4.1. Nguồn dữ liệu
4.1.2. Biến động tỷ giá hối đoái danh nghĩa
Về cách đo lường biến động tỷ giá hối đoái, tỷ giá hối đoái được sử dụng trong nghiên cứu là tỷ giá hối đoái danh nghĩa của đồng Việt Nam so với đồng USD trên thị trường tự do. Như đã trình bày ở trên, ở Việt Nam tồn tại thị trường phi chính thức cho ngoại tệ. Nếu như tỷ giá chính thức USD/VND bị ràng buộc bởi biên độ giao dịch cho phép xoay quanh tỷ giá bình quân liên ngân hàng thì tỷ giá USD/VND ở thị trường tự do không bị ràng buộc và sẽ phản ứng theo đúng các điều kiện cung cầu của thị trường ngoại tệ cũng như các yếu tố kinh tế vĩ mô thực tại. Sự khan hiếm thực sự của USD ở Việt Nam có thể dễ dàng được đánh giá bằng cách nhìn vào tỷ giá hối đối trên thị trường tự do hơn là so với tỷ giá chính thức được điều chỉnh theo mong muốn của chính phủ. Nghiên cứu của Yinusa (2008) cũng sử dụng tỷ giá hối đoái ở thị trường tự do ở Nigeria khi đo lường biến động tỷ giá hối đoái.
Theo Abdalla (2012), biến động tỷ giá hối đoái (Exchange rate volatility) là thước đo sự dao động của tỷ giá hối đoái và cũng đồng thời là thước đo rủi ro. Biến động có thể được tính theo ngày, tháng, quý hay năm. Căn cứ trên giả định là thay
đổi của tỷ giá hối đoái tuân theo quy luật phân phối chuẩn, biến động tỷ giá tạo ra ý tưởng tỷ giá có thể thay đổi bao nhiêu trong một giai đoạn. Giống như các tài sản tài chính khác, biến động tỷ giá hối đối thường tính bằng độ lệch chuẩn thay đổi của tỷ giá. Nó là biến khơng thể quan sát và do đó cách tính là vấn đề mang tính tranh cãi. Các nghiên cứu gần đây ngày càng chấp nhận các Mơ hình phương sai sai số thay đổi tự hồi quy tổng quát – GARCH (Generalized autoregressive conditional heteroscedasticity) trong việc đo lường biến động tỷ giá hối đối (Abdalla, 2012).
Theo Abdalla (2012), hai cách tính biến động thơng dụng trong tài chính là theo biến động lịch sử và hàm ý. Biến động theo lịch sử tính từ giá trị trong quá khứ của tỷ giá. Từ chuỗi giá trị trong quá khứ, ta có thể tính độ lệch chuẩn của thay đổi giá và sau đó là biến động hàng năm của tỷ giá. Biến động theo lịch sử cung cấp đánh giá tốt cho các thay đổi cố thể trong tương lai khi các thị trường tài chính hay các nền kinh tế không trải qua các thay đổi cấu trúc. Biến động hàm ý là cách đo lường biến động tính bằng cách ước lượng các nhân tố tham gia thị trường có thể xảy ra trong tương lai. Chính xác hơn thì biến động hàm ý ước lượng từ giá niêm yết của một quyền chọn tiền tệ khi các giá trị của tất cả các yếu tố quyết định của giá của một quyền chọn đã được biết. Căn cứ để ước lượng này là mơ hình định giá quyền chọn Black Scholes, theo đó giá của một quyền chọn được xác định theo các yếu tố sau đây: mức giá hiện tại của tài sản (tỷ giá hối đoái hoặc một cổ phiếu hay một loại hàng hóa), giá thực tại đó các tùy chọn có thể được thực hiện, thời gian còn lại của kỳ hạn của quyền tùy chọn, lãi suất phi rủi ro, và sự biến động của tài sản (hoặc tỷ giá hối đoái).
Biến động tỷ giá hối đoái giống như biến động của các tài sản tài chính khác, thay đổi phản ứng theo thông tin. Các nhà giao dịch tiền tệ nhạy cảm với thơng tin có thể ảnh hưởng đến giá trị của đồng tiền so với cái khác. Thông tin quan trọng nhất là tình hình kinh tế vĩ mơ của hai nước đứng sau hai đồng tiền giao dịch. Các thay đổi trong mức độ không chắc chắn về tương lai kinh tế sẽ làm cho các nhà giao dịch trở nên lo lắng và ít sẵn sàng hơn trong việc nắm giữ một loại tiền cụ thể. Sự không chắc chắn về tương lai là lý do quan trọng nhất cho sự thay đổi trong sự biến
động của các thị trường ngoại hối. Thay đổi về tỷ lệ những nhà phòng ngừa rủi ro so với những nhà đầu cơ cũng có thể thay đổi sự biến động của đồng tiền. Ngân hàng trung ương các nước cũng có thể ảnh hưởng đến sự biến động của đồng tiền của mình với thơng báo của họ về ý định can thiệp hoặc các hành vi khác trên các thị trường giao dịch đồng tiền của họ. Thơng thường thì các ngân hàng trung ương có thể ảnh hưởng đến giá trị đồng tiền của họ lớn nhất trong ngắn hạn và họ chắc chắn có thể gây ra một sự thay đổi trong biến động.
