Rủi ro hệ thống ngân hàng và các cú sốc kinh tế

Mã số: …………….

RỦI RO HỆ THỐNG NGÂN HÀNG
VÀ CÁC CÚ SỐC KINH TẾ
i


TÓM TẮT ĐỀ TÀI
Lý do chọn đề tài
Hệ thống ngân hàng như là hệ thần kinh của toàn bộ nền kinh tế quốc dân. Việc
xem xét các biến động của cú sốc nền kinh tế với hành vi của hệ thống ngân hàng
sẽ cho chúng ta một số gợi ý quan trọng về tầm quan trọng của các yếu tố chính

của nền kinh tế vĩ mô trong việc hoạch định chính sách
Mục tiêu nghiên cứu
Mục tiêu nghiên cứu là xem xét làm thế nào các ngân hàng đối mặt với rủi ro vĩ
mô và tính bất định; đặc biệt hơn, nó kiểm tra mối quan hệ giữa rủi ro hệ thống
ngân hàng với sự thay đổi và sự gián đoạn trong các điều kiện nền kinh tế.
Phƣơng pháp nghiên cứu
Bài nghiên cứu của tôi được thực hiện bằng phương pháp nghiên cứu lịch sử và
nghiên cứu khoa học. Quan trọng nhất bài nghiên cứu chúng tôi sử dụng mô hình
EGARCH (Mô hình Garch đa biến).
Nội dung nghiên cứu:
Chúng tôi tập trung nghiên cứu các hành vi phân nhóm, thông qua việc tất cả các
ngân hàng đồng thời phản ứng lại cú sốc kinh tế.
Đóng góp của đề tài :
Bài nghiên cứu đã chỉ ra ảnh hưởng của cú sốc kinh tế vĩ mô tới hành vi đồng
nhất của các ngân hàng.
Hƣớng phát triển của đề tài:
Chúng tôi xem xét làm thế nào các ngân hàng, cũng như một nhóm ngân hàng,
đối mặt với rủi ro vĩ mô và tính bất ổn của nền kinh tế.





ii

MỤC LỤC
DANH MỤC TỪ VIẾT TẮT iii
DANH MỤC BẢNG iv
DANH MỤC HÌNH iv
TÓM TẮT 1

1. GIỚI THIỆU 2
1.1. Lý do chọn đề tài 2
1.2. Tổng quan các vấn đề nghiên cứu 2
2. TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC ĐÂY 3
3. PHƢƠNG PHÁP NGHIÊN CỨU 10
3.1. Mô hình 10
3.2. Phƣơng pháp ƣớc tính EGARCH 13
3.3. Dữ liệu 17
4. NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN CỨU 18
4.1. Kết quả kiểm định biến trong mô hình EGARCH 18
4.1.1. Thiết lập độ trễ 18
4.1.2. Kiểm định Unit Root Test 19
4.2. Ƣớc lƣợng OLS của disp(lta) và disp(snonin) và những kiểm
định ARCH 20
4.3. Ƣớc lƣợng EGARCH của disp(lta) và disp(snonin) 22
5. KẾT LUẬN 26
TÀI LIỆU THAM KHẢO 28
PHỤ LỤC 29





iii

DANH MỤC TỪ VIẾT TẮT

Từ viết tắt
Tiếng anh
Tiêng việt

CPI
Consumer Price Index
Chỉ số giá tiêu dùng (lạm
phát)
Disp(lta)
the cross-sectional dispersion of
lta
Độ phân tán cross-sectional
của lta (Tỷ lệ cho vay trên tài
sản)
Disp(snonin)
the cross-sectional dispersion of
snonin
Độ phân tán của snonin (Tỷ
lệ thu nhập ngoài lãi trên thu
nhập hoạt động)
Dtl
Aggregate measure of the
degree of total leverage
Thước đo mức độ đòn bẩy
EGARCH
Exponential general
autoregressive conditional
heteroskedastic
Mô hình dạng EGARCH
GDP
Gross Domestic Product
Tốc độ tăng trưởng
Kalman filter

Bộ lọc chuỗi biến thay đổi
theo thời gian
Lta
loans-to-assets ratio
Tỷ lệ cho vay trên tài sản
Snonin
The share of non-interest
income in bank net operating
income
Tỷ lệ thu nhập ngoài lãi trên
thu nhập hoạt động

iv



DANH MỤC BẢNG
Bảng 1: Mô tả các biến 15
Bảng 2: Thống kê mô tả 19
Bảng 3: Ước lượng OLS cho disp(lta) và disp(snonin) 20
Bảng 4: Kiểm định phương sai thay đổi hiệu ứng GARCH 21
Bảng 5: Với mỗi biến phụ thuộc – disp(lta) và disp(snonin) 22

DANH MỤC HÌNH
Hình 1: Tính dừng của chuỗi biến CPI 17
Hình 2: Tính dừng của chuỗi biến GDP 18
Hình 3: Kalman Filter cho biến dlt 29
Hình 4: Thống kê mô tả 30
Hình 5: Ước lượng EGARCH cho biến lta (phương trình 1) 30
Hình 6: Ước lượng EGARCH cho biến lta (phương trình 2) 31

Hình 7: Ước lượng EGARCH cho biến lta (phương trình 3) 32
Hình 8: Ước lượng EGARCH cho biến snonin (phương trình 1) 33
Hình 9: Ước lượng EGARCH cho biến snonin (phương trình 2) 33
Hình 10: Ước lượng EGARCH cho biến snonin (phương trình 3) 34
Hình 11: Hiệu ứng ARCH cho biến lta (phương trình 1) 35
Hình 12: Ước tính EGARCH(1,1) cho biến lta (phương trình 1) 37
Hình 13: Ước tính EGARCH(1,1) cho biến lta (phương trình 2) 38
Hình 14: Ước tính EGARCH(1,1) cho biến lta (phương trình 3) 39
Hình 15: Ước tính EGARCH(1,1) cho biến snonin (phương trình 1) 40
v

Hình 16: Ước tính EGARCH(1,1) cho biến snonin (phương trình 2) 41
Hình 17: Ước tính EGARCH(1,1) cho biến snonin (phương trình 3) 42


1


TÓM TẮT
Bài nghiên cứu xem xét làm thế nào các ngân hàng, cũng như một nhóm, đối mặt
với rủi ro vĩ mô và tính bất định; đặc biệt hơn, nó kiểm tra mối quan hệ giữa rủi
ro hệ thống ngân hàng với sự thay đổi và sự gián đoạn trong các điều kiện nền
kinh tế. Theo phương pháp của Beaudry et al. (2001), tác giả giới thiệu quy trình
ước tính mới dựa trên EGARCH để nâng cao chất lượng khuôn khổ được phát
triển bởi Baum et al. (2002, 2004, 2009) và Quagliariello (2007, 2009), và tác giả
phân tích mối quan hệ trong bối cảnh công nghiệp hiện tại, tức là, trong bối cảnh
hoạt động ngân hàng dựa trên thị trường. Kết quả của tác giả xác nhận rằng các
ngân hàng có xu hướng vận hành đồng nhất đối với tính bất định của nền kinh tế
vĩ mô. Đặc biệt, tác giả thấy rằng cả hai sự phân tán của các khoản vay trên tài
sản và sự phân tán cross-sectional của phần thu nhập ngoài lãi co lại trong giai

đoạn chậm tăng trưởng, đặc biệt trong suốt cuộc khủng hoảng tài chính, khi độ
đàn hồi của hệ thống ngân hàng tại mức thấp nhất. Quan trọng hơn, những phát
hiện chính của tác giả chỉ ra rằng sự phân tán cross-sectional của các khoản vay
trên tài sản đã tăng trong mười năm vừa qua, ngược lại sự phân tán cross-
sectional của phần thu nhập ngoài lãi dường như biến động hơn và nhạy cảm với
các cú sốc vĩ mô.
2

1. GIỚI THIỆU
1.1. Lý do chọn đề tài
Trong những năm gần đây, Việt Nam gây ấn tượng bởi tốc độ tăng trưởng kinh tế
cao. Trong đó hoạt động ngân hàng chiếm vai trò quan trọng. Hệ thống ngân
hàng như là hệ thần kinh của toàn bộ nền kinh tế quốc dân, nền kinh tế chỉ có thể
phát triển với tốc độ cao nếu có một hệ thống ngân hàng hoạt động ổn định và có
hiệu quả, ngược lại khi hệ thống yêu kém. Nhưng bên cạnh đó tác động của các
cú sốc kinh tế vĩ mô như lạm phát, chính sách, . đều có thể tác động tới hành vi
của toàn bộ hệ thống, gây ảnh hưởng tới nền kinh tế. Sau năm 2007-2008, do ảnh
hưởng cuộc khủng hoảng tín dụng xấu đến toàn bộ thị trường, hoạt động của
ngân hàng bị thu hẹp. Trước tình hình này, chính phủ đã đề ra nhiều biện pháp
nhằm làm giảm các cú sốc kinh tế vĩ mô. Mỗi khi có cú sốc kinh tế xuất hiện, các
ngân hàng đồng nhất phản ứng lại cú sốc bên ngoài có thể dẫn đến rủi ro hệ
thống tăng lên.
Việc xem xét các biến động của cú sốc nền kinh tế với hành vi của hệ thống ngân
hàng sẽ cho chúng ta một số gợi ý quan trọng về tầm quan trọng của các yếu tố
chính của nền kinh tế vĩ mô trong việc hoạch định chính sách. Cụ thể xoáy sâu
vào hoạt động cho vay nhằm giảm rủi ro của hệ thống ngân hàng. Bên cạnh đó,
hiện nay với sự lớn mạnh của hệ thống ngân hàng, và mức độ ảnh hưởng của
chúng tới nền kinh tế là rất lớn, nên tìm hiểu về vấn đề ảnh hưởng cú sốc kinh tế
vĩ mô đến hoạt động ngân hàng là vấn đề cần thiết.
Nhận thức được vấn đề này, chúng tôi đã chọn chủ đề “Rủi ro hệ thống ngân

hàng và cú sốc vĩ mô” để làm đề tài nghiên cứu khoa học.
1.2. Tổng quan các vấn đề nghiên cứu
Trong bài nghiên cứu này, chúng tôi chủ yếu tập trung xem xét làm thế nào các
ngân hàng, cũng như một nhóm các ngân hàng, đối mặt với rủi ro vĩ mô và tính
bất định; đặc biệt hơn, nó kiểm tra mối quan hệ giữa rủi ro hệ thống ngân hàng
với sự thay đổi và sự gián đoạn trong các điều kiện nền kinh tế. Và chúng tôi đã
dùng phương pháp EGARCH để xác định ảnh hưởng của cú sốc kinh tế vĩ mô tới
hoạt động của ngân hàng. Chủ yếu là sự phân tán cross-sectional của các yếu tố
3

ngành như tỷ lệ khoản cho vay trên tài sản (lta) và thu nhập phi lãi trên thu nhập
hoạt động (snonin).
Phần còn lại của bài nghiên cứu được tổ chức như sau. Phần 2 trình bày tổng
quan các nghiên cứu trước đây trên thế giới về lý thuyết cũng như các nghiên cứu
thực nghiệm. Phần 3 đứa ra mô hình phân tích ảnh hưởng của cú sốc kinh tế vĩ
mô tới rủi ro hệ thống ngân hàng. Kết quả của mô hình sẽ được trình bày ở phần
4. Cuối cùng, phần 5 kết luận, tóm lại kết quả nghiên cứu, nêu các đề xuất, hạn
chế của chuyên đề và hướng nghiên cứu tiếp theo.
2. TỔNG QUAN CÁC NGHIÊN CỨU TRƢỚC ĐÂY
Nhiều bài nghiên cứu trước đây đã cố gắng tập trung vào loại hành vi phân nhóm,
thông qua việc tất cả các ngân hàng phản ứng đồng thời với một thay đổi chế độ
chung và phân bổ tài sản theo cách giống nhau một cách hợp lý. Ngoài ra còn có
mức độ mà hệ thống ngân hàng hạn chế tác động từ cú sốc bên ngoài như:
Bài nghiên cứu: “Some international evidence on output-inflation trade-offs”
Lucas Jr., R.E., 1973: Bài nghiên cứu thể hiện các kết quả của một nghiên cứu
thực nghiệm của sự cân bằng sản lượng – lạm phát thực, dựa trên chuỗi thời gian
hàng năm từ 18 quốc gia qua các năm 1951-1967. Dữ liệu này được kiểm tra từ
quan điểm của lý thuyết mà trung bình sản lượng thực không thay đổi dưới
những thay đổi trong mẫu hình thời gian của tỷ lệ lạm phát, hay là có tồn tại một
“giá tự nhiên” của sản lượng thực. Có 3 câu hỏi được đặt ra: (i) liệu rằng lý

thuyết giá tự nhiên có dẫn đến những trình bày về mối quan hệ sản lương - lạm
phát mà thực hiện một cách hài lòng trong một ý nghĩa kinh tế cho tất cả, hay hầu
hết, của các quốc gia trong mẫu, (ii) sự hạn chế có thể kiểm tra được mà lý thuyết
áp đặt lên mối quan hệ này hay không? Và (iii) những hạn chế này có phù hợp
với những thí nghiệm gần đây hay không? Mô hình đưa ra 3 giả thiết quan trọng.
Đầu tiên là sản lượng danh nghĩa được xác định trên tổng cầu của nền kinh tế,
với các thành phần trong sản lượng thực và mức giá lớn phụ thuộc vào hành vi
của cung lao động và hàng hóa. Thứ hai là thành phần “mức ổn định” chi phối
hành vi cung ngắn hạn dẫn đến sự thiếu thông tin trên giá phù hợp với quyết định
của họ. Thứ ba là giá không quan sát được làm cho tối ưu (hay “hợp lý”) trong
những đặc điểm ngẫu nhiên của nền kinh tế. Lý thuyết phát triển theo lối này sẽ
không đặt những hạn chế có thể kiểm tra được lên những hệ số của đường cong
4

