Nghiên cứu cơ chế truyền dẫn chính sách tiền tệ qua kênh lãi suất tại việt nam

Nghiên cứu cơ chế truyền dẫn chính sách tiền tệ qua kênh lãi suất tại việt nam Nghiên cứu cơ chế truyền dẫn chính sách tiền tệ qua kênh lãi suất tại việt nam Nghiên cứu cơ chế truyền dẫn chính sách tiền tệ qua kênh lãi suất tại việt nam

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO HỌC VIỆN NGÂN HÀNG BÙI QUỐC DŨNG NGHIÊN CỨU CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT TẠI VIỆT NAM CHUYÊN NGÀNH: TÀI CHÍNH - NGÂN HÀNG MÃ NGÀNH: 9.34.02.01 LUẬN ÁN TIẾN SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN KIM ANH TS LÊ XUÂN NGHĨA HÀ NỘI - 2023 LỜI CẢM ƠN Tôi xin gửi lời cảm ơn chân thành sâu sắc đến PGS.TS Nguyễn Kim Anh TS Lê Xuân Nghĩa vai trò người Thầy hướng dẫn, hỗ trợ thúc đẩy tơi suốt q trình học tập, định hướng, phản hồi, phản biện, lời khuyên, động viên cho việc lựa chọn thực nghiên cứu chủ đề Tôi xin gửi lời cảm ơn chân thành đến Thầy Cô giáo Học viện Ngân hàng, nhà khoa học Hội đồng luận án tiến sĩ cấp có phản biện khuyến nghị xác thực, hữu ích giúp tơi bổ sung hồn thiện luận án Cuối cùng, tơi xin dành tình cảm chân thành cho gia đình hi sinh, hỗ trợ khơng có họ, luận án khơng thể hoàn thành Hà Nội, ngày tháng năm 2023 Bùi Quốc Dũng LỜI CAM ĐOAN Tôi tên Bùi Quốc Dũng, nghiên cứu sinh Học viện Ngân hàng, sinh ngày 14/12/1979 Hà Nội, quê quán Nam Định Tôi xin cam đoan Luận án “Nghiên cứu chế truyền dẫn sách tiền tệ qua kênh lãi suất Việt Nam” tơi nghiên cứu thực Các thông tin, số liệu sử dụng luận án trung thực có nguồn trích dẫn đáng tin cậy Nghiên cứu sinh Bùi Quốc Dũng MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN MỤC LỤC DANH MỤC BẢNG DANH MỤC HÌNH 10 DANH MỤC TỪ VIẾT TẮT 11 LỜI MỞ ĐẦU 1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI TỔNG QUAN NGHIÊN CỨU 2.1 Tổng quan nghiên cứu 2.1.1 Các nghiên cứu sách tiền tệ khung khổ điều hành sách tiền tệ 2.1.2 Các nghiên cứu chế điều hành sách tiền tệ qua kênh lãi suất 2.1.3 Các nghiên cứu chế truyền dẫn sách tiền tệ qua kênh lãi suất 2.2 Khoảng trống nghiên cứu……………………………………………………….10 MỤC TIÊU NGHIÊN CỨU 11 3.1 Mục tiêu nghiên cứu tổng quát 11 3.2 Mục tiêu nghiên cứu cụ thể 11 3.3 Câu hỏi nghiên cứu 11 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 12 PHƯƠNG PHÁP NGHIÊN CỨU 12 ĐÓNG GÓP MỚI CỦA LUẬN ÁN 13 KẾT CẤU CỦA LUẬN ÁN 14 CHƯƠNG 15 TỔNG QUAN VỀ CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT 15 1.1 TỔNG QUAN VỀ CƠ CHẾ TRUYỂN DẪN CỦA CHÍNH SÁCH TIỀN TỆ 15 1.1.1 Khái niệm, vai trò sách tiền tệ 15 1.1.2 Mục tiêu sách tiền tệ 17 1.1.3 Cơng cụ sách tiền tệ 20 1.1.3.1 Công cụ truyền thống 20 1.1.3.2 Công cụ bổ trợ 20 1.1.3.3 Công cụ phi truyền thống 21 1.1.4 Cơ chế truyền dẫn sách tiền tệ 24 1.1.4.1 Kênh lãi suất 24 1.1.4.2 Kênh tín dụng 25 1.1.4.3 Kênh tỷ giá hối đoái 26 1.1.4.4 Kênh giá tài sản khác 27 1.2 TỔNG QUAN VỀ CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT 27 1.2.1 Tổng quan lãi suất 27 1.2.1.1 Khái niệm chất lãi suất 27 1.2.1.2 Khái niệm lãi suất thị trường tiền tệ 30 1.2.2 Cơ chế truyền dẫn sách tiền tệ qua kênh lãi suất 31 1.2.2.1 Khái niệm chế truyền dẫn CSTT qua kênh lãi suất 31 1.2.2.2 Lựa