Open Access 
Abstract
This paper uses transfer entropy to measure and identify the information flows between stock markets in the ASEAN region. Data on daily closing stock indices, including Vietnam, the Philippines, Malaysia, Indonesia, Thailand, and Singapore, are collected for the period from March 2012 to October 2019 to calculate these transfer entropies. The research results of this article can be considered in two aspects: one is, how information flow originating from one market will be accepted by other markets and secondly, information flow that markets receive. From the perspective of incoming transfer entropy, Vietnam is the country most affected by information from the other ASEAN markets while Indonesia and Malaysia are the least affected. In terms of outgoing entropy, Thailand is the largest source of information flow to the ASEAN markets. Malaysia and the Philippines are the two countries that receive minor information impact from other countries. The research also reveals that the Singapore stock market is rather separate from the other ASEAN countries. The research results also imply that, for investors and policymakers, defining the information flows among ASEAN stock markets can help to predict market movements, thereby developing a suitable investment strategy or establishing appropriate management policies.
GIỚI THIỆU CHUNG
Việc xác định chiều hướng, độ mạnh cũng như nguồn phát sinh của các luồng thông tin di chuyển trên thị trường chứng khoán là một vấn đề quan trọng trong các nghiên cứu tài chính, đặc biệt trong thị trường vốn và chứng khoán. Rất nhiều các ý tưởng nghiên cứu và công cụ định lượng được sử dụng để thực hiện các mục tiêu nghiên cứu này như kiểm định nhân quả Granger, mô hình vector tự hồi quy (VAR – vector autogressive), kiểm định tỷ lệ phương sai (variance ratio test)… Các công cụ thống kê truyền thống này đã mang lại nhiều kết quả quan trọng trong nghiên cứu thực nghiệm tài chính.
Tuy nhiên, cùng với sự phát triển của lĩnh vực kinh tế học vật lý (econophysics), việc ứng dụng entropy vào trong nghiên cứu kinh tế và tài chính ngày càng được mở rộng. Trong số các khái niệm ứng dụng entropy trong kinh tế được giới thiệu, transfer entropy là đại lượng thích hợp để kiểm định mức độ tương tác giữa các thị trường thể hiện qua việc đo lường luồng thông tin di chuyển giữa các chuỗi thời gian. Schreiber 1 là người đầu tiên đề xuất định nghĩa và cách tính toán transfer entropy giữa hai biến ngẫu nhiên. Marschinski and Kantz 2 là những nhà nghiên cứu tiên phong ứng dụng transfer entropy trong chuỗi thời gian tài chính và thu được các kết luận đáng tin cậy, mở đầu cho một loạt những nghiên cứu đi theo xu hướng này.
TỔNG QUAN LÝ THUYẾT
Cùng với sự phát triển của kinh tế học vật lý, ngày càng có nhiều các nghiên cứu ứng dụng entropy trong lĩnh vực lý thuyết thông tin vào trong nghiên cứu tài chính. Bên cạnh những khái niệm entropy đo lường mức độ ngẫu nhiên và tính hình mẫu của một chuỗi thời gian như Shannon entropy 3 , entropy hoán vị (permutation entropy) 4 , entropy xấp xỉ (approximate entropy) 5 , entropy mẫu (sample entropy) 6 …, khái niệm transfer entropy được dùng để đo lường mối liên hệ và truyền dẫn thông tin giữa hai chuỗi thời gian. 7 . Kết quả cho thấy trước cuộc khủng hoảng 2008, mức độ tương tác giữa tỷ giá hối đoái và chứng khoán ở mức thấp nhưng trong giai đoạn khủng hoảng, tương tác hai chiều phát sinh rất mạnh và tiếp tục tồn tại cho giai