CHƢƠNG 4 KẾT LUẬN VÀ KHUYẾN NGHỊ
4.3. ĐÁNH GIÁ NGHIÊN CỨU
4.3.2. Những hạn chế của đề tài
Thông qua mô hình nghiên cứu thực nghiệm các nhân tố ảnh hƣởng đến khủng hoảng tiền tệ, đề tài đã cung cấp đƣợc một phƣơng thức để ƣớc lƣợng xác suất xảy ra khủng hoảng tiền tệ trong tƣơng lai gần cho Việt Nam. Tuy nhiên, mô hình vẫn còn một số hạn chế: (1) Mô hình xác định khủng hoảng tiền tệ dựa trên khái niệm về chỉ số áp lực thị trƣờng ngoại hối EMPI và “một quốc gia đang có khủng hoảng tiền tệ khi chỉ số áp lực thị trƣờng ngoại hối EMPI lớn hơn n lần độ lệch chuẩn cộng với giá trị trung bình của nƣớc đó” với 2 ≤ n ≤ 3. Tuy nhiên, vẫn có thể xảy ra các trƣờng hợp chỉ số EMPI vƣợt trên mức giá trị trung bình + 3 lần độ lệch chuẩn nhƣng vẫn không dẫn đến khủng hoảng. Trong trƣờng hợp này, mô hình chƣa thể loại trừ. (2) Do gặp nhiều hạn chế trong việc thu thập dữ liệu cho Việt Nam, ví dụ, dữ liệu GDP tháng là đƣợc nội suy từ dữ liệu GDP năm với giả định các tháng biến
động đều, do đó, độ chính xác của các dữ liệu thu thập đƣợc chỉ mang tính tƣơng đối. Bên cạnh đó, nguồn cung dữ liệu không đồng nhất hoàn toàn về mặt thời gian nên sau khi loại trừ những khoảng thời gian bị khuyết dữ liệu, tác giả chỉ có thể đƣa ra đƣợc các tính toán trong khoảng thời gian từ tháng 01/2001 đến tháng 09/2016, trong khi phần lớn các nhân tố trong bài đƣợc khảo sát từ tháng 01/1995 đến tháng 11/2016. (3) Khi mô hình đƣợc đƣa vào ứng dụng trong thực tiễn sẽ dự báo đƣợc xác suất xảy ra khủng hoảng tiền tệ trong vòng 24 tháng tiếp theo. Nếu các nhà quản lý và hoạch định chính sách tin tƣởng vào kết quả này và đƣa ra các biện pháp ngăn ngừa bằng các chính sách tác động vào các nhân tố cảnh báo, từ đó ngăn chặn nguy cơ khủng hoảng tiền tệ thì kết quả dự báo sẽ không còn chính xác nữa. Tuy nhiên, hiện nay mô hình chƣa nghiên cứu đến trƣờng hợp này.
Hạn chế của mô hình có thể khắc phục theo các hƣớng sau:
Một là, việc xác định nguy cơ khủng hoảng tiền tệ cần có sự phân biệt giữa các tình huống chỉ số áp lực thị trƣờng ngoại hối vƣợt ngƣỡng có thể dẫn đến khủng hoảng tiền tệ với các tình huống chỉ số này vƣợt ngƣỡng nhƣng không dẫn đến khủng hoảng.
Hai là, mở rộng các chỉ số cảnh báo của mô hình bằng cách khảo sát, lựa chọn và bổ sung thêm các chỉ số cảnh báo liên quan đến (1) tác động của kinh tế thế giới; (2) Sự ổn định về chính trị và (3) những thay đổi về mặt thể chế. Việc bổ sung này sẽ giúp cho các nghiên cứu thực nghiệm về khủng hoảng tiền tệ tiến gần hơn đến sự phù hợp với các nghiên cứu về lý thuyết.
