2.3.1 Các nghiên cứu liên quan
Bên cạnh những mơ hình kinh tế lƣợng, cịn cĩ nhiều cơng trình nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự báo lạm phát và đã khẳng định tính ƣu việt của mơ hình này so với mơ hình kinh tế lƣợng.
Moshiri & Cameron (2000) khẳng định: trong dài hạn lạm phát (tại Canada) đƣợc dự báo bằng mơ hình ANN cho kết quả tốt hơn so với mơ hình VAR và ARIMA. Tại Mỹ, Nakamura (2005) cũng sử dụng mơ hình ANN để dự báo lạm phát, kết quả cho thấy trong ngắn hạn mơ hình ANN dự báo tốt hơn mơ hình AR. Ngồi ra, McNelis & McAdam (2005) cũng khẳng định: lạm phát cĩ quan hệ phi tuyến với những biến số kinh tế khác, họ đã sử dụng mơ hình “thick model”, một sự kết hợp nhiều mạng ANN để dự báo lạm phát Mỹ và một số quốc gia Châu Âu. Kết quả cho thấy, mơ hình ANN dự báo khơng thua kém gì so với mơ hình hồi quy tuyến tính.
Tiếp theo, Haider và Hanif (2009) cũng ứng dụng mơ hình ANN, AR(1) và ARIMA dự báo lạm phát tại Pakistan và khẳng định mơ hình ANN dự báo chính xác hơn AR(1) và ARIMA. Duzgun (2010) sử dụng mơ hình ANN để dự báo lạm phát tại Thổ Nhĩ Kỳ và khẳng định: mơ hình ANN dự báo lạm phát vƣợt trội hơn so với mơ hình ARIMA. Cịn tại Việt Nam, Lê Đạt Chí (2010) đã ứng dụng mơ hình ANN vào dự báo giá chứng khốn tại Tp.HCM và kết luận: mơ hình ANN cho ra kết quả dự báo chính xác hơn mơ hình hồi quy tuyến tính truyền thống.
Gần đây, Choudhary & Haider (2012) ứng dụng mơ hình ANN và AR(1) dự báo lạm phát tại 28 quốc gia thuộc Tổ chức Hợp tác và Phát triển Kinh tế (OECD)
và khẳng định: mơ hình ANN giải thích đƣợc 45% sự biến động của lạm phát trong khi mơ hình AR(1) chỉ giải thích đƣợc 23% sự biến động của lạm phát.
Ngồi những cơng trình khẳng định tính ƣu việt, cũng cĩ những cơng trình nêu ra những hạn chế của mơ hình ANN. Zhang và cộng sự (1998) khẳng định mơ hình ANN chỉ dự báo tốt cho trƣờng hợp phi tuyến cịn đối với những mối quan hệ tuyến tính, mơ hình ANN dự báo khơng tốt bằng mơ hình hồi quy tuyến tính. Trong một nghiên cứu khác của Binner và cộng sự (2010) về lạm phát tại nền kinh tế Mỹ, nhĩm tác giả kết luận mơ hình KRLS dự báo tốt hơn mơ hình ANN. Ngồi ra, nghiên cứu của Zhang (2003); Khashei & Bijari (2011) cịn kết luận thêm mơ hình lai tạo (hybrid model) giữa ANN và ARIMA cho ra kết quả dự báo tốt hơn khi sử dụng những mơ hình này đơn lẻ [1].
2.3.2 Phân tích các nhân tố ảnh hƣởng
Theo ngân hàng dữ liệu thế giới, các phân tích về lạm phát các quốc gia đều đƣợc lƣu trữ và thể hiện trên các biểu đồ. Biểu đồ dƣới đây thể hiện lạm phát của Việt Nam so với một số nƣớc trong khu vực và thế giới.
