Luận văn Thạc sĩ Kinh tế: Nghiên cứu phần bù rủi ro trong trạng thái ngang giá lãi suất không phòng ngừa

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHAN THANH TÙNG

NGHIÊN CỨU PHẦN BÙ RỦI RO TRONG

TRẠNG THÁI NGANG GIÁ LÃI SUẤT KHÔNG

PHÒNG NGỪA

Chuyên ngành: Tài chính – Ngân hàng Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

Người hướng dẫn khoa học

PGS.TS NGUYỄN THỊ LIÊN HOA

TP.HỒ CHÍ MINH - 2014

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả

nêu trong bài nghiên cứu là trung thực và chưa từng được công bố trong bất kỳ

công trình nghiên cứu nào khác.

Tác giả đề tài nghiên cứu

(ký và ghi rõ họ tên)

Phan Thanh Tùng

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC HÌNH

TÓM TẮT ĐỀ TÀI ......................................................................................... 1

CHƢƠNG 1: GIỚI THIỆU ............................................................................ 2

1.1 Lý do thực hiện đề tài ........................................................................................ 2

1.2 Mục tiêu nghiên cứu .......................................................................................... 3

1.3 Phương pháp nghiên cứu ................................................................................... 3

1.4 Phạm vi nghiên cứu ........................................................................................... 4

1.5 Kết cấu bài nghiên cứu ...................................................................................... 4

1.6 Đóng góp của bài nghiên cứu ............................................................................ 4

CHƢƠNG 2: LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÒNG

NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN ......................................... 6

2.1 Lý thuyết “Ngang giá lãi suất không phòng ngừa” ........................................... 6

2.2 Các nghiên cứu trước đây về “Ngang giá lãi suất không phòng ngừa” ............ 9

2.3 Giải thích độ lệch khỏi “Ngang giá lãi suất không phòng ngừa” ................... 13

2.3.1 Kỳ vọng không hợp lý .............................................................................. 13

2.3.2 Phần bù rủi ro thay đổi theo thời gian ...................................................... 14

2.3.3 Mối quan hệ phi tuyến ............................................................................. 21

2.4 Hiệu quả của mô hình Dị phương sai tự hồi quy thành phần tổng quát –

CGARCH trong nghiên cứu thực nghiệm ............................................................. 21

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU ............... 23

3.1 Kiểm định tính dừng trong trường hợp có xét đến “điểm gãy cấu trúc” ........ 23

3.2 Mô hình Dị phương sai tự hồi quy thành phần tổng quát – CGARCH ......... 25

3.3 Xây dựng mô hình nghiên cứu thực nghiệm ................................................... 32

3.4 Tiến trình nghiên cứu thực nghiệm ................................................................. 38

3.5 Mô tả biến nghiên cứu và nguồn dữ liệu ......................................................... 39

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM .................... 41

4.1 Kết quả kiểm định tính dừng ........................................................................... 41

4.2 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng phương pháp

Bình phương nhỏ nhất ........................................................................................... 43

4.3 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng mô hình

CGARCH-M ......................................................................................................... 46

CHƢƠNG 5: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA BÀI

NGHIÊN CỨU ............................................................................................... 59

5.1 Kết luận ........................................................................................................... 59

5.2 Hạn chế và hướng phát triển ........................................................................... 59

DANH MỤC TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

ADF Dickey-Fuller Hiệu chỉnh (Augmented Dickey-Fuller)

ARCH Dị phương sai tự hồi quy (Autoregressive Conditional

Heteroskedasticity)

CGARCH Dị phương sai tự hồi quy thành phần tổng quát (Component

Generalized Autoregressive Conditional Heteroskedasticity)

CGARCH-M Dị phương sai tự hồi quy thành phần tổng quát trong trung bình

(Component Generalized Autoregressive Conditional

Heteroskedasticity in Mean)

DF-GLS Dickey-Fuller Bình phương nhỏ nhất tổng quát (Dickey-Fuller

Generalized Least Squares)

GARCH Dị phương sai tự hồi quy tổng quát (Generalized Autoregressive

Conditional Heteroskedasticity)

Ngang giá lãi suất (Interest Rate Parity) IRP

MAS Ngân hành trung ương Singapore (Monetary Authority of

Singapore)

OECD Tổ chức Hợp tác và Phát triển kinh tế (Organisation for Economic

Co-operation and Development)

OLS Phương pháp Bình phương nhỏ nhất (Ordinary Least Square)

UIP Ngang giá lãi suất không phòng ngừa (Uncovered Interest rate

Parity)

USD Đồng đô la Mỹ (United States dollar)

DANH MỤC CÁC BẢNG

Bảng 3.1: Tổng hợp các biến nghiên cứu được sử dụng và phương pháp tính ....... 40

Bảng 4.1: Kết quả kiểm định tính dừng của chuỗi gốc …………..................…..... 41

Bảng 4.2: Kết quả ước lượng UIP bằng phương pháp OLS ………..........…......... 44

Bảng 4.3: Kết quả kiểm định Wald cho mô hình OLS ………….........…....…….. 45

Bảng 4.4: Kết quả kiểm định hiện tượng tự tương quan của phần dư …...........…. 46

Bảng 4.5: Kết quả kiểm định hiệu ứng ARCH ....................................................... 46

Bảng 4.6: Kết quả ước lượng mô hình CGARCH-M ............................................. 47

Bảng 4.7: Kết quả kiểm định Wald cho mô hình CGARCH-M ............................. 49

Bảng 4.8: So sánh mức độ bền vững của thành phần ngắn hạn và dài hạn của biến

động tỷ giá hối đoái ............................................................................... 51

DANH MỤC HÌNH

Hình 2.1: : Giá trị ước lượng của hệ số β trong 3 giai đoạn khác nhau ở 6 quốc gia

OECD ........................................................................………..………. 10

Hình 4.1: Kết quả kiểm định nghiệm đơn vị bằng phương pháp Perron (1997) đối

với biến chênh lệch lãi suất của Thái Lan ...............................……….. 42

Hình 4.2: Đồ thị chênh lệch lãi suất giữa Thái Lan và Mỹ, giai đoạn Q1/1992 –

Q1/2013………………………...................................................……... 43

Hình 4.3: Tỷ giá hối đoái đồng ringgit Malaysia và baht Thái Lan so với dollar Mỹ

trong giai đoạn Q1/1998 – Q4/2006 …………….………..............…... 53

Hình 4.4: Độ lệch chuẩn có điều kiện của biến thay đổi tỷ giá hối đoái ở các quốc

gia, được ước lượng bởi mô hình CGARCH-M .................................... 56

TÓM TẮT ĐỀ TÀI

Mục tiêu của nghiên cứu này là nhằm phân tích tác động của phần bù rủi ro

thay đổi theo thời gian trong trạng thái “Ngang giá lãi suất không phòng ngừa”. Mô

hình CGARCH-M được áp dụng nhằm mô hình hóa độ biến động của tỷ giá hối

đoái, trong đó biến động này sẽ tuân theo một xu hướng dài hạn, và tồn tại những

dao động trong ngắn hạn lệch khỏi xu hướng này. Kết quả nghiên cứu cho thấy hệ

số ước lượng tương ứng với biến chênh lệch lãi suất nhận giá trị âm, có nghĩa khi

lãi suất nội địa tăng cao hơn so với nước ngoài thì đồng nội tệ lại tăng giá, cho thấy

diễn biến tỷ giá thực tế lệch khỏi dự báo của lý thuyết UIP. Đồng thời, phần bù rủi

ro có tồn tại ở tất cả các quốc gia được nghiên cứu, cho thấy phần bù rủi ro có vai

trò quan trọng, cần được quan tâm trong các mô hình nghiên cứu lý thuyết cũng như

thực nghiệm về tỷ giá hối đoái. Ngoài ra, dữ liệu từ các quốc gia đang phát triển

cũng không thể cho thấy sự tồn tại của UIP như một số các nghiên cứu trước đã gợi

ý.

CHƢƠNG 1: GIỚI THIỆU

1.1 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 quốc tế giữa các quốc gia trên thế giới được đẩy mạnh thông

qua việc giao dịch các tài sản tài chính. Do đó, các lý thuyết về ngang giá lãi suất

đóng vai trò nền tảng cho các quyết định của các nhà đầu tư. Trong đó, “Ngang giá

lãi suất không phòng ngừa” (Uncovered Interest rate Parity - UIP) là một trong

những lý thuyết quan trọng nhất được sử dụng trong nghiên cứu tài chính quốc tế và

kinh tế vĩ mô, đồng thời là giả định chủ chốt trong nhiều lý thuyết về xác định tỷ giá

hối đoái.

Theo lý thuyết này, khác biệt về lãi suất giữa hai quốc gia sẽ được bù trừ bằng

thay đổi trong tỷ giá hối đoái giữa đồng tiền của hai quốc gia đó. Cụ thể, nếu một

quốc gia có lãi suất cao tương đối so với quốc gia khác thì đồng tiền quốc gia đó sẽ

giảm giá tương đương với chênh lệch lãi suất, dẫn đến việc đầu tư ra nước ngoài

nhằm tận dụng mức lãi suất cao sẽ tạo ra tỷ suất sinh lợi bình quân vẫn bằng với tỷ

suất sinh lợi thu được khi đầu tư trong nước. Tuy nhiên, trên thực tế, những đồng

tiền của các quốc gia có lãi suất thấp có khuynh hướng giảm giá so với đồng tiền

của các quốc gia có lãi suất cao. Hiện tượng này được xác nhận bởi nhiều nghiên

cứu tiến hành với nhiều quốc gia và trong những khung thời gian khác nhau, cho

thấy có sự mâu thuẫn giữa bằng chứng thực nghiệm và những dự báo của lý thuyết

UIP. Nhìn chung vẫn chưa có sự thống nhất trong việc giải thích sự thất bại của

UIP. Trong bối cảnh đó, lý thuyết UIP cần được tiếp tục nghiên cứu kỹ lưỡng nhằm

đưa ra được một kết luận thống nhất cho sự tồn tại của lý thuyết này.

Nghiên cứu thực tiễn nhằm giải thích thất bại của lý thuyết UIP tập trung vào

ba hướng nghiên cứu chính: kỳ vọng không hợp lý của các nhà đầu tư, mối quan hệ

phi tuyến giữa chênh lệch lãi suất - thay đổi tỷ giá hối đoái, và biến động theo thời

gian của phần bù rủi ro. Bài nghiên cứu này sẽ tập trung vào yếu tố phần bù rủi ro

thay đổi theo thời gian, được ước lượng thông qua mô hình “Dị phương sai tự hồi

quy thành phần tổng quát” (Component Generalized Autoregressive Conditional

Heteroskedasticity - CGARCH). Đây là mô hình đã được chứng minh là có hiệu quả

cao trong việc giải thích độ biến động của tỷ giá hối đoái, bởi lẽ nó cho phép tách

biệt biến động của tỷ giá hối đoái thành một xu hướng trong dài hạn và những dao

động trong ngắn hạn lệch khỏi xu hướng đó. Bằng việc sử dụng mô hình tổng quát

này để đo lường độ biến động của tỷ giá, nghiên cứu này mong muốn sẽ xác định

được tác động toàn diện của phần bù rủi ro trong lý thuyết UIP, từ đó phần nào giải

thích được câu đố về “Ngang giá lãi suất không phòng ngừa” trong lý thuyết tài

chính quốc tế hiện đại.

1.2 Mục tiêu nghiên cứu

Đề tài đi sâu vào việc nghiên cứu thực tiễn “Ngang giá lãi suất không phòng

ngừa” tại một số quốc gia Đông Nam Á, trong điều kiện có xem xét đến yếu tố phần

bù rủi ro thay đổi theo thời gian, nhằm trả lời các câu hỏi sau:

 Phần bù rủi ro thay đổi theo thời gian có phải là yếu tố quan trọng cần xem

xét đến trong việc nghiên cứu “Ngang giá lãi suất không phòng ngừa” tại

các quốc gia Đông Nam Á ?

 Giữa hai nhân tố: cú sốc đối với những yếu tố cơ bản của nền kinh tế và

cảm tính của các nhà đầu tư trên thị trường, nhân tố nào sẽ ảnh hưởng lâu

dài đến biến động của tỷ giá hối đoái?

1.3 Phƣơng pháp nghiên cứu

Bài nghiên cứu sẽ sử dụng mô hình CGARCH-M nhằm đo lường phần bù rủi

ro trong UIP. Phương pháp này cho phép phần bù rủi ro thay đổi theo thời gian và

phân tách phần bù này thành xu hướng biến động trong dài hạn và những dao động

trong ngắn hạn. Ngoài ra, với mục đích đảm bảo rằng kết quả ước lượng của mô

hình CGARCH-M là đáng tin cậy, trước hết các biến nghiên cứu sẽ được kiểm định

tính dừng trong điều kiện có xem xét đến “điểm gãy cấu trúc” có thể xuất hiện trong

khung thời gian nghiên cứu.

1.4 Phạm vi nghiên cứu

Bài nghiên cứu tập trung vào các quốc gia Đông Nam Á bao gồm: Indonesia,

Malaysia, Philippines, Singapore, Thái Lan và Việt Nam. Ngoài ra, Nhật Bản cũng

được nghiên cứu với mục đích so sánh. Các quốc gia này được nghiên cứu trong

mối tương quan với Mỹ, trong đó Mỹ luôn đóng vai trò là nước ngoài, USD là

ngoại tệ. Khung thời gian nghiên cứu là từ quý 1/1992 đến quý 1/2013, và từ quý

1/1997 đến quý 1/2013 đối với trường hợp của Việt Nam. Dữ liệu được thu thập từ

“Thống kê Tài chính Quốc tế” (International Financial Statistics - IFS) của Quỹ tiền

tệ quốc tế (International Monetary Fund - IMF).

1.5 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.

1.6 Đóng góp của bài nghiên cứu

Dựa trên mô hình CGARCH-M, đề tài mong muốn mô hình hóa phần bù rủi ro

một cách chính xác hơn các nghiên cứu trước, từ đó hy vọng sẽ góp phần giải quyết

“Câu đố về UIP” trong thị trường tiền tệ thế giới. Đây cũng là một trong số ít bài

nghiên cứu áp dụng mô hình CGARCH-M nhằm kiểm định “Ngang giá lãi suất

không phòng ngừa”, đặc biệt là ở các quốc gia Đông Nam Á. Mặc dù thất bại trong

việc cung cấp bằng chứng cho sự tồn tại của UIP, nhưng bài nghiên cứu đã chỉ ra

rằng phần bù rủi ro thay đổi theo thời gian là một yếu tố quan trọng cần xem xét đến

khi nghiên cứu UIP. Ngoài ra, bài nghiên cứu cũng cho thấy tác động bất cân xứng

của cú sốc tỷ giá hối đoái lên phương sai (hay độ biến động) của chính nó, tuy

không phổ biến nhưng vẫn có thể xuất hiện, tùy thuộc vào đồng tiền cũng như thời

kỳ nghiên cứu đang xem xét. Do đó hiện tượng này xứng đáng nhận được sự quan

tâm trong các nghiên cứu về biến động của tỷ giá hối đoái.

CHƢƠNG 2: LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÕNG

NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN

2.1 Lý thuyết “Ngang giá lãi suất không phòng ngừa”

Các lý thuyết về ngang giá lãi suất đều bắt nguồn từ hoạt động kinh doanh

chênh lệch (arbitrage). Đúng như tên gọi, đây là chiến lược kinh doanh nhằm tìm

kiếm lợi nhuận dựa trên khác biệt của giá niêm yết của tài sản tài chính. Trong

phạm vi bài nghiên cứu này, tài sản tài chính được quan tâm sẽ là đồng tiền của các

quốc gia. Giả sử rằng lãi suất đồng ngoại tệ cao hơn lãi suất trong nước và không có

chi phí giao dịch, nhà đầu tư trong nước sẽ chuyển đổi nội tệ sang ngoại tệ theo tỷ

giá giao ngay hiện tại để đầu tư ra nước ngoài nhằm hưởng lãi suất cao; và đến khi

đáo hạn, khoản thu thập bằng ngoại tệ sẽ được chuyển đổi lại thành nội tệ. Tùy vào

hành vi của các nhà đầu tư mà hai lý thuyết về ngang giá lãi suất được hình thành,

bao gồm: “Ngang giá lãi suất không phòng ngừa” và “Ngang giá lãi suất có phòng

ngừa”.

Quay trở lại tình huống trên, nếu như nhà đầu tư lo sợ tỷ giá sẽ thay đổi làm

ảnh hưởng đến kết quả kinh doanh chênh lệch, họ có thể tham gia vào một hợp

đồng kỳ hạn nhằm cố định tỷ giá hối đoái vào thời điểm đáo hạn của khoản đầu tư

bằng đồng ngoại tệ. Chiến lược này được gọi là “Kinh doanh chênh lệch lãi suất có

phòng ngừa”. Hoạt động kinh doanh này sẽ tạo ra lực thị trường nhằm điều chỉnh tỷ

giá giao ngay, tỷ giá kỳ hạn và lãi suất giữa hai đồng tiền, khiến cho hoạt động kinh

doanh chênh lệch sẽ không còn thu được lợi nhuận vượt trội. Cơ chế điều chỉnh có

thể tóm tắt như sau:

 Việc dùng nội tệ để mua ngoại tệ trên thị trường giao ngay sẽ tạo áp lực làm

giảm giá đồng nội tệ. Như vậy, với số vốn bằng nội tệ ban đầu, các nhà đầu

tư khi chuyển đổi sang ngoại tệ sẽ thu 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.

Như vậy, hoạt động kinh doanh chênh lệch sẽ điều chỉnh lãi suất và tỷ giá

khiến cho chiến lược kinh doanh này không còn thu được lợi nhuận tốt hơn so với

đầu tư trong nước. Trạng thái mà tỷ giá và lãi suất được điều chỉnh làm mất đi cơ

hội tiến hành kinh doanh chênh lệch có phòng ngừa được gọi là “Ngang giá lãi

suất” (Interest Rate Parity – IRP). Trong thế cân bằng này, sự khác biệt giữa tỷ giá

kỳ hạn và tỷ giá giao ngay giữa hai đồng tiền được bù đắp bằng chênh lệch lãi suất

giữa hai đồng tiền đó. Để minh họa cho trạng thái này, gọi rf là lợi nhuận thu được

của nhà đầu tư trong nước khi tiến hành kinh doanh chênh lệch lãi suất có phòng

ngừa. Lợi nhuận của chiến lược này sẽ phụ thuộc vào hai yếu tố, đó là lãi suất đồng

ngoại tệ và thay đổi của tỷ giá hối đoái giữa hai đồng tiền trong khoảng thời gian

tiến hành đầu tư:

∗ )

Ft,k St

– 1 rf = (1+ it,k

Với St: tỷ giá giao ngay tại thời điểm t

∗ : lãi suất đồng ngoại tệ tại thời điểm t của kỳ đáo hạn k it,k

Ft,k: tỷ giá kỳ hạn tại thời điểm t của kỳ hạn k

Nếu “Ngang giá lãi suất IRP” tồn tại thì tỷ suất sinh lợi thu được từ kinh

doanh chênh lệch có phòng ngừa sẽ bằng với lãi suất trong nước it,k , cụ thể:

t,k )

Ft,k St

(2.1) rf = it,k  1 + it,k = ( 1+ i*

Phương trình (2.1) thể hiện nội dung của lý thuyết “Ngang giá lãi suất có

phòng ngừa”. Trường hợp các nhà đầu tư không phòng ngừa rủi ro tỷ giá bằng hợp

đồng kỳ hạn sẽ là nội dung của lý thuyết “Ngang giá lãi suất không phòng ngừa”.

Lý thuyết “Ngang giá lãi suất không phòng ngừa” cho rằng, trong điều kiện nhà đầu

tư bàng quan với rủi ro tỷ giá, đồng nội tệ được kỳ vọng sẽ giảm giá khi lãi suất tiền

gởi đồng nội tệ cao hơn lãi suất tiền gởi ngoại tệ. Đây là trạng thái cân bằng do các

lực thị trường tạo ra nhằm triệt tiêu các cơ hội kinh doanh chênh lệch giá, dẫn đến

tỷ suất sinh lợi thu được khi nắm giữa hai đồng tiền bất kì là như nhau. Trạng thái

“Ngang giá lãi suất không phòng ngừa” có thể được biểu diễn như sau:

t,k )

t+k) thể hiện lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ

(2.2) ( 1 + it,k ) = ( 1+ i* Et St+k St

với it,k (i* (ngoại tệ) tại thời điểm t của kỳ đáo hạn k; St là tỷ giá hối đoái giao ngay danh

nghĩa tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ (do đó khi tỷ

giá tăng đồng nghĩa với việc đồng nội tệ mất giá) và Et là giá trị kỳ vọng dựa trên

các thông tin có được tại thời điểm t.

Dựa trên công thức (2.2), phương trình kiểm định thực nghiệm thường được

sử dụng trong các nghiên cứu về UIP là:

Δst+k = st+k – st = α + β ( it,k – i*

t,k ) + εt+k

(2.3)

với st ≡ ln(St) và εt+k là kỳ vọng hợp lý của sai số ước lượng. Giả thuyết kiểm định

H0 của UIP là α = 0 và β = 1, đồng thời εt+k là nhiễu trắng. Khi đó, một sự gia tăng

trong lãi suất đồng nội tệ, tính trung bình, sẽ kéo theo sự giảm giá của đồng nội tệ

với độ lớn tương đương.

