Nghiên cứu phần bù rủi ro trong trạng thái ngang giá lãi suất không phòng ngừa

Bằng việc sử dụng mô hình tổng quát này để đo lường độ biến động của tỷ giá, nghiên cứu này mong muốn sẽ xác định được tác động toàn diện của phần bù rủi ro trong lý thuyết UIP, từ đó ph

PHAN THANH TÙNG

NGHIÊN CỨU PHẦN BÙ RỦI RO TRONG

TRẠNG THÁI NGANG GIÁ LÃI SUẤT KHÔNG

PHÒNG NGỪA

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

Người hướng dẫn khoa học PGS.TS NGUYỄN THỊ LIÊN HOA

TP.HỒ CHÍ MINH - 2014

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quả nêu trong bài nghiên cứu là trung thực và chưa từng được công bố trong bất kỳ công trình nghiên cứu nào khác

Tác giả đề tài nghiên cứu (ký và ghi rõ họ tên)

Phan Thanh Tùng

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC HÌNH

TÓM TẮT ĐỀ TÀI 1

CHƯƠNG 1: GIỚI THIỆU 2

1.1 Lý do thực hiện đề tài 2

1.2 Mục tiêu nghiên cứu 3

1.3 Phương pháp nghiên cứu 3

1.4 Phạm vi nghiên cứu 4

1.5 Kết cấu bài nghiên cứu 4

1.6 Đóng góp của bài nghiên cứu 4

CHƯƠNG 2: LÝ THUYẾT “NGANG GIÁ LÃI SUẤT KHÔNG PHÒNG NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN 6

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

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

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

2.3.1 Kỳ vọng không hợp lý 13

2.3.2 Phần bù rủi ro thay đổi theo thời gian 14

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU 23

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

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

3.3 Xây dựng mô hình nghiên cứu thực nghiệm 32

3.4 Tiến trình nghiên cứu thực nghiệm 38

3.5 Mô tả biến nghiên cứu và nguồn dữ liệu 39

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM 41

4.1 Kết quả kiểm định tính dừng 41

4.2 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng phương pháp Bình phương nhỏ nhất 43

4.3 Kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” bằng mô hình CGARCH-M 46

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA BÀI NGHIÊN CỨU 59

5.1 Kết luận 59

5.2 Hạn chế và hướng phát triển 59

DANH MỤC TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

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

ARCH Dị phương sai tự hồi quy (Autoregressive Conditional

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

Generalized Autoregressive Conditional Heteroskedasticity) CGARCH-M Dị phương sai tự hồi quy thành phần tổng quát trong trung bình

(Component Generalized Autoregressive Conditional Heteroskedasticity in Mean)

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

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

Conditional Heteroskedasticity) IRP Ngang giá lãi suất (Interest Rate Parity)

MAS Ngân hành trung ương Singapore (Monetary Authority of

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

Co-operation and Development) OLS Phương pháp Bình phương nhỏ nhất (Ordinary Least Square)

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

Parity) USD Đồng đô la Mỹ (United States dollar)

DANH MỤC CÁC BẢNG

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

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

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

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

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

Bảng 4.5: Kết quả kiểm định hiệu ứng ARCH 46

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

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

Bảng 4.8: So sánh mức độ bền vững của thành phần ngắn hạn và dài hạn của biến động tỷ giá hối đoái 51

DANH MỤC HÌNH

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

OECD .……… ……… 10 Hình 4.1: Kết quả kiểm định nghiệm đơn vị bằng phương pháp Perron (1997) đối

với biến chênh lệch lãi suất của Thái Lan ……… 42 Hình 4.2: Đồ thị chênh lệch lãi suất giữa Thái Lan và Mỹ, giai đoạn Q1/1992 –

Q1/2013……… …… 43

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

trong giai đoạn Q1/1998 – Q4/2006 ……….……… … 53 Hình 4.4: Độ lệch chuẩn có điều kiện của biến thay đổi tỷ giá hối đoái ở các quốc

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

TÓM TẮT ĐỀ TÀI

Mục tiêu của nghiên cứu này là nhằm phân tích tác động của phần bù rủi ro thay đổi theo thời gian trong trạng thái “Ngang giá lãi suất không phòng ngừa” Mô hình CGARCH-M được áp dụng nhằm mô hình hóa độ biến động của tỷ giá hối đoái, trong đó biến động này sẽ tuân theo một xu hướng dài hạn, và tồn tại những dao động trong ngắn hạn lệch khỏi xu hướng này Kết quả nghiên cứu cho thấy hệ

số ước lượng tương ứng với biến chênh lệch lãi suất nhận giá trị âm, có nghĩa khi lãi suất nội địa tăng cao hơn so với nước ngoài thì đồng nội tệ lại tăng giá, cho thấy diễn biến tỷ giá thực tế lệch khỏi dự báo của lý thuyết UIP Đồng thời, phần bù rủi

ro có tồn tại ở tất cả các quốc gia được nghiên cứu, cho thấy phần bù rủi ro có vai trò quan trọng, cần được quan tâm trong các mô hình nghiên cứu lý thuyết cũng như thực nghiệm về tỷ giá hối đoái Ngoài ra, dữ liệu từ các quốc gia đang phát triển cũng không thể cho thấy sự tồn tại của UIP như một số các nghiên cứu trước đã gợi

ý

CHƯƠNG 1: GIỚI THIỆU

1.1 Lý do thực hiện đề tài

Với sự phát triển của thị trường tài chính quốc tế và xu hướng toàn cầu hóa, dòng chu chuyển vốn quốc tế giữa các quốc gia trên thế giới được đẩy mạnh thông qua việc giao dịch các tài sản tài chính Do đó, các lý thuyết về ngang giá lãi suất đóng vai trò nền tảng cho các quyết định của các nhà đầu tư Trong đó, “Ngang giá lãi suất không phòng ngừa” (Uncovered Interest rate Parity - UIP) là một trong những lý thuyết quan trọng nhất được sử dụng trong nghiên cứu tài chính quốc tế và kinh tế vĩ mô, đồng thời là giả định chủ chốt trong nhiều lý thuyết về xác định tỷ giá hối đoái

Theo lý thuyết này, khác biệt về lãi suất giữa hai quốc gia sẽ được bù trừ bằng thay đổi trong tỷ giá hối đoái giữa đồng tiền của hai quốc gia đó Cụ thể, nếu một quốc gia có lãi suất cao tương đối so với quốc gia khác thì đồng tiền quốc gia đó sẽ giảm giá tương đương với chênh lệch lãi suất, dẫn đến việc đầu tư ra nước ngoài nhằm tận dụng mức lãi suất cao sẽ tạo ra tỷ suất sinh lợi bình quân vẫn bằng với tỷ suất sinh lợi thu được khi đầu tư trong nước Tuy nhiên, trên thực tế, những đồng tiền của các quốc gia có lãi suất thấp có khuynh hướng giảm giá so với đồng tiền của các quốc gia có lãi suất cao Hiện tượng này được xác nhận bởi nhiều nghiên cứu tiến hành với nhiều quốc gia và trong những khung thời gian khác nhau, cho thấy có sự mâu thuẫn giữa bằng chứng thực nghiệm và những dự báo của lý thuyết UIP Nhìn chung vẫn chưa có sự thống nhất trong việc giải thích sự thất bại của UIP Trong bối cảnh đó, lý thuyết UIP cần được tiếp tục nghiên cứu kỹ lưỡng nhằm đưa ra được một kết luận thống nhất cho sự tồn tại của lý thuyết này

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

ba hướng nghiên cứu chính: kỳ vọng không hợp lý của các nhà đầu tư, mối quan hệ phi tuyến giữa chênh lệch lãi suất - thay đổi tỷ giá hối đoái, và biến động theo thời

gian của phần bù rủi ro Bài nghiên cứu này sẽ tập trung vào yếu tố phần bù rủi ro thay đổi theo thời gian, được ước lượng thông qua mô hình “Dị phương sai tự hồi quy thành phần tổng quát” (Component Generalized Autoregressive Conditional Heteroskedasticity - CGARCH) Đây là mô hình đã được chứng minh là có hiệu quả cao trong việc giải thích độ biến động của tỷ giá hối đoái, bởi lẽ nó cho phép tách biệt biến động của tỷ giá hối đoái thành một xu hướng trong dài hạn và những dao động trong ngắn hạn lệch khỏi xu hướng đó Bằng việc sử dụng mô hình tổng quát này để đo lường độ biến động của tỷ giá, nghiên cứu này mong muốn sẽ xác định được tác động toàn diện của phần bù rủi ro trong lý thuyết UIP, từ đó phần nào giải thích được câu đố về “Ngang giá lãi suất không phòng ngừa” trong lý thuyết tài chính quốc tế hiện đại

1.2 Mục tiêu nghiên cứu

Đề tài đi sâu vào việc nghiên cứu thực tiễn “Ngang giá lãi suất không phòng ngừa” tại một số quốc gia Đông Nam Á, trong điều kiện có xem xét đến yếu tố phần

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

 Phần bù rủi ro thay đổi theo thời gian có phải là yếu tố quan trọng cần xem xét đến trong việc nghiên cứu “Ngang giá lãi suất không phòng ngừa” tại các quốc gia Đông Nam Á ?

