Luận Án Tiến Sĩ Về Ứng Dụng Mô Hình Dự Báo Lạm Phát Trong Chính Sách Tiền Tệ Tại Việt Nam

Luận án tiến sĩ phân tích mô hình dự báo lạm phát, ứng dụng trong chính sách tiền tệ tại Việt Nam, nhằm nâng cao hiệu quả quản lý kinh tế.

• Tác giả: Phạm Đức Anh
• Người hướng dẫn: PGS. Nguyễn Đức Trung
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Mô Hình Dự Báo Lạm Phát Trong Chính Sách Tiền Tệ Tại Việt Nam
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CHỮ VIẾT TẮT
• DANH MỤC BẢNG
• DANH MỤC HÌNH
• DANH MỤC PHỤ LỤC
• PHẦN MỞ ĐẦU
• 1. TÍNH CẤP THIẾT CỦA LUẬN ÁN
• 2. TỔNG QUAN NGHIÊN CỨU
• 2.1. Sự phát triển các lý thuyết về lạm phát
• 2.2. Các nhân tố tác động tới lạm phát
• 2.3. Ứng dụng và phát triển mô hình dự báo lạm phát
• 3. KHOẢNG TRỐNG NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU
• 3.1. Khoảng trống nghiên cứu
• 3.2. Câu hỏi nghiên cứu
• 4. MỤC TIÊU NGHIÊN CỨU
• 4.1. Mục tiêu chung
• 4.2. Mục tiêu cụ thể
• 5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 6. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
• 6.1. Phương pháp nghiên cứu
• 7. THIẾT KẾ NGHIÊN CỨU
• 8. ĐÓNG GÓP MỚI CỦA LUẬN ÁN
• 8.1. Về mặt lý luận
• 8.2. Về mặt thực tiễn
• 9. KẾT CẤU LUẬN ÁN
• 1. CHƯƠNG 1: TỔNG QUAN MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ
• 1.1. TỔNG QUAN VỀ LẠM PHÁT
• 1.1.1. Khái niệm lạm phát
• 1.1.2. Nguyên nhân gây ra lạm phát
• 1.2. TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ
• 1.2.1. Khái niệm chính sách tiền tệ
• 1.2.2. Mục tiêu chính sách tiền tệ
• 1.2.3. Vai trò của chính sách tiền tệ trong kiểm soát lạm phát
• 1.3. TỔNG QUAN VỀ MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ
• 1.3.1. Tổng quan về dự báo lạm phát
• 1.3.2. Tổng quan về mô hình dự báo lạm phát trong điều hành chính sách tiền tệ
• 1.3.3. Đánh giá chất lượng mô hình dự báo lạm phát
• 1.4. KINH NGHIỆM QUỐC TẾ VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ
• 1.4.1. Kinh nghiệm về lựa chọn mô hình dự báo lạm phát
• 1.4.2. Kinh nghiệm về lựa chọn đơn vị thực hiện dự báo lạm phát
• 1.4.3. Kinh nghiệm về xây dựng và vận hành mô hình dự báo lạm phát
• 1.4.4. Kinh nghiệm về ứng dụng kết quả dự báo lạm phát trong điều hành chính sách tiền tệ
• 1.4.5. Bài học dành cho Việt Nam
• 1.5. TÓM TẮT CHƯƠNG 1
• 2. CHƯƠNG 2: THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 2.1. PHÂN TÍCH THỰC TRẠNG LẠM PHÁT TẠI VIỆT NAM
• 2.1.1. Diễn biến lạm phát giai đoạn 2000 - 2007
• 2.1.2. Diễn biến lạm phát giai đoạn 2008 – tháng 4/2012
• 2.1.3. Diễn biến lạm phát giai đoạn tháng 5/2012 - 2019
• 2.2. THỰC TRẠNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ NHẰM KIỂM SOÁT LẠM PHÁT TẠI VIỆT NAM
• 2.2.1. Mục tiêu chính sách tiền tệ
• 2.2.2. Điều hành chính sách tiền tệ nhằm kiểm soát tại Việt Nam
• 2.3. THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 2.3.1. Đặc trưng mô hình dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam
• 2.3.2. Dữ liệu cho mô hình dự báo
• 2.3.3. Thực trạng ứng dụng mô hình dự báo tại Ngân hàng Nhà nước Việt Nam
• 2.4. THỰC TRẠNG ỨNG DỤNG KẾT QUẢ DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 2.4.1. Xây dựng kịch bản chính sách
• 2.4.2. Xây dựng báo cáo phân tích phục vụ tham mưu Ban lãnh đạo Ngân hàng Nhà nước
• 2.4.3. Tham chiếu cho việc thiết lập và điều chỉnh mục tiêu lạm phát
• 2.5. ĐÁNH GIÁ CHUNG VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM
• 2.5.1. Nguyên nhân của tồn tại
• 2.6. TÓM TẮT CHƯƠNG 2
• 3. CHƯƠNG 3: ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 3.1. ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH ARIMA
• 3.1.1. Lí do lựa chọn mô hình
• 3.1.2. Mô tả dữ liệu
• 3.1.3. Thiết lập cấu trúc mô hình theo phương pháp Box-Jenkins
• 3.1.4. Kết quả dự báo
• 3.2. ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH VECM
• 3.2.1. Lí do lựa chọn mô hình
• 3.2.2. Lựa chọn biến số và cấu trúc dữ liệu
• 3.2.3. Kiểm định tính dừng của chuỗi
• 3.2.4. Xác định độ trễ cho mô hình
• 3.2.5. Kiểm định đồng tích hợp và xác định mô hình phù hợp
• 3.2.6. Phân tích tác động của các biến số tới lạm phát
• 3.2.7. Kết quả dự báo
• 3.3. SO SÁNH, ĐÁNH GIÁ HIỆU QUẢ MÔ HÌNH DỰ BÁO
• 3.3.1. Đánh giá hiệu quả mô hình ARIMA
• 3.3.2. Đánh giá hiệu quả mô hình VECM
• 3.3.3. So sánh hiệu quả dự báo của hai mô hình
• 3.4. TÓM TẮT CHƯƠNG 3
• 4. CHƯƠNG 4: KHUYẾN NGHỊ CHÍNH SÁCH VỀ VIỆC ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 4.1. ĐỊNH HƯỚNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ VÀ PHÁT TRIỂN HOẠT ĐỘNG DỰ BÁO TẠI VIỆT NAM ĐẾN NĂM 2025
• 4.1.1. Mục tiêu tổng quát điều hành chính sách tiền tệ
• 4.1.2. Định hướng giải pháp điều hành chính sách tiền tệ
• 4.1.3. Định hướng phát triển hoạt động dự báo tại Việt Nam
• 4.2. KHUYẾN NGHỊ CHÍNH SÁCH NHẰM HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM
• 4.3. KHUYẾN NGHỊ CHÍNH SÁCH NHẰM THÚC ĐẨY ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM
• 4.4. TÓM TẮT CHƯƠNG 4
• KẾT LUẬN CHUNG
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ

Tóm tắt

I. Tổng Quan Về Mô Hình Dự Báo Lạm Phát Tại Việt Nam

Mô hình dự báo lạm phát đóng vai trò quan trọng trong việc điều hành chính sách tiền tệ tại Việt Nam. Lạm phát không chỉ ảnh hưởng đến nền kinh tế mà còn tác động đến đời sống của người dân. Việc hiểu rõ về mô hình này giúp các nhà hoạch định chính sách đưa ra quyết định chính xác hơn. Mô hình dự báo lạm phát giúp dự đoán xu hướng giá cả, từ đó điều chỉnh các công cụ chính sách tiền tệ một cách hiệu quả.

1.1. Khái Niệm Về Lạm Phát Và Mô Hình Dự Báo

Lạm phát là sự gia tăng liên tục của mức giá hàng hóa và dịch vụ. Mô hình dự báo lạm phát giúp phân tích và dự đoán xu hướng này, từ đó hỗ trợ trong việc điều hành chính sách tiền tệ.

1.2. Tác Động Của Lạm Phát Đến Nền Kinh Tế

Lạm phát ảnh hưởng đến sức mua của đồng tiền, làm giảm giá trị thực của thu nhập. Điều này có thể dẫn đến sự bất ổn trong nền kinh tế và ảnh hưởng đến quyết định tiêu dùng của người dân.

II. Vấn Đề Lạm Phát Tại Việt Nam Hiện Nay

Lạm phát tại Việt Nam đã có những diễn biến phức tạp trong những năm qua. Từ giai đoạn khủng hoảng tài chính đến nay, tỷ lệ lạm phát đã có những biến động lớn. Việc kiểm soát lạm phát trở thành một thách thức lớn đối với chính sách tiền tệ. Các yếu tố như giá nguyên liệu, tỷ giá hối đoái và chính sách tài khóa đều có tác động mạnh mẽ đến lạm phát.

2.1. Nguyên Nhân Gây Ra Lạm Phát Tại Việt Nam

Các nguyên nhân chính gây ra lạm phát bao gồm sự gia tăng chi phí sản xuất, giá nguyên liệu tăng cao và sự biến động của tỷ giá hối đoái. Những yếu tố này tạo ra áp lực lớn lên giá cả hàng hóa.

2.2. Thách Thức Trong Việc Kiểm Soát Lạm Phát

Việc kiểm soát lạm phát gặp nhiều khó khăn do sự không ổn định của các yếu tố kinh tế vĩ mô. Chính sách tiền tệ cần phải linh hoạt để ứng phó với những biến động này.

III. Phương Pháp Dự Báo Lạm Phát Hiện Nay Tại Việt Nam

Việc áp dụng các mô hình dự báo lạm phát như ARIMA và VAR đã giúp Ngân hàng Nhà nước Việt Nam có cái nhìn rõ hơn về xu hướng lạm phát. Những mô hình này cho phép phân tích dữ liệu lịch sử và dự đoán các biến động trong tương lai. Sự kết hợp giữa các mô hình này giúp nâng cao độ chính xác trong dự báo.

