Luận văn Thạc sĩ Kinh tế: Ứng dụng mô hình dự báo lạm phát trong điều hành chính sách tiền tệ tại Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

HỌC VIỆN NGÂN HÀNG -----------oOo-----------

PHẠM ĐỨC ANH

ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT

TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

LUẬN ÁN TIẾN SĨ KINH TẾ

HÀ NỘI, 2020

BỘ GIÁO DỤC VÀ ĐÀO TẠO

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

HỌC VIỆN NGÂN HÀNG -----------oOo-----------

PHẠM ĐỨC ANH

ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT

TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM

CHUYÊN NGÀNH: TÀI CHÍNH - NGÂN HÀNG

MÃ NGÀNH: 9.34.02.01

LUẬN ÁN TIẾN SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. PGS.TS. NGUYỄN ĐỨC TRUNG

2. PGS.TS. PHẠM THỊ HOÀNG ANH

HÀ NỘI, 2020

LỜI CAM ĐOAN

Tôi xin cam đoan luận án này là công trình nghiên cứu khoa học của riêng tôi.

Mọi số liệu và trích dẫn trong luận án đều có nguồn gốc rõ ràng, chính xác và tin cậy. Những lập luận, phân tích của luận án chưa từng được công bố ở bất kỳ một

công trình nào, trừ các bài báo của riêng tôi hoặc bài báo của tôi và đồng tác giả đã

công bố được nêu trong danh mục công trình nghiên cứu của tác giả.

Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan trên.

Tác giả luận án Phạm Đức Anh

LỜI CẢM ƠN

Mở đầu thông điệp, tôi xin trân trọng cảm ơn quý thày cô trong Ban Giám đốc và Khoa Sau Đại học – Học viện Ngân hàng đã tạo mọi điều kiện để tôi có cơ hội tham dự khóa đào tạo nghiên cứu sinh 2016 – 2020 tại Học viện Ngân hàng.

Tiếp theo đó, tôi xin bày tỏ lòng biết ơn sâu sắc tới các thày cô gồm PGS.TS.

Tô Ngọc Hưng, PGS.TS. Tô Kim Ngọc (Học viện Ngân hàng) và PGS.TS. Nguyễn

Vũ Hùng (Đại học Kinh tế Quốc dân), bằng sự tận tâm và lòng nhiệt thành đã truyền

đạt những kiến thức cơ sở và chuyên ngành quý báu cho tôi trong năm đầu tiên của khóa nghiên cứu sinh.

Lời cảm ơn chân thành xin dành tới anh chị em đồng nghiệp, đặc biệt là TS.

Chu Khánh Lân, TS. Phạm Mạnh Hùng và TS. Trần Huy Tùng (Viện NCKH Ngân hàng – Học viện Ngân hàng); ThS. Đặng Ngọc Hà và ThS. Hoàng Việt Phương (Vụ

Dự báo, thống kê – Ngân hàng Nhà nước Việt Nam); ThS. Bùi Quốc Dũng và Lưu

Xuân Khôi (Ban Kinh tế Trung ương) về những góp ý chuyên môn và kinh nghiệm quý báu được chia sẻ, điều góp phần không nhỏ làm nên thành công của luận án này.

Trên tất cả, tôi xin dành lời tri ân sâu sắc tới hai nhà khoa học hướng dẫn là

PGS.TS. Nguyễn Đức Trung (Đại học Ngân hàng TP. Hồ Chí Minh) và PGS.TS.

Phạm Thị Hoàng Anh (Học viện Ngân hàng) đã luôn tận tình động viên, dìu dắt và hướng dẫn tôi trong suốt 4 năm thực hiện luận án.

Cuối cùng, tôi xin dành lời cảm ơn tới gia đình, những người thân yêu và các

anh chị đồng niên khóa 2016 – 2020 đã luôn giúp đỡ, san sẻ và động viên tinh thần tôi trong quá trình học tập và hoàn thiện luận án.

Hà Nội, ngày 30 tháng 10 năm 2020

Phạm Đức Anh

iii

MỤC LỤC PHẦN MỞ ĐẦU ...................................................................................................... 1

1. TÍNH CẤP THIẾT CỦA LUẬN ÁN ............................................................... 1

2. TỔNG QUAN NGHIÊN CỨU ........................................................................ 2

2.1. Sự phát triển các lý thuyết về lạm phát ......................................................... 2

2.2. Các nhân tố tác động tới lạm phát ................................................................ 9

2.3. Ứng dụng và phát triển mô hình dự báo lạm phát ....................................... 15

3. KHOẢNG TRỐNG NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU ........... 18

3.1. Khoảng trống nghiên cứu ........................................................................... 18

3.2. Câu hỏi nghiên cứu .................................................................................... 19

4. MỤC TIÊU NGHIÊN CỨU........................................................................... 19

4.1. Mục tiêu chung .......................................................................................... 19

4.2. Mục tiêu cụ thể .......................................................................................... 20

5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU ............................................... 20

6. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU .......................................... 20

6.1. Phương pháp nghiên cứu............................................................................ 20

6.2. Dữ liệu ....................................................................................................... 21

7. THIẾT KẾ NGHIÊN CỨU ........................................................................... 21

8. ĐÓNG GÓP MỚI CỦA LUẬN ÁN ............................................................... 23

8.1. Về mặt lý luận ........................................................................................... 23

8.2. Về mặt thực tiễn......................................................................................... 23

9. KẾT CẤU LUẬN ÁN..................................................................................... 24

CHƯƠNG 1: TỔNG QUAN MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ .......................................................................... 25

1.1. TỔNG QUAN VỀ LẠM PHÁT .................................................................. 25

1.1.1. Khái niệm lạm phát ................................................................................. 25

1.1.2. Nguyên nhân gây ra lạm phát .................................................................. 27

1.2. TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ ............................................. 32

1.2.1. Khái niệm chính sách tiền tệ ................................................................... 32

1.2.2. Mục tiêu chính sách tiền tệ ...................................................................... 33

1.2.3. Vai trò của chính sách tiền tệ trong kiểm soát lạm phát ........................... 40

1.3. TỔNG QUAN VỀ MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ ...................................................................... 43

1.3.1. Tổng quan về dự báo lạm phát ................................................................ 43

1.3.2. Tổng quan về mô hình dự báo lạm phát trong điều hành chính sách tiền tệ ......................................................................................................................... 47

1.3.3. Đánh giá chất lượng mô hình dự báo lạm phát ........................................ 58

1.4. KINH NGHIỆM QUỐC TẾ VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ ................................. 59

1.4.1. Kinh nghiệm về lựa chọn mô hình dự báo lạm phát ................................ 59

1.4.2. Kinh nghiệm về lựa chọn đơn vị thực hiện dự báo lạm phát .................... 61

1.4.3. Kinh nghiệm về xây dựng và vận hành mô hình dự báo lạm phát ............ 62

1.4.4. Kinh nghiệm về ứng dụng kết quả dự báo lạm phát trong điều hành chính

sách tiền tệ ........................................................................................................ 74

1.4.5. Bài học dành cho Việt Nam .................................................................... 76

TÓM TẮT CHƯƠNG 1 ........................................................................................ 81

CHƯƠNG 2: THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM ............................................. 82

2.1. PHÂN TÍCH THỰC TRẠNG LẠM PHÁT TẠI VIỆT NAM .................. 82

2.1.1. Diễn biến lạm phát giai đoạn 2000 - 2007 ............................................... 82

2.1.2. Diễn biến lạm phát giai đoạn 2008 – tháng 4/2012 .................................. 85

2.1.3. Diễn biến lạm phát giai đoạn tháng 5/2012 - 2019 .................................. 89

2.2. THỰC TRẠNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ NHẰM KIỂM SOÁT LẠM PHÁT TẠI VIỆT NAM ................................................................ 98

2.2.1. Mục tiêu chính sách tiền tệ ...................................................................... 98

2.2.2. Điều hành chính sách tiền tệ nhằm kiểm soát tại Việt Nam ................... 101

2.3. THỰC TRẠNG MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM..................................................... 111

2.3.1. Đặc trưng mô hình dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam111

2.3.2. Dữ liệu cho mô hình dự báo .................................................................. 112

2.3.3. Thực trạng ứng dụng mô hình dự báo tại Ngân hàng Nhà nước Việt Nam

....................................................................................................................... 112

2.4. THỰC TRẠNG ỨNG DỤNG KẾT QUẢ DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM ............................. 116

2.4.1. Xây dựng kịch bản chính sách............................................................... 116

2.4.2. Xây dựng báo cáo phân tích phục vụ tham mưu Ban lãnh đạo Ngân hàng Nhà nước ........................................................................................................ 117

2.4.3. Tham chiếu cho việc thiết lập và điều chỉnh mục tiêu lạm phát ............. 118

2.5. ĐÁNH GIÁ CHUNG VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM ............................................................................................... 119

2.5.1. Kết quả ................................................................................................. 119

2.5.2. Tồn tại .................................................................................................. 119

2.5.3. Nguyên nhân của tồn tại ........................................................................ 121

TÓM TẮT CHƯƠNG 2 ...................................................................................... 123

CHƯƠNG 3: ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TRONG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ TẠI VIỆT NAM ................. 124

3.1. ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH ARIMA ....................................... 124

3.1.1. Lí do lựa chọn mô hình ......................................................................... 124

3.1.2. Mô tả dữ liệu......................................................................................... 124

3.1.3. Thiết lập cấu trúc mô hình theo phương pháp Box-Jenkins ................... 125

3.1.4. Kết quả dự báo ...................................................................................... 126

3.2. ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH VECM ......................................... 129

3.2.1. Lí do lựa chọn mô hình ......................................................................... 129

3.2.2. Lựa chọn biến số và cấu trúc dữ liệu ..................................................... 130

3.2.3. Kiểm định tính dừng của chuỗi ............................................................. 137

3.2.4. Xác định độ trễ cho mô hình ................................................................. 137

3.2.5. Kiểm định đồng tích hợp và xác định mô hình phù hợp ........................ 138

3.2.6. Phân tích tác động của các biến số tới lạm phát ..................................... 138

3.2.7. Kết quả dự báo ...................................................................................... 143

3.3. SO SÁNH, ĐÁNH GIÁ HIỆU QUẢ MÔ HÌNH DỰ BÁO ...................... 150

3.3.1. Đánh giá hiệu quả mô hình ARIMA...................................................... 151

3.3.2. Đánh giá hiệu quả mô hình VECM ....................................................... 151

3.3.3. So sánh hiệu quả dự báo của hai mô hình .............................................. 152

TÓM TẮT CHƯƠNG 3 ...................................................................................... 155

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 .................................................................................................. 156

4.1. ĐỊNH HƯỚNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ VÀ PHÁT TRIỂN HOẠT ĐỘNG DỰ BÁO TẠI VIỆT NAM ĐẾN NĂM 2025 ............ 156

4.1.1. Mục tiêu tổng quát điều hành chính sách tiền tệ .................................... 156

4.1.2. Định hướng giải pháp điều hành chính sách tiền tệ ............................... 156

4.1.3. Định hướng phát triển hoạt động dự báo tại Việt Nam .......................... 157

4.2. KHUYẾN NGHỊ CHÍNH SÁCH NHẰM HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM ................................................................ 158

4.2.1. Khuyến nghị 1 ...................................................................................... 158

4.2.2. Khuyến nghị 2 ...................................................................................... 159

4.2.3. Khuyến nghị 3 ...................................................................................... 161

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 ............................................................................................... 162

4.3.1. Khuyến nghị 1 ...................................................................................... 162

4.3.2. Khuyến nghị 2 ...................................................................................... 166

4.3.3. Khuyến nghị 3 ...................................................................................... 167

TÓM TẮT CHƯƠNG 4 ...................................................................................... 168

KẾT LUẬN CHUNG .......................................................................................... 169

TÀI LIỆU THAM KHẢO ................................................................................... 172

PHỤ LỤC ............................................................................................................ 182

DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ .............................. 228

vii

DANH MỤC CHỮ VIẾT TẮT

Chữ viết tắt Nguyên nghĩa tiếng nước ngoài Nguyên nghĩa tiếng Việt

ARIMA

Autoregressive Integrated Moving Average Model Mô hình trung bình trươ ̣t kết hơ ̣p tự hồ i quy

Association of Southeast Asian Nations Hiệp hội các quốc gia Đông Nam Á ASEAN

Bank for International Settlements Ngân hàng Thanh toán quốc tế BIS

Bank of Canada Ngân hàng Trung ương Canada BOC

Bank of England Ngân hàng Trung ương Anh BOE

Bangko Sentral ng Pilipinas Ngân hàng Trung ương Philippines BSP

(Central Bank of the Philippines)