KẾT LUẬN CHƢƠNG 4
Chƣơng này trình bày một số kết luận về nghiên cứu, rút ra một số khuyến nghị đối với Chính phủ và Ngân hàng Nhà nƣớc từ kết quả nghiên cứu của mô hình.Khuyến nghị đƣợc trình bày dựa trên khả năng tác động của mỗi nhân tố có ảnh hƣởng đến khả năng khủng hoảng tiền tệ tại Việt Nam. Qua nghiên cứu cho thấy có 8 nhân tố ảnh hƣởng mạnh đến nguy cơ xảy ra khủng hoảng tiền tệ tại Việt Nam là Tiền gửi ngân hàng, tỷ lệ Cung tiền M2/Dự trữ ngoại hối, tỷ lệ Lãi suất cho vay/ lãi suất huy động, lãi suất tiền gửi thực, nhập khẩu, tỷ giá hối đoái thực giữa VND và USD; tỷ lệ Tín dụng nội địa/ GDP danh nghĩa và số nhân tiền tệ M2, từ đó đƣa ra các khuyến nghị hƣớng đến các chính sách về nhập khẩu, ổn định kinh tế vĩ mô, chính sách kiểm soát cung tiền, chính sách dự trữ ngoại hối, chính sách tỷ giá hối đoái và chính sách lãi suất và tăng trƣởng tín dụng. Trong chƣơng này, tác giả cũng đã đƣa ra đƣợc đóng góp của đề tài về mặt thực tiễn, cũng nhƣ nêu lên những hạn chế và hƣớng khắc phục những hạn chế này của đề tài.
KẾT LUẬN
Cùng với việc tham gia vào các tổ chức kinh tế trong khu vực và trên thế giới, cũng nhƣ ký kết các hiệp định thƣơng mại song phƣơng, đa phƣơng, Việt Nam đang ngày càng mở rộng cánh cửa thị trƣờng tài chính – tiền tệ của mình. Từ đây, những yếu kém trong việc điều hành và quản lý thị trƣờng ngày càng bộc lộ rõ nét, nguy cơ khủng hoảng tài chính nói chung và khủng hoảng tiền tệ nói riêng xuất hiện ngày càng nhiều. Mặc dù khủng hoảng tiền tệ ở Việt Nam vẫn chƣa hoàn toàn xảy ra, nhƣng thị trƣờng tài chính – tiền tệ nƣớc ta cũng đã tiềm ẩn nhiều rủi ro. Do đó, việc xây dựng các mô hình nghiên cứu toàn diện về khủng hoảng tiền tệ tại Việt Nam là cần thiết để giúp Việt Nam tránh đƣợc các cuộc khủng hoảng tiền tệ trong tƣơng lai.
Nền kinh tế tài chính Việt Nam đang trong giai đoạn phát triển ổn định, tạo điều kiện thu hút đầu tƣ trong và ngoài nƣớc. Tuy nhiên, tăng trƣởng của nƣớc ta vẫn còn phụ thuộc nhiều vào yếu tố nƣớc ngoài, và trong nƣớc thì vẫn còn nhiều nguy cơ nhƣ đầu tƣ công nhiều nhƣng kém hiệu quả, nợ công cao ... do đó, Việt Nam sẽ là quốc gia nhạy cảm với khủng hoảng. Dễ dàng nhận thấy là qua cuộc khủng hoảng tài chính thế giới năm 2008, Việt Nam bị ảnh hƣởng rất nặng, chịu tổn thất toàn diện : giảm kim ngạch xuất khẩu, vốn đầu tƣ khan hiếm, nhiều doanh nghiệp phá sản hoặc thu hẹp hoạt động sản xuất kinh doanh, thị trƣờng chứng khoán sụt giảm nghiêm trọng, ... Phải mất rất nhiều thời gian để Việt Nam có thể hồi phục sau khủng hoảng. Tuy nhiên, tình hình kinh tế thế giới còn diễn biến phức tạp, còn chứa đựng nhiều nguy cơ về khủng hoảng tài chính, tiền tệ. Do đó, nền kinh tế Việt Nam cũng có nguy cơ xảy ra khủng hoảng tài chính, tiền tệ bất cứ lúc nào.