chọn lãi suất điều hành cho kênh lãi suất 32 1.3 NHÂN TỐ ẢNH HƯỞNG ĐẾN CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT 36 1.3.1 Nhóm nhân tố ảnh hưởng từ thị trường quốc tế 36 1.3.2 Chất lượng bảng cân đối tài sản hệ thống ngân hàng 37 1.3.3 Đặc điểm môi trường vận hành hệ thống tài 38 1.3.4 Sự phát triển cơng nghệ tài 39 1.3.5 Nhóm nhân tố khác 40 1.4 KINH NGHIỆM QUỐC TẾ VỀ CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT VÀ BÀI HỌC CHO VIỆT NAM 41 1.4.1 Ngân hàng Trung ương Nhật Bản 41 1.4.2 Ngân hàng Trung ương Thái Lan 44 1.4.3 Ngân hàng trung ương Philippines (BSP) 46 1.4.4 Bài học kinh nghiệm điều hành chế lãi suất cho Ngân hàng Nhà nước Việt Nam 47 KẾT LUẬN CHƯƠNG 49 CHƯƠNG 50 THỰC TRẠNG CHÍNH SÁCH TIỀN TỆ VÀ ĐIỀU HÀNH LÃI SUẤT TẠI VIỆT NAM 50 2.1 BỐI CẢNH KINH TẾ VĨ MÔ TẠI VIỆT NAM 50 2.1.1 Giai đoạn 2002-2011 50 2.1.2 Giai đoạn 2012-2019 51 2.1.3 Giai đoạn 2020-2022 53 2.2 THỰC TRẠNG CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM 53 2.2.1 Khung khổ pháp lý 53 2.2.2 Hệ thống mục tiêu 54 2.2.2.1 Mục tiêu cuối 55 2.2.2.2 Mục tiêu trung gian 57 2.2.2.3 Mục tiêu hoạt động 58 2.2.3 Công cụ điều hành 59 2.2.3.1 Nghiệp vụ thị trường mở (OMOs) 59 2.2.3.2 Nghiệp vụ tái cấp vốn 61 2.2.3.3 Nghiệp vụ tái chiết khấu 63 2.2.3.4 Điều hành tỷ giá 65 2.2.3.5 Dự trữ bắt buộc 68 2.3 THỰC TRẠNG ĐIỀU HÀNH LÃI SUẤT TRONG KHUNG KHỔ ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM 69 2.3.1 Sự phát triển chế điều hành lãi suất qua thời kỳ 69 2.3.1.1 Giai đoạn 2002 – 2010 69 2.3.1.2 Giai đoạn 2011-2022 72 2.3.2 Lãi suất điều hành 74 2.3.3 Lãi suất liên ngân hàng 77 2.3.4 Lãi suất NHTM 80 2.3.4.1 Giai đoạn trước năm 2011 80 2.3.4.2 Giai đoạn 2012-2020 85 2.3.4.3 Giai đoạn từ năm 2020-2022 88 2.4 ĐÁNH GIÁ CHUNG 90 2.4.1 Kết 90 2.4.2 Hạn chế 92 2.4.3 Nguyên nhân 94 KẾT LUẬN CHƯƠNG 99 CHƯƠNG 100 ĐÁNH GIÁ CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ QUA KÊNH LÃI SUẤT TẠI VIỆT NAM 100 3.1 MƠ TẢ MƠ HÌNH TỰ HỒI QUY VECTOR KẾT HỢP PHƯƠNG PHÁP BAYESIAN (BAYESIAN VAR) 100 3.2 NGUỒN SỐ LIỆU 106 3.2.1 Mô tả liệu 106 3.2.2 Tương quan biến số 110 3.3 KẾT QUẢ VÀ NHẬN ĐỊNH 111 3.3.1 Phân tích phân rã phương sai 111 3.3.2 Hàm phản ứng 112 3.3.3 Kết luận từ mơ hình 115 KẾT LUẬN CHƯƠNG 117 CHƯƠNG 118 KHUYẾN NGHỊ CHÍNH SÁCH 118 4.1 ĐỊNH HƯỚNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ CỦA NGÂN HÀNG NHÀ NƯỚC VIỆT NAM ĐẾN NĂM 2025, TẦM NHÌN 2030 118 4.2 KHUYẾN NGHỊ CHÍNH SÁCH 119 4.2.1 Khuyến nghị sách thiết lập khung khổ điều hành lãi suất 119 4.2.1.1 Lãi suất sách 120 4.2.1.2 Hành lang lãi suất 121 4.2.1.3 Các loại lãi suất khác 124 4.2.1.4 Lãi suất TCTD khách hàng 124 4.2.2 Nhóm khuyến nghị sách liên quan đến nâng cao lực điều hành sách tiền tệ Ngân hàng Nhà nước 125 4.2.3 Nhóm khuyến nghị Chính phủ ngành 129 KẾT LUẬN CHƯƠNG 131 KẾT LUẬN CHUNG 132 TÀI LIỆU THAM KHẢO 135 PHỤ LỤC 1: PHÂN LOẠI KHUNG KHỔ CSTT CỦA CÁC NƯỚC THÀNH VIÊN IMF 139 PHỤ LỤC 2: QUYẾT ĐỊNH SỐ 241/2000/QĐ-NHNN1 NGÀY 2/8/2000 VỀ VIỆC THAY ĐỔI CƠ CHẾ ĐIỀU HÀNH LÃI SUẤT CHO VAY CỦA TCTD ĐỐI VỚI KHÁCH HÀNG 141 PHỤ LỤC 3: THÔNG TƯ SỐ 12/2010/TT-NHNN NGÀY 14/4/2010 HƯỚNG DẪN TCTD CHO VAY BẰNG ĐỒNG VIỆT NAM ĐỐI VỚI KHÁCH HÀNG THEO