Ứng dụng mô hình mạng thần kinh nhân tạo và kinh tế lượng trong dự báo lạm phát tại Việt Nam

Nghiên cứu ứng dụng mô hình mạng thần kinh nhân tạo và kinh tế lượng trong dự báo lạm phát tại Việt Nam, mang lại giải pháp hiệu quả.

• Tác giả: Nguyễn Khắc Hiếu
• Trường học: Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Kinh tế
• Đề tài: Dự báo lạm phát tại Việt Nam bằng mô hình ANN và kinh tế lượng
• Loại tài liệu: luận văn
• Năm xuất bản: 2013
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• 1. CHƯƠNG 1: MỞ ĐẦU
• 1.1. Tổng quan về nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phạm vi nghiên cứu
• 1.4. Ý nghĩa thực tiễn
• 1.5. Bố cục đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Lạm phát
• 2.2. Phân loại lạm phát
• 2.3. Các yếu tố tác động đến lạm phát
• 2.4. Khung phân tích
• 2.5. Số liệu nghiên cứu
• 2.6. Ứng dụng của mạng thần kinh nhân tạo trong thực tế
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mạng thần kinh nhân tạo
• 3.2. Ước lượng các hệ số của mô hình ANN bằng thuật toán lan truyền ngược
• 3.3. Xây dựng cấu trúc mạng
• 3.4. Hàm kích hoạt và việc chuẩn hoá dữ liệu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả dữ liệu
• 4.2. Xây dựng mô hình hồi quy tuyến tính
• 4.3. Kiểm định một số giả thiết của mô hình hồi quy tuyến tính
• 4.4. Xây dựng mô hình mạng thần kinh nhân tạo
• 4.5. So sánh kết quả dự báo của mô hình ANN và hồi quy tuyến tính
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Dự báo lạm phát Việt Nam Tổng quan và phương pháp

Phần này trình bày tổng quan về dự báo lạm phát Việt Nam, đặc biệt tập trung vào sự cần thiết của việc dự báo chính xác để hỗ trợ hoạch định chính sách kinh tế vĩ mô. Lạm phát cao gây ảnh hưởng tiêu cực đến kinh tế, làm tăng chi phí sản xuất, giảm khả năng cạnh tranh của doanh nghiệp, và tác động xấu đến người thu nhập thấp. Ngân hàng Nhà nước Việt Nam sử dụng lạm phát mục tiêu như một công cụ chính sách tiền tệ. Tuy nhiên, hiệu quả của lạm phát mục tiêu phụ thuộc vào độ chính xác của dự báo. Đề tài này so sánh hai phương pháp dự báo: mô hình ANN (mạng nơ-ron nhân tạo) và phương pháp kinh tế lượng. Mô hình ANN được lựa chọn vì khả năng dự báo phi tuyến, phù hợp với tính chất phức tạp của lạm phát. Kỹ thuật kinh tế lượng, cụ thể là phân tích hồi quy, được sử dụng để so sánh và đánh giá hiệu quả dự báo.

1.1. Thách thức trong dự báo lạm phát tại Việt Nam

Dự báo lạm phát ở Việt Nam gặp nhiều thách thức. Xu hướng lạm phát Việt Nam biến động mạnh, chịu ảnh hưởng của nhiều yếu tố phức tạp như cung tiền, lãi suất, giá dầu thế giới, chính sách tiền tệ, chính sách tài khóa, và các yếu tố khác như thiên tai, mùa vụ. Dữ liệu kinh tế Việt Nam đôi khi không đầy đủ hoặc chính xác, gây khó khăn cho việc xây dựng và đánh giá mô hình. Yếu tố ảnh hưởng lạm phát Việt Nam cần được xác định và lượng hoá chính xác để đưa vào mô hình dự báo. Việc lựa chọn biến số và phương pháp phù hợp rất quan trọng để đảm bảo độ chính xác của dự báo. Thống kê kinh tế Việt Nam cần được nghiên cứu kỹ lưỡng để hiểu rõ hơn về mối quan hệ giữa các biến số kinh tế và lạm phát.

