CHƯƠNG III : PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Dữ liệu nghiên cứu
3.2.2 VA R Véc tơ tự hồi quy (Vector Auto-regressive):
Phương pháp thứ hai có tên là VAR, véc tơ tự hồi quy (Vector Auto-regressive) được giới thiệu lần đầu tiên vào năm 1980 bởi Chrishtopher H. Sims, người vừa đạt được giải Nobel kinh tế 2011.
3.2.2.1 Mơ hình VAR
Trong mơ hình VAR, một biến khơng những chịu ảnh hưởng từ tác động hiện tại của các biến khác mà còn chịu ảnh hưởng bởi độ trễ của chính nó và độ trễ của các biến khác trong q khứ. Mơ hình VAR về cấu trúc gồm nhiều phương trình (mơ hình hệ phương trình) và có các trễ của các biến số. VAR là mơ hình động của một số biến thời gian. Mơ hình VAR tổng quát đối với hai biến số Y1, Y2 và trễ pbước có dạng sau đây: 𝑌𝑌1𝑡𝑡 = ∝ + � 𝛽𝛽𝑖𝑖𝑌𝑌1𝑡𝑡−𝑖𝑖 + � 𝛾𝛾𝑖𝑖𝑌𝑌2𝑡𝑡−𝑖𝑖+ 𝑈𝑈1𝑡𝑡 𝑝𝑝 1 𝑝𝑝 1 𝑌𝑌2𝑡𝑡 = 𝛿𝛿 + � 𝜕𝜕𝑖𝑖𝑌𝑌1𝑡𝑡−𝑖𝑖+ � 𝜃𝜃𝑖𝑖𝑌𝑌2𝑡𝑡−𝑖𝑖+ 𝑈𝑈2𝑡𝑡 𝑝𝑝 1 𝑝𝑝 1
Với Y1t, Y2t là các chuỗi dừng và là biến nội sinh, U1t và U2t là các nhiễu trắng. Vai trò các biến số Y1t, Y2t hồn tồn tương đương nhau trong mơ hình.
Phân rã Cholesky
Mơ hình VAR dạng cấu trúc được xếp là mơ hình khơng định dạng được. Để xử lý vấn đề này chúng ta đưa ra thêm ràng buộc lên các tham số của mơ hình. Một trong những cách tiếp cận dạng này là phân rã Cholesky. Để minh họa phân rã Cholesky cho mơ hình đơn giản hai biến và một trễ, phân rã này giả sử, chẳng hạn rằng a11=0, nghĩa
là y2 khơng có tác động tức thời lên y1 (tuy nhiên nó vẫn có tác động trong các thời kì
Sắp xếp thứ tự (Cholesky ordering)
- Các biến sắp xếp theo một thứ tự giả định, khi đó biến đứng trước được giả định sẽ gây ra tác động cho những biến ở sau nó, trong khi các biến sau không gây ra tác động tới biến đứng trước nó.
- Với thứ tự sắp xếp khác nhau sẽ cho ra kết quả khác nhau. Do đó thông thường người ta thường vận dụng đến lý thuyết kinh tế để đưa ra các cách sắp xếp lý thuyết phù hợp.
3.2.2.2 Ứng dụng của mơ hình VAR và SVAR
Về bản chất VAR là sự kết hợp của 2 phương pháp: tự hồi quy đơn chiều (univariate autoregression - AR) và hệ phương trình ngẫu nhiên (simultanous equations - SEs). VAR hay ở chỗ có được ưu điểm của AR là dễ ước lượng bằng phương pháp tối thiểu hóa phần dư (OLS) và ưu điểm của SEs là ước lượng nhiều biến trong cùng một hệ thống. Đồng thời khắc phục nhược điểm của SEs là khơng cần lưu tâm đến tính nội sinh của các biến kinh tế. Tức là các biến kinh tế vĩ mơ thường mang tính nội sinh khi chúng tác động qua lại lẫn nhau. Thuộc tính này làm cho phương pháp cổ điển hồi quy bội dùng một phương trình hồi quy nhiều khi bị sai lệch khi ước lượng. Đây là những lý do cơ bản khiến VAR trở nên phổ biến trong nghiên cứu kinh tế vĩ mơ.
Mơ hình Var thường được dùng trong các bài tốn liên quan đến các biến kinh tế vĩ mơ như:
• Dự báo, đặc biệt là dự báo trung hạn và dài hạn.
