Chính Sách Tiền Tệ Tối Ưu: Tối Thiểu Hóa Hàm Tổn Thất

Cách thức chọn thứ tự của biến nội sinh khi áp dụng OIR như sau:

+ Biến không bị ảnh hưởng bởi các biến khác trong hệ thống sẽ đặt đầu tiên trong thứ tự các biến;

+ Các biến còn lại được sắp xếp theo mức độ tương quan giữa các biến này;

+ Biến mục tiêu sẽ đặt cuối cùng trong thứ tự các biến.

2.3.5 Phân rã phương sai

Phân rã phương sai cho biết mức độ thay đổi của một biến cho trước dưới ảnh hưởng của cú sốc của biến đó và cú sốc của các biến khác. Phân rã phương sai phân tách sự thay đổi của sai số dự báo (forecast error) đối với từng biến trong mô hình hay nói cách khác, mỗi biến được giải thích như là sự liên kết tuyến tính giữa cú sốc hiện tại của chính nó và các cú sốc khác ở các giai đoạn trễ của tất cả các biến trong mô hình. Phân rã phương sai có thể được tính toán từ hàm phản ứng đẩy trực giao cũng như hàm phản ứng đẩy tổng quát . Phân rã phương

sai cũng nhạy cảm đến thứ tự của các biến trong mô hình VAR. Việc thay đổi thứ tự các biến ảnh hưởng đến kết quả từ phân rã phương sai. Do đó thứ tự trong phân rã phương sai có tầm quan trọng. Phân rã phương sai cho biết tỉ trọng ảnh hưởng của các biến ảnh hưởng đến thay đổi của một biến trong ngắn hạn và dài hạn.

2.4 Chính sách tiền tệ tối ưu: tối thiểu hóa hàm tổn thất

CSTT tối ưu mà các NHTW hướng đến nhằm xác định các hệ số độ lệch lạm phát và hệ số độ lệch sản lượng sao cho giá trị hàm tổn thất (loss function) là nhỏ nhất. Các NHTW thường đối diện với khả năng đánh đổi giữa việc cân bằng sự biến động của lãi suất ngắn hạn và sản lượng trong ngắn hạn, do vậy việc xác định hệ số độ lệch lạm phát và hệ số độ lệch sản lượng tối ưu giúp các nhà hoạch định CSTT có thể vận dụng tốt hơn quy tắc Taylor trong việc ra quyết định về mức LSCS.

2.4.1 Mô hình hàm tổn thất của ngân hàng trung ương

Mục tiêu của các NHTW là tối thiểu hóa sự biến động của lạm phát và sản lượng trong nền kinh tế, được diễn tả qua hàm tổn thất phúc lợi theo Lee và Crowley (2010) như sau:

∑

(2.19)

Trong đó:

Et: sự kỳ vọng có điều kiện về thông tin có sẵn ở thời kỳ t ζ: là nhân tố khấu trừ thời gian;

πt: tỉ lệ lạm phát thời kỳ t; π*: tỉ lệ lạm phát mục tiêu;

λy và λi: độ e ngại của các nhà hoạch định chính sách về sản lượng và sự thay đổi của mức LSCS;

yt: độ lệch sản lượng; It: sự thay đổi về LSCS.

Để đơn giản hóa, giả thiết ζ = 0,5 và mức độ e ngại của nhà hoạch định chính sách về biến động sản lượng và sự thay đổi lãi suất là như nhau và bằng 1. Công thức (2.19) được viết lại ở dạng như sau:

∑

(2.20)

Trong đó It = itTAYLOR – it là sự chêch lệch giữa LSCS (itTAYLOR) tính theo quy tắc Taylor và mức lãi suất thực tế (it).

Ngoài ra, cũng cần thiết quan tâm đến hai chỉ tiêu đo lường khác về hàm tổn thất trình bày bởi Svensson như sau:

Svensson (1998) đã xác định hàm tổn thất đối với các quốc gia theo đuổi CSTT lạm phát mục tiêu như sau:

Lt = 1/2 [(πt – π*)2 + λyyt2] (2.21)

Với điều kiện λy > 0.

Tổng quát hơn, công thức (2.21) được biểu diễn dưới dạng:

∑

Với điều kiện λy > 0; 0 < ζ < 1.

