Giới thiệu dự án

Trong nền kinh tế thị trường định hướng xã hội chủ nghĩa, chính sách tiền tệ (CSTT) giữ vai trò then chốt trong việc điều tiết thanh khoản, kiểm soát lạm phát và thúc đẩy tăng trưởng kinh tế bền vững. Theo các nguyên lý kinh tế học vĩ mô hiện đại, cơ chế truyền dẫn chính sách tiền tệ (Monetary Policy Transmission Mechanism) vận hành qua nhiều kênh: kênh lãi suất, kênh tỷ giá, kênh tín dụng và kênh giá tài sản. Trong đó, kênh lãi suất (Interest Rate Channel) là kênh truyền thống và mang tính định hướng trung tâm. Tuy nhiên, tại các thị trường mới nổi như Việt Nam, hiệu lực của kênh này thường chịu nhiều ràng buộc cấu trúc như độ trễ phản ứng chính sách, hiện tượng đô la hóa, áp lực thâm hụt ngân sách và đặc thù thanh khoản của hệ thống ngân hàng thương mại (NHTM).

Vấn đề đặt ra là khi Ngân hàng Nhà nước Việt Nam (NHNN) điều chỉnh hệ thống lãi suất điều hành (lãi suất tái chiết khấu, lãi suất tái cấp vốn), mức độ và tốc độ lan truyền sang lãi suất thị trường (lãi suất liên ngân hàng, lãi suất huy động, lãi suất cho vay) diễn ra như thế nào, và cuối cùng tác động đến các mục tiêu vĩ mô (lạm phát CPI, tăng trưởng GDP) với độ trễ bao lâu. Điểm nghẽn thực tế nằm ở sự bất cân xứng thông tin, tình trạng chạy đua lãi suất huy động (giai đoạn 2008–2011 với lãi suất chạm mốc 19%–20%/năm) và cơ chế thỏa thuận lãi suất làm suy giảm tính định hướng của lãi suất chính sách.

Khóa luận tốt nghiệp "Đánh giá hiệu lực của cơ chế truyền dẫn chính sách tiền tệ thông qua kênh lãi suất tại Việt Nam" giải quyết bài toán trên thông qua 4 mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về cơ chế truyền dẫn CSTT qua kênh lãi suất và nhận diện các yếu tố tác động đến hiệu lực truyền dẫn.
  2. Phân tích thực trạng điều hành CSTT và diễn biến lãi suất điều hành, lãi suất thị trường tại Việt Nam giai đoạn 2008–2016.
  3. Ứng dụng mô hình kinh tế lượng tự hồi quy vectơ (Vector Autoregression – VAR) để đo lường định lượng mức độ và độ trễ truyền dẫn của lãi suất tái chiết khấu đến lãi suất cho vay, lạm phát và tăng trưởng kinh tế.
  4. Đề xuất hệ thống khuyến nghị thực thi nhằm hoàn thiện công cụ điều hành và nâng cao hiệu lực kênh lãi suất hướng tới mục tiêu ổn định kinh tế vĩ mô đến năm 2020.

Phương pháp tiếp cận kết hợp giữa phân tích định tính thực tiễn điều hành và mô hình hóa định lượng VAR với phân rã Cholesky. Kết quả kỳ vọng cung cấp bằng chứng thực nghiệm chuẩn xác về độ trễ truyền dẫn (tính theo quý), biên độ biến động của các biến số kinh tế vĩ mô trước các cú sốc lãi suất, đóng góp luận cứ khoa học cho quá trình chuyển đổi khuôn khổ điều hành CSTT từ khối lượng sang giá.

Phạm vi nghiên cứu tập trung vào thị trường tài chính - tiền tệ Việt Nam trong giai đoạn 2008–2016 với tần suất dữ liệu chuỗi thời gian theo quý và tháng, trích xuất từ cơ sở dữ liệu của NHNN, Tổng cục Thống kê (GSO), Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thế giới (World Bank).

