Tóm tắt Hội nhập quốc tế sâu rộng khiến nền kinh tế Việt Nam phải hứng chịu biến động mạnh trước các cú sốc trên thị trường quốc tế, điển hình là đại dịch Covid19 trong năm 2020. Thực tế này đặt ra yêu cầu cấp thiết phải trang bị các lớp mô hình mới nhằm đoán định tốt hơn biến động bất thường để từ đó hỗ trợ hiệu quả, kịp thời việc điều hành. Mục tiêu của bài viết nhằm ứng dụng mô hình MIDAS dựa trên sự kết hợp các dữ liệu tần suất cao (tháng) để dự báo tăng trưởng GDP của Việt Nam ở tần suất thấp (quý). Dữ liệu đầu vào bao hàm các biến đại diện giá cả, cung cầu và thị trường tiền tệ ngân hàng; trong khi dạng hàm ảnh hưởng tối ưu được lựa chọn từ quá trình kiểm thử các phương trình hàm bước (step function), trễ phân phối đa thức (PDL) và MIDAS không ràng buộc (UMIDAS). Kết quả cho thấy tăng trưởng GDP của Việt Nam tiếp tục hồi phục trong giai đoạn Q42020 Q12021 so với giai đoạn Q12020 Q32020. Với mức sai số thấp thu được từ dự báo với mô hình MIDAS, bài viết khẳng định việc phát triển lớp mô hình này là đúng hướng, các thông tin đầu vào được lựa chọn phù hợp.
ỨNG DỤNG MƠ HÌNH DỮ LIỆU HỖN HỢP (MIDAS) TRONG DỰ BÁO TĂNG TRƯỞNG GDP CỦA VIỆT NAM Tóm tắt Hội nhập quốc tế sâu rộng khiến kinh tế Việt Nam phải hứng chịu biến động mạnh trước cú sốc thị trường quốc tế, điển hình đại dịch Covid-19 năm 2020 Thực tế đặt yêu cầu cấp thiết phải trang bị lớp mơ hình nhằm đốn định tốt biến động bất thường để từ hỗ trợ hiệu quả, kịp thời việc điều hành Mục tiêu viết nhằm ứng dụng mơ hình MIDAS dựa kết hợp liệu tần suất cao (tháng) để dự báo tăng trưởng GDP Việt Nam tần suất thấp (quý) Dữ liệu đầu vào bao hàm biến đại diện giá cả, cung - cầu thị trường tiền tệ - ngân hàng; dạng hàm ảnh hưởng tối ưu lựa chọn từ trình kiểm thử phương trình hàm bước (step function), trễ phân phối đa thức (PDL) MIDAS không ràng buộc (U-MIDAS) Kết cho thấy tăng trưởng GDP Việt Nam tiếp tục hồi phục giai đoạn Q4/2020 - Q1/2021 so với giai đoạn Q1/2020 Q3/2020 Với mức sai số thấp thu từ dự báo với mơ hình MIDAS, viết khẳng định việc phát triển lớp mơ hình hướng, thông tin đầu vào lựa chọn phù hợp Giới thiệu Những năm gần đây, lực điều hành sách tiền tệ (CSTT) Ngân hàng Nhà nước Việt Nam (NHNN) cải thiện đáng kể, đáp ứng yêu cầu đặt trình phát triển kinh tế hội nhập quốc tế, có phần đóng góp khơng nhỏ cơng tác phân tích dự báo Các mơ hình kinh tế lượng liên tục câp nhật, hiệu chỉnh chuẩn hóa để phù hợp với đặc thù kinh tế Việt Nam đáp ứng nhu cầu ngày cao hoạt động thực tế Tuy nhiên, việc hội nhập ngày sâu vào kinh tế toàn cầu khiến cho kinh tế Việt Nam biến động mạnh mẽ có thay đổi đột ngột thị trường quốc tế, điển hình đại dịch Covid-19 năm 2020 