Dự báo lạm phát Việt Nam giai đoạn 8/2013-7/2014

Nội dung của bài viết sử dụng phương pháp BoxJenkins (1976) để lập mô hình và dự báo tỷ lệ lạm phát Việt Nam. Kết quả cho thấy mô hình phù hợp nhất là ARIMA(1,0,1)(2,0,3)12 và dự báo trong 12 tháng tới lạm phát ở Việt Nam sẽ biến động không đáng kể, ngoài tháng đầu năm 2014.

Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 DỰ BÁO LẠM PHÁT VIỆT NAM GIAI ĐOẠN 8/2013-7/2014 Vương Quốc Duy1 Huỳnh Hải Âu2 Khoa Kinh tế & Quản trị Kinh doanh, Trường Đại học Cần Thơ Học viên Cao học, Khoa Kinh tế & Quản trị Kinh doanh, Trường Đại học Cần Thơ Thông tin chung: Ngày nhận: 27/09/2013 Ngày chấp nhận: 26/02/2014 Title: Forecasting the inflation rate of Vietnam over the period august, 2013 - july, 2014 Từ khóa: Dự báo, Lạm phát, Đầu tư, Việt Nam, ARIMA Keywords: Forcast, Inflation, Investment, Vietnam, ARIMA ABSTRACT The world economic upheavalhas become more and more complications Changes in the macro economy will greatly impact on economic stability and development of a country Inflation, one of the factors of macro economy, is increasingly concerned and needed to forecast Being aware of the importance of inflation, this paper uses the Box-Jenkins method (1970) to model and forecast the inflation rate in Viet Nam The results showed that the best model is the ARIMA (1, 0, 1), (2, 0, 3) 12 and that in the next 12 months, inflation in Vietnam will insignificantly fluctuate, exceptthe first month of 2014 Despite this, the results of this research also partly provides practical information for investors as well as for the policy makers in finding appropriate solutions to prevent and minimize damage caused by inflation TĨM TẮT Tình hình biến động kinh tế giới ngày diễn biến phức tạp Sự biến động kinh tế vĩ mô tác động lớn đến ổn định phát triển kinh tế quốc gia Lạm phát, nhân tố kinh tế vĩ mô, quan tâm cần thiết dự báo Nhận thức tầm quan trọng lạm phát, viết sử dụng phương pháp BoxJenkins (1976) để lập mơ hình dự báo tỷ lệ lạm phát Việt Nam Kết cho thấy mơ hình phù hợp ARIMA(1,0,1)(2,0,3)12 dự báo 12 tháng tới lạm phát Việt Nam biến động không đáng kể, tháng đầu năm 2014 Dù vậy, kết nghiên cứu phần cung cấp thông tin thiết thực cho nhà đầu tư nhà làm chính sách việc tìm kiếm giải pháp thích hợp để phòng ngừa tối thiểu hóa thiệt hại lạm phát gây với lĩnh vực lưu thơng, lạm phát thúc đẩy q trình đầu tích trữ dẫn đến khan hàng hóa Đối với lĩnh vực tín dụng, lạm phát làm rối loạn hoạt động hệ thống ngân hàng Cụ thể lượng tiền gửi vào ngân hàng giảm điều chỉnh lãi suất tiền gửi không đủ làm an tâm người có tiền nhàn rỗi, người vay lại lợi lớn nhờ vào giá đồng tiền Trong điều kiện nhân tố khác không đổi, lạm phát xảy làm tăng tỷ giá hối đoái, GIỚI THIỆU Lạm phát tượng kinh tế vĩ mơ phổ biến, có ảnh hưởng sâu rộng đến mặt đời sống kinh tế - xã hội Sự tác động bao gồm tích cực tiêu cực, tùy thuộc vào khả thích ứng với thay đổi lạm phát mức độ tiên