Thursday, January 24, 2013

VAR


Vài tuần gần đây có nhiều bạn hỏi trên blog và qua email về mô hình VAR và SVAR, để tiết kiệm thời gian tôi trả lời chung lên đây. Một số câu hỏi cho thấy có bạn chưa thực sự nắm vững những kiến thức cơ bản về econometrics/time series chứ đừng nói gì VAR/SVAR, các bạn cần hiểu rằng tôi (hay bất kỳ ai) cũng không thể có magic gì giúp bạn hiểu và làm bài được nếu các bạn không có căn bản. Bài viết này chỉ nhằm mục đích giới thiệu cho các bạn một cái nhìn tổng quát để các bạn dễ học/đọc sách hơn thôi, nó không thể thay thế cho việc học nghiêm túc. Bản thân tôi cũng không phải chuyên gia về VAR/SVAR nên tôi rất welcome đóng góp của các bạn.


VAR, viết tắt của vector autoregression, là một mô hình econometric thuần túy về time series, bởi vậy đôi khi được gọi là unrestricted VAR (với nghĩa không có structure gì cả mà chỉ là một mô hình thống kê). Một mô hình VAR có dạng:

Y_t=C+BY_{t-1}+... + e_t

Bạn có thể dùng một phần mềm nào đó, vd Eviews, để estimate các parameter C, B của hệ phương trình này, đồng thời tính ra residual e_t và covariance matrix Σ. Nếu bạn chỉ dừng ở đây thì VAR sẽ hầu như không có giá trị gì trong kinh tế học vì rất hiếm khi bạn có thể viết một mô hình lý thuyết dưới dạng VAR như trên để estimate.

Thông thường một mô hình lý thuyết sẽ có các biến Y_t ở bên vế phải, vd consumption (C) là hàm số phụ thuộc vào income (I) hiện tại chứ không chỉ income trong quá khứ:

C_t=a+b*I_t+c*C_{t-1}+d*I_{t-1}+e_t

Mô hình có các biến contemporaneous (I_t) ở bên phải như vậy gọi là structural VAR (SVAR), có thể viết tổng quát thành  (chuyển các biến contemporaneous sang vế trái):

AY_t=C+BY_{t-1}+... + e_t

Những mô hình SVAR này rõ ràng phù hợp hơn với lý thuyết kinh tế nhưng không thể estimate được trực tiếp mà phải chuyển sang dạng VAR thông thường, thuật ngữ chuyên môn gọi là reduced form:

Y_t=A^{-1}C+A^{-1}BY_{t-1}+... +A^{-1}e_t.
hay
Y_t=C' + B'Y_{t-1} + ... + u_t    

Như vậy VAR thông thường và reduced form của SVAR là một và có thể estimate dễ dàng. Tuy nhiên cái khó là residuals của hệ phương trình reduced form lúc này (u_t) không còn là shocks đơn thuần của từng biến trong mô hình SVAR ban đầu nữa (e_t) mà là combination của các loại shock khác nhau (A^{-1}e_t). Điều này gây ra khó khăn cho việc phân tích tác động của chính sách hay các loại shock khác nhau vào từng biến số kinh tế. Do vậy một nhu cầu thực tế phát sinh sau khi estimate reduced form của một SVAR (tức là estimate một VAR bình thường) là phải bóc tách từng e_t ra khỏi u_t, lưu ý bạn không xác định được matrix A từ kết quả estimate VAR. Quá trình bóc tách này gọi là indentification.

Christopher Sims (Nobel kinh tế năm 2011) là người đầu tiên đưa ra một phương pháp bóc tách gọi là Cholesky decomposition nếu mô hình SVAR ban đầu có dạng recursive, nghĩa là nếu các biến y_t trong Y_t có thể sắp xếp theo thứ tự y1_t không phụ thuộc vào y2_t, y3_t..., rồi sau đó y2_t không phụ thuộc vào y3_t.... Sau đó nhiều phương pháp decomposition khác đã được đề suất, về cơ bản là đưa một số restriction vào trong matrix A để sau khi biến đổi sang reduced form hệ VAR thông thường có thể bóc tách e_t ra riêng biệt được (phương pháp Cholesky decomposition của Sims thực ra là áp đặt A có dạng lower diagonal matrix). Một số phương pháp phổ biến là Blanchard & Quah, King, Plosser, Stock & Watson, Gali... Gần đây một số tác giả như Uhlig đưa ra một dạng restriction mới gọi là sign restriction cũng nhằm mục đích này.

