CƠ CHẾ TRUYỀN DẪN CỦA TỶ GIÁ, CÁC XU HƯỚNG NGHIÊN CỨU TRƯỚC ĐÂY VỀ HIỆU ỨNG ERPT
LẠM PHÁT Ở VIỆT NAM 1990 – 2012
Năm 1986, Việt Nam bắt đầu thực hiện chính sách đổi mới, chuyển đổi từ cơ chế tập trung bao cấp sang cơ chế định hướng thị trường Quá trình này đã mang lại kết quả tích cực, giúp nền kinh tế Việt Nam đạt mức tăng trưởng cao, với đỉnh điểm là 9.3% vào năm 1995.
1996 Tuy nhiên, lạm phát lại là một vấn đề vĩ mô đối với Việt Nam, đi từ lạm phát rất cao cho tới giảm phát
Hình 1-1: Các giai đoạn lạm phát ở Việt Nam
Giai đoạn lạm phát cao sau chiến tranh đã thúc đẩy quá trình đổi mới vào năm 1986, nhưng lạm phát vẫn tiếp tục gia tăng đến năm 1989 Ngân hàng Nhà nước Việt Nam đã thực hiện chính sách rút tiền khỏi nền kinh tế bằng cách phát hành trái phiếu ngắn hạn với lãi suất 12%/tháng từ tháng 7 năm 1989, giúp giảm nhanh lượng tiền và làm lạm phát giảm đột ngột (Hung, 1999) Sự thành công trong việc ổn định lạm phát đã cải thiện chính sách tiền tệ và tài khóa, tạo điều kiện cho giai đoạn lạm phát có thể chấp nhận từ 1993 đến 2003 (Camen, 2006) Trong giai đoạn này, từ 1999 đến 2001, có một thời kỳ giảm phát do ảnh hưởng tiêu cực của cuộc khủng hoảng Châu Á năm 1998, dẫn đến hàng hóa dư thừa và giá cả sụt giảm.
Sau cuộc khủng hoảng Châu Á, chính phủ đã ưu tiên tăng trưởng GDP hơn lạm phát thông qua chính sách tiền tệ nới lỏng Từ năm 2000, nền kinh tế phải đối mặt với dòng vốn lớn chảy vào, buộc Ngân hàng Nhà nước phải duy trì tỷ giá ổn định bằng cách mua ngoại tệ Hệ quả là cung tiền tăng nhanh, dẫn đến lạm phát gia tăng, xuất phát từ cú sốc cầu thấp và cú sốc tiền tệ.
Năm 2004, lạm phát đạt mức 9.5%, tăng đáng kể so với 3% của năm 2003, vượt mục tiêu 5% của Bộ Tài chính và tiếp tục gia tăng trong các năm tiếp theo, đạt đỉnh 20% vào năm sau.
2008, mức cao nhất từ năm 1990
Trong bối cảnh hiện nay, chính phủ đã chuyển hướng tập trung vào lạm phát, thực hiện chính sách tiền tệ từ nới lỏng sang thắt chặt, dẫn đến việc giảm cung tiền khoảng 20% trong năm 2008 và năm sau đó Tuy nhiên, khủng hoảng tài chính toàn cầu năm 2008 đã làm cho các nỗ lực kiểm soát lạm phát của chính phủ trở nên kém hiệu quả Chính sách thắt chặt tiền tệ cùng với tác động tiêu cực từ cuộc khủng hoảng đã gây khó khăn cho doanh nghiệp, làm sản xuất đình trệ và khiến lạm phát không chỉ không giảm mà còn tăng cao Điều này cho thấy cú sốc cung có vai trò quan trọng trong giai đoạn Q1/2008 – Q4/2010, với giá dầu và giá gạo cũng ảnh hưởng đáng kể đến lạm phát Thêm vào đó, thâm hụt cán cân tài khoản vãng lai nghiêm trọng vào năm 2007 cũng là một yếu tố quan trọng không kém.
1 Năm 2010 và 2011 có khoảng 70,000 doanh nghiệp phá sản.
CHÍNH SÁCH TỶ GIÁ HỐI ĐOÁI Ở VIỆT NAM 1990 – 2012
Kể từ khi đổi mới, tỷ giá được quản lý theo định hướng thị trường bằng cách neo cố định theo đồng USD, với sự can thiệp của Ngân hàng Nhà nước Việc công bố tỷ giá chính thức và mức biên độ dao động cũng được thực hiện để điều tiết thị trường Thông qua sự biến động của tỷ giá, chúng ta có thể nhận thấy hai xu hướng tỷ giá rõ ràng trong hai giai đoạn kinh tế khác nhau, phản ánh sự thích ứng của nền kinh tế với những thay đổi của thị trường.
Hình 1-2: Các giai đoạn tỷ giá ổn định ở Việt Nam
Trong giai đoạn 1992 – 1997 và 1999 – 2007, tỷ giá VND/USD duy trì ổn định nhờ cơ chế tỷ giá neo cố định, với Ngân hàng Nhà nước giữ tỷ giá xung quanh mức 11,000 VND/USD Tỷ giá chỉ dao động nhẹ, từ 0.5% trước năm 1997 và từ 0.1% đến 0.75% trong giai đoạn 1999 – 2007, nhờ vào sự ổn định của nền kinh tế và không có cú sốc từ bên ngoài.
Khi nền kinh tế đối mặt với bất ổn hoặc cú sốc từ bên ngoài, tỷ giá sẽ ngay lập tức giảm giá do chính sách tỷ giá linh hoạt được áp dụng từ năm 1997 đến 1998 và năm 2007.