1.2. Ứng dụng Mô hình ANN và Kinh tế lượng

Nghiên cứu này sử dụng mô hình ANN dự báo lạm phát và phương pháp kinh tế lượng dự báo lạm phát để dự báo lạm phát tại Việt Nam. Mô hình ANN, cụ thể là mạng nơ-ron nhân tạo, được lựa chọn do khả năng xử lý dữ liệu phi tuyến và phức tạp. Kỹ thuật kinh tế lượng được sử dụng để xây dựng mô hình hồi quy tuyến tính làm mô hình so sánh. Việc so sánh này giúp đánh giá hiệu quả của mô hình ANN so với phương pháp kinh tế lượng truyền thống. Dữ liệu kinh tế vĩ mô Việt Nam được sử dụng để huấn luyện và kiểm định mô hình. Thuật toán lan truyền ngược được sử dụng để ước lượng các tham số của mô hình ANN. Các chỉ số đánh giá như RMSE, MAE, và MAPE được sử dụng để so sánh độ chính xác của hai mô hình.

II. Xây dựng và đánh giá mô hình

Phần này tập trung vào quá trình xây dựng và đánh giá hai mô hình dự báo: mô hình ANN và mô hình kinh tế lượng. Mô hình hồi quy tuyến tính được xây dựng dựa trên phân tích hồi quy, với các biến giải thích là cung tiền (M2), lãi suất (r), giá dầu thế giới, lạm phát độ trễ, và biến mùa vụ. Mô hình ANN được thiết kế với cấu trúc tối ưu, hàm kích hoạt phù hợp. Dữ liệu được chia thành hai phần: dữ liệu huấn luyện và dữ liệu kiểm định ngoài mẫu. Mô hình dự báo thời gian lạm phát được xây dựng dựa trên chuỗi thời gian kinh tế. Đánh giá độ chính xác mô hình dựa trên RMSE, MAE, và MAPE. So sánh mô hình ANN và kinh tế lượng giúp xác định mô hình dự báo hiệu quả hơn.

2.1. Xây dựng mô hình hồi quy tuyến tính

Mô hình hồi quy tuyến tính được sử dụng như một mô hình so sánh. Phép hồi quy được thực hiện để tìm mối quan hệ tuyến tính giữa lạm phát và các biến giải thích. Kiểm định các giả thiết của mô hình hồi quy như tính tuyến tính, tính độc lập, tính đồng phương sai, và tính chuẩn tắc của phần dư là rất quan trọng để đảm bảo tính hợp lệ của mô hình. Kết quả hồi quy cho thấy mức độ ảnh hưởng của từng biến giải thích đến lạm phát. Các chỉ số thống kê như R-squared và p-value được sử dụng để đánh giá tính phù hợp của mô hình. Thực nghiệm kinh tế lượng này cung cấp một cơ sở so sánh cho mô hình ANN.

2.2. Xây dựng và tối ưu hóa mô hình ANN

Mô hình mạng nơ-ron nhân tạo (ANN) được xây dựng với cấu trúc nhiều lớp ẩn. Việc lựa chọn số lượng lớp ẩn và số lượng nơ-ron trong mỗi lớp ảnh hưởng đến độ chính xác của mô hình. Hàm kích hoạt phù hợp được lựa chọn để tối ưu hóa quá trình học. Dữ liệu được chuẩn hóa để đảm bảo tính ổn định của quá trình huấn luyện. Thuật toán lan truyền ngược được sử dụng để huấn luyện mô hình. Quá trình tối ưu hóa liên quan đến việc tìm kiếm cấu trúc và tham số tối ưu của mô hình. Mô hình ARIMA và mô hình VAR có thể được xem xét như các mô hình so sánh khác.

III. Kết quả và thảo luận

Phần này trình bày kết quả dự báo của hai mô hình và thảo luận về sự khác biệt giữa chúng. So sánh mô hình ANN và kinh tế lượng dựa trên các chỉ số đánh giá RMSE, MAE, và MAPE. Kết quả dự báo ngoài mẫu cho thấy mô hình nào có độ chính xác cao hơn. Phân tích kết quả giúp hiểu rõ hơn về hiệu quả của mỗi mô hình trong bối cảnh dự báo lạm phát tại Việt Nam. Giảm lạm phát Việt Nam đòi hỏi sự kết hợp giữa chính sách tiền tệ, chính sách tài khóa, và các biện pháp khác. Kiểm soát lạm phát Việt Nam là một mục tiêu quan trọng của chính phủ.

3.1. So sánh hiệu quả dự báo của hai mô hình

Kết quả dự báo của hai mô hình, mô hình ANN và mô hình hồi quy tuyến tính, được so sánh dựa trên các chỉ số RMSE, MAE, và MAPE. Mô hình có giá trị RMSE, MAE, và MAPE thấp hơn được đánh giá là có độ chính xác cao hơn. Phân tích so sánh giúp xác định mô hình nào phù hợp hơn cho việc dự báo lạm phát tại Việt Nam. Dự báo ngắn hạn lạm phát, dự báo trung hạn lạm phát, và dự báo dài hạn lạm phát có thể được thực hiện bằng cả hai mô hình. Tác động của lạm phát đến nền kinh tế cần được xem xét để đưa ra các chính sách phù hợp.

