Mối quan hệ giữa suất sinh lợi, độ biến thiên và khối lượng giao dịch tại thị trường chứng khoán thành phố Hồ Chí Minh

Sè 149 + 150/2021 thương mại
khoa học
1
3 
14 
25 
35 
43 
50 
63 
76 
MỤC LỤC 
KINH TẾ VÀ QUẢN LÝ 
1. Trần Việt Thảo và Vũ Thị Thanh Huyền - Tác động liên kết của phát triển ngành công nghiệp hỗ 
trợ Việt Nam trong bối cảnh đại dịch COVID-19: tiếp cận theo phương pháp bảng cân đối liên ngành, 
Mã số: 149+150.1 DEco.11 
The Impacts of Linkages in the Development of Vietnam’s Supporting Industries in the Context 
of the Covid-19: Inter-Sector Balance Sheet Approach 
2. Phan Thị Thu Hiền và Bùi Thái Quang - Nghiên cứu yếu tố ảnh hưởng đến hành vi tuân thủ pháp 
luật xuất nhập khẩu hàng hóa của các doanh nghiệp Việt Nam. Mã số: 149+150.1IIEM.12 
A Study on the Factors Affecting Goods Import-Export Law Compliance by Vietnamese 
Enterprises 
3. Phạm Lê Hồng Nhung, Nguyễn Nhật Minh, Nguyễn Thị Tú Trinh và Đinh Công Thành - Phát 
triển du lịch cụm Cần Thơ - Sóc Trăng - Bạc Liêu - Cà Mau theo hướng liên kết mạng lưới các điểm 
du lịch. Mã số: 149+150.1TrEM.11 
Tourism development in association of tourist attractions in Can Tho- Soc Trang- Bac Lieu- 
Ca Mau 
4. Lê Thanh Huyền - Ảnh hưởng của các yếu tố bên trong đến khả năng sinh lời của doanh nghiệp 
niêm yết ngành sản xuất, chế biến thực phẩm ở Việt Nam. Mã số: 149+150.1FiBa.11 
The effects of internal factors on profitability of various listed companies in Vietnamese food 
processing industry 
QUẢN TRỊ KINH DOANH 
5. Lê Đình Nghi - Mối quan hệ giữa suất sinh lợi, độ biến thiên và khối lượng giao dịch tại thị trường 
chứng khoán Thành phố Hồ Chí Minh. Mã số: 149+150.2FiBa.21 
The Relationship among Return, Volatility, and Trade Volume on Hochiminh City Stock 
Exchange (HOSE) 
6. Đào Tuyết Lan - Hiệu quả áp dụng chuẩn mực kế toán thuế thu nhập doanh nghiệp tại các doanh 
nghiệp trên địa bàn TP. HCM. Mã số: 149+150.2 BAcc.22 
The Efficiency of Corporate Income Tax (CIT) Accounting Standards in Enterprises in Ho Chi Minh 
7. Ngô Thị Khuê Thư, Trương Bá Thanh và Trần Triệu Khải - Ảnh hưởng của chất lượng tích hợp 
kênh đến lòng trung thành khách hàng trong ngành khách sạn ở Việt Nam. Mã số: 149+150.2BMkt.21 
The Effect of Multi-channel Integration Quality on Customer Loyalty in the Hotel Industry in Vietnam 
8. Nguyễn Thị Phương Anh và Vũ Huy Thông - Hành vi mua ngẫu hứng của người tiêu dùng Việt 
Nam theo độ tuổi, thu nhập và nghề nghiệp: Nghiên cứu sản phẩm quần áo may sẵn. Mã số: 
149+150.2BMkt.22 
Impulse Buying Behaviour of Vietnamese Consumers by Age, Income, and Profession: Case 
Study on Ready-to-Wear Clothing Products 
ISSN 1859-3666
Sè 149 + 150/20212 thương mại
khoa học
9. Nguyễn Thị Thanh Nhàn và Vũ Tuấn Dương - Nghiên cứu sự hài lòng của sinh viên với 
chương trình đào tạo đặc thù ngành du lịch. Mã số: 149+150.2OMIS.21 
Study on Student Satisfaction with the Tourism -Specific Training Program 
10. Vũ Thị Kim Anh - Phương pháp tiếp cận kiểm toán nội bộ dựa trên rủi ro trong doanh nghiệp: 
nghiên cứu tại các doanh nghiệp kinh doanh bất động sản Việt Nam. Mã số: 149+150.2DEco.21 
Risk-Based Internal Audit in Enterprises: Case Study in Vietnamese Real Estate Businesses 
11. Nguyễn Tuấn Kiệt và Hồ Hữu Phương Chi - Thái độ đối với rủi ro của nông dân Đồng bằng 
Sông Cửu Long: Bằng chứng thực nghiệm với thang đo DOSPERT. Mã số: 149+150.2 
The Attitudes toward Risks of Framers in Mekong Delta: Experimental Evidence with 
DOSPERT 
12. Hà Minh Hiếu - Nghiên cứu yếu tố tác động đến việc lựa chọn nhà cung ứng dịch vụ logistics 
của chủ hàng Việt Nam trong thời kỳ đại dịch Covid-19. Mã số: 149+150.2BMkt.21 
A Study on Factors Affecting the Choice of Logistics Service Suppliers of Vietnam’s Goods 
Owners in the Covid-19 Pandemic 
13. Nguyễn Trần Hưng và Đỗ Thị Thu Hiền - Nghiên cứu các yếu tố ảnh hưởng đến quyết định 
sử dụng ứng dụng du lịch thông minh của du khách đến Hà Nội. Mã số: 149+150.2TRMg.21 
A Study on the Factors Affecting the Decision to Use Smart Travel Apps by Visitors to 
Hanoi 
14. Nguyễn Hữu Khôi, Nguyễn Thị Nga và Bùi Hoàng Ngọc - Mối quan hệ giữa tính “sành điệu” 
của sản phẩm thời trang, giá trị cảm nhận và ý định mua của người tiêu dùng trẻ tuổi tại Nha Trang. 
