Nghiên cứu vai trò của vàng đối với sự biến động việt nam đồng tiếp cận theo hàm copula , kiểm định thị trường hiệu quả

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM -  - HUỲNH THỊ THÚY VY NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG TIẾP CẬN THEO HÀM COPULA LUẬN VĂN THẠC SỸ KINH TẾ TP Hồ Chí Minh - Năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM -  - HUỲNH THỊ THÚY VY NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG TIẾP CẬN THEO HÀM COPULA Chuyên ngành : Tài – Ngân hàng Mã số: 60340201 LUẬN VĂN THẠC SỸ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC TS VŨ VIỆT QUẢNG TP Hồ Chí Minh - Năm 2014 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu cá nhân tơi, hướng dẫn khoa học TS Vũ Việt Quảng Những nội dung nghiên cứu kết nghiên cứu đề tài trung thực, số liệu phục vụ cho nghiên cứu đáng tin cậy tác giả thu thập từ nguồn khác nhau, thích rõ ràng để dễ dàng tra cứu kiểm chứng Thành phố Hồ Chí Minh, tháng 11 năm 2014 Tác giả Huỳnh Thị Thúy Vy MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC CỤM TỪ VIẾT TẮT DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ TÓM TẮT CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI 1.1 Giới thiệu 1.2 Mục tiêu nghiên cứu 1.3 Phạm vi nghiên cứu: 1.4 Phương pháp nghiên cứu: 1.5 Điểm luận văn 1.6 Bố cục luận văn CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 2.1 Các nghiên cứu vàng tài sản khác 2.2 Các nghiên cứu vàng tiền tệ CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 11 3.1 Phương pháp nghiên cứu 11 3.2 Mơ hình nghiên cứu 11 3.2.1 Định nghĩa Copula 12 3.2.2 Xây dựng kiểm định giả thuyết 16 3.2.3 Một số dạng hàm Copula với mẫu hình phụ thuộc khác 17 3.2.4 Phương pháp ước lượng 19 3.3 Dữ liệu 21 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 22 4.1 Sơ lược biến động giá vàng tỷ giá VND 22 4.2 Kết kiểm định 27 4.2.1 Kết kiểm định tính dừng 27 4.2.2 Kết kiểm định Copula thực nghiệm 28 4.2.3 Kết kiểm định mơ hình phân phối biên 32 4.2.4 Kết kiểm định mức độ phù hợp mơ hình biên 34 4.2.5 Kết ước lượng phụ thuộc hàm Copula 43 CHƯƠNG 5: KẾT LUẬN 53 5.1 Kết luận kết nghiên cứu 53 5.2 Những điểm hạn chế luận văn 53 5.3 Những gợi ý cho hướng nghiên cứu 54 TÀI LIỆU THAM KHẢO PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MÔ HÌNH ARMA PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT DANH MỤC CÁC CỤM TỪ VIẾT TẮT CPI Chỉ số giá tiêu dùng IFMs Phương pháp suy luận phân phối biên ML Tối đa hóa likelihood NHNN Ngân hàng nhà nước TGHĐ Tỷ giá hối đối DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ Bảng 4.1: Thống kê mô tả cho suất sinh lợi theo tuần vàng tỷ giá VND Bảng 4.2: Kết kiểm định ADF & KPSS Bảng 4.3: Kết ma trận Copula thực nghiệm Bảng 4.4: Kết ước lượng mơ hình ARMA phù hợp Bảng 4.5: Ước lượng mơ hình phân phối biên cho suất sinh lợi vàng tỷ giá VND Bảng 4.6: Kiểm định phù hợp mơ hình phân phối biên vàng tỷ giá Bảng 4.7: Tổng hợp kết kiểm định phù hợp mơ hình phân phối biên vàng tỷ giá Bảng 4.8: Kiểm định phù hợp mơ hình Copula Hình 3.1: Giá vàng tỷ giá VND từ 05/07/2004 – 31/05/2014) Hình 3.2: Ước lượng hàm Copula thực nghiệm mật độ phi tham số vàng tỷ giá hối đoái VND TÓM TẮT Luận văn đánh giá vai trị vàng cơng cụ phịng ngừa rủi ro kênh trú ẩn an toàn VND, cách sử dụng hàm Copula khác để mô tả phụ thuộc vàng VND giai đoạn thị trường điều kiện bình thường thị trường có biến động cực độ Sử dụng liệu suất sinh lợi theo tuần vàng tỷ giá hối đoái bao gồm AUD/VND, GBP/VND, EUR/VND, JPY/VND, USD/VND giao dịch hàng ngày ngân hàng Ngoại thương Việt Nam, luận văn cho thấy: (1) Khơng tìm thấy phụ thuộc vàng VND điều kiện thị trường bình thường, điều cho thấy vàng không sử dụng công cụ phòng ngừa rủi ro biến động VND (2) Tìm thấy phụ thuộc vàng VND thị trường biến động mạnh, cho thấy vàng hoạt động nơi trú ẩn an toàn VND biến động CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI 1.1 Giới thiệu Tỷ giá hối đoái (TGHĐ) sách kinh tế vĩ mô quan trọng quốc gia Sự biến động tỷ giá hối đoái VND, đặc biệt USD/VND thời gian qua cho thấy, tỷ giá vấn đề thời sự, nhạy cảm Ở Việt Nam, TGHĐ không tác động đến xuất nhập khẩu, cán cân thương mại, thu hút đầu tư, ảnh hưởng không nhỏ đến niềm tin dân chúng mà kênh đầu tư quan trọng nhà đầu tư, nhà quản trị Khi TGHĐ biến động theo chiều hướng không thuận, Ngân hàng Nhà nước Việt Nam (NHNN) thực nhiều giải pháp như: nới rộng biên độ +/-5% (3/2009); hạ biên độ xuống +/- 3% (2/2010), đồng thời với việc điều chỉnh tăng tỷ giá liên ngân hàng 3,36% Gần vào ngày 18/8/2010, NHNN điều chỉnh tăng tỷ giá liên ngân hàng lên 2% (từ 18.544 VND/USD lên 18.932 VND/USD) Thêm vào đó, thị trường tài chưa phát triển mạnh mẽ Việt Nam, năm trở lại đây, thị trường lại chứng kiến giá VND lúc cao (tỷ giá VND với đồng ngoại tệ tăng cao) kết hợp với tăng giá nhanh vàng thu hút ý đặc biệt nhà đầu tư, nhà quản trị phương tiện truyền thơng tài Điều cho thấy có khả sử dụng vàng cơng cụ phịng ngừa biến động tiền tệ kênh trú ẩn an toàn VND biến động Đặc biệt tâm lý nắm giữ vàng an tồn, thị trường có biến động mạnh mà không thuận chiều Để nghiên cứu cấu trúc phụ thuộc vàng VND, luận văn sử dụng hàm Copula Các hàm Copula khác cung cấp thước đo phụ thuộc điều kiện thị trường bình thường (phụ thuộc trung bình) thị trường biến động cực độ (sự phụ thuộc đuôi) Điều quan trọng việc 55 Wang, K.M., Lee, Y.M., Thi, T.B.N., 2011 Time and place where gold acts as an inflation hedge: an application of long-run and shortrun threshold model Economic Modelling 28, 806–819 56 Worthington, A.C., Pahlavani, M., 2007 Gold investment as an inflationary hedge: cointegration evidence with allowance for endogenous structural breaks Applied Financial Economics Letters 3, 259– 262 57 Zakoian, J.M., 1994 Threshold heteroskedastic models Journal of Economics Dynamics and Control 18, 931–944 PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MƠ HÌNH ARMA Series: gold ARIMA(0,0,2) with non-zero mean Coefficients: ma1 ma2 intercept 0.0093 0.1547 0.0023 s.e 0.0434 0.0439 0.0009 sigma^2 estimated as 0.0003214: log likelihood=1345.45 AIC=-2682.9 AICc=-2682.82 BIC=-2665.9 Series: aud ARIMA(0,0,0) with non-zero mean sigma^2 estimated as 0.0005068: log likelihood=1227.75 AIC=-2451.51 AICc=-2451.49 BIC=-2443.01 Series: jpy ARIMA(1,0,1) with zero mean Coefficients: ar1 ma1 -0.9691 0.9363 s.e 0.0375 0.0557 sigma^2 estimated as 0.0002181: log likelihood=1445.64 AIC=-2885.28 AICc=-2885.24 BIC=-2872.54 Series: eur ARIMA(0,0,0) with zero mean sigma^2 estimated as 0.001707: log likelihood=913.87 AIC=-1825.75 AICc=-1825.74 BIC=-1821.5 Series: gbp ARIMA(0,0,0) with zero mean sigma^2 estimated as 0.0002113: log likelihood=1453.85 AIC=-2905.69 AICc=-2905.68 BIC=-2901.44 Series: usd ARIMA(0,0,0) with non-zero mean sigma^2 estimated as 2.04e-05: log likelihood=2058.26 AIC=-4112.52 AICc=-4112.5 BIC=-4104.02 PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN GOLD * Conditional Variance Dynamics GARCH Model fGARCH Sub-Model : APARCH Mean Model Distribution Optimal Parameters -mu ma1 ma2 omega alpha1 beta1 eta11 lambda shape GARCH Model Fit LogLikelihood : Information Criteria -Akaike Bayes Shibata Hannan-Quinn Weighted Ljung-Box Test on Standardized Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] Lag[4*(p+q)+(p+q)-1][9] d.o.f=2 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] 1.2268 Lag[4*(p+q)+(p+q)-1][9] 2.6236 d.o.f=2 Weighted ARCH LM Tests -ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] AUD/VND * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std Optimal Parameters -mu omega alpha1 beta1 eta11 lambda shape LogLikelihood : Information Criteria -Akaike Bayes Shibata Hannan-Quinn Weighted Ljung-Box Test on Standardized Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][2] Lag[4*(p+q)+(p+q)-1][5] d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] Lag[4*(p+q)+(p+q)-1][9] d.o.f=2 Weighted ARCH LM Tests -ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] GBP/VND * Conditional