BăGIỄOăDCăVĨăĨOăTO TRNGăIăHCăKINHăTăTP.HăCHệăMINH  BỐIăTHăTHUăNG DINăBINăC ăTRUYNăDNă TăGIỄăTIăVITăN M: ỄNHăGIỄăBNGăPHNGăPHỄP VARs LUNăVNăTHCăSăKINHăT Tp.ăHăChíăMinhăậ Nmă2013 BăGIỄOăDCăVÀăÀOăTO TRNGăIăHCăKINHăTăTp.HCM oOo BỐIăTHăTHUăNG DINăBINăC ăTRUYNăDN TăGIỄăTIăVITăN M: ỄNHăGIỄăBNGăPHNGăPHỄPăV Rs Chuyên ngành: Tài Chính ậ Ngân hàng Mƣăs:ă60340201 LUNăVNăTHCăSăKINHăT NGIăHNGăDNăKHO ăHC:ă TSăNGUYNăKHCăQUCăBO Tp.ăHăChíăMinhăậ Nmă2013 i LIăCMăN ăhoƠnăthƠnhăđcălunăvnănƠy,ătôiăđƣănhnăđcărtănhiuăsăgiúpăđă tăthyăcôăvƠăbnăbè.ăuătiên,ătôiăxinăchơnăthƠnhăgiăliăcmănăđnăthyăQucă Bo,ăngiăđƣărtătnătìnhăgópăỦ,ăđngăviênătôiătrongăsutăquáătrìnhăhngădnătôiă lƠmălunăvn.ă Tôiăcngăhtăscăbitănăcác bn hcăcùngălpăTƠiăchínhădoanhănghipă êmă3ăKhóaă19ăSauăiăhcă:ăTrngăHuăNam, PhanăThƠnhăHng, NguynăThă Linh, Thùy Anh; NguynăHuăTună- hcăviênăcaoăhcăKhóaă17;ăemăNguynăAnhă Khoa - Super-Moderator at Master of Economics Forum, em Phú Khánh sinh viên điăhcăKhóa 35,ăcôăTrnăThăTunăAnh- gingăviênăkhoa ToánăThngăkê,ầănhngă ngiăđƣăđngăviênă,ăcungăcpămtăsătƠiăliuăbăíchăgiúpătôiăhoƠnăthƠnhălunăvn.ă TôiăđcăbităcmănăcôăTunăAnh,ăemăKhánh,ăNguynăHuăTun,ăđƣăht scănhită tình hătr tôi trong quá trình hiuăvămôăhìnhăVARsăvƠăphnămmăthngăkêăEviewă trongămtăkhongăthiăgianăhnăhpăđăhoƠnăthinăchoălunăvn. Cuiăcùng,ăchoătôiăxinăgiăliăcmănăđnăttăcăcácăquý thyăcôăđƣătnă tìnhătruynăđtănhngăkinăthcănnătngătrongăhaiănmătôiătheoăhcăcaoăhc.ăNhơnă đơyătôiăcngăcóădpăbƠyătălòngăbitănăcaămìnhăđnănhngăngiăthơnătrongăgiaă đình,ănhngăngiăđƣădƠnhănhngăđiuăkinăttănhtăgiúpăchoătôiăcóăthăhoƠnăthƠnhă lunăvnănƠy. ThƠnhăphăHăChíăMinh,ătháng 09ănmă2013 Ngiăvit Bùi Th Thu Nga ii LIăC MăO N TôiăxinăcamăđoanărngăđơyălƠăcôngătrìnhănghiênăcuăcaătôi,ăcóăsăhătră tăThyăNguynăKhcăQucăBo. CácăniădungănghiênăcuăvƠăktăquătrongăđătƠiă nƠyălƠătrungăthcăvƠăchaătngăđcăaiăcôngăbătrongăbtăcăcôngătrìnhănƠo.ă Nhngăsăliuătrongăcácăbngăbiuăphcăvăchoăvicăphơnătích,ănhnăxét,ă đánhăgiáăđcăchínhătácăgiăthuăthpătăcácăngunăkhácănhauăcóăghiătrongăphnătƠiă liuăthamăkho.ăNgoƠiăra,ătrongălună vnăcònăsădngămtăsănhnă xét,ăđánhăgiáă cngănhăsăliuăcaăcácătácăgiăkhác,ăvƠăđuăcóăchúăthíchăngunăgcăsauămiătríchă dnăđădătraăcu,ăkimăchng.