Event Study #3 | Giá đóng cửa chưa chắc là mức giá nên dùng

Đây là bài thứ ba trong series “Xây dựng Event Study cho thị trường chứng khoán Việt Nam”.

Đọc thêm:

• Event Study #2 | Dữ liệu thị trường trong ngày: 7 tín hiệu ngoài giá đóng cửa
• Event Study #1 | Xây dựng nghiên cứu sự kiện cho chứng khoán Việt Nam

Ở bài trước, Historical Price đã được nhìn dưới một góc độ rộng hơn.

Một ngày giao dịch không chỉ có giá mở cửa, giá cao nhất, giá thấp nhất và giá đóng cửa. Đằng sau những con số đó còn có khối lượng, giá trị giao dịch, giao dịch khối ngoại, giao dịch tự doanh và nhiều thông tin khác.

Nhưng khi bắt đầu xây dựng một Event Study, có một vấn đề tưởng như rất đơn giản lại xuất hiện:

Nếu cần tính lợi suất của một cổ phiếu, cuối cùng nên sử dụng mức giá nào?

Câu hỏi này quan trọng hơn vẻ ngoài của nó.

Bởi vì trong Event Study, chúng ta không trực tiếp phân tích một chuỗi giá.

Chúng ta phân tích return.

Và return lại được tính từ giá.

Điều đó có nghĩa là một lựa chọn ở ngay bước đầu tiên có thể đi xuyên suốt cả pipeline.

Một ví dụ rất đơn giản

Giả sử một cổ phiếu đang giao dịch ở mức 100.000 đồng vào ngày thứ nhất.

Ngày hôm sau, giá đóng cửa còn 90.000 đồng.

Nếu chỉ nhìn vào hai mức giá này, phép tính rất đơn giản:

Return = 90.000 / 100.000 - 1 = -10%

Cổ phiếu giảm 10%.

Nhưng hãy thay đổi một chi tiết.

Giả sử giữa hai ngày đó, doanh nghiệp thực hiện một corporate action khiến giá tham chiếu được điều chỉnh.

Lúc này, việc lấy hai mức giá quan sát được và chia trực tiếp cho nhau có thể không còn phản ánh đúng mức sinh lợi mà nhà đầu tư thực sự trải qua.

Đây chính là lúc khái niệm adjusted price trở nên quan trọng.

Giá thay đổi không phải lúc nào cũng có nghĩa là giá trị thay đổi

Hãy tưởng tượng một cổ phiếu đang có giá 100.000 đồng.

Doanh nghiệp thực hiện chia cổ tức bằng cổ phiếu theo tỷ lệ 20%.

Sau khi điều chỉnh, giá tham chiếu có thể giảm xuống khoảng 83.333 đồng.

Nếu chỉ nhìn vào price series chưa điều chỉnh, biểu đồ sẽ cho thấy một cú giảm rất lớn.

Nhưng điều gì thực sự xảy ra?

Nhà đầu tư không đơn giản là mất đi khoảng 16,7% giá trị.

Số lượng cổ phiếu mà họ nắm giữ cũng thay đổi.

Vì vậy, một phần biến động của mức giá đến từ corporate action, chứ không phải đơn thuần từ việc thị trường thay đổi kỳ vọng về doanh nghiệp.

Đây là một điểm đặc biệt quan trọng đối với Event Study.

Bởi mục tiêu của Event Study là xác định phản ứng của thị trường xung quanh một sự kiện. Phương pháp này dựa trên việc so sánh return thực tế với một mức return kỳ vọng để tính abnormal return.

Nếu chuỗi return đầu vào đã chứa những biến động giá không phản ánh đúng thay đổi kinh tế của khoản đầu tư, kết quả phía sau cũng có thể bị ảnh hưởng.

Vậy close_price có sai không?

Không.

Đây là điểm cần phân biệt rõ.

close_price không phải là một mức giá sai.

Nó phản ánh giá đóng cửa được quan sát trên thị trường trong ngày giao dịch.

Vấn đề nằm ở mục đích sử dụng.

