Luận văn thạc sĩ kinh tế ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại việt nam

TÍNH CẤP THIẾT CỦA LUẬN ÁN

Lạm phát là chỉ tiêu kinh tế vĩ mô có ảnh hưởng sâu rộng đến đời sống kinh tế - xã hội Ở nhiều quốc gia đang phát triển, tăng trưởng nhanh và dòng vốn "nóng" thường dẫn đến lạm phát cao, đồng nội tệ mất giá, và thâm hụt ngân sách lớn, gây ra bất ổn vĩ mô Tình trạng này không chỉ dẫn đến thất nghiệp và bất ổn chính trị - xã hội mà còn đe dọa sự phát triển bền vững của nền kinh tế Điều này cũng xảy ra ở các nước phát triển, như trường hợp lạm phát phi mã tại CHLB Đức giai đoạn 1929 - 1933.

Vào những năm đầu thập kỷ 90, New Zealand đã giới thiệu khuôn khổ chính sách tiền tệ lạm phát mục tiêu đầu tiên trên thế giới, cho phép Chính phủ và Ngân hàng Trung ương đặt ra mục tiêu lạm phát hàng năm và trung hạn Các công cụ như nghiệp vụ thị trường mở, lãi suất, tỷ giá và dự trữ bắt buộc được sử dụng để đạt được mục tiêu này Chính sách lạm phát mục tiêu được xem là thành công khi tỷ lệ lạm phát thực tế dao động quanh ngưỡng mục tiêu Tính đến nay, 27 quốc gia đã áp dụng khuôn khổ này, với đa số thành công trong việc duy trì mức lạm phát thấp Đặc biệt, ba quốc gia như Cộng hòa Séc, Colombia và Hungary hiện duy trì mục tiêu lạm phát ở mức 10% Ngoài ra, một số quốc gia khác, dù không hoàn toàn áp dụng chính sách lạm phát mục tiêu, vẫn coi dự báo lạm phát là ưu tiên hàng đầu.

Việt Nam, giống như nhiều nền kinh tế đang phát triển, đã trải qua các giai đoạn lạm phát cao trong lịch sử, đặc biệt là trong các cuộc khủng hoảng tài chính Tuy nhiên, từ năm 2014 đến nay, lạm phát ở Việt Nam đã giảm xuống mức thấp bất thường, điều này có thể cản trở sự phát triển kinh tế Lạm phát thấp dẫn đến sức mua giảm, doanh nghiệp ngừng đầu tư và người tiêu dùng trì hoãn chi tiêu Ngoài ra, lạm phát quá thấp cũng làm giảm doanh thu thuế và tăng gánh nặng nợ cho doanh nghiệp và Chính phủ Tình hình lạm phát khó lường này đặt ra yêu cầu mới cho Ngân hàng Nhà nước Việt Nam trong việc phân tích, dự báo và kiểm soát lạm phát, nhằm thực hiện chính sách tiền tệ hiệu quả và ổn định giá trị đồng nội tệ trong bối cảnh hội nhập kinh tế sâu rộng.

Luận văn thạc sĩ Kinh tế diện nhấn mạnh tầm quan trọng của việc dự báo lạm phát và các yếu tố vĩ mô để đảm bảo hiệu quả trong quản lý chính sách tiền tệ Theo Bùi Quốc Dũng (2014), việc phát triển các mô hình kinh tế lượng dự báo lạm phát là điều kiện tiên quyết cho Ngân hàng Nhà nước (NHNN) áp dụng thành công khuôn khổ chính sách tiền tệ lạm phát mục tiêu trong tương lai Nâng cao năng lực dự báo lạm phát của NHNN, tương đương với các Ngân hàng Trung ương khác, sẽ giúp cải thiện hiệu quả điều hành chính sách tiền tệ hướng tới mục tiêu lạm phát.

Việc phân tích các vấn đề còn tồn tại trong công tác dự báo lạm phát và nhận thấy sự thiếu hụt các nghiên cứu khoa học toàn diện về mô hình dự báo lạm phát cho Việt Nam cho thấy sự cần thiết phải triển khai đề tài luận án "Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam" Đề tài này không chỉ có ý nghĩa lý luận mà còn mang lại giá trị thực tiễn quan trọng cho việc cải thiện công tác điều hành chính sách tiền tệ.

TỔNG QUAN NGHIÊN CỨU

Sự phát triển các lý thuyết về lạm phát

Lý thuyết về lạm phát đã được hình thành từ sớm và liên tục được hoàn thiện theo thời gian Trong tác phẩm "The Wealth of Nations" (1776), Adam Smith lần đầu đề cập đến thuật ngữ "lạm phát" khi phân biệt giữa "giá thực" và "giá danh nghĩa" Giá thực của hàng hóa được định nghĩa là khả năng mua hàng hóa đó, trong khi giá danh nghĩa chỉ là chi phí đo lường bằng tiền, thường được cố định theo giá trị của vàng hoặc các kim loại quý khác Theo quan điểm này, giá thực dựa trên sức lao động, trong khi giá danh nghĩa biến động theo sự sẵn có của các kim loại quý và quy định pháp lý của chế độ cai trị trong việc xác định giá trị của chúng.

Các nhà kinh tế học cổ điển cho rằng biến động giá hàng hóa có thể tác động tạm thời đến nền kinh tế, tạo ra sự phân phối của cải không đều giữa các bên theo hợp đồng giá cố định Tuy nhiên, những biến động này chỉ đơn thuần là sự thay đổi quy mô, trong đó giá trị được đo lường Họ cũng đồng tình rằng sự thay đổi về lượng tiền chỉ ảnh hưởng đến giá hàng hóa mà không tác động đến giá trị thực của chúng Quan điểm này là nền tảng cho các lý thuyết về lạm phát đầu thế kỷ 20, đặc biệt là học thuyết số lượng tiền tệ của Irving Fisher.

Lý thuyết của Fisher đã được phát triển qua một thời gian dài, đặc biệt trong bối cảnh cuộc tranh luận về tiền tệ diễn ra gay gắt trong cuộc bầu cử tổng thống năm 1986.

2011) Theo lý thuyết này, thời kỳ giảm phát thấp của Mỹ là do nguồn cung vàng thất ba ̣i

Luận văn thạc sĩ Kinh tế nhấn mạnh rằng việc duy trì sản lượng cần thiết là rất quan trọng để tương xứng với tốc độ tăng trưởng nhanh của tiền tệ Để giải

Hình 1: Mối liên hệ giữa lượng tiền và mức giá

Bất chấp những ý kiến trái chiều, Fisher (1911) tiếp tu ̣c phát triển lý thuyết này bằng đẳng thức nổi tiếng giữa la ̣m phát và tiền tệ như sau:

- T: tổng lượng giao di ̣ch bằng tiền

- M: tổng lượng tiền giao di ̣ch chính thức

- V: tốc độ lưu thông tiền M

- M’: tổng lượng tiền tín du ̣ng

- V’: tốc độ lưu thông tiền M’

Phương trình được thiết lập dựa trên các giả định sau: (i) P là biến phụ thuộc, chịu tác động bởi các biến độc lập khác; (ii) tỷ trọng M’/M là cố định; (iii) V và V’ không đổi và độc lập với sự thay đổi của M và M’; (iv) T không đổi và độc lập so với M, V, M’, V’; (v) cầu tiền tệ tương xứng với giá trị giao dịch; (vi) cung tiền là biến ngoại sinh không thay đổi; (vii) phương trình chỉ áp dụng trong phân tích ngắn hạn; và (viii) nền kinh tế ở trạng thái toàn dụng lao động (Ajuzie và cộng sự, 2008).

Luận văn thạc sĩ Kinh tế

Những giả định trên tiếp tục là chủ đề thu hút nhiều ý kiến bình luận của các nhà kinh tế học John Maynard Keynes là một trong những người có bình luận sắc sảo và có tầm ảnh hưởng nhất, khi ông cho rằng lý thuyết của Fisher quá cứng nhắc trong việc phân tích tác động của việc thay đổi cung tiền đối với tiêu dùng và mức giá chung trong nền kinh tế Trong tác phẩm "The General Theory of Employment, Interest and Money," Keynes đã đưa ra những quan điểm mới mẻ, nhấn mạnh sự cần thiết phải xem xét các yếu tố khác ngoài cung tiền để hiểu rõ hơn về sự vận hành của nền kinh tế.

Lý thuyết ưa chuộng thanh khoản của Keynes (1936) đã bác bỏ kết luận của Fisher rằng việc tăng cung tiền sẽ dẫn đến giá tăng tương ứng Keynes nhấn mạnh rằng: (i) hộ gia đình và doanh nghiệp không luôn muốn giữ một lượng tiền cố định; (ii) động cơ nắm giữ tiền phụ thuộc vào "tính ưa thích thanh khoản"; (iii) tính ưa thích thanh khoản và cầu tiền có mối quan hệ ngược chiều với lãi suất hiện tại; (iv) tốc độ thu nhập có thể thay đổi theo thời gian do kỳ vọng về biến động lãi suất; (v) sự thay đổi cung tiền có thể dẫn đến tốc độ lưu thông tiền thay đổi; và (vi) nền kinh tế toàn dụng lao động có thể bỏ qua trong phân tích mà vẫn đảm bảo độ tin cậy Keynes cho rằng mối quan hệ giữa tăng cung tiền và tăng chi tiêu phụ thuộc vào nhiều yếu tố và không nhất thiết dẫn đến tăng giá chung tương ứng, điều này đã bổ sung quan trọng vào lý thuyết về lạm phát và vẫn còn giá trị cho đến nay (Higgins, 1978).

Sau John Maynard Keynes, mô hình đường cong Phillips trở thành một chủ đề quan trọng, với các lý thuyết về lạm phát chủ yếu xuất phát từ mô hình này Phillips (1958) đã chỉ ra rằng trong giai đoạn 1861 – 1957 tại Anh, khi thị trường lao động thắt chặt và tỷ lệ thất nghiệp giảm, tiền lương có xu hướng tăng nhanh hơn Mối quan hệ giữa mức tăng tiền lương và mức tăng giá thường được giải thích là sự đánh đổi giữa lạm phát và thất nghiệp Đường cong này, được gọi là "đường cong Phillips", thể hiện sự đánh đổi này và cho thấy rằng nhà làm chính sách có thể lựa chọn giữa nhiều tổ hợp lạm phát và thất nghiệp ở mức chấp nhận được, xác định nó là mục tiêu trong các chính sách kinh tế vĩ mô.

Trong nghiên cứu của Friedman (1968) về chính sách tiền tệ, ông đã chỉ ra rằng các nhà hoạch định chính sách không thể chọn tỷ lệ thất nghiệp nào ngoài tỷ lệ thất nghiệp tự nhiên trong dài hạn, mà tỷ lệ này phụ thuộc vào cấu trúc lao động và sản phẩm thị trường Hơn nữa, giả định về sự đánh đổi giữa thất nghiệp và tỷ lệ lạm phát chỉ có hiệu lực trong ngắn hạn, tương tự như một hiện tượng tạm thời.

Luận văn thạc sĩ Kinh tế tạm thời chỉ ra rằng lạm phát duy trì ở mức cân bằng cấu trúc sẽ dẫn đến sự gia tăng tích lũy của giá và tiền lương chủ yếu do bất ổn trong kỳ vọng (Friedman, 1968; Gordon, 2011) Phelps (1967) đã phát triển lý thuyết mới về tỷ lệ thất nghiệp và lạm phát, nhấn mạnh vai trò của lạm phát kỳ vọng và thông tin bất hoàn hảo trong thị trường lao động Cả Friedman và Phelps đều đi đến kết luận rằng không có sự đánh đổi giữa lạm phát và tỷ lệ thất nghiệp trong dài hạn (Forder, 2010; Schawarzer, 2012).

Lucas (1972) đã bổ sung yếu tố kỳ vọng hợp lý vào mô hình đường cong Phillips, nhấn mạnh rằng các sai sót trong kỳ vọng bất hợp lý sẽ không lặp lại Khái niệm kỳ vọng hợp lý đã dẫn đến một dự đoán quan trọng: chính sách tiền tệ (CSTT) được tiên liệu trước không thể tác động đến GDP thực tế theo cách thông thường, tạo ra "mệnh đề không hiệu quả về chính sách" So với phương pháp của Friedman và Phelps, phương pháp của Lucas chỉ ra rằng sự thay đổi trong sản lượng ngày càng xa mức tự nhiên có thể dẫn đến biến động giá đột ngột, khiến Ngân hàng Trung ương không thể điều chỉnh sản lượng thông qua các thay đổi đã được dự báo trong CSTT (Gordon, 2011).

Trong những năm tiếp theo, đường cong Phillips đã được điều chỉnh và bổ sung bởi nhiều nhà nghiên cứu Fischer (1977) và Taylor (1979) đã đưa yếu tố cứng nhắc về tiền lương danh nghĩa vào mô hình, trong khi Calvo (1983) mô hình hóa việc điều chỉnh giá ngẫu nhiên Gali và Gertler (1999) bổ sung yếu tố chi phí lao động, dẫn đến sự hình thành của đường Phillips mới (New-Keynesian Phillips Curve - NKPC), với đặc trưng là kỳ vọng, trong đó lạm phát được xác định bởi các yếu tố kỳ vọng trong tương lai Tuy nhiên, NKPC tiếp tục được điều chỉnh khi nhiều bằng chứng cho thấy tỷ lệ lạm phát hiện tại còn phụ thuộc vào tỷ lệ lạm phát trong quá khứ Nghiên cứu gần đây của Woodford (2003) và Christiano cùng các cộng sự (2005) đã bắt đầu xem xét giá trị quá khứ của lạm phát trong mô hình đường Phillips, tạo ra mô hình NKPC lai với cả đặc điểm kỳ vọng tương lai và giá trị quá khứ của lạm phát, cùng với một biến đo lường áp lực lạm phát do tồn tại dư cầu trong hệ thống.

Trong việc xác định các yếu tố tác động đến lạm phát, khái niệm “lạm phát cơ bản” không thể không được nhắc đến, đặc biệt trong các cuộc tranh luận giữa các nhà chính sách trong hơn hai thập kỷ qua Theo Wynne (2008), thuật ngữ này lần đầu tiên được sử dụng bởi Schreder (1952) trong bối cảnh tranh cãi về chênh lệch lạm phát mà Mỹ phải đối mặt vào đầu những năm 1950 Ông chỉ ra rằng ngay cả những người ủng hộ khái niệm cân bằng giữa cung và cầu cũng nhận thấy có một lượng cung tiền rất lớn, dẫn đến lạm phát cơ bản Cụ thể, lượng cung tiền thời điểm đó cao gấp ba lần so với mức của năm 1939.

Schreder (1952), Tobin (1972) và Sprinkel (1975) đã đề cập đến khái niệm "lạm phát cơ bản", nhưng không đưa ra bình luận cụ thể nào về thuật ngữ này Theo Wynne (2008), Otto Eckstein là người đầu tiên định nghĩa chính thức về lạm phát cơ bản vào năm 1981 Trong tác phẩm "Core Inflation", Eckstein (1981) xác định lạm phát cơ bản là thành phần tăng giá có tính xu hướng trong tổng cung, đồng thời đưa ra công thức tính lạm phát (π), trong đó lạm phát bao gồm ba cấu phần: lạm phát cơ bản (π e), lạm phát cầu kéo (π d) và lạm phát chi phí đẩy (π s): π = π e + π d + π s.

Theo Eckstein (1981), lạm phát cơ bản được đo lường qua tốc độ gia tăng chi phí lao động đơn vị và chi phí sử dụng vốn Tỷ lệ lạm phát cơ bản phản ánh sự tăng giá cần thiết do sự gia tăng xu hướng của chi phí đầu vào trong quá trình sản xuất Sự gia tăng chi phí này, đến lượt nó, là một hàm kỳ vọng về giá cơ bản.

Các nhân tố tác động tới lạm phát

Quá trình xây dựng và phát triển các lý thuyết cơ bản về lạm phát đã dẫn đến nhiều nghiên cứu thực nghiệm trên toàn cầu, áp dụng hiệu quả những lý thuyết này để xác định các yếu tố chính tác động đến lạm phát Những nghiên cứu này góp phần làm rõ những đặc điểm quan trọng về tình hình lạm phát trên thế giới.

Khi nghiên cứu nguyên nhân gây ra la ̣m phát ta ̣i khu vực châu Phi giai đoa ̣n 1960 –

Năm 1989, Chhibber (1991) đã chỉ ra mối quan hệ chặt chẽ giữa chế độ tỷ giá và lạm phát Cụ thể, các quốc gia áp dụng chế độ tỷ giá thả nổi thường gặp phải tình trạng lạm phát cao, trong khi những nước thực hiện chính sách tỷ giá cố định thường có mức lạm phát thấp hơn.

Nghiên cứu thực nghiệm cho thấy tình trạng lạm phát cao vẫn phổ biến ở Ghana, Uganda, Sierra Leone và Zambia trong thời kỳ áp dụng chính sách tỷ giá cố định Tại Ghana, việc điều chỉnh tỷ giá chính thức không chỉ giúp giảm lạm phát mà còn giảm thâm hụt tài khóa Mức lạm phát thấp và ổn định ở các quốc gia có chế độ tỷ giá cố định là kết quả của sự phối hợp giữa tài chính và tiền tệ, không phải do tỷ giá hối đoái cố định Do đó, tác giả kết luận rằng chính sách tỷ giá không có tác động lớn đến lạm phát tại các nước châu Phi trong giai đoạn 1960 – 1989.

Bodart (1996) chỉ ra rằng sự điều chỉnh tỷ giá có ảnh hưởng rõ rệt đến lạm phát, cả trong ngắn hạn và dài hạn, đặc biệt tại các nền kinh tế nhỏ Nếu người dân coi sự điều chỉnh tỷ giá là thường xuyên, lạm phát sẽ tăng trước và giảm dần về điểm dừng Ngược lại, nếu công chúng xem đó là tạm thời, lạm phát có thể tăng vượt mức trước khi giảm xuống dưới điểm dừng Ngoài ra, Bodart cũng chứng minh rằng tỷ giá hối đoái thả nổi duy trì lâu hơn sẽ dẫn đến mức độ biến động lạm phát lớn hơn Trong một nền kinh tế với tỷ giá danh nghĩa cố định, việc điều chỉnh tỷ giá chính thức chỉ có tác động tạm thời đến lạm phát, trong khi điều chỉnh nhằm thu hẹp khoảng cách với tỷ giá tự do sẽ có tác động dài hạn.

Khi nghiên cứu các nhân tố chủ yếu tác động đến la ̣m phát ở Tanzania giai đoa ̣n

Từ năm 1992 đến 1998, Laryea và Sumaila (2001) đã sử dụng mô hình kinh tế lượng để phân tích cấu trúc vận động của lạm phát tại Tanzania Kết quả cho thấy trong ngắn hạn, sản lượng và cung tiền M2 là những yếu tố chính gây ra lạm phát Tuy nhiên, trong dài hạn, tỷ giá thị trường tự do cũng đóng vai trò quan trọng bên cạnh sản lượng và tiền tệ Nghiên cứu cũng chỉ ra rằng tác động của tỷ giá đến lạm phát chủ yếu thể hiện qua hoạt động thương mại hàng hóa, đặc biệt là hàng hóa nhập khẩu trong lĩnh vực phi chính thức.

Từ đỉnh điểm 18,6% vào năm 1986, lạm phát ở Nam Phi đã giảm mạnh xuống còn 5,2% vào năm 1999, mức thấp nhất kể từ năm 1970 Mặc dù vậy, tỷ lệ lạm phát này vẫn cao hơn so với các quốc gia đối tác thương mại quan trọng như Đức, Nhật Bản, Anh và Mỹ Để xác định các yếu tố chủ yếu gây ra tình trạng lạm phát tại Nam Phi trong giai đoạn từ Q1/1970 đến Q1/2001, Akinboade và cộng sự (2004) đã sử dụng mô hình kinh tế.

Luận văn thạc sĩ Kinh tế lượng phân tích mối quan hệ giữa lạm phát và các thị trường tiền tệ, lao động, cũng như ngoại hối tại Nam Phi Kết quả cho thấy trong ngắn hạn, sự gia tăng chi phí lao động và cung tiền mở rộng làm tăng lạm phát, trong khi tỷ giá danh nghĩa hữu hiệu có tác động ngược chiều Trong dài hạn, lạm phát có tỷ lệ nghịch với lãi suất, nhưng lại tỷ lệ thuận với cung tiền mở rộng và sự gia tăng chi phí lao động trong nền kinh tế.

Nghiên cứu của Ito và Sato (2008) về tác động của tỷ giá đến lạm phát trong bối cảnh hậu khủng hoảng tại các quốc gia như Indonesia, Hàn Quốc, Thái Lan, Malaysia và Singapore (1993-2005) cho thấy: (i) mức chuyển của cú sốc tỷ giá đối với lạm phát là tương đối thấp, ngoại trừ Indonesia; (ii) lạm phát hậu khủng hoảng của Indonesia có sự khác biệt so với các quốc gia khác do chính sách tiền tệ đặc thù; và (iii) tác động của tỷ giá là nguyên nhân làm gia tăng lạm phát, trong khi việc phá giá đồng nội tệ khiến các giải pháp khắc phục trở nên kém hiệu quả Điều này chỉ ra rằng lạm phát chủ yếu xuất phát từ chính sách tiền tệ nội tại hơn là từ các tác động bên ngoài, mặc dù những tác động này vẫn tồn tại.

