BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHÂN TÍCH MỐI QUAN HỆ GIỮA
GIÁ DẦU BRENT VÀ TỈ GIÁ USD/CAD

Tp Hồ Chí Minh, năm 2021


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHÂN TÍCH MỐI QUAN HỆ GIỮA
GIÁ DẦU BRENT VÀ TỈ GIÁ USD/CAD
Thành viên nhóm

Chuyên ngành: Kinh tế lượng ứng dụng

Nguyễn Hồng Tuấn
Trần Khánh Hịa
Lê Nguyễn Anh Tú
Tống Hồng Nhật

MSSV:31191024191
MSSV:31191026593
MSSV:31191024176
MSSV: 31191022268

GV hướng dẫn
Th.s Nguyễn Quang

Tp Hồ Chí Minh, năm 2021


MỤC LỤC

TRANG PHỤ BÌA
MỤC LỤC
TĨM TẮT

I.

ĐẶT VẤN ĐỀ..........................................................................................................................................4

II.

KHẢO LƯỢC LÝ THUYẾT VÀ NGHIÊN CỨU TRƯỚC ĐÓ...................................................4

a)

KHẢO LƯỢC LÝ THUYẾT.............................................................................................................4

b)

NGHIÊN CỨU TRƯỚC ĐÓ.............................................................................................................6

III.

PHƯƠNG PHÁP NGHIÊN CỨU.....................................................................................................8

IV.


KẾT QUẢ NGHIÊN CỨU.................................................................................................................9

V.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH...........................................................................................20
TĨM TẮT CÁC KẾT LUẬN VÀ THẢO LUẬN CHÍNH...................................................................20
HÀM Ý CHÍNH SÁCH CỦA ĐỀ TÀI....................................................................................................20

TÀI LIỆU THAM KHẢO............................................................................................................................20


I.

ĐẶT VẤN ĐỀ

Mối quan hệ giữa dầu Brent và nền kinh tế nói chung và đồng USD/CAD nói riêng là một
vấn đề được nhiều nhà kinh tế đặc biệt quan tâm. Bài nghiên cứu của nhóm mong muốn hướng
đến làm rõ mối quan hệ giữa dầu Brent và tỷ giá hối đoái đồng USD/CAD.
Từ lâu, dầu đã được nhiều người gọi với cái tên “vàng đen”. Dầu chiếm phần không hề nhỏ
trong tiêu thụ năng lượng trên toàn thế giới, với các nước càng phát triển thì nhu cầu tiêu thụ dầu
càng lớn. Mỹ, nền kinh tế phát triển nhất nhì thế giới, tiêu thụ 18% sản lượng dầu sản xuất ra vào
năm 2015 và thế giới nói chung tiêu thụ khoảng 36 tỉ thùng dầu mỗi năm. Việc sản xuất, tinh chế,
phân phối và bn bán xăng dầu nói gộp chung là ngành công nghiệp lớn nhất trên thế giới theo
giá trị đồng đơ la. Xăng dầu đóng một phần không nhỏ trong đời sống con người trong bối cảnh
hiện đại và nó có sức ảnh hưởng khơng hề nhỏ đến nền kinh tế thế giới nói chung và từng quốc
gia nói riêng. Như nhiều loại hàng hóa sơ cấp khác, giá dầu được thể hiện bằng đồng USD khơng
chỉ trên thị trường hàng hóa mà cịn bởi các tổ chức quốc tế như IMF (Quỹ tiền tệ quốc tế), thể
hiện không nhỏ sự ảnh hưởng của xăng dầu và giá dầu đến nền kinh tế.
Thêm vào đó Canada luôn nằm trong số những quốc gia dẫn đầu về sản lượng dầu cũng

như xuất khẩu dầu thơ. Tính đến năm 2020, sản lượng dầu của Canada đạt hơn 5.5 triệu
thùng/ngày, nằm trong top 4 thế giới, trong khi xuất khẩu đạt 3 triệu thùng/ngày, nhiều thứ 3 thế
giới chỉ sau Ả Rập Xê Út và Iraq.Với chế độ petrodollar, dầu thô trên thế giới luôn được yết giá
theo USD, vì vậy đồng bạc xanh ln là đồng tiền thanh toán trong các giao dịch dầu trên thế
giới. Hơn nữa, 95% sản lượng xuất khẩu dầu của Canada được xuất khẩu sang Mỹ, chiếm 40%
tổng lượng dầu nhập khẩu của Mỹ. Tất cả điều này khiến tỷ giá USD/CAD chịu ảnh hưởng bởi
giá dầu.
Thực tế, Hamilton (1983) đã phát hiện ra mối liên kết giữa giá dầu và chu kỳ kinh tế của
Mỹ. Đó là một mối liên kết đồng biến, trong đó sự tăng của giá dầu đi kèm với sự tăng giá của
đồng USD. Tuy nhiên, sự đi kèm này vẫn ít được ai quan tâm đến việc yếu tố nào kéo theo yếu tố
nào: giá dầu tăng dẫn đến giá đồng USD tăng hay thực tế lại là ngược lại? Biết được mối liên kết
này bắt đầu từ đâu hay thậm chí là liệu chúng có mối quan hệ hai chiều hay không sẽ giúp các
doanh nghiệp, nhà đầu tư, nhà sản xuất và các nhà hoạch định chính sách có thể dự đốn và bắt
kịp với sự thay đổi trong hiện tại và trong tương lai mà qua đó, họ có thể nhanh chóng phản ứng
với sự thay đổi để hạn chế các hậu quả phát sinh hay nắm bắt cơ hội trong kinh doanh.