3.2. Ứng dụng thực tiễn và hạn chế của nghiên cứu

Nghiên cứu này có ý nghĩa thực tiễn trong việc hỗ trợ Ngân hàng Nhà nước Việt Nam và các nhà hoạch định chính sách trong việc dự báo lạm phát. Mô hình ANN và mô hình kinh tế lượng được ứng dụng để đưa ra các dự báo chính xác hơn, từ đó hỗ trợ việc đưa ra các chính sách điều hành kinh tế hiệu quả. Tuy nhiên, nghiên cứu này cũng có một số hạn chế. Dữ liệu được sử dụng có thể không đầy đủ hoặc không hoàn toàn chính xác. Mô hình ANN cần được cải tiến hơn nữa để đạt được độ chính xác cao hơn. Nghiên cứu này tập trung vào việc dự báo lạm phát, chưa xem xét chi tiết các tác động của lạm phát đến các lĩnh vực khác của nền kinh tế. Chính sách tiền tệ và lạm phát, chính sách tài khóa và lạm phát, và ngân hàng nhà nước và lạm phát đều là những yếu tố quan trọng cần được nghiên cứu thêm.

Nội dung chính

Tổng quan nghiên cứu

Trong giai đoạn từ năm 2000 đến 2011, Việt Nam chứng kiến những biến động đáng kể về lạm phát, với đỉnh điểm vào năm 2008 khi tỷ lệ lạm phát vượt mức 20%, và trong nửa đầu năm 2011, lạm phát vẫn duy trì ở khoảng 13%. Lạm phát cao đã ảnh hưởng tiêu cực đến nhiều mặt của nền kinh tế như tăng chi phí sản xuất, giảm khả năng cạnh tranh của doanh nghiệp, làm méo mó cơ cấu kinh tế và ảnh hưởng đến đời sống người thu nhập thấp. Do đó, việc dự báo chính xác lạm phát trở thành một nhiệm vụ quan trọng nhằm hỗ trợ các nhà hoạch định chính sách trong việc ổn định kinh tế vĩ mô.

Mục tiêu nghiên cứu của luận văn là ứng dụng mô hình mạng thần kinh nhân tạo (Artificial Neural Network - ANN) kết hợp với phương pháp kinh tế lượng để dự báo lạm phát tại Việt Nam, đồng thời so sánh hiệu quả dự báo của mô hình ANN với mô hình hồi quy tuyến tính truyền thống. Nghiên cứu sử dụng dữ liệu kinh tế vĩ mô thu thập theo tháng từ năm 2001 đến 2012, với 144 quan sát, trong đó 132 quan sát dùng để xây dựng mô hình và 12 quan sát cuối dùng để kiểm định dự báo ngoài mẫu.

Ý nghĩa thực tiễn của nghiên cứu nằm ở việc phát triển một công cụ dự báo lạm phát hiệu quả, giúp Ngân hàng Nhà nước và các cơ quan quản lý có thể đưa ra các chính sách tiền tệ phù hợp nhằm kiểm soát lạm phát mục tiêu, ổn định giá cả và thúc đẩy tăng trưởng kinh tế bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết kinh tế về lạm phát, bao gồm:

• Lý thuyết tiền tệ của Karl Marx và Milton Friedman: Lạm phát xuất hiện khi lượng tiền trong lưu thông vượt quá mức sản xuất hàng hóa, dẫn đến mất giá đồng tiền và tăng giá chung.
• Thuyết cầu của John Keynes: Lạm phát phát sinh do sự mất cân bằng giữa tổng cung và tổng cầu, đặc biệt khi tổng cầu vượt tổng cung.
• Phân loại lạm phát của Paul A. Samuelson: Lạm phát cân bằng (dự đoán được, không gây hại) và lạm phát không cân bằng (không dự đoán được, gây méo mó kinh tế).
• Các yếu tố tác động đến lạm phát: Cung tiền (M2), lãi suất cho vay, yếu tố mùa vụ, giá dầu thế giới, độ trễ của lạm phát, và các yếu tố thiên tai.

