Luận án: Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam - Phạm Đức Anh

Khám phá ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam, góp phần ổn định kinh tế và phát triển bền vững.

• 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
• MỤC LỤC
• PHẦN MỞ ĐẦU
• 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
• DANH MỤC CHỮ VIẾT TẮT
• DANH MỤC BẢNG
• DANH MỤC HÌNH
• DANH MỤC PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Lạm Phát và Chính Sách Tiền Tệ Tại Việt Nam

Bài viết này tập trung vào việc phân tích và dự báo lạm phát Việt Nam trong bối cảnh điều hành chính sách tiền tệ. Lạm phát là một chỉ số kinh tế vĩ mô quan trọng, ảnh hưởng sâu rộng đến đời sống kinh tế - xã hội. Tăng trưởng nhanh kết hợp với dòng vốn vào nóng thường kéo theo lạm phát cao và kéo dài, gây bất ổn vĩ mô. Do đó, việc dự báo chính xác lạm phát là vô cùng quan trọng để NHNN có thể điều hành chính sách tiền tệ hiệu quả. Từ đó ổn định giá trị đồng nội tệ trong bối cảnh hội nhập sâu rộng và trước nguy cơ bất ổn từ kinh tế thế giới. Theo Phạm Đức Anh (2020), điều hành chính sách tiền tệ cần được lượng hóa toàn diện nhằm đảm bảo dự báo lạm phát và các nhân tố vĩ mô quan trọng được tiến hành thuận lợi và hiệu quả. Việc xây dựng, vận hành và phát triển các lớp mô hình kinh tế lượng dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

1.1. Khái Niệm và Các Yếu Tố Ảnh Hưởng Đến Lạm Phát

Lạm phát được định nghĩa là sự gia tăng liên tục của mức giá chung của hàng hóa và dịch vụ trong một nền kinh tế. Có nhiều yếu tố có thể gây ra lạm phát, bao gồm tăng trưởng cung tiền quá mức, tăng tổng cầu do chính sách tài khóa mở rộng, hoặc các cú sốc cung như giá dầu tăng cao. Việc hiểu rõ các yếu tố này là cần thiết để xây dựng mô hình dự báo lạm phát chính xác. Phân tích những yếu tố này giúp Ngân hàng Nhà nước Việt Nam đưa ra những quyết định điều hành chính sách tiền tệ phù hợp để kiểm soát lạm phát.

1.2. Vai Trò Của Chính Sách Tiền Tệ Trong Kiểm Soát Lạm Phát

Chính sách tiền tệ là các biện pháp mà Ngân hàng Nhà nước Việt Nam (NHNN) sử dụng để kiểm soát cung tiền và lãi suất, nhằm ổn định giá cả và hỗ trợ tăng trưởng kinh tế. Các công cụ chính sách tiền tệ bao gồm nghiệp vụ thị trường mở, lãi suất tái cấp vốn, và tỷ lệ dự trữ bắt buộc. Chính sách tiền tệ đóng vai trò quan trọng trong việc kiểm soát lạm phát bằng cách tác động đến tổng cầu và kỳ vọng lạm phát. Hiệu quả của chính sách tiền tệ phụ thuộc vào khả năng dự báo chính xác lạm phát và phản ứng kịp thời của NHNN.

II. Thách Thức Trong Dự Báo Lạm Phát Cho Chính Sách Tiền Tệ

Việc dự báo lạm phát ở Việt Nam đối mặt với nhiều thách thức. Kinh tế Việt Nam có độ mở cao, dễ bị ảnh hưởng bởi các yếu tố bên ngoài như giá cả hàng hóa thế giới và biến động tỷ giá. Dữ liệu kinh tế vĩ mô của Việt Nam đôi khi không đầy đủ hoặc không kịp thời, gây khó khăn cho việc xây dựng và kiểm định mô hình dự báo. Thêm vào đó, cấu trúc kinh tế của Việt Nam đang thay đổi nhanh chóng, khiến cho các mô hình kinh tế truyền thống trở nên kém hiệu quả. Do đó, cần phải liên tục cập nhật và cải tiến mô hình dự báo lạm phát để đáp ứng với những thay đổi của nền kinh tế. Theo Phạm Đức Anh(2020), việc xây dựng mô hình dự báo kinh tế vĩ mô dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

2.1. Ảnh Hưởng Từ Yếu Tố Bên Ngoài Đến Lạm Phát Việt Nam

Kinh tế Việt Nam có độ mở cao, do đó lạm phát dễ bị ảnh hưởng bởi các yếu tố bên ngoài như giá dầu thô, giá lương thực thế giới và biến động tỷ giá. Sự biến động của các yếu tố này có thể gây ra những cú sốc cung hoặc cầu, ảnh hưởng đến lạm phát trong nước. Việc tích hợp các yếu tố bên ngoài vào mô hình dự báo lạm phát là rất quan trọng để nâng cao độ chính xác của dự báo. Đặt biệt, phân tích rủi ro lạm phát từ các yếu tố bên ngoài cần được quan tâm hơn.

2.2. Hạn Chế Về Dữ Liệu Và Độ Trễ Thông Tin Kinh Tế Vĩ Mô

Một trong những thách thức lớn nhất trong dự báo lạm phát ở Việt Nam là hạn chế về dữ liệu. Dữ liệu kinh tế vĩ mô đôi khi không đầy đủ, không chính xác hoặc có độ trễ lớn, gây khó khăn cho việc xây dựng và kiểm định mô hình dự báo. Cần phải cải thiện chất lượng và tính kịp thời của dữ liệu kinh tế vĩ mô để nâng cao hiệu quả của công tác dự báo lạm phát phục vụ điều hành chính sách tiền tệ.

2.3. Thay Đổi Cấu Trúc Kinh Tế Việt Nam Ảnh Hưởng Đến Lạm Phát

Cấu trúc kinh tế Việt Nam đang trải qua những thay đổi lớn, từ một nền kinh tế chủ yếu dựa vào nông nghiệp sang một nền kinh tế công nghiệp và dịch vụ. Sự thay đổi này có thể làm thay đổi mối quan hệ giữa các biến số kinh tế, khiến cho các mô hình kinh tế truyền thống trở nên kém hiệu quả. Cần phải cập nhật và điều chỉnh mô hình dự báo lạm phát để phản ánh những thay đổi này, ví dụ như ảnh hưởng của giá CPI Việt Nam.

III. Phương Pháp Dự Báo Lạm Phát Hiệu Quả Trong Chính Sách Tiền Tệ

Có nhiều phương pháp dự báo lạm phát khác nhau, từ các mô hình kinh tế lượng đơn giản như ARIMA đến các mô hình kinh tế lượng phức tạp hơn như VECM và DSGE. Việc lựa chọn mô hình dự báo phù hợp phụ thuộc vào đặc điểm của nền kinh tế và mục tiêu của dự báo. Ngân hàng Nhà nước Việt Nam cần phải sử dụng kết hợp nhiều mô hình dự báo khác nhau để có được cái nhìn toàn diện về lạm phát. Theo Phạm Đức Anh(2020), việc xây dựng mô hình dự báo kinh tế vĩ mô dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

3.1. Ứng Dụng Mô Hình ARIMA Trong Dự Báo Lạm Phát Ngắn Hạn

Mô hình ARIMA là một mô hình kinh tế lượng đơn giản nhưng hiệu quả, thường được sử dụng để dự báo lạm phát ngắn hạn. Mô hình ARIMA có thể nắm bắt được tính tự tương quan của chuỗi thời gian lạm phát, giúp dự báo chính xác lạm phát trong tương lai gần. Tuy nhiên, mô hình ARIMA không thể giải thích được nguyên nhân gây ra lạm phát, do đó cần phải sử dụng kết hợp với các mô hình kinh tế lượng khác. NHNN có thể sử dụng mô hình ARIMA để dự báo tăng trưởng kinh tế.

