Tuesday, October 11, 2011

Nobel prize


1. Một số quick comments:

- Sau 3 năm giải Nobel kinh tế được trao cho những người có khuynh hướng leftist, năm nay 2 nhà kinh tế được giải đều có khuynh hướng rightist, chính Krugman phải thừa nhận giải năm nay thuộc về phe "fresh water".

- Giải trao cho Christopher Sims có thể nói là "a slap in Krugman's face" vì một trong những công trình quan trọng nhất của Sims là chứng mình empirical model dựa vào IS-LM kém hơn một simple VAR và Sims đề nghị bỏ IS-LM khỏi textbook, điều mà Krugman dè bỉu (dark age) lâu nay trên blog.

- Giải năm nay có thể tóm gọn lại là trao cho mảng nghiên cứu về VAR/SVAR, nghĩa là empirical/econometric macro.

- Một trong những favorite macro textbook của tôi là quyển Macroeconomic Theory của Sargent dù khá cũ (ông còn có 2 quyển khác mới hơn nhưng tôi không thích bằng quyển này). Mấy hôm trước tôi tình cờ mở ra xem lại quyển này nhân cuộc tranh luận trên blogosphere về IS-LM, 3 chương đầu thực sự là classic work, rất cần thiết cho các mô hình VAR/SVAR sau này.

- Tôi không biết giới economist ở VN dịch thuật ngữ VAR như thế nào. Bài báo này dịch "vector autoregressive" thành “sự tự điều chỉnh véc-tơ” không được chuẩn lắm. Regressive/regression đã được dịch rộng rãi là "hồi qui", cho nên autoregressive có thể dịch là "tự hồi qui". Vector tất nhiên là véc-tơ nhưng nếu tôi được đề nghị dịch tôi sẽ dịch thành "hệ" (với nghĩa là một hệ thống nhiều biến số/phương trình), VAR dịch thành "hệ tự hồi qui", SVAR là "hệ tự hồi qui có cấu trúc".

- Một bài viết giới thiệu về identification problem mà Sims đã giải quyết, và về causality test sử dụng impulse response functions.

- MR có 2 bài tóm tắt về các công trình của Sargent Sims.

- Các bạn sinh viên kinh tế nên đọc bài review này của Nobel Committee.

- Không kể Krugman, không phải ai cũng hào hứng về giải Nobel kinh tế năm nay, ví dụ ở đây đây.

- Ứng dụng VAR và residual decomposition để phân tích ảnh hưởng của giá dầu vào kinh tế.


2. Một version của phần dưới đây đã đăng trên SGTT:


Cho đến cuối thập kỷ 1960, giới nghiên cứu và hoạch định chính sách vĩ mô sử dụng những mô hình kinh tế thực nghiệm (macroeconometric models) được xây dựng trên cơ sở lý thuyết Keynes để phục vụ cho công tác phân tích và dự báo kinh tế. Một số mô hình nổi tiếng như Multimod, Fair, Wharton, Nigem, Murphy bao gồm hàng chục, thậm chí hàng trăm phương trình biểu diễn các quan hệ kinh tế vĩ mô quan trọng. Mỗi phương trình biểu diễn quan hệ (linear) của một biến số vĩ mô với các biến khác trong mô hình hoặc các biến exogenous (biến ngoài mô hình). Ví dụ tổng đầu tư của nền kinh tế sẽ là một phương trình phụ thuộc vào lãi suất và xu hướng FDI, hay lạm phát sẽ phụ thuộc vào cung tiền và giá nguyên liệu thô trên thế giới.

Vào cuối giai đoạn này các nhà kinh tế đã nhận thấy hai khiếm khuyết quan trọng của nhóm mô hình này. Thứ nhất rất nhiều lý thuyết cho rằng các biến số kinh tế không chỉ phụ thuộc vào quan hệ hiện thời mà còn phụ thuộc vào kỳ vọng trong tương lai, ví dụ điển hình nhất là lãi suất danh nghĩa phụ thuộc vào kỳ vọng lạm phát. Hầu hết các mô hình lúc đó đều chỉ sử dụng exogenous expectation, nghĩa là yếu tố này phải được xác định bên ngoài mô hình. Rõ ràng đây là một khiếm khuyết cực lớn vì như vậy những phân tích/dự báo sử dụng các mô hình này phải phụ thuộc vào giả định của expectation - hay nói cách khác những mô hình loại này chẳng dự báo được gì vì cần đầu vào là một thứ dự báo khác. Thứ hai, các biến số nội tại bên trong các mô hình đó không thể tương tác qua lại với nhau ngoài một số giả định rất đơn giản. Tất nhiên kỹ thuật VAR đã có trước đó nhưng vấn đề là nó chỉ áp dụng được cho các reduced form system, nghĩa là những hệ phương trình đã được giải ra từ mô hình lý thuyết. Điều này dẫn đến vấn đề identification problem (xem link bên trên) nghĩa là sau khi ước lượng VAR các residual không có ý nghĩa kinh tế và do vậy không giúp gì cho việc phân tích kết quả mô hình.

Vào những năm đầu thập kỷ 1970, hai nhà kinh tế trẻ Thomas Sargent và Christopher Sims trong quá trình tìm lời giải cho hai thách thức này đã mở ra một kỷ nguyên mới trong lĩnh vực mô hình hóa kinh tế vĩ mô. Sims với một loạt nghiên cứu của mình đã đưa ra một phương pháp mới ước lượng toàn bộ các phương trình vĩ mô bằng VAR do đó cho phép các biến số có ảnh hưởng qua lại lẫn nhau. Điểm đặc biệt trong phương pháp của Sims là khả năng phân tách (decompose) từng cú sốc ngẫu nhiên trong mô hình để chỉ ra nguyên nhân nào dẫn đến lạm phát hay suy thoái kinh tế. Cụ thể, Sims đưa ra một phương pháp decompose VAR residuals dựa vào việc xắp xếp thứ tự các phương trình trong VAR để phản ánh thứ tự ảnh hưởng của các biến số lên nhau. Ví dụ phương trình cho output được xếp bên dưới phương trình lãi suất và lạm phát vì output chịu ảnh hưởng của cả 2 loại shocks này. Không những thế phương pháp của Sims còn giúp các nhà kinh tế ước lượng được mức độ và thời gian phản ứng của một nền kinh tế cụ thể với từng loại sốc khác nhau thông qua impulse response functions, do đó vừa giúp cho công tác dự báo dễ dàng hơn vừa có thể đề ra những chính sách đối phó thích hợp (xem link bên trên về ứng dụng xác định ảnh hưởng của giá dầu vào tăng trưởng).

Song song với Sims, Sargent đã thành công đưa yếu tố kỳ vọng (rational expectation) vào các mô hình kinh tế thực nghiệm. Điểm đột phá quan trọng của Sargent là biến đổi những yếu tố kỳ vọng thành một số phương trình giới hạn đồng thời (cross equation constraints) lên một vài biến số vĩ mô trong một hệ VAR. Để thực hiện điều này Sargent đã đưa ngược các cấu trúc kinh tế trở lại VAR (do đó gọi là structural VAR để phân biệt với reduced form VAR của Sims). Nhờ sáng kiến này mà một mô hình phụ thuộc vào các yếu tố kỳ vọng trong tương lai có thể rút gọn về một hệ VAR mà Sims đã tìm ra lời giải trước đó không lâu. Trong khi Sims nhấn mạnh vào số liệu thực tế và đơn giản hóa tối đa cấu trúc lý thuyết (ngay cả việc ordering các phương trình cũng cần rất ít lý thuyết), Sargent đã khéo léo đưa các quan hệ lý thuyết quay trở lại mô hình mà không phá vỡ phương pháp ước lượng của Sims. Chính nhờ cách biến đổi của Sargent cho phép mô hình hóa những quan hệ kinh tế cơ bản nhất (micro-based models) mà những mô hình xây dựng theo phương pháp này có thể áp dụng ngay cả khi các chính sách hay cơ chế kinh tế thay đổi (miễn là các hành vi micro không đổi).

Mặc dù hai nhà kinh tế này, nhất là Sargent, còn nhiều đóng góp quan trọng khác cho kinh tế học, giải Nobel Kinh tế năm nay được xác nhận trao cho công trình các mô hình kinh tế vĩ mô thực nghiệm của họ (empirical macroeconomic models). Quả thực đây là thời điểm mà nhiều tranh luận chính sách cần câu trả lời từ các kết quả ước lượng thực nghiệm. Liệu các chính sách kích cầu có hiệu quả như lý thuyết chỉ ra hay không? Liệu các biện pháp nới lỏng số lượng tiền tệ có ảnh hưởng gì lên tăng trưởng tín dụng hay không? Một cú sốc giá dầu thô sẽ có ảnh hưởng đến tăng trưởng kinh tế thế giới như thế nào? Những câu hỏi này chỉ có thể trả lời được bằng các mô hình vĩ mô thực nghiệm hiện đại mà nền tảng được xây dựng trên phương pháp của Sims và Sargent. [Nói cho công bằng, macroeconometric models của những năm 60 hay thậm chí univariate time series vẫn còn được sử dụng khá rộng rãi, bên cạnh đó DSGE với Bayesian VAR đang dần dần thay thế VAR cổ điển].

Với những vấn đề kinh tế nóng hổi của Việt nam như nguyên nhân nào gây nên lạm phát gia tăng tăng hay hiện tại đã nên hạ dần lãi suất hay chưa cũng rất cần trả lời bằng một mô hình kinh tế thực nghiệm. Ngay cả khi Việt nam chưa có một mô hình VAR hay SVAR chất lượng để trả lời trực tiếp những câu hỏi đó, những kết quả nghiên cứu của Sims và Sargent có nhiều gợi ý chính sách quan trọng. Ví dụ kết luận của Sargent về vai trò quyết định của chính sách tài khóa trong việc chống lạm phát hay ước lượng của Sims về khoảng thời gian một đến hai năm thắt chặt tiền tệ mới kéo được kỳ vọng lạm phát xuống ít nhất cũng gợi ý cho Việt nam nên đối phó với lạm phát qua những kênh chính sách nào. Hi vọng Thomas Sargent và Christopher Sims sẽ được nhắc đến nhiều hơn ở Việt nam ngay cả sau khi giải Nobel Kinh tế không còn nóng nữa.


18 comments:

  1. Theo tớ VAR nên dịch là: Hướng tự hồi qui thì nó chuẩn hơn cho mọi trường hợp. Vì bản thân về mặt toán học vector nó đòi hỏi phải có 2 yếu tố:

    1. Phương và hướng mà hướng là cái quyết định.

    2. Cường độ mạnh hay yếu của một vector.

    Chữ regression mà dịch là điều chỉnh là do người dịch chưa được học về định lượng trong xác suất thống kê.

    Chiều hôm qua tớ cũng có một thông báo về giải Nobel Kinh tế năm nay Ở Đây chủ yếu là dịch từ thông báo của những gì mà đã thông báo trên trang web Nobel Prize đã đưa. Và tớ vẫn để chữ vectơ theo bính âm trong cụm từ vectơ tự hồi quy mà không dịch sang tiếng Việt chữ vector này. Vì ai nắm kiến thức cơ bản toán học PTTH cũng hiểu chữ vector nó nói lên ý nghĩa gì.

    Cheer,

    ReplyDelete
  2. Hình như "dè bỉu" đúng hơn là "dè bửu" bác Giang ơi !

    ReplyDelete
  3. @BS Hồ Hải: Chính vì ai cũng học khái niệm vector ở PTTH rồi nên mới phải tránh dùng từ véc-tơ bác ạ :-)

    Chữ vector trong VAR chẳng liên quan gì đến khái niệm vector được dậy ở PTTH của VN cả (có hướng, độ dài) mà là algebraic vector, chỉ là một cách viết gọn của một hệ phương trình.

    @Neitcouq: Cám ơn bạn.

    ReplyDelete
  4. Chào anh Giang,

    exogenous variable thường được địch là "biến ngoại vi" hơn là "biến ngoài mô hình" như là Báo SGTT. Cá nhân tôi nghĩ thì trong các bài báo, nghiên cứu tiếng Việt nên để nguyên terminology bằng tiếng Anh, như vậy sẽ giử đúng nghĩa của từ hơn.

    Thân,

    Vũ Nguyễn

    ReplyDelete
  5. Trong chuỗi thời gian, bọn em hay dùng là hồi quy nhiều chiều hay cầu kỳ hơn là Hồi quy với biến nhiều chiều cho cái thuật ngữ VAR

    ReplyDelete
  6. Anh Giang có thể quote lại cái link đến trang web cho phép free download các sách về economics được ko? Lần trước đã book mark lại mà giờ lại ko thấy đâu cả. Many thx anh,..!!!...
    Nếu có thể, phiền anh pin những cái link useful đó lên home page để lần sau có thể tra cứu cho dễ. VD như trước anh có link cái plugin để update data của FED vào file excel, em lọ mọ mãi chưa tìm thấy,.. :)

    ReplyDelete
  7. @aphong: anh không nhớ có cái link nào như vậy? Anh đang định "cải tổ" lại interface của cái blog này nhưng chưa tìm được template nào ưng ý.

    ReplyDelete
  8. bác Giang khi nào rảnh có thể post 1 bài giải thích giúp cháu rõ hơn về impulse-respone analysis và variance decomposition được không ạ?
    Cháu cám ơn bác!

    ReplyDelete
    Replies
    1. Vĩnh Khánh ơi, mình đang nghiên cứu và cũng có thắc mắc giống bạn, hok biết bạn tìm được câu trả lời chưa. Giúp mình với. Mail mình là :quyennguyen2610@gmail.com, Cảm ơn bạn nhiều!

      Delete
  9. @Vĩnh Khánh: Nếu tôi viết chi tiết về cái này thì sẽ gần như copy từ textbook ra, không chắc có ích gì. Còn idea thì IRF là biểu diễn phản ứng của một (VAR) system khi có một unit shock, nghĩa là khi một biến số thay đổi 1 đơn vị (các biến khác không đổi) thì các biến số khác sẽ thay đổi theo thời gian như thế nào. VD dùng để phân tách ảnh hưởng của các loại shock khác nhau vào một biến số, do đó sẽ cho biết shock nào có tác động mạnh nhất, yếu nhất.

