GIỚI THIỆU ĐỀ TÀI
Giới thiệu
Tỷ giá hối đoái (TGHĐ) là một chính sách kinh tế vĩ mô quan trọng, ảnh hưởng lớn đến xuất nhập khẩu, cán cân thương mại và thu hút đầu tư tại Việt Nam Sự biến động của tỷ giá USD/VND gần đây cho thấy đây là vấn đề nhạy cảm và thời sự, tác động đến niềm tin của người dân và là kênh đầu tư quan trọng Để ứng phó với sự biến động không thuận của TGHĐ, Ngân hàng Nhà nước Việt Nam đã thực hiện nhiều giải pháp, như nới rộng biên độ tỷ giá và điều chỉnh tăng tỷ giá liên ngân hàng, với các lần điều chỉnh đáng chú ý vào tháng 3/2009, tháng 2/2010 và gần đây nhất là vào ngày 18/8/2010.
Thị trường tài chính Việt Nam đang chứng kiến sự mất giá ngày càng cao của VND và sự tăng giá nhanh chóng của vàng, thu hút sự quan tâm của nhà đầu tư và truyền thông Vàng được xem như công cụ phòng ngừa biến động tiền tệ và là nơi trú ẩn an toàn trong bối cảnh VND biến động Luận văn nghiên cứu cấu trúc phụ thuộc giữa vàng và VND bằng hàm Copula, cung cấp cái nhìn sâu sắc về sự phụ thuộc trong điều kiện thị trường bình thường và biến động mạnh Các nghiên cứu trước đây chỉ xem xét hệ số tương quan, không đủ để mô tả cấu trúc phụ thuộc Nghiên cứu gần đây của Reboredo (2013) đã sử dụng hàm Copula để đo lường sự phụ thuộc giữa vàng và USD, nhưng chưa có nghiên cứu nào tương tự cho vàng và VND Do đó, luận văn này áp dụng hàm Copula để kiểm tra khả năng của vàng như công cụ phòng ngừa rủi ro cho VND trong giai đoạn từ 05/07/2004 đến 31/05/2014, sử dụng mô hình ARMA và Asymmetric power GARCH.
Mục tiêu nghiên cứu
Mục tiêu nghiên cứu của luận văn là phân tích vai trò của vàng trong sự biến động của VND dưới hai điều kiện: thị trường bình thường và thị trường biến động cực độ Nghiên cứu này nhằm đánh giá xem vàng có phải là công cụ phòng ngừa rủi ro hay là kênh trú ẩn an toàn cho VND hay không.
Phạm vi nghiên cứu
Luận văn nghiên cứu dựa trên dữ liệu giá vàng SJC và tỷ giá VND, bao gồm 5 tỷ giá (AUD/VND, GBP/VND, EUR/VND, JPY/VND, USD/VND) được giao dịch hàng ngày tại ngân hàng Ngoại thương Việt Nam trong khoảng thời gian từ ngày 05/07/2004 đến 31/05/2014.
Phương pháp nghiên cứu
Luận văn sử dụng kết hợp cả hai phương pháp nghiên cứu định tính và định lượng Phần mềm được sử dụng là Eviews 7.2 và R 3.1.1
Điểm mới của luận văn
Luận văn đã sử dụng các hàm Copula để phân tích vai trò của vàng trong việc giảm giá VND, từ đó cung cấp cái nhìn tổng quan về thị trường vàng và tỷ giá Phương pháp này vẫn còn mới mẻ và chưa được nghiên cứu nhiều tại Việt Nam.
Bố cục luận văn
Ngoài phần tóm tắt, tài liệu tham khảo và phụ lục, bố cục của luận văn gồm 5 chương chính với cấu trúc như sau:
Chương 1: Giới thiệu đề tài Chương 2: Tổng quan các nghiên cứu trước đây Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu và thảo luận Chương 5: Kết luận
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
Các nghiên cứu về vàng và các tài sản khác
Nhiều nghiên cứu đã chỉ ra vai trò quan trọng của vàng trong lĩnh vực tài chính và kinh tế, đặc biệt là như một công cụ phòng ngừa hiệu quả đối với lạm phát Các nghiên cứu này bao gồm các tác giả như Chua và Woodward (1982), Jaffe (1989), Ghosh và cộng sự (2004), McCown và Zimmerman (2006), Worthington và Pahlavani (2007), Tully và Lucey (2007), Blose (2010), và Wang và cộng sự (2011).
Nghiên cứu của Chua và Woodward (1982) cho thấy vàng là công cụ phòng ngừa hiệu quả đối với rủi ro lạm phát tại Mỹ trong khoảng thời gian đầu tư từ một đến sáu tháng Beckers (1984) chỉ ra rằng giá vàng thay đổi nghịch với sức mạnh của đồng đô la Mỹ, và nhà đầu tư không sử dụng đồng đô la phải chịu ít rủi ro hơn khi đầu tư vào vàng Laurent (1994) nghiên cứu vai trò của vàng như công cụ phòng ngừa lạm phát dài hạn ở nhiều quốc gia, trong khi Joscha và Robert (2013) xác nhận vàng có khả năng phòng ngừa lạm phát mạnh hơn ở Mỹ và Anh so với EU và Nhật Bản Ghosh và cộng sự (2004) phát hiện rằng giá vàng tăng cùng với tỷ lệ lạm phát, khẳng định vai trò của vàng trong việc phòng ngừa lạm phát Cuối cùng, Blose (2010) cho thấy sự thay đổi trong lạm phát kỳ vọng không ảnh hưởng đến giá vàng, khuyến nghị nhà đầu tư nên tập trung vào thị trường trái phiếu thay vì thị trường vàng.