Bayesian Vector Autoregressive Tự hồi quy vector Bayes BVAR

Consumer Price Index Chỉ số giá tiêu dùng CPI

Comprehensive and Progressive Hiệp định đối tác toàn diện và CPTPP

tiến bộ xuyên Thái Bình Dương

Agreement for Trans-Pacific Partnership

Chính sách tài khóa CSTK

Chính sách tiền tệ CSTT

Cointegrated Vector Autoregressive Tự hồi quy vector đồng tích hợp CVAR

DSGE

Dynamic Stochastic General Equilibrium Cân bằng động học ngẫu nhiên tổng quát

European Centre for Disease Trung tâm Phòng chống Dịch bệnh ECDC

Prevention and Control Châu Âu

Error Correction Model Mô hình hiệu chỉnh sai số ECM

European Union Liên minh Châu Âu EU

Federal Reserve System Cục Dự trữ Liên bang FED

Foreign Portfolio Investment Đầu tư gián tiếp nước ngoài FPI

Free Trade Agreement Hiệp định thương mại tự do FTA

Gross Domestic Product Tổng sản phẩm quốc nội GDP

Giấy tờ có giá GTCG

viii

Chữ viết tắt Nguyên nghĩa tiếng nước ngoài Nguyên nghĩa tiếng Việt

Index of Industrial Production Chỉ số sản xuất công nghiệp IIP

International Labour Organization Tổ chức Lao động quốc tế ILO

International Monetary Fund Quỹ Tiền tệ quốc tế IMF

Monetary Policy Committee Ủy ban Chính sách tiền tệ MPC

National Bank of the Republic of Ngân hàng Quốc gia Macedonia NBRM

Macedonia

Ngân hàng Nhà nước NHNN

Ngân hàng thương mại NHTM

Ngân hàng Trung ương NHTW

New-Keynesian Phillips Curve Đường Keynes Phillips mới NKPC

Năng suất lao động NSLĐ

Ngân sách Nhà nước NSNN

Ordinary Least Squares Bình phương nhỏ nhất OLS

Open Market Operation Nghiệp vụ thị trường mở OMO

Partial Autocorrelation Function Hàm tự tương quan riêng phần PACF

People’s Bank of China Ngân hàng Nhân dân Trung Hoa PBOC

Principal Component Analysis Phân tích thành phần chính PCA

Producer Price Index Chỉ số giá sản xuất PPI

Public-Private Partnerships Hợp tác công - tư PPP

Philippine Statistics Authority Cơ quan Thống kê Philippines PSA

Reserve Bank of Australia Ngân hàng Dự trữ Úc RBA

Sample Autocorrelation Function Hàm tự tương quan mẫu SACF

Structural Vector Autoregressive Tự hồi quy vector cấu trúc SVAR

Tổ chức tín dụng TCTD

Tổng cục Thống kê TCTK

Total Factor Productivity Năng suất các nhân tố tổng hợp TFP

Trans-Pacific Partnership TPP

Hiệp định đối tác xuyên Thái Bình Dương

Chữ viết tắt Nguyên nghĩa tiếng nước ngoài Nguyên nghĩa tiếng Việt

United States dollar Đô la Mỹ USD

Vector Auto-Regression Tự hồi quy vector VAR

VCCI

Vietnam Chamber of Commerce and Industry Phòng Thương mại và Công nghiệp Việt Nam

Vietnam Development Bank Ngân hàng Phát triển Việt Nam VDB

Vector Error Correction Model Mô hình hiệu chỉnh sai số vector VECM

World Economic Forum Diễn đàn Kinh tế Thế giới WEF

World Trade Organization Tổ chức Thương mại thế giới WTO

DANH MỤC BẢNG

Bảng 2.1: GDP, CPI, tín dụng và M2, 2000 – 2007 ........................................................... 83

Bảng 2.2: Quy mô tín dụng và M2, 2000 – 2007 ............................................................... 84

Bảng 2.3: GDP, CPI, tín dụng và M2, 2008 – 2012 ........................................................... 85

Bảng 2.4: GDP, CPI, tín dụng và M2, 2012 – 2019 ........................................................... 91

Bảng 2.5: Mục tiêu và thực hiện CSTT, 2000 – 2019 ........................................................ 99

Bảng 2.6: Mô tả các biến trong mô hình VAR của NHNN ............................................... 113

Bảng 2.7: Định dạng cấu trúc VECM tần suất tháng/quý của NHNN ............................... 115

Bảng 3.1: Dự báo CPI tổng thể và thành phần, 2020m1 – 2020m3 .................................. 126

Bảng 3.2: CPI dự báo và thực tế theo nhóm hàng hóa, 2019m10 – 2019m12 ................... 126

Bảng 3.3: Đánh giá hiệu quả dự báo CPI tổng thể, 2019m10 – 2019m12 ......................... 127

Bảng 3.4: Đóng góp của các nhóm hàng hóa trong CPI tổng thể ...................................... 128

Bảng 3.5: Cấu trú c dữ liệ u mô hình VECM tần suất tháng ............................................... 135 Bảng 3.6: Cấu trú c dữ liệ u mô hình VECM tần suất quý.................................................. 136 Bảng 3.7: Cấu trúc mô hình VECM theo các trình tự khác nhau ...................................... 144

Bảng 3.8: Kết quả dự báo của mô hình VECM tần suất tháng đối với các biến nội sinh quan trọng trong năm 2020 ...................................................................................................... 149

Bảng 3.9: Kết quả dự báo của mô hình VECM tần suất quý đối với các biến nội sinh quan trọng trong năm 2020 ...................................................................................................... 150

Bảng 4.1: Mẫu báo cáo đề xuất dự báo ............................................................................ 163

Bảng 4.2: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn mô hình dự báo tốt nhất ........................................................................................................................................ 165

Bảng 4.3: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn kỳ hạn dự báo tốt nhất ........................................................................................................................................ 165

xii

DANH MỤC HÌNH

Hình 1: Mối liên hệ giữa lượng tiền và mức giá ................................................................... 3

Hình 1.1: Mối quan hệ lạm phát – giảm phát – thiểu phát ................................................. 27

Hình 1.2: Lạm phát do lượng tiền cung ứng tăng liên tục và kéo dài .................................. 28

Hình 1.3: Lạm phát do theo đuổi mục tiêu công ăn việc làm .............................................. 29

Hình 1.4: Hệ thống mục tiêu và công cụ của CSTT ........................................................... 33

Hình 1.5: Đường cong Phillips ngắn hạn ........................................................................... 37

Hình 1.6: Khuôn khổ thực thi CSTT lạm phát mục tiêu ..................................................... 44

Hình 1.7: Quy trình dự báo lạm phát trong điều hành CSTT .............................................. 46

Hình 1.8: Dự báo lạm phát tổng thể trong tháng tiếp theo so với thực tế – Trường hợp Philippines (2013m1 – 2015m8) ........................................................................................ 67

Hình 1.9: So sánh sai số dự báo của dự báo lạm phát tổng thể 1, 2, 3 tháng tiếp theo – Trường hợp Philippines (2013m1 – 2015m8) .................................................................... 67

Hình 1.10: Tăng trưởng GDP, lạm phát và lãi suất của Mỹ ................................................ 69

Hình 1.11: Biểu đồ “dòng sông máu” mô phỏng dự báo lạm phát của BOE ....................... 76

Hình 2.1: Diễn biến CPI của Việt Nam, 2000 – 2019 ......................................................... 82

Hình 2.2: Tăng trưởng GDP thực tế và tiềm năng, 2000 – 2007 ......................................... 83

Hình 2.3: Tình hình thu chi và thâm hụt NSNN, 2008 – 2012 ............................................ 85

Hình 2.4: Diễn biến CPI tổng thể và một số nhóm hàng hóa cơ bản, 2009 – 2012 .............. 87

Hình 2.5: Diễn biến lạm phát của Việt Nam so với Trung Quốc và các quốc gia ASEAN, 2008 – 2011 ...................................................................................................................... 88

Hình 2.6: Biến động tỷ giá USD/VND và CPI, 2015 – 2019 .............................................. 92

Hình 2.7: Đóng góp vào mức tăng CPI chung của các nhóm hàng hóa năm 2019 .............. 93

Hình 2.8: Tỷ trọng đóng góp các yếu tố vào tăng trưởng GDP ........................................... 96

Hình 2.9: Hệ số ICOR, tăng trưởng NSLĐ và GDP, 2000 – 2019 ...................................... 96

Hình 2.10: Nơ ̣ công, bộ i chi NSNN và CPI, 2000 – 2019 .................................................. 97

Hình 3.1: Diễn biến CPI tổng thể của Việt Nam, 2005 – 2019 ......................................... 124

Hình 3.2: Diễn biến CPI tổ ng thể và CPI thành phần, 2018m1 – 2020m3 ........................ 127 Hình 3.3: Kênh truyền tải tác động tới lạm phát ............................................................... 135

Hình 3.4: Phân rã phương sai biến động của log(CPI) ..................................................... 143

xiii

DANH MỤC PHỤ LỤC

Phụ lục 1.1: Danh mục biến trong mô hình nhân tố động của Macedonia ........................ 182

Phụ lục 1.2: So sánh kết quả dự báo lạm phát của Macedonia theo các cách tiếp cận và giai đoạn dự báo khác nhau .................................................................................................... 184

Phụ lục 1.3: Đánh giá hiệu quả dự báo lạm phát của Macedonia ...................................... 185

Phụ lục 1.4: Danh mục cấu phần, cấu trúc mô hình và sai số dự báo CPI của Philippines 186

Phụ lục 1.5: Đóng góp của các thành tố giá trong phương sai dự báo bình quân gia quyền lạm phát của Phillipines .................................................................................................. 187

Phụ lục 1.6: Phổ phân rã của độ biến động đối với các tần suất khác nhau – mô hình SVAR của FED .......................................................................................................................... 187

Phụ lục 1.7: Hệ số phương trình quy tắc Taylor mới – mô hình SVAR của FED ............. 188

Phụ lục 1.8: Phản ứng của các biến số trước cú sốc lạm phát – mô hình VECM của FED 189

Phụ lục 1.9: Mối quan hệ giữa các khối kinh tế vĩ mô của Trung Quốc ............................ 190

Phụ lục 1.10: Thống kê số liệu đầu vào mô hình VAR của PBOC ................................... 191

Phụ lục 1.11: Diễn biến lạm phát và thành phần chính của Trung Quốc (1998m1- 2007m5) ........................................................................................................................................ 192

Phụ lục 1.12: Dự báo lạm phát 12 tháng của Trung Quốc với các mô hình VAR3, PC4, TS1 (2006m6 – 2007m5) ........................................................................................................ 192

Phụ lục 1.13: RMSFE của 15 mô hình VAR của PBOC .................................................. 193

Phụ lục 1.14: RMSPE và MPE với các biến số tương ứng trong mô hình VECM của PBOC ........................................................................................................................................ 193

Phụ lục 2.1: Kết quả dự báo CPI tổng thể trong mẫu - Mô hình ARIMA(1,1,6) của NHNN ........................................................................................................................................ 194

Phụ lục 2.2: Định dạng cấu trúc VAR của NHNN với 3 biến nội sinh.............................. 195

Phụ lục 2.3: Định dạng cấu trúc VAR của NHNN với 4 biến nội sinh.............................. 196

Phụ lục 2.4: Đánh giá kết quả dự báo lạm phát của mô hình VAR tần suất tháng của NHNN (giai đoạn 2003 – 2012) ................................................................................................... 197

Phụ lục 2.5: Đánh giá kết quả dự báo lạm phát của mô hình VAR tần suất quý của NHNN (giai đoạn 2003 – 2012) ................................................................................................... 198

Phụ lục 2.6: Hiệu quả dự báo lạm phát trong mẫu sử dụng mô hình VECM tần suất tháng của NHNN ...................................................................................................................... 199

Phụ lục 2.7: Hiệu quả dự báo lạm phát trong mẫu sử dụng mô hình VECM tần suất quý của NHNN ............................................................................................................................ 199

xiv

Phụ lục 3.1: Kiểm định nghiệm đơn vị đối với chuỗi CPI thành phần .............................. 200

Phụ lục 3.2: Xác định cấu trúc mô hình dự báo ARIMA .................................................. 200

Phụ lục 3.3: Kết quả dự báo CPI trong mẫu đối với các nhóm hàng hóa dựa trên mô hình ARIMA (2005m1 – 2019m12) ........................................................................................ 201

Phụ lục 3.4: Kiểm định tính dừng cho các chuỗi số liệu mô hình VECM tháng................ 203

Phụ lục 3.5: Kiểm định tính dừng cho các chuỗi số liệu mô hình VECM quý .................. 203

Phụ lục 3.6: Lựa chọn độ trễ cho mô hình VECM tháng .................................................. 204

Phụ lục 3.7: Kiểm định tự tương quan phần dư và tính ổn định - Mô hình VAR(2) tháng 204

Phụ lục 3.8: Lựa chọn độ trễ cho mô hình VECM quý ..................................................... 206

Phụ lục 3.9: Kiểm định tự tương quan phần dư và tính ổn định - Mô hình VAR(4) quý ... 206

Phụ lục 3.10: Kiểm định đồng liên kết Johansen đối với mô hình VECM tháng ............... 208