Nghiên cứu về lạm phát không chỉ thu hút sự chú ý từ các quốc gia trải qua thời kỳ lạm phát cao mà còn cả những quốc gia có lạm phát thấp, đặc biệt là Croatia trong bối cảnh đáp ứng tiêu chuẩn Maastricht và gia nhập EU Malesevic (2009) đã sử dụng phương pháp đồng tích hợp để phân tích dữ liệu lạm phát của Croatia từ tháng 6/1994 đến tháng 6/2006, cho thấy lạm phát dài hạn có mối quan hệ với tỷ giá và chi phí lao động, nhưng không có mối liên hệ với mức cung tiền Cụ thể, việc tăng giá tiền lương và phá giá đồng nội tệ đã dẫn đến lạm phát gia tăng, trong khi cung tiền không ảnh hưởng nhiều đến lạm phát, cho thấy chính sách tiền tệ của Chính phủ thời điểm đó có thể phục vụ cho các mục tiêu khác Kết quả nghiên cứu của Malesevic tương đồng với các nghiên cứu trước đó về Croatia như của Payne (2002) và Botric cùng Cota.

Nghiên cứu năm 2006 đã chỉ ra tác động của tiền lương và tỷ giá đối với lạm phát, cùng với nhiều nghiên cứu khác về các quốc gia châu Âu như Haderi và cộng sự (1999) tại Albania, Ross (2000) tại Slovenia, và Brada và Kutan (2002) tại Cộng hòa Séc, Hungary và Ba Lan.

Khi nghiên cứu về các nhân tố tác động đến lạm phát tại các quốc gia vùng Caribbean (Barbados, Jamaica, Guyana và Trinidad và Tobago) trong giai đoạn 1970 –

Nghiên cứu của Greenidge và DaCosta (2009) chỉ ra rằng: (i) biến động giá dầu ảnh hưởng đến lạm phát ở cả ngắn hạn và dài hạn, với tác động dài hạn thường mạnh hơn; (ii) sự thay đổi tỷ giá hối đoái danh nghĩa là yếu tố quan trọng ảnh hưởng đến lạm phát ở các quốc gia áp dụng chế độ tỷ giá thả nổi, dẫn đến lạm phát tăng trong ngắn hạn tại ba quốc gia này.

Tăng lãi suất trong ngắn hạn sẽ dẫn đến gia tăng lạm phát, tuy nhiên, trong dài hạn, lạm phát sẽ giảm xuống mức thấp hơn so với trước Điều này cho thấy tác động của tăng lãi suất có xu hướng ngược chiều với lạm phát trong dài hạn Hơn nữa, mức kỳ vọng lạm phát trong quá khứ ảnh hưởng đến lạm phát hiện tại ở 3 trong 4 quốc gia được nghiên cứu.

Bashir và cộng sự (2011) nghiên cứu thực tra ̣ng la ̣m phát ta ̣i Pakistan trong giai đoa ̣n

Nghiên cứu từ năm 1972 đến 2010 đã xác định những yếu tố chính ảnh hưởng đến lạm phát tại Pakistan, sử dụng phương pháp đồng tích hợp Johansen và mô hình hiệu chỉnh sai số (ECM) Kết quả cho thấy cung tiền, tổng sản phẩm quốc nội, chi tiêu chính phủ và nhập khẩu là những yếu tố làm tăng lạm phát trong dài hạn, trong khi lạm phát có xu hướng giảm nhờ vào mức thu ngân sách nhà nước cao hơn Kết quả này phù hợp với nghiên cứu của Ahmed và cộng sự (2013), cho thấy cung tiền, chi tiêu chính phủ, nhập khẩu, khủng hoảng giá năng lượng và sản lượng quốc gia dưới mức tiềm năng là những yếu tố chính thúc đẩy lạm phát, trong khi xuất khẩu gần như không ảnh hưởng đến lạm phát tại Pakistan.

Trong năm 2011, lạm phát cao tiếp tục là mối quan tâm lớn tại bốn quốc gia châu Phi: Ethiopia (39%/năm), Uganda (19%/năm), Kenya (16%/năm) và Tanzania (13%) Ngân hàng Phát triển Châu Phi (AfDB) đã chỉ ra rằng gia tăng cung tiền đóng góp 30% và 40% vào lạm phát tại Uganda và Ethiopia, trong khi giá dầu là yếu tố chính gây ra lạm phát tại Kenya và Tanzania với mức đóng góp tương ứng 20% và 25% Nghiên cứu cũng nhấn mạnh rằng chính sách mở rộng tiền tệ có vai trò quan trọng trong việc gia tăng lạm phát dài hạn, đồng thời lưu ý tác động của lạm phát kỳ vọng đối với vòng xoáy lạm phát tại các quốc gia này.

Tại Việt Nam, nhiều nghiên cứu thực nghiệm đã được thực hiện để giải thích biến động lạm phát, xem xét cả yếu tố cầu kéo và chi phí đẩy Tuy nhiên, hầu hết các nghiên cứu này thường bỏ qua các yếu tố quan trọng từ phía cung, chủ yếu tập trung vào các nhân tố từ phía cầu Giá dầu thế giới, và đôi khi là giá gạo, là tác nhân từ cung được sử dụng phổ biến nhất Các nghiên cứu gần đây chủ yếu xoay quanh các chỉ số như CPI, cung tiền, lãi suất, tỷ giá, sản lượng và giá dầu quốc tế.

Ứng dụng và phát triển mô hình dự báo lạm phát

Dự báo lạm phát là yếu tố quan trọng trong hoạch định chính sách vĩ mô của nhiều quốc gia, giúp ngân hàng trung ương đưa ra các biện pháp nhằm đạt mục tiêu của chính sách tiền tệ Các chủ thể khác trong nền kinh tế cũng dựa vào dự báo này để đánh giá phản ứng của cơ quan hoạch định chính sách và xác định kỳ vọng lạm phát trong tương lai.

Kể từ thập niên 80 của thế kỷ trước, sự biến động mạnh mẽ và khó lường của lạm phát đã thúc đẩy nhiều nghiên cứu phân tích và đánh giá độ chính xác của các mô hình dự báo lạm phát Song song với đó, các phương pháp kiểm định chất lượng mô hình dự báo lạm phát cũng đã phát triển đa dạng, theo cách tiếp cận của Fama và Gibbons (1982).

Mô hình ARIMA đã được sử dụng để dự báo lạm phát, dựa trên lãi suất danh nghĩa quan sát được từ thị trường Meyler và cộng sự (1998) đã chứng minh rằng mô hình này có khả năng dự báo tốt hơn tại Ireland Quy trình ước lượng mô hình ARIMA theo phương pháp Box-Jenkins bao gồm ba bước: định dạng mô hình, ước lượng và kiểm định mô hình, và được lặp lại cho đến khi đạt được mô hình tối ưu Tại Việt Nam, mô hình ARIMA đã trở nên phổ biến và gần đây được áp dụng bởi Đào Hoàng Dũng (2013) để dự báo CPI quý 1/2013, cho kết quả dự báo với độ chính xác cao.

Vào những năm đầu thế kỷ XXI, nghiên cứu của Sims (2006) cho thấy hầu hết các biến số vĩ mô là biến nội sinh và có sự tương tác lẫn nhau, dẫn đến sự phổ biến của các mô hình chuỗi thời gian đa biến như VAR và VECM Engle và Yoo (1987) đã so sánh kết quả dự báo từ mô hình VECM với giả định về độ trễ và hạng tích hợp đã biết trước với kết quả từ mô hình VAR, từ đó kết luận rằng VECM chỉ cho kết quả sai số bình phương trung bình trong dài hạn Clements và Hendry (1995) cảnh báo rằng kết luận của Engle và Yoo có thể không vững nếu các đối tượng nghiên cứu được xử lý sai phân thay vì ở dạng nguyên trị Christoffersen và Diebold (1998) cũng áp dụng mô hình của Engle và Yoo nhưng lập luận ngược lại bằng cách sử dụng phương pháp thay thế để so sánh dự báo đa biến.

Luận văn thạc sĩ Kinh tế dụng VAR dưới dạng nguyên trị, áp dụng mô hình VAR với mức độ đồng liên kết mà không yêu cầu nghiêm đơn vị Mô hình được xác định thứ tự trễ dựa trên tiêu chuẩn AIC, so sánh hiệu suất dự báo của mô hình ước lượng với tất cả các số có thể của vector đồng liên kết (0 - 4) trong hệ thống 4 biến Tác giả nhận thấy rằng, khi giữ thứ tự trễ liên tục, các mô hình số chính xác của vector đồng liên kết đạt được mức sai số MSFE thấp hơn so với dự báo dài hạn, đặc biệt là liên quan đến mô hình quá chi tiết về hạng đồng tích hợp Mặc dù nhiều nghiên cứu đã đánh giá hiệu quả của các tiêu chí chọn mô hình cho quyết định độ dài trễ và số đồng liên kết, nhưng vẫn chưa thể đánh giá chính xác hiệu quả của mô hình dự báo được lựa chọn Gonzalo và Pitarakis (1999) chỉ ra rằng trong một hệ thống lớn, các bước lựa chọn mô hình thường có thể làm giảm số hạng đồng tích hợp rất lớn.

Cogley và Sargent (2001, 2005), Benati (2004) và Levin và Piger (2004) nhấn mạnh rằng sự thay đổi về thời gian có vai trò quan trọng trong việc xác định giá trị trung bình và tính ổn định của lạm phát Haldane và Quah (1999), cùng với Cogley và Sargent (2001), ghi nhận sự biến động lớn trong mối quan hệ giữa lạm phát và thất nghiệp sau Thế chiến II Các bằng chứng từ giai đoạn này cho thấy sự đứt gãy phương sai không liên quan đến sự thay đổi của giá trị kỳ vọng Cogley và Sargent (2005), cùng với các nghiên cứu của Cogley và cộng sự (2010), đã áp dụng mô hình cấu trúc VAR cho nền kinh tế Mỹ, cho thấy mối quan hệ giữa lạm phát, thất nghiệp và lãi suất với sự thay đổi ngẫu nhiên Sims và Zha (2006) khẳng định rằng mô hình BVAR với biến thời gian thay đổi theo chuỗi Markov trong môi trường động của Mỹ là do điểm gãy của các cú sốc, không phải do các tham số hồi quy Điều này gợi ý rằng việc bổ sung các thay đổi cấu trúc vào mô hình chuỗi thời gian có thể cải thiện khả năng dự báo lạm phát Kết quả ngoài mẫu từ mô hình này cho thấy đây là một lựa chọn tốt hơn so với các mô hình thay thế khác Tổng quát hơn, Pesaran và cộng sự (2006), cùng với Koop và Potter (2007), chỉ ra rằng mô hình dự báo với các điểm gãy cấu trúc cung cấp dự báo tốt hơn ngoài mẫu cho nhiều chuỗi biến vi mô.

Một vấn đề quan trọng trong dự báo lạm phát là cách điều chỉnh dự báo cho lạm phát kỳ vọng Chẳng hạn, phiên bản rút gọn của đường cong Phillips chỉ ra rằng lạm phát phụ thuộc vào lạm phát quá khứ và lạm phát kỳ vọng Tỷ lệ thất nghiệp thường được sử dụng như một thước đo cho sự trì trệ của nền kinh tế trong mô hình dự báo lạm phát Tuy nhiên, vẫn còn nhiều tranh cãi về các thước đo phù hợp cho hoạt động thực tế trong mô hình này Hai cách tiếp cận được xem xét là: (i) dựa trên sự kết hợp dự báo của các lựa chọn từ các mô hình dự báo đường cong Phillips; (ii) dựa trên mô hình đường cong Phillips duy nhất, bao gồm các biến trễ kinh tế và các đo lường thực tế.

Nghiên cứu của Stock và Watson (1999) chỉ ra rằng mô hình đa biến có hiệu quả dự báo ngoài mẫu tốt hơn so với mô hình tự hồi quy (AR) Wright (2009) đã áp dụng mô hình Bayesian trung bình với 93 thông số tiềm năng để dự báo lạm phát Mỹ theo quý và đã loại bỏ dự báo lạm phát của AR ngoài mẫu Các học giả tiếp cận vấn đề thông qua mô hình đường cong Phillips dựa trên tỷ lệ thất nghiệp và các chỉ số Chicago Fed Economic Activity với độ trễ thích hợp Groen và cộng sự (2013) cũng dự báo lạm phát bằng mô hình tự hồi quy có bổ sung biến ngoại sinh gia tăng (mô hình ARX), nhưng điểm khác biệt là họ sử dụng khuôn khổ cho phép xử lý sự không chắc chắn trong mối quan hệ giữa lạm phát và biến dự báo, cũng như sự không chắc chắn về các yếu tố tiềm năng trong hồi quy dự báo lạm phát Để đối phó với những bất định này, mô hình trung bình Bayesian (BMA) được áp dụng nhằm phá vỡ cấu trúc của nhiễu ngẫu nhiên trong các thông số hồi quy hoặc phương sai lỗi của kết quả mô hình Thủ tục dự báo vì vậy kết hợp hai nguồn chính của sự không chắc chắn.

Nghiên cứu và ứng dụng mô hình dự báo lạm phát tại Việt Nam đã thu hút sự quan tâm từ các cơ quan quản lý vĩ mô, viện nghiên cứu, chuyên gia và học giả kinh tế Các nghiên cứu tiêu biểu bao gồm: Võ Trí Thành và cộng sự (2001) với mô hình VAR và ECM, chỉ ra mối quan hệ giữa tiền tệ, CPI, tỷ giá và giá trị sản lượng công nghiệp từ năm 1992 đến 1999; Nguyễn Thị Kim Thanh (2006) nghiên cứu về lạm phát cơ bản; Nguyễn Thị Liên Hoa và Trần Đặng Dũng (2013) áp dụng phương pháp SVAR để nghiên cứu lạm phát tại Việt Nam; Phạm Thế Anh (2009) xác định các nhân tố tác động tới lạm phát; Đào Hoàng Dũng (2013) dự báo lạm phát Q1/2013 bằng mô hình ARIMA; Bùi Quốc Dũng và Hoàng Việt Phương (2014) sử dụng mô hình VECM để dự báo lạm phát tại NHNN Việt Nam; Nguyễn Đức Trung và Nguyễn Hoàng Chung (2017) áp dụng mô hình DSGE để dự báo các yếu tố vĩ mô cho nền kinh tế Ngoài ra, còn nhiều nghiên cứu khác từ Võ Văn Minh (2009), Phạm Thị Thu Trang (2009), Nguyen (2010), Tô Ánh Dương và cộng sự (2012), Lương Thị Nga và cộng sự (2014), Trầm Thị Xuân Hương và cộng sự.

(2014), Nguyễn Thị Thu Trang (2017); BIDV (2018)…

Mặc dù đã đạt được một số kết quả đáng chú ý trong dự báo lạm phát, các nghiên cứu trước đây vẫn chưa giải quyết một cách hệ thống các mục tiêu quan trọng, bao gồm: hệ thống hóa lý thuyết về mô hình dự báo lạm phát, thiết lập mô hình định lượng để khám phá mối quan hệ giữa các biến số vĩ mô và CPI, và hoàn thiện hệ thống mô hình dự báo lạm phát cho Việt Nam phù hợp với yêu cầu chính sách Để giải quyết những vấn đề này, tác giả quyết định thực hiện đề tài luận án này.

KHOẢNG TRỐNG NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU

Khoảng trống nghiên cứu

Dựa trên tổng quan nghiên cứu, chủ đề phát triển mô hình dự báo lạm phát trong điều hành chính sách tiền tệ vẫn còn nhiều khoảng trống để khai thác và phát triển, mặc dù không còn mới mẻ.

Cho đến nay, chưa có nghiên cứu nào tổng hợp một cách hệ thống khung lý thuyết về mô hình dự báo lạm phát trong điều hành chính sách tiền tệ Đề tài này

Khi áp dụng mô hình đơn biến để dự báo lạm phát, các nghiên cứu trước đây chủ yếu dựa vào các chỉ số giá tổng hợp như CPI, PPI và GDP deflator mà chưa phân tích cụ thể từng nhóm hàng hóa trong CPI Điều này dẫn đến kết quả dự báo thiếu độ tin cậy và tính thuyết phục Luận án này, với việc thực nghiệm mô hình cho chuỗi giá các hàng hóa chủ chốt trong rổ CPI, hy vọng sẽ mang đến một cách tiếp cận mới trong dự báo các biến số vĩ mô tại Việt Nam, nâng cao chất lượng dự báo nhờ vào thông tin tiên lượng phong phú và chi tiết.

Chưa có nghiên cứu độc lập nào tại Việt Nam ứng dụng mô hình đa biến để dự báo mức tăng giá cả, xem xét đầy đủ các yếu tố từ cả phía cung và cầu của lạm phát Hầu hết các nghiên cứu trước đây chỉ tập trung vào yếu tố “cầu kéo” và bỏ qua tác động từ phía tổng cung, với yếu tố duy nhất từ phía cung được xem xét là giá cả quốc tế Ngoài ra, các nghiên cứu gần đây về dự báo lạm phát tại Việt Nam chủ yếu dựa trên dữ liệu từ năm 2015 trở về trước, dẫn đến việc bỏ qua nhiều yếu tố mới quan trọng ảnh hưởng đến kết quả dự báo lạm phát, như chiến tranh thương mại Mỹ.

Hiệp định TPP đã sụp đổ do sự rút lui của Mỹ, sau đó được thay thế bằng CPTPP, ký kết giữa 11 quốc gia đối tác xuyên Thái Bình Dương Sự bùng phát của đại dịch COVID-19 đã khiến kinh tế toàn cầu tiến gần đến một cuộc "đại khủng hoảng" Luận án kỳ vọng cung cấp thảo luận chính sách và phân tích sâu sắc về những vấn đề thời sự quan trọng, sử dụng các công cụ định lượng hiện đại và bằng chứng khoa học đáng tin cậy.

Trong các nghiên cứu trước đây, việc dự báo lạm phát chủ yếu tập trung vào một số dạng thức mô hình nhất định, trong khi việc đánh giá và so sánh hiệu quả dự báo giữa các mô hình chưa được chú trọng Điều này dẫn đến việc chất lượng mô hình dự báo không được các nhà nghiên cứu quan tâm, khiến người đọc khó bị thuyết phục về tính khả thi của các mô hình được đề xuất.

Luận văn thạc sĩ Kinh tế này cung cấp kết quả đáng tin cậy với luận cứ khoa học vững vàng, đồng thời giới thiệu mô hình nghiên cứu mới mẻ so với các công trình trước Luận án không chỉ dừng lại ở việc thực nghiệm dự báo lạm phát qua các lớp mô hình theo tần suất tháng và quý trong ngắn và trung hạn, mà còn đánh giá riêng rẽ và so sánh hiệu quả dự báo giữa các lớp mô hình, cũng như với các mô hình trước đây Điều này nhằm rút ra bài học kinh nghiệm và đưa ra hàm ý chính sách cho công tác hoạch định và điều hành chính sách vĩ mô, đặc biệt là trong quản lý giá cả tại Việt Nam.

Câu hỏi nghiên cứu

Để tiếp tục đóng góp vào cơ sở lý luận về dự báo lạm phát trong hoạch định và điều hành chính sách tiền tệ, luận án này nhằm giải quyết các câu hỏi nghiên cứu quan trọng, đồng thời lấp đầy những khoảng trống đã được chỉ ra.

Việc phát triển mô hình dự báo lạm phát dựa trên kết quả dự báo đơn biến cho các mặt hàng chính trong rổ CPI có thể mang lại hiệu quả dự báo vượt trội so với việc dự báo đơn biến chỉ cho chuỗi CPI tổng hợp.

Các nhân tố ảnh hưởng đến biến động lạm phát bao gồm yếu tố cung như giá sản xuất, tiền lương và tỷ giá; yếu tố cầu như chênh lệch sản lượng, cung tiền, tín dụng và lãi suất; cùng với các yếu tố từ nền kinh tế thế giới như giá dầu, giá hàng hóa toàn cầu và lãi suất hiệu dụng của FED Việc xác định kênh tác động chủ chốt nhất trong số này là rất quan trọng Hơn nữa, áp dụng cấu trúc mô hình toàn diện với đầy đủ các kênh tác động có thể cải thiện đáng kể chất lượng dự báo lạm phát so với những mô hình thiếu sót trước đây.

Trong việc lựa chọn mô hình dự báo lạm phát ngắn hạn và trung hạn, cần xác định mô hình tối ưu từ các lớp mô hình đã đề cập Tần suất dữ liệu (tháng hoặc quý) cần được khai thác một cách hiệu quả để hỗ trợ quy trình dự báo Ngoài ra, khi dự báo lạm phát ngoài mẫu trong bối cảnh cú sốc diện rộng, cần xác định lớp mô hình phù hợp và điều chỉnh kỹ thuật cần thiết để đảm bảo tính ổn định và hiệu quả của dự báo.

Dựa trên kết quả dự báo thu được từ các tần suất và tầm xa khác nhau, cần đưa ra các giải pháp và khuyến nghị nhằm phát triển và áp dụng hiệu quả các mô hình dự báo lạm phát Điều này sẽ hỗ trợ cho việc điều hành chính sách tiền tệ tại Việt Nam.

