Luận văn Thạc sĩ Kinh tế: Đánh giá tác động của các biến kinh tế vĩ mô đến thị trường chứng khoán Việt Nam

8,982
279
88
22
Bài nghiên cu s dng t giá USD/VND vì hu hết các hoạt động xut nhp
khu trong nn kinh tế Việt Nam đều được chi tr ch yếu bằng đồng USD.
Do đó, biến động t giá USD/VND đều ảnh hưởng đến hoạt đng kinh tế ca
Vit Nam.
Tóm li, hình s dng trong nghiên cu, tôi s dng 5 biến bao
gm:
- Thay đổi ch s sn xut công nghip (IPI)
- Thay đổi trong ch s giá tiêu dùng (CPI) tương đương với lm phát
- Thay đổi trong cung tin (M2)
- Thay đổi trong t giá VND/USD (EXC)
- Lãi sut (IR) được đo lường bng lãi suất huy động do Ngân hàng Nhà
nước công b.
Ngun d liu và cách x lý s liu ban đầu như sau:
Ch s VN-Index theo tháng: ch s VN-Index đóng cửa ngày cui cùng
trong tháng. Ngun: HOSE
T giá hối đoái danh nghĩa USD/VND cui tháng. Ngun: B Tài chính,
IFS (International Financial Statistics).
Cung tin (M2): gm cung tiền cơ sở và tin gi ti các t chc tín dng,
cui tháng. Ngun: IMF
Lãi sut (IR): được đo lưng bng lãi suất huy động do ngân hàng nhà
nước công b. D liệu được ly cui hng tháng. Ngun: Ngân hàng nhà
nước Vit Nam.
Lm phát: CPI - Ch s giá tiêu dùng cui tháng. Ngun: Tng cc Thng
kê.
22  Bài nghiên cứu sử dụng tỷ giá USD/VND vì hầu hết các hoạt động xuất nhập khẩu trong nền kinh tế Việt Nam đều được chi trả chủ yếu bằng đồng USD. Do đó, biến động tỷ giá USD/VND đều ảnh hưởng đến hoạt động kinh tế của Việt Nam.  Tóm lại, mô hình sử dụng trong nghiên cứu, tôi sử dụng 5 biến vĩ mô bao gồm: - Thay đổi chỉ số sản xuất công nghiệp (IPI) - Thay đổi trong chỉ số giá tiêu dùng (CPI) tương đương với lạm phát - Thay đổi trong cung tiền (M2) - Thay đổi trong tỷ giá VND/USD (EXC) - Lãi suất (IR) được đo lường bằng lãi suất huy động do Ngân hàng Nhà nước công bố.  Nguồn dữ liệu và cách xử lý số liệu ban đầu như sau:  Chỉ số VN-Index theo tháng: chỉ số VN-Index đóng cửa ngày cuối cùng trong tháng. Nguồn: HOSE  Tỷ giá hối đoái danh nghĩa USD/VND cuối tháng. Nguồn: Bộ Tài chính, IFS (International Financial Statistics).  Cung tiền (M2): gồm cung tiền cơ sở và tiền gửi tại các tổ chức tín dụng, cuối tháng. Nguồn: IMF  Lãi suất (IR): được đo lường bằng lãi suất huy động do ngân hàng nhà nước công bố. Dữ liệu được lấy cuối hằng tháng. Nguồn: Ngân hàng nhà nước Việt Nam.  Lạm phát: CPI - Chỉ số giá tiêu dùng cuối tháng. Nguồn: Tổng cục Thống kê.
23
Ch s giá tr sản lượng công nghip (IPI): s dng giá tr IPI cui tháng.
Ngun: Tng cc Thng kê.
Bng 3.2: Tng hp các biến s dng trong mô hình
Tên biến
Ký hiu
Cách tính
Ch s chng khoán
VN-INDEX
VNI
Logarit t nhiên ca ch s VN-INDEX cui
tháng (trung bình có trng s theo vn hoá th
trưng ca các c phiếu niêm yết trên HOSE
cui tháng)
Ch s giá tiêu dùng
CPI
Logarit t nhiên ca ch s giá tiêu dùng cui
tháng
Ch s sn xut
công nghip
IP
Logarit t nhiên ca ch s sn xut công
nghip cui tháng
Tăng trưng cung tin
M2
Logarit t nhiên ca cung tin M2 cui tháng
Thay đổi t giá
VND/USD
RER
Logarit t nhiên ca t giá hối đoái danh nghĩa
cui tháng
Lãi suất huy động
EXP
Lãi sut huy động do ngân ng nhà nước
công b hng tháng
Bng 3.3: Thng kê mô t các biến đƣc s dng trong nghiên cu
LNM2
LNIPI
LNEXC
LNCPI
LNVNI
IR
Mean
14.23412
4.938685
9.792933
5.239055
6.240621
0.103395
Median
14.33792
4.923584
9.785998
5.248923
6.177861
0.099600
Maximum
14.74677
5.231914
9.953895
5.600569
7.036755
0.169200
Minimum
13.48292
4.694414
9.674703
4.879864
5.504274
0.069900
Std. Dev.