Phụ lục 3.11: Kiểm định đồng liên kết Johansen đối với mô hình VECM quý ................. 208

Phụ lục 3.12: Kết quả thực nghiệm mô hình VECM tần suất tháng .................................. 209

Phụ lục 3.13: Kết quả thực nghiệm mô hình VECM tần suất quý..................................... 211

Phụ lục 3.14: Kết quả hàm phản ứ ng Cholesky củ a cú số c các biến trong mô hình VECM ........................................................................................................................................ 213

Phụ lục 3.15: Kết quả hàm phản ứ ng Cholesky củ a cú số c các biến IIP_GAP, CPI (quá khứ ), M2, LENDING_R, ER_VCB, PPI và WAGE đối vớ i biến CPI ....................................... 214

Phụ lục 3.16: Hiệu quả dự báo lạm phát trong mẫu với mô hình VECM tháng................. 215

Phụ lục 3.17: Hiệu quả dự báo lạm phát trong mẫu với mô hình VECM quý ................... 215

Phụ lục 3.18: Kiểm định dự báo quá khứ đối với các biến nội sinh tần suất tháng (năm 2019) ........................................................................................................................................ 216

Phụ lục 3.19: Kiểm định dự báo quá khứ đối với các biến nội sinh tần suất quý (năm 2019) ........................................................................................................................................ 218

Phụ lục 3.20: Quy trình truyển tải tác động của tỷ giá vào lạm phát ................................. 219

Phụ lục 3.21: Đánh giá độ vững theo trình tự biến nội sinh trong mô hình VECM - Kết quả hàm phản ứ ng Cholesky củ a các cú số c đối vớ i biến CPI ................................................. 220 Phụ lục 3.22: Cấu trúc mô hình VECM với các biến đại diện thay thế ............................. 222

Phụ lục 3.23: Đánh giá mức độ lây nhiễm COVID-19 trên phạm vi toàn cầu ................... 223

Phụ lục 3.24: Kịch bản tác động của COVID-19 đối với kinh tế toàn cầu ........................ 225

Phụ lục 4.1: Đề xuất khung báo cáo chính thức về lạm phát, tăng trưởng, ngân sách và tiền tệ - tín dụng ..................................................................................................................... 227

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 (Hammond, 2012). 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 hiện duy trì mục tiêu lạm phát ở

mức 10% (Cộng hòa Séc, Colombia và Hungary). 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, làm 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

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 mục tiêu lạm phát mới thực sự đạt hiệu quả như mong đợi.

Với việc điểm qua một số vấn đề còn tồn tại của công tác dự báo lạm phát trong

hoạch định và điều hành CSTT, đồng thời nhận thấy hiện nay chưa có bất kỳ công trình

khoa học nào đủ tầm 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 và có ý nghĩa quan trọng cả về lý luận và thực tiễn.

2. TỔNG QUAN NGHIÊN CỨU

2.1. Sự phát triển các lý thuyết về lạm phát

Các lý thuyết về la ̣m phát đươ ̣c hình thành từ khá sớ m và không ngừ ng được hoàn thiệ n theo thờ i gian. Trong tác phẩ m “The Wealth of Nations”, Smith (1776) lần đầu đề cậ p đến thuật ngữ “lạm phát” khi tác giả này phân biệ t “giá thực” và “giá danh nghĩa”. Theo đó, giá thực củ a hàng hóa (giá tri ̣) đươ ̣c đi ̣nh nghĩa là khả nă ng mua đươ ̣c hàng hóa đó, trong khi giá danh nghĩa (tiền) chỉ là chi phí đươ ̣c đo lườ ng duy nhất bằng tiền (đươ ̣c giữ cố đi ̣nh theo giá tri ̣ củ a vàng hoặ c mộ t số kim loa ̣i quý khác). Theo quan điểm này, giá thực củ a hàng hóa dựa trên sứ c lao độ ng, trong khi giá danh nghĩa la ̣i biến độ ng theo sự sẵn có củ a các kim loa ̣i quý và luậ t pháp củ a chế độ cai tri ̣ trong việ c xác đi ̣nh kim loa ̣i quý.

Mặ c dù các nhà kinh tế ho ̣c cổ điển cho rằng biến độ ng về giá củ a hàng hóa có thể tác độ ng bất lợi tớ i nền kinh tế mộ t cách ta ̣m thờ i (như ta ̣o ra phân phố i của cải mộ t cách thất thườ ng giữ a các bên bi ̣ ràng buộ c theo hơ ̣p đồ ng quy đi ̣nh giá tiền cố đi ̣nh); sau cùng, những biến độ ng này chỉ đơ n thuần là sự thay đổ i quy mô mà theo đó giá tri ̣ đươ ̣c đo lườ ng (Bryan, 1997). Quan điểm cho rằng sự thay đổ i về lươ ̣ng củ a tiền chỉ tác độ ng đến duy nhất giá tiền củ a hàng hóa (chứ không phải giá trị) cũng đươ ̣c nhiều nhà kinh tế ho ̣c cổ điển đồng tình. Quan điểm này được coi là nền tảng để phát triển các lý thuyết về la ̣m phát trong đầu thế kỷ 20, trong đó phả i kể đến nhà kinh tế học người Mỹ Irving Fisher nổi tiếng vớ i học thuyết số lươ ̣ng tiền tệ (Quantity Theory of Money).

Lý thuyết củ a Fisher đươ ̣c phát triển trong mộ t thờ i gian dài, đặ c biệ t trong bố i cảnh cuộ c tranh luậ n về tiền tệ diễn ra gay gắt trong cuộ c bầu cử tổ ng thố ng nă m 1986 (Laidler, 2011). Theo lý thuyết này, thờ i kỳ giảm phát thấp củ a Mỹ là do nguồ n cung vàng thất ba ̣i

trong duy trì sản lươ ̣ng cần thiết để tươ ng xứ ng vớ i tố c độ tă ng trưở ng nhanh củ a tiền tệ , theo đó, tình tra ̣ng giả m phát cần có mộ t giải pháp CSTT phù hơ ̣p, đó là gia tă ng cung tiền.

Hình 1: Mối liên hệ giữa lượng tiền và mức giá

Nguồn: Friedman (1989)

Bất chấp những ý kiến trái chiều, Fisher (1911) tiếp tu ̣c phát triển lý thuyết này bằ ng

đẳng thứ c nổ i tiếng giữa la ̣m phát và tiền tệ như sau:

PT = MV + M’V’

Trong đó:

- P: mứ c giá chung - T: tổ ng lươ ̣ng giao di ̣ch bằ ng tiền - M: tổ ng lươ ̣ng tiền giao di ̣ch chính thứ c - V: tố c độ lưu thông tiền M - M’: tổ ng lươ ̣ng tiền tín du ̣ng - V’: tố c độ lưu thông tiền M’ Phương trình trên đươ ̣c thiết lập với các giả đi ̣nh: (i) P là biến phụ thuộ c - chi ̣u tác độ ng bởi các biến độ c lậ p khác; (ii) tỷ trọng M’/M là cố định; (iii) V và V’ không đổi và độ c lậ p vớ i sự thay đổi của M và M’; (iv) T không đổi và độ c lậ p so vớ i M, V, M’, V’; (v) cầu tiền tệ tư ơ ng xứ ng vớ i giá tri ̣ giao di ̣ch; (vi) cung tiền là biến ngoại sinh không thay đổi; (vii) phư ơ ng trình trên chỉ áp dụng trong phân tích ngắ n hạn; và (viii) nền kinh tế ở trạng thái toàn dụng lao độ ng (Ajuzie và cộng sự, 2008).

Nhữ ng giả đi ̣nh trên tiếp tu ̣c là chủ đề thu hút nhiều ý kiến bình luậ n củ a các nhà kinh tế ho ̣c thờ i bấy giờ . Trong đó, những bình luậ n sắ c sảo và có tầm ảnh hưởng nhất thuộ c về John Maynard Keynes (Higgins, 1978) khi ông cho rằng lý thuyết củ a Fisher quá cứ ng nhắc trong việ c phân tích tác độ ng củ a việ c thay đổ i cung tiền đố i vớ i tiêu dùng và mứ c giá chung trong nền kinh tế. Trong tác phẩm “The General Theory of Employment, Interest and Money”, Keynes (1936) đã phát triển lý thuyết củ a riêng mình vớ i tên go ̣i “Lý thuyết ư a chuộng thanh khoản” (Liquidity Preference Theory) nhằ m bác bỏ kết luậ n củ a lý thuyết Fisher cho rằ ng việ c tă ng cung tiền sẽ dẫn đến giá tă ng thêm mộ t lươ ̣ng tươ ng ứ ng. Lý thuyết củ a Keynes có mộ t số điểm khác biệ t so vớ i Fisher, cụ thể: (i) bác bỏ luậ n điểm cho rằ ng hộ gia đình và doanh nghiệ p muố n nắ m giữ mộ t lươ ̣ng cố đi ̣nh trong thu nhậ p củ a ho ̣; (ii) độ ng cơ nắ m giữ tiền củ a hộ gia đình và doanh nghiệ p phu ̣ thuộ c vào “tính ư a thích thanh khoả n” củ a ngườ i nắ m giữ tài sản; (iii) giả đi ̣nh tính ưa thích thanh khoản và cầu tiền tích luỹ có quan hệ ngươ ̣c chiều vớ i mứ c lãi suất hiệ n ta ̣i; (iv) tố c độ thu nhậ p về tiền có thể thay đổ i theo thờ i gian do sự thay đổ i trong kỳ vo ̣ng đố i vớ i biến độ ng lãi suất trong tươ ng lai; (v) cung tiền thay đổ i có thể dẫn đến tố c độ lưu thông tiền thay đổ i; (vi) giả đi ̣nh nền kinh tế toàn du ̣ng lao độ ng có thể bỏ qua trong phân tích kinh tế mà vẫn đảm bảo độ tin cậ y củ a kết quả. Vớ i nhữ ng giả đi ̣nh trên, Keynes cho rằng pha ̣m vi, trong đó tă ng cung tiền dẫn đến tă ng chi tiêu, phu ̣ thuộ c vào nhiều yếu tố trong việ c xác đi ̣nh tố c độ tă ng thu nhập về tiền; tă ng chi tiêu không dẫn đến tă ng mứ c giá chung mộ t cách tươ ng xứ ng; và quan hệ giữa cung tiền và tă ng giá là không đơ n giản như theo lý thuyết củ a Fisher. Nhậ n đi ̣nh củ a Keynes được xem là sự bổ sung quan trọng vào sự phát triển lý thuyết về la ̣m phát trên thế giớ i, mà cho đến nay mộ t số nhậ n đi ̣nh củ a ông vẫn đúng đắn và còn nguyên giá tri ̣ (Higgins, 1978).

Sau John Maynard Keynes, không thể không đề cập tới mô hình đườ ng cong Phillips nổ i tiếng, mà theo khẳng định của Nguyễn Thị Thu Hằng và Nguyễn Đứ c Thành (2010), các lý thuyết la ̣m phát hiệ n đại chủ yếu xuất phát từ mô hình này. Dựa trên việc so sánh tố c độ tă ng tiền lươ ng vớ i tỷ lệ la ̣m phát ở Anh giai đoa ̣n 1861 – 1957, Phillips (1958) chỉ ra rằng khi thi ̣ trườ ng lao độ ng bi ̣ thắt chặ t và tỷ lệ thất nghiệ p giả m, tiền lươ ng có xu hướ ng tă ng nhanh hơ n. Do mứ c tă ng tiền lươ ng tươ ng quan chặ t chẽ vớ i mứ c tă ng giá, mố i quan hệ trên thườ ng đươ ̣c giả i thích là sự đánh đổ i giữa la ̣m phát và thất nghiệ p. Đườ ng cong thể hiệ n sự đánh đổ i này mang tên “đư ờ ng cong Phillips”. Mộ t đườ ng cong Phillips ổ n đi ̣nh chứ ng tỏ nhà làm chính sách cho ̣n mộ t trong nhiều tổ hơ ̣p giữa la ̣m phát và thất nghiệ p ở mứ c chấp nhậ n đươ ̣c và xác đi ̣nh nó là mu ̣c tiêu trong các chính sách kinh tế vĩ mô (Cashell, 2004).

