Phân tích tác động đến giá đóng cửa của cổ phiếu Công ty cổ phần FPT

Lê Thị Quỳnh Nhung

Bộ môn Toán, Học viện Ngân hàng

Email: nhunglq@hvnh.edu.vn

Tóm tắt

Nghiên cứu này phân tích các nhân tố tác động đến giá đóng cửa của cổ phiếu Công ty cổ phần FPT, dữ liệu nghiên cứu theo ngày được thu thập từ ngày 01/06/2022 đến 29/04/2025. Kết quả cho thấy, giá mở cửa có tác động và tương quan rất lớn, có thể nói là mức tham chiếu của giá đóng cửa. Nghiên cứu cũng tìm thấy xu hướng tăng giá 0,0015 nghìn đồng/1 ngày giao dịch của cổ phiếu. Kết quả nghiên cứu phản ánh tâm lý của nhà đầu tư theo các ngày trong tuần, do đó bên cạnh việc xem xét các biến động khác của thị trường, tác giả khuyến nghị kết hợp chiến lược mua vào trong ngày Thứ 2 và bán ra trong ngày Thứ 4.

Từ khóa: Giá cổ phiếu, FPT, tâm lý, mức chênh lệch giá

Summary

The study analyzes factors affecting the closing price of FPT Corporation's stock, using daily trading data collected from June 1, 2022 to April 29, 2025. Results demonstrate that the opening price exhibits substantial influence and strong correlation, effectively serving as a reference point for the closing price. Moreover, there is a price increase trend of 0.0015 thousand VND per trading day. Those findings reflect investor psychology across different days of the week. Therefore, in addition to considering other market fluctuations, it is recommended to combine this with a strategy of buying on Monday and selling on Wednesday.

Keywords: Stock price, FPT, investor psychology, price volatility

GIỚI THIỆU

Giá cổ phiếu biến động khó lường và chịu sự tác động của nhiều yếu tố kinh tế - xã hội, bao gồm cả yếu tố tâm lý thị trường. Điều này gây khó khăn cho nhà nghiên cứu nhằm dự đoán giá cổ phiếu. Nghiên cứu của Abu-Mostafa và cộng sự (1996) cho rằng, việc phân tích biến động về giá chứng khoán là cực kỳ khó khăn vì thị trường năng động, biến động không ngừng và có nhiều yếu tố gây nhiễu loạn. Theo Zhong và Enke (2017), thị trường chứng khoán bị ảnh hưởng bởi rất nhiều yếu tố có liên quan chặt chẽ với nhau bao gồm các biến số kinh tế như lãi suất, tỷ giá hối đoái, giá hàng hóa nói chung; các yếu tố chính trị, tâm lý và tình hình kinh doanh của cụ thể từng công ty.

Phân tích giá cổ phiếu của một công ty có thể kết hợp nhiều phương pháp tiếp cận khác nhau. Hu và cộng sự (2015) đưa ra ba phương pháp phân tích giá cổ phiếu bao gồm: phân tích cơ bản, phân tích kỹ thuật và phân tích hỗn hợp từ 2 phương pháp trên. Phân tích cơ bản bao gồm phân tích các khía cạnh kinh tế vĩ mô gây ảnh hưởng đến lợi nhuận trong tương lai của công ty, phân tích ngành ước tính triển vọng của công ty đặt trong bức tranh về phát triển ngành, phân tích công ty (bao gồm phân tích các hoạt động hiện tại và tình hình tài chính của công ty để đánh giá giá trị nội bộ của công ty thông qua các chỉ số cơ bản như thu nhập trên một cổ phiếu EPS, hệ số giá trên thu nhập P/E, hiệu quả sử dụng vốn ROE, tỷ suất sinh lời trên tổng tài sản ROA…). Phân tích kỹ thuật sử dụng các phương pháp định lượng các yếu tố tác động đầu vào như dòng vốn, tâm lý thị trường, dữ liệu thô, khối lượng giao dịch, mức độ biến động giá…

Trong phân tích hỗn hợp, một lý thuyết phổ biến và được quan tâm nhiều do Fama (1970) đưa ra là giả thuyết thị trường hiệu quả, tại bất kỳ thời điểm nào, giá thị trường của một cổ phiếu kết hợp tất cả thông tin về cổ phiếu đó. Nói cách khác, cổ phiếu có thể được định giá tốt cho đến khi có cú sốc thị trường gây biến động lớn về giá. Theo Naseer và cộng sự (2015), một số nhà nghiên cứu và nhà đầu tư chuyển trọng tâm thảo luận sang các khía cạnh hành vi và tâm lý của những người tham gia thị trường. Theo Zhong và Enke (2017), các biến số như giá cổ phiếu, giá trị chỉ số thị trường chứng khoán và giá của các công cụ phái sinh tài chính được cho là có thể dự đoán được.