Mô hình nghiên cứu được xây dựng với các biến đầu vào gồm cung tiền, lãi suất, giá dầu, yếu tố mùa vụ và các độ trễ của lạm phát, nhằm phản ánh đầy đủ các nhân tố ảnh hưởng đến biến động lạm phát.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với hai mô hình chính:

• Mô hình hồi quy tuyến tính (Linear Regression Model - LRM): Phân tích mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc (lạm phát). Dữ liệu được kiểm định tính dừng bằng kiểm định Augmented Dickey-Fuller (ADF) để tránh hiện tượng hồi quy giả tạo. Các giả thiết về đa cộng tuyến, phương sai sai số thay đổi và tương quan chuỗi cũng được kiểm định kỹ lưỡng.

• Mô hình mạng thần kinh nhân tạo (Artificial Neural Network - ANN): Mô phỏng cấu trúc mạng nơ-ron sinh học với một lớp vào, một hoặc hai lớp ẩn và một lớp ra. Mạng được huấn luyện bằng thuật toán lan truyền ngược (back-propagation) với hàm kích hoạt Tan-hyperbolic. Dữ liệu được chuẩn hóa theo phân phối chuẩn để phù hợp với phạm vi hoạt động của hàm kích hoạt. Quá trình xây dựng cấu trúc mạng là thử và sai, với 7 mô hình ANN khác nhau được thử nghiệm để chọn ra mô hình tối ưu.

Dữ liệu nghiên cứu gồm 144 quan sát theo tháng từ 2001 đến 2012, trong đó 132 quan sát dùng để huấn luyện và xác nhận mô hình (70% huấn luyện, 30% xác nhận), 12 quan sát cuối dùng để kiểm định dự báo ngoài mẫu. Các chỉ tiêu đánh giá hiệu quả dự báo gồm RMSE (Root Mean Square Error), MAE (Mean Absolute Error) và hệ số xác định R2.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Kiểm định tính dừng của các biến: Các biến lạm phát (IF), cung tiền (M2), giá dầu (Oil) và lãi suất (R) đều dừng bậc 0 với mức ý nghĩa 5%, đảm bảo tính ổn định cho mô hình hồi quy.

2. Kết quả hồi quy tuyến tính: Các biến IF(-1), M2(-3), M2(-12), Oil, Oil(-1), R đều có tác động dương và ý nghĩa thống kê ở mức 5% đến lạm phát. Yếu tố mùa vụ cũng ảnh hưởng đến lạm phát nhưng không mạnh (Sig=0.3). Mô hình không có hiện tượng đa cộng tuyến, phương sai sai số thay đổi hay bỏ sót biến quan trọng.

3. Hiệu quả dự báo của mô hình ANN: Mô hình ANN-10-5-2-1 (10 biến đầu vào, 2 lớp ẩn với 5 và 2 nơ-ron) sử dụng hàm kích hoạt Tan-hyperbolic cho kết quả dự báo trong mẫu tốt nhất với R2 đạt khoảng 75%, RMSE và MAE thấp hơn so với các mô hình ANN khác.

4. So sánh mô hình ANN và hồi quy tuyến tính: Trung bình, mô hình ANN vượt trội hơn mô hình hồi quy tuyến tính trên tất cả các tiêu chí RMSE, MAE và R2 cả trong mẫu và ngoài mẫu. Kiểm định t-test cho thấy mô hình ANN dự báo ngoài mẫu tốt hơn mô hình hồi quy tuyến tính với mức ý nghĩa 5%. Tuy nhiên, trong dự báo trong mẫu, mô hình ANN chỉ tốt hơn về R2 và RMSE, còn MAE không có sự khác biệt rõ ràng.

Thảo luận kết quả

Kết quả cho thấy mô hình ANN có khả năng mô phỏng các mối quan hệ phi tuyến trong dữ liệu kinh tế vĩ mô, từ đó nâng cao hiệu quả dự báo lạm phát so với mô hình hồi quy tuyến tính truyền thống vốn giả định tuyến tính. Việc lựa chọn các biến đầu vào phù hợp và chuẩn hóa dữ liệu giúp mô hình ANN học tốt hơn các đặc điểm phức tạp của chuỗi thời gian lạm phát.

So với các nghiên cứu quốc tế, kết quả này phù hợp với xu hướng ứng dụng mạng thần kinh nhân tạo trong dự báo các biến kinh tế vĩ mô như tỷ giá, lạm phát và tăng trưởng kinh tế, khi mô hình ANN thường cho hiệu quả dự báo ngoài mẫu tốt hơn. Tuy nhiên, hạn chế của nghiên cứu là số lượng quan sát còn hạn chế và các biến đầu vào chưa bao gồm một số yếu tố quan trọng như GDP hay thâm hụt ngân sách do dữ liệu không có theo tháng.

Biểu đồ kết quả dự báo ngoài mẫu minh họa rõ sự phù hợp của mô hình ANN với dữ liệu thực tế, thể hiện qua các chỉ số lỗi thấp hơn và độ chính xác cao hơn so với mô hình hồi quy tuyến tính.

Đề xuất và khuyến nghị

1. Mở rộng dữ liệu và biến đầu vào: Thu thập thêm dữ liệu kinh tế vĩ mô theo tháng, đặc biệt là các biến như GDP, thâm hụt ngân sách và các yếu tố thiên tai để nâng cao độ chính xác của mô hình dự báo trong tương lai.

2. Phát triển mô hình kết hợp: Kết hợp mô hình mạng thần kinh nhân tạo với các mô hình kinh tế lượng truyền thống để tận dụng ưu điểm của cả hai phương pháp, nhằm cải thiện hiệu quả dự báo trong và ngoài mẫu.

3. Ứng dụng mô hình trong chính sách tiền tệ: Cơ quan quản lý nhà nước, đặc biệt là Ngân hàng Nhà nước, nên áp dụng mô hình ANN như một công cụ hỗ trợ dự báo lạm phát, từ đó xây dựng các chính sách tiền tệ linh hoạt và kịp thời.

4. Đào tạo và nâng cao năng lực chuyên môn: Tăng cường đào tạo cho cán bộ nghiên cứu và hoạch định chính sách về các phương pháp dự báo hiện đại như mạng thần kinh nhân tạo để nâng cao khả năng ứng dụng trong thực tiễn.

5. Thời gian thực hiện: Các giải pháp trên nên được triển khai trong vòng 2-3 năm tới nhằm tận dụng tối đa tiềm năng của mô hình ANN trong dự báo kinh tế vĩ mô.

Đối tượng nên tham khảo luận văn

1. Các nhà hoạch định chính sách tiền tệ: Luận văn cung cấp công cụ dự báo lạm phát chính xác, giúp họ xây dựng và điều chỉnh chính sách tiền tệ phù hợp nhằm ổn định kinh tế vĩ mô.

2. Các nhà nghiên cứu kinh tế và tài chính: Nghiên cứu cung cấp cơ sở lý thuyết và phương pháp ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế, mở ra hướng nghiên cứu mới về mô hình phi tuyến.

3. Các tổ chức tài chính và ngân hàng: Có thể áp dụng mô hình ANN để dự báo biến động lạm phát, từ đó đưa ra các quyết định đầu tư và quản lý rủi ro hiệu quả hơn.

4. Sinh viên và học viên cao học chuyên ngành kinh tế, tài chính: Luận văn là tài liệu tham khảo quý giá về ứng dụng mô hình mạng thần kinh nhân tạo và phương pháp kinh tế lượng trong nghiên cứu thực tiễn.

Câu hỏi thường gặp

1. Mô hình mạng thần kinh nhân tạo (ANN) là gì?
   ANN là mô hình tính toán mô phỏng cấu trúc mạng nơ-ron sinh học, có khả năng học và mô phỏng các mối quan hệ phi tuyến phức tạp trong dữ liệu, được ứng dụng rộng rãi trong dự báo kinh tế và tài chính.

2. Tại sao cần so sánh mô hình ANN với hồi quy tuyến tính?
   Hồi quy tuyến tính giả định mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc, trong khi ANN có thể mô phỏng quan hệ phi tuyến, do đó so sánh giúp đánh giá hiệu quả dự báo của hai phương pháp.

3. Dữ liệu nghiên cứu được thu thập như thế nào?
   Dữ liệu gồm các biến kinh tế vĩ mô như lạm phát, cung tiền, lãi suất và giá dầu được thu thập theo tháng từ năm 2001 đến 2012, tổng cộng 144 quan sát, từ các nguồn như Tổng cục Thống kê, Quỹ Tiền tệ Quốc tế và Ngân hàng Thế giới.

4. Mô hình ANN có ưu điểm gì trong dự báo lạm phát?
   Mô hình ANN có khả năng học từ dữ liệu quá khứ, mô phỏng các mối quan hệ phi tuyến và xử lý tốt các biến động phức tạp, giúp nâng cao độ chính xác dự báo so với mô hình tuyến tính truyền thống.

5. Những hạn chế của nghiên cứu này là gì?
   Hạn chế chính là số lượng quan sát còn hạn chế, các biến đầu vào chưa đầy đủ (chưa có GDP, thâm hụt ngân sách), và chưa xem xét các yếu tố thiên tai ảnh hưởng đến lạm phát, cần được cải thiện trong các nghiên cứu tiếp theo.

Kết luận

• Mô hình mạng thần kinh nhân tạo (ANN) với cấu trúc ANN-10-5-2-1 và hàm kích hoạt Tan-hyperbolic cho kết quả dự báo lạm phát tại Việt Nam tốt hơn mô hình hồi quy tuyến tính truyền thống, đặc biệt trong dự báo ngoài mẫu.
• Các biến đầu vào quan trọng bao gồm cung tiền, lãi suất, giá dầu, yếu tố mùa vụ và độ trễ của lạm phát, phản ánh đầy đủ các nhân tố ảnh hưởng đến biến động lạm phát.
• Nghiên cứu đã kiểm định kỹ lưỡng các giả thiết kinh tế lượng, đảm bảo tính ổn định và tin cậy của mô hình.
• Hạn chế về dữ liệu và biến đầu vào chưa đầy đủ là cơ sở để phát triển nghiên cứu sâu hơn trong tương lai.
• Khuyến nghị áp dụng mô hình ANN trong dự báo lạm phát và chính sách tiền tệ, đồng thời mở rộng nghiên cứu với dữ liệu và biến số phong phú hơn trong vòng 2-3 năm tới.

Để nâng cao hiệu quả quản lý kinh tế vĩ mô, các nhà hoạch định chính sách và nhà nghiên cứu nên tiếp cận và ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo lạm phát và các biến kinh tế quan trọng khác.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu về lý do hình thành đề tài, mục tiêu nghiên cứu, phạm vi nghiên cứu và ý nghĩa thực tiễn. Chương 2: Cơ sở lý thuyết Các lý thuyết liên quan đến đề tài sẽ được trình bày, đó là lý thuyết về lạm phát, các yếu tố tác động đến lạm phát. Chương 3: Phương pháp nghiên cứu Phương phát định lượng trong dự báo được sử dụng, mà tiêu tiểu là mô hình mạng thần kinh nhân tạo và mô hình hồi quy tuyến tính. Chương này cũng trình bày về cách vận hành của mạng thần kinh nhân tạo và cách thiết lập một mạng thần kinh phù hợp với yêu cầu đặt ra.

Chương 4: Kết quả nghiên cứu Các kết quả nghiên cứu về mô hình ANN và mô hình hồi quy tuyến tính sẽ được trình bày. Chương 5: Kết luận và kiến nghị Trong chương này, những điểm đạt được và chưa đạt được của đề tài và hướng nghiên cứu tiếp theo sẽ được trình bày. Luan van Chương 2: Cơ sở lý thuyết 4 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Lạm phát Khi nghiên cứu về chế độ bản vị vàng, Karl Marx đã khẳng định: việc phát hành tiền giấy phải được giới hạn trong số lượng vàng sẽ thực sự lưu thông dưới hình thức là các đại diện tiền giấy của mình. Một khi lượng tiền giấy vượt quá mức giới hạn này thì tiền giấy sẽ mất dần giấy trị làm gia tăng mức giá chung của tất cả các loại hàng hóa và tình trạng lạm phát xuất hiện.

Theo đó, lạm phát, dưới quan điềm của Karl Marx, được định nghĩa như sau: Lạm phát là việc các kênh, các luồng lưu thông tràn đầy những tờ giấy bạc dư thừa dẫn đến sự tăng vọt trong mức giá chung. Cũng bàn về vấn đề lưu thông tiền tệ, Milton Friendman đã từng phát biểu: Lạm phát ở mọi lúc mọi nơi đều là hiện tượng của lưu thông tiền tệ. Lạm phát xuất hiện và chỉ xuất hiện khi nào số lượng tiền trong lưu thông tăng nhanh hơn so với sản xuất. Tuy nhiên, John Keynes với thuyết cầu của mình cho rằng nguồn gốc sâu xa của lạm phát là sự biến động cung cầu.

Khi cung đã vượt xa cầu thì sản xuất sẽ đình đốn, nền kinh tế bị suy giảm. Lúc đó, Nhà Nước buộc phải tung ra các khoản chi tiêu, đầu tư công lớn, tăng cường các chính sách tín dụng nhằm kéo mức cầu của cả nền kinh tế về cân bằng và vượt qua tổng cung. Lúc này, lạm phát đã xuất hiện. Trong trường hợp nền kinh tế phát triển hiệu quả, áp dụng những tiến bộ khoa học kỹ thuật, cơ cấu kinh tế được đổi mới thành công; lạm phát này có tác dụng thúc đẩy sản xuất.

