GIỚI THIỆU
Lý do thực hiện đề tài
Với sự phát triển của thị trường tài chính quốc tế và xu hướng toàn cầu hóa, dòng chu chuyển vốn quốc tế giữa các quốc gia ngày càng gia tăng thông qua giao dịch tài sản tài chính Các lý thuyết về ngang giá lãi suất trở thành nền tảng cho quyết định đầu tư, trong đó “Ngang giá lãi suất không phòng ngừa” (Uncovered Interest Rate Parity - UIP) đóng vai trò quan trọng trong nghiên cứu tài chính quốc tế và kinh tế vĩ mô, đồng thời là giả định chủ chốt trong nhiều lý thuyết xác định tỷ giá hối đoái.
Theo lý thuyết UIP, sự khác biệt về lãi suất giữa hai quốc gia sẽ được bù trừ bằng sự thay đổi tỷ giá hối đoái Cụ thể, nếu một quốc gia có lãi suất cao hơn, đồng tiền của quốc gia đó sẽ giảm giá tương ứng với chênh lệch lãi suất, khiến cho đầu tư ra nước ngoài không mang lại tỷ suất sinh lợi cao hơn so với đầu tư trong nước Tuy nhiên, thực tế cho thấy các đồng tiền của quốc gia lãi suất thấp thường giảm giá so với các quốc gia lãi suất cao, điều này đã được nhiều nghiên cứu xác nhận, chỉ ra sự mâu thuẫn giữa thực nghiệm và lý thuyết UIP Hiện nay, vẫn chưa có sự đồng thuận trong việc giải thích nguyên nhân thất bại của UIP, vì vậy cần tiếp tục nghiên cứu để làm rõ sự tồn tại của lý thuyết này.
Nghiên cứu thực tiễn nhằm giải thích thất bại của lý thuyết UIP tập trung vào ba hướng chính: kỳ vọng không hợp lý của nhà đầu tư, mối quan hệ phi tuyến giữa chênh lệch lãi suất và thay đổi tỷ giá hối đoái, cùng với biến động theo thời gian của phần bù rủi ro Bài nghiên cứu này sẽ phân tích yếu tố phần bù rủi ro thay đổi theo thời gian thông qua mô hình CGARCH, được biết đến với khả năng giải thích độ biến động của tỷ giá hối đoái hiệu quả Mô hình này cho phép tách biệt biến động tỷ giá thành xu hướng dài hạn và dao động ngắn hạn Qua việc áp dụng mô hình này, nghiên cứu mong muốn xác định tác động toàn diện của phần bù rủi ro trong lý thuyết UIP, nhằm giải thích một phần câu đố về “Ngang giá lãi suất không phòng ngừa” trong tài chính quốc tế hiện đại.
Mục tiêu nghiên cứu
Bài viết nghiên cứu thực tiễn về "Ngang giá lãi suất không phòng ngừa" tại một số quốc gia Đông Nam Á, đồng thời xem xét yếu tố phần bù rủi ro thay đổi theo thời gian Mục tiêu của nghiên cứu là trả lời các câu hỏi liên quan đến ảnh hưởng của biến động lãi suất và cách thức các quốc gia trong khu vực ứng phó với rủi ro tài chính.
Phần bù rủi ro thay đổi theo thời gian là yếu tố quan trọng cần xem xét trong nghiên cứu “Ngang giá lãi suất không phòng ngừa” tại các quốc gia Đông Nam Á Việc hiểu rõ sự biến động này giúp xác định chính xác mức độ rủi ro và ảnh hưởng đến quyết định đầu tư Do đó, phân tích phần bù rủi ro theo thời gian sẽ cung cấp cái nhìn sâu sắc về tình hình tài chính và xu hướng lãi suất trong khu vực.
Cú sốc đối với các yếu tố cơ bản của nền kinh tế và tâm lý của nhà đầu tư đều có tác động đến tỷ giá hối đoái, nhưng yếu tố nào sẽ ảnh hưởng lâu dài hơn? Trong khi cảm xúc của các nhà đầu tư có thể dẫn đến biến động ngắn hạn, các yếu tố cơ bản như lạm phát, tăng trưởng kinh tế và cán cân thanh toán sẽ quyết định xu hướng tỷ giá hối đoái trong dài hạn Do đó, việc phân tích và hiểu rõ hai nhân tố này là rất quan trọng để dự đoán biến động tỷ giá hối đoái trong tương lai.
Phương pháp nghiên cứu
Nghiên cứu này áp dụng mô hình CGARCH-M để đo lường phần bù rủi ro trong UIP, cho phép phần bù này biến đổi theo thời gian và phân tách thành xu hướng biến động dài hạn và dao động ngắn hạn Để đảm bảo độ tin cậy của kết quả ước lượng từ mô hình CGARCH-M, các biến nghiên cứu sẽ được kiểm định tính dừng với sự xem xét đến khả năng xuất hiện "điểm gãy cấu trúc" trong khung thời gian nghiên cứu.
Phạm vi nghiên cứu
Nghiên cứu này tập trung vào các quốc gia Đông Nam Á như Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam, đồng thời so sánh với Nhật Bản Các quốc gia này được phân tích trong mối liên hệ với Mỹ, trong đó Mỹ giữ vai trò là nước ngoài và USD là ngoại tệ Khung thời gian nghiên cứu kéo dài từ quý 1/1992 đến quý 1/2013, và từ quý 1/1997 đến quý 1/2013 đối với Việt Nam Dữ liệu được thu thập từ nhiều nguồn khác nhau.
“Thống kê Tài chính Quốc tế” (International Financial Statistics - IFS) của Quỹ tiền tệ quốc tế (International Monetary Fund - IMF).
Kết cấu bài nghiên cứu
Phần tiếp theo của bài nghiên cứu dự kiến gồm 4 chương:
Chương 2 sẽ trình bày cơ sở lý thuyết “Ngang giá lãi suất không phòng ngừa” và các nghiên cứu liên quan đến lý thuyết này cũng như là vai trò của phần bù rủi ro.
Chương 3 trình bày phương pháp nghiên cứu được sử dụng trong bài nghiên cứu này, cũng như mô tả biến nghiên cứu và nguồn dữ liệu
Chương 4 trình bày kết quả nghiên cứu thực nghiệm nhằm xác định sự tồn tại của UIP và tác động của phần bù rủi ro lên trạng thái UIP.
Chương 5 là kết luận của bài nghiên cứu cũng như những hạn chế còn tồn tại của nghiên cứu này.
Đóng góp của bài nghiên cứu
Dựa trên mô hình CGARCH-M, nghiên cứu này nhằm mục tiêu mô hình hóa phần bù rủi ro một cách chính xác hơn so với các nghiên cứu trước đây, từ đó hy vọng sẽ đóng góp vào việc giải quyết các vấn đề liên quan.
Nghiên cứu "Câu đố về UIP" trong thị trường tiền tệ toàn cầu áp dụng mô hình CGARCH-M để kiểm định "Ngang giá lãi suất không phòng ngừa", đặc biệt tại các quốc gia Đông Nam Á Mặc dù không tìm thấy bằng chứng cho sự tồn tại của UIP, nghiên cứu nhấn mạnh rằng phần bù rủi ro thay đổi theo thời gian là yếu tố quan trọng cần xem xét Bên cạnh đó, nghiên cứu cũng chỉ ra tác động bất cân xứng của cú sốc tỷ giá hối đoái lên độ biến động của nó, mặc dù không phổ biến nhưng vẫn có thể xảy ra tùy thuộc vào đồng tiền và thời kỳ nghiên cứu Do đó, hiện tượng này cần được chú ý trong các nghiên cứu về biến động tỷ giá hối đoái.
LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÒNG NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Lý thuyết “Ngang giá lãi suất không phòng ngừa”
Các lý thuyết về ngang giá lãi suất xuất phát từ hoạt động chênh lệch (arbitrage), cho thấy chiến lược tìm kiếm lợi nhuận dựa trên sự khác biệt giá niêm yết của tài sản tài chính Trong nghiên cứu này, tài sản tài chính được xem xét là đồng tiền của các quốc gia Khi lãi suất đồng ngoại tệ cao hơn lãi suất nội địa và không có chi phí giao dịch, nhà đầu tư sẽ chuyển đổi nội tệ sang ngoại tệ theo tỷ giá giao ngay để đầu tư ra nước ngoài nhằm hưởng lãi suất cao Sau khi đáo hạn, khoản thu nhập bằng ngoại tệ sẽ được chuyển đổi lại thành nội tệ Từ hành vi của nhà đầu tư, hai lý thuyết về ngang giá lãi suất được hình thành: “Ngang giá lãi suất không phòng ngừa” và “Ngang giá lãi suất có phòng ngừa”.
Nhà đầu tư có thể tham gia vào hợp đồng kỳ hạn để cố định tỷ giá hối đoái, giảm thiểu rủi ro từ biến động tỷ giá ảnh hưởng đến kết quả kinh doanh chênh lệch Chiến lược này, gọi là “Kinh doanh chênh lệch lãi suất có phòng ngừa”, tạo ra lực thị trường điều chỉnh tỷ giá giao ngay, tỷ giá kỳ hạn và lãi suất giữa hai đồng tiền Nhờ đó, hoạt động kinh doanh chênh lệch không còn mang lại lợi nhuận vượt trội.
Việc sử dụng nội tệ để mua ngoại tệ trên thị trường giao ngay gây áp lực giảm giá trị của đồng nội tệ Điều này có nghĩa là các nhà đầu tư, khi chuyển đổi số vốn ban đầu bằng nội tệ sang ngoại tệ, sẽ nhận được lượng ngoại tệ ít hơn so với trước.
Bán kỳ hạn đồng ngoại tệ sẽ làm giảm giá kỳ hạn đồng ngoại tệ t t t
Dòng tiền đầu tư vào ngoại tệ sẽ tạo áp lực tăng lãi suất đồng nội tệ và giảm lãi suất ngoại tệ.
Hoạt động kinh doanh chênh lệch lãi suất và tỷ giá có thể bị điều chỉnh, dẫn đến việc chiến lược này không còn mang lại lợi nhuận cao hơn so với đầu tư trong nước Khi tỷ giá và lãi suất được điều chỉnh, cơ hội thực hiện kinh doanh chênh lệch có phòng ngừa sẽ biến mất, hiện tượng này được gọi là "Ngang giá lãi suất" (Interest Rate Parity – IRP) Trong trạng thái cân bằng này, sự khác biệt giữa tỷ giá kỳ hạn và tỷ giá giao ngay giữa hai đồng tiền được bù đắp bởi chênh lệch lãi suất giữa chúng Lợi nhuận của nhà đầu tư trong nước từ chiến lược kinh doanh chênh lệch lãi suất có phòng ngừa phụ thuộc vào lãi suất đồng ngoại tệ và sự thay đổi của tỷ giá hối đoái trong thời gian đầu tư.