0.401885
0.150474
0.105105
0.231129
0.349167
0.030427
Skewness
-0.431065
0.126752
0.305994
-0.008916
0.747185
0.592257
23  Chỉ số giá trị sản lượng công nghiệp (IPI): sử dụng giá trị IPI cuối tháng. Nguồn: Tổng cục Thống kê. Bảng 3.2: Tổng hợp các biến sử dụng trong mô hình Tên biến Ký hiệu Cách tính Chỉ số chứng khoán VN-INDEX VNI Logarit tự nhiên của chỉ số VN-INDEX cuối tháng (trung bình có trọng số theo vốn hoá thị trường của các cổ phiếu niêm yết trên HOSE cuối tháng) Chỉ số giá tiêu dùng CPI Logarit tự nhiên của chỉ số giá tiêu dùng cuối tháng Chỉ sồ sản xuất công nghiệp IP Logarit tự nhiên của chỉ số sản xuất công nghiệp cuối tháng Tăng trưởng cung tiền M2 Logarit tự nhiên của cung tiền M2 cuối tháng Thay đổi tỷ giá VND/USD RER Logarit tự nhiên của tỷ giá hối đoái danh nghĩa cuối tháng Lãi suất huy động EXP Lãi suất huy động do ngân hàng nhà nước công bố hằng tháng Bảng 3.3: Thống kê mô tả các biến đƣợc sử dụng trong nghiên cứu LNM2 LNIPI LNEXC LNCPI LNVNI IR Mean 14.23412 4.938685 9.792933 5.239055 6.240621 0.103395 Median 14.33792 4.923584 9.785998 5.248923 6.177861 0.099600 Maximum 14.74677 5.231914 9.953895 5.600569 7.036755 0.169200 Minimum 13.48292 4.694414 9.674703 4.879864 5.504274 0.069900 Std. Dev. 0.401885 0.150474 0.105105 0.231129 0.349167 0.030427 Skewness -0.431065 0.126752 0.305994 -0.008916 0.747185 0.592257
24
Kurtosis
1.802029
1.628318
1.533481
1.817005
3.103783
2.011453
Jarque-Bera
7.170576
6.404843
8.312147
4.607658
7.386208
7.835144
Probability
0.027729
0.040664
0.015669
0.099876
0.024895
0.019889
Sum
1124.496
390.1561
773.6417
413.8853
493.0091
8.168200
Sum Sq. Dev.
12.59789
1.766109
0.861678
4.166798
9.509594
0.072211
Observations
79
79
79
79
79
79
3.2 Phƣơng pháp: Các bước thc hên trong quá trình chy mô hình
Gi thuyết ca mô hình:
Gi thuyết 1: Có mi quan h ngược chiu gia lm phát và VN-Index
Gi thuyết 2: mối tương quan cùng chiều gia ch s sn xut công
nghip và VN-Index.
Gi thuyết 3: Có mối tương quan cùng chiều/ngược chiu gia t giá và VN-
Index.
Gi thuyết 4: Có mối tương quan cùng chiều gia cung tin và VN-Index.
Gi thuyết 6: Có mối tương quan ngược chiu gia lãi sut và VN-Index.
Bài nghiên cu s dng mô hình t hi quy vector VAR vì mi quan h gia các
biến s kinh tế không đơn thuần ch theo mt chiu, biến độc lp (biến gii thích)
ảnh hưởng lên biến ph thuc mà trong nhiều trường hp nó còn có ảnh hưởng
ngược lại. Do đó ta phải xem xét ảnh hưởng qua li gia các biến này cùng mt
lúc. Chính vì thế mô hình kinh tế ng mà chúng ta phải xét đến không phi
hình một phương trình hình nhiều phương trình. Các bước thc
hên trong quá trình chy mô hình:
Đầu tiên, tác gi thc hin kiểm định nghiệm đơn vị để xem xét tính dng và
không dng ca các chui thi gian ca các biến trong mô hình thc nghim,
s dụng phương pháp kiểm định Augmented Dickey-Fuller (ADF) test.