Trong một nghiên cứu khác về CSTT, Friedman (1968) đưa ra một số luận điểm gắn với mô hình đườ ng cong Phillips: (i) các nhà tạo lập chính sách không có khả nă ng lựa cho ̣n bất cứ tỷ lệ thất nghiệ p nào trong dài ha ̣n ngoài tỷ lệ thất nghiệ p tự nhiên, vốn phụ thuộc chủ yếu vào cấu trúc lao độ ng và sản phẩm thi ̣ trườ ng trong nền kinh tế; (ii) các giả đi ̣nh về sự đánh đổ i giữa thất nghiệ p và tỷ lệ la ̣m phát chỉ có tác du ̣ng trong ngắ n ha ̣n như mộ t hiệ n

tươ ̣ng ta ̣m thờ i; (iii) la ̣m phát đươ ̣c duy trì dướ i mứ c cân bằ ng cấu trúc sẽ dẫn đến sự gia tă ng tích luỹ củ a giá và tiền lươ ng chủ yếu do sự bất ổ n trong kỳ vo ̣ng (Friedman, 1968; Gordon, 2011). Trong khi đó, Phelps (1967) đã phát triển mộ t lý thuyết mớ i về tỷ lệ thất nghiệ p và la ̣m phát, trong đó nhấn ma ̣nh vai trò củ a la ̣m phát kỳ vo ̣ng cũng như thông tin bất hoàn hảo trong thi ̣ trườ ng lao độ ng. Từ nhữ ng nhậ n đi ̣nh trên, Friedman và Phelps đã đi đến chung mộ t kết luậ n rằng không có sự đánh đổ i giữ a la ̣m phát và tỷ lệ thất nghiệ p trong dài ha ̣n (Forder, 2010; Schawarzer, 2012).

Lucas (1972) sau đó tiếp tục bổ sung yếu tố kỳ vo ̣ng hơ ̣p lý vào mô hình đườ ng cong Phillips với ngu ̣ ý những sai sót trong kỳ vo ̣ng bất hơ ̣p lý (“erroneous expectation errors”) sẽ không lặ p la ̣i. Ý tưở ng về kỳ vo ̣ng hơ ̣p lý đã giúp Lucas và các học giả sau đó đưa ra mộ t dự đoán đáng chú ý. Tác giả này lậ p luậ n rằ ng CSTT đươ ̣c tiên liệ u trướ c không thể thay đổ i đươ ̣c GDP thực tế theo phươ ng pháp thông thườ ng hay theo phươ ng pháp dự báo, kết quả mà sau đó đươ ̣c biết đến như “mệ nh đề không hiệ u quả về chính sách”. So vớ i phươ ng pháp củ a Friedman và Phelps, phươ ng pháp củ a Lucas hàm ý sự thay đổ i trong sản lươ ̣ng ngày càng xa so vớ i mức tự nhiên có thể dẫn đến sự thay đổ i về giá mộ t cách độ t ngộ t, đến mức NHTW không thể thay đổ i sản lươ ̣ng thông qua thực hiệ n thay đổ i đã đươ ̣c dự báo trướ c đó trong CSTT (Gordon, 2011).

Những năm sau đó, đườ ng cong Phillips tiếp tu ̣c đươ ̣c hiệu chỉnh, bổ sung, cu ̣ thể: Fischer (1977) và Taylor (1979) xem xét thêm sự cứ ng nhắ c về tiền lương danh nghĩa vào mô hình; Calvo (1983) mô hình hóa việ c điều chỉnh giá ngẫu nhiên; trong khi Gali và Gertler (1999) bổ sung yếu tố chi phí lao độ ng vào mô hình. Nhữ ng điều chỉnh liên tiếp này dẫn tới sự ra đờ i củ a đườ ng Phillips mớ i (New-Keynesian Phillips Curve - NKPC) vớ i đặc trưng về kỳ vo ̣ng, nghĩa là la ̣m phát đươ ̣c quyết đi ̣nh bở i các các yếu tố kỳ vo ̣ng trong tươ ng lai. Tuy nhiên sau đó, NKPC tiếp tu ̣c đươ ̣c điều chỉnh khi hàng loa ̣t các bằ ng chứ ng đáng tin cậ y cho thấ y rằng tỷ lệ la ̣m phát hiệ n ta ̣i còn phu ̣ thuộ c vào tỷ lệ la ̣m phát trong quá khứ . Trong các nghiên cứu gần đây của Woodford (2003) và Christiano và cộng sự (2005), giá tri ̣ quá khứ củ a la ̣m phát cũng bắt đầu được xem xét trong mô hình đườ ng Phillips. Mô hình NKPC lai bao gồ m cả nhữ ng đặ c điểm kỳ vo ̣ng tươ ng lai và những giá tri ̣ quá khứ củ a la ̣m phát và cả mộ t biến đo lườ ng áp lực củ a la ̣m phát do tồ n ta ̣i dư cầu trong hệ thố ng.

Trong quá trình xác đi ̣nh các nhân tố tác độ ng đến la ̣m phát, không thể không nhắc đến “lạm phát cơ bản”, mộ t khái niệ m trong nhiều cuộ c tranh luậ n giữa các nhà chính sách trong hơ n hai thậ p kỷ qua. Theo Wynne (2008), thuậ t ngữ “lạm phát cơ bản” lần đầu tiên được sử dụng bởi Schreder (1952) trong bố i cảnh các nhà lậ p pháp đang tranh cãi về chênh lệ ch la ̣m phát mà nước Mỹ phải đố i mặ t vào đầu những nă m 1950, theo đó “ngay cả những ngư ờ i có khuynh hư ớ ng đồ ng tình vớ i khái niệ m cân bằ ng giữa cung và cầu, cũng chỉ ra rằ ng đang có mộ t lư ợng cung tiền cực lớ n – và đó chính là lạm phát cơ bản... lượng cung tiền của chúng ta đang cao gấp hơn 3 lần so vớ i mứ c của nă m 1939...” (p.153). Sau

Schreder (1952), Tobin (1972) và Sprinkel (1975) tiếp tục gợi nhắc về “lạm phát cơ bản”, song cả ba học giả không đưa ra bất cứ bình luậ n nào về thuậ t ngữ này. Theo tìm hiểu của Wynne (2008), Otto Eckstein là ngườ i đầu tiên đưa ra đi ̣nh nghĩa chính thứ c về la ̣m phát cơ bả n vào nă m 1981. Trong tác phẩm “Core Inflation”, Eckstein (1981) đi ̣nh nghĩa la ̣m phát cơ bản là thành phần tă ng giá có tính xu hướ ng trong tổ ng cung, đồ ng thờ i đưa ra công thứ c tính la ̣m phát (π), theo đó la ̣m phát gồ m có ba cấu phần: la ̣m phát cơ bản (πe), la ̣m phát cầu kéo (πd) và la ̣m phát chi phí đẩ y (πs):

π = πe + πd + πs

Theo Eckstein (1981), la ̣m phát cơ bản đươ ̣c đo lường bằ ng bình quân củ a tố c độ gia tă ng chi phí lao độ ng đơ n vi ̣ và chi phí sử du ̣ng vố n; đồ ng thờ i “tỷ lệ lạm phát cơ bản phản ánh sự tă ng giá cần thiết do sự gia tă ng mang tính xu hư ớ ng của chi phí đầu vào đối vớ i quá trình sản xuất. Sự gia tă ng chi phí, đến lượt nó, là mộ t hàm kỳ vọng về giá cơ bản. Những kỳ vọng này là kết quả của những trải nghiệ m trư ớ c đó, đư ợc tạo ra bởi nhu cầu và các cú số c lạm phát trong li ̣ch sử ”. Bắt đầu từ tháng 12/1975, báo cáo “CPI Detailed Report” củ a Bộ Lao độ ng Mỹ đã công bố các chỉ số : “all items less energy” (tất cả khoản mục trừ nă ng lư ợng), “all items less food” (tất cả khoản mục trừ lư ơ ng thực); đến nă m 2001 bổ sung thêm mộ t số chỉ số khác như “all items less shelter” (tất cả khoả n mục trừ nhà ở), “all items less medical care” (tất cả khoản mục trừ chă m sóc y tế)..., qua đó ngầm thể hiệ n cách tính toán chỉ số la ̣m phát cơ bản của Mỹ trong thờ i kỳ này (Wynne, 2008).

Cũng nghiên cứ u về la ̣m phát cơ bản, Quah và Vahey (1995) đi ̣nh nghĩa la ̣m phát cơ bả n là “thành phần trong lạm phát đư ợc tính toán mà không có tác độ ng trung và dài hạn đến sản lư ợng”; đồ ng thờ i, để tính toán la ̣m phát cơ bản, các tác giả đã đưa ra mộ t số giả đi ̣nh sau: (1) yếu tố có thể tác độ ng đến la ̣m phát gồ m 2 biến ngoa ̣i sinh (biến nhiễu); (2) hai biến nhiễu này đươ ̣c phân biệ t thông qua tác độ ng củ a nó đến sản lươ ̣ng và không có tươ ng quan ta ̣i tất cả các biến tớ i (leads) và biến trễ (lags); (3) biến nhiễu thứ nhất không có tác độ ng đến sản lươ ̣ng sau mộ t khoảng thờ i gian ngắn; (4) biến nhiễu thứ hai có thể có tác độ ng lớ n đến sản lươ ̣ng trong trung và dài ha ̣n; (5) la ̣m phát cơ bản vậ n độ ng trên la ̣m phát đươ ̣c tính toán chỉ phu ̣ thuộ c duy nhất vào biến nhiễu thứ nhất (do la ̣m phát cơ bản đươ ̣c xác đi ̣nh là trung tính đố i vớ i sản lươ ̣ng trong trung dài ha ̣n, nhưng vẫn có thể có tác độ ng đến sả n lươ ̣ng trong ngắ n ha ̣n); và (6) sản lươ ̣ng và la ̣m phát có quan hệ ngẫu nhiên nhưng không đồ ng nhất. Từ nhữ ng giả đi ̣nh này, Quah và Vahey (1995, p.1133) đưa ra phươ ng trình mô phỏ ng la ̣m phát cơ bản như sau:

∞ 𝑗=0

𝐷(𝑗)𝜂(𝑡 − 𝑗) X(t) = D(0) η(t) + D(Ι) η(t – Ι) + … = ∑

Trong đó:

- Var(η) = Ι;

- X = (ΔY, Δπ)’: vớ i Y là sả n lươ ̣ng và π là la ̣m phát; - η = (η1, η2)’: vớ i η1, η2 là 2 biến nhiễu.

So sánh mô hình về la ̣m phát cơ bản giữ a Eckstein và Quah-Vahey, có thể rút ra các điểm khác biệt cơ bản sau: (i) Eckstein loa ̣i bỏ hoàn toàn tác độ ng chu kỳ đố i vớ i la ̣m phát liên quan đến áp lực cầu vươ ̣t mứ c; (ii) sự khác biệ t giữa la ̣m phát cơ bản và la ̣m phát phi cơ bả n củ a Quah và Vahey là sự khác biệ t cần thiết giữa la ̣m phát dự đoán trướ c và la ̣m phát không thể dự đoán trướ c; (iii) la ̣m phát cơ bản theo Quah và Vahey có tươ ng quan khá lớ n đố i vớ i sả n lươ ̣ng trong ngắ n ha ̣n, trong khi la ̣m phát cơ bản củ a Eckstein la ̣i trung tính so với sản lươ ̣ng trong ngắ n ha ̣n (Roger, 1998). Tuy có mộ t số khác biệ t, nhưng hai mô hình này đươ ̣c sử du ̣ng rộ ng rãi bở i tại các NHTW, qua đó giúp: (i) có cái nhìn dài ha ̣n hơ n về xu thế la ̣m phát nhờ ha ̣n chế đươ ̣c biến độ ng củ a yếu tố thờ i vu ̣, ngắ n ha ̣n; (ii) nâng cao hiệ u quả trong việ c đề xuất chính sách, qua đó củng cố niềm tin công chúng và nhà đầu tư.

Bên ca ̣nh lý thuyết la ̣m phát cơ bản, thế giớ i còn mộ t số lý thuyết trong việ c giải thích nguyên nhân cũng như nhân tố tác độ ng đến la ̣m phát; tuy nhiên, hầu hết trong số đó đươ ̣c xây dựng trên cơ sở củ a lý thuyết tổ ng cầu (cầu kéo) và lý thuyết chi phí đẩ y. Trên tất cả, 2 lý thuyết nền tảng này đươ ̣c xem là ít gây tranh cãi và phổ biến nhất (Greenidge và DaCosta, 2009). Lý thuyết cầu kéo cho rằ ng la ̣m phát là kết quả từ việ c tă ng tổ ng cầu; do đó lý thuyết này xem sự thay đổ i về giá như cơ chế thanh toán bù trừ thi ̣ trườ ng và la ̣m phát đươ ̣c xem như là kết quả củ a tổ ng cầu quá mứ c trên các thi ̣ trườ ng yếu tố và hàng hóa. Theo đó, các nhân tố tác độ ng đến la ̣m phát cầu kéo bao gồ m sự gia tă ng trong cung tiền, chi tiêu chính phủ và mứ c giá chung trong phần còn la ̣i củ a thế giớ i. Ngươ ̣c la ̣i, theo lý thuyết chi phí đẩy, la ̣m phát đươ ̣c xem là kết quả khi các nhân tố giá tă ng nhanh hơ n các nhân tố nă ng suất. Về cơ bản, la ̣m phát chi phí đẩy xuất hiệ n khi tổ ng cung suy giảm. Điều này có thể là do sự tă ng giá củ a tiền lươ ng hoặ c sự mất giá củ a nguyên vậ t liệ u thô. Những gia tăng này sẽ khiến chi phí sản xuất cao hơ n, từ đó dẫn đến la ̣m phát “chi phí đẩy”.

