Bất ổn tài chính và khu vực kinh tế thực: Trường hợp các nước đang phát triển khu vực ASEAN.

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH TRẦN THỊ VÂN TRÀ BẤT ỔN TÀI CHÍNH VÀ KHU VỰC KINH TẾ THỰC TRƯỜNG HỢP CÁC NƯỚC ĐANG PHÁT TRIỂN KHU VỰC ASEAN L.

GIỚI THIỆU TỔNG QUAN

Lý do nghiên cứu

Trước chiến tranh thế giới thứ hai, các cuộc khủng hoảng tài chính xảy ra khá ít chủ yếu ở Hoa Kỳ với tổng cộng 11 cuộc khủng hoảng nghiêm trọng giai đoạn trong thể kỷ 19 đến đầu thế kỷ 20 Từ giữa thế kỷ 20 với xu hướng tự do hóa tài chính diễn ra ở nhiều khu vực và quốc gia trên thế giới thì các cuộc khủng hoảng tài chính trở nên thường xuyên hơn, phạm vi rộng hơn, và mức độ thiệt hại cũng như các tác động tăng lên đáng kể Hoa Kỳ trải qua sự sụp đổ các tổ chức tiết kiệm vào thập niên

80 Khủng hoảng ngân hàng cũng xảy ra ở các nước phát triển Châu Âu trong khoảng thời gian này và đến thập niên 90 xuất hiện đối với Nhật Bản Đối với các nước đang phát triển, khủng hoảng cũng xảy ra ở nhiều nước ở các khu vực khác nhau Sự sụp đổ hệ thống ngân hàng xảy ra đối với các nước Chile, Argentina, và Uruguay vào đầu thập niên 80, tiếp đến là Mexico năm 1994-1995, và khủng hoảng tài chính Châu Á năm 1997-1998 Gần đây nhất là cuộc khủng hoảng nợ dưới chuẩn ở Hoa Kỳ năm 2007 nhanh chóng mở rộng thành cuộc khủng hoảng tài chính phạm vi toàn cầu Mức độ lan truyền tới nhiều khu vực trên thế giới Đối với các nước đang phát triển và thị trường mới nổi, hệ thống tài chính cũng chịu ảnh hưởng nặng thông qua các kênh như: tác động lan truyền, sự dịch chuyển của dòng vốn đầu tư quốc tế (Cevik, Dibooglu, & Kenc, 2016).

Thiệt hại từ các cuộc khủng hoảng cũng tăng lên đáng kể từ giữa cuối thế kỷ

20 Nếu cuộc khủng hoảng ngân hàng ở Hoa Kỳ dẫn đến cuộc Đại suy thoái những năm 30, tổn thất cũng chỉ khoảng 3% GDP (Calomiris & Hubbard, 1989), thì các cuộc khủng hoảng nữa cuối thế kỷ 20 trở lại đây mức thiệt hại tăng đáng kể Khủng hoảng tài chính toàn cầu năm 2008 với chi phí chiếm trên 80% GDP 2007 của Hoa kỳ (Luttrell, Atkinson, & Rosenblum, 2013), chưa tính đến những thiệt hại ở các quốc gia khác do bị ảnh hưởng.

Bên cạnh đó, những hệ quả đến nền kinh tế từ sau khủng hoảng tài chính năm 2008 cũng khá nặng nề Hoạt động kinh tế bị suy giảm xảy ra hơn một nữa số các quốc gia trên thế giới Mức suy giảm kinh tế cao hơn so với trước khủng hoảng. Trong đó, trong số những nước trải qua khủng hoảng năm 2008 thì 85 phần trăm có hoạt động kinh tế giảm thấp hơn so với thời kỳ trước khủng hoảng Đối với những nước không chịu ảnh hưởng trực tiếp từ khủng hoảng con số nhỏ hơn với khoảng 65 phần trăm (Wenjie, Mrkaic & Nabar, 2018).

Xuất phát từ bối cảnh thực tiễn trên, việc giám sát sự ổn định của hệ thống tài chính có vai trò quan trọng đối với cơ quan quản lý tiền tệ các nước trên thế giới trong việc ứng phó với khủng hoảng tài chính (Borio và Drehemann, 2010) Bên cạnh đó, để giảm tác động của bất ổn khu vực tài chính đến tăng trưởng kinh tế, các ngân hàng trung ương bắt đầu hướng đến mục tiêu ổn định hệ thống tài chính trong quản lý giám sát và thực thi chính sách tiền tệ (Creel, Hubert & Labondance, 2015).

Do đó, nhu cầu cần có công cụ giám sát hiệu quả tình trạng bất ổn của hệ thống tài chính trở nên quan trọng và cấp thiết.

1.1.2 Tổng quan các nghiên cứu

Nếu trước khủng hoảng tài chính toàn cầu, vai trò của khu vực tài chính, đặc biệt là những bất ổn, rất mờ nhạt trong các lý thuyết về mô hình tăng trưởng kinh tế thì sau sự kiện này, từ bối cảnh thực tiễn với những tác động của cuộc khủng hoảng, chủ đề này được rất nhiều các nghiên cứu về lý thuyết và thực nghiệm quan tâm (Aboura & van Roye, 2017) Có ba vấn đề đặt ra trong lĩnh vực nghiên cứu cũng như về khía cạnh chính sách:

Thứ nhất là về xây dựng công cụ đo lường bất ổn tài chính Để giám sát hiệu quả tình trạng ổn định của hệ thống tài chính, các nghiên cứu đưa ra nhiều phương pháp đo lường khác nhau Một số phương pháp như bộ chỉ số an toàn tài chính củaIMF và ECB dựa vào dữ liệu kế toán Các chỉ số này chỉ tập trung vào đánh giá trong quá khứ hoặc hiện tại và ít hướng về dự báo trong tương lai (Borio vàDrehmann, 2009) Các chỉ số dựa vào dữ liệu thị trường nhưng chỉ đánh giá một phần của hệ thống tài chính như chỉ số đánh giá khả năng vỡ nợ (PD_Probability ofDefault).

Sau khủng hoảng tài chính toàn cầu 2008, nhiều nghiên cứu tập trung vào đo lường bất ổn tài chính bằng chỉ số căng thẳng tài chính (FSI) Đây là chỉ số tổng hợp thông tin của các khu vực khác nhau của hệ thống tài chính nhằm đánh giá bất ổn của toàn hệ thống, đo lường mức căng thẳng tài chính một cách liên tục và đánh giá được nguồn gốc gây ra khủng hoảng (Cevik và cộng sự, 2013).

Tuy nhiên, để xây dựng được chỉ số căng thẳng tài chính phản ánh hiệu quả tình trạng bất ổn của hệ thống tài chính tùy thuộc vào nhiều yếu tố khác nhau như: phạm vi áp dụng của chỉ số (từng nước hay từng nhóm nước, nước phát triển hay nước đang phát triển), mức độ phát triển của hệ thống tài chính, sự sẵn có của số liệu (Elekdag, Cardarelli, & Lall, 2009) Điều này đòi hỏi có sự cân nhắc trong việc chọn ra những khu vực quan trọng của hệ thống tài chính, lựa chọn các chỉ số bất ổn tài chính riêng lẻ, sử dụng phương pháp tổng hợp phù hợp, cũng như phương pháp đánh giá chỉ số Thứ hai là về xác định và đánh giá đặc điểm của giai đoạn bất ổn tài chính Với thước đo về mức độ bất ổn của hệ thống tài chính, một vấn đề quan trọng hơn là đánh giá xem tình trạng bất ổn tài chính của một giai đoạn nào đó có phải một vấn đề quan tâm về mặt chính sách hay không, hay nói cách khác giai đoạn được xem là có bất ổn tài chính được xác định như thế nào Theo Liang

(2013), khủng hoảng tài chính toàn cầu năm 2008 với tính lan truyền tài chính rộng và tác động sâu sắc đến suy thoái kinh tế thế giới có thể được xem là giai đoạn bất ổn tài chính cao nhưng đối với những giai đoạn bất ổn khác thì rất khó để xác định. Để phân biệt giai đoạn bất ổn với giai đoạn bình thường, các nghiên cứu chủ yếu đưa ra phương pháp xác định giá trị ngưỡng bằng thống kê đơn giản, trong đó chỉ số đo lường bất ổn vượt quá giá trị ngưỡng nhất định Phương pháp này được đánh giá là mang tính chủ quan (Duprey, Klaus và Peltonen, 2017) Một số nghiên cứu gần đây sử dụng mô hình định lượng phi tuyến để xác định các giai đoạn bất ổn tài chính (Duprey, Klaus và Peltonen, 2017; Duprey và Klaus, 2017) Phương pháp định lượng được xem là khách quan và phản ánh được đặc trưng biến động của giai đoạn bất ổn định tài chính Tuy nhiên, các nghiên cứu này còn khá ít và chỉ tập trung ở các nước phát triển Đối với các nước đang phát triển, chưa có một nghiên cứu nào sử dụng phương pháp này trong đo lường giai đoạn bất ổn tài chính.

Thứ ba là về mối quan hệ giữa khu vực tài chính và sự tăng trưởng của khu vực kinh tế thực khi xảy ra bất ổn tài chính Trước khủng hoảng tài chính toàn cầu, vai trò của thị trường tài chính trong nền kinh tế không được chú trọng cả về nghiên cứu và điều hành chính sách Các ngân hàng trung ương chủ yếu tập trung vào mục tiêu ổn định giá nhằm thúc đẩy tăng trưởng kinh tế Các qui định quản lý khu vực ngân hàng cũng nới lỏng dần nhiều thập kỷ cho đến trước khủng hoảng Trong hầu hết các mô hình kinh tế vĩ mô, thị trường tài chính chỉ được đề cập ở vai trò phát triển của thị trường và hầu như không đề cập đến sự mất cân đối hay căng thẳng khu vực tài chính (Aboura & Roye, 2017).

Sau khủng hoảng tài chính, liên kết tài chính và kinh tế vĩ mô được đánh giá lại cả về lý thuyết lẫn nghiên cứu thực nghiệm Vai trò của bất ổn tài chính bắt đầu được chú ý đến Một trong cách lý giải cho liên kết này là lý thuyết về gia tốc tài chính Sự tồn tại các ma sát tài chính trên thị trường, các cú sốc ngược từ bên ngoài bị khuếch đại và truyền dẫn tạo ra sự tương tác giữa thị trường tài chính và khu vực kinh tế thực (Kiyotaki & Moore, 1997) Đặc điểm về sự tương tác giữa hai khu vực cũng có nhiều tranh luận Một số nguyên cứu cho rằng, cơ chế gia tốc tài chính tạo ra tương tác giữa hai khu vực sẽ giảm dần và đưa nền kinh tế về trạng thái cân bằng (Bernanke và Gilchrist, 1999), một số ý kiến khác lại cho thấy một cơ chế nội sinh tạo ra vòng lặp tương tác và dẫn đến vòn xoáy giảm sâu (Brunnermeier và Sannikov, 2014).

Về khía cạnh thực nghiệm, quan hệ tác động giữa bất ổn khu vực tài chính và khu vực kinh tế thực được tìm thấy trong nhiều nghiên cứu đối với các quốc gia phát triển Bên cạnh một số nghiên cứu cho thấy bất ổn tài chính có tác động đến khu vực kinh tế thực và ngược lại từ khu vực kinh tế thực đến bất ổn khu vực tài chính (Apostolakis & Papadopoulos, 2015; Polat & Ozkan, 2019) Các nghiên cứu khác đi sâu hơn tìm thấy tính chất phụ thuộc trạng thái của mối liên kết này Trong giai đoạn bình thường, không tồn tại tác động hoặc mức tác động không đáng kể giữa khu vực tài chính và khu vực kinh tế thực Nhưng khi nền kinh tế rơi vào trạng thái bất ổn cao, tác động giữa bất ổn tài chính và khu vực kinh tế thực diễn ra mạnh hơn và kéo dài hơn (Hollo và cộng sự, 2012) Kết quả này cho thấy tồn tại cơ chế gia tốc tài chính dẫn đến vòng xoáy giảm sâu giữa khu vực tài chính và khu vực kinh tế thực. Đối với các nước đang phát triển, các nghiên cứu chủ yếu tập trung vào sự tương tác hướng đến trạng thái cân bằng hay tác động tuyến tính (Cevik, Dibooglu

& Kenc, 2016) Hầu như không có các nghiên cứu tập trong vào tác động phi tuyến trong mối quan hệ này.

1.1.3 Sự cần thiết nghiên cứu đối với các nước đang phát triển khu vực

ASEAN Trong những thập kỷ gần đây, hệ thống tài chính các nước ASEAN trải qua nhiều biến động Đỉnh điểm là cuộc khủng hoảng tiền tệ ở Châu Á năm 1997 tác động nặng nhất đến các nước thị trường mới nổi như Indonesia, Thái Lan, Malaysia và Philippines Đồng Baht của Thái Lan buộc phải thả nổi và sau đó lan sang các nước còn lại với sự sụp đổ của đồng nội tệ Một số nước cần đến sự trợ giúp của IMF trong lúc Malaysia áp đặt kiểm soát vốn Hệ quả là tỷ lệ tăng trưởng GDP các nước bị âm ở mức 8 đến 10% (Park, Ramayandi & Shin 2013) Mặc dù có kinh nghiệm trong xử lý khủng hoảng, các nước trong đó có Việt Nam vẫn chịu ảnh hưởng bởi các cuộc khủng hoảng tiếp theo sau đó như khủng hoàng tài chính toàn cầu năm 2008, khủng hoảng nợ công Châu âu năm 2011 với sự sụt giảm mạnh trên các thị trường cổ phiếu, trái phiếu và thị trường ngoại hối do dòng vốn đầu tư gián tiếp sụt giảm (Brunschwig và cộng sự, 2011; Lee và cộng sự, 2013) Bất ổn của các thị trường tài chính các nước ASEAN vẫn tiếp tục tăng lên khi có các biến động trên thị trường tài chính toàn cầu như sự kiện Taper Tantrum năm 2013 và gần đây nhất là đại dịch Covid-19 Do vậy, việc giám sát mức độ bất ổn của khu vực tài chính đối với các nước ASEAN vẫn luôn cần thiết ở góc độ chính sách.

Về tác động của bất ổn đến khu vực kinh tế thực, mặc dù không xuất phát từ khu vực các nước Đông Nam Á nhưng khủng hoảng tài chính toàn cầu năm 2008 cũng đã tác động đến hệ thống tài chính của các nước qua nhiều kênh như tác động lan truyền với sự đảo chiều dòng vốn và kênh thương mại xuất nhập khẩu Kết quả là hoạt động kinh tế bị thu hẹp Tốc độ tăng trưởng GDP trung bình khu vựcASEAN giảm từ 6.4 phần trăm năm 2007 xuống còn 4.3 phần trăm năm 2008, và giảm tiếp dưới 1 phần trăm năm 2009 (ADB, 2009) Hệ thống tài chính các nước trong khu vực cũng chịu tác động bởi các cú sốc bên ngoài giai đoạn sau đó như khủng hoảng nợ Châu Âu 2011, sự kiện Taper Tantrum.

Mục tiêu nghiên cứu

Mục tiêu chung của luận án là đánh giá mối quan hệ giữa bất ổn tài chính và khu vực kinh tế thực đối với các nước đang phát triển khu vực ASEAN, từ đó luận án đưa ra một số gợi ý chính sách nhằm hạn đảm bảo sự ổn định của hệ thống tài chính của từng nước và trong khu vực ASEAN.

1.2.2 Mục tiêu cụ thể Để hoàn thành mục tiêu chung, luận án cần hoàn thành các mục tiêu cụ thể như sau:

 Thứ nhất, đo lường bất ổn tài chính đối với từng nước đang phát triển khu vực ASEAN

 Thứ hai, xác định các giai đoạn bất ổn tài chính đối với từng nước đang phát triển khu vực ASEAN

 Thứ ba, đánh giá sự khác biệt trong mối quan hệ giữa bất ổn tài chính và khu vực kinh tế thực giữa giai đoạn bất ổn tài chính cao và giai đoạn bất ổn tài chính thấp

 Thứ tư, đưa ra các gợi ý chính sách cho các cơ quan quản lý và thực thi chính sách đối với các nước trong khu vực ASEAN.

Câu hỏi nghiên cứu

Từ các mục tiêu trên, các câu hỏi nghiên cứu được đưa ra như sau:

 Bất ổn tài chính tại các nước đang phát triển khu vực ASEAN được thể hiện thế nào?

 Các nước đang phát triển khu vực ASEAN trải qua các giai đoạn bất ổn tài chính như thế nào?

 Sự tương tác giữa bất ổn tài chính và khu vực kinh tế thực khác nhau như thế nào giữa giai đoạn bất ổn tài chính cao và giai đoạn bất ổn tài chính thấp đối với các nước đang phát triển khu vực ASEAN?

 Các gợi ý chính sách nào cho các cơ quan quản lý và thực thi chính sách trong việc giám sát và quản lý sự ổn định hệ thống tài chính đối với các nước trong khu vực ASEAN?

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận án là đo lường bất ổn tài chính bằng chỉ số căng thẳng tài chính, xác định giai đoạn bất ổn tài chính, và mối quan hệ giữa bất ổn tài chính và khu vực kinh tế thực

Về không gian nghiên cứu, đề tài tập trung nghiên cứu các nước khu vực kinh tế ASEAN bao gồm Indonesia, Malaysia, Philippines, Thái Lan, và Việt Nam Đây là những nước thuộc nhóm các quốc gia đang phát triển và nằm trong khối ASEAN có những đặc điểm chung về mức độ hội nhập tài chính trong khu vực cũng như thị trường tài chính toàn cầu nên có những điểm giống nhau về biến động tài chính trước tác động của các cú sốc.

Về thời gian nghiên cứu, dữ liệu nghiên cứu được thu thập trong giai đoạn từ tháng 1.2005 đến tháng 6.2020 Riêng trường hợp của Việt Nam, do dữ liệu nghiên cứu không đầy đủ, giai đoạn nghiên cứu từ tháng 1.2007 đến tháng 5.2020 Lý do chọn giai đoạn này bởi vì các nước trong mẫu nghiên cứu trải qua các cuộc khủng hoảng tài chính lớn như khủng hoảng tài chính toàn cầu năm 2008, khủng hoảng nợ công Châu Âu năm 2011 Do vậy, dữ liệu sử dụng trong giai đoạn này phù hợp với mục tiêu nghiên cứu.

Phương pháp nghiên cứu và dữ liệu nghiên cứu

Về phương pháp nghiên cứu, luận án sử dụng phương pháp định lượng kết hợp với phương pháp tính toán thống kê nhằm đạt được các mục tiêu nghiên cứu. Đối với mục tiêu nghiên cứu thứ nhất, luận án sử dụng các phương pháp tính toán tổng hợp khác nhau Cấu trúc xây dựng chỉ số FSI với 4 khu vực tài chính được chọn bao gồm: khu vực ngân hàng, thị trường cổ phiếu, thị trường trái phiếu và thị trường ngoại hối dựa vào cách tiếp cận của Hollo và cộng sự (2011) Trong đó, các chỉ số tài chính đơn lẻ được xây dựng dựa vào phương pháp của Balakrishnan và cộng sự (2011) và Kibritỗioglu, A (2003) Cỏc chỉ số đơn lẻ của thị trường cổ phiếu được xây dựng dựa vào phương pháp của Balakrishnan và cộng sự (2011), trong đó sử dụng mô hình GARCH(1,1) để xác định chỉ số biến động chỉ số giá thị trường. Các chỉ số đơn lẻ thị trường trái phiếu được xác định và xây dựng dựa vào phương pháp của Louzis & Vouldis (2013) Và cuối cùng, chỉ số trên thị trường ngoại hối dựa vào Girton & Roper (1977) với chỉ số EMPI Phương pháp tổng hợp các chỉ số đơn lẻ thành chỉ số FSI dựa vào phương pháp của Balakrishnan và cộng sự (2011). Để giải quyết mục tiêu nghiên cứu thứ hai, luận án dựa theo nghiên cứu của Hollo và cộng sự (2011) và Duprey, Klaus & Peltonen (2017) để xác định các giai đoạn bất ổn tài chính khác nhau và đặc điểm của từng giai đoạn bất ổn tài chính đối với từng nước trong mẫu nghiên cứu bằng mô hình tự hồi qui ngưỡng Markov- switching. Đối với mục tiêu nghiên cứu thứ ba, luận án sử dụng mô hình VAR đa trạng thái dưới hình thức Threshold VAR với hai biến nội sinh là chỉ số căng thẳng tài chính và biến đo lường hoạt động kinh tế thực Mô hình được xác định với hai trạng thái bao gồm trạng thái bất ổn tài chính cao và trạng thái bất ổn thấp, trong đó giá trị ngưỡng được xác bằng chỉ số căng thẳng tài chính Bên cạnh đó, nghiên cứu sử dụng hàm phản ứng đẩy phi tuyến theo phương pháp của Koop, Pesaran và Potter

(1996) để mô phỏng phản ứng của các biến trong mô hình trước các cú sốc gia tăng căng thẳng tài chính và cú sốc giảm căng thẳng tài chính.

