CHÍNH SÁCH TIỀN TỆ CỦA NGÂN HÀNG TRUNG ƯƠNG CÓ THỂ ĐƯỢC MÔ
TẢ BỞI MỘT QUY TẮC TAYLOR TUYẾN TÍNH (MỞ RỘNG) HAY BỞI MỘT QUY
TẮC PHI TUYẾN?
Nguyên tắc Taylor ban đầu thiết lập một mối quan hệ tuyến tính đơn giản giữa lãi suất,
lạm phát và lỗ hổng sản lượng. Một phần mở rộng quan trọng cho quy tắc này là giả định
về một hành vi forward-looking của các ngân hàng trung ương. Bây giờ họ được giả định
là nhắm mục tiêu đến lạm phát kỳ vọng và lỗ hổng sản lượng thay vì giá trị hiện tại của
các biến này. Sử dụng một hàm phản ánh chính sách tiền tệ hướng tới tương lai, bài viết
này phân tích xem liệu chính sách tiền tệ của ngân hàng trung ương thực sự có thể được
mô tả bởi một quy tắc Taylor tuyến tính hay, là bởi một quy tắc phi tuyến. Bài viết cũng
phân tích liệu quy tắc đó có thể được mở rộng với một chỉ số điều kiện tài chính chứa
thông tin từ một số giá tài sản và các biến số tài chính. Kết quả cho thấy hành vi tiền tệ
của các Ngân hàng Trung ương châu Âu và Ngân hàng Anh được mô tả tốt nhất bởi một
quy tắc phi tuyến, nhưng hành vi của Cục Dự trữ Liên bang Hoa Kỳ có thể được mô tả
tốt bởi một quy tắc Taylor tuyến tính. Bằng chứng của chúng tôi cũng cho thấy rằng chỉ
có Ngân hàng Trung ương châu Âu phản ứng với điều kiện tài chính.
1. Giới thiệu
Từ khi thành lập, bởi Taylor (1993), quy tắc lãi suất đại số tuyến tính đã chỉ rõ cách mà
FED điều chỉnh quỹ liên bang của nó nhắm đến mục tiêu tỷ lệ lạm phát hiện tại và lỗ
hổng sản lượng hiện nay, một số nghiên cứu đã được tiến hành để kiểm tra tính hợp lệ
của nguyên tắc này cho các nước khác và các thời kỳ.
Một phần mở rộng quan trọng được cung cấp bởi Clarida et al. (1998, 2000), người đã đề
nghị sử dụng một phiên bản forward-looking của Quy tắc Taylor nơi mà ngân hàng trung
ương nhắm mục tiêu đến lạm phát kỳ vọng và lỗ hổng sản lượng thay vì giá trị của các
biến này trong quá khứ hay hiện tại. Thực tế đó cho phép các ngân hàng trung ương đưa
các biến liên quan vào khoản mục khi hình thành dự báo của mình.
Gần đây, một số nghiên cứu đã mở rộng Quy tắc Taylor forward-looking bằng cách xem
xét ảnh hưởng của các biến khác trong việc điều hành chính sách tiền tệ. Một phần mở
rộng quan trọng có liên quan đến sự bao gồm của giá tài sản và các biến tài chính trong
quy tắc.
Vấn đề này đã gây ra một cuộc thảo luận rất lớn trong các tài liệu: trong khi một số tác

Tài liệu này mở rộng việc phân tích cho hai khu vực chưa được khám phá bởi những
nghiên cứu đó. Trước hết, lần đầu tiên nó cung cấp một mô hình phi tuyến để nghiên cứu
về chính sách tiền tệ của ECB, nơi mà sự hiện diện của bất đối xứng được đưa vào tài
khoản trực tiếp trong cấu trúc của mô hình. Thủ tục này sẽ cho phép một câu trả lời cho
các câu hỏi: liệu chính sách tiền tệ của ECB có thể được đặc trưng bởi một quy tắc Taylor
phi tuyến hay không? Hay nói cách khác, là ECB có phản ứng khác nhau khi mà lạm phát
ở trên và dưới mục tiêu hay không? Liệu nỗ lực của ECB là để đạt đúng mục tiêu đối với
lạm phát hay là giữ lạm phát trong một phạm vi nhất định? Thứ hai, nghiên cứu này cũng
mở rộng các thông số kĩ thuật phi tuyến tính của quy tắc Taylor với chỉ số tài chính đã
được sử dụng trong ước lượng tuyến tính để kiểm tra xem, sau khi kiểm soát phi tuyến,
ECB và hai ngân hàng TW khác có còn phản ứng với thông tin chứa trong là chỉ số đó
hay không.
