CƠ CHẾ TRUYỀN DẪN CỦA TỶ GIÁ, CÁC XU HƯỚNG NGHIÊN CỨU TRƯỚC ĐÂY VỀ HIỆU ỨNG ERPT
LẠM PHÁT Ở VIỆT NAM 1990 – 2012
Năm 1986, Việt Nam bắt đầu thực hiện chính sách đổi mới, chuyển từ nền kinh tế tập trung bao cấp sang cơ chế định hướng thị trường Quá trình chuyển đổi này đã mang lại kết quả tích cực, giúp Việt Nam đạt mức tăng trưởng kinh tế ấn tượng, với đỉnh điểm là 9.3% vào năm.
1996 Tuy nhiên, lạm phát lại là một vấn đề vĩ mô đối với Việt Nam, đi từ lạm phát rất cao cho tới giảm phát
Hình 1-1: Các giai đoạn lạm phát ở Việt Nam
Giai đoạn lạm phát cao sau chiến tranh đã thúc đẩy quá trình đổi mới năm 1986, nhưng lạm phát vẫn tiếp tục gia tăng đến năm 1989 Ngân hàng Nhà nước Việt Nam (SBV) đã thực hiện chính sách rút tiền khỏi nền kinh tế bằng cách phát hành trái phiếu ngắn hạn với lãi suất 12%/tháng từ tháng 7 năm 1989, giúp giảm nhanh lượng tiền và làm lạm phát đột ngột giảm xuống (Hung, 1999) Những năm sau đó, thành công trong việc ổn định lạm phát đã cải thiện chính sách tiền tệ và tài khóa, dẫn đến thời kỳ lạm phát có thể chấp nhận từ 1993 đến 2003 (Camen, 2006) Trong giai đoạn này, từ 1999 đến 2001, đã xảy ra một đợt giảm phát do ảnh hưởng tiêu cực từ cuộc khủng hoảng Châu Á 1998, dẫn đến hàng hóa dư thừa và giá cả sụt giảm.
Sau cuộc khủng hoảng Châu Á, chính phủ đã ưu tiên tăng trưởng GDP hơn lạm phát thông qua chính sách tiền tệ nới lỏng Từ năm 2000, nền kinh tế phải đối mặt với dòng vốn lớn chảy vào, yêu cầu duy trì tỷ giá ổn định, dẫn đến việc Ngân hàng Nhà nước phải mua ngoại tệ Hệ quả là cung tiền tăng nhanh, gây ra lạm phát gia tăng, do cú sốc cầu ở mức độ thấp và cú sốc tiền tệ.
Năm 2004, lạm phát đạt 9.5%, tăng đáng kể so với 3% của năm 2003, vượt xa mục tiêu 5% mà Bộ Tài chính đề ra Tình trạng này không chỉ kéo dài mà còn gia tăng trong những năm tiếp theo, với mức đỉnh điểm lên tới 20% vào năm sau.
2008, mức cao nhất từ năm 1990
Trong bối cảnh hiện tại, chính phủ đã chuyển hướng tập trung vào lạm phát, điều chỉnh chính sách tiền tệ từ nới lỏng sang thắt chặt Kết quả là, lượng cung tiền đã giảm khoảng 20% trong năm 2008 và năm tiếp theo Tuy nhiên, khủng hoảng tài chính toàn cầu năm 2008 đã khiến những nỗ lực kiểm soát lạm phát của chính phủ trở nên kém hiệu quả.
Chính sách tiền tệ thắt chặt cùng với tác động tiêu cực từ cuộc khủng hoảng đã gây khó khăn cho các doanh nghiệp, dẫn đến sản xuất bị đình trệ và lạm phát vẫn ở mức cao Cú sốc cung trong giai đoạn Q1/2008 – Q4/2010 đã cho thấy vai trò quan trọng của giá dầu và giá gạo trong việc tác động đến lạm phát Thêm vào đó, thâm hụt cán cân tài khoản vãng lai nghiêm trọng vào năm 2007 cũng là một yếu tố quan trọng không kém.
1 Năm 2010 và 2011 có khoảng 70,000 doanh nghiệp phá sản.
CHÍNH SÁCH TỶ GIÁ HỐI ĐOÁI Ở VIỆT NAM 1990 – 2012
Kể từ khi đổi mới, tỷ giá hối đoái tại Việt Nam được quản lý theo hướng thị trường, neo cố định theo đồng USD và có sự can thiệp của Ngân hàng Nhà nước Ngân hàng Nhà nước công bố tỷ giá chính thức cùng với mức biên độ dao động Dựa vào sự biến động của tỷ giá, có thể nhận thấy hai xu hướng tỷ giá trong hai giai đoạn kinh tế khác nhau.
Hình 1-2: Các giai đoạn tỷ giá ổn định ở Việt Nam
Trong giai đoạn 1992 – 1997 và 1999 – 2007, tỷ giá VND/USD rất ổn định nhờ cơ chế tỷ giá neo cố định, với sự kiểm soát chặt chẽ từ Ngân hàng Nhà nước Trong hai thời kỳ này, tỷ giá chỉ biến động nhẹ, duy trì ở mức khoảng 11,000 VND/USD, với biên độ dao động lần lượt là 0.5% và từ 0.1% đến 0.75%.