Dữ liệu nghiên cứu về tài chính và khu vực kinh tế thực Khu vực tài chính bao gồm dữ liệu về giá các loại tài sản tài chính như: chỉ số giá thị trường cổ phiếu, chỉ số giá cổ phiếu ngân hàng, lợi suất trái phiếu chính phủ kỳ hạn 10 năm, tỷ giá hối đoái Các dữ liệu về lượng như tổng tiền gửi khu vực ngân hàng, tổng tín dụng khu vực tư nhân, tổng nợ nước ngoài, và dự trữ ngoại hối Khu vực kinh tế thực bao gồm chỉ số sản xuất công nghiệp, tổng giá trị xuất khẩu và nhập khẩu thương mại.Chỉ số kinh tế vĩ mô bao gồm chỉ số lạm phát Dữ liệu được thu thập theo tháng từ tháng 1.2005 đến tháng 6.2020 (riêng Việt Nam từ tháng 1.2007 đến tháng 5.2020).

Đóng góp của nghiên cứu

Đóng góp đầu tiên của luận án là xây dựng được chỉ số căng thẳng tài chính có khả năng đo lường bất ổn của cả hệ thống tài chính đối với các nước đang phát triển khu vực ASEAN Chỉ số căng thẳng tài chính được sử dụng nhiều trong đo lường bất ổn tài chính từ sau khủng hoảng tài chính toàn cầu 2008 và tập trung nhiều vào các nước phát triển có hệ thống tài chính phát triển sâu Để xây dựng được chỉ số FSI hiệu quả đối với từng nước hay từng khu vực đòi hỏi vào sự cân nhắc nhiều yếu tố như lựa chọn các khu vực quan trọng của hệ thống tài chính, các chỉ số tài chính riêng lẻ phù hợp để đo lường bất ổn của từng khu vực, phương pháp tổng hợp, cũng như phương pháp đánh giá và dữ liệu sẵn có với tần suất cao.

Do vậy, trong điều kiện hạn chế về dữ liệu và mức độ phát triển của hệ thống tài chính khác nhau giữa các nước nghiên cứu, luận án đã xây dựng được chỉ số căng thẳng tài chính cho từng nước và có khả năng đánh giá hiệu quả tình trạng bất ổn của hệ thống tài chính Kết quả này đóng góp những thông tin hữu ích về khía cạnh chính sách và lĩnh vực nghiên cứu Một là, với những ưu điểm của chỉ số căng thẳng tài chính so với các công cụ đo lường bất ổn tài chính khác, kết quả nghiên cứu cho thấy khả năng xây dựng và áp dụng rộng rãi chỉ số căng thẳng tài chính đối với quốc gia đang phát triển trên thế giới Hai là, kết quả nghiên cứu cũng mở ra khả năng nghiên cứu sâu hơn về tác động của bất ổn tài chính đối với điều hành chính sách kinh tế vĩ mô như chính sách tiền tệ và chính sách tài khóa.

Thứ hai, luận án đã vận dụng phương pháp mới trong việc xác định giai đoạn bất ổn tài chính đối với các nước nghiên cứu Rất nhiều các nghiên cứu trước xác định giai đoạn bất ổn tài chính thường dựa vào giá trị ngưỡng bằng phương pháp thống kê đơn giản Phương pháp này được xem có những hạn chế như phụ thuộc vào ý kiến chủ quan của người nghiên cứu và giá trị ngưỡng cần phải đánh giá lại khi bổ sung thêm dữ liệu mới trong những khủng hoảng tiếp theo Luận án sử dụng mô hình định lượng phi tuyến Markov-switching với với biến FSI để xác định giai đoạn bất ổn tài chính Phương pháp này có ưu điểm là mô tả được đặc điểm biến động của chỉ số FSI ở các trạng thái khác nhau, do đó có khả năng xác định được một cách khách quan các giai đoạn bất ổn tài chính.

Thứ ba, bằng việc tìm ra sự tác động giữa bất ổn tài chính và khu vực kinh tế thực có tính chất phụ thuộc trạng thái bất ổn đối với các nước nghiên cứu là những quốc gia đang phát triển, luận án đóng góp vào củng cố thêm nền tản lý thuyết về mối quan hệ phi tuyến giữa bất ổn tài chính và khu vực kinh tế thực Cụ thể, một là tác động của bất ổn tài chính đến khu vực kinh tế thực có tính phụ thuộc trạng thái trong đó tác động ở giai đoạn bất ổn cao diễn ra mạnh hơn và kéo dài hơn, còn ở giai đoạn bất ổn thấp tác động này yếu hơn và không có ý nghĩa thống kê Hai là, khu vực kinh tế thực được cải thiện khi nhận được cú sốc giảm căng thẳng tài chính và mức độ cải thiện diễn ra mạnh mẽ hơn trong giai đoạn bất ổn cao so với giai đoạn bất ổn thấp Ba là, đối với hệ thống tài chính đã trải qua khủng hoảng tài chính được tái cấu trúc và quản trị tốt có khả năng phục hồi nhanh hơn trước cú sốc bất ổn tài chính Và sau cùng là việc giảm căng thẳng tài chính giúp hệ thống tài chính phục hồi nhanh hơn trong giai đoạn bất ổn tài chính cao so với giai đoạn bất ổn thấp Các kết quả này góp phần cung cấp thông tin quan trọng cho các hàm ý chính sách vĩ mô.

1.7 Bố cục của luận án

Luận án được trình bày trong năm chương Trong đó, các chương có bố cục như sau:

Chương 1: Giới thiệu tổng quan Nôi dung chương trình bày về lý do lựa chọn nghiên cứu và khoảng trống nghiên cứu, các mục tiêu nghiên cứu cần đạt được và các câu hỏi nghiên cứu để trả lời cho mục tiêu nghiên cứu Bên cạnh đó, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu được làm rõ cũng những những điểm mới của nghiên cứu được làm rõ.

Chương 2: Cơ sở lý thuyết Nội dung chương trình bày cơ sở lý thuyết về bất ổn tài chính và mối quan hệ tác động của bất ổn tài chính đến khu vực kinh tế thực.Bên cạnh đó, chương tổng quan các nghiên cứu thực nghiệm về đo lường bất ổn tài chính bằng chỉ số căng thẳng tài chính và các nghiên cứu có liên quan về tác động giữa bất ổn và khu vực kinh tế thực Trên cơ sở đó có những phân tích thảo luận, rút ra những nhận xét, và chỉ ra các khoảng trống nghiên cứu có thể hoàn thiện trong nghiên cứu các nước đang phát triển khu vực ASEAN.

Chương 3: Phương pháp nghiên cứu Nội dung chương trình bày về phương pháp xây dựng và đánh giá hiệu quả chỉ số căng thẳng tài chính áp dụng đối với các nước đang phát triển khu vực ASEAN, phương pháp Markov-switching ngưỡng để xác định đặc điểm giai đoạn bất ổn tài chính Tiếp theo là phương pháp VAR ngưỡng đánh giá tác động ngưỡng giữa bất ổn tài chính và khu vực kinh tế thực áp dụng đối với các nước phát triển khu vực ASEAN với hai biến nội sinh là chỉ số căng thẳng tài chính và biến đại diện khu vực kinh tế thực Cuối cùng là phân tích về lựa chọn dữ liệu.

Chương 4: Kết quả nghiên cứu Nội dung trong chương này trình bày về kết quả đo lường và đánh giá hiệu quả của chỉ số căng thẳng tài chính đối với từng nước trong mẫu nghiên cứu Dựa vào chỉ số căng thẳng tài chính được xây dựng, kết quả thực nghiệm về các giai đoạn bất ổn tài chính khác nhau được trình bày và thảo luận đối với từng nước trong mẫu nghiên cứu Sau cùng là trình bày kết quả ước lượng mô hình đo lường tác động ngưỡng của bất ổn tài chính và khu vực kinh tế thực đối với từng nước đang phát triển khu vực ASEAN và phân tích kết quả phản ứng của khu vực kinh tế thực và khu vực tài chính trước tác động của các cú sốc tài chính.

Chương 5: Kết luận và hàm ý chính sách Chương này tóm tắt lại các kết quả nghiên cứu của các chương trước đó và trên cơ sở đó đưa ra các hàm ý chính sách.Cuối cùng là chỉ ra những giới hạn nghiên cứu và đề xuất các hướng nghiên cứu mở rộng tiếp theo.

CƠ SỞ LÝ THUYẾT VỀ TÁC ĐỘNG GIỮA BẤT ỔN TÀI CHÍNH VÀ KHU VỰC KINH TẾ THỰC

Cơ sở lý thuyết về bất ổn tài chính

2.1.1 Các khái niệm về bất ổn tài chính

Nhiều định nghĩa được đưa ra về bất ổn tài chính và được phân làm hai hướng tiếp cận Thứ nhất, các nghiên cứu định nghĩa ổn định tài chính là tình trạng ổn định mong muốn của hệ thống tài chính (Schinasi, 2004; Allen và Wood, 2006). Ổn định tài chính được hiểu là sự vắng mặt của căng thẳng tài chính hoặc căng thẳng tài chính ở mức thấp, tình trạng không chắc chắn trên thị trường tài chính thấp (Apostolakis & Papadopoulos, 2015) Thứ hai, các nghiên cứu khác tiếp cận khái niệm này ở khía cạnh bất ổn của khu vực tài chính Bất ổn tài chính là tình trạng bất ổn trên thị trường tài chính do vấn đề về bất cân xứng thông tin làm suy giảm các chức năng quan trọng của hệ thống tài chính và từ đó tác động ngược đến nền kinh tế (Mishkin, 1997).

Theo Mishkin (1997), bất ổn tài chính xảy ra khi có các cú sốc ngoại sinh tác động đến hệ thống tài chính gây cản trở dòng chảy thông tin, làm cho hệ thống tài chính không còn thực hiện chức năng phân bổ vốn đến các cơ hội đầu tư sản xuất hiệu quả Nếu bất ổn tài chính đủ nghiêm trọng có thể dẫn đến sụp đổ hoàn toàn các chức năng của thị trường tài chính, một tình trạng được xem là khủng hoảng tài chính.

Bên cạnh tác động của cú sốc tài chính, Illing & Liu (2006) cho rằng cú sốc ngoại sinh xảy ra trong một hệ thống tài chính dễ bị tổn thương mới dẫn đến bất ổn tài chính Hệ thống tài chính suy yếu là sự suy yếu của tình trạng tài chính hoặc (và) cấu trúc tài chính.

Cú sốc tài chính có thể dẫn đến bất ổn tài chính (trường hợp cực đoan là khủng hoảng tài chính) khi tình trạng tài chính bị suy yếu, chẳng hạn như khi dòng tiền sụt giảm nhanh, bảng cân đối tài sản có đòn cân nợ tăng cao hoặc người cho vay trung lập với rủi ro Cú sốc có thể lan truyền nhanh khi cấu trúc tài chính bị suy yếu do những thất bại trong liên kết các hoạt động trên thị trường (market coordination), dòng thông tin bị bất cân xứng quá cao Qui mô cú sốc và sự tương tác giữa tình trạng tài chính và cấu trúc tài chính đang bị suy yếu tác động đến mức độ bất ổn tài chính.

Schinasi (2004) định nghĩa bất ổn tài chính từ gốc độ ổn định tài chính Một hệ thống tài chính trong phạm vi ổn định khi nó có khả năng hỗ trợ hoạt động của nền kinh tế và có khả năng loại bỏ sự mất cân bằng trên thị trường tài chính do các yếu tố hình thành từ bên trong hoặc từ kết quả của những cú sốc ngược bên ngoài. Phạm vi ổn định tài chính có tính đa chiều, nghĩa là được đánh giá dựa trên sự kết hợp đa chiều của các thành phần khác nhau trong hệ thống tài chính (bao gồm các thị trường tài chính, hạ tầng tài chính, và các tổ chức tài chính) Do vậy, một sự nhiễu loạn nào xảy ra ở một thành phần bất kỳ nào cũng làm suy yếu tính ổn định của hệ thống tài chính Lúc đó, một hệ thống tài chính khi ở trong phạm vi bất ổn, nó có nguy cơ cản trở các hoạt động kinh tế và một khi khi nó cản trở hoạt động nền kinh tế thì có nguy cơ tiếp tục như vậy.

Tương tự như Schinasi (2004) và Allen & Wood (2006) cũng định nghĩa từ ổn định tài chính và tiếp cận dưới gốc độ khoa học vật lý Ổn định là đặc tính của một hệ thống Một hệ thống ổn định tại một điểm nếu nó trở lại trạng thái cân bằng từ tác động ban đầu của các nhiễu loạn Ổn định tài chính do vậy được xem là đặc tính của hệ thống tài chính Một hệ thống tài chính sẽ không trở nên bất ổn khi trải qua một nhiễu loạn nào đó Xét về mặt kinh tế, nhiễu loạn được hiểu là những sự kiện bất ngờ hay các cú sốc Tuy nhiên khác với các định nghĩa trên, theo tác giả, phản ứng của hệ thống tài chính trước các nhiễu loạn có tính chất phi tuyến Nó có thể làm dịu các cú sốc nhỏ nhưng với các cú sốc lớn thì có thể phóng đại các cú sốc.

Từ các định nghĩa trên có thấy, bất ổn tài chính là sự phá vỡ các liên kết giữa các thành phần trong khu vực tài chính do các cú sốc hình thành từ bên trong hệ thống hoặc từ bên ngoài tác động vào một hoặc nhiều thành phần khác nhau trong hệ thống tài chính Phản ứng của hệ thống tài chính trước các cú sốc khác nhau tùy thuộc vào độ lớn và loại cú sốc, có thể làm tắt dần hoặc phóng đại các cú sốc.

2.1.2 Các đặc điểm của bất ổn tài chính

Không có hai giai đoạn bất ổn tài chính nào hoàn toàn giống hệt nhau nhưng theo Hakkio & Keeton (2009) nhìn chung các giai đoạn bất ổn tài chính đều liên quan ít nhất một trong năm hiện tượng sau đây, nhưng thường là hầu hết các hiện tượng này.

Thứ nhất, sự không chắc chắn về giá trị thực của các tài sản tăng lên Đối với người cho vay và nhà đầu tư, giá trị thực của tài sản là hiện giá của dòng tiền tương lai được tạo ra bởi tài sản tài chính họ cho vay hay đầu tư, gồm cổ tức và lãi Sự không chắn chắn này tăng lên làm cho sự biến động giá thị trường của tài sản tăng lên Điều này có thể là do sự khó đoán định về nền kinh tế trong tương lai hay sự ra đời các sản phẩm tài chính mới khó đánh giá triển vọng phát triển của chúng Do sự không chắc chắn này, nhà đầu tư có xu hướng phản ứng mạnh trước các thông tin mới (Pastor và cộng sự, 2008) Trước những thông tin mới, nhà đầu tư đánh giá lại mức sinh lợi của tài sản càng nhiều họ càng có xu hướng thay đổi giá bán tài sản đó trên thị trường.

Thứ hai, sự không chắc chắn về hành vi của các nhà đầu tư khác tăng lên. Đối với tài sản cần bán trước khi đến hạn, suất sinh lời kỳ vọng của nhà đầu tư đối với tài sản này phụ thuộc vào hành vi của các nhà đầu tư khác trên thị trường cũng như giá trị đến hạn của tài sản Loại hành vi này tăng lên khi nhà đầu tư và người cho vay không chắc chắn về giá trị thực của tài sản Do vậy, trường hợp này tương tự như sự không chắc chắn về giá trị thực Nhà đầu tư nhận thấy nhận định của họ trở nên không chính xác và có ít kinh nghiệm quá khứ để đánh giá Sự không chắc chắn này làm sự biến động giá tài sản tăng lên Khi nhà đầu tư quyết định dựa vào đánh giá quyết định của các nhà đầu tư khác, giá trị của tài sản ít bị ràng buộc vào giá trị thực Giá tài sản biến động nhiều hơn.

Thứ ba, tình trạng bất cân xứng thông tin tăng lên Sự cân xứng thông tin xảy ra giữa người đi vay và người cho vay hoặc người mua và người bán các tài sản tài chính Hệ quả là lựa chọn ngược và rủi ro đạo đức đẩy chi phí vay mượn của công ty và hộ gia đình lên cao và giảm giá tài sản tài chính trên thị trường thứ cấp Trong giai đoạn bất ổn tài chính, tình trạng bất cân xứng tăng lên Thứ nhất, theo Mishkin

(1991) sự biến động chất lượng của tài sản tài chính hay người vay mượn tăng lên. Nếu tài sản thế chấp được kỳ vọng tăng lên, tất cả các khoản vay được xem là an toàn dù thu nhập người vay như thế nào Nhưng nếu ngược lại, người vay có thu nhập thấp được xem có rủi ro cao hơn người vay có thu nhập cao vì người vay thu nhập thấp ít có khả năng trả nợ hơn nếu giá trị tài sản thế chấp giảm thấp hơn giá trị vay mượn Nếu người cho vay khó phân biệt người vay thu nhập thấp với người vay thu nhập cao, bất cân xứng thông tin tăng lên và người cho vay không đánh giá rủi ro của người đi vay Thứ hai, sự bất cân xứng thông tin tăng lên trong giai đoạn bất ổn tài chính bởi vì người cho vay không tin tưởng độ tin cậy thông tin họ có được về người đi vay Thông thường, những thông tin này được cung cấp bởi các tổ chức xếp hạng độc lập giúp người cho vay đánh giá được rủi ro người đi vay Nhưng những nghi ngờ về mục đích của các tổ chức xếp hạng trong giai đoạn bất ổn đẩy sự không chắc chắn tăng lên.

Thứ tư, mức độ sẵn sàng nắm giữa các tài sản rủi ro giảm xuống (hiện tượng này được gọi là Flight to quality) Trong giai đoạn bất ổn tài chính, nhu cầu nắm giữ tài sản rủi ro giảm xuống dẫn đến suất sinh lời yêu cầu cao hơn đối với tài sản rủi ro và thấp hơn đối với tài sản an toàn Một sự dịch chuyển từ tài sản rủi ro sang tài sản an toàn dẫn đến mở rộng spread giữa hai loại tài sản và gia tăng chi phí vay mượn đối với người đi vay rủi ro (Caballero, Ricardo và Pablo Kurlat, 2008). Nguyên nhân của hiện tượng flight-to-quality là vì trong giai đoạn bùng nổ, nhà đầu tư quá lạc quan có xu hướng đánh giá thấp rủi ro, những khoản vay và đầu tư xấu tăng lên và cuối cùng tổn thất xảy ra Người cho vay và nhà đầu tư nhận thấy tổn thất là có thề xảy ra và trở lại đánh giá quá cao rủi ro Một lý do khác có thể giải thích là trong giai đoạn bất ổn tài chính, sự không chắc chắc về triển vọng nền kinh tế, thu nhập và mức sinh lời tăng lên, khẩu vị ưa thích rủi ro của nhà đầu tư giảm xuống.

