GIỚI THIỆU
Lý do chọn đề tài
Dự báo tình hình kinh tế vĩ mô, đặc biệt là tăng trưởng kinh tế, là nhiệm vụ quan trọng và đầy thách thức đối với chính phủ nhiều quốc gia Đối với Việt Nam, dự báo tăng trưởng GDP càng trở nên thiết yếu, bởi đây là mục tiêu hàng đầu mà chính phủ hướng tới.
Môi trường kinh tế trong và ngoài nước đang trải qua nhiều biến động, với tăng trưởng toàn cầu chậm lại và tranh chấp thương mại gia tăng Sự hội nhập kinh tế giữa các quốc gia ngày càng sâu rộng, trong khi nền kinh tế trong nước cũng chứng kiến sự thay đổi lớn trong môi trường kinh doanh và sự hội nhập mạnh mẽ về kinh tế - tài chính Bên cạnh đó, sự mất cân bằng trong cơ cấu kinh tế ngày càng rõ rệt Tất cả những yếu tố này đã tạo ra nhiều thách thức trong việc dự báo tăng trưởng kinh tế của Việt Nam.
Dự báo tăng trưởng kinh tế là một chủ đề nghiên cứu quan trọng, thu hút sự chú ý của nhiều nhà nghiên cứu Để đạt được dự báo chính xác về tốc độ tăng trưởng, cần chú trọng vào hai yếu tố chính: lựa chọn các biến giải thích hiệu quả và tần số dữ liệu sử dụng trong phân tích.
Tăng trưởng GDP chịu ảnh hưởng từ nhiều yếu tố kinh tế, bao gồm các biến số vĩ mô và tài chính Việc sử dụng quá nhiều biến số để dự báo tăng trưởng kinh tế có thể dẫn đến sự phức tạp và vấn đề quá khớp Do đó, cần thiết phải xác định những biến quan trọng để đưa vào mô hình dự báo Bài luận này sẽ tập trung vào việc sử dụng các biến tài chính để dự đoán tăng trưởng kinh tế.
Tác giả chọn sử dụng các biến tài chính để dự báo tăng trưởng kinh tế Việt Nam vì mối quan hệ giữa khu vực tài chính và tăng trưởng kinh tế đã thu hút sự quan tâm của các học giả trên toàn cầu trong suốt hơn 25 năm qua Đây là một chủ đề nghiên cứu nóng hổi, với nhiều tác giả chứng minh rằng sự phát triển tài chính có thể dẫn đến tăng trưởng kinh tế.
Khủng hoảng tài chính toàn cầu chứng minh rằng suy thoái tài chính có thể ảnh hưởng đồng loạt đến các khu vực khác trong nền kinh tế Do đó, việc hiểu rõ tác động của khu vực tài chính đối với các hoạt động khác là rất quan trọng để dự báo tăng trưởng kinh tế Bài luận này kế thừa kết quả từ các nghiên cứu trước đây để dự báo tăng trưởng thông qua các biến tài chính vĩ mô Tại Việt Nam, nhiều dự báo kinh tế đã được đưa ra bởi các tổ chức uy tín như Ngân hàng Thế giới (WB), Ngân hàng Phát triển Châu Á (ADB) và Moody’s Tuy nhiên, các dự báo này thường không thống nhất do mỗi tổ chức sử dụng mô hình dự báo riêng, mà những mô hình này thường áp dụng chung cho tất cả các quốc gia mà không xem xét các đặc trưng kinh tế riêng biệt của từng quốc gia.
Bài luận văn này nhằm tìm kiếm một mô hình dự báo phù hợp cho tăng trưởng kinh tế Việt Nam, cung cấp một công cụ tham khảo hiệu quả cho chính phủ trong việc xác định các mục tiêu tăng trưởng hợp lý Mô hình này sẽ hỗ trợ chính phủ trong việc điều hành các biến vĩ mô, đảm bảo đạt được các mục tiêu tăng trưởng kinh tế đã đề ra.
Mục tiêu nghiên cứu
Mục tiêu nghiên cứu của đề tài là phân tích và đánh giá các biến số tài chính dựa trên dữ liệu có sẵn, nhằm xác định những yếu tố quan trọng ảnh hưởng đến dự báo tăng trưởng kinh tế Nghiên cứu sẽ sử dụng mô hình nhân tố động để tạo ra các yếu tố mới, áp dụng vào mô hình MIDAS, từ đó cải thiện chất lượng dự báo so với các mô hình hiện tại.
Câu hỏi nghiên cứu
Từ mục tiêu nghiên cứu, luận văn này sẽ tập trung giải quyết câu hỏi nghiên cứu sau:
Thứ nhất, những biến số tài chính nào là những biến số quan trọng sẽ sử dụng dự báo tăng trưởng kinh tế?
Thứ hai, việc sử dụng dữ liệu có các loại tần số khác nhau (theo ngày, tháng và quý) có làm cải thiện chất lƣợng dự báo?
Thứ ba, mô hình dự báo mới có những ƣu điểm gì so với mô hình dự báo truyền thống?
Đối tƣợng và phạm vi nghiên cứu
Đối tượng nghiên cứu: tăng trưởng GDP của Việt Nam, các biến số tài chính của Việt Nam
Nghiên cứu này sử dụng dữ liệu tại Việt Nam từ năm 2000 đến 2016, trong đó tốc độ tăng trưởng GDP được thu thập theo quý, còn các biến tài chính được lấy theo ngày hoặc tháng tùy thuộc vào sự sẵn có của dữ liệu.
Phương pháp nghiên cứu
Luận văn này áp dụng phương pháp mẫu dữ liệu hỗn hợp (MIDAS) để dự báo tăng trưởng kinh tế, mang lại nhiều lợi thế so với các mô hình dự báo truyền thống MIDAS tận dụng toàn bộ dữ liệu có tần số cao, giúp cải thiện chất lượng dự báo và không làm mất thông tin quan trọng Ngoài ra, phương pháp này cho phép thực hiện dự báo tăng trưởng GDP hàng quý bằng cách sử dụng dữ liệu kinh tế và tài chính từ các quý gần nhất.
Trong luận văn này, phương pháp phân tích nhân tố được sử dụng để xác định một số lượng giới hạn các nhân tố đại diện cho các yếu tố có thể ảnh hưởng đến tăng trưởng GDP Đồng thời, phương pháp MIDAS cho phép khai thác hiệu quả dữ liệu tài chính với các tần số khác nhau.
Bài luận văn này được thực hiện qua hai bước chính Đầu tiên, phương pháp phân tích nhân tố được áp dụng để xác định một số lượng nhỏ các nhân tố trong bộ dữ liệu biến tài chính Tiếp theo, mô hình MIDAS được sử dụng cho các nhân tố đã xác định ở bước đầu nhằm thực hiện các dự báo chính xác.
Đóng góp mới của đề tài
Bài luận văn này tổng hợp nhiều nghiên cứu quốc tế nhằm cung cấp một mô hình mới dự báo tăng trưởng kinh tế Việt Nam Mô hình này sẽ hỗ trợ các nhà hoạch định chính sách trong việc điều hành kinh tế vĩ mô và cung cấp dự báo tin cậy cho các nhà đầu tư trong quyết định đầu tư Tác giả kỳ vọng mô hình mới sẽ có chất lượng dự báo vượt trội hơn so với các mô hình truyền thống.