   [NHNN: Công cụ CSTT] 
   [Lãi suất điều hành: LSTCK, LSTCV, OMO]
   [Lãi suất thị trường: Liên ngân hàng ➔ Huy động ➔ Cho vay]
   [Hành vi Đầu tư (I) & Tiêu dùng (C)]
   [Tổng cầu (AD) ➔ Sản lượng (GDP) & Kiểm soát Lạm phát (CPI)]

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng, việc đánh giá các phương pháp tiếp cận kinh tế lượng trong nghiên cứu truyền dẫn CSTT là yêu cầu bắt buộc:

Phương pháp Ưu điểm Nhược điểm / Giới hạn Phạm vi ứng dụng
Hồi quy OLS (Ordinary Least Squares) Đơn giản, dễ giải thích hệ số hồi quy đơn lẻ, phản ánh trực tiếp quan hệ tương quan. Bỏ qua tính nội sinh giữa các biến vĩ mô, chỉ đo lường quan hệ một chiều, dễ gặp hồi quy giả mạo khi chuỗi không dừng. Nghiên cứu thăm dò sơ bộ hoặc phân tích tĩnh.
Mô hình ECM (Error Correction Model) Tách biệt quan hệ cân bằng dài hạn và cơ chế hiệu chỉnh ngắn hạn, xem xét tính bất đối xứng. Khó mô hình hóa đồng thời nhiều biến phụ thuộc có tương tác hai chiều phức tạp. Phân tích truyền tải từ lãi suất bán lẻ sang lãi suất thị trường đơn lẻ.
Mô hình VAR (Vector Autoregression) Coi tất cả các biến đều là nội sinh, phản ánh quan hệ tương tác đa chiều, mô phỏng cú sốc qua hàm phản ứng xung (IRF) và phân rã phương sai. Cần số lượng quan sát đủ lớn; nhạy cảm với thứ tự sắp xếp biến trong phân rã Cholesky. Lựa chọn tối ưu cho đánh giá tổng thể kênh truyền dẫn vĩ mô đa biến.

Về mặt dữ liệu và điều kiện hệ thống, nghiên cứu áp dụng khung phân loại yêu cầu MoSCoW:

  • Must have: Chuỗi dữ liệu Lãi suất tái chiết khấu ($LSTCK$), Lãi suất cho vay bình quân ($LSCV_BQ$), Chỉ số giá tiêu dùng ($CPI$), Tốc độ tăng trưởng GDP ($GDP$), Cung tiền ($M2$).
  • Should have: Dữ liệu kiểm định tính dừng Augmented Dickey-Fuller (ADF) và tiêu chuẩn lựa chọn độ trễ Akaike Information Criterion (AIC).
  • Could have: Dữ liệu lãi suất thị trường liên ngân hàng kỳ hạn qua đêm và lãi suất tái cấp vốn ($LSTCV$).
  • Won't have: Mô hình phi tuyến tích hợp thời gian thực (Time-Varying Parameter VAR) do giới hạn độ dài quan sát chuỗi dữ liệu 2008–2016.

Thiết kế hệ thống

Khung xử lý định lượng được thiết kế theo cấu trúc module hóa trên phần mềm EViews 8.0:

[Dữ liệu thô: IFS, GSO, NHNN] 
[Tiền xử lý: Logarit hóa, Sai phân bậc 1 d(·)]
[Kiểm định tính dừng: ADF Unit Root Test]
[Xác định độ trễ tối ưu: AIC, SC, HQ, FPE, LR]
[Ước lượng hệ phương trình VAR(p)]
[Phân tích phản ứng xung (IRF - Cholesky) & Đánh giá phân rã]
  • Công nghệ và Môi trường: EViews 8.0 Enterprise Edition; Cơ sở dữ liệu tài chính vĩ mô IMF IFS (International Financial Statistics); Cơ sở dữ liệu Niên giám Thống kê GSO.
  • Cấu trúc dữ liệu: Chuỗi thời gian dạng bảng (Time-series data frame) gồm 36 quan sát theo quý từ Q1/2008 đến Q4/2016.
  • Yêu cầu bảo mật và toàn vẹn dữ liệu: Toàn bộ chuỗi số liệu được đối chiếu chéo giữa báo cáo thường niên của NHNN và cơ sở dữ liệu quốc tế nhằm triệt tiêu sai số nhập liệu.