ă TôiăhoƠnătoƠnăchuătráchănhimătrcănhƠătrngăvăsăcamăđoanănƠy. ThƠnhăphăHăChíăMinh,ăthángă09ănmă2013 Ngiăvit Bùi Th Thu Nga iii D NHăMCăCỄCăTăVITăTT CPI: ConsumerăPriceăIndexă(Chăsăgiáătiêuădùng) ERPT: Exchange Rate Pass-throughă(Truynădnătăgiá) IMP: Import PriceăIndexă(Chăsăgiáănhpăkhu) IRF: ImpulseăResponseăFunctionă(HƠmăphnăngăđy) NEER: NominalăEffectiveăExchangeăRateă(tăgiáăhiăđoáiădanhănghaăhiuădng) TGH: Tăgiáăhiăđoái VAR: VectorăAutoregressionăModelă(Môăhìnhăvectoătăhiăquy) DANH MC BNG Bng 4.1: Kt qu kimăđnh nghimăđnăv Bng 4.2: La chnăđ tr tiăuăchoămôăhình Bngă4.3:ă Hăsătruynădnătăgiá hiăđoáiăđnăcácăbinăPRICE_OIL, IMP, CPI, REAL_IMPORT tăcúăscăNEERă1% Bngă4.4: Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăIMP: Bngă4.5:ă Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăCPI Bngă4.6: Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăREAL_IMPORT DANH MC HÌNH Hình 4.1: Phnă ngă xungă caă chă să PRICE_OIL,ă NEER,ă IMP,ă CPI,ă REAL_IMPORTădoătácăđngăcaă1ăđălchăchunăcúăscătăgiáăhiăđoái Hình 4.2: PhnăngăxungăcaăchăsăgiáătiêuădùngăCPIădoătácăđngăcaă1ăđălchă chunăcúăscătăgiáăhiăđoái Hình 4.3: PhnăngăxungăcaăchăsăgiáănhpăkhuăIMPădoătácăđngăcaă1ăđă lchăchunăcúăscătăgiáăhiăđoái Hình 4.4: Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăMPI iv Bngă4.5: Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăCPI Hình 4.6 Ktăquăphơnărƣăphngăsaiămcăgiiăthíchăcaăcácăbinăđnăsăthayă điăcaăREAL_IMPORT MCăLC PHNă1 8 v GIIăTHIU 8 1.1. GIIăTHIU: 8 1.2. MCăTIểUăNGHIểNăCU: 8 1.3. PHNGăPHỄPăNGHIểNăCU: 9 1.4. KTăCUăCAăăTÀIăNGHIểNăCU: 9 PHNă2ăTHOăLUNăVăKHUNGăLụăTHUYT 11 CAăTRUYNăDNăTăGIỄăHIăOỄI 11 2.1.ăăTNGăQUANăLụăTHUYTăVăSăTRUYNăDNăCAăTăGIỄăHIă OỄIăVÀăCỄCăYUăTăTỄCăNGăNăMCăăTRUYNăDNă: 12 2.1.1.ăMiăquanăhăgiaătăgiáăhiăđoáiăvƠăgiáăcăhƠngăhóaănhpăkhu 12 2.1.2.ăCăchătruynădnăcaătăgiáăhiăđoáiăvƠoăchăsăgiáătiêuădùngă(CPI): 12 2.2.ăBNGăCHNGăTHCăNGHIMăVăMCăăTRUYNăDNăCAăTă GIỄăHIăOỄI 13 2.2.1.ăBngăchngăthcănghimăvămcăđătruynădnăcaătăgiáăhiăđoáiătrênă thăgii: 13 2.2.2.ăBngăchngăthcănghimăvămcăđătruynădnăcaătăgiáăăVităNam: . 17 PHNă3ăPHNGăPHỄPăNGHIểNăCU 19 3.1.ăPHNGăPHỄPăCăLNG: 19 3.2.ăDăLIUăNGHIểNăCU: 23 3.3.ăCỄCăBCăTHCăHIN: 26 PHNă4ăăNIăDUNG NGHIểNăCUăVÀ 27 CỄCăKTăQUăNGHIểNăCU 27 4.1.ăKIMăNHăNGHIMăNăV: 27 4.2.ăăTRăCHOăMỌăHỊNHăVAR: 28 4.3.ăHÀMăPHNăNGăXUNGă(IMPULSEăRESPONSE) 29 4.4.