Mã số: 149+150.2BMkt.21 
The Relationship between the “Excellence” of the Fashion Products, the Perceived Value, 
and the Purchase Intention of Young Consumers in Nha Trang City 
Ý KIẾN TRAO ĐỔI 
15. Hoàng Thanh Hạnh - Một số vấn đề lý luận về kiểm toán kê khai tài sản - thu nhập do kiểm 
toán nhà nước thực hiện. Mã số: 149+150.3BAcc.32 
Several Theoretical Issues on Asset and Income Declaration Auditing by State Audit 
16. Nguyễn Thị Phương Thảo và Nguyễn Văn Anh - Đánh giá sự hài lòng của người dân đối với 
chất lượng dịch vụ công trực tuyến - Góc nhìn từ những người đã sử dụng dịch vụ. Mã số: 
149+150.3OMIS.32 
Assessment of citizen's satisfaction with online public service quality - Perspective from 
those who have used the online service 
17. Đinh Văn Toàn - Nghiên cứu doanh nghiệp học thuật Spin-offs từ các trường đại học trên thế 
giới và những vấn đề đặt ra đối với giáo dục đại học Việt Nam. Mã số: 149+150.3OMIS.31 
Research on Spin-offs in Universities in the World and Problems of Tertiary Education in 
Vietnam 
82 
93 
104 
115 
123 
137 
148 
156 
167 
1. Giới thiệu 
Một trong những lĩnh vực thu hút nhiều sự quan 
tâm của các nhà nghiên cứu tài chính và nhà đầu tư 
trên thị trường chứng khoán (TTCK) là khả năng dự 
báo giá chứng khoán, trong đó việc xác định các yếu 
tố có tác động đáng kể lên sự thay đổi giá cổ phiếu 
đóng vai trò quan trọng. Các nghiên cứu này thường 
sử dụng kỹ thuật phân tích hồi quy (regression) hoặc 
kiểm định nhân quả (causality) để xác định mối 
quan hệ giữa giá cổ phiếu và các yếu tố khác như lợi 
nhuận doanh nghiệp, tỷ số giá trị sổ sách/giá trị thị 
trường của công ty, tỷ giá hối đoái, lãi suất, lạm 
phát, cung tiền, tăng trưởng kinh tế, (Rashid, 
2007). Một vấn đề gặp phải đối với các nghiên cứu 
này là giá cổ phiếu thường biến động thường xuyên, 
trong khi các biến số kinh tế và tài chính khác lại rất 
ít biến động. Vì vậy, các biến này sẽ khó có khả 
năng giải thích những biến động hàng ngày của giá 
cố phiếu trên TTCK. 
Khối lượng giao dịch, cũng là một biến số cũng 
biến động thường xuyên tương tự như giá cổ phiếu, 
có thể là một biến số giải thích cho sự biến động giá 
cổ phiếu (Rashid, 2007). Vì vậy, nhiều nghiên cứu 
đã phân tích về mối quan hệ giữa SSL và KLGD tại 
nhiều thị trường khác nhau như các nghiên cứu của 
Rashid (2007), Miller (1977), Mpofu (2011), Chen 
và cộng sự (2001), Alkhazali (2014), Tuy nhiên, 
nhóm tác giả vẫn chưa tìm thấy nhiều nghiên cứu 
tương tự tại TTCK Việt Nam, đặc biệt là nghiên cứu 
đồng thời tác động 2 chiều giữa KLGD và SSL, 
cũng như ảnh hưởng của KLGD lên độ biến thiên. 
Vì vậy, nghiên cứu sẽ phân tích mối quan hệ giữa 
SSL, độ biến thiên và KLGD trên TTCK TP. HCM. 
Kết quả phân tích sẽ cung cấp các thông tin cần thiết 
cho các nhà đầu tư để ra quyết định. Nếu mối quan 
hệ giữa SSL và KLGD có ý nghĩa thống kê, nhà đầu 
tư sẽ có thể sử dụng các thông tin biến động khối 
lượng giao dịch để dự báo sự thay đổi giá chứng 
khoán, từ đó giúp họ ra quyết định chính xác hơn. 
2. Cơ sở lý thuyết 
Khối lượng giao dịch là một biến quan trọng có 
ảnh hưởng đến SSL cổ phiếu. Giá cổ phiếu và khối 
lượng giao dịch là hai chỉ số cơ bản đánh giá hoạt 
động của thị trường chứng khoán và cùng chịu tác 
động bởi biến động thị trường giống nhau (Rashid, 
2007). Cùng với giá cổ phiếu, khối lượng giao dịch 
43
?