Kết quả của việc ước lượng các mô hình hồi quy phi tuyến chuyển tiếp trơn (smooth
transition) rất thú vị. Đầu tiên, chúng chỉ ra rằng các Chính sách tiền tệ của ECB được
mô tả bằng một chính sách tiền tệ phi tuyến tính tốt hơn là một quy tắc Taylor tuyến tính:
nó chỉ phản ứng tích cực đối với lạm phát phát khi đó là trên 2,5%; và nó chỉ bắt đầu
phản ứng với các doanh nghiệp chu kỳ trong khi mức lạm phát ổn định, tức là thấp hơn
2,5%. Mặc dù ngưỡng ước lượng này cao hơn so với các mục tiêu chính thức (khoảng
2%), nhưng đây là một kết quả thực nghiệm xác nhận khá rõ rệt các nguyên tắc chính của
chính sách tiền tệ của ECB. Thứ hai, kết quả cũng cho thấy ECB - trái với các ngân hàng
trung ương khác - tiếp tục xem xét các thông tin chứa trong các chỉ số tài chính ngay cả
sau khi tính chất phi tuyến được kiểm soát. Thứ ba, chúng tôi tìm ra các bằng chứng thứ
yếu để bác bỏ các mô hình tuyến tính đối với Mỹ nhưng không bác bỏ cho Vương quốc
Anh, nơi mà BOE dường như đang theo đuổi một mục tiêu trung bình 1,8-2,4% tại mức
lạm phát chứ không phải là mức mục tiêu chính thức hiện tại là 2%.
Phần còn lại của bài viết này được tổ chức như sau: Phần 2 trình bày một đánh giá ngắn
gọn của các tài liệu về quy tắc Taylor. Cách thức dùng để ước lượng tuyến tính Quy tắc
Taylor được mô tả tại mục 3; phần này cũng trình bày những dữ liệu và phân tích kết quả
thực nghiệm của việc ước lượng các thông số kĩ thuật. Mô hình đã sử dụng để ước lượng
quy tắc Taylor phi tuyến được trình bày và phân tích trong phần 4, cũng như các kết quả

(2002), và Goodhart Hofmann (2002), Sack và Rigobon (2003), Chadha et al. (2004) và
Rotondi và Vaciago (2005) cho rằng ngân hàng trung ương nhắm mục tiêu giá tài sản là
điều quan trọng. Họ cũng cung cấp bằng chứng và sự ủng hộ theo hướng đó. Ngược lại,
ông Bernanke và Gertler (1999, 2001) và Bullard và Schaling (2002) không đồng ý với
một kiểm soát trước (ex-ante ) trên giá tài sản. Họ cho rằng một khi nội dung dự đoán của
giá tài sản cho lạm phát đã được tính toán, thì cơ quan tiền tệ không nên phản ứng với
biến động giá tài sản. Thay vào đó, các ngân hàng trung ương chỉ nên hành động nếu dự
kiến rằng chúng ảnh hưởng đến lạm phát dự báo hoặc sau sự bùng nổ của bong bóng tài
chính để tránh thiệt hại cho nền kinh tế thực.
Mặt khác, Drif fi ll et al. (2006) phân tích sự tương tác giữa chính sách tiền tệ và thị
trường tương lai trong bối cảnh của một hàm phản ứng tuyến tính. Họ tìm ra bằng chứng
ủng hộ cho sự bao gồm của giá tương lai trong hàm phản ứng của ngân hàng trung ương
như 1 đại diện cho sự ổn định tài chính. Hơn nữa, Kajuth (sắp xuất bản) cho thấy chính
sách tiền tệ cũng nên phản ứng với giá nhà bởi vì sự ảnh ưởng của nó đến việc tiêu thụ.
