Dự báo của quốc tế

Trong báo cáo "Dự báo triển vọng tại các thị trường tăng trưởng nhanh", Ernst & Young (2/2014) đã đánh giá khá lạc quan về triển vọng kinh tế của Việt Nam và đưa ra dự báo tăng trưởng và lạm phát của Việt Nam năm 2014 lần lượt là 5,4% và 6,5%; năm 2015 tương ứng là 6,4% và 6%.

Tháng 1/2014, Ngân hàng HSBC cũng cho rằng, kinh tế của Việt Nam năm 2014 sẽ được cải thiện đáng kể, tốc độ tăng trưởng ở mức khoảng 5,6%. Tuy nhiên, HSBC cũng nhận định rằng, trong năm 2014 tiếp tục sẽ có sự biến động của giá điện và xăng dầu, do vậy, dự báo lạm phát của Việt Nam năm 2014 ở mức trung bình khoảng 7,9%. Nhưng mới đây nhất, ngày 4/3/2013, tổ chức này đã dự báo lạm phát của Việt Nam chỉ còn 6,5%.

Trong Báo cáo Triển vọng phát triển châu Á được cập nhật vào tháng 10/2013 của Ngân hàng Phát triển châu Á (ADB), tổ chức này đưa ra dự báo tốc độ tăng trưởng kinh tế của Việt Nam năm 2014 sẽ cao hơn 2013 và có thể đạt mức tăng trưởng 5,5%. Dựa trên những đánh giá về việc tăng cung ứng tiền tệ và cải thiện tính thanh khoản mà Ngân hàng Nhà nước sẽ thực hiện trong năm 2014, ADB cũng đưa ra kỳ vọng về lạm phát của Việt Nam trong năm 2014 là khoảng 7,2%.

Báo cáo Triển vọng kinh tế toàn cầu được cập nhật vào tháng 10/2013, Quỹ Tiền tệ quốc tế (IMF) lại đưa ra những dự báo về tăng trưởng và lạm phát của Việt Nam năm 2014 lần lượt là 5,4% và 7,9%.

Nhìn chung, các tổ chức quốc tế đều dự báo tăng trưởng kinh tế của Việt Nam năm 2014 dao động trong khoảng 5,4% -5,6% (thấp hơn so với chỉ tiêu mà Quốc hội khóa XIII, kỳ họp thứ Sáu thông qua cuối năm 2013 là 5,8%) và lạm phát biến động quanh mức 6,5% - 7,9%.

Mô hình ARIMA

Trước những nhận định khác nhau như vậy về tăng trưởng và lạm phát của Việt Nam năm 2014, tác giả đã sử dụng mô hình SARIMA (đây là mô hình ARIMA mở rộng bao gồm các yếu tố thời vụ) để dự báo GDP và CPI cho Việt Nam năm 2014 và 2015, nhằm đưa ra một dự báo độc lập với các dự báo đã được công bố, phần nào giúp các nhà hoạch định chính sách có căn cứ nhìn nhận triển vọng kinh tế của Việt Nam năm 2014 và 2015.

ARIMA (Autoregressive Integrated Moving Average - Tự hồi quy tích hợp Trung bình trượt) là mô hình dự báo chuỗi thời gian đơn biến được Box, G.E.P., và G.M. Jenkins giới thiệu vào năm 1976 dựa trên ý tưởng cho rằng, chuỗi thời gian có thể giải thích bằng cách kết hợp các hành vi hiện tại và trong quá khứ với các yếu tố ngẫu nhiên không giải thích được ở hiện tại và quá khứ (gọi là các nhiễu). Quá trình xây dựng mô hình này đòi hỏi chuỗi thời gian phải dừng, chính vì vậy, thực chất ARIMA là gộp của các mô hình: mô hình tự hồi quy (AR); quá trình tích hợp (I); mô hình trung bình trượt (MA).

Mô hình tự hồi quy (Autoregressive) AR(p): là quá trình trong đó giá trị dự báo dựa trên các giá trị trong quá khứ của nó. Giá trị của chuỗi thời gian được xác định là dừng và tồn tại mối quan hệ phụ thuộc tuyến tính của các phân tử chuỗi vào phần tử p của nó cộng với nhiễu trắng không tương quan với nó, thì chuỗi này được gọi là quá trình tự hồi quy bậc p:

Trong đó α1, α2,…, αp là p hệ số tự hồi quy được lựa chọn để sinh ra giá trị dự báo phù hợp nhất cho Xt qua các giá trị quá khứ Xt−1; Xt−2, ..., Xt−p, và εt là nhiễu trắng có trung bình bằng 0.