Khủng hoảng tài chính Châu Á bắt đầu từ năm 1997 đã dẫn đến sự sụt giảm nhanh chóng của nhiều đồng tiền trong khu vực, trong đó có VND Từ mức biên độ dao động 1% vào cuối năm 1996, VND đã tăng lên 5% và 10% vào cuối năm 1997, trước khi giảm 7% vào cuối năm 1998 Năm 1998, Ngân hàng Nhà nước đã điều chỉnh tỷ giá từ 11,175 VND/USD xuống 12,998 VND/USD, khiến VND bị trượt giá 24.54% Đây là lần đầu tiên nền kinh tế Việt Nam chịu tác động mạnh mẽ từ biến động của nền kinh tế thế giới.
Hình 1-3: Các giai đoạn tỷ giá biến động mạnh ở Việt Nam
Mười năm sau cuộc khủng hoảng tài chính 1998, kinh tế Việt Nam lại đối mặt với một cuộc khủng hoảng toàn cầu nghiêm trọng hơn Để ứng phó, Ngân hàng Nhà nước đã áp dụng các chính sách tương tự như trước, điều chỉnh biên độ dao động tỷ giá chính thức Vào tháng 3/2008, biên độ được gia tăng lên +/-1%, sau đó giữ nguyên trong vài tháng trước khi nâng lên +/-3% vào tháng 6/2008 và đạt mức cao nhất là +/-5% vào tháng 9/2009.
Tỷ giá ngoại tệ hiện tại đang giao dịch ở mức trần, với tỷ giá song phương cách xa so với mức chính thức của thị trường Để điều chỉnh tình hình, Ngân hàng Nhà nước (SBV) đã giảm tỷ giá chính thức 4 lần, tương ứng với mức giảm 5.4% so với cuối năm 2009, khi mà tỷ giá này đạt mức cao nhất kể từ năm 1998 Tính đến đầu năm 2011, tỷ giá chính thức được công bố là 20,693 VND/USD, với biên độ dao động là +/-1%.
Hình 1-4: Tỷ giá trần và tỷ giá sàn ở Việt Nam 2008 - 2011
Bảng 1-1: Biên độ giao dịch tỷ giá từ năm 1998 đến 2012
Hình 1-5: Tỷ giá danh nghĩa VND/USD và lạm phát ở Việt nam 1995-2013
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ ERPT
Một số quốc gia áp dụng tỷ giá cố định, và chính sách tiền tệ (CSTT) có thể ảnh hưởng đến tỷ giá thực thông qua giá cả nội địa, từ đó tác động đến xuất khẩu ròng, mặc dù mức độ ảnh hưởng này thường thấp và diễn ra chậm Tác động của CSTT qua kênh tỷ giá phụ thuộc vào điều kiện, mức độ phát triển của thị trường, cùng với đặc điểm tài chính của các hộ gia đình và doanh nghiệp tại từng quốc gia.
Kênh tỷ giá hối đoái đóng vai trò quan trọng trong việc truyền dẫn tác động của chính sách tiền tệ lên nền kinh tế nội địa, điều này đã được chứng minh qua các nghiên cứu gần đây của Taylor (1993).
Trong nền kinh tế mở, mức độ truyền dẫn tỷ giá (ERPT) vào giá trong nước đóng vai trò quan trọng trong việc đánh giá hiệu ứng lan tỏa của chính sách tiền tệ.
Hình 1-6: Đồ thị tác động của cung tiền đến tỷ giá hối đoái
M↑→i↓→E↑→ xuất khẩu ↑, nhập khẩu ↓→AD↑→Y↑
Nguồn: Giáo trình Kinh tế Vĩ mô, ĐH Kinh tế TP.HCM
Cụm từ "pass-through" lần đầu tiên được Steve Magee sử dụng trong bài viết năm 1973 để giải thích tác động của giảm giá tiền tệ, theo Bhagawati (1991) Từ đó, thuật ngữ này đã trở nên phổ biến trong lĩnh vực kinh tế.
Tác động truyền dẫn tỷ giá được định nghĩa là phần trăm thay đổi trong giá nhập khẩu tính theo đồng nội tệ do phần trăm thay đổi trong tỷ giá giữa nước xuất khẩu và nước nhập khẩu, theo nghiên cứu của Goldberg và Knetter (1997) Tuy nhiên, những biến động giá nhập khẩu cũng ảnh hưởng đến giá sản xuất và tiêu dùng trong nước Do đó, Peter Rowland trong nghiên cứu của mình đã mở rộng định nghĩa này, xem tác động truyền dẫn tỷ giá là sự thay đổi trong các loại giá cả trong nước do biến động của tỷ giá hối đoái danh nghĩa.
Shah (2004), kênh truyền dẫn tỷ giá được minh họa như sau:
Hình 1-7: Kênh truyền dẫn tỷ giá
Theo nghiên cứu, tỷ giá hối đoái ảnh hưởng đến lạm phát trong nước qua hai kênh chính: thứ nhất là tác động của tỷ giá lên đồng tiền nội tệ thông qua chi phí nhập khẩu hàng hóa; thứ hai là ảnh hưởng của giá nhập khẩu đến toàn bộ giá cả tiêu dùng Nicotela (2007) cho rằng, nếu hệ số truyền dẫn là x, thì một sự thay đổi 1% của tỷ giá sẽ dẫn đến lạm phát trong nước thay đổi x% Tác động truyền dẫn càng cao, tỷ giá càng trở thành công cụ hiệu quả trong việc kiểm soát lạm phát.