Thứ năm, mức sẵn lòng nắm giữ các tài sản kém thanh khoản giảm xuống.Tài sản kém thanh khoản do qui mô thị trường thứ cấp nhỏ hoặc thông tin bất cân xứng giữa người mua và người bán dẫn đến tài sản khó bán đúng với giá trị thực.Trong giai đoạn bất ổn tài chính, hiện tượng này được gọi là flight-to-liquidity Nguyên nhân là do thông tin bất cân xứng tăng lên trong giai đoạn bất ổn giữa người mua và người bán, lựa chọn ngược dẫn đến giá tài sản giảm xuống dưới giá trị thực, tài sản được xem là kém thanh khoản.

Bên cạnh các đặc điểm trên, sức khỏe hệ thống ngân hàng là một chỉ số đánh giá quan trọng cho bất ổn tài chính (Cardarelli, Elekdag & Lall, 2009) Trong giai đoạn bất ổn tài chính, tài sản của khu vực doanh nghiệp phi tài chính giảm sút làm tăng nợ xấu, suy giảm lợi nhuận và tác động đến bảng cân đối tài sản của ngân hàng (Mishkin, 1999).

2.1.3 Các lý thuyết về bất ổn tài chính

2.1.3.1 Lý thuyết nợ và suy yếu tài chính

Tổng quan nghiên cứu về bất ổn tài chính

2.2.1 Các nghiên cứu về đo lường bất ổn tài chính a) Các chỉ số an toàn tài chính từ dữ liệu kế toán Đây là loại chỉ số đơn giản nhất được tính toán từ dự liệu thống kê dựa trên các hạng mục của bảng tổng kết tài sản Một trong bộ chỉ số đánh giá về lành mạnh của hệ thống tài chính là bộ chỉ số Financial Soundness Indicators (FSI) của Quỹ tiền tệ quốc tế (IMF) Từ những năm 90, Quỹ tiền tệ quốc tế (IMF) lần đầu đưa ra bộ chỉ số đánh giá tính vững mạnh của hệ thống tài chính, bộ chỉ số FSI (FinancialSoundness Indicators) trong chương trình đánh giá hệ thống tài chính (FSAP _Financial System Assessment Program) nhằm giải thích cho các cuộc khủng hoảng ngân hàng tăng lên vào thập niên 80 và 90 Ban đầu IMF tập trung vào bộ chỉ số FSI cơ bản (còn được gọi là bộ lõi) giải thích về chất lượng, khả năng trả nợ và hiệu quả hoạt động của khu vực ngân hàng Sau đó, bộ chỉ số FSI khuyến nghị được bổ sung thêm để mở rộng phạm vi phân tích sang khu vực hộ gia đình, các doanh nghiệp phi tài chính, thị trường bất động sản và các tổ chức tài chính phi ngân hàng.

Tương tự như bộ chỉ số FSI của IMF, ngân hàng trung ương Châu Âu (ECB) cũng đề xuất bộ các chỉ số giám sát vĩ mô (Macro Prudential Indicators, MPIs) nhằm đánh giá sự ổn định hệ thống tài chính Bộ chỉ số MPIs của ECB về cơ bản sử dụng cùng loại chỉ số đánh giá rủi ro như của IMF nhưng các chỉ số đa dạng hơn và phạm vi đánh giá rộng hơn, chủ yếu tập trung vào hệ thống ngân hàng với nội dung phân tích bao gồm ba phần: phần thứ nhất đánh giá tình trạng của hệ thống ngân hàng như bảng cân đối tài sản, lợi nhuận, chất lượng tài sản, hệ số đủ vốn Phần thứ hai đánh giá những nguy cơ rủi ro đối với hệ thống ngân hàng Nhiều chỉ số MPI được xây dựng nhằm đánh giá các khía cạnh khác nhau như tình trạng cạnh trong hệ thống ngân hàng, mức độ tập trung trong khu vực, biến động giá tài sản, đánh giá rủi ro dựa vào thị trường, chu kỳ kinh tế và các chỉ số về tình trạng suy yếu tài chính của khu vực doanh nghiệp và hộ gia đình Các chỉ số này không chỉ tập trung vào nội tại của hệ thống ngân hàng mà còn đánh giá những nguy cơ đến từ tình trạng vĩ mô và các khu vực khác của nền kinh tế Phần thứ ba đánh giá sức chịu đựng của khu vực ngân hàng, cụ thể là khả năng hấp thu các rủi ro có thể xảy ra. Kết quả phân tích còn dựa vào thông tin định tính từ nhận định của các cơ quan giám sát và nhận định chung từ các chỉ số trong hai phần đầu.

Bộ chỉ số an toàn tài chính của IMF và ECB cũng tồn tại những hạn chế nhất định Thứ nhất, do các nguyên tắc kế toán, các chỉ số có tính chất “backward- looking”, nghĩa là tập trung vào hiện tại nhiều hơn và đưa ra những dự đoán về thời kỳ tiếp theo Bên cạnh đó, ảnh hưởng từ dữ liệu ngoại bảng, những nguy cơ rủi ro rất khó dự đoán Trên thực tế, nhiều tổ chức tài chính bị phá sản trước đó dữ liệu cho thấy là đáp ứng yêu cầu vốn tối thiểu (IMF, 2009) Thứ hai, các chỉ số phải được kết hợp mới có thể đưa ra những phân tích hợp lý về ổn định tài chính Trong trường hợp, việc giải thích không đúng về mối quan hệ giữa các chỉ số có thể ảnh hưởng đến kết quả phân tích Một số các chỉ số như tỷ lệ nợ xấu hay dự phòng rủi ro, hướng về tình trạng đã xảy ra trong quá khứ hoặc hiện tại nên không đủ thông tin để trở thành những chỉ báo về bất ổn tài chính (Borio & Drehmann, 2009). b) Các chỉ số cảnh báo sớm

Các chỉ số cảnh báo sớm, gọi tắt là EWI, là những chỉ số được xác định trong mô hình nhằm dự báo về khả năng và thời điểm xảy ra khủng hoảng tài chính trong tương lai Dựa trên việc tìm ra mối quan hệ giữa giá trị của một số biến với những giai đoạn khủng hoảng trong quá khứ để suy luận ra các giai đoạn khủng hoảng tương lai Phương pháp này chủ yếu tập trung vào việc dự báo hơn là đánh giá tình trạng của hệ thống tài chính Để xác định được các chỉ số cảnh báo sớm, mô hình được xây dựng qua ba bước.

Bước đầu tiên là xác định loại khủng hoảng Trong lịch sử khủng hoảng xảy ra dưới nhiều hình thức khác nhau như khủng hoảng tiền tệ, khủng hoảng ngân hàng, khủng hoảng nợ, sự dừng đột ngột (sudden stop) Một số cuộc khủng hoảng tài chính xảy ra có liên quan đến loại khủng hoảng khác và nổi lên như khủng hoảng kép hoặc đa khủng hoảng.

Bước thứ hai là xác định các biến giải thích cho khủng hoảng tài chính Theo các nghiên cứu lý thuyết, có ba thế hệ mô hình lý thuyết về khủng hoảng tài chính tương ứng với các biến giải thích khác nhau Các biến giải thích trong mô hình phù hợp phải giải thích được nguyên nhân căn bản dẫn đến khủng hoảng thì mô hình cảnh báo sớm mới có hiệu quả trong dự đoán Các biến giải thích trong mô hình lý thuyết khủng hoảng thế hệ trước được chứng minh thực nghiệm là thất bại trong dự đoán các cuộc khủng hoảng xảy ra sau đó dẫn đến sự ra đời của các mô hình khủng hoảng thế hệ tiếp theo Như vậy, với sự biến đổi khác nhau của các cuộc khủng hoảng tài chính trên thực tế tạo ra nhiều thách thức phải liên tục phát triển mô hình cảnh báo sớm để duy trì khả năng dự báo.

Trong bước thứ ba, nhiều phương pháp khác nhau bao gồm phương pháp thống kê và định lượng được sử dụng tùy thuộc vào loại khủng hoảng và các biến giải thích như: phương pháp chỉ số , phương pháp phát tín hiệu và mô hình biến nhị phân logit/probit model Các phương pháp định lượng mới gần đây được sử dụng như mô hình Markov switching, mạng nơ ron thần kinh (ANNs), binary recursive trees, hay unit root testing Như vậy, với nhiều phương pháp định lượng khác nhau gây khó khăn cho các nhà nghiên cứu và nhà làm chính sách trong việc lựa chọn phương pháp phù hợp để đưa vào mô hình cảnh báo sớm bởi vì thay đổi phương pháp sẽ đưa ra kết quả dự báo khác nhau. c) Các chỉ số dựa theo dữ liệu thị trường

Một là là xác suất vỡ nợ (PD _ Probability of Default) Xác suất vỡ nợ (PD) của một tổ chức tài chính được xác định dựa vào mô hình vỡ nợ Merton (1974). Chủ sở hữu nắm giữ quyền chọn gọi đối với giá trị tài sản của công ty Khi giá trị tài sản rơi xuống dưới giá trị nợ, công ty sẽ vỡ nợ và quyền chọn gọi của chủ sở hữu không có giá trị Dựa vào mô hình định giá quyền chọn để ước tính giá trị nợ và vốn cổ phần và suy ra giá trị DD ( Distance to Default) cũng như xác suất vỡ nợ (PD) Xác suất vợ nợ (PD) được hiểu là xác suất quyền chọn gọi đến hạn trong tình trạng bị lỗ và phụ thuộc vào ba nhân tố: giá trị thị trường của tài sản công ty, biến động giá tài sản và mức đòn bẩy nợ.

Xác suất vỡ nợ được sử dụng trong các nghiên cứu thực nghiệm bao gồm xác suất vỡ nợ riêng lẻ từng tổ chức tín dụng và xác xuất vỡ nợ đồng thời của các tổ chức tài chính Để ước tính xác xuất vỡ nợ riêng lẻ, nguồn dữ liệu đầu vào sử dụng gồm hai nhóm: nhóm dữ liệu từ bảng cân đối kế toán và nhóm dữ liệu thị trường. Đối với DP sử dụng dữ liệu kế toán, một trong chỉ số nổi tiếng trong nghiên cứu về ổn định tài chính đó là z-score được xây dựng bởi Boyd và Graham (1986) Z-score được xác định bằng công thức: z = (k+)/, trong đó k là tỷ lệ vốn cổ phần trên tổng tài sản,  là tỷ lệ sinh lời trên tài sản, và  là độ lệch chuẩn của tỷ lệ sinh lời trên tài sản và được xem là là chỉ số phản ánh độ biến động của mức sinh lời Chỉ số Z-score có tương quan ngược với xác suất vỡ nợ của tổ chức tài chính Nếu z-score cao có nghĩa là xác suất vỡ nợ thấp Tuy nhiên, hạn chế của chỉ số z-score là dựa trên dữ liệu kế toán nên có tần suất dữ liệu thấp và sẽ không có tính khách quan nếu dữ liệu bị điều chỉnh Đối với xác suất vỡ nợ dựa trên dữ liệu thị trường (giá cổ phiếu, giá trái phiếu, CDS), xác suất vỡ nợ có nhiều ưu điểm hơn dữ liệu kế toán như: tần suất dữ liệu cao, nhiều quan sát hơn và độ trễ ngắn hơn; dữ liệu giá thị trường chứa đựng thông tin dự đoán; và độ tin cậy cao hơn do dữ liệu được công bố trên thị trường.

Xác suất vỡ nợ đồng thời của các tổ chức tài chính trong hệ thống Xác xuất này phụ thuộc vào các nhân tố như: giá thị trường của tài sản của các tổ chức tài chính, sự biến động giá tài sản và tương quan giữa tài sản của các tổ chức tài chính.

Có hai cách tiếp cận để ước tính xác suất vỡ nợ đồng thời của nhiều tổ chức tài chính: phương pháp giá trị trung bình (có hoặc không có) trọng số và phương pháp tiếp cận danh mục (Tudela và Young, 2003; Chan-Lau và Gravelle, 2005) Ưu điểm của phương pháp này mô tả được sự liên kết mang tính hệ thống sự vỡ nợ giữa các tổ chức tài chính Nhược điểm là phạm vi phân tích chỉ tập trung vào các tổ chức tài chính trong khi đó ổn định của hệ thống tài chính cần xét đến các thị trường tài chính và hạ tầng tài chính.

Tiếp đến là các chỉ số đo lường rủi ro hệ thống Khủng hoảng tài chính toàn cầu 2007-2009 cho thấy rủi ro hệ thống hình thành từ những tổn thất nhỏ thông qua nhiều kênh có thể chuyển thành những tổn thất lớn và có tính hệ thống đe dọa đến sự ổn định của hệ thống tài chính (Liang, N., 2013) Để đo lường rủi ro hệ thống, các nghiên cứu dựa vào các tổ chức tài quan trọng có tính hệ thống (SIFIs), trong đó đo lường mức đóng góp của một tổ chức tài chính vào rủi ro hệ thống Có hai cách tiếp cận Một là dựa vào thông tin về tình trạng và nguy cơ rủi ro của tổ chức Đây là những thông tin mà các tổ chức tài chính cung cấp cho cơ quan quản lý Hai là dựa vào dữ liệu thị trường như suất sinh lời cổ phần, giá quyền chọn, DCS spreads, được xem là phản ánh tất cả những thông về các tổ chức tài chính niêm yết trên thị trường Bốn thước đo được sử dụng phổ biến trong cách tiếp cận này bao gồm: Marginal Expected Shortfall (MES) và Systemic Expected Shortfall (SES) của Acharya và cộng sự (2010), SRISK của Acharya, Engle và Richardson

(2012), Delta Conditional Value-at-Risk (CoVar) của Adrian và Brunnermeier

(2011) MES là phương pháp định lượng đo lường mức tổn thất cổ phần dự kiến của công ty khi thị trường rơi xuống giá trị ngưỡng trong một khoảng thời gian Đối với các tổ chức tài chính có giá trị MES cao nhất được xem là thành phần đóng góp lớn nhất vào rủi ro hệ thống SES và SRISK đo lường mức tổn thất vốn kỳ vọng của một tổ chức tài chính trong điều kiện khủng hoảng tài chính Tổ chức có mức tổn thất lớn nhất xảy ra trong khủng hoảng hệ thống nên được xem là có rủi ro hệ thống lớn nhất CoVar tương ứng với Value-at-Risk của hệ thống tài chính trong điều kiện một tổ chức trong một tình trạng bị tác động nhất định Do đó, đóng góp của một tổ chức tài chính vào rủi ro hệ thống (CoVar) là chênh lệch giữa CoVar khi tổ chức đang căng thẳng tài chính và khi tổ chức không bị căng thẳng tài chính. d) Các chỉ số tổng hợp

Các cuộc khủng hoảng tài chính nếu được dự báo trước thì sẽ giúp các cơ quan quản lý giám sát và quản lý có thể có có cơ hội để loại bỏ những thiệt hại và cũng có thể tránh được Trong lịch sử, các cuộc khủng hoảng vẫn xảy ra và ngày càng lan rộng với tần suất dày hơn Điều này cho thấy các cơ quan quản lý giám sát đã không thể dự đoán được, một phần nguyên nhân là họ thiếu đi những chỉ số giám sát ổn định tài chính hiệu quả Khủng hoảng tài chính toàn cầu năm 2008 cho thấy sự thất bại trong dự đoán của các chỉ số ổn định tài chính trước đó Với độ sâu và phạm vi tác động của cuộc khủng hoảng tài chính này cùng với sự đa dạng về hình thức cũng như tác động của các cú sốc khác nhau của các cuộc khủng hoảng gần đây cho thấy việc xây dựng thước đo bất ổn định tài chính không phải dễ dàng (Kliesen, Owyang & Vermann, 2012). Để khắc phục những tồn tại này, các nghiên cứu tập trung vào xây dựng một chỉ số có thể tổng hợp dữ liệu từ các khu vực khác nhau trong hệ thống tài chính và khu vực kinh tế khác để có thể giám sát tất cả các thông tin quan trọng tác động đến sự ổn định của hệ thống tài chính.

Các chỉ số tổng hợp này có nhiều ưu điểm hơn so với các phương pháp đo lường khác Thứ nhất, chỉ số được xây dựng chủ yếu dựa trên dữ liệu thị trường với tần suất cao nên phản ánh được trạng thái bất ổn của hệ thống tài chính theo thời gian thực Bởi vì thị trường tài chính về bản chất hướng về những kỳ vọng tương lai Khi các cú sốc xuất hiện làm thay đổi kỳ vọng của các chủ thể trên thị trường, tất cả được phản ánh vào trong giá tài sản và từ đó tác động đến phần còn lại của khu vực tài chính và nền kinh tế Khi các điều kiện bị thay đổi do tác động của các cú sốc thì căng thẳng tài chính tăng lên Thứ hai, chỉ số đo lường là một biến liên tục với giá trị cực đại phản ánh trạng thái khủng hoảng tài chính Theo quan điểm về bất ổn tài chính trong những năm 80 và 90, khái niệm về rủi ro hệ thống và khủng hoảng tài chính được hiểu như nhau, do vậy thước đo về bất ổn tài chính dưới dạng biến nhị phân, nghĩa là khủng hoảng hoặc không khủng hoảng Điều này đã bỏ qua trạng thái tiệm cận đến khủng hoảng nhưng chưa phải là khủng hoảng Quan điểm này không mô tả một cách liên tục được tình trạng của hệ thống tài chính và mức độ khốc liệt của các giai đoạn rơi vào bất ổn tài chính Do vậy, chỉ số FSI với giá trị liên tục đáp ứng được đặc điểm này của bất ổn tài chính (Oet và cộng sự, 2012)

Cơ sở lý thuyết về khu vực kinh tế thực

2.3.1 Các khái niệm về khu vực kinh tế thực

Theo Pirounakis, N.G (1997), khu vực kinh tế thực theo định nghĩa rộng bao gồm hoạt động sản xuất, vận chuyển, bán hàng hóa và dịch vụ Đối ngược với hoạt động trao đổi các tài sản tài chính trong khu vực tài chính Theo nghĩa hẹp, khu vực kinh tế thực tập trung vào hàng hóa nguyên liệu như thương mại, công nghiệp, nông nghiệp, vận tải, siêu thị, xây dựng Theo cách định nghĩa nào thì khu vực kinh tế thực luôn là nền tản của nền kinh tế nói chung.

Tương tự, Batko (2013) cũng cho rằng nền kinh tế gồm hai khu vực bao gồm khu vực tài chính và khu vực nền kinh tế thực Khu vực kinh tế thực liên quan đến hoạt động sản xuất, mua sắm tạo thành các dòng chảy về hàng hóa dịch vụ trong nền kinh tế Bên cạnh đó, hoạt động chi tiêu khu vực hộ gia đình bao gồm các hoạt động chi lương cho lao động và mua sắm hàng hóa dịch vụ Ngược lại khu vực tài chính bao gồm các giao dịch tiền tệ và các tài sản tài chính khác phản ánh quyền sở hữu hoặc trái quyền đối với hàng hóa dịch vụ của khu vực kinh tế thực.