Ngoài ra, nếu giả định “Ngang giá lãi suất có phòng ngừa” tồn tại, thành

phần chênh lệch lãi suất ở vế phải của (2.3) có thể được thay thế bằng phần bù kỳ

hạn. Khi đó, UIP có thể được kiểm định dựa trên phương trình (2.4) bên dưới,

(2.4)

Δst+k = st+k – st = α + β ( ft,k – st ) + εt+k

tương đương với (2.3), trong đó ft,k ≡ ln(Ft,k):

2.2 Các nghiên cứu trƣớc đây về “Ngang giá lãi suất không phòng ngừa”

Phương trình (2.3) đã được ước lượng trong rất nhiều nghiên cứu về UIP, với

những loại tiền tệ cũng như khung thời gian nghiên cứu khác nhau. Trong hầu hết

các nghiên cứu, giá trị ước lượng của hệ số β đều nhỏ hơn 1, thậm chí mang giá trị

âm. Nghiên cứu của Froot và Thaler (1990) tổng hợp kết quả của 75 nghiên cứu về

UIP đã báo cáo hệ số hồi quy β nhận giá trị âm trong phần lớn các nghiên cứu. Đối

với những nghiên cứu thu được giá trị β dương thì giá trị này cũng nhỏ hơn 1. Giá

trị trung bình của hệ số hồi quy β thu được từ các nghiên cứu về UIP là –0.88 (Froot

và Thaler, 1990), cung cấp một bằng chứng mạnh mẽ chống lại lý thuyết UIP. Giá

trị β âm diễn giải ý nghĩa kinh tế đáng ngạc nhiên là khi lãi suất đồng nội tệ cao hơn

so với lãi suất ngoại tệ, đồng nội tệ lại tăng giá (thay vì phải giảm giá để bù trừ cho

chênh lệch lãi suất, theo như lý thuyết UIP đã dự báo). Kết quả này được biết đến

như là “Câu đố về UIP”, cho thấy lý thuyết UIP đã dự báo sai hướng di chuyển của

các loại tiền tệ. Ngoài ra, một thực tế rút ra từ các nghiên cứu về UIP là hệ số β

không ổn định. Cụ thể, Chinn và Meredith (2005) sử dụng dữ liệu theo quý của Mỹ

và 6 quốc gia OECD để ước lượng β cho từng quốc gia theo từng khung thời gian

nghiên cứu khác nhau (1980-1986, 1987- 1993 và 1994-2000). Kết quả cho thấy đối

với hầu hết các quốc gia, β thay đổi một cách đáng kể qua những khung thời gian

khác nhau. Cụ thể, đối với khung thời gian thứ nhất và thứ ba, phần lớn các giá trị

ước lượng của β nhận giá trị âm; nhưng β của 5/6 quốc gia lại mang giá trị dương

trong giai đoạn 1987- 1993. Đồng thời, có thể rút ra kết luận rằng mặc dù giá trị ước

lượng của β có sự thay đổi, nhưng nhìn chung những trường hợp mà β có ý nghĩa

thì đều nhận giá trị âm, với độ tin cậy 99%. Kết quả này khẳng định lại kết quả

nghiên cứu của Froot và Thaler (1990). Tổng hợp các hệ số β thu được từ nghiên

cứu này thể hiện ở Hình (2.1) dưới đây.

Hình 2.1: Giá trị ước lượng của hệ số β trong 3 giai đoạn khác nhau ở 6

quốc gia. Mỗi cột thể hiện ước lượng điểm của β tương ứng với các giai đoạn

Q1/1980-Q4/1986, Q1/1987-Q4/1993 và Q1/1994-Q4/2000. Nguồn: Chinn và

Meredith (2005).

Tương tự, nghiên cứu của Frydman và Goldberg (2007) sử dụng dữ liệu tháng

của Mỹ, Đức, Anh và Nhật Bản để ước lượng β qua các khung thời gian khác nhau

12/1982 –12/1984, 1/1985–12/1989, và 1/1990–12/1993. Chỉ có năm trong số chín

giá trị ước lượng của β là âm, ba trong số năm giá trị đó xuất hiện ở khung thời gian

thứ nhất. Các giá trị dương còn lại của β thì có chênh lệch lớn, từ mức +0.53 của

Nhật Bản đến +5.28 của Anh (đều trong cùng khung thời gian thứ hai).

Trước thực tế khả năng dự báo của UIP không được hỗ trợ bởi bằng chứng

thực nghiệm, các nhà nghiên cứu tiến hành kiểm định UIP dựa trên những thiết lập

khác nhau. Trước hết có thể kể đến việc mở rộng kỳ hạn cho các biến nghiên cứu,

bởi theo tranh luận của McCallum (1994) hay Meredith và Chinn (2004), trong

ngắn hạn thì thất bại của UIP có thể do những cú sốc của phần bù rủi ro khi xuất

hiện những thay đổi từ chính sách tiền tệ; nhưng trong dài hạn thì tỷ giá được điều

chỉnh bởi các yếu tố nội tại của nền kinh tế, do đó có thể kỳ vọng rằng mối quan hệ

giữa tỷ giá và lãi suất sẽ thống nhất với lý thuyết UIP trong dài hạn. Meredith và

Chinn (2004) hồi quy tỷ suất sinh lợi từ thời điểm t đến t+m của tỷ giá theo lợi tức

trái phiếu chính phủ với nhiều loại kỳ hạn m khác nhau, có thể kéo dài đến 10 năm.

Kết quả cho thấy rằng với m càng cao thì β có xu hướng tiến dần đến 1, tuy nhiên

UIP vẫn bị bác bỏ đối với 3 trong số 6 cặp tiền tệ được nghiên cứu tại kỳ hạn 10

năm. Tương tự, nghiên cứu của Snaith và cộng sự (2013) tiến hành với kỳ hạn trải

dài từ 1 tháng đến 10 năm, khung thời gian từ 1980 đến 2006, cho thấy giá trị ước

lượng của β tiến tới 1 (là giá trị theo dự báo của UIP) khi kỳ hạn tăng lên. Cụ thể là

“Câu đố UIP” xuất hiện với các kỳ hạn dưới 5 năm, nhưng có xu hướng biến mất

khi kỳ hạn kéo dài hơn 5 năm. Mehl và Cappiello (2009) nghiên cứu UIP với lãi

suất trái phiếu chính phủ kỳ hạn 5 và 10 năm, trong hai nhóm thị trường là các nước

phát triển và đang phát triển, ghi nhận được rằng chênh lệch lãi suất có tác động

một phần đến biến động của tỷ giá hối đoái ở các nước phát triển. Ngược lại, ít có

bằng chứng cho thấy UIP tồn tại ở các thị trường đang phát triển. Do đó hai tác giả

kết luận rằng sự tồn tại của UIP không hẳn dựa vào kỳ hạn nghiên cứu mà phụ

thuộc nhiều hơn vào loại tiền tệ đang xem xét. Kết luận này cũng thống nhất với

nghiên cứu của Bekaert và cộng sự (2007).

Một nhánh nghiên cứu khác là mở rộng phạm vi nghiên cứu ra các quốc gia

đang phát triển. Hầu hết những nghiên cứu trước về UIP đều tập trung ở những

quốc gia phát triển hơn là ở những thị trường mới nổi, nguyên nhân xuất phát từ

mức độ hội nhập tài chính kém cũng như khó khăn trong việc thu thập dữ liệu của

các quốc gia này. Tuy nhiên, xu hướng hội nhập tài chính ngày càng sâu rộng đã

cho phép các nhà nghiên cứu tiếp cận phân tích các quốc gia đang phát triển. Dựa

trên thực tế rằng các quốc gia này có những đặc điểm khác biệt so với các nước phát

triển, đơn cử như thu nhập trên đầu người thấp hơn, lạm phát cũng như biến động

của lạm phát cao hơn dẫn đến lãi suất danh nghĩa cao, dòng chu chuyển vốn thường

bị giới hạn và kiểm soát, tỷ giá hối đoái được điều hành chặt chẽ bởi hoạt động can

thiệp từ ngân hàng trung ương; UIP có thể sẽ thể hiện một cách khác biệt ở các quốc

gia này so với các nước phát triển (Alper và cộng sự, 2009). Do đó dữ liệu của các

thị trường này cung cấp các kết quả kiểm định tốt hơn cho lý thuyết UIP (Flood và

Rose, 2001). Bansal và Dahlquist (2000) kiểm định UIP với dữ liệu tỷ giá và lãi

suất theo tuần của 28 quốc gia trong giai đoạn 1/1976 đến 5/1998, trong đó có 16

quốc gia đang phát triển. Kết quả gợi ý rằng “Câu đố UIP” là hiện tượng dường như

chỉ xuất hiện ở các quốc gia có tổng thu nhập quốc nội trên đầu người cao (các quốc

gia phát triển). Bằng chứng từ các nước đang phát triển và các nước có thu nhập

trên đầu người thấp ủng hộ cho lý thuyết UIP. Cụ thể hơn, mối tương quan ngược

chiều giữa thay đổi tỷ giá và chênh lệch lãi suất chỉ xuất hiện ở các quốc gia phát

triển có lãi suất thấp hơn lãi suất Mỹ. Nói cách khác, hệ số β sẽ tiến gần đến 1 đối

với những quốc gia có thu nhập đầu người thấp, xếp hạng tín nhiệm thấp, lạm phát

bình quân cao và mức độ biến động của lạm phát cao. Đây đều là những đặc điểm

của các thị trường đang phát triển. Frankel và Poonawala (2010) cũng cho thấy độ

lệch khỏi “Ngang giá lãi suất không phòng ngừa” ở các thị trường đang phát triển

nhỏ hơn so với các nước phát triển, dựa trên nghiên cứu dữ liệu của 14 quốc gia

mới nổi trong giai đoạn 12/1996 – 4/2004. Hệ số ước lượng β tính trung bình là lớn

hơn 0, đối với các trường hợp nhận giá trị âm thì cũng không khác biệt có ý nghĩa

so với 0, cho thấy độ lệch khỏi UIP ở các thị trường này ít hơn so với các nước phát

triển. Tuy nhiên, nghiên cứu của Mehl và Cappiello (2009) chỉ ra kết quả trái

ngược, khi mà độ lệch khỏi UIP ở các nước đang phát triển trầm trọng hơn so với

các nước phát triển. Trong khi đó, nghiên cứu của Aysun và Lee (2014) cho thấy

UIP không tồn tại ở hầu hết 28 quốc gia được nghiên cứu, bất kể đó là quốc gia phát

triển hay đang phát triển. Flood và Rose (2001) tiến hành nghiên cứu 13 quốc gia

phát triển và 10 quốc gia đang phát triển, trong đó tập trung vào các quốc gia chịu

khủng hoảng trong thập niên 90, bởi lẽ các quốc gia này có mức độ biến động của

tỷ giá và lãi suất cao, có thể cung cấp được kết quả khác biệt so với những nghiên

cứu về UIP trước đây. Nghiên cứu chỉ ra rằng giá trị ước lượng của β phù hợp hơn

với lý thuyết UIP so với các nghiên cứu trước, tức là β nhận giá trị dương, tuy nhiên

vẫn lệch xa khỏi giá trị 1 theo lý thuyết. Đồng thời, tồn tại nhiều bằng chứng từ các

quốc gia có độ biến động của tỷ giá và lãi suất cao ủng hộ cho UIP hơn so với các

quốc gia có tỷ giá cố định; tuy nhiên tương quan giữa tỷ giá và lãi suất (xét theo

UIP) thì không có khác biệt có ý nghĩa giữa 2 nhóm quốc gia giàu và nghèo (trái

ngược với kết quả thu được từ nghiên cứu của Bansal và Dahlquist (2000)). Clarida

và cộng sự (2009) nghiên cứu các quốc gia thuộc nhóm G10 trong mối tương quan

với Mỹ, giai đoạn 1991 – 2009, tranh luận rằng hệ số β âm tìm thấy trong các

nghiên cứu trước là do độ biến động trong thời kỳ nghiên cứu, trong giai đoạn càng

biến động thì β càng gần tiến tới 1.

2.3 Giải thích độ lệch khỏi “Ngang giá lãi suất không phòng ngừa”

Ba thập kỷ kể từ khi Fama (1984) chỉ ra thất bại của UIP trong thực nghiệm,

rất nhiều nghiên cứu đã theo đuổi “câu đố” này, nhưng có vẻ như các nhà kinh tế

học chỉ tạm thống nhất về mối tương quan ngược chiều giữa thay đổi tỷ giá và

chênh lệch lãi suất, còn về nguyên nhân dẫn đến hiện tượng này thì vẫn còn nhiều

tranh cãi. Theo đó, có 3 hướng nghiên cứu chính nhằm giải thích cho độ lệch khỏi

UIP: 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 - thay đổi tỷ giá hối

đoái.

2.3.1 Kỳ vọng không hợp lý

Với giả định thông thường là sai số ước lượng không có tương quan với thông

tin trong quá khứ, thì tỷ suất sinh lợi vượt trội của tỷ giá sẽ bằng với phần bù rủi ro

(Lewis,1995). Nhiều nghiên cứu sử dụng dữ liệu điều tra để phân tách sai số ước

lượng và phần bù rủi ro, nhằm thu được kết luận chính xác về vai trò của hai thành

phần này đóng góp vào độ lệch khỏi UIP, điển hình như kết quả từ nghiên cứu của

Frankel và Froot (1987) cho thấy tỷ giá kỳ vọng của các nhà đầu tư khác biệt có ý

nghĩa so với tỷ giá hậu nghiệm, đồng nghĩa với kỳ vọng là không hợp lý. Kỳ vọng

không hợp lý còn thể hiện qua một hiện tượng được gọi là “Peso problem”. “Peso

problem” xuất hiện khi mà các nhà đầu tư tham gia vào thị trường tiên đoán có sự

thay đổi chính sách trong tương lai, mặc dù những thay đổi đó không thực sự xảy ra

trong thời kỳ nghiên cứu. Trong tình huống này, kỳ vọng của thị trường về tỷ giá

giao ngay tương lai không phù hợp với tình hình thực tế, dẫn đến diễn biến tỷ giá

hối đoái sẽ sai lệch khỏi tỷ giá kỳ vọng một cách có hệ thống. Và bởi vì kỳ vọng

của thị trường được phản ánh vào phần bù kỳ hạn nên độ lệch này sẽ khiến cho tỷ

giá kỳ hạn không phải ước lượng chính xác cho tỷ giá giao ngay tương lai. Milton

Friedman là người đầu tiên sử dụng cụm từ này khi giải thích tại sao lãi suất tiền gởi

của đồng peso Mexico vẫn cao hơn nhiều so với lãi suất USD trong những năm đầu

thập niên 70, bất chấp tỷ giá đã được cố định suốt một thập kỉ. Lý do được đưa ra là

thị trường kỳ vọng peso sẽ bị phá giá, do đó lãi suất peso cao phản ánh tình trạng

đồng peso yếu đi, mặc dù sự kiện này chỉ diễn ra vào năm 1976 khi chính phủ

Mexico phá giá đồng peso 45%. Nghiên cứu của Burnside và cộng sự (2011) tập

trung vào việc giải thích cho lợi nhuận thu được từ chiến lược đầu tư “kinh doanh

chênh lệch” (carry trade), bằng lý thuyết “peso problem”. Đây là chiến lược đầu tư

mà ở đó những người tham gia sẽ vay các đồng tiền có lãi suất thấp với mục đích

cho vay lại bằng đồng tiền có lãi suất cao. Nếu UIP tồn tại, chiến lược này sẽ không

đem lại lợi nhuận vượt trội. Dữ liệu từ 19 loại tiền tệ khác nhau cho thấy chiến lược

carry trade đem lại lợi nhuận cao hơn so với lợi nhuận thu được từ việc đầu tư vào

một đồng tiền duy nhất, và tỷ số Sharpe của danh mục bao gồm các loại tiền tệ cao

gần gấp đôi so với tỷ số Sharpe thu được từ thị trường chứng khoán Mỹ. Lợi nhuận

vượt trội này được chứng minh không xuất phát từ việc bù trừ rủi ro thị trường, mà

do nguyên nhân khác là vấn đề peso problem.

2.3.2 Phần bù rủi ro thay đổi theo thời gian

Một trong những giả định của lý thuyết UIP là các nhà đầu tư bàng quan với

rủi ro. Tuy nhiên trên thực tế các nhà đầu tư có thể sẽ ngại rủi ro, nên họ sẽ yêu cầu

một phần bù rủi ro cho việc nắm giữa tài sản có rủi ro, cụ thể ở đây là các loại tiền

tệ. Như Fama (1984) đã đề xuất, phần bù rủi ro này có thể là một phần trong phần

dư và có tương quan đến biến thay đổi tỷ giá trong phương trình hồi quy (2.3), do

đó việc bỏ sót biến này sẽ làm sai lệch kết quả ước lượng β. Cụ thể như sau, Fama

đo lường đồng thời hai thành phần của tỷ giá kỳ hạn là phần bù rủi ro và tỷ giá giao

ngay kỳ vọng:

(2.5) ft = E(st+1) + Pt

với ft là log tự nhiên của tỷ giá kỳ hạn, st+1 là log tự nhiên của tỷ giá giao ngay,

E(st+1) là tỷ giá giao ngay kỳ vọng dựa trên giả định kỳ vọng là hợp lý và Pt là phần

bù rủi ro. Phương trình (2.5) có thể được viết lại thành:

(2.6) ft – st = E(st+1 – st) + Pt

t), phương trình

Giả định rằng “Ngang giá lãi suất” (IRP) tồn tại (ft – st = it – i*

(2.6) có thể chuyển đổi thành:

t = E(st+1 – st) + Pt

(2.7) it – i*

Thay thế phương trình (2.7) vào phương trình (2.3) ở trên:

(2.8) st+1 – st = α + β [E(st+1 – st) + Pt] + εt+1

Với giả định kỳ vọng hợp lý (st+1 – st = E(st+1 – st)), β trong phương trình (2.8)

sẽ được tính như sau:

β =

=

Cov (st+1−st ,E(st+1−st )+Pt ) Var (E(st+1−st )+Pt )

Cov (Et Δst+1,Et Δst+1+Pt ) Var (Et Δst+1+Pt )

=

E[Et Δst+1(Et Δst+1+Pt )] – E(Et Δst+1)E(Et Δst+1+Pt ) Var (Et Δst+1) + Var (Pt ) + 2Cov (Et Δst+1,Pt )

=

E[(Et Δst+1)2] – [E(Et Δst+1)]2 + E[(Et Δst+1)Pt ] – E(Et Δst+1)E(Pt ) Var (Et Δst+1) + Var (Pt ) + 2Cov (Et Δst+1,Pt )

(2.9)

=

Var (Et Δst+1) + Cov (Et Δst+1,Pt ) Var (Et Δst+1) + Var (Pt ) + 2Cov (Et Δst+1,Pt )

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 là hằng số, Var(Pt) = 0, thì hiệp phương sai giữa phần bù

rủi ro và thay đổi tỷ giá giao ngay kỳ vọng sẽ bằng 0 (Cov(EtΔst+1,Pt) = 0).

Khi đó β sẽ nhận giá trị là 1 theo như lý thuyết UIP.

 Nếu tương quan giữa phần bù rủi ro và thay đổi tỷ giá kỳ vọng là ngược

chiều (Cov(EtΔst+1,Pt) < 0), và phương sai của phần bù rủi ro lớn, thì giá trị

ước lượng của β trong phương trình (2.3) có xu hướng nhỏ hơn 1, thậm chí

nhận giá trị âm, phù hợp với hầu hết các kết quả nghiên cứu thực nghiệm về

UIP. Độ lệch của giá trị β ước lượng được so với 1 chính là thước đo 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

1973 – 1982, của chín quốc gia, Fama (1984) cho thấy rằng hiệp phương sai giữa

phần bù rủi ro Pt và thay đổi tỷ giá giao ngay kỳ vọng E(st+1 – st) nhận giá trị âm, và

phương sai của phần bù rủi ro Var(Pt) lớn hơn so với phương sai của thay đổi tỷ giá

giao ngay kỳ vọng Var(E(st+1 – st)). Kết quả này chỉ ra rằng nhiều khả năng phần bù

rủi ro đã làm sai lệch kết quả kiểm định “Ngang giá lãi suất không phòng ngừa”

theo hướng bác bỏ sự tồn tại của hiện tượng này.

Đối với các nghiên cứu kiểm định UIP ở các quốc gia phát triển, sự tồn tại của

phần bù rủi ro có thể xuất phát từ rủi ro tỷ giá hối đoái nếu như các nhà đầu tư ngại

rủi ro. Tuy nhiên, đối với các quốc gia đang phát triển, ngoài rủi ro tỷ giá, các nhà

đầu tư có thể đòi hỏi phần bù cho “rủi ro quốc gia” ( ví dụ như khủng hoảng ở nước

ngoài khiến cho chính phủ nước đó hạn chế việc chuyển đổi tiền tệ), và “rủi ro

chính sách” ( là rủi ro xuất hiện do các biện pháp kiểm soát, hạn chế dòng vốn).

Những nghiên cứu thực nghiệm về trạng thái “Ngang giá lã suất không phòng

ngừa” thường được xây dựng dựa trên một số giả định khá nghiêm ngặt. Cụ thể,

ngoài việc phải giả định kỳ vọng là hợp lý để có thể xây dựng được mô hình thực

nghiệm có thể ước lượng được, các nhà nghiên cứu cũng thường áp đặt các giả định

khác như nhà đầu tư là bàng quan với rủi ro, các loại tiền tệ đang được nghiên cứu

tương đồng với nhau về tính thanh khoản – kỳ hạn – “rủi ro quốc gia”, thị trường tài

chính phải phát triển, cũng như là không tồn tại chi phí giao dịch hay các biện pháp

kiểm soát dòng luân chuyển vốn. Hệ quả kéo theo là lãi suất thực ở các quốc gia sẽ

tiến về mức cân bằng. Giả định về lãi suất thực cân bằng và ngang giá sức mua tồn

tại là hai giả định chủ chốt nhằm xây dựng nên lý thuyết UIP. Vì vậy, việc không

tìm thấy bằng chứng hỗ trợ cho lý thuyết UIP trong thực nghiệm cho thấy một hoặc

nhiều giả định đã bị vi phạm. Ví dụ như khi giả định về tính đồng nhất của các loại

tiền tệ bị vi phạm, thì ngay cả những nhà đầu tư bàng quan với rủi ro tỷ giá cũng đòi

hỏi một phần bù rủi ro để bù đắp cho “rủi ro quốc gia” tương ứng với mỗi đồng

tiền. Do đó, dựa trên đặc điểm chung của các quốc gia đang phát triển (và cũng là

đối tượng được quan tâm chính trong bài nghiên cứu này), sẽ hợp lý khi cho rằng

phần bù rủi ro là một yếu tố quan trọng cần được quan tâm, kể cả khi các nhà đầu tư

được giả định là có kỳ vọng hợp lý. Một số nghiên cứu được tiến hành ở các quốc

gia đang phát triển đã chứng minh vai trò của phần bù rủi ro trong các quyết định

đầu tư ở các quốc gia này. Nghiên cứu của Frankel và Okongwu (1996) hay của

Domowitz và cộng sự (1998) đã phân tích phần bù rủi ro tương ứng với rủi ro tỷ giá

và rủi ro quốc gia của Mexico trong những năm đầu thập niên 90. Các tác giả cho

thấy phần bù rủi ro này là đáng kể, trong đó phần bù rủi ro tỷ giá lớn hơn và biến

động nhiều hơn so với rủi ro quốc gia; dẫn đến độ lệch khỏi trạng thái UIP ở

Mexico trong giai đoạn này phần lớn là do phần bù rủi ro gây ra. Nghiên cứu của

Rojas-Suarez và Sotelo (2007) ở các quốc gia Mỹ Latinh chỉ ra rằng rủi ro quốc gia

có tác động đến lãi suất nội tệ (dựa trên kết quả kiểm định nhân quả Granger), hàm

ý rằng nếu như không xem xét đến phần bù rủi ro thì kết quả ước lượng trạng thái

UIP sẽ bị sai lệch.

