**** Ngân hàng giải thưởng Thụy Điển về Khoa học Kinh tế 2003 để tưởng nhớ Alfred Nobel
- Thông tin được công bố rỗng rãi. ****
Khi đánh giá các mối quan hệ, làm các công tác dự báo và kiểm tra các giả thiết từ học thuyết
kinh tế, các nhà nghiên cứu thường sử dụng số liệu theo dạng chuỗi thời gian - các sự kiện
quan sát được sắp xếp theo trình tự thời gian - để nghiên cứu các biến số kinh tế vĩ mô. Sự tiêu
dùng trong một nền kinh tế do vậy phụ thuộc vào tổng thu nhập lao động và của cải, tiền lãi
thực tế, phân bố độ tuổi của dân số Cuốn sách giáo khoa dễ hiểu nhất đưa ra ví dụ của mối
quan hệ đó là một phương trình tĩnh, biểu thức tuyến tính với hai biến số:
Căn cứ vào phương trình này, biến số yt (lấy ví dụ, sự tiêu dùng trong quý t) phụ thuộc vào
biến số xt (lấy ví dụ thu nhập trong cùng thời kỳ). Số cuối của phương trình, sai số ngẫu nhiên,
số hạng et, biểu thị biến số tại yt mà nó không giải thích được bằng mô hình. Bằng phương
pháp chuỗi thời gian đối với các biến số yt và xt, các tham số α và β có thể được ước tính bằng
các phương pháp thống kê (được biết đến như phân tích hồi quy). Các kết luận có cơ sở phỏng
đoán rằng các phương pháp này rất phù hợp với những đặc tính cụ thể của trình tự thời gian.
Các nhà kinh tế được giải thưởng năm nay đã phát triển các phương pháp nắm bắt hai thuộc
tính chủ yếu của nhiều chuỗi thời gian kinh tế đó là : tính bất tĩnh và hay biến đổi của thời gian
.
Tính bất tĩnh, Các xu hướng chung và Cùng hội nhập
(Nonstationarity, Common Trends and Cointegration)
Nhiều chuỗi thời gian kinh tế vĩ mô mang tính bất tĩnh: một biến số, như GDP, do đó thường
tuân theo xu hướng dài hạn, tại đó các xáo trộn tạm thời ảnh hướng tới nó với mức độ lâu dài.
Trái ngược với các chuỗi thời gian tĩnh, chuỗi bất tĩnh không thể hiện bất kỳ xu hướng quay
trở lại của một giá trị bất biến hay một xu hướng nhất định nào một cách rõ ràng. Hình 1 cho
thấy hai ví dụ của các chuỗi thời gian này. Đường cong có đầu nhọn, với các biến số ngắn hạn
lớn biểu diễn tỷ giá từng tháng từ năm 1970 giữa đồng Yên Nhật và đồng Đô la Mỹ. Còn
đường cong bằng phẳng hơn biểu diễn quan hệ giữa mức giá tiêu dùng ở Nhật và ở Mỹ trong
cùng thời kỳ.
Hình 1: Loga của tỷ lệ hối đoái giữa Yen Nhật/đô lar US và lô-ga của tỷ lệ
giữa chỉ giá tiêu thụ nước Nhật và nước Hoa Kỳ
Những khó khăn thống kê
(Statistical pitfalls)

Trong công trình nghiên cứu xuất bản trong những năm 1980's, Granger đã phát triển các khái
niệm và phương pháp phân tích kết hợp giữa các viễn cảnh ngắn và dài hạn. Điểm cốt yếu của
những phương pháp này và kết luận thống kê có cơ sở là việc phát hiện của ông về một sự kết
hợp cụ thể giữa hai (hay nhiều) chuỗi bất tĩnh có thể là tĩnh. Học thuyết kinh tế thường đưa ra
các dự đoán chính xác: Nếu có một sự cân bằng quan hệ giữa hai biến số kinh tế, chúng có thể
đi trệch sự cân bằng trong ngắn hạn, nhưng sẽ điều chỉnh đối với sự cân bằng trong dài hạn.
Lấy ví dụ, học thuyết cổ điển dự đoán một sự cân bằng dài hạn trong tỷ giá tại đó các mức giá
được thể hiện trong cùng một đồng tiền chung có tỷ suất ngang nhau. Granger đã đưa ra thuật
ngữ cùng hội nhập cho một sự kết hợp tĩnh của các biến số bất tĩnh.
Granger cũng chứng minh rằng sự kết hợp năng động giữa các biến số cùng hội nhập có thể
được thể hiện trong một cái gọi là mô hình sửa sai. Một mô hình như thế không chỉ rất thống
kê mà còn mang lại một sự giải thích về mặt kinh tế rất có ý nghĩa. Lấy ví dụ sự năng động
trong tỷ giá và giá được tác động bởi hai lực đồng thời: một xu hướng để giải quyết sự chênh
lệch từ tỷ giá quân bình dài hạn và dao động ngắn hạn xung quanh việc điều chỉnh hướng tới
cân bằng dài hạn.
Khái niệm cùng hội nhập sẽ không có ích trong thực tế nếu không có sức mạnh của các
phương pháp thống kê để đánh giá và kiểm tra các giả thiết. Clive Granger và Robert Engle đã
giới thiệu các phương pháp này trong một bài báo gây ảnh hưởng mạnh mẽ được xuất bản vào
năm 1987. Trong bài báo này họ đã trình bày một bài kiểm tra giả thiết rằng một số của các
biến số bất tĩnh không cùng hội nhập, cũng như hai bước của phương pháp dùng để đánh giá
mô hình sửa sai. Soren Johansen sau này đã phát triển các phương pháp này và làm cho chúng
trở thành chuẩn mực như ngày nay.
Trong các công trình tiếp sau cùng với các nhà nghiên cứu khác, Granger đã mở rộng phân
tích cùng hội nhập trong nhiều khía cạch khác, gồm cả khả năng giải quyết nhiều chuỗi với
các mẫu hình thời vụ (cùng hội nhập thời vụ) và các chuỗi mà ở đó việc điều chỉnh hướng tới
cân bằng không xuất hiện cho đến khi sự chệch hướng vượt quá giá trị tới hạn (cùng hội nhập
ngưỡng).
Ứng dụng
Công trình của Clive Granger đã làm biến đổi cách các nhà kinh tế xử lý số liệu chuỗi thời
gian. Ngày nay, các kiểm tra tĩnh và cùng hội nhập được thực hiện đều đặn như một bàn đạp

