Hàm Phản Ứng Của Lãi Suất Trước Cú Sốc Tín Dụng

Sự sụt giảm tiêu dùng và đầu tư (hai cấu phần quan trọng trong tổng sản phẩm quốc nội) khiến tăng trưởng kinh tế của Việt Nam ở mức thấp so với giai đoạn trước. Tốc độ phục hồi tăng trưởng cũng sau giai đoạn khủng hoảng tài chính cũng chậm chạp hơn so với các quốc gia trong khu vực. Cùng với đó, tỷ lệ lạm phát giảm sâu trong năm 2014 và 2015 cho thấy tình trạng thiểu phát đã diễn ra khá rõ rệt (xem hình 2.77 và 2.78).

Tóm lại, việc thiếu hụt một cơ chế kiểm soát mức độ khuếch đại ảnh hưởng của CSTT qua kênh tín dụng là một nguyên nhân chủ chốt khiến hiệu quả của truyền tải của kênh này không những không được như kỳ vọng mà còn gây ra những bất ổn cho nền kinh tế. Sau đó, những bất ổn này lại quay lại đặt áp lực lên công tác điều hành CSTT của NHNN như phải hạ mặt bằng lãi suất, thúc đẩy tăng trưởng kinh tế trong bối cảnh khả năng hấp thụ vốn của doanh nghiệp giảm và nợ quá hạn, nợ xấu trong NHTM gia tăng.

2.3. NGHIÊN CỨU ĐỊNH LƯỢNG VỀ TRUYỀN TẢI CHÍNH SÁCH TIỀN TỆ QUA KÊNH TÍN DỤNG TẠI VIỆT NAM

2.3.1. Xây dựng mô hình

2.3.1.1. Lựa chọn mô hình

Kể từ những năm 1990, mô hình VAR dạng rút gọn và phân rã Cholesky được sử dụng khá phổ biến trong nghiên cứu về truyền tải CSTT. Tuy nhiên, phương pháp này không dựa trên một nền tảng lý thuyết kinh tế vững chắc do phân rã Cholesky giả định một cú sốc của một biến số không ngay lập tức ảnh hưởng tới các biến số đứng trước nó trong thứ tự phân rã Cholesky nhưng lại có ảnh hưởng trễ. Vì vậy, kết quả của mô hình VAR thường rất nhạy cảm với việc sắp xếp thứ tự các biến trong mô hình. Để khắc phục nhược điểm này, mô hình SVAR được sử dụng để nhận diện các cú sốc tiền tệ dựa trên nền tảng lý thuyết kinh tế vững chắc hơn. Việc áp đặt mối tương tác giữa các biến số trong mô hình là nhằm phản ánh những hành vi của NHTW và các nguyên lí kinh tế vĩ mô căn bản.

Trên cơ sở đó, luận án xây dựng mô hình SVAR với trễ p có dạng như sau:

𝑝

𝐴0𝑦𝑡 = 𝛼 + ∑ 𝐴𝑖 𝑦𝑡−𝑖 + 𝜀𝑡

𝑖=1

(1)

Có thể bạn quan tâm!

Xem toàn bộ 232 trang tài liệu này.

Trong đó: yt là vector 7×1 các biến số vĩ mô yt = (oilt, gdpt, cpit, mst, intt, exct, cret); oil là giá dầu mỏ, gdp là tổng sản phẩm quốc nội, cpi là chỉ số giá tiêu dùng, ms là cung tiền, exc là tỷ giá VND/USD, cre là tín dụng; A0 là ma trận 7×7 phản ánh mối quan hệ tức thời giữa các biến trong vector yt; εt là vector các cú sốc cấu trúc với E(εt)

= 0; E(εt εs’) = I khi s = t và E(εt εs’)=0 khi s ≠ t. Ma trận 𝐴−1 mô tả cú sốc cấu trúc tác

động tới yt có dạng như sau:

