Phân tích sự biến động của các nhân tố vĩ mô tác động đến thị trường chứng khoán: Bằng chứng tại Việt Nam

12/2019 KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 
48 
PHÂN TÍCH SỰ BIẾN ĐỘNG CỦA CÁC NHÂN TỐ VĨ MÔ TÁC ĐỘNG ĐẾN 
THỊ TRƯỜNG CHỨNG KHOÁN : BẰNG CHỨNG TẠI VIỆT NAM 
ThS. Lê Thị Minh Hưởng(*) 
Tóm tắt 
Thị trường chứng khoán Việt Nam (TTCKVN) sau gần 20 năm hoạt động đã trải qua rất 
nhiều giai đoạn thăng trầm. Bên cạnh những đóng góp vào sự phát triển của nền kinh tế quốc 
gia, thì TTCKVN vẫn còn một số tồn tại nhất định. Vì vậy, việc nghiên cứu các nhân tố ảnh 
hưởng tới sự biến động của chỉ số chứng khoán luôn được xã hội quan tâm đặc biệt. Nghiên 
cứu này nhằm đo lường 6 nhân tố vĩ mô ảnh hưởng tới TTCK Việt Nam. Kết quả nghiên cứu 
chỉ ra rằng, trong dài hạn, chỉ số giá chứng khoán VNI chịu tác động cùng chiều với giá dầu, 
cung tiền, lãi suất và tác động ngược chiều với giá vàng SJC, tỷ giá hối đoái. Trong ngắn 
hạn, chỉ số giá chứng khoán tác động cùng chiều với sự biến động của giá dầu và ngược 
chiều với sự biến động của lãi suất, ngoài ra cũng có quan hệ nhân quả với cung tiền M2. Khi 
có sự tác động của các cú sốc thị trường, sự điều chỉnh từ ngắn hạn tác động rất chậm đến 
cân bằng dài hạn. 
1. Giới thiệu 
Trong cơ cấu của thị trường tài chính, 
TTCK có vai trò quan trọng trong việc cung 
cấp thêm một kênh huy động vốn trung dài 
hạn cho nền kinh tế (Mishkin, 2004). Người 
ta thường ví von so sánh chỉ số giá chứng 
khoán như tấm gương soi để phản chiếu một 
cách rõ nét sức khỏe thị trường, mà đối 
tượng tiêu biểu là các doanh nghiệp. Chỉ số 
giá chứng khoán là chỉ tiêu khá nhạy cảm 
trong môi trường kinh tế vĩ mô nhiều biến 
động. Trong số các chỉ số như VN index, 
HNX index, Vn index - 30, Upcom index, 
Baoviet index, v.v VN index luôn được 
coi là chỉ số giá chứng khoán quan trọng và 
tiêu biểu nhất khi đánh giá tổng quan về 
biến động của TTCKVN. Việc nghiên cứu 
các nhân tố ảnh hưởng tới sự biến động của 
chỉ số chứng khoán luôn được các nhà đầu 
tư và xã hội quan tâm đặc biệt. 
2. Tổng quan tài liệu 
Trong nhiều năm qua, trên thế giới đã 
(*) Giảng viên khoa Kinh tế, Trường ĐH Kiến trúc Đà Nẵng 
có rất nhiều các nghiên cứu về tác động của 
các nhân tố kinh tế vĩ mô trên thị trường 
chứng khoán. (Perera & Silva, 2018) đã hệ 
thống hóa xem xét lại các lý thuyết qua 58 
nghiên cứu trong thời gian qua được đăng 
trên các tạp chí uy tín. Tác giả cho rằng 
thông thường các nghiên cứu trong quá khứ 
thường chỉ sử dụng các dữ liệu trong nước 
của mỗi quốc gia, ít sử dụng các dữ liệu 
kinh tế vĩ mô toàn cầu, hơn nữa các thủ tục 
kiểm định phân tích còn đơn giản, do đó 
không phản ánh rõ nét sự tác động của các 
nhân tố vĩ mô đến thị trường chứng khoán. 