Chi phí sản xuất cao hơ n có thể khiến tỷ lệ thất nghiệ p và sản lươ ̣ng su ̣t giảm. Thông qua các lý thuyết về cầu kéo và về chi phí đẩy, các nhà nghiên cứ u theo trườ ng phái Keynes và theo trườ ng phái tro ̣ng tiền đã xây dựng các phươ ng pháp khác nhau để tìm hiểu về quá trình hình thành la ̣m phát (Greenidge và DaCosta, 2009). Theo trườ ng phái Keynes, la ̣m phát là kết quả củ a sự xáo trộ n trong thu nhậ p và các cú số c đố i vớ i nền kinh tế, như sự gia tă ng củ a giá dầu; trong khi trườ ng phái tro ̣ng tiền tin rằng la ̣m phát xuất hiệ n do cầu tiền dư thừ a và các chính sách tiền tệ không phù hơ ̣p vớ i tình hình thực củ a nền kinh tế.

π = f (l, w, u, o, pe)

Mô hình trườ ng phái Keynes có dạng thức sau: Trong đó:

- π: la ̣m phát

- l: cầu dư thừ a về lao độ ng (labour) - w: tiền lươ ng (wage) - u: tỷ lệ thất nghiệ p (unemployment)

- o: sản lươ ̣ng (output) - pe: kỳ vo ̣ng về giá (price expectation) Trong khi đó, mô hình theo trườ ng phái tro ̣ng tiền đươ ̣c xây dựng theo hàm sau: π = f (y, ms, i)

Trong đó:

- π : la ̣m phát

- y : sự thay đổ i trong thu nhập thực tế

- ms : cung tiền

- i : chi phí nắ m giữ tiền mặ t (interest rate). Các nhà lý thuyết cổ điển cũng xây dựng mộ t số mô hình để có thể hiểu rõ hơ n nguyên nhân khiến mứ c giá chung trong nền kinh tế tă ng lên. Phươ ng pháp củ a các nhà nghiên cứ u này rất tươ ng đồ ng vớ i phươ ng pháp củ a trườ ng phái tro ̣ng tiền, theo đó lạm phát xuất hiệ n khi quá nhiều tiền để mua quá ít hàng hóa (Greenidge và DaCosta, 2009). Trong tình huố ng này, tă ng cung tiền sẽ dẫn đến sự gia tă ng trong tổ ng cầu đố i vớ i hàng hóa và di ̣ch vu ̣, và do đó sẽ gây ra tình tra ̣ng la ̣m phát trong nền kinh tế. Bên ca ̣nh các lý thuyết trên, còn có lý thuyết về phía cung, lý thuyết có liên quan đến trườ ng phái tro ̣ng tiền và cho rằ ng cung hàng hóa và di ̣ch vu ̣ (thay vì cung tiền) có thể có tác độ ng đến la ̣m phát. Cu ̣ thể là, khi trong nền kinh tế có quá nhiều tiền để mua quá ít hàng hóa, có hai giải pháp hoặ c là giảm cung tiền hoặ c tă ng cung hàng hóa và di ̣ch vu ̣. Các biến để xác đi ̣nh la ̣m phát trong mô hình này gồ m có: chênh lệ ch về sản lươ ̣ng (đa ̣i diệ n cho độ chệ ch giữa sản lươ ̣ng thực tế và sả n lươ ̣ng mong muố n) và tiền dư thừ a (đa ̣i diệ n cho sự chênh lệ ch giữa lươ ̣ng tiền thực tế và lươ ̣ng tiền mong muố n đưa vào nền kinh tế).

Nhằm phả n biệ n la ̣i nhữ ng phê phán củ a trườ ng phái tro ̣ng tiền, trườ ng phái Keynes đã hiệ u chỉnh lý thuyết về la ̣m phát, chủ yếu dựa trên sự ca ̣nh tranh không hoàn hảo. Theo lý thuyết này, các nhà lý thuyết theo trườ ng phái Keynes cho rằng đố i vớ i mộ t ngườ i lao độ ng trong đàm phán về tiền lươ ng thì mứ c giá là biến ngoa ̣i sinh; tuy nhiên, đố i vớ i tất cả ngườ i lao độ ng trong đàm phán tiền lươ ng thì đây la ̣i là biến nộ i sinh. Kết quả là, la ̣m phát xuất hiệ n khi nhữ ng ngườ i lao độ ng muố n mứ c tiền lươ ng cao hơ n và doanh nghiệ p muố n mứ c lơ ̣i nhuậ n cao hơ n. Do đó, nếu ngườ i lao độ ng đươ ̣c trả vớ i mứ c tiền lươ ng cao hơ n, doanh nghiệ p sẽ tă ng giá sản phẩm và điều này sẽ dẫn đến la ̣m phát. Có nghĩa là, la ̣m phát bi ̣ ảnh hưở ng bở i tiền lươ ̣ng tă ng và giá sản phẩm củ a doanh nghiệ p tă ng. Tươ ng tự trườ ng phái Keynes, các nhà nghiên cứ u theo trườ ng phái tro ̣ng tiền cũng tìm cách đáp trả những phê bình củ a trườ ng phái Keynes bằ ng cách đề xuất mộ t lý thuyết, trong đó doanh nghiệ p không chắc chắ n về nguyên nhân khiến giá tă ng. Có nghĩa là, các doanh nghiệ p có thể không chắ n chắ n khi có nhữ ng sứ c ép về la ̣m phát hoặ c nếu nhu cầu củ a ngườ i tiêu dùng thực sự tă ng. Sau khi tìm ra đươ ̣c những nguyên nhân khiến giá tă ng, các doanh nghiệ p sẽ

điều chỉnh giá tươ ng ứ ng, dựa trên kỳ vo ̣ng hơ ̣p lý về giá. Do đó, kỳ vo ̣ng về giá sẽ có tác độ ng đến tỷ lệ la ̣m phát.

Ngoài ra, các nhân tố về cấu trúc như điều kiện khí hậu, các chính sách nhằ m bảo vệ mộ t số ngành công nghiệ p hoặ c các chính sách về thươ ng ma ̣i, cũng có thể tác độ ng đến tỷ lệ la ̣m phát. Nếu có cơ n bão gây thiệ t ha ̣i đố i vớ i nguồ n cung thực phẩ m và cơ sở ha ̣ tầng, sau đó giá hàng hóa và di ̣ch vu ̣ chắ c chắ n sẽ tă ng vo ̣t. Cũng như vậ y, để bảo vệ mộ t số ngành công nghiệ p, các hàng hóa và di ̣ch vu ̣ vớ i giá rẻ hơ n có thể không đươ ̣c cho phép nhậ p khẩu vào trong nướ c, do đó giá mộ t số hàng hóa và di ̣ch vu ̣ sẽ tă ng cao hơ n. Điều này chứ ng tỏ la ̣m phát có thể là hậ u quả củ a điều kiệ n thờ i tiết và hoa ̣t độ ng thươ ng ma ̣i hoặ c các chính sách bảo hộ .

Phươ ng pháp khác để tìm hiểu quá trình hình thành la ̣m phát đươ ̣c xây dựng dựa trên mô hình “nhậ p khẩu la ̣m phát theo trườ ng phái cấu trúc” (Frisch, 1977). Mô hình này chỉ ra rằ ng mộ t quố c gia phu ̣ thuộ c vào thi ̣ trườ ng nướ c ngoài có thể “nhậ p khẩu” la ̣m phát, nhất là khi sự phu ̣ thuộ c quá lớ n vào các biến ngoa ̣i vi sẽ ta ̣o ra sứ c ép lớ n đố i vớ i giá hàng hóa trong nướ c. Mộ t mô hình khác thuộ c trườ ng phái cấu trúc là mô hình Scandinavia đươ ̣c đánh giá rất phù hơ ̣p đố i vớ i các nền kinh tế nhỏ mở , theo đó mô hình này giả thuyết rằ ng la ̣m phát bi ̣ tác độ ng bở i giá thế giớ i, tiền lươ ng và nă ng suất (Cumberbatch, 1995). Frisch (1977) cũng đề cậ p đến mô hình Scandinavia gia tă ng của Branson và Myhrman (1976), trong đó tỷ lệ thất nghiệ p và la ̣m phát kỳ vo ̣ng đươ ̣c bổ sung là nhân tố tác độ ng đến la ̣m phát trong mô hình Scandinavia.

Dlamini và cộng sự (2001) tiến hành khảo sát các nghiên cứ u gầ n đây, trong đó các tác giả này đã kết luậ n rằng các lý thuyết mớ i nhất về la ̣m phát tậ p trung vào niềm tin đố i vớ i chính sách, tính ổ n đi ̣nh chính tri ̣, chu kỳ chính tri ̣, và uy tín củ a Chính phủ . Tuy nhiên, các tác giả cũng chỉ ra rằ ng các lý thuyết này dựa trên các biến số không thể lươ ̣ng hóa đươ ̣c và do đó bi ̣ loa ̣i trừ ra khỏ i hầu hết các nghiên cứ u thực nghiệ m. Ngoài ra, Selialia (1995) cũng chứ ng minh rằ ng phươ ng pháp kinh tế chính tri ̣ đố i vớ i các chính sách kinh tế vĩ mô chủ yếu nhấn ma ̣nh tầ m quan tro ̣ng đố i vớ i các nướ c công nghiệ p, do đó phươ ng pháp này có thể không phù hơ ̣p vớ i các nướ c đang phát triển. 2.2. Các nhân tố tác động tới lạm phát

Cùng vớ i quá trình xây dựng và phát triển các lý thuyết cơ bản về la ̣m phát, nhiều nghiên cứ u thực nghiệ m trên thế giớ i đã áp du ̣ng hiệ u quả các lý thuyết cơ bả n này làm cơ sở để xác đi ̣nh những nhân tố chủ yếu tác độ ng đến la ̣m phát, qua đó phần nào khắc ho ̣a những đặ c điểm quan tro ̣ng về tình hình la ̣m phát trên thế giớ i.

Khi nghiên cứ u nguyên nhân gây ra la ̣m phát ta ̣i khu vực châu Phi giai đoa ̣n 1960 – 1989, Chhibber (1991) chỉ ra được mố i quan hệ chặ t chẽ giữa chế độ tỷ giá vớ i la ̣m phát, theo đó các quố c gia sử du ̣ng chế độ tỷ giá thả nổ i thườ ng xảy ra tình tra ̣ng la ̣m phát cao, trong khi các nướ c áp du ̣ng chính sách tỷ giá cố đi ̣nh thì thườ ng có mứ c la ̣m phát thấp hơ n.

Tuy nhiên, qua phân tích thực nghiệ m kỹ lưỡng, vấn đề này phứ c ta ̣p hơ n nhiều. Theo kết quả nghiên cứ u trên, ta ̣i các nướ c Ghana, Uganda, Sierra Leon và Zambia, tình tra ̣ng la ̣m phát cao vẫn diễn ra phổ biến trong thờ i kỳ sử du ̣ng chính sách tỷ giá cố đi ̣nh. Nghiên cứ u về điều chỉnh tỷ giá củ a Ghana còn chỉ ra rằng việ c điều chỉnh tỷ giá chính thứ c thậ m chí còn giúp giả m la ̣m phát nhờ giảm thâm hu ̣t tài khóa. Mứ c la ̣m phát thấp và ổ n đi ̣nh ta ̣i các quố c gia có chế độ tỷ giá cố đi ̣nh là do sự phố i hơ ̣p giữa tài chính và tiền tệ , chứ không phải ở tỷ giá hố i đoái cố đi ̣nh. Do đó, tác giả này đi đến kết luậ n chính sách tỷ giá không có tác độ ng quá lớ n đến la ̣m phát ta ̣i các nướ c khu vực châu Phi trong giai đoa ̣n 1960 – 1989.