1 0 0 0 0 0 0

𝑎21 1 0 0 0 0 0

𝑎31 𝑎32 1 0 0 0 0

A−1 =

0 𝑎 𝑎

𝑎 𝑎 0 0

0 42 43

44 45

0 0 0 𝑎54 𝑎55 𝑎56 𝑎57

𝑎61 𝑎62 𝑎63 𝑎64 𝑎65 1 0

[𝑎71 𝑎72 𝑎73 𝑎74 𝑎75 𝑎76 1 ]

Nhân cả hai vế của phương trình (1) với 𝐴−1 ta được:

𝑝

𝑦𝑡 = 𝛽 + ∑ 𝛷𝑖 𝑦𝑡−𝑖 + 𝑢𝑡

𝑖=1

(2)

Trong đó: β = 𝐴−1α; Φi = 𝐴−1Ai; ut = 𝐴−1εt.

0 0 0

Phương trình (2) trở thành mô hình VAR dạng rút gọn với ut là vector sai số dạng sau:

𝑢

𝑜𝑖𝑙

𝑡

𝑜𝑖𝑙

𝜀

𝑎21

𝑎

𝑡

𝑢𝑔𝑑𝑝

𝑐𝑝𝑖

𝑢

𝜀𝑔𝑑𝑝

𝑡

𝑐𝑝𝑖

𝜀

𝑡 31 32 𝑡

𝑢𝑡 =

𝑢𝑚𝑠=

𝑚𝑠

𝜀

0	𝑎42	𝑎43	1	𝑎45	0	0
0	0	0	𝑎54	1	𝑎56	𝑎5

𝑡

𝑢𝑖𝑛𝑡

𝑢𝑒𝑥𝑐

7𝜀𝑖𝑛𝑡

𝑡

𝑎61

𝑎62

𝑎63

𝑎64

𝑎65

[𝑎71

𝑎72

𝑎73

𝑎74

𝑎75

𝑎76

𝜀𝑒𝑥𝑐

𝑡 𝑡

𝑡

( 𝑢𝑐𝑟𝑒 )] ( 𝜀𝑐𝑟𝑒 )

Xuất phát từ thực tế Việt Nam là một nền kinh tế nhỏ với độ mở kinh tế lớn, ngoài những biến số vĩ mô trong nền kinh tế, luận án bổ sung thêm các biến số phản ánh các cú sốc bên ngoài là giá dầu thế giới. Các biến số trong mô hình gồm: giá dầu thô West Texas Intermediate (USD/thùng) (oil), tổng sản phẩm quốc nội (gdp), chỉ số giá tiêu dùng (cpi), cung tiền rộng m2 (ms), lãi suất cho vay ngắn hạn 3 tháng của các ngân hàng thương mại (int), và tỷ giá giao dịch VND/USD (exe), và tín dụng đối với khu vực tư nhân của các ngân hàng thương mại (cre).

Giá dầu thô là biến đại diện cho cú sốc từ bên ngoài nền kinh tế. Việt Nam là nước có độ mở kinh tế cao, dựa nhiều vào nhập khẩu cho tiêu dùng trong nước và làm nguyên liệu đầu vào cho hoạt động xuất khẩu nên nền kinh tế khá nhạy cảm với biến động giá năng lượng. Hơn nữa, giá dầu thô giúp làm giảm hiện tượng “price puzzle” trong các mô hình VAR khi giá cả thường có xu hướng tăng lên trước các cú sốc thắt chặt CSTT [51, 46, 58, 117].

Đối với khu vực trong nước, dòng thứ hai và thứ ba mô tả sự cân bằng của thị trường hàng hóa. Việc ấn định các phần tử bằng 0 trong hai dòng này phản ánh tính

chất cứng nhắc của giá cả [26]. Theo Kim và Roubini (2000), các biến số vĩ mô như tổng sản phẩm quốc nội và giá cả không chịu tác động từ các biến số vĩ mô trừ giá dầu thô. Nói cách khác, cung tiền, lãi suất, tỷ giá và tín dụng không tác động tới sản lượng và giá cả ngay tức thời mà có độ trễ. Trong khi đó, giá cả phản ứng tức thời trước cú sốc thu nhập và giá dầu thô [88].