Mơ hình phương sai sai số thay đổi tự hồi quy tổng quát - GARCH (Generalised Autoregressive Conditional Heteroskedasticity):
Mơ hình phương sai sai số thay đổi tự hồi quy tổng quát - GARCH được giới thiệu bởi Bollerslev vào năm 1986, là mơ hình tổng quát hóa cao hơn mơ hình ARCH. Mơ hình này được sử dụng rộng rãi trong các mơ hình tốn kinh tế, đặc biệt là trong phân tích chuỗi thờigian tài chính.
Theo Nguyễn Trọng Hoài và các cộng sự (2009), thì tổng qt mơ hình GARCH(p,q) có dạng: 𝑌t = 𝛽1 + 𝛽2+ 𝑢t (1) ut ~ N(0, ht) ℎ𝑡 = 𝛾0 + ∑ 𝛿𝑖ℎ𝑡−𝑖 + ∑𝑞 𝛾𝑗𝑢𝑡−𝑗2 𝑗=1 𝑝 𝑖=1 (2)
Phương trình (1) nói lên rằng phương sai ht bây giờ phụ thuộc vào các giá trị quá khứ của những cú sốc, đại diện bởi các biến trễ của hạng nhiễu bình phương, và các giá trị quá khứ của bản thân ht, đại diện bởi các biến ht-i. Nếu p=0, có nghĩa là bậc của AR bằng 0 thì mơ hình GARCH(0,q) đơn giản là mơ hình ARCH(q).
Phương pháp thông dụng để ước lượng mơ hình GARCH(p,q) là phương pháp ước lượng hợp lý tối đa (Maximum Likelihood Estimation- MLE).
Dạng đơn giản nhất của mơ hình GARCH(p,q) là mơ hình GARCH(1,1). Phương trình phương sai của mơ hình GARCH(1,1) được thể hiện như sau:
ht = γ0 + δ1ht−1+ γ1ut−12 (3)
Mơ hình GARCH(1,1) là một cách biểu diễn thu gọn của mơ hình ARCH (q), với q kéo dài vơ tận, qua một vài biến đổi.
Phương trình (3) có thể được viết lại như sau:
ht = γ0 + δht−1 + γ1ut−12 = γ0 + δ(γ0 + δht−2 + γ1ut−22 ) + γ1ut−12 ) = γ0 + γ1ut−12 + δγ0 + δ2ht−2+ δγ1ut−22 = γ0 + γ1ut−12 + δγ0 + δ2(γ0 + δht−3 + γ1ut−32 ) + δγ1ut−22 = γ0 + γ1ut−12 + δγ0 + δ2γ0+δ3ht−3+ δ2γ1ut−32 + δγ1ut−22 … = γ0 + δγ0 + δ2γ0 + ⋯ + γ1ut−12 + δγ1ut−22 + δ2γ1ut−32 + ⋯ Đặt A =γ0 + δγ0 + δ2γ0 + ⋯ + δ∞γ0
Nếu nhân hai vế của phương trình cho 𝛿 ta sẽ có:
δA =𝛿γ0 + δ2γ0 + δ3γ0 + ⋯ + δ∞γ0
A = γ0 1 − 𝛿
Thế công thức vào phương trình ta sẽ có:
ht = γ0
1 − 𝛿+ γ1(ut−12 + ut−22 + ut−32 + ⋯ )
ht = γ0
1−𝛿 + γ1∑∞ δj−1
j=1 ut−j2 (4)
Phương trình (4) cho thấy mơ hình GARCH(1,1) tương đương với mơ hình ARCH bậc vơ cùng với các hệ số có xu hướng giảm dần. Vì lý do này với mơ hình GARCH(1,1) có ít hệ số cần ước lượng hơn và vì thế sẽ giúp hạn chế khả năng mất đi một số bậc tự do trong mơ hình.