3.2. Sử Dụng Mô Hình VECM Để Phân Tích Tác Động Chính Sách Tiền Tệ

Mô hình VECM là một mô hình kinh tế lượng phức tạp hơn, có thể sử dụng để phân tích tác động của chính sách tiền tệ đến lạm phát. Mô hình VECM cho phép xác định mối quan hệ đồng liên kết giữa các biến số kinh tế, giúp hiểu rõ hơn về cơ chế truyền dẫn của chính sách tiền tệ. Tuy nhiên, mô hình VECM đòi hỏi dữ liệu chất lượng cao và kỹ năng phân tích chuyên sâu. Mô hình VECM có thể giúp dự báo lạm phát mục tiêu.

IV. Ứng Dụng Thực Tiễn Dự Báo Lạm Phát Quyết Định Chính Sách Tiền Tệ

Kết quả dự báo lạm phát có thể được sử dụng để đưa ra các quyết định chính sách tiền tệ phù hợp. Nếu lạm phát được dự báo sẽ vượt quá mục tiêu, Ngân hàng Nhà nước Việt Nam có thể thắt chặt chính sách tiền tệ bằng cách tăng lãi suất hoặc giảm cung tiền. Ngược lại, nếu lạm phát được dự báo sẽ thấp hơn mục tiêu, NHNN có thể nới lỏng chính sách tiền tệ để kích thích tăng trưởng kinh tế. Dự báo lạm phát là một công cụ quan trọng để điều hành chính sách tiền tệ hiệu quả. Theo Phạm Đức Anh(2020), việc xây dựng mô hình dự báo kinh tế vĩ mô dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

4.1. Xây Dựng Kịch Bản Chính Sách Tiền Tệ Dựa Trên Dự Báo Lạm Phát

Kết quả dự báo lạm phát có thể được sử dụng để xây dựng các kịch bản chính sách tiền tệ khác nhau. Mỗi kịch bản sẽ tương ứng với một mức độ phản ứng khác nhau của NHNN đối với lạm phát. Việc xây dựng kịch bản giúp NHNN có sự chuẩn bị tốt hơn cho các tình huống khác nhau và đưa ra quyết định chính sách tiền tệ tối ưu.

4.2. Tham Khảo Để Thiết Lập Và Điều Chỉnh Mục Tiêu Lạm Phát

Dự báo lạm phát cũng có thể được sử dụng để thiết lập và điều chỉnh mục tiêu lạm phát. Nếu lạm phát được dự báo sẽ khó đạt được mục tiêu hiện tại, NHNN có thể điều chỉnh mục tiêu lạm phát cho phù hợp với tình hình thực tế của nền kinh tế. Việc điều chỉnh mục tiêu lạm phát cần phải được thực hiện một cách thận trọng để không làm mất đi sự tin tưởng của công chúng vào chính sách tiền tệ. Để kiểm soát lạm phát, việc dự báo là vô cùng quan trọng.

V. Hoàn Thiện Mô Hình Dự Báo Lạm Phát Cho Ngân Hàng Nhà Nước

Để nâng cao hiệu quả của công tác dự báo lạm phát, Ngân hàng Nhà nước Việt Nam cần phải tiếp tục hoàn thiện mô hình dự báo. Điều này bao gồm việc cải thiện chất lượng dữ liệu, tích hợp các yếu tố bên ngoài vào mô hình, và sử dụng kết hợp nhiều mô hình dự báo khác nhau. Ngoài ra, cần phải đào tạo và nâng cao năng lực cho đội ngũ cán bộ làm công tác dự báo lạm phát. Thực trạng lạm phát cho thấy vẫn cần nâng cấp các mô hình dự báo của NHNN. Theo Phạm Đức Anh(2020), việc xây dựng mô hình dự báo kinh tế vĩ mô dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

5.1. Cải Thiện Chất Lượng Dữ Liệu Đầu Vào Của Mô Hình Dự Báo

Chất lượng dữ liệu đầu vào là yếu tố then chốt để đảm bảo độ chính xác của mô hình dự báo lạm phát. Cần phải cải thiện tính đầy đủ, chính xác và kịp thời của dữ liệu kinh tế vĩ mô. Ngoài ra, cần phải thu thập và sử dụng các dữ liệu mới, chẳng hạn như dữ liệu về kỳ vọng lạm phát của doanh nghiệp và người tiêu dùng.

5.2. Nâng Cao Năng Lực Phân Tích Và Dự Báo Của Cán Bộ Ngân Hàng

Đội ngũ cán bộ làm công tác dự báo lạm phát cần phải được đào tạo và nâng cao năng lực thường xuyên. Cần phải trang bị cho họ kiến thức về kinh tế vĩ mô, kinh tế lượng và các phương pháp dự báo hiện đại. Ngoài ra, cần phải tạo điều kiện cho họ tiếp cận với các nguồn thông tin và kinh nghiệm quốc tế.

VI. Triển Vọng Dự Báo Lạm Phát Trong Điều Hành Chính Sách Tiền Tệ

Với sự phát triển của khoa học công nghệ và sự hội nhập sâu rộng của kinh tế Việt Nam, công tác dự báo lạm phát sẽ ngày càng trở nên quan trọng trong điều hành chính sách tiền tệ. Ngân hàng Nhà nước Việt Nam cần phải tiếp tục đầu tư vào nghiên cứu và phát triển mô hình dự báo, đồng thời tăng cường hợp tác với các tổ chức quốc tế để nâng cao năng lực dự báo lạm phát. Chính sách tiền tệ hiệu quả phải dựa trên dự báo chính xác. Theo Phạm Đức Anh(2020), việc xây dựng mô hình dự báo kinh tế vĩ mô dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ chính sách tiền tệ lạm phát mục tiêu thực thụ trong tương lai.

6.1. Ứng Dụng Công Nghệ Mới Vào Mô Hình Dự Báo Lạm Phát

Các công nghệ mới như trí tuệ nhân tạo (AI) và học máy (machine learning) có thể được ứng dụng để cải thiện độ chính xác và hiệu quả của mô hình dự báo lạm phát. AI và machine learning có thể giúp phân tích lượng lớn dữ liệu và phát hiện ra các mối quan hệ phức tạp giữa các biến số kinh tế.

6.2. Tăng Cường Hợp Tác Quốc Tế Trong Dự Báo Lạm Phát

Cần tăng cường hợp tác với các tổ chức quốc tế như Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thế giới (WB) để trao đổi kinh nghiệm và tiếp cận với các mô hình dự báo tiên tiến. Hợp tác quốc tế cũng giúp nâng cao uy tín và tính minh bạch của công tác dự báo lạm phát ở Việt Nam. Việc này giúp ích cho quản lý lạm phát.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ kinh tế với đề tài "Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam" được tác giả Phạm Đức Anh thực hiện tại Học viện Ngân hàng (năm 2020), dưới sự hướng dẫn khoa học của PGS. Nguyễn Đức Trung và PGS. Phạm Thị Hoàng Anh, thuộc chuyên ngành Tài chính – Ngân hàng (Mã ngành: 9.01).

Tính cấp thiết và khoảng trống nghiên cứu

Lạm phát là một trong những chỉ tiêu kinh tế vĩ mô có tầm ảnh hưởng sâu rộng tới sự ổn định kinh tế - xã hội. Tại các nền kinh tế đang phát triển, tăng trưởng nhanh đi kèm dòng vốn nóng thường dẫn tới lạm phát cao, đồng nội tệ mất giá và gia tăng thâm hụt ngân sách. Ngược lại, giai đoạn từ năm 2014 trở đi tại Việt Nam ghi nhận tỷ lệ lạm phát duy trì ở mức thấp, tiềm ẩn nguy cơ làm suy giảm sức mua, đình trệ sản xuất kinh doanh, bào mòn nguồn thu ngân sách từ thuế và gia tăng gánh nặng nợ.