3.1. Mô Hình ARIMA Trong Dự Báo Lạm Phát

Mô hình ARIMA (Autoregressive Integrated Moving Average) được sử dụng để phân tích chuỗi thời gian và dự đoán lạm phát dựa trên dữ liệu lịch sử. Mô hình này giúp nhận diện các xu hướng và chu kỳ trong dữ liệu.

3.2. Mô Hình VAR Trong Dự Báo Lạm Phát

Mô hình VAR (Vector Auto-Regression) cho phép phân tích mối quan hệ giữa nhiều biến số kinh tế. Mô hình này giúp dự đoán lạm phát dựa trên sự tương tác giữa các yếu tố kinh tế khác nhau.

IV. Ứng Dụng Kết Quả Dự Báo Lạm Phát Trong Chính Sách Tiền Tệ

Kết quả từ các mô hình dự báo lạm phát được sử dụng để điều chỉnh chính sách tiền tệ. Việc áp dụng các kịch bản chính sách dựa trên dự báo lạm phát giúp Ngân hàng Nhà nước đưa ra quyết định kịp thời và hiệu quả. Điều này không chỉ giúp ổn định giá cả mà còn thúc đẩy tăng trưởng kinh tế.

4.1. Xây Dựng Kịch Bản Chính Sách Tiền Tệ

Dựa trên kết quả dự báo, Ngân hàng Nhà nước xây dựng các kịch bản chính sách tiền tệ nhằm ứng phó với các tình huống khác nhau của lạm phát.

4.2. Đánh Giá Hiệu Quả Của Chính Sách Tiền Tệ

Việc đánh giá hiệu quả của chính sách tiền tệ dựa trên các chỉ số lạm phát thực tế so với dự báo giúp điều chỉnh kịp thời các biện pháp cần thiết.

V. Kết Luận Về Mô Hình Dự Báo Lạm Phát Tại Việt Nam

Mô hình dự báo lạm phát là công cụ quan trọng trong việc điều hành chính sách tiền tệ tại Việt Nam. Việc cải thiện và phát triển các mô hình này sẽ giúp nâng cao khả năng dự báo và kiểm soát lạm phát. Tương lai, cần tiếp tục nghiên cứu và áp dụng các phương pháp mới để đáp ứng yêu cầu thực tiễn.

5.1. Tương Lai Của Mô Hình Dự Báo Lạm Phát

Cần tiếp tục cải tiến mô hình dự báo lạm phát để phù hợp với tình hình kinh tế hiện tại và tương lai. Việc áp dụng công nghệ mới sẽ giúp nâng cao độ chính xác của dự báo.

5.2. Đề Xuất Chính Sách Để Nâng Cao Hiệu Quả Dự Báo

Đề xuất các chính sách nhằm nâng cao hiệu quả của mô hình dự báo lạm phát, bao gồm việc đào tạo nhân lực và đầu tư vào công nghệ thông tin.

Nội dung chính

Tổng quan về luận án

Kiểm soát lạm phát và duy trì ổn định kinh tế vĩ mô là một trong những sứ mệnh cốt lõi của Ngân hàng Trung ương (NHTW). Tại các nền kinh tế đang phát triển như Việt Nam, bài toán điều hành chính sách tiền tệ (CSTT) luôn đối mặt với sự đánh đổi phức tạp giữa kích thích tăng trưởng kinh tế và kiểm soát áp lực tăng giá. Luận án tiến sĩ kinh tế chuyên ngành Tài chính - Ngân hàng (Mã ngành: 9.01) với đề tài "Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam" do Nghiên cứu sinh Phạm Đức Anh thực hiện dưới sự hướng dẫn của PGS. Nguyễn Đức Trung và PGS. Phạm Thị Hoàng Anh tại Học viện Ngân hàng (Hà Nội, 2020) là công trình nghiên cứu tiên phong, đặt nền móng lý luận và thực nghiệm cho hệ thống mô hình dự báo đa tầng tại Ngân hàng Nhà nước (NHNN).

Research Gap: Mặc dù dự báo lạm phát là trụ cột để chuyển dịch sang khuôn khổ lạm phát mục tiêu (Inflation Targeting - IT) (Hammond, 2012; Bùi Quốc Dũng, 2014), phần lớn các nghiên cứu tại Việt Nam trước đây (Camen, 2006; Võ Văn Minh, 2009; Phạm Thế Anh, 2008, 2009; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010) mới dừng lại ở việc kiểm định các mô hình đơn lẻ, tập trung vào phía tổng cầu mà bỏ qua các tác nhân tổng cung quan trọng (chi phí tiền lương, giá sản xuất PPI), hoặc thiếu tính cập nhật trước các thay đổi về cấu trúc kinh tế vĩ mô. Luận án đã lấp đầy khoảng trống này bằng cách xây dựng một hệ thống mô hình hóa tích hợp, lượng hóa toàn diện các kênh truyền tải tác động từ cả hai phía cung - cầu.