Kết cấu đề tài
Bài luận văn này tập trung vào việc sử dụng các biến số tài chính vĩ mô để dự báo tăng trưởng kinh tế của Việt Nam, được cấu trúc thành năm chương Chương 2 sẽ khái quát lý thuyết về vai trò và ảnh hưởng của hệ thống tài chính đối với sự phát triển kinh tế của quốc gia, đồng thời tổng hợp và đánh giá các nghiên cứu dựa trên dữ liệu bảng và chuỗi thời gian, cùng với việc trình bày các phương pháp nghiên cứu đã được áp dụng.
Trong chương 3, tác giả trình bày dữ liệu và phương pháp nghiên cứu nhằm dự báo tăng trưởng kinh tế Việt Nam Bài luận văn áp dụng mô hình nhân tố động để xác định các yếu tố trong bộ dữ liệu, sau đó sử dụng những yếu tố này trong mô hình hồi quy MIDAS để dự đoán tăng trưởng GDP của Việt Nam.
Chương 4 sẽ thảo luận các kết quả nghiên cứu Trong chương này, tác giả cũng sẽ chứng minh những ưu thế của mô hình MIDAS so với các phương pháp truyền thống trong việc thực hiện dự báo Chương cuối cùng, chương 5 sẽ đưa ra các kết luận cho bài nghiên cứu này.
KHUNG LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU TRƯỚC ĐÂY
Khung lý thuyết về vai trò của hệ thống tài chính trong phát triển kinh tế quốc gia
Hệ thống tài chính và các trung gian tài chính đóng vai trò quan trọng trong việc phân bổ nguồn vốn đến các chủ thể sử dụng hiệu quả, từ đó thúc đẩy tăng trưởng kinh tế Khu vực tài chính cung cấp vốn cần thiết cho các hoạt động kinh tế thực, đặc biệt là cho các doanh nghiệp sản xuất, là động lực chính cho tăng trưởng GDP Do đó, các biến tài chính được xem là những chỉ số dự báo tốt cho sự phát triển kinh tế Bài viết sẽ tóm tắt các lý thuyết được nhiều nhà nghiên cứu ủng hộ về mối quan hệ giữa phát triển tài chính và tăng trưởng kinh tế.
2.1.1 Vai trò của hệ thống tài chính trong phát triển kinh tế
Phát triển hệ thống tài chính là yếu tố then chốt cho sự tăng trưởng kinh tế của quốc gia Trong bối cảnh kinh tế và công nghệ toàn cầu phát triển mạnh mẽ, hệ thống tài chính trở nên đa dạng và phức tạp hơn, đặc biệt với sự xuất hiện của công nghệ FinTech và nhiều sản phẩm tài chính phức tạp Tuy nhiên, chức năng cơ bản của hệ thống tài chính vẫn là kết nối giữa những người có thặng dư vốn và những người thiếu hụt vốn.
(2) hệ thống tài chính giúp chia sẻ rủi ro của các khoản đầu tƣ
Cấu trúc của hệ thống tài chính
Nguồn: Allen, Franklin; Douglas Gale (2001)
2.1.2 Vì sao chọn các biến tài chính làm biến dự báo?
Có hai lý do chính giải thích vai trò của các biến tài chính trong dự báo tăng trưởng kinh tế Đầu tiên, việc thắt chặt điều kiện tài chính và tín dụng hạn chế khả năng kinh doanh của doanh nghiệp và chi tiêu của hộ gia đình Thứ hai, giá cả của các tài sản tài chính phản ánh lợi nhuận kỳ vọng của các công ty, liên quan chặt chẽ đến tốc độ tăng trưởng kinh tế của quốc gia.
Hệ thống tài chính đóng vai trò quan trọng trong phát triển kinh tế bằng cách hạn chế bất cân xứng thông tin và chi phí giao dịch, từ đó thúc đẩy tăng trưởng Cụ thể, hệ thống này giúp mở rộng trao đổi hàng hóa và dịch vụ thông qua dịch vụ thanh toán, huy động tiết kiệm từ nhiều nhà đầu tư, tập hợp và xử lý thông tin doanh nghiệp cũng như các khoản đầu tư có tỷ suất sinh lợi cao, và phân bổ tiết kiệm đến những chủ thể sử dụng vốn hiệu quả nhất.
Trung gian tài chính Kênh gián tiếp
Chủ thể thiếu hụt vốn cần tìm kiếm nguồn tài chính từ các chủ thể thặng dư vốn để đầu tư và kiểm soát hoạt động điều hành doanh nghiệp Cuối cùng, việc đa dạng hóa danh mục đầu tư và giảm thiểu rủi ro là rất quan trọng để duy trì sự ổn định và phát triển bền vững.
Mặc dù vẫn còn một số nhà kinh tế không đồng ý về vai trò của lĩnh vực tài chính trong phát triển kinh tế, nhưng hầu hết các nghiên cứu đều khẳng định rằng sự phát triển tài chính có tác động tích cực đến việc cải thiện phân loại đầu tư, giảm đầu tư vào tài sản không hiệu quả, huy động tiết kiệm và thúc đẩy công nghệ trong lĩnh vực tài chính, từ đó góp phần vào tăng trưởng kinh tế R Espinoza và cộng sự (2009) đã chỉ ra rằng các biến tài chính có vai trò quan trọng trong việc dự báo tăng trưởng kinh tế.
2.1.2.1 Tác động của phát triển tài chính lên tăng trưởng kinh tế
Sự tự do hóa thị trường tài chính thúc đẩy việc sử dụng dịch vụ của các trung gian tài chính, giúp dòng vốn luân chuyển hiệu quả hơn trong nền kinh tế Điều này khuyến khích tiết kiệm, hạn chế tích lũy vốn và cải thiện phân bổ đầu tư bằng cách chuyển vốn từ khu vực kém hiệu quả sang khu vực hiệu quả hơn Kỳ vọng rằng hiệu quả và mức vốn đầu tư sẽ tăng lên nhờ sự phát triển tài chính từ tự do hóa Những lợi ích này bao gồm việc hạn chế các nhà đầu tư tự đầu tư với tỷ suất sinh lợi thấp, khuyến khích người tiết kiệm tham gia vào thị trường vốn thay vì gửi tiền vào ngân hàng thương mại hoặc tổ chức nhà nước, từ đó giảm chi phí sử dụng vốn và cải thiện sự liên kết của thị trường tài chính.
Hệ thống tài chính phát triển giúp người tiết kiệm đa dạng hóa danh mục đầu tư, giảm thiểu rủi ro và cung cấp nhiều lựa chọn cho nhà đầu tư nhằm tăng lợi nhuận Bên cạnh đó, hệ thống này còn có chức năng thu thập và xử lý thông tin về các dự án đầu tư hiệu quả, từ đó giảm chi phí đầu tư cho các dự án.
Mức độ phát triển kinh tế phụ thuộc vào số lượng và chất lượng các dự án đầu tư Việc nới lỏng các rào cản tín dụng, đặc biệt là trong lĩnh vực vốn lưu động, được kỳ vọng sẽ nâng cao chất lượng phân bổ nguồn lực, từ đó giúp giảm thiểu lỗ hổng sản lượng giữa mức thực tế và mức sản lượng tiềm năng.
Hệ thống tài chính có năm chức năng chính: đầu tiên, cung cấp thông tin về các khoản đầu tư tiềm năng; thứ hai, huy động và phân bổ tiết kiệm; thứ ba, kiểm soát đầu tư và quản trị doanh nghiệp sau khi cấp nguồn tài trợ; thứ tư, tạo điều kiện cho các giao dịch tài chính, đồng thời đa dạng hóa và quản lý rủi ro; và cuối cùng, thúc đẩy việc trao đổi hàng hóa và dịch vụ.