Khi nền kinh tế gặp bất ổn hoặc bị ảnh hưởng bởi cú sốc bên ngoài, tỷ giá sẽ ngay lập tức giảm giá do chính sách tỷ giá linh hoạt được áp dụng từ năm 1997 – 1998 và 2007.
Khủng hoảng tài chính Châu Á bắt đầu từ năm 1997 đã khiến nhiều đồng tiền của các quốc gia giảm giá mạnh, trong đó có VND Mức biên độ dao động của VND tăng từ 1% vào cuối năm 1996 lên 5% và đạt 10% vào cuối năm 1997, trước khi giảm 7% vào cuối năm 1998 Năm 1998, Ngân hàng Nhà nước đã điều chỉnh tỷ giá từ 11,175 VND/USD xuống 12,998 VND/USD, dẫn đến việc VND trượt giá 24.54% Đây là lần đầu tiên nền kinh tế Việt Nam chịu ảnh hưởng rõ rệt từ biến động của nền kinh tế thế giới.
Hình 1-3: Các giai đoạn tỷ giá biến động mạnh ở Việt Nam
Mười năm sau, kinh tế Việt Nam lại phải đối mặt với một cuộc khủng hoảng tài chính toàn cầu nghiêm trọng hơn so với khủng hoảng năm 1998 Để ứng phó, Ngân hàng Nhà nước đã áp dụng các chính sách tương tự như trước đây, điều hành tỷ giá linh hoạt bằng cách điều chỉnh biên độ dao động của tỷ giá chính thức Vào ngày 03/2008, Ngân hàng Nhà nước đã tăng biên độ dao động lên +/-1%, dẫn đến sự trượt giá trong tỷ giá hối đoái.
Biên độ +/-1% được giữ trong một vài tháng trước khi tăng lên +/-3% vào tháng 06/2008 và tăng lên +/-5% vào tháng 09/2009, đây là mức cao nhất kể từ năm 1998
Tỷ giá ngoại tệ hiện đang giao dịch ở mức trần, với tỷ giá song phương cách xa mức tỷ giá chính thức Để điều chỉnh tình hình, Ngân hàng Nhà nước (SBV) đã mở rộng biên độ dao động và giảm tỷ giá chính thức 4 lần, tương ứng với mức giảm 5.4% so với cuối năm 2009 Tính đến đầu năm 2011, tỷ giá chính thức được công bố là 20,693 VND/USD, với biên độ dao động là +/-1%.
Hình 1-4: Tỷ giá trần và tỷ giá sàn ở Việt Nam 2008 - 2011
Bảng 1-1: Biên độ giao dịch tỷ giá từ năm 1998 đến 2012
Hình 1-5: Tỷ giá danh nghĩa VND/USD và lạm phát ở Việt nam 1995-2013
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ ERPT
Một số quốc gia duy trì tỷ giá cố định, và chính sách tiền tệ (CSTT) có thể ảnh hưởng đến tỷ giá thực thông qua giá cả trong nước, từ đó tác động đến xuất khẩu ròng, mặc dù với mức độ thấp hơn và chậm hơn Tùy thuộc vào điều kiện phát triển của thị trường và đặc điểm tài chính của các hộ gia đình, doanh nghiệp ở từng quốc gia, ảnh hưởng của CSTT qua kênh tỷ giá sẽ khác nhau.
Kênh tỷ giá hối đoái đóng vai trò quan trọng trong việc truyền dẫn tác động của chính sách tiền tệ đến nền kinh tế trong nước, như đã được chứng minh trong các nghiên cứu gần đây của Taylor (1993).
Trong nền kinh tế mở, mức độ truyền dẫn tỷ giá (ERPT) vào giá nội địa là yếu tố quan trọng để đánh giá hiệu ứng lan tỏa của chính sách tiền tệ.
Hình 1-6: Đồ thị tác động của cung tiền đến tỷ giá hối đoái
M↑→i↓→E↑→ xuất khẩu ↑, nhập khẩu ↓→AD↑→Y↑
Nguồn: Giáo trình Kinh tế Vĩ mô, ĐH Kinh tế TP.HCM
Cụm từ “pass-through” lần đầu tiên được giới thiệu trong ngôn ngữ kinh tế bởi Steve Magee vào năm 1973, trong bài viết của ông về tác động của giảm giá tiền tệ Kể từ đó, thuật ngữ này đã trở nên phổ biến và được sử dụng rộng rãi trong lĩnh vực kinh tế.
Tác động truyền dẫn tỷ giá là khái niệm quan trọng trong kinh tế học, được định nghĩa bởi Peter Rowland trong nghiên cứu “Exchange Rate Pass-Through to Domestic Prices: The Case of Colombia” Theo nghiên cứu của Goldberg và Knetter (1997), tác động này được mô tả là phần trăm thay đổi trong giá nhập khẩu tính theo đồng nội tệ do phần trăm thay đổi trong tỷ giá giữa nước xuất khẩu và nước nhập khẩu Tuy nhiên, Peter Rowland đã mở rộng định nghĩa này, nhấn mạnh rằng sự thay đổi tỷ giá hối đoái danh nghĩa không chỉ ảnh hưởng đến giá nhập khẩu mà còn tác động đến giá sản xuất và giá tiêu dùng trong nước.
