dự báo tỷ giá hối đoái trung bình tháng loại usd vnd tại việt nam 6 tháng đầu năm 2022

Việt Nam cũng tương tự, Nhà nước Việt Nam luôn đề ra những chính sách dựa trên những chuyền biến thực tế của nền kinh tế để nhằm phân tích, dự báo và khắc phục những yếu tố vi mô, vĩ mô

D CD>-

DAI HOC QUOC GIA THANH PHO HO CHi MINH TRUONG DAI HOC KINH TE LUAT KHOA TOAN KINH TE

DU BAO TY GIA HOI DOAI TRUNG BINH

THANG LOAI USD/VND TAI VIET NAM

6 THANG DAU NAM 2022

Du bao kinh té ThS V6 Thi Lé Uyén sinh viên thực hiện

Họ và tên Lớp

Đặng Quốc Đạt

Nguyễn Quang Nghị (L)

Hoàng Thị Hiền Thảo

TP Hồ Chí Minh, tháng 12 năm 2022

Ụ Ụ

U CHUONG1:LO ODA

z

ang 4: Ước luo

ang 5: Ước luo

DANH MUC HINH

CHƯƠNG 1: LOI MO DAU

Hiện nay, trong bối cảnh nền kinh tế mở rộng theo chiều hướng đa phương, hầu hết các quốc gia trên thế giới đều có những thách thức và nguy cơ không thể lường trước, cụ thê các vấn đề về tổng sản phẩm quốc nội (GDP), tổng sản phẩm quốc gia (GNP), tỷ lệ lạm phát, tỷ giá trung tâm luôn là các yếu tô quan trọng phản ánh sự thịnh vượng của nền kinh tế của một quốc gia Việt Nam cũng tương tự, Nhà nước Việt Nam luôn đề ra những chính sách dựa trên những chuyền biến thực tế của nền kinh tế để nhằm phân tích, dự báo và khắc phục những yếu tố vi mô, vĩ mô có liên Trong những năm vừa qua, tỷ giá là một vấn đề được Chính phủ Việt Nam hết mực quan tâm Bởi lẽ nó phản ánh giá trị của đồng Việt Nam so với đồng tiền của các quốc gia khác, đặc biệt quan tâm là tỷ giá của đồng Việt Nam và đồng Đôla Mỹ, vì đồng Đôla Mỹ có sức ảnh hưởng khá lớn tới đồng tiền của hầu hết các quốc gia, trong

đó có tác động mạnh mẽ tới Việt Nam Thuật ngữ được đề cập để phản ánh rõ nét hơn vấn đề này là tỷ giá trung tâm Tỷ giá trung tâm được hiểu là tỷ giá chính thức được xác định vào giờ chốt giao dịch của ngày hôm trước, cộng với một biên độ nhất định

do Ngân hàng Nhà nước quyết định theo diễn biến thị trường Và tỷ giá trung tâm được chọn để làm tỷ giá giao dịch cho ngày hôm sau Bởi tầm quan trọng của vấn đề,

đề nền kinh tế Việt Nam có thẻ tiếp bước cùng các quốc gia trên thế giới, việc theo dõi biến động của tỷ giá phần nào giúp chúng ta phán đoán được những vấn đề có thể sẽ xảy ra, từ đó khắc phục, né tránh hoặc chuyên giao vấn đề để tránh tôn hại nghiêm trọng tới nền kinh tế quốc gia

Trên thực tế, có khá nhiều cú sốc tỷ giá giữa đồng Việt Nam và đồng Đôla Mỹ, ảnh hưởng đáng kể đến các ngành trong nền kinh tế Việt Nam, đặc biệt là xuất nhập khâu hàng hóa, một trong những ngành trọng điểm của nước ta Theo website chính

cuối năm 2018, đồng USD có xu hướng lên giá do Cục Dự trữ liên bang Mỹ (Fed) đã tiến hành thực hiện bình thường hóa lãi suất, đồng thời kèm theo ảnh hưởng của cuộc chiến thương mại toàn cầu làm cho đồng Việt Nam cũng chịu sức ép của sự lên giá đó Bên cạnh đó, nhờ sự nghiên cứu, phân tích dựa trên cơ sở thực tế mà các chuyên gia đã đưa ra nhận định rằng mức mất giá của đồng Việt Nam vẫn thấp hơn so với đồng tiền của một số quốc gia trong khu vực Từ thực tiễn được đề cập ở trên, ta có thê thay tam quan trọng của việc phân tích, dự báo một vấn dé có ảnh hưởng trực tiếp đến nhiều