Khởi phát từ Trung Quốc nhanh chóng lan rộng bình diện tồn cầu, đại dịch Covid-19 làm gián đoạn chuỗi cung ứng tồn cầu từ ảnh hưởng khơng nhỏ đến điểm kết nối chuỗi (trong có Việt Nam) Hệ là, tăng trưởng GDP năm 2020 Việt Nam đạt 2,91%, mức thấp vòng thập kỷ qua Thực tế đặt yêu cầu cấp thiết phải xây dựng thêm lớp mơ hình để dự báo tốt biến động bất thường ngắn hạn, giúp đáp ứng kịp thời yêu cầu công tác điều hành vĩ mô Một phương pháp áp dụng phổ biến giới mơ hình liệu hỗn hợp (Mixed Data Sampling - MIDAS) với ưu điểm bật kết hợp liệu tần suất cao (ngày, tuần, tháng) để đưa dự báo tốt giá trị (hoặc tương lai gần) liệu tần suất thấp (quý, năm) Kỹ thuật MIDAS cho thấy hiệu dự báo GDP liệu quan trọng phục vụ điều hành CSTT song tần suất công bố lại chậm (theo quý) độ trễ lớn Bằng giải pháp kinh tế lượng, kỹ thuật MIDAS tổng hợp lượng lớn thông tin, liệu đến thời điểm gần với tần suất từ nhiều hoạt động/khu vực kinh tế khác để ước tính quy mô GDP quốc gia kỳ Nhờ ưu việt so với phương pháp truyền thống, MIDAS dần trở nên phổ biến tích hợp vào hệ thống phân tích, dự báo NHTW nước Kết ước đốn từ mơ hình đầu vào để giảm sai số cho mơ hình dự báo ngắn hạn (VAR, SVAR, VECM) mơ hình dự báo trung, dài hạn (kinh tế lượng vĩ mô, DSGE) Bài nghiên cứu nhằm mục tiêu thiết lập ứng dụng mơ hình MIDAS vào việc dự báo tăng trưởng GDP Việt Nam Kết thực nghiệm kỳ vọng tạo tiền đề thúc đẩy việc vận dụng mơ hình cho tiêu vĩ mơ quan trọng khác mà NHNN cần theo dõi trình hoạch định, điều hành CSTT, đồng thời cho việc tích hợp kỹ thuật hồi quy MIDAS vào hệ thống mơ hình phân tích định lượng NHNN nhằm đáp ứng mục tiêu đại hóa khn khổ điều hành CSTT giai đoạn Việt Nam 2 Tổng quan nghiên cứu Về nghiên cứu quốc tế, Giannone cộng (2008) khởi xướng phương pháp chuẩn tắc để đánh giá tác động cận biên (maginal impact) mà với liệu sử dụng để dự báo GDP kỳ Đây dạng liệu lớn quan thống kê ngân hàng trung ương công bố với tần suất khác (ngày, tuần, tháng) Với kỹ thuật này, liệu cơng bố, mơ hình cập nhật để tính tốn lại GDP phù hợp với diễn biến từ thị trường Điều giúp NHTW lường đón GDP thực tế tương lai có biện pháp điều chỉnh sách kịp thời Tiếp nối cơng trình Giannone cộng sự, Andreou cộng (2010) hoàn thiện kỹ thuật với nghiên cứu mơ hình MIDAS từ đề xuất kết hợp MIDAS với mơ hình kinh tế lượng vĩ mơ truyền thống để giảm độ sai sót dự báo dài hạn mơ hình Một loạt nghiên cứu khác áp dụng MIDAS dự báo GDP dựa liệu có tuần suất thay đổi nước như: Kuzin cộng (2011) khu vực Châu Âu; Kim Swanson (2015) Hàn Quốc; Luciani cộng (2015) Indonesia; Sriboonchitta (2017) Thái Lan Ngân hàng Dự trữ bang Atlanta (Mỹ) chí cịn cơng bố kết dự báo GDP Mỹ theo định kỳ với tên gọi GDPNow Tại Việt Nam, ý tưởng mơ hình MIDAS triển khai thực tiễn thời điểm kết thúc tháng đầu tháng thứ quý, Chính phủ quan hữu quan muốn có số liệu dự báo (tạm tính) GDP cho q Các thơng tin, liệu thu thập từ Bộ, ngành để có sở đưa số dự báo Tuy nhiên, phương pháp dự báo nhiều cịn mang tính thủ công hay cần phải tham vấn ý kiến chuyên gia, việc sử dụng công cụ định lượng chuẩn tắc MIDAS nước nói chưa áp dụng Mơ hình liệu 3.1 Mơ hình MIDAS áp dụng cho dự báo GDP Việt Nam Cấu trúc tổng qt mơ hình MIDAS có dạng sau: Trong đó: biến phụ thuộc có tần suất thấp; tập hợp ước lượng hồi quy độc lập có tần suất mẫu tương tự biến phụ thuộc; tập hợp ước lượng hồi quy độc lập có tần suất mẫu cao tần suất mẫu biến phụ thuộc; tham số cần ước lượng; f (.) hàm ảnh hưởng liệu tần suất cao đến liệu tần suất thấp Đây mối liên kết biến số tần suất cao (biến độc lập) với biến số tần suất thấp (biến phụ thuộc) cần dự báo Như vậy, bên cạnh việc lựa chọn biến số (sẽ trình bày mục 3.2), việc lựa chọn dạng hàm f (.) định kết đầu mơ hình Nowcasting Đối với trường hợp Việt Nam, nghiên cứu áp dụng ba phương pháp xác định hàm ảnh hưởng f (.) khác cho mơ hình MIDAS, từ tìm phương pháp tốt giúp dự tính tăng trưởng GDP theo quý phù hợp với liệu kinh tế Việt Nam Cụ thể sau: (1) Mơ hình VNMDS_01: áp dụng hàm bước (step function) để xác định trọng số hàm f (.) mơ hình MIDAS Cụ thể từ mơ hình tổng quát, ta thiết lập dạng hàm f (.) sau: Trong đó: số lượng kỳ liệu tần suất cao lựa chọn ( lớn nhỏ S); liệu tần suất cao (X) thời điểm với trễ thành phần hồi quy S; hệ số hồi quy kỳ với η số bước (steps); sai số thời điểm t (2) Mơ hình VNMDS_02: áp dụng trễ phân phối đa thức (PDL) để xác định trọng số hàm f (.) mơ hình MIDAS Theo Almon (1965), trễ phân phối đa thức phương pháp sử dụng rộng rãi mơ hình trễ phân phối cổ điển Chiến lược xác định trọng số mơ hình cụ thể sau: Trong đó: p bậc đa thức Almon Điều cần lưu ý số lượng hệ số ước lượng phụ thuộc vào bậc đa thức (p) số lượng kỳ liệu tần suất cao chọn (Ghysels cộng sự, 2004; Ghysels cộng sự, 2007) (3) Mơ hình VNMDS_03: áp dụng nghiên cứu Foroni cộng (2015) MIDAS không ràng buộc (U-MIDAS) Phương pháp sử dụng phổ biến nghiên cứu kinh tế vĩ mô thơng thường khác biệt tần suất mẫu lĩnh vực tháng – quý quý – năm Dạng tổng quát U-MIDAS là: Khác với hai phương pháp trên, phương pháp không đưa ràng buộc hệ số, giá trị cần ước lượng hệ số góc (khác nhau) quan sát mẫu liệu tần suất cao Nhóm nghiên cứu áp dụng phương pháp cho liệu Việt Nam khác biệt tần suất mẫu nhỏ (tháng - quý) kết từ mơ hình sử dụng để so sánh với kết từ mơ hình có hệ số ràng buộc nêu 3.2 Dữ liệu Trên sở khảo sát kinh