II.

KHẢO LƯỢC LÝ THUYẾT VÀ NGHIÊN CỨU TRƯỚC ĐÓ

a) KHẢO LƯỢC LÝ THUYẾT
Giới thiệu mơ hình VAR
Mơ hình VAR hay cịn gọi là mơ hình vectơ tự hồi quy là một dạng tổng qt của mơ hình
tự hồi quy đơn chiều (univariate autoregressive model) trong dự báo một tập hợp biến, nghĩa là
một vector của biến chuỗi thời gian. Nó ước lượng từng phương trình của mỗi biến chuỗi theo
các độ trễ của biến (p) và tất cả các biến còn lại (Vế phải của mỗi phương trình bao gồm một


hằng số và các độ trễ của tất cả các biến trong hệ thống). Một cách đơn giản, mơ hình VAR 2
chiều với 1 độ trễ có dạng hệ 2 phương trình như sau:


Hoặc biểu diễn dưới dạng ma trận như sau:

(1)
Trong đó:
 và là 2 biến số của d_ucad và d_oil. Hai biến này được bố trí nằm trong 1 vector và được
hồi quy theo 2 biến độc lập tương ứng là giá trị quá khứ của từng biến và .
Đó là lý do tại sao người ta lại gọi là tự hồi quy.
 và là các sai số nhiễu thuần (white noise) có thể tương quan đồng thời với nhau
(contemporaneously correlated).
 Hệ số đo lường tác động của biến trễ lên biến
 Hệ số đo lường tác động của biến trễ lên biến
Mơ hình tổng qt
Mơ hình VAR tổng qt hay cịn gọi là mơ hình TVP – VAR (tạm dịch là mơ hình VAR với
các tham số thay đổi theo thời gian – Time Varing Parameter VAR model) bao gồm K biến giải
thích, p độ trễ. Như vậy, số lượng tham số được ước lượng trong mô hình VAR sẽ là hay mỗi
phương trình trong K phương trình sẽ có (1 + pK) tham số được ước lượng. Số lượng tham số
được ước lượng càng nhiều thì sai số ước lượng trong dự báo sẽ càng cao. Trong thực tế, thơng
thường người ta duy trì K nhỏ và chỉ bao gồm những biến có sự tương quan cao với nhau. Ngồi
ra, dựa vào các tiêu chí phân loại như AIC, HQ (tiêu chí Hannan-Quinn), SC (hoặc BIC), FPE
(tiêu chí Final Prediction Error) để lựa chọn độ trễ phù hợp [1].
Bản chất
Mơ hình VAR thật ra là sự kết hợp của 2 mơ hình: tự hồi quy đơn chiều (univariate
autoregression-AR) và hệ phương trình đồng thời (simultanous equations-SEs). Mơ hình VAR kết
hợp ưu điểm của AR là rất dễ ước lượng bằng phương pháp tối thiểu hóa phần dư (OLS) và ưu
điểm của SEs là ước lượng nhiều phương trình đồng thời trong cùng 1 hệ thống. Ngồi ra, mơ
hình VAR có thể khắc phục được nhược điểm của SEs là nó khơng cần quan tâm đến tính nội
sinh của các biến kinh tế (endogeneity). Tức là các biến kinh tế vĩ mơ thường mang tính nội sinh
khi chúng tác động qua lại lẫn nhau. Thuộc tính này làm cho phương pháp cổ điển hồi quy bội
dùng 1 phương trình hồi quy nhiều khi bị sai lệch khi ước lượng. Đây là những lý do cơ bản

khiến mô hình VAR trở nên phổ biến trong nghiên cứu kinh tế vĩ mơ. Nó cũng chính là nền tảng
cho nghiên cứu về sự đồng kết hợp (cointegration) của Engle và Granger (1983, 1987)[2].


