Thực trạng xây dựng mô hình dự báo kinh tế vĩ mô sử dụng kỹ thuật giảm chiều dữ liệu và chỉ số dẫn báo và bài học kinh nghiệm

Trong bài viết này, tác giả đã khảo sát thực trạng xây dựng mô hình dự báo kinh tế vĩ mô bằng sử dụng phương pháp chỉ số dẫn báo và kỹ thuật giảm chiều dữ liệu. Từ việc khảo sát đã đưa ra các nhận xét chung về thực trạng xây dựng mô hình dự báo trên tập dữ liệu lớn bằng phương pháp này và rút ra những bài học kinh nghiệm nhằm giúp định hướng xây dựng mô hình dự báo kinh tế vĩ mô của Việt Nam.

224 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA THỰC TRẠNG XÂY DỰNG MƠ HÌNH DỰ BÁO KINH TẾ VĨ MÔ SỬ DỤNG KỸ THUẬT GIẢM CHIỀU DỮ LIỆU VÀ CHỈ SỐ DẪN BÁO VÀ BÀI HỌC KINH NGHIỆM Cù Thu Thủy* Đỗ Thị Lan Hương** Abstract: This article reviewed the use of dimension reduction methods and leading indicators in developing microeconomic forecasting models As a result, lessons learnt were presented and recommendations were made for the development of Vietnam’s economic forecasting model TÓM TẮT : Trong viết này, khảo sát thực trạng xây dựng mô hình dự báo kinh tế vĩ mơ sử dụng phương pháp số dẫn báo kỹ thuật giảm chiều liệu Từ việc khảo sát đưa nhận xét chung thực trạng xây dựng mô hình dự báo tập liệu lớn phương pháp rút học kinh nghiệm nhằm giúp định hướng xây dựng mơ hình dự báo kinh tế vĩ mơ Việt Nam Từ khóa: Dự báo kinh tế vĩ mô; Giảm chiều liệu; Chỉ số dẫn báo ĐẶT VẤN ĐỀ Dự báo số kinh tế vĩ mô vấn đề nhiều nhà khoa học giới quan tâm Độ xác dự báo giúp cho nhà lãnh đạo nhà kinh tế đưa định đắn sách, đường lối nhằm thúc đẩy phát triển kinh tế Hiện Việt Nam nước giới người ta hình thành ứng dụng nhiều phương pháp khác để dự báo số kinh tế vĩ mô chủ yếu theo tháng, quý năm Trong phương pháp thường sử dụng là: phương pháp chuyên gia, phương pháp ngoại suy, phương pháp điều tra, phương pháp chuỗi thời gian, phương pháp số dẫn báo mơ hình kinh tế lượng (hay hệ phương trình đồng thời) Những năm gần giới có nhiều nghiên cứu xây dựng mơ hình dự báo số kinh tế vĩ mô sử dụng phương pháp số dẫn báo phương pháp giảm chiều liệu (bao gồm phương pháp lựa chọn thuộc tính chọn lọc thuộc tính) Khác với phương pháp kinh tế lượng xây dựng mơ hình dự báo số kinh tế vĩ mơ biến giải thích lựa chọn để đưa vào mơ hình dự báo dựa theo lý thuyết kinh tế, phương pháp số dẫn báo, biến giải thích biến số (gọi tắt biến số) lựa chọn để đưa vào mơ hình dự báo thường * Học viện Tài chính, Đức Thắng, Bắc Từ Liêm, Hà Nội, Việt Nam ** Học viện Tài chính, Đức Thắng, Bắc Từ Liêm, Hà Nội, Việt Nam HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA 225 dựa mơ hình tốn học Những biến có liên quan cao đến biến phụ thuộc (là số kinh tế vĩ mô cần dự báo) theo mơ hình tốn học lựa chọn Các mơ hình dự báo tiêu kinh tế vĩ mô theo phương pháp nhiều nghiên cứu khẳng định hiệu phương pháp khác Bài viết nhằm mục đích nghiên cứu thực trạng việc xây dựng mơ hình dự báo tiêu kinh tế vĩ mơ sử dụng kết hợp kỹ thuật giảm chiều liệu phương pháp số dẫn báo nước Bài viết đưa nhận xét chung thực trạng xây dựng mơ hình dự báo tập liệu lớn phương pháp Cuối học kinh nghiệm rút nhằm giúp định hướng xây dựng mơ hình dự báo kinh tế vĩ mô cho Việt Nam THỰC TRẠNG XÂY DỰNG MƠ HÌNH DỰ BÁO CÁC CHỈ TIÊU KINH TẾ VĨ MÔ SỬ DỤNG KỸ THUẬT GIẢM CHIỀU DỮ LIỆU VÀ PHƯƠNG PHÁP CHỈ SỐ DẪN BÁO Phương pháp chi số dẫn báo sử dụng lần đầu vào cuối năm 1937 Wesley Mitchell, Arthur Burns (Mitchell and Burns, 1938) Các tác giả xây dựng danh sách số