Góp phần quan trọng vào thành tựu chung của đất nước, hoạt động thương mại nói chung và xuất nhập khẩu nói riêng đã giải quyết được những vấn đề kinh tế, phát huy tiềm năng, lợi thế so sánh của đất nước. Tuy nhiên xuất nhập khẩu của Việt Nam còn nhiều tồn tại như quy mô, khối lượng xuất khẩu thì nhiều nhưng giá trị thấp, dễ gặp rủi ro. Thị trường xuất khẩu của ta chưa ổn định, nguyên nhân là chất lượng hàng hóa chưa cao, mẫu mã nghèo nàn, giá thành cao, nhiều trường hợp phải buôn bán qua trung gian. Về cơ cấu hàng xuất khẩu có những thay đổi nhưng tỷ trọng hàng chế biến còn thấp hơn hàng thô. Về nhập khẩu, tình trạng nhập siêu lớn dẫn đến thâm hụt thương mại gia tăng. Nếu như năm 2001, tỷ lệ nhập siêu chiếm 7,9% so với kim ngạch xuất khẩu thì đến năm 2010, tỷ lệ này đã là 17,47%. Đặc biệt, sau khi Việt Nam gia nhập WTO, tỷ lệ nhập siêu tăng lên rõ rệt nhất là các năm 2007, 2008 tỷ lệ nhập siêu lên tới gần 30%.
Hình 2.7 Giá trị xuất nhập khẩu Việt Nam giai đoạn từ 2001-2011
Từ năm 2001 đến nay, thâm hụt thương mại của Việt Nam gia tăng mang tính chất hệ thống. Thâm hụt thương mại gia tăng là gánh nặng đối với cán cân thanh toán quốc tế và làm cho tài khoản vãng lai rơi vào tình trạng thâm hụt. Năm 2007, thâm hụt tài khoản vãng lai lên đến 6,9 tỷ USD, năm 2008 là 9 tỷ USD và năm 2010 khoảng 5,5 tỷ USD.
Cũng giống như tỷ giá, hoạt động xuất nhập khẩu có mối quan hệ rất mật thiết đến tình hình kinh tế vĩ mô và hoạt động của ngân hàng. Tỷ trọng dư nợ cho vay lĩnh vực xuất nhập khẩu ở các ngân hàng rất lớn, đây cũng là lợi thế của ngành đồng thời cũng là rủi ro tiềm ẩn trong bối cảnh hội nhập hiện nay.
Mối quan hệ giữa NPL và IM 0 1 2 3 4 5 6 7 8 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Năm N P L -10 -5 0 5 10 15 20 25 30 IM NPL IM (Nguồn: NHNN và Tổng cục thống kê) Hình 2.8 Mối quan hệ giữa tỷ lệ nợ xấu và nhập khẩu
Hình 2.8 thể hiện mối quan hệ giữa tỷ lệ nợ xấu ngân hàng và nhập khẩu của Việt Nam trong khoảng thời gian từ năm 2002 đến năm 2011. Ta thấy mối quan hệ nghịch biến giữa tỷ lệ nợ xấu và nhập khẩu, điều này cũng khá phù hợp với một đất nước nền kinh tế đang phát triển như Việt Nam. Là một nền kinh tế nhỏ, đang dần bước mở cửa và hội nhập, cơ cấu nhập khẩu của Việt Nam với tỷ trọng hàng nhập về gia công và sau đó xuất khẩu trở lại lớn. Giá trị nhập khẩu gia tăng cao không có nghĩa là tình hình sản xuất và tiêu thụ hàng hóa trong nước bị hạn chế so với các nước khác.
KẾT LUẬN CHƯƠNG 2
Qua chương 2, tác giả đã khái quát về tình hình hoạt động cũng như những rủi ro tiềm ẩn đang đe dọa thị trường tài chính Việt Nam. Đồng thời, phân tích định tính mối quan hệ giữa tỷ lệ nợ xấu của hệ thống ngân hàng và các biến số vĩ mô trong nền kinh tế như: độ lệch sản lượng (Output Gap), tỷ giá thực REER, lãi suất ngân hàng nhà nước , chỉ số giá cả và nhập khẩu. Đây cũng là những biến số trong mô hình đánh giá mức độ căng thẳng tài chính ở chương sau.
