CAPM là gì? Cách hiểu mô hình và áp dụng vào luận văn

Mô hình CAPM là gì

CAPM, viết tắt của Capital Asset Pricing Model, là mô hình dùng để ước tính suất sinh lợi kỳ vọng của một tài sản hoặc một danh mục đầu tư dựa trên mối quan hệ giữa rủi ro và lợi nhuận. Khi mở một bài nghiên cứu tài chính, bạn thường gặp CAPM ở phần định giá cổ phiếu, xác định chi phí vốn chủ sở hữu, ước tính tỷ suất chiết khấu hoặc phân tích mối quan hệ giữa lợi nhuận cổ phiếu với biến động của thị trường.

Công thức cơ bản của CAPM là:

E(Ri) = Rf + βi [E(Rm) - Rf]

Trong đó, E(Ri) là suất sinh lợi kỳ vọng của tài sản i, Rf là suất sinh lợi phi rủi ro, βi là beta của tài sản, còn E(Rm) - Rf là phần bù rủi ro thị trường. Ý tưởng chính nằm ở việc nhà đầu tư chỉ được bù đắp cho rủi ro hệ thống, tức phần rủi ro gắn với biến động chung của thị trường. Rủi ro riêng của từng doanh nghiệp có thể được giảm bằng cách đa dạng hóa danh mục.

CAPM thường xuất hiện cùng các chủ đề như cấu trúc vốn, chi phí vốn và quyết định đầu tư. Nếu đề tài của bạn tập trung vào doanh nghiệp, bạn có thể xem thêm nhóm Mô hình nghiên cứu để đặt CAPM vào đúng vị trí trong mô hình định lượng. CAPM cũng cần được phân biệt với các mô hình nhiều nhân tố như Fama-French, vì CAPM chỉ sử dụng một nhân tố rủi ro thị trường.

Trong danh mục tài liệu tham khảo được phép sử dụng cho bài viết này không có nguồn gốc lý thuyết riêng về CAPM. Vì vậy, phần dưới tập trung vào cấu trúc, cách vận hành và cách kiểm định mô hình, không gán thêm tác giả hoặc năm xuất bản chưa được xác minh.

Các thành phần trong mô hình

Bạn nên tách CAPM thành bốn thành phần khi đọc tài liệu hoặc xây dựng mô hình nghiên cứu. Mỗi thành phần trả lời một câu hỏi khác nhau: lợi nhuận tối thiểu là bao nhiêu, thị trường biến động thế nào, tài sản nhạy cảm ra sao và nhà đầu tư được bù đắp cho rủi ro bằng cách nào.

Beta bằng khoảng 1 cho thấy tài sản có mức biến động cùng chiều và tương đối tương đương với thị trường. Beta lớn hơn 1 thường được diễn giải là tài sản nhạy cảm hơn thị trường, trong khi beta dương nhỏ hơn 1 cho thấy mức nhạy cảm thấp hơn. Beta âm cần được đọc thận trọng, vì nó hàm ý lợi nhuận tài sản có xu hướng đi ngược thị trường trong mẫu quan sát.

Bạn không nên xem beta là thước đo toàn bộ rủi ro của doanh nghiệp. Beta chỉ phản ánh rủi ro hệ thống trong mối quan hệ với biến động thị trường. Rủi ro tài chính, rủi ro thanh khoản, rủi ro quản trị hoặc rủi ro riêng của ngành có thể chưa xuất hiện đầy đủ trong công thức CAPM cơ bản.

Mô hình gốc và các mở rộng phổ biến

CAPM gốc có cấu trúc một nhân tố. Nhân tố đó là phần bù rủi ro thị trường. Trong một phương trình hồi quy, bạn có thể hình dung lợi nhuận vượt trội của tài sản được giải thích bởi lợi nhuận vượt trội của thị trường:

Ri - Rf = αi + βi(Rm - Rf) + εi

Ở đây, αi là phần lợi nhuận không được giải thích bởi nhân tố thị trường, còn εi là sai số. Khi ước lượng, beta là hệ số bạn quan tâm nhất nếu mục tiêu là đo độ nhạy của tài sản với thị trường. Alpha có thể được dùng để xem tài sản có tạo ra phần lợi nhuận vượt ngoài mức CAPM giải thích hay không.