Song, quan điểm trên không nhậ n đươ ̣c đồ ng tình củ a một số học giả. Cụ thể, qua phân tích tác độ ng củ a chính sách tỷ giá đến la ̣m phát trong cả dài ha ̣n và ngắ n ha ̣n ta ̣i mộ t nền kinh tế nhỏ , mở điển hình kết hơ ̣p vớ i phân tích la ̣m phát trong thi ̣ trườ ng ngoa ̣i hố i dướ i góc nhìn tài chính công, Bodart (1996) nhậ n thấy sự vậ n độ ng củ a la ̣m phát thay đổ i rõ rệ t ngay cả khi việ c điều chỉnh tỷ giá là thườ ng xuyên hoặ c ta ̣m thờ i. Cu ̣ thể, nếu điều chỉnh là ta ̣m thờ i nhưng ngườ i dân xem là thườ ng xuyên, la ̣m phát sẽ tă ng trướ c và sau đó sẽ giảm dần về đến điểm dừ ng trướ c đó. Ngươ ̣c la ̣i, nếu công chúng xem sự điều chỉnh là ta ̣m thờ i, sự vậ n độ ng củ a la ̣m phát thậ m chí còn thất thườ ng hơ n: đầu tiên sẽ tă ng lên trên mức khi tỷ giá thay đổ i, sau đó giả m xuố ng dướ i điểm dừ ng, và sau cùng là phu ̣c hồ i sau khi quay lại mứ c tỷ giá hố i đoái hơ ̣p nhất. Bodart (1996) còn chứ ng minh rằ ng tỷ giá hố i đoái thả nổi đươ ̣c duy trì lâu bao nhiêu thì mứ c độ biến độ ng củ a la ̣m phát càng lớ n bấ y nhiêu. Đố i vớ i tác độ ng củ a việ c điều chỉnh tỷ giá chính thứ c liên tu ̣c đến la ̣m phát, tác giả này chỉ ra rằng trong mộ t nền kinh tế vớ i tỷ giá danh nghĩa chính thứ c cố đi ̣nh, việ c chuyển đổ i liên tu ̣c các tỷ giá chính thứ c chỉ có tác độ ng ta ̣m thờ i đến la ̣m phát. Ngươ ̣c la ̣i, khi NHTW điều chỉnh tỷ giá chính thứ c nhằ m thu he ̣p khoảng cách vớ i tỷ giá trên thi ̣ trườ ng tự do, tác độ ng đến la ̣m phát sẽ mang tính dài ha ̣n.

Khi nghiên cứ u các nhân tố chủ yếu tác độ ng đến la ̣m phát ở Tanzania giai đoa ̣n 1992 – 1998, sử du ̣ng mô hình kinh tế lươ ̣ng để phân tích cấu trúc vậ n độ ng củ a la ̣m phát trong cả dài ha ̣n lẫn ngắ n ha ̣n, Laryea và Sumaila (2001) rút ra kết luậ n rằ ng trong ngắ n ha ̣n, sả n lươ ̣ng và tiền tệ (cung tiền M2) là những nhân tố chính gây nên tình tra ̣ng la ̣m phát ta ̣i Tanzania. Tuy nhiên, trong dài ha ̣n, tỷ giá thi ̣ trườ ng tự do cũng đóng vai trò quan tro ̣ng đố i vớ i la ̣m phát cùng vớ i sả n lươ ̣ng và tiền tệ . Bên ca ̣nh đó, nghiên cứ u này còn chỉ ra rằng tác độ ng củ a tỷ giá đến la ̣m phát chủ yếu đươ ̣c thể hiệ n qua hoa ̣t độ ng thươ ng ma ̣i hàng hóa, trong đó chủ yếu là hàng hóa nhậ p khẩu trong lĩnh vực phi chính thứ c.

Từ đỉnh điểm 18,6% của nă m 1986, la ̣m phát ở Nam Phi đã giả m ma ̣nh xuố ng còn 5,2% vào nă m 1999, mứ c thấp nhất củ a nướ c này kể từ nă m 1970, song vẫn cao hơ n la ̣m phát ta ̣i các nướ c đố i tác thươ ng ma ̣i quan tro ̣ng là Đứ c, Nhậ t Bản, Anh và Mỹ (Akinboade và cộng sự, 2004). Để xác đi ̣nh các nhân tố chủ yếu gây ra tình tra ̣ng la ̣m phát ta ̣i Nam Phi trong giai đoa ̣n từ Q1/1970 - Q1/2001, Akinboade và cộng sự (2004) sử du ̣ng mô hình kinh

tế lươ ̣ng để phân tích mố i quan hệ giữa la ̣m phát vớ i thi ̣ trườ ng tiền tệ , thi ̣ trườ ng lao độ ng và thi ̣ trườ ng ngoa ̣i hố i ở Nam Phi, từ đó đã đưa ra mộ t số kết quả có thể đươ ̣c khái quát như sau: (i) trong ngắn ha ̣n, sự gia tă ng củ a chi phí lao độ ng và cung tiền mở rộ ng có tác độ ng làm tă ng la ̣m phát, trong khi tỷ giá danh nghĩa hữu hiệ u có tác độ ng ngươ ̣c chiều đố i vớ i la ̣m phát; và (ii) trong dài ha ̣n, la ̣m phát tỷ lệ nghi ̣ch vớ i lãi suất, nhưng vẫn tỷ lệ thuậ n vớ i cung tiền mở rộ ng và sự tă ng chi phí lao độ ng trong nền kinh tế.

Nhằm đánh giá tác độ ng củ a tỷ giá đến la ̣m phát trong bố i cảnh hậ u khủ ng hoảng, Ito và Sato (2008) lựa cho ̣n phân tích các nướ c Indonesia, Hàn Quố c, Thái Lan, Malaysia và Singapore trong giai đoạn 1993 – 2005, từ đó đi đến các kết luậ n sau: (i) mứ c chuyển củ a cú số c tỷ giá đố i vớ i la ̣m phát là tươ ng đố i thấp, trừ trườ ng hơ ̣p củ a Indonesia; (ii) la ̣m phát hậ u khủ ng hoảng củ a Indonesia khác vớ i các quố c gia (bi ̣ khủ ng hoảng) khác nằ m ở chính sách tiền tệ củ a Indonesia; và (iii) tác độ ng củ a tỷ giá cũng chính là nguyên nhân khiến la ̣m phát gia tă ng, đồ ng thờ i việ c phá giá đồ ng nộ i tệ khiến các giải pháp khắc phu ̣c trở nên kém hiệ u quả. Điều này đưa đến mộ t hàm ý rằng la ̣m phát bản chất vẫn nằ m ở chính sách tiền tệ nộ i ta ̣i hơ n là các tác độ ng từ bên ngoài, mặ c dù nhữ ng tác độ ng này vẫn hiệ n hữu.

Không riêng gì các nước từng trải qua thời kỳ la ̣m phát cao, các nướ c la ̣m phát thấp cũng là đố i tươ ̣ng thu hút sự quan tâm của nhiều nhà nghiên cứ u. Xác đi ̣nh các nhân tố tác độ ng đến la ̣m phát có ý nghĩa quan tro ̣ng đố i vớ i Croatia trong nỗ lực đáp ứ ng tiêu chuẩn Maastricht nói riêng cũng như để gia nhậ p EU nói chung. Malesevic (2009) áp du ̣ng phươ ng pháp đồ ng tích hơ ̣p để phân tích số liệ u la ̣m phát củ a Croatia trong giai đoa ̣n tháng 6/1994 – 6/2006, qua đó chỉ ra rằng trong dài ha ̣n la ̣m phát có quan hệ vớ i tỷ giá, chi phí lao độ ng, nhưng la ̣i không có quan hệ gì vớ i mứ c cung tiền. Cu ̣ thể, việ c tă ng giá tiền lươ ng, phá giá đồ ng nộ i tệ đã làm tă ng la ̣m phát; trong khi cung tiền la ̣i không có nhiều tác độ ng đến la ̣m phát củ a Croatia, điều này ngu ̣ ý rằ ng chính sách tiền tệ củ a Chính phủ trong thờ i gian này có thể phu ̣c vu ̣ cho các mu ̣c tiêu khác. Đặ c biệ t, kết quả nghiên cứ u củ a Malesevic khá tươ ng đồ ng vớ i các nghiên cứ u trướ c đó về Croatia như củ a Payne (2002), Botric và Cota (2006) về tác độ ng củ a tiền lươ ng và tỷ giá đến la ̣m phát; cũng như nhiều nghiên cứ u về các quố c gia châu Âu khác như: Haderi và cộng sự (1999) về Albania; Ross (2000) về Slovenia; Brada và Kutan (2002) về Cộ ng hòa Séc, Hungary và Ba Lan.

Khi nghiên cứu về các nhân tố tác động đến lạm phát tại các quốc gia vùng

Caribbean (Barbados, Jamaica, Guyana và Trinidad và Tobago) trong giai đoạn 1970 – 2006, Greenidge và DaCosta (2009) rút ra các kết luận chính sau: (i) tại mỗi quốc gia, biến động giá dầu đều có tác động đến lạm phát trong cả ngắn hạn lẫn dài hạn, và tuy độ lớn có khác nhau, tác động dài hạn nhìn chung nhiều hơn so với tác động trong ngắn hạn; (ii) thay đổi của tỷ giá hối đoái danh nghĩa cũng là một nhân tố quan trọng tác động đến lạm phát đối

với những quốc gia sử dụng chế độ tỷ giá thả nổi, theo đó trong 3 nước áp dụng chế độ tỷ

giá thả nổi, sự thay đổi của tỷ giá danh nghĩa đã dẫn đến tăng lạm phát trong ngắn hạn; (iii)

lãi suất tăng sẽ làm lạm phát tăng trong ngắn hạn, nhưng trong dài hạn lạm phát sẽ giảm dần

xuống mức thấp hơn so với trước đó, hay nói cách khác tác động của tăng lãi suất là ngược

chiều với lạm phát trong dài hạn; và (iv) mức kỳ vọng đối với lạm phát trong quá khứ có tác động làm tăng mức lạm phát trong hiện tại của 3 trong số 4 quốc gia được nghiên cứu.

Bashir và cộng sự (2011) nghiên cứ u thực tra ̣ng la ̣m phát ta ̣i Pakistan trong giai đoa ̣n 1972 – 2010 nhằ m xác đi ̣nh những nhân tố tác độ ng chủ yếu đến la ̣m phát củ a quố c gia này. Bằ ng sử du ̣ng phươ ng pháp đồ ng tích hơ ̣p Johansen để phân tích cân bằ ng dài ha ̣n và phươ ng pháp hiệu chỉnh sai số (Error Correction Model – ECM) để phân tích ngắ n ha ̣n, nghiên cứ u này kết luậ n: cung tiền, tổ ng sản phẩm quố c nộ i, chi tiêu chính phủ và nhậ p khẩu là nhữ ng nhân tố làm tă ng la ̣m phát trong dài ha ̣n ở Pakistan trong giai đoa ̣n này và la ̣m phát có xu hướ ng giả m dầ n nhờ mứ c thu ngân sách nhà nướ c cao hơ n. Kết quả này cũng tươ ng đồ ng vớ i Ahmed và cộng sự (2013) khi nghiên cứu về các nhân tố tác độ ng đến la ̣m phát ta ̣i Pakistan trong giai đoa ̣n 1971 – 2012, cụ thể: cung tiền, chi tiêu chính phủ , nhậ p khẩu, khủ ng hoảng giá nă ng lươ ̣ng và sản lươ ̣ng quố c gia dướ i mứ c tiềm nă ng là những nhân tố làm gia tă ng la ̣m phát; trong khi xuất khẩu hầu như không có tác độ ng đến la ̣m phát ta ̣i Pakistan.

Cũng trong nă m 2011, các quốc gia châu Phi tiếp tu ̣c là mối quan tâm đố i vớ i nhiều nhà nghiên cứ u, nhất là khi la ̣m phát cao tiếp tu ̣c tái diễn ta ̣i 4 nướ c là Ethiopia (bình quân 39%/năm), Uganda (bình quân 19%/năm), Kenya (bình quân 16%/năm) và Tanzania (13%/năm) trong giai đoa ̣n 2010 - 2011 (AfDB 2011). Thông qua phân tích đi ̣nh lươ ̣ng trong cả dài ha ̣n và ngắ n ha ̣n, Ngân hàng Phát triển Châu Phi (AfDB) đã chỉ ra rằ ng gia tă ng cung tiền đóng góp vào mức lạm phát chung trong ngắn hạn lên đến 30% và 40% lần lượt tại Uganda và Ethiopia; trong khi đó, ta ̣i Kenya và Tanzania, tác nhân gây ra lạm phát có thể kể đến giá dầu vớ i mứ c đóng góp tươ ng ứ ng là 20% và 25%, bên ca ̣nh nhân tố cung tiền mở rộ ng. Trong dài ha ̣n, nghiên cứ u chỉ ra rằ ng chính sách mở rộ ng tiền tệ đóng vai trò quan tro ̣ng đố i vớ i sự gia tă ng củ a la ̣m phát; đồ ng thờ i lưu ý tác độ ng củ a la ̣m phát kỳ vo ̣ng đố i vớ i vòng xoáy la ̣m phát ta ̣i các quố c gia châu Phi này.

Tại Việt Nam, một loạt các nghiên cứu thực nghiệm đã được triển khai nhằm giải

thích biến động của lạm phát. Dựa trên các lý thuyết nền tảng, các nghiên cứu về lạm phát tại Việt Nam cũng xem xét các nhân tố tác động tích hợp từ cả phía cầu kéo và phía chi phí

đẩy nhằm luận giải sự biến động của lạm phát. Tuy nhiên, do khuyết thiếu dữ liệu hoặc chủ ý của tác giả, đa phần các nghiên cứu này đều bỏ qua các tác nhân quan trọng từ phía cung mà chỉ tập trung vào các nhân tố từ phía cầu. Tác nhân từ cung được sử dụng phổ biến hơn cả là giá dầu thế giới (trong một số trường hợp được thay thế bằng giá gạo). Về cơ bản, các nghiên cứu gần đây cho trường hợp Việt Nam thường xoay quanh: CPI, cung tiền, lãi suất, tỷ giá, sản lượng, giá dầu quốc tế.