LÃI SUẤT THỎA THUẬN 144 PHỤ LỤC 4: CÁC VẤN ĐỀ CHÍNH ĐỔI VỚI MƠ HÌNH VAR 145 PHỤ LỤC 155 PHỤ LỤC 1587 PHỤ LỤC 158 PHỤ LỤC 160 DANH MỤC BẢNG Bảng 2.1: Phân loại lớp mục tiêu khung khổ CSTT 55 Bảng 2.2: Phân loại nước theo mục tiêu cuối CSTT IMF 55 Bảng 2.3: Phân loại quốc gia theo khung khổ CSTT 57 Bảng 2.6: Các mức lãi suất điều hành NHNN từ 2011 -2022 75 Bảng 4.1: Cấu trúc lãi suất điển hình NHTW 122 DANH MỤC HÌNH Hình 1.1: Mục tiêu vận hành công cụ CSTT 17 Hình 1.2: Cơ chế điều hành lãi suất NHTW 32 Hình 1.3 Hành lang lãi suất mô tả 33 Hình 1.4: Cơ chế truyền tải CSTT BO 45 Hình 2.1: Thống kê phiên đấu thầu phát hành tín phiếu NHNN (từ 21/9/2023 tới 08/11/2023) 60 Hình 2.2: Lãi suất tái cấp vốn giai đoạn 2001-2022 63 Hình 2.3: Lãi suất chiết khấu giai đoạn 2001-2022 65 Hình 2.4 Diễn biến tỷ giá VND/USD thức giai đoạn 2002 – 2022 66 Hình 2.5 Các lần điều chỉnh tỷ lệ DTBB NHNN (đối với VND) 68 Hình 2.6 Lãi suất tái chiết khấu lạm phát giai đoạn trước sau năm 2012 76 Hình 2.7: Lãi suất liên ngân hàng lãi suất cho vay giai đoạn T6/2019-T6/2022 79 Hình 2.8: Lãi suất huy động lãi suất cho vay trung bình hệ thống NHTM, 2000-2011 81 Hình 2.9: Lãi suất huy động lãi suất cho vay trung bình hệ thống NHTM, 2012-2020 87 Hình 2.10: Lãi suất LNH, lãi suất cho vay lạm phát thời kỳ Covid-19 (2020 T6/2022) 88 Hình 3.1: Lạm phát lãi suất 107 Hình 3.2: Lạm phát, tín dụng tỷ giá 108 Hình 3.3: Phản ứng lạm phát giai đoạn 113 Hình 3.4: Phản ứng lạm phát cho giai đoạn .114 - B ma trận (G x G) xác định mối quan hệ đồng thời cú sốc cấu trúc - C(1) = C0 - C1 - C2 - - Cp xác định phản ứng dài hạn hệ thống với cú sốc cấu trúc Đối với nghiên cứu thực nghiệm CSTT Việt Nam, việc sử dụng mơ hình VAR hồn tồn phù hợp với xu hướng nghiên cứu chung Tuy nhiên, mơ hình VAR thông thường mắc phải hạn chế định trình bày phần ưu, nhược điểm với nghiên cứu định lượng cần có cập nhật thường xuyên để có kết tin cậy - Ưu điểm: Mơ hình VARs dạng biến thể chứng minh tính ưu việt Với số biến mơ hình tính tin cậy dự báo thu thường tốt nhiều so với mơ hình hệ phương trình đồng thời cồng kềnh nhiều biến nhiều phương trình Do ngày mơ hình dạng VAR trở thành công cụ quan trọng sử dụng rộng rãi thể khía cạnh: + Đưa kết dự báo mang tính trung hạn + Phân tích chế truyền tải sốc biến kinh tế bên bên kinh tế + Phương pháp ước lượng đơn giản, khơng địi hỏi xem biến biến nội sinh biến ngoại sinh + Có thể áp dụng phương pháp ước lượng bình phương nhỏ (OLS) để ước lượng phương trình mà khơng cần sử dụng phương pháp hệ thống bình phương tối thiểu hai giai đoạn (2OLS) + Mơ hình VAR có ứng dụng quan trọng việc phân tích chế truyền tải sốc dựa vào hàm phản ứng phân rã phương sai - Nhược điểm: + Khó khăn việc xác định độ trễ số mẫu quan sát cần đưa vào mơ hình Người ta tính với k biến số p độ trễ cần k2p hệ số góc k hệ số chặn Vì vậy, k p lớn tham số địi hỏi cao + Việc sử dụng mơ hình VAR phân tích sách thường bị hạn chế lớn mơ hình sử dụng q nhiều biến trễ biến mơ hình thường khơng dựa nhiều vào lý thuyết kinh tế để giải thích mối quan hệ mơ hình VAR thơng thường sử dụng thông tin tiên nghiệm trọng tâm mơ hình việc dự báo + Thơng thường xây dựng sử dụng mơ hình VAR