CHƯƠNG 3: MÔ HÌNH KIỂM TRA ĐỘ CĂNG THẲNG TÀI CHÍNH CỦA HỆ THỐNG NGÂN HÀNG VIỆT NAM ÁP DỤNG
PHƯƠNG PHÁP VAR
Trong luận văn này, tác giả cũng sử dụng phương pháp VAR (tương tự phương pháp mà Ông Settor Amediku thực hiện trong bài “Kiểm tra độ căng thẳng của hệ
thống ngân hàng Gana, sử dụng phương pháp VAR”(2006)) để kiểm tra độ căng thẳng tài chính của hệ thống ngân hàng Việt Nam. Mô hình này bao gồm một số biến sau: NPL, GAP, R1, LNI, CPI, IM. Trong đó, NPL (Non- performing Loan) là tỷ lệ nợ xấu của hệ thống ngân hàng; GAP (Output Gap) là chênh lệch sản lượng của nền kinh tế, R1 (Real effective exchange rate) là tỷ giá thực của đồng nội tệ; LNI là logarit của lãi suất danh nghĩa do ngân hàng trung ương công bố từng thời kỳ; CPI là chỉ số giá tiêu dùng được tính theo quý; IM là giá trị nhập khẩu.
3.1 Kiểm định các biến của mô hình
Như đã trình bày, tác giả thực hiện stress test hệ thống ngân hàng sử dụng Mô hình VAR (hay còn gọi là mô hình tự hồi quy vector). Điều kiện tiên quyết khi thực hiện mô hình này là các biến được sử dụng trong mô hình phải có tính dừng. Nếu các biến này không dừng thì ta tiến hành sai phân để cho các biến có tính dừng.
Trong thống kê tính dừng có ý nghĩa rất quan trọng, biến có tính dừng (stationarity) là biến có giá trị thống kê không thay đổi theo thời gian. Ngược lại, biến không có tính dừng là biến có giá trị thống kê thay đổi theo thời gian. Một chuỗi thời gian là dừng, thì trung bình, phương sai và tự đồng phương sai (tại các độ trễ khác nhau) sẽ giữ nguyên không đổi dù cho chúng được xác định vào thời điểm nào đi nữa
Trong phần này, tác giả sẽ tiến hành kiểm định tính dừng của tất cả các biến khi đưa vào mô hình bằng cách sử dụng kiểm định nghiệm đơn vị Augmented Dicker
Fuller (ADF). Ngoài ra, tác giả cũng tiến hành kiểm định tính đồng liên kết giữa các biến dựa trên phương pháp VAR
3.1.1 Kiểm định tính dừng của biến NPL
(Nguồn: Kết quả chạy eview)
Hình 3.1 Biểu đồ tương quan và tương quan riêng phần của NPL và sai phân bậc 1 của NPL
Nhìn vào hình 3.1 bên trái, ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0. Chuỗi dữ liệu NPL chưa dừng, ta phải sai phân bậc 1.
Kiểm tra đồ thị Correlogram của chuỗi sai phân bậc 1 của NPL (hình 3.1 bên phải) ta thấy ACF tắt nhanh về 0 sau 1 độ trễ, PAC giảm nhanh về 0 sau 1 độ trễ. Ta có chuỗi dữ liệu dừng.
Theo kết quả chạy kiểm định ADF, chuỗi dữ liệu của biến NPL không có tính dừng. Ta tiến hành xữ lý bằng cách lấy sai phân một lần để được chuỗi dừng, với độ trễ bằng 0, như (bảng 3.1).
τqs= -7.389697>τ0.01= -2.6280 τqs= -7.389697>τ0.05= -1.9504 τqs= -7.389697>τ0.1= -1.6206
⇒ Chuỗi dữ liệu là chuỗi dừng với các mức ý nghĩa 1%, 5%, 10%.
Bảng 3.1 Kiểm định nghiệm đơn vị ADF đối với chuỗi dữ liệu NPL
ADF Test Statistic -7.389697 1% Critical Value* -2.6280 5% Critical Value -1.9504 10% Critical Value -1.6206 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(NPL,2)
Method: Least Squares Date: 01/15/12 Time: 17:34 Sample(adjusted): 2002:3 2011:2
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. D(NPL(-1)) -1.217368 0.164739 -7.389697 0.0000 R-squared 0.609402 Mean dependent var -0.005278 Adjusted R-squared 0.609402 S.D. dependent var 1.367785 S.E. of regression 0.854836 Akaike info criterion 2.551571 Sum squared resid 25.57607 Schwarz criterion 2.595557 Log likelihood -44.92827 Durbin-Watson stat 2.056651 (adsbygoogle = window.adsbygoogle || []).push({});
(Nguồn: Kết quả chạy eview)
3.1.2 Kiểm định tính dừng của biến GAP
(Nguồn: Kết quả chạy eview)
Hình 3.2 Biểu đồ tương quan và tương quan riêng phần của NPL và sai phân bậc 1 của GAP
Nhìn vào hình 3.2 bên trái, ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0. Chuỗi dữ liệu GAP chưa dừng, ta phải sai phân bậc 1.
