Lãi suất của nước ngoài
Lãì suất quốc tế tăng thường đi kèm với sự rút vốn của các nhà đầu tư nước ngoài (Edison 2003; Eichengreen & Arteta 2000).
Sự tác động của khủng hoảng tài chính khu vực và thế giới
Những kinh nghiệm tại các quốc gia mới nổi và cuộc khủng hoảng Tequila Mexico 1994-1995 cũng cho thấy tiền tệ có thể bị tấn công đầu cơ mặc dù một cuộc khủng hoảng đang diễn ra ở một nơi nào khác. Gerlach & Smets (1995) cung cấp các hệ thống lý thuyết đầu tiên về sự lây lan ưong các cuộc KHTT. Gerlach & Smets (1995) cho thấy sự lây lan xảy ra vì sự sụp đổ của một đồng tiền có thể có tác động đến giá cả và thu nhập của các quốc gia khác trong khu vực thông qua khả năng cạnh tranh. Fratzscher (1999) đã chứng minh rằng mức độ nghiêm trọng của một cuộc KHTT trong một quốc gia không chỉ được xác định bởi nền tảng kỉnh tế vĩ mô mà còn chịu tác động bởi sự lây nhiễm khủng hoảng từ các quốc gia lân cận. Ồng xác định sự lây lan như việc truyền tải của một cuộc khủng hoảng mà không được gây ra bởi yếu tố kinh tế vĩ mô của quốc gia bị ảnh hưởng nhưng bởi sự gần gũi của nó từ những quốc gia nơi cuộc khủng hoảng bắt nguồn. Fratzscher (1999) đã xác định hai loại tương tự nhau; Lây lan do hội nhập thực sự và tích hợp lây lan tài chính. Việc lây lan do hội nhập thực sự xảy ra khi một cuộc KHTT xảy ra cùng với sự mất giá mạnh của đồng nội tệ của một quốc gia trong việc mất khả năng cạnh tranh của mình các nước đối thù cạnh tranh. Việc lây lan hội nhập tài chính xảy ra khi một cuộc KHTT xảy ra cùng với sự mất giá mạnh của đồng nội tệ khiến nhà đầu tư rút vốn khỏi các nền kinh tế khác do họ lo sợ rằng những nền kinh tế khác cũng sẽ trải qua các cuộc tấn công tiền tệ và phá gìá. Một loại lây nhiễm có liên quan đến một cuộc KHHTNH được điều ưa bởi Goldfajn & Valdes (1999). Họ tìm thấy bằng chứng rằng một HTNH dễ bị tổn thương khi có sự đảo chiều của dòng vốn quốc tế gây sức ép lên sự mất giá đảng nội tệ. Neu dự kiến có sự mất giá tiền tệ xảy ra thì mức độ tồn thương trong HTNH ngày càng trầm trọng hơn do xảy ra tình trạng mất cân đối về kỳ hạn và tiền tệ cùng lúc. Tinh trạng đột biến rút tiền gừi ngân hàng xuất hiện gây khó khăn thanh khoản trong HTNH, và các nhà đầu tư nước ngoài gặp vấn đề thanh khoản trong một cuộc KHHTNH quốc gia này phản ứng bằng cách rút vốn tại các HTNH quốc gia khác, vì vậy dẫn đến sự lây lan. Sachs, Tomell & Velasco (1996) giải thích rằng cuộc khủng hoảng đồng peso của Mexico khởi xướng bất ổn trong các đồng tiền của Argentina, Brazil và Philippines là bằng chứng của lây lan. Những quốc gia trải qua tinh trạng này đều có nền tàng vĩ mô yêu và KHTT xảy ra từ áp lực đầu cơ tiền tệ. Eichengreen, Rose & Wyplosz (1996) đã chỉ ra rằng có sự lây lan KHÍT tại 20 quốc gia công nghiệp trong giai đoạn 1959-1993. Bên cạnh đó, Frankel & Schmukler (1996) tìm thấy bằng chứng về hành vi lây lan trong cuộc khủng hoảng đồng peso của Mexico. Đối với cuộc KHTC Châu Á, Baig & Goldfajn (1999) tìm thấy bằng chứng cùa sự lây lan qua tình hình kinh tế và chính trị ở các nước châu Á. Fratzscher (1999) cho thấy hội nhập thực tế và hội nhập tài chính là thủ phạm gây ra sự lây lan của cuộc khùng hoàng đồng peso của Mexico và KHTC Châu Á. Chang & Velasco (1998) đô lỗi lo các khoản nợ ngắn hạn của khu vực ngân hàng vượt quá dự trữ ngoại hối tại các quốc gia trong cuộc KHTC Châu Á. Bằng chứng