Một lưu ý cho các bạn dùng Eviews là phần mềm này coi Cholesky decomposition là một qui trình chuẩn cho VAR thông thường và SVAR là một phương pháp decomposition khác chứ không phân biệt như tôi bên trên (Eviews gọi decomposition là factorization). Trên nguyên tắc bất kỳ SVAR nào bạn cũng phải estimate bằng reduced form rồi sử dụng một số restriction để bóc tách e_t. Đối với giới academic economist, việc bóc tách e_t chủ yếu để tính impulse response function (IRF), nghĩa là tác động của một cú shock vào các biến y_t theo thời gian. Ngoài IRF, người ta còn quan tâm đến Granger causality test và variance decomposition, là các phân tích structural analysis khác cho SVAR. Với giới finance, nhu cầu tính IRF không quan trọng bằng forecast, bởi vậy decomposition không quan trọng lắm.

Một số links tôi tìm được trên Internet, nếu bạn nào có điều kiện nên đọc kỹ quyển Time Series Analysis của James Hamilton:

Stock & Watson
Matteo Iacoviello
Eric Zivot
Lutkepohl & Breitung
NBER lecture
Harald Uhlig
Stata example
Eviews example


65 comments:

  1. Chào tiến sĩ Lê Hồng Giang
    Tôi mới biết đến blog của tiến sĩ, từ ngày biết đến giờ ngày nào tôi cũng vào để đọc. Nhưng tiếc là tiến sĩ viết hơi ít , rất mong tiến sĩ có thêm nhiều bài viết để tôi và các bạn trẻ việt nam được mở rộng thêm kiến thức

    ReplyDelete
    Replies
    1. Tôi xin hỏi thêm tiến sĩ một số vấn đề.
      1. Theo tiến sĩ số liệu về CPI và GDP mà việt nam công bố có độ chính xác cao hay không?
      2. về vấn đề cải cách kinh tế ở việt nam, tôi có một nhận định như thế này . Việt nam sẽ không bao giờ cải cách được kinh tế ( nhìn vào hệ thống chính trị hiện nay tôi không có hi vọng gì cả) và nền kinh tế này sụp đổ chỉ còn là vấn đề thời gian.
      Tôi rất mong nhận được sự chia sẻ của tiến sĩ

      Delete
    2. 1. Bác định nghĩa thế nào là "chính xác cao"? Ngay cả số liệu thông kê của Mỹ cũng có sai số, thậm chí nhiều người nghi ngờ chính phủ Mỹ manipulate số liệu CPI và employment. Những người đa nghi như vậy ở VN chắc chắn rất nhiều, tôi cũng trong số đó :-)

      2. Thế nếu hệ thống chính trị thay đổi thì bác có hi vọng gì không?

      Delete
    3. Kính chào tiến sĩ Lê Hồng Giang
      Cháu mới chỉ 28 tuổi, nhưng có lẽ cách nói chuyện hơi già nên tiến sĩ tưởng cháu nhiều tuổi. Cháu thường có thói quen xưng hô là tôi khi viết trên blog, và xin phép tiến sĩ cho cháu được giữ thói quen này.
      Rất cảm ơn tiến sĩ đã giải đáp các thắc mắc của cháu và cháu xin trả lời những câu hỏi của tiến sĩ
      1 tôi rất thích thuyết tương đối của Ambe Anxtanh và trong kinh tế cũng vậy mọi thứ chỉ là tương đối. Câu hỏi mà tôi đặt ra với tiến sĩ là để làm rõ thêm những nghi ngờ của tôi
      2. Nếu có sự thay đổi thì tôi cũng chưa biết điều gì sẽ sẩy ra, nhưng nếu là phục vụ lợi ích cho nhân dân thì sẽ tốt lên và hi vọng về một tương lai tốt hơn là chắc chắn. Vấn đề mà tôi muốn thấy ở hệ thống chính trị ở đây là dũng khí, họ có đủ sức đương đầu với nhóm lợi ích hay không, có giám chấp nhận thương đau để cải cách hay không. Tôi chưa thấy một cuộc cải cách kinh tế nào mà lại không có sự đau thương. Ở việt nam còn chưa giám cho mấy công ty bất động sản hay chứng khoán phá sản chứ đừng nói đến ngân hàng thì làm sao mà cải cách được. Tất nhiên sẽ có phản ứng từ công chúng, sẽ có bất ổn xã hội nếu làm quyết liệt nhưng một khối u cần phải được cắt bỏ chứ không thể tiêm thuốc giảm đau được

      Delete
    4. Công nhận lối viết của bạn "già" thật chứ không phải vì xưng hô :-). Thực ra trên mạng gọi nhau bằng "bác" xưng "tôi" là cách gọi trung tính cho những người không quen biết nhau (cả giới tính lẫn tuổi tác).

      Delete
  2. Xin chào thầy,
    Em đang có dự định xây dựng DSGE cho Việt Nam - nền kinh tế nhỏ mở. Thưa thầy việc em sắp làm liệu có khả thi không ạ. Mong nhận được ý kiến của thầy.

    Em chân thành cám ơn

    ReplyDelete
    Replies
    1. Khả thi hay không phụ thuộc vào khả năng và resource của bạn, tôi không biết gì về bạn làm sao tôi có thể có ý kiến được.

      Delete
  3. Chào Bác Giang (cháu mới 27 tuổi thôi). Cháu đang dùng dùng VAR và VECM trong bài nghiên cứu của cháu. Thực sự bài viết của Bác làm cho cháu nhìn một cách tổng quan về VAR cũng như vấn đề liên quan. Thầy giáo cháu nói về cơ bản cũng như Bác nhưng vì tiếng anh về mấy thứ này cháu cũng ko được tốt nên tự đọc và nghe vây nhưng vẫn chưa hiểu nhiều. Nhưng thầy nói một ý mà cháu ko thấy bác đề cập đó là: Dùng VAR model để đi trả lời câu hỏi: Trứng có trước hay Vịt có trước ?. Ngoài ra, cháu hy vọng bác chia sẻ thêm VECM model nữa và sự khác biệt (chức năng của 2 model này). Ngoài ra, cháu cũng muốn hỏi khi test Granger causality thì nên dùng VAR or VECM ? cháu chưa nhận ra được sự khác biết của granger causality của 2 model này. Tuy nhiên, trong quá trình test cháu thấy VAR Granger causality dễ phân tích hơn Granger của VECM, nhưng cháu thích lại thích kết quả granger causality của VECM.

    Cháu cảm ơn nhiều và mong sớm nhận được phản hồi của Bác.

    ReplyDelete
    Replies
    1. VECM áp dụng cho những chuỗi số liệu có cointegration, còn VAR áp dụng cho số liệu không có unit root. Bởi vậy bạn phải xem xét bộ số liệu của mình trước khi chọn mô hình. Nguyên tắc Granger causality test của hai mô hình này như nhau, vấn đề là bạn phải chọn mô hình đúng.

      Delete
  4. Chào bác Giang, bác có thể giải thích rõ hơn về variance decomposition và IRF được không ạ? Xin cảm ơn bác.

    ReplyDelete
    Replies
    1. Cái này bạn phải chịu khó đọc sách thôi chứ tôi không thể giải thích tỷ mỷ trên blog được.

      Delete
  5. Chào Bác Giang,cháu đang tìm hiểu về mô hình FM-OLS và DOLS cho panel data, nếu bác có tìm hiểu về lĩnh vực này thì mong bác chỉ dẫn dùm cháu.

    Cảm ơn bác

    ReplyDelete
    Replies
    1. Tôi chỉ biết sơ sơ về DOLS, vắt tắt là một dạng estimation để hiệu chỉnh cho cointegration vector variance (Stock-Watson 1993). Tôi không biết về DOLS cho panel data.

      Delete
    2. Vậy chú cho cháu hỏi cái DOLS (stock-watson 1993) chạy như thế nào không chú.(dùng eview được không ạ). Cảm ơn chú nhiều.

      Delete
    3. Bạn chịu khó đọc manual của Eviews, tôi đã từng chạy DOLS nhưng lâu quá rồi nên không nhớ cụ thể.

      Delete
  6. Thưa giáo sư,
    Cháu đang chạy mô hình VECM để nghiên cứu tác động của shock chính sách tiền tệ, thông qua 2 biến interst và M2, lên 3 biến vĩ mô là tỷ giá, CPI và output. Sau khi kiểm định cointegrated của 5 biến trên thì kết quả cho thấy có ít nhất 3 mối quan hệ đồng liên kết. Cháu dự định chạy mô hình VECM nghiên cứu tác động của interest lên 4 biến còn lại, sau đó chạy 1 mô hình VECM nghiên cứu tác động của M2 lên 4 biến còn lại và cuối cùng là tác động chung của interest lẫn M2 lên 3 biến còn lại (lúc này cháu chọn number of cointegrating là 2). Nhờ giáo sư tư vấn giúp cháu: chạy 3 mô hình như vậy thì kết quả có đáng tin hơn là chạy 1 mô hình không ạ? Ngoài ra sau khi chạy mô hình, cháu có test tính dừng của phần dư (Ut) qua AR roots table và AR roots graph thì thấy có 1-2 giá trị có nghiệm đơn vị (nằm trên vòng tròn) có nghĩa là phần dư của mô hình không dừng=>không thỏa mãn yêu cầu. Tuy nhiên cháu không thể điều chỉnh mô hình cho mất nghiệm đơn vị này được (cháu đã thử rất nhiều độ trễ khác nhau theo đủ mọi tiêu chuẩn). Mong giáo sư tư vấn giúp cháu cách điều chỉnh mô hình cho phù hợp. Cháu cám ơn giáo sư rất nhiều ạ.