nghiệm quốc tế, đặc thù diễn biến tăng trưởng GDP Việt Nam khảo cứu mức độ sẵn có sở liệu thu thập được, nhóm nghiên cứu đề xuất biến số mơ Bảng Bảng 1: Dữ liệu biến số mơ hình MIDAS Biến số Ký hiệu Định dạng biến Giai đoạn GROWTH % (yoy) Q2/2011-Q3/2020 Lạm phát INF % (yoy) T4/2011-T9/2020 Chỉ số sản xuất cơng nghiệp tồn ngành IIP % (yoy) T4/2011-T9/2020 Chỉ số nhà quản trị mua hàng PMI Điểm T4/2011-T9/2020 Tăng trưởng doanh số lẻ hàng hóa dịch vụ tiêu dùng (loại trừ yếu tố giá) GRSALE % (yoy) T4/2011-T9/2020 Tăng trưởng tín dụng toàn kinh tế GCRED % (yoy) T4/2011-T9/2020 GIM % (yoy) T4/2011-T9/2020 GREER % (yoy) T4/2011-T9/2020 Biến phụ thuộc tần suất thấp (Theo quý) Tăng trưởng GDP thực Biến độc lập tần suất cao (Theo tháng) Tăng trưởng nhập hàng hóa dịch vụ Biến động tỷ giá thực hiệu dụng Biến động lãi suất cho vay thị trường Biến động giá cổ phiếu sàn HSX DILEND % T4/2011-T9/2020 GVNI % (yoy) T4/2011-T9/2020 - Đối với biến phụ thuộc tần suất thấp, nhóm nghiên cứu sử dụng trực tiếp biến tăng trưởng GDP theo năm mà khơng điều chỉnh mùa vụ mục đích nghiên cứu ước tính cách tăng trưởng kinh tế cho kỳ Việc sử dụng liệu giá trị GDP thực dẫn đến mức độ sai lệch cao q trình dự báo tính tốn lại theo tốc độ tăng trưởng hàng năm Mặt khác, liệu không điều chỉnh mùa vụ để đảm bảo giữ thơng tin quan trọng q trình ước lượng - Biến đại diện cho giá lạm phát tổng thể (INF): Không giống trường hợp Indonesia, Việt Nam chưa thực điều hành theo khuôn khổ lạm phát mục tiêu mà mục tiêu bình mức giá chung kinh tế sở mục tiêu mà Quốc hội Chính phủ đề hàng năm Do quan hệ lạm phát với tăng trưởng GDP Việt Nam chặt chẽ nhìn chung giai đoạn tăng trưởng cao thường kèm với mức giá cao - Biến đại diện cho phía cung số sản xuất công nghiệp (IIP): Xuyên suốt giai đoạn nghiên cứu, sản xuất công nghiệp động lực chủ chốt thúc đẩy tăng trưởng GDP Việt Nam Khu vực dịch vụ có trọng số cao đóng góp vào tăng trưởng nhiên hàng loạt ngành dịch vụ chủ chốt bán buôn, bán lẻ, vận tải kho bãi, ngân hàng, tài chình, bảo hiệm lại phụ thuộc nhiều vào phát triển ngành công nghiệp Do đó, biến IIP có tính đại diện cao cho hoạt động kinh tế bên cung - Biến đại diện cho phía cầu bao gồm tăng trưởng doanh số bán lẻ hàng hóa dịch vụ tiêu dùng thực (GRSALE) tăng trưởng nhập (GIM) Hai biến số thể nhu cầu kinh tế hàng hóa dịch vụ nước hàng hóa dịch vụ nước ngồi Do đó, hai biến số nhìn chung có tính dẫn hướng cao GDP không riêng Việt Nam mà hầu giới - Các biến đại diện cho khu vực tiền tệ, ngân hàng, thị trường chứng khoán bao gồm tăng trưởng tín dụng (GCRED), biến động tỷ giá (GREER), biến động lãi suất cho vay thị trường (DILEND),biến động giá cổ phiếu sàn