Mototsugu Shintani, Akiko Terada-Hagiwara và Tomoyoshi Yabu định nghĩa tác động truyền dẫn tỷ giá (ERPT) là phản ứng của tỷ lệ lạm phát trong nước đối với những biến động của tỷ giá hối đoái hoặc chi phí biên.
Cầu về hàng xuất khẩu tăng
Mở rộng khả năng sản xuất
Hàng tiêu dùng cuối cùng
Giá hàng trung gian, đầu vào SX
Chi phí sản xuất tăng Phá giá đồng nội tệ
Chỉ số giá hàng tiêu dùng và cơ chế ERPT đóng vai trò quan trọng trong việc hiểu và dự đoán ảnh hưởng của chính sách tiền tệ đến nền kinh tế thực Việc nhận diện các kênh truyền dẫn mà chính sách tiền tệ tác động đến sản lượng và lạm phát sẽ giúp nâng cao hiệu quả của chính sách này, đồng thời cho phép ngân hàng trung ương duy trì các biến kinh tế vĩ mô ở mức mục tiêu Chính sách tiền tệ đã được nghiên cứu sâu rộng qua nhiều năm, với nhiều bài nghiên cứu kinh tế tập trung vào các kênh truyền dẫn mà qua đó chính sách này ảnh hưởng đến các thành phần khác nhau của nền kinh tế.
Nhiều nghiên cứu thực nghiệm trước đây đã chỉ ra mối tương quan tích cực giữa ERPT và lạm phát, chủ yếu thông qua các phân tích quốc tế như của Calvo và Reinhart (2002), Choudhri và Hakura (2006), cùng với Devereux và Yetman.
Nghiên cứu về lĩnh vực này chủ yếu tập trung ở Mỹ và châu Âu, nhưng trong những năm gần đây, đã có sự mở rộng đáng kể tại các quốc gia đang phát triển Các nghiên cứu tiêu biểu bao gồm Pruteanu (2004) tại Cộng hòa Séc, Juks (2004) ở Estonia, Horvath (2004) tại Hungary, Golodniuk (2005) ở Ukraine, và Matousek cùng Sarantis (2006) cho Slovenia và Slovakia.
Nghiên cứu về tác động của tỷ giá hối đoái đến chi phí nhập khẩu hàng hóa đã chỉ ra mối liên hệ rõ ràng giữa tỷ giá và lạm phát Các tác giả như Chung, Kohler, & Lewis (2011), Frankel, Parsley, & Wei (2012), và Ito & Sato đã cung cấp những kết luận quan trọng về cách mà biến động tỷ giá có thể ảnh hưởng đến mức giá tiêu dùng.
Mức độ truyền dẫn tỷ giá khác nhau giữa các quốc gia tùy thuộc vào chế độ tỷ giá áp dụng Theo Barhoumi (2006), các quốc gia với chế độ tỷ giá cố định thường có mức độ truyền dẫn tỷ giá dài hạn cao hơn so với các quốc gia áp dụng tỷ giá thả nổi Nhiều nghiên cứu cũng chỉ ra rằng việc xem xét truyền dẫn tỷ giá lên toàn bộ giá cả tiêu dùng và sản xuất trong nước cho thấy mức độ truyền dẫn thấp hơn và không hoàn toàn tương quan với giá cả nội địa, so với truyền dẫn tỷ giá thông qua giá nhập khẩu (Devereux & Yetman, 2010; Ito & Sato, 2008; Jin, 2012; McCarthy, 2000; Naz, Mohsin, & Zaman, 2012; Przystupa & Wróbel, 2009).
Mức độ truyền dẫn của tỷ giá vào lạm phát (ERPT) khác nhau giữa các nước mới nổi, đang phát triển và các nước phát triển Theo nghiên cứu của Ca'Zorzi, Hahn, và Sánchez (2007), ERPT cao hơn ở các nước mới nổi và đang phát triển, trong khi các nước mới nổi với lạm phát thấp có mức độ ERPT thấp hơn Frankel et al (2012) cho rằng các nước đang phát triển có ERPT lớn hơn và nhanh hơn so với các nước phát triển Nghiên cứu của Ito và Sato (2007) cho thấy ERPT lớn hơn ở các nước Mỹ Latin và Thổ Nhĩ Kỳ so với các nước Đông Á, ngoại trừ Indonesia Đặc biệt, Indonesia, Mexico, Thổ Nhĩ Kỳ và Argentina có phản ứng mạnh từ chỉ số giá tiêu dùng (CPI) đối với cú sốc tỷ giá trước và sau khủng hoảng, cho thấy rằng ERPT cao là yếu tố chính dẫn đến lạm phát cao ở các quốc gia này sau khủng hoảng.
Sooriyakumar Krishnapillai và Henry Thompson (1/2012) đã nghiên cứu hiệu quả của chính sách tiền tệ trong bối cảnh cú sốc tỷ giá hối đoái tại Sri Lanka Kết quả cho thấy chính sách tiền tệ theo tỷ giá mục tiêu đang ngày càng phổ biến, thay vì tập trung vào lạm phát mục tiêu Nguyên nhân dẫn đến tỷ lệ lạm phát cao gần đây là do Ngân hàng trung ương mua trái phiếu của chính phủ để tài trợ cho chi tiêu quốc phòng và tăng lương cho nhân viên nhà nước vì lý do chính trị, từ đó gây ra lạm phát và làm méo mó chính sách tiền tệ Nếu chính sách tiền tệ không được tối ưu hóa cho lạm phát và tỷ giá hối đoái, tăng trưởng kinh tế có thể bị giảm trong dài hạn.