Các nhân tố ảnh hƣởng trực tiếp tới lạm phát CPI, chỉ số giá tiêu dùng. Tuy nhiên, trong quá trình vận động của nền kinh tế hàng hĩa, CPI cĩ thể tăng lên do việc giới thiệu hàng hĩa mới, hoặc hàng hĩa đƣợc cải thiện về chất lƣợng, hay do mục đích của Chính phủ cũng làm tăng chỉ số giá tiêu dùng. Do vậy, đơi khi việc dự báo dựa trên nhân tố CPI dƣờng nhƣ rất khĩ khăn. Giả sử rằng, GDP giảm phát đƣợc dùng làm nhân tố trong dự báo lạm phát. Thơng thƣờng GDP giảm phát thƣờng xuất hiện sau khi cĩ lạm phát, cĩ nghĩa là sức mua của ngƣời tiêu dùng giảm, nền kinh tế bị co lại cũng sẽ rất khĩ khăn để dự báo lạm phát bởi phải xác định đƣợc thời điểm mà nền kinh tế phục hồi, sau đĩ là nền kinh tế phát triển mới cĩ thể thực hiện bƣớc dự báo lạm phát tiếp theo. Do vậy, sử dụng GDP giảm phát để dự báo lạm phát cũng khơng phù hợp. Một số các cơng trình khoa học cho thấy áp dụng một số nhân tố sau cũng mang lại hiệu quả cho dự báo lạm phát:
- Giá vàng
- Trung tâm nghiên cứu hàng hĩa (CRB index) - Tổng hợp giá cả
- FDI - GDP - …
Trong luận văn đề xuất các nhân tố liên quan tới dự báo lạm phát bao gồm các nhân tố sau:
- Gold price index: chỉ số giá vàng - USD price index: chỉ số giá đơ
- Import price index: chỉ số hàng hĩa nhập khẩu - Export price index: chỉ số hàng hĩa xuất khẩu
Các thơng số trên dễ dàng đƣợc tính tốn trong kỳ ngắn hạn mà khơng cần chờ tổng hợp kết quả nhƣ chỉ số giá tiêu dùng CPI hay tổng thu nhập quốc nội nhƣ GDP hoặc chờ giá giảm phát GDP. Mặt khác các nhân tố trên bị ảnh hƣởng rất nhỏ bởi yếu tố mùa vụ, tuy nhiên cũng ảnh hƣởng bởi quy luật thị trƣờng và sự điều tiết của chính phủ.
2.3.3 Xây dựng mơ hình mạng nơ ron dự báo lạm phát.
Dựa theo mục phân tích trên, luận văn xây dựng mạng nơ ron mơ phỏng bao gồm 4 đơn vị đầu vào, 1 đầu ra và 01 lớp ẩn với 5 nơ ron trong tầng ẩn. Hình 2.5 dƣới đây mơ phỏng mơ hình mạng nơ ron sử dụng trong luận văn.
Hình 2.5: Kiến trúc mạng nơ ron dự báo sử dụng trong luận văn
Mạng nơ ron trong Hình 2.5 cĩ 04 đầu vào tƣơng ứng với các nhân tố (features) cĩ ảnh hƣởng tới dự báo lạm phát: chỉ số giá vàng, chỉ số giá đơ, chỉ số hàng hĩa nhập khẩu, chỉ số hàng hĩa xuất khẩu. Tầng ẩn bao gồm 05 nơ ron dùng để xử lý với hàm truyền sigmod và cuối cùng là đầu ra với 01 no ron dùng dự báo kết quả.
2.4 Kết luận chƣơng 2
Trong chƣơng này, luận văn đã trình bày các phƣơng pháp tính lạm phát, các nhân tố tác động tới lạm phát và phƣơng pháp huấn luyện trên mạng nơ ron đa lớp. Từ đĩ, luận văn cũng đƣa ra một phƣơng pháp dự báo lạm phát dựa trên đa nhân tố
Chương 3: PHÁT TRIỂN ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM PHÁT KINH TẾ
Trong chƣơng này, luận văn trình bày kết quả thực hiện của phƣơng pháp đã đề xuất ở chƣơng 2, mơ hình hĩa thành chƣơng trình, cài đặt trên mơi trƣờng hệ điều hành Windows và đánh giá kết quả dự báo.
3.1 Phân tích kiến trúc tổng quát của hệ thống
3.1.1 Yêu cầu của hệ thống
Hệ thống dự báo kinh tế bao gồm 2 pha chính: pha huấn luyện và pha dự báo - Pha huấn luyện: pha huấn luyện thực hiện việc huấn luyện dữ liệu dựa trên mạng nơ ron nhân tạo.
