Mô hình cân bằng động tổng quát (DSGE) – Từ lý thuyết đến thực tiễn trong dự báo chính sách

Mô hình cân bằng động ngẫu nhiên tổng quát mô hình DSGE được các nhà nghiên cứu cũng như các nhà quản lý điều hành vĩ mô, đặc biệt là tại các NHTW, quan tâm ngày càng nhiều hơn trong việ

CƠ SỞ LÝ THUYẾT VỀ XÂY DỰNG MÔ HÌNH CÂN BẰNG ĐỘNG TỔNG QUÁT

Lịch sử phát triển và cơ sở lý thuyết mô hình DSGE

Lý thuyết kinh tế theo trường phái Keynes ra đời năm 1936 đã trở thành nền tảng cho việc xây dựng hệ thống các mô hình kinh tế vĩ mô quy mô lớn để đánh giá các chính sách kinh tế cũng như dự báo kinh tế vĩ mô Trong mô hình, các biến số kinh tế vĩ mô như tăng trưởng GDP, M2, CPI, tiêu dùng, tỷ giá được đặt trong một hệ các phương trình với giả thuyết các hệ số ước lượng trong quá khứ sẽ ảnh hưởng đến dự báo trong tương lai Những mô hình này đạt được sự quan tâm và được ứng dụng rộng rãi trong giới nghiên cứu cũng như tại các NHTW vào những năm 1950 và 1960 Tuy nhiên, hạn chế của những mô hình quy mô lớn bắt đầu được chỉ rõ kể từ những năm 1970 khi chúng thất bại trong việc đưa ra những dự báo, đặc biệt liên quan tới cuộc khủng hoảng dầu mỏ năm

1973 Vốn dựa trên nền tảng lý thuyết của đường cong Phillips về sự đánh đổi giữa lạm phát và thất nghiệp, các mô hình này không thể giải thích sự gia tăng đồng thời của lạm phát và thất nghiệp xảy ra trong những năm 1970

Năm 1976, nhà kinh tế học Robert E Lucas đã chỉ ra những hạn chế quan trọng trong các mô hình kinh tế lượng vĩ mô liên quan đến việc đánh giá tác động cũng như mức độ ảnh hưởng của việc thay đổi chính sách đến nền kinh tế Trong các mô hình này, các cá thể trong nền kinh tế như hộ gia đình, doanh nghiệp, chính phủ… được giả định không thay đổi hành vi khi có sự thay đổi chính sách kinh

5 tế, và do đó, các hệ số ước lượng bất biến theo thời gian là không phù hợp trên thực tế Để giải quyết vấn đề này, theo Lucas cần sử dụng các mô hình cấu trúc, có nghĩa là các cá thể trong nền kinh tế cần có sự thay đổi và điều chỉnh hành vi một cách hợp lí khi có sự thay đổi chính sách kinh tế Các hệ số ước do đó sẽ phụ thuộc vào phản ứng của các chủ thể trong nền kinh tế Những mô hình này được gọi là cân bằng tổng quát Bên cạnh đó, một trong những nhược điểm của các mô hình kinh tế lượng thời điểm này là việc chưa quan tâm tới việc đưa yếu tố kỳ vọng của mô hình Để khắc phục những nhược điểm quan trọng này, mô hình lý thuyết chu kỳ kinh doanh thực đã ra đời, đánh dấu nền tảng đầu tiên cho việc phát triển và ứng dụng mô hình DSGE

1.1.1 Lý thuyết chu kỳ kinh doanh/kinh tế thực

Có thể coi mô hình chu kỳ kinh doanh thực (Real Business Cycle – RBC) do Kydland & Prescott (1982) là đặt nền tảng cho mô hình DSGE khắc phục được các hạn chế của các mô hình kinh tế lượng vĩ mô quy mô lớn như các tham số không mang tính cấu trúc và sự vắng mặt của yếu tố kỳ vọng được phê phán bởi Lucas vào những năm 1980 Lý thuyết này tiếp tục được phát triển bởi Long & Plosser (1983), Prescott (1986), King & Rebelo (1993) và sau đó được tổng hợp trong cuốn sách nổi tiếng “Frontiers of Business Cycle Research” của Cooley (1995)

Lý thuyết RBC được xây dựng dựa trên mô hình tăng trưởng của Ramsey 1 trên nền tảng kinh tế học vi mô, trong đó hộ gia đình tối đa hóa lợi ích với ràng buộc về thu nhập, doanh nghiệp tối đa hóa lợi nhuận hoặc tối thiểu hóa chi phí dựa trên ràng buộc về vốn, lao động và công nghệ, trong khi xã hội tối đa hóa phúc lợi xã hội Các thị trường cạnh tranh hoàn hảo, không có các nhân tố ma sát, các cá nhân có sở thích và doanh nghiệp có mục tiêu rõ ràng, đồng thời đều có kỳ vọng hợp lý, nghĩa là các hộ gia đình và doanh nghiệp không thể đưa ra các dự báo tốt hơn với thông tin cho trước

1 Mô hình Ramsey không tính yếu tố sốc, tăng trưởng đều đặn và luôn đạt trạng thái cân bằng (không chứng minh sự tồn tại điểm cân bằng) Ngoài ra, các “stochastic shocks” là nguyên nhân dẫn đến chu kì kinh doanh Hệ quả là: bất kì can thiệp nào của Chính phủ nhằm giảm bớt mức độ dao động của nền kinh tế đều làm giảm phúc lợi xã hội vì nền kinh tế sẽ bị lệch khỏi xu hướng cân bằng (optimum path)

Trong quá trình phát triển của nhân loại, nền kinh tế luôn diễn ra theo các chu kỳ kinh tế Lý thuyết về chu kỳ kinh doanh thực cho rằng cách thức mà nền kinh tế phản ứng trước các cú sốc là diễn biến của các chu kỳ kinh doanh Mô hình cho rằng các cú sốc về phía cung như năng suất lao động hay các cú sốc về kỹ thuật góp phần quan trọng nhất và việc thực hiện các chính sách chống lại sự biến động của chu kỳ kinh tế là không cần thiết Các cú sốc từ phía cầu cũng như sự cần thiết phải can thiệp vào nền kinh tế thông qua các công cụ ngắn hạn, như chính sách tài khóa và CSTT bị loại bỏ trong mô hình với giả định giá cả và tiền lương được điều chỉnh linh hoạt Hay nói cách khác, mô hình này không công nhận sự ảnh hưởng của chính sách tiền tệ đến sản lượng và các biến số vĩ mô khác

Trên thực tế, tiền lương và giá cả đều là những yếu tố mang tính cứng nhắc danh nghĩa Trong trường hợp nền kinh tế bước vào giai đoạn suy thoái, sản xuất suy giảm, nhu cầu đối với lao động giảm, song mức lương khó có thể giảm ngay lập tức như lý thuyết về cân bằng cung cầu bởi các doanh nghiệp vẫn cần giữ chân lao động giỏi và do đó sẽ lựa chọn cắt giảm chi phí ở các khoản mục khác Việc giảm lương chỉ có thể đến giai đoạn giữa của thời kỳ suy thoái khi các doanh nghiệp không còn đủ khả năng duy trì sản xuất và buộc phải cắt giảm sâu hơn chi phí sản xuất Giá cả hàng hóa cũng mang yếu tố cứng nhắc danh nghĩa bởi khi giá cả đầu vào tăng lên, doanh nghiệp chưa thể chuyển tác động của việc tăng giá tới người mua ngay lập tức do lo ngại về khả năng cạnh tranh cũng như tác động từ hàng hóa thay thế

Việc loại bỏ vai trò của chính sách tiền tệ là nguyên nhân quan trọng khiến mô hình này không được các nhà hoạch định chính sách tại các NHTW chú ý dù nhận được sự quan tâm rất lớn của giới học thuật Việc đưa giá cả cứng nhắc vào mô hình để phản ánh chính sách tiền tệ đã đặt nền tảng cho mô hình DSGE chuẩn theo lý thuyết New Keynesian

Kế thừa nền tảng vi mô từ Lý thuyết RBC, mô hình DSGE theo trường phái New Keynesian được phát triển và có bổ sung thêm yếu tố cứng nhắc danh nghĩa

7 từ giá hoặc tiền lương 2 Nói một cách khác, mô hình DSGE đưa lý thuyết kinh tế vi mô vào kinh tế vĩ mô bằng việc phát triển mô hình kinh tế động của Ramsay theo hướng đưa các yếu tố “ngẫu nhiên” vào và dùng nó để giải thích chu kì kinh doanh

Trên cơ sở kỳ vọng của các chủ thể trong nền kinh tế về tương lai, mô hình DSGE nghiên cứu nền kinh tế bị ảnh hưởng bởi các cú sốc ngẫu nhiên từ sự lựa chọn và quyết định bởi các chủ thể gồm doanh nghiệp, hộ gia đình, chính phủ và NHTW Sự tương tác giữa tác động của chính sách và hành vi của các chủ thể trong nền kinh tế dựa trên mối quan hệ tương quan lẫn nhau giữa 3 khối: tổng cung, tổng cầu và khối phương trình CSTT tạo nên tính chất cân bằng chung của mô hình Với giả định hoàn toàn dựa trên hành vi của các chủ thể trên thị trường, bao gồm: các hộ gia đình, doanh nghiệp, chính phủ, nhà sản xuất, nhà bán lẻ nên phương trình để xác định những khối này đều bắt nguồn từ nền tảng vi mô Ba cấu phần chính của mô hình DSGE bao gồm: động, kỳ vọng và cân bằng tổng quan, trong đó nhân tố động là các yếu tố về độ trễ (quá khứ) được đưa vào mô hình, còn yếu tố kỳ vọng và cân bằng tổng quan là 2 yếu tố được cải tiến từ mô hình RBC

2 Lương cũng là giá giữa người thuê và người được thuê thỏa thuận với nhau thông qua hợp đồng lao động

Hình 1.1 Mô hình DSGE biểu diễn mối quan hệ giữa các chủ thể trong nền kinh tế 3

Nguồn: Phuc Huynh, Trang Nguyen,

Thanh Duong và Duc Pham (2017)

Hình 1.2 Mô hình DSGE biểu diễn sự tham gia của Ngân hàng Trung ương

Một trong những nền tảng của lý thuyết DSGE là đường cong Philips, phản ánh mối quan hệ giữa lạm phát và tăng trưởng hoặc lao động Đường cong Phillips, lý thuyết kinh tế thống trị cho tới tận giai đoạn 1960, cho rằng một quốc gia có thể đạt được mức thất nghiệp thấp hơn hoặc với mức sản lượng cao hơn với mức lạm phát cao hơn Tuy nhiên, lý thuyết này không thể giải thích được tình trạng lạm phát và tăng trưởng đều ở mức âm sau khủng hoảng giai đoạn 1973 Điều này xuất phát từ thực tế cho rằng chính sách tiền tệ không giải quyết được vấn đề thất nghiệp cơ cấu và tốc độ tăng trưởng tiềm năng thấp Trong dài hạn, đường Philips là đường thẳng đứng, có nghĩa là dù với mức lạm phát bao nhiêu, tỷ lệ thất nghiệp cũng không đổi, đồng nghĩa với việc chính sách tiền tệ không thể tác động tới các biến thực trong dài hạn Do đó, để xử lý vấn đề này, đường cong Philips trong mô hình DSGE đã được bổ sung thêm yếu tố kỳ vọng lạm phát

Về cơ bản, mối quan hệ tương quan lẫn nhau giữa 03 khối tổng cung, tổng cầu và khối CSTT được mô hình tập trung vào hành vi của 03 biến số vĩ mô chính

3, 2 Mô hình gốc từ nguồn Phuc Huynh, Trang Nguyen, Thanh Duong và Duc Pham (2017) và Schorfheide (2000),

Tommaso Mancini Griffoli (2008) để có góc nhìn tổng quát hơn về mô hình DSGE

Cấu trúc mô hình DSGE

1.2.1 Các giả định của mô hình

Mô hình DSGE cơ bản theo trường phái Keynes có các đặc điểm sau:

- Mô hình áp dụng cho nền kinh tế đóng, có nghĩa là chưa xuất hiện các hoạt động ngoại thương

- Các tác nhân trong nền kinh tế bao gồm: (1) Các hộ gia đình: tối đa hóa lợi ích trong khi bị ràng buộc bởi ngân sách; (2) Các doanh nghiệp: sản xuất hàng tiêu dùng với lao động là nhân tố đầu vào duy nhất trong hoạt động sản xuất với mục tiêu là tối thiểu hóa chi phí Mô hình cơ bản nhất chưa đưa vào yếu tố vốn; (3) Cơ quan điều hành: ở đây là Ngân hàng Trung ương

- Giá cả trong mô hình là cứng nhắc có nghĩa là doanh nghiệp chưa thể ngay lập tức điều chỉnh giá khi có các biến động từ yếu tố đầu vào Khi giá cả cứng nhắc, những thay đổi trong chính sách tiền tệ sẽ tác động tới việc thay đổi lãi suất thực trong nền kinh tế và từ đó tác động tới các biến số thực Yếu tố này được tiếp cận theo hai trường phái: (1) giá cả cứng nhắc như theo đề xuất của Calvo (1983): doanh nghiệp có khả năng không thể thay đổi giá cả của mình tại bất cứ thời điểm nào, hoặc (2) giá cả cứng nhắc theo đề xuất của Rotemberg: doanh nghiệp sẽ phải chịu chi phí nếu điều chỉnh giá trong một giai đoạn nhất định

- Kỳ vọng hợp lý (hay còn gọi là nhìn về tương lai – forward-looking): các doanh nghiệp và cá nhân trong mô hình phản ứng một cách hợp lý với những thông tin đã cho sẵn Với những thông tin này, các tác nhân trong nền kinh tế không thể đưa ra các quyết định hợp lý hơn

Mô hình Keyes Mới 4 bao gồm 03 phương trình cơ bản: (1) phương trình đường IS động, (2) phương trình đường cong Phillips theo trường phái New Keyes và (3) phương trình lãi suất theo quy tắc Taylor (1993) Cụ thể:

- Phương trình đường IS động: thể hiện mối quan hệ lãi suất thực quyết định tốc độ tăng của tiêu dùng, được xây dựng dựa trên đẳng thức Euler cho tiêu dùng

- Phương trình đường cong Phillip theo trường phái New Keyes: thể hiện sự đánh đổi giữa lạm phát và sản lượng, với một phần đặt giá theo kỳ vọng tương lai vì không thể thay đổi giá trong ngắn hạn

- Phương trình lãi suất: thể hiện phản ứng của lãi suất trước thay đổi của lạm phát và sản lượng, được xây dựng theo quy tắc Taylor

- Trong đó, ký hiệu 𝜋̂ 𝑡 là độ lệch lạm phát, được đo bằng chênh lệch lạm phát thực tế - 𝜋 𝑡 và lạm phát mục tiêu của NHTW - 𝜋̅ (𝜋̂ 𝑡 = 𝜋 𝑡 − 𝜋̅)

𝑖̂ 𝑡 là độ lệch lãi suất, được đo bằng mức chênh lệch giữa lãi suất thực tế -

𝑖 𝑡 và mức lãi suất tự nhiên trong nền kinh tế - 𝑟 𝑡 𝑛 (𝑖̂ 𝑡 = 𝑖 𝑡 − 𝑟 𝑡 𝑛 )

𝑦 𝑡 là độ lệch sản lượng (output gap) bằng điểm phần trăm chênh lệch của sản lượng thực tế và sản lượng tiềm năng (mức sản lượng tại đó có cân bằng giá linh hoạt).

Hình 1.3 Cấu trúc cơ bản của mô hình DSGE

Nguồn: Sbordone và cộng sự (2010)

Ba khối cung, khối cầu và khối phương trình CSTT tạo nên bộ ba của một tam giác có tác động qua lại với nhau:

- Khối cầu, đại diện bởi độ lệch sản lượng thực (y), là một hàm của kì vọng lãi suất thực (bằng lãi suất danh nghĩa trừ đi lạm phát kì vọng) và kì vọng về độ lệch lệch sản lượng thực trong tương lai (y e ) Khối này cho thấy khi lãi suất thực tăng cao, người dân và doanh nghiệp sẽ phản ứng bằng cách có thể tiết kiệm nhiều hơn, chi tiêu hay đầu tư giảm đi

- Đường thẳng kết nối giữa khối cung và cầu tại Hình 3 cho thấy đầu vào quan trọng cho việc đo lường lạm phát (π) là độ lệch sản lượng (y) xuất hiện từ khối cầu và mức lạm phát kì vọng trong tương lai (π e ) Nếu độ lệch sản lượng tăng lên trong giai đoạn nền kinh tế hưng thịnh, các công ty phải tăng tiền lương để kích thích nhân viên làm việc lâu hơn dẫn đến làm tăng chi phí biên, đẩy áp lực lên giá cả và làm gia tăng lạm phát Ngoài ra, kì vọng lạm phát tăng trong tương lai càng cao thì sẽ càng làm gia tăng giá cả, do vậy tạo áp lực lên hiện tại

- Việc xác định sản lượng và lạm phát từ khối cầu và cung được đưa vào phương trình CSTT Phương trình chính sách tiền tệ theo quy tắc Taylor mô tả phản ứng của CSTT trước những biến động của độ lệch lạm phát và độ lệch sản lượng Trong bối cảnh nền kinh tế tăng trưởng nóng khiến lạm phát tăng cao, NHTW lựa chọn tăng lãi suất để hạ nhiệt nền kinh tế Do giá cả là cứng nhắc, bằng cách điều chỉnh lãi suất danh nghĩa, CSTT chuyển tác động đến sản lượng thực và lạm phát

Tương tác động giữa ba khối cung, cầu và chính sách tiền tệ cho thấy một mô hình cân bằng với mối quan hệ giữa 03 biến nội sinh: Sản lượng (y), lạm phát (π), và lãi suất danh nghĩa (i) theo ý nghĩa kì vọng về tương lai là yếu tố quyết định kết quả hiện tại Theo đó, sản lượng và lạm phát trong tương lai phụ thuộc vào kì vọng của hiện tại, CSTT của tương lai cũng vì thế mà phụ thuộc vào các hành động chính sách ở hiện tại