Nghiên cứu của Baur và McDermott (2010) cùng với các tác giả khác đã chỉ ra rằng vàng có vai trò quan trọng như một nơi trú ẩn an toàn trong bối cảnh biến động của thị trường chứng khoán Cụ thể, nghiên cứu này kiểm tra giả thuyết về khả năng vàng bảo vệ các khoản đầu tư cổ phiếu ở các quốc gia mới nổi và đang phát triển Phân tích dữ liệu trong khoảng thời gian 30 năm từ 1979 đến 2009 cho thấy vàng không chỉ là một công cụ phòng ngừa hiệu quả mà còn là nơi trú ẩn an toàn cho thị trường chứng khoán lớn tại châu Âu và Mỹ, ngoại trừ một số quốc gia như Úc, Canada, Nhật Bản và các thị trường lớn mới nổi khác.
BRIC phân biệt giữa nơi trú ẩn an toàn yếu và mạnh, khẳng định rằng vàng có thể đóng vai trò là nguồn lực ổn định cho hệ thống tài chính, giúp giảm thiệt hại khi gặp cú sốc thị trường tiêu cực Trong các thời kỳ khủng hoảng, vàng đã chứng minh là một nơi trú ẩn an toàn mạnh mẽ, đặc biệt trong giai đoạn đỉnh điểm của cuộc khủng hoảng tài chính gần đây.
Nghiên cứu của Reboredo (2013a) chỉ ra rằng giá dầu có sự biến động liên quan đến vàng, mà vàng đóng vai trò là kênh trú ẩn an toàn nhưng không phải công cụ phòng ngừa rủi ro Wang và Chueh (2013) xác định mối quan hệ tích cực giữa giá vàng và giá dầu thô trong ngắn hạn, đồng thời lãi suất có ảnh hưởng tiêu cực đến giá vàng tương lai và tích cực đến giá dầu thô tương lai Trong dài hạn, lãi suất tác động đến đồng đô la Mỹ, từ đó ảnh hưởng đến giá dầu quốc tế Khi Cục Dự trữ Liên bang Mỹ giảm lãi suất, giá dầu thô có thể biến động do kỳ vọng thay đổi nhu cầu Mối quan hệ giữa lãi suất và giá vàng cũng được ghi nhận, khi giảm lãi suất dẫn đến kỳ vọng giảm giá trị đồng đô la, khiến nhà đầu tư chuyển vốn sang thị trường vàng Malliaris (2013) điều tra mối quan hệ giữa giá dầu, vàng và đồng Euro, cho thấy vàng là chỉ số hàng đầu dự báo lạm phát tương lai, với cả nhu cầu và nguồn cung dầu bị ảnh hưởng bởi lạm phát kỳ vọng Nghiên cứu sử dụng phương pháp chuỗi thời gian và mạng thần kinh để kiểm tra giả thuyết, cho thấy các thị trường dầu mỏ, vàng và đồng Euro có hiệu quả nhưng mối quan hệ giữa chúng là hạn chế.
Các nghiên cứu về vàng và tiền tệ
Nghiên cứu về vai trò của vàng như một công cụ phòng ngừa và tài sản đầu tư an toàn đối với sự mất giá của đồng tiền còn hạn chế Beckers và Soenen (1984) đã phân tích sức hấp dẫn của vàng đối với nhà đầu tư và khả năng phòng ngừa rủi ro của nó, nhấn mạnh tầm quan trọng của việc đa dạng hóa để giảm thiểu rủi ro cho các nhà đầu tư Mỹ và quốc tế Sjasstad & Scacciavillani (1996) và Sjasstad (2008) chỉ ra rằng sự biến động của giá vàng chịu ảnh hưởng mạnh mẽ từ sự tăng giá hoặc mất giá của tiền tệ, đặc biệt là sau sự sụp đổ của hệ thống tỷ giá thả nổi Bretton Woods Hơn nữa, sự thay đổi giá trị của USD cũng có tác động lớn đến giá vàng và các đồng tiền khác Capie và cộng sự (2005) đã khẳng định mối quan hệ tích cực giữa tỷ giá USD và giá vàng thông qua mô hình EGARCH, chứng minh rằng vàng có thể là một công cụ phòng ngừa hiệu quả cho USD.
Theo Pukthuanthony và Roll (2011), vàng và USD có mối quan hệ âm, nghĩa là khi giá vàng tính bằng đô la tăng lên, giá đô la so với các loại tiền tệ khác giảm Tuy nhiên, điều này không có nghĩa là USD khác biệt so với các đồng tiền khác, vì giá vàng có thể gắn liền với sự mất giá của tiền tệ ở các quốc gia Cụ thể, giá vàng tính bằng đô la có thể phản ánh sự mất giá của đồng đô la, trong khi giá vàng tính bằng Euro, Pound hay Yen lại liên quan đến sự mất giá của các đồng tiền này.
