BỘ GIÁO DỤC VÀ ĐÀO TẠO

ỜI CAM ĐOAN

phòng ngừa đối với Việt Nam Đồng – Những tác động đến quản trị rủi ro” là công

trình nghiên cứu của riêng tôi dưới sự hướng dẫn của PGS.TS Trần Thị Thùy Linh.

bất kỳ công trình nào khác.

Tôi sẽ chịu trách nhiệm về nội dung tôi trình bày trong luận văn này.

Thành phố Hồ Chí Minh, 2014

Tác giả

Trần Thị Hồng Hoa

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM Tôi cam đoan Luận văn Thạc sĩ Kinh tế với đề tài “Vàng là kênh trú ẩn hay là công cụ Các số liệu, kết quả trong luận văn là trung thực và chưa từng được ai công bố trong TRẦN THỊ HỒNG HOA VÀNG LÀ KÊNH TRÚ ẨN HAY LÀ CÔNG CỤ PHÒNG NGỪA ĐỐI VỚI VIỆT NAM ĐỒNG – NHỮNG TÁC ĐỘNG ĐẾN QUẢN TRỊ RỦI RO

LUẬN VĂN THẠC SĨ KINH TẾ

TP. Hồ Chí Minh – 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM TRẦN THỊ HỒNG HOA VÀNG LÀ KÊNH TRÚ ẨN HAY LÀ CÔNG CỤ PHÒNG NGỪA ĐỐI VỚI VIỆT NAM ĐỒNG – NHỮNG TÁC ĐỘNG ĐẾN QUẢN TRỊ RỦI RO LUẬN VĂN THẠC SĨ KINH TẾ

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60340201

Người hướng dẫn khoa học:

PGS.TS. TRẦN THỊ THÙY LINH

TP. Hồ Chí Minh – 2014

LỜI CAM ĐOAN

Tôi cam đoan Luận văn Thạc sĩ Kinh tế với đề tài “Vàng là kênh trú ẩn hay là công cụ

phòng ngừa đối với Việt Nam Đồng – Những tác động đến quản trị rủi ro” là công

trình nghiên cứu của riêng tôi dưới sự hướng dẫn của PGS.TS Trần Thị Thùy Linh.

Các số liệu, kết quả trong luận văn là trung thực và chưa từng được ai công bố trong

bất kỳ công trình nào khác.

Tôi sẽ chịu trách nhiệm về nội dung tôi trình bày trong luận văn này.

Thành phố Hồ Chí Minh, 2014

Tác giả

Trần Thị Hồng Hoa

MỤC LỤC

TRANG PHỤ BÌA ...........................................................................................................

LỜI CAM ĐOAN ............................................................................................................

MỤC LỤC ........................................................................................................................

DANH MỤC CÁC CHỮ VIẾT TẮT ............................................................................

DANH MỤC CÁC BẢNG ..............................................................................................

DOANH MỤC CÁC HÌNH ............................................................................................

TÓM TẮT ...................................................................................................................... 1

CHƯƠNG 1. GIỚI THIỆU ĐỀ TÀI ........................................................................... 2

1.1 Lý do chọn đề tài .................................................................................... 2

1.2 Mục tiêu và câu hỏi nghiên cứu ............................................................ 3

1.3 Đối tượng và phương pháp nghiên cứu ............................................... 3

1.4 Những đóng góp của luận văn .............................................................. 4

1.5 Bố cục của luận văn ............................................................................... 4

CHƯƠNG 2: CÁC NGHIÊN CỨU THỰC NGHIỆM .............................................. 5

2.1 Lý thuyết nền ......................................................................................... 5

Lý thuyết về thiết lập danh mục đa dạng hóa ................................................ 5

2.2 Tổng quan các nghiên cứu thực nghiệm trước đây ............................ 7

2.3 Tóm tắt kết quả nghiên cứu thực nghiệm ......................................... 13

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ...................................................... 17

3.1 Chọn mẫu và dữ liệu nghiên cứu ....................................................... 17

3.2 Các giả thiết nghiên cứu ...................................................................... 18

3.3 Mô tả biến và mô hình nghiên cứu ..................................................... 18

3.3.1 Mô tả biến .................................................................................... 18

3.3.2 Mô hình nghiên cứu ..................................................................... 20

3.4 Phương pháp kiểm định mô hình ....................................................... 24

CHƯƠNG 4: NỘI DUNG VÀ KẾT QUẢ NGUYÊN CỨU .................................... 27

4.1 Thống kê mô tả .................................................................................... 27

4.1.1 Diễn biến của giá vàng và tỷ giá năm 2008-2014 .............................. 27

4.1.2 Thống kê mô tả dữ liệu ....................................................................... 33

4.2 Các kiểm định liên quan ..................................................................... 39

4.2.1 Kiểm định tính dừng ..................................................................... 39

4.2.2 Kiểm định hiện tượng tự tương quan ........................................... 45

4.2.3 Kiểm định ảnh hưởng ARCH ....................................................... 51

4.3 Kết quả mô hình .................................................................................. 57

CHƯƠNG 5: KẾT LUẬN .......................................................................................... 63

5.1 Kết luận về kết quả nghiên cứu .......................................................... 63

5.2 Những điểm hạn chế của luận văn ..................................................... 63

5.3 Những gợi ý cho hướng nghiên cứu tiếp theo ................................... 64

DANH MỤC TÀI LIỆU THAM KHẢO .......................................................................

PHỤ LỤC .........................................................................................................................

DANH MỤC CÁC CHỮ VIẾT TẮT

Chữ viết tắt Cách viết tắt đầy đủ

ADF Augmented Dickey-Fuller

ARCH Autoregressive Conditional Heteroskedasticity

CCC Constant Conditional Correlation

DCC Dynamic Conditional Correlation

GARCH Generalized Autoregressive Conditional Heteroskedasticity

DANH MỤC CÁC BẢNG

Bảng 2.1: Tóm tắt kết quả nghiên cứu ........................................................................ 13

Bảng 4.1: Bảng kết quả thống kê mô tả cho dữ liệu Việt Nam từ tháng 1/2008 đến

tháng 9/2014 ................................................................................................................ 38

Bảng 4.2: Kết quả kiểm định ADF cho biến GOLD ................................................... 40

Bảng 4.3: Kết quả kiểm định ADF cho biến USD ...................................................... 41

Bảng 4.4: Kết quả kiểm định ADF cho biến AUD ..................................................... 42

Bảng 4.5 Kết quả kiểm định ADF cho biến GBP ....................................................... 43

Bảng 4.6: Kết quả kiểm định ADF cho biến EUR ...................................................... 44

Bảng 4.7: Giản đồ tự tương quan của biến GOLD với độ trễ k=20 ........................... 46

Bảng 4.8: Giản đồ tự tương quan của biến USD với độ trễ k=20 ............................... 47

Bảng 4.9: Giản đồ tự tương quan của biến AUD với độ trễ k=20 .............................. 48

Bảng 4.10: Giản đồ tự tương quan của biến GBP với độ trễ k=20 ............................. 49

Bảng 4.11: Giản đồ tự tương quan của biến EUR với độ trễ k=20 ............................. 50

Bảng 4.12: Kết quả kiểm định ảnh hưởng ARCH cho biến GOLD với độ trễ k=7 ........

..................................................................................................................................... 52

Bảng 4.13: Kết quả kiểm định ảnh hưởng ARCH cho biến USD với độ trễ k=7 ....... 53

Bảng 4.14: Kết quả kiểm định ảnh hưởng ARCH cho biến AUD với độ trễ k=7 ...... 54

Bảng 4.15: Kết quả kiểm định ảnh hưởng ARCH cho biến GBP với độ trễ k=13 ..... 55

Bảng 4.16: Kết quả kiểm định ảnh hưởng ARCH cho biến EUR với độ trễ k=7 ....... 56

Bảng 4.17: Các hệ số ước lượng mô hình DCC-GARCH với giá trị P-value tương ứng,

tất cả các ước lượng được thực hiện trên phần mềm eview 8.0 và các dữ liệu tại thị

trường Việt Nam từ tháng 01 năm 2008 đến tháng 09 năm 2014 ............................... 61

Bảng 4.18: Kết quả giảm thiểu rủi ro (RE) ................................................................. 61

DANH MỤC CÁC HÌNH

Hình 4.1: Biểu đồ thời gian của giá vàng và tỷ giá USD/VND (1/2008-9/2014) ....... 27

Hình 4.2: Biểu đồ thời gian của giá vàng và tỷ giá EUR/VND (1/2008-9/2014) ....... 28

Hình 4.3: Biểu đồ thời gian của giá vàng và tỷ giá AUD/VND (1/2008-9/2014) ...... 28

Hình 4.4: Biểu đồ thời gian của giá vàng và tỷ giá GBP/VND (1/2008-9/2014) ....... 29

Hình 4.5: Đồ thị tỷ suất sinh lời của biến GOLD theo thời gian ................................ 30

Hình 4.6: Đồ thị tỷ suất sinh lời của biến USD theo thời gian ................................... 30

Hình 4.7: Đồ thị tỷ suất sinh lời của biến AUD theo thời gian ................................... 31

Hình 4.8: Đồ thị tỷ suất sinh lời của biến GBP theo thời gian ................................... 31

Hình 4.9: Đồ thị tỷ suất sinh lời của biến EUR theo thời gian ................................... 32

Hình 4.10: Kết quả thống kê mô tả của biến GOLD................................................... 33

Hình 4.11: Kết quả thống kê mô tả của biến USD ...................................................... 34

Hình 4.12: Kết quả thống kê mô tả của biến EU ........................................................ 35

Hình 4.13: Kết quả thống kê mô tả của biến AUD ..................................................... 36

Hình 4.14: Kết quả thống kê mô tả của biến GBP ...................................................... 37

Hình 4.15: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa biến GOLD và USD ......... 58

Hình 4.16: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa GOLD và AUD ................. 58

Hình 4.17: Đồ thị hệ số tương quan giữa tỷ suất sinh lợi giữa biến GOLD và GBP......

..................................................................................................................................... 59

Hình 4.18: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa biến GOLD và EUR ......... 59

- 1 -

TÓM TẮT

Với mong muốn kiểm định vai trò của vàng đối với Việt Nam Đồng (VND) ở thị

trường Việt Nam, tác giả thực hiện đề tài “Vàng là kênh trú ẩn hay là công cụ phòng

ngừa đối với Việt Nam Đồng – Những tác động đến quản trị rủi ro” để làm luận văn tốt

nghiệp chuyên ngành tài chính của mình. Với một tập hợp mẫu gồm các quan sát theo

tuần của các biến số suất sinh lợi giá vàng trong nước và các biến đại diện cho biến

động tiền tệ bao gồm suất sinh lợi của đô la Mỹ, bảng Anh, đô la Úc, EUR so với Việt

Nam Đồng từ tháng 01 năm 2008 đến tháng 09 năm 2014, trước tiên tác giả sử dụng

mô hình DCC-GARCH để ước lượng phương sai – hiệp phương sai biến đổi theo thời

gian của các biến số để xem xét vai trò của vàng đối với biến động tiền tệ, sau đó tác

giả xác định tỷ trọng đa dạng hóa cho danh mục vàng – tiền tệ, cuối cùng tác giả đánh

giá hiệu quả của danh mục mới trên cơ sở so sánh với danh mục chỉ bao gồm tiền tệ.

Kết quả thực nghiệm chỉ ra rằng vàng thực sự đóng vai trò công cụ phòng ngừa

và kênh trúc ẩn an toàn đối với tiền tệ tại thị trường Việt Nam trên mẫu quan sát. Ngoài

ra kết quả chỉ ra rằng vàng có tác động tích cực đến hiệu quả của chiến lược đầu tư do

danh mục sau khi đa dạng hóa và phòng ngừa rủi ro có mức độ rủi ro thấp hơn danh

mục truyền thống chỉ bao gồm tiền tệ. Tác giả đi đến kết luận rằng vàng nên được xem

xét như là một loại tài sản quan trọng có thể làm công cụ phòng ngừa và có thể giúp cải

thiện thành quả cho danh mục đầu tư tiền tệ khi được kết hợp trong các chiến lược đầu

tư.

Từ khóa: mô hình DCC-GARCH, tiền tệ, vàng, công cụ phòng ngừa, kênh trú ẩn an toàn, đa dạng hóa, phòng ngừa rủi ro

- 2 -

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI

1.1 Lý do chọn đề tài

Nhìn lại nền kinh tế Việt Nam trong những năm gần đây chúng ta có thể thấy

rằng mặc dù nền kinh tế đã có xu hướng phục hồi sau giai đoạn khủng hoảng tài chính

toàn cầu năm 2008-2009. Tuy nhiên, nền kinh tế Việt Nam vẫn chưa hoàn toàn thoát

khỏi những khó khăn. Đối với những nhà đầu tư trên thị trường Việt Nam, tuy vàng là

loại tài sản quen thuộc với nhà đầu tư từ lâu nhưng vàng mới chỉ được sử dụng làm

công cụ bảo tồn giá trị tài sản khi thị trường các công cụ đầu tư khác bị sụt giảm chứ

chưa thực sự đóng vai trò trong chiến lược đầu tư của họ trên thị trường.

Từ trước đến nay, mỗi khi nền kinh tế có những biến động xấu gây ra sự mất giá

của đồng tiền, các nhà đầu tư có xu hướng chuyển từ nắm giữ tiền, cổ phiếu… sang

nắm giữ các dạng kim loại quý, đặc biệt là vàng.

Ngoài ra, trong những thập kỷ gần đây, thị trường và các công cụ tài chính phát

triển không ngừng ở cả chất và lượng đã làm gia tăng rủi ro trong hệ thống tài chính.

Giá vàng liên tục tăng cao kết hợp với sự mất giá của Việt Nam Đồng (VND) đã thu

hút sự chú ý của các nhà đầu tư, các nhà quản trị rủi ro. Giới truyền thông tài chính

thường đề cập đến vàng như một công cụ phòng ngừa hay là một kênh trú ẩn an toàn.

Dù vấn đề này đã được biết đến nhiều trong thực tiễn nhưng vẫn rất cần các con số

thống kê từ những bài nghiên cứu để chứng minh vai trò của vàng như là một công cụ

phòng ngừa hay một kênh trú ẩn an toàn thực sự tồn tại. Một số nghiên cứu đã được

tiến hành để xác minh mối quan hệ giữa giá vàng và tỷ giá hối đoái, với việc sử dụng

các phương pháp khác nhau và tập hợp dữ liệu khác nhau. Cụ thể: nghiên cứu của

Forrest Capie, Terence C Mills, và Geoffrey Wood (2005) trên thị trường London trong

giai đoạn từ năm 1971 đến tháng 6/ 2002 cho thấy giá vàng được tính theo đô la dịch

chuyển đồng thời và ngược chiều so với đồng đô la Mỹ; Certin Ciner, Constantin

- 3 -

Gurdgiev và Brian M. Lucey (2010) nghiên cứu thực nghiệm trong giai đoạn nghiên

cứu từ 1990-2008 cho thấy hệ số hồi quy của vàng và đồng đô la Mỹ có dấu âm và có ý

nghĩa thống kê; Mark Joy (2011) nghiên cứu vai trò của vàng như là công cụ phòng

ngừa hay kênh trú ẩn an toàn đối vối tiền tệ trong giai đoạn 10/1/1986 đến ngày

29/8/2008, kết quả cho thấy được mối tương quan âm có điều kiện giữa sự thay đổi giá

vàng và sự biến động tỷ giá đồng đô la Mỹ; Juan C. Reboredo (2013) cũng đưa ra kết

luận vàng như là công cụ phòng ngừa hay kênh trú ẩn an toàn đối với đồng đô la Mỹ

trong giai đoạn 01/2000-09/2012.

Vì những lí do trên, tác giả đã chọn đề tài “Vàng là kênh trú ẩn hay là công cụ

phòng ngừa đối với Việt Nam Đồng? – Những tác động đến quản trị rủi ro” để làm đề

tài luận văn cao học của mình với mong muốn cung cấp cho những nhà đầu tư Việt

Nam một phương án đa dạng hóa và phòng ngừa rủi ro danh mục đầu tư tiền tệ mới

hơn và hiệu quả hơn bằng cách xét đến khả năng phòng ngừa rủi ro của vàng.

1.2 Mục tiêu nghiên cứu và câu hỏi nghiên cứu

- Nghiên cứu này nhằm phân tích vai trò của vàng như là một kênh trú ẩn an toàn hay

là một công cụ phòng ngừa rủi ro đối với Việt Nam Đồng và ý nghĩa của vàng trong

việc quản lí rủi ro danh mục đầu tư tiền tệ.

- Câu hỏi nghiên cứu:

 Vàng có thực sự đóng vai trò như là một kênh trú ẩn an toàn hay là một công

cụ phòng ngừa đối với Việt Nam Đồng hay không?

 Vàng có đóng vai trò như một tài sản được kết hợp trong một chiến lược đa

dạng hóa và phòng ngừa rủi ro hay không?

1.3 Đối tượng và phương pháp nghiên cứu

- Đối tượng nghiên cứu là giá vàng và tỷ giá hối đoái của bốn đồng tiền mạnh so với

Việt Nam Đồng đó là Đô la Mỹ, Đô la Úc, Bảng Anh và Euro.