1.2.3 Mô hình DSGE giản lược (reduced form DSGE) Để đơn giản hóa việc ước lượng, nhiều nghiên cứu hướng đến áp dụng các mô hình DSGE giản lược (reduced form DSGE) Ví dụ: Lubik và Schorfheide (2007) đề xuất mô hình DSGE giản lược (reduced form) sử dụng nguồn thông tin tiền nghiệm là một dạng đơn giản của Galí và Monacelli (2002) Lees và cộng sự (2007) sử dụng mô hình của Lubik và Schorfheide (2007) để ước lượng BVAR – DSGE cho New Zealand Mô hình này cũng đã từng được đề cập trong Chen (2010); Hoặc mô hình BVAR – DSGE dành cho nền kinh tế Úc kế thừa từ nghiên cứu của cùng tác giả Del Negro và Schorfheide (2004) và được Hodge và cộng sự (2008) phát triển hoàn thiện hơn, đây cũng được xem như là một mô hình DSGE có thể biểu diễn cho nền kinh tế mở và nhỏ tại Việt Nam Mô hình tổng quát bao gồm các thành tố sau: (i) phương trình đường IS (còn gọi là phương trình Euler), (ii) phương trình đường cong Phillips, (iii) phương trình CSTT (được mô tả dưới dạng quy luật lãi suất) và (iv) phương trình tỷ giá hối đoái (được thể hiện thông qua chỉ số giá tiêu dùng và theo giả định ngang giá sức mua (PPP))

Phương pháp ước lượng các mô hình DSGE

Ước lượng mô hình DSGE nhằm mục tiêu tìm ra các tham số cấu trúc, gắn mô hình DSGE với từng nền kinh tế thông qua dữ liệu/thông tin về nền kinh tế đó Theo đó, Kydland và Prescott (1982) đã sử dụng phương pháp cân chỉnh tham số trong đó các tham số cấu trúc của DSGE được đặt cố định theo các kết quả nghiên cứu vi mô trước đó và/hoặc tính toán từ giá trị trung bình dài hạn của các số liệu vĩ mô tổng thể Nếu giả định của DSGE khác với giả định của các mô hình vi mô, phương pháp cân chỉnh tham số có thể dẫn tới việc các tham số này không đủ tin cậy Bên cạnh đó, tại một số quốc gia, các số liệu vi mô vốn không sẵn có và việc tính toán giá trị trung bình dài hạn của nền kinh tế không phải lúc nào cũng có thể thực hiện được làm cho phương pháp này có một số khó khăn khi ước lượng

Bên cạnh phương pháp đơn giản là cân chỉnh tham số, để thu được các tham số của mô hình DSGE, các phương pháp kỹ thuật tiên tiến phức tạp hơn đã được sử dụng để ước lượng các tham số này Có thể kể đến là phương pháp ước lượng GMM (Generalized method of moments estimation of equations), phương pháp ước lượng hàm hợp lý tối đa (Maximum likelihood estimation), phương pháp khớp hàm phản ứng (Impulse response matching) và phương pháp ước lượng Bayes

Trong số đó, hai phương pháp được sử dụng phổ biến là phương pháp ước lượng hàm hợp lý tối đa và phương pháp ước lượng Bayesian Altug (1989) sử dụng phương pháp ước lượng hàm hợp lý tối đa để ước lượng cho mô hình thời gian Trong khi nghiên cứu về ảnh hưởng vĩ mô của thuế trong mô hình chu kỳ kinh doanh được McGrattan (1994) tiến hành, Leeper & Sims (1994) và Kim (2000) thông qua mô hình DSGE phân tích CSTT cũng bằng cách sử dụng phương pháp ước lượng này

Canova (1994), DeJong et al., (1996), và Geweke (1999a) đã đề xuất cách tiếp cận Bayesian mà không cần khai thác chức năng có thể có của mô hình DSGE để ước lượng các tham số, cung cấp các ứng dụng thực nghiệm đánh giá chu kỳ kinh doanh và định giá tài sản liên quan đến mô hình tăng trưởng ngẫu nhiên đơn giản Ước lượng Bayesian là ước lượng thường được sử dụng trong các mô hình DSGE hơn là phương pháp ước lượng khả năng tối đa với với nhiều tính năng ưu việt hơn (Fernández-Villaverde, 2009) Ước lượng này cho phép: (i) tách những biến quan sát được và những biến không quan sát được; (ii) làm rõ được vai trò của những cú sốc trong mô hình; (iii) sử dụng bộ lọc Kalman và (iv) sử dụng ước lượng Bayesian

Với tính năng vượt trội của ước lượng Bayesian kết hợp với mô hình giản lược, nhiều mô hình DSGE đã sử dụng phương pháp BVAR (Bayesian Vector AutoRegression): Mô hình DSGE của Lubik và Schorfheide (2007) sử dụng BVAR để ước lượng cho Australia, Canada, New Zealand và Anh; Mô hình

DSGE cho New Zealand đã từng được sử dụng trong nghiên cứu của Lees, Matheson & Smith (2007), hay đã từng được đề cập đến Chen (2010); kế thừa từ nghiên cứu của cùng tác giả del Negro & Schorfheide (2004) và phát triển hoàn thiện hơn bởi Hodge và cộng sự (2008)…

Ưu điểm và ứng dụng của mô hình DSGE trong phân tích và dự báo kinh tế

1.4.1 Ưu điểm của mô hình DSGE

Các mô hình DSGE là công cụ mạnh trong việc thiết lập một khung khổ rõ ràng phục vụ việc thảo luận và phân tích chính sách Chúng có thể giúp các nhà làm chính sách xác định những yếu tố tạo ra sự biến động, trả lời các câu hỏi về sự thay đổi cấu trúc, dự báo và ước lượng tác động của sự thay đổi chính sách cũng như thực hiện các thử nghiệm trái ngược với thực tế Chúng cũng cho phép tạo ra mối liên hệ giữa các yếu tố cấu trúc của nền kinh tế cũng như các hệ số dưới dạng giản lược, điều vốn không phải luôn có thể làm được với những mô hình kinh tế vĩ mô quy mô lớn

Christiano và cộng sự (2017) cho rằng không chỉ phục vụ nhiệm vụ dự báo, các mô hình DSGE còn có nhiệm vụ quan trọng hơn nhiều, đó là giúp cho các nhà hoạch định chính sách đánh giá những đánh đổi chính sách cần thiết qua việc thực hiện các thử nghiệm định lượng vốn không thể xuất hiện trong thực tế trên nền kinh tế thực

Mô hình DSGE không chỉ hấp dẫn trong quan điểm lý thuyết mà còn hữu ích hữu ích cho phân tích chính sách định lượng trong kinh tế vĩ mô và là công cụ quan trọng được ứng dụng cho công tác thống kê dự báo của các NHTW, cạnh tranh với VAR (Edge và cộng sự, 2009) về khả năng dự báo, thậm chí là vượt trội so với VAR và BVAR về RMSE trong mô hình DSGE so với BVAR của dự báo Greenbook trong việc nắm bắt nhận diện các thay đổi của tăng trưởng GDP và lạm phát giai đoạn 1992 – 2006 (Edge & Gurkaynak, 2010)

1.4.2 Ứng dụng mô hình DSGE trong phân tích chính sách và dự báo

Mô hình này đã được sử dụng để nghiên cứu về cơ chế truyền dẫn chính sách tiền tệ được thực hiện đầu tiên bởi những nhà nghiên cứu như Shiller và cộng sự (1983), Cogley & Sargent (2001) Sau đó, có rất nhiều các nghiên cứu khác như Karel Mertens (2008) sử dụng mô hình này với dữ liệu lấy từ giai đoạn khủng hoảng thập kỷ 1960 - 1970 tại Mỹ để nghiên cứu sự tác động của trần lãi suất huy động đến sự truyền dẫn của CSTT, trong đó xem trần lãi suất huy động như rào cản bắt buộc các Ngân hàng thương mại (NHTM) phải tuân theo Tiếp đến là nghiên cứu của Hülsewig và cộng sự (2009) sử dụng mô hình DSGE theo trường phái Keynesian mới để đo lường vai trò của hệ thống ngân hàng trong quá trình truyền dẫn CSTT thông qua cơ chế xác định lãi suất cho vay từ lãi suất thị trường liên ngân hàng Cùng mục đích ứng dụng mô hình DSGE trong phân tích chính sách, Sbordone và cộng sự (2010) đã sử dụng biến tốc độ tăng trưởng kinh tế, tốc độ tăng trưởng chỉ số giá (đã loại trừ giá thực phẩm và năng lượng) để đo lường lạm phát và lãi suất Fed nhằm lý giải cho sự tăng bất ngờ của tỷ lệ lạm phát vào nửa đầu năm 2004 Vivien & Celine (2012) cũng sử dụng mô hình DSGE nghiên cứu sự tác động của mức độ cạnh tranh trong thị trường tới quá trình truyền dẫn của CSTT Trong khi đó, các nghiên cứu của Schorfheide (2000), Griffoli (2008) hay Phuc Huynh, Trang Nguyen, Thanh Duong và Duc Pham (2017) hướng đến các trung gian tài chính, được xem là nguyên nhân chính gây ra các cú sốc trong nền kinh tế đặc biệt kể từ sau giai đoạn khủng hoảng tài chính 2007 – 2008 và khuyến nghị các hàm ý chính sách đối với điều hành CSTT

Một trong những ứng dụng quan trọng khác của mô hình DSGE là dự báo (dự báo các cú sốc hoặc cho trước cú sốc và dự báo các biến số còn lại) Việc sử dụng mô hình DSGE trong dự báo có ưu điểm nổi bật là mô hình được lập luận với các cơ sở lý thuyết kinh tế nên kết quả dự báo dựa trên phương trình của các sốc trong mô hình có thể được giải thích một cách đầy đủ Các bước thực hiện dự báo gồm: (i) Ước lượng mô hình dưới dạng trạng thái bằng kỹ thuật Kalman Filters, (ii) Tiến hành dự báo từ kết quả ước lượng ở trên (có thể thêm các kịch bản dự báo), (iii) Kết hợp kết quả dự báo từ mô hình DSGE và các nguồn khác

Ngoài ưu điểm dự báo và phân tích chính sách, mô hình DSGE còn được dùng để phân tích ảnh hưởng của các cú sốc đến nền kinh tế, thông qua hàm phản ứng (Impulse Response Function), để từ đó tiến hành phân tích kịch bản cũng như đánh giá rủi ro

Theo mô hình DSGE của Fed New York (Sbordone và cộng sự, 2010), một mô hình DSGE cơ bản có thể phân chia thành 4 loại sốc cơ bản: các cú sốc về cung- cầu (liên quan đến nguồn cung lao động…), các cú sốc về năng suất (liên quan đến cú sốc về kĩ thuật, đầu tư…), các cú sốc về chính sách (liên quan đến các chính sách như lãi suất, lạm phát, chi tiêu chính phủ…) và các cú sốc về giá và lương

Mô hình DSGE được ước lượng bởi Zheng và Guo (2013) cho nền kinhh tế mở, quy mô nhỏ tại Trung Quốc tập trung vào việc đánh giá các bất ổn về CSTT giai đoạn 1992 – 2011 có phải là nguyên nhân dẫn đến sự mất cân bằng vĩ mô không Mô hình với 05 biến quan sát là độ lệch sản lượng, tỉ lệ lạm phát, lãi suất danh nghĩa, thay đổi trong tỉ giá hối đoái và tỉ trọng thương mại (điều khoản thương mại) được kế thừa từ mô hình của Lubik & Schorfheide (2007), Del Negro và Schorfheide (2009) Kết quả thực nghiệm cho thấy lãi suất danh nghĩa phản ứng trước sự thay đổi của độ lệch sản lượng, lạm phát và tỉ giá hối đoái danh nghĩa Ngoài ra, nghiên cứu cũng chỉ ra rằng trong ngắn hạn cú sốc CSTT có tác động mạnh lên kinh tế vĩ mô và trong dài hạn ảnh hưởng đến các biến danh nghĩa (lạm phát và tỉ giá hối đoái), riêng sản lượng thực (real output) thì chưa tìm thấy tác động Mô hình DSGE trong nền kinh tế mở phù hợp hơn trong tình trạng không

17 xác định được cân bằng, điều này chỉ báo rằng sự mất cân bằng trong thực hiện CSTT của NHTW Trung Quốc Thực tế, tình trạng không xác định được do hai nguyên nhân gây ra: cú sốc sunspot (sunspot shock) và sự lan truyền không xác định của các cú sốc nhân tố cơ bản, như cú sốc công nghệ, cú sốc cầu thế giới và cú sốc lạm phát thế giới Do vậy, hàm phản ứng đẩy và phân rã phương sai dưới tình trạng bất định là rất cần thiết để hoàn thiện phân tích vĩ mô động và đánh giá CSTT ở Trung Quốc

Nghiên cứu của Sbordone và cộng sự (2010) tập trung vào phân tích chính sách sử dụng mô hình DSGE cho Fed New York, tập trung vào 3 biến số chính: tăng trưởng GDP, lạm phát lõi và lãi suất Fed Nghiên cứu tái khẳng định tầm quan trọng của mô hình DSGE đối với việc hình thành và phân tích CSTT của NHTW Bước đầu mô hình còn tương đối đơn giản, quy mô nhỏ, tuy nhiên vẫn đáp ứng kỳ vọng giải thích được các biến số vĩ mô như sản lượng, lạm phát và lãi suất danh nghĩa của Mỹ trong giai đoạn nghiên cứu 1984 – 2006 Mô hình của các tác giả này cung cấp cái nhìn sâu sắc về nguyên nhân dẫn đến lạm phát đột ngột trong nửa đầu năm 2004, từ mức gần 1% vào đầu năm 2003 đến mức ổn định hơn 2% vào cuối năm 2008 tại Mỹ Thông qua nghiên cứu này, tầm quan trọng của yếu tố kỳ vọng trong cơ chế truyền dẫn của các cú sốc và phản ứng chính sách được thể hiện rõ nét và tạo tiền đề cho triển vọng phát triển của mô hình DSGE trong việc ứng dụng đánh giá định lượng với vai trò là sự kết nối giữa chính sách hiện tại, kỳ vọng và kết quả kinh tế Trong khi đó mô hình của Fed Chicago (Brave và cộng sự, 2012) tập trung phân tích các cú sốc: cú sốc về nguồn cung lao động, cú sốc chính sách liên quan đến chính sách lãi suất, cú sốc liên quan đến việc chi tiêu của chính phủ, cú sốc mark-up liên quan đến chính sách giá cứng nhắc Cũng nghiên cứu về kinh tế Mỹ, Chang & Schorfheide (2003) tập trung nghiên cứu tầm quan trọng của cú sốc cung ứng lao động đối với sự biến động của nền kinh tế lớn nhất thế giới, với kết quả thực nghiệm được xét trong giai đoạn 1964Q1-1997Q4

Alan & ệzge (2014) kiểm tra cơ chế CSTT can thiệp và khụng can thiệp khi sử dụng mô hình DSGE dưới lực cản của thị trường liên ngân hàng, kiểm tra

8 cú sốc khác nhau dưới điều kiện không hoàn hảo của thị trường liên ngân hàng

Các cú sốc được xem xét là các cú sốc cung và cầu, bên cạnh đó là hai cú sốc từ hệ thống tài chính (cú sốc thị trường liên ngân hàng và cú sốc từ thị trường tiền gửi) Kết quả nghiên cứu cho thấy một cú sốc liên ngân hàng tiêu cực chỉ ảnh hưởng vừa phải đến hệ thống ngân hàng Romania Tuy nhiên cú sốc về thị trường tiền gửi lại có tác động mạnh hơn Mặc dù ảnh hưởng của các cú sốc là không lớn nhưng nó cho thấy lực cản tài chính đã phóng đại ảnh hưởng của các cú sốc khác

Quy tắc Taylor hiệu chỉnh đã được phân tích để kiểm tra CSTT can thiệp nên phản ứng với các cú sốc dưới lực cản tài chính

Phân tích các cú sốc về giá dầu ảnh hưởng đến nền kinh tế được mô hình hóa và phân tích trong nghiên cứu Medina & Soto (2005) chỉ ra nếu giá dầu tăng 13% sẽ làm giảm GDP 0,5% và làm lạm phát tăng 0,4% đối với Chile Balke & Brown (2018) tìm ra hệ số co giãn giữa cú sốc giá dầu và GDP của nền kinh tế

Mỹ là -0.015; An & Kang (2011) phân tích cú sốc giá dầu đối với nền kinh tế Hàn Quốc, Wang và cộng sự (2017) phân tích đối với kinh tế Trung Quốc Phân tích các cú sốc về năng suất: Galí và Rabanal (2005) sử dụng một mô hình DSGE ước tính để nghiên cứu tác động của những cú sốc về công nghệ vào những giờ làm việc

Mô hình Allan & Jochen (2015) tập trung vào kinh tế Việt Nam, mô phỏng được các cú sốc giá dầu, thay đổi lãi suất của Fed, biến động về sản lượng (GDP) của Mỹ tác động đến kinh tế Việt Nam dưới các chế độ tỷ giá hối đoái khác nhau

Hạn chế của mô hình DSGE

Mô hình DSGE được xem là thời thượng và được các NHTW nhiều quốc gia sử dụng để điều hành chính sách, tuy nhiên, tại nhiều nơi, mô hình DSGE chưa trở thành mô hình lõi trong khung khổ ra chính sách của các NHTW Một trong những lý do quan trọng là bởi cấu trúc mô hình phức tạp và đòi hỏi sử dụng nhiều kỹ thuật tiên tiến phức tạp để ước lượng các tham số trong mô hình, dẫn đến mô hình khó có thể kiểm soát và trong ngắn hạn có thể không cho ra được kết quả dự báo tốt Sự phức tạp của mô hình DSGE khiến việc giải thích kết quả trở nên khó

19 khăn ngay cả đối với các nhà làm chính sách, chưa nói đến công chúng Để hiểu được việc xây dựng các mô hình này đòi hỏi những nhà kinh tế vĩ mô được đào tạo rất bài bản với những kỹ năng về thống kê và lập trình mạnh Điều này cũng đồng nghĩa với việc các NHTW sẽ phải đầu tư nhiều nguồn lực hơn để phát triển những mô hình này, điều vốn không dễ dàng trong bối cảnh ngân sách hạn hẹp

Ngoài ra, việc đưa dữ liệu vào các mô hình DSGE cũng tạo ra nhiều thách thức ngay cả với các phương pháp thống kê và kỹ thuật ước lượng kinh tế lượng phức tạp hiện tại Việc biến đổi số liệu, ví dụ như bóc tách xu hướng, loại bỏ các yếu tố outliner và loại bỏ các thay đổi trong cấu trúc nền kinh tế là những điều kiện cơ bản để đưa các dữ liệu vào mô hình này

Buiter, Willem (2009) cho rằng mô hình DSGE dựa quá nhiều vào một giả định về các thị trường hoàn chỉnh, và điều đó không thể mô tả các biến động phi tuyến của nền kinh tế một cách chân thực Việc sử dụng thông tin tiền nghiệm trong mô hình DSGE có thể sẽ dẫn đến xảy ra trường hợp sai số đối với từng nền kinh tế khác nhau

Mu-Chun Wang (2009) so sánh độ chính xác dự báo điểm ngoài mẫu giữa mô hình DSGE và mô hình nhân tố động (dynamic factor model - DFM) đối với dự báo sản lượng và lạm phát của Mỹ giai đoạn từ Quý I/1959 đến quý III/2006 với tầm dự báo là 12 Quý tiếp theo Việc so sánh hai mô hình nhằm làm nổi bật sự khác biệt giữa mô hình DSGE được xây dựng dựa trên nền tảng lý thuyết kinh tế rất vững chắc trong khi mô hình DFM chủ yếu dựa vào đặc tính của chuỗi số liệu Kết quả cho thấy mô hình DFM cho kết quả dự báo chính xác hơn ở tầm ngắn hạn, đặc biệt khi độ dài chuỗi số liệu quá khức tăng lên, nghĩa là khi có nhiều thông tin hơn, trong khi đó, dự báo của mô hình DSGE chỉ cho kết quả khả quan khi tầm dự báo nâng từ 4 Quý lên 12 Quý

Các nhà nghiên cứu cũng như các nhà hoạch định chính sách đang tiếp tục mở rộng nghiên cứu và tìm ra những cách thức mới nhăm giúp mô hình DSGE ngày càng cải thiện.

