Dự báo tăng trưởng kinh tế và lạm phát Việt Nam: Một so sánh giữa mô hình VAR, LASSO và MLP

Nội dung text: Dự báo tăng trưởng kinh tế và lạm phát Việt Nam: Một so sánh giữa mô hình VAR, LASSO và MLP

1. ISSN 1859-3666 MỤC LỤC KINH TẾ VÀ QUẢN LÝ 1. Nguyễn Đức Trung, Lê Hoàng Anh và Đinh Thị Phương Anh - Dự báo tăng trưởng kinh tế và lạm phát Việt Nam: một so sánh giữa mô hình VAR, LASSO VÀ MLP. Mã số 154.1Deco.11 3 Forecasting Economic Growth and Inflation in Vietnam: A Comparison Between the Var Model, the Lasso Model, and the Multi-Layer Perceptron Model 2. Hà Văn Sự và Lê Nguyễn Diệu Anh - Các yếu tố tác động đến phát triển thương mại đáp ứng yêu cầu phát triển bền vững ở Việt Nam. Mã số 154.1Deco.12 14 The Study on Factors Affecting Trade Development Meeting the Requirements for Sustainable Development in Vietnam 3. Nguyễn Văn Huân và Nguyễn Thị Quỳnh Trang - Nghiên cứu Mô hình Z-Score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam. Mã số 154.1FiBa.11 28 Studying Z-Score Model in Early Warnings of Credit Risk at Vietnam Commercial Banks QUẢN TRỊ KINH DOANH 4. Nguyễn Thu Thuỷ và Nguyễn Văn Tiến - Các nhân tố tác động đến chính sách cổ tức của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Mã số 154.2FiBa.22 36 Some Factors Influencing Dividend Policy of the Real Estate Companies Listed on Vietnamese Stock Market 5. Nguyễn Thị Minh Nhàn và Phạm Thị Thanh Hà - Nghiên cứu các yếu tố ảnh hưởng đến trả công lao động tại ngân hàng thương mại cổ phần đầu tư và phát triển Việt Nam. Mã số 154.2HRMg.21 49 Research on Factors Affecting Wage Labour in the Joint Stock Commercial Bank for Investment and Development of Vietnam 6. Nguyễn Thị Ngọc Huyền và Trần Thị Thanh Phương - Tác động của thực tiễn quản trị nguồn nhân lực đến hiệu quả công việc của nhân viên ngành tài chính tiêu dùng tại Thành phố Hồ Chí Minh. Mã số 154.2.HRMg.21 65 The Impact of Empirical Human Resource Management on Job Performance of Employees in the Consumer Finance Sector in Ho Chi Minh City khoa học Số 154/2021 thương mại 1 1
2. ISSN 1859-3666 7. Ngô Mỹ Trân, Trần Thị Bạch Yến và Lâm Thị Ngọc Nhung - Ảnh hưởng của quản trị chéo đến hiệu quả tài chính của các công ty niêm yết trên Thị trường chứng khoán Việt Nam. Mã số 154.2FiBa.21 80 Effect of Multiple Directorships on Financial Performance of Listed Companies: The Case of the Vietnamese Stock Market 8. Kiều Quốc Hoàn - Nghiên cứu định lượng tác động của quản trị nhân sự số đến hiệu quả hoạt động doanh nghiệp. Mã số 154.2HRMg.22 94 The Impact of Digital Human Resource Management on Firm Peformance: An Empirical Study on Vietnam Ý KIẾN TRAO ĐỔI 9. Nguyễn Thị Minh Giang và Hoàng Thị Bích Ngọc - Báo cáo tài chính khu vực công Việt Nam - những điểm tương đồng và khác biệt so với chuẩn mực kế toán công quốc tế. Mã số 154.3BAcc.31 107 Vietnamese Sector Public Financial Reporting – Some Similarities and Differences Between International Public Sector Accounting Standards khoa học 2 thương mại Số 154/2021
3. KINH TẾ VÀ QUẢN LÝ DỰ BÁO TĂNG TRƯỞNG KINH TẾ VÀ LẠM PHÁT VIỆT NAM: MỘT SO SÁNH GIỮA MÔ HÌNH VAR, LASSO VÀ MLP Nguyễn Đức Trung Email: trungnd@buh.edu.vn Trường Đại học Ngân hàng TP. Hồ Chí Minh Lê Hoàng Anh Email: anhlh_vnc@buh.edu.vn Trường Đại học Ngân hàng TP. Hồ Chí Minh Đinh Thị Phương Anh Email: anh.dtp@tmu.edu.vn Trường Đại học Thương mại Ngày nhận: 26/03/2021 Ngày nhận lại: 14/05/2021 Ngày duyệt đăng: 17/05/2021 ăng trưởng kinh tế và lạm phát là hai chỉ tiêu quan trọng đối với bất kỳ nền kinh tế nào trên Tthế