Nghiên cứu thực nghiệm về kỳ vọng lạm phát tại việt nam, dự báo và đánh giá các yếu tố ảnh hưởng

Tôi xin cam đoan luận văn “NGHIÊN CỨU THỰC NGHIỆM VỀ KỲ VỌNG LẠM PHÁT TẠI VIỆT NAM: DỰ BÁO VÀ ĐÁNH GIÁ CÁC YẾU TỐ ẢNH HƯỞNG” là công trình nghiên cứu của chính tác giả, nội dung được đúc

TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM

-

NGUYỄN THỊ DUY LINH

NGHIÊN CỨU THỰC NGHIỆM VỀ KỲ VỌNG LẠM PHÁT TẠI VIỆT NAM: DỰ BÁO VÀ ĐÁNH GIÁ CÁC YẾU TỐ ẢNH HƯỞNG

Chuyên ngành : Tài chính – Ngân hàng

Tôi xin cam đoan luận văn “NGHIÊN CỨU THỰC NGHIỆM VỀ KỲ VỌNG

LẠM PHÁT TẠI VIỆT NAM: DỰ BÁO VÀ ĐÁNH GIÁ CÁC YẾU TỐ ẢNH HƯỞNG” là công trình nghiên cứu của chính tác giả, nội dung được đúc kết từ quá

trình học tập và các kết quả nghiên cứu thực tiễn trong thời gian qua, số liệu sử dụng là trung thực và có nguồn gốc trích dẫn rõ ràng Luận văn được thực hiện dưới

sự hướng dẫn khoa học của PGS.TS Hồ Viết Tiến

Tp HCM, ngày tháng năm 2014

Nguyễn Thị Duy Linh

MỤC LỤC

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, ĐỒ THỊ

MỞ ĐẦU 1

I CƠ SỞ LÝ LUẬN 4

1.1 Đường cong Phillips và sự đánh đổi 4

1.2 Kỳ vọng và cách thức hình thành kỳ vọng lạm phát 6

1.2.1 Kỳ vọng 6

1.2.2 Cách thức hình thành kỳ vọng 11

II TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 13

III PHƯƠNG PHÁP LUẬN VÀ MÔ HÌNH NGHIÊN CỨU 23

3.1 ĐO LƯỜNG KỲ VỌNG LẠM PHÁT Ở VIỆT NAM 24

3.1.1 Dữ liệu 25

3.1.2 Mô hình sử dụng: ARIMA (p, d, q) 25

3.2 CÁC YẾU TỐ TÁC ĐỘNG ĐẾN KỲ VỌNG LẠM PHÁT 41

3.2.1 Các biến đưa vào mô hình 44

3.2.2 Kiểm tra tính dừng của các biến 48

3.2.3 Chọn biến trễ 51

3.2.4 Chạy mô hình hồi quy đa biến 52

3.2.5 Kiểm tra hiện tượng đa cộng tuyến 53

3.2.6 Kiểm định đồng liên kết (Cointegration test) 55

3.2.7 Đánh giá ý nghĩa toàn diện của mô hình 56

IV KẾT QUẢ THỰC NGHIỆM TẠI VIỆT NAM 57

V KẾT LUẬN VÀ KIẾN NGHỊ 60 TÀI LIỆU THAM KHẢO

PHỤ LỤC

3 Hình 3.3: Đồ thị hàm tự tương quan chuỗi CPI

4 Hình 3.4: Kết quả chạy mô hình ARIMA(2,0,2)

5 Hình 3.5: Kết quả chạy mô hình ARIMA(6,0,2)

6 Hình 3.6: Biểu đồ tự tương quan cho phần dư của mô hình ARIMA(2,0,2)

7 Hình 3.7: Biểu đồ thể hiện lạm phát thực tế và lạm phát ước tính

8 Hình 3.8: Kết quả chạy mô hình hồi quy đa biến

9 Hình 3.9: Ma trận hệ số tương quan giữa các cặp biến

10 Hình 3.10: Kết quả kiểm định đồng liên kết

11 Bảng 3.1: Kết quả thống kê một số tiêu chuẩn của 2 mô hình ARIMA(2,0,2), ARIMA(6,0,2)

12 Bảng 3.2: Tổng hợp kết quả dự báo lạm phát bằng mô hình ARIMA

13 Bảng 3.3: Quyền số dùng tính chỉ số giá tiêu dùng thời kỳ 2009 đến 2014

14 Bảng 4.1: Những yếu tố tác động đến kỳ vọng lạm phát

MỞ ĐẦU

Ổn định vĩ mô luôn là vấn đề quan trọng trong định hướng chính sách của Việt Nam cũng như các nước trên thế giới Diễn biến lạm phát những năm qua đã cho thấy nguy cơ lạm phát cao luôn tiềm ẩn và có thể quay trở lại gây ảnh hưởng đến sự ổn định và phát triển bền vững kinh tế của Việt Nam Vấn đề này đặt ra cho Ngân hàng nhà nước nhu cầu cấp bách đối với việc kiểm soát lạm phát cũng như tìm kiếm một

cơ chế điều hành chính sách tiền tệ cho phép kiểm soát lạm phát hiệu quả hơn, đảm bảo vừa kiềm chế được lạm phát vừa tiếp tục giữ vững tăng trưởng ở mức hợp lý Tuy nhiên, điều đó không dễ dàng thực hiện, thậm chí là ở những nước phát trển bởi luôn tồn tại sự đánh đổi giữa lạm phát và tăng trưởng Vào năm 2007, nền kinh tế tăng trưởng nóng với tốc độ tăng trưởng lên tới trên 8% và năm 2008, lạm phát đã vượt quá 20% Kể từ năm 2008, Việt Nam đã trải qua những biến động kinh tế vĩ

mô lớn như lạm phát hai chữ số, thâm hụt tài khóa và thương mại nặng nề Trong năm 2010, kinh tế Việt Nam tiếp tục phục hồi nhanh chóng sau khủng hoảng kinh tế với tốc độ tăng trưởng GDP là 6,8%, mức tăng trưởng này đạt được một phần là do mức đầu tư công tăng mạnh và tín dụng tăng trưởng nhanh chóng Tuy nhiên, Việt Nam đã không thể tiếp tục duy trì chính sách mở rộng này do chính sách đó gây ra một vòng xoáy lạm phát mới và buộc phải thực hiện chính sách tiền tệ thắt chặt vào đầu năm 2011 Khi lạm phát bắt đầu tăng cao, lãi suất tăng đến hơn 20% Chính phủ Việt Nam đã quyết định chuyển sang chú trọng việc ổn định kinh tế vĩ mô và sẵn sàng chấp nhận cái giá phải trả là tăng trưởng thấp (được thể hiện rõ trong nghị quyết 11/NQ-CP ngày 24/02/2011)

Câu hỏi đặt ra là cần giảm tăng trưởng bao nhiêu để giảm lạm phát tới mức có thể chấp nhận được Câu trả lời xác đáng vẫn đang được bỏ ngõ bởi lạm phát vẫn bị phụ thuộc bởi các yếu tố về tâm lý hơn là kinh tế Nếu các hộ gia đình cũng như các doanh nghiệp đều tin rằng các chính sách của chính phủ sẽ có hiệu quả trong việc giảm lạm phát, thì mục tiêu giảm lạm phát sẽ đạt được tương đối nhanh chóng và ít gây tổn thương cho nền kinh tế Nhưng nếu họ không tin tưởng vào các chính sách

này hoặc nghi ngờ chính phủ sẽ thay đổi sang chính sách khác, thì mục tiêu giảm lạm phát có lẽ sẽ còn kéo dài dai dẳng và tốn nhiều công sức, của cải Cái giá phải trả cho việc giảm lạm phát càng cao, thời gian để đạt được nó càng dài thì các chính sách của chính phủ lại càng khó đạt được mục tiêu và các doanh nghiệp cũng như kinh tế hộ gia đình lại càng giảm niềm tin rằng chính sách này sẽ thành công Chính

vì thế, một vòng xoắn trôn ốc luẩn quẩn sẽ vẫn cứ tồn tại

Do đó, vai trò của Chính phủ trong việc ban hành các chính sách đúng trong từng thời kỳ lạm phát tất nhiên là rất quan trọng, tuy nhiên việc tính đến yếu tố có tính quyết định đến chiều hướng của lạm phát – kỳ vọng của người dân trong việc xây dựng chính sách là điều cần được xem xét một cách nghiêm túc

