Mức độ thông tin bất cân xứng: minh chứng từ các công ty niêm yết trên sở giao dịch chứng khoán TP.HCM

58 KINH TẾ 
MỨC ĐỘ THÔNG TIN BẤT CÂN XỨNG: 
MINH CHỨNG TỪ CÁC CÔNG TY NIÊM YẾT TRÊN 
SỞ GIAO DỊCH CHỨNG KHOÁN TP.HCM 
Ngày nhận bài: 09/09/2015 Nguyễn Văn Ngãi1 
Ngày nhận lại: 18/12/2015 Trần Thị Tú Anh2 
Ngày duyệt đăng: 04/01/2016 Phan Bùi Gia Thủy3 
TÓM TẮT 
Nghiên cứu được thực hiện nhằm xác định mức độ thông tin bất cân xứng đại diện qua 
thành phần lựa chọn ngược (Adverse Selection Component - ASC) trên thị trường chứng khoán 
Thành phố Hồ Chí Minh (TTCK TP.HCM) giai đoạn từ 01/12/2012 đến 31/5/2013. Sử dụng 
phương pháp định lượng theo ba mô hình của Glosten và Harris (1988); Lin, Sanger và Booth 
(1995); và Kim và Ogden (1996), kết quả nghiên cứu cho thấy ASC trên TTCK TP.HCM nằm 
trong khoảng 69% đến 77% chênh lệch giữa giá đặt mua và giá đặt bán (Bid-Ask Spread). Đối 
chiếu với kết quả nghiên cứu trước, ASC có giảm ở TTCK TP.HCM nhưng hầu như ở mức cao 
so với TTCK nước ngoài. 
Từ khóa: Thông tin bất cân xứng, lựa chọn ngược, chênh lệch giá đặt mua và giá đặt bán. 
ABSTRACT 
This study aims to investigate the level of asymmetric information proxied by the Adverse 
Selection Component (ASC) in HCMC Stock Market during the period from December 1
st
, 2012 
to May 31
th
, 2013. Using quantitative methods and three models of Glosten and Harris (1988); 
Lin, Sanger and Booth (1995); and Kim and Ogden (1996), the main results of this study show 
that ASC in HCMC Stock Market is in the range 69% to 77% Bid-Ask Spread. Compared with 
the results of previous studies, ASC decreases in HCMC Stock Market, but compared to foreign 
stock market, ASC is at a higher level. 
Keywords: Asymmetric information, adverse selection, Bid-Ask spread. 
1. Giới thiệu123 
Thuật ngữ thông tin bất cân xứng 
(Asymmetric Information) xuất hiện vào năm 
1970. Khai sinh ra lý thuyết thông tin bất cân 
xứng (TTBCX) có thể kể đến Akerlof (1970). 
Theo đó, TTBCX xảy ra khi người mua và 
người bán có các thông tin khác nhau. 
Pindyck và Rubinfeld (2013) đã cho thấy hệ 
quả tất yếu của TTBCX là gây ra lựa chọn 
ngược (sản phẩm tốt bị đẩy bật ra ngoài bởi 
sản phẩm xấu), rủi ro đạo đức (cậy quyền thế 
làm sai trái), và chi phí đại diện (xung đột lợi 
ích giữa chủ thể với người đại diện). Do đó, 
1
 PGS.TS, Trường Đại học Nông Lâm TP.HCM. 
2
3
 ThS, Trường Đại học Nguyễn Tất Thành. 
TTBCX là một dạng thất bại của thị trường, 
ảnh hưởng không nhỏ đến các quyết định đầu 
tư, gây cung cầu ảo dẫn đến thị trường bong 
bóng, và tiềm ẩn nhiều nguy cơ sụp đổ. 
Thị trường chứng khoán (TTCK) ở Việt 
Nam tuy mới thành lập và phát triển khoảng 
15 năm, song cũng có những giai đoạn thăng 
trầm, ảnh hưởng sâu sắc đến toàn bộ nền kinh 
tế cả nước. Bên cạnh những mặt tích cực, 
TTCK Việt Nam nói chung và TTCK 
TP.HCM nói riêng đã bộc lộ nhiều hạn chế về 
pháp lý, cơ sở hạ tầng, cơ chế quản lý giám 
sát, các thành phần tham gia thị trường, chênh 
 ThS, CTCP Bất động sản Thiên Kim. Email: tuanhtg@gmail.com 
 TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC MỞ TP.HCM – SỐ 1 (46) 2016 59 
lệch cung cầu, thông tin minh bạch, cạnh 
tranh bình đẳng, trong đó TTBCX là vấn đề 
không thể không nhắc đến. 
