Doanh thu bán hàng và cung cấp dịch vụ của công ty cổ phần sữa việt nam vinamilk từ quý i năm 2019 đến quý IV năm 2020 dưới tác động của chỉ số giá tiêu dùng CPI bằng mô hình VAR

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH TIỂU LUẬN MƠN DỰ BÁO KINH TẾ ĐỀ TÀI Doanh thu bán hàng cung cấp dịch vụ Công ty cổ phần Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 tác động Chỉ số giá tiêu dùng CPI mơ hình VAR TP Hồ Chí Minh tháng 4, năm 2020 MỤC LỤC GIỚI THIỆU DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU Dữ liệu 2 Phương pháp nghiên cứu Các bước thực 3.1 Kiểm định tính dừng 3.2 Tìm độ trễ ước lượng mơ hình 3.3 Kiểm tra mơ hình 3.4 Hàm phản ứng 3.5 Dự báo cho mơ hình KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH Kiểm tra tính dừng Tìm p ước lượng mơ hình Kiểm định mơ hình 10 3.1 Var có ổn định hay không? 10 3.2 Kiểm định nhiễu trắng 10 3.3 Kiểm định mối quan hệ nhân 11 Hàm phản ứng 12 Dự báo 12 5.1 Dự báo mẫu 12 5.2 Dự báo chuỗi gốc 13 KẾT LUẬN 16 TÀI LIỆU THAM KHẢO 17 DANH MỤC BẢNG Bảng Kiểm định tính dừng chuỗi LNREVENUE Bảng Kiểm định tính dừng chuỗi LNCPI Bảng Tìm độ trễ phù hợp cho mơ hình Bảng Ước lượng mơ hình VAR Bảng Kiểm định nhiễu trắng mô hình 10 Bảng Kiểm định mối quan hệ nhân Granger 11 Bảng Kết dự báo mẫu 13 Bảng Chuỗi sau dự báo 13 DANH MỤC HÌNH Hình Kiểm định tính ổn định khả nghịch mơ hình 10 Hình Hàm phản ứng mơ hình 12 GIỚI THIỆU Dự báo kinh tế ngày đóng vai trị quan trọng khơng nhà hoạch định sách quốc gia mà doanh nghiệp kinh doanh lĩnh vực Đây cách tiên đoán tổng hợp có khoa học nội dung, xu hướng phát triển tự nhiên, kinh tế, xã hội, tư người tương lai mang tính xác suất song đáng tin cậy Ngày nay, dự báo sử dụng rộng rãi lĩnh vực đời sống xã hội với nhiều loại phương pháp dự báo khác lấy ý kiến ban điều hành, phương pháp điều tra người tiêu dùng, phương pháp Delphi,… Trong thống kê, người ta thường sử dụng phương pháp phương pháp phân tích chuỗi thời gian, phương pháp san mũ, VAR, ARIMA,… Vinamilk doanh nghiệp lớn ngành sữa, liên tục đứng top đầu cơng ty có mức tăng trưởng mạnh mẽ nhiều năm liền Với nhiều số thể kết kinh doanh đạt kỉ lục qua năm, Vinamilk chứng tỏ triển vọng phát triển khơng khu vực mà cịn phạm vi tồn cầu Trong đó, doanh thu bán hàng cung cấp dịch vụ số quan trọng hàng đầu nhằm đánh giá hiệu kinh doanh mức độ tăng trưởng Vinamilk Từ đó, đề chiến lược, kế hoạch dài hạn giúp nâng tầm thương hiệu trường quốc tế Mặt khác, số kinh tế vĩ mô – tiêu biểu Chỉ số giá tiêu dùng CPI - lại có ảnh hưởng định tới doanh thu doanh nghiệp phản ánh biến động thị trường CPI số tính theo phần trăm để phản ánh mức thay đổi tương đối giá hàng tiêu dùng theo thời gian, dựa vào giỏ hàng hóa dại diện cho tồn hàng tiêu dùng Đây tiêu sử dụng phổ biến để đo lường mức giá thay đổi mức giá (hay lạm phát) Do đó, nhóm nghiên cứu thực dự báo “Doanh thu bán hàng