Event Study 2026: Xây dựng nghiên cứu sự kiện cho chứng khoán Việt Nam

Mục lục

• Event Study là gì và vì sao có series này?
• Vì sao ai cũng nghĩ phần khó nhất nằm ở mô hình?
• Cái bẫy âm 16,7%: khi cổ tức bằng cổ phiếu đánh lừa mô hình
• Nên dùng mức giá nào để tính lợi suất?
• Chọn cửa sổ ước lượng và cửa sổ sự kiện như thế nào?
• Mô hình chuẩn nào phù hợp cho Event Study tại Việt Nam?
• Những cạm bẫy đặc thù nào của Việt Nam làm sai lệch một Event Study?
• Bộ dữ liệu Historical Price của DataCore hỗ trợ ra sao?
• Series này sẽ đi tiếp về đâu?
• Câu hỏi thường gặp
• Nguồn tham khảo

Event Study là gì và vì sao có series này?

Event Study (nghiên cứu sự kiện) là phương pháp nghiên cứu định lượng đo lường phản ứng của giá chứng khoán trước một sự kiện cụ thể: công bố kết quả kinh doanh, thông báo cổ tức, thay đổi rổ chỉ số hay một quy định mới. Một Event Study so sánh lợi suất thực tế của cổ phiếu quanh sự kiện với lợi suất được kỳ vọng trong điều kiện bình thường, và gọi phần chênh lệch là lợi suất bất thường (Abnormal Return, AR).

Kỹ thuật này được khai sinh bởi Fama, Fisher, Jensen và Roll (1969) trên tạp chí International Economic Review, còn bài tổng quan kinh điển là MacKinlay (1997), "Event Studies in Economics and Finance", đăng trên Journal of Economic Literature.

Bài viết này mở đầu series của DataCore về việc xây dựng một hệ thống Event Study hoàn chỉnh cho thị trường chứng khoán Việt Nam, bao phủ Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE), Sở Giao dịch Chứng khoán Hà Nội (HNX) và thị trường công ty đại chúng chưa niêm yết (UPCoM). Series đi theo đúng trình tự mà một hệ thống nghiên cứu thực thụ được phát triển: hiểu dữ liệu, xử lý dữ liệu, tính lợi suất, xây dựng lợi suất thị trường, và cuối cùng là tính lợi suất bất thường.

Việt Nam không thiếu sự kiện đáng nghiên cứu, từ việc FTSE Russell nâng hạng Việt Nam lên thị trường mới nổi thứ cấp đến các thay đổi chính sách như Thông tư 25/2026 về thanh khoản ngân hàng.

Vì sao một series về mô hình hóa lại mở đầu bằng một bài dài về dữ liệu? Bởi trong Event Study, mô hình hiếm khi là nơi dự án thất bại. Dữ liệu mới là nơi đó. Toàn bộ phần còn lại của bài viết là lập luận cho nhận định này, dựa trên thực tế dữ liệu thị trường Việt Nam.

Vì sao ai cũng nghĩ phần khó nhất nằm ở mô hình?

Có một điều khá thú vị khi tìm hiểu về Event Study. Phần lớn tài liệu đều mở đầu bằng những khái niệm quen thuộc: Market Model, mô hình định giá tài sản vốn (CAPM), mô hình ba nhân tố của Fama và French, Abnormal Return. Chỉ cần gõ từ khóa tìm kiếm, người đọc sẽ nhanh chóng bắt gặp hàng loạt công thức hồi quy và kiểm định thống kê. Điều đó dễ tạo ra cảm giác rằng phần khó nhất nằm ở việc lựa chọn mô hình.

Thực tế lại không hẳn như vậy. Trước khi một đường hồi quy được xây dựng, trước khi một hệ số beta được ước lượng hay một lợi suất bất thường được tính toán, luôn có một bước khác âm thầm đứng phía sau: chuẩn bị dữ liệu. Và gần như mọi thứ trong một Event Study đều bắt đầu từ dữ liệu giá lịch sử (Historical Price).