Từ các lí do trên, nghiên cứu này sử dụng phương pháp kỹ thuật bởi mô hình kinh tế lượng để đánh giá tác động đến giá cổ phiếu, trường hợp Công ty cổ phần FPT, trong đó xem xét đến yếu tố phản ánh tâm lý nhà đầu tư.

TỔNG QUAN NGHIÊN CỨU

Giao dịch cổ phiếu trong ngày có hai phiên khớp theo phương thức đấu giá, đó là phiên giao dịch đầu ngày xác định giá mở cửa (ATO) và phiên giao dịch cuối ngày xác định giá đóng cửa (ATC). Do không được khớp lệnh liên tục mà tích lũy khối lượng và giá mua bán trong một khoảng thời gian nhất định từ nhiều người mua bán nên phải thực hiện việc đối chiếu giá mua, giá bán và được chốt ở cuối phiên.

Giá mở cửa của cổ phiếu được hình thành dựa trên kỳ vọng và đánh giá của nhà đầu tư. Nhà đầu tư có một khoảng thời gian để theo dõi thông tin, tích lũy và đánh giá thông tin thị trường, phản ánh tổng hợp tất cả các yếu tố từ tin tức doanh nghiệp, báo cáo tài chính, biến động thị trường quốc tế, các chỉ số kinh tế vĩ mô đến các biến động thị trường trong nước. Khi thị trường mở cửa, giá khớp lệnh đầu tiên sẽ đặt tham chiếu cho phiên khớp lệnh liên tục sau đó, tạo ra tâm lý ban đầu cho các nhà đầu tư. Nếu giá mở cửa cao hơn đáng kể so với giá đóng cửa của ngày hôm trước, điều này báo hiệu một sự lạc quan mạnh mẽ từ phía thị trường, do những tin tức tích cực được công bố sau giờ giao dịch từ trong nước hoặc từ thị trường quốc tế. Ngược lại, nếu giá mở cửa thấp hơn, đặc biệt là khi có mức giảm sút đột ngột (gap down), điều này phản ánh thông tin bất lợi, tâm lý bi quan tác động đến giá cổ phiếu. Do đó, tất cả các tác động kinh tế bao gồm giá cổ phiếu bị pha loãng do ngày trả cổ tức hay các tác động xã hội bao gồm tâm lý của nhà đầu tư, xét tại thời điểm bắt đầu có phiên khớp lệnh liên tục, các yếu tố tác động được hấp thụ và phản ánh thông qua giao dịch giá mở cửa. Điều này cho thấy, giá đóng cửa cuối ngày được tác động bởi giá mở cửa đầu ngày và các tác động gây ra bởi thông tin trong ngày.

Kumar và cộng sự (2021) khẳng định mối liên hệ tham chiếu giữa giá đóng cửa và giá mở cửa. Nghiên cứu của Manik (2025) cho thấy tương quan mạnh giữa giá mở cửa và giá đóng cửa với hệ số tương quan trên 0,95 ở hầu hết cổ phiếu các công ty.

Độ biến động về giá cổ phiếu phản ánh mức độ rủi ro trong thanh khoản của cổ phiếu và có tác động đến giá trị cổ phiếu. Theo Amihud và Mendelson (1986), tính thanh khoản có tác động đến định giá tài sản, tài sản kém thanh khoản cần phải mang lại lợi suất cao hơn để bù đắp chi phí giao dịch. Cổ phiếu có thanh khoản thấp, nhà đầu tư khó nhanh chóng thoái vốn, dẫn đến nhu cầu giảm và gây tác động đến giá cổ phiếu. Theo nghiên cứu của Virgilio (2022), chênh lệch giữa giá cao nhất và thấp nhất là một tham số thú vị vì nó phản ánh mức dao động lớn nhất mà thị trường đã chấp nhận trong giao dịch, được gọi là "biến động toàn cục" (global volatility). Đây là một tham số tiềm năng để nghiên cứu cách giá thay đổi.