Với St: tỷ giá giao ngay tại thời điểm t
Ft,k: tỷ giá kỳ hạn tại thời điểm t của kỳ hạn k i ∗ : lãi suất đồng ngoại tệ tại thời điểm t của kỳ đáo hạn k
Nếu tồn tại "Ngang giá lãi suất IRP", tỷ suất sinh lợi từ việc kinh doanh chênh lệch có phòng ngừa sẽ tương đương với lãi suất trong nước it,k Cụ thể, công thức được thể hiện như sau: rf = it,k và 1 + it,k = (1 + i*).
Phương trình (2.1) minh họa lý thuyết “Ngang giá lãi suất có phòng ngừa”, trong khi trường hợp các nhà đầu tư không sử dụng hợp đồng kỳ hạn để phòng ngừa rủi ro tỷ giá được gọi là “Ngang giá lãi suất không phòng ngừa”.
Lý thuyết “Ngang giá lãi suất không phòng ngừa” cho rằng khi nhà đầu tư không quan tâm đến rủi ro tỷ giá, đồng nội tệ sẽ có xu hướng giảm giá nếu lãi suất tiền gửi nội tệ cao hơn lãi suất tiền gửi ngoại tệ Đây là trạng thái cân bằng do lực thị trường tạo ra, nhằm loại bỏ cơ hội chênh lệch giá và dẫn đến tỷ suất sinh lợi của hai đồng tiền bất kỳ trở nên đồng nhất.
“Ngang giá lãi suất không phòng ngừa” có thể được biểu diễn như sau:
Lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ hoặc ngoại tệ tại thời điểm t của kỳ đáo hạn k được thể hiện qua it,k (i * ) Tỷ giá hối đoái giao ngay danh nghĩa St được tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ; khi tỷ giá tăng, đồng nội tệ sẽ mất giá Giá trị kỳ vọng Et được xác định dựa trên các thông tin có sẵn tại thời điểm t.
Phương trình kiểm định thực nghiệm cho nghiên cứu về UIP được xác định theo công thức Δst+k = st+k – st = α + β (it,k – i *) + εt+k, trong đó st ≡ ln(St) và εt+k đại diện cho kỳ vọng hợp lý của sai số ước lượng Giả thuyết kiểm định được thiết lập dựa trên công thức này.
Theo giả thuyết UIP, với H0 là α = 0 và β = 1, cùng với εt+k là nhiễu trắng, việc tăng lãi suất đồng nội tệ sẽ dẫn đến sự giảm giá của đồng nội tệ với mức độ tương ứng.
Nếu giả định “Ngang giá lãi suất có phòng ngừa” tồn tại, thì phần chênh lệch lãi suất trong phương trình (2.3) có thể được thay thế bằng phần bù kỳ hạn Do đó, UIP có thể được kiểm định thông qua phương trình (2.4), tương đương với (2.3), trong đó f t,k được định nghĩa là ln(F t,k ).
Các nghiên cứu trước đây về “Ngang giá lãi suất không phòng ngừa”
Nhiều nghiên cứu về lý thuyết UIP đã ước lượng hệ số β, cho thấy giá trị ước lượng thường nhỏ hơn 1, thậm chí có giá trị âm Nghiên cứu của Froot và Thaler (1990) đã tổng hợp 75 nghiên cứu và phát hiện rằng phần lớn hệ số hồi quy β là âm, với giá trị trung bình là –0.88, phản bác lý thuyết UIP Điều này chỉ ra rằng khi lãi suất nội tệ cao hơn ngoại tệ, đồng nội tệ lại tăng giá, tạo ra “Câu đố về UIP” Ngoài ra, Chinn và Meredith (2005) đã chỉ ra rằng hệ số β không ổn định qua các khung thời gian khác nhau, với nhiều quốc gia có giá trị β âm trong các giai đoạn 1980-1986 và 1994-2000, nhưng lại dương trong giai đoạn 1987-1993 Mặc dù có sự biến đổi, các trường hợp có ý nghĩa thống kê đều cho giá trị β âm với độ tin cậy 99%, khẳng định lại kết quả của Froot và Thaler (1990) Hình (2.1) dưới đây tổng hợp các hệ số β từ nghiên cứu này.
Hình 2.1 trình bày giá trị ước lượng của hệ số β trong ba giai đoạn khác nhau tại sáu quốc gia, với mỗi cột thể hiện ước lượng điểm của β cho các giai đoạn Q1/1980-Q4/1986, Q1/1987-Q4/1993 và Q1/1994-Q4/2000 Dữ liệu được lấy từ nghiên cứu của Chinn và Meredith (2005).
Nghiên cứu của Frydman và Goldberg (2007) đã sử dụng dữ liệu tháng từ Mỹ, Đức, Anh và Nhật Bản để ước lượng giá trị β trong các khung thời gian 12/1982 – 12/1984, 1/1985 – 12/1989 và 1/1990 – 12/1993 Trong chín giá trị ước lượng, chỉ có năm giá trị là âm, trong đó ba giá trị âm xuất hiện trong khung thời gian đầu tiên Các giá trị dương còn lại có sự chênh lệch lớn, từ +0.53 của Nhật Bản đến +5.28 của Anh, đều nằm trong khung thời gian thứ hai.
Trước tình hình khả năng dự báo của UIP thiếu bằng chứng thực nghiệm, các nhà nghiên cứu đã tiến hành kiểm định UIP qua nhiều thiết lập khác nhau Một trong những phương pháp là mở rộng kỳ hạn cho các biến nghiên cứu, vì theo quan điểm của McCallum (1994) và Meredith cùng Chinn (2004), thất bại của UIP trong ngắn hạn có thể do cú sốc từ phần bù rủi ro liên quan đến thay đổi chính sách tiền tệ Tuy nhiên, trong dài hạn, tỷ giá sẽ được điều chỉnh bởi các yếu tố nội tại của nền kinh tế, cho phép mong đợi mối quan hệ giữa tỷ giá và lãi suất sẽ phù hợp với lý thuyết UIP Meredith và Chinn (2004) đã thực hiện hồi quy tỷ suất sinh lợi từ thời điểm t đến t+m của tỷ giá dựa trên lợi tức trái phiếu chính phủ với nhiều kỳ hạn m khác nhau, kéo dài đến 10 năm.
Kết quả nghiên cứu chỉ ra rằng khi kỳ hạn m tăng, giá trị β có xu hướng tiến gần đến 1 Tuy nhiên, giả thuyết UIP vẫn không được chấp nhận đối với 3 trong số 6 cặp tiền tệ được phân tích ở kỳ hạn 10 năm Nghiên cứu của Snaith và cộng sự (2013), với khoảng thời gian từ 1980 đến 2006 và kỳ hạn từ 1 tháng đến 10 năm, cũng cho thấy giá trị ước lượng của β tiến gần đến 1 khi kỳ hạn tăng.
Câu đố UIP thường chỉ xuất hiện với các kỳ hạn dưới 5 năm, và có xu hướng biến mất khi kỳ hạn kéo dài hơn 5 năm Nghiên cứu của Mehl và Cappiello (2009) cho thấy chênh lệch lãi suất ảnh hưởng đến biến động tỷ giá hối đoái ở các nước phát triển, trong khi ở các thị trường đang phát triển, bằng chứng cho sự tồn tại của UIP là rất hạn chế Hai tác giả kết luận rằng sự tồn tại của UIP không chỉ phụ thuộc vào kỳ hạn nghiên cứu mà còn vào loại tiền tệ được xem xét, điều này cũng được xác nhận bởi nghiên cứu của Bekaert và cộng sự (2007).
Nghiên cứu về UIP đã mở rộng sang các quốc gia đang phát triển, nơi mà mức độ hội nhập tài chính thấp và khó khăn trong việc thu thập dữ liệu đã hạn chế nghiên cứu trước đây Xu hướng hội nhập tài chính sâu rộng cho phép phân tích các quốc gia này, nơi có những đặc điểm khác biệt như thu nhập trên đầu người thấp, lạm phát cao và tỷ giá hối đoái bị kiểm soát chặt chẽ Các nghiên cứu như của Bansal và Dahlquist (2000) cho thấy "Câu đố UIP" chủ yếu xuất hiện ở các quốc gia phát triển, trong khi các nước đang phát triển có mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất ít hơn Frankel và Poonawala (2010) chỉ ra rằng độ lệch khỏi UIP ở các thị trường đang phát triển nhỏ hơn, nhưng Mehl và Cappiello (2009) lại cho thấy kết quả trái ngược Aysun và Lee (2014) khẳng định UIP không tồn tại ở hầu hết các quốc gia nghiên cứu Flood và Rose (2001) nhấn mạnh rằng các quốc gia chịu khủng hoảng trong thập niên 90 có độ biến động cao hơn hỗ trợ cho lý thuyết UIP, nhưng không có sự khác biệt có ý nghĩa giữa các quốc gia giàu và nghèo Clarida và cộng sự (2009) cho rằng hệ số β âm trong các nghiên cứu trước là do độ biến động trong giai đoạn nghiên cứu.
Giải thích độ lệch khỏi “Ngang giá lãi suất không phòng ngừa”
Sau hơn 30 năm kể từ khi Fama (1984) chỉ ra thất bại của lý thuyết UIP, nhiều nghiên cứu đã tìm kiếm lời giải cho "câu đố" này Các nhà kinh tế học tạm thống nhất về mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất, nhưng vẫn còn nhiều tranh cãi về nguyên nhân Ba hướng nghiên cứu chính được đề xuất để giải thích độ lệch khỏi UIP bao gồm: kỳ vọng không hợp lý của nhà đầu tư, biến động theo thời gian của phần bù rủi ro, và mối quan hệ phi tuyến giữa chênh lệch lãi suất và thay đổi tỷ giá hối đoái.
2.3.1 Kỳ vọng không hợp lý
Theo giả định rằng sai số ước lượng không có tương quan với thông tin quá khứ, tỷ suất sinh lợi vượt trội của tỷ giá tương đương với phần bù rủi ro (Lewis, 1995) Nghiên cứu của Frankel và Froot (1987) chỉ ra rằng tỷ giá kỳ vọng của nhà đầu tư khác biệt đáng kể so với tỷ giá hậu nghiệm, cho thấy kỳ vọng không hợp lý Hiện tượng “Peso problem” xuất hiện khi nhà đầu tư dự đoán thay đổi chính sách trong tương lai mà không xảy ra trong thực tế, dẫn đến độ lệch hệ thống giữa tỷ giá giao ngay và kỳ vọng Milton Friedman lần đầu tiên sử dụng thuật ngữ này để giải thích lãi suất cao của đồng peso Mexico trong những năm 70, mặc dù tỷ giá đã cố định Nghiên cứu của Burnside và cộng sự (2011) giải thích lợi nhuận từ chiến lược “carry trade” thông qua lý thuyết “peso problem”, cho thấy chiến lược này mang lại lợi nhuận cao hơn so với đầu tư vào một đồng tiền duy nhất, với tỷ số Sharpe cao gần gấp đôi so với thị trường chứng khoán Mỹ, chứng minh rằng lợi nhuận vượt trội không phải do bù trừ rủi ro thị trường mà do vấn đề peso problem.