Kiểm tra đồ thị Correlogram của chuỗi sai phân bậc 1 của GAP (hình 3.2 bên phải) ta thấy ACF tắt nhanh về 0 sau 1 độ trễ, PAC giảm nhanh về 0 sau 1 độ trễ. Ta có chuỗi dữ liệu dừng.
Ta tiến hành kiểm định ADF chuỗi dữ liệu GAP, với độ trễ là 2, ta thấy chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết quả như (bảng 3.2), chuỗi dừng ở mức ý nghĩa 5% và 10%.
τqs= -2.333968<τ0.01= -3.1714 τqs= -2.333968>τ0.05= -2.0056 τqs= -2.333968>τ0.1= -1.6458
Bảng 3.2 Kiểm định nghiệm đơn vị ADF đối với chuỗi dữ liệu GAP
ADF Test Statistic -2.333968 1% Critical Value* -3.1714 5% Critical Value -2.0056 10% Critical Value -1.6458 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GAP,2)
Method: Least Squares Date: 01/13/12 Time: 22:02 Sample(adjusted): 2006 2011
Included observations: 6 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. D(GAP(-1)) -4.527510 1.939834 -2.333968 0.1018
D(GAP(-1),2) 2.689263 1.712764 1.570130 0.2144 D(GAP(-2),2) 1.950351 1.417573 1.375838 0.2626 R-squared 0.859478 Mean dependent var -0.333333 Adjusted R-squared 0.765797 S.D. dependent var 35.04093 S.E. of regression 16.95789 Akaike info criterion 8.806197 Sum squared resid 862.7105 Schwarz criterion 8.702076 Log likelihood -23.41859 Durbin-Watson stat 2.481263
(Nguồn: Kết quả chạy eview)
3.1.3 Kiểm định tính dừng của biến LNI
(Nguồn: Kết quả chạy eview)
Hình 3.3 Biểu đồ tương quan và tương quan riêng phần của NPL và sai phân bậc 1 của LNI
Nhìn vào hình 3.3 bên trái, ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0. Chuỗi dữ liệu LNI chưa dừng, ta phải sai phân bậc 1.
Kiểm tra đồ thị Correlogram của chuỗi sai phân bậc 1 của LNI (hình 3.3 bên phải) ta thấy ACF tắt nhanh về 0 sau 1 độ trễ, PAC giảm nhanh về 0 sau 1 độ trễ. Ta có chuỗi dữ liệu dừng.
Kiểm định ADF chuỗi dữ liệu LNI, với độ trễ là 0, ta thấy chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết quả như (bảng 3.3), chuỗi dừng ở mức ý nghĩa 1%, 5% và 10%.
τqs= -5.665602>τ0.01= -2.6280 τqs= -5.665602 >τ0.05= -1.9504 τqs= -5.665602>τ0.1= -1.6206
Bảng 3.3Kiểm định nghiệm đơn vị ADF đối với chuỗi dữ liệu LNI
ADF Test Statistic -5.665602 1% Critical Value* -2.6280 5% Critical Value -1.9504 10% Critical Value -1.6206 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNI,2)
Method: Least Squares Date: 01/16/12 Time: 20:52 Sample(adjusted): 2002:3 2011:2
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. D(LNI(-1)) -0.956766 0.168873 -5.665602 0.0000 R-squared 0.478383 Mean dependent var 0.000000 Adjusted R-squared 0.478383 S.D. dependent var 1.242086 S.E. of regression 0.897072 Akaike info criterion 2.648024 Sum squared resid 28.16585 Schwarz criterion 2.692011 Log likelihood -46.66443 Durbin-Watson stat 1.984983
3.1.4 Kiểm định tính dừng của biến CPI (adsbygoogle = window.adsbygoogle || []).push({});
(Nguồn: Kết quả chạy eview)
Hình 3.4 Biểu đồ tương quan và tương quan riêng phần của NPL và sai phân bậc 1 của CPI
Nhìn vào hình 3.4 bên trái, ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0. Chuỗi dữ liệu CPI chưa dừng, ta phải sai phân bậc 1.
Kiểm tra đồ thị Correlogram của chuỗi sai phân bậc 1 của CPI (hình 3.4 bên phải) ta thấy ACF tắt nhanh về 0 sau 1 độ trễ, PAC giảm nhanh về 0 sau 1 độ trễ. Ta có chuỗi dữ liệu dừng.