cung cấp dịch vụ Công ty cổ phần Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 tác động Chỉ số giá tiêu dùng CPI mơ hình VAR” dựa liệu thu thập từ quý IV năm 2005 đến quý IV năm 2018 DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU Dữ liệu Số liệu phục vụ cho đề tài tổng hợp từ Báo cáo Tài website cơng ty cổ phần sữa Vinamilk www.vinamilk.com.vn website Tổng cục thống kê www.gso.gvo.vn Cụ thể, số liệu thu thập doanh thu công ty sữa Vinamilk (REVENUE) số giá tiêu dùng (CPI) theo quý từ quý IV năm 2005 đến quý IV năm 2018 gồm 53 quan sát Phương pháp nghiên cứu Mơ hình VAR mơ hình vectơ biến số tự hồi quy Mỗi biến số phụ thuộc tuyến tính vào giá trị trễ biến số giá trị trễ biến số khác Mơ hình VAR dạng tổng quát: Yt = A1Yt-1 + A2Yt-2 + …+ ApYt-p + st + ut 1 Trong Yt = [ ] ; ut = [ ] … … Ai ma trận vuông cấp m*m, i = 1, 2,…, p ; st = (s1t , s2t, …, smt) Y bao gồm m biến ngẫu nhiên dừng; u vecto nhiễu trắng, st vecto yếu tố xác định, bao gồm số, xu tuyến tính đa thức Mơ hình gọi mơ hình VAR bậc p, ký hiệu VAR(p) Ví dụ: Khi dự báo cho nhiều chuỗi GDP M2, inf M2 hay GDP, M2, tỷ giá, inf,…, ta dùng mơ hình VAR Ví dụ biểu diễn mơ hình VAR(1): { = 11 + 12 −1 + 13 −1 + = 21 + 22 −1 + 23 −1 + VAR bậc ta viết trễ bậc Các bước thực 3.1 Kiểm định tính dừng Ta sử dụng kiểm định nghiệm đơn vị Tích kép vào chuỗi, vào View → Unit Root Test… Ở khung Test for unit root in, ta kiểm định cho chuỗi lựa chọn chuỗi đó: + Level: chuỗi gốc + st difference: sai phân bậc + nd difference: sai phân bậc Kết cho p-value nhỏ chuỗi dừng, chuỗi gốc chưa phải chuỗi dừng, kiểm định tiếp cho sai phân bậc bậc Khi ước lượng VAR nên để chuỗi dừng bậc 3.2 Tìm độ trễ ước lượng mơ hình Để ước lượng mơ hình VAR, việc xác định độ trễ kỹ lưỡng Nếu độ trễ lớn dẫn đến tham số cần ước lượng nhiều, địi hỏi kích thước mẫu phải đảm bảo đủ lớn Nếu độ trễ nhỏ mơ hình bỏ sót biến có ý nghĩa Vì xây dựng mơ hình VAR ta cần xác định độ trễ tốt Độ trễ tối ưu lựa chọn dựa tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) tiêu chuẩn thông tin Hannan Qiunn (HQ) Độ trễ làm cho thống kê nói nhận giá trị nhỏ xem độ trễ tối ưu mơ hình Trước tiên, ta bơi đen hai chuỗi, sau vào Open → as Var Từ kết VAR → chọn View → Lag Structure → Lag Length Criteria → Hộp thoại Lag Specification xuất hiện: chọn độ trễ Lags to indude → OK → Bảng kết lên → Chọn độ trễ tối ưu Ở số độ trễ tốt gắn dấu (*) Khi chọn độ trễ tối ưu xong ta vào Estimate ô Lag Intervals for Endogenous điều chỉnh lại độ trễ tối ưu → OK 3.3 Kiểm tra mơ hình Để kiểm tra xem mơ hình VAR có ổn định hay khơng, ta vào View → Lag Structure → AR Roots Graph Nếu điểm nằm đường trịn đơn vị mơ hình ổn định Với kiểm định nhiễu trắng, ta vào View → Residual Tests → Correlograms… chọn Lags: 12 Nhìn giản đồ nhiễu khơng có tự tương quan (nằm đường biên) 12 độ trễ liên tiếp vượt qua kiểm định Tiếp theo