Số 239 | Tháng 02/2026
USDT có là "bản sao" đáng tin cậy của USD? Một nghiên cứu từ dữ liệu USDT/VND
Võ Ngọc Quốc Huy
Tóm tắt:
Mục tiêu nghiên cứu: Nghiên cứu này đánh giá mức độ ổn định của đồng USDT và khả năng thay thế USD trong các giao dịch tại Việt Nam. Trọng tâm nghiên cứu nhằm phân tích chuỗi tỷ giá USDT/VND để kiểm tra khả năng USDT duy trì giá trị tương đương với USD trong môi trường tài chính nội địa.
Thiết kế nghiên cứu/phương pháp/tiếp cận: Dữ liệu hàng ngày được thu thập từ Investing.com và Yahoo Finance từ ngày 29/8/2017 đến ngày 30/6/2025. Nghiên cứu thông qua mô hình ARIMAX(2,1,2) với các biến giải thích gồm BTCUSD, ETHUSD và DXY. Cấu trúc mô hình cho phép kiểm định ảnh hưởng từ thị trường tiền mã hóa và yếu tố vĩ mô đến biến động tỷ giá USDT/VND.
Kết quả nghiên cứu chính: Kết quả cho thấy USDT/VND có mối tương quan cao với USD/VND. Mô hình thể hiện độ chính xác cao với R² = 0,9416; MAE = 918,18; RMSE = 1041,51; SMAE = 0,0365 và Theil’s U = 0,0211. Sự tác động từ BTC và ETH tuy có, nhưng chỉ xuất hiện trong các giai đoạn thị trường biến động mạnh, không làm suy giảm tính ổn định cơ bản của USDT.
Giá trị đóng góp mới: Nghiên cứu góp phần mở rộng vai trò của stablecoin tại các nền kinh tế phát triển. Dù chưa xem xét yếu tố pháp lý, kết quả cho thấy USDT có tiềm năng ứng dụng như công cụ thay thế USD trong điều kiện Việt Nam hiện tại. Ngoài ra, bài viết này mở ra định hướng cho các nghiên cứu tiếp theo về stablecoin và tài chính phi tập trung.
Tài liệu tham khảo:
- Ante, L., Fiedler, I., & Strehle, E. (2021). The influence of stablecoin issuances on cryptocurrency markets. Finance Research Letters, 41, 101867. https://doi.org/10.1016/j.frl.2020.101867
- Barnett, V., & Lewis, T. (1994). Outliers in Statistical Data (3rd ed.). Wiley.
- Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley.
- Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute error (MAE)? Arguments against avoiding RMSE in the literature. Geoscientific Model Development, 7(3), 1247-1250. https://doi.org/10.5194/gmd-7-1247-2014.
- Chainalysis. (2022). The 2022 Geography of Cryptocurrency Report. Chainalysis Research. https://www.chainalysis.com/blog/2022-global-crypto-adoption-index/ .
- Corbet, S., Lucey, B., Urquhart, A., & Yarovaya, L. (2019). Cryptocurrencies as a financial asset: A systematic analysis. International Review of Financial Analysis, 62, 182–199. https://doi.org/10.1016/j.irfa.2018.09.003
- Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
- Eichengreen, B. (2011). Exorbitant privilege: The rise and fall of the dollar and the future of the international monetary system. Oxford University Press.
- Enders, W. (2014). Applied econometric time series (4th ed.). Wiley.
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007. https://doi.org/10.2307/1912773.
- Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417. https://doi.org/10.2307/2325486.
- Financial Stability Board. (2022). The future monetary system: Lessons from the advent of stablecoins and decentralised finance. BIS Annual Economic Report 2022, Chapter III. https://www.bis.org/publ/arpdf/ar2022e3.pdf.
- Gorton, G., & Zhang, G. (2021). Taming Wildcat Stablecoins. NBER Working Paper No. 30092. https://doi.org/10.3386/w30092.
- Griffin, J. M., & Shams, A. (2020). Is Bitcoin really un-tethered? The Journal of Finance, 75(4), 1913–1974. https://doi.org/10.1111/jofi.12903.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
- Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice. OTexts.
- Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679-688. https://doi.org/10.1016/j.ijforecast.2006.03.001.
- IMF. (2023). World economic outlook update – Uneven and uncertain recovery. International Monetary Fund. https://www.imf.org/en/Publications/WEO.
- Lyons, R. K., & Viswanath-Natraj, G. (2020). What keeps stablecoins stable?. National Bureau of Economic Research. https://doi.org/10.3386/w27136.
- Ma, Y., Zeng, Y., & Zhang, A. L. (2025). Stablecoin Runs and the Centralization of Arbitrage. NBER Working Paper No. 33882 / Becker Friedman Institute Working Paper 2025-76. https://doi.org/10.3386/w33882.
- Madura, J. (2022). International financial management (14th ed.). Cengage Learning.
- Majka, M. (2024). ARIMAX: Time Series Forecasting with External Variables. ResearchGate. https://www.researchgate.net/publication/384196976_ARIMAX_Time_Series_Forecasting_with_External_Variables.
- Makarov, I., & Schoar, A. (2020). Trading and arbitrage in cryptocurrency markets. Journal of Financial Economics, 135(2), 293–319. https://doi.org/10.1016/j.jfineco.2019.07.001.
- Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and applications (3rd ed.). Wiley.
- Ngo, T. H., Nguyen, T. N. H., Pham, T. T., & Huynh, T. T. D. (2024). Cryptocurrency and VND/USD exchange rate markets during the COVID-19 and Russia-Ukraine crises. Journal of Science. https://vjol.info.vn/index.php/js/article/download/98494/83368.
- Shapiro, A. C. (2019). Multinational financial management (12th ed.). John Wiley & Sons.
- Tether Transparency Report. (2024). Consolidated reserves report.
- Theil, H. (1966). Applied economic forecasting. North-Holland Publishing Company.
- Yermack, D. (2017). Corporate governance and blockchains. Review of Finance, 21(1), 7-31. https://doi.org/10.1093/rof/rfw074.
Does USDT Truly Mirror the USD? Evidence from the USDT/VND Exchange Rate
Abstract:
Purpose: This study evaluates the stability of USDT and its potential to serve as a substitute for the US dollar (USD) in financial transactions in Vietnam. The core objective is to analyze the USDT/VND exchange rate to assess whether USDT can consistently maintain parity with USD under domestic financial conditions.
Design/methodology/approach: Daily data were collected from Investing.com and Yahoo Finance, covering the period from August 29, 2017, to June 30, 2025. The ARIMAX(2,1,2) model was employed, incorporating BTCUSD, ETHUSD, and the U.S. Dollar Index (DXY) as explanatory variables. This modeling framework allows for the examination of both macroeconomic influences and crypto market dynamics on the USDT/VND exchange rate.
Findings: The results reveal a strong correlation between USDT/VND and USD/VND. The model demonstrates high predictive accuracy, with R² = 0,9416; MAE = 918,18; RMSE = 1041,51; SMAE = 0,0365, and Theil’s U = 0,0211. While BTC and ETH do have an influence, their effects are confined to periods of high market volatility and do not undermine the core stability of USDT.
Originality/value: The study contributes to expanding the understanding of stablecoins' roles in developing economies. Although legal and regulatory aspects of USDT are not addressed, the empirical findings indicate that USDT holds potential as a viable alternative to USD in the Vietnamese context, laying the groundwork for future research on stablecoins and decentralized finance.