Thực tiễn này đòi hỏi công tác hoạch định và điều hành chính sách tiền tệ (CSTT) của Ngân hàng Nhà nước Việt Nam (NHNN) phải được lượng hóa toàn diện. Theo các cơ sở lý luận và thực tiễn điều hành, việc phát triển hệ thống mô hình kinh tế lượng phục vụ dự báo lạm phát là điều kiện tiên quyết để NHNN từng bước hoàn thiện năng lực điều hành và chuẩn bị các điều kiện cần thiết hướng tới khuôn khổ lạm phát mục tiêu (Inflation Targeting) trong tương lai. Khoảng trống nghiên cứu được luận án chỉ ra là: các công trình khoa học trong nước trước đây đa số mới chỉ khai thác từng mô hình dự báo riêng lẻ, tập trung vào các nhân tố phía cầu và đại diện phía cung chỉ đơn thuần là giá dầu hoặc giá gạo thế giới; chưa có một công trình tổng thể nào xây dựng và chuẩn hóa hệ thống mô hình dự báo kết hợp giữa dự báo thành phần ngắn hạn và dự báo kinh tế lượng vĩ mô trung hạn có tích hợp các biến số phía cung để phục vụ trực tiếp công tác điều hành CSTT tại Việt Nam.

Mục tiêu nghiên cứu

1. Mục tiêu chung: Nghiên cứu cơ sở lý luận, đánh giá thực trạng và đề xuất hoàn thiện hệ thống mô hình dự báo lạm phát nhằm nâng cao hiệu quả điều hành chính sách tiền tệ tại Việt Nam.
2. Mục tiêu cụ thể:
   • Hệ thống hóa cơ sở lý luận và kinh nghiệm quốc tế về các mô hình dự báo lạm phát trong điều hành chính sách tiền tệ của các ngân hàng trung ương (NHTW).
   • Phân tích, đánh giá thực trạng diễn biến lạm phát, thực trạng điều hành CSTT và thực trạng ứng dụng mô hình dự báo lạm phát tại NHNN giai đoạn 2000 – 2019.
   • Đề xuất hoàn thiện và ước lượng thực nghiệm hai lớp mô hình dự báo: mô hình ARIMA phân rã theo nhóm hàng hóa (cho ngắn hạn) và mô hình VECM tần suất tháng/quý (cho trung hạn).
   • Đề xuất hệ thống giải pháp và khuyến nghị chính sách nhằm thúc đẩy ứng dụng mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các mô hình dự báo lạm phát và hoạt động ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ.
• Phạm vi không gian: Nền kinh tế Việt Nam, tập trung vào hoạt động dự báo và điều hành CSTT tại Ngân hàng Nhà nước Việt Nam; kết hợp khảo cứu kinh nghiệm thực tiễn tại các quốc gia như Anh, Mỹ, Philippines, Macedonia, Trung Quốc.
• Phạm vi thời gian: Dữ liệu chuỗi thời gian phục vụ phân tích thực trạng và ước lượng mô hình được thu thập trong giai đoạn 2000 – 2019; dữ liệu kiểm định và mô phỏng kịch bản dự báo mở rộng trong năm 2020; các giải pháp và khuyến nghị chính sách được định hướng thực hiện đến năm 2025.

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu lý thuyết và thực nghiệm trước đây

Luận án đã điểm lại có hệ thống quá trình phát triển của các lý thuyết lạm phát và các mô hình dự báo qua các thời kỳ:

• Lý thuyết tiền tệ cổ điển và tân cổ điển: Adam Smith (1776) phân biệt giữa "giá thực" và "giá danh nghĩa"; Irving Fisher (1911) xây dựng Thuyết số lượng tiền tệ qua phương trình $PT = MV + M'V'$, giả định giá cả tỷ lệ thuận với lượng cung tiền; Milton Friedman (1968, 1989) khẳng định bản chất tiền tệ của lạm phát; Dornbusch và Fischer (1993) phân tích mối quan hệ cung tiền và mức giá.
• Lý thuyết ưa chuộng thanh khoản và trường phái Keynes: John Maynard Keynes (1936) phê phán sự cứng nhắc của thuyết số lượng tiền tệ, chỉ ra rằng cung tiền tác động gián tiếp qua lãi suất, chi tiêu và tính ưa thanh khoản; Hansen (1951) và Gupta (2008) tiếp tục phát triển quan điểm lạm phát do áp lực tổng cầu và tổng cung.
• Đường cong Phillips và các biến thể hiện đại: A.W. Phillips (1958) chỉ ra sự đánh đổi giữa tiền lương và thất nghiệp; Friedman (1968) và Phelps (1967) bác bỏ sự đánh đổi này trong dài hạn khi đưa vào tỷ lệ thất nghiệp tự nhiên; Lucas (1972) bổ sung lý thuyết kỳ vọng hợp lý và mệnh đề không hiệu quả của chính sách; Fischer (1977), Taylor (1979), Calvo (1983), Gali và Gertler (1999) xây dựng đường cong Phillips mới (NKPC); Woodford (2003), Christiano và cộng sự (2005) bổ sung yếu tố lạm phát quá khứ vào NKPC.
• Lý thuyết về lạm phát cơ bản: Schreder (1952), Tobin (1972), Sprinkel (1975) đề cập ban đầu; Otto Eckstein (1981) định nghĩa chính thức lạm phát cơ bản với phương trình $\pi = \pi_e + \pi_d + \pi_s$ (phân rã thành lạm phát cơ bản, lạm phát cầu kéo và lạm phát chi phí đẩy); Quah và Vahey (1995) mô hình hóa lạm phát cơ bản bằng cấu phần trung tính với sản lượng trong dài hạn.
• Lý thuyết phía cung và nhập khẩu lạm phát: Frisch (1977) với mô hình cấu trúc nhập khẩu lạm phát; Branson và Myhrman (1976), Cumberbatch (1995) với mô hình Scandinavia; Greenidge và DaCosta (2009) tổng hợp hai luồng lý thuyết cầu kéo và chi phí đẩy.
• Nghiên cứu thực nghiệm quốc tế về các nhân tố tác động: Chhibber (1991) tại châu Phi; Bodart (1996) về tỷ giá hối đoái; Laryea và Sumaila (2001) tại Tanzania; Akinboade và cộng sự (2004) tại Nam Phi; Ito và Sato (2008) tại các nước Đông Á hậu khủng hoảng; Malesevic (2009) tại Croatia; Bashir và cộng sự (2011), Ahmed và cộng sự (2013) tại Pakistan; báo cáo của AfDB (2011) tại các quốc gia Đông Phi.
• Nghiên cứu về mô hình chuỗi thời gian và kinh tế lượng dự báo: Fama và Gibbons (1982, 1984) dự báo dựa trên lãi suất; Meyler và cộng sự (1998) áp dụng ARIMA Box-Jenkins tại Ireland; Sims (2006) phát triển mô hình VAR; Engle và Yoo (1987), Clements và Hendry (1995), Christoffersen và Diebold (1998), Gonzalo và Pitarakis (1999) nghiên cứu so sánh cấu trúc VECM và VAR; Cogley và Sargent (2001, 2005), Sims và Zha (2006), Pesaran và cộng sự (2006), Koop và Potter (2007) phát triển mô hình chuỗi thời gian có điểm gãy cấu trúc và BVAR; Stock và Watson (1999), Wright (2009) ứng dụng mô hình trung bình Bayes.
• Các nghiên cứu thực nghiệm tại Việt Nam: Camen (2006) dùng mô hình VAR phân tích vai trò của tín dụng và M3 của Mỹ; Goujon (2006) nghiên cứu hiện tượng đô la hóa; IMF (2006) đánh giá tương quan tiền tệ - lạm phát; Nguyen và Fujita (2007) sử dụng VAR nghiên cứu tỷ giá thực; Võ Văn Minh (2009) đo lường mức chuyển tỷ giá vào giá cả; Phạm Thế Anh (2008, 2009) sử dụng mô hình SVAR và ECM; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010) khảo sát 3 kênh truyền tải (PPP, AD, AS); Lương Thị Nga và cộng sự (2014) phân tích 4 kênh truyền dẫn của tỷ giá; Bùi Quốc Dũng (2014) lập luận về điều kiện tiên quyết của mô hình dự báo cho CSTT lạm phát mục tiêu; Đào Hoàng Dũng (2013) ứng dụng mô hình ARIMA.