Mở rộng phổ biến nhất là mô hình nhiều nhân tố. Thay vì chỉ dùng lợi nhuận thị trường, nhà nghiên cứu bổ sung các nhân tố như quy mô doanh nghiệp, giá trị, động lượng hoặc các đặc điểm khác của tài sản. Khi bạn sử dụng mô hình nhiều nhân tố, câu hỏi nghiên cứu, dữ liệu và cách giải thích hệ số sẽ thay đổi. Bạn không nên gọi một phương trình có nhiều nhân tố là CAPM thuần túy.

Một hướng mở rộng khác là đặt CAPM vào phân tích chi phí vốn. Khi đó, suất sinh lợi kỳ vọng của vốn chủ sở hữu được dùng cùng chi phí nợ và tỷ trọng vốn để tính chi phí sử dụng vốn bình quân. Chủ đề này có liên quan đến đánh đổi cấu trúc vốn, nhưng hai khái niệm không đồng nhất. CAPM ước tính chi phí vốn chủ sở hữu, còn cấu trúc vốn mô tả cách doanh nghiệp phối hợp nợ và vốn chủ sở hữu.

Bạn cũng có thể gặp CAPM trong các nghiên cứu về lợi nhuận cổ phiếu, hiệu quả thị trường, định giá doanh nghiệp và quyết định đầu tư. Nếu đề tài của bạn chỉ khảo sát nhận thức bằng bảng hỏi Likert, CAPM thường không phải lựa chọn phù hợp. Mô hình này cần dữ liệu chuỗi thời gian hoặc dữ liệu bảng về giá, lợi nhuận và chỉ số thị trường.

Thang đo thường dùng cho từng khái niệm

CAPM không sử dụng thang đo Likert theo cách một mô hình hành vi sử dụng. Các biến trong CAPM chủ yếu là biến tài chính được tính từ dữ liệu thị trường. Vì vậy, khi viết chương phương pháp, bạn cần mô tả nguồn dữ liệu, tần suất quan sát, cách tính lợi nhuận và tiêu chí chọn chỉ số thị trường.

Điểm dễ sai nhất là trộn dữ liệu khác tần suất. Ví dụ, bạn dùng lợi nhuận cổ phiếu theo tháng nhưng lại đưa vào lãi suất phi rủi ro theo năm mà không quy đổi. Khi đó, beta và suất sinh lợi kỳ vọng có thể khó giải thích, dù phần mềm vẫn chạy được.

Nếu đề tài của bạn cần đo các khái niệm như cảm nhận rủi ro hoặc ý định đầu tư, bạn có thể dùng bảng hỏi và thang Likert. Likert là thang đo thái độ được giới thiệu trong tài liệu gốc (Likert, 1932). Tuy nhiên, các biến khảo sát này là biến bổ sung cho nghiên cứu hành vi, không thay thế cho Ri, Rm, Rf và beta trong CAPM.

Áp dụng vào đề tài của bạn

Giả sử bạn làm đề tài về mức độ nhạy cảm của lợi nhuận cổ phiếu ngành ngân hàng đối với biến động thị trường. Mô hình khái niệm có thể đặt lợi nhuận vượt trội của từng cổ phiếu là biến phụ thuộc, còn lợi nhuận vượt trội của thị trường là biến độc lập.

Một mô hình minh họa có thể viết như sau:

Ri,t - Rf,t = αi + βi(Rm,t - Rf,t) + εi,t

Bạn cần xác định trước bốn lựa chọn. Thứ nhất, cổ phiếu nào nằm trong mẫu. Thứ hai, chỉ số nào đại diện cho thị trường. Thứ ba, dữ liệu được lấy theo ngày, tuần hay tháng. Thứ tư, suất sinh lợi phi rủi ro nào phù hợp với tần suất đó.

Các giả thuyết có thể viết theo hướng sau:

• H1: Lợi nhuận vượt trội của thị trường có tác động cùng chiều đến lợi nhuận vượt trội của cổ phiếu.
• H2: Beta của cổ phiếu ngành ngân hàng khác nhau giữa các doanh nghiệp trong cùng giai đoạn nghiên cứu.
• H3: Beta ước lượng được có khả năng giải thích một phần biến động của lợi nhuận cổ phiếu.
• H4: Alpha của mô hình khác biệt có ý nghĩa so với giá trị bằng không.