giới. Do tầm quan trọng của hai biến số này với nền kinh tế, việc dự báo tăng trưởng kinh tế và lạm phát trở thành vấn đề quan trọng và luôn nhận được sự quan tâm của chính phủ các quốc gia. Bài báo này nhằm cung cấp một sự so sánh về hiệu quả dự báo tăng trưởng kinh tế và lạm phát giữa các phương pháp phổ biến hiện nay. Cụ thể, mô hình dự báo tăng trưởng kinh tế và lạm phát được nhóm tác giả xây dựng và ước lượng thông qua 3 mô hình là VAR, LASSO, MLP. Với dữ liệu được thu thập trong giai đoạn 1996 - 2020, kết quả nghiên cứu cho thấy theo cả 3 chỉ số RMSE, MAPE và MSE, dự báo tăng trưởng kinh tế bằng mô hình LASSO có mức độ chính xác cao nhất trong khi dự báo lạm phát bằng mô hình VAR có mức độ chính xác cao nhất. Mặc dù mô hình nơ-ron MLP chưa cho thấy hiệu quả dự báo cao trong nghiên cứu này nhưng đây vẫn là công cụ dự báo của tương lai do mô tả được các quan hệ phi tuyến giữa các biến số trong mô hình và khả năng lập bản đồ trực quan về các mối quan hệ phi tuyến này. Từ khóa: Mô hình VAR, Mô hình LASSO, Mô hình MLP. JEL Classifications: C53, C63, E31 1. Giới thiệu nghiên cứu tư, tiết kiệm và mọi ngõ ngách của nền kinh tế. Bên Tăng trưởng kinh tế và lạm phát là hai chỉ tiêu cạnh đó, lạm phát cao tại một quốc gia cũng làm suy quan trọng đối với bất kỳ nền kinh tế nào trên thế giảm niềm tin của công chúng vào đồng nội tệ của giới. Tăng trưởng kinh tế phản ánh sự phát triển của quốc gia đó. một quốc gia, giúp nâng cao vị thế và thu hút đầu tư Dù được xem là hai chỉ báo kinh tế vĩ mô có tầm vào quốc gia đó. Tăng trưởng kinh tế có tác động ảnh hưởng sâu sắc đến đời sống kinh tế xã hội, lạm đến việc thực hiện các chính sách xã hội, làm biến phát và tăng trưởng kinh tế lại có mối liên hệ với đổi cơ cấu ngành kinh tế, hình thành nhiều ngành nhau. Mối liên hệ này đã được chỉ ra trong nhiều lý mới, tạo ra nhiều việc làm cho người dân. Trái với thuyết và nghiên cứu thực nghiệm. Cụ thể, lý thuyết tăng trưởng kinh tế, lạm phát cao gây ra bất ổn kinh của Keynes cho rằng trong ngắn hạn, để tăng trưởng tế vĩ mô thông qua việc tác động đến tiêu dùng, đầu kinh tế, các quốc gia cần phải chấp nhận một mức khoa học ! Số 154/2021 thương mại 3
4. KINH TẾ VÀ QUẢN LÝ lạm phát nhất định. Tuy nhiên, mối quan hệ cùng trưởng kinh tế và lạm phát có thể được phân thành: chiều này không tồn tại mãi mãi, khi lạm phát vượt phương pháp định lượng và phương pháp định tính. qua một ngưỡng giới hạn sẽ làm giảm tăng trưởng Các phương pháp định lượng chia thành: các kinh tế (Stockman, 1981; Ocran và Biekpe, 2007). phương pháp nhân quả (phân tích hồi quy, hồi quy Trong dài hạn, khi tăng trưởng đã đạt đến mức tối ưu đa biến, hồi quy phân vị, logit, probit, ), các thì lạm phát không tác động đến tăng trưởng nữa mà phương pháp chuỗi thời gian (Trung bình trượt, lúc này lạm phát là hậu quả của việc cung tiền quá phân tích xu hướng và mùa vụ, phân tích vectơ tự mức vào nền kinh tế. hồi quy, phân tích ARIMA, ). Các phương pháp Do tầm quan trọng của hai biến số này với nền định tính chia thành: phương pháp Delphi, phân kinh tế, việc dự báo tăng trưởng kinh tế và lạm phát tích thăm dò và thu thập ý kiến chuyên gia. trở thành vấn đề quan trọng và luôn nhận được sự Tuy nhiên, cho đến nay, tính chính xác của các quan tâm của chính phủ các quốc gia. Dự báo tăng mô hình dự báo kinh tế còn nhiều giới hạn. Các cơ trưởng kinh tế giúp chính phủ đưa ra các mục tiêu quan nghiên cứu lớn như Ngân hàng Thế giới (WB), phát triển phù hợp. Bởi, tăng trưởng kinh tế bền Quỹ Tiền tệ Quốc tế (IMF) đều có