2.3.2 Các phương pháp đo lường khu vực kinh tế thực Để đo lường qui mô khu vực kinh tế thực, thước đo được sử dụng phổ biến và đầy đủ nhất là tổng sản phẩm quốc nội (GDP) (Callen, 2012) GDP được hiểu là giá trị của hàng hóa và dịch vụ cuối cùng được mua bởi người sử dụng cuối cùng trong một khoảng thời gian nhất định (hàng quý hoặc hằng năm) Về lý thuyết, GDP được hiểu theo ba cách Một là phương pháp sản xuất GDP được đo bằng tổng giá trị tăng thêm ở mỗi giai đoạn sản xuất, trong đó giá trị tăng thêm bằng tổng doanh thu trừ đi giá trị các yếu tố trung gian trong quá trình sản xuất Hai là phương pháp chi tiêu, theo đó GDP bằng tổng giá trị hàng hóa được mua bởi người sử dụng cuối cùng Và ba là phương pháp thu nhận với GDP bằng tổng thu nhập được tạo ra từ hoạt động sản xuất bao gồm người làm thuê và công ty.

GDP thực được xác định bằng GDP danh nghĩa được điều chỉnh tách khỏi tác động của lạm phát nhẳm phản ánh qui mô thực của nền kinh tế Bởi lẻ khi GDP tăng lên trong điều kiện lạm phát không ảnh hưởng thì việc làm và hoạt động sản xuất kinh doanh được cải thiện Dữ liệu báo cáo GDP của mỗi nước thường được công bố theo năm hoặc theo quý nên thước đo này thường phù hợp với các nghiên cứu sử dụng dữ liệu theo quý hoặc theo năm.

Trên thực tế, các chủ thể trong nền kinh tế bao gồm công ty, nhà đầu tư, các hộ gia đình, các nhà nghiên cứu cũng như các cơ quan quản lý chính sách phải đưa ra các quyết định liên tục, do vậy cần đến những ước tính chính xác và kịp thời về tình trạng của khu vực kinh tế thực.

Trong nhiều các nghiên cứu, chỉ số sản xuất được sử dụng nhiều nhất để phản ánh tình trạng khu vực kinh tế thực theo thời gian thực Theo OECD, chỉ số sản xuất công nghiệp là thước đo tổng sản lượng ngành công nghiệp bao gồm ngành sản xuất, khai khoáng, điện, gas và điện lạnh Chỉ số được đo lường dựa trên mức thay đổi tổng sản lượng so với thời kỳ tham chiếu Mặc dù chiếm tỷ trọng không lớn trong GDP nhưng chỉ số IP khá nhạy cảm với tổng nhu cầu tiêu dùng và lãi suất trên thị trường nên được xem là công cụ dự báo GDP và thành quả kinh tế trong tương lai (Shapiro và cộng sự, 1989).

Bên cạnh chỉ số sản xuất công nghiệp, Aruoba & Diebold (2010) bổ sung một chỉ số có tần suất dữ liệu cao như tỷ lệ có việc làm, thu nhập thực của cá nhân hộ gia đình, doanh số thương mại và sản xuất.

Hall, S G., & Zonzilos, N (2003) đưa thêm chỉ số về doanh số dịch vụ du lịch và chỉ số về doanh số bán lẻ đối với Hy Lạp Theo Hall, S G., & Zonzilos, N.

(2003), những chỉ số này phản ứng với những thay đổi chung của khu vực kinh tế thực Chỉ số về doanh số du lịch có sự gắn kết với biến động chung của khu vực kinh tế thực do du lịch giữ vai trò quan trọng đối với tăng trưởng kinh tế của HyLạp.

Cơ sở lý thuyết về tác động giữa bất ổn tài chính và khu vực kinh tế thực

Thị trường tài chính tác động đến nền kinh tế thực theo nhiều cách khác nhau Đứng ở góc độ khu vực doanh nghiệp, tác động này có thể được nhận thấy thông qua cách mà các doanh nghiệp ra quyết định đầu tư trong điều kiện không chắc chắn.

Trong điều kiện sự không chắc chắn tăng lên, doanh nghiệp có thể trì hoãn đầu tư đến khi thị trường ổn định Cơ chế tác động này được giải thích thông qua lý thuyết quyền chọn thực Bernanke (1983), Bloom Bond & Van Reenen (2007) và Baum, Caglayan & Talavera (2010) Bất ổn tài chính theo lý thuyết quyền chọn thực được giải thích thông qua sự không chắc chắn tăng lên.Trọng tâm của lý thuyết quyền chọn thực là giải thích được giá trị của việc chờ đợi trước khi ra quyết định đầu tư khi sự không chắc chắn tăng lên Chẳng hạn, nhà máy sản xuất có thể có lợi nhuận trong tương lai nếu giá hàng bán tăng lên và sẽ thua lỗ nếu giá giảm Bằng cách chờ đợi, công ty có nhiều thông tin hơn về triển vọng kinh tế để đưa ra quyết định có nên xúc tiến đầu tư hay không Thuật ngữ “quyền chọn thực” nói đến quyền của công ty có thể trì hoãn trước quyết định đầu tư mới vào tài sản thực Mô hình quyền chọn thực cho thấy khi sự không chắc chắn tăng lên, việc trì hoãn quyết định đầu tư mới được xem là tối ưu Điều này có nghĩa là khi sự không chắc chắn thấp, khả năng kết quả kinh doanh không lợi nhuận là thấp Do đó, công ty sẽ không có được thêm nhiều thông tin nếu trì hoãn đầu tư Trong trường hợp này, công ty sẽ đầu tư ngay và kỳ vọng mức sinh lợi dương Tuy nhiên, khi sự không chắc chắn cao, nghĩa là khả năng kết quả xấu xảy ra cao, công ty sẽ trì hoãn đầu tư thu thập thêm thông tin để đánh giá sự không chắc chắn Nếu khả năng kết quả xấu xảy ra thì công ty sẽ từ bỏ đầu tư, nếu khả năng xấu khả năng xảy ra thấp, công ty sẽ tiến hành đầu tư. Hay nói cách khác, sự không chắc chắn cao dẫn đến thu hẹp đầu tư trong hiện tại và nếu sự không chắc chắn được đánh giá tốt sẽ làm tăng đầu tư trong tương lai.

Trên cơ sở tác động của tính không chắc chắn, lý thuyết quyền chọn thực cho rằng bất ổn tài chính dẫn đến chi tiêu đầu tư bị thu hẹp Điều này xảy ra là bởi vì bất ổn tài chính được thể hiện qua sự biến động thị trường tài chính Các công ty giải thích sự biến động thị trường tài chính gia tăng chính là sự không chắc chắn về triển vọng kinh tế trong tương lai và tạm hoãn các kế hoạch đầu tư mới.

2.4.2 Lý thuyết chu kỳ tín dụng Đứng ở góc độ tài chính, tác động của bất ổn tài chính đến khu vực kinh tế thực được giải thích bằng các chu kỳ tín dụng Chu kỳ tín dụng là sự tăng lên và giảm xuống định kỳ các điều kiện tín dụng (cung, cầu, và giá cả tín dụng) trong nền kinh tế Các lý thuyết về chu kỳ tín dụng đã mô tả sự biến động của tình trạng tín dụng và tác động đến chu kỳ kinh tế Những đặc điểm chung của các lý thuyết này bao gồm: (i) Dòng chảy tín dụng là tự do không có liên kết với sự tăng trưởng khu vực kinh tế thực; (ii) Tài sản khác với tiền tệ; và (iii) Nợ đối trọng với tín dụng (Toporowski & Michell, 2012). Đầu tiên là tín dụng không ràng buộc (chẳng hạn như nợ không liên kết với sản xuất) chỉ có thể tồn tại nếu tín dụng (và tiền tín dụng) được xem là không tạo ra gì cả Ngược lại với quan điểm của các dòng lý thuyết kinh tế vĩ mô cân bằng tổng thể cho rằng không có nguồn lực hay tiết kiệm miễn phí trong khu vực kinh tế thực, trong đó các nguồn vốn có thể cho vay giới hạn mở rộng hệ thống tín dụng Tạo ra các khoản tín dụng ngân hàng là cách nguồn lực tài chính được tạo ra, vượt quá sản lượng của nền kinh tế Liên kết với khu vực kinh tế thực là không cần thiết, do đó mở rộng tín dụng diễn ra trong thời gian dài Hơn nữa nguồn vốn tín dụng trên mức cần thiết đối với khu vực thực phải được liên kết với các thị trường khác, cụ thể là thị trường tài sản; điều này không đề cập trong các mô hình GE nhưng là trung tâm của các lý thuyết tài chính chính yếu Các lý thuyết tài chính luôn xem nền kinh tế hai khu vực, khu vực tài chính và khu vực kinh tế thực và tài sản khác với tiền tệ. Cuối cùng, với bảng tổng kết tài sản thì tín dụng cũng là nợ, là nguyên nhân chủ yếu của bong bóng tín dụng và suy giảm hoạt động kinh tế do giảm phát nợ (Debt deflation).

Trường hợp thường thấy trong các lý thuyết chu kỳ tín dụng bắt đầu với vay mượn quá mức Wicksell, K (1936) đưa ra hai loại lãi suất Lãi suất tự nhiên (suất sinh lời của vốn hay lãi suất thực) và lãi suất tiền tệ (được xác định trong hệ thống tài chính và không cần thiết dựa trên lợi suất thực) Nếu lãi suất tự nhiên lớn hơn lãi suất tiền tệ (năng suất biên của vốn lớn hơn chi phí biên), việc vay mượn cho hoạt động đầu tư trở nên hấp dẫn và đầu tư tăng cao hơn tiết kiệm Nhu cầu vượt mức này thúc đẩy doanh nghiệp vay mượn thêm nữa và do đó bong bóng tín dụng xuất hiện Đỉnh điểm là khi ngân hàng tăng lãi suất cho vay hay hạn chế tín dụng, hoặc khi lạm phát làm giảm lợi suất thực Điềy này cuối cùng dẫn đến lãi suất tiền tệ cao hơn lãi suất thực và làm giảm động cơ vay mượn của doanh nghiệp Như vậy, theoWicksell chu kỳ tín dụng gây ra cho chu kỳ kinh tế thông qua quyết định đầu tư và các thị trường khác nhau giữa vốn sản xuất và thị trường tài sản tài chính.

Veblen, T (1965) dựa trên giả định rằng định giá tài sản từ dòng lợi nhuận tương lai khác biệt với định giá tài sản dựa trên kỳ vọng về thu nhập vốn Cho vay có đảm bảo được xem là nguyên nhân bong bóng tín dụng, trong đó thu nhập vốn và mở rộng tin dụng thúc đẩy lẫn nhau Một khu có sự khác biệt với thu nhập kỳ vọng, sự thay đổi tâm lý dẫn đến cắt giảm giá tài sản và tín dụng mà cón hoạt động đầu tư trong nền kinh tế Hệ quả là sự phân phối lại trái quyền đối với chủ nợ Khác với Wicksell, lý thuyết của Veblen liên kết hệ thống tín dụng với khu vực sản xuất dựa trên yếu tố tâm lý và tín dụng không có tác động gì đến khả năng sản xuất.

Trường phái Autrian bắt nguồn từ von Mises, L (1971) dựa trên lý thuyết của Wicksell và nhấn mạnh vào lựa chọn và sở thích cá nhân, cũng như vai trò của hoạt động đầu tư không đồng nhất khi nền kinh tế mở rộng Chu kỳ kinh doanh cũng bắt đầu với cho vay quá mức do ngân hàng mở rộng hoạt động tín dụng thông qua dự trữ ngân hàng rất nhỏ Kết quả là mở rộng nguồn cung vốn và làm giảm lãi suất hơn nữa, thúc đẩy các nhà đầu tư chuyển từ đầu tư cho tiêu dùng sang hàng hóa vốn với quá trình sản xuất dài hơn Mở rộng tiền tệ đánh lạc hướng nhà đầu tư thúc đẩy giá vốn tăng và giảm sự ưa thích về thời gian Kết quả là đầu tư quá mức và vay mượn đầu cơ để duy trì điều này Bong bòng kết thúc khi tăng cung tiền cuối cùng dẫn đến tăng lòng vòng Tính trạng lạm phát này phục hồi sự ưa thích thời gian dẫn đến tiêu dùng tăng và giảm đầu tư.

Irving Fisher (1933) cho rằng lãi suất thấp là nguyên nhân của vay mượn quá mức, đầu tư quá mức và đầu cơ tương tự như quan điểm của trường phái Austrian. Điểm khác của lý thuyết là không tập trung vào giai đoạn bong bóng mà sau khi bong bóng vỡ Nợ quá mức xảy ra sau khi chủ tài sản bán tháo tài sản để giảm nợ, dẫn đến giá tài sản giảm Khoảng cách gia tăng giữa giá trị tài sản giảm và mức nợ cố định dẫn đến các vấn đền về bảng tổng kết tài sản, và áp lực bán tháo tài sản tiếp tục, ngừng đầu tư, và sụt giảm với giảm phát, phá sản và thất nghiệp Như vậy,Fisher nhấn mạnh vào vai trò của nợ và giá trị tài sản trong giai đoạn suy giảm.

Hyman Minsky (1982) phát triển lý thuyết chu kỳ dẫn dắt bởi tài chính nhưng khác với Wicksell, nhấn mạnh vào giải thích bất ổn tài chính trong nền kinh tế tiền tệ là do những kỳ vọng Thời kỳ thịnh vượng kéo dài làm tăng những kỳ vọng lạc quan Điều này thúc đẩy hệ thống tài chính tăng đòn bẩy, suất sinh lợi và rủi ro, phát triển từ tài chính phòng ngừa đến đầu cơ và cuối cùng là tài chính

“Ponzi” Như vậy, nền kinh tế tiền tệ vốn dĩ luôn biến động vì các giao dịch kinh tế là sự trao đổi giữa tiền hôm nay (hàng hóa hiện tại) với tiền vào ngày mai (các tài sản tài chính) và các giao dịch trên các thị trường vốn luôn có sự bất định.

Các lý thuyết chu kỳ tín dụng hiện nay cũng phát triển dựa trên những quan điểm truyền thống Graziano, 2003) nhấn mạnh vào dòng vốn tuần hoàn cho rằng sự tuần hoàn của tiền tệ tín dụng trong đó tiền được tạo ra một cách nội sinh và các ngân hàng tách biệt với khu vực doanh nghiệp và người tiêu dùng Werner (2005) mở rộng phương trình trao đổi Fisher trong đó đưa thêm các thị trường tài sản và cho rằng sự mở rộng tín dụng quá mức trên các thị trường tài chính và bất động sản, và với sự biến động nợ sau đó dẫn đến chu kỳ tín dụng và tác động đến chu kỳ kinh doanh.

2.4.3 Lý thuyết cơ chế gia tốc tài chính

Lý thuyết cơ chế gia tốc tài chính giải thích mối quan hệ giữa bất ổn tài chính và khu vực kinh tế thực bằng cơ chế gia tốc tài chính Cơ chế gia tốc tài chính được hiểu là cơ chế khuếch đại và truyền dẫn cú sốc giữa khu vực tài chính và nền kinh tế thực trong điều kiện tồn tại các ma sát trên thị trường.

Giống như lý thuyết về chu kỳ tín dụng, dòng lý thuyết cơ chế gia tốc tài chính cũng mô tả biến động của thị trường tài chính có tác động đến khu vực kinh tế thực Tuy nhiên, lý thuyết này phát triển khá sâu về mối quan hệ này Thứ nhất,khác với dòng lý thuyết chu kỳ tín dụng mô tả tác động của bất ổn tài chính đến khu vực kinh tế thực xuất phát từ bản chất của tiền tệ và vai trò của tiền tệ trong nền kinh tế, dòng lý thuyết về cơ chế gia tốc tài chính nhấn mạnh vào sự không hoàn hảo của thị trường tài chính và mô tả được sự tương tác trở lại của khu vực kinh tế thực đến khu vực tài chính Trong thập kỷ gần đây, đặc biệt sau khủng hoảng tài chính toàn cầu 2008, dòng lý thuyết cơ chế gia tốc tài chính phân tích sâu vào tác động phi tuyến trong mối quan hệ giữa bất ổn tài chính và khu vực kinh tế thực.

2.4.3.1 Lý thuyết của Kiyotaki & Moore (1997)

Lý thuyết của Kiyotaki & Moore (1997), sau đây gọi là KM (1999), cho rằng cơ chế gia tốc tài chính bắt nguồn từ khu vực doanh nghiệp và hộ gia đình, trong đó có các doanh nghiệp hạn chế tín dụng (credit constraint) Cú sốc xảy ra từ công nghệ hoặc phân phối thu nhập có thể làm cho sản lượng nền kinh tế và giá tài sản biến động mạnh và kéo dài Hạn chế tín dụng xảy ra khi người cho vay không thể buộc người vay trả nợ trừ khi khoản vay được đảm bảo.

Do vậy, những tài sản lâu bền như đất đai, nhà xưởng, máy móc thiết bị được sử dụng làm tài sản đảm bảo và giá trị vay nợ của người vay phụ thuộc vào giá của các tài sản đảm bảo Đồng thời giá tài sản này lại bị ảnh hưởng bởi nguồn cung ứng tín dụng Sự tương tác giữa nguồn cung tín dụng và giá tài sản dẫn đến cơ chế truyền dẫn mạnh các cú sốc trong nền kinh tế.

Hình 2 2 Cơ chế gia tốc từ khu vực doanh nghiệp và hộ gia đình của KM(1997)

Tương lai Tương lai thời kỳ t+1 thời kỳ t+2, t+3,

Giá trị ròng của công ty hạn chế tài chính giảm

Giá trị ròng của công ty hạn chế tài chính giảm

Giá trị ròng của công ty hạn chế tài chính giảm

Nhu cầu tài sản công ty hạn chế tài chính giảm

Nhu cầu tài sản công ty hạn chế tài chính giảm

Nhu cầu tài sản công ty hạn chế tài chính giảm

Chi phí sử dụng đất giảm Chi phí sử dụng đất giảm Chi phí sử dụng đất giảm

Tổng quan nghiên cứu về tác động giữa bất ổn tài chính và khu vực kinh tế thực

tế thực 2.5.1 Các nghiên cứu về tác động tuyến tính

Hakkio & Keeton (2009) nghiên cứu về tác động của bất ổn tài chính đến khu vực kinh tế thực trường hợp Hoa Kỳ giai đoạn 1990-2009 bằng phương pháp hồi qui riêng lẻ, với tần suất dữ liệu tháng Trong đó khu vực kinh tế thực được đo lường bằng các chỉ số khác nhau bao gồm việc làm, sản xuất, chi tiêu Kết quả cho thấy có sự tương quan ngược chiều trong suốt giai đoạn nghiên cứu, đặc biệt mạnh lên cuối năm 2008 khi căng thẳng tài chính vọt lên cao và suy thoái giảm sâu Bên cạnh đó, nghiên cứu cũng cho thấy tác động trở lại của khu vực kinh tế thực đến bất ổn khu vực tài chính không có ý nghĩa thống kê.

Tương tự, Apostolakis & Papadopoulos (2015) cũng nghiên cứu trường hợp Hoa Kỳ sử dụng dữ liệu theo quý với giai đoạn nghiên cứu dài hơn (1980-2009). Nghiên cứu sử dụng mô hình VAR tuyến tính, trong đó khu vực kinh tế thực được đo bằng tốc độ tăng trưởng GDP Kết quả nghiên cứu cũng tương tự như của Hakkio và Keeton (2009), trong đó cú sốc làm tăng bất ổn tài chính có tác động làm suy giảm tốc độ tăng trưởng của GDP.

Các nghiên cứu khác cũng sử dụng cách tiếp cận mô hình VAR tuyến tính tương tự như Apostolakis & Papadopoulos (2015) có kết quả khác nhau Nghiên cứu của Cevik, Dibooglu & Kenc (2013) áp dụng đối với Thổ Nhĩ Kỳ trong giai đoạn 1997 – 2010, cho thấy tác động của cú sốc bất ổn tài chính đến khu vực kinh tế thực có ý nghĩa thống kê, nhưng chiều tác động ngược lại từ khu vực kinh tế đến bất ổn tài chính không có ý nghĩa thống kê.