Điểm mạnh của mơ hình VAR
Những người ủng hộ mơ hình VAR nhấn mạnh các ưu điểm của phương pháp này:
(i) Đây là phương pháp đơn giản; ta không cần phải lo lắng về việc xác định các biến nào là
biến nội sinh và biến nào là biến ngoại sinh. Tất cả các biến trong VAR đều là biến nội;
(ii) Phép ước lượng đơn giản, tức là, phương pháp OLS thơng thường có thể được áp dụng
cho từng phương trình riêng lẽ;
(iii)Trong nhiều trường hợp, các dự báo tính được bằng phương pháp tốt hơn các dự báo
tính được từ các mơ hình phương trình đồng thời phức tạp hơn.
Hạn chế của mơ hình VAR
Những người chỉ trích phương pháp xây dựng mơ hình VAR nêu ra một số vấn đề sau đây:
 Khơng như các mơ hình phương trình đồng thời, mơ hình VAR là mơ hình lý thuyết a bởi
vì nó sử dụng ít thơng tin tiên nghiệm hơn. Nhớ lại rằng trong các mơ hình phương trình
đồng thời, việc loại trừ hay đưa vào các biến nhất định đóng một vai trị trọng yếu trong
việc xác định mơ hình.
 Do trọng tâm được đặt vào dự báo, các mơ hình VAR ít phù hợp cho phân tích chính sách.
 Thách thức thực nghiệm lớn nhất trong phương pháp xây dựng mơ hình VAR là lựa chọn
khoảng trễ thích hợp. Trừ khi cỡ mẫu lớn, ước lượng nhiều tham số sẽ sử dụng rất nhiều
bậc tự do với tất các vấn đề khó khăn liên quan.
 Nói một cách chặt chẽ, trong một mơ hình VAR K biến, tất cả K biến phải (cùng) có tính
dừng. Nếu điều kiện này không được thỏa mãn, ta sẽ phải biến đổi dữ liệu một cách thích
hợp (ví dụ bằng cách lấy sai phân bậc 1). Như Harvey đã lưu ý, các kết quả từ dữ liệu đã
biến đổi có thể khơng thỏa đáng. Harvey cịn lưu ý tiếp là “Do vậy, phương pháp thường
được những người ủng hộ mơ hình VAR áp dụng là để thực hiện ở các mức độ, thậm chí
nếu một số chuỗi thời gian khơng có tính dừng. Trong trường hợp này, điều quan trọng là
nhận ra tác động của các nghiệm đơn vị đối với sự phân phối của các ước lượng”.
b) NGHIÊN CỨU TRƯỚC ĐĨ

Mối liên hệ giữa giá dầu và tỷ giá đơ la Mỹ, có thể được quan sát thấy từ những năm 1990,
đang thu hút sự quan tâm của nhiều nhà kinh tế. Thực tế là hàng hóa giá chủ yếu được tính bằng
đơ la Mỹ đương nhiên dẫn đến một câu hỏi liên quan đến mối quan hệ giữa giá cả hàng hóa và tỷ
giá hối đối Đơ La. Về cơ bản, hai cách tiếp cận kiểm tra mối liên hệ giữa giá dầu. Cách tiếp cận
đầu tiên kiểm tra tỷ giá hối đoái hiệu quả thực của tiền tệ cụ thể và sử dụng giá thực của dầu làm
đại diện cho những thay đổi trong các điều khoản thương mại (Amano and van Norden, 1998a,b;
Chaudhuri and Daniel, 1998; Bénassy Quéré et al., 2005; Habib and Kalamova, 2007) Kết quả
này thường tìm thấy sự phụ thuộc lẫn nhau của hai biến số với giá dầu trực tiếp ảnh hưởng đến
giá thực của tỷ giá hối đoái hiệu quả của các quốc gia được xem xét. Với tỷ lệ dầu cao ở tổng
nhập khẩu của hầu hết các nước công nghiệp, kết luận này phù hợp với kinh tế trực giác.


Cách tiếp cận thứ hai và cũng là cách tiếp cận của bài này là xem xét mối quan hệ giữa giá
dầu và tỷ giá hối đoái của đồng tiền mà dầu được giao dịch, tức là đô la Mỹ. Theo Moz and
Dickey (2009), biến động của đồng đơ la Mỹ ảnh hưởng đến giá dầu đơn giản vì giá hàng hóa
được tính bằng đơ la Mỹ. Kết quả của cách tiếp cận này về cơ bản xác nhận các chuyển động trái
ngược của hai biến, tức là một đồng đô la suy yếu làm cho giá dầu và các mặt hàng khác tăng lên
và củng cố ngược lại đồng đô la làm cho chúng giảm (Cuaresma and Breitenfellner, 2008; Brown
et al., 2008; European Commission, 2008; Schulmeister, 2009; Lizardo and Mollick, 2010; Hošek
et al., 2011). Tỷ giá hối đoái giữa hai tiền tệ là tỷ giá mà tại đó một đồng tiền này sẽ được trao đổi
cho một đồng tiền khác. Nó cũng được coi là giá cả đồng tiền của một quốc gia được biểu hiện
bởi một tiền tệ khác. Trong bài này nhóm em sẽ sử dụng đồng USD/CAD thay cho đồng đô la
Mỹ, USD/CAD là viết tắt của cặp tiền tệ đô la Mỹ trên đô la Canada.
Có một số giải thích cho mối quan hệ nghịch đảo giữa giá dầu và tỷ giá hối đối đơ la Mỹ.
Một trong số đó liên quan đến vai trị ngày càng tăng của các nhà đầu tư trong thị trường hàng
hóa liên quan đến lợi nhuận tài sản tài chính giảm ở các nước tiên tiến. Trong trường hợp này,
dầu mỏ là một tài sản đầu tư được công nhận được sử dụng như một phương tiện để đa dạng hóa
rủi ro lạm phát, rủi ro giảm giá đơ la Mỹ hoặc rủi ro thị trường chứng khoán sụt giảm. Hơn nữa,
đồng đơ la Mỹ giảm giá hoặc chính sách tiền tệ nới lỏng trong Hoa Kỳ ngụ ý nới lỏng các điều
kiện tiền tệ ở các quốc gia có tỷ giá hối đối gắn liền với đồng đơ la. Các nước xuất khẩu dầu mỏ