Khoảng trống luận án lựa chọn giải quyết

Tổng quan tài liệu cho thấy các nghiên cứu về lạm phát tại Việt Nam còn tồn tại các khoảng trống lớn:

1. Thiếu tính đồng bộ trong hệ thống mô hình: Đa phần các nghiên cứu chỉ vận hành riêng rẽ một mô hình (ARIMA hoặc VAR/VECM), chưa có sự kết hợp phân tầng giữa dự báo vi mô ngắn hạn cho từng nhóm hàng hóa và mô hình cân bằng vĩ mô trung hạn.
2. Bỏ sót các biến số quan trọng phía cung: Các mô hình định lượng trước đây chủ yếu tập trung vào các biến số tổng cầu (tiền tệ, tín dụng, chi tiêu ngân sách), trong khi các biến số phản ánh chi phí đẩy trong nước như chi phí lao động, tiền lương và chỉ số giá sản xuất (PPI) chưa được đưa vào kiểm định một cách hệ thống.
3. Chưa gắn kết sâu giữa kỹ thuật dự báo và quy trình điều hành chính sách: Các nghiên cứu học thuật chưa đi sâu đánh giá thực trạng vận hành mô hình tại cơ quan điều hành (NHNN) để thiết kế khung báo cáo và quy trình ra quyết định CSTT phù hợp với thực tiễn Việt Nam.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết, khái niệm và khung phân tích

• Khái niệm lạm phát: Luận án thống nhất sử dụng định nghĩa của Ackley (1961), theo đó lạm phát là sự tăng lên liên tục và có thể xác định được của mặt bằng giá cả hàng hóa nói chung trong một khoảng thời gian (1 – 2 năm) theo Dwivedi (2005). Luận án phân biệt rõ lạm phát với hiện tượng giảm phát (deflation), thiểu phát (disinflation) và điểm lạm phát zero dựa trên khung lý thuyết của Cao Thị Ý Nhi và Đặng Anh Tuấn (2017).
• Cơ chế hình thành lạm phát: Khung phân tích xem xét 4 nhóm nguyên nhân chính: (1) Tăng lượng tiền cung ứng vượt mức tăng trưởng kinh tế; (2) Theo đuổi mục tiêu việc làm dẫn tới lạm phát cầu kéo và chi phí đẩy; (3) Thâm hụt ngân sách nhà nước kéo dài được tài trợ bằng phát hành tiền; (4) Biến động tỷ giá hối đoái tác động qua tâm lý, chi phí nhập khẩu và cán cân thanh toán.
• Khung khổ chính sách tiền tệ: Hệ thống hóa cấu trúc điều hành CSTT theo Mishkin (2016) bao gồm: hệ thống công cụ (gián tiếp, trực tiếp), mục tiêu hoạt động (tiền cơ sở MB, dự trữ R, lãi suất liên ngân hàng), mục tiêu trung gian (M2, lãi suất) và mục tiêu cuối cùng (ổn định giá trị đồng tiền, tăng trưởng kinh tế, công ăn việc làm).

Phương pháp nghiên cứu thực tế

Luận án kết hợp đồng thời phương pháp định tính và định lượng:

• Phương pháp định tính:
  • Phương pháp tổng quan tài liệu và phân tích lịch sử: Phân tích quá trình vận động của lạm phát và điều hành CSTT tại Việt Nam qua các giai đoạn 2000–2007, 2008–2012 và 2012–2019.
  • Phương pháp nghiên cứu so sánh kinh nghiệm quốc tế: Nghiên cứu thực tiễn lựa chọn mô hình, cơ cấu tổ chức và quy trình dự báo tại NHTW Anh (BOE), Cục Dự trữ Liên bang Mỹ (FED), NHTW Philippines (BSP), Ngân hàng Quốc gia Macedonia (NBRM), và NHTW Trung Quốc (PBOC).
  • Phương pháp phỏng vấn chuyên gia: Tiến hành phỏng vấn sâu các chuyên gia, nhà khoa học tại Học viện Ngân hàng, Viện Nghiên cứu Khoa học Ngân hàng, Vụ Dự báo - Thống kê (NHNN) và Ban Kinh tế Trung ương (danh mục nêu tại Phụ lục 0).
• Phương pháp định lượng:
  • Mô hình ARIMA: Áp dụng quy trình chuẩn Box-Jenkins gồm 3 bước (Định dạng mô hình qua lược đồ tương quan SACF/PACF, Ước lượng tham số, Kiểm định chẩn đoán phần dư) để xây dựng phương trình dự báo riêng biệt cho 10 nhóm hàng hóa dịch vụ cấu thành chỉ số CPI.
  • Mô hình VECM (Mô hình hiệu chỉnh sai số vector):
    • Kiểm định tính dừng của các chuỗi số liệu bằng kiểm định nghiệm đơn vị (Augmented Dickey-Fuller - ADF / Phillips-Perron - PP).
    • Xác định độ trễ tối ưu cho mô hình VAR mức dựa trên các tiêu chuẩn AIC, SC, HQ.
    • Kiểm định tính ổn định và kiểm định tự tương quan phần dư của mô hình VAR.
    • Kiểm định đồng tích hợp Johansen (Johansen Cointegration Test) để xác định số lượng vector đồng liên kết.
    • Ước lượng mô hình VECM tần suất tháng và tần suất quý; phân tích cơ chế truyền tải thông qua hàm phản ứng đẩy Cholesky (Impulse Response Functions) và phân rã phương sai (Variance Decomposition).
    • Đánh giá chất lượng và sai số dự báo trong mẫu, ngoài mẫu thông qua các chỉ tiêu: RMSE (Root Mean Squared Error), RMSFE, MAPE, và hệ số bất định Theil.

Nguồn tư liệu và dữ liệu

• Dữ liệu thứ cấp được thu thập từ Tổng cục Thống kê (TCTK), Ngân hàng Nhà nước Việt Nam (NHNN), Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank), Quỹ Tiền tệ Quốc tế (IMF), Ngân hàng Thế giới (World Bank) và Trung tâm Phòng chống Dịch bệnh Châu Âu (ECDC).
• Các biến số kinh tế vĩ mô chính bao gồm:
  • Chỉ số giá tiêu dùng tổng thể ($CPI$) và 10 nhóm $CPI$ thành phần (tần suất tháng, giai đoạn 2005 – 2019).
  • Khoảng cách sản lượng công nghiệp ($IIP_GAP$) hoặc Tổng sản phẩm quốc nội ($GDP$).
  • Tổng phương tiện thanh toán ($M2$).
  • Lãi suất cho vay bình quân ($LENDING_R$).
  • Tỷ giá danh nghĩa USD/VND tại Vietcombank ($ER_VCB$).
  • Chỉ số giá sản xuất ($PPI$) đại diện cho chi phí sản xuất.
  • Tiền lương bình quân ($WAGE$) đại diện cho chi phí lao động.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan mô hình dự báo lạm phát trong điều hành chính sách tiền tệ

Chương 1 hệ thống hóa các vấn đề lý luận cốt lõi về lạm phát, CSTT và vai trò của mô hình kinh tế lượng trong công tác điều hành vĩ mô:

• Làm rõ bản chất kinh tế của lạm phát, các nguyên nhân gây lạm phát từ phía tiền tệ, tổng cầu, chi phí đẩy, thâm hụt ngân sách và biến động tỷ giá. Phân định rõ ranh giới lý thuyết giữa lạm phát, giảm phát và thiểu phát.
• Phân tích cơ chế tác động và hệ thống mục tiêu của CSTT; khẳng định ổn định giá cả là mục tiêu dài hạn ưu tiên hàng đầu của các NHTW nhằm tạo môi trường vĩ mô ổn định cho tăng trưởng.
• Tổng quan các lớp mô hình dự báo lạm phát từ mô hình chuỗi thời gian đơn biến (ARIMA), mô hình đa biến (VAR, SVAR, BVAR, VECM) đến mô hình cân bằng tổng thể động ngẫu nhiên (DSGE); phân tích tiêu chuẩn kỹ thuật đánh giá chất lượng dự báo.
• Đúc kết kinh nghiệm quốc tế từ 5 NHTW:
  • Macedonia (NBRM): Sử dụng mô hình nhân tố động kết hợp mô hình kinh tế lượng cấu trúc.
  • Philippines (BSP): Áp dụng thành công phương pháp tiếp cận từ dưới lên (bottom-up), dự báo chi tiết từng nhóm thành phần CPI bằng mô hình đơn biến và cân bằng vĩ mô.
  • Mỹ (FED): Vận hành mô hình SVAR và VECM với các khối phương trình quy tắc Taylor và phân rã phổ độ biến động.
  • Trung Quốc (PBOC): Kết hợp hệ thống 15 mô hình VAR, mô hình thành phần chính (PCA) và VECM để dự báo chu kỳ lạm phát.
  • Anh (BOE): Điển hình về việc công bố báo cáo lạm phát định kỳ với biểu đồ quạt ("dòng sông máu" - fan chart) phản ánh phân phối xác suất và độ bất định của dự báo.
• Rút ra 5 bài học cho Việt Nam: linh hoạt lựa chọn mô hình theo mục tiêu thời hạn, thành lập đơn vị dự báo chuyên trách độc lập, chuẩn hóa cơ sở dữ liệu chuỗi thời gian, xây dựng quy trình thẩm định đa tầng và minh bạch hóa thông tin dự báo.

Chương 2: Thực trạng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam

Chương 2 tập trung phân tích bối cảnh vĩ mô và thực trạng ứng dụng mô hình dự báo tại Ngân hàng Nhà nước Việt Nam:

• Phân tích diễn biến lạm phát và điều hành CSTT qua 3 giai đoạn lịch sử:
  • Giai đoạn 2000 – 2007: Tăng trưởng kinh tế cao đi kèm tăng trưởng tín dụng và M2 nhanh; lạm phát bắt đầu tích tụ áp lực từ cuối năm 2007.
  • Giai đoạn 2008 – tháng 4/2012: Lạm phát tăng vọt và biến động phức tạp (đạt đỉnh 19,89% năm 2008 và 18,58% năm 2011) do các cú sốc giá hàng hóa thế giới kết hợp việc nới lỏng tiền tệ, sau đó CSTT được thắt chặt quyết liệt theo Nghị quyết 11/NQ-CP.
  • Giai đoạn tháng 5/2012 – 2019: Lạm phát được kiểm soát ở mức thấp và ổn định (dưới 4%), CSTT chuyển hướng điều hành linh hoạt, kiểm soát cung tiền và ổn định thị trường ngoại hối.
• Đánh giá thực trạng các mô hình dự báo tại Vụ Dự báo, Thống kê - NHNN:
  • Mô hình đơn biến ARIMA(1,1,6) dự báo CPI tổng thể có sai số tương đối lớn khi xuất hiện các cú sốc giá cục bộ.
  • Mô hình VAR/VECM hiện hữu chỉ bao gồm 3–4 biến nội sinh cơ bản, định dạng đơn giản và chủ yếu tập trung vào các biến phía cầu ($CPI, M2, LENDING_R$).
• Thực trạng ứng dụng kết quả dự báo: Đã bước đầu phục vụ việc xây dựng kịch bản chính sách tiền tệ, lập báo cáo phân tích định kỳ tham mưu Ban Lãnh đạo NHNN, và làm căn cứ tham chiếu để Quốc hội, Chính phủ thiết lập mục tiêu lạm phát hàng năm.
• Chỉ ra các hạn chế và nguyên nhân: Mô hình chưa bao quát được các nhân tố phía cung (giá sản xuất, tiền lương); dữ liệu thống kê còn độ trễ; thiếu cơ chế phản hồi và theo dõi đánh giá sai số liên tục; sự phối hợp và chia sẻ dữ liệu liên ngành giữa NHNN, TCTK và Bộ Tài chính còn chưa đồng bộ.

Chương 3: Đề xuất hoàn thiện mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam

Chương 3 trình bày các kết quả thực nghiệm ước lượng và hoàn thiện hai mô hình dự báo do tác giả đề xuất:

• Hoàn thiện mô hình ARIMA phân rã theo nhóm hàng hóa:
  • Thay vì dự báo trực tiếp chuỗi CPI tổng thể, tác giả phân tách rổ hàng hóa thành 10 nhóm chỉ số giá thành phần để ước lượng 10 mô hình ARIMA riêng biệt theo quy trình Box-Jenkins.
  • Kết quả dự báo thử nghiệm ngoài mẫu giai đoạn tháng 10/2019 – tháng 12/2019 và tháng 1/2020 – tháng 3/2020 cho thấy phương pháp tổng hợp từ các mô hình thành phần có độ chính xác cao hơn, nắm bắt tốt các biến động mùa vụ của nhóm Hàng ăn và dịch vụ ăn uống, Giao thông, và Nhà ở - vật liệu xây dựng.
• Hoàn thiện mô hình VECM tần suất tháng và quý:
  • Bổ sung các biến số phía cung gồm Chỉ số giá sản xuất ($PPI$) và Tiền lương ($WAGE$), kết hợp các biến $CPI$, $IIP_GAP$, $M2$, $LENDING_R$, $ER_VCB$.
  • Kiểm định nghiệm đơn vị xác nhận các chuỗi số liệu đều dừng ở sai phân bậc 1, $I(1)$.
  • Kiểm định đồng tích hợp Johansen xác nhận sự tồn tại của vector đồng liên kết dài hạn giữa lạm phát và các biến số kinh tế vĩ mô.
  • Phân tích hàm phản ứng Cholesky và phân rã phương sai cho thấy: Cung tiền M2 và tỷ giá tác động tích cực đến lạm phát với độ trễ từ 3 đến 6 tháng; biến động chi phí sản xuất ($PPI$) và tiền lương ($WAGE$) đóng góp tỷ trọng đáng kể vào phương sai sai số dự báo của $CPI$ trong trung hạn.
• So sánh, đánh giá hiệu quả dự báo:
  • Mô hình ARIMA phân rã thể hiện ưu thế vượt trội trong dự báo siêu ngắn hạn (1 – 3 tháng).
  • Mô hình VECM hoàn thiện vượt trội về khả năng dự báo xu hướng trung hạn (6 – 12 tháng) và cho phép mô phỏng các kịch bản phản ứng chính sách.
• Mô phỏng tác động của đại dịch COVID-19 trong năm 2020:
  • Thiết lập kịch bản cú sốc bất thường đối với các biến ngoại sinh dưới tác động của đại dịch.
  • Kết quả mô phỏng cho thấy kinh tế Việt Nam trong năm 2020 có nguy cơ đối mặt với trạng thái giảm phát tạm thời, với mức dự báo CPI bình quân tháng giảm từ 1,07% đến 1,23% và CPI bình quân quý giảm từ 2,11% đến 2,13%.