Bài nghiên cứu này không đi vào việc tính toán để cho ra lời giải đáp phải hy sinh một mức tăng trưởng bao nhiêu để duy trì lạm phát ở một mức vừa phải mà theo đuổi một cách tiếp cận nhằm dự báo mức lạm phát trong tương lai và tiếp đến là nghiên cứu các yếu tố tác động đến kỳ vọng lạm phát Kết quả thực nghiệm chỉ ra rằng lạm phát cao và leo thang có thể dễ dàng tác động đến dự đoán của người dân

về lạm phát trong tương lai Các chính sách tiền tệ của chính phủ sẽ đạt được hiệu quả cao khi hướng đến mục tiêu phòng ngừa lạm phát hơn là thực hiện các chính sách bất ngờ và đột ngột khi nền kinh tế đã đạt được một mức tăng trưởng nhất định

Mục tiêu nghiên cứu:

Với tầm quan trọng của kỳ vọng lạm phát, người viết tiến hành dự báo về mức lạm phát kỳ vọng trong ngắn hạn tại Việt Nam Từ đó, nghiên cứu các yếu tố tác động đến kỳ vọng lạm phát để có một cái nhìn cụ thể hơn về kỳ vọng lạm phát

và đề xuất vài ý tưởng nhỏ cho chính sách tiền tệ của Việt Nam

Câu hỏi nghiên cứu:

Công việc dự báo được thực hiện như thế nào, công tác thu thập dữ liệu được tiến hành ra sao?

Làm thế nào để ước tính được các yếu tố tác động đến lạm phát kỳ vọng ?

Phạm vi nghiên cứu:

Kỳ vọng lạm phát được dự báo dựa vào dữ liệu lạm phát quá khứ (CPI - chỉ

số giá tiêu dùng) của Việt Nam từ quý 1 năm 2004 đến quý 4 năm 2013 Các chuỗi

dữ liệu khác dùng để đánh giá các yếu tố ảnh hưởng đến lạm phát kỳ vọng được nghiên cứu trong khoảng thời gian từ quý 1 năm 2005 đến quý 4 năm 2013

Phương pháp nghiên cứu:

Để dự báo kỳ vọng, người viết sử dụng mô hình tự hồi quy trung bình trượt

ARIMA (Auto Regressive Integrated Moving Average) Mô hình hồi qui đa biến

được sử dụng trong việc nghiên cứu các tác động ảnh hưởng đến kỳ vọng lạm phát

Kết cấu nghiên cứu:

Ngoài phần mở đầu, bài nghiên cứu bao gồm 5 phần:

I Cơ sở lý luận

II Tổng quan các nghiên cứu trước đây

III Phương pháp luận và mô hình nghiên cứu

IV Kết quả thực nghiệm tại Việt Nam

V Kết luận và kiến nghị

I CƠ SỞ LÝ LUẬN

Đường Phillips ngắn hạn thể hiện sự đánh đổi giữa tỷ lệ lạm phát và tỷ lệ thất nghiệp đối với các nhà làm chính sách Theo quan điểm này, các nhà làm chính sách

có hai lựa chọn: họ có thể chọn lạm phát cao để nhằm giữ tỷ lệ thất nghiệp thấp, hoặc chấp nhận thất nghiệp cao để giữ lạm phát ở mức kiểm soát Trong ngắn hạn, khi giá cả hoặc lạm phát kỳ vọng không thay đổi, việc giảm lạm phát thường đòi hỏi giảm sản lượng và việc làm Tỷ lệ hy sinh – tỷ lệ của sản lượng dự tính để giảm một điểm phần trăm lạm phát được xác định bằng hệ số góc của đường cong Phillips (β):

(1) β =  /  ỹ

 : tỷ lệ lạm phát

ỹ = (Y - Y*)/Y*: Chênh lệch giữa sản lượng thực tế (Y) và sản lượng tiềm năng (Y*).

Độ dốc của đường cong Phillips (β) càng nhiều thì chi phí của sự hy sinh về mặt sản lượng và việc làm để đạt mục tiêu ổn định về giá càng cao Nói cách khác, độ dốc của đường cong Phillips phụ thuộc phần lớn vào độ cứng nhắc của lương và giá cả: Hai yếu tố này càng cứng nhắc thì đường cong càng phẳng và tỷ lệ hy sinh càng cao Bằng chứng thực nghiệm cho thấy, đường cong Phillips không ổn định ở mọi thời điểm mà dịch chuyển lên xuống tùy thuộc vào một số yếu tố, trong đó, quan

trọng là tỷ lệ lạm phát kỳ vọng (e) và những cú sốc giá cả ngoại sinh () – sự tăng hay giảm của giá cả hàng hóa thế giới Chính vì vậy, đường cong Phillips hiện đại –

đường cong Phillips có bổ sung kỳ vọng được thể hiện như sau:

(2)  = e

+ β.ỹ + 

Theo đó, một sự tăng (giảm) trong tỷ lệ lạm phát kỳ vọng sẽ gắn liền với sự dịch chuyển lên (xuống) của đường cong Phillips Vì vậy, một sự tăng (giảm) trong tỷ lệ lạm phát kỳ vọng sẽ dẫn tới sự tăng (giảm) của tỷ lệ lạm phát thực tế mà không phụ thuộc vào khoảng cách sản lượng Cũng như vậy, một cú sốc giá cả tiêu cực/ tích cực (ví dụ như sự tăng hay giảm của giá cả hàng hóa trên thế giới) sẽ dẫn tới mức lạm phát cao (thấp) hơn, trong điều kiện các yếu tố khác không thay đổi

Trong dài hạn, những cú sốc ngoại sinh về giá là ngẫu nhiên và xê dịch ( = 0), không có chênh lệch từ sản lượng tiềm năng (ỹ = 0) và vì thế  = e

và tỷ lệ lạm phát kỳ vọng sẽ được điều chỉnh gần với thực tế hay nói cách khác chỉ phụ thuộc vào tốc độ tăng trưởng của tiền tệ Và như thế trong dài hạn, các nhà làm chính sách

sẽ không còn lựa chọn là giữ tỷ lệ thất nghiệp thấp kể cả là ở mức lạm phát cao

mô

Kỳ vọng có thể đẩy thực tế kinh tế không chỉ đi vào xu hướng tiêu cực mà còn có thể đi vào xu hướng tích cực Đôi lúc những kỳ vọng thuận lợi này tự chúng xuất hiện Những lúc khác, nhiều nhà kinh tế học vĩ mô tin rằng chính phủ phải giúp tạo

ra chúng bằng cách tạo sự tin cậy, tạo niềm tin ở công chúng Thực tế, quản lý kỳ vọng có thể là chức năng quan trọng nhất của chính sách kinh tế vĩ mô, ở cả chính sách tài khóa và chính sách tiền tệ