 Giữa hai nhân tố: cú sốc đối với những yếu tố cơ bản của nền kinh tế và cảm tính của các nhà đầu tư trên thị trường, nhân tố nào sẽ ảnh hưởng lâu dài đến biến động của tỷ giá hối đoái?

1.3 Phương pháp nghiên cứu

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

ro trong UIP Phương pháp này cho phép phần bù rủi ro thay đổi theo thời gian và phân tách phần bù này thành xu hướng biến động trong dài hạn và những dao động trong ngắn hạn Ngoài ra, với mục đích đảm bảo rằng kết quả ước lượng của mô hình CGARCH-M là đáng tin cậy, trước hết các biến nghiên cứu sẽ được kiểm định

tính dừng trong điều kiện có xem xét đến “điểm gãy cấu trúc” có thể xuất hiện trong khung thời gian nghiên cứu

1.4 Phạm vi nghiên cứu

Bài nghiên cứu tập trung vào các quốc gia Đông Nam Á bao gồm: Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam Ngoài ra, Nhật Bản cũng được nghiên cứu với mục đích so sánh Các quốc gia này được nghiên cứu trong mối tương quan với Mỹ, trong đó Mỹ luôn đóng vai trò là nước ngoài, USD là ngoại tệ Khung thời gian nghiên cứu là từ quý 1/1992 đến quý 1/2013, và từ quý 1/1997 đến quý 1/2013 đối với trường hợp của Việt Nam Dữ liệu được thu thập từ

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

tệ quốc tế (International Monetary Fund - IMF)

1.5 Kết cấu bài nghiên cứu

Phần tiếp theo của bài nghiên cứu dự kiến gồm 4 chương:

Chương 2 sẽ trình bày cơ sở lý thuyết “Ngang giá lãi suất không phòng ngừa”

và các nghiên cứu liên quan đến lý thuyết này cũng như là vai trò của phần bù rủi

1.6 Đóng góp của bài nghiên cứu

Dựa trên mô hình CGARCH-M, đề tài mong muốn mô hình hóa phần bù rủi ro một cách chính xác hơn các nghiên cứu trước, từ đó hy vọng sẽ góp phần giải quyết

“Câu đố về UIP” trong thị trường tiền tệ thế giới Đây cũng là một trong số ít bài nghiên cứu áp dụng mô hình CGARCH-M nhằm kiểm định “Ngang giá lãi suất không phòng ngừa”, đặc biệt là ở các quốc gia Đông Nam Á Mặc dù thất bại trong việc cung cấp bằng chứng cho sự tồn tại của UIP, nhưng bài nghiên cứu đã chỉ ra rằng phần bù rủi ro thay đổi theo thời gian là một yếu tố quan trọng cần xem xét đến khi nghiên cứu UIP Ngoài ra, bài nghiên cứu cũng cho thấy tác động bất cân xứng của cú sốc tỷ giá hối đoái lên phương sai (hay độ biến động) của chính nó, tuy không phổ biến nhưng vẫn có thể xuất hiện, tùy thuộc vào đồng tiền cũng như thời

kỳ nghiên cứu đang xem xét Do đó hiện tượng này xứng đáng nhận được sự quan tâm trong các nghiên cứu về biến động của tỷ giá hối đoái

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

NGỪA” VÀ CÁC NGHIÊN CỨU LIÊN QUAN

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

Các lý thuyết về ngang giá lãi suất đều bắt nguồn từ hoạt động kinh doanh chênh lệch (arbitrage) Đúng như tên gọi, đây là chiến lược kinh doanh nhằm tìm kiếm lợi nhuận dựa trên khác biệt của giá niêm yết của tài sản tài chính Trong phạm vi bài nghiên cứu này, tài sản tài chính được quan tâm sẽ là đồng tiền của các quốc gia Giả sử rằng lãi suất đồng ngoại tệ cao hơn lãi suất trong nước và không có chi phí giao dịch, nhà đầu tư trong nước sẽ chuyển đổi nội tệ sang ngoại tệ theo tỷ giá giao ngay hiện tại để đầu tư ra nước ngoài nhằm hưởng lãi suất cao; và đến khi đáo hạn, khoản thu thập bằng ngoại tệ sẽ được chuyển đổi lại thành nội tệ Tùy vào hành vi của các nhà đầu tư mà hai lý thuyết về ngang giá lãi suất được hình thành, bao gồm: “Ngang giá lãi suất không phòng ngừa” và “Ngang giá lãi suất có phòng ngừa”

Quay trở lại tình huống trên, nếu như nhà đầu tư lo sợ tỷ giá sẽ thay đổi làm ảnh hưởng đến kết quả kinh doanh chênh lệch, họ có thể tham gia vào một hợp đồng kỳ hạn nhằm cố định tỷ giá hối đoái vào thời điểm đáo hạn của khoản đầu tư bằng đồng ngoại tệ Chiến lược này được gọi là “Kinh doanh chênh lệch lãi suất có phòng ngừa” Hoạt động kinh doanh này sẽ tạo ra lực thị trường nhằm điều chỉnh tỷ giá giao ngay, tỷ giá kỳ hạn và lãi suất giữa hai đồng tiền, khiến cho hoạt động kinh doanh chênh lệch sẽ không còn thu được lợi nhuận vượt trội Cơ chế điều chỉnh có thể tóm tắt như sau:

 Việc dùng nội tệ để mua ngoại tệ trên thị trường giao ngay sẽ tạo áp lực làm giảm giá đồng nội tệ Như vậy, với số vốn bằng nội tệ ban đầu, các nhà đầu

tư khi chuyển đổi sang ngoại tệ sẽ thu được ít ngoại tệ hơn

 Bán kỳ hạn đồng ngoại tệ sẽ làm giảm giá kỳ hạn đồng ngoại tệ

 Dòng tiền đầu tư vào ngoại tệ sẽ tạo áp lực tăng lãi suất đồng nội tệ và giảm lãi suất ngoại tệ

Như vậy, hoạt động kinh doanh chênh lệch sẽ điều chỉnh lãi suất và tỷ giá khiến cho chiến lược kinh doanh này không còn thu được lợi nhuận tốt hơn so với đầu tư trong nước Trạng thái mà tỷ giá và lãi suất được điều chỉnh làm mất đi cơ hội tiến hành kinh doanh chênh lệch có phòng ngừa được gọi là “Ngang giá lãi suất” (Interest Rate Parity – IRP) Trong thế cân bằng này, sự khác biệt giữa tỷ giá

kỳ hạn và tỷ giá giao ngay giữa hai đồng tiền được bù đắp bằng chênh lệch lãi suất giữa hai đồng tiền đó Để minh họa cho trạng thái này, gọi rf là lợi nhuận thu được của nhà đầu tư trong nước khi tiến hành kinh doanh chênh lệch lãi suất có phòng ngừa Lợi nhuận của chiến lược này sẽ phụ thuộc vào hai yếu tố, đó là lãi suất đồng ngoại tệ và thay đổi của tỷ giá hối đoái giữa hai đồng tiền trong khoảng thời gian tiến hành đầu tư:

rf = (1+ it,k∗ )Ft,k

St – 1

Với St: tỷ giá giao ngay tại thời điểm t

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

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

Nếu “Ngang giá lãi suất IRP” tồn tại thì tỷ suất sinh lợi thu được từ kinh doanh chênh lệch có phòng ngừa sẽ bằng với lãi suất trong nước it,k , cụ thể:

rf = it,k  1 + it,k = ( 1+ i*t,k ) Ft,k

Phương trình (2.1) thể hiện nội dung của lý thuyết “Ngang giá lãi suất có phòng ngừa” Trường hợp các nhà đầu tư không phòng ngừa rủi ro tỷ giá bằng hợp đồng kỳ hạn sẽ là nội dung của lý thuyết “Ngang giá lãi suất không phòng ngừa”

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

tư bàng quan với rủi ro tỷ giá, đồng nội tệ được kỳ vọng sẽ giảm giá khi lãi suất tiền gởi đồng nội tệ cao hơn lãi suất tiền gởi ngoại tệ Đây là trạng thái cân bằng do các lực thị trường tạo ra nhằm triệt tiêu các cơ hội kinh doanh chênh lệch giá, dẫn đến

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

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

( 1 + it,k ) = ( 1+ i*t,k ) EtSt+k

với it,k (i*t+k) thể hiện lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ (ngoại tệ) tại thời điểm t của kỳ đáo hạn k; St là tỷ giá hối đoái giao ngay danh nghĩa tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ (do đó khi tỷ giá tăng đồng nghĩa với việc đồng nội tệ mất giá) và Et là giá trị kỳ vọng dựa trên các thông tin có được tại thời điểm t