liệu lạm phát Đối với nhà sản xuất, tỷ lệ lạm phát cao làm cho giá đầu vào đầu biến động, gây ổn định trình sản xuất Đối 34 Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 tăng cường tính cạnh tranh hàng xuất đồng thời gây bất lợi cho hoạt động nhập Lạm phát gây thiệt hại cho Ngân sách Nhà nước việc bào mòn giá trị thực khoản cơng phí Do tính ứng dụng cao phương pháp BoxJenkins hiệu mơ hình ARIMA lĩnh vực dự báo ngắn hạn1, nghiên cứu tác giả sử dụng cách tiếp cận để lập mơ hình dự báo tỷ lệ lạm phát Việt Nam 12 tháng tới Với liệu thu thập mở rộng cập nhật (từ tháng 01/2000 đến tháng 8/2013) phép kiểm định khắt khe, kết nghiên cứu kỳ vọng góp phần cung cấp thơng tin hữu ích cho Chính phủ nỗ lực điều hành lạm phát hàng năm mức số dựa tin cậy khoa học Đồng thời, giúp cho nhà đầu tư có sở để đo lường đánh giá khả tác động lạm phát, từ có giải pháp nhằm hạn chế tác động tiêu cực lạm phát gây 2.2 Thu thập xử lý số liệu Ngồi ra, tình trạng lạm phát cao kéo dài khơng đốn trước làm cho nguồn thu Ngân sách Nhà nước giảm sút sản xuất suy thoái (Nguyễn Quang Thái, 2012) Nhìn chung, lạm phát hồn tồn dự đốn khơng gây nên gánh nặng lớn kinh tế người ta đưa giải pháp để thích nghi với nó, ngược lại khơng thể đốn trước dẫn đến đầu tư sai lầm phân phối thu nhập cách ngẫu nhiên làm tinh thần sinh lực kinh tế Vì vậy, nói việc dự báo lạm phát có ý nghĩa vô quan trọng nhà hoạch định sách nhà kinh doanh tiến trình định Số liệu phục vụ cho đề tài tổng hợp từ báo cáo website Tổng cục Thống kê Việt Nam (GSO) Cụ thể, tác giả thu thập số giá tiêu dùng (CPI) từ tháng 01/2000 đến tháng 8/2013 xác định tỷ lệ lạm phát hàng tháng theo công thức: Bài viết thực nhằm tìm hiểu trạng kinh tế Việt Nam, sử dụng phương pháp nghiên cứu phổ biến để dự báo biến động lạm phát Việt Nam năm 2014 Cụ thể, viết cung cấp thơng tin hữu ích cho nhà hoạch định sách nhà đầu tư biến động lạm phát Việt Nam thời gian qua, nghiên cứu lạm phát có giá trị phương pháp dự báo lạm phát cơng nhận phổ biến giới Từ đó, viết dùng phương pháp tối ưu để dự báo cho tình hình lạm phát Việt Nam thời gian gần nhất, năm 2014 t  Trong đó: CPI t  CPI t 1  100 CPI t 1 t tỷ lệ lạm phát thời điểm t (%) CPI t số giá tiêu dùng thời điểm t CPI t 1 số giá tiêu dùng thời điểm t – Sau đó, sử dụng phần mềm Excel để nhập liệu Eviews 6.0 để chạy mô hình 2.3 Các bước thực PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Các nghiên cứu trước Bước 1: Nhận dạng mơ hình Cũng vai trò thiết yếu mà ngày nhiều nghiên cứu thực nghiệm dự báo lạm phát tiến hành nhiều nơi giới Muhammad Abdus Salam, Shazia Salam Mete Feridun (2006) sử dụng mơ hình ARIMA với phương pháp Box – Jenkins (1976) để dự báo lạm phát ngắn hạn Pakistan Gần hơn, phương pháp Sameul Erasmus Alnaa Ferdinand Ahiakpor (2011) sử dụng để xây dựng mơ hình dự báo tỷ lệ lạm phát Ghana Với mục tiêu này, hai tác giả tìm mơ hình ARIMA(6,1,6) thích hợp để dự báo lạm phát 12 tháng Ghana với khoảng tin cậy 