Điều kiện để quá trình AR(p) hội tụ là -1 < αi < 1 với i = 1,… p, hàm ý trọng số đặt trên các phần từ giảm dần. Điều này phù hợp thực tiễn, đó là ảnh hưởng của các yếu tố càng cũ thì càng ít tác động đến các giá trị hiện tại.

Mô hình trung bình trượt (Moving Average) MA(q): giá trị của chuỗi thời gian tại thời điểm hiện tại được xác định từ trung bình trượt (có trọng số) của nhiễu tại thời điểm hiện tại và q thời điểm trước đó:

Với βi là các hệ số không đổi, εi là các nhiễu trắng có trung bình bằng 0.

Quá trình xây dựng mô hình ARIMA đòi hỏi chuỗi thời gian dừng. Tuy nhiên, trên thực tế chuỗi thời gian thường không dừng, do vậy cần biến đổi chuỗi thời gian trở thành chuỗi dừng. Phương pháp chủ yếu thường được sử dụng là lấy sai phân để chuỗi biến đổi thu được là chuỗi dừng và chuỗi này được gọi là chuỗi tích hợp. Khi lấy sai phân bậc d để chuỗi cuối cùng thu được là chuỗi dừng thì được gọi là chuỗi tích hợp bậc d: I(d).

Như vậy, mô hình ARIMA(p,d,q) sẽ bao gồm mô hình tự hồi quy AR(p), mô hình trung bình trượt MA(q) và quá trình tích hợp I(d). Mô hình ARIMA được thực hiện theo phương pháp Box-Jenkins với bốn bước lặp: nhận dạng mô hình thử nghiệm; ước lượng; kiểm định bằng chuẩn đoán; và dự báo.

Trong thực tế nghiên cứu cho thấy, tồn tại rất nhiều chuỗi thời gian thể hiện các mẫu lặp lại có yếu tố mùa vụ. Phân tích, dự báo chuỗi thời gian có yếu tố mùa vụ, người ta thường sử dụng ARIMA mùa vụ (SARIMA). Mô hình ARIMA theo mùa vụ là sự mở rộng của mô hình ARIMA thông thường, được ký hiệu tổng quát là:

Dự báo GDP và CPI của Việt Nam bằng mô hình SARIMA

Dự báo GDP

Để thực hiện dự báo tăng trưởng GDP cho năm 2014, mô hình ARIMA và các bước dự báo theo phương pháp Box-Jenkins đã được sử dụng. Số liệu sử dụng trong mô hình dự báo được thu thập từ Tổng cục Thống kê gồm 60 quan sát là các giá trị của GDP theo quý được tính theo giá so sánh năm 2010, từ quý I năm 1999 đến quý IV năm 2013. Khi khảo sát chuỗi số liệu, tác giả nhận thấy chuỗi GDP có xu thế và biến động có tính chu kỳ. Như vậy, để có thể tiến hành dự báo, cần phải khử tính xu thế và tính mùa vụ của chuỗi số liệu GDP quý.

Để giảm bớt tính xu thế, trước hết chuỗi này được biến đổi qua hàm logarit (LNGDP). Tuy nhiên, dựa trên lược đồ tương quan thì chuỗi LNGDP vẫn mang tính mùa vụ. Đồng thời, thông qua lược đồ tương quan của chuỗi này cũng gợi ý rằng, chuỗi LNGDP có sự tương quan theo mùa vụ với trễ mùa vụ s = 4. Bởi vậy, để loại bỏ quan hệ tự tương quan theo mùa vụ, thì chuỗi này đã được lấy sai phần bậc 1 theo trễ mùa vụ.