Có hai phương pháp chính được các nhà nghiên cứu sử dụng khi kiểm định vai

trò của phần bù rủi ro trong lý thuyết UIP. Thứ nhất là sử dụng dữ liệu điều tra về tỷ

giá kỳ vọng, thay vì sử dụng dữ liệu tỷ giá hậu nghiệm. Frankel và Froot (1990) sử

dụng dữ liệu điều tra của tỷ giá hối đoái kỳ vọng nhằm tách độ lệch khỏi UIP thành

hai thành phần: độ lệch do kỳ vọng và độ lệch do phần bù rủi ro. Kết quả cho thấy

phần bù rủi ro không có tương quan với tỷ giá kỳ vọng, và do đó không thể làm sai

lệch kết quả ước lượng của β. Thay vào đó, độ lệch khỏi UIP là do tồn tại sai số có

hệ thống khi dự báo tỷ giá. Tương tự, Cavaglia và cộng sự (1993) cũng sử dụng dữ

liệu điều tra, và cho thấy các giá trị kỳ vọng của tỷ giá là không hợp lý và nhà đầu

tư không sử dụng hết thông tin sẵn có một cách hiệu quả. Tuy nhiên, cũng sử dụng

dữ liệu điều tra, Taylor (1989) thu được kết quả trái ngược khi kết luận rằng chính

tâm lý ngại rủi ro, nói cách khác là sự tồn tại của phần bù rủi ro, đã dẫn đến sai lệch

của UIP trong thực nghiệm.

Phương pháp thứ hai là xem xét liệu tỷ suất sinh lợi vượt trội của tỷ giá có

được giải thích bởi phần bù rủi ro, được tính bằng phương sai hoặc độ lệch chuẩn

của sai số ước lượng. Domowitz và Hakkio (1985) là những tác giả đầu tiên đo

lường phương sai này bằng mô hình “Dị phương sai tự hồi quy” (Autoregressive

conditional heteroscedasticity - ARCH). Mô hình ARCH là mô hình phù hợp nhằm

giải quyết hiện tượng phương sai thay đổi trong quá trình ước lượng hệ số hồi quy,

bởi vì Cumby và Obstfeld (1982) và Hodrick và Srivastava (1984) đã chỉ ra rằng

sai số ước lượng có phương sai thay đổi. Đồng thời Mussa (1979) cũng quan sát

thấy rằng “đối với nhiều tỷ giá, có những giai đoạn yên ắng mà khi đó biến động

của tỷ giá hàng ngày hoặc hàng tuần là rất nhỏ, và có những giai đoạn mà biến động

ngày qua ngày là lớn”. Hai đặc điểm này của phương sai đều được nắm bắt bởi mô

hình ARCH. Nghiên cứu của Domowitz và Hakkio (1985) kiểm định UIP theo

phương trình sau:

𝑆𝑡+1−𝑆𝑡 𝑆𝑡

𝐹𝑡 −𝑆𝑡 𝑆𝑡

) = β0 + β1 + θht+1 + εt+1 , εt+1│It ~ N (0,ℎ𝑡+1

2 ℎ𝑡+1

𝑝 = α0 + 𝛼𝑖𝜀𝑡+1−𝑖 𝑖=1

+ ϕzt

Kết quả ước lượng cho thấy có bằng chứng cho sự tồn tại của phần bù rủi ro cố định

(β0 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 phép đo hoàn hảo cho phần bù rủi ro.

Berk và Knot (2001) kiểm định UIP bằng mô hình ARCH–in–mean cho 5

quốc gia trong giai đoạn 1975 – 1997, sử dụng lãi suất trái phiếu dài hạn thay vì

ngắn hạn. Kết quả phần nào cung cấp bằng chứng cho sự tồn tại của UIP ở bốn

trong số năm quốc gia công nghiệp được nghiên cứu. Tuy nhiên, không tìm thấy

bằng chứng rõ ràng cho sự tồn tại của phần bù rủi ro. Nghiên cứu của Poghosyan và

cộng sự (2008) kiểm định UIP tại Armenia dựa trên thực tế là các ngân hàng tại

Armenia cho phép người dân được lựa chọn mở tài khoản tiết kiệm bằng nội tệ hoặc

ngoại tệ. Đặc điểm này đã giúp loại bỏ rủi ro quốc gia cũng như chi phí giao dịch, là

hai khó khăn thường gặp phải trong các nghiên cứu trước về UIP, chỉ còn lại rủi ro

tỷ giá. Phần bù rủi ro được xem xét trong mối liên hệ với hai nhân tố là tỷ lệ tiền gởi

bằng nội tệ trên ngoại tệ, và các biện pháp can thiệp của ngân hàng trung ương vào

tỷ giá. Sử dụng dữ liệu của Armenia giai đoạn 1997 – 2005, các tác giả tìm thấy

bằng chứng cho sự tồn tại của UIP tốt hơn so với những nghiên cứu trước, tuy nhiên

vẫn có hiện tượng lệch khỏi UIP, cụ thể là các tài khoản gởi bằng đồng nội tệ đem

lại lợi nhuận trung bình cao hơn. Kết quả kiểm định cũng cho thấy tồn tại phần bù

rủi ro thay đổi theo thời gian, và độ lớn sẽ gia tăng cùng với kỳ hạn nghiên cứu.

Hơn nữa, khi hồi quy tỷ suất sinh lời vượt trội của tiền tệ theo biến trễ của chính nó

bằng mô hình GARCH-M, giả định nhà đầu tư bàng quan với rủi ro và giả định kỳ

vọng hợp lý đều bị bác bỏ. Melander (2009) sử dụng mô hình GARCH-M để kiểm

định phần bù rủi ro ở Bolivia, kết quả cho thấy mặc dù không tồn tại nhưng độ lệch

khỏi UIP nhỏ hơn so với các nghiên cứu trước, đồng thời có bằng chứng rõ ràng cho

sự tồn tại của phần bù rủi ro. Cũng sử dụng mô hình GARCH-M, Aysun và Lee

(2014) kiểm định vai trò của phần bù rủi ro đối với UIP ở 28 quốc gia, bao gồm các

nước phát triển lẫn đang phát triển, giai đoạn 1/1996 – 3/2002. Tác giả chuyển đổi

phương trình (2.3) truyền thống nhằm kiểm định cho UIP thành:

(2.10) ERt = φ0 + φ1ln(ht) + εt

(2.11) + δ2ht-1 ht = δ0 + δ1εt−1

với ERt là tỷ suất sinh lợi vượt trội kỳ vọng của tiền tệ, và phần bù rủi ro theo đổi

theo thời gian là phương sai của ERt , ký hiệu ht, 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) là có hệ số hồi quy có ý nghĩa ở cả hai phương trình trung bình

(2.10) và phương trình phương sai (2.11) ở trên, cho thấy dường như chỉ ở các nước

đang phát triển thì phần bù rủi ro mới đóng góp phần lớn vào độ lệch của UIP.

Nghiên cứu gần đây của Li và cộng sự (2012) tiếp tục theo đuổi hướng nghiên cứu

trên, trong đó phần bù rủi ro được ước lượng bằng mô hình CGARCH-M, với kỳ

vọng rằng phần bù rủi ro sẽ được mô hình hóa một cách chính xác hơn so với các

nghiên cứu trước. Trong mối quan hệ so sánh với kết quả ước lượng bằng phương

pháp OLS truyền thống, kết quả ước lượng UIP bằng mô hình CGARCH-M khả

quan hơn khi mà hệ số β nhận giá trị dương có ý nghĩa ở ba trong số mười quốc gia

được nghiên cứu. Mặc dù phần bù rủi ro có tồn tại ở hầu hết các quốc gia, nhưng

nhìn chung thì dấu và độ lớn của hệ số ước lượng β tương ứng với biến chênh lệch

lãi suất vẫn không được cải thiện đáng kể, có nghĩa là UIP vẫn bị bác bỏ ở tất cả các

quốc gia được nghiên cứu và xét riêng phần bù rủi ro thì vẫn chưa thể giải quyết

được “Câu đố UIP”.

Nếu như các nghiên cứu nêu trên đều kiểm định với dữ liệu thời gian riêng

biệt của từng quốc gia, thì nghiên cứu của Baillie và Bollerslev (1990),

Malliaropulos (1997) và Tai (2001) được tiến hành với dữ liệu bảng, bằng mô hình

GARCH đa biến. Tuy nhiên về kết quả vẫn không thống nhất. Nghiên cứu của

Malliaropulos (1997) và Tai (2001) đều tìm thấy bằng chứng có ý nghĩa về phần bù

rủi ro, trong khi Baillie và Bollerslev (1990) thất bại trong việc tìm kiếm mối tương

quan có nghĩa giữa ma trận phương sai với phần bù rủi ro.

Như vậy, có thể rút ra một nhận định chung dựa vào các kết quả nghiên cứu

trên rằng tồn tại phần bù rủi ro ở các thị trường đang phát triển, bởi vì các nhà đầu

tư không chỉ đối mặt với rủi ro tỷ giá mà còn có “rủi ro quốc gia” và “rủi ro chính

sách” (đây là những rủi ro ít gặp phải hơn khi nghiên cứu “Ngang giá lãi suất không

phòng ngừa” ở các thị trường phát triển). Do đó, việc không xem xét đến sự tồn tại

của phần bù rủi ro khi kiểm định trạng thái UIP sẽ dẫn đến “sai lệch do bỏ sót biến”

(omitted variable bias).

2.3.3 Mối quan hệ phi tuyến

Lý thuyết UIP cổ điển dự báo một mối tương quan tuyến tính giữa chênh

lệch lãi suất và thay đổi tỷ giá. Tuy nhiên nhiều tranh luận cho rằng, sự điều chỉnh

của tỷ giá theo lãi suất là phi tuyến. Nếu như mối quan hệ này thực sự là quan hệ

phi tuyến, thì những phương pháp ước lượng tuyến tính truyền thống sẽ không phù

hợp. Nhiều nghiên cứu gợi ý rằng tương quan giữa thay đổi tỷ giá và chênh lệch lãi

suất có thể là quan hệ phi tuyến bởi những nguyên nhân như: can thiệp của ngân

hàng trung ương, chi phí giao dịch và “hạn chế đầu cơ” (tình trạng các nhà đầu tư

không sẵn sàng tham gia thị trường do lợi nhuận thu được thấp hơn các phương án

đầu tư khác, dẫn đến tỷ giá lệch khỏi UIP mà không thể điều chỉnh lại được). Có thể

nhắc đến vai trò của “điểm gãy cấu trúc”, dẫn đến việc phân tách tỷ giá và lãi suất

thành những giai đoạn mang những đặc điểm khác nhau, và kết quả thực nghiệm

của UIP sẽ chịu ảnh hưởng từ những “điểm gãy” này. Sakoulis và cộng sự (2010)

dùng mô phỏng Monte Carlo, trong điều kiện bỏ qua phần bù rủi ro, cho thấy rằng

nếu không xem xét đến điểm gãy, giá trị ước lượng của β có xu hướng bị sai lệch

hướng xuống, tức là lệch xa khỏi giá trị 1 theo lý thuyết. Nghiên cứu của Li,

Ghoshray và Morley (2013) sử dụng mô hình “smooth transition regression” để tiến

hành kiểm định UIP ở tám quốc gia phát triển và đang phát triển. Phương pháp này

sẽ điều chỉnh các hệ số ước lượng thay đổi qua từng thời kỳ, và tốc độ điều chỉnh sẽ

được kiểm soát bởi giá trị của các “biến dịch chuyển” (transition variable), mà cụ

thể là tỷ số Sharpe, chênh lệch lãi suất và mức độ biến động của tỷ giá hối đoái. Kết

quả cho thấy trước hết tỷ giá hối đoái sẽ điều chỉnh phi tuyến theo UIP, và đây là

hiện tượng xuất hiện ở các nước phát triển lẫn đang phát triển. Kết luận thứ hai từ

nghiên cứu là UIP tồn tại ở những giai đoạn mà tỷ giá hối đoái biến động mạnh.

2.4 Hiệu quả của mô hình Dị phƣơng sai tự hồi quy thành phần tổng quát –

CGARCH trong nghiên cứu thực nghiệm

Mô hình CGARCH đã được sử dụng một cách rộng rãi trong lĩnh vực kinh tế

và tài chính. Việc sử dụng mô hình này nhằm tách biệt thành phần ngắn hạn và dài

hạn của phần bù rủi ro có thể giúp xác định nguồn gốc dẫn đến biến động của tỷ giá,

và các quyết định đầu tư phụ thuộc rất lớn vào việc xác định liệu rằng biến động của

thị trường chỉ là ngắn hạn hay dai dẳng (Byrne và Davis, 2005). Li và cộng sự

(2012) tìm thấy bằng chứng của thành phần ngắn và dài hạn của biến động tỷ giá

hối đoái, cho thấy mức độ phản ứng khác nhau của tỷ giá trước những cú sốc, đồng

thời hai tác giả cũng chỉ ra rằng mô hình CGARCH hiệu quả hơn mô hình GARCH

truyền thống trong việc mô tả biến động của tỷ giá. Kết luận này được hỗ trợ bởi

nghiên cứu của Black và McMillan (2004). Nhiều nghiên cứu khác cũng thống nhất

với nhận định này, ví dụ như nghiên cứu của Christoffersen và cộng sự (2006).

Trong nghiên cứu này, các tác giả xây dựng một mô hình định giá quyền chọn kiểu

châu âu dựa trên mô hình CGARCH, có nghĩa là biến động của tỷ suất sinh lợi được

tách thành hai thành phần ngắn hạn và dài hạn. Kết quả ủng hộ mạnh mẽ cho mô

hình CGARCH khi mà mô hình này tỏ ra vượt trội trong việc dự báo giá quyền

chọn in và out-sample so với mô hình GARCH (1,1) thường được sử dụng trong các

nghiên cứu trước. Đặc trưng của CGARCH cho phép đồng thời mô hình hóa giá trị

quyền chọn có kỳ hạn ngắn lẫn dài. Guo và Neely (2008) sử dụng mô hình

CGARCH nhằm phân biệt tác động của hai thành phần ngắn hạn và dài hạn của

phương sai giá chứng khoán đến tỷ suất sinh lợi chứng khoán. Các kiểm định thống

kê bác bỏ mạnh mẽ hiệu quả mô hình GARCH tiêu chuẩn trong sự so sánh với mô

hình CGARCH. Những đặc điểm nổi trội của mô hình CGARCH, cùng với thực tế

có ít các nghiên cứu áp dụng mô hình này trong việc giải thích độ lệch khỏi UIP

(đặc biệt ở các quốc gia Đông Nam Á) là động lực để tiến hành nghiên cứu này.

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

3.1 Kiểm định tính dừng trong trƣờng hợp có xét đến “điểm gãy cấu trúc”

Tính dừng của chuỗi dữ liệu các biến số kinh tế là một chủ đề vẫn được tranh

luận. Nelson và Plosser (1982) cho rằng hầu hết các biến số kinh tế vĩ mô đều chứa

nghiệm đơn vị, do đó không dừng. Nhận định này được thử thách bởi nghiên cứu

của Perron (1989) khi tác giả cho rằng cần phải tách biệt một số sự kiện kinh tế bất

thường xảy ra trong khoảng thời gian nghiên cứu khi xem xét tính dừng, bởi vì các

sự kiện này có thể làm thay đổi đặc điểm của chuỗi dữ liệu, từ đó ảnh hưởng đến kết

quả kiểm định tính dừng. Do đó, đối với những biến mà kết quả kiểm định bằng các

phương pháp truyền thống là không dừng, một kiểm định nghiệm đơn vị khác (có

xem xét đến sự xuất hiện của “điểm gãy cấu trúc” trong chuỗi dữ liệu) sẽ được tiến

hành. Cụ thể trong bài nghiên cứu này, phương pháp kiểm định nghiệm đơn vị của

Perron (1997) sẽ được tiến hành. Nội dung phương pháp này sẽ được trình bày tiếp

theo đây.

Nghiên cứu của Perron (1989) mở rộng quy trình kiểm định Dickey-Fuller tiêu

chuẩn bằng cách thêm các biến giả nhằm thay đổi hệ số chặn và hệ số góc của

phương trình kiểm định. Kiểm định nghiệm đơn vị được thực hiện theo ba mô hình:

mô hình “crash” với “điểm gãy” xuất hiện ở hệ số chặn; mô hình “changing

growth” với “điểm gãy” xuất hiện ở hệ số góc; và mô hình tổng hợp cho phép hai

trường hợp trên xảy ra đồng thời. “Điểm gãy” được giả định là đã biết trước dựa

trên những sự kiện thực tế đã xảy ra. Tuy nhiên, việc lựa chọn “điểm gãy” theo quy

trình trên bị chỉ trích bởi quan điểm cho rằng “điểm gãy” phải được xác định một

cách nội sinh, nói cách khác là phải dựa trên dữ liệu nghiên cứu để chỉ ra “điểm

gãy” chứ không xác định trước dựa trên sự kiện lịch sử. Do đó, Perron (1997) đã

mở rộng nghiên cứu của Perron (1989), cho phép “điểm gãy” được xác định một

cách nội sinh. Kiểm định nghiệm đơn vị được thực hiện theo ba mô hình sau:

 Mô hình đầu tiên chỉ cho phép “điểm gãy” xuất hiện ở hệ số chặn, được gọi

tên là “Innovational Outlier”. Nghiệm đơn vị được kiểm định bằng cách

kiểm định giả thuyết α = 1 trong phương trình (3.1) sau:

𝑘 𝑖=1

(3.1) + εt yt = μ + θDUt + βt + δD(Tb)t + αyt-1 + 𝑐𝑖𝛥𝑦𝑡−𝑖

với Tb là thời điểm xuất hiện “điểm gãy”; DUt là biến giả nhận giá trị 1 nếu

t >Tb (bằng 0 trong trường hợp còn lại); D(Tb)t = 1 nếu t = Tb+1.

 Mô hình thứ hai cho phép thay đổi trong hệ số chặn và hệ số góc xảy ra

đồng thời tại thời điểm xảy ra “điểm gãy”. Nghiệm đơn vị được kiểm định

bằng cách kiểm định giả thuyết α = 1 trong phương trình (3.2) sau:

𝑘 𝑖=1

(3.2) + εt yt = μ + θDUt + βt + γDTt +δD(Tb)t + αyt-1 + 𝑐𝑖𝛥𝑦𝑡−𝑖

với DTt = t nếu t > Tb.

t = t – Tb (nếu t > Tb)

 Mô hình thứ ba chỉ cho phép “điểm gãy” xuất hiện ở hệ số góc, được gọi

t + 𝑦𝑡

(3.3) tên là “Additive Outlier”. Đầu tiên thành phần xu hướng được loại bỏ bằng cách ước lượng phương trình (3.3) sau, với DT* yt = μ + βt + γDT*

Sau đó nghiệm đơn vị được kiểm định bằng cách kiểm định giả thuyết α = 1

trong phương trình (3.4):

𝑘 𝑖=1

(3.4) + εt 𝑦𝑡 = α𝑦 𝑡−1 + 𝑐𝑖𝑦 𝑡−1

Trong những phương trình ước lượng (3.1), (3.2), (3.3) và (3.4), Tb và k được

giả định là chưa biết. Thời điểm xảy ra “điểm gãy cấu trúc” Tb sẽ được xác định

bằng cách xem xét tất cả các “điểm gãy” có thể có, thời điểm nào làm cho giá trị

của thống kê t của kiểm định α = 1 nhận giá trị nhỏ nhất sẽ được chọn làm Tb. Dựa

theo kiểm định nghiệm đơn vị Perron (1997), nếu giả thuyết α = 1 bị bác bỏ đồng

nghĩa với việc dữ liệu là dừng quanh điểm gãy, đường xu hướng của dữ liệu có thể

là đường gấp khúc.

3.2 Mô hình Dị phƣơng sai tự hồi quy thành phần tổng quát – CGARCH

Có một thực tế là dữ liệu của các biến kinh tế mang một số đặc điểm quan

trọng mà những mô hình ước lượng truyền thống chưa thể giải thích như:

 Leptokurtosis: hiện tượng mà dữ liệu tỷ suất sinh lợi của các tài sản tài

chính không theo phân phối chuẩn mà cho thấy có phần đuôi lớn và nhọn ở

giá trị trung bình.

 “Biến động theo cụm” (Volatility clustering): biến động trên những thị

trường tài chính xuất hiện theo từng nhóm, cụ thể như giai đoạn biến động

cao (thấp) sẽ kéo theo giai đoạn liền kế tiếp cũng có độ biến động cao

(thấp). Nói cách khác, mức độ biến động trong hiện tại có xu hướng tương

quan cùng chiều với chính nó trong thời kỳ liền trước.

 “Hiệu ứng đòn bẩy” (Leverage effects): xu hướng thay đổi bất cân xứng của

độ biến động trong hai trường hợp giá tăng và giảm ( giá giảm gây ra biến

động lớn hơn so với trường hợp giá tăng)

Khi đó, họ mô hình ARCH (Engle, 1982) thường được sử dụng để mô tả và dự

báo độ biến động do nó có thể mô phỏng tốt những đặc điểm nêu trên của dữ liệu,

và đồng thời cũng là họ mô hình được quan tâm trong bài nghiên cứu này.