để dự báo, biến thường xử lý để trở thành chuỗi dừng, làm thông tin quan trọng mối quan hệ biến với trung dài hạn 2.2 Mơ hình hiệu chỉnh sai số dạng vetor (VECM) Giả sử từ mơ hình VAR(p): Yt = A1Yt-1 + A2 Yt-2 +…+ApYt-p + ut Ta biến đổi, viết lại mô sau: ∆ Yt = Yt - Yt-1= ПYt-1 + C1∆Yt-1 + C2∆Yt-2+…+Cp-1∆Yt-p + ut (*) Trong đó, П= - (I-A1 - A2 -…-Ap ); Ci = - p  Aj , i-1,2,…,p-1 j = i +1 ПYt-1 phần hiệu chỉnh sai số mơ hình Quan sát cấu trúc mơ hình, ta thấy đưa mơ hình sai phân, bên cạnh việc đánh giá tác động ngắn hạn lên ∆ Yt từ biến ∆Yt-j thơng qua tham số Ci, cịn thể tác động dài hạn thông qua phần hiệu chỉnh sai số ПYt-1 Bằng cách xác định hệ thống có chứa thơng tin hai điều chỉnh ngắn hạn dài hạn với thay đổi yt, thông qua dự báo, ước lượng Ci Π tương ứng Sử dụng toán tử trễ (*) viết lại sau: C(L)∆Yt= αβ’ Yt-1 + ut C(L)= 1+C1L+…+Cp-1Lp-1 Gọi γ ma trận khơng suy biến, cấp rxr, αβ’=α γ γ-1 β’=( α γ) (γ-1 β’) Đặt α* = α γ; β*= γ-1 β’, ta có C(L)∆Yt = α* β*’ Yt-1+ ut Như vậy, ta thay r cột ma trận α(β) tổ hợp độc lập tuyến tính α(β) β* ma trận vector đồng liên kết, α* ma trận tham số điều chỉnh Mơ hình VECM có dạng tổng qt: C(L)∆Yt= αβ’ Yt-1 + d(L)ut C(L) =1- C1L- C2L2+ …- Cp-1Lp-1 D(L)= 1+θ1L+ θ1L2+… - Ưu điểm + Cơ sở lý thuyết mô hình hiệu chỉnh sai số dạng vetor (VECM) VECM mơ hình dạng hiệu chỉnh sai số (ECM) phát triển triển sở lý thuyết mơ hình lớp VAR, dựa lý thuyết đồng tích hợp biến số Vì vậy, khả dự báo mơ hình VECM ưu việt mơ hình VAR phương trình ngắn hạn có tích hợp yếu tố dài hạn (cịn gọi cân dài hạn) giúp hiệu chỉnh kết dự bao ngắn hạn buộc cân dài hạn Điều giúp cải thiện đáng kể chất lượng dự báo so với mơ hình VAR khơng điều kiện ràng buộc (restricted VAR) Mặt khác lý thuyết đồng tích hợp giúp cho VECM tránh tượng hồi quy giả mạo ước lượng biến không dừng, giúp cho kết dự báo đáng tin cậy + Cấu trúc mơ hình VECM phân tách tác động ngắn hạn, dài hạn, điều mà mơ hình VAR khơng làm Trên sở kết mơ hình VECM, ta phân tích sâu sắc mối quan hệ biến, quan hệ ảnh hưởng lẫn biến ngắn dài hạn để từ đưa kết luận phù hợp với thực tế + Cũng giống mơ hình VAR, SVAR, Mơ hình VECM có ưu điểm sử dụng số lượng biến số khơng nhiều phân tích tốt chế truyền dẫn CSTT kinh tế mối quan hệ khu vực tiền tệ khu vực khác kinh tế - Nhược điểm: Mơ hình VECM cần nhiều tham số để ước lượng, sử dụng giả thiết ngoại sinh cho biến 2.3 Mơ hình cân động học ngẫu nhiên tổng quát DSGE Hầu hết quốc gia theo đuổi CSTT lạm phát mục tiêu sử dụng mơ hình cân động học ngẫu nhiên tổng quát (DSGE-Dynamic Stochastic General Equilibrium) Theo Hammond (Hammond, 2012), số 27 NHTW theo đuổi CSTT lạm phát mục tiêu tính đến thời điểm tháng 9/2012 có đến 20 NHTW xây dựng cho mơ hình DSGE để phục vụ cho cơng tác phân tích dự báo lạm phát31 Vậy khái niệm mơ hình DSGE, tính ưu việt mơ hình phân tích dự báo lạm phát, đặc trưng điều kiện áp dụng DSGE vấn đề cần quan tâm để lý giải số NHTW nhóm theo đuổi mục tiêu lạm phát khơng áp dụng liệu DSGE có thích hợp cho phân tích dự báo lạm phát NHNN Việt Nam hay khơng Khác với mơ hình phi cấu trúc, hoàn toàn dựa vào số liệu kỹ thuật mơ hình mà không dựa tảng lý thuyết kinh tế (ARIMA, VAR, VECM) lớp