Sè 149 + 150/2021
QUẢN TRỊ KINH DOANH
thương mại
khoa học
MỐI QUAN HỆ GIỮA SUẤT SINH LỢI, ĐỘ BIẾN THIÊN 
VÀ KHỐI LƯỢNG GIAO DỊCH TẠI THỊ TRƯỜNG CHỨNG KHOÁN 
THÀNH PHỐ HỒ CHÍ MINH 
Lê Đình Nghi 
Trường Đại học Sài Gòn 
Email: nghiledinh@sgu.edu.vn 
Ngày nhận: 06/10/2020 Ngày nhận lại: 02/12/2020 Ngày duyệt đăng: 08/12/2020 
Từ khóa: Thị trường chứng khoán, khối lượng giao dịch, suất sinh lợi, độ biến thiên.
JEL Classifications: G10, G12, G30 
B
 ài báo phân tích mối quan hệ giữa suất sinh lợi (SSL), độ biến thiên và khối lượng giao dịch 
(KLGD) trên Sàn giao dịch chứng khoán TP. HCM (HOSE) trong giai đoạn 05/01/2015 đến 
14/02/2020. Sử dụng kiểm định nhân quả Granger và mô hình GARCH, kết quả nghiên cứu chỉ ra mối quan 
hệ hai chiều giữa SSL và KLGD trên HOSE. Ngoài ra, nghiên cứu cũng chỉ ra KLGD có tác động lên độ 
biến thiên trên Sàn giao dịch chứng khoán TP. HCM. Nghiên cứu đã cung cấp thêm bằng chứng về mối quan 
hệ giữa SSL, độ biến thiên và KLGD trên Thị trường chứng khoán Việt Nam, đồng thời cung cấp các thông 
tin quan trọng cho nhà đầu tư và nhà hoạch định chính sách trong các quyết định đầu tư và quản lý. 
?phản ánh kỳ vọng của nhà đầu tư trong tương lai khi 
đầu tư trên TTCK. Miller (1977) cho rằng khi các 
nhà đầu tư có quan điểm khác nhau về giá trị của một 
cổ phiếu, người nắm giữ cổ phiếu sẽ thể hiện sự lạc 
quan của họ về giá cổ phiếu bằng cách thúc đẩy sự 
gia tăng cầu của cổ phiếu, từ đó dẫn đến sự gia tăng 
giá cổ phiếu. Ông cho rằng khi nhà đầu tư có quan 
điểm khác nhau về giá trị cổ phiếu và đối diện với sự 
thiếu hụt cổ phiếu, giá cổ phiếu sẽ phản ánh ý kiến 
của những nhà đầu tư lạc quan, buộc giá cổ phiếu 
phải tăng. Từ giả thuyết này, người ta có thể kết luận 
rằng nếu có sự khác biệt lớn về giá trị của một cổ 
phiếu giữa các nhà đầu tư, thì cổ phiếu đó có khả 
năng được giao dịch ở mức cao (Mpofu, 2011). Theo 
Blume và cộng sự (1994), khối lượng giao dịch phản 
ánh các thông tin quan trọng về hoạt động giao dịch 
đầu cơ trên TTCK. Vì vậy, biến động của khối lượng 
giao dịch là chỉ báo quan trọng cho các biến động giá 
cổ phiếu trên TTCK. Nhận định này cũng được 
khẳng định trong nghiên cứu của Gervais và cộng sự 
(2001). Ngoài ra, theo Phylaktis và cộng sự (1999), 
mối quan hệ giữa KLGD và độ biến thiên SSL được 
giải thích thông qua giả thuyết hỗn hợp phân phối 
MDH (Mixture of Distributions Hypothesis), theo 
đó, độ biến thiên của của SSL cổ phiếu có tương 
quan cùng chiều với khối lượng giao dịch. Giả thuyết 
này cho rằng độ biến thiên thay đổi theo thời gian 
của chuỗi SSL cổ phiếu có thể được giải thích bằng 
một biến có tương quan nối tiếp đại diện cho luồng 
thông tin đến thị trường. Cụ thể hơn, khi có ít thông 
tin, nhà đầu tư sẽ dễ đồng quan điểm trong dự đoán. 
Nhưng khi thông tin bơm vào thị trường càng nhiều, 
sẽ dẫn đến việc cộng đồng nhà đầu tư có nhiều dự 
đoán rất khác nhau. Khi các nhà đầu tư có kỳ vọng 
khác nhau, họ sẽ giao dịch để nhằm hiện thực hóa kỳ 
vọng của mình. Vậy khi nhiều nhà đầu tư có kỳ vọng 
khác nhau, thì số lượng nhà đầu tư tham gia cũng 
như khối lượng giao dịch sẽ tăng lên (Nguyễn Thu 
Hiền & Lê Đình Nghi, 2010). 
Nhiều nghiên cứu về mối quan hệ giữa SSL và 
khối lượng giao dịch tập trung vào mối quan hệ 
nhân quả (causality) giữa chúng (Rashid, 2007), như 
Jain & Joh (1988), Smirlock & Starks (1988), 
Rogalski (1978) Kiểm định nhân quả sẽ cung cấp 
thông tin quan trọng cho biết thông tin quá khứ của 
SSL (hoặc khối lượng giao dịch) sẽ giúp dự báo sự 
thay đổi của khối lượng giao dịch (hoặc SSL) trong 
tương lai. Kiểm định nhân quả Granger (Granger 
Causality Test) là công cụ hiệu quả để kiểm định 
mối quan hệ này (Rashid, 2007). 