Vấn đề ổn định tài chính cũng được điều tra bởi Montagnoli và Napolitano (2005). họ
xây dựng và sử dụng một chỉ số điều kiện tài chính bao gồm tỷ giá hối đoái, giá cổ phần
và giá nhà trong ước lượng của quy tắc Taylor cho một số ngân hàng trung ương. Kết quả
cho thấy chỉ số này có thể hữu ích trong việc mô hình hóa các hành vi của chính sách tiền
tệ. Xem xét những phát triển này, mục tiêu đầu tiên của chúng tôi chỉ đơn giản là để ước
lượng một quy tắc Taylor tuyến tính cho khu vực châu Âu, Mỹ và Anh, nơi mà các thông
tin từ một số biến tài chính được hạch toán để làm sáng tỏ thêm về tầm quan trọng hoặc
không quan trọng của nó.
Trong tất cả các nghiên cứu đề cập đến nay, nguyên tắc Taylor được coi là một nguyên
tắc lãi suất tuyến tính đơn giản mà đại diện cho một chính sách cai trị tối ưu trong điều
kiện các ngân hàng trung ương muốn tối thiểu một hàm tổn thất đối xứng bậc hai và có
hàm tổng cung tiền là tuyến tính. Tuy nhiên, trong thực tế, có thể không có trường hợp
này và các ngân hàng trung ương có thể có sự ưu tiên bất đối xứng và, do đó, theo quy
tắc Taylor phi tuyến. Nếu các ngân hàng trung ương được chỉ định gán các trọng số khác
nhau đối với lạm phát tiêu cực và tích cực và lỗ hổng sản lượng trong hàm tổn thất, thì
khi đó một quy tắc Taylor phi tuyến dường như phù hợp hơn để giải thích hành vi của

thiết lập vào năm 1992 và tìm ra bằng chứng về tính chất phi tuyến trong việc điều hành
chính sách tiền tệ trong giai đoạn 1992-2000.
Họ chỉ ra rằng các nhà chức trách tiền tệ Anh cố gắng để giữ mức lạm phát trong một
phạm vi thay vì theo đuổi một mục tiêu điểm và có xu hướng phản ứng tích cực khi độ
lệch tăng hơn là giảm xuống của lạm phát khỏi phạm vi mục tiêu. Thiếu sót duy nhất của
bài báo là không cung cấp một kiểm định cho sự phù hợp của mô hình, ví dụ như các tác
giả không kiểm tra tính hợp lệ của mô hình phi tuyến của họ chống lại một mô hình tuyến
tính hoặc chống lại một lựa chọn thay thế phi tuyến khác. Đây là một vấn đề quan trọng
mà chúng tôi sẽ giới thiệu trong nghiên cứu này.
Gần đây, Petersen (2007) áp dụng một mô hình hồi quy chuyển tiếp trơn đơn giản đối với
chính sách tiền tệ của Fed trong giai đoạn 1985-2005 bằng cách sử dụng quy tắc Taylor
cơ bản và tìm ra sự hiện diện của phi tuyến: một khi lạm phát tiếp cận một ngưỡng nhất
định, Fed bắt đầu phản ứng mạnh mẽ hơn đối với lạm phát.
Tuy nhiên, Petersen (2007) không đưa vào tài khoản mức độ trơn của lãi suất hay khả
năng quy tắc Taylor là hướng tới tương lai. Vì vậy, một phân tích phi tuyến xem xét
những khía cạnh trong hành vi Fed là cần thiết.
Chúng tôi sẽ cung cấp các phân tích và mở rộng các quy tắc tiền tệ phi tuyến với các biến
số khác cung cấp thông tin về các điều kiện tài chính. Hơn nữa, đây là nghiên cứu đầu
tiên sử dụng dữ liệu cho các khu vực châu Âu, kiến thức của chúng tôi, để áp dụng một
mô hình phi tuyến với chế độ chuyển tiếp trơn để nghiên cứu về chính sách tiền tệ của
ECB.