Thực tế hiện nay, trên TTCK có nhiều 
thông tin được công bố nhưng độ tin cậy 
không cao, thời gian công bố chậm; nhiều 
thông tin ảnh hưởng lớn đến quyết định mua 
hay bán của nhà đầu tư nhưng lại rất khó tìm, 
chi phí cao. Hệ quả là các chỉ số thị trường 
(VN-Index, HNX-index, Upcom-index) biến 
động quá lớn trong thời gian ngắn. Nhiều 
doanh nghiệp làm ăn kém hiệu quả nhưng có 
tốc độ tăng giá cổ phiếu cao. Hoặc giá cổ 
phiếu biến động hết biên độ liên tục trong 
nhiều phiên liên tiếp nhưng không rõ nguyên 
nhân. Rõ ràng, TTBCX đã tạo nên sự mất cân 
đối trong giao dịch và kìm hãm sự phát triển 
của thị trường. 
Một trong những hệ quả của TTBCX là 
vấn đề lựa chọn ngược, khi đó chỉ có những 
cổ phiếu xấu được giao dịch và nhà đầu tư 
dần rời bỏ thị trường tạo nên sự mất thanh 
khoản, dẫn đến TTCK không thể phát triển 
thành kênh huy động và chu chuyển vốn trọng 
yếu cho nền kinh tế. Câu hỏi đặt ra đó là, mức 
độ lựa chọn ngược ở Việt Nam có thật sự 
nghiêm trọng và cách thức để đo lường mức 
độ lựa chọn ngược này như thế nào. Chính vì 
vậy, việc xác định mức độ lựa chọn ngược ở 
Việt Nam là cần thiết, tạo cơ sở cho việc xây 
dựng các giải pháp nhằm hạn chế những ảnh 
hưởng tiêu cực do vấn đề lựa chọn ngược nói 
riêng, và TTBCX nói chung gây ra. 
2. Khung nghiên cứu và cơ sở lý thuyết 
xác định mức độ lựa chọn ngược 
Lựa chọn ngược là một trong những hệ 
quả của TTBCX, xảy ra trước khi giao dịch 
được thực hiện. Lựa chọn ngược xuất hiện khi 
người mua hay người bán không có đủ thông 
tin để đánh giá, và phân biệt chính xác chất 
lượng của các cổ phiếu và chỉ sẵn lòng chi trả 
ở mức giá trung bình. Vấn đề này tiềm ẩn 
nguy cơ chỉ có những cổ phiếu xấu (giá thấp 
hơn giá trung bình) mới được giao dịch, hậu 
quả là những cổ phiếu xấu dần được thu hút 
và đánh bật những cổ phiếu tốt ra khỏi 
thị trường. 
Theo Pindych và Rubinfeld (2013), 
TTBCX gây ra hệ quả: (i) Lựa chọn ngược 
(trước khi giao dịch), (ii) rủi ro đạo đức (sau 
khi giao dịch) và (iii) vấn đề người đại diện 
(cả trước lẫn sau khi giao dịch). Trong khuôn 
khổ giới hạn nghiên cứu, bài nghiên cứu này 
chỉ xem xét cách đo lường TTBCX thông qua 
mức độ lựa chọn ngược. Theo đó, do thông 
tin của các bên giao dịch khác nhau nên 
TTCK luôn tồn tại giá đặt mua (Ask) và đặt 
bán (Bid) khác nhau, tạo nên chênh lệch 
giữa giá đặt mua với giá đặt bán (Bid-Ask 
Spread). Các nhà nghiên cứu cho rằng, 
thành phần lựa chọn ngược (ASC) là một 
trong những yếu tố cấu thành trong khoảng 
chênh lệch này. Do đó, Bid-Ask Spread 
càng lớn thì ASC càng cao. Khung tiếp cận 
nghiên cứu được trình bày tại Hình 1 dưới đây 
như sau. 