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

sử dụng trong các nghiên cứu về UIP là:

Δst+k = st+k – st = α + β ( it,k – i*t,k ) + εt+k (2.3) với st ≡ ln(St) và εt+k là kỳ vọng hợp lý của sai số ước lượng Giả thuyết kiểm định

H0 của UIP là α = 0 và β = 1, đồng thời εt+k là nhiễu trắng Khi đó, một sự gia tăng trong lãi suất đồng nội tệ, tính trung bình, sẽ kéo theo sự giảm giá của đồng nội tệ với độ lớn tương đương

Ngoài ra, nếu giả định “Ngang giá lãi suất có phòng ngừa” tồn tại, thành phần chênh lệch lãi suất ở vế phải của (2.3) có thể được thay thế bằng phần bù kỳ hạn Khi đó, UIP có thể được kiểm định dựa trên phương trình (2.4) bên dưới, tương đương với (2.3), trong đó ft,k ≡ ln(Ft,k):

Δst+k = st+k – st = α + β ( ft,k – st ) + εt+k (2.4)

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

Phương trình (2.3) đã được ước lượng trong rất nhiều nghiên cứu về UIP, với những loại tiền tệ cũng như khung thời gian nghiên cứu khác nhau Trong hầu hết các nghiên cứu, giá trị ước lượng của hệ số β đều nhỏ hơn 1, thậm chí mang giá trị

âm Nghiên cứu của Froot và Thaler (1990) tổng hợp kết quả của 75 nghiên cứu về UIP đã báo cáo hệ số hồi quy β nhận giá trị âm trong phần lớn các nghiên cứu Đối với những nghiên cứu thu được giá trị β dương thì giá trị này cũng nhỏ hơn 1 Giá trị trung bình của hệ số hồi quy β thu được từ các nghiên cứu về UIP là –0.88 (Froot

và Thaler, 1990), cung cấp một bằng chứng mạnh mẽ chống lại lý thuyết UIP Giá trị β âm diễn giải ý nghĩa kinh tế đáng ngạc nhiên là khi lãi suất đồng nội tệ cao hơn

so với lãi suất ngoại tệ, đồng nội tệ lại tăng giá (thay vì phải giảm giá để bù trừ cho chênh lệch lãi suất, theo như lý thuyết UIP đã dự báo) Kết quả này được biết đến như là “Câu đố về UIP”, cho thấy lý thuyết UIP đã dự báo sai hướng di chuyển của các loại tiền tệ Ngoài ra, một thực tế rút ra từ các nghiên cứu về UIP là hệ số β không ổn định Cụ thể, Chinn và Meredith (2005) sử dụng dữ liệu theo quý của Mỹ

và 6 quốc gia OECD để ước lượng β cho từng quốc gia theo từng khung thời gian nghiên cứu khác nhau (1980-1986, 1987- 1993 và 1994-2000) Kết quả cho thấy đối với hầu hết các quốc gia, β thay đổi một cách đáng kể qua những khung thời gian khác nhau Cụ thể, đối với khung thời gian thứ nhất và thứ ba, phần lớn các giá trị ước lượng của β nhận giá trị âm; nhưng β của 5/6 quốc gia lại mang giá trị dương trong giai đoạn 1987- 1993 Đồng thời, có thể rút ra kết luận rằng mặc dù giá trị ước lượng của β có sự thay đổi, nhưng nhìn chung những trường hợp mà β có ý nghĩa thì đều nhận giá trị âm, với độ tin cậy 99% Kết quả này khẳng định lại kết quả nghiên cứu của Froot và Thaler (1990) Tổng hợp các hệ số β thu được từ nghiên cứu này thể hiện ở Hình (2.1) dưới đây

Hình 2.1: Giá trị ước lượng của hệ số β trong 3 giai đoạn khác nhau ở 6 quốc gia Mỗi cột thể hiện ước lượng điểm của β tương ứng với các giai đoạn Q1/1980-Q4/1986, Q1/1987-Q4/1993 và Q1/1994-Q4/2000 Nguồn: Chinn và Meredith (2005)

Tương tự, nghiên cứu của Frydman và Goldberg (2007) sử dụng dữ liệu tháng của Mỹ, Đức, Anh và Nhật Bản để ước lượng β qua các khung thời gian khác nhau 12/1982 –12/1984, 1/1985–12/1989, và 1/1990–12/1993 Chỉ có năm trong số chín giá trị ước lượng của β là âm, ba trong số năm giá trị đó xuất hiện ở khung thời gian thứ nhất Các giá trị dương còn lại của β thì có chênh lệch lớn, từ mức +0.53 của Nhật Bản đến +5.28 của Anh (đều trong cùng khung thời gian thứ hai)

Trước thực tế khả năng dự báo của UIP không được hỗ trợ bởi bằng chứng thực nghiệm, các nhà nghiên cứu tiến hành kiểm định UIP dựa trên những thiết lập khác nhau Trước hết có thể kể đến việc mở rộng kỳ hạn cho các biến nghiên cứu, bởi theo tranh luận của McCallum (1994) hay Meredith và Chinn (2004), trong ngắn hạn thì thất bại của UIP có thể do những cú sốc của phần bù rủi ro khi xuất hiện những thay đổi từ chính sách tiền tệ; nhưng trong dài hạn thì tỷ giá được điều chỉnh bởi các yếu tố nội tại của nền kinh tế, do đó có thể kỳ vọng rằng mối quan hệ giữa tỷ giá và lãi suất sẽ thống nhất với lý thuyết UIP trong dài hạn Meredith và Chinn (2004) hồi quy tỷ suất sinh lợi từ thời điểm t đến t+m của tỷ giá theo lợi tức trái phiếu chính phủ với nhiều loại kỳ hạn m khác nhau, có thể kéo dài đến 10 năm

Kết quả cho thấy rằng với m càng cao thì β có xu hướng tiến dần đến 1, tuy nhiên UIP vẫn bị bác bỏ đối với 3 trong số 6 cặp tiền tệ được nghiên cứu tại kỳ hạn 10 năm Tương tự, nghiên cứu của Snaith và cộng sự (2013) tiến hành với kỳ hạn trải dài từ 1 tháng đến 10 năm, khung thời gian từ 1980 đến 2006, cho thấy giá trị ước lượng của β tiến tới 1 (là giá trị theo dự báo của UIP) khi kỳ hạn tăng lên Cụ thể là

“Câu đố UIP” xuất hiện với các kỳ hạn dưới 5 năm, nhưng có xu hướng biến mất khi kỳ hạn kéo dài hơn 5 năm Mehl và Cappiello (2009) nghiên cứu UIP với lãi suất trái phiếu chính phủ kỳ hạn 5 và 10 năm, trong hai nhóm thị trường là các nước phát triển và đang phát triển, ghi nhận được rằng chênh lệch lãi suất có tác động một phần đến biến động của tỷ giá hối đoái ở các nước phát triển Ngược lại, ít có bằng chứng cho thấy UIP tồn tại ở các thị trường đang phát triển Do đó hai tác giả kết luận rằng sự tồn tại của UIP không hẳn dựa vào kỳ hạn nghiên cứu mà phụ thuộc nhiều hơn vào loại tiền tệ đang xem xét Kết luận này cũng thống nhất với nghiên cứu của Bekaert và cộng sự (2007)

Một nhánh nghiên cứu khác là mở rộng phạm vi nghiên cứu ra các quốc gia đang phát triển Hầu hết những nghiên cứu trước về UIP đều tập trung ở những quốc gia phát triển hơn là ở những thị trường mới nổi, nguyên nhân xuất phát từ mức độ hội nhập tài chính kém cũng như khó khăn trong việc thu thập dữ liệu của các quốc gia này Tuy nhiên, xu hướng hội nhập tài chính ngày càng sâu rộng đã cho phép các nhà nghiên cứu tiếp cận phân tích các quốc gia đang phát triển Dựa trên thực tế rằng các quốc gia này có những đặc điểm khác biệt so với các nước phát triển, đơn cử như thu nhập trên đầu người thấp hơn, lạm phát cũng như biến động của lạm phát cao hơn dẫn đến lãi suất danh nghĩa cao, dòng chu chuyển vốn thường

bị giới hạn và kiểm soát, tỷ giá hối đoái được điều hành chặt chẽ bởi hoạt động can thiệp từ ngân hàng trung ương; UIP có thể sẽ thể hiện một cách khác biệt ở các quốc gia này so với các nước phát triển (Alper và cộng sự, 2009) Do đó dữ liệu của các thị trường này cung cấp các kết quả kiểm định tốt hơn cho lý thuyết UIP (Flood và Rose, 2001) Bansal và Dahlquist (2000) kiểm định UIP với dữ liệu tỷ giá và lãi suất theo tuần của 28 quốc gia trong giai đoạn 1/1976 đến 5/1998, trong đó có 16