các mô hình dự vững là mục tiêu mà các chính phủ đều hướng tới báo rất phức tạp và tỉ mỉ nhưng các kết quả dự báo nhằm ổn định kinh tế vĩ mô, nâng cao trình độ của của họ luôn sai biệt so với thực tiễn khá xa. Mặc dù người lao động, ứng dụng khoa học và công nghệ công tác dự báo là khó khăn, các cơ quan chính phủ, tiên tiến, cải tiến tổ chức và quản lý sản xuất, tăng các nhà hoạch định chính sách, nhà doanh nghiệp, hiệu suất của tư liệu lao động và tận dụng hiệu quả luôn cần đến các dự báo kinh tế để làm cơ sở cho các nguồn tài nguyên thiên nhiên gắn với bảo vệ môi việc điều hành chính sách. Các dự báo không mang trường. Bên cạnh đó, lạm phát cao trong bất cứ tình tính chính xác hoàn toàn nhưng cũng phản ánh được huống nào và ở bất cứ quốc gia nào đều bộc lộ khả xu hướng của các biến động kinh tế. Trong nghiên năng hạn chế của chính phủ trong điều hành, quản cứu này, chúng tôi dự báo tăng trưởng kinh tế và lạm lý nền kinh tế. Do đó, dự báo lạm phát đã trở thành phát thông qua mô hình vectơ tự hồi quy (VAR), mô một nghiệp vụ lõi mà bất cứ ngân hàng trung ương hình hồi quy toán tử co gọn và lựa chọn tối thiểu của quốc gia nào cũng cần phải thực hiện. Công tác (LASSO), mô hình mạng nơron truyền thẳng nhiều dự báo lạm phát tốt sẽ giúp cho ngân hàng trung lớp (MLP). ương thực thi chính sách tiền tệ đảm bảo tăng trưởng 2. Phương pháp nghiên cứu kinh tế và ổn định giá trị đồng bản tệ. 2.1. Các phương pháp dự báo Nhiều phương pháp dự báo tăng trưởng kinh tế 2.1.1. Phương pháp vectơ tự hồi quy (VAR) và lạm phát đã được phát triển. Dự báo kinh tế vĩ Phương pháp vectơ tự hồi quy (VAR) là một kỹ mô là một công việc vô cùng phức tạp. Trong nhiều thuật kinh tế lượng được sử dụng để dự báo và phân thập kỷ qua, với việc ứng dụng ngày càng nhiều các tích kinh tế. Giả định cơ bản của mô hình VAR là giá công cụ toán học vào nghiên cứu kinh tế, các trị hiện tại của các biến số có thể được giải thích phương pháp dự báo kinh tế đã phát triển không bằng các giá trị trong quá khứ của các biến số liên ngừng. Các mô hình toán và kinh tế lượng được vận quan (Lütkepohl, 2009). dụng một cách triệt để trong công tác dự báo. Dự Mô hình VAR(p) có dạng như sau: báo kinh tế vĩ mô là một công việc vô cùng phức yt=v+A1y(t-1)+ +Ap y(t-p)+ut (1) T tạp. Trong nhiều thập kỷ qua, với việc ứng dụng trong đó yt = (y1t, ,yKt) là một vectơ ngẫu ngày càng nhiều các công cụ toán học vào nghiên nhiên (Kx1), Ai là ma trận hệ số hồi quy bậc (KxK), T T cứu kinh tế, các phương pháp dự báo kinh tế đã phát v=(v1, ,vK) là vectơ hệ số chặn, ut=(u1t, ,uKt) là triển không ngừng. Các mô hình toán và kinh tế vectơ nhiễu trắng. lượng được vận dụng một cách triệt để trong công Phương pháp VAR được thực hiện theo trình tự: tác dự báo. Đến nay, các phương pháp dự báo tăng (i) kiểm định tính dừng của các chuỗi thời gian, (ii) khoa học ! 4 thương mại Số 154/2021
5. KINH TẾ VÀ QUẢN LÝ xác định độ trễ p tối ư u cho mô hình VAR, (iii) Cặp (β0,β) được ước lượng theo phương pháp thực hiện ước lượng mô hình VAR với độ trễ p tối OLS dựa trên việc tối thiểu hóa sai số bình phương ưu. Trong nghiên cứu này, việc kiểm định tính như sau: dừng đượ c thực hiện bằng kiểm định Augmented Dickey- Fuller (ADF). Việc xác định độ trễ p tối T ưu cho mô hình VAR được thực hiện dựa trên các Trong đó, y=(y1, ,yN) , X là ma trận cấp (Nxp) tiêu chí như thống kê LR (LR), tiêu chí thông tin và 1=(1, ,1)T. Lời giải cho (3) như sau: Akaike (AIC), tiêu chí thông tin Hannan-Quinn β=(XT X)-1 XT y (HQ), tiêu chí thông tin Schwarz (SC), Lỗi