ếu tố khác Nhận thấy như vậy, nhóm đã tiến thành dự báo tỷ giá trung tâm trung binh tháng loại USD/VND tại Việt Nam vào năm 2018 nhằm phân tích, đánh giá và dự

báo tỷ giá trung tâm từ những dữ liệu trong quá khứ Là một bước nghiên cứu khác so với các chuyên gia, thay vì dựa vào những yếu tô khác có liên quan đồng thời diễn ra trong thời gian đó, nhóm đã sử dụng cùng một mẫu dữ liệu (tỷ giá trung tâm) để dự đoán sự gia tăng hay giảm sút của tỷ giá trung tâm tại thời điểm nghiên cứu Từ đó, làm tiền để cho dự báo các giai đoạn sau và các vấn đề liên quan, đồng thời đưa ra những giải pháp thực tế nhằm kiểm soát và khắc phục sự ảnh hưởng của tỷ giá trung tâm lên nên kinh tê quốc gia

3

CHUONG 2: CO SO LY THUYET

é éy di doai

Theo nghiên cứu của Huỳnh Tấn Nguyên và Nguyễn Văn Lượng với đề tài

“Ứng dụng mô hình ARIMA để dự báo chỉ số giá tiêu dùng ở Việt Nam” Bài nghiên cứu này sử dụng dữ liệu được thu thập từ Tổng CỤC Thống kê Việt Nam giai đoạn

tháng 01 năm 2010 đến tháng 03 năm 2016 đề dự báo cho chỉ số giá tiêu dùng tại thời

điểm quý 2 năm 2016 Với mục đích tìm ra mô hình dự báo tốt nhất cho chỉ số giá tiêu dùng tại Việt Nam, nhóm nghiên cứu đã sử dụng phần mềm eviews để kiểm định,

phân tích và kết quả dự báo cho thấy mô hình ARIMA (2,L,L) là thích hợp cho việc dự

lý, vì mục tiêu nghiên cứu là hiệu suất của dự báo Trong khoảng thời gian dai han, hình ARIMA thường không có hiệu quả bằng mô hình đa biến Ngoài ra, nghiên cứu còn đề cập đến một số mặt ưu điểm và hạn chế của các mô hình ARIMA cho việc dự báo lam phat

Một nghiên cứu của nhóm sinh viên Bùi Quang Trung, Nguyễn Quang Minh

Nhi, Lê Văn Hiếu và Nguyễn Hồ Diệu Uyên, Khoa Tài Chính Ngân hàng, Trường

Đại học Kinh tế đã tiền hành nghiên cứu đề tài “Ứng dụng mô hình ARIMA dé dw bao

VNIndex” Dữ liệu nghiên cứu là chỉ số VNIndex được lẫy từ ngày 02/01/2009 tới ngày 30/03/2010 Với khoảng tin cậy là 95%, nghiên cứu cho thấy kết quả sau khi

chạy mô hình ARIMA trong đề tài đã cho ra giá trị dự báo xấp xỉ với giá trị chỉ số VNIndex thực tế, điều này chứng tỏ mô hình dự báo có độ tin cậy khá cao Tuy nhiên, trong một vải phiên giao dịch thực tế trên thị trường chứng khoán do sự tác động của các yếu tô bên ngoài như sự thay đối về chính sách đầu tư hay tâm lý nhà đầu tư khi giao dịch, làm cho khoảng cách của sai số dự báo lớn hơn Do đó, kết quả của mô

hình này vẫn chỉ mang tính chất minh họa và tham khảo Nhóm nghiên cứu cũng kết luận rằng có thể nói mô hình ARIMA là một mô hình tốt để dự báo trong ngắn hạn

Như nghiên cứu của Daniela Spiesová với đề tai “

” nhằm xác định mô hình phù hợp đề dự đoán chuỗi tỷ giá hối đoái không cô định theo thời gian

và sau đó sử dụng mô hình này để dự đoán xu hướng phát triển của các đồng tiền châu

Âu so với đồng Euro Bài nghiên cứu vận dụng phương pháp tự hồi quy kết hợp trung bình trượt (mô hình ARIMA

Kết quả của nghiên cứu này khẳng định răng để dự đoán phương sai có điều kiện và sau đó ước tính giá trị tương lai của tỷ giá hỗi đoái, việc sử dụng mô hình