báo trước, báo đồng thời báo sau để nghiên cứu chu kỳ kinh doanh kinh tế Hoa Kỳ Kể từ đó, số đặc biệt số báo trước báo đồng thời đóng vai trị quan trọng việc phân tích dự báo kinh tế vĩ mơ Stock Watson (1989) trình bày kết dự án sửa đổi số báo trước báo đồng thời sử dụng cộng cụ chuỗi thời gian kinh tế Dự án đề xuất mơ hình tốn học để lựa chọn số thay cho số có Đưa khái niệm số tốt nhất, thành phần số báo trước cách kết hợp số có để tạo số chung hữu ích đáng tin cậy Dự án đề xuất mơ hình nhân tố động biến số báo đồng thời báo trước thủ tục ước lượng mơ hình Nghiên cứu số dẫn báo, đặc biệt số báo trước ngày trở lên quan trọng phân tích kinh tế dự báo điểm chuyển đổi kinh tế từ tăng trưởng sang suy thoái ngược lại Stock Watson (1993) đề xuất thủ tục dự báo khủng hoảng kinh tế sử dụng số báo trước số tổng hợp từ số Bài báo đề xuất mơ hình tốn học để dự báo khủng hoảng kinh tế Mơ hình ứng dụng vào thực nghiệm với khủng hoảng khứ kết cho thấy mô hình cung cấp xác suất xảy khủng hoảng cao Bài báo đưa dẫn việc ứng dụng số báo trước dự báo kinh tế Qua thấy mơ hình dự báo kinh tế sử dụng số báo trước mô hình dự báo khơng điều kiện, tức khơng cần phải dự báo biến giải thích mơ hình Và mơ hình dự báo có biến số báo đồng thời mơ hình dự báo có điều kiện, biến số báo đồng thời phải dự báo ngồi mơ hình dự báo số kinh tế vĩ mô xây dựng Những tiến công nghệ thông tin làm cho việc truy cập thời gian thực, với chi phí hợp lý, hàng ngàn chuỗi thời gian kinh tế nhiều kinh tế khác hoàn toàn thực Điều làm tăng triển vọng biên giới dự báo kinh tế vĩ mơ, số lượng lớn chuỗi thời gian sử dụng để dự báo số biến số kinh tế quan trọng, chẳng hạn tổng giá trị sản xuất lạm phát quốc gia Các mơ hình chuỗi thời gian sử dụng cho dự báo kinh tế vĩ mô, nhiên, kết hợp vài số, chẳng hạn mơ hình VAR, thường chứa 10 biến số Mặc dù sử dụng kỹ thuật lựa chọn thuộc tính (biến) để chọn tập hợp nhỏ yếu tố làm biến giải thích từ tập hợp lớn biến có tiềm hữu ích Hiệu phương pháp cuối dựa vào vài biến lựa chọn Ví dụ, hoạt động kinh tế thực tế thường 226 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA sử dụng để dự đoán lạm phát (được gọi lý thuyết đường cong Philips), tỷ lệ thất nghiệp, tỷ lệ sử dụng lực sản xuất, độ chênh sản lượng thước đo tốt hoạt động thực tế cho mục đích này? Một cách tiếp cận khác so với việc chọn số biến giải thích gộp thơng tin tất biến giải thích ứng viên Các tiêu kinh tế vĩ mô đa biến (như GDP, lạm phát, tỷ lệ thất nghiệp, ) thường chịu ảnh hưởng số lượng lớn yếu tố Vấn đề số lượng biến độc lập (yếu tố) đưa vào hồi quy bị giới hạn đáng kể Vấn đề trở nên nghiêm trọng chuỗi thời gian liệu quán tương đối ngắn Một khác biệt khác biến sử dụng biến độc lập hồi quy thường có mối tương quan lẫn Điều gây vấn đề đa cộng tuyến Để tránh vấn đề này, nhà dự báo thường sử dụng số lượng nhỏ số hồi quy thiết kế để dự báo biến kinh tế vĩ mô phức tạp, bỏ qua nhiều yếu tố quan trọng khác Trong nghiên cứu (Stock and Watson, 2002B) tác giả sử dụng mơ hình nhân tố xấp xỉ cho mục đích này, số lượng lớn biến giải thích tiềm thay số biến ước tính Ý tưởng thực có lịch sử lâu dài kinh tế vĩ mơ Các mơ hình cân động kinh tế vĩ mô đại thường quy định tập hợp nhỏ biến dẫn dắt chịu trách nhiệm cho thay đổi biến chuỗi thời gian vĩ mô biến dẫn dắt xem tập yếu tố chung Việc diễn giải biến số ước tính theo thuật ngữ số khuếch tán phát triển nhà phân tích chu kỳ kinh doanh Viện nghiên cứu kinh tế quốc gia Hoa Kỳ (NBER) để đo lường