Mặc dù mọi hệ thống tài chính đều thực hiện năm chức năng cơ bản, mức độ ảnh hưởng của chúng đến tăng trưởng kinh tế của một quốc gia phụ thuộc vào các đặc điểm riêng của hệ thống tài chính đó Ba đặc điểm chính bao gồm: (i) quy mô của các trung gian tài chính, (ii) hiệu quả hoạt động của các trung gian tài chính, và (iii) các thành phần cấu thành của các trung gian tài chính.
2.1.2.2 Tài chính, các định chế và tăng trưởng kinh tế
Các yếu tố về vốn con người và sự thay đổi công nghệ không thể hoàn toàn giải thích sự khác biệt trong tăng trưởng kinh tế giữa các quốc gia Gần đây, các nghiên cứu đã chỉ ra rằng các định chế và lĩnh vực tài chính đóng vai trò quyết định trong việc thúc đẩy tăng trưởng kinh tế.
Các định chế đóng vai trò trung tâm trong việc hình thành hành vi kinh tế trong xã hội, nơi các chủ thể tương tác với nhau Chúng được coi là "công nghệ mang tính xã hội" trong các hoạt động kinh tế, tập trung vào con người hơn là công nghệ thuần túy Khi quy tắc trên thị trường tài chính thay đổi thường xuyên và không được tôn trọng, hoặc khi gian lận xảy ra, thị trường sẽ hoạt động kém hiệu quả, dẫn đến sự gia tăng không chắc chắn và hạn chế trong việc phân bổ nguồn lực.
Các trung gian tài chính đóng vai trò quan trọng trong phát triển kinh tế bằng cách phân bổ vốn đến những nơi có hiệu quả sử dụng cao nhất Sự gia tăng các công cụ tài chính giúp giảm chi phí giao dịch và chi phí thông tin, trong khi một thị trường tài chính hiệu quả hỗ trợ các chủ thể kinh tế trong việc phòng ngừa rủi ro và tăng cường đầu tư, từ đó thúc đẩy tăng trưởng kinh tế.
Bối cảnh kinh tế tài chính Việt Nam
2.2.1 Sự phát triển của các kênh dẫn vốn
Sau hơn ba mươi năm đổi mới, kinh tế Việt Nam đã phát triển mạnh mẽ, đạt được nhiều thành tựu nổi bật trong các lĩnh vực kinh tế - xã hội, đặc biệt là trong ngành tài chính – ngân hàng Hệ thống các định chế tài chính tại Việt Nam không ngừng mở rộng cả về quy mô lẫn chất lượng.
Các quy định pháp luật trong lĩnh vực tài chính đang được hoàn thiện để phù hợp với thông lệ quốc tế, đồng thời quản lý nhà nước trên thị trường tài chính đã được thể chế hóa với sự phối hợp hiệu quả giữa các cơ quan nhà nước Bên cạnh đó, vai trò của các nhà đầu tư, công ty kiểm toán và các cơ quan xếp hạng tín nhiệm cũng góp phần quan trọng vào việc tăng cường sự minh bạch trên thị trường tài chính.
Thị trường tài chính Việt Nam đã có sự phát triển toàn diện, tương đồng với các thị trường mẫu mực, nhờ vào sự hình thành của các ngành dịch vụ ngân hàng, bảo hiểm, kế toán – kiểm toán và tư vấn tài chính chuyên nghiệp.
Sự ra đời của thị trường chứng khoán vào năm 2000 đã tạo ra bước ngoặt quan trọng cho Việt Nam trong việc phát triển thị trường tài chính, góp phần vào sự phát triển chung của ngành tài chính – ngân hàng Các doanh nghiệp Việt Nam ngày càng chú trọng huy động vốn qua thị trường chứng khoán, bên cạnh các kênh truyền thống như vay ngân hàng, nhằm đa dạng hóa nguồn vốn phục vụ cho hoạt động sản xuất - kinh doanh.
Sự phát triển nhanh chóng của thị trường tài chính đã dẫn đến sự gia tăng đáng kể số lượng trung gian hỗ trợ, bao gồm các công ty chứng khoán, công ty quản lý quỹ và công ty bảo hiểm Thị trường bảo hiểm, đặc biệt, đang mở rộng nhanh chóng với nhiều sản phẩm bảo hiểm nhân thọ và phi nhân thọ đa dạng Đồng thời, thị trường trái phiếu cũng ghi nhận sự phát triển tích cực, không chỉ với trái phiếu chính phủ mà còn với việc nhiều doanh nghiệp huy động vốn qua phát hành trái phiếu doanh nghiệp.
Trong những năm gần đây, hệ thống ngân hàng Việt Nam đã phát triển nhanh chóng với nhiều cải tiến trong dịch vụ Các dịch vụ ngân hàng trở nên quen thuộc với người dân, góp phần thúc đẩy lưu thông tài chính và hỗ trợ phát triển kinh tế xã hội.
2.2.2 Sự phát triển của các tụ điểm vốn
2.2.2.1 Khu vực tài chính nhà nước
Hệ thống quản lý tài chính công đã trải qua nhiều cải cách mạnh mẽ, ngày càng phù hợp với các tiêu chuẩn quốc tế về quản lý ngân sách và các vấn đề an ninh tài chính quốc gia Đặc biệt, việc cổ phần hóa doanh nghiệp nhà nước được chú trọng nhằm nâng cao tính minh bạch trong quản lý tài chính quốc gia.
2.2.2.2 Khu vực tài chính tư nhân
Khu vực tài chính tư nhân tại Việt Nam đã có những bước phát triển đáng kể nhờ vào sự kết nối mạnh mẽ với các thị trường tài chính tiên tiến và cải cách pháp luật về kinh tế - tài chính Hệ thống tài chính Việt Nam ngày càng tích cực trong việc kết nối các khoản tiết kiệm, tiêu dùng và đầu tư, góp phần quan trọng vào sự tăng trưởng nhanh chóng của đất nước trong gần hai thập kỷ qua.
Sự phát triển tính minh bạch trong thị trường tài chính đã giảm số lượng doanh nghiệp hoạt động kém hiệu quả, bao gồm cả doanh nghiệp nhà nước Đồng thời, các chính sách ổn định tài chính đã nâng cao kỳ vọng của người dân, từ đó thúc đẩy đầu tư và tiêu dùng, góp phần vào sự tăng trưởng mạnh mẽ của nền kinh tế Việt Nam.
2.2.2.3 Khu vực tài chính nước ngoài
Mô hình tăng trưởng kinh tế của Việt Nam, với mức tích lũy vốn trong nước còn thấp, buộc phải dựa vào nguồn vốn từ bên ngoài, bao gồm nợ và đầu tư trực tiếp nước ngoài (FDI) Trước năm 2007, nợ chính phủ và nợ được chính phủ bảo lãnh chiếm gần 90% tổng dư nợ nước ngoài, nhưng con số này đã giảm xuống khoảng 70% trong những năm gần đây Cùng với xu hướng toàn cầu hóa tài chính, Việt Nam đã thực hiện nhiều chính sách nhằm thu hút đầu tư nước ngoài, dẫn đến sự gia tăng đáng kể dòng vốn FDI vào quốc gia.
Kể từ năm 2006, lượng vốn đầu tư trực tiếp nước ngoài tại Việt Nam đã có sự biến động mạnh mẽ, nhạy cảm với những thay đổi của thị trường tài chính quốc tế Sự biến động này không chỉ gây khó khăn cho thị trường tài chính trong nước mà còn làm căng thẳng tỷ giá, gia tăng rủi ro tỷ giá và tác động tiêu cực đến hệ thống tài chính cũng như tăng trưởng kinh tế của quốc gia.
