các cú sốc của chính nó, trong khi các phần tử ngoài đường chéo đo lường sự lan truyền của một cú sốc ở một quốc gia i sang một quốc gia khác j. Ví dụ, một cú sốc từ Mỹ giải thích 34,82% sai số dự báo của thị trường Mỹ, và khoảng 13,96% sai số dự báo của thị trường Anh. Chỉ số liên kết bằng 53,23% có nghĩa khoảng 53% phương sai sai số dự báo trên mười thị trường có thể được giải thích bằng các hiệu ứng liên kết.

Bảng 2. Mức độ liên kết – Nghiên cứu toàn bộ mẫu

Bảng 2 đo lường mức độ liên kết giữa 10 thị trường chứng khoán quốc tế. Mẫu nghiên cứu từ 1/1/1993 đến 31/12/2017 và khoảng thời gian dự báo là 10 tuần. Phân rã phương sai được tính sử dụng mô hình VAR tổng quát GVAR(1). Phần tử (i, j) của bảng đo lường mức độ liên kết có hướng từ thị trường i sang thị trường j. Cột FROM ALL cho thấy tổng liên kết có hướng từ tất cả các nước đến nước i, trong khi dòng TO ALL cho biết tổng liên kết có hướng từ nước i đến các nước khác.

Từ

FROM

ALL

Đến

US

JPN

UK

GER

HKG

SGP

THA

MYS

IND

PHL

US

34,82

13,23

17,17

14,61

3,17

5,86

7,28

0,02

0,43

3,42

65,18

JPN

8,50

44,57

7,41

8,83

3,24

9,84

10,20

0,13

1,27

6,02

55,43

UK

13,96

8,05

45,48

13,18

6,96

7,05

2,40

0,04

0,81

2,07

54,52

GER

13,58

10,94

19,52

39,12

3,60

7,13

4,08

0,21

0,20

1,62

60,88

HKG

5,11

5,98

7,18

1,90

44,19

15,36

8,58

4,41

2,11

5,17

55,81

SGP

4,62

7,11

4,51

2,86

11,21

38,84

9,01

8,67

4,94

8,21

61,16

THA

3,46

8,92

0,98

2,47

1,52

11,70

48,85

4,79

4,08

13,24

51,15

MAL

0,25

0,05

0,07

0,07

4,33

8,56

5,34

72,47

6,52

2,36

27,53

IND

0,08

1,89

0,49

0,28

2,14

8,67

8,88

14,98

53,25

9,34

46,75

PHL

3,21

8,67

2,35

2,06

2,50

9,27

16,74

4,33

4,73

46,14

53,86

TO ALL

52,78

64,85

59,68

46,26

38,69

83,44

72,51

37,57

25,09

51,44

Chỉ số liên kết = 53,23%

Minh họa đồ họa sẽ tốt hơn để hiểu cấu trúc của bảng phân tách phương sai trong Bảng 2. Hình 1 cho thấy các hiệu ứng liên kết theo hướng hai chiều giữa mười quốc gia. Mỗi quốc gia được biểu diễn là một nút trong biểu độ mạng. Độ lớn của nút cho biết kích thước của tổng mức liên kết định hướng của quốc gia nút đến các nước khác. Độ dày cạnh cho biết kích thước của các liên kết trung bình có hướng hai chiều. Kích thước mũi tên cạnh cũng cho thấy mức độ liên kết. Vị trí nút cũng cho thấy mức độ liên kết - các nút gần hơn có liên kết cao hơn. Hình 1 cho thấy 10 quốc gia tách thành hai nhóm thị trường phát triển và mới nổi. Các thị trường phát triển có mối liên kết chặt chẽ với nhau. Các cú sốc biến động trong một thị trường phát triển giải thích trung bình khoảng 9,3% các sai sót trong dự báo rủi ro 10 tuần của một thị trường phát triển khác. Thị trường Anh có mức độ liên kết có hướng lớn nhất với thị trường Đức ( ). Thị trường Anh và Đức cũng tương quan chặt chẽ với thị trường Mỹ, tiếp theo là Nhật Bản và Hồng Kông.

Năm thị trường Đông Nam Á cũng có mối liên kết chặt với nhau, với Singapore là quốc gia truyền đi các của cú sốc chính trong khu vực. Singapore cũng có tổng mức liên kết định hướng mạnh nhất tới các quốc gia khác vì ngoài các thị trường mới nổi, Singapore cũng còn có liên kết chặt chẽ với các nước phát triển và có liên kết theo chiều hướng tương đối cao với các quốc gia này. Nhìn vào vị trí nút, thật thú vị khi thấy rằng thị trường Đông Nam Á nói chung có nhiều khả năng bị ảnh hưởng bởi cú sốc khu vực (Nhật Bản (26,64%) và Hồng Kông (21,71%) hơn so với cú sốc từ Mỹ (11,62) %) hoặc thị trường Châu Âu (Anh (8,4%) và Đức (7,74%)). Hồng Kông, mặc dù là một thị trường phát triển, có liên quan nhiều hơn đến các thị trường mới nổi hơn so với các thị trường phát triển. Một cú sốc ở Hồng Kông có tác động lan truyền lớn hơn đến năm thị trường Đông Nam Á so với bốn thị trường phát triển còn lại.

Hình 1. Liên kết có hướng giữa 10 thị trường chứng khoán quốc tế - Nghiên cứu toàn bộ mẫu từ tháng 12/1994 đến tháng 12/2017

5.2 Mức độ liên kết giữa các thị trường – Nghiên cứu động qua thời gian

Bảng 2 và Hình 1 ở trên khá trực quan để đo lường mức độ liên kết trung bình giữa mười thị trường chứng khoán trong toàn bộ thời kỳ. Tuy nhiên, phân tích tĩnh với toàn bộ mẫu không thể giúp ta nắm bắt được hành vi biến động theo thời gian của rủi ro biến động chứng khoán, và do đó có khả năng bỏ lỡ các chuyển động quan trọng trong liên kết. Thị trường tài chính toàn cầu ngày càng trở nên liên kết hơn. Giai đoạn này cũng chứng kiến một số cuộc khủng hoảng tài chính lớn nhất từ trước đến nay (ví dụ, cuộc khủng hoảng tài chính Châu Á 1997 - 1998, cuộc khủng hoảng tài chính toàn cầu 2007 - 2009, cuộc khủng hoảng nợ Châu Âu 2010 - 2011). Do đó, trong phần này, bài viết nghiên cứu mức độ liên kết giữa các thị trường qua thời gian. Bài viết sử dụng cửa sổ trượt qua thời gian với 100 quan sát. Cụ thể, 100 quan sát đầu tiên (hai năm của dữ liệu tuần) được sử dụng để tính mức độ liên kết có điều kiện cho quan sát thứ 100. Tiếp theo đó, cửa sổ trượt bỏ quan sát đầu tiên và lấy quan sát thứ 101 để tính mức độ liên kết có điều kiện cho quan sát thứ 101... Cứ tiếp tục như vậy đến hết mẫu dữ liệu.

Hình 2 trình bày chỉ số liên kết động giữa 10 thị trường, ước tính sử dụng các cửa sổ trượt với 100 tuần. Chỉ số liên kết đo lường tổng hiệu ứng liên kết giữa 10 quốc gia quan sát. Có thể thấy, mức độ liên kết phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian khủng hoảng, gấp đôi mức độ trước khủng hoảng. Chỉ số liên kết biến động mạnh với các mức tăng đột biến. Trung bình, hơn 60%, và đôi khi lên đến 90%, sai số trong dự báo biến động 10 tuần của một quốc gia có thể được giải thích bởi những cú sốc biến động từ các nước khác khi khủng hoảng. Chỉ số liên kết chỉ ở khoảng 45% vào đầu những năm 1990 trước khi tăng đáng kể lên 75% vào tháng 7 năm 1997 – mốc khởi đầu của cuộc khủng hoảng tài chính Châu Á. Chỉ số liên kết biến động tăng trở lại vào tuần cuối tháng 7 năm 2002 (gần 90%) để đánh dấu sự suy thoái của thị trường chứng khoán năm 2002. Trận động đất ở Java Indonesia vào ngày 27 tháng 5 năm 2005 cũng làm tăng đáng kể mức độ liên kết giữa các thị trường trong khu vực. Chỉ số tiếp tục duy trì ở mức khá cao trong cuộc khủng hoảng tài chính toàn cầu 2007-2009. Sau đó, chỉ số giảm khi các nền kinh tế có dấu hiệu phục hồi trước khi tăng lên trở lại khi cuộc khủng hoảng nợ Châu Âu trở nên trâm trọng. Khi cuộc khủng hoảng nợ được kiểm soát, chỉ số liên kết giảm và duy trì quanh mức 55%, cao hơn mức khủng hoảng trước năm 1997 hoặc đầu những năm 2000. Điều này cho thấy sự liên kết cao hơn giữa các thị trường Đông Nam Á với các nền kinh tế khu vực và thế giới. Sự suy thoái của thị trường mới nổi trong tháng 8 năm 2015 cũng làm cho độ lớn của chỉ số biến động biến động trở lại mức 2008.