Hệ thống câu hỏi và giả thuyết nghiên cứu:

1. Câu hỏi 1 (RQ1): Cơ chế truyền tải và các nhân tố vĩ mô nào chi phối lạm phát tại Việt Nam trong ngắn hạn và dài hạn?
   • Giả thuyết 1 (H1): Lạm phát chịu tác động đồng thời từ quán tính giá quá khứ, cung tiền (M2), lãi suất cho vay, tỷ giá hối đoái, chênh lệch sản lượng công nghiệp (IIP gap) và các biến số chi phí đẩy (tiền lương, PPI).
2. Câu hỏi 2 (RQ2): Cấu trúc mô hình chuỗi thời gian ARIMA và mô hình vector hiệu chỉnh sai số VECM nào tối ưu hóa độ chính xác dự báo CPI của Việt Nam ở các tần suất tháng và quý?
   • Giả thuyết 2 (H2): Mô hình ARIMA thành phần kết hợp cùng cấu trúc VECM tích hợp cả yếu tố cung - cầu cho sai số dự báo ngoài mẫu thấp hơn đáng kể so với các mô hình VAR/VECM truyền thống của NHNN.
3. Câu hỏi 3 (RQ3): Làm thế nào để ứng dụng hiệu quả kết quả dự báo định lượng vào quy trình ra quyết định CSTT và xây dựng kịch bản ứng phó trước các cú sốc ngoại sinh (như đại dịch COVID-19)?
   • Giả thuyết 3 (H3): Dự báo lạm phát theo kịch bản giúp NHTW chủ động điều chỉnh công cụ tiền tệ linh hoạt, tránh các phản ứng giật cục trước các đợt sốc kinh tế.

Phạm vi và quy mô: Dữ liệu chuỗi thời gian kéo dài 20 năm (2000 – 2019), với chuỗi dữ liệu thực nghiệm ước lượng chuyên sâu theo tháng từ 2005m1 đến 2019m12 (180 quan sát) và theo quý từ 2005Q1 đến 2019Q4 (60 quan sát), đánh giá dự báo ngoài mẫu giai đoạn 2019m10–2019m12 và mô phỏng dự báo năm 2020.

---

Literature Review và Positioning

Nghiên cứu về lạm phát và dự báo lạm phát được phát triển qua nhiều trường phái kinh tế với các tranh luận học thuật sâu sắc:

  Giá thực vs       Thuyết số lượng   Ưa chuộng        Đánh đổi lạm phát    Đường Phillips dài hạn
   danh nghĩa           tiền tệ       thanh khoản         - thất nghiệp          thẳng đứng
        NKPC lai              Định giá        Cứng nhắc        Kỳ vọng
     (Quá khứ + Kỳ vọng)      ngẫu nhiên      tiền lương       hợp lý

• Thuyết số lượng tiền tệ (Quantity Theory of Money): Bắt nguồn từ Adam Smith (1776) và được định hình bởi Irving Fisher (1911) qua đẳng thức $PT = MV + M'V'$, khẳng định mức giá chung $P$ thuần túy phụ thuộc vào cung tiền $M$. Milton Friedman (1989) củng cố luận điểm: "Lạm phát luôn luôn và ở mọi nơi là một hiện tượng tiền tệ".
• Trường phái Keynes và Keynes mới (Keynesian & New-Keynesian): Keynes (1936) bác bỏ tính cứng nhắc của Fisher thông qua Lý thuyết ưa chuộng thanh khoản (Liquidity Preference Theory), chứng minh vận tốc lưu thông tiền tệ $V$ thay đổi theo lãi suất và kỳ vọng. Đường cong Phillips (Phillips, 1958) thiết lập sự đánh đổi ngắn hạn giữa lạm phát và thất nghiệp, nhưng Friedman (1968) và Phelps (1967) bác bỏ sự đánh đổi này trong dài hạn khi bổ sung tỷ lệ thất nghiệp tự nhiên và kỳ vọng lạm phát. Lucas (1972) đưa ra giả thuyết kỳ vọng hợp lý (Rational Expectations) với "mệnh đề tính không hiệu quả của chính sách". Đường cong Phillips Keynes mới (NKPC) được hoàn thiện bởi Taylor (1979), Calvo (1983), Gali và Gertler (1999), Woodford (2003), và Christiano et al. (2005) khi tích hợp cả quán tính quá khứ lẫn kỳ vọng tương lai.
• Tranh luận về Lạm phát cơ bản (Core Inflation): Bắt nguồn từ Schreder (1952), Otto Eckstein (1981) chính thức định nghĩa lạm phát cơ bản là thành phần tăng giá mang tính xu hướng trong tổng cung với công thức: $$\pi = \pi_e + \pi_d + \pi_s$$ (trong đó $\pi_e$ là lạm phát cơ bản, $\pi_d$ là lạm phát cầu kéo, và $\pi_s$ là lạm phát chi phí đẩy). Trái lại, Quah và Vahey (1995) tiếp cận theo mô hình SVAR và định nghĩa lạm phát cơ bản là:

  "thành phần trong lạm phát được tính toán mà không có tác động trung và dài hạn đế n sản lượng".