1 Chương trình giảng dạy Kinh tế Fulbright, Niên khóa 2011 – 2013, Kinh tế học vĩ mô, Chương 3: Kỳ vọng (David A Moss)

Kỳ vọng và lạm phát

Một cách tự nhiên, không cá nhân cũng như doanh nghiệp nào muốn đứng về phía thiệt hại của lạm phát Nếu những người công nhân kỳ vọng giá tiêu dùng tăng trong thời gian sắp tới, rất có thể họ sẽ yêu cầu có được tiền lương cao hơn để bảo đảm tiền lương thực của họ không giảm - đó là thu nhập sau khi điều chỉnh lạm phát Cùng một hiện tượng, nếu các doanh nghiệp kỳ vọng tiền lương và giá các yếu

tố đầu vào khác tăng, rất có thể họ sẽ cố gắng tăng giá để bảo đảm thu nhập của họ không giảm Do vậy, giá và lương trong thực tế sẽ tăng khi các cá nhân và các

doanh nghiệp cố gắng bảo vệ chính mình chống lại sự gia tăng giá kỳ vọng Theo

cách này, kỳ vọng lạm phát có thể dẫn dắt thực tế một cách hết sức mạnh mẽ

Một trong những nhiệm vụ chủ yếu của bất kỳ ngân hàng trung ương nào là thuyết phục công chúng rằng giá cả rất có thể không tăng nhiều trong tương lai – hay nói theo cách khác là lạm phát sẽ thấp Muốn như vậy thì các ngân hàng trung ương phải thực sự đáng tin cậy Để cho kỳ vọng lạm phát thấp, công chúng phải tin rằng ngân hàng trung ương sẽ chống lạm phát một cách hữu hiệu và kiên quyết vào thời điểm mà giá cả bắt đầu tăng quá mạnh Ngược lại, một ngân hàng trung ương gánh chịu sự tin cậy thấp sẽ tìm thấy chính mình trong một mớ hỗn loạn, với áp lực lạm phát nổ ra ngấm ngầm mọi nơi mọi lúc

Lý do mà sự tin cậy dạng này khó đạt được là do việc chống lạm phát có thể phải trả một cái giá khá đắt, đó chính là sự đánh đổi để có được một mức lạm phát thấp vừa phải Để chống lạm phát, một ngân hàng trung ương thường phải tăng lãi suất (có thể liên quan đến việc cắt giảm, hay ít nhất là làm chậm tăng trưởng cung tiền) Khi lãi suất tăng với chính sách tiền tệ thắt chặt hơn, tiêu dùng và đầu tư có thể chậm lại, vì các khoản vay cho tiêu dùng và kinh doanh trở nên đắt đỏ hơn Sản lượng tự nó có thể tăng với nhịp độ chậm hơn, hoặc ngay cả việc thu hẹp sản xuất

có thể diễn ra, và thất nghiệp rất có thể tăng lên

Nếu các nhà làm chính sách kết luận rằng lạm phát cao đang bị dẫn dắt bởi kỳ vọng lạm phát, thì việc kiểm soát tiền lương và giá cả có lẽ được xem như một cách hiệu

quả để thay đổi kỳ vọng và vì vậy mà phá vỡ vòng xoắn lạm phát (điều này sẽ đúng trong trường hợp chính phủ phải đáng tin cậy) Tuy nhiên, kiểm soát giá và lương

có tính kết dính tạo ra những bóp méo không thể tránh khỏi trong nền kinh tế, vì vậy làm giảm hiệu quả tổng thể Khi cung một loại hàng hóa giảm, ví dụ như dầu, giá của sản phẩm này thường tăng lên, phát tín hiệu đến những nhà sản xuất sản xuất nhiều hơn và người tiêu dùng sẽ hoặc là duy trì tối thiểu việc sử dụng dầu, đồng thời tìm sản phẩm thay thế, hay đơn giản là phải chuẩn bị trả tiền nhiều hơn Tuy nhiên, nếu chính phủ cấm tăng giá, người mua sẽ tiếp tục tiêu dùng dầu chính xác như họ đã tiêu dùng trước đây cho đến khi nào nó cạn kiệt, để lại những người khác không thể tiếp cận được với dầu Nói cách khác, kiểm soát giá có thể trở nên hữu hiệu một cách tiềm tàng trong việc định hình kỳ vọng, nhưng lại thường được điều hành kém cõi, và ngay cả khi được điều hành tốt đi nữa, thì cũng có thể tạo ra tất cả các dạng thiệt hại kinh tế đi kèm

Một giải pháp rõ ràng và đơn giản là cắt giảm tăng trưởng tiền, làm cho guồng máy lạm phát thiếu năng lượng cần thiết để vận hành Nhưng thật không may, khi lạm phát cao kéo theo cầu tiền cao, một nỗ lực giảm mạnh cung tiền có thể tiềm tàng đẩy lãi suất cao vút và do vậy kích hoạt một sự thu hẹp kinh tế khốc liệt

Kỳ vọng và Sản lượng

Dĩ nhiên, kỳ vọng cũng có thể ảnh hưởng đến sản lượng thực Nhà kinh tế học người Pháp J B Say đã thừa nhận vào đầu thế kỷ thứ 19 rằng cung tạo ra cầu của chính nó – một tuyên bố chính thức được biết đến với tên gọi định luật Say Vì sản xuất tạo ra thu nhập bằng với giá trị đầy đủ của sản phẩm được bán ra, tổng thu nhập sẽ luôn luôn đủ để mua tất cả sản lượng được sản xuất Không may là kỳ vọng tiêu cực đôi lúc xâm nhập vào vòng chu chuyển hạnh phúc của sản xuất và tiêu dùng này Nếu các cá nhân dự kiến thời kỳ khó khăn sắp xảy ra ngay ở phía trước,

họ có thể kìm lại các khoản chi tiêu của họ, bao gồm cả tiêu dùng và đầu tư, do vậy tạo ra một hố cách giữa GDP tiềm năng (cung khả thi – feasible supply) và GDP thực tế (cầu hữu hiệu - effective demand)

Kết quả là một vòng xoắn trôn ốc hướng xuống hiện rõ: vì lo lắng, người tiêu dùng quyết định tiết kiệm nhiều hơn và tiêu dùng ít đi, các doanh nghiệp sa thải công nhân và giảm đầu tư mới vì họ không thể sản xuất ra những hàng hóa và dịch vụ mà

họ không thể bán được; gia tăng thất nghiệp là giảm thu nhập, từ đó làm cắt giảm cầu nhiều hơn và do vậy tiếp tục làm nhấn sâu hơn vòng xoắn hướng xuống Dù năng lực sản xuất vẫn tồn tại, sản lượng giảm vì các nguồn lực sản xuất – cả con người và máy móc thiết bị - bị rơi vào tình trạng hoạt động cầm chừng để đối phó với sự suy sụp của phía cầu Keynes thích gọi hiện tượng này là “ nghịch lý của sự

nghèo đói trong sự dư thừa” - paradox of poverty in the midst of plent” (Keynes,

General Theory)

Kỳ vọng và chính sách tiền tệ

Để ngăn cản sự sụt giảm sức cầu, để làm sống lại tiêu dùng và đặc biệt là đầu tư, ngân hàng trung ương có thể sẽ dùng đến chính sách tiền tệ mở rộng: ví dụ quyết định hạ thấp lãi suất (có thể bằng cách mở rộng cung tiền) Một mức lãi suất thấp hơn có thể khuyến khích tiêu dùng thông qua làm cho tiết kiệm trở nên ít hấp dẫn hơn (vì tiết kiệm được lợi ít đi) và – điều quan trọng tương đương - thông qua giảm chi phí vay tiêu dùng Một cách tương tự, từ quan điểm kinh doanh, một mức lãi suất thấp hơn có thể khuyến khích đầu tư thông qua nguồn tài chính rẻ hơn cho việc tạo ra nhà máy và thiết bị mới