mơ hình cấu trúc lại thường dạng lai tạp, kết hợp số liệu đặc trưng định lớp mô hình ẩn chứa bên tảng lý thuyết kinh tế học định (SVAR, mô hình kinh tế lượng vĩ mơ, DSGE) DSGE dạng mơ hình lai cấu trúc Điều làm DSGE khác biệt với lớp mơ hình lai cấu trúc khác (SVAR, mơ hình kinh tế lượng vĩ mơ) ban đầu xây dựng dựa tảng kinh tế học vi mơ, hộ gia đình tối hóa lợi ích với ràng buộc thu nhập khả dụng, doanh nghiệp tối đa hóa lợi nhuận tối thiểu hóa chi phí dựa ràng buộc vốn, lao động công nghệ, xã hội tối đa hóa phúc lợi xã hội… Sau đó, DSGE phát triển kết hợp tảng kinh tế học vi mô vĩ mô, dựa trường phái Keynes kỹ thuật ước lượng Bayesian Do vậy, ngày nay, mơ hình DSGE sử dụng rộng rãi cho mục đích phân tích thảo luận sách, khơng tầm vĩ mơ tăng trưởng, lạm phát, mà cách ứng xử, hành xử tác nhân kinh tế trước thay đổi CSTT tài khóa giải thích cho thay đổi cấu trúc kinh tế Một số NHTW có mơ hình DSGE phát triển phải kể đến như: ToTEM NHTW Canada, BEQM NHTW Anh, MAS NHTW Chile, MEGA-D NHTW Peru, NAWM ECB, NEMO NHTW Na Uy, RAMSES NHTW Thụy Điển, SIGMA FED, KIWI NHTW New Zealand, SOE NHTW Ba Lan v.v Thậm chí tổ chức quốc tế đa phương IMF tự xây dựng cho số mơ hình DGSE để áp dụng phân tích sách GEM, GFM hay GIMF v.v (Camilo, 2008) 20 NHTW số NHTW theo đuổi CSTT lạm phát mục tiêu áp dụng mô hình DSGE là: Anh, Armenia, Úc, Brazil, Canada, Chi-lê, Cộng hòa Séc, Hungary, Iceland, Indonesia, Mexico, New Zealand, Na-uy, Peru, Philippines, Ba Lan, Hàn Quốc, Thụy Điển, Thái Lan, Thổ Nhĩ Kỳ NHTW cịn lại khơng áp dụng DSGE: Colombia, Ghana, Guatemala, Israel, Romania, Serbia, Nam Phi (chi tiết xem phụ lục 2) 31 Một mơ hình có tính hữu dụng cao phát triển mạnh mẽ nhiều nước, có quốc gia khơng áp dụng? Và chí số quốc gia NHTW có mơ hình DGSE phát triển DSGE mô hình chủ chốt sử dụng để định sách? Thứ tính phức tạp mẻ phương diện kỹ thuật mơ hình cơng cụ máy tính cần phải có để xử lý mơ hình Sự phức tạp mang tính chất mơ hình DSGE khiến cho nhà hoạch định sách chấp nhận kết cách hạn chế, phép tốn ký hiệu giải thích mơ hình cồng kềnh phức tạp tạo rào cản tự nhiên nhà hoạch định sách, chưa kể đến việc truyền thông kết công chúng Hơn nữa, việc hiểu vận hành lớp mơ hình đòi hỏi cán vừa phải người đào tạo kinh tế học vĩ mơ vi mơ, vừa phải có kiến thức sâu kinh tế lượng kỹ lập trình, thống kê tốt, đồng thời trang thiết bị tin học, máy tính địi hỏi phải có cấu hình cao để chạy phần mềm phức tạp (Matlab) Điều đòi hỏi NHTW phải đầu tư lớn trang thiết bị, đào tạo người để phát triển lớp mơ hình này, khó khăn phải cân nhắc thiết lập thứ tự ưu tiên đằng sau việc mang tính cấp bách hơn, đặc biệt với NHTW có nguồn lực khơng dồi Thứ hai tính đắn lớp mơ hình DSGE vấn đề gây bàn cãi nhà kinh tế học tiếng Chẳng hạn, Sims (2006) cho mơ hình DGSE thành cơng tính đến thời điểm khơng tính tác động tổng vốn đầu tư, tổng tiêu dùng mảng rộng lớn thị trường tài chính, vốn quan trọng với kinh tế thực Ông cho DSGE giúp lý giải kinh tế vận hành thật khó để địi hỏi lớp mơ hình phù hợp với chi tiết hành vi động xây dựng biến thay hạn chế mặt số liệu Một số nhà kinh tế khác lại cảnh báo lung lay “nguyên lý độ vừa vặn-hay phù hợp” (“principle of fit”) mô