2.5.2. Nghiên cứu về tác động của chính sách tiền tệ đến ổn định tài chính
Các nghiên cứu tiêu biểu là Foos, Norden và Weber (2010); Borio, Drehmann, Tsatsaronis (2011); Pan và Wang (2013); DellʼAriccia, Laeven, và Marquez (2015); Chen và cộng sự (2017)
2.5.3. Nghiên cứu về chính sách an toàn vĩ mô đến ổn định tài chính
Nabar và Ahuja (2011); Lim và cộng sự (2011); Dell'Ariccia và cộng sự (2012); Claessens và cộng sự (2013); Cerutti và cộng sự (2017a); Cerutti và cộng sự (2017b); Jiménez và cộng sự (2017); Vandenbussche, Vogel và Detragiache (2015); Kuttner và Shim (2016); Zhang và Zoli (2016); Cerutti và cộng sự (2017b); Akinci và Olmsted- Rumsey (2018); Altunbas, Binici và Gambacorta (2018); Carreras, Davis và Piggott
(2018); Akinci và Olmsted-Rumsey (2018).
Một chủ đề then chốt trong cả các nghiên cứu học thuật và tranh cãi chính sách là sự tương tác giữa CSATVM và CSTT. Tuy nhiên, hiện này các nghiên cứu về chủ đề này còn tương đối ít ỏi. Theo mức độ khảo lược của tác giả, chỉ có một số ít nghiên cứu cố gắng giải quyết vấn đề này có thể kể đến như Bruno, Shim và Shin (2017); Gambacorta và Murcia (2019); Zang và Tressel (2017).
Kết luận chương 2
Chương 2 của luận án đã trình bày cơ sở lý thuyết về ổn định tài chính, CSTT, CSATVM và tác động của hai chính sách này đến ổn định tài chính của một quốc gia. Ngoài ra tác giả còn khảo lược các nghiên cứu khác để đưa ra khe hở của chủ đề nghiên cứu, qua đó tạo cơ sở cho việc thực hiện các chương tiếp theo của luận án.
CHƯƠNG 3:
PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Phương pháp đo lường ổn định tài chính
3.1.1. Phương pháp chuẩn hóa dữ liệu
3.1.2. Các bộ phận cấu thành ổn định tài chính nhóm nước EAGLEs.
Bảng 3.1 Các yếu tố cấu thành chỉ số đo lường ổn định tài chính
Chỉ số hệ thống tổ chức tài chính | FD1 |
Chỉ số thị trường tài chính | FD2 |
Chênh lệch lãi suất | FD3 |
Chỉ số phụ tính dễ tổn thương tài chính (Financial Vulnerability Index-FVI) | |
Tỷ lệ lạm phát | FV1 |
Thâm hụt ngân sách/GDP | FV2 |
Thâm hụt cán cân vãng lai | FV3 |
Thay đổi tỷ giá hối đoái thực | FV4 |
Nợ khu vực tư nhân/tổng dư nợ | FV5 |
Nợ/tiền gửi | FV6 |
Tiền gửi/M2 | FV7 |
Nợ công | FV8 |
Chỉ số phụ lành mạnh tài chính (Financial Soundness Index-FSI) | |
Nợ xấu/tổng dư nợ | FS1 |
Vốn pháp định/tài sản có rủi ro | FS2 |
Vốn cổ phần/tổng tài sản của NHTM | FS3 |
Tỷ số thanh khoản NHTM | FS4 |
Z-score NHTM | FS5 |
Lợi nhuận trên tổng tài sản NHTM | FS6 |
Dự trữ ngoại hối trên nợ nước ngoài | FS7 |
Chỉ số phụ môi trường kinh tế toàn cầu (World Economic Climate Index-WECI) | |
Chỉ số môi trường kinh tế toàn cầu - CESifo | WE1 |
Lạm phát thế giới | WE2 |
Tăng trưởng kinh tế thế giới | WE3 |
Có thể bạn quan tâm!