Khi nhắc đến dữ liệu giá cổ phiếu, nhiều người thường hình dung một bảng dữ liệu khá đơn giản: ngày giao dịch, giá mở cửa, giá cao nhất, giá thấp nhất, giá đóng cửa, khối lượng giao dịch. Nhìn từ góc độ trực quan, điều đó đủ chính xác. Nhưng khi dữ liệu được đưa vào nghiên cứu định lượng, đặc biệt là một Event Study, bức tranh đơn giản ấy nhanh chóng chạm tới giới hạn.

Cái bẫy âm 16,7%: khi cổ tức bằng cổ phiếu đánh lừa mô hình

Giả sử giá đóng cửa của một cổ phiếu vào ngày T-1 là 100.000 VND. Sang ngày T, doanh nghiệp chia cổ tức bằng cổ phiếu tỷ lệ 20%: cứ 100 cổ phiếu đang nắm giữ, nhà đầu tư nhận thêm 20 cổ phiếu mới. Theo quy tắc điều chỉnh chuẩn của các sở giao dịch Việt Nam, giá tham chiếu ngày T được điều chỉnh xuống còn khoảng 83.333 VND (100.000 chia cho 1,2).

Nếu tính lợi suất theo công thức thông thường, so sánh giá đóng cửa ngày T với giá đóng cửa chưa điều chỉnh của ngày T-1, kết quả sẽ là một cú giảm gần âm 16,7%. Nhưng tổng giá trị nắm giữ của nhà đầu tư hoàn toàn không suy giảm; họ chỉ đơn giản nắm nhiều cổ phiếu hơn với mức giá thấp hơn tương ứng. Đây không phải biến động thị trường thật. Đây là hệ quả cơ học của việc tăng số lượng cổ phiếu lưu hành.

Đưa chuỗi lợi suất chưa điều chỉnh đó thẳng vào một Event Study, ngày T sẽ bị hệ thống gắn nhãn là một cú sốc giá tiêu cực nghiêm trọng, trong khi thực tế không có sự kiện thị trường nào xảy ra. Với một Event Study mà mục tiêu duy nhất là bóc tách phản ứng giá thật của thị trường trước sự kiện, một sai lệch cỡ này khiến toàn bộ kết luận trở nên vô nghĩa.

Cổ tức bằng cổ phiếu và phát hành cổ phiếu thưởng là những nghiệp vụ rất phổ biến ở doanh nghiệp niêm yết Việt Nam, nên đây không phải trường hợp cá biệt có thể bỏ qua; nó là đặc điểm lặp đi lặp lại của bộ dữ liệu.

Nên dùng mức giá nào để tính lợi suất?

Với một Event Study, yêu cầu đầu tiên là chuỗi lợi suất của từng cổ phiếu. Và để tính được chuỗi đó, một câu hỏi tưởng chừng đơn giản xuất hiện ngay lập tức: nên dùng mức giá nào? Giá đóng cửa thô, giá tham chiếu của sở giao dịch, hay mức giá đã được điều chỉnh cho các sự kiện như chia cổ tức tiền mặt, cổ tức bằng cổ phiếu hoặc phát hành thêm?

Một lựa chọn tưởng như nhỏ ở bước đầu tiên này, như ví dụ cổ tức bằng cổ phiếu ở trên, có thể định hình toàn bộ kết quả của nghiên cứu. Đó cũng là lý do các nghiên cứu phân tích cùng một sự kiện có thể cho ra kết quả khác nhau. Không phải vì mô hình khác nhau, mà vì dữ liệu đầu vào đã khác nhau ngay từ đầu.

Và giá chỉ là câu hỏi đầu tiên trong rất nhiều câu hỏi cần trả lời trước khi bất kỳ phép tính nào bắt đầu. Khối lượng giao dịch nên lấy từ khớp lệnh liên tục hay bao gồm cả giao dịch thỏa thuận? Một giao dịch thỏa thuận quy mô lớn giữa hai cổ đông liên quan có thể thổi phồng khối lượng của cả phiên mà không phản ánh bất kỳ dòng tiền mới hay thay đổi tâm lý thị trường nào.

