Lý thuyết CAPM: mô hình, thành phần và cách kiểm định
Mô hình CAPM là gì
Bạn có thể xem CAPM như một cách trả lời câu hỏi: một tài sản cần đem lại mức sinh lời bao nhiêu để bù cho phần rủi ro mà nhà đầu tư thực sự phải chịu. Mô hình tách lợi nhuận kỳ vọng thành hai phần: lợi nhuận của tài sản an toàn và phần bù rủi ro thị trường được điều chỉnh theo beta của tài sản.
Công thức thường được viết như sau:
E(Ri) = Rf + βi [E(Rm) - Rf]
Trong đó, E(Ri) là lợi nhuận kỳ vọng của tài sản i, Rf là risk-free rate, βi là beta của tài sản, còn E(Rm) là lợi nhuận kỳ vọng của danh mục thị trường. Hiệu số [E(Rm) - Rf] được gọi là market risk premium.
CAPM tập trung vào rủi ro hệ thống, tức phần rủi ro biến động cùng thị trường và khó loại bỏ chỉ bằng cách đa dạng hóa. Rủi ro riêng của từng doanh nghiệp, chẳng hạn một vụ kiện hoặc gián đoạn sản xuất, có thể giảm khi nhà đầu tư nắm giữ nhiều tài sản nên không được beta phản ánh đầy đủ.
Trong tài liệu học thuật về tài chính, CAPM thường được đặt cạnh các cách tiếp cận khác. Nếu đề tài của bạn nghiên cứu quyết định tài trợ, lý thuyết đánh đổi cấu trúc vốn phù hợp hơn cho câu hỏi về nợ và lợi ích lá chắn thuế. Nếu bạn phân tích thứ tự sử dụng nguồn vốn, lý thuyết trật tự phân hạng cần được phân biệt với CAPM ngay từ phần cơ sở lý thuyết.
Các thành phần trong mô hình
Bạn nên ghi rõ đơn vị đo và khoảng thời gian của từng thành phần trước khi đưa CAPM vào mô hình nghiên cứu. Dùng lợi nhuận cổ phiếu theo tháng thì risk-free rate và market return cũng cần được quy đổi về tháng. Trộn lợi nhuận tháng với lãi suất năm là lỗi làm cho kết quả thiếu nhất quán dù công thức được nhập đúng.
| Thành phần | Ký hiệu | Ý nghĩa khi phân tích | Cách đo thường gặp |
|---|---|---|---|
| Lợi nhuận kỳ vọng của tài sản | E(Ri) | Mức sinh lời nhà đầu tư yêu cầu đối với tài sản i | Lợi nhuận cổ phiếu hoặc lợi nhuận danh mục theo kỳ |
| Lãi suất phi rủi ro | Rf | Mức sinh lời tham chiếu của tài sản được xem là ít rủi ro | Lợi suất công cụ nợ chính phủ, cùng kỳ đo với lợi nhuận |
| Beta | βi | Mức nhạy cảm của tài sản i trước biến động thị trường | Hệ số góc trong hồi quy lợi nhuận tài sản lên lợi nhuận thị trường |
| Lợi nhuận thị trường | E(Rm) hoặc Rm | Mức sinh lời của danh mục đại diện cho thị trường | Chỉ số thị trường hoặc danh mục thị trường được xác định trước |
| Phần bù rủi ro thị trường | E(Rm) - Rf | Phần lợi nhuận vượt risk-free rate mà thị trường yêu cầu | Chênh lệch giữa lợi nhuận thị trường và risk-free rate |
Beta lớn hơn 1 thường được diễn giải là tài sản biến động mạnh hơn thị trường. Beta nằm giữa 0 và 1 cho thấy tài sản có xu hướng ít nhạy hơn thị trường. Beta âm cần được kiểm tra kỹ về dữ liệu, giai đoạn quan sát và cách xác định chỉ số thị trường trước khi diễn giải kinh tế.