Nhiều nghiên cứu lý thuyết đã giải thích mối 
quan hệ giữa SSL và khối lượng giao dịch trên 
TTCK. Cụ thể: 
Chen và cộng sự (2001) sử dụng kiểm định nhân 
quả Granger để phân tích mối quan hệ giữa SSL, 
khối lượng giao dịch và độ biến thiên của các chỉ số 
thị trường. Sử dụng số liệu của chín thị trường gồm 
New York, Tokyo, London, Paris, Toronto, Milan, 
Zurich, Amsterdam và Hong Kong trong giai đoạn 
từ 1973 đến 2000, nghiên cứu đã chỉ ra mối quan hệ 
đồng biến giữa SSL và khối lượng giao dịch trên các 
thị trường. Kiểm định nhân quả Granger cũng chỉ ra 
tại một số thị trường, SSL có thể tác động lên khối 
lượng giao dịch và khối lượng giao dịch cũng có thể 
tác động lên SSL. 
Mpofu (2011) đã phân tích mối quan hệ giữa giá 
cổ phiếu là KLGD tại TTCK Nam Phi. Sử dụng số 
liệu từ 22/7/1988 đến 11/6/2012, kết quả nghiên cứu 
đã chỉ ra SSL cổ phiếu có tác động cùng chiếu với 
sự biến động của KLGD. 
Alkhazali (2014) đã nghiên cứu mối quan hệ 
giữa KLGD và SSL cổ phiếu tại TTCK Jordan 
trong giai đoạn 2000 2014. Kết quả nghiên cứu đã 
chỉ ra KLGD có tác động lên SSL cổ phiếu trên 
TTCK Jordan. 
Tại Việt Nam, Nguyễn Thu Hiền & Lê Đình 
Nghi (2010) đã phân tích ảnh hưởng của khối lượng 
giao dịch lên độ biến thiên tại TTCK Việt Nam. Sử 
dụng số liệu tại TTCK Việt Nam từ 3/2007 đến 
2/2009, kết quả nghiên cứu đã chỉ ra khối lượng giao 
dịch có tác động lên độ biến thiên với một số cổ 
phiếu, nhưng chưa đủ cở sở thống kê để khẳng định 
mối quan hệ này đối với các chỉ số thị trường. Tuy 
nhiên, nghiên cứu này chưa đánh giá ảnh hưởng của 
SSL lên khối lượng giao dịch. Ngoài ra, trong bối 
cảnh số liệu được sử dụng trong nghiên cứu này đã 
cũ và mối quan hệ giữa SSL và khối lượng giao dịch 
có thể thay đổi qua các thời kỳ khác nhau (Rashid, 
2007), việc phân tích sâu hơn tác động hai chiều 
giữa khối lượng giao dịch và SSL và cần thiết. 
3. Dữ liệu và phương pháp nghiên cứu 
3.1. Dữ liệu 
Dữ liệu nghiên cứu bao gồm dữ liệu ngày của chỉ 
số VN-Index và khối lượng giao dịch trong giai 
đoạn và 05/01/2015 đến 14/02/2020, bao gồm 1274 
quan sát. 
Sè 149 + 150/202144
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Suất sinh lợi của chuỗi VN-Index (và KLGD) 
được tính toán bằng công thức sau: 
Trong đó: ln(x) là logarithm tự nhiên của x, Pt và 
P(t-1) là chỉ số VN-Index (hoặc KLGD) tại thời điểm 
t và t-1. 
3.2. Phương pháp nghiên cứu 
Nghiên cứu sử dụng phương pháp định lượng, 
thông qua kiểm định nhân quả Granger và mô hình 
GARCH. Cụ thể: 
Kiểm định nhân quả Granger 
Granger (1969) đã xây dựng lý thuyết để kiểm 
định mối tương quan “nhân quả” (causality) giữa 
các chuỗi dữ liệu. Phương pháp đánh giá biến x tác 
động lên y dựa trên việc kiểm định xem biến y được 
giải thích bởi các giá trị của y trong quá khứ và các 
giá trị có độ trễ của x. Biến y được xem là kết quả 
Granger của x (Granger-caused by x) nếu x góp 
phần dự báo được giá trị của y, hay nói cách khác là 
các hệ số của biến trễ của x có ý nghĩa thống kê. 
Kiểm định nhân quả Granger (Granger Causality 
test) theo mô hình VAR (Vector Autoregression) có 
dạng như sau (Gujarati, 2004): 
và kiểm định: β1 = β2 = ...= βl = 0 
cho mỗi phương trình ở trên. Giả thuyết H0 là: x 
không tác động nhân quả Granger lên y (x does not 
Granger-cause y) trong phương trình hồi quy ở bên 
trên và y không tác động nhân quả Granger lên x (y 
does not Granger-cause x) trong phương trình hồi 
quy ở bên dưới. Như vậy, nếu ở phương trình phía 
trên (y là biến phụ thuộc), giả thuyết H0 bị bác bỏ 
nghĩa là x tác động nhân quả Granger lên y. 