3. Thống kê mô tả và ước lượng các quy tắc Taylor tuyến tính
Quy tắc Taylor tuyến tính cơ bản được quy định và ước lượng trong phần này. Chúng tôi
bắt đầu việc mô tả các quy tắc trong thời điểm hiện tại và tương lai. Sau đó, chúng tôi
tiến hành ước lượng đối với khu vực Euro, Mỹ và Anh. Trong phần 4, chúng tôi sẽ xem
xét một trường hợp quy tắc phi tuyến.
3.1. Nguyên tắc Taylor tuyến tính
Quy tắc dưới đây được đề xuất bởi Taylor (1993) để mô tả chính sách tiền tệ ở Mỹ trong
giai đoạn 1987-1992:
Quy tắc này liên quan đến lãi suất danh nghĩa ngắn hạn (i*) như là công cụ chính sách

t
là một vector bao gồm tất cả các
thông tin sẵn có cho các ngân hàng trung ương tại thời điểm thiết lập lãi suất.
Theo nguyên tắc Taylor, để chính sách tiền tệ được ổn định thì các hệ số về chênh
lêch lạm phát (β) nên vượt quá 1và hệ số lỗ hổng sản lượng (γ) nên dương. Một hệ số β
>1 nghĩa là ngân hàng trung ương sẽ tăng lãi suất thực để đáp ứng mức lạm phát cao hơn,
mà tạo nên một hiệu quả ổn định trong lạm phát; mặt khác, β <1 cho thấy một hành vi
điều tiết nới lãi suất phù hợp với lạm phát, có thể tạo ra khủng hoảng tự thực hiện của
lạm phát và sản lượng đầu ra. Một hệ số dương trên chênh lệch sản lượng đầu ra γ>0 có
nghĩa là trong các tình huống mà sản lượng thấp hơn mức tiềm năng của nó thì một sự
giảm trong lãi suất sẽ có tác động ổn định nền kinh tế.
Một quá trình thông thường khi ước lượng hàm phản ứng chính sách tiền tệ là để
kiểm soát tự tương quan trong lãi suất. Điều này thường được thực hiện bằng cách giả
định rằng các ngân hàng trung ương không điều chỉnh ngay lập tức lãi suất cho mong
muốn của mình nhưng lại quan tâm đến lãi suất làm phẳng. Một số cơ sở lý thuyết trong
các tài liệu trước đó đã đưa lãi suất làm phẳng trong quy tắc Taylor, giống như nỗi sợ hãi
sự gián đoạn trong thị trường tài chính, sự tồn tại của những rào cản giao dịch, sự tồn tại
của lãi suất danh nghĩa trái phiếu zero không ràng buộc thấp hơn hoặc thậm chí không
chắc chắn về những tác động của các cú sốc kinh tế. Như vậy, nếu Ngân hàng trung ương
điều chỉnh lãi suất dần về mức mong muốn, sự linh hoạt của điều chỉnh mức lãi suất hiện
tại với lãi suất mục tiêu được cho bởi:
Trong đó tổng của ρ
j
mức độ làm phẳng trong lãi suất và j đại diện cho số lượng
độ trễ. Số lượng các độ trễ trong phương trình này thường được lựa chọn trên cơ sở thực
nghiệm để không có tự tương quan trong các phần dư.
Xác định α = – (β - 1)π*,
t+p
= y
t+p

là một vector của các biến (công cụ) trong các thiết lập thông tin của
ngân hàng trung ương vào thời điểm họ chọn lãi suất và đó là trực giao đối với ε
t
. Trong
số đó chúng tôi có thể có một tập hợp các biến trễ có thể giúp dự đoán trong lạm phát, lỗ
hổng sản lượng và các biến ngoại sinh bổ sung, cùng với các biến khác mà các biến này
không tương quan với u
t
. Một ma trận trọng số tối ưu mà có thể giải thích tương quan
chuỗi và ngẫu nhiên trong ε
t
được sử dụng trong ước lượng. Xem xét rằng số chiều của
công cụ vector v
t
vượt quá số lượng tham số được ước tính, một số hạn chế phát hiện
phải được kiểm tra để đánh giá tính hợp lệ của các thống kê và thiết lập các công cụ được
sử dụng. Trong bối cảnh đó, kiểm định Hansen (1982) được thực hiện: dưới giả thuyết
tập hợp các công cụ là hợp lệ; bác bỏ trực giao có nghĩa là các ngân hàng trung ương
không điều chỉnh hành vi của mình với những thông tin về tương lai trong lạm phát và
sản lượng chứa trong các biến công cụ. Vì trong trường hợp đó, một số công cụ có tương
quan với v
t
, tập hợp các điều kiện trực giao sẽ bị vi phạm, dẫn đến việc loại bỏ mô hình.