CAPM không nói rằng mọi tài sản có beta cao chắc chắn đem lại lợi nhuận cao trong từng tháng. Mô hình đưa ra quan hệ kỳ vọng hoặc quan hệ trung bình trong một giai đoạn. Vì vậy, khi viết luận văn, bạn nên tránh biến một hệ số hồi quy thành lời hứa về lợi nhuận của từng cổ phiếu.
Mô hình gốc và các mở rộng phổ biến
Mô hình gốc của CAPM được hình thành trong dòng nghiên cứu về quan hệ giữa lợi nhuận kỳ vọng và rủi ro hệ thống. Khi viết phần lịch sử, bạn chỉ nên ghi tác giả và năm nếu đã kiểm tra tài liệu gốc trong danh mục tài liệu của mình. Danh sách nguồn được cung cấp cho bài viết này không có mục tài liệu gốc riêng của CAPM, vì vậy phần trình bày dưới đây giữ ở mức khái niệm và không gắn tên hoặc năm chưa được xác minh.
CAPM một nhân tố dùng beta thị trường để giải thích lợi nhuận. Những nghiên cứu thực nghiệm sau đó thường xem xét thêm quy mô doanh nghiệp, giá trị, động lượng hoặc các yếu tố đặc thù khác. Khi nhiều yếu tố được đưa vào cùng mô hình, bạn đang chuyển sang nhóm mô hình factor pricing, chứ không còn kiểm định CAPM một nhân tố theo nghĩa hẹp.
Đó là lý do lý thuyết Fama French thường xuất hiện trong cùng chương với CAPM. Fama French mở rộng cách nhìn về nguồn gốc lợi nhuận kỳ vọng bằng nhiều nhân tố, trong khi CAPM dùng một nhân tố thị trường. Bạn có thể so sánh hai mô hình bằng R² điều chỉnh, sai số định giá hoặc khả năng giải thích phần dư, nhưng cần giữ cùng mẫu quan sát và cùng cách đo lợi nhuận.
CAPM cũng dễ bị đặt cạnh lý thuyết tín hiệu. Hai lý thuyết này trả lời hai câu hỏi khác nhau. CAPM tập trung vào quan hệ giữa rủi ro hệ thống và lợi nhuận kỳ vọng, còn lý thuyết tín hiệu giải thích cách thông tin hoặc hành động của doanh nghiệp truyền tải nhận định đến nhà đầu tư. Nếu đề tài phân tích công bố thông tin, bạn cần lý giải cơ chế tín hiệu trước, rồi mới xác định CAPM có phải mô hình định giá phù hợp hay không.
Một số đề tài kế toán và tài chính dùng biến phụ thuộc là hiệu quả, rủi ro hoặc khả năng thanh toán. Trong nhóm đó, lý thuyết Z score Altman và lý thuyết CAMEL có thể phù hợp hơn nếu mục tiêu là đánh giá sức khỏe tài chính hoặc an toàn ngân hàng. CAPM không thay thế cho chỉ số đo khả năng phá sản hay bộ chỉ tiêu an toàn ngân hàng.
Thang đo thường dùng cho từng khái niệm
CAPM không phải thang đo dạng Likert với các biến quan sát như mô hình hành vi. Các khái niệm trong CAPM thường được chuyển thành chuỗi dữ liệu thứ cấp. Bạn cần ghi rõ nguồn dữ liệu, thời gian, tần suất và công thức tính lợi nhuận, thay vì tạo nhiều câu hỏi khảo sát chỉ để làm cho mô hình có vẻ đầy đủ.