Một số tài liệu khác được tìm thấy khi 
sử dụng mô hình hồi quy OLS để phân tích 
các nhân tố. Cụ thể, (Hanif & Bhatti, 2019) 
đã trình bày mối tương quan, nghiệm đơn 
vị, hồi quy OLS và kiểm định Granger của 
các biến. Tác giả đã thu thập 8 nhân tố vĩ 
mô tại Pakistan giai đoạn 7/2011 - 10/2016. 
Kết quả nghiên cứu chỉ ra rằng không có 
mối quan hệ đồng liên kết trong ngắn hạn 
giữa hai loại chỉ số chứng khoán. Các ngành 
KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 12/2019 
 49 
sản xuất công nghiệp và cung tiền có tác 
động mạnh mẽ tới giá chứng khoán trong 
khi giá vàng và tỷ giá hối đoái lại tác động 
không đáng kể đến chỉ số chứng khoán 
trong nước. Kiểm định đồng liên kết qua mô 
hình ARDL, và kỹ thuật VECM cũng được 
sử dụng (Akbar, Rauf, & Chaudhry, 2019). 
Dữ liệu thu thập tại TTCK Pakistan 1/1992 - 
12/2012 với 7 biến độc lập. Tương ứng với 
các độ trễ khác nhau sẽ có mức độ tác động 
âm hoặc dương đáng kể khác nhau đến hiệu 
suất của TTCK ở tháng hiện tại hoặc một, 
hoặc hai tháng sau đó. Mô hình VECM cũng 
được sử dụng trong điều chỉnh sai số về tác 
động của các nhân tố vĩ mô đến TTCK Ấn 
Độ. Với nghiên cứu này (Kaur & Singh, 
2019) đã sử dụng các nhân tố bao gồm xuất 
khẩu, nhập khẩu, giá vàng và Mcxcomdex 
tác động đến chỉ số chứng khoán Nifty 
index. Kết quả cho thấy các biến này không 
có mối quan hệ lâu dài. Tác giả tiếp tục sử 
dụng mô hình VAR và phát hiện mối quan 
hệ ngắn hạn đã được phát triển. 
Tại TTCK lớn ở Mỹ và Châu Âu gồm 
DAX30 (Germany), IBEX35 (Spain), 
CAC40 (France), MIB30 (Italy), FTSE100 
(United Kingdom) và S&P500 (United 
States), tác giả sử dụng một số nhân tố kinh 
tế vĩ mô quan trọng (Francisco, Ana, & 
Alberto, 2019). Kết quả cho thấy thất nghiệp 
có tác động âm đáng kể, ngược lại tổng sản 
phẩm trong nước, chỉ số sản xuất công 
nghiệp có tác động dương đến TTCK quốc 
tế. Trong bài báo khác, nhóm tác giả đã sử 
dụng mô hình kinh tế vĩ mô với các biến nội 
sinh và các kỳ vọng không đồng nhất của 
phương pháp Weidlich-Haag-Lux đã được 
cải tiến bởi Franke (2012). Nhóm tác giả tập 
trung vào tác động của giá cổ phiếu đến hoạt 
động kinh tế vĩ mô thông qua mô hình 
Brainard-Tobin q, đây là cách khá đơn giản 
vì giá hàng hóa được giả định là không đổi 
(Peter Flaschel ... dừng sai phân bậc 1 
IR -4.319876 0.0000 
Chuỗi dừng sai phân bậc 1 
CPI -4.476981 0.0001 
Chuỗi dừng 
(Nguồn: Tính toán của tác giả) 
Biến chỉ số giá tiêu dùng CPI có 
nghiệm đơn vị và dừng. Các biến còn lại 
chuỗi dữ liệu ban đầu (ở mức level) là 
không dừng (hay có nghiệm đơn vị), khi sai 
phân bậc 1 đều có giá trị tuyệt đối tính toán 
lớn hơn so với giá trị tra bảng ở mức ý nghĩa 
5% và 10%. Nghĩa là số liệu từ các biến 
VNI, Giá vàng, giá dầu, cung tiền, tỷ giá hối 
đoái, và lãi suất là những chuỗi không dừng, 
bậc tích hợp của các biến là 1 hay I(1). 
