Mục đích của bài viết này nhằm ứng dụng mô hình ARIMA với phương pháp Box-Jenkins để dự báo lạm phát ở Việt Nam. “Kiềm chế lạm phát là ưu tiên số một, khi có điều kiện thuận lợi sẽ phấn đấu để đạt mức tăng trưởng cao hơn”. Đó là một trong những kế hoạch của Chính phủ Việt Nam đối với sự phát triển của đất nước. Mời các bạn cùng tham khảo!
KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN 28 MƠ HÌNH ARIMA VÀ ỨNG DỤNG DỰ BÁO LẠM PHÁT CỦA VIỆT NAM ThS Vũ Anh Linh Duy Trường Đại học Tài - Marketing Tóm tắt “Kiềm chế lạm phát ưu tiên số một, có điều kiện thuận lợi phấn đấu để đạt mức tăng trưởng cao hơn” Đó là một những kế hoạch của Chính phủ Việt Nam đối với sự phát triển của đất nước Tuy nhiên, sự tác động lạm phát có tích cực tiêu cực theo cách thức khác tùy thuộc vào cấu trúc kinh tế, khả thích ứng với thay đổi liên tục lạm phát mức độ tiên liệu cách toàn diện lạm phát Vì vậy, dự báo lạm phát khơng có ý nghĩa việc cung cấp thông tin cho nhà hoạch định sách mà cịn nhà kinh doanh việc điều chỉnh chiến lược; tính ổn định kinh tế vĩ mơ có liên quan đến mức độ tương đồng hay khác biệt dự báo lạm phát nhà kinh doanh nhà hoạch định sách Trong bài tham luận này, xin đưa mơ hình ARIMA ứng dụng để dự báo lạm phát tháng cuối năm 2018 Việt Nam Từ khóa: Chỉ số giá tiêu dùng (CPI), mơ hìnhARIMA, Dự báo KHÁI QUÁT Lạm phát cao có xu hướng làm thay đổi cân thực kinh tế làm chệch hướng nguồn lực thực giao dịch; giảm tín hiệu thơng tin giá tương đối dẫn đến tình trạng phân bổ nguồn lực không hiệu Khi lạm phát tăng làm giá trị tiền giảm khiến chức đơn vị hạch toán tiền thay đổi, điều làm cho việc hạch tốn chi phí - lợi nhuận doanh nghiệp trở nên khó 298 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN khăn; tác hại lạm phát không dự kiến gia tăng bất ổn định, dẫn đến tình trạng tái phân phối cải cách tùy tiện (chẳng hạn, lạm phát cao so với dự kiến người vay lợi người cho vay bị thiệt) Vì vậy, dự báo lạm phát khơng có ý nghĩa việc cung cấp thông tin nhà hoạch định sách kinh tế vĩ mơ mà nhà kinh doanh việc điều chỉnh chiến lược kinh doanh Có nhiều phương pháp tiếp cận phân tích dự báo lạm phát Mục đích viết nhằm ứng dụng mơ hình ARIMA với phương pháp Box-Jenkins để dự báo lạm phát Việt Nam XÂY DỰNG MÔ HÌNH ARIMA 2.1 Nguồn dữ liệu Số liệu sử dụng mơ hình chuỗi số lạm phát theo tháng từ tháng 1/1995 đến tháng 6/2018 từ nguồn Tổng cục Thống kê Ký hiệu chuỗi - chuỗi số CPI (đơn vị: %) thời kỳ t 2.2 Cơ sở lý ḷn Mơ hình sử dụng liệu chuỗi thời gian, xem giá trị khứ biến số cụ thể tiêu tốt phản ánh giá trị tương lai nó, cụ thể, cho Yt giá trị biến số thời điểm t với Yt = f(Yt-1, Yt-2, , Y0, t) Mục đích phân tích để thấy rõ số mối quan hệ giá trị Yt quan sát đến phép dự báo giá trị Yt tương lai Phương pháp đặc biệt hữu ích cho việc dự báo ngắn hạn Mơ hình tự hồi quy p-AR(p): Trong mơ hình tự hồi quy q trình phụ thuộc vào tổng trọng số giá trị khứ số hạng nhiễu ngẫu nhiên Yt = φ1Yt-1 + φ2Yt-2 + + φpYt-p + δ + εt Mơ hình trung bình trượt q-MA(q): mơ hình trung bình trượt, q trình mơ tả hồn tồn tổng trọng số ngẫu nhiên hành có độ trễ: Yt = μ + εt − θ1εt-1 − θ2εt-2 − − θqεt-q Mơ hình hồi quy kết hợp trung bình trượt - ARMA(p, q): Yt = φ1Yt-1 + φ2Yt-2 + + φpYt-p + δ + εt − θ1εt-1 − θ2εt-2 − − θqεt-q 299 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN 2.2.1 Kiểm định tính dừng của chuỗi quan sát Điều trước tiên cần phải lưu ý hầu hết chuỗi thời gian không dừng, thành phần AR MA mơ hình ARIMA liên quan đến chuỗi thời gian dừng Quy trình ngẫu nhiên Yt xem