quốc gia đang phát triển Kết quả gợi ý rằng “Câu đố UIP” là hiện tượng dường như chỉ xuất hiện ở các quốc gia có tổng thu nhập quốc nội trên đầu người cao (các quốc gia phát triển) Bằng chứng từ các nước đang phát triển và các nước có thu nhập trên đầu người thấp ủng hộ cho lý thuyết UIP Cụ thể hơn, mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất chỉ xuất hiện ở các quốc gia phát triển có lãi suất thấp hơn lãi suất Mỹ Nói cách khác, hệ số β sẽ tiến gần đến 1 đối với những quốc gia có thu nhập đầu người thấp, xếp hạng tín nhiệm thấp, lạm phát bình quân cao và mức độ biến động của lạm phát cao Đây đều là những đặc điểm của các thị trường đang phát triển Frankel và Poonawala (2010) cũng cho thấy độ lệch khỏi “Ngang giá lãi suất không phòng ngừa” ở các thị trường đang phát triển nhỏ hơn so với các nước phát triển, dựa trên nghiên cứu dữ liệu của 14 quốc gia mới nổi trong giai đoạn 12/1996 – 4/2004 Hệ số ước lượng β tính trung bình là lớn hơn 0, đối với các trường hợp nhận giá trị âm thì cũng không khác biệt có ý nghĩa

so với 0, cho thấy độ lệch khỏi UIP ở các thị trường này ít hơn so với các nước phát triển Tuy nhiên, nghiên cứu của Mehl và Cappiello (2009) chỉ ra kết quả trái ngược, khi mà độ lệch khỏi UIP ở các nước đang phát triển trầm trọng hơn so với các nước phát triển Trong khi đó, nghiên cứu của Aysun và Lee (2014) cho thấy UIP không tồn tại ở hầu hết 28 quốc gia được nghiên cứu, bất kể đó là quốc gia phát triển hay đang phát triển Flood và Rose (2001) tiến hành nghiên cứu 13 quốc gia phát triển và 10 quốc gia đang phát triển, trong đó tập trung vào các quốc gia chịu khủng hoảng trong thập niên 90, bởi lẽ các quốc gia này có mức độ biến động của

tỷ giá và lãi suất cao, có thể cung cấp được kết quả khác biệt so với những nghiên cứu về UIP trước đây Nghiên cứu chỉ ra rằng giá trị ước lượng của β phù hợp hơn với lý thuyết UIP so với các nghiên cứu trước, tức là β nhận giá trị dương, tuy nhiên vẫn lệch xa khỏi giá trị 1 theo lý thuyết Đồng thời, tồn tại nhiều bằng chứng từ các quốc gia có độ biến động của tỷ giá và lãi suất cao ủng hộ cho UIP hơn so với các quốc gia có tỷ giá cố định; tuy nhiên tương quan giữa tỷ giá và lãi suất (xét theo UIP) thì không có khác biệt có ý nghĩa giữa 2 nhóm quốc gia giàu và nghèo (trái ngược với kết quả thu được từ nghiên cứu của Bansal và Dahlquist (2000)) Clarida

và cộng sự (2009) nghiên cứu các quốc gia thuộc nhóm G10 trong mối tương quan với Mỹ, giai đoạn 1991 – 2009, tranh luận rằng hệ số β âm tìm thấy trong các nghiên cứu trước là do độ biến động trong thời kỳ nghiên cứu, trong giai đoạn càng biến động thì β càng gần tiến tới 1

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

Ba thập kỷ kể từ khi Fama (1984) chỉ ra thất bại của UIP trong thực nghiệm, rất nhiều nghiên cứu đã theo đuổi “câu đố” này, nhưng có vẻ như các nhà kinh tế học chỉ tạm thống nhất về mối tương quan ngược chiều giữa thay đổi tỷ giá và chênh lệch lãi suất, còn về nguyên nhân dẫn đến hiện tượng này thì vẫn còn nhiều tranh cãi Theo đó, có 3 hướng nghiên cứu chính nhằm giải thích cho độ lệch khỏi UIP: kỳ vọng không hợp lý của các nhà đầu tư, biến động theo thời gian của phần

bù rủi ro và mối quan hệ phi tuyến giữa chênh lệch lãi suất - thay đổi tỷ giá hối

đoái

2.3.1 Kỳ vọng không hợp lý

Với giả định thông thường là sai số ước lượng không có tương quan với thông tin trong quá khứ, thì tỷ suất sinh lợi vượt trội của tỷ giá sẽ bằng với phần bù rủi ro (Lewis,1995) Nhiều nghiên cứu sử dụng dữ liệu điều tra để phân tách sai số ước lượng và phần bù rủi ro, nhằm thu được kết luận chính xác về vai trò của hai thành phần này đóng góp vào độ lệch khỏi UIP, điển hình như kết quả từ nghiên cứu của Frankel và Froot (1987) cho thấy tỷ giá kỳ vọng của các nhà đầu tư khác biệt có ý nghĩa so với tỷ giá hậu nghiệm, đồng nghĩa với kỳ vọng là không hợp lý Kỳ vọng không hợp lý còn thể hiện qua một hiện tượng được gọi là “Peso problem” “Peso problem” xuất hiện khi mà các nhà đầu tư tham gia vào thị trường tiên đoán có sự thay đổi chính sách trong tương lai, mặc dù những thay đổi đó không thực sự xảy ra trong thời kỳ nghiên cứu Trong tình huống này, kỳ vọng của thị trường về tỷ giá giao ngay tương lai không phù hợp với tình hình thực tế, dẫn đến diễn biến tỷ giá hối đoái sẽ sai lệch khỏi tỷ giá kỳ vọng một cách có hệ thống Và bởi vì kỳ vọng

của thị trường được phản ánh vào phần bù kỳ hạn nên độ lệch này sẽ khiến cho tỷ giá kỳ hạn không phải ước lượng chính xác cho tỷ giá giao ngay tương lai Milton Friedman là người đầu tiên sử dụng cụm từ này khi giải thích tại sao lãi suất tiền gởi của đồng peso Mexico vẫn cao hơn nhiều so với lãi suất USD trong những năm đầu thập niên 70, bất chấp tỷ giá đã được cố định suốt một thập kỉ Lý do được đưa ra là thị trường kỳ vọng peso sẽ bị phá giá, do đó lãi suất peso cao phản ánh tình trạng đồng peso yếu đi, mặc dù sự kiện này chỉ diễn ra vào năm 1976 khi chính phủ Mexico phá giá đồng peso 45% Nghiên cứu của Burnside và cộng sự (2011) tập trung vào việc giải thích cho lợi nhuận thu được từ chiến lược đầu tư “kinh doanh chênh lệch” (carry trade), bằng lý thuyết “peso problem” Đây là chiến lược đầu tư

mà ở đó những người tham gia sẽ vay các đồng tiền có lãi suất thấp với mục đích cho vay lại bằng đồng tiền có lãi suất cao Nếu UIP tồn tại, chiến lược này sẽ không đem lại lợi nhuận vượt trội Dữ liệu từ 19 loại tiền tệ khác nhau cho thấy chiến lược carry trade đem lại lợi nhuận cao hơn so với lợi nhuận thu được từ việc đầu tư vào một đồng tiền duy nhất, và tỷ số Sharpe của danh mục bao gồm các loại tiền tệ cao gần gấp đôi so với tỷ số Sharpe thu được từ thị trường chứng khoán Mỹ Lợi nhuận vượt trội này được chứng minh không xuất phát từ việc bù trừ rủi ro thị trường, mà

do nguyên nhân khác là vấn đề peso problem

2.3.2 Phần bù rủi ro thay đổi theo thời gian

Một trong những giả định của lý thuyết UIP là các nhà đầu tư bàng quan với rủi ro Tuy nhiên trên thực tế các nhà đầu tư có thể sẽ ngại rủi ro, nên họ sẽ yêu cầu một phần bù rủi ro cho việc nắm giữa tài sản có rủi ro, cụ thể ở đây là các loại tiền

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

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

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

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

với ft là log tự nhiên của tỷ giá kỳ hạn, st+1 là log tự nhiên của tỷ giá giao ngay, E(st+1) là tỷ giá giao ngay kỳ vọng dựa trên giả định kỳ vọng là hợp lý và Pt là phần

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

ft – st = E(st+1 – st) + Pt (2.6) Giả định rằng “Ngang giá lãi suất” (IRP) tồn tại (ft – st = it – i*t), phương trình (2.6) có thể chuyển đổi thành:

it – i*t = E(st+1 – st) + Pt (2.7) Thay thế phương trình (2.7) vào phương trình (2.3) ở trên:

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

sẽ được tính như sau:

β = Cov (st+1−st,E(st+1−st)+Pt)

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

Var (EtΔst+1+Pt)

= E[EtΔst+1(EtΔst+1+Pt)] – E(EtΔst+1)E(EtΔst+1+Pt)

Var (EtΔst+1) + Var (Pt) + 2Cov (EtΔst+1,Pt)

 Nếu phần bù rủi ro là hằng số, Var(Pt) = 0, thì hiệp phương sai giữa phần bù rủi ro và thay đổi tỷ giá giao ngay kỳ vọng sẽ bằng 0 (Cov(EtΔst+1,Pt) = 0) Khi đó β sẽ nhận giá trị là 1 theo như lý thuyết UIP

 Nếu tương quan giữa phần bù rủi ro và thay đổi tỷ giá kỳ vọng là ngược chiều (Cov(EtΔst+1,Pt) < 0), và phương sai của phần bù rủi ro lớn, thì giá trị ước lượng của β trong phương trình (2.3) có xu hướng nhỏ hơn 1, thậm chí nhận giá trị âm, phù hợp với hầu hết các kết quả nghiên cứu thực nghiệm về UIP Độ lệch của giá trị β ước lượng được so với 1 chính là thước đo trực tiếp cho độ biến động của phần bù rủi ro

Dựa trên dữ liệu tỷ giá giao ngay, tỷ giá kỳ hạn 30 ngày và lãi suất, giai đoạn

1973 – 1982, của chín quốc gia, Fama (1984) cho thấy rằng hiệp phương sai giữa phần bù rủi ro Pt và thay đổi tỷ giá giao ngay kỳ vọng E(st+1 – st) nhận giá trị âm, và phương sai của phần bù rủi ro Var(Pt) lớn hơn so với phương sai của thay đổi tỷ giá giao ngay kỳ vọng Var(E(st+1 – st)) Kết quả này chỉ ra rằng nhiều khả năng phần bù rủi ro đã làm sai lệch kết quả kiểm định “Ngang giá lãi suất không phòng ngừa” theo hướng bác bỏ sự tồn tại của hiện tượng này

Đối với các nghiên cứu kiểm định UIP ở các quốc gia phát triển, sự tồn tại của phần bù rủi ro có thể xuất phát từ rủi ro tỷ giá hối đoái nếu như các nhà đầu tư ngại rủi ro Tuy nhiên, đối với các quốc gia đang phát triển, ngoài rủi ro tỷ giá, các nhà đầu tư có thể đòi hỏi phần bù cho “rủi ro quốc gia” ( ví dụ như khủng hoảng ở nước ngoài khiến cho chính phủ nước đó hạn chế việc chuyển đổi tiền tệ), và “rủi ro chính sách” ( là rủi ro xuất hiện do các biện pháp kiểm soát, hạn chế dòng vốn) Những nghiên cứu thực nghiệm về trạng thái “Ngang giá lã suất không phòng ngừa” thường được xây dựng dựa trên một số giả định khá nghiêm ngặt Cụ thể, ngoài việc phải giả định kỳ vọng là hợp lý để có thể xây dựng được mô hình thực nghiệm có thể ước lượng được, các nhà nghiên cứu cũng thường áp đặt các giả định khác như nhà đầu tư là bàng quan với rủi ro, các loại tiền tệ đang được nghiên cứu tương đồng với nhau về tính thanh khoản – kỳ hạn – “rủi ro quốc gia”, thị trường tài chính phải phát triển, cũng như là không tồn tại chi phí giao dịch hay các biện pháp kiểm soát dòng luân chuyển vốn Hệ quả kéo theo là lãi suất thực ở các quốc gia sẽ tiến về mức cân bằng Giả định về lãi suất thực cân bằng và ngang giá sức mua tồn

tại là hai giả định chủ chốt nhằm xây dựng nên lý thuyết UIP Vì vậy, việc không tìm thấy bằng chứng hỗ trợ cho lý thuyết UIP trong thực nghiệm cho thấy một hoặc nhiều giả định đã bị vi phạm Ví dụ như khi giả định về tính đồng nhất của các loại tiền tệ bị vi phạm, thì ngay cả những nhà đầu tư bàng quan với rủi ro tỷ giá cũng đòi hỏi một phần bù rủi ro để bù đắp cho “rủi ro quốc gia” tương ứng với mỗi đồng tiền Do đó, dựa trên đặc điểm chung của các quốc gia đang phát triển (và cũng là đối tượng được quan tâm chính trong bài nghiên cứu này), sẽ hợp lý khi cho rằng phần bù rủi ro là một yếu tố quan trọng cần được quan tâm, kể cả khi các nhà đầu tư được giả định là có kỳ vọng hợp lý Một số nghiên cứu được tiến hành ở các quốc gia đang phát triển đã chứng minh vai trò của phần bù rủi ro trong các quyết định đầu tư ở các quốc gia này Nghiên cứu của Frankel và Okongwu (1996) hay của Domowitz và cộng sự (1998) đã phân tích phần bù rủi ro tương ứng với rủi ro tỷ giá

và rủi ro quốc gia của Mexico trong những năm đầu thập niên 90 Các tác giả cho thấy phần bù rủi ro này là đáng kể, trong đó phần bù rủi ro tỷ giá lớn hơn và biến động nhiều hơn so với rủi ro quốc gia; dẫn đến độ lệch khỏi trạng thái UIP ở Mexico trong giai đoạn này phần lớn là do phần bù rủi ro gây ra Nghiên cứu của Rojas-Suarez và Sotelo (2007) ở các quốc gia Mỹ Latinh chỉ ra rằng rủi ro quốc gia

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

ý rằng nếu như không xem xét đến phần bù rủi ro thì kết quả ước lượng trạng thái UIP sẽ bị sai lệch

Có hai phương pháp chính được các nhà nghiên cứu sử dụng khi kiểm định vai trò của phần bù rủi ro trong lý thuyết UIP Thứ nhất là sử dụng dữ liệu điều tra về tỷ giá kỳ vọng, thay vì sử dụng dữ liệu tỷ giá hậu nghiệm Frankel và Froot (1990) sử dụng dữ liệu điều tra của tỷ giá hối đoái kỳ vọng nhằm tách độ lệch khỏi UIP thành hai thành phần: độ lệch do kỳ vọng và độ lệch do phần bù rủi ro Kết quả cho thấy phần bù rủi ro không có tương quan với tỷ giá kỳ vọng, và do đó không thể làm sai lệch kết quả ước lượng của β Thay vào đó, độ lệch khỏi UIP là do tồn tại sai số có

hệ thống khi dự báo tỷ giá Tương tự, Cavaglia và cộng sự (1993) cũng sử dụng dữ liệu điều tra, và cho thấy các giá trị kỳ vọng của tỷ giá là không hợp lý và nhà đầu

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

dữ liệu điều tra, Taylor (1989) thu được kết quả trái ngược khi kết luận rằng chính tâm lý ngại rủi ro, nói cách khác là sự tồn tại của phần bù rủi ro, đã dẫn đến sai lệch của UIP trong thực nghiệm

Phương pháp thứ hai là xem xét liệu tỷ suất sinh lợi vượt trội của tỷ giá có được giải thích bởi phần bù rủi ro, được tính bằng phương sai hoặc độ lệch chuẩn của sai số ước lượng Domowitz và Hakkio (1985) là những tác giả đầu tiên đo lường phương sai này bằng mô hình “Dị phương sai tự hồi quy” (Autoregressive conditional heteroscedasticity - ARCH) Mô hình ARCH là mô hình phù hợp nhằm giải quyết hiện tượng phương sai thay đổi trong quá trình ước lượng hệ số hồi quy, bởi vì Cumby và Obstfeld (1982) và Hodrick và Srivastava (1984) đã chỉ ra rằng sai số ước lượng có phương sai thay đổi Đồng thời Mussa (1979) cũng quan sát thấy rằng “đối với nhiều tỷ giá, có những giai đoạn yên ắng mà khi đó biến động của tỷ giá hàng ngày hoặc hàng tuần là rất nhỏ, và có những giai đoạn mà biến động ngày qua ngày là lớn” Hai đặc điểm này của phương sai đều được nắm bắt bởi mô hình ARCH Nghiên cứu của Domowitz và Hakkio (1985) kiểm định UIP theo phương trình sau:

Berk và Knot (2001) kiểm định UIP bằng mô hình ARCH–in–mean cho 5 quốc gia trong giai đoạn 1975 – 1997, sử dụng lãi suất trái phiếu dài hạn thay vì ngắn hạn Kết quả phần nào cung cấp bằng chứng cho sự tồn tại của UIP ở bốn trong số năm quốc gia công nghiệp được nghiên cứu Tuy nhiên, không tìm thấy

bằng chứng rõ ràng cho sự tồn tại của phần bù rủi ro Nghiên cứu của Poghosyan và cộng sự (2008) kiểm định UIP tại Armenia dựa trên thực tế là các ngân hàng tại Armenia cho phép người dân được lựa chọn mở tài khoản tiết kiệm bằng nội tệ hoặc ngoại tệ Đặc điểm này đã giúp loại bỏ rủi ro quốc gia cũng như chi phí giao dịch, là hai khó khăn thường gặp phải trong các nghiên cứu trước về UIP, chỉ còn lại rủi ro

tỷ giá Phần bù rủi ro được xem xét trong mối liên hệ với hai nhân tố là tỷ lệ tiền gởi bằng nội tệ trên ngoại tệ, và các biện pháp can thiệp của ngân hàng trung ương vào

tỷ giá Sử dụng dữ liệu của Armenia giai đoạn 1997 – 2005, các tác giả tìm thấy bằng chứng cho sự tồn tại của UIP tốt hơn so với những nghiên cứu trước, tuy nhiên vẫn có hiện tượng lệch khỏi UIP, cụ thể là các tài khoản gởi bằng đồng nội tệ đem lại lợi nhuận trung bình cao hơn Kết quả kiểm định cũng cho thấy tồn tại phần bù rủi ro thay đổi theo thời gian, và độ lớn sẽ gia tăng cùng với kỳ hạn nghiên cứu Hơn nữa, khi hồi quy tỷ suất sinh lời vượt trội của tiền tệ theo biến trễ của chính nó bằng mô hình GARCH-M, giả định nhà đầu tư bàng quan với rủi ro và giả định kỳ vọng hợp lý đều bị bác bỏ Melander (2009) sử dụng mô hình GARCH-M để kiểm định phần bù rủi ro ở Bolivia, kết quả cho thấy mặc dù không tồn tại nhưng độ lệch khỏi UIP nhỏ hơn so với các nghiên cứu trước, đồng thời có bằng chứng rõ ràng cho

sự tồn tại của phần bù rủi ro Cũng sử dụng mô hình GARCH-M, Aysun và Lee (2014) kiểm định vai trò của phần bù rủi ro đối với UIP ở 28 quốc gia, bao gồm các nước phát triển lẫn đang phát triển, giai đoạn 1/1996 – 3/2002 Tác giả chuyển đổi phương trình (2.3) truyền thống nhằm kiểm định cho UIP thành:

ERt = φ0 + φ1ln(ht) + εt (2.10)

ht = δ0 + δ1εt−12 + δ2ht-1 (2.11) với ERt là tỷ suất sinh lợi vượt trội kỳ vọng của tiền tệ, và phần bù rủi ro theo đổi theo thời gian là phương sai của ERt , ký hiệu ht, tuân theo mô hình GARCH (1,1) Trong số 28 quốc gia nghiên cứu, chỉ có 12 quốc gia (3 nước phát triển và 9 nước đang phát triển) là có hệ số hồi quy có ý nghĩa ở cả hai phương trình trung bình (2.10) và phương trình phương sai (2.11) ở trên, cho thấy dường như chỉ ở các nước

đang phát triển thì phần bù rủi ro mới đóng góp phần lớn vào độ lệch của UIP Nghiên cứu gần đây của Li và cộng sự (2012) tiếp tục theo đuổi hướng nghiên cứu trên, trong đó phần bù rủi ro được ước lượng bằng mô hình CGARCH-M, với kỳ vọng rằng phần bù rủi ro sẽ được mô hình hóa một cách chính xác hơn so với các nghiên cứu trước Trong mối quan hệ so sánh với kết quả ước lượng bằng phương pháp OLS truyền thống, kết quả ước lượng UIP bằng mô hình CGARCH-M khả quan hơn khi mà hệ số β nhận giá trị dương có ý nghĩa ở ba trong số mười quốc gia được nghiên cứu Mặc dù phần bù rủi ro có tồn tại ở hầu hết các quốc gia, nhưng nhìn chung thì dấu và độ lớn của hệ số ước lượng β tương ứng với biến chênh lệch lãi suất vẫn không được cải thiện đáng kể, có nghĩa là UIP vẫn bị bác bỏ ở tất cả các quốc gia được nghiên cứu và xét riêng phần bù rủi ro thì vẫn chưa thể giải quyết được “Câu đố UIP”

Nếu như các nghiên cứu nêu trên đều kiểm định với dữ liệu thời gian riêng biệt của từng quốc gia, thì nghiên cứu của Baillie và Bollerslev (1990), Malliaropulos (1997) và Tai (2001) được tiến hành với dữ liệu bảng, bằng mô hình GARCH đa biến Tuy nhiên về kết quả vẫn không thống nhất Nghiên cứu của Malliaropulos (1997) và Tai (2001) đều tìm thấy bằng chứng có ý nghĩa về phần bù rủi ro, trong khi Baillie và Bollerslev (1990) thất bại trong việc tìm kiếm mối tương quan có nghĩa giữa ma trận phương sai với phần bù rủi ro

Như vậy, có thể rút ra một nhận định chung dựa vào các kết quả nghiên cứu trên rằng tồn tại phần bù rủi ro ở các thị trường đang phát triển, bởi vì các nhà đầu

tư không chỉ đối mặt với rủi ro tỷ giá mà còn có “rủi ro quốc gia” và “rủi ro chính sách” (đây là những rủi ro ít gặp phải hơn khi nghiên cứu “Ngang giá lãi suất không phòng ngừa” ở các thị trường phát triển) Do đó, việc không xem xét đến sự tồn tại của phần bù rủi ro khi kiểm định trạng thái UIP sẽ dẫn đến “sai lệch do bỏ sót biến” (omitted variable bias)

2.3.3 Mối quan hệ phi tuyến

Lý thuyết UIP cổ điển dự báo một mối tương quan tuyến tính giữa chênh lệch lãi suất và thay đổi tỷ giá Tuy nhiên nhiều tranh luận cho rằng, sự điều chỉnh của tỷ giá theo lãi suất là phi tuyến Nếu như mối quan hệ này thực sự là quan hệ phi tuyến, thì những phương pháp ước lượng tuyến tính truyền thống sẽ không phù hợp Nhiều nghiên cứu gợi ý rằng tương quan giữa thay đổi tỷ giá và chênh lệch lãi suất có thể là quan hệ phi tuyến bởi những nguyên nhân như: can thiệp của ngân hàng trung ương, chi phí giao dịch và “hạn chế đầu cơ” (tình trạng các nhà đầu tư không sẵn sàng tham gia thị trường do lợi nhuận thu được thấp hơn các phương án đầu tư khác, dẫn đến tỷ giá lệch khỏi UIP mà không thể điều chỉnh lại được) Có thể nhắc đến vai trò của “điểm gãy cấu trúc”, dẫn đến việc phân tách tỷ giá và lãi suất thành những giai đoạn mang những đặc điểm khác nhau, và kết quả thực nghiệm của UIP sẽ chịu ảnh hưởng từ những “điểm gãy” này Sakoulis và cộng sự (2010) dùng mô phỏng Monte Carlo, trong điều kiện bỏ qua phần bù rủi ro, cho thấy rằng nếu không xem xét đến điểm gãy, giá trị ước lượng của β có xu hướng bị sai lệch hướng xuống, tức là lệch xa khỏi giá trị 1 theo lý thuyết Nghiên cứu của Li, Ghoshray và Morley (2013) sử dụng mô hình “smooth transition regression” để tiến hành kiểm định UIP ở tám quốc gia phát triển và đang phát triển Phương pháp này

sẽ điều chỉnh các hệ số ước lượng thay đổi qua từng thời kỳ, và tốc độ điều chỉnh sẽ được kiểm soát bởi giá trị của các “biến dịch chuyển” (transition variable), mà cụ thể là tỷ số Sharpe, chênh lệch lãi suất và mức độ biến động của tỷ giá hối đoái Kết quả cho thấy trước hết tỷ giá hối đoái sẽ điều chỉnh phi tuyến theo UIP, và đây là hiện tượng xuất hiện ở các nước phát triển lẫn đang phát triển Kết luận thứ hai từ nghiên cứu là UIP tồn tại ở những giai đoạn mà tỷ giá hối đoái biến động mạnh

2.4 Hiệu quả của mô hình Dị phương sai tự hồi quy thành phần tổng quát – CGARCH trong nghiên cứu thực nghiệm

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

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

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

và các quyết định đầu tư phụ thuộc rất lớn vào việc xác định liệu rằng biến động của thị trường chỉ là ngắn hạn hay dai dẳng (Byrne và Davis, 2005) Li và cộng sự (2012) tìm thấy bằng chứng của thành phần ngắn và dài hạn của biến động tỷ giá hối đoái, cho thấy mức độ phản ứng khác nhau của tỷ giá trước những cú sốc, đồng thời hai tác giả cũng chỉ ra rằng mô hình CGARCH hiệu quả hơn mô hình GARCH truyền thống trong việc mô tả biến động của tỷ giá Kết luận này được hỗ trợ bởi nghiên cứu của Black và McMillan (2004) Nhiều nghiên cứu khác cũng thống nhất với nhận định này, ví dụ như nghiên cứu của Christoffersen và cộng sự (2006) Trong nghiên cứu này, các tác giả xây dựng một mô hình định giá quyền chọn kiểu châu âu dựa trên mô hình CGARCH, có nghĩa là biến động của tỷ suất sinh lợi được tách thành hai thành phần ngắn hạn và dài hạn Kết quả ủng hộ mạnh mẽ cho mô hình CGARCH khi mà mô hình này tỏ ra vượt trội trong việc dự báo giá quyền chọn in và out-sample so với mô hình GARCH (1,1) thường được sử dụng trong các nghiên cứu trước Đặc trưng của CGARCH cho phép đồng thời mô hình hóa giá trị quyền chọn có kỳ hạn ngắn lẫn dài Guo và Neely (2008) sử dụng mô hình CGARCH nhằm phân biệt tác động của hai thành phần ngắn hạn và dài hạn của phương sai giá chứng khoán đến tỷ suất sinh lợi chứng khoán Các kiểm định thống

kê bác bỏ mạnh mẽ hiệu quả mô hình GARCH tiêu chuẩn trong sự so sánh với mô hình CGARCH Những đặc điểm nổi trội của mô hình CGARCH, cùng với thực tế

có ít các nghiên cứu áp dụng mô hình này trong việc giải thích độ lệch khỏi UIP (đặc biệt ở các quốc gia Đông Nam Á) là động lực để tiến hành nghiên cứu này

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

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

Tính dừng của chuỗi dữ liệu các biến số kinh tế là một chủ đề vẫn được tranh luận Nelson và Plosser (1982) cho rằng hầu hết các biến số kinh tế vĩ mô đều chứa nghiệm đơn vị, do đó không dừng Nhận định này được thử thách bởi nghiên cứu của Perron (1989) khi tác giả cho rằng cần phải tách biệt một số sự kiện kinh tế bất thường xảy ra trong khoảng thời gian nghiên cứu khi xem xét tính dừng, bởi vì các

sự kiện này có thể làm thay đổi đặc điểm của chuỗi dữ liệu, từ đó ảnh hưởng đến kết quả kiểm định tính dừng Do đó, đối với những biến mà kết quả kiểm định bằng các phương pháp truyền thống là không dừng, một kiểm định nghiệm đơn vị khác (có xem xét đến sự xuất hiện của “điểm gãy cấu trúc” trong chuỗi dữ liệu) sẽ được tiến hành Cụ thể trong bài nghiên cứu này, phương pháp kiểm định nghiệm đơn vị của Perron (1997) sẽ được tiến hành Nội dung phương pháp này sẽ được trình bày tiếp theo đây

Nghiên cứu của Perron (1989) mở rộng quy trình kiểm định Dickey-Fuller tiêu chuẩn bằng cách thêm các biến giả nhằm thay đổi hệ số chặn và hệ số góc của phương trình kiểm định Kiểm định nghiệm đơn vị được thực hiện theo ba mô hình:

mô hình “crash” với “điểm gãy” xuất hiện ở hệ số chặn; mô hình “changing growth” với “điểm gãy” xuất hiện ở hệ số góc; và mô hình tổng hợp cho phép hai trường hợp trên xảy ra đồng thời “Điểm gãy” được giả định là đã biết trước dựa trên những sự kiện thực tế đã xảy ra Tuy nhiên, việc lựa chọn “điểm gãy” theo quy trình trên bị chỉ trích bởi quan điểm cho rằng “điểm gãy” phải được xác định một cách nội sinh, nói cách khác là phải dựa trên dữ liệu nghiên cứu để chỉ ra “điểm gãy” chứ không xác định trước dựa trên sự kiện lịch sử Do đó, Perron (1997) đã

mở rộng nghiên cứu của Perron (1989), cho phép “điểm gãy” được xác định một cách nội sinh Kiểm định nghiệm đơn vị được thực hiện theo ba mô hình sau:

 Mô hình đầu tiên chỉ cho phép “điểm gãy” xuất hiện ở hệ số chặn, được gọi tên là “Innovational Outlier” Nghiệm đơn vị được kiểm định bằng cách kiểm định giả thuyết α = 1 trong phương trình (3.1) sau:

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

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

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

 Mô hình thứ hai cho phép thay đổi trong hệ số chặn và hệ số góc xảy ra đồng thời tại thời điểm xảy ra “điểm gãy” Nghiệm đơn vị được kiểm định bằng cách kiểm định giả thuyết α = 1 trong phương trình (3.2) sau:

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

với DTt = t nếu t > Tb

 Mô hình thứ ba chỉ cho phép “điểm gãy” xuất hiện ở hệ số góc, được gọi tên là “Additive Outlier” Đầu tiên thành phần xu hướng được loại bỏ bằng cách ước lượng phương trình (3.3) sau, với DT*

là đường gấp khúc

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

Có một thực tế là dữ liệu của các biến kinh tế mang một số đặc điểm quan trọng mà những mô hình ước lượng truyền thống chưa thể giải thích như:

 Leptokurtosis: hiện tượng mà dữ liệu tỷ suất sinh lợi của các tài sản tài chính không theo phân phối chuẩn mà cho thấy có phần đuôi lớn và nhọn ở giá trị trung bình

 “Biến động theo cụm” (Volatility clustering): biến động trên những thị trường tài chính xuất hiện theo từng nhóm, cụ thể như giai đoạn biến động cao (thấp) sẽ kéo theo giai đoạn liền kế tiếp cũng có độ biến động cao (thấp) Nói cách khác, mức độ biến động trong hiện tại có xu hướng tương quan cùng chiều với chính nó trong thời kỳ liền trước

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

độ biến động trong hai trường hợp giá tăng và giảm ( giá giảm gây ra biến động lớn hơn so với trường hợp giá tăng)

Khi đó, họ mô hình ARCH (Engle, 1982) thường được sử dụng để mô tả và dự báo độ biến động do nó có thể mô phỏng tốt những đặc điểm nêu trên của dữ liệu,

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

Phương pháp ước lượng Bình phương nhỏ nhất (Ordinary Least Square – OLS) truyền thống là một phương pháp mạnh mẽ trong kinh tế lượng, với điều kiện

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

đó là phương sai của sai số là cố định Trong trường hợp phương sai này thay đổi, các ước lượng bình phương nhỏ nhất sẽ không phải là ước lượng hiệu quả, đồng thời ước lượng phương sai cũng bị sai lệch dẫn các kiểm định mức ý nghĩa và khoảng tin cậy dựa theo phân phối t và F cũng không đáng tin cậy Trên thực tế thì giả định này cũng khó mà đảm bảo khi xem xét các chuỗi dữ liệu thời gian của các biến kinh tế Ngoài ra, dữ liệu còn cho thấy hiện tượng “Biến động theo cụm” như

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

được ý tưởng của mô hình ARCH, việc định nghĩa phương sai có điều kiện, ζt2, của một biến ngẫu nhiên là cần thiết Xem xét biến ngẫu nhiên ut sau:

ut ∼N(0,ζt2)

ζt2 = var(ut | ut−1,ut−2, ) = E[(ut −E(ut))2 | ut−1,ut−2, ]

Do E(ut) = 0, khi đó:

ζt2 = var(ut | ut−1,ut−2, ) = E[ut2 | ut−1,ut−2, ] (3.5) Công thức (3.5) cho thấy phương sai có điều kiện của một biến ngẫu nhiên ut

sẽ phụ thuộc vào bình phương giá trị kỳ vọng của chính ut Đây là ý tưởng nền tảng của mô hình ARCH, khi mà hiện tượng “Biến động theo cụm” được mô tả bằng cách cho ζt2 phụ thuộc vào biến trễ của bình phương sai số, tức là những biến động của kỳ trước sẽ được phản ánh vào phương sai của kỳ hiện tại:

ζ2

Phương trình (3.6) được biết đến là mô hình ARCH (1) và là phương trình phương sai Nhà nghiên cứu có thể tự do mô tả thay đổi của biến phụ thuộc, yt, bằng phương trình trung bình Ví dụ cho một mô hình đơn giản, đầy đủ là như sau:

yt = β1 + β2x2t + β3x3t + β4x4t + ε t ε t ∼N(0, ζ2t)

ζ2

t = α0 + α1 εt−12

Bởi vì ζ2t là phương sai có điều kiện, nên giá trị của nó bắt buộc phải không

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

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

âm, các hệ số ước lượng trong phương trình phương sai thường được ước lượng kèm theo điều kiện là các hệ số này cũng phải không âm, tất nhiên có thể thấy đây

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

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

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

αi ≥ 0 ∀i = 0,1,2, ,q

Trong nghiên cứu thực nghiệm, trước khi tiến hành ước lượng bằng mô hình ARCH, bước kiểm định sự tồn tại của hiệu ứng ARCH thường được tiến hành Nếu như dữ liệu cho thấy sự tồn tại của hiệu ứng ARCH thì việc áp dụng mô hình ARCH để ước lượng sẽ phù hợp Hiệu ứng này sẽ được kiểm định dựa trên phần dư thu được khi ước lượng một mô hình tuyến tính cụ thể Ví dụ, có thể tiến hành ước lượng một mô hình tuyến tính sau:

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

Phần dư ε ước lượng được từ phương trình (3.7) sẽ được lưu lại Sau đó, tiến thành bình phương phần dư này, và hồi quy chúng theo biến trễ của chính nó, với độ trễ từ 1 đến q (nếu như muốn kiểm định hiệu ứng ARCH bậc q) Nói cách khác, phần dư thu được khi ước lượng phương trình (3.7) sẽ được ước lượng tiếp tục theo phương trình sau:

H0: γ1 = γ2 = γ3 = = γq = 0

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

Nếu giá trị thống kê nR2 lớn hơn giá trị tới hạn của phân phối Chi bình phương thì bác bỏ giả thuyết H0, có nghĩa là tồn tại hiệu ứng ARCH(q)

Mặc dù mô hình ARCH cung cấp công cụ để mô tả biến động của các biến kinh tế, nhưng lại ít được sử dụng trong nghiên cứu thực nghiệm bởi một số khó khăn sau: xác định độ trễ tối ưu trong phương trình phương sai, độ trễ này có thể là rất lớn (ảnh hưởng đến số bậc tự do) và điều kiện hệ số ước lượng phải không âm cũng dễ bị vi phạm khi số lượng hệ số cần ước lượng tăng lên Do đó, mô hình

“ARCH tổng quát” (Generalized ARCH – GARCH) (Bollerslev, 1986) được phát triển từ mô hình ARCH nhằm giải quyết các khó khăn trên Trong mô hình GARCH, phương sai có điều kiện không chỉ phụ thuộc biến trễ của sai số εt mà còn phụ thuộc vào biến trễ của chính nó:

Tiếp tục thay ζ2t-2 trong phương trình (3.11) vào phương trình (3.12)

ζ2

t = γ0 + (α1 εt−12 + βα1 εt−22 + β2α1 εt−32 + β3α1 εt−42 + )

ζ2

t = γ0 + φ1 εt−12 + φ2 εt−22 + φ3 εt−32 + φ4 εt−42 + (3.14) Phương trình (3.14) chính là mô hình ARCH(q) với q → ∞ Nói cách khác,

mô hình GARCH(1,1) với chỉ ba tham số ước lượng trong phương trình phương sai nhưng có thể cho phép một số lượng vô cùng biến trễ của sai số tác động đến phương sai có điều kiện hiện tại Do đó, mô hình GARCH có hiệu quả cao hơn trong nghiên cứu thực nghiệm

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

tư xứng đáng được tưởng thưởng cho việc chấp nhận rủi ro, do đó Engle, Lilien và Robins (1987) gợi ý mô hình ARCH–in–mean mà trong đó tỷ suất sinh lợi phụ thuộc một phần vào rủi ro của chính nó Cụm từ “in-mean” thể hiện rằng phương sai của sai số không chỉ xuất hiện ở phương trình phương sai mà còn xuất hiện trong phương trình trung bình:

về vai trò của phần bù rủi ro đối với độ lệch khỏi UIP bằng họ mô hình ARCH Tuy nhiên, dựa trên những bằng chứng cho thấy mức độ biến động của chứng khoán, tỷ giá hối đoái và lãi suất là thay đổi theo thời gian và có xu hướng quay về giá trị trung bình (Engle và Lee, 1999), một câu hỏi đặt ra là liệu giá trị trung bình dài hạn α0 của phương sai ζ2t, được mô tả trong mô hình GARCH, có cố định theo thời gian Dựa trên giả thuyết đó, Engle và Lee (1999) mở rộng mô hình GARCH truyền thống bằng cách phân tách phương sai có điều kiện thành hai thành phần: một xu hướng trong dài hạn và những dao động trong ngắn hạn lệch khỏi xu hướng

đó Mô hình này được gọi là “Dị phương sai tự hồi quy thành phần tổng quát” hay Component GARCH (CGARCH)

ζ 2

t – qt = st = α (ε 2t-1 – qt-1) + β (ζ 2

qt = ω+ ρ qt-1 + φ(ε2t-1 – ζ 2t-1) (3.16) Phương trình (3.15) thể hiện thành phần ngắn hạn (st) của phương sai, trong khi phương trình (3.16) thể hiện xu hướng biến động dài hạn (qt) Hai phương trình (3.15) và (3.16) có thể viết lại như sau:

giữa biến trễ của bình phương sai số ước lượng và giá trị ước lượng của phương sai (dựa trên thông tin có được ở thời kỳ t-2), phản ánh những cú sốc đến phương sai (hay độ biến động) của biến nghiên cứu Do đó:

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

Ước lượng tham số của họ mô hình ARCH

Các tham số trong họ mô hình ARCH được ước lượng thông qua kỹ thuật maximum likelihood Về bản chất, kỹ thuật này dựa trên dữ liệu nghiên cứu để tìm

ra các giá trị tham số mà tại đó tối đa hóa được hàm log-likelihood Ví dụ như đối với mô hình GARCH (1,1), các bước để ước lượng tham số của mô hình như sau:

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

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

Nếu như hàm log-likelihood chỉ có một giá trị cực đại thì các kỹ thuật tìm cực trị đều có thể xác định được các tham số Tuy nhiên trong trường hợp các hàm phi

tuyến như GARCH, hàm log-likelihood có thể có nhiều cực trị địa phương, do đó những kỹ thuật khác nhau có thể tìm ra các giá trị ước lượng của tham số khác nhau Do đó, việc đưa ra các dự báo ban đầu về giá trị ước lượng của các tham số là cần thiết Mô hình OLS có thể được sử dụng để đưa ra các giá trị dự báo ban đầu này

3.3 Xây dựng mô hình nghiên cứu thực nghiệm

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

do đó việc kiểm soát được yếu tố này đóng vai trò then chốt Mô hình CGARCH–M được sử dụng nhằm biểu diễn cho phần bù rủi ro này, nhờ vào khả năng giải thích mạnh mẽ của mô hình này cho độ biến động của các biến số kinh tế như tỷ giá hối đoái, tỷ suất sinh lợi chứng khoán và lãi suất

Mô hình nghiên cứu thực nghiệm được xây dựng từ công thức thể hiện trạng thái “Ngang giá lãi suất không phòng ngừa”, được biểu diễn như sau:

( 1 + it,k ) = ( 1+ i*t,k ) EtSt+k

với it,k (i*t+k) thể hiện lãi suất của các sản phẩm tài chính định danh bằng đồng nội tệ (ngoại tệ) tại thời điểm t của kỳ đáo hạn k; St là tỷ giá hối đoái giao ngay danh nghĩa tính bằng số lượng đồng nội tệ tương ứng với 1 đồng ngoại tệ (do đó khi tỷ giá tăng đồng nghĩa với việc đồng nội tệ mất giá) và Et là giá trị kỳ vọng dựa trên các thông tin có được tại thời điểm t

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

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

St )

ln(𝐸𝑡𝑆𝑡+𝑘) – ln(St) = ln( 1 + it,k ) – ln( 1+ i*t,k ) (3.18)

Bởi vì giá trị kỳ vọng của tỷ giá là không thể quan sát được nên không thể sử dụng phương trình (3.18) trong các nghiên cứu thực nghiệm Với giả định kỳ vọng hợp lý, tỷ giá giao ngay tương lai St+k sẽ bằng tỷ giá kỳ vọng cộng với một sai số, ký hiệu εt+k, sai số này không có tương quan với bất kì thông tin nào tại thời điểm t:

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

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

st+k – st = ln(1+ it,k ) – ln(1+ i*t,k ) + εt+k (3.20) với st ≡ ln(St) và εt+k là sai số ước lượng Thành phần sai số εt+k trong phương trình (3.20) phản ánh những biến động ngoài dự kiến của tỷ giá, với εt+k > 0 thể hiện đồng nội tệ giảm giá ngoài dự kiến Như vậy, phương trình kiểm định thực nghiệm thường được sử dụng trong các nghiên cứu về UIP, với giả định nhà đầu tư bàng quan với rủi ro, là như sau:

st+k – st = α + β [ln(1+ it+k ) – ln(1+ i*t+k )] + εt+k (3.21) Tuy nhiên, trong điều kiện các nhà đầu tư ngại rủi ro, chênh lệch lãi suất sẽ không bằng với thay đổi của tỷ giá hối đoái như lý thuyết UIP đã đề cập, mà sẽ kèm theo một phần bù rủi ro Ở các thị trường đang phát triển, lãi suất và giá cả thường

có độ bất ổn cao hơn so với các thị trường phát triển Do đó, nhà đầu tư ở các thị trường này đòi hỏi một phần bù rủi ro cho việc nắm giữ các đồng tiền bất ổn này, dẫn đến là các nghiên cứu thực nghiệm về phần bù rủi ro ở các quốc gia đang phát triển đều kỳ vọng sẽ tìm được câu trả lời cho câu đố về UIP Căn cứ vào nghiên cứu của Berk và Knot (2001), cũng như của Li và cộng sự (2012), phần bù rủi ro, thể hiện bằng độ lệch chuẩn của sai số ước lượng, được thêm vào phương trình (3.21),

ký hiệu là ζ t,t+k:

st+k – st = α + β1 [ln(1+ it+k ) – ln(1+ i*t+k )] + β2 ζ t,t+k + εt+k (3.22)