Đề tài xây dựng mô hình arch cho dự báo tốc Độ tăng trưởng gdp của việt nam 2 quý Đầu năm 2024

Do đó, việc dự báo chính xác tốc độ tăng trưởng GDP trong năm 2024 là vô cùng quan trọng để có thể đưa ra các chính sách kinh tế phù hợp, nhằm đảm bảo mục tiêu phát triển kinh tế - xã hộ

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA CÔNG NGHỆ VÀ KHOA HỌC DỮ LIỆU

_*** _

TIỂU LUẬN MÔN HỌC

MÔ HÌNH CHUỖI THỜI GIAN TRONG KINH TẾ VÀ KINH DOANH

TỐC ĐỘ TĂNG TRƯỞNG GDP CỦA VIỆT NAM 2 QUÝ ĐẦU NĂM 2024

Giảng viên hướng dẫn : TS Phùng Duy Quang

Hà Nội, tháng 3 năm 2024

DANH SÁCH CÁC THÀNH VIÊN

MỤC LỤC

I LỜI MỞ ĐẦU 4

1 Tính cấp thiết của đề tài 4

2 Đối tượng và mục tiêu nghiên cứu 4

3 Phương pháp chung 4

4 Đóng góp của đề tài 4

5 Cấu trúc đề tài 5

II PHƯƠNG PHÁP NGHIÊN CỨU 6

1 Thu thập và xử lý số liệu 6

2 Mô hình nghiên cứu 6

2.1 Mô hình ARIMA 6

2.2 Mô hình ARCH 6

2.3 Mô hình GARCH 7

3 Quy trình nghiên cứu 7

III XÂY DỰNG MÔ HÌNH ARCH CHO DỰ BÁO TỐC ĐỘ TĂNG TRƯỞNG GDP CỦA VIỆT NAM 2 QUÝ ĐẦU NĂM 2024 8

IV PHÂN TÍCH VÀ KẾT LUẬN 17

TÀI LIỆU THAM KHẢO………18

I LỜI MỞ ĐẦU

1 Tính cấp thiết của đề tài

Nền kinh tế Việt Nam đã và đang trong giai đoạn hồi phục sau cuộc khủng hoảng do đại dịch COVID-19, với tốc độ tăng trưởng GDP năm 2023 dự kiến đạt 8% Tuy nhiên, vẫn tồn tại nhiều yếu tố rủi ro tiềm ẩn như: lạm phát gia tăng, bất

ổn trong kinh tế toàn cầu, xung đột chính trị giữa các quốc gia, Những yếu tố này

có thể ảnh hưởng đến tốc độ tăng trưởng kinh tế của Việt Nam trong năm 2024 Do

đó, việc dự báo chính xác tốc độ tăng trưởng GDP trong năm 2024 là vô cùng quan trọng để có thể đưa ra các chính sách kinh tế phù hợp, nhằm đảm bảo mục tiêu phát triển kinh tế - xã hội của Việt Nam Nhận thấy tính cấp thiết của vấn đề này, nhóm chúng em đã quyết định chọn chủ đề: "Xây dựng mô hình ARCH cho dự báo tốc

độ tăng trưởng GDP của Việt Nam 2 quý đầu năm 2024"

2 Đối tượng và mục tiêu nghiên cứu

Đối tượng nghiên cứu của bài báo cáo này là tốc độ tăng trưởng GDP của Việt Nam trong năm 2024, với phạm vi nghiên cứu là tốc độ tăng trưởng GDP của Việt Nam được thống kê theo từng quý từ năm 2004 đến năm 2022

Mục tiêu nghiên cứu của bài báo cáo là xây dựng mô hình ARCH để dự báo tốc độ tăng trưởng GDP của Việt Nam 2 quý đầu năm 2024 Từ đó, đánh giá hiệu quả dự báo của mô hình ARCH so với các phương pháp dự báo truyền thống khác