Nghiên cứu sẽ áp dụng kiểm định nhân quả 
Granger với x và y lần lượt là SSL và KLGD để 
kiểm định mối quan hệ giữa hai đại lượng này 
trên HOSE 
Mô hình GARCH 
Bollerslev (1986) là người đầu  ... 
Các chuỗi dữ liệu được kiểm định tính dừng 
bằng kiểm định ADF. Kết quả được trình bày trong 
bảng sau: 
Bảng trên cho thấy giả thuyết H0 bị bác bỏ ở mức 
ý nghĩa 1%, nghĩa là cả hai chuỗi SSL đều dừng. 
Như vậy, việc thực hiện kiểm định nhân quả Granger 
đối với các cặp chuỗi dữ liệu này là phù hợp. 
4.3. Kiểm định nhân quả Granger 
Nghiên cứu dùng tiêu chuẩn AIC (Akaike 
Information Criterion) để chọn mô hình VAR phù 
hợp nhằm kiểm định nhân quả Granger. Lý do sử 
dụng tiêu chuẩn này là vì AIC được xem là phù hợp 
trong việc lựa chọn mô hình VAR tối ưu, được đề 
xuất trong các giáo trình của (Gujarati, 2004) được 
áp dụng trong nhiều phân tích tương tự như của 
(Gradojevic, 2013), (Ciner, 2011), (Nghi & Kieu, 
2020) Dùng tiêu chuẩn AIC, nghiên cứu xác định 
được bậc tốt nhất của mô hình VAR với hai chuỗi dữ 
liệu trên là 7. Từ đó, nghiên cứu thực hiện kiểm định 
nhân quả Granger với độ trễ là 7. Kết quả kiểm định 
nhân quả Granger được trình bày trong Bảng sau: 
Kết quả trên cho thấy có mối quan hệ hai chiều 
giữa SSL và khối lượng giao dịch trên TTCK Việt 
Nam. Như vậy, nhà đầu tư có thể sử dụng thông tin 
về KLGD để dự báo sự thay đổi giá cổ phiếu trên 
HOSE và ngược lại 
4.4. Đánh giá ảnh hưởng của KLGD lên SSL 
Quy tắc Box-Jenkin (Gujarati, 2004) được áp 
dụng để xác định phương trình mô tả SSL và 
GARCH (1,1) được dùng để mô tả độ biến thiên. Lý 
do chọn mô hình này là GARCH (1,1) là mô hình 
hợp lý và được áp dụng trong hầu hết các nghiên cứu 
tương tự. Các trường hợp mô hình GARCH (p,q) với 
các hệ số p,q lớn hơn thường chỉ được dùng trong 
các chuỗi dữ liệu rất dài như chuỗi dữ liệu ngày của 
một vài thập kỉ hoặc dữ liệu giờ của một năm (Engle, 
2001). Nhận định này cũng phù hợp với giáo trình 
của (Alexander, 2001). Kết quả ước lượng với mô 
hình GARCH(1,1) như trong Bảng 4: 
Ước lượng GARCH tại cả TTCK Việt Nam cho 
thấy các hệ số α (thành phần ARCH) và β (thành 
phần GARCH) đều có ý nghĩa thống kê ở mức 1%, 
chứng tỏ độ biến thiên tại TTCK Việt Nam phụ 
thuộc vào cả độ biến thiên và thành phần sai số (đại 
diện cho sự tăng giảm ngoài kì vọng của NĐT) 
trong giai đoạn trước đó. 
Nghiên cứu bổ sung biến KLGD vào mô hình trên 
để đánh giá ảnh hưởng của KLGD đến SSL của VN-
Index. Kết quả nghiên cứu được trình bày trong Bảng 5: 
Bảng 5 cho thấy KLGD có tác động lên SSL tại 
HOSE. Kết quả này cũng phù hợp với kết quả phân 
tích bằng kiểm định nhân quả Granger đã được trình 
Sè 149 + 150/202146
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 1: Thống kê mô tả các chuỗi dữ liệu 
 KLGD SSL (VN-Index) 
Trung bình (Mean) 0.000628 0.000427 
Trung vӏ (Median) 0.000685 0.000938 
Ĉӝ lӋch chuҭn (Std. Dev) 0.195782 0.009721 
Ĉӝ nghiêng (Skewness) 0.112685 -0.617480 
Ĉӝ nhӑn (Kurtosis) 4.557304 6.472194 
Bảng 2: Kiểm định tính dừng các chuỗi dữ liệu 
bằng kiểm định ADF 
(Nguồn: Tính toán của tác giả) 
 SSL (VN-Index) SSL (KLGD) 
Giҧ thuyӃt H0 Chuӛi không dӯng Chuӛi không dӯng 
t-Statistic 
-33.85269 -24.96476 
KӃt luұn Bác bӓ ӣ mӭc 1% Bác bӓ ӣ mӭc 1% 
Bảng 3: Kiểm định nhân quả Granger 
(Nguồn: Tính toán của tác giả) 
 KiӇPÿӏnh nhân quҧ Granger 
Giҧ thuyӃt H0 SSL cӫa VN-,QGH[NK{QJWiFÿӝng 
nhân quҧ Granger lên khӕLOѭӧng giao 
dӏch tҥi HOSE. 