| Khái niệm | Biến dữ liệu tham khảo | Cách tính hoặc lựa chọn | Lưu ý khi đưa vào mô hình |
|---|---|---|---|
| Lợi nhuận tài sản | Ri,t | Có thể tính từ giá đóng cửa điều chỉnh theo kỳ | Dùng cùng tần suất và khoảng thời gian với thị trường |
| Lợi nhuận thị trường | Rm,t | Lợi nhuận của chỉ số hoặc danh mục đại diện thị trường | Cần giải thích vì sao chỉ số này đại diện cho thị trường |
| Risk-free rate | Rf,t | Lãi suất tham chiếu theo cùng kỳ | Quy đổi tần suất trước khi trừ khỏi lợi nhuận |
| Beta | Beta i | Ước lượng từ hồi quy Ri,t - Rf,t lên Rm,t - Rf,t | Có thể thay đổi theo cửa sổ thời gian |
| Excess return | Ri,t - Rf,t | Lợi nhuận tài sản sau khi trừ risk-free rate | Thường dùng ở dạng biến phụ thuộc trong hồi quy CAPM |
Một lựa chọn phổ biến là hồi quy excess return của tài sản lên excess return của thị trường. Khi đó, hệ số chặn alpha cho biết phần lợi nhuận không được giải thích bởi nhân tố thị trường trong mẫu. Hệ số góc là beta. Bạn cần phân biệt alpha với mức sinh lời kỳ vọng trong công thức CAPM, vì hai đại lượng này có vai trò khác nhau trong kiểm định.
Nếu đề tài của bạn sử dụng bảng hỏi về nhận thức rủi ro, ý định đầu tư hoặc chấp nhận công nghệ, CAPM chỉ có thể là nền tảng cho biến tài chính nếu bạn xây dựng được cầu nối lý thuyết rõ ràng. Các biến nhận thức có thể được đo bằng thang Likert, nhưng beta và excess return vẫn cần dữ liệu tài chính hoặc cách đo được giải thích minh bạch.
Áp dụng vào đề tài của bạn
Hãy bắt đầu bằng câu hỏi nghiên cứu cụ thể, chẳng hạn: beta có giải thích được lợi nhuận vượt risk-free rate của các cổ phiếu thuộc một nhóm ngành trong một giai đoạn hay không. Câu hỏi này giúp bạn xác định đơn vị quan sát là cổ phiếu theo thời gian, hoặc danh mục theo thời gian, thay vì lấy người trả lời bảng hỏi làm đơn vị quan sát.
Một mô hình khái niệm đơn giản có thể gồm biến phụ thuộc là excess return của cổ phiếu và biến độc lập chính là market excess return. Nếu muốn mở rộng, bạn có thể thêm quy mô, thanh khoản hoặc đòn bẩy, nhưng mỗi biến thêm vào phải có lý do lý thuyết và cách đo trước khi chạy hồi quy.
Bạn có thể viết các giả thuyết theo dạng sau:
- H1: Lợi nhuận thị trường vượt risk-free rate có tác động cùng chiều đến excess return của tài sản.
- H2: Beta của tài sản có quan hệ cùng chiều với mức độ nhạy cảm của excess return trước biến động thị trường.
- H3: Mô hình CAPM giải thích có ý nghĩa thống kê một phần biến động của excess return trong mẫu nghiên cứu.
- H4: Alpha của mô hình khác 0 cho thấy còn phần lợi nhuận chưa được giải thích bởi nhân tố thị trường.
H2 và H3 cần được diễn đạt cẩn thận. Beta là hệ số được ước lượng từ quan hệ lợi nhuận, còn một giả thuyết về beta có thể cần thiết kế dữ liệu theo nhiều tài sản hoặc nhiều giai đoạn. Nếu bạn chỉ có một cổ phiếu trong một khoảng thời gian ngắn, khả năng kiểm định tổng quát sẽ hạn chế.
Cách viết vào luận văn: “Kết quả hồi quy cho thấy biến [tên biến thị trường] có hệ số [β] = [giá trị], p-value = [giá trị]. Do p-value [nhỏ hơn/lớn hơn] mức ý nghĩa [5%], giả thuyết H[ số ] được [chấp nhận/không được ủng hộ]. Kết quả này cho thấy [diễn giải quan hệ] trong phạm vi mẫu nghiên cứu gồm [đối tượng] và giai đoạn [thời gian].”
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Cấu trúc cột mô phỏng bảng Coefficients trong SPSS khi bạn chạy hồi quy tuyến tính.
