CHƯƠNG III: PHƯƠNG PHÁP NGHIÊN CỨU
3.2. Dữ liệu và phương pháp nghiên cứu
3.2.1. Sơ lược về dữ liệu
Dữ liệu được sử dụng trong bài nghiên cứu là dữ liệu theo tháng và được thu thập từ: IMF, GSO, ADB, HSX, SBV. Một vài nguồn dữ liệu khác cũng được sử dụng, đặc biệt là dữ liệu đối với các biến ngoại sinh bổ sung mà bài nghiên cứu có đề cập trong mô hình.
Mẫu xét trong giai đoạn từ tháng 1/2008 – 12/2013 là thời kì xuất hiện cuộc khủng hoảng kinh tế tài chính bắt nguồn từ Mỹ năm 2008 và lan rộng trên toàn thế giới, thời kì này gây thách thức vô cùng to lớn đối với các chính phủ và ngân hàng Trung ương các nước trong việc kiểm soát nền kinh tế điều hành chính sách tiền tệ chống lại cuộc suy thoái lớn này. Và cũng trong giai đoạn này, chính sách tiền tệ của ngân hàng Trung ương Việt Nam đã bộc lộ yếu điểm trong quá trình điều hành tuy nhiên cũng có những điểm sáng tích cực giúp cho nền kinh tế tài chính của Việt Nam.
Để bài nghiên cứu đạt được kết quả có giá trị cao tác giả lựa chọn biến dựa trên các nghiên cứu thực nghiệm trước đây và thực tế ở Việt Nam. Các biến nghiên cứu được tóm tắt dưới đây:
Bảng 2: Các biến sử dụng trong mô hình
Biến Giải thích Nguồn
Inflation Lạm phát, phần trăm CPI so với cùng kì năm trước GSO
OutputGap
Chênh lệch sản lượng, phần trăm chênh lệch của sản lượng công nghiệp với mức sản lượng tiềm năng (lọc bằng bộ lọc HP)
GSO
Lending Rate Lãi suất cho vay trung bình kỳ hạn 1 tháng IMF Deposit Rate Lãi suất tiền gửi trung bình kỳ hạn 1 tháng IMF Policy Rate Lãi suất chính sách kỳ hạn 1 tháng SBV Discount Rate Lãi suất chiết khấu kỳ hạn 1 tháng SBV 10yrYield Lãi suất Trái phiếu chính phủ kì hạn 10 năm ADB TermSpread Chênh lệch kì hạn lãi suất trái phiếu chính phủ ADB CreditSpread Chênh lệch lãi suất cho vay – tiền gửi IMF
RstockGap Chênh lệch chỉ số giá chứng khoán VNIndex đã điều
chỉnh lạm phát (với xu hướng dài hạn) HSX, GSO ReerGap Chênh lệch tỉ giá USD/VND (với xu hướng dài hạn) SBV USOutputGap Chênh lệch sản lượng của Hoa Kỳ, cách tính tương
tự OutputGap FRED
FCI Chỉ số điều kiện thị trường tài chính Tính toán của tác giả EFCI Chỉ số điều kiện thị trường tài chỉnh mở rộng Tính toán
của tác giả M2growthrate Tốc độ tăng trưởng cung tiền M2, so với năm liền
trước IMF
Dữ liệu được xem xét trong bài là dữ liệu theo tháng. Hình 2 thể hiện diễn biến các biến chính được xem xét trong phân tích chính sách tiền tệ của ngân hàng Trung ương Việt Nam.
Hình 2.1 Hình 2.2
(Nguồn: Tác giả tự tính toán)
Hình 2: Các biến nghiên cứu chính tại Việt Nam giai đoạn 2008 - 2013
Trong bài nghiên cứu này tác giả sử dụng lãi suất cho vay (Lending rate) là công cụ thực hiện chính sách vì lãi suất cho vay sát với thực tế thị trường cũng như gần với mức lãi suất chiết khấu, một công cụ của ngân hàng Trung ương Việt Nam, hiện tại thì ngân hàng Trung ương Việt Nam ban hành lãi suất cơ bản làm mức tham chiếu, tuy nhiên lãi suất cơ bản chỉ mang ý nghĩa tượng trưng và không sát với thực tế lãi suất trên thị trường.