- 4 -

- Phạm vi nghiên cứu trong giai đoạn từ tháng 01 năm 2008 đến tháng 9 năm 2014.

- Đề tài nghiên cứu vai trò của vàng là kênh trú ẩn hay là công cụ phòng ngừa đối với

Việt Nam Đồng – Những tác động đến quản trị rủi ro sử dụng các phương pháp sau:

 Sử dụng mô hình DCC – GARCH để xác định hệ số tương quan biến đổi theo

thời gian của vàng và tiền tệ.

 Phương pháp xác định - đánh giá hiệu quả của chiến lược đa dạng hóa và

phòng ngừa rủi ro đã được sử dụng trong các nghiên cứu của Kroner và Ng

(1998) để đánh giá khả năng phòng ngừa rủi ro của vàng.

1.4 Những đóng góp của luận văn

Thứ nhất, luận văn cung cấp một bằng chứng thực nghiệm về tính chất công cụ

phòng ngừa và kênh trú ẩn an toàn của vàng – một vấn đề còn chưa được nghiên cứu

nhiều ở Việt Nam tính đến thời điểm hiện nay.

Thứ hai, bài nghiên cứu đồng thời xem xét hiệu quả giảm thiểu rủi ro của vàng

khi được kết hợp với danh mục đầu tư tiền tệ.

1.5 Bố cục của luận văn

Bố cục của luận văn sẽ bao gồm năm chương với cấu trúc như sau:

Chương 1: Giới thiệu đề tài.

Chương 2: Các nghiên cứu thực nghiệm.

Chương 3: Phương pháp nghiên cứu.

Chương 4: Nội dung và kết quả nghiên cứu.

Chương 5: Kết luận.

- 5 -

CHƯƠNG 2: CÁC NGHIÊN CỨU THỰC NGHIỆM

Lý thuyết nền 2.1

Lý thuyết về thiết lập danh mục đa dạng hóa

Theo kết quả nghiên cứu của Kroner và Ng (1998), tỷ trọng tối ưu của vàng trong

danh mục vàng – tiền tệ để tạo ra danh mục mới giảm thiểu rủi ro nhưng không làm

giảm tỷ suất sinh lợi so với danh mục chỉ bao gồm tiền tệ ban đầu tại thời điểm t, ký

𝑔𝑐

hiệu được xác định bới công thức:

𝑔𝑐

𝑤𝑡

𝑐 ℎ𝑡

𝑔 + ℎ𝑡

𝑔𝑐

𝑔𝑐 𝑐 ℎ𝑡 − ℎ𝑡 𝑔𝑐 à − 2ℎ𝑡 𝑔𝑐

𝑔𝑐

𝑔𝑐

𝑤𝑡 =

> 1 𝑣 < 0 𝑤𝑡 Trong đó, , 𝑤𝑡 và = 1 𝑛ế𝑢𝑤𝑡 = 0 𝑛ế𝑢𝑤𝑡 lần lượt là phương sai có điều kiện của vàng, phương sai có

𝑔 ℎ𝑡

𝑔𝑐 ℎ𝑡

𝑐 ℎ𝑡

điều kiện của tỷ giá và hiệp phương sai có điều kiện giữa hai biến trên tại thời điểm t.

Từ phương trình trên phần tỷ trọng phân bổ cho tiền tệ của nhà đầu tư tương ứng sẽ là

1 - .

𝑔𝑐 Nếu mục tiêu của nhà đầu tư là tiếp tục phòng ngừa tối ưu cho đầu tư của mình

𝑤𝑡

trên thị trường tiền tệ, nhà đầu tư phải mở một vị thế phù hợp trên thị trường vàng để

có thể tối thiểu hóa rủi ro cho danh mục đã phòng ngừa. Cụ thể hơn, vị thế mua 1 đồng

𝑔𝑐

trên thị trường tiền tệ phải được phòng ngừa bởi một vị thế bán đồng của vàng.

𝑔𝑐

Theo kết quả nghiên cứu của Kroner và Ng (1998), tỷ lệ phòng ngừa tối ưu được 𝛽𝑡

𝑔𝑐

tính bằng: 𝛽𝑡

𝑔𝑐 ℎ𝑡 𝑔 ℎ𝑡 Sau khi đã thiết lập được chiến lược đa dạng hóa và phòng ngừa rủi ro danh mục

𝛽𝑡 =

thông qua hai công thức trên, nhà đầu tư có thế tiếp tục đặt câu hỏi về cách thức đánh

- 6 -

giá thực nghiệm cho tính hiệu quả của chiến lược phòng ngừa rủi ro và đa dạng hóa với

sự hiện diện của vàng như thế nào. Tính hiệu quả của đa dạng hóa danh mục được đánh

giá bằng cách so sánh suất sinh lợi và độ lệch chuẩn của hai danh mục đã xây dựng.

Sau đó tính hiệu quả của chiến lược phòng ngừa giữa các danh mục đã xây dựng được

đánh giá bằng cách so sánh sai số phòng ngừa thực hiên ký hiệu là RE và được xác

định như sau:

𝑅𝐸 = 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 − 𝑉𝑎𝑟ℎ𝑒𝑑𝑔𝑒𝑑 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 Trong đó đo lường phương sai của suất sinh lợi danh mục có phòng ngừa và

đo lường phương sai của suất sinh lợi danh mục không phòng ngừa. 𝑉𝑎𝑟ℎ𝑒𝑑𝑔𝑒𝑑

Phương trình trên cho chúng ta thấy rằng nếu RE có giá trị cao hơn thì phòng ngừa rủi 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 ro có hiệu quả hơn do làm giảm phương sai của danh mục nhiều hơn, Mô hình cho kết

quả RE cao hơn là mô hình tốt hơn để có thể xây dựng chiến lược phòng ngừa rủi ro

danh mục vàng – tiền tệ.

Tóm lại, lý thuyết về thiết lập danh mục đa dạng hóa đưa ra phương pháp xác định –

đánh giá hiệu quả của chiến lược đa dạng hóa và phòng ngừa rủi ro. Từ đó tác giả vận

dụng để kiểm tra khả năng phòng ngừa rủi ro của vàng đối với danh mục tiền tệ.

- 7 -

2.2 Tổng quan các nghiên cứu thực nghiệm trước đây

Các nghiên cứu thực nghiệm về khả năng của vàng và ứng dụng phòng ngừa rủi

ro theo hướng kết hợp danh mục với vàng đã được nhiều nhà nghiên cứu khoa học thực

hiện. Những nghiên cứu sớm nhất về đề tài này đã xuất hiện từ những năm 1990. Cho

đến thời gian gần đây những nghiên cứu về tác động của vàng trong danh mục đầu tư

ngày càng xuất hiện nhiều hơn và có những phương pháp nghiên cứu mới hơn. Do độ

bất ổn của thị trường chứng khoán và tiền tệ ngày càng tăng qua các cuộc khủng hoảng

thị trường tài chính trong những thập kỷ vừa qua đã ngày càng thúc đẩy những nghiên

cứu thực nghiệm nhằm hỗ trợ cho mong muốn của nhà đầu tư muốn tạo ra chiến lược

đa dạng hóa và phòng ngừa khả thi làm giảm thiểu rủi ro trên thị trường tiền tệ, đặc

biệt là thông qua phương án kết hợp các loại tài sản khác vào trong danh mục. Các

nghiên cứu này xoay quanh vai trò của vàng bằng cách kiểm định mối tương quan của

vàng và biến động tỷ giá, đồng thời những nghiên cứu thực nghiệm này cũng cung cấp

các chiến lược về phòng ngừa rủi ro bằng cách kết hợp vàng trong danh mục đầu tư

tiền tệ.

Dưới đây tác giả xin đưa ra một số những nghiên cứu đã được thực hiện trên thế

giới, được xem là bằng chứng thực nghiệm cho vai trò của vàng và ứng dụng phòng

ngừa rủi ro.

Brian Lucey, Edel Tully và Valerio Poti (2004) nghiên cứu khả năng phòng ngừa của

vàng đối với chứng khoán bằng cách thiết lập và so sánh sự khác biệt giữa tỷ trọng tối

ưu của các tài sản trong một danh mục gồm vàng-chứng khoán khi các tỷ trọng này

được xác định bằng hai phương pháp khác nhau: phương pháp tối ưu hóa tỷ trọng theo

kỳ vọng – phương sai của Markowitz và phương pháp tối ưu hóa tỷ trọng theo kỳ vọng

- phương sai - độ nghiêng. Bài nghiên cứu xác định tỷ trọng tối ưu đối với danh mục

gồm vàng và một số chỉ số chứng khoán như NYSE Composite, NASDAQ Composite,

- 8 -

TOPIX, FTSE... với mẫu nghiên cứu lần lượt là dữ liệu theo quý, tháng và tuần của các

chỉ số trên trong suốt giai đoạn từ 1988-2003.

Kết quả tính toán tỷ trọng tối ưu cho thấy vàng hiện diện trong hầu hết các danh mục

tối ưu với tỷ trọng dao động từ 2%-25% đối với cả hai phương pháp xác định tỷ trọng

được áp dụng. Kết quả này cho thấy vai trò của vàng như là công cụ phòng ngừa chống

lại biến động trong thị trường chứng khoán.

James Ross McCown và John R.Zimmerman (2007) xem xét vai trò là công cụ phòng

ngừa của vàng đối với danh mục cổ phiếu trong giai đoạn lạm phát. Bằng cách sử dụng

giá vàng giao ngay tại thời điểm cuối tháng, các chỉ số thị trường chứng khoán là U.S

MSCI và World MSCI cùng với chỉ số lạm phát và lãi suất trái phiếu kho bạc kỳ hạn 3

tháng của Mỹ trong giai đoạn 1970 – 2006 làm nguồn dữ liệu đầu vào cho một mô hình

định giá tài sản vốn.

Kết quả xác định hệ số beta của mô hình cho thấy vàng có beta âm bất kể danh mục thị

trường đại diện bởi chỉ số thị trường chứng khoán Mỹ U.S MSCI hay chỉ số thị trường

chứng khoán thế giới World MSCI. Đặc biệt kết quả ước lượng hệ số beta âm chịu ảnh

hưởng mạnh mẽ từ những quan sát trong giai đoạn những năm 1970 khi lạm phát cao

và suất sinh lợi chứng khoán thấp. Từ đó các tác giả đi đến kết luận có tồn tại khả năng

phòng ngừa rủi ro của vàng cho một danh mục cổ phiếu khi lạm phát gia tăng.

Virginie Coudert và Helene Raymond-Feingold (2011) đã cung cấp thêm bằng chứng

thực nghiệm cho rằng vàng là tài sản phòng ngừa rủi ro tốt cho chứng khoán. Bài

nghiên cứu sử dụng mô hình ARMA-GARCH hai biến để ước lượng hiệp phương sai

có điều kiện giữa tỷ suất sinh lợi của vàng và chứng khoán. Dữ liệu của bài nghiên cứu

là tỷ suất sinh lợi hằng tháng của chỉ số vàng S&P GSCI cùng với chỉ số thị trường

chứng khoán Mỹ, Anh, Đức và Pháp và chỉ số MSCI Index của các nước G7 được thu

thập trong khoảng thời gian từ tháng 2 năm 1978 tới tháng 1 năm 2009.

- 9 -

Kết quả nghiên cứu cho thấy rằng hệ số tương quan tính toán từ các ước lượng hiệp

phương sai có điều kiện có giá trị gần không trong thời kỳ nghiên cứu đã khẳng định

suất sinh lợi của vàng không vận động cùng chiều với chứng khoán do đó vàng là tài

sản phù hợp để thực hiện đa dạng hóa danh mục chứng khoán.

Ibrahim H.Mansor (2011) xem xét mối tương quan giữa suất sinh lợi của vàng và

chứng khoán cho thị trường mới nổi là Malaysia. Bài nghiên cứu sử dụng các mô hình

chuỗi thời gian họ GARCH với dữ liệu đầu vào là giá vàng nội địa và chỉ số thị trường

chứng khoán Kuala Lumpur Composite Index quan sát theo ngày trong giai đoạn

nghiên cứu từ tháng 8 năm 2001 đến tháng 3 năm 2010.

Kết quả mô hình cho thấy có tương quan thuận giữa suất sinh lợi của giá vàng và biến

trễ một giai đoạn của suất sinh lợi chỉ số chứng khoán tuy nhiên hệ số hồi quy đại diện

cho ảnh hưởng này có giá trị nhỏ. Dựa trên kết quả tìm được, tác giả gợi ý sử dụng

vàng làm tài sản đầu tư cho thị trường mới nổi Malaysia bởi vì vàng có tương quan rất

thấp với những biến động thị trường chứng khoán vào những giai đoạn suy thoái.

Juan Carlos Artigas, Johan Palmberg, Boris Senderovich và Marcus Grubb (2012)

thực hiện nghiên cứu cho hội đồng vàng thế giới, các tác giả đã phân tích các dữ liệu

thống kê và công bố rằng vàng có độ biến động hằng năm thấp hơn các loại tài sản

khác, và thậm chí thấp hơn so với chỉ số S&P GSCI đại diện cho một danh mục đa

dạng hóa gồm các tài sản thuộc thị trường hàng hóa. Hơn nữa, vàng còn thể hiện là một

tài sản không chỉ có tương quan thấp trong dài hạn đối với hầu hết các tài sản khác, mà

trong một số trường hợp còn thể hiện tương quan nghịch rất phù hợp với nhu cầu của

nhà đầu tư muốn phòng ngừa rủi ro. Đặc điểm này của vàng không giống với những

dạng công cụ phòng ngừa rủi ro danh mục khác chỉ thể hiện tương quan nghịch tuyệt

đối với tài sản cơ sở, vàng có xu hướng tương quan nghịch khi thị trường suy thoái

nhưng lại cho thấy tương quan thuận ở mức độ yếu trong giai đoạn nền kinh tế tăng

- 10 -

trưởng. Do đó, vàng có thể được sử dụng làm công cụ đa dạng hóa danh mục và quản

trị rủi ro hiệu quả.

Forrest Capie, Terence C Mills, và Geoffrey Wood (2005) xem xét vàng có thể là một

công cụ phòng ngừa hiệu quả chống lại biến động đồng đô la Mỹ bằng cách tính toán

một hệ số co dãn cho một mô hình phản ánh sự thay đổi của vàng đối với những biến

động trong tỷ giá hối đoái, sau đó đo lường chất lượng phòng ngừa của nó. Dữ liệu

trong bài nghiên cứu được lấy theo tuần từ thị trường London trong giai đoạn từ năm

1971 đến tháng 6/ 2002 và một vài giai đoạn nhỏ khác, đặc biệt chú ý đến đặc tính

phòng ngừa của vàng trong giai đoạn khủng hoảng kinh tế và chính trị. Trong bộ dữ

liệu, giá vàng có mức độ biến động mạnh hơn các quan sát trong tỷ giá hối đoái nên

các tác giả quyết định biến đổi những chuỗi này bằng cách lấy logarit, để ổn định các

biến. Những thay đổi khác nhau của giá vàng trong thập niên 70, và chế độ tỷ giá khác

nhau từ 1971-2002, câu hỏi được đặt ra tiếp theo là liệu mối quan hệ giữa vàng và tỷ

giá có thay đổi theo thời gian hay không. Để nghiên cứu điều này, các tác giả dùng

những đồ thị phân tán của lô ga rit giá vàng đối với mỗi tỷ giá hối đoái.

Kết quả thu được cho thấy, giá vàng được tính theo đô la dịch chuyển đồng thời và

ngược chiều so với đồng đô la Mỹ. Hơn nữa, phản ứng của giá vàng chứng tỏ sự ổn

định đáng kể theo thời gian. Dù quan sát toàn bộ hay trong từng khoảng thời gian nhỏ,

đáng chú ý là phản ứng của giá vàng vẫn ổn định. Dù trong giai đoạn nền kinh tế bất ổn

một cách đáng kể, vàng vẫn hoàn toàn là một công cụ phòng ngừa tốt chống lại sự biến

động của tỷ giá hối đoái.

Baur và Lucey (2010) đã nghiên cứu khả năng vàng đóng vai trò là một công cụ phòng

ngừa hay kênh trú ẩn an toàn cho cổ phiếu và trái phiếu đối với thị trường Anh, Mỹ.

Bài nghiên cứu xem xét tác động giữa vàng và cổ phiếu, trái phiếu bằng cách ước

lượng bằng phương trình hồi quy.

- 11 -

Kết quả nghiên cứu cho thấy vàng đóng vai trò như công cụ phòng ngừa và kênh trú ẩn

an toàn cho cổ phiếu ở thị trường Mỹ, Anh nhưng không thể hiện vai trò công cụ

phòng ngừa và kênh trú ẩn an toàn đối với trái phiếu trên cả hai thị trường. Ngoài ra,

vàng chỉ thể hiện vai trò kênh trú ẩn an toàn cho cổ phiếu sau những cú sốc tiêu cực

trên thị trường cổ phiếu mà thôi.