ăăPHỂNăRẩăPHNGăSAIă(VARIANCEăDECOMPOSITION) 35 PHNă5 43 KTăLUN 43 5.1.ăCỄCăKTăLUNăCAăLUNăVN 43 5.2.ăCỄCăHNăCHăCAăLUNăVN: 44 5.3.ăăXUTăNGHIểNăCUăTIPăTHEO: 45 DANHăMCăTÀIăLIUăTHAMăKHO 46 vi PHăLCă1ă: 48 BngăktăquătínhăNEERătă20ăqucăgia: 48 PHăLCă2ă: 53 PhnăngăxungăcaăDPRICE_OIL,ăDNEER,ăIMP,ăDCPIăădoătácăđngăcaă1ăđălchă chunăcúăscătăgiáăhiăđoái: 53 7 TịMăTTă BƠiănghiênăcuăđoălngămcătruynădnătăgiáăhiăđoáiăbngăvicăxemăxétă liăsăphátătrinătheoăthiăgianănhăhngăcaătăgiáăhiăđoáiătiăVităNamălênămtă bngăgiáăcăthông qua giáăcănhpăkhu,ăchăsăgiáătiêuădùngătrongănc. Bngăcáchă sădngăphngăphápăVARă(tăhiăquyăvecătăvectorăautoregression)ă,ănghiênăcuă nƠyăchoăthyătăgiáătruynădnătheoădòngăthiăgianăđƣăthayăđiăraăsaoăvƠăbaoănhiêuă? ThiăkămuălƠăThángă01ănmă2001ăđnăThángă12ănmă2010 KtăquănghiênăcuăchoăthyăhăsătruynădnătăgiáăvƠoăchăsăgiáănhpă khuălƠă-0.8502ăsauă6ăthángăkătătácăđngăcaăcúăscătăgiáăđuătiên. Tngăt,ătălătruynădnălênăgiáătiêuădùngătrongăncăCPIăcóăxuăhngă tngăđuăvƠăđnăkăthăă11ă,ăsauăthángăthă11ăthìăgimădnăđnăthángăthă24.ăHăsă truynădnătăgiáăvƠoăchăsăgiáătiêuădùngătrongăncăCPIălƠă0.6726ăsauă11ăthángăkă tătácăđngăcaăcúăscătăgiáăđuătiên,ănhăvyăhăsătruynădnăvƠoăgiáătiêuădùngă thìăchmăăhnăsoăviăgiáănhpăkhuă1ăthángăvƠăđălnăcngăthpăhn. Các conăsăcălngănƠy,ămongărngăsăcóăđóngăgópănhătrongăcôngătácă hochăđnhăchínhăsáchăvămôăkhiăcôngăcătăgiáăhiăđoáiăđcăsădngăhiuăqu. 8 PHNă1 GIIăTHIU 1.1. GIIăTHIU: BƠiăvitănƠyăxemăxétăliăsăphátătrinătheo chuiăthiăgianăcaăbinăđngătă giá vào mtăbngăgiáăcăthôngăquaăgiáănhpăkhu,ăchăsăgiáătiêuădùngăăVităNamă trongăngnăhn. TrongăbƠiănƠy,ămtătălătruynădnăđcăđnhănghaălƠămtăsătngăngătă lăphnătrmăcaăgiáăhƠngăhóaătrênăthătrngăđích - thătrngăsauăcùngă(tcălƠ,ăniă nóăđcămua)ăđiăviăsăthayăđiătălăphnătrmătrongătăgiáăhiăđoáiădanhăngha.ă NóăcngăđcăghiănhnătrongăcácăbƠiănghiênăcuălƠămcăđăcaătruynădnă cóăthăcóămtăktăquăquanătrngălênăănhăhngăcaătinătăcng nhăchínhăsáchătă giáăhiăđoái.ă NgiătaăluăỦărng,ăđăcóămtăcucăthoălunăhuăíchăvămtăcucăciăcáchă caăchăđătăgiáăhiăđoáiă,ăđuătiênăchúngătaăphiăcóămtăđánhăgiáăđnhălngăđángă tinăcyăvămcăđătruynădnătăgiáă.ă Trongănhngănmăgnăđơyă,ămtăsănghiênăcuăchăraărngăcó mtăsăsuyă gimătrongătruynădnătăgiáăhiăđoáiă,ăđcăbitălƠălên giáăcănhpăkhuă,ătrongăkhiă nhngăngiăkhácăđƣăbácăbăkhănngănƠy,ăvƠăcucătranhălunăđƣăbtăgpănhiuăsă chúăỦătăcácănhƠăhochăđnhăchínhăsáchăcngănhăcácănhƠănghiênăcu.