Methodology

Quy trình nghiên cứu tuân thủ phương pháp luận kinh tế lượng chuẩn mực gồm 4 giai đoạn:

  1. Giai đoạn 1 (Milestone 1 - Thu thập & Chuẩn hóa): Thu thập chuỗi thời gian, chuyển đổi chuỗi giá trị tuyệt đối ($M2$) sang dạng $\ln(M2)$, tính toán sai phân nhằm loại bỏ xu thế tất định.
  2. Giai đoạn 2 (Milestone 2 - Kiểm định tiền mô hình): Thực hiện kiểm định nghiệm đơn vị ADF cho các biến ở mức gốc $I(0)$ và sai phân bậc một $I(1)$. Lựa chọn bậc trễ $p$ bằng tiêu chuẩn thống kê.
  3. Giai đoạn 3 (Milestone 3 - Ước lượng mô hình): Thiết lập hệ phương trình VAR($p$) dạng rút gọn, kiểm tra tính ổn định thông qua vòng tròn nghiệm đơn vị AR Roots.
  4. Giai đoạn 4 (Milestone 4 - Phân tích cấu trúc & Khuyến nghị): Tạo hàm phản ứng xung Cholesky One Standard Deviation Shock và phân tích định lượng tác động chính sách.

Implementation và kết quả

Development process

Cơ sở lý thuyết của kênh truyền dẫn được mô tả qua cơ chế cân bằng IS-LM:

$$M \uparrow \implies i_r \downarrow \implies (I + C) \uparrow \implies Y \uparrow$$

Trong đó, $M$ là cung tiền, $i_r$ là lãi suất thực, $I$ là đầu tư, $C$ là tiêu dùng và $Y$ là tổng sản lượng. Để lượng hóa mối quan hệ động đa chiều, mô hình VAR dạng rút gọn được xây dựng:

$$y_t = A_1 y_{t-1} + A_2 y_{t-2} + \dots + A_p y_{t-p} + B x_t + u_t$$

Trong đó:

  • $y_t = [LSTCK_t, LSCV_BQ_t, \ln(M2)_t, CPI_t, GDP_t]'$ là vectơ biến nội sinh bậc $K \times 1$ ($K=5$).
  • $A_i$ là các ma trận hệ số kích thước $5 \times 5$.
  • $u_t$ là vectơ nhiễu trắng đa chiều thỏa mãn $E(u_t) = 0$ và ma trận hiệp phương sai $\Sigma_u$.

Thuật toán kiểm định tính dừng nghiệm đơn vị mở rộng (ADF test) dựa trên phương trình hồi quy:

$$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{k} \delta_i \Delta y_{t-i} + \varepsilon_t$$

Quy tắc lựa chọn độ trễ tối ưu $p$ căn cứ vào tiêu chuẩn thông tin Akaike:

$$\text{AIC} = -2\left(\frac{\ln L}{T}\right) + \frac{2k}{T}$$

' Script thực thi ước lượng mô hình VAR trên EViews 8.0
' 1. Kiểm định nghiệm đơn vị ADF
uroot(adf, const, lag=aic) d(lstck)
uroot(adf, const, lag=aic) d(lscv_bq)
uroot(adf, const, lag=aic) d(cpi)
uroot(adf, const, lag=aic) d(gdp)

' 2. Khởi tạo đối tượng hệ phương trình VAR với độ trễ p = 4
var var_monetary.ls 1 4 d(lstck) d(lscv_bq) d(log_m2) d(cpi) d(gdp)

' 3. Kiểm tra tính ổn định của hệ thống
var_monetary.arroots(graph)

' 4. Phân tích hàm phản ứng xung với phân rã Cholesky
var_monetary.impulse(10, chol, se=analytic) d(lstck) @ d(lscv_bq) d(cpi) d(gdp)

Testing và validation

Kết quả kiểm định thực nghiệm trên chuỗi số liệu 2008–2016 phản ánh các đặc tính kỹ thuật:

  1. Kiểm định nghiệm đơn vị (ADF): Tại mức ý nghĩa $\alpha = 5%$, tất cả các chuỗi thời gian ở mức gốc đều có $p\text{-value} > 0.05$ (không dừng). Sau khi lấy sai phân bậc 1, các chuỗi đều bác bỏ giả thuyết $H_0$ với $p\text{-value} < 0.01$, khẳng định các biến dừng ở bậc $I(1)$.
  2. Xác định độ trễ tối ưu: Dựa trên cấu trúc trễ (Lag Structure), các tiêu chí thông tin AIC, Schwarz Criterion (SC), Hannan-Quinn (HQ), Final Prediction Error (FPE) và Likelihood Ratio (LR) đều đạt giá trị tối ưu nhỏ nhất tại độ trễ $p = 4$ (tương đương 4 quý/1 năm).
Tiêu chuẩn lựa chọn độ trễ Bậc trễ 1 Bậc trễ 2 Bậc trễ 3 Bậc trễ 4 (Tối ưu)
AIC (Akaike Info Criterion) 14.821 14.215 13.904 12.418*
SC (Schwarz Criterion) 15.612 15.420 15.511 14.320*
HQ (Hannan-Quinn) 15.093 14.630 14.457 13.071*
FPE (Final Prediction Error) $3.2 \times 10^{-4}$ $1.9 \times 10^{-4}$ $1.4 \times 10^{-4}$ $2.1 \times 10^{-5}$*
  1. Kiểm định tính ổn định: Tất cả các mô-đun nghiệm của đa thức đặc trưng đều nằm bên trong vòng tròn đơn vị ($|\text{Root}| < 1$), đảm bảo hệ thống VAR(4) có tính ổn định cao và suy diễn phản ứng xung có giá trị khoa học.

Kết quả đạt được

Đồ thị hàm phản ứng xung (Impulse Response Function - IRF) phân rã Cholesky mang lại các kết luận thực nghiệm then chốt:

Phản ứng của Lãi suất cho vay (LSCV_BQ) trước cú sốc LSTCK (+1 Standard Deviation):
Biên độ (%)
 ^
     1       2       3       4       5

Phản ứng của Lạm phát (CPI) trước cú sốc thắt chặt LSTCK (+1 Standard Deviation):
Biên độ (%)
 v
  • Truyền dẫn sang lãi suất cho vay: Lãi suất tái chiết khấu có tác động cùng chiều đối với lãi suất cho vay bình quân của các NHTM. Trong 2 quý đầu, phản ứng diễn ra tương đối yếu do độ trễ trong việc cơ cấu lại nguồn vốn huy động cũ; tuy nhiên từ quý thứ 3 trở đi, tác động tăng mạnh và kéo dài, khẳng định tính định hướng rõ rệt của lãi suất điều hành sang lãi suất bán lẻ.
  • Truyền dẫn sang lạm phát: Cú sốc tăng lãi suất tái chiết khấu (thắt chặt tiền tệ) tác động làm giảm lạm phát rõ rệt sau quý đầu tiên, đạt đỉnh điểm giảm mạnh nhất trong khoảng thời gian từ 2,5 đến 3 quý (tương đương 5–6 tháng), sau đó suy giảm dần biên độ nhưng vẫn duy trì xu hướng kiềm chế giá cả.
  • Tương quan vĩ mô giai đoạn 2008–2016:
    • Năm 2008: LSTCV điều chỉnh lên đỉnh 15%, LSTCK lên 13%, tăng trưởng tín dụng giảm từ 53,9% (2007) xuống 25,4% (2008), lạm phát chạm mức 19,9%.
    • Năm 2011: LSTCV đạt 16%, LSTCK đạt 13%, trần lãi suất tiền gửi ấn định 14% dẫn tới hiện tượng "xé rào" lãi suất huy động lên 18%–20%, lạm phát lên tới 18,13%.
    • Giai đoạn 2012–2016: CSTT chuyển dịch nới lỏng linh hoạt, cắt giảm LSTCK về 4,5% và LSTCV về 6,5%, giúp lạm phát giảm sâu xuống 0,63% (2015) và 4,74% (2016), tăng trưởng GDP phục hồi vững chắc đạt 6,68% (2015).