KhӕLOѭӧng giao dӏch tҥi HOSE không 
WiFÿӝng nhân quҧ Granger lên SSL 
cӫa VN-Index. 
F-Statistics 7.58097 2.38386 
KӃt luұn Bác bӓ ӣ mӭFêQJKƭD Bác bӓ ӣ mӭc ý QJKƭD%. 
bày trong Bảng 2. Điều này cũng phù hợp với hầu 
hết các nghiên cứu trước đó, như của Chen và cộng 
sự (2001), Mpofu (2011), Alkhazali (2014), Như 
vậy, nhà đầu tư và nhà quản lý chính sách có thể sử 
dụng thông tin khối lượng giao dịch để dự báo sự 
thay đổi giá cổ phiếu trên HOSE, từ đó có thêm 
thông tin để ra quyết định đầu tư cũng như đưa ra 
các chính sách phù hợp. 
4.5. Ảnh hưởng của KLGD lên độ biến thiên 
Nghiên cứu tiếp tục sử dụng mô hình GARCH 
để phân tích ảnh hưởng của KLGD lên độ biến thiên 
tại HOSE. Kết quả ước lượng GARCH được trình 
bày trong Bảng 6: 
Bảng 6 cho thấy KLGD có tác động lên độ biến 
thiên tại HOSE. Như vậy, nghiên cứu đã chỉ ra 
KLGD có tác động lên độ biến thiên SSL tại HOSE. 
Như vậy, kết quả kiểm định cho thấy mối quan hệ 
giữa KLGD và độ biến thiên tuân theo giả thuyết 
hỗn hợp phân phối, nghĩa là khối lượng giao dịch là 
một biến có ý nghĩa giải thích độ biến thiên SSL. 
Như vậy, nhà đầu tư và nhà hoạch định chính sách 
có thể sử dụng thông tin KLGD để dự báo độ biến 
thiên của thị trường, từ đó có thêm thông tin để đầu 
tư cũng như kiểm soát rủi ro thị trường tốt hơn. 
4.6. Thảo luận kết quả nghiên cứu 
Kết quả kiểm định ở trên cho thấy KLGD có tác 
động đang kể lên cả SSL và độ biến thiên SSL trên 
HOSE. Các kết quả này phù hợp với các nghiên cứu 
trước tại nhiều thị trường khác nhau trên thế giới 
như Chen và cộng sự (2001), Mpofu (2011), 
Alkhazali (2014), Rashid (2007),  Tương tự như 
các nghiên cứu trước, nguyên nhân có thể lý giải cho 
mối quan hệ này trên HOSE là do KLGD phản ánh 
mức độ hoạt động giao dịch và đầu cơ, và vì vậy nên 
sẽ ảnh hưởng đáng kể đến sự thay đổi giá cổ phiếu 
(Blume và cộng sự, 1994). Khối lượng giao dịch 
cũng cho thấy niềm tin của nhà đầu tư đối với thị 
47
?
Sè 149 + 150/2021
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 4: Ước lượng GARCH 
Ghi chú: *, **, *** lần lượt đại diện cho các 
mức ý nghĩa 10%, 5% và 1%. 
(Nguồn: Tính toán của tác giả)
 
HӋ sӕ Giá trӏ
BiӇu thӭc trung bình
0.000516**
0.640141*
-0.629211*
BiӇu thӭF ÿӝ biӃn thiên
2.22E-06***
0 098339***.
0.880743***
Bảng 5: Ảnh hưởng của KLGD lên SSL 
Ghi chú: *, **, *** lần lượt đại diện cho các 
mức ý nghĩa 10%, 5% và 1%. 
(Nguồn: Tính toán của tác giả)
 
*
*
*
**
**
HӋ sӕ Giá trӏ
BiӇu thӭc trung bình
0.000547*
0.639157
-0.628185
0.002991*
BiӇu thӭF ÿӝ biӃn thiên
2 15E-06*.
0.098480***
0.881084***
Bảng 6: Ảnh hưởng của KLGD lên độ biến thiên 
Ghi chú: *, **, *** lần lượt đại diện cho các 
mức ý nghĩa 10%, 5% và 1%. 
(Nguồn: Tính toán của tác giả) 
 
+
HӋ sӕ Giá trӏ
BiӇu thӭc trung bình
0.0006
0.604
-0.597
BiӇu thӭF ÿӝ biӃn thiên
5.38E-
0 1071
94***
844**
967**
06***
79***.