H1 phù hợp với kiểm định hệ số dốc trong hồi quy. H2 cần cách so sánh beta giữa các nhóm hoặc giữa các mô hình, không nên suy ra chỉ từ việc hai beta có giá trị số khác nhau. H3 liên quan đến mức độ giải thích của mô hình và các kiểm định chẩn đoán. H4 tập trung vào hệ số chặn alpha.

Bạn nên lập một bảng dữ liệu trong đó mỗi hàng là một kỳ quan sát và các cột ghi rõ ngày, giá tài sản, chỉ số thị trường, Rf, Ri, Rm, Ri - Rf và Rm - Rf. Không nên nhập trực tiếp các con số làm tròn nếu dữ liệu gốc vẫn còn nhiều chữ số, vì làm tròn sớm có thể ảnh hưởng đến kết quả hồi quy.

Cách viết vào luận văn: “Nghiên cứu sử dụng dữ liệu [ngày/tuần/tháng] của [số lượng] tài sản trong giai đoạn [thời gian]. Lợi nhuận vượt trội của tài sản được hồi quy theo lợi nhuận vượt trội của thị trường để ước lượng hệ số beta và kiểm định các giả thuyết H1 đến H4.”

Nếu bạn đang làm đề tài kế toán hoặc tài chính doanh nghiệp, có thể tham khảo cách chọn hướng nghiên cứu trong nhóm đề tài luận văn kế toán. Một số trang trên mạng dùng các tên gần giống nhau cho thuật ngữ tài chính. Ví dụ, camel là gì nói về một khung đánh giá khác, không nên gộp trực tiếp với CAPM chỉ vì cùng xuất hiện trong nghiên cứu ngân hàng.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

Với CAPM cơ bản, SPSS phù hợp hơn SmartPLS vì bạn đang ước lượng hồi quy tuyến tính trên dữ liệu số theo thời gian. SmartPLS phù hợp với mô hình biến tiềm ẩn, thang đo nhiều biến quan sát và quan hệ cấu trúc giữa các khái niệm. CAPM không cần Outer Loadings, AVE hay HTMT nếu bạn chỉ phân tích Ri, Rm, Rf và beta.

Trong SPSS, bạn có thể thực hiện theo trình tự sau.

Chuẩn bị file dữ liệu

Mở file .sav hoặc nhập file .csv, sau đó kiểm tra mỗi hàng là một kỳ quan sát. Đặt tên biến ngắn và rõ như ri_rf, rm_rf, date, stock_id. Kiểm tra missing value, các kỳ bị lặp và những giá trị lợi nhuận bất thường do lỗi nhập dấu thập phân.

Chạy hồi quy tuyến tính

Chọn Analyze > Regression > Linear. Đưa ri_rf vào ô Dependent, đưa rm_rf vào ô Independent(s). Trong phần Statistics, chọn Estimates, Model fit, Confidence intervals và Durbin-Watson nếu dữ liệu của bạn phù hợp để kiểm tra phần dư theo thứ tự thời gian.

Đọc bảng Model Summary và Coefficients

Bảng Model Summary cho biết R, R Square và Adjusted R Square. Bảng ANOVA cho kiểm định mức phù hợp tổng thể của mô hình. Bảng Coefficients là nơi bạn đọc hệ số Constant, hệ số của rm_rf, Standard Error, t và Sig. Hệ số của rm_rf chính là ước lượng beta trong mô hình CAPM đơn giản.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật.

Với số liệu minh họa này, beta bằng 1,124. Nếu Sig. của hệ số rm_rf nhỏ hơn mức ý nghĩa bạn chọn, bạn có cơ sở thống kê để kết luận rằng lợi nhuận vượt trội thị trường có liên hệ với lợi nhuận vượt trội của tài sản trong mẫu. Bạn vẫn cần báo cáo khoảng tin cậy, R Square, số quan sát và các kiểm tra phần dư, thay vì chỉ chép beta và p-value.

Bạn có thể xem thêm lý thuyết CAPM để đối chiếu phần khái niệm, nhưng khi viết kết quả, hãy ưu tiên đúng biến và đúng giai đoạn dữ liệu của đề tài mình. Nếu bạn dùng nhiều cổ phiếu, có thể chạy từng mã riêng hoặc xây dựng dữ liệu bảng với phương pháp phù hợp. Không nên gộp tất cả mã thành một cột mà không ghi lại mã tài sản.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là dùng giá cổ phiếu thay cho lợi nhuận cổ phiếu. CAPM hồi quy lợi nhuận hoặc lợi nhuận vượt trội, không hồi quy trực tiếp mức giá nếu mục tiêu là ước lượng beta theo cách thông thường.