đoạn sau khủng hoảng và chiều hướng giá cổ phiếu chi phối tỷ giá hối đoái diễn ra mạnh mẽ hơn. 8 . Kết quả cho thấy rằng có nhiều mức độ tích hợp khác nhau giữa các mối quan hệ và mức độ tích hợp này bị ảnh hưởng rõ rệt bởi cuộc khủng hoảng nợ nhà đất năm 2008 – 2009. Khủng hoảng nợ châu Âu giai đoạn 2011 – 2012 cũng có tác động nhưng mức độ tác động nhẹ nhàng hơn. 9 . Kết quả nghiên cứu cho rằng Hoa Kỳ đã đóng vai trò là nguồn xuất phát thông tin quan trọng tác động đến các thị trường chứng khoán trên thế giới nhưng tác động có tính trễ theo thời gian. Trung Quốc cũng là một quốc gia cung cấp nguồn thông tin quan trọng khi xét tác động có tính đồng thời.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu
Để thực hiện tính toán và kiểm định dòng chảy thông tin giữa thị trường chứng khoán các quốc gia Đông Nam Á bằng transfer entropy, bài viết sử dụng chỉ số chứng khoán lấy theo giá đóng cửa hàng ngày của sáu thị trường chứng khoán Đông Nam Á bao gồm Việt Nam, Philippines, Malaysia, Indonesia, Thái Lan và Singapore. Các quốc gia còn lại như Lào, Campuchia, Myanma, và Đông Timor chưa có thị trường chứng khoán nên chưa có dữ liệu để nghiên cứu. Danh sách sáu chỉ số chứng khoán của sáu quốc gia được thể hiện ở Table 1 .
| Quốc gia | Ký hiệu | Diễn giải |
| Việt Nam | VNI | Vietnam Stock Index |
| Philippines | PSEI | Philippine Stock Exchange Index |
| Malaysia | KLCI | FTSE Bursa Malaysia KLCI Index |
| Indonesia | JCT | Jakarta Stock Exchange Composite Index |
| Thái Lan | SET | Stock Exchange of Thailand SET Index |
| Singapore | STI | FTSE Straits Times Index |
Các đồ thị trong Hình 1 đến Hình 6 biểu diễn biến động của chỉ số chứng khoán trong thời gian dữ liệu được thu thập. Qua các đồ thị, có thể thấy rằng một số thị trường có xu hướng tăng như Việt Nam, Indonesia thể hiện trong Figure 4 , Figure 1 ; trong khi thị trường chứng khoán Philippines có xu hướng giảm như chiều hướng đi xuống trong đồ thị ở Figure 2 . Chỉ số thị trường chứng khoán Malaysia Figure 3 , Thái Lan ( Figure 5 ) và Singapore ( Figure 6 ) biến động khá mạnh và không thể hiện một xu hướng rõ ràng.
Figure 1 . Biểu đồ chỉ số VN-Index của thị trường chứng khoán Việt Nam giai đoạn 2012 – 2019 .
Phương pháp nghiên cứu
Bài viết sử dụng transfer entropy để đo lường và kiểm định chiều hướng của dòng chảy thông tin giữa các thị trường chứng khoán Đông Nam Á. 1 dùng để đo lường chiều hướng di chuyển thông tin giữa hai biến ngẫu nhiên dựa trên hàm mật độ xác suất.
Trong đó x là giá trị mà biến ngẫu nhiên X có thể nhận; V là tập hợp tất cả các giá trị có thể có của X và p(x) là xác suất để biến X nhận giá trị x.
Trong đó p(x,y) là xác suất đồng thời của X và Y. Trong một số trường hợp, những giá trị của X có thể mang lại thông tin hữu ích để giúp dự đoán giá trị của Y hoặc ngược lại, ta nói hai biến có mang một lượng thông tin chung (Mutual Information). Lượng thông tin chung này được tính toán như sau
Trong trường hợp hai biến là độc lập thì I(X,Y) sẽ nhận giá trị 0 vì khi đó p(x,y)=p(x)p(y).
Nếu có một sự chuyển giao thông tin từ X đến Y, thì điều đó có nghĩa là các thông tin trong quá khứ của X sẽ giúp dự đoán thông tin hiện tại và tương lai của Y. Để đo lượng sự chuyển giao thông tin từ X và Y, thì Schreiber đề xuất tính toán đại lượng transfer entropy giữa X và Y theo công thức:
Trong đó ký hiệu dùng để chỉ tập hợp các thông tin trong quá khứ của Y, và ký hiệu tương tự cho các thông tin trong quá khứ của X và Z.