95% Ở Việt Nam, Ông Nguyên Chương (2007) ứng dụng phương pháp để dự báo lạm phát nước kết cho thấy mơ hình ARIMA(0,1,1)(0,1,1)12 phù hợp để dự báo cho giai đoạn năm sau Nhận dạng mơ hình ARIMA(p,d,q) thích hợp việc tìm giá trị thích hợp p, d q (với d bậc sai phân chuỗi liệu thời gian khảo sát, p bậc tự hồi quy q bậc trung bình trượt) Các giá trị xác định dựa vào biểu đồ tự tương quan (ACF) biểu đồ tự tương quan riêng phần (PACF) Trong đó, việc lựa chọn mơ hình AR(p) phụ thuộc vào biểu đồ PACF có giá trị cao độ trễ 1, 2,…, p giảm đột ngột sau đó, đồng thời dạng hàm ACF tắt lịm dần Tương tự, việc lựa chọn mơ hình MA(q) dựa vào biểu đồ ACF có giá trị cao độ trễ 1, 2,…, q giảm mạnh sau q, đồng thời dạng hàm PACF tắt lịm dần Phương trình tổng quát sau: 35 Stockton and Glassman(1987) Litterman(1986) Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 d p q (1   B    p B ) 1  B  Yt  C  (1   B    q B )at 1   ( B)dYt  C   ( B)at Hay:  d Y  t C  ( B)  at  ( B)  ( B) Tiến hành ước lượng tham số cho mô hình có khả phù hợp nhận dạng Ở đây, mơ hình có giá trị R2 điều chỉnh, có giá trị cơng cụ thơng tin Akaike (AIC), Cơng cụ Schwarz (SBC), tổng số dư bình phương (SSR) nhỏ coi mơ hình phù hợp Trong đó: B k (Yt )  Yt  k , với B ký hiệu toán tử trễ (B thực Yt, có tác dụng dịch chuyển liệu trở lại k thời đoạn)    B mơ tả q trình tính sai phân Nếu chuỗi liệu quan sát có tính mùa mơ hình ARIMA tổng quát lúc ARIMA(p,d,q)(P,D,Q)L (với P Q bậc thành phần mùa AR MA, D bậc sai phân có tính mùa, L số thời đoạn vòng chu kỳ) Việc khảo sát ACF PACF trễ bội số dộ dài mùa L giúp kết luận giá trị P, Q phù hợp cho mơ hình Đối với thành phần mùa MA, biểu đồ ACF cho thấy đỉnh nhọn trễ mùa, thành phần mùa AR biểu đồ PACF thể đỉnh nhọn Dạng mô hình nhân (multiplicative model) cho phép đưa số hạng bổ sung (extra term) vào mơ hình mà khơng phải tăng thêm tham số Ngoài ra, hai số hạng tách biệt mơ hình giải thích cách đơn giản, chẳng hạn (1  1 B) phản ánh phụ thuộc số lạm phát vào thân thời kỳ trước (1  12 B12 ) thể mối quan hệ mùa Bước 3: Kiểm tra mơ hình Mơ hình ước lượng sau phải kiểm tra lại để đảm bảo tính đại diện cho chuỗi liệu quan sát Việc thực dãy giá trị sai số mơ hình nhằm xác định xem chúng có phải sai số ngẫu nhiên trắng (white noise) hay không Ở đây, biểu đồ ACF phần dư cho phép kiểm tra tiêu chuẩn Ngoài ra, kiểm định BreuschGodfrey (BG) ARCH thực phần dư nhằm kiểm tra tượng tự tương quan phương sai số thay đổi KẾT QUẢ NGHIÊN CỨU 3.1 Tổng quan liệu nghiên cứu Chỉ số giá tiêu dùng (CPI) số sử dụng để tính tỷ lệ lạm phát phổ biến nhiều nơi giới Ở Việt Nam, số Tổng cục Thống kê tính tốn cơng bố hàng tháng, q năm, nhằm cung cấp kịp thời thông tin giá hàng hóa dịch vụ, phản ánh mức độ lạm phát hay giảm phát kinh tế Giá trị d, D xác định dựa vào số lần lấy sai phân bình thường sai phân có tính mùa nhằm tịnh hóa liệu (làm cho chuỗi dừng) Bước 2: Ước lượng tham số mơ hình Hình 1: Diễn biến CPI Việt Nam giai