Cevik, Dibooglu & Kutan (2013) nghiên cứu các nước chuyển dịch khu vực Trung và Đông Âu (Bulgaria, Cộng hòa Séc, Hungary, Balan, Nga) trong giai đoạn 1995-2010 Mô hình sử dụng các chỉ số để đo lường qui mô hoạt động kinh tế thực như: chỉ số sản suất công nghiệp, tổng thương mại xuất nhập khẩu, và đầu tư gộp. Kết quả cho thấy tác động của bất ổn tài chính đến khu vực kinh tế thực không đồng nhất giữa các nước nghiên cứu, trong đó ngoại trừ Bulgaria không cho thấy tồn tại mối quan hệ tác động này thì các nước còn lại đều có ý nghĩa thống kê. Chiều tác động ngược lại với cú sốc vào khu vực kinh tế thực tác động đến bất ổn tài chính cũng không đồng nhất giữa các nước Tương tự, Cevik, Dibooglu & Kenc

(2016) nghiên cứu đối với nhóm năm nước ASEAN (Indonesia, Malaysia, Philippines, Singapore, và Thái Lan) giai đoạn nghiên cứu 1995-2013 đều cho thấy tác động của cú sốc bất ổn tài chính đến khu vực kinh tế thực có ý nghĩa thống kê, ngoại trừ Philippines.

Nhằm tăng tính kịp thời trong giám sát khu vực tài chính, nghiên cứu của Polat

& Ozkan (2019) ước tính thêm cơ chế tác động củng kỳ kỳ giữa bất ổn tài chính và nên kinh tế thực bằng mô hình VAR cấu trúc Nghiên cứu sử dụng dữ liệu của Thổ Nhĩ Kỳ trong giai đoạn 2005-2016 Kết quả mô hình cho thấy có ý nghĩa thống kê đối với chiều tác động của bất ổn tài chính và chiều tác động ngược lại từ khu vực kinh tế thực đến bất ổn tài chính.

Lall, Cardarelli & Elekdag (2009) muốn tìm ra những giai đoạn bất ổn tài chính có những đặc điểm tác động đến sự suy giảm sản lượng Dựa trên dữ liệu của

17 nước phát triển giai đoạn 30 năm từ năm 1980, nghiên cứu xác định các giai đoạn bất ổn tài chính và chu kỳ kinh tế Giai đoạn bất ổn tài chính là giai đoạn chỉ số FSI lớn hơn một độ lệch chuẩn so với đường xu hướng Chu kỳ kinh tế được xác định qua sự biến động của GDP bằng phương pháp (Hodrick-Prescott) HP filter. Kết quả cho thấy chỉ những giai đoạn bất ổn gắn với mở rộng tín dụng, leo tháng giá nhà ở, và đòn bẩy nợ lớn khu vực doanh nghiệp và hộ gia đình mới làm suy giảm khu vực kinh tế Nghiên cứu đã phân được sự khác biệt trong mối quan hệ giữa khu vực tài chính và kinh tế do đặc điểm của giai đoạn bất ổn tài chính.

2.5.2 Các nghiên cứu về tác động phi tuyến Để rõ hơn tác động của tác động của bất ổn tài chính đến khu vực kinh tế tính chất phụ thuộc trạng thái hay không, Davig & Hakkio (2010), sử dụng mô hình Markov-switching VAR với hai biến nội sinh bao gồm chỉ số KCSFI và chỉ số CFNAI Chỉ số CFNAI được tổng hợp từ 85 dữ liệu kinh tế vĩ mô khác nhau đo lường được phạm vi khá rộng qui mô hoạt động của khu vực kinh tế và có thể thu thập dữ liệu theo tháng Do vậy, chỉ số này phù hợp với mô hình hơn so với chỉ số GDP vốn chỉ thu thập theo quý Mô hình Markov-switching VAR xác định hai trạng thái bất ổn tài chính gồm bất ổn cao và giai đoạn bình thường Chỉ số CFNAI đều giảm với cú sốc tài chính trong đó mức giảm của CFNAI mạnh hơn xảy ra ở giai đoạn bất ổn cao Bên cạnh đó, nghiên cứu cũng cho thấy phản ứng tăng lên của bất ổn tài chính trước các cú sốc tài chính và mức độ kéo dài hơn xảy ra ở giai đoạn bất ổn tài chính cao Điều này cho thấy hệ thống tài chính chậm phục hồi và tự sửa chữa trong giai đoạn xảy ra bất ổn tài chính.

Mở rộng ra nhằm xác định rõ khác biệt trong mối liên kết giữa khu vực tài chính và nền kinh tế theo mức độ bất ổn của hệ thống tài chính, Hollo và cộng sự

(2012) sử dụng mô hình VAR phi tuyến dưới dạng Threshold VAR (TVAR) trong đó biến ngưỡng là chỉ số căng thẳng tài chính, được gọi là chỉ số CISS Biến kinh tế thực được đo lường bằng chỉ số sản xuất công nghiệp do tần suất dữ liệu cao (theo tháng) phù hợp với tính chất biến động nhanh của khu vực tài chính Nghiên cứu sử dụng dữ liệu của các nước khu vực Châu Âu trong giai đoạn 1999-2009 Mô hình TVAR mô tả được mối quan hệ hai biến ở các trạng thái bất ổn tài chính khác nhau và sự phân biệt các trạng thái bất ổn dựa vào giá trị ngưỡng của biến bất ổn tài chính Kết quả nghiên cứu cho thấy tác động hai chiều giữa bất ổn tài chính và khu vực kinh tế thực xảy ra ở trạng thái bất ổn cao nhưng không xảy ra ở trạng thái bất ổn thấp Cụ thể, ở trạng thái bất ổn cao tác động của cú sốc tài chính làm suy giảm khu vực kinh tế thực với mức lớn đáng kể và có ý nghĩa thống kê, còn ở trạng thái bất ổn thấp mức tác động không đáng kể và không có ý nghĩa thống kê Kết quả tương tự đối với chiều ngược lại.

Các nghiên cứu khác có cùng phương pháp tương tự như Hollo và cộng sự

(2012) Cụ thể, nghiên cứu của Duprey (2020) đối với Canada trong giai đoạn 1980- 2019 cho thấy phản ứng khu vực kinh tế đối với cú sốc tài chính ở giai đoạn bất ổn cao kéo dài hơn giai đoạn bất ổn thấp, trong khi đó phản ứng của bất ổn tài chính đối với cú sốc kinh tế thực ở giai đoạn bất ổn cao lớn hơn so với giai đoạn bất ổn thấp.

Tương tự như cách nghiên cứu của Hollo và cộng sự (2012), nhưng Hubrich và cộng sự (2015) sử dụng mô hình Markov-switching VAR để mô tả cơ chế tương tác tài chính và kinh tế thực Nghiên cứu sử dụng dữ liệu theo tháng của nhóm các nước khu vực EU và một số nước thuộc tổ chức OECD trong giai đoạn 1987-2010.

Mô hình Markov-switching VAR tương tự như mô hình Threshold VAR nhưng có các đặc điểm có thể mô tả sự thay đổi nhanh và đột ngột hành vi của các biến nội sinh trong mô hình, do vậy thích hợp để xác định các giai đoạn bất ổn tài chính và khủng hoảng tài chính Kết quả cũng tương tự như Hollo và cộng sự (2012) tồn tại sự khác biệt về tác động ở hai trạng thái bất ổn tài chính Một số nghiên cứu khác cũng sử dụng cùng phương pháp và có kết kết tương tự, cụ thể như Aboura & Roye

(2017) nghiên cứu đối với Pháp giai đoạn 1970-2010 bằng mô hình Bayes Markov- switching VAR; Stona và cộng sự (2018) đối với Brazil giai đoạn nghiên cứu từ2000-2013 với khu vực kinh tế thực đo bằng chi tiêu hộ gia đình, kết quả tác động của cú sốc tài chính ở giai đoạn bất ổn cao mạnh hơn và kéo dài hơn giai đoạn bình thường.

PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp xây dựng chỉ số căng thẳng tài chính đối với nước đang phát triển khu vực ASEAN

3.1.1 Đo lường các chỉ số tài chính đơn lẻ Đề tài xây dựng chỉ số FSI cho từng nước đang phát triển khu vực ASEAN để đo lường bất ổn tài chính tại các nước này Dựa vào phương pháp của phương pháp của Balakrishnan và cộng sự (2011), đề tài tập trung vào bốn khu vực quan trọng trong hệ thống tài chính đối với các nước đang phát triển bao gồm: ngân hàng, thị trường cổ phiếu, thị trường ngoại hối, và thị trường trái phiếu Việc lựa chọn các chỉ số tài chính đơn lẻ dựa theo phương pháp của Balakrishnan và cộng sự (2011) và Cevik, Dibooglu và Kutan (2013) với tiêu chí lựa chọn phù hợp với mục tiêu nghiên cứu Cụ thể: các chỉ số đơn lẻ phải phản ánh ít nhất một trong các đặc điểm của giai đoạn bất ổn tài chính, dữ liệu theo ngày, hoặc theo tháng để đảm bảo xây dựng được chỉ số căng thẳng tài chính theo tháng và các chỉ số phải có sẵn trong khoảng thời gian xảy ra một số sự kiện bất ổn trên thị trường (Hakkio và Keeton, 2009), ngoài ra dựa vào Park và Mercado (2014) đề tài ưu tiên tính đồng nhất giữa các nước trong mẫu nghiên cứu Tính đồng nhất này được xem xét dựa trên đặc điểm phát triển hệ thống tài chính cũng như giới hạn về dữ liệu nghiên cứu. Đối với khu vực ngân hàng, đề tài sử dụng chỉ số Beta để đo lường bất ổn khu vực ngân hàng Hệ số Beta khu vực ngân hàng phản ánh tương quan biến động của khu vực ngân hàng so với toàn bộ thị trường Công thức xác định Beta ngân hàng của mỗi nước như sau:

Trong đó, rt M, rt B là tỷ suất sinh lời hàng năm của toàn thị trường cổ phiếu và khu vực ngân hàng, thu thập theo tháng bằng phương pháp Rolling window 12 tháng Hệ số Beta lớn hơn 1 cho thấy khu vực ngân hàng có rủi ro cao hơn cả thị trường, là một dấu hiệu cho thấy bất ổn trong khu vực ngân hàng Giá trị của hệ số càng cao thì bất ổn khu vực càng lớn.

Do dữ liệu chỉ số khu vực ngân hàng trên thị trường trong giai đoạn nghiên cứu không đầy đủ, đề tài sử dụng chỉ số BSF (Banking sector fragility) của Kibritỗioglu, A (2003) để đỏnh giỏ bất ổn khu vực ngõn hàng của Việt Nam Chỉ số BSF cũng được sử dụng trong nghiên cứu của Cevik, Dibooglu và Kutan (2013) đối với các nước chuyển dịch Chỉ số BSF được tính toán dựa trên dữ liệu của ba biến đó là tổng tiền gửi (DEP), tổng tín dụng ngân hàng cho khu vực tư nhân (CPS) và tổng nợ nước ngoài ngắn hạn (FL) Công thức xác định như sau:

Trong đó,  chỉ tỷ lệ thay đổi theo năm Tỷ lệ thay đổi theo năm phù hợp hơn theo tháng vì tránh được yếu tố mùa vụ và vì tỷ lệ theo tháng quá không đủ dài để phản ỏnh bất ổn trong khu vực ngõn hàng (Kibritỗioglu, 2003)  và  tương ứng là giá trị trung bình và độ lệch chuẩn của biến Các biến DEP, CPS và FL được đo lường theo giá trị thực sử dụng chỉ số CPI Chỉ số BSF giảm đột ngột được xem là chỉ số cảnh báo sớm cho khủng hoảng sắp xảy ra Điều này có thể bởi vì tiền gửi giảm sút bởi do tiền gửi bị rút ra khỏi hệ thống ngân hàng, qui mô tín dụng giảm do phản ứng trước tình hình nợ xấu tăng lên, và bởi vì nợ nước ngoài tăng do tác động của giảm giá đồng nội tệ Chỉ số BSF được nhân với (-1) trước khi tổng hợp vào chỉ số căng thẳng tài chính để giá trị giảm cho thấy căng thẳng tài chính tăng lên. Đối với thị trường cổ phiếu, bất ổn tài chính được đo lường bằng hai biến tài chính, tỷ suất sinh lời và mức biến động của thị trường cổ phiếu Tỷ suất sinh lời của

𝑡 thị trường cổ phiếu được xác định theo tỷ lệ thay đổi theo năm của chỉ số giá thị trường cổ phiếu và đo lường theo tháng Tương tự như chỉ số BSF, chỉ số được nhân với (-1) để khi giá trị giảm cho thấy dấu hiệu bất ổn tài chính tăng lên Mức biến động của thị trường cổ phiếu được xác định bằng mô hình GARCH(1,1) Mô hình hình GARCH đo lường phương sai thay đổi của chuỗi thời gian nên rất nhiều nghiên cứu sử dụng để dự đoán biến động trên thị trường chứng khoán (Engle, 1982 ), trong đó mô hình GARCH(1,1) đặc biệt thích hợp với chuỗi thời gian với dữ liệu tần suất cao (Andersen & Bollerslev, 1998) Mô hình GARCH(1,1) của Bollerslev

(1986) đo lường bất ổn trên thị trường cổ phiếu như sau:

Trong đó, rt là suất sinh lời thị trường cổ phiếu, được đo lường bằng tỷ lệ thay đổi chỉ số giá thị trường cổ phiếu theo tháng; Xt ’ là hệ số chặn và thành phần tự hồi qui của suất sinh lời thị trường; t là sai số; và 2t là phương sai của sai số t. Đối với thị trường trái phiếu, do qui mô thị trường chủ yếu ở khu vực chính phủ, đề tài tập trung đo lường bất ổn ở khu vực thị trường trái phiếu Dựa theo cách tiếp cận của Hollo và cộng sự (2012) và Louzis & Vouldis (2013), đề tài sử dụng hai chỉ số đo lường, đó là chênh lệch lợi suất trái phiếu chính phủ và biến động lợi suất trái phiếu chính phủ.

Chỉ số chênh lệch lợi suất trái phiếu chính phủ cùng kỳ hạn giữa nước đang nghiên cứu và Singapore Vì Singapore là nước phát triển nên được xem là có mức rủi ro quốc gia thấp nhất trong khối Asean) Chỉ số này theo Louzis, D P., & Vouldis,

A T (2013) phản ánh được rủi ro tín dụng và rủi ro thanh khoản đối với khu vực chính phủ một nước.

Biến động lợi suất trái phiếu chính phủ Độ biến động cao cho thấy sự không chắc chắn về triển vọng nền kinh tế tăng lên, báo hiệu cho bất ổn tài chính trên thị trường nợ chính phủ Để đo lường, đề tài dựa vào dữ liệu lợi suất trái phiếu chính phủ kỳ hạn 10 năm theo ngày để tính động lệch theo từng ngày Tổng bình phương các độ lệch trong tháng xác định được chỉ số biến động lợi suất trái phiếu chính phủ theo tháng.

Cuối cùng, đối với thị trường ngoại hối, do các nước có cơ chế kiểm soát tỷ giá hối đoái, khủng hoảng tiền tệ được xác định là giai đoạn giảm giá đồng nội tệ, tổn thất dự trữ ngoại hối nghiêm trọng Do vậy đồng nội tệ giảm giá và tổn thất dự trữ ngoại hối là biểu hiện của căng thẳng tài chính trên thị trường ngoại hối Đề tài dựa theo phương pháp của Cevik, Dibooglu & Kutan (2013) sử dụng chỉ số EMPI, được xây dựng bởi Girton, L., & Roper, D (1977), để đo lường bất ổn trên thị trường ngoại hối Chỉ số được đo lường theo theo tháng (t), công thức như sau:

Trong đó, e và RES là tỷ giá và tổng dự trữ (trừ vàng); các ký hiệu , μ và σ tương ứng là tỷ lệ thay đổi 12 tháng, giá trị trung bình và độ lệch chuẩn.

3.1.2 Tổng hợp các chỉ số tài chính đơn lẻ

Các chỉ số tài chính đơn lẻ được tính toán theo các thang đo khác nhau Để tổng hợp thành chỉ số căng thẳng tài chính duy nhất, các chỉ số đơn lẻ cần được được chuyển hóa về cùng một cơ sở đơn vị Trong thống kê, có hai phương pháp chuyển hóa Thứ nhất là chuyển hóa dữ liệu dựa trên hàm phân phối tích lũy (DCF), một dạng của thống kê xếp hạng (order statistics) Tất cả các giá trị của bộ dữ liệu thô của một chỉ số được sắp xếp lại và gán cho một giá trị theo thứ tự tăng dần trong phạm vi từ 0 đến 1.

Phương pháp thứ hai là chuyển hóa dữ liệu dựa trên phương pháp phân phối chuẩn hóa, theo đó bộ dữ liệu được chuyển hóa về dạng phân phối chuẩn hóa có giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1 Mỗi giá trị của chỉ số trừ cho trung bình và sau đó chia cho độ lệch chuẩn trong mẫu Giá trị chỉ số đơn lẻ tại thời kỳ thứ t được tính theo công thức sau:

Trong đó, t = 1,2,…, n với n là tổng số quan sát của mẫu; 𝑥̅ là trung bình mẫu và S là độ lệch chuẩn của mẫu Các giá trị chuẩn hóa của chỉ số nhận giá trị dương nếu dữ liệu thô trên giá trị trung bình và giá trị âm nếu dưới giá trị trung bình Phương pháp chuyển hóa này được đề tài sử dụng trong nghiên cứu.

Sau khi được chuẩn hóa dữ liệu, các chỉ số số đơn lẻ được tập hợp lại theo từng khu vực thị trường tài chính bằng phương pháp bình quân đều để xác định chỉ số bất ổn thành phần Các chỉ số bất ổn thành phần được xác định ở bốn khu vực quan trọng của hệ thống tài chính các nước đang phát triển ASEAN bao gồm: khu vực ngân hàng, thị trường cổ phiếu, thị trường trái phiếu, và thị trường ngoại hối. Các chỉ số này sau đó được tổng hợp lại theo phương pháp tỷ trọng đều.

3.1.3 Phương pháp đánh giá hiệu quả của chỉ số căng thẳng tài chính Đề tài dựa vào phương pháp của Hakkio và Keeton (2009) để đánh giá chỉ số căng thẳng tài chính, theo đó các đỉnh điểm biến động của chỉ số bất ổn tài chính phải rơi vào xung quanh thời điểm xảy ra các sự kiện căng thẳng tài chính Một chỉ số tốt nên có ít dấu hiệu sai lầm ở các đỉnh điểm của chỉ số bất ổn và cũng ít dấu hiệu sai lầm các điểm thấp của chỉ số bất ổn.