Phillip hay những trình bày biểu thức đơn khác của sự cân bằng. Ví dụ, Chúng sẽ
không ám chỉ rằng những thay đổi tiền lương được liên kết với những thay đổi
mức giá với hệ số đơn vị, hay đường cong Phillip dài hạn phải ở điểm cao nhất.
Chúng sẽ liên kết các tham số cung với các tham số điều chỉnh bản chất ngẫu
nhiên của cầu thay đổi.
Tác giả giả định rằng trong sự hiện diện của các vấn đề thông tin, những cú sốc
tổng hợp có thể chi phối đến chất lượng tín hiệu của giá cả và bóp méo phân bổ
nguồn lực ngân hàng một cách hệ thống. Để kiếm tra lý thuyết này, Baum et al.
(2002, 2004, 2009) và Quagliariello. (2007, 2008, 2009) định nghĩa hành vi có hệ
thống của ngân hàng về sự phân tán cross-sectional trong danh mục cho vay. Còn
Baum et al. (2009) tìm ra rằng một sự tăng lên trong sự bất định vĩ mô một cách
hệ thống tạo ra sự sụt giảm đáng kể trong sự phân tán cross-sectional của tỷ số
khoản vay trên tài sản sau 1 năm.
Bai nghiên cứu “The second moment matters: the impact of macroeconomic
uncertainty on the allocation of loanable funds” Baum, C F., Caglayan, M.,
Ozkan, N., 2009: Bài nghiên cứu này điều tra cách những biến động trong sự bất

định kinh tế vĩ mô bóp méo sự phân bổ những ngân hàng thương mại của quỹ có
thể cho vay bằng phân tích độ phân tán của tỷ số tổng khoản cho vay trên tổng tài
sản của các ngân hàng qua giai đoạn ¼ thế kỷ. Theo bài nghiên cứu tác giả tranh
luận rằng các ngân hàng phải có được thông tin quý giá của những người đi vay
trước khi kéo dài khoản vay với những khách hàng hiện tại và mới, sự không
chắc chắn về các điều kiện kinh tế sẽ ảnh hưởng rõ rệt lên chiến lược cho vay
trên những thời điểm của tập hợp kinh tế vĩ mô hay những ràng buộc được đưa ra
bởi hành động của những người làm nên chính sách. Tác giả phỏng đoán rằng sự
bất định cao hơn sẽ cản trở khả năng của các giám đốc tới việc dự đoán chính xác
tỷ suất sinh lợi từ những cơ hội cho vay có sẵn. Trong nội dung nghiên cứu, tác
giả mong đợi khi môi trường kinh tế vĩ mô tĩnh lặng thì các giám đốc ngân hàng
sẽ dự đoán tỷ suất sinh lợi từ mỗi dự án tiềm năng dễ dàng hơn và kênh quỹ
hướng tới các dự án với tỷ suất sinh lợi dự đoán cao hơn. Ngược lại, khi môi
trường kinh tế rối loạn, khả năng dự đoán chính xác tỷ suất sinh lợi của các giám
đốc ngân hàng sẽ bị cản trở, làm cho hành vi cho vay cẩn trọng hơn ở tất cả các
ngân hàng. Những tranh luận này ám chỉ rằng trong thời gian sự bất định kinh tế
5

vĩ mô các ngân hàng sẽ vận hành đồng nhất hơn, lý do mà sự phân tán cross-
sectional của tỷ số cho vay trên tài sản các ngân hàng nhỏ lại. Trong suốt thời
gian các ngân hàng có sự bất định thấp sẽ vận hành theo cách riêng, dẫn đến tăng
độ phân tán cross-sectional của tỷ số cho vay trên tài sản các ngân hàng. Trong
quan điểm này, sự ổn định của môi trường kinh tế vĩ mô sẽ thuận lợi hơn cho sự
phân bổ hiệu quả của các quỹ có thể cho vay. Để kiểm định giả thiết tác giả đã sử
dụng dữ liệu theo quý các ngân hàng Mỹ trong ¼ thế kỷ lấy từ Hệ thống dự trữ
liên bang ngân hàng Thương mại và cơ sở dữ liệu công ty cổ phần ngân hàng. Và
kết quả là cung cấp một hỗ trợ mạnh cho các giả thuyết rằng sự bất định kinh tế
vĩ mô bóp méo sự phân bổ của các quỹ có thể cho vay của các ngân hàng. Tác
giả tìm ra mối liên kết giữa đại diện cho sự bất định kinh tế vĩ mô và độ biến
thiên cross-sectional của tỷ số nợ vay trên tài sản ngân hàng. Hành vi cho vay

của các ngân hàng trở nên đồng nhất hơn trong thời gian sự bất định tăng. Kết
quả của tác giả kiểm định chắc chắn sự đưa ra các biến khác kiểm soát cho các
thay đổi trong chính sách tiền tệ và môi trường kinh tế vĩ mô: tỷ lệ quỹ Liên bang,
tỷ lệ lạm phát, chỉ số dấu hiệu dẫn đầu, và dấu hiệu các thay đổi pháp lý. Qua các
kiểm định thực nghiệm, tác giả đã tìm ra độ lớn của những ảnh hưởng của sự bất
định kinh tế vĩ mô lên sự phân bổ các quỹ có thể cho vay là: một thay đổi 6% tới
10% disp(lta) các ngân hàng phản ứng gấp đôi đối với sự bất định kinh tế vĩ mô.
Tác giả Christopher F. Baum trong bài nghiên cứu “The Impact of
Macroeconomic Uncertainty on Bank Lending Behavior” cho rằng các ngân hàng
thương mại đóng vai trò quan trọng trong nền kinh tế. Các ngân hàng là nguồn
tín dụng nội địa chính trong thị trường tín dụng bằng chi phí thông tin trên các
khoản vay, và mở rộng tín dụng trên thông tin liên quan tới điều kiện thị trường.
Trong bài nghiên cứu này, tác giả cho rằng việc cho vay của các ngân hàng là
một phần riêng biệt ảnh hưởng không chỉ tới chính sách tiền tệ và các momen
của chỉ số kinh tế vĩ mô, mà còn có thể ảnh hưởng tới phương sai của tính bất ổn
kinh tế vĩ mô. Đặc biệt, tác giả đặt câu hỏi về tính bất ổn nền kinh tế vĩ mô sẽ ảnh
hưởng tới phân phối cross-sectional của tỷ lệ cho vay trên tài sản. Tính bất ổn
nhiều hơn về điều kiện kinh tế tương lai sẽ có ảnh hưởng hoàn toàn với chiến
lược cho vay của ngân hàng. Tác giả kết luận, hành động của ngân hàng phản
ứng lại tính bất ổn của nền kinh tế vĩ mô có thể là đồng nhất, cùng với hành động
6

mạnh mẽ của ngân hàng mạnh hơn trong các hoàn cảnh khác; giả thuyết này
khẳng định lợi nhuận nhiều hơn và tỷ lệ lợi ích nhiều hơn sẽ dẫn đến tỷ lệ lta nhỏ
hơn so với các ngân hàng lợi nhuận ít hơn.
Christopher F. Baum, Mustafa Caglayan, Neslihan Ozkan trong bài nghiên cứu
“The response of bank lending behavior to macroeconomic uncertainty” đã điều
tra liệu rằng tính bất ổn nền kinh tế vĩ mô có thể làm sai lệch phân bổ của các
ngân hàng vào các quỹ cho vay. Tác giả đặt giả thuyết rằng sự tăng tính bất ổn,
độ phân tán cross-sectional của tỷ lệ cho vay trên tài sản có thể thu hẹp tính bất

ổn kinh tế tốt hơn. Ngược lại, khi tính bất ổn thấp, tỷ suất inh lợi sẽ được dự đoán
nhiều hơn dẫn đến sự phân bố không đều đối với quỹ cho vay của các ngân hàng.
Do đó, tính bất ổn kinh tế vĩ mô giảm, các ngân hàng sẽ tái cân bằng lại danh
mục đầu tư của họ, nguyên nhân cho sự phân phối cross-sectional của tỷ lệ cho
vay trên tài sản được mở rộng, và cho phép phân bổ hiệu quả hơn quỹ cho vay so
với giai đoạn tính bất ổn cao hơn. Cuối cùng, tác giả khẳng định ứng dụng lý
thuyết danh mục đầu tư, tác giả chứng tỏ rằng phương sai của tính bất ổn nền
kinh tế vĩ mô cao hơn chu kì kinh tế có thể ảnh hưởng tới quyết định phân bổ
danh mục đầu tư của ngân hàng. Đặc biệt, khi tính bất ổn nền kinh tế là ít, các
ngân hàng sẽ có nhiều hành động giống nhau hơn.
Trong “A model of Shadow Banking” của các tác giả Nicola Gennaioli, Andrei
Shleifer, And Robert W. Vishny đã giới thiệu mô hình bóng của ngân hàng, trong
đó là các ngân hàng có các khoản vay thương mại, tập trung chúng lại trong các
danh mục đầu tư và tài trợ cho các danh mục đầu tư bên ngoài với các khoản nợ
không có rủi ro. Trong mô hình: tài sản của các nhà đầu tư bên ngoài điều chỉnh
cầu nợ rủi ro và tăng tính bảo hiểm, tài sản ngân hàng và mức đòn bảy sẽ di
chuyển cùng nhau, các ngân hàng trở nên liên kết với thị trường, và các ngân
hàng sẽ tăng độ nhạy tới rủi ro hệ thống.
Nhiều bài nghiên cứu trong giai đoạn tăng trưởng thấp và đặc biệt trong giai đoạn
khủng hoảng đã chứng tỏ hoạt động kinh doanh ngân hàng gặp nhiều rủi ro, bởi
vì giá trị tài sản thế chấp giảm.
Bài nghiên cứu “Credit cycles” (Kyotaki, N. Moore, J., 1997): Mục tiêu của bài
nghiên cứu là mô hình hóa và phân tích sự tương tác giữa các hạn chế và tập hợp
hoạt động kinh tế qua chu kỳ kinh doanh. Đặc biệt, làm cách nào sự hiện diện
7

giới hạn tín dụng có thể tạo ra, khi nền kinh tế phát triển, ví dụ, bằng một cú sốc
kỹ thuật nhỏ và tạm thời, sự dao động lớn và bền vững trong sản lượng và giá tài
sản. Và để xem sự tương tác đó như thế nào thì tác giả xây dựng một nền kinh tế
năng động trong đó giới hạn tín dụng xuất hiện bởi vì những người cho vay

không thể bắt buộc những người đi vay trả lại các khoản nợ của họ, trừ phi nợ
được đảm bảo. Tài sản lâu bền đóng vai trò gấp đôi - chúng là các nhân tố của sự
sản xuất và phục vụ như vật ký quỹ cho các khoản vay. Hơn nữa, các giới hạn
của những người đi vay bị ảnh hưởng bởi giá của vật ký quỹ, nhưng tại thời điểm
tương tự các giá này bị ảnh hưởng bởi phạm vi của các giới hạn tín dụng. Vì vậy
trong nền kinh tế này sự tương tác giữa các giới hạn tín dụng và giá tài sản sẽ
được chuyển giao cơ cấu hiệu lực thông qua các ảnh hưởng của sức bền của các
cú sốc, sự mở rộng và sự lan rộng. Tác giả còn xây dựng một nền kinh tế thực
trong đó tài sản lâu bền là đất, vì vậy không chỉ có các nhân tố sản xuất mà còn
được sử dụng để đảm bảo cho khoản vay. Tác giả cho thấy tổng cung của đất thì
cố định và tập hợp các quan sát là các công ty bị ràng buộc về tài chính (những
người nông đân/người đi vay) và các công ty tự do (người thu thập và người cho
vay). Ngoài ra tác giả còn chỉ ra sự ưu tiên về tính không đồng nhất, người thu
thập thì kiên nhẫn hơn người nông dân, vì vậy sau cùng là người cho vay và
người đi trước là người cho vay. Và kết quả của tác giả này là trong giai đoạn t
các công ty trải qua một cú sốc sản phẩm tạm thời và dẫn đến một sự giảm giá trị
thuần thì : (i) các công ty bị ràng buộc tín dụng không thể vay nhiều hơn vì vậy
họ giảm đầu tư, bao gồm đầu tư vào đất, (ii) trong giai đoạn tiếp theo doanh thu
của họ sẽ giảm, (iii) kết quả là giá trị thuận giảm và một lần nữa vì các giới hạn
tín dụng nên họ giảm đầu tư.
Bài nghiên cứu của chúng ta phù hợp hơn với bảng cân đối hơn là kênh cho vay,
điều đó được chứng tỏ qua các bài nghiên cứu sau:
Bài nghiên cứu “Inside the black box: the credit channel of monetary policy
transmission” (Bernanke, B S., Gertler, N., 1995): Tác giả đã vạch ra, phân tích
theo quy ước của sự chuyển giao tiền tệ có nhiều khuyết điểm. Tuy nhiên, đưa ra
kênh tín dụng tiềm năng giúp giải quyết những câu hỏi này. Đầu tiên, trong khi
chính sách tiền tệ rõ ràng có một ảnh hưởng mạnh lên tiêu dùng hàng hóa lâu bền,
hầu hết các nghiên cứu gặp khó khăn trong việc xác định các ảnh hưởng chi phí
8

vốn đáng kể của loại tân cổ điển thuần. Tuy nhiên, các đo lường chi phí vốn quy
ước hiếm khi làm cho phần trợ cấp đối với phàn bù tài chính bên ngoài biến đổi.
Để chắc chắn, có được những đo lường trực tiếp của phần bù tài chính bên ngoài
rất khó. Các nghiên cứu gần đây đã chỉ ra rằng các đại diện hay các dấu hiệu kèm
theo cho phần bù này trong phương trình cầu dài hạn cải thiện hiệu quả của
chúng. Thiếu sót thứ hai của phân tích là trong khi chính sách tiền tệ rõ ràng có
một ảnh hưởng mạnh lên tiêu dùng hàng hóa lâu bền, hầu hết các nghiên cứu gặp
khó khăn trong việc xác định các ảnh hưởng chi phí vốn đáng kể của loại tân cổ
điển thuần. - đặc biệt, sau khi lãi suất bắt đầu rớt xuống trở lại mức đường gốc.
Giải thích cho biến động trong phần bù tài chính bên ngoài có thể có ích trong
việc giải thích cả thời điểm phản ứng của hàng tồn kho và đầu tư và sự thật rằng
các biến này dừờng như giải thích tốt hơn bởi doanh số và dòng tiền hơn là bởi
lãi suất. Ví dụ, theo chính sách thắt chặt tiền tệ, bảng cân đối kế toán của các
công ty làm giảm giá trị vì lãi suất tăng, dòng tiền giảm và vay ngắn hạn tăng thu
thập sự tích lũy hàng tồn kho, bảng lương… Sự suy yếu duy trì lâu dài của bảng
cân đối kế toán ám chỉ rằng phần bù cho tài chính bên ngoài có thể tiếp tục tăng
như sự suy thoái kinh tế diễn ra, dù cho lãi suất thị trường đang giảm. Sự tăng
dần trong “áp lực tài chính” này giúp giải thích sự trì hoãn nhưng giảm mạnh
trong hàng tồn kho và đầu tư. Vấn đề thứ 3 cho quan điểm tiêu chuẩn này là phản
ứng mạnh và nhanh của đầu tư bất động sản để thay đổi chính sách tiền tệ, mặc
dù chính sách tiền tệ có thể đoán được giới hạn tốt nhất kiểm soát qua lãi suất dài
hạn. Một lần nữa, giải pháp cỏ thể cho phép các chuyển động trong phần bù tài
chính dẫn đến sự thay đổi trong chính sách. Như tác giả đã tranh luận trong bài
báo này, cả bảng cân đối kế toán và kênh cho vay ngân hàng đóng một vai trò
quan trọng trong thị trường bất động sản.
Bài nghiên cứu “What Do a Million Observations on Banks Say About the
Transmission of Monetary Policy?” (Kashyap, A.K Stein, J.C., 2000): Tác giả
nghiên cứu cơ chế lan truyền tiền tệ với một bộ dữ liệu bao gồm các quan sát
theo quý của ngân hàng thương mại bảo hiểm Mỹ từ năm 1976 tới 1993. Nghiên
cứu trước đây khám phá nhiều bằng chứng phù hợp với sự tồn tại của kênh cho

vay của sự lan truyền tiền tệ. Thật không may, bằng chứng này cũng thừa nhận
sự giải thích khác. Tiền đề của tác giả trong bài nghiên cứu này cung cấp một
9

kiểm định rõ ràng kênh cho vay, tiền đề phải kiểm tra chi tiết cách mà chính sách
tiền tệ ảnh hưởng tới hành vi cho vay của các ngân hàng tư nhân, như đã đề nghị
các biện pháp tổng hợp cho vay rộng rãi. Trong lớp nhỏ ngân hàng, các thay đổi
trong vấn đề chính sách tiền tệ hơn là cho vay của các ngân hàng đó với bảng cân
đối có tính thanh khoản ít nhất. Các kết quả cho các phần có ý nghĩa thống kê
mạnh, và vững chắc với nhiều biến động trong kỹ thuật ước lượng. Hơn nữa, sự
khác nhau được ám chỉ qua các ngân hàng là rất quan trọng, tại mức nhỏ nhất, nó
sẽ lãi suất kinh tế. Không giống với các bằng chứng trước đây, khó hơn để đưa ra
phương án thay thế, lịch sử kênh không cho vay để hợp lý hóa các kết quả của
tác giả. Đặc biệt, nếu muốn giải thích các kết quả của tác giả bằng việc sử dụng
một kênh lãi suất chuẩn, phải tranh luận rằng cá ngân hàng mà nhu cầu vay của
các khách hàng hầu như nhạy cảm với chính sách tiền tệ một cách hệ thống lựa
chọn để giữ trong các tài sản thanh khoản – tức là, phải yêu cầu lịch sử không
thích rủi ro không đồng nhất. Không những đây là lịch sử không có vẻ hợp lý từ
viễn cảnh lý thuyết, tác giả có thể tổ chức một vài loại riêng biệt của bằng chứng
mà tất cả ám chỉ rằng nó không có hiệu lực trong dữ liệu. Điểm cốt yếu là bây
giờ dường như khó phủ nhận sự tồn tại của kênh cho vay của sự lan truyền tiền tệ,
ít nhất cho Mỹ trong giai đoạn mẫu của tác giả. Thứ 2, nếu nó có thể tạo nên một
trường hợp mạnh hơn mà các cú sóc tiền tệ có một ảnh hướng lớn đến phạm vi
tổng cho vay ngân hàng.
Ngoài ra tác giả đã dử dụng phương pháp Filter, để hiểu rõ hơn, ta tìm hiểu bài
nghiên cứu sau “The procyclicality of Basel III leverage: Elasticty-based
indicators and the Kalman filter’ của Christian Calmes và Raymond Theoret
trong”. Sử dụng bộ lọc Kalman filter để làm thước đo, khi các ngân hàng được
phép để thực hiện các hoạt động mới ngoài bảng cân đối kế toán (ví dụ các hoạt
động phi truyền thống như bảo hiểm hay bảo lãnh phát hành) làm cho kết quả tài

chính trở nên biến động hơn. Tính biến động này liên quan tới vấn đề định hướng
hoạt động của ngân hàng, đặc biệt là các hoạt động giao dịch và các hoạt động thị
trường vốn. Trong đó mức đòn bẩy là nhân tố chính của rủi ro ngân hàng. Hai tác
giả đã đề xuất một phương pháp mới dựa trên bộ lọc Kalman filter để giải thích
cho chu kì kinh doanh của mức đòn bẩy gần đây. Tác giả xây dựng thước độ đòn
bẩy dựa trên xem xét bảng cân đối kế toán có tính thanh khoản như nợ xấu, mức
10

đòn bẩy được thể hiện . Tác giả sử dụng Kalman filter để hồi quy
các chuỗi thông số chuỗi biến đổi theo thời gian. Bước 1 , tác giả tính toán hai dự
báo là mức đòn bẩy mong đợi. Bước 2, tác giả tính toán sai số. Bước 3, tác giả
ước tính thông số dựa vào phương pháp maximum likelihood. Mức độ đòn bẩy
mang tính chu kì và biến đổi theo thời gian.
3. PHƢƠNG PHÁP NGHIÊN CỨU
3.1. Mô hình
Theo Baum et al. (2004, 2009), danh mục đầu tư của ngân hàng bao gồm hai loại
tài sản: một tài sản phi rủi ro (đảm bảo) và tài sản rủi ro. Tuy nhiên, do cú sốc
nền kinh tế vĩ mô có thể làm sai lệch sự phân bổ của quỹ cả cho thu nhập ngoài
lãi và thu nhập từ lãi, tài sản rủi ro bao gồm các khoản vay và các thu nhập hoạt
động ngoài lãi. Chính xác hơn, để kiểm tra giả thuyết chúng ta xem xét mô hình
mẫu dạng giảm sau đây:

Tại là thước đo phương sai của sự phân tán cross-sectional của tài sản rủi
ro j tại thời điểm t; là thời điểm đầu tiên của biến nền kinh tế vĩ mô đại
diện cho rủi ro; là phương sai có điều kiện của biến kinh tế vĩ mô (tức là
thước đo tính bất ổn nền kinh tế thời điểm thứ hai); và là sai số. Ví dụ,
momen bậc 1 biến kinh tế vĩ mô có thể là tốc độ tăng trường GDP, và momen
bậc 2 là phương sai có điều kiện của tốc độ tăng trưởng GDP. Cuối cùng, mô
hình thêm các biến phụ thuộc độ trễ để kiểm soát sự tự tương quan của phần dư
và để giải thích cho độ trễ trong việc điều chỉnh quan sát tới mức mục tiêu.

Quan trọng, chú ý rằng mô hình mang lại một sự phân biệt rõ ràng giữa rủi ro và
bất ổn của nền kinh tế vĩ mô; rủi ro nền kinh tế vĩ mô liên quan đến sự phổ biến
của các điều kiện kinh tế nhất định, và tính không chắc chắn nền kinh tế vĩ mô
với biến động của nó. Nguyên nhân đầu tiên cho quyết định này để mang lại sự
phân biệt biến momen bậc 1 của các yếu tố chính kinh tế vĩ mô có tác động quan
trọng đến thu nhập phi lãi suất, ngược lại momen bậc 2 lại chủ yếu ảnh hưởng
11

đến việc cho vay. Nói cách khác, chúng ta có thể giả định thu nhập phi lãi suất có
tương quan ít với độ bất ổn kinh tế vĩ mô hơn là các khoản vay bởi vì chúng có
thể - theo lý thuyết – dễ dàng tự phòng ngừa. Thực tế, sản phẩm cấu trúc tài
chính, chiếm tỷ trọng lớn hơn trong các hoạt động này, được thiết kế để quản lý
tính biến động và để cải thiện việc chia sẻ rủi ro giữa các thị trường tài chính.
Nói cách khác, chúng mang lại mức độ thanh khoản cao hơn, tác giả cũng ước
lượng thu nhập các hoạt động ngoài lãi tương đối nhạy cảm hơn với rủi ro nền
kinh tế vĩ mô (Output gap và tăng trưởng GDP), và mật độ chu kì của rủi ro hệ
thống ngân hàng là rất đáng kể (Lucas và Stokey, 2011).
Thứ hai, động cơ kĩ thuật thúc đẩy cho cả momen bậc 1 và momen bậc 2 trong
phương trình (1), từ góc độ kinh tế, momen bậc 1 của một biến được sử dụng để
xác định tính bất ổn cũng phải được bao gồm trong các kiểm định chắc chắn
(Huizinga, 1993; Quagliariello, 2007, 2008, 2009). Thực tế, không loại trừ việc
momen bậc 1 có thể sai dẫn đến các nhà nghiên cứu giải thích biến momen bậc 2
bị tác động bởi biến momen bậc 1.
Chúng ta phân tích tác động của một yếu tố kinh tế vĩ mô tại các momen. Ví dụ,
sự phân tán cross-sectional của lta trong các giai đoạn của tính bất ổn GDP, mô
hình của chúng ta có thể được thể hiện như mô hình (1)

Tại disp(lta) là sự phân tán cross-sectional của lta; cv_gdp là phương sai có điều
kiện của tăng trưởng GDP; dln(gdp) là tỷ lệ tăng trưởng của GDP; output_gap là
thước đo output gap như chênh lệch của GDP thực từ xu hướng Hodrick–Prescott;

và dtl là thước đo tổng quát của mức độ đòn bẩy tổng thể.
1
Để ước tính disp(lta)
với phiên bản trơn hơn cho biến có điều kiện của tăng trưởng kinh tế, chúng ta
chạy phương trình (2) sử dụng thước đo phương sai tỷ trọng của tăng trưởng
GDP (cv_gdp_w). Sự mô tả cho tất cả các biến được bao gồm trong bài nghiên
cứu này được cung cấp trong bảng 1.


1
Chú ý rằng tác giả cũng kiểm tra các biến vĩ mô và tài chính khác, nhưng các nhân tố này
không cải thiện sự phù hợp của mô hình. Ví dụ, các tác giả thường phụ thuộc vào phương sai có
điều kiện của sản phẩ công nghiệp để mô hình hóa độ bất ổn của nền kinh tế vĩ mô, nhưng trong
sự thiết lập này các biến thể hiện mối tương quan kém với GDP. Các biến kinh tế vĩ mô không
trực tiếp, như là các sáng chế của các công ty, tỷ lệ thất nghiệp, các chỉ số dẫn đầu và tỷ lệ vốn
của ngành công nghiệp cũng được tìm thấy có ý nghĩa yếu trong tiêu chuẩn của tác giả
12

Một vài biến yêu cầu được giải thích thêm. Việc xây dựng biến tăng trưởng GDP
có điều kiện được giải thích chi tiết trong Baum et al. (2002, 2004, 2009). Thực
tê, nó là phương sai có điều kiện của mô hình ARMA ứng dụng cho tăng trưởng
GDP (Bảng 1). Việc xây dựng chuỗi dtl – một thước đo rủi ro ngân hàng – được
giải thích trong Calmès and Théoret (2013). Nó thu được bằng cách hồi quy thu
nhập ròng của ngân hàng (lợi nhuận hay lỗ) dựa trên thu nhập hoạt động thuần sử
dụng Kalman filter. Phương pháp lọc được sử dụng là HP fiter. Kết quả độ nhạy
thời gian hay đổi của thu nhập thuần trên thu nhập hoạt động thuần là thước đo
dựa trên tính đàn hồi của đòn bẩy, là mức độ tổng đòn bẩy (dtl). Các thực nghiệm
chỉ ra rằng nó theo dõi rủi ro hệ thống trong ngân hàng rất tốt.
Theo các giả thuyết chính, chúng ta mong đợi β
1

âm: một sự tăng lên trong tính
bất ổn nền kinh tế vĩ mô, được đo lường bởi phương sai có điều kiện của tốc độ
tăng trưởng GDP, nên được kết hợp với một sự sụt giảm trong disp(lta). Hai biến
tiếp theo xuất hiện trong phương trình (2) là momen bậc 1 kết hợp với phương
sai có điều kiện tăng trưởng GDP và output gap. Trước đây là một thước đo sức
mạnh của tăng trưởng kinh tế, sau này thì là một thước đo chu kì kinh doanh.
Chúng ta hy vọng dấu hiệu hệ số của cả hai biến đều dương. Thực tế, khi rủi ro
nền kinh tế vĩ mô tăng - tức là khi tăng trưởng GDP và output gap giảm - các
ngân hàng nên hành động đồng nhất nhiều hơn, như họ đã làm trong trường hợp
sự bất ổn nền kinh tế tăng.
Trong mô hình này, tác giả cũng giới thiệu một biến để điều chỉnh cho rủi ro
ngành ngân hàng - tổng đòn bẩy (dtl). Thử nghiệm của chúng tôi phát hiện ra
rằng thước đo độ đàn hồi của đòn bẩy đại điện cho rủi ro ngân hàng tốt hơn là
thước đo kế toán ví dụ như tỷ lệ tài sản trên vốn cổ phần, hay các thước đo đòn
bẩy bắt buộc như được yêu cầu trong Basel I và II. Trong điều kiện các yếu tố
khác không đổi, để mở rộng giả thuyết chúng ta kiểm tra một vài yếu tố, β
4
là hệ
dố của dtl, nó nên âm, như ngân hàng có các hành vi đồng nhất trong giai đoạn
ngân hàng gặp nhiều rủi ro.
Trong phiên bản mô hình thứ hai, độ phân tán của lta được thể hiện trong thời kì
lạm phát bất ổn và được thể hiện như sau:
13



Với cv_inf là phương sai có điều kiện của lạm phát
2
và inf, tỷ lệ lạm phát, là thời
điểm đầu tiên liên kết với phương sai có điều kiện của lạm phát. Tương tự

phương sai có điều kiện của tăng trưởng GDP, chúng ta mong đợi dấu hiệu âm
cho γ
1
hệ số liên kết với sự bất ổn lạm phát. Chúng ta cũng mong đợi hệ số liên
kết với lạm phát, γ
4
là âm, từ khi lạm phát làm méo mó tín hiệu được đưa ra bởi
giá (Beaudry et al., 2001). Sau đó, chúng ta thể hiện các ước tính tương tự cho sự
phân tán cross-sectional của snonin.
3.2. Phƣơng pháp ƣớc tính EGARCH
Kiểm định GARCH xác nhận sự hiện diện của một sự bất đối xứng dương trong
bình phương phần dư (innovation) của các ước tính.
3
Do đó, chúng ta chọn
hướng tiếp cận EGARCH để ước tính 3 mô hình trên (Franses and Van Dijk,
2000). Trong cách tiếp cận này, mức biến động của innovation - được biểu thị
bằng ζ
t
- là một phương trình dấu hiệu của innovation trễ (ε
t-1
). Ví dụ, chu trình
EGARCH cơ bản được áp dụng cho mô hình tỷ suất sinh lợi cổ phiếu. Tin tốt là
được xác định như một trường hợp trong (ε
t-1
)> 0 - tức là một sự gia tăng trong
giá cổ phiếu. Ngước lại, tin không tôt với trường hợp này khi (ε
t-1
) <0 - khi giá
cổ phiếu giảm. Tin tốt và không tốt được xác định cùng dấu hiệu của (ε
t-1

) > 0.
Trên thị trường cổ phiếu, tin tức xấu nhìn chúng có tác động tốt hơn là các tin tức
tốt, một sự bất ngờ trong việc sụt giảm lợi nhuận (tin xấu) có biến động lớn hơn
một sự bất ngờ trong việc tăng lợi nhuận (tin tốt) ở cùng một mức độ (Black,
1976). Nói cách khác, chúng ta cho rằng việc áp đặt một hạn chế đối xứng trên
phương sai có điều kiện của innovation quá khứ - như các các tác giả trước đã
làm - là quá hạn chế trong trường hợp của chúng ta.
Trong bối cảnh của mô hình chúng ta (phương trình (2) và phương trình (3)), các
tin tốt – là (ε
t-1
) <0, (ε
t-1
) > 0 - có thể tương quan với ouput gap dương hay tỷ lệ
tăng trưởng GDP dương. Như bằng chứng sau đó, ζ
t
tương quan với mô hình cao


2
Giống như phương sai có điều kiện của GDP, việc xây dựng Phuong sai có điều kiện được giải thích
trong Baum et al. (2004, 2009). Nó được xây dựng như cách mà xây dựng phương sai có điều kiện của
GDP (Bảng 1)

3
Kiểm định này được giới thiệu trong phần sau của bài nghiên cứu.
14

hơn trong thời điểm tốt hơn trong thời điểm xấu. Khi lta và snonin là một phương
trình đồng biến của ouput gap, ζ
t

cao hơn khi snonin và lta tăng khi chúng giảm.
Để giải thích cho tác động bất đối xứng (trên biến động có điều kiện innovation
của disp(lta) và disp(snonin) tác giả theo Nelson (1991) và giới thiệu mô hình
như :

Có thể được khái quát hóa từ chu trình EGARCH(p,q) bằng thêm độ trễ p và
độ trễ q log(ζ
t
). Trong phương trình này, tin tức tốt, (ε
t-1
) > 0 và các tin tức xấu,
(ε
t-1
) < 0 có thế có tác động khác nhau đến phương sai có điều kiện. Mô hình
EGARCH là bất đối xứng vì mức độ được bao gồm trong hệ số θ
1
Mô hình
bất đối xứng nếu θ
1
có ý nghĩa khác 0. Đặc biệt, các tin tức xấu có ảnh hưởng
đòn bẩy trên tính biến động nếu θ
1
< 0 và hiệu ứng này là hàm mũ, do đó phương
sai được ước tính theo loga.
4
Ngược lại, nếu θ
1
> 0 chúng ta có thể giảm xuống
một sự bất đối xứng dương trong mô hình ước tính phần dư.
5

Để kết luận, so
sánh tiêu chuẩn GARCH (Bollerslev, 1986), phương pháp ước tính EGARCH
cho phép các tin tức xấu và tin tức tốt tạo ra những biến động khác nhau, và các
tin tức quan trong hơn, sẽ có những biến động lớn hơn (Engle và Ng, 1993).
Một minh họa thêm về lợi ích của phương pháp này có thể được xem ở Hình 1,
nó thể hiện các cụm biến động disp(lta) và disp(snonin) cho các ngân hàng
Canada và Mỹ. Với mô hình phân nhóm chúng ta quan sát, nó rất có tác dụng
trong một chu trình EGARCH để mô hình hóa biến động có điều kiện của
innovation. Để hiểu tốt hơn về sự cần thiết áp dụng phương pháp này, nó cũng rất
tác dụng khi xây dựng biểu đồ tương quan của sự phân tán cross-sectional. Các
nhà nghiên cứu thường phụ thuộc vào thống kê Ljung-Box và thống kê Q để làm
giảm mức độ tự tương quan trong biểu đồ tương quan. Như được chỉ ra trong
Bảng 2, cho độ trễ 15, tự tương quan có ý nghĩa tồn tại cho 4 thước đo của sự
phân tán crosss-sectional, thống kê Q rất cao trong bốn trường hợp và mang ý


4
Trong mô hình ARCH – một cách khác để giải thích tính bất đối xứng của biến động có điều kiện, ảnh
hưởng này được giả định là bậc hai
5
Hệ dố ước tính của mô hình EGARCH cũng tác động đến phần dư bất đối xứng.
15

nghĩa thống kê. Do đó, thực tế rất cần thiết khi áp dụng chu trình GARCH. Việc
thêm vào các kiểm định được giới thiệu trong phần thực nghiệm
Cuối cùng, tác giả cũng xem xét EGARCH với các thành phần, do phương sai có
điều kiện của các biến nền kinh tế vĩ mô và chuỗi dtl là các biến tổng quát- tức là,
độ nhiễu tiềm năng cho các hồi quy không quan sát sát được (Pagan, 1984, 1986).
Thực tế, ngay cả khi sử dụng OLS hay MLE đơn giản trong sự có mặt của các
biến tạo ra không dẫn tới sự không thống nhất trong thủ tục ước tính, kiểm định t

liên kết với hệ số được ước tính là không hợp lệ (Kiểm định F hay Kiểm định
Wald trên nhóm hệ số là hợp lệ; Pagan, 1984, 1986). Vấn đề này được đề cập
trong các bài nghiên cứu trước (Ví dụ Beaudry et al., 2001; Baum et al., 2002,
2004, 2009; Quagliariello, 2007, 2008, 2009) nhưng với kiến thức của chúng ta,
tiêu chuẩn đã không còn phù hợp với cách giải quyết trước đây. Một cách phù
hợp, để kiểm định tính chắc chắn của kết quả, chúng ta giới thiệu một phương
pháp thay thế mô hình EGARCH mà đầu tiên chúng ta thoái các biến được tạo ra
trên công cụ. Các công cụ này bao gồm các biến được xác định trước và những
thời điểm cao hơn của biến giải thích của mô hình (Fuller, 1987; Lewbel, 1997).
Phương pháp ước tính thứ 2 này mô hình EGARCH với các công cụ (IV-
EGARCH), trong đó các biến tạo ra cv_gdp, cv_gdp_w, cv_inf và dtl là xem là
các biến nội sinh.
Bảng 1: Mô tả các biến
Biến
Định nghĩa và cách xây dựng
Lta
Tỷ lệ khoản vay của ngân hàng trên tài sản.
Phương trình : (Cho vay/ tài sản) x 100
Snonin
Tỷ lệ thu nhập ngoài lãi trong thu nhập hoạt động ròng của ngân
hàng. (Thu nhập ngoài lãi/ thu nhập hoạt động ròng) x 100
disp(lta)
Phương sai cross-sectional của lta ngân hàng. Phương sai của lta
được thể hiện trong ví dụ.
disp(snonin)
Phương sai cross-sectional của snonin. Phương sai cũng bao gồm
16

trong ví dụ
dln(gdp)