Phương pháp ước lượng Bình phương nhỏ nhất (Ordinary Least Square –

OLS) truyền thống là một phương pháp mạnh mẽ trong kinh tế lượng, với điều kiện

là các giả định nghiêm ngặt của nó phải được thỏa mãn. Một trong những giả định

đó là phương sai của sai số là cố định. Trong trường hợp phương sai này thay đổi,

các ước lượng bình phương nhỏ nhất sẽ không phải là ước lượng hiệu quả, đồng

thời ước lượng phương sai cũng bị sai lệch dẫn các kiểm định mức ý nghĩa và

khoảng tin cậy dựa theo phân phối t và F cũng không đáng tin cậy. Trên thực tế thì

giả định này cũng khó mà đảm bảo khi xem xét các chuỗi dữ liệu thời gian của các

biến kinh tế. Ngoài ra, dữ liệu còn cho thấy hiện tượng “Biến động theo cụm” như

đã nói ở trên. Hai đặc điểm này đều được giải quyết bởi họ mô hình ARCH. Để hiểu

2, của

được ý tưởng của mô hình ARCH, việc định nghĩa phương sai có điều kiện, ζt

một biến ngẫu nhiên là cần thiết. Xem xét biến ngẫu nhiên ut sau:

ut ∼N(0,ζt

2 = var(ut | ut−1,ut−2,...) = E[(ut −E(ut))2 | ut−1,ut−2,...]

ζt

Do E(ut) = 0, khi đó:

2 = var(ut | ut−1,ut−2,...) = E[ut

2 | ut−1,ut−2,...]

(3.5) ζt

Công thức (3.5) cho thấy phương sai có điều kiện của một biến ngẫu nhiên ut

sẽ phụ thuộc vào bình phương giá trị kỳ vọng của chính ut. Đây là ý tưởng nền tảng

của mô hình ARCH, khi mà hiện tượng “Biến động theo cụm” được mô tả bằng 2 phụ thuộc vào biến trễ của bình phương sai số, tức là những biến động cách cho ζt

của kỳ trước sẽ được phản ánh vào phương sai của kỳ hiện tại:

t = α0 + α1 ut−1

ζ2 (3.6)

Phương trình (3.6) được biết đến là mô hình ARCH (1) và là phương trình

phương sai. Nhà nghiên cứu có thể tự do mô tả thay đổi của biến phụ thuộc, yt, bằng

phương trình trung bình. Ví dụ cho một mô hình đơn giản, đầy đủ là như sau:

yt = β1 + β2x2t + β3x3t + β4x4t + ε t ε t ∼N(0, ζ2

t = α0 + α1 εt−1

ζ2

t là phương sai có điều kiện, nên giá trị của nó bắt buộc phải không

Bởi vì ζ2

âm. Phương sai nhận giá trị âm tại bất kì thời điểm nào đều không có ý nghĩa. Do

đó, nhằm đảm bảo cho giá trị ước lượng của phương sai có điều kiện luôn không

âm, các hệ số ước lượng trong phương trình phương sai thường được ước lượng

kèm theo điều kiện là các hệ số này cũng phải không âm, tất nhiên có thể thấy đây

là điều kiện nghiêm ngặt hơn so với cần thiết. Như vậy, ví dụ với trường hợp mô

hình ARCH(1) trên, các hệ số α0 và α1 thường được áp đặt điều kiện là α0 ≥ 0 và

α1 ≥ 0. Tổng quát hơn, với mô hình ARCH(q), tất cả các hệ số đều phải không âm:

αi ≥ 0 ∀i = 0,1,2,...,q

Trong nghiên cứu thực nghiệm, trước khi tiến hành ước lượng bằng mô hình

ARCH, bước kiểm định sự tồn tại của hiệu ứng ARCH thường được tiến hành. Nếu

như dữ liệu cho thấy sự tồn tại của hiệu ứng ARCH thì việc áp dụng mô hình

ARCH để ước lượng sẽ phù hợp. Hiệu ứng này sẽ được kiểm định dựa trên phần dư

thu được khi ước lượng một mô hình tuyến tính cụ thể. Ví dụ, có thể tiến hành ước

lượng một mô hình tuyến tính sau:

(3.7) yt = α + β1x1t + β2x2t + β3x3t + εt

Phần dư εt ước lượng được từ phương trình (3.7) sẽ được lưu lại. Sau đó, tiến

hành bình phương phần dư này, và hồi quy chúng theo biến trễ của chính nó, với độ

trễ từ 1 đến q (nếu như muốn kiểm định hiệu ứng ARCH bậc q). Nói cách khác,

phần dư thu được khi ước lượng phương trình (3.7) sẽ được ước lượng tiếp tục theo

phương trình sau:

εt 2 = γ0 + γ1εt−1 2 + γ2εt−2 2 + γ3εt−3 2 + ... + γqεt−q 2 + υt

(3.8)

Một giá trị thống kê được định nghĩa là nR2 (với n là số quan sát nhân với R2

thu được khi ước lượng phương trình (3.8)), và tuân theo phân phối Chi bình phương bậc q ( χ2(q) ). Về bản chất, kiểm định hiệu ứng ARCH 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) đồng thời bằng không:

H0: γ1 = γ2 = γ3 = ... = γq = 0

H1: γ1 ≠ 0 hoặc γ2 ≠ 0 hoặc γ3 ≠ 0 hoặc ... hoặc γq ≠ 0

Nếu giá trị thống kê nR2 lớn hơn giá trị tới hạn của phân phối Chi bình phương

thì bác bỏ giả thuyết H0, có nghĩa là tồn tại hiệu ứng ARCH(q).

Mặc dù mô hình ARCH cung cấp công cụ để mô tả biến động của các biến

kinh tế, nhưng lại ít được sử dụng trong nghiên cứu thực nghiệm bởi một số khó

khăn sau: xác định độ trễ tối ưu trong phương trình phương sai, độ trễ này có thể là

rất lớn (ảnh hưởng đến số bậc tự do) và điều kiện hệ số ước lượng phải không âm

cũng dễ bị vi phạm khi số lượng hệ số cần ước lượng tăng lên. Do đó, mô hình

“ARCH tổng quát” (Generalized ARCH – GARCH) (Bollerslev, 1986) được phát

triển từ mô hình ARCH nhằm giải quyết các khó khăn trên. Trong mô hình

GARCH, phương sai có điều kiện không chỉ phụ thuộc biến trễ của sai số εt mà còn

phụ thuộc vào biến trễ của chính nó:

2 + β ζ2

t-1

t = α0 + α1 εt−1

ζ2

Đây là dạng đơn giản nhất của mô hình, GARCH (1,1), bởi vì phương sai có

t là ước lượng dựa trên các thông tin của một kỳ trước đó. Mô hình

điều kiện ζ2

GARCH được sử dụng nhiều hơn trong nghiên cứu thực nghiệm so với ARCH, bởi

vì GARCH cung cấp thông tin tốt hơn với số lượng tham số phải ước lượng ít hơn

(parsimonious). Để chứng minh cho nhận định này, trước tiên bắt đầu với phương

trình phương sai có điều kiện của mô hình GARCH(1,1):

2 + β ζ2

t-1

t = α0 + α1 εt−1

ζ2 (3.9)

Dựa theo phương trình trên, ta tiến hành lùi lại 1 kỳ, thu được:

2 + β ζ2

t-2

t-1 = α0 + α1 εt−2

ζ2 (3.10)

Từ phương trình (3.10), tiếp tục lùi lại một kỳ, thu được phương trình (3.11):

2 + β ζ2

t-3

t-2 = α0 + α1 εt−3

ζ2 (3.11)

t-1 trong phương trình (3.10) vào phương trình (3.9)

Thay ζ2

2 + β ζ2

t-2)

t = α0 + α1 εt−1

2 + β(α0+ α1 εt−2

(3.12) ζ2

t-2 trong phương trình (3.11) vào phương trình (3.12)

Tiếp tục thay ζ2

2 + βζ2

t-3)

t = α0 + α1 εt−1

2 + βα0 + βα1 εt−2

ζ2 + β2(α0 + α1 εt−3

t-3

t = α0(1+β+β2) + (α1 εt−1

2 + βα1 εt−2

ζ2 ) + β3ζ2 + β2α1 εt−3

Nếu như thực hiện quy trình trên t lần, với t →∞, ta sẽ thu được phương trình

tổng quát sau:

2 +...) + β∞ζ2

2 + βα1 εt−2

t = α0(1+β+β2+...) + (α1 εt−1

2 + β3α1 εt−4 + β2α1 εt−3

ζ2

(3.13)

Trong phương trình (3.13), thành phần α0(1+β+β2+...) 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:

2 +...)

t = γ0 + (α1 εt−1

2 + βα1 εt−2

2 + β3α1 εt−4

ζ2 + β2α1 εt−3

2 + ...

t = γ0 + φ1 εt−1

2 + φ2 εt−2

2 + φ4 εt−4

ζ2 (3.14) + φ3 εt−3

Phương trình (3.14) chính là mô hình ARCH(q) với q → ∞. Nói cách khác,

mô hình GARCH(1,1) với chỉ ba tham số ước lượng trong phương trình phương sai

nhưng có thể cho phép một số lượng vô cùng biến trễ của sai số tác động đến

phương sai có điều kiện hiện tại. Do đó, mô hình GARCH có hiệu quả cao hơn

trong nghiên cứu thực nghiệm.

Hầu hết các mô hình trong tài chính ủng hộ cho quan điểm rằng các nhà đầu

tư xứng đáng được tưởng thưởng cho việc chấp nhận rủi ro, do đó Engle, Lilien và

Robins (1987) gợi ý mô hình ARCH–in–mean mà trong đó tỷ suất sinh lợi phụ

thuộc một phần vào rủi ro của chính nó. Cụm từ “in-mean” thể hiện rằng phương sai

của sai số không chỉ xuất hiện ở phương trình phương sai mà còn xuất hiện trong

phương trình trung bình:

2 + ε t

ε t ∼N(0, ζ2 yt = μ + β ζt

t = α0 + α1 𝜀𝑡−1

ζ2

2 có thể

Nếu β dương và có ý nghĩa, thì một sự gia tăng trong rủi ro – thể hiện bằng sự

gia tăng trong phương sai có điều kiện – dẫn đến sự gia tăng của yt. Do đó, ζt

được hiểu như là phần bù rủi ro, và đây cũng là ý tưởng chính của các nghiên cứu

về vai trò của phần bù rủi ro đối với độ lệch khỏi UIP bằng họ mô hình ARCH.

Tuy nhiên, dựa trên những bằng chứng cho thấy mức độ biến động của chứng

khoán, tỷ giá hối đoái và lãi suất là thay đổi theo thời gian và có xu hướng quay về

t, được mô tả trong mô hình GARCH, có cố định theo

giá trị trung bình (Engle và Lee, 1999), một câu hỏi đặt ra là liệu giá trị trung bình dài hạn α0 của phương sai ζ2

thời gian. Dựa trên giả thuyết đó, Engle và Lee (1999) mở rộng mô hình GARCH

truyền thống bằng cách phân tách phương sai có điều kiện thành hai thành phần:

một xu hướng trong dài hạn và những dao động trong ngắn hạn lệch khỏi xu hướng

đó. Mô hình này được gọi là “Dị phương sai tự hồi quy thành phần tổng quát” hay

Component GARCH (CGARCH)

t – qt = st = α (ε 2

t-1 – qt-1) + β (ζ 2

t-1 – qt-1)

ζ 2 (3.15)

t-1 – ζ 2

t-1)

(3.16) qt = ω + ρ qt-1 + φ(ε2

Phương trình (3.15) thể hiện thành phần ngắn hạn (st) của phương sai, trong

khi phương trình (3.16) thể hiện xu hướng biến động dài hạn (qt). Hai phương trình

(3.15) và (3.16) có thể viết lại như sau:

t = qt + st

ζ 2

t-1 – ζ 2

t-1)

st = (α + β) st-1 + α (ε 2

t-1 – ζ 2

t-1)

qt = ω + ρ qt-1 + φ(ε2

t-1 – ζ 2

t-1), giữ vai trò điều chỉnh cả

Có thể thấy thành phần sai số dự báo, (ε2

hai thành phần ngắn và dài hạn của phương sai. Sai số dự báo này là chênh lệch

giữa biến trễ của bình phương sai số ước lượng và giá trị ước lượng của phương sai

(dựa trên thông tin có được ở thời kỳ t-2), phản ánh những cú sốc đến phương sai

(hay độ biến động) của biến nghiên cứu. Do đó:

 Những dao động trong ngắn hạn sẽ hội tụ về 0 với tốc độ (α + β) nếu

0 < (α + β) < 1.

 Xu hướng dài hạn sẽ biến động phụ thuộc vào sai số dự báo, nhưng sẽ hội

tụ về giá trị cố định là ω/(1- ρ) nếu 0 < ρ < 1.

 Để mô hình ổn định thì xu hướng dài hạn phải bền vững hơn so với dao

động trong ngắn hạn, có nghĩa 0 < (α + β) < ρ < 1.

Ước lượng tham số của họ mô hình ARCH

Các tham số trong họ mô hình ARCH được ước lượng thông qua kỹ thuật

maximum likelihood. Về bản chất, kỹ thuật này dựa trên dữ liệu nghiên cứu để tìm

ra các giá trị tham số mà tại đó tối đa hóa được hàm log-likelihood. Ví dụ như đối

với mô hình GARCH (1,1), các bước để ước lượng tham số của mô hình như sau:

 Xác định phương trình trung bình và phương trình phương sai phù hợp

yt = μ + φyt−1 + εt εt ∼ N(0,ζ2

t = α0 + α1u2

t−1 + β ζ2

t−1

ζ2

 Xác định hàm log-likelihood, với giả định là εt thuân theo phân phối chuẩn

L = -

log(2π) -

-

(yt – μ – φyt−1) 2

T t=1

2) log(ζt

2 ζt

 Tìm các tham số nhằm tối đa hóa hàm log-likelihood trên và tính toán sai số

chuẩn.

Nếu như hàm log-likelihood chỉ có một giá trị cực đại thì các kỹ thuật tìm cực

trị đều có thể xác định được các tham số. Tuy nhiên trong trường hợp các hàm phi

tuyến như GARCH, hàm log-likelihood có thể có nhiều cực trị địa phương, do đó

những kỹ thuật khác nhau có thể tìm ra các giá trị ước lượng của tham số khác

nhau. Do đó, việc đưa ra các dự báo ban đầu về giá trị ước lượng của các tham số là

cần thiết. Mô hình OLS có thể được sử dụng để đưa ra các giá trị dự báo ban đầu

này.

3.3 Xây dựng mô hình nghiên cứu thực nghiệm

Bài nghiên cứu này xem xét ảnh hưởng của phần bù rủi ro đến lý thuyết UIP,

do đó việc kiểm soát được yếu tố này đóng vai trò then chốt. Mô hình CGARCH–M

được sử dụng nhằm biểu diễn cho phần bù rủi ro này, nhờ vào khả năng giải thích

mạnh mẽ của mô hình này cho độ biến động của các biến số 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:

t,k )

(3.17) ( 1 + it,k ) = ( 1+ i* Et St+k St

t+k) thể hiện lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ

với it,k (i*

(ngoại tệ) tại thời điểm t của kỳ đáo hạn k; St là tỷ giá hối đoái giao ngay danh

nghĩa tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ (do đó khi tỷ

giá tăng đồng nghĩa với việc đồng nội tệ mất giá) và Et là giá trị kỳ vọng dựa trên

các thông tin có được tại thời điểm t.

)

ln( 1 + it,k ) = ln( 1+ i*

t,k ) + ln(

Lấy log tự nhiên hai vế của (3.17), thu được phương trình (3.18):

Et St+k St

t,k )

ln(𝐸𝑡𝑆𝑡+𝑘 ) – ln(St) = ln( 1 + it,k ) – ln( 1+ i*

(3.18)

Bởi vì giá trị kỳ vọng của tỷ giá là không thể quan sát được nên không thể sử

dụng phương trình (3.18) trong các nghiên cứu thực nghiệm. Với giả định kỳ vọng

hợp lý, tỷ giá giao ngay tương lai St+k sẽ bằng tỷ giá kỳ vọng cộng với một sai số, ký

hiệu εt+k, sai số này không có tương quan với bất kì thông tin nào tại thời điểm t:

(3.19) St+k = EtSt+k + εt+k

ln(St+k) – ln(St) = ln( 1 + it,k ) – ln( 1+ i*

t,k ) + εt+k

Khi đó, phương trình (3.18) có thể viết lại như sau:

t,k ) + εt+k

(3.20) st+k – st = ln(1+ it,k ) – ln(1+ i*

với st ≡ ln(St) và εt+k là sai số ước lượng. Thành phần sai số εt+k trong phương trình

(3.20) phản ánh những biến động ngoài dự kiến của tỷ giá, với εt+k > 0 thể hiện

đồng nội tệ giảm giá ngoài dự kiến. Như vậy, 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 như sau:

t+k )] + εt+k

(3.21)

st+k – st = α + β [ln(1+ it+k ) – ln(1+ i*

Tuy nhiên, trong điều kiện các nhà đầu tư ngại rủi ro, chênh lệch lãi suất sẽ

không bằng với thay đổi của tỷ giá hối đoái như lý thuyết UIP đã đề cập, mà sẽ kèm

theo một phần bù rủi ro. Ở các thị trường đang phát triển, lãi suất và giá cả thường

có độ bất ổn cao hơn so với các thị trường phát triển. Do đó, nhà đầu tư ở các thị

trường này đòi hỏi một phần bù rủi ro cho việc nắm giữ các đồng tiền bất ổn này,

dẫn đến là các nghiên cứu thực nghiệm về phần bù rủi ro ở các quốc gia đang phát

triển đều kỳ vọng sẽ tìm được câu trả lời cho câu đố về UIP. Căn cứ vào nghiên cứu

của Berk và Knot (2001), cũng như của Li và cộng sự (2012), phần bù rủi ro, thể

hiện bằng độ lệch chuẩn của sai số ước lượng, được thêm vào phương trình (3.21),

ký hiệu là ζ t,t+k:

t+k )] + β2 ζ t,t+k + εt+k

(3.22)

st+k – st = α + β1 [ln(1+ it+k ) – ln(1+ i*

Bài nghiên cứu lựa chọn k = 1, phù hợp với các nghiên cứu trước đây nhằm

kiểm định UIP. Ngoài ra, nghiên cứu của Hansen (2005), khi so sánh hiệu quả dự

báo phương sai có điều kiện tỷ giá hối đoái của mô hình GARCH (1,1) với các mô

hình khác thuộc họ mô hình ARCH, đưa ra bằng chứng mạnh mẽ cho thấy không có

mô hình nào cung cấp được kết quả dự báo tốt hơn mô hình GARCH(1,1) đơn giản.

Do đó, dựa theo phương trình (3.22), phương trình thực nghiệm dùng trong nghiên

cứu này để kiểm định UIP, trong trường hợp có xét đến phần bù rủi ro, là:

t )] + β2 ζ t,t+1 + εt+1

(3.23)

st+1 – st = α + β1 [ln(1+ it ) – ln(1+ i*

Phương trình (3.23) tương đồng với phương trình (2.3) thường được sử dụng

trong các nghiên cứu thực nghiệm về UIP. Điểm khác biệt trong nghiên cứu này là

yếu tố phần bù rủi ro được đưa vào mô hình, thể hiện ở thành phần (ζ t,t+1). Nếu như

α và β2 đều không khác biệt có ý nghĩa với 0 thì UIP không bao gồm phần bù rủi ro,

có nghĩa là một sự gia tăng trong lãi suất đồng nội tệ, tính trung bình, sẽ kéo theo sự

giảm giá của đồng nội tệ với độ lớn tương đương. Nếu α 0, β2 = 0 thì phần bù rủi

0 thì tồn tại phần bù rủi ro thay đổi theo thời gian. ro là cố định. Và nếu β2

Kết hợp phương trình trung bình (3.23) với phương sai có điều kiện được ước

lượng bởi mô hình CGARCH, mô hình thực nghiệm sử dụng trong nghiên cứu này

được xây dựng như sau, mang cấu trúc của mô hình CGARCH-M:

t )] + β2 ζ t,t +1 + εt+1

st+1 – st = C + β1 [ln(1+ it ) – ln(1+ i*

t – ζ 2

t-1,t)

qt+1 = C4 + C5 (qt – C4) + C6 (ε2

t,t+1 = qt+1 + C7 (ε2

t – qt) + C8 (ζ 2

t-1,t – qt)

ζ 2

Một hạn chế của mô hình GARCH và CGARCH là giả định tác động của các

cú sốc lên phương sai có điều kiện là đối xứng. Đối với thị trường chứng khoán,

mối quan hệ bất cân xứng giữa giá chứng khoán và độ biến động của nó là một hiện

tượng phổ biến, cụ thể có thể nhắc đến “hiệu ứng đòn bẩy”: một sự sụt giảm giá

chứng khoán sẽ làm gia tăng độ biến động của chứng khoán đó với mức độ lớn hơn

so với trường hợp giá tăng. Tuy nhiên trong thị trường tiền tệ, hiện tượng này

dường như không xảy ra, bởi vì bản chất hai chiều của tỷ giá hối đoái (Bollerslev và

cộng sự, 1992). Đặc điểm này thể hiện ở chỗ tỷ suất sinh lợi dương của một đồng

tiền sẽ tương ứng với một đồng tiền khác có tỷ suất sinh lợi âm. Nếu một nhà đầu tư

đang nắm giữ nhiều loại tiền tệ thì không rõ rằng liệu người đó sẽ bán đồng tiền

nào. Do đó, khó có thể phân biệt được một cú sốc tác động đến tỷ giá hối đoái là

“tin tốt” hay “tin xấu”. Vì vậy mà phần lớn các nghiên cứu về tỷ giá hối đoái đều có

xu hướng sử dụng những mô hình trong đó biến động của tỷ giá hối đoái là đối

xứng.

