Tổng Hợp Phương Pháp Đo Lường Các Biến Và Nguồn Dữ Liệu Trong Mô Hình Svar

Lãi suất dài hạn Mỹ. Luận án sử dụng lãi suất trái phiếu Chính phủ Mỹ kỳ hạn 10 năm làm đại diện cho lãi suất dài hạn. Dữ liệu được lấy từ nguồn Datastream của Thompson Reuters. Đơn vị tính là tỷ lệ phần trăm với tần suất theo tháng và được điều chỉnh yếu tố mùa trước khi đưa vào mô hình.

Rủi ro toàn cầu. Chỉ số biến động (Volatility Index - VIX) được sử dụng để đánh giá rủi ro toàn cầu, dữ liệu được lấy từ nguồn dữ liệu qua trang web của Sở giao dịch Chicago. Đây là dạng chỉ số nên được điều chỉnh lấy logarit để chuyển sang cùng đơn vị là tỷ lệ phần trăm, tần suất theo tháng và được điều chỉnh yếu tố mùa trước khi đưa vào mô hình.

Bảng 3.3 Tổng hợp phương pháp đo lường các biến và nguồn dữ liệu trong mô hình SVAR

Nhóm

biến

Tên biến	Kí hiệu	Đơn vị	Dữ liệu	Nguồn dữ liệu
Bên ngoài	Lãi suất dài hạn Mỹ	I_US_10Y	%	Lãi suất trái phiếu Chính phủ Mỹ kỳ hạn 10 năm	Datastream
Bên ngoài	Rủi ro toàn cầu	VIX	log	Rủi ro toàn cầu	CBOE
Bên trong (Việt Nam)	Thay đổi tăng trưởng sản lượng Việt Nam	IP	%	Tăng trưởng sản lượng công nghiệp	ADB
	Thay đổi lạm phát Việt Nam	IF	%	Tỷ lệ lạm phát Việt Nam	ADB
	Lãi suất ngắn hạn Việt Nam	I_VN_ON	%	Lãi suất cho vay liên ngân hàng qua đêm	Datastream
	Lãi suất dài hạn Việt Nam	I_VN_10Y	%	Lãi suất trái phiếu Chính phủ Việt Nam kỳ hạn 10 năm	Datastream

Có thể bạn quan tâm!

Xem toàn bộ 256 trang tài liệu này.

Nguồn: Tác giả tổng hợp

Mô hình nghiên cứu

Tương tự Filardo & ctg (2016) và Jain – Chandra & Unsal (2014), mô hình nghiên cứu được thể hiện với hai nhóm biến bao gồm nhóm các nhân tố trong nước với vai trò là các biến nội sinh và nhóm các nhân tố tác động từ bên ngoài với vai trò là các biến ngoại sinh, kí hiệu như sau:

𝑌𝑡 = 𝑓(𝑌1,𝑡, 𝑌2,𝑡) (3.13)

Các nhân tố được biểu diễn trong hai nhóm như sau:

𝑌1,𝑡 = 𝑓(I_VN_ON, I_VN_10Y, IP, IF) và 𝑌2,𝑡 = 𝑓(I_US_10Y, VIX) (3.14)

Trong đó Y1,t và Y2,t lần lượt tương ứng đại diện cho nhóm các nhân tố trong nước và nhóm các nhân tố bên ngoài. Nhóm các nhân tố trong nước bao gồm I_VN_ON, I_VN_10Y, IP, IF lần lượt là lãi suất ngắn hạn, lãi suất dài hạn, thay đổi tăng trưởng sản lượng và thay đổi lạm phát Việt Nam. Nhóm các nhân tố bên ngoài bao gồm I_US_10Y, VIX lần lượt là lãi suất dài hạn Mỹ và rủi ro toàn cầu.

Vì mục tiêu xem xét truyền dẫn CSTT Việt Nam trong điều kiện HNTC nên lãi suất ngắn hạn Việt Nam, lãi suất dài hạn Mỹ và rủi ro toàn cầu là những biến quan tâm chính. Lãi suất dài hạn Mỹ và rủi ro toàn cầu là những biến ngoại sinh đối với cú sốc CSTT trong nước. Đây là những biến đại diện cho ảnh hưởng của quá trình HNTC đến truyền dẫn CSTT, đặc biệt tác động đến biến trung gian trong truyền dẫn là lãi suất dài hạn Việt Nam. Khi lãi suất dài hạn càng tăng mức độ phản ứng với lãi suất dài hạn Mỹ và rủi ro toàn cầu cho thấy ảnh hưởng từ HNTC càng tăng đối với truyền dẫn CSTT. Đồng thời, nếu lãi suất dài hạn Việt Nam giảm phản ứng hay phản ứng yếu với lãi suất ngắn hạn cho thấy tác động truyền dẫn từ biến chính sách đến biến trung gian sụt giảm hay sự tách rời giữa lãi suất ngắn hạn và dài hạn gây khó khăn cho điều hành CSTT trong điều kiện HNTC.