dừng trung bình phương sai q trình khơng thay đổi theo thời gian giá đồng phương sai hai thời đoạn phụ thuộc vào khoảng cách độ trễ thời gian thời đoạn không phụ thuộc vào thời điểm thực tế mà đồng phương sai tính Do đó, để nhận diện mơ hình ARIMA, phải thực sau: Kiểm định tính dừng: Có ba cách để nhận biết tính dừng chuỗi thời gian dựa vào đồ thị chuỗi thời gian, đồ thị hàm tự tương quan mẫu hay kiểm định Dickey-Fuller Nếu chuỗi Yt không dừng, ta lấy sai phân bậc Khi chuỗi sai phân bậc (Wt) dừng Sai phân bậc 1: Wt = Yt-Yt-1 Nếu chuỗi sai phân bậc (Wt) khơng dừng, ta lấy sai phân bậc Khi đó, chuỗi sai phân bậc dừng Sai phân bậc 2: Vt=Wt-Wt-1 2.2.2 Nhận dạng mơ hình Nhận dạng mơ hình ARMA(p,d,q) tìm giá trị thích hợp p, d, q Với d bậc sai phân chuỗi thời gian khảo sát, p bậc tự hồi quy q bậc trung bình trượt 2.2.3 Ước lượng các tham sớ của mô hình Các hệ số φ và δ mô hình ARIMA xác định phương pháp ước lượng thích hợp cực đại Sau đó, kiểm định φ và δ thống kê t Ước lượng sai số bình phương trung bình của phần dư 2.2.4 Kiểm định mô hình Sau ước lượng tham số mơ hình ARIMA nhận dạng thử, cần phải kiểm định để kiểm nghiệm mô hình thích hợp Các cách thức để thực điều này: Kiểm tra phần dư et có phải nhiễu trắng khơng Nếu et nhiễu trắng chấp nhận mơ hình, trường hợp ngược lại phải tiến hành lại từ đầu Các kiểm định sử dụng kiểm định BP (Box-Priere) kiểm định Ljung-box với trị thống kê Q, kiểm định LM 300 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Nếu tồn nhiều mơ hình đúng, mơ hình có AIC (Akaike Information Criterion) nhỏ lựa chọn 2.2.5 Dự báo bằng mô hình ARIMA Một số lý tính phổ biến phương pháp lập mơ hình ARIMA thành cơng dự báo Trong số trường hợp, dự báo thu từ phương pháp có tính tin cậy cao so với dự báo thu từ phương pháp lập mơ hình kinh tế lượng truyền thống khác Dựa vào mơ hình ARIMA ước lượng được, tiến hành dự báo sau: 2.2.6 Mô hình ARIMA cho CPI Hình 1: Đồ thị chuỗi CPI từ tháng năm 1995 đến tháng năm 2018 104 103 102 101 100 99 98 96 98 00 02 04 06 08 10 12 14 16 18 Trước tiên, sử dụng tiêu chuẩn ADF (augmented Dickey-Fuller) để kiểm định tính dừng chuỗi, kết Bảng cho thấy chuỗi khơng có nghiệm đơn vị, chuỗi dừng, mơ hình ARIMA có dạng ARMA(p,q) 301 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Bảng 1: Kiểm định nghiệm đơn vị cho CPIt Null Hypothesis: CPI has a unit root Exogenous: Constant, Linear Trend Lag Length: (Fixed) Augmented Dickey-Fuller test statistic Test critical values: t-Statistic Prob.* -5,737949 0,0000 1% level -3,991534 5% level -3,426132 10% level -3,136266 *MacKinnon (1996) one-sided p-values Để xác định p q mơ hình dựa lược đồ tương quan chuỗi (Bảng 2) Dựa vào giá trị SACF SPACF giá trị p 1, 12, 13, 25 q 1, 2, 12 Hình 2: Lược đồ tương quan chuỗi CPIt 302 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Để lựa chọn mơ hình phù hợp tiến hành hồi quy theo phương pháp OLS cho mơ hình với cặp (p, q) Qua ước lượng thực nghiệm mơ hình lựa chọn có p = 1, 12 q = 12 (các mơ hình khác có hệ số hồi quy thu từ ước lượng khơng có ý nghĩa thống kê phần dư thu nhiếu trắng) Kết ước lượng thể Bảng Bảng 2: Kết quả ước lượng bằng phương pháp OLS Dependent Variable: CPI Method: Least Squares Date: 05/22/20 Time: 21:46 Sample (adjusted): 1996M02 2018M06 Included observations: 269 after adjustments Convergence achieved after 25 iterations MA Backcast: 1995M02 1996M01 Variable Coefficient Std Error t-Statistic Prob. C 100,6920 0,264675 380,4366 0,0000 AR(1) 0,708534 0,043720 16,20631 0,0000 AR(12) 0,935024 