Tuy nhiên, có thể xem xét ít nhất hai lý do sau cho thấy sự tồn tại của hiện

tượng bất cân xứng trong phương sai tỷ giá hối đoái. Thứ nhất là một vài đồng tiền

có vị thế kinh tế lớn hơn so với đồng tiền khác. Ví dụ, khi độ biến động kỳ vọng của

tỷ giá VND/USD tăng lên có thể hàm ý rằng tài sản định danh bằng VND sẽ rủi ro

hơn, nhưng tài sản định danh bằng USD thì không như vậy. Do đó nhà đầu tư sẽ

bán tài sản định danh bằng VND, và làm giảm giá VND. Lý do thứ hai là can thiệp

của ngân hàng trung ương. Giả sử ngân hàng trung ương lo ngại đồng nội tệ tăng

giá, nên thực hiện bán nội tệ, dẫn đến hiện tượng biến động của tỷ giá hối đoái tăng

cao có thể xuất phát từ việc đồng nội tệ tăng giá trước đó. Mặc dù vậy, vị thế kinh tế

của tiền tệ cũng như can thiệp của ngân hàng trung ương đến tỷ giá là khác nhau

giữa các quốc gia (do bối cảnh kinh tế, hiệu quả can thiệp, cách tiến hành can thiệp

...) nên hiện tượng bất cân xứng này là không phổ biến và phụ thuộc nhiều vào đồng

tiền và thời kỳ nghiên cứu. Một số nghiên cứu đã quan tâm đến hiện tượng bất cân

xứng trong thị trường tiền tệ. Byrne và Davis (2005) kiểm định đặc tính bất cân

xứng của các cú sốc lên biến động tỷ giá hối đoái bằng mô hình EGARCH, cho thấy

hiện tượng này xuất hiện ở Đức, Nhật Bản và Canada trong khung thời gian nghiên

cứu là 1973 – 1996. Pramor và Tamirisa (2006) chỉ ra rằng việc đồng nội tệ giảm

giá thường sẽ dẫn đến một mức độ biến động của tỷ giá cao hơn so với trường hợp

nội tệ tăng giá. Hiện tượng bất cân xứng này cũng được tìm thấy ở một số nghiên

cứu khác như của Tse và Tsui (1997), McKenzie và Mitchell (2002) hay Wang và

Yang (2009). Căn cứ vào những tranh luận trên, dựa vào mô hình GJR GARCH của

Glosten, Jagannathan, và Runkle (1993), một biến giả được đưa vào mô hình nhằm

đo lường tác động bất cân xứng lên mức độ biến động của tỷ giá, ứng với trường

hợp xuất hiện cú sốc làm tăng hoặc giảm giá của đồng tiền đang xem xét.

t )] + β2 ζ t,t +1 + εt+1

(3.24) st+1 – st = C + β1 [ln(1+ it ) – ln(1+ i*

t – ζ 2

t-1,t)

(3.25) qt+1 = C4 + C5 (qt – C4) + C6 (ε2

t,t+1 = qt+1 + C7 (ε2

t – qt) + C8 Dt (ε2

t – qt) + C9 (ζ 2

t-1,t – qt)

ζ 2 (3.26)

Nếu UIP tồn tại thì C = 0 và β1 = 1. Trong đó biến giả Dt = 1 nếu εt < 0, và

Dt = 0 trong các trường hợp còn lại. Phương trình (3.26) có thể biến đổi lại như sau

nhằm cho thấy rõ tác động bất cân xứng của một cú sốc tỷ giá lên phương sai có

điều kiện của chính nó:

t,t+1 = qt+1 + (C7 + C8)(ε2

t – qt) + C9 (ζ 2

t-1,t – qt)

t,t+1 = qt+1 + C7 (ε2

t – qt) + C9 (ζ 2

t-1,t – qt)

ζ 2 nếu εt < 0 (3.26) ζ 2 nếu εt > 0

Như vậy nếu C8 > 0 (có ý nghĩa) thì C7 + C8 > C7, có nghĩa là một cú sốc

khiến cho nội tệ tăng giá ngoài dự kiến sẽ có tác động làm gia tăng phương sai của

tỷ giá cao hơn so với trường hợp nội tệ giảm giá với độ lớn tương đương. Ngoài ra,

theo Engle và Lee (1999), biến giả Dt không xuất hiện ở phương trình thành phần

dài hạn (3.25), mà chỉ xuất hiện trong thành phần ngắn hạn là do trong ngắn hạn các

nhà đầu tư khó có thể ngay lập tức điều chỉnh danh mục đầu tư để phản ứng với cú

sốc, dẫn đến là cú sốc trong tỷ giá có thể được ghi nhận là một “tin xấu”. Tuy nhiên,

không có lý do nào cản trở nhà đầu tư điều chỉnh danh mục đầu tư về một mục tiêu

trong dài hạn. Do đó, có thể kỳ vọng là không có phản ứng bất cân xứng đối với

những cú sốc đến tỷ giá trong dài hạn.

Đặc điểm quan trọng của mô hình CGARCH thể hiện ở phương trình (3.25) và

t,t+1. Xu hướng dài hạn này

(3.26), với qt+1 là xu hướng dài hạn của phương sai ζ 2

được đo lường bởi một hằng số C4, thành phần tự hồi quy AR(1) (C5) và sai số dự

báo C6. Thành phần xu hướng dài hạn này được phép biến động theo thời gian do

tác động của các cú sốc ( thể hiện thông qua C6), và hội tụ về giá trị C4 với tốc độ

C5 (nếu 0 < C5 < 1). Nếu như giá trị ước lượng của C5 càng gần với 1 thì tốc độ hội

tụ của qt+1 về C4 càng chậm. Do đó, C5 cung cấp thông tin về mức độ ổn định của xu

hướng biến động dài hạn của tỷ giá hối đoái.

Thành phần biến động trong ngắn hạn của phương sai được rút ra từ phương

trình (3.26):

t,t+1 – qt+1 = C7 (ε2

t – qt) + C8 Dt (ε2

t – qt) + C9 (ζ 2

t-1,t – qt)

ζ 2

t,t+1 – qt+1 = (C7 + C9)(ζ 2

t-1,t – qt ) + C8 Dt (ε2

t – qt) + C7 (ε2

t – ζ 2

t-1,t )

ζ 2 (3.27)

Phương trình (3.27) chỉ ra rằng những biến động trong ngắn hạn của phương

sai sẽ hội tụ về 0, nếu 0 < C7 + C9< 1, và phương sai sẽ hội tụ về xu hướng dài hạn

của nó. Như vậy, 0 < C7 + C9 < C5 < 1 có nghĩa là những dao động trong ngắn hạn

hội tụ về 0 nhanh hơn xu hướng dài hạn, tức là những cú sốc đối với nền kinh tế sẽ

có tác động lâu dài hơn những biến động trong ngắn hạn do cảm tính của các nhà

đầu tư trên thị trường.

Trong hai phương trình (3.25) và (3.26), thành phần dài hạn và ngắn hạn

t – ζ 2

t-1,t),

trong biến động của tỷ giá phụ thuộc vào giá trị của chính nó trong quá khứ; đồng thời những cú sốc tác động đến biến động của tỷ giá trong quá khứ, (ε2

cũng ảnh hưởng đến biến động trong kỳ hiện tại. Đây chính là ưu điểm của mô hình

CGARCH so với phương pháp kinh tế lượng truyền thống (ví dụ như phương pháp

OLS), khi cho phép biến động của tỷ giá hối đoái thay đổi theo thời gian, nói cách

khác là cho phép εt+1 có phương sai thay đổi (heteroskedasticity); đồng thời cũng

phản ánh được hiện tượng “biến động theo cụm” của phương sai tỷ giá hối đoái

danh nghĩa được ghi nhận trong nhiều nghiên cứu.

3.4 Tiến trình nghiên cứu thực nghiệm

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, bài nghiên cứu

sẽ sử dụng mô hình CGARCH-M nhằm kiểm định mối quan hệ giữa hai biến số

thay đổi tỷ giá và chênh lệch lãi suất tại từng quốc gia. Cụ thể các bước tiến hành

nghiên cứu như sau:

- Bƣớc 1: Các biến nghiên cứu sẽ được kiểm định tính dừng nhằm đảm bảo

rằng những kết quả ước lượng thu được 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 là “Augmented Dickey-Fuller” (ADF) và “Dickey-Fuller Generalized Least

Squares” (DF-GLS) sẽ được tiến hành. Bước kiểm định này sẽ dẫn đến hai trường

hợp sau:

 Kết quả kiểm định ADF và DF-GLS cho thấy các biến là dừng. Khi đó, các

biến nghiên cứu sẽ được sử dụng trong những phân tích tiếp theo ở bước 2

và 3, do đã thỏa mãn điều kiện là các biến phải dừng.

 Đối với các biến mà kết quả kiểm định ADF và DF-GLS đều cho thấy là

không dừng, phương pháp kiểm định nghiệm đơn vị theo Perron (1997) sẽ

được tiến hành, do đặc điểm chuỗi dữ liệu của các biến này có thể đã bị ảnh

hưởng do xuất hiện “điểm gãy cấu trúc”. Trong số những biến được kiểm

định tính dừng bằng phương pháp của Perron (1997), chỉ những biến nào

dừng mới được sử dụng trong các bước phân tích tiếp theo.

- Bƣớc 2: Trạng thái “Ngang giá lãi suất không phòng ngừa” tại từng quốc gia

sẽ được kiểm định dựa trên phương pháp Bình phương nhỏ nhất. Bước phân tích

này là cần thiết, bởi vì kết quả ước lượng bằng phương pháp OLS sẽ cung cấp

những giá trị ban đầu giúp cho việc tìm cực trị của hàm log-likelihood khi tiến hành

kiểm định lý thuyết UIP bằng mô hình CGARCH-M ở bước 3.

- Bƣớc 3: Kiểm định mối quan hệ giữa hai biến thay đổi tỷ giá và chênh lệch

lãi suất tại từng quốc gia (trong trường hợp có xét đến phần bù rủi ro thay đổi theo

thời gian) dựa trên mô hình CGARCH-M, bằng cách tiến hành ước lượng đồng thời

các hệ số trong ba phương trình (3.24), (3.25) và (3.26) bằng kỹ thuật Maximum

likelihood. Kết quả ước lượng thu được là đối tượng quan tâm chính yếu trong

nghiên cứu này.

3.5 Mô tả biến nghiên cứu và nguồn dữ liệu

Các biến nghiên cứu bao gồm tỷ giá hối đoái giao ngay danh nghĩa hàng quý

(giá trị lấy vào đầu mỗi quý) của các đồng tiền so với USD, và chênh lệch lãi suất

tiền gởi nội tệ danh nghĩa ngắn hạn hàng quý ( kỳ hạn 3 tháng ) của các đồng tiền

tại từng quốc gia tương ứng so với lãi suất USD. Trong tất cả các cặp tiền tệ được

xem xét, USD luôn được xem như là ngoại tệ. Chênh lệch lãi suất được tính bằng

chênh lệch giữa lãi suất tiền gởi và lãi suất “Chứng chỉ tiền gởi” (Certificate of

deposit) kỳ hạn 3 tháng của Mỹ. Dữ liệu tỷ giá và lãi suất tiền gởi ngắn hạn được

thu thập từ “Thống kê Tài chính Quốc tế” (International Financial Statistics - IFS)

của Quỹ tiền tệ quốc tế (International Monetary Fund - IMF). Dữ liệu lãi suất chứng

chỉ tiền gởi của Mỹ được thu thập từ “Ngân hàng dự trữ liên bang St. Louis”. Bài

nghiên cứu tập trung vào các quốc gia Đông Nam Á bao gồm: Indonesia, Malaysia,

Philippines, Singapore, Thái Lan và Việt Nam. Ngoài ra, Nhật Bản cũng được

nghiên cứu với mục đích so sánh. Khung thời gian nghiên cứu là từ quý 1/1992 đến

quý 1/2013; riêng trường hợp của Việt Nam, dữ liệu nghiên cứu được ghi nhận bắt

đầu từ quý 1/1997 do không thể thu thập được dữ liệu của giai đoạn trước năm

1997. Bảng (3.1) sẽ trình bày cụ thể các biến nghiên cứu được sử dụng cũng như là

phương pháp tính toán (dựa trên chú thích dữ liệu của IFS). Vấn đề không hoàn

toàn đồng nhất trong cách tính toán lãi suất giữa các quốc gia cũng là một hạn chế,

xuất phát từ hạn chế trong nguồn dữ liệu, cần được cải thiện của bài nghiên cứu.

Bảng 3.1: Tổng hợp các biến nghiên cứu được sử dụng và phương pháp tính

STT Biến số Phƣơng pháp tính

1 st+1 - st với st ≡ ln(St), St là tỷ giá hối đoái danh nghĩa hàng quý (giá trị lấy vào đầu mỗi quý) của các đồng tiền so với USD. Tỷ giá được tính toán bằng số lượng đồng nội tệ đổi lấy 1 USD. Trong tất cả các cặp tiền tệ được xem xét, USD luôn đóng vai trò là ngoại tệ.

Thay đổi trong tỷ giá hối đoái danh nghĩa

Ký hiệu IDN_fx Indonesia JPN_fx Nhật Bản Malaysia MYS_fx Philippines PHL_fx Singapore SGP_fx THL_fx Thái Lan Việt Nam VNM_fx

IDN_int Indonesia

t )

Lãi suất tiền gởi của Indonesia là trung bình có trọng số của lãi suất niêm yết của các ngân hàng thương mại. Trọng số dựa trên giá trị tiền gởi. 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.

JPN_int Nhật Bản

Lãi suất tiền gởi của Malaysia là trung bình lãi suất niêm yết của các ngân hàng áp dụng đối với tiền gởi từ khu vực tư.

Malaysia MYS_int

Lãi suất tiền gởi của Philippines là trung bình có trọng số của lãi suất niêm yết của các ngân hàng thương mại. Trọng số dựa trên giá trị tiền gởi.

Philippines PHL_int 2 ln(1+ it ) – ln(1+ i* với it là lãi suất tiền gởi kỳ hạn 3 tháng của đồng nội tệ tại thời điểm t; i* t là lãi suất chứng chỉ tiền gởi USD kỳ hạn 3 tháng.

Lãi suất tiền gởi của Singapore là trung bình lãi suất niêm yết của 10 ngân hàng dẫn đầu thị trường.

Singapore SGP_int

Lãi suất tiền gởi của Thái Lan là mức lãi suất tiền gởi cao nhất trong nhóm các ngân hàng thương mại.

THL_int Thái Lan Chênh lệch lãi suất danh nghĩa giữa đồng nội tệ của các quốc gia nghiên cứu và lãi suất USD, kỳ hạn 3 tháng

Lãi suất tiền gởi của Việt Nam là trung bình lãi suất niêm yết của bốn ngân hàng quốc doanh lớn.

Việt Nam VNM_int

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM

4.1 Kết quả kiểm định tính dừng

Tính dừng của các biến nghiên cứu được tiến hành kiểm định bằng hai phương

pháp là Dickey-Fuller Hiệu chỉnh (ADF) và Dickey-Fuller Bình phương nhỏ nhất

tổng quát (DF-GLS). Độ trễ tối ưu trong hai kiểm định ADF và DF-GLS được lựa

chọn theo chỉ tiêu Akaike Info Criterion (AIC) (xem Phụ lục 1).

Bảng 4.1: Kết quả kiểm định tính dừng của chuỗi gốc

STT Quốc gia Biến số ADF DF - GLS

IDN_fx -5.646359*** -5.629352*** 1 Indonesia IDN_int -4.301098*** -4.338760***

JPN_fx -4.041414** -3.424254** 2 Nhật Bản JPN_int -3.689948** -1.729098

MYS_fx -8.341797*** -4.592495*** 3 Malaysia MYS_int -3.551462** -3.058991*

PHL_fx -4.774170*** -3.339705** 4 Philippines PHL_int -3.732759** -2.333777

SGP_fx -3.250634* -3.066958* 5 Singapore

SGP_int THL_fx -3.231129* -8.877945*** -3.015297* -8.965110*** 6 Thái Lan THL_int -1.635872 -1.742513

Ghi chú: (***), (**), (*) thể hiện cho khả năng bác bỏ giả thuyết H0:“biến nghiên cứu có

chứa nghiệm đơn vị” ở các mức ý nghĩa lần lượt là 1%, 5% và 10%

VNM_fx -8.363758*** -1.612163 7 Việt Nam VNM_int -3.498783** -2.194407

Bảng (4.1) trình bày kết quả kiểm định nghiệm đơn vị đối với hai biến là thay

đổi tỷ giá và chênh lệch lãi suất. Hai phương pháp kiểm định đều cung cấp bằng

chứng mạnh mẽ cho thấy biến thay đổi tỷ giá là dừng. Giả thuyết H0 : “chuỗi dữ

liệu biến thay đổi tỷ giá có nghiệm đơn vị” đều bị bác bỏ, hầu hết là với độ tin cậy

99%. Tuy nhiên, kết quả kiểm định tính dừng đối với biến chênh lệch lãi suất thì

không đạt được sự thống nhất như vậy. Dựa trên kết quả kiểm định tính dừng bằng

phương pháp ADF, biến chênh lệch lãi suất của sáu trong số bảy quốc gia nghiên

cứu là dừng (phần lớn ở độ tin cậy 95% trở lên), ngoại trừ Thái Lan; nhưng chỉ có

ba quốc gia cho kết quả tương tự nếu dựa trên phương pháp DF-GLS, cụ thể là biến

chênh lệch lãi suất của Nhật Bản, Philippines, Thái Lan và Việt Nam là không

dừng.

Như vậy, biến chênh lệch lãi suất của Thái Lan là không dừng nếu dựa trên

các phương pháp kiểm định tính dừng truyền thống. Kết quả này là hợp lý, bởi vì

trong khung thời gian nghiên cứu, Thái Lan là quốc gia bắt nguồn của khủng hoảng

tài chính châu Á giai đoạn 1997-1998. Đây có thể xem như là một “điểm gãy cấu

trúc” làm thay đổi đặc điểm của chuỗi dữ liệu biến chênh lệch lãi suất. Như Perron

(1989) đã tranh luận, “điểm gãy” này có khả năng làm sai lệch kết quả kiểm định

tính dừng về hướng không thể bác bỏ được giả thuyết H0: “tồn tại nghiệm đơn vị”.

Do đó, tính dừng của biến này tiếp tục được kiểm định bằng phương pháp của

Perron (1997), do phương pháp này có xem xét đến “điểm gãy cấu trúc” có thể có

trong khung thời gian nghiên cứu. Kết quả của kiểm định này được trình bày ở Hình

Perron Unit Root Test Sample:1992Q1 2013Q1 Null Hypothesis: THL_INT has a unit root with a structural break in both the intercept and trend Chosen lag length: 5 (Maximum lags: 8) Chosen break point: 1998Q3 Perron Unit Root Test 1% critical value: 5% critical value: 10% critical value:

(4.1) sau:

t-Statistic -5.283031 -6.32 -5.59 -5.29

Hình 4.1: Kết quả kiểm định nghiệm đơn vị bằng phương pháp Perron (1997)

đối với biến chênh lệch lãi suất của Thái Lan

Giá trị thống kê t tính toán được là -5.283, xấp xỉ bằng với giá trị tới hạn ở

mức ý nghĩa 10% là -5.29, do đó có thể bác bỏ giả thuyết H0, có nghĩa là biến chênh

lệch lãi suất của Thái Lan dừng quanh “điểm gãy”. Kết luận này được hỗ trợ bởi đồ

0.08

0.06

0.04

0.02

-0.02

-0.04

1 Q 2 1 0 2

1 Q 2 9 9 1

1 Q 4 9 9 1

1 Q 6 9 9 1

1 Q 8 9 9 1

1 Q 0 0 0 2

1 Q 2 0 0 2

1 Q 4 0 0 2

1 Q 6 0 0 2

1 Q 8 0 0 2

1 Q 0 1 0 2

thị biến chênh lệch lãi suất của Thái Lan so với Mỹ ở Hình (4.2):

Hình 4.2: Đồ thị chênh lệch lãi suất giữa Thái Lan và Mỹ, giai đoạn Q1/1992

– Q1/2013. Nguồn: Quỹ tiền tệ quốc tế

Điểm gãy cấu trúc được xác định bởi phương pháp của Perron (1997) là tại

quý 3 năm 1998, thời điểm này phù hợp với giai đoạn xảy ra khủng hoảng tài chính

châu Á, đồng thời Hình (4.2) cũng thể hiện rõ ràng có một “điểm gãy cấu trúc”

trong giá trị của biến số này vào thời điểm Q3/1998.

Tóm lại, kết luận có thể rút ra được từ các kiểm định nghiệm đơn vị là các

biến thay đổi tỷ giá và chênh lệch lãi suất ở các quốc gia được nghiên cứu đều dừng

trong khoảng thời gian nghiên cứu, đủ điều kiện để tiến hành các bước phân tích

tiếp theo mà không gây ra hiện tượng “hồi quy giả tạo”.

4.2 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng phƣơng

pháp Bình phƣơng nhỏ nhất

Ở phần này, lý thuyết “Ngang giá lãi suất không phòng ngừa” được kiểm định

bằng phương pháp OLS, tương tự như nhiều nghiên cứu khác đã tiến hành. Mục

tiêu quan trọng nhất của bước phân tích này là nhằm cung cấp những giá trị ước

lượng ban đầu của β1, giúp cho việc ước lượng mô hình CGARCH-M. Ngoài ra, do

những giả định tiêu chuẩn của OLS bị vi phạm (được trình bày bên dưới) nên kết

quả ước lượng trong phần này không được nhấn mạnh.

Phương trình được dùng để ước lượng bằng phương pháp OLS như sau:

t )] + εt+1

(4.1) st+1 – st = C + β [ln(1+ it ) – ln(1+ i*

Nếu đồng thời C = 0 và β = 1 thì “Ngang giá lãi suất không phòng ngừa” tồn

tại. Kết quả ước lượng mô hình OLS được trình bày ở Bảng (4.2).

Bảng 4.2: Kết quả ước lượng UIP bằng phương pháp OLS

Hệ số ƣớc lƣợng STT Quốc gia C β

1 Indonesia 0.023841 -0.055657

2 Nhật Bản -0.011721 -0.312423

3 Malaysia -0.001217 0.285942

4 Philippines 0.000475 0.135705

5 Singapore -0.004468 -0.071008

6 Thái Lan -0.001752 0.254628

Ghi chú: OLS được ước lượng theo phương trình (4.1). (*) thể hiện ý nghĩa thống kê 10%

7 Việt Nam 0.006743* 0.058467

Dựa theo kết quả ước lượng bằng phương pháp OLS, giá trị hệ số β nằm trong

khoảng từ -0.312423 đến 0.285942, nhưng không có ý nghĩa thống kê. Trong số bảy

quốc gia thì có bốn quốc gia cho thấy hệ số β dương, và cả bốn quốc gia này đều là

các nước đang phát triển (Malaysia, Philippines, Thái Lan và Việt Nam). Kết quả

này có vẻ như tương đồng với nghiên cứu của Bansal và Dahlquist (2000) hay

Frankel và Poonawala (2006), cho thấy dường như UIP tồn tại ở các nước đang phát

triển hơn là những nước phát triển. Kết quả của kiểm định Wald nhằm kiểm định sự

tồn tại của UIP, với giả thuyết H0: C = 0 và β = 1, được trình bày trong Bảng (4.3),

cho thấy trạng thái UIP không tồn tại ở tất cả các quốc gia được nghiên cứu, do H0

đều bị bác bỏ ở mức ý nghĩa 1%.