-
Tác động của chính sách tiền tệ và chính sách an toàn vĩ mô đến ổn định tài chính: nghiên cứu tại các nước có nền kinh tế mới nổi và dẫn dắt tăng trưởng kinh tế thế giới - 1 -
Tác động của chính sách tiền tệ và chính sách an toàn vĩ mô đến ổn định tài chính: nghiên cứu tại các nước có nền kinh tế mới nổi và dẫn dắt tăng trưởng kinh tế thế giới - 3
Xem toàn bộ 27 trang tài liệu này.
Nguồn: Tổng hợp của tác giả
3.2. Mô hình nghiên cứu và giả thuyết nghiên cứu
3.2.1 Giả thuyết nghiên cứu
Giả thuyết 1: Tăng trưởng tín dụng ngân hàng (TDNH) cho khu vực tư nhân (KVTN) cao có tác động tiêu cực đến ổn định tài chính.
Giả thuyết 2: Các công cụ CSATVM giúp cải thiện ổn định tài chính
Giả thuyết 3: Tăng trưởng cung tiền làm giảm ổn định tài chính
Giả thuyết 4: Lãi suất chính sách tiền tệ có quan hệ nghịch chiều với ổn định tài chính.
Giả thuyết 5: CSTT và CSATVM có tác động hỗ trợ nhau trong việc cải thiện ổn định tài chính khi chúng được thực thi cùng hướng.
3.2.2 Mô hình nghiên cứu
Dựa trên các giả thuyết nghiên cứu, tác giả đề xuất mô hình nghiên cứu có dạng sau:
𝐹𝑆𝑇𝐼𝑖,𝑡 = 𝛽1𝑀𝑃𝑖,𝑡 + 𝛽2𝑀𝑇𝑖,𝑡 + 𝛽3𝑀𝑃𝑖,𝑡 × 𝑀𝑇𝑖,𝑡 + 𝜀𝑖,𝑡 (12)
𝑖 = 1, 2, … 𝑁; 𝑡 = 1, 2, … 𝑇 với i là quốc gia và t là thời gian
FSTI là biến thể hiện chỉ số ổn định tài chính, MP là vector thể hiện các chiều của CSATVM, MT là vector đại diện cho các biến thuộc CSTT, 𝑀𝑃 × 𝑀𝑇 là biến thể hiện tương tác giữa CSTT và CSATVM.
Bên cạnh đó, để giảm thiểu hiện tượng sự đảo ngược nhân quả (reverse causality) toàn bộ biến độc lập sẽ được lấy trễ 1 lag(t-1).
Bảng 3.2 Các biến trong mô hình
Tên biến | Cách đo lường | Kỳ vọng dấu | Nguồn | ||
Biến phụ thuộc | |||||
FSTI | Chỉ số ổn định tài chính | Trình bày tại phần 3.1 | Tính toán của tác giả | ||
Biến độc lập | |||||
Biến đại diện CSATVM | CRE | Tăng trưởng TDNH cho KVTN | ∆ 𝑑ư 𝑛ợ 𝑇𝐷𝑁𝐻 𝑐ℎ𝑜 𝐾𝑉𝑇𝑁 𝑑ư 𝑛ợ 𝑇𝐷𝑁𝐻 𝑐ℎ𝑜 𝐾𝑉𝑇𝑁 | - | WB |
FC | Giới hạn cho vay bằng ngoại tệ | Giá trị “1” được gán cho năm bắt đầu sử dụng công cụ và giá trị “0” cho trường hợp còn lại | + | Eugenio dataset (2018) | |
LTV | Tỷ lệ khoản vay trên giá trị | Giá trị “1” được gán cho năm bắt đầu sử dụng công cụ và giá trị “0” cho trường hợp còn lại | + | Eugenio dataset (2018) | |
INTER | Giới hạn phơi nhiễm hệ thống | Giá trị “1” được gán cho năm bắt đầu sử dụng công cụ và giá trị “0” cho trường hợp còn lại | + | Eugenio dataset (2018) | |
