Bên cạnh đó, đã có một số nghiên cứu đồng thời đưa cả ba thị trường vào chung một mô hình để phân tích tương tác của chúng với nhau. Ramin và các cộng sự (2004)
đã tiến hành một phân tích đồng liên kết với một số biến kinh tế vĩ mô và chỉ số thị trường cổ phiếu Singapore. Nghiên cứu của các tác giả này cho thấy thị trường cổ phiếu của Singapore đồng liên kết với những thay đổi trong lãi suất, tỷ giá hối đoái, chỉ số sản xuất công nghiệp, mức giá và cung tiền cả trong ngắn hạn và trong dài hạn. Các kết quả thực nghiệm tương tự cũng được tìm thấy bởi nghiên cứu của Bhattacharya và Mukherjee (2001). Các tác giả ngày tiến hành kiểm định tương tự bằng cách sử dụng kiểm định nghiệm đơn vị, đồng liên kết và kiểm định nhân quả Granger giữa chỉ số thị trường cổ phiếu BSD Sensitive Index5, tỷ giá hối đoái, dự trữ ngoại hối và giá trị của cán cân thương mại Ấn Độ. Nghiên cứu của các tác giả này cho thấy không có liên kết nhân quả giữa chỉ số BSD, lãi suất và tỷ giá hối đoái.
Liu và Shrestha (2008) đã khảo sát mối quan hệ dài hạn giữa một số biến kinh tế vĩ mô và chỉ số thị trường cổ phiếu tại Trung Quốc. Nghiên cứu của các tác giả này đã chỉ ra rằng chỉ số sản xuất công nghiệp và cung tiền có tương quan dương với chỉ số thị trường cổ phiếu. Tuy nhiên, lãi suất và tỷ giá hối đoái lại có tác động nghịch chiều tới chỉ số thị trường cổ phiếu Trung Quốc. Các tác giả này đề nghị rằng các nhà đầu tư nên chuẩn bị để đầu tư dài hạn vào thị trường vì trong ngắn hạn, thị trường cổ phiếu Trung Quốc dao động và chứa đựng nhiều rủi ro.
Vardar và các cộng sự (2008) tiến hành một nghiên cứu tương tự để khảo sát tác động của lãi suất và tỷ giá hối đoái lên chỉ số thị trường cổ phiếu tại Istanbul. Các kết quả cho thấy các chỉ số đi theo cùng một hướng với những thay đổi trong lãi suất và tỷ giá hối đoái. Tuy nhiên, phần lớn dao động của các chỉ số thị trường tại Istanbul nhạy cảm với những thay đổi trong tỷ giá hối đoái và lãi suất, đặc biệt đối với khu vực tài chính. Các tác giả đề nghị rằng các nhà đầu tư nên theo sát các chính sách tiền tệ và đánh giá lại chiến lược danh mục đầu tư của mình bất cứ khi nào có những thay đổi trong cả lãi suất và tỷ giá hối đoái.
5 Viết tắt tiếng Anh của Bombay Exchange Sensitive Index - Chỉ số của Sàn giao dịch chứng khoán Bombay (Bombay Stock Exchange- BSE). Chỉ số này bao gồm 30 công ty lớn nhất và có cổ phiếu được giao dịch nhiều nhất trên BSE. Được thiết lập từ năm 1986, Sensex là chỉ số cổ phiếu lâu nhất ở Ấn Độ.
Ehrmann và cộng sự (2011) đã nghiên cứu cơ chế lan truyền quốc tế giữa cổ phiếu, trái phiếu và tỷ giá hối đoái ở Mỹ và khu vực đồng tiền chung Châu Âu. Các tác giả này phát hiện ra rằng giá tài sản đạt đỉnh hoặc đáy tương ứng với cú sốc giá của các tài sản nội địa khác và tồn tại hiệu ứng dẫn truyền quốc tế trong một lớp tài sản và giữa các lớp tài sản với nhau.
CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Phương pháp nghiên cứu
Để phân tích ảnh hưởng của các cú sốc dao động tới mối liên kết động giữa ba chỉ báo thị trường tài chính: lãi suất, tỷ giá hối đoái và giá chỉ số cổ phiếu tại Việt Nam, bài nghiên cứu sẽ triển khai các mô hình ước lượng thông qua hai giai đoạn. Giai đoạn thứ nhất sử dụng tiến trình ước lượng mô hình 𝑉𝐴𝑅 – 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻 – 𝑐𝐷𝐶𝐶
để thu được tương quan động có điều kiện giữa các thị trường. Giai đoạn thứ hai sử dụng phương pháp xác định điểm chuyển đổi dao động PELT để tìm các điểm có chuyển đổi dao động trong chuỗi phần dư 𝑉𝐴𝑅. Sau đó, một mô hình phụ với biến giả sẽ được dùng để đánh giá tác động của cú sốc dao động đến tương quan động giữa các thị trường. Cụ thể như sau:
Tiến trình ước lượng mô hình 𝑉𝐴𝑅 – 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻 – 𝑐𝐷𝐶𝐶:bao gồm 3 bước.
Bước đầu tiên là ước lượng mô hình 𝑽𝑨𝑹(𝒑) phi cấu trúc (unrestricted 𝑽𝑨𝑹 -
𝑼𝑽𝑨𝑹) nhằm mục đích thu bắt các yếu tố động liên hợp (joint dynamic) của các chuỗi dữ liệu thời gian sử dụng trong nghiên cứu. Kết quả ước lượng ở giai đoạn này sẽ cho chúng ta biết sự tương tác giữa các chuỗi lợi tức và bước đầu cung cấp thông tin về các thời điểm tồn tại điểm chuyển đổi dao động qua thời gian.
Tại bước thứ hai của giai đoạn thứ nhất, nghiên cứu sẽ ước lượng dao động có điều kiện 𝒉𝒊,𝒕 bằng mô hình 𝑭𝑰𝑬𝑮𝑨𝑹𝑪𝑯(𝟏, 𝒅, 𝟏) đơn biến theo đề xuất của Bollerslev và Mikkelson (1996). Mục tiêu của phương pháp này là nhằm xác định các đặc tính liên quan trong dao động của các chuỗi biến thời gian. Dữ liệu đầu vào cho mô hình ở bước này là các chuỗi phần dư của mô hình 𝑼𝑽𝑨𝑹 thu được ở bước đầu.
Ở bước thứ ba, mô hình Tương quan động có điều kiện được hiệu chỉnh
(corrected Dynamic Conditional Correlation – cDCC) của Aielli (2013) được
sử dụng để ước lượng các chuỗi tương quan động giữa các thị trường. Chuỗi dữ liệu đầu vào cho mô hình ở bước này là ma trận hiệp phương sai thu được ở bước thứ hai của tiến trình.
Do việc ước lượng các mô hình đa biến rất nặng, nên dữ liệu đầu vào cần phải được lọc trước nhằm loại bỏ cấu trúc tuyến tính (xuất hiện trong moment bậc I của chuỗi) ra khỏi chuỗi dữ liệu. Do đó, trước khi ước lượng mô hình 𝑐𝐷𝐶𝐶 − 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻(1, 𝑑, 1), các chuỗi thời gian sẽ được lọc để thu được giá trị trung bình kỳ vọng bằng mô hình 𝑈𝑉𝐴𝑅. Sau đó, chuỗi phần dư của 𝑈𝑉𝐴𝑅 sẽ được sử dụng làm dữ liệu đầu vào của mô hình 𝑐𝐷𝐶𝐶 − 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻(1, 𝑑, 1). Như vậy, cuối cùng ta sẽ thu được một tiến trình hồi quy là 𝑉𝐴𝑅 – 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻(1, 𝑑, 1) – 𝑐𝐷𝐶𝐶. Một lý do nữa của việc sử dụng mô hình 𝑉𝐴𝑅 để xử lý trung bình có điều kiện (conditional
mean) ở bước đầu tiên là do bản chất tự nhiên của các chuỗi dữ liệu trong bài nghiên
cứu (lãi suất, tỷ giá hối đoái và giá cổ phiếu) vốn có mối liên hệ chặt chẽ với nhau và điều này cần phải được phản án trong chuỗi phần dư để đảm bảo độ tối ưu của kết quả ước lượng. Do đó, việc tiếp cận bằng 𝑉𝐴𝑅 cho phép sự xuất hiện và tham dự của yếu tố tương tác giữa các chuỗi lợi suất và mức độ tương tác giữa các biến này, bao gồm cả các biến trễ ngoại sinh. Cách làm này sẽ giúp cho kết quả nghiên cứu thu được các yếu tố động một cách chân thực và đầy đủ hơn. Cách tiếp cận này cũng đã được sử dụng trong các nghiên cứu của Dajcman và Kavkler (2011), Sensoy và Sobaci (2014).