4.3.Kiểm định đồng tích hợp theo 
phương pháp VAR 
Bảng 4. Kiểm định đồng liên kết theo phương pháp VAR 
Hypothesized Trace 0.05 
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** 
None * 0.397851 165.8732 125.6154 0.0000 
At most 1 * 0.240944 107.5395 95.75366 0.0060 
At most 2 * 0.212189 75.83636 69.81889 0.0153 
At most 3 * 0.155144 48.40914 47.85613 0.0443 
At most 4 0.127243 29.02144 29.79707 0.0612 
At most 5 0.097849 13.37015 15.49471 0.1019 
At most 6 0.013201 1.528198 3.841466 0.2164 
(Nguồn: Tính toán của tác giả) 
 Kết quả kiểm định mà Johansen và 
Juselius (1990) đưa ra là kiểm định vết ma 
trận (trace) và kiểm định giá trị riêng cực 
đại của ma trận (Maxeigenvalue) đều khẳng 
định tồn tại ít nhất một véctơ đồng tích hợp 
ở mức ý nghĩa 5%. Điều này chứng minh 
rằng có một mối quan hệ dài hạn mạnh 
(đồng tích hợp) giữa các biến nghiên cứu. 
Cụ thể, Trace Statistic > Critical Value, 
(165.8732 > 125.6154) => bác bỏ giả thiết 
H0 => nghĩa là mô hình có đồng liên kết, các 
biến giá vàng, giá dầu, cung tiền, chỉ số giá 
tiêu dùng, tỷ giá hối đoái, và lãi suất có mối 
quan hệ đồng liên kết với chỉ số giá chứng 
khoán VNIndex. Điều này chứng tỏ rằng ta 
có thể thực hiện hồi quy OLS mà không cần 
lo lắng về vấn đề hồi quy giả tạo. 
4.4.Lựa chọn độ trễ tối ưu 
Việc lựa chọn độ trễ tối ưu cho mô 
hình sẽ được thực hiện bằng cách ứng dụng 
mô hình VAR cho các chuỗi dữ liệu ban đầu 
của các biến với độ trễ tối đa là 5. Độ trễ tối 
ưu được xác định dựa vào kết quả phù hợp 
với nhiều tiêu chuẩn nhất. Tiêu chuẩn thông 
KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 12/2019 
 53 
tin Schwarz và tiêu chuẩn thông tin Hannan-
Quinn cùng đề nghị lựa chọn độ trễ tối đa 
của mô hình là 1, tức là giá trị của các biến 
hiện tại sẽ chịu tác động của giá trị của các 
biến trễ tháng là một tháng trước đó. 
Bảng 5. Lựa chọn độ trễ tối ưu cho mô hình hồi quy 
 Lag LogL LR FPE AIC SC HQ 
0 -5240.006 NA 1.01e+31 91.25227 91.41935 91.32009 
1 -4190.254 1953.451 2.79e+23* 73.84789* 75.18456* 74.39044* 
2 -4155.670 60.14553 3.61e+23 74.09861 76.60485 75.11588 
3 -4109.496 74.68137* 3.88e+23 74.14776 77.82358 75.63976 
4 -4076.280 49.67944 5.34e+23 74.42227 79.26767 76.38899 
5 -4028.420 65.75521 5.87e+23 74.44210 80.45708 76.88355 
(Nguồn: Tính toán của tác giả)
4.5. Mô hình hồi quy đồng tích hợp 
Việc sử dụng mô hình hồi quy nhằm 
mục đích xem xét mối quan hệ trong dài hạn 
của các biến độc lập tác động lên chỉ số giá 
chứng khoán VNI. Nghiên cứu sử dụng giá 
trị p-value để kiểm định các biến có thực sự 
ảnh hưởng tới VNI hay không. Kết quả cho 
thấy các biến giá vàng SJC, giá dầu, cung 
tiền M2, tỷ giá hối đoái, lãi suất có ý nghĩa 
thống kê ở mức 1%. Riêng biến chỉ số giá 
tiêu dùng không có ý nghĩa thống kê, ta sẽ 
tiến hành kiểm định sâu hơn để có thể loại 
bỏ biến chỉ số giá tiêu dùng. 