hình (theo ngun lý này, mơ hình có độ phù hợp với số liệu hữu dụng hơn) Ngồi ra, Kocherlakota (2007) mơ hình phù hợp cách hồn hảo với số liệu lại cung cấp câu trả lời tồi cho câu hỏi sách so với mơ hình có độ phù hợp với số liệu hoàn hảo Điều đặc biệt sử dụng kỹ thuật ước lượng Bayesian, kể tham số tiên nghiệm chọn khơng hồn tồn xác chúng sử dụng cho việc tạo cú sốc động Ngồi ra, tính cứng nhắc hay linh hoạt giá ngắn hạn vấn đề nhiều tranh cãi, ảnh hưởng đến tảng lý thuyết mà mơ hình DSGE dựa vào Thứ ba, vấn đề thiếu đầy đủ số liệu vấn đề phổ biến kinh tế phát triển, công tác thống kê khứ số liệu lịch sử chưa tốt, phương pháp số liệu thống kê thay đổi, khó quán thay đổi cấu trúc kinh tế thường xuyên, thay đổi sách mang tính mau lẹ Một quan chức cấp cao NHTW nước nổi, sau trình bày mơ hình DSGE áp dụng NHTW ví von việc số liệu hóa mơ hình DSGE NHTW ơng thật chẳng khác lái Ferrari đường nhiều ổ gà, tức lãng phí kệch cỡm, khó để phù hợp Thực tế NHTW Ba Lan cho thấy họ có chuyên gia giỏi tập trung vào xây dựng phát triển SOE (tên mơ hình DSGE NHTW Ba Lan) kết dự báo lạm phát DSGE kết mang tính chất tham khảo cho Hội đồng tiền tệ, chí độ xác dự báo cịn xếp sau lớp mơ hình đơn giản VAR, SVAR, BVAR (Bayesian VAR) CVAR (Combined VAR) Tuy năm gần đây, số NHTW cải tiến mơ hình DSGE ứng dụng dự báo lạm phát hoạch định CSTT tốt, tính phức tạp quan ngại cố hữu mơ hình DSGE rào cản lớn nước phát triển, đặc biệt khó khăn đầy đủ số liệu Do vậy, bối cảnh tại, việc xây dựng phát triển mô hình DSGE để dự báo lạm phát NHNN Việt Nam chưa phù hợp, xét mặt chưa hội đủ trang thiết bị kỹ thuật, đào tạo nguồn nhân lực, tính đầy đủ số liệu Như vậy, nhóm nghiên cứu cho NHNN cần hướng tới lớp mơ hình phân tích dự báo lạm phát đơn giản hơn, phù hợp với điều kiện Tuy DSGE xu hướng tiên tiến thời đại cần phải xác định nhiệm vụ nghiên cứu dài hạn, áp dụng hội đủ điều kiện nguồn lực kỹ thuật, người số liệu 2.4 Kết luận Có nhiều dạng mơ hình phân tích, dự báo định lượng chế truyền dẫn CSTT dự báo lạm phát NHTW nhà nghiên cứu chia sẻ, kể đến là: mơ hình tự hồi quy trung bình trượt đồng liên kết (ARIMA), mơ hình tự hồi quy vec tơ (VAR), mơ hình hiệu chỉnh sai số véc tơ (VECM), mơ hình tự hồi quy véc tơ cấu trúc (SVAR), mơ hình kinh tế lượng vĩ mơ (Macro Econometrics Model), mơ hình cân động học ngẫu nhiên tổng quát (DSGE) v.v Tùy vào đặc trưng số liệu nước, phát triển NHTW mà việc lựa chọn biến số đặc trưng đưa vào mơ hình dự báo lạm phát lại khơng hồn tồn nhau, tạo ngân hàng mơ hình phong phú Trong trình kế thừa, NHTW sau phải cải biên, hiệu chỉnh để phù hợp với đặc trưng riêng có nước Ưu điểm mơ hình VAR biến thể (SVAR, BVAR, CVAR, VECM) là: (i) Nặng kỹ thuật thống kê đòi hỏi tảng học thuyết kinh tế học với nhiều ràng buộc phức tạp DSGE Tính học thuyết VAR đơn giản, khơng phân biệt vai trò quan trọng hay yếu biến số Nói cách khác, biến số có vai trò quan trọng giải thích biến trễ biến trễ biến số khác mơ hình Sang đến lớp SVAR, BVAR, CVAR, hàm lượng học thuyết cần đến nhiều chưa cần đến độ phức tạp DSGE; (ii) Hệ thống sở liệu bước đầu đáp ứng lớp mơ hình này; (iii) Năng lực cán NHNN đáp ứng việc xây dựng, phát triển, hiệu chỉnh vận