MỤC TIÊU NGHIÊN CỨU

Mục tiêu chung

Luận án này tập trung vào việc ứng dụng mô hình dự báo lạm phát để hỗ trợ cho việc điều hành chính sách tiền tệ tại Việt Nam Dựa trên nghiên cứu, bài viết sẽ đề xuất các giải pháp và khuyến nghị nhằm thúc đẩy việc áp dụng mô hình dự báo lạm phát trong công tác điều hành chính sách tiền tệ.

Mục tiêu cụ thể

Th ứ nh ấ t, luận án trình bày cơ sở lý thuyết về mô hình dự báo lạm phát trong điều hành CSTT

Luận án phân tích kinh nghiệm của các Ngân hàng Trung ương trên thế giới trong việc ứng dụng mô hình dự báo lạm phát vào quản lý chính sách tiền tệ, từ đó rút ra những bài học quý giá cho Việt Nam.

Luận án này phân tích thực trạng lạm phát và chính sách tiền tệ (CSTT) tại Việt Nam, nhằm kiểm soát lạm phát Nghiên cứu sẽ cung cấp cơ sở để thiết lập mô hình mối quan hệ giữa các biến số vĩ mô và lạm phát, từ đó giúp hiểu rõ hơn về tác động của các yếu tố kinh tế đến tình hình lạm phát trong nước.

Bài luận này phân tích thực trạng ứng dụng mô hình dự báo lạm phát trong việc điều hành chính sách tiền tệ tại Ngân hàng Nhà nước Việt Nam, từ đó đưa ra những đánh giá quan trọng.

Vào thứ năm, luận án đã đề xuất cải tiến mô hình dự báo lạm phát ngắn hạn và trung hạn trong việc điều hành chính sách tiền tệ cho Việt Nam, đồng thời tiến hành đánh giá chất lượng của mô hình dự báo này.

Vào thứ Sáu, luận án đã đề xuất các giải pháp và khuyến nghị nhằm tăng cường ứng dụng mô hình dự báo lạm phát trong việc điều hành chính sách tiền tệ tại Việt Nam, hướng tới mục tiêu đến năm 2025.

PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

Phương pháp nghiên cứu

Đề tài này kết hợp phương pháp nghiên cứu định tính và định lượng nhằm đạt được các mục tiêu nghiên cứu đã đề ra.

Phương pháp thống kê mô tả là một kỹ thuật quan trọng trong việc thu thập và trình bày dữ liệu Phương pháp này giúp tính toán và mô tả các đặc trưng khác nhau của đối tượng nghiên cứu, từ đó phản ánh tổng quát về nó Việc áp dụng phương pháp này cho phép nhà nghiên cứu có cái nhìn rõ ràng hơn về các đặc điểm và xu hướng trong dữ liệu.

Phương pháp này được áp dụng liên tục trong quá trình thu thập, xử lý dữ liệu, tính toán, phân tích và trình bày các nội dung liên quan đến lạm phát tại Việt Nam.

Phương pháp phân tích và tổng hợp lý thuyết là một kỹ thuật nghiên cứu các tài liệu và lý thuyết khác nhau bằng cách phân tích chúng thành từng bộ phận, nhằm hiểu sâu sắc về đối tượng Qua đó, phương pháp này liên kết từng bộ phận thông tin đã phân tích để tạo ra một hệ thống lý thuyết mới, đầy đủ và sâu sắc về đối tượng nghiên cứu Phương pháp này chủ yếu được áp dụng trong quá trình phân tích và tổng hợp các vấn đề lý thuyết liên quan đến lạm phát, chính sách tiền tệ (CSTT) và mô hình dự báo lạm phát của Việt Nam cũng như trên thế giới.

Phương pháp mô hình hóa là một kỹ thuật nghiên cứu dựa trên việc phân tích các đối tượng mục tiêu, cho phép mô phỏng lại các cấu trúc và chức năng của chúng Trong luận án này, phương pháp này được áp dụng để mô hình hóa mối quan hệ giữa các biến số vĩ mô và lạm phát tại Việt Nam trong giai đoạn cụ thể.

Phương pháp tiên lượng lạm phát tại Việt Nam trong giai đoạn 2005 – 2019 được xây dựng dựa trên mối quan hệ giữa các biến số vĩ mô Luận án áp dụng mô hình hóa để dự báo lạm phát, sử dụng phương pháp định lượng nhằm đưa ra dự đoán cho ngắn và trung hạn.

Dữ liệu

Dữ liệu nghiên cứu được thu thập từ nhiều nguồn quan trọng, bao gồm: (i) dữ liệu tiền tệ và ngân hàng từ Thống kê tài chính quốc tế của IMF và Ngân hàng Nhà nước Việt Nam; (ii) dữ liệu kinh tế vĩ mô từ Tổng cục Thống kê; (iii) dữ liệu giá cả quốc tế từ Fed St Louis; và (iv) thông tin về tình hình dịch COVID-19 từ Trung tâm Phòng chống và Kiểm soát dịch bệnh Châu Âu (ECDC).

THIẾT KẾ NGHIÊN CỨU

ĐÓNG GÓP MỚI CỦA LUẬN ÁN

Về mặt lý luận

Luận án phân tích vai trò của chính sách tiền tệ (CSTT) trong kiểm soát lạm phát thông qua ba cơ chế chính: chính sách cố định tỷ giá hối đoái, chính sách hướng vào cung tiền và chính sách mục tiêu lạm phát Mỗi mô hình chính sách được đánh giá về các đặc trưng quan trọng, ưu điểm và hạn chế, từ đó làm rõ tác động của chúng đến việc kiểm soát lạm phát.

Trong bài viết này, chúng tôi sẽ phân tích lý thuyết mô hình dự báo lạm phát trong quản lý chính sách tiền tệ (CSTT) Đầu tiên, chúng tôi làm rõ khái niệm và mục tiêu của dự báo lạm phát, đồng thời phân tích vai trò quan trọng của nó trong việc điều hành CSTT Chúng tôi đề xuất quy trình dự báo lạm phát gồm 8 bước cụ thể Tiếp theo, bài viết giới thiệu lý thuyết nền về các lớp mô hình dự báo lạm phát phổ biến hiện nay, bao gồm lớp mô hình đơn biến (ARIMA) và lớp mô hình đa biến (VAR và VECM).

Luận án phân tích kinh nghiệm quốc tế về mô hình dự báo lạm phát trong quản lý chính sách tiền tệ, tập trung vào lựa chọn mô hình và đơn vị thực hiện dự báo, xây dựng và vận hành mô hình, cũng như ứng dụng kết quả dự báo lạm phát trong điều hành chính sách tiền tệ Từ đó, bài viết rút ra những bài học quý giá cho Việt Nam.

Về mặt thực tiễn

Th ứ nh ấ t, luận án tiến hành phân tích toàn diện diễn biến lạm phát thực tế tại Việt

Trong khoảng thời gian từ năm 2000 đến 2019, tác giả đã phân tích các đặc trưng chính liên quan đến diễn biến lạm phát ở từng giai đoạn, đồng thời làm rõ nguyên nhân cơ bản và cơ chế điều hành chính sách tiền tệ nhằm kiểm soát lạm phát và thúc đẩy tăng trưởng Nghiên cứu này cung cấp cơ sở quan trọng để hiểu mối quan hệ giữa các biến số vĩ mô và lạm phát tại Việt Nam.

Luận án tiến hành phân tích và đánh giá toàn diện thực trạng phát triển các mô hình dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam, cũng như ứng dụng của chúng trong điều hành chính sách tiền tệ Việc đánh giá này không chỉ chỉ ra những kết quả đạt được và các tồn tại mà còn xác định nguyên nhân của những tồn tại đó, từ đó đưa ra các khuyến nghị và giải pháp nhằm hoàn thiện các mô hình dự báo đang được vận hành tại NHNN.

Luận án này tập trung vào việc cải tiến và phát triển các mô hình ARIMA và VECM để dự báo lạm phát tại Việt Nam, dựa trên lý thuyết về lạm phát và khảo sát các nghiên cứu trước đây Mô hình ARIMA được sử dụng cho dự báo ngắn hạn, phân tách 10 nhóm chỉ số giá hàng hóa để đánh giá tác động của từng nhóm đến CPI tổng thể Trong khi đó, mô hình VECM được cải tiến từ cấu trúc gốc của NHNN nhằm phân tích mối quan hệ giữa các yếu tố vĩ mô và lạm phát, đồng thời thực hiện dự báo lạm phát trong trung hạn.

Luận văn thạc sĩ Kinh tế nghiên cứu hiệu quả của các chuỗi biến tần suất tháng và quý Kết quả đánh giá bằng các tiêu chuẩn thống kê cho thấy mô hình được đề xuất trong luận án có chất lượng dự báo vượt trội so với các phiên bản trước, đồng thời phản ánh sát thực xu hướng thị trường.

Vào thứ Tư, luận án đã áp dụng mô hình VECM tần suất tháng và quý với cấu trúc được cải tiến, đạt được thành công trong việc dự báo diễn biến chỉ số giá tiêu dùng (CPI) trong năm.

Năm 2020, dựa trên các kịch bản tác động của đại dịch COVID-19 đối với biến ngoại sinh, Việt Nam có thể đối mặt với tình trạng giảm phát Cụ thể, chỉ số giá tiêu dùng (CPI) bình quân tháng có thể giảm từ 1,07% đến 1,23%, trong khi CPI bình quân quý giảm từ 2,11% đến 2,13%.

Vào thứ năm, dựa trên định hướng điều hành chính sách tiền tệ (CSTT) và phát triển hoạt động dự báo tại Việt Nam, kết hợp với kinh nghiệm quốc tế và phân tích thực trạng, luận án đề xuất các giải pháp và khuyến nghị nhằm thúc đẩy ứng dụng mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025.

KẾT CẤU LUẬN ÁN

Ngoài phần Phần mở đầu, Kết luận chung, Tài liệu tham khảo và Phụ lục, nội dung luận án được kết cấu theo bốn chương sau:

Chương 1: Tổng quan mô hình dự báo lạm phát trong điều hành chính sách tiền tệ;

Chương 2: Thực trạng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam;

Chương 3: Đề xuất hoàn thiện mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam;

Chương 4: Khuyến nghị chính sách về việc ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam

TỔNG QUAN MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ

TỔNG QUAN VỀ LẠM PHÁT

Theo từ điển Oxford English Dictionary (1989), thuật ngữ “lạm phát” lần đầu tiên được sử dụng để chỉ sự mất giá của tiền tệ Đến năm 1874, “lạm phát” còn mang nghĩa là sự gia tăng liên tục của giá cả Khái niệm lạm phát với ý nghĩa tăng giá đã được nhấn mạnh trong suốt cuộc nội chiến tại Mỹ (1861-1865), khi đồng đô la bản vị vàng bị thay thế bởi đồng bạc xanh, một loại tiền giấy do Chính phủ Mỹ phát hành và có xu hướng mất giá theo thời gian (Bernholz, 2003).

Lạm phát là hiện tượng kinh tế xuất hiện cùng với tiền giấy, có ảnh hưởng sâu rộng đến đời sống kinh tế - xã hội Các nhà kinh tế đã định nghĩa lạm phát theo nhiều cách khác nhau; Kemmerer và Crowther cho rằng lạm phát là sự suy giảm giá trị đồng tiền theo thời gian, trong khi Samuelson định nghĩa nó là sự tăng lên của mặt bằng chung giá cả Johnson nhấn mạnh đến sự tăng giá bền vững, còn Friedman nhận định rằng lạm phát là sự gia tăng nhanh chóng và kéo dài của giá cả Định nghĩa phổ biến hiện nay, theo Ackley, cho rằng lạm phát là sự tăng liên tục và có thể xác định được của giá cả hàng hóa Dwivedi làm rõ rằng sự tăng giá này phải diễn ra liên tục trong 1-2 năm và không phản ứng với các chính sách kiềm chế lạm phát.

Nguyên nhân gây ra lạm phát được các nhà kinh tế phân tích từ nhiều góc độ khác nhau Theo trường phái cổ điển, đại diện là Fisher (1911), lạm phát chủ yếu do sự gia tăng lượng cung tiền tại một mức sản lượng nhất định, cho thấy rằng giá cả bị ảnh hưởng nhiều hơn bởi yếu tố tiền tệ so với cung hàng hóa Ngược lại, các nhà kinh tế theo trường phái Keynes, như J.M Keynes và Wicksell, cho rằng lạm phát được xác định bởi sự thay đổi của mặt bằng giá cả, dựa trên tổng cầu và tổng cung hàng hóa Theo quan điểm này, lạm phát xảy ra khi tổng cầu hàng hóa và dịch vụ vượt quá lượng cung tại mức giá phổ biến, dẫn đến việc cầu vượt cung và làm gia tăng lạm phát.

Trong khi đó, các nhà kinh tế trường phái tân cổ điển mà đa ̣i diện là Samuelson

(1961) khẳng đi ̣nh: la ̣m phát xảy ra khi mức chung của giá cả cũng như chi phí tăng (giá

Lạm phát là sự gia tăng giá cả của các mặt hàng như bánh mì, xăng dầu, và ô tô, cũng như tiền lương, giá đất và chi phí thuê nguyên liệu sản xuất Theo các nhà kinh tế học trường phái tiền tệ, lạm phát được xem là một hiện tượng tiền tệ, chủ yếu xuất phát từ việc cung tiền tăng lên nhanh hơn mức tăng trưởng của nền kinh tế.

Bên cạnh lạm phát, hai khái niệm quan trọng khác liên quan đến sự thay đổi mức giá là giảm phát và thiểu phát Giảm phát là tình trạng giảm giá chung của hàng hóa, thường xảy ra do sự suy giảm mạnh của tổng cầu, buộc các nhà sản xuất phải hạ giá để thu hút người mua (Bernanke, 2002) Thiểu phát, ngược lại, là sự giảm tốc độ tăng giá, phản ánh một xu hướng ổn định hơn trong nền kinh tế.

Từ năm 1920 đến 1930, Mỹ trải qua hiện tượng giảm phát thường xuyên, nhưng các nhà điều hành không đánh giá đúng tác động và thiếu biện pháp ứng phó hiệu quả Ngược lại, các quốc gia từng áp dụng chế độ bản vị vàng như Thụy Điển nhanh chóng thoát khỏi tình trạng này Thiểu phát, hiện tượng sụt giảm liên tục của tỷ lệ lạm phát, thường xảy ra trước khi bước vào thời kỳ giảm phát Nguyên nhân của thiểu phát có thể do áp dụng biện pháp chống lạm phát quá mức, như thắt chặt tiền tệ và tài khóa, hoặc kiểm soát giá một cách cứng nhắc, cũng như những sai lầm trong điều hành vĩ mô (Cao Thị Ý Nhi và Đặng Anh Tuấn, 2017).

Giảm phát và thiểu phát có những biểu hiện bên ngoài khó phân biệt do cùng thể hiện xu hướng sụt giảm giá cả chung Nhiều người thường nhầm lẫn và đồng nhất hai khái niệm này, dẫn đến việc xóa nhòa ranh giới giữa hai học thuyết quan trọng: thuyết lạm phát giá cả và thuyết lạm phát lưu thông tiền tệ.

Thuyết lạm phát giá cả định nghĩa lạm phát là sự gia tăng mức giá chung trong nền kinh tế, trong khi giảm phát là sự giảm mức giá chung Theo quan điểm này, khái niệm thiểu phát không tồn tại.

Thuyết lạm phát lưu thông tiền tệ cho rằng lạm phát xảy ra khi chính phủ bơm quá nhiều tiền vào lưu thông, dẫn đến giá cả tăng Ngược lại, nếu lượng tiền cung ứng thấp hơn nhu cầu, nền kinh tế sẽ gặp tình trạng thiểu phát do thiếu hụt tiền Theo thuyết này, lạm phát zero là thời điểm cân bằng giữa cung và cầu tiền tệ, khi lượng tiền phát hành phù hợp với nhu cầu lưu thông hàng hóa và dịch vụ Khi giảm phát vượt qua ngưỡng này, lạm phát và giảm phát sẽ biến mất, thay vào đó là tình trạng thiểu phát Mối quan hệ giữa lạm phát, giảm phát và thiểu phát có thể được biểu diễn trong hình minh họa.

Hình 1.1: Mối quan hệ lạm phát – giảm phát – thiểu phát

Nguồn: Cao Thị Ý Nhi và Đặng Anh Tuấn (2017)

1.1.2 Nguyên nhân gây ra lạm phát

1.1.2.1 L ạm phát do tăng cung tiề n

Theo lý thuyết số lượng tiền tệ, lượng tiền trong nền kinh tế quyết định giá trị của tiền và sự gia tăng khối lượng tiền tệ là nguyên nhân chủ yếu gây ra lạm phát Phương trình M×V=P×Y cho thấy sự gia tăng lượng tiền có thể xảy ra khi mức giá (P) tăng, sản lượng (Y) tăng, hoặc tốc độ lưu thông tiền tệ (V) giảm Khi cung ứng tiền tệ tăng nhanh, lạm phát sẽ gia tăng Tiền tệ là nguyên nhân trực tiếp gây ra lạm phát, chỉ có tăng lượng tiền mới có thể làm tăng giá Do đó, quản lý hạn mức tín dụng và linh hoạt hóa vòng quay tiền tệ là các giải pháp quan trọng để sử dụng đồng tiền hiệu quả và kiềm chế lạm phát.

Nền kinh tế bắt đầu tại điểm 1 với sản lượng tự nhiên Yn và mức giá P1, nơi đường tổng cung AS1 giao nhau với đường tổng cầu AD1 Khi cung tiền tệ tăng, đường tổng cầu dịch chuyển sang phải đến AD2 Trong thời gian ngắn, nền kinh tế chuyển đến điểm 1’, sản lượng tăng lên Y’ (Y’ > Yn), dẫn đến tỷ lệ thất nghiệp giảm dưới mức tự nhiên Sự gia tăng tiền lương kéo theo sự dịch chuyển của đường tổng cung, làm thay đổi cấu trúc của nền kinh tế.

Lạm phát zero (-) Thiếu tiền

Luận văn thạc sĩ Kinh tế phân tích sự dịch chuyển tới vị trí AS2, nơi nền kinh tế trở lại mức sản lượng tự nhiên trên đường tổng cung dài hạn Tại điểm cân bằng mới (điểm 2), mức giá cả tăng từ P1 lên P2.

Hình 1.2: Lạm phát do lượng tiền cung ứng tăng liên tục và kéo dài

Cung tiền tệ tiếp tục tăng lên, đường tổng cầu lại dịch chuyển sang phải đến vị trí

Đường tổng cung dịch chuyển sang trái đến vị trí AS3, tạo ra điểm cân bằng mới cho nền kinh tế tại điểm 3 Tại đây, giá cả tiếp tục tăng lên mức P3 Nếu cung tiền tệ tiếp tục gia tăng, sự dịch chuyển của đường tổng cầu và tổng cung sẽ tiếp tục, dẫn đến mức giá tăng liên tục và tình trạng lạm phát ngày càng tồi tệ hơn.

TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ

1.2.1 Khái niệm chính sách tiền tệ

Chính sách tiền tệ (CSTT) là công cụ quản lý kinh tế vĩ mô quan trọng nhất do Nhà nước giao cho Ngân hàng Trung ương (NHTW) thực hiện Theo Mishkin (2016), CSTT là một trong những chính sách điều hành vĩ mô, được NHTW xây dựng và thực hiện thông qua các công cụ điều tiết lượng tiền cung ứng nhằm đạt được các mục tiêu kinh tế - xã hội nhất định trong từng thời kỳ NHTW Canada cũng đưa ra định nghĩa tương tự về vai trò và chức năng của CSTT trong nền kinh tế.

Chính sách tiền tệ (CSTT) là việc áp dụng các biện pháp nhằm điều chỉnh cung tiền, ảnh hưởng đến lãi suất, điều kiện tín dụng và tỷ giá hối đoái tại Canada Mục tiêu chính của CSTT là tác động đến tổng sản phẩm quốc nội (GDP), tạo ra việc làm, kiểm soát lạm phát và thúc đẩy tăng trưởng kinh tế.

Cục Dự trữ Liên bang (FED) định nghĩa chính sách tiền tệ (CSTT) là những quyết định của Ngân hàng Trung ương nhằm điều chỉnh tính thanh khoản, chi phí tiền tệ và tín dụng, từ đó thúc đẩy việc đạt được các mục tiêu kinh tế quốc gia.

Theo Điều 3 của Luật Ngân hàng Nhà nước năm 2010, chính sách tiền tệ (CSTT) tại Việt Nam bao gồm các quyết định tiền tệ cấp quốc gia từ cơ quan nhà nước có thẩm quyền, nhằm mục tiêu ổn định giá trị đồng tiền thông qua chỉ số lạm phát Ngân hàng Nhà nước Việt Nam (NHNN) thực hiện chức năng quản lý nhà nước về tiền tệ và ngân hàng, đồng thời thực hiện vai trò của ngân hàng trung ương trong việc phát hành tiền, quản lý các tổ chức tín dụng và cung cấp dịch vụ tiền tệ cho Chính phủ.