kiểm định nhân Granger Kiểm định nhân Granger sử dụng nghiên cứu nhằm trả lời câu hỏi đơn giản có hay khơng thay đổi X xảy Y ngược lại Trong mơ hình VAR, tập hợp biến hồi quy dựa giá trị khứ thân giá trị biến khác Mối quan hệ biến gắn kết với nhau, đưa vào độ trễ biến phương trình mở rộng tương quan số “nhiễu trắng” phương trình khác Để kiểm định nhân Granger, ta làm sau: View → Lag Structure → Granger Causality/ Block Exogeneity Tests Sau kiểm tra xem biến có quan hệ nhân với hay khơng dựa vào giá trị P-value Để xem xét ta có nên bỏ độ trễ hay không, ta vào View → Lag Structure → Lag Exclusion Tests Nếu p-value nhỏ ta giữ lại độ trễ 3.4 Hàm phản ứng Mơ hình VAR ghi dấu ấn lý thuyết kinh tế, đưa sở thuận lợi hữu ích việc phân tích sách Hàm phản ứng (IRF) xem ảnh hưởng biến đến biến khác hệ thống Đó cơng cụ hiệu phân tích nguyên nhân thực nghiệm phân tích hiệu sách Đây quan điểm quan trọng liên quan đến IRF VAR Trong mơ hình VAR, cú sốc biến i – yếu tố ngẫu nhiên phương trình biến đổi với biến i – khơng ảnh hưởng đến biến i mà cịn lan truyền đến biến nội sinh khác thông qua cấu trúc VAR Hàm phản ứng mô tả ảnh hưởng cú sốc thời điểm đến biến nội sinh tương lai Để thấy hàm phản ứng, ta thực sau: Impulse → Chọn kì Periods thẻ Display chọn phương pháp thẻ Impulse Definition Từ hình vẽ, ta đọc cú sốc tác động kéo dài kì, biến phản ứng nhanh hay chậm cú sốc Từ giúp nhà hoạch định đưa sách phù hợp 3.5 Dự báo cho mơ hình Trong trường hợp biến có mối quan hệ Granger, ta thực sau: Proc → Make Model → Solve Sau thực dự báo cho ngồi mẫu Nếu biến có mối quan hệ nội sinh – ngoại sinh, ta phải tiến hành xây dung kịch để dự báo Và trường hợp khơng có hai mối quan hệ trên, ta phải xây dựng lại mơ hình KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values Trong nghiên cứu sử dụng mơ hình Var cho hai chuỗi CPI Revenue Tuy nhiên, để kết dự báo tốt nhóm tiến hành tạo log cho hai chuỗi theo hai lệnh: genr lncpi = log(cpi) genr lnrevenue = log(revenue) Sau tạo chuỗi tiếp tục thực bước dự báo phần quy trình dự báo 1 Kiểm tra tính dừng Chuỗi số liệu sử dụng mơ hình VAR giả định chuỗi dừng, để dự báo doanh thu bán hàng cung cấp dịch vụ Công ty cổ phần Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 mơ hình ta cần phải xem xét kiểm định tính dừng chuỗi liệu nghiên cứu Trước tiên, dựa vào việc quan sát đồ thị chuỗi số liệu, sau tiến hành kiểm tra tính chất thơng qua kiểm định phổ biến: kiểm định nghiệm đơn vị (unit root test) Chuỗi LNREVENUE Bảng Kiểm định tính dừng chuỗi LNREVENUE Null Hypothesis: D(REVENUE,2) has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* -9.692279 0.0000 -3.577723 -2.925169 -2.600658 Theo kết bảng cho thấy, chuỗi LNREVENUE dừng sai phân bậc (Do p-value = 0.0000 < 0.05 hay 5%) Do chuỗi LNREVENUE dừng sai phân bậc nên nhóm nghiên cứu kiểm định tính dừng chuỗi LNCPI sai phân bậc Chuỗi