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến kỹ thuật và đóng góp khoa học rõ ràng khi so sánh với các công trình trước đây:

                   SO SÁNH ĐÓNG GÓP HỆ THỐNG
  • Về tính mới dữ liệu: Khóa luận bao quát trọn vẹn chu kỳ biến động mạnh nhất của kinh tế Việt Nam (giai đoạn khủng hoảng tài chính toàn cầu 2008, tái cấu trúc hệ thống ngân hàng 2011–2012 và giai đoạn bình ổn 2013–2016).
  • Đóng góp phương pháp luận: Khắc phục được hạn chế đánh giá một chiều của các mô hình hồi quy tuyến tính cổ điển, cô lập được cú sốc lãi suất thuần túy thông qua phân rã Cholesky với trật tự sắp xếp biến nội sinh phản ánh đúng cơ chế vận hành của NHNN.
  • Định lượng hóa cụ thể: Xác định chính xác độ trễ hiệu lực của lãi suất điều hành đến lãi suất bán lẻ là 2 quý (~6 tháng) và thời gian tối ưu để chính sách tiền tệ thắt chặt phát huy tác dụng kiềm chế lạm phát tối đa là 2,5–3 quý.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tiễn

  1. Hoạch định chính sách tại NHNN: Cung cấp cơ sở định lượng để xác định biên độ và tần suất điều chỉnh lãi suất tái cấp vốn và tái chiết khấu, hạn chế việc thay đổi chính sách quá dồn dập trong thời gian ngắn dưới 2 quý.
  2. Quản trị thanh khoản và định giá tại NHTM: Giúp các định chế tài chính dự báo xu hướng lãi suất cho vay bình quân sau các quyết định điều hành của NHNN, từ đó chủ động cơ cấu lại kỳ hạn nguồn vốn huy động và danh mục tài sản sinh lời.

Lộ trình khuyến nghị nâng cao hiệu lực truyền dẫn

  • Ngắn hạn (1–2 năm):
    • Thu hẹp khoảng cách giữa lãi suất điều hành và lãi suất thị trường liên ngân hàng;
    • Chuyển đổi căn bản từ công cụ hành chính (trần lãi suất huy động, hạn mức tín dụng) sang công cụ thị trường (nghiệp vụ thị trường mở OMO).
  • Trung và dài hạn (3–5 năm):
    • Tăng cường tính độc lập tự chủ của NHNN trong việc thiết lập và theo đuổi mục tiêu đơn nhất là ổn định giá trị đồng tiền;
    • Triển khai các biện pháp phi đô la hóa nền kinh tế, triệt tiêu tình trạng găm giữ ngoại tệ nhằm tránh bóp méo đường cong truyền dẫn lãi suất nội tệ;
    • Phát triển chiều sâu thị trường trái phiếu doanh nghiệp và thị trường liên ngân hàng để hoàn thiện cơ chế hình thành lãi suất chuẩn (benchmark rate).
          LỘ TRÌNH NÂNG CAO HIỆU LỰC KÊNH LÃI SUẤT

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Mô hình VAR tuyến tính giả định ma trận hệ số bất biến theo thời gian, chưa phản ánh hết các cú sốc phi tuyến hoặc sự thay đổi chế độ chính sách (structural breaks).
    • Do hạn chế về chuỗi dữ liệu lịch sử chuẩn hóa, nghiên cứu sử dụng lãi suất tái chiết khấu làm đại diện chính thay vì kết hợp đồng thời lãi suất OMO và lãi suất liên ngân hàng qua đêm tần suất ngày.
  • Hướng phát triển nghiên cứu:
    • Mở rộng ứng dụng mô hình VAR cấu trúc có ràng buộc dấu (Structural VAR with Sign Restrictions) hoặc mô hình Bayes biến đổi theo thời gian (TVP-SVAR).
    • Kết hợp mô hình Cân bằng tổng thể ngẫu nhiên động (DSGE) để mô phỏng hành vi tối ưu hóa vi mô của hộ gia đình và doanh nghiệp trong môi trường truyền dẫn lãi suất tại Việt Nam.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận tài liệu tham khảo chuẩn mực về cấu trúc khóa luận kinh tế lượng ứng dụng, phương pháp xây dựng mô hình VAR(4) và quy trình kiểm định chuỗi thời gian trên EViews.
  • Nhà phân tích định lượng & Quản trị rủi ro tại NHTM: Ứng dụng các thông số về độ trễ phản ứng lãi suất để xây dựng mô hình ALM (Asset Liability Management) và đo lường rủi ro lãi suất trên sổ ngân hàng.
  • Cơ quan quản lý và hoạch định chính sách: Nắm bắt bằng chứng thực nghiệm về độ trễ tác động để cân đối thời điểm ban hành thông tư điều hành, tránh các phản ứng giật cục gây căng thẳng thanh khoản hệ thống.
  • Nhà nghiên cứu kinh tế vĩ mô: Kế thừa khung phân tích và bộ chỉ số kiểm định để mở rộng nghiên cứu sang các kênh truyền tải khác như kênh giá tài sản và kênh tín dụng.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn mô hình VAR thay vì hồi quy tuyến tính OLS thông thường?
Các biến số vĩ mô như lãi suất, cung tiền, lạm phát và tăng trưởng kinh tế luôn có quan hệ tương tác hai chiều (nội sinh). Hồi quy OLS chỉ giải quyết quan hệ nhân quả một chiều và dễ gặp hiện tượng hồi quy giả mạo, trong khi VAR xử lý toàn bộ các biến như là biến nội sinh và cho phép đo lường độ trễ động qua hàm phản ứng xung.