Phương pháp đo lường giai đoạn bất ổn tại các nước đang phát triển khu vực ASEAN 81 1 Mô hình nghiên cứu

Nhằm xác định sự tồn tại các giai đoạn bất ổn tài chính khác nhau đối với các nước nghiên cứu, đề tài áp dụng phương pháp định lượng ước tính các đặc điểm khác biệt về hành vi của chuỗi dữ liệu FSI đối với từng nước Dựa vào nghiên cứu của Hollo và cộng sự (2011) và Duprey, Klaus và Peltonen (2017), nghiên cứu sử dụng mô hình tự hồi quy Markov-switching với phương trình hồi quy như sau:

Phương trình (3.4) được áp dụng cho từng nước nghiên cứu, trong đó sự biến động của FSIt phụ thuộc vào hành vi của biến trong quá khứ với độ trễ (p) và phụ thuộc vào trạng thái s Số trạng thái được giả định trong mô hình là 2 đến 3 trạng thái, s={1,2,3} Sự khác biệt về hành vi của chuỗi FSI ở mỗi trạng thái phụ thuộc vào hệ số chặn , hệ số tự hồi qui , và phương sai sai số  Nghiên cứu không đưa sự khác biệt của  vào trong phương trình hồi qui Điều này có thể giải thích là do chỉ số FSI đã phản ánh mức căng thẳng của hệ thống tài chính nên trạng thái với giá trị trung bình ước tính cao cho biết giai đoạn bất ổn tài chính cao Hơn nữa, trong thành phần của chỉ số FSI có các biến về độ biến động của tài sản tài chính nên độ biến động của các biến tài chính càng lớn thì giá trị FSI cũng càng cao Việc cho phép phương sai sai số thay đổi theo trạng thái trong mô hình không phản ánh được sự khác biệt của giai đoạn bất ổn tài chính với giai đoạn bất ổn tài chính thấp (Duprey & Klaus, 2017) Về số trạng thái trong mô hình được lựa chọn tối đa là 3 trạng thái dựa theo kết quả nghiên cứu của Hollo và cộng sự (2012) Bởi vì giai đoạn nghiên cứu của Hollo và cộng sự (2012) cũng bao gồm hai cuộc khủng hoảng tài chính lớn (khủng hoảng tài chính năm 2008 và khủng hoảng nợ công Châu Âu năm 2011) tương tự như giai đoạn của nghiên cứu.

Sự chuyển dịch giữa các trạng thái của biến FSI được xác định bằng quá trình Markov-Chain trong đó các xác suất chuyển dịch p(st = i|st-1 = j) = pij được xác định theo ma trận P:

Các trạng thái được xác định theo quá trình Markov được giả định rằng trạng thái của kỳ tiếp theo chỉ phụ thuộc vào trạng thái của kỳ hiện tại, không phụ thuộc vào trạng thái của kỳ trước đó (Hamilon, 1994).

3.2.2 Trình tự thực hiện mô hình hồi qui Markov-switching

Trước khi tiến hành hồi qui mô hình, nghiên cứu tiến hành các kiểm định đối với biến FSI của từng nước nghiên cứu bao gồm: kiểm định tính dừng và kiểm định phi tuyến Đối với kiểm định tính dừng, nghiên cứu sử dụng kiểm định ADF của Dickey và Fuller (1979) với độ trễ tối ưu của chuỗi FSI Độ trễ tối ưu được xác định bằng tiêu chí AIC của quá trình tự hồi qui chuỗi FSI Để tăng độ tin cậy, kiểm định

PP test của Phillips and Perron (1988) được sử dụng.

Kiểm định tính phi tuyến của chuỗi FSI nhằm xác định tính chất phụ thuộc trạng thái của chuỗi từ đó kết luận dữ liệu có phù hợp với mô hình nhiều trạng thái hay không Granger (1993) và Franses & Dijk (2000) Nghiên cứu sử dụng kiểm định BDS của Brock và cộng sự (1996) vì được đánh giá là hiệu quả nhất trong các kiểm định phi tuyến đối với mô hình chuỗi thời gian Bisaglia & Gerolimetto

(2014) Bên cạnh đó, kiểm định McLeod-Li của Mcleod và Li (1983) để tăng tính vững chắc của kết quả kiểm định.

Nghiên cứu sử dụng phương pháp MLE (Maximum likelihood estimator) để ước lượng các tham số hồi qui của mô hình bao gồm hệ số chặn, các hệ số quá trình tự hồi qui biến phụ thuộc, các xác suất chuyển dịch giữa các trạng thái và xác suất ở mỗi trạng thái Phương pháp ước lượng MLE sử dụng trong mô hình Markov- switching là phương pháp sử dụng thuật toán lặp (iterative algorithm), hay thuật toán cực đại hóa kỳ vọng (expected maximization) thực hiện ước lượng hai thành phần của mô hình: biến trạng thái s t không quan sát được và các tham số của mô hình tương ứng với từng trạng thái Ở bước 1, Hamilton (1989) sử dụng phương pháp thuật toán Filter để ước tính các biến trạng thái không quan sát được, tương tự như Kalman filter Tuy nhiên, điểm khác biệt là Kalman filter thực hiện cập nhật tuyến tính dựa trên biến không quan sát được có giá trị liên tục còn thuật toán Filter của Hamilton (1989) là thuật toán phi tuyến với các biến không quan sát được có giá trị rời rạc ở một trong các trạng thái Bước 2, ở mỗi trạng thái, Maximum likelihood được sử dụng để ước tính các tham số của mô hình Markov-switching và cả các xác suất chuyển dịch Bước 1 và 2 lặp đi lặp lại cập nhật các tham số ước lượng mới cho đến khi đạt giá trị hội tụ.

Sau bước hồi qui mô hình, các kiểm định đối với phần dư của mô hình được thực hiện Để lựa chọn mô hình, nghiên cứu sử dụng tiêu chí AIC và log likelihood ratio Tiêu chí AIC là tiêu chí được sử dụng phổ biến nhất (Pan, 2001) AIC được Akaike (1973) xây dựng để so sánh các mô hình khác nhau với cùng kết quả đầu ra. Với cùng một bộ dữ liệu cho ra nhiều mô hình khác nhau, mô hình có AIC nhỏ nhất được ưu tiên lựa chọn Tương tự, Log likelihood ratio (Bevington và Robinson,

2003) được sử dụng để đánh giá mực độ phù hợp của mô hình Mô hình có giá trị log likelihood lớn nhất sẽ được lựa chọn.

Bên cạnh đó, việc lựa chọn mô hình cũng dựa theo tiêu chí phân loại trạng thái RCM (Regime Classification Measure) được đề xuất bởi Ang và Bekaert (2002). Giá trị RCM được tính toán theo công thức sau:

Trong đó K là số trạng thái, T là số quan sát của chuỗi dữ liệu, và pit là xác suất làm mượt (smoothed probability) ở trạng thái j =1,…,K tại thời kỳ t Chỉ số RCM được chuẩn hóa nằm trong khoảng giá trị từ 0 đến 100 Giá trị 0 cho thấy phân biệt trạng thái là hoàn hảo Ngược lại, giá trị 100 cho thấy mô hình không cho biết thông tin nào về các trạng thái vì tất cả các trạng thái đều có xác suất bằng nhau ở mọi thời điểm Giá trị phân loại trạng thái yếu khi giá trị RCM gần với giá trị 100, cho biết mô hình Markov-switching không thể phân biệt các trạng thái thành công từ hành vi của chuỗi dữ liệu và có thể cho biết đặc điểm của mô hình không đúng(Sarno, Valente và Wohar, 20003).

Phương pháp đánh giá tác động bất ổn tài chính và khu vực kinh tế thực đối với các nước đang phát triển khu vực ASEAN

3.3.1 Mô hình nghiên cứu Để lượng hóa được cơ chế tác động giữa bất ổn tài chính và khu vực kinh tế thực, các mô hình VAR tuyến tính cũng được sử dụng để mô tả cơ chế tác động này như nghiên cứu Cevik, Dibooglu and Kutan (2013) đối với các nước chuyển dịch khu vực Châu Âu, nghiên cứu của Cevik, Dibooglu & Kenc (2016) đối với các nước khu vực ASEAN, hay nghiên cứu của Apostolakis and Papadopoulos (2015) đối với trường hợp của Mỹ Tuy nhiên, hạn chế của mô hình VAR tuyến tính là chỉ mô tả được đặc điểm chung của phản ứng đối với các cú sốc vào hệ thống hay mối quan hệ cục bộ giữa các biến trong mô hình, do vậy không phản ánh tính chất khuếch đại gây nên tác động xói mòn của lý thuyết gia tốc tài chính.

Do vậy, nghiên cứu tập trung vào các mô hình VAR đa trạng thái (Multi- regime VAR) có thể khắc phục nhược điểm này Dạng mô hình VAR phi tuyến này phản ánh được các đặc điểm thay đổi theo trạng thái, từ đó có thể mô tả được tính chất khác nhau của các phản ứng đối với các cú sốc ở các trạng thái khác nhau. Trong các dạng mô hình VAR đa trạng thái, nghiên cứu chọn mô hình VAR ngưỡng (Threshold VAR) của Tong (1983) và Tsay (1998) để mô tả thực hiện mục tiêu nghiên cứu Mô hình VAR ngưỡng các ưu điểm Thứ nhất, đây là phương pháp mô tả tính chất phi tuyến một cách đơn giản và có tính tiết kiệm về mặt thống kê định lượng (Hansen, 2000) Bên cạnh việc tìm được sự tồn tại các trạng thái khác nhau trong mô hình, trong đó mức độ phản ứng khác nhau của cú sốc ở mỗi trạng thái, mô hình VAR ngưỡng có cho biết đặc điểm khác biệt này đối với các loại cú sốc, bao gồm cú sốc âm và cú sốc dương, cũng như qui mô của cú sốc Thứ hai, sự chuyển dịch các trạng thái do tác động của biến nội sinh trong mô hình nên dễ hiểu trong việc giải thích kết quả cũng như đưa ra các hàm ý về chính sách (Hollo và cộng sự, 2012).

Dựa vào Tsay (1998), nghiên cứu sử dụng mô hình VAR ngưỡng với hai biến nội sinh bao gồm chỉ số FSI và chỉ số khu vực kinh tế thực, trong đó biến FSI được xem là biến ngưỡng, được mô tả như sau:

- y là vetor các biến nội sinh bao gồm chỉ số FSI và chỉ số phản ánh khu vực kinh tế thực

- ri-d là giá trị của biến ngưỡng tại thời kỳ t-d và các trạng thái được xác định bởi giá trị ngưỡng: 0 < 1 < …< M

- ci là vector hệ số chặn; pi bậc tự hồi qui tại trạng thái i; Aij là ma trận hệ số hồi qui của trạng thái i tại độ trễ j Phần dư it là vector phần dư của mô hình với ma trận hiệp phương sai i tại trạng thái i

- Giá trị ngưỡng ( r ) và giá trị delay (d) được xác định từ hệ phương trìnhVAR bằng phương pháp GridSearch Sau đó phương pháp OLS được sử dụng để ước tính từng mô hình VAR riêng biệt ở mỗi trạng thái.

3.3.2 Các giả thuyết nghiên cứu trong mô hình

Thứ nhất là về tác động của bất ổn tài chính đến hoạt động khu vực kinh tế thực Theo dòng lý thuyết về cơ chế gia tốc tài chính, do sự hiện diện thông tin bất cân xứng trên thị trường tài chính tồn tại phần bù rủi ro tài trợ từ bên ngoài Khi nền kinh tế chịu cú sốc âm (hoặc dương), phần bù rủi ro tăng lên (hoặc giảm xuống), tác động làm tăng (hoặc giảm) chi phí vốn tài trợ cho hoạt động đầu tư của các công ty trong nền kinh tế, từ đó thu hẹp (mở rộng) hoạt động đầu tư và hệ quả là suy giảm (tăng trưởng) hoạt động khu vực kinh tế (Bernanke, Gertler & Gilchrist,

1994) Điều này cho thấy, bất ổn trên thị trường tài chính tăng lên dẫn đến sự thu hẹp hoạt động của khu vực kinh tế thực Ngược lại, khi bất ổn giảm xuống tác động cải thiện hoạt động khu vực kinh tế thực Trong hầu hết các nghiên cứu thực nghiệm đều chứng minh được vấn đề này (xem kết quả các nghiên cứu tại Bảng 2.6 và 2.7) Như vậy, nghiên cứu của luận án cho rằng bất ổn tài chính có tác động ngược chiều đến hoạt động của khu vực kinh tế thực đối với các nước đang phát triển Khu vực ASEAN.

Thứ hai, về tác động của khu vực kinh tế thực đến bất ổn khu vực tài chính Lý thuyết gia tốc tài chính của Bernanke, Gertler & Gilchrist (1994) cũng cho rằng sự suy giảm hoạt động đầu tư của các công ty trong nền kinh tế dẫn đến dòng tiền ít hơn trong thời kỳ sau đó và giá trị tài sản ròng giảm xuống kéo theo phần bù rủi ro tài trợ bên ngoài tăng lên, và ngược lại Lý thuyết của Brunnermeier

& Sannikov (2014) cũng giải thích tác động này thông qua cơ chế vòng lặp vĩ mô.

Về khía cạnh thực nghiệm, hầu hết các nghiên cứu đối với các nước phát triển đều tìm thấy bằng chứng về tác động này (Xem kết quả nghiên cứu trong Bảng 2.6). Đối với trường hợp các nước đang phát triển, bên cạnh nhiều nghiên cứu không tìm thấy bằng chứng cho chiều tác động này (Cevik, Dibooglu & Kenc, 2013; Cevik, Dibooglu & Kenc, 2016), nghiên cứu của Polat & Ozkan (2019) đối với trường hợp Thổ Nhĩ Kỳ lại tìm thấy bằng chứng Cevik, Dibooglu & Kutan (2013) nghiên cứu đối với các nước chuyển dịch khu vực Đông Âu thì kết quả không thống nhất Mặc dù kết quả các nghiên cứu thực nghiệm trái ngược nhau, nhưng dựa trên nền tản lý thuyết, luận án có thể kỳ vọng biến động của khu vực kinh tế thực có tác động ngược chiều đến bất ổn khu vực tài chính đối với trường hợp các nước đang phát triển Khu vực ASEAN.

Tiếp đến là tác động của bất ổn tài chính đến tình trạng bất ổn của hệ thống tài chính ở những thời kỳ sau đó Theo lý thuyết lây lan tài chính (Forbes & Rigobon, 2001), do các liên kết về tài chính và hành vi của nhà đầu tư, các cú sốc tài chính có thể được truyền dẫn giữa các thị trường tài chính Điều này làm cho mức độ bất ổn của khu vực tài chính tăng lên khi hệ thống tài chính gặp cú sốc bất ổn ban đầu Nghiên cứu của Hubrich và cộng sự (2013) đối với các nước khu vực

EU và OECD cho thấy khi bất ổn tài chính tăng lên có tác động làm tăng bất ổn khu vực tài chính ở thời kỳ sau đó Như vậy, tác giả cho rằng bất ổn tài chính có tác động cùng chiều và có độ trễ với bất ổn của hệ thống tài chính đối với trường hợp các nước đang phát triển Khu vực ASEAN.

Thứ tư là về tác động phi tuyến giữa bất ổn tài chính và khu vực kinh tế thực Về khía cạnh lý thuyết, Brunnermeier & Sannikov (2014) và Mittnik &

Semmler (2013) cho rằng sự tác động hai chiều này có tính chất phi tuyến Nền kinh tế có thể đi theo hai chiều hướng Một là tác động cú sốc sẽ giảm dần và đưa nền kinh tế trở lại trạng thái cân bằng Hai là nếu tác động cú sốc đủ lớn, hệ thống sẽ rời khỏi điểm cân bằng và đi vào vòng xoáy giảm sâu Hầu hết các nghiên cứu thực nghiệm đối với các nước phát triển đều ủng hộ quan điểm này (Bảng 2.7), trong đó ở trạng thái bất ổn cao tác động này diễn ra mạnh mẽ và kéo dài, ngược lại trong giai đoạn bất ổn thấp tác động này yếu hơn và/hoặc không có ý nghĩa thống kê Do đó, luận án kỳ vọng tác động giữa bất ổn tài chính và khu vực kinh tế thực đối với trường hợp các nước đang phát triển Khu vực ASEAN có tính phụ thuộc vào trạng thái bất ổn của hệ thống tài chính.

3.3.3 Trình tự thực hiện hồi qui mô hình TVAR

3.3.3.1 Bước 1: Đo lường các biến trong mô hình a Đo lường chỉ số phản ánh khu vực kinh tế thực Để đo lường tốc độ mở rộng của nền kinh tế thực, thước đo được sử dụng phổ biến nhất là tỷ lệ tăng trưởng GDP thực GDP thực được xác định bằng GDP danh nghĩa được điều chỉnh tách khỏi tác động của lạm phát nhẳm phản ánh qui mô thực của nền kinh tế Tuy nhiên, do dữ liệu báo cáo GDP của mỗi nước thường được công bố theo năm hoặc theo quý nên thước đo này thường được sử dụng trong các nghiên cứu sử dụng dữ liệu theo quý hoặc theo năm. Đối với các nghiên cứu sử dụng dữ liệu có tần suất cao, tốc độ tăng trưởng chỉ số sản xuất công nghiệp (IP_Industry Production) với dữ liệu được báo cáo theo tháng được xem là chỉ số đo lường phù hợp cho khu vực kinh tế thực (Mittnik & Semmler, 2013) vì đo lường được qui mô sản xuất của nền kinh tế Chỉ số IP là thước đo phản ánh sản lượng của khu vực các ngành công nghiệp trong nền kinh tế. Mặc dù chiếm tỷ trọng không lớn trong GDP nhưng chỉ số IP khá nhạy cảm với tổng nhu cầu tiêu dùng và lãi suất trên thị trường nên được xem là công cụ dự báo GDP và thành quả kinh tế trong tương lai (Shapiro và cộng sự, 1989)

Do vậy, các nghiên cứu liên quan về bất ổn tài chính dựa trên các biến tài chính có tần suất dữ liệu cao nên thường sử dụng chỉ số IP để tạo sự tương thích giữa các biến trong mô hình Chiếm phần lớn là các nghiên cứu đối với các nước phát triển như Mỹ và các nước Châu Âu như Mittnik & Semmler (2013, 2018), Van Roye, B (2014), hay Hollo và cộng sự (2012).

Bên cạnh chỉ số IP đo lường khu vực kinh tế thực với tần suất dữ liệu cao, các nghiên cứu còn sử dụng các chỉ số khác như tỷ lệ tăng trưởng tổng giá trị thương mại quốc tế, tổng giá trị đầu tư tài sản cố định (Cevik, Dibooglu & Kutan,

2013 đối với các nước chuyển dịch khu vực Châu Âu), hay chi tiêu khu vực hộ gia đình (Stona và cộng sự, 2018 với với Brazil).

Dữ liệu nghiên cứu

Nghiên cứu được thực hiện với năm nước đang phát triển khu vực ASEAN bao gồm Indonesia, Malaysia, Philippines, và Việt Nam Việc lựa chọn đối tượng nghiên cứu là năm nước đang phát triển khu vực ASEAN vì hai lý do Thứ nhất , các nghiên cứu về mối liên kết phi tuyến giữa khu vực tài chính và nền kinh tế thực chỉ tập trung vào các nước phát triển, hầu như chưa có nghiên cứu nào đối với nhóm nước đang phát triển Do vậy, kết quả nghiên cứu của đề tài đong góp thêm bằng chứng thực nghiệm về vấn đề này Thứ hai, nhóm các nước nghiên cứu đều nằm trong khối kinh tế ASEAN đã có quá trình hội nhập sâu rộng về kinh tế trong nhiều năm và đang bắt đầu quá trình hội nhập về tài chính từ năm 2015 Quá trình hội nhập của ASEAN thành công sẽ tạo thành một khu vực kinh tế thống nhất có tính cạnh tranh cao so với thế giới và từ đó hỗ trợ tăng trưởng kinh tế cho các nước thành viên, giúp chia sẽ cũng như giảm thiểu rủi ro khu vực tài chính và chống được các cú sốc từ bên ngoài (Asian Development Bank Staff, 2014) Do vậy, kết quả nghiên cứu sẽ đóng góp thông tin cho các nhà làm chính sách trong khu vực ASEAN có thể đưa ra các giải pháp kịp thời và hiệu quả, nhất là trong giai đoạn bất ổn trên các thị trường tài chính, đối với sự tăng trưởng kinh tế trong khu vực.

