Báo cáo nghiên cứu khoa học: MÔ HÌNH ARIMA VỚI PHƯƠNG PHÁP BOX – JENKINS VÀ ỨNG DỤNG ĐỂ DỰ BÁO LẠM PHÁT CỦA VIỆT NAM

Sự tác động của lạm phát có cả tích cực và tiêu cực theo những cách thức khác nhau tùy thuộc vào cấu trúc của nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phát và mức độ tiên liệu một cách toàn diện về lạm phát. Vì vậy, dự báo lạm phát không chỉ có ý nghĩa trong việc cung cấp các thông tin cho những nhà hoạch định chính sách mà còn đối với cả các nhà kinh doanh trong việc điều chỉnh các chiến lược; Và tính ổn định kinh...
Nội dung trích xuất từ tài liệu:
Báo cáo nghiên cứu khoa học: "MÔ HÌNH ARIMA VỚI PHƯƠNG PHÁP BOX – JENKINS VÀ ỨNG DỤNG ĐỂ DỰ BÁO LẠM PHÁT CỦA VIỆT NAM" MÔ HÌNH ARIMA VỚI PHƯƠNG 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 ÔNG NGUYÊN CHƯƠNG Trường Đại học Kinh tế, Đại học Đà Nẵng TÓM T ẮT Sự tác động của lạm phát có cả tích cực và tiêu cực theo những cách thức khác nhau tùy thuộc v ào cấu trúc của nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phát và mức độ tiên liệu một cách toàn diện về lạm phát. Vì vậy, dự báo lạm phát không chỉ có ý nghĩa trong việc cung cấp các thông tin cho những nhà hoạch định chính sách mà còn đối với cả các nhà kinh doanh trong việc điều chỉnh các chiến lược; Và tính ổn định kinh tế vĩ mô có liên quan đến mức độ tương đồng hay khác biệt giữa các dự báo v ề lạm phát của các nhà kinh doanh và của các nhà hoạch định chính sách. Mô hình ARIMA với phương pháp Box- Jenkins được ứng dụng để dự báo lạm phát hàng tháng của Việt Nam với dữ liệu từ Tổng cục Thống kê. ABSTRACT Inflation has positive and negative effects on economy in different ways. These effects depend on the structure of economy, the adaptability and anticipation of inflation. Therefore, f orecasting inflation provides useful information for policy makers as well as businessmen; in addition, macroeconomic stability is associated with the convergence or the divergence in inflation, and expectations of businessmen and policy makers. The ARIMA models-The Box- Jenkins approach are applied to forecast monthly inflation in Vietnam based on the data from the General Statistics Office of Vietnam (GSO).1. Giới thiệu Nhiều nghiên cứu, đặc biệt là các nghiên cứu thực nghiệm cho thấy sự tác động củalạm phát có cả tích cực và tiêu cực theo những cách thức khác nhau tùy thuộc vào cấu trúccủa nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phát và mức độ tiên liệumột cách toàn diện về lạm phát. Lạm phát cao có xu hướng làm thay đổi các cân bằng thựccủa nền kinh tế làm chệch hướng các nguồn lực khi thực hiện các giao dịch; giảm tín hiệuthông tin về giá tương đối vì vậy dẫn đến t ình trạng phân bổ nguồn lực không hiệu quả. Khilạm phát tăng làm giá trị của tiền giảm khiến chức năng là đơn vị hạch toán của tiền thay đổi,điều này làm cho việc hạch toán chi phí-lợi nhuận của doanh nghiệp trở nên khó khăn; tác hạicủa lạm phát không dự kiến được gia tăng sự bất ổn định, dẫn đến tình trạng tái phân phối củacải một cách tùy tiện (chẳng hạn, khi lạm phát cao hơn so với dự kiến người đi vay được lợivà người cho vay bị thiệt). Vì vậy, dự báo lạm phát không chỉ có ý nghĩa trong việc cung cấp các thông tin đốivới những nhà hoạch định chính sách kinh tế vĩ mô mà còn đối với cả các nhà kinh doanhtrong việc điều chỉnh các chiến lược kinh doanh. Có nhiều phương pháp tiếp cận trong phân tích và dự báo lạm phát. Mục đích của bàiviết này nhằm ứng dụng mô hình ARIMA với phương pháp Box-Jenkins để dự báo lạm phátở Việt Nam. George Box và Gwilym Jenkins (1976) đã nghiên cứu mô hình ARIMA(Autoregressive Integrated Moving Average - Tự hồi qui tích hợp Trung bình trượt), và têncủa họ thường được dùng để gọi tên các quá trình ARIMA tổng quát, áp dụng vào việc phântích và dự báo các chuỗi thời gian. Phương pháp Box-Jenkins với bốn bước lặp: nhận dạngmô hình thử nghiệm; ước lượng; kiểm định bằng chẩn đoán; và dự báo.2. Dự báo lạm phát của Việt Nam 2.1. Nhận dạng mô hình Trong thực tế, chúng ta phải đối mặt với hai câu hỏi quan trọng: (1) Bằng cách nàochúng ta xác định được một chuỗi thời gian là dừng; (2) Nếu chúng ta xác định được mộtchuỗi thời gian không dừng, thì có cách nào để có thể làm cho chúng trở nên dừng. Mặc dù có nhiều cách để kiểm tra tính dừng, nhưng có hai cách được sử dụng phổbiến nhất là đồ thị (phân tích đồ thị và kiểm định bằng đồ thị tương quan (correlogram) vàkiểm định nghiệm đơn vị (unit root test)1 (Gujarati, 2003). Toán tử dịch chuyển lùi và sai phân (Back-shift Operator and Differences) Điều trước tiên cần phải lưu ý là hầu hết các chuỗi thời gian đều không dừng, và cácthành phần AR và MA của mô hình ARIMA chỉ liên quan đến các chuỗi thời gian dừng. Chonên, cần phải có một ký hiệu phân biệt những chuỗi thời gian không dừng gốc với nhữngchuỗi tương ứng có tính dừng của nó sau khi biến đổi sai phân. Một ký hiệu rất hữu ích là toán tử dịch chuyển lùi (trễ), L, được dùng như sau: LYt=Yt – 1 ; nói cách khác, L, thực hiện trên Yt, có tác dụng dịch chuyển dữ liệu trở lạimột thời đoạn. Áp dụng L trên Yt hai lần sẽ dịch chuyển dữ liệu trở lại ...