Tốc độ tăng trưởng GDP hàng quý.
Bằng với log(
output_gap
Output gap. Để thu được output gap, tác giả lọc log của chuỗi thời
gian GDP bằng bộ lọc HP filter. Phần dư kết quả tạo thành ouput
gap.
Inf
Tỷ lệ lạm phát theo quý. Phương trình log( .
CPI là chỉ số giá tiêu dùng.
Dtl
Tổng đòn bẩy, là một thước đo đàn hồi về đòn bẩy ngân hàng
(Calmès and Théoret, 2013). Trong bài nghiên cứu của tác giả, nó
là một thước đo đo độ rủi ro hệ thống ngân hàng.

Biến phụ thuộc độ trễ.
cv_gdp
Phương sai có điều kiện của tăng trường GDP. Nó là phần dư có
điều kiện của chu trình ARMA(2,2) – tức là trung bình phương
trình – áo dụng cho chuỗi tăng trưởng GDP. Phương sai có điều
kiện được tính bằng cách sử dụng chu trình GARCH. Nó đại điện
cho thời điểm thứ hai của tăng trưởng GDP (thời điểm thứ nhất).
cv_gdp_w
Tỷ trọng phương sai có điều kiện của GDP. Nó được tính bằng
tring bình của cv_gdp được tính dựa trên rolling window cho bốn
quý cùng với các tỷ trọng lần lượt giảm 0.4, 0.3, 0.2, và 0.1.
cv_inf
Phương sai có điều kiện của lạm phát. Phương sai có điều kiện này
là innovation của chu trình AR(1) – phương trình trung bình – áp
dụng cho chuỗi lạm phát. Phương sai có điều kiện được tính bằng
cách sử dụng chu trình GARCH. Nó đại diện cho thời điểm thứ hai

của lạm phát (thời điểm 1).
17

Trend
Biến mang giá trị từ 1 đến N, tại N là số lượng quan sát trong mẫu.
3.3. Dữ liệu
Bởi vì trước tiên chúng ta tập trung vào phản ứng hệ thống ngân hàng tới các
điều kiện kinh tế, nên bộ dữ liệu sử dụng bao gồm các cuộc khủng hoảng tài
chính. Trong khía cạnh này. Dữ liệu các chỉ số ngành ngân hàng được lấy từ 5
ngân hàng lớn của Việt Nam theo quý, từ năm 2006 đến năm 2013. Trong đó chỉ
số thu nhập ngoài lãi được thu thập trên bảng báo cáo kết quả hoạt động kinh
doanh ngân hàng. Trong đó, thước đo đòn bẩy lấy được bằng cách sử dụng
phương pháp Kalman filter hồi quy từ thu nhập thuần ngân hàng trên thu nhập từ
hoạt động.
Các biến vĩ mô như GDP và lạm phát (CPI) chúng tôi lấy chuỗi dữ liệu theo quý
từ năm 2000 đến năm 2013.

Hình 1: Tính dừng của chuỗi biến CPI
18


Hình 2: Tính dừng của chuỗi biến GDP
Chỉ số output gap được định nghĩa là sự khác nhau giữa sản lượng đầu ra thực và
đầu ra tiềm năng. Sự vượt trội của sản lượng thực so với sản lượng tiềm năng,
phản ảnh là output dương, ám chỉ rằng kinh tế phát triển vượt qua năng suất dài
hạn, hay nói cách khác, nó đã sử dụng toàn bộ nhân lực. Kết quả, output gap ám
chỉ sự vượt cầu trong kinh tế. Thực tế, phương pháp truyền thống để đo lường
output gap là phần dư từ hồi quy tuyến tính và bình phương ln của chỉ số công
nghiệp, được cung cấp bởi bộ lọc HP. Nguồn dữ liệu được lấy từ IMF,
Interational Financial Statistics, Ngân hàng phát triển châu Á (ADB), cophieu68,

và nguồn dữ liệu báo cáo tài chính từ các ngân hàng.
Để kiểm định tính dừng của chuỗi thời gian của các biến được kiểm tra bởi kiểm
định yếu tố Dickey-Fuller Test (ADF) và Phillip-Perron (PP). Kết quả được
trình bày trong bảng 1 chỉ ra rằng tất cả các biến gồm CPI, lạm phát, tỷ lệ cho
vay trên tài sản, tỷ lệ thu nhập ngoài lãi trên thu nhập hoạt động dừng ở sai phân
bậc 1.
4. NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN CỨU
4.1. Kết quả kiểm định biến trong mô hình EGARCH
4.1.1. Thiết lập độ trễ
Có một số tiêu chuẩn trong mô hình VAR có thể giúp thiết lập độ trễ cho mô
hình. Kiểm định Likehood ratio test (LR), Final Prediction Error (FPE), Akaike
19

Information Criterion (AIC), Schwarz Information Criterion (SC) và Hannan-
Quinn Information Criterion (HQ) là một trong nhưng số đó. Theo kiểm định
Likehood Ratio test và FBE thì độ trễ phù hợp là 4. Trong khi kết quả AIC là 6
và SC là 2, cuối cùng HQ bằng 3.
4.1.2. Kiểm định Unit Root Test
Kiểm định Unit Root Test là kiểm định xem chuỗi thời gian có dừng hay không.
Với phương trình hồi quy tự tương quan:
(với -1 ) hay có thể viết thành :
ΔY = δ +
Với giả thuyết : (chuối không dừng)
(chuỗi là chuỗi dừng)
Dickey and Fuller cho rằng giá trị Y
t-1
ước lượng sẽ theo phân phối xác xuất tau.
Để kiểm định H
0
tôi so sánh giá trị thống kê tau với giá trị tra bảng. Tuy nhiên,

do có thể có hiện tượng tự tương quan chuỗi do thiếu biến, nên người ta thường
sử dụng kiểm định ADF. Kiểm định thực hiện bằng cách đưa thêm vào các
phương trình các biến trễ sai phân. Sử dụng Eviews ta sẽ so sánh kết quả ADF
test với Critial test.
Nếu ADF test > Critical test thì bác bỏ giả thuyết H
0

Nếu ADF test < Critical test thì chấp nhận giả thuyết H
0

Bảng 2: Thống kê mô tả

Mean
Median
s.d.
Maximum
Minimum
Skewnewss
Kurtosis
Disp(lta)
0.039
0.013
0.073
0.409
0.004
4.234
21.813
Disp(snonin)
0.066
0.025

0.082
0.361
0.001
1.7923
6.538
Lcpi
0.027
0.019
0.025
0.081
-0.039
0.2062
3.4015
Lgdp
0.030
0.038
0.147
0.489
-0.458
-0.445
7.747
Dtl
0.896
0.897
0.007
0.906
0.881
-0.451
2.049