CHÍNH SÁCH TIỀN TỆ CỦA NGÂN HÀNG TRUNG ƯƠNG CÓ THỂ ĐƯỢC MÔ TẢ BẰNG QUY TẮC TAYLOR TUYẾN TÍNH HAY PHI TUYẾN

Chính sách tiền tệ có thể đƣợc mô tả bởi quy tắc Taylor tuyến tính hay phituyến? Clarida và cộng sự (1998, 2000) đã đề nghị vấn đề này sau khi quan sát trong thực tế các ngân hàng trung ƣơng không hẳn chỉ dựa vào giá trị quá khứ và hiện tại để thiết lập lãi suất mà họ còn có xu hƣớng dựa vào tất cả thông tin sẵn có liên quan đến lãi suất.Việc áp dụng này cho phép các ngân hàng trung ƣơng đặt các biến có liên quan khác nhau vào tính toán khi hình thành dự báo của nó. Fourcans và Vranceanu (2004) và Sauer và Sturm (2007) cũng nhấn mạnh tầm quan trọng của việc xem xét quy tắc Taylor hƣớng tới tƣơng lai trong việc phân tích các chính sách tiền tệ của ECB.

TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH

KHOA TÀI CHÍNH

BỘ MÔN TÀI CHÍNH QUỐC TẾ

ĐỀ TÀI:

CHÍNH SÁCH TIỀN TỆ CỦA

NGÂN HÀNG TRUNG ƯƠNG CÓ

THỂ ĐƯỢC MÔ TẢ BẰNG QUY

TẮC TAYLOR TUYẾN TÍNH HAY PHI TUYẾN?

MỤC LỤC

A TỔNG QUÁT BÀI NGHIÊN CỨU - 1

I GIỚI THIỆU - 1

I.1 Mục tiêu - 1

I.2 Câu hỏi nghiên cứu - 2

II CÁC NGHIÊN CỨU TRƯỚC ĐÂY - 2

II.1 Mở rộng quy tắc Taylor theo chênh lệch lạm phát và sản lượng kỳ vọng thay vì dựa vào giá trị quá khứ hoặc hiện tại - 2

II.2 Mở rộng quy tắc Taylor theo hướng xem xét tác động của các biến kinh tế khác trong thực hiện chính sách tiền tệ - 3

II.3 Xem xét giá cả tài sản trong phản ứng điều hành chính sách tiền của ngân hàng trung ương - 3

II.4 Mối quan hệ giữa chính sách tiền tệ và những chỉ số tài chính - 3

II.5 Mô hình Taylor phi tuyến - 4

III Phương pháp luận và kết quả nghiên cứu - 5

III.1 Quy tắc Taylor tuyến tính - 5

III.1.1 Mô hình quy tắc Taylor tuyến tính - 5

III.1.2 Dữ liệu, các biến và các giả thuyết bổ sung cho kiểm định: - 9

III.1.3 Kết quả thực nghiệm - 17

III.1.3.1 Phân tích đối với khu vực châu Âu - 18

III.1.3.2 Phân tích tại thị trường Mỹ và Anh: - 24

III.2 Quy tắc Taylor phi tuyến - 29

III.2.1 Mô hình quy tắc Taylor phi tuyến - 29

III.2.2 Kiểm định yếu tố tuyến tính: - 31

III.2.3 Kết quả thực nghiệm - 33

IV Kết luận: - 37

B MỞ RỘNG - 40

I GIỚI THIỆU - 40

II PHƯƠNG PHÁP NGHIÊN CỨU: - 40

III MÔ TẢ DỮ LIỆU: - 41

IV Quy trình thực hiện: - 42

IV.1 Quy tắc Taylor tuyến tính: - 42

IV.2 Quy tắc Taylor phi tuyến: - 48

V KẾT LUẬN: - 49

PHỤ LỤC - 49

Mô tả dữ liệu và cách tính - 49

Tài liệu tham khảo - 52

Các Website tham khảo - 53

1

Can central banks’ monetary policy be described

by a linear (augmented) Taylor rule or by a nonlinear rule?

Mục tiêu đầu tiên và quan trọng nhất của phần lớn Ngân hàng Trung ương (NHTƯ) của các nước trên thế giới cũng như NHNN Việt Nam là ổn định giá trị đồng tiền của quốc gia - thông qua việc kiểm soát lạm phát Trong đó, lãi suất là một trong những công

cụ điều hành chính sách tiền tệ (CSTT) của NHTƯ để đạt được mục tiêu đó

Năm 1993, nhà nghiên cứu John B Taylor, Giáo sư Đại học Stanford (Mỹ) đã tiến hành nghiên cứu thực nghiệm đối với chính sách lãi suất của Cục Dự trữ Liên bang Mỹ (Federal Reserve - FED) trong vòng một thập niên trong giai đoạn 1980-1990 và phát hiện ra rằng biến động lãi suất điều hành của FED tuân thủ theo một nguyên tắc nhất định trong mối tương quan với lạm phát và tăng trưởng kinh tế Từ quan sát trên, Taylor đã

mở rộng nghiên cứu và khái quát hóa thành một nguyên tắc điều hành lãi suất của NHTW gọi là Quy tắc Taylor (the Taylor Rule - TR)

Quy tắc Taylor cổ điển được nhiều ngân hàng trung ương sử dụng như một công cụ hữu hiệu cho việc điều hành chính sách tiền tệ Nó được xây dựng dựa trên mối quan hệ tuyến tính giữa lãi suất, lạm phát và khoảng cách sản lượng dựa vào các dữ liệu quá khứ

và hiện tại Tuy nhiên trong thời gian gần đây, sau nhiều cuộc suy thoái, khủng hoảng kinh tế diễn ra thì nhiều nghiên cứu quan sát thấy hành vi của ngân hàng trung ương

2

dường như không tuân theo quy tắc Taylor cổ điển Giờ đây các ngân hàng trung ương đang nhắm vào chênh lệch lạm phát và sản lượng kỳ vọng thay vì nhìn vào quá khứ Chính vì vậy, mục tiêu của bài nghiên cứu là tìm hiểu và phân tích liệu những hành động của các ngân hàng trung ương được mô tả bằng quy tắc Taylor cổ điển (tuyến tính) hay quy tắc phi tuyến Cùng với đó, bài nghiên cứu cũng thử đưa thêm các biến tài chính

và giá cả tài sản vào mô hình Taylor để xem xét hành vi của ngân hàng trung ương trước những tình hình biến động tài chính

I.2 Câu hỏi nghiên cứu

Dựa trên mục tiêu nghiên cứu, tác giả xem xét các ngân hàng trung ương lớn gồm ngân hàng trung ương Anh (BOE), ngân hàng trung ương châu Âu (ECB), Cục Dự trữ Liên bang Hoa Kỳ (FED) và trả lời các câu hỏi sau:

1 Chính sách tiền tệ có thể được mô tả bởi quy tắc Taylor tuyến tính hay phi tuyến?

2 Việc xem xét ảnh hưởng của các biến tình hình tài chính vào quy tắc Taylor

có phù hợp không?