Sự phát triển của hệ thống tài chính đã có ảnh hưởng tích cực đến hoạt động sản xuất, kinh doanh và tiêu dùng, góp phần thúc đẩy tăng trưởng kinh tế quốc gia Việc gia tăng vốn cho tăng trưởng cùng với sự quản lý hợp lý của chính phủ đã giúp Việt Nam hình thành một thị trường tài chính năng động, ngày càng gần gũi với các thị trường tài chính phát triển toàn cầu.
Các nghiên cứu thực nghiệm về dự báo tăng trưởng kinh tế
Sự phát triển của hệ thống tài chính và mối liên hệ với tăng trưởng kinh tế đã là một chủ đề nóng trong hơn một thế kỷ qua Nhiều nghiên cứu đã được thực hiện để dự báo chính xác tăng trưởng kinh tế của các quốc gia và khu vực, sử dụng nhiều phương pháp khác nhau như mô hình VAR, hồi quy với dữ liệu tần số khác nhau (MIDAS) và mô hình tự hồi quy Bài viết này sẽ khái quát một số nghiên cứu tiêu biểu liên quan đến việc sử dụng các biến số tài chính để dự báo tăng trưởng kinh tế.
2.3.1 Các nghiên cứu trên dữ liệu bảng
Nghiên cứu “Vai trò của các biến tài chính trong dự báo các hoạt động kinh tế” của Raphael Espinoza và cộng sự (2009) cho thấy rằng các biến tài chính có độ sai số dự báo thấp hơn khi dự báo tăng trưởng kinh tế Mỹ, đặc biệt trong khoảng thời gian 5 và 11 quý Độ chính xác của các biến số tài chính được cải thiện khi chúng đồng bộ với các quốc gia khác hoặc với các chỉ báo tài chính khác Tuy nhiên, khả năng dự báo tăng trưởng kinh tế từ các biến tài chính lại tương đối yếu ở khu vực sử dụng đồng tiền chung châu Âu - EUROZONE.
O´lan T Henry và các cộng sự (2004) đã tiến hành dự báo tăng trưởng GDP bằng cách phân tích tỷ suất sinh lợi thị trường tại các nước OECD và 5 nước Đông Nam Á, sử dụng dữ liệu bảng theo quý của 27 quốc gia Nghiên cứu cho thấy có mối quan hệ dương và có ý nghĩa giữa tỷ suất sinh lợi thị trường và tăng trưởng GDP, mặc dù các mối quan hệ này thường yếu Tuy nhiên, khi thực hiện hồi quy phi tuyến, các kết quả đạt ý nghĩa thống kê cao Nghiên cứu này là nền tảng quan trọng cho các nghiên cứu tiếp theo về dự báo tăng trưởng kinh tế, khuyến khích việc tích hợp tỷ suất sinh lợi thị trường vào các mô hình dự báo.
2.3.2 Các nghiên cứu trên dữ liệu chuỗi thời gian
Trong nghiên cứu của Petri Kuosmanen và Juuso Vataja (2014) về dự báo tăng trưởng kinh tế tại Phần Lan, các tác giả đã chỉ ra rằng thông tin thị trường tài chính rất hữu ích cho việc này Họ phát hiện rằng lựa chọn các biến tài chính phù hợp phụ thuộc vào bối cảnh kinh tế cụ thể Trong giai đoạn ổn định, lãi suất ngắn hạn và các giá trị quá khứ của tăng trưởng GDP đóng vai trò quan trọng, trong khi trong giai đoạn bất ổn, chênh lệch lãi suất các kỳ hạn và tỷ suất sinh lợi thị trường lại được sử dụng Việc kết hợp tỷ suất sinh lợi thị trường với các chỉ báo tài chính khác cũng cải thiện chất lượng dự báo Lãi suất dài hạn có ý nghĩa dự báo trong toàn bộ giai đoạn nghiên cứu, cho thấy rằng việc chọn mô hình và biến tài chính thích hợp cần tùy thuộc vào tình hình kinh tế hiện tại.
Trong nghiên cứu của P Higgins và cộng sự (2016) về dự báo tăng trưởng kinh tế và lạm phát tại Trung Quốc, tác giả chỉ ra rằng lãi suất có tác động yếu đến nền kinh tế tổng thể, trong khi những biến động trong cung tiền M2 lại tạo ra ảnh hưởng đáng kể Điều này cho thấy rằng cung tiền M2 là yếu tố được ưu tiên hơn so với lãi suất trong việc dự báo tăng trưởng kinh tế.
Nghiên cứu của Luis M Gomez-Zamudio và Raul Ibarra đặt ra câu hỏi liệu việc sử dụng dữ liệu tài chính hàng ngày có thể cải thiện chất lượng dự báo tăng trưởng GDP hay không Các tác giả phân tích tác động của dữ liệu tài chính đến độ chính xác trong việc dự đoán sự phát triển kinh tế, từ đó cung cấp cái nhìn sâu sắc về mối liên hệ giữa thông tin tài chính và tăng trưởng GDP.
Nghiên cứu năm 2017 đã chỉ ra rằng việc sử dụng các biến tài chính theo ngày giúp cải thiện chất lượng dự báo tăng trưởng GDP ở Mexico Cụ thể, mô hình MIDAS kết hợp với dữ liệu tài chính theo ngày được sử dụng để dự báo tăng trưởng kinh tế cho một và bốn quý tới, cho thấy độ chính xác cao hơn so với các mô hình sử dụng dữ liệu có cùng tần số Tuy nhiên, kết quả cũng cho thấy rằng mô hình MIDAS với các quan sát dẫn dắt có độ chính xác tương tự so với mô hình MIDAS không có các quan sát dẫn dắt.
Trong nghiên cứu dự báo tăng trưởng GDP của Trung Quốc, Yu Jiang và cộng sự (2017) đã phát triển các nhân tố động từ nhiều biến vĩ mô và tài chính Họ áp dụng các nhân tố này vào mô hình MIDAS để dự đoán tăng trưởng kinh tế Kết quả cho thấy rằng việc sử dụng nhân tố động và mô hình MIDAS mang lại độ chính xác cao hơn so với các mô hình truyền thống, đặc biệt là khi dự báo dựa trên các quan sát dẫn dắt.
2.3.3 Các nghiên cứu tại Việt Nam
Dự báo kinh tế là vấn đề quan trọng đối với cả nhà nghiên cứu và nhà hoạch định chính sách toàn cầu Nhiều mô hình dự báo đã được phát triển nhằm nâng cao độ chính xác, mỗi mô hình đều có ưu điểm và nhược điểm riêng Các nhà nghiên cứu Việt Nam cũng đang nỗ lực tìm kiếm mô hình tối ưu để dự đoán sự tăng trưởng kinh tế của đất nước, điển hình là một nghiên cứu gần đây.
Vũ Thị Thu Hằng và cộng sự (2013) đã tiến hành dự báo tăng trưởng GDP và lạm phát của Việt Nam bằng hai mô hình: VAR và Bayesian VAR (BVAR) Kết quả nghiên cứu cho thấy mô hình BVAR có độ chính xác dự báo cao hơn so với mô hình VAR, cả trong dự báo lạm phát lẫn tăng trưởng GDP Đặc biệt, sai số dự báo của mô hình BVAR thấp hơn đáng kể so với mô hình VAR trong các dự báo từ một đến bốn kỳ trong tương lai.
