Mô hình VAR là gì?

Mô hình VAR là gì?

Mô hình chuỗi thời gian đa biến, mỗi biến hồi quy trên giá trị quá khứ của chính nó và các biến khác.

Thuật ngữ tiếng Anh: Vector Autoregression (VAR)

Lĩnh vực: Thống kê & Mô hình

Cấu trúc và cách VAR hoạt động

Khác với mô hình hồi quy OLS truyền thống chỉ giải thích một biến phụ thuộc từ các biến độc lập, mô hình VAR xem mọi biến trong hệ thống đều có vai trò như nhau. Mỗi biến được biểu diễn dưới dạng hàm của giá trị trễ (lag) của chính nó và giá trị trễ của tất cả các biến còn lại trong hệ.

Ví dụ minh họa cho một hệ gồm hai biến:

• Y₁(t) = a₁₁·Y₁(t-1) + a₁₂·Y₂(t-1) + e₁(t)
• Y₂(t) = a₂₁·Y₁(t-1) + a₂₂·Y₂(t-1) + e₂(t)

Số lượng phương trình bằng số biến trong hệ. Khi số biến tăng từ 2 lên 5, tổng hệ số cần ước lượng tăng theo cấp số nhân — đây là một trong những hạn chế thường được nhắc đến của VAR (gọi là "curse of dimensionality") và là lý do các biến thể như VAR có ràng buộc, Bayesian VAR hay VECM được phát triển.

Hai bước thường gặp khi xây dựng một mô hình VAR trong thực tế:

• Kiểm tra tính dừng (stationarity) bằng các nghiệm đơn vị như ADF, KPSS. Nếu chuỗi không dừng, có thể lấy sai phân hoặc chuyển sang mô hình VECM nếu các biến có đồng tích hợp.
• Lựa chọn bậc trễ (lag order) tối ưu thông qua các tiêu chí AIC, BIC, HQIC — bậc trễ càng lớn thì mô hình càng linh hoạt nhưng cũng càng tốn dữ liệu và dễ overfit.

Một công cụ quan trọng đi kèm là hàm phản ứng đáp ứng (Impulse Response Function - IRF) và phân rã phương sai (Variance Decomposition). IRF cho biết khi một biến bị "shock" 1 đơn vị, phản ứng lan truyền đến các biến khác trong bao lâu và cường độ ra sao; Variance Decomposition cho biết tỷ trọng biến động của một biến được giải thích bởi chính nó và bởi các biến còn lại.

Ứng dụng trong phân tích kinh tế vĩ mô và tài chính

VAR được sử dụng rất phổ biến trong phân tích kinh tế vĩ mô, đặc biệt là dự báo và đánh giá tác động chính sách. Một số bài toán điển hình mà doanh nghiệp SME có thể gián tiếp gặp trong các báo cáo, tài liệu phân tích thị trường:

• Tác động của lãi suất điều hành đến tỷ giá, lạm phát, tín dụng: Ngân hàng Trung ương và các tổ chức nghiên cứu thường dùng VAR để mô phỏng xem khi điều chỉnh lãi suất repo, các biến như CPI, tăng trưởng tín dụng, tỷ giá USD/VND phản ứng thế nào theo thời gian.
• Mối quan hệ giữa tăng trưởng tín dụng, nợ xấu và tăng trưởng GDP: Nhiều nghiên cứu tại Việt Nam đã sử dụng VAR để kiểm tra xem nợ xấu có phải là biến "leading indicator" (dẫn dắt) cho tăng trưởng tín dụng hay không, và ngược lại.
• Phân tích truyền dẫn chính sách tiền tệ: VAR cho phép tách bạch kênh lãi suất, kênh tín dụng, kênh tỷ giá trong cơ chế tác động của CSTT đến nền kinh tế thực.
• Dự báo chuỗi thời gian tài chính: Giá cổ phiếu, lợi suất trái phiếu, chỉ số ngành hàng — khi nghi ngờ có mối quan hệ đồng biến/nghịch biến qua thời gian giữa các chuỗi, VAR thường được ưu tiên hơn ARIMA đơn biến.

Trong thực tế, các ngân hàng thương mại và tổ chức tín dụng tại Việt Nam cũng ứng dụng các biến thể của VAR trong mô hình cảnh báo sớm rủi ro tín dụng (early warning system), kết hợp chỉ số vĩ mô như lãi suất, tỷ giá, tốc độ tăng trưởng ngành với nhau để ước lượng xác suất căng thẳng tín dụng trong tương lai gần.