Xác định nhân tố cấu trúc

Thứ tự các biến trong mô hình được xác định tương tự Christiano, Eichenbaum & Evans (1996), Kim (1999) và Rey (2013). Việt Nam là nền kinh tế mở nhỏ nên các biến trong nước được giả định là không có ảnh hưởng lên các biến bên ngoài (Anwar & Nguyen 2018), do đó lãi suất dài hạn Mỹ và rủi ro toàn cầu ngoại sinh với tất cả các biến còn lại. Sản lượng và lạm phát chậm thay đổi nên không phản ứng tức thời trước những cú sốc trong nước (Rey 2013). Lãi suất ngắn hạn và dài hạn bị ảnh hưởng bởi các cú sốc từ bên ngoài, nhưng không phản ứng tức thời với cú sốc sản lượng và lạm phát do thông tin này thường không có sẵn ở hiện tại (CORIC-PEROVIC-SIMIC, Rey 2013; Clarida & Gertler 1997, Kim & Roubini 2000, Elbourne & Haan 2006 và

Sims & Zha 2006). Lãi suất ngắn hạn ngoại sinh với lãi suất dài hạn (Jain-Chandra & Unsal 2014).

Dựa trên giả định nghiên cứu, cấu trúc hệ phương trình SVAR dạng ma trận được thể hiện như sau:

1 0 0 0 0 0

𝐼_𝑈𝑆_10𝑌

𝑢

𝑡

𝑎 1 0 0 0 0

𝑢𝑉𝐼𝑋

0 0 1 0 0 0

0 0 𝑎43 1 0 0

𝑡

𝑢

𝐼𝑃

𝑡

𝑢

𝐼𝐹

𝑡

𝑎51 𝑎52 0 0 1 0

𝑢𝐼_𝑉𝑁_𝑂𝑁

[𝑎 𝑎

0 0 𝑎 1]𝑡

𝑡

61 62

65 [𝑢𝐼_𝑉𝑁_10𝑌 ]

𝑏11 0 0 0 0 0

0 𝑏22 0 0 0 0

𝐼_𝑈𝑆_10𝑌



𝑡

𝑉𝐼𝑋



𝑡

0 0 𝑏33 0 0 0

𝐼𝑃

𝑡

𝐼𝐹

(3.15)

0	0	0	𝑏44	0	0
0	0	0	0	𝑏55	0

[ 0 0 0 0 0 𝑏

𝑡



𝐼_𝑉𝑁_𝑂𝑁

𝑡

]𝑡

3.3.3 Quy trình xử lý dữ liệu

[𝐼_𝑉𝑁_10𝑌 ]

Bước 1: Kiểm định tính dừng của các chuỗi dữ liệu

Để xác định mối liên kết giữa lãi suất trong nước với các biến trong nước và biến số bên ngoài, nghiên cứu kiểm tra tính chất của các chuỗi dữ liệu được sử dụng. Trước hết, kiểm tra tính dừng của các chuỗi dữ liệu để tránh hiện tượng hồi quy giả mạo. Kiểm định nghiệm đơn vị ADF (Augmented Dicky – Fuller) là một phương pháp được sử dụng phổ biến để kiểm định một chuỗi thời gian là dừng hay không dừng. Giả thiết H0: Yt là chuỗi không dừng và giả thiết thay thế H1: Yt là chuỗi dừng.

Để kiểm định giả thiết H0, so sánh giá trị thống kê  tính toán với giá trị thống kê  tra bảng. Nếu giá trị tuyệt đối của thống kê  tính toán lớn hơn giá trị thống kê  tra bảng, bác bỏ giả thiết H0, nghĩa là Yt là một chuỗi dừng. Ngược lại, nếu giá trị tuyệt đối của thống kê  tính toán nhỏ hơn giá trị thống kê  tra bảng, bác bỏ giả thiết H0, nghĩa là Yt là một chuỗi không dừng.