- Pha dự báo: pha dự báo sử dụng bộ dữ liệu với các thơng số đầu vào đảm bảo với yêu cầu, cùng kiểu định dạng dữ liệu và thực hiện cho kết quả đầu ra.
3.1.2 Các chức năng cơ bản của hệ thống
Chức năng tổng quát (adsbygoogle = window.adsbygoogle || []).push({});
Dựa vào yêu cầu của hệ thống dự báo lạm phát kinh tế, chức năng chính của hệ thống đƣợc mơ tả nhƣ hình vẽ 3.1 dƣới đây
Hình 3.1: Sơ đồ chức năng hệ thống dự báo
Hình 3.2 dƣới đây mơ tả biểu đồ ca sử dụng tổng quát của hệ thống trong biểu đồ use case tổng quát.
Quyền quản trị: ngƣời quản trị hệ thống cĩ các quyền sau: o Huấn luyện
o Thêm dữ liệu o Xem thơng tin
Hình 3.2: Biểu đồ Use case tổng quát
3.2 Giải pháp cơng nghệ và ngơn ngữ lập trình 3.2.1 Hệ quản trị CSDL Microsoft SQL Server 2012 3.2.1 Hệ quản trị CSDL Microsoft SQL Server 2012
Hệ quản trị cơ sở dữ liệu Microsoft SQL server (MSSQL) là một trong những hệ quản trị cơ sở dữ liệu thơng dụng hiện nay. Nĩ là phiên bản cĩ hiệu suất làm việc cao và cĩ nhiều tính nắng mới. Đây là hệ quản trị cơ sở dữ liệu thƣờng đƣợc sử dụng với các hệ thống trung bình, với ƣu điểm cĩ các cơng cụ quản lý mạnh mẽ giúp cho việc quản lý và bảo trì hệ thống dễ dàng, hỗ trợ nhiều phƣơng
Hình 3.3: Các dịch vụ của SQL server 2012
3.2.2 Microsoft .Net
3.2.2.1 Kiến trúc của Microsoft .NET
Hình 3.4: Thành phần chính của Microsoft .NET
3.2.2.2 Microsoft .NET Framework
Hình 3.5: Microsoft .NET Framework
3.2.3 Ngơn ngữ lập trình C#
Ngơn ngữ C# khá đơn giản với khoảng 80 từ khĩa và khoảng hơn mƣời kiểu dữ liệu xây dựng sẵn. Tuy nhiên, ngơn ngữ C# cĩ ý nghĩa cao khi nĩ thực thi những khái niệm lập trình hiện đại. C# bao gồm tất cả những hỗ trợ cho cấu trúc, thành phần, lập trình hƣớng đối tƣợng. Những tính chất đĩ hiện diện trong ngơn ngữ lập
trình hiện đại và ngơn ngữ C# hơi tụ đủ những điều kiện nhƣ vậy, hơn nữa nĩ đƣợc xây dựng trên nền tảng của hai ngơn ngữ mạnh nhất là C++ và java.
3.3 Kết quả thử nghiệm
3.3.1 Nguồn dữ liệu sử dụng
Dữ liệu dùng cho thử nghiệm đƣợc lấy từ 02 nguồn.
Ngân hàng dữ liệu thế giới và tổng cục thống kê Việt Nam
- Ngân hàng dữ liệu thế giới (Data world bank) tại Ngân hàng Thế giới, tập đồn phát triển dữ liệu làm cơng tác thống kê và dữ liệu và duy trì một số cơ sở dữ liệu ở tầm vĩ mơ, thế giới và khu vực, biên soạn và phổ biến các dữ liệu để đảm bảo rằng ngƣời sử dụng tất cả các dữ liệu cĩ thể tin tƣởng vào chất lƣợng và tính tồn vẹn của dữ liệu sản xuất. Nhiều dữ liệu xuất phát từ hệ thống thống kê của các nƣớc thành viên, và chất lƣợng của dữ liệu tồn cầu phụ thuộc vào hệ thống quốc gia thực hiện. Ngân hàng Thế giới hoạt động để giúp các nƣớc đang phát triển nâng cao năng lực, hiệu quả và hiệu quả của hệ thống thống kê quốc gia. Nếu khơng cĩ dữ liệu quốc gia tốt hơn và tồn diện hơn, nĩ sẽ khĩ khăn để phát triển các chính sách hiệu quả, giám sát việc thực hiện chiến lƣợc xĩa đĩi giảm nghèo, hoặc theo dõi tiến trình thực hiện mục tiêu tồn cầu.