và Trung Quốc là những ví dụ điển hình. Nhu cầu ở các quốc gia này, bao gồm cả nhu cầu đối với
các sản phẩm dầu, sau đó tăng lên, củng cố ảnh hưởng của chính sách tiền tệ của Hoa Kỳ đối với
giá cả thị trường hàng hóa. Ngồi ra, sự suy yếu của đồng đô la so với tiền tệ của các quốc gia có
tỷ giá hối đối thả nổi có nghĩa là giá dầu nội tệ trở nên thấp hơn. Điều này có thể gây ra sự gia
tăng nhu cầu đối với dầu ở các nước này.
Một ví dụ điển hình khi giá dầu tăng (chính là giá dầu theo USD), dòng tiền USD chảy từ
Mỹ sang Canada cũng tăng lên. Điều này khiến cho nguồn cung đồng USD tại Canada tăng lên,
trong khi nguồn cung đồng CAD không đổi. Điều này khiến cho USD suy yếu so với CAD, hay
nói cách khác, đồng Loonie mạnh lên so với đồng Dollar, khiến tỷ giá USD/CAD giảm. Ngược
lại, khi giá dầu giảm, tỷ giá USD/CAD tăng lên. Như vậy, giá dầu sẽ biến động ngược chiều so
với USD/CAD.
Vai trò quan trọng trong việc định giá dầu thô và các mặt hàng khác. Hóa đơn mua bán dầu
thơ trên thị trường quốc tế chủ yếu được thể hiện bằng đô la và do đó, biến động của tỷ giá hối
đối đồng đơ la ảnh hưởng đến giá dầu (Coudert et al., 2007). Một số nghiên cứu đã làm nổi bật
cáchsự thay đổi của giá dầu ảnh hưởng đến các biến số kinh tế vĩ mô như tăng trưởng GDP, tỷ lệ
thất nghiệp, lạm phát và giá trị cổ phiếu. Các nghiên cứu bao gồm Brown and Yücel (2002,
2010), Blanchard and Gali (2007), Wang et al. (2013), và Basher et al. (2012)
Basher et al. (2012) đã nghiên cứu mối quan hệ năng động giữa giá dầu, tỷ giá hối đoái và
giá chứng khoán thị trường mới nổi. Một mơ hình tự động hồi quy vectơ cấu trúc được đề xuất và
ước tính và các cú sốc tích cực đối với giá dầu có xu hướng làm giảm giá chứng khoán trên thị
trường mới nổi và tỷ giá hối đối đơ la Mỹ trong ngắn hạn.


Beckmann and Czudaj (2013) xem xét hai vấn đề trước đây đã bị bỏ qua trong phân tích
mối quan hệ giữa giá dầu và tỷ giá hối đoái hiệu quả của đồng đơ la, đó là động lực điều chỉnh
phi tuyến và sự khác biệt giữa các liên kết danh nghĩa và thực tế. Phát hiện của họ không chỉ cho
thấy kết quả phụ thuộc vào việc lựa chọn thước đo tỷ giá hối đối mà cịn cho thấy các mơ hình
quan hệ nhân quả thay đổi theo thời gian chủ yếu chạy từ tỷ giá hối đoái danh nghĩa đến giá dầu
danh nghĩa.
Tác động của tỷ giá đồng đô la lên giá dầu có thể trong ngắn hạn hoặc dài hạn. Benhabib et