Variance Dynamics GARCH Model fGARCH Sub-Model Mean Model Distribution Optimal Parameters -mu omega alpha1 beta1 eta11 lambda1 shape LogLikelihood : Information Criteria -Akaike Bayes Shibata Hannan-Quinn Weighted Ljung-Box Test on Standardized Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][2] Lag[4*(p+q)+(p+q)-1][5] d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.06769 0.7947 GARCH Model Fit Lag[2*(p+q)+(p+q)-1][5] 1.75389 0.6776 Lag[4*(p+q)+(p+q)-1][9] 3.54841 0.6661 d.o.f=2 Weighted ARCH LM Tests -ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] EUR/VND * Conditional Variance Dynamics GARCH Model fGARCH Sub-Model : APARCH Mean Model Distribution : std Optimal Parameters mu omega alpha1 beta1 eta11 lambda1 shape LogLikelihood: Information Criteria -Akaike Bayes Shibata Hannan-Quinn Weighted Ljung-Box Test on Standardized Residuals -statistic p-value GARCH Model Fit Lag[1] Lag[2*(p+q)+(p+q)-1][2] 0.03644 Lag[4*(p+q)+(p+q)-1][5] 0.12568 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] Lag[4*(p+q)+(p+q)-1][9] d.o.f=2 Weighted ARCH LM Tests -ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] 52.59718 2.315 JPY/VND * Conditional Variance Dynamics GARCH Model fGARCH Sub-Model Mean Model Distribution Optimal Parameters -mu ar1 ma1 omega alpha1 beta1 eta11 lambda1 GARCH Model Fit shape LogLikelihood : 1490.675 Information Criteria -Akaike Bayes Shibata HannanQuinn Weighted Ljung-Box Test on Standardized Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] Lag[4*(p+q)+(p+q)-1][9] d.o.f=2 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] 2.4872 0.5086 Lag[4*(p+q)+(p+q)-1][9] 3.5629 0.6636 d.o.f=2 Weighted ARCH LM Tests -ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] USD/VND * Conditional Variance Dynamics - GARCH Model Fit GARCH Model fGARCH Sub-Model Mean Model Distribution Optimal Parameters mu omega alpha1 beta1 eta11 lambda1 shape LogLikelihood InformationCriteria Akaike Bayes Shibata Hannan-Quinn Weighted Ljung-Box Test on Standardized Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][2] 0.003018 0.9965 Lag[4*(p+q)+(p+q)-1][5] 0.006071 1.0000 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -Lag[1] Lag[2*(p+q)+(p+q)-1][5] 0.005928 1.0000 Lag[4*(p+q)+(p+q)-1][9] 0.009958 1.0000 d.o.f=2 Weighted ARCH LM Tests -Statistic ARCH Lag[3] ARCH Lag[5] ARCH Lag[7] 0.007060 2.315 1.543 1.0000 PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA GOLD - AUD Copula Gaussian $par [1] 0.3502478 $par2 [1] $se [1] 0.03657805 $se2 [1] GOLD – GBP Copula Gaussian $par [1] 0.2534419 $par2 [1] $se [1] 0.04024405 $se2 [1] GOLD – EUR Copula Gaussian $par [1] 0.2828916 $par2 [1] $se [1] 0.03858448 $se2 [1] GOLD – JPY Copula Gaussian $par [1] 0.1753314 $par2 [1] $se [1] 0.04218039 $se2 [1] GOLD – USD Copula Gaussian $par [1] 0.0497137 $par2 [1] $se [1] 0.03178018 $se2 [1] PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL GOLD-AUD $lower [1] 0.234318 $upper [1] 0.1151174 PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT GOLD-AUD $p.value.indept est [1] $family $family $family $family $family [1] [1] [1] [1] [1] $par $par $par $par $par [1] 0.3759064 [1] 0.2599594 [1] 0.3058083 [1] 0.2025347 [1] $par2 $par2 $par2 $par2 $par2 [1] 6.688732 [1] 9.95118 [1] 11.96751 [1] 7.138541 [1] ... [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] 30 GOLD – EUR [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 1,] 14 10 5 4 [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 1,] 13 12... 2 0,0 00 1 5,0 00 1 0,0 00 2004M12 2004M07 5,0 00 2004M12 2004M07 5 0,0 00 4 5,0 00 4 0,0 00 3 5,0 00 3 0,0 00 2 5,0 00 2 0,0 00 1 5,0 00 1 0,0 00 5,0 00 5 0,0 00 4 5,0 00 4 0,0 00 3 5,0 00 3 0,0 00 2 5,0 00 2 0,0 00 1 5,0 00 1 0,0 00 2004M12... 2004M12 2004M07 5,0 00 5 0,0 00 4 5,0 00 4 0,0 00 3 5,0 00 3 0,0 00 2 5,0 00 2 0,0 00 1 5,0 00 1 0,0 00 2004M12 2004M07 5,0 00 2004M12 2004M07 5 0,0 00 4 5,0 00 4 0,0 00 3 5,0 00 3 0,0 00 2 5,0 00 2 0,0 00 1 5,0 00 1 0,0 00 5,0 00 Nguồn: