Khóa luận Phân tích diễn biến lạm phát ở Việt Nam và ứng dụng mô hình Arima dự báo lạm phát

hƣ giá trị sản xuất công nghiệp tăng 13,7%, kim ngạch xuất khẩu 23,3% so với cùng kỳ năm 2009. Tăng trƣởng tín dụng và cung tiền cao trong năm 2009 sẽ ảnh hƣởng đến lạm phát trong năm 2010. Chúng ta biết rằng lạm phát có mối quan hệ chặt chẽ với cung tiền, nhƣng thƣờng có độ trễ từ 5-7 tháng. Chỉ số giá tiêu dùng năm 2010 tăng 11,7% so với tháng 12/2009, vƣợt xa với chỉ tiêu lạm phát Quốc Hội thông qua từ đầu năm là không quá 7% và mục tiêu Chính phủ điều chỉnh không quá 8%. Trong đó, nhóm hàng ăn và dịch vụ ăn uống Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 38 tăng 16,18% với quyền số 39,9%, nhóm nhà ở, điện nƣớc, chất đốt, vật liệu xây dựng tăng 15,74% v.v. Đặc biệt trong giai đoạn cuối năm, lạm phát trong các tháng 9, 10 và 11 năm 2010 tăng mạnh nhất. Chỉ số giá tiêu dùng (CPI) so với cùng kỳ năm trƣớc tăng vọt từ mức 8.18% vào tháng 8 đã lên tới 11.09% vào tháng 11. Lũy kế trong 11 tháng, CPI đã lên tới 9.58% và lạm phát năm 2010 gần nhƣ chắc chắn sẽ cao hơn hai con số. Ngoài nguyên nhân cung tiền tăng cao và tăng trƣởng tín dụng khiến lạm phát cao lại ghé thăm nền kinh tế Việt Nam trong giai đoạn này thì còn có nguyên nhân cầu kéo (kích cầu, thâm hụt ngân sách...) và nguyên nhân chi phí đẩy (tăng giá xăng dầu, điện nƣớc, điều chỉnh tỷ giá...). Đầu tiên là lạm phát do chi phí đẩy. Sau dịp Tết Nguyên Đán, giá nhiều mặt hàng cơ bản đã đƣợc điều chỉnh tăng. Giá điện tăng 6.8% từ 01/3/2010, giá xăng dầu điều chỉnh tăng 6.5% (tổng cộng 2 lần), than bán cho ngành điện tăng từ 28 – 47%. Việc tăng giá điện, giá xăng dầu ngoài ảnh hƣởng đến chi phí sản xuất còn tác động đến kỳ vọng của ngƣời tiêu dùng. Nếu kỳ vọng về mức lạm phát cao trong tƣơng lai thì mức lạm phát thực tế càng trở nên trầm trọng. Tiếp đó vào ngày 10/2/2010 NHNN quyết định điều chỉnh tỷ giá liên ngân hàng tăng thêm 3,3%, đƣa mức trần tỷ giá chính thức lên 19100VND/USD làm ảnh hƣởng đến giá của nhiều mặt hàng thiết yếu. Hiệu ứng từ việc tăng lƣơng tối thiểu (mức lƣơng cơ bản đƣợc điểu chỉnh tăng khoảng 10-15%, tùy thuộc từng khu vực) làm chi phí sản xuất của doanh nghiệp tăng làm ảnh hƣởng đến giá cả hàng hóa và tạo hiệu ứng tăng giá ăn theo trên thị trƣờng. Thứ hai là lạm phát do cầu kéo. Trong giai đoạn này, dịch bệnh nông nghiệp, bão lũ nặng nề ở miền Trung làm ảnh hƣởng lớn đến lƣợng cung hàng hóa, giá lƣơng thực thực phẩm tăng do chủ động đƣa giá lên để tạo điều kiện cho nhà sản xuất và nông dân. Bên cạnh đó, còn tăng lƣơng cơ bản, tăng chi phí giáo dục, y tế,.... đồng tiền bị mất giá, thâm hụt ngân sách kéo dài. - Năm 2011 Liên tiếp tăng tốc và đạt đỉnh vào cuối năm 2010, CPI tháng 1/2011 bất ngờ giảm tốc nhẹ xuống mức tăng 1,74% so với tháng trƣớc. Đƣợc nhận định là một mở đầu thuận lợi cho một năm mà Chính phủ đặt quyết tăm kiềm chế lạm phát ngay từ Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 39 đầu, với chỉ tiêu “khắc nghiệt” chỉ có 7%. Tuy nhiên qua tháng 2 CPI lập tức đảo ngƣợc chiều tăng 2,09% so với tháng trƣớc đó, căn cứ vào mức tăng so với cuối năm trƣớc đã ở mức gần 4%. Cũng trong tháng 2, ngày 11/2 NHNN quyết định tăng mạnh tỷ giá USD/VND lên 9,3% và ngày 24/2 tại cuộc họp của Chính phủ với các địa phƣơng giá xăng dầu điều chỉnh tăng gần 20%, điện tăng 15,28%... Trƣớc tình hình này, lạm phát liên tiếp bị đẩy lên, CPI theo tháng tăng 2,17% vào tháng 3 và đạt đỉnh vào tháng 4 ở mức 3,32%. Tính đến thời điểm cuối tháng 4, CPI so với cuối năm 2010 đã tăng 9,64%, vƣợt xa mục tiêu 7%, hiện thực hóa nỗi lo lạm phát. Sang tháng 5 có hạ nhiệt đôi chút nhƣng mức độ tăng vẫn cao, CPI tăng 2,21%. Vì vậy, Chính phủ đã lên kế hoạch kiềm chế lạm phát. Tại cuộc họp Chính phủ, Bộ kế hoạch và đầu tƣ cho biết, số vốn đầu tƣ dự kiến đƣợc cắt giảm trong năm 2011 là 79.262 tỷ đồng, bằng khoảng 9% tổng số vốn đầu tƣ toàn xã hội năm 2011. Trong khi đó, thông tin về các chỉ tiêu của chính sách tiền tệ cũng đƣợc NHNN cập nhật, tổng phƣơng tiện thanh toán tính đến 20/5 mới là 1,59% so với cuối năm 2010, rất thấp so với nhiều năm trƣớc, tín dụng tăng tƣơng ứng 6,16%. Đáp lại sự điều chỉnh này là CPI tháng 6 hạ nhiệt, xuống mức tăng 1,09%. Điều đáng buồn là nền kinh tế Việt Nam trong giai đoạn này vƣớng phải khó khăn hơn năm 2008 với thâm hụt ngân sách sâu khiến chính sách tài khóa kém linh hoạt, lãi suất quá cao không thể trở thành công cụ điều tiết hữu hiệu, dự trữ ngoại hối mỏng khó can thiệp, tâm lí thị trƣờng bất ổn... Tiếp bƣớc vào quý III CPI so với cùng kỳ bò dần đến đỉnh 23,02% vào tháng 8/2011, làm cho sản xuất ngày càng khó khăn. Bƣớc sang quý IV tình hình đã khả quan hơn, theo cơ quan Thống kê lạm phát trong tháng 12/2011 ở mức 18,13% thay vì 19,83% nhƣ tháng 11 và 21,59% nhƣ tháng 10. Nhƣng giá lƣơng thực thực phẩm đã tăng 24,8%. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 40 2.1.3. Giai đoạn từ tháng 2012 đến nay Hình 2.4: Biểu đồ lạm phát trong giai đoạn từ năm 2012 đến nay Nguồn: imf. org Trong giai đoạn 2012-2013, lạm phát có xu hƣớng ổn định dƣới mức 7%. Hai năm liên tiếp 2010-2011 thị trƣờng giá cả đầy biến động đã buộc Việt Nam phải chuyển trọng tâm chính sách ƣu tiên tăng trƣởng kinh tế sang ƣu tiên ổn định kinh tế vĩ mô, kiềm chế lạm phát thông qua những biện pháp nêu trong Nghị quyết số 11/2011/NQ – CP và nêu lại trong Nghị quyết số 01/2012/NQ – CP. Trọng tâm của chính sách kiềm chế lạm phát là thắt chặt chính sách kinh tế vĩ mô đi đôi với kiểm soát chặt chẽ thị trƣờng và giá cả. Ngay năm 2012, lạm phát đƣợc kiềm chế ở mức 6,81% , đây đƣợc coi là kết quả thành công của các chính sách trên của Chính phủ. - Năm 2012 Mặc dù, kinh tế xã hội nƣớc ta tiếp tục bị ảnh hƣởng bởi sự bất ổn của kinh tế thế giới do khủng hoảng tài chính và khủng hoảng nợ công ở khu vực Châu Âu vẫn chƣa đƣợc giải quyết, hoạt động sản xuất và thƣơng mại bị tác động mạnh, giá cả diễn biến phức tạp nhƣng trong năm này