So sánh quốc tế:

1. Bangko Sentral ng Pilipinas (BSP - Philippines): BSP sử dụng phương pháp phân rã cấu phần CPI kết hợp mô hình ARIMA đa thành phần và VAR/VECM để dự báo lạm phát ngắn hạn 1–3 tháng, cho thấy việc tách chi tiết nhóm lương thực và năng lượng giúp kiểm soát sai số dự báo bình quân gia quyền.
2. National Bank of the Republic of Macedonia (NBRM): Sử dụng mô hình Dynamic Factor Model (DFM) với tập hợp hơn 70 biến vĩ mô để dự báo lạm phát trong điều kiện nền kinh tế chuyển đổi có dữ liệu biến động mạnh.
3. People's Bank of China (PBOC): Phối hợp phân tích thành phần chính (PCA) với 15 cấu trúc mô hình VAR/VECM nhằm xử lý áp lực lạm phát từ thị trường tín dụng và các cú sốc bên ngoài.

Định vị nghiên cứu: Kế thừa các phát hiện của Camen (2006) (tín dụng giải thích 25% biến động CPI sau 24 tháng), Goujon (2006) (tác động của đô la hóa), và Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010) (quán tính lạm phát và chuyển giá tỷ giá), luận án của NCS. Phạm Đức Anh tiên phong đưa các biến số phía cung vào hệ thống phương trình VECM đồng tích hợp, giải quyết triệt để hạn chế "thiếu vắng phía cung" trong các mô hình trước đó tại Việt Nam.

---

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng khung lý thuyết Đường cong Phillips Keynes mới lai (Hybrid NKPC) và Lý thuyết cấu trúc Scandinavia (Frisch, 1977; Branson và Myhrman, 1976) trong bối cảnh nền kinh tế chuyển đổi có độ mở thương mại cao.

1. Proposition 1 (Đặc tính quán tính): Quá trình hình thành lạm phát tại Việt Nam chịu sự chi phối mạnh mẽ của quán tính lịch sử (lạm phát quá khứ giải thích tỷ trọng lớn nhất trong phương sai sai số CPI), phản ánh cơ chế kỳ vọng thích nghi (Adaptive Expectations) còn chiếm ưu thế.
2. Proposition 2 (Tích hợp cung - cầu): Lạm phát không thuần túy là hiện tượng tiền tệ mà là kết quả tương tác phi đối xứng giữa áp lực tiền tệ/tín dụng (phía cầu) và chi phí tiền lương, giá sản xuất (phía cung).
3. Proposition 3 (Độ trễ truyền dẫn): Tác động của chính sách tiền tệ (M2, lãi suất) lên lạm phát có độ trễ phân bổ đáng kể (từ 6 đến 12 tháng), đòi hỏi cơ chế điều hành mang tính chất đón đầu (forward-looking).

Khung phân tích độc đáo

Khung phân tích tích hợp 3 trụ cột lý thuyết: (1) Thuyết tiền tệ về tổng cầu, (2) Thuyết chi phí đẩy về tiền lương và nguyên vật liệu, và (3) Thuyết truyền tải tỷ giá hối đoái (Exchange Rate Pass-Through - ERPT).

Boundary Conditions (Điều kiện biên): Mô hình được thiết lập cho nền kinh tế Việt Nam với đặc thù kiểm soát vốn một phần, tỷ giá điều hành theo cơ chế trung tâm có biên độ, hệ thống tài chính dựa trên ngân hàng thương mại, và tỷ lệ đô la hóa/vàng hóa đang giảm dần nhưng vẫn còn độ nhạy cảm tâm lý.

---

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

• Triết lý nghiên cứu: Thực chứng (Positivism), dựa trên phân tích định lượng chuỗi thời gian vĩ mô thực nghiệm.
• Thiết kế đa tầng (Multi-level Modeling Design):
  • Tầng 1 (Đơn biến/Thành phần): Mô hình ARIMA theo phương pháp Box-Jenkins áp dụng cho CPI tổng thể và 11 nhóm hàng hóa thành phần cấp 1.
  • Tầng 2 (Hệ thống đa biến): Mô hình Vector Error Correction Model (VECM) tần suất tháng và quý, liên kết đồng thời các khối tiền tệ, thực tế, ngoại hối và chi phí sản xuất.