Thực tế, để tiến hành ước lượng phương trình (5), chúng ta xem xét hình thức sau
đây:
trong đó các vector mới của các thông số có liên quan đến phương trình:
. Vì vậy, từ ước tính các thông số thu được từ (7), chúng
tôi có thể khôi phục ước lượng của α, β, γ và θ và các sai số chuẩn tương ứng bằng cách
sử dụng phương pháp delta. Sau Clarida và cộng sự. (1998), chúng tôi xem xét mức trung
bình của lãi suất thực tế quan sát được trong kỳ phân tích như là lãi suất thực cân bằng.

được sử dụng cho lãi suất hoặc lạm phát, hình 1-3 cho thấy cả hai biến vẫn tương đối ổn
định và ở mức thấp gần như trong suốt giai đoạn xem xét đối với mỗi nền kinh tế đã phân
tích trong nghiên cứu này. Trong cả ba trường hợp, lỗ hổng sản lượng (Output Gap) được
xây dựng bằng cách tính toán độ lệch phần trăm (log) của chỉ số sản xuất công nghiệp từ
xu hướng Hodrick-Prescott. Hình 1-3 cũng minh họa cho quá trình biến động theo thời
gian.
Đối với việc ước lượng các quy tắc tiền tệ của ECB, chúng tôi cũng xem xét vai
trò của cung tiền. Mục tiêu chính của ECB là ổn định giá cả, hay chính xác hơn, để giữ
mức lạm phát thấp nhưng gần 2% trong trung hạn. Tuy nhiên, chiến lược của họ cũng
dựa trên một khung phân tích dựa trên hai trụ cột: phân tích kinh tế và phân tích tiền tệ.
Lỗ hổng sản lượng được sử dụng trong mô hình của chúng tôi để nắm bắt hành vi của
nền kinh tế; để kiểm soát vai trò của tiền, chúng tôi đưa vào mô hình biến tốc độ tăng
trưởng của tổng tiền tệ M3 (M3). Về lý thuyết, chúng tôi kỳ vọng ECB sẽ tăng lãi suất
khi M3 cao hơn so với mục tiêu 4,5% đã được xác định bởi tổ chức này cho sự tăng
trưởng của tiền. Liệu biến này thực sự là mục tiêu của ECB hay không phải thì không
hoàn toàn rõ ràng và đã là vấn đề thảo luận lớn mà phân tích này sẽ cố gắng để đóng góp.
Biến tài chính và giá tài sản đại diện cho một nhóm các biến mà gần đây đã được
xem xét trong thống kê mô tả của quy tắc Taylor cho việc phân tích hành vi của các ngân
hàng trung ương. Trong nghiên cứu này, chúng tôi xem xét tác động của các biến không
phải 1 cách riêng lẻ mà tập hợp chúng trong một chỉ số, trong đó mỗi biến sẽ có một
trọng số khác nhau. Trọng số phụ thuộc vào tầm quan trọng kinh tế tương đối của mỗi
biến tại mỗi thời điểm cụ thể. Vì vậy, bước tiếp theo là xây dựng một chỉ số điều kiện tài
chính (FCI) được thiết kế để nắm bắt việc không liên kết của các biến trong các thị
trường tài chính. Một số chỉ số tiền tệ và tài chính đã được sử dụng trong nghiên cứu như
một phương pháp đo lường về lập trường chính sách tiền tệ và điều kiện tổng cầu. Do đó,
người ta cho rằng chỉ số như vậy có thể có khả năng nắm bắt sự phát triển hiện tại của thị
trường tài chính và đưa ra một dấu hiệu tốt về hoạt động kinh tế tương lai. Những chỉ số
đó cũng có thể chứa một số thông tin hữu ích về áp lực lạm phát tương lai, mà sau đó có
thể được đưa vào tính toán của các ngân hàng trung ương trong các hàm phản ứng của
họ. Thông thường, FCI được lấy từ bình quân gia quyền có trọng số của lại suất ngắn hạn

sự chênh lệch (ΔFutSprd) giữa các hợp đồng lãi suất kỳ hạn 3 tháng trong quý trước đó
(FutIR) và lãi suất ngắn hạn hiện hành. Tất cả những biến này chỉ ra các thông tin tài
chính có giá trị mà có thể được tập hợp vào một chỉ số đơn giản và sau đó đưa vào quy
tắc tiền tệ của các NHTW để kiểm định có hay không và làm thế nào họ phản ứng với
thông tin này khi họ đang thiết lập lãi suất.
