Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (3.73 MB, 364 trang )
Uu điểm cúa mơ hình Signal là có thể áp dnng trong đieu ki¾n nguồn du li¾u b% han
che, có thể đva ra cánh báo tai bat kǶ thòi điểm nào mà khơng đòi hói q nhieu mau
so li¾u q khú và quá trình thao tác phúc tap. Các bien khơng phái tn theo m®t giá
đ%nh ve phân phoi xác suat nhat đ%nh. Mơ hình này còn cho phép sú dnng nhieu chỉ
tiêu cánh báo cùng m®t lúc (mà khơng xáy ra van đe đa c®ng tuyen hồn háo), từ đó
cho phép theo dõi các chỉ tiêu tồn di¾n phán ánh tat cá các khu vực de b% tổn thvong
cúa nen kinh te và h¾ thong tài chính, cho phép nhìn thay sự ket noi rõ ràng từ các chỉ
tiêu riêng lẻ đen các chỉ so tổng hop, qua đó cho phép vừa đánh giá nguy co khúng
hoáng tổng thể, vừa có thể theo dõi, đánh giá riêng từng lƿnh vực nhó cúa nen kinh te
có nguy co tổn thvong gia tĕng. Ngồi ra, trong mơ hình Signal, mỗi bien so đvoc theo
dõi riêng lẻ nên thu¾n loi cho vi¾c phân tích sâu hon.
Tuy nhiên, vói đặc điểm nhv trên, cỏch tiep cắn ny khụng xỏc %nh voc mỳc đ tác
đ®ng cao hay thap cúa từng bien giái thích đoi vói xác suat khúng hống nên khơng xác
đ%nh đvoc vai trò quan trong cúa từng bien so nhv the nào mà chỉ theo dõi dien bien
cúa từng bien so m®t cỏch đc lắp, do ú khụng th hiắn voc moi quan hắ chớnh
xỏc giua bien đc lắp v bien phn thu®c (xác suat khúng hống). Xác suat theo mơ
hình Signal đvoc tính hồn tồn riêng bi¾t tvong úng vói mỗi quan sát dựa trên các
trong so nhat đ%nh (tỷ l¾ nhieu tín hi¾u) cúa bien so đó, sau đó tổng hop lai vói
nhau. Ngồi ra, phvong pháp Signal cǜng khơng tính đen sự tvong quan giua các bien
so trong mơ hình, cǜng nhv khơng có kiểm đ%nh thong kê để kiểm tra múc đ® phù
hop cúa mơ hình và kiểm đ%nh tỷ l¾ dự báo chính xác cúa mơ hình.
2.2.3.2 Mơ hình Logit/Probit
Logit/Probit là mơ hình tham so có thể đvoc úng dnng trong cánh báo KHTT và
KHHTNH. Probit đvoc đe xuat bói Goldberger (1964), trong khi đó Logit đvoc đe xuat
bói Maddala (1983). Berg & Pattillo (1999) và Comelli (2013) đã chúng minh rằng mơ
hình Logit/Probit có khá nĕng cánh báo khúng hống tot hon cá trong và ngồi mau
nghiên cúu so vói mơ hình Signal. Theo đó, mơ hình này đã đvoc nhieu nghiên cúu nhv
Berg & Patillo (1999), Kamin, Schindler & Samuel (2001), Nguyen Trong Hoài &
Trvong Hồng Tuan (2010), Nguyen Phi Lân (2011), Ari (2012), Rahman & Hasan
(2014), Frost & Saiki (2014), Pham (2015), Comelli (2016) úng dnng trong cánh báo
KHTT; Demiguc–Kunt & Detragiache (1998), Eichengreen & Rose (1998), Eichengreen
& Arteta (2000), Singh (2011), Hmili & Bouraoui (2015), Tamadonejad & ctg (2016),
Papadopoulos, Stavroulias & Sager (2016) úng dnng trong cánh báo KHHTNH; Glick &
Hutchinson (1999), Yiu, Ho & Jin (2009), Falcetti & Tudela (2008), Frankel &
Saravelos (2012) úng dnng trong cánh báo KHTT và KHHTNH.