khác về sự lây lan là trong các nghiên cứu của Goldfajn & Valdes (1997), Fratzscher (1998) và Glick & Rose (1999). Clipa & Caraganciu (2009) cho thấy ttong bối cảnh một nền kinh tế mở nói chung, đặc biệt là các nền kinh tế mở nhỏ, đang phát triển, những ảnh hưởng của một cuộc KHTC khu vực và thế giới thường được lan truyền qua các kênh như: Kênh tài chính, kênh ngoại thương, kênh đầu tư trực tiếp, kênh kiều hoi và kênh viện trợ phát triển chính thức. Trong đó, kênh ngoại thương là kênh truyền dẫn tác động đến hầu hết các nền kinh tế thế giới do phần lớn các quốc gia đã tự do hóa kênh giao dịch này. Ozkan & Unsal (2012) đặc biệt nhấn mạnh rằng quy mô của tác động của KHTC toàn cầu đến nền kinh tế trong nước tại các quốc gia mới nổi là do mức độ mở cửa thương mại.
Ngoài những chỉ số cơ bản cảnh báo sớm KHTT và KHHTNH nêu trên, các nghiên trước cho thấy trong hệ thống các chỉ số dùng để cảnh báo KHTT thường sử dụng biến KHHTNH và ưong hệ thống các chỉ số dùng để cành báo KHHTNH thường sử dụng biến KHTT (Glick & Hutchinson 1999; Goldstein, Kaminsky & Reinhart 2000; Yiu, Ho & Jin 2009; Babecký & ctg 2014). Bởi lẽ KHTT và KHHTNH thường có mối quan hệ nhân quả lẫn nhau, KHTT có thể dẫn đến KHHTNH và ngược lại KHHTNH cũng có thể là nguyên nhân gây ra KH ÍT (Velasco 1987, Obstfeld 1994, Rojas-Suarez & Weisbrod 1995, Gonzalez-Hermosillo 1996, Calvo 1997, Glick & Hutchison 1999, Kaminsky & Reinhart 1999, Chang & Velasco 1999, Miller 1999, Yiu, Ho & Jin 2009).
2.23 Các cách tiếp cận trong cảnh báo sám khủng hoảng tiền tệ và khủng hoảng hệ thống ngân hàng
Trên cơ sở lược khảo các nghiên cứu trước cho thấy rằng về cách tiếp cận để tạo ra các cảnh báo sớm về KHÍT cũng tương tự như KHHTNH, có thể chia ra hai dạng chính được sử dụng phổ biên trong hầu hết các nghiên cứu thực nghiệm trên thế giới là mô hình phi tham số Signal và mô hình tham số Logit/Probit. Trong những năm gàn đây, phương pháp BMA cũng đã được đưa vào ứng dụng để phát hiện các chỉ số cảnh sớm KHÍT và KHHTNH mạnh mẽ nhất từ tập hợp các chỉ số tiềm nầng. Ngoài ra, một số kỹ thuật thống kê khác cũng được sử dụng trong cảnh báo KHTT và KHHTNH, nhưng ít phổ biến như 2SLS, MarkoV-Switching, ANNs và Neuro-Fuzzy.
2.23.1 Mô hình Signal
Mô hình Signal là một mô hình phi tham số, được xây dựng tiên phong bởi Kaminsky, Lizondo & Reinhart (1998) (KLR 1998), sau đó, được nhiều nghiên cứu thế hệ sau như Edison (2003), Nguyễn Khắc Quốc Bảo (2010), Megersa & Cassimon (2013), Lê Thị Thùy Vân (2015), Võ Thị Thúy Anh & ctg (2016), Nguyen & Nguyen (2017) ứng dụng ưong cảnh báo KHTT; Borio & Lowe (2002), Borio & Drehman (2009), Alessi & Detken (2011), Drehman & Juselius (2013), Drehman & Tsatsaronis (2014) ứng dụng trong cảnh báo KHHTNH và Kaminsky & Reinhart (1999), Goldstein, Kaminsky & Reinhart (2000) (GKR 2000), Nguyễn Thị Kim Thanh (2008), Ngô Thị Thu Trà & ctg (2016), Sun & Huang (2016) ứng dụng trong cảnh báo KHÍT và KHHTNH.