Khủng hoảng nợ thế chấp dưới chuẩn

Mỹ giảm lãi suất Fed Fund để giảm nguy cơ đổ vỡ

Lehman Brothers đệ đơn phá sản

Bán tháo chứng khoán 2015-2016

Thị trường đi xuống năm 2002

Khủng hoảng Nga

Khủng hoảng Châu Á

Khủng hoảng nợ công Châu Ấu

Khủng hoảng tài chính toàn cầu 2007 - 2009

Động đất ở Indonesis

Hình 2. Chỉ số liên kết - Nghiên cứu động với mô hình trượt 100 tuần

Chỉ số liên kết trong Hình 2 cho thấy tổng hiệu ứng liên kết giữa 10 quốc gia qua thời gian. Chúng ta có thể quan tâm đến sự liên kết theo hướng theo hướng theo thời gian. Hình 3 cho thấy mức độ liên kết định hướng trung bình từ các thị trường phát triển khác nhau đến các thị trường chứng khoán Đông Nam Á. Chúng tôi cũng xem xét mức độ liên kết định hướng từ thị trường Singapore đến các thị trường chứng khoán Đông Nam Á vì thị trường chứng khoán Singapore khá phát triển và có mức độ liên kết cao trong phân tích toàn bộ mẫu. Nhìn chung, tác động tràn từ thị trường Mỹ sang các thị trường mới nổi khác là khá thấp. Trung bình, ít hơn 10% sai số trong dự báo biến động 10 tuần của một thị trường Đông Nam Á có thể được giải thích bởi những cú sốc biến động ở Mỹ. Tuy nhiên, chỉ số này đã tăng lên đến 70% khi bắt đầu cuộc khủng hoảng nợ thế chấp dưới chuẩn vào tháng 8 năm 2007. Đây là mức độ liên kết cao nhất từ một thị trường phát triển đến các thị trường Đông Nam Á. Nghiên cứu cho thị trường Anh và Đức cũng cho thấy các kết quả tương tự. Nhìn chung, thị trường Mỹ, Anh và Đức có mức độ liên kết định hướng cao ở các cấp độ khác nhau vào cuộc suy thoái thị trường năm 2002, khủng hoảng dưới chuẩn, khủng hoảng tài chính toàn cầu 2007 - 2009 và khủng hoảng nợ Châu Âu 2011. Trong khi các tác động từ thị trường Mỹ là cao nhất vào tại thời điểm xảy ra khủng hoảng nợ thế chấp dưới chuẩn, các hiệu ứng liên kết thị trường Anh đạt đỉnh điểm vào cuộc khủng hoảng thị trường năm 2002 và cuộc khủng hoảng nợ Châu Âu 2011.

Hình 3. Mức độ liên kết có hướng từ các thị trường đến thị trường Đông Nam Á

Kết quả nghiên cứu từ hai thị trường khu vực là Nhật Bản và Hồng Kông lại cho các kết quả khác biệt. Nhìn chung, các cú sốc từ hai thị trường khu vực có ảnh hưởng cao hơn đến các nước Đông Nam Á so với các thị trường Mỹ, Anh và Đức. Nhật Bản đã truyền mức độ biến động cao nhất trong cuộc khủng hoảng tài chính toàn cầu và vào giữa năm 2013 khi chỉ số Nikkei sụp đổ do lo ngại về dữ liệu kinh tế của Trung Quốc. Thị trường Hồng Kông có tác động lan tỏa cao trong cuộc khủng hoảng tài chính Châu Á và đặc biệt là vào mùa hè năm 2015 khi những đợt điều chỉnh lớn trên thị trường chứng khoán Trung Quốc đã kích hoạt đợt bán tháo toàn cầu 2015-2016. Biến động lan tỏa từ Hồng Kông cũng cao trong năm 2011 khi thị trường Hồng Kông mất gần 28% giá trị của nó trong 6 tháng. Tác động lan toản từ thị trường Hồng Kông là không đáng kể trong cuộc khủng hoảng tài chính toàn cầu. Bảng F của Hình 3 cho thấy tác động liên kết từ Singapore đến các thị trường Đông Nam Á khác. Nhìn chung, cú sốc từ thị trường Singapore, có ảnh hưởng cao đến các thị trường trong khu vực hơn so với các thị trường phát triển. Mức độ liên kết này cũng ít có biến động mạnh như các thị trường phát triển.

5.3 Mức độ liên kết theo hướng vào một số ngày quan trọng

Phân tích của chúng tôi cho đến nay tập trung vào tổng mức độ liên kết theo thời gian. Tuy nhiên, khuôn khổ của chúng tôi có thể được sử dụng để hiểu mức độ liên kết tại một số ngày quan trọng của thời gian khủng hoảng. Trong phần này, chúng tôi xem xét các mức độ liên kết vào một số ngày được lựa chọn trong cuộc khủng hoảng tài chính Châu Á năm 1997, cuộc khủng hoảng tài chính toàn cầu 2007 - 2009 và cuộc khủng hoảng nợ Châu Âu 2010-2011.

Hình 4. Mức độ liên kết – Tuần 27/10/1997

Cuộc khủng hoảng tài chính Châu Á năm 1997 bắt đầu ở Thái Lan và nhanh chóng lan rộng ra các nước Đông Á. Thái Lan, Indonesia, Malaysia, Phillipines nằm trong số những nước bị ảnh hưởng nặng nề bởi cuộc khủng hoảng. Cuộc khủng hoảng đạt đỉnh điểm vào ngày 27 tháng 10 năm 1997. Hình 4 cho thấy mức độ liên kết theo hướng trong tuần cuối cùng của tháng 10 năm 1997. Tương tự như trên, độ lớn của nút cho biết quy mô của tổng liên kết theo hướng của quốc gia nút đến các quốc gia khác. Độ dày cạnh cho biết kích thước của các lan truyền theo hướng trung bình, trong khi kích thước mũi tên cho biết quy mô chiều dịch chuyển của liên kết. Vị trí nút cũng cho thấy mức độ liên kết giữa các thị trường – các nút gần nhau hơn có mức độ liên kết cao hơn. Có thể thấy các nước Châu Á được kết nối với nhau ở trung tâm trong khi Mỹ, Anh và Đức nằm trên mép của biểu đồ. Điều này thể hiện mức độ liên kết cao giữa các nước Châu Á tại thời điểm này. Trong tuần này, đồng đô la Hồng Kông bị tấn công đầu cơ dẫn đến sự sụt giảm mạnh trên thị trường chứng khoán Hồng Kông, tạo ra những tác động lan tỏa cao nhất trong khu vực. Cuộc khủng hoảng Châu Á cũng khiến thị trường Mỹ chịu áp lực. Ngày 27 tháng 10 năm 1997, công nghiệp Dow Jones giảm 554 điểm hay 7,2%, trong bối cảnh lo ngại liên tục về các nền kinh tế Châu Á.

Hình 5 cho thấy mức độ liên kết trong tuần cuối cùng của tháng 8/2007. Tháng 8 năm 2007 đánh dấu sự khởi đầu của cuộc khủng hoảng nợ thế chấp dưới chuẩn, từ đó phát triển thành cuộc khủng hoảng tài chính toàn cầu. Trong tuần đầu của tháng 8 năm 2007, cuộc khủng hoảng nợ thế chấp của Mỹ đã trở thành một cuộc khủng hoảng thanh khoản. Nhiều tổ chức cho vay thế chấp đã đệ đơn xin phá sản. Vào ngày 9 và 10 tháng 8, Cục dự trữ Liên bang Mỹ và Ngân hàng Trung ương Châu Âu đã can thiệp bằng cách bơm hàng tỷ đô la thanh khoản vào thị trường. Trong Hình 5 này, Mỹ di chuyển đến trung tâm, tạo ra sự lan truyền biến động cao cho các nước khác.

Hình 5. Mức độ liên kết – Tuần 27/8/2007

Cuộc khủng hoảng nợ Châu Âu bắt đầu vào đầu năm 2010 khi Hy Lạp không thể vay được từ thị trường. Cuộc khủng hoảng Hy Lạp đã trở thành cuộc khủng hoảng nợ công Châu Âu khi một số nước khác trong Liên minh Châu Âu (Bồ Đào Nha, Ireland, Tây Ban Nha) không thể hoàn trả hoặc tái cấp vốn các khoản nợ của chính phủ hoặc bảo lãnh cho hệ thống ngân hàng mà không có sự hỗ trợ của các tổ chức tài chính của bên thứ ba như Ngân hàng trung ương Châu Âu hoặc Quỹ Tiền tệ Quốc tế. Cuộc khủng hoảng đã dẫn đến sự sụt giảm mạnh về giá cổ phiếu trong tháng 8 năm 2011 trên thị trường chứng khoán trên từ Châu Âu đến Hoa Kỳ, Trung Đông, và Châu Á. Panel C của Hình 4 cho thấy mức độ liên kết trong tuần cuối cùng của tháng 8 năm 2011. Không có gì đáng ngạc nhiên khi thị trường Anh và Đức giờ đây trở thành trung tâm truyền đi những cú sốc (Hình 6). Rủi ro tăng lên do lo ngại về sự lây lan của cuộc khủng hoảng nợ công Châu Âu đến Tây Ban Nha và Ý, cũng như những lo ngại về mức độ xếp hạng AAA hiện tại của Pháp. Thị trường Mỹ cũng bị ảnh hưởng nặng nề do lo ngại về sự tăng trưởng kinh tế chậm chạp và nguy cơ xếp hạng tín dụng bị hạ cấp.