hành thường xun lớp mơ hình này; (iv) Mơ hình VAR phát triển có khả tập trung phân tích chế truyền dẫn CSTT, nguồn gốc biến động chu kỳ kinh doanh hay chế lan truyền cú sốc ứng dụng rộng rãi việc đánh giá tác động, lập dự báo tiêu kinh tế vĩ mô ngắn hạn dài hạn; (v) VAR biến thể nó, SVAR, VECM có ưu điểm sử dụng số lượng biến số không nhiều phân tích tốt chế truyền dẫn CSTT kinh tế mối quan hệ khu vực tiền tệ khu vực khác kinh tế (vi) Việc phát triển VAR biến thể VAR không đáp ứng nhu cầu cho cơng tác phân tích, dự báo lạm phát mà bước tảng quan trọng để tiến tới xây dựng phát triển mơ hình DSGE tương lai Và NHNN có mơ hình DSGE tiên tiến việc song song vận hành lớp mơ hình VAR quan trọng để bổ sung hiệu chỉnh, làm dày thêm lực phân tích, dự báo lạm phát NHNN Thực tế NHTW Phillipines cho thấy VAR biến thể VAR không tác dụng NHTW có DSGE Hay thực tế NHTW Ba Lan cho thấy, chí kết dự báo nhận từ VAR, BVAR, CVAR sát với thực tế kết thu từ mơ hình DSGE ngân hàng Hay số NHTW nhóm 27 quốc gia áp dụng đầy đủ khuôn khổ CSTT lạm phát mục tiêu áp dụng VAR biến thể VAR: Anh, Brazil, Iceland, New Zealand, Peru , không kể Phillipines Ba Lan phân tích Tóm lại, việc phát triển VAR biến thể VAR (SVAR, VECM, BVAR ) phù hợp với NHNN, khơng cơng tác phân tích chế truyền dẫn CSTT, dự báo lạm phát tiêu kinh tế vĩ mơ mà cịn phù hợp NHNN chuyển CSTT sang khuôn khổ lạm phát mục tiêu PHỤ LỤC 5: KIỂM ĐỊNH ĐỘ TRỄ TỐI ƯU TRONG MƠ HÌNH Giai đoạn (2002T1-2010T12) Kết quả ước lượng từ phần mềm Eviews 11 Giai đoạn (2011T1-2018T12) Kết quả ước lượng từ phần mềm Eviews 11 PHỤ LỤC 6: KẾT QUẢ ƯỚC LƯỢNG THAM SỐ TỪ MƠ HÌNH BVAR GIAI ĐOẠN Bayesian VAR Estimates Date: 06/06/19 Time: 12:51 Sample (adjusted): 2002M03 2010M12 Included observations: 106 after adjustments Prior type: Litterman / Minnesota Initial residual covariance: Univariate AR Constant included in covariance calculation Hyper-parameters: Mu1: 1, L1: 0.1, L2: 0.99, L3: 1, L4: inf Standard errors in ( ) VNIBOR VNIBOR(-1) VNIBOR(-2) ILEND(-1) ILEND(-2) CRE(-1) CRE(-2) ER(-1) ILEND CRE ER INF 0.813747 0.028724 -0.084804 0.01261 -0.014355 (0.0667) (0.04465) (0.19349) (0.05979) (0.05276) -0.011061 -0.003981 -0.046136 0.036075 -0.028185 (0.04472) (0.02983) (0.12929) (0.03995) (0.03525) 0.010355 1.01727 -0.074758 -0.096808 0.169039 (0.0768) (0.05193 (0.22391) (0.06918) (0.06107) 0.009969 -0.056352 -0.059787 0.101493 -0.000268 (0.06335) (0.04297) (0.18469) (0.05706) (0.05036) 0.012131 0.031295 1.028643 0.003209 0.073066 (0.01641) (0.01104) (0.04811) (0.01478) (0.01305) 0.000284 0.006051 -0.024735 0.005811 0.018234 (0.01467) (0.00987) (0.04314) (0.01322) (0.01166) 0.030786 0.021044 -0.067829 0.984847 0.022389 (0.05486) (0.03689) (0.15989) (0.04971) (0.04359) 0.044681 0.001943 0.1102 -0.0302 0.00323 (0.0475) (0.03196) (0.13849) (0.04316) (0.03776) 0.019453 0.001706 -0.151622 -0.014368 0.963504 (0.0596) (0.04011) (0.1738) (0.05369) (0.04772) -0.012089 -0.040756 -0.008197 0.017178 -0.105073 (0.04967) (0.03342) (0.14483) (0.04474) (0.03981) 0.326354 -0.558647 3.648547 -0.528763 -3.531462 (0.76107) (0.51227) (2.21803) (0.68516) (0.60513) R-squared 0.612521 0.939698 0.923507 0.917725 0.988499 