ăcăđimă chínhăđuătiênăcaănghiênăcuănƠyălƠănóăsădngăcácăphngăphápăVARăthamăsă thiăgianăkhácănhauălƠmăthănƠoătruynădnătăgiáătiăVităNamăđƣăphátătrinătheoă thiăgian.ă 1.2. MCăTIểUăNGHIểNăCU: Bài vităđăcpăđnăcăchătruynădnătăgiáăđnămtăbngăgiáăcătrongăngnă hnăvƠăcácănhơnătăviămô,ăvămôătácăđngăđnămcătruynădn tăgiáălên giáănhpă khuă,ăchăsăgiáătiêuădùngădaătrênăcăsălỦălunătătngăhpăktăquăcácăbƠiănghiênă cuătrcăđơy. Niădungănghiênăcuăchínhănhmăgiiăquytăvnăđăsau: [...]... t hi u ng ngang giá s u ki n tuy t t c các qu c gia thì lý i t n t i và th hi sau: 2.1.2 (CPI): truy n d n c a t giá h ch s giá tiêu dùng CPI g c: 13 - u tiên, s nh p kh u, m i c a t giá h và t c s c truy n d n vào ch s giá c a truy n d n vào ch s giá nh p kh u ph thu c vào các y u t : k v ng v th m phá giá, chi phí c a vi u ch nh giá c và nhu c u hàng hóa nh p kh -K n, s i c a ch s giá nh p kh u s... tiêu dùng CPI M ch s giá tiêu dùng CPI b n ch s giá ng thì ph thu c vào t l c a các hàng hóa nh p kh u này trong r hàng hàng hóa tính ch s giá tiêu dùng CPI Bên c m các y u t : s truy n d n vào ch s giá tiêu dùng l i ph thu c vào ng n i t s làm cho giá c hàng hóa nh p kh u cao, t u hàng hóa n a u này s t o s u giá c ti p t c t o s c ép lên ch s S ng c a ch s giá nh p kh u vào ch s giá tiêu dùng th hi...9 và giá cà tiêu dùng 1.3 P - Vector autoregression model 1.4 - dùng trong mô hình - 10 - 11 ích ích 12 2.1 2.1.1 Theo Lu t m t giá (LOP), các hàng hóa gi m c giá các qu c gia khác nhau khi tính chung m G iP P c bán cùng m t ng ti n ng ti n c a qu c gia A i di ng ti n c a qu c gia B E là t giá h ng ti n c a qu c gia A so v ng ti n c a qu c gia B N u lu t m i hàng hóa i thì giá c a hàng hóa... n qua 01 trong 02 cách sau, theo tác gi B ch Th _Khi hàng hóa nh p kh ch s giá nh p kh u s o (2011) c dùng cho m s n xu t thì ch s giá nh p kh u s n ch s giá tiêu dùng 2.2 2.2.1 Obstfeld và Rogoff ( 1995) gia khác i cùng, thì n ch s giá tiêu dùng _Khi hàng hóa nh p kh u là nguyên nhiên v t li s c c dùng cho quá trình n ch s giá s n xu t và thông qua 14 Betts và Devereux (2000) chú ý trong mô Taylor... Price Index) 25 trung