Hình 6. Mức độ liên kết – Tuần 17/08/2011

Hàm ý và kết luận

Hội nhập tài chính quốc tế khiến mức độ liên kết giữa các thị trường chứng khoán trở nên chặt chẽ hơn. Và do vậy, cú sốc ở một thị trường chứng khoán có thể ảnh hưởng đến tỷ suất sinh lợi và rủi ro ở các thị trường khác. Mức độ lan truyền của các cú sốc phụ thuộc vào mức độ liên kết của các thị trường. Mức độ liên kết càng cao thì tác động lan truyền càng lớn. Bài viết nghiên cứu mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với các thị trường toàn cầu và khu vực lớn (Mỹ, Anh, Đức, Nhật Bản và Hồng Kông), sử dụng phương pháp phân tích dựa trên phân rã phương sai của Diebold và Yilmaz (2014). Chúng tôi đã ước tính các chỉ số liên kết, được xác định là tổng đóng góp cho sai số h-bước trong dự báo biến động của thị trường do những cú sốc từ các quốc gia khác. Chúng tôi kiểm tra mức độ liên kết giữa các thị trường trong toàn bộ mẫu tĩnh và qua thời gian với việc phân tích cửa sổ trượt. Các kết quả thực nghiệm cho thấy các thị trường có mức độ liên kết tương đối cao trong toàn bộ mẫu, với sự gia tăng liên kết mạnh trong các cuộc khủng hoảng tài chính. Thị trường Đông Nam Á cũng bị ảnh hưởng nhiều hơn từ những cú sốc trong khu vực (Hồng Kông và Nhật Bản) so với cú sốc toàn cầu (Mỹ). Cú sốc gây ra bởi những biến động của thị trường Châu Âu nói chung có tác động nhỏ đến các thị trường Đông Nam Á. Thị trường Đông Nam Á bị ảnh hưởng bởi những cú sốc ở các nước lớn, tuy nhiên, những cú sốc từ các thị trường Đông Nam Á chỉ lan tỏa trong khối. Bài viết cũng đã nghiên cứu mức độ liên kết giữa các thị trường tại một số ngày quan trọng trong thời gian khủng hoảng để theo dõi nguồn lan truyền biến động. Nghiên cứu về mức độ liên kết thị trường có ý nghĩa đối với các nhà đầu tư quốc tế cũng như các nhà quản lý thị trường. Một trong những lợi ích của việc đầu tư ra nước ngoài là các nhà đầu tư có thể phân tán rủi ro do mức độ tương quan thấp giữa thị trường phát triển và thị trường mới nổi. Tuy nhiên, kết quả nghiên cứu cho thấy, mức độ liên kết giữa các thị trường tăng đáng kể trong các cuộc khủng hoảng tài chính, làm giảm hiệu ứng phân tán rủi ro khi các nhà đầu tư cần giảm thiểu rủi ro nhất. Việc các nhà đầu tư đa dạng hóa danh mục đầu tư cũng góp phần làm tăng hiệu ứng lan tỏa khi cú sốc xảy ra trên một thị trường có thể khiến các nhà đầu tư rút vốn trên các thị trường khác, và dẫn đến khủng hoảng tại các thị trường này. Đối với các nhà hoạch định chính sách phát triển thị trường, trong bối cảnh mức độ liên kết tăng giữa các thị trường, các nhà hoạch định phát triển thị trường một mặt cần phải đưa ra được các chính sách giúp tận dụng thu hút được nguồn vốn bên ngoài nhưng mặt khác cũng phải giảm ảnh hưởng tiêu cực của các cú sốc bên ngoài với thị trường trong nước.

Tài liệu tham khảo

Awokuse, T. O., Chopra, A., & Bessler, D. A. (2009). Structural change and international stock market interdependence: Evidence from Asian emerging markets. Economic Modelling, 26(3), 549-559. doi: http://dx.doi.org/10.1016/j.econmod.2008.12.001.

Bekaert, G., & Harvey, C. R. (1997). Emerging equity market volatility. Journal of Financial Economics, 43(1), 29-77. doi: http://dx.doi.org/10.1016/S0304-405X(96)00889-6.

Bekaert, G., Harvey, C. R., & Ng, A. (2005). Market Integration and Contagion. Journal of business, 78(1), 39-69.

Bollerslev, T. (1986). Generalised autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307--327.

Diebold, F. X., & Yilmaz, K. (2009). Measuring financial asset return and volatility spillovers, with application to global equity markets*. The Economic Journal, 119(534), 158-171.

Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57-66.

Diebold, F.X. and Yilmaz, K. (2014), "On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms," Journal of Econometrics, 182, 119-134.

Ewing, B. (2002). The transmission of shocks among S&P indexes. Applied Financial Economics, 12(4), 285-290.

Favero, C. A., & Giavazzi, F. (2002). Is the international propagation of financial shocks non-linear?: Evidence from the ERM. Journal of International Economics, 57(1), 231-246. doi: http://dx.doi.org/10.1016/S0022-1996(01)00139-8.

Hammoudeh, S. M., Yuan, Y., & McAleer, M. (2009). Shock and volatility spillovers among equity sectors of the Gulf Arab stock markets. The Quarterly Review of Economics and Finance, 49(3), 829-842. doi: http://dx.doi.org/10.1016/j.qref.2009.04.004.

Karolyi, G. A. (1995). A Multivariate GARCH Model of International Transmissions of Stock Returns and Volatility: The Case of the United States and Canada. Journal of Business & Economic Statistics, 13(1), 11-25. doi: 10.2307/1392517.

Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119-147. doi: https://doi.org/10.1016/0304-4076(95)01753-4.

Masih, A. M. M., & Masih, R. (1999). Are Asian stock market fluctuations due mainly to intra-regional contagion effects? Evidence based on Asian emerging stock markets. Pacific-Basin Finance Journal, 7(3–4), 251-282. doi: http://dx.doi.org/10.1016/S0927-538X(99)00013-X.

Miyakoshi, T. (2003). Spillovers of stock return volatility to Asian equity markets from Japan and the US. Journal of International Financial Markets, Institutions and Money, 13(4), 383-399.

Ng, A. (2000). Volatility spillover effects from Japan and the US to the Pacific–Basin. Journal of International Money and Finance, 19(2), 207-233. doi: http://dx.doi.org/10.1016/S0261-5606(00)00006-1.

Pesaran, H. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17-29. doi: https://doi.org/10.1016/S0165-1765(97)00214-0.

Worthington, A., & Higgs, H. (2004). Transmission of equity returns and volatility in Asian developed and emerging markets: a multivariate GARCH analysis. International Journal of Finance & Economics, 9(1), 71-80. doi: 10.1002/ijfe.222.

Yilmaz, K. (2010). Return and volatility spillovers among the East Asian equity markets. Journal of Asian Economics, 21(3), 304-313.

[1] Trường Đại học Ngoại thương (cơ sở 2), Email: nguyenthihoanganh.cs2@ftu.edu.vn

MỨC ĐỘ LIÊN KẾT GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN ĐÔNG NAM Á VÀ THỊ TRƯỜNG CHỨNG KHOÁN QUỐC TẾ

Nguyễn Thị Hoàng Anh[1]

Tóm tắt

Trong bài báo này, chúng tôi nghiên cứu mức độ liên kết giữa các thị trường chứng khoán mới nổi Đông Nam Á và các thị trường toàn cầu và khu vực lớn, sử dụng phương pháp phân rã phương sai của Diebold và Yilmaz (2014). Chúng tôi đã đo lường các chỉ số liên kết thông qua việc tính toán mức độ đóng góp của sai số dự báo h-bước trong dự báo rủi ro của một thị trường do những cú sốc tại các thị trường khác. Kết quả nghiên cứu cho thấy, các thị trường có mức độ liên kết cao trong toàn bộ mẫu tĩnh nghiên cứu. Nghiên cứu mức độ liên kết động qua thời gian cho thấy mức độ kết nối phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian khủng hoảng. Ngoài ra, những cú sốc từ các thị trường khu vực (Hồng Kông và Nhật Bản) có tác động lan tỏa lớn hơn đối với thị trường Đông Nam Á so với các cú sốc từ thị trường Mỹ hoặc Châu Âu.

Từ khóa: lợi suất; rủi ro, mức độ liên kết, tự hồi qui vector, phân rã phương sai

Abstract

In this paper, we measure the connectedness among Southeast Asian emerging equity markets and major global and regional markets, using the variance decomposition approach of Diebold and Yilmaz (2014). In so doing, we construct connectedness measures that capture the contribution of an h-step-ahead forecast error variances in forecasting stock volatilities of a market due to shocks in other markets. We report two three findings. First, a high level of total connectedness is identified throughout our sample period, suggesting high linkages among developed and emerging countries. Second, dynamic connectedness levels respond to economic events and, in general, increase significantly in crisis time. Third, innovations to volatilities of the regional markets (Hong Kong and Japan) have larger spillover effects to Southeast Asian markets than those of the US or European markets.

Key words: stock returns, volatility, connectedness, vector autoregression, variance decomposition.

Giới thiệu

Cải cách tài chính, tự do hóa các dòng vốn và cách mạng công nghệ thông tin đã giúp các nền kinh tế hội nhập sâu, rộng hơn vào nền kinh tế thế giới. Hội nhập kinh tế khu vực và thế giới đã có các tác động tích cực đến nhiều quốc gia, giúp các quốc gia này tăng cường thu hút vốn đầu tư trực tiếp và gián tiếp từ bên ngoài, xúc tiến phát triển thương mại quốc tế. Tuy nhiên, hội nhập cũng khiến các nền kinh tế, cả phát triển và đang phát triển, dễ bị tổn thương hơn từ các cú sốc từ bên ngoài. Mức độ hội nhập, liên kết giữa các thị trường càng cao thì tác động lan tỏa của các cú sốc bên ngoài càng lớn.