Coefficients, số liệu minh họa
| Model | Unstandardized B | Std. Error | Standardized Beta | t | Sig. |
|---|---|---|---|---|---|
| (Constant) | 0.001 | 0.002 | 0.500 | 0.618 | |
| Market excess return | 0.842 | 0.126 | 0.556 | 6.683 | 0.000 |
Với bảng minh họa này, bạn có thể mô tả hệ số của market excess return là dương và có ý nghĩa thống kê vì cột Sig. hiển thị 0.000 trong phần mềm, thường được viết trong luận văn là p < 0.001 thay vì p = 0.000. Tuy nhiên, bạn không được chép các con số minh họa vào chương kết quả của mình. Hãy thay bằng output từ file dữ liệu thật và kiểm tra thêm Model Summary, ANOVA, phần dư và các quan sát ảnh hưởng mạnh.
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
Nếu dữ liệu của bạn là chuỗi lợi nhuận số và mô hình có biến phụ thuộc liên tục, SPSS thường là lựa chọn trực tiếp hơn SmartPLS. SmartPLS phù hợp với mô hình biến tiềm ẩn, biến quan sát và quan hệ cấu trúc, còn CAPM cơ bản không cần measurement model hay outer loading.
Trong SPSS, bạn chuẩn bị các cột theo thời gian, gồm ngày hoặc kỳ quan sát, Ri, Rm, Rf, excess return của tài sản và excess return thị trường. Sau đó kiểm tra missing value, định dạng số, các kỳ bị trùng và các giá trị cực đoan. Không được để dấu phần trăm ở dạng text trong cột cần tính toán.
Vào Analyze > Regression > Linear. Đưa excess return của tài sản vào ô Dependent và market excess return vào ô Independent. Trong nút Statistics, chọn Estimates, Model fit, Confidence intervals và Durbin-Watson nếu thiết kế dữ liệu của bạn phù hợp với kiểm tra này. Trong nút Plots, có thể đặt ZPRED vào trục X và ZRESID vào trục Y để xem hình dạng phần dư.
Sau khi chạy, đọc Model Summary để xem R Square và Adjusted R Square, ANOVA để xem kiểm định mức phù hợp tổng thể, rồi đọc Coefficients để lấy B, Standard Error, t và Sig. Alpha nằm ở dòng Constant. Beta thị trường nằm ở hệ số B của biến market excess return trong hồi quy CAPM một nhân tố.
Với hồi quy có nhiều biến giải thích, bạn có thể kiểm tra VIF và Tolerance trong Coefficients. VIF dưới 5 là ngưỡng thường được báo cáo trong PLS-SEM và các hướng dẫn liên quan (Hair và cộng sự, 2019), nhưng việc chọn ngưỡng phải đi cùng loại mô hình và cách giải thích của bạn. Durbin-Watson trong khoảng 1 đến 3 là quy tắc kiểm tra thường gặp trong thực hành SPSS (Field, 2013).
SmartPLS chỉ nên được chọn khi đề tài của bạn thật sự có biến tiềm ẩn hoặc mô hình cấu trúc mở rộng, chẳng hạn tác động của nhận thức rủi ro đến ý định đầu tư cùng với một biến kết quả tài chính. Khi đó bạn phải đánh giá measurement model trước, sau đó mới đánh giá structural model theo logic hai bước (Anderson và Gerbing, 1988). Các chỉ số như outer loading, CR, AVE và HTMT không phải thành phần bắt buộc của CAPM hồi quy đơn giản.
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là dùng CAPM như một nhãn chung cho mọi mô hình có chữ “rủi ro”. Nếu biến phụ thuộc là khả năng trả nợ, xếp hạng tín nhiệm hoặc mức độ an toàn ngân hàng, bạn cần xem lại cơ sở lý thuyết. CAPM chỉ phù hợp khi câu hỏi nghiên cứu liên quan đến lợi nhuận kỳ vọng và rủi ro hệ thống.