al. (2014) điều tra nếu giá dầu có mối liên hệ lâu dài với tỷ giá hối đoái danh nghĩa của USD đối
với đồng dinar của Algeria. Nghiên cứu cho thấy mức tăng 1% trong giá dầu sẽ khiến đồng Dinar
của Algeria mất giá 0,35% so với Đơ la Mỹ. Zhang et al. (2008) tìm thấy một mối quan hệ cân
bằng dài hạn giữa hai biến số.
III.
PHƯƠNG PHÁP NGHIÊN CỨU
- Nhóm sử dụng mơ hình VAR để phân tích các mối quan hệ giữa giá dầu Brent và tỷ giá
USD/CAD
- Giải thích các biến số :
+ Tỷ giá hối đoái giữa hai tiền tệ là tỷ giá mà tại đó một đồng tiền này sẽ được trao đổi cho một
đồng tiền khác. Nó cũng được coi là giá cả đồng tiền của một quốc gia được biểu hiện bởi một
tiền tệ khác. USD/CAD là viết tắt của cặp tiền tệ đô la Mỹ trên đô la Canada.
+ Yết giá của cặp tiền tệ USD/CAD sẽ thể hiện cho người xem biết được là cần bao nhiêu đô la
Canada (đồng tiền định giá) để mua một đô la Mỹ (đồng tiền cơ sở).
+ Dầu thô Brent (tiếng Anh: Brent Crude) là một phân loại thương mại đại diện cho dầu thơ ngọt
nhẹ, đóng vai trị chính trong việc kiểm chuẩn giá dầu trên toàn thế giới. Giá dầu Brent là chuẩn
mực hàng đầu về giá dầu thô lưu vực Đại Tây Dương. Nó được sử dụng để định giá 2/3 nguồn
cung dầu thô giao dịch quốc tế trên thế giới.
+ Các biến số được trích từ dữ liệu trang : . Dữ liệu tính theo tháng bắt
đầu từ 1/1/2001 đến 21/10/2021 . Có 500 biến trong đó 250 biến về tỷ giá hối đoái USD/CAD và
250 biến về giá dầu Brent.
- Các bước phân tích số liệu, kiểm định giả thuyết:
+ Vẽ biểu đồ của 2 biến tỷ giá hối đoái USD/CAD và giá dầu để nhận xét xu hướng và tính dừng
của chúng.
+ Lấy sai phân 2 biến để chúng xuất hiện tính dừng.
+ Dùng kiểm định Augmented Dickey-Fuller Test Unit Root Test và Zivot-Andrews Unit Root
Test để xác nhận tính dừng của mơ hinh ( trong đó kiểm định Zivot-Andrews cho biến d_oil vì
trên biểu đồ biến d_oil xuất hiện các đoạn đứt gãy lớn ).
+ Dùng AIC để xác nhận bậc phù hợp của mô hình VAR.



+ Hồi quy mơ hình VAR hai biến với bậc đã chọn.
+ Kiểm định các yếu tố tự tương quan, phương sai thay đổi và phân phối chuẩn của phần dư, tính
ổn định của mơ hình .
+ Dựa trên kết quả mơ hình VAR, kiểm định nhân quả Granger về tác động qua lại giữa hai chuỗi
biến động giá đã cho.
+ Vẽ các đồ thị hàm phản ứng (impulse response function) cho các tác động qua lại giữa hai biến
+ Vẽ đồ thị phân rã phương sai dự báo của từng biến.
+ Từ kết quả hồi quy VAR, dự báo biến động của hai biến trong các tháng tới.
IV.

KẾT QUẢ NGHIÊN CỨU

Trình bày các kết quả phân tích và kiểm định giả thuyết:
Sử dụng kiểm định Augmented Dickey-Fuller để kiểm tra tính dừng của hai chuỗi
summary(ur.df(oil, type = "trend", lags = 8, selectlags = "AIC"))
##
##
##
##
##
##
##
##

# Augmented Dickey-Fuller Test Unit Root Test #
Value of test-statistic is: -2.5789 2.3378 3.3791
Critical values for test statistics:
1pct 5pct 10pct
tau3 -3.99 -3.43 -3.13

phi2 6.22 4.75 4.07
phi3 8.43 6.49 5.47

 Do đó biến oil có unit root test
summary(ur.df(d_oil, type = "none", lags = 8, selectlags = "AIC"))
## Value of test-statistic is: -9.5903
##
## Critical values for test statistics:
##
1pct 5pct 10pct
## tau1 -2.58 -1.95 -1.62

 Do đó biến d_oil khơng có unit root test đã stationary

summary(ur.za(d_oil, model = "both"))
## # Zivot-Andrews Unit Root Test #
## Teststatistic: -13.0803


## Critical values: 0.01= -5.57 0.05= -5.08 0.1= -4.82
## Potential break point at position: 231

 Xác nhận lần nữa d_oil đã stationary
summary(ur.df(ucad, type = "trend", lags = 8, selectlags = "AIC"))
##
##
##
##
##
##

##

Value of test-statistic is: -2.2334 2.4728 3.4713
Critical values for test statistics:
1pct 5pct 10pct
tau3 -3.99 -3.43 -3.13
phi2 6.22 4.75 4.07
phi3 8.43 6.49 5.47

 Do đó biến ucad vẫn có unit root test
summary(ur.df(d_ucad, type = "none", lags = 8, selectlags = "AIC"))
## Value of test-statistic is: -7.0593
## Critical values for test statistics:
##
1pct 5pct 10pct
## tau1 -2.58 -1.95 -1.62

 Do đó biến d_ucad khơng có unit root test đã stationary

summary(ur.za(d_ucad, model = "both"))
##
##
##
##
##

# Zivot-Andrews Unit Root Test #
Teststatistic: -17.0924
Critical values: 0.01= -5.57 0.05= -5.08 0.1= -4.82
Potential break point at position: 81


 Xác nhận bằng kiểm định khác thì d_oil vẫn stationary

Vẽ các đồ thi ACF và PACF của d_oil và d_ucad
par(mfrow = c(2,2))
Acf(d_ucad, main = "ACF of exchange rates")
Pacf(d_ucad, main = "PACF of exchange rates")
Acf(d_oil, main = "ACF of oil price change")
Pacf(d_oil, main = "PACF of oil price change")