Khi nào nên chọn VAR thay vì mô hình khác

VAR phù hợp khi:

• Có từ 2–5 biến kinh tế/tài chính nghi ngờ tương tác qua lại với nhau, chưa rõ biến nào là nguyên nhân, biến nào là kết quả.
• Mục tiêu là dự báo ngắn hạn (1–4 quý/năm tới) thay vì kiểm định một giả thuyết kinh tế cụ thể.
• Dữ liệu đủ dài (thường tối thiểu 50–60 quan sát trở lên sau khi xử lý sai phân).

VAR không phù hợp khi:

• Số lượng biến quá lớn so với dung lượng mẫu — hãy cân nhắc Bayesian VAR, VAR yếu tố (FACTOR-AUGMENTED VAR), hoặc giảm số biến bằng phân tích thành phần chính.
• Cần kiểm định quan hệ nhân quả rõ ràng theo một chiều — có thể dùng Granger causality đứng riêng, hoặc chuyển sang mô hình phương trình đồng thời (SEM).
• Các biến có đồng tích hợp bậc 1 nhưng không dừng ở bậc 0 — mô hình VECM sẽ thích hợp hơn VAR sai phân.

Với doanh nghiệp SME, việc hiểu VAR chủ yếu phục vụ hai mục tiêu: (1) đọc và đánh giá các báo cáo phân tích vĩ mô của NHNN, công ty chứng khoán, tổ chức quốc tế (IMF, World Bank) khi tham khảo để lên kế hoạch kinh doanh; (2) phối hợp với bộ phận kế toán/tài chính khi lập kịch bản dòng tiền dựa trên dự báo lãi suất, tỷ giá, doanh thu ngành — vì kết quả từ VAR có thể cung cấp các kịch bản đầu vào thực tế hơn so với giả định đơn biến.

Lưu ý: Nội dung trên mang tính tham khảo về khái niệm mô hình thống kê, không thay thế tư vấn từ chuyên gia kinh tế lượng hoặc nhà phân tích tài chính. Doanh nghiệp nên tham vấn chuyên gia khi ứng dụng VAR trong các quyết định kinh doanh hoặc lập kế hoạch tài chính cụ thể.

Câu hỏi thường gặp

VAR khác gì so với mô hình hồi quy OLS thông thường?

OLS giả định các biến độc lập ảnh hưởng một chiều lên biến phụ thuộc, còn VAR mặc định mọi biến trong hệ thống đều có thể ảnh hưởng qua lại lẫn nhau. Vì vậy VAR phù hợp hơn khi nghi ngờ có tương tác hai chiều (ví dụ lãi suất và tỷ giá cùng tác động lẫn nhau).

Mô hình VAR có dự báo được giá cổ phiếu hay lãi suất tương lai cho doanh nghiệp không?

VAR chủ yếu dự báo ngắn hạn (vài quý) với độ chính xác giảm dần theo thời gian, và kết quả phụ thuộc rất lớn vào chất lượng dữ liệu đầu vào. Doanh nghiệp SME chỉ nên dùng kết quả dự báo từ VAR như một kịch bản tham khảo, không thay thế hoàn toàn cho phân tích nội bộ của công ty.

Khi nào phải chuyển từ VAR sang VECM?

Khi các biến trong hệ không dừng ở bậc 0 (tức có xu hướng đi lên/đi xuống rõ rệt theo thời gian) nhưng lại có quan hệ đồng tích hợp — nghĩa về dài hạn chúng di chuyển cùng nhau. Trong trường hợp đó, VECM giúp mô hình giữ được thông tin dài hạn mà VAR sai phân thông thường có thể bỏ mất.

Doanh nghiệp nhỏ có thể tự xây dựng mô hình VAR được không?

Về mặt kỹ thuật, có thể dùng phần mềm thống kê hoặc ngôn ngữ lập trình (R, Python, Stata) để chạy VAR, nhưng việc chọn biến, kiểm tra tính dừng, chọn bậc trễ và diễn giải kết quả đòi hỏi kiến thức kinh tế lượng chuyên sâu. Doanh nghiệp SME thường tiết kiệm chi phí và thời gian hơn khi tham khảo báo cáo phân tích có sẵn từ các tổ chức uy tín hoặc thuê chuyên gia tư vấn khi cần kịch bản dự báo cho quyết định lớn.

Bạn đang lên kế hoạch vay vốn cho doanh nghiệp? Tìm hiểu thêm về các chương trình tín dụng phù hợp qua BizLoan — nền tảng kết nối SME với nhiều ngân hàng và tổ chức tín dụng. Lãi suất và hạn mức do từng lender quyết định.

Vay vốn kinh doanh

Hiểu rõ thuật ngữ tài chính giúp doanh nghiệp chuẩn bị hồ sơ vay vốn tốt hơn và tăng khả năng được phê duyệt khoản vay. Đăng ký so sánh lãi suất từ nhiều ngân hàng qua BizLoan.