RR | DTBB phản chu kỳ hoặc/và DTBB ngoại tệ | Giá trị “1” được gán cho năm bắt đầu sử dụng công cụ và giá trị “0” cho trường hợp còn lại | + | Eugenio dataset (2018) | |
SIFI | DTBB tăng thêm đối với TCTD có tầm quan trọng với hệ thống và/hoặc DTBB tiền gửi ngoại tệ | Giá trị “1” được gán cho năm bắt đầu sử dụng công cụ và giá trị “0” cho trường hợp còn lại | + | Eugenio dataset (2018) | |
Biến đại diện CSTT | IRP | Lãi suất chính sách | Ấn định của NHTW | + | Oxford economics |
M2 | Mức tăng trưởng cung tiền M2 | ∆ 𝑀2 𝑀2 | - | WB | |
Biến tương tác | IRT | Tương tác CSTT và CSATVM | 𝐶𝑅𝐸 × 𝑀2 | + | Tính toán của tác giả |
Nguồn: tổng hợp của tác giả
3.2.3 Cách tiếp cận Bayes
Phân tích Bayes được thiết lập theo quy tắc phân phối có điều kiện
𝑝(𝐵) = 𝑝(𝐴,𝐵)
𝑝(𝐵)
Định lý Bayes được thiết lập như sau:
(7)
𝑝(𝐴) = 𝑝(𝐴|𝐵)𝑝(𝐵)
𝑝(𝐴)
(8)
Trong đó, 𝐴 𝑣à 𝐵 là hai vectơ ngẫu nhiên (random vector)
Với giả định vector dữ liệu 𝑦 là một mẫu từ một mô hình với vector tham số chưa biết 𝜃, mô hình này sẽ được viết lại thông qua hàm hợp lý:
𝑖=1
𝐿(𝜃; 𝑦) = 𝑓(𝑦; 𝜃) = ∏𝑛
𝑓(𝑦𝑖 |𝜃),
(9)
Trong đó: 𝑓(𝑦𝑖 |𝜃) là hàm mật độ xác suất của 𝑦 với 𝜃 cho trước.
Với dữ liệu sẵn có, dựa trên quy tắc Bayes, chúng ta có thể suy diễn các đặc tính của 𝜃 với các tham số mô hình 𝜃 là ngẫu nhiên.
Phân tích Bayes sẽ được bắt đầu thông qua việc xác định một mô hình hậu nghiệm (posterior), mô hình này là sự kết hợp giữa dữ liệu nghiên cứu thu thập được và thông tin tiên nghiệm (prior information) nhằm mô tả phân phối xác suất của các tham số. Như vậy, phân phối hậu nghiệm bao gồm hai thành phần: hàm hợp lý chứa đựng các thông
tin các tham số mô hình dựa trên dữ liệu quan sát được và phân phối tiên nghiệm bao hàm các thông tin sẵn có về các tham số trong mô hình.
𝑃ℎâ𝑛 𝑝ℎố𝑖 ℎậ𝑢 𝑛𝑔ℎ𝑖ệ𝑚 ∝ 𝐻à𝑚 ℎợ𝑝 𝑙ý × 𝑇ℎô𝑛𝑔 𝑡𝑖𝑛 𝑡𝑖ê𝑛 𝑛𝑔ℎ𝑖ệ𝑚
Vì 𝑦 𝑣à 𝜃 đều là biến ngẫu nhiên nên ta có thể áp dụng định lý Bayes để tính được phân phối hậu nghiệm của 𝜃 với biến 𝑦 cho trước:
𝑝(𝑦) = 𝑝(𝑦|𝜃)𝑝(𝜃) = 𝑓(𝑦;𝜃)𝜋(𝜃)
(10)
𝑝(𝑦) 𝑛(𝑦)
sau:
Với 𝑛(𝑦) ≡ 𝑝(𝑦) là phân phối biên (marginal distribution) của 𝑦 và có dạng như
𝑛(𝑦) = ∫ 𝑓(𝑦; 𝜃)𝜋(𝜃)𝑑 (𝜃) (11)
Trong đó 𝑛(𝑦) là phân phối xác suất dự báo hậu nghiệm, 𝑓(𝑦; 𝜃) là hàm hợp lý
của 𝑦 trong điều kiện 𝜃 cho trước, 𝜋(𝜃) là phân phối tiên nghiệm của 𝜃.