Nghiên cứu này đã phản ánh đƣợc các nhân tố kinh tế, tài chính vĩ mô đã có tác động nhƣ thế nào đến khủng hoảng tiền tệ, từ đó đƣa ra các khuyến nghị phù hợp đối với Chính phủ và Ngân hàng Nhà nƣớc nhằm ban hành các chính sách phù hợp để ngăn ngừa nguy cơ xuất hiện khủng hoảng tiền tệ tại Việt Nam.
TÀI LIỆU THAM KHẢO Tiếng Việt
[1] Lê Vân Anh, (2008), Khủng hoảng tài chính – Mô hình lí thuyết và nguy cơ đối với VN trong tiến trình hội nhập ngày hôm nay, “Tạp chí Khoa
học Đại học Quốc gia Hà Nội”, Kinh tế - Luật, 58, 55-56.
[2] Võ Thị Thúy Anh, Trần Nguyễn Trâm Anh, Hà Xuân Thủy (2016), Mô hình cảnh báo sớm khủng hoảng tiền tệ: nghiên cứu thực nghiệm tại Việt Nam, “Tạp chí Phát triển Kinh tế”, 27(6), 02-22
[3] Trần Kim Chung, (2017), Dự báo diễn biến thị trƣờng năm 2017 từ khía cạnh phân tích luồng tiền, “Tạp chí Kinh tế và dự báo số 01/2017”, truy cập tại http://kinhtevadubao.vn/chi-tiet/91-7665-du-bao-dien- bien-thi-truong-nam-2017-tu-khia-canh-phan-tich-luong-tien.html ngày 13/02/2017.
[4] Nguyễn Trung Hậu, (2010), Xây dựng hệ thống chỉ tiêu cảnh báo sớm rủi ro hệ thống tài chính tiền tệ, trích từ Đề tài cấp Nhà nƣớc KX.01.19/06-10 “Hệ thống Giám sát Tài chính quốc gia” do Tô Ngọc Hƣng chủ nhiệm”, (98).
[5] Đinh Phi Hổ, (2014), Phương pháp nghiên cứu kinh tế & viết luận văn thạc sĩ, Nhà xuất bản Phƣơng Đông.
[6] Nguyễn Phi Lân, (2011), Mô hình cảnh báo sớm và chính sách hƣớng tới ổn định kinh tế vĩ mô, “Tạp chí Ngân hàng”, (2+3), 27-37.
[7] Ngô Dƣơng Minh, (2014), Phƣơng pháp cảnh báo sớm trong lĩnh vực tiền tệ dựa trên chỉ số áp lực thị trƣờng ngoại hối, “Tạp chí Khoa học và
Đào tạo ngân hàng”, (149).
[8] Nguyễn Thị Kim Oanh, Lê Thị Nguyệt Anh, (2009), Nhận diện khủng hoảng ngân hàng, “Tạp chí Ngân hàng”, (13), 7/2009.
[9] Đinh Lâm Tấn, (2017), Kinh tế Việt Nam 2016, triển vọng 2017, “Tạp chí
Kinh tế và Dự báo”, số 01/2017, truy cập tại
http://kinhtevadubao.vn/chi-tiet/91-7666-kinh-te-viet-nam-nam- 2016-trien-vong-nam-2017.html, ngày 31/02/2017.
[10] Lê Thị Thùy Vân, (2015), Ứng dụng mô hình cảnh báo sớm khủng hoảng tiền tệ tại Việt Nam, Viện chiến lƣợc và chính sách tài chính, truy cập tại http://vst.mof.gov.vn/webcenter/portal/vclvcstc/r/m/ncvtd/ncvtd_chi tiet;jsessionid=vr0pYBKFqdMJZKnp0LmmjPNcp3py28pvXgJQF4 CMysvTJ7pPbb3v!343897806!1345431288?dDocName=BTC0735 68&dID=79244&_afrLoop=32533093254984547#!%40%40%3FdI D%3D79244%26_afrLoop%3D32533093254984547%26dDocNam e%3DBTC073568%26_adf.ctrl-state%3D18rmjwsfd1_4
Tiếng Anh
[11] Abiad A. (2003), Early warning systems: A survey and A Regime – Switching Aproach, IMF working paper, 32-93.