Tỉ lệ lạm phát được tính bằng tỉ lệ thay đổi hằng năm của chỉ số giá tiêu dùng-CPI (Inflation) số liệu CPI được cập nhật theo tháng do tổng cục thống kê Việt Nam công bố.
Chênh lệch sản lượng (OutputGap) do HSBC công bố là chênh lệch giữa GDP thực tế và GDP tiềm năng, cách lấy GDP tiềm năng sử dụng bộ lọc HP để loại bỏ thành phần chu kì giữ lại thành phần xu hướng. Tuy nhiên dữ liệu GDP lại chỉ được công bố theo quý và năm chứ không có số liệu công bố theo tháng mà hầu hết các biến quan sát khác đều được lấy theo tháng. Do đó tác giả xác định biến chênh lệch sản lượng (OutputGap) được xây dựng bằng cách tính phần trăm độ lệch của (log) chỉ số sản lượng công nghiệp (nguồn GSO) so với Hodrick – Prescott trend
Hình 2.3 Hình 2.4
(sản lượng tiềm năng) của nó dựa theo ý tưởng của Castro (2011). Hình 2.3 thể hiện sự thay đổi của chênh lệch sản lượng theo thời gian.
Biến cung tiền M2 được đưa vào trong mô hình vì thay đổi cung tiền là một trong những công cụ để ngân hàng Trung ương điều hành chính sách tiền tệ.
Biến tài chính và giá tài sản đại diện cho các nhóm biến khác được xem xét trong lí thuyết về quy tắc Taylor đối với phân tích hành vi của ngân hàng Trung ương. Tác giả không xem xét tác động của những biến trên một cách riêng lẻ mà gộp chúng lại thành một biến duy nhất với những trọng số được gán khác nhau Castro (2011). Trọng số phụ thuộc vào tầm quan trọng kinh tế của mỗi biến vào mỗi thời điểm nhất định trong suốt thời gian nghiên cứu. Một vài chỉ số tiền tệ và tài chính được sử dụng trong các tài liệu để đo lường lập trường chính sách tiền tệ và điều kiện tổng cầu. Do đó nó kì vọng những chỉ số này có thể cho thấy được sự phát triển của thị trường tài chính và là chỉ báo tốt cho những hoạt động kinh tế trong tương lai. Chỉ số này cũng chứa đựng những thông tin hữu ích về áp lực lạm phát, cái mà ngân hàng Trung ương có thể tính toán được dựa vào hàm phản ứng của ngân hàng. Theo đó, chỉ số tình trạng tài chính (FCI) được sử dụng để phản ánh sự mất cân bằng trên thị trường tài chính theo Castro (2011). Castro (2011) định nghĩa FCI được tính bằng cách lấy trung bình theo tỉ trọng của lãi suất thực ngắn hạn, tỉ giá hối đoái thực hiệu lực, giá cổ phần thực và giá bất động sản thực. Tuy nhiên, do điều kiện dữ liệu tại Việt Nam nên tác giả phải loại bỏ bớt biến giá bất động sản thực, biến lãi suất thực ngắn hạn và biến tỉ giá hối đoái thực hiệu lực tác giả thu thập từ IMF, biến giá cổ phần thực tác giả lấy chỉ số VNindex làm đại diện. Các dữ liệu này sẽ được tính toán loại bỏ yếu tố lạm phát để phù hợp với yêu cầu của mô hình nghiên cứu. Castro (2011) cũng đề cập thêm biến tài chính mở rộng EFCI được tính là trung bình theo trọng số của tỉ giá hối đoái thực hiệu lực, giá cổ phần thực và giá cả bất động sản thực cộng chênh lệch tín dụng (credit spread) và chênh lệch lãi suất trên thị trường giao sau (futures interest rate spread). Tuy nhiên, thị trường bất động sản Việt Nam chưa có cơ sở dữ liệu, thị trường trái phiếu doanh nghiệp Việt Nam không liên tục dẫn tới không đủ mẫu và thị trường giao sau chưa được xây dựng cho nên bản thân biến chênh lệch lãi suất trên thị trường giao sau (futures interest rate spread) sẽ không thể tìm được tại Việt Nam. Do đó, tác giả đề xuất thay biến chênh lệch lãi suất trên thị trường giao sau (futures interest rate
spread) thành biến chênh lệch kì hạn Termspread bởi theo lí thuyết kì vọng thì giá trái phiếu sẽ thể hiện lãi suất kì hạn bằng với kì vọng lãi suất giao ngay trong tương lai, lợi tức nhận được từ giữ trái phiếu kì hạn dài sẽ bằng với lợi tức tái đầu tư liên tiếp các trái phiếu kì hạn ngắn và tỉ suất lợi tức nhận được khi nắm giữ trong kì tới như nhau đối với các loại trái phiếu có kì hạn khác nhau. Preferred Habitat, Modigliani & Sutch sử dụng các lập luận tương tự như lí thuyết phân khúc thị trường về sự cao hơn của lãi suất kì hạn dài trong kì lãi suất kì vọng tương lai không thay đổi, hay nói cách khác, nhà đầu tư quan tâm đến cả lãi suất và kì hạn.