CSTT, hay chính sách tiền tệ, là một công cụ kinh tế vĩ mô quan trọng do Ngân hàng Trung ương (NHTW) thiết lập và thực hiện nhằm điều chỉnh cung và cầu tiền tệ trong nền kinh tế.

Luận văn thạc sĩ Kinh tế tập trung vào việc đảm bảo ổn định giá cả và thúc đẩy tăng trưởng kinh tế Để đạt được mục tiêu này, có thể hoạch định theo hai hướng khác nhau.

CSTT mở rộng nhằm tăng cường khối lượng tiền cung ứng, giảm lãi suất hoặc điều chỉnh tỷ giá để kích thích đầu tư, tiêu dùng và xuất khẩu ròng Qua đó, chính sách này hỗ trợ khôi phục và thúc đẩy tăng trưởng kinh tế, đồng thời tạo ra nhiều cơ hội việc làm.

CSTT thắt chặt nhằm giảm cung tiền, tăng lãi suất và giảm tỷ giá để kiểm soát sự phát triển quá nhanh của nền kinh tế, đồng thời ngăn chặn nguy cơ lạm phát.

Vận hành chính sách tiền tệ (CSTT) hiệu quả là vấn đề quan trọng, ảnh hưởng trực tiếp đến sự phát triển bền vững của quốc gia Dù trong từng giai đoạn của chu kỳ kinh tế, CSTT được điều chỉnh và thực hiện khác nhau, nhưng mục tiêu cuối cùng vẫn là ổn định và thúc đẩy tăng trưởng kinh tế.

1.2.2 Mục tiêu chính sách tiền tệ

Hình 1.4: Hệ thống mục tiêu và công cụ của CSTT

Nguồn: Mishkin (2016) 1.2.2.1 M ụ c tiêu cu ố i cùng

Một nền kinh tế thường đặt ra nhiều mục tiêu đa dạng, chủ yếu nhằm hướng tới ổn định và tăng trưởng Mục tiêu ổn định bao gồm việc duy trì giá trị đồng tiền, ổn định lãi suất và đảm bảo sự ổn định của thị trường tài chính Trong khi đó, mục tiêu tăng trưởng tập trung vào hai khía cạnh chính là đảm bảo công ăn việc làm và thúc đẩy tăng trưởng kinh tế.

Ổn định giá trị nội tại của đồng tiền thông qua kiểm soát lạm phát là mục tiêu hàng đầu và dài hạn của chính sách tiền tệ Các ngân hàng trung ương thường đo lường mục tiêu này dựa trên tỷ lệ gia tăng của chỉ số giá tiêu dùng xã hội.

Tăng trưởng kinh tế Ổn định giá cả Cải thiện việc làm

Tổng tiền cung ứng (M1, M2, M3) Lãi suất ngắn hạn và dài hạn

Dự trữ (R), dự trữ không vay (NBR), tiền cơ sở (MB) Lãi suất liên ngân hàng, lãi suất ngắn hạn

HỆ THỐNG CÔNG CỤ CHÍNH SÁCH TIỀN TỆ

Công cụ gián tiếp Công cụ trực tiếp Công cụ bổ trợ Công cụ khác

Việc công bố chỉ tiêu lạm phát công khai thể hiện cam kết của Ngân hàng Trung ương (NHTW) trong việc ổn định giá trị tiền tệ dài hạn, không tập trung vào biến động giá cả ngắn hạn Các biện pháp chính sách tiền tệ tác động chủ yếu đến nền kinh tế trong trung và dài hạn, khiến NHTW khó khăn trong việc kiểm soát giá cả tạm thời Ổn định giá cả là yếu tố quan trọng trong định hướng phát triển kinh tế quốc gia, giúp tăng khả năng dự đoán biến động kinh tế vĩ mô Mức lạm phát thấp và ổn định tạo ra môi trường đầu tư vững chắc, thúc đẩy nhu cầu đầu tư và phân bổ nguồn lực xã hội hiệu quả, góp phần vào sự thịnh vượng của nền kinh tế Ngược lại, lạm phát cao hoặc thiểu phát kéo dài gây ra tổn thất cho xã hội, làm méo mó thông tin và khiến quyết định kinh tế trở nên kém hiệu quả Sự bất ổn giá cả có thể dẫn đến tái phân bổ nguồn lực kinh tế một cách độc đoán giữa các nhóm dân cư.

Lạm phát vừa phải có thể đóng vai trò tích cực trong việc kích thích tăng trưởng kinh tế, trở thành công cụ điều tiết cần thiết Việc theo đuổi mục tiêu ổn định giá cả không đồng nghĩa với việc lạm phát phải bằng không, vì cố gắng duy trì lạm phát ở mức gần như không thể dẫn đến tình trạng thiểu phát và suy thoái kinh tế nghiêm trọng Các nghiên cứu chỉ ra rằng mức lạm phát từ 1,5-4% là phù hợp với các nền kinh tế phát triển, cho thấy sự chấp nhận lạm phát là một yếu tố khách quan trong kinh tế Do đó, cần có giải pháp thích hợp để kiềm chế và điều tiết lạm phát thay vì loại bỏ hoàn toàn.

Ổn định giá cả là mục tiêu hàng đầu của chính sách tiền tệ (CSTT), giải thích cho phương châm "tăng trưởng nhanh với giá cả ổn định" Điều này đóng vai trò là kim chỉ nam cho các hành động điều tiết lượng tiền cung ứng Theo quan điểm của các nhà kinh tế học hiện đại, ổn định không chỉ đơn thuần là giữ nguyên mà là sự kiểm soát của chính phủ và Ngân hàng Trung ương (NHTW) Ổn định giá trị tiền tệ được thể hiện qua việc kiểm soát lạm phát và duy trì tỷ giá hối đoái ổn định.

Tại các quốc gia phát triển, Ngân hàng Trung ương (NHTW) coi ổn định giá cả là mục tiêu dài hạn chính của chính sách tiền tệ (CSTT) Quyết định này dựa trên lập luận rằng CSTT không có khả năng ảnh hưởng đến tăng trưởng kinh tế trong dài hạn, khi xem xét độ dốc của đường tổng cung dài hạn.

KINH NGHIỆM QUỐC TẾ VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ

1.4.1 Kinh nghiệm về lựa chọn mô hình dự báo lạm phát

Trong bối cảnh công cụ phân tích và dự báo định lượng ngày càng phong phú, các Ngân hàng Trung ương (NHTW) cần xây dựng hệ thống mô hình dự báo lạm phát riêng NHTW đi sau thường có lợi thế nhờ vào việc áp dụng thành tựu nghiên cứu từ các NHTW tiên tiến Hiện nay, nhiều mô hình như ARIMA, VAR, VECM, SVAR và DSGE được sử dụng để dự báo lạm phát, nhưng lựa chọn mô hình phù hợp phụ thuộc vào đặc điểm dữ liệu và nền kinh tế của từng quốc gia Sự đa dạng trong mô hình dự báo tạo nên nguồn tài nguyên phong phú, tuy nhiên, NHTW đi sau cũng cần điều chỉnh mô hình để phù hợp với đặc trưng riêng của quốc gia mình.

Nghiên cứu của Hammond (2012) chỉ ra rằng hầu hết các quốc gia theo đuổi chính sách tiền tệ lạm phát mục tiêu đều sử dụng mô hình DSGE để phân tích vĩ mô và dự báo lạm phát Cụ thể, trong số 27 ngân hàng trung ương quốc gia áp dụng chính sách này, mô hình DSGE đã trở thành công cụ quan trọng trong việc đánh giá và dự đoán xu hướng lạm phát.

Tính đến ngày 30/06/2020, có 20 ngân hàng trung ương (NHTW) lựa chọn công cụ DSGE trong việc theo đuổi mục tiêu lạm phát Tuy nhiên, bên cạnh những ưu điểm lý thuyết, vẫn tồn tại những "điểm nghẽn" khiến một số NHTW không áp dụng DSGE Điều này đặt ra câu hỏi về tính phù hợp của DSGE trong việc phân tích và dự báo lạm phát tại các NHTW của các quốc gia mới nổi, như Việt Nam.

Mô hình DSGE, khác với mô hình phi cấu trúc như ARIMA hay VAR, kết hợp giữa số liệu và lý thuyết kinh tế, đặc biệt là lý thuyết vi mô Theo Bùi Quốc Dũng và Phạm Đức Anh (2016), DSGE được xây dựng dựa trên nguyên tắc tối đa hóa lợi ích của hộ gia đình, tối đa hóa lợi nhuận của doanh nghiệp và tối đa hóa phúc lợi xã hội Mô hình này không chỉ áp dụng cho phân tích vĩ mô về tăng trưởng và lạm phát mà còn nghiên cứu hành vi của các tác nhân kinh tế trước sự thay đổi của chính sách tài khóa và chính sách tiền tệ, cũng như giải thích sự biến động trong cấu trúc kinh tế.

Mô hình DSGE (Dynamic Stochastic General Equilibrium) là một công cụ phân tích kinh tế đa nhiệm phổ biến ở nhiều nền kinh tế lớn như Anh, Mỹ và Thụy Điển Tuy nhiên, tại một số quốc gia, DSGE vẫn chưa được áp dụng rộng rãi hoặc không phải là công cụ chính trong quá trình ra quyết định Nguyên nhân của thực trạng này có thể được lý giải bởi một số yếu tố nhất định.

Để vận hành hiệu quả các mô hình kinh tế phức tạp, cán bộ chuyên trách cần được đào tạo vững về kinh tế học vĩ mô và vi mô, cũng như có kiến thức sâu về kinh tế lượng và kỹ năng lập trình tốt Hơn nữa, hệ thống máy tính cần có cấu hình mạnh để chạy các phần mềm như Matlab và Mathematica Do đó, Ngân hàng Trung ương (NHTW) cần đầu tư đáng kể vào trang thiết bị và nguồn nhân lực để phát triển mô hình này một cách toàn diện.

Hiện nay, tính đúng đắn của mô hình DSGE đang gây tranh cãi giữa các nhà kinh tế học nổi tiếng, với Sims (2006) cho rằng mô hình này cần được hoàn thiện hơn.

Twenty central banks pursuing inflation-targeting monetary policy have implemented the DSGE model, including those in the UK, Armenia, Australia, Brazil, Canada, Chile, the Czech Republic, Hungary, Iceland, Indonesia, Mexico, New Zealand, Norway, Peru, the Philippines, Poland, South Korea, Sweden, Thailand, and Turkey In contrast, seven central banks, namely Colombia, Ghana, Guatemala, Israel, Romania, Serbia, and South Africa, have yet to adopt this model.

Số liệu không đầy đủ và thiếu tin cậy là vấn đề phổ biến ở các nền kinh tế đang phát triển, do hoạt động thống kê chưa hoàn thiện và sự thay đổi liên tục của phương pháp cũng như số liệu thống kê Tại NHTW Ba Lan, mặc dù có đội ngũ chuyên gia hàng đầu trong việc xây dựng và phát triển mô hình DSGE, kết quả dự báo lạm phát từ mô hình này chỉ mang tính tham khảo và thậm chí độ chính xác của nó còn thấp hơn so với các mô hình đơn giản như VAR, SVAR và Bayes VAR.

Trong bối cảnh hiện tại, phát triển mô hình DSGE để dự báo lạm phát ở Việt Nam chưa phù hợp do hạn chế về trang thiết bị kỹ thuật, trình độ nhân lực và tính đầy đủ của số liệu Tác giả khuyến nghị Ngân hàng Nhà nước Việt Nam nên tập trung vào các mô hình dự báo lạm phát đơn giản như ARIMA, VAR và các biến thể của VAR, vì chúng phù hợp hơn với điều kiện hiện tại Mặc dù DSGE là xu thế hiện đại, nhưng cần xác định đây là nhiệm vụ nghiên cứu dài hạn.

1.4.2 Kinh nghiệm về lựa chọn đơn vị thực hiện dự báo lạm phát

Tùy thuộc vào chức năng và nhiệm vụ của các Bộ, Ngành trong việc điều hành chính sách tiền tệ (CSTT) và quản trị mục tiêu kiểm soát lạm phát, trách nhiệm triển khai và công bố dự báo lạm phát có sự khác biệt giữa các quốc gia.

Tại các quốc gia như Singapore, Nhật Bản, Thụy Sỹ và Thụy Điển, nơi Ngân hàng Trung ương (NHTW) có quyền tự công bố mục tiêu lạm phát và thực hiện các biện pháp kiểm soát lạm phát, các Vụ, Cục chuyên trách thuộc khối Chính sách Tiền tệ (CSTT) trong NHTW sẽ đảm nhận công tác dự báo lạm phát và phân tích triển vọng Các báo cáo dự báo này sau đó sẽ được Ủy ban CSTT hoặc Hội đồng điều hành NHTW thẩm định và công bố để phục vụ cho việc hoạch định và điều hành chính sách tiền tệ.

Tại các quốc gia như Úc và Anh, công tác điều hành lạm phát và công bố mục tiêu lạm phát thường dựa trên sự hợp tác giữa Bộ Tài chính và Ngân hàng Trung ương (NHTW) Bộ Tài chính có trách nhiệm công bố mục tiêu, trong khi NHTW đóng vai trò tư vấn Ủy ban Chính sách Tiền tệ hoặc Hội đồng điều hành của NHTW là đơn vị chủ chốt trong việc thiết lập mục tiêu lạm phát và đề xuất các giải pháp điều hành Để hỗ trợ cho công tác dự báo lạm phát, NHTW có thể thành lập các bộ phận chuyên trách hoặc ban tư vấn với nhân sự được tuyển chọn từ nhiều lĩnh vực khác nhau, bao gồm cả khối Chính sách Tiền tệ và Dự báo, Thống kê.

Tại các quốc gia như Brazil, Chính phủ là người phê duyệt cuối cùng mục tiêu lạm phát, trong khi ở Hàn Quốc, Chính phủ đóng vai trò định hướng và tư vấn cho việc thiết lập mục tiêu lạm phát và điều hành chính sách tiền tệ của Ngân hàng Trung ương Ở Canada, việc thiết lập mục tiêu lạm phát là kết quả của thỏa hiệp giữa Chính phủ và Ngân hàng Trung ương Dự báo lạm phát, thường do Ủy ban Chính sách Tiền tệ hoặc Hội đồng điều hành của Ngân hàng Trung ương thực hiện, là cơ sở để xác định mục tiêu lạm phát Trong một số trường hợp, Chính phủ có thể tiến hành lấy ý kiến từ các bên liên quan để phê duyệt hoặc thống nhất quan điểm về mục tiêu lạm phát do Ngân hàng Trung ương đề xuất.

THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

PHÂN TÍCH THỰC TRẠNG LẠM PHÁT TẠI VIỆT NAM

Hình 2.1: Diễn biến CPI của Việt Nam, 2000 – 2019

(5/2012 – 12/2019) Lạm phát tăng cùng sự mở rộng liên tục tín dụng và cung tiền

Lạm phát cao đột biến do nhiều nguyên nhân, cung tiền và các yếu tố từ phía cung

Lạm phát thấp (trung bình dưới 4%/năm); CPI năm 2015 thấp nhất trong 20 năm qua

Nguồn: IMF International Financial Statistics (2020)

Lạm phát là mối quan tâm hàng đầu của nhiều thành phần trong xã hội, bao gồm nhà hoạch định chính sách, nhà nghiên cứu, doanh nghiệp, nhà đầu tư, trung gian tài chính và người dân Nhân tố tác động đến lạm phát được chia thành bốn nhóm chính: (1) Nhóm nhân tố ảnh hưởng đến tổng cầu; (2) Nhóm cú sốc thực hay cú sốc tổng cung; (3) Nhóm nhân tố ảnh hưởng đến sự cứng nhắc của giá cả.

Trong nền kinh tế thực, lạm phát có thể xảy ra do sự ảnh hưởng kết hợp của các nhân tố thể chế Đối với nền kinh tế Việt Nam, mức độ tác động của các nhân tố này đến lạm phát có thể thay đổi theo từng giai đoạn.

2.1.1 Diễn biến lạm phát giai đoạn 2000 - 2007 Đặc trưng của giai đoạn này là sự tăng cao trở lại của lạm phát sau khi duy trì ở mức thấp trong thời kỳ trước đó Từ mức -0,45% năm 2000 và -0.3% năm 2001, lạm phát đã bắt đầu gia tăng mạnh kể từ năm 2004 với chỉ số CPI ở mức 9,61% so với năm 2013 Đây là

CPI so cùng kỳ (yoy) - Trục trái CPI so tháng trước (mom) - Trục phải

Mức tăng trưởng trong luận văn thạc sĩ Kinh tế đã ghi nhận sự gia tăng mạnh mẽ, đạt gấp 9 lần so với mức giảm phát trong những năm đầu của thời kỳ Con số này cũng cao hơn mức mục tiêu 6% mà Chính phủ đã đề ra.

Giai đoạn này ghi nhận sự cải thiện rõ rệt trong tăng trưởng kinh tế, với cơ cấu kinh tế chuyển dịch theo hướng công nghiệp hóa và hiện đại hóa, góp phần nâng cao đời sống xã hội Tín dụng và cung tiền (M2) tăng mạnh, với tỷ lệ tín dụng/GDP từ 35,48% năm 2000 lên 85,64% năm 2007 và M2/GDP từ 49,33% lên 100,58%, tạo động lực quan trọng cho tăng trưởng GDP, vượt mức sản lượng tiềm năng Tuy nhiên, sự mở rộng tín dụng cũng là nguyên nhân chính dẫn đến lạm phát cao trong giai đoạn này so với trước năm 2000.

Hình 2.2: Tăng trưởng GDP thực tế và tiềm năng, 2000 – 2007 (% yoy)

Nguồn: Tổng cục Thống kê (2020)

Bảng 2.1: GDP, CPI, tín dụng và M2, 2000 – 2007 (% yoy) Chỉ tiêu 2000 2001 2002 2003 2004 2005 2006 2007

Nguồn: Ngân hàng Nhà nước và Tổng cục Thống kê (2020)

Bảng 2.1 chỉ ra mối liên hệ rõ ràng giữa yếu tố tiền tệ, tín dụng và lạm phát trong giai đoạn 2000 – 2007 Khi tiền tệ và tín dụng gia tăng, lạm phát cũng có xu hướng tăng theo Chính sách nới lỏng tín dụng và mở rộng đầu tư đã dẫn đến mức tăng trưởng tín dụng và M2 thực tế năm 2000 đạt 38,14% và 38,96% Đặc biệt, vào năm 2007, tăng trưởng tín dụng và M2 đạt kỷ lục lần lượt là 53,9% và 46,1%, gấp 10 và hơn 7 lần so với năm 2000.

GDP tiềm năng GDP thực tế

Chỉ số CPI đã tăng mạnh từ -0,60% vào năm 2000 lên 2,95% vào năm 2003, đạt 9,61% vào năm 2004 và lên tới 12,63% vào năm 2007.

Mở rộng tiền tệ tín dụng đã dẫn đến tình trạng lạm phát gia tăng, đặc biệt khi tác động tiêu cực từ khủng hoảng châu Á giảm bớt Sự phục hồi của cầu và bùng nổ kinh tế thế giới, cùng với giá dầu thô tăng, đã làm gia tăng giá nhiều mặt hàng nhập khẩu như phân bón và dược phẩm Chi phí sản xuất của tất cả các ngành cũng tăng, dẫn đến giá cả các mặt hàng do nhà nước quản lý, như điện, thép, và than, cũng tăng theo Cầu tăng lên cùng với sự gia tăng tiền lương danh nghĩa ở cả khu vực Nhà nước và FDI, do chính phủ thực hiện cải cách tiền lương từ năm 2003 Để đối phó với lạm phát cao, NHNN đã áp dụng chính sách tiền tệ thắt chặt, làm tăng lãi suất và giữ tỷ giá cố định từ năm 2004 Tuy nhiên, việc quản lý cứng nhắc tỷ giá hối đoái không thành công trong việc kiềm chế lạm phát, khiến giá cả ở Việt Nam tăng cao hơn so với nhiều quốc gia khác trong cùng thời kỳ, đặc biệt là trong bối cảnh dịch cúm gia cầm và thời tiết xấu.

2003 khiến giá lương thực thực phẩm đã tăng 15,5% so với chỉ số giá chung (9,61%) và lạm phát phi lương thực thực phẩm là 5,2% trong năm 2004

Bảng 2.2: Quy mô tín dụng và M2, 2000 – 2007 (% GDP)

Chi tiêu chính phủ đã có tác động đáng kể đến mức tăng của chỉ số CPI trong giai đoạn 2000-2007 Theo số liệu của Bộ Tài chính, chi tiêu của Chính phủ đã tăng liên tục từ 22,5% GDP năm 2000 lên 32,2% GDP năm 2007 Tỷ lệ thu - chi ngân sách nhà nước/GDP mất cân đối, với chi tăng cao (bình quân 32,6%) trong khi thu ngân sách chỉ đạt bình quân 24,6% GDP Hơn nữa, cơ cấu chi ngân sách nhà nước cũng tiềm ẩn nhiều bất ổn, với tỷ lệ chi thường xuyên luôn ở mức cao.