Nghiên cứu về lạm phát và tỷ giá cho thấy tỷ giá cố định có thể hoạt động như một cái neo danh nghĩa giúp kiểm soát lạm phát, với ngân hàng trung ương duy trì uy tín để giữ lạm phát thấp, như đã chỉ ra ở nhiều quốc gia có cơ chế này (Edwards, 1993) Tuy nhiên, ở một số thị trường mới nổi, lạm phát vẫn được kiểm soát dưới cơ chế tỷ giá thả nổi có quản lý (Calvo & Mishkin, 2003) Levy-Yeyati và Sturzenegger (2003) cho rằng không có mối liên hệ giữa cơ chế tỷ giá và hiệu quả kinh tế ở các nước phát triển, nhưng ở các nước đang phát triển, tỷ giá cố định có thể ảnh hưởng đến lạm phát khi duy trì lâu dài Tại Việt Nam, nghiên cứu cho thấy tỷ giá danh nghĩa có thể dẫn dắt lạm phát trong ngắn hạn, trong khi tăng trưởng tín dụng có mối quan hệ đồng biến với lạm phát trong 2-10 quý (Bhattacharya, 2013) Van Minh (2009) ghi nhận rằng ERPT ở Việt Nam trong năm đầu là 0.61 và cú sốc tỷ giá ảnh hưởng đến giá tiêu dùng kéo dài 10 tháng, sau 15 tháng thì ảnh hưởng này hoàn toàn biến mất Các nghiên cứu khác cũng cho thấy kết quả tương tự, đồng thời Mihaljek và Klau (2001) cho rằng tỷ giá không phải là yếu tố chính trong giai đoạn 1999-2007, còn Nguyen & Nguyen (2009) khẳng định rằng tỷ giá ổn định không giúp giảm lạm phát và không đóng vai trò lớn trong việc ổn định lạm phát.
PHƯƠNG PHÁP NGHIÊN CỨU
NỀN TẢNG LÝ THUYẾT
2.1.1 Mô hình chuỗi thời gian phi tuyến STAR
Mô hình chuỗi thời gian đơn biến không có lịch sử lâu dài trong phân tích kinh tế, với mô hình phi tuyến đầu tiên áp dụng cho các vấn đề kinh tế thường là đa biến, như mô hình hồi quy chuyển đổi Markov và mô hình bất đối xứng Mô hình đơn biến đầu tiên được giới thiệu cho các nhà kinh tế là mô hình song tuyến của Granger và Andersen (1978) Các ứng dụng đầu tiên của các mô hình phi tuyến phổ biến, như mô hình tự hồi quy ngưỡng và mô hình tự hồi quy Markov-chuyển đổi, xuất hiện sau khi được phát triển bởi các nhà thống kê cho dữ liệu phi kinh tế Số lượng ứng dụng mô hình phi tuyến trong kinh tế đã được nghiên cứu nhiều, và chúng đã được sử dụng cho các chuỗi thời gian kinh tế vĩ mô và tài chính, phục vụ cho dự báo và nghiên cứu thử nghiệm các lý thuyết kinh tế.
Nhiều nghiên cứu đã được thực hiện về sự tồn tại của các mô hình phi tuyến, nổi bật là các công trình của Tong (1990), Granger và Teräsvirta (1993), Guo và Gan (1994), cùng với Franses và van Dijk (2000) Những nghiên cứu này đã làm sáng tỏ các khía cạnh khác nhau trong lĩnh vực này, bao gồm các bài viết của Brock và Potter (1993) cũng như các tác giả Teräsvirta, Tjüstheim và Granger.
Nghiên cứu về mô hình tham số đã được thực hiện bởi nhiều tác giả như Potter (1994), Swanson và Franses (1999), Granger (2001), van Dijk, Terọsvirta và Franses (2002), cùng với Tsay (2002) Gần đây, sự chú ý đã chuyển sang các mô hình phi tham số, như được trình bày trong nghiên cứu của Fan và Yao (2003).
Một ý tưởng phổ biến trong các ứng dụng kinh tế là cơ chế chuyển tiếp, trong đó quá trình tổng hợp dữ liệu để tạo ra mô hình được xem như một quá trình tuyến tính chuyển đổi giữa các chế độ theo quy tắc nhất định Chẳng hạn, thay đổi trong chính sách của chính phủ có thể dẫn đến sự thay đổi trong các cơ chế kinh tế Tương tự, tính biến động của sản xuất công nghiệp hoặc tổng sản phẩm quốc gia có thể khác nhau trong các giai đoạn suy thoái và bùng nổ kinh tế Việc giải thích hành vi của nhiều quan sát thông qua các mô hình chuyển tiếp là khả thi, và có thể giả định rằng sự chuyển đổi giữa các cơ chế diễn ra một cách liên tục và suôn sẻ.
Mô hình tự hồi quy ngưỡng
Với 𝑧 𝑡 = (1, 𝑦 𝑡−1 ′ ) ′ với 𝑦 𝑡 = (𝑦 𝑡 , … , 𝑦 𝑡−𝑝+1 ) ′ , d > 0 là tham số độ trễ, 𝛼 𝑗 (𝛼 𝑗1 , … , 𝛼 𝑗𝑝 ) ′ , j = 1,…,r là hệ số của cá vector, c 0 , c 1 , …, c r là các hệ số ngưỡng, c 0 = -
Mô hình tự hồi quy từng phần (TAR) là một phương pháp phổ biến trong phân tích dữ liệu thời gian, đặc biệt khi điểm chuyển tiếp hoặc ngưỡng chưa được xác định Trong mô hình này, I(A) là hàm số xác định, với giá trị 1 khi A xuất hiện và 0 khi không xuất hiện Các yếu tố như ∞, c r = M < ∞ và ε t ~ iid(0,1) cùng với σ j > 0 (j = 1, … , r) đóng vai trò quan trọng trong việc xác định các cơ chế hoạt động của mô hình này.