Vì mô hình SVAR đòi hỏi các chuỗi thời gian phải là chuỗi dừng nên với các chuỗi qua kiểm định nhận thấy không dừng, nghiên cứu sẽ tiến hành lấy sai phân bậc 1 hoặc bậc 2 để đạt được các chuỗi dừng mới thực hiện bước tiếp theo.

Bước 2: Lựa chọn độ trễ tối ưu

Theo Stock & Watson (2007), việc chọn độ trễ cho mô hình vác tơ tự hồi quy đòi hỏi phải cân bằng lợi ích giữa việc có nhiều độ trễ hơn so với chi phí của số độ trễ thêm vào không chắc chắn. Một mặt, nếu độ trễ quá thấp có thể bỏ qua thông tin có giá trị tiềm ẩn trong các giá trị ở độ trễ xa hơn. Mặt khác, nếu nó quá cao mô hình sẽ phải ước tính nhiều hệ số hơn mức cần thiết, từ đó tăng thêm sai số cho kết quả dự báo. Các phương pháp thống kê khác nhau có thể được sử dụng để lựa chọn độ trễ tối ưu cho mô hình, nhưng hai phương pháp quan trọng nhất là BIC (Schwarz – Bayesian Information Criterion) và AIC (Akaike Information Criterion). Các giá trị tính toán càng thấp thì bậc p tương ứng là phù hợp. Trong Eviews, độ trễ tương ứng với giá trị tính toán có gắn dấu “*” được chọn là độ trễ tối ưu cho mô hình theo từng điều kiện lựa chọn.

Bước 3: Định dạng cú sốc cấu trúc trong mô hình SVAR

Cấu trúc hệ phương trình SVAR dạng ma trận đã được xác định theo phương trình (3.15).

Cấu trúc này sẽ được sử dụng để gán ràng buộc lên ma trận A* và B* trong Eviews để xác định hệ số trong ma trận cấu trúc và làm cơ sở tiến hành phân tích kết quả phản ứng của biến số lãi suất dài hạn trước cú sốc của các biến số trong và ngoài nước.

Bước 4: Các kiểm định cần thiết

Sau khi định dạng cú sốc cấu trúc, trước khi đi đến phân tích kết quả cần thực hiện kiểm định nhận dạng quá mức (over-identification), kiểm định sự tự tương quan của sai số và kiểm định tính ổn định của mô hình để đảm bảo mô hình đáng tin cậy và

tiến tới phân tích kết quả phản ứng đẩy và phân rã phương sai theo mục tiêu nghiên cứu đã đặt ra.

Bước 5: Phân tích phản ứng đẩy và phân rã phương sai

Để có thể kết luận tác động của biến này có ý ngĩa thống kê đến giá trị hiện tại và tương lai của biến kia trong mô hình với dấu và độ dài cũng như vai trò của từng tác động đối với một biến số cụ thể, tiến hành phân tích phản ứng đẩy và phân rã phương sai của các biến cần xem xét sẽ giúp làm rõ vấn đề này. Phân tích phản ứng đẩy cho biết phản ứng của các giá trị hiện tại và tương lai của từng biến số trong mô hình dưới cú sốc của một biến số. Cú sốc của một biến cụ thể được xác định là sai số của phương trình có biến số đó là biến phụ thuộc và thường được xác định là một đơn vị tăng lên. Phân rã phương sai cho biết tỷ lệ phần trăm biến thiên của sai số trong một biến được giải thích bởi một cú sốc nào đó trong một giai đoạn nhất định. Kết quả từ phân rã phương sai cho thấy được yếu tố giải thích nhiều nhất, ít nhất cho dự báo biến động của một biến số.

KẾT LUẬN CHƯƠNG 3

Trong chương 3, luận án đã trình bày chi tiết về mô hình nghiên cứu được đề xuất để đo lường tác động của HNTC đến độc lập CSTT Việt Nam với giả thuyết về dấu kỳ vọng, cách đo lường các biến và nguồn dữ liệu. Tiếp theo, phương pháp nghiên cứu được làm rõ bao gồm vấn đề về tính dừng của chuỗi thời gian, cơ sở lựa chọn kỹ thuật đồng liên kết với mô hình ARDL. Quy trình ước lượng được cụ thể hóa với năm bước bao gồm kiểm định tính dừng của các chuỗi dữ liệu, lựa chọn độ trễ tối ưu cho mô hình, ước lượng mối quan hệ dài hạn giữa các biến, ước lượng mối quan hệ ngắn hạn và các kiểm định cần thiết để đảm bảo tính tin cậy cho mô hình.