Bảng 6 . Mô hình hồi quy đồng tích hợp với biến phụ thuộc VNI 
 Variable Coefficient Std. Error t-Statistic Prob. 
SJC -0.009110 0.002241 -4.064846 0.0001 
OIL 2.921976 0.456509 6.400697 0.0000 
M2 0.000136 1.00E-05 13.55233 0.0000 
IR 12.64573 4.381376 2.886245 0.0047 
EX -0.059226 0.015919 -3.720401 0.0003 
CPI 11.82328 11.30416 1.045923 0.2978 
C 1186.240 251.8030 4.710986 0.0000 
 R-squared 0.878080 
(Nguồn: Tính toán của tác giả) 
Nhìn vào bảng tổng hợp ta nhận thấy 
R2 = 0.878080 cho biết rằng 6 biến kinh tế 
vĩ mô ảnh hưởng tới chỉ số giá chứng khoán 
từ dữ liệu gốc đã giải thích được 87.80% sự 
thay đổi của chỉ số giá chứng khoán 
VNindex. Điều này cho thấy rằng ngoài 
chịu sự ảnh hưởng của các nhân tố trên thì 
VNindex còn chịu sự tác động của các yếu 
tố khác như tổng sản lượng sản xuất công 
nghiệp, cán cân thương mại, hay hiện tượng 
bầy đàn, v.vvà chỉ số giá chứng khoán 
VNindex của các giai đoạn trước. Với một 
TTCK mới nổi ở Việt Nam, chỉ số chứng 
khoán chịu sự tác động lớn bởi yếu tố tâm lý 
và thông tin bất cân xứng, đầu tư chứng 
khoán dưới hình thức đầu cơ là chủ yếu. 
Chính điều này làm cho chỉ số giá chứng 
khoán diễn ra khá phức tạp trong thời gian 
qua. Tuy nhiên, với kết quả đã xử lý, đối với 
biến Chỉ số giá tiêu dùng có hệ số co dãn 
11.82328, P-value = 0.2978 > 0,05, nên biến 
12/2019 KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 
54 
chỉ số giá tiêu dùng là biến có khả năng 
không ảnh hưởng. 
4.6. Kiểm định thừa biến 
Kết quả xử lý cho ta giá trị Prob = 
0.2978 > α = 0,05 nên ta chấp nhận giả thiết 
H0 nghĩa là mô hình thừa biến chỉ số giá tiêu 
dùng CPI. Kết quả xử lý mô hình sau khi 
loại bỏ biến chỉ số giá tiêu dùng có R2 = 
0.876899 cho biết mô hình có mức ý nghĩa 
trong việc giải thích với tỷ lệ 87,68%. 
Bảng 7. Kiểm định tính thừa biến của mô hình 
 Value df Probability 
t-statistic 1.045923 113 0.2978 
F-statistic 1.093955 (1, 113) 0.2978 
Likelihood ratio 1.156135 1 0.2823 
Variable Coefficient Std. Error t-Statistic Prob. 
SJC -0.009592 0.002194 -4.371670 0.0000 
OIL 3.046506 0.440891 6.909891 0.0000 
M2 0.000135 1.00E-05 13.50685 0.0000 
IR 13.77412 4.248223 3.242325 0.0016 
EX -0.057614 0.015851 -3.634743 0.0004 
C 1172.362 251.5567 4.660428 0.0000 
R-squared 0.876899 Mean dependent var 584.3180 
(Nguồn: Tính toán của tác giả) 
Việc hồi quy sau khi loại bỏ biến chỉ số 
giá tiêu dùng được thực hiện cho biết mô 
hình mới giải thích được sự tác động của 
các biến độc lập đến VNI với mức ý nghĩa 
87.68%. 
4.7. Mô hình hiệu chỉnh sai số 
Do sai phân bậc 1 của các biến là chuỗi 
dừng và có độ trễ là một tháng tác động nên 
nghiên cứu có thể sử dụng kỹ thuật OLS, 
thêm phần dư có độ trễ t-1 được đưa vào 
trong mô hình nhằm bảo đảm quan hệ quan 
hệ dài hạn được thỏa mãn. 