Mô hình SETAR đã được ứng dụng rộng rãi trong lĩnh vực kinh tế, với nghiên cứu toàn diện của Tong (1990) về mô hình và thống kê dữ liệu Một đặc điểm nổi bật của mô hình này là khả năng tạo ra chu kỳ giới hạn tại một số tham số giá trị, cho phép ước lượng ngoại suy của chuỗi mà không bị mất mát khi giả định các sai số bằng không Mặc dù ban đầu được áp dụng trong chuỗi thời gian sinh thái và lỗ hổng mặt trời hàng năm (Tong và Lim, 1980), mô hình này hiện đã trở thành công cụ quan trọng trong nghiên cứu kinh tế.
Một trường hợp đặc biệt của mô hình SETAR, được Enders và Granger (1998) gọi là mô hình TAR-động lực, sử dụng sai phân bậc một ∆y t-d thay vì hai cơ chế và biến ngưỡng y t-d Mô hình này mô tả các quá trình không đối xứng trong tỷ lệ tăng trưởng, cho thấy sự phát triển nhanh chóng của chuỗi nhưng quay trở lại chậm khi ở mức thấp hơn Ngoài ra, mô hình ba cơ chế cũng đáng chú ý, trong đó cơ chế giữa diễn tả một bước đi ngẫu nhiên, trong khi các chế độ bên ngoài giữ ổn định, góp phần vào sự ổn định của toàn bộ quá trình TAR.
Cơ chế giữa được xác định bởi điều kiện 𝑐 1 < 𝑦 𝑡−1 < 𝑐 2, với 𝑐 1 < 0 và 𝑐 2 = −𝑐 1 Trong cơ chế này, hệ số hồi quy 𝛼 2 được đặt bằng 1, trong khi các hệ số 𝛼 𝑗 với 𝑗 = 1,3 đều nhỏ hơn 1 Balke và Fomby (1997) đã áp dụng mô hình này để xác định ngưỡng đồng liên kết, đồng thời giả định rằng phương sai của sai số không thay đổi qua các cơ chế.
Mô hình SETAR với hai chế độ (một ngưỡng) có khả năng mô tả hành vi bất đối xứng trong chu kỳ kinh doanh Cụ thể, khi y t-d đại diện cho giai đoạn của chu kỳ kinh doanh, các mô hình SETAR có thể phản ánh sự biến động khác nhau trong giai đoạn bùng nổ so với giai đoạn suy thoái, như đã được nêu bởi Potter (1995) và Peel và Speight (1998).
Mô hình tinh tế hơn được đề xuất với hơn hai chế độ để mô tả các giai đoạn khác nhau của chu kỳ kinh doanh, theo Tiao và Tsay (1994) với mô hình bốn cơ chế Các tác giả nhấn mạnh rằng các thông số ngưỡng trong mô hình này có thể phân biệt rõ ràng.
Mô hình hồi quy chuyển đổi, cụ thể là mô hình SETAR, là một phương trình đa biến quan trọng trong nghiên cứu chuỗi thời gian, đã được đề cập trong nhiều tài liệu.
Mô hình SETAR chuẩn là một trong những mô hình phổ biến trong kinh tế lượng chuỗi thời gian, trong đó biến y t-d được thay thế bằng biến thời gian t hoặc thời gian chuẩn hóa t/T, với T là số quan sát Đây là mô hình tự hồi quy với r-1 điểm gãy Nhiều nghiên cứu và lý thuyết đã được phát triển nhằm xác định số lượng điểm gãy cấu trúc và ước lượng các điểm gãy c1, …, cr, như được đề cập trong nghiên cứu của Bai (1997).
Mô hình tự hồi quy theo hàm số mũ
Mô hình hồi quy theo hàm số mũ (EAR), được giới thiệu bởi Haggan và Ozaki vào năm 1981, là một ví dụ điển hình về mô hình phi tuyến với sự chuyển tiếp liên tục.
𝑦 𝑡 = ∅ ′ 𝑧 𝑡 + 𝜃 ′ 𝑧 𝑡 𝐺 𝐸 (𝛾, 𝑦 𝑡−1 ) + 𝜀 𝑡 = {∅ + 𝜃𝐺 𝐸 (𝛾, 𝑦 𝑡−1 )} ′ 𝑧 𝑡 + 𝜀 𝑡 (4) z t giống như (1), 𝜙 = (𝜙 0 , 𝜙 1 , … , 𝜙 𝜑 ) ′ 𝑣à 𝜃 = (𝜃 0 , 𝜃 1 , … , 𝜃 𝜑 ) ′ là các hệ số của các vector và ), 𝜙 0 = 𝜃 0 = 0, vì vậy mô hình không bao gồm hệ số chặn, và
𝜀 𝑡 ~𝑖𝑖𝑑(0, 𝜎 2 ) Hàm chuyển tiếp sẽ là:
Hàm (5) là hàm đối xứng qua 0, và nằm trong khoảng giá trị 1, và 𝐺 𝐸 →
Mô hình được đề cập có thể hiểu là một mô hình tự hồi quy tuyến tính với hệ số thời gian ngẫu nhiên và khác nhau, cho phép tạo ra các rung động ngẫu nhiên phi tuyến Mô hình EAR có khả năng tạo ra chu kỳ giới hạn; khi 𝛾 tiến gần 0, mô hình trở thành tuyến tính, và điều tương tự cũng xảy ra khi 𝛾 tiến gần vô cực Trong trường hợp này, 𝐺 𝐸 (𝛾, 𝑦 𝑡−1 ) bằng 0 trừ khi 𝑦 𝑡−1 bằng 0 Tong (1990) đã thực hiện một cuộc thảo luận chi tiết về các chuỗi này và các mô hình phi tuyến để mô hình hóa chúng.