Trên thế giới, nhiều công trình đã được thực hiện nghiên cứu mức độ liên kết giữa các thị trường chứng khoán. Bekaert và Harvey (1997) nghiên cứu ảnh hưởng của thị trường chứng khoán thế giới (thị trường Mỹ) đến các thị trường mới nổi Châu Á và nhận thấy, ở những thị trường hội nhập sâu, độ biến động lợi suất của thị trường chịu ảnh hưởng mạnh bởi các cú sốc trên thế giới, còn ở những thị trường có mức độ hội nhập thấp, ảnh hưởng từ bên ngoài là không đáng kể. Các nghiên cứu tiếp theo bổ sung nhân tố khu vực và cho thấy, cú sốc từ khu vực (Châu Á – Nhật, Hồng Kông) cũng có tác động đáng kể đến các nền kinh tế mới nổi Châu Á (xem các nghiên cứu của Ng, 2000; Miyakoshi, 2003; Awokuse, 2009…). Các nghiên cứu trên đều thống nhất rằng mức độ hội nhập của các thị trường càng cao thì tác động của các cú sốc từ bên ngoài càng lớn, và mức độ liên kết giữa các thị trường thường tăng vào các giai đoạn khủng hoảng.

Thập kỷ đầu tiên của thiên niên kỷ mới đã chứng kiến hai cuộc khủng hoảng kinh tế có sức tàn phá mạnh mẽ – Khủng hoảng tài chính toàn cầu 2007 – 2009 và khủng hoảng nợ Châu Âu 2011-2012. Các cuộc khủng hoảng này khởi nguồn từ các quốc gia phát triển nhất như Mỹ, EU… và từ đó lan rộng, ảnh hưởng đến nền kinh tế toàn cầu. Mức độ liên kết giữa các thị trường tăng đã khiến sức lan tỏa của khủng hoảng càng mạnh.

Trong những thập kỷ qua, các nền kinh tế và thị trường chứng khoán Đông Nam Á ngày càng có liên kết chặt chẽ hơn với thị trường tài chính và nền kinh tế toàn cầu. Mức độ hội nhập cao một mặt giúp các trị trường chứng khoán trong khu vực thu hút được dòng vốn lớn từ bên ngoài nhưng mặt khác cũng khiến các thị trường khu vực dễ tổn thương hơn từ tác động lan tỏa của các cú sốc bên ngoài. Trong bài báo này, chúng tôi nghiên cứu mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với thị trường chứng khoán toàn cầu, trong đó đặc biệt quan tâm đến mức độ tác động của các cuộc khủng hoảng tài chính gần đây đến thị trường chứng khoán Đông Nam Á. Bài viết sử dụng cách tiếp cận của Diebold và Yilmaz (2014) để đo lường mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với thị trường chứng khoán toàn cầu và khu vực. Bộ dữ liệu của chúng tôi bao gồm năm thị trường phát triển (Mỹ, Anh, Đức, Nhật Bản và Hồng Kông) và năm thị trường Đông Nam Á (Singapore, Malaysia, Thái Lan, Indonesia và Philippines) và bao gồm khoảng thời gian từ ngày 1 tháng 1 năm 1993 đến ngày 31 tháng 12 năm 2017. Bộ dữ liệu này cho phép chúng tôi nghiên cứu mức độ liên kết giữa các thị trường trong hơn 25 năm, với nhiều mốc thời gian quan trọng từ cuộc Khủng hoảng tài chính Châu Á 1997 - 1998, sự sụp đổ bong bóng dotcom năm 2000, cuộc Khủng hoảng tài chính toàn cầu 2007 - 2008, cuộc Khủng hoảng nợ Châu Âu, hay sự kiện Brexit. Tương tự như Ng (2000), chúng tôi xem những cú sốc từ thị trường Mỹ làm đại diện cho những cú sốc từ thị trường thế giới, và các cú sốc từ Nhật Bản và Hồng Kông đại diện cho cú sốc đến từ Châu Á. Chúng tôi cũng xem xét những cú sốc từ các thị trường Châu Âu trong cuộc Khủng hoảng nợ công Châu Âu và sử dụng Vương quốc Anh và Đức làm đại diện.

Theo phương pháp Diebold và Yilmaz (2014), các chỉ số liên kết được xây dựng dựa trên phân rã phương sai sai số dự báo trong mô hình tự hồi quy vectơ (Vector Autogression – VAR). Chỉ số liên kết được tính cho cả toàn bộ mẫu tĩnh và mẫu động theo thời gian. Chúng tôi cũng quan tâm đến mức độ liên kết định hướng từ các thị trường phát triển lớn đến các thị trường Đông Nam Á. Kết quả nghiên cứu cho thấy, có sự liên kết cao giữa các thị trường chứng khoán phát triển và thị trường Đông Nam Bộ trong toàn bộ thời gian nghiên cứu. Mức độ liên kết phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian xảy ra khủng hoảng. Thị trường các nước Đông Nam Á chịu ảnh hưởng nhiều hơn từ biến động của thị trường khu vực Châu Á (Hồng Kông và Nhật Bản) hơn là từ thị trường Mỹ hoặc Châu Âu.

Tổng quan tình hình nghiên cứu

Hội nhập kinh tế khu vực và thế giới một mặt giúp các quốc gia phát triển thương mại quốc tế, tăng cường thu hút vốn đầu tư từ bên ngoài, nhưng mặt khác cũng khiến các nền kinh tế, cả phát triển và đang phát triển, dễ bị tổn thương hơn từ các cú sốc từ bên ngoài. Vậy, hội nhập kinh tế khu vực và thế giới khiến các thị trường chứng khoán chịu ảnh hưởng như thế nào từ các cú sốc bên ngoài? Câu hỏi này đã nhận được sự quan tâm không chỉ từ các nhà nghiên cứu mà còn từ các nhà đầu tư, các nhà hoạch định chính sách. Nghiên cứu về mức độ liên kết giữa các thị trường, đặc biệt về ảnh hưởng lan truyền của các cú sốc có ý nghĩa đặc biệt trong đầu tư quốc tế. Ở các thị trường đang phát triển, ảnh hưởng lan truyền này có thể khiến nền kinh tế chịu ảnh hưởng nhiều hơn từ các cú sốc bên ngoài, làm giảm lợi ích phân tán rủi ro của các nhà đầu tư, đặc biệt trong giai đoạn khủng hoảng.

Một số nghiên cứu khác tập trung nghiên cứu mức độ đồng liên kết (cointegration) giữa các thị trường. Masih và Masih (1999) nghiên cứu mức độ liên kết động ngắn hạn và dài hạn ở các thị trường chịu ảnh hưởng của Khủng hoảng Châu Á sử dụng phương pháp đồng liên kết và mô hình vectơ hiệu chỉnh sai số (VECM). Kết quả nghiên cứu cho thấy bên cạnh thị trường Nhật Bản, thị trường Hồng Kông cũng đóng vai trò quan trọng như một thị trường chính trong khu vực. Bổ sung yếu tố biến động lợi suất theo thời gian trong liên kết, Awokuse (2009) nghiên cứu dòng thông tin giữa các thị trường mới nổi và các thị trường phát triển chính sử dụng các phân tích đồng liên kết. Tương tự, Favero và Giavazzi (2002) sử dụng mô hình VAR để nghiên cứu mức độ phụ thuộc tài chính với các kỳ vọng phá giá tiền tệ đối với các đồng tiền trong Cơ chế tỷ giá Châu Âu. Ewing (2002) sử dụng kỹ thuật phân tích phương sai dự báo trong mô hình VAR để phân tích mối tương quan giữa năm ngành công nghiệp chính ở Mỹ. Ông thấy rằng các 'tin tức' bất ngờ hoặc cú sốc trong một lĩnh vực có tác động đáng kể đến lợi nhuận ngành khác. Trên cơ sở mô hình VAR truyền thống, nhiều bài viết nghiên cứu về biến động lợi suất có điều kiện qua thời gian. Karolyi (1995) nghiên cứu mối quan hệ giữa thị trường chứng khoán Mỹ và Canada sử dụng mô hình GARCH hai biến và nhận thấy các cú sốc từ Mỹ sang Canada có tác động ít hơn trong mô hình này so với các mô hình VAR truyền thống. Tương tự, Hammoudeh và cộng sự (2009) sử dụng mô hình VAR(1)-GARCH(1,1) và xác định tác động lan tỏa của các cú sốc và rủi ro ở các thị trường cổ phiếu khu vực vùng Vịnh. Worthington và Higgs (2004) nghiên cứu tác động lan tỏa về lợi suất và rủi ro giữa các thị trường chứng khoán phát triển và mới nổi Châu Á. Sử dụng mô hình GARCH đa biến, họ chứng minh rằng các tác động lan truyền trung bình từ các thị trường phát triển đến thị trường mới nổi là không đồng nhất, các thị trường, đặc biệt là các thị trường mới nổi, thường chịu ảnh hưởng lớn hơn từ các cú sốc của chính mình so với các cú sốc bên ngoài.