Bảng 8. Mô hình hiệu chỉnh sai số ECM 
 Variable Coefficient Std. Error t-Statistic Prob. 
∆VNI(-1) 0.534300 0.383087 1.394721 0.1660 
∆SJC -0.000433 0.002606 -0.166203 0.8683 
∆OIL 1.846994 0.560114 3.297534 0.0013 
∆M2 7.65E-06 4.87E-05 0.156962 0.8756 
∆IR -11.67669 7.013053 -1.664994 0.0988 
∆EX -0.014206 0.017907 -0.793328 0.4293 
∆CPI -4.176456 6.646297 -0.628388 0.5311 
ECM(-1) -0.441489 0.394457 -1.119233 0.2655 
C 2.429976 5.010791 0.484949 0.6287 
Breusch-Godfrey Serial Correlation LM Test: 
F-statistic 0.313725 Prob. F(2,106) 0.7314 
Obs*R-squared 0.688487 Prob. Chi-Square(2) 0.7088 
Heteroskedasticity Test: Breusch-Pagan-Godfrey 
F-statistic 0.436761 Prob. F(8,108) 0.8966 
Obs*R-squared 3.666635 Prob. Chi-Square(8) 0.8859 
(Nguồn: Tính toán của tác giả) 
 Trong ngắn hạn, chỉ số giá chứng 
khoán VNI chịu tác động của yếu tố giá dầu 
và yếu tố lãi suất. Khi các yếu tố khác 
không đổi, biến thiên của giá dầu tăng 1% 
thì chỉ số giá chứng khoán sẽ tăng 1.84%. 
Ngoài ra, khi các yếu tố khác không đổi 
KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 12/2019 
 55 
biến thiên lãi suất tăng 1% thì chỉ số giá 
chứng khoán sẽ giảm 11.67%. Hơn nữa, hệ 
số của phần sai số hiệu chỉnh (ECMt-1) là -
0.441489 nhưng không có ý nghĩa thống kê 
cho thấy tốc độ điều chỉnh từ ngắn hạn về 
cân bằng dài hạn là rất chậm sau khi có các 
cú sốc tác động. Các kiểm định chuẩn đoán 
về hiện tượng tự tương quan và phương sai 
sai số thay đổi cũng đã cho thấy các điều 
kiện cơ bản của kinh tế lượng về độ tin cậy 
của kết quả hồi quy được đảm bảo. 
4.8. Kiểm định quan hệ nhân quả 
Granger 
Bảng 9. Kết quả kiểm định quan hệ nhân quả Granger 
 Null Hypothesis: Obs F-Statistic Prob. 
 SJC does not Granger Cause VNI 118 0.55984 0.5729 
 VNI does not Granger Cause SJC 0.56173 0.5718 
 OIL does not Granger Cause VNI 118 2.39439 0.0958 
 VNI does not Granger Cause OIL 1.80393 0.1694 
 M2 does not Granger Cause VNI 118 3.03299 0.0521 
 VNI does not Granger Cause M2 0.75385 0.4729 
 IR does not Granger Cause VNI 118 3.22846 0.0433 
 VNI does not Granger Cause IR 0.05288 0.9485 
 EX does not Granger Cause VNI 118 0.04648 0.9546 
 VNI does not Granger Cause EX 1.56757 0.2131 
 CPI does not Granger Cause VNI 118 0.17705 0.8380 
 VNI does not Granger Cause CPI 0.99393 0.3733 
(Nguồn : Tính toán của tác giả)
Bảng 9 mô tả mối quan hệ nhân quả 
giữa chỉ số giá chứng khoán Việt Nam với 
các yếu tố kinh tế vĩ mô với độ trễ là một 
tháng. Kết quả này cho thấy: chỉ số giá 
chứng khoán Việt Nam có mối quan hệ nhân 
quả một chiều với giá dầu, cung tiền M2 ở 
mức ý nghĩa 10% và với lãi suất ở mức ý 
nghĩa 5%. Điều này chứng tỏ sự biến thiên 
của giá dầu, cung tiền và lãi suất ảnh hưởng 
đến sự biến động của chỉ số giá chứng 
khoán VNI. Như vậy, kết quả nghiên cứu ở 
đây cũng gần như trùng khớp với kiểm định 
của mô hình sau khi hiệu chỉnh sai số theo 
mô hình ECM. 