HSX (GVNI) Việc đưa vào biến số tiền tệ có ý nghĩa giải thích quan trọng kinh tế Việt Nam nhìn chung phụ thuộc nhiều vào vốn ngân hàng (bank-based economy) Những biến động lớn khu vực tài chính, ngân hàng, chứng khốn có ảnh hưởng đáng kể đến hoạt động sản xuất kinh tế - Ngồi ra, mơ hình đưa vào biến điều tiết nhà quản trị mua hàng (PMI) số tổng hợp vừa phản ánh kế hoạch sản xuất nhà cơng nghiệp (phía cung), nhu cầu hàng hóa nước, nước ngồi (phía cầu) nhu cầu lao động cho khu vực chế biến chế tạo Nghiên cứu Lahiri Monokrousos (2013) so sánh mơ hình dựa PMI với kết dự báo mơ hình nhân tố động Giannone cộng (2009, 2010) PMI giúp cải thiện kết dự báo GDP Mỹ Do đó, nhóm nghiên cứu sử dụng PMI biến giải thích cần thiết mơ hình Việt Nam Dữ liệu mơ hình ước lượng giai đoạn từ tháng 4/2011 đến tháng 11/2020, liên quan đến GDP, lạm phát, số sản xuất công nghiệp, doanh số bán lẻ hàng hóa dịch vụ tiêu dùng (loại trừ yếu tố giá) thu thập từ Tổng cục Thống kê (GSO) liệu thuộc khu vực tiền tệ, ngân hàng thị trường chứng khoán thu thập từ NHNN, Ủy ban Chứng khoán Nhà nước Dữ liệu tỷ giá hối đối thực (REER) nhóm nghiên cứu tính tốn sở rổ tiền tệ trọng số thương mại 10 quốc gia có quan hệ xuất - nhập lớn với Việt Nam Trong đó, liệu PMI thu thập từ IHS Markit - quan chịu trách nhiệm điều tra thức cho Việt Nam Kết dự báo tăng trưởng GDP Việt Nam 4.1 Kiểm định tính dừng Kiểm định tính dừng bước quan trọng để loại bỏ tượng hồi quy giả mạo thực ước lượng mơ hình Kết kiểm định Dickey-Fuller mở rộng (ADF) cho thấy biến số đầu vào dừng I(0) với kiểm định khơng có hệ số chặn (Bảng 2) Bảng 2: Kết kiểm định tính dừng P-value Biến số Định dạng biến Có hệ số chặn Xu hệ số chặn Không có hệ số chặn Kết luận GROWT H %, yoy 0.0246* 0.1160 0.3527 Dừng không xu INF %, yoy 0.0607* 0.1690 0.0701* Dừng không xu IIP %, yoy 0.0201* 0.0856* 0.0807* Dừng có xu PMI Điểm 0.0368* 0.1441 0.6565 Dừng không xu GRSALE %, yoy 0.0000* 0.0000* 0.0024* Dừng có xu GCRED %, yoy 0.0666* 0.2191 0.0165* Dừng không xu GIM %, yoy 0.0443* 0.0511* 0.0826* Dừng có xu GREER %, yoy 0.0159* 0.0716 0.0121* Dừng không xu DILEND %, yoy 0.0000* 0.0000* 0.0000* Dừng có xu GVNI %, yoy 0.0699* 0.2366 0.0117* Dừng không xu Ghi chú: * có ý nghĩa thống kê Nguồn: Tính tốn nhóm nghiên cứu 4.2 Dự báo GDP mẫu Để so sánh khả dự báo tốc độ tăng trưởng GDP mơ hình xây dựng, nhóm nghiên cứu tính tốn xếp hạng mơ hình theo tiêu chuẩn thống kê RMSE, MAE, MAPE hệ số bất cân Theil Bảng trình bày kết đánh giá khả dự báo mẫu mơ hình MIDAS ước tính GDP Việt Nam từ liệu tần suất tháng thể thông qua tiêu chuẩn thống kê Bảng 3: Kết sai số mơ hình Nowcasting Mơ hình RMSE MAE MAPE Theil IC VNMDS_01 