Áp dụng mô hình VAR đối với chuỗi dữ liệu tháng trong giai đoạn 1996 – 2005, Camen (2006) chỉ ra rằng: (i) tín du ̣ng của nền kinh tế đóng góp tới 25% vào biến động của CPI và là nhân tố trọng yếu tác động tới lạm phát sau 24 tháng; (ii) M2 và lãi suất chỉ giải thích được một phần ít ỏi trong biến độ ng CPI (dướ i 5%); (iii) tỷ giá, giá dầu và giá hàng hóa thế giới đóng một vai trò quan tro ̣ng trong việc giải thích biến độ ng củ a la ̣m phát (khoảng 20%); (iv) cung tiền M3 củ a Mỹ (đại diện cho thanh khoản quốc tế) cũng đóng góp vai trò quan tro ̣ng vào việc luận giải diễn biến CPI của Việt Nam trong hầu hết giai đoa ̣n nghiê n cứ u. Trong khi đó, bàn về mối quan hệ giữa đô la hóa và biến động giá cả tại Việt Nam, Goujon (2006) chỉ ra rằng vớ i tình tra ̣ng đô la hó a củ a nền kinh tế, cung tiền chỉ thực sự tác độ ng tới la ̣m phát nếu nó tính đến số lươ ̣ng USD đươ ̣c nắ m giữ. Nghiê n cứ u này sử du ̣ng cách tiếp cậ n kinh tế ho ̣c tiền tệ cho giai đoạn từ tháng 1/1991 đến tháng 6/1999.

Sử du ̣ng dữ liệ u quý từ nă m 2001 – 2006, IMF (2006) chỉ ra được vai trò quan tro ̣ng củ a tiền tệ đố i vớ i la ̣m phát. Theo đó, tố c độ tă ng cung tiền và tín du ̣ng bắ t đầu có sự tương quan vớ i la ̣m phát kể từ năm 2002. Điều này được lý giải một phần từ sự tự do hó a mộ t loa ̣t các loa ̣i giá cả quan tro ̣ng trong những nă m 2000. Nghiê n cứ u này cũng cho thấy khi kỳ vo ̣ng la ̣m phát và khoảng cách sả n lươ ̣ng có tác độ ng tới la ̣m phát, vai trò của các cú số c giá dầu và tỷ giá trong việc lý giải biến động của lạm phát là hết sức khiêm tốn. Hơn nữa, la ̣m phát ở Việ t Nam thườ ng kéo dài hơ n các nướ c khác trong khu vực, hàm ý rằng mộ t khi ngườ i dâ n đã có kỳ vo ̣ng về la ̣m phát, việ c kiểm soát nó sẽ trở nên khó khăn hơn.

Nguyen và Fujita (2007) sử du ̣ng mô hình VAR để đánh giá tác độ ng củ a tỷ giá thực tớ i sản lươ ̣ng và la ̣m phát ở Việ t Nam giai đoa ̣n 1992 – 2005. Các tác giả chỉ ra rằ ng nguyê n nhâ n chủ yếu khiến sả n lươ ̣ng và mứ c giá thay đổ i là do biến động củ a chính các biến nà y trong quá khứ , đồng thời tỷ giá dường như ảnh hưở ng mạnh mẽ tới cán câ n thươ ng ma ̣i và sả n lươ ̣ng hơ n là tới la ̣m phát. Các biến sử dụng trong mô hình VAR gồm có: sản lươ ̣ng cô ng nghiệ p, CPI, tỷ giá, cung tiền, thâ m hu ̣t thươ ng ma ̣i và lãi suất FED (đóng vai trò là biến ngoa ̣i sinh). Với phương pháp thực nghiệm tương tự và dữ liệu cập nhật hơn (2001 – 2007) khi nghiê n cứ u về sự truyển tải tác động của tỷ giá vào la ̣m phát, Võ Vă n Minh (2009) kết luận mứ c chuyển tỷ giá ở Việ t Nam là khô ng hoàn toàn và thấp hơn hẳn kết quả tìm thấy ở các nghiên cứu trong giai đoạn trước. Sự khác biệ t này là do mô i trườ ng la ̣m phát chuyển đổi trạng thái, sự giả m bớ t củ a tình tra ̣ng đô la hó a và việ c tự do hó a lãi suất giữa 2 giai đoa ̣n. Chuỗi biến đươ ̣c sử du ̣ng gồ m: tỷ giá hữu hiệ u danh nghĩa, khoảng cách sản lươ ̣ng, giá dầu, CPI, chỉ số giá nhậ p khẩu và cung tiền rộ ng M2.

Sử dụng mô hình SVAR và dữ liệu giai đoạn 1994 – 2008, Pha ̣m Thế Anh (2008) thấy rằng biến độ ng trong quá khứ củ a các biến có vai trò giả i thích cho hầu hết các biến nghiê n cứ u, trong khi vai trò của các cú số c M2 và lãi suất là rất nhỏ . Tiếp theo, khi nghiê n cứ u các nhâ n tố tác động tới la ̣m phát cho giai đoa ̣n Q2/1998 - Q4/2008 vớ i số liệ u CPI, cung tiền, lãi suất, tỷ giá, sản lươ ̣ng cô ng nghiệ p và sai số ECM có đươ ̣c từ kiểm đi ̣nh tự

tươ ng quan cho quan hệ PPP và quan hệ cầu tiền, Pha ̣m Thế Anh (2009) khẳng định lại vai trò củ a la ̣m phát trong quá khứ và sả n lươ ̣ng đố i vớ i la ̣m phát, song lại thấy rằng giá dầu quố c tế khô ng thực sự tác động tới la ̣m phát hiệ n ta ̣i. Một phát hiện đáng chú ý nữa từ nghiên cứu này, đó là vai trò khá quan trọng của tăng trưởng M2 đến lạm phát, trong khi lãi suất đóng vai trò bị động.

Dựa trên số liệu vĩ mô theo tháng giai đoạn 2000 – 2010, Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010) xây dựng mô hình thực nghiệm để đánh giá ảnh hưởng của các

nhân tố tới biến động lạm phát tại Việt Nam. Trong đó, ba kênh truyền tải tác động đến mức

giá được xem xét gồm: (i) kênh ngang giá sức mua; (ii) kênh tổng cầu (AD); (iii) kênh tổng cung (AS). Kết quả cho thấy: (i) Sự trì trệ củ a la ̣m phát là mộ t nhâ n tố quan tro ̣ng quyết đi ̣nh la ̣m phát hiện tại của Việ t Nam; (ii) một khi lạm phát tăng cao, những điều chỉnh để thích ứng của thị trường tiền tệ và thị trường ngoại hối là khá thấp; (iii) mứ c chuyển tỷ giá vào la ̣m phát là đá ng kể trong ngắ n ha ̣n vớ i việ c phá giá dẫn đến sự gia tăng về giá, trong khi thâ m hu ̣t ngâ n sách khô ng có ảnh hưở ng lớn tới la ̣m phát; (iv) cung tiền vài lãi suất có tác độ ng tới la ̣m phát, song với độ trễ nhất định; (v) mứ c chuyển trong ngắ n ha ̣n củ a giá quố c tế đến giá cả trong nước cũng có vai trò nhất đi ̣nh, mặc dù không thực sự lớn.

Ngoài ra, khi nghiên cứu về tác độ ng củ a chính sách tỷ giá đến la ̣m phát ở Việ t Nam giai đoa ̣n 2000 – 2012, Lươ ng Thi ̣ Nga và cộng sự (2014) nhận thấy tác độ ng trên hiện diện qua 4 kênh truyền dẫn chính: (i) xuất khẩu ròng (nộ i tệ giảm giá giúp tă ng xuất khẩu ròng, làm tă ng tổ ng cầu, qua đó làm tă ng mứ c giá và sản lươ ̣ng cân bằ ng, sau đó làm la ̣m phát gia tă ng); (ii) cán cân thanh toán (khi xuất khẩu ròng tă ng, cán cân thanh toán tổ ng thể đươ ̣c cải thiệ n, tứ c là dòng vố n nướ c ngoài đổ vào trong nướ c tă ng, từ đó làm tă ng mứ c giá chung củ a nền kinh tế, bất kể Chính phủ áp du ̣ng chính sách tỷ giá hố i đoái cố đi ̣nh hay thả nổ i); (iii) giá hàng nhậ p khẩu (khi tỷ giá tă ng làm cho giá hàng hóa nhậ p khẩu tă ng, từ đó làm tă ng mứ c giá chung trong nền kinh tế theo hướ ng chi phí đẩy); (iv) la ̣m phát kỳ vo ̣ng (tỷ giá ảnh hưở ng tớ i la ̣m phát kỳ vo ̣ng thông qua tâm lý, theo đó ngườ i dân sẽ rất nha ̣y cảm trong việ c nắ m giữ tiền đồ ng trướ c các biến độ ng củ a nền kinh tế). Các kênh này đặ c biệ t tác độ ng ma ̣nh đố i vớ i các quố c gia đang trong quá trình phát triển, độ mở thươ ng ma ̣i cao, nền kinh tế chứ a đựng nhiều rủ i ro như Việ t Nam.

Có thể thấy, các lý thuyết cơ bản về la ̣m phát đã đươ ̣c hình thành khá sớ m và không ngừ ng phát triển theo thờ i gian, qua đó trở thành nền tảng, cơ sở vữ ng chắc các công trình nghiên cứ u thực nghiệ m sau này. Qua việc khảo lược các nghiên cứ u thực nghiệ m về các nhân tố tác độ ng đến la ̣m phát ta ̣i các quố c gia trên thế giớ i, có thể thấy các nhân tố này thể hiện mố i quan hệ tươ ng hỗ, tác độ ng lẫn nhau một cách chặt chẽ. Điều này hoàn toàn phù hơ ̣p vớ i thực tế khi các biến số kinh tế vĩ mô trong nền kinh tế thực luôn có mố i tươ ng quan, tác độ ng lẫn nhau nói riêng và đố i vớ i la ̣m phát nói chung. Tựu chung la ̣i, có thể tổng kết các nhân tố tác độ ng đến la ̣m phát trong ngắ n ha ̣n gồ m: sả n lư ợng, cung tiền, chi phí lao

độ ng và yếu tố quốc tế (ví dụ: giá dầu thế giới, lãi suất của FED); trong khi nhân tố tác độ ng trong dài ha ̣n gồ m: sản lượng, cung tiền, lãi suất, tỷ giá (bao gồm cả tỷ giá thi ̣ trư ờ ng tự do), cán cân ngân sách, lạm phát kỳ vọng và yếu tố quốc tế. Tuy nhiên, xét trên bình diện Việt Nam, hầu hết nghiên cứu trước đây chỉ tập trung phân tích các tác nhân từ phía cầu và sử dụng duy nhất biến giá dầu (hoặc giá gạo) thế giới để đại diện cho yếu tố từ phía cung.

Trong khi đó, nhiều yếu tố từ phía cung quan trọng khác như chi phí lao động, chi phí sản xuất và các yếu tố cứng nhắc khác đều bị bỏ qua.

2.3. Ứng dụng và phát triển mô hình dự báo lạm phát

Dự báo la ̣m phát là mộ t trong những cấu phần quan tro ̣ng trong hoa ̣ch đi ̣nh chính sách vĩ mô củ a nhiều quố c gia trên thế giớ i. NHTW dựa vào dự báo la ̣m phát để đưa ra các biệ n pháp nhằ m đa ̣t đươ ̣c mu ̣c tiêu củ a CSTT. Trong khi đó, các chủ thể khác củ a nền kinh tế cũng dựa vào dự báo la ̣m phát để đánh giá phản ứ ng củ a các cơ quan hoa ̣ch đi ̣nh chính sách cũng như xác đi ̣nh kỳ vo ̣ng la ̣m phát trong tươ ng lai.

Kể từ thập niên 80 của thế kỷ trước, trướ c biến độ ng mạnh mẽ và khó lường củ a la ̣m phát, nhiều nghiên cứ u đã ra đời nhằm phân tích, đánh giá về độ chính xác tươ ng đố i củ a các mô hình dự báo la ̣m phát. Cùng với đó, các phương pháp kiểm định chất lượng mô hình dự báo la ̣m phát cũng phát triển đa dạng. Theo cách tiếp cậ n của Fama và Gibbons (1982, 1984), dự báo la ̣m phát đươ ̣c tiến hành dựa trên lãi suất danh nghĩa quan sát đươ ̣c củ a thi ̣ trườ ng về la ̣m phát. Meyler và cộng sự (1998) đã đưa ra mô hình chuỗi thờ i gian ARIMA để dự báo la ̣m phát ở Ireland, qua đó cho thấ y mô hình này có kết quả dự báo tốt hơ n. Các thủ tu ̣c ướ c lươ ̣ng mô hình ARIMA cho mộ t chuỗi thờ i gian, go ̣i là phươ ng pháp Box-Jenkins ba bướ c: Đi ̣nh da ̣ng mô hình, ướ c lươ ̣ng, và kiểm đi ̣nh mô hình. Ba bướ c này đươ ̣c lặ p lại cho đến khi nào có đươ ̣c mô hình tốt. Ở Việ t Nam, mô hình ARIMA đã đươ ̣c sử du ̣ng khá phổ biến. Gần đây, mô hình này đươ ̣c áp du ̣ng trong nghiên cứu của Đào Hoàng Dũng (2013) để dự báo CPI quý 1/2013 vớ i kết quả dự báo đạt độ chính xác cao.