Kết quả kiểm định ở Bảng 1 cho thấy, mặc dù sau khi loại bỏ tính mùa vụ khỏi chuỗi LNGDP để được chuỗi LNGDP_DS, nhưng kết quả kiểm định nghiệm đơn vị vẫn cho thấy chuỗi chưa dừng. Để có chuỗi dừng, cần lấy sai phân của chuỗi LNGDP_DS và kết quả kiểm định nghiệm đơn vị ở Bảng 1 cho thấy, chuỗi LNGDP_DS1 có giá trị tuyệt đối của thống kê ADF là 2,81267, lớn hơn giá trị tới hạn ở mức ý nghĩa 1%, 5% và 10%. Điều này cho thấy, đây là chuỗi thỏa mãn các điều kiện ràng buộc của mô hình ARIMA, có thể sử dụng để ước lượng mô hình và thực hiện dự báo tăng trưởng GDP của Việt Nam năm 2014 và 2015.

Dựa trên kết quả kiểm định và chuẩn đoán ở trên, mô hình được sử dụng để dự báo tăng trưởng GDP của Việt Nam năm 2014 và 2015 gồm 2 mô hình: mô hình 1 là mô hình SARIMA(3,1,3)x(1,2,1)4 và mô hình 2 là mô hình SARIMA(2,1,1)x(1,1,1)4. Kết ước lượng được từ mô hình 1 và mô hình 2 là khá tốt, các hệ số ước lượng được đều có ý nghĩa thống kê với mức ý nghĩa 1%, giá trị của R2 ước lượng khá cao lần lượt bằng 0,673 và 0,785. Kiểm định nghiệm đơn vị của phần dư trong 2 mô hình ước lượng cho thấy, phần dư là nhiễu trắng (xem 2 dòng cuối Bảng 1). Như vậy, có thể sử dụng 2 mô hình này để thực hiện dự báo.

Bảng 2 cho thấy kết quả dự báo trong mẫu từ 2 mô hình có sai số dự báo khá nhỏ. Sai số dự báo cho giá trị GDP trong mẫu cho năm 2013 của mô hình 1 có giá trị dương khoảng 0,01%; còn sai số dự báo của mô hình 2 có giá trị âm là -0,01%. Với kết quả dự báo trên, các kết quả này có thể chấp nhận được và có thể sử dụng hai mô hình này để dự báo cho GDP của các quý năm 2014 và 2015.

Kết quả dự báo ở Bảng 3 cho thấy, GDP năm 2014 ước lượng được từ mô hình 1 là 2.688.941 tỷ đồng và từ mô hình 2 là 2.686.428 tỷ đồng, tăng so với năm 2013 tương ứng là 5,71% và 5,62% hay tính trung bình sẽ xấp xỉ khoảng 6,7%. Tương tự, kết quả dự báo tốc độ tăng trưởng GDP cho năm 2015 từ 2 mô hình dao động trong khoảng từ 5,48% đến 5,63% và tính trung bình sẽ đạt mức 5,6%.

Dự báo CPI

Trong phần này, mô hình SARIMA vẫn được sử dụng để dự báo tốc độ tăng CPI của Việt Nam trong năm 2014 và 2015. Số liệu CPI sử dụng trong mô hình dự báo được thu thập từ Tổng cục Thống kê gồm 170 quan sát, là giá trị của CPI theo tháng với năm cơ sở là năm 2009, từ tháng 1/2000 đến tháng 2/2014. Sau khi thực hiện các kiểm định cần thiết để nhận dạng mô hình, chúng tôi thấy chuỗi CPI không dừng, đồng thời chuỗi LNCPI (là giá trị logarít của chuỗi CPI) có sự tương quan theo mùa vụ với trễ mùa vụ s=12. Sau khi loại bỏ tương quan theo mùa và lấy sai phân bậc 1 của chuỗi LNCPI_DS, thì chuỗi LNCPI_DS1 là dừng (xem Bảng 4). Như vậy, mô hình SARIMA được sử dụng trong dự báo tốc độ tăng của CPI cho năm 2014 và 2015 gồm 2 mô hình: mô hình 1 là SARIMA(3,1,2)x(0,1,1)12 và mô hình 2 là SARIMA(9,1,2)x(0,1,1)12.

Kết quả ước lượng được từ mô hình 1 và mô hình 2 cũng cho thấy, giá trị của R2 khá cao, lần lượt bằng 0,748 và 0,769. Kiểm định nghiệm đơn vị cho thấy, phần dư của 2 mô hình là nhiễu trắng (xem 2 dòng cuối ở Bảng 4). Bảng 5 trình bày tóm tắt kết quả giá trị dự báo (CPIF) của chuỗi CPI trong mẫu 12 tháng năm 2013 và có sai số có thể chấp nhận được. Như vậy, 2 mô hình này sẽ được sử dụng để thực hiện dự báo giá trị của CPI ngoài mẫu cho năm 2014 và 2015.