2. Độ trễ 4 quý được xác định dựa trên tiêu chuẩn khoa học nào?
Độ trễ 4 được xác định thông qua kiểm định cấu trúc trễ trên phần mềm EViews 8.0, trong đó toàn bộ 5 tiêu chuẩn thông tin kinh tế lượng gồm AIC, SC, HQ, FPE và LR đều đồng thời cho giá trị tối ưu nhỏ nhất tại bậc trễ $p = 4$.

3. Tại sao tác động của lãi suất tái chiết khấu đến lãi suất cho vay trong 2 quý đầu lại yếu?
Do tính chất kết dính của hợp đồng tín dụng và nguồn vốn huy động kỳ hạn trước đó của các NHTM chưa đáo hạn ngay lập tức. Hệ thống ngân hàng cần khoảng thời gian trung bình từ 3 đến 6 tháng để tái cơ cấu chi phí vốn đầu vào trước khi điều chỉnh mặt bằng lãi suất cho vay đầu ra.

4. Hiện tượng đô la hóa làm suy giảm hiệu lực kênh lãi suất như thế nào?
Khi nền kinh tế bị đô la hóa cao, việc NHNN tăng lãi suất điều hành bằng đồng nội tệ (VND) để thắt chặt tiền tệ có thể thúc đẩy doanh nghiệp chuyển hướng sang vay vốn bằng ngoại tệ (USD) có lãi suất thấp hơn, làm suy giảm mục tiêu thắt chặt tổng cầu của chính sách.

5. Lãi suất tái chiết khấu kiềm chế lạm phát hiệu quả nhất sau bao lâu?
Kết quả phân tích hàm phản ứng xung Cholesky chứng minh cú sốc tăng lãi suất tái chiết khấu tạo ra tác động kiềm chế chỉ số CPI mạnh nhất trong khoảng thời gian từ 2,5 đến 3 quý (khoảng 5–6 tháng) kể từ thời điểm ban hành chính sách.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc lượng hóa cơ chế truyền dẫn chính sách tiền tệ qua kênh lãi suất tại Việt Nam giai đoạn 2008–2016. Bằng việc kết hợp nhuần nhuyễn giữa bức tranh thực tiễn điều hành của NHNN và mô hình kinh tế lượng VAR(4), nghiên cứu chứng minh rằng kênh lãi suất có hiệu lực định hướng rõ rệt đến mặt bằng lãi suất cho vay và kiểm soát lạm phát sau độ trễ từ 2 đến 3 quý.

Những phát hiện định lượng này khẳng định tính đúng đắn của việc chuyển đổi phương thức điều hành từ trực tiếp sang gián tiếp, đồng thời đặt ra yêu cầu cấp thiết về việc phát triển thị trường tài chính, kiểm soát đô la hóa và củng cố tính độc lập của Ngân hàng Nhà nước để tối ưu hóa hiệu quả điều hành kinh tế vĩ mô trong tương lai.