Chi tiêu ngân sách nhà nước (NSNN) hiện chiếm từ 60-70% tổng chi, trong khi tỷ lệ chi đầu tư phát triển chỉ khoảng dưới 20% Thâm hụt NSNN trung bình đạt 4,83% và có khả năng tiếp tục gia tăng, điều này sẽ tạo áp lực lớn lên lạm phát, ổn định vĩ mô và gánh nặng chi trả trong tương lai.

Áp lực lạm phát và hiệu quả kinh tế thấp đang gây ra tăng trưởng kém bền vững, đồng thời tiềm ẩn nhiều rủi ro dài hạn Giai đoạn tăng trưởng từ 2000 đến 2007 chủ yếu dựa vào việc mở rộng cung tiền và tín dụng.

Luận văn thạc sĩ Kinh tế không thực sự dựa trên sự gia tăng thực tế của tổng cung và năng suất lao động (Nguyen,

Từ năm 2000 đến 2007, tốc độ tăng trưởng M2 và tín dụng ở mức cao, trung bình khoảng 33% mỗi năm, với tỷ lệ đầu tư toàn xã hội/GDP đạt khoảng 40%, trong đó năm 2007 đạt 46,5%, mức cao nhất kể từ 1986 Tuy nhiên, hiệu quả sử dụng vốn thấp, với hệ số ICOR của nền kinh tế tăng từ 4,89 lần giai đoạn 2000 – 2005 lên 6,2 lần năm 2007 Tổng cộng trong giai đoạn 2000 – 2007, tốc độ tăng trưởng M2 đạt 263,6%, gấp 4,3 lần tăng trưởng GDP của cùng thời kỳ (61,77%).

2.1.2 Diễn biến lạm phát giai đoạn 2008 – tháng 4/2012

Bảng 2.3: GDP, CPI, tín dụng và M2, 2008 – 2012 (% yoy)

Theo Ngân hàng Nhà nước và Tổng cục Thống kê (2018), giai đoạn này là một trong những thời điểm khó lường nhất trong kinh tế vĩ mô, đặc biệt là diễn biến lạm phát tại Việt Nam Chỉ số giá tiêu dùng (CPI) đã tăng cao vượt mức 20%, với mức đỉnh điểm đạt 28,35% vào tháng 8/2008 và 23% vào tháng 8/2011.

Hình 2.3: Tình hình thu chi và thâm hụt NSNN, 2008 – 2012 (tỷ đồng)

Hệ số ICOR (Incremental Capital - Output Ratio) đo lường hiệu quả sử dụng vốn đầu tư để tạo ra sản lượng Cụ thể, ICOR cho biết số đơn vị vốn cần thiết để tăng thêm một đơn vị sản lượng trong một khoảng thời gian nhất định Nếu ICOR cao, điều này cho thấy nền kinh tế hoặc thời kỳ đó sử dụng vốn không hiệu quả Theo tiêu chuẩn quốc tế, hệ số ICOR từ 3-4 được coi là hiệu quả và bền vững đối với các nước đang phát triển.

Tổng thu NSNN Tổng chi NSNN

Thâm hụt NSNN Thâm hụt NSNN (%GDP, trục phải)

Sự gia tăng lạm phát trong giai đoạn này được thúc đẩy bởi nhiều nguyên nhân, đặc biệt là các yếu tố từ phía cung Nguyên nhân chính xuất phát từ việc cung tiền và tín dụng tăng mạnh trong giai đoạn 2000 – 2007, đặc biệt là lượng dư cung tiền kỷ lục của năm 2007 Bên cạnh đó, thâm hụt ngân sách nhà nước và nợ công trong giai đoạn 2007 – 2012 cũng diễn ra tương đồng với lạm phát theo xu hướng tăng, với thâm hụt ngân sách/GDP tăng 10% và nợ công tăng gấp 2 lần so với giai đoạn trước.

2000 – 2006 Theo Bộ Tài chính (2012), tỷ lệ thu - chi NSNN/GDP bình quân ở mức 27,2% và 36,3%; tiếp tu ̣c mất cân đối hơn so với giai đoa ̣n 2000 – 2007 (tương ứng ở mức 24,6% và 32,6%)

THỰC TRẠNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ NHẰM KIỂM SOÁT LẠM PHÁT TẠI VIỆT NAM

Ngân hàng Nhà nước Việt Nam (NHNN) thực hiện chính sách tiền tệ (CSTT) dựa trên các chỉ tiêu kinh tế vĩ mô như tăng trưởng GDP, tỷ lệ lạm phát và thu chi ngân sách nhà nước do Chính phủ và Quốc hội thiết lập NHNN theo dõi và phân tích diễn biến kinh tế - tiền tệ trong nước và quốc tế để đánh giá các giải pháp CSTT đã thực hiện, từ đó dự báo tình hình tiền tệ và xây dựng phương án điều hành CSTT nhằm đạt mục tiêu Quốc hội phê duyệt Đồng thời, NHNN đề xuất các giải pháp điều hành CSTT nhằm ổn định thị trường tiền tệ, kiểm soát lạm phát và duy trì ổn định kinh tế vĩ mô.

2.2.1 Mục tiêu chính sách tiền tệ

Việt Nam đang thực hiện chính sách tiền tệ (CSTT) với mục tiêu rộng lớn, theo Khoản 1 Điều 4 Luật Ngân hàng Nhà nước năm 2010, nhằm ổn định giá trị đồng tiền, bảo đảm an toàn hoạt động ngân hàng và hệ thống các tổ chức tín dụng (TCTD), cũng như đảm bảo an toàn và hiệu quả cho hệ thống thanh toán quốc gia, góp phần thúc đẩy phát triển kinh tế - xã hội theo định hướng xã hội chủ nghĩa Những mục tiêu này không chỉ tạo áp lực mà còn làm phức tạp hóa việc thực hiện chính sách của Ngân hàng Nhà nước (NHNN), đồng thời việc đánh giá hiệu quả điều hành CSTT trong từng giai đoạn cũng gặp nhiều khó khăn.

Trong những năm qua, NHNN đã điều hành chính sách tiền tệ (CSTT) với trọng tâm kiểm soát lạm phát và hỗ trợ tăng trưởng kinh tế, nhưng việc đạt được những mục tiêu này, đặc biệt từ năm 2004 trở đi, không hề đơn giản Trong nhiều giai đoạn, NHNN phải đối mặt với sự đánh đổi giữa kiểm soát lạm phát và thúc đẩy tăng trưởng kinh tế Chẳng hạn, vào năm 2004 và 2005, mục tiêu lạm phát lần lượt là dưới 5% và 6,5%, nhưng thực tế CPI đã tăng lên 9,5% và 8,4% Năm 2010, mặc dù mục tiêu lạm phát được đặt ra trong khoảng 7 - 8%, nhưng lạm phát thực tế lại lên tới 11,8% Mặc dù mức tăng GDP hàng năm thường bám sát mục tiêu, vẫn tồn tại những chênh lệch nhất định cần được xem xét.

Kể từ năm 2011, tăng trưởng kinh tế hầu như không đạt được mục tiêu đề ra (Bảng 2.5)

Bảng 2.5: Mục tiêu và thực hiện CSTT, 2000 – 2019 (% yoy)

Năm GDP CPI Tín dụng M2

Mục tiêu Thực hiện Mục tiêu Thực hiện Mục tiêu Thực hiện Mục tiêu Thực hiện

Theo Tổng cục Thống kê và Ngân hàng Nhà nước (2020), để thực hiện mục tiêu điều hành chính sách tiền tệ, Ngân hàng Nhà nước (NHNN) xác định mục tiêu gắn liền với tổng phương tiện thanh toán (M2) và tín dụng cho nền kinh tế vào đầu mỗi năm Trong giai đoạn 2000 – 2005, sự chênh lệch giữa chỉ tiêu định hướng M2 và kết quả thực hiện không cao, chỉ từ 0,5% đến 5% Tuy nhiên, từ năm 2006, mức chênh lệch này gia tăng do Việt Nam hội nhập sâu rộng vào nền kinh tế thế giới, cùng với những biến động phức tạp trong kinh tế trong nước và quốc tế Cụ thể, năm 2007, chỉ tiêu M2 định hướng là 20 - 23%, nhưng mức tăng thực tế đạt 46,12%; năm 2008, chỉ tiêu M2 định hướng là 32%, trong khi thực tế chỉ đạt 20,31% Sự chênh lệch giữa chỉ tiêu M2 định hướng và thực hiện cũng tiếp tục diễn ra trong các năm 2009 và 2010.

Diễn biến M2 thực tế thiếu gắn kết với định hướng đề ra chủ yếu do NHNN chưa xác định rõ ràng mục tiêu trung gian, dẫn đến việc điều hành công cụ CSTT bị động và không đạt kỳ vọng Hơn nữa, NHNN chưa kiểm soát hết các tác nhân ảnh hưởng đến M2, đặc biệt là tài sản có ngoại tệ ròng và cho vay chính phủ ròng, trong khi lượng tiền gửi của các tổ chức ngân hàng cần được kiểm soát chặt chẽ Từ năm 2000, sự phát triển của các tổ chức ngân hàng như quỹ hỗ trợ phát triển và hệ thống công ty bảo hiểm ngoài phạm vi kiểm soát của NHNN đã làm cho tác động của M2 đến các biến số kinh tế trở nên không rõ ràng, khiến tổng phương tiện thanh toán không phù hợp với tốc độ tăng trưởng và lạm phát.

Trong mục tiêu chính sách tiền tệ hàng năm, tăng trưởng tín dụng được coi là tiêu chí quan trọng hỗ trợ phát triển kinh tế Chính phủ và các Bộ, ngành đã tích cực quan tâm đến tăng trưởng tín dụng, đặc biệt trong bối cảnh thị trường chứng khoán chưa phát triển Tín dụng ngân hàng trở thành kênh cung ứng vốn chủ yếu cho quá trình phát triển và đổi mới cơ cấu kinh tế, cũng như nâng cấp trang thiết bị và công nghệ cho doanh nghiệp Ngân hàng Nhà nước (NHNN) kiểm soát tín dụng thông qua việc hoàn thiện cơ chế, chính sách tín dụng để nâng cao quyền tự chủ của các tổ chức tín dụng, đồng thời đảm bảo an toàn và hiệu quả Đến nay, cơ chế tín dụng đã được cải thiện qua nhiều lần điều chỉnh, khắc phục một số vướng mắc trong triển khai thực tế, cùng với việc kiểm soát mức độ tăng trưởng tín dụng.

Mức độ kiểm soát tín dụng của NHNN vẫn còn hạn chế, với tăng trưởng tín dụng chưa bám sát định hướng đề ra Mặc dù hàng năm NHNN đặt chỉ tiêu, nhưng việc sử dụng các công cụ chính sách tiền tệ như lãi suất và nghiệp vụ tái cấp vốn để điều tiết tăng trưởng tín dụng chưa hiệu quả Thực tế cho thấy, trong nhiều năm, chỉ tiêu tín dụng thường bị vượt quá, như năm 2007 khi chỉ tiêu định hướng là 17 - 21% nhưng tín dụng thực tế đã tăng tới 54%.

Năm 2010, chỉ tiêu tín dụng định hướng đạt 25%, nhưng mức tăng thực tế lên tới 31,19%, vượt xa mục tiêu đề ra Tuy nhiên, trong hai năm 2011 và 2012, tăng trưởng tín dụng thực tế lại thấp hơn so với chỉ tiêu, đặc biệt năm 2012, khi mục tiêu chỉ khoảng 15 - 17%, nhưng tăng trưởng thực tế không đạt yêu cầu.

Tăng trưởng tín dụng trong năm qua chỉ đạt 5,5%, phản ánh sự sụt giảm mạnh do những khó khăn chung của nền kinh tế và các biện pháp điều hành chính sách tiền tệ.

2.2.1.3 M ụ c tiêu ho ạt độ ng

Trong bối cảnh thị trường tiền tệ Việt Nam chưa phát triển và khả năng cạnh tranh giữa các ngân hàng thương mại (NHTM) còn thấp, Ngân hàng Nhà nước (NHNN) chưa thể điều chỉnh lãi suất thị trường một cách hiệu quả Điều này dẫn đến việc NHNN không thể chọn giá cả làm mục tiêu hoạt động Thay vào đó, NHNN tập trung vào việc điều tiết lượng tiền cung ứng theo phê duyệt của Chính phủ hàng năm, nhằm mục tiêu mua ngoại tệ, tái cấp vốn cho NHTM và các mục đích khác, từ đó xác định mục tiêu hoạt động chủ yếu theo khối lượng.

Hàng năm, Ngân hàng Nhà nước (NHNN) xác định mức tăng trưởng tổng phương tiện thanh toán (M2) để đảm bảo ổn định tiền tệ, phù hợp với mục tiêu tăng trưởng GDP, tỷ lệ lạm phát và hệ số tạo tiền của các tổ chức tín dụng Sau khi Thủ tướng Chính phủ phê duyệt mức cung tiền tăng thêm, Thống đốc NHNN điều hành cung ứng tiền qua các công cụ chính sách tiền tệ NHNN tác động vào tài sản có ngoại tệ thông qua mua, bán ngoại tệ trên thị trường liên ngân hàng và thay đổi tài sản có trong nước khi tái cấp vốn cho ngân hàng thương mại Động thái này ảnh hưởng đến lượng tiền cơ sở (MB) và do đó tác động tới lượng tiền cung ứng (MS) Tuy nhiên, NHNN gặp khó khăn trong việc kiểm soát các yếu tố ảnh hưởng đến MB do cần tuân thủ chỉ đạo từ Chính phủ để đạt nhiều mục tiêu khác nhau.

2.2.2 Điều hành chính sách tiền tệ nhằm kiểm soát tại Việt Nam

Trong những năm qua, xu hướng chính sách tiền tệ (CSTT) chủ yếu là mở rộng có thận trọng nhằm thúc đẩy tăng trưởng kinh tế và kiềm chế lạm phát Vào một số thời điểm như đầu năm 2008 và cuối năm 2010, Ngân hàng Nhà nước (NHNN) đã áp dụng các công cụ thắt chặt tiền tệ để kiểm soát lạm phát Tuy nhiên, do hiệu quả điều hành CSTT chưa cao và thiếu sự phối hợp chặt chẽ với các chính sách vĩ mô khác, lạm phát vẫn tăng cao, đạt 11,8% vào năm 2010 và 18,1% vào năm 2011, gây ảnh hưởng tiêu cực đến tăng trưởng kinh tế và phát triển bền vững Phần này sẽ nghiên cứu và phân tích cơ chế điều hành CSTT của NHNN trong giai đoạn 2000 – 2019 để xác định các vấn đề cần giải quyết.

2.2.2.1 Điề u hành chính sách ti ề n t ệ giai đoạ n 2000 – 2007 a Giai đoạ n 2000 – 2003

Năm 2000, trong bối cảnh kinh tế tăng trưởng thấp và nguy cơ giảm phát, hệ thống ngân hàng gặp nhiều khó khăn Ngân hàng Nhà nước (NHNN) đã đặt ra mục tiêu điều hành cho năm 2000 là thực hiện chính sách nới lỏng tiền tệ một cách thận trọng, nhằm ổn định giá trị đồng tiền và kiểm soát lạm phát dưới 5%, đồng thời thúc đẩy tăng trưởng kinh tế và ổn định hoạt động ngân hàng Từ năm 2000 đến 2003, tình hình kinh tế - tiền tệ không quá phức tạp, chính sách tiền tệ bám sát các mục tiêu đề ra, giúp kiềm chế CPI ở mức thấp và tăng trưởng kinh tế dần cải thiện qua từng năm.

Chính phủ Việt Nam đặt mục tiêu tăng trưởng kinh tế cao trong giai đoạn 2001 – 2005, với mục tiêu GDP năm 2005 đạt 8 - 8,5% và lạm phát dưới 6,5% Tuy nhiên, bối cảnh kinh tế trong nước và quốc tế gặp nhiều khó khăn Chính sách tiền tệ trong các năm 2004 và 2005 tập trung vào ổn định tiền tệ và kiểm soát lạm phát mà không ảnh hưởng đến tăng trưởng kinh tế Ngân hàng Nhà nước đã sử dụng nghiệp vụ thị trường mở để ổn định lãi suất và hỗ trợ tăng trưởng, đạt được mức tăng trưởng cao lần lượt là 7,79% và 8,44%, đồng thời cam kết giữ tỷ giá USD/VND ổn định Cam kết này đã tạo niềm tin cho người dân và nhà đầu tư, nhưng về dài hạn, các biện pháp can thiệp có thể ảnh hưởng tiêu cực đến thị trường ngoại hối và hoạt động xuất khẩu.

Trong bối cảnh phức tạp hiện nay, việc ổn định tỷ giá trở thành một lựa chọn hợp lý để thực hiện mục tiêu chính sách tiền tệ Để hỗ trợ cho chính sách này, các giải pháp về lãi suất và dự trữ bắt buộc đã được áp dụng Cụ thể, vào năm 2005, Ngân hàng Nhà nước đã thực hiện ba lần điều chỉnh tăng lãi suất chỉ đạo nhằm hạn chế tăng trưởng tín dụng, đồng thời tạo ra lợi tức hấp dẫn hơn cho việc gửi tiền bằng VND so với ngoại tệ, từ đó giảm áp lực chuyển đổi từ VND sang ngoại tệ.

THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

2.3.1 Đặc trưng mô hình dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam

Trong những năm gần đây, mục tiêu điều hành của Ngân hàng Nhà nước Việt Nam (NHNN) tập trung vào việc ổn định kinh tế vĩ mô, kiềm chế lạm phát và duy trì sự ổn định tỷ giá cũng như thị trường ngoại hối Công tác phân tích và dự báo lạm phát đóng vai trò quan trọng trong việc cung cấp thông tin và dữ liệu phân tích, làm cơ sở để đề xuất các khuyến nghị thực thi chính sách tiền tệ cho Ban lãnh đạo NHNN Trước năm 2008, nhiệm vụ này chủ yếu do Vụ Chính sách tiền tệ và Vụ Chiến lược phát triển ngân hàng thực hiện Kể từ năm 2009, với Nghị định số 96/2008/NĐ-CP, công tác dự báo tiền tệ - ngân hàng trở nên chuyên sâu hơn, dẫn đến việc thành lập Vụ Dự báo, thống kê Thống đốc NHNN đã ban hành các Quyết định quy định chức năng và nhiệm vụ của Vụ Dự báo, thống kê, giao cho đơn vị này nhiệm vụ chính trong việc dự báo lạm phát, bên cạnh sự hỗ trợ từ Vụ Chính sách tiền tệ.

Dù gặp nhiều khó khăn và thách thức, từ khi thành lập, Vụ Dự báo, thống kê đã từng bước phát triển các công cụ phân tích định lượng và dự báo lạm phát cho Việt Nam, từ đơn giản đến phức tạp Những công cụ này đã tạo cơ sở cho việc đưa ra kết quả dự báo CPI định kỳ và lượng hóa tác động của các yếu tố đến diễn biến lạm phát Trong số đó, các mô hình chuỗi thời gian như ARIMA, VAR, SVAR và VECM được chú trọng đầu tư, nghiên cứu và áp dụng thực nghiệm để phục vụ phân tích chính sách vĩ mô và dự báo lạm phát theo từng kịch bản chính sách.

Trong luận án, tác giả trình bày thực trạng ứng dụng mô hình dự báo đơn biến ARIMA cùng với các mô hình đa biến VAR và VECM, những phương pháp này đang được triển khai hiệu quả tại NHNN Các mô hình này cho phép cập nhật dữ liệu liên tục và ước lượng tác động của các biến số vĩ mô đến lạm phát, từ đó cung cấp khả năng dự báo nhanh nhạy và chính xác Theo nghiên cứu của Bùi Quốc Dũng (2014), dựa trên lý thuyết kinh tế học và đặc thù hoạt động tiền tệ-ngân hàng tại Việt Nam, NHNN đã lựa chọn các nhóm tác nhân quyết định lạm phát để đưa vào mô hình VAR và VECM.

Để đại diện cho cung – cầu thị trường, cần xem xét các chỉ số kinh tế quan trọng như GDP, tổng mức bán lẻ hàng hóa, sản xuất công nghiệp, xuất khẩu - nhập khẩu, nhập siêu và cán cân thương mại Những yếu tố này phản ánh tình hình kinh tế và khả năng tiêu thụ hàng hóa, từ đó giúp đánh giá sự phát triển và ổn định của thị trường.

Đại diện cho chính sách tiền tệ, tổng phương tiện thanh toán M2, tín dụng của nền kinh tế (bao gồm VND và ngoại tệ), tổng tiền gửi (VND và ngoại tệ), tiền dự trữ MR và lãi suất cho vay (VND và ngoại tệ) đều là những yếu tố quan trọng cần được theo dõi và phân tích.

(iii) Đa ̣i diện cho chính sách tỷ giá: tỷ giá (tỷ giá bình quân liên ngân hàng và tỷ giá thi ̣ trường tự do)

(iv) Đa ̣i diện cho CSTT quốc tế: lãi suất hiệu du ̣ng của FED

Đại diện cho thị trường hàng hóa quốc tế, các chỉ số quan trọng bao gồm chỉ số giá hàng hóa quốc tế, giá dầu, chỉ số giá lương thực – thực phẩm và chỉ số giá năng lượng Những chỉ số này phản ánh sự biến động và xu hướng trong ngành hàng hóa toàn cầu, ảnh hưởng đến nền kinh tế và quyết định đầu tư.