24 Kurtosis 1.802029 1.628318 1.533481 1.817005 3.103783 2.011453 Jarque-Bera 7.170576 6.404843 8.312147 4.607658 7.386208 7.835144 Probability 0.027729 0.040664 0.015669 0.099876 0.024895 0.019889 Sum 1124.496 390.1561 773.6417 413.8853 493.0091 8.168200 Sum Sq. Dev. 12.59789 1.766109 0.861678 4.166798 9.509594 0.072211 Observations 79 79 79 79 79 79 3.2 Phƣơng pháp: Các bước thực hịên trong quá trình chạy mô hình  Giả thuyết của mô hình:  Giả thuyết 1: Có mối quan hệ ngược chiều giữa lạm phát và VN-Index  Giả thuyết 2: Có mối tương quan cùng chiều giữa chỉ số sản xuất công nghiệp và VN-Index.  Giả thuyết 3: Có mối tương quan cùng chiều/ngược chiều giữa tỷ giá và VN- Index.  Giả thuyết 4: Có mối tương quan cùng chiều giữa cung tiền và VN-Index.  Giả thuyết 6: Có mối tương quan ngược chiều giữa lãi suất và VN-Index.  Bài nghiên cứu sử dụng mô hình tự hồi quy vector VAR vì mối quan hệ giữa các biến số kinh tế không đơn thuần chỉ theo một chiều, biến độc lập (biến giải thích) ảnh hưởng lên biến phụ thuộc mà trong nhiều trường hợp nó còn có ảnh hưởng ngược lại. Do đó ta phải xem xét ảnh hưởng qua lại giữa các biến này cùng một lúc. Chính vì thế mô hình kinh tế lượng mà chúng ta phải xét đến không phải là mô hình một phương trình mà là mô hình nhiều phương trình. Các bước thực hịên trong quá trình chạy mô hình:  Đầu tiên, tác giả thực hiện kiểm định nghiệm đơn vị để xem xét tính dừng và không dừng của các chuỗi thời gian của các biến trong mô hình thực nghiệm, sử dụng phương pháp kiểm định là Augmented Dickey-Fuller (ADF) test.
25
Nếu d liệu chưa dừng thì s dụng phương pháp sai phân để biến đổi chui
v dng.
Th 2: Chọn các bước tr tối ưu cho các biến trong hình bng cách s
dng các tiêu chun SC, AIC, HQ, FPE, LR.
Th 3: Kiểm định đồng liên kết Johansen: phân tích mi quan h dài hn
gia các biến.
Th 4: Kiểm định nhân qu Granger (hai biến đa biến): xác định chiu
hướng ca các mi quan h gia các biến.
Th 5: Hi quy vector VAR (vector autorregression model) được s dụng để
xem xét ảnh hưởng ca các biến vĩ mô đến VN-Index và tương quan giữa các
biến vĩ mô.
Th 6: Phân rã phương sai (variance decomposition) và hàm phản ứng đẩy
(Impulse response function): phân tích mức độ ảnh hưởng gia các nhân t
khi xy ra cú sc trong h thng.
4. KT QU NGHIÊN CU
4.1 Kiểm định tín dng
Trưc hết, tác gi kim tra tính dng ca các biến nếu các chui s liu
không dng thì có th dẫn đến hiện tượng hi quy gi mo.
Gujarati (2004), tính dng ca chui d liu:
Xét Y
t
là mt chui thi gian ngu nhiên có các tính cht sau:
Nếu Yt dừng thì trung bình, phương sai các tự đồng phương sai của
Y
t+m
phải đúng bằng trung bình, phương sai và các tự đồng phương sai của
25 Nếu dữ liệu chưa dừng thì sử dụng phương pháp sai phân để biến đổi chuỗi về dừng.  Thứ 2: Chọn các bước trễ tối ưu cho các biến trong mô hình bằng cách sử dụng các tiêu chuẩn SC, AIC, HQ, FPE, LR.  Thứ 3: Kiểm định đồng liên kết Johansen: phân tích mối quan hệ dài hạn giữa các biến.  Thứ 4: Kiểm định nhân quả Granger (hai biến và đa biến): xác định chiều hướng của các mối quan hệ giữa các biến.  Thứ 5: Hồi quy vector VAR (vector autorregression model) được sử dụng để xem xét ảnh hưởng của các biến vĩ mô đến VN-Index và tương quan giữa các biến vĩ mô.  Thứ 6: Phân rã phương sai (variance decomposition) và hàm phản ứng đẩy (Impulse response function): phân tích mức độ ảnh hưởng giữa các nhân tố khi xảy ra cú sốc trong hệ thống. 4. KẾT QUẢ NGHIÊN CỨU 4.1 Kiểm định tín dừng  Trước hết, tác giả kiểm tra tính dừng của các biến vì nếu các chuỗi số liệu là không dừng thì có thể dẫn đến hiện tượng hồi quy giả mạo.  Gujarati (2004), tính dừng của chuỗi dữ liệu:  Xét Y t là một chuỗi thời gian ngẫu nhiên có các tính chất sau:  Nếu Yt là dừng thì trung bình, phương sai và các tự đồng phương sai của Y t+m phải đúng bằng trung bình, phương sai và các tự đồng phương sai của
26
các t đồng phương sai của Yt. Nếu mt chui thi gian không phi là dng
theo cách xác đnh trên thì nó được gi là chui thi gian không dng.