 Từ đồ thị các lag đều nằm trong vùng khơng có ý nghĩa xác nhận các biến đều đã stationary
Chọn bậc VAR phù hợp
par(mfrow = c(1,1))
lagsel <- VARselect(data, lag.max = 10, type = "both")
lagsel$criteria
##
1
2
3
4
5
6
## AIC(n) 6.396692 6.382762 6.383910 6.387654 6.416166 6.440960
## HQ(n) 6.443585 6.453101 6.477695 6.504886 6.556845 6.605085
## SC(n) 6.513059 6.557313 6.616644 6.678572 6.765267 6.848245
## FPE(n) 599.861422 591.572016 592.268280 594.518602 611.757227
627.177031
##
7

8
9
10
## AIC(n) 6.448216 6.464180 6.473106 6.478623
## HQ(n) 6.635787 6.675198 6.707570 6.736533
## SC(n) 6.913684 6.987832 7.054941 7.118641
## FPE(n) 631.827990 642.105104 648.000023 651.754737
lagsel$selection
## AIC(n) HQ(n) SC(n) FPE(n)
##
2
1
1
2


 Ưu tiên chọn theo AIC thì VAR bậc 2 là phù hợp với mơ hình nhất
Hồi quy theo VAR bậc 2 ta được phương trình kết quả hồi quy:

var2 <- VAR(data, p = 2, type = "both")
summary(var2)
##
##
##
##
##
##
##
##
##

##
##

VAR Estimation Results:
=========================
Endogenous variables: d_ucad, d_oil
Deterministic variables: both
Sample size: 247
Log Likelihood: -1473.756
Roots of the characteristic polynomial:
0.4275 0.4275 0.1731 0.1408
Call:
VAR(y = data, p = 2, type = "both")

-> Roots of the characteristic polynomial đều nhỏ hơn 1 nên mơ hình VAR này ổn định
##
##
##
##
##
##
##
##
##
##
##
##
##

Estimation results for equation d_ucad:

=======================================
d_ucad = d_ucad.l1 + d_oil.l1 + d_ucad.l2 + d_oil.l2 + const + trend
Estimate Std. Error t value Pr(>|t|)
d_ucad.l1 -0.141198 0.072028 -1.960 0.0511 .
d_oil.l1 -0.033743 0.018116 -1.863 0.0637 .
d_ucad.l2 -0.026709 0.071909 -0.371 0.7106
d_oil.l2 -0.014024 0.018106 -0.775 0.4394
const
-0.470356 0.337648 -1.393 0.1649
trend
0.003018 0.002330 1.295 0.1965
--Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 Ở mức ý nghĩa 10% thì chỉ có 2 biến d_ucad.l1 và d_oil.l1 tác động đến giá trị biến d_ucad.
## Estimation results for equation d_oil:
## ======================================
## d_oil = d_ucad.l1 + d_oil.l1 + d_ucad.l2 + d_oil.l2 + const + trend


##
##
##
##
##
##
##
##
##
##


Estimate Std. Error t value Pr(>|t|)
d_ucad.l1 -0.056635 0.283097 -0.200 0.84161
d_oil.l1 0.224418 0.071203 3.152 0.00183 **
d_ucad.l2 -0.635424 0.282631 -2.248 0.02547 *
d_oil.l2 -0.166892 0.071164 -2.345 0.01983 *
const
0.822653 1.327086 0.620 0.53591
trend
-0.003199 0.009159 -0.349 0.72722
--Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 Ở mức ý nghĩa 5% thì chỉ có 1 biến d_oil.l1 ,d_ucad.l2, d_oil.l2 là tác động đến mơ hình.
Kiểm định các yếu tố tự tương quan
sa1 <- serial.test(var2, lags.pt = 16, type = "PT.asymptotic")
sa1
##
## Portmanteau Test (asymptotic)
##
## data: Residuals of VAR object var2
## Chi-squared = 61.088, df = 56, p-value = 0.2982
sa2 <- serial.test(var2, lags.bg = 5, type = "BG")
sa2
##
## Breusch-Godfrey LM test
##
## data: Residuals of VAR object var2
## Chi-squared = 22.033, df = 20, p-value = 0.3387

 p-value lớn hơn mức ý nghĩa 5% nên phần dư khơng có sự tương quan
Kiểm định phương sai thay đổi


het <- arch.test(var2, lags.multi = 5, multivariate.only = TRUE)
het
##
## ARCH (multivariate)
##
## data: Residuals of VAR object var2
## Chi-squared = 28.195, df = 45, p-value = 0.9764


 Giá trị p-value > 5% nên phương sai không thay đổi.
Kiểm định phân phối chuẩn của phần dư

norm <- normality.test(var2)
norm
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

##
##
##
##
##
##
##

$JB
JB-Test (multivariate)
data: Residuals of VAR object var2
Chi-squared = 2267.7, df = 4, p-value < 2.2e-16