Hình 1. Khung tiếp cận nghiên cứu 
60 KINH TẾ 
Xuất phát từ ý tưởng này, các nhà 
nghiên cứu đã tiến hành đo lường ASC theo 
nhiều cách khác nhau. Cụ thể: 
2.1. Mô hình Glosten và Harris (1988) (GH) 
Một trong những tác giả tiên phong, và 
đặt nền tảng cho các nghiên cứu tiếp theo 
trong việc xác định ASC có thể kể đến 
Glosten và Harris (1988). Theo đó, các tác 
giả cho rằng Bid-Ask Spread bao gồm ba 
thành phần: chi phí xử lý đặt lệnh, chi phí lưu 
trữ, và ASC. Trước khi xác định ASC, các tác 
giả thực hiện hàm hồi quy: 
∆Pi,t = c0(Qi,t –Qi,t-1) + c1(Qi,tVi,t –Qi,t-1Vi,t-1) 
+z0Qi,t +z1Qi,tVi,t +εGH 
Trong đó: Biến phụ thuộc ∆Pi,t là chênh 
lệch giá giao dịch của cổ phiếu i tại thời điểm 
t và (t-1); Biến độc lập Qi,t là chỉ số giao dịch 
của cổ phiếu i tại thời điểm t. Qi,t có giá trị +1 
nếu giao dịch được người mua phát động 
trước và có giá trị -1 nếu giao dịch được 
người bán phát động trước; Vi,t là khối lượng 
giao dịch (KLGD) của cổ phiếu i tại thời 
điểm t; c0, c1, z0, z1 là các hệ số của phương 
trình; εGH là sai số của phương trình. 
ASC theo KLGD trung bình của thị 
trường ( V
t
) được tính bằng công thức: 
(z + z V )
0 1 tASC = 
(c + c V ) + (z + z V )
0 1 t 0 1 t
 (0 < ASC < 1) 
Áp dụng mô hình trên, với dữ liệu nghiên 
cứu gồm 250 mã chứng khoán niêm yết trên 
NYSE (giai đoạn từ 01/12/1981 đến 
31/01/1983), Glosten và Harris (1988) đã ước 
tính được ASCNYSE = 1,02%. 
Trên cơ sở kế thừa và phát triển mô hình 
nghiên cứu của Glosten và Harris (1988), 
những nghiên cứu tiếp theo đã tìm ra nhiều 
phương pháp khác để xác định ASC. Tiêu 
biểu là các mô hình nghiên cứu sau: 
2.2. Mô hình Lin, Sanger và Booth 
(1995) (LSB) 
Dựa trên mô hình GH, tuy nhiên Lin, 
Sanger và Booth (1995) cho rằng chi phí lưu 
trữ không đáng kể, do đó Bid-Ask Spread chỉ 
gồm hai thành phần chính đó là chi phí xử lý 
đặt lệnh và ASC. Từ đó, để xác định ASC, các 
tác giả sử dụng mô hình hồi quy: 
Pmi,t+1 - Pmi,t = θZi,t +εLSB 
Trong đó: Biến phụ thuộc (Pmi,t+1 - Pmi,t) 
= ΔPm là chênh lệch giữa giá trị trung bình 
của giá đặt mua và giá đặt bán (gọi tắt là Bid-
Ask Midpoint) tại thời điểm (t+1) với Bid-
Ask Midpoint tại thời điểm t. Biến độc lập 
Zi,t là chênh lệch giữa giá giao dịch (giá 
khớp) với Bid-Ask Midpoint của cổ phiếu i tại 
thời điểm t; hệ số θ là ASC; εLSB là các sai số 
ngẫu nhiên. 
2.3. Mô hình Kim và Ogden (1996) (KO) 
Cũng với giả định chi phí lưu trữ không 
đáng kể, kế thừa và phát triển mô hình George, 
Kaul và Nimalendran (1991), Kim và Ogden 
(1996) đo lường ASC dựa trên chênh lệch giữa 
suất sinh lợi theo giá khớp với suất sinh lợi 
theo Bid-Ask Midpoint. Theo đó, các tác giả 
xác định ASC dựa trên mô hình hồi quy: 
2S = β + β S + ε
i 0 1 Qi KO 
Trong đó: Biến phụ thuộc Si là tương 
quan lợi nhuận điều chỉnh của cổ phiếu i 
được tính bằng công thức: 
S = 2 × cov RD , RD
i i,t i, t-1
Với: RDi,t = Ri,t - Rmi,t là khoảng chênh 
lệch giữa suất sinh lợi theo giá giao dịch (Ri,t) 
với suất sinh lợi theo Bid-Ask Midpoint 
(Rmi,t) của cổ phiếu i tại thời điểm t. 