Tổng quan nghiên cứu

Mô hình cân bằng động ngẫu nhiên tổng quát (mô hình DSGE) được các nhà nghiên cứu cũng như các nhà quản lý điều hành vĩ mô, đặc biệt là tại các NHTW, quan tâm ngày càng nhiều hơn trong việc ứng dụng phân tích, đánh giá và dự báo chính sách vĩ mô Mặc dù mô hình DSGE mới chỉ được phát triển từ những năm 1980 nhưng đây lại là một trong những mô hình kinh tế lượng vĩ mô mang tính tổng quát, phản ánh khá đầy đủ trong việc đánh giá, dự báo các cú sốc ảnh hưởng đến các biến số vĩ mô cũng như từng khu vực trong nền kinh tế với cơ sở lý thuyết nền vững hơn so với các mô hình kinh tế lượng vĩ mô truyền thống

Các nghiên cứu về mô hình lý thuyết:

Mô hình chu kỳ kinh doanh thực cơ sở: Nghiên cứu của Kydland và Prescot

(1982) lần đầu tiên giới thiệu một mô hình mới nhằm khắc phục những hạn chế của mô hình kinh tế lượng vĩ mô truyền thống, đó là mô hình chu kỳ kinh doanh thực dựa trên nền tảng vi mô Nghiên cứu này đã đặt nền móng cho các nghiên cứu tiếp theo về chu kỳ kinh doanh thực như Prescott, Edward (1986), Stadler (1994), Gali và Jordi (1999, 2008), McCandless và George (1986)

Mô hình New Keynes cơ sở:

Nghiên cứu đặt nền móng cho các mô hình dựa trên lý thuyết chu kỳ kinh doanh thực kết hợp với lý thuyết kinh tế của trường phái New Keynes gồm Rotemberg và Woodford (1996), Yun, T (1996), Clarida, Richard J.Gali và M.Gertler (1999) Mô hình DSGE cơ sở được xây dựng với 3 phương trình chính cho một nền kinh tế đóng trong đó các chủ thể gồm hộ gia đình, doanh nghiệp và cơ quan điều hành tiền tệ, các doanh nghiệp hoạt động trong môi trường cạnh tranh độc quyền Yếu tố làm nên sự khác biệt của mô hình này so với mô hình dựa trên lý thuyết về chu kỳ kinh doanh thực là việc đưa thêm vào yếu tố giá cả cứng nhắc Do giá cả cứng nhắc, chính sách tiền tệ có thể tác động tới lãi suất thực và các biến số thực trong nền kinh tế trong ngắn hạn Ngoài ra, mô hình DSGE cơ sở có thể có 4 phương trình đối với trường hợp nền kinh tế mở, trong đó phương

21 trình thứ 4 là phương trình về cân bằng lãi suất thông qua sự điều chỉnh trong biến động của tỷ giá

Các phương pháp ước lượng mô hình DSGE

Nhiều nghiên cứu tập trung vào việc đề xuất các phương pháp ước lượng mô hình DSGE trong đó một số phương pháp được đề xuất như ước lượng cân chỉnh tham số (Kydland and Prescott, 1982), ước lượng GMM 5 để ước lượng mối quan hệ cân bằng (Christiano, Eichenbaum và Evans 2005), ước lượng tối thiểu hóa khoảng cách ước lượng dựa trên hàm phản ứng xung của mô hình VAR và DSGE (Rotemberg và Woodford, 1997; Christiano, Eichenbaum, & Evans, 2005), ước lượng dựa trên khả năng có đầy đủ thông tin (Altug, Sumru, 1989; McGrattan,

Ngoài ra, ước lượng Bayes được Canova (1994), DeJong et al (1996), và Geweke (1999a) đề xuất dùng để ước lượng tham số các mô hình DSGE Đây là một trong những phương pháp ước lượng được sử dụng khá phổ biến gần đây trong các nghiên cứu có ứng dụng mô hình DSGE Ước lượng Bayesian về các mô hình DSGE được bắt đầu với nghiên cứu của Landon-Lane (1998), DeJong et al (2000), Schorfheide (2000), Otrok (2001) và DeJong et al., (2000) ước lượng một mô hình tăng trưởng ngẫu nhiên và kiểm tra khả năng dự báo của mô hình

Mô hình DSGE New Keynes khi tiền lương cứng nhắc

Trên thực tế, trong ngắn hạn có sự đánh đổi giữa mục tiêu sản lượng và lạm phát, điều này được lý giải là do sự cứng nhắc của giá và lương, cũng bởi đặc điểm này mà CSTT phát huy vai trò bình ổn kinh tế vĩ mô trong ngắn hạn Do đó, để phản ánh thực tế này, mô hình DSGE cơ sở được mở rộng và thêm các thông tin/tham số đại diện cho sự cứng nhắc này trên thị trường lao động qua việc thêm phương trình về tiền lương như được đề cập trong mô hình của Erceg, Henderson và Levin (1999) Gali và Jordi trong hai nghiên cứu năm 2010 và 2011 cũng xem xét lại mối quan hệ giữa chính sách tiền tệ và thất nghiệp qua việc bổ sung yếu tố cứng nhắc về giá lao động vào mô hình DSGE New Keynes truyền thống Mặc

5 Generalized Method of Moments dù việc đưa sự cứng nhắc của giá và lương vào trong mô hình khiến cho tác động của các cú sốc trở nên lâu dài hơn nhưng không làm thay đổi cơ chế truyền dẫn của CSTT và CSTT tối ưu

Mô hình DSGE New Keynes mở rộng cho nền kinh tế mở: đối với nền kinh tế mở, không chỉ có hàng hóa sản xuất trong nước mà còn có hàng hóa nhập khẩu và thị trường tài chính quốc tế Nghiên cứu của Gali và Monacelli (2005) đã mô hình hóa một số vấn đề của nền kinh tế mở như tình trạng đô la hóa, tự do hóa tài khoản vốn và sự truyền dẫn của tỷ giá lên lạm phát để phân tích chính sách Kết quả cho thấy trong nền kinh tế mở, tỷ giá đóng vai trò quyết định trong phân bổ giữa tổng cầu, nguồn lực trong nước và nhập khẩu Do đó, những cú sốc lên nền kinh tế đòi hỏi phải có những điều chỉnh tỷ giá phù hợp (kênh truyền dẫn tỷ giá của CSTT) Như vậy, một CSTT tối ưu cần kiểm soát lạm phát trong nước ở mức mục tiêu nhờ cơ chế tỷ giá linh hoạt, tuy nhiên, vẫn có thể xem xét sự ổn định tỷ giá trong ngắn hạn do sự tồn tại của những sự cứng nhắc trong nền kinh tế

Một số nghiên cứu về ứng dụng mô hình DSGE trong phân tích và dự báo kinh tế

Phối hợp ứng dụng mô hình DSGE với các mô hình kinh tế khác

Del Negro và Schorfheide (2004) nghiên cứu khả năng ứng dụng mô hình DSGE trong ước lượng tham số tiền nghiệm cho mô hình VAR gồm 3 biến là biến tốc độ tăng trưởng của GDP, biến lạm phát và biến lãi suất Phân bố xác suất kết hợp của các thông số trong mô hình được tính toán bằng phương pháp Monte Carlo cho thấy, mô hình DSGE-VAR có hiệu quả vượt trội hơn trường hợp mô hình VAR tổng quát hay mô hình DSGE thuần tuý Mặt khác, khả năng dự báo của mô hình DSGE-VAR còn có thể tốt hơn so với một số biến trong mô hình Minnesota VAR Kế thừa kết quả từ Del Negro và Schorfheide (2004), Hodge và cộng sự (2008) tiến hành dự báo các biến số vĩ mô cho nền kinh tế Úc Kết quả tương tự như mô hình VAR tổng quát, DSGE và Minnesota VAR đối với việc dự báo các biến tăng trưởng GDP và lạm phát, thậm chí biến lạm phát có thể cho kết quả dự báo tốt hơn so với dự báo bằng mô hình DSGE thuần tuý

Dự báo bằng mô hình DSGE và ứng dụng trong việc đưa ra các quyết định chính sách

Laxton, Rose & Scott (2009) nghiên cứu về việc phát triển hệ thống dự báo và phân tích chính sách có hệ thống để hỗ trợ cho dự báo lạm phát mục tiêu của NHTW Bài nghiên cứu đề cập đến việc phát triển một hệ thống dự báo và phân tích chính sách có cấu trúc và chỉ ra sáu điểm mạnh từ hệ thống này bao gồm: (i) Cải thiện trao đổi giữa tất cả thành viên liên quan đến tranh luận về dự báo và phân tích chính sách, dẫn đến sự cộng tác quan trọng và cải tiến liên tục của tiến trình đến một quan điểm tập thể; (ii) các tranh luận cấu trúc nhiều hơn về rủi ro dự báo, cho phép các nhà hoạch định chính sách nhận diện dễ dàng hơn và trao đổi các vấn đề chính sách quan trọng; (iii) sự phát triển của cơ sở dữ liệu để đánh giá các dữ liệu lịch sử của dự báo, thông tin các nỗ lực nghiên cứu mới đang đòi hỏi.; (iv) sự phát triển của lao động có kỹ năng cao; (v) sự phát triển kiến thức về thể chế về cơ chế truyền dẫn tiền tệ và những ảnh hưởng của các rối loạn hoặc cú sốc phát sinh; (vi) khả năng truyền dẫn tốt hơn của các thành phần trong hệ thống CSTT và khả năng phát triển của dự báo Và để FPAS thực sự phát huy khả năng thì nhóm tác giả cũng nêu ra 4 điều kiện đó là (1) sự phát triển về mô hình, điều này rất quan trọng khi mô hình lõi sẽ cung cấp sự kết nối, giải thích rõ ràng về phát triển kinh tế có mối liên hệ với hàm ý chính sách của các nhà hoạch định chính sách, (2) sự phát triển của hệ thống công nghệ thông tin, (3) sự phát triển về mặt con người, (4) và cuối cùng là các phát kiến trong dự báo và mô hình

Argia, Andrea, Krishna & Kieran (2010) sử dụng mô hình DSGE cho việc phân tích chính sách từ đó cho thấy tầm quan trọng của sử dụng mô hình này trong phân tích CSTT của NHTW Mặc dù mô hình tương đối đơn giản nhưng có sự xuất hiện đầy đủ của bốn chủ thể trong nền kinh tế bao gồm: đại diện hộ gia đình, các doanh nghiệp sản xuất hàng hóa cuối cùng, … các công ty trung gian và đại diện CSTT, thỏa mãn kỳ vọng giải thích được các biến số vĩ mô như sản lượng, lạm phát và lãi suất danh nghĩa của Mỹ trong giai đoạn 1984 – 2006 Mô hình của các tác giả này cung cấp cái nhìn sâu sắc về nguyên nhân dẫn đến lạm phát đột ngột trong nửa đầu năm 2004, từ mức gần 1 phần trăm vào đầu năm 2003 đến mức ổn định hơn 2 phần trăm vào cuối năm 2008 tại Mỹ Nghiên cứu khẳng định tầm quan trọng của yếu tố kỳ vọng trong cơ chế truyền dẫn của các cú sốc và phản ứng chính sách, thể hiện được ưu điểm của mô hình DSGE so với các mô hình kinh tế vĩ mô truyền thống khác, đó là kết nối giữa chính sách hiện tại, kỳ vọng và kết quả kinh tế

Berg, Karam & Laxton (2006) đề xuất mô hình phân tích chính sách và dự báo (FPAS) đơn giản, phục vụ việc nghiên cứu chính sách của các NHTW Sự kết hợp giữa độ cứng nhắc danh nghĩa và thực của mô hình cùng với vai trò của tổng cầu trong xác định sản lượng của trường phái New Keynesian, cộng với phương pháp RBC cho mô hình DSGE với kỳ vọng hợp lý Tuy nhiên, nhóm tác giả lại không dẫn dắt mô hình theo nền tảng vi mô mà để mô hình thích nghi với các kỳ vọng hợp lý trong các phương trình Nhóm tác giả cũng cho rằng phương pháp Bayesian có rất nhiều ưu điểm nhưng tương đối phức tạp cho việc ước lượng các mô hình DSGE quy mô vừa và lớn, ước lượng này phù hợp hơn đối với các mô hình quy mô nhỏ

Jonathan, Atish & Marcos (2012) sử dụng mô hình DSGE để nghiên cứu hai công cụ chính sách tiền tệ là lãi suất chính sách và can thiệp thị trường ngoại hối có trung hòa ở các quốc gia mới nổi nhằm mục tiêu duy trì lạm phát thấp trong khi tránh các biến động tiền tệ Các tác giả cho rằng các quốc gia không sẵn sàng duy trì chế độ tỷ giá thả nổi thì không phù hợp để theo đuổi lạm phát mục tiêu Để theo đuổi lạm phát mục tiêu cần có mức linh hoạt tỷ giá cao trong khi chính sách lãi suất là công cụ chính nhằm ổn định lạm phát Hai mục tiêu, hai cơ chế can thiệp, hai công cụ (lãi suất chính sách và can thiệp trên thị trường ngoại hối) cần phối hợp dưới cơ chế lạm phát mục tiêu Cũng theo hai tác giả này thì mục tiêu của NHTW bao gồm các mục tiêu sau: (i) tối thiểu hóa độ lệch lạm phát so với mục tiêu, (ii) tối thiểu hóa độ lệch sản lượng xung quanh mức sản lượng tiềm năng, (iii) và tối thiểu hóa độ lệch tỷ giá từ mức tỷ giá trung tâm

Benes, Berg, Portillo & Vavra (2013) đề cập đến chính sách can thiệp tỷ giá có trung hòa, vốn là một công cụ CSTT quan trọng ở các quốc gia mới nổi Trong khi một số NHTW có mục tiêu tỷ giá rõ ràng thông qua việc thiết lập lãi

25 suất thì một số vẫn còn chưa xác định công cụ điều hành chính để tác động đến tỷ giá Các tác giả thực hiện hiệu chỉnh mô hình New Keynesian tiêu chuẩn cho nền kinh tế quy mô nhỏ và thêm vào (i) can thiệp tỷ giá như là công cụ của NHTW, lãi suất độc lập và khả năng ổn định tỷ giá trong biên độ dao động; (ii) hiệu ứng can thiệp thanh khoản (bảng cân đối tài sản) được xem là kênh mới của truyền dẫn CSTT thông qua các ảnh hưởng nội sinh dẫn xuất từ hành vi tối ưu của khu vực tài chính Kết quả nghiên cứu cho thấy cơ chế lạm phát mục tiêu tiếp cận theo phương pháp phân tích truyền thống chưa thực sự phù hợp với các nước mới nổi Các quốc gia có cơ chế tỷ giá cố định có xu hướng chuyển sang cơ chế tỷ giá linh hoạt và thực hiện lạm phát mục tiêu thông qua kiểm soát lãi suất ngắn hạn Trong khi đó một số các quốc gia khác lại kiểm soát tỷ giá bằng cách can thiệp thông qua các hình thức khác (như trung hòa dòng ngoại tệ vào)

THỰC TRẠNG MỘT SỐ MÔ HÌNH PHÂN TÍCH DỰ BÁO ĐANG ỨNG DỤNG TẠI NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

Các lớp mô hình đơn biến

Các lớp mô hình đơn biến được sử dụng rộng rãi tại NHNN Việt Nam do cấu trúc mô hình đơn giản, dễ vận hành và khả năng dự báo tương đối tốt trong ngắn hạng Nằm trong lớp các mô hình thuần số liệu, một số dạng mô hình đơn biến đang được sử dụng phổ biến tại NHNN Việt Nam gồm: Mô hình tự hồi quy AutoRegressive (AR), Mô hình trung bình trượt - Moving Average (MA), Mô hình trung bình trượt, tự hồi quy (ARMA), Mô hình trung bình trượt, tích hợp tự hồi quy (ARIMA) Ưu điểm của mô hình đơn biến là dự báo tương đối chính xác trong ngắn hạn (khoảng 1-2 kỳ dự báo) vì sự vận động của biến số cần dự báo về cơ bản vẫn theo xu hướng quá khứ mà chưa bị ảnh hưởng nhiều bởi các thay đổi chính sách Ngoài ra, kỹ thuật vận hành mô hình đơn giản và dễ sử dụng Kết quả dự báo mô hình đợn biến trong ngắn hạn là cơ sở đầu vào quan trọng cho các mô hình dự báo trung – dài hạn nhiều biến số

Tuy nhiên, hạn chế của mô hình đơn biến là chỉ sử dụng các giá trị, thông tin trong quá khứ của chính biến số cần dự báo, nhưng trên thực tế các biến số kinh tế vĩ mô thường có tác động qua lại lẫn nhau và phụ thuộc với nhau vì vậy kết quả dự báo trung – dài hạn của mô hình đơn biến nhiều khả năng sẽ thiếu chính xác khi bỏ sót các thông tin đưa vào mô hình Mô hình cũng không phù hợp cho việc phân tích chính sách cũng như phân tích các cú sốc tới các biến số trong mô hình vì không dựa trên lý thuyết kinh tế

Vụ Dự báo thống kê đã xây dựng ứng dụng mô hình đơn biến trong nhiều dự báo kinh tế vĩ mô như dự báo vốn khả dụng của hệ thống ngân hàng, dự báo bội chi tiền mặt trong nền kinh tế….