0.823166***
8.88E-05***
?trường trong tương lai. Ví dụ, khi thị trường được kỳ 
vọng tăng trưởng tốt, lượng tiền liên tục được đưa 
vào thị trường góp phần làm tăng khối lượng giao 
dịch, đồng thời kéo theo sự tăng trưởng giá cổ phiếu 
theo kỳ vọng của nhà đầu tư. Ngược lại, khối lượng 
giao dịch giảm cho thấy nhà đầu tư ít quan tâm hoặc 
không tìm thấy cơ hội tìm kiếm lợi nhuận trên thị 
trường, họ sẽ ít tham gia thị trường, góp phần làm 
giảm cầu cổ phiếu, kéo theo giá cổ phiếu giảm. Vì 
vậy, khối lượng giao dịch sẽ góp phần giải thích cho 
sự biến động của giá cổ phiếu. Ngoài ra, lý thuyết 
Hỗn hợp phân phối MDH (Mixture of Distributions 
Hypothesis) cũng góp phần giải thích cho tác động 
của KLGD lên độ biến thiên SSL (Phylaktis và cộng 
sự, 1999). Theo đó, KLGD đại diện cho luồng thông 
tin đến thị trường. Khối lượng giao dịch tăng đại 
diện cho thời điểm thị trường nhận nhiều thông tin 
khác nhau (Nguyễn Thu Hiền & Lê Đình Nghi, 
2010). Khi đó, nhà đầu tư có thể sẽ có nhiều quan 
điểm và phản ứng khác nhau đối với thông tin mà họ 
nhận được. Sự khác biệt này dẫn đến sự không đồng 
nhất và đa dạng trong các quyết định mua bán cổ 
phiếu, dẫn đến sự gia tăng đáng kể độ biến thiên giá 
cổ phiếu. Vì vậy, giả thuyết hỗn hợp phân phối sẽ 
góp phần giải thích cho tác động của KLGD lên độ 
biến thiên SSL trên HOSE. 
5. Kết luận và hàm ý quản trị. 
Sử dụng dữ liệu giá và KLGD tại HOSE trong 
giai đoạn từ 05/01/2015 đến 14/02/2020, nghiên cứu 
đã phân tích mối quan hệ giữa SSL và KLGD tại 
TTCK TP. HCM. Kết quả kiểm định nhân quả 
Granger cho thấy tác động 2 chiều giữa KLGD và 
SSL trên HOSE. Đồng thời, kiểm định tác động của 
KLGD lên SSL và độ biến thiên bằng các dạng mô 
hình GARCH cũng cho thấy KLGD là một biến số 
có ảnh hưởng đến SSL và độ biến thiên trên sàn 
HOSE. Như vậy, các nhà đầu tư và hoạch định chính 
sách có thể sử dụng thông tin KLGD để ra các quyết 
định đầu tư và quản lý trên TTCK Việt Nam. Kết quả 
nghiên cứu cũng cung cấp thêm bằng chứng về mối 
quan hệ giữa SSL và KLGD trên TTCK Việt Nam. 
Từ kết quả phân tích trên, nghiên cứu đưa ra một 
số hàm ý quản trị và khuyến nghị như sau: 
Đối với nhà đầu tư, phân tích kỹ thuật, trong đó 
sử dụng khối lượng giao dịch sẽ là công cụ hữu hiệu 
để phân tích và dự báo sự thay đổi giá chứng khoán. 
Cụ thể hơn, khi KLGD thay đổi theo hướng gia 
tăng, hàm ý về sự gia tăng giá cổ phiếu và ngược lại. 
Khi đó, nhà đầu tư có thể dựa vào sự thay đổi trong 
KLGD để dự báo sự thay đổi giá chứng khoán, từ đó 
ra quyết định đầu tư chứng khoán phù hợp. 
Đối với các cơ quan quản lý thị trường chứng 
khoán, vì KLGD có tác động có ý nghĩa lên độ biến 
thiên SSL cổ phiếu, việc dựa vào KLGD để kịp thời 
ra các quyết định quản lý đóng vai trò rất quan 
trọng. Bởi vì độ biến thiên SSL trên thị trường 
chứng khoán đại diện cho rủi ro thị trường (Nghi, 
2012), các nhà quản lý cần theo dõi sự biến động 
của KLGD trên thị trường chứng khoán để kịp thời 
ra quyết định quản lý nhằm hạn chế rủi ro trên thị 
trường. Cụ thể hơn, nếu có sự thay đổi đột biến của 
KLGD trên thị trường có thể sẽ dẫn đến gia tăng độ 
biến thiên giá cổ phiếu, làm gia tăng rủi ro thị trường 
nói chung. Khi đó, các nhà quản lý chính sách cần 
chú ý đến sự thay đổi này của KLGD để kịp thời ra 
các quyết định quản lý, nhằm hạn chế rủi ro và đảm 
bảo sự phát triển ổn định trên thị trường chứng 
khoán. Trong trường hợp này, nhà quản lý thị trường 
có thể chuẩn bị các biện pháp phù hợp và hiệu quả, 
như kiểm soát tốt hơn thông tin trên thị trường, cũng 
như đảm bảo tốt hơn tính công khai, minh bạch, 
hoàn thiện hệ thống luật pháp liên quan đến thị 
trường chứng khoán nhằm giảm thiểu các hiện 
tượng làm giá, lũng đoạn thị trường, nhằm đối 
phó với sự gia tăng rủi ro biến động giá chứng 
khoán, đảm bảo sự phát triển ổn định của thị trường. 
Tóm lại, nghiên cứu đã phát hiện mối quan hệ giữa 
KLGD, SSL và độ biến thiên SSL, từ đó cung cấp 
các thông tin giúp nhà đầu tư và nhà quản lý có thêm 
thông tin để dự báo sự thay đổi giá cổ phiếu cũng 
như rủi ro thị trường, từ đó kịp thời ra các quyết định 
hợp lý.u 
Tài liệu tham khảo: 
1. Alexander, C. (2001), Market Models, A guide 
to Financial Data Analysis, John Wiley & Sons. 