Hình 3.6: Ngân hàng dữ liệu thế giới
Việc sử dụng dữ liệu của Data world bank đƣợc thực hiện miễn phí bằng cách lựa chọn quốc gia hoặc các chỉ số và tiến hành download tài liệu file excel hoặc file .pdf để thực hiện phân tích.
-Tổng cục thống kê Việt Nam
Hiện nay, Tổng cục Thống kê là cơ quan trực thuộc Bộ Kế hoạch và Đầu tƣ thực hiện chức năng tham mƣu, giúp Bộ trƣởng Bộ Kế hoạch và Đầu tƣ quản lý nhà nƣớc về thống kê; tổ chức các hoạt động thống kê và cung cấp thơng tin thống kê kinh tế - xã hội cho các cơ quan, tổ chức, cá nhân trong nƣớc và quốc tế theo quy định của pháp luật. Tổng cục Thống kê đƣợc tổ chức theo hệ thống dọc từ Trung ƣơng đến địa phƣơng theo đơn vị hành chính. Những thơng tin thống kê do Tổng cục Thống kê cơng bố, cung cấp là nguồn thơng tin chính thống, cĩ tính pháp lý, đƣợc các cấp, các ngành, các tổ chức, cá nhân trong nƣớc và quốc tế tin cậy, sử dụng.
Hình 3.7: Tổng cục thống kê Việt Nam
3.3.2 Dữ liệu dùng cho thử nghiệm:
Với 04 yếu tố ảnh hƣởng, luận văn thực hiện thử nghiệm dự báo kết quả lạm phát với các quốc gia sau:
- Mỹ - Canada (adsbygoogle = window.adsbygoogle || []).push({});
- Việt Nam (sử dụng 02 dữ liệu của Cục thống kê và Ban dự báo kinh tế của Bộ kế hoạch và đầu tƣ) chi tiết về dữ liệu thử nghiệm đƣợc thể hiện ở bảng sau:
Bảng 3.1: Mơ tả dữ liệu thử nghiệm
STT Tên quốc gia Dự báo theo tháng( năm, quý) Nguồn Số mẫu huấn luyện Thời gian huấn luyện Khoảng thời gian dự báo 1 Mỹ Năm DWB 40 1970-2010 2010-2015 2 Canada Năm DWB 40 1970-2010 2010-2015
Trong bảng dữ liệu thử nghiệm trên, đối với Mỹ và Canada, bộ dữ liệu thử nghiệm đƣợc lấy theo năm, số mẫu thử nghiệm 40 (từ năm 1970 đến năm 2010), khoảng thời gian dự báo là 5 năm (từ năm 2010 đến năm 2015). Đối với Việt Nam, bộ dữ liệu đƣợc lấy theo tháng, số mẫu dùng để huấn luyện là 215 mẫu (tƣơng đƣơng 215 tháng) từ tháng 1/1997 đến tháng 12/2013, khoảng thời gian dự báo là các tháng của năm 2014.
Bảng 3.2 dƣới đây là bộ dữ liệu thử nghiệm của Việt Nam, với 4 chỉ số đầu vào là: chỉ số giá vàng, chỉ số giá đơ la, chỉ số xuất khẩu, chỉ số nhập khẩu, bộ dữ liệu mơ tả thử nghiệm theo tháng.
Bảng 3.2: Bộ dữ liệu thử nghiệm
Dữ liệu của Việt Nam đƣợc thực hiện 12 tháng/ năm. Quá trình thử nghiệm thực hiện trong kỳ ngắn hạn cho 2 đến 3 tháng tiếp theo.
3.3.3 Kết quả thử nghiệm
Luận văn thực hiện đánh giá kết quả dựa trên lỗi sai số giữa kết quả dự báo đƣợc đƣa ra bởi phƣơng pháp của luận văn và kết quả thực trên DWB hoặc GSO (Lỗi tỉ lệ trung bình).