Các lớp mô hình VARs

Các lớp mô hình VAR và VECM phát triển tại Vụ DBTK dựa trên nguyên lý cơ chế truyền dẫn chính sách tiền tệ Theo Mishkin (1996), chính sách tiền tệ được truyền dẫn tới nền kinh tế thực qua 5 kênh cơ bản là: kênh tín dụng, kênh lãi suất, kênh tỷ giá, kênh giá hàng hóa và kênh kỳ vọng Do đó, mô hình VAR và VECM tại Vụ DBTK gồm các biến số đại diện cho khu vực kinh tế thực và các kênh của chính sách tiền tệ, ngoại trừ kênh kỳ vọng do dữ liệu về kỳ vọng của Việt Nam mới bắt đầu được NHNN tiến hành thu thập kể từ đầu năm 2013 Các biến số sử dụng trong mô hình như sau:

- Nhân tố đại diện cho hoạt động thương mại, cung – cầu thị trường: GDP, tổng mức bán lẻ hàng hóa, độ lệch sản lượng;

- Nhân tố đại diện cho CSTT: tín dụng cho nền kinh tế, lãi suất cho vay bằng đồng VND;

- Nhân tố đại diện cho chính sách tỷ giá: tỷ giá USD/VND;

- Nhân tố đại diện cho các thành phần của CPI: chỉ số giá nhóm hàng lương thực – thực phẩm tươi sống, chỉ số giá nhóm hàng năng lượng (gồm điện, xăng, dầu, gas, chất đốt) và chỉ số giá nhóm các mặt hàng khác do Nhà nước quản lý giá (bao gồm điện, nước, giao thông công cộng, y tế, bưu điện, giáo dục…)

- Nhóm các thước đo lạm phát cơ bản

- Ngoài ra còn có thêm các biến giả để sử dụng làm các biến mùa vụ, hay thời điểm có sự thay đổi về cấu trúc (như khi có khủng hoảng, gia nhập WTO…)

- Nhân tố đại diện cho kinh tế quốc tế gồm: Giá dầu thô thế giới, giá lương thực thế giới, lãi suất Fed,…

Các mô hình VAR và VECM được vận hành, hiệu chỉnh thường xuyên tại

Vụ Dự báo thống kê NHNN Việt Nam Nhờ những ưu điểm nổi bật so với các mô hình hiện có, mô hình VAR và VECM được sử dụng khá thường xuyên trong việc dự báo lạm phát và GDP và cả trong phân tích các cú sốc ngoại sinh tới các biến số vĩ mô trong mô hình.

Quá trình vận hành lớp mô hình VAR và VECM tại NHNN cho thấy lớp mô hình này có nhiều ưu điểm Các mô hình này nhỏ gọn, dễ dàng cập nhật dữ liệu và vận hành lại đưa ra kết quả dự báo tương đối sát với thực tế Tính ưu việt của mô hình VAR thể hiện ở chỗ, chỉ với một số ít biến trong mô hình, độ tin cậy của dự báo thu được thường tốt hơn nhiều so với một mô hình hệ phương trình cồng kềnh nhiều biến và nhiều phương trình Các mô hình này có ưu thế rõ rệt trong việc dự báo cho tầm ngắn và trung hạn với các kết quả dự báo theo Quý trong tầm trung hạn (dưới 8 Quý) mang lại kết quả tương đối phù hợp so với thực tế Khả năng dự báo của mô hình VECM cũng được cải thiện so với mô hình VAR vì trong phương trình ngắn hạn có tích hợp cả yếu tố dài hạn (còn gọi là "cân bằng dài hạn") giúp hiệu chỉnh các kết quả dự báo ngắn hạn trong ràng buộc cân bằng dài hạn Điều này giúp cải thiện đáng kể chất lượng dự báo so với mô hình VAR đơn giản không có điều kiện ràng buộc (unrestricted VAR) Mặt khác lý thuyết đồng tích hợp cũng giúp cho VECM tránh được hiện tượng hồi quy giả mạo khi ước lượng các biến không dừng, giúp cho kết quả dự báo đáng tin cậy hơn

Mặc dù có những ưu điểm nổi bật, mô hình VAR và VECM trong quá trình xây dựng, vận hành, hiệu chỉnh cũng cho bộc lộ những hạn chế: (i) việc xác định độ trễ và số mẫu quan sát cần đưa vào mô hình gặp nhiều khó khăn Theo tính toán, với k biến số và p độ trễ thì cần k 2 p hệ số góc và k hệ số chặn, vì vậy, nếu k và p càng lớn thì số lượng tham số cần ước lượng càng nhiều; (ii) việc sử dụng VAR trong phân tích chính sách thường bị hạn chế do mô hình VAR chủ yếu dựa trên số liệu trong quá khức mà không dựa nhiều vào các lý thuyết kinh tế do đó, việc giải thích mối quan hệ giữa các biến gặp nhiều khó khăn Mô hình VAR ít sử dụng thông tin tiên nghiệm , do đó, việc ứng dụng mô hình VAR chủ yếu nhằm dự báo các chỉ tiêu vĩ mô hơn là phục vụ cho các mục tiêu về phân tích chính sách;

(iii) khi xây dựng và sử dụng mô hình VAR để dự báo, các biến thường được xử lý để trở thành các chuỗi dừng, do đó sẽ làm mất đi các thông tin quan trọng về mối quan hệ giữa các biến với nhau trong trung và dài hạn

Trong khi đó, mặc dù có sự cải thiện đáng kể so với mô hình VAR, mô hình VECM áp dụng tại NHNN Việt Nam phục vụ hai mục đích là phân tích cơ chế truyền dẫn chính sách tiền tệ và dự báo một số chỉ tiêu vĩ mô, tiền tệ, song các kết quả dự báo thu được chưa thực sự tốt, đặc biệt là VECM tần suất tháng Do đó, cần xây dựng mô hình VECM chuyên biệt phục vụ cho mục đích dự báo diễn biến các chỉ tiêu vĩ mô cả trong ngắn hạn và trung hạn.

Mô hình kinh tế lượng vĩ mô

Mô hình kinh tế lượng vĩ mô tại NHNN được xây dựng nhằm phục vụ mục tiêu dự báo cũng như tính toán, đánh giá tác động của chính sách tiền tệ và tài khóa tới diễn biến kinh tế vĩ mô nói chung Trên cơ sở số liệu hiện có của Việt Nam và các phương pháp phổ biến trên thế giới áp dụng trong xây dựng mô hình kinh tế lượng vĩ mô, phương pháp hiệu chỉnh sai số (ECM) được kết hợp để ước lượng các phương trình Cấu trúc mô hình kinh tế lượng vĩ mô tại NHNN Việt Nam đã thể hiện các đặc điểm cả phía cung, phía cầu Do đó, mô hình có thể được sử dụng để mô phỏng cả chính sách về phía cung và phía cầu Theo đó, cấu trúc

35 mô hình kinh tế lượng vĩ mô tại NHNN sẽ bao gồm: (i) Khối tổng cầu: gồm các phương trình về hàm tổng cầu, tích lũy tài sản cố định và các phương trình xác định các thành phần hiệu chỉnh sai số tương ứng; (ii) Khối tổng cung: bao đồm phương trình về vốn và phương trình về lao động, phương trình về tiền lương và phương trình về sản lượng tiềm năng; (iii) Khối chi tiêu: bao gồm phương trình chi tiêu cuối cùng của khu vực tư nhân, phương trình chi tiêu của chính phủ

- Khối thương mại: bao gồm phương trình giá trị xuất khẩu và nhập khẩu

- Khối tiền tệ: Khối tiền tệ gồm các phương trình hàm cầu tiền, lãi suất huy động, lãi suất cho vay, tỷ giá và các phương trình xác định các thành phần hiệu chỉnh sai số tương ứng

- Khối giá cả và chi phí: bao gồm phương trình lạm phát tổng thể, lạm phát cơ bản, chỉ số giá xuất khẩu, chỉ số giá nhập khẩu

Với mô hình kinh tế lượng vĩ mô, số lượng chỉ tiêu được dự báo có thể gấp nhiều lần mô hình VAR (VECM) do đây là lớp mô hình cấu trúc nhiều biến số, đại diện cho các khu vực khác nhau của nền kinh tế nhờ dựa theo một hệ thống lý thuyết kinh tế học vĩ mô nhất định (chủ yếu theo trường phái Keynes)

Mặc dù vậy, nhược điểm của mô hình kinh tế lượng vĩ mô thể hiện ở khả năng thu thập dữ liệu gặp nhiều khó khăn do số lượng biến (gồm cả biến phụ thuộc và biến giải thích) khá lớn và phân bổ tại nhiều khu vực kinh tế khác nhau Hơn nữa, số lượng biến giải thích càng nhiều đồng nghĩa với việc phải mất nhiều công sức trong việc phân tích kịch bản các chỉ tiêu này trước khi tiến hành dự báo cho các biến phụ thuộc Bên cạnh đó, nhiều số liệu đầu vào không có sẵn theo tần suất quý yêu cầu người vận hành phải chiết xuất từ những số liệu tần suất năm Những khó khăn này đã khiến mô hình kinh tế lượng vĩ mô chưa chứng tỏ được tính ưu việt trong việc đưa ra kết quả dự báo các biến số.

Mô hình DSGE

Dưới sự hỗ trợ tham vấn của các chuyên gia JICA (Nhật Bản), Vụ Dự báo thống kê – NHNN đã bước đầu xây dựng một mô hình DSGE quy mô nhỏ Đây được xem như là một thử nghiệm cho việc ứng dụng kỹ thuật DSGE vào công tác phân tích và dự báo của Vụ DBTK nói riêng và của NHNN nói chung Mô hình DSGE Việt Nam thông qua phân tích hàm phản ứng cho phép đánh giá tác động truyền dẫn chính sách tiền tệ và đưa ra các dự báo không điều kiện và có điều kiện cho các biến số của mô hình

Mô hình DSGE của Việt Nam gồm 04 phương trình cơ bản được Vụ Dự báo, thống kê phát triển trong đó 03 phương trình cơ sở theo trường phái New Keynes được xây dựng dựa trên nghiên cứu của Jordi Gáli (2015) khi ứng dụng các nền tảng kinh tế vĩ mô và vi mô, phương trình thứ 04 về tỷ giá được tích hợp thêm vào hệ phương trình cơ sở theo nghiên cứu của Laurence M Ball (1999) đối với nền kinh tế Mỹ Phương trình tỷ giá phản ánh quan hệ của các biến số trong một nền kinh tế mở Mô hình cũng tham vấn các nghiên cứu của Quỹ tiền tệ quốc tế (IMF) và ý kiến tư vấn của chuyên gia của JICA – Nhật Bản Cấu trúc của mô hình cho Việt Nam gồm 4 phương trình cơ bản cụ thể như sau:

(i) Phương trình tổng cầu – Phương trình đường IS:

(ii) Phương trình đường cong Phillips (quan hệ giữa lạm phát và GDP):

(iii) Phương trình về quy tắc lãi suất:

(iv) Phương trình tỷ giá:

+ 3 phương trình đầu tiên dựa trên nghiên cứu của Jordi Gali (2015) về mô hình New Keynes, phương trình cuối cùng (phương trình tỷ giá) được phát triển dựa trên nghiên cứu thực nghiệm của Ball (1999) cho kinh tế Mỹ

+ Các biến số gồm: 𝑦 𝑡 là độ lệch sản lượng (output gap); 𝜋 𝑡 là độ lệch lạm phát (giữa lạm phát thực tế và lạm phát mục tiêu); 𝑟 𝑛 là độ lệch lãi suất danh nghĩa

(giữa lãi suất tái cấp vốn của NHNN và lãi suất tái cấp vốn bình quân trong dài hạn); e là tỷ giá thực hiệu dụng (REER) Ứng dụng kỹ thuật Bayes, các tham số của mô hình đã được ước lượng lại trên cơ sở các giả định ban đầu và mẫu dữ liệu thực tế của các biến số trong giai đoạn quý I/2009 đến quý I/2017

Mô hình DSGE tại NHNN Việt Nam đã được ứng dụng trong việc dự báo theo phương án cơ sở, phương án kịch bản cho trước với các biến nội sinh và kịch bản đối với các cú sốc cung cấp một công cụ phân tích phục vụ công tác phân tích và dự báo Vụ Dự báo, thống kê

Tuy nhiên, có thể nói mô hình DSGE với quy mô và phương pháp ước lượng hiện tại vẫn có khoảng cách khá xa so với các mô hình DSGE đang được vận hành tại các NHTW phát triển, đặc biệt là các ngân hàng trung ương thực hiện cơ chế chính sách tiền tệ lạm phát mục tiêu Đó là do mô hình DSGE thử nghiệm cho Việt Nam còn đơn giản cả về quy mô và phương pháp ước lượng tham số, đồng thời đặc điểm về tính mùa vụ của dữ liệu cũng là tồn tại rất khó giải quyết trong xây dựng mô hình khiến cho các kết quả dự báo đôi khi rất khó giải thích

Hiện nay các giả định về giá trị dài hạn được đưa ra trong mô hình DSGE của NHNN VN (sản lượng tiềm năng, lãi suất tự nhiên, mức tỷ giá cân bằng) phần nhiều mang tính chất cảm tính vì mới dựa trên cơ sở những phân tích đơn giản

(phân tích kỹ thuật san chuỗi và ý kiến chuyên gia) do chưa có những phân tích cơ bản và kỹ thuật sâu đi trước bổ trợ

Ngoài ra, trong mô hình cũng chưa có sự xuất hiện của các biến ngoại sinh do đó, chưa thể đánh giá phản ứng chính sách đối với những sự thay đổi trong các biến ngoại sinh này nhằm phản ánh chính xác hơn sự vận động của kinh tế Việt Nam

Mô hình ước lượng cho mẫu hẹp từ quý I/2009 đến hết quý I/2017 (32 quan sát) với số liệu được thu thập từ nguồn NHNN và Tổng cục Thống kê là giai đoạn sau khi kinh tế Việt Nam có sự thay đổi về cấu trúc sau khi gia nhập WTO (2007) và chịu ảnh hưởng của suy thoái kinh tế và khủng hoảng tài chính toàn cầu (2008) Điều này phần nào hạn chế ưu điểm của mô hình DSGE trong việc phản ánh sự thay đổi về cấu trúc của nền kinh tế, đặc biệt sau các cú sốc lớn như khủng hoảng tài chính

Do việc điều hành chính sách tiền tệ tại Việt Nam hiện nay vẫn chủ yếu sử dụng công cụ về lượng, trái ngược với lý thuyết kinh tế chung là điều hành về giá nên cũng ảnh hưởng tới chất lượng mô hình DSGE tại NHNN Việt Nam Khả năng dự báo của mô hình DSGE bị hạn chế do các biến số trong mô hình đã được biến đổi cho phù hợp với lý thuyết kinh tế nên kết quả dự báo không trực quan và tương thích với số liệu thống kê thông thường của Việt Nam.

PHÁT TRIỂN MÔ HÌNH CÂN BẰNG ĐỘNG TỔNG QUÁT PHỤC VỤ PHÂN TÍCH CÁC CÚ SỐC ĐỐI VỚI NỀN KINH TẾ VIỆT NAM

Cấu trúc mô hình DSGE áp dụng cho Việt Nam

Mô hình DSGE dựa trên nền tảng Lý thuyết chu kỳ kinh doanh Lý thuyết về chu kỳ kinh doanh thực cho rằng các chu kỳ kinh tế là cách thức nền kinh tế phản ứng trước các cú sốc, trong đó, các cú sốc về phía cung như năng suất lao động hay các cú sốc về kỹ thuật góp phần quan trọng nhất Mô hình đồng thời cũng loại bỏ các cú sốc từ phía cầu cũng như sự cần thiết phải can thiệp vào nền kinh tế thông qua các công cụ ngắn hạn, như chính sách tài khóa và chính sách tiền tệ Với giả định giá cả và tiền lương được điều chỉnh linh hoạt, mô hình này không công nhận sự ảnh hưởng của chính sách tiền tệ đến sản lượng và các biến số vĩ mô khác So với các mô hình kinh tế lượng vĩ mô truyền thống, mô hình

DSGE mới chỉ bắt đầu phát triển từ những năm 1980 sau những phê phán của Lucas Tuy nhiên, mô hình DSGE đã nhận được nhiều sự chú ý của giới học thuật và các nhà làm chính sách tại các NHTW, đặc biệt là các NHTW theo định hướng lạm phát mục tiêu Ngày càng nhiều NHTW các nước phát triển và đang phát triển xây dựng mô hình DSGE cho riêng mình nhằm phục vụ cho phân tích và dự báo kinh tế, có thể kể đến như: NHTW Canada (mô hình ToTEM), NHTW Anh (mô hình BEQM), NHTW Chile (mô hình MAS), Ngân hàng dự trữ trung ương Peru (mô hình MEGAD), ECB (mô hình NAWM), NHTW Na Uy (mô hình NEMO), NHTW Thụy Điển (mô hình RAMSES), Fed (mô hình SIGMA)

Hình 3.1: Sự phát triển của mô hình DSGE

Nguồn: Nguyễn Đức Trung et al (2019); Jia (2020) Trong nghiên cứu này, chúng tôi sử dụng mô hình DSGE được xây dựng bởi Vụ Dự báo Thống kê NHNNVN có sự tham vấn của các chuyên gia IMF và JICA Nhật Bản phù hợp cho nền kinh tế nhỏ và mở của Việt Nam nhằm ước lượng các cú sốc mà mô hình mang lại từ đó đánh giá tác động đến tổng cầu của nền kinh tế

Bên cạnh đó, chúng tôi cũng tiến hành hiệu chỉnh lại mô hình này dựa trên nghiên cứu của Zheng và Guo (2013) Để đánh giá tác động của dịch bệnh Covid-

19 đến tăng trưởng và chính sách tiền tệ, chúng tôi đưa thêm vào mô hình DSGE biến 𝑐𝑜𝑣𝑖𝑑 𝑡 , thể hiện xác suất bùng phát dịch bệnh Covid-19 Thực trạng kết quả của nền kinh tế Việt Nam năm 2020 đã cho thấy, Việt Nam vừa kiểm soát dịch bệnh Covid-19 trong nước tốt vừa đảm bảo tốc độ phát triển của nền kinh tế thông qua các giải pháp kết hợp linh hoạt cả chính sách tài khoá và chính sách tiền tệ