đoạn 01/2000 – 11/2012 36 Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 Biểu đồ cho thấy tăng trưởng liên tục số CPI qua năm, với mức tăng cao đáng kể năm 2008 2011 sức ép từ việc tăng giá dầu giá lương thực giới Những năm lại số trì mức tăng đặn, ngoại trừ khoảng thời gian 2000 – 2002 với số liệu ổn định Đối với chuỗi tỷ lệ lạm phát, thông qua kiểm định Jarque-Bera mức ý nghĩa 1% ta hoàn toàn bác bỏ giả thuyết H0 phân phối chuẩn liệu Ngoài ra, từ giá trị Skewness, tối đa, tối thiểu trung bình chứng tỏ chuỗi biến động khơng nhiều có xu hướng lệch phải 3.2 Kết nghiên cứu Bảng 1: Thống kê mô tả chuỗi tỷ lệ lạm phát Kiểm định tính dừng chuỗi liệu tỷ lệ lạm phát (INF) Observations Mean Maximum Minimum Std Dev Skewness Kurtosis Jarque-Bera Probability INF 164 0.647792 3.911658 -1.142436 0.929098 1.116503 4.403488 47.24350 0.000000 Chuỗi số liệu sử dụng mơ hình ARIMA giả định chuỗi dừng, để dự đốn lạm phát Việt Nam mơ hình ta cần phải xem xét chuỗi liệu nghiên cứu có dừng hay chưa Trước tiên, dựa vào việc quan sát đồ thị chuỗi số liệu, sau tiến hành kiểm tra tính chất thơng qua hai kiểm định phổ biến: Augmented Dickey-Fuller (ADF) Perron-Phillips(PP) gọi kiểm định nghiệm đơn vị (unit root test)* Thời gian Hình 2: Tỷ lệ lạm phát Việt Nam giai đoạn 01/2000 – 07/2013 Đồ thị cho thấy chuỗi liệu nghiên cứu Ngoài ra, giảm nhanh sau trễ đầu tương đối dừng, để kết luận tiên ACF PACF Hình cho thấy chắn điều ta tiến hành hai kiểm định sau: chuỗi liệu dừng Nhận dạng mơ hình Bảng 2: Kết kiểm định ADF PP Khảo sát PACF Hình ta thấy có xác chuỗi INF đỉnh nhọn độ trễ và tắt hết sau đó, kết Kiểm định Giá trị t Xác suất hợp với hệ số khác ACF ADF -4.885682 0.0001 ta nên chọn p  (1, 2) q  (1,2,3) cho thành phần PP -8.304296 0.0000 tính mùa *Các giá tri tới hạn mức ý nghĩa thống kê 1%, 5%, Hình cho thấy có đỉnh nhọn 10% tương ứng là: -3.471, -2.879, -2.576 trễ 12, 24 36 ACF, gợi ý thành phần Như vậy, kết hai kiểm định cho MA mùa cần phải xem xét mơ hình phép ta bác bỏ giả thuyết H0 tính dừng Tương tự, PACF tồn đỉnh nhọn liệu mức ý nghĩa 1% trễ 12 24, thành phần AR mùa phải bao gồm Tức P = 2, Q = L = 12 37 Tạp chí Khoa học Trường Đại học Cần Thơ Tự tương quan |*** | |*** | |** | |* | |* | | | | | | | | | | | | | |** | | | | | | | | | | | | | | | | | | | | | | | |** | | | | | | | *| | *| | | | | | |* | |* | |* | |** | |*** | Tương quan phần |*** | |** | | | *| | | | | | *| | | | | | | | | | |** | **| | *| | | | |* | | | | | | | *| | | | | | *| | |** | **| | *| | | | | | | | |* | |* | |* | | | | | |* | |* | Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 AC 0.462 0.435 0.327 0.178 0.131 0.031 -0.041 -0.042 -0.041 -0.015 0.002 0.243 0.022 0.008 -0.001 0.001 -0.022 -0.006 -0.029 -0.052 -0.013 0.010 -0.037 0.238 -0.046 -0.030 -0.013 -0.070 -0.066 -0.005 0.017 0.083 0.104 0.134 0.215 0.418 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 PAC 0.462 0.281 0.072 -0.095 -0.026 -0.065 -0.074 