$Skewness
Skewness only (multivariate)
data: Residuals of VAR object var2
Chi-squared = 161.22, df = 2, p-value < 2.2e-16

$Kurtosis
Kurtosis only (multivariate)
data: Residuals of VAR object var2
Chi-squared = 2106.5, df = 2, p-value < 2.2e-16

p-value < 5% bác bỏ giả thuyết H0 ,mơ hình khơng có phân phối chuẩn
Kiểm tra độ ổn định của mơ hình
sb1 <- stability(var2, type = "Rec-CUSUM")
plot(sb1)


 Mơ hình ổn định vì đường biểu thị Rec- CUSUM khơng vượt ra ngồi 2 biên đỏ

sb2 <- stability(var2, type = "OLS-CUSUM")
plot(sb2)


 Mơ hình ổn định vì đường biểu thị OLS- CUSUM khơng vượt ra ngồi 2 biên đỏ
Kiểm định nhân quả Granger về tác động qua lại giữa hai chuỗi biến động giá
granger_oil <- causality(var2, cause = "d_oil",
vcov. = vcovHC(var2, type = "HC1"))
granger_oil
##
##
##
##
##
##

$Granger
Granger causality H0: d_oil do not Granger-cause d_ucad
data: VAR object var2
F-Test = 1.7056, df1 = 2, df2 = 482, p-value = 0.1828

 p-value lớn hơn mức ý nghĩa 5% nên biến d_oil khơng có quan hệ nhân quả Granger với biến
d_ucad.Nghĩa là biến động của giá dầu không góp phần dự báo biến động của tỷ giá hối đoái
USD/CAD
##
##
##
##
##
##


$Instant
H0: No instantaneous causality between: d_oil and d_ucad
data: VAR object var2
Chi-squared = 44.44, df = 1, p-value = 2.622e-11


 p-value rất nhỏ nên bác bỏ Ho , biến d_oil và d_ucad có quan hệ nhân quả tức thời
granger_ucad<- causality(var2, cause = "d_ucad",
vcov. = vcovHC(var2, type = "HC1"))
granger_ucad
##
##
##
##
##
##

$Granger
Granger causality H0: d_ucad do not Granger-cause d_oil
data: VAR object var2
F-Test = 3.5261, df1 = 2, df2 = 482, p-value = 0.03018

 p-value =0,03018 > 5% . Nên ở mức ý nghĩa 5% thì biến d_ucad có quan hệ nhân quả
Granger với biến d_oil. Nghĩa là biến động tỷ giá hối đoái USD/CAD góp phần dự báo biến
động của giá dầu
##
##
##
##

##
##

$Instant
H0: No instantaneous causality between: d_ucad and d_oil
data: VAR object var2
Chi-squared = 44.44, df = 1, p-value = 2.622e-11

 p-value rất nhỏ nên bác bỏ Ho , biến d_ucad và d_oil có quan hệ nhân quả tức thời với nhau
Đồ thị hàm phản ứng
irf_oil_ucad <- irf(var2, impulse = "d_oil", response = "d_ucad",
n.ahead = 16, boot = TRUE)
plot(irf_oil_ucad, ylab = "exchange rate ucad",
main = "Response of exchange rates to a shock in oil price over time")


 Đồ thị cho thấy ngay tại thời điểm xảy ra biến động tăng của giá dầu thì độ biến động tỷ giá
hối đối khơng có nhiều thay đổi nhưng sau khoảng 1 giai đoạn thì tỷ giá hối đối usdcad
biến động giảm sâu tạo đáy ở mức khá nhỏ. 2 giai đoạn tiếp theo thì biến động của nó nhỏ
dần về 0 ,các tác động của biến d_oil không còn ý nghĩa nữa
irf_ucad_oil <- irf(var2, impulse = "d_ucad", response = "d_oil",
n.ahead = 16, boot = TRUE)
plot(irf_ucad_oil, ylab = "oil price",
main = "Response of oil price to a shock in exchange rates over time")


 Đồ thị cho thấy ngay tại thời điểm xảy ra biến động tăng của tỷ giá hối đoái usdcad thì giá
dầu biến động theo hướng giảm ngay lập tức và tạo đáy thấp nhât. 2 giai đoạn tiếp theo thì
biến động của nó nhỏ dần về 0 ,các tác động của độ biến động tỷ giá hối đối khơng còn ý
nghĩa nữa.

Đồ thị phân rã phương sai dự báo của các biến
par(mar = c(2.5,2.5,2,2))
fevd <- fevd(var2, n.ahead = 20)
fevd
plot(fevd, col = c(1,2))


 Từ đồ thị ta có thể thấy phương sai của biến động tỷ giá hối đối phụ thuộc hồn tồn vào
biến động các tin tức của chính nó trong quá khứ. Trong khi đó phương sai biến động của giá
dầu thì có 4/5 là được giải thích bởi biến động của chính nó trong q khứ và 1/5 là được giải
thích bởi biến động tỷ giá hối đối
Dự báo biến động cho 4 tháng tiếp theo dựa vào mô hình
f4.var2 <- predict(var2, n.ahead = 4)
f4.var2
plot(f4.var2)


 Dự báo trong 4 tháng tới thì tỷ giá hối đoái USD/CAD biến động theo hướng tăng và giá dầu
thì biến động theo xu hướng giảm.