Dòng thứ tư mô tả hàm cầu tiền với cầu tiền phụ thuộc vào thu nhập thực, giá cả, lãi suất (chi phí cơ hội của việc nắm giữ tiền). Dòng thứ năm mô tả hàm phản ứng của CSTT, theo đó, lãi suất được điều chỉnh dựa trên các thông tin về cung tiền, tỷ giá, và tín dụng. Lựa chọn lãi suất cho vay làm biến đại diện cho điều hành CSTT của NHNN xuất phát từ thực tế trong một số giai đoạn NHNN áp dụng trần lãi suất cho vay, áp dụng biên độ lãi suất cho vay không được vượt quá ±150% lãi suất cơ bản, yêu cầu các TCTD giảm lãi suất cho vay về mức phù hợp với khả năng của nền kinh tế, hoặc đặt ra mục tiêu giảm lãi suất cho vay trong các chỉ thị điều hành CSTT đầu năm. Mặc dù thông tin về giá cả là sẵn có theo tần suất tháng và quý nhưng phần lớn dữ liệu về sản lượng theo quý là dưới dạng ước tính nên NHNN thường đợi thêm các chỉ báo kinh tế vĩ mô một cách đầy đủ và chính xác hơn trước khi đưa ra quyết định về điều chỉnh định hướng CSTT. Duy trì cam kết tỷ giá trong một cơ chế tỷ giá tương đối cứng nhắc nên NHNN sẽ có xu hướng điều hành CSTT phản ứng lại trước cú sốc tỷ giá.

Dòng thứ sáu được xây dựng trên cơ sở lý thuyết kinh doanh chênh lệch giá trên thị trường ngoại tệ. Được coi như là một biến số tài chính, tỷ giá phản ứng ngay lập tức trước các cú sốc khác bên ngoài và bên trong nền kinh tế [26, 88]. Dòng thứ bảy mô tả các chủ thể kinh tế gồm ngân hàng và khách hàng vay vốn đều có đầy đủ các thông tin về kinh tế vĩ mô trước khi đưa ra quyết định tín dụng.

𝑢

𝑜𝑖𝑙

𝑡

𝑜𝑖𝑙

𝜀

𝑎21

𝑡

𝑢𝑔𝑑𝑝

𝑐𝑝𝑖

𝑢 𝑎 𝑎

1 0 0 0

𝜀𝑔𝑑𝑝

𝑡

𝑐𝑝𝑖

𝜀

𝑢 = 𝑡

31 32 𝑡

𝑡𝑢𝑚𝑠

0 𝑎 𝑎

1 𝑎

0𝜀𝑚𝑠

𝑡 42 43 45 𝑡

𝑢𝑖𝑛𝑡

0 0 0 𝑎54 1 𝑎56𝜀𝑖𝑛𝑡

𝑡 𝑡

𝑡

( 𝑢𝑒𝑥𝑐 )

[𝑎61 𝑎62 𝑎63 𝑎64 𝑎65 𝑎66] ( 𝜀𝑒𝑥𝑐 )

𝑡

Để đo lường vai trò của kênh tín dụng, tác giả sử dụng phương pháp “shutdown” được đề xuất bởi Ramey (1993). Phương pháp này cho phép loại bỏ một kênh truyền tải CSTT ra khỏi mô hình nhằm đánh giá mức độ đóng góp của kênh truyền tải này trong việc truyền tải tác động từ CSTT tới các biến số vĩ mô của nền kinh tế như sản lượng và lạm phát. Đơn cử như trong trường hợp này, so sánh hàm phản ứng giữa mô hình gốc và mô hình mà biến tín dụng được đưa làm biến ngoại sinh

sẽ cho phép đánh giá mức độ đóng góp của kênh tín dụng [108]. Phương pháp này đã được nhiều nhà nghiên cứu sử dụng như Morsink và Bayoumi (2001), Disyatat và Vongsinsirikul (2003), và Perera và Wickramanayake (2013).