Dimitri Vayanos & Jean-Luc Vila (2009) giải thích rằng thông qua hoạt động kinh doanh chênh lệch giá (arbitrage), các phân khúc kì hạn khác nhau sẽ được kết nối và phản ánh thông tin về lãi suất kì vọng. Do đó, lãi suất kì hạn là sự thay thế xứng đáng cho lãi suất kì vọng của nhà đầu tư trong tương lai hay nói cách khác là lãi suất giao sau. Biến credit spread được đo bằng cách lấy chênh lệch giữa lãi suất cho vay và lãi suất tiền gửi. Theo Montagnoli & Napolitano (2005) sử dụng thuật toán lọc Kalman để xác định tỉ trọng của mỗi biến trong quá trình tính toán 2 biến FCI và EFCI. Quá trình này cho phép thay đổi tỉ trọng theo thời gian. Goodhart &
Hofmann (2001) đề xuất phương pháp khác để tính toán chỉ số tài chính bằng cách ước lượng hệ thống theo cấu trúc VAR hay ước lượng đơn giản hàm tổng cầu rút gọn trong đó họ giả định rằng trọng số liên kết đối với mỗi biến là cố định. Tuy nhiên trong thực tế danh mục của biến đại diện cho nền kinh tế thay đổi cùng với chu kì kinh doanh cho nên tác giả quyết định sử dụng đề xuất nghiên cứu của Montagnoli & Napolitano (2005) tức sử dụng Kalman.
Để xem xét tầm quan trọng của biến tài chính trong khi thi hành chính sách tiền tệ, mở rộng mô hình trong Rudebusch & Svensson’s (1999) bằng cách thêm những biến trên vào phương trình đường IS, thu được phiên bản dựa vào quá khứ đơn giản theo đường cong Phillips và IS:
, (9)
+ , (10)
Trong đó rir là lãi suất thực đã loại trừ xu hướng và biến tài chính (x) là độ lệch so với mức cân bằng dài hạn lần lượt: tỉ giá hối đoái thực (REER_gap) với mẫu
số là ngoại tệ; giá chứng khoán thực (Rstock_gap), credit spread (CreditSprd) được tính toán bằng cách lấy chênh lệch của lãi suất cho vay và lãi suất tiền gửi cùng kì hạn. Tất cả những biến này cho thấy những thông tin tài chính giá trị có thể được tổng hợp trong một chỉ báo đơn giản, sau đó đưa vào quy tắc điều hành tiền tệ của ngân hàng Trung ương để kiểm định liệu rằng ngân hàng Trung ương có phản ứng lại với những thông tin này hay không khi họ tiến hành xây dựng lãi suất chính sách.