Có th kiểm định tính dng bng biểu đồ tương quan hoặc kiểm định nghim
đơn vị.
Kiểm định nghiệm đơn vị đối vi tính dng - Unit Root Test (Nguyn Trng
Hoài và cng s (2009)):
Kiểm định Dickey Fuller (1979): được áp dụng đối vi các hồi quy được
thc hin các dng sau:
Y
t
= Y
t-1
+ u
t
Y
t
=
1
+ Y
t-1
+ u
t
Y
t
=
1
+
2
t + Y
t-1
+ u
t
Gi thuyết H
o
: = 0 (tc là có nghiệm đơn vị và Y
t
là không dng)
Gi thuyết H
1
: 0
Kiểm định Augmented Dickey Fuller ADF (1981)
Khi kiểm định DF được áp dụng cho mô hình trên, được gi là kiểm định
gia tăng Dickey – Fuller (ADF). Tr thng kê ca kiểm định ADF có cùng
mt phân b tim cn giống như trị thng kê DF, do vy có th s dng
các giá tr ti hn ging nhau.
Gi thuyết H
o
: = 0 (tc là có nghiệm đơn vị và Y
t
là không dng)
Gi thuyết H
1
: 0
26 các tự đồng phương sai của Yt. Nếu một chuỗi thời gian không phải là dừng theo cách xác định ở trên thì nó được gọi là chuỗi thời gian không dừng.  Có thể kiểm định tính dừng bằng biểu đồ tương quan hoặc kiểm định nghiệm đơn vị.  Kiểm định nghiệm đơn vị đối với tính dừng - Unit Root Test (Nguyễn Trọng Hoài và cộng sự (2009)):  Kiểm định Dickey – Fuller (1979): được áp dụng đối với các hồi quy được thực hiện ở các dạng sau:  Y t = Y t-1 + u t  Y t =  1 + Y t-1 + u t  Y t =  1 +  2 t + Y t-1 + u t  Giả thuyết H o :  = 0 (tức là có nghiệm đơn vị và Y t là không dừng)  Giả thuyết H 1 :   0  Kiểm định Augmented Dickey – Fuller ADF (1981)  Khi kiểm định DF được áp dụng cho mô hình trên, được gọi là kiểm định gia tăng Dickey – Fuller (ADF). Trị thống kê của kiểm định ADF có cùng một phân bổ tiệm cận giống như trị thống kê DF, do vậy có thể sử dụng các giá trị tới hạn giống nhau.  Giả thuyết H o :  = 0 (tức là có nghiệm đơn vị và Y t là không dừng)  Giả thuyết H 1 :   0
27
Nếu tr thng tau () nh hơn các trị thng ti hn ti các mc ý
nghĩa của DF, ADF thì chp nhn gi thiết H
o
, nghĩa là chuỗi thi gian có
nghiệm đơn vị, nói cách khác chui thi gian là không dng.
Hi quy gi mo (Gujarati, 2004):
Khi hi quy vi các chui thi gian, có th kết qu hi quy này là gi mo
do các chui này có cùng xu thế. Điều này thường xy ra trong kinh tế.
Ước lượng ca các h s hi quy không phi ch chu ảnh hưởng ca biến
độc lập đến biến ph thuc mà còn bao hàm xu thế.
Các chui d liu không dng có th dẫn đến hi quy gi mo. Trong hi
quy gi mo thì R
2
thưng khá cao, t khá lớn nhưng hệ s Durbin Watson
d khá nhỏ. Khi đó các tiêu chuẩn t và F là không s dụng được.
Theo Granger Newbold thì R
2
> d du hiu hi quy gi mo.
(Gujarati, 2004, p.806-807)
Để khc phc hi quy gi mạo, người ta đưa thêm biến xu thế vào
hình. Tuy nhiên việc đưa thêm biến xu thế vào hình ch chp nhn
được khi biến này là phi ngu nhiên.