Ngược lại, lạm phát, theo Keynes, đã không còn là động lực phát triển của nền kinh tế. Samuelson thì lạm phát xảy ra khi mức tăng trong chi phí sản xuất, kinh doanh cao hơn mức tăng trong năng suất lao động. Chi phí gia tăng có thể Luan van Chương 2: Cơ sở lý thuyết 5 do sự gia tăng trong mức tiền lương, chi phí nguyên vật liệu đầu vào, hoặc cũng có thể là do công nghệ lạc hậu, cơ chế quản lý cồng kềnh… Khi mức chi phí này vượt qua khỏi sự bù đắp của năng suất lao động thì giá cả các mặt hàng sẽ tăng vọt và lạm phát xuất hiện. Lúc này, lạm phát không còn là động lực để phát triển nữa mà nó sẽ khiến cho nền kinh tế bị suy thoái, cần các biện pháp cấp bách nhằm khống chế lạm phát.

Tóm lại, có rất nhiều góc nhìn khác nhau về lạm phát. Mỗi quan điểm, lý thuyết chỉ giải thích cho một số thời kỳ nhất định và ngày càng nhiều quan điểm mới ra đời cùng sự phát triển của nền kinh tế. Nhìn chung, dưới bất kỳ quan điểm nào lạm phát cũng được đặc trưng bởi 3 điểm chính yếu sau:  Sự gia tăng quá mức của lượng tiền trong lưu thông.  Dẫn đến sự mất giá của đồng tiền.

 Từ đó, khiến cho giá cả các loại mặt hàng tăng cao.2 Phân loại lạm phát Xét về định tính, lạm phát được nhà kinh tế học Paul A. Samuelson phân thành hai loại như sau:  Lạm phát cân bằng và có thể dự đoán trước: Đây là loại lạm phát khi toàn bộ giá cả của nền kinh tế đều tăng và mức tăng này đã được dự đoán trước thì thu nhập của người dân cũng đồng thời được tăng lên một cách tương ứng. Theo đó, lạm phát cân bằng và có thể dự đoán trước sẽ không gây ra một tác hại nào cho việc sản xuất kinh doanh, tốc độ tăng trưởng của kinh tế hay việc phân phối thu nhập của người dân. Luan van Chương 2: Cơ sở lý thuyết 6  Lạm phát không cân bằng và không được dự đoán trước: Loại lạm phát này xảy ra khi mức giá cả các loại hàng hóa, dịch vụ tăng không đều nhau, vượt xa mức tăng trong tiền lương và không được dự báo trước.

Đây là loại phát gây khó khăn cho người dân, thiệt hại cho cả nền kinh tế. Một khi lạm phát này xảy ra đồng tiền bị mất giá khiến cho những người nắm giữ hàng hóa giàu lên trong khi những người cầm tiền thì lại nghèo đi một cách tương đối, thu nhập được phân phối lại. Vì thế dẫn đến tình trạng đầu cơ tích trữ hàng hóa, ngoại tệ, vàng bạc, bất động sản… gây ra trạng thái khan hiếm hàng hóa, bóp méo, xuyên tạc các yếu tố thị trường, ảnh hưởng đến cả hoạt động sản xuất kinh doanh.3 Các yếu tốt tác động đến lạm phát Theo Keynes (1936), trong dài hạn lạm phát chịu tác động trực tiếp từ cung tiền, còn trong ngắn hạn lạm phát chịu tác động bởi tổng cung và tổng cầu. Có nhiều yếu tố tác động làm dịch chuyển tổng cung và tổng cầu.

Sau đây chúng ta sẽ xem xét một số yếu tố tác động đến tổng cung và tổng cầu từ đó tác động đến lạm phát. Cung tiền Khi cung tiền tăng, người dân sẽ có nhu cầu tiêu thụ nhiều hàng hoá và dịch vụ hơn, do đó đường tổng cầu sẽ dịch chuyển sang phải từ đó làm cho mức giá chung tăng lên. Các kết quả nghiên cứu thực nghiệm đều khẳng định cung tiền là yếu tố có tác động đến lạm phát, tiêu biểu là nghiên cứu của Sử Đình Thành (2012), Phạm Thị Thu Trang (2009). Hình vẽ sau nói lên mối liên hệ giữa lạm phát và cung tiền theo năm của Việt Nam.

Luan van Chương 2: Cơ sở lý thuyết 7 Hình 1: Mối liên hệ giữa lạm phát và cung tiền của Việt Nam Nguồn: Ngân hàng phát triển châu Á (ADB) Từ biểu đồ trên ta thấy, lạm phát và cung tiền có xu hướng biến đổi cùng nhau, đặc biệt là trong giai đoạn lạm phát cao trước năm 1990. Mức độ thay đổi của cung tiền trung bình cao hơn lạm phát từ 10-20%. Lãi suất Theo Keynes (1936), trong ngắn hạn lãi suất thay đổi để điều chỉnh cung và cầu về tiền tệ. Cung và cầu về tiền tệ sẽ tác động đến tiết kiệm và đầu tư, từ đó tác động đến tổng cầu và làm thay đổi mức giá chung của nên kinh tế.