Bảng 4.3: Kết quả của kiểm định Wald cho phương trình (4.1)

Giả thuyết H0: C = 0 và β = 1

STT Quốc gia

Indonesia p-value của thống kê F 0.0000*** p-value của thống kê Chi bình phƣơng 0.0000*** 1

Nhật Bản 0.0000*** 0.0000*** 2

Malaysia 0.0052*** 0.0037*** 3

Philippines 0.0000*** 0.0000*** 4

Singapore 0.0000*** 0.0000*** 5

Thái Lan 0.0032*** 0.0021*** 6

Ghi chú: (***) thể hiện khả năng bác bỏ giả thuyết H0 ở mức ý nghĩa 1%

Việt Nam 0.0000*** 0.0000*** 7

Kết quả kiểm định hiện tượng tự tương quan và hiệu ứng ARCH cho thấy mô

hình OLS không phải là mô hình tốt nhất nhằm kiểm định “Ngang giá lãi suất

không phòng ngừa”, bởi vì các kết quả ước lượng từ dữ liệu của các quốc gia

nghiên cứu cho thấy tồn tại hiện tượng tự tương quan (trường hợp của Indonesia và

Nhật Bản) hoặc hiệu ứng ARCH (trường hợp của Indonesia, Malaysia, Philippines

và Thái Lan) (xem Bảng (4.4) và (4.5)). Đối với kiểm định hiệu ứng ARCH, kết quả

cho thấy hiệu ứng này chỉ tồn tại ở bốn trong số bảy quốc gia được nghiên cứu. Tuy

nhiên, bài nghiên cứu không nhấn mạnh kết quả từ kiểm định hiệu ứng ARCH, do

quy trình kiểm định chỉ kiểm định được hiệu ứng ARCH cơ bản. Việc không tìm

thấy bằng chứng của hiệu ứng ARCH cơ bản không thể bác bỏ khả năng tồn tại của

các dạng phức tạp hơn của ARCH, ví dụ như mô hình ARCH bất cân xứng. Do đó,

phần tiếp theo của bài nghiên cứu sẽ sử dụng mô hình CGARCH-M nhằm kiểm

định sự tồn tại của UIP cũng như tác động của phần bù rủi ro đến trạng thái ngang

giá lãi suất này.

Bảng 4.4: Kết quả kiểm định hiện tượng tự tương quan của phần dư

Kiểm định tự tƣơng quan Breusch-Godfrey

STT Quốc gia p-value của thống kê F

Ghi chú: Giả thuyết kiểm định H0: “không có hiện tượng tự tương quan”. (**) thể hiện khả

năng bác bỏ H0 ở mức ý nghĩa 5%

Indonesia Nhật Bản Malaysia Philippines Singapore Thái Lan Việt Nam 1 2 3 4 5 6 7 0.0303** 0.0212** 0.6263 0.5183 0.9203 0.6528 0.5209 p-value của thống kê Chi bình phƣơng 0.0297** 0.0211** 0.6138 0.5046 0.9166 0.6407 0.5028

Bảng 4.5: Kết quả kiểm định hiệu ứng ARCH

STT Quốc gia p-value của thống kê F p-value của thống kê Chi bình phƣơng

Indonesia 1 0.0000*** 0.0000***

Nhật Bản 2 0.6066 0.5907

Malaysia 3 0.0000***

4 0.0511*

0.0000*** Philippines 0.0490** Singapore 5 0.1124 0.1116

Thái Lan 6 0.0001*** 0.0002***

Ghi chú: Giả thuyết kiểm định H0: “không tồn tại hiệu ứng ARCH”. (***), (**), (*) lần lượt

thể hiện khả năng bác bỏ H0 ở mức ý nghĩa 1%, 5% và 10%.

Việt Nam 7 0.9537 0.9484

4.3 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng mô hình

CGARCH-M

Kết quả kiểm định UIP bằng mô hình CGARCH-M, dựa trên phương trình

(3.24), (3.25) và (3.26), được trình bày trong Bảng (4.6) dưới đây. Kết quả ước

lượng chi tiết được trình bày ở Phụ lục 2.

Bảng 4.6: Kết quả ước lượng mô hình CGARCH-M

Indonesia Nhật Bản Malaysia Philippines

0.021108*** 0.072113* 0.000473*** -0.015678**

-0.281309*** 0.007068 -0.002722*** 0.031926

0.201407* -1.279213* -0.096315*** 0.389522*

0.011152 0.003520*** 0.000110 0.001192

0.961307*** 0.675008*** 0.964619*** 0.981297***

0.466494 0.589435 0.197391*** 0.120357

0.105490 -0.754421 0.542132*** 0.116949

0.238527** -0.023167 -0.512378*** 0.279383*

0.705275** 1.297094 0.386648*** 0.383109 C β1 β2 C4 C5 C6 C7 C8 C9

Ghi chú: (***), (**), (*) lần lượt thể hiện ý nghĩa thống kê ở mức 1%, 5% và 10%

Singapore -0.020514*** 0.016022 0.599329* 0.000761*** 0.826852*** 0.183358* 0.022190 -0.430209*** -0.679688*** Thái Lan -0.007762 0.152823 0.050608 0.004554 0.996640*** 0.013178 0.202932 -0.170594 0.691589*** Việt Nam 0.004658*** -0.015658*** -0.104656*** 0.000990 0.967707*** 0.248012*** 0.172391*** -0.166199 -0.084608 C β1 β2 C4 C5 C6 C7 C8 C9

Trước hết, chúng ta xem xét liệu UIP có tồn tại ở các quốc gia đang nghiên

cứu hay không. Hệ số ước lượng β1 tương ứng với biến chênh lệch lãi suất chỉ có ý

nghĩa thống kê ở ba trong số bảy quốc gia nghiên cứu, và tất cả các hệ số này đều

mang giá trị âm với độ tin cậy 99%. Giá trị âm của β1 cho thấy khi lãi suất nội địa

tăng cao hơn so với nước ngoài thì đồng nội tệ lại tăng giá, trái với dự báo của lý

thuyết UIP nhưng lại thống nhất với hầu hết các nghiên cứu trước đây, ví dụ như

của Froot và Thaler (1990). Đối với các quốc gia còn lại, β1 đều nhận giá trị dương,

tuy nhiên các giá trị này vẫn còn cách xa so với giá trị 1 theo lý thuyết và cũng

không có ý nghĩa thống kê. Kiểm định Wald khẳng định lại kết quả trên, khi mà giả

thuyết H0: β1 = 1 bị bác bỏ ở tất cả các trường hợp, với mức ý nghĩa 1% (xem Bảng

(4.7)). Như vậy, nếu xét trên phương diện về lý thuyết UIP, kết quả thu được là khá

thất vọng khi kết quả nghiên cứu không cung cấp được bằng chứng hỗ trợ cho lý

thuyết này. Tuy nhiên, đứng trên góc độ biến động của thị trường tiền tệ thế giới,

kết quả này đã mô phỏng tốt những gì đang diễn ra trong thực tế, không phải ngẫu

nhiên mà các kết quả nghiên cứu thực nghiệm cho thấy β1 có xu hướng nhận giá trị

âm. Lý do giải thích cho hiện tượng này là khi lãi suất danh nghĩa của một đồng tiền

tăng cao tương đối so với đồng tiền khác, dòng vốn nhanh chóng chuyển dịch sang

đồng tiền này nhằm tìm kiếm lợi nhuận. Chính việc chuyển dịch vốn này đã khiến

cho cầu đồng tiền này tăng trên thị trường thế giới, từ đó làm tăng giá trị của đồng

tiền có lãi suất cao.

Tiếp theo, chúng ta quan tâm đến hai thành phần của phần bù rủi ro, thể hiện

thông qua hệ số ước lượng C (cho thấy thành phần cố định của phần bù rủi ro) và β2

( cho thấy thành phần thay đổi theo thời gian). Hệ số chặn C và hệ số góc β2 có ý

nghĩa thống kê ở sáu trong số bảy quốc gia nghiên cứu (ngoại trừ Thái Lan), cho

thấy tồn tại một phần bù rủi ro thay đổi theo thời gian ở các quốc gia được nghiên

cứu. Kiểm định Wald được tiến hành nhằm kiểm tra đồng thời giá trị của C và β2 so

với không, cho thấy giả thuyết H0: “không tồn tại phần bù rủi ro” bị bác bỏ ở phần

lớn các quốc gia nghiên cứu (ngoại trừ Nhật Bản) (xem Bảng (4.7)). Việc thiếu

vắng bằng chứng của phần bù rủi ro cũng được tìm thấy trong nghiên cứu của

Domowitz và Hakkio (1985), khi sử dụng mô hình ARCH-M nhằm nghiên cứu

phần bù rủi ro ở năm quốc gia công nghiệp, và nghiên cứu của Baillie và Bollerslev

(1990) cho bốn quốc gia châu Âu bằng mô hình GARCH đa biến. Kết quả này có

thể do việc đo lường phần bù rủi ro hoặc thiết lập sai mô hình. Nói cách khác, độ

lệch chuẩn có điều kiện của sai số ước lượng có thể không phải là thước đo phù hợp

cho phần bù rủi ro, hoặc sử dụng họ mô hình ARCH-M đơn biến chưa phải là

phương pháp kinh tế lượng hiệu quả nhất nhằm ước lượng phần bù rủi ro. Minh họa

cho nhận định này, nghiên cứu của Tai (2001) sử dụng mô hình GARCH-M đơn

biến lẫn đa biến nhằm kiểm định sự tồn tại của phần bù rủi ro ở các quốc gia châu Á

– Thái Bình Dương. Kết quả kiểm định của hai mô hình này cho thấy khác biệt có ý

nghĩa khi mà mô hình GARCH-M đa biến tìm thấy bằng chứng chứng tỏ sự tồn tại

của phần bù rủi ro thay đổi theo thời gian, không khi mô hình GARCH-M đơn biến

không thu được bằng chứng tương tự, ngoại trừ trường hợp của đồng ringgit

Malaysia. Kết quả của các kiểm định Wald trình bày ở trên được thể hiện ở Bảng

(4.7) sau, kết quả chi tiết xin xem Phụ lục 3.

Bảng 4.7: Kết quả kiểm định Wald cho mô hình CGARCH-M

STT Quốc gia

Kiểm định sự tồn tại của UIP H0: β1 = 1

Kiểm định sự tồn tại của phần bù rủi ro Ho: C = β2 = 0 0.0000***

1 Indonesia 0.0000***

2 Nhật Bản 0.001*** 0.2146

3 Malaysia 0.0000*** 0.0000***

4 Philippines 0.0000*** 0.0785*

5 Singapore 0.0000*** 0.0151**

6 Thái Lan 0.0000*** 0.0000***

Ghi chú: Giá trị trình bày trong bảng là giá trị p-value của thống kê Chi-bình phương.

(***), (**), (*) lần lượt thể hiện khả năng bác bỏ giả thuyết H0 ở mức ý nghĩa 1%, 5% và 10%

7 Việt Nam 0.0000*** 0.0000***

Trường hợp hệ số β2 nhận giá trị âm có thể được giải thích bởi lý thuyết đánh

đổi giữa rủi ro và tỷ suất sinh lợi. Theo đó, rủi ro của đồng nội tệ tăng lên (thể hiện

thông qua độ lệch chuẩn ζ của ε) sẽ dẫn đến mức độ giảm giá của đồng nội tệ

(st+1 – st) giảm. Lúc này, tỷ suất sinh lợi kỳ vọng từ việc nắm giữ đồng nội tệ sẽ

tăng, thể hiện rằng nhà đầu tư ngại rủi ro sẽ yêu cầu lợi nhuận lớn hơn khi đối mặt

với rủi ro cao hơn.

Tuy nhiên, hệ số β2 cũng cho thấy sự dao động giữa các quốc gia, khi có ý

nghĩa thống kê ở các giá trị âm lẫn dương. Frankel (1979) và Engel (1996) cho rằng

việc các nhà đầu tư đòi hỏi một tỷ suất sinh lợi cao hơn cho việc nắm giữ đồng tiền

có rủi ro tỷ giá cao là không thỏa đáng, bởi vì hầu hết rủi ro tỷ giá đều có thể đa

dạng hóa được. Nhà đầu tư không thể được tưởng thưởng khi họ gánh chịu những

rủi ro không cần thiết. Trong lý thuyết tài chính hiện đại, phần bù rủi ro chỉ tồn tại

khi mà tỷ suất sinh lợi của tài sản tài chính có tương quan với một tài sản chuẩn (ví

dụ như danh mục thị trường), khiến cho rủi ro là không thể đa dạng hóa. Một lý do

khác được đưa ra bởi Glosten và cộng sự (1993) cho rằng phần bù rủi ro trong giai

đoạn rủi ro cao có thể không tăng cao hơn, do giai đoạn này có thể trùng hợp với

giai đoạn mà khả năng chấp nhận rủi ro của nhà đầu tư cũng cao hơn. Như vậy,

không có cơ sở chắc chắn trong việc xác định tương quan giữa phần bù rủi ro và

mức độ giảm giá của đồng nội tệ. Kết quả ước lượng của hệ số β2 chỉ có thể cho

thấy phần bù rủi ro ở các quốc gia đang nghiên cứu là cố định hay thay đổi theo thời

gian.

Tóm lại, kết quả ước lượng của phương trình trung bình (3.24) không cho thấy

bằng chứng rằng UIP tồn tại, mặc dù phần bù rủi ro được chứng minh tồn tại ở hầu

hết các quốc gia. Ngoài ra, kết quả này cũng không khác biệt giữa nước phát triển

và đang phát triển, tương tự như nghiên cứu của Mehl và Cappiello (2009) và

Aysun và Lee (2014).

Ở phương trình thành phần dài hạn (3.25) của phần bù rủi ro, kết quả cho thấy

hệ số ước lượng C5 lớn và có ý nghĩa ở mức 1% đối với tất cả các quốc gia, cho

thấy mức độ biến động trong dài hạn của các đồng tiền là bền vững. Cụ thể, giá trị

C5 rất gần với 1 cho thấy xu hướng biến động trong dài hạn của tỷ giá là rất khó

thay đổi và tốc độ hội tụ về giá trị trung bình rất chậm.

Đối với những dao động trong ngắn hạn, mức độ bền vững của những dao

động này được đo lường bởi tổng hai hệ số là C7 và C9 ở phương trình (3.26), và giá

trị này nhỏ hơn C5 ở tất cả các trường hợp (xem Bảng (4.8)), cho thấy mô hình là ổn

định, xu hướng dài hạn là bền vững hơn so với biến động trong ngắn hạn. Nói cách

khác, những dao động trong ngắn hạn do cảm tính thị trường sẽ biến mất, dẫn đến

mức độ biến động của tỷ giá hối đoái sẽ hội tụ về xu hướng dài hạn của nó. Kết quả

này tương tự như kết quả từ nghiên cứu của Byrne và Davis (2005), Pramor và

Tamirisa (2006) hay Li và cộng sự (2012).

Bảng 4.8: So sánh mức độ bền vững của thành phần ngắn hạn và dài hạn của

biến động tỷ giá hối đoái

STT Quốc gia Indonesia 1 Nhật bản 2 Malaysia 3 Philippines 4 Singapore 5 Thái Lan 6 Việt Nam 7 C7 + C9 0.81077 0.54267 0.92878 0.50006 -0.65750 0.89452 0.08778 C5 0.961307 0.675008 0.964619 0.981297 0.826852 0.996640 0.967707

Ngoài ra, đối với bốn quốc gia là Indonesia, Nhật Bản, Philippines và Thái

Lan, hai hệ số ước lượng C6 và C7 không có ý nghĩa thống kê, cho thấy rằng những

cú sốc trong quá khứ có tác động không đáng kể đến phương sai của kỳ hiện tại. Kết

quả này có thể xuất phát từ hạn chế của dữ liệu, bởi vì hiện tượng “biến động theo

cụm” chỉ thể hiện rõ ở dữ liệu tần số cao. Đối với một thị trường tiền tệ giao dịch

liên tục thì khoảng thời gian 3 tháng giữa các mốc dữ liệu có thể triệt tiêu tác động

của những cú sốc đến biến động của tỷ giá. Tuy nhiên, việc hệ số ước lượng C5 và

C9 có ý nghĩa vẫn đảm bảo rằng tỷ giá hối đoái có phương sai thay đổi theo thời

gian, và được điều chỉnh theo mô hình tự hồi quy.

Hệ số ước lượng C8, đo lường tác động bất cân xứng của thay đổi tỷ giá lên

mức độ biến động của đồng tiền tương ứng, nhận giá trị âm và có ý nghĩa ở

Malaysia và Singapore, cho thấy một sự mất giá ngoài dự kiến của đồng nội tệ có

tác động đến độ biến động của đồng tiền đó mạnh hơn so với trường hợp đồng nội

tệ tăng giá. Trước hết xem xét trường hợp của dollar Singapore, có một số lý do có

thể giải thích cho kết quả này. Bắt đầu từ năm 1981, chính sách tiền tệ của

Singapore lấy việc điều hành tỷ giá hối đoái làm mục tiêu, chứ không sử dụng công

cụ lãi suất truyền thống. Cụ thể, Singapore theo đuổi chế độ tỷ giá độc nhất basket-

band-crawl, trong đó tỷ giá được neo theo một rổ tiền tệ và được kiểm soát để luôn

nằm trong một dải băng tỷ giá. Ngân hàng trung ương Singapore (Monetary

Authority of Singapore - MAS) sẽ xác định tỷ trọng các đồng tiền trong rổ tiền tệ

tính tỷ giá, độ rộng, độ dốc và giá trị trung tâm của dải băng tỷ giá này. Mục tiêu

chính khi điều hành chính sách tiền tệ là duy trì một mức giá ổn định như là một chỉ

báo cho tăng trưởng kinh tế bền vững, chính phủ cam kết bảo toàn sức mua cho

đồng dollar Singapore (MAS, 2001). Với một thị trường nội địa rất nhỏ, tổng cầu

của Singapore lại phụ thuộc rất lớn vào nhập khẩu nên các nhà nhập khẩu Singapore

đóng vai trò người chấp nhận giá từ thị trường thế giới. Một cú sốc đối với giá hàng

hóa nhập khẩu sẽ phản ánh rất nhanh chóng vào giá cả hàng hóa nội địa, do truyền

dẫn tỷ giá là hoàn toàn (Chew và cộng sự, 2009). Vì vậy, đồng dollar Singapore

được duy trì ở giá trị cao so với các đồng tiền khác, ở cả giá trị danh nghĩa lẫn giá

trị thực. Trạng thái này giúp kiểm soát lạm phát và lãi suất nội địa ở mức thấp, sức

mua của SGD được duy trì, đúng như mục tiêu của chính sách tiền tệ. Ngoài ra, với

vị thế là nền kinh tế mở và có tính cạnh tranh thuộc hàng cao nhất thế giới, việc duy

trì trạng thái cao giá của đồng nội tệ so với các đồng tiền khác giúp kìm hãm nền

kinh tế khi có dấu hiệu tăng trưởng quá nóng. Như vậy dựa trên mục tiêu cũng như

lịch sử điều hành tỷ giá của MAS, SGD được kỳ vọng sẽ duy trì xu hướng tăng giá.

Một cú sốc làm giảm giá SGD có thể được thị trường xem xét như một “tin xấu” đối

với nền kinh tế, kéo theo đó là một sự gia tăng trong độ biến động của tỷ giá SGD,

được phản ánh thông qua hệ số ước lượng C8 nhận giá trị âm. Ngoài ra cần nói thêm

rằng, thông thường, khi đồng nội tệ bất ngờ giảm giá, thị trường có thể lo sợ nguy

cơ bị tấn công tiền tệ, dẫn đến độ biến động của tỷ giá tăng cao. Hành vi này cũng

dẫn đến một hệ số C8 âm như trên. Tuy nhiên nguy cơ này trong trường hợp

Singapore là khá thấp bởi một số lý do sau:

 Nền tảng kinh tế vững chắc

 Mức độ tín nhiệm của MAS cao do đã thành công trong việc kiểm soát lạm

phát ở mức thấp cũng như duy trì tốc độ tăng trưởng bền vững đúng như mục

tiêu đặt ra một trong thời gian dài.

 Giá trị đồng SGD phù hợp với sức mạnh nền kinh tế

 Dự trữ ngoại hối lớn

Đối với trường hợp của Malaysia, hệ số C8 âm, tương đồng với kết quả nghiên

cứu của Tse và Tsui (1997), có thể do mục tiêu chính yếu của chính sách tiền tệ là

duy trì lạm phát ở mức thấp của ngân hành trung ương Malaysia. Việc đồng nội tệ

mất giá bất ngờ sẽ đe dọa đến mục tiêu này, dẫn đến làm tăng biến động tỷ giá hối

đoái đồng ringgit. Mặc dù Thái Lan và Việt Nam cũng theo đuổi mục tiêu này,

nhưng hệ số ước lượng C8 của hai quốc gia này không có ý nghĩa, cho thấy tác động

của thay đổi tỷ giá đến độ biến động của tỷ giá là cân xứng. Nhằm giải thích điều

này cần chú ý rằng tỷ giá đồng ringgit của Malaysia không phải là thả nổi (có quản

lý) trong suốt khung thời gian nghiên cứu. Từ sau khủng hoảng châu Á 1997-1998,

Malaysia theo đuổi mục tiêu cố định tỷ giá song phương với USD trong suốt giai

đoạn tháng 9/1998 cho đến tháng 7/2005, sau đó mới thả nổi dần. Trong suốt giai

đoạn này, giá trị đồng ringgit so với USD được cố định không thay đổi, thể hiện

trong Hình (4.3). Chính sách này gây áp lực lên mục tiêu điều hành lạm phát lớn

hơn so với các nước có tỷ giá hối đoái linh hoạt hơn, từ đó gây ra hiện tượng bất cân

4.3

4.2

4.1

3.9

Malaysia

xứng ở Malaysia.