2. Alkhazali, A. S. (2014), The relationship 
between trading volume and stock returns index of 
Amman stocks exchange analytical study (2000-
2014), Global Journal of Management and Business 
Research: B Economics and Commerce, 14(7). 
3. Blume, L., Easley, D., & O’Hara, M. (1994), 
Market Statistics and Technical Analysis: The Role 
of Volume, The Journal of Finance, 49(1), 153. 
https://doi.org/10.2307/2329139 
Sè 149 + 150/202148
QUẢN TRỊ KINH DOANH
thương mại
khoa học
4. Bollerslev, T. (1986), Generalized autoregres-
sive conditional heteroskedasticity, Journal of 
Econometrics, 31(3), 307-327. 
https://doi.org/10.1016/0304-4076(86)90063-1 
5. Chen, G. meng, Firth, M., & Rui, O. M. 
(2001), The dynamic relation between stock returns, 
trading volume, and volatility, Financial Review, 
36(3), 153–174. https://doi.org/10.1111/j.1540-
6288.2001.tb00024.x 
6. Ciner, C. (2011), Information transmission 
across currency futures markets : Evidence from fre-
quency domain tests. International Review of 
Financial Analysis, 20(3), 134–139. 
https://doi.org/10.1016/j.irfa.2011.02.010 
7. Engle, R. (2001), GARCH 101: The Use of 
ARCH/GARCH Models in Applied Econometrics, 
Journal of Economic Perspectives, 15(4), 157–168. 
https://doi.org/10.1257/jep.15.4.157 
8. Gervais, S., Kaniel, R., & Mingelgrin, D. H. 
(2001), The high-volume return premium, Journal of 
Finance, 56(3), 877-919. https://doi.org/10.1111/ 
0022-1082.00349 
9. Gradojevic, N. (2013), Causality between 
Regional Stock Markets : A Frequency Domain 
Approach, Panoeconomicus, 76(February 2012), 
633–647. https://doi.org/10.2298/PAN1305633G 
10. Granger, C. W. J. (1969), Investigating 
Causal Relations by Econometric Models and Cross-
spectral Methods, Econometrica, 37(3), 424–438. 
11. Gujarati. (2004), Basic Econometrics, The 
McGraw−Hill. 
12. Jain, C. ., & Joh, G.-H. (1988), The 
Dependence between Hourly Prices and Trading 
Volume, The Journal of Financial and Quantitative 
Analysis, 23(3), 269–283. 
13. Miller, E. M. (1977), Risk, uncertainty, and 
divergence of opinion, The Journal of Finance, 
32(4), 3025–3025. https://doi.org/10.1111/ 
jofi.12742 
14. Mpofu, R. T. (2011), The relationship 
between beta and stock returns in the JSE securities 
exchange in South Africa, Corporate Ownership and 
Control, 9(1 F), 558–566. https://doi.org/ 
10.22495/cocv9i1c5art5 
15. Nghi, L. D. (2012), Evaluating Impacts of 
Reduction in Fluctuation Limit on Stock Price Risks 
in Vietnam, Journal of Economic Development, 214, 
116–128. 
16. Nghi, L. D., & Kieu, N. M. (2020), Volatility 
spillover from the United States and Japanese stock 
markets to the Vietnamese stock market: A frequen-
cy domain approach, Panoeconomicus, 1–22. 
17. Nguyễn Thu Hiền, & Lê Đình Nghi. (2010), 
Kiểm chứng mô hình GARCH tại Thị trường chứng 
khoán Việt Nam, Tạp Chí Phát Triển Khoa Học và 
Công Nghệ, 13(2), 5–14. 
18. Phylaktis, K., Kavussanos, M., & Manalis, 
G. (1999), Price Limits and Stock Market Volatility 
in the Athens Stock Exchange, European Financial 
Management, 5(1), 69–84. https://doi.org/ 
10.1111/1468-036X.00080 
19. Rashid, A. (2007), Stock prices and trading 
volume: An assessment for linear and nonlinear 
Granger causality, Journal of Asian Economics, 
18(4), 595–612. https://doi.org/10.1016/j.asieco. 
2007.03.003 
20. Rogalski, R. J. (1978), The Dependence of 
Prices and Volume, The Review of Economics and 
Statistics, 60(2), 268. https://doi.org/10.2307/ 
1924980 
21. Smirlock, M., & Starks, L. (1988), An empir-
ical analysis of the stock price-volume relationship, 
Journal of Banking and Finance, 12(1), 31–41. 
https://doi.org/10.1016/0378-4266(88)90048-9 
22. Tsay, R. S. (2005), Analysis of Financial 
Time Series Second Edition, John Wiley & Sons. 
https://doi.org/10.1002/0471264105. 
 Summary 
This paper analyzes the relationship among 
return, volatility and trade volume in Ho Chi Minh 
City Stock Exchange (HOSE) from Jan 05, 2015 to 
Feb 14, 2020. Using Granger Causality Test and 
GARCH models, the results indicate the bi-direc-
tional causality between return and trading volume 
in HOSE. The results also show that the trading vol-
ume change is positively related with the volatility 
in HOSE. This study provides empirical evidences 
of the relationship among return, volatility and trade 
volume in Vietnam Stock Exchange, and helps the 
investers and policy-makers have more information 
for their decicion-makings. 
49Sè 149 + 150/2021
QUẢN TRỊ KINH DOANH
thương mại
khoa học