    ReplyDelete
    Replies
    1. Bạn không thể kết luận 3 mô hình tin cậy hơn 1 mô hình, bạn cần so sánh những statistics quan trọng của estimation để kết luận độ tin cậy (vd các information criteria). Nếu residuals vẫn còn unit root thì chứng tỏ mô hình ban đầu của bạn có vấn đề, bạn cần điều chỉnh các independent variables.

      PS Tôi không phải là giáo sư.

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

    ReplyDelete
  8. This comment has been removed by the author.

    ReplyDelete
  9. Cháu chào Bác ạ!
    Bác cho cháu hỏi là khi cháu muốn kiểm định mối quan hệ nhân quả giữa CPI, GDP, VNINDEX thì cháu chỉ cần sử dụng kiểm định tính dừng, kiểm định đồng liên kết và kiểm định Granger causality hay cháu nên thực hiện thêm mô hình VAR. Việc sử dụng Var có tác dụng gì hơn không ngoài việc xác định độ trễ?
    Cháu cảm ơn Bác!
    Linh

    ReplyDelete
  10. Em chào anh ạ! EM đang thực hiện nghiên cứu một đề tài ỨNG DỤNG MÔ HÌNH VAR TRONG VIỆC QUẢN TRỊ RỦI RO TÍN DỤNG Ở NHTM. Em đang không biết sử dụng phần mềm nào để chạy mô hình VaR. Anh có thể vui long giúp e được không ạ. Email của em: nguyenly_diemkhanh@yahoo.com.vn
    Em xin chân thành cảm ơn ạ!

    ReplyDelete
  11. Kính chào thầy

    Em đang làm bài luận văn "truyền động TGHĐ tại VN 2001-2010 theo phương pháp VARs" với chuỗi dữ liệu là 120 tháng

    Theo bài term paper gốc tại Nhật "The Evolution of the Exchange Rate Pass-Through in Japan
    :A Re-evaluation Based on Time-Varying Parameter VARs"

    Policy Research Institute, Ministry of Finance, Japan, Public Policy Review, Vol.8, No.1, June 2012

    Tác giả phân tích truyền động TGHĐ tại Nhật lên giá nhập khẩu gồm 5 biến: giá dầu, NEER, chỉ số giá nhập khẩu IMP, DCGPI (Domestic Corporation Goods Price Index) và Real_Import)

    Em phân tích tại Việt Nam do chưa thể thu thập được chỉ số DCGPI vì Việt Nam chưa thấy công bố chỉ tiêu này từ Tổng cục Thống kê cho nên em thay bằng chỉ số CPI - thay thế như thế có làm thay đổi bản chất của vấn đề không vậy thầy ?

    _Riêng phần xuất khẩu tác giả phân tích truyền động TGHĐ bao gồm 4 biến : price_oil, NEER, chỉ số giá xuất khẩu, real_Export
    và phân tích giá trong nước thì chi tiết thì tác giả đi sâu vào phần phân loại nhóm mặt hàng xuất khẩu thành chi tiết 3 nhóm: chỉ số giá nguyên vật liệu, chỉ số giá hàng hóa trung gian và chỉ số giá hàng hóa của các doanh nghiệp trong nước- hàng hóa cuối cùng lại chia nhỏ ra làm 3 nhóm: hàng tư liệu sản xuất Capital Goods, hàng tiêu dùng lâu bền Consumer Durables, và hàng tiêu dùng không lâu bền Consumer Non-durables.

    Theo như em đi tìm kiếm dữ liệu từ Tổng cục Thống kê của VN (GSO) chưa thấy công bố những chỉ số giá này
    (Chỉ số giá nhập khẩu và xuất khẩu theo tháng và theo quý của VN cũng tìm không ra vì cũng chưa được công bố) sở dĩ em có chỉ số giá nhập khẩu theo tháng của VN từ 2001-2010 là nhờ 1 người bạn hỗ trợ tính toán; còn chỉ số giá Xuất khẩu thì do thời gian nộp bài sắp hết hạn do đó không đủ thời gian để tính toán cho kịp

    Kính mong thầy có dữ liệu các chỉ số giá mà em nêu trên, theo tháng của Việt Nam từ 2001-2010 thì thầy chuyển cho em, em cảm ơn thầy rất nhiều !!