Shah (2004), kênh truyền dẫn tỷ giá được minh họa như sau:
Hình 1-7: Kênh truyền dẫn tỷ giá
Theo nghiên cứu, tỷ giá hối đoái tác động đến lạm phát trong nước qua hai kênh: thứ nhất, ảnh hưởng đến đồng tiền nội tệ qua chi phí nhập khẩu hàng hóa; thứ hai, tác động của giá nhập khẩu lên toàn bộ giá cả tiêu dùng Nicotela (2007) chỉ ra rằng nếu hệ số truyền dẫn là x, thì sự thay đổi 1% của tỷ giá dẫn đến lạm phát thay đổi x%, cho thấy tác động truyền dẫn hoàn toàn Tác động truyền dẫn càng cao, tỷ giá càng trở thành công cụ hiệu quả trong việc kiểm soát lạm phát.
Mototsugu Shintani, Akiko Terada-Hagiwara và Tomoyoshi Yabu cho rằng tác động truyền dẫn tỷ giá (ERPT) được định nghĩa là phản ứng của tỷ lệ lạm phát trong nước đối với những thay đổi của tỷ giá hối đoái hoặc chi phí biên.
Cầu về hàng xuất khẩu tăng
Mở rộng khả năng sản xuất
Hàng tiêu dùng cuối cùng
Giá hàng trung gian, đầu vào SX
Chi phí sản xuất tăng Phá giá đồng nội tệ
Chỉ số giá hàng tiêu dùng và cơ chế ERPT đóng vai trò quan trọng trong việc hiểu và dự đoán ảnh hưởng của chính sách tiền tệ đến nền kinh tế thực Việc nhận diện các kênh truyền dẫn mà chính sách tiền tệ tác động đến sản lượng và lạm phát giúp tăng cường hiệu quả của chính sách này, cho phép ngân hàng trung ương duy trì các biến kinh tế vĩ mô ở mức mục tiêu Chính sách tiền tệ đã được nghiên cứu sâu rộng qua nhiều năm do ảnh hưởng lớn của nó đến nền kinh tế thực, với nhiều nghiên cứu kinh tế tập trung vào các kênh truyền dẫn mà qua đó chính sách tiền tệ tác động đến các thành phần khác nhau của nền kinh tế.
Nhiều nghiên cứu thực nghiệm trước đây đã chỉ ra mối tương quan tích cực giữa ERPT và lạm phát, chủ yếu dựa trên các bằng chứng quốc tế Các tác giả như Calvo và Reinhart (2002), Choudhri và Hakura (2006), cùng với Devereux và Yetman đã thực hiện các phân tích sâu sắc về vấn đề này.
Nhiều nghiên cứu về chủ đề này chủ yếu diễn ra tại Mỹ và châu Âu, nhưng gần đây đã có sự gia tăng nghiên cứu ở các nước đang phát triển, như Pruteanu (2004) tại Cộng hòa Séc, Juks (2004) ở Estonia và Horvath (2004) ở Hungary.
Golodniuk, Ukraine vào 2005; Matousek và Sarantis, 2006 cho Slovenia, Slovakia và
Nhiều nghiên cứu đã chỉ ra rằng tỷ giá hối đoái có ảnh hưởng đáng kể đến chi phí nhập khẩu hàng hóa, từ đó tác động đến lạm phát Các tác giả như Chung, Kohler, & Lewis (2011), Frankel, Parsley, & Wei (2012), và Ito & Sato đã đưa ra những kết luận quan trọng về mối liên hệ này.
2008), mức độ truyền dẫn khác nhau ở các quốc gia với chế độ tỷ giá khác nhau
Barhoumi (2006) chỉ ra rằng các quốc gia áp dụng chế độ tỷ giá cố định sẽ trải qua mức độ truyền dẫn tỷ giá lớn hơn trong dài hạn so với các quốc gia theo chế độ tỷ giá thả nổi.
Nghiên cứu cho thấy rằng việc truyền dẫn tỷ giá lên toàn bộ giá cả tiêu dùng và sản xuất trong nước có mức độ thấp hơn và không hoàn toàn tương quan với giá cả trong nước so với truyền dẫn tỷ giá qua giá nhập khẩu, như được chỉ ra bởi các tác giả như Devereux & Yetman (2010), Ito & Sato (2008), Jin (2012), McCarthy (2000), Naz, Mohsin, & Zaman (2012), và Przystupa & Wróbel (2009).
Mức độ truyền dẫn của tỷ giá vào lạm phát cũng khác nhau ở những nước mới nổi, đang phát triển và những nước phát triển (Bailliu & Fujii, 2004; Choudhri &
Theo nghiên cứu của Ca'Zorzi, Hahn và Sánchez (2007), mức độ chuyển nhượng tỷ giá (ERPT) thường cao hơn ở các quốc gia mới nổi và đang phát triển so với các nước phát triển Đặc biệt, trong các quốc gia mới nổi có tỷ lệ lạm phát thấp, mức độ ERPT ảnh hưởng đến giá tiêu dùng sẽ thấp hơn.
Nghiên cứu của Frankel et al (2012) cho thấy các nước đang phát triển có mức độ EPRT cao hơn và nhanh hơn so với các nước phát triển Theo Ito và Sato (2007), mức độ ERPT ở các nước Mỹ Latin và Thổ Nhĩ Kỳ lớn hơn so với các nước Đông Á, ngoại trừ Indonesia Đặc biệt, Indonesia, Mexico, Thổ Nhĩ Kỳ và Argentina có phản ứng mạnh từ chỉ số CPI đối với cú sốc tỷ giá cả trước và sau khủng hoảng Do đó, mức độ ERPT cao được xem là yếu tố chính dẫn đến lạm phát cao ở những quốc gia này sau khủng hoảng.