   (Tháng: 2005m1-2019m12)       (ADF, PP tests)              (AIC, SC, HQ criteria)
   (Cholesky IRF & Variance      (ARIMA Box-Jenkins &         (Johansen Cointegration
    Decomposition)                VECM ECM term)               Trace & Max-Eigenvalue)

Quy trình nghiên cứu rigorous

1. Kiểm định tính dừng (Unit Root Testing): Sử dụng kiểm định ADF (Augmented Dickey-Fuller) và PP (Phillips-Perron). Hầu hết các chuỗi logarit của CPI, M2, LENDING_R, ER_VCB, WAGE, PPI đều không dừng ở bậc gốc $I(0)$ nhưng dừng ở sai phân bậc một $I(1)$ tại mức ý nghĩa 1% và 5%.
2. Kiểm định đồng tích hợp Johansen (Johansen Cointegration): Xác định sự tồn tại của mối quan hệ cân bằng dài hạn vững chắc giữa CPI và các biến vĩ mô độc lập (tồn tại ít nhất 1 vector đồng tích hợp ở cả hai tần suất tháng và quý).
3. Định danh cấu trúc và sắp xếp biến theo Cholesky: Trật tự biến nội sinh được sắp xếp nghiêm ngặt dựa trên mức độ ngoại sinh tương đối theo lý thuyết kinh tế: $$\text{IIP_GAP} \to \text{WAGE} \to \text{M2} \to \text{LENDING_R} \to \text{ER_VCB} \to \text{PPI} \to \text{CPI}$$
4. Phân tích độ vững (Robustness Checks): Kiểm định tính ổn định của đa thức đặc trưng nghiệm số (AR Roots Table), kiểm định tự tương quan phần dư LM (Lagrange Multiplier), thay đổi trật tự phân rã Cholesky và thử nghiệm biến đại diện thay thế (như giá dầu Brent quốc tế thay cho PPI).

Data và phân tích

• Phần mềm thực hiện: EViews chuyên sâu kết hợp các thuật toán xử lý dữ liệu chuỗi thời gian.
• Biến số và nguồn dữ liệu:
  • CPI: Chỉ số giá tiêu dùng tổng thể và 11 nhóm cấp 1 (Nguồn: Tổng cục Thống kê - GSO).
  • M2: Cung tiền rộng M2 (Nguồn: NHNN).
  • LENDING_R: Lãi suất cho vay bình quân kỳ hạn ngắn (Nguồn: NHNN).
  • ER_VCB: Tỷ giá danh nghĩa giao dịch USD/VND tại Vietcombank.
  • IIP_GAP: Chênh lệch chỉ số sản xuất công nghiệp thực tế so với tiềm năng (lọc bằng bộ lọc Hodrick-Prescott - HP Filter).
  • WAGE: Chỉ số tiền lương/thu nhập bình quân của người lao động (Nguồn: GSO, ILO).
  • PPI: Chỉ số giá sản xuất (Nguồn: GSO).
• Thước đo sai số dự báo chuẩn hóa:
  • $RMSFE = \sqrt{\frac{1}{h} \sum_{t=1}^h (y_{t+h} - \hat{y}_{t+h})^2}$
  • $RMSPE = \sqrt{\frac{1}{h} \sum_{t=1}^h \left(\frac{y_{t+h} - \hat{y}{t+h}}{y{t+h}}\right)^2} \times 100%$
  • $MPE = \frac{1}{h} \sum_{t=1}^h \left(\frac{y_{t+h} - \hat{y}{t+h}}{y{t+h}}\right) \times 100%$

---

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Mô hình ARIMA(1,1,6) tối ưu cho dự báo cực ngắn hạn (1–3 tháng): Đối với CPI tổng thể, cấu trúc ARIMA(1,1,6) cho kết quả dự báo trong mẫu và ngoài mẫu vượt trội, bám sát các điểm đảo chiều chu kỳ. Việc kết hợp dự báo 11 nhóm hàng hóa thành phần rồi tổng hợp gia quyền mang lại độ chính xác cao hơn dự báo trực tiếp chuỗi CPI tổng thể đơn lẻ.
2. Hiệu chỉnh sai số dài hạn (VECM) có ý nghĩa thống kê cao: Hệ số hiệu chỉnh sai số (Error Correction Term - $ECT_{t-1}$) trong phương trình CPI mang dấu âm và có ý nghĩa thống kê ($p < 0.01$), khẳng định tốc độ tự điều chỉnh về cân bằng dài hạn khi xuất hiện các cú sốc vĩ mô ngắn hạn.
3. Cung tiền M2 và Lãi suất cho vay tác động có độ trễ: Gia tăng M2 thúc đẩy lạm phát với độ trễ phát huy tác dụng rõ nét nhất từ tháng thứ 6 trở đi. Ngược lại, điều chỉnh tăng lãi suất phát huy tác dụng kiềm chế lạm phát sau khoảng 3 đến 6 tháng.
4. Ảnh hưởng đáng kể của các yếu tố chi phí đẩy (WAGE, PPI): Bác bỏ giả định truyền thống xem nhẹ phía cung, thực nghiệm chỉ ra cú sốc tăng chỉ số giá sản xuất (PPI) và tiền lương đóng góp từ 15% đến 20% vào phương sai sai số dự báo của CPI sau 12 tháng.
5. Dự báo kịch bản cú sốc COVID-19 năm 2020:

   "Việt Nam có thể trải qua một cuộc giảm phát với CPI bình quân tháng giảm từ 1,07 – 1,23% và CPI bình quân quý giảm từ 2,11 – 2,13%" khi tổng cầu thế giới suy thoái sâu và gián đoạn chuỗi cung ứng toàn cầu xảy ra trong kịch bản bất thường.

