Mô hình arima với phương pháp Box - Dự báo lạm phát

Sự tác động của lạm phát có cả tích cực và tiêu cực theo những cách thức khác nhau tùythuộc vào cấu trúc của nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phátvà mức độ tiên liệu một cách toàn diện về lạm phát.
Nội dung trích xuất từ tài liệu:
Mô hình arima với phương pháp Box - Dự báo lạm phát 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 TÓM TẮT Sự tác động của lạm phát có cả tích cực và tiêu cực theo nh ững cách th ức khác nhau tùy thuộc vào cấu trúc của nền kinh tế, khả năng thích ứng v ới s ự thay đ ổi liên t ục c ủa l ạm 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 đ ịnh chính sách mà còn đ ối v ới cả các nhà kinh doanh trong việc điều chỉnh các chi ến l ược; Và tính ổn đ ịnh kinh t ế vĩ mô có liên quan đến mức độ tương đồng hay khác bi ệt giữa các d ự báo v ề l ạm phát c ủa các nhà kinh doanh và của các nhà hoạch định chính sách. Mô hình ARIMA v ới ph ương pháp Box- Jenkins được ứng dụng để dự báo lạm phát hàng tháng của Việt Nam v ới d ữ li ệu t ừ T ổng 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, forecasting 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 nghi ệm cho th ấy s ự tác đ ộngcủa lạm phát có cả tích cực và tiêu cực theo những cách thức khác nhau tùy thu ộc vào c ấutrúc của nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phát và m ức đ ộtiên liệu một cách toàn diện về lạm phát. Lạm phát cao có xu hướng làm thay đổi các cânbằng thực của nền kinh tế làm chệch hướng các nguồn lực khi th ực hi ện các giao d ịch;giảm tín hiệu thông tin về giá tương đối vì vậy dẫn đến tình tr ạng phân b ổ ngu ồn l ựckhông hiệu quả. Khi lạm phát tăng làm giá trị của tiền giảm khiến chức năng là đ ơn v ịhạch toán của tiền thay đổi, điều này làm cho việc hạch toán chi phí-l ợi nhuận c ủa doanhnghiệp trở nên khó khăn; tác hại của lạm phát không dự kiến được gia tăng sự bất ổn đ ịnh,dẫn đến tình trạng tái phân phối của cải một cách tùy ti ện (ch ẳng hạn, khi l ạm phát caohơn so với dự kiến người đi vay được lợi và người cho vay bị thiệt). Vì vậy, dự báo lạm phát không chỉ có ý nghĩa trong vi ệc cung c ấp các thông tin đ ốivới những nhà hoạch định chính sách kinh tế vĩ mô mà còn đ ối v ới c ả 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. M ục đích c ủabài viết này nhằm ứng dụng mô hình ARIMA với phương pháp Box-Jenkins đ ể d ự báolạm phát ở 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), vàtên của họ thường được dùng để gọi tên các quá trình ARIMA t ổng quát, áp d ụng vào vi ệcphân tích và dự báo các chuỗi thời gian. Phương pháp Box-Jenkins với bốn bước lặp: nhậndạng mô 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 tr ọng: (1) B ằng cách nàochúng ta xác định được một chuỗi thời gian là dừng; (2) Nếu chúng ta xác đ ịnh đ ược m ộtchuỗi 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 đ ược sử d ụng ph ổbiến 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 đ ều không d ừng, vàcác thành phần AR và MA của mô hình ARIMA chỉ liên quan đến các chuỗi thời gian dừng.Cho nên, cần phải có một ký hiệu phân biệt những chuỗi thời gian không d ừng g ốc v ớinhững chuỗi 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 trởlại một thời đoạn. Áp dụng L trên Yt hai lần sẽ dịch chuyển dữ liệu trở lại 2 thời đo ạn:L(LYt)=L2Yt=Yt - 2 Đối với dữ liệu tháng, nếu dịch chuyển đến “cùng tháng trong năm tr ước”, thì dùngL12, và ký hiệu ...