Như vậy, nhờ kết hợp với thông tin tiên nghiệm mà phân tích Bayes có thể được thực hiện với cỡ mẫu nhỏ. Zhang và cộng sự (2007) khẳng định rằng, thông tin tiên nghiệm cung cấp các thông tin vấn đề nghiên cứu tương tự như kỹ thuật “dữ liệu thông tin đa nguồn - data pooling”. Nhiều nhà nghiên cứu khác thậm chí cho rằng sử dụng thông tin tiên nghiệm được xem là một phương thức thay thế của phương pháp phân tích tổng hợp (meta-analysis) (Wolf, 1986; McArdle & Horn, 2004). Thông tin tiên nghiệm sẵn có sẽ giúp các nhà nghiên cứu tạo ra các kiến thức mới và đưa ra những dự báo hợp lý về vấn đề được quan tâm, hơn thế nữa việc kết hợp với thông tin tiên nghiệm sẽ giúp các mô hình nghiên cứu khắc phục được yếu điểm mẫu nhỏ giúp các nhà nghiên cứu thu được các kết quả cân bằng hơn (Shi và Tong, 2017).
Với mô hình cho từng nước trong nhóm EAGLEs, biến phụ thuộc trong mô hình trên là biến chỉ số ổn định tài chính (FSTI); biến độc lập bao gồm: CSTT vẫn là biến tăng trưởng cung tiền (M2) và lãi suất chính sách (IRP); đối với biến đại diện cho CSATVM tác giả chỉ lựa chọn biến tăng trưởng tín dụng (CRE), các biến giả thể hiện công cụ CSATVM chỉ được phân tích trong nhóm EAGLEs nhằm xác định công cụ nào hiệu quả đối với việc giữ vững ổn định tài chính và đề xuất các công cụ nên sử dụng, khi phân tích tác động của CSTT và CSATVM thì các yếu tố này sẽ được loại ra để tránh gây nhiễu; và biến tương tác vẫn sẽ là tích số giữa tăng trưởng tín dụng và tăng trưởng cung tiền. Như vậy, mô hình nghiên cứu cho từng nước trong nhóm sẽ có dạng:
𝐹𝑆𝑇𝐼𝑖,𝑡 = 𝜇1,𝑖 𝐶𝑅𝐸𝑖,𝑡 + 𝜇2,𝑖 𝑀2𝑖,𝑡 + 𝜇3,𝑖 𝐼𝑅𝑃𝑖,𝑡 + 𝜇4,𝑡𝑀𝑃𝑖,𝑡 × 𝑀𝑇𝑖,𝑡 + 𝜀𝑖,𝑡 (13)
𝑖 = 1, 2, … 𝑁; 𝑡 = 1, 2, … 𝑇 với i là quốc gia và t là thời gian
Thông tin tiên nghiệm là những hiểu biết của chúng ta về vấn đề nghiên cứu, do vậy, thông tin tiên nghiệm cho từng nước trong nhóm EAGLEs sẽ là các trung bình hệ số hồi quy và sai số chuẩn của các hệ số này thu được từ kết quả hồi quy nhóm EAGLEs.
Kết luận chương 3
Dựa trên cơ sở lý thuyết và lược khảo các nghiên cứu trước, chương 3 của luận án đã trình bày phương pháp đo lường Ổn định tài chính tại các quốc gia có nền kinh tế mới nổi và dẫn dắt tăng trưởng kinh tế thế giới (EAGLEs). Đồng thời chương 3 cũng đề xuất mô hình nghiên cứu tác động của CSTT và CSATVM đến ổn định tài chính tại nhóm nước EAGLEs cũng như từng nước cụ thể trong nhóm EAGLEs. Bên cạnh đó, trong chương này cũng trình bày phân tích định lượng thông qua cách tiếp cận Bayes, một số lợi thế của Bayes đặc biệt là xử lý vấn đề mẫu nghiên cứu nhỏ.