Implications đa chiều

• Về mặt lý luận: Bổ sung bằng chứng thực nghiệm vững chắc xác nhận sự tồn tại của mô hình NKPC lai tại một quốc gia đang phát triển thuộc khối ASEAN.
• Về mặt phương pháp luận: Chuẩn hóa quy trình kết hợp dự báo hai lớp: ARIMA thành phần phục vụ theo dõi nhanh hàng tháng (Nowcasting/Short-term forecasting) và VECM phục vụ mô phỏng chính sách trung hạn (Policy Simulation).
• Về mặt thực tiễn và chính sách:
  • Căn cứ vào Điều 3 Luật Ngân hàng Nhà nước năm 2010:

    "CSTT là các quyết định tiền tệ ở tầm quốc gia của cơ quan nhà nước có thẩm quyền, bao gồm quyết định mục tiêu ổn định giá trị đồng tiền biểu hiện bằng chỉ tiêu lạm phát, quyết định sử dụng công cụ và biện pháp để thực hiện mục tiêu đề ra", NHNN cần chuyển dần từ điều hành dựa trên mục tiêu trung gian là khối tiền tệ (M2, hạn mức tín dụng) sang điều hành dựa trên giá cả (lãi suất điều hành).

  • Thành lập Hội đồng Chính sách Tiền tệ (MPC) chuyên trách độc lập, định kỳ công bố Báo cáo Lạm phát (Inflation Report) có cấu trúc tương tự "biểu đồ dòng sông máu" (fan chart) của Bank of England (BOE).

---

Limitations và Future Research

1. Hạn chế về tính sẵn có và tần suất của chuỗi dữ liệu: Dữ liệu GDP của Việt Nam chỉ được công bố theo quý, buộc tác giả phải sử dụng chỉ số sản xuất công nghiệp (IIP) làm biến đại diện cho sản lượng ở tần suất tháng.
2. Khung phi tuyến và biến đổi cấu trúc: Mô hình VECM giả định các mối quan hệ tuyến tính, chưa bao quát đầy đủ các hiệu ứng phi tuyến tiềm ẩn hoặc sự thay đổi trạng thái đột ngột (Structural Breaks / Markov-Switching).
3. Kỳ vọng lạm phát chưa được đo lường trực tiếp: Do Việt Nam chưa triển khai định kỳ các cuộc khảo sát kỳ vọng lạm phát diện rộng đối với hộ gia đình và doanh nghiệp (như đại học Michigan hay khảo sát SPF của FED), biến kỳ vọng phải ước lượng gián tiếp qua biến trễ.
4. Hướng nghiên cứu tương lai:
   • Phát triển mô hình Cân bằng động học ngẫu nhiên tổng thể (Dynamic Stochastic General Equilibrium - DSGE) và Bayesian VAR (BVAR) nhiều chiều.
   • Ứng dụng mô hình nhân tố động (Dynamic Factor Model - DFM) và kỹ thuật học máy (Machine Learning) trong xử lý dữ liệu tần suất cao (Mixed-Frequency Data/Nowcasting).

---

Tác động và ảnh hưởng

• Học thuật: Trở thành tài liệu tham khảo nền tảng cho các viện nghiên cứu, trường đại học trong đào tạo cao học và nghiên cứu sinh chuyên ngành Tài chính - Ngân hàng, Kinh tế lượng ứng dụng.
• Hoạch định chính sách: Cung cấp công cụ trực tiếp cho Vụ Dự báo, Thống kê (NHNN) và Ban Kinh tế Trung ương trong việc xây dựng kịch bản điều hành CSTT hàng quý, hàng năm.
• Hệ thống ngân hàng thương mại: Cải thiện chất lượng dự báo lãi suất và thanh khoản, giúp các tổ chức tín dụng (TCTD) chủ động quản trị rủi ro kỳ hạn và rủi ro thanh khoản.
• Xã hội: Góp phần neo giữ kỳ vọng lạm phát ổn định quanh mức mục tiêu dưới 4%, giảm thiểu chi phí phát sinh do lạm phát bất định, bảo vệ thu nhập thực tế của người dân.

---

Đối tượng hưởng lợi

---

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã mở rộng mô hình Đường cong Phillips Keynes mới lai (Hybrid NKPC) cho thị trường mới nổi bằng việc tích hợp thành công cấu trúc đa kênh: kết hợp đồng thời kênh tiền tệ phía cầu ($M2$, lãi suất) với các kênh chi phí đẩy phía cung ($WAGE$, $PPI$) và kênh ngoại hối ($USD/VND$) vào một hệ phương trình sai số hiệu chỉnh $VECM$ hoàn chỉnh.