lạm phát có xu hƣớng giảm và ổn định. Theo công bố của Tổng cục Thống kê, CPI tháng 12/2012 chỉ tăng 0,27% so với tháng 11 và tăng 6,81% so với tháng 12/2011. CPI bình quân năm 2012 chỉ tăng 9, 0 2 4 6 8 10 12 14 16 18 20 Ja n -1 2 A p r- 1 2 Ju l- 1 2 O ct -1 2 Ja n -1 3 A p r- 1 3 Ju l- 1 3 O ct -1 3 Ja n -1 4 A p r- 1 4 Ju l- 1 4 O ct -1 4 % /t h á n g Axis Title lạm phát lạm phát Trư ờng Đạ i họ Ki h tế Hu ế Khóa luận tốt nghiệp 41 21% so với bình quân năm 2011. Và cũng theo Tổng cục Thống kê đánh giá lạm phát năm 2012 chỉ “nhỉnh” hơn mức tăng 6,52% của năm 2009 và thấp hơn nhiều so với các năm 2010, 2011. Lộ trình của CPI trong năm 2012 nhƣ sau: CPI tăng không quá cao vào hai tháng đầu năm (tăng 1% vào tháng 1, tăng 1,37% vào tháng 2), tăng cao vào tháng 9 với mức tăng 2,2%, sau đó mức tăng CPI chậm dần trong những tháng cuối năm. CPI tháng 12/2012 tăng 0,46% so với tháng trƣớc, tăng 0,4% so với 12/2011. Nhƣng năm 2012 vẫn là năm giá có nhiêù biến động bất thƣờng do yếu tố lễ tết, hàng loạt nguyên liệu thiết yếu nhƣ điện, xăng dầu, than chịu áp lực tăng giá trên thị trƣờng thế giới. Nhằm giảm bớt áp lực tăng giá, ngày 21/2/2012, Bộ tài chính đã ban hành Thông tƣ 25/2012/TT – BTC giảm thuế suất thuế nhập khẩu đồng loạt đối với nhóm hàng xăng dầu. Diễn biến lạm phát ổn định có sự đóng góp không nhỏ của việc năm lần liên tiếp điều chỉnh giảm giá xăng dầu đƣa về mức còn thấp hơn so với đầu năm. Bên cạnh đó, việc trì hoãn tăng giá điện thêm 5% đến tận ngày 22/12/2012 thay vì tăng ngay vào đầu quý IV làm chỉ số giá nhà ở, vật liệu xây dựng cả năm 2012 chỉ tăng 9,18%, chỉ bằng một nửa so với mức tăng năm 2011. Và để đánh đổi cho việc kiềm chế lạm phát thì trong năm 2012 GDP chỉ tăng 5,03%. - Năm 2013 Kinh thế thế giới năm 2013 vẫn còn nhiều bất ổn và biến động phức tạp. Tăng trƣởng kinh tế của các nƣớc thuộc khu vực đồng tiền chung châu Âu, đặc biệt là một số nƣớc thành viên đang chịu ảnh hƣởng của nợ công vẫn còn rất mờ nhạt. Khủng hoảng tài chính và khủng hoảng nợ công ở châu Âu chƣa hoàn toàn chấm dứt. Ở trong nƣớc, các khó khăn, bất cập chƣa đƣợc giải quyết gây áp lực lớn cho sản xuất kinh doanh nhƣ hàng tồn kho ở mức cao, sức mua yếu, tỷ lệ nợ xấu ngân hàng ở mức đáng lo ngại, nhiều doanh nghiệp phải thu hẹp sản xuất, dừng hoạt động hoặc giải thể.... Trƣớc tình hình đó, lạm phát năm 2013 vẫn đƣợc đánh giá là giai đoạn thành công của NHNN trong việc kiểm soát lạm phát. Áp lực lạm phát trong nƣớc đƣợc cải thiện không chỉ bởi quyết tâm thực hiện mục tiêu kiềm chế lạm Trư ờng Đạ i họ Kin h tế Hu ế Khóa luận tốt nghiệp 42 phát theo tinh thần Nghị quyết 01/NQ-CP và Nghị quyết 02/NQ-CP ngày 7-1-2013 của Chính phủ; bởi xu hƣớng giảm giá một số hàng hóa, nhất là giá lúa, gạo; bởi ngƣời dân tiếp tục thắt chặt chi tiêu khi thu nhập eo hẹp; và bởi sự tiếp tục giảm thuế nhập khẩu, mở cửa thị trƣờng theo cam kết trong ASEAN, WTO; giảm thuế thu nhập doanh nghiệp và lãi suất ngân hàng, cũng nhƣ bởi các nỗ lực giảm giá khác của doanh nghiệp. Và kết quả là CPI tháng 12/2013 tăng 0,51% so với tháng trƣớc và tăng 6,04% so với tháng 12/2012, đƣợc coi là năm CPI tăng thấp nhất trong 10 năm trở lại đây. Chỉ số giá tiêu dùng bình quân năm 2013 tăng 6,6% so với bình quân năm 2012, thấp hơn nhiều so với mức tăng 9,21% của năm 2012. Trong năm nay, CPI tăng cao vào quý I và quý III với mức tăng bình quân tháng là 0,8%; quý II và quý IV, CPI tƣơng đối ổn định và tăng ở mức thấp với mức tăng bình quân tháng là 0,4%. Đà tăng của giá hàng hóa và dịch vụ năm 2013 chậm hơn so với các năm 2008, 2010, 2011 và tƣơng đƣơng với giai đoạn lạm phát vừa phải từ năm 2005 đến 2007. Tuy nhiên, lạm phát thấp trong năm 2013 không đi liền với tốc độ tăng trƣởng trên 7% nhƣ giai đoạn trƣớc. Dù năm 2013 chịu ảnh hƣởng từ thay đổi giá hàng hóa cơ bản và dịch vụ công nhƣng tỷ lệ lạm phát cả năm tƣơng đối thấp là do thiếu lực kéo từ phía cầu. Đà đi xuống của lạm phát chỉ bị ngắt nhất thời bởi sự điều chỉnh giá các dịch vụ công nhƣ thuốc, dịch vụ y tế (45,63%) và giáo dục (14,17%). Mức tăng của hai nhóm này đóng góp một nửa mức tăng CPI của cả năm 2013, và mức tăng của CPI hàm ý ngƣời tiêu dùng đang phải chịu áp lực về giá cao hơn mặt bằng chung của nền kinh tế. - Năm 2014 Ngay từ đầu năm 2014, Chính phủ đã tiếp tục kiên trì với mục tiêu ổn định kinh tế vĩ mô, trong đó kiểm soát lạm phát là một trong những trụ cột quan trọng. Và kết quả cho thấy, CPI tháng 12/2014 chỉ tăng 1,84% so với tháng 12/2013, CPI bình quân năm 2014 chỉ tăng 4,09% so với năm 2013. Cả hai chỉ số này đều ở mức tăng thấp nhất trong 10 năm qua và đƣợc nhận định đây là một trong những sự kiện nổi bật nhất, một trong những thành công đƣợc ghi nhận của nền kinh tế Việt Nam. Trư ờng Đạ i họ Kin tế H uế Khóa luận tốt nghiệp 43 Để đạt đƣợc kết quả đó, phải kể đến rất nhiều yếu tố. Thứ nhất, với mục tiêu ổn định kinh tế vĩ mô, chính sách tiền tệ và tài khóa luôn đƣợc kiểm soát chặt chẽ, khác với các giai đoạn trƣớc, khi lạm phát có xu hƣớng bắt đầu giảm thì chúng ta lại nới lỏng chính sách tiền tệ, còn giai đoạn sau này Chính phủ đã thực hiện nhất quán và kiên trì với chính sách nói trên. Nên lạm phát đƣợc kiềm chế và kiểm soát ở mức thấp dần. Thứ hai là Chính phủ đã đề ra các giải pháp quản lý, bình ổn giá thị trƣờng nhất là đối với các mặt hàng quan trọng thiết yếu (xăng dầu, điện, than...). Thứ ba, CPI thƣờng chịu tác động bởi bốn nhóm yếu tố là chi phí đẩy, cầu kéo, cung tiền-tín dụng và tâm lý của ngƣời dân. Lạm phát do chi phí đẩy: giá cả hàng hóa trên thế giới giảm, các mặt hàng giảm mạnh nhất đó là dầu mỏ và các sản phẩm liên quan đến dầu mỏ (chất dẻo, phân bón, thuốc trừ sâu...), tiếp đến là các mặt hàng đƣờng, sữa, các loại ngũ cốc... Nhiều thuế đƣợc cắt giảm, giãn hoãn, tạo điều kiện cho doanh nghiệp bớt chi phí, giảm giá hàng hóa; lãi suất cho vay của các ngân hàng giảm khá nhan; tỷ giá ổn định làm cho hàng nhập khẩu tính bằng USD giảm. Bên cạnh đó, phải kể đến sự tác động trực tiếp và gián tiếp từ các đợt giảm giá xăng dầu trên thị trƣờng. Các đợt giảm giá xăng dầu trong năm qua đã kéo theo chỉ số giá nhóm hàng “nhà ở và vật liệu xây dựng” và “giao thông” giảm mạnh. Về lạm phát cầu kéo: tổng cầu yếu do tỷ lệ vốn đầu tƣ/GDP giảm (chỉ còn khoảng 31%GDP). Dù sức mua đã đƣợc cải thiện trong những năm qua nhƣng mức tăng vẫn chậm. Về cung tiền-tín dụng: tốc độ dƣ nợ tín dụng đã giảm nhanh chóng (chỉ bằng 2/3 tốc độ huy động tiền gửi), thanh khoản của hệ thống ngân hàng thƣơng mại đƣợc cải thiện, đảm bảo khả năng thanh toán và chi trả của hệ thống. Về yếu tố tâm lý: tâm lý kỳ vọng lạm phát không bị áp lực nhƣ trƣớc, giá vàng giảm, tỷ giá USD ổn định, chứng khoán vẫn chƣa vƣợt mốc 600 một cách bền vững. Tóm lại, trong khoảng 10 năm trở lại đây tình hình kinh tế có nhiều bất ổn, lạm phát gia tăng, đỉnh điểm là giai đoạn 2007-2008. Theo thạc sĩ Lê Đăng Doanh “ Lạm phát trước hết là sản phẩm của chính sách tài khóa và chính sách tiền tệ, bởi vì so với các nước trong khu vực thì lạm phát ở Việt Nam là cao nhất và cung tiền, tín dụng của Việt Nam cũng là cao nhất, và bội chi ngân sách của Việt Nam cũng là Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 44 cao nhất” [19]. Vì vậy, nguyên nhân chủ yếu lạm phát cao trong giai đoạn này là do nƣớc ta theo đuổi mục tiêu tăng trƣởng với chính sách mở rộng trong một thời hạn dài. Trong giai đoạn từ năm 2005 đến 2011, khi lạm phát tăng cao Chính phủ áp dụng chính sách tiền tệ thắt chặt; nhƣng lạm phát có dấu hiệu giảm thì Chính phủ lại nới lỏng chính sách. Bởi vậy lạm phát ở nƣớc ta trong giai đoạn 2005-2011 có xu hƣớng theo chu kỳ. Tuy nhiên, nguyên nhân của các cuộc lạm phát ở nƣớc ta cũng phải kể đến những diễn biến phức tạp và khó lƣờng của tình hình kinh tế thế giới. Đặc biệt là ảnh hƣởng từ các cuộc khủng hoảng kinh tế tài chính và suy thoái toàn cầu. Theo IMF, Việt Nam có tỷ lệ lạm phát trung bình của giai đoạn 2006 - 2010 là 11.5%, tỷ lệ lạm phát chốt ở năm 2011 là 18.58%. Và những năm gần đây, nhờ Chính phủ kiên trì với chính sách tiền tệ thắt chặt mà lạm phát đã đƣợc kiềm chế thành công. Bên cạnh đó, giá dầu trên thế giới giảm mạnh và sâu làm giảm sức ép đến tình hình sản xuất kinh doanh trong nƣớc, góp phần không nhỏ làm lạm phát giảm trong giai đoạn cuối năm 2014 - đầu năm 2015. Tuy nhiên, việc kiềm chế lạm phát thành công phải đánh đổi lại là một tỷ lệ tăng trƣởng thấp. Mức tăng trƣởng từ năm 2012 đến nay đều dƣới mức 7%, cụ thể là năm 2012 GDP chỉ tăng 5.03% (so với 2011); năm 2013 GDP tăng 5.42% (so với 2012); năm 2014 GDP tăng 5.98% (so với 2013). Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 45 CHƢƠNG 3: DỰ BÁO LẠM PHÁT TỪ THÁNG 5 NĂM 2015 ĐẾN THÁNG 8 NĂM 2015 3.1. Lý do chọn chỉ số giá tiêu dùng (CPI) Chỉ số tiêu dùng (CPI) là chỉ số phổ biến nhất đƣợc nhiều nƣớc trên thế giới, trong đó có Việt Nam, sử dụng để đo mức giá và sự thay đổi mức giá chính là lạm phát. Chỉ số CPI đƣợc hình thành từ các thông tin chi tiêu của hàng nghìn hộ gia đình trên toàn quốc, và việc tính toán CPI ở nƣớc ta do Tổng cục Thống kê đảm nhiệm. Trong các chỉ tiêu đo lƣờng tỷ lệ lạm phát, chỉ số CPI có thể đo lƣờng hàng tháng, không nhƣ chỉ số giảm phát GDP có tính tổng hợp nên chỉ có thể đo lƣờng hàng quý ở mức tin cậy hạn chế và nếu muốn đạt mức tin cậy cao thì phải là chỉ số hàng năm (vì lúc đó thống kê mới đƣợc thu thập đầy đủ). Bên cạnh đó, chỉ số CPI theo rất sát chỉ số giảm phát GDP vì tiêu dùng chiếm một tỷ lệ rất lớn trong GDP. Và ở nƣớc ta, chỉ số CPI đƣợc xem nhƣ là chỉ tiêu chính để đánh giá mức biến động của lạm phát, vì vậy việc dự báo chỉ số CPI cũng có thể xem là dự báo tỷ lệ lạm phát. Vì vậy, đề tài quyết định dự báo lạm phát dựa trên chỉ số này. 3.2. Dữ liệu nhiên cứu Dữ liệu nghiên cứu là chỉ số tiêu dùng (CPI) đƣợc thu thập từ nguồn IMF (imf.org), số liệu đƣợc tổng hợp theo tháng, từ tháng 1 năm 2004 đến tháng 12 tháng 2014, gồm 120 quan sát. Và năm gốc là năm 2010. Sau khi dự báo đƣợc chỉ số CPI sẽ dùng để tính ra tỷ lệ lạm phát theo công thức: Trong đó: : Tỷ lệ lạm phát lại thời điểm t : chỉ số giá tiêu dùng tại thời điểm t : chỉ số giá tiêu dùng thời điểm t-1 Trư ờng Đạ i họ c K i h tế H uế Khóa luận tốt nghiệp 46 3.3. Kết quả nghiên cứu 3.3.1. Thống kê mô tả số liệu Hình 3.1: Đồ thị chuỗi Chỉ số tiêu dùng ở Việt Nam Nguồn: xử lý bằng Eviews6.0 Hình 3.1 cho thấy diễn biến của CPI theo tháng của chỉ số tiêu dùng ở nền kinh tế Việt Nam (từ tháng 1 năm 2005 đến tháng 12 năm 2014) không ổn định và có xu hƣớng tăng với tốc độ nhanh. Bảng 3.1: Thống kê mô tả chuỗi CPI Nguồn: xử lý bằng Eviews6.0 40 60 80 100 120 140 160 25 50 75 100 CPI 0 2 4 6 8 10 12 62.5 75.0 87.5 100.0 112.5 125.0 137.5 Series: CPI Sample 1 120 Observations 120 Mean 100.1352 Median 95.30500 Maximum 144.8600 Minimum 57.43000 Std. Dev. 29.63680 Skewness 0.103748 Kurtosis 1.563795 Jarque-Bera 10.52869 Probability 0.005173Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 47 Bảng 3.1 cho biết những thống kê mô tả về chuỗi dữ liệu chỉ số tiêu dùng . Giá trị trung bình của chuỗi CPI là 100,1352. Giá trị cao nhất là 144.8600, giá trị thấp nhất là 57.4300. Bên cạnh đó, thống kê mô tả dữ liệu cho thấy mức độ dao động trung bình của CPI là 29.637680. P-value > 0,05, Prob nhỏ (Prob=0.005173 < 5%), do đó bác bỏ giả thiết H0 : chuỗi này có phân phối chuẩn. Hệ số Kurtosis >0 và Skewness >0 cho thấy phân phối của chuỗi có đỉnh cao nhọn hơn (nhọn hơn) phân phối chuẩn có cùng độ lệch chuẩn. 