Nghiên cứu của Joy (2011) cho thấy vàng, mặc dù được coi là công cụ phòng ngừa và nơi trú ẩn an toàn cho đầu tư, vẫn kém an toàn hơn so với USD Sử dụng dữ liệu 23 năm cho 16 cặp tỷ giá đô la, nghiên cứu đặt ra câu hỏi liệu vàng có thể bảo vệ chống lại USD hay không Kết quả cho thấy vàng đã hoạt động như một công cụ phòng ngừa hiệu quả, nhưng là nơi trú ẩn an toàn kém Wang (2011) đã nghiên cứu vai trò của vàng trong việc phòng ngừa tỷ giá hối đoái ở Nhật Bản từ 1986-2007, tập trung vào mối quan hệ phi tuyến tính giữa lợi nhuận vàng và biến động tỷ giá yên Nhật Tác giả sử dụng tỷ lệ khấu hao của đồng yên để phân biệt giữa chế độ mất giá cao và thấp, phát hiện rằng khi tỷ lệ khấu hao lớn hơn 2,62%, đầu tư vào vàng có thể tránh được sự mất giá Kết luận này có thể mang lại lợi ích cho các cơ quan tiền tệ Nhật Bản và nhà đầu tư nắm giữ đồng yên trong danh mục đầu tư của họ.
Reboredo (2013) đã đánh giá vai trò của vàng như một nơi trú ẩn an toàn và công cụ phòng ngừa rủi ro đối với USD bằng cách sử dụng các hàm Copula để phân tích sự phụ thuộc giữa vàng và USD trong các điều kiện thị trường khác nhau Kết quả cho thấy có sự phụ thuộc dương và đáng kể giữa vàng và sự mất giá của USD trong điều kiện thị trường bình thường, chứng minh rằng vàng có thể hoạt động như một công cụ phòng ngừa rủi ro đối với biến động tỷ giá USD Hơn nữa, sự phụ thuộc đuôi đối xứng giữa vàng và tỷ giá USD cho thấy vàng có thể là một kênh trú ẩn an toàn và hiệu quả khi tỷ giá biến động.
USD đang trải qua sự biến động mạnh, dẫn đến việc nghiên cứu các danh mục hỗn hợp vàng - tiền tệ nhằm tìm kiếm lợi ích của việc đa dạng hóa và giảm rủi ro Việc thêm vàng vào danh mục tiền tệ khẳng định vai trò của nó trong quản trị rủi ro Theo nghiên cứu của Reboredo (2014), vàng được xác định là công cụ phòng ngừa và nơi trú ẩn an toàn khi USD giảm giá Sử dụng phương pháp LR (likelihood ratio test), kết quả cho thấy vàng là công cụ phòng ngừa rủi ro, nhưng chỉ là kênh trú ẩn an toàn yếu đối với biến động của USD.
Lu Yang và cộng sự (2014) đã sử dụng các hàm Copula theo thời gian để kiểm tra cấu trúc phụ thuộc giữa vàng và các đồng tiền GBP, EUR và JPY Kết quả cho thấy có sự phụ thuộc đuôi giữa vàng và các đồng tiền này, với phụ thuộc đuôi bên phải lớn hơn đối với GBP/vàng và JPY/vàng, trong khi đó, phụ thuộc đuôi bên trái lại lớn hơn đối với EUR/vàng Ngoài ra, cấu trúc phụ thuộc giữa vàng và tỷ giá được xác định là bất đối xứng.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Nghiên cứu cấu trúc phụ thuộc giữa vàng và VND được thực hiện thông qua việc sử dụng các hàm Copula khác nhau, nhằm phân tích sự phụ thuộc trong điều kiện thị trường bình thường và khi có biến động cực độ Bằng cách xây dựng phân phối kết hợp tỷ suất sinh lợi của hai tài sản này, nghiên cứu sẽ kiểm định vai trò của vàng như một công cụ phòng ngừa rủi ro và kênh trú ẩn an toàn trước sự giảm giá của VND Các Copula được áp dụng bao gồm mô hình hóa phân phối biên bằng ARMA kết hợp với APGARCH, và ước lượng các hàm copula với các đặc điểm độc lập đuôi, phụ thuộc đuôi đối xứng và bất đối xứng.
Mô hình nghiên cứu
Vàng được coi là công cụ phòng ngừa hiệu quả trước sự biến động của tiền tệ, với vai trò là nơi trú ẩn an toàn cho nhà đầu tư Sự liên kết giữa giá vàng và giá tiền tệ cho thấy cách mà thị trường phản ứng trong các tình huống khác nhau.
Trước tiên, cần phân biệt rõ ràng giữa công cụ phòng ngừa và nơi trú ẩn an toàn Theo các nghiên cứu của Kaul và Sapp (2006), Baur và Lucey (2010), Baur và McDermott (2010), cùng với Reboredo (2013), đã đưa ra các định nghĩa cụ thể cho hai khái niệm này.
Hedge là một công cụ phòng ngừa rủi ro, được xác định khi một tài sản không có sự tương quan hoặc có tương quan âm với một tài sản hoặc danh mục đầu tư khác trong điều kiện thị trường bình thường.
Kênh trú ẩn an toàn là tài sản không tương quan hoặc tương quan âm với các tài sản khác trong thời kỳ thị trường biến động Khi giá VND giảm, nhà đầu tư thường chuyển sang nắm giữ vàng để bảo vệ giá trị tài sản Trong bối cảnh thị trường biến động mạnh, vàng trở thành lựa chọn an toàn hàng đầu, không còn quan tâm đến việc tăng hay giảm giá Để phân biệt giữa công cụ phòng ngừa và nơi trú ẩn an toàn của vàng, cần đo lường sự phụ thuộc giữa các biến ngẫu nhiên thông qua hàm phân phối biên trong cả điều kiện thị trường bình thường và biến động Sử dụng hàm Copula, nghiên cứu mô hình hóa phân phối liên kết giữa vàng và VND, từ đó làm rõ vai trò của vàng như một công cụ phòng ngừa và kênh trú ẩn an toàn trong những biến động của thị trường.