PHƯƠNG PHÁP NGHIÊN CỨU
NỀN TẢNG LÝ THUYẾT
2.1.1 Mô hình chuỗi thời gian phi tuyến STAR
Mô hình chuỗi thời gian đơn biến trong phân tích kinh tế không có lịch sử lâu dài, với mô hình phi tuyến đầu tiên chủ yếu là đa biến, như mô hình hồi quy chuyển đổi Markov và mô hình bất đối xứng Mô hình đơn biến đầu tiên được giới thiệu cho các nhà kinh tế là mô hình song tuyến của Granger và Andersen (1978) Các ứng dụng kinh tế của mô hình phi tuyến như mô hình tự hồi quy ngưỡng và mô hình tự hồi quy Markov-chuyển đổi xuất hiện sau khi được phát triển bởi các nhà thống kê cho dữ liệu phi kinh tế Sự nghiên cứu về ứng dụng của mô hình phi tuyến trong kinh tế đã gia tăng, với nhiều mô hình này được sử dụng cho chuỗi thời gian kinh tế vĩ mô và tài chính, phục vụ cho dự báo và thử nghiệm lý thuyết kinh tế.
Một số nghiên cứu về sự tồn tại của các mô hình phi tuyến đã được thực hiện
Research by Tong (1990), Granger and Teräsvirta (1993), Guogan (1994), and Franses and van Dijk (2000) has significantly contributed to the field, highlighting various aspects of the subject Additionally, shorter studies by Brock and Potter (1993) and Teräsvirta, Tjøstheim, and Granger provide further insights into different components of this area of study.
Các nghiên cứu của Potter (1999), Swanson và Franses (1999), Granger (2001), van Dijk, Terọsvirta và Franses (2002), cùng với Tsay (2002) chủ yếu tập trung vào các mô hình tham số Gần đây, xu hướng nghiên cứu đã chuyển sang các mô hình phi tham số, như được đề cập trong công trình của Fan và Yao (2003).
Một ý tưởng phổ biến trong các ứng dụng kinh tế là cơ chế chuyển tiếp, trong đó quá trình tổng hợp dữ liệu để tạo ra mô hình được coi là một quá trình tuyến tính chuyển đổi giữa các chế độ theo quy tắc nhất định Thay đổi chính sách của chính phủ có thể dẫn đến sự thay đổi trong các cơ chế, và tính biến động của sản xuất công nghiệp hay tổng sản phẩm quốc gia có thể khác nhau trong các giai đoạn suy thoái và bùng nổ kinh tế Việc giải thích hành vi của các quan sát thông qua các mô hình chuyển tiếp là khả thi, đồng thời cũng có thể giả định rằng sự chuyển đổi giữa các cơ chế diễn ra liên tục và suôn sẻ.
Mô hình tự hồi quy ngưỡng
Với 𝑧 𝑡 = (1, 𝑦 𝑡−1 ′ ) ′ với 𝑦 𝑡 = (𝑦 𝑡 , … , 𝑦 𝑡−𝑝+1 ) ′ , d > 0 là tham số độ trễ, 𝛼 𝑗 (𝛼 𝑗1 , … , 𝛼 𝑗𝑝 ) ′ , j = 1,…,r là hệ số của cá vector, c 0 , c 1 , …, c r là các hệ số ngưỡng, c 0 = -
Trong mô hình tự hồi quy từng phần chuyển tiếp điểm, ký hiệu I(A) được định nghĩa là I(A) = 1 khi A xuất hiện và 0 khi A không xuất hiện Hơn nữa, các biến ngẫu nhiên 𝜀 𝑡 được giả định là phân phối đồng nhất với kỳ vọng bằng 0 và phương sai bằng 1, trong khi các tham số 𝜎 𝑗 phải lớn hơn 0 cho mọi j từ 1 đến r Một lựa chọn phổ biến trong thực tế cho mô hình này là mô hình TAR với hai cơ chế.
Mô hình SETAR đã được áp dụng rộng rãi trong lĩnh vực kinh tế, với nghiên cứu toàn diện của Tong (1990) về mô hình và thống kê dữ liệu Một trong những đặc điểm nổi bật của mô hình này là khả năng tạo ra chu kỳ giới hạn tại một số giá trị tham số, cho phép ước lượng ngoại suy của chuỗi mà không bị mất mát Mặc dù mô hình này được sử dụng chủ yếu trong khoa học, ứng dụng đầu tiên của nó là trong chuỗi thời gian sinh thái và lỗ hổng mặt trời hàng năm, như được đề cập bởi Tong và Lim (1980), trước khi mở rộng ra nhiều lĩnh vực kinh tế khác.
Mô hình TAR-động lực, được Enders và Granger (1998) phát triển, là một trường hợp đặc biệt của SETAR, trong đó các cơ chế và biến ngưỡng y t-d được thay thế bởi sai phân bậc một ∆y t-d Mô hình này có khả năng mô tả các quá trình không đối xứng trong tỷ lệ tăng trưởng, chẳng hạn như sự phát triển nhanh chóng của chuỗi nhưng quay trở lại chậm ở mức thấp hơn Bên cạnh đó, mô hình ba cơ chế cũng cần được xem xét, trong đó cơ chế giữa mô tả một bước đi ngẫu nhiên, trong khi các chế độ bên ngoài duy trì sự ổn định, góp phần vào sự ổn định tổng thể của quá trình TAR.
