Ứng dụng mô hình véc tơ tự hồi quy ngưỡng vào truyền dẫn tỷ giá hối đoái ở Việt Nam Luận văn thạc sĩ 2014

GIRFs: General Impulse Response Functions: Các hàm ph n ng xung t ng th... qua hàm ph n ng xung tuy n tính IRFs và phi tuy n tính GIRFs... Multivariate Threshold Model: TVARs and TVECMs

vào Truy n d n t giá h i đoái Vi t Nam ” là do tác gi th c hi n nghiên c u v i

th ng kê IFS, GSO

Tác gi ,

L u Phúc Nguyên

L I CAM OAN

M C L C

DANH M C CÁC KÝ HI U, CH VI T T T

DANH M C CÁC B NG

DANH M C CÁC HÌNH

M U 1

1.Tóm t t 1

2 Gi i thi u 2

2.1 Lý do ch n đ tài 2

2.2 Tính c p thi t c a đ tài 3

2.3 M c tiêu nghiên c u 3

2.4 i t ng nghiên c u 4

2.5 Ph m vi nghiên c u 4

2.6 Ph ng pháp nghiên c u 5

2.7 D li u nghiên c u 5

2.8 B c c lu n v n 5

CH NG 1: T NG QUAN V TRUY N D N T GIÁ H I OÁI VÀ Lụ THUY T MÔ HÌNH TVAR 7

1.1 Truy n d n t giá h i đoái 7

1.2 T ng quan các nghiên c u v Truy n d n t giá h i đoái 8

1.2.1 T ng h p các nghiên c u v Truy n d n t giá h i đoái Vi t Nam 8

1.2.2 T ng h p các nghiên c u v truy n d n t giá h i đoái theo ph ng pháp phi tuy n trên Th gi i 11

1.3 Lý thuy t v mô hình TVAR 18

1.3.1 Tính phi tuy n tính 18

1.3.2 Quá trình t o ra d li u đúng trong mô hình VARs : t i sao v n đ tính phi tuy n tính 19

1.3.3.3 D báo c a mô hình TVAR 27

1.3.3.4 Phân tích ph n ng xung 28

1.4 K t lu n ch ng 1 34

CH NG 2: NG D NG MÔ HÌNH TVAR VÀO TRUY N D N T GIÁ H I OÁI VI T NAM T THÁNG 1 N M 2000 N THÁNG 6 N M 2011 36

2.1 X lý bi n nghiên c u 36

2.1.1 S li u nghiên c u 36

2.1.2 X lý s li u nghiên c u 3 7 2.1.3 Bi n nghiên c u trong mô hình 38

2.1.4 Ki m tra nghi m đ n v c a các bi n 38

2.2 Mô hình nghiên c u 39

2.2.1.Mô hình TVAR 41

2.2.1.1 Xác đ nh đ tr t i u t mô hình VAR 41

2.2.1.2 Xác đ nh s l ng và giá tr ng ng, và tham s đ tr t các k t qu h i quy c a mô hình TVAR 41

2.2.1.3 Ki m tra tính tuy n tính 43

2.2.1.4 K t qu h i quy t mô hình TVAR đã ch n 43

2.2.2 Phân tích ph n ng xung truy n th ng (IRFs) cho mô hình TVAR có 2 giá tr ng ng 45

2.2.3 Ph n ng xung t ng th phi tuy n tính áp d ng cho tr ng h p TVAR 1 giá tr ng ng: giá tr ng ng 0.849%/tháng c a t l l m phát t ng ng 10.188%/1 n m 51