Copula 2 là một hàm phân phối tích lũy đa biến với các hàm phân phối biên đồng dạng U và V, với C(u,v)= Pr[U≤u, V≤ v], hàm này nắm bắt sự phụ thuộc giữa hai biến ngẫu nhiên X và Y, bất chấp các phân phối biên FX(x) và FY(y) tương ứng của chúng Định lý Sklar (1959) cho rằng, tồn tại một Copula như vậy:
Baur và McDermott (2010) phân loại các nơi trú ẩn an toàn thành hai loại: mạnh và yếu, dựa trên giá trị hệ số tương quan âm hoặc bằng 0.
2 Giới thiệu về hàm Copula, xem Joe (1997) và Nelsen (2006) Tổng quan về các ứng dụng của hàm Copula trong tài chính, xem Cherubini và cộng sự (2004)
FXY(x, y) là phân phối liên kết của X và Y,
u = FX(x) và v = FY(y), là hàm phân phối biên
C được xác định duy nhất trên RanFX x RanFY khi hàm phân phối biên u, v là liên tục Điều này có nghĩa rằng nếu C là một Copula, thì hàm FXY trong phương trình (1) sẽ là một hàm phân phối biên liên kết giữa các biên FX và Fy.
Theo Patton (2006), Copula có điều kiện có thể được viết như sau:
FXY/W ( x,y/w) = C(FX/W(x/w), FY/W(y/w)/w), (2) Trong đó:
FX/W(x/w) là phân phối có điều kiện X/W = w
FY/W(y/w) là phân phối có điều kiện Y/W = w
FXY/W (x,y/w) là phân phối có điều kiện liên kết (X,Y) / W = w
Hàm Copula liên quan đến các phân vị của phân phối biên, không bị ảnh hưởng bởi sự gia tăng đơn điệu của các biến Nó cho phép kết nối các phân phối biên đơn biến trong một hàm phân phối đa biến và thể hiện cấu trúc phụ thuộc giữa hai biến ngẫu nhiên Điều này mang lại sự linh hoạt lớn hơn trong việc mô hình hóa các dạng phân phối biên và cấu trúc phụ thuộc, đặc biệt khi phân phối liên kết không tuân theo hình elip Các thước đo truyền thống như hệ số tương quan tuyến tính không đủ để mô tả các cấu trúc phụ thuộc trong những trường hợp này Ngoài ra, một số thước đo tương quan như Spearman’s rho và Kendall’s tau cũng là thuộc tính của Copula.
Một điểm nổi bật của Copula là phụ thuộc đuôi, đo lường xác suất mà hai biến liên kết ở đuôi bên phải và bên trái của phân phối hai biến Đây là thước đo cho xu hướng tăng hoặc giảm đồng thời của hai biến ngẫu nhiên Hệ số phụ thuộc đuôi bên phải hoặc bên trái cho hai biến ngẫu nhiên X và Y có thể được biểu diễn thông qua Copula.
và là hàm phân vị biên
Biến ngẫu nhiên tồn tại phụ thuộc vào đuôi trái (hoặc phải) khi λ L > 0 (hoặc λ u > 0), cho thấy rằng có xác suất khác không cho các giá trị quan sát cực nhỏ (hoặc cực lớn) trong một dữ liệu, đồng thời kết hợp với giá trị cực nhỏ (hoặc cực lớn) của dữ liệu khác.
Trong đó : (X ’ , Y ’ ): là một sao chép độc lập của (X, Y) (tức là độc lập với (X, Y) và có phân bố xác suất hoàn toàn giống (X, Y))
Một công thức khác của hàm tau là:
C là copula của (X, Y) , còn Q là hàm:
(X ’ , Y ’ ) có Copula C ’ , và (X, Y) độc lập với (X ’ , Y ’ )
Định nghĩa hàm Spearman’s rho :
X ’ có cùng phân bố với X, Y ’’ có cùng phân bố với ,
(X’, Y ’’ ), (X, Y) là độc lập với nhau
Công thức khác cho hàm Spearman’s rho là:
F: là hàm phân phối xác suất của
G: là hàm phân phối xác suất của Y
Phân bố xác suất chung của (F(X), G(Y)) chính là Copula của (X, Y)
Các hàm Copula cung cấp thông tin về sự phụ thuộc trung bình trong điều kiện thị trường bình thường và sự phụ thuộc đuôi trong các tình huống biến động cực đoan Trong điều kiện bình thường, sự phụ thuộc được đo bằng hệ số tương quan tuyến tính như tau của Kendall hoặc rho của Spearman, có thể được xác định từ các thông số phụ thuộc của Copula Ngược lại, sự phụ thuộc theo thời gian trong các giai đoạn biến động mạnh mẽ có thể được phân tích thông qua các thông số phụ thuộc đuôi trong các phương trình liên quan.
3.2.2 Xây dựng và kiểm định các giả thuyết
Dựa trên thông tin về sự phụ thuộc của hàm Copula, chúng ta có thể xây dựng hai giả thuyết để xác định vai trò của vàng: liệu nó có thể được coi là một công cụ phòng ngừa hay là một nơi trú ẩn an toàn trước sự giảm giá của VND.