2.3.1.2. Số liệu và kiểm định khuyết tật mô hình

Các biến số trong mô hình bao gồm: giá dầu thô West Texas Intermediate (USD/thùng) (oil); tổng sản phẩm quốc nội (gdp) theo giá so sánh, chỉ số giá tiêu dùng (cpi) năm gốc 2005 được lấy từ Tổng cục Thống kê; cung tiền rộng (ms), lãi suất ngắn hạn 3 tháng của các ngân hàng thương mại (int), và tỷ giá giao dịch VND/USD của các ngân hàng thương mại (exe) vào cuối quý, tín dụng đối với khu vực tư nhân (cre) được lấy từ Thống kê tài chính quốc tế, Quỹ tiền tệ quốc tế.

Chuỗi số liệu nghiên cứu được lấy theo tuần suất quý từ quý 1 năm 2000 đến quý 4 năm 2015. Các số liệu, ngoại trừ lãi suất cho vay ngắn hạn của các NHTM ở dạng %, đều được chuyển sang dạng logarít. Để loại bỏ yếu tố mùa vụ ra khỏi dữ liệu, phương pháp Census X12 được áp dụng với tất cả các biến.

Kiểm định tính dừng Augmented Dickey-Fuller cho thấy lãi suất cho vay ngắn hạn dừng trong khi các biến số khác không dừng, chỉ dừng sau khi lấy sai phân bậc nhất. Các biến không dừng được chuyển sang dạng sai phân bậc nhất và trở thành biến dừng

Các tiêu chuẩn Sequential modified LR, Final prediction error, Akaike information criterion, Schwarz information criterion và Hannan - Quinn information criterion được sử dụng để xác định độ trễ tối ưu cho mô hình. Tiêu chuẩn LR, FPE đề xuất độ trễ tối ưu là 3 quý, tiêu chuẩn SC và HQ đề xuất độ trễ tối ưu là 1 quý, tiêu chuẩn AIC đề xuất độ trễ tối ưu là 4 quý. Tuy nhiên, với độ trễ 3 và 4 quý, kiểm định nghiệm đơn vị cho thấy mô hình không ổn định. Tham khảo các nghiên cứu về truyền tải CSTT sử dụng dữ liệu tần suất theo quý như Ramaswamy và Sloek (1997), Disyatat và Vongsinsirkul (2003), độ trễ 2 quý được lựa chọn [107, 57]. Kiểm định nghiệm đơn vị cho các nghiệm đều nhỏ hơn 1, đồng nghĩa với việc mô hình ổn định về mặt thống kê (xem phụ lục số 10 về kiểm định nghiệm đơn vị).

Ma trận A−1 áp đặt giá trị 0 cho 26 phần tử ai,j, vượt quá số lượng áp đặt giá trị 0 tối thiểu là (n2-n)/2= (72-7)/2 = 21. Trong trường hợp mô hình SVAR xảy ra hiện tượng over identified, Likelihood Ratio test được sử dụng để xem xét liệu giả thuyết H0: “cấu trúc mô hình được chấp nhận” có bị bác bỏ ở mức ý nghĩa 5% hay không. Các giá trị p-value của hai mô hình lần lượt là 0,7394 và 0,7773 cho thấy giả thuyết H0 không bị bác bỏ.

2.3.2. Kết quả mô hình

Hình 2.79 cho thấy lãi suất tăng làm giảm tốc độ tăng trưởng kể từ quý thứ hai, và đạt mức ảnh hưởng mạnh nhất vào quý thứ 4. Khoảng tin cậy cho thấy tác động của lãi suất đến sản lượng có ý nghĩa thống kê trong khoảng thời gian quý thứ 3 và thứ 4. Điều này cho thấy CSTT thắt chặt cần một độ trễ hiệu quả nhất định để làm giảm tốc độ tăng trưởng kinh tế. Hàm phản ứng của chỉ số giá tiêu dùng trước cú sốc lãi suất cho thấy tăng lãi suất có tác dụng làm giảm tỷ lệ lạm phát. Khá giống với hàm phản ứng của sản lượng, cần tới quý thứ 2, việc tăng lãi suất mới phát huy tác dụng và ảnh hưởng cao nhất đạt được vào quý thứ 6 (hình 2.80).