2.3.2 Phần bù rủi ro thay đổi theo thời gian
Một trong những giả định của lý thuyết UIP là các nhà đầu tư không quan tâm đến rủi ro, nhưng thực tế cho thấy họ thường ngại rủi ro và yêu cầu một phần bù rủi ro khi nắm giữ tài sản có rủi ro, đặc biệt là các loại tiền tệ Fama (1984) chỉ ra rằng phần bù rủi ro này có thể ảnh hưởng đến biến đổi tỷ giá trong phương trình hồi quy, do đó việc bỏ sót biến này có thể dẫn đến sai lệch trong ước lượng β Cụ thể, Fama đã đo lường đồng thời hai thành phần của tỷ giá kỳ hạn là phần bù rủi ro và tỷ giá giao ngay kỳ vọng.
Trong bài viết này, chúng ta xem xét mối quan hệ giữa tỷ giá kỳ hạn và tỷ giá giao ngay thông qua các biến số quan trọng Cụ thể, ft đại diện cho log tự nhiên của tỷ giá kỳ hạn, trong khi st+1 là log tự nhiên của tỷ giá giao ngay Tỷ giá giao ngay kỳ vọng E(st+1) được xác định dựa trên giả định kỳ vọng hợp lý, và Pt là phần bù rủi ro Qua đó, chúng ta có thể viết lại phương trình (2.5) thành ft – st = E(st+1 – st) + Pt (2.6), cho thấy mối liên hệ giữa các yếu tố này trong việc xác định tỷ giá.
Giả định rằng “Ngang giá lãi suất” (IRP) tồn tại (ft – st = it – i * ), phương trình (2.6) có thể chuyển đổi thành: it – i * = E(s – s ) + P (2.7) t t+1 t t
Thay thế phương trình (2.7) vào phương trình (2.3) ở trên: st+1 – st = α + β [E(st+1 – st) + Pt] + εt+1 (2.8)
Với giả định kỳ vọng hợp lý (st+1 – st = E(st+1 – st)), β trong phương trình (2.8) sẽ được tính như sau: β = Cov (s +P t+1 t ) Var (E(s −s t ,E(s t+1 t+1 −s −s t t )
(2.9) với Var() thể hiện phương sai và Cov() thể hiện cho hiệp phương sai Theo đó, (2.9) chỉ ra rằng :
Nếu phần bù rủi ro là hằng số và Var(Pt) = 0, thì hiệp phương sai giữa phần bù rủi ro và thay đổi tỷ giá giao ngay kỳ vọng sẽ bằng 0, tức là Cov(EtΔst+1,Pt) = 0 Trong trường hợp này, giá trị của β sẽ bằng 1 theo lý thuyết UIP.
Nếu phần bù rủi ro và thay đổi tỷ giá kỳ vọng có mối tương quan ngược chiều (Cov(EtΔst+1,Pt) < 0) và phương sai của phần bù rủi ro lớn, thì giá trị ước lượng của β trong phương trình (2.3) thường nhỏ hơn 1, thậm chí có thể âm, điều này phù hợp với nhiều nghiên cứu thực nghiệm về UIP Độ lệch của giá trị β ước lượng so với 1 là thước đo trực tiếp cho độ biến động của phần bù rủi ro.
Dựa trên dữ liệu tỷ giá giao ngay, tỷ giá kỳ hạn 30 ngày và lãi suất, giai đoạn
Nghiên cứu của Fama (1984) chỉ ra rằng hiệp phương sai giữa phần bù rủi ro và thay đổi tỷ giá giao ngay kỳ vọng có giá trị âm, cho thấy phần bù rủi ro có thể làm sai lệch kết quả kiểm định "Ngang giá lãi suất không phòng ngừa" tại chín quốc gia từ 1973 đến 1982 Đối với các quốc gia phát triển, phần bù rủi ro có thể xuất phát từ rủi ro tỷ giá, trong khi ở các quốc gia đang phát triển, nhà đầu tư còn yêu cầu phần bù cho "rủi ro quốc gia" và "rủi ro chính sách" Các nghiên cứu thực nghiệm về UIP thường dựa trên giả định nghiêm ngặt, như nhà đầu tư bàng quan với rủi ro và thị trường tài chính phát triển, dẫn đến lãi suất thực tiến về mức cân bằng Việc không tìm thấy bằng chứng hỗ trợ lý thuyết UIP cho thấy có thể đã vi phạm một hoặc nhiều giả định Nghiên cứu của Frankel và Okongwu (1996) cùng với Domowitz và cộng sự (1998) cho thấy phần bù rủi ro tại Mexico trong những năm 90 là đáng kể, với phần bù rủi ro tỷ giá lớn hơn rủi ro quốc gia, dẫn đến độ lệch khỏi trạng thái UIP Nghiên cứu của Rojas-Suarez và Sotelo (2007) cũng chỉ ra rằng rủi ro quốc gia ảnh hưởng đến lãi suất nội tệ ở các quốc gia Mỹ Latinh, nhấn mạnh tầm quan trọng của phần bù rủi ro trong ước lượng trạng thái UIP.
Có hai phương pháp chính để kiểm định vai trò của phần bù rủi ro trong lý thuyết UIP, bao gồm việc sử dụng dữ liệu điều tra về tỷ giá kỳ vọng thay vì dữ liệu tỷ giá hậu nghiệm Frankel và Froot (1990) đã tách độ lệch khỏi UIP thành hai thành phần: độ lệch do kỳ vọng và độ lệch do phần bù rủi ro, và kết quả cho thấy phần bù rủi ro không tương quan với tỷ giá kỳ vọng, cho thấy độ lệch là do sai số hệ thống trong dự báo tỷ giá Tương tự, Cavaglia và cộng sự (1993) cũng sử dụng dữ liệu điều tra và phát hiện rằng các giá trị kỳ vọng của tỷ giá là không hợp lý.
Nghiên cứu của Taylor (1989) cho thấy rằng tâm lý ngại rủi ro, hay sự tồn tại của phần bù rủi ro, là nguyên nhân chính dẫn đến sự sai lệch của giả thuyết parité lãi suất không rủi ro (UIP) trong thực nghiệm, mặc dù thông tin có sẵn không được sử dụng hiệu quả.
Phương pháp thứ hai là đánh giá xem tỷ suất sinh lợi vượt trội của tỷ giá có thể giải thích bởi phần bù rủi ro, được tính bằng phương sai hoặc độ lệch chuẩn của sai số ước lượng Domowitz và Hakkio (1985) là những người đầu tiên áp dụng mô hình “Dị phương sai tự hồi quy” (ARCH) để đo lường phương sai này, nhằm giải quyết hiện tượng phương sai thay đổi trong ước lượng hệ số hồi quy Cumby và Obstfeld (1982) cùng Hodrick và Srivastava (1984) đã chỉ ra rằng sai số ước lượng có phương sai không ổn định, trong khi Mussa (1979) nhận thấy rằng nhiều tỷ giá có giai đoạn biến động thấp và cao Mô hình ARCH nắm bắt được cả hai đặc điểm này của phương sai Nghiên cứu của Domowitz và Hakkio (1985) đã kiểm định giả thuyết UIP theo phương trình xác định.
Kết quả ước lượng chỉ ra rằng có bằng chứng cho sự tồn tại của phần bù rủi ro cố định, với β0 có ý nghĩa thống kê ở tất cả các quốc gia nghiên cứu Tuy nhiên, phương sai của sai số ước lượng không phải là thước đo hoàn hảo cho phần bù rủi ro.
Berk và Knot (2001) đã kiểm định giả thuyết UIP bằng mô hình ARCH–in–mean cho năm quốc gia trong giai đoạn 1975 – 1997, sử dụng lãi suất trái phiếu dài hạn, và phát hiện bằng chứng tồn tại UIP ở bốn trong năm quốc gia Tuy nhiên, nghiên cứu không tìm thấy bằng chứng rõ ràng cho phần bù rủi ro Poghosyan và cộng sự (2008) đã kiểm định UIP tại Armenia, nơi người dân có thể mở tài khoản tiết kiệm bằng cả nội tệ và ngoại tệ, giúp loại bỏ rủi ro quốc gia và chi phí giao dịch, chỉ còn lại rủi ro tỷ giá Nghiên cứu này cho thấy phần bù rủi ro liên quan đến tỷ lệ tiền gởi nội tệ so với ngoại tệ và can thiệp của ngân hàng trung ương, với dữ liệu giai đoạn 1997 – 2005, các tác giả phát hiện bằng chứng tốt hơn cho UIP, mặc dù vẫn có hiện tượng lệch khỏi UIP khi tài khoản nội tệ mang lại lợi nhuận cao hơn Kết quả cũng chỉ ra rằng phần bù rủi ro thay đổi theo thời gian và tăng theo kỳ hạn nghiên cứu Melander (2009) đã áp dụng mô hình GARCH-M để kiểm định phần bù rủi ro ở Bolivia, cho thấy độ lệch khỏi UIP nhỏ hơn so với các nghiên cứu trước và có bằng chứng rõ ràng cho sự tồn tại của phần bù rủi ro.
Năm 2014, nghiên cứu đã kiểm định vai trò của phần bù rủi ro đối với giả thuyết đồng nhất lãi suất (UIP) tại 28 quốc gia, bao gồm cả các nước phát triển và đang phát triển, trong giai đoạn từ tháng 1/1996 đến tháng 3/2002 Tác giả đã điều chỉnh phương trình truyền thống để kiểm định UIP.
Mô hình ERt = φ0 + φ1ln(ht) + εt và ht = δ0 + δ1ε 2 + δ h, trong đó ERt đại diện cho tỷ suất sinh lợi vượt trội kỳ vọng của tiền tệ và ht là phương sai của ERt tuân theo mô hình GARCH (1,1) Trong 28 quốc gia nghiên cứu, chỉ có 12 quốc gia (3 nước phát triển và 9 nước đang phát triển) có hệ số hồi quy có ý nghĩa ở cả hai phương trình, cho thấy phần bù rủi ro chủ yếu ảnh hưởng đến độ lệch của UIP tại các nước đang phát triển Nghiên cứu của Li và cộng sự (2012) áp dụng mô hình CGARCH-M để ước lượng phần bù rủi ro, với hy vọng mô hình hóa chính xác hơn so với phương pháp OLS truyền thống Kết quả cho thấy hệ số β dương có ý nghĩa ở ba trong mười quốc gia, tuy nhiên, dấu và độ lớn của hệ số ước lượng β liên quan đến biến chênh lệch lãi suất vẫn không cải thiện đáng kể, dẫn đến việc UIP vẫn bị bác bỏ ở tất cả các quốc gia và phần bù rủi ro vẫn chưa giải quyết được “Câu đố UIP”.