Theo nghiên cứu của Nguyễn Trọng Hoài (2010), thì ngân hàng có thể vận dụng luật Taylor để ấn định một mức lãi suất mà ở đó nền kinh tế có thể đạt được sản lượng mục tiêu và lạm phát mục tiêu. Do đó, lãi suất là yếu tố có tác động đến mức giá chung của nền kinh tế. Tuy nhiên tại Việt Nam, ngân hàng trung ương vẫn chưa vận dụng nguyên Luan van Chương 2: Cơ sở lý thuyết 8 tắc này mà chủ yếu là điều chỉnh lãi suất để đạt được mức lạm phát mục tiêu. Mức sản lượng mục tiêu có thể điểu chỉnh thông qua đầu tư.

Mùa vụ Lạm phát thu thập theo tháng thường mang tính mùa. Tại Việt Nam, giá cả vào những tháng Tết thường cao hơn những tháng khác do nhu cầu mua sắm và đi lại tăng cao. Biểu đồ lạm phát theo tháng sau đây cho ta thấy tính mùa vụ của lạm phát. Đỉnh của lạm phát thường rơi vào tháng 1 và tháng 2 còn đáy thường rơi vào tháng 3 trong năm.

Hình 2: Lạm phát theo tháng của Việt Nam Nguồn: Tổng cục thống kê (GSO) Sau năm 2007, lạm phát có những diễn biến bất thường do chịu ảnh hưởng của suy thoái kinh tế thế giới cũng như sự gia tăng cung tiền quá mức của chính phủ. Tuy nhiên, lạm phát vẫn có xu hướng cao hơn vào những tháng Tết. Do khoản thời Luan van Chương 2: Cơ sở lý thuyết 9 gian này không phản ảnh được tính mùa vụ rõ ràng nên tác giả không đưa vào trong đồ thị này. Giá dầu thế giới Xăng dầu luôn chiếm một tỷ trọng lớn trong chi phí sản xuất của các doanh nghiệp.

Do đó, việc biến động giá xăng dầu sẽ dẫn đến chi phí sản xuất và dẫn đến biến động giá bán đầu ra. Theo nghiên cứu của Portes (2012) tại Trung Mỹ và Caribbe, thì giá xăng dầu không chỉ ảnh hưởng đến lạm phát mà còn ảnh hưởng đến một số biến số vĩ mô khác. Tại Việt Nam, mặc dù chính phủ có chính sách bình ổn giá xăng dầu, nhưng việc biến động giá xăng dầu của Việt Nam vẫn theo xu hướng giá thế giới, vì quỹ bình ổn giá của chính phủ là có hạn. Do đó, việc xem xét tác động của giá dầu thế giới đến lạm phát của Việt Nam là việc làm cần thiết.

Tại Việt Nam, mỗi lần tăng giá xăng dầu, là sẽ có một làn sóng tăng giá nổi lên. Một số các nhân và doanh nghiệp tăng giá đơn giản vì họ kỳ vọng giá các mặt hàng khác cũng sẽ tăng tương ứng. Các độ trễ của lạm phát Theo nghiên cứu của Phạm Thị Thu Trang (2009), người dân có khuynh hướng kỳ vọng lạm phát trong tương lai sẽ tương tự như lạm phát trong quá khứ. Do đó, giá trị lạm phát ở hiện tại luôn phụ thuộc vào giá trị của chính nó trong quá khứ.

Vì vậy, các độ trễ của lạm phát sẽ là một biến cần thiết được đưa vào mô hình để dự báo cho lạm phát ở hiện tại. Tuy nhiên, để biết được độ trể bao nhiêu là thích hợp thì cần phải có những phân tích chi tiết hơn. Thiên tai Việt Nam nằm trong vùng chịu ảnh hưởng nhiều của bão và lũ lụt. Mỗi khi một địa phương nào bị thiên tai là giá cả hàng hoá tại khu vực đó sẽ gia tăng.

Nếu thiên Luan van Chương 2: Cơ sở lý thuyết 10 tai càng lớn thì mức độ ảnh hưởng của nó đến giá cả càng lớn. Tuy nhiên tại Việt Nam cũng như trên thế giới có rất ít công trình nghiên cứu về vấn đề này.