) không có hằng số hoặc mô hình ARIMA [(1.7),L.(1,7)] là phù hợp

Nwankwo Steve C đã thực hiện bài nghiên cứu với đề tài “Autoregressive Integrated Moving Average (ARIMA) Model for Exchange Rate” nham xác định mô hình tỷ giá hối đoái, ước tính các tham số mô hình và dự đoán hoặc dự báo tương lai Trong nỗ lực để hiểu rõ hơn về cách thức mô hình hóa tỷ giá hối đoái, bài nghiên cứu này đã áp dụng mô hình ARIMA cho tỷ giá hối đoái (Naira sang Đô la) trong giai đoạn

được tạo ra là được ưa thích hơn vì nó đã được chứng minh thông qua tỷ lệ chân đoán của Naira Dollars dựa trên tiềm năng của nó đối với các yêu cầu tính toán và dự đoán

tốt hơn

Nhìn chung, từ các nghiên cứu thực nghiệm phía trên đã chứng minh răng mô hình ARIMA có khả năng dự báo phù hợp đối với nhiều đối tượng như chỉ số VNIndex, lạm phát, tỷ giá hối đoái, phần nhiều theo dạng dữ liệu ngắn hạn và cho kết quả dự báo gần sát với thực tế Đặc biệt trong sự hội nhập đa phương về mọi mặt như hiện nay, tỷ giá hối đoái là đối tượng rất được quan tâm và cần thiết đối với nền kinh tế các nước và việc sử dụng mô hình ARIMA, cụ thé là phương pháp Box Jenkins là một quyết định phù hợp cho dự báo tỷ giá hồi đoái

CHUONG 3: PHUONG PHAP NGHIEN CUU

Nghiên cứu sử dụng dữ liệu là chỉ số tỷ giá hối đoái của USD/VND từ tháng

01/2015 đến tháng 12/2021 Số liệu được thu thập từ: https://vn.Investing.com Số liệu được nhóm nghiên cứu tổng hợp, xử lý bằng phần mềm excel, sau đó tiến hành thực hiện các kiểm định phân tích trên phần mềm Eview

Bước I: Kiểm tra tính dừng của chuỗi dữ liệu:

Mô hình ARMA bao gồm 02 phần chính là AR (

average), các thành phần này chỉ có thê thực hiện trên chuỗi thời gian dừng Trung binh và phương sai của một bộ dữ liệu được xem là dừng khi 2 yếu tố trên không thay đối theo thời gian Trong bài nghiên cứu này nhóm tác giả sử dụng phương pháp kiêm

định D Fuller Kiém định như sau:

hH:ô=0 Hy: 6 <0

é 4 émdi é i w ai 6 6

thì chuỗi thời gian không dừng

Bước 2: Nhận dạng mô hinh:

Đề nhận biết mô hình ARMA phải cần tìm các giá trị p, d, q Trong đó p là bậc tự hồi qui, d là bậc sai phân của chuỗi thời gian được khảo sát và q là bậc trung bình trượt Vận dụng 02 đồ thị PACF (Partical Autocorrelation Function) là hàm tự tương quan mẫu riêng phần và ACF (Autocorrelation Function) là hàm tự tương quan mẫu để xác

định p và q khi PACF = f(t) va ACF = f(t)

Bước 3: Ước lương các tham số trong mô hình:

Mô hình ARIMA xác định phương pháp tìm ước lượng hàm thích hợp cực đại Likelihood) Sau đó kết hợp kiểm định thống kê t và ước lượng sao số trung bình (RMSE), sai số tuyệt đối trung bình (MAE), tỷ lệ phần trăm sai số tuyệt đối trung bình (MAPE) và tiêu chuẩn đánh giá BIC (Bayesian information criterion)

Bước 4: Kiểm định mô hình và chọn lựa tốt nhất:

Đề kiểm tra sự thích hợp của mô hình chúng ta dựa vào kiểm tra phân dư có nhiễu trăng không Trường hợp phần dư có nhiễu trăng thì mô hình được chấp nhận, còn ngược lại thì chúng ta tiến hành lại từ đầu sử dụng Ljung Box và trị thống kê Q thực hiện Nếu tôn tại nhiều hơn một mô hình phủ hợp thi đánh giá dựa trên trị số BIC (Bayesian information criterion) nhỏ nhất sẽ là mô hình phù hợp nhất với việc xem xét các sai số khác như: RMSE, MAE, MAPE