Biến độc lập SQi là chênh lệch ước tính 
(bằng tỷ lệ Bid-Ask Spread trên Bid-Ask 
Midpoint) của cổ phiếu i; β1 là thành phần chi 
phí xử lý đặt lệnh từ đó suy ra λ = 1 - β1 chính 
là ASC; εKO là sai số của phương trình. 
Với dữ liệu gồm 1.871 quan sát của toàn 
bộ giao dịch năm 1993 trên NYSE và AMEX, 
Kim và Ogden (1996) đã xác định ASC = 59%. 
Để có cái nhìn bao quát, Bảng 1 dưới đây 
tóm tắt lại các nghiên cứu tiêu biểu trong việc 
ứng dụng ba mô hình định lượng được đề cập 
phần trên để xác định ASC. 
 TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC MỞ TP.HCM – SỐ 1 (46) 2016 61 
Bảng 1. Bảng tổng hợp các nghiên cứu trước về xác định ASC 
STT Mô hình Nghiên cứu tiêu biểu Thị trường ASC 
1 Glosten và Harris (GH) Glosten và Harris (1988) NYSE (01/12/1981 - 31/01/1983) 1,13% 
 Van Ness và ctg (2001) NYSE (tháng 4 - tháng 6/1999) 38,9% 
 Nguyễn Trọng Hoài và 
Lê An Khang (2008) 
HSX (02/01/2007_28/12/2007) 89,66% 
 Park (2008) ETFs trên NASDAQ và AMEX 
(10/2005 – 12/2005) 
20% 
2 Lin, Sanger và Booth 
(LSB) 
Van Ness và ctg (2001) NYSE (tháng 4 - tháng 6/1999) 45,2% 
 Park (2008) ETFs trên NASDAQ và AMEX 
(10/2005 – 12/2005) 
68,29% 
3 Kim và Ogden (KO) Kim và Ogden (1996) NYSE và AMEX (1993) 59% 
 Giouvris và ctg (2008) FTSE100 77% 
 FTSE250 64% 
Nguồn: Tác giả tổng hợp. 
3. Mô hình nghiên cứu 
Trong thực tế, việc xác định ASC gặp 
nhiều khó khăn, hiện vẫn chưa tìm thấy tài 
liệu công bố phương pháp xác định ASC 
chính xác và tối ưu nhất. Do đó, nghiên cứu 
này áp dụng nhiều phương pháp khác nhau 
nhằm xác định ASC trên TTCK TP.HCM. 
Bên cạnh ba phương pháp trực tiếp để xác 
định ASC như đã đề cập trên, còn có phương 
pháp gián tiếp của Van Ness và ctg (2001). 
Tuy nhiên, do giới hạn của bài báo, nghiên 
cứu chỉ sử dụng phương pháp trực tiếp để đo 
lường ASC. 
Lý do lựa chọn ba mô hình này bởi vì: 
Thứ nhất, Mô hình Glosten và Harris được 
xem là cơ sở nền tảng cho các nghiên cứu 
hướng đến xem xét ASC dựa trên Bid-Ask 
Spread và được nhiều nhà nghiên cứu ứng 
dụng. Thứ hai, Mô hình Lin, Sanger và 
Booth là mô hình tương đối đơn giản và dễ 
áp dụng trong việc xác định ASC. Và sau 
cùng, Mô hình Kim và Ogden (KO) xác định 
ASC thông qua các thành phần còn lại trong 
Bid-Ask Spread (thành phần chi phí đặt 
lệnh), đây là mô hình phát triển từ mô hình 
George, Kaul và Nimalendran (1991) 
(GKN). Sở dĩ Mô hình KO được lựa chọn 
thay cho mô hình GKN vì khi sử dụng suất 
sinh lợi theo Bid-Ask Midpoint (mô hình 
KO) thay cho suất sinh lợi theo giá đặt bán 
(Bid) nối tiếp sau giao dịch được thực hiện 
(mô hình GKN) sẽ đại diện “giá đúng” tốt 
hơn trong thực tế với Bid-Ask Spread thay 
đổi liên tục. 