(2.22)

Svensson (2002) cho rằng khi mô hình quý được sử dụng, trong các mục đích thực nghiệm, nhân tố khấu trừ ζ rất gần với một (1). Khi ζ tiến tới 1, giới hạn của hàm tổn thất Lt sẽ bằng tổng của phương sai tỉ lệ lạm phát và phương sai độ lệch sản lượng. Khi đó:

(2.23) Với điều kiện λy > 0.

Để so sánh đồng bộ với các hàm tổn thất tính theo (2.17), tác giả giả thiết các

nhà hoạch định chính sách đặt trọng số λ là như nhau đối với lạm phát và độ lệch sản lượng (cho λy = 1), hàm tổn thất ở công thức (2.18) được viết dưới dạng:

Lt = 1/2 [(πt – π*)2 + yt2] (2.24)

Và hàm tổn thất ở công thức (2.23) được viết dưới dạng:

(2.25)

Trong đó: var(πt) là phương sai tỉ lệ lạm phát và var(yt) là phương sai độ lệch sản lượng.

2.4.2 Phương pháp mô phỏng ngẫu nhiên tối ưu hóa hàm tổn thất

Để xác định các hệ số lạm phát và độ lệch sản lượng tối ưu đối với quy tắc Taylor gốc (1993), tác giả sử dụng phương pháp mô phỏng ngẫu nhiên được thực hiện như sau:

Bước 1: Tính toán giá trị LSCS của quy tắc Taylor (1993) dạng (1.4) theo các hệ số lạm phát (βπ) và hệ số độ lệch sản lượng (βy) giả định. Các hệ số βπ và βy nhận các giá trị từ 0,1 đến 1,5 với bước nhảy là 0,1 cho từng hệ số.

Bước 2: Sử dụng phương pháp mô phỏng ngẫu nhiên (stochastic simulation) để tính toán các giá trị mô phỏng của tỉ lệ lạm phát (πt), độ lệch sản lượng (yt) và LSCS (itTAYLOR) theo các công thức (2.4) và (2.5) khi đưa các giá trị LSCS tính toán

ở bước 1 vào mô hình. Mô hình được thiết lập theo phần mềm Eviews 6.0 có mức tính toán lập lại tối đa 5000 lần với độ tin cậy 99% cho từng cặp hệ số (βπ , βy) để có được giá trị tối ưu của hàm tổn thất.

Bước 3: Tính toán các giá trị của hàm tổn thất theo công thức (2.20), (2.24) và (2.25) với các giá trị mô phỏng của πt, yt, itTAYLOR được tính toán từ phương pháp mô phỏng ngẫu nhiên với các hệ số βπ và βy giả định ở bước 2. Kết quả các cặp hệ số tối ưu được chọn có ít nhất một giá trị hàm tổn thất đạt giá trị tối thiểu.

Bước 4: Cuối cùng là so sánh giá trị hàm tổn thất tính toán từ phương pháp mô phỏng ngẫu nhiên của các cặp hệ số tối ưu đã chọn và các cặp hệ số cố định với giá trị hàm tổn thất thực tế theo quy tắc Taylor (1.4).

2.5 Quy tắc Taylor với tổng phương tiện thanh toán M2

Các nhà hoạch định CSTT thường quan tâm cả hai chỉ tiêu hoạt động là LSCS và tỉ lệ tăng tổng lượng tiền hay tổng phương tiện thanh toán (M2). Một sự kết hợp hài hòa giữa tỉ lệ tăng tổng lượng tiền với mức LSCS giúp cho các nhà hoạch định ra các quyết định về CSTT dễ dàng hơn.

Sử dụng mô hình (1.35) của Mehrotra và Sánchez-Fung (2010) đưa ra mô hình kết hợp dạng Taylor-McCallum như sau:

Mô hình (1.35) khi bỏ qua yếu tố tỉ giá hối đoái biểu diễn quan hệ giữa các thành tố tăng trưởng, lạm phát và mục tiêu tiền tệ có nét tương đồng với quy tắc Taylor mô hình kinh tế lượng:

Với c = r* + (1 – βπ)π*.