CHƯƠNG 4:
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Tổng quan về các quốc gia có nền kinh tế mới nổi và dẫn dắt tăng trưởng kinh tế thế giới (EAGLEs)
EAGLEs là nhóm nước do tổ chức nghiên cứu Banco Bilbao Vizcaya Argentaria (BBVA research) sáng tạo ra từ năm 2010 nhằm xác định tất cả các nước có nền kinh tế mới nổi dự kiến sẽ đóng góp vào tăng trưởng thế giới trong mười năm tới sẽ lớn hơn nhóm kinh tế G6 (G7 loại trừ Mỹ). Hiện tại có 15 quốc gia thuộc nhóm EAGLEs bao gồm: Trung Quốc, Ấn Độ, Indonesia, Mexico, Nigeria, Philippines, Iran, Pakistan, Nga, Thổ Nhĩ Kỳ, Ai Cập, Brazil, Bangladesh, Malaysia, Việt Nam.
4.2. Bối cảnh kinh tế thế giới giai đoạn 2008-2018
4.3. Tác động của chính sách tiền tệ và chính sách an toàn vĩ mô đến ổn định tài chính nhóm nước EAGLEs.
Chains | Avg DIC | Avg log (ML) | Avg Log BF | |
Mô phỏng 1 | 3 | -452.1171 | 198.446 | 1 |
Mô phỏng 2 | 3 | -451.8243 | 189.8733 | -8.5727 |
Mô phỏng 3 | 3 | -451.7036 | 180.8869 | -17.5592 |
Mô phỏng 4 | 3 | -451.7333 | 171.5939 | -26.8522 |
Mô phỏng 5 | 3 | -451.7014 | 162.394 | -36.052 |
Bảng 4.4 Kết quả phân tích Bayes Factor
Nguồn: tính toán của tác giả Bảng 4.4 cho thấy mô phỏng 1 có Log BF lớn nhất và Log ML lớn nhất và DIC
nhỏ nhất, nên mô phỏng 1 có ưu thế nhất, tuy nhiên, mô phỏng 1 có thông tin tiên nghiệm tốt nhất, tác giả tiếp tục phân tích Bayes hậu nghiệm.
Bảng 4.5 Kết quả phân tích Bayes hậu nghiệm
Chains | Avg log (ML) | P(M) | P(M|y) | |
Mô phỏng 1 | 3 | 198.446 | 0.2 | 0.9998 |
Mô phỏng 2 | 3 | 189.8733 | 0.2 | 0.0002 |
Mô phỏng 3 | 3 | 180.8869 | 0.2 | 0 |
Mô phỏng 4 | 3 | 171.5939 | 0.2 | 0 |
Mô phỏng 5 | 3 | 162.394 | 0.2 | 0 |
Nguồn: tính toán của tác giả
Kết quả phân tích trong bảng 4.5 đã chỉ ra mô phỏng 1 có xác suất hậu nghiệm vượt trội so với các mô hình còn lại vì vậy mô phỏng 1 với thông tin tiên nghiệm N(0,
1) sẽ được lựa chọn.
Hình chuẩn đoán hội tụ cho thấy tất cả các đồ thị của tham số trong mô hình khá hợp lý, các biểu đồ dấu vết và biểu đồ tương quan cho thấy mối tự tương quan thấp; hình dạng của biểu đồ là đồng nhất, và có hình dạng phân phối chuẩn. Bên cạnh đó, các đồ thị trên cũng thể hiện sự pha trộn tốt, hệ số tự tương quan trong các đồ thị chỉ giao động quanh mức dưới 0.02, nó cho thấy sự phù hợp với mật độ mô phỏng phân phối và phản ánh tất cả các độ trễ nằm trong giới hạn hiệu quả.