Nghiên cứu của Baillie và Bollerslev (1990), Malliaropulos (1997) và Tai (2001) sử dụng dữ liệu bảng và mô hình GARCH đa biến, tuy nhiên kết quả giữa các nghiên cứu này không đồng nhất Cụ thể, Malliaropulos (1997) và Tai (2001) phát hiện bằng chứng có ý nghĩa về phần bù rủi ro, trong khi Baillie và Bollerslev (1990) không tìm thấy mối tương quan có nghĩa giữa ma trận phương sai và phần bù rủi ro.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
Kiểm định tính dừng trong trường hợp có xét đến “điểm gãy cấu trúc”
Tính dừng của chuỗi dữ liệu các biến số kinh tế là một vấn đề gây tranh cãi, với Nelson và Plosser (1982) cho rằng hầu hết các biến số kinh tế vĩ mô đều không dừng do chứa nghiệm đơn vị Tuy nhiên, Perron (1989) đã chỉ ra rằng các sự kiện kinh tế bất thường có thể làm thay đổi đặc điểm chuỗi dữ liệu, ảnh hưởng đến kết quả kiểm định tính dừng Vì vậy, đối với những biến không dừng theo phương pháp truyền thống, cần thực hiện kiểm định nghiệm đơn vị khác, xem xét "điểm gãy cấu trúc" Trong nghiên cứu này, phương pháp kiểm định nghiệm đơn vị của Perron (1997) sẽ được áp dụng và sẽ được trình bày chi tiết trong phần tiếp theo.
Nghiên cứu của Perron (1989) đã mở rộng quy trình kiểm định Dickey-Fuller tiêu chuẩn bằng cách thêm các biến giả để thay đổi hệ số chặn và hệ số góc trong phương trình kiểm định Kiểm định nghiệm đơn vị được thực hiện qua ba mô hình: mô hình “crash” với “điểm gãy” ở hệ số chặn, mô hình “changing growth” với “điểm gãy” ở hệ số góc, và mô hình tổng hợp cho phép cả hai trường hợp xảy ra đồng thời Mặc dù “điểm gãy” được giả định là đã biết trước dựa trên sự kiện thực tế, nhưng việc lựa chọn này bị chỉ trích vì cần xác định “điểm gãy” một cách nội sinh từ dữ liệu nghiên cứu Do đó, Perron (1997) đã mở rộng nghiên cứu của mình, cho phép xác định “điểm gãy” nội sinh trong ba mô hình kiểm định nghiệm đơn vị.
Mô hình đầu tiên cho phép sự xuất hiện của "điểm gãy" chỉ ở hệ số chặn, được gọi là "Innovational Outlier" Nghiệm đơn vị được kiểm định thông qua giả thuyết α = 1 trong phương trình (3.1): yt = μ + θDUt + βt + δD(Tb)t + αyt-1 + 𝑘 𝑐 𝑖 𝛥𝑦 𝑡−𝑖 + εt, trong đó Tb là thời điểm xuất hiện "điểm gãy"; DUt là biến giả có giá trị 1 nếu t > Tb (0 trong trường hợp còn lại); và D(Tb)t = 1 nếu t = Tb + 1.
Mô hình thứ hai cho phép thay đổi đồng thời trong hệ số chặn và hệ số góc tại "điểm gãy" Để kiểm định nghiệm đơn vị, giả thuyết α = 1 được áp dụng trong phương trình (3.2): yt = μ + θDUt + βt + γDTt + δD(Tb)t + αyt-1 + 𝑘 𝑐 𝑖 𝛥𝑦 𝑡−𝑖 + εt, với DTt = t nếu t > Tb.
Mô hình thứ ba cho phép sự xuất hiện của "điểm gãy" ở hệ số góc, được gọi là "Additive Outlier" Để loại bỏ thành phần xu hướng, phương trình (3.3) được ước lượng như sau: yt = μ + βt + γDT *, trong đó DT * = t – Tb (nếu t > Tb).
Sau đó nghiệm đơn vị được kiểm định bằng cách kiểm định giả thuyết α = 1 trong phương trình (3.4):
Trong các phương trình ước lượng (3.1), (3.2), (3.3) và (3.4), các tham số Tb và k được coi là chưa biết Thời điểm "điểm gãy cấu trúc" Tb được xác định bằng cách phân tích tất cả các "điểm gãy" tiềm năng, và thời điểm nào làm cho giá trị thống kê t của kiểm định α = 1 nhỏ nhất sẽ được chọn làm Tb Theo kiểm định nghiệm đơn vị của Perron (1997), việc bác bỏ giả thuyết α = 1 cho thấy dữ liệu là dừng quanh điểm gãy, đồng thời chỉ ra rằng đường xu hướng của dữ liệu có thể là một đường gấp khúc.
Mô hình Dị phương sai tự hồi quy thành phần tổng quát – CGARCH
Dữ liệu các biến kinh tế có những đặc điểm quan trọng mà các mô hình ước lượng truyền thống chưa thể giải thích.
Leptokurtosis là hiện tượng khi dữ liệu tỷ suất sinh lợi của các tài sản tài chính không tuân theo phân phối chuẩn, mà thay vào đó thể hiện đặc điểm với đuôi lớn và nhọn xung quanh giá trị trung bình.
Biến động theo cụm (Volatility clustering) là hiện tượng trong các thị trường tài chính, nơi mà các giai đoạn biến động cao thường kéo theo các giai đoạn biến động cao tiếp theo, và tương tự đối với các giai đoạn biến động thấp Điều này có nghĩa là mức độ biến động hiện tại có xu hướng tương quan tích cực với mức độ biến động trong giai đoạn trước đó.
Hiệu ứng đòn bẩy là hiện tượng mà sự biến động giá cả không đồng đều giữa hai chiều tăng và giảm Cụ thể, khi giá giảm, độ biến động thường lớn hơn so với khi giá tăng, dẫn đến sự thay đổi bất cân xứng trong thị trường.
Mô hình ARCH (Engle, 1982) thường được sử dụng để mô tả và dự báo độ biến động, nhờ khả năng mô phỏng tốt các đặc điểm của dữ liệu Đây cũng là nhóm mô hình được chú trọng trong nghiên cứu này.
Phương pháp ước lượng Bình phương nhỏ nhất (OLS) là một công cụ quan trọng trong kinh tế lượng, nhưng yêu cầu các giả định nghiêm ngặt, đặc biệt là phương sai của sai số phải cố định Khi phương sai thay đổi, các ước lượng OLS trở nên không hiệu quả và dẫn đến sai lệch trong ước lượng phương sai, làm cho các kiểm định ý nghĩa và khoảng tin cậy không đáng tin cậy Điều này thường xảy ra trong các chuỗi dữ liệu thời gian của biến kinh tế, nơi xuất hiện hiện tượng "Biến động theo cụm" Mô hình ARCH được phát triển để giải quyết hai vấn đề này Để hiểu rõ hơn về mô hình ARCH, cần định nghĩa phương sai có điều kiện ζt 2 của một biến ngẫu nhiên, trong đó ut được mô tả bởi phân phối chuẩn với phương sai thay đổi theo thời gian.
Do E(ut) = 0, khi đó: ζt 2 = var(ut | ut−1,ut−2, ) = E[ut 2 | ut−1,ut−2, ] (3.5)
Công thức (3.5) chỉ ra rằng phương sai có điều kiện của biến ngẫu nhiên ut phụ thuộc vào bình phương giá trị kỳ vọng của chính nó, tạo nền tảng cho mô hình ARCH Hiện tượng "Biến động theo cụm" được thể hiện qua việc ζt 2 phụ thuộc vào biến trễ của bình phương sai số, cho thấy rằng những biến động từ kỳ trước sẽ ảnh hưởng đến phương sai của kỳ hiện tại, được diễn tả bằng công thức ζ 2 t = α0 + α1 u 2.
Mô hình ARCH (1) được biểu diễn qua phương trình (3.6) và là một phương trình mô tả phương sai Các nhà nghiên cứu có thể tự do mô tả sự biến đổi của biến phụ thuộc yt thông qua phương trình trung bình Một ví dụ cho mô hình đơn giản và đầy đủ là: yt = β1 + β2x2t + β3x3t + β4x4t + εt, với εt tuân theo phân phối chuẩn N(0, ζ²t) và ζ²t được xác định bởi ζ²t = α0 + α1ε².
Phương sai có điều kiện ζ 2 t phải luôn không âm, vì giá trị âm không có ý nghĩa trong thống kê Để đảm bảo điều này, các hệ số ước lượng trong phương trình phương sai phải được ước lượng với điều kiện không âm, tạo ra yêu cầu nghiêm ngặt hơn so với cần thiết Chẳng hạn, trong mô hình ARCH(1), các hệ số α0 và α1 phải thỏa mãn điều kiện α0 ≥ 0 và α1 ≥ 0 Đối với mô hình ARCH(q) tổng quát, tất cả các hệ số đều phải không âm: αi ≥ 0 với mọi i = 0,1,2, ,q.
Trong nghiên cứu thực nghiệm, trước khi ước lượng bằng mô hình ARCH, cần kiểm định sự tồn tại của hiệu ứng ARCH Nếu dữ liệu xác nhận hiệu ứng này, mô hình ARCH sẽ được áp dụng Kiểm định dựa trên phần dư từ mô hình tuyến tính, ví dụ: yt = α + β1x1t + β2x2t + β3x3t + εt Phần dư εt được lưu lại, sau đó bình phương và hồi quy theo biến trễ của chính nó từ 1 đến q để kiểm định hiệu ứng ARCH bậc q Phương trình tiếp theo sẽ là εt² = γ0 + γ1εt−1² + γ2εt−2² + + γqεt−q² + υt Giá trị thống kê nR² được định nghĩa, với n là số quan sát nhân với R² từ phương trình (3.8), và tuân theo phân phối Chi bình phương bậc q Kiểm định hiệu ứng ARCH thực chất là kiểm định hiện tượng tự tương quan của bình phương phần dư, với giả thuyết H0 là hệ số góc từ phương trình (3.8) bằng không.
Nếu giá trị thống kê nR² vượt quá giá trị tới hạn của phân phối Chi bình phương, thì giả thuyết H0 sẽ bị bác bỏ, cho thấy có sự hiện diện của hiệu ứng ARCH(q).