dự đoán Với phương pháp OLS, cặp (β0,β) được tính toán cuối cùng (FPE). như trên sẽ là các ước lượng không chệch tuy nhiên Phương pháp VAR có một số ưu điểm là (i) phương sai của các ước lượng hệ số hồi quy này sẽ không cần phải xác định các biến nội sinh và các lớn. Do đó, hiệu quả của các dự báo dựa trên biến ngoại sinh trong mô hình; (ii) việc ước lượng phương pháp OLS sẽ không cao. Để tăng độ chính hệ các phương trình đồng thời sẽ cho kết quả ước xác của dự báo, Hastie và cộng sự (2015) cho rằng lượng tốt hơn so với ước lượng riêng lẻ từng phương có thể giảm số lượng hệ số hồi quy hoặc đặt các hệ trình; (iii) phương pháp xây dựng và ước lượng mô số nhất định thành 0. Cách làm này có thể dẫn đến hình VAR đơn giản và các biến trong mô hình đều sai lệch trong việc ước tính hệ số hồi quy nhưng sẽ có thể là biến nội sinh được biểu diễn thông qua các làm giảm thiểu phương sai của các giá trị mong đợi biến độ trễ của biến đó và tất cả các biến khác trong và do đó tăng độ chính xác của các dự đoán. Ý mô hình. Bên cạnh các ưu điểm, phương pháp VAR tưởng này cho phép sửa đổi mô hình OLS thành mô có một số nhược điểm là (i) các biến trong mô hình hình hồi quy LASSO được thực hiện như sau: phải đảm bảo tính dừng để không xảy ra hiện tượng hồi quy (4) giả mạo khi ước lượng các tham số trong mô hình; (ii) không như các mô hình phương Vấn đề chính trong thuật toán lasso là chọn giá trình đồng thời, mô hình VAR vẫn dựa trên các lý trị tối ưu của lambda. Có nhiều cách để lựa chọn giá thuyết và sử dụng ít thông tin tiên nghiệm hơn, việc trị lambda tối ưu như Cross-validation, Theory-dri- loại trừ hay đưa vào các biến mới đóng vai trò trọng ven và Information Criteria. Trong nghiên cứu này, yếu trong việc xác định mô hình. giá trị tối ưu của lambda được chúng tôi lựa chọn 2.1.2. Phương pháp hồi quy toán tử co gọn và bằng phương pháp Cross-validation. lựa chọn tối thiểu (LASSO) Phương pháp hồi quy toán tử co gọn và lựa chọn Xét mô hình hồi quy tuyến tính có dạng: tối thiểu (LASSO) có một số ưu điểm là (i) xác định được các biến số độc lập trong mô hình có tác động (2) chủ yếu đến biến phụ thuộc, các biến số độc lập còn lại không có tác động đáng kể sẽ được xấp xỉ hệ số trong đó, yi là biến phụ thuộc và p biến giải thích hồi quy tương ứng về 0; (ii) phương pháp này sẽ tối p xi = (xi1, ,xip). Với xi và yi tương ứng thuộc R và thiểu hóa phương sai ước lượng, do đó sẽ cho kết T p R. β=(β1, ,βp ) là vectơ trọng số thuộc R và hệ số quả dự báo chính xác hơn so với các phương pháp chặn β0∈R. khác. Tuy nhiên, phương pháp này cũng có nhược khoa học ! Số 154/2021 thương mại 5
6. KINH TẾ VÀ QUẢN LÝ điểm là các ước lượng hệ số hồi quy thu được sẽ bị toán lan truyền ngược. Thuật toán này tối ưu hóa chệch. Do đó, phương pháp này sẽ phù hợp nhất với hàm chi phí bậc hai. Số lượng nơ-ron thần kinh mục đích dự báo. trong lớp đầu vào được xác định bởi các biến độc 2.1.3. Phương pháp mạng nơron truyền thẳng lập và số lượng tế bào thần kinh trong lớp đầu ra đại nhiều lớp (MLP) diện cho số lượng biến phụ thuộc (Boroushaki và Mạng nơron nhân tạo (Artificial Neural cộng sự, 2003). Networks - ANNs) là các công cụ tính toán mô Mạng nơ-ron MLP có một số ưu đ iểm như (i) phỏng mạng tế bào thần kinh trong não người và có khả năng điều chỉnh mô hình liên tục phù hợp với khả năng lập bản đồ các mối quan hệ phi tuyến giữa từng mục tiêu nghiên cứu dựa trên dữ liệu đầu vào các biến đầu vào và đầu ra. Hiệu quả phân tích của và dữ liệu đầu ra được cung cấp; (ii) một ưu điểm ANNs đã mang lại