ẢNH HƯỞNG CỦA GIÁ HÀNG HÓA TỚI CHỈ SỐ CHỨNG KHOÁN VIỆT NAM

1. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
ẢNH HƯỞNG CỦA GIÁ HÀNG HÓA TỚI CHỈ SỐ CHỨNG KHOÁN VIỆT NAM: MỘT
NGHIÊN CỨU THỰC NGHIỆM
Tác giả: Nguyễn Anh Khoa1
, Đào Trung Kiên2
, Nguyễn Văn Duy3
Tổ chức công tác: Công ty CP Phân tích Định lượng Việt Nam
Email: 1.sir.anhkhoa@gmail.com, 2. kiendtcoco@gmail.com, 3. duynguyen.qa@gmail.com
Trong nền kinh tế hội nhập các biến động của thị trường thế giới luôn có ảnh hưởng tới thị
trường nội địa. Biểu hiện của những tác động này được thể hiện rất nhanh chóng qua chỉ số
chứng khoán. Năm 2014 cú sốc giảm giá dầu đã gây ra những tác động lớn tới thị trường chứng
khoán Việt Nam. Mặc dù vậy các nghiên cứu thực nghiệm lượng hóa ảnh hưởng của giá dầu
cũng như các hàng hóa khác tới thị trường chứng khoán Việt Nam vẫn chưa được thực hiện một
cách đầy đủ. Do đó nghiên cứu này tập trung vào việc lượng hóa ảnh hưởng của các loại hàng
hóa chính yếu tới chỉ số chứng khoán Việt Nam, qua đó xây dựng một mô hình dự báo chỉ số
VNINDEX. Phương pháp phân tích sử dụng hồi quy đa biến với các biến trễ từ chuỗi dữ liệu
VNINDEX theo tháng từ 2010 với 80 loại hàng hóa trên thị trường giao dịch thế giới. Kết quả
thể hiện bằng chứng về tác động ngược chiều của giá dầu tới chỉ số VNINDEX. Đồng thời tác
giả cũng xây dựng thành công mô hình dự báoVNINDEX dựa trên biến động của giá hàng hóa
thế giới với xác suất chính xác 77%.
Từ khóa: Giá hàng hóa thế giới, dự báo,thị trường chứng khoán,VNINDEX.
IMPACTS OF COMMODITIES PRICES ON VIETNAM STOCK INDEX: AN
EMPIRICAL RESEARCH.
In the economic globalization trend, the volatilities of the world markets always have
impacts on the domestic market. The evidences of these effects are shown very quickly through
the stock index. In 2014, the oil price shock directly led to strong impacts on the Vietnam Stock
Market. There is the fact that some empirical researches on the impacts of oil and other
commodities prices on the Vietnam Stock Market have been conducted, but they are not
completed for users. Therefore, that study focused on quantifying the impact of the essential
commodity indices on Vietnam Stock Market. The analytical method used multivariate
regression with lag variables from the VNINDEX monthly data series from 2010 with 80 kinds
of commodities in the global commodity market. The results confirm the opposite impacts of
global oil price on the VNINDEX. In addition, the VNINDEX forecasting model based on the
volatility of global commodity prices is successful built with pexplanatory power is 77%.
Keywords: Global commodity, forecast, stock market, VN Index.
1. Dẫn nhập

2. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Trong nền kinh tế hiện đại, các mối quan hệ kinh tế giữa các nước với nhau ngày càng chặt
chẽ. Những biến động của thị trường quốc tế thường nhanh chóng có tác động tới nền kinh tế của
các nước. Chẳng hạn khi giá cả hàng hóa giao dịch chính trên thị trường quốc tế có những biến
động nó sẽ tác động tới các ngành sản xuất, hoạt động xuất nhập khẩu của những quốc gia sở
hữu hoặc đang có nhu cầu về các hàng hóa đó. Biểu hiện của các biến động này rất nhanh chóng
được thể hiện trên thị trường chứng khoán. Lấy ví dụ cú sốc giảm giá dầu năm 2014 có tác động
rất mạnh đến các nền kinh tế phụ thuộc vào xuất khẩu dầu mỏ như Nga làm đồng Ruble mất giá
đến hơn 40% trong một năm, chỉ số chứng khoán lao dốc (Vneconomy.com, 2014). Đối với nền
kinh tế Việt Nam phụ thuộc vào nhập khẩu các sản phẩm dầu mỏ qua chế biến thì sốc giá dầu lại
có những tác động tích cực đến nền kinh tế. Biểu hiện là chỉ số chứng khoán VNINDEX có xu
hướng tăng trong suốt giai đoạn giá dầu thế giới giảm. Ngoài tác động của giá dầu thế giới lên
nền kinh tế của Việt Nam những hàng hóa khác cũng có những tác động tích cực hoặc tiêu cực
phụ thuộc vào vai trò của Việt Nam là nhà xuất khẩu hay nhập khẩu. Những tác động này thường
có một độ trễ nhất định. Tức là sau một khoảng thời gian hoặc là những tác động chỉ kéo dài
trong một khoảng thời gian nhất định (Gujarati, 2003).
Để lượng hóa các ảnh hưởng của những biến động từ giá cả hàng hóa tới chỉ số chứng
khoán các nhà nghiên cứu sử dụng nhiều mô hình phân tích khác nhau trong kinh tế lượng như
mô hình tự hồi quy vector (VAR), mô hình hồi quy phân phối trễ (ARDL), vv. Cả về mặt lý
thuyết và các nghiên cứu thực nghiệm đều cho thấy ảnh hưởng của giá hàng hóa tới thị trường
chứng khoán (Chittedi, 2012; Garefalakis,2011; Kilian, 2007; Ready, 2013). Lịch sử kinh tế thế
giới cũng cho thấy những cú sốc giá hàng hóa đã gây nhiều biến động cho cả nền kinh tế lẫn thị
trường chứng khoán như sốc giá dầu trong giai đoạn khủng hoảng dầu lửa 1970 – 1973. Mặc dù
các bằng chứng cho thấy ảnh hưởng rõ ràng của giá hàng hóa tới thị trường chứng khoán. Tuy
nhiên các nghiên cứu về ảnh hưởng của giá hàng hóa tới chỉ số chứng khoán tại Việt Nam khá
khiêm tốn và chưa đầy đủ. Bởi vậy nghiên cứu này được thực hiện với mục đích lượng hóa ảnh
hưởng của các loại hàng hóa chính trên thị trường thế giới tới thị trường chứng khoán Việt Nam
có tính đến các tác động trễ. Đồng thời thông qua phân tích ảnh hưởng của giá hàng hóa tới chỉ
số chứng khoán tác giả thiết lập một mô hình dự báo xu hướng biến động của VNINDEX theo
từng tháng.
2. Phương pháp nghiên cứu và dữ liệu

3. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Chúng tôi giả định các hàng hóa thế giới có ảnh hưởng tới thị trường Việt Nam, biểu hiện
của nó được thông qua chỉ số chứng khoán VNINDEX. Sự tác động này có thể là tức thời có thể
có một độ trễ nhất định. Với dữ liệu ước lượng theo tháng chúng tôi giả định ảnh hưởng này tối
đa trong khoảng thời gian một năm (12 tháng). Mô hình dự báo chỉ số VNINDEX theo các loại
hàng hóa thế giới như sau:
Y = β0 + β11X1 + β12X1(-1) + …+ β1tX1(-t) + β21X2 + β22X2(-1) + … + β2tX2(-t) +…+ βj1Xj +
βj2Xj(-1) + … + βjtXj(-t) + ui.
Trong đó : Y là chỉ số VNINDEX hàng tháng.
X1, X2, …, Xj là giá hàng hóa hoặc chỉ số giá hàng hóa của các hàng hóa trên thị trường
thế giới có thể ảnh hưởng tới thị trường chứng khoán Việt Nam theo tháng.
(t) là độ trễ tối đa của một biến.
ui là sai số dự báo của mô hình.
Danh mục các hàng hóa có thể ảnh hưởng đến chỉ số chứng khoán chúng tôi thu thập trên
trang web http://www.indexmundi.com/commodities/ với 80 loại hàng hóa khác nhau và chỉ số
giá hàng hóa của chúng (Phục lục 1). Các chỉ số giá hàng hóa này được lấy logarit cơ số tự nhiên
và kiểm định tính dừng (ổn định) trước khi thực hiện các ước lượng (Gurajati, 2004).
Để đánh giá ảnh hưởng của các hàng hóa tới chỉ số chứng khoán chúng tôi sử dụng hồi
quy đơn với từng độ trễ khác nhau của danh mục 80 hàng hóa trong 12 tháng (12*80 = 960 mô
hình hồi quy). Từ danh mục này sẽ chọn ra các biến có hệ số Beta có ý nghĩa thống kê (p< 0.05)
chúng tôi gọi là rổ A. Từ rổ A này lập ma trận tương quan giữa những biến có ý nghĩa thống kê
với chỉ số VNINDEX để xem xét dấu hiệu đa cộng tuyến (Ramanathan, 2002). Từ kết quả phân
tích tương quan lọc ra một danh mục các biến có tương quan cao với VNINDEX, tiêu chuẩn lựa
chọn là tương quan lớn hơn 0.4. Bởi vì theo một số nhà nghiên cứu hệ số tương quan từ 0.4 mới
thể hiện quan hệ ràng buộc rõ ràng giữa các biến. Ngoài ra những biến chỉ số hàng hóa có tương
quan cao với nhau cũng được xem xét loại bỏ để tránh hiện tượng đa cộng tuyến, danh mục này
chúng tôi gọi là rổ B.

4. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Từ danh mục của rổ B để dự báo VNINDEX chúng tôi ước lượng hồi quy đa biến bằng
phương pháp tổng bình phương nhỏ nhất (OLS). Để lọc các biến thực sự có ý nghĩa tác động tới
biến phụ thuộc (VNINDEX) chúng tôi sử dụng kiểm định Wald và chỉ xem xét giữ lại các biến
có ý nghĩa thống kê (p < 0.1). Tiếp theo mô hình sẽ được kiểm tra các khuyết tật như phương sai
thay đổi (kiểm định White), tương quan chuỗi (kiểm định Breusch-Godfrey), chỉ định sai dạng
hàm (kiểm định Ramsey) (Ramanathan, 2002 ; Gurajarati, 2004). Để đánh giá tính chính xác của
mô hình dự báo phương pháp tái kiểm định trên dữ liệu quan sát được thực hiện nhằm đánh giá
mức độ chính xác của mô hình dự báo. Nguồn dữ liệu sử dụng cho ước lượng được lấy theo
tháng bắt đầu từ 1/2010 đến hết tháng 2/2015.
3. Kết quả nghiên cứu
Kết quả kiểm định tính dừng của các biến trong danh mục 80 hàng hóa giao dịch trên thị
trường thế giới đều dừng ở sai phân bậc nhất sau khi lấy logarit cơ số tự nhiên các biến. Do đó
việc phân tích hồi quy trên các biến này là phù hợp, tránh được hiện tượng hồi quy giả mạo.Tiếp
theo phân tích hồi quy đơn với từng biến là các chỉ số hàng hóa với 12 độ trễ khác nhau với
VNINDEX được thực hiện (960 mô hình) để đánh giá khả năng tác động của các biến tới
VNINDEX. Danh mục những biến có ý nghĩa thống kê trong 960 mô hình này được lọc ra và gọi
là rổ A.
Từ rổ A chúng tôi tiến hành phân tích bằng ma trận tương quan giữa các biến với
VNINDEX để lựa chọn các biến cho phân tích hồi quy đa biến. Danh mục các biến được lựa
chọn này gọi là rổ B. Kết quả phân tích từ dữ liệu giai đoạn tháng 1/2010 đến tháng 2/2015 cho
thấy :
VNINDEX tương quan dương mạnh với: Chỉ số giá đầu vào công nghiệp (X7 và X7(-1))1
,
giá phân bón Urea (X85), giá kim loại Metal (X8(-1)), giá len thô (X59(-1)), giá cao su tự nhiên
(X67), giá gỗ xẻ (X69(-8)), chỉ số hàng hóa phi nhiên liệu (X9), giá lông cừu (X62(-2)), giá Nickel
(X76(-12)), giá dầu Oliu (X49(-4)) và chỉ số giá nông sản (X1).
1
Các số trong dấu ngoặc () là độ trễ của các biến khi xem xét tác động tới VNINDEX

5. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
VNINDEX tương quan âm mạnh với: Giá cam (X37(-2)), giá dầu thô và chỉ số giá dầu thô
(X13(-8)), giá dầu đậu phộng (X52(-6)), chỉ số giá nhiên liệu (X4(-8)), giá len thô (X59(-6)), giá cà
phê (X27(-9)), giá cải dầu (X54(-7)), giá dầu cọ (X57(-7)) và giá gạo (X32(-3)).
Bảng 1 Hệ số tương quan giữa giá các loại hàng hóa thế giới với chỉ số VNINDEX
VNI Hệ số tương quan VNI Hệ số tương quan
X7(-1) 0.48 X37(-2) -0.40
X85 0.48 X13(-8) -0.41
X8(-1) 0.47 X10(-8) -0.41
X59(-2) 0.47 X52(-6) -0.41
X67 0.46 X4(-8) -0.42
X69(-8) 0.46 X59(-6) -0.42
X7 0.46 X27(-9) -0.44
X9 0.44 X54(-7) -0.44
X62(-2) 0.43 X51(-7) -0.45
X76(-12) 0.42 X32(-3) -0.46
X49(-4) 0.41 - -
X1 0.40 - -
Nguồn : Tính toán của tác giả với sự hỗ trợ của phần mềm Eviews
Mặc dù các biến được lọc ra có hệ số tương quan cao với VNINDEX (bảng 1), tuy nhiên
với mục đích đánh giá tác động của tất cả các biến này tới chỉ số VNINDEX chúng tôi thực hiện
phân tích hồi quy đa biến từ tất cả các biến trong rổ B với biến phụ thuộc chỉ số VNINDEX.
Thông qua việc sử dụng kiểm định Wald để loại đi các biến không có khả năng tác động lên
VNINDEX trong mối quan hệ chung (p > 0.1), kết quả chỉ giữ lại các biến có giá trị p-value
<0.05 sử dụng cho việc dự báo:
Bảng 2 Kết quả phân tích hồi quy
Biến phụ thuộc: D(LOG(VNI))
Phương pháp: Least Squares
Mẫu: 2010M01 2015M01
Số quan sát: 61
Biến Beta
Sai số
chuẩn t p-value
C 0.004849 0.005283 0.917801 0.3628
D(LOG(X27(-9))) - 0.079771 -1.995258 0.0511

6. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
0.159163
D(LOG(X49(-4))) 0.203059 0.121116 1.676562 0.0994
D(LOG(X52(-6)))
-
0.243631 0.075934 -3.208449 0.0022
D(LOG(X54(-7)))
-
0.522876 0.142853 -3.660226 0.0006
D(LOG(X59(-2))) 0.253719 0.098593 2.573409 0.0128
D(LOG(X67)) 0.176758 0.069599 2.539669 0.0140
R-squared 0.556695 Mean dependent var 0.002493
Adjusted R-squared 0.507439 S.D. dependent var 0.057583
S.E. of regression 0.040414 Akaike info criterion -3.471682
Sum squared resid 0.088196 Schwarz criterion -3.229450
Log likelihood 112.8863 F-statistic 11.30204
Durbin-Watson stat 2.402588 Prob(F-statistic) 0.000000
Nguồn: Tính toán của tác giả với sự hỗ trợ của phần mềm Eviews
Để đảm bảo tính vững của mô hình chúng tôi sử dụng các kiểm định khuyết tật mô hình
cho phương pháp OLS. Kết quả kiểm định cho thấy mô hình không có đa cộng tuyến (DW = 2.4
< 10), không có tự tương quan, không có hiện tượng phương sai thay đổi và dạng hàm chỉ định
đúng (bảng 3)
Bảng 3 Kết quả kiểm định các khuyết tật của mô hình dự báo
Kiểm định khuyết tật mô
hình
Tiêu chuẩn kiểm định Kết quả/kết luận
Đa cộng tuyến Kiểm định Durbin - Watson
DW = 2.4 < 10/ đa cộng
tuyến không ảnh kết quả ước
lượng
Tương quan chuỗi Kiểm định Breusch-Godfrey
p = 0.176276 > 0.05/không
có tương quan chuỗi
Phương sai thay đổi Kiểm định White
p = 0.926275 > 0.05/không có
phương sai thay đổi
Chỉ định dạng hàm sai Kiểm định Ramsey
p = 0.575995 > 0.05/dạng
hàm chỉ định đúng
Nguồn: Tính toán của tác giả với sự hỗ trợ của phần mềm Eviews
Như vậy hàm ước lượng dự báo VNINDEX là vững và tin cậy. Phương trình dự báo có
thể viết lại như sau: D(LOG(VNI)) = 0.004849 – 0.159163D(LOG(X27(-9))) +
0.203059D(LOG(X49(-4))) - 0.243 D(LOG(X52(-6))) – 0.522876D(LOG(X54(-7))) +
0.253719D(LOG(X59(-2))) + 0.176758D(LOG(X67). Hay nói cách khác giá cà phê thế giới có
ảnh hưởng ngược chiều tới chỉ số chứng khoán sau 9 tháng, giá dầu oliu có ảnh hưởng cùng

7. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
chiều sau 4 tháng, giá dầu đậu phộng ảnh hưởng ngược chiều sau 6 tháng, giá cải dầu có ảnh
hưởng ngược chiều sau 7 tháng, giá gỗ xẻ có ảnh hưởng cùng chiều sau 2 tháng và giá cao su tự
nhiên có ảnh hưởng tức thời tới VNINDEX. Hệ số R2
= 0.556 chứng tỏ các biến giá hàng hóa thế
giới giải thích được 55.6% sự thay đổi của chỉ số VNINDEX, ngoài ra còn những nhân tố khác
không đưa vào mô hình.
Để kiểm chứng tính chính xác của mô hình dự báo xu hướng nay, chúng tôi sử dụng
phương pháp tái kiểm định trên dữ liệu quan sát trong quá khứ bằng chính mô hình ước lượng
được. Kết quả cho thấy với 61 quan sát mô hình dự báo chính xác 47 tháng về xu hướng
tăng/giảm của VNINDEX đạt tỷ lệ chính xác 77% (phụ lục 2). Kết quả đường dự báo và giá trị
quan sát khá gần nhau (hình 1)
300
350
400
450
500
550
600
650
2010 2011 2012 2013 2014 2015 2016
VNI VNIF
Hình 1 Đồ thị giá trị VNINDEX (VNI) thực và giá trị dự báo bằng mô hình
4. Bàn luận
Kết quả nghiên cứu này cho thấy thực sự có ảnh hưởng của về biến động giá hàng hóa thế
giới tới thị trường Việt Nam. Biểu hiện của nó được thông qua biến động của thị trường chứng
khoán sau những khoảng thời gian nhất định. Kết quả thực nghiệm này cho thấy ảnh hưởng của
các hàng hóa khác nhau tới thị trường Việt Nam là khác nhau. Có hai nhóm hàng hóa ảnh hưởng
cùng chiều và ngược chiều tới chỉ số chứng khoán. Những hàng hóa có ảnh hưởng cùng chiều là
giá dầu oliu, giá gỗ xẻ và giá cao su tự nhiên. Điều này có thể là do Việt Nam là nước xuất khẩu
lớn về cao su tự nhiên và các sản phẩm từ cao sư tự nhiên nên khi biến động về giá cao su tăng
sẽ làm vọng của nhà đầu tư tăng đối với các doanh nghiệp Việt Nam trong ngành cao su từ đó có

8. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
thể làm tăng chỉ số VNINDEX. Ảnh hưởng tức thời của giá cao su đến giá chỉ số chứng khoán
cũng là một thông tin cho biết các doanh nghiệp Việt Nam vẫn chủ yếu xuất khẩu thô là chính.
Do đó những biến động của giá cả thế giới sẽ tác động ngay tới thị trường Việt Nam. Đối với giá
gỗ xẻ cho thấy có ảnh hưởng sau hai tháng. Điều này có thể được giải thích là hiện nay ngàng gỗ
Việt Nam chủ yếu sản xuất sản phẩm gia dụng, qua chế biến. Chu kỳ sản xuất của ngành gỗ cùng
thường không kéo dài, con số 2 tháng cũng có thể xem như thời gian trung bình của chu kỳ sản
xuất ngành gỗ. Tức là từ khi nhập khẩu sản phẩm gỗ cho gia công chế biến thì trung bình sau 2
tháng sản phẩm hoàn chỉnh sẽ được giao dịch trên thị trường quốc tế. Do đó những biến động về
đầu vào không có ảnh hưởng ngay lập tức tới thị trường. Dầu oliu là một sản phẩm nhập khẩu
của Việt Nam, sự ảnh hưởng cùng chiều của nó tới chỉ số chứng khoán là một một câu hỏi cần
thêm những nghiên cứu tiếp theo để giải thích một cách thấu đáo. Mặc dù giá dầu oliu có mối
liên hệ khá chặt chẽ với chỉ số chứng khoán VNINDEX nhưng chúng tôi không tìm thấy mối
quan hệ rằng buộc về lý thuyết. Đây cũng chính là một hạn chế của nghiên cứu này cần được giải
thích tốt hơn ở các nghiên cứu sau. Nhóm hàng hóa có ảnh hưởng ngược chiều tới chỉ số chứng
khoán Việt Nam là giá cà phê sau 9 tháng, giá dầu đậu phộng sau 6 tháng, giá dầu hạt cải sau 7
tháng. Đối với giá dầu đậu phộng và dầu hạt cải là những hàng hóa Việt Nam chủ yếu nhập khẩu
cho các ngành chế biến thực phẩm nên ảnh hưởng ngược chiều của nó tới thị trường chứng
khoán là điều dễ hiểu. Khi giá cả thế giới tăng sẽ tác động đến các doanh nghiệp trong các ngành
có sử dụng những sản phẩm này gây khó khăn cho các doanh nghiệp, từ đó tác động tiêu cực đến
chỉ số chứng khoán. Tuy nhiên ở đây đối với giá cà phê Việt Nam là một trong 3 nước có sản
lượng xuất khẩu cà phê lớn nhất thế giới thì điều này như một nghịch lý. Tuy nhiên tác động này
có độ trễ khá dài là 9 tháng, đây cũng là một tín hiệu có thể giải thích cho nghịch lý khi giá cà
phê tăng ảnh hưởng tiêu cực đến chỉ số chứng khoán. Điều này có thể là do Việt Nam là một
nước chủ yếu xuất khẩu cà phê thô có phẩm cấp thấp, chủ yếu là cà phê Robusta có giá thấp hơn
cà phê Arabica. Cũng lưu ý ở đây giá cà phê trên thị trường thế giới chúng tôi lấy là cà phê
Arabica.
Kết quả nghiên cứu cho thấy hệ số R2
từ mô hình khá lớn (56%) cho thấy mô hình dự báo
xây dựng khá tốt, đặc biệt là với các mô hình sử dụng dữ liệu chuỗi thời gian. Tái kiểm định của
mô hình để dự báo xu hướng biến động theo tháng cũng có độ chính xác khá cao với xác suất
chính xác 77%. Tuy nhiên nghiên cứu này cũng có những hạn chế nhất định. Đầu tiên là phương
pháp ước lượng lựa chọn mô hình tối ưu chủ yếu dựa vào kinh nghiệm. Trong rất nhiều mô hình

9. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
có thể xây dựng được chúng tôi chưa thiết lập được các tiêu chuẩn lựa chọn mô hình tối ưu. Thứ
hai giả định độ trễ tối đa 12 tháng có thể không hoàn toàn chính xác đối với tất cả các mặt hàng.
Do đặc tính của các hàng hóa và công nghệ trong từng ngành khác nhau có thể ảnh hưởng của
hàng hóa không phải tối đa là 12 tháng. Thứ ba mô hình của chúng tôi chủ yếu để đánh giá xu
hướng mà chưa xem xét sai số dự báo của từng quan sát. Đây là những khoảng trống cần có
những nghiên cứu tiếp theo để hoàn thiện hơn về mặt phương pháp từ đó thiết lập các công cụ dự
báo hiệu quả hơn.
Tài liệu tham khảo
Báo điện tử Vneconomy (2014), Nga cuống cuồng tăng lãi suất để cứu đồng Rúp
/http://vneconomy.vn/the-gioi/nga-cuong-cuong-tang-lai-suat-de-cuu-dong-rup-
20141211112052869.htm [Truy cập ngày 03/03/2015]
Chittedi, K.R. (2012), Do Oil Prices for India Stock Market? An Empirical Analysis, Joural of
Applied Economics and Bussiness Reseach, 2(1), 2-10
Garefalakis, A.E., Dimitras, A., Spinthiropoulos, K. & Koemtzopoulos, D. (2011), Determinant
factors of Hong Kong Stock Market, Working Papers Series, 1-14
Gurajati, D.N. (2004), Basic Econometrics, McGraw Hill
Kilian, L. & Park, C. (2007), The impact of Oil Prices Shocks on the U.S. Stock Market,
International Economic Review, 50(4), 1267-1287
Ready, R.C. (2013), Oil Prices and the Stock Market, Seminar participants at Cornell University
Ramanathan, R. (2002), Introductory Econometrics with Applications, Harcourt College
Publishers.
http://www.indexmundi.com/commodities/ [Truy cập ngày 10/03/2015]
PHỤ LỤC 1 DANH MỤC TÊN VÀ KÝ HIỆU HÀNG HÓA
Name Code Time
Commodity Agricultural Raw Materials Index Monthly Price - Index
Number
x1 2010M1 –
2015 M1

10. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Name Code Time
Commodity Beverage Price Index Monthly Price - Index Number x2 2010M1 –
2015 M1
Commodity Price Index Monthly Price - Index Number x3 2010M1 –
2015 M1
Commodity Fuel (energy) Index Monthly Price - Index Number x4 2010M1 –
2015 M1
Commodity Food and Beverage Price Index Monthly Price - Index
Number
x5 2010M1 –
2015 M1
Commodity Food Price Index Monthly Price - Index Number x6 2010M1 –
2015 M1
Commodity Industrial Inputs Price Index Monthly Price - Index Number x7 2010M1 –
2015 M1
Commodity Metals Price Index Monthly Price - Index Number - x8 2010M1 –
2015 M1
Commodity Non-Fuel Price Index Monthly Price - Index Number x9 2010M1 –
2015 M1
Crude Oil (petroleum), Price index Monthly Price - Index Number x10 2010M1 –
2015 M1
Coal, Australian thermal coal Monthly Price - US Dollars per Metric
Ton
x11 2010M1 –
2015 M1
Coal, South African export price Monthly Price - US Dollars per Metric
Ton
x12 2010M1 –
2015 M1
Crude Oil (petroleum) Monthly Price - US Dollars per Barrel x13 2010M1 –
2015 M1
Crude Oil (petroleum); Dated Brent Daily Price x14 2010M1 –
2015 M1
Crude Oil (petroleum); Dubai Fateh Monthly Price - US Dollars per
Barrel
x15 2010M1 –
2015 M1
Crude Oil (petroleum); West Texas Intermediate Monthly Price - US
Dollars per Barrel
x16 2010M1 –
2015 M1
Diesel Monthly Price - US Dollars per Gallon x17 2010M1 –
2015 M1
Gasoline Monthly Price - US Dollars per Gallon x18 2010M1 –
2015 M1

11. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Name Code Time
Indonesian Liquified Natural Gas Monthly Price - US Dollars per
Million Metric British Thermal Unit
x19 2010M1 –
2015 M1
Jet Fuel Monthly Price - US Dollars per Gallon x20 2010M1 –
2015 M1
Natural Gas Monthly Price - US Dollars per Million Metric British
Thermal Unit
x21 2010M1 –
2015 M1
Propane Monthly Price - US Dollars per Gallon x22 2010M1 –
2015 M1
RBOB Gasoline Monthly Price - US Dollars per Gallon x23 2010M1 –
2015 M1
Russian Natural Gas Monthly Price - US Dollars per Million Metric
British Thermal Unit
x24 2010M1 –
2015 M1
Heating Oil Monthly Price - US Dollars per Gallon x25 2010M1 –
2015 M1
Cocoa beans Monthly Price - US Dollars per Metric Ton x26 2010M1 –
2015 M1
Coffee, Other Mild Arabicas Monthly Price - US cents per Pound x27 2010M1 –
2015 M1
Coffee, Robusta Monthly Price - US cents per Pound x28 2010M1 –
2015 M1
Tea Monthly Price - US cents per Kilogram x29 2010M1 –
2015 M1
Barley Monthly Price - US Dollars per Metric Ton x30 2010M1 –
2015 M1
Maize (corn) Monthly Price - US Dollars per Metric Ton x31 2010M1 –
2015 M1
Rice Monthly Price - US Dollars per Metric Ton x32 2010M1 –
2015 M1
Soft Red Winter Wheat Monthly Price - US Dollars per Metric Ton x33 2010M1 –
2015 M1
Sorghum Monthly Price - US Dollars per Metric Ton x34 2010M1 –
2015 M1
Wheat Monthly Price - US Dollars per Metric Ton x35 2010M1 –
2015 M1

12. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Name Code Time
Bananas Monthly Price - US Dollars per Metric Ton x36 2010M1 –
2015 M1
Oranges Monthly Price - US Dollars per Metric Ton x37 2010M1 –
2015 M1
Beef Monthly Price - US cents per Pound x38 2010M1 –
2015 M1
Poultry (chicken) Daily Price x39 2010M1 –
2015 M1
Swine (pork) Monthly Price - US cents per Pound x40 2010M1 –
2015 M1
Lamb Monthly Price - US cents per Pound x41 2010M1 –
2015 M1
Fish (salmon) Monthly Price - US Dollars per Kilogram x42 2010M1 –
2015 M1
Shrimp Monthly Price - US cents per pound x43 2010M1 –
2015 M1
Sugar Monthly Price - US cents per Pound x44 2010M1 –
2015 M1
Sugar, European import price Monthly Price - US cents per Pound x45 2010M1 –
2015 M1
Sugar, U.S. import price Monthly Price - US cents per Pound x46 2010M1 –
2015 M1
Coconut Oil Monthly Price - US Dollars per Metric Ton x47 2010M1 –
2015 M1
Fishmeal Monthly Price - US Dollars per Metric Ton x48 2010M1 –
2015 M1
Olive Oil, extra virgin Monthly Price - US Dollars per Metric Ton x49 2010M1 –
2015 M1
Palm Kernel Oil Monthly Price - US Dollars per Metric Ton x50 2010M1 –
2015 M1
Palm oil Monthly Price - US Dollars per Metric Ton x51 2010M1 –
2015 M1
Peanut Oil Monthly Price - US Dollars per Metric Ton x52 2010M1 –
2015 M1

13. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Name Code Time
Groundnuts (peanuts) Monthly Price - US Dollars per Metric Ton x53 2010M1 –
2015 M1
Rapeseed Oil Monthly Price - US Dollars per Metric Ton x54 2010M1 –
2015 M1
Soybean Meal Monthly Price - US Dollars per Metric Ton x55 2010M1 –
2015 M1
Soybean Oil Monthly Price - US Dollars per Metric Ton x56 2010M1 –
2015 M1
Soybeans Monthly Price - US Dollars per Metric Ton x57 2010M1 –
2015 M1
Sunflower oil Monthly Price - US Dollars per Metric Ton x58 2010M1 –
2015 M1
Coarse Wool Monthly Price - US cents per Kilogram x59 2010M1 –
2015 M1
Copra Monthly Price - US Dollars per Metric Ton x60 2010M1 –
2015 M1
Cotton Monthly Price - US cents per Pound x61 2010M1 –
2015 M1
Fine Wool Monthly Price - US cents per Kilogram x62 2010M1 –
2015 M1
Hard Logs Monthly Price - US Dollars per Cubic Meter x63 2010M1 –
2015 M1
Hard Sawnwood Monthly Price - US Dollars per cubic meter x64 2010M1 –
2015 M1
Hides Monthly Price - US cents per Pound x65 2010M1 –
2015 M1
Plywood Monthly Price - US cents per sheets x66 2010M1 –
2015 M1
Rubber Monthly Price - US cents per Pound x67 2010M1 –
2015 M1
Soft Logs Monthly Price - US Dollars per Cubic Meter x68 2010M1 –
2015 M1
Soft Sawnwood Monthly Price - US Dollars per cubic meter x69 2010M1 –
2015 M1

14. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
Name Code Time
Wood Pulp Monthly Price - US Dollars per Metric Ton x70 2010M1 –
2015 M1
Aluminum Monthly Price - US Dollars per Metric Ton x71 2010M1 –
2015 M1
Copper, grade A cathode Monthly Price - US Dollars per Metric Ton x72 2010M1 –
2015 M1
Gold Monthly Price - US Dollars per Troy Ounce x73 2010M1 –
2015 M1
Iron Ore Monthly Price - US Dollars per Dry Metric Ton x74 2010M1 –
2015 M1
Lead Monthly Price - US Dollars per Metric Ton x75 2010M1 –
2015 M1
Nickel Monthly Price - US Dollars per Metric Ton x76 2010M1 –
2015 M1
Silver Monthly Price - US cents per Troy Ounce x77 2010M1 –
2015 M1
Tin Monthly Price - US Dollars per Metric Ton x78 2010M1 –
2015 M1
Uranium Monthly Price - US Dollars per Pound x79 2010M1 –
2015 M1
Zinc Monthly Price - US Dollars per Metric Ton x80 2010M1 –
2015 M1
DAP fertilizer Monthly Price - US Dollars per Metric Ton x81 2010M1 –
2015 M1
Potassium Chloride Monthly Price - US Dollars per Metric Ton x82 2010M1 –
2015 M1
Rock Phosphate Monthly Price - US Dollars per Metric Ton x83 2010M1 –
2015 M1
Triple Superphosphate Monthly Price - US Dollars per Metric Ton x84 2010M1 –
2015 M1
Urea Monthly Price - US Dollars per Metric Ton x85 2010M1 –
2015 M1
VNINDEX y 2010M1 –
2015 M1

15. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
PHỤ LỤC 2 KẾT QUẢ TÁI KIỂM ĐỊNH TÍNH CHÍNH XÁC CỦA MÔ HÌNh
obs VNI VNIF VNI tăng/giảm
VNIF
tăng/giảm
Trúng/trật
2010M01 482 507.68
2010M02 496.9 525.71 tăng tăng trúng
2010M03 499.2 542.77 tăng tăng trúng
2010M04 542.4 561.89 tăng tăng trúng
2010M05 507.4 547.76 giảm giảm trúng
2010M06 507.1 515.34 giảm giảm trúng
2010M07 493.9 483.44 giảm giảm trúng
2010M08 455.1 481.47 giảm giảm trúng
2010M09 454.5 484.30 giảm tăng trật
2010M10 452.6 494.26 giảm tăng trật
2010M11 451.6 506.01 giảm tăng trật
2010M12 484.7 545.39 tăng tăng trúng
2011M01 510.6 562.71 tăng tăng trúng
2011M02 461.4 549.43 giảm giảm trúng
2011M03 461.1 535.34 giảm giảm trúng
2011M04 480.1 532.70 tăng giảm trật
2011M05 421.4 479.44 giảm giảm trúng
2011M06 432.5 462.56 tăng giảm trật
2011M07 405.7 436.59 giảm giảm trúng
2011M08 425.43 438.95 tăng tăng trúng
2011M09 427.6 441.18 tăng tăng trúng
2011M10 420.81 414.95 giảm giảm trúng
2011M11 380.69 388.57 giảm giảm trúng
2011M12 351.55 368.89 giảm giảm trúng
2012M01 387.97 372.88 tăng tăng trúng
2012M02 423.64 386.91 tăng tăng trúng
2012M03 441.03 405.69 tăng tăng trúng
2012M04 473.77 447.09 tăng tăng trúng
2012M05 429.2 416.43 giảm giảm trúng
2012M06 422.37 400.18 giảm giảm trúng
2012M07 414.48 407.65 giảm tăng trật
2012M08 396.02 398.70 giảm giảm trúng
2012M09 392.57 401.56 giảm tăng trật
2012M10 388.42 398.60 giảm giảm trúng
2012M11 377.82 379.71 giảm giảm trúng
2012M12 413.73 413.56 tăng tăng trúng

16. Hội thảo quốc tế: Tài chính định lượng và các vấn đề liên quan, 2015
obs VNI VNIF VNI tăng/giảm
VNIF
tăng/giảm
Trúng/trật
2013M01 479.79 455.24 tăng tăng trúng
2013M02 474.56 458.88 giảm tăng trật
2013M03 491.04 464.90 tăng tăng trúng
2013M04 474.51 443.82 giảm giảm trúng
2013M05 518.39 481.66 tăng tăng trúng
2013M06 482.95 475.86 giảm giảm trúng
2013M07 491.85 476.55 tăng tăng trúng
2013M08 472.7 486.71 giảm tăng trật
2013M09 492.63 482.03 tăng giảm trật
2013M10 497.41 494.48 tăng tăng trúng
2013M11 507.78 519.96 tăng tăng trúng
2013M12 504.63 536.18 giảm tăng trật
2014M01 556.52 533.86 tăng giảm trật
2014M02 586.48 561.98 tăng tăng trúng
2014M03 591.57 582.80 tăng tăng trúng
2014M04 578 583.24 giảm tăng trật
2014M05 562.02 572.70 giảm giảm trúng
2014M06 578.82 578.71 tăng tăng trúng
2014M07 596.07 595.05 tăng tăng trúng
2014M08 636.65 621.78 tăng tăng trúng
2014M09 598.8 612.18 giảm giảm trúng
2014M10 600.84 601.15 tăng giảm trật
2014M11 566.58 580.11 giảm giảm trúng
2014M12 545.63 567.55 giảm giảm trúng
2015M01 576.07 576.07 tăng tăng trúng
2015M02 596.95 598.92 tăng tăng trúng
Tỷ lệ chính xác của dự báo (trúng/tổng số quan sát) 77%