Bảng 3.3: Kết quả thử nghiệm
STT Tên quốc gia Tỉ lệ
1 Mỹ 9.2%
2 Canada 7.8%
3 Việt Nam 10.1%
Đối với Việt Nam, sử dụng 215 mẫu để huấn luyện, cịn với Mỹ và Canada số mẫu huấn luyện là 40. Số mẫu huấn luyện càng nhiều sẽ cho kết quả dự báo càng khả quan.
Quốc gia cĩ tỉ lệ lỗi trung bình thấp hơn thì tình hình phát triển kinh tế ổn định hơn, ít biến động hơn.
Với bảng số liệu trên, Mỹ và Canada bộ dữ liệu huấn luyện là theo năm nên ta cĩ thể so sánh đƣợc tỉ lệ lỗi trung bình của Mỹ và Canada, cho kết quả là Canada cĩ tỉ lệ lỗi trung bình nhỏ hơn Mỹ.
Trong luận văn khơng so sánh đƣợc tỉ lệ lỗi trung bình của Mỹ và Canada với Việt Nam do khơng cùng bộ dữ liệu thử nghiệm và số mẫu huấn luyện.
Tuy nhiên, tỉ lệ lỗi trung bình của Việt Nam cao là do nền kinh tế của Việt Nam cĩ nhiều biến động (đây là nhận định riêng của tác giả khi thực hiện với bộ dữ liệu thử nghiệm).
3.4 Một số giao diện của hệ thống
Hình 3.8: Giao diện đăng nhập
Hình 3.11: Giao diện tạo mới dữ liệu
Hình 3.13: Giao diện dự báo lạm phát
3.5 Kết luận chƣơng 3
Trong chƣơng này, luận văn đã trình bày quá trình xây dựng, cài đặt hệ thống và thử nghiệm kết quả trên hệ thống. Đồng thời chƣơng này cũng đánh giá lỗi tỉ lệ hay cịn gọi là sai số chênh lệch giữa kết quả dự báo và kết quả thực. Các giao diện của hệ thống và mơ tả hệ thống cũng đã đƣợc thực hiện tại chƣơng này.
KẾT LUẬN
Trong khuơn khổ thực hiện đề tài của luân văn, tác giả đã học đƣợc cách tìm hiểu một vấn đề thực tế trong cuộc sống và sử dụng một mơ hình tính tốn, cụ thể là mạng nơ ron để ứng dụng giải quyết vấn đề đĩ. Kết quả thử nghiệm cho thấy rằng, sai số của dự báo lạm phát đƣợc tính theo phƣơng pháp của luận văn và thực tế cĩ độ chênh lệch chấp nhận đƣợc. Tuy vậy, bài tốn dự báo lạm phát mà luận văn tiếp cận cịn rất nhiều những vấn đề cần phải mở ra, ví dụ tác động khác của các nhân tố: chính trị, xã hội, ảnh hƣởng của quốc tế,…các yếu tố về tâm lý và tƣ duy cũng chƣa đƣợc đề cập tới. Trong tƣơng lai, nếu cĩ cơ hội tiếp tục tiếp cận với bài tốn này, học viên sẽ mơ rộng và phát triển dự báo với nhiều tham số hơn, và hiệu chỉnh mạng nơ ron cho phù hợp với bài tốn.
TÀI LIỆU THAM KHẢO
[1]. Ramu Ramanathan, Nhập mơn kinh tế lƣợng với các ứng dụng, tài liệu giảng dạy đại học Fulbright. (adsbygoogle = window.adsbygoogle || []).push({});
[2]. Khalid Alkhatib, Hassan Najadat, Ismail Hmeidi, Mohammed K. Ali Shatnawi: Stock Price Prediction Using K-Nearest Neighbor (kNN) Algorithm, International Journal of Business, Humanities and Technology, Vol. 3 No. 3, March 2013.
[3]. Wen-Hua Cui, Jie-Sheng Wang and Chen-Xu Ning: Time Series Prediction Method of Bank Cash Flow and Simulation Comparison, Algorithms 2014.
[4]. Vincenzo Bianco, Oronzio Manca, Sergio Nardini: Electricity consumption forecasting in Italyusing linear regression models, Article Energy, July 2009
[5]. Gurudeo Anand Tularam1, Tareq Saeed1,2,: Oil-Price Forecasting Based on Various , Univariate Time-Series Models, American Journal of Operations