CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Lựa chọn mơ hình
4.2.1 Kiểm định tính dừng của các chuỗi số liệu
Để xét tính dừng của các biến đầu vào, tác giả tiến hành kiểm định nghiệm đơn vị (unit root test) của các chuỗi số liệu thông qua kiểm định Augmented Dickey – Fuller (ADF). Kết quả tổng hợp ở bảng 4.2 cho thấy ở mức ý nghĩa 5%, biến
pcprod và lnrsr dừng ở chuỗi gốc, lnrea và lnpo dừng ở sai phân bậc 1. (xem phụ lục 1 cho những kiểm định chi tiết).
Bảng 4.2 Kết quả kiểm định nghiệm đơn vị của các biến trong mơ hình
Biến Các giá trị tới hạn
Giá trị của thống kê kiểm định Quy tắc ra quyết định 1% 5% 10% PCPROD -3.48559 -2.88565 -2.57971 -11.8929 Thừa nhận Ho LNREA -3.48559 -2.88565 -2.57971 -2.20899 Bác bỏ Ho DLNREA -2.58505 -1.94361 -1.6149 -7.57489 Thừa nhận Ho LNPO -3.48606 -2.88586 -2.57982 -2.50696 Bác bỏ Ho DLNPO -2.58454 -1.94354 -1.61494 -6.29407 Thừa nhận Ho LNRSR -3.48559 -2.88565 -2.57971 -8.12899 Thừa nhận Ho
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Các nghiên cứu kinh tế lượng chỉ ra rằng hầu hết các biến chuỗi thời gian kinh tế vĩ mơ là khơng có tính dừng, nếu sử dụng các biến khơng có tính dừng sẽ dẫn đến sự hồi quy giả. Việc giải quyết tính khơng dừng bằng cách lấy sai phân bậc 1 có thể đánh mất mối quan hệ dài hạn giữa các biến trong mơ hình. Việc hồi quy chuỗi thời gian không dừng này với một chuỗi thời gian khơng dừng khác có thể cho kết quả “khơng xác thực” với mức ý nghĩa cao bất ngờ do tính xu hướng ngẫu nhiên của mỗi biến riêng lẻ chưa bị loại bỏ. Điều này có thể được khắc phục nếu được sử dụng mơ hình VEC bởi ưu điểm của VECM là cho phép đo lường hiện tượng đồng
liên kết giữa nhiều biến trong mơ hình.1 Mơ hình Vectơ hiệu chỉnh sai số (Vetor ECM) được dùng để nghiên cứu về sự tồn tại của cân bằng dài hạn. Tuy nhiên, với mục đích nghiên cứu tác động của các cú sốc trong thị trường dầu thơ lên thị trường chứng khốn trong ngắn hạn, tác giả tin rằng phương pháp SVAR vốn đã được sử dụng nhiều trong các nghiên cứu thực nghiệm trên thế giới sẽ vẫn cho kết quả đáng tin cậy tại Việt Nam.
Như vậy, biến lnrea và lnpo sẽ được sử dụng dưới dạng sai phân bậc nhất và được viết dưới dạng ký hiệu sau DLNREA và DLNPO.
4.2.2 Chọn độ trễ tối ƣu
Có nhiều phương pháp nhằm chọn độ trễ cho mơ hình VAR. Luận văn trình bày phương pháp VAR lag Order Selection Criteria nhằm tìm độ trễ thích hợp cho mơ hình. Kết quả được trình bày trong bảng 4.3. Tác giả dựa vào các tiêu chí LogL, AIC, SC, HQ, LR, FPE để chọn độ trễ tối ưu cho mơ hình. Ta có thể chọn độ trễ theo một hay nhiều tiêu chí chọn độ trễ trên; hoặc có thể chọn độ trễ mà có nhiều tiêu chí chọn nhất.
Với cấu trúc dữ liệu theo tháng, kết quả cho thấy độ trễ 1 có nhiều ý nghĩa hơn cả. Tuy nhiên với độ trễ chỉ 1 tháng, tác giả cho rằng dường như là q ít để có thể loại bỏ các phần dư tương quan. Các nghiên cứu thực nghiệm đã được trình bày trong phần tổng quan các nghiên cứu trên đây cũng cho thấy độ trễ 3, 4 thường được chọn để áp dụng mơ hình VAR, SVAR khi nghiên cứu tác động của giá dầu lên thị trường chứng khoán cũng như tác động cấu trúc của các cú sốc trong thị trường dầu mỏ lên thị trường chứng khốn. Do đó, trong khn khổ luận văn này, tác giả chọn cả hai độ trễ 1 và 4, sau đó tiến hành kiểm định về tính ổn định của mơ hình để chọn ra mơ hình thích hợp.
1 Đồng liên kết là khái niệm cơ bản của kinh tế lượng hiện đại, là một khái niệm cơ bản của kinh tế học và
mơ hình hóa tài chính, phân tích chuỗi. Theo nghiên cứu nổi tiếng của Engle và Granger (1986), khi xét mơ hình có nhiều biến số theo chuỗi thời gian, cũng có nhiều trường hợp, mặc dù các biến số là không dừng, nhưng khi thực hiện phép hồi quy hay tổ hợp tuyến tính của các biến này vẫn cho nhiễu trắng (được một chuỗi dừng). Trong trường hợp này, mơ hình vẫn có thể ước lượng được mà khơng bị hiện tượng hồi quy giả mạo và mối quan hệ giữa các biến được gọi là quan hệ đồng liên kết (Cointegrating relationships).
Bảng 4.3 Kết quả lựa chọn độ trễ cho mơ hình
Lag LogL LR FPE AIC SC HQ
0 -408.1930 NA 0.024275 7.633204 7.732543* 7.673483 1 -382.9942 48.06450 0.020478* 7.462855* 7.959546 7.664245* 2 -371.0017 21.98616 0.022084 7.537069 8.431113 7.899571 3 -361.9351 15.95048 0.025189 7.665466 8.956862 8.189080 4 -341.2633 34.83590* 0.023237 7.578950 9.267699 8.263676 5 -334.0354 11.64496 0.027597 7.741396 9.827498 8.587235 6 -318.9649 23.16394 0.028475 7.758609 10.24206 8.765559 7 -311.8136 10.46205 0.034216 7.922474 10.80328 9.090537 8 -299.8251 16.65066 0.037851 7.996761 11.27492 9.325936 9 -293.4416 8.393117 0.046832 8.174845 11.85036 9.665132 10 -278.8361 18.12164 0.050244 8.200669 12.27353 9.852068 11 -262.0070 19.63396 0.052323 8.185315 12.65553 9.997826 12 -253.1549 9.671729 0.064016 8.317684 13.18526 10.29131
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
4.2.3 VAR rút gọn và kiểm tra tính vững chắc của mơ hình, lựa chọn mơ hình thích hợp hình thích hợp
Sau khi ước lượng mơ hình VAR, tác giả kiểm định tính ổn định của mơ hình. Kiểm định này là xem xét nghiệm của đa thức đặc trưng có nằm trong vòng tròn đơn vị khơng. Tiếp theo, tác giả xem mơ hình có thỏa mãn giả thiết về tính khơng tự tương quan của phần dư hay không bằng kiểm định Portmanteau. Kết quả của kiểm định Portmanteau dựa trên thống kê Q cho các bước trễ khác nhau. Tác giả cũng tiến hành kiểm định LM để xem phần dư có tương quan chuỗi tại độ trễ hay không.
Sau khi đã hồi quy và kiểm định sự vững chắc của mơ hình, dựa vào bảng 4.4 tổng hợp so sánh kết quả kiểm định hai mơ hình có độ trễ 1 và 4, tác giả chọn độ mơ hình có độ trễ 4.
Bảng 4.4 So sánh kết quả kiểm định mơ hình
Mơ hình có độ trễ 1 Mơ hình có độ trễ 4 Giá trị của hàm hợp lý log-
likelihood (L) -412.3370 -361.1033
Tiêu chuẩn thông tin Akaike (AIC) 7.266168 7.398333
Tiêu chuẩn thông tin Schwarz (SC) 7.733247 9.012507
Kiểm định sự ổn định của mơ hình ổn định ổn định
Kiểm định Portmantaeu
có hiện tƣợng tƣơng quan
ở phần dƣ
khơng có hiện tượng tương quan
ở phần dư
Kiểm định LM
phần dư khơng có tương quan chuỗi tại
độ trễ 1
phần dư khơng có tương quan chuỗi tại
độ trễ 4
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Sau đây là các kết quả ước lượng VAR rút gọn và kiểm tra tính vững chắc của mơ hình có độ trễ 4. (xem phụ lục 4 cho những phân tích chi tiết)
Kết quả ƣớc lƣợng mơ hình VAR
Bảng 4.5 Kết quả ƣớc lƣợng VAR rút gọn cho mơ hình có độ trễ 4
Estimation Proc:
===============================
LS 1 4 PCPROD DLNREA DLNPO LNRSR @ C
VAR Model:
===============================
LNRSR = C(4,1)*PCPROD(-1) + C(4,2)*PCPROD(-2) +
C(4,3)*PCPROD(-3) + C(4,4)*PCPROD(-4) + C(4,5)*DLNREA(-1) + C(4,6)*DLNREA(-2) + C(4,7)*DLNREA(-3) + C(4,8)*DLNREA(-4) + C(4,9)*DLNPO(-1) + C(4,10)*DLNPO(-2) + C(4,11)*DLNPO(-3) + C(4,12)*DLNPO(-4) + C(4,13)*LNRSR(-1) + C(4,14)*LNRSR(-2) + C(4,15)*LNRSR(-3) + C(4,16)*LNRSR(-4) + C(4,17)
VAR Model - Substituted Coefficients: =============================== LNRSR = 0.451557599982*PCPROD(-1) + 0.0385919265076*PCPROD(- 2) - 0.545268183323*PCPROD(-3) - 0.291849377078*PCPROD(-4) + 0.0238210069737*DLNREA(-1) - 0.0890303635554*DLNREA(-2) + 0.0489812040095*DLNREA(-3) + 0.308312750555*DLNREA(-4) - 1.03601232025*DLNPO(-1) + 6.44322149337*DLNPO(-2) - 0.346475301175*DLNPO(-3) - 5.93309045705*DLNPO(-4) + 0.280586676788*LNRSR(-1) + 0.0325463086799*LNRSR(-2) - 0.166967257033*LNRSR(-3) + 0.0507073261432*LNRSR(-4) + 0.0794923621774
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Kiểm định sự ổn định của mơ hình
Về ngun tắc, một mơ hình VAR nếu muốn phân tích hàm phản ứng xung và phân rã phương sai thì cần phải đạt tính ổn định. Một mơ hình được gọi là ổn định khi nó tạo ra các giá trị biến dao động xung quanh giá trị trung bình và phương sai khơng đổi theo thời gian. Trên phần mềm Eviews 6, kết quả kiểm định tính ổn định của mơ hình được thể hiện dưới dạng bảng hoặc biểu đồ có số dấu chấm bằng số biến nhân với số độ trễ. Hình 4.1 với kết quả được thể hiện dưới dạng biểu đồ, cho thấy các điểm đều nằm trong đường tròn đơn vị, như vậy hệ là ổn định nên mơ hình VAR có thể chấp nhận được. -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Hình 4.1 Kiểm định tính ổn định của mơ hình
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả t hu thập được
Kiểm định Portmantaeu
Trong bảng 4.6, hệ số p-value của kiểm định Portmantaue cho thấy rằng không thể bác bỏ giả thiết H0, vậy nên khơng có hiện tượng tương quan ở phần dư.
Bảng 4.6 Kiểm định tính tự tƣơng quan của phần dƣ
VAR Residual Portmanteau Tests for Autocorrelations Null Hypothesis: no residual autocorrelations up to lag h
Lags Q-Stat Prob. Adj Q-Stat Prob. df
1 1.196917 NA* 1.207325 NA* NA*
2 2.890005 NA* 2.930117 NA* NA*
3 4.702498 NA* 4.790728 NA* NA*
4 9.780475 NA* 10.05006 NA* NA*
5 16.97635 0.3871 17.57007 0.3497 16 6 40.32175 0.1484 42.18886 0.1074 32 7 49.91400 0.3972 52.39712 0.3074 48 8 69.07003 0.3102 72.97212 0.2070 64 9 81.88227 0.4206 86.86203 0.2809 80 10 96.38320 0.4698 102.7310 0.3006 96 11 117.9687 0.3313 126.5778 0.1638 112 12 128.6851 0.4664 138.5308 0.2475 128
*The test is valid only for lags larger than the VAR lag order. df is degrees of freedom for (approximate) chi-square distribution
Nguồn: Kết quả phâ n tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Kiểm định LM
Nhìn vào kết quả ở bảng 4.7 có thể thấy được p-value của kiểm định LM test lớn hơn 1%, cho nên không thể bác bỏ Ho hay phần dư khơng có tương quan chuỗi tại độ trễ 4.
Bảng 4.7 Kiểm định tƣơng quan chuỗi tại độ trễ của phần dƣ
VAR Residual Serial Correlation LM Tests Null Hypothesis: no serial correlation at lag order h
Lags LM-Stat Prob
1 14.21158 0.5830 2 16.39357 0.4258 3 10.65333 0.8304 4 18.64870 0.2873 5 8.197236 0.9428 6 26.10538 0.0526 7 10.18251 0.8569 8 23.16668 0.1094 9 13.98055 0.6002 10 16.68415 0.4063 11 25.47744 0.0618 12 10.63657 0.8313
Probs from chi-square with 16 df.
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣ u mẫu tác giả thu thập được
4.3 Ƣớc lƣợng mô hình SVAR Kết quả ƣớc lƣợng SVAR
Các kiểm định về sự phù hợp của mơ hình có độ trễ 4 đều thỏa mãn các điều kiện của kinh tế lượng. Do đó tác giả tiến hành ước lượng SVAR đối với mơ hình có độ trễ 4. Các giá trị tham số trong ma trận A tương ứng với hệ thống SVAR được trình bày trong bảng 4.8. Tác giả cũng xem xét lại kết quả ước lượng VAR rút gọn cho mơ hình có độ trễ 4 (bảng 4.5).
Mặc dù một số tham số tìm được khơng như kỳ vọng hoặc chưa phù hợp với lý thuyết. Điều này có thể do cơ chế của nền kinh tế đang phát triển như Việt Nam nên một số quy luật kinh tế được tìm thấy chưa thể giải thích hết.
Hàm phản ứng đẩy (IRF) và phân rã phƣơng sai
Hàm phản ứng đẩy và phân rã phương sai là những cách tiếp cận bổ sung nhau để phân tích cấu trúc mơ hình VAR (hiển nhiên SVAR cũng vậy). Hàm phản ứng đẩy IRF xem xét tác động của một cú sốc riêng rẽ đến các biến nội sinh khác như thế nào. Tác giả phân tích hàm phản ứng đẩy và phân rã phương sai với quy ước:
• Shock 1: Cú sốc cung dầu • Shock 2: Cú sốc tổng cầu • Shock 3: Cú sốc cầu dự phịng • Shock 4: Các cú sốc khác
Kết quả hàm phản ứng đẩy và phân rã phương sai được trình bày rõ trong phụ lục 6. Trong phần tiếp theo, tác giả sử dụng hàm phản ứng đẩy và phân rã phương sai nhằm đánh giá mức độ ảnh hưởng của các cú sốc dầu mỏ đến sự biến thiên của lợi nhuận thực thị trường chứng khoán Việt Nam.
Bảng 4.8 Kết quả ƣớc lƣợng ma trận tham số
Nguồn: Kết quả phân tích trê n phần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Structural VAR Estimates
Estimation method: method of scoring (analytic derivatives) Convergence achieved after 11 iterations
Structural VAR is just-identified Model: Ae = Bu where E[uu']=I
Restriction Type: short-run pattern matrix
Coefficient Std. Error z-Statistic Prob.
0.162371 0.183491 0.884896 0.3762 -0.002517 0.012731 -0.197690 0.8433 0.255405 0.273683 0.933214 0.3507 -0.010194 0.006420 -1.587801 0.1123 0.025822 0.139489 0.185119 0.8531 1.161249 1.995726 0.581868 0.5607 0.604379 0.039679 15.23155 0.0000 1.194410 0.078417 15.23155 0.0000 0.082589 0.005422 15.23155 0.0000 1.775222 0.116549 15.23155 0.0000 Log likelihood -397.8684 Estimated A matrix: 1.000000 0.000000 0.000000 0.000000 0.162371 1.000000 0.000000 0.000000 -0.002517 -0.010194 1.000000 0.000000 0.255405 0.025822 1.161249 1.000000 Estimated B matrix: 0.604379 0.000000 0.000000 0.000000 0.000000 1.194410 0.000000 0.000000 0.000000 0.000000 0.082589 0.000000 0.000000 0.000000 0.000000 1.775222
4.4 Một số kết quả khi phân tích xung động phản hồi và phân rã phƣơng sai của mơ hình SVAR
4.4.1 Tác động của các cú sốc cầu và sốc cung dầu lên giá dầu thô
Về mặt lý thuyết, giá dầu là sản phẩm của một sự pha trộn phức tạp và liên tục biến động giữa hoạt động của giới đầu cơ, sản lượng dầu, thời tiết, chính sách của các chính phủ, kinh tế tồn cầu, mối quan hệ giữa các quốc gia chủ yếu trong cung cấp dầu. Nguyên nhân giá dầu giảm trong bối cảnh hiện nay đang được cho là vì lý do chính trị, mối quan hệ giữa các quốc gia có nguồn cung dầu mạnh và sự gia tăng nguồn cung giá rẻ từ Mỹ. Khi giá dầu giảm dưới mức 80 USD/thùng, nhiều nước sản xuất dầu thơ nếu tính tốn khơng khéo sẽ bị lỗ nặng, trong khi nhiều nhà sản xuất dầu ở Mỹ cịn có thể chịu được dù giá rớt xuống mức 50 USD/thùng. Chi phí khai thác dầu thơ ở Việt Nam dao động từ mức 30 đến 70 USD/thùng.
Trước khi chuyển sang xem xét tác động của các cú sốc cấu trúc trong thị trường dầu thơ lên lợi nhuận thực chứng khốn Việt Nam, tác giả xem xét phản ứng của giá dầu thô đối với ba cú sốc cấu trúc này. Kết quả chính trong hình 4.2 và 4.3 đó là ba cú sốc này có những tác động rất khác nhau lên giá dầu.
Một sự tăng lên bất ngờ trong nhu cầu dự phòng dầu gây ra một sự tăng lên ngay lập tức trong giá dầu, sau đó giảm xuống nhanh chóng. Một sự tăng lên bất ngờ trong nhu cầu toàn cầu đối với tất cả hàng hóa cơng nghiệp cũng gây ra sự tăng lên ngay lập tức tuy ít trong giá dầu, sau đó giảm xuống và tăng lên lại sau 3 tháng với mức độ ít hơn. Một sự gãy vỡ sản lượng dầu bất ngờ hầu như khơng có tác động lên giá dầu.
Sốc cung dầu Sốc tổng cầu -.03 -.02 -.01 .00 .01 .02 .03 2 4 6 8 10 12 14 -.03 -.02 -.01 .00 .01 .02 .03 2 4 6 8 10 12 14 Sốc cầu dự phòng -.02 .00 .02 .04 .06 .08 .10 2 4 6 8 10 12 14
Ghi chú: Trục X thể hiện số tháng sau cú sốc. Đường nét đứt là khoảng tin cậy 90%.
Hình 4.2 Phản ứng của giá dầu thô đối với các cú sốc cấu trúc.
Nguồn: Kết quả phân tích trên ph ần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được
Sốc cung dầu Sốc tổng cầu -.08 -.04 .00 .04 .08 .12 2 4 6 8 10 12 14 -.08 -.04 .00 .04 .08 .12 2 4 6 8 10 12 14 Sốc cầu dự phòng .04 .08 .12 .16 .20 .24 .28 2 4 6 8 10 12 14
Ghi chú: Trục X thể hiện số tháng sau cú sốc. Đường nét đứt là khoảng tin cậy 90%.
Hình 4.3 Phản ứng tích lũy của giá dầu thơ đối với các cú sốc cấu trúc
Nguồn: Kết quả phân tích trên phần mềm Eview dựa trên dữ liê ̣u mẫu tác giả thu thập được