Mơ hình Logit/Probit vói bien phn thu®c Yt là ròi rac có hai giá tr% là 0 và 1, trong đó 0
là khơng xáy ra khúng hống, 1 là có xáy ra khúng hống. Từ bien phn thu®c nh% phân
này, m®t thú tnc se đvoc dùng để dự đoán xác suat xáy ra khúng hoáng theo quy tac neu
xác suat đvoc dự đốn lón hon xác suat tổn that an đ%nh thì ket q dự đốn se cho là
“có” xáy ra khúng hống, ngvoc lai thì ket q dự đốn se là khụng. Bien đc lắp cỳa
mụ hỡnh l cỏc ch so có khá nĕng cánh báo sóm khúng hống.
Pr (Yt=1) khi xác suat m®t quoc gia trái qua khúng hống tai thòi điểm t. Trong mơ hình
Logit/Probit, xác suat m®t cu®c khỳng hoỏng voc th hiắn nhv l mđt chỳc nng phi
tuyen cỳa mđt tắp hop cỏc bien đc lắp X:
(Pr
Y
1)
t
Y
1)
(Pr
X '
X
'
(1)
e
X
X
1 e
X '
z dz
(2)
t
Trong đó: X ' là hàm phân phoi tích lǜy cúa phân phoi logistic
X'
là hàm phân phoi tích lǜy cúa phân phoi bình thvòng
Ěieu ki¾n (1) và (2) mơ tá xác suat có đieu ki¾n rằng m®t quoc gia đã trái qua khúng
hống tai thòi điểm t khi hàm so cúa các chỉ so cánh báo khúng hống đvoc lựa chon, kí
hi¾u là X. Nhv v¾y, sự khác nhau giua mơ hình Logit và mơ hình Probit thể hi¾n ó
hàm phân phoi cúa sai so nhieu.
Mơ hình Logit/Probit có các vu điểm nhv: (i) Cho phép xem xét các bien cánh báo
khúng hoáng trong moi tvong quan vói nhau, tính đen h¾ q từ tác đ®ng qua lai, tvong
tác lan nhau giua các bien đoi vói nguy co xáy ra khúng hống; (ii) de dàng kiểm tra ý
nghƿa thong kê các chuỗi so li¾u cúa các bien dự kien đva vào mơ hình cánh báo và ý
nghƿa cúa các bien trong vi¾c cánh báo khúng hống có tính tói moi tvong quan giua
các bien vói nhau; (iii) cho phép vóc tính xác suat khúng hống và giái thích nguyên
nhân chính dan đen khá nĕng khúng hống tĕng hay giám trong tvong lai, giá tr% vóc
lvong ve xác suat cho biet múc đ® nghiêm trong cúa van đe; (iv) có thể đvoc xú lý bằng
các phần mem kinh te lvong nhv Stata, Eviews làm cho quá trình xú lý du li¾u đvoc
rút ngan, th¾m chí trong trvũng hop bđ du liắu lờn en hng nghỡn quan sát; và (v)
không yêu cầu giá đ%nh nghiêm ngặt nhv mơ hình hồi quy tuyen tính OLS (Ordinary
Least Square) nhv: Logit/Probit ít giá đ%nh hon, nên vóc lvong mơ hình mang tính
vung hon so vói phvong
pháp OLS, do bien phn thu®c b% han che nên phvong pháp OLS khơng còn chính xác,
vì là hồi quy tuyen tính nên vi pham giá thuyet OLS nhv phvong sai cúa yeu to ngau
nhiên thay đổi, yeu to ngau nhiên khơng có phân bo chuẩn, h¾ so R2 thap và Yi^ có
thể nằm ngồi (0,1), trong khi đó, vóc lvong Logit/Probit là vóc lvong phi tuyen nên có
thể khac phnc nhung han che cúa mơ hình OLS và làm cho vóc lvong chính xác hon
(Nguyen Quang Dong, 2012).
