Kỳ vọng lạm phát và chính sách tiền tệ ở ấn độ slide

Mục tiêu nghiên cứuBài nghiên cứu tập trung vào các mục tiêu chính sau: Xem xét những yếu tố nào ảnh hưởng đến kỳ vọng lạm phát ở Ấn Độ Trên cơ sở đó, xác định yếu tố quyết định của kỳ

GVHD : PGS TS Nguyễn Thị Ngọc Trang NTH : Nhóm 3

Lớp : TCDN Đêm 1 – K20

1 Mục tiêu nghiên cứu

Bài nghiên cứu tập trung vào các mục tiêu chính sau: Xem xét những yếu tố nào ảnh hưởng đến kỳ vọng lạm phát ở Ấn Độ

Trên cơ sở đó, xác định yếu tố quyết định của kỳ vọng lạm phát, từ đó đề ra một chính sách tiền tệ hợp lý để vận hành nền kinh tế tốt hơn.

2 Các công trình nghiên cứu trước đây

Phillips Alban W (1958), "The relationship between unemployment and the rate of change of money wages in the UK 1861-1957," Economica.

Với các đặc điểm kỹ thuật ban đầu

của đường cong Phillips vào năm 1958,

mô hình chi phối là kỳ vọng thích nghi Đường cong Phillips biểu thị quan hệ giữa tỷ lệ thất nghiệp và tỷ lệ lạm phát (đường cong Phillips phiên bản lạm phát) hoặc giữa tỷ lệ thất nghiệp và tốc

độ tăng trưởng GDP (đường cong Phillips phiên bản GDP)

Có 02 lý thuyết về kỳ vọng lạm phát:

 Kỳ vọng thích nghi : kỳ vọng được hình thành dựa vào lạm

phát quá khứ (lý thuyết quán tính)

 Kỳ vọng hợp lý ( Rational expectation) lúc đầu được đưa ra

bởi John Muth, sau đó được phổ biến bởi Robert Emerson

Lucas: các kỳ vọng được dự báo một cách tốt nhất căn cứ vào tất cả các thông tin sẵn có bao gồm các thông tin về chính sách Nếu chính sách cắt giảm lạm phát được tin cậy, các kỳ vọng lạm phát có thể đều chỉnh nhanh

2 Các công trình nghiên cứu trước đây (tt)

• John Fraser Muth (27 /09/ 1930 – 23/10/ 2005) là một nhà kinh tế

người Mỹ Ông được biết đến như "cha đẻ của cuộc cách mạng kỳ vọng

hợp lý trong kinh tế", " Rational Expectations and the Theory of Price

Movements " từ năm 1961 Ông sử dụng thuật ngữ để mô tả nhiều tình

huống kinh tế, trong đó kết quả phụ thuộc một phần vào những gì mọi

người mong đợi xảy ra

• Ví dụ giá của một hàng hóa nông nghiệp, phụ thuộc vào việc có bao nhiêu mẫu Anh nông dân trồng, do đó phụ thuộc vào giá cả nông dân mong đợi

để nhận ra khi họ thu hoạch và bán cây trồng của họ

2 Các công trình nghiên cứu trước đây (tt)

Robert Emerson Lucas, Jr (sinh

ngày 15 tháng chín 1937, Yakima,

Washington) là một nhà kinh tế học Mỹ tại Đại học Chicago Ông đã nhận được giải thưởng Nobel Kinh tế năm 1995 Với bài

viết "Expectations and the Neutrality of

Money” năm 1972 với lý thuyết về “

những kỳ vọng hợp lý” để giải thích sự thất bại của các biện pháp quản lý sức cầu

2 Các công trình nghiên cứu trước đây (tt)

Ông tuyên bố: “Luôn luôn có một sự đánh đổi tạm thời giữa lạm phát và thất nghiệp, nhưng không phải sự đánh đổi lâu dài.” Nói cách khác, nếu các nhà ra chính sách thử giữ tỉ lệ thất nghiệp thấp nhờ vào một chính sách làm cho lạm phát cao lên, họ sẽ chỉ thành công trong ngắn hạn.