V.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

TĨM TẮT CÁC KẾT LUẬN VÀ THẢO LUẬN CHÍNH
- Ở mức ý nghĩa 5% thì độ biến động của giá dầu được giải thích bởi cả độ biến động tỷ giá
hối đối USD/CAD và chính độ biến động của giá dầu trong quá khứ.
- Độ biến động của tỷ giá USD/CAD và độ biến động của giá dầu Brent có quan hệ nhân
quả tức thời và ở mức 5 % chúng có quan hệ nhân quả Granger với nhau
- Biến động của tỷ giá hối đối USD/CAD có khả năng dự báo biến động của giá dầu Brent

và mối quan hệ của chúng là ngược chiều nhau
- Phương sai của biến d_oil được giải thích bởi 80% do các cú sốc của chính nó trong q
khứ và 20% là do các cú sốc của biến d_ucad.
HÀM Ý CHÍNH SÁCH CỦA ĐỀ TÀI
Xác định được rằng biến động của giá dầu có 1 một phần ảnh hưởng của tỷ giá hối đoái
đồng USD/CAD và nền kinh tế của Canada và Mỹ có ảnh hưởng đến giá dầu trên thế giới.
Nên có các chính sách thu mua dầu hợp lý để ổn định nguồn cung tránh xảy ra tình trạng
thiếu hụt gây mất ổn định về giá cả sẽ tác động xấu đến nền kinh tế
Mối quan hệ giá dầu Brent và tỷ giá hối đoái sẽ giúp các doanh nghiệp, nhà đầu tư, nhà sản
xuất và các nhà hoạch định chính sách có thể dự đốn và bắt kịp với sự thay đổi trong hiện tại và
trong tương lai có thể nhanh chóng phản ứng với sự thay đổi để hạn chế các hậu quả phát sinh
hay nắm bắt cơ hội trong kinh doanh.
TÀI LIỆU THAM KHẢO
Amano, R. A., van Norden, S. (1998a), “Exchange Rates and Oil Prices.” Review of International
Economics, Vol. 6, No. 4, pp. 683-694.
Chaudhuri, K., Daniel, B.C. (1998), “Long-Run Equilibrium Real Exchange Rates and Oil
Prices.” Economics Letters, Vol. 58, pp. 231-238.
Bénassy-Quéré, A., Mignon, V., Penot, A. (2005), “China and the Relationship between the Oil
Price and the Dollar.” CEPII Working Paper No. 2005-16.
Habib, M. M., Kalamova, M. (2007), “Are There Oil Currencies? The Real Exchange Rate of Oil
Exporting Countries.” Working Paper Series No. 839, European Central Bank
Cuaresma, J. C., Breitenfellner, A. (2008), “Crude Oil Prices and the Euro-Dollar Exchange Rate:
A Forecasting Exercise.” University of Innsbruck – Working Papers in Economics and Statistics
No. 08.


Muñoz, M. P., Dickey, D. A. (2009), “Are Electricity Prices Affected by the US Dollar to Euro
Exchange Rate? The Spanish Case.” Energy Economics, Vol. 31, No. 6, pp. 857-866.
European Commission (2008), First Interim Report on Oil Price Developments and Measures to
Mitigate the Impact of Increased Oil Prices. ECFIN/REP 54538-EN.

Schulmeister, S. (2009), “Trading Practices and Price Dynamics in Commodity Markets and the
Stabilizing Effects of a Transaction Tax.” WIFO (Austrian Institute of Economic Research).
Lizardo, R. A., Mollick, A. V. (2010), “Oil price fl uctuations and U.S. dollar exchange rates.”
Energy Economics, Vol. 32, pp. 399-408
Hošek, J., Komárek, L., Motl, M. (2011), “Měnová politika a cena ropy (Monetary Policy and the
Price of Oil).” Politická ekonomie, Vol. 59, No. 1, pp. 22-46.
Coudert, V., Mignon, V., & Penot, A. (2007). Oil price and the dollar. Energy Studies
Review, 15(2).
Blanchard, O. J., & Gali, J. (2007). The Macroeconomic Effects of Oil Shocks: Why are the
2000s so different from the 1970s?.
Wang, Y., Wu, C., & Yang, L. (2013). Oil price shocks and stock market activities: Evidence from
oil-importing and oil-exporting countries. Journal of Comparative economics, 41(4), 1220-1239.
Basher, S. A., Haug, A. A., & Sadorsky, P. (2012). Oil prices, exchange rates and emerging stock
markets. Energy Economics, 34(1), 227-240.
Benhabib, A., Kamel, S. M., & Maliki, S. (2014). The relationship between oil price and the
Algerian exchange rate. Topics in Middle Eastern and African Economies, 16(1), 127-141.
Beckmann, J., & Czudaj, R. (2013). Oil prices and effective dollar exchange rates. International
Review of Economics & Finance, 27, 621-636.