Mô hình này dựa trên việc theo dõi sự biến động của các chỉ số kinh tế vĩ mô nhằm phát hiện sự thay đổi bất thường của các chỉ số này và tính toán tác động của chúng đến khả năng xảy ra khủng hoảng. Khi những chỉ số này vượt khỏi mức ngưỡng cho phép thì chúng lập tức phát tín hiệu cảnh báo khủng hoảng. Theo đó, xác suất khủng hoảng được tính bằng bình quân gia quyền của các tín hiệu khủng hoảng do tập hợp các chỉ số kinh tế vĩ mô phát ra. Như vậy, để thiết lập tín hiệu phát ra báo hiệu một cuộc khủng hoảng, vấn đề trọng tâm là cần thiết lập một mức ngưỡng phù hợp. Để xác định giá trị ngưỡng của mỗi chỉ số và để đo hiệu suất các chỉ số đó, cần thiết phải xác định cửa sổ tín hiệu. Cửa sổ tín hiệu là thời kì mà từng chỉ số được dự kiến sẽ thể hiện khả năng dự báo trước cuộc khủng hoảng. Kaminsky, Lizondo & Reinhart (1998), Kaminsky & Reinhart (1999), Goldstein, Kaminsky & Reinhart (2000) đã thiết lập cửa sổ tín hiệu cho cuộc KHTT và KHHTNH là 24 tháng. Các phân tích độ nhạy được thực hiện bởi Goldstein, Kaminsky & Reinhart (2000) cho thấy kết quả khá giống với một cửa sô tín hiệu 18 tháng và chứng minh một cửa sổ tín hiệu 12 tháng có quá nhiều hạn chế. Tuy nhiên, một cửa sổ tín hiệu dài hơn thì
thuận lợi hơn cho các nhà hoạch định chính sách vì cho phép họ có thời gian điêu chỉnh chính sách của mình và có những bước đi thích hợp để tránh tín hiệu khùng hoảng sắp xảy ra (Heun & Schlink, 2004).
Với định nghĩa cửa số tín hiệu nêu trên, có thể đo lường hiệu suất của mỗi chỉ số. Nếu một chỉ số phát ra tín hiệu ttong thời gian còn hiệu lực của cửa sổ tín hiệu và được theo sau bời một cuộc khùng hoảng trong vòng 24 tháng thì được gọi là một “tín hiệu tốt”. Nếu một tín hiệu phát ra nhưng không được theo sau bởi một cuộc khủng hoảng trong vòng 24 tháng thi được gọi là một “tín hiệu sai”. Tỷ số của “tín hiệu sai” trên “tín hiệu tốt” được gọi là “tỳ lệ nhiễu tín hiệu”. Chỉ số cảnh báo tổng hợp khủng hoảng được tính theo công thức:
n 1 =í
Trong đó: Stj là tín hiệu phát ra của biến thứ j tại thời điểm t; n là số biến được theo dõi; Stj=l (có khủng hoảng) nếu biến j tại thời điểm t vượt qua ngưỡng khả thi; Stj = 0 (không có khủng hoàng) trong trường hợp còn lại; tì). là tỷ lệ nhiễu tín hiệu của biến j.
Kết quả của mỗi chỉ số được xem xét bởi hai ma trận được đưa ra trong Bảng 2.5.
Bảng 2.5: Ma trận cúa chỉ số tín hiệu Khủng hoàng (Trong vòng 24 tháng) Không có khủng hoảng (Trong vòng 24 tháng) Tín hiệu được phát A B
Tín hiệu không được phát c D
Nguồn: Kaminsky & Reinhart (ỉ999)
Ma trận này được tính cho mồi chi số riêng biệt. Trong đó:
A: số tháng mà các chỉ số đẫ đưa ra một tín hiệu tốt, tức là các chỉ số vượt qua ngưỡng của nó (trên hoặc dưới) trong cửa sổ khủng hoảng.