Nếu mục tiêu là nghiên cứu hành vi nhà đầu tư nước ngoài quanh sự kiện, nên dùng chuỗi nào: khối lượng mua bán ròng của khối ngoại, hay biến động của phần room ngoại còn lại? Chỉ khi bắt tay truy tìm câu trả lời cho những câu hỏi tưởng nhỏ này, người làm Event Study mới nhận ra bảng giá lịch sử chưa bao giờ chỉ là một bảng giá đơn giản.

Chọn cửa sổ ước lượng và cửa sổ sự kiện như thế nào?

Khi chuỗi lợi suất đã đáng tin, quyết định thiết kế tiếp theo trong bất kỳ Event Study nào là thời gian. Một Event Study chia trục thời gian quanh mỗi sự kiện thành hai đoạn. Cửa sổ ước lượng (estimation window) là giai đoạn dùng để học xem lợi suất "bình thường" của cổ phiếu trông như thế nào. Cửa sổ sự kiện (event window) là giai đoạn đo lường phản ứng của thị trường trước sự kiện.

MacKinlay (1997, Journal of Economic Literature) mô tả quy ước phổ biến cho dữ liệu ngày: cửa sổ ước lượng khoảng 120 đến 250 phiên giao dịch, kết thúc trước khi cửa sổ sự kiện bắt đầu, để bản thân sự kiện không làm nhiễu ước lượng về trạng thái bình thường. Với cửa sổ sự kiện, các nghiên cứu thường báo cáo nhiều độ rộng khác nhau, chẳng hạn từ 1 phiên trước đến 1 phiên sau công bố, 5 phiên mỗi bên, hoặc 10 phiên mỗi bên, nhằm bắt cả hiện tượng rò rỉ thông tin trước sự kiện lẫn phản ứng trễ sau đó.

• Cửa sổ ước lượng: đủ dài để tham số ổn định, đủ ngắn để hồ sơ rủi ro của doanh nghiệp chưa thay đổi căn bản. Khoảng 120 đến 250 phiên là chuẩn mực sách giáo khoa cho lợi suất ngày (MacKinlay, 1997).
• Khoảng đệm: nhiều thiết kế chừa 5 đến 10 phiên giữa cửa sổ ước lượng và cửa sổ sự kiện để phòng rò rỉ thông tin.
• Cửa sổ sự kiện: bắt đầu hẹp rồi mở rộng dần. Cửa sổ quá rộng làm loãng hiệu ứng và nhiễm tin tức không liên quan; quá hẹp lại bỏ sót kỳ vọng trước sự kiện và độ trôi sau sự kiện.
• Cửa sổ sau sự kiện: dùng khi câu hỏi nghiên cứu quan tâm tới độ trôi dài hạn thay vì phản ứng tức thời.

Những lựa chọn này gắn chặt với các vấn đề dữ liệu ở trên. Nếu cửa sổ ước lượng chứa một cú nhảy giá chưa điều chỉnh kiểu âm 16,7%, hệ số beta và phương sai ước lượng được đều bị ô nhiễm, và mọi lợi suất bất thường tính từ chúng thừa hưởng sai số đó. Thiết kế cửa sổ và chuẩn bị dữ liệu không phải hai chương tách biệt; chúng là cùng một chương.

Mô hình chuẩn nào phù hợp cho Event Study tại Việt Nam?

Lợi suất bất thường luôn được định nghĩa so với một mô hình chuẩn về lợi suất kỳ vọng. Diễn đạt bằng lời: lợi suất bất thường của cổ phiếu i trong ngày t bằng lợi suất thực tế của cổ phiếu i trong ngày t trừ đi lợi suất mà mô hình chuẩn kỳ vọng. Hai mô hình chuẩn thông dụng nhất trong các Event Study đều rất đơn giản.

• Mô hình hiệu chỉnh theo thị trường (market-adjusted): lợi suất kỳ vọng bằng lợi suất thị trường. Khi đó AR_it bằng R_it trừ R_mt, với R_mt là lợi suất của một chỉ số thị trường như VN-Index.
• Market Model: lợi suất kỳ vọng bằng alpha_i cộng beta_i nhân R_mt, trong đó alpha và beta được ước lượng bằng hồi quy bình phương nhỏ nhất trên cửa sổ ước lượng. Khi đó AR_it bằng R_it trừ (alpha_i cộng beta_i nhân R_mt).