Lỗi thứ hai là chọn chỉ số thị trường không giải thích được phạm vi mẫu. Nếu mẫu gồm cổ phiếu niêm yết trên một thị trường cụ thể, bạn cần giải thích vì sao chỉ số được chọn đại diện cho thị trường đó.

Lỗi thứ ba là trộn tần suất. Lợi nhuận tháng, Rf năm và chỉ số thị trường ngày không nên nằm chung trong một phương trình khi chưa được quy đổi. Hãy ghi rõ công thức quy đổi và đơn vị thời gian trong chương phương pháp.

Lỗi thứ tư là diễn giải beta như nguyên nhân tuyệt đối. Beta là hệ số ước lượng trong một mô hình và phụ thuộc vào khoảng thời gian, tần suất dữ liệu, chỉ số thị trường và chất lượng dữ liệu. Beta thay đổi không có nghĩa doanh nghiệp chắc chắn đã thay đổi rủi ro nội tại theo cùng một mức.

Lỗi thứ năm là đưa các chỉ số của CB-SEM hoặc PLS-SEM vào một hồi quy CAPM đơn giản. CFI, TLI, RMSEA và AVE không phải tiêu chí mặc định cho hồi quy CAPM. Nếu bạn chuyển sang SmartPLS vì có thêm các biến khảo sát, hãy tách rõ phần mô hình đo lường và phần quan hệ tài chính.

Đọc thêm: đề tài luận văn kế toán, camel là gì, đánh đổi cấu trúc vốn là gì, fama french là gì, lý thuyết capm, chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

CAPM có phải là mô hình dự báo giá cổ phiếu không?

CAPM ước tính suất sinh lợi kỳ vọng hoặc mức bù đắp rủi ro, không trực tiếp dự báo giá đóng cửa của cổ phiếu. Muốn dự báo giá, bạn phải xác định thêm biến mục tiêu, thời điểm dự báo và phương pháp phù hợp với dữ liệu chuỗi thời gian.

Beta bằng 1 có nghĩa là đầu tư không có rủi ro không?

Không. Beta bằng 1 chỉ cho thấy tài sản có mức nhạy cảm tương đương với biến động thị trường trong mẫu và cách tính đã chọn. Tài sản vẫn chịu rủi ro thị trường, rủi ro riêng và các rủi ro khác.

Có thể dùng dữ liệu bảng hỏi để chạy CAPM không?

Bạn có thể dùng bảng hỏi để nghiên cứu nhận thức về rủi ro hoặc ý định đầu tư, nhưng dữ liệu đó không thay thế chuỗi lợi nhuận cần cho CAPM. Nếu mô hình của bạn có cả biến hành vi và biến tài chính, hãy nói rõ phần nào dùng dữ liệu khảo sát, phần nào dùng dữ liệu thị trường.

Nên chạy CAPM bằng SPSS hay SmartPLS?

SPSS thường phù hợp hơn cho hồi quy giữa lợi nhuận tài sản và lợi nhuận thị trường. SmartPLS chỉ phù hợp khi đề tài có thêm các biến tiềm ẩn được đo bằng nhiều biến quan sát và bạn thật sự cần mô hình PLS-SEM. Chọn phần mềm theo cấu trúc dữ liệu, không chọn theo thói quen của người khác.

Nếu beta không có ý nghĩa thống kê thì phải làm sao?

Bạn không nên tự ý xóa biến hoặc đổi giai đoạn chỉ để beta đạt p-value mong muốn. Hãy kiểm tra dữ liệu, tần suất, chỉ số thị trường, missing value, outlier và giả định hồi quy. Nếu kết quả vẫn không có ý nghĩa, hãy báo cáo đúng kết quả và giải thích giới hạn của mẫu, thay vì khẳng định CAPM được chứng minh.

Bạn có thể mở lại file dữ liệu, kiểm tra ba cột Ri, Rm và Rf, sau đó chạy hồi quy với Ri - Rf là biến phụ thuộc và Rm - Rf là biến độc lập trước khi viết chương kết quả; nếu cần chạy phân tích trên chính file .sav hoặc .csv, M4 phân tích của DoThesis hỗ trợ SPSS và SmartPLS theo dữ liệu thật của bạn.