Giả thuyết 1 : ρG, C ≥ 0 (vàng là công cụ phòng ngừa)
Trog đó: ρG, C ≥ 0 là thước đo của sự phụ thuộc trung bình giữa giá trị vàng và sự giảm giá VND
Vàng có thể là công cụ phòng ngừa rủi ro nếu giả thuyết 1 được xác nhận Nếu giả thuyết 2 cũng không bị bác bỏ, vàng sẽ trở thành tài sản trú ẩn an toàn khi VND giảm giá trong bối cảnh thị trường biến động mạnh Điều này cho thấy vàng giữ giá trị khi VND suy yếu, với sự đồng biến giữa giá vàng và tỷ giá hối đoái Bên cạnh đó, có thể sử dụng λL để kiểm tra khả năng vàng là kênh trú ẩn an toàn trong trường hợp thị trường gặp biến động giảm mạnh.
3.2.3 Một số dạng hàm Copula với các mẫu hình phụ thuộc khác nhau
Các đặc điểm kỹ thuật của hàm Copula đóng vai trò quan trọng trong việc xác định chức năng của vàng, liệu nó có thể được coi là công cụ phòng ngừa hay là kênh trú ẩn an toàn so với đồng VND.
Luận văn này nghiên cứu các đặc điểm của các hàm Copula khác nhau nhằm nắm bắt các mẫu hình phụ thuộc đa dạng, bao gồm cả sự phụ thuộc đuôi Nghiên cứu sẽ xem xét các khái niệm như độc lập đuôi, phụ thuộc đuôi và phụ thuộc đuôi đối xứng, dựa trên các tài liệu của Joe (1997), Cherubini và cộng sự (2004), Nelsen (2006) và Renoredo (2013).
Copula Gaussian hai biến (có phân phối chuẩn N) được xác định bởi:
là hàm phân phối chuẩn tích lũy 2 biến với hệ số tương quan giữa X và Y
là các hàm phân vị chuẩn tắc
Copula Gaussian không có phụ thuộc đuôi, λu = λL = 0
Hàm Copula t-Student có dạng:
T là hàm phân phối tích lũy hai biến có phân phối t-Student với hệ số tương quan
là hàm phân vị của phân phối t-Student của từng biến với v là bậc tự do
Dữ liệu
Luận văn sử dụng dữ liệu suất sinh lợi theo tuần trong khoảng thời gian gần 11 năm từ 05/07/2004 đến 31/05/2014, nhằm mô tả cấu trúc phụ thuộc giữa giá vàng và VND Việc chọn dữ liệu tuần giúp giảm thiểu ảnh hưởng của nhiễu và lệch, làm rõ mối quan hệ phụ thuộc và đơn giản hóa mô hình phân phối cận biên Giá vàng SJC được tính bằng VND/Lượng, trong khi tỷ giá VND được tính theo số VND cho một đơn vị ngoại tệ, với tỷ giá hối đoái tăng thể hiện sự mất giá của VND Dữ liệu tỷ giá hối đoái được thu thập từ các đồng tiền mạnh như AUD, GBP, EUR, JPY và USD, giao dịch hàng ngày tại ngân hàng Ngoại Thương Việt Nam, và thông tin được cung cấp từ trang web www.vietstock.vn.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Sơ lược sự biến động của giá vàng và tỷ giá VND
Giá vàng và tỷ giá các loại tiền tệ đã có sự biến động đáng kể trong cùng một khoảng thời gian, với xu hướng giá vàng ngày càng tăng cao trong khi giá trị VND giảm so với các đồng tiền khác Từ năm 2008, khủng hoảng kinh tế toàn cầu đã tác động mạnh mẽ đến Việt Nam, khiến giá trị VND tiếp tục mất giá Nhiều nhà đầu tư đã chuyển vốn sang thị trường vàng để tìm kiếm sự an toàn, đẩy giá vàng lên cao hơn nữa Trong khi đó, tỷ giá USD/VND bị kiểm soát chặt chẽ bởi Nhà nước, khiến tỷ giá tại các ngân hàng thương mại luôn ở mức kịch trần cho phép so với tỷ giá bình quân liên ngân hàng.
Nguồn: Gói dữ liệu từ trang web Vietstock và tính toán của tác giả Hình 4.1: Giá vàng và tỷ giá VND từ 05/07/2004 – 31/05/2014)
Thống kê mô tả và các thuộc tính ngẫu nhiên của dữ liệu suất sinh lợi của vàng và tỷ giá VND cho thấy sự chênh lệch lớn giữa giá trị tối đa và tối thiểu, cho thấy sự biến động không đồng nhất giữa hai yếu tố này Các chuỗi suất sinh lợi có độ lệch và độ nhọn vượt quá mức bình thường, trong khi kiểm định Jarque-Bera đã bác bỏ giả thuyết phân phối chuẩn cho tất cả chuỗi suất sinh lợi ở mức ý nghĩa 5% Điều này chỉ ra rằng việc nghiên cứu mối quan hệ giữa vàng và tiền tệ thông qua hệ số tương quan sẽ không mang lại kết quả chính xác, do phân phối không tuân theo quy luật chuẩn có thể dẫn đến kết quả hồi quy giả tạo.