Giai đoạn nghiên cứu được chọn từ tháng 1.2005 đến tháng 6.2020 bởi vì trong thời gian này xảy ra nhiều sự kiện căng thẳng tài chính lớn với qui mô toàn cầu và khu vực như khủng hoảng tài chính năm 2008, khủng hoảng nợ Châu Âu năm 2011, sự kiện Taper Tantrum năm 2013 v.v.v… đã ảnh hưởng đến tính ổn định hệ thống tài chính của các nước trong khu vực Do vậy, dữ liệu trong giai đoạn này phù hợp với mục tiêu của nghiên cứu.

Bảng 3 1 Dữ liệu nghiên cứu đối các nước đang phát triển khu vực ASEAN Khu vực Hạng mục chỉ số thành phần Nguồn dữ liệu

- Tổng tiền gửi, tổng tín dụng khu vực tư ngân, tổng nợ nước ngoài.

- Chỉ số giá cổ phiếu khu vực ngân hàng.

- Thomson reuters Thị trường cổ phiếu - Chỉ số giá thị trường cổ phiếu - Thomson reuters Thị trường ngoại hối

- Tỷ giá hối đoái chính thức (E) và Dự trữ ngoại hối (RES) - GEM World Bank

Thị trường nợ chính phủ

- Lợi suất trái phiếu chính phủ kỳ hạn

Khu vực kinh tế thực

- Chỉ số sản xuất công nghiệp

- Tổng giá trị xuất và nhập khẩu thương mại hàng hóa

Chỉ số vĩ mô - Chỉ số lạm phát - GEM World Bank

Về thu thập dữ liệu, nghiên cứu chọn tần suất dữ liệu theo tháng Bởi vì trong mô hình nghiên cứu bao gồm các biến liên quan đến khu vực tài chính Bản chất các chỉ số trên các thị trường tài chính biến động nhanh và liên tục, nhất là trong giai đoạn thị trường bất ổn (Hubrich và Tetlow, 2015) Dữ liệu thu thập với tần suất cao giúp kết quả đánh giá mô hình nghiên cứu chính xác hơn Về nguồn thu thập dữ liệu, đối với dữ liệu về tổng tiền gửi, tổng tín dụng cho khu vực tư nhân, và nợ nước ngoài của hệ thống ngân hàng được thu thập từ cơ sở dữ liệu của IMF Chỉ số giá thị trường cổ phiếu và chỉ số giá khu vực ngân hàng, lợi suất trái phiếu chính phủ kỳ hạn 10 năm được thu thập từ nguồn dữ liệu Thomson Reuters Tỷ giá hối đoái chính thức, dự trữ ngoại hối, và chỉ số CPI được lấy từ nguồn dữ liệu GEM(Global Economic Monitor) của Worldbank Về dữ liệu khu vực kinh tế thực, chỉ số sản xuất công nghiệp (IP), tổng giá trị xuất khẩu và nhập khẩu được thu thập từ dữ liệu GEM của Worldbank Chỉ số vĩ mô bao gồm chỉ số lạm phát được thu thập từ nguồn GEM của worldbank Chi tiết được trình bày tại Bảng 3.1.

Như vậy, chương 3 bao gồm các nội dung như sau Đầu tiên, luận án trình bày phương pháp xây dựng chỉ số căng thẳng tài chính (FSI) áp dụng cho từng nước đang phát triển khu vực ASEAN Dựa trên chỉ số FSI, mô hình định lượng đa trạng thái được sử dụng để xác định các giai đoạn bất ổn tài chính của từng nước Cuối cùng, để đánh giá mối quan hệ tác động giữa bất ổn tài chính và khu vực kinh tế thực đối với các nước nghiên cứu có tính chất phụ thuộc trạng thái hay không, luận án áp dụng mô hình VAR ngưỡng hai trạng thái gồm hai biến nội sinh bao gồm chỉ số căng thẳng tài chính và chỉ số đại diện khu vực kinh tế thực đối với từng nước nghiên cứu.

KẾT QUẢ NGHIÊN CỨU

Xây dựng chỉ số căng thẳng tài chính

Mẫu nghiên cứu là chỉ số FSI với tần suất theo tháng trong giai đoạn từ tháng 1.2005 đến tháng 6.2020 với 186 quan sát đối với mỗi nước, riêng Việt Nam có 161 quan sát giai đoạn từ 1.2007 đến 5.2020 Chỉ số FSI được tổng hợp từ các biến tài chính đơn lẻ đã được chuẩn hóa Kết quả thống kê chỉ số FSI đối với từng nước trong mẫu được trình bày trong Bảng 4.1.

Bảng 4 1 Thống kê chuỗi FSI của các nước đang phát triển ASEAN

Nước nghiên cứu Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata 15.1

Giá trị trung bình của FSI đối với Indonesia, Philippines và Việt Nam nhỏ hơn 0 cho thấy mức độ căng thẳng khu vực tài chính bình quân trong giai đoạn nghiên cứu thấp hơn so với hai nước còn lại là Malaysia và Thái Lan Giá trị lớn nhất của chỉ số FSI của tất cả các nước đều rơi vào giai đoạn khủng hoảng tài chính toàn cầu năm

2008, trong đó chỉ số FSI của Indonesia là lớn nhất, ở mức 2.810, cao gấp đôi so với Malaysia, Thái Lan và Việt Nam, cho thấy phản ứng của chỉ số FSI Indonesia là mạnh nhất so với các nước còn lại Hình 4.1 cho thấy biến động của chỉ số FSI các nước trong mẫu, trong đó cho thấy hai giai đoạn có sự tăng lên cùng nhau của tất cả

Indonesia các chỉ số FSI đó là giai đoạn khủng hoảng tài chính 2008-2009 và giai đoạn đại dịch covid-19 từ năm 2020 Các giai đoạn này đều ở phạm vi toàn cầu có mức độ tác động đến nhiều nước trên thế giới.

Xét về thành phần của chỉ số FSI từng nước, Bảng 4.2 trình bày tương quan giữa chỉ số bất ổn thành phần với chỉ số FSI của từng nước bình quân trong giai đoạn nghiên cứu Kết quả cho thấy, đối với Indonesia, Malaysia và Thái Lan, chỉ số bất ổn của thị trường ngoại hối có mức tương quan với chỉ số FSI cao nhất Đối với Philippines, chỉ số bất ổn thị trường cổ phiếu và ngoại hối tương quan mạnh nhất. Trong khi đó, Việt Nam thì chỉ số bất ổn khu vực ngân hàng tương quan mạnh nhất với chỉ số FSI.

Bảng 4 2 Bảng ma trận tương quan giữa FSI và chỉ số bất ổn tài chính thành phần

Chỉ số bất ổn thành phần

Biến FSI Indonesia Malaysia Philippines Thái Lan Việt Nam

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata 15.1

Hình 4 1 Biến động của chỉ số FSI của các nước đang phát triển khu vực ASEAN

4.1.2 Kết quả đánh giá hiệu quả chỉ số căng thẳng tài chính

Trong phần này, nghiên cứu đánh giá hiệu quả của chỉ số FSI đối với từng nước đang phát triển khu vực ASEAN dựa vào phương pháp của Hakkio và Keeton

(2009) Theo đó, các đỉnh biến động của chỉ số FSI phải trùng với các sự kiện căng thẳng trên các thị trường tài chính trong lịch sử Trong giai đoạn nghiên cứu của đề tài, từ

0 1 /0 5 0 7 /0 5 tháng 1.2005 đến tháng 6.2020, bên cạnh những sự kiện căng thẳng xảy ra bên trong của mỗi nước, các sự kiện căng thẳng trên các thị trường tài chính khu vực và toàn cầu có ảnh hưởng đến hệ thống tài chính các nước đang phát triển khu vực Châu Á bao gồm: Khủng hoảng tài chính toàn cầu năm 2008, khủng hoảng nợ công Châu Âu năm 2011, sự kiện Taper Tantrum năm 2013, Giai đoạn hoảng loạn thị trường chứng khoán Trung Quốc năm 2015, Thương chiến Mỹ Trung năm 2018, và cuối cùng là đại dịch Covid-19 đầu năm 2020.

4.1.2.1 Các sự kiện căng thẳng tài chính trong giai đoạn 2005-2020 Đầu tiên là khủng hoảng tài chính toàn cầu năm 2008 Khủng hoảng tài chính toàn cầu năm 2008 bắt đầu từ tháng 8.2007 khi các thị trường tài chính của

Mỹ bị tác động bởi khủng hoảng nợ dưới chuẩn Đây là cuộc khủng hoảng lớn nhất kể từ sau 1929-1933 Thị trường liên ngân hàng bị đóng băng trước tình trạng không chắc chắn tăng lên Năm 2008 chứng kiến đỗ vỡ của các tổ chức tài chính lớn của Mỹ như ngân hàng đầu tư Bear Stearns và Lehman Brothers Tháng 11.2008, gói giải cứu của chính phủ Mỹ được ban hành đã giúp làm dịu các thị trường tài chính Cuộc khủng hoảng lan san nhiều thị trường tài chính trên toàn cầu.

Tiếp theo là khủng hoảng nợ công Châu Âu Khủng hoảng nợ công Châu Âu có mầm móng từ năm 2008 với sự sụp đổ của hệ thống ngân hàng Iceland, sau đó lan sang Bồ Đào Nha, Italy, Ireland, Ai cập và Tây Ban Nha vào năm 2009 Sự sụp đổ này dẫn đến mất niềm tin trong khu vực Euro Mặc dù được kiểm soát bởi các cam kết đảm bảo của các nước khu vực Euro và IMF, các nước khu vực Euro vẫn bị hạ bậc xếp hạng nợ Đến cuối năm 2009, các thành viên không chính yếu của khu vực Euro như Ai cập, Tây Ban Nha, Ireland, Bồ Đào Nha, và Síp không thể trả nợ hoặc tái tài trợ khoản nợ chính phủ hoặc giải cứu các ngân hàng mà không có sự hỗ trợ của bên thứ ba Lợi suất trái phiếu chính phủ khư vực Châu Âu tăng lên do tâm lý lo ngại về nợ công quá mức Các tổ chức xếp hạng quốc tế tiếp tục hạ bậc tín nhiệm đối với các nước bị ảnh hưởng vấn đề nợ công như Ai cập, Bồ Đào Nha, vàIreland, làm tăng tâm lý lo ngại của các nhà đầu tư Mười bảy nước thành viênChâu Âu nhóm họp để thành lập EFSF vào năm 2010 nhằm xác định và hỗ trợ cho các nước gặp khủng hoảng Đầu năm 2010, chênh lệch lợi suất trái phiếu các nước thành viên không quan trọng (Ai Cập, Bồ Đào Nha, Tây Ban Nha, Ireland và Đức tăng lên. Tháng 5.2010, Ai Cập nhận các gói cứu trợ từ EU và IMF Hai năm sau đó, các biện pháp giải cứu đối với các nước khác Ireland, Bồ Đào Nha, Tây Ban Nha, và Síp Từ giữa tháng 3.2011 đến tháng 5.2012, Châu Âu chứng kiến một nữa trong số

17 nước thành viên bị vỡ nợ Khủng hoảng nợ công Châu Âu đạt đỉnh trong giai đoạn 2010 và 2012. Đến tháng 3.2012, các nhà lãnh đạo Châu Âu đưa ra các giải pháp nhằm thoát khỏi khủng hoảng Hiệp ước ngân sách công mới ban hành qui định mức thâm hụt của các nước thành viên không vượt quá 3% GDP Hệ thống ổn định khu vực EU được thành lập với quỹ giải cứu vĩnh viện vào tháng 10.2012 Hội đồng EU đề xuất tập hợp 6000 tổ chức tài chính trong khu vực thành hiệp hội ngân hàng thống nhất và được giám sát bởi ECB.

Sự kiện thứ ba là giai đoạn Taper Tantrum năm 2013 Taper Tantrum là thuật ngữ nói về sự kiện giảm mua tài sản của chương trình nới lỏng định lượng QE của Mỹ bắt đầu từ sau khủng hoảng tài chính 2008, tác động đến dòng vốn quốc tế ở các thị trường mới nổi Sau khủng hoảng tài chính toàn cầu 2008, bên cạnh chính sách cắt giảm mạnh lãi suất về gần zero, ngân hàng trung ương các nước như Mỹ, Anh, Nhật Bản, và khu vực EU thực hiện chính sách tiền tệ phi truyền thống nhằm phục hồi các chức năng của thị trường tài chính và kích thích kinh tế ở mức lãi suất gần zero Can thiệp đầu tiên tập trung vào phục hồi chức năng trung gian của các thị trường tài chính thông qua các biện pháp cung cấp thanh khoản, sau đó là chương trình mua tài sản nhằm giảm lợi suất kỳ hạn dài để kích thích tổng cầu Chương trình nới lỏng định (QE) của Mỹ là một trong chương trình qui mô lớn nhất như vậy, đem đếm qui mô bảng tổng tài sản của FED tăng gần 750 phần trăm Chương trình QE được xem là nguyên nhân dẫn đến dòng vốn chảy vào các thị trường mới nổi một cách đáng kể, đặc biệt là Châu Mỹ Latinh và Châu Á (IMF,2013) Trong suốt giai đoạn từ 2010-2013, các thị trường mới nổi nhận gần một nữa dòng vốn toàn cầu Các thị trường mới nổi khu vực EU nhận ít dòng vốn hơn do phải giảm đòn bẩy tài chính để giảm mức nợ cao vốn duy trì trước khủng hoảng.

Với triển vọng hồi phục kinh tế mạnh mẽ, tháng 5 năm 2013 FED xác nhận sẽ tăng khả năng giảm chương trình mua tài sản sau nhiều năm thực hiện chính sách tiền tệ nới lỏng, kể từ khủng hoảng tài chính 2008 Sự kiện này tạo ra cú sốc tài chính đối với các thị trường mới nổi Thị trường tài chính của các thị trường mới nổi có sự biến động mạnh, với sự điều chỉnh giá tài sản và tỷ giá hối đoái và sự đảo chiều của dòng vốn.

Sự kiện tiếp sau đó là hoảng loạn thị trường chứng khoán Trung Quốc năm 2015 Sự hoảng loạn của thị trường chứng khoán Trung Quốc bắt đầu từ tháng

6.2015 và kết thúc vào tháng 2.2016 Trong vòng một tháng, chỉ số A-share, chỉ số thị trường chứng khoán Thượng Hải, giảm giá một phần ba Mặc dù các biện pháp làm dịu thị trường của chính phủ, chỉ số giá thị trường tiếp tục giảm tiếp 8.48 phần trăm vào tháng 8.2013, mức giảm lớn nhất của chỉ số giá thị trường cổ phiếu Trung Quốc kể từ sau đợt giảm mạnh nhất vào năm 2007 Sau cuộc họp thường niên của IMF vào tháng 11 năm 2015 với chủ đề tập trung vào tăng trưởng kinh tế, rằng liệu kinh tế Trung Quốc giảm tốc có kích hoạt một cuộc khủng hoảng tài chính hay không, đến tháng 12.2005 thị trường chứng khoán Trung Quốc phục hồi 12.6 phần trăm Đến đầu năm 2016, thị trường chứng khoán Trung Quốc trải qua đợt bán tháo mạnh và giao dịch tạm ngưng ngày 4 và 7 tháng 1.2016 sau khi chỉ số thị trường giảm 7% sau 30 phút mở cửa.

Kết quả đo lường giai đoạn bất ổn tài chính

Trong phần này đề tài đánh giá đặc điểm bất ổn của hệ thống tài chính của từng nước đang phát triển khu vực ASEAN bằng cách phân biệt giai đoạn bất ổn tài chính cao với giai đoạn bất ổn tài chính thấp (giai đoạn bình thường) bằng mô hình Markov- switching với biến FSI Trước khi thực hiện hồi qui mô hình Markov- switching, các kiểm định tính dừng và kiểm định phi tuyến được thực hiện nhằm kiểm tra tính phù hợp của dữ liệu với mô hình.

4.2.1 Các kiểm định trước hồi qui mô hình

Bảng 4 3 Kiểm định tính dừng đối với các chuỗi thời gian FSI

Nước ADF test PP test Độ trể tối ưu Giá trị Z(t) tại bậc I(0) Giá trị Z(t) tại bậc I(0)

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata 15.1

Ký hiệu: "*", "**", " ***" tương ứng tại mức ý nghĩa 10%, 5%, và 1% Để kiểm định tính dừng đối với biến FSI của các nước trong mẫu nghiên cứu, tác giả sử dụng kiểm định ADF test của Dickey và Fuller (1979) Kiểm định ADF test thực hiện dựa trên độ trể tối ưu của chuỗi dữ liệu Việc xác định độ trễ tối ưu theo tiêu chí AIC Để tăng độ tin cậy của kết quả kiểm định, tác giả sử dụng thêm kiểm định PP test của Phillips and Perron (1988) Kết quả kiểm định tính dừng được tóm tắt trong Bảng 4.3, cho thấy giả thuyết H0 của kiểm định ADF và PP test về chuỗi có nghiệm đơn vị bị bác bỏ ở mức ý nghĩa 1% và 5% cho tất cả các chuỗi FSI của các nước trong mẫu nghiên cứu Như vậy, biến FSI của tất cả các nước trong mẫu nghiên cứu đều là chuỗi dừng ở bậc I(0).

Bảng 4 4 Kiểm định BDS đối với tính phi tuyến của chuỗi dữ liệu FSI

Embedding dimension 2 Embedding dimension 3 Indonesia Giá trị Epsilon 0.281 0.562 0.842 1.123 0.281 0.562 0.842 1.123

Thái Lan Giá trị Epsilon 0.281 0.563 0.844 1.125 0.281 0.563 0.844 1.125

Giá trị Epsilon 0.271 0.541 0.812 1.082 0.271 0.541 0.812 1.082 Trị thống kê z 26.818 20.416 19.447 18.838 36.895 23.120 20.351 18.717 p-value 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R

Trước khi tiến hành hồi qui mô hình Markov-switching, tác giả kiểm định tính phi tuyến của biến FSI trong mô hình đối với tất cả các nước trong mẫu nghiên cứu bằng kiểm định BDS test và McLeod–Li test Các kiểm định này giúp xác định mô hình Markov-switching được sử dụng có phù hợp hay không.

Bảng 4 5 Kiểm định McLeod–Li test đối với chuỗi dữ liệu FSI

Nước Indonesia Malaysia Philippines Thái Lan Việt Nam Độ trễ 10 10 10 10 10

Giá trị Chi bình phương 72.203*** 219.74*** 193.23*** 184.9*** 501.87***

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R

Ký hiệu: "*", "**", " ***" tương ứng tại mức ý nghĩa 10%, 5%, và 1%

Kết quả kiểm định bằng BDS test được trình bày trong Bảng 4.5 cho thấy tất cả các chuỗi FSI của các nước đều có tính chất phi tuyến Cụ thể ở tất cả các chuỗi FSI của các nước, bốn giá trị Epsilon ở chiều m=2 và m=3 đều đạt trị thống kê tại mức ý nghĩa 1%, cho thấy giả thuyết H0 về biến ngẫu nhiên có phân phối độc lập và đồng nhất (iid) bị bác bỏ ở mức ý nghĩa 1% Như vậy, biến FSI của tất cả các nước trong mẫu nghiên cứu không có sự phụ thuộc tuyến tính.

Tương tự, kết quả kiểm định tính phi tuyến của chuỗi FSI bằng kiểm định McLeod-Li test đối với chuỗi FSI của các nước trong mẫu nghiên cứu được trình bày ở Bảng 4.5 Với giả thuyết H0 là quá trình tự hồi qui chuỗi FSI bình phương là tuyến tính, trị thống kê Chi-bình phương của kiểm định đối với tất cả các chuỗi FSI của các nước cho thấy giả thuyết H0 bị bác bỏ ở mức ý nghĩa 1% Hay nói cách khác, các chuỗi FSI của tất cả các nước trong mẫu nghiên cứu đều có tính chất phi tuyến Như vậy, kết quả làm vững mạnh thêm kết quả kiểm định tính phi tuyến của FSI.