0,2098 0,1732 3,8454 0,0171 VNMDS_02 0,1748 0,1432 2,5394 0,0142 VNMDS_03 0,5686 0,5043 9,7648 0,0427 Nguồn: Tính tốn nhóm nghiên cứu Hình 1: Kết dự báo mẫu từ mơ hình MIDAS 2012 2013 2014 2015 2016 2017 GROW TH VNMDS_02 2018 2019 2020 VNMDS_01 VNMDS_03 Nguồn: Tính tốn nhóm nghiên cứu 4.3 Dự báo ngồi mẫu Do đặc thù mơ hình MIDAS dự báo nhanh tăng trưởng kinh tế kỳ mà liệu chưa công bố dựa thơng tin có đến thời điểm gần Do đó, nhóm nghiên cứu áp dụng cho dự báo GDP Việt Nam Q4/2020 Q1/2021 với liệu tần suất cao thu thập đến cuối tháng 11/2020 Kết dự báo GDP mẫu trình bày Bảng Bảng 4: Kết dự báo tăng trưởng GDP ngồi mẫu Mơ hình VNMDS_01 VNMDS_02 VNMDS_03 Bình quân Tăng trưởng Q4/2020 3,23 4,50 5,98 4,57 Tăng trưởng Q1/2021 4,57 5,63 6,22 5,47 Nguồn: Tính tốn nhóm nghiên cứu Hình 2: Kết dự báo ngồi mẫu từ mơ hình nowcasting I II III IV I 2019 II III 2020 GROW TH VNMDS_02 IV I 2021 VNMDS_01 VNMDS_03 Nguồn: Tính tốn nhóm nghiên cứu Kết luận 5.1 Đối với dự báo mẫu - Nhìn chung, mơ hình MIDAS dự báo GDP Việt Nam cho mức sai số thấp (Bảng 3), chứng tỏ việc phát triển mô hình hướng, thơng tin đầu vào lựa chọn phù hợp Hình cho thấy mơ hình dự đốn giai đoạn thay đổi lớn tốc độ tăng trưởng GDP, cụ thể giai đoạn 2016-2017 kinh tế Việt Nam chuyển sang tăng trưởng nhanh hay giai đoạn ba quý đầu năm 2020 đại dịch Covid-19 khiến GDP Việt Nam giảm tốc đột ngột Phương pháp chứng tỏ ưu việt so với mơ hình truyền thống (VAR, SVAR, BVAR, VECM) việc nắm bắt thay đổi nhanh chóng đột biến kinh tế lợi sử dụng liệu tần suất cao mơ hình Các mơ hình truyền thống thường bị giới hạn sử dụng liệu dạng cân (ví dụ mơ hình tháng dùng liệu tháng, mơ hình q dùng liệu q) nên tính linh hoạt khơng cao mơ hình MIDAS Mặt khác, mơ hình truyền thống bị giới hạn số trọng số (tham số) định mơ hình MIDAS sử dụng nhiều phương pháp khác để xác định số phù hợp với điều kiện liệu sẵn có 10 - Trong số mơ hình MIDAS xây dựng, mơ hình VNMDS_02 có khả dự tính tốc độ tăng trưởng GDP kỳ Việt Nam tốt (với sai số dự báo thấp nhất) Phương pháp xác định trọng số MIDAS dựa trễ phân phối đa thức Almon chứng minh phát huy hiệu mạnh dự báo GDP nghiên cứu quốc tế Xếp sau VNMDS_02 mơ hình VNMDS_01 dựa cách tiếp cận hàm bước Mơ hình VNMDS_03 dự báo tăng trưởng GDP với sai số lớn số mơ hình MIDAS 5.2 Đối với dự báo mẫu Kết mơ hình cho thấy tăng trưởng GDP Việt Nam tiếp tục hồi phục giai đoạn Q4/2020 - Q1/2021 so với giai đoạn Q1/2020 - Q3/2020 Tuy nhiên, có số điểm đáng lưu ý sau: - Dự báo tăng trưởng miền rộng từ 3,23 - 5,98% Q4/2020 từ 4,57 - 6,22% Q1/2021 Tuy nhiên, cần lưu ý mơ hình VNMDS_02 có lực dự báo tốt số mô hình khảo sát nên kết tăng trưởng GDP đạt 4,50% Q4/2020 