Tiếp theo, mô hình nghiên cứu truyền dẫn CSTT Việt Nam trong điều kiện HNTC cũng được đề xuất với hai nhóm biến, nhóm các nhân tố trong nước bao gồm lãi suất ngắn hạn, lãi suất dài hạn, thay đổi tăng trưởng sản lượng, thay đổi lạm phát Việt Nam và nhân tố bên ngoài là lãi suất dài hạn Mỹ và rủi ro toàn cầu. Phương pháp đo lường biến và nguồn dữ liệu cũng được làm rõ sau đó. Để xem xét tác động qua lại giữa các biến trong truyền dẫn CSTT, mô hình véc tơ tự hồi quy dạng cấu trúc (SVAR) được lựa chọn do đặc điểm phù hợp với mục tiêu nghiên cứu. Quy trình xử lý dữ liệu bao gồm kiểm định tính dừng, lựa chọn độ trễ tối ưu, định dạng cú sốc cấu trúc, các kiểm định cần thiết, phân tích phản ứng đẩy và phân rã phương sai. Luận án sẽ trình bày kết quả thực nghiệm theo các bước trong quy trình ở chương tiếp theo.

KẾT QUẢ NGHIÊN CỨU

Chương 4 sẽ xem xét thực trạng quá trình HNTC, điều hành CSTT của Việt Nam giai đoạn 2009 - 2019. Sau đó kết quả thực nghiệm về tác động của HNTC đến độc lập CSTT và truyền dẫn CSTT trong điều kiện HNTC tại Việt Nam được trình bày chi tiết theo quy trình ước lượng đã được đề cập ở chương 3. Thảo luận kết quả nghiên cứu cũng được đề cập ở cuối chương.

4.1 QÚA TRÌNH HỘI NHẬP TÀI CHÍNH CỦA VIỆT NAM

4.1.1 Khái quát quá trình hội nhập tài chính của Việt Nam

Trong quá trình mở cửa, hội nhập với nền kinh tế với thế giới, Việt Nam đã thực hiện tự do hóa giao dịch vãng lai theo các cam kết quốc tế. Đối với giao dịch vốn, Việt Nam đã thực hiện tự do hóa một cách có chọn lọc, trước hết là việc mở cửa, khuyến khích các dòng vốn vào, lần lượt từ FDI đến FPI. Tiếp đó, Việt Nam cũng đã từng bước cho phép các dòng vốn FDI ra nước ngoài. Vốn đầu tư khác của Việt Nam khá biến động, đây là dòng vốn được đánh giá có mức độ rủi ro cao nên được quản lý rất chặt chẽ, đặc biệt là thành phần vay, trả nợ nước ngoài của doanh nghiệp, với mục tiêu xuyên suốt là làm lành mạnh cán cân thanh toán của quốc gia.

Dòng vốn đầu tư quốc tế vào Việt Nam gia tăng nhanh chóng hơn hai thập kỷ qua, đặc biệt kể từ khi Việt Nam gia nhập tổ chức thương mại thế giới (WTO) năm 2007. Vốn FDI nước ngoài vào Việt Nam tăng nhanh từ mức hơn 2,000 triệu USD năm 2006 lên đến mức 6,700 triệu chỉ sau một năm, đạt đỉnh vào năm 2008 với hơn 9,500 triệu USD nhưng có sự sụt giảm nhẹ trong giai đoạn khủng hoảng tài chính toàn cầu 2008-2009 và kéo dài những năm sau đó. Vốn FPI là dòng vốn rất biến động, bắt đầu được ghi nhận từ năm 2005 với mức chưa đến 1,000 triệu USD đạt đỉnh hơn 6,000 triệu USD năm 2007 nhưng cũng nhanh chóng chỉ còn là số âm vào năm đầu tiên của cuộc khủng hoảng tài chính toàn cầu và hiện nay ở mức gần 3,000 triệu USD (năm 2019). Dòng vốn đầu tư khác của Việt Nam có đặc điểm là dòng chảy ra có xu hướng ở mức cao và duy trì ổn định hơn dòng vốn chảy vào. Trung bình giai đoạn 2009 – 2019, dòng vốn ra ở mức gần 8,500 triệu USD trong khi dòng vốn vào chỉ khoảng