chuyển động chung tập biến kinh tế vĩ mơ, theo người ta gọi biến ước tính số khuếch tán Nói chung, mơ hình dự báo số kinh tế vĩ mơ có số số khuếch tán (trong hầu hết trường hợp, có hai số khuếch tán) có chất lượng dự báo tốt, độ xác dự báo cải thiện rõ rệt so với mơ hình dự báo xây dựng số biến số lựa chọn Nghiên cứu Stock and Watson (2002B) đề xuất xây dựng mơ hình dự báo số kinh tế vĩ mơ sử dụng số lớn biến số làm biến giải thích Từ nội dung tác giả trình bày thấy việc xây dựng mơ hình dự báo tập số lượng lớn biến giải thích tiềm thực qua hai bước Bước từ tập biến ban đầu, xây dựng tập biến có số lượng nhỏ nhiều để thay tập biến ban đầu mơ hình dự báo cách sử dụng kỹ thuật phân tích thành phần PCA Bước ước lượng mơ hình nhân tố cổ điển với biến sinh Phương pháp thành phần có hai ưu điểm Đầu tiên, cho phép giảm số lượng biến độc lập mà giữ thơng tin có giá trị số ban đầu Thứ hai, thành phần chính, khơng tương quan tuyến tính với nên tránh vấn đề đa cộng tuyến Nghiên cứu hạn chế việc sử dụng các số dẫn báo riêng lẻ Từng số đo lường tính khác hoạt động kinh tế, từ đóng vai trị khác suy thối kinh tế Có số cho thực tốt với liệu khứ lại không đạt kết dự báo mong đợi (như số tiêu dùng) Một số số khác lại thực việc dự báo thời kỳ tốt (như số thị trường chứng khoán) Việc kết hợp dự báo với nhiều số kinh tế dẫn báo hỗ trợ vấn đề cảnh báo kinh tế thời kỳ khó khăn năm 2001 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA 227 Phương pháp MIDAS (Mixed Data Sampling) Ghysels cộng (Ghysels et al., 2004) đề xuất Phương pháp có biến giải thích biến có tần suất xuất cao biến trễ biến Hệ số biến giải thích trễ hàm trễ phân tán Các hệ số tính cần số lượng nhỏ thơng số cần ước tính Khi xây dựng liệu biến kinh tế vĩ mô (như tốc độ tăng trưởng Mỹ), phương pháp MIDAS bổ sung thêm thành phần tự hồi quy AR vào từ gọi phương pháp MIDAS-AR (Ghysels et al., 2007) Michael Ana (2009) thực dự báo tốc độ phát triển kinh tế Mỹ sử dụng phương pháp MIDAS với số dẫn báo trước Kết nghiên cứu cho thấy việc kết hợp số phương pháp MIDAS tốt so với kết hợp dự báo số dự đoán hướng thay đổi tăng trưởng biến sử dụng liệu thời gian thực (real-time data) dự báo, tức cho phép thực lặp lại việc ước lượng dự báo thời điểm Nghiên cứu (Michael and Ana, 2009) thực phương pháp MIDAS theo hướng tiếp cận mơ hình trễ phân phối tự hồi quy ADLM (autoregressive distributed lag model) sử dụng số liệu theo quý Phương pháp ước lượng cho thời kỳ (với giá trị cụ thể số h) Các tác giả sử dụng tiêu chuẩn SIC để lựa chọn độ trễ sử dụng phương pháp MIDAS kết hợp nhiều số dẫn báo để dự báo tăng trưởng số biến năm tiếp sau Dữ liệu 10 số kinh tế từ tháng năm 1959 đến tháng 12 năm 2003 chuyển theo quý việc dự báo thực theo quý Kết so sánh phương pháp cho thấy MIDAS kết hợp nhiều số cho kết dự báo xác so với phương pháp MIDAS so với phương pháp tự hồi quy Theo (Massimiliano, 2006) phương pháp dự báo sử dụng số dẫn báo đồng thời số dẫn báo trước phân chia thành nhóm là: Phương pháp nhân tố động (dynamic factor models); phương pháp mơ hình hàm chuyển Markov (Markov switching models) phương pháp VAR (Vector Autoregression) Nhiều cơng trình phương pháp dự báo giới giới thiệu nghiên cứu Phát triển tiếp ý tưởng nghiên cứu (Stock and Watson, 2002B) với biến giải thích biến có tần suất xuất cao (Ghysels et al., 2004), nhiều quốc gia Mỹ, Đức, Nhật, Nga, Trung Quốc, Ấn Độ, Hàn Quốc, Canada, Thổ Nhĩ Kỳ, Mê Hy Cô, xây dựng mơ hình dự báo kinh tế quốc dân sử