Tổng hợp kết quả nghiên cứu thực nghiệm
Không có mô hình hoàn hảo nào áp dụng cho tất cả các quốc gia trong dự báo tăng trưởng kinh tế Nhiều nghiên cứu đã chỉ ra rằng các biến tài chính có khả năng dự báo mạnh mẽ Việc lựa chọn biến tài chính để dự báo phụ thuộc vào quy mô kinh tế, chính sách tiền tệ và hệ thống tài chính của mỗi quốc gia Các biến tài chính thường được sử dụng bao gồm cung tiền, tỷ suất sinh lợi thị trường và tỷ giá Mô hình nghiên cứu được lựa chọn phụ thuộc vào quan điểm của từng tác giả, nhưng chưa có mô hình nào được chứng minh là tối ưu.
Tại Việt Nam, các học giả và nhà hoạch định chính sách luôn nỗ lực tìm kiếm mô hình dự báo tăng trưởng GDP tối ưu Nghiên cứu đã chỉ ra rằng mô hình BVAR mang lại chất lượng dự báo tốt hơn so với mô hình VAR trong việc dự đoán tăng trưởng kinh tế và lạm phát.
Trong những năm gần đây, nhiều tác giả như Yu Jiang và cộng sự (2017) đã áp dụng mô hình MIDAS để dự báo tăng trưởng GDP của các quốc gia Trong luận văn này, tác giả sẽ áp dụng mô hình này để dự báo tăng trưởng GDP của Việt Nam, với lý do kinh tế Việt Nam có nhiều điểm tương đồng với Trung Quốc Tác giả sẽ sử dụng phương pháp nghiên cứu tương tự như Yu Jiang và các cộng sự, kết hợp mô hình nhân tố động và mô hình MIDAS Tuy nhiên, nghiên cứu sẽ chỉ tập trung vào các biến số tài chính và một số biến có khả năng dự báo tăng trưởng GDP của Việt Nam.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu nghiên cứu
Dữ liệu tăng trưởng GDP hàng quý của Việt Nam được thu thập từ Ngân hàng Phát triển châu Á (ADB) Các biến tài chính trong mô hình dự báo được chọn dựa trên tài liệu nghiên cứu trước đây và độ mạnh dự báo, bao gồm cung tiền và tỷ suất sinh lợi thị trường Tăng trưởng hàng tháng của các biến tài chính được tính toán dựa trên tỷ lệ tăng trưởng so với cùng kỳ năm trước để loại trừ yếu tố mùa vụ.
Danh sách các biến tài chính đƣợc chọn sử dụng trong bài nghiên cứu
Tên biến Ký hiệu Tần số Thời gian Nguồn dữ liệu
Ngân hàng phát triển châu Á - ADB
Quỹ tiền tệ quốc tế - IMF
Quỹ tiền tệ quốc tế - IMF
Quỹ tiền tệ quốc tế - IMF
Phương pháp nghiên cứu
Để tìm ra một mô hình phù hợp cho dự báo tăng trưởng kinh tế Việt Nam, bài luận văn này sẽ tập trung vào ba bước chính:
Tác giả áp dụng mô hình nhân tố động để xác định từ một đến hai nhân tố chính, đại diện cho các biến số tài chính tác động đến tăng trưởng kinh tế Việt Nam Đây là bước quan trọng nhất trong việc xây dựng một mô hình dự báo hiệu quả.
Nhiều nghiên cứu trước đây đã chỉ ra rằng có thể sử dụng các mô hình và biến số khác nhau để dự báo tăng trưởng kinh tế, với nhiều biến tài chính có khả năng làm biến dự báo Tuy nhiên, việc đưa quá nhiều biến vào mô hình có thể gây ra vấn đề về “quá nhiều biến” và “quá phù hợp”, trong khi việc chỉ sử dụng một vài biến sẽ dẫn đến việc bỏ sót thông tin dự báo quan trọng Việc áp dụng mô hình nhân tố động để tạo ra các nhân tố dự báo có thể giải quyết những khó khăn này.
Qua bước thứ hai, tác giả sẽ sử dụng mô hình hồi quy với dữ liệu hỗn hợp –
MIDAS được sử dụng để dự báo tăng trưởng kinh tế, với dữ liệu GDP được phân tích theo quý Các biến dự báo trong mô hình này có dữ liệu theo tháng hoặc theo ngày, giúp nâng cao độ chính xác trong việc dự đoán xu hướng kinh tế.
Trong các mô hình dự báo truyền thống, tần số dữ liệu GDP và các biến dự báo thường giống nhau, dẫn đến những mô hình này trở nên đơn giản và dễ hiểu Tuy nhiên, chúng chưa tối ưu do không xem xét sự biến động của số liệu trong kỳ Mô hình MIDAS đã khắc phục vấn đề này, mang lại hiệu quả cao hơn trong dự báo.
Bước cuối cùng là kiểm tra chất lượng dự báo của các mô hình MIDAS bằng cách so sánh nhân tố dự báo đã sử dụng ở bước một với mô hình MIDAS kết hợp các biến dự báo đơn lẻ.
Tác giả sẽ đánh giá chất lượng các mô hình dự báo thông qua hai chỉ số: căn bậc hai của trung bình sai số bình phương (RMSE) và hệ số bất ổn Theil.
Sau đây, tác giả sẽ mô tả chi tiết phương pháp nghiên cứu được sử dụng trong bài luận văn này
3.2.1 Mô hình nhân tố động
Bài luận văn này áp dụng mô hình nhân tố động (DFM) để xác định các yếu tố dự báo từ dữ liệu tài chính Mô hình nhân tố động có hai ưu điểm nổi bật: đầu tiên, nó cho phép xử lý tự tương quan và phương sai thay đổi, thứ hai, nó cho phép các hệ số thay đổi theo thời gian, giúp giải quyết hiệu quả vấn đề chuỗi dữ liệu không dừng và các điểm gãy cấu trúc Công thức của mô hình nhân tố động được trình bày rõ ràng trong bài viết.
X t = (X 1t , X 2t , …, X Nt )’ là vector Nx1 chứa các quan sát của N biến tài chính tại thời gian t (t = 1, …, T),
f t là vector kx1 chứa k nhân tố động tại thời gian t,
Λ(L) là ma trận đa thức trễ bậc p, ma trận Λ(L) có kích thước Nxk,
k là số nhân tố động,
u t = (u 1t , u 2t , …, u Nt )’ là vector Nx1 của thành phần sai số,
Φ(L) là ma trận đa thức trễ bậc q, ma trận Φ(L) có kích thước kxk,
ε t = (ε 1t , …, ε kt )’ là vector thành phần sai số
Đa thức trễ λ i (L) đƣợc gọi là “dynamic factor loading” đối với chuỗi thời
λi(L)f t đƣợc gọi là thành phần chung của chuỗi thứ i,
Và u it được coi là thành phần đặc trưng của chuỗi thứ i, với f t là nhân tố động tại thời điểm t Nhân tố này thay đổi cùng với nhiều biến tài chính và có thể được sử dụng như một biến dự báo cho tăng trưởng GDP Đặt ( ) là vector rx1 của các nhân tố tĩnh và ( ) là ma trận hệ số Nxk của trễ thứ i trong Λ(L), từ đó chúng ta có phương trình tĩnh sau.