Cơ chế giữa được xác định bởi điều kiện 𝑐 1 < 𝑦 𝑡−1 < 𝑐 2, với 𝑐 1 < 0 và 𝑐 2 = −𝑐 1 Trong cơ chế này, hệ số hồi quy 𝛼 2 được đặt bằng 1, trong khi đó 𝛼 𝑗 < 1 với 𝑗 = 1,3 Balke và Fomby (1997) đã áp dụng mô hình này để xác định ngưỡng đồng liên kết, đồng thời giả định rằng phương sai của sai số không thay đổi qua các cơ chế.
Mô hình SETAR với hai chế độ (một ngưỡng) có khả năng đặc trưng cho hành vi bất đối xứng trong chu kỳ kinh doanh Cụ thể, khi y t-d đo lường giai đoạn của chu kỳ kinh doanh, các mô hình SETAR có thể mô tả các quá trình biến động khác nhau trong giai đoạn bùng nổ so với giai đoạn suy thoái, như đã được chỉ ra bởi Potter (1995) và Peel và Speight (1998).
Mô hình tinh tế hơn bao gồm hơn hai chế độ để mô tả các giai đoạn khác nhau của chu kỳ kinh doanh, theo Tiao và Tsay (1994) với mô hình bốn cơ chế Các tác giả nhấn mạnh rằng các thông số ngưỡng trong mô hình này có sự phân biệt rõ ràng.
Mô hình SETAR có thể được xem là một mô hình hồi quy chuyển đổi, bao gồm một phương trình đa biến duy nhất, và đã được đề cập trong nhiều tài liệu nghiên cứu về chuỗi thời gian.
Mô hình SETAR chuẩn trong kinh tế lượng chuỗi thời gian là một mô hình tự hồi quy với r-1 điểm gãy, trong đó biến y t-d được thay thế bằng biến thời gian t hoặc thời gian chuẩn hóa t/T, với T là số quan sát Nhiều học thuyết và nghiên cứu đã được thực hiện để xác định số điểm gãy cấu trúc và ước lượng các điểm gãy c1, …, cr (Bai, 1997).
Mô hình tự hồi quy theo hàm số mũ
Mô hình hồi quy theo hàm số mũ (EAR) do Haggan và Ozaki giới thiệu vào năm 1981 là một ví dụ điển hình về mô hình phi tuyến với sự chuyển tiếp liên tục.
𝑦 𝑡 = ∅ ′ 𝑧 𝑡 + 𝜃 ′ 𝑧 𝑡 𝐺 𝐸 (𝛾, 𝑦 𝑡−1 ) + 𝜀 𝑡 = {∅ + 𝜃𝐺 𝐸 (𝛾, 𝑦 𝑡−1 )} ′ 𝑧 𝑡 + 𝜀 𝑡 (4) z t giống như (1), 𝜙 = (𝜙 0 , 𝜙 1 , … , 𝜙 𝜑 ) ′ 𝑣à 𝜃 = (𝜃 0 , 𝜃 1 , … , 𝜃 𝜑 ) ′ là các hệ số của các vector và ), 𝜙 0 = 𝜃 0 = 0, vì vậy mô hình không bao gồm hệ số chặn, và
𝜀 𝑡 ~𝑖𝑖𝑑(0, 𝜎 2 ) Hàm chuyển tiếp sẽ là:
Hàm (5) là hàm đối xứng qua 0, và nằm trong khoảng giá trị 1, và 𝐺 𝐸 →
Mô hình được đề cập có thể được hiểu như một mô hình tự hồi quy tuyến tính với hệ số thời gian ngẫu nhiên, cho phép tạo ra các rung động ngẫu nhiên phi tuyến Khi tham số 𝛾 tiến gần về 0, mô hình trở nên tuyến tính, tương tự như khi 𝛾 tiến gần về vô cùng, trong đó 𝐺 𝐸 (𝛾, 𝑦 𝑡−1 ) = 0 trừ khi 𝑦 𝑡−1 = 0 Tong (1990) đã thực hiện một cuộc thảo luận chi tiết về các chuỗi này và các mô hình phi tuyến để mô phỏng chúng, chỉ ra rằng mô hình EAR có khả năng tạo ra chu kỳ giới hạn.
Mô hình EAR có thể được mở rộng thông qua hệ số chặn 𝜙 0 ≠ 0 hoặc 𝜃 0 ≠ 0, hoặc cả hai Một trường hợp khác là không yêu cầu tính đối xứng của hàm chuyển tiếp (5) xung quanh điểm không, bằng cách thêm một tham số vị trí c và cho phép độ trễ 𝑑 ≥ 1.
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình chuỗi thời gian phi tuyến sẽ được áp dụng trong phân tích thực nghiệm, với ba dự đoán chính cho mô hình trong nghiên cứu này.
- Đầu tiên, lạm phát cao hơn (giá trị tuyệt đối) dẫn đến mức độ ERPT cao hơn?
- Thứ hai, ERPT được biểu diễn như là một hàm đối xứng của các tỷ lệ lạm phát trong quá khứ xung quanh giá trị 0?