3 Phương pháp chung

Bài báo cáo sử dụng phần mềm EVIEWS để dự báo từ dữ liệu được thu thập từ các nguồn đáng tin cậy như website của Ngân hàng Thế giới (World Bank), Trading Economics, Tổng Cục Thống kê, Tổng Cục Hải quan, cùng với phương pháp xây dựng mô hình dự báo ARCH Sau đó, nhóm sẽ đánh giá hiệu quả dự báo của mô hình ARCH bằng các tiêu chí thống kê

4 Đóng góp của đề tài

Bài báo cáo sẽ cung cấp một công cụ dự báo chính xác tốc độ tăng trưởng GDP của Việt Nam trong bối cảnh kinh tế bất ổn hiện nay Góp phần vào việc nâng cao hiệu

quả hoạt động của các nhà hoạch định chính sách, doanh nghiệp và tổ chức tài chính ngân hàng

5 Cấu trúc đề tài

Đề tài gồm 3 phần chính:

 Phần 1: Phương pháp nghiên cứu.

 Phần 2: Xây dựng mô hình ARCH cho dự báo tốc độ tăng trưởng GDP của

Việt Nam 2 quý đầu năm 2024

 Phần 3: Phân tích và kết luận.

Nhóm chúng em xin chân thành cảm ơn TS Phùng Duy Quang, người đã trực tiếp giảng dạy và hướng dẫn chúng em hoàn thành báo cáo này Tuy nhiên, do những hạn chế nhất định về thời gian, số liệu và tài liệu thu thập được, cũng như những hạn chế về trình độ và kỹ năng nghiên cứu, bài báo cáo không thể tránh khỏi những thiếu sót Chúng em rất mong nhận được sự góp ý của giảng viên để bài báo cáo được hoàn chỉnh hơn về nội dung và hình thức

Chúng em xin chân thành cảm ơn thầy!

II PHƯƠNG PHÁP NGHIÊN CỨU

1 Thu thập và xử lý số liệu

Số liệu phục vụ cho đề tài được tổng hợp từ các báo cáo thường niên, báo cáo hàng quý của World Bank từ quý 01 năm 2004 đến quý 04 năm 2023 tại website của World Bank (World Bank Open Data | Data) Số liệu được tổng hợp theo quý và xử lý trên phần mềm Excel và Eviews 10.0

2 Mô hình nghiên cứu

Mô hình Trung bình trượt kết hợp tự hồi quy (Autoregressive integrated moving average – ARIMA) là được khởi xướng bởi George.B và G.Jenkins (1970)

Mô hình này biểu diễn phương trình hồi quy tuyến tính đa biến của các biến đầu vào là

2 thành phần chính là thành phần tự hồi quy (AR) và quá trình trung bình trượt (MA); ngoài ra mô hình còn tích hợp quá trình lấy sai phân (Integrated) để đảm bảo tính dừng cho chuỗi, đáp ứng yêu cầu chung của các thuật toán trong chuỗi thời gian

Robert Engle và cộng sự (1982) đã nghiên cứu và khởi xướng mô hình ARCH (Autoregressive Conditional Heteroskedasticity) Đây là một mô hình được sử dụng nhằm mô hình hoá phương sai sai số thay đổi theo thời gian (phương sai có điều kiện) của chuỗi thời gian Mô hình này được thể hiện như sau:

Giả sử có chuỗi thời gian yi tuân theo mô hình AR sau:

y i=β +ϕ1 y t−1+ϕ2y t−2+…+ϕ p y t −p+u t (1)

Trong đó u i iid(0 , σ t2)

Ở đây phương sai của sai số được giả định là thay đổi theo thời gian Engle (1982) đã đề xuất i2 tuân theo chu trình sau:

σ t2

=E[u t −1 , u t−2 , …]=δ+α1u t−12

+α2u t −22

+…+α m u t−m2 (2) Khi đó, ut được gọi là tuân theo mô hình ARCH(m) Phương trình 1 được gọi là phương trình trung bình (mean equation) còn phương trình 2 được gọi là phương trình

phương sai (variance equation) Lưu ý rằng, ut vẫn được giả định là không có tự tương quan và có kỳ vọng bằng 0 Hay nói cách khác, E[u t u s]=0với t ≠ s và E[u t −1 , u t −2 , …]=0