Ở mô hình (1.35), chỉ xét hai biến lạm phát và tăng trưởng sản lượng ở vế phải, thay tỉ lệ tăng cơ số tiền cơ sở ∆m ở vế trái bằng tỉ lệ tăng tổng phương tiện thanh toán (M2) là ∆M, đồng thời đặt b = µm – βπmπ*, ta có:

(2.26)

Để đạt được mức LSCS it theo quy tắc Taylor với tỉ lệ tăng M2 tương ứng, ta có hệ phương trình đồng thời (2.27) như sau:

Hay nói khác đi, ∆M = f (it) và viết theo công thức kinh tế lượng, ta có:

(2.28)

Từ (2.24) xác định được hệ số c và βπ do đó sẽ tính được r*.

Bảng 2.1 trình bày tóm tắt các mô hình và phương pháp phân tích kinh tế lượng được sử dụng để phân tích thực trạng chính sách lãi suất của NHNN qua lăng kính quy tắc Taylor trong thời kỳ năm 2000 – 2015.

Bảng 2.1: Phương pháp phân tích kinh tế lượng

Mô hình

Phương pháp tính	Biến của mô hình	Mục đích	Kết quả
Quy tắc Taylor gốc	OLS (độ trễ bằng 0)	it (LSCB, TLS, LSTCK, LSTCV); πt, yt	Phân tích các loại lãi suất để kiểm định sự tuân thủ quy tắc Taylor	Chọn lựa các loại lãi suất tuân thủ theo quy tắc Taylor
Quy tắc Taylor dạng làm phẳng lãi suất	OLS (độ trễ khác 0)
VAR	Độ trễ tối ưu	it đã chọn, πt, yt	Xác định độ trễ tối ưu	Độ trễ tối ưu
	Kiểm định mối quan hệ nhân quả giữa các biến		Xem xét mức độ tác động qua lại giữa các biến	Mức độ ảnh hưởng của sự tác động giữa các biến
	-Hàm phản ứng đẩy -Phân rã phương sai		Phản ứng của các biến khi có cú sốc xảy ra	Mức độ phản ứng các biến khi có cú sốc xảy ra
Hàm tổn thất	Mô phỏng ngẫu nhiên	it đã chọn, πt, yt, giá trị hàm tổn thất (L)	Tính giá trị hàm tổn thất; tìm kiếm các giá trị tối ưu của hệ số lạm phát, hệ số độ lệch sản lượng của quy tắc Taylor	Giá trị tối ưu của các hệ số. So sánh giá trị hàm tổn thất theo phương pháp mô phỏng và giá trị hàm tổn thất thực tế.
Quy tắc Taylor kết hợp khối lượng tiền	Two-stage least square	it đã chọn, πt, yt, M2	Xem xét quan hệ giữa lãi suất và tổng phương tiện thanh toán M2	Phương trình biểu diễn mối quan hệ giữa lãi suất và M2

Có thể bạn quan tâm!

• Vận dụng quy tắc Taylor trong cơ chế điều hành lãi suất của ngân hàng Nhà nước Việt Nam - 12
• Điều Kiện Vận Dụng Quy Tắc Taylor Trong Cơ Chế Điều Hành Lãi Suất Của Ngân Hàng Trung Ương
• Phương Pháp Ước Lượng Mô Hình Kinh Tế Lượng Ba Biến Theo Quy Tắc Taylor
• Thực Trạng Cơ Chế Điều Hành Lãi Suất Của Ngân Hàng Nhà Nước Việt Nam Qua Phân Tích Bằng Quy Tắc Taylor‌‌
• Tiến Trình Cơ Chế Điều Hành Lãi Suất Của Ngân Hàng Nhà Nước Việt Nam
• Lãi Suất Chính Sách Ở Việt Nam Theo Quy Tắc Taylor Với Các Hệ Số Mặc Định Thời Kỳ Năm 2015 - 2016

Xem toàn bộ 260 trang tài liệu này.

Nguồn: tác giả tổng hợp các mô hình và phương pháp phân tích được sử dụng

2.6 Cơ sở dữ liệu nghiên cứu

2.6.1 Nguồn gốc dữ liệu

Số liệu sử dụng cho phân tích thực trạng chính sách lãi suất của NHNN trong thời kỳ năm 2000 – 2015 được lấy từ nguồn dữ liệu của các tổ chức tài chính – ngân hàng uy tín trên thế giới và Việt Nam, cụ thể:

- Số liệu lãi suất thực từ Ngân hàng Thế giới (www.data.worldbank.org). Số liệu lãi suất huy động của các TCTD từ IMF (http://elibrary-data.imf.org).