Mặc dù v¾y, Logit/Probit cǜng tồn tai nhung nhvoc điểm nhv: (i) Ěòi hói cỡ mau phái
đú lón thì vi¾c cánh báo khúng hống mói đat đvoc hi¾u q cao; (ii) các h¾ so khơng
đvoc trực quan để giái thích cu®c khúng hống và khơng phán ánh ngvỡng cánh báo
cho từng chỉ so; (iii) thvòng b% mat ổn đ%nh theo thòi gian; (iv) khơng cung cap m®t
phvong pháp đo lvòng trực tiep cvòng đ® manh hay yeu cúa tín hi¾u cúa mỗi bien giái
thích ve sự khói đầu cúa m®t cu®c khúng hống và (v) dựa trên giá đ%nh là xác suat
xáy ra khúng hoáng tuân theo m®t phân phoi xác suat nhat đ%nh.
2.2.3.3 Phvong pháp BMA
Khi so sánh vói mơ hình Signal, loi the cúa mơ hình Logit/Probit là cho phép vóc lvong
cúa tat cá các bien so cùng lúc. Tuy nhiên, không giong nhv Signal, Logit/Probit không
thể xep hang các chỉ so cánh báo theo tiên lvong tvong đoi cúa chúng trong vi¾c dự
đốn các cu®c khúng hống. Xep hang các chỉ so theo đ® l¾ch cúa chúng từ các hành
vi bình thvòng se đóng vai trò hỗ tro đac lực cho các nhà hoach đ%nh chính sách, bói
ho có thể xác đ%nh de dàng hon các bi¾n pháp nhằm phòng ngừa khúng hống.
Ngồi ra, Babecký & ctg (2014) nhan manh rằng có ít nhat hai van đe vói phvong pháp
hồi quy đon gián (cn thể là Logit/Probit) khi có nhieu bien giái thích tiem nĕng. Ěầu
tiên, đặt tat cá các bien tiem nĕng trong m®t mơ hình hồi quy có thể làm tĕng đáng kể
các sai so chuẩn neu các bien khơng thích hop đvoc bao gồm. Thú hai, vi¾c sú dnng các
thú nghi¾m tuần tự để loai trừ các bien không quan trong có thể dan đen ket q sai
l¾ch mà thực te là có khá nĕng m®t bien có liên quan đvoc loai bó tai thòi điểm khi
vi¾c kiểm tra đvoc thực hi¾n. Ěể giái quyet nhung van đe trên, phvong pháp BMA
thvòng đvoc áp dnng (Babecký & ctg, 2014). Các nghiên cúu sú dnng BMA trong cánh
báo KHTT nhv Crespo-Cuaresma & Slacik (2009); trong cánh báo KHHTNH nhv
Asanovíc (2013), Hosni (2014); trong cánh báo KHTT và KHHTNH nhv Babecký &
ctg (2014).
BMA sú dnng phvong pháp chuỗi so sánh Markov Monte Carlo (Madigan & York,
1995; Fernandez & ctg, 2001a) để phát hi¾n các chỉ so cánh báo sóm khúng khống
manh me nhat t mđt tắp hop cỏc ch so tiem nng.
Mụ hỡnh hồi quy tuyen tính sau đây đvoc xem xét:
y X y y
y
~ 0, 2 I
Trong đó y là bien giá nh% phân, có giá tr% 1 neu cu®c khúng hống xáy ra trong
khống thòi gian t (yt = 1) và 0, neu khơng có m®t cu®c khúng hống đvoc quan sát (yt
= 0).