Brown và Warner (1985, Journal of Financial Economics) đã chứng minh bằng mô phỏng trên dữ liệu ngày rằng các mô hình chuẩn đơn giản này phát hiện lợi suất bất thường tốt không kém các mô hình phức tạp hơn nhiều. Kết quả đó rất đáng giá với bất kỳ ai xây dựng Event Study tại Việt Nam: phần lợi ích biên nằm ở chất lượng dữ liệu, không nằm ở độ cầu kỳ của mô hình.

Việt Nam vẫn đặt thêm hai câu hỏi riêng về mô hình chuẩn. Thứ nhất, chỉ số nào đại diện cho "thị trường": VN-Index cho cổ phiếu HOSE, HNX Index, hay một chỉ số tổng hợp rộng hơn? Một sự kiện ngành tài chính được so với một chỉ số nặng cổ phiếu ngân hàng có thể trông bình thường một cách giả tạo.

Thứ hai, thanh khoản mỏng. Nhiều mã trên HNX và UPCoM giao dịch thưa thớt, và giao dịch thưa làm lệch ước lượng beta bằng bình phương nhỏ nhất. Các hiệu chỉnh kinh điển là ước lượng của Scholes và Williams (1977) và Dimson (1979), dùng độ trễ và độ sớm của lợi suất thị trường để sửa độ lệch. Một Event Study bỏ qua thanh khoản mỏng ở các mã nhỏ của Việt Nam sẽ ước lượng sai lợi suất kỳ vọng một cách hệ thống.

Những cạm bẫy đặc thù nào của Việt Nam làm sai lệch một Event Study?

Ngoài chuyện điều chỉnh nghiệp vụ doanh nghiệp, vi cấu trúc của thị trường Việt Nam tạo ra vài cái bẫy mà công thức sách giáo khoa không nhắc tới. Bất kỳ ai chạy Event Study trên dữ liệu HOSE, HNX hay UPCoM nên thiết kế quanh ít nhất bốn điểm sau.

Biên độ dao động cắt cụt lợi suất

Các sở giao dịch Việt Nam giới hạn biến động ngày quanh giá tham chiếu: 7% mỗi chiều trên HOSE, 10% trên HNX và 15% trên UPCoM theo quy chế giao dịch hiện hành (quy định của HOSE và HNX, tính đến tháng 7/2026). Biên độ rộng hơn áp dụng cho ngày giao dịch đầu tiên hoặc sau khi bị ngừng giao dịch trên 25 phiên: tối đa 20% trên HOSE, 30% trên HNX và 40% trên UPCoM.

Khi tin tức đủ mạnh, cổ phiếu có thể trần hoặc sàn nhiều phiên liên tiếp với khối lượng khớp gần như bằng không. Phản ứng thật khi đó bị dàn mỏng qua nhiều ngày, nên cửa sổ sự kiện 1 phiên sẽ đánh giá thấp hiệu ứng một cách cơ học. Người nghiên cứu nên mở rộng cửa sổ và theo dõi rõ các chuỗi phiên chạm biên độ.

Chu kỳ thanh toán làm lệch thời điểm giao dịch được

Từ ngày 29/8/2022, Tổng công ty Lưu ký và Bù trừ Chứng khoán Việt Nam (VSDC) hoàn tất thanh toán cổ phiếu để chứng khoán và tiền về tài khoản trước 13:00 ngày T+2, cho phép nhà đầu tư giao dịch ngay trong phiên chiều hôm đó (thông báo VSDC; Vietnam News, 25/8/2022). Giới thực hành gọi đây là chu kỳ T+2,5.

Với một Event Study dùng phản ứng khối lượng hoặc dòng lệnh, điều này rất quan trọng: ngày sớm nhất mà người đã mua có thể phản ứng bằng cách bán ra không phải là ngày sự kiện, và cách diễn giải hiệu ứng khối lượng qua cửa sổ sự kiện phải tính đến điều đó.