2.2.3.1.B ng k t qu h i quy TVAR v i 1 giá tr ng ng hay 2 ch đ 52

2.2.3.2 Chu i th i gian c a các bi n nghiên c u 54

2.2.3.3 VAR - ph n ng xung đ c l p (orthogonal impulse responses) 55

TVAR 1 giá tr ng ng 58

2.2.3.6 M c ý ngh a khác bi t gi a GIRFs phi tuy n và OIRFs tuy n tính 60

2.2.3.7 Xác su t chuy n đ i c a 2 ch đ t l l m phát cao và th p 61

CH NG 3: K T LU N 64

DANH M C TÀI LI U THAM KH O

PH L C

IFS: Th ng kê Tài Chính Qu c T

IMF: Qu Ti n T Qu c T

inf: Inflation: T l l m phát hàng tháng

AIC : Akaike Information Criterion

BIC: Bayesian Information Criterion

VAR: Vector Autoregression: Véc t t h i quy

VECM: Vector Error Correction Model: Mô hình Véc t hi u ch nh sai s

TVAR: Threshold Vector Autoregression: Véc t t h i quy ng ng

IRFs: Impulse Response Functions: Các hàm ph n ng xung

COIRFs: Cumulative Orthogonal Impulse Response Functions: Các hàm ph n ng xung đ c l p k t h p

GIRFs: General Impulse Response Functions: Các hàm ph n ng xung t ng th

B ng 2.2: Ch tiêu AIC, BIC và SSR t mô hình TVAR 42

B ng 2.3: K t qu h i quy c a bi n ph thu c t l l m phát t mô hình TVAR có 3

ch đ 44

B ng 2.4: K t qu h i quy c a bi n ph thu c t l l m phát t mô hình TVAR có 2

ch đ 52

B ng 2.5: Giá tr xác xu t p_value th a mãn đi u ki n: |GIRFs – OIRFs|simulated >

|GIRFs – OIRFs|statistic 61

Hình 2.4: Ch đ t l l m phát cao: Ph n ng xung đ c l p k t h p (cumulative

Hình 2.5: Ph n ng xung đ c l p k t h p (cumulative orthogonal impulse

đ l ch chu n dt_lneer_sa 51

Hình 2.6: Giá tr ng ng c a bi n ng ng t l l m phát đ tr b c 1 v i mô hình TVAR 1 giá tr ng ng 53

Hình 2.7: th c a NEER, Output gap, Inflation, IR Deposit t tháng 2 n m 2000

M U

1 Tóm t t

và các đ ng s (1996), Ana Beatriz C Galvão (2003), Julia Schimidt (2013) ch ra

các bài nghiên c u c a Koop (1996), Galvão (2003); tuy nhiên, xây d ng chúng

đó đ n t vi c xây d ng các thu t toán, và th i gian ch y ch ng trình tính toán có

ngh a hi u l c (NEER), Khe h s n l ng (Output gap), t l l m phát và lãi su t

n m 2000 đ n tháng 6 n m 2011 K t qu bài nghiên c u cho th y t n t i 2 giá tr

ng ng c a bi n ng ng t l l m phát v i đ tr 1 trong mô hình TVAR Các giá

c ng tìm th y b ng ch ng ng h cho l p lu n c a Taylor (2000) và các nhà nghiên

h n ch đ l m phát cao so v i ch đ l m phát th p và v a ph i B ng ch ng này

đoái danh ngh a hi u l c x y ra 3 ch đ t l l m phát, và hàm ph n ng xung

c a hàm ph n ng xung t ng phi tuy n GIRFs c a mô hình TVAR có 1 giá tr

ng ng và k t qu c a hàm ph n ng xung tuy n OIRFs c a mô hình VAR trong

T khóa: Truy n d n t giá h i đoái, Exchange rate pass- through, ERPT, Vecto

Autoregression, VAR, Threshold Vecto Autoregression, TVAR, General Impulse Response Functions, GIRFs, Impulse Response Functions, IRFs, Orthogonal Impulse Response Functions, OIRFs, Cumulative Orthogonal Impulse Responses COIRFs

2 Gi i thi u

2.1 Lý do ch n đ tài

SVAR, VECM ” luôn thu hút m t s l ng l n chuyên gia kinh t trên th gi i và

k thu t tuy n tính SVAR, VAR, VECM có thu n l i trong vi c đo l ng các m i

gia t ng trong chi phí s n xu t trên m t ng ng ch c ch n là s hi n di n dai d ng

c a t l l m phát cao.Vì th , trong môi tr ng l m phát cao, h ch n l a m t s

liên quan đ n l m phát hi n t i cho t l l m phát d i 10% và s l p l i này có đ

ph ng pháp k thu t tuy n tính nh SVAR,VAR,VECM có th đ a ra các h s

là ph ng pháp đa bi n v i mô hình véc t t h i quy ng ng (TVAR)

giá h i đoái Vi t Nam” Tác gi hi v ng r ng bài nghiên c u mang l i nh ng k t

2.2 Tính c p thi t c a đ tài

giá, doanh nghi p s có bi n pháp phòng ng a r i ro v t giá m t cách thích đáng,duy trì k ho ch s n xu t Là m t cán b trong doanh nghi p, tác gi c ng

phát tri n c a doanh nghi p

2.3 M c tiêu nghiên c u

n m 2011 đ gi i đáp các câu h i sau đây :