Do đó, lạm phát Việt Nam năm 2020 vẫn ổn định thông qua một loạt các biện pháp vĩ mô, chưa có dấu hiệu lạm phát cao như một số nơi trên thế giới, điều đó cũng phản ánh thực trạng cú sốc đại dịch tại Việt Nam hiện nay ảnh hưởng nhiều về phía cầu hơn là về phía cung Do đó, trong nghiên cứu này, chúng tôi đánh giá tác động của Covid-19 đối với tăng trưởng kinh như một cú sốc cầu

Mô hình DSGE được đề xuất cho nghiên cứu này như sau:

Phương trình (1) được xây dựng dựa trên phương trình đường cong IS cho nền kinh tế mở và nhỏ Trong phương trình này, 𝑥 𝑡 là độ lệch sản lượng (output

45 gap) của Việt Nam Phần còn lại của thế giới được đại diện bởi 𝑢𝑠 𝑡 là độ lệch sản lượng (output gap) của Mỹ Độ lệch sản lượng của Việt Nam trong hiện tại sẽ phụ thuộc vào kỳ vọng trong tương lai (𝑥 𝑡+1 ) Trong mô hình này, lãi suất tái cấp vốn của NHNN (𝑟 𝑡 ) sẽ được kỳ vọng là có tác động ngược chiều với độ lệch sản lượng Đồng thời, tăng trưởng kinh tế hiện tại sẽ được kỳ vọng làm tăng lạm phát trong tương lai (𝑝 𝑡+1 ) 𝑞 𝑡 là tỉ lệ trao đổi (Terms of Trade) của Việt Nam Tác động của đại dịch Covid-19 (𝑐𝑜𝑣𝑖𝑑 𝑡 ) được kỳ vọng là có tác động tiêu cực đến độ lệch sản lượng 𝑧 𝑡 là biến trạng thái, đại diện cho cú sốc thay đổi công nghệ

𝛽 2 = 𝛽 4 (2 − 𝛽 4 )(1 − 𝛽 1 ) (2) Phương trình (3) được xây dựng dựa trên đường cong Phillips Trong đó, lạm phát hiện tại (𝑝 𝑡 ) phụ thuộc vào kỳ vọng của lạm phát trong tương lai (𝑝 𝑡+1 ), thay đổi độ lệch sản lượng (output gap) của Việt Nam hiện tại và tương lai Bên cạnh đó, khác với phương trình đường cong Phillips truyền thống, theo đề xuất của Zheng và Guo (2013), chúng tôi bổ sung thêm tác động của tỷ lệ trao đổi (Terms of Trade) hiện tại và tương lai để phản ánh chính xác hơn cho một nền kinh tế mở

𝛽 5 = 𝛽 6 (𝛽 1 + 𝛽 2 )+ 1 (4) Trong nghiên cứu này, chúng tôi cho rằng ngân hàng trung ương điều chỉnh lãi suất để phản ứng với những thay đổi của lạm phát, sản lượng thực tế Bên cạnh đó, Taylor (2000) cũng cho rằng các ngân hàng trung ương ở các nền kinh tế mới nổi nên phản ứng với những thay đổi trong tỷ giá hối đoái để cải thiện hiệu quả của chính sách tiền tệ Khi đó, chúng tôi có phương trình sau:

𝑟 𝑡 = 𝛽 7 𝑟 𝑡−1 + (1 − 𝛽 7 )(𝑝 𝑡 + 𝑥 𝑡 + ∆𝑒 𝑡 ) + 𝑢 𝑟𝑡 (5) Nghiên cứu này cũng giả định rằng sức mua tương đương (PPP) được giữ nguyên Do đó, những thay đổi trong tỷ giá hối đoái danh nghĩa sẽ được biểu thị như sau:

∆𝑒 𝑡 = 𝑝 𝑡 − 𝑝 𝑢𝑠𝑡 − (1 − 𝛽 4 )∆𝑞 𝑡 (6) Các biến số còn lại trong mô hình bao gồm tỷ lệ trao đổi (Terms of Trade) của Việt Nam, thay đổi công nghệ, độ lệch sản lượng (output gap) của Mỹ, lạm phát của Mỹ, xác suất bùng phát dịch bệnh Covid-19 được giả sử là ngoại sinh và có tốc độ tăng trưởng phù hợp Các biến số này được biểu thị trong các phương trình sau:

• 𝑥 𝑡 là độ lệch sản lượng (output gap) của Việt Nam

• 𝑟 𝑡 là lãi suất tái cấp vốn của NHNN

• 𝑝 𝑡 là lạm phát của Việt Nam

• 𝑒 𝑡 là tỷ giá hối đoái USD/VND

• 𝑢𝑠 𝑡 là độ lệch sản lượng (output gap) của Mỹ

• 𝑞 𝑡 là tỷ lệ trao đổi (Terms of Trade) của Việt Nam

• 𝑝𝑢𝑠 𝑡 là lạm phát của Mỹ

• 𝑐𝑜𝑣𝑖𝑑 𝑡 là xác suất bùng phát dịch bệnh Covid-19

Trong các phương trình từ (1) đến (12), các phương trình chính của mô hình DSGE bao gồm: (i) Phương trình (1) là phương trình đường IS, phương trình tổng cầu, 𝑥 𝑡 trong (1) là biến kiểm soát chưa quan sát được trong mô hình, đại diện cho GDP (chênh lệch sản lượng bằng sản lượng GDP thực tế trừ sản lượng tiềm năng) (ii) Phương trình (3) là phương trình đường cong Phillips biểu thị cho quan hệ

47 giữa lạm phát và GDP Phương trình (5) là phương trình lãi suất xây dựng dựa trên Quy tắc Taylor Phương trình (6) là phương trình tỷ giá.

Kỹ thuật ước lượng mô hình DSGE

Một số phương pháp ước lượng mô hình DSGE có thể kể đến như: (i) Ước lượng cân chỉnh tham số; (ii) Ước lượng GMM (Generalized Method of Moments estimation of equations); (iii) Ước lượng hàm hợp lý tối đa - MLE (Maximum Likelihood Estimation); (iv) Phương pháp Kalman (Kalman filter); (v) Ước lượng bằng phương pháp Bayes Trong nghiên cứu này, chúng tôi trình bày 3 phương pháp thường được sử dụng và cho kết quả ước lượng đáng tin cậy bao gồm: Phương pháp Kalman (Kalman filter); Ước lượng hàm hợp lý tối đa - MLE (Maximum Likelihood Estimation); Ước lượng bằng phương pháp Bayes

3.2.1 Phương pháp Kalman (Kalman filter)

Bộ lọc Kalman, được Rudolf (Rudy) E Kálmán công bố năm 1960, là thuật toán sử dụng chuỗi các giá trị đo lường, bị ảnh hưởng bởi nhiễu hoặc sai số, để ước đoán biến số nhằm tăng độ chính xác so với việc sử dụng duy nhất một giá trị đo lường Bộ lọc Kalman thực hiện phương pháp truy hồi đối với chuỗi các giá trị đầu vào bị nhiễu nhằm ước lượng giá trị tối ưu giá trị trạng thái 𝑥 𝑘 tại thời điểm

𝑘 và xây dựng hàm ước lượng hợp lý Các bước thực hiện của Bộ lọc Kalman bao gồm: (1) Khởi tạo giá trị trạng thái ước lượng ban đầu và dự đoán giá trị trạng thái

𝑥 𝑘 tại thời điểm 𝑘 với thông tin sẵn có tính đến thời điểm 𝑘 − 1; (2) Tính độ tin cậy (hay độ bất định) của dự đoán đó; (3) Đo đạc giá trị (nhưng bị sai số vì có các nhiễu); (4) Lấy trung bình trọng số giữa giá trị dự đoán và giá trị thực tế làm giá trị ước lượng; và (5) Xây dựng hàm ước lượng hợp lý cực đại

Bộ lọc Kalman thể hiện tính hiệu quả trong việc ước đoán các trạng thái trong quá khứ, hiện tại và tương lai với giả định sai số trong mô hình có dạng hàm phân phối chuẩn tắc (phân bố Gaussian)

Về mô hình toán học, bộ lọc Kalman là tập hợp các phương trình toán học được biểu diễn dưới dạng tuyến tính mô tả phương pháp tính toán truy hồi hiệu quả cho phép ước đoán trạng thái của một quá trình sao cho trung bình phương sai của độ lệch (giữa giá trị thực và giá trị ước đoán) là nhỏ nhất Bộ lọc Kalman thực hiện các bước thông qua mô hình không gian – trạng thái với 2 phương trình: Phương trình trạng thái (state equation) và Phương trình đo lường (measurement equation) Trong đó, giá trị trạng thái được biểu diễn dưới dạng vector và các biến đổi được biểu diễn dưới dạng ma trận

Phương trình trạng thái là phương trình sai phân tuyến tính ngẫu nhiên của vector trạng thái 𝑥 𝑘 tại thời điểm 𝑘:

𝑥 𝑘 = 𝐹 𝑘 𝑥 𝑘−1 + 𝐵 𝑘 𝑢 𝑘 + 𝑤 𝑘 trong đó 𝐹 𝑘 là ma trận thay đổi trạng thái (state transition matrix), 𝑢 𝑘 là vector điểu khiển, 𝐵 𝑘 là ma trận điều khiển, còn 𝑤 𝑘 là nhiễu trạng thái, với giả định

𝑤 𝑘 có phân bố Gaussian 𝑁(0, 𝑄 𝑘 ) (phân bố chuẩn), trong đó 𝑄 𝑘 là ma trận hiệp phương sai tương ứng

Phương trình đo lường là phương trình thể hiện mối liên hệ giữa giá trị quan sát 𝑧 𝑘 và giá trị trạng thái 𝑥 𝑘 tại thời điểm 𝑘:

𝑧 𝑘 = 𝐻 𝑘 𝑥 𝑘 + 𝑣 𝑘 trong đó 𝐻 𝑘 là ma trận của mô hình quan sát, còn 𝑣 𝑘 là nhiễu đo lường, với giả định nhiễu đo lường cũng tuân theo phân bố Gaussian 𝑁(0, 𝑄 𝑘 ) và 𝑣 𝑘 không tương quan với 𝑤 𝑘

Các ma trận 𝐹 𝑘 , 𝐵 𝑘 , 𝐻 𝑘 được coi là đã biết Giả định rằng các nhiễu {𝑣 1 , … , 𝑣 𝑘 , 𝑤 1 , … , 𝑤 𝑘 } là bộ biến ngẫu nhiên độc lập và độc lập với trạng thái ban đầu 𝑥 0

Thuật toán Bộ lọc Kalman là một hàm ước lượng đệ quy (recursive estimator) cho phép ước lượng các trạng thái 𝑥 𝑘 từ các quan sát 𝑧 𝑘 thông qua 2 bước: Bước dự đoán ban đầu và Bước điều chỉnh

Bước dự đoán ban đầu:

𝑃 𝑘|𝑘−1 = 𝐹 𝑘 𝑃 𝑘−1|𝑘−1 𝐹 𝑘 𝑇 + 𝑄 𝑘 Trong đó: 𝑥̂ 𝑘|𝑘−1 là giá trị dự đoán của 𝑥 𝑘 dựa trên thông tin tại thời điểm

𝑘 − 1, 𝑥̂ 𝑘|𝑘 là giá trị ước lượng của 𝑥 𝑘 sau khi đã sử dụng mọi thông tin tại thời điểm 𝑘 Ma trận 𝑃 là ma trận hiệp phương sai của ước lượng 𝑥

Bước điều chỉnh: Độ lệch so với quan sát (measurement residual): 𝑦 𝑘 = 𝑧 𝑘 − 𝐻 𝑘 𝑥̂ 𝑘|𝑘−1 Thặng dư hiệp phương sai (residual covariance): 𝑆 𝑘 = 𝐻 𝑘 𝑃 𝑘|𝑘−1 𝐻 𝑘 𝑇 + 𝑅 𝑘

Bộ lọc Kalman tối ưu: 𝐾 𝑘 = 𝑃 𝑘|𝑘−1 𝐻 𝑘 𝑇 𝑆 𝑘 −1 Ước lượng điều chỉnh (updated estimate): 𝑥̂ 𝑘|𝑘 = 𝑥̂ 𝑘|𝑘−1 + 𝐾 𝑘 𝑦 𝑘

Hiệp phương sai ước lượng mới (updated estimate covariance): 𝑃 𝑘|𝑘 (1 − 𝐾 𝑘 𝐻 𝑘 )𝑃 𝑘|𝑘−1

Phương pháp Bộ lọc Kalman được ứng dụng trong mô hình DSGE thông qua việc thiết lập phân bố có điều kiện các biến số không được quan sát và thực tế từ bộ số liệu trong quá khứ, ước lượng giá trị các tham số trong mô hình, đồng thời xây dựng dạng hàm ước lượng hợp lý cực đại kết hợp các biến số thực tế và biến số không được quan sát trên cơ sở các phương trình toán học dạng logarit tuyến tính trong mô hình DSGE

3.2.2 Phương pháp ước lượng hợp lý cực đại (Maximum Likelihood

Estimation) Ước lượng hợp lý cực đại là phương pháp thay thế phương pháp bình phương tối thiểu (OLS) Phương pháp ước lượng hợp lý cực đại (MLE) đặc biệt hữu ích trong việc ước lượng các tham số chưa biết của các mô hình phi tuyến thỏa mãn điều kiện tối đa hóa xác suất các giá trị quan sát từ mẫu có thể xảy ra

Xem xét ví dụ về phương pháp MLE đối với mô hình hồi quy tuyến tính hai biến với bộ số liệu với cỡ mẫu 𝑁 được biểu diễn dưới dạng vector như sau:

Phương pháp MLE ước lượng giá trị tham số 𝐵 thỏa mãn điều kiện xác suất xảy ra 𝑌 là lớn nhất, có nghĩa là tối đa hóa xác suất kết hợp thay vì tối thiểu bình phương của sai số như phương pháp OLS

Giả định rằng các giá trị sai số 𝑢 𝑡 (𝑡 = 1, 𝑁̅̅̅̅̅) là độc lập, có phân bố tuân theo dạng chuẩn tắc với trung bình bằng 0 và độ lệch chuẩn 𝜎 2 , 𝑢 𝑡 ~𝐼𝐼𝐷𝑁(0, 𝜎 2 )

Ký hiệu 𝑓(𝑢 𝑡 ), hàm mật độ xác suất (probability density function), là xác suất kết quả ước lượng giá trị biến ngẫu nhiêu 𝑌 𝑡 với 𝑋 𝑡 và 𝐵 cho trước Do 𝑢 𝑡 có phân bố dạng chuẩn tắc, cho nên hàm mật độ xác suất được biểu diễn dưới dạng:

Do 𝑌 𝑡 được giả định là độc lập nên xác suất kết hợp xảy ra {𝑌 1 , 𝑌 2 , … , 𝑌 𝑁 } được tính bằng tích xác suất xảy ra đối với từng 𝑌 𝑡 :

Như vậy, với việc tập dữ liệu {𝑌 1 , 𝑌 2 , … , 𝑌 𝑁 } được cho trước hoặc được biết (từ việc thu thập dữ liệu) nhưng 𝐵 và 𝜎 chưa xác định, hàm 𝑓(𝑢) được gọi là hàm khả năng (likelihood function)

Phương pháp ước lượng hợp lý tối đa bao gồm việc ước lượng các tham số chưa xác định với điều kiện xác suất để quan sát tập dữ liệu {𝑌 1 , 𝑌 2 , … , 𝑌 𝑁 } từ mẫu là cao nhất có thể Vì thế, cần tìm giá trị cực đại của hàm khả năng 𝑓(𝑢), tương đương với việc tìm giá trị cực đại hàm logarit của 𝑓(𝑢) log(𝑓(𝑢)) = −𝑁 ln(𝜎) − 𝑁

Các giá trị của 𝐵 và 𝜎 thỏa mãn điều kiện đạo hàm bậc nhất bằng 0 Đạo hàm bậc nhất theo 𝐵 và 𝜎:

MÔ HÌNH CÂN BẰNG ĐỘNG TỔNG THỂ TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ VIỆT NAM TRƯỚC XUNG ĐỘT NGA –

Bối cảnh nghiên cứu

Giai đoạn 2020 – 2022 là giai đoạn mà nền kinh tế thế giới cũng như Việt Nam đã và đang trải qua một tiêu điểm lớn, đó là vừa chống dịch bệnh COVID-

19 vừa khôi phục kinh tế do ảnh hưởng nặng nề từ dịch bệnh gây ra Do ảnh hưởng từ các chính sách kinh tế - xã hội tập trung vào giai đoạn chống dịch bệnh COVID-

19, các nhà kinh tế học cũng như những nhà làm chính sách vĩ mô đều lo lắng viễn cảnh lạm phát xảy ra cho nền kinh tế toàn cầu

Tính đến ngày 24/08/2022, đã tròn 06 tháng kể từ khi chiến dịch quân sự đặc biệt của Nga ở Ukraine diễn ra trong bối cảnh thế giới đã và đang đối mặt với đại dịch COVID-19 với nhiều hệ lụy nặng nề và bao trùm mọi mặt đời sống kinh tế - xã hội của tất cả các quốc gia trên thế giới, theo đó càng gia tăng thêm gánh nặng cho nền kinh tế thế giới, thúc đẩy quá trình lạm phát gia tăng nhanh hơn ở các quốc gia, cảnh báo nguy cơ an ninh lương thực, an ninh năng lượng, làm trầm trọng thêm việc thiếu hụt nguyên liệu đầu vào cho sản xuất và đứt gãy chuỗi cung ứng cục bộ ở một số nơi trên toàn thế giới Chiến dịch quân sự đặc biệt của Nga ở Ukraine diễn ra vào ngày 24/02/2022 đã và đang dẫn đến cuộc xung đột leo thang, kéo dài giữa Nga – Ukraine cho đến thời điểm hiện tại và hòa bình vẫn còn là điều khá xa khi mà có nhiều vấn đề căng thẳng giữa hai bên chưa thể giải quyết được