Theo Friedman, thất nghiệp sau này sẽ lại tăng, ngay cả khi lạm phát duy trì ở mức cao Hay nền kinh tế sẽ trải qua thời kỳ mà sau này Paul Samuelson đặt tên là suy lạm phát (stagflation)

Milton Friedman (31/ 7/1912

– 16/ 11/ 2006) là một nhà

kinh tế học người Mỹ

2 Các công trình nghiên cứu trước đây (tt)

 Friedman và Edmund S Phelps- người đã giành giải

Nobel Kinh tế năm 2006, độc lập nghiên cứu và đã đi

đến cùng một kết quả Friedman đã áp dụng ý tưởng về hành vi hợp lý

 Ông lập luận rằng, sau một thời kỳ lạm phát kéo dài,

người ta sẽ đưa kỳ vọng về lạm phát trong tương lai vào quyết định của họ, làm vô hiệu hóa bất kỳ hiệu quả tích cực nào của lạm phát đối với việc làm

Các nghiên cứu trong bài

Mankiw, N Gregory, Ricardo Reis and Justin Wolfers, 2003, “Disagreement about Inflation Expectations,” NBER Working Paper No 9796 (June), (Cambridge, Massachusetts).

Blanchflower, David G., and Conall MacCoille, 2009, “the Formation of Inflation

Expectations: An Empirical Analysis for the UK,” National Bureau of Economic Research (NBER) Working Paper No 15388 (Cambridge, Massachusetts).

tương lai, và do đó đầu ra chi tiết về độ chênh lệch sản lượng không tốt lắm: Callen, Tim, and Dongkoo Chang, 1999, “Modeling and Forecasting Inflation in India,” IMF Working Paper, WP/99/119 (September), International Monetary Fund, Washington D.C.

4 Mô hình ARMA đã chứng minh mạnh mẽ việc tạo ra các dự báo lạm phát trong ngắn hạn, là một xem xét quan trọng cho nghiên cứu này,

và đã được nghiên cứu để làm tốt hơn mô hình cấu trúc: Meylar,

Aidan, Geoff Kenny and Terry Quinn, 1998, “Forecasting Irish Inflation Using ARIMA Models,” Munich Personal RePEs Archive (MPRA)

Paper No 11359 (December)

5 Kỳ vọng lạm phát trong nền kinh tế thị trường mới nổi, hoặc tập

trung vào mục tiêu tin cậy: Minella, A., Paulo Springer de Freitas, Ilan Goldfajn, and Marcelo Kfoury Muinhos, 2003, “Inflation Targeting in Brazil: Constructing Credibility Under Exchange Rate Volatility,” Journal of International Money and Finance, Vol 22, pp 1015-40

Các nghiên cứu trong bài (tt)

Các nghiên cứu thực nghiệm khác

1 Michael J Lamla and Samad Sarferaz, March 2012, Updating

Kết quả cho thấy rằng xu hướng cập nhật các kỳ vọng lạm phát thay đổi đáng kể theo thời gian và có liên quan đến số lượng và chất lượng của tin tức

2 Stefania Albanesi và ctg, 2002,

Expectation Traps and Monetary Policy

 Tại sao nói rằng lạm phát liên tục cao trong một số thời kỳ và liên tục thấp trong khoảng thời gian khác? Phần lớn đổ lỗi cho chính sách tiền tệ.

 Kết quả cho thấy, trong một mô hình cân bằng tiêu chuẩn, không có cam kết dẫn đến cân bằng nhiều, hoặc bẫy kỳ vọng Trong những cái bẫy, kỳ vọng lạm phát cao hay thấp dẫn dắt công chúng để có những hành động tự vệ mà sau đó hướng các nhà hoạch định tiền tệ ra chính sách tối ưu.

Các nghiên cứu thực nghiệm khác (tt)

3 Martin D Cerisola và Gaston Gelos, What Drives Inflation

Expectations in Brazil? An Empirical Analysis (2005)

Nghiên cứu này xem xét các yếu tố quyết định kinh tế vĩ mô của các kỳ vọng lạm phát khảo sát tại Brazil kể từ khi nước này thông qua khung mục tiêu lạm phát năm 1999

Kết quả nghiên cứu cho thấy khung lạm phát mục tiêu đã giúp

neo kỳ vọng, với sự phát tán của những kỳ vọng lạm phát giảm

đáng kể, đặc biệt là trong thời gian không chắc chắn cao

Các nghiên cứu thực nghiệm khác (tt)

3 PHƯƠNG PHÁP NGHIÊN CỨU

VÀ DỮ LIỆU

Tại sao Michael Debabrata Patra và Partha Ray lại sử dụng mô hình ARMA?

hệ cấu trúc giữa các biến hoặc những tác động dẫn truyền quan trọng trong mô hình hồi quy.

điểm thay đổi lên xuống của lạm phát.

mạnh mẽ để dự đoán lạm phát trong ngắn hạn.

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

Hồi quy giá trị của lạm phát trong hiện tại (hoặc tương

lai) từ các giá trị lạm phát trong quá khứ với ARMA

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

[ ( ), ( ), AR( ), ( )]

e

 

 Trong thống kê học, mô hình autoregressive moving average (ARMA), đôi khi được gọi là mô hình Box-Jenkins sau khi phương pháp Box-Jenkins được đưa ra sử dụng để chạy mô hình, thường được áp dụng cho dữ liệu chuỗi thời gian (time series) tự tương quan (autocorrelated).

 Cho chuỗi dữ liệu time series X t, mô hình ARMA là một công cụ để hiểu và có

lễ để dự đoán các giá trị tương lai của chuỗi này Mô hình bao gồm hai phần, phần tự hồi quy autoregressive (AR) và phần bình quân dịch chuyển moving

average (MA) Mô hình thường được coi là mô hình ARMA(p,q) khi p là order của phần autoregressive và q là order của phần moving average.

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

1 1

Ký hiệu MA(q) là cho phần moving average có order q:

Mô hình tổng quan sẽ bao gồm hai mô hình con AR(p) và MA(q)

N u Xt tuân theo quá trình ếu Xt tuân theo quá trình ARMA(1, 1) nếu nó có

thể viết dưới dạng

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

1 1 1 1

Dữ liệu của bất kỳ chuỗi thời gian nào đều có thể được coi là tạo ra nhờ một quá trình ngẫu nhiên và một tập hợp dữ liệu cụ thể Cũng như chúng ta sử dụng các dữ liệu mẫu để suy ra các ước lượng về một tập hợp, thì trong lĩnh vực chuỗi thời gian, chúng ta dùng kết quả để suy ra các ước lượng về quá trình ngẫu nhiên đó.

Một dạng của quá trình ngẫu nhiên được các nhà phân tích về

chuỗi thời gian đặc biệt quan tâm và xem xét kỹ lưỡng là cái được gọi

là quá trình ngẫu nhiên dừng

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Nói chung, một quá trình ngẫu nhiên được coi là dừng nếu như trung bình và phương sai của nó không đổi theo thời

gian và giá trị của đồng phương sai giữa hai thời đoạn chỉ

phụ thuộc vào khoảng cách và độ trễ về thời gian giữa hai

thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính.

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Có nhiều loại kiểm định như sử dụng hàm tự tương

quan (ACF), trị thống kê Q (Box và Pierce) và trị thống kê

LB (Ljung-Box).

Tuy nhiên, một trong những phương pháp được sử

dụng phổ biến và có độ tin cậy cao là kiểm định nghiệm

đơn vị của Dickey-Fuller (ADF)

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Đồng liên kết

Giả sử có một ông già và một cậu bé đi dạo một cách ngẫu nhiên

trong công viên (random walk) Vị trí của cậu bé sẽ không cho biết bất

kỳ một thông tin nào về vị trí của ông lão

Giả sử một bà lão dắt một chú chó đi dạo trong công viên, bà lão và chú chó kết nối bằng sợi dây  vị trí của bà lão luôn dao động quanh

vị trí của chú chó một khoảng nhất định Ta gọi bà lão và chú chó có

mối quan hệ đồng liên kết

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Tại sao phải kiểm định tính đồng liên kết

dừng, ta phải kiểm định tính đồng liên kiết của các biến để

đảm bảo trong dài hạn các biến này luôn cân bằng với nhau

sai số để đảm bảo tính cân bằng của các biến, dù cho các

biến có đồng liên kết với nhau đi chăng nữa

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Phương pháp kiểm định đồng liên kết

biến trong phương trình không có đồng liên kết, tương đương với việc phần dư là bước ngẫu nhiên không dừng.