0.008 0.041 0.048 0.022 0.331 -0.232 -0.201 -0.040 0.123 -0.024 0.062 0.057 -0.083 -0.010 0.063 -0.090 0.233 -0.206 -0.073 0.031 -0.025 -0.053 0.156 0.161 0.088 -0.022 -0.031 0.166 0.151 Q- thống kê 35.460 67.003 84.927 90.296 93.202 93.372 93.654 93.956 94.244 94.285 94.285 104.81 104.91 104.92 104.92 104.92 105.00 105.01 105.16 105.67 105.70 105.73 105.98 116.92 117.33 117.51 117.54 118.53 119.40 119.41 119.47 120.89 123.14 126.86 136.55 173.55 Xác xuất 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Hình 3: ACF PACF chuỗi INF Các mơ hình nhận dạng kiểm tra lại Akaike, Công cụ Schwarz, Tổng số dư tính phù hợp dựa thơng số kiểm định: R2 bình phương Kết ước lượng thử tổng điều chỉnh, log-likelihood, Công cụ thông tin hợp sau: Bảng 3: Các mơ hình ARIMA(p,d,q)(P,D,Q)L thử nghiệm Mơ hình ARIMA(1,0,1)(2,0,3)12 ARIMA(0,0,1)(2,0,3)12 ARIMA(0,0,3)(2,0,3)12 ARIMA(2,0,3)(2,0,3)12 ARIMA(1,0,3)(2,0,3)12 ARIMA(0,0,2)(2,0,3)12 ARIMA(1,0,2)(2,0,3)12 ARIMA(2,0,1)(2,0,3)12 ARIMA(2,0,2)(2,0,3)12 R2 điều chỉnh 0.725* 0.651 0.653 0.662 0.708 0.615 0.724 0.718 0.716 LL -86.011 -107.528 -106.179 -96.679 -89.002 -113.794 -85.656 -85.331 -85.261* *Giá trị tốt dựa tiêu chuẩn lựa chọn 38 AIC 1.362* 1.647 1.657 1.571 1.434 1.752 1.371 1.377 1.390 SC 1.532* 1.795 1.847 1.806 1.646 1.921 1.562 1.568 1.603 RSS 28.104 38.235 37.500 32.900 29.349 41.843 27.960 27.877 27.848* Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 Kết ước lượng cho thấy có hệ số có ý nghĩa mức 1%, bao gồm tỷ lệ lạm phát 24 tháng trước, với giá trị sai số 24 tháng trước Trong bảng 4, SAR, thể điều kiện chạy mơ hình mang tính thời vụ, thêm vào mơ hình AFC khoảng thời gian mua vụ (thường liệu bao gồm 12 tháng) dương SMA, thể điều kiện chạy mơ hình mang tính thời vụ, thêm vào ACF khoảng thời gian vụ (dữ liệu thường 12 tháng) âm Phương trình viết lại sau: (1-0.738B1-0.703B24)Yt = 1.060+(1+0.892B24)at Hay: Yt = 1.060 + 0.703Yt – 24 - 0.892at – 24 Mơ hình sau kiểm tra mức độ phù hợp với chuỗi liệu nghiên cứu cách phân tích phần dư Từ Bảng ta thấy mơ hình ARIMA(1,0,1) (2,0,3)12 mơ hình thỏa mãn nhiều tiêu chuẩn sử dụng, mơ hình sử dụng cho việc ước lượng Ước lượng mơ hình Bảng 4: Kết ước lượng mơ hình ARMA(1,1)(2,3)12 Hệ số ước Sai số t-kiểm Xác Biến lượng chuẩn định suất C 1.060 0.300 3.524 0.000 AR(1) 0.738 0.078 9.369 0.000 SAR(12) 0.053 0.065 0.820 0.413 SAR(24) 0.703 0.055 12.621 0.000 MA(1) -0.04 0.119 -0.360 0.718 SMA(12) -0.139 0.094 -1.478 0.141 SMA(24) -0.892 0.019 -46.920 0.000 SMA(36) 0.147 0.090 1.635 0.104 Kiểm tra mơ hình Tự tương quan Tương quan phần | | | | | | | | | | | | | | | | |* | |* | *| | *| | *| | *| | | | | | *| | *| | | | | | | | | | | | | | | | | | *| | *| | *| | *| | | | | | | | | | | | | | | | | | *| | *| | | | | | | | | | | | *| | | | | | *| | | | *| | *| | *| | *| | | | | | **| | **| | | | | | | | | | |* | |* | | | | | | | | | |** | |* | | | | | 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 