Có thể nói xung đột Nga và Ukraine là một sự kiện xung đột địa chính trị, và cũng như các cuộc xung đột trong quá khứ, ảnh hưởng của nó đến thị trường tài chính phụ thuộc vào hai yếu tố là mức độ tăng giá của năng lượng và mức độ phản ứng của các quốc gia Lịch sử đã chứng kiến những giai đoạn giá năng lượng tăng đột biến, thị trường tài chính sẽ phản ứng mạnh với sự kiện này và sau đó là chính các ngân hàng trung ương sẽ quyết định thực hiện chính sách tiền tệ thắt chặt nhằm ngăn ngừa lạm phát 6 Như vậy, thông qua cuộc xung đột Ukraine và Nga, ta có thể dự báo được kết quả tác động đến tăng trưởng kinh tế và lạm phát, đến điều hành chính sách tiền tệ của các ngân hàng trung ương khi tiếp cận trên góc độ tìm kiếm câu trả lời cho hai câu hỏi (i) cuộc xung đột này dẫn đến mức tăng của giá dầu như thế nào và (ii) mức độ thắt chặt tiền tệ của các quốc gia như thế nào (Trung et al., 2022)

Các cú sốc về dầu tác động đến các nền kinh tế thông qua cả phía cung và cầu cũng như thông qua thương mại Về phía nguồn cung, những cú sốc về dầu dẫn đến sự thiếu hụt nguyên liệu đầu vào, cuối cùng làm tăng chi phí sản xuất và giảm sản lượng và năng suất Về phía cầu, chúng dẫn đến tỷ lệ lạm phát cao hơn và thu nhập khả dụng thực tế thấp hơn, do đó làm giảm nhu cầu Liên quan đến thương mại, các nước phát triển nhập khẩu dầu phải đối mặt với nhu cầu dầu thấp hơn và cán cân thương mại xấu đi, ảnh hưởng đến dòng chảy của cải từ các nước này sang các nước xuất khẩu dầu (Amiri, Sayadi, & Mamipour, 2021) Qua lược khảo các nghiên cứu tác động của giá dầu đến tăng trưởng kinh tế, lạm phát và điều hành chính sách tiền tệ của các ngân hàng trung ương tiếp cận theo mô hình DSGE, chúng có thể được xem xét trên 02 góc độ sau: (i) đối với các nước nhập

6 Hai cú sốc liên quan đến giá dầu ở Mỹ là vào năm 1973 (OPEC áp đặt lệnh cấm vận dầu mỏ đối với Hoa Kỳ để trả đũa việc Hoa Kỳ cung cấp vũ khí cho Israel trong cuộc xung đột Ả Rập – Israel) và năm 1979 (Shah của Iran bị lật đổ, sản lượng dầu của Iran giảm từ 5,2 triệu thùng/ngày xuống mức 1,4 triệu thùng/ngày, giảm 6% sản lượng thế giới) Cả hai sự kiện đều khiến giá dầu tăng gấp 4 lần, và Fed đã tăng lãi suất để chống lại tác động của lạm phát Bên cạnh đó, cuộc xung đột giữa Mỹ và Iraq và liên quan đến chiến tranh vùng vịnh cũng cho thấy 02 đợt tăng giá dầu vào năm 1990 và 2003 của Mỹ, nhưng không ảnh hưởng quá nhiều đế nền kinh tế và thị trường (Trung et al., 2022)

69 khẩu dầu, giá dầu sẽ tác động đến chi phí sản xuất từ đó ảnh hưởng đến sản lượng và lạm phát; (ii) đối với các nước xuất khẩu dầu chiếm tỷ trọng cao, giá dầu sẽ còn tác động mạnh vào thu ngân sách nhà nước bên cạnh ảnh hưởng của nó đến chi phí sản xuất trong nước.

Phương pháp nghiên cứu

4.2.1.1 Mô hình DSGE cho nền kinh tế nhỏ, mở của Việt Nam

Mô hình được trình bày trong nghiên cứu này pha trộn giữa sự nhấn mạnh của Keynes mới về độ cứng danh nghĩa và thực tế và vai trò của tổng cầu trong việc xác định sản lượng, với phương pháp truyền thống chu kỳ kinh doanh thực của mô hình cân bằng tổng quát ngẫu nhiên động (DSGE) với các kỳ vọng hợp lý Mô hình có cấu trúc bởi vì mỗi phương trình của nó có một diễn giải kinh tế Các can thiệp chính sách có những điểm tương đồng trong việc thay đổi các thông số hoặc cú sốc và ảnh hưởng của chúng có thể được phân tích bằng cách nghiên cứu những thay đổi dẫn đến kết quả của mô hình Đó là trạng thái cân bằng chung vì các biến quan tâm chính là nội sinh và phụ thuộc vào nhau Điều ngẫu nhiên là các cú sốc ngẫu nhiên ảnh hưởng đến từng biến nội sinh và có thể sử dụng mô hình để tính toán độ không chắc chắn trong các dự báo cơ sở Nó kết hợp kỳ vọng hợp lý vì kỳ vọng phụ thuộc vào dự báo của chính mô hình, vì vậy không có cách nào để đánh lừa các tác nhân kinh tế một cách nhất quán (Berg, Karam, & Laxton, 2006) Theo Luật NHNN năm 2010, hoạt động của NHNN là nhằm ổn định giá trị đồng tiền, bảo đảm an toàn hoạt động ngân hàng và hệ thống các tổ chức tín dụng Chính vì vậy kiểm soát lạm phát là mục tiêu ưu tiên Định kỳ, NHNN đánh giá diễn biến kinh tế vĩ mô để xây dựng các phương án điều hành cung ứng tiền cho kỳ tiếp theo nhằm đảm bảo hoàn thành mục tiêu Chính phủ đề ra Hoạt động cung ứng tiền được điều tiết thông qua nghiệp vụ thị trường mở và các nghiệp vụ khác của CSTT giúp cho thanh khoản hệ thống được duy trì phù hợp để đạt được mục tiêu cuối cùng của CSTT là kiểm soát lạm phát và đảm bảo an toàn hệ thống ngân hàng Mặt khác, lượng tiền cung ứng của NHNN trong từng giai đoạn sẽ tác động đến mặt bằng lãi suất trên thị trường và từ đó tác động đến diễn biến tỷ giá Như vậy, phương trình CSTT cần phải đảm bảo kết hợp được cả 3 công cụ chính sách là cung tiền, lãi suất và tỷ giá

Mô hình DSGE được đề xuất như sau:

• 𝑥 𝑡 là độ lệch sản lượng (output gap) của Việt Nam

• 𝑟 𝑡 là lãi suất tái cấp vốn của NHNN

• 𝑝 𝑡 là lạm phát của Việt Nam

• 𝑒 𝑡 là tỷ giá hối đoái USD/VND

• 𝑢𝑠 𝑡 là độ lệch sản lượng (output gap) của Mỹ

• 𝑜𝑖𝑙 𝑡 là giá dầu bình quân (giá Brent)

• 𝑔 𝑡 , 𝑛 𝑡 , 𝑢 𝑡 , 𝑘 𝑡 , 𝑎 𝑡 là các cú sốc của từng phương trình

Phương trình (1) được xây dựng dựa trên phương trình đường cong IS cho nền kinh tế mở và nhỏ, là phương trình tổng cầu, 𝑥 𝑡 trong (1) là biến kiểm soát chưa quan sát được trong mô hình, là độ lệch sản lượng (output gap) của Việt Nam, đại diện cho GDP (độ lệch sản lượng bằng sản lượng GDP thực tế trừ sản lượng tiềm năng), được ước lượng và bị tác động bởi các cú sốc từ tỷ giá 𝑒 𝑡 , lãi suất 𝑟 𝑡 , lạm phát kỳ vọng trong tương lai 𝑝 𝑡+1 , phần còn lại của thế giới được đại diện bởi 𝑢𝑠 𝑡 là độ lệch sản lượng (output gap) của Mỹ mang lại và ảnh hưởng từ cuộc chiến Nga – Ukraine được đại diện thông qua sự biến động của giá dầu thế

71 giới Độ lệch sản lượng của Việt Nam trong hiện tại sẽ phụ thuộc vào kỳ vọng trong tương lai (𝑥 𝑡+1 ) Trong mô hình này, lãi suất tái cấp vốn của NHNN (𝑟 𝑡 ) sẽ được kỳ vọng là có tác động ngược chiều với độ lệch sản lượng Đồng thời, tăng trưởng kinh tế hiện tại sẽ được kỳ vọng làm tăng lạm phát trong tương lai (𝑝 𝑡+1 )

Phương trình (2) là phương trình đường cong Phillips biểu thị cho quan hệ giữa lạm phát và GDP Sự thay đổi của lạm phát phụ thuộc vào độ trễ của sản lượng, sự thay đổi trễ của tỷ giá hối đoái và cú sốc Sự thay đổi của tỷ giá hối đoái ảnh hưởng đến lạm phát vì nó được chuyển trực tiếp vào giá nhập khẩu (Ball, 1999) Phương trình này thể hiện một số ý tưởng chính về vai trò của chính sách tiền tệ (Berg et al., 2006):

Phương trình (3) là phương trình lãi suất xây dựng dựa trên Quy tắc Taylor Trong nghiên cứu này, chúng tôi cho rằng ngân hàng trung ương điều chỉnh lãi suất để phản ứng với những thay đổi của lạm phát, sản lượng thực tế Phương trình (4) là phương trình tỷ giá, đặt ra mối liên hệ giữa lãi suất và tỷ giá hối đoái

Nó thể hiện ý tưởng rằng việc tăng lãi suất làm cho tài sản trong nước hấp dẫn hơn, dẫn đến sự tăng giá Cú sốc trong phương trình ảnh hưởng đến tỷ giá, ví dụ như kỳ vọng, niềm tin của nhà đầu tư và lãi suất nước ngoài (Ball, 1999)

Trong đó, phương trình (1), (2), (3) được phát triển dựa trên nghiên cứu của Galí (2015) ứng dụng Lý thuyết Tân cổ điển (New Keyesian), phương trình (4) được tích hợp thêm vào hệ phương trình cơ sở theo nghiên cứu của Ball (1999) đối với nền kinh tế Mỹ, phương trình (5) được tích hợp vào theo nghiên cứu thực nghiệm của Nguyễn Đức Trung et al (2019) và Galí (2015)

4.2.1.2 Mô hình VAR thực nghiệm

VAR là một mô hình trong đó 𝐾 biến được chỉ định dưới dạng hàm tuyến tính của 𝑝 độ trễ của chính chúng, 𝑝 độ trễ của các biến 𝐾 − 1 khác và có thể là các biến ngoại sinh bổ sung Về mặt đại số, một mô hình VAR bậc 𝑝, được viết 𝑉𝐴𝑅(𝑝), với các biến ngoại sinh 𝑥 𝑡 được biểu diễn như sau:

- 𝑦 𝑡 = (𝑦 1𝑡 , … , 𝑦 𝑘𝑡 ) ′ là một véc tơ ngẫu nhiên 𝐾 × 1

- 𝐴 1 đến 𝐴 𝑝 là ma trận tham số 𝐾 × 𝐾

- 𝑥 𝑡 là véc tơ các biến ngoại sinh 𝑀 × 1

- 𝐵 0 đến 𝐵 𝑠 là ma trận hệ số 𝐾 × 𝑀

- 𝑣 là véc tơ tham số 𝐾 × 1

- 𝑢 𝑡 được giả định là nhiễu trắng và

Trong nghiên cứu này, vector 𝑦 𝑡 bao gồm lạm phát, lãi suất, cung tiền M2, tỷ giá, độ lệch sản lượng Mỹ và giá dầu thế giới Với lạm phát được đại diện bằng chỉ số giá tiêu dùng CPI, lãi suất chính sách là lãi suất tái cấp vốn, tỷ giá được sử dụng là tỷ giá danh nghĩa USD/VND, giá dầu thế giới được đại diện bằng sự thay đổi của giá dầu Brent

4.2.2.1 Phương pháp ước lượng mô hình DSGE

Một số phương pháp ước lượng mô hình DSGE có thể kể đến như: (i) Ước lượng cân chỉnh tham số, (ii) Ước lượng GMM (Generalized Method of Moments estimation of equations), (iii) Ước lượng hàm hợp lý tối đa - MLE (Maximum Likelihood Estimation), (iv) Ước lượng khớp hàm phản ứng (Impulse response matching), (v) Ước lượng bằng Bayes Trong phạm vi bài viết này, nhóm tác giả sử dụng Stata 17 ước lượng hàm hợp lý tối đa - MLE, một trong những phương pháp ước lượng được sử dụng phổ biến trong việc tính toán kết quả từ mô hình DSGE Kết quả từ mô hình DSGE được xây dựng dành cho nền kinh tế Việt Nam sẽ cho thấy được tác động truyền dẫn của các yếu tố vĩ mô đến nền kinh tế, đặc biệt là giai đoạn diễn ra dịch bệnh từ cuối năm 2019 cho đến hết năm 2021

4.2.2.2 Phương pháp ước lượng mô hình VAR Ước lượng mô hình VAR thường sử dụng hai phương pháp ước lượng như

73 sau: (i) phương pháp bình phương nhỏ nhất (OLS); (ii) phương pháp ước lượng hợp lý cực đại (ML) Trong mô hình hồi qua cổ điển các ước lượng bằng phương pháp LS và phương pháp ML là như nhau, chỉ có ước lượng của phương sai là khác nhau Phương pháp ML tìm các tham số bằng cách cực đại hàm hợp lý (Nguyễn Quang Dong, Nguyễn Thị Minh, & Nguyễn Mạnh Thế, 2013) Để xác định bậc 𝑝 của mô hình VAR, người ta dùng ba tiêu chuẩn: (i) sai số dự báo cuối cùng FPE, (ii) Tiêu chuẩn Akaike, AIC(p), (iii) tiêu chuẩn Schwartz, BIC(p) Bậc của VAR được xác định bằng cách cực tiểu FPE, AIC, BIC

Mô hình VAR đã đưa ra một cơ sở thuận lợi và hữu ích đối với việc phân tích chính sách thông qua công cụ hiệu quả đó là phân tích hàm phản ứng xung (IRF), qua đó ta có thể xem ảnh hưởng của bất kỳ biến nào đến các biến khác trong hệ thống Trong mô hình VAR, một cú sốc đối với biến i không chỉ ảnh hưởng đến biến i mà còn lan truyền đến biến nội sinh khác thông qua cấu trúc động của VAR Hàm phản ứng mô tả ảnh hưởng của một cú sốc ở một thời điểm đến các biến nội sinh ở hiện tại và tương lai Ngoài ra, phân rã phương sai (phương pháp Cholesky) còn có thể cho biết được tỷ lệ phần trăm của phương sai do sai số của các biến gây ra khi dự báo (Nguyễn Quang Dong et al., 2013)

Dữ liệu được thu thập từ Quỹ Tiền tệ Quốc tế (IMF) theo quý giai đoạn từ 1996Q1 đến 2021Q4, riêng giá dầu Brent được thu thập từ ST Louis FED, cung tiền M2 được thu thập từ Trung tâm hội nhập khu vực Châu Á – Ngân hàng Phát triển Châu Á (ARIC - ADB).

Kết quả vận dụng mô hình cân bằng động tổng thể trong điều hành chính sách tiền tệ Việt Nam trước xung đột Nga – Ukraine

4.3.1 Kết quả nghiên cứu mô hình DSGE

Bảng 4.1 thể hiện thống kê mô tả các biến trong mô hình DSGE với dữ liệu nghiên cứu theo quý thuộc giai đoạn 1996Q1 – 2021Q4 gồm có 104 quan sát, các biến 𝑟, biến 𝑝, biến 𝑒 và biến 𝑚 là các biến nội sinh có giá trị quan sát được

(observed variables); biến 𝑢𝑠, biến oil là các biến ngoại sinh có giá trị quan sát được trong mô hình DSGE

Bảng 4.1: Thống kê mô tả các biến trong mô hình

Giá trị lớn nhất r 104 7.703365 3.5385 4 18.9 p 104 1.444591 1.833097 -1.874378 8.942178 e 104 18004.63 3765.019 11013 23235 m 104 24.98959 12.24278 9.676 73.529 us 104 -1.18909 2.078578 -10.07964 2.139815 oil 104 2.784295 15.60895 -52.01776 44.49067

Nguồn: kết quả tính toán từ phần mềm Stata

Giá trị trung bình của biến lãi suất chính sách NHNN cao nhất 18,9% (năm 1996) và thấp nhất là 4% (2020Q3 – 2021Q4) Mức lãi suất điều hành của NHNN từ 1996 đến 2021 có nhiều giai đoạn thăng trầm đặc biệt là giai đoạn 2011 – 2012 sau một thời gian lãi suất được giữ ở mức ổn định, đã tăng vọt lên ở mức 2 con số

10 – 15% Cùng với đó mức lạm phát cũng có đột biến đáng kể giai đoạn 2011 –

2012, còn lại mức lạm phát đều được giữ khá ổn định (Hình 4.1)

Hình 4.1: Diễn biến lãi suất điều hành NHNN và lạm phát giai đoạn 1996 – 2021

Sau khi nhóm tác giả sử dụng Dickey-Fuller kiểm tra tính dừng của dữ liệu chuỗi thời gian nhằm đảm bảo độ tin cậy cho kết quả ước lượng các tham số của mô hình DSGE Kết quả kiểm định cụ thể được trình bày tại Bảng 4.2

Bảng 4.2: Kết quả kiểm định Dickey-Fuller

Nguồn: kết quả tính toán từ phần mềm Stata

Kết quả kiểm định Dickey-Fuller cho thấy các biến số lãi suất tái cấp vốn của ngân hàng Nhà nước Việt Nam (r), lạm phát của Việt Nam (p), độ lệch sản lượng của Mỹ (us), giá dầu (oil) đều dừng ở chuỗi gốc Riêng, tỷ giá hối đoái USD/VND (e) không dừng do hiện chuỗi đang ở dạng giá trị tuyệt đối, nhóm tác giả sử dụng lne để kiểm định Dickey-Fuller, kết quả chuỗi lne là chuỗi dừng

Chuỗi cung tiền (m) dừng ở sai phân bậc 1 Do đó, nhóm tác giả sẽ sử dụng sai phân bậc 1 của biến số m và lne thay vì chuỗi gốc khi ước lượng mô hình DSGE

Bảng 4.3 cho thấy kết quả ước lượng từ mô hình DSGE với 05 phương trình của Việt Nam Kết quả ước lượng mô hình DSGE cho thấy hệ số hồi quy của các biến lạm phát kỳ vọng trong tương lai (𝛽 4 ), độ lệch sản lượng (𝜅) và lãi suất chính sách kỳ vọng (𝛽 6 ) có giá trị p-value nhỏ hơn mức ý nghĩa 1% Như vậy, lạm phát kỳ vọng tương lai và độ lệch sản lượng có tác động đến lạm phát, lãi suất điều hành của NHNN cũng chịu sự ảnh hưởng của lãi suất kỳ vọng và lạm phát hiện tại, hoàn toàn phù hợp với Quy tắc Taylor Tham số 𝜅 là độ dốc của đường cong Phillips (phương trình (2)), lý thuyết dự đoán rằng tham số này sẽ dương, và thật vậy trong Bảng 4.3, 𝜅 cho giá trị dương, hoàn toàn phù hợp với lý thuyết Tham số 𝛽 6 trong phương trình lãi suất (phương trình (3)) biểu thị phản ứng của NHNN với các chuyển động của lạm phát