Tiến hành kiểm định ADF chuỗi dữ liệu CPI, với độ trễ là 1, ta thấy chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết quả như, kết quả như (bảng 3.4), chuỗi dừng ở mức ý nghĩa 1%, 5% và 10%.
τqs= -3.737852>τ0.01= -3.6289 τqs= -3.737852>τ0.05= -2.9472 τqs= -3.737852>τ0.1= -2.6118
Bảng 3.4 Kiểm định nghiệm đơn vị ADF đối với chuỗi dữ liệu CPI
ADF Test Statistic -3.737852 1% Critical Value* -3.6289 5% Critical Value -2.9472 10% Critical Value -2.6118
*MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CPI,2) Method: Least Squares
Date: 01/27/12 Time: 09:04 Sample(adjusted): 2002:4 2011:2
Included observations: 35 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. D(CPI(-1)) -1.114860 0.298262 -3.737852 0.0007 D(CPI(-1),2) -0.102486 0.202019 -0.507310 0.6154
C 3.263353 1.076366 3.031824 0.0048
R-squared 0.623733 Mean dependent var 0.028000 Adjusted R-squared 0.600217 S.D. dependent var 6.875259 S.E. of regression 4.347118 Akaike info criterion 5.858720 Sum squared resid 604.7178 Schwarz criterion 5.992035 Log likelihood -99.52759 F-statistic 26.52304 Durbin-Watson stat 1.974858 Prob(F-statistic) 0.000000
(Nguồn: Kết quả chạy eview)
3.1.5 Kiểm định tính dừng của biến IM
(Nguồn: Kết quả chạy eview)
Hình 3.5 Biểu đồ tương quan và tương quan riêng phần của NPL và sai phân bậc 1 của IM
Nhìn vào hình 3.5 bên trái, ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0. Chuỗi dữ liệu IM chưa dừng, ta phải sai phân bậc 1.
Kiểm tra đồ thị Correlogram của chuỗi sai phân bậc 1 của IM (hình 3.5 bên phải) ta thấy ACF tắt nhanh về 0 sau 1 độ trễ, PAC giảm nhanh về 0 sau 1 độ trễ. Ta có chuỗi dữ liệu dừng.
Tiến hành kiểm định chuỗi dữ liệu IM, với độ trễ là 0, ta thấy chuỗi này có tính dừng, kết quả như (bảng 3.5), chuỗi dừng ở mức ý nghĩa 1%, 5% và 10%.
τqs= -6.181775>τ0.01= -2.6261 τqs= -6.181775>τ0.05= -1.9501 τqs= -6.181775>τ0.1= -1.6205
Bảng 3.5 Kiểm định nghiệm đơn vị ADF đối với chuỗi dữ liệu IM
ADF Test Statistic -5.491645 1% Critical Value* -2.6280 5% Critical Value -1.9504 10% Critical Value -1.6206 *MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(IM,2)
Method: Least Squares Date: 01/26/12 Time: 18:11 Sample(adjusted): 2002:3 2011:2
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. D(IM(-1)) -0.993216 0.180860 -5.491645 0.0000 R-squared 0.462112 Mean dependent var 103.8889 Adjusted R-squared 0.462112 S.D. dependent var 2851.408 S.E. of regression 2091.247 Akaike info criterion 18.15629 Sum squared resid 1.53E+08 Schwarz criterion 18.20028 Log likelihood -325.8133 Durbin-Watson stat 1.871011
3.1.6 Kiểm định hồi quy đồng liên kết Johansen cho các biến của mô hình (adsbygoogle = window.adsbygoogle || []).push({});
Trong quá trình hồi quy một biến của chuỗi thời gian đối với một hoặc nhiều biến khác của chuỗi thời gian thường có thể cho ra các kết quả không có ý nghĩa hoặc không xác thực. Hiện tượng này được gọi là hồi quy không xác thực. Một cách để tránh khỏi nó là tìm xem liệu chuỗi thời gian có phải là đồng liên kết hay không.
Ta tiến hành chạy kiểm định đồng liên kết theo phương pháp VAR của Johasen kết quả chạy theo (Phụ lục 1), ta thấy bác bỏ giả thuyết H0 (không có đồng liên kết) ở các mức ý nghĩa 1% và 5%. Có 3 đồng liên kết ở mức ý nghĩa 5% và có 02 đồng liên kết ở mức ý nghĩa 1%. Như vậy, có một mối quan hệ dài hạn (hoặc cân bằng) giữa các biến phân tích của mô hình.
3.2 Mô hình Stress test áp dụng phương pháp VAR cho hệ thống ngân hàng tại Việt Nam