Tuy nhiên, một số các nhà kinh tế đã lo lắng rằng trong một số trường hợp có tính cực đoan, ngay cả chính sách tiền tệ có tính tăng cường có thể cũng không cung cấp

đủ sự kích thích để đưa một nền kinh tế đang suy giảm ra khỏi tình trạng khó khăn Keynes đã suy đoán rằng đầu tư mới có thể không bị hấp dẫn tại bất kỳ mức lãi suất thực tế khi mà kỳ vọng về sức cầu trong tương lai bị giảm sút nghiêm trọng Keynes cũng đã đề nghị rằng các nhà quản lý ngân hàng trung ương có thể không có khả năng đẩy mức lãi suất xuống thấp như họ muốn – đó là, mức thấp đủ để kích thích đầu tư – bởi vì tồn tại “bẩy thanh khoản” (liquidity trap) Tại một điểm nào đó, ở mức lãi suất rất thấp nhưng vẫn còn cao hơn zero, các cá nhân có thể quyết định

rằng việc giữ tiền được mong muốn nhiều hơn so với việc giữ bất kỳ loại tài sản nào khác (vì các loại tài sản khác bây giờ có lẽ được nhận thức là không còn được trả lãi

đủ để có thể bù đắp cho rủi ro tăng thêm của họ) Càng nhiều tiền mà ngân hàng trung ương đẩy vào nền kinh tế, thì người ta lại muốn giữ tiền lại càng lớn Cầu tiền lúc đó đang tăng lên nối đuôi cùng với cung tiền, lãi suất sẽ ngừng giảm, ngay cả khi ngân hàng trung ương bơm khoản tiền lớn hơn vào hệ thống kinh tế Như một số nhà kinh tế đã mô tả về hiện tượng này, đẩy nhiều tiền vào lúc này thì cũng giống như “đẩy tiền vào thùng không đáy” Dù khái niệm một cái bẫy thanh khoản vẫn còn tranh cãi, nó đã đưa ra được một ý nghĩa theo đó chính sách tiền tệ có thể bị thối lui nhiệm vụ của mình trong tình trạng đình đốn

Một cách lý tưởng, chính sách tiền tệ sẽ được quản lý theo một cách nhằm ngăn chặn giảm phát trầm trọng và cần được kiểm soát ngay từ ban đầu Nhưng nhiều nhà kinh tế vĩ mô tin rằng một khi giảm phát ở mức cao như vậy trở thành sự thật, chính sách tiền tệ xem như là vô ích trong việc xoay chuyển tình hình

Kỳ vọng và chính sách tài khóa

Keynes đã lập luận rằng nếu một nền kinh tế đang choáng váng bởi vì kỳ vọng về sức cầu trong tương lai ảm đạm, chính phủ có thể phát tín hiệu về thời kỳ tốt đẹp hơn ở phía trước thông qua chi tiêu nhiều hơn Khi các cá nhân và các hãng nhìn thấy chính phủ đang tạo ra sức cầu mới một cách mạnh mẽ, kỳ vọng của họ về tương lai sẽ chuyển theo hướng sáng sủa hơn và chính họ có thể bắt đầu chi tiêu trở lại Theo cách này, vòng xoắn tiêu cực đang đưa nền kinh tế đi xuống có thể được đảo chiều để mang nền kinh trở lại mức toàn dụng Theo Keynes và những môn đồ của ông, vai trò then chốt của chính phủ là phối hợp với kỳ vọng theo hướng có thiện chí thông qua chính sách tài khóa mở rộng Keynes chính mình đã mô tả cơ chế này dưới dạng của một “số nhân” thu nhập Bởi vì ông ta tin tưởng rằng một nỗ lực chi tiêu thâm hụt của chính phủ sẽ kéo theo tiêu dùng và đầu tư gia tăng, Keynes

đã kết luận rằng thu nhập quốc gia (GDP) sẽ tăng nhiều hơn số tăng chi tiêu chính phủ bắt nguồn ban đầu

Tương tự, các nhà đầu tư tiền tệ hướng tỷ giá hối đoái lên hay xuống trên cơ sở kỳ vọng (có thể là họ đặt cơ sở kỳ vọng của mình vào các tin tức về dữ liệu kinh tế vĩ mô) Ví dụ, nếu họ kỳ vọng đồng euro lên giá, họ mua euro (hay bán đôla) Nếu họ

kỳ vọng euro giảm giá, họ bán euro (hay mua đôla) Dù theo cách nào, kỳ vọng của

họ thực tế sẽ dẫn dắt kết quả

Có 3 trường hợp cơ bản cho việc hình thành kỳ vọng

 Khi lạm phát ở mức thấp trong suốt một khoảng thời gian dài, kỳ vọng sẽ

“tĩnh” nghĩa là các tổ chức cá nhân (hộ kinh doanh và doanh nghiệp) sẽ không còn lo lắng về lạm phát và làm ngơ trước sự thật rằng mức lạm phát

có thể thay đổi

 Khi lạm phát ở mức tương đối cao, người ta đã không thể làm ngơ được nữa Dân chúng có thể đoán lạm phát trong năm tới bằng với lạm phát của năm vừa rồi hoặc là trung bình của vài năm gần với hiện tại – hay nói cách khác, khi đó kỳ vọng có khả năng thích ứng, tức là phụ thuộc vào các giá trị quá khứ (lagged values) của lạm phát Nếu dự đoán như vậy thì gọi là kỳ vọng thích nghi (adaptive expectation)

 Khi những điều kiện cơ bản và chính sách của chính phủ thay đổi nhanh chóng, kỳ vọng thích ứng sẽ dẫn tới những sai lầm to lớn và đắt giá Trong

2 James Riedel & Phạm Thị Thu Trà, dự thảo tháng 8/2011 Kỳ vọng và cái giá phải trả cho giảm lạm phát ở Việt Nam

những tình huống như vậy, các tổ chức cá nhân sẽ điều chỉnh kỳ vọng không phải dựa vào quá khứ, mà dựa trên cơ sở nhìn về phía trước và dự đoán các chính sách mà chính phủ sẽ ban hành trong tương lai Hay theo cách khác, các tổ chức cá nhân sẽ bỏ qua kỳ vọng thích ứng và chuyển sang kỳ vọng hợp lý (rational expectation) Khi các chính sách của chính phủ được tiên đoán một cách hoàn hảo thì chúng sẽ chẳng còn tác dụng gì cho nền kinh tế thực khi kỳ vọng được hình thành một cách hợp lý Vì vậy, nếu chính phủ tuyên bố rằng sẽ tăng chi tiêu để tăng tỷ lệ việc làm, các tổ chức các nhân sẽ ngay lập tức điều chỉnh tăng tỷ lệ lạm phát kỳ vọng (đường cong Phillips dịch chuyển lên trên) và chính sách sẽ không có hiệu quả gì ngoài việc làm

tỷ lệ lạm phát tăng cao hơn

II TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY

2.1 Michael Debabrata Patra and Partha Ray, 2010, Inflation Expectations and Monetary Policy in India: An Empirical Exploration

Bài nghiên cứu này theo đuổi một cách tiếp cận tính toán chi tiết để tạo ra lạm phát trong tương lai, tiếp theo một thăm dò của các yếu tố quyết định của kỳ vọng lạm

phát bằng cách ước tính một loại đường cong Phillips Keynes mới sẽ đưa vào tài

khoản quốc gia cụ thể đặc điểm, lập trường của chính sách tiền tệ và tài khóa, chi phí cận biên và chỉ ra những cú sốc ngoại sinh Kết quả thực nghiệm chỉ ra rằng lạm phát cao và leo thang có thể dễ dàng tác động vào dự đoán của người dân về lạm phát trong tương lai và kéo dài Chính sách tiền tệ sẽ mang lại hiệu quả cao trong việc hướng đến những chính sách phòng ngừa lạm phát hơn là tác động một cách bất ngờ và đột ngột khi xã hội đã đạt được một mức tăng trưởng nhất định