LNCPI Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values Bảng Kiểm định tính dừng chuỗi LNCPI Null Hypothesis: D(LNCPI,2) has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* -6.334397 0.0000 -3.577723 -2.925169 -2.600658 Theo kết bảng cho thấy, chuỗi LNCPI dừng sai phân bậc (Do pvalue = 0.0000 < 0.05 hay 5%)  Từ hai kết nêu trên, ta tiến hành lựa chọn sai phân bậc cho hai chuỗi LNCPI LNREVENUE Tìm p ước lượng mơ hình Sau lựa chọn sai phân bậc cho hai chuỗi, nhóm nghiên cứu xác định độ trễ cho mơ hình thông qua thao tác Lag structure với Lag length = 12, nhóm kết sau: Bảng Tìm độ trễ phù hợp cho mơ hình VAR Lag Order Selection Criteria Endogenous variables: D(LNCPI,2), D(LNREVENUE,2) Exogenous variables: C Sample: 2005Q4 2020Q4 Included observations: 39 Lag LogL LR FPE AIC SC HQ 106.9746 NA 1.57e-05 -5.383315 -5.298005 -5.352707 115.0820 14.96744 1.28e-05 -5.593949 -5.338017 -5.502123 118.2782 5.572822 1.33e-05 -5.552728 -5.126173 -5.399684 147.0267 47.17703 3.76e-06 -6.821882 -6.224706 -6.607620 156.9796 15.31222 2.80e-06 -7.127161 -6.359363* -6.851682 158.7814 2.587148 3.18e-06 -7.014431 -6.076011 -6.677734 169.5482 14.35579 2.30e-06 -7.361448 -6.252407 -6.963534 171.8873 2.878893 2.58e-06 -7.276274 -5.996611 -6.817142 179.1627 8.208077 2.27e-06 -7.444240 -5.993956 -6.923891 191.0583 12.20063* 1.60e-06 -7.849143 -6.228237 -7.267576 10 196.3256 4.862129 -7.914134 -6.122606 -7.271349 11 203.7875 6.122606 1.49e-06* -8.091668 -6.129519 -7.387666* 12 208.5752 3.437315 1.62e-06 -8.132063* -5.999291 -7.366843 1.62e-06 * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion Từ bảng 3, nhóm nghiên cứu nhận thấy rằng, độ trễ 4, 9,11, 12 độ trễ hiệu Tuy nhiên, nghiên cứu này, nhóm lựa chọn độ trễ tiêu biểu khoảng từ đến cho kết sau: Bảng Ước lượng mơ hình VAR Vector Autoregression Estimates Sample (adjusted): 2008Q3 2018Q4 Included observations: 42 after adjustments Standard errors in ( ) & t-statistics in [ ] D(LNCPI(-1),2) D(LNCPI(-2),2) D(LNCPI(-3),2) D(LNCPI,2) D(LNREVENUE,2) -0.252681 -0.013029 (0.15908) (0.41977) [-1.58836] [-0.03104] -0.105185 0.150598 (0.13920) (0.36731) [-0.75563] [ 0.41000] -0.240750 -0.648561 D(LNCPI(-4),2) D(LNCPI(-5),2) D(LNCPI(-6),2) D(LNCPI(-7),2) D(LNCPI(-8),2) D(LNCPI(-9),2) D(LNREVENUE(-1),2) D(LNREVENUE(-2),2) D(LNREVENUE(-3),2) D(LNREVENUE(-4),2) (0.12949) (0.34168) [-1.85926] [-1.89815] -0.714533 0.158135 (0.13831) (0.36497) [-5.16607] [ 0.43328] -0.437168 -0.293633 (0.16149) (0.42612) [-2.70717] [-0.68909] -0.074416 -0.347259 (0.13690) (0.36123) [-0.54359] [-0.96131] -0.223183 -0.425819 (0.13479) (0.35569) [-1.65573] [-1.19718] -0.469018 0.593128 (0.13261) (0.34991) [-3.53688] [ 1.69506] -0.438621 0.482639 (0.15143) (0.39959) [-2.89649] [ 1.20784] 0.073076 -1.471149 (0.06527) (0.17222) [ 1.11965] [-8.54228] 0.042472 -1.273812 (0.10819) (0.28550) [ 