4. Dữ liệu nghiên cứu 
Dữ liệu nghiên cứu bao gồm các công ty 
niêm yết trên HOSE kể từ thời điểm 
01/12/2012 trở về trước và vẫn tiếp tục giao 
dịch đến ngày 31/5/2013; không bao gồm 
ngân hàng, bảo hiểm, công ty chứng khoán, 
và chứng chỉ quỹ vì cơ cấu tài sản, nguồn 
vốn không phù hợp với mô hình nghiên cứu. 
Do chưa thể thống kê giá và KLGD tại 
từng thời điểm của từng giao dịch riêng lẻ 
nên giá đóng cửa (Pi,t) và tổng KLGD cổ 
phiếu (Vi,t) trong ngày được thu thập làm dữ 
liệu nghiên cứu. Trong đó giá giao dịch đã 
được điều chỉnh theo tỷ lệ thực hiện quyền. 
62 KINH TẾ 
Về chỉ số giao dịch Qi,t, do chưa thể thống 
kê chính xác ai là người phát động trước nên 
trong nghiên cứu này Qi,t sẽ mang giá trị +1 
nếu tổng lệnh đặt mua trong ngày lớn hơn 
tổng lệnh đặt bán trong ngày, và ngược lại 
thì Qi,t sẽ mang giá trị -1. Ngoài ra, do chưa 
thể thống kê giá đặt mua (Ask) và bán (Bid) 
tại từng thời điểm nên giá dư mua và dư bán 
tốt nhất của phiên giao dịch cuối cùng trong 
ngày được thu thập làm dữ liệu nghiên cứu. 
Các dữ liệu liên quan được thu thập từ 
Bảng giá giao dịch chứng khoán hàng ngày 
của Sở GDCK TP.HCM giai đoạn từ 
01/12/2012 đến 31/5/2013. 
5. Kết quả nghiên cứu 
5.1. Đặc điểm mẫu nghiên cứu 
Thống kê mô tả về chỉ số VN-Index và 
KLGD của các cổ phiếu trên HOSE giai 
đoạn từ 1/12/2012 đến 31/5/2013 được trình 
bày trong Bảng 2. Theo đó, chỉ số VN-Index 
và KLGD của các cổ phiếu có sự biến động 
khá cao với khoảng biến thiên lớn, độ lệch 
chuẩn cũng như chênh lệch giữa giá trị trung 
bình và giá trị trung vị cao. 
Bảng 2. Thống kê mô tả chỉ số VN-Index và KLGD 
Giai đoạn 1 
01/12/2012 - 20/02/2013 
 Giai đoạn 2 
21/2/2013 - 31/5/2013 
 Giai đoạn nghiên cứu 
01/12/2012 - 31/5/2013 
 VN-Index KLGD VN-Index KLGD VN-Index KLGD 
Trung bình 436,75 61.929.925 487,25 51.740.881 465,61 56.107.614 
Trung vị 443,37 61.282.060 486,04 46.895.954 477,15 50.661.340 
Độ lệch chuẩn 39,32 23.028.891 14,43 20.254.933 37,46 21.984.120 
Khoảng biến thiên 115,56 114.233.248 59,33 100.828.478 142,18 114.233.248 
Nhỏ nhất 379,27 17.188.480 462,12 20.465.090 379,27 17.188.480 
Lớn nhất 494,83 131.421.728 521,45 121.293.568 521,45 131.421.728 
Số quan sát 51 51 68 68 119 119 
Nguồn: Kết quả tính toán của tác giả. 
Bảng 2 cho thấy, trong giai đoạn từ 
1/12/2012 đến 20/2/2013, TTCK TP.HCM có 
những biến động mạnh và bất thường cả về 
chỉ số VN-Index lẫn KLGD so với giai đoạn 
còn lại. Đây cũng là giai đoạn có thể ước tính 
kết quả hoạt động kinh doanh và Báo cáo tài 
chính hợp nhất cả năm của đa số các công ty 
niêm yết chưa được công bố. Giai đoạn từ 
21/2/2013 đến 31/5/2013 là giai đoạn các 
Báo cáo tài chính hàng năm sau kiểm toán 
được công bố theo quy định công bố thông 
tin và cũng là mùa Đại hội Cổ đông thường 
niên. Điều này chứng tỏ trong hai giai đoạn 
trên, TTCK TP.HCM chứa nhiều TTBCX. 
Do đó, việc lựa chọn khoảng thời gian 
nghiên cứu từ 1/12/2012 đến 31/5/2013 là 
hoàn toàn phù hợp. 