Hình 2.79: Hàm phản ứng của GDP trước cú sốc lãi suất7

Hình 2.80: Hàm phản ứng của CPI trước cú sốc lãi suất

0.0015

0.0010

0.0005

0.0000

-0.0005

-0.0010

-0.0015

-0.0020

-0.0025

1 5 10 15 20

0.003

0.002

0.001

0.000

-0.001

-0.002

-0.003

-0.004

-0.005

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả

Hàm phản ứng của lãi suất trước cú sốc sản lượng cho thấy phải đến quý thứ 2, lãi suất mới được điều chỉnh lại để ngăn đà tăng đột biến trong sản lượng của nền kinh tế. Trái lại, hàm phản ứng của lãi suất trước cú sốc lạm phát cho thấy CSTT phản ứng nhanh hơn khi tăng lên ngay trong quý thứ nhất. Điều này cho thấy lãi suất được duy trì để thúc đẩy tăng trưởng kinh tế (ít nhất là trong ngắn hạn) thay vì phản ứng theo cách thận trọng hơn là ổn định kinh tế vĩ mô. Chỉ khi lạm phát tăng cao, lãi suất mới được điều chỉnh tăng nhằm kiềm chế đà tăng và ảnh hưởng của nó tới nền kinh tế. Thực trạng này cho thấy CSTT có xu hướng thiên về mục tiêu tăng trưởng.

7 Đường nét đứt là khoảng tin cậy một lần độ lệch chuẩn, đường nét đứt chấm là khoảng tin cậy hai lần độ lệch chuẩn.

Hình 2.81: Hàm phản ứng của lãi suất trước cú sốc GDP

Hình 2.82: Hàm phản ứng của lãi suất trước cú sốc CPI

2.0

1.5

1.0

0.5

0.0

-0.5

-1.0

1 5 10 15 20

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả

Hàm phản ứng của cung tiền trước cú sốc sản lượng và giá cả cũng cho thấy nhận định tương tự. Đến tận quý thứ 5, cung tiền mới được thu hẹp để ngăn đà tăng của tăng trưởng trong khi ngay từ quý thứ nhất, cung tiền đã được điều chỉnh giảm để kiểm soát lạm phát tăng đột biến.

Hình 2.83: Hàm phản ứng của cung tiền trước cú sốc GDP

Hình 2.84: Hàm phản ứng của cung tiền trước cú sốc CPI

0.010 0.008

0.004

0.005

0.000

-0.004

-0.005

-0.008

-0.010

1 5 10 15 20

-0.012

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả

Hàm phản ứng của lãi suất trước cú sốc tín dụng cho thấy lãi suất khá nhạy cảm với sự tăng trưởng đột biến của tín dụng. Kể từ khi xảy ra cú sốc tín dụng, đến quý thứ 2, CSTT mới có phản ứng lại bằng việc tăng lãi suất và đạt ảnh hưởng lớn nhất vào quý thứ 4 (xem hình 2.83). Hàm phản ứng của tỷ giá trước cú sốc lãi suất cho thấy hiện tượng tăng vọt tỷ giá khi tỷ giá giảm trong quý đầu tiên và được điều chỉnh tăng nhẹ vào quý tiếp theo (xem hình 2.84).

Hình 2.85: Hàm phản ứng của lãi suất trước cú sốc tín dụng

Hình 2.86: Hàm phản ứng của tỷ giá trước cú sốc lãi suất

1.2 0.005

0.6 0.000

0.0 -0.005

-0.6

1 5 10 15 20

-0.010

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả So sánh hàm phản ứng của tổng sản phẩm quốc nội trước cú sốc lãi suất trong trường hợp có kênh tín dụng và không có kênh tín dụng cho thấy, phản ứng của tổng sản phẩm quốc nội trước cú sốc lãi suất trong trường hợp có kênh tín dụng mạnh và dai dẳng hơn (kéo dài tới 10 quý) so với trường hợp không có kênh tín dụng (6 quý) (xem hình 2.85). Hàm phản ứng của chỉ số giá tiêu dùng trước cú sốc lãi suất cũng cho

thấy kênh tín dụng phát huy ảnh hưởng rõ rệt từ quý thứ 3 đến quý thứ 12.