Cho phép khả năng các thông số thay đổi theo thời gian, có nghĩa rằng một sự thay
đổi không quan sát được trong bất kỳ hệ số b
ijt
có thể được ước lượng sử dụng Kalman
Filter trong hình thức state-space của phương trình. (9):
trong đó, sai số được giả định là nhiễu trắng độc lập với ma trận phương sai - hiệp
phương sai-do Var(µ
t
) = Q và Var (ω
t
) = R, và với Var (µ
t
ω
s
) = 0, với mọi t và s. X là
ma trận của các biến giải thích cộng với một hằng số; tất cả các biến được trễ một khoảng
thời gian. Các vector β
t
có chứa tất cả các hệ số góc mà thay đổi theo thời gian. Bởi vì
người ta giả định rằng chúng tuân theo một quá trình bước ngẫu nhiên, ma trận F bằng
ma trận đơn vị. Kalman Filter cho phép chúng ta phát hiện sự linh hoạt của mối quan hệ
giữa lỗ hổng sản lượng và biến giải thích của nó. Thuật toán hồi quy này ước lượng vectơ
β
t
như sau:

chính sách tiền tệ. Vì lý do đó, ông đề nghị sử dụng các dữ liệu thời gian thực trong việc
phân tích các quy tắc chính sách tiền tệ, tức là dữ liệu có sẵn tại thời điểm ngân hàng
trung ương có quyết định về lãi suất. Tuy nhiên, Sauer và Sturm (2007) chỉ ra rằng việc
sử dụng các dữ liệu thời gian thực cho khu vực Euro thay vì dữ liệu đã điều chỉnh không
dẫn đến kết quả khác nhau đáng kể. Khi chất lượng của các dự đoán cho sản lượng và
lạm phát tăng lên trong những năm trước, những sự khác biệt này ít có ý nghĩa và ít có
vấn đề ngày nay, đặc biệt là trong trường hợp của khu vực Euro, đại diện cho đối tượng
nghiên cứu chính trong báo cáo này. Đối với lý do này, chúng tôi dựa chủ yếu vào dữ liệu
đã sửa đổi trong phân tích này. Tuy nhiên, trong phân tích độ tin cậy, chúng tôi sẽ cung
cấp một số kết quả với dữ liệu lạm phát và lỗ hổng sản lượng thực cho khu vực Euro thu
được từ các bản tin hàng tháng của ECB. Vì sản lượng công nghiệp là biến được điều
chỉnh thường xuyên hơn, chúng tôi cũng cố gắng để khắc phục vấn đề điều chỉnh dữ liệu
trong ba nền kinh tế bằng việc đưa vào mô hình một biến thay thế để thu thập thông tin
liên quan về tình trạng của các hoạt động kinh tế: tỷ lệ thất nghiệp (UR).
3.3. Kết quả thực nghiệm
Trước khi thực hiện ước lượng mô hình, điều quan trọng là phải xem xét một số
vấn đề. Thứ nhất, thời kỳ mẫu phải đủ dài để có đủ sự thay đổi đối với lạm phát, sản
lượng và EFCI để xác định hệ số góc. Phân tích hình 1-3, chúng tôi kết luận rằng lỗ hổng
sản lượng trình bày biến động vừa đủ trong ba nền kinh tế, nhưng biến động thấp của
trong lạm phát cho khu vực Euro và Anh cho thấy những phản ứng lãi suất đối với lạm
phát phải được phân tích một cách cẩn thận vì nó chỉ có thể đại diện hành vi của ECB và
BOE trong một khoảng thời gian lạm phát tương đối ổn định. Biến động thấp của EFCI
trong ba nền kinh tế cũng đòi hỏi chúng tôi xem xét kết quả cho biến này với sự nghi
ngờ. Thứ hai, điều cần thiết là các biến đưa vào mô hình ước lượng là tính dừng. Kiểm
định nghiệm đơn vị và tính dừng cho các biến được xem xét trong nghiên cứu này được
trình bày trong bảng 1.