    ReplyDelete
  10. Em có một vài nhận xét nhỏ về giải năm nay:
    - Sims được giải cho VAR sau khi Granger được giải cho Cointegration, mặc dù Cointegration dựa trên VAR, và theo sau bài Macroeconomics & Reality của Sims. Có lẽ vì Granger già hơn nhiều :).
    - Sargent có rất nhiều cống hiến về mặt kỹ thuật, đặc biệt là về neutrality of policies, song dường như không quá nổi trội về SVAR (có thể em không nắm rõ vấn đề này). Cảm giác của em là họ sớm muộn cũng phải trao giải cho Sargent, nhưng những người khuynh hướng leftist trong Uỷ ban trao giải không muốn nhấn mạnh những cống hiến về mặt anti-Keynesian của Sargent, nên đưa ra một lời giải thích khá trung tính về cống hiến nói chung về empirical macro. Thực tế em thấy Sargent nổi hơn hẳn về macro theory, từ mấy bài với Neil Wallace về observational equivalence cho đến các nghiên cứu về learning hay robust control sau này. (Sargent làm nghiên cứu rất frontier, thời nay thì chắc chắn cũng phải động vào empirical). Mấy bài này cũng được bên Marginal Revolution ca ngợi. Còn nếu nói về SVAR thì em nghĩ bài quan trọng nhất là của Blanchard & Quah (identification của SVAR bằng long-term neutrality of policies).
    - Cống hiến về VAR của Sims là việc làm rõ ràng sự thiếu identification của các mô hình empirical macro. Đây là một dạng "impossibility" result. Tuy vậy, sau đó để có thể thực hiện được nghiên cứu, thì bản thân VAR cũng cần có thêm các identification assumptions, mà đơn giản nhất là theo thứ tự các loại shocks (VD biến A ảnh hưởng trực tiếp lên biến B, nhưng B không ảnh hưởng trực tiếp lên A), hoặc là theo một số giả thuyết từ lý thuyết như giả thuyết mà Blanchard & Quah dùng. Nếu không thì cũng không thể nào tính IRF được. Nên cống hiến của Sims có thể hiểu là việc làm rõ về identification, chứ không phải là một liều thuốc bách bệnh cho identification trong macro.

    ReplyDelete
  11. @Đỗ Quốc Anh: Hôm trước mình cũng có thấy có người nói sau Granger/Kydland/Prescott thì Sargent được Nobel chỉ là vấn đề thời gian. Blandchard & Quah đúng là có impact lớn nhất trong giới SVAR nhưng Sargent mới là người mở đường.

    Bài giới thiệu về identification của Mark Thoma (link bên trên) hơi misleading và mình đã giải thích lại là Sims đã giải quyết vấn đề identification problem khi phân tích residuals của VAR chứ không phải identification nói chung. IRF thực ra là hệ quả của Sims decomposition thôi, không ngờ sau này nó popular thế. Cái bài của Bernanke về giá dầu (qua link của CFR bên trên) sử dụng rất nhiều IRF để kết luận monetary matters, trái ngược với Sargent :-)

    ReplyDelete
  12. @Đỗ Quốc Anh: Mặc dù cointegration của Granger dựa trên VAR nhưng ý nghĩa hoàn toàn khác nhau. Cointegration của Granger cùng với GARCH của Engle được giải Nobel năm đó, bản chất là tập trung vào việc khảo sát, giải quyết trường hợp chuỗi thống kê không dừng trong một vài trường hợp đặc biệt, trong khi VAR thì mở rộng phép hồi quy lên không gian nhiều chiều.

    ReplyDelete
  13. bác Giang và các bác cho cháu hỏi, cháu là sinh viên và cháu muốn tìm học thêm về Econometrics, đặc biệt là time series. Các bác có thể giới thiệu cho cháu một số cuốn sách hay hoặc một vài blog hay về lĩnh vực này không ạ?
    Nếu các chuyên gia như bác Giang và các bác viết blog về Econometrics nữa thì hay quá ^^

    ReplyDelete
    Replies
    1. Tôi không chuyên về econometrics nên không biết nhiều sách hay, hồi tôi đi học sử dụng quyển Time Series Analysis của James Hamilton và Econometric Analysis của William Green. Tôi không biết blog nào chuyên về econometrics cả, blog Econbrowser của Halmilton và Chinn có lẽ có nhiều bài về econometrics nhất.

      Delete
    2. This comment has been removed by the author.

      Delete
  14. Bac cho em hoi sign restriction var la gi a...

    ReplyDelete
  15. bạn Phương Huyền ơi, bạn tìm ra sign restriction VAR là gì chưa? Nếu có bạn có thể gửi mail hay giải thích cho mình tí được không vì mình làm đề tài luận văn thạc sĩ liên đến nó. Cám ơn bạn ha!
    v.trungtung@gmail.com

    ReplyDelete