Tác giả tiến hành một qui trình gồm hai giai đoạn để nghiên cứu những động cơ của

kỳ vọng lạm phát ở Ấn Độ:

1 Dựa vào các nghiên cứu trước đây là mô hình hóa lạm phát quá khứ, từ đó tạo ra một chuỗi lạm phát kỳ vọng cho thời kỳ tiếp theo Dữ liệu được sử dụng là chuỗi dữ liệu WPI (Wholesale Price Index) hàng từ tháng 4 năm 1997 đến tháng 12 năm

2008 Tác giả đã sử dụng mô hình ARIMA để dự báo lạm phát kỳ vọng, một mô hình được chứng minh là rất hiệu quả trong việc dự báo trong ngắn hạn:

2 Giai đoạn tiếp theo là đánh giá các yếu tố tác động đến kỳ vọng lạm phát bằng cách sử dụng mô hình hồi qui đa biến với công thức ước tính như sau:

Trong đó: πt-i là lạm phát quá khứ; (yt-i - y*) là chênh lệch giữa GDP thực tế và GDP tiềm năng; g(EXPN) là sự tăng trưởng của các khoản chi thực tế của Chính phủ trung ương; g(REER) là phần trăm thay đổi trong tỷ giá hối đoái thực; πFL và πPR là phần trăm thay đổi trong giá nhiên liệu và các sản phẩm chính yếu

Các biến đưa vào mô hình gồm biến gốc và các biến ở nhiều độ trễ dựa trên phương pháp “Từ tổng quát đến cụ thể” (Generate-to-specific)

Kết quả nghiên cứu:

 Mô hình ước tính lạm phát kỳ vọng cho thời kỳ tiếp theo được tổng kết:

Chênh lệch giữa sản lượng thực tế và tiềm năng có quan hệ cùng chiều và có ý nghĩa khi chiếm gần 14% trong sự thay đổi của lạm phát kỳ vọng và điều đó cũng chứng minh sự phù hợp trong việc tác giả chọn trường phái Keynes mới để giải thích quá trình hình thành kỳ vọng lạm phát ở Ấn Độ Đối với các nước đang phát triển, lạm phát thường bị dẫn dắt do áp lực dư cầu và điều này, đến lượt nó sẽ hỗ trợ

cho suy luận của tác giả về vai trò của chính sách kinh tế vĩ mô trong việc ổn định

kỳ vọng Chênh lệch giữa sản lượng thực tế và tiềm năng có ý nghĩa thống kê với

độ trễ một kỳ cho thấy tốc độ tổng cầu có thể chuyển thành áp lực lạm phát trong kỳ vọng của người dân và nhấn mạnh tầm quan trọng của khoảng thời gian phản ứng chính sách

Một phát hiện quan trọng của bài nghiên cứu là sự ảnh hưởng của lãi suất thực thể hiện lập trường của chính sách tiền tệ Hệ số âm cho thấy quan hệ ngược chiều của lãi suất thực và kỳ vọng lạm phát và đó là minh chứng cho độ tin cậy thu được của chính sách tiền tệ trong việc neo kỳ vọng lạm phát trong những năm gần đây Ý nghĩa của lãi suất thực tế với độ trễ 12 tháng và với hệ số tương đối thấp cho thấy khoảng thời gian cần thiết để chính sách tiền tệ tác động kỳ vọng lạm phát

Kết quả cũng cho thấy việc gia tăng tỷ giá làm giảm áp lực cho kỳ vọng lạm phát Điều này cũng phù hợp với kỳ vọng đối với Ấn độ, một nước mà nền kinh tế chủ yếu dựa vào cầu nội địa

2.2 Muhammad Abdus Salam, 2006, Forecasting Inflation in Developing Nations: The Case of Pakistan

Bài nghiên cứu sử dụng các bước nghiên cứu thực nghiệm bằng mô hình ARIMA

để dự báo lạm phát ở Pakistan Bài viết tập trung chủ yếu vào việc dự báo lạm phát hàng tháng trong ngắn hạn Nhiều mô hình ARIMA khác nhau được đưa vào thử nghiệm Tác giả dựa vào nhiều phép thử, nhiều chỉ tiêu đánh giá để chọn ra mô hình chính xác và phù hợp nhất để dự báo lạm phát trong ngắn hạn

Tác giả sử dụng chuỗi dữ liệu là chỉ số lạm phát CPI từ tháng 7 năm 1993 đến tháng

6 năm 2003 Tác giả sử dụng các phần mềm thống kê như Eviews, SPSS và Excel

để phục vụ việc phân tích dữ liệu Việc nghiên cứu được thực hiện theo các bước:

- Thu thập dữ liệu lạm phát tháng từ các nguồn: Pakistan Economic Survey, Ngân hàng trung ương Pakistan, International Financial Statistics (IFS), IMF

- Kiểm tra dữ liệu: kiểm tra tính mùa vụ, tính dừng bằng cả kiểm định Dickey – Fuller cũng như đồ thị hàm tự tương quan (ACF) và tự tương quan riêng phần (PACF)

- Mô hình ước tính được cân nhắc sau khi kiểm tra tính ngẫu nhiên của chuỗi

dữ liệu bằng cách sử dụng hàm ACF và PACF, kiểm tra phần dư từ mô hình xem có tính nhiễu trắng hay không

- Một số mô hình ARIMA sẽ được chọn ra để cân nhắc và kiểm tra để có mô hình cuối cùng phù hợp nhất: dựa vào các chỉ số thống kê: Akaike Information Criteria (AIC), Schwarz Information Criteria (SIC), Theil Inequality Coefficient (TIC), Root Mean Square Error (RMSE), Root Mean Square Percent Error (RMSPE), Mean Absolute Error (MAE)

- Mô hình ước tính

- Kết quả sau khi chạy mô hình:

2.3 Anil Perera, Central Bank of Sri Lanka, 2010, Inflation Expectations and Monetary Policy

Bài nghiên cứu đánh giá tầm quan trọng của việc đo lường kỳ vọng lạm phát nhằm thực thiện hiệu quả chính sách tiền tệ Ngân hàng trung ương cần phải tính đến kỳ vọng của người dân về lạm phát khi thực hiện và xác định lập trường của chính sách tiền tệ Đồng thời, ngân hàng trung ương phải liên tục đánh giá độ tin cậy của chính sách tiền tệ thông qua kỳ vọng lạm phát

Tác giả đưa ra bốn yếu tố tác động đến kỳ vọng lạm phát:

Ví dụ: lạm phát thấp trong một vài năm sẽ giúp làm giảm kỳ vọng lạm phát Tuy nhiên, cú sốc cung hoặc các cú sốc bên ngoài có thể làm tăng cao kỳ vọng lạm

phát

tin tưởng hoặc không hiểu rõ về các con số thống kê lạm phát Ví dụ, nhiều người cảm thấy mức lạm phát mà cá nhân họ cảm nhận lại có ý nghĩa hơn chỉ số CPI chính thức

giá các mặt hàng thiết yếu và họ bớt chú trọng đến chu kỳ kinh tế Mặc dù ngân hàng trung ương kỳ vọng việc sắp tới sự tăng trưởng chậm lại của nền kinh tế sẽ làm giảm kỳ vọng lạm phát nhưng có một điều không rõ ràng là người tiêu dùng

có hiểu được sự liên kết giữa tăng trưởng chậm và lạm phát thấp

số hóa: Khi người dân kỳ vọng lạm phát sẽ tăng lên họ sẽ đòi hỏi một mức lợi

tức cao hơn trên trái phiếu danh nghĩa để bù lại mức lạm phát tăng lên Điều đó tạo thêm chất xúc tác cho kỳ vọng lạm phát