 Quy trình Johansen

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Variable Coefficient

Coefficient Std.Error Std.Error t-Statistic t-Statistic Prob. Prob.

C 0.0509 0.0025 20.3436 0.0000 AR(1) 0.9100 0.0429 21.2210 0.0000 SAR(12) -0.2284 0.1153 -1.9807 0.0501 MA(2) 0.3212 0.1023 3.1405 0.0022 SMA(12) -0.8406 0.0310 -27.0923 0.0000 R-squared 0.9285 Meandependentvar 0.0530 AdjustedR-squared 0.9260 S.D dependentvar 0.0224 S.E.of regression 0.0061 Akaikeinfocriterion -7.3171 Sumsquaredresid 0.0041 Schwarzcriterion -7.1984 Loglikelihood 429.3937 Hannan-Quinncriter -7.2690 F-statistic 360.5060 (0.00) Durbin-Watsonstat 1.2447

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

1,2447, chứng tỏ hiện tượng tương quan chuỗi không quá

lớn

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

Thế các hệ số đã được ước lượng vào thì phương

trình hồi quy sẽ có dạng :

πe = 0.006 + 0.91πt-1 e = 0.006 + 0.91πt-1 πe = 0.006 + 0.91πt-1 t-1πt-1 – 0.22 πe = 0.006 + 0.91πt-1 t-1πt-1 2 + εt + 0.32εt-2 - 0.85εt-12t + 0.32εt + 0.32εt-2 - 0.85εt-12t-2 - 0.85εt-12εt + 0.32εt-2 - 0.85εt-12t-1πt-1 2

3 PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU (tt)

• Xem xét : hệ số xác định R squared rất cao 0.9260 và phần sai số hồi quy thấp 0.0061

• Kiểm định t-statistic cho các biến đều có p-value < 0,05

So sánh các điểm dự đoán với lạm phát thực tế

4 KẾT QUẢ NGHIÊN CỨU (tt)

Dựa trên những sai lệch giữa dự đoán và thực tế, ta thêm độ trễ theo mùa t-13 và sai số theo mùa t-14 để tối thiểu hóa các sai lệch này Vậy ta có phương trình ước lượng lạm phát kỳ vọng như sau :

πe = 0.006 + 0.91πt-1 e = 0.006 + 0.91πe = 0.006 + 0.91πt-1 t-1 – 0.22 πe = 0.006 + 0.91πt-1 t-12 + 0.20 πe = 0.006 + 0.91πt-1 t-13 +

εt + 0.32εt-2 - 0.85εt-12 - t + 0.32εt + 0.32εt-2 - 0.85εt-12 - t-2 - 0.85εt-12 - εt + 0.32εt-2 - 0.85εt-12 - t-12 - 0.27εt-14εt + 0.32εt-2 - 0.85εt-12 - t-14

4 KẾT QUẢ NGHIÊN CỨU (tt)

• Các chỉ số RMSE, MAD và MAPE rất thấp chứng tỏ mô hình dự đoán lạm phát kỳ vọng có mức độ tin cậy cao.

• RMSE : căn bậc 2 của trung bình bình phương sai số dự đoán

• MAD : trung bình độ lệch tuyệt đối của sai số dự đoán

• MAPE : trung bình các trị tuyệt đối của phần trăm sai số

4 KẾT QUẢ NGHIÊN CỨU (tt)

Trong bài này, tác giả sử dụng hệ

số Theil (thay cho hệ số Gini) để cho

thấy mức độ phù hợp của mô hình dự

đoán.