( ) Ƣớc lƣợng các thành phần chính của Ft có thể đƣợc rút ra bằng cách giải bài toán bình phương bé nhất đó
Số lượng các nhân tố (r) cần được xác định trước khi tiến hành ước lượng Bai và Ng (2002) đã phát triển một nhóm các ước lượng r dựa trên điều kiện thông tin để lựa chọn mô hình Số lượng nhân tố ước lượng (̂) có thể tìm được bằng cách tối thiểu hóa điều kiện thông tin liên quan đến r̂ Điều kiện thông tin này được áp dụng cho dữ liệu bảng lớn, nhưng các nghiên cứu gần đây cho thấy rằng nó có thể không đủ mạnh trong thực tế Alessi và cộng sự (2009) đã đề xuất một điều kiện thông tin thay thế, cung cấp các kết quả mạnh hơn cho việc xác định số lượng nhân tố.
( ) ( ̂ ( ) ̂ ( ) ) ( ) ( ) trong đó c là một hằng số dương làm tăng độ mạnh hàm phạt Đối với mỗi giá trị của c, số lƣợng các nhân tố đƣợc ƣớc lƣợng là ̂ ( ) ( )
Và đối với cỡ mẫu con và (j = 1, 2, …, J) tính toán phương sai của số lƣợng nhân tố đƣợc ƣớc lƣợng
Phương trình (7) đánh giá độ bất ổn của số lượng nhân tố ước lượng khi xem xét các mẫu con trong dữ liệu Khi giá trị c tăng, số lượng nhân tố tối ưu được xác định bằng cách tìm kiếm sự xuất hiện đầu tiên của vùng c, bên cạnh vùng c cực nhỏ, nơi mà số lượng nhân tố ước lượng ổn định qua các giá trị c và các mẫu con khác nhau, tức là ước lượng là hằng số và bằng 0 Thủ tục ước lượng số nhân tố này có thể mang lại những ước lượng mạnh mẽ hơn so với phương pháp Bai-Ng.
Các nhân tố hàng ngày và hàng tháng đạt được thông qua mô hình DFM có thể được áp dụng như những biến dự báo cho tăng trưởng GDP, thông qua việc sử dụng mô hình hồi quy.
là tỷ lệ tăng trưởng GDP hàng quý tại quý t
biểu thị giá trị biến dự báo theo tháng trong tháng thứ j tính lùi từ quý t, trong đó tháng cuối trong quý t tương ứng với j=0
Sử dụng các biến dự báo theo tháng, tăng trưởng GDP theo h bước tiếp theo sử dụng hồi quy MIDAS( , )
là bậc trễ của các biến dự báo theo tháng,
μ, , …, , , …, là các hệ số đƣợc ƣớc lƣợng,
Trong phân tích sai số, giá trị biến dự báo theo ngày được xác định cho ngày thứ j, tính ngược từ quý t, với ngày cuối cùng trong quý t tương ứng với j=0 Dự báo tăng trưởng GDP cho bước tiếp theo được thực hiện bằng cách sử dụng hồi quy MIDAS, với các biến dự báo theo ngày được áp dụng.
( ) trong đó là bậc trễ của các biến dự báo theo ngày, , …, là các hệ số đƣợc ƣớc lƣợng
Hồi quy MIDAS mang lại lợi ích khi sử dụng thông tin theo ngày hoặc tháng, nhưng có thể gặp khó khăn do sự gia tăng tham số trong các trường hợp lớn Để khắc phục vấn đề này, Ghysels và cộng sự (2004) đã đề xuất sơ đồ trọng số theo hướng dữ liệu, cho phép dự báo tuyến tính từ dữ liệu tần số cao sang dữ liệu tần số thấp với số lượng tham số tối thiểu Mô hình hồi quy MIDAS theo quý hoặc tháng giúp tối ưu hóa quá trình dự báo.
Mô hình hồi quy MIDAS( , ) theo quý/ ngày là
Trong đó, ( ) là một hàm của vector các tham số thể hiện tỷ trọng của hoặc và β trong hệ số chung Để xác định tham số β, cần phải có điều kiện ∑ ( ) và
Các lựa chọn tham số hóa hàm trọng số bao gồm đa thức MIDAS không bị chặn, hàm mật độ xác suất Beta chuẩn, đa thức Almon chuẩn hóa theo hàm mũ, và đa thức với các hàm từng bước Ghysels và cộng sự (2006) đã cung cấp những thảo luận chi tiết về sơ đồ tỷ trọng Nghiên cứu này sử dụng hàm mật độ xác suất Beta chuẩn.
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả
Dữ liệu trong bài luận văn này được thu thập từ các nguồn đáng tin cậy như Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Phát triển châu Á (ADB) Hình 4.1 đến Hình 4.8 trình bày các biến số chính được sử dụng trong nghiên cứu này.
Trong giai đoạn 2000 – 2008, kinh tế Việt Nam phát triển mạnh mẽ với tốc độ tăng trưởng bình quân đạt 7.45% mỗi quý, tuy nhiên, sự ổn định vẫn còn thấp với độ lệch chuẩn 0.96% Thị trường tài chính cũng thể hiện sự không ổn định, với tăng trưởng cung tiền M1 và M2 lần lượt đạt 25.5% và 32.8%, cùng độ lệch chuẩn 16.2% và 14.5%.
Từ năm 2009 đến 2016, kinh tế Việt Nam đã có những tiến bộ rõ rệt với tốc độ tăng trưởng GDP ổn định trung bình đạt 5.83% và độ lệch chuẩn 0.92% Thành công này chủ yếu nhờ vào chính sách tiền tệ hiệu quả, thể hiện qua sự tăng trưởng trung bình của cung tiền M1 và M2 lần lượt là 19.9% và 21.7%, với độ lệch chuẩn tương ứng là 12.5% và 6.3%.
Hình 4 1 Tăng trưởng GDP theo quý của Việt Nam (2000 - 2016)
Nguồn: Ngân hàng Phát triển châu Á - ADB
Hình 4 2 Tăng trưởng cung tiền M1 theo tháng
Nguồn: Quỹ tiền tệ quốc tế - IMF
Hình 4 3 Tăng trưởng cung tiền M2 theo tháng
Nguồn: Quỹ tiền tệ quốc tế - IMF
Hình 4 4 Tăng trưởng dự trữ ngoại hối theo tháng
Nguồn: Quỹ tiền tệ quốc tế - IMF
Hình 4 5 Nhân tố dự báo theo tháng
Ghi chú: Nhân tố này được tạo ra từ bộ dữ liệu cung tiền M1, cung tiền M2 và dự trữ ngoại hối bằng việc sử dụng
Thị trường chứng khoán Việt Nam đã duy trì sự ổn định kể từ sau cuộc khủng hoảng tài chính năm 2008, với biên độ dao động của chỉ số VN-Index giảm từ 1.61% trước năm 2009 xuống còn khoảng 1.30% mỗi ngày.
Tỷ giá USD/VND trong giai đoạn nghiên cứu khá ổn định, với độ lệch chuẩn chỉ khoảng 0.23% Tuy nhiên, giai đoạn 2008 – 2011 lại cho thấy sự bất ổn, với độ lệch chuẩn lên tới 0.39%, gần gấp đôi so với toàn bộ giai đoạn nghiên cứu.
Hình 4 6 Thay đổi chỉ số VN-Index theo ngày
Nguồn: Công ty chứng khoán VNDIRECT
Hình 4 7 Thay đổi tỷ giá USD/VND theo ngày
Nguồn: Trang web investing.com
Hình 4 8 Nhân tố dự báo theo ngày
Nhân tố này được phát sinh từ bộ dữ liệu chỉ số VN-Index và tỷ giá USD/VND, thông qua việc áp dụng mô hình nhân tố động.