• Phân tích cơ chế truyền tải sốc, nghĩa là xem xét tác động của một cú sốc trên một biến phụ thuộc lên các biến phụ thuộc khác trong hệ thống qua hàm phản ứng xung (Impulse response)
• Phân tích mức tác động của cú sốc mỗi biến trong việc giải thích biến động của một biến trong mơ hình qua chức năng phân rã phương sai (Variance decomposition)
3.2.2.3 Mơ hình nghiên cứu
Nghiên cứu về mối quan hệ giữa các yếu tố vĩ mô trên thế giới cũng như ở Việt Nam đã có rất nhiều các tác giả đã thực hiện. Vì các yếu tố vĩ mơ thường có mối quan hệ với nhau, khi một yếu tố thay đổi sẽ tác động đến tất cả các yếu tố khác và ngược lại. Do đó, để tránh hiện tượng nội sinh trong mơ hình nghiên cứu cũng như nhằm đảm bảo độ tin cậy của kết quả định lượng hầu hết các nghiên cứu trước đây khi hổi quy trên chuỗi dữ liệu thời gian đều tiếp cận mơ hình VAR/SVAR trong phân tích. Nghiên cứu của Hilde C. Bjornland và Kai Leitemo (2005) trong bài “Identifying the interdependence between US monetary policy and the stock market” sử dụng phương pháp tiếp cận VAR với ràng buộc về trật tự sắp đặt các biến Cholesky để phân tích ảnh hưởng của chính sách tiền tệ đến giá chứng khoán. Nghiên cứu của tác giả Denise R.Osborn, Tugrul Vehbi (2014) trong bài “ Growth in China and the US : Effect on a small commodity exporter economy” sử dụng mơ hình SVAR để phân tích. Tại Việt Nam, dựa trên nghiên cứu của các tác giả Trần Ngọc Thơ và Nguyễn Hữu Tuấn (2013) – “Cơ chế truyền dẫn chính sách tiền tệ ở Việt Nam tiếp cận theo mơ hình SVar”, Dương Ngọc Mai Phương, Vũ Thị Phương Anh, Đỗ Thị Trúc Đào và Nguyễn Hưu Tuấn (2015) – “Tác động chính sách tiền tệ đến thị trường chứng khoán : Bằng chứng tại Việt Nam”. Hơn nữa, dựa trên mơ hình nghiên cứu của H.E. Abouwafia (2015) và cộng sự - “Monetary policy, exchange rates and stock prices in the Middle East region”, tác giả sử dụng mơ hình thực nghiệm trong mơ hình với hệ phương trình ràng buộc như sau:
IPI = C(1)*IPI(-1) + C(2)*PRICE_INDEX(-1) + C(3)*EXCHANGE(-1) + C(4)*STOCK_PRICE(-1) + C(5)*POLICY_RATE(-1) + C(6)
PRICE_INDEX = C(7)*IPI(-1) + C(8)*PRICE_INDEX(-1) + C(9)*EXCHANGE(-1) + C(10)*STOCK_PRICE(-1) + C(11)*POLICY_RATE(-1) +
EXCHANGE = C(13)*IPI(-1) + C(14)*PRICE_INDEX(-1) + C(15)*EXCHANGE(-1) + C(16)*STOCK_PRICE(-1) + C(17)*POLICY_RATE(-1) + C(18)
STOCK_PRICE = C(19)*IPI(-1) + C(20)*PRICE_INDEX(-1) + C(21)*EXCHANGE(-1) + C(22)*STOCK_PRICE(-1) + C(23)*POLICY_RATE(-1) + C(24)
POLICY_RATE = C(25)*IPI(-1) + C(26)*PRICE_INDEX(-1) + C(27)*EXCHANGE(-1) + C(28)*STOCK_PRICE(-1) + C(29)*POLICY_RATE(-1) + C(30)
Các biến được đưa vào mơ hình với thứ tự sắp xếp như bên trên. Việc sử dụng một tiến trình được lặp đi lặp lại để nhận diện ra những cú sốc tác động đồng thời đến những biến tương ứng và những biến xếp sau đó, nhưng lại khơng gây tác động đến những biến đứng trước. Điều nay đồng nghĩa với ta đưa ra những giả định như sau:
Với thứ tự IPI, PRICE_INDEX, EXCHANGE, STOCK_PRICE, POLICY_RATE,
các yếu tố đặt trước tác động lên các yếu tố đặt sau và khơng có chiều ngược lại. Giả định này nhằm tránh hiện tượng nội sinh trong mơ hình. Hiện tượng nội sinh đặc biệt nghiêm trọng trong nghiên cứu định lượng, ảnh hưởng tới cả tính vững và tính hiệu quả của ước lượng đối với mơ hình VAR và SVAR.
Thêm nữa, thứ tự các biến và giả định mơ hình SVAR đệ quy dựa trên nghiên cứu của Bjørnland (2009), Bjørnland và Leitemo(2009) cho rằng chính sách lãi suất tiền tệ khơng tác động lên tỷ giá và giá chứng khốn trong dài hạn.
Do đó bài nghiên cứu sử dụng mơ hình SVAR đệ quy với ràng buộc ma trận như sau:
A = IPI 1 0 0 0 0 PRICE_INDEX C(1) 1 0 0 0 EXCHANGE C(2) C(5) 1 0 0 STOCK_PRICE C(3) C(6) C(8) 1 0 POLICY_RATE C(4) C(7) C(9) C(10) 1 2.2.4 Các bước thực hiện
Chuỗi dữ liệu đưa vào mơ hình, được thực hiện tuần tự như sau với cơng cụ Eview:
• Thực hiện kiểm định tính dừng của chuỗi thời gian của các biến đưa vào, do điều kiện bắt buộc của mơ hình VAR là chuỗi dữ liệu phải dừng.
• Tìm độ trễ tối ưu cho mơ hình VAR với các biến đã đưa vào bằng công cụ VAR Lag Other Selection Criteria trong Eview.
• Kiểm tra độ ổn định của mơ hình VAR với giả thuyết nhiễu của sai số trong các phương trình VAR dừng.
• Phân tích hàm phản ứng đẩy với phân rã Cholesky để xác định sự phản ứng của các yếu tố trước các cú sốc có thể xảy ra.
• Dùng chức năng phân rã phương sai (Variance decomposition) phân tích tầm quan trọng của mỗi biến trong việc giải thích những thay đổi của các biến khác.
y a y a y a y a y a a y = + + +...+ + + +ε