    _ tại bước kiểm định tính dừng của các biến (em đang kiểm định 5 biến: giá dầu Price_oil, NEER, IMP (chỉ số giá nhập khẩu), CPI (thay cho DCGPI), real_import; khi em kiểm theo tiêu chí lựa chọn ADF thì kết quả sau cùng ra mô hình VAR ỔN ĐỊNH (mặc dù phải bỏ qua bướ kiểm định Độ trễ cần loại bỏ Lag Exclusion Tests vì loại bỏ Lag 5 theo kết quả ra thì không chạy ra VAR)

    Còn khi kiểm định tính dừng của 5 biến trên theo tiêu chí Dickey _Fuller GLS (ERS) thì sao cùng lại ra mô hình VARs không ổn định

    Vì sao lại có kết quả khác nhau về VAR ổn định hay không ổn định từ hai tiêu chí lựa chọn kiểm định tính dừng như thế vậy thầy, sau cùng em phải chọn tiêu chí ADF để có được mô hình ổn định mặc dù biết là ADF cũ hơn và đạt độ chính xác không cao bằng tiêu chí ERS

    _Tác giả phân tích theo TVP_VARs nhưng em không rành cho nên phân tích bài làm của em theo VARs đệ quy; như thế độ chính xác của VARs đệ quy không cao bằng TVP_VAR phải không thầy ?

    _Sau bước kiểm định tính dừng, là bước loại trừ yếu tố mùa vụ; thì có thông báo lỗi là : biến này cần được điều chỉnh theo tháng hoặc theo quý , mặc dù chuỗi dữ liệu của em là theo tháng nhưng không hiểu sao chạy Eview lại là câu thông báo này nên em phải bỏ qua bước loại bỏ yêu tố mùa vụ cho biến

    Vài câu hỏi nhỏ cho các vướng mắc em gặp phải khi đang làm bài, kính mong thầy trợ giúp

    Kính chúc thầy sức khỏe và nhiều niềm vui trong công việc và cuộc sống

    Trân trọng !

    ReplyDelete
    Replies
    1. chào chị / cô
      cháu / e cũng đang nghiên cứu vấn đề tương tự và bị mắc khâu tìm số liệu như chị /cô
      vậy nếu c có số liệu thì có thể share cho e với được k ạ ?
      mail của e là Shinfoolish.ftu@gmail.com
      e / cháu cảm ơn trước ạ :)
      THÂN

      Delete
  12. Chào Thầy,

    Em đang chạy mô hình SVAR, vậy thì khi phân tích hàm phản ứng thúc đẩy chọn chức năng cholesky dof adjusted hay structural Decomposition ạ.

    Cám ơn Thầy

    ReplyDelete
    Replies
    1. Tùy vào mô hình và mục đích của bạn. Thường với mô hình đơn giản và bạn đã specify cụ thể thứ tự ảnh hưởng của các biến thì có thể chọn Cholesky.

      Delete
    2. Dạ vâng, cám ơn Thầy nhiều.

      Delete
  13. Chào Thầy,
    Em đang chạy mô hình VAR đệ quy, khi em thực hiện hàm phản ứng thúc đẩy IRF thì đơn vị một cú sốc là 1 độ lệch chuẩn. Em muốn tính đơn vị cú sốc là 1% thì em phải làm thế nào vậy thưa thầy?
    Em cám ơn thầy!

    ReplyDelete
    Replies
    1. Bản thân standard deviation không phải là đơn vị (unit) mà là một đại lượng. Nó có đơn vị giống với đơn vị của chuỗi số mà nó đo lường, vd chuỗi số gốc có đơn vị là VND thì standard deviation của chuỗi số đó cũng có đơn vị là VND. Bởi vậy nếu biến số của bạn có đơn vị là % thì IRF cũng có đơn vị là %.

      Delete
  14. Chào bác Lê Hồng Giang!
    Cháu là sinh viên và đang làm đề tài nghiên cứu về "The Dynamic Effects of Aggregate Demand and Supply Disturbances" của Blanchard & Quah. Bác có thể giải thích thêm cho cháu về phương pháp sign restriction mà Blanchard & Quah đã sử dung không ạ? Phần mềm eview có hổ trợ phương pháp này không ạ? Mong bác giúp đở

    ReplyDelete
    Replies
    1. Bạn có thể hiểu nôm na là dùng restriction lên dấu của một số parameters dựa vào các quan hệ lý thuyết. Ví dụ lãi suất có tác động âm lên đầu tư nên nếu mô hình của bạn có biến đầu tư và lãi suất thì bạn áp đặt restriction dấu âm cho biến lãi suất (lag) trong hàm đầu tư.

      Delete
    2. Eviews đến version 6.0 không hỗ trợ phương pháp này, bạn phải tự lập trình lấy bằng ngôn ngữ của Eviews hoặc một ngôn ngữ khác.

      Delete
    3. Cháu có dung eview để chạy lại mô hình của Blanchard và Quah (1989). Cháu dung phương pháp long-run trong eview thì ra kết quả IRF tương tự. Bác có thể phân biệt một cách đơn giản về short run restriction, long-run restriction và sign restriction ko ạ. Tiện thể bác xin bác chỉ cho cháu một bài báo nào nói về vấn đề này. Cảm ơn bác!