AC 0.008 -0.011 0.025 -0.021 0.109 -0.121 -0.096 -0.015 -0.124 0.017 -0.015 0.007 0.059 -0.114 -0.070 0.026 0.024 0.029 -0.031 -0.076 0.004 0.068 -0.049 0.004 -0.070 -0.102 -0.106 -0.014 -0.228 0.032 0.038 0.111 0.030 0.046 0.244 0.065 PAC 0.008 -0.011 0.025 -0.021 0.110 -0.126 -0.091 -0.022 -0.119 0.008 0.005 0.019 0.038 -0.107 -0.109 0.003 0.021 0.011 0.007 -0.082 -0.040 0.057 -0.081 0.002 -0.058 -0.125 -0.138 -0.007 -0.315 0.026 0.043 0.099 -0.021 0.036 0.124 0.027 Kiểm định Q 0.0084 0.0244 0.1108 0.1739 1.8879 4.0393 5.4005 5.4350 7.7353 7.7801 7.8159 7.8238 8.3582 10.380 11.154 11.258 11.350 11.488 11.649 12.588 12.591 13.355 13.752 13.755 14.603 16.392 18.332 18.365 27.609 27.792 28.058 30.309 30.472 30.858 42.006 42.796 Hình 4: Biểu đồ tương quan bình phương phần dư 39 Xác suất 0.020 0.021 0.051 0.099 0.166 0.213 0.168 0.193 0.258 0.331 0.403 0.474 0.480 0.559 0.575 0.617 0.684 0.689 0.631 0.566 0.626 0.189 0.224 0.258 0.213 0.249 0.277 0.043 0.048 Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 ACF phần dư Hình cho thấy sai số ngẫu nhiên trắng có vài trễ khác 0, nhiên yếu tố ngẫu nhiên Hơn nữa, kết kiểm định Breusch-Godfrey mức ý nghĩa 1% cho thấy không tồn tượng tự tương quan, đồng thời kiểm định ARCH khơng có tượng phương sai sai số thay đổi Bảng 5: Kết kiểm định BG ARCH Kiểm định Breusch-Godfrey ARCH F-kiểm định 0.407935 0.025979 Xác suất 0.6659 0.8722 Kết kiểm tra cho thấy mơ ARIMA(1,0,1) (2,0,3)12 thích hợp sử dụng để dự báo Dự báo Hình 5: Biểu đồ dự báo lạm phát phạm vi ngồi mẫu nghiên cứu Hình ta thấy giá trị dự báo giai đoạn lấy mẫu sử dụng để mơ cho diễn biến quan sát thực tế khơng hồn tồn xác Do đó, tác giả thực dự báo cho 12 tháng tiếp tới (8/2013 đến 7/2014) với khuynh hướng biến động diễn Kết dự báo cho thấy lạm phát hàng tháng giai đoạn tới kiểm soát ổn định, dao động khoảng 0.8 – 1.0%, ngoại trừ tăng mạnh tháng 01/2014, với mức lạm phát ước đến 1.470% Bảng 6: Kết dự báo lạm phát hàng tháng giai đoạn 8/ 2013 - 7/2014 Tháng 8/2013 9/2013 10/2013 11/2013 12/2013 01/2014 02/2014 3/2014 4/2014 5/2014 6/2014 7/2014 Dự báo trung bình 0.891 0.793 0.877 1.063 1.053 1.470 0.871 0.891 0.974 0.880 0.814 0.913 Giới hạn trên* 2.291 2.191 2.277 2.463 2.451 2.869 2.277 2.293 2.375 2.212 2.212 2.313 Giới hạn dưới* -0.508 -0.605 -0.522 -0.337 -0.343 0.072 -0.535 -0.511 -0.426 -0.517 -0.583 -0.485 KẾT LUẬN VÀ ĐỀ XUẤT Bài nghiên cứu sử dụng phương pháp BoxJenkins (1976) để lập mơ hình dự báo tỷ lệ lạm phát Việt Nam Kết cho thấy mô hình phù hợp ARIMA(1,0,1)(2,0,3)12 dự báo 12 tháng tới lạm phát Việt Nam biến động khơng đáng kể, ngồi tháng đầu năm 2014 Tuy nhiên, * Khoảng tin cậy: 95% 40 Tạp chí Khoa học Trường Đại học Cần Thơ Phần D: Khoa học Chính trị, Kinh tế Pháp luật: 30 (2014): 34-41 giai đoạn kinh tế có nhiều biến động tác động đến kết dự báo, việc dự báo lạm phát 12 tháng tồn sai số định Dù vậy, kết nghiên cứu phần cung cấp thông tin thiết thực cho nhà đầu