Khối lượng giao dịch được đo bằng số lượng cổ phiếu được mua/bán trong một ngày giao dịch. Khối lượng giao dịch là yếu tố tác động đến giá cổ phiếu, phản ánh một phần mối quan hệ cung - cầu thị trường và tâm lý nhà đầu tư. Một nguyên tắc cơ bản trong phương pháp phân tích kỹ thuật là "khối lượng xác nhận xu hướng", theo đó:

- Trong xu hướng tăng: Giá tăng kèm khối lượng giao dịch tăng hoặc ổn định cho thấy sự tham gia mạnh mẽ của dòng tiền mang tính bền vững của xu hướng. Ngược lại, nếu giá tăng nhưng khối lượng giao dịch giảm dần, đây là dấu hiệu có thể xảy ra đà tăng sắp hết do thiếu sự sôi động giao dịch.

- Trong xu hướng giảm: Giá giảm với khối lượng giao dịch giảm phản ánh áp lực bán áp đảo, có nguy cơ xuất hiện các đợt bán tháo. Nếu giá giảm nhưng khối lượng giao dịch giảm có thể hạn chế xu hướng giảm của giá bán do không còn lực bán cổ phiếu.

Nghiên cứu của Schwert (1990) cho thấy khối lượng giao dịch dẫn đến sự thay đổi về giá. Nghiên cứu Changtai Li và cộng sự (2021) kết luận, khối lượng giao dịch có liên quan đến giá cổ phiếu, tuy nhiên có sự phân hóa theo hành vi. Khối lượng giao dịch tăng đáng kể khi giá biến động mạnh, nhưng mối quan hệ này không đối xứng giữa thị trường tăng và giảm. Nghiên cứu của Stickel và Verrecchia (1994), Nhung (2016) chỉ ra tác động của khối lượng giao dịch đến giá cổ phiếu.

Tại Việt Nam, nghiên cứu về cổ phiếu chủ yếu sử dụng phương pháp phân tích bởi chỉ số như ROA, P/E… để định giá cổ phiếu và đánh giá thị trường chứng khoán, mà chưa có nghiên cứu định lượng đánh giá tác động đến giá đóng cửa của cổ phiếu FPT. Từ khoảng trống nghiên cứu, bài viết đề xuất mô hình tuyến tính như sau:

Close = f(Open, Volume, DMaxMin, Biến kiểm soát khác)

Trong đó:

- Close: Giá đóng cửa

- Open: Giá mở cửa

- Volume: Khối lượng giao dịch

- DMaxMin: Chênh lệch giữa giá lớn nhất và giá nhỏ nhất

Việc xác định các biến số chính là bước quan trọng khi xây dựng mô hình phân tích, bởi các biến được chọn xét trong mô hình sẽ quyết định độ chính xác và hiệu quả của mô hình nghiên cứu. Lựa chọn đúng biến số sẽ nâng cao khả năng dự đoán và phân tích của mô hình. Nghiên cứu của Cheng và cộng sự (2010) cho thấy những biến không liên quan có thể làm tăng độ phức tạp của mô hình mà không mang lại hiệu quả đáng kể. Do đó, quá trình lựa chọn biến kiểm soát khác được thực hiện thông qua phân tích dữ liệu, kiểm định thống kê để mô hình hiệu quả và dễ diễn giải hơn.

DỮ LIỆU VÀ MÔ HÌNH NGHIÊN CỨU

Dữ liệu cổ phiếu FPT được thu thập theo ngày, từ sau đại dịch Covid-19, bắt đầu từ ngày 01/06/2022 đến ngày 29/4/2025. Dữ liệu thu thập từ đường link: https://simplize.vn/co-phieu/FPT/lich-su-gia. Thống kê mô tả một số biến chính được thể hiện trong Bảng 1.