Cấu trúc phiên và giao dịch thỏa thuận làm nhiễu khối lượng

Giao dịch trên HOSE đi qua phiên khớp lệnh định kỳ mở cửa (ATO), khớp lệnh liên tục và phiên khớp lệnh định kỳ đóng cửa (ATC), song song với kênh thỏa thuận riêng. Như đã nêu ở trên, một lô thỏa thuận lớn giữa các cổ đông liên quan có thể nhân khối lượng báo cáo của cả phiên lên nhiều lần mà tâm lý thị trường không hề thay đổi. Các thước đo khối lượng nghiêm túc trong Event Study tách riêng khối lượng khớp lệnh khỏi khối lượng thỏa thuận, và đó chính là lý do bộ dữ liệu gốc phải ghi nhận chúng tách bạch.

Giới hạn sở hữu nước ngoài bóp méo tín hiệu dòng vốn ngoại

Nhiều cổ phiếu Việt Nam giao dịch sát hoặc kín giới hạn sở hữu nước ngoài. Khi room đã đầy, khối ngoại không thể mua trên sàn dù sự kiện tích cực đến đâu, nên giá trị mua ròng của khối ngoại đi ngang vì những lý do không liên quan đến tâm lý. Một Event Study về hành vi nhà đầu tư nước ngoài vì vậy phải đọc dòng vốn ngoại ròng cùng với phần room còn lại, không đọc tách rời.

Bộ dữ liệu Historical Price của DataCore hỗ trợ ra sao?

Trong việc xây dựng một Event Study, dữ liệu giá lịch sử là viên gạch đầu tiên của toàn bộ hệ thống. Mọi thứ phía sau, chuỗi lợi suất, lợi suất thị trường, và cuối cùng là lợi suất bất thường, đều được xây trên nền đó. Không mô hình thống kê nào, dù tinh vi đến đâu, có thể bù đắp cho dữ liệu đầu vào thiếu tin cậy. Đó là lý do series này không bắt đầu từ các mô hình tài chính, và bài viết đầu tiên được dành trọn cho phần nền móng.

Xuyên suốt series, dữ liệu được lấy từ bộ dữ liệu Historical Price trên nền tảng DataCore. Bộ dữ liệu này không chỉ lưu giá giao dịch hằng ngày của cổ phiếu niêm yết trên HOSE, HNX và UPCoM. Nó còn bao gồm giá tham chiếu, hệ số điều chỉnh giá theo các sự kiện nghiệp vụ doanh nghiệp, khối lượng và giá trị tách riêng theo khớp lệnh và thỏa thuận, cùng dữ liệu mua bán và room sở hữu của nhà đầu tư nước ngoài.

Đây chính xác là những trường dữ liệu mà series sẽ khai thác: không phải để vẽ biểu đồ, mà để tính lợi suất cho đúng, xử lý các sự kiện điều chỉnh giá, và bóc tách dòng vốn ngoại mỗi khi bài toán cụ thể yêu cầu. Mỗi cạm bẫy ở phần trước tương ứng với một trường cụ thể trong bộ dữ liệu, và đó là phép thử thực tế cho câu hỏi một nguồn dữ liệu đã sẵn sàng cho nghiên cứu Event Study hay chưa.

Series này sẽ đi tiếp về đâu?

Series này được xây dựng theo đúng trình tự mà một hệ thống Event Study thực thụ được phát triển. Thay vì bắt đầu bằng công thức, mỗi bài viết giải quyết một bài toán cụ thể: hiểu dữ liệu, xử lý dữ liệu, tính lợi suất, xây dựng lợi suất thị trường, và hoàn thiện toàn bộ quy trình tính lợi suất bất thường cùng các kiểm định ý nghĩa thống kê.

Hy vọng đến cuối series, bạn đọc không chỉ biết cách chạy một Event Study. Bạn sẽ hiểu vì sao từng bước trong quy trình tồn tại, và dữ liệu đã định hình kết quả cuối cùng như thế nào ngay từ đầu. Bài tiếp theo quay lại chính bộ dữ liệu Historical Price. Thay vì xem nó như một bảng giá cổ phiếu, bài viết sẽ đi vào từng nhóm thông tin bên trong, giải nghĩa từng trường dữ liệu, và lý giải vì sao một bộ dữ liệu giá lịch sử đầy đủ là ranh giới giữa một Event Study vững chắc và một nghiên cứu gây hiểu lầm.