5.2. Kết quả xác định mức độ lựa 
chọn ngược 
5.2.1. Kiểm định lựa chọn phương pháp 
hồi quy mô hình 
Nghiên cứu tiến hành kiểm định các giả 
thiết thống kê nhằm thực hiện phương pháp 
hồi quy thích hợp theo ba mô hình khác nhau 
để xác định mức độ lựa chọn ngược. Dưới đây 
là bảng mô tả các kết quả kiểm định. 
 TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC MỞ TP.HCM – SỐ 1 (46) 2016 63 
Bảng 3. Bảng kiểm định lựa chọn phương pháp hồi quy mô hình 
Kiểm định 
 Mô hình 
Glosten và Harris 
(GH) 
Lin, Sanger và Booth 
(LSB) 
Kim và Ogden 
(KO) 
White’s test Chi2(2) = 6,08 Chi2(2) = 2774,19 *** Chi2(2) = 103,20 *** 
Durbin-Watson 1,953 2,277 1,847 
F_Limer test - F(285, 33461) = 18,65 
***
 - 
Hausman test - Chi2(1) = 9136,04 
***
 - 
Kết quả chọn Pooled OLS FEM Robust OLS Robust 
*** p < 0,01; ** p < 0,05; * p < 0,10 
Nguồn: Kết quả tính toán của tác giả. 
Ở Mô hình GH, các kiểm định trong 
Bảng 3 cho thấy chưa phát hiện hiện tượng 
phương sai thay đổi và tự tương quan của sai 
số trong mô hình. Các kết quả kiểm định này 
khuyến nghị dùng Pooled OLS. Đối với Mô 
hình LSB, kiểm định F_Limer và Hausman 
khuyến nghị sử dụng FEM là thích hợp, đồng 
thời nghiên cứu kiểm soát hiện tượng phương 
sai thay đổi của sai số bằng cách hiệu chỉnh 
sai lệch chuẩn trong mô hình hồi quy (robust 
standard errors). Và sau cùng, các kiểm định 
trong Mô hình KO khuyến nghị sử dụng OLS 
Robust để hồi quy mô hình. Các kết quả ước 
lượng hồi quy thông qua ba Mô hình GH, 
LSB, và KO sẽ là cơ sở để xác định mức độ 
lựa chọn ngược. 
5.2.2. Mức độ lựa chọn ngược 
Mức độ lựa chọn ngược có ý nghĩa khi 
ASC nằm trong khoảng từ 0 đến 1. Hay nói 
cách khác, ASC thỏa điều kiện 0 < ASC < 1. 
Kết quả hồi quy mô hình GH, mô hình LSB, và 
mô hình KO được trình bày trong Bảng 4. Theo 
đó, các mô hình đều phù hợp (có ít nhất một hệ 
số khác 0 mức ý nghĩa 1%); các hệ số hồi quy 
được xác định bởi mô hình LSB và mô hình KO 
đều có ý nghĩa thống kê với mức ý nghĩa 1%. 
Nhìn chung, ASC được xác định bởi các 
mô hình đều thỏa điều kiện 0 < ASC < 1. 
Trong đó, mô hình GH cho kết quả tính toán 
ASC cao nhất (77%), kế đến là mô hình LSB 
(70%) và sau cùng là mô hình KO (69%). 
Nếu so với nghiên cứu trong nước, cụ thể 
nghiên cứu của Nguyễn Trọng Hoài và Lê An 
Khang (2008), ASC trên TTCK TP.HCM giai 
đoạn nghiên cứu từ tháng 12/2012 đến tháng 
5/2013 (77%) thấp hơn ASC so với giai đoạn 
2007 (89,66%). Điều này có thể lý giải bởi 
ảnh hưởng của giai đoạn nghiên cứu. Đây là 
khoảng thời gian thị trường có nhiều biến 
động với VN-Index lập đỉnh kỷ lục vào ngày 
12 tháng 3 (đạt 1.170,67 điểm) và sau đó lao 
dốc trầm trọng do tác động của khủng hoảng 
kinh tế thế giới, số lượng công ty niêm yết 
thấp (96 công ty), cơ sở pháp lý cho TTCK 
chưa đầy đủ. Do đó kết quả nghiên cứu cho 
thấy ASC ở giai đoạn này rất cao, hậu quả là 
dẫn đến thất bại của thị trường, khủng hoảng 
thị trường kéo dài từ đầu năm 2008 cho đến 
nay và chưa thật sự hồi phục. 