3 Các ngân hàng trung ương trên phản ứng giống nhau hay khác nhau với các biến tình hình tài chính?

4 Các ngân hàng trung ương đang sử dụng quy tắc Taylor dạng nào?

II CÁC NGHIÊN CỨU TRƯỚC ĐÂY

II.1 Mở rộng quy tắc Taylor theo chênh lệch lạm phát và sản lượng kỳ vọng thay vì dựa vào giá trị quá khứ hoặc hiện tại

Clarida và cộng sự (1998, 2000) đã đề nghị vấn đề này sau khi quan sát trong thực

tế các ngân hàng trung ương không hẳn chỉ dựa vào giá trị quá khứ và hiện tại để thiết lập lãi suất mà họ còn có xu hướng dựa vào tất cả thông tin sẵn có liên quan đến lãi suất Việc áp dụng này cho phép các ngân hàng trung ương đặt các biến có liên quan khác nhau vào tính toán khi hình thành dự báo của nó Fourcans và Vranceanu (2004) và Sauer

và Sturm (2007) cũng nhấn mạnh tầm quan trọng của việc xem xét quy tắc Taylor hướng tới tương lai trong việc phân tích các chính sách tiền tệ của ECB

3

II.2 Mở rộng quy tắc Taylor theo hướng xem xét tác động của các biến kinh tế khác trong thực hiện chính sách tiền tệ

Fourcans và Vranceanu (2004) trình bày một số bằng chứng của ECB phản ứng với

sự chênh lệch tỷ giá hối đoái so với mức trung bình Một kết quả tương tự được tìm thấy bởi Chadha và cộng sự (2004) cho FED, Ngân hàng Anh và Ngân hàng Nhật Bản; bởi Lubik và Schorfheide (2007) cho ngân hàng trung ương Canada và Anh Xem xét vai trò của cung tiền tệ trong các hàm phản ứng của ECB, Fendel và Frenkel (2006) và Surico (2007b) kết luận rằng nó không ảnh hưởng trực tiếp đến hành vi của ECB nhưng nó là một công cụ tốt để dự đoán lạm phát trong tương lai

II.3 Xem xét giá cả tài sản trong phản ứng điều hành chính sách tiền của ngân hàng trung ương

Có 2 luồng ý kiến trái chiều trong việc xem xét giá cả tài sản ảnh hưởng đến quyết định chính sách tiền tệ của ngân hàng trung ương:

- Cecchetti và cộng sự (2000), Borio và Lowe (2002), và Goodhart Hofmann (2002), Sack và Rigobon (2003), Chadha và cộng sự (2004) và Rotondi và Vaciago (2005) xem xét việc ngân hàng trung ương nhắm đến mục tiêu giá cả tài sản Họ đưa ra những bằng chứng thuyết phục theo hướng đó

- Ngược lại, ông Bernanke và Gertler (1999, 2001) và Bullard và Schaling (2002) không đồng tình với kiểm soát trước đó về giá cả tài sản Họ cho rằng một khi dự báo lạm phát giá cả tài sản đã được tính toán, cơ quan tiền tệ không nên phản ứng với những biến động giá cả tài sản Thay vào đó, ngân hàng trung ương chỉ nên hành động khi dự kiến rằng chúng ảnh hưởng đến dự báo lạm phát hoặc sau khi sự bùng nổ của bong bóng tài chính để tránh thiệt hại, phản tác dụng cho nền kinh tế thực

II.4 Mối quan hệ giữa chính sách tiền tệ và những chỉ số tài chính

Driffill và cộng sự (2006) phân tích sự tương tác giữa chính sách tiền tệ và thị trường giao sau trong bối cảnh của một hàm phản ứng tuyến tính Họ tìm thấy bằng chứng về việc bao hàm giá giao sau trong hàm phản ứng của ngân hàng trung ương làm đại diện cho sự ổn định tài chính Hơn nữa, Kajuth (sắp xuất bản) chỉ ra rằng chính sách

4

tiền tệ cũng nên phản ứng đến giá nhà đất do tác động của nó lên mức tiêu thụ Vấn đề ổn định tài chính cũng được điều tra nghiên cứu bởi Montagnoli và Napolitano (2005) Họ xây dựng và sử dụng một chỉ số tình hình tài chính bao gồm tỉ giá hối đoái, giá cổ phiếu

và giá nhà theo ước lượng của quy tắc Taylor đối với một số ngân hàng trung ương Kết quả của họ cho thấy rằng chỉ số này có thể hữu ích trong việc mô hình hóa các truyền dẫn của chính sách tiền tệ Mục tiêu đầu tiên của chúng tôi khi xem xét những tăng trưởng này chỉ đơn giản là để ước lượng Quy tắc Taylor tuyến tính cho khu vực châu Âu, Mỹ và Anh- nơi mà các thông tin từ các biến tài chính được tính toán để loại bỏ một số chi tiết quan trọng (không quan trọng) của nó

II.5 Mô hình Taylor phi tuyến

Martin và Milas (2004) và Petersen (2007) Martin và Milas (2004) áp dụng mô hình (hồi quy) chuyển tiếp trơn logistic phi tuyến bậc hai cho chính sách tiền tệ của BOE

Họ tập trung các phân tích của họ về chính sách lạm phát mục tiêu thiết lập năm 1992 và tìm thấy bằng chứng về phi tuyến trong việc thực hiện các chính sách tiền tệ suốt giai đoạn 1992-2000 Họ cho thấy rằng các cơ quan tiền tệ Anh cố gắng giữ lạm phát trong một phạm vi chứ không phải là theo đuổi một điểm lạm phát mục tiêu và có xu hướng phản ứng tích cực hơn đối với việc lạm phát nằm trên phạm vi mục tiêu hơn là nằm dưới Thiếu sót duy nhất của bài nghiên cứu là không cung cấp kiểm định về tính hợp lý của

mô hình, tức là các tác giả không kiểm tra sự đúng đắn của mô hình phi tuyến của họ so với mô hình tuyến tính hoặc mô hình phi tuyến thay thế khác

Petersen (2007) áp dụng mô hình hồi quy chuyển tiếp trơn logistic đơn giản cho chính sách tiền tệ của FED trong giai đoạn 1985-2005, sử dụng một quy tắc Taylor cơ bản và phát hiện sự hiện diện của sự phi tuyến: một khi lạm phát tiếp cận đến ngưỡng nhất định, FED bắt đầu phản ứng mạnh mẽ với lạm phát Tuy nhiên, Petersen (2007) không xem xét mức độ làm trơn lãi suất hay khả năng của các quy tắc Taylor hướng tới tương lai

5

III PHƯƠNG PHÁP LUẬN VÀ KẾT QUẢ NGHIÊN CỨU

III.1 Quy tắc Taylor tuyến tính

III.1.1 Mô hình quy tắc Taylor tuyến tính

Các quy tắc sau đây được đề xuất bởi Taylor (1993) để mô tả chính sách tiền tệ ở

Mỹ trong giai đoạn 1987-1992:

̅ (1) Trong đó:

công cụ của ngân hàng trung ương trong quá trình điều hành chính sách tiền tệ

- 𝒓 : lãi suất thực

- Π t:lạm phát diễn ra tại thời điểm t

- Π*: lạm phát mục tiêu Là lạm phát mà NHTW hướng tới muốn duy trì ổn định

trong trung và dài hạn

- y t : Mức sản lượng thực tế tại thời điểm t

- 𝒚𝒕 : Mức sản lượng tiềm năng của nền kinh tế vào thời điểm t Mức sản lượng này thay đối theo từng thời điểm (thường là tăng dần) tuỳ thuộc vào năng lực sản suất của nền kinh tế

- β, γ là các hệ số lần lượt thể hiện độ nhạy cảm của chính sách lãi suất (it*) với độ

lệch của lạm phát so với lạm phát mục tiêu và của sản lượng so với mức sản lượng tiềm năng

Quy tắc này coi lãi suất danh nghĩa ngắn hạn (it*) như là một công cụ của chính sách tiền tệ và giả định rằng nó sẽ tăng nếu lạm phát (π) tăng lên cao hơn lạm phát mục tiêu (π*) hoặc nếu sản lượng (y) tăng cao hơn xu hướng hoặc giá trị tiềm năng (y*) Do

đó, β chỉ ra độ nhạy cảm của chính sách lãi suất đối với khoảng cách lạm phát so với mục tiêu và γ chỉ ra độ nhạy cảm của lãi suất đối với khoảng cách sản lượng Trong trạng thái cân bằng, chênh lệch của lạm phát và sản lượng so với giá trị mục tiêu bằng 0, do đó lãi suất ngân hàng trung ương mong muốn (i*) là tổng lãi suất thực cân bằng ( ̅ ) cộng với giá trị lạm phát mục tiêu

6

Quy tắc nguyên mẫu của Taylor (1993) xem xét độ lệch lạm phát trong bốn quý vừa qua so với giá trị mục tiêu Tuy nhiên, trong thực tế, ngân hàng trung ương không những nhắm đến gía trị lạm phát trong quá khứ hay hiện tại mà còn nhắm tới giá trị lạm phát kỳ vọng Vì lý do đó, Clarida và cộng sự (1998) đề nghị việc sử dụng một phiên bản

“forward-looking” của Quy tắc Taylor Phiên bản này cho phép các ngân hàng trung ương đưa các biến có liên quan khác nhau vào tính toán khi xây dựng dự báo lạm phát

Do đó, theo Clarida và cộng sự (1998, 2000), mức lãi suất mong muốn của trung ngân hàng ương (i*) phụ thuộc vào chênh lệch của lạm phát kỳ vọng trong k giai đoạn tới (tỷ

lệ hàng năm) so với giá trị mục tiêu và khoảng cách sản lượng mong đợi trong p giai đoạn tới Điều đó giúp tạo ra Quy tắc “forward-looking” Taylor như sau:

lý thuyết trong các tài liệu đối với việc đưa việc làm trơn lãi suất vào quy tắc Taylor, như

sự lo ngại gây ra bất ổn cho thị trường tài chính, sự tồn tại của các mâu thuẫn trong giao

7

dịch, lãi suất có thể tiến về 0 hoặc thậm chí không chắc chắn về những tác động của các

cú sốc kinh tế Như vậy, nếu ngân hàng trung ương điều chỉnh lãi suất dần về mức mong muốn, hàm động (dynamic) của mức lãi suất hiện hành so với lãi suất mục tiêu của nó có công thức như sau:

( ∑ ) ∑ với ∑ < 1 (3) Trong đó : Tổng ρj là mức độ làm trơn lãi suất và j đại diện cho số độ trễ Số độ trễ trong phương trình này thường được chọn trên cơ sở thực nghiệm để không có sự tự tương quan trong phần dư

Với ̅ ; ̃ , tác giả chèn công thức (2) vào (3), giả định rằng các ngân hàng trung ương có thể kiểm soát biến lãi suất với sai số (u) độc lập và phân phối có xác suất không đổi (u ~ iid) được đưa ra theo phương trình sau:

( ∑

) [ | ( ̃| )] ∑

(4) Đây là mô hình thường được ước tính trong các tài liệu Quy tắc này có thể dễ

dàng mở rộng bằng cách đưa vào thêm vector của m biến giải thích khác (χ) mà có thể có

khả năng ảnh hưởng tới việc thiết lập lãi suất Castro đưa thêm số hạng ( | ) vào biểu thức trong dấu ngoặc vuông ở phương trình (4), trong đó là một vector của các

hệ số gắn liền với các biến bổ sung Loại bỏ các biến dự báo không quan sát được từ phương trình này, Quy tắc có thể được viết lại như sau:

( ∑

) [ ̃ ] ∑

(5)

Trong đó sai số là tổ hợp tuyến tính của sai số dự báo của lạm phát và sản lượng, các vector của các biến ngoại sinh bổ sung và sai số

8

Công thức (5) sẽ được ước lượng theo phương pháp GMM (Generalized Method

of Moments) Theo Clarida và cộng sự (1998, 2000), phương pháp này rất thích hợp cho các phân tích kinh tế lượng của quy tắc lãi suất khi hồi quy được thực hiện trên các biến

mà ngân hàng trung ương không biết tại thời điểm ra quyết định Để thực hiện phương pháp này, điều kiện trực giao (orthogonality conditions) được áp dụng:

Ma trận trọng số tối ưu loại bỏ vấn đề phương sai thay đổi (heteroscedasticity) và tương quan chuỗi (serial correlation) trong εt được sử dụng để ước lượng Xét thấysố biến công

cụ vượt quá số các tham số được ước lượng, một số giới hạn nhận dạng quá mức (overidentification restrictions) phải được kiểm định để đánh giá tính đúng đắn của mô hình và các biến công cụ được sử dụng Trong bối cảnh đó, Kiểm định nhận dạng quá mức của Hansen (1982) (còn gọi là J-Test) được thực hiện: theo giả thuyết “không”, các biến công cụ được chọn là hợp lệ; nếu điều kiện trực giao bị bác bỏ, có nghĩa là các ngân hàng trung ương không điều chỉnh hành vi đối với các thông tin về lạm phát và sản lượng tương lai chứa trong các biến công cụ Vì trong trường hợp đó một số biến công cụ có

tương quan với ε t, điều kiện trực giao sẽ bị vi phạm, dẫn đến việc bác bỏ mô hình

Trong thực tế, để tiến hành ước lượng công thức (5), chúng ta xem xét công thức rút gọn sau đây:

̃ ∑ (7)

Trong đó: Các vector mới của các tham số có liên quan đến vector cũ như sau:

̂ ̅ ̂ ( ̂ )