- Số liệu về LSCB, TLS, LSTCK, LSTCV từ NHNN (www.sbv.gov.vn).

- Số liệu về GDP thời kỳ 2000Q1 – 2004Q4: từ Datastream (Thomson Reuters), thời kỳ 2005Q1 – 2015Q4: từ Tổng cục Thống kê (www.gso.gov.vn).

- Số liệu về tỉ lệ lạm phát (CPI) từ Tổng cục Thống kê (www.gso.gov.vn).

- Số liệu về tổng phương tiện thanh toán M2 thời kỳ 2000Q1 – 2013Q4 từ IMF (http://elibrary-data.imf.org) và thời kỳ 2014Q1 – 2015Q4 từ NHNN (www.sbv.gov.vn).

2.6.2 Giả thiết điều kiện áp dụng quy tắc Taylor và phương pháp xử lý dữ liệu

Mức LSTN được tính bằng giá trị bình quân của lãi suất thực (Svensson 2001) ở Việt Nam thời kỳ năm 2000 – 2014 là 3,61%/năm phù hợp với nghiên cứu của hai tác giả Muinhos và Nakane 2006 về LSTN của các nước Đông Nam Á trong đó có Việt Nam ở thời kỳ năm 1990 – 2004 là 4%/năm. Tỉ lệ lạm phát mục tiêu π* theo chỉ số giá tiêu dùng (CPI) là 5-7%/năm giai đoạn 2011 – 2015 theo Nghị quyết của Quốc hội số 10/2011/QH13 ngày 08/11/2011; πt là tỉ lệ lạm phát 4 quý liền kề tính theo chỉ số giá tiêu dùng CPI, gt là mức tăng trưởng GDP thực theo giá năm 1994 và g* là xu hướng tăng trưởng của GDP thực được đo lường bằng mức bình quân tỉ lệ tăng trưởng GDP thực theo giá năm 1994 thời kỳ năm 2000 – 2014 là 6,82%/năm, phù hợp với mục tiêu phát triển kinh tế - xã hội của Việt Nam trong giai đoạn 2010 – 2020 là 7%/năm (Nghị quyết Đại hội Đại biểu Toàn quốc lần thứ XI Đảng Cộng Sản Việt Nam năm 2011). Sản lượng tiềm năng được ước tính từ giá trị GDP quý theo giá năm 1994 tính theo bộ lọc Hodrick-Prescott từ phần mềm Eviews 6.0 sau khi đã hiệu chỉnh thời vụ theo phương pháp X12; it là biến lãi suất (LSCB, TLS, LSTCK, LSTCV) được tính theo quý, năm theo phương pháp bình quân gia quyền với quyền số là tổng số ngày hiệu lực áp dụng các mức lãi suất

tương ứng trong một quý hoặc một năm. TLS được qui đổi theo công thức TLS = 1,5 x LSCB áp dụng từ năm 2008. Năm 2000 lãi suất cho vay nội tệ = lãi suất cơ bản + [0,3%/tháng (ngắn hạn) hoặc 0,5%/tháng (trung, dài hạn)] cho thấy LSCB đóng vai trò giống như TLS và lãi suất cho vay như là TLSCV với biên độ được qui định từ 0,3% - 0,5%/tháng. Thời kỳ năm 2002 – 2007 thực hiện cơ chế lãi suất thỏa thuận giữa người đi vay và người cho vay, LSCB làm công cụ định hướng. Số liệu từ IMF (http://elibrary-data.imf.org) cho thấy lãi suất huy động trong giai đoạn này không vượt quá LSCB công bố bởi NHNN. Như vậy LSCB trong giai đoạn năm 2000 – 2007 đóng vai trò như TLS.