Bảng 6 tóm tắt kết quả dự báo ngoài mẫu 12 tháng cho năm 2014 và 2015. Kết quả dự báo ngoài mẫu cho năm 2014 và 2015 theo mô hình 1 cho thấy, CPI (so với kỳ gốc 2009) của tháng 12/2014 bằng 166,06 và của tháng 12/2015 là 178,4. Như vậy, tốc độ tăng CPI tháng 12/2014 so với tháng 12/2013 là 6,65% và tốc độ tăng CPI dự báo được của tháng 12/2015 so với tháng 12/2014 là 7,43%.

Kết quả tương tự của mô hình 2 cho thấy, CPI của tháng 12/2014 và tháng 12/2015 lần lượt là 166,82 và 180,32. Do đó, lạm phát được dự báo theo mô hình 2 cho năm 2014 sẽ là 7,14% và của năm 2015 là 8,09%. Nếu kết hợp các kết quả dự báo ở trên thì tỷ lệ lạm phát của năm 2014 được dự báo sẽ dao động trong mức 6,65% đến 7,14%, hay tỷ lệ lạm phát trung bình năm 2014 khoảng 6,9% và của năm 2015 tương ứng là 7,43% đến 8,09%, hay tỷ lệ lạm phát trung bình năm 2015 khoảng 7,8%.

Kết luận

Theo dự báo trên, mặc dù tốc độ tăng trưởng năm 2014 có tăng so với năm 2013, tuy nhiên vẫn tăng ở mức nhỏ hơn mục tiêu tăng trưởng mà Quốc hội thông qua cho năm 2014 là 5,8%. Như vậy, để đạt mục tiêu tăng trưởng cho năm 2014, cần có sự điều hành chính sách của Chính phủ linh hoạt hơn, đặc biệt cần có sự kết hợp chặt chẽ hơn trong việc phối hợp chính sách tài khóa và chính sách tiền tệ trong thời gian tới để có những tác động và kích thích mạnh hơn tới quá trình sản xuất của nền kinh tế.

Kết quả dự báo chỉ số giá tiêu dùng năm 2014 có xu hướng tăng khá so với năm 2013, tuy nhiên mức tăng này xấp xỉ bằng mục tiêu mà Quốc hội thông qua (khoảng 7%). Đối với năm 2015, tốc độ tăng của CPI dự báo được sẽ vượt quá 7% và tiệm cận về mức khoảng 8%. Như vậy, kết quả dự báo cho thấy xu hướng lạm phát từ nay đến 2015 ở Việt Nam có xu hướng gia tăng. Điều này cho thấy sức ép về lạm phát luôn tồn tại trong nền kinh tế Việt Nam, đặc biệt khi năm 2014, chính sách tài khóa và trần thâm hụt ngân sách được mở rộng, nhu cầu phát hành tiền đề xử lý nợ xấu của các ngân hàng thương mại vẫn tồn tại... Ngoài ra, những biến động của kinh tế thế giới cũng sẽ có những ảnh hưởng không nhỏ đến mục tiêu tăng trưởng và lạm phát của Việt Nam từ nay đến 2015./.

Tài liệu tham khảo

1. Nguyễn Khắc Minh (2002), Các phương pháp phân tích và dự báo trong kinh tế, Nxb Khoa học Kỹ thuật

2. Box, G.E.P., and G.M. Jenkins (1976). Time Series Analysis: Forecasting and Control, Revised Edition, Holden Day, San Francisco

3. Newbold, P. and Bos, T. (1994). Introductory business and economic forecasting (2nd edition), International Thomson Publishing

4. ADB (2013). Asian Development Outlook 2013 Update: Governance and public service delivery, Philippines

5. IMF (2013). World economic outlook october 2013: Transitions and Tensions, Washington DC

6. World Bank (2013). East Asia and Pacific economic update october 2013: Rebuilding Policy Buffers, Reinvigorating Growth, Washington DC

7. Ernst & Young (2014). Rapid-growth markets: EY Rapid-Growth Markets Forecast, Asia-Pacific focus, Oxford Economics

TS. Hà Quỳnh Hoa
Trường Đại học Kinh tế Quốc dân

(Theo Tạp chí Kinh tế và Dự báo số 8/2014)