Mặc dù mô hình ARCH là công cụ hữu ích để mô tả biến động của các biến kinh tế, nhưng nó ít được áp dụng trong nghiên cứu thực nghiệm do một số khó khăn như xác định độ trễ tối ưu trong phương trình phương sai, độ trễ này có thể lớn, ảnh hưởng đến số bậc tự do Hơn nữa, điều kiện hệ số ước lượng phải không âm cũng dễ bị vi phạm khi số lượng hệ số cần ước lượng tăng lên.
Mô hình ARCH tổng quát (GARCH) được phát triển bởi Bollerslev vào năm 1986 nhằm khắc phục những hạn chế của mô hình ARCH Trong GARCH, phương sai có điều kiện không chỉ phụ thuộc vào biến trễ của sai số εt mà còn phụ thuộc vào biến trễ của chính nó, được thể hiện qua phương trình ζ 2 t = α0 + α1 ε 2 + β ζ 2t-1 Đây là phiên bản đơn giản nhất, GARCH (1,1), cho thấy phương sai có điều kiện ζ 2 t được ước lượng dựa trên thông tin từ kỳ trước GARCH thường được sử dụng nhiều hơn trong nghiên cứu thực nghiệm so với ARCH, vì nó cung cấp thông tin chính xác hơn với số lượng tham số ước lượng ít hơn, làm cho mô hình trở nên tiết kiệm hơn.
Dựa theo phương trình trên, ta tiến hành lùi lại 1 kỳ, thu được: ζ 2 t-1 = α0 + α1 ε 2 + β ζ 2t-2 (3.10)
Từ phương trình (3.10), tiếp tục lùi lại một kỳ, thu được phương trình (3.11): ζ 2 t-2 = α0 + α1 ε 2 + β ζ 2t-3 (3.11)
Thay ζ 2 t-1 trong phương trình (3.10) vào phương trình (3.9) ζ 2 t = α0 + α1 ε 2 + β(α + α ε 2 + β ζ 2 ) (3.12) t−1 0 1 t−2 t-2 t t t t t t t t t t t t t t
Tiếp tục thay ζ 2 t-2 trong phương trình (3.11) vào phương trình (3.12) ζ 2 t = α0 + α1 ε 2 + βα0
Nếu như thực hiện quy trình trên t lần, với t →∞, ta sẽ thu được phương trình tổng quát sau: ζ 2 t = α0(1+β+β 2 + ) + (α1 ε 2 + βα1 ε 2 + β 2 α1ε 2 + β 3 α1ε 2 + ) + β ∞ ζ 2 0
Trong phương trình (3.13), thành phần α 0 (1+β+β 2 + ) là hằng số; và khi t → ∞ thì β ∞ → 0 ( do 0 < β < 1) Do đó, mô hình GARCH (1,1) ở phương trình (3.9) có thể viết lại như sau: ζ 2 t = γ0 + (α1 ε 2 + βα1 ε 2 + β 2 α1ε 2 + β 3 α1ε 2 + ) ζ 2 t = γ 0 + φ 1 ε 2 + φ ε 2 + φ ε 2 + φ ε 2 + (3.14) t−1 2 t−2
Mô hình GARCH(1,1) là một dạng mở rộng của mô hình ARCH(q) khi q tiến tới vô cùng, cho phép một số lượng lớn biến trễ của sai số ảnh hưởng đến phương sai có điều kiện hiện tại Với chỉ ba tham số ước lượng trong phương trình phương sai, mô hình GARCH thể hiện hiệu quả cao hơn trong nghiên cứu thực nghiệm.
Hầu hết các mô hình tài chính cho rằng nhà đầu tư nên được thưởng cho việc chấp nhận rủi ro Engle, Lilien và Robins (1987) đề xuất mô hình ARCH-in-mean, trong đó tỷ suất sinh lợi một phần phụ thuộc vào rủi ro của chính nó Thuật ngữ "in-mean" chỉ ra rằng phương sai của sai số không chỉ xuất hiện trong phương trình phương sai mà còn trong phương trình trung bình.
Nếu β dương và có ý nghĩa, thì một sự gia tăng trong rủi ro – thể hiện bằng sự
Xây dựng mô hình nghiên cứu thực nghiệm
Nghiên cứu này phân tích tác động của phần bù rủi ro đến lý thuyết UIP, nhấn mạnh tầm quan trọng của việc kiểm soát yếu tố này Mô hình CGARCH–M được áp dụng để mô tả phần bù rủi ro, nhờ vào khả năng giải thích mạnh mẽ của nó đối với độ biến động của các biến số kinh tế như tỷ giá hối đoái, tỷ suất sinh lợi chứng khoán và lãi suất.
Mô hình nghiên cứu thực nghiệm được xây dựng từ công thức thể hiện trạng thái “Ngang giá lãi suất không phòng ngừa”, được biểu diễn như sau:
Lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ hoặc ngoại tệ tại thời điểm t của kỳ đáo hạn k được biểu thị bởi (3.17) với it,k Tỷ giá hối đoái giao ngay danh nghĩa St được tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ; khi tỷ giá tăng, đồng nội tệ mất giá Giá trị kỳ vọng Et được xác định dựa trên các thông tin có sẵn tại thời điểm t.
Lấy log tự nhiên hai vế của (3.17), thu được phương trình (3.18): ln( 1 + it,k ) = ln( 1+ i *
S t ln(� 𝑡 𝑆 𝑡+𝑘 ) – ln(St) = ln( 1 + it,k ) – ln( 1+ i *
Giá trị kỳ vọng của tỷ giá không thể quan sát trực tiếp, do đó phương trình (3.18) không thể áp dụng trong các nghiên cứu thực nghiệm Theo giả định kỳ vọng hợp lý, tỷ giá giao ngay tương lai St+k được xác định bằng tỷ giá kỳ vọng cộng với sai số εt+k, trong đó sai số này không có mối tương quan với bất kỳ thông tin nào tại thời điểm t.
Phương trình (3.20) có thể được viết lại dưới dạng st+k – st = ln(1 + it,k) – ln(1 + i*) + εt+k, trong đó st ≡ ln(St) và εt+k là sai số ước lượng Thành phần sai số εt+k phản ánh những biến động ngoài dự kiến của tỷ giá, với εt+k > 0 cho thấy đồng nội tệ giảm giá ngoài dự kiến Thường thì, phương trình kiểm định thực nghiệm được sử dụng trong nghiên cứu về UIP, với giả định nhà đầu tư không quan tâm đến rủi ro, có dạng st+k – st = α + β [ln(1 + it+k) – ln(1 + i*)] + εt+k.
Trong bối cảnh các nhà đầu tư ngại rủi ro, chênh lệch lãi suất không phản ánh đầy đủ sự biến động của tỷ giá hối đoái như lý thuyết UIP, mà cần có một phần bù rủi ro Ở các thị trường đang phát triển, lãi suất và giá cả thường có sự bất ổn cao hơn, khiến nhà đầu tư yêu cầu phần bù rủi ro cho việc nắm giữ đồng tiền bất ổn Các nghiên cứu thực nghiệm về phần bù rủi ro ở các quốc gia đang phát triển nhằm tìm kiếm lời giải cho câu đố UIP Theo nghiên cứu của Berk và Knot (2001) cùng Li và cộng sự (2012), phần bù rủi ro, được biểu thị bằng độ lệch chuẩn của sai số ước lượng, được bổ sung vào phương trình, ký hiệu là ζ t,t+k.
Nghiên cứu này chọn k = 1, phù hợp với các nghiên cứu trước nhằm kiểm định giả thuyết UIP Hansen (2005) đã so sánh hiệu quả dự báo phương sai có điều kiện của tỷ giá hối đoái từ mô hình GARCH (1,1) với các mô hình khác trong họ ARCH, cho thấy rằng không có mô hình nào đạt được kết quả dự báo tốt hơn mô hình GARCH (1,1) đơn giản.
Dựa trên phương trình (3.22), phương trình thực nghiệm được sử dụng trong nghiên cứu này để kiểm định giả thuyết UIP, khi có xem xét phần bù rủi ro, được trình bày như sau: st+1 – st = α + β1 [ln(1+ it ) – ln(1+ i * )] + β ζ + ε (3.23) t 2 t,t+1 t+1.
Phương trình (3.23) tương tự như phương trình (2.3) thường được áp dụng trong nghiên cứu UIP, nhưng điểm khác biệt là nó tích hợp yếu tố phần bù rủi ro qua thành phần (ζ t,t+1) Nếu α và β2 không khác biệt có ý nghĩa với 0, điều này cho thấy UIP không có phần bù rủi ro, tức là sự gia tăng lãi suất đồng nội tệ sẽ dẫn đến sự giảm giá tương ứng của đồng nội tệ Ngược lại, nếu α 0 và β2 = 0, phần bù rủi ro là cố định, còn nếu β2 0, phần bù rủi ro sẽ thay đổi theo thời gian.
Kết hợp phương trình trung bình với phương sai có điều kiện từ mô hình CGARCH, nghiên cứu này xây dựng mô hình thực nghiệm theo cấu trúc CGARCH-M Cụ thể, sự thay đổi giữa hai thời điểm được xác định bởi công thức: st+1 – st = C + β1 [ln(1+ it ) – ln(1+ i * )] + β2 qt+1 = C4 + C5 (qt – C4) + C6 (ε 2 t – ζ 2 t-1,t).
Một hạn chế của mô hình GARCH và CGARCH là giả định về tính đối xứng của tác động cú sốc lên phương sai có điều kiện Trong thị trường chứng khoán, hiện tượng bất cân xứng giữa giá chứng khoán và độ biến động thường gặp, đặc biệt là "hiệu ứng đòn bẩy", khi sự sụt giảm giá chứng khoán làm tăng độ biến động nhiều hơn so với sự tăng giá Ngược lại, trong thị trường tiền tệ, hiện tượng này không phổ biến do tính chất hai chiều của tỷ giá hối đoái, nơi tỷ suất sinh lợi dương của một đồng tiền thường tương ứng với tỷ suất sinh lợi âm của đồng tiền khác Điều này tạo ra khó khăn cho nhà đầu tư trong việc xác định đồng tiền nào sẽ được bán khi họ nắm giữ nhiều loại tiền tệ khác nhau.
Phần lớn các nghiên cứu về tỷ giá hối đoái thường áp dụng các mô hình đối xứng, vì cả "tin tốt" và "tin xấu" đều ảnh hưởng đến biến động của tỷ giá.