Gần đây, Diebold và Yilmaz (2009) đã xây dựng một mô hình nghiên cứu mức độ lan tỏa mới. Dựa vào phân tích về phân rã phương sai của mô hình VAR, họ xây dựng một chỉ số lan tỏa để đo lường mức độ liên kết chung giữa các thị trường. Sử dụng phương pháp này, Yilmaz (2010) nghiên cứu mức độ liên kết và phụ thuộc giữa các thị trường chứng khoán Đông Á từ 1992 đến 2009 và cho thấy mức độ hội nhập giữa các thị trường gia tăng mạnh trong thời gian này. Diebold và Yilmaz (2014) phát triển mô hình Diebold và Yilmaz (2009) để đo lường các mức độ liên kết từ đa phương đến song phương. Sử dụng mô hình này, Diebold và Yilmaz (2014) đã đo lường mức độ liên kết giữa các tổ chức tài chính tại Mỹ trong Khủng hoảng tài chính toàn cầu 2007 – 2008.

Phương pháp nghiên cứu

Trong bài báo này, chúng tôi sử dụng mô hình đo lường mức độ liên kết (connectedness measures) của Diebold và Yilmaz (2014) để đo lường mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á và thị trường chứng khoán toàn cầu và khu vực. Mô hình của Diebold và Yilmaz cho phép đo lường mức độ liên kết ở các mức độ khác nhau, từ liên kết song phương đến liên kết đa phương, dựa trên nghiên cứu phân rã phương sai của mô hình VAR tổng quát.

Xem xét hệ vector n-chiều các biến chuỗi thời gian được biểu diễn theo mô hình VAR với độ trễ p:

trong đó là ma trận hệ số và là vector các biến ngẫu nhiên độc lập và có cùng một thống kê xác suất (i.i.d) với và . Với tính dừng của hiệp phương sai, hệ VAR có thể được biểu diễn như một mô hình trung bình trượt vô hạn:

Với là ma trận hệ số trượt trung bình và được tính bằng với Hệ số trung bình trượt (hoặc các phép biến đổi của chúng như hàm phản ứng xung hoặc phân rã phương sai) là chìa khóa của mô hình Diebold và Yilmaz. Phân rã phương sai cho phép chúng ta xem xét tỷ lệ biến động của một biến do cú sốc của chính nó so với các cú sốc bên ngoài của các biến khác.

Trong mô hình VAR truyền thống, phân rã phương sai được tính toán dễ dàng dựa trên các giả định trực giao (orthogonal), tuy nhiên kết quả tính toán có thể nhạy cảm với thứ tự sắp xếp các biến. Phân rã Cholesky trực giao tiêu chuẩn ngụ ý rằng biến đầu tiên trong thứ tự sắp xếp chỉ chịu ảnh hưởng từ các cú sốc của chính nó, biến thứ hai chịu ảnh hưởng đồng thời bởi các cú sốc của biến thứ nhất và thứ hai nhưng không có tác động lên biến thứ nhất... Trên thực tế, các cú sốc hiếm khi trực giao. Diebold và Yilmaz, do đó, áp dụng mô hình VAR tổng quát (Generalised VAR - GVAR) của Pesaran và Shin (1998) và Koop và cộng sự (1996). Mô hình VAR tổng quát cho phép các cú sốc có tương quan với nhau và không chịu ảnh hưởng bởi thứ tự sắp xếp các biến.

Trong mô hình GVAR, ma trận phân rã phương sai tổng quát cho H-bước có các phần tử:

trong đó là ma trận phương sai – hiệp phương sai của sai số trong mô hình VAR không trực giao (a non-orthogonal VAR), là ma trận hệ số trung bình trượt của vector các cú sốc với độ trễ H, là vector nhận giá trị 1 tại phân tử thứ i và 0 ở các phần tử khác và là căn của phân tử thứ j nằm trên đường chéo của ma trận . Do các cú sốc không trực giao nên hiệp phương sai của các cú sốc không nhất thiết phải bằng 0, và do vậy tổng theo hàng của ma trận không nhất thiết phải bằng 1. Vì vậy, chúng tôi chuẩn hóa các phân tử của ma trận phân rã phương sai theo tổng theo hàng của ma trận, để . Diebold and Yilmaz (2014) xây dựng mô hình nghiên cứu của minh dựa vào based on ma trận phân rã phương sai điều chỉnh chứ không phải ma trận .

Phân rã phương sai trong mô hình VAR giúp chúng ta tách phương sai sai số dự báo của mỗi biến thành các phần do các cú sốc hệ thống khác nhau. Trong ma trận phân rã phương sai , các phân tử nằm trên đường chéo giải thích phần trong phương sai sai số dự báo biến cho H bước phụ thuộc vào cú sốc của chính nó, trong khi các phần tử nằm ngoài đường chéo đo lường phần trong phương sai sai số dự báo đến từ các cú sốc bên ngoài (do liên kết).

Khung GVAR cho phép Diebold và Yilmaz (2014) đo lường mức độ liên kết có hướng hướng từ một thị trường này sang thị trường khác (pairwise directional connectedness). Đây là điểm khác biệt của mô hình Diebold và Yilmaz (2014) so với mô hình Diebold và Yilmaz (2009).

Mức độ liên kết có hướng từ thị trường i đến thị trường j được xác định bởi

Lưu ý, nhìn chung vì một cú sốc từ thị trường i đến thị trường j không nhất thiết phải giống như cú sốc từ thị trường j đến thị trường i, và vì vậy sẽ có cặp liên kết có hướng. Liên kết có hướng ròng từ thị trường i đến thị trường j có thể được tính bằng .

Tổng liên kết có hướng (total directional connectedness) từ thị trường i đến các thị trường khác có thể xác định bởi:

và từ các thị trường khác đến thị trường j có thể dễ dàng xác định một cách tương ứng:

Như vậy, có N liên kết “từ các thị trường khác” và N liên kết “đến các thị trường khác”. Tổng liên kết có hướng ròng của thị trường i có thể được xác định bằng cách so sánh liên kết truyền đến thị trường khác và liên kết nhận được từ các thị trường khác .

Cuối cùng, Diebold và Yilmaz xây dựng chỉ số liên kết bằng cách tính tổng tất cả các phần tử không nằm trên đường chéo của ma . Chỉ số liên kết đo lường tổng mức độ liên kết giữa tất cả các thị trường:

Dữ liệu nghiên cứu

Chúng tôi nghiên cứu mức độ liên kết giữa năm thị trường chứng khoán toàn cầu và khu vực lớn (Mỹ (US), Anh (UK), Đức (GER), Nhật Bản (JPN) và Hồng Kông (HKG) và năm nước Đông Nam Á (Singapore (SGP), Malaysia (MYS), Thái Lan (THA), Indonesia (IDN) và Philippines (PHL). Chỉ số thị trường chứng khoán danh nghĩa hàng ngày được thu thập từ Datastream và bao gồm khoảng thời gian từ ngày 01 tháng 01 năm 1993 đến ngày 31 tháng 12 năm 2017. Chúng tôi tính lợi suất hàng tuần theo chênh lệch logarit của giá chỉ số đóng cửa vào các thứ Tư hàng tuần để tránh vấn đề giao dịch không đồng bộ giữa các thị trường. Khi một thịt trường nào đó đóng cửa vào thứ Tư do kỳ nghỉ, chúng tôi sử dụng dữ liệu của ngày giao dịch gần nhất trước đó. Mẫu nghiên cứu bao gồm 15 năm lợi suất tuần với tổng số 1300 quan sát. Để đo lường sự biến động rủi ro, chúng tôi sử dụng mô hình GARCH (1,1) của Bollerslev (1986) để nắm bắt được hành vi biến động lợi suất theo thời gian. Chúng tôi sử dụng 100 quan sát đầu tiên để bắt đầu ước lượng biến động rủi ro, và do đó có được 1201 quan sát biến động rủi ro từ tháng 12 năm 1994 đến tháng 12 năm 2017.

Bảng 1 giới thiệu số liệu thống kê mô tả của mẫu nghiên cứu. Chúng tôi sử dụng kiểm định Jarque-Bera (JB) để kiểm định phân phối chuẩn của dữ liệu. Nhìn chung, lợi suất của các thị trường không tuân theo phân phối chuẩn, nhọn và lệch âm. Có sự khác biệt đáng kể về lợi suất của hai quốc gia lớn nhất trên thế giới. Trong khi thị trường Mỹ hoạt động tốt nhất với lợi suất cao (7,28%) và rủi ro thấp nhất (15,96%), thì thị trường Nhật Bản hoạt động xấu hơn hơn nhiều với mức lợi nhuận thấp nhất (1,25%) kèm theo rủi ro tương đối cao (21,6%). Trái ngược với quan niệm chung, rủi ro vô điều kiện của các thị trường phát triển như Nhật Bản và Đức thậm chí còn cao hơn rủi ro ở một số thị trường Đông Nam Á như Singapore và Malaysia. Ngoài ra, rủi ro cao không hàm ý lợi nhuận cao hơn. Các thị trường mới nổi Đông Nam Á nói chung tạo ra lợi nhuận thấp với rủi ro cao (ngoại trừ Philippines). Mười thị trường chứng khoán có tương quan nhẹ với hệ số tương quan trung bình là 0,45. Tương quan giữa các thị trường phát triển (0,59) cao hơn so với các thị trường mới nổi (0,49). Mối tương quan giữa các thị trường phát triển và thị trường mới nổi khá thấp (0.38).