Có thể nhận thấy trong những giai đoạn 
gần đây, Chính phủ đã ban hành nhiều quy 
định về thị trường chứng khoán (như Thông 
tư 74/2011/TT-BTC về margin, tài khoản giao 
dịch, giao dịch cổ phiếu cùng phiên; Luật 
chứng khoán sửa đổi có hiệu lực từ ngày 
1/07/2011 với các quy định xử phạt liên quan 
đến vi phạm công bố thông tin trên thị trường; 
Thông tư 52/2012/TT-BTC hướng dẫn về việc 
công bố thông tin trên thị trường chứng 
khoán), những quy định định này đã góp phần 
64 KINH TẾ 
làm cho thị trường minh bạch hơn, giảm mức 
độ lựa chọn ngược hơn. Nhưng nếu so với thị 
trường chứng khoán nước ngoài (kết quả tổng 
hợp xác định ASC ở Bảng 1), mức độ lựa 
chọn ngược ở Việt Nam vẫn còn khá cao. 
Những dấu hiệu này đặt ra cho các nhà hoạch 
định chính sách, các cơ quan hữu quan, và các 
nhà đầu tư ở Việt Nam cần có những động 
thái tích cực hơn nữa nhằm hạn chế TTBCX, 
gia tăng tính minh bạch cho thị trường. 
Bảng 4. ASC được xác định bởi các mô hình GH, LSB và KO 
Biến 
Mô hình GH 
Pooled OLS 
 Mô hình LSB 
FEM Robust 
 Mô hình KO 
OLS Robust 
x1 -0,0242 
*** 
 0,7029 
*** 
 0,3084 
*** 
 (-5.01) 
 (24,05) 
 (14,11) 
x2 3,65x10
-09
 (0.39) 
x3 0,0760 
*** 
 (13.54) 
x4 -3,13x10
-08
*** 
 (-2.76) 
Hằng số 0,0323 *** -0,7665 *** 0,1232 *** 
 (7.46) 
 (-23,02) 
 (9,68) 
ASC 77% 70% 69% 
Số quan sát 33.748 33.748 286 
R-squared 0,59% 34,69% 65,89% 
F (4, 33743) 49,71 578,56 199,12 
Pro.F 0,000 0,000 0,000 
*** p < 0,01; ** p < 0,05; * p < 0,10 
Nguồn: Kết quả tính toán của tác giả. 
6. Các kiến nghị 
Dựa trên kết quả nghiên cứu kết hợp với 
các giải pháp khắc phục vấn đề lựa chọn 
ngược trên TTCK (cơ chế phát tín hiệu, và cơ 
chế sàng lọc) của hai tác giả Spence (1973) và 
Stiglitz (1975), nghiên cứu này khuyến nghị 
cho các chủ thể tham gia trên TTCK TP.HCM 
như sau: 
6.1. Đối với nhà đầu tư 
Đối với nhà đầu tư là cổ đông lớn, cổ 
đông nội bộ của công ty cần phải chấp hành 
nghiêm túc việc CBTT theo đúng quy định. 
Đối với các nhà đầu tư nhỏ lẻ, cần thành lập 
các tổ chức, các liên minh để chia sẻ những 
kinh nghiệm, những thông tin cho nhau nhằm 
gia tăng hiệu quả đầu tư và hỗ trợ nhau đòi 
quyền lợi của chính mình khi bị xâm phạm. 
Ngoài ra, các nhà đầu tư cũng cần phải tự 
bảo vệ mình, tránh đầu tư theo phong trào, 
tránh lan truyền những thông tin không đúng 
sự thật cũng như không rõ nguồn gốc, phát 
hiện và tố giác những sai phạm về CBTT với 
cơ quan chức năng. 
6.2. Đối với công ty niêm yết 
Các công ty niêm yết cần nghiêm túc 
trong việc CBTT, đảm bảo cung cấp thông tin 
 TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC MỞ TP.HCM – SỐ 1 (46) 2016 65 
chính xác, kịp thời, công khai và dễ tiếp cận; 
điều này có ý nghĩa to lớn trong việc quảng bá 
hình ảnh cũng như uy tín của công ty. 