Adj R-squared 0.571734 0.933351 0.915455 0.909064 0.987288 Sum sq resids 86.10732 37.74339 726.6404 68.62792 43.69178 S.E equation 0.952047 0.630316 2.765655 0.849941 0.678169 F-statistic 15.01748 148.0407 114.6936 105.966 816.4815 Mean dependent 6.065208 12.26377 32.51873 2.602248 8.789689 S.D dependent 1.454794 2.44152 9.511584 2.818519 6.014903 ER(-2) INF(-1) INF(-2) C Nguồn: Kết quả ước lượng từ phần mềm Eviews 11 PHỤ LỤC 7: KẾT QUẢ ƯỚC LƯỢNG THAM SỐ TỪ MƠ HÌNH BVAR GIAI ĐOẠN Bayesian VAR Estimates Date: 06/06/19 Time: 10:17 Sample: 2011M01 2018M12 Included observations: 96 Prior type: Litterman / Minnesota Initial residual covariance: Univariate AR Constant included in covariance calculation Hyper-parameters: Mu1: 1, L1: 0.1, L2: 0.99, L3: 1, L4: inf Standard errors in ( ) VNIBOR VNIBOR(-1) VNIBOR(-2) ILEND(-1) ILEND(-2) CRE(-1) CRE(-2) ER((1) ILEND CRE ER INF 0.860243 0.011572 0.112287 0.030464 -0.06134 (0.06466) (0.0196) (0.16594) (0.06378) (0.03798) -0.04109 -0.00323 -0.00521 -0.00363 -0.02902 (0.04415) (0.01334) (0.11295) (0.04339) (0.02585) -0.01568 0.94675 -0.07145 0.03135 0.104554 (0.16525) (0.05069) (0.42619) (0.16373) (0.09756) -0.03254 -0.02652 0.202394 -0.03358 -0.02476 (0.13616) (0.04184) (0.35123) (0.13493) (0.08039) 0.026783 0.016635 0.893902 0.069169 0.054001 (0.02305) (0.00702) (0.05973) (0.02285) (0.01361) -0.00633 0.00306 0.024519 -0.00382 0.010771 (0.017) (0.00518) (0.04422) (0.01685) (0.01004) 0.105981 0.020887 -0.04391 0.902019 0.115231 (0.06377) (0.01942) (0.16447) (0.06346) (0.03763) 0.000826 0.010789 -0.01484 -0.0452 0.012994 (0.04422) (0.01347) (0.11405) (0.04417) (0.0261) 0.064049 0.044614 -0.14452 -0.01967 1.039916 (0.08098) (0.02467) (0.2089) (0.08026) (0.04808) 0.006821 -0.02134 -0.05018 0.021867 -0.12545 (0.06972) (0.02124) (0.17984) (0.06908) (0.04149) 0.2363 0.262797 0.539109 -0.88981 -1.49466 (0.91646) (0.27924) (2.36517) (0.90784) (0.54109) R(squared 0.941587 0.994548 0.773049 0.915858 0.989579 Adj R(squared 0.934715 0.993907 0.746349 0.905958 0.988353 Sum sq resids 80.97855 6.203074 654.5705 81.52488 32.72522 S.E equation 0.976058 0.270143 2.775037 0.979345 0.620486 F(statistic 137.0167 1550.586 28.95306 92.51911 807.1266 Mean dependent 4.378039 11.45697 16.78499 2.5051 6.122844 S.D dependent 3.82006 3.460726 5.509987 3.193564 5.749309 ER((2) INF((1) INF((2) C Nguồn: Kết quả ước lượng từ phần mềm Eviews 11 PHỤ LỤC 8: CÁC NGHIÊN CỨU VỀ KÊNH LÃI SUẤT TRONG CƠ CHẾ TRUYỀN DẪN CHÍNH SÁCH TIỀN TỆ TT Biến độc lập Tác giả Bernanke Blinder Biến phụ thuộc Lãi suất Fed CPI, Tỷ lệ thất nghiệp Fuertes, Heffernan Lãi suất sách NHTW Lãi suất cho vay Kalotychou Anh (1992) (2010) Mohanty (2012) Lãi suất sách NHTW Cung tiền M3 Ấn độ Aleem (2010) Lãi suất sách NHTW Lãi suất qua đêm Ấn độ Lãi suất sách NHTW Tăng trưởng, lạm Ấn độ phát Ormaechea Coble Lãi suất sách NHTW Lạm phát (2011) Chi Lê New Zealand Mashat (2003) Morsink Bayoumi Lãi suất sách NHTW Sản lượng thực tế (2001) Nhật Trần Ngọc Thơ Lãi suất sách NHNN cộng (2013) Việt Nam Nguyễn Phúc Cảnh Lãi suất sách NHNN Lạm phát, cung tiền (2014) Việt Nam số chứng Giá khoán 10 Bui Tran (2015) Lãi suất sách NHNN Việt Nam Sản lượng