3.3.2. Kiểm định tính dừng - Cách 1: dựa vào hình 3.1, có thể thấy rằng chuỗi CPI không dừng, vì bề ngoài trung bình, phƣơng sai của chuỗi dƣờng nhƣ không phải là bất biến theo thời gian. - Cách 2: dựa vào lƣợc đồ tƣơng quan Dựa vào lƣợc đồ tƣơng quan ta thấy toàn bộ của ACF tại 35 độ trễ đều khác 0 và có ý nghĩa thống kê. Nhìn một cách trực quan, có thể thấy đồ thị có xu hƣớng giảm chậm, tƣơng đối đều đặn qua các độ trễ thì chuỗi không dừng. Ngƣợc lại, đồ thị của chuỗi giảm nhanh, ngẫu nhiên, không theo xu hƣớng thì là chuỗi dừng. Vì vậy, chuỗi CPI là chuỗi không dừng. - Cách 3: kiểm định nghiệm đơn vị (unit root test) Ta có các giả thiết: H0: chuỗi không dừng H1: chuỗi dừng Hình 3.2: Kết quả kiểm định tính dừng của chuỗi CPI Nguồn: xử lý bằng Eviews6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 48 Theo kết quả, cho thấy | | ở 3 mức ý nghĩa 1%, 5% và 10% nên có thể bác bỏ giả thiết H1, tức là chuỗi CPI trên không có tính dừng. Vì vậy, để có thể áp dụng phƣơng pháp Box-Jenkins cần phải biến đổi chuỗi CPI thành chuỗi dừng, bằng cách lấy sai phân của chuỗi CPI. Đầu tiên, xem xét chuỗi sai phân bậc 1 của chuỗi CPI, nếu vẫn chƣa dừng thì tiếp tục lấy sai phân bậc 2,3,4.... Hình 3.3: Đồ thị chuỗi sai phân bậc 1 của chuỗi CPI Nguồn: xử lý bằng Eviews6.0 Dựa vào hình 3.3 có thể thấy chuỗi sai phân bậc 1 của CPI không rõ xu hƣớng, và xoay quanh một giá trị trung bình nào đó. Đây đƣợc xem nhƣ là biểu hiện của một chuỗi dừng. Hình 3.4: Kết quả kiểm định tính dừng chuỗi sai phân bậc 1 của CPI Nguồn: xử lý bằng Eviews6.0 -1 0 1 2 3 4 25 50 75 100 DCPI Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 49 Từ kết quả trên cho thấy bác bỏ giả thiết H0: chuỗi có nghiệm đơn vị, ta càng khẳng định chuỗi sai phân bậc 1 của CPI là một chuỗi dừng. Bây giờ ta sẽ tiến hành xác định mô hình ARIMA dựa trên chuỗi sai phân bậc 1 của CPI, chứ không căn cứ trên chuỗi CPI vì chuỗi CPI vẫn chƣa dừng. Bảng 3.2: Thống kê mô tả chuỗi sai phân bậc 1 của CPI Nguồn: xử lý bằng Eviews6.0 Trị thống kê Jarque-Bera tƣơng đối lớn (JB = 29.67366 > ) và Prob nhỏ (Prob = 0.00 <5%), do đó bác bỏ giả thiết H0: chuỗi sai phân bậc 1 của CPI có phân phối chuẩn. Vì vậy, chuỗi này không tuân theo quy luật phân phối chuẩn ở mức ý nghĩa 5%. Kết quả Skewness dƣơng (1.091013), Kurtosis lớn hơn ba (4.082379), cho thấy chuỗi có phân phối lệch phải và độ nhọn vƣợt chuẩn (đuôi béo). 3.3.3. Lựa chọn mô hình ARIMA(p,d,q) phù hợp Trên cơ sở lý thuyết, việc xác định bậc d là dựa trên số lần lấy sai phân I(d), việc xác định bậc p và q thông thƣờng đƣợc dựa vào lƣợc đồ tự tƣơng quan. - Bậc d: vì ta chỉ tiến hành lấy sai phân 1 lần nên d=1. - Bậc p và q: Việc căn cứ vào lƣợc đồ ACF và PACF sẽ rất khó xác định bậc chính của mô hình. Vì vậy, ta sẽ dùng phƣơng pháp thử và sai. Để lựa chọn mô hình ARIMA ta tiến hành hồi quy theo phƣơng pháp OLS cho các mô hình ARIMA(p,1,q), 0 4 8 12 16 20 24 28 0 1 2 3 Series: DCPI Sample 1 121 Observations 120 Mean 0.723022 Median 0.475000 Maximum 3.730000 Minimum -0.670000 Std. Dev. 0.835025 Skewness 1.091013 Kurtosis 4.083279 Jarque-Bera 29.67366 Probability 0.000000 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 50 lần lƣợt lấy p=1,2,3....; q=1,2,3... từ đó chọn mô hình tối thiểu hóa các chỉ tiêu AIC; SIC; có R 2 điều chỉnh cao nhất và càng ít độ trễ càng tốt. Nếu các tiêu chí này mâu thuẫn thì chọn mô hình có các hệ số đều có ý nghĩa thống kê ở mức 5%. Bảng 3.3: Xác định mô hình ARIMA ARIMA(p,1,q) AIC SIC R 2 ARIMA(1,1,1) 2.014298 2.084360 0.397573 ARIMA(1,1,2) 2.010653 2.080715 0.399765 ARIMA(1,1,3) 2.007758 2.077820 0.401500 ARIMA(1,1,4) 2.012870 2.082932 0.398433 ARIMA(1,1,5) 1.967863 2.037925 0.524907 ARIMA(1,1,0) 1.998066 2.044774 0.397227 ARIMA(2,1,1) 1.987878 2.058319 0.414374 ARIMA(3,1,1) 2.089707 2.160532 0.357489 Nguồn: tổng hợp từ Eviews 6.0 Nhìn vào bảng 3.3 và dựa vào những tiêu chí đã đƣa ra ở trên: tối thiếu hóa các chỉ tiêu AIC, SIC (các chỉ số này càng nhỏ thì dự báo càng chính xác) và tối đa hóa R 2 ta thấy mô hình ARIMA(1,1,5) là phù hợp. Bên cạnh đó, mô hình ARIMA(1,1,5) có các hệ số đều có ý nghĩa thống kê ở mức 5%. Nên ta quyết định chọn mô hình ARIMA(1,1,5) là mô hình tốt nhất trong các mô hình đề nghị trên. Mô hình ARIMA(1,1,5) có dạng sau: Trong đó : Chỉ số giá tiêu dùng tại thời điểm t CPIt-1: Chỉ số giá tiêu dùng tại thời điểm t-1 ut: sai số ngẫu nhiên tại thời điểm t ut-5: sai số ngẫu nhiên tại thời điểm t-5 Trư ờ g Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 51 Mô hình này có nên thõa mãn tính dừng và tính đảo. Để xem xét mô hình lựa chọn có phù hợp một cách tƣơng đối hợp lí với dữ liệu không, ta cần tiến hành kiểm tra tự tƣơng quan phần dƣ mô hình ARIMA(1,1,5) vừa xây dừng đƣợc. Kết quả cho thấy Prob >5%, do đó chƣa có cơ sở bác bỏ giả thiết H0: phần dƣ mô hình ARIMA(1,1,5) không có tự tƣơng quan. Ta kết luận phần dƣ của mô hình là nhiễu trắng và đây là mô hình phù hợp. Tiếp đó, ta tiến hành chạy dự báo trên mô hình ARIMA(1,1,5) cho giai đoạn từ tháng 1 năm 2015 đến tháng 4 năm 2015 để xem mô hình có dự báo sát với giá trị thực tế và nắm bắt tốt dữ liệu không. Hình 3.5: Dự báo chỉ số giá tiêu dùng Nguồn: xử lý bằng Eviews6.0 Chỉ tiêu MAE, RMSE là số tuyệt đối phản ánh chênh lệch giá trị dự báo và giá trị thực tế. MAPE cũng có ýnghĩa tƣơng tự nhƣng ở dạng phần trăm. MAE và RMSE thì gần về 0, MAPE dù lớn hơn 1 nhƣng vẫn ở mức cho phép. Hệ số Theil Inequality Coefficient là 0.313580 tạm chấp nhận đƣợc, Bias Proportion cũng rất nhỏ. Nhìn chung các chỉ tiêu này đáp ứng cho việc sử dụng mô hình để dự báo. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 52 Hình 3.6: Giá trị thực và giá trị dự báo chỉ số CPI Nguồn: xử lý bằng Eviews6.0 Đƣờng màu xanh là dữ liệu thực còn đƣờng màu đỏ là dữ liệu dự báo. Nhìn vào hình 3.6 giá trị thực và giá trị dự báo tƣơng đối sát nhau. Và có thể xem mô hình ARIMA(1,1,5) nắm bắt tốt đối với dữ liệu. Bảng 3.4: Giá trị thực tế là giá trị dự báo ngoài mẫu CPI Tháng Giá trị thực tế Giá trị dự báo Sai số dự báo 1/2015 143.83 143.927 0.06744% 2/2015 143.76 143.815 0.0383% 3/2015 143.977 144.001 0.01667% 4/2015 144.173 144.201 0.01942% Nguồn: xử lý bằng Excel 2010 Kết quả dự báo ngoài mẫu ƣớc lƣợng mô hình cho giai đoạn từ tháng 1 năm 2015 đến tháng 4 năm 2015 tƣơng đối sát với giá trị thực tế, sai số dự báo tƣơng đối thấp. Từ đó có thể kết luận, mô hình ARIMA(1,1,5) nắm băt dữ liệu tƣơng đối tốt, -1 0 1 2 3 4 25 50 75 100 125 DCPI DCPIF Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 53 các hệ số ƣớc lƣợng trong mô hình đều có ý nghĩa thống kê ở mức ý nghĩa 5% và thõa mãn điều kiện dừng. Các thử nghiệm chuẩn đoán ban đầu cho thấy phần dƣ không tự tƣơng quan, sai số dự báo nhỏ và các chỉ tiêu đánh giá độ chính xác dự báo tin cậy. Tóm lại mô hình ARIMA(1,1,5) hoàn toàn có thể dùng dự báo. Dữ liệu dự báo ở đây là chỉ số CPI, để đánh giá trực quan hơn về lạm phát, ta tiếp tục chuyển đổi CPI sang tỷ lệ lạm phát bằng công thức: Trong đó: Giá trị dự báo tỷ lệ lạm phát tại thời điểm t Giá trị dự báo chỉ số CPI tại thời điểm t Giá trị thực tế chỉ số CPI tại thời điểm t-1 Bảng 3.5: Giá trị thực tế và giá trị dự báo tỷ lệ lạm phát trong giai đoạn 1/2015 đến 4/2015 Đơn vị: % Thời gian Giá trị thực tế (so với cùng kỳ năm trƣớc) Giá trị dự báo (so với cùng kỳ năm trƣớc) sai số dự báo 1/2015 0.94 1.00849 7.286% 2/2015 0.34 0.3804 11.88% 3/2015 0.93 0.94707 1.8355% 4/2015 0.99 1.00939 1.9586% Nguồn: xử lý từ Excel 2010 Từ bảng 3.5 cho thấy, mặc dù mô hình ARIMA(1,1,5) đã dự báo chỉ số giá tiêu dùng tốt, sai số dự báo nhỏ nhƣng khi chuyển sang tỷ lệ lạm phát thì vẫn còn tồn tại sai số dự báo tƣơng đối lớn. Tuy nhiên ở mức độ sai số dự báo này vẫn có thể chấp nhận đƣợc. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 54 3.3.4. Kiểm định tính ARCH Để kiểm tra mô hình này có phƣơng sai số vẫn còn thay đổi hay không. Ta tiến hành kiểm định tính ARCH của mô hình ARIMA(1,1,5) Hình 3.7: Kiểm định tính ARCH của mô hình ARIMA(1,1,5) Nguồn: xử lý bằng Eviews6.0 Ta có P-Value =0.9379 > 5%, do đó chƣa có cơ sở bác bỏ giả thiết H0: mô hình không còn chịu ảnh hƣởng của tính ARCH. Vậy, ta có thể kết luận mô hình ARIMA(1,1,5) không có tính ARCH nên có thể sử dụng mô hình này dự báo cho giai đoạn tiếp trong tƣơng lai. 3.3.5. Tiến hành dự báo Thực hiện dự báo tỷ lệ lạm phát trong vào 3 tháng tiếp theo là tháng 5, tháng 6, tháng 7 năm 2015. Trư ờ g Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 55 Hình 3.8: Dự báo CPI trong giai đoạn 5/2015 đến 7/2015 Nguồn: xử lý bằng Eviews6.0 Đƣờng màu xanh là đƣờng dự báo chỉ số CPI giai đoạn 5/2015 đến 7/2015 và đƣờng màu đỏ là đƣờng tiệm cận trên và tiệm cận dƣới của dự báo. Dựa vào hình 3.8 có thể thấy chỉ số CPI có xu hƣớng tăng dần theo thời gian và tăng nhẹ trong khoảng thời gian dự báo. 142 143 144 145 146 147 148 149 150 126 127 128 CPIF ± 2 S.E. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 56 Bảng 3.6: Dự báo tỷ lệ lạm phát giai đoạn 5/2015 đến 7/2015 Đơn vị: % Thời gian Giá trị dự báo 5/2015 144.88247 Lạm phát so với cùng kỳ năm trƣớc Lạm phát so với tháng trƣớc lạm phát so với 12/2014 1.6385% 0.2443% 0.489% 6/2015 145.2607 Lạm phát so với cùng kỳ năm trƣớc lạm phát so với tháng trƣớc lạm phát so với 12/2014 1.3895% 0.3011% 0.7915% 7/2015 145.8090 Lạm phát so với cùng kỳ năm trƣớc lạm phát so với tháng trƣớc Lạm phát so với tháng 12/2014 2.2145 0.3775% 1.1719% Nguồn: Xử lý từ Eivew 6.0 và Excel 2010 3.4. Nhận xét Bài nghiên cứu đã sử dụng chuỗi chỉ số CPI để xây dựng mô hình ARIMA và kết quả cho thấy rằng chuỗi thời gian này tuân theo quá trình tự hồi quy tích hợp với trung bình trƣợt với độ trễ thời gian lần lƣợt là 1, 5 hay ARIMA(1,1.5). Phƣơng trình trung bình có điều kiện của chỉ số CPI: Nhìn vào phƣơng trình ta có thể thấy chỉ số CPI tại thời điểm hiện tại không những phụ thuộc vào giá trị trung bình trong quá khứ mà còn phụ thuộc vào sai số ngẫu nhiên, hàm ý của những thông tin trong quá khứ. Hệ số AR(1) là 0.632504 > 0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 57 chứng tỏ chỉ số CPI tại thời điểm hiện tại tƣơng quan dƣơng với chỉ số CPI trong quá khứ, cụ thể là nếu chỉ số CPI trong tháng trƣớc tăng 1% thì chỉ số CPI trong tháng sau sẽ tăng 0.632504%. Hệ số MA(5) là 0.233423 > 0 chứng tỏ chỉ số CPI hiện tai tƣơng quan với sai số ngẫu nhiên (thông tin trong quá khứ). Về mặt tƣơng quan dƣơng hay âm còn phụ thuộc vào dấu của sai số ngẫu nhiên. Dựa vào kết quả dự báo trên, chỉ số CPI có xu hƣớng tăng trong 3 tháng tiếp, nhƣng mức tăng rất ít. Đây là một dấu hiệu tốt cho thị trƣờng, lạm phát vẫn tiếp tục đƣợc kiềm chế ở mức vừa phải, tốc độ tăng của chỉ số CPI so với các năm trƣớc 2013 có phần thấp hơn và cao hơn những tháng đầu năm 2015. Theo nhận định chủ quan của tôi, đây là kết quả dự báo khá hợp lý. Trong bối cảnh kinh tế thế giới đang trên đà phục hồi, tình hình sản xuất kinh doanh trong nƣớc có phần đƣợc cải thiện. Giá xăng dầu có xu hƣớng tăng trở lại trong những tháng gần đây góp phần tác động đến tỷ lệ lạm phát tăng nhẹ so với các tháng đầu đầu năm 2015. Với tỷ lệ lạm phát không quá cao và không quá thấp sẽ tác động đến tăng trƣởng kinh tế trong tƣơng lai. Sau khi tiến hành kiểm định tính ARCH, kết quả cho thấy mô hình không còn chịu ảnh hƣởng của tính ARCH, tức là phƣơng sai sai số không thay đổi. Vì vậy mô hình ARIMA(1,1,5) hoàn toàn có thể dùng trong dự báo. Dự báo chỉ số CPI trong giai đoạn bốn tháng gần đây nhất cho thấy mức độ sai số so với thực tế khá thấp, song khi chuyển sang tỷ lệ lạm phát thì mức độ sai số so với thực tế tăng lên. Điều này không có gì lạ bởi vì tỷ lệ lạm phát đƣợc tính ở dƣới dạng phần trăm nên sai số sẽ tăng lên. Tuy mô hình đƣợc nhận định là dự báo tốt, song vẫn chƣa tối ƣu, bởi sự phụ thuộc trong mô hình đƣợc giả định khác nhiều. Hơn nữa mô hình này chỉ đƣợc xây dựng trên dữ liệu quá khứ nên khả năng giải thích cho biến tỷ lệ lạm phát chƣa cao. Trên thực tế, tốc độ tăng của chỉ số CPI còn phụ thuộc vào tình hình biến động kinh tế trong nƣớc và thế giới, các cú sốc về giá trên thị trƣờng và chính sách tiền tệ của Chính Phủ. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 58 PHẦN III: KẾT LUẬN 1. Kết luận Bài nghiên cứu đã đi đúng mục đích là phân tích diễn biến lạm phát ở Việt Nam. Nguyên nhân chủ yếu của các cuộc lạm phát trong giai đoạn nghiên cứu đƣợc nhận định là tình hình kinh tế-xã hội thế giới biến động xấu, các cú sốc về giá trên thị trƣờng thế giới. Mặt khác là do chính sách tiền tệ mở rộng của Chính phủ trong một giai đoạn dài. Đây cũng chính là nguyên nhân khiến lạm phát ở nƣớc ta luôn cao hơn các nƣớc trong khu vực. Và trong giai đoạn từ năm 2012 đến nay, nhờ Chính phủ kiên trì với chính sách kiềm chế lạm phát nên tình lạm phát đƣợc cải thiện rõ rệt, tuy nhiên đánh đổi lại là một mức tăng trƣởng quá thấp. Cuối cùng là phần dự báo tỷ lệ lạm phát dựa vào mô hình ARIMA và kết quả cho thấy lạm phát có xu hƣớng tăng 3 tháng tới, nhƣng ở mức độ tăng rất ít. Bài nghiên cứu đã làm nổi bật phƣơng pháp xây dựng, xác định mô hình ARIMA, các phép thử để lựa chọn ra mô hình tốt nhất. Trong bài, mô hình xây dựng đƣợc tƣơng đối phù hợ với dự liệu thực tế trong giai đoạn ƣớc lƣợng, nó cũng khá sát với dữ liệu kiểm định ngoài mẫu, kết quả dự báo ngoài mẫu đáng tin cậy. Thông qua đó, cung cấp cái nhìn cụ thể về việc ứng dụng mô hình ARIMA trong dự báo tỷ lệ lạm phát cũng nhƣ các biến kinh tế khác. 2. Hạn chế của đề tài Mặc dù bài nghiên cứu đã cung cấp cái nhìn tổng quan về lạm phát trong 10 năm trở lại đây và đã xây dựng đƣợc mô hình phù hợp để dự báo tỷ lệ lạm phát trong tƣơng lai, đề tài vẫn còn những mặt hạn chế sau: - Một chuỗi dữ liệu có thể phù hợp với nhiều mô hình ARIMA khác nhau, do đó chúng ta cần thử nghiệm nhiều mô hình để chọn đƣợc mô hình thích hợp. Đây là lý do tại sao phƣơng pháp lập mô hình ARIMA của Box-Jenkins đƣợc xem là nghệ thuật nhiều hơn là khoa học. Vì vậy cần có kỹ năng tốt để lựa chọn mô hình thích hợp. Việc hạn chế về chuyên môn, kiến thức cũng nhƣ nhƣ các kỹ năng cần thiết nhƣ phân tích xử lý các mô hình bằng công cụ chuyên môn... gây khó khăn cho quá trình nghiên cứu. Trư ờng Đạ i họ c K inh tế H ế Khóa luận tốt nghiệp 59 - Hạn chế về mô hình dự báo. Mặc dù mô hình ARIMA đƣợc sử dụng khá phổ biến trong dự báo, nhƣng mô hình dự báo chỉ dựa trên dữ liệu quá khứ với giả định tƣơng lai sẽ lặp lại các đặc điểm trƣớc đây nên không phải lúc nào cũng đem lại kết quả chính xác. Thực tế cho thấy rằng, giá trị tƣơng lai của biến số kinh tế sẽ không giữ nguyên mà biến động rất nhiều. Nên mô hình ARIMA chỉ dự báo một cách ý nghĩa trong ngắn hạn, còn trong dài hạn thì sai số sẽ gia tăng rất nhiều, kết quả sẽ không đƣợc chính xác. - Bên cạnh đó, mô hình chỉ dừng lại ở dạng đơn biến, ƣớc lƣợng hồi quy chỉ dựa vào giá trị quá khứ. Trong khi đó lạm phát còn chịu tác động bởi tình hình kinh tế thế giớicác cú sốc cung, các cú sốc cầu, tốc độ tăng cung tiền, chính sách tiền tệ của chính phủ...v.v. nên khó mà dự đoán chính xác đƣợc. - Đề tài đã sử dụng chỉ số CPI để dự báo lạm phát. Mà tỷ lệ lạm phát đƣợc biển hiện ở dạng phần trăm nên đòi hỏi sai số rất nhỏ. Vì vậy, việc dùng chỉ số CPI để dự báo lạm phát làm sai số tăng lên, mức độ chính xác bị giảm xuống. 3. Hƣớng phát triển đề tài - Thứ nhất là nên mở rộng hoặc thu hẹp mẫu nghiên cứu cho giai đoạn ƣớc lƣợng các mô hình. Nếu muốn dự báo chính xác hơn thì nên chọn mẫu trong thời gian tốc độ tăng của chỉ số CPI tƣơng đối ổn định. Và có thể sử dụng các mô hình mở rộng để việc dự báo chính xác hơn. - Thứ hai là do mô hình ARIMA còn tồn tại một số hạn chế, do đó để dự báo sát với kết quả thực tế cần sử dụng kết hợp với các mô hình dự báo khác. - Thứ ba là tốc độ tăng của chỉ số CPI còn phụ thuộc vào một số biến độc lập khác ngoài giá trị hiện tại và quá khứ nhƣ tốc độ tăng trƣởng cung tiền, các cú sốc về giá của các mặt hàng thiết yếu.... Vì vậy việc đƣa các biến này vào trong mô hình sẽ cải thiện đáng kể mức độ tin cậy của mô hình. - Thứ tƣ là việc dự báo tỷ lệ lạm phát thông qua dựa báo CPI dẫn đến sai số cao hơn nên việc sử dụng tỷ lệ lạm phát để dự báo trực tiếp sẽ giảm đƣợc sai số. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 60 DANH MỤC TÀI LIỆU THAM KHẢO 1. Tài liệu Tham khảo trong nƣớc [1] Nguyễn Văn Công (2011), “Lạm phát và kiểm soát lạm phát ở Việt Nam”, Chính trị quốc gia - Sự thật. [2] Ông Nguyên Chƣơng, MÔ HÌNH ARIMA VỚI PHƢƠNG PHÁP BOX - JENKINS VÀ ỨNG DỤNG ĐỂ DỰ BÁO LẠM PHÁT CỦA VIỆT NAM ARIMA MODELS - THE BOX-JENKINS APPROACH AND ITS APPLICATION TO FORECAST INFLATION IN VIETNAM. [3] Phan Thị Cúc, “Diễn biến lạm phát ở Việt Nam và giải pháp kiềm chế linh hoạt”, Khoa Tài chính - Ngân hàng - trƣờng ĐH Công Nghiệp TP.HCM. [4] Nguyễn Quang Dong (2002), Kinh tế lượng – Chương trình nâng cao, NXB Khoa học và kỹ thuật. [5] Đào Hùng Dũng (2012), “Dự báo lạm phát quý I năm 2013 qua mô hình ARIMA”, Học viện ngân hàng. [6] Thục Đoan & Cao Hào Thi (2012 - 2014), bài đọc “ Kinh tế lượng về chuỗi thời gian II: Dự báo với mô hình ARIMA và VAR”, Chƣơng trình giảng dạy kinh tế Fullbright. [7] Thục Đoan & Cao Hào Thi (2012 - 2014), bài học “ Dự báo”, Chƣơng trình giảng dạy kinh tế Fullbright. [8] Nguyễn Khắc Ninh (2002), Các phƣơng pháp phân tích và dự báo trong kinh tế, Đại học Khoa học và Kỹ thuật. [9] Nguyễn Văn Tiến (2009), Giáo trình Tài chính tiền tệ ngân hàng, Nhà xuất bản thống kê. [10] Nguyễn Ngọc Thiệp (2010), Một số phương pháp khai phá dữ liệu quan hệ trong tài chính và chứng khoán (Mô hình ARIMA), Khóa luận tốt nghiệp Đại Trư ờng Đại học Ki h tế Hu ế Khóa luận tốt nghiệp 61 học Công nghệ - Đại học Quốc gia Hà Nội. [11] Xuân Thành & Cao Hào Thi (2012 - 2014), bài đọc “ Chuỗi thời gian trong kinh tế lượng”, Chƣơng trình giảng dạy kinh tế Fullbright. [12] Vũ Quang Việt (2008), Đối mặt với lạm phát: Tuyển tập cái bài báo viết về lạm phát ở Việt Nam trên Thời báo kinh tế Sài Gòn, Thời báo kinh tế Sài Gòn. 2. Tài liệu tham khảo nƣớc ngoài [13] Chris Books (2008), Introductory Econnometrics for Finace, Second Edition, The ICMA Centre, University Cambridge. 