[12] Andrew Berg, Catherine Pattillo, (2000), The Challenges of Predicting Economic Crises, International Monetary Fund, (7/2000).
[13] Breuer, J. (2004), An Exegesis Currency and Banking Crises, Journal of Economic Survey, 13(3), 293-328.
[14] Fabio Comelli, (2014), Comparing the Performance of Logit and Probit Early Warning Systems for Currency Crises in Emerging Market Economies, IMF Working paper, 65.
[15] Fabio Comelli, (2013), Comparing Parametric and Non-parametric Early Warning Systems for Currency Crises in Emerging Market Economies, IMF Working paper, 134.
[16] Demirguc-Kunt, Asli và Anrica Detragiache, (1998), The Determinans of Banking crisis in Developing and Developed countries, IMF staff Paper, (1), 45-74
[17] Edison, H. J. (2000), Do indicators of fiancial crises work? An evaluation of an early warning system, International Financial Discussion Paper No.675 (Board of Governors of Federal Reserve System, Washington).
[18] Jeffrey A. Frankel, Andrew K. Rose, (1995), Currency crashes in emerging markets: An empirical treatment, Journal of International Economics, (41/1996), 351-366.
country Experience, Worldbanks.
[20] Heun, M., & Schlink, T. (2004), Early warning systems of financial crises - implementation of a currency crisis model for Uganda, HfB - Business School of Finance & Management.
[21] Kaminsky, G. L. (1999), Currency and banking crises: The early warnings of dis-tress, Working Paper (George Washington University, Washington).
[22] Kaminsky, G. L., & Reinhart, C. M. (1996), The twin crises: The causes of banking and balance of payment problems, International Finance
Disscussion Paper No.54 (Washington: Board of Governors of the
Fedearal Reserve system, March).
[23] Kaminsky, G. L., & Reinhart, C. M. (1999), The twin crises: The causes of banking and balance of payment problems. American Economics Review, June (1999), 473 -500.
[24] Kaminsky, G. L., Lizondo, S. & Reinhart, C. M. (1997), The leading indicators of currency crises, International Monetary Fund Staff
Papers.
[25] Kaminsky, G. L. (2003a), Varieties of Currency Crises, NBER Working Paper, (10193).
[26] Kaminsky, G. L. (2003b), Currency Crises: Are They All the Same?”
Journal of International Money and Finance, Vol. 25, 2006, 503- 527.
[27] Krugman, P., (1979), A model of Balance-of-payment crsies, Journal of Money, Credit and Banking, 11(August), 311-25.
[28] Luc Laeven and Fabian Valencia, (2008), Systemic Banking Crises: A New Database, IMF Working paper, 224.
crises. American Economic Review, 76(1), 72-81.
[30] Obstfeld, M., (1996), Models of currency crises with self-fulfilling Features, European Economic Review 40 (1996), 1037- 1047. [31] Sachs, T. & Velasaco, A. (1996), Financial Crises in Emerging markets:
The lesson from 1995, Brookings Papers on Economic Activity:1, Brookings Institution, 147-215.