dụng phương pháp số dẫn báo với biến giải thích xuất với tần suất cao thực phương pháp giảm chiều liệu (cụ thể sử dụng kỹ thuật phân tích thành phần PCA) xây dựng mơ hình dự báo Các mơ hình dự báo quốc gia trình bày chi tiết (Klein, 2009A, 2009B) Nghiên cứu (Giovannelli and Proietti, 2016) thực nghiệm phương pháp số dẫn báo tần suất cao liệu Hoa Kỳ Thực nghiệm Nghiên cứu dự báo biến kinh tế vĩ mô tập chuỗi thời gian kinh tế gồm 121 quý Hoa Kỳ quan sát từ quý I năm 1959 đến quý II năm 2011 là: Chỉ số sản xuất công nghiệp (IPI); Tổng số việc làm: Bảng lương phi nông nghiệp (NPE); Tỷ lệ thất nghiệp (UR); Nhà lần đầu (HS); Chỉ số giá tiêu dùng (CPI); Tín phiếu kho bạc 10 năm (TB); Thu nhập cá nhân thực tế (RPI) Tổng sản phẩm quốc dân (GNP) Kết thực nghiệm cho thấy việc lựa chọn trước thuộc tính phân tích thành phần PCA nhiều lần học có giám sát cải tiến độ xác dự báo so với phương pháp tự hồi quy 228 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA so với phương pháp số khuếch tán (Stock and Watson, 2002A) Phương pháp dự báo đề xuất nghiên cứu cụ thể gồm bước sau: (i) Sử dụng phương pháp số khuếch tán để tính tốn ước lượng dự đốn ban đầu; (ii) Chọn thuộc tính từ tập thuộc tính ban đầu phương pháp phân tích thành phần chính; (iii) Sử dụng thành phần chọn cho phương pháp dự báo hồi quy Thực học có giám sát theo phương pháp dự báo hồi quy để lựa chọn thuộc tính tốt cho việc dự báo Những nghiên cứu (Urasawa, 2014; Kim and Swanson, 2017; Chikamatsu et al., 2018, Mishra and Sajja 2018) phát triển tiếp ý tưởng nghiên cứu giới thiệu (Stock and Watson, 2002A, B; Klein, 2009A) việc dự báo từ số kinh tế vĩ mô (nowcasting) Về chất cách tiếp cận xây dựng mơ hình dự báo tần suất cao, số có tần suất cao bao gồm số cứng (như số thống kê) số mềm (có qua điều tra) Mơ hình dự báo sử dụng mơ hình dự báo tình trạng mơ hình phương trình bắc cầu với nhân tố mơ hình MIDAS với nhân tố Khái niệm nhân tố thành phần trích xuất từ tập liệu tập lớn số đầu vào tần suất cao Một số số tần suất cao có ảnh hưởng mạnh đến số kinh tế cần dự báo đưa trực tiếp vào mơ hình với trễ chúng Vì mơ hình phương trình bắc cầu với nhân tố không khác biệt với mơ hình dự báo số kinh tế vĩ mô quý sử dụng quốc gia liệt kê (Klein, 2009A) Khác với phát triển, sơi động xây dựng mơ hình dự báo sử dụng kỹ thuật giảm chiều liệu tập liệu khoa học tập liệu kinh tế - xã hội lớn, việc xây dựng mơ hình phân tích dự báo theo cách tiếp cận Việt Nam nói đến nhiều 1-2 năm trở lại đây, đến thời điểm kết đạt hạn chế Hầu hết số mơ hình dự báo số kinh tế vĩ mô sử dụng phương pháp số dẫn báo Việt Nam, chẳng hạn (Cù Thu Thủy, et al, 2017, Dương Hoàng Linh, 2016; Đỗ Văn Thành, 2012) số kinh tế, để đối phó với tình trạng có nhiều số kinh tế có ảnh hưởng đến số kinh tế vĩ mô cần dự báo, nghiên cứu nêu sử dụng hệ số tương quan Pearson và/hoặc tri thức miền ứng dụng để lựa chọn số số coi có liên quan Nói cách khác phương pháp lựa chọn thuộc tính để giảm chiều liệu nghiên cứu giản đơn Đây cách làm phổ biến nhà mơ hình hóa lĩnh vực kinh tế Với cách tiếp cận có nhiều số có ảnh hưởng đến số kinh tế vĩ mô cần dự báo bị bỏ qua, không xem xét đưa vào mơ hình dự báo Đó ngun nhân làm cho độ xác dự báo mơ hình dự báo xây dựng bị hạn chế Việc sử dụng phương pháp giảm chiều liệu số dẫn báo để xây dựng mơ hình dự báo kinh tế - xã hội Việt Nam đến xuất số cơng trình nghiên cứu Đỗ Văn Thành cộng (2016, 2017, 2018) Nghiên cứu nhóm tác giả sử dụng kỹ thuật kết hợp phương