ERPT có thể được xem như một sự chuyển đổi mượt mà hơn là chuyển đổi đột ngột, bằng cách sử dụng tỷ lệ lạm phát trong quá khứ như một biến chuyển đổi chấp nhận được với nhiều độ trễ Để tích hợp những đặc điểm này vào một mô hình tham số đơn giản, tôi chủ yếu áp dụng mô hình STAR mũ (ESTAR), với hàm chuyển đổi dạng U đối xứng được mô tả bởi hàm mũ.
Zt là biến chuyển đổi và γ (> 0) là tham số xác định độ trơn của sự chuyển đổi Mô hình STAR, được đề xuất đầu tiên bởi Haggan và Ozaki (1981) và sau đó được tổng quát hóa bởi Granger và Terősvirta (1993) cùng Terősvirta (1994), là một công cụ phổ biến trong phân tích Mục tiêu của nghiên cứu này là xác định mối quan hệ giữa πt và Δ(St + Pt*), thông qua việc ước lượng một biến thể hai chiều của các mô hình ESTAR, với phương trình cụ thể là πt = ỉ0 + ∑Nj=1 ỉ1,j πt−j + ∑N−1j=0 ỉ2,j Δ(St−j + Pt−j*).
Trong nghiên cứu này, chúng tôi sử dụng mô hình lý thuyết với giả định rằng ɛt ~i.i.d.(0, 𝜎 ɛ 2 ) Mức độ trễ của πt và Δ (St + 𝑃 𝑡 ∗ ) trong phương trình (23) xuất phát từ dự báo của mô hình lý thuyết đã được đề cập Mặc dù mô hình lý thuyết của tôi đề xuất một phương pháp đa biến chuyển đổi, nhưng ở đây, tôi tập trung vào một chỉ định cuối cùng đơn giản (parsimonious specification) và áp dụng trung bình trượt (moving average) của tỷ lệ lạm phát trong quá khứ như một biến chuyển đổi duy nhất.
Trong khuôn khổ mô hình ESTAR, tôi quan tâm đến việc xác định ERPT thay đổi theo thời gian, được tính bằng công thức ERPT = ỉ2,0 + ỉ4,0G(Zt; γ) Để đảm bảo ERPT nằm trong khoảng [0,1], chúng tôi đặt ràng buộc 0 ≤ ỉ2,0 ≤ 1 và ỉ2,0 + ỉ4,0 = 1.
Trong phân tích của tôi, bên cạnh mô hình ESTAR, tôi cũng xem xét các loại mô hình STAR khác dựa trên hàm chuyển đổi dạng U, được xây dựng từ sự kết hợp của hai hàm logistic Các biến thể của mô hình LSTAR đã được Granger và Teräsvirta (1993) cùng Bec cựng và cộng sự (2004) nghiên cứu, thường được gọi là mô hình LSTAR 3 trạng thái Tôi sẽ gọi mô hình này là mô hình LSTAR kép (DLSTAR) để nhấn mạnh sự hiện diện của hai hàm logistic Hàm chuyển đổi trong mô hình DLSTAR được xác định bởi
Trong đó, γ1 và γ2 (lớn hơn 0) là các tham số xác định độ trơn của sự chuyển đổi trong các miền dương và âm, trong khi c1 và c2 (lớn hơn 0) đóng vai trò là các tham số vị trí.
Các định nghĩa của tất cả các biến và tham số trong mô hình ESTAR vẫn giữ nguyên Hàm quan tâm ERPT của tôi được tính toán theo cách tương tự.
Lý do xem xét các chỉ định khác của hàm chuyển đổi là rất quan trọng Theo van Dijk và cộng sự (2002), hàm chuyển đổi trong mô hình ESTAR sẽ trở nên bất biến khi γ tiến tới vô cùng Do đó, mô hình này cần được điều chỉnh để đảm bảo tính chính xác và hiệu quả trong phân tích.
Theo Kilian và Taylor (2003), tôi sử dụng biến chuyển đổi Z t = √𝑑 −1 ∑ 𝑑 𝑗=1 𝜋 𝑡−𝑗 2, cho kết quả tương tự Kết quả chủ yếu không bị ảnh hưởng ngay cả khi biến chuyển đổi của tôi được thay thế bằng phương pháp này.
Mô hình DLSTAR khác biệt với các mô hình STAR nhiều trạng thái được xác định bởi van Dijk và cộng sự (2002) vì không lồng ghép mô hình TAR với sự chuyển đổi rời rạc như lý thuyết dự báo cho hai nhóm công ty Thay vào đó, DLSTAR bao gồm mô hình TAR bằng cách cho γ1 và γ2 tiến về vô cùng, cho phép điều chỉnh đối xứng (γ1 = γ2) và bất đối xứng (γ1 ≠ γ2) giữa các miền dương và âm Điều này cho phép tôi nghiên cứu mối quan hệ giữa ERPT và tỷ lệ lạm phát trễ ngoài mô hình đơn giản Trong quá trình ước lượng mô hình DLSTAR, tôi áp dụng cả hai chỉ định điều chỉnh đối xứng và bất đối xứng.