KẾT QUẢ VÀ THẢO LUẬN
Thống kê mô tả dữ liệu
Table 2 thể hiện thống kê mô tả trên chuỗi tỷ suất sinh lợi của các thị trường chứng khoán qua từng năm của giai đoạn 2012 - 2016. Xét trên toàn bộ mẫu dữ liệu, Philippines là quốc gia duy nhất có tỷ suất sinh lợi trung bình mang dấu âm và hầu hết trong các năm được xét, tỷ suất sinh lợi trung bình của Philippines cũng đều mang dấu âm, thể hiện xu hướng suy giảm chung của chỉ số thị trường.
| Năm | Quốc gia | |||||
| Việt Nam | Philippines | Malaysia | Indonesia | Thái Lan | Singapore | |
| 2012 | 0,0000 | 0,0003 | 0,0004 | 0,0007 | 0,0009 | 0,0006 |
| 2013 | 0,0007 | -0,0002 | 0,0003 | 0,0001 | -0,0003 | 0,0003 |
| 2014 | 0,0007 | 0,0000 | -0,0004 | 0,0004 | 0,0009 | 0,0001 |
| 2015 | 0,0011 | -0,0006 | 0,0001 | -0,0001 | -0,0005 | -0,0002 |
| 2016 | 0,0008 | -0,0003 | 0,0003 | 0,0008 | 0,0011 | 0,0002 |
| 2017 | 0,0019 | 0,0001 | 0,0005 | 0,0010 | 0,0007 | 0,0006 |
| 2018 | -0,0002 | -0,0008 | -0,0001 | 0,0000 | -0,0002 | -0,0005 |
| 2019 | 0,0007 | -0,0003 | -0,0005 | 0,0002 | -0,0001 | 0,0006 |
| Toàn bộ mẫu | 0,0007 | -0,0002 | 0,0001 | 0,0004 | 0,0003 | 0,0002 |
Khác với trường hợp của Philippines, tỷ suất sinh lợi trung bình của Việt Nam cao nhất trong số các thị trường chứng khoán Đông Nam Á và điều này cũng xảy ra trong hầu hết các năm. Đặc biệt là năm 2015; khi mà tỷ suất sinh lợi trung bình của các thị trường chứng khoán của các quốc gia đều mang dấu âm (ngoại trừ Malaysia) thì tỷ suất sinh lợi trung bình trên thị trường Việt Nam cao vượt trội một cách đáng ngạc nhiên.
Kết quả nghiên cứu
Với mục tiêu đo lường và kiểm định dòng chảy thông tin giữa các thị trường chứng khoán Đông Nam Á, bài viết tính toán transfer entropy cho chuỗi tỷ suất sinh lợi của các thị trường theo từng cặp và kết quả được thể hiện ở Table 3 .