Giải thích sự lựa chọn các biến dự báo
Trong nghiên cứu này, tác giả phân tích các biến số như cung tiền M1, M2, dự trữ ngoại hối, chỉ số chứng khoán và tỷ giá đô la Mỹ tại Việt Nam để dự báo tăng trưởng kinh tế Những biến số này được lựa chọn dựa trên các lý thuyết kinh tế và nghiên cứu thực nghiệm đã được thực hiện trên toàn cầu.
Sự lựa chọn biến cung tiền
Theo lý thuyết vĩ mô, gia tăng cung tiền có thể làm giảm lãi suất, từ đó kích thích tiêu dùng và đầu tư, dẫn đến tăng trưởng sản lượng quốc gia trong ngắn hạn Tuy nhiên, trong dài hạn, việc này có thể gây ra sự tăng giá ảo của tài sản do thanh khoản cao, dẫn đến phân bổ vốn không hiệu quả, lãng phí đầu tư và hoạt động đầu cơ, thường gây ra bong bóng tài sản và suy thoái kinh tế.
Cung tiền, dù có tác động tích cực hay tiêu cực, là một chỉ báo quan trọng cho sự tăng trưởng kinh tế Nghiên cứu của Arfanuzzaman (2014) đã chỉ ra rằng có mối quan hệ nhân quả giữa cung tiền M2 và tăng trưởng kinh tế, cho thấy rằng cung tiền M2 là một biến dự báo hiệu quả cho sự tăng trưởng GDP.
Sự lựa chọn biến dự trữ ngoại hối và tỷ giá đô la Mỹ
Tỷ giá và chế độ tỷ giá đã trở thành chủ đề tranh luận nóng bỏng kể từ sau khủng hoảng tài chính 2008, đặc biệt tại các nền kinh tế mới nổi Có sự bất đồng giữa các nhà kinh tế học và nhà làm chính sách về ảnh hưởng của chính sách tỷ giá đối với tăng trưởng kinh tế Các nhà làm chính sách cho rằng tỷ giá hối đoái thấp sẽ thúc đẩy tăng trưởng, trong khi các nhà kinh tế học nhấn mạnh rằng giá cả tương đối giữa các đồng tiền là yếu tố quyết định cho tăng trưởng bền vững Nhiều nhà nghiên cứu coi tỷ giá là biến nội sinh, khiến cho việc đo lường tác động của nó lên tăng trưởng trở nên phức tạp Rodrik (2008) chỉ ra rằng, tại các nước đang phát triển, tỷ giá thực bị đánh giá thấp có thể thúc đẩy tăng trưởng mạnh mẽ hơn, đồng thời một tỷ giá yếu có thể bù đắp cho những yếu kém về thể chế và thất bại thị trường.
M Habib và cộng sự (2016), việc đánh giá thấp tỷ giá có thể làm tăng đáng kể tăng trưởng GDP thực Tuy nhiên, các kết quả này chỉ đúng tại các quốc gia đang phát triển
Nhiều nghiên cứu toàn cầu đã chỉ ra mối liên hệ chặt chẽ giữa tỷ giá hối đoái và tăng trưởng kinh tế, đặc biệt ở các quốc gia đang phát triển Do đó, việc áp dụng tỷ giá để dự báo tăng trưởng kinh tế tại Việt Nam có thể mang lại kết quả chính xác cao.
Một lượng dự trữ ngoại hối lớn tạo điều kiện thuận lợi cho việc duy trì chính sách tiền tệ ổn định, điều này đóng vai trò quan trọng trong sự phát triển kinh tế của quốc gia Do đó, có mối tương quan chặt chẽ giữa dự trữ ngoại hối và tăng trưởng GDP.
Sự lựa chọn biến chỉ số chứng khoán
Thị trường chứng khoán đóng vai trò quan trọng trong sự phát triển kinh tế của một quốc gia, điều này đã được xác nhận qua nhiều nghiên cứu toàn cầu Một thị trường chứng khoán năng động và hiệu quả sẽ thúc đẩy tăng trưởng kinh tế mạnh mẽ Tại Việt Nam, thị trường chứng khoán thể hiện vai trò thiết yếu trong việc hỗ trợ phát triển kinh tế.
Thị trường chứng khoán đóng vai trò quan trọng như một trung gian kết nối giữa các nhà đầu tư thặng dư vốn và những người cần vốn, từ đó đảm bảo dòng vốn được luân chuyển hiệu quả cả trong nước và quốc tế.
Thị trường chứng khoán đóng vai trò quan trọng trong việc nâng cao hiệu quả hoạt động của các trung gian tài chính, từ đó giảm thiểu chi phí giao dịch và khắc phục tình trạng bất cân xứng thông tin, góp phần thúc đẩy tăng trưởng kinh tế mạnh mẽ.
Thị trường chứng khoán nâng cao khả năng thanh khoản cho các tài sản tài chính của nhà đầu tư Mức độ thanh khoản càng cao trong một thị trường sôi động sẽ thu hút nhiều nhà đầu tư trong và ngoài nước.
Thị trường chứng khoán thúc đẩy các doanh nghiệp hoạt động hiệu quả hơn nhờ áp lực công bố thông tin minh bạch cho nhà đầu tư.
Thị trường chứng khoán có vai trò quan trọng trong sự phát triển kinh tế quốc gia Do đó, khi dự báo tăng trưởng kinh tế, việc xem xét các yếu tố liên quan đến thị trường chứng khoán sẽ nâng cao chất lượng của những dự báo này.
Kết quả hồi quy
Mô hình hồi quy MIDAS được áp dụng để dự báo tăng trưởng GDP của Việt Nam bằng cách sử dụng các yếu tố theo tháng và theo ngày Dữ liệu được chia thành hai mẫu: một mẫu để ước lượng mô hình và một mẫu để đánh giá độ chính xác của các dự báo Luận văn này đưa ra 8 dự báo ngoài mẫu từ quý 1 năm 2015 đến quý 4 năm 2016, sử dụng dữ liệu từ quý 1 năm 2000 đến quý 4 năm 2014 Dự báo đầu tiên là quý 1 năm 2015, với các dự báo tiếp theo được cập nhật dựa trên các quan sát thực tế Độ chính xác của các mô hình dự báo được đánh giá bằng căn bậc hai của trung bình sai số dự báo bình phương (RMSE).
4.3.1 Tạo ra các nhân tố động
Bước đầu tiên trong bài luận này là xác định các nhân tố động từ dữ liệu tài chính giai đoạn 2000-2016 Tác giả đã tạo ra nhân tố theo tháng MF1 bằng cách áp dụng mô hình nhân tố động cho ba chuỗi cung tiền M1, M2 và dự trữ ngoại hối, đồng thời xây dựng nhân tố theo ngày DF1 từ hai chuỗi tỷ giá và tỷ suất sinh lợi Dưới đây là các kết quả thu được từ mô hình nhân tố động trong bài luận này.
Nhân tố theo tháng MF1
Factor Method: Principal Factors Date: 10/31/18 Time: 22:15 Covariance Analysis: Ordinary Correlation Sample: 2000M01 2016M12
Included observations: 204 Number of factors: Minimum eigenvalue = 1 Prior communalities: Squared multiple correlation
Nhân tố theo ngày DF1
Factor Method: Principal Factors Date: 10/31/18 Time: 22:18 Covariance Analysis: Ordinary Correlation Sample: 1/03/2000 12/30/2016
Included observations: 4435 Number of factors: Minimum eigenvalue = 1 Prior communalities: Squared multiple correlation
Loadings DF1 Communality Uniqueness HOSE -0.051375 0.002639 0.997361 USD 0.051375 0.002639 0.997361
4.3.2 Các dự báo sử dụng các biến dự báo khác nhau
Các nhân tố dự báo được sinh ra từ mô hình nhân tố động được sử dụng làm biến dự báo cho các dự báo ngoài mẫu trong mô hình hồi quy MIDAS, giúp cải thiện độ chính xác của các dự đoán.