Bảng 4.3: Ước lượng mô hình DSGE

Sample: 1996q2 - 2021q4 Number of obs = 103 Log likelihood = -993.56619

Coef Std err z P > |z| [95% conf interval]

/structural beta2 12.07797 5.668168 2.13 0.033 0.9685693 23.18738 beta3 0.1073936 0.104982 1.02 0.306 -0.0983674 0.3131546 beta11 0.0295388 0.0127005 2.33 0.02 0.0046463 0.0544313 beta4 0.6116161 0.1372143 4.46 0 0.342681 0.8805512 kappa 1.340044 0.4150656 3.23 0.001 0.52653 2.153557 beta5 -35.37985 13.49012 -2.62 0.009 -61.82 -8.939696 beta6 0.6788522 0.0998824 6.8 0 0.4830862 0.8746181 beta7 0.0009196 0.0013939 0.66 0.509 -0.0018124 0.0036516 beta8 0.2696853 0.1942302 1.39 0.165 -0.1109989 0.6503695 beta9 -0.9213794 0.7841395 -1.18 0.24 -2.458265 0.6155058 beta10 -1.505012 0.5932037 -2.54 0.011 -2.66767 -0.3423537 rhog 0.9313582 0.0350354 26.58 0 0.8626902 1.000026 rhon 0.9279699 0.0616144 15.06 0 0.8072079 1.048732 rhou -0.0383225 0.111525 -0.34 0.731 -0.2569076 0.1802626 rhov 0.809659 0.055094 14.7 0 0.7016768 0.9176412 rhok 0.9988829 0.0015594 640.55 0 0.9958265 1.001939 rhoz 0.1453521 0.0957971 1.52 0.129 -0.0424068 0.333111 rhoa -0.0171447 0.2088153 -0.08 0.935 -0.4264152 0.3921258 sd(e.g) 1.295001 0.129266 1.041644 1.548357 sd(e.n) 0.3723629 0.1932481 -0.0063963 0.7511222 sd(e.u) 0.8966318 0.2213442 0.4628051 1.330458 sd(e.v) 1.188716 0.0828569 1.026319 1.351112 sd(e.k) 0.0173348 0.0013225 0.0147428 0.0199268 sd(e.z) 15.38167 1.072135 13.28032 17.48301 sd(e.a) 5.616801 0.3919199 4.848652 6.38495

Nguồn: kết quả tính toán từ phần mềm Stata

Dạng không gian-trạng thái cho phép chúng ta theo dõi đường đi của một biến kiểm soát hoặc biến trạng thái để phản ứng với một cú sốc đối với một biến trạng thái Đường dẫn này được gọi là một hàm phản ứng đẩy - IRF (impulse- response function) Một tập hợp đầy đủ các phản ứng xung là một xung đối với mỗi cú sốc và phản ứng của mỗi biến trạng thái và biến kiểm soát đối với xung đó

Biến trạng thái 𝑢 mô hình hóa các chuyển động của lãi suất xảy ra vì những lý do khác ngoài phản hồi giữa lạm phát và lãi suất Một cú sốc đối với 𝑢 thực sự là một sự gia tăng bất ngờ trong lãi suất và IRF tìm ra cách mà cú sốc này gây ra sự giảm tạm thời đối với lạm phát (Hình 4.2, biểu đồ trên cùng bên phải) và độ lệch sản lượng (Hình 4.2, biểu đồ dưới cùng bên phải) Một cú sốc (độ lệch chuẩn) tăng 1% đến biến trạng thái 𝑢 sẽ làm lãi suất gia tăng khoảng gần 0,3% từ quý 1 và kéo theo độ lệch sản lượng giảm gần 0,71%, sẽ làm lạm phát giảm khoảng gần 1,22% Tác động của cú sốc biến trạng thái 𝑢 sẽ giảm dần và triệt tiêu sau 4 quý Như vậy, lãi suất, độ lệch sản lượng và lạm phát có phản ứng với cú sốc của 𝑢 và triệt tiêu sau 1 năm

Hình 4.2: Hàm phản ứng đẩy phân tích cú sốc 𝒖 (tác động của NHTW)

Nguồn: kết quả tính toán từ phần mềm Stata

Tương tự với cú sốc sản lượng, biến trạng thái 𝑔 mô hình hóa các chuyển động của sản lượng xảy ra vì những lý do khác ngoài phản hồi giữa lạm phát và lãi suất Một cú sốc đối với 𝑔 thực sự là một sự gia tăng bất ngờ trong sản lượng và IRF tìm ra cách mà cú sốc này gây ra sự gia tăng trong ngắn hạn đối với lạm phát (Hình 4.3, biểu đồ dưới cùng bên trái) và độ lệch sản lượng (Hình 4.3, biểu đồ dưới cùng bên phải) Một cú sốc tăng 1% đến biến trạng thái 𝑔 sẽ làm độ lệch sản lượng tăng gần 0,3% Sự gia tăng độ lệch sản lượng sẽ làm tăng kỳ vọng về lạm phát, do đó cú sốc tăng 1% đến biến trạng thái 𝑔 sẽ khiến lạm phát tăng khoảng hơn 0,54% Tác động của cú sốc biến trạng thái 𝑔 sẽ giảm dần và triệt tiêu sau 4 quý

Hình 4.3: Hàm phản ứng đẩy phân tích cú sốc 𝒈 (cú sốc sản lượng)

Nguồn: kết quả tính toán từ phần mềm Stata

Kết quả từ mô hình DSGE là bằng chứng khoa học cho thấy kết quả đạt được từ hoạt động điều hành chính sách tiền tệ của NHNN trong thời gian qua, đặc biệt giai đoạn dịch bệnh COVID-19 bùng phát từ cuối năm 2019 NHNN đã có những phản ứng kịp thời và hiệu quả đối với công cụ lãi suất thông qua việc giảm các mức lãi suất điều hành kết hợp với hàng loạt các biện pháp truyền thống và phi truyền thống khác (SBV, 2020) Việt Nam là một trong số ít quốc gia trên thế giới có tăng trưởng kinh tế dương trong giai đoạn cả thế giới chịu ảnh hưởng nặng nề từ đại dịch, cụ thể tăng trưởng GDP năm 2020 của Việt Nam ước đạt 2,9%, đây là mức tăng trưởng ấn tượng, thể hiện sức chịu đựng đáng kể của Việt Nam trước tác động to lớn của đại dịch COVID-19 (WB, 2021) Ước tính GDP

Việt Nam năm 2021 vẫn đạt mức dương, khoảng 2,58% so với cùng kỳ năm trước

Do dịch COVID-19 ảnh hưởng nghiêm trọng tới mọi lĩnh vực của nền kinh tế, đặc biệt là trong quý III/2021 nhiều địa phương kinh tế trọng điểm phải thực hiện giãn cách xã hội kéo dài để phòng chống dịch bệnh, với mức GDP đạt được như trên có thể nói đây là một thành công lớn của nước ta trong việc phòng chống dịch bệnh, duy trì sản xuất kinh doanh (TCTK, 2021b) Ảnh hưởng cụ thể từ cú sốc giá dầu đến lạm phát và lãi suất sẽ được thảo luận tại phân tích hàm phản ứng xung và phân rã phương sai từ ước tính của mô hình thực nghiệm VAR

4.3.2 Mô hình thực nghiệm VAR

Với mô hình lý thuyết tiếp cận từ mô hình DSGE cho thấy, các biến số vĩ mô có phản ứng mạnh mẽ từ cú sốc chính sách tiền tệ, sự thay đổi này hoàn toàn phù hợp với các lý thuyết kinh tế Tuy nhiên, tiếp cận mô hình DSGE chưa cho thấy rõ được tác động cụ thể từ cú sốc do thay đổi giá dầu đến nền kinh tế cũng như phản ứng của CSTT với cú sốc đó, mặc dù biến giá dầu được sử dụng là biến ngoại sinh trong phương trình sản lượng (phương trình (1)) Nhằm giải thích cụ thể hơn về tác động của giá dầu đến các biến số vĩ mô nền kinh tế Việt Nam, chúng tôi tiến hành thực nghiệm mô hình VAR với các biến số vĩ mô gồm lạm phát 𝑝 (CPI), cung tiền M2 𝑚, lãi suất chính sách 𝑟 và tỷ giá USD/VND 𝑒 (đại diện điều hành CSTT), độ lệch sản lượng của Mỹ 𝑢𝑠 (đại diện cho yếu tố kinh tế quốc tế tác động), giá dầu thế giới 𝑜𝑖𝑙 (thay đổi giá dầu Brent, phản ánh tác động xung đột Nga - Ukraine) thông qua phân tích hàm phản ứng xung và phân rã phương sai Cholesky Các biến số và mô hình VAR được đề xuất trong bài nghiên cứu này được kế thừa từ các bài nghiên cứu trước, đặc biệt là Nguyễn Thị Minh (2010) và Phạm Thị Tuyết Trinh (2017) Để ước lượng mô hình thực nghiệm VAR, nhóm tác giả thực hiện theo các bước như sau: (i) kiểm tra tính dừng của chuỗi dữ liệu, (ii) lựa chọn độ trễ tối ưu, (iii) kiểm tra độ ổn định của mô hình, (iv) chẩn đoán phần dư và kiểm tra tự tương quan của phần dư, (v) kiểm định nhân quả Granger, (vi) phân tích hàm phản ứng xung và phân rã phương sai

Thông qua kiểm định Augmented Dickey-Fuller, các chuỗi số liệu

𝑟, 𝑝, 𝑢𝑠, 𝑜𝑖𝑙 đều là chuỗi dừng, sai phân bậc 1 sẽ được dùng đối với chuỗi 𝑚 và 𝑙𝑛𝑒 sẽ được dùng đối với chuỗi 𝑒 để chạy trong mô hình (xem Bảng 4.2) Kiểm định độ trễ tối ưu cho thấy, các tiêu chuẩn chọn lựa đều thống nhất lựa chọn bước trễ 1 (Bảng 4.4)

Bảng 4.4: Kiểm định độ trễ tối ưu

Sample: 1996q4 thru 2021q4 Number of obs = 101

Lag LL LR df p FPE AIC HQIC SBIC

Nguồn: kết quả tính toán từ phần mềm Stata Để đảm bảo các phân tích hàm phản ứng xung (IRF) thể hiện tác động của các cú sốc là tắt dần theo thời gian thì mô hình VAR cần có tính ổn định Mô hình VAR thỏa tính ổn định nếu tất cả các nghiệm đặc trưng đều nằm trong vòng tròn đơn vị Như vậy, hình 4.4 cho thấy mô hình VAR trong nghiên cứu là ổn định

Hình 4.4: Kiểm định tính ổn định của mô hình

Nguồn: kết quả tính toán từ phần mềm Stata

Khi tiến hành chẩn đoán phần dư và kiểm tra tính tự tương quan của phần dư, tại độ trễ 1 và 2, ta có p > 0,05, như vậy mô hình không có tự tương quan tại độ trễ đó Ta có thể kết luận, mô hình đảm bảo độ ổn định và không có hiện tượng tự tương quan tại độ trễ tối ưu được chọn (Bảng 4.5)

Bảng 4.5: Kiểm định tự tương quan của phần dư

Lagrange-multiplier test lag chi2 df

2 42.8374 36 0.20122 H0: no autocorrelation at lag order

Nguồn: kết quả tính toán từ phần mềm Stata

Dự báo các biến số vĩ mô trong giai đoạn 2022 – 2025

Dựa vào các thông số được tính ra từ mô hình DSGE, nhóm tác giả tiến

85 hành dự báo cho giai đoạn 2022 – 2025 và kết quả được thể hiện thông qua đồ thị Hình 4.6 và Bảng 4.8 Mô hình dự báo cho thấy lạm phát sẽ ổn định trở lại giá trị lâu dài của nó, trung bình của mẫu Nhóm tác giả cũng có thể bắt đầu dự báo trong một khoảng thời gian với các quan sát có sẵn Tuỳ chọn chỉ định được bắt đầu từ 2022Q1, tạo ra các dự báo động bắt đầu từ quý 1 năm 2022, giúp cho nghiên cứu có thể so sánh giữa giá trị dự báo với các quan sát thực tế trong khoảng thời gian này Dự báo nắm bắt được xu hướng tăng chung của lạm phát từ năm 2022, nhưng nó không dự đoán được sự thay đổi của lạm phát xung quanh xu hướng tăng (Hình 4.6)

Hình 4.6: Dự báo xu hướng đến năm 2022 – 2025

Nguồn: kết quả tính toán từ phần mềm Stata

Bảng 4.8 được trích từ kết quả tính toán của Stata cho thấy tốc độ tăng chỉ số giá tiêu dùng (CPI) so với cùng kỳ dao động quanh mức xấp xỉ 1,09% – 1,29%/quý và có xu hướng tăng nhẹ trong giai đoạn 2022 – 2025, trong khi đó lãi suất điều hành của NHNN cũng diễn biến tương tự và có xu hướng xoay quanh mức 3,79% – 4,19% Đây là tín hiệu khuyến nghị về mặt điều hành chính sách tiền tệ với công cụ lãi suất, để hướng tới giữ và kiểm soát lạm phát ở mức ổn định và kiềm hãm đà tăng thì NHTW có thể cân nhắc việc điều hành lãi suất theo hướng tăng nhẹ trong thời gian tới nhằm đảm bảo mục tiêu kép ”vừa chống dịch bệnh, vừa phát triển kinh tế” Ngoài ra, Hình 4.6 cho thấy biểu diễn lạm phát trong tương lai có độ dao động tăng nhẹ, cảnh báo một sự khó dự đoán trước về xu hướng lạm phát trong dài hạn trong bối cảnh các nước đã và đang áp dụng các biện pháp CSTT khác nhau nhằm phản ứng phù hợp với tình hình kinh tế hiện tại của từng quốc gia

Bảng 4.8: Kết quả dự báo các chỉ tiêu kinh tế vĩ mô, tiền tệ trong giai đoạn 2022-

Nguồn: kết quả tính toán từ phần mềm Stata

Như vậy, các phân tích từ mô hình lý thuyết DSGE và mô hình thực nghiệm VAR cho thấy, có sự tác động từ các cú sốc lên phản ứng của CSTT Theo đó, từ mô hình VAR, có thể thấy cú sốc giá dầu có ảnh hưởng lên sự thay đổi của lạm phát và lãi suất khá chậm trong 2-3 quý đầu và có thể xảy ra kéo dài trong dài hạn; từ mô hình DSGE có thể thấy cú sốc chính sách tiền tệ ảnh hưởng rõ rệt lên các biến số vĩ mô, các tác động này xảy ra trong sự cân bằng tổng thể của nền kinh tế, cụ thể: một cú sốc (độ lệch chuẩn) tăng 1% đến biến trạng thái 𝑢 sẽ làm lãi suất gia tăng khoảng gần 0,3% từ quý 1 và kéo theo độ lệch sản lượng giảm 0,71%, sẽ làm lạm phát giảm khoảng gần 1,22%; tác động của cú sốc biến trạng thái 𝑢 sẽ giảm dần và triệt tiêu sau 4 quý Như vậy, lãi suất, độ lệch sản lượng và lạm phát có phản ứng với cú sốc của 𝑢 và triệt tiêu sau 1 năm

Một cú sốc đơn vị đối với biến trạng thái 𝑢 (𝑢 tăng 1%) đại diện cho tác động CSTT của NHTW (NHTW tạo ra cú sốc đối với lãi suất) làm giảm lạm phát ước tính 1,22%, 𝑥 (độ lệch sản lượng) giảm 0,71% , cú sốc đơn vị 𝑔 tăng 1% (đại diện cho độ lệch sản lượng) làm tăng lạm phát ước tính 0,54%

Nghiên cứu mới chỉ đánh giá ảnh hưởng của cuộc xung đột Nga – Ukraine thông qua biến động giá dầu thế giới tác động đến các biến số vĩ mô của nền kinh tế Việt Nam qua mô hình DSGE và mô hình thực nghiệm VAR Các khía cạnh cụ thể khác chưa được xem xét trong phân tích, đánh giá của mô hình như chỉ số giá lương thực thực thẩm, chỉ số giá năng lượng, các cú sốc từ phía cung, bất ổn địa chính trị tại Đảo Đài Loan – Trung Quốc và Mỹ, bịch bệnh sốt xuất huyết và đậu mùa khỉ… sẽ được triển khai ở các nghiên cứu sau.

KIẾN NGHỊ VÀ ĐỀ XUẤT PHÁT TRIỂN MÔ HÌNH DSGE

Định hướng hoạt động phân tích và dự báo thời gian tới

Định hướng của của Ngân hàng Nhà nước Việt Nam trong thời gian tới là hướng tới mô hình ngân hàng trung ương hiện đại với khung khổ điều hành chính sách tiền tệ tiên tiến, theo chuẩn mực quốc tế Trong khi đó, cuộc cách mạng công nghiệp lần thứ 4 đang đem lại nhiều cơ hội, thách thức cho Việt Nam nói chung và ngành Ngân hàng nói riêng Đối với hoạt động điều hành của NHNN, các lợi thế về công nghệ giúp NHNN đẩy nhanh tiến trình hướng tới mô hình NHTW

89 hiện đại, đòi hỏi các công cụ phân tích và dự báo hiện đại Nhờ vào dữ liệu lớn (big data), việc phân tích và quản lý dữ liệu trong lĩnh vực ngân hàng sẽ có thêm nhiều thuận lợi Việc thu thập, phân tích, xử lý dữ liệu lớn sẽ tạo ra những tri thức mới, hỗ trợ việc đưa ra quyết định phù hợp và nhanh hơn, giảm được chi phí, nhất là tạo thuận lợi cho công tác dự báo, thống kê về hoạt động tiền tệ - ngân hàng

Hoạt động phân tích và dự báo do đó cần không ngừng hiện đại hóa và phát triển các mô hình dự báo định lượng dựa trên việc cập nhật thông lệ quốc tế về lý thuyết, mô hình, kỹ thuật ước lượng trên cơ sở tính toán đến các đặc điểm cấu trúc của Việt Nam Việc nâng cao năng lực phân tích dự báo và hoàn thiện khuôn khổ dự báo là điều kiện quan trọng nhằm thực hiện mục tiêu hiện đại hóa khung khổ điều hành CSTT của NHNN, đồng thời, đưa NHNN phát triển theo hướng hiện đại, độc lập Định hướng phát triển các mô hình dự báo tại Vụ Dự báo, thống kê thời gian tới như sau:

+ Hoàn thiện các mô hình phân tích hiện có dựa trên cơ sở lý luận rõ ràng và kết hợp với càng nhiều các đặc điểm thể chế và cấu trúc

+ Xây dựng và công bố báo cáo lạm phát hàng quý theo thông lệ quốc tế với nội dung chính là mô tả tổng thể môi trường có liên quan trong và ngoài nước về kinh tế, tài chính, thể chế và triển vọng Báo cáo đồng thời giải thích về dự báo lạm phát, kịch bản, trình bày các mức độ không chắc chắn xung quanh giá trị dự báo trung bình chính

+ Nâng cao năng lực phân tích nhằm công bố chuỗi các báo cáo nghiên cứu do NHNN Việt Nam biên soạn, có thể được trình bày bởi các nhân viên NHNN trong các hội nghị trong nước và quốc tế để nâng cao uy tín của NHNN Việt Nam không chỉ trong các hoạt động điều hành mà trong năng lực phân tích và nghiên cứu, dự báo.