Bước 5: Dự báo mô hinh ARIMA:

dự báo ngắn hạn mô hình ARIMA có độ tin cây cao hơn các mô hỉnh truyền thông khác Dựa trên mô hình AIRIMA nhóm nghiên cứu có thể đánh giá và dự váo được tỷ lệ phần trăm sai lệch của dự báo so với giá trị thực tế

CHƯƠNG 4: KÉT QUÁ NGHIÊN CỨU VÀ THẢO LUẬ

Nhóm tiến hành vẽ đồ thị tỷ giá (USD/VND)

Ty Gia 24,000

23,500 23,000 22,500 22,000 21,500

Hạ: Chuỗi dữ liệu dừng

H,: Chuỗi dữ liệu không dừng

Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=11)

*MacKinnon (1996) one-sided p-values

Augmented Dickey-Fuller Test Equation Dependent Variable: D(TY_GIA) Method: Least Squares Date: 12/09/22 Time: 21:39 Sample (adjusted): 2 84 Included observations: 83 after adjustments

V6i mirc y nghia 1% p value (Ty Gia) = 0.00189 >0.01, ngoai ra tri tyệt đối của

thingkét u 6 y ito wey nghia 1% Do đó bác bỏ giả

thuyết Hạ, chuỗi đữ liệu không dừng

Đề xử lý tính dừng của chuỗi dữ liệu tỷ giá USD/VND, nhóm tiễn hành phương

pháp lấy sai phân bậc I cho chuỗi đữ liệu, sau đó tiễn hành kiểm định bằng phương

z

Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=11)

*MacKinnon (1996) one-sided p-values

Augmerted Dickey-Fuller Test Equation Dependent Variable: D(TY_GIA,2) Method: Least Squares Date: 12/09/22 Time: 21:40 Sample (adjusted): 3 84 Included observations: 82 after adjustments

Voi mirc cac y nghia 1%, 5%, 10%, p value (Ty Gia) = 0.0000 < 0.01, ngoài ra

tri tyét déi cua thong ket ủ ý ito ức ý nghĩa

.Do đó chấp nhận giả thuyết Hạ, chuỗi dữ liệu đừng tại sai phân bậc 1

Time: 21:41

Dependent Variable: D(TY_GIA)

Date: 12/09/22 Time:

Included observations: 83 Convergence achieved after 27 iterations Coefficient covariance computed using outer product of gradients

: Ước lượ

Method: ARMA Maximum Likelihood (OPG - BHHH) Date: 12/09/22 Time: 21:44

Sample: 2 84 Included observations: 83 Convergence achieved after 34 iterations Coefficient covariance computed using outer product of gradients

ém di ự g wu

Augmented Dickey-Fuller Unit Root Test on RESID01 Null Hypothesis: RESID01 has a unit root

Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=11)

*MacKinnon (1996) one-sided p-values

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RESIDO1) Method: Least Squares Date: 12/10/22 Time: 11:56 Sample (adjusted): 2015M03 2021M12 Included observations: 82 after adjustments

tính đừng phần dư

Correlogram of RESIDO1 Date: 12/10/22 Time: 12:00

Sample (adjusted): 2015M02 2021M12 Included observations: 83 after adjustments

1

q ' ' ' ' ' ' ' ' ' '

Ans NANA 2495R N917

ự é a é ử ưự tương quan củ ân dư, ta thâ

6 a 4

ém di

Dé xac di atd6 6 vw 6 m định AR/MA Điề

View | Proc | Object| | Print| Name| Freeze| | Estimate | Forecast| Stats | Resids|

DTYGIA: Inverse Roots of AR/MA Polynomial(s)

1.5 1.0

Correlogram of Residuals Date: 12/10/22 Time: 12-10

Sample (adjusted): 2015M02 2021M12 Q-statistic probabilities adjusted for 2 ARMA terms

Forecast sample 2021m01 2021m12

Insert actuals for out-of-sample observations

Lx_]

ả như sau:

€ )D(TY_ G12) Method )Dynamic forecast

———— Ty Gia ———— TY GIAFMOI

êu đồ đườ ê ệ ữ ệ â ữ ệ ư A

é at ệ ủ ưự tr 01/2021 dé ấy xu hướ ứ

ệ a ệt đối vàtương đố 4 6.Dodé,cothé 6 4 ự

6

é uu ự a 4 iw thang 1/2022 dé

2022

Original name: TY GIA

hơn Do đó, nghiên cứ ự ự y ối đoái USD/VND có mộ

?

ua giai doan thang 01/2015 dé ự é a

nha dau tu va doanh nghié é ự è ý y