Chý ý rằng tất cả các chỉ định trong phân tích của tôi có thể được trình bày như sau: π t = 𝑥 𝑡 ′ ỉ 1 + G(Z t ; θ) 𝑥 𝑡 ′ ỉ 2 + ε t trong đó, lần lượt xt = (1, πt-1,…, πt-N, Δ (𝑆 𝑡 + 𝑃 𝑡 ∗ ),…, Δ (𝑆 𝑡−𝑁+1 + 𝑃 𝑡−𝑁+1 ∗ ))’, Zt = d -1
Trong nghiên cứu này, tôi áp dụng các mô hình ESTAR với tham số θ = γ và mô hình DLSTAR đối xứng với θ = (γ, c)’ cùng với mô hình DLSTAR bất đối xứng có tham số θ = (γ1; γ2; c1; c2)’ Dựa theo phương pháp của van Dijk và cộng sự (2002), tôi thực hiện kiểm định tuyến tính bằng nhân tử Lagrange (LM) để so sánh với các mô hình STAR Mô hình giả định được sử dụng là π t = 𝑥 𝑡 ′ β 0 + 𝑥 𝑡 ′ Z t β 1 + 𝑥 𝑡 ′ 𝑍 𝑡 2 β 2 + 𝑥 𝑡 ′ 𝑍 𝑡 3 β 3 + ε t.
Cho ẽ t = π t - 𝑥 𝑡 ′ 𝛽̃ 0 là phần dư hồi quy từ phương trình (24) với các ràng buộc β 1
Để kiểm tra giả thuyết β2 = β3 = 0, ta sử dụng phần dư εt từ hồi quy đầy đủ theo phương trình (24) Thống kê kiểm định LM được tính bằng công thức LM = T(SSR0 – SSR1)/SSR0, trong đó SSR0 là tổng bình phương sai số cho mô hình không có biến độc lập.
= ∑ ẽ 𝑡 2 và SSR 1 =∑ ê 𝑡 2 Thống kê LM tiệm cận theo phân phối χ2 với bậc tự do 3 (2N +
1) dưới giả thiết HO là tuyến tính Để cải thiện thuộc tính kích thước mẫu hạn chế (hữu hạn), Terọsvirta (1994) cũng đề xuất dựng F của thống kờ kiểm định LM được đưa ra như sau:
Thống kê F được tính toán theo phân phối F với bậc tự do 3 (2N + 1) và T - 4(2N + 1) dưới giả thuyết H0 Bên cạnh đó, tôi áp dụng một biến thể đã điều chỉnh cho phương sai thay đổi (heteroskedasticity-robust) của kiểm định LM, theo đề xuất của Granger và Terősvirta (1993), và biểu thị thống kê kiểm định bằng LM*.
KẾT QUẢ NGHIÊN CỨU
DỮ LIỆU VÀ KIỂM TRA TÍNH TUYẾN TÍNH
Tất cả dữ liệu trong ước lượng STAR được lấy từ thống kê Invest in Forex trading và Asia Regional Integration Center Biến hồi quy độc lập chính trong hồi quy ERPT bao gồm những thay đổi hàng tháng trong tỷ giá hối đoái danh nghĩa và giá nhập khẩu bằng ngoại tệ (IMP) Giá đô la Mỹ mà nhà nhập khẩu Việt Nam thanh toán là giá nhập khẩu đã được điều chỉnh theo từng thời kỳ bằng phương pháp X12-ARIMA Phương pháp này giúp loại bỏ các yếu tố mùa vụ, ví dụ như chỉ số giá tiêu dùng CPI thường cao vào dịp Tết, từ chuỗi dữ liệu, tạo ra dữ liệu sạch hơn cho phân tích và dự báo Việc xử lý dữ liệu bằng X12-ARIMA cho phép chúng ta phân tích chính xác hơn mà không bị ảnh hưởng bởi các yếu tố mùa vụ.
Giá nhập khẩu được xác định dựa trên giá "Miễn trách nhiệm trên boong tàu nơi đi (FOB)" tại cảng nước ngoài hoặc giá "CIF" bao gồm cả bảo hiểm và phí vận chuyển hàng hóa tại cảng Việt Nam, tùy thuộc vào thực tiễn của từng ngành công nghiệp.
Theo giả định về hằng số iceberg chi phí giao dịch, tỷ lệ này tỷ lệ thuận với giá nhập khẩu bằng đồng nội tệ, có thể được sử dụng để tính toán các thay đổi hàng tháng của giá cả hàng hóa nhập khẩu, bao gồm cả các chi phí giao dịch.
Hình 3-1: Chỉ số giá nhập khẩu (IMP) của Việt Nam qua các năm
Nguồn: Tính toán trên Eview 8
Hình 3-2: Thống kê mô tả chuỗi dữ liệu IMP
Mean 103.8837 Median 103.9557 Maximum 120.3924 Minimum 88.48411 Std Dev 6.621207 Skewness 0.068229 Kurtosis 3.183330
Nguồn: Tính toán trên Eview 8
Lạm phát được đo lường thông qua chỉ số giá tiêu dùng (CPI), phản ánh mức giá mà người tiêu dùng phải trả cho hàng hóa cuối cùng Trong mô hình này, lạm phát hàng tháng (πt) được tính dựa trên CPI điều chỉnh theo từng thời kỳ Dữ liệu của nghiên cứu kéo dài từ tháng 01/1995 đến 12/2012, ghi nhận những giai đoạn lạm phát cao vào cuối những năm 1998, 2007, 2011, cũng như sự ổn định tương đối trong môi trường lạm phát sau đó, bên cạnh sự gia tăng giá dầu gần đây.
