Ph ng pháp ti n t áp d ng mô hình c đi n đ n gi n đ xác đnh m c giá
trong n c và n c ngoài.
M c giá n c ngoài c ng đ c xác đ nh t ng t mô hình (2.4):
(2.5)
D u hoa th th hi n giá tr n c ngoài. Trong m i qu c gia, m c giá đ c
xác đnh b ng t l c a cung ti n danh ngh a so v i c u ti n th c. Theo đó, m c giá
t ng đ i đ c xác đ nh b ng t l c a cung ti n danh ngh a t ng đ i so v i c u ti n th c t ng đ i.
(2.6)
Trong ph ng pháp ti p c n ti n t , t giá h i đoái đ c xác đnh tr c ti p b i m c giá t ng đ i thông qua ngang giá s c mua (PPP). S d ng (2.2) và (2.6) đ
E = Q
(2.7)
Các bi n này th ng đ c g i là các y u t c b n c a t giá h i đoái, và ý ngh a c a ph ng pháp ti n t là nh ng y u t c b n c a t giá s giúp chúng ta gi i thích và d đoán hành vi t giá h i đoái.
D đoán c t lõi c a ph ng pháp ti n t xác đnh t giá h i đoái linh ho t
D đoán c t lõi c a MAER là cung ti n t ng đ i nh h ng đ n t giá h i
đoái. Nhìn vào công th c (2.7), chúng ta có th th y r ng s gia t ng cung ti n
t ng đ i d n đ n s m t giá c a t giá h i đoáidanh ngh a.
(2.8)
Hình 3.1: Tác đ ng c a cung ti n đ n t giá h i đoái danh ngh a
Vì ph ng pháp MAER d a trên m i quan h ngang giá s c mua, k t qu này là k v ng m t cách t nhiên. S thay đ i trong cung ti n t ng đ i làm thay đ i t giá h i đoái vì nó nh h ng đ n m c giá t ng đ i. Cung ti n t ng đ i cao hàm ý m t m c giá t ng đ i cao, và thông qua PPP t giá h i đoái thay đ i cùng v i m c
giá t ng đ i.
dE E
Q1
T ng t , s gia t ng c u ti n t ng đ i d n đ n m t s t ng giá c a t giá h i đoái.
(2.9) M t l n n a, đi u này ch đ n gi n là s ph n ánh nh ng tác đ ng c a c u ti n
t ng đ i lên m c giá t ng đ i. S gia t ng trong Y ho c gi m trong lãi su t s
làm t ng c u ti n trong n c, d n đ n làm t ng c u ti n t ng đ i. Vì v y, ph ng
pháp ti p c n ti n t d đoán r ng s gia t ng thu nh p trong n c ho c gi m lãi su t trong n c s làm t ng giá đ ng n i t .
T ng t , m t s gia t ng trong Y* ho c gi m trong i* s làm t ng c u ngo i t , làm gi m c u ti n t ng đ i. Vì v y, ph ng pháp ti p c n ti n t d đoán r ng s gia t ng thu nh p n c ngoài, gi m lãi su t n c ngoài s làm gi m giá đ ng n i t .
T t nhiên, c u ti n có th thay đ i vì lý do khác, ch ng h n nh bưi b quy
đ nh và đ i m i tài chính (s đ i m i, s phát tri n c a th tín d ng ho c m ng l i máy ATM.) Nhi u nhà quan sát tin r ng các y u t này làm m t n đ nh c u ti n
trong n m 1980 và 1990. Ph ng pháp ti p c n ti n t d đoán r ng s đ i m i tài chính làm gi m c u ti n s làm cho đ ng n i t gi m giá. (adsbygoogle = window.adsbygoogle || []).push({});
T giá h i đoái là giá n i t c a đ ng ngo i t , do đó, s gia t ng cung ngo i t s làm t ng giá đ ng n i t (t c là t giá h i đoái th p h n) trong khi s gia t ng
c u ngo i t s làm gi m giá đ ng n i t (t c là t ng t giá h i đoái). ây ch là nh ng gì x y ra trong ph ng pháp ti p c n ti n t .