tư nhà làm sách việc tìm kiếm giải pháp thích hợp để phòng ngừa tối thiểu hóa thiệt hại lạm phát gây PGS.TS Sử Đình Thành, TS Vũ Thị Minh Hằng, GS.TS Dương Thị Bình Minh, Ths Phạm Văn Hiếu, Ths Nguyễn Anh Tuấn, TS Bùi Thị Mai Hồi, TS Diệp Gia Luật (2008), Nhập mơn tài tiền tệ, Nhà xuất Lao động Xã hội, Hà Nội Appiah, S.T and I.A Adetunde (2011), Forecasting exchange rate between the Ghana cedi and the US dollar using time series analysis, African Journal of Basic & Applied Sciences, vol 3(6), pp 255 – 264 Eviews User’s Guide I & II (Version 6) George E.P Box and Gwilym M Jenkins (1976), Time Series Analysis: Forecasting and Control, San Francisco: Holden-Day, California Muhammad Abdus Salam, Shazia Salam and Mete Feridun (2006), Forecasting inflation in developing nations: The case of Pakistan, International Research Journal of Finance and Economics, issue 3, pp 138 – 159 Nadia Saleem (2008), Measuring volatility of inflation in Pakistan, The Lahore Journal of Economics, vol 13(2), pp 99 - 128 Samuel Eramus Alnaa and Ferdinand Ahiakpor (2011), ARIMA approach to predicting inflation in Ghana, Journal of Economics and International Finance, vol 3(5), pp 328 - 336 Box, G.E.P., and Jenkins, G., (1970) Time Series Analysis, Forecasting and Control, HoldenDay, San Francisco 10 Nguyễn Quang Thái, (2012), Tổng quan kinh tế Việt Nam năm 2012 triển vọng 2013, Hội Khoa học Kinh tế Việt Nam Việc dự báo lạm phát công việc không dễ dàng Từ lý thuyết thực tế thấy lạm phát phụ thuộc vào nhiều yếu tố, có yếu tố khó xác định thường xuyên biến động bao gồm: mức cung tiền, tỷ giá hối đoái, lãi suất thị trường,… Hơn nữa, yếu tố có tác động qua lại lẫn độ trễ định Do đó, việc sử dụng mơ hình ARIMA chưa cho thấy rõ ảnh hưởng riêng lẻ nhân tố, chưa đủ để đo lường xác biến động lạm phát Tuy nhiên, vấn đề gợi ý hướng nghiên cứu sử dụng mơ hình VAR (Vector autoregression model) để phân tích mối liên hệ nhân tố với lạm phát, sau sâu đo lường ảnh hưởng cú sốc đến bất định lạm phát thông qua công cụ ARCH/GARCH EGARCH Trên sở có mơ hình thích hợp phản ánh mối liên hệ chất tác động thời đến lạm phát ta sử dụng để dự báo cho thời điểm tương lai cách đáng tin cậy TÀI LIỆU THAM KHẢO Ông Ngun Chương (2007), Mơ hình ARIMA với phương pháp Box – Jenkins ứng dụng để dự báo lạm phát Việt Nam, Trường Đại học Kinh tế - Đại học Đà Nẳng 41 ... lạm phát Việt Nam thời gian qua, nghiên cứu lạm phát có giá trị phương pháp dự báo lạm phát công nhận phổ biến giới Từ đó, viết dùng phương pháp tối ưu để dự báo cho tình hình lạm phát Việt Nam. .. ARIMA(1,0,1) (2,0,3)12 thích hợp sử dụng để dự báo Dự báo Hình 5: Biểu đồ dự báo lạm phát phạm vi mẫu nghiên cứu Hình ta thấy giá trị dự báo giai đoạn lấy mẫu sử dụng để mơ cho diễn biến quan... pháp BoxJenkins (1976) để lập mơ hình dự báo tỷ lệ lạm phát Việt Nam Kết cho thấy mơ hình phù hợp ARIMA(1,0,1)(2,0,3)12 dự báo 12 tháng tới lạm phát Việt Nam biến động khơng đáng kể, ngồi tháng