Lỗi thứ hai là lấy beta có sẵn từ một website rồi không ghi thời kỳ, tần suất hoặc chỉ số thị trường. Beta là kết quả phụ thuộc vào cửa sổ dữ liệu và cách ước lượng. Hai nguồn có thể cho hai beta khác nhau mà không nhất thiết một nguồn bị sai.
Lỗi thứ ba là trộn dữ liệu ngày với lãi suất năm, hoặc tính lợi nhuận đơn giản cho một biến rồi dùng log return cho biến khác. Bạn cần chọn một quy ước, ghi công thức trong chương phương pháp và áp dụng nhất quán.
Lỗi thứ tư là chỉ nhìn p-value mà bỏ qua R Square, phần dư, outlier và ý nghĩa kinh tế của hệ số. Một hệ số có ý nghĩa thống kê vẫn có thể có độ lớn nhỏ về mặt kinh tế. Nếu dữ liệu có nhiều cổ phiếu theo thời gian, bạn cũng cần trao đổi với giảng viên về cấu trúc dữ liệu panel thay vì mặc nhiên coi mọi dòng là quan sát độc lập.
Cuối cùng, đừng đưa CFI, TLI hoặc RMSEA vào bài CAPM hồi quy thông thường. Đây là các fit index của CB-SEM, được thảo luận trong (Hu và Bentler, 1999), không phải bộ tiêu chí mặc định cho hồi quy tuyến tính hay mô hình CAPM cơ bản.
Đọc thêm: capm là gì, chủ đề mo hinh nghien cuu.
Câu hỏi thường gặp
Lý thuyết CAPM dùng để làm gì
CAPM dùng để liên hệ lợi nhuận kỳ vọng của tài sản với risk-free rate, lợi nhuận thị trường và beta. Trong luận văn, mô hình có thể hỗ trợ ước tính mức lợi nhuận yêu cầu hoặc kiểm định xem rủi ro hệ thống có giải thích được lợi nhuận hay không.
CAPM có phải là lý thuyết đánh đổi cấu trúc vốn không
Hai lý thuyết khác nhau. CAPM tập trung vào định giá tài sản và quan hệ giữa beta với lợi nhuận kỳ vọng. Lý thuyết đánh đổi cấu trúc vốn tập trung vào việc doanh nghiệp cân đối lợi ích của nợ với chi phí kiệt quệ tài chính và các chi phí liên quan.
Có thể chạy CAPM bằng SmartPLS không
Bạn có thể dùng SmartPLS cho một mô hình mở rộng có biến tiềm ẩn, nhưng CAPM một nhân tố với chuỗi lợi nhuận thường phù hợp hơn với hồi quy trong SPSS, R hoặc Excel kết hợp công cụ thống kê. Dùng SmartPLS chỉ vì phần mềm có giao diện đẹp sẽ làm phát sinh các bước outer model không cần thiết.
Beta bao nhiêu là tốt
CAPM không có một mức beta “tốt” áp dụng cho mọi tài sản. Beta lớn cho thấy độ nhạy với thị trường cao hơn, còn beta thấp cho thấy độ nhạy thấp hơn trong mẫu và giai đoạn đang xét. Bạn cần diễn giải cùng ngành, cùng thời kỳ và mục tiêu đầu tư thay vì xếp hạng beta cao là tốt hoặc xấu.
Có cần khảo sát người đầu tư để kiểm định CAPM không
Không nhất thiết. CAPM cơ bản thường dùng dữ liệu giá, lợi nhuận, chỉ số thị trường và risk-free rate. Khảo sát chỉ cần thiết khi câu hỏi nghiên cứu có thêm nhận thức, thái độ hoặc ý định của nhà đầu tư, khi đó phần bảng hỏi phải được xây dựng như một mô hình bổ sung chứ không thay thế dữ liệu lợi nhuận.
Bạn hãy mở file dữ liệu, kiểm tra lại tần suất của Ri, Rm và Rf, sau đó chạy hồi quy trong SPSS và lưu riêng các bảng Model Summary, ANOVA, Coefficients cùng biểu đồ phần dư; nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.