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity), được khởi xướng bởi Bollerslev (1986), trong đó phương sai có điều kiện tham gia trực tiếp vào phương trình trung bình Mô hình GARCH bậc r và m, hay gọi tắt là GARCH(r,m), có thể được biểu diễn như sau:

σ t2=E[u t −1 , u t−2 , …]

¿δ +γ1σ t−12 +γ2σ t−22 +…+ γ r σ t −r2 +α1u t −12 +α2u t−22 +…+ α m u t −m2

Để đảm bảo σ t2 là dương thì δ >0, γ i ≥ 0và α i ≥ 0 Độ lớn của các tham số δ , γ, quyết định tác động ngắn hạn của dao động chuỗi thời gian Hệ số γ i đo sự biến động

có thể xảy ra ở thời kỳ tiếp theo; nếu hệ số δ i cao điều đó thể hiện sự có sự biến động

trong thời gian dài

3 Quy trình nghiên cứu

Phương pháp xây dựng mô hình ARCH cho dự báo tốc độ tăng trưởng GDP của Việt Nam 2 quý đầu năm 2024 được nhóm nghiên cứu thực hiện theo 5 bước, gồm:

Bước 1: Kiểm tra tính dừng của chuỗi dữ liệu

Bước 2: Xác định dạng mô hình ARMA (p*,q*)

Bước 3: Ước lượng mô hình ARMA (p*,q*)

Bước 4: Kiểm định hiệu ứng ARCH

Bước 5: Ước lượng mô hình với hiệu ứng ARCH và dự báo

III XÂY DỰNG MÔ HÌNH ARCH CHO DỰ BÁO TỐC ĐỘ TĂNG TRƯỞNG

GDP CỦA VIỆT NAM 2 QUÝ ĐẦU NĂM 2024

Để xây dựng mô hình ARCH chúng tôi sử dụng chuỗi dữ liệu gồm 76 quan sát từ quý

01 năm 2004 đến hết quý 04 năm 2022 Dữ liệu được đặt tên là GDP Số liệu 2023 được dùng để đối chiếu dự báo mô hình

Bước 1: Kiểm tra tính dừng của chuỗi dữ liệu.

Tính dừng là một đặc tính quan trọng của chuỗi dữ liệu, thể hiện việc các giá trị của chuỗi có xu hướng ổn định quanh một mức trung bình hoặc biến động ngẫu nhiên mà không có xu hướng tăng hoặc giảm theo thời gian Việc kiểm định tính dừng là bước quan trọng trong việc sử dụng mô hình ARCH và ARIMA để dự báo tốc độ tăng trưởng GDP

Thứ nhất, mô hình ARCH và ARIMA chỉ có thể áp dụng cho chuỗi dữ liệu dừng Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) mô tả sự biến động (phương sai) của chuỗi dữ liệu thay đổi theo thời gian, nhưng giả định chuỗi dữ liệu có tính dừng Mô hình ARIMA (Autoregressive Integrated Moving Average) mô tả mối quan hệ giữa các giá trị hiện tại và quá khứ của chuỗi dữ liệu, cũng giả định chuỗi dữ liệu có tính dừng Thứ hai, việc sử dụng mô hình cho chuỗi dữ liệu không dừng dẫn đến kết quả dự báo không chính xác Chuỗi dữ liệu không dừng có thể có xu hướng tăng hoặc giảm theo thời gian, dẫn đến dự báo sai lệch Mô hình có thể gặp khó khăn trong việc xác định mối quan hệ giữa các giá trị của chuỗi dữ liệu

Do đó, cần phải kiểm định tính dừng trước khi áp dụng mô hình ARCH và ARIMA để

dự báo tốc độ tăng trưởng GDP Việc kiểm định này giúp đảm bảo kết quả dự báo chính xác và đáng tin cậy hơn