Bảng 4.1: Thống kê mô tả cho suất sinh lợi theo tuần của vàng và tỷ giá VND
GOLD AUD GBP EUR JPY USD
Median 0.0011 0.0021 0.0012 0.0008 -0.0005 0.0000 Maximum 0.0718 0.2803 0.0539 0.5294 0.0841 0.0689 Minimum -0.0717 -0.1372 -0.0911 -0.3754 -0.0726 -0.0078 Std Dev 0.0182 0.0225 0.0145 0.0413 0.0149 0.0045 Skewness 0.1084 2.9717 -1.0650 5.8019 0.5036 9.2529 Kurtosis 5.5091 50.9912 10.3712 120.9411 6.8488 117.4773 Jarque-Bera 136.6303 50374.67 1268.206 302547.2 340.9569 289681.9 Probability 0.000* 0.000* 0.000* 0.000* 0.000* 0.000*
Ghi chú : Dữ liệu tuần cho giai đoạn 05/07/2004 – 31/05/2014 Jarque – Bera là thống kê χ 2 về việc kiểm định phân phối chuẩn
Dấu* là bác bỏ giả thuyết H 0 với mức ý nghĩa 5%.
Kết quả kiểm định
4.2.1 Kết quả kiểm định tính dừng
Để đảm bảo kết quả hồi quy nhất quán và không bị giả tạo, các chuỗi suất sinh lợi cần phải là chuỗi dừng Chúng tôi đã sử dụng hai kiểm định phổ biến là ADF (Augmented Dickey-Fuller) và KPSS (Kwiatkowski-Phillips-Schmidt-Shin) Kết quả từ bảng 4.2 cho thấy cả vàng và tỷ giá VND đều là chuỗi dừng Kiểm định ADF cho thấy vàng và tỷ giá VND không có nghiệm đơn vị, trong khi kiểm định KPSS cũng xác nhận rằng tất cả chuỗi suất sinh lợi đều dừng ở mức ý nghĩa 5%.
Bảng 4.2: Kết quả kiểm định ADF & KPSS
Ghi chú: Cả 2 kiểm định ADF và KPSS đều cho thấy tất cả các chuỗi suất sinh lợi đều dừng ở mức ý nghĩa 5%
Dấu * là bác bỏ giả thuyết H 0 ở mức ý nghĩa 5%
4.2.2 Kết quả kiểm định Copula thực nghiệm Để kiểm tra cấu trúc sự phụ thuộc giữa vàng và VND, ta xây dựng các bảng Copula thực nghiệm cho các tỷ suất sinh lợi (Reboredo, 2013) theo cách sau đây: Xếp hạng mỗi chuỗi theo thứ tự tăng dần và chia mỗi chuỗi thành 10 ngăn, theo đó, ngăn đầu tiên bao gồm các quan sát có giá trị thấp nhất và ngăn 10 bao gồm các quan sát có giá trị lớn nhất Sau đó đếm số quan sát tương ứng với mỗi cặp (i, j) với i, j = 1,2,…10 trong suốt thời kỳ mẫu, với t = 1,… T, tạo thành ma trận 10x10 Theo cách này thì các dòng ma trận bao gồm các ngăn sắp xếp theo thứ tự tăng dần từ trên xuống và các cột ma trận bao gồm các ngăn sắp xếp theo thứ tự tăng dần từ trái sang phải Như vậy nếu 2 chuỗi tương quan dương (âm) với nhau, chúng ta sẽ thấy hầu hết các quan sát nằm trên đường chéo liên kết góc trên bên trái với góc dưới bên phải (góc dưới bên trái với góc trên bên phải) của ma trận, và nếu chúng không phụ thuộc thì hầu hết số quan sát trong mỗi ô của ma trận sẽ gần giống nhau Thêm nữa, nếu có sự phụ thuộc đuôi bên trái giữa hai chuỗi, chúng ta sẽ kỳ vọng có nhiều quan sát hơn trong ô (1,1); và nếu có sự phụ thuộc đuôi bên phải, chúng ta sẽ kỳ vọng có nhiều quan sát hơn trong ô (10,10) của ma trận 10x10
Bảng 4.3 – Kết quả ma trận Copula thực nghiệm
Mỗi chuỗi suất sinh lợi bao gồm 517 quan sát, trong đó suất sinh lợi của vàng được sắp xếp theo trục hoành và tăng dần từ trên xuống dưới, còn suất sinh lợi tỷ giá hối đoái được sắp xếp theo trục tung và tăng dần từ trái sang phải Mỗi ô trong biểu đồ chứa số lượng quan sát tương ứng với từng phân vị của dữ liệu vàng và tỷ giá hối đoái.
Bảng 4.3 trình bày kết quả Copula thực nghiệm giữa cặp vàng và tỷ giá VND, cho thấy không có sự tương quan rõ ràng giữa vàng và VND Số quan sát chủ yếu tập trung ở các ô (1,1) và (10,10), cho thấy rằng trong điều kiện bình thường, vàng không phải là công cụ phòng ngừa hiệu quả cho VND Đặc biệt, đối với các cặp GOLD – AUD, GOLD - GBP, và GOLD – EUR, giá trị lớn nhất đều tập trung ở cả hai ô này, trong khi cặp GOLD – JPY chỉ tập trung ở ô bên trái.
Vàng và USD có mối quan hệ chặt chẽ, với vàng đóng vai trò là kênh trú ẩn an toàn cho VND trong bối cảnh thị trường biến động mạnh Sự phụ thuộc này cho thấy vàng không chỉ là tài sản đầu tư mà còn là lựa chọn an toàn khi đồng nội tệ gặp khó khăn.