Giả sử tồn tại một thông số thay đổi theo thời gian, điều này có nghĩa là những thay đổi không quan sát được trong hệ số bijt có thể được ước lượng qua bộ lọc Kalman theo dạng state – space từ phương trình (10):
(phương trình đo lường) (space) (phương trình chuyển tiếp) (state)
Trong đó, sai số được giả định là nhiễu trắng độc lập (phân phối chuẩn) với ma trận phương sai - hiệp phương sai được cho bởi Var ( ) = Q, Var ( ) = R và Var ( ) = 0 với mọi t và s. X là ma trận biến giải thích cộng với 1 hằng số; tất cả các biến đều trễ một thời kì. bao gồm tất cả các hệ số độ dốc thay đổi theo thời gian. Vì giả định theo một tiến trình bước đi ngẫu nhiên nên ma trận F bằng ma trận xác nhận. Bộ lọc Kalman cho phép chúng ta tìm lại được động cơ mối quan hệ giữa chênh lệch sản lượng và biến giải thích. Thuật toán đệ quy này ước lượng theo phương trình sau:
Trong đó: ;
(Sai số bình phương trung bình của ) và là dự báo của vector trạng thái tại kỳ t, dựa trên thông tin kỳ trước đó (t-1). Sử dụng bộ lọc này có thể khôi phục lại các vector không quan sát được với các hệ số thời gian khác nhau. Tỷ trọng gắn liền với mỗi biến được tính như sau: , trong đó là hệ số ước lượng của biến tại kỳ t. Do đó, FCI kỳ t được tính như là sản phẩm nội bộ
của vector tỷ trọng và vector của năm biến tài chính được mô tả ở trên, nghĩa là
= .
Biến EFCI được sử dụng trong quy tắc chính sách tiền tệ đối với mỗi ngân hàng Trung ương. Vì biến này chứa đựng thông tin hữu ích về sức khỏe tài chính của nền kinh tế, như thông tin về hoạt động của nền kinh tế trong tương lai và áp lực lạm phát trong tương lai nên tác giả đánh giá cao tầm quan trọng của biến này khi đưa vào mô hình, tác giả kì vọng ngân hàng Trung ương sẽ phản ứng đối với những sự thay đổi trong biến này. Đặc biệt, tác giả kì vọng một sự gia tăng của lãi suất cơ bản khi chỉ báo cải thiện ngược lại nếu tình trạng tài chính bị nhiều giới hạn sẽ dẫn tới việc cắt giảm lãi suất. Ngân hàng Trung ương có thể không làm điều đó trực tiếp đối với mỗi tài sản trong tất cả thời điểm, nhưng trong bài nghiên cứu dự định rút ra một số thông tin bổ sung từ quá trình thay đổi của tài sản, cũng như từ biến tài chính khác khi xây dựng lãi suất chính sách. Cuối cùng, vì các yếu tố tương quan đến nền kinh tế của các biến này thay đổi theo thời gian, chúng ta cũng cho phép khả năng ngân hàng Trung ương sẽ đưa tầm quan trọng của các yếu tố đó theo thời gian.
Bảng 3: Thống kê mô tả dữ liệu mẫu
Biến Obs Mean Std.Dev Min Max
Lending_rate 72 13.24 3.11 9.15 20.25
Inflation 72 12.26 7.31 1.92 28.24
Output_gap 72 -0.09 1.05 -6.05 3.17
M2_growth_rate 72 1.71 3.19 -9.42 20.53
FCI 72 -45.01 53.79 -145.37 77.88
EFCI 72 -1.44 3.04 -8.07 5.97
Reer_Gap 72 -0.60 4.01 -9.58 7.87
Real_Stock_gap 72 -7.11 18.91 -54.69 23.87
Credit_Spread 72 2.65 0.89 0.5 4.12
Tearm_spread 72 0.64 1.17 -4.26 2.5
Us_outputgap 72 -0.38 2.91 -8 5
Trong giai đoạn từ tháng 1 năm 2008 đến tháng 12 năm 2013 mức lãi suất cho vay trung bình đạt mức 13.24% và biến động trong khoảng từ 9.15% đến 20.25%. Lạm phát trung bình ở mức khá cao 12.26% và biến động trong biên độ khoảng từ 1.92% đến 28.24%. Chênh lệch sản lượng ở mức khá thấp -0.09% và biến động trong biên độ từ -6.05% lên mức 3.17%.