III.1.2 Dữ liệu, các biến và các giả thuyết bổ sung cho kiểm định:

Các dữ liệu mà tác giả sử dụng trong nghiên cứu này là số liệu thống kê hàng tháng và chủ yếu được lấy từ số liệu được công bố bởi ba ngân hàng trung ương đã được phân tích: số liệu thống kê ECB, Fred II cho thống kê FED và thống kê BOE Một số nguồn khác cũng được Castro sử dụng, đặc biệt là dữ liệu các biến ngoại sinh bổ sung Hình 1-3 cho thấy sự biến thiên cuả các biến đã được xem xét trong phân tích chính sách tiền tệ theo từng ngân hàng trung ương

Mẫu bao gồm các giai đoạn sau: Tháng 1/1999- Tháng 12/2007 cho khu vực châu

Âu, tương ứng với thời gian mà ECB đang hoạt động; Tháng 10/1982- Tháng 12/2007 cho Mỹ, đây là thời kỳ bắt đầu sau giai đoạn "Sự giảm phát của Volcker”'; Tháng 10/1992 - tháng 12/2007 cho Vương quốc Anh, giai đoạn BOE đang hoạt động theo lạm phát mục tiêu

Castro xem xét một số thước đo lãi suất và lạm phát Tuy nhiên, trong các ước lượng, tác giả đã quyết định chọn những thước đo mà các ngân hàng trung ương tuân theo chặt chẽ và điều này cho phép so sánh dễ dàng các kết quả ước lượng giữa 3 nền kinh tế

- Đối với khu vực châu Âu chúng tôi sử dụng chỉ số lãi suất cho vay qua đêm trung bình của Euro (Eonia – Euro Overnight Index Average lending interest) như một

10

công cụ chính sách, đó là lãi suất có liên quan trực tiếp hơn tới lãi suất cơ bản (KeyIR) và điều này không phải chịu tác động từ những dao động rời rạc (Discrete Oscillation) đƣợc quan sát sau đó (xem hình 1) Tỉ lệ lạm phát là tỉ lệ thay đổi của chỉ số giá tiêu dùng hằng năm (Inflation), đây cũng là biến số tham chiếu chính trong chính sách tiền tệ của ECB

- Đối với Mỹ, lãi suất quỹ Liên bang có hiệu lực (FEDRate – effective FEDeral Reserve funds rate) đƣợc sử dụng trong ƣớc lƣợng quy tắc Taylor Biến lạm phát là tỷ lệ lạm phát lõi (CoreInfl – Core Inflation), không bao gồm giá cả mặt hàng thực phẩm và năng lƣợng và đƣợc coi là 1 định nghĩa về lạm phát mà FED đã bám sát trong thời gian qua

- Đối với Anh, chúng tôi sử dụng lãi suất tín phiếu kho bạc kì hạn ba tháng (TreasRate– Three-month Treasury Bill rate) làm lãi suất danh nghĩa, mà theo Martin và Milas (2004) và hình 3 có một mối quan hệ chặt chẽ với các công cụ lãi suất chính thức (khác nhau) đƣợc sử dụng trong giai đoạn phân tích Biến tỉ lệ lạm phát là tỷ lệ thay đổi hàng năm của chỉ số giá tiêu dùng (CPI), đó là biến số tham chiếu chính hiện tại trong chính sách tiền tệ của BOE

11

Hình 1: Sự biến thiên của các biến chính đƣợc sử dụng trong việc ƣớc lƣợng quy tắc tiền

tệ ở khu vực châu Âu (tháng 1 năm 1999-tháng 12 năm 2007)

Hình 2: Sự biến thiên các biến chính đƣợc sử dụng trong việc ƣớc lƣợng quy tắc tiền tệ ở

Mỹ (tháng 10 năm 1982-tháng 12 năm 2007)

12

Hình 3: Sự biến thiên các biến chính được sử dụng trong việc ước lượng quy tắc tiền tệ ở

Vương quốc Anh (tháng 10 năm 1992-tháng 12 năm 2007)

Đối với từng thước đo lãi suất và lạm phát, hình 1-3 cho thấy cả hai biến vẫn tương đối ổn định và ở mức thấp trong suốt hầu hết giai đoạn được xem xét ở ba nền kinh

tế được tác giả phân tích trong bài nghiên cứu này Trong cả ba trường hợp, khoảng cách sản lượng (Outp-Gap) được xây dựng bằng cách tính toán độ lệch phần trăm (log) chỉ số sản xuất công nghiệp so với xu hướng Hodrick –Prescott của nó Hình 1-3 cũng cho thấy

sự biến thiên của nó theo thời gian

Đối với việc ước lượng quy tắc tiền tệ của ECB, chúng tôi cũng xem xét vai trò của cung tiền Mục tiêu chính của ECB là ổn định giá hay chính xác hơn, để giữ lạm phát thấp và gần bằng 2% trong trung hạn Tuy nhiên, chiến lược này cũng dựa trên khuôn khổ với hai phân tích chính: phân tích kinh tế và phân tích tiền tệ Khoảng cách sản lượng được tác giả sử dụng để nắm bắt được hành vi của nền kinh tế; để kiểm soát vai trò của tiền tác giả đưa vào trong mô hình tốc độ tăng trưởng của cung tiền M3 (M3) Về lý thuyết, chúng tôi kì vọng ECB sẽ tăng lãi suất khi M3 cao hơn so với mục tiêu 4,5% theo

tế của mỗi biến tại mỗi thời điểm cụ thể Vì vậy, bước tiếp theo được dành cho việc xây dựng một chỉ số tình hình tài chính (FCI – Financial Conditions Index) được thiết kế để nắm bắt những bất ổn trong thị trường tài chính Một số chỉ số tiền tệ và tài chính đã được tác giả sử dụng trong tài liệu như một thước đo về các quan điểm chính sách tiền tệ

và các điều kiện tổng cầu Do đó, tác giả kỳ vọng rằng những chỉ số như vậy có thể nắm bắt sự phát triển hiện tại của thị trường tài chính và diễn tả tốt hoạt động của nền kinh tế trong tương lai Những chỉ số này cũng có thể chứa một số thông tin hữu ích về áp lực lạm phát tương lai, đây cũng là một yếu tố mà ngân hàng trung ương sẽ đưa vào xem xét trong hàm phản ứng Thông thường, biến FCI được tính từ bình quân gia quyền của lãi suất thực ngắn hạn, tỷ giá hối đoái thực có hiệu lực (Real Effective Exchange Rate – REER), giá cổ phiếu thực và giá bất động sản thực Hai biến đầu tiên đo lường tác động của sự thay đổi chính sách tiền tệ đối với cầu nội địa và nước ngoài, trong khi hai biến còn lại ảnh hưởng lên tổng cầu