Bảng 1: Thống kê mô tả các biến

Nguồn: Tính toán của tác giả

Khối lượng giao dịch và chênh lệch giá được lấy theo dữ liệu trễ 1 quan sát, đây là dữ liệu sẵn có trước khi giao dịch cuối ngày. Nghiên cứu xem xét có hay không sự khác biệt về hành vi của nhà đầu tư theo các ngày trong tuần, chẳng hạn Thứ 2 bắt đầu với chu kỳ triển khai công việc theo tuần, khác biệt với Thứ 6 - đóng lại một tuần làm việc - áp lực bán sẽ đến với một số nhà đầu tư khi có kế hoạch chi tiêu trong ngày hoặc trong hai ngày cuối tuần. Do đó, mô hình nghiên cứu xem xét sự khác biệt bằng cách sử dụng các biến giả đại diện cho các ngày trong tuần: biến Dj nhận giá trị 1 nếu là ngày thứ j và nhận giá trị 0 với các ngày còn lại. Kiểm định cho thấy biến Close và Open không dừng xong có đồng tích hợp, nghiên cứu xem xét có hay không xu hướng tăng giá của cổ phiếu FPT theo thời gian, do đó biến xu hướng Trend được kết hợp.

Mô hình phân tích có dạng như sau:

KẾT QUẢ NGHIÊN CỨU

Tác giả ứớc lượng mô hình bởi phương pháp ước lượng vững, kết quả thể hiện tại Bảng 2. Theo đó, giá mở cửa (Open) có giá trị tham chiếu lớn đến giá đóng cửa, có ý nghĩa thống kê mạnh mẽ, điều này phù hợp với hành vi của nhà đầu tư. Khối lượng cổ phiếu thực hiện giao dịch ngày hôm trước (Volume(-1)) có hệ số tác động dương song chưa tìm thấy ý nghĩa thống kê trong mô hình nghiên cứu. Khoảng chênh lệch giữa giá lớn nhất và giá nhỏ nhất (DMaxMin(-1)) có hệ số âm, phù hợp với lý thuyết kinh tế song chưa tìm thấy ý nghĩa thống kê (P_Value = 0,146 > 10%).

Bảng 2: Kết quả mô hình nghiên cứu

Nguồn: Tính toán của tác giả

Nghiên cứu tìm thấy xu thế tăng giá 0,0015 (nghìn đồng/ngày giao dịch) của cổ phiếu FPT với mức ý nghĩa 5%, điều này phản ánh quá trình kinh doanh phát triển ổn định của doanh nghiệp, tạo niềm tin về sự tăng giá theo thời gian trong kỳ vọng của người bán và người mua.

Kết quả thú vị cho thấy quy luật về tâm lý của nhà đầu tư diễn biến theo các ngày trong tuần, tất cả các biến phân loại ngày đều có mức ý nghĩa thống kê P_Value nhỏ, điều này khẳng định các biến đều có ý nghĩa thống kê mức 5%. Mức giá được cho là dễ bán ở mức thấp vào Thứ 2 do hệ số các ngày còn lại đều dương, sau đó người bán “khó tính” dần và tăng cao nhất vào Thứ 4 với hệ số 0,5245, sau đó giảm dần đến Thứ 5 với hệ số 0,4241 và Thứ 6 với hệ số 0,3815.

Mô hình được sử dụng phương pháp ước lượng vững, không có đa cộng tuyến, hệ số R2 = 0,9981 chứng tỏ mô hình giải thích tới 99,81% của biến phụ thuộc, đây là mức giải thích cao cho biến phụ thuộc và kết quả đáng tin cậy.

KẾT LUẬN

Nghiên cứu chỉ ra rằng, giá mở cửa đóng vai trò là giá trị tham chiếu quan trọng có tác động mạnh mẽ đến giá đóng cửa, với hệ số tác động lớn trong các phiên giao dịch. Mối quan hệ chặt chẽ này không chỉ phản ánh tính hiệu quả của thị trường mà còn cho thấy sự nhất quán trong nhận định của các nhà đầu tư. Xu hướng tăng giá theo ngày của cổ phiếu FPT phản ánh triển vọng phát triển tích cực của công ty, đồng thời thể hiện sự đánh giá cao từ cộng đồng các nhà đầu tư. Sự tăng giá bền vững này phản ánh nhiều yếu tố nền tảng như tình hình kinh doanh, kết quả tài chính, trong đó chiến lược phát triển cùng với quá trình nâng tầm thương hiệu đã được công ty thực hiện một cách hiệu quả.