- Câu h i 1: Bi n t l l m phát đ c ch n làm bi n ng ng trong mô hình v i đ

- Câu h i 2: M c đ truy n d n c a t giá h i đoái danh ngh a hi u l c s cao h n

- Câu h i 3: T n t i các k t qu khác bi t thu đ c t hàm ph n ng xung t ng th phi tuy n GIRFs trong mô hình TVAR v i hàm ph n ng xung tuy n tính trong mô hình VAR hay không ?

2.4 i t ng nghiên c u

- Tác gi t p trung nghiên c u ph n l n các đ c đi m mô hình TVAR trong các tài

R-packages tsDyn, và code Matlab

”A threshold vector autoregression model of exchange rate pass-through in Mexico”

các bi n chính trong bài nghiên c u c a mình

2.5 Ph m vi nghiên c u

- Các bi n nghiên c u trong mô hình đ c thu th p s li u t tháng 1 n m 2000

đ n tháng 6 n m 2011 T ng s quan sát:138 Nh ng sau khi x lý các bi n thì còn

137 quan sát

- T giá h i đoái danh ngh a hi u l c c a VN v i 20 đ i tác th ng m i chi m t

- M i quan h gi a các bi n trong mô hình TVAR đ c th hi n thông qua các

- Ph n ng xung c a các bi n t l l m phát, Output gap, lãi su t ti n g i kì h n 1

n m th ng kê hàng tháng tr c các cú s c c th c a t giá h i đoái danh ngh a hi u

ch n

- Xác su t các k t qu khác nhau thu đ c t IRFs và GIRFs Hàm ph n ng xung

đ i t ch đ t l l m phát này sang ch đ t l l m phát khác d i s truy n d n

- Tác gi áp d ng ph ng pháp nghiên c u phân tích đ nh l ng v i s h tr c a

ph n m m kinh t R-packages, Matlab, Eview 7.42, Stata 12

qua hàm ph n ng xung tuy n tính (IRFs) và phi tuy n tính (GIRFs)

 Ch ng 1:T ng quan v truy n d n t giá h i đoái và lý thuy t mô hình TVAR

 Danh m c tài li u tham kh o

 Ph l c các b ng bi u, hình v

CH NG 1: T NG QUAN V TRUY N D N T GIÁ H I OÁI VÀ Lụ

THUY T MÔ HÌNH TVAR

1.1 Truy n d n t giá h i đoái

ng phù h p

- Truy n d n t giá h i đoái lên ch s giá nh p kh u là ph n tr m thay đ i c a giá

c a Goldberg và Knetter (1996)