Trong bài này, nhóm tác giả sử dụng kiểm định Dickey-Fuller và kiểm định Phillips-Perron

Nguồn: Phần mềm Eviews

Hình 1.1 Kết quả kiểm tra tính dừng của chuỗi GDP bằng phương pháp Dickey-Fuller

Kiểm định tính dừng của chuỗi bằng phương pháp Dickey-Fuller ta thấy p-value < 0,05 nên chuỗi có tính dừng

Nguồn: Phần mềm Eviews

Kiểm định tính dừng của chuỗi bằng phương pháp Phillips-Perron ta thấy

p-value < 0,05 nên chuỗi có tính dừng

Bước 2: Xác định dạng mô hình ARMA(p*,q*).

Hình 1.2 Kết quả kiểm tra tính dừng của chuỗi GDP bằng phương pháp Phillips-Perron

Nguồn: Phần mềm Eviews

Từ kết quả về hàm ACF và PACF, ta nhận thấy sau các độ trễ 1, 5 hệ số tự tương quan phần đột ngột cắt đứt và sau các độ trễ 2, 5 hệ số tương quan riêng đột ngột cắt đứt nên

p¿∈{1 ;5} và q¿∈{1 ;5}

Bước 3: Ước lượng mô hình ARMA(p*,q*).

Sau khi tiến hành ước lượng, nhóm nhận thấy các mô hình ARMA(1,5) và ARMA(2,5)

có các hệ số ước lượng có ý nghĩa thống kê

Hình 1.3 Tương quan chuỗi biến động GDP

Nguồn: Phần mềm Eviews

Hình 1.4 Kết quả ước lượng mô hình ARMA(1,5)

Nguồn: Phần mềm Eviews

So sánh hai hệ số AIC và SC ta thấy mô hình ARMA(1,5) là phù hợp hơn

Hình 1.5 Kêt quả ước lượng mô hình ARMA(2,5)

Bước 4: Kiểm định hiệu ứng ARCH.

Hình 1.6 kết quả kiểm định hiệu ứng ARCH

Nguồn: Phần mềm EViews

Từ kết quả kiểm định, p-value < 0,05 nên mô hình có phương sai sai số thay đổi Do

đó, tồn tại hiệu ứng ARCH

Bước 5: Ước lượng mô hình với hiệu ứng ARCH và dự báo.

Hình 1.7 Kết quả ước lượng mô hình ARMA(1,5) với hiệu ứng ARCH

Nguồn: Phần mềm Eviews

Vậy mô hình có p-value của các hệ số đều nhỏ hơn 0,05 nên mô hình có ý nghĩa thống kê

Bước 6: Kiểm tra xem còn hiện tượng ARCH không

p-value = 0.7036 < 0.05 => chấp nhận H0, mô hình không còn hiện tượng ARCH, phần

dư là nhiễu trắng

Kết luận mô hình: Như vậy mô hình của chúng ta có dạng:

GDP t=6.554440+0.623322 GDPt−1+0.396013 ut −1+u t

δ t2=0.834265+1.267715 δt−12

Kết quả dự báo GDP năm 2023:

Đối chiếu kết quả dự báo với số liệu thực tế:

IV PHÂN TÍCH VÀ KẾT LUẬN

Dựa trên nguồn số liệu sẵn có về tốc độ tăng trưởng GDP của Việt Nam từ quý

01 năm 2004 đến quý 04 năm 2023, nhóm chúng em đã tiến hành khảo sát để tìm ra đặc điểm của chuỗi số liệu, từ đó chọn ra phương pháp cho kết quả tốt nhất cho việc dự báo cho biến này trong 2 quý đầu năm 2024 Tuy nhiên, để việc dự báo khách quan hơn nhằm phục vụ cho các hàm ý chính sách liên quan, chúng em cho rằng vẫn cần phải có những phân tích và các phương pháp dự báo mới được sử dụng để đưa ra kết quả phù hợp nhất trong tương lai gần