pháp lựa chọn thuộc tính (hay lựa chọn tập số ban đầu) sử dụng phát quan hệ nhân Granger, sử dụng phân tích thành phần PCA nhằm giảm chiều liệu Lĩnh vực ứng dụng chủ yếu nhóm xây dựng mơ hình dự báo số VNINDEX, dự báo biến động giá cổ phiếu cụ thể niêm yết thị trường chứng khoán Việt Nam HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 229 NHẬN XÉT CHUNG VỀ THỰC TRẠNG XÂY DỰNG MƠ HÌNH DỰ BÁO TRÊN TẬP DỮ LIỆU LỚN BẰNG SỬ DỤNG CÁC PHƯƠNG PHÁP GIẢM CHIỀU DỮ LIỆU VÀ CHỈ SỐ DẪN BÁO 1, Các phương pháp xây dựng mơ hình dự báo sử dụng giảm chiều liệu lĩnh vực kinh tế-tài sử dụng số dẫn báo có tần suất xuất cao làm biến giải thích Các mơ hình dự báo quốc gia giới thiệu (Klein, 2009A) gọi mô hình dự báo tần suất cao hầu hết mơ hình mơ hình dự báo số kinh tế vĩ mô theo quý 2, Các mô hình dự báo tần suất cao theo quý xây dựng theo quy trình chung giống dựa nguyên tắc số kinh tế vĩ mô theo quý liên kết chặt chẽ với sẵn có thơng tin, liệu (tiềm có liên quan với số kinh tế vĩ mô cần dự báo) khoảng thời gian ngắn quý, công bố thực tế theo chu kỳ thời gian định, hàng ngày, hàng tuần hàng tháng Người ta tính giá trị trung bình số hàng ngày để giá trị số theo tuần, tính trung bình giá trị hàng tuần để giá trị số hàng tháng, tính giá trung bình hàng tháng để giá trị số theo quý 3, Để dự báo số kinh tế theo q, số mơ hình khơng sử dụng số thống kê theo quý có liên quan, mà sử dụng số (không thiết phải số kinh tế) thống kê theo tháng, chí theo ngày, theo tuần (khi số lượng số lớn), số mơ hình khác lại sử dụng (chẳng hạn mơ hình CQM Trung Quốc, Nga (Klein, 2009A)) số theo tháng lẫn số theo quý Khi số theo quý nội suy thành số theo tháng chúng hòa vào số tháng để tính thành phần theo tháng Từ thành phân theo tháng tính thành phần theo quý Các thành phần theo quý lựa chọn đưa vào mơ hình hồi quy để dự báo số kinh tế vĩ mơ q 4, Mơ hình dự báo số kinh tế vĩ mô theo quý thường mơ hình trễ phân bố tự hồi quy Lưu ý theo cách thực không phân biệt số ban đầu đâu số báo trước, đâu số báo đồng thời số kinh tế vĩ mô cần dự báo Thực tế số báo trước báo đồng thời chuyển vào thành phần việc sử dụng mơ hình trễ phân bố tự hồi quy nắm bắt thông tin báo trước báo đồng thời số cần dự báo 5, Để dự báo mẫu (dự báo tương lai) số kinh tế vĩ mơ cần phải dự báo thành phần có mơ hình Khí có cách tiếp cận: Một là: dự báo thành phần có mơ hình sử dụng mơ hình chuỗi thời gian đơn biến là: mơ hình tích hợp trung bình trượt tự hồi quy ARIMA; Hai là: dự báo số tháng cho tháng (nếu cần dự báo số kinh tế vĩ mô trước quý) 12 tháng (cho dự báo trước quý), sau chuyển đổi thành thành phần dự báo q q Mơ hình sử dụng để dự báo số tháng mơ hình ARIMA Theo cách tiếp cận thứ hai, có số liệu theo ngày, tuần tháng người ta nhanh chóng cập nhật lại để dự báo theo tháng từ cập nhật lại thành 230 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA phần theo quý cho phù hợp với diễn biến tình hình kết dự báo số kinh tế vĩ mơ trước điều chỉnh lại kết dự báo (cách thực (Michael and Ana, 2009) gọi dự báo thời gian thực Kết dự báo số kinh tế vĩ mơ mơ hình dự báo tần suất cao theo quý thường điều chỉnh sau hai tuần Việc thực thời gian đắc dụng công tác đạo điều hành kinh tế Chính phủ quan phủ 6, Cách tiếp cận xây dựng mơ hình tần suất cao khẳng định có độ xác dự báo vượt trội so với mơ hình dự báo truyền thống khác (Stock and Watson, 2002B; Baffigi et al., 2004; Urasawa, 2014; Kim and Swanson, 2017; Chikamatsu et al., 2018) Những mơ giúp nắm bắt kịp