Trong phân tích này, bên cạnh việc tính toán FCI, Castro cũng xây dựng một chỉ

số FCI mở rộng (EFCI – Extended Financial Conditions Index) từ bình quân gia quyền của REER, giá cổ phiếu thực và giá bất động sản thực cộng với chênh lệch tín dụng (Credit Spread) và chênh lệch lãi suất giao sau (futures interest rate spread) Dựa theo công trình của Montagnoli và Napolitano (2005), Castro sử dụng một thuật toán Kalman Filter để xác định trọng số của từng tài sản Thủ tục này cho phép những trọng số đó có thể thay đổi theo thời gian Goodhart và Hofmann (2001) đề xuất các phương pháp khác

để tính toán các chỉ số tài chính - như ước lượng mô hình SVAR hoặc ước lượng đơn

14

giản một phương trình tổng cầu dạng thu gọn - trong đó họ giả định rằng trọng số kết hợp với mỗi biến là cố định Tuy nhiên, trong thực tế, tầm quan trọng của các yếu tố kinh tế thay đổi theo chu kì kinh tế Do đó, tác giả loại bỏ giả thiết về trọng số cố định và cho phép thay đổi cơ cấu theo thời gian Theo quan điểm của ngân hàng trung ương, biến số chênh lệch tín dụng và chênh lệch lãi suất giao sau có thể chứa đựng những thông tin khác liên quan đến tính ổn định và các kì vọng của thị trường Chênh lệch tín dụng được coi như là chỉ báo tốt về chu kì kinh tế và khủng hoảng tài chính; và sự thay đổi trong chênh lệch lãi suất giao sau cung cấp thông tin về mức độ biến động trong giá trị kì vọng của các tác nhân kinh tế mà ngân hàng trung ương đang hướng tới việc làm giảm

Để xem xét tầm quan trọng của các biến tài chính trong việc thực hiện chính sách tiền tệ, chúng tôi mở rộng mô hình của Rudebusch và Svensson (1999) bằng cách thêm những biến đó vào phương trình IS Kết quả là một phiên bản “backward-looking” đơn giản trong đó nền kinh tế được xác định bởi đường cong Phillip và đường cong IS:

15

báo đơn giản và sau đó được đưa vào quy tắc tiền tệ của ngân hàng trung ương để kiểm tra xem họ có phản ứng với thông tin này hay không và họ phản ứng như thế nào khi họ thiết lập lãi suất

Vì tác giả cho phép các hệ số thay đổi theo thời gian, điều này có nghĩa là 1 thay đổi không quan sát được trong bất kì hệ số bijt nào đó đều có thể được ước lượng bằng cách sử dụng bộ lọc Kalman thông qua phương trình trạng thái không gian (state – space):

̃ phương trình đo lường (measurement equation)

phương trình chuyển tiếp (transition equation)

Tại đó: các sai số được giả định là nhiễu trắng độc lập với với các ma trận phương hiệp phương sai tạo ra bởi: Var ( ) = Q và Var ( ) = R , và với Var ( ) = 0, với mọi

sai-t và s X là ma sai-trận của các biến giải sai-thích cộng với mộsai-t hằng số, sai-tấsai-t cả các biến bị sai-trễ mộsai-t

kì Vector trạng thái có chứa tất cả các hệ số góc được thay đổi theo thời gian Giả định rằng chúng tuân theo quá trình bước ngẫu nhiên (random walk process), ma trận F

sẽ bằng ma trận đơn vị Bộ lọc Kalman cho phép chúng ta tìm được mối quan hệ giữa khoảng cách sản lượng và các biến giải thích của nó Thuật toán đệ quy này ước lượng vector trạng thái như sau:

| | ̃ | (11)

Tại đó: Ht-1=FPt-1│t-1F′ + R , Pt│t = Ht-1 – Ht-1X(X′Ht-1X + Q)-1ZHt-1 (đó là bình phương sai số trung bình của t) và | là giá trị dự báo của vector trạng thái tại thời điểm t , dựa theo thông tin có sẵn ở kỳ trước (t - 1) Sử dụng bộ lọc này chúng ta có thể khôi phục lại các vector không quan sát được của những hệ số thay đổi theo thời gian Các trọng số gắn liền với mỗi biến thu được như sau: | | ∑ | | tại đó là

hệ số ước lượng của biến xi trong thời điểm t EFCI tại thời điểm t được tích số của véc tơ

tỉ trọng và véc tơ của 5 biến tài chính ở trên tức là:

16

Sau đó EFCI được đưa vào trong các quy tắc tiền tệ được xác định cho mỗi ngân hàng trung ương Vì những biến này chứa thông tin có giá trị về tình trạng tài chính của nền kinh tế, cũng như các thông tin về hoạt động kinh tế trong tương lai và áp lực lạm phát trong tương lai, Castro mong đợi một phản ứng của các ngân hàng trung ương đối với sự thay đổi của các biến này Đặc biệt, tác giả kì vọng sự tăng lãi suất khi chỉ báo này được cải thiện; trái lại, điều kiện tài chính hạn chế hơn sẽ đòi hỏi một sự cắt giảm lãi suất Tác giả sử dụng chỉ số này tránh sự phê phán từ một số tác giả khác cho rằng ngân hàng trung ương không nên tập trung vào giá cả tài sản ngân hàng trung ương có thể không làm điều đó trực tiếp tại mọi thời điểm đối với mỗi tài sản, nhưng bài nghiên cứu này cho thấy các ngân hàng trung ương có thể thu được một số thông tin bổ sung từ sự biến động của các biến số giá cả tài sản cũng như từ các biến tài chính khác khi thiết lập lãi suất Cuối cùng, vì tầm quan trọng về mặt kinh tế của các biến tài chính này thay đổi qua thời gian, Castro cũng đưa ra khả năng ngân hàng trung ương sẽ gán cho các biến này các trọng số khác nhau qua thời gian

Trong bài nghiên cứu này, Castro sử dụng dữ liệu quá khứ có hiệu chỉnh (ex-post revised data) Orphanides (2001) cho rằng các phản ứng bằng chính sách được ước lượng nếu dựa trên dữ liệu quá khứ có hiệu chỉnh sẽ có khả năng đưa ra những mô tả sai lệch về chính sách tiền tệ Vì lí do đó, Orphanides gợi ý việc sử dụng dữ liệu thời gian thực (real-time data) trong việc phân tích các quy tắc chính sách tiền tệ Dữ liệu thời gian thực tức

là dữ liệu có sẵn tại thời điểm ngân hàng trung ương đưa ra quyết định về lãi suất Tuy nhiên, Sauer và Sturm (2007) chỉ ra rằng việc sử dụng các dữ liệu thời gian thực cho khu vực châu Âu thay vì dữ liệu quá khứ thì không dẫn đến các kết quả khác nhau đáng kể

Do chất lượng của các dự báo về sản lượng và lạm phát đã tăng lên trong những năm qua, những sai lệch này ít đáng kể hơn và ít vấn đề hơn, đặc biệt là trong trường hợp ở khu vực châu Âu Vì lý do đó Castro chủ yếu dựa vào dữ liệu quá khứ trong bài phân tích này Tuy nhiên, trong phân tích tính vững tác giả vẫn cung cấp những kết quả sử dụng dữ liệu thời gian thực của khoảng cách lạm phát và khoảng cách sản lượng đối với khu vực châu Âu Vì biến số sản lượng công nghiệp được hiệu chỉnh thường xuyên, tác giả cũng