Bng 4.1: Kết qu kiểm định tính dng bng ADF
Biến
Chui gc
P-value
Chui sai phân bc 1
P-value
Kết qu
CPI
-0.351212
0.9113
-3.795405
0.0044
I(1)
EXC
-0.025158
0.9529
-9.079260
0.0000
I(1)
IPI
-0.417176
0.9000
-8.524811
0.0000
I(1)
IR
-1.835717
0.3608
-7.681207
0.0000
I(1)
M2
-2.239160
0.1944
-8.540447
0.0000
I(1)
VNI
-2.186557
0.2128
-6.265281
0.0000
I(1)
27  Nếu trị thống kê tau () nhỏ hơn các trị thống kê tới hạn tại các mức ý nghĩa của DF, ADF thì chấp nhận giả thiết H o , nghĩa là chuỗi thời gian có nghiệm đơn vị, nói cách khác chuỗi thời gian là không dừng.  Hồi quy giả mạo (Gujarati, 2004):  Khi hồi quy với các chuỗi thời gian, có thể kết quả hồi quy này là giả mạo do các chuỗi này có cùng xu thế. Điều này thường xảy ra trong kinh tế. Ước lượng của các hệ số hồi quy không phải chỉ chịu ảnh hưởng của biến độc lập đến biến phụ thuộc mà còn bao hàm xu thế.  Các chuỗi dữ liệu không dừng có thể dẫn đến hồi quy giả mạo. Trong hồi quy giả mạo thì R 2 thường khá cao, t khá lớn nhưng hệ số Durbin Watson d khá nhỏ. Khi đó các tiêu chuẩn t và F là không sử dụng được.  Theo Granger và Newbold thì R 2 > d là dấu hiệu hồi quy giả mạo. (Gujarati, 2004, p.806-807)  Để khắc phục hồi quy giả mạo, người ta đưa thêm biến xu thế vào mô hình. Tuy nhiên việc đưa thêm biến xu thế vào mô hình chỉ chấp nhận được khi biến này là phi ngẫu nhiên. Bảng 4.1: Kết quả kiểm định tính dừng bằng ADF Biến Chuỗi gốc P-value Chuỗi sai phân bậc 1 P-value Kết quả CPI -0.351212 0.9113 -3.795405 0.0044 I(1) EXC -0.025158 0.9529 -9.079260 0.0000 I(1) IPI -0.417176 0.9000 -8.524811 0.0000 I(1) IR -1.835717 0.3608 -7.681207 0.0000 I(1) M2 -2.239160 0.1944 -8.540447 0.0000 I(1) VNI -2.186557 0.2128 -6.265281 0.0000 I(1)
28
Test critical values: 1% level: -3.517847; 5% level: -2.899619; 10% level: -
2.587134
Theo kết qu ca kiểm định ADF, tt c các chui d liu gốc đều không dng
nhưng đều dng sai phân bc 1.
4.2 Xác định biến tr thích hp
Xác định đỗ tr thích hp là rt quan trng vì nếu độ tr quá ngn thì mô hình có
th không được xác định chính xác, trong khi đó nếu độ tr quá ln thì s làm
cho bc t do giảm, ước lưng s không có hiu qu.
Da vào các tiêu chuẩn thông tin để xác định độ phù hp ca mô hình (sai s
hình càng nh càng tt) hay nói cách khác vic có nhiu biến trong mô hình dn
đến d báo không hiu quả. Do đó, các tiêu chuẩn thông tin có th kết hợp để la
chọn độ tr tối ưu của mô hình. Các tiêu chuẩn thông tin thường được s dng
AIC, BSC, HQ, LR.