Certin Ciner, Constantin Gurdgiev và Brian M. Lucey (2010) đã kiểm định tác động

qua lại giữa các loại tài sản bao gồm vàng, dầu, cổ phiếu, trái phiếu và đồng đô la Mỹ

nhằm trả lời cho câu hỏi nghiên cứu liệu rằng mỗi loại tài sản nêu trên có hành xử như

một công cụ phòng ngừa rủi ro cho những tài sản còn lại hay không. Trong bài nghiên

cứu của mình, ba tác giả đã sử dụng mô hình chuổi thời gian DCC-GARCH cho phép

nghiên cứu tương quan giữa hai loại tài sản trong điều kiện hệ số tương quan có thay

đổi theo thời gian.

Kết quả cho thấy, trong giai đoạn nghiên cứu từ 1990-2008 hệ số hồi quy của vàng và

đồng đô la Mỹ có dấu âm và có ý nghĩa thống kê. Từ đó tác giả đi đến kết luận rằng vai

trò của vàng như là một công cụ phòng ngừa là thật sự tồn tại.

Baur và McDermott (2010) kiểm tra giả thiết xem liệu vàng có là kênh trú ẩn an toàn

đối với chứng khoán ở các quốc gia phát triển và mới nổi.

Kết quả cho thấy vàng là nơi trú ẩn an toàn dạng mạnh cho hầu hết những thị trường

chứng khoán lớn trên thế giới bao gồm khu vực Châu Âu (Đức, Pháp, Ý), Thụy Sỹ,

Anh và Mỹ. Ngược lại, tại một số thị trường mới nổi như Úc, Canada, Nhật Bản và các

nước BRIC thì kết quả là ngược lại, vàng chỉ là kênh trú ẩn an toàn dạng yếu ở những

thị trường này.

Mark Joy (2011) thực hiện nghiên cứu vàng có phải là công cụ phòng ngừa và kênh trú

ẩn an toàn đối với USD với bộ dữ liệu hàng tuần bao gồm giá vàng (đô la Mỹ cho mỗi

Troy ounce) và 16 cặp tỷ giá hối đoái (thể hiện bằng đồng nội tệ so với đôla Mỹ) kéo

dài từ 10/1/1986 đến ngày 29/8/2008, bao gồm t = 1182 quan sát mỗi biến. Tỷ giá hối

- 12 -

đoái từ Datastream. Giá vàng từ Bloomberg. Sử dụng mô hình DCC- GARCH (mối

tương quan linh hoạt có điều kiện), bài nghiên cứu này khảo sát bản chất của mối quan

hệ giữa vàng và đô la Mỹ đã thay đổi như thế nào trong suốt 25 năm qua và làm thế

nào những thay đổi này đưa đến kết luận vai trò của vàng như là một công cụ phòng vệ

và kênh trú ẩn an toàn.

Kết quả thực nghiệm cho thấy được mối tương quan âm có điều kiện giữa sự thay đổi

giá vàng và sự biến động tỷ giá đồng đô la Mỹ. Đó là việc tăng giá vàng có xu hướng

liên kết với sự giảm giá trị của đồng đô la Mỹ chứng tỏ trong 25 năm qua vàng như là

một công cụ phòng ngừa rủi ro đối với đồng đô la Mỹ. Bên cạnh đó, trong 7 năm qua,

mối tương quan này càng âm, và năm 2008 là âm lớn nhất trong suốt ba thập kỉ qua,

điều này cho thấy vàng trở thành một công cụ phòng ngừa ngày càng hiệu quả đối với

đồng USD.

Juan C. Reboredo (2013) phân tích vai trò của vàng như là một kênh trú ẩn an toàn

hay là một công cụ phòng ngừa rủi ro đối với đồng đô la Mỹ (USD) bằng cách sử dụng

copulas để mô tả mức độ phụ thuộc trung bình và phụ thuộc trong giai đoạn biến động

mạnh giữa vàng và USD trong giai đoạn từ 07 tháng 01 năm 2000 đến ngày 21 tháng

09 năm 2012. Ngoài ra, tác giả còn đánh giá tác động đối với danh mục đầu tư hỗn hợp

bao gồm vàng và các loại tiền tệ, từ đó tìm kiếm bằng chứng về lợi ích của việc đa

dạng hóa và giảm rủi ro nhằm khẳng định tính hữu dụng của vàng trong việc quản lý

rủi ro danh mục đầu tư tiền tệ.

Kết quả của bài nghiên cứu cho thấy mối tương quan dương đáng kể giữa vàng và việc

giảm giá USD so với các đồng tiền khác nhau, ngụ ý rằng vàng có thể dùng để phòng

ngừa chống lại sự biến động của USD. Hơn nữa, sự phụ thuộc đuôi đối xứng được bao

gồm có được từ Student-t copula chỉ ra vàng có thể hoạt động như một nơi trú ẩn an

toàn hiệu quả trong giai đoạn thị trường USD biến động mạnh mẽ. Kết quả thực

nghiệm này cho thấy mối quan hệ giữa vàng - USD trong việc phòng ngừa rủi ro khi

- 13 -

thị trường đi xuống. Kết quả của tác giả trong việc thiết lập những danh mục khác nhau

bao gồm vàng và các loại tiền tệ cho thấy hiệu quả của việc cắt giảm rủi ro của vàng

cho danh mục đầu tư có tỷ trọng tối ưu (tối thiểu hóa rủi ro hoặc tối thiểu hóa phương

sai). Những kết quả này xác nhận tính hữu dụng của vàng trong quản lý rủi ro của một

danh mục đầu tư tiền tệ.

Nhìn chung, các nghiên cứu trước đây đã chỉ ra vai trò của vàng như là công cụ phòng

ngừa hoặc kênh trú ẩn an toàn hoặc cả hai và ứng dụng của vàng trong việc đa dạng

hóa danh mục đầu tư.

2.3 Tóm tắt kết quả nghiên cứu thực nghiệm

Nhằm cung cấp cái nhìn tổng quát cho các công trình nghiên cứu đã được trình

bày ở phần trên. Bảng sau tóm tắt lại các kết quả nghiên cứu đã nêu ở phần 2.2

Bảng 2.1: Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu Vai trò của vàng Tài sản cơ sở Các nghiên cứu thực nghiệm trên thế giới

Vàng thể hiện vai trò công cụ phòng ngừa đối với chứng khoán

Công cụ phòng ngừa Chứng khoán Coudert

Brian Lucey, Edel Tully và Valerio Poti (2004, James Ross McCown và John (2007), R.Zimmerman Virginie và Helene Raymond-Feingold (2011), Ibrahim H.Mansor (2011)

Tiền tệ Công cụ phòng ngừa Vàng thể hiện vai trò công cụ phòng ngừa đối với tiền tệ Forrest Capie, Terence C Mills, và Geoffrey Wood (2005),

Công cụ phòng ngừa Vàng thể hiện vai trò công cụ phòng ngừa đối với tiền tệ Certin Ciner, Constantin Gurdgiev và Brian M. Lucey (2010) Giá dầu, cổ phiếu, trái phiếu và đồng đô la

- 14 -

Kết quả nghiên cứu Vai trò của vàng Tài sản cơ sở Các nghiên cứu thực nghiệm trên thế giới

Mỹ

và McDermott Tiền tệ Kênh trú ẩn an toàn Baur (2010) Vàng thể hiện vai trò kênh trú ẩn an toàn đối với tiền tệ

Baur và Lucey (2010) Trái phiếu và cổ phiếu Công cụ phòng ngừa và kênh trú ẩn an toàn Vàng đóng vai trò như công cụ phòng ngừa và kênh trú ẩn an toàn cho cổ phiếu

Tiền tệ Mark Joy (2011)

Công cụ phòng ngừa và kênh trú ẩn an toàn Vàng thể hiện vai trò công cụ phòng ngừa nhưng vai trò kênh trú ẩn an toàn chưa thể hiện rõ rệt

Quản trị rủi ro Tài sản nói chung Vàng có thể được sử dụng làm công cụ đa dạng hóa danh mục và quả trị rủi ro hiệu quả Juan Carlos Artigas, Johan Palmberg, Boris Senderovich và Marcus Grubb (2012)

Tiền tệ Juan C. Reboredo (2013) Vàng đóng vai trò như công cụ phòng ngừa và kênh trú ẩn an toàn cho cổ phiếu Công cụ phòng ngừa và kênh trú ẩn an toàn – Quản trị rủi ro

Nguồn: Tác giả tổng hợp

Từ các nghiên cứu thực nghiệm trên thế giới đã chỉ ra vai trò của vàng như là

công cụ phòng ngừa hoặc kênh trú ẩn an toàn hoặc cả hai và ứng dụng đa dạng hóa đầu

tư. Các nghiên cứu trên đã được thực hiện với những khung thời gian nghiên cứu khác

nhau với những dữ liệu của các quốc gia khác nhau trên thế giới và các nghiên cứu đều

độc lập với nhau, do đó kết quả của các nghiên cứu nêu trên đã cung cấp một cơ sở lý

- 15 -

thuyết vững chắc cho sự hiểu biết về tác động và vai trò của vàng khi được kết hợp với

các tài sản khác.

Từ đó ta thấy được phân tích vai trò của vàng như một kênh trú ẩn an toàn đưa ra

những kết luận rất khác nhau. Trong nghiên cứu của Baur và McDermott (2010) tìm

thấy không có bằng chứng nào cho thấy vàng là kênh trú ẩn an toàn của biến động

hàng tuần của giá chứng khoán thế giới. Baur và Lucey (2009) cũng không tìm thấy

bằng chứng chứng minh vàng đóng vai trò như một kênh trú ẩn an toàn đối với trái

phiếu. Những phát hiện này góp phần mở rộng quy mô cho những bài nghiên cứu tiếp

theo về vai trò của vàng như là một công cụ phòng ngừa hay một kênh trú ẩn an toàn.

Từ tổng quan các nghiên cứu trước đây, tác giả sẽ áp dụng kết hợp phương pháp

nghiên cứu của tác giả Mark Joy (2011) và Juan C. Reboredo (2013) để kiểm định vai

trò là kênh phòng ngừa hay kênh trú ẩn an toàn đồng thời ứng dụng phòng ngừa rủi ro

của vàng tại thị trường Việt Nam vì các lý do:

 Mark Joy (2011) đã đưa ra mô hình động về mối tương quan có điều kiện trong đó

các biến được xem xét một cách đối xứng trong khi các nghiên cứu trước chưa xem

xét đến vấn đề này.

 Xem xét vai trò của vàng như là kênh phòng ngừa hay kênh trú ẩn an toàn đối với

biến động tiền tệ mà những nghiên cứu trước chỉ xét đến vai trò của vàng đối với

trái phiếu, cổ phiếu mà thôi.

 Bài nghiên cứu của tác giả Juan C. Reboredo (2013) đã chỉ rõ lợi ích do vàng mang

lại trong chiến lược phòng ngừa và đa dạng hóa danh mục, thể hiện qua việc danh

mục đã đáp ứng được mục tiêu giảm thiểu rủi ro đầu tư sau mỗi chiến lược dựa vào

khả năng giảm thiểu giá trị rủi ro. Từ đó chứng minh được khả năng sử dụng vàng

làm công cụ quản trị rủi ro cho các nhà đầu tư tiền tệ.

- 16 -

TÓM TẮT CHƯƠNG 2

Trong chương 2, tác giả đã trình bày một số lý thuyết nền cũng như các nghiên

cứu thực nghiệm trên thế giới về vai trò của vàng như là công cụ phòng ngừa và kênh

trú ẩn an toàn cũng như ứng dụng trong việc phòng ngừa rủi ro của vàng đối với danh

mục đầu tư. Trong đó, nghiên cứu của Mark Joy (2011) và Juan C. Reboredo (2013) là

nổi bật hơn cả. Tác giả sẽ dựa theo phương pháp nghiên cứu của Mark Joy (2011) và

Juan C. Reboredo (2013) để xây dựng cho phương pháp nghiên cứu ở chương 3.

- 17 -

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Chọn mẫu và dữ liệu nghiên cứu

Mẫu nghiên cứu được thu thập dưới dạng chuỗi thời gian, bao gồm giá vàng và tỷ

giá của bốn ngoại tệ mạnh USD, AUD, GBP và EUR đối với Việt Nam Đồng.

Đối với giá vàng, dữ liệu sử dụng bao gồm giá vàng được thu thập theo tuần trên

nguồn dữ liệu của Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) với cỡ mẫu

từ tháng 01 năm 2008 đến tháng 09 năm 2014, trong đó có 366 quan sát. Giá vàng tính

theo đơn vị VND trên lượng.

Đối với tỷ giá, dữ liệu sử dụng cho luận văn là tỷ giá của bốn ngoại tệ mạnh

USD, AUD, GBP và EUR so với VND, tỷ giá được sử dụng trong bài nghiên cứu là tỷ

giá theo cách yết giá trực tiếp, dữ liệu tỷ giá được thu thập theo tuần trên nguồn dữ liệu

tỷ giá của ngân hàng Vietcombank với cỡ mẫu từ tháng 01 năm 2008 đến tháng 09 năm

2014, trong đó có 366 quan sát đối với mỗi loại tỷ giá.

Chuổi dữ liệu của giá vàng và tỷ giá sau khi thu thập được xử lý bằng phần mềm

Excel để làm dữ liệu đầu vào cho mô hình DCC-GARCH. Các chuỗi dữ liệu đã được

xử lý để đảm bảo tính dừng của chuỗi tỷ suất sinh lợi làm đầu vào cho mô hình DCC-

GARCH.

Tác giả thu thập dữ liệu hàng tuần từ tháng 01 năm 2008 đến tháng 09 năm 2014

bao gồm 366 quan sát, lý do chọn dữ liệu hàng tuần và khoảng thời gian nghiên cứu

này là vì:

 Dữ liệu hàng ngày hoặc tần số cao có thể bị ảnh hưởng bởi sự lệch và nhiễu mà có

thể che đậy mối quan hệ phụ thuộc và phức tạp hóa mô hình phân phối cận biên

thông qua phương sai không dừng, lệch đột biến hoặc hiện tượng trí nhớ dài hạn

(long memory).

- 18 -

 Năm 2008 là năm kinh tế thế giới có nhiều diễn biến phức tạp, tỷ lệ lạm phát gia

tăng nhanh trong khi thị trường bất động sản và thị trường chứng khoán bắt đầu suy

yếu. Ngoài ra luồng vốn đầu tư gián tiếp vào Việt Nam không ngừng biến động và

gây mất cân đối cung cầu ngoại tệ dẫn đến biến động mạnh trong tỷ giá hối đoái.

 Theo quyết định số 2635/QĐ-NHNN ngày 6/11/2008, Ngân hàng nhà nước cho

phép mở rộng biên độ giao dịch USD/VND từ mức 2% lên 3%. Với các giải pháp

đồng bộ của Ngân hàng nhà nước, thị trường ngoại hối đã ổn định trở lại và đáp

ứng được nhu cầu ngoại tệ của nền kinh tế.

3.2 Các giả thiết nghiên cứu

Theo kết quả nghiên cứu của Mark Joy (2011) & Juan C. Reboredo (2013) và kết

luận của bảng 2.1, tác giả đưa ra các giả thiết sau:

H1: vai trò của vàng như là một công cụ phòng ngừa và kênh trú ẩn an toàn đối với

biến động tiền tệ là thực sự tồn tại.

H2: danh mục được đa dạng hóa gồm vàng-tiền tệ có rủi ro thấp hơn danh mục chỉ bao

gồm tiền tệ.

H3: chiến lược phòng ngừa rủi ro với sự hiện diện của vàng giúp cải thiện rủi ro của

danh mục, thể hiện qua tỷ số RE>0 đại diện cho một mức % giảm của phương sai danh

mục trong giai đoạn nghiên cứu.

3.3 Mô tả biến và mô hình nghiên cứu

3.3.1 Mô tả biến

Vai trò của vàng - như là một công cụ phòng ngừa hay là một kênh trú ẩn an toàn

đối với biến động tiền tệ phụ thuộc vào việc giá vàng và biến động của giá trị tiền tệ-

được liên kết như thế nào trong các điều kiện thị trường khác nhau. Theo như cách tiếp

cận đã được sử dụng bởi Baur and Lucey (2010) and Baur and McDermott (2010), các

- 19 -

tính năng của một loại tài sản để được xem như là một công cụ phòng ngừa hay kênh

trú ẩn an toàn là:

 Công cụ phòng vệ: Một tài sản là một công cụ phòng ngừa nếu nó không tương

quan hoặc là tương quan nghịch với bất cứ một tài sản hay danh mục đầu tư khác

tính về mặt trung bình.

 Kênh trú ẩn an toàn: Một tài sản được xem là một kênh trú ẩn an toàn nếu nó

không tương quan hoặc tương quan âm với một một tài sản hay danh mục đầu tư

nào trong thời gian thị trường biến động dữ dội.