Kết quả phân tích độ nhạy đã chứng minh, khi tác giả điều chỉnh giá trị trung bình của phân phối chuẩn từng bước trong khoảng [-0,5; 0.5] với bước số 0,1 thì không có sự khác biệt đáng kể về phân phối hậu nghiệm bao gồm trung bình hậu nghiệm, sai số chuẩn MCMC, và khoảng tin cậy; do vậy có thể kết luận diễn giải thống kê Bayes là vững.
Bảng 4.7 Kết quả hồi quy nhóm EAGLEs
Mean | Std. Dev. | MCSE | Median | Equal-tailed | ||
[95% Cred. Interval] | ||||||
CRE | -0.0511 | 0.0350 | 0.0002 | -0.0513 | -0.1189 | 0.0174 |
IRP | -0.7380 | 0.1385 | 0.0008 | -0.7382 | -1.0093 | -0.4679 |
M2 | -0.1126 | 0.0794 | 0.0005 | -0.1128 | -0.2691 | 0.0429 |
ITR | 0.1233 | 0.1203 | 0.0007 | 0.1230 | -0.1121 | 0.3598 |
FC | 0.0198 | 0.0143 | 0.0001 | 0.0197 | -0.0081 | 0.0483 |
INTER | 0.0010 | 0.0104 | 0.0001 | 0.0010 | -0.0192 | 0.0216 |
LTV | -0.0213 | 0.0101 | 0.0001 | -0.0213 | -0.0411 | -0.0015 |
RR | 0.0002 | 0.0127 | 0.0001 | 0.0002 | -0.0249 | 0.0252 |
SIFI | 0.0219 | 0.0123 | 0.0001 | 0.0218 | -0.0021 | 0.0462 |
_cons | 0.6601 | 0.0158 | 0.0001 | 0.6601 | 0.6294 | 0.6911 |
Avg acceptance rate | 1 | |||||
Avg efficiency: min | 0.9812 | |||||
Max Gelman-Rubin Rc | 1 | |||||
Nguồn: Tính toán của tác giả
EAGLEs | Mean | Std. Dev. | MCSE |
prob (FSTI:CRE) < 0 | 0.9274 | 0.2595 | 0.0015 |
prob (FSTI:IRP) < 0 | 1.0000 | 0.0000 | 0.0000 |
prob (FSTI:M2) < 0 | 0.9227 | 0.2671 | 0.0015 |
prob (FSTI:ITR) > 0 | 0.8493 | 0.3578 | 0.0021 |
prob (FSTI:LTV) < 0 | 0.9822 | 0.1322 | 0.0008 |
prob (FSTI:FC) > 0 | 0.9159 | 0.2775 | 0.0016 |
prob (FSTI:INTER) > 0 | 0.5458 | 0.4979 | 0.0029 |
prob (FSTI:RR) > 0 | 0.5043 | 0.5000 | 0.0029 |
prob (FSTI:SIFI) > 0 | 0.9638 | 0.1868 | 0.0011 |
Bảng 4.8 Xác suất tác động của biến độc lập đến biến phụ thuộc tại EAGLEs
Nguồn: Tính toán của tác giả Bảng 4.8 thể hiện xác suất tác động của các nhân tố thuộc CSTT và CSATVM đến
ổn định tài chính tại các quốc gia EAGLEs. Xác suất (probability - prob) tăng trưởng tín dụng có tác động tiêu cực đến ổn định tài chính mức 92%. Khi tăng trưởng tín dụng được nới lỏng, NHTM có xu hướng giảm tiêu chuẩn khoản vay và nợ xấu có thể gia tăng, ngoài ra, nếu tăng trưởng tín dụng tăng nhanh cũng tiềm ẩn rủi ro bong bóng tài sản, đe dọa sự an toàn của toàn bộ hệ thống.
Xác suất tăng trưởng cung tiền tác động tiêu cực đến ổn định tài chính là 92%. Theo Mishkin (2012), khi NHTW tăng lương cung tiền M2 vào nền kinh tế, NHTM sẽ chủ thể chính hấp thu ̣ nguồn vốn này. Để giải phóng nguồn vốn này, NHTM có thể ha
thấp tiêu chuẩn khách hàng cho vay các ngành nghề có rủi ro cũng rất lớn, khiến lơị
nhuân
của ngân hàng biến đông manh.