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

Chương 4 đưa ra các định hướng và giải pháp cụ thể đến năm 2025:

• Định hướng điều hành CSTT của NHNN đến năm 2025: Giữ vững mục tiêu kiểm soát lạm phát, ổn định giá trị đồng tiền, từng bước chuyển dịch cơ chế điều hành từ khối lượng sang giá (lãi suất), hoàn thiện tiền đề hướng tới khuôn khổ lạm phát mục tiêu.
• Nhóm khuyến nghị hoàn thiện mô hình dự báo:
  • Nâng cấp cấu trúc dữ liệu, bổ sung thường xuyên chuỗi dữ liệu giá sản xuất, chi phí lao động và tiến tới lượng hóa chỉ số kỳ vọng lạm phát.
  • Kết hợp đồng thời mô hình ARIMA phân rã (dự báo ngắn hạn phục vụ điều hành tác nghiệp) và mô hình VECM hoàn thiện (dự báo trung hạn phục vụ hoạch định chiến lược).
  • Thường xuyên tái ước lượng tham số và kiểm định lại độ dài trễ khi nền kinh tế xuất hiện các cú sốc cấu trúc.
• Nhóm khuyến nghị thúc đẩy ứng dụng trong điều hành CSTT:
  • Chuẩn hóa quy trình cung cấp kết quả dự báo định kỳ phục vụ các phiên họp của Ban Lãnh đạo NHNN và Hội đồng Tư vấn Chính sách Tài chính - Tiền tệ Quốc gia.
  • Đề xuất khung báo cáo chính thức về lạm phát, tăng trưởng, ngân sách và tiền tệ - tín dụng (chi tiết tại Phụ lục 4.1).
  • Tăng cường phối hợp chia sẻ thông tin vĩ mô thời gian thực giữa NHNN, Tổng cục Thống kê và Bộ Tài chính.
  • Từng bước xây dựng và phát hành Báo cáo Lạm phát độc lập ra công chúng nhằm định hướng kỳ vọng thị trường.

---

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận

Luận án đã hệ thống hóa và làm sâu sắc thêm cơ sở lý luận về mối quan hệ giữa các nhân tố vĩ mô và lạm phát trong nền kinh tế chuyển đổi có độ mở lớn. Công trình đã luận giải một cách logic vai trò của việc kết hợp giữa các mô hình chuỗi thời gian đơn biến phân rã và mô hình kinh tế lượng vĩ mô đa biến có hiệu chỉnh sai số (VECM) trong khuôn khổ điều hành chính sách tiền tệ hiện đại.

Đóng góp mới về mặt thực tiễn

1. Đánh giá toàn diện thực trạng mô hình tại NHNN: Luận án đã phân tích sâu sắc các hạn chế của hệ thống mô hình dự báo hiện hành tại Ngân hàng Nhà nước Việt Nam giai đoạn 2000 – 2019, chỉ rõ sự thiếu hụt các biến số phản ánh chi phí đẩy phía cung.
2. Xây dựng thành công mô hình ARIMA phân rã 10 nhóm hàng hóa: Chứng minh thực nghiệm rằng phương pháp dự báo tổng hợp từ 10 nhóm hàng hóa thành phần cho kết quả vượt trội so với việc dự báo trực tiếp chuỗi CPI tổng thể trong ngắn hạn.
3. Hoàn thiện mô hình VECM tần suất tháng và quý: Tích hợp thành công các biến số phía cung gồm Chỉ số giá sản xuất ($PPI$) và Tiền lương ($WAGE$) vào cấu trúc mô hình VECM; xác lập bằng chứng thực nghiệm về tác động có độ trễ của cung tiền $M2$, tỷ giá và chi phí sản xuất tới lạm phát tại Việt Nam.
4. Mô phỏng định lượng cú sốc đại dịch COVID-19: Đưa ra dự báo định lượng về diễn biến CPI năm 2020 theo kịch bản bất thường của dịch bệnh, chỉ ra xu hướng giảm phát tạm thời với CPI bình quân tháng giảm 1,07 – 1,23% và CPI bình quân quý giảm 2,11 – 2,13%.
5. Đề xuất khung mẫu báo cáo và quy trình ứng dụng dự báo: Xây dựng khung mẫu báo cáo dự báo lạm phát chuẩn tắc và quy trình phối hợp ứng dụng kết quả dự báo trong điều hành CSTT tại NHNN đến năm 2025.

Bảng tổng hợp so sánh các mô hình dự báo đề xuất trong luận án

Tiêu chí	Mô hình ARIMA phân rã	Mô hình VECM tháng / quý
Kỳ hạn dự báo tối ưu	Ngắn hạn (1 – 3 tháng)	Trung hạn (6 – 12 tháng)
Cấu trúc dữ liệu	Đơn biến phân tách cho 10 nhóm hàng hóa rổ CPI	Đa biến: $CPI, IIP_GAP (GDP), M2, LENDING_R, ER_VCB, PPI, WAGE$
Cơ sở phương pháp	Quy trình Box-Jenkins (SACF, PACF, OLS)	Kiểm định nghiệm đơn vị, đồng tích hợp Johansen, hàm Cholesky
Ưu điểm chính	Nắm bắt sát các biến động mùa vụ và đột biến giá cục bộ	Phản ánh đầy đủ cơ chế truyền dẫn kinh tế vĩ mô và các cú sốc phía cung
Mục đích ứng dụng tại NHNN	Phục vụ điều hành tác nghiệp thị trường mở, thanh khoản ngắn hạn	Phục vụ hoạch định kịch bản CSTT, điều chỉnh mục tiêu lạm phát trung hạn

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

• Dữ liệu chuỗi thời gian đối với một số biến số vĩ mô phía cung tại Việt Nam (như tiền lương và giá sản xuất) có độ dài lịch sử chưa đủ dài và tần suất công bố còn thưa.
• Chưa tích hợp được biến số định lượng phản ánh kỳ vọng lạm phát của thị trường do Việt Nam chưa triển khai định kỳ các cuộc điều tra kỳ vọng lạm phát quy mô lớn.
• Chưa xây dựng được mô hình cân bằng tổng thể động ngẫu nhiên (DSGE) hoàn chỉnh do sự phức tạp về cấu trúc tham số vi mô trong nền kinh tế Việt Nam.

Hướng nghiên cứu tiếp theo

• Mở rộng ứng dụng các mô hình kinh tế lượng tiên tiến như mô hình VAR Bayes (BVAR), mô hình chuỗi thời gian có tham số thay đổi theo thời gian (TVP-VAR) và mô hình nhân tố động (Dynamic Factor Model).
• Xây dựng và ước lượng mô hình DSGE chuẩn hóa dành riêng cho nền kinh tế Việt Nam khi hệ thống dữ liệu vi mô được hoàn thiện.
• Thiết kế phương pháp điều tra và xây dựng chuỗi chỉ số đo lường kỳ vọng lạm phát của doanh nghiệp và người tiêu dùng để đưa vào phương trình dự báo.

---

Giá trị tham khảo

• Đối với Ngân hàng Nhà nước Việt Nam và các cơ quan quản lý vĩ mô (Bộ Tài chính, Ban Kinh tế Trung ương): Cung cấp cơ sở khoa học và công cụ định lượng đáng tin cậy để hoàn thiện bộ công cụ phân tích, lập kịch bản dự báo phục vụ điều hành CSTT, thiết lập chỉ tiêu lạm phát và phối hợp chính sách tiền tệ - tài khóa.
• Đối với các nhà nghiên cứu, nghiên cứu sinh và học viên cao học ngành Kinh tế, Tài chính – Ngân hàng: Là tài liệu tham khảo có giá trị về quy trình thực hành kinh tế lượng chuỗi thời gian (từ khâu kiểm định tính dừng, kiểm định đồng tích hợp Johansen, ước lượng mô hình VECM đến kỹ thuật đánh giá sai số dự báo ngoài mẫu) áp dụng trên dữ liệu thực tế tại Việt Nam.
• Đối với các tổ chức tài chính và ngân hàng thương mại: Cung cấp phương pháp luận phân tích xu hướng lạm phát và lãi suất, hỗ trợ công tác quản trị rủi ro thanh khoản và định giá tài sản tài chính.