      Delete
  15. bác Giang ơi, cháu thấy bác viết là "estimate bằng reduced form rồi sử dụng một số restriction để bóc tách e_t" thì mình chạy cái reduced form trong eview như thế nào vậy bác?

    ReplyDelete
  16. Reduced form có thể estimate bằng OLS.

    ReplyDelete
  17. Thưa thầy Em đang viết bài sử dụng Unit Root Test ->Cointegration test -> VECM & VAR và Granger Causality Test. Vì kiến thức em còn kém, thầy có thể giới thiệu cho em sách hay tài liệu giúp hiểu rõ hơn những mô hình trên ko ạ?
    Cám ơn thầy!

    ReplyDelete
    Replies
    1. Nếu bạn đọc được sách tiếng Anh thì tìm quyển Time Series Theory của James Hamilton. Sách tiếng Việt tôi không rành.

      Delete
  18. bác cho cháu hỏi tại sao khi chạy mô hình VAR người ta lấy log của các biến?

    ReplyDelete
    Replies
    1. Không chỉ VAR mà hầu hết các mô hình econometric đều lấy log vì hệ số ước lượng sẽ là elasticity dễ dàng cho các phân tích kinh tế.

      Delete
  19. cháu chào bác Giang, hiện tại cháu đang thực hiện đề tài dự báo tỷ giá áp dụng VAR. mô hình mà cháu chạy VAR dựa theo mô hình tiền tệ của Dornbusch- Frenkel gồm có các biến tỷ giá cung tiền lãi suât thu nhập thực và lạm phát chênh lệch giữa VN và Mĩ. biến cháu thu thập từ 2004-T1/2014 theo tháng. nhưng kết quả cháu chạy thfi mô hình ko có ý nghĩa với pvalue cao, cháu đã thử lại nhiều lần ko đk. Bác có thể giới thiệu cho cháu mô hình nào khác để dự báo tỷ giá theo VAR nữa ko ạ?

    ReplyDelete
    Replies
    1. Bạn thử nghiên cứu các mô hình VECM xem sao.

      Delete
  20. Cháu chào bác Giang! Cháu đang nghiên cứu paper của hai tác giả Oliver Blanchard Jean, Danny Quah "The Dynamic Effects of Aggregate Demand and
    Supply Disturbances" tác giả cũng đưa ra hai mô hình1 Xt = A(0)et + A(1)et-1 + A(2)et-2 +… mô hình 2 (2) X(t) = v(t) + C(1)v(t-1) +… trong đó v = A(0) e và A(j) = C(j)A(0). Tác giả cũng bóc tách et từ vt sử dụng pp Choleski, bằng cách đặt giới hạn A(0)A(0)’ = $, cháu không biết cách xác định ma trận $,tại sao tác giả lại sử dụng $ và làm sao để xác định A(0). Tại sao ta không dùng trực tiếp Mô hình 1 để phân tích ed, es mà phải thông qua mô hình 2 bóc tách Vt để có et. Cháu xin cảm ơn Bác!

    ReplyDelete
    Replies
    1. Không sử dụng được mô hình 1 trực tiếp vì các biến e(t), e(t-1)... không quan sát được, do đó phải tìm gián tiếp thông qua mô hình 1. Bạn phải tìm đọc về Choleski decomposition để hiểu tại sao tác giả lại có thể derive A(0), A(1)... từ C(0), C(1).... C(1), C(1)... có thể tính được từ một mô hình AR thông thường của biến X.