Định hướng phát triển mô hình DSGE tại NHNN trong thời gian tới

Một trong những khuôn khổ đang được áp dụng phổ biến hiện nay là Hệ thống phân tích và dự báo chính sách (FPAS), được thiết kế và đề xuất bởi Quỹ tiền tệ quốc tế (IMF) để hỗ trợ cho thực thi chính sách, đặc biệt là được đánh giá hiệu quả cho khuôn khổ lạm phát mục tiêu Trong khuôn khổ này, kết quả định lượng từ mô hình đóng vai trò trung tâm và là căn cứ quan trọng để Ban điều hành CSTT (Monetary Policy Board) thảo luận và đề ra các giải pháp chính sách phù hợp Khuôn khổ dự báo chuẩn theo FPAS cần đảm bảo tính liên kết xuyên suốt từ việc cập nhật thông tin hiện tại về diễn biến kinh tế vĩ mô và đưa ra nhận định ngay trong kỳ dựa trên các thông tin này (Nowcast) Kết quả từ nowcast sẽ tiếp tục sử dụng trong mô hình ngắn hạn (near term models) để dự báo cho giai đoạn 2-4 quý tới thông qua các mô hình chủ yếu dựa trên suy diễn thuần túy từ số liệu quá khứ mà chưa có bất kỳ thay đổi nào về điều kiện chính sách hoặc sự thay đổi chính sách chưa có hiệu lực tức thì trong thời gian ngắn

Hình 5.1 Một khuôn khổ dự báo điển hình

Nguồn: Nhóm nghiên cứu tổng hợp (2018)

Như vậy, để dự báo cho giai đoạn dài hơn (trên 1 năm), các mô hình dạng cấu trúc như DSGE thường được ứng dụng triệt để với dữ liệu đầu vào là các giả định chính sách khác nhau và kết quả tính toán từ mô hình ngắn hạn Do sự vận động mang tính chu kỳ của nền kinh tế nên các mô hình cấu trúc được thiết kế để mô phỏng trạng thái cân bằng dài hạn khi các biến số đạt đến giá trị tự nhiên (đối với lạm phát, thấp nghiệp, lãi suất) hoặc tiềm năng (GDP),….Do đó, cần phát triển mô hình DSGE đóng vai trò trung tâm trong một khuôn khổ dự báo hoàn chỉnh và là cơ sở để đưa ra các dự báo cơ sở (Baseline scenario) và các dự báo thay thế (alternative scenario), làm tiền đề cho các thảo luận và đề xuất chính sách tiền tệ tại NHNN

5.2.2 Mở rộng phạm vi cấu trúc mô hình để tăng mức độ phù hợp của mô hình với nền kinh tế Việt Nam

Công tác xây dựng và phát triển các mô hình kinh tế lượng cho phân tích kinh tế vĩ mô nói riêng và phân tích kịch bản chính sách nói chung là một quá trình lâu dài, liên tục, có sự kế thừa từ đơn giản lên phức tạp để phù hợp hơn với cấu trúc của nền kinh tế Do đó, một số nội dung liên quan đến mô hình DSGE cần tiếp tục nghiên cứu và phát triển trong thời gian tới, cụ thể như sau:

Thứ nhất, kinh nghiệm quốc tế tại các NHTW và tại NHNNVN về xây dựng và phát triển các mô hình kinh tế lượng đã cho thấy, mô hình DSGE đóng vai trò quan trọng trong công tác phân tích, dự báo thông qua việc đánh giá tác động của các cú sốc kinh tế và mô phỏng chính sách phản ứng Tuy nhiên, trong khuôn khổ của đề tài, mô hình DSGE vẫn tồn tại một số hạn chế như chưa xem xét và định lượng hết tất cả các chỉ tiêu kinh tế vĩ mô quan trọng, chưa tính đến các chỉ tiêu liên quan đến chính sách tài khóa, lao động, các chi phí mài mòn tài chính (financial frictions); chưa phân loại chi tiết các thể chế bao gồm khu vực sản xuất, khu vực tiêu dùng, khu vực tài chính – ngân hàng; chưa phân tách chi tiết các nhân tố quốc tế trong mô hình;… Quá trình bổ sung các nhân tố trên sẽ giúp tăng độ chính xác của dự báo, kết hợp cả lý thuyết kinh tế học, kinh nghiệm của người làm dự báo cũng như những đặc điểm riêng biệt trong hành vi của các nhân tố tham gia tại thị trường Việt Nam Ví dụ như mô hình DSGE với chi phí mài mòn tài chính bổ sung các chỉ tiêu liên quan đến giá trị tài sản ròng của các doanh nghiệp và lãi suất cho vay của khu vực ngân hàng Do đó, mô hình này có thể đánh giá các cú sốc tài chính và hoạt động doanh nghiệp cũng như tác động của các điều kiện tài chính đối với sự thay đổi trong chu kỳ kinh doanh, từ đó đề xuất các giải pháp điều hành chính sách nhằm giải thiểu rủi ro hoạt động của doanh nghiệp trong thời gian tiếp theo Bên cạnh đó, mô hình DSGE sử dụng biến chính sách tài khóa nhằm đánh giá việc sử dụng các công cụ điều hành chính sách tài khóa trong quá trình giải quyết các vấn đề liên quan đến cú sốc về cung hoặc cầu và giảm dần tỷ lệ nợ công Hay mô hình DSGE với đa quốc gia xem xét đến hoạt động thương mại giữa các nước trong khu vực hoặc các đối tác thương mại quan trọng nhằm đánh giá chi tiết hơn tác động của các cú sốc bên ngoài trực tiếp hoặc gián tiếp trên cơ sở tỷ trọng thương mại và sự phụ thuộc lẫn nhau của các đối tác được xem xét

Thứ hai, bên cạnh việc tiếp tục nghiên cứu các mô hình mới theo hướng phát triển từ mô hình DSGE, có thể áp dụng và phát triển các mô hình phi truyền thống khác bao gồm các mô hình sử dụng dữ liệu lớn (Big Data), mạng nơ-ron nhân tạo hoặc các mô hình kết hợp bộ dữ liệu với tần suất khác nhau (ví dụ như mô hình dự báo Nowcasting đã được xây dựng tại Vụ Dự báo, thống kê) để có một khung phân tích tổng quát, cũng như làm cơ sở đầu vào cho mô hình DSGE Việc ứng dụng các mô hình phi truyền thống sẽ cung cấp cho cán bộ làm phân tích dự báo cơ sở đầu vào trong việc vận hành mô hình DSGE và đưa ra những dự báo với dữ liệu cập nhật để có những đề xuất điều hành chính sách kịp thời

Thứ ba, song song với việc phát triển các mô hình phân tích và dự báo, nhóm nghiên cứu cũng nhận thấy sự cần thiết phải xây dựng sổ tay dự báo lạm phát nhằm mục tiêu ghi chép, quy chuẩn, hướng dẫn một cách chi tiết các bước chuẩn bị, bước thực hiện, theo dõi, đánh giá kết quả dự báo lạm phát Tài liệu này có thể bao gồm các nguồn số liệu, phương pháp luận và những kinh nghiệm, ghi chú được tổng kết từ kết quả nghiên cứu thực nghiệm, làm cơ sở cho những cải tiến về phương pháp luận trong tương lai Đồng thời tài liệu này cũng có thể được

93 sử dụng như tài liệu đào tạo nội bộ cho các cán bộ thực hiện công tác phân tích và dự báo lạm phát tại NHNN Việt Nam

5.2.3 Ứng dựng kết quả từ mô hình DSGE vào công tác xây dựng kế hoạch kinh tế vĩ mô, tiền tệ

Mô hình DSGE hiện đã được áp dụng trong phân tích và dự báo tại các báo cáo định kỳ 6 tháng và cả năm của Vụ Dự báo, thống kê (NHNN) Một số kết quả hữu ích đã được rút ra từ mô hình khi đo lường hiệu lực của kênh truyền dẫn chính sách tiền tệ Tuy nhiên, do cấu trúc mô hình còn đơn giản nên việc đánh giá tác động của các cú sốc và phân tích chuyên sâu còn hạn chế Chính vì vậy, với mô hình DSGE mà nghiên cứu này thực hiện, các phân tích cú sốc và dự báo từ mô hình DSGE xây dựng cho Việt Nam đã chỉ ra những kết quả hữu ích có thể ứng dụng ngay vào công tác xây dựng kế hoạch kinh tế vĩ mô và tiền tệ trong giai đoạn tới, cụ thể là:

Thứ nhất, Kết quả phản ứng đẩy cho thấy khi xuất hiện cú sốc giá dầu tăng khiến lạm phát giá năng lượng trong nước tăng thêm, đóng góp làm tăng 0,6% lạm phát tổng thể Ở chiều ngược lại, sản lượng của nền kinh tế (GDP) lại giảm dần cho thấy cú sốc tăng giá dầu có thể ảnh hưởng tiêu cực tới tăng trưởng kinh tế Như vậy, CSTT đứng trước sự lựa chọn trong việc kiểm soát lạm phát hay thúc đẩy tăng trưởng kinh tế Nếu thực thi CSTT nới lỏng trước cú sốc giá dầu mặc dù có thể thúc đẩy tăng trưởng GDP trong ngắn hạn nhưng sẽ tạo ra áp lực rất lớn tới lạm phát Chính vì vậy, NHNN cần thận trọng để có giải pháp phù hợp mỗi khi có các cú sốc về giá dầu thế giới Cần đặt mục tiêu ổn định tổng thể kinh tế vĩ mô là giải pháp hàng đầu trong việc hoạch định CSTT

Thứ hai, kết quả phản ứng đẩy cho thấy khi xuất hiện cú sốc Mỹ nâng lãi suất, tỷ giá trên thị trường chính thức trong nước biến động tăng do chênh lệch lãi suất tại Việt Nam và Mỹ bị thu hẹp VND bị mất giá so với USD khiến cho giá hàng hóa nhập khẩu tăng, gây áp lực tăng lạm phát trong nước Trong khi đó, mặc dù đồng nội tệ mất giá nhưng sản lượng (GDP) của Việt Nam lại giảm chứng tỏ việc phá giá không giúp cải thiện cán cân thương mại mà ngược lại gây tác dụng tiêu cực đến tăng trưởng GDP do làm gia tăng chi phí đầu vào, giảm năng lực sản xuất chung toàn nền kinh tế Hơn nữa, cú sốc về tỷ giá chỉ ra việc phá giá đồng nội tệ dường như không giúp thúc đẩy tăng trưởng GDP mà ngược lại có thể tạo làm ra tăng áp lực lạm phát trong tương lai Như vậy, NHNN cần thận trọng trong việc điều hành thị trường ngoại hối, tỷ giá để đảm bảo đạt được lợi ích cao nhất cho nền kinh tế Không nên phá giá đồng nội tệ bằng mọi giá để thúc đẩy tăng trưởng kinh tế trong khi tạo ra những bất ổn kinh tế vĩ mô trong trung hạn, đặc biệt là trong bối cảnh các đụng độ thương mại Mỹ - Trung ngày càng leo thang, các bất ổn liên quan đến xung đột Nga – Ukraine

Thứ ba, kết quả dự báo từ mô hình DSGE cho thấy tăng trưởng kinh tế Việt

Nam biến động quanh mức tiềm năng của nền kinh tế Do đó, việc đặt mục tiêu tăng trưởng cho giai đoạn này không nên quá cao khiến cho việc thực hiện mục tiêu trở nên khó khăn Trong khi đó, áp lực lạm phát có dấu hiệu tăng lên trong giai đoạn 2020-2021 cùng với xu hướng hồi phục của tổng cầu và giá hàng hóa quốc tế Lạm phát chỉ trở nên ổn định hơn trong năm 2022 Chính vì vậy, công tác kiểm soát lạm phát cần được ưu tiên hơn so với mục tiêu thúc đẩy tăng trưởng kinh tế trong thời gian tới Phản ứng của chính sách tiền tệ cho thấy để kiểm soát được lạm phát đạt mục tiêu đề ra thì cung tiền cần thiết phải thắt chặt dần

5.2.4 Một số đề xuất khác Để hoàn thiện cũng như nâng cao khả năng ứng dụng và phát triển mô hình DSGE phục vụ phân tích, dự báo kinh tế tại NHNN trong thời gian tới, một số giải pháp bổ trợ khác cần được thực hiên, cụ thể:

- Đẩy nhanh việc triển khai Đề án “Xây dựng khung khổ điều hành CSTT theo lạm phát mục tiêu linh hoạt” Từng bước thực hiện chuyển từ mục tiêu khối lượng tiền tệ sang mục tiêu lãi suất thông qua việc phát triển khung khổ điều hành lãi suất phù hợp Kết quả từ mô hình DSGE cho thấy các chủ thể kinh tế có những phản ứng phù hợp với sự thay đổi của lãi suất, từ đó nền kinh tế nhanh chóng trở về trạng thái cân bằng nếu xảy ra những cú sốc Như vậy, đã xuất hiện điều kiện để NHNN chuyển sang điều hành theo mục tiêu lãi suất (thay vì điều hành theo mục tiêu khối lượng tiền tệ như hiện nay) khi mà điều hành của NHNN đã có vai trò rõ rệt đến mục tiêu cuối cùng của CSTT là ổn định giá cả

- Hỗ trợ thu thập số liệu sử dụng cho mô hình DSGE, nghiên cứu ứng dụng công nghệ thông tin nhằm nâng cao khả năng thu thập số liệu thống kê và chất lượng chế độ báo cáo thống kê, hiện đại hóa hệ thống cơ sở dữ liệu quá trình tiến hành nghiên cứu thực nghiệm tại Việt Nam gặp nhiều khó khăn về mặt số liệu – dữ liệu do nhiều số liệu, dữ liệu còn thiếu và chất lượng chưa đảm bảo Do đó, dự án nhận thấy cần khắc phục những tồn tại về mặt số liệu như: khôi phục các dữ liệu trong quá khứ, chuẩn hóa các chỉ tiêu thống kê, xây dựng hệ thống cơ sở dữ liệu phục vụ mô hình DSGE, tăng cường tính chính xác và công khai minh bạch các chỉ tiêu kinh tế vĩ mô nhằm nâng cao chất lượng dự báo của mô hình Bên cạnh đó, cần nghiên cứu ứng dụng công nghệ thông tin, cung cấp các phần mềm chuyên dụng như Matlab, Eviews,… nhằm phục vụ cho việc xây dựng mô hình phân tích và dự báo, đặc biệt là mô hình DSGE

- Kết hợp vận hành mô hình DSGE song song với các mô hình kinh tế lượng khác Do mỗi mô hình có những ưu, nhược điểm riêng phù hợp với từng tầm nhìn dự báo (forecast horizon), phù hợp với từng giai đoạn phát triển của nền kinh tế, tất cả các mô hình cần được vận hành đồng thời nhằm đưa ra các kết quả khách quan và chính xác hơn Ngoài ra, mặc dù kết quả dự báo từ các mô hình có ý nghĩa tham khảo quan trọng song do các mô hình được xây dựng nhằm đơn giản hóa hiện thực và tính toán dựa trên con số thống kê nên cần kết hợp các thông tin/ kinh nghiệm ngoài mô hình từ người sử dụng mô hình để có những điều chỉnh phù hợp Ngay cả khi các kết quả dự báo là hợp lý thì việc sử dụng các kết quả dự báo trong hoạch định chính sách cũng cần được cân nhắc kỹ lưỡng Các quan điểm này được chia sẻ một cách rộng rãi ở nhiều NHTW trên thế giới như NHTW Châu Âu - ECB (Smaghi, 2005), Cục dự trữ liên bang Mỹ - Fed (Meyer, 1998), (Bernanke, 2007); NHTW Anh - BOE (Lomax, 2005.)

- Đầu tư phát triển nguồn nhân lực, xây dựng đội ngũ chuyên gia làm công tác phân tích và dự báo sử dụng mô hình định lượng nói chung và mô hình DSGE nói riêng có chất lượng cao, là những người có kinh nghiệm thực tiễn, tư duy khoa học, có khả năng phân tích, tổng hợp, đánh giá và dự báo Các mô hình kinh tế lượng cần được nghiên cứu, vận hành và phát triển thường xuyên do đó đòi hỏi cần có đội ngũ cán bộ có kinh nghiệm và kiến thức về kỹ thuật mô hình cũng như có sự hỗ trợ của các công cụ phần mềm tiên tiến Đặc biệt, các mô hình/ kỹ thuật cao cấp càng phức tạp càng đòi hỏi các cán bộ phải trau dồi thêm kỹ năng sử dụng phần mềm và xây dựng báo cáo Thực tế cho thấy rằng, việc xây dựng và vận hành các mô hình định lượng trong phân tích và dự báo tại NHNN còn tồn tại nhiều bất cập do số lượng đội ngũ làm công tác chuyên môn còn ít, năng lực đội ngũ cán bộ còn hạn chế, chưa có nhiều thời gian tập trung cho công việc Một số mô hình phân tích và dự báo có độ phức tạp cao hầu hết phụ thuộc rất nhiều vào các chuyên gia quốc tế Do vậy, NHNN cần tập trung xây dựng đội ngũ chuyên gia làm công tác phân tích và dự báo sử dụng mô hình định lượng, đặc biệt là mô hình DSGE, có chất lượng cao thông qua cơ chế tuyển dụng, đào tạo, bồi dưỡng và chính sách ưu đãi phù hợp với năng lực