Do độ mạnh thấp và hiệu suất kém của các kiểm định trong mẫu nhỏ, chúng tôi
báo cáo kết quả của hai kiểm định nghiệm đơn vị khác nhau (Dickey và Fuller, năm 1979
và Ng và Perron, 2001) và kết quả kiểm định tính dừng của KPSS (1992) để xem liệu độ
mạnh năng có là một vấn đề. Đối với khu vực Euro, độ mạnh của kiểm định nghiệm đơn

2. Sai số ngẫu nhiên và sai số chuẩn tự tương quan (Heteroscedasticity and
autocorrelation-consistent standard errors) được sử dụng trong tất cả các ước lượng.
Kết quả cho các ước lượng cơ sở forward-looking được trình bày trong cột 2 chỉ ra
sự phản ứng có ý nghĩa của ECB đối với lạm phát: một điểm phần trăm (pp) tăng trong tỷ
lệ lạm phát dự kiến hàng năm dẫn đến ECB tăng lãi suất nhiều hơn 1pp. Vì vậy, khi hệ số
hồi quy trong lạm phát lớn hơn một, lãi suất thực tăng cũng để đáp ứng mức lạm phát cao
hơn và điều này sẽ phát huy tác dụng ổn định mong muốn đối với lạm phát. Độc lập với
mối quan tâm chính về lạm phát, ECB cũng đáp ứng với chu kỳ kinh doanh: một pp gia
tăng trong lỗ hổng sản lượng tạo ra sự gia tăng lãi suất trong khoảng hai pp.
Chúng tôi cũng có được một ước lượng thú vị π* = 2.32, cho thấy mục tiêu tiềm
ẩn của ECB tại mức lạm phát là trong thực tế chỉ cao hơn một chút so với mục tiêu 2% đã
được công bố của sự ổn định giá. Trong thực tế, các dữ liệu biểu diễn trong hình 1 cho
thấy sự phát triển của tỷ lệ lạm phát phù hợp với kết quả này: lạm phát thì dưới (nhưng
gần) 2,3 - 2,4% đối với hầu hết thời gian, nhưng nhìn chung cao hơn mục tiêu chính thức
2%. Điều này có nghĩa rằng ECB gặp khó khăn trong việc thiết lập mục tiêu chính thức
đối với lạm phát để truyền tải ý tưởng rằng họ rất quan tâm trong việc kiểm soát mức lạm
phát (như Bundesbank). Nhưng bất chấp sự khó khăn này, chính sách của họ cho phép sự
khác nhau linh hoạt phù hợp giữa các nền kinh tế của khu vực Euro.
Tiếp theo chúng tôi mở rộng mô hình cơ sở xem xét các yếu tố khác rằng ngân
hàng trung ương có thể đưa vào phương trình khi xác định lãi suất. Theo các trụ cột tiền
tệ, ECB nên nhắm mục tiêu tốc độ tăng trưởng của M3. Tuy nhiên, không có ảnh hưởng
trọng yếu được phát hiện từ sự bao gồm M3 trong mô hình (xem cột 3). Kết quả này cho
thấy các bằng chứng được cung cấp bởi Fendel và Frenkel (2006) và Surico (2007b) là
tổng cung tiền thực sự không phải mục tiêu của ECB và cần được loại trừ khỏi phương
trình. Nhưng vì biến này thường cung cấp thông tin có giá trị để dự báo mức lạm phát, nó
tạo thành một biến quan trọng cần được xem xét trong tập hợp các công cụ.