Mô hình EAR có thể được mở rộng bằng cách sử dụng hệ số chặn 𝜙 0 ≠ 0 hoặc 𝜃 0 ≠ 0, hoặc cả hai Một trường hợp khác là loại bỏ yêu cầu đối xứng của hàm chuyển tiếp xung quanh không bằng cách thêm tham số vị trí c và cho phép độ trễ 𝑑 ≥ 1.
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình chuỗi thời gian phi tuyến sẽ được áp dụng trong phân tích thực nghiệm, với ba dự đoán chính cho mô hình trong nghiên cứu này.
- Đầu tiên, lạm phát cao hơn (giá trị tuyệt đối) dẫn đến mức độ ERPT cao hơn?
- Thứ hai, ERPT được biểu diễn như là một hàm đối xứng của các tỷ lệ lạm phát trong quá khứ xung quanh giá trị 0?
ERPT có thể được mô tả như một sự chuyển đổi trơn hơn là chuyển đổi đột ngột, thông qua việc sử dụng tỷ lệ lạm phát trong quá khứ làm biến chuyển đổi có thể chấp nhận với nhiều độ trễ Để tích hợp các đặc điểm này vào một mô hình tham số cuối cùng đơn giản, tôi chủ yếu áp dụng mô hình STAR mũ (ESTAR), với hàm chuyển đổi dạng U đối xứng được mô tả bởi hàm mũ.
Biến chuyển đổi Zt và tham số độ trơn γ (> 0) là các yếu tố quan trọng trong mô hình STAR, một mô hình phổ biến được phát triển lần đầu bởi Haggan và Ozaki (1981) và sau đó được mở rộng bởi Granger và Terősvirta (1993) cùng với Terősvirta (1994) Mục tiêu của nghiên cứu này là xác định mối quan hệ giữa πt và Δ(St + 𝑃𝑡∗) Để đạt được điều này, tôi đã ước lượng một biến thể hai chiều của mô hình ESTAR, trong đó πt được mô tả bằng phương trình bao gồm các biến lagged của πt và Δ(St + 𝑃𝑡∗).
Trong mô hình lý thuyết, mức độ trễ của πt và Δ (St + 𝑃 𝑡 ∗) được xác định từ dự báo của mô hình Mặc dù mô hình này đề xuất đa biến chuyển đổi, tôi chọn một chỉ định cuối cùng đơn giản hơn, sử dụng trung bình trượt của tỷ lệ lạm phát trong quá khứ làm biến chuyển đổi duy nhất.
Trong khuôn khổ mô hình ESTAR, tôi tập trung vào việc xác định ERPT thay đổi theo thời gian, với công thức ERPT = ỉ2,0 + ỉ4,0G(Zt; γ) Để đảm bảo ERPT nằm trong khoảng [0,1], chúng tôi đặt ràng buộc 0 ≤ ỉ2,0 ≤ 1 và ỉ2,0 + ỉ4,0 = 1.
Trong bài viết này, tôi mở rộng mô hình ESTAR, mô hình chính của mình trong phân tích, bằng cách xem xét các biến thể của mô hình STAR khác dựa trên hàm chuyển đổi dạng U, được xây dựng từ sự kết hợp của hai hàm logistic Các mô hình LSTAR đã được nghiên cứu bởi Granger và Teräsvirta (1993) cũng như Bec và cộng sự (2004), thường được gọi là mô hình LSTAR 3 trạng thái Tôi sẽ gọi mô hình này là mô hình LSTAR kép (DLSTAR) để nhấn mạnh sự hiện diện của hai hàm logistic trong mô hình Hàm chuyển đổi trong mô hình DLSTAR được định nghĩa rõ ràng.
Trong mô hình này, các tham số γ1 và γ2 (>0) xác định độ trơn của sự chuyển đổi trong các miền dương và âm, trong khi c1 và c2 (>0) là các tham số vị trí Tất cả các định nghĩa của biến và tham số khác vẫn giữ nguyên như trong mô hình ESTAR Hàm quan tâm ERPT được tính toán theo cách tương tự.
Lý do xem xét chỉ định khác của hàm chuyển đổi là gấp đôi Đầu tiên, theo van Dijk và các cộng sự (2002), hàm chuyển đổi trong mô hình ESTAR trở nên bất biến khi γ tiến tới vô cùng.
Theo Kilian và Taylor (2003), tôi có thể áp dụng biến chuyển đổi Z t = √𝑑 −1 ∑ 𝑑 𝑗=1 𝜋 𝑡−𝑗 2, mang lại một chỉ định cuối cùng tương tự Kết quả cho thấy không có sự thay đổi đáng kể ngay cả khi biến chuyển đổi của tôi được thay thế bằng phương pháp này.
Mô hình DLSTAR khác biệt với các mô hình STAR nhiều trạng thái của van Dijk và cộng sự (2002) ở chỗ không lồng ghép sự chuyển đổi rời rạc như lý thuyết dự đoán cho hai nhóm công ty trong nền kinh tế Thay vào đó, DLSTAR tích hợp mô hình TAR bằng cách cho γ1 và γ2 tiến về vô cùng Mô hình này cho phép điều chỉnh cả đối xứng (γ1 = γ2 = γ và c1 = c2 = c) và bất đối xứng (γ1 ≠ γ2 và c1 ≠ c2) giữa các miền dương và âm Điều này cho phép tôi nghiên cứu mối quan hệ ngoài mô hình đơn giản, mà dự đoán một mối quan hệ đối xứng giữa ERPT và tỷ lệ lạm phát trễ Trong quá trình ước lượng các mô hình DLSTAR, tôi áp dụng cả hai chỉ định điều chỉnh đối xứng và bất đối xứng.