đạt 5,63% Q2/2021 đáng tin cậy Nếu tính bình qn kết dự báo tất mơ hình tần suất cao tăng trưởng GDP Việt Nam ước đạt 4,57% Q4/2020 5,47% Q1/2021 - Tăng trưởng GDP Việt Nam dự báo mức cao so với hầu hết quốc gia khu vực giới điều kiện lạm phát mức hợp lý, an toàn hệ thống tài - ngân hàng đảm bảo, sản xuất ngành cơng nghiệp chủ đạo trì thể nỗ lực tâm cao Chính phủ, NHNN, Bộ, ngành đặc biệt doanh nghiệp người dân việc khắc phục khó khăn để hạn chế tối đa ảnh hưởng đại dịch Covid19 đến sản xuất kinh doanh đời sống người dân nước 11 Hình 3: Độ lệch sản lượng (output gap) Việt Nam -1 -2 -3 -4 10 11 12 13 14 15 OUPUT_GAP 16 17 18 19 20 NEUTRAL Nguồn: Tính tốn nhóm nghiên cứu - Cập nhật kết dự báo tăng trưởng GDP đến hết quý I/2021 tính tốn lại độ lệch sản lượng Việt Nam phương pháp lọc Hodrick-Prescott (HP Filter) Kết phân tích (hình 3) cho thấy GDP tiếp tục đà hồi phục thời gian tới độ lệch sản lượng âm chứng tỏ mức độ tăng trưởng thấp tiềm Mặt khác, đà hồi phục dường chưa thực bền vững sau giai đoạn giảm mạnh độ lệch sản lượng Quý I - Quý III/2020, kinh tế dương nhẹ trở lại vào Quý IV/2020 tiếp tục rơi xuống miền âm Quý I/2021 Việc độ lệch sản lượng dương Quý IV/2020 dường tín hiệu hồi phục mang tính kỹ thuật từ cú sốc lớn giai đoạn trước nhìn chung xu hướng năm 2020 đầu năm 2021 miền tiềm Mặt khác, tín hiệu đảo chiều Quý I/2021 đáng lưu ý, phản ánh đà hồi phục chưa mạnh khả độ lệch sản lượng tiếp tục miền âm năm 2021 hữu khơng có giải pháp hữu hiệu Chính vậy, biện pháp để đảm bảo tăng trưởng GDP trở lại vùng tiềm cách bền vững trung hạn cần phải Nghiên cứu IMF (2018) tăng trưởng GDP tiềm Việt Nam khoảng 6,5%- 6,7% 12 21 tính đến Thực tế cho thấy, ảnh hưởng đại dịch Covid-19 phức tạp bất định giác độ cầu nước cầu nước Khu vực dịch vụ gặp nhiều khó khăn, đặc biệt ngành vận tải, kho bãi, logistic, du lịch, ăn uống lưu trú,…Khu vực tiền tệ chịu ảnh hưởng đáng kể từ chững lại hoạt động sản xuất kinh doanh nói chung Tốc độ tăng trưởng tín dụng ngân hàng hồi phục dần cuối năm 2020 thấp so với kỳ năm trước Thị trường chứng khoán hồi phục mạnh mẽ, nhiên, yếu tố mang tính dẫn hướng phần kết việc mở rộng sách vĩ mơ Trên thực tế kênh dẫn vốn từ chứng khốn chưa đóng góp nhiều cho tăng trưởng GDP Các sách hỗ trợ từ Chính phủ, NHNNN việc đẩy mạnh đầu tư cơng, hỗn thời hạn nộp thuế, hạ lãi suất, giảm loại phí, tái cấu trúc nợ ngân hàng, có lẽ động lực giúp kinh tế hồi phục ngắn hạn Chính vậy, việc thối lui sách thời gian tới cần phải xem xét kỹ lưỡng để mặt đảm bảo tăng trưởng kinh tế không bị suy giảm trở lại, mặt khác, trụ đỡ để khu vực kinh tế hồi phục bền vững, đặc biệt khu vực sản xuất nước với lượng lao động bị