      Delete
  21. Cháu chào chú Giang,
    Chú ơi, cháu đang làm đề tài về" Tác động của truyền dẫn lãi suất thị trường đến lãi suất bán lẻ tại VN".
    Lãi suất thị trường: Lãi suất liên ngân hàng kì hạn 1 tháng (ib1) và 3 tháng(ib3)
    Lãi suất bán lẻ: Lãi suất tiền gửi (dr) và lãi suất cho vay (lr) bình quân của 4 ngân hàng thương mại lớn của VN
    Mô hình của cháu dựa trên mô hình của paper gốc: "Monetary Policy transparency and pass-through of retail interest rate" của Ming-Hua Liu (2005)
    Trong dài hạn: Y(t) = a(0) + a(1)x(t)+ε(t)
    Trong ngắn hạn: Sử dụng mô hình ECM
    Các bước chạy data:
    - Bước 1: Kiểm định tính dừng bằng ADF và PP==>Các chuỗi ib1, ib3, dr, lr đều ko dừng ở I(0), dừng ở I(1)
    -Bước 2: Kiểm định tính đồng liên kết của các cặp chuỗi lãi suất ib1_dr, ib1_lr, ib3_dr, ib3_lr dựa vào unit root test phần dư sau khi hồi quy các chuỗi này==> Kết quả: các cặp lãi suất này cointegrated
    Bước 3:Xác định độ trễ tương ứng theo phương pháp VAR==> Em chọn chạy độ trễ tối đa là 10è Kết quả Lag (IB1_TCK): 2, Lag(IB1_TCV): 5, Lag(IB3_TCK): 2, Lag (IB3_TCV): 3, Lag (DR_IB1):2, Lag(DR_IB3): 3, Lag (LR_IB1): 3, Lag (LR_IB3): 3
    -Bước 4:Hồi quy mô hình ECM trong dài hạn (sử dụng mô hình VECM)
    -Bước 5: Đo lường mức độ truyền dẫn trong ngắn hạn (mô hình ECM)
    Chú ơi, chú cho cháu hỏi các vấn đề sau ạ:
    - Trình tự các bước cháu chạy như trên có ổn ko ạ?
    - Trong dài hạn, cháu sử dụng mô hình VECM để hồi quy như vậy có phù hợp ko ạ (Lý do: các chuỗi có đồng liên kết ở I(1) và có sử dụng hiệu chỉnh sai số)? Hay phải sử dụng OLS? Vì cháu thấy trong bài paper gốc của Ming-Hiu Liu ở trên và một số bài nghiên cứu mặc dù các chuỗi có đồng liên kết và hiệu chỉnh sai số nhưng họ vẫn sử dụng hồi quy theo OLS ạ.
    - Với mô hình, Trong dài hạn: Y(t) = a(0) + a(1)x(t)+ε(t) thì việc sử dụng VECM trong dài hạn có thích hợp ko, hay mô hình Y(t) = a(0) + a(1)x(t)+ε(t) chỉ dùng OLS để chạy?
    Cảm ơn chú nhiều lắm!

    ReplyDelete
    Replies
    1. Nếu bạn muốn xác định long run relationship giữa các biến thì phải sử dụng OLS, ECM/VECM xác định short run dynamic.

      Delete
    2. Dạ vâng! Cháu cảm ơn chú rất nhiều ạ! Cháu chúc chú sức khỏe và thành công!

      Delete
  22. Chào chú Giang! chú cho con hỏi eview có chạy được mô hình SVECM không chú

    ReplyDelete
    Replies
    1. Eviews 6 không có built-in function cho VECM, nhưng bạn có thể lập trình trong Eviews để chạy bất kỳ mô hình nào.

      Delete
  23. cho cháu hỏi Eview 7.2 có hỗ trợ cho kiểm định MVR, rank test và sign test cho thị trường hiệu quả không ạ?

    ReplyDelete
  24. Chào Anh Giang,
    Anh có thể hướng dẫn em phương pháp thực hiện mô hình GMM trong stata/eview được không ạ? Em đang muốn nghiên cứu tác động của FDI lên tăng trưởng kinh tế, mà các mô hình SLS/OLS lại có nhiều khuyết tật.

    Cám ơn anh nhiều.
    E Vũ.

    ReplyDelete
  25. Chào chú Giang, chú cho cháu hỏi, cháu chạy mô hình VAR có R-squared khoảng 40%, khá thấp, vậy R-squared có ý nghĩa trong mô hình này không ah? Cảm ơn chú nhiều ah.

    ReplyDelete
  26. Cháu chào bác,
    Cháu đang nghiên cứu một đề tài có sử dụng mô hình CVAR và trong phần kiểm định đồng liên kết có sử dụng Forward Recursive Test của Juselius (2006) nhưng cháu chưa tìm được tài liệu nào nói vế cái này và cách chạy của nó như thế nào trên eviews. Mong bác tư vấn giúp cháu.
    Cháu cám ơn.

    ReplyDelete
    Replies
    1. Chào bạn, mình cũng đang làm đề tài giống bạn. Không biết bạn đã tìm hiểu được về Test này chưa? Có thể chia sẻ cho mình không ạ. Cảm ơn bạn nhiều

      Delete
  27. Chào bác, cháu đang dùng VECM cho các biến cung tiền, CPI., GDP Bác cho cháu hỏi trước khi lấy log các biến số thì làm sao mình biết biến nào cần hiệu chỉnh mùa vụ và biến nào không cần. Khi ước lượng VECM thì phần dư mình có cần kiểm định tự tương quan hay phương sai sai số không bác.

    ReplyDelete
    Replies
    1. Bạn cần tìm hiểu số liệu gốc đã hiệu chỉnh mùa vụ chưa, có thể xem định nghĩa hoặc mô tả về số liệu do cơ quan thống kê cung cấp. Nếu không có thông tin gì thì vẽ đồ thị xem số liệu đó có thay đổi theo chu kỳ hàng năm hay không, thường những chuỗi số chưa hiệu chỉnh sẽ thể hiện rất rõ.