những kết quả đáng kể trong lớn của mạng nơ-ron MLP là xây dựng và ước lượng nhiều lĩnh vực khác nhau và mạng nơ-ron nhân tạo mô hình không phải dựa trên các lý thuyết kinh tế về đang ngày càng được sử dụng nhiều hơn trong các mối quan hệ giữa các biến số trong mô hình, do đó, nghiên cứu khoa học thống kê (Movagharnejad và khi nền kinh tế có những biến động lớn làm thay đổi cộng sự, 2011). các lý thuyết kinh tế thì các đánh giá, phân tích dựa ANN bắt chước quá trình học tập trong não trên mạng nơ-ron MLP sẽ không bị ảnh hưởng; (iii) người bằng cách sử dụng các đơn vị liên kết với theo định lý xấp xỉ phổ quát, mạng nơ-ron MLP với nhau có tên là nơ-ron thần kinh. Kết nối giữa các nơ- các lớp ẩn và các nơ-ron trong mỗi lớp có thể biểu ron được điều chỉnh bằng trọng số. Cấu trúc chung diễn bất kỳ hàm liên tục nào. Bên cạnh những ưu của ANN là một mạng nơ-ron truyền thẳng bao gồm điểm, mạng nơ-ron MLP cũng có nhược điểm nổi lớp đầu vào, lớp đầu ra và (các) lớp ẩn. Cấu trúc này bật là không có quy luật và công thức cụ thể cho còn được gọi là perceptron nhiều lớp (multi-layer việc xác định số lượng lớp ẩn trong mạng và số perceptron - MLP). lượng nơ-ron trong mỗi lớp ẩn. Trong bài báo này, một mạng nơ- ron MLP được phát triển với lớp đầu vào bao gồm các biến giải thích cho sự biến động của lớp đầu ra tương ứng lần lượt là tăng trưởng kinh tế và lạm phát. Về lý thuyết, có thể có một hoặc một số (các) lớp ẩn nhưng lý thuyết xấp xỉ phổ quát cho Nguồn: Boroushaki và cộng sự (2003) thấy rằng một mạng Hình 1: Một mạng nơ-ron MLP điển hình nơ-ron MLP có một Hình 1 cho thấy một mạng nơ-ron MLP điển lớp ẩn duy nhất với số lượng tế bào thần kinh đủ lớn hình với một lớp đầu vào, một lớp ẩn và một lớp đầu có thể diễn giải bất kỳ cấu trúc đầu vào - đầu ra nào ra. Luồng dữ liệu từ lớp đầu vào truyền đến lớp đầu (Tambe và cộng sự, 1996). Do đó, mạng nơ-ron ra thông qua (các) lớp ẩn và trọng số sau đó được MLP được đề xuất có một lớp ẩn duy nhất. xác định bởi quá trình học được thực hiện bằng thuật khoa học ! 6 thương mại Số 154/2021
7. KINH TẾ VÀ QUẢN LÝ T T 2.2. Mô hình dự báo lạm phát và tăng trưởng v=(v1, ,vK) là vectơ hệ số chặn, ut = (u1t, ,uKt) kinh tế là vectơ nhiễu trắng. Bảng 1: Các biến số trong mô hình nghiên cứu Nguồn: Đề xuất của tác giả Lạm phát và tăng trưởng kinh tế có thể được giải Bên cạnh đó, để dự báo tăng trưởng kinh tế và thích bởi nhiều biến số vĩ mô khác nhau. Nhiều lạm phát tại Việt Nam năm 2021, chúng tôi sử dụng nghiên cứu trong và ngoài nước đã cho thấy tăng các giá trị dự kiến năm 2020 của các biến số trong trưởng kinh tế và lạm phát tại Việt Nam có thể được mô hình nghiên cứu (có tính đến tác động của đại giải thích thông qua các biến số như sản lượng công dịch COVID-19) được thu thập từ Tổng Cục Thống nghiệp, cung tiền (Vo Tri Thanh và cộng sự, 2001; kê Việt Nam. Vinh và Fujita, 2007), lực lượng lao Bảng 2: Số liệu năm 2020 (dụ kiến) dưới tác động của COVID-19 động (Akinboade và cộng sự, 2004; Kim, 2001), Vốn đầu tư nước ngoài (Kim, 2001), giá trị thương mại (Camen, 2006; Vinh và Fujita, 2007). Trong nghiên cứu này, chúng tôi sử dụng các biến số này để dự báo tăng trưởng kinh tế và lạm phát tại Việt Nam. Dữ liệu của các biến số này được thu thập trong giai đoạn từ 1996 Nguồn: Tổng cục thống kê Việt Nam đến 2019 từ các nguồn đáng tin cậy như Qũy tiền tệ quốc tế (IMF), Ngân hàng Nhà nước Do giới hạn về số liệu nghiên cứu tại Việt Nam, Việt Nam. trong nghiên cứu này, chúng tôi sử dụng độ trễ tối Mô hình nghiên cứu đề xuất có dạng như