B: số tháng mà các chỉ số đã đưa ra một tín hiệu sai hoặc nhiễu C: số tháng mà các chỉ số thất bại trong việc đưa ra một tín hiệu tốt D: số tháng mà các chỉ số không phát ra tín hiệu sai hay nhiễu
Một chỉ số hoàn hào sẽ chỉ phát ra tín hiệu A và D. Do đó với ma trận này, có thề xác định các chỉ tiêu sau:
...-... B/ÍA+B)
Tỷ lệ nhiễu tín hiệu: <oj = J
Xác suất không điều kiện của một cuộc khủng hoảng: p (Khủng hoảng) = (A + C) / (A + B + c + D)
Xác suất của một cuộc khủng hoảng có điều kiện trên tín hiệu được phát: p (Khủng hoảng I S) = A/(A + B), nghĩa là:
PÍKHự+hỊS^S^Su) =Tổng số tháng với S|<St<Su có khủng hoảng thực sự trong vòng h thángTTổng số tháng với Si<St<Su. Trong đó:
p là xác suất xảy ra khủng hoảng
KHt,t+h là khủng hoảng sẽ xảy ra trong khoảng thời gian [t, t+h]
h là độ dài thời gian của cửa sổ tín hiệu (ừong nghiên cứu này, h=24 tháng) st là ưọng số của SỊ và Sn, thể hiện độ cao hơn hay thấp hơn của chuỗi chỉ số cảnh báo khủng hoảng. (adsbygoogle = window.adsbygoogle || []).push({});
p (KHtil+h|S1<St<Su) là khả năng cuộc khủng hoảng sẽ xảy ra ữong h tháng vào thời gian t với việc chuỗi chỉ số St rơi vào khoảng giữa của [S1, su].
Giá trị st và xác suất xảy ra khủng hoảng có điều kiện tương ứng được xác định theo Bảng 2.6.
___________________Bảng 2.6: Giá trị st và xác suất xảy ra khủng hoảng có điều kiện Giá trị St Xác suất xảy ra khủng hoảng có điều kiện (Pt)
0-0,8 0,10 0,8-1,8 0,23 1,8-3,0 0,33 3,0-4,5 0,46 4,5-6,0 0,60 6,0-7,5 0,70 7,5-9,0 0,80 >9,0 0,90
Nguôn: Kaminsky, Lizondo & Reinhart (1998)
ưu điểm của mô hình Signal là có thề áp dụng trong điều kiện nguồn dữ liệu bị hạn chế, có thể đua ra cảnh báo tại bất kỳ thời điểm nào mà không đòi hỏi quá nhiều mẫu số liệu quá khứ và quá trình thao tác phức tạp. Các biến không phải tuân theo một giả định về phân phối xác suất nhất định. Mô hình này còn cho phép sù dụng nhiều chỉ tiêu cảnh báo cùng một lúc (mà không xảy ra vấn đề đa cộng tuyến hoàn hào), từ đó cho phép theo dõi các chỉ tiêu toàn diện phản ánh tất cả các khu vực dễ bị tổn thương của nền kinh tế và hệ thống tài chính, cho phép nhìn thấy sự kết nối rõ ràng từ các chỉ tiêu riêng lẻ đến các chỉ sô tổng hợp, qua đó cho phép vừa đánh giá nguy cơ khủng hoảng tổng thể, vừa có thể theo dối, đánh giá riêng từng lĩnh vực nhỏ của nền kinh tế có nguy cơ tổn thương gia tăng. Ngoài ra, trong mô hình Signal, mỗi biến số được theo dõi riêng lẻ nên thuận lợi cho việc phân tích sâu hơn.
Tuy nhiên, với đặc điềm như trên, cách tiếp cận này không xác định được mức độ tác động cao hay thấp của từng biến giải thích đối với xác suất khủng hoảng nên không xác định được vai trò quan trọng của từng biến số như thế nào mà chỉ theo dõi diễn biến cùa từng biến số một cách độc lập, do đó không thề hiện được mối quan hệ chính xác giữa biến độc lập và biến phụ thuộc (xác suất khùng hoảng). Xác suất theo mô hình Signal được tính hoàn toàn riêng biệt tương ứng với mỗi quan sát dựa trến các trọng số nhất định (tỷ lệ nhiễu tín hiệu) của biến số đó, sau đó tổng hợp lại với nhau. Ngoài ra, phương pháp Signal cũng không tính đến sự tương quan giữa các biến số trong mô hình, cũng như không có kiểm định thống kê để kiểm tra mức độ phù hợp của mô hình và kiểm định tỷ lệ dự báo chính xác cùa mỗ hình.