Nhìn chung, Dự báo về tốc độ tăng trưởng GDP của Việt Nam trong 2 quý đầu năm 2024 bằng mô hình ARCH đã phản ánh một xu hướng giảm nhẹ trong sản lượng mỗi quý Điều này có thể hiểu được do một trong những lý do như sau Một trong những yếu tố chính là tác động của đại dịch COVID-19 Mặc dù Việt Nam đã áp dụng các biện pháp kiểm soát hiệu quả, nhưng sự gián đoạn trong chuỗi cung ứng và hoạt động kinh doanh do dịch bệnh vẫn ảnh hưởng đến nền kinh tế Hơn nữa, các yếu tố tự nhiên như hạn hán, mưa lũ cũng gây ra giảm sản lượng trong nông nghiệp và nguyên liệu, ảnh hưởng đến sản xuất và xuất khẩu Sự không chắc chắn trong thị trường toàn cầu và các cuộc chiến thương mại cũng tạo ra thách thức cho hoạt động đầu tư và thương mại của Việt Nam Ngoài ra, còn có những vấn đề liên quan đến nợ công và tài chính, khiến cho khả năng của chính phủ trong việc thúc đẩy đầu tư công và cung cấp các dịch vụ cơ bản bị hạn chế Cùng với đó, cải cách kinh doanh và chính sách công cũng gặp khó khăn, khiến cho môi trường kinh doanh không thuận lợi và doanh nghiệp gặp nhiều thách thức trong việc phát triển

Đứng trước tình hình suy giảm tốc độ tăng trưởng GDP của Việt Nam trong thời gian tới, các Cơ quan nhà nước và doanh nghiệp đều đối diện với nhiều thách thức cũng như cơ hội để tái cấu trúc và phát triển kinh tế Để đối phó và hỗ trợ cho việc phục hồi và tăng trưởng, có một số biện pháp cần được áp dụng Trong bối cảnh đầy biến động của thị trường toàn cầu, việc thúc đẩy đầu tư công là một trong những biện pháp quan trọng Nhà nước cần tăng cường đầu tư vào các dự án hạ tầng và công trình

công cộng như giao thông, năng lượng, và viễn thông Điều này không chỉ tạo ra việc làm mà còn thúc đẩy nhu cầu tiêu dùng và tăng sản xuất hàng hóa và dịch vụ Đồng thời, để hỗ trợ doanh nghiệp, cần áp dụng các chính sách khuyến khích như giảm thuế, cung cấp vốn vay với lãi suất ưu đãi, và hỗ trợ đào tạo nhân lực để tăng cường năng suất và cạnh tranh Cải thiện môi trường kinh doanh và giảm bớt các thủ tục hành chính cũng là một yếu tố quan trọng giúp doanh nghiệp hoạt động hiệu quả hơn Ngoài

ra, việc khuyến khích đổi mới và sáng tạo cũng đóng vai trò quan trọng trong việc nâng cao hiệu suất kinh tế Tạo điều kiện thuận lợi cho việc đầu tư vào nghiên cứu và phát triển, đặc biệt là trong các lĩnh vực công nghệ cao và công nghệ thông tin, giúp Việt Nam phát triển kinh tế dựa trên sự đổi mới và nâng cao năng suất lao động Bên cạnh

đó, việc xây dựng chiến lược xuất khẩu cũng là một trong những biện pháp quan trọng

để tăng cường doanh thu và cải thiện thặng dư thương mại của Việt Nam trên thị trường quốc tế Cuối cùng, tăng cường quản lý rủi ro là yếu tố không thể thiếu trong quá trình phát triển kinh tế, giúp nhà nước và doanh nghiệp đối phó với những biến động và thách thức từ môi trường kinh doanh

Tóm lại, để vượt qua thời kỳ khó khăn và đạt được tăng trưởng bền vững, cần có

sự hợp tác chặt chẽ giữa nhà nước và doanh nghiệp, cùng với việc thực hiện các biện pháp phù hợp và hiệu quả Điều này sẽ giúp Việt Nam khôi phục và phát triển kinh tế mạnh mẽ hơn trong tương lai