17

đưa vào mô hình biến thay thế tập hợp thông tin có liên quan đến tình trạng hoạt động của nền kinh tế: tỷ lệ thất nghiệp (UR – Unemployment rate)

III.1.3 Kết quả thực nghiệm

Trước khi tiến hành ước lượng mô hình, Castro đã xem xét một số vấn đề:

Đầu tiên, thời kỳ mẫu phải đủ dài để chứa đủ những thay đổi về lạm phát, sản lượng, EFCI để xác định hệ số góc Dựa theo các Hình 1-3, tác giả kết luận rằng khoảng cách sản lượng trình bày đầy đủ các biến động trong ba nền kinh tế, nhưng mức độ biến động ít của lạm phát đối với khu vực châu Âu và vương quốc Anh cho thấy rằng phản ứng lãi suất đến lạm phát phải được phân tích cẩn thận vì nó chỉ có thể đại diện cho hành

vi của ECB và BOE trong một thời kỳ ổn định lạm phát Sự biến động thấp của EFCI trong ba nền kinh tế cũng khiến Vitor Castro phải phân tích một cách kỹ càng

Thứ hai, điều cần thiết là các biến đưa vào mô hình ước lượng phải có tính dừng Kiểm định nghiệm đơn vị(unit root) và kiểm dịnh tính dừng (stationarity test) cho các biến xem xét trong nghiên cứu này được trình bày trong bảng 1

18

Ghi chú: DF: Dickey-Fuller (1979) kiểm định nghiệm đơn vị, NP: Ng-Perron (2001) kiểm định nghiệm đơn vị MZt (kiểm định MZa, MZB và MPT đưa ra kết quả tương tự KPSS kiểm định tính dừng của Kwiatkowski-Phillips- Schmidt-Shin (1992)

+ Nghiệm đơn vị bị bác bỏ ở mức ý nghĩa 10% = tính dừng

+ Tính dừng không bị bác bỏ ở mức ý nghĩa 10%

Do các kiểm định này có cường độ (power) yếu và hiệu quả kém đối với mẫu nhỏ, tác giả trình bày cả kết quả của hai kiểm định nghiệm đơn vị khác nhau ( Dickey và Fuller , năm 1979; Ng và Perron , 2001) và kết quả của kiểm định tính dừng KPSS (1992)

là để xem liệu cường độ có phải là một vấn đề ảnh hưởng tới kiểm định hay không Đối với khu vực châu Âu, cường độ của kiểm định nghiệm đơn vị dường như có ảnh hưởng tới chất lượng kiểm định Do thời gian mẫu nhỏ nên chúng không thể bác bỏ nghiệm đơn

vị trong một số biến Tuy nhiên, kiểm định KPSS có thể cung cấp bằng chứng về tính dừng cho tất cả các biến (trừ M3) ở châu Âu Ở Anh và Mỹ, hầu hết các biến cũng đã được chứng minh là có tính dừng

III.1.3.1 Phân tích đối với khu vực châu Âu

Các kết quả ước lượng của quy tắc Taylor áp dụng ở khu vực châu Âu trong giai đoạn tháng 1/1999 - tháng 12/2007 được Castro trình bày trong Bảng 2

vì Yield10yr và trong hồi quy 14 được sử dụng cả hai Sai số chuẩn mạnh mẽ (hiệp phương sai không đồng nhất và

20

tự tương quan phù hợp ) với Newey-West/Bartlett và 3 độ trễ được tính toán và Thống kê t được trình bày trong dấu ngoặc đơn; mức ý nghĩa mà tại đó các giả thuyết H0 bị từ chối: *** , 1 %; ** , 5 %; và * , 10% ước tính của π* ( = (r - α) / (β -1) ) giả định rằng lãi suất thực cân bằng dài hạn bằng trung bình mẫu của nó (ở đây , r = 1,02 ) giá trị p-value của thử nghiệm thống kê của Hansen được báo cáo trong dấu ngoặc vuông Schwartz Bayesi Information Criterion (SBIC) được tính như sau: SBIC = N * ln (RSS) + k * ln ( N ), trong đó k là số biến hồi quy , N là số quan sát và RSS là tổng bình phương số dư DW là số liệu thống kê Durbin –Watson.)

Thống kê t được trình bày trong dấu ngoặc đơn Đối với mỗi mô hình hồi quy, chúng tôi tính toán ước lượng mục tiêu lạm phát ngầm (implicit inflation target) mà ECB theo đuổi (π*) R2 hiệu chỉnh,kiểm định sự tự tương quan Durbin-Watson và giá trị SBIC (Schwart Bayesian Information Criterion) cũng được thể hiện cho mỗi hàm hồi quy Cột

1 trình bày kết quả của quy tắc Taylor theo ý tưởng của Taylor (1993), tức là không có bất kể một hành vi forward-looking nào của ngân hàng trung ương hoặc làm trơn biến lãi suất Mặc dù các giá trị ước lượng của khoảng cách sản lượng OutpGap và π* là hợp lý, nhưng kết quả cho thấy mô hình ước lượng đơn giản này không thể nắm bắt được phản ứng của ECB đối với tỷ lệ lạm phát Điều này có nghĩa là chính sách tiền tệ của ECB không tuân theo quy tắc tuyến tính Taylor cơ bản Nhưng nó cũng có thể được mô tả bởi một quy tắc tiền tệ có xem xét các giá trị kỳ vọng trong tương lai, bên cạnh các thông tin quá khứ và hiện tại Do đó, tác giả tiến hành ước lượng quy tắc forward-looking Taylor ở khu vực châu Âu

Mô hình GMM được Castro sử dụng để dự báo quy tắc Taylor có làm trơn lãi suất Tác giả cho rằng biến lãi suất lấy độ trễ bằng 1 là đủ để loại bỏ tất cả tương quan chuỗi trong sai số Giới hạn thời gian trong tương lai (từ nay gọi là horizon) của biến lạm phát

và khoảng cách sản lượng được chọn tương ứng là một năm (12 tháng =>k = 12) và 3 tháng (p = 3) Những horizon này đã được lựa chọn bằng cách sử dụng tiêu chí SBIC

Tập hợp các biến công cụ bao gồm một hằng số và những giá trị trễ từ 1-6, 9 và 12 của biến Inflation, OutpGap, Yield10yr và M3 Để kiểm định tính đúng đắn của các công

cụ, Castro trình bày các kết quả từ các kiểm định nhận dạng quá mức của Hansen (1982), tức là thống kê J của Hansen và p-value tương ứng Bảng 2 cho thấy các biến công cụ được khẳng định là phù hợp với mọi mô hình hồi quy Các sai số chuẩn đã loại bỏ vấn đề

Bên cạnh việc quan tâm tới lạm phát, ECB cũng phản ứng chu kỳ kinh tế: 1% gia tăng trong khoảng cách sản lượng tạo ra sự gia tăng lãi suất khoảng 2%

Tác giả cũng ước lượng được giá trị của lạm phát mục tiêu ngầm trong mô hình này là * = 2.32, điều này chỉ ra rằng lạm phát mục tiêu ngầm của ECB trong thực tế chỉ cao hơn không nhiều so với mục tiêu 2% được công bố Trong thực tế, các dữ liệu Hình 1

về sự thay đổi của tỷ lệ lạm phát là phù hợp với kết quả này : lạm phát thấp hơn (nhưng gần) mức 2,3-2,4 % trong đa số các thời điểm, nhưng nói chung vẫn trên mục tiêu chính thức là 2% Điều này nghĩa là ECB rất kiên quyết trong việc thiết lập lạm phát mục tiêu chính thức để cho thấy ngân hàng trung ương này rất quan tâm tới vấn đề kiểm soát lạm phát (như ngân hàng trung ương của Đức, Bundesbank, trước đây) Tuy nhiên, mặc dù ECB kiên quyết, nhưng chính sách của ECB vẫn có sự linh hoạt nhằm đối phó với sự chênh lệch giữa các nền kinh tế của khu vực châu Âu

Tiếp theo, Castro mở rộng mô hình cơ sở xem xét các yếu tố khác mà ngân hàng trung ương có thể xem xét khi xác định lãi suất Theo lý thuyết về tiền tệ, ECB nên quan tâm tới tỷ lệ tăng trưởng của M3 Tuy nhiên, khi M3 được đưa vào trong mô hình (cột 3), tác giả lại không phát hiện được bất kỳ tác động nào từ M3 Kết quả khẳng định ECB không quan tâm tới cung tiền, vì thế biến này nên được loại bỏ khỏi công thức Nhưng vì biến này thường cung cấp các thông tin có giá trị trong việc dự báo lạm phát, nó nên được xem là một biến công cụ

Castro đưa thêm các chỉ số tình hình tài chính vào quy tắc tiền tệ của ECB, và ông

đã trình bày một kết quả đáng chú ý: kết quả chỉ rằng ECB không chỉ phản ứng với lạm

22

phát và tình hình kinh tế (tức là output gap) mà còn phản ứng với tình hình tài chính khi xác định tỷ lệ lãi suất Bằng chứng cung cấp trong cột 4 và 5 trong bảng 2 cho thấy rằng tình hình tài chính ở khu vực châu Âu sẽ được ổn định bằng việc tăng tỷ lệ lãi suất Ví dụ, 1% gia tăng trong EFCI dẫn đến gia tăng 0.706% trong lãi suất Vì chỉ số này bao gồm các thông tin bổ sung và có giá trị liên quan đến diễn biến các hoạt động kinh tế và áp lực lạm phát trong tương lai, phản ứng với tình hình tài chính cũng là một cách mà ECB quan tâm gián tiếp đến lạm phát mục tiêu và ngăn chặn sự mất cân bằng tài chính có thể gây tổn hại đến sự ổn định kinh tế Đây là một kết quả rất đáng ghi nhận, và công trình của Castro trở thành bài phân tích đầu tiên cung cấp bằng chứng rằng ECB không chỉ thúc đẩy sự ổn định tiền tệ, mà còn cố gắng thúc đẩy sự ổn định tài chính cần thiết Điều này

có nghĩa là chính sách tiền tệ của ECB có thể được giải thích bởi quy tắc Taylor mở rộng (augmented Taylor rule) với việc bổ sung các thông tin về tình hình tài chính

Từ xưa tới nay, các nhà kinh tế học luôn tranh cãi về việc liệu các ngân hàng trung ương có nên quan tâm tới những biến số tài chính và cụ thể là giá cả tài sản hay không? Nghiên cứu này cung cấp một vài bằng chứng về việc đưa các biến này vào quy tắc tiền

tệ Các bài nghiên cứu trước đây chỉ đưa vào một biến giá cả tài sản hoặc một biến tài chính đơn lẻ trong mô hình mà không xem xét tầm quan trọng tương đối của mỗi biến trong từng thời điểm cụ thể Bằng việc sử dụng biến EFCI trong nghiên cứu này, Castro

đã khắc phục được vấn đề ấy và gom được tất cả các biến giá cả tài sản và biến tài chính cần thiết trong một chỉ số duy nhất là EFCI Điều này cũng tránh được vấn đề đa cộng tuyến (multicollinearity) do việc đưa tất cả các biến số này vào trong một hồi quy duy nhất tại cùng một thời điểm Tuy nhiên, để có thể so sánh trực tiếp với những nghiên cứu khác, tác giả vẫn cung cấp những kết quả về mô hình hồi quy bao gồm những thành phần của EFCI (cột 6) Ngoại trừ Credsprd, tất cả hệ số ước lượng đều mang dấu đúng như dự kiến và có ý nghĩa thống kê Tuy nhiên, lạm phát mục tiêu ngầm rất cao và không có ý nghĩa thống kê, có thể là hậu quả của vấn đề đa cộng tuyến

Bên cạnh việc ECB phản ứng với chu kỳ kinh tế của Eurozone, thì Castro cũng đặt

ra câu hỏi là liệu ECB có phản ứng với tình hình kinh tế quốc tế hay không Để nắm bắt

23

được tác động này, khoảng cách sản lượng của Mỹ (biến US_Outpgap) được sử dụng như

1 thước đo cho chu kỳ kinh tế của thế giới Các kết quả (cột 7) cho thấy rằng ECB đã chú

ý đến tình trạng hiện tại của nền kinh tế toàn cầu khi quyết định lãi suất Trong nền kinh

tế toàn cầu mở, những nỗi lo ngại về lạm phát nhập khẩu - imported inflation (hoặc sự suy thoái) gây ra bởi sự tăng trưởng cao hơn (hoặc thấp hơn) của nền kinh tế thế giới so với xu hướng sẽ được kiềm chế bằng cách nâng lãi suất (hoặc giảm) trong Eurozone

Các mô hình hồi quy tiếp theo (cột 8-14) được thiết lập để phân tích tính vững của các kết quả được trình bày từ đầu tới giờ Kiểm định tính vững đầu tiên có liên quan đến cách chọn lãi suất Vitor Castro coi Eonia là một công cụ chính sách, nhưng cho dù có sử dụng lãi suất Euribor 3 tháng (Euribor3m – Three-month Euro Interbank Offered Rate) thay cho Eonia thì các kết quả chính cũng không bị ảnh hưởng đánh kể (xem cột 8) Chỉ

có lạm phát mục tiêu ngầm là cao hơn so với kỳ vọng, cho thấy việc sử dụng Eonia là một lựa chọn hợp lý

Vì sản lượng công nghiệp khá biến động và biến số này thường xuyên được hiệu chỉnh, tác giả đưa vào một biến thay thế trong mô hình để nắm bắt phản ứng của ECB đối với tình hình kinh tế, đó là biến chênh lệch tỷ lệ thất nghiệp (UR_gap - Unemployment rate gap) Biến số này có thể cung cấp những thông tin liên quan thể hiện tình trạng của nền kinh tế trong thời điểm ngân hàng trung ương đưa ra quyết định về lãi suất Các kết quả được thể hiện trong cột 9 của bảng 2 và cho thấy rằng hệ số của biến này là âm và có

ý nghĩa thống kê cao, như dự kiến, và những kết quả khác không bị ảnh hưởng đáng kể

Cụ thể, khi tỷ lệ thất nghiệp cao hơn tỷ lệ thất nghiệp tự nhiên (hay tỉ lệ thất nghiệp dài hạn), ECB có xu hướng sẽ giảm lãi suất Kết quả quan trọng cho thấy rằng ECB không đơn giản hướng tới mục tiêu tăng trưởng kinh tế khi đưa ra quyết định chính sách, mà còn quan tâm đến thất nghiệp Ngoài ra, không có sự khác biệt đáng kể nào trong kết quả khi

sử dụng FCI thay vì EFCI (cột 10) Các kết quả xác định rằng tình hình tài chính và tình kinh tế được ECB xem xét khi ngân hàng trung ương này thực hiện chính sách

Trong cột 11 và 12, Castro sử dụng dữ liệu thời gian thực cho khoảng cách lạm phát và khoảng cách sản lượng thay vì dữ liệu quá khứ có hiệu chỉnh Tuy nhiên, việc sử

24

dụng dữ liệu thời gian thực cho châu Âu, thay vì dữ liệu quá khứ, cũng không dẫn tới những kết quả khác biệt đáng kể

Cuối cùng, trong 2 cột cuối tác giả đưa ra những phân tích độ nhạy (sensitivity analysis)

về việc lựa chọn tập hợp các biến công cụ, cụ thể là biến công cụ của lãi suất Như đã đề cập ở trên, các biến trễ của lợi suất trái phiếu chính phủ 10 năm (Yield 10yr) được đưa vào tập hợp các biến công cụ bởi chúng chứa đựng những thông tin quá khứ tốt và hữu ích về diễn biến trong tương lai của lãi suất, khiến cho lãi suất dài hạn trở thành công cụ thông tin hữu ích hơn là lãi suất ngắn hạn Tuy nhiên, theo như các tài liệu thì các biến trễ của tỷ lệ lãi suất ngằn hạn thường được đưa vào trong tập hợp các công cụ Để kiểm tra điều này có ảnh hưởng tới kết quả hay không, trong mô hình 13 chúng tôi quyết định sử dụng các biến có độ trễ 2-6, 9 và 12 của tỷ lệ lãi suất ngắn hạn (Eonia) trong tập hợp các biến công cụ thay vì các biến trễ của Yield10yr; hơn thế nữa, trong mô hình 14, chúng tôi đưa các biến trễ của cả 2 biến vào tập hợp các công cụ Các kết quả cho thấy ước lượng tuyến tính không quá nhạy khi sử dụng tỷ lệ lãi suất ngắn hạn thay vì tỷ lệ lãi suất dài hạn (hay cả hai) Vì vậy, tác giả tiếp tục sử dụng lãi suất dài hạn trong việc tập hợp thiết lập các công cụ khi xem xét các thuận lợi nêu trên

III.1.3.2 Phân tích tại thị trường Mỹ và Anh:

Trong bảng tiếp theo (bảng 3), tác giả mô phỏng một vài kết quả chính đạt được trong hai nền kinh tế khác: Hoa Kỳ và Anh Quốc Các chuỗi kết quả được trình bày khá tương tự với kết quả ở châu Âu Các ước lượng trong cột US1 và UK1 có được từ việc ước lượng quy tắc Taylor cơ bản Kết quả ở Mỹ khá tốt, nhưng ở Anh thì không Trong khi hệ số của biến lạm phát cao hơn 1 đối với Mỹ, thì nó lại thấp hơn 1 ở Anh Tuy nhiên, hai mô hình hồi quy lại gặp phải một vấn đề là sự tự tương quan (xem DW) Hơn nữa, tác giả cho rằng NGÂN HÀNG TRUNG ƯƠNG dựa vào các thông tin có sẵn, điều này đòi hỏi phải sử dụng ước lượng GMM đối với quy tắc Taylor forward-looking với sự làm trơn lãi suất

25

Bảng 3: Ƣớc lƣợng quy tắc Taylor tuyến tính cho Mỹ và Anh

Ghi chú: Xem Phụ lục cho nguồn Cột US1 và UK1 trình bày các ước tính nhỏ nhất của một quy tắc cơ bản Taylor giống với ước tính cho khu vực châu Âu Một ước lượng GMM được sử dụng trong các hồi quy khác; những horizon của lạm phát và sản lượng dự báo chênh lệch cho US (UK), tương ứng là 12 (6) và 3 (0) tháng (được lựa chọn theo SBIC; các biến khác (trừ USOutpGap ) đều lùi lại 1 thời kì để tránh các vấn đề đồng thời Việc thiết lập các công cụ của US bao gồm một hằng số, 1-6, 9, 12 giá trị độ trễ của các CoreInfl, OutpGap và Yield10yr ; bộ công cụ cho UK bao gồm một hằng số, 1-6 , 9, 12 của RPI Infl ,OutpGap , Yield10yr và FCI;độ trễ giống hệt nhau của các biến ngoại sinh khác cũng được sử dụng khi các biến được thêm vào phương trình Trong hai trường hợp, một mô hình bậc 2 điều chỉnh cục bộ phù hợp hơn với các dữ liệu so với mô hình đầu tiên để sử dụng cho khu vực châu Âu Sai số chuẩn vững chắc (hiệp phương sai không đồng nhất và tự tương quan nhất quán) với trường hợp của Newey-West/Bartlett và 3 độ trễ được tính toán và thống kê t tương ứng được trình bày trong dấu ngoặc đơn Việc ước tính của r* giả định rằng về lâu dài lãi suất thực tế cân bằng bằng trung bình của mẫu (ở đây, r = 2,27 đối với US và r = 3.41 đối với UK) P-value của kiểm định đã qua điều tra của Hansen được trình bày trong dấu ngoặc vuông Biến lạm phát được sử dụng trong hồi quy UK8 là lạm phát RPIX Hồi quy trong cột US7 được ước tính trong khoảng thời gian trong đó Alan Greenspan là Chủ tịch FED tại ( tháng 8 - 1987 - tháng 1- 2006 ) Hồi quy trong cột US8 và UK9 ước tính trong giai đoạn tháng 1- 1999 - tháng 12 - 2007 ( trong khoảng thời gian này (r = 1.41 cho US và r = 3.13 cho UK) Để biết thêm thông tin chi tiết xem Bảng 2