4.2.3 Kết quả kiểm định mô hình phân phối biên
Trước tiên, ta chọn ra mô hình ARMA tốt nhất cho vàng và tỷ giá hối đoái Dựa trên tiêu chí AIC (Akaike, 1973)
Bảng 4.4: Kết quả ước lượng mô hình ARMA phù hợp
Bảng 4.4 thể hiện kết quả đo lường độ trễ tối ưu cho mô hình ARMA dựa trên tiêu chuẩn AIC Cụ thể, mô hình tốt nhất cho vàng là MA(2), trong khi đó tỷ giá JPY/VND được xác định là ARMA(1,1) Đối với các trường hợp còn lại, mô hình tối ưu là ARMA(0,0).
Bảng 4.5: Ước lượng của mô hình phân phối biên cho suất sinh lợi của vàng và tỷ giá VND
GOLD AUD GBP EUR JPY USD
Ghi chú: Bảng này trình bày ước lượng ML và xác suất P_value cho mỗi tham số của mô hình phân phối biên được định nghĩa trong phương trình (9) –
Loglik là giá trị log-likelihood, chỉ trình bày thông số của hệ số chặn trong phương trình Mean, các giá trị còn lại được đính kèm ở phần phụ lục Thống kê Ljung-Box (LJ) được sử dụng để kiểm tra tương quan chuỗi trong các phần dư của mô hình, với độ trễ tính toán tới 5 Kiểm định LM của Engle (ARCH) cũng được thực hiện trên các phần dư với độ trễ tối đa là 5.
Dấu * là bác bỏ giả thuyết H 0 ở mức ý nghĩa 5%
Bảng 4.5 trình bày kết quả ước lượng mô hình biên, cho thấy mức biến động diễn ra liên tục trong hầu hết các tỷ giá, ngoại trừ EUR và USD, với tác động của đòn bẩy có ý nghĩa đối với các tỷ giá hối đoái khác và vàng Kết quả này phù hợp với các nghiên cứu trước đây về vàng và tỷ giá hối đoái (McKenzie và Mitchell, 2002; Reboredo, 2012a, Reboredo 2013) Hai dòng cuối của bảng báo cáo kết quả kiểm định tương quan chuỗi bằng thống kê Ljung-Box và hiệu ứng ARCH trong phần dư tính đến trễ 5, cho thấy không còn hiện tượng tự tương quan hay hiệu ứng ARCH trong phần dư.
4.2.4 Kết quả kiểm định mức độ phù hợp mô hình biên
Việc đánh giá mức độ phù hợp của mô hình biên là rất quan trọng, vì hàm Copula không thể áp dụng nếu mô hình phân phối biên không chính xác Điều này xảy ra khi các biến đổi xác suất 𝑢̂ 𝑡 =Fx(𝑥 𝑡 ; ∝̂ 𝑥 ) và 𝑣̂ 𝑡 𝐹𝑦(𝑦 𝑡 ; ∝̂ 𝑦 ) không tuân theo phân phối đều trong khoảng (0,1) Để kiểm tra sự phù hợp của mô hình biên, chúng ta sử dụng các kiểm định Kolmogorov-Smirnov, Cramer-von Mises, Watson và Anderson-Darling, so sánh với hàm phân phối thực nghiệm và lý thuyết Các giá trị p-value của các kiểm định này được trình bày trong Bảng 4.6 và Bảng tổng hợp 4.7; tất cả các mô hình biên không bác bỏ giả thuyết H0 về tính phù hợp của hàm phân phối ở mức ý nghĩa 5% Tóm lại, các kiểm định cho thấy mô hình phân phối biên là phù hợp và không bị sai lệch, cho phép mô hình Copula nắm bắt chính xác sự đồng chuyển động giữa vàng và tỷ giá hối đoái.
Bảng 4.6: Kiểm định sự phù hợp của mô hình phân phối biên của vàng và tỷ giá VND
Empirical Distribution Test for U_GOLD Hypothesis: Uniform
Sample: 7/05/2004 5/26/2014 Included observations: 517 Method Value Adj Value Probability
Kolmogorov (D+) 0.031819 0.727462 0.3470 Kolmogorov (D-) 0.029005 0.663135 0.4150 Cramer-von Mises (W2) 0.072674 0.072042 0.7355
Parameter Value Std Error z-Statistic Prob
Log likelihood 0.000000 Mean dependent var 0.502686
No of Coefficients 0 S.D dependent var 0.287776
Empirical Distribution Test for V_AUD Hypothesis: Uniform
Method Value Adj Value Probability
Kolmogorov (D+) 0.024908 0.569453 0.5228 Kolmogorov (D-) 0.019650 0.449242 0.6679 Cramer-von Mises (W2) 0.041941 0.041249 0.9231
Parameter Value Std Error z-Statistic
Log likelihood 0.000000 Mean dependent var: 0.495465
No of Coefficients 0 S.D dependent var : 0.289565
Empirical Distribution Test for V_GBP Hypothesis: Uniform
Sample: 7/05/2004 5/26/2014 Included observations: 517 Method Value Adj Value Probability
Kolmogorov (D+) 0.019743 0.451382 0.6653 Kolmogorov (D-) 0.012313 0.281507 0.8534 Cramer-von Mises (W2) 0.027700 0.026980 0.9832
Parameter Value Std Error z-Statistic Prob
Log likelihood 0.000000 Mean dependent var: 0.496473
No of Coefficients 0 S.D dependent var 0.288168
Empirical Distribution Test for V_EUR Hypothesis: Uniform
Method Value Adj Value Probability
Parameter Value Std Error z-Statistic Prob
Log likelihood 0.000000 Mean dependent var : 0.50244
No of Coefficients 0 S.D dependent var : 0.291445
Empirical Distribution Test for V_JPY Hypothesis: Uniform
Method Value Adj Value Probability
Parameter Value Std Error z-Statistic Prob
Log likelihood 0.000000 Mean dependent var: 0.507863
No of Coefficients 0 S.D dependent var: 0.289957
Empirical Distribution Test for V_USD Hypothesis: Uniform
Method Value Adj Value Probability
Parameter Value Std Error z-Statistic Prob
Log likelihood 0.000000 Mean dependent var 0.558962
No of Coefficients 0 S.D dependent var 0.298158
Bảng 4.7: Tổng hợp kết quả kiểm định sự phù hợp của mô hình phân phối biên của vàng và tỷ giá
GOLD AUD GBP EUR JPY USD
Bảng này cung cấp giá trị P_value cho các kiểm định Kolmogorov – Smirnov, Cramer – von Mises, Watson và Anderson – Darling, nhằm đánh giá sự phù hợp của mô hình phân phối tại mức ý nghĩa 5% Hai dòng cuối cùng của bảng thể hiện giá trị Trung bình (Mean) và Độ lệch chuẩn (Sd) của chuỗi biến đổi.