Hình 2.87: Hàm phản ứng của GDP trước cú sốc lãi suất khi có kênh tín dụng và khi không có kênh tín dụng

Hình 2.88: Hàm phản ứng của CPI trước cú sốc lãi suất khi có kênh tín dụng và khi không có kênh tín dụng

0.001 0.002

0.001

0.000 0.000

-0.001

-0.001 -0.002

-0.003

-0.002

1 5 10 15 20

-0.004

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả

Kết quả hàm phản ứng của sản lượng và giá cả trước cú sốc cung tiền cũng cho thấy kênh tín dụng có tác dụng khuếch đại mạnh mẽ ảnh hưởng của việc mở rộng cung tiền (xem hình 2.85 và 2.86).

Hình 2.89: Hàm phản ứng của GDP trước cú sốc cung tiền khi có kênh tín dụng và khi không có kênh tín dụng

Hình 2.90: Hàm phản ứng của CPI trước cú sốc cung tiền khi có kênh tín dụng và khi không có kênh tín dụng

0.003 0.010

0.002

0.005

0.001

0.000

-0.001

-0.002

1 5 10 15 20

-0.005

1 5 10 15 20

Nguồn: Tính toán của tác giả Nguồn: Tính toán của tác giả Như vậy, qua phân tích hàm phản ứng đẩy, có thể nhận thấy sự tồn tại và vai

trò nhất định của kênh tín dụng trong truyền tải CSTT của Việt Nam. Theo đó, ảnh hưởng của điều hành CSTT sẽ phát huy tác dụng nhanh và mạnh hơn trong trường hợp có kênh tín dụng so với trường hợp không có kênh tín dụng.

Phân rã phương sai cho thấy việc đưa kênh tín dụng vào mô hình giúp tăng mức giải thích của lãi suất tới sự biến động sản lượng và giá cả (xem bảng 2.5). Mức giải thích sự biến động sản lượng của lãi suất tăng từ 0,39% lên 1,38% sau một năm và tăng từ 0,39% lên 2,14% sau 5 năm. Tương tự, mức độ giải thích giá cả của lãi suất tăng từ 1,24% lên 4,05% sau 5 năm. Tác động của lãi suất lên sản lượng và giá cả là chậm khi chỉ giải thích chưa đến 5% sự biến động sản lượng giá cả. Điều này củng cố thực tiễn NHNN buộc phải điều chỉnh tăng mạnh lãi suất kết hợp với biện pháp thu hẹp cung tiền, quy định hạn mức tăng trưởng tín dụng khi lạm phát tăng cao (cả cung tiền và tín dụng giải thích 3,77% và 24,3% sự biến động sản lượng và giá cả sau 1 năm).

Bảng 2.5: Phân rã phương sai của GDP và CPI khi có kênh tín dụng và khi không có kênh tín dụng

Biến số

Thời điểm	Kênh tín dụng							Không có kênh tín dụng
Thời điểm	oil	gdp	cpi	ms	int	exc	cre	oil	gdp	cpi	ms	int	exc
Sản lượng	1	0.02	99.98	0.00	0.00	0.00	0.00	0.00	0.61	99.39	0.00	0.00	0.00	0.00
	4	0.13	93.19	0.38	3.71	1.38	1.06	0.13	1.56	87.09	3.21	0.14	0.39	7.61
	8	0.65	87.43	1.72	6.21	1.86	1.38	0.75	1.52	85.96	3.36	0.54	0.39	8.23
	12	1.34	85.58	2.41	6.37	1.87	1.53	0.89	1.51	85.90	3.34	0.55	0.39	8.30
	16	1.41	84.07	2.37	7.39	2.03	1.51	1.21	1.52	85.90	3.34	0.55	0.39	8.30
	20	1.40	83.36	2.44	7.77	2.14	1.56	1.33	1.52	85.90	3.34	0.55	0.39	8.30

Xem tất cả 232 trang.

Ngày đăng: 01/12/2022