Độ trễ của tăng trưởng GDP theo quý được chọn là 5 để đảm bảo độ chính xác cao nhất cho mô hình dự báo Độ trễ của các biến dự báo được xác định nhằm tối ưu hóa căn bậc hai của trung bình sai số bình phương (RMSE) là nhỏ nhất Cụ thể, độ trễ mục tiêu của nhân tố theo tháng MF1 là 4 tháng, trong khi độ trễ mục tiêu của nhân tố theo ngày DF1 là 100 ngày.
Bảng 4 1 Các sai số dự báo ngoài mẫu và so sánh giữa mô hình MIDAS và mô hình truyền thống
Hồi quy MIDAS Hồi quy truyền thống Độ trễ RMSE
Hệ số Theil Độ trễ RMSE
Ghi chú: Các biến dự báo theo tháng M1, M2, Z tương ứng đại diện cho cung tiền
M1, M2 và dự trữ ngoại hối của Việt Nam (không bao gồm vàng) là các chỉ số quan trọng trong phân tích kinh tế Các biến dự báo theo ngày HOSE và tỷ giá USD/VND đại diện cho chỉ số chứng khoán tại thành phố Hồ Chí Minh MF1 và DF1 là các yếu tố dự báo theo ngày và theo tháng Để tối ưu hóa dự báo, độ trễ cho các biến này được xác định nhằm giảm thiểu sai số dự báo RMSE đến mức thấp nhất.
Hình 4 9 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là cung tiền M1)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Hình 4 10 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là cung tiền M2)
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
I II III IV I II III IV
Hình 4 11 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là dự trữ ngoại hối Z)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Hình 4 12 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là nhân tố theo tháng)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Hình 4 13 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là chỉ số VN-Index)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Hình 4 14 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là tỷ giá USD)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Hình 4 15 Khả năng dự báo của mô hình MIDAS so với mô hình truyền thống (biến dự báo là nhân tố theo ngày)
I II III IV I II III IV
Ghi chú: GDPF1 là dự báo GDP sử dụng mô hình MIDAS; GDPF2 là dự báo GDP sử dụng mô hình truyền thống
Bảng 4.1 trình bày sai số dự báo của mô hình hồi quy MIDAS so với mô hình hồi quy truyền thống, sử dụng các nhân tố từ mô hình nhân tố động và biến tài chính đơn lẻ Mô hình truyền thống chuyển đổi dữ liệu tần số cao thành dữ liệu theo quý và sử dụng phương pháp OLS để ước lượng và dự báo Kết quả cho thấy RMSE của mô hình MIDAS luôn nhỏ hơn RMSE của mô hình truyền thống Hình 4.9 đến Hình 4.15 minh họa độ chính xác của dự báo từ mô hình MIDAS so với mô hình truyền thống Để kiểm định, tác giả sử dụng hệ số bất ổn Theil, với kết quả cho thấy hệ số này của mô hình MIDAS thấp hơn so với mô hình truyền thống Bảng 4.1 cũng chỉ ra rằng dự báo từ hồi quy MIDAS sử dụng các nhân tố theo ngày và theo tháng có độ chính xác cao hơn so với các biến số dự báo đơn lẻ, với RMSE và hệ số Theil thấp hơn ở các mô hình này.
Các dự báo tăng trưởng GDP đạt kết quả tốt nhất khi áp dụng mô hình nhân tố động và hồi quy MIDAS Sự thành công này xuất phát từ việc sử dụng hiệu quả thông tin tài chính trong mô hình nhân tố động, cho phép tạo ra các nhân tố hàng ngày và hàng tháng chứa nhiều thông tin hơn so với các biến tài chính đơn lẻ Hơn nữa, mô hình hồi quy MIDAS khai thác hiệu quả dữ liệu tần số cao, từ đó cung cấp dự báo tăng trưởng GDP Việt Nam chính xác hơn.
4.3.3 Dự báo với các quan sát dẫn dắt
Việc sử dụng thông tin tài chính để dự báo tăng trưởng GDP hiệu quả không chỉ phụ thuộc vào việc chọn lựa biến dự báo mà còn vào số lượng quan sát dẫn dắt trong quy trình dự báo Bảng 4.2 trình bày các sai số dự báo ngoài mẫu và hệ số bất ổn Theil trong các trường hợp không có, có một và hai quan sát dẫn dắt Tác giả áp dụng hai phương trình (13) và (14) để thực hiện dự báo với các quan sát dẫn dắt.
Bảng 4 2 Sai số dự báo ngoài mẫu với số lƣợng các quan sát dẫn dắt khác nhau
Trong nghiên cứu này, J X được xác định là số quan sát dẫn dắt, với các biến dự báo theo tháng M1, M2 và Z đại diện cho cung tiền M1, cung tiền M2 và dự trữ ngoại hối của Việt Nam (không tính vàng) Các biến dự báo theo ngày, bao gồm chỉ số chứng khoán HOSE và tỷ giá USD/VND, cùng với các yếu tố MF1 và DF1, được phân tích để tối ưu hóa độ trễ nhằm giảm thiểu sai số dự báo RMSE Đáng chú ý, trong các mô hình dự báo theo tháng, số quan sát dẫn dắt bằng 1 cho độ chính xác cao nhất, nhưng không có sự cải thiện đáng kể so với mô hình không có quan sát dẫn dắt Đối với các mô hình dự báo theo ngày, việc sử dụng quan sát dẫn dắt không nâng cao chất lượng dự báo, cho thấy sự biến động lớn của các biến tài chính trong các mô hình này.
4.3.4 Kết hợp dự báo Để kiểm tra hiệu quả của mô hình nhân tố động, tác giả xây dựng hai loại mô hình dự báo Một loại là mô hình dự báo sử dụng các nhân tố đƣợc tạo ra từ mô hình nhân tố động Loại thứ hai là mô hình dự báo sử dụng kết hợp các biến dự báo đơn lẻ (CM, CD lần lƣợt là các kết hợp dự báo của các biến đơn lẻ theo tháng và theo ngày)
Bảng 4 3 Đối chiếu giữa dự báo sử dụng nhân tố và dự báo sử dụng kết hợp các biến dự báo đơn lẻ
Biến dự báo Độ trễ RMSE Hệ số Theil
CM là mô hình dự báo kết hợp các biến dự báo đơn lẻ theo tháng, bao gồm cung tiền M1, M2 và dự trữ ngoại hối Trong khi đó, CD là mô hình dự báo kết hợp các biến dự báo đơn lẻ theo ngày, tập trung vào chỉ số sàn chứng khoán thành phố.
Hồ Chí Minh và tỷ giá USD/VND
Bảng 4.3 cho thấy căn bậc hai của trung bình sai số dự báo bình phương (RMSE) và hệ số bất ổn Theil của các phương pháp dự báo sử dụng biến tài chính đơn lẻ và mô hình nhân tố động Kết quả cho thấy dự báo dựa trên các nhân tố (MF1 và DF1) có độ chính xác cao hơn so với dự báo từ biến tài chính riêng lẻ, khẳng định hiệu quả của mô hình nhân tố động Tóm lại, nghiên cứu này chứng minh rằng việc sử dụng các nhân tố trong dự báo tăng trưởng GDP Việt Nam giúp khai thác toàn bộ và hiệu quả thông tin tài chính từ dữ liệu riêng lẻ.