Câu hỏi thường gặp

Event Study trong tài chính là gì?

Event Study là phương pháp thống kê đo lường tác động của một sự kiện cụ thể lên giá trị của chứng khoán. Event Study so sánh lợi suất thực tế quanh sự kiện với lợi suất mà mô hình chuẩn kỳ vọng, và diễn giải phần chênh lệch, tức lợi suất bất thường, là phản ứng của thị trường trước sự kiện. Khung phương pháp bắt nguồn từ Fama, Fisher, Jensen và Roll (1969) và được tổng quan trong MacKinlay (1997).

Cửa sổ ước lượng nên dài bao nhiêu?

Với lợi suất ngày, quy ước phổ biến là khoảng 120 đến 250 phiên giao dịch, kết thúc trước cửa sổ sự kiện, thường kèm khoảng đệm 5 đến 10 phiên để tránh rò rỉ thông tin (MacKinlay, 1997, Journal of Economic Literature). Cửa sổ quá ngắn cho tham số nhiễu; cửa sổ quá dài lại dùng thông tin đã cũ về hồ sơ rủi ro của doanh nghiệp.

Có thể chạy Event Study cho cổ phiếu HNX hoặc UPCoM không?

Có, nhưng phải xử lý rõ vấn đề thanh khoản mỏng. Nhiều mã HNX và UPCoM thường xuyên có phiên không khớp lệnh, làm lệch ước lượng beta bằng bình phương nhỏ nhất. Các hiệu chỉnh như ước lượng của Scholes và Williams (1977) hay Dimson (1979), hoặc dùng mô hình hiệu chỉnh theo thị trường, giúp một Event Study trên các mã kém thanh khoản của Việt Nam trở nên vững chắc.

Biên độ dao động có làm lệch kết quả Event Study tại Việt Nam không?

Có thể. Vì HOSE giới hạn biến động ngày ở 7%, HNX ở 10% và UPCoM ở 15% (quy chế giao dịch, tính đến tháng 7/2026), một phản ứng mạnh có thể bị trải qua nhiều phiên trần hoặc sàn liên tiếp. Cửa sổ 1 phiên khi đó đánh giá thấp hiệu ứng thật, nên người nghiên cứu mở rộng cửa sổ sự kiện và đánh dấu các chuỗi phiên chạm biên độ.

Cần những dữ liệu gì để xây dựng Event Study cho Việt Nam?

Tối thiểu gồm: giá ngày kèm hệ số điều chỉnh theo nghiệp vụ doanh nghiệp, giá tham chiếu, khối lượng khớp lệnh và thỏa thuận ghi tách riêng, chuỗi chỉ số thị trường, lịch giao dịch, và với các bài toán dòng vốn ngoại là dữ liệu mua bán ròng của khối ngoại cùng room sở hữu còn lại. Bộ dữ liệu Historical Price của DataCore có đủ các trường này cho HOSE, HNX và UPCoM.

Nguồn tham khảo

• Fama, Fisher, Jensen và Roll, "The Adjustment of Stock Prices to New Information", International Economic Review, 1969
• MacKinlay, "Event Studies in Economics and Finance", Journal of Economic Literature, tháng 3/1997
• Brown và Warner, "Using Daily Stock Returns: The Case of Event Studies", Journal of Financial Economics, 1985
• Scholes và Williams, "Estimating Betas from Nonsynchronous Data", Journal of Financial Economics, 1977
• Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE), quy chế giao dịch, truy cập tháng 7/2026
• Sở Giao dịch Chứng khoán Hà Nội (HNX), quy chế giao dịch, truy cập tháng 7/2026
• Vietnam News, "Investors to be able to trade stocks on T+2 settlement cycle", 25/8/2022
• Tổng công ty Lưu ký và Bù trừ Chứng khoán Việt Nam (VSDC), thông báo thanh toán, 2022