Hệ số không đồng đều Theil cho

thấy được các dữ liệu ước lượng theo

chuỗi thời gian tốt như thế nào so với

các dữ liệu quan sát thực tế Hệ số

Theil đo lường mức độ khác nhau của

chuỗi thời gian Xi so với Yi qua :

4 KẾT QUẢ NGHIÊN CỨU (tt)

So sánh dự báo lạm phát kỳ vọng của Consensus Economics

và lạm phát thực

4 KẾT QUẢ NGHIÊN CỨU (tt)

Như ta thấy trong hình, các lạm phát kỳ vọng mà Concensus

Economics thu được từ các thực thể tài chính xuất hiện ở mức độ

trung bình so với những dao động của lạm phát thực Những điểm chuyển (turning point) lên xuống của lạm phát thực cách đều mức độ

kỳ vọng lạm phát

Điều này cho thấy rằng những dự đoán kỳ vọng lạm phát lấy từ những tổ chức tham gia thị trường tài chính chịu ảnh hưởng bởi tính không chắc chắn như sự ko đồng đều trong lấy mẫu dự báo, những phản ứng khác nhau trong việc định liệu trước các tác động của chính sách tiền tệ,sự bất cân xứng thông tin sẵn có mà nó đã chiếm lĩnh thị trường tài chính Ấn Độ

4 KẾT QUẢ NGHIÊN CỨU (tt)

 Như đã đề cập, kiểm tra tính dừng là điều kiện quan trọng khi đưa các biến vào mô hình tự hồi quy Khi kiểm tra tính dừng

theo 2 phương pháp ADF và PP, ta thấy chỉ có biến REER là dừng một cách rõ ràng do đã giá trị t (tau) lớn hơn cả 3 giá trị thống kê tới hạn (critical level) 1%, 5,%, 10% Trong khi đó các biến khác chỉ vượt được 1 hoặc 2 mức độ critical level

 Thường thì đối với những biến chưa dừng, ta lấy sai phân bậc d

để nó dừng và đưa vào mô hình

4 KẾT QUẢ NGHIÊN CỨU (tt)

 Hai tác giả đã đưa các biến lagged Inflation, GDP Gap, Real

Expenditure Growth (Centre), Change in Real Effective Change Rate, Real Interest Rate, and Changes in Primary Articles Prices and Changes

in Fuel Prices vào mô hình vectơ tự hồi quy VAR để xem phản ứng của lạm phát kỳ vọng (inflation expectation) và output gap đối với một sự thay đổi (còn gọi là cú shock) của lãi suất thực (real interest rate)

 Đường màu xanh là đường phản ứng theo thời gian (hay là độ trễ), đường đứt quãng thể hiện khoảng tin cậy theo sai số chuẩn SE (ở đây tác giả ko đề cập, thường thì khoảng tin cậy là cộng trừ 2 sai số chuẩn

4 KẾT QUẢ NGHIÊN CỨU (tt)

 Nhìn vào hình, ta thấy lạm phát kỳ vọng hấp thụ rất ít tác động của một sự thay đổi trong lãi suất thực, và theo độ trễ thời gian thì tác động đó ngày càng giảm dần quanh mốc giá trị 0

 Đối với phản ứng của output gap thậm chí còn nhỏ hơn

4 KẾT QUẢ NGHIÊN CỨU (tt)

 Phân biệt trong bài này tác giả trình bày 2 mô hình dự đoán lạm phát Một là của tác giả (model – based

inflation expectation), hai là của Consensus Economics

là consensus expectation.

 Trong hai mô hình có 1 chút khác biệt trong việc chọn biến và độ trễ của các biến tham gia hồi quy không hoàn toàn giống nhau

 Tác giả thử kiểm tra tính thừa thải của các biến trong 2

mô hình xem như thế nào

4 KẾT QUẢ NGHIÊN CỨU (tt)

Kiểm tra biến dư thừa

 Trong hồi quy thì thường xảy ra hiện tượng đa cộng tuyến

(multicollinearity), ở đó các tương quan với nhau một cách rất mạnh mẽ Nếu 2 biến có độ biến thiên cùng nhau, ta có thể loại bỏ 1 trong 2 để mô hình trở nên đơn giản Biến dư thừa (reduntdant variable) hay còn gọi biến bỏ lờ (ommited variable) là các biến có mức độ biến thiên quá giống các biến khác trong mô hình, có thể được loại trừ khỏi mô hình hồi quy

 Kiểm tra biến dư thừa bằng cách so sánh phương trình hồi quy gốc với phương trình đã loại bỏ biến đó

4 KẾT QUẢ NGHIÊN CỨU (tt)