---

Câu hỏi thường gặp

1. Tại sao luận án lại đề xuất kết hợp cả hai mô hình ARIMA và VECM thay vì chỉ áp dụng một mô hình duy nhất?

Luận án chỉ ra rằng mỗi lớp mô hình có thế mạnh riêng biệt: mô hình ARIMA phân rã theo 10 nhóm hàng hóa có khả năng nắm bắt chính xác các biến động giá mang tính mùa vụ cục bộ trong ngắn hạn (1–3 tháng); trong khi mô hình VECM đa biến lại phản ánh được mối quan hệ cân bằng dài hạn và cơ chế truyền dẫn của các biến số kinh tế vĩ mô trong trung hạn (6–12 tháng). Sự kết hợp này giúp cơ quan điều hành vừa theo sát biến động thị trường trước mắt, vừa hoạch định được chiến lược chính sách trung hạn.

2. Các biến số phía cung nào đã được luận án bổ sung vào mô hình VECM để khắc phục hạn chế của các nghiên cứu trước?

Luận án đã bổ sung hai biến số đại diện quan trọng phía cung là Chỉ số giá sản xuất ($PPI$) nhằm đại diện cho chi phí nguyên vật liệu đầu vào và Tiền lương bình quân ($WAGE$) nhằm đại diện cho chi phí lao động, kết hợp với biến tỷ giá danh nghĩa ($ER_VCB$). Điều này khắc phục khiếm khuyết của các công trình trước đây vốn chỉ tập trung vào phía cầu hoặc chỉ sử dụng giá dầu thế giới đại diện cho phía cung.

3. Kết quả mô phỏng tác động của đại dịch COVID-19 đối với lạm phát Việt Nam năm 2020 trong luận án là gì?

Dựa trên mô hình VECM tần suất tháng và quý với các cú sốc bất thường đối với biến ngoại sinh, luận án dự báo kinh tế Việt Nam năm 2020 chịu áp lực giảm phát với mức giảm CPI bình quân tháng từ 1,07% đến 1,23% và CPI bình quân quý giảm từ 2,11% đến 2,13%.

4. Luận án đã rút ra những bài học kinh nghiệm quốc tế nào từ các NHTW trên thế giới?

Luận án đúc kết 5 bài học lớn: lựa chọn mô hình dự báo phù hợp với mục tiêu điều hành, tổ chức bộ máy dự báo chuyên trách, chuẩn hóa và mở rộng cơ sở dữ liệu chuỗi thời gian, xây dựng quy trình kiểm định chất lượng dự báo chặt chẽ, và minh bạch hóa thông tin dự báo thông qua các báo cáo lạm phát định kỳ như kinh nghiệm của BOE và BSP.

---

Kết luận

Luận án tiến sĩ của tác giả Phạm Đức Anh đã giải quyết một cách có hệ thống cả về mặt lý luận và thực tiễn vấn đề ứng dụng mô hình dự báo lạm phát phục vụ điều hành chính sách tiền tệ tại Việt Nam. Bằng việc kết hợp mô hình ARIMA phân rã 10 nhóm hàng hóa và mô hình VECM đa biến tích hợp các yếu tố phía cung, công trình đã nâng cao đáng kể chất lượng dự báo lạm phát trong ngắn và trung hạn. Các kết quả thực nghiệm và hệ thống khuyến nghị chính sách đề xuất trong luận án cung cấp cơ sở khoa học quan trọng cho Ngân hàng Nhà nước Việt Nam trong tiến trình hoàn thiện công tác điều hành chính sách tiền tệ và từng bước hướng tới khuôn khổ lạm phát mục tiêu.

Trích đoạn nội dung tài liệu

PHẦN MỞ ĐẦU 1. TÍNH CẤP THIẾT CỦA LUẬN ÁN Lạm phát là chỉ tiêu kinh tế vĩ mô có tầm ảnh hưởng hết sức sâu rộng tới đời sống kinh tế - xã hội. Tại phần lớn các nước đang phát triển, tăng trưởng nhanh kết hợp với dòng vốn vào "nóng" thường theo kèm mức lạm phát cao và kéo dài, đồng nội tệ mất giá, thâm hụt ngân sách cao, gây ra những bất ổn vĩ mô, từ đó dẫn đến tình trạng thất nghiệp và bất ổn chính trị - xã hội và đe dọa sự phát triển bền vững của nền kinh tế. Thực tế cho thấy lạm phát cao không chỉ là vấn đề của riêng các nền kinh tế đang phát triển, mà điều này cũng từng diễn ra tại những quốc gia phát triển, điển hình là trường hợp lạm phát phi mã của CHLB Đức giai đoạn 1929 - 1933.

Sau thời gian dài chống chọi với tỷ lệ lạm phát cao cùng những hệ luỵ đi kèm thì vào những năm đầu thập kỷ 90, khuôn khổ chính sách tiền tệ (CSTT) lạm phát mục tiêu đầu tiên trên thế giới đã ra đời tại New Zealand, theo đó Chính phủ và Ngân hàng NHTW đặt ra mục tiêu lạm phát từng năm cũng như trong trung hạn và được quyền chủ động sử dụng công cụ CSTT như nghiệp vụ thị trường mở, công cụ lãi suất, tỷ giá, dự trữ bắt buộc… để đạt được mục tiêu đó. Một CSTT theo đuổi lạm phát mục tiêu được coi là thành công nếu tỷ lệ lạm phát thực tế dao động quanh ngưỡng mục tiêu đã đề ra. Từ đó đến nay, đã có 27 quốc gia trên thế giới áp dụng đầy đủ khuôn khổ CSTT lạm phát mục tiêu. Đa số các nước theo đuổi khuôn khổ này đã thành công trong việc duy trì mức lạm phát thấp, hợp lý với thực trạng nền kinh tế, cá biệt trong số đó có 3 nước là Cộng hòa Séc, Colombia và Hungary vẫn đang duy trì mục tiêu lạm phát ở mức 10%.

Một số quốc gia khác, tuy chỉ áp dụng một phần hoặc không áp dụng CSTT lạm phát mục tiêu, vẫn thừa nhận dự báo lạm phát là một trong những hoạt động ưu tiên hàng đầu của họ. Giống với đa số nền kinh tế đang phát triển, Việt Nam từng trải qua thời kỳ lạm phát cao, điển hình như giai đoạn khủng hoảng tài chính châu Á (1997 – 1998), hậu gia nhập WTO (2004 – 2006) và khủng hoảng tài chính toàn cầu (2007 – 2008). Điều đáng nói là, kể từ 2014 đến nay, tỷ lệ lạm phát của Việt Nam giảm về mức thấp một cách bất thường. Trên thực tế, lạm phát ở mức thấp trong nhiều tình huống sẽ gây ra trở lực đối với phát triển tiềm năng kinh tế.

Nó thường kéo theo sức mua ì ạch, hoạt động sản xuất kinh doanh bị đình trệ, người tiêu dùng trì hoãn tiêu dùng để chờ đợi giá giảm sâu hơn, doanh nghiệp ngừng đầu tư và tuyển dụng để tiết kiệm chi phí. Ở một khía cạnh khác, lạm phát quá thấp sẽ làm bào mòn doanh thu thuế, cản trở lộ trình tăng lương, bào mòn lãi suất cận biên, dẫn đến làm tăng gánh nặng nợ đối với doanh nghiệp và Chính phủ. Diễn biến lạm phát khó lường như vậy đặt ra những yêu cầu mới đối với hoạt động phân tích, dự báo và kiểm soát lạm phát tại Ngân hàng Nhà nước (NHNN) Việt Nam, sao cho việc thực thi CSTT đạt hiệu quả cao, từ đó ổn định được giá trị đồng nội tệ trong bối cảnh hội nhập sâu rộng và trước nguy cơ bất ổn từ kinh tế thế giới. Theo đó, quá trình điều hành CSTT cần phải được lượng hóa toàn 2 diện nhằm đảm bảo dự báo lạm phát và các nhân tố vĩ mô quan trọng được tiến hành thuận lợi và hiệu quả.