(vi) Các biến giả về mùa vu ̣, thời điểm có sự thay đổi về cấu trúc (khủng hoảng tài chính )

Mô hình ARIMA của NHNN hiện chỉ thực hiện ước lượng dựa trên giá trị quá khứ của chỉ số CPI tổng thể thông qua phương pháp Box-Jenkins, dẫn đến kết quả dự báo chưa đầy đủ.

2.3.2 Dữ liệu cho mô hình dự báo Để vận hành tốt hệ thống mô hình kinh tế lươ ̣ng nói chung và các lớp ARIMA, VAR và VECM cho dự báo la ̣m phát nói riêng, cần phải thu thập đầy đủ dữ liệu kinh tế vĩ mô và tiền tệ - ngân hàng theo tháng và quý Tuy nhiên, theo lý giải của Bùi Quốc Dũng (2014) và Nguyễn Đức Trung (2017), do đặc thù thống kê Việt Nam (đặc biệt là thống kê ngoài ngành ngân hàng), một số biến vĩ mô thường không sẵn có dữ liệu cho chuỗi thời gian dài liên tục, và để khắc phục khiếm khuyết này, cán bộ chuyên trách của Vụ Dự báo, thống kê có thể tính toán và mô phỏng lại xu thế quá khứ của dữ liệu chỉ tiêu vĩ mô quan trọng dựa trên tham chiếu về mặt kỹ thuật và phương pháp tính toán của các NHTW lớn trên thế giới như FED và BOJ

Nguồn thu thập đầu vào cho mô hình dự báo của NHNN được khái quát như sau: (i) Số liệu tiền tệ - ngân hàng được thu thập hoặc ước tính tại Vụ Dự báo, thống kê.

Ngân hàng Nhà nước Việt Nam (NHNN) đã thu thập số liệu kinh tế vĩ mô từ Tổng cục Thống kê, đồng thời cũng thu thập số liệu liên quan đến khu vực nước ngoài từ các Ngân hàng Trung ương, Ngân hàng Phát triển Châu Á (ADB) và Quỹ Tiền tệ Quốc tế (IMF).

2.3.3 Thực trạng ứng dụng mô hình dự báo tại Ngân hàng Nhà nước Việt Nam

2.3.3.1 Th ự c tr ạ ng ứ ng d ụ ng mô hình ARIMA

Khi dự báo các biến số kinh tế, đặc biệt là lạm phát, phương pháp ARIMA được ưa chuộng nhờ tính dễ sử dụng và độ chính xác cao, ngoại trừ trong môi trường kinh tế vĩ mô có biến động lớn Tại NHNN Việt Nam, việc áp dụng ARIMA cho dự báo lạm phát hiện chỉ dừng lại ở việc tự hồi quy các giá trị quá khứ của chỉ số CPI Do đó, thủ tục Box-Jenkins đã được thực hiện trên chuỗi dữ liệu CPI hàng tháng của Việt Nam trong giai đoạn 2005.

2019, thông qua đánh giá các biểu đồ ACF và PACF, tác giả xác định cấu trúc mô hình tối

Luận văn thạc sĩ Kinh tế sử dụng mô hình ARIMA(1,1,6) để dự báo và đánh giá sai số trong mẫu theo phương pháp của NHNN (Phụ lục 2.1) Kết quả dự báo này được so sánh để đánh giá chất lượng của mô hình ARIMA phát triển trong Chương 3.

2.3.3.2 Th ự c tr ạ ng ứ ng d ụ ng mô hình VAR

Tại Ngân hàng Nhà nước Việt Nam, mô hình VAR được áp dụng để dự báo lạm phát hàng tháng và hàng quý, bao gồm chỉ số CPI cùng với các yếu tố ảnh hưởng đến CPI như biến số trong nước và quốc tế, có thể kèm theo biến giả mùa vụ Tất cả các chuỗi biến đều được logarit hóa, ngoại trừ biến lãi suất giữ nguyên dạng thông thường.

Bảng 2.6: Mô tả các biến trong mô hình VAR của NHNN

TT Biến số Diễn giải Nguồn TT Biến số Diễn giải Nguồn

1 CPI Chỉ số giá tiêu dùng TCTK 8 LENDING_R Lãi suất cho vay nội tệ IMF

2 NRETAIL Tổng mức bán lẻ hàng hóa

(chưa loại trừ yếu tố giá)

9 OER Tỷ giá bình quân liên ngân hàng (trung tâm)

3 RGDP Tổng sản phẩm quốc nội thực NHNN 10 ER_FM Tỷ giá thị trường tự do Reuters

4 M2 Tổng phương tiện thanh toán NHNN 11 OIL Giá dầu thô thế giới FED

5 CVND Dư nợ tín dụng nội tệ NHNN 12 FEDFUNDS Lãi suất hiệu dụng FED FED

6 CREDIT Tổng tín dụng của nền kinh tế

NHNN 13 WCP Chỉ số giá hàng hóa thế giới

7 MR Tiền dự trữ NHNN

Mô hình VAR yêu cầu ước lượng nhiều hệ số trong khoảng thời gian 15 năm (2005 – 2019), với tối đa 180 quan sát cho mô hình tháng và 60 quan sát cho mô hình quý Việc lựa chọn số trễ cho các mô hình không chỉ dựa trên kiểm định kỹ thuật mà còn cần xem xét đặc thù số liệu Việt Nam, nhằm đảm bảo kết quả dự báo có độ tin cậy cao Cụ thể, các biến số tiền tệ được sử dụng thay thế nhau trong các mô hình thực nghiệm Trong mô hình tháng, biến tổng mức bán lẻ hàng hóa và dịch vụ được dùng thay thế cho biến RGDP của mô hình quý do thiếu số liệu tháng của GDP Tổng số cấu trúc VAR được Ngân hàng Nhà nước thiết lập là

Bài viết trình bày 17 mô hình VAR, bao gồm 7 mô hình với 3 biến nội sinh và 10 mô hình với 4 biến nội sinh Để đánh giá hiệu quả dự báo của các mô hình VAR này, cần áp dụng các tiêu chuẩn thống kê đo lường sai số như RMSE, MAE, MAPE và hệ số Theil IC.

ĐÁNH GIÁ CHUNG VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM

Trong giai đoạn 2000 - 2019, NHNN Việt Nam đã không ngừng hoàn thiện và đổi mới công tác phát triển mô hình kinh tế lượng dự báo lạm phát, bao gồm xây dựng cơ sở dữ liệu, lựa chọn biến số, chỉ định cấu trúc mô hình và đánh giá chất lượng Mục tiêu chính của hoạt động dự báo này là hỗ trợ lãnh đạo cấp cao trong việc ra quyết định quan trọng về chính sách tiền tệ, đồng thời cung cấp căn cứ cho việc thiết lập ngưỡng mục tiêu lạm phát để trình Chính phủ xem xét trong từng thời kỳ.

Trong bối cảnh hội nhập sâu rộng, nhu cầu phát triển các mô hình dự báo sâu tại Ngân hàng Trung ương ngày càng trở nên cấp thiết và phức tạp nhằm theo kịp những tiến bộ mới của thị trường Tác giả nhận thấy rằng, bên cạnh những kết quả đã đạt được, công tác này cần được cải thiện hơn nữa.

Trong những năm qua, luận văn thạc sĩ Kinh tế về việc xây dựng và vận hành mô hình dự báo lạm phát phục vụ điều hành chính sách tiền tệ của Ngân hàng Nhà nước Việt Nam đã chỉ ra một số tồn tại cần khắc phục.

Năng lực và chất lượng dự báo lạm phát của NHNN hiện vẫn còn hạn chế, chưa đáp ứng được yêu cầu khắt khe trong việc điều hành chính sách tiền tệ và quản lý ngân hàng một cách chủ động và hiệu quả Mặc dù hệ thống mô hình dự báo đã bước đầu nhận diện được xu hướng lạm phát và các yếu tố tác động, nhưng kết quả dự báo trong trung và dài hạn vẫn còn chênh lệch đáng kể so với thực tế.

Dự báo ngắn hạn tại NHNN hiện chỉ thực nghiệm mô hình ARIMA với chuỗi CPI tổng thể, dẫn đến hiệu quả dự báo chưa cao và thông tin tiên liệu hạn chế Việc xác định nguyên nhân chủ chốt và lượng hóa sự đóng góp của chúng vào biến động giá cả cũng gặp khó khăn Kinh nghiệm từ NHTW Macedonia và Philippines cho thấy, thực nghiệm ARIMA trên dữ liệu phân tổ chuỗi giá các nhóm hàng trong rổ CPI có thể là giải pháp phù hợp cho NHNN.

Mặc dù mô hình VAR và VECM của NHNN đã bao quát nhiều kênh truyền dẫn của chính sách tiền tệ, nhưng cần đánh giá thêm từ góc độ kinh tế học cơ cấu và kinh tế học tiền tệ để nhận diện và hiệu chỉnh một số điểm thiếu sót trong cấu trúc dự báo.

Nghiên cứu từ các NHTW lớn và các tài liệu trước đây cho thấy mối quan hệ giữa tăng trưởng kinh tế và lạm phát được phản ánh chính xác nhất qua chỉ tiêu "chênh lệch sản lượng", tức là sự khác biệt giữa sản lượng thực tế và sản lượng tiềm năng, thay vì sử dụng doanh số bán lẻ hay giá trị sản xuất công nghiệp như hiện nay tại NHNN.

Yếu tố lạm phát kỳ vọng chưa được đưa vào cấu trúc thực nghiệm của NHNN, có thể do dữ liệu này vẫn đang trong giai đoạn nghiên cứu và thử nghiệm, chưa được công bố rộng rãi tại Việt Nam.

Trong mô hình VECM, NHNN chỉ xem xét tổng tín dụng của nền kinh tế như một đại diện cho cú sốc chính sách tiền tệ, điều này có thể chưa phản ánh đầy đủ và chính xác tác động đến giá cả.

Nghiên cứu của Bùi Quốc Dũng (2014) đề xuất thay thế hoặc bổ sung chỉ tiêu M2 vào mô hình, vì M2 hiện đang là mục tiêu điều hành chính của chính sách tiền tệ tại Việt Nam Hơn nữa, M2 phản ánh rõ ràng tác động của việc Ngân hàng Nhà nước mở rộng hoặc thắt chặt cung tiền đối với biến động giá cả thực tế tại Việt Nam.

Trong cấu trúc VECM của NHNN, việc áp dụng tỷ giá bình quân liên ngân hàng (OER) có thể không hoàn toàn phù hợp với sự phát triển năng động của nền kinh

Trước khi Ngân hàng Nhà nước (NHNN) công bố "tỷ giá trung tâm" từ tháng 1/2016, việc điều chỉnh tỷ giá thường chậm hơn so với diễn biến thực tế trên thị trường Tác giả đề xuất rằng NHNN nên xem xét sử dụng các chỉ tiêu thay thế có tính định hướng thị trường hơn, chẳng hạn như tỷ giá của ngân hàng thương mại (NHTM) hoặc tỷ giá thị trường tự do.

Mô hình thực nghiệm VECM của NHNN có thể chưa xem xét đầy đủ các yếu tố quan trọng từ phía tổng cung ảnh hưởng đến giá cả, như tiền lương, chỉ số giá nhập khẩu và chỉ số giá sản xuất Việc này có thể làm sai lệch kết quả phân tích mối quan hệ giữa các biến số vĩ mô và lạm phát, đồng thời ảnh hưởng đến độ chính xác của dự báo, vì đã bỏ qua một kênh truyền dẫn lý thuyết quan trọng.

Mô hình dự báo đa biến tại NHNN Việt Nam chưa xem xét đặc trưng mùa vụ, điều này cần được cải thiện Tác giả đề xuất bổ sung biến giả mùa vụ để phản ánh các thời điểm giá cả biến động bất thường trong năm, như Tết Nguyên Đán và các tháng cuối năm tài chính, nhằm nâng cao tính chính xác khi nghiên cứu nền kinh tế đặc thù của Việt Nam.

2.5.3 Nguyên nhân của tồn tại

ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT

ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH ARIMA

3.1.1 Lí do lựa chọn mô hình

Tác giả áp dụng mô hình ARIMA kết hợp với phương pháp Box-Jenkins để dự báo lạm phát tháng tại Việt Nam trong ngắn hạn nhờ vào những ưu điểm nổi bật của phương pháp này.

Th ứ nh ấ t, trong mọi trường hơ ̣p, mô hình ARIMA cung cấp kết quả dự báo ngắn ha ̣n đáng tin cậy nhất trong các phương pháp dự báo

Th ứ hai, mô hình ARIMA có phương pháp luận đơn giản, dễ sử du ̣ng, phù hơ ̣p với mu ̣c tiêu nghiên cứu

Tác giả mong muốn học hỏi và kế thừa kinh nghiệm sử dụng mô hình ARIMA trong dự báo lạm phát từ các nghiên cứu trước đó, nhằm nâng cao hiệu quả dự báo tại Việt Nam.

Hình 3.1: Diễn biến CPI tổng thể của Việt Nam, 2005 – 2019

Trục trái: chỉ số CPI (20100); Trục phải: tỷ lệ lạm phát (% mom)

Nguồn: Tổng cục Thống kê (2020) cho biết, đề tài này sử dụng chuỗi số liệu CPI theo tháng từ tháng 1 năm 2005 đến tháng 12 năm 2019 Giai đoạn này bao gồm hai thời kỳ lạm phát đặc thù trong bối cảnh nghiên cứu: (i) giai đoạn 2005 –.

2007, la ̣m phát bắt đầu tăng tốc sau một chu kỳ ổn đi ̣nh ở mức thấp; (ii) giai đoạn 2008 –

Năm 2012, lạm phát tại Việt Nam đã tăng cao đột biến, vượt ngưỡng 20% so với cùng kỳ, đặc biệt vào tháng 8/2008 với mức 28,35% và tháng 8/2011 với 23,03% Để loại bỏ yếu tố mùa vụ và tác động của các yếu tố khác, cần có những biện pháp kiên quyết nhằm ổn định giá cả và kiểm soát lạm phát hiệu quả.

Luận văn thạc sĩ Kinh tế nghiên cứu các cú sốc lớn về lạm phát trong giai đoạn 2005 – 2019, sử dụng số liệu CPI theo tháng được quy đổi về cùng một gốc (2010 = 100) dưới dạng chỉ số, với dữ liệu được thu thập từ Tổng cục Thống kê.

Hình 3.1 cho thấy xu hướng tăng liên tục của CPI tổng thể qua các năm, với mức tăng đột biến vào năm 2008 và 2011 do áp lực từ giá dầu và lương thực toàn cầu Trong các năm khác, chỉ số này tăng khá ổn định Để phân tích và đánh giá chính xác diễn biến chỉ số giá trong ngắn hạn, tác giả áp dụng tỷ lệ lạm phát theo tháng (mom) theo công thức đã được xác định.

- 𝜋 𝑡 𝑚𝑜𝑚 : tỷ lệ lạm phát theo tháng (%) ở thời điểm t;

- CPI t , CPI t-1 : chỉ số giá tiêu dùng tại tháng t và (t - 1)

3.1.3 Thiết lập cấu trúc mô hình theo phương pháp Box-Jenkins Để dự báo CPI tổng thể (đặt là biến CPI), tác giả tiến hành dự báo CPI tháng của 10 nhóm hàng hóa thành phần chính bao gồm: hàng ăn và di ̣ch vu ̣ ăn uống (CPI1); đồ uống và thuốc lá (CPI2); may mặc, mũ nón, giày dép (CPI3); nhà ở, điện, nước và vật liệu xây dựng (CPI4); thiết bi ̣ và đồ dùng gia đình (CPI5); Thuốc men và di ̣ch vu ̣ y tế (CPI6); Giao thông và bưu chính (CPI7); Giáo dục (CPI8); Văn hóa, giải trí và du li ̣ch (CPI9); Hàng hóa và di ̣ch vu ̣ khác (CPI10)

Tác giả đã tiến hành kiểm định nghiệm đơn vị bằng phương pháp Augmented Dickey-Fuller (ADF) với tiêu chuẩn SIC và Phillips-Perron (PP), xác định các chuỗi CPI1, CPI2, CPI3, CPI4, CPI5, CPI6, CPI7, CPI9, CPI10 dừng sai phân bậc nhất - I(1), trong khi chuỗi CPI8 dừng sai phân bậc hai - I(2) (Phụ lục 3.1) Để xác định các tham số p và q cho mô hình ARIMA, tác giả đã thực hiện lựa chọn thực nghiệm.

Bài viết trình bày 156 phương trình ứng với 10 nhóm hàng hóa, dựa trên phân tích biểu đồ tự tương quan và tương quan riêng phần với sự hỗ trợ của phần mềm Eviews 11 Các tiêu chí lựa chọn cấu trúc mô hình dự báo tối ưu bao gồm độ nhiễu (σ²) của mô hình phải nhỏ nhất, R² hiệu chỉnh đạt cực đại, và các chỉ tiêu thống kê AIC và SBIC có giá trị nhỏ nhất Kết quả thu được từ mô hình dự báo CPI cho 10 nhóm hàng hóa thành phần và CPI tổng thể được thực hiện theo phương pháp Box-Jenkins (mô hình ARIMA), như đã nêu trong Phụ lục 3.2.

Giá trị R² hiệu chỉnh đạt 0,639 cho thấy mô hình có khả năng giải thích 63,9% biến động của chỉ số CPI Điều này chứng tỏ rằng mô hình có chất lượng tốt và phù hợp để dự báo lạm phát trong ngắn hạn.

3.1.4.1 K ế t qu ả d ự báo CPI 10 nhóm hàng hóa và CPI t ổ ng th ể giai đoạ n 2020m1 – 2020m3

Bảng 3.1: Dự báo CPI tổng thể và thành phần, 2020m1 – 2020m3 (% mom)

CPI hàng ăn, dịch vụ ăn uống

CPI đồ uống, thuốc lá

CPI may mặc, mũ nón, giày dép

CPI nhà ở, điện nước, VLXD

CPI thiết bị, đồ dùng gia đình

CPI thuốc men, dịch vụ y tế

CPI giao thông, bưu chính

CPI văn hóa, giải trí, du lịch

CPI hàng hóa, dịch vụ khác

Nguồn Tính toán của tác giả 3.1.4.2 K ế t qu ả d ự báo CPI t ổ ng th ể trong m ẫ u

Sử dụng mô hình ARIMA với chuỗi dữ liệu 2005m1 – 2019m9, kết quả kiểm định độ tin cậy dự báo cho 3 tháng cuối năm 2019 so với thực tế như ở Bảng 3.2

Bảng 3.2: CPI dự báo và thực tế theo nhóm hàng hóa, 2019m10 – 2019m12

Nguồn Tính toán của tác giả

Biểu đồ mô tả chi tiết kết quả dự báo CPI trong mẫu đối với từng nhóm hàng hóa sử dụng mô hình ARIMA được trình bày ở Phụ lục 3.3

Bảng 3.3: Đánh giá hiệu quả dự báo CPI tổng thể, 2019m10 – 2019m12

Thời gian Dự báo Thực hiện Sai số

Nguồn Tính toán của tác giả

Kết quả dự báo từ mô hình ARIMA cho thấy xu hướng ngắn hạn tương đồng cao với thực tiễn trong vòng 3 tháng, với sai số giảm so với cấu trúc ARIMA (1,1,6) tại NHNN Một số nhóm hàng hóa như thiết bị gia đình, may mặc, giày dép, đồ uống và thuốc lá được dự báo chính xác, không bị ảnh hưởng bởi chính sách giá Trong khi đó, các nhóm hàng hóa cơ bản như thuốc men, dịch vụ y tế, giáo dục, giao thông và thực phẩm, mặc dù chịu ảnh hưởng chu kỳ và chính sách quản lý giá, cũng được dự báo đúng xu hướng với sai số dưới 5%.

Hình 3.2: Diễn biến CPI tổng thể và CPI thành phần, 2018m1 - 2020m3

(2020m1 - 2020m3 là số dự báo; % mom)

Nguồn: Tổng cục Thống kê (2020)

Hình 3.2 và Bảng 3.2 chỉ ra rằng nhóm mặt hàng thuốc men, dịch vụ y tế, giáo dục, giao thông và bưu chính đã có sự gia tăng mạnh mẽ và biến động trong giai đoạn 2018 – 2020 Dự báo trong 3 tháng cuối năm 2019 và 3 tháng đầu năm 2020, chu kỳ tăng giá của các nhóm hàng hóa này sẽ tiếp tục diễn ra, mặc dù biên độ dao động có thể thay đổi.

CPI hàng ăn và dịch vụ ăn uống phản ánh sự biến động giá cả trong lĩnh vực thực phẩm và dịch vụ ẩm thực CPI đồ uống và thuốc lá ghi nhận sự thay đổi giá của các sản phẩm giải khát và thuốc lá CPI may mặc, mũ nón và giày dép thể hiện sự biến động trong ngành thời trang và phụ kiện CPI nhà ở, điện nước và vật liệu xây dựng phản ánh chi phí sinh hoạt liên quan đến nhà ở và tiện ích CPI thiết bị và đồ dùng gia đình cho thấy sự thay đổi giá của các sản phẩm nội thất và thiết bị gia dụng CPI thuốc men và dịch vụ y tế theo dõi giá cả trong ngành y tế và dược phẩm CPI giao thông và bưu chính ghi nhận chi phí liên quan đến vận chuyển và dịch vụ bưu chính Cuối cùng, CPI giáo dục phản ánh sự thay đổi trong chi phí học tập và giáo dục.