Ngồi ra, mặc dù đã có nhiều mơ hình GARCH được xây dựng lên để đo lường biến động, tuy nhiên nhiều nghiên cứu thực nghiệm cho thấy rằng các mơ hình GARCH được cho tốt nhất khơng đưa ra kết quả dự báo tốt hơn mơ hình cơ bản GARCH(1,1) (Hansen và Lunde, 2001; Abdalla, 2012).
Do đó trong phạm vi nghiên cứu này, tơi sử dụng mơ hình GARCH(1,1) để đo lường biến động tỷ giá hối đoái (NERV – Nominal Exchange Rate Volatility). Kết quả chuỗi biến động tỷ giá hối đoái NERV được cung cấp tại Phụ lục.
4.2. Mơ hình nghiên cứu.
4.2.1. Mơ hình Véc tơ tự hồi quy (VAR)
Theo Phạm Trí Cao (2007), trong các mơ hình nhiều phương trình, một số biến được coi là nội sinh và một số biến được coi là ngoại sinh hay đã xác định trước (ngoại sinh cộng với nội sinh trễ). Trước khi ước lượng các mơ hình này phải
đảm bảo các phương trình trong hệ được định dạng. Việc định dạng này thường được thực hiện bằng cách giả thiết rằng một số biến được xác định trước chỉ có mặt trong một số phương trình. Quyết định này thường mang tính chủ quan và đã bị nghiên cứu của Christopher Sims (1980) chỉ trích. Theo Sims, nếu tồn tại mối quan hệ đồng thời giữa một số biến thì các biến này phải được xét có vai trị như nhau, khơng có sự phân biệt biến nội sinh và ngoại sinh. Tất cả các biến đều là nội sinh. Dựa trên tinh thần đó, mơ hình véc tơ tự hồi quy (VAR) do Christopher Sims đề xuất và xây dựng năm 1980. Mơ hình VAR gồm về cấu trúc gồm nhiều phương trình (mơ hình hệ phương trình) và có các trễ của biến số. VAR là mơ hình động của một số biến thời gian.
Mơ hình VAR tổng qt đối với Y1 và Y2 là hai chuỗi thời gian có dạng sau đây: 𝑌1𝑡 = 𝛼 + ∑ 𝛽𝜌 𝑖 1 𝑌1𝑡−𝑖 + ∑ 𝛾𝜌 𝑖 1 𝑌2𝑡−𝑖 + 𝑈1𝑡 𝑌2𝑡 = 𝛿 + ∑ 𝜕𝜌 𝑖 1 𝑌1𝑡−𝑖 + ∑ 𝜃𝜌 𝑖 1 𝑌2𝑡−𝑖 + 𝑈2𝑡
Trong mơ hình trên, mỗi phương trình đều chứa trễ của mỗi biến. Với hai biến mơ hình có 22p hệ số góc và 2 hệ số chặn. Vậy trong trường hợp tổng quát nếu mơ hình có k biến thì sẽ có k2p hệ số góc và k hệ số chặn, khi k càng lớn thì số hệ số phải ước lượng càng tăng.
Theo Phạm Trí Cao (2007), phương pháp VAR ước lượng mơ hình như sau:
- Mơ hình VAR là một hệ phương trình đồng thời, trong đó tất cả các biến đều là nội sinh.
- Nếu các phương trình đều chứa cùng một số biến, tức là độ dài trễ của các biến trong các phương trình đều giống nhau, thì dùng phương pháp OLS để ước lượng, không cần dùng tới các phương pháp ước lượng hệ phương trình.
4.2.2. Kiểm định quan hệ nhân quả (Granger Causality Test).
Trọng tâm chính của nghiên cứu này là việc xác định mối quan hệ nhân quả giữa biến động tỷ giá hối đối và đơ la hóa. Do đó, cặp kiểm định quan hệ nhân quả Granger giữa biến động tỷ giá hối đối (NERV) và chỉ số đơ la hóa (DI) được ước lượng thông qua kỹ thuật véc tơ tự hồi quy (mơ hình VAR). Phương pháp Granger (1969) giải quyết vấn đề liệu x có tác động gây ra y để biết bao nhiêu giá trị y hiện tại có thể được giải thích bởi giá trị quá khứ của y và sau đó xem liệu thêm giá trị độ trễ của x có cải thiện giải thích. y được cho là được gây ra (Granger-caused) bởi x nếu x giúp dự đoán y, hoặc tương đương nếu các hệ số độ trễ x có ý nghĩa thống kê. Chú ý rằng quan hệ nhân quả 2 chiều là trường hợp thông thường, x gây ra y và y gây ra x.
Cần lưu ý rằng mệnh đề "x gây ra y" không hàm ý y là kết quả của x. Quan hệ nhân quả Granger định lượng sự ưu tiên và nội dung thông tin chứ không tự chỉ ra quan hệ nhân quả theo nghĩa thông thường của thuật ngữ này. Từ định nghĩa trên, dẫn đến lựa chọn độ trễ tối ưu của các biến quan tâm được đưa vào mơ hình đóng một vai trị then chốt trong việc xác định quan hệ nhân quả Granger phù hợp. Thật vậy, lựa chọn độ trễ sai có thể gây ra từ chối hay chấp nhận sai khơng có quan hệ nhân quả. Do đó, tốt hơn là sử dụng trễ lớn hơn thay vì trễ ít hơn, trong việc thực hiện kiểm định quan hệ nhân quả Granger, vì lý thuyết được diễn đạt với sự xác đáng của tất cả các thơng tin trong q khứ. Do đó, nghiên cứu lựa chọn độ trễ tối ưu được đề xuất bởi các tiêu chuẩn Akaike Information Criteria (AIC) và Schwarz Information Criterion (SIC). Đây là một lựa chọn hợp lý khi xác suất của việc chấp nhận hay từ chối sai giả thuyết khơng của khơng có quan hệ nhân quả (no-causality) sẽ giảm đáng kể (Hamilton, 1994; Lutkepohl, 1993). Điều này tương ứng với sự tin
tưởng hợp lý về mức thời gian dài nhất mà một trong các biến có thể giúp dự đốn cái khác.
Với VAR 2 biến mô tả x và y, y không gây ra (Granger-cause) x nếu các ma trận hệ số ∅j có dạng tam giác dưới với tất cả j:
[𝑥𝑦𝑡 𝑡] = [𝑐𝑐1 2] + (∅111 0 ∅121 ∅221 ) [𝑥𝑦𝑡−1 𝑡−1] + (∅112 0 ∅212 ∅222 ) [𝑥𝑦𝑡−2 𝑡−2] + ⋯ + (∅11 𝜌 0 ∅21𝜌 ∅22𝜌 ) [ 𝑥𝑡−𝜌 𝑦𝑡−𝜌] + [𝜀𝜀1𝑡2𝑡] (5)
Từ hàng đầu tiên, dự báo một kỳ trước tối ưu của x không phụ thuộc vào giá trị trễ của y nhưng vào các giá trị trễ của chính nó:
𝐸(𝑥𝑡+1|𝑥𝑡, 𝑥𝑡−1, … , 𝑦𝑡, 𝑦𝑡−1, …) = 𝑐1 + ∅111 𝑥𝑡 + ∅112 𝑥𝑡−1+ ⋯ +∅11𝜌 𝑥𝑡−𝜌+1 (6)
Để thực hiện kiệm định này, sử dụng độ trễ tự hồi quy tối ưu ρ được đề xuất bởi các tiêu chuẩn thơng tin khác nhau và phương trình (7) được ước lượng:
𝑍𝑡 = (𝐷𝐼𝑡, 𝑁𝐸𝑅𝑉𝑡)𝑡 (7)
theo mơ hình VAR. Zt là véc tơ cột của các biến. Chi tiết hơn:
+𝛽1𝑁𝐸𝑅𝑉𝑡−1 + 𝛽2𝑁𝐸𝑅𝑉𝑡−2 + ⋯ + 𝛽𝜌𝑁𝐸𝑅𝑉𝑡−𝜌 (8)
𝑁𝐸𝑅𝑉𝑡 = 𝑐2 + 𝛼1𝑁𝐸𝑅𝑉𝑡−1 + 𝛼2𝑁𝐸𝑅𝑉𝑡−1+ ⋯ + 𝛼𝜌𝑁𝐸𝑅𝑉𝑡−𝜌
+𝛽1𝐷𝐼𝑡−1 + 𝛽2𝐷𝐼𝑡−2 + ⋯ + 𝛽𝜌𝐷𝐼𝑡−𝜌 (9)
cho tất cả các cặp có thể của DIt và NERVt và ρ là độ trễ tối ưu chấp thuận trong nghiên cứu này. Các thống kê F được báo cáo là thống kê Wald cho giả thuyết chung: 𝛽1 =𝛽2 = ⋯ = 𝛽𝑝 = 0 cho từng phương trình. Do đó, giả thuyết khơng
là NERVt khơng gây ra DIt ở phương trình (8) và DIt khơng gây ra NERVt ở phương trình (9). Giả thuyết khơng là NERVt (DIt) không gây ra DIt (NERVt) bị từ chối nếu các hệ số βi là cùng khác khơng có ý nghĩa. Quan hệ nhân quả hai chiều (hoặc phản hồi) tồn tại nếu các hệ số βi là cùng khác không trong cả hai phương trình.