Thêm vào đó, ta biết rằng nếu X là một biến ngẫu nhiên có phân phối đều trong đoạn [a,b] thì hàm phân phối có dạng:
Ta có hàm mật độ của X xác định:
Kỳ vọng và phương sai của X sẽ được xác định như sau :
Nhìn vào Bảng 4.7 ta thấy hầu như các giá trị trung bình và độ lệch chuẩn của vàng và tỷ giá đều gần xấp xỉ với giá trị (0.5; 0.2886)
Như vậy có thể kết luận rằng u, v là các biến ngẫu nhiên có phân phối đều trong đoạn [0,1] và là các hàm phân phối biên của Copula
4.2.5 Kết quả ước lượng sự phụ thuộc của hàm Copula
Trước khi cung cấp các ước lượng cho các tham số hàm Copula, luận văn thực hiện trước các ước lượng phi tham số của hàm Copula Theo Reboredo
(2013), tại các điểm trong khoảng (i/T, j/T):
T∑T 1{uk≤u(i),vk≤v(j) k=1 với u(1) ≤u(2) ≤ … ≤ u(T) và v(1) ≤v(2) ≤ … ≤ v(T) là các thứ tự thống kê của mẫu đơn biến, trong đó 1 là hàm chỉ số thông thường Hình 4.2 minh họa các ước lượng mật độ phi tham số cho mật độ hai biến liên quan đến vàng và tỷ giá VND, cho thấy rõ mối quan hệ giữa chúng.
Kết quả từ ảnh chụp đồ thị lưới 3D cho thấy rằng vàng không có mối quan hệ phụ thuộc với sự giảm giá của VND so với các loại tiền tệ khác Do đó, vàng không thể được coi là công cụ phòng ngừa rủi ro cho VND.
Sự phụ thuộc giữa thị trường vàng và tỷ giá VND cho thấy cả hai sẽ tăng và giảm cùng nhau Qua phân tích các cặp GOLD – AUD, GOLD – GBP, GOLD – EUR, ta nhận thấy sự tương quan rõ ràng, trong khi cặp GOLD – JPY và GOLD – USD lại không cho kết quả nhất quán Điều này chứng minh rằng vai trò của vàng như một tài sản trú ẩn an toàn đối với VND trong bối cảnh thị trường biến động mạnh mẽ là có cơ sở, phù hợp với các kết quả Copula thực nghiệm.
Hình 4.2: Ước lượng hàm Copula thực nghiệm mật độ phi tham số đối với vàng và tỷ giá hối đoái VN
Từ kết quả mô hình biên có được, ta ước lượng các tham số của các hàm
Copula khác nhau, dựa trên các hàm Copula được giới thiệu ở Chương 3 và sau đó chọn lựa mô hình Copula tốt nhất
So sánh ước lượng của các mô hình Copula là cần thiết để kiểm định hai giả thuyết về vai trò của vàng trong việc phòng ngừa rủi ro và làm kênh trú ẩn an toàn trước sự giảm giá của VND Các mô hình Copula khác nhau thể hiện các đặc điểm về sự phụ thuộc trung bình và sự phụ thuộc đuôi trong các điều kiện thị trường khác nhau Do đó, việc lựa chọn mô hình hàm Copula phù hợp nhất là rất quan trọng để thể hiện cấu trúc phụ thuộc giữa vàng và tỷ giá VND, với tiêu chí AIC được sử dụng để xác định mô hình tối ưu.
Bảng 4.8: Kiểm định sự phù hợp của các mô hình Copula
AUD GBP EUR JPY USD
Best fit Student Student Student Student Independent
Bảng này trình bày kết quả kiểm định ML cho các mô hình Copula khác nhau liên quan đến giá vàng và tỷ giá VND, với giá trị sai số chuẩn được ghi trong ngoặc đơn Dựa trên tiêu chuẩn AIC, mô hình Copula t student được xác định là tốt nhất Đối với USD, không có sự phụ thuộc nào về trung bình và đuôi.
Dấu * là có ý nghĩa ở mức 5%