Việc đưa các chỉ số điều kiện tài chính của ECB vào quy tắc tiền tệ cung cấp một
kết quả đáng chú ý: kết quả cho thấy rằng ECB đang nhắm mục tiêu không chỉ lạm phát
và các điều kiện kinh tế mà nó còn phản ứng với các điều kiện tài chính khi hoạch định
lãi suất. Các bằng chứng được cung cấp trong các cột 4 và 5 của Bảng 2 cho thấy các

ngại về lạm phát nhập khẩu (hoặc suy thoái kinh tế) dẫn đến 1 tốc độ tăng trưởng kinh tế
toàn cầu cao hơn (thấp hơn) ở trên (bên dưới) xu hướng được chống lại bởi một mức lãi
suất cao hơn (thấp hơn) trong khu vực Euro.
Nhóm tiếp theo của hồi quy là đưa ra để phân tích sự vững mạnh của các kết quả
trình bày cho đến nay. Kiểm định độ tin cậy đầu tiên có liên quan đến Định nghĩa lãi suất.
Chúng tôi đã xem xét Eonia như là công cụ chính sách, nhưng kết quả chính không bị
ảnh hưởng đáng kể khi chúng tôi sử dụng thay bằng lãi suất Euribor 3 tháng (xem cột 8).
Chỉ có những tiềm ẩn trong mục tiêu lạm phát cao hơn dự kiến, cho thấy việc sử dụng
Eonia là một lựa chọn hợp lý.
Vì sản xuất công nghiệp là không ổn định và một biến thường bị sửa đổi, chúng
tôi bao gồm một biến thay thế trong mô hình để nắm bắt phản ứng của ECB với điều kiện
kinh tế: lỗ hổng tỷ lệ thất nghiệp (UR gap). Biến này có khả năng cung cấp thông tin liên
quan về tình trạng của nền kinh tế tại thời điểm ngân hàng trung ương có quyết định về
lãi suất. Kết quả được trình bày trong cột 9 của bảng 2 và cho thấy hệ số hồi quy của biến
này là dương và có ý nghĩa, như mong đợi, và các kết quả khác không bị ảnh hưởng đáng
kể. Đặc biệt, khi tỷ lệ thất nghiệp cao hơn mức "tự nhiên" hay dài hạn của nó, Ngân hàng
trung ương có xu hướng giảm lãi suất. Kết quả quan trọng này chỉ ra rằng ECB không chỉ
đơn giản là nhắm mục tiêu tăng trưởng kinh tế khi đưa ra quyết định chính sách, mà nó
còn liên quan đến tình trạng thất nghiệp. Hơn nữa, không có sự khác biệt lớn thu được
ngay cả khi chúng tôi sử dụng FCI thay vì EFCI (xem cột 10). Kết quả cho thấy rằng các
điều kiện tài chính và kinh tế nói chung được đưa vào tài khoản của ECB khi cần hành
động chính sách.
Trong cột 11 và 12 chúng tôi sử dụng dữ liệu thời gian thực cho lạm phát và lỗ
hổng sản lượng thay vì dữ liệu đã điều chỉnh. Tuy nhiên, như đã thể hiện bởi Sauer và
Sturm (2007), việc sử dụng các dữ liệu thời gian thực cho các khu vực Euro, thay vì dữ
liệu đã điều chỉnh, không dẫn đến kết quả khác nhau đáng kể.
Cuối cùng, trong hai cột cuối cùng chúng tôi cung cấp một phân tích độ nhạy cho
sự lựa chọn thiết lập các công cụ, đặc biệt là những gì liên quan đến các công cụ lãi suất.
Như đã đề cập ở trên, độ trễ của lãi suất trái phiếu chính phủ chuẩn 10 năm (Yield10yr)
được sử dụng trong các bộ dụng cụ vì chúng chứa thông tin quá khứ tốt và hữu ích về sự

hổng sản lượng là dương và có ý nghĩa thống kê, như mong đợi. Kết quả cũng chỉ ra rằng
Fed đã theo mục tiêu lạm phát trung bình khoảng 3,5% so với tháng 10/1982 đến tháng
12/2007, trong khi BOE theo tỷ lệ lạm phát mục tiêu khoảng 2% trong giai đoạn tháng
10/1992 - tháng 12/2007, phù hợp với mục tiêu hiện nay được xác định bởi ngân hàng
trung ương này cho chính sách tiền tệ của họ.