Hình 3-3: Chỉ số gia tiêu dùng (CPI) của Việt Nam qua các năm
Nguồn: Tính toán trên Eview 8
Hình 3-4: Thống kê mô tả chuỗi dữ liệu CPI
Mean 73.02344 Median 57.61260 Maximum 148.0945 Minimum 41.67919 Std Dev 29.36410 Skewness 1.143905 Kurtosis 3.074522
Nguồn: Tính toán trên Eview 8
Hình 3-5: Chỉ số lạm phát thông qua CPI của Việt Nam
Nguồn: Tính toán trên Win Rats 8.3
Kiểm tra tính dừng của chuỗi dữ liệu CPI và IMP là rất quan trọng, vì nó ảnh hưởng đến hành vi của biến số thời gian Nếu chuỗi không dừng, tác động của cú sốc có thể kéo dài vô thời hạn và dẫn đến kết quả hồi quy giả tạo, với hệ số R² cao mặc dù không có tương quan thực sự giữa các biến Hơn nữa, nếu biến số không dừng, các giả định về phân phối chuẩn trong phân tích hồi quy sẽ không còn giá trị, làm cho t-ratio không tuân theo phân phối t, từ đó không thể kiểm định giả thuyết về giá trị của các hệ số hồi quy Để kiểm tra tính dừng, có thể sử dụng kiểm định KPSS để xác định chuỗi có dừng theo xu hướng xác định hay là xu hướng ngẫu nhiên.
Dựa vào kết quả kiểm định KPSS, CPI và IMP được xác định là biến không dừng theo xu hướng ngẫu nhiên ở mức ý nghĩa 10%, cho thấy đây là chuỗi thời gian không dừng trong phương sai Để xử lý các chuỗi thời gian này, chúng ta thực hiện lấy sai phân bậc 1 sau khi chuyển đổi dữ liệu bằng cách lấy logarit của CPI và IMP, phương pháp này không chỉ ổn định phương sai mà còn cải thiện tính phân phối chuẩn Cuối cùng, sau khi thực hiện chuyển đổi và lấy sai phân bậc 1, chúng ta sẽ kiểm tra lại tính dừng của dữ liệu này.
Bảng 3-1: Kiểm định tính dừng cho các biến
BIẾN KÝ HIỆU KPSS TÍNH DỪNG
Thay đổi trong giá nhập khẩu bằng ngoại tệ (IMP) Δ(st+pt *)0x(lnIMPt- lnIMPt-1) = DS 0.37* 4.81***
Lạm phát πt0x(lnCPIt-lnCPIt-1) DP 1.62*** 5.82***
Nguồn: Tính toán trên Eview 8
Sau khi thực hiện chuyển đổi dữ liệu và lấy sai phân bậc 1 của CPI và IMP, kết quả cho thấy chuỗi thời gian đã dừng ở sai phân bậc 1 Từ chuỗi thời gian này, hai biến thời gian được sử dụng trong mô hình STAR là Δ(st+pt *)0x(lnIMPt - lnIMPt-1) và πt0x(lnCPIt - lnCPIt-1), liên quan đến mối quan hệ giữa truyền dẫn tỷ giá (ERPT) và lạm phát Nghiên cứu cho thấy sự thay đổi trong giá nhập khẩu và lạm phát trong nước gần như tương đương với sai phân bậc 1, do đó chuỗi dữ liệu có thể được coi là dừng ở bậc 1.
Chúng ta tiến hành chọn độ trễ tối ưu cho mô hình STAR thông qua VAR Lag Selection dựa trên tiêu chí AIC cho Δ(st+pt *)0x(lnIMPt-lnIMPt-1) và πt0x(lnCPIt-lnCPIt-1) Kết quả kiểm định cho thấy độ trễ Lag = 5 là tối ưu nhất cho cả hai biến số, mặc dù độ trễ tối ưu riêng của πt là 6.
Bảng 3-2: Lựa chọn độ trễ cho các biến trong mô hình
Nguồn: Tính toán trên Win Rats 8.3
Để kiểm tra sơ bộ, chúng ta thực hiện kiểm tra LM tuyến tính cho lựa chọn thay thế STAR Kết quả với N = 5 và d từ 1 đến 5 được trình bày trong Bảng 3-2 Lạm phát được sử dụng làm biến phụ thuộc và biến chuyển đổi, trong đó chỉ số giá tiêu dùng đại diện cho lạm phát tại Việt Nam F-stat cho thấy rằng dao động của lạm phát có tính phi tuyến tính với tất cả các giá trị của d Kiểm định LM, được đề xuất bởi Granger và Terősvirta (1993), sử dụng hệ số phương sai đã qua hiệu chỉnh, cho kết quả khá mạnh.
Bảng 3-3: Kiểm tra thay thế tuyến tính
Nguồn: Tính toán trên Win Rats 8.3 Độ trễ N=5 Kiểm định LM test, F-Stat và heteroskedasticity-robust của LM.
MÔ HÌNH ESTAR
Độ trễ được cố định N = 5 và lấy các giá trị của d từ 1 đến 5 để làm tối thiểu hóa (SSR) của phương trình (23)
Bảng 3-4: Lựa chọn độ trễ cho biến chuyển tiếp mô hình ESTAR
Nguồn: Tính toán trên Win Rats 8.3
Quy trình này dẫn đến việc chọn d = 1 Bắt đầu với mô hình có N = 5, tôi liên tục loại bỏ các biến trễ có t với tham số tương ứng