5. Kết luận 
Kết quả phân tích đã chỉ ra rằng, trong 
dài hạn, VNI chịu tác động ngược chiều của: 
giá vàng SJC và tỷ giá hối đoái. Điều này 
trùng với kết quả nghiên cứu của (Hanif & 
Bhatti, 2019), (Akbar et al., 2019). Giá dầu, 
cung tiền và lãi suất có tác động cùng chiều 
với chỉ số giá chứng khoán, phù hợp với 
TTCK tại Jordanian and Turkey (Tursoy & 
Faisal, 2017), (Mohamed & Ahmed, 2014). 
Trong ngắn hạn, VNI có mối quan hệ cùng 
chiều với độ biến thiên của giá dầu, và mối 
quan hệ ngược chiều với độ biến thiên của 
lãi suất. Kiểm định nhân quả Granger cũng 
cho thấy giá dầu, cung tiền và lãi suất là 
nguyên nhân gây ra sự biến động của chỉ số 
giá chứng khoán VNI. Tuy nhiên, việc kiểm 
định mô hình hiệu chỉnh sai số chỉ ra rằng 
việc tốc độ điều chỉnh từ ngắn hạn về cân 
bằng dài hạn là rất chậm sau các cú sốc tác 
động. Phát hiện của nghiên cứu được tóm 
lược bởi một số ý chính sau : 
1) Thêm vào biến giá dầu thế giới vào 
mô hình các nhân tố vĩ mô ảnh hưởng tới 
chỉ số giá chứng khoán. Bổ sung nghiên cứu 
của (Hussainey & Khanh Ngoc, 2009), 
(Vinh, 2014). 
12/2019 KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 
56 
2) Xem xét giá vàng SJC tại Việt Nam 
như một biến độc lập, đây là một biến khá 
quan trọng tác động đến tâm lý các nhà đầu 
tư khi đầu tư vào TTCK Việt Nam. Tuy 
nhiên cho đến nay chưa có các nghiên cứu 
sâu về giá vàng tác động đến chỉ số giá 
chứng khoán VNI. 
3) Để mở rộng phạm vi nghiên cứu 
tương lai, ta có thể sử dụng các nhân tố tác 
động khác ví dụ giá vàng thế giới, chỉ số giá 
chứng khoán nổi tiếng trên thế giới như 
Dow Jones, Nikkei 225, ShangHai 
Composite Index, Ngoài ra còn có các 
nhân tố vĩ mô xuất phát từ chính bản thân 
công ty như lợi nhuận trên mỗi cổ phần, tác 
động mùa vụ, hoặc hiện tượng bầy đàn trên 
TTCK Việt Nam. 
TÀI LIỆU THAM KHẢO 
[1]. Akbar, M. I., Rauf, A., & Chaudhry, A. 
F. (2019). An Empirical relationship 
between Macroeconomic Indicators 
and Pakistan An Empirical relationship 
between Macroeconomic Indicators 
and Pakistan Stock Market : 1992-
2012. (July 2018). 
[2]. Chittedi, K. R. (2012). Do Oil Prices 
Matters for Indian Stock Markets ? An 
Empirical Analysis. 2(1), 2–10. 
[3]. Do, G. Q., Mcaleer, M., & 
Sriboonchitta, S. (2009). Volume 29 , 
Issue 2 Effects of international gold 
market on stock exchange volatility : 
evidence from asean emerging stock 
markets. 29(2), 599–610. 
[4]. Francisco, J., Ana, E., & Alberto, C. 
(2019). MACROECONOMIC 
VARIABLES AND STOCK MARKETS: 
AN INTERNATIONAL STUDY. 13. 