0.39255] [-4.46175] -0.026678 -0.887873 (0.12822) (0.33833) [-0.20807] [-2.62427] -0.164779 0.089006 D(LNREVENUE(-5),2) D(LNREVENUE(-6),2) D(LNREVENUE(-7),2) D(LNREVENUE(-8),2) D(LNREVENUE(-9),2) C (0.13430) (0.35438) [-1.22696] [ 0.25116] -0.092688 0.604442 (0.12924) (0.34103) [-0.71718] [ 1.77242] 0.004533 0.653295 (0.11627) (0.30679) [ 0.03899] [ 2.12945] 0.050781 0.409093 (0.08869) (0.23402) [ 0.57258] [ 1.74808] 0.147509 0.393731 (0.06201) (0.16362) [ 2.37895] [ 2.40643] 0.037838 0.293643 (0.03802) (0.10033) [ 0.99514] [ 2.92674] -0.001520 -0.003230 (0.00297) (0.00784) [-0.51183] [-0.41217] Theo bảng 4, d(LNCPI,2) có ý nghĩa bậc (do t = -5.16607 < -1.96); d(LNREVENUE,2) có ý nghĩa bậc (do t = 2.12945 > 1.96) Do đó, khẳng định rằng: Mơ hình hồn tồn có ý nghĩa Kiểm định mơ hình 3.1 Var có ổn định hay khơng? Hình Kiểm định tính ổn định khả nghịch mơ hình Từ hình nhận thấy, mơ hình VAR ổn định tất điểm nằm vịng trịn đơn vị (có giá trị nằm đoạn (-1,1)) 3.2 Kiểm định nhiễu trắng Sau kiểm định tính ổn định Var, nhóm tiến hành kiểm định nhiễu trắng thông qua thao tác Autocorrelation LM Test, thu kết sau: Bảng Kiểm định nhiễu trắng mơ hình VAR Residual Serial Correlation LM Tests Sample: 2005Q4 2020Q4 Included observations: 42 Null hypothesis: No serial correlation at lag h Lag LRE* stat df Prob Rao F-stat 6.021217 0.1976 1.581906 (4, 40.0) 0.1978 4.602167 0.3306 1.187903 (4, 40.0) 0.3309 6.532218 0.1628 1.727160 (4, 40.0) 0.1630 3.950681 0.4127 1.011533 (4, 40.0) 0.4130 7.050328 0.1333 1.876294 (4, 40.0) 0.1335 6.590107 0.1592 1.743729 (4, 40.0) 0.1595 2.987073 0.5600 0.755751 (4, 40.0) 0.5602 10 df Prob 8 3.056488 0.5484 0.773976 (4, 40.0) 0.5486 1.489303 0.8285 0.369923 (4, 40.0) 0.8286 10 1.498132 0.8270 0.372156 (4, 40.0) 0.8271 11 1.946810 0.7455 0.486285 (4, 40.0) 0.7457 12 6.475665 0.1663 1.710995 (4, 40.0) 0.1666 Từ kết thu được, nhóm nghiên cứu nhận thấy 12 độ trễ liên tiếp tự tương quan (p-value > 5%) Vậy kết luận mơ hình có nhiễu trắng 3.3 Kiểm định mối quan hệ nhân Kiểm định Granger sử dụng để kiểm tra mối quan hệ qua lại số LNREVENUE số LNCPI Kết kiểm định mối quan hệ nhân Granger thể bảng 6: Bảng Kiểm định mối quan hệ nhân Granger VAR Granger Causality/Block Exogeneity Wald Tests Sample: 2005Q4 2018Q4 Included observations: 42 Dependent variable: D(LNCPI,2) Excluded Chi-sq D(LNREVENUE,2) 19.76639 All 19.76639 df Prob 0.0194 0.0194 Dependent variable: D(LNREVENUE,2) Excluded Chi-sq df Prob D(LNCPI,2) 15.29817 0.0831 All 15.29817 0.0831 - Chỉ số LNREVENUE tác động lên LNCPI có ý nghĩa thống kê (P-value = 0.0194) - Chỉ số LNCPI tác động lên LNREVENUE (P-value = 0.0831) Hay nói cách khác, hai biến LNCPI LNREVENUE có mối quan hệ Granger mức ý nghĩa 10% Nhóm nghiên cứu dự báo mơ hình mà khơng cần xây dựng kịch cho biến 11 Hàm phản ứng Hàm phản ứng cho biết phản ứng biến có cú sốc từ biến khác