2.23.2 Mô hình Logit/Probit
Logit/Probit là mô hình tham số có thể được ứng dụng trong cảnh báo KHÍT và KHHTNH. Probit được đề xuất bởi Goldberger (1964), trong khi đó Logit được đề xuất bởi Maddala (1983).
Berg & Pattillo (1999) và Comelli (2013) đã chứng minh rằng mô hình Logit/Probit có khả năng cảnh báo khủng hoảng tốt hơn cả ưong và ngoài mẫu nghiên cứu so với mô hình Signal. Theo đó, mô hỉnh này đã được nhiêu nghiên cứu như Berg & Patillo (1999), Karnin, Schindler & Samuel (2001), Nguyễn Trọng Hoài & Trương Hồng Tuân (2010), Nguyên Phi Lân (2011), Ari (2012), Rahman & Hasan (2014), Frost & Saiki (2014), Pham (2015), Comelli (2016) ứng dụng trong cảnh báo KHÍT ; Demiguc-Kunt & Detragiache (1998), Eichengreen & Rose (1998), Eichengreen & Arteta (2000), Singh (2011), Hmili & Bouraoui (2015), Tamadonejad & ctg (2016), Papadopoulos, Stavroulias & Sager (2016) ứng dụng ttong cảnh báo KHHTNH; Glick & Hutchinson (1999), Yiu, Ho & Jin (2009), Falcetti & Tudela (2008), Frankel & Saravelos (2012) ứng dụng trong cảnh báo KHTT và KHHTNH.
Mô hình Logit/Probit với biến phụ thuộc Yt là rời rạc có hai giá ừị là 0 và 1, trong đó 0 là không xảy ra khủng hoảng, 1 là có xảy ra khủng hoảng. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất xảy ra khủng hoảng theo quy tắc nếu xác suất được dự đoán lớn hơn xác suất tổn thất ấn định thì kết quả dự đoán sẽ cho là “có” xảy ra khủng hoảng, ngược lại thì kết quả dự đoán sẽ là “không”. Biến độc lập của mô hình là các chỉ sô cố khả năng cảnh báo sớm khùng hoàng.
Pr (Yt=l) khi xác suất một quốc gia trải qua khùng hoảng tại thời điểm t. Trong mô hình Logit/Probit, xác suất một cuộc khủng hoảng được thể hiện như là một chức năng phi tuyến của một tập hợp các biến độc lập X:
(Pr Y, = 1> = (1)
(Pr Ỉ; = 1)= <r>(X'/S) = (2)
—eo
Trong đó: A (x1/?) là hàm phân phối tích lũy của phân phối logistic o(x’/?) là hàm phân phối tích lũy của phân phối bình thường
Điều kiện (1) và (2) mô tả xác suất có điều kiện rằng một quốc gia đã trải qua khủng hoảng tại thời điểm t khỉ hàm số của các chỉ số cảnh báo khủng hoảng được lựa chọn, kí hiệu là X. Như vậy, sự khác nhau giữa mô hình Logit và mô hình Probit thể hiện ở hàm phân phối của sai so nhiễu.
Mồ hình Logit/Probit có các ưu điểm như: (i) Cho phép xem xét các biến cảnh báo khủng hoảng trong mối tương quan với nhau, tính đến hệ quả từ tác động qua lại, tương tác lẫn nhau giữa các biến đối với nguy cơ xảy ra khủng hoảng; (ii) dễ dàng kiểm tra ý nghĩa thống kê các chuỗi số liệu cùa các biến dự kiến đưa vào mô hình cảnh báo và ý nghĩa của các biến ttong việc cành báo khủng hoảng có tính tới mối tương quan giữa các biến với nhau; (iii) cho phép ước tính xác suất khủng hoảng và giải thích nguyên nhân chính dẫn đến khả năng khủng hoảng tăng hay giảm trong tương lai, giá trị ước lượng về xác suất cho biết mức độ nghiêm trọng của vấn đề; (iv) có thể được xử lý bằng các phần mềm kinh tế lượng như Stata, Eviews làm cho quá trình xử lý dữ