Bng 4.2: Xác định đ tr tối ƣu
Lag
LogL
LR
FPE
AIC
SC
HQ
0
974.4743
NA
5.72e-20
-27.28097
-27.08975*
-27.20493
1
1032.178
104.0297
3.11e-20*
-27.89235*
-26.55386
-27.36007*
2
1056.303
39.41519
4.44e-20
-27.55783
-25.07207
-26.56932
3
1102.745
68.02772*
3.50e-20
-27.85197
-24.21894
-26.40723
4
1126.122
30.29152
5.57e-20
-27.49640
-22.71609
-25.59542
5
1145.161
21.45254
1.08e-19
-27.01863
-21.09105
-24.66142
6
1181.547
34.84869
1.45e-19
-27.02951
-19.95465
-24.21606
7
1211.675
23.76239
2.76e-19
-26.86408
-18.64195
-23.59440
Kết quả: độ tr theo SC (Schwartz Criterion) là 0, theo HQ (Hannan Quinn), FPE
(Final Prediction Error), AIC (Akaike Information Criterion) là 1, theo Loglikely
ratio (LR) 03. Để gii quyết vấn đềy, chúng ta s dng một phương pháp
28 Test critical values: 1% level: -3.517847; 5% level: -2.899619; 10% level: - 2.587134  Theo kết quả của kiểm định ADF, tất cả các chuỗi dữ liệu gốc đều không dừng nhưng đều dừng ở sai phân bậc 1. 4.2 Xác định biến trễ thích hợp  Xác định đỗ trễ thích hợp là rất quan trọng vì nếu độ trễ quá ngắn thì mô hình có thể không được xác định chính xác, trong khi đó nếu độ trễ quá lớn thì sẽ làm cho bậc tự do giảm, ước lượng sẽ không có hiệu quả.  Dựa vào các tiêu chuẩn thông tin để xác định độ phù hợp của mô hình (sai số mô hình càng nhỏ càng tốt) hay nói cách khác việc có nhiều biến trong mô hình dẫn đến dự báo không hiệu quả. Do đó, các tiêu chuẩn thông tin có thể kết hợp để lựa chọn độ trễ tối ưu của mô hình. Các tiêu chuẩn thông tin thường được sử dụng là AIC, BSC, HQ, LR. Bảng 4.2: Xác định độ trễ tối ƣu Lag LogL LR FPE AIC SC HQ 0 974.4743 NA 5.72e-20 -27.28097 -27.08975* -27.20493 1 1032.178 104.0297 3.11e-20* -27.89235* -26.55386 -27.36007* 2 1056.303 39.41519 4.44e-20 -27.55783 -25.07207 -26.56932 3 1102.745 68.02772* 3.50e-20 -27.85197 -24.21894 -26.40723 4 1126.122 30.29152 5.57e-20 -27.49640 -22.71609 -25.59542 5 1145.161 21.45254 1.08e-19 -27.01863 -21.09105 -24.66142 6 1181.547 34.84869 1.45e-19 -27.02951 -19.95465 -24.21606 7 1211.675 23.76239 2.76e-19 -26.86408 -18.64195 -23.59440  Kết quả: độ trễ theo SC (Schwartz Criterion) là 0, theo HQ (Hannan Quinn), FPE (Final Prediction Error), AIC (Akaike Information Criterion) là 1, theo Loglikely ratio (LR) là 03. Để giải quyết vấn đề này, chúng ta sử dụng một phương pháp
29
khác da trên phn của VAR (các phần dư không tương quan). Sử dng
kiểm định Kiểm định Portmanteau
Bng 4.3: Kiểm định Portmanteau
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
6.828201
NA*
6.919244
NA*
NA*
2
16.36086
NA*
16.70954
NA*
NA*
3
81.47072
0.0000
84.49515
0.0000
36
4
94.13385
0.0411
97.86179
0.0230
72
5
113.9533
0.3289
119.0770
0.2194
108
6
164.5201
0.1161
173.9781
0.0450
144
7
186.5801
0.3528
198.2761
0.1667
180
8
208.1581
0.6367
222.3927
0.3682
216
9
254.5453
0.4433
275.0109
0.1527
252
10
278.6964
0.6421
302.8213
0.2627
288
11
319.0066
0.5679
349.9532
0.1540
324
12
378.9017
0.2366
421.0787
0.0145
360
*The test is valid only for lags larger than the VAR lag order.
df is degrees of freedom for (approximate) chi-square distribution
Kết qu: da vào Kim đnh Portmanteau, chọn độ tr tối ưu là 3.
4.3 Kiểm định đồng liên kết Johansen
Đồng liên kết (Gujarati, 2004)
Theo Engel Granger (1987), nếu kết hp tuyến tính ca các chui thi
gian không dng có th là mt chui dng và các chui thi gian không dng
đó được cho là đng liên kết.
Kết hp tuyến tính dừng được gọi phương trình đng liên kết th
được giải thích như mối quan h cân bng dài hn gia các biến. Nói cách
khác, nếu phần dư trong hình hồi quy gia các chui thi gian không
dng là mt chui dng thì kết qu hi quy là thc và th hin mi quan h
cân bng dài hn gia các biến trong mô hình.
Nếu hình đồng liên kết thì s không xảy ra trường hp hi quy gi
mo, khi các kiểm định da trên tiêu chun t F vẫn có ý nghĩa.