Khác biệt cốt yếu giữa hai công cụ này là sự phụ thuộc của các tài sản khi xét về

mặt trung bình hay trong thời kỳ thị trường biến động dữ dội. Do đó, phương pháp

nghiên cứu của luận văn cần phải ước lượng hệ số tương quan biến đổi qua thời gian

giữa hai loại tài sản vàng và tiền tệ dựa vào mô hình DCC-GARCH, tác giả lựa chọn sử

dụng các biến quan sát là suất sinh lợi của hai loại tài sản trên để phù hợp với yêu cầu

về tính dừng cho chuỗi dữ liệu đầu vào của mô hình. Theo đó các biến quan sát bao

gồm biến GOLD và EXReturn, trong đó biến EXReturn đại diện cho tỷ giá lần lượt của

bốn ngoại tệ mạnh USD, AUD, GBP, EUR so với VND và các biến trễ một giai đoạn

tương ứng là L.GOLD, L.EXReturn (USD, AUD, GBP, EUR) với cách xác định từng

biến như sau:

Dựa vào nghiên cứu thực nghiệm của Mark Joy (2011), GOLD là biến phụ thuộc

thể hiện suất sinh lợi của vàng trong thời kỳ nghiên cứu, mỗi quan sát của biến GOLD

là suất sinh lợi của giá vàng tại ngày quan sát và được tính bằng cách lấy chênh lệch

hàng tuần của logarit tự nhiên của giá vàng, sau đó trừ đi giá trị trung bình theo công

thức sau:

à à á ị ì

à ng ng � − gi tr trung b nh� GOLDt = �ln � á à v ng ng á Gi v y t y t − 1 Gi

- 20 -

Mark Joy (2011). EXReturn (USD, AUD, GBP, EUR) là biến phụ thuộc thể hiện

suất sinh lợi của tiền tệ trong thời kỳ nghiên cứu. Trong bài nghiên cứu tác giả sử dụng

mỗi quan sát của biến EXReturn (USD, AUD, GBP, EUR) là suất sinh lợi của tiền tệ

tại ngày quan sát và được tính tương tự như biến GOLD.

ỷ á à á ị ì

á gi à ng � − gi tr trung b nh� ng EXReturnt = �ln � T ỷ T gi y t y t − 1 Trong đó tỷ giá của các cặp tiền tệ sẽ được thể hiện theo cách yết giá trực tiếp.

Các biến trễ một giai đoạn là L.GOLD và L.EXReturn tại ngày quan sát t được

xác định bằng cách lấy giá trị tương ứng của biến GOLD và EXReturn tại ngày t-1 theo

nghiên cứu thực nghiệm của Mark Joy (2011). Những hệ số ước lượng của hai biến trễ

này trong mô hình là đại diện cho mức độ tác động của thông tin suất sinh lợi quá khứ

lên những thay đổi trong tỷ suất sinh lợi ở thời điểm hiện tại. Chính những tác động

này sẽ làm thay đổi chiến lược đa dạng hóa và phòng ngừa rủi ro tại từng thời điểm

khác nhau, do đó tác giả kỳ vọng quan sát được những hệ số ước lượng có ý nghĩa của

hai biến này trong thời kỳ nghiên cứu.

3.3.2 Mô hình nghiên cứu

Các mô hình họ GARCH từ lâu đã được các nhà nghiên cứu khoa học cũng như

các nhà đầu tư sử dụng do họ mô hình kinh tế lượng chuỗi thời gian này có thể giải

quyết vấn đề mô hình hóa sự thay đổi của phương sai của các biến kinh tế qua thời gian

để làm cơ sở cho hoạt động phân tích và dự báo một cách chính xác hơn. Do nhu cầu

của đề tài cần phải ước lượng độ biến động và tương quan độ biến động – đại diện bởi

phương sai và hiệp phương sai có điều kiện – giữa các biến khác nhau để làm cơ sở

cho việc xác định mối tương quan và vai trò của tài sản cơ sở cũng như làm cơ sở cho

việc xây dựng danh mục đa dạng hóa và phòng ngừa rủi ro tương tự như phương pháp

trong hai bài nghiên cứu của tác giả Mark Joy (2011) và Juan C. Reboredo (2013),

trong đó tác giả sử dụng mô hình đa biến DCC-GARCH do Engle phát triển năm 2002

- 21 -

và việc xác định khả năng giảm thiểu rủi ro như trong nghiên cứu của tác giả Juan C.

Reboredo (2013) cho thấy sự phù hợp của mô hình và tác giả sẽ sử dụng đồng thời hai

phương pháp này để phân tích các dữ liệu và xem xét vai trò của vàng trên thị trường

Việt Nam.

Theo đó phương pháp nghiên cứu của luận văn sẽ bao gồm hai giai đoạn: giai

đoạn một là ước lượng ma trận phương sai – hiệp phương sai giữa vàng và tiền tệ dựa

trên mô hình DCC-GARCH; giai đoạn hai là thiết lập chiến lược đa dạng hóa và chiến

lược phòng ngừa rủi ro với vàng và đánh giá hiệu quả của chiến lược.

Giai đoạn 1: Ước lượng ma trận hệ số tương quan giữa vàng và tiền tệ

Trong giai đoạn này tác giả sử dụng mô hình DCC-GARCH do Engle phát triển

năm 2002 làm mô hình thực nghiệm để ước lượng ma trận hệ số tương quan biến đổi

theo thời gian giữa biến đại diện cho khả năng sinh lợi của vàng và biến đại diện cho tỷ

suất sinh lời tỷ giá hối đoái đối với thị trường Việt Nam.

Áp dụng cho câu hỏi nghiên cứu của đề tài và dựa theo gợi ý các kết quả nghiên

cứu trước đây, đề tài sử dụng mô hình DCC-GARCH(1,1), mô hình DCC-GARCH

(1,1) mô tả cơ chế thay đổi của suất sinh lợi bằng hai phương trình sau:

1/2

𝑦𝑡 = 𝜇 + ∅𝑥𝑡 + 𝜀𝑡 � 𝜀𝑡 = ℎ𝑡 𝜂𝑡 Trong đó là vec tơ m x 1 của m biến phụ thuộc là tỷ suất sinh lợi của giá vàng

GOLD và biến tỷ suất sinh lợi của biến tỷ giá hối đoái EXReturn trong đó bao gồm 𝑦𝑡

biến GOLD, USD, GBP, AUD, EUR tại thời điểm t. Yêu cầu của mô hình là tập hợp

các quan sát của các biến trên phải là chuỗi thời gian có tính dừng, là ma trận các hệ

số, là vec tơ m x 1 các biến độc lập bao gồm biến trễ một giai đoạn của tỷ suất sinh ∅

lời của vàng là L.GOLD và biến trễ một giai đoạn của tỷ giá hối đoái L. EXReturn 𝑥𝑡

được mô tả là phụ thuộc vào ma trận (GOLD, USD, GBP, AUD, EUR). Hạng nhiễu

𝜀𝑡

- 22 -

phương sai có điều kiện biến đổi theo thời gian và là véc tơ m x 1 sai số ngẫu

nhiên có phân phối chuẩn. ℎ𝑡 𝜂𝑡

giữa hai biến GOLD và Ma trận phương sai – hiệp phương sai có điều kiện

𝑔 �

EXReturn được xác định như sau: 𝐻𝑡

𝑒𝑔 𝑒 ℎ𝑡 ℎ𝑡 𝑒𝑔 ℎ𝑡 ℎ𝑡

𝐻𝑡 = � Trong đó, , và lần lượt là phương sai có điều kiện của biến EXReturn

𝑒 ℎ𝑡

𝑔 ℎ𝑡

𝑒𝑔 ℎ𝑡

(GOLD, USD, GBP, AUD, EUR), phương sai có điều kiện của biến GOLD và hiệp

phương sai có điều kiện của hai biến này tại thời điểm t. Mô hình DCC-GARCH cho

phép ma trận phương sai – hiệp phương sai thay đổi qua thời gian theo một điều kiện

nhất định.

Chi tiết về mô hình DCC-GARCH và các giả thuyết của mô hình sẽ được nêu trong

phần phụ lục của luận văn.

Giai đoạn 2: Thiết lập chiến lược đa dạng hóa và chiến lược phòng ngừa rủi ro

với vàng và đánh giá hiệu quả của chiến lược.

Theo nghiên cứu của Juan C. Reboredo (2013), trong giai đoạn này, tác giả thiết

lập chiến lược đa dạng hóa và phòng ngừa rủi ro cho một danh mục bao gồm vàng và

tiền tệ ở Việt Nam đồng thời so sánh với danh mục chỉ gồm tiền tệ. Các kết quả ước

lượng sẽ được áp dụng để xác định tỷ trọng đa dạng hóa và tỷ số phòng ngừa cho danh

mục vàng – tiền tệ mà nhà đầu tư kỳ vọng rằng danh mục này có thể giúp nhà đầu tư

tránh khỏi những tác động tiêu cực từ thị trường tiền tệ. Tức là, nhà đầu tư phải đạt

được tối thiểu hóa rủi ro mà không làm giảm lợi nhuận. Theo kết quả nghiên cứu của

Kroner và Ng (1998), tỷ trọng tối ưu của vàng trong danh mục vàng – tiền tệ tại thời

𝑔𝑐

điểm t, ký hiệu được xác định bới công thức:

𝑤𝑡

𝑔𝑐

- 23 -

𝑐 ℎ𝑡

𝑔 + ℎ𝑡

𝑔𝑐

𝑔𝑐 𝑐 ℎ𝑡 − ℎ𝑡 𝑔𝑐 − 2ℎ𝑡 à 𝑔𝑐

𝑔𝑐

𝑔𝑐

𝑤𝑡 = ế ế

= 0 𝑛 > 1 𝑣 < 0 𝑤𝑡 Trong đó, = 1 𝑛 và 𝑢 𝑤𝑡 𝑢 𝑤𝑡 lần lượt là phương sai có điều kiện của biến GOLD,

𝑐 ℎ𝑡

𝑔𝑐 ℎ𝑡

phương sai có điều kiện của biến EXReturn (GOLD, USD, GBP, AUD, EUR) và hiệp 𝑤𝑡 , 𝑔 ℎ𝑡

phương sai có điều kiện giữa hai biến trên tại thời điểm t. Từ phương trình trên phần tỷ

𝑔𝑐

trọng phân bổ cho tiền tệ của nhà đầu tư tương ứng sẽ là 1- .

𝑤𝑡 Sau khi đã thiết lập được chiến lược đa dạng hóa thông qua công thức trên, nhà

đầu tư có thế tiếp tục đặt câu hỏi về cách thức đánh giá thực nghiệm cho tính hiệu quả

của chiến lược phòng ngừa rủi ro và đa dạng hóa với sự hiện diện của vàng như thế

nào. Để trả lời cho câu hỏi này, trong phạm vi của đề tài, tác giả đề xuất phương pháp

mô phỏng danh mục để đánh giá thực nghiệm cho tính hiệu quả của chiến lược phòng

ngừa rủi ro và đa dạng hóa dựa trên vàng. Mô phỏng danh mục được thực hiện bằng

cách lập nên một danh mục mới dựa trên tỷ trọng tối ưu và tỷ số phòng ngừa đã xác

định. Cụ thể hơn, tác giả xây dựng thành hai danh mục riêng biệt: một danh mục chỉ

bao gồm tiền tệ được đặt tên là PF I, và một danh mục vàng – tiền tệ với tỷ trọng tối ưu

được tính toán ở phần trên được đặt tên là PF II. Tính hiệu quả của đa dạng hóa danh

mục được đánh giá bằng cách so sánh suất sinh lợi và độ lệch chuẩn của hai danh mục

đã xây dựng. Sau đó tính hiệu quả của chiến lược phòng ngừa giữa các danh mục đã

xây dựng được đánh giá bằng cách so sánh sai số phòng ngừa thực hiên ký hiệu là RE

và được xác định như sau:

𝑅𝐸 = 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 − 𝑉𝑎𝑟ℎ𝑒𝑑𝑔𝑒𝑑 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 Trong đó đo lường phương sai của suất sinh lợi danh mục có phòng

đo lường phương sai của suất sinh lợi danh mục không ngừa PF II và 𝑉𝑎𝑟ℎ𝑒𝑑𝑔𝑒𝑑

𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑

- 24 -

phòng ngừa PF I. Phương trình trên cho chúng ta thấy rằng nếu RE có giá trị cao hơn

thì phòng ngừa rủi ro có hiệu quả hơn do làm giảm phương sai của danh mục nhiều

hơn, Mô hình cho kết quả RE cao hơn là mô hình tốt hơn để có thể xây dựng chiến

lược phòng ngừa rủi ro danh mục vàng – tiền tệ.

3.4 Phương pháp kiểm định mô hình

- Dữ liệu nghiên cứu được thu thập dưới dạng chuỗi thời gian. Phương pháp

nghiên cứu dùng mô hình DCC-GARCH để tìm ra hệ số tương quan có điều kiện biến

đổi qua thời gian của tỷ suất sinh lời vàng và các cặp tỷ giá.

- Nhằm phân tích vai trò của vàng có thể làm công cụ phòng ngừa và kênh trú ẩn

an toàn đối với tiền tệ, tác giả tiến hành nghên cứu trên 366 quan sát của tỷ suất sinh

lợi giá vàng và tỷ suất sinh lợi của bốn đồng tiền mạnh USD, AUD, GBP, EUR so với

Việt Nam đồng.

Quy trình được tiến hành như sau:

Bước 1: Tính thống kê mô tả chuỗi dữ liệu theo từng biến.

Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Biểu

diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu để phân tích các chỉ số thống kê

như số trung bình, trung vị, giá trị nhỏ nhất, giá trị lớn nhất của chuỗi dữ liệu.

Bước 2: Kiểm định tính dừng

Kiểm định tính dừng là kiểm định rất quan trọng để xác định cấu trúc dữ liệu của

các biến có phù hợp với mô hình chuổi thời gian họ GARCH hay không.

Kiểm định tính dừng bằng Augmented Dickey-Fullet test (ADF): Dấu hiệu nhận

biết khi nhìn vào bảng kết quả nếu hệ số của biến tại độ trễ t-1 bé hơn 0 và đồng thời

giá trị tuyệt đối thống kê t tính toán lớn hơn trị tuyệt đối của các giá trị t tra bảng ADF

ở các mức ý nghĩa 1%, 5% , 10% thì bác bỏ giả thiết H0, từ đó kết luận chuỗi dữ liệu

dừng.

- 25 -

Bước 3:. Kiểm định hiện tượng tự tương quan bằng Ljung-Box test nhằm xác

định phương sai của các biến quan sát tại thời điểm t có phụ thuộc vào phương sai của

các thời điểm trước.

Kiểm định hiện tượng tự tương quan bằng Ljung-Box test: Dấu hiệu để nhận biết

khi nhìn vào bảng kết quả nếu tồn tại Q-Stat > Chi2 với mức ý nghĩa 5% thì bác bỏ giả

thiết H0, từ đó kết luận tồn tại hiện tượng tự tương quan ở các quan sát của các biến. Từ

đó đưa ra kết luận việc sử dụng mô hình GARCH là phù hợp.

Bước 4: Kiểm định ảnh hưởng của ARCH

Kiểm định ảnh hưởng ARCH được thực hiện nhằm kiểm tra sự tồn tại của hiện

tượng phương sai thay đổi có điều kiện trước khi ước lượng hệ số tương quan biến đổi

qua thời gian của vàng và các cặp tỷ giá.

Dấu hiệu nhận biết khi nhìn vào bảng kết quả của từng biến tương ứng nếu tồn tại

một hệ số phần dư khác 0 có Prob nhỏ hơn mức ý nghĩa 5% và Prob.F nhỏ hơn 10% thì

bác bỏ giả thiết H0, từ đó kết luận chuỗi dữ liệu của biến đang xét có ảnh hưởng của

ARCH.

Bước 5: Ước lượng mô hình DCC-GARCH

𝑝𝑖

𝑞𝑖

2

2

Ước lượng mô hình DCC-GARCH là ước lượng hai phương trình sau:

2 𝜎𝑖,𝑡

𝑗=1

= exp�𝛾𝑖𝑧𝑖,𝑡� + � 𝛼𝑗 ∈𝑖,𝑡−𝑗 + � 𝛽𝑗𝜎𝑖,𝑡−𝑗 𝑗=1

+ 𝜆2𝑄𝑡−1 𝑄𝑡 = 𝑄�(1 − 𝜆1 − 𝜆2) + 𝜆1 ∈�𝑡−1∈�𝑡−1 Các ký hiệu sử dụng trong mô hình đã được nêu trong phần 3.3 của luận văn.

- 26 -

Dấu hiệu nhận biết tính phù hợp của mô hình DCC-GARCH khi nhìn vào bảng

) và GARCH ( ) đều bé hơn 1 và tổng kết quả nếu các hệ số ảnh hưởng của ARCH (

các hệ số ước lượng DCC và bé hơn 1 và có ý nghĩa thống kê (Prob nhỏ hơn mức 𝛽𝑗 𝛼𝑗

ý nghĩa 5%). 𝜆1 𝜆2

Bước 6: Để mở rộng phân tích, tác giả tiếp tục kiểm tra ý nghĩa phòng ngừa rủi

ro của vàng bằng cách tính tỷ trọng tối ưu và đánh giá hiệu quả các danh mục.

Trên đây là phương pháp nghiên cứu của đề tài được làm rõ cho từng nội dung

liên quan đến mô hình thực nghiệm, mô tả các biến quan sát của mô hình, nguồn dữ

liệu và cách thức xử lý dữ liệu. Mô hình thực nghiệm sử dụng là mô hình chuỗi thời

gian linh hoạt có điều kiện DCC-GARCH đã từng được tác giả Mark Joy (2011) sử

dụng và xác định tính phù hợp. Thao tác xử lý dữ liệu được thực hiện bằng phần mềm

Eview 8.0 và Excel.