thời điều kiện kinh tế để điều chỉnh dự báo cho tương lai Cách tiếp cận ứng dụng không cho liệu cứng (dữ liệu thống kê) mà cho liệu mềm (dữ liệu điều tra) (Chikamatsu et al., 2018) khái niệm dự báo từ (nowcasting) liên quan đến mơ hình dự báo xây dựng theo cách tiếp cận (Giannone et al, 2009; Giannone and Reichlin, 2013; Kim and Swanson, 2017; Chikamatsu et al., 2018) 7, Có thể thấy mơ hình dự báo tần suất cao mơ hình dự báo xây dựng theo quy trình hai pha: giảm chiều liệu xây dựng mơ hình dự báo Ở phương pháp giảm chiều học thuộc tính sử dụng kỹ thuật PCA để chuyển tập gồm số lượng lớn số ban đầu thành tập gồm số nhiều thành phần Số lượng thành phần chọn làm biến độc lập mơ hình dự báo biến phụ thuộc chiếm khoảng 80% tổng phương sai tập số ban đầu Phương pháp lựa chọn thuộc tính nói đến việc lựa chọn số, nhìn chung chưa rõ ràng, thiếu gắn kết Hơn biết kỹ thuật giảm chiều PCA hiệu điểm liệu xấp xỉ siêu phẳng, trường hợp sử dụng PCA khơng hiệu quả, nói cách khác việc sử dụng thành phần tập số ban đầu mơ hình dự báo nói chung khơng cải thiện chất lượng dự báo Đó nhược điểm quan trọng mơ hình dự báo giới thiệu (Klein, 2009A) Chẳng hạn phân tích phương trình hồi quy mơ hình CQM Liên Bang Nga (Eskin and Gusev, 2009), cho việc ứng dụng kỹ thuật PCA để tìm thành phần chưa hiệu Bằng chứng số thành phần lớn đạt tổng tích lũy phương sai đạt mức 80% tổng phương sai tập liệu ban đầu Trong trường hợp nhận xét Stock Watson (Stock and Watson, 2002A) đáng tham khảo trùng hợp với suy nghĩ thực giảm chiều sử dụng kỹ thuật PCA Bài học kinh nghiệm Từ thực tiễn triển khai xây dựng mơ hình dự báo tập liệu lớn sử dụng phương pháp số dẫn báo giảm chiều liệu nước nước (nhất ngồi nước) rút số học kinh nghiệm chủ yếu sau đây: Bài học thứ quy trình xây dựng mơ hình dự báo: mơ hình dự báo số kinh tế vĩ mơ theo q phục vụ cơng tác đạo điều hành mơ hình cần xây dựng tập liệu lớn sử dụng phương pháp số dẫn báo phương pháp giảm chiều liệu Các số đầu vào mô hình cần phản ánh tồn diện, đầy đủ khía cạnh kinh tế HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA 231 nên bao gồm số xuất với tần suất cao Phương pháp giảm chiều liệu tốt kết hợp đồng thời phương pháp lựa chọn thuộc tính học thuộc tính, cần sử dụng phương pháp học thuộc tính Bài học thứ hai lựa chọn số phục vụ xây dựng mơ hình dự báo số kinh tế vĩ mô theo quý: cần tham khảo tiêu chí để lựa chọn tập số đầu vào cho việc xây dựng mơ hình từ kinh nghiệm Trung Quốc Liên Bang Nga, nước có kinh tế chuyển đổi có lịch sử liệu chuỗi thời gian tương đồng với Việt Nam; Các số sử dụng làm biến giải thích bao gồm số kinh tế vĩ mô số khác chúng có tần suất thu thập liệu khác Bài học thứ ba phương pháp xử lý liệu để đồng tần xuất xuất số: Chuyển đổi liệu số - biến giải thích cho tương thích với kiểu liệu biến phụ thuộc Về việc đưa số có tần xuất khác tần xuất nội suy số tần suất thấp thành số có tần suất cao hơn, tính trung bình cộng để đưa số tần suất cao tần suất thấp chẳng hạn; Bài học thứ tư việc xác định số riêng phù hợp với số kinh tế vĩ mô cần dự báo: biến phụ thuộc khác có tập biến số đầu vào khác dẫn đến thành phần chúng khác Điều giúp tránh dư thừa biến không cần thiết, làm tăng hiệu xử lý nâng cao độ xác dự báo Bài học thứ năm định dạng hàm mô hình dự báo số kinh tế vĩ mơ theo q: Mơ hình dự báo tần suất cao mơ hình trễ phân bố tự hồi quy Mơ hình dự báo biến ngoại sinh thường mơ hình ARIMA Để dự báo biến phụ thuộc dự báo thành phần dự báo số - biến giải thích