Lý do cho việc sử dụng mô hình 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻(1, 𝑑, 1) để ước lượng dao động có điều kiện xuất phát từ đặc điểm thường thấy trong các chuỗi thời gian tài chính. Trong các chuỗi thời gian tài chính, các cú sốc âm và cú sốc dương có ảnh hưởng tới dao động không giống nhau. Đặc điểm này dẫn tới việc cần thiết phải sử dụng các mô hình dao động phi đối xứng. Mặc khác, phương sai có điều kiện không nhất thiết là một quá trình như một hàm tuyến tính với bình phương phần dư trễ hay với phần dư
trễ tuyệt đối. Do đó, các mô hình 𝐴𝑅𝐶𝐻 hàm mũ bất đối xứng (Asymmetric Power ARCH – 𝐴𝑃𝐴𝑅𝐶𝐻) đã được phát triển để xử lý vấn đề này. Ngoài ra, một hiện tượng khác cũng thường được quan sát thấy trong các chuỗi thời gian tài chính là sự phụ thuộc dài hạn trong dao động. Các mô hình tích hợp như 𝐹𝐼𝐺𝐴𝑅𝐶𝐻 (có đặc tính tương tự như một tiến trình nghiệm đơn vị) đã được đề xuất để mô hình hóa cho các đặc tính này. Để có thể nắm bắt một cách đầy đủ đủ nhất các đặc tính của dao động bằng việc cho phép sự hiện diện của đặc tính dai dẳng (long memory) và đặc tính bất đối xứng của dao động, Bollerslev and Mikkelsen (1996) đã mở rộng mô hình 𝐹𝐼𝐺𝐴𝑅𝐶𝐻
của Nelson (1991) và đề xuất một mô hình mới có tên là 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻. Với những đặc tính kinh tế lượng được phát triển từ trước và tích hợp vào trong mô hình này,
𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻 được đánh giá là một mô hình rất linh hoạt, có khả năng bắt được nhiều đặc tính của dao động như đặc tính dai dẳng, bất đối xứng, hiệu ứng đòn bẩy. Do đó, bài nghiên cứu này sẽ sử dụng 𝐹𝐼𝐸𝐺𝐴𝑅𝐶𝐻(1, 𝑑, 1) cho ước lượng của mình.
Xác định điểm chuyển đổi dao động bằng phương pháp PELT: Ở giai đoạn thứ hai, nghiên cứu sẽ tìm cách xác định các điểm chuyển đổi dao động có trong các chuỗi phần dư 𝑉𝐴𝑅. Tiếp theo đó, nghiên cứu đi vào phân tích phản ứng của liên kết giữa các thị trường trước các cú sốc dao động đã được phát hiện ở trên. Phân tích này sẽ được tiến hành bằng cách sử dụng các biến giả để kiểm tra xem mối liên kết động giữa các thị trường có thực sự thay đổi để phản ứng lại với những thay đổi trong dao động của các thị trường hay không hay không. Kết luận ở bước này là mục tiêu chủ yếu mà nghiên cứu này mong muốn khám phá.