- 27 -

CHƯƠNG 4: NỘI DUNG VÀ KẾT QUẢ NGUYÊN CỨU

Trong nội dung chương 4 của luận văn tác giả sẽ phân tích các kết quả ước lượng mô

hình DCC-GARCH để tìm ra mối quan hệ giữa vàng và tiền tệ, đồng thời xác định tỷ

trọng danh mục và tỷ số phòng ngừa để từ đó kiểm định vai trò của vàng có thực sự

đem lại lợi ích cho danh mục tiền tệ hay không.

4.1 Thống kê mô tả

4.1.1 Diễn biến của giá vàng và tỷ giá năm 2008-2014

Trước khi đi vào thực hiện nghiên cứu, tác giả sẽ đưa ra các biểu đồ về xu hướng

biến động của giá vàng và các cặp tỷ giá trong thời gian nghiên cứu để có cái nhìn trực

quan ban đầu về mối quan hệ giữa giá vàng và từng loại tỷ giá.

Hình 4.1 đến 4.4 sẽ thể hiện biểu đồ thời gian của giá vàng và mỗi tỷ giá trong thời

gian nghiên cứu.

Hình 4.1: Biểu đồ thời gian của giá vàng và tỷ giá USD/VND (1/2008-9/2014)

Nguồn: Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) và Ngân hàng

Vietcombank

- 28 -

Hình 4.2: Biểu đồ thời gian của giá vàng và tỷ giá EUR/VND (1/2008-9/2014)

Nguồn: Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) và Ngân hàng

Vietcombank

Hình 4.3: Biểu đồ thời gian của giá vàng và tỷ giá AUD/VND (1/2008-9/2014)

Nguồn: Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) và Ngân hàng

Vietcombank

- 29 -

Hình 4.4: Biểu đồ thời gian của giá vàng và tỷ giá GBP/VND (1/2008-9/2014)

Nguồn: Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC) và Ngân hàng

Vietcombank

Có thể nhận thấy qua các biểu đồ trên xu hướng biến đổi của từng chuỗi dữ liệu.

Giá vàng liên tục tăng mạnh trong giai đoạn từ năm 2008-2012, từ sau năm 2012 đà

tăng có xu hướng chững lại và giá vàng bắt đầu giảm. So với các ngoại tệ mạnh, VND

nhìn chung cũng có xu hướng giảm trong giai đoạn trước năm 2012, điều này cho ta

thấy mối quan hệ ngược chiều giữa giá vàng và Việt Nam Đồng.

Đưa ra bằng chứng ban đầu về khả năng phòng ngừa của vàng tại thị trường Việt Nam

đối với Việt Nam Đồng.

Như tác giả đã đề cập trong phần 3.1 chuỗi dữ liệu đầu vào đã được xử lý để đảm bảo

tính dừng cho chuỗi dữ liệu, hình 4.5 - 4.9 thể hiện các quan sát về tỷ suất sinh lợi của

5 biến GOLD, USD, AUD, GBP, EUR trong thời kỳ nghiên cứu từ năm 2008 đến

2014:

- 30 -

Hình 4.5: Đồ thị tỷ suất sinh lời của biến GOLD theo thời gian

Nguồn: Công ty TNHH MTV Vàng Bạc Đá Quý Sài Gòn (SJC)

Hình 4.6: Đồ thị tỷ suất sinh lời của biến USD theo thời gian

Nguồn: Ngân hàng Vietcombank

- 31 -

Hình 4.7: Đồ thị tỷ suất sinh lời của biến AUD theo thời gian

Nguồn: Ngân hàng Vietcombank

Hình 4.8: Đồ thị tỷ suất sinh lời của biến GBP theo thời gian

Nguồn: Ngân hàng Vietcombank

- 32 -

Hình 4.9: Đồ thị tỷ suất sinh lời của biến EUR theo thời gian

Nguồn: Ngân hàng Vietcombank

Chúng ta thấy rằng các giá trị tỷ suất sinh lợi xoay quanh giá trị trung bình 0, điều này

cho thấy tính dừng của chuỗi dữ liệu, điều này góp phần khẳng định tính phù hợp của

chuỗi dữ liệu đối với mô hình được tác giả áp dụng.

- 33 -

4.1.2 Thống kê mô tả dữ liệu

Hình 4.10 – 4.14 trình bày thống kê mô tả của các biến được tác giả xử lý bằng phần

mềm Eview 8.0

Hình 4.10: Kết quả thống kê mô tả của biến GOLD

Nguồn: Từ tính toán của tác giả

Nhìn vào bảng kết quả thống kê mô tả của biến GOLD ta thấy rằng biến có giá trị trung

bình gần bằng 0 (phù hợp với mô hình DCC-GARCH), giá trị lớn nhất là 0.072564 và

giá trị nhỏ nhất là -0.089827.

Hệ số độ nghiêng (Skewness) của biến GOLD có giá trị bé hơn không cho thấy phân

phồi xác xuất có dạng nghiêng trái và hệ số độ nhọn (Kurtosis) vượt quá 3 cho thấy đồ

thị phân phối xác xuất của biến có độ nhọn vượt chuẩn.

Chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ định giả thuyết phân phối

chuẩn cho biến quan sát, tức là biến GOLD không có phân phối chuẩn ở mức ý nghĩa

1%.

- 34 -

Hình 4.11: Kết quả thống kê mô tả của biến USD

Nguồn: Từ tính toán của tác giả

Bảng kết quả thống kê mô tả của biến USD cho thấy, biến có giá trị trung bình gần

bằng 0 (phù hợp với mô hình DCC-GARCH), giá trị lớn nhất là 0.060422 và giá trị nhỏ

nhất là -0.057998.

Hệ số độ nghiêng (Skewness) của biến USD có giá trị lớn hơn không cho thấy phân

phồi xác xuất có dạng nghiêng phải và hệ số độ nhọn (Kurtosis) vượt quá 3 cho thấy đồ

thị phân phối xác xuất của biến có độ nhọn vượt chuẩn.

Chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ định giả thuyết phân phối

chuẩn cho biến quan sát, tức là biến USD không có phân phối chuẩn ở mức ý nghĩa

1%.

- 35 -

Hình 4.12: Kết quả thống kê mô tả của biến EUR

Nguồn: Từ tính toán của tác giả

Kết quả thống kê mô tả của biến EUR cho thấy, biến có giá trị trung bình gần bằng 0

(phù hợp với mô hình DCC-GARCH), giá trị lớn nhất là 0.068108 và giá trị nhỏ nhất là

-0.062503.

Hệ số độ nghiêng (Skewness) của biến EUR có giá trị lớn hơn không cho thấy phân

phồi xác xuất có dạng nghiêng phải và hệ số độ nhọn (Kurtosis) vượt quá 3 cho thấy đồ

thị phân phối xác xuất của biến có độ nhọn vượt chuẩn.

Chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ định giả thuyết phân phối

chuẩn cho biến quan sát, tức là biến EUR không có phân phối chuẩn ở mức ý nghĩa

1%.

- 36 -

Hình 4.13: Kết quả thống kê mô tả của biến AUD

Nguồn: Từ tính toán của tác giả

Qua kết quả thống kê mô tả của biến AUD ta thấy rằng biến có giá trị trung bình gần

bằng 0 (phù hợp với mô hình DCC-GARCH), giá trị lớn nhất là 0.072674 và giá trị nhỏ

nhất là -0.197334. Chúng ta có thể thấy rằng biến AUD có sự biến động mạnh trong

thời gian nghiên cứu.

Hệ số độ nghiêng (Skewness) của biến AUD có giá trị bé hơn không cho thấy phân

phồi xác xuất có dạng nghiêng trái và hệ số độ nhọn (Kurtosis) vượt quá 3 cho thấy đồ

thị phân phối xác xuất của biến có độ nhọn vượt chuẩn.

Chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ định giả thuyết phân phối

chuẩn cho biến quan sát, tức là biến AUD không có phân phối chuẩn ở mức ý nghĩa

1%.

- 37 -

Hình 4.14: Kết quả thống kê mô tả của biến GBP

Nguồn: Từ tính toán của tác giả

Tương tự, bảng kết quả thống kê mô tả của biến GBP ta thấy rằng biến có giá trị trung

bình gần bằng 0 (phù hợp với mô hình DCC-GARCH), giá trị lớn nhất là 0.078387 và

giá trị nhỏ nhất là -0.064431.

Hệ số độ nghiêng (Skewness) của biến GBP có giá trị lớn hơn không cho thấy phân

phồi xác xuất có dạng nghiêng trái và hệ số độ nhọn (Kurtosis) vượt quá 3 cho thấy đồ

thị phân phối xác xuất của biến có độ nhọn vượt chuẩn.

Chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ định giả thuyết phân phối

chuẩn cho biến quan sát, tức là biến GBP không có phân phối chuẩn ở mức ý nghĩa

1%.

- 38 -

Bảng 4.1: Bảng kết quả thống kê mô tả cho dữ liệu Việt Nam từ tháng 1/2008 đến

tháng 9/2014

Biến GOLD USD EUR AUD GBP

Mean -3,13E-18 7,43E-19 -2,36E-18 1,97E-18 1,08E-18

Median -0,001702 -0,000734 -0,00010 -0,000463 -0,000160

Maximum 0,072564 0,060422 0,068109 0,072674 0,078387

Minimum -0,089827 -0,057998 -0,062503 -0,197334 -0,064431

Std. Dev. 0,019639 0,007335 0,015109 0,022371 0,014610

Skewness -0,216326 1,428833 0,049679 -1,796612 0,148624

Kurtosis 5,980607 42,84440 5,147170 19,90804 6,278577

Jarque-Bera 137.9761 22.268.58 70.26574 4.544.147 164.8191

Probability 0,00000 0,00000 0,00000 0,00000 0,00000

Nguồn: Kết quả do tác giả tính toán từ phần mềm Eviews 8.0

Bảng kết quả thống kê mô tả dữ liệu được thực hiện từ tháng 1/2008 đến tháng

9/2014, với 366 quan sát. Kết quả cho thấy trong giai đoạn này:

Thứ nhất, khoảng cách giữa giá trị lớn nhất là 0,072564 và giá trị nhỏ nhất (0,089827)

của biến GOLD là cao hơn tương đối so với các biến khác cho thấy vàng có tính bất ổn

hơn tiền tệ (trừ trường hợp đồng AUD) trong giai đoạn nghiên cứu.

Thứ hai, độ bất ổn không điều kiện được đo lường bằng độ lệch chuẩn cho thấy giá trị

của vàng cao hơn tương đối so với giá trị của tiền tệ (trừ trường hợp đồng AUD) cụ thể

vàng có độ lệch chuẩn là 0,019639 cao hơn so với giá trị này của các biến USD

(0,007335), EUR (0,015109), GBP (0,014610) và thấp hơn AUD (0,022371) cho thấy

thị trường vàng nhìn chung bất ổn hơn so với tiền tệ.

Thứ ba, hệ số độ nghiên của biến GOLD, AUD có giá trị bé hơn không lần lượt là

(0,216326) và (1,796612) cho thấy phân phồi xác xuất có dạng nghiêng trái và các biến

còn lại có giá trị lớn hơn không cho thấy phân phối xác xuất nghiêng phải. Hệ số độ

- 39 -

nhọn (Kurtosis) của 5 dữ liệu đều vượt quá 3 cho thấy đồ thị phân phối xác xuất của

năm chuỗi dữ liệu có độ nhọn vượt chuẩn.

Cuối cùng, cùng với kết quả quan sát được từ hệ số độ nghiêng và hệ số độ nhọn của

hàm phân phồi xác suất, chỉ số thống kê JB cho kiểm định Jarque-Bera hoàn toàn phủ

định giả thuyết phân phối chuẩn cho cả hai biến quan sát, tức là năm biến đều không có

phân phối chuẩn ở cả ba mức ý nghĩa 1%, 5% và 10%.

4.2 Các kiểm định liên quan

4.2.1 Kiểm định tính dừng

Kiểm định tính dừng là kiểm định rất quan trọng để xác định cấu trúc dữ liệu của

các biến có phù hợp với mô hình chuổi thời gian họ GARCH hay không. Ở đây tác giả

chọn kiểm định nghiệm đơn vị để kiểm định tính dừng của chuỗi dữ liệu. Tác giả dùng

kiểm định ADF để kiểm định nghiệm đơn vị từ đó xác định tính dừng của chuỗi dữ

liệu. Kết quả kiểm định nghiệm đơn vị ADF được thể hiện ở Bảng 4.2 – 4.6 cho các

biến lần lượt GOLD, USD, AUD, GBP và EUR.

Giả thuyết Ho: Chuỗi dữ liệu có nghiệm đơn vị (tức là không có tính dừng). Các giá trị

t – statistics theo kiểm định Augmented Dickey-Fuller lần lượt ứng với mức 1%, 5% và

10% là -3.45, -2.87 và -2.57.

- 40 -

Bảng 4.2: Kết quả kiểm định ADF cho biến GOLD

Nguồn: Kết quả được tác giả xử lý từ phần mềm Eviews 8.0

Bảng 4.2 cho thấy, giá trị tuyệt đối của thống kê τ = 16,67 lớn hơn một cách có ý nghĩa

so với trị tuyệt đối các giá trị giá trị t – statistics theo kiểm định Augmented Dickey-

Fuller lần lượt ứng với mức ý nghĩa 1%, 5% và 10%.

Kết quả này đã bác bỏ giả thuyết H0 có tồn tại nghiệm đơn vị hay chuổi dữ liệu về tỷ

suất sinh lợi của vàng là chuỗi có tính dừng ở mức ý nghĩa 1%.

- 41 -

Bảng 4.3: Kết quả kiểm định ADF cho biến USD

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Bảng 4.3 cho thấy, giá trị tuyệt đối của thống kê τ = 26,35 lớn hơn một cách có ý nghĩa

so với trị tuyệt đối các giá trị giá trị t – statistics theo kiểm định Augmented Dickey-

Fuller lần lượt ứng với mức ý nghĩa 1%, 5% và 10%.

Kết quả này đã bác bỏ giả thuyết H0 có tồn tại nghiệm đơn vị hay chuổi dữ liệu về tỷ

suất sinh lợi của vàng là chuỗi có tính dừng ở mức ý nghĩa 1%.

- 42 -

Bảng 4.4: Kết quả kiểm định ADF cho biến AUD

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Bảng 4.4 cho thấy, giá trị tuyệt đối của thống kê τ = 19,94 lớn hơn một cách có ý nghĩa

so với trị tuyệt đối các giá trị giá trị t – statistics theo kiểm định Augmented Dickey-

Fuller lần lượt ứng với mức ý nghĩa 1%, 5% và 10%.

Kết quả này đã bác bỏ giả thuyết H0 có tồn tại nghiệm đơn vị hay chuổi dữ liệu về tỷ

suất sinh lợi của vàng là chuỗi có tính dừng ở mức ý nghĩa 1%.

- 43 -

Bảng 4.5 Kết quả kiểm định ADF cho biến GBP

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Bảng 4.5 cho thấy, giá trị tuyệt đối của thống kê τ = 18,63 lớn hơn một cách có ý nghĩa

so với trị tuyệt đối các giá trị giá trị t – statistics theo kiểm định Augmented Dickey-

Fuller lần lượt ứng với mức ý nghĩa 1%, 5% và 10%.

Kết quả này đã bác bỏ giả thuyết H0 có tồn tại nghiệm đơn vị hay chuổi dữ liệu về tỷ

suất sinh lợi của vàng là chuỗi có tính dừng ở mức ý nghĩa 1%.

- 44 -

Bảng 4.6: Kết quả kiểm định ADF cho biến EUR

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Bảng 4.5 cho thấy, giá trị tuyệt đối của thống kê τ = 11,27 lớn hơn một cách có ý nghĩa

so với trị tuyệt đối các giá trị giá trị t – statistics theo kiểm định Augmented Dickey-

Fuller lần lượt ứng với mức ý nghĩa 1%, 5% và 10%.

Kết quả này đã bác bỏ giả thuyết H0 có tồn tại nghiệm đơn vị hay chuổi dữ liệu về tỷ

suất sinh lợi của vàng là chuỗi có tính dừng ở mức ý nghĩa 1%.

- 45 -

Kết luận: Tất cả các kết quả kiểm định trên đều cho thấy giá trị tuyệt đối của

thống kê τ lớn hơn trị tuyệt đối lớn hơn các giá trị τ tra bảng ADF có ý nghĩa thống kê

ở các mức ý nghĩa 1%, 5% và 10%. Kết quả này đã bác bỏ giả thuyết H0 có tồn tại

nghiệm đơn vị hay chuổi không dừng ở mức ý nghĩa 1%.

Như vậy, tác giả xác định rằng các chuỗi dữ liệu của các biến quan sát trên đều có tính

dừng và năm biến có thể được sử dụng làm dữ liệu đầu vào cho các mô hình GARCH

để phục vụ cho các phân tích tiếp theo.