4.2.2 Kết quả hồi qui mô hình Makov-switching Đầu tiên, nghiên cứu thực hiện hồi qui mô hình Markov-switching chỉ với biến phụ thuộc FSI, trong đó giá trị trung bình thay đổi theo trạng thái và phương sai sai số không đổi theo trạng thái.

Kết quả hồi qui mô hình Markov-switching với giá trị trung bình thay đổi và phương sai không đổi theo trạng thái cho thấy với trường hợp mô hình 2 trạng thái và 3 trạng thái, giá trị ước lượng của tất cả các hệ số hồi qui trong mô hình đều có ý nghĩa thống kê ở mức 1% đối với mô hình của từng nước trong mẫu nghiên cứu (Chi tiết tại Phụ lục ) Về kiểm định phần dư, Bảng 4.6 cho thấy, ở mô hình 2 trạng thái kiểm định Ljung-Box với giả thuyết H0: phần dư là nhiễu trắng, cho thấy giá trị thống kê Q đối với Indonesia là 80.147, Malaysia là 73.897, Philippines là 90.521, Thái Lan là 83.668, và Việt Nam là 126.495, tất cả đều có mức ý nghĩa 1% Tương tự, kiểm định phần dư nhiễu trắng ở mô hình 3 trạng thái, trị thống kê Q bậc 1 của kiểm định Ljung-Box của với Philippines là 58.878 có mức ý nghĩa 1% và 5% Các nước còn lại không xác định được phương trình hồi qui Như vậy, mô hình Markov- switching có giá trị trung bình thay đổi 2 trạng thái và 3 trạng thái đều có phần dư không nhiễu trắng.

Tiếp theo, nghiên cứu đưa thêm quá trình tự hồi qui của biến phụ thuộc vào mô hình để khắc phục hiện tượng tự tương quan phần dư trong mô hình Bậc tự hồi qui của biến phụ thuộc dựa vào độ trễ tối ưu của biến phụ thuộc (FSI) đã xác định trong phần kiểm định tính dừng Cụ thể, biến FSI của Indonesia, Malaysia, Philippines và Thái Lan đều có độ trể tối ưu ở bậc 1, biến FSI của Việt Nam có độ trễ tối ưu ở bậc

2 Khi đưa các biến trễ vào mô hình, quá trình hồi qui đưa đến các mô hình Markov- switching khác nhau với hệ số tự hồi qui thay đổi và không thay đổi theo trạng thái.

Bảng 4 6 Kết quả hồi qui Markov-switching

Mô hình MS(2)-DR(0) MS(3)-DR(0)

Nước Giá trị Q(1) p-value Giá trị Q(1) p-value

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata

15.1 NA: ký hiệu các hệ số hồi qui không xác định được

Bảng 4.7 tóm tắt so sánh đặc điểm của các mô hình Markov-switching Kết quả hồi qui cho thấy giá trị thống kê Q của kiểm định Ljung-Box đối với phần dư đều có không có ý nghĩa thống kê ở tất cả các mô hình (ngoại trừ mô hình 2 trạng thái với  thay đổi của Việt Nam), do đó cho thấy hiện tượng nhiễu trắng của phần dư. Đối với trường hợp Indonesia và Malaysia, do giá trị AIC của các mô hình không chênh lệch đáng kể (mức chênh lệch dưới 10) không là yếu tố xem xét lựa chọn (Burnham, K.P và D.R Anderson, 1998), nghiên cứu chọn mô hình mô hình

2 trạng thái với hệ số  không đổi do có giá trị RCM nhỏ nhất Tương tự, đối với Philippines, mô hình 2 trạng thái với hệ số  thay đổi có giá trị RCM nhỏ nhất được chọn là mô hình cuối cùng. Đối với trường hợp Thái Lan, mô hình 3 trạng thái có giá trị AIC nhỏ nhất và chênh lệch khá lớn so với các mô hình còn lại nhưng giá trị RCM cao hơn nhiều cho thấy khả năng phân biệt sự khác biệt của các trạng thái không tốt và số tham số ước tính khá nhiều (12 tham số) gấp đôi so với mô hình 2 trạng thái Do mục tiêu của nghiên cứu hướng về tìm sự khác biệt về hành vi của chuỗi FSI nên mô hình 2 trạng thái với  không đổi được chọn lựa Đối với trường hợp của Việt Nam, mô hình 3 trạng thái với  thay đổi được chọn do có giá trị RCM lớn nhất đồng thời AIC cũng nhỏ nhất.

Bảng 4 7 So sánh các mô hình tự hồi qui Markov-switching

Mô hình Hệ số tự hồi qui

Số tham số AIC RCM Kiểm định Ljung-Box

MS(2)-DR(1) Không thay đổi 6 66.413 21.780 0.814 0.367

MS(3)-DR(1) Không thay đổi na na na na na

MS(2)-DR(1) Không thay đổi 6 30.388 36.420 0.094 0.759

MS(3)-DR(1) Không thay đổi na na na na na

MS(2)-DR(1) Không thay đổi 6 -20.861 17.353 0.522 0.470

MS(3)-DR(1) Không thay đổi na na na na na

MS(2)-DR(1) Không thay đổi 6 0.266 16.488 0.057 0.811

MS(3)-DR(1) Không thay đổi na na na na na

MS(2)-DR(2) Không thay đổi 7 -161.758 5.1130 3.938 0.047

MS(3)-DR(2) Không thay đổi 11 -171.628 35.931 2.260 0.133

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata 15.1

MS(s): mô hình Markov-switching với s trạng thái; DR(p): chỉ bậc tự hồi qui (p); na: ký hiệu phương trình hồi qui không xác định

Sau khi mô hình Markov-switching cuối cùng được chọn, kết quả ước lượng các tham số mô hình của từng nước đang phát triển khu vực ASEAN được trình bày trong Bảng 4.8 Tiếp theo, nghiên cứu thực hiện kiểm định ý nghĩa của các tham số hồi qui trong mô hình và sự khác biệt giữa các trạng thái bằng kiểm định Wald (Chi tiết tại Phụ lục 3). Đối với Indonesia, kiểm định Wald với giả thuyết H0: hệ số hồi qui bằng 0, cho thấy tất cả các hệ số hồi qui của mô hình đều có ý nghĩa thống kê ở mức 1%. Kiểm định Wald với giả thuyết H0: giá trị của hệ số chặn  ở trạng thái 1 bằng trạng thái 2 có ý nghĩa thống kê ở mức 1% (chi24.54), do đó chấp nhận H1: có sự khác biệt hệ số tự hồi qui bậc 1 giữa 2 trạng thái hay mô hình Markov-switching tồn tại hai trạng thái khác nhau.

Tương tự, đối với Malaysia, các hệ số hồi qui trong mô hình đều có ý nghĩa thống kê ở mức 1% Kiểm định wald với giả thuyết H0: hệ số  của trạng thái 1 bằng trạng trạng thái 2 có mức ý nghĩa 1% (giá trị Chi20.9), do đó bác bỏ giả thuyết H0 Kết quả cho thấy có tồn tại 2 trạng thái khác nhau trong mô hình.

Bảng 4 8 Kết quả hồi qui mô hình Markov-switching

Hệ số hồi qui Indonesia Malaysia Thái Lan Philippines Việt Nam

Nguồn: Tác giả tổng hợp từ kết quả phần mềm Stata 15.1

 (s) : hệ số chặn trạng thái s;  p (s): hệ số tự hồi qui bậc p ở trạng thái s;  là độ lệch chuẩn của sai số; p ij (i,j =1,2,3) là các xác suất chuyển dịch trạng thái; est (s) : giá trị trung bình ước tính của FSI ở trạng thái s; và s =1,2,3 Đối với Philippines, các hệ số hồi qui trong mô hình đều có ý nghĩa thống kê ở mức 1% Kiểm định sự khác biệt các hệ số hồi quy của 2 trạng thái cho thấy giả thuyết H0: hệ số  trạng thái 1 bằng trạng thái 2 có mức ý nghĩa 1% (thống kê Chi2.54), giả thuyết H0 về hệ số hồi qui 1 trạng thái 1 bằng trạng thái 2 không có ý nghĩa thống kê (Chi2=1.45) Tuy nhiên, kết quả kiểm định đồng thời giả thuyết H0 về hệ số  và 2 của trạng thái 1 bằng trạng thái 2 có ý nghĩa thống kê ở mức 1% (thống kê Chi2.58) Như vậy, sự khác biệt giữa của hai trạng thái trong mô hình có ý nghĩa thống kê.

Tiếp đến, kiểm định giá trị của các hệ số hồi qui trong mô hình của Thái Lan cho thấy tất cả các hệ số hối qui đều có ý nghĩa thống kê ở mức 5% Kiểm định sự khác biệt giữa hai trạng thái, giả thuyết H0: hệ số tự hồi qui  bằng nhau ở 2 trạng thái có ý nghĩa thống kê ở mức 1% (Chi20.29) Mô hình tồn tại hai trạng thái khác nhau.

Quan hệ tác động giữa bất ổn tài chính và khu vực kinh tế thực

4.3.1 Mô tả đặc điểm dữ liệu nghiên cứu

Thống kê về chỉ số khu vực kinh tế thực trong bảng 4.10 cho thấy, xét về tỷ lệ tăng trưởng chỉ số IP bình quân trong giai đoạn từ năm 1.2007 – 2.2020 thì Indonesia cao nhất với 4.22%, tiếp đến là Philippines, Malaysia và thấp nhất là Thái Lan với mức 2.22% Đối với Việt Nam, chỉ số khu vực kinh tế thực được đo lường bằng tổng xuất nhập khẩu với tốc độ tăng bình quân hằng năm là 16.13%, mức cao nhất nếu so với tỷ lệ tăng IP của các nước còn lại.

Bảng 4 10 Thống kê mô tả chỉ số kinh tế thực

Nước nghiên cứu Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất Giai đoạn nghiên cứu

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R

Ghi chú: Chỉ số kinh tế thực là tỷ lệ tăng IP đối với các nước, riêng Việt Nam là tỷ lệ tăng tổng xuất nhập khẩu

Hình 4 13 Biến động chỉ số FSI và khu vực kinh tế thực các nước ASEAN

Nguồn: Tác giả tính toán tổng hợp

Ghi chú:Chỉ số kinh tế thực thể hiện bằng đường màu xanh, chỉ số FSI thể hiện bằng đường màu đỏ

Việc so sánh này xuất phát từ các luận điểm Một là, chỉ số IP hay thành phần xuất nhập khẩu được xem là công cụ dự báo cho biến động của GPD Hơn nữa, kết quả so sánh cũng tương đồng với kết quả về tăng trưởng GDP giữa các nước Theo đó, Việt Nam nằm trong nhóm nước thành viên mới có mức tăng trưởng GDP cao nhất, bình quân 6.31% trong cùng giai đoạn từ năm 2005-2020, tiếp đến là Indonesia 5.02%, Philippines ở mức 4.82%, Malaysia là 4.28%, và cuối cùng là Thái Lan với mức 2.86% (Dữ liệu World Bank).

Biến động của chỉ số FSI và chỉ số kinh tế thực của từng nước cũng được phản ánh trong hình 4.13 Kết quả cho thấy có mối quan hệ ngược giữa chỉ số FSI và chỉ số khu vực kinh tế thực Trong giai đoạn chỉ số FSI tăng lên thì chỉ số khu vực kinh tế thực có xu hướng giảm xuống Và ngược lại, với giai đoạn chỉ số FSI ở mức thấp hay giảm xuống thì chỉ số khu vực kinh tế thực có xu hướng được cải thiện Mối quan hệ ngược này được thể hiện rõ hơn khi chỉ số FSI đạt tại các đỉnh biến động.

Mối quan hệ tương tác giữa chỉ số FSI và chỉ số khu vực kinh tế thực được làm rõ hơn bằng kiểm định nhân quả Granger Bảng 4.11 trình bày kiểm định tác động Granger giữa chỉ số FSI và chỉ số kinh tế thực đối với từng nước Các biến đều đạt kiểm định tính dừng trước khi đưa vào kiểm định Granger Kiểm định thực hiện tại độ trễ tối ưu được lựa chọn từ mô hình VAR tuyến tính và theo tiêu chí SIC.

Kết quả cho thấy giả thuyết H0: FSI có tác động đến chỉ số kinh tế thực có ý nghĩa ở mức 1% đối với Indonesia, Malaysia, Thái Lan, và Việt Nam, và có ý nghĩa ở mức 10% đối với Philippines Kết quả kiểm định tác động ngược lại từ khu vực kinh tế thực đến FSI chỉ có ý nghĩa thống kê ở mức 1% đối với Việt Nam, các nước còn lại không có ý nghĩa thống kê Như vậy, tác động của bất ổn tài chính đối với khu vực kinh tế thực tồn tại ở tất cả các nước trong mẫu nghiên cứu Tác động theo chiều ngược lại chỉ tồn tại đối với Việt Nam.

Kết quả này tương đồng với nghiên cứu của Cevik, Dibooglu & Kenc (2016) về năm nước ASEAN gồm Indonesia, Malaysia, Philippines, Singapore và Thái Lan giai đoạn 1995-2013, trong đó tác động bất ổn tài chính đến khu vực kinh tế thực có ý nghĩa thống kê (ngoại trừ Philippines) và không có bằng chứng thống kê cho tác động từ khu vực kinh tế thực đến bất ổn tài chính.

Kết quả kiểm định Granger trên dừng ở việc mô tả tác động tuyến tính giữa bất ổn tài chính và khu vực kinh tế thực của các nước khu vực ASEAN Phần tiếp theo, nghiên cứu sử dụng mô hình định lượng để tìm bằng chứng về sự tồn tại phi tuyến trong quan hệ tác động này.

Bảng 4 11 Kiểm định nhân quả Granger giữa biến FSI và chỉ số kinh tế thực

Nước nghiên cứu Độ trễ tối ưu

Giả thuyết FSI có tác động đến biến kinh tế thực

Biến kinh tế thực có tác động đến FSI

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R

4.3.2 Các kiểm định trước hồi qui

Bảng 4 12 Kiểm định tính dừng của các biến trong mô hình TVAR

ADF test tại bậc I(0) PP test tại bậc I(0)

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R Đầu tiên, nghiên cứu kiểm định tính dừng của các biến trong mô hình Tính dừng của các biến trong mô hình được đánh giá bằng kiểm định ADF củaAugmented Dickey-Fuller (1984) Bên cạnh đó, nghiên cứu thực hiện thêm kiểm định của Perron and Phillips (1988) Kết quả kiểm định được trình bày trong bảng4.12. Đối với tính dừng của biến FSI, tại bậc I(0), kết quả của kiểm định ADF tại độ trể tối ưu với giả thuyết H0: quá trình tự hồi qui của chuỗi có nghiệm đơn vị đối với biến FSI của tất cả các nước trong mẫu đều có mức ý nghĩa 1% và 5% Để tăng độ tin cậy của kết quả kiểm định, kết quả kiểm định PP test đối với biến FSI ở bậc I(0) cũng có mức ý nghĩa 1% và 5% Như vậy, biến FSI của các nước trong mẫu đều dừng ở bậc I(0).

Tương tự, kiểm định tính dừng của chỉ số khu vực kinh tế thực, kết quả của kiểm định ADF và PP test đều có mức ý nghĩa 1% và 5% Nên chỉ số khu vực kinh tế thực của tất cả các nước trong mẫu đều dừng ở bậc I(0).

Tiếp theo, để đánh giá tính phù hợp của bộ dữ liệu với mô hình VAR ngưỡng, nghiên cứu tiến hành kiểm định phi tuyến mối quan hệ giữa biến FSI và khu vực kinh tế thực Nghiên cứu sử dụng kiểm định mở rộng Hansen test của Lo và Zivot (2001) trong đó có ba kiểm định gồm: kiểm định sự tồn tại của TVAR gồm hai trạng thái, kiểm định sự tồn tại của TVAR 3 trạng thái, và kiểm định so sánh hai mô hình TVAR 2 trạng thái và 3 trạng thái.

Bảng 4 13 Độ trễ tối ưu của mô hình VAR hai biến FSI và khu vực kinh tế thực

Nước AIC HQIC SIC FPE

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R

Kết quả kiểm định tùy thuộc vào giá trị delay (d) của biến ngưỡng và độ trễ tối ưu của mô hình Giá trị d không vượt quá độ trễ tối ưu Độ trễ tối ưu trong mô hình VAR ở mỗi trạng thái được xác định dựa vào mô hình VAR tuyến tính toàn bộ mẫu Do mô hình nhiều tham số và số quan sát ở trạng thái bất ổn cao ít nên nghiên cứu ưu tiên tính tiết kiệm trong lựa chọn Kết quả đưa ra nhiều tiêu chí lựa chọn bao gồm: AIC, HQIC, SBIC, và FPE, trong đó nghiên cứu dựa vào tiêu chí SBIC với độ trễ tối ưu thấp nhất Cụ thể, độ trễ 1 đối với Indonesia, Malaysia, Philippines, vàThái Lan; độ trễ tối ưu bằng 2 đối với Việt Nam (Bảng 4.13).

Nghiên cứu tiến hành kiểm định với số lần bootstrap bằng 500 Tỷ lệ số quan sát tối thiểu mỗi trạng thái là 15 phần trăm nhẳm đảm bảo đủ số quan sát cho mô hình mỗi trạng thái và tránh hiện tượng Overfitting (hiện tượng quá mô hình quá khớp với bộ dữ liệu ảnh hưởng đến dự báo trong tương lai hoặc thất bại khi so khớp với bộ dữ liệu bổ sung)( Afonso và cộng sự, 2018).

Kiểm định tính chất phi tuyến trong mô hình VAR giữa FSI và chỉ số khu vực kinh tế thực được tóm tắt trong bảng 4.14 Bảng A trình bày kết quả kiểm định giả thuyết về sự tồn tại của mô hình TVAR 2 trạng thái với giả thuyết H0: tồn tại mô hình VAR tuyến tính Bảng B là kết quả kiểm định mô hình TVAR 3 trạng thái.

Và bảng C là kiểm định mô hình TVAR 2 hay 3 trạng thái phù hợp hơn.

Kết quả cho thấy đối với Indonesia, kiểm định bảng A có ý nghĩa mức 5% (LR".124) nên bác bỏ giả thuyết H0 có tồn tại mô hình TVAR 2 trạng thái Kiểm định bảng B có ý nghĩa mức 5% (LR4.952) nên bác bỏ giả thuyết H0 có tồn tại mô hình TVAR 3 trạng thái Bảng C không có ý nghĩa thống kê Vậy mô hình 2 trạng thái phù hợp hơn các mô hình còn lại.

Bảng 4 14 Kiểm định tính phi tuyến mô hình VAR

Nước Indonesia Malaysia Philippines Thailand Vietnam Độ trễ tối ưu (p) 1 1 1 1 2 2 2 2

Bảng A Kiểm định mô hình VAR tuyến tính so với TVAR 2 trạng thái

Bảng B Kiểm định mô hình VAR tuyến tính so với TVAR 3 trạng thái

Bảng C Kiểm định mô hình TVAR 2 trạng thái so với 3 trạng thái

Nguồn: Tác giả tổng hợp từ kết quả phần mềm R Đối với Malaysia, kiểm định Bảng A có ý nghĩa thống kê ở mức10%

(LR.521) và bảng B có ý nghĩa thống kê ở mức 10% (LR1.556), trong khi đó trị thống kê LR của bảng C cho thấy không có ý nghĩa thống kê Vậy mô hình 2 trạng thái phù hợp nhất Đối với trường hợp Philippines, kiểm định ở bảng A và bảng B đều cho thấy trị thống kê LR đều không có ý nghĩa thống kê nên không tồn tại mô hình hai trạng thái và mô hình ba trạng thái Hay nói cách khác, mô hình VAR tuyến tính thích hợp với bộ dữ liệu của Philippines.