Bên cạnh việc tuân thủ các quy định về 
CBTT, bộ phận CBTT còn có trách nhiệm 
theo dõi các thông tin liên quan đến doanh 
nghiệp để có phản hồi nhanh chóng đến khách 
hàng, đối tác, các nhà đầu tư nhằm hạn chế 
ảnh hưởng tiêu cực của những thông tin sai 
lệch, nâng cao khả năng minh bạch thông tin 
đồng thời nâng cao uy tín công ty. 
6.3. Đối với các công ty chứng khoán 
Các công ty chứng khoán cần nghiêm 
chỉnh thực thi các quy định của pháp luật, 
phản ánh trung thực và kịp thời các thông tin 
công bố, cũng như phát hiện và tố giác những 
sai phạm của các công ty niêm yết trên TTCK. 
Bên cạnh đó, các công ty chứng khoán không 
ngừng phát triển nghiệp vụ tư vấn đầu tư góp 
phần đa dạng hóa kênh cung cấp thông tin cho 
nhà đầu tư một cách hiệu quả. 
6.4. Đối với các tổ chức có liên quan đến 
TTCK 
Các cơ quan giám sát CBTT cần được 
quy định chức năng và nhiệm vụ một cách rõ 
ràng, cụ thể hơn nữa. Ngoài chức năng kiểm 
tra, các cơ quan giám sát cần phải đứng ở góc 
độ nhà đầu tư khi tìm hiểu thông tin trên các 
phương tiện thông tin đại chúng, từ đó tổng 
kết đánh giá tình hình CBTT và nêu rõ những 
vi phạm trên TTCK. 
Các nhà hoạch định chính sách cần xây 
dựng Quy chế phối hợp quản lý, giám sát 
chặt chẽ giữa các ngành liên quan; rà soát lại 
năng lực cũng như xử lý nghiêm khắc những 
trường hợp sai phạm, gian lận của các công 
ty niêm yết, và các công ty kiểm toán; thiết 
lập những Văn phòng chuyên trách phát hiện 
gian lận và tố giác tội phạm; có bộ phận 
chuyên trách thẩm định và xác minh những 
thông tin công bố trên thị trường về các công 
ty niêm yết. 
TÀI LIỆU THAM KHẢO 
Akerlof, G. A. (1970). The Market for Lemons: Quality Uncertainty and the Market 
Mechanism. Quaterly Joural of Economics, 84(3), 488-500. 
George, T. J., Kaul, G., and Nimalendran, M. (1991). Estimation of the Bid-Ask Spread and Its 
Components: A New Approach. The Review of Finacial Studies, 4, 623-656. 
Glosten, L. R., and Harris, L. E. (1988). Estimating the components of the bid/ask spread. 
Journal of Financial Economics, 21(1), 123-142. 
Giouvris, E., and Philippatos, G. (2008). Determinants of the Components of the Bid-Ask 
Spreads on the London Stock Exchange: The Case of Changes in Trading Regimes. 
Journal of Money, Investment and Banking, 1, 49-61. 
Kim, S. H., and Ogden, J. P. (1996). Determinants of the components of bid-ask spreads on 
stocks. European Financial Management, 1(1), 127-145. 
Lin, J., Sanger, G. C., and Booth, G. G. (1995). Trade Size and Components of the Bid-Ask 
Spread. The Review of Financial Studies Winter, 8(4), 1153-1183. 
Nguyễn Trọng Hoài và Lê An Khang (2008). Mô hình kinh tế lượng xác định mức độ thông tin 
bất cân xứng: Tình huống thị trường chứng khoán TP.HCM. Tạp chí Công nghệ Ngân 
hàng, 28, 36-40. 
66 KINH TẾ 
Park, K. (2008). Exchange-Traded Funds and Information Asymmetry. Doctor of Philosophy, 
Aston University, United Kingdom. 
Pindych, R., and Rubinfeld, D. (2013). Microeconomics. 8
th
 Edn., Pearson Education, USA. 
Spence, M. (1973). Job Market Signaling. The Quarterly Journal of Economics, 87(3), 355-374. 
Stiglitz, J. E. (1975). The Theory of Screening, Education, and the Distribution of Incom. The 
American Economic Review, 65(3), 283-300. 
Van Ness, B. F., Van Ness, R. A., and Warr, R. A. (2001). How do well adverse selection 
components measure adverse selection? Financial Management, 30(3), 77-98.