Trái với nhận định ban đầu, lãi suất là nhân tố có tác động tiêu cực rõ nét nhất đến
ổn định tài chính với xác suất gần như 100%. Gertler và Gilchrist (1994) đã mô tả cơ chế của kênh vỡ nợ do chính sách thắt chặt tiền tệ như sau: lãi suất tăng sẽ làm tăng gánh nặng cho người đi vay đặc biệt là các khoản vay được thả nổi theo lãi suất thị trường. Lãi suất tăng làm làm tăng chi phí hoạt động của nền kinh tế, giảm dòng thu nhập và qua đó cũng làm giảm khả năng trả nợ của nền kinh tế. Lãi suất tăng lên cũng làm hạ giá trị ròng của tài sản đảm bảo và làm giảm khả năng tiếp cận tín dụng ngắn hạn từ đó làm tăng rủi ro vỡ nợ với các khoản vay hiện tại.
Biến tương tác có giá trị dương có nghĩa là khi CSTT và CSATVM được thực thi cùng hướng với nhau. Xác suất biến tương tác có tác động dương đến ổn định tài chính đạt 85%, điều này cho thấy tác động này là khá rõ nét.
Một kết quả rất đáng ngạc nhiên trong mô hình hồi quy là biến công cụ CSATVM là tỷ lệ khoản vay trên giá trị (LTV) có tác động tiêu cực đến ổn định tài chính và xác suất của ảnh hưởng tiêu cực của LTV chạm mức 98%. Điều này có thể được giải thích là các nước EAGLEs với đặc thù là những quốc gia tăng trưởng rất nhanh, vì vậy giá tài sản quốc gia này tăng nhanh chóng trong giai đoạn bùng nổ tín dụng vì một lượng lớn tín dụng chảy vào đầu tư tài sản. Khi nền kinh tế gặp bất lợi thì giá trị khoản vay lớn đã trở thành gánh nặng tài chính lớn đối với người vay vốn khi phải chịu khoản tiền lãi vay lớn, nợ xấu tăng lên. Bên cạnh đó, khi giá trị tài sản đảm bảo giảm xuống thì các khoản vay cũng không còn đảm bảo tỷ lệ LTV theo quy định, khi đó, các TCTD càng cố gắng giảm nhanh chóng tỷ lệ đòn bẩy bằng cách đẩy nhanh việc thanh lý các khoản tài sản đầu tư của mình, dẫn tới vòng xoáy giảm giá thị trường tài sản, và đổ vỡ tín dụng là hậu quả không thể tránh khỏi (Dell’Ariccia và cộng sự, 2012).
Xác suất tác động của INTER và RR rất thấp, 55% cho yếu tố đầu và 50% cho yếu tố sau, điều này có nghĩa là tác động của hai yếu tố này đến ổn định tài chính là không rõ ràng; xác suất SIFI tác động tích cực đến ổn định tài chính đạt mức 96%; xác suất FC tác động dương đến ổn định tài chính đạt 92%.