PHỤ LỤC
Bảng 1. Kết quả hồi quy mô hình Logit với n = 2
Dependent Variable: YN2
Method: ML - Binary Logit (Quadratic hill climbing) Date: 02/21/17 Time: 09:17
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 10.45169 4.586667 2.278712 0.0227 DB(-1) 0.462757 0.097974 4.723284 0.0000 DCGDP(-1) -0.069935 0.045091 -1.550973 0.1209 DIRFIR 0.029223 0.022483 1.299764 0.1937 DNH 0.022405 0.034731 0.645088 0.5189 EM -0.016653 0.020028 -0.831494 0.4057 GDPN -0.003091 0.015354 -0.201343 0.8404 IM -0.032880 0.026010 -1.264136 0.2062 LIRSIR(-1) -17.05339 3.943712 -4.324198 0.0000 M1 -0.028754 0.099687 -0.288443 0.7730 M2 -0.052301 0.043111 -1.213182 0.2251 M2DNH(-1) 0.058482 0.042624 1.372031 0.1701 RDR 0.708965 0.428317 1.655236 0.0979 RER -5.948052 26.52098 -0.224277 0.8225 TOT 0.000164 0.000604 0.271829 0.7858
McFadden R-squared 0.630948 Mean dependent var 0.316384 S.D. dependent var 0.466384 S.E. of regression 0.260763 Akaike info criterion 0.630153 Sum squared resid 11.01561 Schwarz criterion 0.899318 Log likelihood -40.76853 Hannan-Quinn criter. 0.739316 Restr. log likelihood -110.4682 LR statistic 139.3993 Avg. log likelihood -0.230331 Prob(LR statistic) 0.000000
Obs with Dep=0 121 Total obs 177
Bảng 2. Hồi quy mô hình Logit với n = 2 sau khi đã loại biến không có ý nghĩa thống kê
Dependent Variable: YN2
Method: ML - Binary Logit (Quadratic hill climbing) Date: 02/21/17 Time: 10:19
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 12.98173 2.847884 4.558376 0.0000
DB(-1) 0.367839 0.060060 6.124500 0.0000 LIRSIR(-1) -17.65224 2.886532 -6.115380 0.0000 RDR 0.626364 0.341826 1.832404 0.0669 McFadden R-squared 0.572675 Mean dependent var 0.316384 S.D. dependent var 0.466384 S.E. of regression 0.276145 Akaike info criterion 0.578596 Sum squared resid 13.19226 Schwarz criterion 0.650374 Log likelihood -47.20576 Hannan-Quinn criter. 0.607706 Restr. log likelihood -110.4682 LR statistic 126.5248 Avg. log likelihood -0.266699 Prob(LR statistic) 0.000000
Obs with Dep=0 121 Total obs 177
Obs with Dep=1 56
Bảng 3. Kết quả hồi quy mô hình Probit với n = 2
Dependent Variable: YN2
Method: ML - Binary Probit (Quadratic hill climbing) Date: 02/21/17 Time: 09:16
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C 5.277785 2.441943 2.161306 0.0307 DB(-1) 0.245933 0.048416 5.079625 0.0000 DCGDP(-1) -0.035904 0.025086 -1.431236 0.1524 DIRFIR 0.015672 0.012680 1.235980 0.2165 DNH 0.008798 0.018368 0.478985 0.6319 EM -0.008711 0.009253 -0.941334 0.3465 GDPN -0.002261 0.008952 -0.252532 0.8006
IM -0.015620 0.012683 -1.231563 0.2181 LIRSIR(-1) -8.872246 1.964765 -4.515678 0.0000 M1 -0.012641 0.051191 -0.246944 0.8050 M2 -0.024275 0.022519 -1.077953 0.2811 M2DNH(-1) 0.025507 0.022269 1.145386 0.2520 RDR 0.405103 0.232285 1.743993 0.0812 RER -2.039242 11.51006 -0.177170 0.8594 TOT 8.73E-05 0.000366 0.238791 0.8113 McFadden R-squared 0.620832 Mean dependent var 0.316384 S.D. dependent var 0.466384 S.E. of regression 0.268880 Akaike info criterion 0.642780 Sum squared resid 11.71207 Schwarz criterion 0.911945 Log likelihood -41.88600 Hannan-Quinn criter. 0.751943 Restr. log likelihood -110.4682 LR statistic 137.1643 Avg. log likelihood -0.236644 Prob(LR statistic) 0.000000