y là m®t hằng y l mđt vecto cỏc hắ so; l sai so nhieu trang
so;
X biu th% mđt so tắp hop con cỳa tat cá các bien giái thích có sẵn liên quan,
túc là, các chỉ so cánh báo sóm khúng hống tiem nng X. Vúi k bien đc lắp tiem
nng cho 2k mơ hình tiem nĕng. M®t giá tr% trung bình đvoc tính tốn từ thơng tin cúa
các mơ hình sú dnng xác suat h¾u nghi¾m đvoc thực hi¾n bói đ%nh lý Bayes:
P(Mγ | y, X) ŀ P( y | Mγ , X ) *
PMk Y
Trong đó P(Mγ | y, X) là xác suat h¾u nghi¾m cúa mơ
hình,
PM Y có thể xác đ%nh
k
dựa
vào tích so cúa phân bo du li¾u cúa mỗi mơ hình P( y | Mγ , X ) và xác suat tien đ%nh
cúa mơ hình P(Mγ). Sự vung manh cỳa mđt bien giỏi thớch voc th hiắn búi xác suat
h¾u nghi¾m thu nh¾n (Posterior Inclusion Probability - PIP) và đvoc tính nhv sau:
PIP Py 0
y P M
y 0
y
y
Bien vói m®t PIP cao (>0,5) có thể đvoc coi là chỉ so cánh báo sóm khúng hống manh
me nhat.
2.2.3.4 Phvong pháp 2SLS
Rat nhieu bien so kinh te vƿ mụ voc lay ra t mđt hắ thong kinh te bao gm mđt tắp
hop cỏc quan hắ kinh te, cỏc quan hắ ny l ngau nhiờn, đng v ng thũi (Nguyen
Quang Dong, 2012). H¾ thong cánh báo sóm KHTT và KHHTNH cng hỡnh thnh t
mđt tắp hop cỏc bien so kinh te vƿ mơ nên cǜng mang tính ngau nhiên, đng v ng
thũi. Vỡ vắy, se l khụng hon ton phự hop neu mụ hỡnh húa mđt hắ thong kinh te chỉ
bằng m®t phvong trình đon lẻ. Do đó, đòi hói phái có m®t phvong pháp vóc lvong m®t
mơ hình h¾ phvong trình đồng thòi, trong đó các bien so tác đ®ng qua lai lan nhau.
Van đe ve sự đồng thòi và các phvong pháp vóc tính moi quan h¾ ny ó voc thỏo
luắn rđng rói trong cỏc nghiờn cỳu nhv Judge & ctg (1985), Pindyck & Rubinfeld
(1991), Davidson & MacKinnon (1993), Gujarati (1995) và Greene (2000). Các nghiên
cúu trên cho thay trong các phvong pháp vóc tính h¾ phvong trình đồng thòi, thì phvong
pháp co bán thvòng đvoc sú dnng phổ bien, có thể khac phnc đvoc tính thiên l¾ch và
khơng nhat qn khi có sự hi¾n di¾n cúa tính đồng thòi đó là thú tnc 2SLS. 2SLS đã
đvoc giói thi¾u bói Theil (1953a, 1953b, 1954, 1961), Basmann (1957) và Sargan
(1958). Theo đó, thú tnc vóc lvong 2SLS gồm hai giai đoan: Giai đoan 1, vóc lvong các
phvong trình rút gon và giai đoan 2, tien hành vóc lvong mơ hình xuat phát bằng cách
thay ket q vóc lvong các phvong trình rút gon ó giai đoan 1 vào ve phái cúa các
phvong trình xuat phát. 2SLS có các vu điểm nhv: (i) Có thể áp dnng cho từng phvong
trình riêng lẻ trong h¾ thong phvong trình đồng thòi mà khơng cần chú ý đen các
phvong trình khác; (ii) 2SLS cho ngay vóc lvong cúa từng h¾ so và sai so chuẩn cúa các
vóc lvong. Các nghiên cúu nhv Dreher, Herz & Karb (2005), Dapontas (2011) đã úng
dnng 2SLS trong nghiên cúu cánh báo KHTT.