| Thị trường | Transfer entropy | ||
| Nguồn | -> | Đích | |
| Việt Nam | Việt Nam | - | |
| Philippines | Việt Nam | 0,0089* | |
| Malaysia | Việt Nam | 0,0127*** | |
| Indonesia | Việt Nam | 0,0098* | |
| Thái Lan | Việt Nam | 0,0114*** | |
| Singapore | Việt Nam | 0,0071 | |
| Việt Nam | Philippines | 0,0061 | |
| Philippines | Philippines | - | |
| Malaysia | Philippines | 0,0075 | |
| Indonesia | Philippines | 0,0058 | |
| Thái Lan | Philippines | 0,0115** | |
| Singapore | Philippines | 0,0089* | |
| Việt Nam | Malaysia | 0,0108** | |
| Philippines | Malaysia | 0,0061 | |
| Malaysia | Malaysia | - | |
| Indonesia | Malaysia | 0,0084* | |
| Thái Lan | Malaysia | 0,0080 | |
| Singapore | Malaysia | 0,0058 | |
| Việt Nam | Indonesia | 0,0088* | |
| Philippines | Indonesia | 0,0061 | |
| Malaysia | Indonesia | 0,0071 | |
| Indonesia | Indonesia | - | |
| Thái Lan | Indonesia | 0,0067 | |
| Singapore | Indonesia | 0,0040 | |
| Việt Nam | Thái Lan | 0,0077 | |
| Philippines | Thái Lan | 0,0071 | |
| Malaysia | Thái Lan | 0,0105** | |
| Indonesia | Thái Lan | 0,0125*** | |
| Thái Lan | Thái Lan | - | |
| Singapore | Thái Lan | 0,0054 | |
| Việt Nam | Singapore | 0,0061 | |
| Philippines | Singapore | 0,0031 | |
| Malaysia | Singapore | 0,0097** | |
| Indonesia | Singapore | 0,0047 | |
| Thái Lan | Singapore | 0,0039 | |
| Singapore | Singapore | - | |
(sắp xếp theo quốc gia nhận thông tin)
Kết quả ở Table 3 được sắp xếp theo quốc gia đích, nghĩa là sắp xếp theo thị trường tiếp nhận thông tin. Theo kết quả này, Việt Nam tiếp nhận thông tin từ các thị trường Philippines, Indonesia, Malaysia và Thái Lan và không chịu ảnh hưởng thông tin từ thị trường Singapore. Về mặt ý nghĩa kinh tế, các thông tin trên thị trường các quốc gia Philippines, Indonesia, Malaysia và Thái Lan có thể được sử dụng để dự đoán thông tin về thị trường chứng khoán Việt Nam; đặc biệt là Malaysia và Thái Lan vì kết quả kiểm định transfer entropy từ hai quốc gia này đối với Việt Nam có ý nghĩa thống kê mạnh.
Table 3 được tóm tắt thành đồ thị phân tán trong Figure 7 . Trục hoành của đồ thị liệt kê các thị trường chứng khoán và trục tung thể hiện độ lớn transfer entropy. Transfer entropy trong Figure 7 càng lớn quốc gia càng chịu ảnh hưởng nhiều bởi thông tin từ các quốc gia khác. Đồ thị phân tán trong Hình 7 thể hiện rằng thị trường chứng khoán Việt Nam tiếp nhận thông tin từ các thị trường khác nhiều nhất trong khi Philippines, Malaysia và Indonesia ít chịu ảnh hưởng từ các thị trường trong khu vực.
Cũng cùng những kết quả tính toán transfer entropy như trong Table 3 nhưng Table 4 sắp xếp thứ tự các quốc gia theo nguồn thông tin được truyền đi. Bên cạnh nhận xét Việt Nam là quốc gia tiếp nhận thông tin nhiều nhất từ các thị trường chứng khoán trong khu vực, cũng có thể thấy rằng Việt Nam chỉ có truyền thông tin với mức độ khá yếu ớt đến thị trường Malaysia và Indonesia trong khi thông tin trên thị trường Philippines và Singapore cũng rất ít ảnh hưởng đến các thị trường khác trong khu vực.