2.7 Ưu điểm và hạn chế của các phương pháp phân tích thực trạng chính sách lãi suất

2.7.1 Phương pháp tính toán thông thường

+ Ưu điểm: phương pháp tính toán đơn giản, không dùng các kỹ thuật kinh tế lượng để tính toán mức LSCS theo quy tắc Taylor gốc dạng (1.5). Quá trình phân tích cho thấy có thể đối chiếu LSCS thực tế của NHTW so với LSCS đề xuất từ quy tắc Taylor thông qua độ lệch lãi suất, từ đó xác định được quan điểm và cách thức điều hành lãi suất của NHTW trong từng giai đoạn, đồng thời xác định được cặp hệ số độ lệch lạm phát và độ lệch sản lượng cố định sát nhất với LSCS thực tế của NHTW. Trên cơ sở đó, việc dự báo LSCS ở thời kỳ tương lai tương đối đơn giản dựa trên dự báo mức lạm phát kỳ vọng và tỉ lệ tăng trưởng kinh tế, hai chỉ tiêu thường có sẵn trong kế hoạch phát triển kinh tế xã hội của Việt Nam.

+ Hạn chế: do không dùng kỹ thuật kinh tế lượng, các hệ số độ lệch lạm phát và độ lệch sản lượng được giả thiết cố định (là các bội số của 0,5), nên phương pháp sử dụng phải tính toán khá chi tiết để có thể rút ra độ lệch phù hợp (sự khác biệt nhỏ nhất) giữa LSCS của NHTW và LSCS tính theo quy tắc Taylor. Phương pháp tính này không xác định chính xác các hệ số của độ lệch lạm phát và độ lệch sản lượng của quy tắc Taylor trong giai đoạn nghiên cứu mà chỉ đưa ra mức hệ số cố định sát nhất với LSCS thực tế của NHTW.

2.7.2 Phương pháp phân tích chính sách lãi suất bằng mô hình kinh tế lượng

+ Ưu điểm: Phương pháp hồi quy kinh tế lượng sử dụng các kỹ thuật phân tích kinh tế lượng để có được các hệ số hồi quy của các độ lệch lạm phát và độ lệch sản lượng theo quy tắc Taylor trong giai đoạn nghiên cứu. Qua các kiểm định kinh tế lượng (giá trị xác suất (p) của hệ số, mức ý nghĩa R2, dấu của hệ số hồi quy, v.v.) của phương pháp hồi quy bình phương tối thiểu (OLS) theo quy tắc Taylor gốc có thể đánh giá được chính sách lãi suất của NHTW có tuân thủ theo quy tắc Taylor hay không. Việc tính toán có thể dựa vào các phần mềm thống kê cho kết quả nhanh

và độ chính xác tương đối cao. Phương pháp hồi quy xác định giá trị của các hệ số độ lệch lạm phát và độ lệch sản lượng, từ đó rút ra được xu hướng điều hành chính sách lãi suất của NHTW theo hướng kiềm chế lạm phát hay kích thích tăng trưởng kinh tế trong thời kỳ nghiên cứu. Sử dụng phương pháp hồi quy OLS đối với phương trình làm phẳng lãi suất theo quy tắc Taylor gốc cho kết quả tính toán hệ số làm phẳng lãi suất ρ, từ đó đánh giá tính ì của chính sách lãi suất hay mức ảnh hưởng của quyết định lãi suất thời kỳ trước đến quyết định lãi suất thời kỳ sau liền kề. Mô hình VAR được sử dụng để tính toán độ trễ thích hợp của các biến trong quy tắc Taylor ở thời kỳ nghiên cứu, xem xét quan hệ nhân quả và mức tác động lẫn nhau của các biến khi có cú sốc của một biến ảnh hưởng đến các biến còn lại bằng các kỹ thuật phân tích hàm phản ứng đẩy và phân rã phương sai giúp làm rò quá trình điều hành lãi suất của NHTW và định hướng CSTT trong tương lai.

Bên cạnh đó, luận án sử dụng phương pháp mô phỏng là phương pháp mô hình hóa bằng cách thay thế đối tượng gốc bằng một mô hình số nhằm có được các thông tin cần thiết thông qua việc giải quyết bài toán mô hình bằng các thuật toán. Bằng cách thiết lập các giả định để giải quyết bài toán ở những tình huống khác nhau, phương pháp mô phỏng cho phép đánh giá phản ứng của hệ thống qua việc thay đổi các tham số, qua đó có được các phương án giải quyết khác nhau, từ đó rút ra được phương án tối ưu. Phương pháp mô phỏng được sử dụng nhằm làm rò bài toán giá trị hàm tổn thất của NHNN có giảm đi không nếu cơ chế điều hành lãi suất của NHNN tuân thủ theo quy tắc Taylor. Mô hình được xây dựng dựa trên các mô

Xem tất cả 260 trang.