2.2.3.5 Mơ hình Markov Switching
Mơ hình Markov Switching đvoc đe xuat bói Hamilton (1988). Mơ hình đvoc xây dựng
bằng cách ket hop hai hoặc nhieu mơ hình nĕng đ®ng thơng qua m®t co che chuyển đổi
Markovian. Khung chuyển đổi Markov khơng cần đen vi¾c xác đ%nh các giai đoan
khúng hoáng và áp dnng các giá đ%nh phân phoi ít hon các mơ hình bien phn thu®c ròi
rac. Mơ hình co bán đvoc đ%nh nghƿa nhv sau:
yt
t
t
xt
Trong đó: yt là chỉ so phán ánh áp lực th% trvòng ngoai hoi hoặc tính de tổn thvong trong
HTNH; xt là ma tr¾n cúa các chỉ so kinh te vƿ mô; và
t
N.i.i.d. 0, S
bien
không quan sát đvoc, theo hai trang thái cúa chuỗi Markov
T
là , trong đó St là
2
S
t
t
, trong đó S =0
t 1
t
neu ó trang thái bình thvòng và St=1 neu ó trang thái khúng hống.
Mơ hình này đvoc vóc tính bói phvong pháp hop lý cực đai. Ěoi vói mỗi trang thái, giá
tr% trung bình có đieu ki¾n và chênh l¾ch so vói giá tr% trung bỡnh voc tớnh toỏn. Sau
ú, mắt đ xỏc suat bình thvòng cho mỗi trang thái t có thể đvoc xác đ%nh. Vói các
giá tr%
ban đầu cúa các tham so
chúng ta
0 , 0 và xác suat có đieu ki¾n cho mỗi trang thái 0 ,
có thể lặp lai từ t=1 đen T theo phvong trình sau:
(1)
Trong đó: biểu th% phép nhân theo từng phần tú và 1 là vecto đon v%. Phvong trình
(1)
cho phép loc xác suat
Pr i . Mắt đ bỡnh thvũng cú
S ieu kiắn
t
t v xỏc suat đã
t
đvoc loc cho phép tính tốn tr% tuy¾t đoi có đieu ki¾n cúa du li¾u đvoc quan sát:
T
^
L log1' t
t 1
t 1
t
Nhằm mnc đích dự báo khúng hoáng, Arias & Erlandsson (2005) cho rằng cần xây dựng
m®t loat các dự báo trvóc 24 tháng bằng cách vóc tính xác suat quan sát ít nhat cúa m®t
cu®c khúng hống trong giai đoan 24 tháng tiep theo nhv sau:
Pr St1...t24 0 t
23 PrS 0 PrS
t
1Pr St1...t24 0 t
P24
1
1
P01P11
t
11
Trong đó: P01 và P11 là xác suat chuyển đổi liên tnc.
M®t so nghiên cúu nhv Martinez-Peria (2002), Fratzscher (2003), Abiad (2003) và Ho
(2004) đã sú dnng mơ hình Markov-Switching trong cánh báo KHTT và KHHTNH.
2.2.3.6 Mơ hình mang thần kinh nhân tao ANNs
ANNs giong nhv bđ nóo con ngvũi, voc hoc búi kinh nghiắm (thơng qua huan luy¾n),
có khá nĕng lvu giu nhung kinh nghi¾m hiểu biet (tri thúc) và sú dnng nhung tri thúc đó
trong vi¾c dự đốn các du li¾u chva biet (Graupe, 2007). Ve cau trúc no-ron gồm ba
phần chính: te bào, te bào thần kinh nhánh cây và soi trnc. ANNs sú dnng các công cn
xap xỉ chúc nĕng phi tính để kiểm tra moi quan h¾ giua các yeu to đc lắp v phn
thuđc. Phvong phỏp ny xem xột m®t nhóm các no-ron nhân tao và xú lý các thông
tin liên quan đen chúng bằng cách sú dnng phvong pháp tiep c¾n ket noi đvoc goi là
các đon v% mang đvoc ket noi bói m®t luồng thơng tin. Cau trúc cúa ANNs thay đổi
dựa trên thơng tin bên ngồi hoặc bên trong truyen qua mang trong giai đoan huan
luy¾n.