Mặt khác, theo lập luận của Bùi Quốc Dũng (2014), việc xây dựng, vận hành và phát triển các lớp mô hình kinh tế lượng dự báo lạm phát được xem là điều kiện tiên quyết để NHNN có thể áp dụng khuôn khổ CSTT lạm phát mục tiêu thực thụ trong tương lai. Chỉ khi năng lực dự báo lạm phát của NHNN được nâng tầm cùng NHTW các nước, việc điều hành CSTT của NHNN hướng về lạm phát mục tiêu mới thực sự đạt hiệu quả như mong đợi. Với việc điểm qua một số tồn tại trong công tác dự báo lạm phát phục vụ hoạch định và điều hành CSTT, đồng thời nhận thấy hiện nay chưa có bất kỳ công trình khoa học nào đủ bao quát về xây dựng và phát triển hệ thống mô hình dự báo lạm phát dành cho Việt Nam (đa số nghiên cứu mới dừng ở việc tập trung khai thác vào từng mô hình riêng lẻ), việc triển khai đề tài luận án “Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam” là hết sức cấp thiết, có ý nghĩa quan trọng cả về lý luận và thực tiễn. TỔNG QUAN NGHIÊN CỨU 2.

Sự phát triển các lý thuyết về lạm phát Các lý thuyết về lạm phát được hình thành từ khá sớm và không ngừng được hoàn thiện theo thời gian. Trong tác phẩm “The Wealth of Nations”, Smith (1776) lần đầu đề cập đến thuật ngữ “lạm phát” khi tác giả này phân biệt “giá thực” và “giá danh nghĩa”. Theo đó, giá thực của hàng hóa (giá trị) được định nghĩa là khả năng mua được hàng hóa đó, trong khi giá danh nghĩa (tiền) chỉ là chi phí được đo lường duy nhất bằng tiền (được giữ cố định theo giá trị của vàng hoặc một số kim loại quý khác). Theo quan điểm này, giá thực của hàng hóa dựa trên sức lao động, trong khi giá danh nghĩa lại biến động theo sự sẵn có của các kim loại quý và luật pháp của chế độ cai trị trong việc xác định kim loại quý.

Mặc dù các nhà kinh tế học cổ điển cho rằng biến động về giá của hàng hóa có thể tác động bất lợi tới nền kinh tế một cách tạm thời (như tạo ra phân phối của cải một cách thất thường giữa các bên bị ràng buộc theo hợp đồng quy định giá tiền cố định); sau cùng, những biến động này chỉ đơn thuần là sự thay đổi quy mô mà theo đó giá trị được đo lường (Bryan, 1997). Quan điểm cho rằng sự thay đổi về lượng của tiền chỉ tác động đến duy nhất giá tiền của hàng hóa (chứ không phải giá trị) cũng được nhiều nhà kinh tế học cổ điển đồng tình. Quan điểm này được coi là nền tảng để phát triển các lý thuyết về lạm phát trong đầu thế kỷ 20, trong đó phải kể đến nhà kinh tế học người Mỹ Irving Fisher nổi tiếng với học thuyết số lượng tiền tệ (Quantity Theory of Money). Lý thuyết của Fisher được phát triển trong một thời gian dài, đặc biệt khi mà cuộc tranh luận về tiền tệ diễn ra gay gắt trong cuộc bầu cử tổng thống năm 1986 (Laidler, 2011).

Theo lý thuyết này, thời kỳ giảm phát thấp của Mỹ là do nguồn cung vàng thất bại trong việc duy trì sản lượng cần thiết để tương xứng với tốc độ tăng trưởng nhanh của tiền tệ, theo đó, tình trạng giảm phát cần có một giải pháp CSTT phù hợp, đó là gia tăng cung tiền. 3 Hình 1: Mối liên hệ giữa lượng tiền và mức giá Nguồn: Friedman (1989) Bất chấp những ý kiến trái chiều, Fisher (1911) tiếp tục phát triển lý thuyết này bằng đẳng thức nổi tiếng giữa lạm phát và tiền tệ như sau: PT = MV + M’V’ Trong đó: - P: mức giá chung - T: tổng lượng giao dịch bằng tiền - M: tổng lượng tiền giao dịch chính thức - V: tốc độ lưu thông tiền M - M’: tổng lượng tiền tín dụng - V’: tốc độ lưu thông tiền M’ Phương trình trên được thiết lập với các giả định: (i) P là biến phụ thuộc - chịu tác động bởi các biến độc lập khác; (ii) tỷ trọng M’/M là cố định; (iii) V và V’ không đổi và độc lập với sự thay đổi của M và M’; (iv) T không đổi và độc lập so với M, V, M’, V’; (v) cầu tiền tệ tương xứng với giá trị giao dịch; (vi) cung tiền là biến ngoại sinh không thay đổi; (vii) phương trình trên chỉ áp dụng trong phân tích ngắn hạn; và (viii) nền kinh tế ở trạng thái toàn dụng lao động (Ajuzie và cộng sự, 2008). Những giả định trên tiếp tục là chủ đề thu hút nhiều ý kiến bình luận của các nhà kinh tế học thời bấy giờ. Trong đó, những bình luận sắc sảo và có tầm ảnh hưởng nhất thuộc 4 về John Maynard Keynes (Higgins, 1978) khi ông cho rằng lý thuyết của Fisher quá cứng nhắc trong việc phân tích tác động của việc thay đổi cung tiền đối với tiêu dùng và mức giá chung trong nền kinh tế.

Trong tác phẩm “The General Theory of Employment, Interest and Money”, Keynes (1936) đã phát triển lý thuyết của riêng mình với tên gọi “Lý thuyết ưa chuộng thanh khoản” (Liquidity Preference Theory) nhằm bác bỏ kết luận của lý thuyết Fisher cho rằng việc tăng cung tiền sẽ dẫn đến giá tăng thêm một lượng tương ứng. Lý thuyết của Keynes có một số điểm khác biệt so với Fisher, cụ thể: (i) bác bỏ luận điểm cho rằng hộ gia đình và doanh nghiệp muốn nắm giữ một lượng cố định trong thu nhập của họ; (ii) động cơ nắm giữ tiền của hộ gia đình và doanh nghiệp phụ thuộc vào “tính ưa thích thanh khoản” của người nắm giữ tài sản; (iii) giả định tính ưa thích thanh khoản và cầu tiền tích luỹ có quan hệ ngược chiều với mức lãi suất hiện tại; (iv) tốc độ thu nhập về tiền có thể thay đổi theo thời gian do sự thay đổi trong kỳ vọng đối với biến động lãi suất trong tương lai; (v) cung tiền thay đổi có thể dẫn đến tốc độ lưu thông tiền thay đổi; (vi) giả định nền kinh tế toàn dụng lao động có thể bỏ qua trong phân tích kinh tế mà vẫn đảm bảo độ tin cậy của kết quả. Với những giả định trên, Keynes cho rằng phạm vi, trong đó tăng cung tiền dẫn đến tăng chi tiêu, phụ thuộc vào nhiều yếu tố trong việc xác định tốc độ tăng thu nhập về tiền; tăng chi tiêu không dẫn đến tăng mức giá chung một cách tương xứng; và quan hệ giữa cung tiền và tăng giá là không đơn giản như theo lý thuyết của Fisher. Nhận định của Keynes được xem là sự bổ sung quan trọng vào sự phát triển lý thuyết về lạm phát trên thế giới, mà cho đến nay một số nhận định của ông vẫn đúng đắn và còn nguyên giá trị (Higgins, 1978).