3. Danh mục trang web tham khảo [14] newsPath=/vnemb.vn/ng_kinhte/ns070808152539 [14] [15] lo-ngai-582-147231.htm [16] den-nay-40879/ [17] [18] [19] 01012012121525.html Trư ờng Đạ i ọ c K inh tế H uế Khóa luận tốt nghiệp 62 PHỤ LỤC Phụ luc 1: Kiểm tra về giả định phân phối chuẩn của phần dƣ Bài kiểm tra phổ biến thƣờng áp dụng cho kiểm tra phân phối chuẩn của phần dƣ là Jarque-Bera. Một phân phối chuẩn sẽ có độ bất cân xứng là 0 (Skewness) và độ nhọn (Kurtosis) là 3, khi đó phân phối là đối xứng (mesokurtic) về trung bình. Đa số các chuỗi thời gian tài chính có phân phối chuẩn độ nhọn vƣợt chuẩn (leptokurtosis), khi đó sẽ có nhiều giá trị bằng với giá trị trung bình hơn so với phân phối chuẩn có cùng trung bình và phƣơng sai. Jarque và Bera (1981) đã đƣa ra ý tƣởng kiểm tra xem đồng thời Skewness và excess kurtosis có bằng 0 không. Thống kê Jarque-Bera đƣợc đƣa ra nhƣ sau: * ( ) + Trong đó: S là độ bất cân xứng (Skewness) K là độ nhọn (Kurtosis) Thống kê theo phân phối Chi bình phƣơng với bậc tự do là 2. Giả thiết H0: phần dƣ có phân phối chuẩn. Nếu BJ > ( ), Prob.< 0.05 thì bác bỏ giả thiết H0, tức là phần dƣ không phân phối chuẩn. Trư ờng Đạ i họ c K inh ế H ế Khóa luận tốt nghiệp 63 Phụ lục 2: Lƣợc đồ tự tƣơng quan ACF và tự tƣơng quan riêng phần PACF chuỗi chỉ số CPI Hình1: ACF và PACF của chuỗi chỉ số CPI Nguồn: xử lý bằng Eviews 6.0 Có thể thấy của ACF tại 35 độ trễ đều khác 0 và có ý nghĩa thống kê. Trên lƣợc đồ, đồ thì có xu hƣớng giảm chậm, tƣơng đối đều đặn qua các độ trễ. Vì vậy, kết luận chuỗi CPI chƣa dừng. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 64 Phụ lục 3: Lƣợc đồ tự tƣơng quan chuỗi sai phân bậc 1 của CPI Hình 2: ACF và PACF chuỗi sai phân bậc 1 của CPI Nguồn: xử lý bằng Eviews 6.0 Dựa vào hình ta thấy đồ thị giảm nhanh, ngẫu nhiên, không theo xu hƣớng nên nhận định chuỗi này đã dừng. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 65 Phụ lục 4: Ƣớc định các mô hình ARIMA(p,1,q) Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:05 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 11 iterations MA Backcast: 2 Variable Coefficient Std. Error t-Statistic Prob. C 0.679701 0.157334 4.320112 0.0000 AR(1) 0.619017 0.111044 5.574508 0.0000 MA(1) 0.030603 0.141970 0.215556 0.8297 R-squared 0.408645 Mean dependent var 0.695787 Adjusted R-squared 0.398789 S.D. dependent var 0.831187 S.E. of regression 0.644484 Akaike info criterion 1.983354 Sum squared resid 49.84315 Schwarz criterion 2.051944 Log likelihood -118.9763 Hannan-Quinn criter. 2.011215 F-statistic 41.46188 Durbin-Watson stat 1.981081 Prob(F-statistic) 0.000000 Inverted AR Roots .62 Inverted MA Roots -.03 Hình 3: Ƣớc lƣợng mô hình ARIMA(1,1,1) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 66 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:09 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 7 iterations MA Backcast: 1 2 Variable Coefficient Std. Error t-Statistic Prob. C 0.679209 0.162946 4.168295 0.0001 AR(1) 0.671720 0.077807 8.633137 0.0000 MA(2) -0.079713 0.105051 -0.758810 0.4495 R-squared 0.410868 Mean dependent var 0.695787 Adjusted R-squared 0.401049 S.D. dependent var 0.831187 S.E. of regression 0.643272 Akaike info criterion 1.979589 Sum squared resid 49.65581 Schwarz criterion 2.048179 Log likelihood -118.7447 Hannan-Quinn criter. 2.007450 F-statistic 41.84467 Durbin-Watson stat 2.020071 Prob(F-statistic) 0.000000 Inverted AR Roots .67 Inverted MA Roots .28 -.28 Hình 4 : Ƣớc lƣợng mô hình ARIMA(1,1,2) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 67 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:14 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 8 iterations MA Backcast: 0 2 Variable Coefficient Std. Error t-Statistic Prob. C 0.678009 0.165079 4.107188 0.0001 AR(1) 0.606725 0.074236 8.172938 0.0000 MA(3) 0.123747 0.093148 1.328507 0.1865 R-squared 0.413116 Mean dependent var 0.695787 Adjusted R-squared 0.403335 S.D. dependent var 0.831187 S.E. of regression 0.642043 Akaike info criterion 1.975764 Sum squared resid 49.46627 Schwarz criterion 2.044354 Log likelihood -118.5095 Hannan-Quinn criter. 2.003625 F-statistic 42.23490 Durbin-Watson stat 1.896339 Prob(F-statistic) 0.000000 Inverted AR Roots .61 Inverted MA Roots .25-.43i .25+.43i -.50 Hình 5: Ƣớc lƣợng mô hình ARIMA(1,1,3) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh ế H uế Khóa luận tốt nghiệp 68 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:17 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 5 iterations MA Backcast: -1 2 Variable Coefficient Std. Error t-Statistic Prob. C 0.678210 0.163037 4.159848 0.0001 AR(1) 0.628485 0.072537 8.664299 0.0000 MA(4) 0.044138 0.093649 0.471309 0.6383 R-squared 0.409664 Mean dependent var 0.695787 Adjusted R-squared 0.399825 S.D. dependent var 0.831187 S.E. of regression 0.643928 Akaike info criterion 1.981629 Sum squared resid 49.75725 Schwarz criterion 2.050219 Log likelihood -118.8702 Hannan-Quinn criter. 2.009490 F-statistic 41.63704 Durbin-Watson stat 1.964972 Prob(F-statistic) 0.000000 Inverted AR Roots .63 Inverted MA Roots .32-.32i .32-.32i -.32+.32i -.32+.32i Hình 6: Ƣớc lƣợng mô hình ARIMA(1,1,4) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 69 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:18 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 3 iterations Variable Coefficient Std. Error t-Statistic Prob. C 0.679179 0.159774 4.250861 0.0000 AR(1) 0.637579 0.069745 9.141573 0.0000 R-squared 0.408511 Mean dependent var 0.695787 Adjusted R-squared 0.403622 S.D. dependent var 0.831187 S.E. of regression 0.641888 Akaike info criterion 1.967321 Sum squared resid 49.85446 Schwarz criterion 2.013048 Log likelihood -118.9902 Hannan-Quinn criter. 