ảnh hưởng đáng kể từ đại dịch Covid-19 TÀI LIỆU THAM KHẢO Almon, S (1965) The distributed lag between capital appropriations and expenditures Econometrica: Journal of the Econometric Society, 178-196 Andreou, E., Ghysels, E., & Kourtellos, A (2010) Regression models with mixed sampling frequencies Journal of Econometrics, 158(2), 246-261 Foroni, C., Marcellino, M., & Schumacher, C (2015) Unrestricted mixed data sampling (MIDAS): MIDAS regressions with unrestricted lag polynomials Journal of the Royal Statistical Society Series A (Statistics in Society), 57-82 Ghysels, E., Gourieroux, C., & Jasiak, J (2004) Stochastic volatility duration models Journal of Econometrics, 119(2), 413-433 Ghysels, E., Sinko, A., & Valkanov, R (2007) MIDAS regressions: Further results and new directions Econometric Reviews, 26(1), 53-90 13 Giannone, D., Reichlin, L., & Simonelli, S (2009) Nowcasting euro area economic activity in real time: the role of confidence indicators National Institute Economic Review, 210(1), 90-97 Giannone, D., Reichlin, L., & Small, D (2008) Nowcasting: The real-time informational content of macroeconomic data Journal of Monetary Economics, 55(4), 665-676 Kim, H H., & Swanson, N R (2015) Methods for Pastcasting, Nowcasting and Forecasting Using Factor-MIDAS with an Application to Real-Time Korean GDP mimeo, Rut'gers University Kuzin, V., Marcellino, M., & Schumacher, C (2011) MIDAS vs mixed-frequency VAR: Nowcasting GDP in the euro area International Journal of Forecasting, 27(2), 529-542 Lahiri, K., & Monokroussos, G (2013) Nowcasting US GDP: The role of ISM business surveys International Journal of Forecasting, 29(4), 644-658 Luciani, M., Pundit, M., Ramayandi, A., & Veronese, G (2015) Nowcasting Indonesia, Finance and Economics Discussion Series No 2015-100 Board of Governors of the Federal Reserve System, Washington Sriboonchitta, S (2017) Does Forecasting Benefit from Mixed-Frequency Data Sampling Model: The Evidence from Forecasting GDP Growth Using Financial Factor in Thailand Predictive Econometrics and Big Data, 753, 430 14 ...thị trường quốc tế, điển hình đại dịch Covid-19 năm 2020 Khởi phát từ Trung Quốc nhanh chóng lan rộng bình diện tồn cầu, đại dịch Covid-19 làm gián đoạn chuỗi cung ứng toàn cầu từ ảnh... Swanson (2015) Hàn Quốc; Luciani cộng (2015) Indonesia; Sriboonchitta (2017) Thái Lan Ngân hàng Dự trữ bang Atlanta (Mỹ) chí cịn cơng bố kết dự báo GDP Mỹ theo định kỳ với tên gọi GDPNow Tại... số nhà quản trị mua hàng PMI Điểm T4/2011-T9/2020 Tăng trưởng doanh số lẻ hàng hóa dịch vụ tiêu dùng (loại trừ yếu tố giá) GRSALE % (yoy) T4/2011-T9/2020 Tăng trưởng tín dụng tồn kinh tế GCRED