- Truy n d n t giá h i đoái theo Jonathan Mc Carthy (2007) cho r ng s thay đ i

phát trong n c

tr m đ c th hi n trong các nghiên c u tiêu bi u c a Daniel Leigh và Marco Rossi

1.2 T ng quan các nghiên c u v Truy n d n t giá h i đoái

1.2.1 T ng h p các nghiên c u v truy n d n t giá h i đoái Vi t Nam

(nh CU, M1, M2), CPI, t giá h i đoái (OER, SER, SSER, HSER) và s n l ng

1992 đ n tháng 6 n m 1999 K t qu c a bài nghiên c u cho th y r ng nh ng thay

đ i trong cung ti n (CU, M1, M2) không ch a đ ng b t kì thông tin tiên đoán v

H n th n a,v m t t ng th , các thay đ i tr trong cung ti n đ c bi t là M2 nh là

danh ngh a (trong các tr ng h p c a t giá h i đoái c a ngân hàng nhà n c, và

tr ng s n l ng, nh ng nguyên nhân này không n đ nh L m phát hi n t i và t ng

tr ng s n l ng ( đây là s n l ng công nghi p) h u nh đ c gi i thích b i các

Võ V n Minh (2009) c ng s d ng mô hình VAR v i d li u nghiên c u đ c

Output Gap, Oil (Giá d u UK Brent), IMP, CPI, M2 T t c các bi n (ngo i tr

61% thay đ i c a t giá đ c truy n vào giá nh p kh u và trong vòng t tháng th 5

đ n tháng th 7 thì m c đ truy n d n đã v t quá m c truy n d n hoàn toàn, ng

ý r ng các doanh nghi p đã ph n ng quá m c đ i v i cú s c t giá Còn đ i ch s

15 Ph n ng cao nh t c a CPI tháng th 10 và 11 sau khi cú s c t giá x y ra, khi

trong n m đ u là 0.08, và 0.16 n u không k các ph n ng âm (tiêu c c) và trung bình trong n m th 2 là -0.05 Sau 15 tháng, thì truy n d n c a t giá vào CPI, IMP

hoàn toàn h t hi u l c

đ nh m c đ truy n d n t giá h i đoái vào l m phát Các bi n đ c s d ng trong

mô hình nghiên c u bao g m: bi n n i sinh: Output Gap, CPI, M2, lãi su t ti n g i

VN /USD, và 1 bi n ngo i sinh: Oil (giá d u UK Brent, đ n v tính USD/barrel)

l y sai phân b c nh t K t qu nghiên c u là sau 2 tháng k t cú s c t giá, h s truy n d n c a t giá vào l m phát là 0.07, và b lo i b hoàn toàn trong tháng th

phân rã ph ng sai và ph n ng xung cho th y r ng cung ti n đóng vai trò ch y u

gi a t ng c u và l m phát

t ng tr ng tín d ng, lãi su t ti n g i hàng n m th ng kê theo tháng, t giá h i đoái

do ngân hàng nhà n c công b , ch s giá s n xu t PPI, thâm h t ngân sách tích

l y, t ng giá tr giao d ch trên th tr ng ch ng khoán, ch s giá nh p kh u, giá d u

n m 2010 Các bi n đ c đi u ch nh mùa v và l y logarit t nhiên K t qu cho

th y r ng: ký c và k v ng c a công chúng v l m phát là hai nhân t quan tr ng

đ n giá tiêu dùng (l m phát) và ph i m t vài tháng m i nh n ra tác đ ng này.T c đ

đi u ch nh đ i v i các nhi u là r t th p trên c th tr ng ti n t và th tr ng ngo i

c ng cho th y không có b ng ch ng rõ ràng v s tác đ ng c a thâm h t ngân sách

đ u t quý 1 n m 2001 đ n quý 4 n m 2011v i ph ng pháp nghiên c u đ ng liên

đ c s d ng trong mô hình nghiên c u: Ch s giá nh p kh u, Ch s giá s n xu t,

c s t nhiên K t qu c a bài nghiên c u này cho th y r ng trong dài h n, s

chuy n d ch c a t giá vào giá nh p kh u là hoàn toàn, có ngh a là khi t giá t ng

đó ch s giá s n xu t tác đ ng đ n ch s giá tiêu dùng l n nh t 36%-38%, còn ch

thay đ i đ c nh n bi t đ n t n t i lâu h n Các ch đ v i l m phát cao h n khuynh h ng có các chi phí t n t i lâu h n Vì v y, m t môi tr ng l m phát cao

đ t đ c m t cách t đ ng s truy n d n th p

Ehsan U Choudhi và Dalia S Hakura (2001) khám phá m t mô hình c a truy n

h ng kì v ng ph thu c vào ch đ l m phát i v i ch đ l m phát cao, nh

h ng c a cú s c ti n t có khuynh h ng t n t i lâu h n và có th x y ra ph n ánh trong các thay đ i c a t giá v i c p đ l n h n Vì nh ng lý do đó, mô hình ng ý

c ng tìm th y b ng ch ng m nh v m i quan h gi a truy n d n và t l l m phát trung bình là đ ng bi n (tích c c) và ý ngh a qua các ch đ M i quan h này duy