4.2.2 Kiểm định hiện tượng tự tương quan

Kiểm định hiện tượng tự tương quan bằng Ljung-Box test nhằm xác định phương

sai của biến quan sát tại thời điểm t có phụ thuộc vào phương sai của các thời điểm

trước hay không. Nếu có hiện tượng tự tương quan xảy ra đối với các biến quan sát,

điều đó chứng tỏ phương pháp nghiên cứu sử dụng mô hình GARCH là phù hợp với

các biến này, do cơ chế GARCH cho phép phương sai quá khứ tác động đến phương

sai của các biến hiện tại. Các giản đồ tự tương quan và thống kê Q của kiểm định

Ljung – Box với độ trễ tối đa được lựa chọn là 20 lần lượt được thể hiện ở bảng 4.7 –

4.11 cho năm biến quan sát.

- 46 -

Bảng 4.7: Giản đồ tự tương quan của biến GOLD với độ trễ k=20

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Kết quả từ Bảng 4.7 cho thấy giá trị thống kê Q tính toán tại độ trễ bậc 1 đến bậc 13

lớn hơn giá trị thống kê Q tra bảng của chuỗi dữ liệu suất sinh lợi của giá vàng tại mức (giả thuyết hệ số tự tương quan ý nghĩa 1%, 5%, 10%. Điều này bác bỏ giả thuyết H0

tổng thể bằng 0).

Kết luận: có tồn tại hiện tượng tự tương quan đối với chuỗi dữ liệu suất sinh lợi của giá

vàng.

- 47 -

Bảng 4.8: Giản đồ tự tương quan của biến USD với độ trễ k=20

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Bảng 4.8 cho thấy giá trị thống kê Q tính toán tại độ trễ bậc 1 đến bậc 20 lớn hơn giá trị

thống kê Q tra bảng của chuỗi dữ liệu suất sinh lợi của tỷ giá Đô la Mỹ tại mức ý (giả thuyết hệ số tự tương quan nghĩa 1%, 5%, 10%. Điều này bác bỏ giả thuyết H0

tổng thể bằng 0).

Kết luận: có tồn tại hiện tượng tự tương quan đối với chuỗi dữ liệu suất sinh lợi của tỷ

giá Đô la Mỹ.

- 48 -

Bảng 4.9: Giản đồ tự tương quan của biến AUD với độ trễ k=20

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Kết quả từ Bảng 4.9 cho thấy giá trị thống kê Q tính toán từ độ trễ bậc 7 lớn hơn giá trị

thống kê Q tra bảng của chuỗi dữ liệu suất sinh lợi của tỷ giá Đô la Úc tại mức ý nghĩa (giả thuyết hệ số tự tương quan tổng thể 1%, 5%, 10%. Điều này bác bỏ giả thuyết H0

bằng 0).

Kết luận: có tồn tại hiện tượng tự tương quan đối với chuỗi dữ liệu suất sinh lợi của tỷ

giá Đô la Úc.

- 49 -

Bảng 4.10: Giản đồ tự tương quan của biến GBP với độ trễ k=20

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Kết quả từ Bảng 4.10 cho thấy giá trị thống kê Q tính toán từ độ trễ bậc 7 lớn hơn giá

trị thống kê Q tra bảng của chuỗi dữ liệu suất sinh lợi của tỷ giá Bảng Anh tại mức ý (giả thuyết hệ số tự tương quan nghĩa 1%, 5%, 10%. Điều này bác bỏ giả thuyết H0

tổng thể bằng 0).

Kết luận: có tồn tại hiện tượng tự tương quan đối với chuỗi dữ liệu suất sinh lợi của tỷ

giá Bảng Anh.

- 50 -

Bảng 4.11: Giản đồ tự tương quan của biến EUR với độ trễ k=20

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Kết quả từ Bảng 4.5 cho thấy giá trị thống kê Q tính toán từ độ trễ bậc 7 lớn hơn giá trị

thống kê Q tra bảng của chuỗi dữ liệu suất sinh lợi của tỷ giá Euro tại mức ý nghĩa (giả thuyết hệ số tự tương quan tổng thể 1%, 5%, 10%. Điều này bác bỏ giả thuyết H0

bằng 0).

Kết luận: có tồn tại hiện tượng tự tương quan đối với chuỗi dữ liệu suất sinh lợi của tỷ

giá Euro.

Tóm lại, các kết quả kiểm định Ljung – Box cho thấy tồn tại hiện tượng tự tương quan

ở các biến quan sát của các biến. Kết quả này xác nhận phương pháp nghiên cứu sử

dụng mô hình GARCH là phù hợp với cấu trúc của dữ liệu nghiên cứu.

- 51 -

4.2.3 Kiểm định ảnh hưởng ARCH

Kiểm định ảnh hưởng ARCH được thực hiện nhằm kiểm tra sự tồn tại của hiện

tượng phương sai thay đổi có điều kiện trước khi ước lượng các ma trận phương sai

hiệp phương sai giữa vàng và các biến tỷ giá. Ảnh hưởng ARCH nếu có tồn tại sẽ ảnh

hưởng tính hữu dụng và phù hợp của mô hình họ GARCH để phân tích phương sai

hiệp phương sai giữa các biến quan sát này. Mô hình ARCH do Engle phát triển năm

1982. Mô hình này cho rằng phương sai của các phần dư (hạng nhiễu) tại thời điểm t

phụ thuộc vào các phần dư (hạng nhiễu) bình phương ở các giai đoạn trước. Kết quả

kiểm định ARCH bằng hồi quy đươc thể hiện ở hình 4.12 – 4.16 lần lượt cho các biến

GOLD, USD, AUD, GBP và EUR.

- 52 -

Bảng 4.12: Kết quả kiểm định ảnh hưởng ARCH cho biến GOLD với độ trễ k=7

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Dựa trên bảng 4.12 kết quả kiểm tra ảnh hưởng hiện tượng ARCH của biến GOLD với

độ trễ 7 ta thấy rằng có tồn tại độ trễ thứ 1 có hệ số khác không 0,118149 có ý nghĩa

thống kê ở mức 5%, và hệ số Prob.F bằng 0.0118 bé hơn mức ý nghĩa 5% cho ta kết

luận được ảnh hưởng ARCH tồn tại đối với biến GOLD ở mức ý nghĩa 5%.

- 53 -

Bảng 4.13: Kết quả kiểm định ảnh hưởng ARCH cho biến USD với độ trễ k=7

Dựa trên bảng 4.13 kết quả kiểm tra ảnh hưởng hiện tượng ARCH của biến USD với

độ trễ 7 ta thấy rằng có tồn tại độ trễ thứ 1 có hệ số khác không 0,410465 có ý nghĩa

thống kê ở mức 5%, và hệ số Prob.F bằng 0.0000 bé hơn mức ý nghĩa 5% cho ta kết

luận được ảnh hưởng ARCH tồn tại đối với biến USD ở mức ý nghĩa 5%.

- 54 -

Bảng 4.14: Kết quả kiểm định ảnh hưởng ARCH cho biến AUD với độ trễ k=7

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Dựa trên bảng 4.14 kết quả kiểm tra ảnh hưởng hiện tượng ARCH của biến AUD với

độ trễ 7 ta thấy rằng có tồn tại độ trễ thứ 4 có hệ số khác không 0,176033 có ý nghĩa

thống kê ở mức 5%, và hệ số Prob.F bằng 0.0344 bé hơn mức ý nghĩa 5% cho ta kết

luận được ảnh hưởng ARCH tồn tại đối với biến AUD ở mức ý nghĩa 5%.

- 55 -

Bảng 4.15: Kết quả kiểm định ảnh hưởng ARCH cho biến GBP với độ trễ k=13

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Dựa trên bảng 4.15 kết quả kiểm tra ảnh hưởng hiện tượng ARCH của biến GBP với

độ trễ 13 ta thấy rằng có tồn tại độ trễ thứ 8 có hệ số khác không 0,148441 có ý nghĩa

thống kê ở mức 5%, và hệ số Prob.F bằng 0.0923 bé hơn mức ý nghĩa 10% cho ta kết

luận được ảnh hưởng ARCH tồn tại đối với biến GBP ở mức ý nghĩa 10%.

- 56 -

Bảng 4.16: Kết quả kiểm định ảnh hưởng ARCH cho biến EUR với độ trễ k=7

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Dựa trên bảng 4.16 kết quả kiểm tra ảnh hưởng hiện tượng ARCH của biến EUR với

độ trễ 7 ta thấy rằng có tồn tại độ trễ thứ 4 có hệ số khác không 0,312313 có ý nghĩa

thống kê ở mức 5%, và hệ số Prob.F bằng 0.0000 bé hơn mức ý nghĩa 5% cho ta kết

luận được ảnh hưởng ARCH tồn tại đối với biến EUR ở mức ý nghĩa 5%.

- 57 -

Tóm lại, các kết quả kiểm định ảnh hưởng ARCH cho thấy các giá trị ước lượng đều

bác bỏ giả thuyết H0 đã xác nhận sự tồn tại ảnh hưởng ARCH cho cả năm biến quan

sát.

4.3 Kết quả mô hình

Bảng 4.17: Các hệ số ước lượng mô hình DCC-GARCH với giá trị P-value tương

ứng, tất cả các ước lượng được thực hiện trên phần mềm eview 8.0 và các dữ liệu tại

thị trường Việt Nam từ tháng 01 năm 2008 đến tháng 09 năm 2014.

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Các kết quả ước lượng GARCH cho thấy mức độ phù hợp cao, trong đó tổng của các

và hệ số ảnh hưởng của ARCH và GARCH đều bé hơn 1, các hệ số ước lượng DCC

cho thấy một mối tương quan có ý nghĩa phù hợp với kết quả nghiên cứu của Mark 𝜆1

Joy (2011). 𝜆2

Tiếp theo, từ kết quả mô hình, Hình 4.6 sẽ thể hiện sự biến động của hệ số tương quan

biến đổi theo thời gian giữa vàng và 4 cặp tỷ giá mà tác giả đã sử dụng để chúng ta có

một cái nhìn tổng quan về mối quan hệ giữa vàng và tiền tệ trong thời gian nghiên cứu.

- 58 -

Hình 4.15: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa biến GOLD và USD

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Hình 4.16: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa GOLD và AUD

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

- 59 -

Hình 4.17: Đồ thị hệ số tương quan giữa tỷ suất sinh lợi giữa biến GOLD và GBP

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

Hình 4.18: Đồ thị hệ số tương quan tỷ suất sinh lợi giữa biến GOLD và EUR

Nguồn: Kết quả được xử lý từ phần mềm Eviews 8.0

- 60 -

Chúng ta có thể thấy rằng vàng và các cặp tỷ giá có mối tương quan dương khi

được xem xét trong mẫu nghiên cứu. Đưa ra kết luận về mối quan hệ nghịch biến giữa

vàng và Việt Nam Đồng trên giai đoạn nghiên cứu không chỉ trong trong giai đoạn thị

trường biến động mạnh mà còn xét trung bình trong thời kỳ. Do đó đưa ra bằng chứng

về khả năng của vàng như là một công cụ phòng ngừa và kênh trú ẩn an toàn cho VND

tại thị trường Việt Nam. Kết quả này trả lời cho câu hỏi nghiên cứu thứ nhất và phù

hợp với giả thiết H1 của bài nghiên cứu.

Chúng ta xem lại định nghĩa về công cụ phòng ngừa và kênh trú ẩn an toàn. Một

tài sản đóng vai trò kênh trú ẩn an toàn sẽ không tương quan hoặc tương quan âm với

một tài sản khác trong thời gian thị trường biến động mạnh, một tài sản có vai trò một

công cụ phòng ngừa khi không tương quan hoặc tương quan âm với tài sản khác tính

trung bình. Với định nghĩa đó, chúng ta có thể kết luận vàng đóng vai trò là công cụ

phòng ngừa và kênh trú ẩn an toàn đối với VND trên mẫu quan sát tại thị trường Việt

Nam. Tuy nhiên so sánh với hệ số tương quan của AUD, GBP và EUR trong giai đoạn

nghiên cứu, giá trị tương quan giữa vàng và USD là khá nhỏ. Điều này có thể do tỷ giá

VND và USD được duy trì ổn định bằng các biện pháp chính sách nên tỷ giá này

không thể hiện được đúng sự mất giá của đồng Việt Nam.

Dựa trên mẫu số liệu đã trình bày ở trên, tác giả tiến hành kiểm tra ý nghĩa phòng

ngừa rủi ro của vàng dựa trên so sánh 2 danh mục:

Danh mục 1: 4 danh mục chỉ bao gồm các loại tiền tệ USD, EUR, AUD, GBP

𝑔𝑐

Danh mục 2: Vàng và tiền tệ với tỷ trọng tối ưu của vàng tính theo công thức:

𝑐 ℎ𝑡

𝑔 + ℎ𝑡

𝑤𝑡 =

𝑔𝑐 𝑐 ℎ𝑡 − ℎ𝑡 𝑔𝑐 − 2ℎ𝑡 à

𝑔𝑐

𝑔𝑐

𝑔𝑐

𝑔𝑐

ế ế

𝑤𝑡 = 1 𝑛 𝑢 𝑤𝑡 > 1 𝑣 𝑤𝑡 = 0 𝑛 𝑢 𝑤𝑡 < 0

- 61 -

Bảng 4.17: Giá trị thống kê mô tả của chuỗi tỷ suất sinh lợi của các danh mục

Danh mục 1 USD EUR AUD GBP

0.000054 0.000228 0.000500 0.000213 Var

0.007335 0.015109 0.022371 0.014610 Std

Nguồn: Từ tính toán của tác giả

Danh mục 2 Gold-USD Gold-EUR Gold-AUD Gold-GBP

0.0985439 0.3220745 0.5821760 0.3136183 wG

0.000049 0.000206 0.000262 0.000170 Var

0.006987 0.014338 0.016189 0.013034 Std

Covar 0.0000131 0.0000858 0.0000939 0.0000685

Nguồn: Từ tính toán của tác giả

Hiệu quả phòng ngừa rủi ro của mỗi danh mục được tính toán bằng cách so sánh phần

trăm sụt giảm của phương sai trong danh mục 2 với danh mục 1:

𝑅𝐸 = 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 − 𝑉𝑎𝑟ℎ𝑒𝑑𝑔𝑒𝑑 𝑉𝑎𝑟𝑢𝑛ℎ𝑒𝑑𝑔𝑒𝑑 Bảng 4.18: Kết quả giảm thiểu rủi ro (RE)

USD 9% EUR 10% AUD 48% GBP 20% Danh mục 2

Nguồn: Từ tính toán của tác giả

- 62 -

Từ kết quả trên tác giả có những nhận xét như sau:

Thứ nhất, đối với kết quả về danh mục đa dạng hóa với tỷ trọng tối ưu của vàng, kết

quả đã khẳng định khi đưa vàng vào danh mục tiền tệ nhà đầu tư có thể cải thiện rủi ro

của toàn danh mục. Độ lệch chuẩn của các danh mục đã giảm so với danh mục chỉ bao

gồm tiền tệ ban đầu. Tác động này của vàng cho thấy khả năng giảm thiểu rủi ro khi

thêm vào danh mục tiền tệ của vàng. Kết quả này phù hợp với giả thiết H2 của bài

nghiên cứu.

Thứ hai, giá trị của hệ số RE cho thấy chiến lược phòng ngừa rủi ro bao gồm hai tài sản

vàng và tiền tệ đã làm giảm đáng kể phương sai của danh mục khi so sánh với danh

mục chỉ bao gồm tiền tệ. Kết quả này phù hợp với giả thiết H3 của bài nghiên cứu.

Tóm lại, các kết quả tìm được về tỷ trọng danh mục và tỷ số phòng ngừa rủi ro trong

phương án kết hợp với vàng đều hỗ trợ cho quan điểm rằng vàng là một phần không

thể thiếu của chiến lược đầu tư vì vàng đã giúp làm giảm rủi ro danh mục sau mỗi

chiến lược. Những tác động tích cực trên của vàng đến hiệu quả đầu tư của danh mục

đã trả lời cho câu hỏi nghiên cứu thứ hai của luận văn và phù hợp với các kết quả

nghiên cứu trước đây trên thế giới, từ đó đã tổng kết lại vai trò tích cực của vàng trong

chiến lược quản lý danh mục đầu tư. Những kết luận này phù hợp với kết quả nghiên

cứu của Juan C. Reboredo (2013).

- 63 -

CHƯƠNG 5: KẾT LUẬN

5.1 Kết luận về kết quả nghiên cứu

Luận văn đã nghiên cứu về vai trò làm công cụ phòng ngừa và kênh trú ẩn an

toàn của vàng đối với tiền tệ, đồng thời thiết lập danh mục đa dạng hóa và đánh giá

hiệu quả của hai cách thiết lập danh mục vàng – tiền tệ cho thị trường Việt Nam. Bằng

cách tiếp cận từ mô hình GARCH đa biến cho phép mô tả sự thay đổi của ma trận

phương sai – hiệp phương sai của các chuổi dữ liệu qua thời gian để áp dụng cho việc

xác định vai trò của vàng cũng như thiết lập tỷ trọng danh mục tối ưu. Các kết quả chỉ

ra rằng có mối quan hệ nghịch biến giữa giá vàng và giá VND, cung cấp bằng chứng

về công cụ phòng ngừa và kênh trú ẩn an toàn của vàng tại thị trường Việt Nam. Tác

giả cũng thiết lập một số danh mục tiền tệ giả định để nghiên cứu ứng dụng quản trị

rủi ro của vàng. Kết quả cho thấy, việc đưa vàng vào danh mục thực sự có tác dụng

quản trị rủi ro. Phương sai của danh mục bao gồm vàng đã giảm đáng kể so với các

danh mục chỉ bao gồm các đồng tiền tệ.