Chý ý rằng tất cả các chỉ định trong phân tích của tôi có thể được trình bày như sau: π t = 𝑥 𝑡 ′ ỉ 1 + G(Z t ; θ) 𝑥 𝑡 ′ ỉ 2 + ε t trong đó, lần lượt xt = (1, πt-1,…, πt-N, Δ (𝑆 𝑡 + 𝑃 𝑡 ∗ ),…, Δ (𝑆 𝑡−𝑁+1 + 𝑃 𝑡−𝑁+1 ∗ ))’, Zt = d -1
Trong nghiên cứu này, tôi áp dụng các mô hình ESTAR và DLSTAR với các tham số θ được xác định cụ thể: θ = γ cho mô hình ESTAR, θ = (γ, c)’ cho mô hình DLSTAR đối xứng, và θ = (γ1; γ2; c1; c2)’ cho mô hình DLSTAR bất đối xứng Dựa theo phương pháp của van Dijk và cộng sự (2002), tôi thực hiện kiểm định tuyến tính bằng nhân tử Lagrange (LM) để so sánh với các mô hình STAR, với mô hình giả định được biểu diễn như sau: π t = 𝑥 𝑡 ′ β 0 + 𝑥 𝑡 ′ Z t β 1 + 𝑥 𝑡 ′ 𝑍 𝑡 2 β 2 + 𝑥 𝑡 ′ 𝑍 𝑡 3 β 3 + ε t.
Cho ẽ t = π t - 𝑥 𝑡 ′ 𝛽̃ 0 là phần dư hồi quy từ phương trình (24) với các ràng buộc β 1
Để kiểm tra giả thuyết rằng β2 = β3 = 0, chúng ta sẽ sử dụng thống kê kiểm định LM, được tính bằng công thức LM = T(SSR0 – SSR1)/SSR0, trong đó SSR0 là tổng bình phương sai số từ hồi quy đầy đủ.
= ∑ ẽ 𝑡 2 và SSR 1 =∑ ê 𝑡 2 Thống kê LM tiệm cận theo phân phối χ2 với bậc tự do 3 (2N +
1) dưới giả thiết HO là tuyến tính Để cải thiện thuộc tính kích thước mẫu hạn chế (hữu hạn), Terọsvirta (1994) cũng đề xuất dựng F của thống kờ kiểm định LM được đưa ra như sau:
Thống kê F được tính toán theo phân phối F với bậc tự do 3 (2N + 1) và T - 4(2N + 1) dưới giả thuyết HO Bên cạnh đó, tôi đã áp dụng một biến thể điều chỉnh phương sai thay đổi (heteroskedasticity-robust) cho kiểm định LM, theo phương pháp được Granger và Terősvirta đề xuất vào năm 1993, và biểu thị thống kê kiểm định bằng LM*.
KẾT QUẢ NGHIÊN CỨU
DỮ LIỆU VÀ KIỂM TRA TÍNH TUYẾN TÍNH
Tất cả dữ liệu trong ước lượng STAR được thu thập từ số liệu thống kê Invest in Forex trading và Asia Regional Integration Center Biến hồi quy độc lập chính trong hồi quy ERPT là những thay đổi hàng tháng trong tỷ giá hối đoái danh nghĩa và giá nhập khẩu bằng ngoại tệ (IMP) Giá đô la Mỹ mà nhà nhập khẩu ở Việt Nam thanh toán được điều chỉnh theo từng thời kỳ bằng phương pháp X12-ARIMA, giúp loại bỏ yếu tố mùa vụ trong dữ liệu, từ đó tạo ra chuỗi dữ liệu tốt cho phân tích và dự báo Giá nhập khẩu được tính theo giá FOB tại cảng nước ngoài hoặc giá CIF tại cảng Việt Nam, tùy thuộc vào thực tiễn từng ngành Theo giả định về hằng số iceberg chi phí giao dịch, công thức này được sử dụng để tính những thay đổi hàng tháng của giá cả hàng hóa nhập khẩu, bao gồm cả chi phí giao dịch.
Hình 3-1: Chỉ số giá nhập khẩu (IMP) của Việt Nam qua các năm
Nguồn: Tính toán trên Eview 8
Hình 3-2: Thống kê mô tả chuỗi dữ liệu IMP
Mean 103.8837 Median 103.9557 Maximum 120.3924 Minimum 88.48411 Std Dev 6.621207 Skewness 0.068229 Kurtosis 3.183330
Nguồn: Tính toán trên Eview 8
Lạm phát được sử dụng như biến phụ thuộc trong mô hình, với chỉ số giá tiêu dùng (CPI) phản ánh mức giá mà người tiêu dùng trả cho hàng hóa cuối Lạm phát hàng tháng, ký hiệu là πt, được tính dựa trên CPI điều chỉnh theo từng thời kỳ Mẫu dữ liệu từ tháng 01/1995 đến 12/2012 cho thấy các giai đoạn lạm phát cao vào cuối những năm 1998, 2007, 2011, và một môi trường lạm phát tương đối ổn định sau đó, cùng với sự gia tăng giá dầu gần đây.