Kết quả nghiên cứu cho thấy sự biến động trong tâm lý mua bán của nhà đầu tư theo từng ngày trong tuần, phản ánh một mô hình hành vi có thể quan sát được trên thị trường. Do đó, tác giả khuyến nghị nhà đầu tư theo dõi sát sao thị trường, khi có sự chủ động, có thể kết hợp chiến lược:

- Cơ hội mua vào đầu tuần (Thứ 2): Khi thị trường có dấu hiệu tích cực, nhà đầu tư có thể cân nhắc mua vào để tận dụng đà tăng trong những ngày tiếp theo.

- Chiến lược bán ra vào giữa tuần (Thứ 4): Nếu thị trường đã có đợt tăng trước đó, việc chốt lời vào Thứ 4 có thể giúp giảm thiểu rủi ro biến động cuối tuần.

- Lựa chọn giao dịch theo ngày trong tuần có thể cung cấp gợi ý hữu ích dù hiệu quả cuối cùng vẫn phụ thuộc vào sự linh hoạt và khả năng thích ứng của nhà đầu tư trước các biến động của thị trường.

Nghiên cứu cũng không tránh khỏi một số hạn chế. Kết quả phân tích chưa tìm thấy bằng chứng thống kê mạnh mẽ về mối quan hệ giữa khối lượng giao dịch và mức độ chênh lệch biến động giá. Cụ thể, hệ số hồi quy của các biến trong kết quả mô hình chỉ có mức xác suất yếu (0,1

Để khắc phục những hạn chế này, tác giả đề xuất các nghiên cứu trong tương lai có thể kết hợp mở rộng độ dài chuỗi dữ liệu để bao phủ nhiều chu kỳ thị trường hơn; bổ sung các biến độc lập mới phản ánh các cú sốc thị trường như chỉ số bất ổn kinh tế vĩ mô, biến động lãi suất, thay đổi trong chính sách tiền tệ hoặc các sự kiện đặc biệt về kinh tế, chính trị; mở rộng áp dụng kết hợp các phương pháp phân tích mới./.

Tài liệu tham khảo

1. Abu-Mostafa, Yaser S., and Amir F. Atiya (1996). Introduction to financial forecasting, Applied Intelligence, 6, 205–213.

2. Amihud, Y., & Mendelson, H. 1986. Asset Pricing and the Bid-Ask Spread, Journal of Financial Economics, 17(2), 223–249.

3. Changtai Li, Weihong Huang, Wei-Siang Wang, Wai-Mun (2021). Price Change and Trading Volume: Behavioral Heterogeneity in Stock Market, Computational Economics, 61(2), 667-713.

4. Cheng, Ching-Hsue, Tai-Liang Chen, and Liang-Ying Wei. (2010). A hybrid model based on rough sets theory and genetic algorithms for stock price forecasting, Information Sciences, 180(9), 1610 -1629.

5. Fama, Eugene F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work, The Journal of Finance, 25, 383-417.

6. Hu, Yong, Kang Liu, Xiangzhou Zhang, Lijun Su, E. W. T. Ngai, and Mei Liu. (2015). Application of evolutionary computation for rule discovery in stock algorithmic trading: A literature review, Applied Soft Computing, 36, 534-551.

7. Kumar, G., Jain, S., and Singh, U. P. 2021. Stock market forecasting using computational intelligence: A survey, Archives of computational methods in engineering, 28(3), 1069-1101.

8. Manik, Efron (2025). Relationship between opening and closing of stock prices for IHSG and issuers: A case study in the Indonesia Stock Exchange, Bulletin of Applied Mathematics and Mathematics Education, 5(1), 71-80.

9. Naseer, Mehwish, and Yasir bin Tariq (2015). The efficient market hypothesis: A critical review of the literature, IUP Journal of Financial Risk Management, 12, 48-63.

10. Nhung, Lê Thị Quỳnh (2016). Phân tích các nhân tố tác động giá mở cửa của cổ phiếu VCB, Tạp chí Khoa học và Đào tạo Ngân hàng, 166, 27-31.

11. Schwert, G.W. (1990). Stock Market Volatility, Financial Analysts Journal, 46, 23-34.

12. Stickel SE, Verrecchia RE (1994). Evidence that trading volume sustains stock price changes, Financial Analysts Journal, 50(6), 57-67.

13. Virgilio, Gianluca P. M. (2022). A theory of very short-time price change: security price drivers in times of high-frequency trading, Financial Innovation, 66(34).

14. Zhong, Xiao and David Enke (2017). Forecasting daily stock market return using dimensionality reduction, Expert Systems with Applications, 67, 126-139.