Obs with Dep=0 121 Total obs 177
Obs with Dep=1 56
Bảng 4. Hồi quy mô hình Probit với n = 2 sau khi đã loại biến không có ý nghĩa thống kê
Dependent Variable: YN2
Method: ML - Binary Probit (Quadratic hill climbing) Date: 02/21/17 Time: 10:48
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C 6.823112 1.430866 4.768520 0.0000 DB(-1) 0.195766 0.028024 6.985529 0.0000 LIRSIR(-1) -9.355054 1.351760 -6.920645 0.0000 RDR 0.324803 0.181068 1.793814 0.0728 McFadden R-squared 0.563377 Mean dependent var 0.316384 S.D. dependent var 0.466384 S.E. of regression 0.279701 Akaike info criterion 0.590203 Sum squared resid 13.53423 Schwarz criterion 0.661980 Log likelihood -48.23297 Hannan-Quinn criter. 0.619313 Restr. log likelihood -110.4682 LR statistic 124.4704 Avg. log likelihood -0.272503 Prob(LR statistic) 0.000000
Obs with Dep=0 121 Total obs 177
Bảng 5. Kết quả hồi quy mô hình Logit với n = 3
Dependent Variable: YN3
Method: ML - Binary Logit (Quadratic hill climbing) Date: 02/21/17 Time: 09:18
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 3.656566 5.862747 0.623695 0.5328 DB(-1) 0.599916 0.149979 3.999991 0.0001 DCGDP(-1) -0.094427 0.055370 -1.705388 0.0881 DIRFIR 0.033900 0.023761 1.426702 0.1537 DNH -0.110320 0.056660 -1.947051 0.0515 EM -0.023543 0.023994 -0.981212 0.3265 GDPN -0.001367 0.018712 -0.073064 0.9418 IM -0.011668 0.027498 -0.424340 0.6713 LIRSIR(-1) -13.86223 4.445736 -3.118095 0.0018 M1 -0.051237 0.135925 -0.376951 0.7062 M2 -0.124199 0.062110 -1.999667 0.0455 M2DNH(-1) 0.007288 0.054008 0.134942 0.8927 RDR 0.355091 0.500116 0.710017 0.4777 RER 0.146899 32.43426 0.004529 0.9964 TOT -6.19E-05 0.000693 -0.089348 0.9288
McFadden R-squared 0.707480 Mean dependent var 0.220339 S.D. dependent var 0.415651 S.E. of regression 0.211187 Akaike info criterion 0.478005 Sum squared resid 7.225186
Schwarz criterion 0.747170 Log likelihood -27.30341 Hannan-Quinn criter. 0.587168 Restr. log likelihood -93.33859 LR statistic 132.0704 Avg. log likelihood -0.154257 Prob(LR statistic) 0.000000
Obs with Dep=0 138 Total obs 177
Obs with Dep=1 39
Bảng 6. Hồi quy mô hình Logit với n = 3 sau khi đã loại biến không có ý nghĩa thống kê
Dependent Variable: YN3
Method: ML - Binary Logit (Quadratic hill climbing) Date: 02/21/17 Time: 11:07
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
DB(-1) 0.529848 0.104334 5.078404 0.0000 DCGDP(-1) -0.085148 0.040969 -2.078366 0.0377 DNH -0.125801 0.025169 -4.998311 0.0000 LIRSIR(-1) -9.859074 1.887223 -5.224118 0.0000 M2 -0.144967 0.049917 -2.904144 0.0037
Mean dependent var 0.220339 S.D. dependent var 0.415651 S.E. of regression 0.216116 Akaike info criterion 0.394178 Sum squared resid 8.033437 Schwarz criterion 0.483900 Log likelihood -29.88474 Hannan-Quinn criter. 0.430566 Avg. log likelihood -0.168840
Obs with Dep=0 138 Total obs 177
Bảng 7. Kết quả hồi quy mô hình Probit với n = 3
Dependent Variable: YN3
Method: ML - Binary Probit (Quadratic hill climbing) Date: 02/21/17 Time: 11:15
Sample (adjusted): 2002M01 2016M09 Included observations: 177 after adjustments Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives