GIỚI THIỆU
Lý do thực hiện đề tài
Với sự phát triển của thị trường tài chính quốc tế và xu hướng toàn cầu hóa, dòng chu chuyển vốn giữa các quốc gia ngày càng gia tăng thông qua giao dịch tài sản tài chính Các lý thuyết về ngang giá lãi suất, đặc biệt là "Ngang giá lãi suất không phòng ngừa" (Uncovered Interest Rate Parity - UIP), đóng vai trò quan trọng trong việc định hướng quyết định đầu tư UIP không chỉ là một lý thuyết then chốt trong nghiên cứu tài chính quốc tế và kinh tế vĩ mô, mà còn là giả định cơ bản trong nhiều lý thuyết xác định tỷ giá hối đoái.
Theo lý thuyết UIP, sự khác biệt về lãi suất giữa hai quốc gia sẽ được điều chỉnh bởi sự thay đổi trong tỷ giá hối đoái Nếu một quốc gia có lãi suất cao hơn, đồng tiền của quốc gia đó sẽ giảm giá tương ứng với chênh lệch lãi suất, dẫn đến tỷ suất sinh lợi bình quân từ đầu tư ra nước ngoài tương đương với đầu tư trong nước Tuy nhiên, thực tế cho thấy các đồng tiền của quốc gia có lãi suất thấp thường giảm giá so với đồng tiền của quốc gia có lãi suất cao, điều này đã được nhiều nghiên cứu xác nhận và chỉ ra sự mâu thuẫn giữa bằng chứng thực nghiệm và lý thuyết UIP Hiện tại, vẫn chưa có sự đồng thuận về nguyên nhân của sự thất bại của UIP, do đó, cần tiếp tục nghiên cứu để làm rõ tính hợp lý của lý thuyết này.
Nghiên cứu thực tiễn về lý thuyết UIP chỉ ra ba hướng chính giải thích sự thất bại của lý thuyết này: kỳ vọng không hợp lý của nhà đầu tư, mối quan hệ phi tuyến giữa chênh lệch lãi suất và thay đổi tỷ giá hối đoái, cùng với biến động theo thời gian của phần bù rủi ro Bài nghiên cứu này tập trung vào phần bù rủi ro thay đổi theo thời gian, được ước lượng qua mô hình CGARCH, một công cụ hiệu quả trong việc phân tích độ biến động của tỷ giá hối đoái Mô hình này cho phép tách biệt biến động tỷ giá thành xu hướng dài hạn và dao động ngắn hạn, từ đó giúp xác định tác động toàn diện của phần bù rủi ro trong lý thuyết UIP, góp phần giải thích hiện tượng “Ngang giá lãi suất không phòng ngừa” trong lý thuyết tài chính quốc tế hiện đại.
Mục tiêu nghiên cứu
Nghiên cứu thực tiễn về "Ngang giá lãi suất không phòng ngừa" tại các quốc gia Đông Nam Á được thực hiện, với sự xem xét đến yếu tố phần bù rủi ro thay đổi theo thời gian Mục tiêu của nghiên cứu là trả lời các câu hỏi liên quan đến ảnh hưởng của tình hình kinh tế và chính sách tài chính đến lãi suất trong khu vực này.
Phần bù rủi ro thay đổi theo thời gian là yếu tố quan trọng cần xem xét khi nghiên cứu "Ngang giá lãi suất không phòng ngừa" tại các quốc gia Đông Nam Á Việc hiểu rõ ảnh hưởng của phần bù rủi ro giúp các nhà đầu tư và nhà quản lý tài chính đưa ra quyết định chính xác hơn trong bối cảnh thị trường biến động Do đó, nghiên cứu này không chỉ có ý nghĩa lý thuyết mà còn thực tiễn trong việc điều chỉnh chiến lược đầu tư.
Giữa cú sốc đối với các yếu tố cơ bản của nền kinh tế và cảm tính của nhà đầu tư, yếu tố nào sẽ có tác động lâu dài đến biến động tỷ giá hối đoái? Sự ảnh hưởng của các yếu tố cơ bản có thể tạo ra nền tảng vững chắc cho tỷ giá, trong khi cảm tính của nhà đầu tư thường dẫn đến những biến động ngắn hạn Do đó, việc hiểu rõ mối quan hệ giữa hai nhân tố này là rất quan trọng để dự đoán xu hướng tỷ giá trong tương lai.
Phương pháp nghiên cứu
Bài nghiên cứu áp dụng mô hình CGARCH-M để đo lường phần bù rủi ro trong lý thuyết ngang giá vô hình (UIP), cho phép phần bù này thay đổi theo thời gian và được phân tách thành xu hướng biến động dài hạn và dao động ngắn hạn Để đảm bảo độ tin cậy của kết quả ước lượng từ mô hình CGARCH-M, các biến nghiên cứu sẽ được kiểm định tính dừng, đồng thời xem xét đến khả năng xuất hiện "điểm gãy cấu trúc" trong khung thời gian nghiên cứu.
Phạm vi nghiên cứu
Nghiên cứu này tập trung vào các quốc gia Đông Nam Á như Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam, đồng thời so sánh với Nhật Bản Mối tương quan giữa các quốc gia này và Mỹ, với Mỹ đóng vai trò là nước ngoài và USD là ngoại tệ, được phân tích Khung thời gian nghiên cứu kéo dài từ quý 1/1992 đến quý 1/2013, và riêng Việt Nam từ quý 1/1997 đến quý 1/2013 Dữ liệu được thu thập từ nhiều nguồn khác nhau.
“Thống kê Tài chính Quốc tế” (International Financial Statistics - IFS) của Quỹ tiền tệ quốc tế (International Monetary Fund - IMF).
Kết cấu bài nghiên cứu
Phần tiếp theo của bài nghiên cứu dự kiến gồm 4 chương:
Chương 2 sẽ trình bày cơ sở lý thuyết “Ngang giá lãi suất không phòng ngừa” và các nghiên cứu liên quan đến lý thuyết này cũng như là vai trò của phần bù rủi ro
Chương 3 trình bày phương pháp nghiên cứu được sử dụng trong bài nghiên cứu này, cũng như mô tả biến nghiên cứu và nguồn dữ liệu
Chương 4 trình bày kết quả nghiên cứu thực nghiệm nhằm xác định sự tồn tại của UIP và tác động của phần bù rủi ro lên trạng thái UIP
Chương 5 là kết luận của bài nghiên cứu cũng như những hạn chế còn tồn tại của nghiên cứu này.
Đóng góp của bài nghiên cứu
Dựa trên mô hình CGARCH-M, nghiên cứu này nhằm mục tiêu mô hình hóa chính xác hơn phần bù rủi ro so với các nghiên cứu trước đây, từ đó góp phần giải quyết các vấn đề liên quan đến rủi ro tài chính.
Nghiên cứu về "Câu đố về UIP" trong thị trường tiền tệ toàn cầu sử dụng mô hình CGARCH-M để kiểm định "Ngang giá lãi suất không phòng ngừa", đặc biệt ở các quốc gia Đông Nam Á Mặc dù không cung cấp bằng chứng cho sự tồn tại của UIP, nghiên cứu chỉ ra rằng phần bù rủi ro thay đổi theo thời gian là yếu tố quan trọng khi phân tích UIP Hơn nữa, nghiên cứu cho thấy tác động bất cân xứng của cú sốc tỷ giá hối đoái lên độ biến động của nó, mặc dù không phổ biến nhưng vẫn có thể xảy ra tùy thuộc vào đồng tiền và thời kỳ nghiên cứu Do đó, hiện tượng này cần được chú ý trong các nghiên cứu về biến động tỷ giá hối đoái.
LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÒNG NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Lý thuyết “Ngang giá lãi suất không phòng ngừa”
Các lý thuyết về ngang giá lãi suất xuất phát từ hoạt động kinh doanh chênh lệch (arbitrage), nhằm tìm kiếm lợi nhuận từ sự khác biệt giá niêm yết của tài sản tài chính, đặc biệt là đồng tiền của các quốc gia Khi lãi suất đồng ngoại tệ cao hơn lãi suất trong nước và không có chi phí giao dịch, nhà đầu tư sẽ chuyển đổi nội tệ sang ngoại tệ theo tỷ giá giao ngay để đầu tư ra nước ngoài và thu lợi từ lãi suất cao Sau khi đáo hạn, khoản thu nhập bằng ngoại tệ sẽ được chuyển đổi lại thành nội tệ Từ hành vi của nhà đầu tư, hai lý thuyết về ngang giá lãi suất được hình thành: “Ngang giá lãi suất không phòng ngừa” và “Ngang giá lãi suất có phòng ngừa”.
Nếu nhà đầu tư lo ngại về sự biến động của tỷ giá ảnh hưởng đến kết quả kinh doanh, họ có thể sử dụng hợp đồng kỳ hạn để cố định tỷ giá hối đoái vào thời điểm đáo hạn Chiến lược này được gọi là “Kinh doanh chênh lệch lãi suất có phòng ngừa” Hoạt động này tạo ra lực thị trường điều chỉnh tỷ giá giao ngay, tỷ giá kỳ hạn và lãi suất giữa hai đồng tiền, dẫn đến việc hoạt động kinh doanh chênh lệch không còn mang lại lợi nhuận vượt trội Cơ chế điều chỉnh này giúp duy trì sự ổn định trong thị trường ngoại hối.
Việc sử dụng nội tệ để mua ngoại tệ trên thị trường giao ngay sẽ gây áp lực giảm giá trị đồng nội tệ Do đó, với số vốn ban đầu bằng nội tệ, các nhà đầu tư khi chuyển đổi sang ngoại tệ sẽ nhận được ít ngoại tệ hơn.
Bán kỳ hạn đồng ngoại tệ sẽ làm giảm giá kỳ hạn đồng ngoại tệ
Dòng tiền đầu tư vào ngoại tệ sẽ tạo áp lực tăng lãi suất đồng nội tệ và giảm lãi suất ngoại tệ
Hoạt động kinh doanh chênh lệch có thể điều chỉnh lãi suất và tỷ giá, dẫn đến việc chiến lược này không còn mang lại lợi nhuận cao hơn so với đầu tư trong nước Khi tỷ giá và lãi suất được điều chỉnh, cơ hội thực hiện kinh doanh chênh lệch có phòng ngừa sẽ bị mất, được gọi là "Ngang giá lãi suất" (Interest Rate Parity – IRP) Trong trạng thái cân bằng này, chênh lệch giữa tỷ giá kỳ hạn và tỷ giá giao ngay giữa hai đồng tiền sẽ được bù đắp bởi chênh lệch lãi suất của chúng Lợi nhuận của nhà đầu tư trong nước khi thực hiện kinh doanh chênh lệch lãi suất có phòng ngừa, ký hiệu là r f, phụ thuộc vào lãi suất của đồng ngoại tệ và sự biến động của tỷ giá hối đoái trong thời gian đầu tư: r f = (1 + i t,k ∗) F t,k.
S t – 1 Với S t : tỷ giá giao ngay tại thời điểm t
F t,k : tỷ giá kỳ hạn tại thời điểm t của kỳ hạn k i t,k ∗ : lãi suất đồng ngoại tệ tại thời điểm t của kỳ đáo hạn k
Nếu tồn tại "Ngang giá lãi suất IRP", tỷ suất sinh lợi từ kinh doanh chênh lệch có phòng ngừa sẽ tương đương với lãi suất trong nước i t,k, cụ thể là: r f = i t,k, dẫn đến mối quan hệ 1 + i t,k = (1 + i * t,k) F t,k.
Phương trình (2.1) diễn tả lý thuyết “Ngang giá lãi suất có phòng ngừa”, trong khi trường hợp các nhà đầu tư không sử dụng hợp đồng kỳ hạn để phòng ngừa rủi ro tỷ giá được gọi là lý thuyết “Ngang giá lãi suất không phòng ngừa”.
Lý thuyết “Ngang giá lãi suất không phòng ngừa” chỉ ra rằng khi nhà đầu tư không quan tâm đến rủi ro tỷ giá, đồng nội tệ có khả năng giảm giá nếu lãi suất tiền gửi nội tệ cao hơn lãi suất tiền gửi ngoại tệ Điều này tạo ra một trạng thái cân bằng do các lực thị trường, nhằm loại bỏ cơ hội kinh doanh chênh lệch giá, dẫn đến tỷ suất sinh lợi giữa hai đồng tiền bất kỳ trở nên tương đương.
“Ngang giá lãi suất không phòng ngừa” có thể được biểu diễn như sau:
S t (2.2) với i t,k (i * t+k) thể hiện lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ hoặc ngoại tệ tại thời điểm t của kỳ đáo hạn k S t là tỷ giá hối đoái giao ngay danh nghĩa, phản ánh số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ; khi tỷ giá tăng, đồng nội tệ mất giá Bên cạnh đó, Et là giá trị kỳ vọng dựa trên các thông tin có sẵn tại thời điểm t.
Dựa trên công thức (2.2), phương trình kiểm định thực nghiệm cho nghiên cứu về UIP được trình bày như sau: Δs t+k = st+k – st = α + β ( it,k – i * t,k ) + εt+k, với s t ≡ ln(S t ) và εt+k là kỳ vọng hợp lý của sai số ước lượng Giả thuyết kiểm định sẽ được xem xét trong bối cảnh này.
H 0 của UIP chỉ ra rằng α = 0 và β = 1, với ε t+k là nhiễu trắng Khi lãi suất của đồng nội tệ tăng lên, sẽ dẫn đến sự giảm giá của đồng nội tệ với mức độ tương đương.
Giả định về "Ngang giá lãi suất có phòng ngừa" cho phép thay thế thành phần chênh lệch lãi suất trong phương trình (2.3) bằng phần bù kỳ hạn Do đó, điều kiện UIP có thể được kiểm định thông qua phương trình (2.4), tương đương với (2.3), với f t,k được định nghĩa là ln(F t,k), và Δst+k được tính bằng st+k – st = α + β (ft,k – st) + εt+k.
Các nghiên cứu trước đây về “Ngang giá lãi suất không phòng ngừa”
Nhiều nghiên cứu về lý thuyết UIP đã ước lượng phương trình (2.3) với các loại tiền tệ và khung thời gian khác nhau, cho thấy hệ số β thường nhỏ hơn 1, thậm chí có giá trị âm Froot và Thaler (1990) tổng hợp 75 nghiên cứu và phát hiện rằng hầu hết các hệ số hồi quy β đều âm, trong khi những nghiên cứu có giá trị β dương cũng đều nhỏ hơn 1 Giá trị trung bình của β từ các nghiên cứu này là –0.88, cung cấp bằng chứng mạnh mẽ chống lại lý thuyết UIP, cho thấy khi lãi suất nội tệ cao hơn, đồng nội tệ lại tăng giá thay vì giảm giá như lý thuyết dự đoán Kết quả này được gọi là “Câu đố về UIP”, chỉ ra sự sai lệch trong dự đoán hướng di chuyển của các loại tiền tệ Hơn nữa, hệ số β không ổn định qua các thời kỳ; Chinn và Meredith (2005) cho thấy β thay đổi đáng kể giữa các khung thời gian nghiên cứu khác nhau Cụ thể, trong hai khung thời gian đầu và cuối, phần lớn giá trị β đều âm, trong khi 5/6 quốc gia có giá trị β dương trong giai đoạn 1987-1993 Mặc dù giá trị ước lượng β có sự biến động, nhưng những trường hợp có ý nghĩa thống kê đều cho thấy giá trị âm với độ tin cậy 99%, khẳng định lại kết quả của Froot và Thaler (1990) Hình (2.1) dưới đây tổng hợp các hệ số β từ nghiên cứu này.
Hình 2.1 trình bày giá trị ước lượng của hệ số β trong ba giai đoạn khác nhau tại sáu quốc gia, cụ thể là các giai đoạn từ Q1/1980 đến Q4/1986, Q1/1987 đến Q4/1993, và Q1/1994 đến Q4/2000 Mỗi cột trong hình ảnh thể hiện ước lượng điểm của hệ số β tương ứng với từng giai đoạn Dữ liệu được trích dẫn từ nghiên cứu của Chinn và Meredith (2005).
Nghiên cứu của Frydman và Goldberg (2007) đã phân tích dữ liệu tháng từ Mỹ, Đức, Anh và Nhật Bản để ước lượng giá trị β qua ba khung thời gian: 12/1982 – 12/1984, 1/1985 – 12/1989, và 1/1990 – 12/1993 Kết quả cho thấy chỉ có năm trong số chín giá trị ước lượng của β là âm, với ba giá trị âm xuất hiện trong khung thời gian đầu tiên Các giá trị dương còn lại có sự chênh lệch lớn, từ +0.53 của Nhật Bản đến +5.28 của Anh, cả hai đều nằm trong khung thời gian thứ hai.
Trước sự thiếu hụt bằng chứng thực nghiệm cho khả năng dự báo của UIP, các nhà nghiên cứu đã tiến hành kiểm định UIP qua nhiều thiết lập khác nhau Một trong những cách tiếp cận là mở rộng kỳ hạn cho các biến nghiên cứu, theo quan điểm của McCallum (1994) và Meredith cùng Chinn (2004) Họ cho rằng trong ngắn hạn, sự thất bại của UIP có thể do các cú sốc từ phần bù rủi ro liên quan đến thay đổi chính sách tiền tệ Tuy nhiên, trong dài hạn, tỷ giá sẽ được điều chỉnh bởi các yếu tố nội tại của nền kinh tế, cho phép kỳ vọng mối quan hệ giữa tỷ giá và lãi suất sẽ phù hợp với lý thuyết UIP Meredith và Chinn (2004) đã thực hiện hồi quy tỷ suất sinh lợi từ thời điểm t đến t+m của tỷ giá dựa trên lợi tức trái phiếu chính phủ với nhiều loại kỳ hạn khác nhau, kéo dài đến 10 năm.
Kết quả nghiên cứu cho thấy rằng khi kỳ hạn m tăng, giá trị ước lượng β có xu hướng tiến gần đến 1, tuy nhiên, lý thuyết UIP vẫn không được xác nhận đối với 3 trong số 6 cặp tiền tệ trong nghiên cứu ở kỳ hạn 10 năm Tương tự, nghiên cứu của Snaith và cộng sự (2013) cho thấy trong khoảng thời gian từ 1980 đến 2006, khi kỳ hạn kéo dài từ 1 tháng đến 10 năm, giá trị ước lượng của β cũng tiến gần đến 1, giá trị lý thuyết dự báo của UIP.
Câu đố UIP thường xuất hiện với các kỳ hạn dưới 5 năm, nhưng có xu hướng biến mất khi kỳ hạn dài hơn Nghiên cứu của Mehl và Cappiello (2009) cho thấy chênh lệch lãi suất ảnh hưởng đến biến động tỷ giá hối đoái ở các nước phát triển, trong khi ít có bằng chứng về sự tồn tại của UIP tại các thị trường đang phát triển Hai tác giả kết luận rằng sự tồn tại của UIP phụ thuộc nhiều vào loại tiền tệ hơn là kỳ hạn nghiên cứu, điều này cũng được xác nhận bởi nghiên cứu của Bekaert và cộng sự (2007).
Một nhánh nghiên cứu mới đang mở rộng phạm vi phân tích UIP sang các quốc gia đang phát triển, nơi mà trước đây ít được chú ý do khó khăn trong việc thu thập dữ liệu và mức độ hội nhập tài chính thấp Xu hướng hội nhập tài chính ngày càng sâu rộng đã tạo điều kiện cho các nhà nghiên cứu tiếp cận những thị trường này, nơi có những đặc điểm kinh tế khác biệt như thu nhập trên đầu người thấp và lạm phát cao Các nghiên cứu cho thấy rằng "Câu đố UIP" dường như chỉ xuất hiện ở các quốc gia phát triển, trong khi các quốc gia đang phát triển thể hiện mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất ít hơn Một số nghiên cứu, như của Frankel và Poonawala (2010), cho thấy độ lệch khỏi UIP ở các thị trường đang phát triển nhỏ hơn so với các nước phát triển, trong khi nghiên cứu của Mehl và Cappiello (2009) lại chỉ ra rằng độ lệch này nghiêm trọng hơn Nghiên cứu của Aysun và Lee (2014) cho thấy UIP không tồn tại ở hầu hết các quốc gia được khảo sát, bất kể là phát triển hay đang phát triển Các nghiên cứu gần đây cũng chỉ ra rằng trong các quốc gia chịu khủng hoảng, độ biến động của tỷ giá và lãi suất cao có thể cung cấp những kết quả khác biệt về UIP, mặc dù vẫn có sự tương đồng giữa hai nhóm quốc gia giàu và nghèo.
Giải thích độ lệch khỏi “Ngang giá lãi suất không phòng ngừa”
Kể từ khi Fama (1984) chỉ ra sự thất bại của lý thuyết UIP trong thực nghiệm, nhiều nghiên cứu đã tìm kiếm lời giải cho "câu đố" này Các nhà kinh tế học hiện chỉ tạm thống nhất về mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất, trong khi nguyên nhân của hiện tượng này vẫn còn nhiều tranh cãi Ba hướng nghiên cứu chính nhằm giải thích độ lệch khỏi UIP bao gồm: kỳ vọng không hợp lý của các nhà đầu tư, biến động theo thời gian của phần bù rủi ro, và mối quan hệ phi tuyến giữa chênh lệch lãi suất và thay đổi tỷ giá hối đoái.
2.3.1 Kỳ vọng không hợp lý
Theo giả định rằng sai số ước lượng không có tương quan với thông tin quá khứ, tỷ suất sinh lợi vượt trội của tỷ giá sẽ tương đương với phần bù rủi ro (Lewis, 1995) Nghiên cứu của Frankel và Froot (1987) chỉ ra rằng tỷ giá kỳ vọng của các nhà đầu tư khác biệt so với tỷ giá hậu nghiệm, cho thấy kỳ vọng không hợp lý Hiện tượng “Peso problem” xảy ra khi nhà đầu tư dự đoán sự thay đổi chính sách trong tương lai mà không thực sự xảy ra, dẫn đến sự sai lệch hệ thống giữa tỷ giá giao ngay tương lai và kỳ vọng Milton Friedman là người đầu tiên sử dụng thuật ngữ này để giải thích lãi suất cao của đồng peso Mexico vào những năm 70, mặc dù tỷ giá đã cố định Nghiên cứu của Burnside và cộng sự (2011) giải thích lợi nhuận từ chiến lược đầu tư “carry trade” thông qua lý thuyết “peso problem”, cho thấy rằng chiến lược này mang lại lợi nhuận cao hơn so với đầu tư vào một đồng tiền duy nhất, với tỷ số Sharpe cao gấp đôi so với thị trường chứng khoán Mỹ Lợi nhuận này không đến từ bù trừ rủi ro thị trường mà là do vấn đề peso problem.
2.3.2 Phần bù rủi ro thay đổi theo thời gian
Một giả định của lý thuyết UIP là các nhà đầu tư không quan tâm đến rủi ro, nhưng thực tế cho thấy họ có thể ngại rủi ro và yêu cầu một phần bù rủi ro cho việc nắm giữ tài sản có rủi ro, đặc biệt là các loại tiền tệ Fama (1984) đã chỉ ra rằng phần bù rủi ro này có thể ảnh hưởng đến biến đổi tỷ giá trong phương trình hồi quy, và việc bỏ sót biến này có thể dẫn đến sai lệch trong ước lượng β Cụ thể, Fama đã đo lường hai thành phần của tỷ giá kỳ hạn, bao gồm phần bù rủi ro và tỷ giá giao ngay kỳ vọng, với công thức f t = E(s t+1) + P t Phương trình này có thể được viết lại thành f t – s t = E(s t+1 – s t) + P t.
Giả định rằng “Ngang giá lãi suất” (IRP) tồn tại (f t – s t = i t – i * t ), phương trình (2.6) có thể chuyển đổi thành: i t – i * t = E(s t+1 – s t ) + P t (2.7) Thay thế phương trình (2.7) vào phương trình (2.3) ở trên: s t+1 – s t = α + β [E(s t+1 – s t ) + P t ] + εt+1 (2.8)
Với giả định kỳ vọng hợp lý (s t+1 – s t = E(s t+1 – s t )), β trong phương trình (2.8) sẽ được tính như sau: β = Cov (s t+1 −s t ,E(s t+1 −s t )+P t )
Var (E t Δs t+1 ) + Var (P t ) + 2Cov (E t Δs t+1 ,P t ) (2.9) với Var() thể hiện phương sai và Cov() thể hiện cho hiệp phương sai Theo đó, (2.9) chỉ ra rằng :
Nếu phần bù rủi ro không thay đổi (Var(P t ) = 0), thì hiệp phương sai giữa phần bù rủi ro và sự thay đổi của tỷ giá giao ngay kỳ vọng sẽ bằng 0, tức là Cov(E t Δst+1,P t ) = 0 Theo lý thuyết UIP, trong trường hợp này, β sẽ có giá trị bằng 1.
Nếu mối quan hệ giữa phần bù rủi ro và sự thay đổi tỷ giá kỳ vọng là ngược chiều (Cov(E t Δs t+1 ,P t ) < 0) và phương sai của phần bù rủi ro lớn, thì giá trị ước lượng của β trong phương trình (2.3) thường nhỏ hơn 1, thậm chí có thể âm Điều này phù hợp với nhiều kết quả nghiên cứu thực nghiệm về lý thuyết lãi suất không đồng nhất (UIP) Độ lệch của giá trị β ước lượng so với 1 chính là chỉ số đo lường trực tiếp cho độ biến động của phần bù rủi ro.
Dựa trên dữ liệu tỷ giá giao ngay, tỷ giá kỳ hạn 30 ngày và lãi suất, giai đoạn
Giữa 1973 và 1982, nghiên cứu của Fama (1984) chỉ ra rằng hiệp phương sai giữa phần bù rủi ro P t và thay đổi tỷ giá giao ngay kỳ vọng E(s t+1 – s t ) có giá trị âm, trong khi phương sai của phần bù rủi ro Var(P t ) lớn hơn so với phương sai của thay đổi tỷ giá giao ngay kỳ vọng Var(E(s t+1 – s t )) Kết quả này cho thấy phần bù rủi ro có thể đã làm sai lệch kiểm định “Ngang giá lãi suất không phòng ngừa” và bác bỏ sự tồn tại của hiện tượng này Ở các quốc gia phát triển, phần bù rủi ro có thể đến từ rủi ro tỷ giá hối đoái, trong khi ở các quốc gia đang phát triển, nhà đầu tư còn yêu cầu bù cho “rủi ro quốc gia” và “rủi ro chính sách” Các nghiên cứu về trạng thái “Ngang giá lãi suất không phòng ngừa” thường dựa trên giả định nghiêm ngặt, bao gồm kỳ vọng hợp lý và tính đồng nhất của các loại tiền tệ Việc không tìm thấy bằng chứng ủng hộ lý thuyết UIP cho thấy một hoặc nhiều giả định đã bị vi phạm, đặc biệt là khi giả định về tính đồng nhất bị vi phạm Nghiên cứu của Frankel và Okongwu (1996) cùng Domowitz và cộng sự (1998) đã chỉ ra rằng phần bù rủi ro liên quan đến rủi ro tỷ giá và rủi ro quốc gia ở Mexico trong những năm 90 là đáng kể, với phần bù rủi ro tỷ giá lớn hơn Nghiên cứu của Rojas-Suarez và Sotelo (2007) cũng cho thấy rằng rủi ro quốc gia ảnh hưởng đến lãi suất nội tệ ở các quốc gia Mỹ Latinh, ngụ ý rằng không xem xét phần bù rủi ro sẽ dẫn đến sai lệch trong ước lượng trạng thái UIP.
Có hai phương pháp chính để kiểm định vai trò của phần bù rủi ro trong lý thuyết UIP Thứ nhất, nghiên cứu sử dụng dữ liệu điều tra về tỷ giá kỳ vọng, như Frankel và Froot (1990) đã làm, cho thấy phần bù rủi ro không tương quan với tỷ giá kỳ vọng, mà độ lệch khỏi UIP là do sai số hệ thống trong dự báo tỷ giá Tương tự, Cavaglia và cộng sự (1993) cũng chỉ ra rằng giá trị kỳ vọng của tỷ giá là không hợp lý và nhà đầu tư không sử dụng thông tin hiệu quả Ngược lại, Taylor (1989) kết luận rằng tâm lý ngại rủi ro, tức là sự tồn tại của phần bù rủi ro, đã dẫn đến sai lệch của UIP trong thực nghiệm.
Phương pháp thứ hai để phân tích tỷ suất sinh lợi vượt trội của tỷ giá là xem xét phần bù rủi ro, được đo bằng phương sai hoặc độ lệch chuẩn của sai số ước lượng Domowitz và Hakkio (1985) đã lần đầu tiên áp dụng mô hình "Dị phương sai tự hồi quy" (ARCH) để đo lường phương sai này, nhằm giải quyết hiện tượng phương sai thay đổi trong ước lượng hệ số hồi quy Nghiên cứu của họ dựa trên những phát hiện của Cumby và Obstfeld (1982) cũng như Hodrick và Srivastava (1984) về việc sai số ước lượng có phương sai thay đổi Mussa (1979) cũng đã chỉ ra rằng có những giai đoạn tỷ giá ổn định và những giai đoạn biến động mạnh, và mô hình ARCH có khả năng nắm bắt hai đặc điểm này của phương sai Nghiên cứu của Domowitz và Hakkio (1985) đã kiểm định giả thuyết UIP thông qua một phương trình cụ thể.
Kết quả ước lượng chỉ ra rằng có bằng chứng cho sự tồn tại của phần bù rủi ro cố định, với β 0 có ý nghĩa thống kê ở tất cả các quốc gia nghiên cứu Tuy nhiên, phương sai của sai số ước lượng không phải là một phép đo hoàn hảo cho phần bù rủi ro.
Berk và Knot (2001) đã kiểm định giả thuyết UIP bằng mô hình ARCH-in-mean cho năm quốc gia trong giai đoạn 1975 – 1997, với lãi suất trái phiếu dài hạn, và phát hiện bằng chứng cho sự tồn tại của UIP ở bốn quốc gia, nhưng không có bằng chứng rõ ràng về phần bù rủi ro Nghiên cứu của Poghosyan và cộng sự (2008) tại Armenia đã loại bỏ rủi ro quốc gia và chi phí giao dịch, chỉ còn lại rủi ro tỷ giá, và cho thấy bằng chứng mạnh mẽ hơn về UIP trong giai đoạn 1997 – 2005, mặc dù vẫn tồn tại hiện tượng lệch khỏi UIP với lợi nhuận cao hơn từ tài khoản nội tệ Kết quả cũng chỉ ra rằng phần bù rủi ro thay đổi theo thời gian và tăng theo kỳ hạn nghiên cứu Melander (2009) đã sử dụng mô hình GARCH-M để kiểm định phần bù rủi ro tại Bolivia, cho thấy độ lệch khỏi UIP nhỏ hơn so với các nghiên cứu trước và có bằng chứng rõ ràng cho sự tồn tại của phần bù rủi ro.
Năm 2014, nghiên cứu đã kiểm định vai trò của phần bù rủi ro đối với lý thuyết Parity không rủi ro (UIP) ở 28 quốc gia, bao gồm cả các nước phát triển và đang phát triển, trong giai đoạn từ tháng 1/1996 đến tháng 3/2002 Tác giả đã điều chỉnh phương trình truyền thống để kiểm định UIP.
Mô hình ER t = φ0 + φ 1 ln(h t ) + εt (2.10) và h t = δ 0 + δ 1 ε t−1 2 + δ 2 h t-1 (2.11) cho thấy tỷ suất sinh lợi vượt trội kỳ vọng của tiền tệ (ER t) và phần bù rủi ro theo thời gian (h t) tuân theo mô hình GARCH (1,1) Trong số 28 quốc gia nghiên cứu, chỉ có 12 quốc gia (3 nước phát triển và 9 nước đang phát triển) có hệ số hồi quy có ý nghĩa ở cả hai phương trình, cho thấy phần bù rủi ro chủ yếu ảnh hưởng đến độ lệch của UIP ở các nước đang phát triển Nghiên cứu của Li và cộng sự (2012) sử dụng mô hình CGARCH-M để ước lượng phần bù rủi ro, cho kết quả khả quan hơn so với phương pháp OLS truyền thống, với hệ số β dương có ý nghĩa ở ba trong số mười quốc gia Mặc dù phần bù rủi ro tồn tại ở hầu hết các quốc gia, nhưng hệ số ước lượng β tương ứng với biến chênh lệch lãi suất vẫn không cải thiện đáng kể, dẫn đến việc UIP vẫn bị bác bỏ ở tất cả các quốc gia và “Câu đố UIP” vẫn chưa được giải quyết.
Nghiên cứu của Baillie và Bollerslev (1990), Malliaropulos (1997) và Tai (2001) sử dụng dữ liệu bảng và mô hình GARCH đa biến, nhưng kết quả không nhất quán Malliaropulos (1997) và Tai (2001) phát hiện bằng chứng có ý nghĩa về phần bù rủi ro, trong khi Baillie và Bollerslev (1990) không tìm thấy mối tương quan có nghĩa giữa ma trận phương sai và phần bù rủi ro.
Có thể kết luận rằng các thị trường đang phát triển tồn tại phần bù rủi ro, do nhà đầu tư phải đối mặt với nhiều loại rủi ro như rủi ro tỷ giá, rủi ro quốc gia và rủi ro chính sách Những rủi ro này ít phổ biến hơn trong các nghiên cứu về "Ngang giá lãi suất không phòng ngừa" ở các thị trường phát triển Vì vậy, việc không xem xét phần bù rủi ro khi kiểm định trạng thái UIP có thể dẫn đến sai lệch do bỏ sót biến.
2.3.3 Mối quan hệ phi tuyến
Lý thuyết UIP cổ điển dự báo mối tương quan tuyến tính giữa chênh lệch lãi suất và thay đổi tỷ giá, nhưng nhiều nghiên cứu chỉ ra rằng mối quan hệ này thực chất là phi tuyến Những yếu tố như can thiệp của ngân hàng trung ương, chi phí giao dịch và hạn chế đầu cơ có thể làm lệch tỷ giá khỏi UIP Vai trò của các "điểm gãy cấu trúc" cũng rất quan trọng, vì chúng phân tách tỷ giá và lãi suất thành các giai đoạn khác nhau, ảnh hưởng đến kết quả thực nghiệm của UIP Nghiên cứu của Sakoulis và cộng sự (2010) cho thấy nếu không xem xét điểm gãy, ước lượng β có thể bị sai lệch Li, Ghoshray và Morley (2013) đã sử dụng mô hình "smooth transition regression" để kiểm định UIP ở tám quốc gia, cho thấy tỷ giá hối đoái điều chỉnh phi tuyến theo UIP, hiện tượng này xuất hiện ở cả nước phát triển và đang phát triển, đặc biệt trong các giai đoạn tỷ giá biến động mạnh.
2.4 Hiệu quả của mô hình Dị phương sai tự hồi quy thành phần tổng quát – CGARCH trong nghiên cứu thực nghiệm
PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
Kiểm định tính dừng trong trường hợp có xét đến “điểm gãy cấu trúc”
Tính dừng của chuỗi dữ liệu các biến số kinh tế vẫn là một chủ đề gây tranh cãi Nelson và Plosser (1982) cho rằng hầu hết các biến số kinh tế vĩ mô đều chứa nghiệm đơn vị, dẫn đến không dừng Tuy nhiên, nghiên cứu của Perron (1989) chỉ ra rằng cần tách biệt các sự kiện kinh tế bất thường trong thời gian nghiên cứu, vì chúng có thể làm thay đổi đặc điểm chuỗi dữ liệu và ảnh hưởng đến kết quả kiểm định Do đó, với những biến không dừng theo phương pháp truyền thống, cần áp dụng kiểm định nghiệm đơn vị khác, xem xét sự xuất hiện của "điểm gãy cấu trúc" Trong bài nghiên cứu này, phương pháp kiểm định nghiệm đơn vị của Perron (1997) sẽ được thực hiện và sẽ được trình bày chi tiết tiếp theo.
Nghiên cứu của Perron (1989) đã mở rộng quy trình kiểm định Dickey-Fuller bằng cách bổ sung các biến giả để điều chỉnh hệ số chặn và hệ số góc trong phương trình kiểm định Kiểm định nghiệm đơn vị được thực hiện theo ba mô hình: mô hình “crash” với “điểm gãy” ở hệ số chặn, mô hình “changing growth” với “điểm gãy” ở hệ số góc, và mô hình tổng hợp cho phép cả hai trường hợp xảy ra đồng thời Mặc dù “điểm gãy” được giả định là đã biết trước từ các sự kiện thực tế, nhưng phương pháp chọn “điểm gãy” này đã bị chỉ trích vì cần phải xác định một cách nội sinh dựa trên dữ liệu nghiên cứu Để khắc phục điều này, Perron (1997) đã mở rộng nghiên cứu, cho phép “điểm gãy” được xác định nội sinh trong quá trình kiểm định nghiệm đơn vị.
Mô hình đầu tiên cho phép xuất hiện "điểm gãy" ở hệ số chặn, được gọi là "Innovational Outlier" Nghiệm đơn vị được kiểm định thông qua giả thuyết α = 1 trong phương trình y t = μ + θDU t + βt + δD(T b ) t + αy t-1 + ∑(i=1 đến k) c i Δy t−i + ε t, trong đó T b là thời điểm xuất hiện "điểm gãy", DU t là biến giả nhận giá trị 1 nếu t > T b (bằng 0 trong trường hợp còn lại), và D(T b ) t = 1 nếu t = T b + 1.
Mô hình thứ hai cho phép thay đổi đồng thời trong hệ số chặn và hệ số góc tại “điểm gãy” Để kiểm định nghiệm đơn vị, cần thực hiện kiểm định giả thuyết α = 1 trong phương trình (3.2): y t = μ + θDU t + βt + γDT t + δD(T b ) t + αy t-1 + ∑(i=1 đến k) c i Δy t−i + ε t, trong đó DT t = t nếu t > T b.
Mô hình thứ ba cho phép sự xuất hiện của "điểm gãy" ở hệ số góc, được gọi là "Additive Outlier" Để loại bỏ thành phần xu hướng, phương trình (3.3) được ước lượng như sau: DT * t = t – T b (nếu t > T b ) và y t = μ + βt + γDT * t + 𝑦 𝑡.
Sau đó nghiệm đơn vị được kiểm định bằng cách kiểm định giả thuyết α = 1 trong phương trình (3.4):
Trong các phương trình ước lượng (3.1), (3.2), (3.3) và (3.4), các tham số T b và k được coi là chưa biết Thời điểm "điểm gãy cấu trúc" T b sẽ được xác định bằng cách phân tích tất cả các "điểm gãy" có thể, và thời điểm nào làm cho giá trị thống kê t của kiểm định α = 1 đạt giá trị nhỏ nhất sẽ được lựa chọn làm T b Theo kiểm định nghiệm đơn vị của Perron (1997), nếu giả thuyết α = 1 bị bác bỏ, điều này cho thấy dữ liệu là dừng quanh điểm gãy, và xu hướng của dữ liệu có thể được mô tả bằng một đường gấp khúc.
Mô hình Dị phương sai tự hồi quy thành phần tổng quát – CGARCH
Dữ liệu của các biến kinh tế có những đặc điểm quan trọng mà các mô hình ước lượng truyền thống chưa thể giải thích được.
Leptokurtosis là hiện tượng mà dữ liệu tỷ suất sinh lợi của các tài sản tài chính không tuân theo phân phối chuẩn, thay vào đó cho thấy sự phân bố dữ liệu có phần đuôi lớn và nhọn ở giá trị trung bình, điều này có thể ảnh hưởng đến việc đánh giá rủi ro và lợi nhuận của các khoản đầu tư.
Biến động theo cụm, hay còn gọi là "Volatility clustering", là hiện tượng trong các thị trường tài chính khi mức độ biến động xuất hiện theo từng nhóm Cụ thể, giai đoạn biến động cao sẽ dẫn đến giai đoạn tiếp theo cũng có độ biến động cao, và ngược lại, giai đoạn biến động thấp cũng sẽ kéo theo giai đoạn liền kề có mức độ biến động thấp Điều này cho thấy rằng mức độ biến động hiện tại có xu hướng tương quan cùng chiều với mức độ biến động trong giai đoạn trước đó.
Hiệu ứng đòn bẩy đề cập đến xu hướng biến động không đối xứng của giá cả, trong đó sự giảm giá dẫn đến mức độ biến động lớn hơn so với sự tăng giá Điều này có nghĩa là khi giá giảm, thị trường trải qua sự dao động mạnh mẽ hơn, tạo ra những cơ hội và rủi ro đáng kể cho các nhà đầu tư.
Mô hình ARCH (Engle, 1982) thường được áp dụng để mô tả và dự báo độ biến động, nhờ khả năng mô phỏng hiệu quả các đặc điểm của dữ liệu Đây cũng là nhóm mô hình chính được nghiên cứu trong bài viết này.
Phương pháp ước lượng Bình phương nhỏ nhất (OLS) là một công cụ quan trọng trong kinh tế lượng, nhưng chỉ hiệu quả khi các giả định nghiêm ngặt được thỏa mãn, đặc biệt là giả định về phương sai của sai số phải cố định Khi phương sai thay đổi, các ước lượng OLS sẽ không còn hiệu quả và dẫn đến sai lệch trong ước lượng phương sai, làm cho các kiểm định mức ý nghĩa và khoảng tin cậy không đáng tin cậy Điều này thường xảy ra trong các chuỗi dữ liệu thời gian của các biến kinh tế, nơi xuất hiện hiện tượng "Biến động theo cụm" Mô hình ARCH được phát triển để giải quyết những vấn đề này, bắt đầu từ việc định nghĩa phương sai có điều kiện của một biến ngẫu nhiên.
Công thức (3.5) chỉ ra rằng phương sai có điều kiện của biến ngẫu nhiên u_t phụ thuộc vào bình phương giá trị kỳ vọng của chính nó, là nền tảng cho mô hình ARCH Hiện tượng "Biến động theo cụm" được thể hiện qua việc ζ_t^2 phụ thuộc vào biến trễ của bình phương sai số, cho thấy rằng biến động ở kỳ trước ảnh hưởng đến phương sai của kỳ hiện tại, được mô tả bởi công thức ζ_t^2 = α_0 + α_1 u_{t-1}^2 (3.6).
Mô hình ARCH (1) được thể hiện qua phương trình (3.6), cho phép nhà nghiên cứu mô tả sự biến động của biến phụ thuộc y t thông qua một phương trình trung bình Một ví dụ điển hình cho mô hình này là: y t = β 1 + β2x 2t + β 3 x 3t + β 4 x 4t + ε t, với ε t tuân theo phân phối chuẩn N(0, ζ 2 t) và ζ 2 t được xác định bởi ζ 2 t = α 0 + α 1 ε t−1 2.
Phương sai có điều kiện ζ 2 t phải luôn không âm, vì giá trị âm không có ý nghĩa Để đảm bảo điều này, các hệ số ước lượng trong phương trình phương sai cần được ước lượng với điều kiện không âm, điều này tạo ra yêu cầu nghiêm ngặt hơn cần thiết Cụ thể, trong mô hình ARCH(1), các hệ số α 0 và α 1 phải thỏa mãn điều kiện α 0 ≥ 0 và α 1 ≥ 0 Đối với mô hình tổng quát ARCH(q), tất cả các hệ số đều phải không âm: α i ≥ 0 với mọi i = 0,1,2, ,q.
Trong nghiên cứu thực nghiệm, trước khi ước lượng bằng mô hình ARCH, cần kiểm định sự tồn tại của hiệu ứng ARCH Nếu dữ liệu chỉ ra sự hiện diện của hiệu ứng này, việc áp dụng mô hình ARCH sẽ trở nên phù hợp Kiểm định hiệu ứng ARCH được thực hiện dựa trên phần dư từ mô hình tuyến tính cụ thể, chẳng hạn như mô hình y t = α + β 1 x 1t + β 2 x 2t + β 3 x 3t + ε t.
Phần dư ε ước lượng được từ phương trình (3.7) sẽ được lưu lại và tiến hành bình phương để hồi quy theo biến trễ của chính nó, với độ trễ từ 1 đến q (nếu muốn kiểm định hiệu ứng ARCH bậc q) Quá trình này được thực hiện thông qua phương trình εt2 = γ0 + γ1εt-12 + γ2εt-22 + γ3εt-32 + + γqεt-q2 + υt (3.8), giúp ước lượng phần dư thu được từ phương trình (3.7) một cách tiếp tục.
Giá trị thống kê nR², trong đó n là số quan sát và R² là hệ số xác định từ ước lượng phương trình (3.8), tuân theo phân phối Chi bình phương bậc q (χ²(q)) Kiểm định hiệu ứng ARCH thực chất là kiểm định hiện tượng tự tương quan của bình phương phần dư, với giả thuyết kiểm định H0 là hệ số góc ước lượng từ phương trình (3.8) bằng không.
Nếu giá trị thống kê nR² vượt quá giá trị tới hạn của phân phối Chi bình phương, chúng ta sẽ bác bỏ giả thuyết H₀, điều này cho thấy sự tồn tại của hiệu ứng ARCH(q).
Mô hình ARCH là công cụ hữu ích để mô tả biến động của các biến kinh tế, nhưng ít được áp dụng trong nghiên cứu thực nghiệm do một số khó khăn, như việc xác định độ trễ tối ưu trong phương trình phương sai, có thể lớn và ảnh hưởng đến số bậc tự do Hơn nữa, điều kiện hệ số ước lượng không âm cũng dễ bị vi phạm khi số lượng hệ số cần ước lượng tăng lên.
Mô hình ARCH tổng quát (GARCH) được phát triển bởi Bollerslev vào năm 1986 nhằm khắc phục những hạn chế của mô hình ARCH Trong GARCH, phương sai có điều kiện không chỉ phụ thuộc vào biến trễ của sai số ε t mà còn phụ thuộc vào chính nó, thể hiện qua công thức ζ 2 t = α 0 + α1 ε t−1 2 + β ζ 2 t-1 Đây là dạng đơn giản nhất, GARCH (1,1), với phương sai được ước lượng dựa trên thông tin của kỳ trước GARCH thường được ưa chuộng hơn trong nghiên cứu thực nghiệm so với ARCH, nhờ vào việc cung cấp thông tin tốt hơn với số lượng tham số cần ước lượng ít hơn.
Dựa theo phương trình trên, ta tiến hành lùi lại 1 kỳ, thu được: ζ 2 t-1 = α 0 + α 1 ε t−2 2 + β ζ 2 t-2 (3.10)
Từ phương trình (3.10), tiếp tục lùi lại một kỳ, thu được phương trình (3.11): ζ 2 t-2 = α 0 + α 1 ε t−3 2 + β ζ 2 t-3 (3.11) Thay ζ 2 t-1 trong phương trình (3.10) vào phương trình (3.9) ζ 2 t = α 0 + α 1 ε t−1 2 + β(α 0 + α 1 ε t−2 2 + β ζ 2 t-2 ) (3.12)
Tiếp tục thay ζ 2 t-2 trong phương trình (3.11) vào phương trình (3.12) ζ 2 t = α 0 + α 1 ε t−1 2 + βα 0 + βα 1 ε t−2 2 + β 2 (α 0 + α 1 ε t−3 2 + βζ 2 t-3 ) ζ 2 t = α 0 (1+β+β 2 ) + (α 1 ε t−1 2 + βα 1 ε t−2 2 + β 2 α 1 ε t−3 2 ) + β 3 ζ 2 t-3
Nếu như thực hiện quy trình trên t lần, với t →∞, ta sẽ thu được phương trình tổng quát sau: ζ 2 t = α 0 (1+β+β 2 + ) + (α1 ε t−1 2 + βα1 ε t−2 2 + β 2 α1 ε t−3 2 + β 3 α1 ε t−4 2 + ) + β ∞ ζ 2 0
Trong phương trình (3.13), thành phần α 0 (1+β+β 2 + ) là hằng số; và khi t → ∞ thì β ∞ → 0 ( do 0 < β < 1) Do đó, mô hình GARCH (1,1) ở phương trình (3.9) có thể viết lại như sau: ζ 2 t = γ 0 + (α1 ε t−1 2 + βα1 ε t−2 2 + β 2 α1 ε t−3 2 + β 3 α1 ε t−4 2 + ) ζ 2 t = γ 0 + φ 1 ε t−1 2 + φ 2 ε t−2 2 + φ 3 ε t−3 2 + φ 4 ε t−4 2 + (3.14)
Xây dựng mô hình nghiên cứu thực nghiệm
Nghiên cứu này phân tích tác động của phần bù rủi ro đối với lý thuyết UIP, nhấn mạnh tầm quan trọng của việc kiểm soát yếu tố này Mô hình CGARCH–M được áp dụng để diễn giải phần bù rủi ro, nhờ vào khả năng giải thích mạnh mẽ của nó đối với độ biến động của các biến kinh tế như tỷ giá hối đoái, tỷ suất sinh lợi chứng khoán và lãi suất.
Mô hình nghiên cứu thực nghiệm được xây dựng từ công thức thể hiện trạng thái “Ngang giá lãi suất không phòng ngừa”, được biểu diễn như sau:
S t (3.17) với i t,k (i * t+k) phản ánh lãi suất của các sản phẩm tài chính được định danh bằng đồng nội tệ hoặc ngoại tệ tại thời điểm t của kỳ đáo hạn k Tỷ giá hối đoái giao ngay danh nghĩa S t được tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ; do đó, khi tỷ giá tăng, đồng nội tệ sẽ mất giá Giá trị kỳ vọng E t được xác định dựa trên các thông tin có sẵn tại thời điểm t.
Lấy log tự nhiên hai vế của (3.17), thu được phương trình (3.18): ln( 1 + it,k ) = ln( 1+ i * t,k ) + ln( E t S t+k
Do giá trị kỳ vọng của tỷ giá không thể quan sát trực tiếp, phương trình (3.18) không thể áp dụng trong nghiên cứu thực nghiệm Theo giả định kỳ vọng hợp lý, tỷ giá giao ngay tương lai S t+k được xác định bằng tỷ giá kỳ vọng cộng với một sai số ε t+k, trong đó sai số này không có mối tương quan với bất kỳ thông tin nào tại thời điểm t.
Phương trình (3.18) có thể được viết lại như sau: ln(S t+k) – ln(S t) = ln(1 + i t,k) – ln(1 + i * t,k) + ε t+k Trong đó, s t ≡ ln(S t) và ε t+k là sai số ước lượng, phản ánh những biến động ngoài dự kiến của tỷ giá Nếu ε t+k > 0, điều này cho thấy đồng nội tệ giảm giá ngoài dự kiến Do đó, phương trình kiểm định thực nghiệm thường được sử dụng trong các nghiên cứu về UIP, với giả định nhà đầu tư bàng quan với rủi ro, là: s t+k – s t = α + β [ln(1 + i t+k) – ln(1 + i * t+k)] + ε t+k.
Trong bối cảnh các nhà đầu tư ngại rủi ro, chênh lệch lãi suất không chỉ phản ánh sự thay đổi của tỷ giá hối đoái như lý thuyết UIP mà còn bao gồm một phần bù rủi ro Các thị trường đang phát triển thường có lãi suất và giá cả bất ổn hơn, khiến nhà đầu tư yêu cầu một phần bù rủi ro cho việc nắm giữ các đồng tiền này Nghiên cứu thực nghiệm về phần bù rủi ro tại các quốc gia đang phát triển nhằm giải đáp câu hỏi về UIP Theo nghiên cứu của Berk và Knot (2001) cùng Li và cộng sự (2012), phần bù rủi ro được thể hiện qua độ lệch chuẩn của sai số ước lượng và được thêm vào phương trình 3.21, ký hiệu là ζ t,t+k.
Nghiên cứu này chọn k = 1, phù hợp với các nghiên cứu trước nhằm kiểm định UIP Theo Hansen (2005), khi so sánh hiệu quả dự báo phương sai có điều kiện của tỷ giá hối đoái, mô hình GARCH (1,1) cho thấy kết quả vượt trội so với các mô hình khác thuộc họ ARCH, cung cấp bằng chứng mạnh mẽ rằng không có mô hình nào dự báo tốt hơn mô hình GARCH(1,1) đơn giản.
Dựa vào phương trình (3.22), phương trình thực nghiệm được sử dụng để kiểm định giả thuyết UIP trong nghiên cứu này, khi xem xét yếu tố bù rủi ro, là: s t+1 – st = α + β1 [ln(1+ i t ) – ln(1+ i * t )] + β2 ζ t,t+1 + εt+1 (3.23).
Phương trình (3.23) tương tự như phương trình (2.3) thường được áp dụng trong nghiên cứu UIP, nhưng điểm khác biệt là nó bao gồm yếu tố phần bù rủi ro thể hiện qua thành phần (ζ t,t+1) Nếu α và β2 không khác biệt có ý nghĩa với 0, điều này cho thấy UIP không có phần bù rủi ro, tức là sự gia tăng lãi suất đồng nội tệ sẽ dẫn đến giảm giá đồng nội tệ tương ứng Trường hợp α0 và β2 = 0 cho thấy phần bù rủi ro là cố định, trong khi nếu β2 > 0 thì phần bù rủi ro sẽ thay đổi theo thời gian.
Kết hợp phương trình trung bình với phương sai điều kiện ước lượng từ mô hình CGARCH, nghiên cứu này xây dựng mô hình CGARCH-M với cấu trúc như sau: s t+1 – s t = C + β 1 [ln(1+ i t ) – ln(1+ i * t )] + β 2 ζ t,t +1 + ε t+1 Đồng thời, q t+1 được xác định bởi C 4 + C 5 (q t – C 4 ) + C 6 (ε 2 t – ζ 2 t-1,t), và ζ 2 t,t+1 = q t+1 + C 7 (ε 2 t – q t ) + C 8 (ζ 2 t-1,t – q t).
Một hạn chế của mô hình GARCH và CGARCH là giả định rằng tác động của các cú sốc lên phương sai có điều kiện là đối xứng Trong thị trường chứng khoán, sự bất cân xứng giữa giá chứng khoán và độ biến động thường thấy qua "hiệu ứng đòn bẩy", khi giá giảm làm tăng độ biến động mạnh hơn so với khi giá tăng Ngược lại, trong thị trường tiền tệ, hiện tượng này không xuất hiện do tính chất hai chiều của tỷ giá hối đoái Điều này có nghĩa là tỷ suất sinh lợi dương của một đồng tiền sẽ tương ứng với tỷ suất sinh lợi âm của đồng tiền khác, gây khó khăn cho nhà đầu tư trong việc xác định đồng tiền nào nên bán khi nắm giữ nhiều loại tiền tệ.
Nghiên cứu về tỷ giá hối đoái thường sử dụng các mô hình đối xứng, phản ánh rằng thông tin có thể là "tin tốt" hoặc "tin xấu" Điều này cho thấy sự biến động của tỷ giá hối đoái có tính chất tương đương trong các tình huống khác nhau.
Hiện tượng bất cân xứng trong phương sai tỷ giá hối đoái có thể được giải thích bởi hai lý do chính Thứ nhất, một số đồng tiền có vị thế kinh tế mạnh hơn, dẫn đến sự khác biệt trong độ rủi ro giữa các tài sản định danh bằng các đồng tiền khác nhau Chẳng hạn, khi độ biến động kỳ vọng của tỷ giá VND/USD tăng, tài sản bằng VND trở nên rủi ro hơn, khiến nhà đầu tư bán VND và làm giảm giá trị của nó Thứ hai, can thiệp của ngân hàng trung ương cũng đóng vai trò quan trọng; nếu ngân hàng trung ương bán nội tệ để ngăn chặn sự tăng giá, điều này có thể dẫn đến biến động tỷ giá tăng cao Tuy nhiên, mức độ bất cân xứng này không đồng nhất giữa các quốc gia do bối cảnh kinh tế và hiệu quả can thiệp khác nhau Nhiều nghiên cứu đã chỉ ra hiện tượng này, như nghiên cứu của Byrne và Davis (2005) cho thấy sự bất cân xứng trong biến động tỷ giá ở Đức, Nhật Bản và Canada giai đoạn 1973 – 1996, hay nghiên cứu của Pramor và Tamirisa (2006) chỉ ra rằng đồng nội tệ giảm giá thường dẫn đến mức độ biến động cao hơn so với tăng giá.
Dựa trên mô hình GJR GARCH của Glosten, Jagannathan và Runkle (1993), Yang (2009) đã đưa ra một biến giả để đo lường tác động bất cân xứng lên mức độ biến động của tỷ giá Mô hình này phản ánh sự thay đổi của tỷ giá khi có cú sốc làm tăng hoặc giảm giá trị của đồng tiền đang được xem xét Cụ thể, mô hình bao gồm các phương trình như sau: s t+1 – s t = C + β 1 [ln(1+ i t ) – ln(1+ i * t )] + β 2 ζ t,t +1 + ε t+1 (3.24), q t+1 = C 4 + C 5 (q t – C 4 )+ C 6 (ε 2 t – ζ 2 t-1,t ) (3.25), và ζ 2 t,t+1 = q t+1 + C 7 (ε 2 t – q t ) + C 8 D t (ε 2 t – q t ) + C 9 (ζ 2 t-1,t – q t ) (3.26).
Nếu UIP tồn tại thì C = 0 và β 1 = 1 Trong đó biến giả D t = 1 nếu ε t < 0, và
Trong trường hợp D t = 0, phương trình (3.26) có thể được điều chỉnh để làm nổi bật tác động bất cân xứng của cú sốc tỷ giá lên phương sai có điều kiện của nó Cụ thể, khi ε t < 0, phương trình trở thành ζ 2 t,t+1 = q t+1 + (C 7 + C 8 )(ε 2 t – q t ) + C 9 (ζ 2 t-1,t – q t ) Ngược lại, nếu ε t > 0, phương trình sẽ là ζ 2 t,t+1 = q t+1 + C 7 (ε 2 t – q t ) + C 9 (ζ 2 t-1,t – q t ).
Nếu C8 > 0, điều này cho thấy rằng cú sốc làm nội tệ tăng giá ngoài dự kiến sẽ làm gia tăng phương sai tỷ giá nhiều hơn so với trường hợp nội tệ giảm giá tương đương Theo Engle và Lee (1999), biến giả Dt chỉ xuất hiện trong thành phần ngắn hạn, cho thấy rằng trong ngắn hạn, nhà đầu tư khó có thể điều chỉnh danh mục đầu tư ngay lập tức, dẫn đến cú sốc tỷ giá được xem như "tin xấu" Tuy nhiên, trong dài hạn, nhà đầu tư có thể điều chỉnh danh mục đầu tư về một mục tiêu nhất định, do đó không kỳ vọng có phản ứng bất cân xứng đối với cú sốc tỷ giá Mô hình CGARCH thể hiện đặc điểm quan trọng qua các phương trình (3.25) và (3.26), trong đó qt+1 là xu hướng dài hạn của phương sai ζ2t,t+1, được đo lường bởi hằng số C4, thành phần tự hồi quy AR(1) (C5) và sai số dự báo (C6) Xu hướng dài hạn này có thể biến động theo thời gian do tác động của các cú sốc, và hội tụ về giá trị C4 với tốc độ nhất định.
Tiến trình nghiên cứu thực nghiệm
Bài nghiên cứu nhằm xác định tác động của phần bù rủi ro lên trạng thái "Ngang giá lãi suất không phòng ngừa" tại các quốc gia đang phát triển ở Đông Nam Á, sử dụng mô hình CGARCH-M để kiểm định mối quan hệ giữa biến số thay đổi tỷ giá và chênh lệch lãi suất tại từng quốc gia Các bước tiến hành nghiên cứu sẽ được thực hiện một cách chi tiết và có hệ thống.
Trong bước đầu tiên, các biến nghiên cứu sẽ được kiểm định tính dừng để đảm bảo rằng kết quả ước lượng từ mô hình CGARCH-M là đáng tin cậy, tránh hiện tượng hồi quy giả tạo Hai phương pháp kiểm định tính dừng truyền thống được áp dụng là Augmented Dickey-Fuller (ADF) và Dickey-Fuller Generalized Least Squares (DF-GLS) Kết quả của bước kiểm định này sẽ dẫn đến hai trường hợp khác nhau.
Kết quả kiểm định ADF và DF-GLS chỉ ra rằng các biến nghiên cứu đều dừng Do đó, các biến này sẽ được áp dụng trong các phân tích tiếp theo ở bước 2 và 3, vì đã đáp ứng điều kiện dừng cần thiết.
Đối với các biến không dừng theo kiểm định ADF và DF-GLS, phương pháp kiểm định nghiệm đơn vị theo Perron (1997) sẽ được áp dụng do khả năng xuất hiện "điểm gãy cấu trúc" trong chuỗi dữ liệu Chỉ những biến được xác định là dừng qua phương pháp Perron (1997) mới được sử dụng cho các bước phân tích tiếp theo.
Bước 2: Trạng thái “Ngang giá lãi suất không phòng ngừa” tại từng quốc gia sẽ được kiểm định thông qua phương pháp Bình phương nhỏ nhất (OLS) Phân tích này là cần thiết vì kết quả ước lượng từ OLS cung cấp các giá trị ban đầu, hỗ trợ cho việc tìm cực trị của hàm log-likelihood trong quá trình kiểm định lý thuyết UIP bằng mô hình CGARCH-M ở bước 3.
Bước 3 trong nghiên cứu này là kiểm định mối quan hệ giữa tỷ giá và chênh lệch lãi suất tại từng quốc gia, với việc xem xét phần bù rủi ro thay đổi theo thời gian Phân tích được thực hiện thông qua mô hình CGARCH-M, trong đó các hệ số của ba phương trình (3.24), (3.25) và (3.26) được ước lượng đồng thời bằng kỹ thuật Maximum likelihood Kết quả ước lượng này là điểm trọng tâm của nghiên cứu.
Mô tả biến nghiên cứu và nguồn dữ liệu
Bài nghiên cứu này xem xét các biến nghiên cứu bao gồm tỷ giá hối đoái giao ngay danh nghĩa hàng quý của các đồng tiền so với USD và chênh lệch lãi suất tiền gởi nội tệ danh nghĩa ngắn hạn hàng quý tại từng quốc gia so với lãi suất USD USD được coi là ngoại tệ trong tất cả các cặp tiền tệ được nghiên cứu Chênh lệch lãi suất được tính dựa trên sự khác biệt giữa lãi suất tiền gởi và lãi suất chứng chỉ tiền gởi kỳ hạn 3 tháng của Mỹ Dữ liệu tỷ giá và lãi suất được thu thập từ Thống kê Tài chính Quốc tế của IMF, trong khi lãi suất chứng chỉ tiền gởi của Mỹ được lấy từ Ngân hàng Dự trữ Liên bang St Louis Nghiên cứu tập trung vào các quốc gia Đông Nam Á như Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam, cùng với Nhật Bản để so sánh Khung thời gian nghiên cứu kéo dài từ quý 1/1992 đến quý 1/2013, với dữ liệu Việt Nam bắt đầu từ quý 1/1997 do thiếu thông tin trước đó.
Năm 1997, bảng (3.1) sẽ trình bày chi tiết các biến nghiên cứu và phương pháp tính toán dựa trên chú thích dữ liệu của IFS Sự không đồng nhất trong cách tính toán lãi suất giữa các quốc gia là một hạn chế đáng lưu ý, xuất phát từ những giới hạn trong nguồn dữ liệu, điều này cần được cải thiện trong nghiên cứu.
STT Biến số Ký hiệu Phương pháp tính
Thay đổi trong tỷ giá hối đoái danh nghĩa
Tỷ giá hối đoái danh nghĩa hàng quý của Indonesia (IDN_fx) và Nhật Bản (JPN_fx) được tính bằng cách sử dụng công thức s t+1 - s t, trong đó s t là ln(S t ) S t đại diện cho tỷ giá hối đoái của các đồng tiền so với USD, với giá trị được ghi nhận vào đầu mỗi quý Tỷ giá này phản ánh số lượng đồng nội tệ cần để đổi lấy 1 USD, trong khi USD luôn giữ vai trò là ngoại tệ trong tất cả các cặp tiền tệ được phân tích.
Chênh lệch lãi suất danh nghĩa giữa đồng nội tệ của các quốc gia nghiên cứu và lãi suất USD, kỳ hạn 3 tháng
Indonesia IDN_int ln(1+ i t ) – ln(1+ i * t )
Lãi suất tiền gửi tại Indonesia được tính toán dựa trên trung bình có trọng số của lãi suất niêm yết từ các ngân hàng thương mại, với trọng số được xác định dựa trên giá trị tiền gửi.
Lãi suất tiền gửi kỳ hạn 3 tháng của đồng nội tệ tại Nhật Bản được ký hiệu là JPN_int, trong khi lãi suất chứng chỉ tiền gửi USD kỳ hạn 3 tháng được ký hiệu là i*t.
Lãi suất tiền gởi của Nhật là trung bình lãi suất niêm yết của các ngân hàng đối với các khoản tiền gởi giá trị từ 3 - 10 triệu yen
Lãi suất tiền gửi tại Malaysia, được gọi là MYS_int, phản ánh mức lãi suất trung bình mà các ngân hàng áp dụng cho tiền gửi từ khu vực tư.
Lãi suất tiền gửi tại Philippines được tính toán dựa trên trung bình có trọng số của lãi suất niêm yết từ các ngân hàng thương mại, với trọng số được xác định theo giá trị tiền gửi.
Singapore SGP_int Lãi suất tiền gởi của Singapore là trung bình lãi suất niêm yết của
10 ngân hàng dẫn đầu thị trường
Thái Lan THL_int Lãi suất tiền gởi của Thái Lan là mức lãi suất tiền gởi cao nhất trong nhóm các ngân hàng thương mại
Lãi suất tiền gởi của Việt Nam là trung bình lãi suất niêm yết của