Đo lường lạm phát kỳ vọng:

- Thông qua các cuộc khảo sát: tiến hành khảo sát các hộ gia đình, các chuyên gia

dự đoán và các doanh nhân bằng các bảng câu hỏi

- Thông qua thông tin thị trường tài chính: Thị trường tài chính đã phát triển rất nhiều công cụ mới phục vụ cho việc đo lường kỳ vọng lạm phát, những phương pháp đo lường này bắt nguồn từ những công cụ có kết nối với các chỉ số giá: ví

dụ như tỷ lệ lãi suất thực

Khảo sát

- Đo lường trực tiếp lạm phát

- Dễ dàng đo lường kỳ vọng tổng thể thị trường

- Không phụ thuộc vào các thị trường tài chính cao cấp

- Tầm nhìn hạn chế: đa số mọi người kỳ vọng lạm phát dựa vào lạm phát quá khứ

- Không thể tiến hành thường xuyên

và phần bù rủi ro lạm phát

- Phụ thuộc vào các thị trường tài chính cao cấp

2.4 Martin Cerisola and R Gaston Gelos, 2005, What drives inflation expectations in Brazil?: An Empirical Analysis:

Nghiên cứu này xem xét các yếu tố quyết định kinh tế vĩ mô của cuộc khảo sát kỳ vọng lạm phát ở Brazil kể từ khi áp dụng lạm phát mục tiêu vào năm 1999 Kết quả cho thấy khuôn khổ lạm phát mục tiêu đã giúp neo kỳ vọng, với sự lan truyền kỳ vọng lạm phát giảm đáng kể, đặc biệt là trong thời kỳ bất ổn cao Bài nghiên cứu cũng cho thấy rằng ngoài các lạm phát mục tiêu, lập trường của chính sách tài khóa, cũng là yếu tố hình thành nên kỳ vọng Tầm quan trọng của lạm phát trong quá khứ trong việc xác định kỳ vọng tương đối thấp, và bằng chứng thực nghiệm không cho thấy sự hiện diện đáng kể của quán tính trong quá trình lạm phát

Tác giả sử dụng phương trình thu gọn (reduced-form equation) để đánh giá các yếu

tố nền tảng và sự thay đổi trong biến động của kỳ vọng lạm phát kể từ khi lạm phát mục tiêu được áp dụng năm 1999 Phương trình này được xây dựng dựa vào các nghiên cứu trước đây Tổng kết lại, lạm phát bị chi phối bởi lạm phát quá khứ, lạm phát tương lai và một yếu tố phản ánh chi phí sản xuất biên thực tế Mô hình cho thấy, chi phí sản xuất biên tương lai có thể đóng một vai trò quan trọng trong việc dẫn dắt lạm phát kỳ vọng Đặc điểm của phương trình đo lường lạm phát kỳ vọng là

sử dụng độ lệch giữa của tỷ giá hối đoái thực và tiền lương thực với mức tiềm năng của nó như là chi phí cận biên thực

Do tầm quan trọng của chính sách tài khóa đối với lạm phát nên cán cân tài khóa cho các khu vực công hợp nhất cũng được tính đến một cách rõ ràng trong phương trình ước tính Lập trường của chính sách tài khóa hiện tại có thể được sử dụng và xem như là một tín hiệu cho cam kết của các chính phủ để ổn định tài chính Phương trình ước tính như sau:

πe

t : là tỷ lệ lạm phát kỳ vọng 12 tháng tới

πt-1 : là tỷ lệ lạm phát 12 tháng trước

Trong đó, reer và wage đƣợc ƣớc tính bằng bộ lọc Hodrick-Presscott Sự lựa chọn

độ trễ cho các biến độc lập chủ yếu đƣợc dựa trên tính sẵn có của dữ liệu tại thời điểm t

Mô hình kinh tế lƣợng chỉ ra rằng lạm phát mục tiêu và chính sách tài khóa đóng vai trò quan trọng trong việc dẫn dắt lạm phát kỳ vọng Tác giả cũng đƣa thêm 3 mô hình ƣớc tính kỳ vọng khác (table 1):

Kết quả cho thấy, tương tự như các kết quả nghiên cứu thực nghiệm khác về lạm phát mục tiêu ở các nền kinh tế mới nổi Ý nghĩa của lạm phát trong quá khứ trong việc xác định những kỳ vọng tương đối thấp, với ước tính dao động quanh mức 0,18-0,29 Mục tiêu lạm phát là một trong những yếu tố quyết định quan trọng nhất của kỳ vọng lạm phát, với ước tính khác nhau từ mức thấp 0,66 đến mức cao nhất là 1,00 Nếu mục tiêu lạm phát là hoàn toàn đáng tin cậy, người ta sẽ mong đợi hệ số của mục tiêu là một

Kết quả cũng khẳng định một yếu tố quan trọng khác trong việc xác định kỳ vọng là lập trường của chính sách tài khóa Đúng như kỳ vọng, một sự gia tăng trong thặng

dư tài khóa dẫn đến kỳ vọng lạm phát thấp hơn: mức thặng dư trên GDP tăng một phần trăm sẽ dẫn đến giảm 1% kỳ vọng lạm phát Chi phí cận biên cũng có ý nghĩa trong việc giải thích lỳ vọng lạm phát Chênh lệch tiền lương có tác động cùng chiều cho thấy tác động của áp lực cầu gia tăng Lãi suất thực cũng có tác động cùng chiều, điều này phù hợp với quan điểm một sự giảm giá trong tỷ giá hối đoái thực hàm ý dẫn đến một sự gia tăng trong chi phí nhập khẩu đầu vào và sự truyền dẫn giữa điều này đến lạm phát trong thời gian tới

Kết quả thực nghiệm ủng hộ quan điểm về kinh nghiệm áp dụng lạm phát mục tiêu thành công ở Brazil Các phân tích thực nghiệm chỉ ra rằng lạm phát kỳ vọng trở nên ít phụ thuộc vào quá khứ và neo chặt hơn vào lạm phát mục tiêu trong những năm gần đây và quán tính lạm phát là khá nhỏ Tuy nhiên, kết quả ước tính cũng cho thấy vẫn còn khoảng trống cho việc gia tăng độ tin cậy trong khuôn khổ lạm phát mục tiêu bởi vì hệ số ước tính của lạm phát mục tiêu trung bình vẫn nhỏ hơn một

Chính vì vậy, một số lựa chọn đang được xem xét bởi các nhà chức trách Brazil để tăng hơn nữa cường hiệu quả của các khuôn khổ lạm phát mục tiêu Một lựa chọn quan trọng là trao quyền tự chủ hoạt động đầy đủ cho ngân hàng trung ương Phù hợp với những phát hiện trong lý thuyết, hỗ trợ quan điểm cho rằng độ tin cậy của chính sách tiền tệ được tăng cường sẽ cung cấp cho các ngân hàng trung ương sự

độc lập để duy trì sự ổn định giá cả, các nhà chức trách Brazil đã ưu tiên thiết lập một chính sách cải cách như vậy

Tác giả chỉ ra rằng biên độ lạm phát mục tiêu của Brazil vẫn còn cao so với các nước có nền kinh tế mới nổi (Table 2):

Tác giả đề xuất, khi lạm phát trở nên ổn định hơn và khả năng phục hồi của nền kinh tế trước những cú sốc tăng lên, việc tiếp tục thu hẹp biên độ lạm phát mục liêu

và thiết lập một mục tiêu lạm phát trong dài hạn có thể giúp việc neo kỳ vọng chặt hơn