29 khác dựa trên phần dư của VAR (các phần dư không có tương quan). Sử dụng kiểm định Kiểm định Portmanteau Bảng 4.3: Kiểm định Portmanteau Lags Q-Stat Prob. Adj Q-Stat Prob. df 1 6.828201 NA* 6.919244 NA* NA* 2 16.36086 NA* 16.70954 NA* NA* 3 81.47072 0.0000 84.49515 0.0000 36 4 94.13385 0.0411 97.86179 0.0230 72 5 113.9533 0.3289 119.0770 0.2194 108 6 164.5201 0.1161 173.9781 0.0450 144 7 186.5801 0.3528 198.2761 0.1667 180 8 208.1581 0.6367 222.3927 0.3682 216 9 254.5453 0.4433 275.0109 0.1527 252 10 278.6964 0.6421 302.8213 0.2627 288 11 319.0066 0.5679 349.9532 0.1540 324 12 378.9017 0.2366 421.0787 0.0145 360 *The test is valid only for lags larger than the VAR lag order. df is degrees of freedom for (approximate) chi-square distribution  Kết quả: dựa vào Kiểm định Portmanteau, chọn độ trễ tối ưu là 3. 4.3 Kiểm định đồng liên kết Johansen  Đồng liên kết (Gujarati, 2004)  Theo Engel và Granger (1987), nếu kết hợp tuyến tính của các chuỗi thời gian không dừng có thể là một chuỗi dừng và các chuỗi thời gian không dừng đó được cho là đồng liên kết.  Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải thích như mối quan hệ cân bằng dài hạn giữa các biến. Nói cách khác, nếu phần dư trong mô hình hồi quy giữa các chuỗi thời gian không dừng là một chuỗi dừng thì kết quả hồi quy là thực và thể hiện mối quan hệ cân bằng dài hạn giữa các biến trong mô hình.  Nếu mô hình là đồng liên kết thì sẽ không xảy ra trường hợp hồi quy giả mạo, khi có các kiểm định dựa trên tiêu chuẩn t và F vẫn có ý nghĩa. Có
30
nhiều phương pháp để kim định đồng liên kết như kiểm định Engel
Granger (EG), hoc Augmenteg Engel Granger (AEG) hoc kim định
Johansen,…
Để kim tra mi quan h trong dài hn gia các biến, tác gi s dng kiểm định
đồng liên kết Johansen-Juselius 02 biến và đa biến được phát trin bi Johansen
(1988) và Johansen & Juselius (1990). Đây là k thut kiểm định đồng liên kết
được s dng ph biến nht trong vic áp dng nguyên tc hp lý cực đại nhm
xác định s tn ti của các vector đồng liên kết gia các chui thi gian không
dng. (Ssekuma, 2011)
Kiểm định Johansen da trên nn tng hình VAR, bao gm 2 kim
định là Trace test mà Maximum eigenvalue test, gi s vector đồng liên kết
trong h thng là r
Trace test:
H
0
: s vector đồng liên kết nh hơn hoặc bằng r ngược li gi
thuyết H
1
Nếu Trace statistics < Critical value thì chp nhn gi thiết H
0
(không
có đng liên kết và ngược li)
Eigenvalue test
H0: có r vector đng liên kết
H1: có r+1 vector đng liên kết
Kết qu kiểm định Johansen đa biến
Thc hin kiểm định đồng liên kết gia nhóm biến VN-Index, t giá, lãi sut,
lm phát, cung tin M2 và ch s sn xut công nghip.
30 nhiều phương pháp để kiểm định đồng liên kết như kiểm định Engel – Granger (EG), hoặc Augmenteg Engel – Granger (AEG) hoặc kiểm định Johansen,…  Để kiểm tra mối quan hệ trong dài hạn giữa các biến, tác giả sử dụng kiểm định đồng liên kết Johansen-Juselius 02 biến và đa biến được phát triển bởi Johansen (1988) và Johansen & Juselius (1990). Đây là kỹ thuật kiểm định đồng liên kết được sử dụng phổ biến nhất trong việc áp dụng nguyên tắc hợp lý cực đại nhằm xác định sự tồn tại của các vector đồng liên kết giữa các chuỗi thời gian không dừng. (Ssekuma, 2011)  Kiểm định Johansen dựa trên nền tảng là mô hình VAR, bao gồm 2 kiểm định là Trace test mà Maximum eigenvalue test, gọi số vector đồng liên kết trong hệ thống là r  Trace test:  H 0 : số vector đồng liên kết nhỏ hơn hoặc bằng r và ngược lại là giả thuyết H 1  Nếu Trace statistics < Critical value thì chấp nhận giả thiết H 0 (không có đồng liên kết và ngược lại)  Eigenvalue test  H0: có r vector đồng liên kết  H1: có r+1 vector đồng liên kết  Kết quả kiểm định Johansen đa biến  Thực hiện kiểm định đồng liên kết giữa nhóm biến VN-Index, tỷ giá, lãi suất, lạm phát, cung tiền M2 và chỉ số sản xuất công nghiệp.