Nếu cần biết:

"Cổ phiếu đóng cửa ở mức bao nhiêu vào ngày hôm đó?"

close_price là thông tin rất trực tiếp.

Nhưng nếu câu hỏi là:

"Cổ phiếu đã tạo ra mức sinh lợi bao nhiêu giữa hai thời điểm?"

thì cần xem xét liệu chuỗi giá có cần được điều chỉnh hay không.

Đây là sự khác biệt giữa observed price và research-ready price series.

Nhìn vào Historical Price của DataCore

Đây cũng là lý do bộ Historical Price không chỉ lưu một trường giá duy nhất.

Trong dataset có các trường như:

close_price

basic_price

adj_ratio

Ba trường này không phải ba cách gọi khác nhau của cùng một thứ.

Chúng cung cấp những thông tin khác nhau để người sử dụng có thể hiểu và xử lý chuỗi giá phù hợp với mục đích nghiên cứu.

Và khi xây dựng một pipeline nghiên cứu, điều quan trọng không phải là chọn một trường vì nó "phổ biến nhất".

Điều quan trọng là phải hiểu:

Trường dữ liệu đó đang đại diện cho điều gì?

Từ Price đến Return

Đây là bước chuyển quan trọng của cả series.

Historical Price cho chúng ta một chuỗi giá:

Date          Price

01/07         100
02/07         102
03/07         101
04/07         105

Nhưng Event Study cần một chuỗi khác:

Date          Return

01/07           -
02/07         2.00%
03/07        -0.98%
04/07         3.96%

Return biến dữ liệu giá thành một thước đo có thể so sánh giữa các ngày.

Và khi có return của cổ phiếu, chúng ta mới có thể đặt nó cạnh return của thị trường.

Sau đó mới tiến tới:

Stock Return
      │
      ▼
Market Return
      │
      ▼
Expected Return
      │
      ▼
Abnormal Return

Đây cũng là lý do dữ liệu daily return đóng vai trò quan trọng trong Event Study. Các nghiên cứu phương pháp kinh điển đã xem xét trực tiếp đặc tính của daily stock returns và cách chúng được sử dụng trong Event Study.

Nhưng vẫn còn một câu hỏi khác

Ngay cả khi đã quyết định sử dụng một chuỗi giá phù hợp, vẫn còn một vấn đề:

Tính return như thế nào?

Có thể sử dụng simple return:$$R_t = \frac{P_t}{P_{t-1}} - 1$$

Hoặc log return:$$r_t = \ln\left(\frac{P_t}{P_{t-1}}\right)$$

Hai cách tính này có quan hệ rất gần nhau đối với những biến động nhỏ, nhưng không hoàn toàn giống nhau.

Và đây sẽ là bước tiếp theo.

Bởi sau khi giải quyết câu hỏi "dùng giá nào?", chúng ta cần giải quyết câu hỏi tiếp theo:

"Từ mức giá đó, làm thế nào để tạo ra một chuỗi return đáng tin cậy cho Event Study?"

Từ một mức giá đến một nghiên cứu

Đây có lẽ là điều quan trọng nhất cần giữ lại sau bài viết này.

Trong một Event Study, close_price chỉ là điểm bắt đầu.

Một mức giá quan sát được cần được đặt trong đúng bối cảnh của nó.

Corporate actions cần được xem xét.

Adjustment cần được hiểu.

Return cần được tính đúng.

Sau đó, return của cổ phiếu mới có thể được đưa vào những bước tiếp theo của nghiên cứu.

Nói cách khác:

Không phải cứ có Historical Price là đã có Return. Và không phải cứ có Return là đã có một Event Study tốt.

Chất lượng của nghiên cứu được hình thành qua từng bước rất nhỏ như vậy.

Bài tiếp theo

Event Study #4 | Từ Historical Price đến Daily Return: Biến chuyển động giá thành dữ liệu có thể nghiên cứu

Bài tiếp theo sẽ bắt đầu từ chính những mức giá đã được lựa chọn ở bài này và xây dựng Daily Return từng bước.

Từ đó, chúng ta sẽ có viên gạch tiếp theo để tiến đến Market Return và cuối cùng là Abnormal Return.