ti n t S ph thu c này s làm cho m t qu c gia d dàng trong vi c th c hi n m t

Armando Baqueiro, Alejandro Díaz de León and Alberto Torres (2003) s d ng

ngh a có hi u l c ph thu c vào môi tr ng l m phát i u đó có ngh a r ng trong

tr ng l m phát th p và n đ nh Lý gi i cho đi u này có th là khi l m phát th p và

n đ nh thì l m phát kì v ng c a công chúng s g n gi ng v i l m phát m c tiêu c a

Patricia S.Pollard, Cletus C.Coughlin (2004) s d ng b d li u 30 International

ch ng v hành vi b t cân x ng trong 5 ngành công nghi p v i kí hi u 2 kí t và 10

trong tr ng h p t giá thay đ i “ các giá t ng lên nhanh h n chúng gi m” theo quan đi m Peltman (2000) không có kh n ng ng d ng t ng quát Các k t qu này

cân x ng qua các ngành, s li u t ng h p có th không cho th y b ng ch ng c a

ty c ng có th ph n ng b t cân x ng đ i v i đ l n thay đ i trong t giá, vi c đi u

tr ng h p này, h ng c a tính b t cân x ng ph thu c vào ho c hóa đ n giá công

v i kí hi u 2 kí t và 14 ngành công nghi p v i kí hi u 3 kí t trong nghiên c u

thay đ i đó là nh nh h ng đ l n chi m u th khi tính đ n h ng c a s thay

đ i trong t giá K t qu này duy trì qua các c p đ c a s k t h p Cu i cùng, bài

xác đ nh truy n d n t giá N u duy nh t v n đ chi phí th c đ n đ i v i truy n d n thì trong dài h n truy n d n s hoàn toàn N u trong dài h n truy n d n là không

nh h ng đ n truy n d n Th m chí sau khi tính đ n các nh h ng tr c a truy n

d n t giá thì hi m khi là hoàn toàn Tóm l i, các k t qu c a bài nghiên c u cung

c p s h tr t ng quát cho k t lu n r ng c các nhân t m c tiêu và các chi phí

Josip và Petra (2009) dùng mô hình TAR v i d li u tháng c a 2 bi n : ch s

nh h ng b i môi tr ng l m phát mà các công ty xu t kh u đ ng đ u v i n c

nh p kh u theo m t cách phi tuy n tính D a trên các k t qu t phân tích chu i

Tr c ng c v i các nghiên c u tr c đây, hai tác gi c ng tìm th y r ng không có

đã quan sát trong các n c công nghi p sau th p niên 90 Vì v y, các k t qu tìm

c p đ t ng th , các công ty xu t kh u có l có k đ n môi tr ng l m phát khi h

đi u ch nh giá c c a h i v i ph n này, các k t qu c a bài nghiên c u phù h p

trong t ng lai là xác đ nh truy n d n t giá đ c bi t là các n n kinh t nh m chi

Nguyên nhân đó là các n n kinh t nh m có đ c tr ng là th tr ng t p trung

là ng i ch p nh n giá c H n th n a, c th là Calvo và Reinhart (2002) đã cho

các n c l n và nh

t h i quy phân ph i tr phi tuy n tính (NARDL) v i các bi n ch s giá tiêu dùng

đ i c a t giá ít h n các thay đ i hoàn toàn c a các giá tiêu dùng T i cùng m t th i

đi m, s ph n ng c a giá c đ n các m c bi n đ ng c a t giá là không tuy n tính

thích đi u này nh là k t qu này nh là m t tín hi u c a c nh tranh th tr ng y u

c kinh t vi mô s t p trung quan tâm V i phân tích nh th , s tách r i d li u

là c l ng các h s truy n d n cao h n so v i các nghiên c u tr c đây đã th c

m i quan h dài h n.Vi c tìm th y s suy gi m truy n d n t giá trong các nghiên

Campa (2010), h tranh lu n r ng vi c s d ng các thành ph n nh p vào trong s n

tài li u v i vi c cho th y r ng truy n d n này n m gi th c s sau khi t giá b m t

nên tính đ n trong vi c xác đ nh các quy t c chính sách ti n t

Mototsugu Shintani, Akiko Terada-Hagiwara và Tomoyoshi Yabu (2013) nghiên

c u m i quan h gi a truy n d n t giá và l m phát b ng cách s d ng mô hình

phát nh là bi n chuy n đ i Các tác gi c ng s d ng m t s hàm s chuy n đ i

ng t trong giá d u K t qu c a bài nghiên c u cho th y b ng ch ng h tr các n ng

đ ng phi tuy n tính c a truy n d n t giá và truy n d n t giá th p liên quan phù

h p v i l m phát th p

(TVAR) đ xem xét m i quan h phi tuy n trong truy n d n c a t giá đ n các giá

đ u t tháng 1/1994 đ n tháng 11/2009, v i các bi n nghiên c u là: NEER (m t thay đ i tích c c trong t giá th hi n m t s t ng giá c a đ ng ti n n i t ), t l