D S U / B H T

D S U / R Y M

3.8

Thái Lan

3.7

3.6

3.5

50 45 40 35 30 25 20 15 10 5 0

2 Q 0 0 0 2

1 Q 8 9 9 1

4 Q 8 9 9 1

3 Q 9 9 9 1

1 Q 1 0 0 2

4 Q 1 0 0 2

3 Q 2 0 0 2

2 Q 3 0 0 2

1 Q 4 0 0 2

4 Q 4 0 0 2

3 Q 5 0 0 2

2 Q 6 0 0 2

Hình 4.3: Tỷ giá hối đoái đồng ringgit Malaysia và baht Thái Lan so với

dollar Mỹ trong giai đoạn Q1/1998 – Q4/2006. Nguồn: Quỹ tiền tệ quốc tế

Hệ số C8 này nhận giá trị dương và có ý nghĩa trong trường hợp của Indonesia

và Phillippines, cho thấy khi đồng rupiah Indonesia và peso Philippines tăng giá

ngoài dự kiến sẽ tác động đến mức độ biến động của tỷ giá lớn hơn so với trường

hợp giảm giá. Kết quả này có thể được giải thích bởi lý thuyết “nỗi lo sợ tăng giá”

(Fear of appreciation). Ngay sau khủng hoảng châu Á 1997-1998 mà Indonesia và

Philippines là hai trong số những nước chịu ảnh hưởng nặng nề nhất, ngân hàng

trung ương của hai quốc gia này cam kết thay thế chế độ neo tỷ giá theo USD bằng

chính sách điều hành dựa trên lạm phát mục tiêu, nhằm đạt được mức độ tự chủ

trong chính sách tiền tệ. Theo đó, tỷ giá rupiah và peso được kỳ vọng sẽ linh hoạt

hơn. Tuy nhiên, việc thả lỏng tỷ giá không đồng nghĩa với việc phản ứng của ngân

hàng trung ương trước việc đồng nội tệ tăng và giảm giá là như nhau (Calvo và

Reinhart, 2002). Trong trường hợp của Indonesia và Philippines, đồng rupiah/peso

được cho phép giảm giá nhưng lại bị kiểm soát trong trường hợp tăng giá. Hiện

tượng này được Levy-Yeyati và Sturzenegger (2007) gọi bằng tên “Nỗi lo sợ tăng

giá”. Nghiên cứu của Pontines và Siregar (2012) đã xác nhận sự tồn tại của hiện

tượng bất cân xứng này ở Indonesia và Philippines; hơn nữa, so với đồng bath Thái

và won Hàn Quốc cùng được nghiên cứu, thì đồng rupiah Indonesia cho thấy mức

độ chấp nhận tăng giá là thấp nhất, tiếp theo là peso Philippines. Động cơ kiểm soát

không cho tăng giá đồng nội tệ có thể là do mục tiêu tăng trưởng kinh tế trong dài

hạn, trong đó có chiến lược hỗ trợ xuất khẩu - đặc biệt phù hợp trong bối cảnh các

quốc gia đang phát triển. Mặc dù vậy, hiện tượng biến động bất cân xứng của

phương sai đồng rupiah và peso (thể hiện thông qua hệ số ước lượng C8 dương) còn

là kết quả của một yếu tố khác ngoài “nỗi lo sợ tăng giá”, đó là tác động của các

hoạt động can thiệp của ngân hàng trung ương đến độ biến động của tỷ giá hối đoái.

Nhiều nghiên cứu cho thấy việc can thiệp của ngân hàng trung ương làm gia tăng

mức độ biến động của tiền tệ, ví dụ nghiên cứu của Baillie và Humpage (1992),

Dominguez (2006), Beine và cộng sự (2007). Tóm tắt lại, những nghiên cứu trên đã

cung cấp một cơ chế tác động của một cú sốc tăng giá lên mức độ biến động của

đồng rupiah và peso: khi xuất hiện cú sốc làm tăng giá đồng nội tệ, ngân hàng trung

ương Indonesia và Philippine sẽ can thiệp nhằm hạn chế mức độ tăng giá của đồng

nội tệ do “nỗi lo sợ tăng giá”; đến lượt mình, hoạt động can thiệp này làm gia tăng

độ biến động của đồng nội tệ. Trong khi đó, toàn bộ cơ chế này không xảy ra trong

trường hợp rupiah hay peso chịu một cú sốc làm giảm giá. Như vậy, một cú sốc làm

tăng giá trị đồng nội tệ sẽ khiến cho độ biến động của tỷ giá đồng rupiah và peso

tăng lên, dẫn đến hệ số đo lường bất cân xứng C8 nhận giá trị dương như kết quả thu

được khi ước lượng mô hình CGARCH-M.

Hình (4.4) bên dưới thể hiện thành phần ngắn hạn và dài hạn của độ biến động

của tỷ giá hối đoái ước lượng được dựa trên mô hình CGARCH-M. Trong hầu hết

các trường hợp, thành phần dao động trong ngắn hạn (transitory component) nhỏ

hơn so với thành phần dài hạn (permanent component), đồng thời độ lệch chuẩn có

điều kiện của tỷ giá hối đoái cũng bám sát theo biến động của thành phần dài hạn.

Trong đó, những dao động trong ngắn hạn phản ánh cảm tính của thị trường, liên

quan đến áp lực đầu cơ trên thị trường; còn thành phần dài hạn thì được điều chỉnh

dựa trên sức mạnh nội tại của nền kinh tế, ví dụ như những chu kỳ tăng trưởng ổn

định hay rơi vào khủng hoảng. Kết quả này chỉ ra rằng dao động trong ngắn hạn

nhanh chóng biến mất, và phần bù rủi ro sẽ phản ứng theo thành phần xu hướng dài

hạn của biến động tỷ giá. Kết quả này cũng phù hợp với nghiên cứu của Byrne và

Davis (2005), Pramor và Tamirisa (2006) hay Li và cộng sự (2012), và có thể được

giải thích như sau: phần bù rủi ro thể hiện rủi ro liên quan đến hoạt động đầu tư tiền

tệ, và sẽ biến động theo thời gian dựa trên phản ứng của nhà đầu tư đối với biến

động của thị trường. Tuy nhiên, phần bù này sẽ phụ thuộc phần lớn vào xu hướng

biến động trong dài hạn của tỷ giá bởi vì như kết quả ước lượng thu được ở Bảng

(4.6), thành phần ngắn hạn trong biến động của tỷ giá sẽ biến mất nhanh hơn thành

phần dài hạn; dẫn đến là mức độ rủi ro của chiến lược đầu tư tiền tệ sẽ được phụ

thuộc vào xu hướng dài hạn, nên chỉ có thành phần này mới được phản ánh vào

trong phần bù rủi ro. Ngoài ra, đúng như kỳ vọng, giai đoạn mà rủi to tỷ giá tăng

cao cũng trùng khớp với thời điểm xảy ra khủng hoảng kinh tế. Đồng thời, trong

những thời điểm khủng hoảng, thành phần ngắn hạn của độ biến động của tỷ giá hối

đoái tiến gần với thành phần dài hạn (có thể thấy rõ nhất ở trường hợp Malaysia và

Thái Lan trong khủng hoảng tài chính châu Á), cho thấy vai trò quan trọng của

những dao động ngắn hạn đối với thị trường tiền tệ trong những giai đoạn mà thị

trường biến động mạnh.

Indonesia Nhật Bản

Malaysia Philippines

Hình 4.4: Độ lệch chuẩn có điều kiện của biến thay đổi tỷ giá hối đoái ở các

quốc gia, được ước lượng bởi mô hình CGARCH-M

Singapore Thái Lan

Việt Nam

Hình 4.4 (tiếp theo): Độ lệch chuẩn có điều kiện của biến thay đổi tỷ giá hối

đoái ở các quốc gia, được ước lượng bởi mô hình CGARCH-M

Như vậy, dựa theo những phân tích ở trên, bài nghiên cứu sẽ tóm lược các kết

quả nghiên cứu thực nghiệm thu được nhằm trả lời cho hai câu hỏi về trạng thái

“Ngang giá lãi suất không phòng ngừa” ở các quốc gia Đông Nam Á như sau:

 Phần bù rủi ro thay đổi theo thời gian có phải là yếu tố quan trọng cần xem

xét đến trong việc nghiên cứu “Ngang giá lãi suất không phòng ngừa” tại các quốc

gia Đông Nam Á ?

Kết quả nghiên cứu của sáu trong số bảy quốc gia được quan tâm đều cung

cấp bằng chứng mạnh mẽ cho thấy rằng phần bù rủi ro là một nhân tố quan trọng

cần được quan tâm khi tiến hành nghiên cứu UIP. Hơn nữa, phần bù rủi ro này

không cố định mà thay đổi theo thời gian, cho thấy phản ứng của các nhà đầu tư đã

được điều chỉnh dựa theo những biến động của tình hình kinh tế nói chung và của

thị trường tiền tệ nói riêng. Và mặc dù bài nghiên cứu đã sử dụng mô hình

CGARCH trong việc ước lượng phần bù rủi ro, nhưng kết quả thu được vẫn không

khả quan khi mà trạng thái “Ngang giá lãi suất không phòng ngừa” bị bác bỏ ở tất

cả các quốc gia được nghiên cứu. Điều đó cho thấy việc chỉ kiểm soát một mình

biến phần bù rủi ro là vẫn chưa đủ để đưa ra lời giải cho “Câu đố UIP” ở các quốc

gia Đông Nam Á. Như đã trình bày trong phần (2.3.2), lý thuyết UIP được xây dựng

dựa trên nhiều giả định nền tảng, cho nên có thể nói chỉ khi nào kiểm soát đồng thời

tất cả các giả định này thì mới có khả năng giải thích một cách thuyết phục cho “câu

đố” này.

 Giữa hai nhân tố: cú sốc đối với những yếu tố cơ bản của nền kinh tế và cảm

tính của các nhà đầu tư trên thị trường, nhân tố nào sẽ ảnh hưởng lâu dài đến biến

động của tỷ giá hối đoái ?

Mức độ biến động của tỷ giá hối đoái sẽ phụ thuộc phần nhiều vào những thay

đổi căn bản trong các biến số vĩ mô của nền kinh tế. Áp lực điều chỉnh trong ngắn

hạn của thị trường đóng vai trò ít quan trọng hơn, tuy nhiên trong những giai đoạn

khủng hoảng thì đây là một nhân tố cũng cần được quan tâm.

CHƢƠNG 5: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA BÀI

NGHIÊN CỨU

5.1 Kết luận

Bằng cách sử dụng mô hình CGARCH-M để thể hiện độ biến động của tỷ giá

hối đoái và có quan tâm đến hiện tượng bất cân xứng, bài nghiên cứu đã tiến hành

kiểm định sự tồn tại của trạng thái “Ngang giá lãi suất không phòng ngừa” tại một

số quốc gia Đông Nam Á, trong đó nhấn mạnh tới việc cho phép phần bù rủi ro

trong thị trường tiền tệ được thay đổi theo thời gian, với hy vọng rằng việc kiểm

soát được phần bù rủi ro này sẽ giúp giải thích cho “câu đố về UIP” trong lý thuyết

tài chính quốc tế. Kết quả nghiên cứu vẫn tương đồng với các nghiên cứu trước khi

mà hệ số ước lượng tương ứng với biến chênh lệch lãi suất nhận giá trị âm, tức là

khi lãi suất nội địa tăng cao hơn so với nước ngoài thì đồng nội tệ lại tăng giá, cho

thấy diễn biến tỷ giá thực tế lệch khỏi dự báo của lý thuyết UIP, mặc dù phần bù rủi

ro có tồn tại. Đồng thời, dữ liệu từ các quốc gia đang phát triển cũng không thể cho

thấy sự tồn tại của UIP như một số các nghiên cứu trước đã gợi ý.

5.2 Hạn chế và hƣớng phát triển

Bài nghiên cứu còn tồn tại hai hạn chế lớn, đó là dữ liệu nghiên cứu chưa

thật sự tốt và phương pháp nghiên cứu chưa kiểm soát hết được tác động qua lại

giữa các quốc gia. Thứ nhất, họ mô hình ARCH nên được sử dụng đối với dữ liệu

có tần số cao, bởi vì khi đó hiện tượng “biến động theo cụm” mới biểu hiện rõ, và

họ mô hình ARCH mới cho thấy hiệu quả cao trong việc ước lượng “Ngang giá lãi

suất không phòng ngừa” (Baillie và Bollerslev, 1990). Do không thể tiếp cận được

dữ liệu theo ngày hoặc tuần, bài nghiên cứu buộc phải tiến hành kiểm định UIP với

dữ liệu tỷ giá và lãi suất theo quý của các quốc gia, dẫn đến việc hạn chế hiệu quả

của mô hình. Thứ hai, phương pháp nghiên cứu trong bài là mô hình CGARCH-M

đơn biến, tức là mô hình hóa phương sai có điều kiện của tỷ giá hối đoái từng quốc

gia chỉ dựa trên dữ liệu của riêng quốc gia đó, mà không quan tâm đến tác động từ

các quốc gia khác. Nói cách khác, chuỗi dữ liệu của mỗi quốc gia được giả định là

độc lập với nhau. Giả định này đã bỏ qua hiện tượng “lan truyền biến động”

(volatility spillovers) giữa các thị trường hoặc tài sản tài chính. Đây là xu hướng

những biến động ở thị trường hoặc tài sản này sẽ ảnh hưởng đến mức độ biến động

của thị trường hoặc tài sản khác. Khó khăn này có thể được khắc phục bằng mô

hình GARCH đa biến, bởi vì mô hình này kiểm định đồng thời tất cả các chuỗi dữ

liệu, do đó có thể sẽ đạt được hiệu quả cao hơn so với việc ước lượng riêng lẻ từng

chuỗi dữ liệu. Ngoài ra, mô hình đa biến không chỉ ước lượng phương sai có điều

kiện riêng lẻ mà còn hiệp phương sai giữa các chuỗi dữ liệu, do đó có thể cung cấp

những thông tin hữu ích. Những nghiên cứu tiếp theo cần cải thiện hai hạn chế này,

bằng cách sử dụng dữ liệu nghiên cứu đầy đủ hơn và tiến hành nghiên cứu dựa trên

các mô hình đa biến.

DANH MỤC TÀI LIỆU THAM KHẢO

Tài liệu tiếng Việt

Trần Ngọc Thơ và cộng sự, 2011. Tài chính quốc tế. TP Hồ Chí Minh: Trường Đại

học kinh tế thành phố Hồ Chí Minh.

Tài liệu tiếng nƣớc ngoài

Alper, C.E., Ardic, O.P., Fendoglu, S., 2009. The economics of the uncovered

interest parity condition for emerging markets. Journal of Economic Surveys, 23(1),

115–138.

Aysun, U., Lee, S., 2014. Can time-varying risk premiums explain the excess

returns in the interest rate parity condition?. Emerging Markets Review, 18, 78–100.

Baillie, R. T., Bollerslev, T., 1990. A multivariate generalized ARCH approach to

modeling risk premium in forward foreign exchange rate markets. Journal of

International Money and Finance, 9, 309-324.

Baillie, R., Humpage, O., 1992. Post-Louvre intervention: did target zones stabilise

the dollar?. Federal Reserve Bank of Cleveland Working Paper No. 9203.

Bansal, R., Dahlquist, M., 2000. The forward premium puzzle: Different tales from

developed and emerging economies. Journal of International Economics, 51, 115-

144.

Beine, M. et al., 2007. Central bank intervention and exchange rate volatility, its

continuous and jump components. International Journal of Finance and

Economics, 12, 201–223.

Bekaert, G., Wei, M., Xing, Y., 2007. Uncovered interest rate parity and the term

structure. Journal of International Money and Finance, 26, 1038-1069.

Berk, J. M., Knot, K. H. W., 2001. Testing for long horizon UIP using PPP-based

exchange rate expectations. Journal of Banking and Finance, 25, 377-391.

Black, A. L., McMillan, D. G., 2004. Long-run trends and volatility spillovers in

daily exchange rates. Applied Financial Economics, 14, 895-907.

Bollerslev, T., 1986. Generalized autoregressive conditional heteroskedasticity.

Journal of Econometrics, 31, 307-327.

Bollerslev, T., Chou, R. Y., Kroner, K. F., 1992. ARCH modeling in finance: A

review of the theory and empirical evidence. Journal of Econometrics, 52, 5-59.

Burnside, C. et al, 2011. Do Peso Problems Explain the Returns to the Carry

Trade?. The Review of Financial Studies, 24(3), 853-891.

Byrne, J. P., Davis, E. P., 2005. The impact of short- and long-run exchange rate

uncertainty on investment: A panel study of industrial countries. Oxford Bulletin of

Economics and Statistics, 67, 307-329.

Calvo, G. A., Reinhart, C. M., 2002. Fear of Floating. The Quarterly Journal of

Economics, CXVII(2), 379-408.

Cavaglia, S., Verschoor, W. F. C., Wolff, C. C. P., 1993. Further evidence on

exchange rate expectations. Journal of International Money and Finance, 12(1), 78-

98.

Chew, J., Oulisris, S., Meng, T. S., 2009. An empirical analysis of exchange rate

pass -through in Singapore. MAS Staff paper No.50.

Chinn, M. D., Meredith, G., 2005. Testing uncovered interest parity at short and

long horizons during the Post-Bretton Woods era. NBER Working Paper No.11077.

Christoffersen, P., Jacobs, K., Wang, Y., 2008. Option valuation with long-run and

short-run volatility components. Journal of Financial Economics, 90, 272-297.

Clarida, R.H., Davis, J., Pedersen, N., 2009. Currency carry trade regimes: beyond

the Fama regression. Journal of International Money and Finance, 28, 1375–1389.

Cumby, R.E., Obsffeld, M., 1982. International interest rate and price level linkages

under flexible exchange rates: A review of recent evidence, NBER Working Paper

No.291. In Bilson J.F.O., Marston R.C. eds., 1984. Exchange rates:Theory and

practice. Chicago: University of Chicago Press, pp.121-152.

Dominguez, K., 2006. When do central bank interventions influence intra-daily and

longer-term exchange rate movements?. Journal of International Money and

Finance, 25, 1051–1071.

Domowitz, I., Glen, J., Madhavan, A., 1998. Country and currency risk premia in an

emerging market. Journal of Financial and Quantitative Analysis, 33(2), 189-216.

Domowitz, I., Hakkio, C. S., 1985. Conditional variance and the risk premium in

foreign exchange markets. Journal of International Economics, 19, 47-66.

Engel, C., 1996. The forward discount anomaly and the risk premium: A survey of

recent evidence. Journal of Empirical Finance, 3, 123-192.

Engle, R. F., 1982. Autoregressive Conditional Heteroscedasticity with estimates of

the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007.

Engle, R. F., Lee, G., 1999. A long-run and short-run component model of stock

return volatility. In R. Engle, H. White, Eds. 1999. Cointegration, causality and

forecasting. Oxford: Oxford University Press, pp.477-497.

Engle, R. F., Lilien, D. M., Robins, R. P., 1987. Estimating time varying risk

premia in the term structure: The ARCH-M model. Econometrica, 55, 391-407.

Fama, E., 1984. Forward and spot exchange rates. Journal of Monetary Economics,

14, 319-338.

Flood, R. P., Rose, A. K., 2001. Uncovered interest parity in crisis. IMF Staff

Papers, 49, 252-266.

Frankel, J. A., 1979. The diversifiability of exchange risk. Journal of International

Economics, 9, 379-393.

Frankel, J. A., Froot, K. A., 1987. Using survey data to test standard propositions

regarding exchange rate expectations. The American Economic Review, 77(1), 133-

153.

Frankel, J. A., Froot, K. A., 1990. Forward discount bias: Is it an exchange risk

premium?. Quarterly Journal of Economics, 104, 139-161.

Frankel, J., Okongwu, C., 1996. Liberalized portfolio capital inflows in emerging

markets: sterilization, expectations, and the incompleteness of interest rate

convergence. International Journal of Finance and Economics,1(1), 1-23.

Frankel, J. A., Poonawala, J., 2010. The forward market in emerging currencies:

Less biased than in major currencies. Journal of International Money and Finance,

29, 589-598.

Froot, K. A., Thaler, R. H., 1990. Abnomalies: Foreign exchange. Journal of

Economic Perspectives, 4, 179-192.

Frydman, R., Goldberg, M., 2007. Imperfect knowledge economics: Exchange rates

and risk. Princeton: Princeton University Press.

Glosten, L. R., Jagannathan, R., Runkle, D., 1993. On the relation between the

expected value and the volatility of the nominal excess return on stocks. Journal of

Finance, 48, 1779-1801.

Guo, H., Neely, C. J., 2008. Investigating the intertemporal risk-return relation in

international stock markets with the component GARCH model. Economics Letters,

99, 371-374.

Hansen, P. R., Lunde, A., 2005. A forecast comparison of volatility models: does

anything beat a GARCH(1,1)?. Journal of Applied Econometrics, 20(7), 873–889.

Hodrick, R.J., Srivastava, S., 1984. An investigation of risk and return in forward

foreign exchange, Journal of International Money and Finance, 3, 5-29.

Levy-Yeyati, E., Sturzenegger, F., 2007. Fear of Appreciation: Exchange rate policy

as a development strategy. In Hammond, G., Kanbur, R., Prasad, E., eds. 2009.

Monetary Policy Frameworks for Emerging Markets. London: Edward Elgar,

pp.69–94.

Lewis, K., 1995. Puzzles in international financial markets. In Grossman, G.,

Rogoff, K., S., eds, 1995. Handbook of International Economics, vol 3. Amsterdam:

Elsevier, Ch.37.

Li, D., Ghoshray, A., Morley, B., 2012. Measuring the risk premium in uncovered

interest parity using the component GARCH-M model. International Review of

Economics and Finance, 24, 167-176.

Li, D., Ghoshray, A., Morley, B., 2013. An empirical study of nonlinear adjustment

in the UIP model using a smooth transition regression model. International Review

of Financial Analysis, 30, 109–120.

Malliaropulos, D., 1997. A multivariate GARCH model of risk premia in foreign

exchange markets. Economic Modelling, 14, 61-79.

McCallum, B. T., 1994. A reconsideration of the uncovered interest parity

relationship. Journal of Monetary Economics, 33, 105–132.

McKenzie, M., Mitchell, H., 2002. Generalized asymmetric power ARCH

modelling of exchange rate volatility. Applied Financial Economics, 12(8), 555-

564.

Mehl, A., Cappiello, L., 2009. Uncovered Interest Parity at Long Horizons:

Evidence on Emerging Economies. Review of International Economics, 17(5),

1019–1037.

Melander, O., 2009. Uncovered interest parity in a partially dollarized emerging

country: Does UIP hold in Bolivia? (And if not, why not?). Stockholm School of

Ecnomics and Sveriges Riskbank SSE/EFI working paper series No.716.

Meredith, G., Chinn, M. D., 2004. Monetary policy and long horizon uncovered

interest parity. IMF Staff Papers, 51, 409-430.