Khi các tín hi¾u, đvoc nh¾n bói no-ron, tró nên bằng hoặc vvot qua giá tr% ngvỡng, nó
se kích hoat gúi mđt tớn hiắu iắn liờn tnc thụng qua soi trnc. Bng cỏch ny, thụng
iắp voc chuyn t mđt no-ron ny sang no-ron kia. Trong mang no-ron, các no-ron
hoặc đon v% xú lý có thể có nhieu đvòng dan đầu vào tvong úng vói các te bào thần
kinh nhánh cây. Các đon v% thvòng đvoc ket hop bói phép tổng đon gián, túc là các
giá tr% trong so cúa các đvòng dan này. Mặt khác, Alavala (2008) cho rằng giá tr% trong
so đvoc truyen cho no-ron, tai đó đvoc đieu chỉnh bói m®t hàm ngvỡng nhv hàm sigma.
Giá tr% đieu chỉnh đvoc trình bày trực tiep cho no-ron tiep theo.
Các nghiên cúu ve mang no-ron bat đầu từ Mc Culloch & Pitts (1943), Rosenblatt
(1959) và sau đó đvoc cái tien bói Rumelhart & ctg (1986). Alavala (2008) cho thay ý
nghƿa cúa thu¾t tốn này là các mang đa lóp, có thể đvoc huan luy¾n bằng cách sú
dnng thu¾t tốn truyen ngvoc. ANNs cung cap sự phù hop vvot tr®i hon so vói các
mơ hình chuỗi thòi gian tuyen tính mà khơng cần phái xây dựng m®t mơ hình chuỗi
thòi gian phi tuyen tham so cn thể (Franses & Dijk, 2000). Tuy nhiên, ANNs có hai
nhvoc điểm quan trong là khơng thể giái thích các tham so trong mơ hình và nguy co
overfitting. Do đó, bằng cách tĕng tính linh hoat, ANNs có thể có đvoc m®t mau gần
nhv hồn háo, nhvng ít huu ích cho vi¾c dự báo ngồi mau (Sekmen & Kurkcu, 2014).
Hình 2.1 mơ tá đồ hoa cúa ANNs gồm ba lóp: lóp vào, lóp ẩn và lóp ra.
Hình 2.1: Bieu dien đo hoa cua mang no-ron nhân tao
Lóp vào
Các lóp ẩn
Lóp ra
Nguồn:
Haykin
(1999) Ěoi vói m®t no-ron nhân tao, trong so đai di¾n cho khóp thần kinh. Các thành
phần sau cỳa mụ hỡnh ai diắn cho hoat đng thc te cúa te bào thần kinh. Tat cá
các đầu vào đvoc tổng hop và đieu chỉnh bằng trong so. Hoat đ®ng này đvoc goi là sự
ket hop tuyen tính. Cuoi cùng, m®t chúc nĕng kích hoat đieu khiển biên đ® cúa đầu ra.
Từ mơ hình này, hoat đ®ng khống cách cúa no-ron đvoc thể hi¾n nhv sau:
p
vk wkj x
j
j 1
Ěầu ra cúa no-ron, yk, là ket quá cúa m®t so chúc nĕng kích hoat trên giá tr% cúa vk.
Mau cúa các ket noi đvoc biểu dien nhv m®t đồ th% trong so, trong đó các nút đai di¾n
cho các phần tú máy tính co bán, các liên ket đai di¾n cho ket noi giua các yeu to, các
trong so đai di¾n cho súc manh cúa các ket noi này, và các hvóng thiet l¾p dòng
thơng tin xác đ%nh đầu vào và đầu ra cúa các nút và cúa mang.
Vói vu điểm nêu trên, ANNs đã đvoc m®t so nghiên cúu nhv Franck & Schmied (2003),
Roy (2009), Sekmen & Kurkcu (2014) úng dnng trong cánh báo KHTT.
2.2.3.7 Mơ hình Neuro Fuzzy
Neuro Fuzzy đvoc giói thi¾u bói Jang (1993) và Jang & Sun (1995), l mđt hắ trớ tuắ
nhõn tao lai sỳ dnng 2 kỹ thu¾t ket hop giua khá nĕng suy lu¾n cúa logic mò vói khá