[5]. Gokmenoglu, K. K. (2015). The 
Interactions among Gold , Oil , and 
Stock Market : Evidence from S & 
P500. Procedia Economics and 
Finance, 25(May), 478–488. 
https://doi.org/10.1016/S2212-
5671(15)00760-1 
[6]. González, M., (gonsan@ceu.es), 
University, C. S. P., Nave, J., 
(juan.nave@uclm.es), Mancha, U. C. 
La,  Herrera, U. C. C. (2019). 
Macroeconomic Determinants of Stock 
Market Development. Journal of 
Applied Economics, 2(1), 29–59. 
https://doi.org/10.1080/15140326.1999.
12040532 
[7]. Hanif, M., & Bhatti, A. A. (2019). 
Causality among Stock Market and 
Macroeconomic Factors: A 
Comparison of Conventional and 
Islamic Stocks. Journal of Islamic 
Business and Management (JIBM), 
8(2), 1–23. 
https://doi.org/10.26501/jibm/2018.080
2-006 
[8]. Hussainey, K., & Khanh Ngoc, L. 
(2009). The impact of macroeconomic 
indicators on Vietnamese stock prices. 
Journal of Risk Finance, 10(4), 321–
332. 
https://doi.org/10.1108/1526594091098
0632 
[9]. Kaur, H., & Singh, J. (2019). Impact of 
Selected Macroeconomic Variables on 
Indian Stock Market Index. IBMRD’s 
Journal of Management & Research, 
8(1), 1. 
https://doi.org/10.17697/ibmrd/2019/v8
i1/142527 
[10]. Kumar, P., & Narayan, S. (2010). 
Modelling the impact of oil prices on 
Vietnam ’ s stock prices. Applied 
KỶ YẾU HOẠT ĐỘNG KHOA HỌC & GIÁO DỤC TRƯỜNG ĐH KIẾN TRÚC ĐÀ NẴNG 12/2019 
 57 
Energy, 87(1), 356–361. 
https://doi.org/10.1016/j.apenergy.2009
.05.037 
[11]. Mishkin, F. S. (2004). The Economics 
of Money, Banking, and Financial 
Markets. 
[12]. Mohamed, I. A., & Ahmed, S. (2014). 
The Effects of Macroeconomic 
Variables on Stock Returns in the 
Jordanian Stock Market. Global 
Journal of Management and Business, 
3(8), 087–093. 
https://doi.org/10.4038/suslj.v6i1.1689 
[13]. Perera, K. L. ., & Silva, S. (2018). 
Macroeconomic Influence on the Stock 
Market : A Review Influence on the 
Stock Market : A Review heories on 
Macroeconomic Influence on Stock 
Market. (Icbm), 414–439. 
[14]. Peter Flaschel, Matthieu Charpe, 
Giorgos Galanis, C. R. P. and R. V. 
(2017). www.econstor.eu. 
[15]. Sadeghi, J. (2018). Dependence 
between the stock market Middle East. 
(August). 
[16]. Smith, G. (2001). T HE P RICE OF G 
OLD AND S TOCK P RICE I NDICES 
FOR. (November). 
[17]. Tursoy, T., & Faisal, F. (2017). The 
impact of gold and crude oil prices on 
stock market in Turkey : Empirical 
evidences from ARDL bounds test and 
combined cointegration. Resources 
Policy, (February), 0–1. 
https://doi.org/10.1016/j.resourpol.2017
.10.014 
[18]. Vinh, V. X. (2014). An Empirical 
Investigation of Factors Affecting Stock 
Prices in Vietnam. 16(1), 74–89. 
[19]. Wei, Y., Qin, S., Li, X., Zhu, S., & 
Wei, G. (2019). PT. Finance Research 
Letters. 
https://doi.org/10.1016/j.frl.2019.03.02
8 
[20]. Yang, E., Kim, S. H., Kim, M. H., & 
Ryu, D. (2018). Macroeconomic shocks 
and stock market returns: the case of 
Korea. Applied Economics, 50(7), 757–
773. 
https://doi.org/10.1080/00036846.2017.
1340574