tạo thành phần Trong trường hợp thứ cung cấp dự báo chiếu cập nhật kịp thời theo diễn biến tình hình Trong mơ hình dự báo cần thiết phải sử dụng biến giả (Dummy) với thời điểm liệu biến đổi bất thường, cấu phần tự hồi quy trung bình trượt nhằm nâng cao độ xác dự báo Bài học thứ sáu việc đưa biến độc lập riêng vào mơ hình dự báo số kinh tế vĩ mơ q: Có số biến kinh tế/chỉ số có ảnh hưởng mạnh đến biến phụ thuộc, khơng nên đưa biến/chỉ số vào tập số để sau chuyển đổi thành thành phần chính, mà nên để chúng biến độc lập mơ hình dự báo biến phụ thuộc Bài học thứ bảy nhận biết trực quan tính khơng hiệu việc giảm chiều liệu sử dụng kỹ thuật PCA: Tương tự số khuếch tán (được tính xấp xỉ từ số đầu vào (Stock and Watson, 2002A), tổng phương sai số thành phần đảm bảo tỷ lệ tích lũy phương sai số thàn phần vượt ngưỡng 80% nói chung tập liệu số đầu vào có nhiều khả gần xấp xỉ siêu phẳng Nếu khơng phải việc sử dụng kỹ thuật PCA để giảm số biến không hiệu Bài học thứ tám khắc phục nhược điểm kỹ thuật PCA giảm chiều liệu: Một số quốc gia (Klein, 2009a) đề xuất cần phân tích, nghiên cứu cần thiết loại bỏ bớt số số đầu vào tần xuất cao Khi xuất vấn đề, tiêu chí để loại bỏ số chưa xác định đầy đủ rõ nên cơng việc nhiều thời gian công sức Giải pháp tổng 232 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA quát khả thi (dù tốn nhiều công sức khó khăn hơn) sử dụng kỹ thuật KPCA để giảm chiều tập Từ việc đánh giá thực trạng rút học kinh nghiệm quan trọng cần thiết cho việc xây dựng mô hình dự báo số kinh tế vĩ mơ Việt Nam chúng tơi xây dựng mơ hình dự báo số kinh tế vĩ mô theo học kinh nghiệm Mơ hình xây dựng không nhằm dự báo giá trị tương lai tiêu kinh tế vĩ mơ mà thực giúp cho việc nắm bắt cách kịp thời điều kiện kinh tế có ảnh hưởng đến số tương lai./ TÀI LIỆU THAM KHẢO Chikamatsu K., Hirakata N., Kido Y & Otaka K (2018) Nowcasting Japanese GDPs, Bank of Japan Working Paper Series, No.18-E-18, November 2018 Ghysels E., Santa-Clara P., Valkanov R (2004) The MIDAS touch: miked data sampling regression models Mimeo, Chapel Hill, NC Giovannelli, A., & Proietti, T (2016) On the selection of common factors for macroeconomic forecasting Advances in Econometrics, 35, 595-630 https://doi.org/10.1108/S0731905320150000035015 Klein, L.R (2009A) The Making of National Economic Forecasts (1-26) Cheltenham, UK • Northampton, Massachusetts, USA: Edward Elgar Klein, L R (Ed.) Klein, L.R (2009B) Background to national economic forecasts and the high-frequency model of the USA In Klein, L R (Ed.) The Making of National Economic Forecasts (1-26) Cheltenham, UK • Northampton, Massachusetts, USA: Edward Elgar Kim, H H & Swanson, N R (2017) ‘Methods for Pastcasting, Nowcasting and Forecasting using Factor-MIDAS: With an Application to Korean GDP’ Journal of Forecasting, 37(3), 281301 Massimiliano, M (2006) Leading indicators In: Hanbook of Economic Forecasting, Vol 879-960 from Elsevier Michael P C & Ana B G (2009) ‘Forecasting us output growth using leading indicators: an appraisal using MIDAS models’ Journal of Applied Econometrics J Appl Econ, 24, 1187-1206 Mishra R & Sajja P (2018) ‘Experimental Survey of Various Dimensionality Reduction Techniques’ International Journal of Pure and Applied Mathematics, Volume 119 No 12, 1256912574 Mitchell, W C & A F Burns (1938) Statistical Indicators of Cyclical Revivals NBER Bulletin 69, New York Reprinted as Chapter of G H Moore, ed Business Cycle Indicators Princeton: Princeton University Press 1961 Stock, J.H & Watson, M.W (1989) New indexes of coincident and leading economic indicators In: Blanchard, O., Fischer, S (Eds.), NBER Macroeconomics Annual, MIT Press, Cambridge, MA, pp 351-394 HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TOÀN CẦU HÓA 233 Stock, J.H & Watson, M.W (1993) A procedure for predicting recessions with leading indicators: Econometric issues and recent ekperience In: Stock, J.H., Watson, M.W (Eds.), Business Cycles, Indicators, and Forecasting, The University of Chicago Press, Chicago, pp 95153 Stock, J.H & Watson, M.W (2002A) ‘Macroeconomic forecasting using diffusion indexes’ Journal of Business and Economic Statistics, 20, 147-162 Stock, J.H., Watson, M.W (2002B) ‘Forecasting using principal components from a large number of predictors’ Journal of the American Statistical Association, 97, 1167-1179 Stock, J.H & Watson, M.W (2003A) ‘Forecasting output and inflation: The role of asset prices’ Journal of Economic Literature, 41 (3), 788-829 Stock, J.H., Watson, M.W (2003B) ‘How did the leading indicator forecasts perform during the 2001 recession’ Federal Reserve Bank of Richmond Economic Quarterly, 89, 71-90 Thanh D.V., Hai N M & Hieu D.D (2018) Building unconditional forecast model of Stock Market Indekes using combined leading indicators and principal components: application to Vietnamese Stock Market [online] Indian Journal of Science and Technology, 11(02), January 2018, from Thanh D.V (2018) Application of artificial intelligence techniques in building economicfinancial forecast models on high dimensional data sets Presented Report in the first Conference on artificial intelligence: AI for life, 7-9 May 2018, Technology College, Hanoi National University, Vietnam Urasawa et al, 2014 “Reducing income inequality and poverty and promoting social mobility in Korea.” OECD Economics Department Working Papers, No 1153, Paris: OECD Publishing Cù Thu Thủy et al, (2017), Ứng dụng kỹ thuật phân tích thành phần dự báo biến động CPI Việt Nam Đề tài nghiên cứu khoa học cấp Học viện, Học viện Tài Dương Hồng Linh (2016) Dự báo số số kinh tế - tài 2016 - 2020 qua phương pháp kinh tế lượng vĩ mô Đề tài nghiên cứu khoa học cấp Viện Chiến lược sách tài Đỗ Văn Thành & Nguyễn Minh Hải (2016A) Phân tích dự báo thị trường chứng khốn sử dụng số báo trước Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ IX, FAIR, Cần thơ ngày 4-5/8/2016, 559-566 DOI: 10.15625/vap.2016.00069 Đỗ Văn Thành et al, (2016B) Mơ hình dự báo tần suất cao số thị trường chứng khoán Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ IV, FAIR, Cần thơ ngày 4-5/8/2016, 299-308 DOI: 10.15625/ vap.2016.00037 Đỗ Văn Thành (2017A) Mơ hình hóa giá cổ phiếu ngữ cảnh liệu có số chiều cao Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ X, FAIR, Đà Nẵng ngày 17-18/8/2017, 422-434  ... định hướng xây dựng mơ hình dự báo kinh tế vĩ mơ cho Việt Nam THỰC TRẠNG XÂY DỰNG MƠ HÌNH DỰ BÁO CÁC CHỈ TIÊU KINH TẾ VĨ MÔ SỬ DỤNG KỸ THUẬT GIẢM CHIỀU DỮ LIỆU VÀ PHƯƠNG PHÁP CHỈ SỐ DẪN BÁO Phương... VỀ THỰC TRẠNG XÂY DỰNG MƠ HÌNH DỰ BÁO TRÊN TẬP DỮ LIỆU LỚN BẰNG SỬ DỤNG CÁC PHƯƠNG PHÁP GIẢM CHIỀU DỮ LIỆU VÀ CHỈ SỐ DẪN BÁO 1, Các phương pháp xây dựng mơ hình dự báo sử dụng giảm chiều liệu. .. hơn) sử dụng kỹ thuật KPCA để giảm chiều tập Từ việc đánh giá thực trạng rút học kinh nghiệm quan trọng cần thiết cho việc xây dựng mơ hình dự báo số kinh tế vĩ mô Việt Nam xây dựng mơ hình dự báo