bình sau: IMP = wi EXPi wi ng CPI : (Consumer Price Index): CPI) là hay ( ) 2005 2005 -1998 và ) 26 Real_Import) u tiên, t ng giá tr nh p kh i nhóm, cách phân lo i biên so n b i T ng C c Th ng kê Ti s li u trong m c lo i tr bi i lo ng giá do l m phát: : - VAR Lag Other Selection Criteria trong Eview c t ng h p sau khi 27 CÁC : Pass-Throungh in Japan : Re Etsuro Shioji evaluation... , Otani , Shiratsuka , và Shirota (2003) p Ngoài ra, Otani , Shiratsuka , và Shirota (2006) - Ito và Sato (2008), VAR trong 17 Etsuro Shioji Shioji và Uchino ( 2009, 2010 ) i - -VAR Sekine (2006)) Nam: 18 -2010 (2010) Bà 1- , bài này - u dù 0.13 sau 4 quý và 0.39 sau 5 quý u dùng là 19 3 - Vector autoregression model (VAR) u: Pass-Throungh in Japan : Re evaluation Based on Time- Professor, Faculty... Pass- ; 33 Indonesia là 1,17 , Thái lan là 0,86, thì -) 0.2642 - ra: sau 11 tháng 0,08 , Thái Lan 0,05, Malaysia 0,02, ITO Takatoshi & SATO Kiyotaka (2007) iêu dùng -) 0.8502 sau 6 tháng , 34 (2009) giá tiêu dùng IMP Response of DCPI to Cholesky One S.D DNEER Innovation 28 24 20 16 12 08 04 00 -.04 -.08 2 4 6 8 10 12 14 16 18 20 22 24 . BƠiănghiênăcuăđoălngămcătruynădnăt giá hiăđoáiăbngăvicăxemăxétă liăsăphátătrinătheoăthiăgianănhăhngăcaăt giá hiăđoáiătiăVit Nam lênămtă bng giá căthông qua giá cănhpăkhu,ăchăs giá tiêuădùngătrongănc. Bngăcáchă sădngăphng pháp VARă(tăhiăquyăvecătăvectorăautoregression)ă,ănghiênăcuă nƠyăchoăthyăt giá truynădnătheoădòngăthiăgianăđƣăthayăđiăraăsaoăvƠăbaoănhiêuă?. Tngăt,ătălătruynădnălên giá tiêuădùngătrongăncăCPIăcóăxuăhngă tngăđuăvƠăđnăkăthăă11ă,ăsauăthángăthă11ăthìăgimădnăđnăthángăthă24.ăHăsă truynădnăt giá vƠoăchăs giá tiêuădùngătrongăncăCPIălƠă0.6726ăsauă11ăthángăkă tătácăđngăcaăcúăscăt giá đuătiên,ănhăvyăhăsătruynădnăvƠo giá tiêuădùngă thìăchmăăhnăsoăvi giá nhpăkhuă1ăthángăvƠăđălnăcngăthpăhn Tmănhăhngăcaătruynădnăt giá tácăđngăđnăcáchăthcănnăkinhătăqucă niăphnăngăviănhngăbinăđngătrongăt giá. ă Tăkhíaăcnhănhpăkhu,ăkhiăđngăniăt b đánh giá cao,ănuămcăđăđcă phnăánhătrong giá nguyênăvtăliuăthôănhpăkhu,ăthìăsnăphmătrungăgianăđcănhpă khuăvƠăhƠngăhóaătrongăncăđcălƠmătănhngănguyênăliuăthôănhpăkhuăvi giá thpă(tcălƠăt giá truynădnăthp),ăsăgơyăraăítăápălcăgimăphátăhnăchoănnăkinhătă trongănc.ă