1.985895 F-statistic 83.56835 Durbin-Watson stat 1.960074 Prob(F-statistic) 0.000000 Inverted AR Roots .64 Hình 7: Ƣớc lƣợng mô hình ARIMA(1,1,0) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 70 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:20 Sample (adjusted): 4 125 Included observations: 122 after adjustments Convergence achieved after 6 iterations MA Backcast: 3 Variable Coefficient Std. Error t-Statistic Prob. C 0.696601 0.163745 4.254196 0.0000 AR(2) 0.389553 0.104925 3.712673 0.0003 MA(1) 0.738509 0.077035 9.586651 0.0000 R-squared 0.426343 Mean dependent var 0.700998 Adjusted R-squared 0.416702 S.D. dependent var 0.832594 S.E. of regression 0.635885 Akaike info criterion 1.956685 Sum squared resid 48.11763 Schwarz criterion 2.025636 Log likelihood -116.3578 Hannan-Quinn criter. 1.984691 F-statistic 44.22056 Durbin-Watson stat 2.146432 Prob(F-statistic) 0.000000 Inverted AR Roots .62 -.62 Inverted MA Roots -.74 Hình 8: Ƣớc lƣợng mô hình ARIMA(2,1,1) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh ế H uế Khóa luận tốt nghiệp 71 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:21 Sample (adjusted): 5 125 Included observations: 121 after adjustments Convergence achieved after 9 iterations MA Backcast: 4 Variable Coefficient Std. Error t-Statistic Prob. C 0.700303 0.116878 5.991721 0.0000 AR(3) 0.193444 0.098132 1.971260 0.0510 MA(1) 0.548944 0.084122 6.525540 0.0000 R-squared 0.366676 Mean dependent var 0.703734 Adjusted R-squared 0.355942 S.D. dependent var 0.835505 S.E. of regression 0.670520 Akaike info criterion 2.062955 Sum squared resid 53.05246 Schwarz criterion 2.132272 Log likelihood -121.8088 Hannan-Quinn criter. 2.091107 F-statistic 34.15931 Durbin-Watson stat 1.750317 Prob(F-statistic) 0.000000 Inverted AR Roots .58 -.29-.50i -.29+.50i Inverted MA Roots -.55 Hình 9 : Ƣớc lƣợng mô hình ARIMA(3,1,1) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh ế H uế Khóa luận tốt nghiệp 72 Dependent Variable: DCPI Method: Least Squares Date: 05/11/15 Time: 22:22 Sample (adjusted): 3 125 Included observations: 123 after adjustments Convergence achieved after 8 iterations MA Backcast: -2 2 Variable Coefficient Std. Error t-Statistic Prob. C 0.671672 0.191463 3.508104 0.0006 AR(1) 0.637601 0.071126 8.964395 0.0000 MA(5) 0.229729 0.090540 2.537317 0.0125 R-squared 0.435667 Mean dependent var 0.695787 Adjusted R-squared 0.426261 S.D. dependent var 0.831187 S.E. of regression 0.629587 Akaike info criterion 1.936583 Sum squared resid 47.56559 Schwarz criterion 2.005173 Log likelihood -116.0998 Hannan-Quinn criter. 1.964444 F-statistic 46.32013 Durbin-Watson stat 1.889341 Prob(F-statistic) 0.000000 Inverted AR Roots .64 Inverted MA Roots .60-.44i .60+.44i -.23+.71i -.23-.71i -.75 Hình 10: Ƣớc lƣợng mô hình ARIMA(1,1,5) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 73 Phụ lục 5: Kiểm tra tự tƣơng quan phần dƣ của mô hình ARIMA(1,1,5) Hình 11: Kiểm tra tự tƣơng quan mô hình ARIMA(1,1,5) Nguồn: xử lý bằng Eviews 6.0 P-value > 5% , do đó chƣa có cơ sở bác bỏ H0. Vậy phần dƣ của mô hình ARIMA(1,1,5) không có tự tƣơng quan. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 74 Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.146893 Prob. F(12,108) 0.3309 Obs*R-squared 13.90129 Prob. Chi-Square(12) 0.3071 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 05/11/15 Time: 22:37 Sample: 3 125 Included observations: 123 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C 0.054287 0.194191 0.279554 0.7804 AR(1) -1.128665 0.868453 -1.299627 0.1965 MA(5) -0.460646 1.335817 -0.344842 0.7309 RESID(-1) 1.157703 0.857256 1.350475 0.1797 RESID(-2) 0.676780 0.558640 1.211477 0.2284 RESID(-3) 0.529353 0.369707 1.431820 0.1551 RESID(-4) 0.311154 0.243378 1.278477 0.2038 RESID(-5) 0.645653 1.435896 0.449652 0.6539 RESID(-6) -0.051005 0.130511 -0.390814 0.6967 RESID(-7) 0.033719 0.109552 0.307787 0.7588 RESID(-8) 0.093957 0.099569 0.943632 0.3475 RESID(-9) -0.051938 0.096413 -0.538703 0.5912 Trư ờng Đại học Kin h tế Hu ế Khóa luận tốt nghiệp 75 RESID(-10) -0.084724 0.312364 -0.271235 0.7867 RESID(-11) -0.013207 0.095464 -0.138348 0.8902 RESID(-12) 0.189996 0.095294 1.993785 0.0487 R-squared 0.113019 Mean dependent var 0.002130 Adjusted R-squared -0.001960 S.D. dependent var 0.624402 S.E. of regression 0.625013 Akaike info criterion 2.011762 Sum squared resid 42.18930 Schwarz criterion 2.354711 Log likelihood -108.7233 Hannan-Quinn criter. 2.151067 F-statistic 0.982949 Durbin-Watson stat 1.971284 Prob(F-statistic) 0.475599 Hình 12: Kiểm tra tự tƣơng quan phần dƣ mô hình ARIMA(1,1,5) Nguồn: xử lý bằng Eviews 6.0 P-value = 0.3071, do đó kết luận phần dƣ mô hình ARIMA(1,1,5) không còn có tự tƣơng quan. Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 76 Phụ lục 6: kiểm tra tính ARCH của mô hình ARIMA(1,1,5) Heteroskedasticity Test: ARCH F-statistic 0.450743 Prob. F(12,98) 0.9379 Obs*R-squared 5.805981 Prob. Chi-Square(12) 0.9255 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/11/15 Time: 22:44 Sample (adjusted): 15 125 Included observations: 111 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 0.345915 0.150247 2.302318 0.0234 RESID^2(-1) 0.047805 0.101053 0.473065 0.6372 RESID^2(-2) 0.019396 0.100581 0.192841 0.8475 RESID^2(-3) -0.002776 0.099436 -0.027919 0.9778 RESID^2(-4) -0.027629 0.099388 -0.277990 0.7816 RESID^2(-5) 0.065287 0.099335 0.657237 0.5126 RESID^2(-6) 0.056809 0.099448 0.571246 0.5691 RESID^2(-7) 0.028245 0.099383 0.284200 0.7769 Trư ờng Đạ i họ c K inh tế H uế Khóa luận tốt nghiệp 77 RESID^2(-8) -0.025970 0.099166 -0.261887 0.7940 RESID^2(-9) -0.025044 0.099187 -0.252497 0.8012 RESID^2(-10) -0.142779 0.099229 -1.438885 0.1534 RESID^2(-11) 0.123597 0.100235 1.233073 0.2205 RESID^2(-12) 0.043097 0.100620 0.428317 0.6694 R-squared 0.052306 Mean dependent var 0.412908 Adjusted R-squared -0.063738 S.D. dependent var 0.736140 S.E. of regression 0.759237 Akaike info criterion 2.396666 Sum squared resid 56.49123 Schwarz criterion 2.713999 Log likelihood -120.0150 Hannan-Quinn criter. 2.525399 F-statistic 0.450743 Durbin-Watson stat 1.951759 Prob(F-statistic) 0.937930 Hình 13: Kiểm tra tính ARCH của mô hình ARIMA(1,1,5) Nguồn: xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K nh t ế H uế