III PHƯƠNG PHÁP LUẬN VÀ MÔ HÌNH NGHIÊN CỨU

Kỳ vọng lạm phát từ lâu đã được coi là có vai trò quan trọng trong phân tích chính sách tiền tệ và kinh tế Kỳ vọng có tác động như thế nào, có đặc điểm gì – là kỳ vọng thích ứng hay kỳ vọng hợp lý, làm thế nào để đo lường chúng, chúng phản ứng ra sao với sự thay đổi chính sách,… là một trong những tiêu điểm của các cuộc tranh luận dữ dội đã thể hiện trong nhiều nghiên cứu Có một sự đồng thuận là trong khi lạm phát ảnh hưởng tới sức mua thì kỳ vọng lạm phát lại ảnh hưởng đến hành vi của người dân theo những cách có tác động đến kinh tế trong dài hạn Chính vì vậy

mà ngày nay, một trong các mục tiêu chính của chính sách tiền tệ hiện đại được chấp nhận rộng rãi là kiểm soát kỳ vọng lạm phát Neo lạm phát kỳ vọng là bước đầu tiên để kiểm soát lạm phát và giảm thiểu chi phí đầu ra của quá trình giảm lạm phát, đặc biệt là khi xuất hiện các cú sốc bất lợi lớn

Điều không may là thật khó có thể biết chính xác kỳ vọng lạm phát của người dân là gì; những người khác nhau có cách hiểu khác nhau về lạm phát Điều quan trọng nhất là sự kỳ vọng của những người trực tiếp thiết lập giá cả và tiền lương như nhân viên, hộ kinh doanh, các công ty,…

Tuy nhiên, một cách tổng quát, có ba cách tiếp cận chính để ước tính kỳ vọng lạm phát gồm: 1 Trái phiếu chính phủ với chỉ số lạm phát: hàm ý rằng kỳ vọng lạm phát

là chênh lệch giữa lợi tức thu trên một trái phiếu thông thường và lợi tức trên trái phiếu cùng kỳ hạn có tính đến lạm phát; 2 Hoán đổi (Swaps) lạm phát cho thấy sự phòng ngừa rủi ro lạm phát được phản ánh qua mức phí; 3 Và cuối cùng các cuộc điều tra về kỳ vọng lạm phát bằng cách đặt câu hỏi về suy nghĩ của mọi người, đặc biệt khi thị trường tài chính có tín hiệu lạm phát ở phía trước Mỗi biện pháp đều có những hạn chế riêng đã được chứng minh qua việc gặp những trở ngại nghiêm trọng đến các phân tích thực nghiệm Các chỉ số dựa trên thị trường có thể phản ánh phần

bù rủi ro (risk premia) và nhiều yếu tố thị trường khác ngoài kỳ vọng lạm phát

Thậm chí các chỉ số kinh tế trực tiếp như số liệu thanh toán tiền lương có thể phản ánh không chỉ kỳ vọng lạm phát mà còn các yếu tố khác như năng suất và khả năng

chi trả Phương pháp điều tra, khảo sát nói chung thường không chỉ định các chỉ số

cụ thể có liên quan, và do đó, kết quả phải được giải thích một cách thận trọng

(Michael Debabrata Patra and Partha Ray,“Inflation Expectations and Monetary Policy in India, 2010) Một số nghiên cứu cũng cho thấy rằng câu trả lời khảo sát

thể hiện sự biến động cao (Blanchflower et al, 2009 “The formation of inflation

expectations: An empirical analysis for the UK) Như vậy, chìa khóa cho việc thiết

lập chính sách tiền tệ tương lai là sự đo lường thích hợp kỳ vọng lạm phát

Trong bài nghiên cứu này, một quy trình hai giai đoạn được sử dụng để nghiên cứu động cơ của lạm phát kỳ vọng ở Việt Nam:

 Trước tiên, áp dụng mô hình đã được nghiên cứu chuyên sâu trước đây để xử

lý dữ liệu lạm phát thực tế quá khứ, từ đó ước tính một chuỗi kỳ vọng lạm phát trong tương lai

 Sau khi có được một chỗi các định lượng của kỳ vọng lạm phát trong giai đoạn nghiên cứu, người viết đi vào đánh giá sự hình thành kỳ vọng lạm phát hay nói cách khác là đánh giá các nhân tố ảnh hưởng đến kỳ vọng

thực nghiệm

Một phương pháp rất phổ biến trong việc lập mô hình chuỗi thời gian là phương pháp luận BOX-JENKINS - mô hình trung bình trượt kết hợp tự hồi quy ARIMA

(Autoregressive integrated moving average ARIMA) Tên gọi của phương pháp này

là sự kết hợp của hai tên tác giả George Box và Gwilym Jenkins, đã nghiên cứu bao quát những mô hình dự báo áp dụng cho việc phân tích, dự báo và kiểm soát các chuỗi thời gian trên cơ sở bao quát các tình huống tự hồi qui, sai phân, trung bình trượt Trên lý thuyết, phương pháp này có thể áp dụng để dự báo cho tất cả các chuỗi thời gian nào, nhưng có lẽ thích hợp nhất khi các thành phần mô tả chuỗi thời

gian thay đổi tương đối nhanh theo thời gian3 Người viết đã sử dung mô hình này

để dự báo kỳ vọng lạm phát ở Việt Nam mà dữ liệu được lấy là chuỗi lạm phát

trong quá khứ: là chỉ số giá tiêu dùng CPI (Consumer Price Index), được lấy theo

quý từ năm 2004 đến năm 2013 tại Việt Nam

Hình 3.1: Dữ liệu lạm phát Việt Nam từ quý 1-2014 đến quý 4-2014 (Nguồn: Tổng cục

thống kê (Số liệu chuyên đề/ chỉ số giá tiêu dùng, http://www.gso.gov.vn

3.1.2 Mô hình sử dụng: ARIMA (p, d, q):

 p : Các tham số của mô hình tự hồi qui

Yt-1, Yt-p : Các biến trễ 1 đến p thời đoạn

3 Hoàng Trọng và Chu nguyễn Mộng Ngọc, 2010, Thống kê ứng dụng trong kinh tế - xã hội, Nhà xuất bản Lao động – xã hội (Chương 15, trang 469)

εt-1, εt-q : Thành phần sai số (số hạng nhiễu ngẫu nhiên) ở thời đoạn t-q

có tính chất không tương quan qua các thời kỳ

θ1, θq : Tham số trung bình trượt

δ : Hằng số

Theo mô hình này, giá trị dự báo sẽ phụ thuộc vào các giá trị quá khứ và tổng có trọng số các nhiễu ngẫu nhiên hiện hành và các nhiễu ngẫu nhiên có độ trễ Theo Box – Jenkin mọi quá trình ngẫu nhiên có tính dừng đều có thể biểu diễn bằng mô hình Tự Hồi Qui Kết Hợp Trung Bình Trượt ARIMA

Mô hình tự hồi quy bậc p = AR(p)

Biến Yt được ước lượng qua một mối quan hệ với hàng loạt các biến trễ 1 đến p

thời đoạn Thành phần sai số εt bao hàm trong đó tác động của các yếu tố khác đến

Yt ngoài các trễ (các εt này độc lập lẫn nhau theo thời gian)

Mô hình Trung bình trượt bậc q – MA(q)

Không như quá trình AR hồi qui ngược lại các giá trị trước đó của chuỗi thời gian

để phục vụ cho dự báo, quá trình trung bình trượt MA sử dụng các giá trị sai số trong quá khứ như là biến giải thích

Việc thực hiện phương pháp BOX-JENKINS bao gồm bốn bước 4

: Bước 1 Nhận dạng:

Số liệu quá khứ của chuỗi thời gian được dùng để nhận dạng thử nghiệm một mô hình ARIMA thích hợp: đi tìm các giá trị thích hợp của p, d và q

Bước 2 Ước lượng:

Sau khi đã nhận dạng các giá trị thích hợp của p và q, bước tiếp theo là ước lượng các thông số của các số hạng tự hồi quy và trung bình trượt trong mô hình Đôi khi phép tính này có thể được thực hiện bằng phương pháp bình phương tối thiểu nhưng đôi khi phải sử dụng các phương pháp ước lượng phi tuyến (thông số phi tuyến) Tuy nhiên, hiện nay việc ước lượng này có thể được thực hiện tự động bằng một số phần mềm thống kê như Eviews, Stata,…

Bước 3 Kiểm tra chẩn đoán:

Sau khi đã lựa chọn mô hình ARIMA cụ thể và ước lượng các tham số của nó, ta tìm hiểu xem mô hình lựa chọn có phù hợp với dữ liệu ở mức chấp nhận hay không bởi vì có thể một mô hình ARIMA khác cũng phù hợp với dữ liệu Đó là lý do tại sao phương pháp lập mô hình ARIMA của Box-Jenkins là một nghệ thuật nhiều hơn là một khoa học; cần phải có kỹ năng tốt để lựa chọn đúng mô hình ARIMA Một kiểm định đơn giản về mô hình lựa chọn là xem xem các phần dư ước lượng từ

mô hình này có tính ngẫu nhiên thuần túy hay không; nếu có, ta có thể chấp nhận sự phù hợp này của mô hình; nếu không, ta phải lặp lại từ đầu: Như vậy, phương pháp luận Box-Jenkins là một quá trình lặp lại

phương pháp này tin cậy hơn so với các dự báo tính từ phương pháp lập mô hình kinh tế lượng truyền thống, đặc biệt là đối với dự báo ngắn hạn Tuy nhiên, từng trường hợp phải được kiểm tra cụ thể

3.1.2.1 Nhận dạng mô hình:

Nhận dạng mô hình chính là việc đi tìm các giá trị p, d, q thích hợp

Các công cụ chủ yếu để nhận dạng mô hình là hàm tự tương quan (Correlogram - ACF), hàm tự tương quan riêng phần (Partial correlogram - PACF), và các biểu đồ tương quan vẽ dựa vào các hàm này Các biểu đồ này chỉ đơn giản là các điểm của

ACF và PACF vẽ theo độ trễ

Khảo sát tính dừng của dữ liệu

Tính dừng được hiểu nôm na là không có sự tăng trưởng hay suy thoái trong dữ liệu

mà dữ liệu giao động gần như tập trung xung quanh một trục nằm ngang theo chiều tăng của thời gian, hay nói cách khác là dữ liệu biến động xung quanh giá trị trung bình không đổi và độ lớn của phương sai thể hiện biến động về cơ bản cũng giữ nguyên theo thời gian.Một quá trình ngẫu nhiên được gọi là có tính dừng khi nó có các tính chất sau:

Kỳ vọng không đổi theo thời gian : E(Yt) = μ

Phương sai không đổi theo thời gian : Var(Yt) = E(Yt- μ) = ζ2

Đồng phương sai chỉ phụ thuộc khoảng cách của độ trễ mà không phụ thuộc thời điểm tính đồng phương sai đó, vk = E[(Yt- μ)(Yt-k- μ)] không phụ thuộc t

Chúng ta có thể biến dữ liệu chuỗi thời gian từ không có tính dừng thành có tính dừng bằng cách lấy sai phân của nó

Sai phân bậc nhất: Y’t = Yt - Yt-1

Yt và Yt-1 : là giá trị của chuỗi thời gian tại thời đoạn t hoặc t-1

Y’t : là ký hiệu của sai phân bậc 1 tại thời đoạn t

Sai phân bậc hai: Y’’t = Y’t-Y’t-1 = (Yt-Yt-1)- (Yt-1-Yt-2) = Yt – 2Yt-1 +Yt-2

Yt ,Yt-1,Yt-2 : là giá trị của chuỗi thời gian tại thời đoạn t, t-1 hoặc t-2

Y’’t : là ký hiệu của sai phân bậc 2 tại thời đoạn t

Y’t và Y’t-1 : là ký hiệu của sai phân bậc 1 tại thời đoạn t và t-1

Chuỗi sai phân Y’t sẽ dừng nếu xu hướng của chuỗi gốc là tuyến tính và nó chỉ còn n-1 quan sát do Y’1 không thể tính được mà phải bắt đầu từ Y’2 Nếu sau khi lấy sai phân bậc một mà các kiểm tra vẫn còn cho thấy dữ liệu chưa dừng thì phải lấy tiếp sai phân bậc 2 Chuỗi sai phân bậc 2 có n-2 quan sát Trong thực tế người ta thấy rằng hiếm khi phải tính sai phân bậc cao hơn vì thông thường sau khi lấy đến sai phân bậc 2 là chuỗi đã dừng

Trong các mô hình dự báo chuỗi thời gian và dự báo bằng phương pháp hồi qui các chuỗi thời gian, thì việc các chuỗi thời gian dừng hay không dừng có ý nghĩa rất quan trọng trong việc lựa chọn mô hình dự báo thích hợp

Kiểm định nghiệm đơn vị (dựa vào thống kê tau của Dickey-Fuller) là một kiểm

định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian dừng hay không dừng

Giả sử ta có phương trình hồi qui tự tương quan như sau:

Yt = ρYt-1 + ut (-1 ≤ ρ ≤ 1) (3.1)

Ta có các giả thiết:

H0: ρ = 1 (Yt là chuỗi không dừng)

H1: ρ < 1 (Yt là chuỗi dừng)

Phương trình (3.1) tương đương với phương trình (3.2) sau đây:

Yt - Yt-1 = ρYt-1 - Yt-1 + ut

= (ρ – 1)Yt-1 + ut

ΔYt = δYt-1 + ut (3.2)

Như vậy các giả thiết ở trên có thể được viết lại như sau:

H0: δ = 0 (Yt là chuỗi không dừng)

H1: δ < 0 (Yt là chuỗi dừng)

Dickey và Fuller cho rằng giá trị t ước lượng của hệ số Yt-1 sẽ theo phân phối xác suất η (tau statistic, η = giá trị δ ước lượng/sai số của hệ số δ) Kiểm định thống kê η còn được gọi là kiểm định Dickey – Fuller (DF)

ΔYt = β1 + β2TIME + δYt-1 + ut (3.5)

Để kiểm định H0 ta so sánh giá trị thống kê η tính toán với giá trị thống kê η tra bảng DF Tuy nhiên, do có thể có hiện tượng tương quan chuỗi giữa các ut do thiếu biến, nên người ta thường sử dụng kiểm định DF mở rộng là ADF (Augmented Dickey – Fuller Test)

Kiểm định này được thực hiện bằng cách đưa thêm vào phương trình (3.5) các biến trễ của sai phân biến phụ thuộc ΔYt:

ΔYt = β1 + β2TIME + δYt-1 + αi ΔYt-i + t (3.6)

Ta tiến hành kiểm định nghiệm đơn vị trên Eviews 6 cho chuỗi thời gian lạm phát CPI Việt Nam (chọn phương trình 3.5) với kết quả thu được như hình 3.2:

Hình 3.2 Vậy các trị thống kê tới hạn 1%, 5% và 10%, được tính bởi Mackinnon, tương ứng

là -3.615, -2.941, -2.609 Do giá trị được tính của  là – 4.802, về mặt giá trị tuyệt đối là lớn hơn các giá trị tới hạn 1%, 5% và 10%, chúng ta loại bỏ giả thuyết H0 với

δ = 0, chấp nhận giả thiết H1, có thể kết luận chuỗi lạm phát  là chuỗi dừng (tại chuỗi gốc)

Sau khi kết luận chuỗi lạm phát  là chuỗi dừng, ta xác định được d=0