31
Bng 4.4: Kết qu kiểm định Johansen đa biến
Null
Hypothesized
Eigenvalue
Trace
Statistic
0.05
Critical
Value
Max-
Eigen
Statistic
0.05
Critical
Value
r = 0
*
0.520552
131.1289
95.75366
55.86914
40.07757
r ≤ 1
*
0.364331
75.25979
69.81889
34.43381
33.87687
r ≤ 2
0.272840
40.82598
47.85613
24.21422
27.58434
r ≤ 3
0.100735
16.61176
29.79707
8.069459
21.13162
r ≤ 4
0.084722
8.542305
15.49471
6.728111
14.26460
r ≤ 5
0.023588
1.814194
3.841466
1.814194
3.841466
Vi s h tr ca phn mm thng kê Eview, kết qu cho thy c hai kiểm định
mà phương pháp Johansen và Juselius (1990) đưa ra là kiểm định theo thng kê
Trace và kiểm định giá tr riêng cực đại ca ma trận (Maximal Eigenvalue) đều
bác b gi thuyết không tn tại vector đồng liên kết và khẳng định rng có tn
ti ít nhất 02 vector đồng liên kết ca các biến trong mô hình mức ý nghĩa 5%.
Kết qu kiểm định Johansen hai biến
Xem xét mi quan h đồng liên kết trong dài hn gia các cp biến VN-
Index và biến động t giá, VN-Index và lãi sut, VN-Index và ch s sn xut
công ngip, VN-Index lm phát, VNI-Index cung tin M2 da trên
kiểm định Maximum Eigenvalue Test và Trace Statistic.
Kết qu kim định đồng liên kết JJ cho tng cp biến được trình bày trong
Bảng 7. Trong đó, mối tương quan đồng liên kết trong dài hn gia VN-
Index và lãi sut trong mô hình 2 biến. Đồng thi, không có mối tương quan
đồng liên kết trong dài hn gia VN-Indexcác biến ch s sn xut công
nghip, lm phát và biến động t giá, cung tin M
2
.
Bng 4.5: Kết qu kiểm định Johansen hai biến
Kiểm định đồng liên kết JJ gia VN-Index và lãi sut IR
31 Bảng 4.4: Kết quả kiểm định Johansen đa biến Null Hypothesized Eigenvalue Trace Statistic 0.05 Critical Value Max- Eigen Statistic 0.05 Critical Value r = 0 * 0.520552 131.1289 95.75366 55.86914 40.07757 r ≤ 1 * 0.364331 75.25979 69.81889 34.43381 33.87687 r ≤ 2 0.272840 40.82598 47.85613 24.21422 27.58434 r ≤ 3 0.100735 16.61176 29.79707 8.069459 21.13162 r ≤ 4 0.084722 8.542305 15.49471 6.728111 14.26460 r ≤ 5 0.023588 1.814194 3.841466 1.814194 3.841466  Với sự hỗ trợ của phần mềm thống kê Eview, kết quả cho thấy cả hai kiểm định mà phương pháp Johansen và Juselius (1990) đưa ra là kiểm định theo thống kê Trace và kiểm định giá trị riêng cực đại của ma trận (Maximal Eigenvalue) đều bác bỏ giả thuyết không tồn tại vector đồng liên kết và khẳng định rằng có tồn tại ít nhất 02 vector đồng liên kết của các biến trong mô hình ở mức ý nghĩa 5%.  Kết quả kiểm định Johansen hai biến  Xem xét mối quan hệ đồng liên kết trong dài hạn giữa các cặp biến VN- Index và biến động tỷ giá, VN-Index và lãi suất, VN-Index và chỉ số sản xuất công ngiệp, VN-Index và lạm phát, VNI-Index và cung tiền M2 dựa trên kiểm định Maximum Eigenvalue Test và Trace Statistic.  Kết quả kiểm định đồng liên kết JJ cho từng cặp biến được trình bày trong Bảng 7. Trong đó, có mối tương quan đồng liên kết trong dài hạn giữa VN- Index và lãi suất trong mô hình 2 biến. Đồng thời, không có mối tương quan đồng liên kết trong dài hạn giữa VN-Index và các biến chỉ số sản xuất công nghiệp, lạm phát và biến động tỷ giá, cung tiền M 2 . Bảng 4.5: Kết quả kiểm định Johansen hai biến  Kiểm định đồng liên kết JJ giữa VN-Index và lãi suất IR