dịch chuyển theo thời gian như thế nào. Rõ ràng rằng, sự lệch chuẩn biến thiên khá lớn, từ
khoảng 0,5% trong thời kỳ yên ổn đến gần 3% trong suốt thời kỳ xáo động. Nhiều chuỗi thời
gian tài chính được đặc trưng bởi sự biến đổi thời gian giống nhau trong tính dễ thay đổi.
Đóng góp của Engle
Hình 3 cho thấy các tính toán về trước của tính hay biến đổi của thời gian. Nhưng các nhà đầu
tư và các Tổ chức tài chính cần các đánh giá có liên quan đến tương lai - dự báo- của tính dễ
biến đổi trong ngày tới, tuần tới và năm tới. Trong một bài báo đáng chú ý năm 1982, Robert
Engle đã đưa ra một mô hình cho phép ta thực hiện các đánh giá liên quan đến tương lai đó.
Các mô hình thống kê về tiền lãi của tài sản chỉ có thể giải thích một phần nhỏ của biến số từ
một ngày đến ngày kế tiếp. Do đó hầu hết tính hay biến đổi được gán với số hạng sai số ngẫu
nhiên (e, trong phương trình mở đầu) - hay, nói cách khác, được gán vào sai số dự đoán của
mô hình. Trong các mô hình thống kê chuẩn sự khác biệt được trông đợi của sai số ngẫu nhiên
được cho là bất biến theo thời gian. Rõ ràng rằng còn xa mới có thể nắm bắt được các biến số
lớn trong tiền lãi của tài sản được minh hoạ ở Hình 3.
Engle giả định rằng sự thay đổi của sai số ngẫu nhiên trong một mô hình thống kê nhất định
phụ thuộc một cách có hệ thống vào các sai số ngẫu nhiên thu được trước đó, bởi vậy các sai
số lớn (nhỏ) có xu hướng tuân theo các sai số lớn (nhỏ). Về phương diện kỹ thuật, biến số
ngẫu nhiên thể hiện autoregressive conditional heteroskedasticity. Cách thức đó của ông do
vậy được gọi tắc là ARCH. Ở ví dụ của chúng ta, mô hình bây giờ chứa đựng không chỉ một
phương trình dự đoán về tiền lãi tài sản mà nó còn gồm cả một số của các thông số chỉ xem sự
thay đổi của của sai số ngẫu nhiên trong phương trình này phụ thuộc vào việc dự đoán các sai
số trong giai đoạn sớm hơn như thế nào. Engle đã chứng minh các mô hình ARCH có thể được
đánh giá và giới thiệu một thử nghiệm thực tế đối với giả thuyết rằng sự thay đổi có điều kiện
của sai số ngẫu nhiên là hằng số như thế nào.
Trong công trình tiếp theo cùng với các sinh viên và đồng nghiệp của mình Engle đã phát triển
khái niệm này theo nhiều chiều hướng khác nhau. Công trình phát triển nổi tiếng nhất là mô
hình ARCH tổng quát (GARCH) được Tim Bollerslev xây dựng năm 1986. Trong công trình
này, sự khác biệt của sai số ngẫu nhiên trong một giai đoạn nhất định không chỉ phụ thuộc vào
các sai số ngẫu nhiên trước đó mà còn phụ thuộc vào bản thân sự khác biệt trong các giai đoạn
sớm hơn. Sự phát triển này đã trở nên hết sức hữu ích; GARCH là mô hình được ứng dụng

trị trung bình do đó có thể được tính là
Liên kết và tài liệu đọc thêm
Các tác giả được giải
Robert F. Engle
Trường Đại học New York
Trung tâm Salomon
44 Phố West Fourth, Phòng 9-62
New York, NY 10012-1126
Mỹ
Người Mỹ. Sinh năm 1942 tại Syracuse, New York,
Mỹ. Tiến sĩ tại Đại học Cornell University năm 1969;
Giáo sư Michael Armellino khoa quản lý tài chính tại
đại học New York, NY, Mỹ.
Clive W. J. Granger
Khoa kinh tế đại học California, San
Diego
9500 Gilman Drive
La Jolla, CA 92093-0508
Mỹ
Người Anh. Sinh năm 1934 tại Swansea, Wales. Tiến sĩ
tại đại học Nottingham năm 1959; Giáo sư danh dự
Kinh tế tại đại học California ở San Diego, Mỹ.
Trích từ tài liệu: The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel
2003 - Information for the Public.