B ng 3.1: D báo c t lõi c a ph ng pháp ti n t xác đnh t giá h i đoái
% t ng M M* Y Y* i i*
K t qu
delta E + - - + + -
3.3. Ph ng pháp ti n t xác đnh t giá h i đoáiậmô hình c l ng:
Q = E( ) (2.10)
T ng tr ng t giá h i đoái th c trong th c t đ c th hi n qua công th c:
q = e + (2.11)
V i gi đ nh PPP đ c duy trì (q = 0) – đây là gi đnh quan tr ng c a mô hình này:
e = (2.12)
Ph ng trình cu i cùng này cho th y r ng t giá h i đoái danh ngh a thay đ i tùy theo chênh l ch l m phát gi a n n kinh t trong n c và n c ngoài.
Tr ng thái cân b ng th tr ng ti n t trong và ngoài n c:
(2.13)
(2.14)
Ph ng trình (2.13) và (2.14) có th th hi n t l t ng tr ng c a giá c trong
n c và n c ngoài, trong đó miêu t c t lõi c a c ch truy n d n trong ph ng
pháp: s m t cân b ng cung - c u ti n tr c ti p d n đ n s khác bi t v giá, theo đó
l n l t nh h ng đ n m c đ và s dao đ ng c a e. Cu i cùng, c ch truy n d n
nh v y giúp duy trì s cân b ng trên th tr ng ti n t :
p = m l và (2.15)
(2.16)
(2.17) (Các bi n đ c ký hi u b ng ch nh th hi n logarit c a các bi n ban đ u:
trong đó e, m, m*, y, y*, i, i* t ng ng là lograrit c a t giá h i đoái danh ngh a,
Ph ng trình (2.17) đ c g i là bi n th c a ph ng trình mô hình ti n t c
b n c a Bilson, trong đó th ng đ c ki m tra b ng cách s d ng m t lo t các k thu t kinh t l ng đa d ng mà chúng ta s th o lu n trong ph n ti p theo.
D a trên ph ng trình (2.15) – (2.17) chúng ta có th mô t c ch truy n d n duy trì tr ng thái cân b ng th tr ng ti n t thông qua nh ng thay đ i trong t giá h i đoái danh ngh a nh sau: m t s gia t ng trong chênh l ch cung ti n (m2) ho c lãi su t s d n đ n s gi m giá trong t giá h i đoái, và ng c l i s gia t ng trong
chênh l ch thu nh p th c t trong n c và n c ngoài s t o ra s gia t ng trong t (adsbygoogle = window.adsbygoogle || []).push({});
CH NG 4: CÁC V N V KINH T L NG
4.1. Ph ng pháp SVAR ng d ng trong tài chính:
Ph n này mô t ph ng pháp SVAR (The Sims, 1986; Amisano và Giannini
1997) s đ c s d ng đ cung c p các b ng ch ng kinh t l ng đáng tin c y cho
ph ng pháp MAER đ i v i t giá danh ngh a VND/USD.
Cho đ n cu i th p k 1960, gi i nghiên c u và ho ch đ nh chính sách v mô
s d ng nh ng mô hình kinh t th c nghi m đ c xây d ng trên c s lý thuy t
Keynes đ ph c v cho công tác phân tích và d báo kinh t . M t s mô hình n i ti ng nh Multimod, Fair, Wharton, Nigem, Murphy bao g m hàng ch c, th m chí
hàng tr m ph ng trình bi u di n các quan h kinh t v mô quan tr ng. M i
ph ng trình bi u di n quan h c a m t bi n s v mô v i các bi n khác trong mô hình ho c các bi n ngo i sinh (bi n ngoài mô hình). Ví d t ng đ u t c a n n kinh t s là m t ph ng trình ph thu c vào lãi su t và xu h ng v n đ u t tr c ti p, hay l m phát s ph thu c vào cung ti n và giá nguyên li u thô trên th gi i. Vào cu i giai đo n này các nhà kinh t đư nh n th y hai khi m khuy t quan tr ng c a nhóm mô hình này. Th nh t r t nhi u lý thuy t cho r ng các bi n s kinh t không ch ph thu c vào quan h hi n th i mà còn ph thu c vào k v ng trong t ng lai, ví d đi n hình nh t là lãi su t danh ngh a ph thu c vào k v ng l m phát. H u h t
các mô hình lúc đó đ u ch s d ng bi n ngo i sinh, ngh a là y u t này ph i đ c
xác đ nh bên ngoài mô hình. Rõ ràng đây là m t khi m khuy t c c l n vì nh v y nh ng phân tích/ d báo s d ng các mô hình này ph i ph thu c vào gi đnh c a bi n ng ai sinh – hay nói cách khác nh ng mô hình lo i này ch ng d báo đ c gì vì c n đ u vào là m t th d báo khác. Th hai, các bi n s n i sinh trong các mô
hình đó không th t ng tác qua l i v i nhau ngoài m t s gi đnh r t đ n gi n.