Hiện tượng bất cân xứng trong phương sai tỷ giá hối đoái có thể được giải thích qua hai lý do chính Đầu tiên, một số đồng tiền có vị thế kinh tế lớn hơn, dẫn đến sự biến động khác nhau giữa các đồng tiền như VND và USD Khi độ biến động kỳ vọng của tỷ giá VND/USD tăng, tài sản định danh bằng VND trở nên rủi ro hơn, khiến nhà đầu tư bán tháo và làm giảm giá VND Lý do thứ hai liên quan đến can thiệp của ngân hàng trung ương; khi ngân hàng này lo ngại đồng nội tệ tăng giá, họ có thể bán nội tệ, dẫn đến tăng biến động tỷ giá Tuy nhiên, sự bất cân xứng này không phổ biến và phụ thuộc vào bối cảnh kinh tế của từng quốc gia Nhiều nghiên cứu đã chỉ ra hiện tượng này, như nghiên cứu của Byrne và Davis (2005) cho thấy sự bất cân xứng ở Đức, Nhật Bản và Canada trong giai đoạn 1973 – 1996, hay Pramor và Tamirisa (2006) chỉ ra rằng đồng nội tệ giảm giá thường dẫn đến biến động tỷ giá cao hơn so với khi tăng giá.
Dựa trên tranh luận và mô hình GJR GARCH của Glosten, Jagannathan và Runkle (1993), một biến giả đã được đưa vào để đo lường tác động bất cân xứng đối với biến động tỷ giá Biến này phản ánh sự ảnh hưởng của cú sốc làm tăng hoặc giảm giá đồng tiền đang được xem xét, với công thức st+1 – st = C + β1 [ln(1+ it ) – ln(1+ i * )] + β2o t,t.
+ ε t+1 (3.24) qt+1 = C4 + C5 (qt – C4) + C6 (ε 2 t – ζ 2 t-1,t) (3.25) ζ 2 t,t+1 = qt+1 + C7 (ε 2 t – qt) + C8 Dt (ε 2 t – qt) + C9 (ζ 2 t-1,t – qt) (3.26)
Nếu UIP tồn tại thì C = 0 và β1 = 1 Trong đó biến giả Dt = 1 nếu εt < 0, và
Trong các trường hợp còn lại, Dt = 0 Phương trình (3.26) có thể được biến đổi để làm rõ tác động bất cân xứng của cú sốc tỷ giá lên phương sai có điều kiện của nó Cụ thể, ζ 2 t,t+1 được biểu diễn bằng qt+1 cộng với (C7 + C8)(ε 2 t – qt) và C9 (ζ 2 t-1,t – qt) nếu εt < 0 t – q ) cộng với C.
Nếu C8 > 0, điều này có nghĩa là C7 + C8 > C7, cho thấy cú sốc làm tăng giá nội tệ ngoài dự kiến sẽ dẫn đến sự gia tăng phương sai tỷ giá nhiều hơn so với trường hợp giảm giá tương đương Theo Engle và Lee (1999), biến giả Dt chỉ xuất hiện trong thành phần ngắn hạn vì nhà đầu tư khó điều chỉnh danh mục đầu tư ngay lập tức, khiến cú sốc tỷ giá được coi là “tin xấu” Tuy nhiên, không có lý do nào ngăn cản nhà đầu tư điều chỉnh danh mục cho mục tiêu dài hạn, do đó, không kỳ vọng có phản ứng bất cân xứng với cú sốc tỷ giá trong dài hạn Mô hình CGARCH thể hiện rõ trong phương trình (3.25) và (3.26), với qt+1 là xu hướng dài hạn của phương sai ζ 2 t,t+1, được đo bằng hằng số C4, thành phần tự hồi quy AR(1) (C5) và sai số dự báo C6, cho phép xu hướng dài hạn biến động theo thời gian do tác động của các cú sốc và hội tụ về giá trị C4.
Tiến trình nghiên cứu thực nghiệm
Bài nghiên cứu này nhằm xác định tác động của phần bù rủi ro lên trạng thái "Ngang giá lãi suất không phòng ngừa" tại các quốc gia đang phát triển ở Đông Nam Á Để thực hiện điều này, mô hình CGARCH-M sẽ được sử dụng để kiểm định mối quan hệ giữa tỷ giá và chênh lệch lãi suất tại từng quốc gia Các bước tiến hành nghiên cứu sẽ được trình bày cụ thể trong bài viết.
Để đảm bảo tính đáng tin cậy của các kết quả ước lượng từ mô hình CGARCH-M và tránh hiện tượng "hồi quy giả tạo", bước đầu tiên là kiểm định tính dừng của các biến nghiên cứu Hai phương pháp kiểm định truyền thống được sử dụng là "Augmented Dickey-Fuller" (ADF) và "Dickey-Fuller Generalized Least Squares" (DF-GLS) Kết quả của bước kiểm định này sẽ dẫn đến hai trường hợp khác nhau.
Kết quả kiểm định ADF và DF-GLS chỉ ra rằng các biến nghiên cứu đều là dừng Do đó, các biến này sẽ được sử dụng trong các phân tích tiếp theo ở bước 2 và 3, vì đã đáp ứng yêu cầu về tính dừng.
Khi kết quả kiểm định ADF và DF-GLS cho thấy các biến không dừng, phương pháp kiểm định nghiệm đơn vị theo Perron (1997) sẽ được áp dụng, vì chuỗi dữ liệu của các biến này có thể bị ảnh hưởng bởi “điểm gãy cấu trúc” Chỉ những biến được xác định là dừng qua phương pháp Perron (1997) mới được sử dụng trong các bước phân tích tiếp theo.
Bước 2: Trạng thái “Ngang giá lãi suất không phòng ngừa” tại từng quốc gia sẽ được kiểm định thông qua phương pháp Bình phương nhỏ nhất Phân tích này là cần thiết, vì kết quả ước lượng từ phương pháp OLS sẽ cung cấp giá trị ban đầu quan trọng cho việc tìm cực trị của hàm log-likelihood, phục vụ cho việc kiểm định lý thuyết UIP bằng mô hình CGARCH-M ở bước 3.
Bước 3 của nghiên cứu là kiểm định mối quan hệ giữa tỷ giá và chênh lệch lãi suất tại từng quốc gia, đồng thời xem xét phần bù rủi ro thay đổi theo thời gian Việc này được thực hiện thông qua mô hình CGARCH-M, với kỹ thuật ước lượng đồng thời các hệ số trong ba phương trình (3.24), (3.25) và (3.26) bằng phương pháp Maximum likelihood Kết quả ước lượng thu được là yếu tố chính được quan tâm trong nghiên cứu này.
Mô tả biến nghiên cứu và nguồn dữ liệu
Bài nghiên cứu tập trung vào các biến nghiên cứu bao gồm tỷ giá hối đoái giao ngay danh nghĩa hàng quý của các đồng tiền so với USD và chênh lệch lãi suất tiền gởi nội tệ danh nghĩa ngắn hạn hàng quý tại các quốc gia Đông Nam Á như Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam, cùng với Nhật Bản để so sánh Chênh lệch lãi suất được tính bằng sự khác biệt giữa lãi suất tiền gởi và lãi suất chứng chỉ tiền gởi kỳ hạn 3 tháng của Mỹ Dữ liệu tỷ giá và lãi suất được thu thập từ Thống kê Tài chính Quốc tế của IMF, trong khi lãi suất chứng chỉ tiền gởi của Mỹ được lấy từ Ngân hàng Dự trữ Liên bang St Louis Khung thời gian nghiên cứu kéo dài từ quý 1/1992 đến quý 1/2013, với dữ liệu của Việt Nam bắt đầu từ quý 1/1997 do thiếu thông tin trước đó.
Bảng (3.1) sẽ chi tiết hóa các biến nghiên cứu và phương pháp tính toán dựa trên chú thích dữ liệu của IFS Sự không đồng nhất trong cách tính toán lãi suất giữa các quốc gia là một hạn chế của nghiên cứu, xuất phát từ những hạn chế trong nguồn dữ liệu, điều này cần được cải thiện.
Bảng 3.1: Tổng hợp các biến nghiên cứu được sử dụng và phương pháp tính
STT Biến số Ký hiệu Phương pháp tính
Thay đổi trong tỷ giá hối đoái danh nghĩa
Tỷ giá hối đoái danh nghĩa hàng quý của Indonesia được xác định qua công thức IDN_fx s t+1 - s t, với st được tính là ln(St) Trong đó, St đại diện cho giá trị của đồng tiền Indonesia so với USD, được lấy vào đầu mỗi quý Tỷ giá này thể hiện số lượng đồng nội tệ cần đổi để lấy 1 USD, trong khi USD luôn giữ vai trò là ngoại tệ trong tất cả các cặp tiền tệ được phân tích.
Chênh lệch lãi suất danh nghĩa giữa đồng nội tệ của các quốc gia nghiên cứu và lãi suất USD, kỳ hạn 3 tháng
Công thức Indonesia IDN_int ln(1+ it) – ln(1+ i*t) thể hiện sự chênh lệch giữa lãi suất tiền gởi kỳ hạn 3 tháng của đồng nội tệ (it) và lãi suất chứng chỉ tiền gởi USD kỳ hạn 3 tháng (i*t) tại thời điểm t.
Lãi suất tiền gửi tại Indonesia được tính toán dựa trên trung bình có trọng số của lãi suất niêm yết từ các ngân hàng thương mại, với trọng số được xác định theo giá trị tiền gửi.
Lãi suất tiền gửi tại Nhật Bản, được xác định bởi JPN_int, là mức lãi suất trung bình mà các ngân hàng áp dụng cho các khoản tiền gửi có giá trị từ 3 đến 10 triệu yen.
Lãi suất tiền gửi tại Malaysia, được xác định bởi MYS_int, là mức lãi suất trung bình mà các ngân hàng áp dụng cho tiền gửi từ khu vực tư nhân.
Lãi suất tiền gửi tại Philippines (PHL_int) được tính toán dựa trên trung bình có trọng số của lãi suất niêm yết từ các ngân hàng thương mại, với trọng số được xác định theo giá trị tiền gửi.
Singapore SGP_int Lãi suất tiền gởi của Singapore là trung bình lãi suất niêm yết của
10 ngân hàng dẫn đầu thị trường.
Thái Lan THL_int Lãi suất tiền gởi của Thái Lan là mức lãi suất tiền gởi cao nhất trong nhóm các ngân hàng thương mại.
Việt Nam VNM_int Lãi suất tiền gởi của Việt Nam là trung bình lãi suất niêm yết của bốn ngân hàng quốc doanh lớn.
KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
Kết quả kiểm định tính dừng
Để kiểm định tính dừng của các biến nghiên cứu, hai phương pháp được áp dụng là Dickey-Fuller Hiệu chỉnh (ADF) và Dickey-Fuller Bình phương nhỏ nhất tổng quát (DF-GLS) Độ trễ tối ưu cho cả hai kiểm định ADF và DF-GLS được xác định dựa trên chỉ tiêu Akaike Info Criterion (AIC).
Bảng 4.1: Kết quả kiểm định tính dừng của chuỗi gốc
STT Quốc gia Biến số ADF DF - GLS
Ghi chú: (***), (**), (*) thể hiện cho khả năng bác bỏ giả thuyết H 0 :“biến nghiên cứu có chứa nghiệm đơn vị” ở các mức ý nghĩa lần lượt là 1%, 5% và 10%
Kết quả kiểm định nghiệm đơn vị cho hai biến là thay đổi tỷ giá và chênh lệch lãi suất được trình bày trong bảng (4.1) Cả hai phương pháp kiểm định đều cho thấy bằng chứng mạnh mẽ rằng biến thay đổi tỷ giá là dừng Giả thuyết H0 được đặt ra là “chuỗi dữ liệu…”
Perron Unit Root Test Sample:1992Q1 2013Q1
Null Hypothesis: THL_INT has a unit root with a structural break in both the intercept and trend Chosen lag length: 5 (Maximum lags: 8)
Điểm ngắt được chọn là 1998Q3, và kết quả kiểm định t-Statistic cho thấy biến thay đổi tỷ giá không có nghiệm đơn vị, với độ tin cậy lên đến 99% Tuy nhiên, kết quả kiểm định tính dừng đối với biến chênh lệch lãi suất không đạt được sự đồng nhất Theo phương pháp ADF, biến chênh lệch lãi suất của sáu trong bảy quốc gia nghiên cứu là dừng, chủ yếu với độ tin cậy 95% trở lên, ngoại trừ Thái Lan Trong khi đó, chỉ có ba quốc gia cho kết quả tương tự khi áp dụng phương pháp DF-GLS, cụ thể là Nhật Bản, Philippines, Thái Lan và Việt Nam có biến chênh lệch lãi suất không dừng.
Biến chênh lệch lãi suất của Thái Lan không dừng lại khi áp dụng các phương pháp kiểm định tính dừng truyền thống Kết quả này có thể giải thích hợp lý, vì trong thời gian nghiên cứu, Thái Lan là quốc gia khởi nguồn của khủng hoảng tài chính châu Á giai đoạn 1997-1998, đánh dấu một "điểm gãy cấu trúc" làm thay đổi đặc điểm của chuỗi dữ liệu biến chênh lệch lãi suất.
Năm 1989, đã có những tranh luận về "điểm gãy" có thể dẫn đến việc sai lệch kết quả kiểm định tính dừng, ảnh hưởng đến khả năng bác bỏ giả thuyết H0: “tồn tại nghiệm đơn vị”.
Để kiểm định tính dừng của biến, phương pháp Perron (1997) được áp dụng, vì phương pháp này xem xét các “điểm gãy cấu trúc” có thể xảy ra trong khoảng thời gian nghiên cứu Kết quả của kiểm định này được thể hiện trong Hình (4.1) sau đây.
Hình 4.1: Kết quả kiểm định nghiệm đơn vị bằng phương pháp Perron (1997) đối với biến chênh lệch lãi suất của Thái Lan
Giá trị thống kê t tính toán được là -5.283, gần bằng giá trị tới hạn -5.29 ở mức ý nghĩa 10%, cho phép bác bỏ giả thuyết H0 Điều này cho thấy biến chênh lệch lãi suất của Thái Lan đang dao động quanh “điểm gãy” Kết luận này được xác thực qua đồ thị chênh lệch lãi suất giữa Thái Lan và Mỹ trong Hình (4.2).
Đồ thị chênh lệch lãi suất giữa Thái Lan và Mỹ trong giai đoạn Q1/1992 đến Q1/2013 cho thấy một điểm gãy cấu trúc quan trọng vào quý 3 năm 1998, theo phương pháp của Perron (1997) Thời điểm này trùng khớp với cuộc khủng hoảng tài chính châu Á, và Hình 4.2 minh họa rõ ràng sự thay đổi đột ngột trong giá trị của biến số này tại Q3/1998.
Kết luận từ các kiểm định nghiệm đơn vị cho thấy rằng biến động tỷ giá và chênh lệch lãi suất ở các quốc gia nghiên cứu đều ổn định trong khoảng thời gian phân tích, cho phép thực hiện các bước phân tích tiếp theo mà không gặp phải hiện tượng "hồi quy giả tạo".
Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng phương pháp Bình phương nhỏ nhất
Phương pháp Bình phương nhỏ nhất (OLS) được sử dụng để kiểm định lý thuyết “Ngang giá lãi suất không phòng ngừa” trong nghiên cứu này, tương tự như nhiều nghiên cứu trước đó Mục tiêu chính của phân tích là cung cấp giá trị ước lượng ban đầu của β1, phục vụ cho việc ước lượng mô hình CGARCH-M Tuy nhiên, do các giả định tiêu chuẩn của OLS bị vi phạm, nên kết quả ước lượng trong phần này không được nhấn mạnh.
Phương trình được dùng để ước lượng bằng phương pháp OLS như sau: st+1 – st = C + β [ln(1+ it ) – ln(1+ i * )] + ε (4.1) t t+1
Nếu đồng thời C = 0 và β = 1 thì “Ngang giá lãi suất không phòng ngừa” tồn tại Kết quả ước lượng mô hình OLS được trình bày ở Bảng (4.2).
Bảng 4.2: Kết quả ước lượng UIP bằng phương pháp OLS
STT Quốc gia Hệ số ƣớc lƣợng
Ghi chú: OLS được ước lượng theo phương trình (4.1) (*) thể hiện ý nghĩa thống kê 10%
Kết quả ước lượng bằng phương pháp OLS cho thấy hệ số β dao động từ -0.312423 đến 0.285942 nhưng không có ý nghĩa thống kê Trong bảy quốc gia nghiên cứu, bốn quốc gia có hệ số β dương, bao gồm Malaysia, Philippines, Thái Lan và Việt Nam, đều là các nước đang phát triển Điều này tương đồng với nghiên cứu của Bansal và Dahlquist (2000) cũng như Frankel và Poonawala (2006), cho thấy UIP có thể tồn tại nhiều hơn ở các nước đang phát triển so với các nước phát triển Kiểm định Wald cho thấy giả thuyết H0: C = 0 và β = 1 bị bác bỏ ở mức ý nghĩa 1%, chứng tỏ rằng trạng thái UIP không tồn tại ở tất cả các quốc gia được nghiên cứu.
Bảng 4.3: Kết quả của kiểm định Wald cho phương trình (4.1)
Giả thuyết H 0 : C = 0 và β = 1 p-value của thống kê F p-value của thống kê Chi bình phương
Ghi chú: (***) thể hiện khả năng bác bỏ giả thuyết H 0 ở mức ý nghĩa 1%
Kết quả kiểm định tự tương quan và hiệu ứng ARCH cho thấy mô hình OLS không phải là lựa chọn tối ưu để kiểm định “Ngang giá lãi suất không phòng ngừa” Dữ liệu từ các quốc gia nghiên cứu chỉ ra sự tồn tại của hiện tượng tự tương quan ở Indonesia và Nhật Bản, cũng như hiệu ứng ARCH ở Indonesia, Malaysia, Philippines và Thái Lan Mặc dù hiệu ứng ARCH chỉ được phát hiện ở bốn trong bảy quốc gia, bài nghiên cứu không nhấn mạnh kết quả này do quy trình kiểm định chỉ xác định được hiệu ứng ARCH cơ bản Việc không tìm thấy bằng chứng của hiệu ứng ARCH cơ bản không loại trừ khả năng tồn tại các dạng phức tạp hơn như mô hình ARCH bất cân xứng Do đó, nghiên cứu sẽ tiếp tục sử dụng mô hình CGARCH-M để kiểm định sự tồn tại của UIP và tác động của phần bù rủi ro đến trạng thái ngang giá lãi suất.
Bảng 4.4: Kết quả kiểm định hiện tượng tự tương quan của phần dư
Kiểm định tự tương quan Breusch-Godfrey
STT Quốc gia p-value của thống kê F p-value của thống kê Chi bình phương
Ghi chú: Giả thuyết kiểm định H 0 : “không có hiện tượng tự tương quan” (**) thể hiện khả năng bác bỏ H 0 ở mức ý nghĩa 5%
Bảng 4.5: Kết quả kiểm định hiệu ứng ARCH
STT Quốc gia p-value của thống kê F p-value của thống kê Chi bình phương
Ghi chú: Giả thuyết kiểm định H 0 : “không tồn tại hiệu ứng ARCH” (***), (**), (*) lần lượt thể hiện khả năng bác bỏ H 0 ở mức ý nghĩa 1%, 5% và 10%.
Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng mô hình CGARCH-M
Kết quả kiểm định UIP sử dụng mô hình CGARCH-M được trình bày trong Bảng (4.6), dựa trên các phương trình (3.24), (3.25) và (3.26) Thông tin chi tiết về kết quả ước lượng có thể được tìm thấy ở Phụ lục 2.
Bảng 4.6: Kết quả ước lượng mô hình CGARCH-M
Indonesia Nhật Bản Malaysia Philippines
Singapore Thái Lan Việt Nam
Ghi chú: (***), (**), (*) lần lượt thể hiện ý nghĩa thống kê ở mức 1%, 5% và 10%
Nghiên cứu về tồn tại của UIP ở các quốc gia cho thấy hệ số β1 liên quan đến biến chênh lệch lãi suất chỉ có ý nghĩa thống kê ở ba trong bảy quốc gia, với tất cả các hệ số đều âm và có độ tin cậy 99% Điều này chỉ ra rằng khi lãi suất nội địa tăng cao hơn so với nước ngoài, đồng nội tệ lại tăng giá, trái với dự đoán của lý thuyết UIP nhưng phù hợp với nhiều nghiên cứu trước đây, như Froot và Thaler (1990) Các quốc gia còn lại có hệ số β1 dương nhưng không đạt giá trị 1 theo lý thuyết và không có ý nghĩa thống kê Kiểm định Wald xác nhận rằng giả thuyết H0: β1 = 1 bị bác bỏ ở tất cả các trường hợp với mức ý nghĩa 1% Kết quả nghiên cứu không cung cấp bằng chứng hỗ trợ cho lý thuyết UIP, nhưng phản ánh đúng thực tế biến động của thị trường tiền tệ toàn cầu, cho thấy xu hướng β1 có giá trị âm Hiện tượng này được giải thích bởi việc dòng vốn chuyển dịch sang đồng tiền có lãi suất cao, làm tăng cầu và giá trị của đồng tiền đó trên thị trường thế giới.
Tiếp theo, chúng ta sẽ xem xét hai thành phần của phần bù rủi ro, bao gồm hệ số ước lượng C, đại diện cho thành phần cố định, và β2.