      Bất kỳ mô hình kinh tế lượng nào sau khi bạn ước lượng xong cũng nên kiểm tra phần dư để đảm bảo các test mà mình thực hiện không bị sai lệch.

      Delete
  28. Dạ cho phép em được xưng hô là em và thầy!
    Thầy có thể cho em những thông tin cơ bản về mô hình nhân quả Granger được không ạ?
    Em đang có 1 bài tập nhóm về mô hình var và granger nhưng giáo viên lại không hướng dẫn phần này!

    ReplyDelete
    Replies
    1. Trước hết bạn cần yêu cầu giáo viên của bạn cung cấp thông tin, đây là quyền của sinh viên.

      Granger causality test không phải là một mô hình mà là một phương pháp xác định mối liên hệ giữa hai (hay nhiều) biến số. Về cơ bản bạn ước lượng biến số Y với các lag của biến X (t-1, t-2,...) rồi kiểm định xem các lag đó có significant hay không. Nếu có X được cho là "Granger cause" Y. Bạn có thể tham khảo thêm bài viết này để biết cách test trên Eviews:

      http://davegiles.blogspot.com/2011/04/testing-for-granger-causality.html

      Delete
  29. Chào Bác Giang.
    Cháu có một vấn đề muốn hổi Bác.
    Khi mình sử dụng Granger causality test để xác định mối quan hệ giữa 2 biến. Nếu biến số Y và X có lag là 0 thì mình không thể kiểm định mối quan hệ nhận quả phải không.

    ReplyDelete
    Replies
    1. Độ dài của lag là do bạn chọn, tất nhiên muốn kiểm tra Granger causality bạn phải chọn lag >0.

      Delete
  30. Chào Bác.
    Bác cho cháu hỏi. Mô hình của mình nhiều biến cụ thể là 5 biến vậy khi mình sử dụng Granger causality test mình nên kiểm định từng cập biến hay kiểm định 5 biến luôn. Kết quả của 2 phương pháp này giống hay khác. Và kết quả nào đáng tin cậy.
    Cám ơn Bác rất nhiều. Chúc Bác nhiều sức khỏe

    ReplyDelete
    Replies
    1. Tùy vào mục đích test của bạn. Thường Granger causality test thực hiện cho 2 biến, ngay cả nếu VAR của bạn >2 kết quả vẫn là pairwise. Tất nhiên bạn có thể dùng F-test để kiểm định giả thuyết 1 biến có Granger causal từ nhiều (>1) biến khác, nhưng về mặt thuật ngữ (ít nhất ngyên thủy của từ này) không gọi là Granger causality nữa.

      Delete
  31. Chào Bác Giang.
    Cháu có một thắc mắc nhờ bác chỉ giúp.
    Pairwise Granger Causality Test và VAR granger Causality/Block Exogeneity Wald Tests. Khác nhau ở điểm nào. Và trường hợp nào dùng Pairwise Granger Causality Test. Trường hợp nào dùng VAR granger Causality/Block Exogeneity Wald Tests. Bác có thể nói cụ thể giúp cháu. Cám ơn bác rất nhiều.

    ReplyDelete
  32. Bác ơi cho cháu hỏi, nếu mô hình có chuỗi dữ liệu thời gian dừng ở level, có chuỗi dừng ở sai phân bậc 1 thì vẫn kiểm tra đồng liên kết của các chuỗi không dừng gốc mà dừng ở sai phân bậc 1. nếu có đồng liên kết, sau đó vẫn chạy vecm bình thường ạ? ví dụ cháu chạy các biến ILLIQ, cpi, ex, iip, m2, oil. Mà trong đó có iip dừng tại gốc, còn lại dừng ở sai phân bậc 1. Vậy nhập vao vecm trong eview: ILLIQ CPI EX IIP M2 OIL , đúng không ạ? Cháu cảm ơn

    ReplyDelete
  33. Bác ơi cho cháu hỏi mình thao tác trên eviews như thế nào để ra được cái bảng xác định độ trễ tối ưu ạ, cháu cảm ơn ạ

    ReplyDelete
  34. Kính chào Thầy,
    Em đang làm đề tài :Tỷ giá hối đoái thực tế và tăng trưởng kinh tế ở Việt Nam: Phương pháp đồng liên kết VAR (CVAR)" nhưng chưa thấy có tài liệu tiếng việt hoặc bài nghiên cứu nào sử dụng phương pháp này. Mong Thầy giới thiệu giúp em tài liệu về phương pháp này hoặc bà nghiên cứu nào sử dụng phương pháp này được không ạ?
    Mong Thầy giúp đỡ ạ.

    ReplyDelete

Note: Only a member of this blog may post a comment.