i u này d n đ n v n đ sau khi c l ng VAR các ph n d không có ý ngh a
Hai nhà kinh t ng i M Thomas Sargent và Christopher Sims trong quá trình tìm l i gi i cho hai thách th c này đư m ra m t k nguyên m i trong l nh v c mô hình hóa kinh t v mô ( ây c ng là hai tác gi đo t gi i Nobel Kinh t 2011). Sims v i m t lo t nghiên c u c a mình đư đ a ra m t ph ng pháp m i c l ng toàn b các ph ng trình v mô b ng VAR do đó cho phép các bi n s có nh
h ng qua l i l n nhau. i m đ c bi t trong ph ng pháp c a Sims là kh n ng
phân tách t ng cú s c ng u nhiên trong mô hình đ ch ra nguyên nhân nào d n đ n l m phát hay suy thoái kinh t . Không nh ng th ph ng pháp c a Sims còn giúp các nhà kinh t c l ng đ c m c đ và th i gian ph n ng c a m t n n kinh t c th v i t ng lo i s c khác nhau thông qua phân tích “impulse response functions” t m d ch là hàm ph n ng đ y (IRF), do đó v a giúp cho công tác d báo d dàng h n v a có th đ ra nh ng chính sách đ i phó thích h p.
Song song v i Sims, Sargent đư thành công đ a y u t k v ng vào các mô hình kinh t th c nghi m. i m đ t phá quan tr ng c a Sargent là bi n đ i nh ng y u t k v ng thành m t s ph ng trình gi i h n đ ng th i lên m t vài bi n s v
mô trong m t h VAR. th c hi n đi u này Sargent đư đ a ng c các c u trúc kinh t tr l i VAR (do đó g i là Structural VAR hay SVAR đ phân bi t v i VAR c a Sims). Nh sáng ki n này mà m t mô hình ph thu c vào các y u t k v ng
trong t ng lai có th rút g n v m t h VAR mà Sims đư tìm ra l i gi i tr c đó
không lâu. Trong khi Sims nh n m nh vào s li u th c t và đ n gi n hóa t i đa c u trúc lý thuy t (ngay c vi c đ a ra các ph ng trình c ng c n r t ít lý thuy t),
Sargent đư khéo léo đ a các quan h lý thuy t quay tr l i mô hình mà không phá v ph ng pháp c l ng c a Sims. Chính nh cách bi n đ i c a Sargent cho phép mô hình hóa nh ng quan h kinh t c b n nh t mà nh ng mô hình xây d ng
theo ph ng pháp này có th áp d ng ngay c khi các chính sách hay c ch kinh t
thay đ i (mi n là các hành vi mô không đ i).
Ph ng pháp VAR tiêu chu n gi đ nh r ng các bi n là d ng và ch bao g m
đ tr c a t t c các bi n. Mô hình VAR đ c rút g n v i m t đ tr có th đ c bi u di n nh sau:
(4.1)
Trong đó yt là m t vector c a các bi n n i sinh, dt là m t vector c a các thành ph n xác đ nh nh h ng s , các xu h ng, và các bi n gi theo mùa v ho c can thi p, và vt là m t vector c a các xáo tr n thông th ng đa bi n đ c l p.
u tiên, có v nh ph ng trình (4.1) không cung c p b t k l i gi i thích nào v m i quan h ng n h n ( nh h ng t c th i) gi a các bi n có liên quan.