h ng, và lãi su t liên ngân hàng qua đêm th hi n quan đi m chính sách ti n t

không có ý ngh a th ng kê b t kì ch đ nào; khi t l l m phát >0.789% (ch đ

ngh a th ng kê và khi t l l m phát ch đ 1 và 2 thì truy n d n c a t giá y u

h n (giá c n i đ a gi m xu ng ch đ 1 và t ng lên ch đ 2) và không có ý ngh a th ng kê, còn v chính sách ti n t thì ngân hàng trung ng th c hi n chính

các ng ý quan tr ng cho các nhà làm chính sách và các chuyên gia phân tích tài

là y u t xác đ nh quan tr ng c a vi c đ u t trong th tr ng ch ng khoán Các ch

đ trong mô hình TVAR đáp ng nh là m t ch s d n d t truy n d n t giá đ n

không đ i

1.3 Lý thuy t v mô hình TVAR

d i đây liên quan đ n nh ng ý t ng xây d ng mô hình TVAR, và tác gi trình

này:

- Ana Beatriz C Galvão, 2003 Multivariate Threshold Model: TVARs and

TVECMs Brazilian Review of Econometrics

- Gary Koop, M Hashem Pesaran, Simon M Potter, 1996 Impulse response

analysis in nonlinear multivariate models Journal of Econometrics

- Matthieu Stigler, 2014 Packages tsDyn version 9.4.1

- Julia Schimidt, 2013 Country Risk Premia, Endogenous Collateral Constraints

and Non- linearities: A Threshold VAR Approach Working Paper

1.3.1 Tính phi tuy n tính

t ng vào các mô hình tuy n tính không đ t đ c các nh h ng ch c ch n n u các

nh h ng này ch c th hóa trong các tr ng h p riêng bi t Tính phi tuy n có th

cách thuy t ph c trong các bài vi t lý thuy t K t qu t t y u là áp d ng các mô

đ gi i thích các n ng đ ng quan tr ng mà chúng b b qua trong mô hình tuy n

rõ các m i quan h kinh t khác nhau

Các kích th c c a tính phi tuy n là: th nh t là tính không cân x ng

các đi u ki n ban đ u ph thu c vào các ch đ đ c xem xét ây là các kích

th c đ c đ c p trong hai câu h i chính c a mô hình phi tuy n tính, m t khi h

nh kích c c a chúng (các cú s c nh và l n) Hai là, tính phi tuy n tính có th

t ng lên b i vì các khác bi t trong các đi u ki n ban đ u ph thu c vào các ch đ

đ c nghiên c u đ n

1.3.2 Quá trình t o ra d li u đúng trong mô hình VARs : t i sao v n đ tính

phi tuy n tính

véc t c a t t c các đ tr c a các bi n trong h th ng VAR c ng nh các tham s

đ nh ngh a nh sau:

f(Y,yi0+i) = f(Y,yi0) + i f(Y,yi0)

ngh a là có s đ nh rõ tính đ i x ng trong VARs tuy n tính chu n Quan tr ng h n,

i u này ch ra r ng các đi u ki n ban đ u là chìa khóa đ i v i s lan truy n c a

0

ban đ u đ m nh n nh là m t c ch kh ch đ i ( ho c làm y u đi) c a các cú s c

1.3.3 Mô hình véc t t h i quy ng ng TVAR

- t,i là m t véc t Kx1 c a quá trình c i thi n v i trung bình b ng 0, ph ng sai

- r và d l n l t là giá tr ng ng và tham s đ tr c a bi n chuy n đ i (hay còn

- Bi n chuy n đ i  là m t trong s bi n trong véc t yt Mô hình đa bi n phi

Không có quy t c chung th ng nh t trong các hình th c th hi n c a mô hình

1.3.3.2 c l ng mô hình TVAR

i u ki n trên các tham s c a các hàm chuy n đ i NL = (1,NL, , K,NL), v n đ

c l ng là tuy n tính.Vì v y, hàm s t ng c a các ph n d bình ph ng có th

Xác đ nh giá tr ng ng:

- Giá tr ng ng c a bi n ng ng trong mô hình TVAR là các giá tr ng ng có

đ nh trong ph m vi các đi m l i do ng i nghiên c u ban đ u n đ nh b ng cách

ph ng bé nh t đ c chính xác Cho đ n nay, không có ch d n t ng quát nào trong

- Giá tr ng ng c a bi n ng ng trong nghiên c u th c nghi m đ c xác đ nh

l ng l n nh t likelihood trong gi thuy t r ng các ph n d đ c phân ph i chu n (Gallant,1987)

ph ng c a ph n d (SSR) và ch n giá tr ng ng th a mãn: SSR min

- Julia Schimidt (2013) có nh ng l u ý trong mô hình TVAR nh sau :

đ n u ma tr n ph ng sai - hi p ph ng sai c a các ph n d t ng th đ c l y t các cú s c (ho c t các sai s hình th c rút g n ho c là các sai s c u trúc) Tuy nhiên đây là m t gi thuy t l n trong tr ng h p c a các mô hình ch đ - chuy n

th i kì suy thoái và bùng n Tuy nhiên, gi thuy t r ng tr ng thái n (ti m tàng) là

các n ng đ ng phi tuy n tính, d ng nh đây là tr ng h p mà các ch đ g n li n

 Trong MSVARs, m t cách t ng quát, bi n tr ng thái không b quan sát Vì th , MSVARs cho phép không xét đ n tính ki m soát c a quá trình c b n ch đ g n

đ nh rõ ràng quá trình các ch đ g n li n v i s chuy n đ i n i sinh mà đó là lý do

l i th là ch đ g n li n v i s chuy n đ i d ki m soát, nh ng c ng yêu c u s

c b n t ng ng các chu i th i gian (xem thêm Ang và Timmermann, 2011)

Ki m tra tính tuy n tính:

- Ki m tra tính tuy n tính v i VAR (p) trong gi thuy t không và TVAR (p) trong

- C th , vi c ki m tra bao g m s tính toán supr[rL, rU] W(r), có phân ph i ph thu c vào các mô - men c a ma tr n c a các bi n tr gi i thích và ph thu c vào

đ n, phân ph i th ng kê s là chi-bình ph ng V i đi u ki n là các giá tr ng ng không đ c bi t đ n, phân ph i ti m c n và p-value chính xác có th đ c tính toán

(2000b) c ng mô t m t thu t toán có th đ c s d ng đ tính toán x p x s t

ng ng và tính toán th ng kê supWald C hai quy trình có th chính xác đ xem

xét đ n ph ng sai thay đ i trong các ph n d c a gi thuy t không

- M t ki m tra tính tuy n tính t ng t đ c đ ngh b i Tsay (1998) mà đây là

“h i quy đ c s p x p” (“arranged regression”) V n đ trong ki m tra ng ng tr

các ph ng pháp c b n mà d a vào các giá tr t i h n đ c mô ph ng, ki m tra có

đ c s p x p Ki m tra đ c xây d ng b i s h i quy các ph n d d báo (chu n

k t qu trình bày b i Tsay (1998) cho bi t r ng ki m tra này có hi u l c t t khi d

đ c ch rõ chính xác

- Bên c nh đó, Matthieu Stigler (2014) xây d ng code ki m tra tính tuy n tính theo

ph ng pháp m r ng đa bi n đ c đ ngh b i Lo và Zivot (2001) trên c s ki m

đ Giá tr th ng kê ki m tra LR đ c vi t nh sau:

- Vi c tính toán p_value đ c th c hi n b ng cách mô ph ng Phân ph i t kh i

l ng ng ng và tính toán ki m tra S l n th c hi n thay th t kh i đ ng do

ng i nghiên c u n đ nh m t cách thích h p

- S đ nh rõ s l ng các ng ng có th đ c th c hi n ho c b i m t ki m tra supLR ( gi ng v i ki m tra tính tuy n tính LR) và m t th t c n i ti p v i m t hàm

b i Clements và Galvão (2003a) cho TVARs v i gi s r ng TVARs hai ch đ

- Th t c n i ti p nhau đ ngh b i Gonzalo và Pitarakis (2002) yêu c u r ng v i

đánh giá m t cách t ng đ i v i nh ng thay đ i thích h p H đ ngh r ng các

- Ngoài ra, ng i ta có th áp d ng lý thuy t kinh t đ xác đ nh s l ng các ch

đ Anderson (1997) áp d ng m t mô hình v i 3 ch đ đ c h tr b i nh h ng

lý thuy t các chi phí giao d ch

- Cu i cùng, t ng t nh h u h t tài li u VAR, b c t h i quy đ c ch n l a b i

tr c khi h i quy TVAR

1.3.3.3 D báo c a mô hình TVAR

trên thông tin cho đ n th i đi m t là:

Granger và Terasvirta (1993) mô t nhi u gi i pháp cho v n đ này, nh ng h u

.Clements và Smith (1997) và De Gooijer và Vidiella- I- Anguerra (2003) tranh

Phân tích ph n ng xung truy n th ng

- Koop et al (1996) cho r ng hàm ph n ng xung truy n th ng th ng đ c áp

đi m t lên tình tr ng c a h th ng t i th i đi m t+n là gì, gi s r ng không có các

cú s c khác tác đ ng đ n h th ng?” nh ngh a này c a m t hàm ph n ng xung

đ c l p v i l ch s trong hàm ph n ng xung truy n th ng

Phân tích ph n ng xung t ng th (GIRFs):

- Khác v i hàm ph n ng xung truy n th ng, s ph thu c vào các đi u ki n ban

đ u c ng nh các thông tin trong quá kh c n thi t đ c tính đ n trong hàm ph n

ban đ u c a ch đ , thông tin quá kh và các đ c đi m c a các cú s c, GIRFs m n chúng nh là khung phân tích chính xác cho phân tích các chi u c a tính phi tuy n

đ , tính thi u đ i x ng c a các cú s c d ng và âm, và các cú s c có đ l n và nh

- M t GIRF- t ng t ký hi u c a Koop et al (1996)- đ c đ nh ngh a nh sau:

GIRFy (h, t-1,ut) = E[yt+h|t-1,ut] - E[yt+h|t-1]

- Ph n ng c a bi n y t i ph ng ngang h vì th có th đ c tính toán b i s mô

ngh a là các cú s c ng u nhiên khác không tác đ ng đ n h th ng VAR tr c đó và sau đó cú s c Trái ng c l i, ph ng pháp GIRF d a vào s mô ph ng c a h

th ng trong s n i ti p c a các cú s c khác nhau Trung bình các cách th c c a GIRF đã t o ra b ng v i các cú s c v i các mô ph ng đã đ c t o ra Vì th , k t

đ i v i vi c tính toán các kho ng tin c y (confident bands), b ng cách ph ng

đ n các ch đ và s chuy n đ i n i sinh, các m u d li u phù h p v i các ch đ là không đ c l p v i ch đ khác Vì th , các kho ng tin c y (confident bands) l p l i

ph n ng l i Tuy nhiên, các k t qu c a các ki m tra tính phi tuy n tính phía trên, hàm ý r ng nhi u bi u th c c a h th ng VAR tiêu bi u b i tính phi tuy n tính

- Trong ph n này, tác gi nêu ra 2 ph ng pháp tính ẢIRạs:

A N u t t c s ph thu c đ ng th i qua các cú s c đ c n m b t trong ma

không đ i qua các d li u quá kh khác nhau và thi t l p b ng 1/T Trong th c hành, ph ng pháp này là h u nh h u ích cho tr ng h p c a các mô hình

ng ng, mà đó các ch đ chia r các c i thi n thành các nhóm riêng bi t và

ng i ta có th bootstrap các cú s c trong m i ch đ

b) S d ng mô hình chu i th i gian (lo i hàm s và các cú s c t o ra b ng vi c

quá trình c i ti n (K-chi u)

t-1,t