CPI văn hóa, giải trí, du lịch CPI hàng hóa, dịch vụ khác CPI tổng thể

3.1.4.3 Đóng góp củ a các nhóm hàng hóa trong CPI t ổ ng th ể

Bảng 3.4: Đóng góp của các nhóm hàng hóa trong CPI tổng thể (%)

(giai đoạn 2020m1 - 2020m3 là số dự báo)

Quyền số 36.12 3.59 6.37 15.73 7.31 5.04 12.26 5.99 4.29 3.3 Đóng góp của các nhóm hàng hóa trong CPI tổng thể (%)

Nguồn: Tính toán của tác giả

Việc dự báo chi tiết 10 nhóm hàng hóa trong rổ tính CPI giúp đánh giá tác động và mức đóng góp của các nhóm hàng thành phần tới CPI tổng thể Cập nhật quyền số tính CPI (%) của 10 nhóm hàng hóa giai đoạn 2015 – 2020 cho thấy nhóm hàng ăn và dịch vụ ăn uống; nhà ở, điện nước và vật liệu xây dựng; giao thông và bưu chính là ba nhóm hàng hóa chủ chốt ảnh hưởng lớn nhất vào CPI trong các tháng 6, 7, 8 do tác động của việc tăng giá dầu và nhu cầu ăn uống ngoài gia đình tăng cao vào thời điểm nghỉ hè Từ tháng 9 đến tháng 11/2019, CPI nhóm thuốc men và dịch vụ y tế cùng nhóm giáo dục cũng có xu hướng tăng và ảnh hưởng mạnh hơn tới CPI tổng thể, tuy nhiên tác động của hai nhóm hàng này giảm dần khi bước sang tháng 12/2019 CPI của các nhóm hàng hóa khác tương đối ổn định và có xu hướng tăng nhẹ như đồ uống và thuốc lá; may mặc, mũ nón, giày dép; thiết bị và đồ dùng gia đình, bưu chính viễn thông và hàng hóa dịch vụ khác.

ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH VECM

3.2.1 Lí do lựa chọn mô hình

Tác giả lựa cho ̣n mô hình VECM để dự báo la ̣m phát theo tháng và quý trong trung hạn bởi các lý do cơ bản sau:

Mô hình hiệu chỉnh sai số vector (VECM) là một dạng nâng cao của mô hình hiệu chỉnh sai số (ECM), vượt trội hơn ECM nhờ vào việc phát triển trên nền tảng lý thuyết của mô hình VAR Đồng thời, VECM cũng dựa trên lý thuyết về đồng tích hợp của các biến số, giúp cải thiện khả năng phân tích và dự đoán trong các nghiên cứu kinh tế.

Mô hình VECM là một dạng của mô hình VAR tổng quát, được áp dụng cho dữ liệu không dừng và có mối quan hệ đồng tích hợp Mô hình này khắc phục một số nhược điểm của mô hình VAR chuẩn bằng cách đo lường hiện tượng đồng tích hợp giữa nhiều biến, giúp tránh các lỗi của mô hình OLS như hồi quy giả mạo hoặc tự tương quan Đồng thời, VECM cũng nâng cao hiệu quả và độ chính xác của dự báo.

Mô hình VECM tích hợp cả yếu tố dài hạn, giúp hiệu chỉnh các biến động ngắn hạn, mang lại khả năng dự báo tốt hơn so với ECM và VAR Việc sử dụng mô hình này đảm bảo kết quả dự báo đáng tin cậy, đáp ứng hiệu quả yêu cầu nghiên cứu.

Mô hình VECM (Vector Error Correction Model) là công cụ phổ biến được sử dụng để dự báo lạm phát trung hạn tại Việt Nam và trên thế giới Đề tài này có thể học hỏi và tham khảo từ các nghiên cứu trước đây để nâng cao hiệu quả dự báo của mô hình VECM Nhiều nghiên cứu nổi bật, như của Võ Trí Thành và cộng sự, đã áp dụng thành công mô hình VECM trong việc dự báo các biến số vĩ mô.

Nghiên cứu của Bùi Quốc Dũng và Hoàng Việt Phương (2014) áp dụng mô hình VECM để dự báo chỉ số giá tiêu dùng (CPI) theo tháng và quý, dựa trên dữ liệu từ năm 2000 đến 2013 Trước đó, vào năm 2001, một nghiên cứu đã sử dụng mô hình VAR và ECM để đánh giá mối quan hệ giữa tiền tệ, CPI, tỷ giá và giá trị sản lượng công nghiệp thực tế, với dữ liệu từ năm 1992 đến 1999.

Quá trình thực nghiệm dự báo VECM được thực hiện theo các bước sau:

- Bước 1: Lựa chọn biến số và xác định cấu trúc dữ liệu

Bước 2: Kiểm định nghiệm đơn vị (tính dừng) theo phương pháp ADF và PP cho các chuỗi dữ liệu ở dạng đơn vị I(0) và sai phân bậc nhất I(1) là điều kiện tiên quyết để đảm bảo kết luận đưa ra có ý nghĩa trong phân tích và dự báo chuỗi thời gian Điều này cũng giúp tăng độ chính xác và tin cậy của mô hình (Huỳnh Thị Cẩm Hà và cộng sự, 2014).

- Bước 3: Xác đi ̣nh độ trễ tối ưu, kiểm đi ̣nh tự tương quan của phần dư và sự ổn đi ̣nh của mô hình

Bước 4: Kiểm định mối quan hệ dài hạn thông qua việc xác định sự tồn tại của vector đồng liên kết Johansen, từ đó xác định phương trình đồng liên kết và đánh giá tác động của các biến số.

Bước 5 bao gồm việc áp dụng mô hình VECM để dự báo lạm phát, cả trong mẫu và ngoài mẫu Trong quá trình này, các kịch bản sẽ được xây dựng và chất lượng dự báo của mô hình sẽ được đánh giá.

3.2.2 Lựa chọn biến số và cấu trúc dữ liệu

Qua việc khảo sát các nghiên cứu trước đây về nhân tố tác động tới lạm phát, tác giả xây dựng mô hình dự báo VECM kết hợp giữa kinh tế học cấu trúc và kinh tế học tiền tệ Lạm phát không chỉ là hiện tượng tiền tệ do méo mó trên thị trường tiền tệ trong nước, mà là hệ quả từ các tác nhân cầu kéo và chi phí đẩy (Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010) Nghiên cứu của Chhibber (1991) và các công trình thực nghiệm gần đây liên quan đến nền kinh tế nhỏ, mở đã phân tách mức giá chung thành hai thành phần: (i) giá hàng hóa thương mại PT (giá hàng hóa, dịch vụ xuất khẩu hoặc nhập khẩu) và (ii) giá.

Luận văn thạc sĩ Kinh tế hàng hóa phi thương mại PN nghiên cứu mối quan hệ giữa giá hàng hóa và dịch vụ sản xuất, tiêu dùng trong nước Mối quan hệ này được thể hiện qua công thức logP = α logP T + (1 - α) logP N, với 0 < α < 1, cho thấy sự ảnh hưởng của hàng hóa thương mại và phi thương mại Đối với hàng hóa thương mại, giá cả chịu ảnh hưởng từ giá hàng hóa quốc tế (logP F) và tỷ giá hiện tại (logE), được mô tả bởi logP T = logP F + logE Trong khi đó, giá hàng hóa phi thương mại chủ yếu được xác định bởi sự tương quan giữa tổng cung và tổng cầu trên thị trường nội địa.

Các nhân tố như thu nhập (Y), lãi suất (R), giá tài sản (W) và sự thay đổi trong cán cân ngân sách (G - T) có thể tạo ra dư cầu, từ đó tác động đến lạm phát Những yếu tố này được phân loại vào nhóm tác nhân gây ra lạm phát do cầu kéo.

𝑙𝑜𝑔𝑃 𝑁 𝐷 = 𝐹 (𝑌, 𝑅, 𝑊, 𝐺 − 𝑇) (3.3) (ii) T ừ phía cung: theo mô hình tăng giá chuẩn của Bruno (1979) và Gordon

Vào năm 1975, giá hàng hóa phi thương mại được xác định dựa trên chi phí lao động (W C), chi phí đầu vào (M C) bao gồm hàng hóa trung gian nhập khẩu và sản xuất trong nước, cùng với sự tăng giá từ phía cung (M U) do thị trường không hoàn hảo Những yếu tố này thuộc nhóm tác nhân chi phí đẩy, ảnh hưởng đến lạm phát trong nước.

M U phản ánh sự tăng giá theo biến động của nền kinh tế khi cầu vượt mức, dẫn đến tình trạng thặng dư lượng tiền thực trên thị trường tiền tệ trong nước (Excess real money balances - EMB) Do khó khăn trong việc lượng hóa M U, nhiều học giả đã chuyển sang sử dụng EMB như một thước đo thay thế Cụ thể, EMB được xác định bởi mối quan hệ giữa cung tiền (M S), cầu tiền (M D), thu nhập (Y), lãi suất (R) và kỳ vọng giá cả (P E).

M S và M D đại diện cho cung và cầu tiền trong thị trường tiền tệ Thị trường đạt trạng thái cân bằng khi EMB = 0, với Y, R và P E lần lượt là sản lượng, lãi suất và mức giá kỳ vọng.

Tác giả đã phát triển một hàm tổng quát về các yếu tố quyết định lạm phát, được thể hiện qua phương trình (6) Các yếu tố này được phân chia thành bốn nhóm chính: (i) giá cả từ khu vực nước ngoài; (ii) tỷ giá hối đoái; (iii) cầu kéo; và (iv) chi phí đẩy.

SO SÁNH, ĐÁNH GIÁ HIỆU QUẢ MÔ HÌNH DỰ BÁO

Trước khi tiến hành đánh giá và so sánh chi tiết về hiệu quả của mô hình, tác giả đã tóm tắt những kết quả dự báo đạt được từ quá trình phát triển thực nghiệm.

(1) Mô hình ARIMA: Kết quả dự báo 3 tháng đầu năm 2020 (Bảng 3.1)

(2) Mô hình VECM: Kết quả dự báo các biến nội sinh tần suất tháng và quý cho năm

2020 (dựa trên 2 kịch bản chi phối) như sau: x Theo tần suất tháng: Lạm phát bình quân dao động từ -1,23% đến -1,07%

→ Phản ánh tình trạng giảm phát (Bảng 3.8) x Theo tần suất quý: Lạm phát bình quân dao động từ -2,13% đến -2,11%

→ Phản ánh tình trạng giảm phát (Bảng 3.9)

3.3.1 Đánh giá hiệu quả mô hình ARIMA

Dựa trên giả định không có cú sốc lớn tác động đến nền kinh tế, kết quả dự báo CPI cho các tháng 1, 2, 3 năm 2020 lần lượt là 1,88%, 1,39%, 0,72% thông qua mô hình ARIMA Độ chính xác của dự báo cao hơn khi sai số dự báo nhỏ, và sau khi thử nghiệm 156 phương trình, tác giả chọn kết quả có độ nhiễu thấp nhất cho 10 nhóm hàng hóa và CPI tổng thể Mô hình phản ánh chính xác xu thế và mức độ biến động của CPI, đặc biệt với các nhóm hàng hóa không chịu ảnh hưởng trực tiếp từ việc điều chỉnh giá của nhà nước Với R² = 0,639 và sai số dưới 5%, năng lực dự báo của mô hình đối với lạm phát được đánh giá khá tốt Kiểm nghiệm quá khứ cho thấy mức tăng CPI các tháng 10, 11, 12 năm 2019 đạt 0,62%, 1,04%, 1,41%, gần sát với số thực tế Việc cập nhật tác động của giá xăng dầu và tăng giá vào dịp Tết được kỳ vọng sẽ cải thiện độ chính xác của dự báo.

Việc dự báo chi tiết 10 nhóm hàng hóa trong rổ CPI cho phép đánh giá tác động và mức độ đóng góp của các nhóm hàng hóa tới CPI tổng thể Kết quả dự báo cho thấy trong ba tháng đầu năm 2020, nhóm hàng ăn và dịch vụ ăn uống; nhà ở, điện nước và vật liệu xây dựng; giao thông và bưu chính là ba nhóm hàng hóa chủ chốt đóng góp vào CPI tổng thể trong các tháng 6, 7, 8, do ảnh hưởng của việc tăng giá dầu và nhu cầu ăn uống ngoài gia đình tăng cao vào thời điểm nghỉ hè Từ tháng 9 đến tháng 11/2019, CPI nhóm thuốc men và dịch vụ y tế cùng nhóm giáo dục cũng có xu hướng tăng và ảnh hưởng mạnh hơn tới CPI tổng thể, tuy nhiên tác động của hai nhóm hàng hóa này giảm dần khi bước sang tháng 12/2019.

3.3.2 Đánh giá hiệu quả mô hình VECM

Việc lựa chọn các biến vĩ mô chủ chốt ảnh hưởng đến lạm phát bao gồm xác định các yếu tố ngoại sinh như giá dầu, giá cả hàng hóa toàn cầu và lãi suất hiệu dụng của FED, đồng thời loại trừ những yếu tố không liên quan.

Luận văn thạc sĩ Kinh tế nghiên cứu hiện tượng đồng tích hợp và áp dụng mô hình VECM để dự báo lạm phát theo tháng và quý, từ đó ước tính lạm phát bình quân năm Kết quả dự báo CPI năm 2020 cho thấy mức tăng bình quân dao động từ -1,23% đến -1,07%, với xu hướng tương tự ở các quý, mức tăng bình quân nằm trong khoảng -2,13% đến -2,11% Kiểm tra tính ổn định của mô hình cho thấy nó đáp ứng tốt yêu cầu, và kết quả hàm phản ứng Cholesky chỉ ra mức độ tác động của các cú sốc từ IIP_GAP, CPI, M2, LENDING_R, ER_VCB, PPI và WAGE đối với CPI, đảm bảo tính phù hợp với lý thuyết kinh tế và cơ sở lý thuyết về lạm phát.

Mô hình VECM, với những ưu thế vượt trội và kỹ thuật chuẩn xác, đã chứng minh tính hiệu quả trong việc dự báo lạm phát trung hạn thông qua nhiều kiểm định như kiểm định tính dừng, độ trễ, tính ổn định và nhân quả giữa các biến Việc xác định và loại bỏ hiện tượng đồng liên kết đã nâng cao độ chính xác của kết quả dự báo so với mô hình VAR Hơn nữa, chất lượng dự báo có thể được cải thiện thêm nhờ vào phương pháp One-step Forecast, cùng với việc bổ sung các yếu tố tác động đến lạm phát như chỉ số giá nhập khẩu và giá xăng dầu trong nước, sẽ hoàn thiện kết quả dự báo của mô hình trong tương lai.

3.3.3 So sánh hiệu quả dự báo của hai mô hình

Mô hình VECM vượt trội hơn mô hình ARIMA trong việc dự báo lạm phát nhờ vào việc sử dụng nhiều biến số vĩ mô và quy trình kiểm định kỹ lưỡng các biến Với chuỗi dữ liệu dài từ 2005 đến 2019, VECM cung cấp kết quả dự báo CPI tháng và quý trong trung hạn với độ tin cậy và chính xác cao hơn ARIMA, vốn chỉ tập trung vào dự báo ngắn hạn Hơn nữa, VECM cho phép xây dựng các kịch bản dự báo CPI theo tháng và quý dựa trên các biến ngoại sinh, trong khi ARIMA chỉ đưa ra điểm dự báo duy nhất.

Quá trình thực nghiệm cho thấy từ tháng thứ 3, dự báo theo mô hình ARIMA bắt đầu có độ sai lệch lớn so với số thực tế, đặc biệt khi không cập nhật diễn biến hàng tháng để dự báo cho tháng tiếp theo Ngược lại, mô hình VECM cho kết quả dự báo với độ sai lệch không quá 2,5% Cụ thể, chỉ số CPI của tháng 1 năm 2019 tăng 2,72%, chỉ chênh lệch 0,16% so với thực tế.

Luận văn thạc sĩ Kinh tế cho thấy chỉ số CPI tăng 4,10% với chênh lệch 1,12%, trong đó CPI quý 1 năm 2019 tăng 2,70% và quý 4 tăng 2,90% Mô hình VECM đã cung cấp kết quả dự báo ổn định, chính xác và đáng tin cậy hơn so với mô hình ARIMA Khoảng dự báo của mô hình VECM cho năm 2020 dao động từ -1,23% đến -1,07% theo tần suất tháng và từ -2,13% đến -2,11% theo tần suất quý, đảm bảo độ tin cậy cao hơn với thực tế Trong khi đó, dự báo của mô hình ARIMA cho CPI tháng 1, 2, 3 năm 2020 lần lượt là 1,88%, 1,39%, và 0,72% dưới giả định không có cú sốc lớn tác động đến nền kinh tế.

Cả lý thuyết và thực tiễn triển khai đều khẳng định rằng lạm phát, được biểu hiện qua chỉ số CPI, chịu tác động lớn từ chính nó trong quá khứ Việc sử dụng dữ liệu CPI theo tháng và dự báo cho 10 nhóm hàng hóa đầu vào cho thấy mô hình ARIMA cho kết quả dự báo khá phù hợp với thực tế, với sai số trong ba tháng dự báo đầu tiên là khá thấp Phân tích phương sai của mô hình VECM cho thấy biến động CPI chịu ảnh hưởng gần như toàn diện từ cú sốc của chính nó, với tỷ lệ ảnh hưởng trên 90% trong những tháng đầu tiên và giảm xuống còn 73% và 40% sau 12 và 24 tháng Ngoài chỉ số CPI, mô hình VECM cũng đánh giá phản ứng của CPI đối với các cú sốc từ các biến IIP_GAP, M2, LENDING_R, ER_VCB, PPI và WAGE, cho thấy kết quả tương đồng với diễn biến lạm phát thực tế của Việt Nam giai đoạn 2005 – 2019.

Khi xảy ra cú sốc từ phía cầu, CPI thường giảm nhẹ trong 5 quý đầu tiên trước khi ổn định từ quý 6 Điều này xuất phát từ thực tế là trong bối cảnh lạm phát cao và biến động như Việt Nam, doanh nghiệp thường không muốn ràng buộc vào hợp đồng dài hạn với giá cố định Thay vào đó, họ linh hoạt hơn trong việc thiết lập giá để giảm thiểu tác động của cú sốc đến kết quả kinh doanh Do đó, hiệu ứng truyền tải từ các cú sốc tiền tệ đến CPI thường nổi bật hơn so với các cú sốc về sản lượng thực.

Từ góc độ chính sách tiền tệ, tỷ lệ giải thích của cú sốc tăng trưởng M2 đối với CPI cho thấy tác động tích cực từ tháng thứ 8 trở đi, đạt đỉnh vào quý 3 và 4 trước khi ổn định Điều này tương tự với giai đoạn khủng hoảng 2007 – 2008, khi tín dụng và M2 tăng trưởng mạnh mẽ (53,9% và 45%), kéo theo CPI cũng gia tăng, đạt đỉnh vào tháng 8/2008 Sau đó, CPI giảm xuống dưới 5% vào quý 2 năm 2009 Hơn nữa, kết quả từ hàm phản ứng Cholesky cho thấy việc tăng lãi suất có hiệu quả nhất định trong việc kiềm chế lạm phát tại Việt Nam, với tác động ngược chiều của lãi suất đến CPI gia tăng và đạt đỉnh vào tháng thứ 9.

Một phát hiện đáng chú ý là tỷ trọng tác động của cú sốc tiền lương gia tăng dần và đạt đỉnh vào quý thứ 5, sau đó ổn định Trong khi đó, cú sốc giá sản xuất lại ảnh hưởng đến chỉ số giá tiêu dùng (CPI).

Luận văn thạc sĩ Kinh tế cho thấy rằng sự gia tăng tức thì có tác động kéo dài trong nhiều tháng tiếp theo, mặc dù mức đóng góp của tiền lương và chỉ số giá sản xuất (PPI) vào sự tăng trưởng chỉ số giá tiêu dùng (CPI) theo phân rã phương sai là tương đối nhỏ.

Mỗi mô hình dự báo đều có những ưu điểm riêng, và kết quả từ chúng có thể được sử dụng như một kênh tham chiếu để kiểm định độ chính xác của các mô hình khác Do đó, trong dự báo lạm phát cũng như dự báo vĩ mô, việc kết hợp nhiều phương pháp và mô hình khác nhau là cần thiết để đạt được kết quả dự báo chính xác và tin cậy nhất Mô hình VECM đóng vai trò quan trọng trong việc khắc phục những hạn chế của ARIMA và VAR, từ đó nâng cao khả năng dự báo và hiệu quả không chỉ trong lĩnh vực lạm phát mà còn cho các chỉ số vĩ mô khác trong nền kinh tế.