2. Đổi mới phương pháp luận so với các nghiên cứu trước đây như thế nào?

So với nghiên cứu của Camen (2006) và Phạm Thế Anh (2008, 2009) chỉ sử dụng mô hình VAR/SVAR thuần túy trên chuỗi dừng sai phân (loại bỏ thông tin dài hạn), luận án sử dụng phương pháp đồng tích hợp Johansen và VECM, bảo toàn toàn bộ quan hệ cân bằng dài hạn giữa mức giá và các yếu tố kinh tế nền tảng. Đồng thời, luận án kết hợp cách tiếp cận dự báo phân rã 11 cấu phần CPI tương tự kinh nghiệm của Bangko Sentral ng Pilipinas (BSP).

3. Phát hiện bất ngờ nhất từ kết quả thực nghiệm là gì?

Phát hiện bất ngờ nhất là sự dịch chuyển vai trò giữa các kênh truyền dẫn: Tác động của tỷ giá hối đoái ($ER_VCB$) lên $CPI$ trong giai đoạn 2012–2019 suy giảm đáng kể so với thập niên 2000, cho thấy mức chuyển giá tỷ giá (ERPT) tại Việt Nam là không hoàn toàn và có xu hướng giảm nhờ chính sách ổn định tỷ giá trung tâm và phi đô la hóa hiệu quả của NHNN. Ngược lại, biến động của chi phí tiền lương và chỉ số giá sản xuất ($PPI$) lại có sức giải thích biến động $CPI$ gia tăng mạnh mẽ.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không?

Có. Luận án trình bày chi tiết toàn bộ danh mục biến số, nguồn trích xuất dữ liệu, các bước kiểm định chuỗi thời gian (ADF, PP, kiểm định độ trễ tối ưu qua AIC/SC, ma trận kiểm định Johansen), bảng định dạng cấu trúc ma trận Cholesky, phương trình VECM chuẩn tắc và các tệp dữ liệu mẫu trong phần phụ lục từ Phụ lục 3.1 đến Phụ lục 3.22.

5. Chương trình nghiên cứu 10 năm tiếp theo được vạch ra như thế nào?

Lộ trình phát triển hệ thống mô hình dự báo phục vụ CSTT đến năm 2025–2030 bao gồm:

1. Giai đoạn 1: Nâng cấp mô hình chuỗi thời gian hiện tại sang mô hình Bayesian VAR (BVAR) và Dynamic Factor Model (DFM) để tích hợp dữ liệu vĩ mô tần suất hỗn hợp (Nowcasting).
2. Giai đoạn 2: Xây dựng hoàn chỉnh mô hình Cân bằng động học ngẫu nhiên tổng thể (DSGE) dành riêng cho Việt Nam.
3. Giai đoạn 3: Hoàn thiện cơ chế khảo sát kỳ vọng lạm phát thị trường và chuyển giao hệ thống dự báo tích hợp vào quy trình vận hành khuôn khổ Lạm phát mục tiêu linh hoạt (Flexible Inflation Targeting).

---

Kết luận

1. Hệ thống hóa toàn diện lý luận và thực tiễn: Khảo lược sâu sắc quá trình tiến hóa của các học thuyết lạm phát từ Cổ điển, Tiền tệ, Keynes đến Keynes mới và kinh nghiệm điều hành dự báo tại các NHTW phát triển và đang phát triển trên thế giới.
2. Xác lập mô hình VECM chuẩn tắc cho Việt Nam: Khẳng định mối quan hệ đồng tích hợp dài hạn giữa lạm phát với cung tiền, lãi suất, tỷ giá, chênh lệch sản lượng và chi phí phía cung; lượng hóa chính xác độ trễ và tỷ lệ giải thích phương sai của từng kênh truyền dẫn.
3. Hoàn thiện mô hình ARIMA đa cấu phần: Chứng minh hiệu quả dự báo ngắn hạn vượt trội của cấu trúc ARIMA(1,1,6) kết hợp phân rã 11 nhóm hàng hóa thành phần, cung cấp công cụ theo dõi sát diễn biến CPI hàng tháng cho NHNN.
4. Mô phỏng thành công kịch bản cú sốc bất thường: Cung cấp dự báo định lượng chính xác về áp lực giảm phát và suy giảm đà tăng giá trong bối cảnh đại dịch COVID-19, hỗ trợ đắc lực cho công tác chỉ đạo điều hành vĩ mô.
5. Đề xuất lộ trình cải cách thể chế dự báo: Kiến nghị khung chuyển đổi đồng bộ từ khuôn khổ điều hành CSTT theo khối lượng tiền tệ sang khuôn khổ lạm phát mục tiêu hiện đại, nâng cao tính minh bạch, độc lập và vị thế học thuật của Ngân hàng Nhà nước Việt Nam trên trường quốc tế.