Hình 3-3: Chỉ số gia tiêu dùng (CPI) của Việt Nam qua các năm
Nguồn: Tính toán trên Eview 8
Hình 3-4: Thống kê mô tả chuỗi dữ liệu CPI
Mean 73.02344 Median 57.61260 Maximum 148.0945 Minimum 41.67919 Std Dev 29.36410 Skewness 1.143905 Kurtosis 3.074522
Nguồn: Tính toán trên Eview 8
Hình 3-5: Chỉ số lạm phát thông qua CPI của Việt Nam
Nguồn: Tính toán trên Win Rats 8.3
Việc kiểm tra tính dừng của chuỗi dữ liệu thời gian là rất quan trọng vì nó ảnh hưởng đến các thuộc tính và hành vi của biến số Nếu chuỗi dữ liệu không dừng, tác động của một cú sốc có thể kéo dài không xác định và tạo ra kết quả hồi quy giả tạo khi hai biến số thay đổi theo xu hướng tương tự Hơn nữa, các biến số không dừng cũng vi phạm các giả định nền tảng cho việc phân tích hồi quy dựa trên quy luật phân phối chuẩn, khiến cho việc kiểm định giả thiết về giá trị của các hệ số hồi quy trở nên không đáng tin cậy Để kiểm tra tính dừng của chuỗi dữ liệu, người ta thường sử dụng kiểm định KPSS để xác định xem chuỗi dữ liệu dừng theo xu hướng xác định hay là xu hướng ngẫu nhiên.
Dựa vào kết quả kiểm định KPSS, CPI và IMP là các biến không dừng theo xu hướng ngẫu nhiên ở mức ý nghĩa 10%, cho thấy đây là chuỗi thời gian không dừng trong phương sai Để xử lý, chúng ta thực hiện sai phân bậc 1 cho các chuỗi thời gian này, bắt đầu bằng việc chuyển đổi dữ liệu bằng cách lấy logarit của CPI và IMP Phương pháp này không chỉ ổn định phương sai mà còn cải thiện tính phân phối chuẩn của chuỗi thời gian Sau khi thực hiện chuyển đổi và lấy sai phân bậc 1, chúng ta sẽ kiểm tra lại tính dừng cho dữ liệu này.
Bảng 3-1: Kiểm định tính dừng cho các biến
BIẾN KÝ HIỆU KPSS TÍNH DỪNG
Thay đổi trong giá nhập khẩu bằng ngoại tệ (IMP) Δ(st+pt *)0x(lnIMPt- lnIMPt-1) = DS 0.37* 4.81***
Lạm phát πt0x(lnCPIt-lnCPIt-1) DP 1.62*** 5.82***
Nguồn: Tính toán trên Eview 8
Sau khi thực hiện chuyển đổi dữ liệu và lấy sai phân bậc 1 của CPI và IMP, chúng ta thu được chuỗi thời gian dừng ở sai phân bậc 1 Từ chuỗi này, hai biến thời gian được sử dụng trong mô hình STAR là Δ(st+pt *)0x(lnIMPt - lnIMPt-1) và πt0x(lnCPIt - lnCPIt-1), nhằm phân tích mối quan hệ giữa truyền dẫn tỷ giá (ERPT) và lạm phát Nghiên cứu cho thấy sự thay đổi trong giá nhập khẩu và lạm phát trong nước gần như tương đương với sai phân bậc 1, do đó chuỗi dữ liệu có thể được coi là dừng ở bậc 1.
Chúng ta tiến hành lựa chọn độ trễ tối ưu cho mô hình STAR thông qua VAR Lag Selection dựa trên tiêu chí AIC cho Δ(st+pt *)0x(lnIMPt-lnIMPt-1) và πt0x(lnCPIt-lnCPIt-1) Kết quả kiểm định cho thấy mức độ trễ Lag = 5 là tối ưu nhất cho hai biến số này, mặc dù độ trễ tối ưu riêng của πt là 6.
Bảng 3-2: Lựa chọn độ trễ cho các biến trong mô hình
Nguồn: Tính toán trên Win Rats 8.3
Trong bài kiểm tra sơ bộ, chúng tôi thực hiện kiểm tra LM tuyến tính cho lựa chọn thay thế STAR với N = 5 và d từ 1 đến 5, như được trình bày trong Bảng 3-2 Chỉ số giá tiêu dùng được sử dụng để đại diện cho lạm phát của Việt Nam Kết quả F-stat cho thấy sự biến động của lạm phát là phi tuyến tính với tất cả các giá trị của d Kiểm định LM, được đề xuất bởi Granger và Terősvirta (1993), cho thấy sự điều chỉnh hệ số phương sai là cần thiết.
Bảng 3-3: Kiểm tra thay thế tuyến tính
Nguồn: Tính toán trên Win Rats 8.3 Độ trễ N=5 Kiểm định LM test, F-Stat và heteroskedasticity-robust của LM.
MÔ HÌNH ESTAR
Độ trễ được cố định N = 5 và lấy các giá trị của d từ 1 đến 5 để làm tối thiểu hóa (SSR) của phương trình (23)
Bảng 3-4: Lựa chọn độ trễ cho biến chuyển tiếp mô hình ESTAR
Nguồn: Tính toán trên Win Rats 8.3
Quy trình này dẫn đến việc lựa chọn d = 1 Bắt đầu với mô hình có N = 5, tôi liên tục loại bỏ các biến trễ với t của tham số tương ứng có giá trị tuyệt đối nhỏ hơn 1.0 Kết quả của đặc điểm kỹ thuật chung và ước lượng cho các mô hình Estar được trình bày như sau:
Bảng 3-5: Kết quả hồi quy mô hình ESTAR
Nonlinear Least Squares - Estimation by BFGS Restricted
Convergence in 32 Iterations Final criterion was 0.0000097