sau: ưu p =1 để ước lượng mô hình VAR cũng như mô yt = v+A1 y(t-1)+ +Ap y(t-p)+ut hình LASSO và MLP. T trong đó: yt = (y1t, ,yKt) là vectơ (7x1) của các Trong nghiên cứu này, các tác giả dự báo lạm biến số Tốc độ tăng trưởng kinh tế năm t (GDPt), phát và tăng trưởng kinh tế Việt Nam năm 2021 theo Lạm phát năm t (INFt), Tổng giá trị thương mại so cả 3 mô hình VAR, LASSO và MLP. Phương pháp với GDP năm t (TRADEt), Tốc độ tăng trưởng lực dự báo tốt nhất sẽ được chọn dựa trên ba chỉ số là lượng lao động (Ht), Tổng giá trị công nghiệp so với RMSE, MAPE và MSE: GDP năm t (INDt), Tốc độ tăng trưởng tổng phương tiện thanh toán năm t (Mt), Vốn đầu tư trực tiếp nước ngoài năm t (FDIt). Ai là ma trận hệ số hồi quy bậc (7x7), khoa học ! Số 154/2021 thương mại 7
8. KINH TẾ VÀ QUẢN LÝ 1. Kết quả ước lượng mô hình VAR được trình bày trong bảng 4: 3.2. Kết quả ước lượng mô hình LASSO. Tiếp theo, chúng tôi thực hiện ước lượng mô hình LASSO với biến phụ thuộc lần lượt là tăng trưởng kinh tế và lạm phát. Hệ số lambda trong các trong đó: yi là các giá trị thực tế của đầu ra, yˆ i là mô hình được lựa chọn bằng phương pháp Cross- các giá trị dự báo thu được từ các mô hình VAR, Validation (CV). Kết quả ước lượng được trình bày LASSO, và MLP. trong bảng 5: 3. Kết quả nghiên cứu Bảng 5 cho thấy giá trị lambda được chọn là 3.1. Kết quả ước lượng mô hình VAR 0.08687 với sai số dự đoán trung bình CV là Trước khi ước lượng mô hình VAR, chúng tôi 1.02354. Ngoài ra, tại giá trị lamdba này, có 5 kiểm định tính dừng của các chuỗi thời gian trong biến có hệ số hồi quy có giá trị khác 0. Các biến mô hình nghiên cứu. Kết quả được hiển thị trong tương ứng là D(TRADE), D(H), D(IND), bảng dưới đây: D(FDI), D(M). Bảng 3: Kết quả kiểm định tính dừng Bảng 6 cho thấy giá trị lambda được chọn là 0.98038 với sai số dự đoán trung bình CV là 34.16797. Ngoài ra, tại giá trị lamdba này, có 2 biến có hệ số hồi quy có giá trị khác 0. Các biến tương ứng là D(H), D(GDP). 3.3. Kết quả ước lượng mô hình MLP Chúng tôi thực hiện ước lượng mô hình MLP với các biến đầu ra lần lượt là tăng trưởng kinh tế và lạm phát. Mô hình MLP được chúng tôi ước lượng với 3 lớp bao gồm: lớp đầu vào (các biến độc lập trong mô hình), lớp ẩn và lớp đầu ra (lần lượt là tăng trưởng kinh tế và lạm phát). Về mặt lý thuyết, mô hình MLP có 1 lớp đầ u vào, 1 lớp đầ u ra và nhiều lớp ẩn. Tuy nhiên, lý thuyết xấp xỉ phổ quát gợi ý rằng một mạng MLP với 1 lớp ẩn với số neu- ron phù hợp có thể giải thích được bất kỳ cấu trúc đầu vào - đầu ra nào (Tambe và cộng sự, 1996). Trong nghiên cứu này, để thuận tiện chúng tôi sử Nguồn: Kết quả tính toán của tác giả dụng 3 neuron trong lớp ẩn. Kết quả ước lượng được trình bày trong hình 2: Kết quả kiểm định tính dừng cho thấy hầu hết 3.4. Kết quả dự báo tăng trưởng kinh tế năm các chuỗi thời gian trong mô hình nghiên cứu không 2021 bằng các mô hình dừng ở chuỗi gốc nhưng lại dừng ở sai phân bậc 1. Kết quả nghiên cứu cho thấy dự báo tăng Do đó, sai phân bậc 1 của các chuỗi thời gian sẽ trưởng kinh tế bằng mô hình LASSO có mức độ được sử dụng để ước tính mô hình VAR. chính xác cao nhất. Cụ thể, theo cả 3 chỉ số Kết quả kiểm định tính dừng cho thấy các chuỗi RMSE, MAPE và MSE, mô hình LASSO sẽ cho thời gian trong mô hình nghiên cứu đều dừng ở sai kết quả dự đoán chính xác cao hơn so với mô hình phân bậc 1. Do đó, chúng tôi sử dụng sai phân bậc VAR và MLP. nhất để ước lượng mô hình VAR với độ trễ tối ưu là khoa học ! 8 thương mại Số 154/2021