Monetary Authority of Singapore, 2001. Singapore’s exchange rate policy. <

http://www.mas.gov.sg/~/media/manual%20migration/Monographs/exchangePolicy

.pdf >. [Ngày truy cập: 15 tháng 11 năm 2014].

Mussa, M., 1979. Empirical regularities in the behavior of exchange rates and

theories of the foreign exchange market. Carnegie-Rochester Conference Series on

Public Policy, 11, 9-57.

Nelson, C. R., Plosser, C. I., 1982. Trends and random walks in macroeconomic

time series. Journal of Monetary Economics, 10, 139-162.

Perron, P., 1989. The Great Crash, the oil price shock, and the unit root hypothesis.

Econometrica, 57, 1361-1401.

Perron, P., 1997. Further evidence on breaking trend functions in macroeconomic

variables. Journal of Econometrics, 80(2), 355-385.

Poghosyan, T., Kocenda, E., Zemcik, P., 2008. Modeling foreign exchange risk

premium in Armenia. Emerging Markets Finance and Trade, 44, 41–61.

Pontines, V., Siregar, R. Y., 2012. Exchange rate asymmetry and flexible exchange

rates under inflation targeting regimes: Evidence from four east and southeast Asian

countries. Review of International Economics, 20(5), 893–908.

Pramor, M., Tamirisa, N. T., 2006. Common volatility trends in the Central and

Eastern European currencies and the euro. IMF working paper No.206.

Rojas-Suarez, L., Sotelo, S., 2007. The burden of debt: an exploration of interest

behavior in Latin America. Contemporary Economic Policy, 25(4), 387-414.

Sakoulis, G., Zivot, E., Choi, K., 2010. Structural change in the forward discount:

Implications for the forward rate unbiasedness hypothesis. Journal of Empirical

Finance, 17, 957–966.

Snaith, S., Coakley, J., Kellard, N., 2013. Does the forward premium puzzle

disappear over the horizon?. Journal of Banking and Finance, 37, 3681–3693.

Tai, C. S., 2001. A multivariate GARCH in mean approach to testing uncovered

interest parity: Evidence from Asia-Pacific foreign exchange markets. The

Quarterly Review of Economics and Finance, 41, 441– 460.

Taylor, M. P., 1989. Expectations, risk and uncertainty in the foreign exchange

market, some results based on survey data. Manchester School of Economic and

Social Studies, 2, 142-153.

Tse, Y.K., Tsui, A.K., 1997. Conditional volatility in foreign exchange rates:

evidence from the Malaysian Ringgit and Singapore Dollar. Pacific Basin Finance

Journal, 5, 345–356.

Wang, J., Yang, M., 2009. Asymmetric volatility in the foreign exchange markets.

Journal of International Financial Markets, Institutions & Money, 19, 597-615.

PHỤ LỤC

Phụ lục 1: Kết quả kiểm định nghiệm đơn vị của các biến nghiên cứu

Null Hypothesis: IDN_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic - based on AIC, maxlag=8)

t-Statistic -5.646359

Prob.* 0.0001

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.075340 -3.466248 -3.159780

*MacKinnon (1996) one-sided p-values. Null Hypothesis: IDN_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic - based on AIC, maxlag=8)

t-Statistic -5.629352

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.652200 -3.090800 -2.797000

*Elliott-Rothenberg-Stock (1996, Table 1) Null Hypothesis: IDN_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -4.301098

Prob.* 0.0051

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.072415 -3.464865 -3.158974

Indonesia

Null Hypothesis: IDN_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -4.338760

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.644600 -3.084400 -2.791000

Null Hypothesis: JPN_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -4.041414

Prob.* 0.0110

Augmented Dickey-Fuller test statistic Test critical values:

-4.073859 -3.465548 -3.159372

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values. Null Hypothesis: JPN_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.424254

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.648400 -3.087600 -2.794000

Nhật Bản

Null Hypothesis: JPN_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.689948

Prob.* 0.0287

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.076860 -3.466966 -3.160198

*MacKinnon (1996) one-sided p-values. Null Hypothesis: JPN_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 5 (Automatic - based on AIC, maxlag=8)

t-Statistic -1.729098

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.659800 -3.097200 -2.803000

*Elliott-Rothenberg-Stock (1996, Table 1)

Null Hypothesis: MYS_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=8)

t-Statistic -8.341797

Prob.* 0.0000

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.071006 -3.464198 -3.158586

*MacKinnon (1996) one-sided p-values.

Malaysia

Null Hypothesis: MYS_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -4.592495

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

-3.644600 -3.084400 -2.791000

1% level 5% level 10% level

*Elliott-Rothenberg-Stock (1996, Table 1) Null Hypothesis: MYS_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.551462

Prob.* 0.0406

Augmented Dickey-Fuller test statistic Test critical values:

-4.073859 -3.465548 -3.159372

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values. Null Hypothesis: MYS_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.058991

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

-3.648400 -3.087600 -2.794000

1% level 5% level 10% level

*Elliott-Rothenberg-Stock (1996, Table 1)

Null Hypothesis: PHL_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 5 (Automatic - based on AIC, maxlag=8)

t-Statistic -4.774170

Prob.* 0.0012

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.078420 -3.467703 -3.160627

*MacKinnon (1996) one-sided p-values. Null Hypothesis: PHL_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.339705

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.648400 -3.087600 -2.794000

*Elliott-Rothenberg-Stock (1996, Table 1) Null Hypothesis: PHL_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.732759

Prob.* 0.0255

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.072415 -3.464865 -3.158974

*MacKinnon (1996) one-sided p-values.

Philippines

Null Hypothesis: PHL_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=8)

t-Statistic -2.333777

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

-3.640800 -3.081200 -2.788000

1% level 5% level 10% level

*Elliott-Rothenberg-Stock (1996, Table 1)

Null Hypothesis: SGP_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.250634

Prob.* 0.0822

Augmented Dickey-Fuller test statistic Test critical values:

-4.076860 -3.466966 -3.160198

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values. Null Hypothesis: SGP_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.066958

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.656000 -3.094000 -2.800000

*Elliott-Rothenberg-Stock (1996, Table 1)

Singapore

Null Hypothesis: SGP_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.231129

Prob.* 0.0858

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.076860 -3.466966 -3.160198

*MacKinnon (1996) one-sided p-values. Null Hypothesis: SGP_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.015297

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.656000 -3.094000 -2.800000

*Elliott-Rothenberg-Stock (1996, Table 1)

Null Hypothesis: THL_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=8)

t-Statistic -8.877945

Prob.* 0.0000

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.071006 -3.464198 -3.158586

*MacKinnon (1996) one-sided p-values.

Thái Lan

Null Hypothesis: THL_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=8)

t-Statistic -8.965110

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

-3.640800 -3.081200 -2.788000

1% level 5% level 10% level

*Elliott-Rothenberg-Stock (1996, Table 1) Null Hypothesis: THL_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -1.635872

Prob.* 0.7702

Augmented Dickey-Fuller test statistic Test critical values:

-4.072415 -3.464865 -3.158974

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values. Null Hypothesis: THL_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -1.742513

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

-3.644600 -3.084400 -2.791000

1% level 5% level 10% level

*Elliott-Rothenberg-Stock (1996, Table 1)

Null Hypothesis: VNM_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=8)

t-Statistic -8.363758

Prob.* 0.0000

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.107947 -3.481595 -3.168695

*MacKinnon (1996) one-sided p-values. Null Hypothesis: VNM_FX has a unit root Exogenous: Constant, Linear Trend Lag Length: 4 (Automatic - based on AIC, maxlag=8)

t-Statistic -1.612163

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.732000 -3.158000 -2.860000

*Elliott-Rothenberg-Stock (1996, Table 1) Null Hypothesis: VNM_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=8)

t-Statistic -3.498783

Prob.* 0.0482

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

-4.110440 -3.482763 -3.169372

*MacKinnon (1996) one-sided p-values.

Việt Nam

Null Hypothesis: VNM_INT has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=8)

t-Statistic -2.194407

Elliott-Rothenberg-Stock DF-GLS test statistic Test critical values:

1% level 5% level 10% level

-3.724400 -3.151600 -2.854000

*Elliott-Rothenberg-Stock (1996, Table 1)

Phụ lục 2: Kết quả ƣớc lƣợng mô hình CGARCH-M

Dependent Variable: IDN_FX Method: ML - ARCH (Marquardt) - Student's t distribution Date: 09/11/14 Time: 09:27 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 38 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

z-Statistic

Coefficient Std. Error

1.727282 3.370368 -3.488027

0.201407 0.116603 0.021108 0.006263 -0.281309 0.080650

Variance Equation

0.011152 0.019486 0.961307 0.066251 0.466494 0.390849 0.105490 0.249256 0.238527 0.117703 0.705275 0.359379

3.360595 0.742410

0.572322 14.51010 1.193540 0.423219 2.026520 1.962483 4.526600

Prob. 0.0841 0.0008 0.0005 0.5671 0.0000 0.2327 0.6721 0.0427 0.0497 0.0000

0.018646 0.128185 -2.948905 -2.661534 -2.833316

0.035309 Mean dependent var 0.011780 S.D. dependent var 0.127428 Akaike info criterion 1.331498 Schwarz criterion 135.3285 Hannan-Quinn criter. 1.454063

Variable @SQRT(GARCH) C IDN_INT C(4) C(5) C(6) C(7) C(8) C(9) T-DIST. DOF R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Indonesia

Dependent Variable: JPN_FX Method: ML - ARCH (Marquardt) - Student's t distribution Date: 09/10/14 Time: 20:52 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 20 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

-1.279213 0.753748 0.072113 0.041164 0.007068 0.302405

-1.697137 1.751817 0.023374

Variance Equation

0.003520 0.000908 0.675008 0.161360 0.589435 0.856331 -0.754421 0.819638 -0.023167 0.130233 1.297094 0.879014

3.874557 4.183235 0.688327 -0.920432 -0.177887 1.475624

0.132138

49.65029 375.7463

Prob. 0.0897 0.0798 0.9814 0.0001 0.0000 0.4912 0.3573 0.8588 0.1400 0.8949

-0.003353 0.059615 -2.724847 -2.437476 -2.609258

0.045826 Mean dependent var 0.022554 S.D. dependent var 0.058939 Akaike info criterion 0.284853 Schwarz criterion 125.8060 Hannan-Quinn criter. 1.905149

Variable @SQRT(GARCH) C JPN_INT C(4) C(5) C(6) C(7) C(8) C(9) T-DIST. DOF R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Nhật Bản

Dependent Variable: MYS_FX Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 09/10/14 Time: 20:53 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 31 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

-0.096315 0.003203 0.000473 0.000166 -0.002722 0.000765

-30.07152 2.845799 -3.559972

Variance Equation

0.000110 0.000110 0.964619 0.007398 0.197391 0.000738 0.542132 0.007801 -0.512378 0.018036 0.386648 0.003083

0.996010 130.3970 267.3485 69.49928 -28.40855 125.4290

8.101988

0.395070 0.048762

Prob. 0.0000 0.0044 0.0004 0.3192 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.001477 0.044313 -5.798357 -5.510986 -5.682769

-0.041368 Mean dependent var -0.066768 S.D. dependent var 0.045768 Akaike info criterion 0.171767 Schwarz criterion 256.4302 Hannan-Quinn criter. 1.666562

Variable @SQRT(GARCH) C MYS_INT C(4) C(5) C(6) C(7) C(8) C(9) GED PARAMETER R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Malaysia

Dependent Variable: PHL_FX Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 09/10/14 Time: 20:54 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 15 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

0.389522 0.231536 -0.015678 0.007142 0.031926 0.083811

1.682343 -2.195360 0.380932

Variance Equation

0.001192 0.003958 0.981297 0.071775 0.120357 0.206726 0.116949 0.171634 0.279383 0.149956 0.383109 0.418335

0.301102 13.67192 0.582206 0.681385 1.863101 0.915795

6.745775

GED PARAMETER 0.871543 0.129198

Prob. 0.0925 0.0281 0.7033 0.7633 0.0000 0.5604 0.4956 0.0624 0.3598 0.0000

0.005050 0.050793 -3.451620 -3.164249 -3.336031

Variable @SQRT(GARCH) C PHL_INT C(4) C(5) C(6) C(7) C(8) C(9) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.035085 Mean dependent var 0.011551 S.D. dependent var 0.050499 Akaike info criterion 0.209110 Schwarz criterion 156.6938 Hannan-Quinn criter. 1.814037

Philippines

Dependent Variable: SGP_FX Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 10/26/14 Time: 14:54 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 50 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

0.599329 0.371579 -0.020514 0.007984 0.016022 0.181551

1.612923 -2.569346 0.088250

Variance Equation

0.000761 0.000189 0.826852 0.075007 0.183358 0.098260 0.022190 0.066423 -0.430209 0.116617 -0.679688 0.227813

4.016860 11.02369 1.866063 0.334067 -3.689064 -2.983542

2.907162

2.246582 0.772775

Prob. 0.1068 0.0102 0.9297 0.0001 0.0000 0.0620 0.7383 0.0002 0.0028 0.0036

-0.003187 0.028256 -4.265059 -3.977688 -4.149470

0.009622 Mean dependent var -0.014534 S.D. dependent var 0.028461 Akaike info criterion 0.066420 Schwarz criterion 191.2650 Hannan-Quinn criter. 2.188922

Variable @SQRT(GARCH) C SGP_INT C(4) C(5) C(6) C(7) C(8) C(9) GED PARAMETER R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Singapore

Dependent Variable: THL_FX Method: ML - ARCH (Marquardt) - Student's t distribution Date: 09/10/14 Time: 21:00 Sample: 1992Q1 2013Q1 Included observations: 85 Convergence achieved after 31 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

0.050608 0.217239 -0.007762 0.007944 0.152823 0.119771

0.232962 -0.977083 1.275968

Variance Equation

0.004554 0.041607 0.996640 0.033797 0.013178 0.033550 0.202932 0.173206 -0.170594 0.358151 0.691589 0.195042

0.109443 29.48876 0.392793 1.171626 -0.476319 3.545843

4.779132

3.218789 0.673509

Prob. 0.8158 0.3285 0.2020 0.9129 0.0000 0.6945 0.2413 0.6338 0.0004 0.0000

0.001740 0.061705 -3.797584 -3.510214 -3.681996

Variable @SQRT(GARCH) C THL_INT C(4) C(5) C(6) C(7) C(8) C(9) T-DIST. DOF R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.002447 Mean dependent var -0.021883 S.D. dependent var 0.062377 Akaike info criterion 0.319049 Schwarz criterion 171.3973 Hannan-Quinn criter. 1.944518

Thái Lan

Dependent Variable: VNM_FX Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 09/10/14 Time: 14:49 Sample: 1997Q1 2013Q1 Included observations: 65 Convergence achieved after 20 iterations Presample variance: backcast (parameter = 0.7) Q = C(4) + C(5)*(Q(-1) - C(4)) + C(6)*(RESID(-1)^2 - GARCH(-1)) GARCH = Q + (C(7) + C(8)*(RESID(-1)<0))*(RESID(-1)^2 - Q(-1)) + C(9)*(GARCH(-1) - Q(-1))

Coefficient Std. Error

z-Statistic

-0.104656 0.014931 0.004658 0.000631 -0.015658 0.001920

-7.009425 7.385965 -8.156587

Variance Equation

0.000990 0.000811 0.967707 0.014412 0.248012 0.034066 0.172391 0.056793 -0.166199 0.231592 -0.084608 0.243434

1.220456 67.14556 7.280393 3.035439 -0.717634 -0.347561

5.381455

0.342922 0.063723

Prob. 0.0000 0.0000 0.0000 0.2223 0.0000 0.0000 0.0024 0.4730 0.7282 0.0000

-0.210588 Mean dependent var -0.249639 S.D. dependent var 0.020730 Akaike info criterion 0.026643 Schwarz criterion 225.5512 Hannan-Quinn criter. 1.603612

Variable @SQRT(GARCH) C VNM_INT C(4) C(5) C(6) C(7) C(8) C(9) GED PARAMETER R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.009615 0.018544 -6.632346 -6.297825 -6.500356

Việt Nam

Phụ lục 3: Kết quả các kiểm định Wald cho mô hình CGARCH-M

Wald Test: Equation: IDN_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -15.88729 252.4059 252.4059 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-1 + β1

Value -1.281309

Probability 0.0000 0.0000 0.0000 Std. Err. 0.080650

Indonesia

Restrictions are linear in coefficients. Wald Test: Equation: IDN_CGARCH

Test Statistic

F-statistic Chi-square

Value 11.37936 22.75871

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

Probability 0.0000 0.0000 Std. Err.

Value

0.201407 0.116603 0.021108 0.006263

C β2

Restrictions are linear in coefficients.

Wald Test: Equation: JPN_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -3.283447 10.78102 10.78102 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-1 + β1

Value -0.992932

Probability 0.0016 0.0016 0.0010 Std. Err. 0.302405

Nhật Bản

Restrictions are linear in coefficients. Wald Test: Equation: JPN_CGARCH

Test Statistic

F-statistic Chi-square

Value 1.538962 3.077923

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value -1.279213 0.072113

Probability 0.2213 0.2146 Std. Err. 0.753748 0.041164

Restrictions are linear in coefficients.

Wald Test: Equation: MYS_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -1311.339 1719610. 1719610. Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-1 + β1

Value -1.002722

Probability 0.0000 0.0000 0.0000 Std. Err. 0.000765

Restrictions are linear in coefficients. Wald Test: Equation: MYS_CGARCH

Test Statistic

F-statistic Chi-square

Value 3076324. 6152648.

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value -0.096315 0.000473

Probability 0.0000 0.0000 Std. Err. 0.003203 0.000166

Restrictions are linear in coefficients.

Malaysia

Wald Test: Equation: PHL_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -11.55061 133.4166 133.4166 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-0.968074 0.083811

-1 + β1

Probability 0.0000 0.0000 0.0000 Std. Err.

Value Restrictions are linear in coefficients. Wald Test: Equation: PHL_CGARCH

Test Statistic

F-statistic Chi-square

Value 2.544701 5.089402

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value 0.389522 -0.015678

Probability 0.0853 0.0785 Std. Err. 0.231536 0.007142

Restrictions are linear in coefficients.

Philippines

Wald Test: Equation: SGP_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -5.419836 29.37462 29.37462 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-1 + β1

Value -0.983978

Probability 0.0000 0.0000 0.0000 Std. Err. 0.181551

Restrictions are linear in coefficients. Wald Test: Equation: SGP_CGARCH

Test Statistic

F-statistic Chi-square

Value 4.190615 8.381230

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value 0.599329 -0.020514

Probability 0.0188 0.0151 Std. Err. 0.371579 0.007984

Restrictions are linear in coefficients.

Singapore

Wald Test: Equation: THL_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 75 (1, 75) 1

Value -7.073325 50.03193 50.03193 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-0.847177 0.119771

-1 + β1

Probability 0.0000 0.0000 0.0000 Std. Err.

Value Restrictions are linear in coefficients. Wald Test: Equation: THL_CGARCH

Test Statistic

F-statistic Chi-square

Value 11.97853 23.95705

df (2, 75) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value 0.050608 -0.007762

Probability 0.0000 0.0000 Std. Err. 0.217239 0.007944

Thái Lan

Restrictions are linear in coefficients.

Wald Test: Equation: VNM_CGARCH

Test Statistic

t-statistic F-statistic Chi-square

df 55 (1, 55) 1

Value -529.0760 279921.4 279921.4 Null Hypothesis: β1=1 Null Hypothesis Summary:

Normalized Restriction (= 0)

-1 + β1

Value -1.015658

Probability 0.0000 0.0000 0.0000 Std. Err. 0.001920

Restrictions are linear in coefficients. Wald Test: Equation: VNM_CGARCH

Test Statistic

F-statistic Chi-square

Value 27.27627 54.55254

df (2, 55) 2

Null Hypothesis: C= β2=0 Null Hypothesis Summary:

Normalized Restriction (= 0)

C β2

Value -0.104656 0.004658

Probability 0.0000 0.0000 Std. Err. 0.014931 0.000631

Restrictions are linear in coefficients.

Việt Nam

Luận văn Thạc sĩ Kinh tế: Nghiên cứu phần bù rủi ro trong trạng thái ngang giá lãi suất không phòng ngừa

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHAN THANH TÙNG

NGHIÊN CỨU PHẦN BÙ RỦI RO TRONG

TRẠNG THÁI NGANG GIÁ LÃI SUẤT KHÔNG

PHÒNG NGỪA

Chuyên ngành: Tài chính – Ngân hàng Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

TP.HỒ CHÍ MINH - 2014

LỜI CAM ĐOAN

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC HÌNH

TÓM TẮT ĐỀ TÀI ......................................................................................... 1

CHƢƠNG 1: GIỚI THIỆU ............................................................................ 2

CHƢƠNG 2: LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÒNG

NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN ......................................... 6

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU ............... 23

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM .................... 41

CHƢƠNG 5: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA BÀI

NGHIÊN CỨU ............................................................................................... 59

DANH MỤC TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC HÌNH

TÓM TẮT ĐỀ TÀI

CHƢƠNG 1: GIỚI THIỆU

CHƢƠNG 2: LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÕNG

NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN

=

=

=

=

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

log(2π) -

-

(yt – μ – φyt−1) 2

t )

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM

t-Statistic -5.283031 -6.32 -5.59 -5.29

STT Quốc gia

Kiểm định sự tồn tại của UIP H0: β1 = 1

Kiểm định sự tồn tại của phần bù rủi ro Ho: C = β2 = 0 0.0000***

D S U / B H T

D S U / R Y M

CHƢƠNG 5: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA BÀI

NGHIÊN CỨU

DANH MỤC TÀI LIỆU THAM KHẢO

PHỤ LỤC

*Elliott-Rothenberg-Stock (1996, Table 1)

*Elliott-Rothenberg-Stock (1996, Table 1)

*Elliott-Rothenberg-Stock (1996, Table 1)

Restrictions are linear in coefficients. Wald Test: Equation: IDN_CGARCH

Restrictions are linear in coefficients. Wald Test: Equation: JPN_CGARCH

Restrictions are linear in coefficients.

Có thể bạn quan tâm

Tài liêu mới

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ

Chính sách

Thoả thuận sử dụng

Chính sách bảo mật

Chính sách hoàn tiền

DMCA

Hỗ trợ

Hướng dẫn sử dụng

Đăng ký tài khoản VIP