Bảng 1. Thống kê của 10 thị trường chứng khoán quốc tế

Bảng 1 mô tả số liệu thống kê của 10 thị trường chứng khoán quốc tế. Lợi suất được tính theo tuần và bằng chênh lệch logarit giữa các chỉ số đóng cửa thứ Tư hàng tuần. Lợi suất trung bình và độ lệch chuẩn (rủi ro) được tính theo năm. Mẫu Nghiên cứu từ 01/01/1993 đến 31/12/2017.

Thị trường	Lợi suất trung bình (%)	Độ lệch chuẩn (%)	Độ lệch	Độ nhọn	Min (%)	Max (%)	JB test
Thị trường	Lợi suất trung bình (%)	Độ lệch chuẩn (%)	Độ lệch	Độ nhọn	Min (%)	Max (%)	JB test
US	7,28	15,96	-0,69	8,07	-16,45	10,18	1493,02
JPN	1,25	21,60	-0,39	6,17	-21,13	14,79	578,89
UK	3,97	16,61	-0,32	6,32	-12,73	13,59	619,58
GER	8,53	22,26	-0,67	6,72	-16,80	17,15	846,27
HKG	6,67	24,27	-0,40	5,34	-15,48	15,56	330,88
SGP	3,11	20,45	-0,06	7,43	-14,84	16,39	1062,50
THA	2,63	25,91	-0,09	6,18	-19,15	17,82	548,07
MYS	4,11	21,14	0,39	15,69	-20,93	27,97	8758,85
IND	7,53	23,78	-0,16	5,40	-16,16	13,80	317,74
PHL	12,51	24,31	-0,53	8,93	-23,30	20,45	1968,02

Kết quả nghiên cứu

5.1 Mức độ liên kết giữa các thị trường – Nghiên cứu tĩnh cho toàn bộ mẫu

Mức độ liên kết giữa các thị trường được xác định cho toàn bộ mẫu từ tháng 12 năm 1994 đến tháng 12 năm 2017. Chúng tôi sử dụng độ trễ là 1 cho mô hình VAR dựa theo tiêu chuẩn thông tin Akaike và Bayesian và khoảng thời gian dự báo là 10 tuần như trong Diebold và Yilmaz (2009). Bảng 2 cho thấy mức độ liên kết giữa 10 thị trường chứng khoán trong toàn bộ thời kỳ, đây chính là ma trận phân rã phương sai . Các phần tử nằm trên đường chéo của ma trận phân rã phương sai thể hiện phần đóng góp trong sai số dự báo của một quốc gia i từ các cú sốc của chính nó, trong khi các phần tử ngoài đường chéo đo lường sự lan truyền của một cú sốc ở một quốc gia i sang một quốc gia khác j. Ví dụ, một cú sốc từ Mỹ giải thích 34,82% sai số dự báo của thị trường Mỹ, và khoảng 13,96% sai số dự báo của thị trường Anh. Chỉ số liên kết bằng 53,23% có nghĩa khoảng 53% phương sai sai số dự báo trên mười thị trường có thể được giải thích bằng các hiệu ứng liên kết.

Bảng 2. Mức độ liên kết – Nghiên cứu toàn bộ mẫu

Bảng 2 đo lường mức độ liên kết giữa 10 thị trường chứng khoán quốc tế. Mẫu nghiên cứu từ 1/1/1993 đến 31/12/2017 và khoảng thời gian dự báo là 10 tuần. Phân rã phương sai được tính sử dụng mô hình VAR tổng quát GVAR(1). Phần tử (i, j) của bảng đo lường mức độ liên kết có hướng từ thị trường i sang thị trường j. Cột FROM ALL cho thấy tổng liên kết có hướng từ tất cả các nước đến nước i, trong khi dòng TO ALL cho biết tổng liên kết có hướng từ nước i đến các nước khác.

	Từ										FROM ALL
Đến	US	JPN	UK	GER	HKG	SGP	THA	MYS	IND	PHL	FROM ALL
US	34,82	13,23	17,17	14,61	3,17	5,86	7,28	0,02	0,43	3,42	65,18
JPN	8,50	44,57	7,41	8,83	3,24	9,84	10,20	0,13	1,27	6,02	55,43
UK	13,96	8,05	45,48	13,18	6,96	7,05	2,40	0,04	0,81	2,07	54,52
GER	13,58	10,94	19,52	39,12	3,60	7,13	4,08	0,21	0,20	1,62	60,88
HKG	5,11	5,98	7,18	1,90	44,19	15,36	8,58	4,41	2,11	5,17	55,81
SGP	4,62	7,11	4,51	2,86	11,21	38,84	9,01	8,67	4,94	8,21	61,16
THA	3,46	8,92	0,98	2,47	1,52	11,70	48,85	4,79	4,08	13,24	51,15
MAL	0,25	0,05	0,07	0,07	4,33	8,56	5,34	72,47	6,52	2,36	27,53
IND	0,08	1,89	0,49	0,28	2,14	8,67	8,88	14,98	53,25	9,34	46,75
PHL	3,21	8,67	2,35	2,06	2,50	9,27	16,74	4,33	4,73	46,14	53,86
TO ALL	52,78	64,85	59,68	46,26	38,69	83,44	72,51	37,57	25,09	51,44	Chỉ số liên kết = 53,23%
											Chỉ số liên kết = 53,23%

Minh họa đồ họa sẽ tốt hơn để hiểu cấu trúc của bảng phân tách phương sai trong Bảng 2. Hình 1 cho thấy các hiệu ứng liên kết theo hướng hai chiều giữa mười quốc gia. Mỗi quốc gia được biểu diễn là một nút trong biểu độ mạng. Độ lớn của nút cho biết kích thước của tổng mức liên kết định hướng của quốc gia nút đến các nước khác. Độ dày cạnh cho biết kích thước của các liên kết trung bình có hướng hai chiều. Kích thước mũi tên cạnh cũng cho thấy mức độ liên kết. Vị trí nút cũng cho thấy mức độ liên kết - các nút gần hơn có liên kết cao hơn. Hình 1 cho thấy 10 quốc gia tách thành hai nhóm thị trường phát triển và mới nổi. Các thị trường phát triển có mối liên kết chặt chẽ với nhau. Các cú sốc biến động trong một thị trường phát triển giải thích trung bình khoảng 9,3% các sai sót trong dự báo rủi ro 10 tuần của một thị trường phát triển khác. Thị trường Anh có mức độ liên kết có hướng lớn nhất với thị trường Đức ( ). Thị trường Anh và Đức cũng tương quan chặt chẽ với thị trường Mỹ, tiếp theo là Nhật Bản và Hồng Kông.

Năm thị trường Đông Nam Á cũng có mối liên kết chặt với nhau, với Singapore là quốc gia truyền đi các của cú sốc chính trong khu vực. Singapore cũng có tổng mức liên kết định hướng mạnh nhất tới các quốc gia khác vì ngoài các thị trường mới nổi, Singapore cũng còn có liên kết chặt chẽ với các nước phát triển và có liên kết theo chiều hướng tương đối cao với các quốc gia này. Nhìn vào vị trí nút, thật thú vị khi thấy rằng thị trường Đông Nam Á nói chung có nhiều khả năng bị ảnh hưởng bởi cú sốc khu vực (Nhật Bản (26,64%) và Hồng Kông (21,71%) hơn so với cú sốc từ Mỹ (11,62) %) hoặc thị trường Châu Âu (Anh (8,4%) và Đức (7,74%)). Hồng Kông, mặc dù là một thị trường phát triển, có liên quan nhiều hơn đến các thị trường mới nổi hơn so với các thị trường phát triển. Một cú sốc ở Hồng Kông có tác động lan truyền lớn hơn đến năm thị trường Đông Nam Á so với bốn thị trường phát triển còn lại.

Hình 1. Liên kết có hướng giữa 10 thị trường chứng khoán quốc tế - Nghiên cứu toàn bộ mẫu từ tháng 12/1994 đến tháng 12/2017

5.2 Mức độ liên kết giữa các thị trường – Nghiên cứu động qua thời gian

Bảng 2 và Hình 1 ở trên khá trực quan để đo lường mức độ liên kết trung bình giữa mười thị trường chứng khoán trong toàn bộ thời kỳ. Tuy nhiên, phân tích tĩnh với toàn bộ mẫu không thể giúp ta nắm bắt được hành vi biến động theo thời gian của rủi ro biến động chứng khoán, và do đó có khả năng bỏ lỡ các chuyển động quan trọng trong liên kết. Thị trường tài chính toàn cầu ngày càng trở nên liên kết hơn. Giai đoạn này cũng chứng kiến một số cuộc khủng hoảng tài chính lớn nhất từ trước đến nay (ví dụ, cuộc khủng hoảng tài chính Châu Á 1997 - 1998, cuộc khủng hoảng tài chính toàn cầu 2007 - 2009, cuộc khủng hoảng nợ Châu Âu 2010 - 2011). Do đó, trong phần này, bài viết nghiên cứu mức độ liên kết giữa các thị trường qua thời gian. Bài viết sử dụng cửa sổ trượt qua thời gian với 100 quan sát. Cụ thể, 100 quan sát đầu tiên (hai năm của dữ liệu tuần) được sử dụng để tính mức độ liên kết có điều kiện cho quan sát thứ 100. Tiếp theo đó, cửa sổ trượt bỏ quan sát đầu tiên và lấy quan sát thứ 101 để tính mức độ liên kết có điều kiện cho quan sát thứ 101... Cứ tiếp tục như vậy đến hết mẫu dữ liệu.