4.4. Tác động của chính sách tiền tệ và chính sách an toàn vĩ mô đến ổn định tài chính các quốc gia thuộc nhóm EAGLEs.
4.4.1. Tác động CSTT và CSATVM đến ổn định tài chính tại Bangladesh
Bảng 4.11 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Bangladesh
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.751 | 0.432 | 0.002 |
(FSTI:IRP) < 0 | 0.972 | 0.166 | 0.001 |
(FSTI:M2) < 0 | 0.621 | 0.485 | 0.003 |
(FSTI:ITR) > 0 | 0.628 | 0.483 | 0.003 |
Nguồn: Tính toán của tác giả
4.4.2. Tác động CSTT và CSATVM đến ổn định tài chính tại Brazil
Bảng 4.14 Phân phối xác suất hậu nghiệm kết quả hồi quy Brazil
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.5519 | 0.4973 | 0.0023 |
(FSTI:IRP) < 0 | 0.9855 | 0.1194 | 0.0004 |
(FSTI:M2) < 0 | 0.6926 | 0.4614 | 0.0021 |
(FSTI:ITR) > 0 | 0.6524 | 0.4762 | 0.0023 |
Nguồn: Tính toán của tác giả
4.4.3. Tác động CSTT và CSATVM đến ổn định tài chính tại Trung Quốc
Bảng 4.17 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Trung Quốc
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.588393 | 0.49214 | 0.00253 |
(FSTI:IRP) < 0 | 0.914127 | 0.28018 | 0.001184 |
(FSTI:M2) < 0 | 0.92638 | 0.26115 | 0.001161 |
(FSTI:ITR) > 0 | 0.669673 | 0.47034 | 0.002419 |
Nguồn: Tính toán của tác giả
4.4.4. Tác động CSTT và CSATVM đến ổn định tài chính tại Ai Cập
Bảng 4.20 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Ai Cập
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.8030 | 0.3977 | 0.0020 |
(FSTI:IRP) < 0 | 0.9590 | 0.1982 | 0.0008 |
(FSTI:M2) > 0 | 0.7510 | 0.4325 | 0.0021 |
(FSTI:ITR) > 0 | 0.5847 | 0.4928 | 0.0023 |
Nguồn: Tính toán của tác giả
4.4.5. Tác động CSTT và CSATVM đến ổn định tài chính tại Ấn Độ
Bảng 4.23 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Ấn Độ
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.7669 | 0.4228 | 0.0020 |
(FSTI:IRP) < 0 | 0.9842 | 0.1247 | 0.0005 |
(FSTI:M2) < 0 | 0.8041 | 0.3969 | 0.0019 |
(FSTI:ITR) > 0 | 0.5106 | 0.4999 | 0.0027 |
Nguồn: Tính toán của tác giả
4.4.6. Tác động CSTT và CSATVM đến ổn định tài chính tại Indonesia
Bảng 4.26 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Indonesia
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) > 0 | 0.5209 | 0.4996 | 0.0023 |
(FSTI:IRP) < 0 | 0.9778 | 0.1474 | 0.0006 |
(FSTI:M2) < 0 | 0.9025 | 0.2966 | 0.0013 |
(FSTI:ITR) > 0 | 0.6633 | 0.4726 | 0.0022 |
Nguồn: Tính toán của tác giả
4.4.7. Tác động CSTT và CSATVM đến ổn định tài chính tại Iran
Bảng 4.29 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Iran
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.786513 | 0.40978 | 0.001956 |
(FSTI:IRP) < 0 | 0.980507 | 0.13825 | 0.0005417 |
(FSTI:M2) < 0 | 0.63654 | 0.48101 | 0.0027069 |
(FSTI:ITR) > 0 | 0.642987 | 0.47913 | 0.0022875 |
Nguồn: Tính toán của tác giả
4.4.8. Tác động CSTT và CSATVM đến ổn định tài chính tại Malaysia
Bảng 4.32 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Malaysia
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) > 0 | 0.8091 | 0.3930 | 0.0020 |
(FSTI:IRP) < 0 | 0.9798 | 0.1407 | 0.0006 |
(FSTI:M2) < 0 | 0.8010 | 0.3993 | 0.0020 |
(FSTI:ITR) > 0 | 0.6597 | 0.4738 | 0.0023 |
Nguồn: Tính toán của tác giả
4.4.9. Tác động CSTT và CSATVM đến ổn định tài chính tại Mexico
Bảng 4.35 Phân phối xác suất hậu nghiệm kết quả hồi quy tại Mexico
Mean | Std. Dev. | MCSE | |
(FSTI:CRE) < 0 | 0.7649 | 0.4241 | 0.0018 |
(FSTI:M2) < 0 | 0.6548 | 0.4966 | 0.0024 |
(FSTI:IRP) < 0 | 0.9571 | 0.2026 | 0.0008 |
(FSTI:ITR) > 0 | 0.6301 | 0.4828 | 0.0019 |
Nguồn: Tính toán của tác giả