| Thị trường | Transfer entropy | ||
| Nguồn | -> | Đích | |
| Indonesia | Việt Nam | 0,0098* | |
| Indonesia | Philippines | 0,0058 | |
| Indonesia | Malaysia | 0,0084* | |
| Indonesia | Indonesia | - | |
| Indonesia | Thái Lan | 0,0125*** | |
| Indonesia | Singapore | 0,0047 | |
| Malaysia | Việt Nam | 0,0127*** | |
| Malaysia | Philippines | 0,0075 | |
| Malaysia | Malaysia | - | |
| Malaysia | Indonesia | 0,0071 | |
| Malaysia | Thái Lan | 0,0105** | |
| Malaysia | Singapore | 0,0097** | |
| Philippines | Việt Nam | 0,0089* | |
| Philippines | Philippines | - | |
| Philippines | Malaysia | 0,0061 | |
| Philippines | Indonesia | 0,0061 | |
| Philippines | Thái Lan | 0,0071 | |
| Philippines | Singapore | 0,0031 | |
| Singapore | Việt Nam | 0,0071 | |
| Singapore | Philippines | 0,0089* | |
| Singapore | Malaysia | 0,0058 | |
| Singapore | Indonesia | 0,0040 | |
| Singapore | Thái Lan | 0,0054 | |
| Singapore | Singapore | - | |
| Thái Lan | Việt Nam | 0,0114*** | |
| Thái Lan | Philippines | 0,0115** | |
| Thái Lan | Malaysia | 0,0080 | |
| Thái Lan | Indonesia | 0,0067 | |
| Thái Lan | Thái Lan | - | |
| Thái Lan | Singapore | 0,0039 | |
| Việt Nam | Việt Nam | - | |
| Việt Nam | Philippines | 0,0061 | |
| Việt Nam | Malaysia | 0,0108** | |
| Việt Nam | Indonesia | 0,0088* | |
| Việt Nam | Thái Lan | 0,0077 | |
| Việt Nam | Singapore | 0,0061 | |
(sắp xếp theo quốc gia truyền thông tin)
Kết quả thể hiện trên Table 4 cũng được tóm tắt và thể hiện bằng đồ thị phân tán như ở Figure 8 . Theo mức độ phân tán transfer entropy của từng quốc gia, có thể thấy rằng Thái Lan là quốc gia truyền thông tin mạnh mẽ nhất đến các quốc gia khác trong khu vực trong khi Malaysia và Indonesia tham gia vào các luồn di chuyển thông tin giữa các thị trường.
KẾT LUẬN
Bài viết sử dụng tính toán transfer entropy để đo lường và xác định các luồng thông tin di chuyển giữa các thị trường chứng khoán ở khu vực Đông Nam Á. Số liệu về chỉ số chứng khoán và tỷ suất sinh lợi của sáu thị trường bao gồm Việt Nam, Philippines, Malaysia, Indonesia, Thái Lan và Singapore được thu thập trong khoảng thời gian từ tháng 3 năm 2012 đến tháng 10 năm 2019 được dùng để tính toán các transfer entropy này.
Danh mục từ viết tắt
ASEAN: Hiệp hội các quốc gia Đông Nam Á
Tuyên bố xung đột lợi ích
Nhóm tác giả xin cam đoan rằng không có bất kì xung đột lợi ích nào trong công bố bài báo.
Tuyên bố đóng góp của các tác giả
Tác giả đã tự thu thập dữ liệu thứ cấp về giá cửa chứng khoán của các thị trường chứng khoán trong khu vực để tính toán transfer entropy, đo lường dòng chảy thông tin giữa các thị trường và phân tích các kết quả và đưa ra các hàm ý sử dụng kết quả nghiên cứu.
References
- Schreiber T., R.L. Phys. Measuring Information Transfer. . 2000;;85(2):461. PubMed Google Scholar
- R. Marschinski, Kantz H.. Analysing the information flow between financial time series. The European Physical Journal B. 2002;30(2):275-281. Google Scholar
- C. Shannon. A mathematical theory of communication. Bell System Technical Journal. 1948;27:379-423. Google Scholar
- Bandt C., Pompe B.. Permutation entropy: A natural complexity measure for time series. Physical Review Letters. 2002;88(17):174102:1-174102:4. PubMed Google Scholar
- Pincus SM.. Approximate entropy as a measure of system complexity. Proceedings of the National Academy of Sciences. 1991;88(6):2297-2301. PubMed Google Scholar
- Richman JS., Moorman JR.. Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology-Heart and Circulatory Physiology. 2000;;278(6):H2039-H2049. PubMed Google Scholar
- Sensoy A., Sobaci C., Sensoy S., Alali F.. Effective transfer entropy approach to information flow between exchange rates and stock markets. Chaos, Solitons & Fractals. 2014;68:180-185. Google Scholar
- Daugherty M.S., Jithendranathan T.. A study of linkages between frontier markets and the U.S. equity markets using multivariate GARCH and transfer entropy. Journal of Multinational Financial Management. 2015;32:95-115. Google Scholar
- J. He, P. Shang. Comparison of transfer entropy methods for financial time series. Physica A: Statistical Mechanics and Its Applications. 2017;482:772-785. Google Scholar