Hình 2 trình bày chỉ số liên kết động giữa 10 thị trường, ước tính sử dụng các cửa sổ trượt với 100 tuần. Chỉ số liên kết đo lường tổng hiệu ứng liên kết giữa 10 quốc gia quan sát. Có thể thấy, mức độ liên kết phản ứng với các sự kiện kinh tế và, nói chung, tăng đáng kể trong thời gian khủng hoảng, gấp đôi mức độ trước khủng hoảng. Chỉ số liên kết biến động mạnh với các mức tăng đột biến. Trung bình, hơn 60%, và đôi khi lên đến 90%, sai số trong dự báo biến động 10 tuần của một quốc gia có thể được giải thích bởi những cú sốc biến động từ các nước khác khi khủng hoảng. Chỉ số liên kết chỉ ở khoảng 45% vào đầu những năm 1990 trước khi tăng đáng kể lên 75% vào tháng 7 năm 1997 – mốc khởi đầu của cuộc khủng hoảng tài chính Châu Á. Chỉ số liên kết biến động tăng trở lại vào tuần cuối tháng 7 năm 2002 (gần 90%) để đánh dấu sự suy thoái của thị trường chứng khoán năm 2002. Trận động đất ở Java Indonesia vào ngày 27 tháng 5 năm 2005 cũng làm tăng đáng kể mức độ liên kết giữa các thị trường trong khu vực. Chỉ số tiếp tục duy trì ở mức khá cao trong cuộc khủng hoảng tài chính toàn cầu 2007-2009. Sau đó, chỉ số giảm khi các nền kinh tế có dấu hiệu phục hồi trước khi tăng lên trở lại khi cuộc khủng hoảng nợ Châu Âu trở nên trâm trọng. Khi cuộc khủng hoảng nợ được kiểm soát, chỉ số liên kết giảm và duy trì quanh mức 55%, cao hơn mức khủng hoảng trước năm 1997 hoặc đầu những năm 2000. Điều này cho thấy sự liên kết cao hơn giữa các thị trường Đông Nam Á với các nền kinh tế khu vực và thế giới. Sự suy thoái của thị trường mới nổi trong tháng 8 năm 2015 cũng làm cho độ lớn của chỉ số biến động biến động trở lại mức 2008.

Khủng hoảng nợ thế chấp dưới chuẩn

Mỹ giảm lãi suất Fed Fund để giảm nguy cơ đổ vỡ

Lehman Brothers đệ đơn phá sản

Bán tháo chứng khoán 2015-2016

Thị trường đi xuống năm 2002

Khủng hoảng Nga

Khủng hoảng Châu Á

Khủng hoảng nợ công Châu Ấu

Khủng hoảng tài chính toàn cầu 2007 - 2009

Động đất ở Indonesis

Hình 2. Chỉ số liên kết - Nghiên cứu động với mô hình trượt 100 tuần

Chỉ số liên kết trong Hình 2 cho thấy tổng hiệu ứng liên kết giữa 10 quốc gia qua thời gian. Chúng ta có thể quan tâm đến sự liên kết theo hướng theo hướng theo thời gian. Hình 3 cho thấy mức độ liên kết định hướng trung bình từ các thị trường phát triển khác nhau đến các thị trường chứng khoán Đông Nam Á. Chúng tôi cũng xem xét mức độ liên kết định hướng từ thị trường Singapore đến các thị trường chứng khoán Đông Nam Á vì thị trường chứng khoán Singapore khá phát triển và có mức độ liên kết cao trong phân tích toàn bộ mẫu. Nhìn chung, tác động tràn từ thị trường Mỹ sang các thị trường mới nổi khác là khá thấp. Trung bình, ít hơn 10% sai số trong dự báo biến động 10 tuần của một thị trường Đông Nam Á có thể được giải thích bởi những cú sốc biến động ở Mỹ. Tuy nhiên, chỉ số này đã tăng lên đến 70% khi bắt đầu cuộc khủng hoảng nợ thế chấp dưới chuẩn vào tháng 8 năm 2007. Đây là mức độ liên kết cao nhất từ một thị trường phát triển đến các thị trường Đông Nam Á. Nghiên cứu cho thị trường Anh và Đức cũng cho thấy các kết quả tương tự. Nhìn chung, thị trường Mỹ, Anh và Đức có mức độ liên kết định hướng cao ở các cấp độ khác nhau vào cuộc suy thoái thị trường năm 2002, khủng hoảng dưới chuẩn, khủng hoảng tài chính toàn cầu 2007 - 2009 và khủng hoảng nợ Châu Âu 2011. Trong khi các tác động từ thị trường Mỹ là cao nhất vào tại thời điểm xảy ra khủng hoảng nợ thế chấp dưới chuẩn, các hiệu ứng liên kết thị trường Anh đạt đỉnh điểm vào cuộc khủng hoảng thị trường năm 2002 và cuộc khủng hoảng nợ Châu Âu 2011.

Hình 3. Mức độ liên kết có hướng từ các thị trường đến thị trường Đông Nam Á

Kết quả nghiên cứu từ hai thị trường khu vực là Nhật Bản và Hồng Kông lại cho các kết quả khác biệt. Nhìn chung, các cú sốc từ hai thị trường khu vực có ảnh hưởng cao hơn đến các nước Đông Nam Á so với các thị trường Mỹ, Anh và Đức. Nhật Bản đã truyền mức độ biến động cao nhất trong cuộc khủng hoảng tài chính toàn cầu và vào giữa năm 2013 khi chỉ số Nikkei sụp đổ do lo ngại về dữ liệu kinh tế của Trung Quốc. Thị trường Hồng Kông có tác động lan tỏa cao trong cuộc khủng hoảng tài chính Châu Á và đặc biệt là vào mùa hè năm 2015 khi những đợt điều chỉnh lớn trên thị trường chứng khoán Trung Quốc đã kích hoạt đợt bán tháo toàn cầu 2015-2016. Biến động lan tỏa từ Hồng Kông cũng cao trong năm 2011 khi thị trường Hồng Kông mất gần 28% giá trị của nó trong 6 tháng. Tác động lan toản từ thị trường Hồng Kông là không đáng kể trong cuộc khủng hoảng tài chính toàn cầu. Bảng F của Hình 3 cho thấy tác động liên kết từ Singapore đến các thị trường Đông Nam Á khác. Nhìn chung, cú sốc từ thị trường Singapore, có ảnh hưởng cao đến các thị trường trong khu vực hơn so với các thị trường phát triển. Mức độ liên kết này cũng ít có biến động mạnh như các thị trường phát triển.

5.3 Mức độ liên kết theo hướng vào một số ngày quan trọng

Phân tích của chúng tôi cho đến nay tập trung vào tổng mức độ liên kết theo thời gian. Tuy nhiên, khuôn khổ của chúng tôi có thể được sử dụng để hiểu mức độ liên kết tại một số ngày quan trọng của thời gian khủng hoảng. Trong phần này, chúng tôi xem xét các mức độ liên kết vào một số ngày được lựa chọn trong cuộc khủng hoảng tài chính Châu Á năm 1997, cuộc khủng hoảng tài chính toàn cầu 2007 - 2009 và cuộc khủng hoảng nợ Châu Âu 2010-2011.

Hình 4. Mức độ liên kết – Tuần 27/10/1997

Cuộc khủng hoảng tài chính Châu Á năm 1997 bắt đầu ở Thái Lan và nhanh chóng lan rộng ra các nước Đông Á. Thái Lan, Indonesia, Malaysia, Phillipines nằm trong số những nước bị ảnh hưởng nặng nề bởi cuộc khủng hoảng. Cuộc khủng hoảng đạt đỉnh điểm vào ngày 27 tháng 10 năm 1997. Hình 4 cho thấy mức độ liên kết theo hướng trong tuần cuối cùng của tháng 10 năm 1997. Tương tự như trên, độ lớn của nút cho biết quy mô của tổng liên kết theo hướng của quốc gia nút đến các quốc gia khác. Độ dày cạnh cho biết kích thước của các lan truyền theo hướng trung bình, trong khi kích thước mũi tên cho biết quy mô chiều dịch chuyển của liên kết. Vị trí nút cũng cho thấy mức độ liên kết giữa các thị trường – các nút gần nhau hơn có mức độ liên kết cao hơn. Có thể thấy các nước Châu Á được kết nối với nhau ở trung tâm trong khi Mỹ, Anh và Đức nằm trên mép của biểu đồ. Điều này thể hiện mức độ liên kết cao giữa các nước Châu Á tại thời điểm này. Trong tuần này, đồng đô la Hồng Kông bị tấn công đầu cơ dẫn đến sự sụt giảm mạnh trên thị trường chứng khoán Hồng Kông, tạo ra những tác động lan tỏa cao nhất trong khu vực. Cuộc khủng hoảng Châu Á cũng khiến thị trường Mỹ chịu áp lực. Ngày 27 tháng 10 năm 1997, công nghiệp Dow Jones giảm 554 điểm hay 7,2%, trong bối cảnh lo ngại liên tục về các nền kinh tế Châu Á.