0,010093 92,64081 0,0000 MA(12) -0,949002 0,016307 -58,19520 0,0000 R-squared 0,662861 Mean dependent var 100,5082 Adjusted R-squared 0,657753 S,D, dependent var 0,823312 S.E of regression 0,481653 Akaike info criterion 1,395229 Sum squared resid 61,24538 Schwarz criterion 1,462045 Log likelihood -182,6583 Hannan-Quinn criter, 1,422062 F-statistic 129,7649 Durbin-Watson stat 2,039598 Prob(F-statistic) 0,000000 303 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Theo Bảng Các mô hình ARIMA có thể: ARIMA(1,0,12) và ARIMA(12,0,12) Bảng 3: Kết quả các thông số kiểm định ARIMA(1,0,12) ARIMA(12,0,12) AIC 1,937319 2,068941 SIC 1,976163 2,108923 Log-likelihood -269,1934 -276,3070 RMSE 0,630681 0,673290 MAE 0,448324 0,467732 Theil U 0,004049 0,003050 Từ bảng kết quả các thông số, ta thấy các thông số của mô hình ARIMA(1,0,12) tốt hơn, nên ta dùng mô hình này để dự báo Kiểm tra tính dừng phần dư của mô hình, ta có: Bảng 4: Kết quả kiểm định tính dừng phần dư Null Hypothesis: RESID01 has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=15) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -17,50455 0,0000 Test critical values: 1% level -3,453567 5% level -2,871656 10% level -2,572233 *MacKinnon (1996) one-sided p-values 304 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Hình 3: Bảng kết quả tự tương quan phần dư Ta thấy mô hình ARIMA(1,0,12) thỏa tính dừng và tự tương quan nên ta tiến hành dự báo bằng mô hình Hình 4: Bảng kết quả dự báo CPI tháng cuối năm 2018 305 KỶ YẾU HỘI THẢO KHOA HỌC ĐÀO TẠO NGÀNH TOÁN KINH TẾ TRONG BỐI CẢNH HIỆN NAY VÀ CÁC VẤN ĐỀ LIÊN QUAN Bảng Kết quả dự báo CPI từ tháng đến tháng 12 năm 2018 Tháng Tháng Tháng Tháng 10 Tháng 11 Tháng 12 100,6 100,8 100,6 100,5 100,4 100,4 KẾT LUẬN Nghiên cứu về CPI và những ứng dụng của CPI kinh tế giúp những nhà quản lý kinh tế đưa những chính sách kinh tế vĩ mô của một quốc gia, giúp cho người tiêu dùng có cứ để có chính sách chi tiêu hợp lý cho gia đình Biến động của CPI đều ảnh hưởng đến nền kinh tế quốc dân nên các nhà quản lý cần phải đưa chính sách điều chỉnh CPI nhằm kiểm soát tốt lạm phát Bài viết nghiên cứu khả ứng dụng mơ hình ARIMA vào việc dự báo lạm phát nhằm tìm mơ hình tốt cho việc dự báo lạm phát Việt Nam Kết nghiên cứu cho thấy, mơ hình ARIMA(1,0,12) cho kết dự báo lạm phát tốt mơ hình nghiên cứu ở và kết quả dự báo chấp nhận được./ TÀI LIỆU THAM KHẢO Nguyễn Quang Dong (2006), Kinh tế lượng, NXB Khoa học Kỹ thuật, Hà Nội Nguyễn Thống (2000), Kinh Tế Lượng Ứng Dụng, NXB Đại học Quốc gia Tp Hồ Chí Minh, tr.238-278 Phùng Thanh Bình, Hướng dẫn sử dụng Eview phân thích liệu hồi quy Đặng Hùng Thắng (1999), Thống kê và ứng dụng, NXB Giáo dục www.gso.gov.vn Box & Jenkins (1970), Time series analysis: Forecasting and control, San Francisco: Holden-Day Gujarati (2004), Basic Econometrics McGraw−Hill Khashei & Bijari (2011), A novel hybridization of artificial neural networks and ARIMA 306 ... cứu khả ứng dụng mơ hình ARIMA vào việc dự báo lạm phát nhằm tìm mơ hình tốt cho việc dự báo lạm phát Việt Nam Kết nghiên cứu cho thấy, mơ hình ARIMA( 1,0,12) cho kết dự báo lạm phát tốt mơ hình. .. phân tích dự báo lạm phát Mục đích viết nhằm ứng dụng mơ hình ARIMA với phương pháp Box-Jenkins để dự báo lạm phát Việt Nam XÂY DỰNG MƠ HÌNH ARIMA 2.1 Ng̀n dữ liệu Số liệu sử dụng mơ hình chuỗi... dự báo Trong số trường hợp, dự báo thu từ phương pháp có tính tin cậy cao so với dự báo thu từ phương pháp lập mơ hình kinh tế lượng truyền thống khác Dựa vào mơ hình ARIMA ước lượng được, tiến