9. KINH TẾ VÀ QUẢN LÝ Bảng 4: Kết quả ước lượng mô hình VAR Nguồn: Kết quả tính toán của tác giả khoa học ! Số 154/2021 thương mại 9
10. KINH TẾ VÀ QUẢN LÝ Bảng 5: Kết quả ước lượng mô hình LASSO với biến phụ thuộc tăng trưởng kinh tế Nguồn: Kết quả tính toán của tác giả Bảng 6: Kết quả ước lượng mô hình LASSO với biến phụ thuộc lạm phát Nguồn: Kết quả tính toán của tác giả Nguồn: Kết quả tính toán của tác giả Hình 2: Kết quả ước lượng mô hình MLP với biến đầu ra là tăng trưởng kinh tế khoa học ! 10 thương mại Số 154/2021
11. KINH TẾ VÀ QUẢN LÝ Nguồn: Kết quả tính toán của tác giả Hình 3: Kết quả ước lượng mô hình MLP với biến đầu ra là lạm phát Bảng 7: Kết quả tính toán các chỉ số RMSE, Tiếp theo, chúng tôi thực hiện dự báo tăng MAPE và MSE của các mô hình trưởng kinh tế năm 2021 bằng cả 3 mô hình VAR, LASSO và MLP. Kết quả dự báo được trình bày trong hình 4 bên dưới: 3.5. Kết quả dự báo lạm phát năm 2021 bằng các mô hình Kết quả nghiên cứu cho thấy dự báo lạm phát bằng mô hình VAR có mức độ chính xác cao nhất. Nguồn: Kết quả tính toán của tác giả Cụ thể, theo cả 3 chỉ số RMSE, MAPE và MSE, mô Nguồn: Kết quả tính toán của tác giả Hình 4: Kết quả dự báo tăng trưởng kinh tế năm 2021 bằng các mô hình VAR, LASSO, MLP khoa học ! Số 154/2021 thương mại 11
12. KINH TẾ VÀ QUẢN LÝ hình VAR sẽ cho kết quả dự đoán chính xác cao hơn tả các quan hệ ánh xạ phi tuyến được phát triển để so với mô hình LASSO và MLP. dự báo hai biến số này. Bên cạnh đó, các mô hình dự Bảng 8: Kết quả tính toán các chỉ số RMSE, báo phổ biến khác cũng được chúng tôi ước lượng MAPE và MSE của các mô hình như mô hình VAR và mô hình LASSO. Các kết quả dự báo của các mô hình sau đó được so sánh với nhau để tìm ra mô hình dự báo tốt nhất. Kết quả cho thấy theo cả 3 chỉ số RMSE, MAPE và MSE, dự báo tăng trưởng kinh tế bằng mô hình LASSO có mức độ chính xác cao nhất trong khi dự báo lạm phát bằng mô hình VAR có mức độ chính xác cao nhất. Nguồn: Kết quả tính toán của tác giả Mặc dù mô hình nơ-ron MLP chưa cho thấy hiệu Tiếp theo, chúng tôi thực hiện dự báo lạm phát quả dự báo cao trong nghiên cứu này nhưng đây vẫn năm 2021 bằng cả 3 mô hình VAR, LASSO và MLP. là công cụ dự báo của tương lai do mô tả được các Kết quả dự báo được trình bày trong hình bên dưới: quan hệ phi tuyến giữa các biến số trong mô hình và Nguồn: Kết quả tính toán của tác giả Hình 5: Kết quả dự báo lạm phát năm 2021 bằng các mô hình VAR, LASSO, MLP 4. Kết luận khả năng lập bản đồ trực quan về các mối quan hệ Tăng trưởng kinh tế và lạm phát là những chỉ báo phi tuyến này. Bên cạnh đó, kết quả dự báo bằng mô cơ bản của nền kinh tế tại mỗi quốc gia. Do đó, hình nơ-ron MLP có thể được cải thiện bằng thuật nhiều nhà phân tích, hoạch định chính sách và các toán lan truyền ngược. Mặt khác, kết quả dự báo cơ quan chính phủ của các quốc gia đã tham gia vào bằng mô hình nơ-ron MLP không cao trong nghiên việc phân tích thực trạng, các yếu tố tác động và đặc cứu này cũng bắt nguồn từ giới hạn về dữ liệu đầu biệt hơn là dự báo sự biến động của hai chỉ số này. vào. Các mô hình mạng nơron nhân tạo (Artificial Với tính chất biến động và phi tuyến của lạm Neural Networks - ANNs) nói chung và mô hình nơ- phát và tăng trưởng kinh tế, trong bài báo này, mô ron MLP nói riêng chỉ thực sự hiệu quả khi được sử hình nơ-ron MLP như một công cụ hiệu quả để mô dụng với dữ liệu lớn (Big Data).! khoa học ! 12 thương mại Số 154/2021