hay từ thể hình 2: Hình Hàm phản ứng mơ hình Hình cho thấy: - Đường phản ứng LNREVENUE có cú sốc từ LNREVENUE hội tụ sau thời gian dài - Đường phản ứng LNREVENUE có cú sốc từ LNCPI hội tụ sau 58 kì - Đường phản ứng LNCPI có cú sốc từ LNREVENUE hội tụ sau 37 kì - Đường phản ứng LNCPI có cú sốc từ LNREVENUE hội tụ sau 48 kì Nhóm nghiên cứu nhận thấy hai biến phản ứng chậm với cú sốc, thay đổi sách Dự báo 5.1 Dự báo mẫu Từ thẻ Proc cửa số Estimate, chọn lệnh Make Model sau chọn hộp thoại Solve, nhóm nghiên cứu thu kết dự báo cho thời kì 2019Q1 – 2020Q4 thể bảng 7: 12 Bảng Kết dự báo mẫu LNCPI_0 LNREVENUE_0 2019Q1 4.628995 16.37623 2019Q2 4.609056 16.46053 2019Q3 4.597087 16.46093 2019Q4 4.592584 16.40265 2020Q1 4.589045 16.41573 2020Q2 4.588080 16.50164 2020Q3 4.583210 16.49378 2020Q4 4.579120 16.42395 Bảng thể dự báo cho hai biến LNREVENUE LNCPI cho thời kỳ 2019Q1 – 2020Q4 chưa phải dự báo cho chuỗi gốc ban đầu 5.2 Dự báo chuỗi gốc Để dự báo cho chuỗi gốc, nhóm nghiên cứu tạo hai biến cách phá log hai biến LNREVENUE LNCPI lệnh sau: genr revenue_0 = exp(lnrevenue_0) genr cpi_0 = exp(lncpi_0) Sau tạo hai biến mới, nhóm nghiên cứu thu kết dự báo cho chuỗi gốc thời kỳ 2019Q1 – 2020Q4 Để thể rõ so sánh hai số REVENUE CPI thời kì, nhóm nghiên cứu xin trình bày bảng số liệu CPI REVENUE tất thời kì sau dự báo bảng sau : Bảng Chuỗi sau dự báo CPI_0 REVENUE_0 2005Q4 108.4000 1100324 2006Q1 108.3000 1291223 2006Q2 107.4700 1543940 2006Q3 107.3000 1927465 2006Q4 106.7300 1900295 2007Q1 106.5800 1383926 2007Q2 107.4200 1737701 2007Q3 108.6900 1841047 13 2007Q4 110.6600 1886026 2008Q1 116.3900 1840528 2008Q2 124.4700 2107667 2008Q3 127.7500 2170198 2008Q4 123.6100 2291731 2009Q1 114.5000 2109616 2009Q2 106.2500 2728190 2009Q3 102.5700 3061074 2009Q4 104.6200 2928997 2010Q1 108.5100 3304641 2010Q2 108.9900 4084308 2010Q3 108.4300 4522303 2010Q4 113.5000 4233552 2011Q1 112.7900 4629443 2011Q2 119.1000 5537945 2011Q3 122.5300 5812690 2011Q4 119.8500 6090478 2012Q1 115.9500 5984554 2012Q2 108.5900 7151522 2012Q3 105.6200 6761166 2012Q4 105.5700 7204441 2013Q1 106.9100 6817400 2013Q2 106.5500 8234419 2013Q3 106.8800 8190580 2013Q4 105.9100 8343608 2014Q1 104.8300 7722266 2014Q2 104.7200 9439872 2014Q3 104.2900 8926520 2014Q4 102.5600 9493406 2015Q1 100.7400 8771338 2015Q2 100.9800 10520024 14 2015Q3 100.5000 10577329 2015Q4 100.3100 10353908 2016Q1 101.2500 10369870 2016Q2 102.1900 12491188 2016Q3 102.7700 12265677 2016Q4 104.4500 11838267 2017Q1 104.9600 12074425 2017Q2 103.3400 13386878 2017Q3 103.0900 13308558 2017Q4 102.7300 12365038 2018Q1 102.8200 12131964 2018Q2 103.7600 13738446 2018Q3 104.1400 13743499 2018Q4 103.4400 13015322 2019Q1 102.4111 12945127 2019Q2 100.3893 14083719 2019Q3 99.19494 14089354 2019Q4 98.74927 13291696 2020Q1 98.40041 13466693 2020Q2 98.30550 14674766 2020Q3 97.82792 14559875 2020Q4 