KHUYẾN NGHỊ CHÍNH SÁCH VỀ VIỆC ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

ĐỊNH HƯỚNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ VÀ PHÁT TRIỂN HOẠT ĐỘNG DỰ BÁO TẠI VIỆT NAM ĐẾN NĂM 2025

4.1.1 Mục tiêu tổng quát điều hành chính sách tiền tệ

Nhằm đạt được các mục tiêu phát triển kinh tế - xã hội, NHNN đặt ra mục tiêu điều hành chính sách tiền tệ chủ động, linh hoạt và thận trọng đến năm 2025 Mục tiêu này bao gồm việc phối hợp chặt chẽ với chính sách tài khóa và các chính sách kinh tế vĩ mô khác để kiểm soát lạm phát, ổn định kinh tế vĩ mô, thúc đẩy tăng trưởng bền vững và đảm bảo an toàn cho hoạt động của các tổ chức tín dụng.

4.1.2 Định hướng giải pháp điều hành chính sách tiền tệ

Hướng tới xây dựng và áp dụng khuôn khổ chính sách tiền tệ với mục tiêu hàng đầu là ổn định giá cả, cần phối hợp chặt chẽ với các chính sách kinh tế vĩ mô khác để thực hiện nhiệm vụ kinh tế - xã hội Định hướng giải pháp điều hành chính sách tiền tệ cho giai đoạn từ nay tới 2025 đã được xác định cụ thể.

Đổi mới điều hành công cụ của chính sách tiền tệ theo hướng hiện đại là cần thiết, chuyển từ phương pháp điều hành theo khối lượng sang điều hành theo giá Việc sử dụng các công cụ gián tiếp và hạn chế biện pháp hành chính sẽ giúp tối ưu hóa hiệu quả của chính sách.

Xác định rõ cơ chế truyền tải chính sách tiền tệ (CSTT) và đánh giá hiệu quả của các kênh truyền tải là rất quan trọng Cần giải quyết những tồn tại trong từng kênh truyền tải, nhằm khắc phục những hạn chế ảnh hưởng đến vai trò của CSTT đối với hệ thống ngân hàng, thị trường tiền tệ - tài chính và nền kinh tế.

Đổi mới cơ chế tỷ giá nhằm tăng cường tính linh hoạt và kết nối chặt chẽ với tín hiệu thị trường, hạn chế các công cụ trực tiếp và biện pháp hành chính trong quản lý thị trường ngoại tệ Đồng thời, cần tăng cường sử dụng các công cụ gián tiếp để can thiệp vào thị trường ngoại tệ Việc đổi mới công tác quản lý dự trữ ngoại hối cần phù hợp với thông lệ quốc tế, đảm bảo hài hòa giữa các mục tiêu an toàn, thanh khoản và sinh lời.

Vào thứ tư, cần tập trung vào việc hoàn thiện hệ thống cơ sở dữ liệu và mô hình dự báo, cảnh báo sớm để phục vụ hiệu quả cho việc điều hành chính sách tiền tệ và hoạt động ngân hàng.

Vào thứ năm, các giải pháp quản lý ngoại hối hợp lý sẽ được thực hiện, đồng bộ với chính sách tiền tệ và tín dụng Mục tiêu là chuyển đổi quan hệ huy động - cho vay sang quan hệ mua - bán, tiến tới xóa bỏ tình trạng đô la hóa và vàng hóa trong nền kinh tế.

Vào thứ Sáu, cần tăng cường phối hợp giữa Ngân hàng Nhà nước (NHNN) và các cơ quan quản lý Nhà nước nhằm đảm bảo sự hài hòa giữa chính sách tiền tệ (CSTT) và các chính sách vi mô.

4.1.3 Định hướng phát triển hoạt động dự báo tại Việt Nam

Để nâng cao độ chính xác của dự báo và tăng cường sự liên kết với lý thuyết kinh tế học, cần mở rộng mô hình thực nghiệm sang các biến thể hiện đại và phức tạp hơn của VAR như SVAR, BVAR và CVAR, bên cạnh việc tiếp tục sử dụng các mô hình đa biến truyền thống như VAR và VECM.

Kinh nghiệm của Bùi Quốc Dũng (2014) chỉ ra rằng, SVAR nổi bật với khả năng định danh và đo lường tác động riêng biệt của các sốc kinh tế đến các biến số vĩ mô Việc xây dựng và phát triển mô hình SVAR trong quy mô nhỏ có thể đáp ứng tốt nhu cầu phân tích và dự báo, đồng thời ít gặp cản trở về kỹ thuật Tương tự, BVAR, được nâng cấp từ VAR, mang lại lợi thế trong việc kết hợp thông tin tiên nghiệm với dữ liệu thực, giúp suy ra thông tin hậu nghiệm thông qua phương pháp ước lượng Bayes, từ đó giảm thiểu sai biệt giữa kết quả dự báo và số thực tế.

NHNN đang nghiên cứu và phát triển các biến thể mới của VAR, đồng thời thử nghiệm các lớp mô hình cấu trúc như mô hình kinh tế lượng vĩ mô và DSGE để xây dựng khung phân tích tổng quát và cải thiện khả năng dự báo Việc ứng dụng mô hình kinh tế lượng vĩ mô giúp cán bộ phân tích nắm bắt rõ hơn các tác nhân gây ra lạm phát và cung cấp kết quả mô phỏng chính sách chi tiết, hỗ trợ đề xuất giải pháp kiểm soát lạm phát hiệu quả Mô hình DSGE được coi là giải pháp tối ưu cho dự báo và phân tích vĩ mô trong các nền kinh tế áp dụng chính sách lạm phát mục tiêu.

Về định hướng ứng dụng kết quả dự báo trong điều hành chính sách tiền tệ, NHNN nhận thức rằng mỗi mô hình dự báo đều có những ưu điểm và hạn chế riêng, phù hợp với từng loại tầm xa dự báo và bối cảnh phát triển kinh tế Do đó, để đạt được kết quả dự báo các biến số vĩ mô một cách khách quan, chính xác và toàn diện, NHNN sẽ vận hành đồng thời và kết hợp nhiều mô hình khác nhau.

Luận văn thạc sĩ Kinh tế về dự báo không chỉ tập trung vào một hoặc một vài mô hình riêng lẻ, mà thay vào đó, nó xem xét các trường phái khác nhau trong lĩnh vực này Việc đa dạng hóa các phương pháp dự báo giúp tăng tính chính xác và hiệu quả trong phân tích kinh tế.

KHUYẾN NGHỊ CHÍNH SÁCH NHẰM HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM

Cải tiến dạng thức mô hình ARIMA nhằm nâng cao chất lượng dự báo lạm phát trong ngắn hạn tại NHNN Việt Nam a Cơ sở đưa ra khuyế n ngh ị :

Kế thừa và phát huy có chọn lọc kinh nghiệm từ việc xây dựng và vận hành mô hình dự báo đơn biến ngắn hạn của Ngân hàng Trung ương Macedonia và Philippines là một bước quan trọng Việc áp dụng những bài học kinh nghiệm này sẽ giúp nâng cao hiệu quả trong công tác dự báo kinh tế, đồng thời tối ưu hóa quy trình ra quyết định của các cơ quan tài chính.

Dự báo lạm phát ngắn hạn của Việt Nam sử dụng mô hình ARIMA cho chuỗi giá các nhóm hàng trong rổ CPI đã cho thấy hiệu quả vượt trội so với việc thực nghiệm trực tiếp với biến CPI tổng thể.

Để nâng cao hiệu quả hoạt động dự báo tại Ngân hàng Nhà nước Việt Nam, cần tập trung vào việc hoàn thiện cấu trúc các mô hình dự báo Đơn vị thực hiện

Để dự báo xu hướng ngắn hạn của chỉ số giá tiêu dùng (CPI) tổng thể, dữ liệu đầu vào cho mô hình ARIMA phải được lấy từ chuỗi giá của các nhóm hàng trong rổ CPI theo tần suất tháng Cụ thể, dữ liệu cần được phân tích ở cấp độ cơ bản nhất, bao gồm nhóm hàng ăn và dịch vụ ăn uống.

Các nhóm hàng hóa và dịch vụ bao gồm đồ uống và thuốc lá, may mặc, nhà ở, thiết bị gia đình, thuốc men, giao thông, giáo dục, văn hóa, giải trí, và hàng hóa khác Việc thực nghiệm dự báo dựa trên phân tổ giúp nhận diện xu thế của các chỉ số giá bộ phận, điều mà không thể thực hiện được khi dựa vào chuỗi CPI tổng thể Kết quả dự báo ARIMA từ phân tổ cho thấy sai số thấp hơn so với phương pháp hiện tại của NHNN, đồng thời phương pháp này cũng hỗ trợ xác định các yếu tố ảnh hưởng đến giá cả.

Luận văn thạc sĩ Kinh tế lượng hóa các cú sốc giá thành phần nhằm phân tích chính sách và hoạch định kịch bản Nghiên cứu này tập trung vào việc mô hình hóa tác động của các chỉ số giá bộ phận và các yếu tố hình thành sốc giá.

- Hàng ăn và dịch vụ ăn uống – phân thành 3 tổ: (i) Lương thực, (ii) Thực phẩm, (iii) Ăn uống ngoài gia đình

- Đồ uống, thuốc lá – phân thành 2 tổ: (i) Đồ uống, (ii) Thuốc lá

- Nhà ở, điện nước và vật liệu xây dựng – phần thành 4 tổ: (i) Tiền thuê nhà ở, (ii) điện, nước và chất đối, (iii) vật liệu xây dựng

- Thuốc men, dịch vụ y tế – phân thành 2 tổ: (i) Thuốc men, (ii) Dịch vụ y tế

- Giao thông, bưu chính – phân thành 2 tổ: (i) Giao thông, (ii) Dịch vụ bưu chính

Dựa trên kinh nghiệm dự báo tại các NHTW và kết quả ứng dụng mô hình ARIMA, tác giả đề xuất rằng tầm nhìn dự báo tối ưu cho lạm phát ngắn hạn nên giới hạn từ 1 đến 3 tháng Để nâng cao chất lượng dự báo, NHTW cần nghiên cứu sâu hơn về cách xử lý dữ liệu đầu vào, tái thiết cấu trúc ARIMA theo bộ tham số (p, d, q) và bổ sung các hiệu chỉnh kỹ thuật nâng cao.

Cải tiến mô hình VAR và biến thể VECM nhằm nâng cao chất lượng dự báo lạm phát trung hạn tại Ngân hàng Nhà nước Việt Nam là một đề xuất quan trọng Việc áp dụng các kỹ thuật tiên tiến trong phân tích chuỗi thời gian sẽ giúp cải thiện độ chính xác của dự báo, từ đó hỗ trợ các chính sách kinh tế hiệu quả hơn.

- Kế thừa và phát huy có chọn lọc kinh nghiệm về xây dựng và vận hành mô hình dự báo đa biến – trung hạn của FED và PBOC

Dự báo lạm phát trung hạn của Việt Nam sử dụng cấu trúc VECM được đề xuất trong Chương 3 cho thấy hiệu quả vượt trội so với mô hình gốc của NHNN Việt Nam.

Để hoàn thiện cấu trúc các mô hình dự báo tại Ngân hàng Nhà nước Việt Nam, cần bám sát định hướng phát triển hoạt động dự báo Đơn vị thực hiện nhiệm vụ này là Vụ Dự báo và Thống kê thuộc NHNN Nội dung kiến nghị tập trung vào việc cải tiến và nâng cao hiệu quả của các mô hình dự báo hiện có.

Cấu trúc mô hình VAR và VECM chỉ được công nhận là phù hợp về lý thuyết và thực tiễn khi được xây dựng dựa trên nguyên lý nhất định.

Luận văn thạc sĩ Kinh tế truyền dẫn chính sách tiền tệ (CSTT) được nghiên cứu qua năm kênh cơ bản: kênh tín dụng, kênh lãi suất, kênh tỷ giá, kênh giá hàng hóa và kênh kỳ vọng Nghiên cứu này kết hợp lý thuyết kinh tế học cơ cấu và kinh tế học tiền tệ để phân tích cách thức các kênh này ảnh hưởng đến nền kinh tế.

Do đó, tác giả đưa ra khuyến nghị nhằm cải tiến dạng thức VAR và VECM hiện hữu dành cho NHNN trong công tác dự báo lạm phát:

Tác giả đề xuất Ngân hàng Nhà nước Việt Nam (NHNN) sử dụng đồng thời cả hai chỉ tiêu cung tiền rộng (M2) và tín dụng cho nền kinh tế, thay vì chỉ tập trung vào tín dụng như hiện nay Tăng trưởng M2 được coi là một trong những mục tiêu hàng đầu của chính sách tiền tệ (CSTT) tại Việt Nam, và nhiều học giả khẳng định rằng M2 phản ánh chính xác mối quan hệ giữa việc mở rộng hoặc thắt chặt cung tiền và diễn biến lạm phát thực Trong những giai đoạn tín dụng tăng trưởng "nóng", việc xem xét thêm chỉ tiêu tín dụng sẽ giúp đánh giá sâu sắc hơn mối tương tác giữa CSTT và lạm phát, đồng thời làm rõ những lo ngại liên quan đến tăng trưởng tín dụng "nóng" Kết quả kiểm định độ vững của mô hình dự báo lạm phát VECM cũng cho thấy rằng yếu tố M2 có ích trong việc cải thiện chất lượng dự báo trung hạn với dữ liệu quý, trong khi yếu tố tín dụng phù hợp hơn với mô hình dự báo trung hạn sử dụng dữ liệu tháng.

KHUYẾN NGHỊ CHÍNH SÁCH NHẰM THÚC ĐẨY ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

Hoàn thiện quy trình báo cáo kết quả dự báo a Cơ sở đưa ra khuyế n ngh ị :

Tham khảo kinh nghiệm của Ngân hàng Trung ương Mỹ, Anh, Úc và New Zealand cho thấy việc vận dụng kết quả dự báo lạm phát là yếu tố quan trọng trong việc điều hành chính sách tiền tệ Những quốc gia này đã áp dụng các phương pháp dự báo lạm phát hiệu quả, giúp điều chỉnh các công cụ CSTT nhằm duy trì ổn định giá cả và thúc đẩy tăng trưởng kinh tế Việc học hỏi từ các mô hình này có thể hỗ trợ Việt Nam trong việc cải thiện quy trình ra quyết định liên quan đến lạm phát.

Để nâng cao hiệu quả công tác dự báo lạm phát tại Việt Nam, cần hoàn thiện khuôn khổ pháp lý cho lĩnh vực này, điều mà hiện nay vẫn chưa được ban hành chính thức.

Để nâng cao hiệu quả ứng dụng kết quả dự báo lạm phát trong điều hành chính sách tiền tệ (CSTT) tại Ngân hàng Nhà nước Việt Nam, việc thiết lập quy trình chuẩn cho công tác báo cáo kết quả dự báo là rất cần thiết Đơn vị thực hiện quy trình này sẽ bao gồm Vụ Dự báo, Thống kê và Vụ Chính sách tiền tệ Tác giả đề xuất quy trình báo cáo cần bao hàm bốn nội dung chính nhằm đảm bảo sự rõ ràng và hiệu quả trong việc ứng dụng các kết quả dự báo.

Th ứ nh ấ t, đề xuất dự báo

Bảng 4.1: Mẫu báo cáo đề xuất dự báo

K ế t qu ả d ự báo cho năm/ tháng/ quý … tạ i th ời điể m T

Mô hình Kịch bản So sánh với dự báo tại (T-1)

ARIMA VAR VECM Tiêu cực Cơ sở Tích cực

Đối với mỗi biến số cần dự báo, các mô hình khác nhau thường cho kết quả không đồng nhất Do đó, cán bộ dự báo cần so sánh các kết quả để đánh giá độ chính xác Nếu các dự báo đạt sai số thấp và đáng tin cậy, có thể kết hợp các kết quả này để nâng cao giá trị dự báo.

Để giảm thiểu sự không chắc chắn của mô hình, luận văn thạc sĩ Kinh tế cần sử dụng báo trung bình và so sánh giá trị quan sát thực tế với các dự báo từ mô hình trong quá khứ Việc này giúp đánh giá khả năng dự báo của mô hình Bên cạnh đó, nhóm dự báo cũng nên tham khảo ý kiến và đánh giá của các chuyên gia đầu ngành về kết quả dự báo nhằm lập báo cáo cuối cùng trình lên cấp có thẩm quyền.

Trong báo cáo, cần so sánh kết quả dự báo hiện tại với các giá trị dự báo trước đó và giải thích sự sai lệch (nếu có) để Lãnh đạo Vụ đưa ra quyết định chính xác về mức dự báo phù hợp.

Các kết quả dự báo sau khi phê duyệt sẽ làm cơ sở cho Vụ chủ quản góp ý với các đơn vị về diễn biến kinh tế vĩ mô và tiền tệ Mục tiêu quan trọng nhất là tham mưu cho Ban lãnh đạo NHNN trong việc ra quyết định thực thi chính sách tiền tệ Sự tham mưu này được thể hiện qua báo cáo dự báo chính thức.

Vụ chủ quản soạn thảo

Th ứ hai, lập báo cáo dự báo chính thức

Dựa trên báo cáo kết quả dự báo được Lãnh đạo Vụ phê duyệt, nhóm dự báo sẽ lập báo cáo chính thức gửi Ban lãnh đạo NHTW Báo cáo này trình bày các yếu tố đầu vào của quá trình dự báo, kết quả dự báo với số liệu, bảng biểu, hình vẽ, kèm theo phân tích và nhận định dựa trên kết quả tính toán Từ những kết quả này, nhóm dự báo sẽ đưa ra đề xuất và khuyến nghị cho việc điều hành chính sách tiền tệ và các chính sách vĩ mô.

Tại các Ngân hàng Trung ương (NHTW), tần suất báo cáo dự báo thường tương ứng với tần suất các cuộc họp chính sách Đặc biệt, dự báo về kinh tế vĩ mô và lạm phát được thực hiện hàng quý, nhằm hỗ trợ Ban lãnh đạo trong việc đưa ra quyết sách tiền tệ kịp thời Nếu số liệu công bố hàng tháng có sự biến động bất thường, nhóm dự báo sẽ đánh giá các thay đổi trong hoạt động kinh tế bằng cách kiểm tra một nhóm chỉ số từ cùng một quan điểm.

Cấu trúc báo cáo của các Ngân hàng Trung ương (NHTW) thường có sự khác biệt, nhưng chủ yếu tập trung vào những nội dung quan trọng như: môi trường bên ngoài, hoạt động kinh tế, diễn biến giá cả, tình hình tiền tệ - tín dụng và tình hình tài khóa Đề xuất khung báo cáo chính thức có thể tham khảo trong Phụ lục 4.1.

Th ứ ba, theo dõi và đánh giá kết quả dự báo

Theo dõi và đánh giá kết quả dự báo là một tác vụ quan trọng trong quá trình dự báo, giúp xác định sai số giữa số liệu dự báo và số liệu thực tế Mục tiêu chính là xác nhận độ chính xác của từng chỉ tiêu vĩ mô, từ đó lựa chọn mô hình dự báo phù hợp để đạt được chất lượng tốt nhất Việc này cũng giúp xác định rõ ràng thời gian dự báo, bao gồm ngắn hạn, trung hạn và dài hạn, nhằm cung cấp kết quả dự báo tối ưu nhất.

Luận văn thạc sĩ Kinh tế hình là một lựa chọn hiệu quả cho dự báo ngắn hạn, nhưng không còn phù hợp khi áp dụng cho dự báo trung và dài hạn.

Bảng 4.2: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn mô hình dự báo tốt nhất

Kỳ dự báo Mô hình

Kết quả dự báo lạm phát

Bảng 4.3: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn kỳ hạn dự báo tốt nhất

Để lựa chọn mô hình dự báo phù hợp cho các chỉ tiêu cần dự báo, việc theo dõi sai số dự báo qua các lần thực hiện là rất quan trọng Điều này giúp xác định mô hình có khả năng dự báo tốt trong ngắn hạn, trung hạn hoặc dài hạn Ví dụ, khi áp dụng mô hình VECM để dự báo lạm phát tại Việt Nam trong năm 2020, cần tiếp tục đưa ra dự báo cho giai đoạn 2021-2025, thực hiện dự báo ba lần cho mỗi kỳ (trước 18 tháng, 12 tháng và 6 tháng) Việc đánh giá sai số dự báo được thực hiện dựa trên các bảng mẫu nhằm lựa chọn mô hình và kỳ hạn dự báo tốt nhất.

Theo dõi và đánh giá kết quả dự báo là bước quan trọng trong quy trình báo cáo của NHNN, giúp xác định sự kết hợp tối ưu giữa mô hình và tầm xa dự báo Điều này không chỉ là cơ sở để lựa chọn kết quả dự báo ngoài mẫu cho các báo cáo mà còn hỗ trợ trong việc rà soát và điều chỉnh các mô hình nhằm nâng cao chất lượng dự báo.

Tiêu đề	Ứng Dụng Mô Hình Dự Báo Lạm Phát Trong Điều Hành Chính Sách Tiền Tệ Tại Việt Nam
Tác giả	Phạm Đức Anh
Người hướng dẫn	PGS.TS. Nguyễn Đức Trung, PGS.TS. Phạm Thị Hoàng Anh
Trường học	Học viện Ngân hàng
Chuyên ngành	Tài chính - Ngân hàng
Thể loại	luận án tiến sĩ kinh tế
Năm xuất bản	2020
Thành phố	Hà Nội

Định dạng
Số trang	245
Dung lượng	10,3 MB