Hình 5 cho thấy mức độ liên kết trong tuần cuối cùng của tháng 8/2007. Tháng 8 năm 2007 đánh dấu sự khởi đầu của cuộc khủng hoảng nợ thế chấp dưới chuẩn, từ đó phát triển thành cuộc khủng hoảng tài chính toàn cầu. Trong tuần đầu của tháng 8 năm 2007, cuộc khủng hoảng nợ thế chấp của Mỹ đã trở thành một cuộc khủng hoảng thanh khoản. Nhiều tổ chức cho vay thế chấp đã đệ đơn xin phá sản. Vào ngày 9 và 10 tháng 8, Cục dự trữ Liên bang Mỹ và Ngân hàng Trung ương Châu Âu đã can thiệp bằng cách bơm hàng tỷ đô la thanh khoản vào thị trường. Trong Hình 5 này, Mỹ di chuyển đến trung tâm, tạo ra sự lan truyền biến động cao cho các nước khác.

Hình 5. Mức độ liên kết – Tuần 27/8/2007

Cuộc khủng hoảng nợ Châu Âu bắt đầu vào đầu năm 2010 khi Hy Lạp không thể vay được từ thị trường. Cuộc khủng hoảng Hy Lạp đã trở thành cuộc khủng hoảng nợ công Châu Âu khi một số nước khác trong Liên minh Châu Âu (Bồ Đào Nha, Ireland, Tây Ban Nha) không thể hoàn trả hoặc tái cấp vốn các khoản nợ của chính phủ hoặc bảo lãnh cho hệ thống ngân hàng mà không có sự hỗ trợ của các tổ chức tài chính của bên thứ ba như Ngân hàng trung ương Châu Âu hoặc Quỹ Tiền tệ Quốc tế. Cuộc khủng hoảng đã dẫn đến sự sụt giảm mạnh về giá cổ phiếu trong tháng 8 năm 2011 trên thị trường chứng khoán trên từ Châu Âu đến Hoa Kỳ, Trung Đông, và Châu Á. Panel C của Hình 4 cho thấy mức độ liên kết trong tuần cuối cùng của tháng 8 năm 2011. Không có gì đáng ngạc nhiên khi thị trường Anh và Đức giờ đây trở thành trung tâm truyền đi những cú sốc (Hình 6). Rủi ro tăng lên do lo ngại về sự lây lan của cuộc khủng hoảng nợ công Châu Âu đến Tây Ban Nha và Ý, cũng như những lo ngại về mức độ xếp hạng AAA hiện tại của Pháp. Thị trường Mỹ cũng bị ảnh hưởng nặng nề do lo ngại về sự tăng trưởng kinh tế chậm chạp và nguy cơ xếp hạng tín dụng bị hạ cấp.

Hình 6. Mức độ liên kết – Tuần 17/08/2011

Hàm ý và kết luận

Hội nhập tài chính quốc tế khiến mức độ liên kết giữa các thị trường chứng khoán trở nên chặt chẽ hơn. Và do vậy, cú sốc ở một thị trường chứng khoán có thể ảnh hưởng đến tỷ suất sinh lợi và rủi ro ở các thị trường khác. Mức độ lan truyền của các cú sốc phụ thuộc vào mức độ liên kết của các thị trường. Mức độ liên kết càng cao thì tác động lan truyền càng lớn. Bài viết nghiên cứu mức độ liên kết giữa các thị trường chứng khoán Đông Nam Á với các thị trường toàn cầu và khu vực lớn (Mỹ, Anh, Đức, Nhật Bản và Hồng Kông), sử dụng phương pháp phân tích dựa trên phân rã phương sai của Diebold và Yilmaz (2014). Chúng tôi đã ước tính các chỉ số liên kết, được xác định là tổng đóng góp cho sai số h-bước trong dự báo biến động của thị trường do những cú sốc từ các quốc gia khác. Chúng tôi kiểm tra mức độ liên kết giữa các thị trường trong toàn bộ mẫu tĩnh và qua thời gian với việc phân tích cửa sổ trượt. Các kết quả thực nghiệm cho thấy các thị trường có mức độ liên kết tương đối cao trong toàn bộ mẫu, với sự gia tăng liên kết mạnh trong các cuộc khủng hoảng tài chính. Thị trường Đông Nam Á cũng bị ảnh hưởng nhiều hơn từ những cú sốc trong khu vực (Hồng Kông và Nhật Bản) so với cú sốc toàn cầu (Mỹ). Cú sốc gây ra bởi những biến động của thị trường Châu Âu nói chung có tác động nhỏ đến các thị trường Đông Nam Á. Thị trường Đông Nam Á bị ảnh hưởng bởi những cú sốc ở các nước lớn, tuy nhiên, những cú sốc từ các thị trường Đông Nam Á chỉ lan tỏa trong khối. Bài viết cũng đã nghiên cứu mức độ liên kết giữa các thị trường tại một số ngày quan trọng trong thời gian khủng hoảng để theo dõi nguồn lan truyền biến động. Nghiên cứu về mức độ liên kết thị trường có ý nghĩa đối với các nhà đầu tư quốc tế cũng như các nhà quản lý thị trường. Một trong những lợi ích của việc đầu tư ra nước ngoài là các nhà đầu tư có thể phân tán rủi ro do mức độ tương quan thấp giữa thị trường phát triển và thị trường mới nổi. Tuy nhiên, kết quả nghiên cứu cho thấy, mức độ liên kết giữa các thị trường tăng đáng kể trong các cuộc khủng hoảng tài chính, làm giảm hiệu ứng phân tán rủi ro khi các nhà đầu tư cần giảm thiểu rủi ro nhất. Việc các nhà đầu tư đa dạng hóa danh mục đầu tư cũng góp phần làm tăng hiệu ứng lan tỏa khi cú sốc xảy ra trên một thị trường có thể khiến các nhà đầu tư rút vốn trên các thị trường khác, và dẫn đến khủng hoảng tại các thị trường này. Đối với các nhà hoạch định chính sách phát triển thị trường, trong bối cảnh mức độ liên kết tăng giữa các thị trường, các nhà hoạch định phát triển thị trường một mặt cần phải đưa ra được các chính sách giúp tận dụng thu hút được nguồn vốn bên ngoài nhưng mặt khác cũng phải giảm ảnh hưởng tiêu cực của các cú sốc bên ngoài với thị trường trong nước.

Tài liệu tham khảo

Awokuse, T. O., Chopra, A., & Bessler, D. A. (2009). Structural change and international stock market interdependence: Evidence from Asian emerging markets. Economic Modelling, 26(3), 549-559. doi: http://dx.doi.org/10.1016/j.econmod.2008.12.001.
Bekaert, G., & Harvey, C. R. (1997). Emerging equity market volatility. Journal of Financial Economics, 43(1), 29-77. doi: http://dx.doi.org/10.1016/S0304-405X(96)00889-6.
Bekaert, G., Harvey, C. R., & Ng, A. (2005). Market Integration and Contagion. Journal of business, 78(1), 39-69.
Bollerslev, T. (1986). Generalised autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307--327.
Diebold, F. X., & Yilmaz, K. (2009). Measuring financial asset return and volatility spillovers, with application to global equity markets*. The Economic Journal, 119(534), 158-171.
Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57-66.
Diebold, F.X. and Yilmaz, K. (2014), "On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms," Journal of Econometrics, 182, 119-134.
Ewing, B. (2002). The transmission of shocks among S&P indexes. Applied Financial Economics, 12(4), 285-290.
Favero, C. A., & Giavazzi, F. (2002). Is the international propagation of financial shocks non-linear?: Evidence from the ERM. Journal of International Economics, 57(1), 231-246. doi: http://dx.doi.org/10.1016/S0022-1996(01)00139-8.
Hammoudeh, S. M., Yuan, Y., & McAleer, M. (2009). Shock and volatility spillovers among equity sectors of the Gulf Arab stock markets. The Quarterly Review of Economics and Finance, 49(3), 829-842. doi: http://dx.doi.org/10.1016/j.qref.2009.04.004.
Karolyi, G. A. (1995). A Multivariate GARCH Model of International Transmissions of Stock Returns and Volatility: The Case of the United States and Canada. Journal of Business & Economic Statistics, 13(1), 11-25. doi: 10.2307/1392517.
Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119-147. doi: https://doi.org/10.1016/0304-4076(95)01753-4.
Masih, A. M. M., & Masih, R. (1999). Are Asian stock market fluctuations due mainly to intra-regional contagion effects? Evidence based on Asian emerging stock markets. Pacific-Basin Finance Journal, 7(3–4), 251-282. doi: http://dx.doi.org/10.1016/S0927-538X(99)00013-X.
Miyakoshi, T. (2003). Spillovers of stock return volatility to Asian equity markets from Japan and the US. Journal of International Financial Markets, Institutions and Money, 13(4), 383-399.
Ng, A. (2000). Volatility spillover effects from Japan and the US to the Pacific–Basin. Journal of International Money and Finance, 19(2), 207-233. doi: http://dx.doi.org/10.1016/S0261-5606(00)00006-1.
Pesaran, H. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17-29. doi: https://doi.org/10.1016/S0165-1765(97)00214-0.
Worthington, A., & Higgs, H. (2004). Transmission of equity returns and volatility in Asian developed and emerging markets: a multivariate GARCH analysis. International Journal of Finance & Economics, 9(1), 71-80. doi: 10.1002/ijfe.222.
Yilmaz, K. (2010). Return and volatility spillovers among the East Asian equity markets. Journal of Asian Economics, 21(3), 304-313.

[1] Trường Đại học Ngoại thương (cơ sở 2), Email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

Sidebar

Magazine menu

MỨC ĐỘ LIÊN KẾT GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN ĐÔNG NAM Á VÀ THỊ TRƯỜNG CHỨNG KHOÁN QUỐC TẾ