Trong ph ng trình này, đ c đi m k thu t ch bao g m các bi n n i sinh tr . Tuy nhiên, các hi u ng t c th i nh v y đ c n trong c u trúc t ng quan c a ma tr n hi p ph ng sai đ n t vt. Th c t này ng ý r ng nh ng sáng ki n (innovations) n ch a trong vt s có t ng quan t c th i. (adsbygoogle = window.adsbygoogle || []).push({});
M t th nghi m sâu h n v mô hình VAR nguyên th y giúp đ a ra nh ng hi u bi t t t h n v khó kh n này (Enders, 1995):
(4.2)
Trong ph ng trình (4.2), các ph n d trong t là không t ng quan chéo, vì ma tr n B hàm ch a s t ng tác t c th i gi a các bi n. Ma tr n A tóm g n t t c nh ng t ng tác có đ tr gi a các bi n.
K t qu là, mô hình VAR rút g n (4.1) có th đ c xem nh là m t s th hi n c a các mô t t ng quát h n đ c đ a ra b i mô hình VAR nguyên th y (4.2). Trong th c t , r t d dàng đ th y r ng C = B-1*A và vt = B-1*t. Có ngh a là, nh ng ph n d vt trong mô hình VAR rút g n là k t h p tuy n tính c a các cú s c không
t ng quan.
Sau đó, chúng ta có th ph c h i s t ng tác t c th i c a lãi su t, hàm ch a trong ma tr n B, thông qua vi c áp đ t m t s h n ch , khác so v i c u trúc tam
giác đ c đ a ra b i tiêu chu n phân rã Cholesky. S phân rư đ c s d ng đ tính toán ch c n ng ph n ng đ y trong phân tích VAR truy n th ng, cho phép th c hi n các đi u ki n c n thi t đ nh n d ng. i u này kh ng đnh r ng s l ng các y u t khác không trong ma tr n B ph i b ng ho c ít h n (n2 - n/2). Tuy nhiên, chúng ta có th áp đ t m t cách phân rã khác, m t ma tr n hàm ch a nh ng h n ch
mà cho phép chúng ta xác đ nh các t ng tác t c th i t nh ng xáo tr n c a mô hình VAR rút g n. Quy trình này đ c bi t đ n r ng rưi nh phân tích SVAR.
M t mô hình SVAR t ng quát h n đ c đ xu t b i Amisano và Giannini
(1997), trong đó có th th a nh n m t đ i di n c a VAR v i d li u không d ng
nh là đi m kh i đ u cho các đ c đi m k thu t c a m t mô hình SVAR. C u trúc cu i cùng c a các ph ng trình t c th i đ c th c hi n b ng công th c c a hai ma tr n (A và B) nh sau:
(4.3) (4.4)
Trong đó t là vector bao g m các xáo tr n c a mô hình VAR rút g n và ut là vector bao g m các xáo tr n c a mô hình VAR nguyên th y. Ngoài ra, chúng ta bi t r ng E(ut) = 0 và E (utu’t) = It. Vi c xác đ nh các m i quan h t c th i gi a các bi n
trong ph ng trình (4.4) yêu c u t p h p các h n ch d a trên các gi đnh v lý thuy t.
C u trúc cu i cùng đ t đ c b t đ u t m t mô hình xác đ nh chính xác (ph i
xác đ nh trong ma tr n A) và chuy n đ n m t tình hu ng v t quá s xác đnh (over-identification) b ng vi c áp đ t các h n ch lý thuy t h p lý v m t th ng kê. Tính h p l c a các h n ch đ c áp đ t xác đ nh b ng cách s d ng ki m đ nh likelihood ratio tests.
4.2. Mô hình c l ng cho Vi t Nam:
Ph n này mô t toàn b quy trình th c nghi m đ ki m tra tính h p l mô hình ti n t trong c ng n h n và dài h n cho t giá h i đoái danh ngh a VND/USD s d ng mô hình SVAR đ ng liên k t. Nhìn chung, quy trình th nghi m ng ý r ng không ch c l ng ph ng trình t giá đ ng tích h p dài h n, liên quan đ n