13. KINH TẾ VÀ QUẢN LÝ Tài liệu tham khảo: selected applications in chemical engineering, and chemical and biological sciences, 12. Simulation & 1. Akinboade, O., F. Siebrits and E. Niedermeier Advanced Controls, Incorporated. (2004), The Determinants of Inflation in South Africa: google.com/books/about/Elements_of_Artificial_ An Econometric Analysis, AERC Research Paper 143 13. Tambe, S. S., Kulkarni, B. D., & Deshpande, 2. Boroushaki, M., Ghofrani, M. B., Lucas, C., & P. B. (1996), Elements of artificial neural networks Yazdanpanah, M. J. (2003), Identification and con- with selected applications in chemical engineering, trol of a nuclear reactor core (VVER) using recur- and chemical and biological sciences, Simulation & rent neural networks and fuzzy systems, IEEE Advanced Controls, Incorporated. Transactions on Nuclear Sceince, 30(1), 159-174. 14. Vinh, N.T., & Fujita, S. (2007), The Impact of Real Exchange Rate on Output and Inflation in 3. Camen, U. (2006), Monetary Policy in Vietnam: A VAR approach, Vietnam: The Case of a Transition Country, BIS u.ac.jp/repository/80200043.pdf. Working Paper No. 31. Bank for International 15. Vo Tri Thanh, Dinh Hien Minh, Do Xuan Settlement, Basel. Truong, Hoang Van Thanh and Pham Chi Quang 4. Hastie, T., Tibshirani, R., Wainwright, M. (2000), Exchange Rate Arrangement in Vietnam: (2015), Statistical Learning with Sparsity (1st Information Content and Policy Options, East Asian Edition), New York: Chapman and Hall/CRC. Development Network (EADN). Individual 5. Kim, Byung-Yeon (2001), Determinants of Research Project. Inflation in Poland: A Structural Cointegration Approach, BOFIT Discussion Paper No. 16/2001, Summary Available at SSRN: =101 5770 or Economic growth and inflation are two impor- 6. Lütkepohl, H. (2009), Econometric analysis with tant indicators for any economy in the world. Due to vector autoregressive models. In Handbook of compu- the importance of these two variables to the econo- tational econometrics (pp. 281-320), New York: Wiley. my, forecasting economic growth and inflation 7. Movagharnejad, K., Mehdizadeh, B., becomes an important issue and always receives the Banihashemi, M., & Kordkheili, M. S. (2011), attention of national governments. This paper aims Forecasting the differences between various com- to compare the efficiency of forecasting economic mercial oil prices in the Persian Gulf region by neu- growth and inflation between current popular meth- ral network, Energy, 36(7), 3979-3984. ods. Specifically, the economic growth and inflation forecasting model was built and estimated through 8. Neural_Networks_w.html?id=f1wQAAAAC three models: VAR, LASSO, MLP. With data col- AAJ&pgis=1. lected in 1996 - 2020, the research results show that 9. Ocran, M.K. and Biekpe, N. (2007), The role according to all three indicators RMSE, MAPE, and of commodity prices in macroeconomic policy in MSE, forecasting economic growth by LASSO south africa, South African Journal of Economics, model has the highest accuracy while forecasting 75: 213-220. inflation by VAR model has the highest accuracy. 6982.2007.00120.x. Although the MLP model has not shown high pre- 10. Stockman, A. (1981), Anticipated inflation dictive efficiency in this study, it is still a predictor and the capital stock in a cash in-advance economy, of the future due to the description of nonlinear rela- Journal of Monetary Economics, 8(3), 387-393. tionships between the variables in the model and the 11. Tambe, S. S., Kulkarni, B. D., & Deshpande, P. visual mapping of these nonlinear relationships. B. (1996), Elements of artificial neural networks with khoa học Số 154/2021 thương mại 13