97.42862 13577845 Phần bơi đậm kết dự báo cho thời kì 2019Q1 – 2020Q4 Từ kết nghiên cứu, nhóm tác giả nhận thấy số CPI có xu hướng giảm dần thời kì 2019Q1 – 2020Q4 so với thời kì trước Trái lại, số REVENUE lại có xu hướng tăng giảm thất thường có xu hướng tăng quý 2, quý năm 2019 quý năm 2020 lại có xu hướng giảm q cịn lại; nhìn chung so với giai đoạn trước, số có xu hướng tăng 15 KẾT LUẬN Bài nghiên cứu sử dụng mơ hình VAR để dự báo doanh thu bán hàng cung cấp dịch vụ Công ty cổ phần Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 tác động Chỉ số giá tiêu dùng CPI Kết cho thấy mơ hình phù hợp doanh thu Vinamilk theo quý năm tới có tăng trưởng so với kì năm trước Tuy nhiên, giai đoạn nay, kinh tế có nhiều biến động tác động đến kết dự báo Vì thế, việc dự báo doanh thu bán hàng cung cấp dịch vụ Vinamilk tương lai tồn sai số định Dù vậy, kết nghiên cứu phần cung cấp cho nhà đầu tư nhà sách thơng tin hữu ích giúp đưa định đầu tư, chiến lược kinh doanh hay sách thích hợp để tối đa hóa lợi nhuận, nâng cao vị doanh nghiệp Một môi trường kinh tế vĩ mô ổn định quốc gia tạo điều kiện thuận lợi cho doanh nghiệp phát triển, nâng cao vị thương hiệu doanh nghiệp khu vực giới Đồng thời, lớn mạnh doanh nghiệp tạo nên ổn định cho thị trường ổn định kinh tế vĩ mơ Do đó, cần hoạch định sách tài khóa tiền tệ cho hợp lý hiệu nhằm đạt mục tiêu phát triển bền vững dài hạn kinh tế Đồng thời, doanh nghiệp muốn tối đa hóa lợi nhuận, tăng cường sức mạnh giá trị thương hiệu cần xây dựng cho chiến lược phát triển dài hạn với mục tiêu rõ ràng Trong đó, doanh nghiệp phải hướng tới mục tiêu nâng cao chất lượng sản phẩm, dịch vụ, phục vụ lợi ích lâu dài người tiêu dùng phát triển xã hội 16 TÀI LIỆU THAM KHẢO Nguyễn Quang Dong, Nguyễn Thị Minh, 2015, Giáo trình Kinh tế lượng, Nhà xuất Đại học Kinh tế Quốc dân Triển vọng Kinh tế Tài 2018, Chuyên san Kinh tế Tài – Ngân hàng (Số 15, tháng 05/2018), trang 23 - 30, https://fb.uel.edu.vn/Resources/Docs/SubDomain/fb/Chuy%C3%AAn%20san/cs1 5_mau_web.pdf?fbclid=IwAR1-kH68m_CZsO4c0DgRw63vGH16OkRmUps72cm6M0PHRJAd6lflPejWyw Báo cáo tài Vinamilk, https://www.vinamilk.com.vn/vi/thong-tin-taichinh Chỉ số giá tiêu dùng, Tổng cục thống kê, http://www.gso.gov.vn/default.aspx? tabid=628 17 ... dụng mơ hình VAR để dự báo doanh thu bán hàng cung cấp dịch vụ Công ty cổ phần Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 tác động Chỉ số giá tiêu dùng CPI Kết cho thấy mơ hình. .. I năm 2019 đến quý IV năm 2020 tác động Chỉ số giá tiêu dùng CPI mơ hình VAR? ?? dựa liệu thu thập từ quý IV năm 2005 đến quý IV năm 2018 DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU Dữ liệu Số liệu phục vụ. .. Sữa Việt Nam Vinamilk từ quý I năm 2019 đến quý IV năm 2020 mô hình ta cần ph? ?i xem xét kiểm định tính dừng chu? ?i liệu nghiên cứu Trước tiên, dựa vào việc quan sát đồ thị chu? ?i số liệu, sau tiến