5.2 Những điểm hạn chế của luận văn

Thứ nhất, những nghiên cứu của luận văn dựa trên mẫu dữ liệu về tỷ suất sinh lợi

của giá vàng và các cặp tỷ giá trên thị trường Việt Nam với dữ liệu theo tuần từ 01

tháng 01 năm 2008 đến ngày 30 tháng 09 năm 2014. Tuy nhiên so với các nghiên cứu

trước đây trên thế giới thì mẫu dữ liệu này còn tương đối ngắn.

Thứ hai, mặc dù mô ảnh hưởng GARCH một giai đoạn có ý nghĩa thống kê tuy

nhiên các ảnh hưởng GARCH ở các giai đoạn trễ hơn chưa được đưa thêm vào mô

hình để tiếp tục kiểm định tính phù hợp của biến bổ sung nhằm đạt được mô hình giải

thích tốt nhất cho các biến động phương sai – hiệp phương sai có điều kiện và thiết lập

chiến lược phòng ngừa chính xác hơn.

- 64 -

Thứ ba, kinh doanh tiền và ngoại hối tại Việt Nam còn khá mới mẻ, vì vậy những

giả định về các danh mục tiền tệ trong nghiên cứu của tác giả chỉ mang tính chất tham

khảo.Tuy nhiên trong tương lai khi loại hình kinh doanh này phát triển, kết quả của tác

giả có thể làm nền tảng cho những nghiên cứu sâu hơn về giá trị của vàng trong việc

quản trị rủi ro.

5.3 Những gợi ý cho hướng nghiên cứu tiếp theo

Việc nghiên cứu vai trò của vàng như kênh trú ẩn an toàn đưa ra nhiều kết luận

khác nhau, bài nghiên cứu tác giả chưa đưa ra phương pháp hữu ích để kiểm tra khả

năng này của vàng. Do đó, việc kiểm tra vai trò này của vàng đã mở ra nhiều hướng

nghiên cứu với phương pháp mới hơn trong tương lai.

Ngoài ra, trong nghiên cứu của mình tác giả sử dụng mô hình DCC-GARCH cho

phép độ biến động trong quá khứ của một tài sản có ảnh hưởng đến suất sinh lợi hiện

tại của chính tài sản đó.Tuy nhiên các mô hình họ GARCH được phát triển trong thời

gian gần đây đã cho phép độ biến động suất sinh lời trong quá khứ của một tài sản ảnh

hưởng đến suất sinh lời của tài sản khác, song song với ảnh hưởng suất sinh lợi của

chính tài sản này.Ngoài ra, các phương trình COPULA xem xét sự phụ thuộc đuôi của

các chuỗi dữ liệu cũng thể hiện hiệu quả trong việc xem xét sự phụ thuộc. Do đó,

những nghiên cứu tiếp theo có thể khai thác hiệu quả của các phương pháp họ GARCH

mới và hàm COPULA để có các phương pháp mang lại sự phù hợp hơn.

DANH MỤC TÀI LIỆU THAM KHẢO

TIẾNG ANH

1. Baur và Lucey, 2010. Is Gold a Hedge or a Safe Haven? An Analysis of Stocks,

Bonds and Gold, Financial review 45, 217-229.

2. Baur và McDermott, 2010. Is gold a safe heven? International evidence, Journal

of Banking and Finance 34, 1886-1898.

3. Brian Lucey, Edel Tully, Valerio Poti , 2004. International portfolio formation,

skewness and the role of gold, IIIS Discussion Paper No. 30, 1-23.

4. Certin Ciner, Constantin Gurdgiev và Brian M. Lucey, 2010. Hedges and safe

heavens – An examinationof stocks, bonds and the dollar, IIIS Discussion Paper,

1-28.

5. Dickey, D., and W. Fuller (1981) ―Likelihood Ratio Statistics for

Autoregressive Time Series with Unit Root,‖ Econometrica, Vol. 49, pp.1057-

1072.

6. Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction

estimates: Representation, estimation and testing. Econometrica, 55, 251–276.

Erb, C. B., Harvey, C. R., & Viskanta, T. E. (1998). Contagion and risk.

Emerging Markets Quarterly, 2, 46 –64.

7. Engle, R., 2002. Dynamic conditional correlation: a simple class of multivariate

generalized autoregressive conditional heteroscedasticity models, Journal of

Business and Economic Statistics 20, 601-626.

Forrest Capie, Terence C Mills, và Geoffrey Wood, 2005. Gold as a hedge 8.

against the dollar, Journal of International Financial Markets, 343-352.

Ibrahim H.Mansor, 2011. Financial market risk and gold investment in an 9.

emerging market: The case of Malaysia, Romanian Journal of Economic

Forecasting, 1-11.

10. James Ross McCown và John R.Zimmerman, 2007. Analysis of the investment

potential and inflation-hedging ability of precious metals, Discussion Paper, 1-

25.

11. Johansen, J. (1988). Statistical analysis of cointegration vectors. Journal of

Economic Dynamics and Control 12, 231–254.

12. Johansen, J., & Juselius, K. (1990). Maximum likelihood estimation and

inferences on cointegration — With application to the demand for money. Oxford

Bulletin of Economics and Statistics 52, 169–210.

13. Juan C. Reboredo, 2013. Is gold a safe haven or a hedge for the US dollar?

Implications for risk management, Journal of Banking & Finance, 2665–2676.

14. Juan Carlos Artigas, Johan Palmberg, Boris Senderovich và Marcus Grubb, 2012.

Gold as a strategic asset for UK investors: Portfolio risk management and capital

preservation, review of Financial Studies 11, 1-36.

15. Kaul, A., Sapp, S., 2006. Y2k fears and safe haven trading of the US dollar,

Journal of International Money and Finance 25 (5), 760-779.

16. Kroner, K.F., Ng, V.K ,1998. Modeling asymmetric movements of asset prices,

review of Financial Studies 11, 844-871

17. Ljung, G., Box, G., 1978. On a measure of lack of fit in time series models.

Biometrika 65, 297–303.

18. Mark Joy, 2011. Gold and the US dollar: Hedge or haven?, Finance Research

Letters 8, 120-131.

19. Virginie Coudert và Helene Raymond-Feingold, 2011. Gold and financial assets:

Are there any safe havens in bear market?, Economics Bulletin 2011, Vol. 31

No.2, 1-10.

CÁC TRANG WEB

20. www.sjc.com

21. www.vietcombank.com.vn

22. www.acb.com.vn http://www.acb.com.vn/tygia/

PHỤ LỤC

PHỤ LỤC 1: Mô hình DCC-GARCH và các giả thiết

Phụ lục 1.1 Mô hình DCC-GARCH

Mô hình DCC-GARCH đề xuất bởi Engle năm 2002 được thể hiện như sau như sau:

1/2

𝑦𝑡 = 𝜇 + ∅𝑥𝑡 + 𝜀𝑡 � 𝜀𝑡 = ℎ𝑡 Trong đó 𝜂𝑡 là vec tơ m x 1 của m biến phụ thuộc.

𝑦𝑡 là ma trận các hệ số

∅ là vec tơ m x 1 các biến độc lập

𝑥𝑡 Hạng nhiễu được mô tả là phụ thuộc vào ma trận phương sai có điều kiện biến đổi

và là véc tơ m x 1 sai số ngẫu nhiên có phân phối chuẩn. theo thời gian 𝜀𝑡

𝜂𝑡 ℎ𝑡 Ma trận phương sai – hiệp phương sai có điều kiện biến đổi theo thời gian.

𝐻𝑡 Phụ lục 1.2 Các giả thuyết của mô hình DCC-GARCH

Theo mô hình DCC-GARCH tổng quát với m biến được đề xuất bởi Engle (2002) thì

1/2

1/2

ma trận phương sai – hiệp phương sai được thể hiện qua phương trình:

𝑅𝑡𝐷𝑡 Trong đó 𝐻𝑡 = 𝐷𝑡 là ma trận đường chéo của các phương sai có điều kiện, là ma trận các

sẽ được xem xét biến hệ số tương quan có điều kiện và trong mô hình DCC-GARCH 𝐷𝑡 𝑅𝑡

−1

−1

đổi qua thời gian theo phương trình: 𝑅𝑡

𝑅𝑡 = 𝑑𝑖𝑎𝑔{𝑄𝑡} 𝑄𝑡𝑑𝑖𝑎𝑔{𝑄𝑡} được miêu tả theo phương trình sau với trường hợp sử dụng GARCH (1,1):

𝑄𝑡

𝑄𝑡 = 𝑄�(1 − 𝜆1 − 𝜆2) + 𝜆1 ∈�𝑡−1∈�𝑡−1 . là véc tơ m x 1 của phần dư chuẩn hóa, và là các hệ số Trong đó, + 𝜆2𝑄𝑡−1 1/2

chi phối tính động của các hệ số tương quan có điều kiện. 𝐷𝑡 và ∈𝑡 𝜆2 ∈�𝑡−1

+ <1. âm và đồng thời thỏa mãn điều kiện 0 là các hệ số không 𝜆1 𝜆2 𝜆1

𝜆2 ≤ 𝜆1 là ma trận phương sai – hiệp phương sai có điều kiện của phần dư chuẩn hóa và là

. ma trận phương sai – hiệp phương sai không điều kiện của các phần dư chuẩn hóa 𝑄𝑡

𝑄� ∈�𝑡 Đối với mô hình DCC-GARCH, điều kiện đối với từng tham số của ma trận hệ số

sẽ được thể hiên qua: tương quan có điều kiện

𝑅𝑡

𝜌𝑖𝑗𝑡 = 𝑞𝑖𝑗𝑡 �𝑞𝑖𝑖𝑡𝑞𝑗𝑗𝑡 Với mỗi mô hình GARCH nói chung, bao giờ cũng có hai phần đó là mô tả lợi suất

trung bình và mô tả cơ chế thay đổi của phương sai. Đối với mô hình DCC-GARCH,

2 𝜎𝑖,𝑡

𝑝𝑖

𝑞𝑖

2

2

giả thuyết về mỗi giá trị phương sai được xác định như sau:

2 𝜎𝑖,𝑡

𝑗=1

= exp�𝛾𝑖𝑧𝑖,𝑡� + � 𝛼𝑗 ∈𝑖,𝑡−𝑗 + � 𝛽𝑗𝜎𝑖,𝑡−𝑗 𝑗=1

𝑝𝑖

𝑞𝑖

2

2

Hay:

2 𝜎𝑖,𝑡 là véc tơ 1 x p các hệ số,

+ � 𝛽𝑗𝜎𝑖,𝑡−𝑗 𝑗=1 = ωi + � 𝛼𝑗 ∈𝑖,𝑡−𝑗 𝑗=1 Trong đó là véc tơ p x 1 các biến phụ thuộc có bao gồm

là hệ số ảnh hưởng ARCH và là hệ số ảnh hưởng GARCH. một hằng số và 𝛾𝑖 𝑧𝑖

𝛽𝑗 𝛼𝑗 Mô hình DCC-GARCH nêu trên được tác giả ước lượng trực tiếp bằng phần mềm

Eview 8.0

PHỤ LỤC 2: Kết quả kiểm định mô hình DCC-GARCH ở Việt Nam

Phụ lục 2.1: Kết quả mô hình GARCH đối với biến GOLD

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.2: Kết quả mô hình GARCH đối với biến USD

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.3: Kết quả mô hình GARCH đối với biến AUD

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.4 Kết quả mô hình GARCH đối với biến GBP

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.5: Kết quả mô hình GARCH đối với biến EUR

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.6: Kết quả mô hình DCC-GARCH giai đoạn 2008-2014

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0

Phụ lục 2.7: Kết quả hệ số tương quan biến đổi qua thời gian giai đoạn 2008-2014

USD-GOLD 0.092932835 0.081623935 0.080019858 0.069806311 0.071191046 0.079325993 0.073048194 0.074355668 0.070931799 0.064947187 0.055063499 0.076644159 0.071130834 0.084678346 0.084572976 0.087886891 0.089442875 0.070108388 0.074947499 0.052189514 0.059075372 0.067804238 0.061490705 0.076567479 0.073407045 0.083739799 0.064231758 0.047741797 0.066123223 0.060077367 0.016278314 -0.094007601 -0.054539877 -0.019928168 0.00884355 0.026365704 EUR-GOLD 0.28959468 0.27497433 0.2951852 0.31509364 0.30861659 0.30484406 0.30532008 0.31404532 0.30536839 0.31608078 0.36734189 0.33896426 0.34822662 0.35398463 0.33021817 0.32121278 0.22973968 0.2852896 0.28256838 0.2906086 0.29110442 0.28410009 0.29573986 0.30427499 0.33229723 0.34149054 0.37738227 0.3440909 0.32871549 0.35913782 0.31712889 0.21001549 0.23746854 0.24598265 0.29283981 0.29798605 AUD-GOLD 0.21289552 0.24424297 0.24762379 0.2767417 0.26212804 0.24191603 0.24946673 0.21605133 0.24388265 0.24688611 0.27249949 0.37602685 0.31847482 0.27095665 0.25466931 0.24501781 0.18634658 0.22124433 0.21831084 0.1946262 0.19267477 0.19778137 0.22715421 0.18749183 0.18400615 0.16562156 0.24436903 0.15231532 0.16753213 0.19315044 0.20139603 0.1436993 0.17601649 0.16716488 0.2102181 0.17951016 GBP-GOLD 0.23659076 0.23537159 0.23256891 0.21712507 0.22278391 0.21873276 0.21020968 0.22852258 0.23511363 0.26783824 0.29832272 0.38293014 0.3629919 0.33743067 0.29307661 0.2756187 0.16515848 0.18888954 0.19345798 0.13924546 0.14932536 0.17104057 0.21175796 0.24571884 0.23546713 0.24328549 0.24987711 0.24749615 0.23681887 0.22452192 0.12524157 0.11132517 0.120736 0.14018398 0.17205619 0.20623936

USD-GOLD 0.042529959 0.294544498 0.147817453 0.135690831 0.126760303 0.12604301 0.117246213 0.109895512 0.091491451 0.095912012 0.21055042 0.195317508 0.161840575 0.153886413 0.171056615 0.155378424 0.13518314 0.123944221 0.108743254 0.132915974 0.120972444 0.113710036 0.107769292 0.118534449 -0.042471401 -0.01240728 0.012000103 0.023621517 0.047134233 0.059157143 0.067946688 0.057882381 0.048255614 0.104642669 0.108267572 0.100139356 0.090336636 0.087113172 EUR-GOLD 0.29464125 0.32532772 0.43114255 0.39479298 0.36990269 0.3490189 0.33906794 0.29816785 0.29807469 0.29661933 0.34185551 0.3449212 0.33822276 0.36493844 0.55244618 0.50577138 0.45341408 0.41960182 0.41752972 0.39138153 0.36819561 0.34158248 0.26759935 0.274168 0.36049072 0.34333369 0.32130939 0.31497706 0.35093268 0.36174368 0.32954575 0.31548185 0.21928378 0.24384753 0.25535244 0.25568837 0.32075039 0.28919085 AUD-GOLD 0.18736434 0.23880616 0.3389931 0.25611749 0.24353078 0.23838881 0.1983108 0.18015076 0.19048576 0.19605837 0.24179183 0.24258151 0.25339793 0.33192082 0.42552645 0.38351172 0.3315208 0.30470192 0.31903801 0.32639267 0.29618112 0.26959389 0.08241074 0.07015643 0.10020372 0.12033573 0.13024827 0.15162385 0.15250458 0.16639742 0.17184341 0.23676971 0.23566764 0.25598437 0.24756269 0.23517402 0.26788347 0.23348597 GBP-GOLD 0.21781056 0.27254618 0.41755605 0.38346129 0.35226864 0.32298101 0.30014915 0.28070497 0.26734399 0.26325247 0.30231478 0.30347044 0.28038187 0.35759728 0.47458422 0.42335115 0.36292878 0.3209122 0.3024047 0.35802227 0.31712043 0.29179262 0.24980719 0.24340992 0.35841451 0.32773152 0.30941384 0.29050398 0.18117949 0.2401877 0.24053923 0.30611123 0.29970533 0.27227395 0.26734337 0.25264904 0.25048162 0.11394869

USD-GOLD 0.083281156 0.07344189 0.07241278 0.070159904 0.076464458 0.082871334 0.086344229 0.082329881 0.122466032 0.120031238 0.101211658 0.099761983 0.090400805 0.092343962 0.086475966 0.086898519 0.069231122 0.072577819 0.068335156 0.076140921 0.0811478 0.084246116 0.088094463 0.090822384 0.086744139 0.085421978 0.088965276 0.082498345 0.086034624 0.090033791 0.090113512 0.081536997 0.079897564 0.076801589 0.081881609 0.08032382 0.072271005 0.068873866 EUR-GOLD 0.2761424 0.24825994 0.25915488 0.24222548 0.25141041 0.2674332 0.25642303 0.33182876 0.32605329 0.32627765 0.34247135 0.32525076 0.32008293 0.30786367 0.31912438 0.31347039 0.35270497 0.34047261 0.36737289 0.34881514 0.34089473 0.32628784 0.32066002 0.30629097 0.32196743 0.31155413 0.31011792 0.33166671 0.32231337 0.30895678 0.30522534 0.26291278 0.30467371 0.31725861 0.31802538 0.31922853 0.3039835 0.3364454 AUD-GOLD 0.21695374 0.20959518 0.21220774 0.19706627 0.20067633 0.20584931 0.19985978 0.25996972 0.26351036 0.22138157 0.21475085 0.21165079 0.2038556 0.20427109 0.26096006 0.24858163 0.28590544 0.27373433 0.30184475 0.25680406 0.25758751 0.24623632 0.24459392 0.24832242 0.2692711 0.26230092 0.23712549 0.25204407 0.2395845 0.25030042 0.24257584 0.22430774 0.25802455 0.26282923 0.26446112 0.27657996 0.29538383 0.31418553 GBP-GOLD 0.1745136 0.14424497 0.18445938 0.18869267 0.19782017 0.2148473 0.22498238 0.28870998 0.28698423 0.24333663 0.24664948 0.22902385 0.21471191 0.21859922 0.25432476 0.25238333 0.36818856 0.34463025 0.34681592 0.26834576 0.27029275 0.26295944 0.26107782 0.26030075 0.27171996 0.26639598 0.2592514 0.27797917 0.27048456 0.26412007 0.24949 0.24423274 0.27137204 0.21729698 0.25780647 0.26348309 0.22762925 0.22627711

USD-GOLD 0.074304665 0.079979895 0.069279495 0.062696224 0.078120017 0.132286273 0.113208922 0.111428963 0.108489561 0.105148634 0.102109662 0.098632685 0.097011158 0.099128383 0.068649919 0.072388158 0.072585161 0.075512412 0.080083975 0.079162477 0.084185931 0.087624607 0.091597615 0.088447514 0.054529857 0.067096992 0.071222723 0.084024553 0.081484634 0.038857003 0.051715108 0.055772284 0.066324575 0.070281051 0.085482165 0.092469627 0.096014623 0.095569692 EUR-GOLD 0.32369262 0.31950353 0.36610482 0.44880934 0.41788241 0.39139029 0.3451718 0.36807798 0.35330605 0.36790356 0.35409155 0.33012941 0.3195506 0.36044303 0.31301356 0.22375734 0.20767663 0.23099366 0.24390352 0.26173349 0.27704801 0.29194328 0.21994514 0.2216936 0.25783924 0.28818128 0.2775356 0.17423779 0.15989847 0.15242699 0.19509168 0.18327194 0.20919745 0.24009097 0.24736618 0.2640073 0.22590696 0.23250283 AUD-GOLD 0.28957568 0.27561122 0.30537042 0.40006394 0.36339995 0.3435344 0.28837947 0.28648122 0.2705339 0.28927335 0.2789789 0.26734162 0.25397333 0.28685562 0.24759951 0.14011343 0.15743226 0.16999383 0.17092957 0.19441898 0.19068411 0.20600747 0.17507469 0.18640705 0.1870514 0.20132003 0.20114535 0.11075351 0.15160155 -0.10990593 -0.09462761 -0.04089009 0.01157691 0.06494403 0.09569275 0.11597861 0.08907107 0.11872743 GBP-GOLD 0.21086574 0.22086374 0.27020146 0.33275294 0.3170446 0.31400333 0.25340374 0.27141291 0.25119345 0.28738393 0.28235797 0.26372276 0.25232516 0.26315992 0.23802944 0.1666333 0.15287702 0.16933159 0.20093365 0.20863381 0.19371407 0.22134705 0.14486646 0.16659474 0.19264717 0.20671418 0.20459171 0.1321104 0.14135724 0.07958021 0.07145314 0.11501917 0.14290576 0.17166309 0.20561058 0.22178602 0.22628108 0.22055818

USD-GOLD 0.095002417 0.097594968 0.100483262 0.092442295 0.105475999 0.092049577 0.091410812 0.088381668 0.089596905 0.077918036 0.07704851 0.069730614 0.06373658 0.0646807 0.073232085 0.076969727 0.055623583 0.058246652 0.068573623 0.072377634 0.074477705 0.082040524 0.084865144 0.087713459 0.077320863 0.085639367 0.084436276 0.103679219 0.271822861 0.246293638 0.177172418 0.164371167 0.15240058 0.139890004 0.130278089 0.121342409 0.115099251 0.110055078 EUR-GOLD 0.2462574 0.21856327 0.2022692 0.16316807 0.19840009 0.1648409 0.19689555 0.19686088 0.19160641 0.26074427 0.29506776 0.35622111 0.36600826 0.33200777 0.31011602 0.29807874 0.09040002 0.14325637 0.17642753 0.19957741 0.18834756 0.19852267 0.216813 0.22404593 0.21321886 0.28239425 0.24591017 0.21348404 0.23150386 0.24970095 0.35330499 0.3387401 0.3250276 0.33513464 0.32506596 0.31594156 0.30592961 0.30299305 AUD-GOLD 0.13918339 0.14472335 0.1269829 0.12341931 0.14745425 0.13162798 0.15513351 0.18216876 0.18291969 0.20592078 0.23080068 0.25913271 0.29313388 0.25189401 0.23622919 0.21996481 0.12208058 0.15245802 0.1633085 0.17914937 0.16770149 0.16605332 0.17637819 0.17882049 0.15693075 0.21072563 0.20814545 0.23010804 0.18630567 0.20100708 0.26338073 0.25384401 0.24519801 0.24550533 0.22484946 0.17309485 0.17958365 0.1901366 GBP-GOLD 0.22510513 0.17033848 0.13540273 0.12741661 0.16054536 0.14504614 0.16348904 0.18156295 0.18848687 0.18394223 0.21010606 0.26955365 0.29463491 0.24201996 0.20318783 0.21080643 0.18803228 0.20619081 0.20968456 0.21298769 0.19709742 0.21925804 0.22136319 0.22585606 0.20040288 0.1871084 0.15707134 0.19610453 0.14100478 0.17511519 0.28773561 0.28211105 0.2736444 0.29732403 0.2874739 0.28206228 0.27208966 0.26739186

USD-GOLD 0.103266706 0.080192903 0.069087674 0.071590222 0.05244756 0.044036027 0.047584644 0.059710633 0.06965114 0.083864962 0.081516446 0.085676858 0.085624352 0.065738001 0.072616484 0.066318258 0.093272231 0.292355039 0.245075596 0.212671292 0.176155472 0.157278664 0.139690771 0.130542448 0.114840116 0.111399293 0.105084075 0.092974166 0.105403371 0.102152105 0.09407067 0.093974461 0.097959647 0.09203461 0.094173212 0.090776308 0.091930832 0.090523069 EUR-GOLD 0.27671967 0.28080626 0.29249672 0.30141659 0.30273638 0.27035192 0.28649197 0.27653057 0.289 0.30133511 0.28242324 0.27646049 0.27009451 0.16269143 0.20602908 0.21088605 0.19414293 0.27923059 0.2944805 0.28994807 0.28289227 0.27703455 0.24677807 0.27079267 0.21333068 0.22677172 0.18334917 0.20022245 0.23831387 0.23582499 0.20842633 0.22726682 0.26273284 0.26767401 0.27729804 0.37875519 0.35758986 0.35980658 AUD-GOLD 0.19660222 0.20228726 0.20857493 0.21166213 0.24020271 0.211219 0.21153498 0.21038378 0.21654599 0.20662033 0.2045075 0.19492097 0.20174185 0.14789911 0.17492507 0.21112298 0.00580249 0.02499273 0.06317991 0.08080921 0.12053365 0.1416668 0.11958613 0.16288636 0.29035771 0.27337701 0.19026902 0.18793162 0.20771962 0.20248745 0.18250492 0.18976015 0.27040523 0.28190961 0.26667861 0.30854065 0.28243474 0.26630979 GBP-GOLD 0.25704095 0.25264998 0.24767734 0.25533374 0.2526414 0.22935498 0.23896246 0.23808778 0.24747401 0.21661158 0.22736784 0.2298232 0.22929888 0.27519296 0.2775721 0.26975397 0.2457275 0.29967189 0.31123406 0.29997374 0.25503395 0.24662997 0.22841311 0.25371529 0.13212685 0.15426998 0.12935903 0.14384367 0.19903807 0.20166937 0.19644232 0.20581209 0.26421478 0.26471159 0.26203124 0.30742814 0.28214913 0.30693136

USD-GOLD 0.08868702 0.084737905 0.082687573 0.000880004 0.046110222 0.060954017 0.081870675 0.0845193 0.083296718 0.089483375 0.090422049 0.09693409 0.096391211 0.124027514 0.115294443 0.109467394 0.107777531 0.104287319 0.106532852 0.106632891 0.102364499 0.096567507 0.08571061 0.073734662 0.072153036 0.093746191 0.098359367 0.094619553 0.093154328 0.097175414 0.096394479 0.098520406 0.087040174 0.087014696 0.058451734 0.066468458 0.062096942 0.068696982 EUR-GOLD 0.34612565 0.29647968 0.27312513 0.30263665 0.31722044 0.31188742 0.30386369 0.30027739 0.31318005 0.34685152 0.33265458 0.30401381 0.29782908 0.30514033 0.33961038 0.3170183 0.30372269 0.30445883 0.31463451 0.36335828 0.33471297 0.35959117 0.31688334 0.29512896 0.29791722 0.31037755 0.29548669 0.26450026 0.26242323 0.27511509 0.29662867 0.28010682 0.25295827 0.26386889 0.33792488 0.36743697 0.41620754 0.39068245 AUD-GOLD 0.26111359 0.24479685 0.23470682 0.23517332 0.24393945 0.2324379 0.23710041 0.22975545 0.20796085 0.20040779 0.20120403 0.18662193 0.19194063 0.22513344 0.24841232 0.22484155 0.22526488 0.22941331 0.256331 0.28904802 0.26073769 0.26348229 0.23252526 0.19822605 0.20786726 0.21481254 0.19526468 0.19794233 0.20174005 0.1885492 0.20885599 0.19266151 0.19342552 0.18275547 0.13387169 0.13954904 0.23041568 0.22856023 GBP-GOLD 0.29634552 0.2679959 0.23276193 0.25484737 0.27004097 0.26213216 0.26828526 0.25981234 0.25210886 0.24061826 0.23401882 0.18450482 0.19819192 0.20264501 0.23795204 0.23401492 0.19994593 0.21623598 0.23634717 0.25667246 0.23544375 0.26162901 0.16846198 0.17014989 0.19469102 0.23105351 0.22361749 0.21237631 0.22000574 0.2227727 0.24239176 0.25659791 0.25704363 0.25255357 0.26466012 0.30166026 0.33297994 0.30741342

USD-GOLD 0.073678422 0.076617891 0.090798738 0.099919274 0.09843579 0.096129436 0.086436958 0.087548338 0.087819053 0.089736464 0.095649604 0.096165339 0.097235782 0.103664426 0.086764042 0.088225468 0.089777804 0.094084165 0.098152534 0.0933817 0.089082612 0.085150122 0.046302411 0.056044424 0.064104373 0.075517483 0.079195848 0.089016884 0.099420018 0.093884464 0.092721417 0.09564375 0.095155761 0.091014497 0.090692032 0.090510368 0.085390223 0.091977992 EUR-GOLD 0.36502996 0.35096339 0.34080374 0.29515588 0.31043686 0.3025004 0.26202183 0.26790653 0.27246083 0.27095981 0.28740024 0.27307191 0.2223031 0.24501878 0.20753474 0.22548664 0.17686648 0.20946787 0.03348249 0.07277403 0.11970582 0.16748405 0.26582754 0.27034267 0.27168821 0.28648386 0.28452994 0.23810184 0.14887587 0.17445585 0.19978489 0.22896933 0.25022212 0.25506843 0.2655976 0.27347866 0.22370284 0.18092502 AUD-GOLD 0.22106576 0.17457975 0.18285394 0.16085967 0.1798618 0.18924974 0.20044849 0.20695117 0.20974758 0.21026436 0.19375099 0.19352276 0.23396646 0.24732367 0.27828792 0.26137628 0.25422314 0.25441754 0.24697544 0.22193986 0.21563902 0.21360687 0.31128222 0.29067137 0.272647 0.23253121 0.22346466 0.22575668 0.1479588 0.12650088 0.1422181 0.16989488 0.18731802 0.19689574 0.20740473 0.20842179 0.21485733 0.21298882 GBP-GOLD 0.28832559 0.26885306 0.27706013 0.2629591 0.24242872 0.24078466 0.21054161 0.22126036 0.22742679 0.22741843 0.22953844 0.22796461 0.18508247 0.23527445 0.21494518 0.2206321 0.26369276 0.26475506 0.28997148 0.27777692 0.28996861 0.29059068 0.34688729 0.32277367 0.30285775 0.27547145 0.2673287 0.23584141 0.20062758 0.19320066 0.19543023 0.21477407 0.22903824 0.23561543 0.23823069 0.23894541 0.17465067 0.19087994

USD-GOLD 0.089454274 0.084243989 0.08658238 0.086628831 0.080458022 0.104047081 0.119406759 0.112020923 0.105615436 0.113956808 0.109071917 0.117198041 0.105230356 0.102078224 0.099154349 0.097173467 0.102107596 0.099644109 0.098499587 0.10110343 0.102041991 0.101137336 0.103151243 0.102351941 0.097440107 0.09430787 0.098961667 0.098318027 0.097792289 0.097227346 0.096847109 0.096878175 0.097409684 0.082880486 0.083461748 0.086772218 0.088758904 0.089691927 EUR-GOLD 0.39747931 0.37623173 0.3483543 0.3191533 0.32210654 0.31554844 0.30744361 0.29893264 0.3006738 0.29453557 0.30710011 0.28560182 0.24979266 0.25406045 0.26086215 0.26484489 0.28031774 0.26965958 0.26815246 0.32974881 0.34102617 0.3174668 0.29113129 0.23813818 0.24577498 0.25635454 0.28674266 0.27659055 0.28494092 0.28656526 0.28595474 0.2820967 0.25535122 0.29321472 0.29351161 0.29206124 0.27968234 0.28212147 AUD-GOLD 0.342145 0.31513618 0.29374248 0.27443292 0.24894932 0.27102594 0.27537937 0.26865006 0.2461619 0.20154833 0.16051082 0.14937952 0.13894731 0.15658409 0.16944244 0.18024056 0.17776459 0.17295832 0.18352724 0.22518893 0.22456721 0.23971485 0.27838251 0.28387023 0.26929831 0.2424413 0.24448442 0.23598463 0.22093205 0.21839106 0.22144093 0.21968602 0.25751937 0.26368436 0.24669206 0.2397353 0.22495515 0.21951834 GBP-GOLD 0.31928315 0.30262356 0.27311599 0.25822372 0.27860063 0.29306663 0.26788463 0.26900895 0.26714656 0.22125963 0.21801253 0.19984978 0.13548327 0.16039043 0.177229 0.19204045 0.221345 0.21210803 0.21895829 0.26412981 0.24939499 0.24951745 0.1877402 0.14589011 0.17143999 0.18898326 0.19678381 0.20354105 0.21501332 0.2215113 0.23127732 0.20344034 0.13813335 0.24456014 0.2398439 0.23797109 0.23857462 0.23544561

USD-GOLD 0.093728595 0.092441827 0.093652079 0.087757735 0.091126726 0.091890417 0.092582755 0.068655127 0.076649655 0.081099124 0.095631868 0.126177803 0.123562053 0.117813064 0.113548747 0.098847008 0.095947115 0.096543305 0.097902792 0.093027951 0.094777954 0.097349333 0.097213704 0.098788439 0.10112481 EUR-GOLD 0.30152612 0.31707972 0.31141631 0.32118002 0.33025957 0.31974355 0.31277513 0.26994311 0.25201516 0.26525505 0.26027911 0.24638297 0.26063745 0.26735853 0.27409118 0.27083831 0.28792419 0.29885499 0.30367792 0.29676963 0.29687375 0.31516033 0.30983957 0.32166569 0.31378122 AUD-GOLD 0.20413272 0.10363491 0.13198092 0.1696165 0.19422371 0.19900387 0.19618635 0.1729982 0.17073489 0.1647463 0.17089719 0.19864601 0.20462605 0.20401038 0.20850122 0.20891785 0.210426 0.20620263 0.21943093 0.21190819 0.20281082 0.20750567 0.20626557 0.20775466 0.28984089 GBP-GOLD 0.25566344 0.19182014 0.20568119 0.23094512 0.2275034 0.23055087 0.22774554 0.20008712 0.20703734 0.22590394 0.21622603 0.25697426 0.25713433 0.25608078 0.24544241 0.2352536 0.23883572 0.25358567 0.25968039 0.2499718 0.2530389 0.26800281 0.26042201 0.28080355 0.28500102

Nguồn: Tính toán của tác giả từ phần mềm Eviews 8.0