Hệ số chặn C và hệ số góc β2 có ý nghĩa thống kê ở sáu trong số bảy quốc gia nghiên cứu, ngoại trừ Thái Lan, cho thấy sự tồn tại của phần bù rủi ro thay đổi theo thời gian Kiểm định Wald đã bác bỏ giả thuyết H0: “không tồn tại phần bù rủi ro” ở hầu hết các quốc gia, ngoại trừ Nhật Bản Nghiên cứu của Domowitz và Hakkio (1985) cũng không tìm thấy bằng chứng cho phần bù rủi ro khi áp dụng mô hình ARCH-M ở năm quốc gia công nghiệp, tương tự như nghiên cứu của Baillie và Bollerslev.
Nghiên cứu năm 1990 áp dụng mô hình GARCH đa biến cho bốn quốc gia châu Âu cho thấy rằng kết quả có thể bị ảnh hưởng bởi việc đo lường phần bù rủi ro hoặc thiết lập mô hình không chính xác Độ lệch chuẩn có điều kiện của sai số ước lượng có thể không phải là thước đo phù hợp cho phần bù rủi ro, và mô hình ARCH-M đơn biến có thể không phải là phương pháp hiệu quả nhất để ước lượng phần bù rủi ro Tai (2001) đã kiểm tra sự tồn tại của phần bù rủi ro ở các quốc gia châu Á – Thái Bình Dương bằng cả mô hình GARCH-M đơn biến và đa biến Kết quả cho thấy mô hình GARCH-M đa biến phát hiện sự tồn tại của phần bù rủi ro thay đổi theo thời gian, trong khi mô hình đơn biến không thu được bằng chứng tương tự, ngoại trừ trường hợp của đồng ringgit Malaysia Kết quả kiểm định Wald được trình bày trong Bảng (4.7) và chi tiết có trong Phụ lục 3.
Bảng 4.7: Kết quả kiểm định Wald cho mô hình CGARCH-M
STT Quốc gia Kiểm định sự tồn tại của UIP Kiểm định sự tồn tại của phần bù rủi ro
Giá trị trình bày trong bảng là giá trị p-value của thống kê Chi-bình phương, với các ký hiệu (***) thể hiện khả năng bác bỏ giả thuyết H0 ở mức ý nghĩa 1%, (**) ở mức 5%, và (*) ở mức 10%.
Hệ số β2 âm có thể được giải thích qua lý thuyết đánh đổi giữa rủi ro và tỷ suất sinh lợi, trong đó rủi ro của đồng nội tệ tăng lên (được thể hiện qua độ lệch chuẩn ζ của ε) sẽ dẫn đến mức giảm giá của đồng nội tệ (st+1 – st) giảm Khi đó, tỷ suất sinh lợi kỳ vọng từ việc nắm giữ đồng nội tệ sẽ tăng, cho thấy rằng nhà đầu tư ngại rủi ro sẽ yêu cầu lợi nhuận cao hơn khi đối mặt với rủi ro lớn hơn.
Hệ số β2 cho thấy sự dao động giữa các quốc gia với ý nghĩa thống kê ở cả giá trị âm và dương Frankel (1979) và Engel (1996) cho rằng yêu cầu tỷ suất sinh lợi cao hơn cho việc nắm giữ đồng tiền có rủi ro tỷ giá cao là không hợp lý, vì hầu hết rủi ro này có thể đa dạng hóa Nhà đầu tư không được tưởng thưởng cho những rủi ro không cần thiết Theo lý thuyết tài chính hiện đại, phần bù rủi ro chỉ tồn tại khi tỷ suất sinh lợi của tài sản tài chính có tương quan với tài sản chuẩn, khiến cho rủi ro không thể đa dạng hóa Glosten và cộng sự (1993) cho rằng phần bù rủi ro trong giai đoạn rủi ro cao có thể không tăng, vì khả năng chấp nhận rủi ro của nhà đầu tư cũng cao hơn Do đó, không có cơ sở chắc chắn để xác định tương quan giữa phần bù rủi ro và mức độ giảm giá của đồng nội tệ, và kết quả ước lượng của hệ số β2 chỉ cho thấy phần bù rủi ro ở các quốc gia nghiên cứu là cố định hay thay đổi theo thời gian.
Kết quả ước lượng từ phương trình trung bình (3.24) không chứng minh sự tồn tại của UIP, mặc dù phần bù rủi ro được xác nhận tồn tại ở hầu hết các quốc gia, không phân biệt giữa nước phát triển và đang phát triển, như nghiên cứu của Mehl và Cappiello (2009) cùng Aysun và Lee (2014) đã chỉ ra Trong phương trình thành phần dài hạn (3.25) của phần bù rủi ro, hệ số ước lượng C5 cho thấy giá trị lớn và có ý nghĩa ở mức 1% cho tất cả các quốc gia, cho thấy sự bền vững của mức độ biến động trong dài hạn của các đồng tiền.
C5 cho thấy rằng xu hướng biến động dài hạn của tỷ giá rất khó thay đổi và quá trình hội tụ về giá trị trung bình diễn ra chậm Đối với dao động ngắn hạn, mức độ bền vững được xác định bởi tổng hai hệ số C7 và C9, và giá trị này luôn nhỏ hơn C5, chứng tỏ mô hình ổn định và xu hướng dài hạn bền vững hơn Những dao động ngắn hạn do cảm tính thị trường sẽ dần mất đi, khiến mức độ biến động của tỷ giá hội tụ về xu hướng dài hạn Kết quả này tương đồng với nghiên cứu của Byrne và Davis (2005), Pramor và Tamirisa (2006), cũng như Li và cộng sự (2012).
Bảng 4.8: So sánh mức độ bền vững của thành phần ngắn hạn và dài hạn của biến động tỷ giá hối đoái
Đối với bốn quốc gia Indonesia, Nhật Bản, Philippines và Thái Lan, các hệ số ước lượng C6 và C7 không có ý nghĩa thống kê, cho thấy cú sốc trong quá khứ tác động không đáng kể đến phương sai hiện tại Kết quả này có thể do hạn chế của dữ liệu, vì hiện tượng “biến động theo cụm” chỉ rõ nét trong dữ liệu tần số cao Trong thị trường tiền tệ giao dịch liên tục, khoảng thời gian 3 tháng giữa các mốc dữ liệu có thể làm giảm tác động của cú sốc đến biến động tỷ giá.
C9 có ý nghĩa vẫn đảm bảo rằng tỷ giá hối đoái có phương sai thay đổi theo thời gian, và được điều chỉnh theo mô hình tự hồi quy.
Hệ số ước lượng C8 cho thấy tác động bất cân xứng của thay đổi tỷ giá lên mức độ biến động của đồng tiền, với giá trị âm ở Malaysia và Singapore, cho thấy sự mất giá của đồng nội tệ có ảnh hưởng mạnh hơn so với sự tăng giá Chính sách tiền tệ của Singapore từ năm 1981 tập trung vào điều hành tỷ giá hối đoái, theo chế độ tỷ giá basket-band-crawl, nhằm duy trì sự ổn định giá cả và bảo toàn sức mua cho đồng dollar Singapore (SGD) Với nền kinh tế phụ thuộc vào nhập khẩu, cú sốc giá hàng hóa nhập khẩu nhanh chóng tác động đến giá cả nội địa, giúp SGD giữ giá trị cao và kiểm soát lạm phát Sự duy trì giá trị cao của SGD cũng giúp ổn định nền kinh tế trước nguy cơ tăng trưởng quá nóng Khi SGD giảm giá, thị trường có thể coi đó là "tin xấu", dẫn đến tăng độ biến động tỷ giá, thể hiện qua hệ số C8 âm Tuy nhiên, nguy cơ tấn công tiền tệ tại Singapore là thấp do các yếu tố kinh tế vững mạnh.
Nền tảng kinh tế vững chắc
Mức độ tín nhiệm của MAS được nâng cao nhờ vào khả năng kiểm soát lạm phát ở mức thấp và duy trì tăng trưởng bền vững, đúng theo mục tiêu đã đề ra trong thời gian dài.
Giá trị đồng SGD phù hợp với sức mạnh nền kinh tế
Hệ số C8 âm của Malaysia, tương tự như nghiên cứu của Tse và Tsui (1997), cho thấy rằng chính sách tiền tệ của ngân hàng trung ương Malaysia tập trung vào việc duy trì lạm phát thấp Sự mất giá bất ngờ của đồng nội tệ có thể đe dọa mục tiêu này, làm tăng biến động tỷ giá hối đoái của đồng ringgit Trong khi Thái Lan và Việt Nam cũng theo đuổi mục tiêu lạm phát thấp, hệ số C8 của họ không có ý nghĩa, cho thấy tác động của thay đổi tỷ giá đến độ biến động là cân xứng Điều này có thể giải thích bởi việc tỷ giá đồng ringgit không phải là thả nổi trong suốt thời gian nghiên cứu; từ sau khủng hoảng châu Á 1997-1998, Malaysia đã duy trì tỷ giá cố định với USD từ tháng 9/1998 đến tháng 7/2005, trước khi chuyển sang thả nổi dần Chính sách này đã tạo áp lực lớn hơn lên mục tiêu điều hành lạm phát so với các quốc gia có tỷ giá linh hoạt hơn, dẫn đến hiện tượng bất cân xứng tại Malaysia.
Hình 4.3: Tỷ giá hối đoái đồng ringgit Malaysia và baht Thái Lan so với dollar Mỹ trong giai đoạn Q1/1998 – Q4/2006 Nguồn: Quỹ tiền tệ quốc tế
Hệ số C8 dương cho thấy sự tác động lớn hơn của việc tăng giá đồng rupiah Indonesia và peso Philippines so với việc giảm giá, được giải thích bởi lý thuyết “nỗi lo sợ tăng giá” (Fear of appreciation) Sau khủng hoảng châu Á 1997-1998, ngân hàng trung ương của hai quốc gia này đã chuyển sang chính sách điều hành dựa trên lạm phát mục tiêu, nhằm linh hoạt hơn trong tỷ giá Tuy nhiên, sự phản ứng của ngân hàng trung ương không đồng nhất giữa việc tăng và giảm giá nội tệ; cụ thể, đồng rupiah và peso được cho phép giảm giá nhưng bị kiểm soát khi tăng giá Nghiên cứu đã chỉ ra rằng Indonesia có mức độ chấp nhận tăng giá thấp nhất, tiếp theo là Philippines, với động cơ kiểm soát nhằm hỗ trợ xuất khẩu và tăng trưởng kinh tế dài hạn Hiện tượng biến động bất cân xứng này còn liên quan đến can thiệp của ngân hàng trung ương, làm gia tăng độ biến động của tỷ giá hối đoái, theo các nghiên cứu trước đó Tóm lại, cú sốc làm tăng giá trị đồng nội tệ dẫn đến tăng độ biến động của tỷ giá, phản ánh qua hệ số C8 dương trong mô hình CGARCH-M.