Bước sang những năm đầu thế kỷ XXI, cùng sự ra đời của học thuyết tăng trưởng

kinh tế mới, nghiên cứu của Sims (2006) chỉ ra rằng hầu hết các biến số vĩ mô đều là biến nội sinh và có sự tương tác lẫn nhau. Dựa trên ý tưởng này, các lớp mô hình chuỗi thời gian đa biến bắt đầu phổ biến và được ứng dụng ngày càng rộng rãi cho mục tiêu dự báo, tiêu biểu hơn cả là VAR và VECM. Engle và Yoo (1987) so sánh kết quả dự báo đươ ̣c ướ c lươ ̣ng bở i mô hình VECM vớ i giả đi ̣nh rằng bậ c độ trễ và ha ̣ng tích hơ ̣p đươ ̣c biết trướ c vớ i kết quả dự báo củ a mô hình VAR vớ i độ trễ chính xác; từ đó kết luậ n rằ ng mô hình VECM chỉ cho kết quả sai số bình phươ ng trung bình trong dài ha ̣n. Clements và Hendry (1995) lưu ý rằ ng kết luậ n củ a Engle và Yoo (1987) có thể không vững nếu các đố i tươ ̣ng nghiên cứ u được xử lý sai phân chứ không đặt ở dạng nguyên trị, và sử du ̣ng quan sát này cho biệ n pháp thay thế chúng nhằ m so sánh dự báo đa biến. Christoffersen và Diebold (1998) cũng sử du ̣ng cách thiết lậ p mô hình củ a Engle và Yoo, song lậ p luậ n ngươ ̣c la ̣i bằ ng cách sử

du ̣ng VAR ở dạng nguyên trị như mộ t tiêu chuẩn trên cơ sở mô hình VAR chỉ áp đặ t mứ c đồ ng liên kết mà không áp đặ t nghiệ m đơ n vi ̣. Mô hình đươ ̣c xác đi ̣nh thứ tự trễ dựa trên tiêu chuẩn AIC và so sánh hiệ u suất dự báo củ a mô hình ướ c lươ ̣ng dướ i tất cả các số có thể có củ a vector đồ ng liên kết (0 - 4) trong mộ t hệ thố ng 4 biến. Các tác giả nhậ n thấ y rằng, giữ trậ t tự trễ liên tu ̣c, các mô hình số chính xác củ a vector đồ ng liên kết đa ̣t đươ ̣c mức sai số MSFE thấp hơ n dự báo dài ha ̣n, đặ c biệ t là liên quan đến mộ t mô hình quá chi tiết về ha ̣ng đồ ng tích hơ ̣p. Có nhiều nghiên cứ u dù đã đánh giá được hiệ u quả củ a các tiêu chí cho ̣n mô hình cho việc quyết đi ̣nh độ dài trễ và số đồ ng liên kết, song vẫn chưa thể đánh giá chính xác hiệ u quả củ a mô hình dự báo đươ ̣c lựa cho ̣n. Gonzalo và Pitarakis (1999) chỉ ra trong mộ t hệ thố ng lớ n, các bướ c lựa cho ̣n mô hình thông thườ ng có thể làm giảm số ha ̣ng đồ ng tích hơ ̣p rất lớ n.

Cogley và Sargent (2001, 2005), Benati (2004) và Levin và Piger (2004) đều cho rằ ng sự thay đổ i về thờ i gian có ý nghĩa quan tro ̣ng quyết định giá tri ̣ trung bình và tính ỳ củ a la ̣m phát. Haldane và Quah (1999), Cogley và Sargent (2001) ghi nhậ n sự thay đổ i lớ n trong tươ ng quan giữa la ̣m phát và thất nghiệ p trong giai đoa ̣n sau Thế chiến II. Về các bằng chứ ng trong giai đoa ̣n hậ u Thế chiến II, các chuỗi thờ i gian củ a biến số vĩ mô cho thấy sự đứ t gãy phươ ng sai nhưng không liên quan đến sự thay đổ i củ a giá tri ̣ kỳ vo ̣ng. Cogley và Sargent (2005), Cogley và cộng sự (2010) đã sử du ̣ng mô hình cấu trúc VAR vớ i chuỗi thờ i gian cho nền kinh tế Mỹ: các biến số la ̣m phát, thất nghiệ p và lãi suất đặ t trong mẫu vớ i sự thay đổ i ngẫu nhiên trên cơ sở ma trậ n hiệ p phươ ng sai nhiễu tươ ng ứ ng. Thêm vào đó, Sims và Zha (2006) khẳng định việ c sử du ̣ng mô hình cấu trúc BVAR vớ i biến thờ i gian thay đổ i theo chuỗi Markov mà biến thờ i gian đươ ̣c quan sát ở trong môi trườ ng độ ng củ a Mỹ là hoàn toàn do điểm gãy củ a biến đổ i các cú số c mà không phải do các tham số hồ i quy. Điều này gơ ̣i ý việ c bổ sung các thay đổ i cấu trúc vào mô hình chuỗi thờ i gian có thể tă ng khả nă ng dự báo la ̣m phát. Kết quả ngoài mẫu củ a mô hình này có vẻ là mộ t lựa cho ̣n tốt hơn so vớ i các mô hình có thể thay thế khác. Tổ ng quát hơ n, Pesaran và cộng sự (2006), Koop và Potter (2007) đã chỉ ra mô hình dự báo vớ i các điểm gẫy cấu trúc đưa ra dự báo tố t ngoài mẫu đố i vớ i mộ t loa ̣t chuỗi biến vĩ mô.

Mộ t vấn đề khác của dự báo la ̣m phát là làm thế nào để cho ̣n biến dự báo cho la ̣m phát kỳ vo ̣ng. Ví du ̣, dạng rút go ̣n củ a đườ ng cong Phillips ám chỉ việ c lựa cho ̣n mô hình khi la ̣m phát phu ̣ thuộ c vào la ̣m phát quá khứ và la ̣m phát kỳ vo ̣ng. Tỷ lệ thất nghiệ p điển hình đươ ̣c sử du ̣ng như một thước đo về sự trì trệ củ a nền kinh tế trong mô hình dự báo la ̣m phát. Tuy nhiên, đến nay vẫn còn nhiều ý kiến bất đồng về các thướ c đo phù hơ ̣p củ a hoa ̣t độ ng thực tế đươ ̣c sử du ̣ng trong mô hình như vậ y. Theo đó, có hai cách tiếp cậ n được xét đến: (i) dựa trên sự kết hơ ̣p dự báo củ a các lựa cho ̣n có thể củ a các mô hình dự báo đườ ng cong Philips; (ii) dựa trên mô hình đườ ng cong Phillips duy nhất chứa đựng thành phần chính là các biến trễ kinh tế cũng như các đo lườ ng thực tế.

Stock và Watson (1999) cho thấy việc sử dụng mô hình đa biến nhằm dự báo ngoài mẫu cho hiệu quả vượt trội hơn so với mô hình tự hồ i quy (AR). Theo đó, khi áp du ̣ng mô hình Bayesian trung bình với 93 thông số tiềm nă ng để dự báo la ̣m phát Mỹ theo quý ngoài mẫu, Wright (2009) đã quyết định loa ̣i bỏ dự báo la ̣m phát củ a AR ngoài mẫu. Các học giả trên tiếp cận vấn đề thông qua mô hình đườ ng cong Phillips dựa trên tỷ lệ thất nghiệ p và các chỉ số Chicago Fed Economic Activity được lấy độ trễ thích hợp. Giố ng như Stock và Watson, Groen và cộng sự (2013) dự báo lạm phát sử du ̣ng mô hình tự hồ i quy có bổ sung biến ngoa ̣i sinh gia tă ng (mô hình ARX). Song, điểm khác biệt của nghiên cứu này thể hiện ở chỗ các tác giả sử du ̣ng mộ t khuôn khổ cho phép cả sự không chắc chắ n trong mố i quan hệ giữa la ̣m phát và biến dự báo cũng như sự không chắ c chắ n về các nhân tố tiềm nă ng trong hồ i quy dự báo la ̣m phát. Để đối phó với những bất định trên, mô hình trung bình Bayesian (BMA) đươ ̣c sử du ̣ng nhằm cho phép phá vỡ cấu trúc củ a nhiễu ngẫu nhiên (sai số) trong các thông số hồ i quy hoặc phươ ng sai lỗi củ a kết quả mô hình, hoặ c cả hai. Do đó, thủ tu ̣c dự báo củ a ho ̣ đồ ng thờ i kết hơ ̣p hai nguồ n chính củ a sự không chắ c chắ n.

Tại Việ t Nam, việc nghiên cứ u và ứ ng du ̣ng mô hình dự báo la ̣m phát cũng đã thu hút sự quan tâm củ a không chỉ cơ quan quản lý vĩ mô mà còn có các việ n nghiên cứ u, các chuyên gia và học giả kinh tế nhiều kinh nghiệ m. Nổ i bậ t trong số đó có thể kể đến: Võ Trí Thành và cộng sự (2001) vớ i mô hình tự hồ i quy vector (VAR) và hiệu chỉnh sai số (ECM) cho thấ y mố i quan hệ giữa tiền tệ , CPI, tỷ giá và giá tri ̣ sả n lươ ̣ng công nghiệ p thực tế vớ i dữ liệ u từ nă m 1992 – 1999; Nguyễn Thi ̣ Kim Thanh (2006) nghiên cứ u về la ̣m phát cơ bản; Nguyễn Thi ̣ Liên Hoa và Trần Đặ ng Dũng (2013) nghiên cứ u la ̣m phát ta ̣i Việ t Nam theo phươ ng pháp SVAR; Phạm Thế Anh (2009) với mô hình ước lượng các nhân tố tác động tới lạm phát tại Việt Nam; Đào Hoàng Dũng (2013) dự báo lạm phát Q1/2013 sử dụng mô hình

đơn biến ARIMA; Bùi Quốc Dũng và Hoàng Việt Phương (2014) sử dụng mô hình hiệu

chỉnh sai số vector (VECM) để dự báo lạm phát tại NHNN Việt Nam; Nguyễn Đức Trung

và Nguyễn Hoàng Chung (2017) ứng dụng mô hình cân bằng động học ngẫu nhiên tổng quát (DSGE) để dự báo các yếu tố vĩ mô cho nền kinh tế … Ngoài ra, còn các nghiên cứu

của Võ Văn Minh (2009), Phạm Thị Thu Trang (2009), Nguyen (2010), Tô Ánh Dương và

cộng sự (2012), Lương Thị Nga và cộng sự (2014), Trầm Thị Xuân Hương và cộng sự (2014), Nguyễn Thị Thu Trang (2017); BIDV (2018)…

Tóm lại, dù đã đạt một số kết quả đáng ghi nhận về dự báo lạm phát, các nghiên cứu trước đây chưa thể giải quyết một cách thấu đáo và có hệ thống các mục tiêu: (i) Hệ thống hóa lý thuyết về mô hình dự báo lạm phát; (ii) Thiết lập mô hình định lượng khám phá mối liên hệ giữa các biến số vĩ mô và CPI, tạo tiền đề cho việc dự báo lạm phát và hoạch định chính sách; (iii) Hoàn thiện hệ thống mô hình dự báo lạm phát cho Việt Nam dựa trên các yêu cầu đặc thù trong điều hành chính sách. Để tìm lời giải đáp đối với những vấn đề bỏ ngỏ trên, tác giả quyết định thực hiện đề tài luận án này.

3. KHOẢNG TRỐNG NGHIÊN CỨU VÀ CÂU HỎI NGHIÊN CỨU

3.1. Khoảng trống nghiên cứu

Dựa trên tổ ng quan nghiên cứ u, có thể thấy mặc dù chủ đề phát triển mô hình dự báo lạm phát trong điều hành CSTT không còn mớ i mẻ, song vẫn tồn tại những khoảng trố ng có thể tiếp tục khai thác và phát triển, cụ thể:

Thứ nhất, cho đến nay, chưa có một nghiên cứu nào tổng kết được một cách có hệ thống khung lý thuyết về mô hình dự báo lạm phát trong điều hành CSTT. Đề tài được thực hiện nhằm trước hết hoàn thiện khoảng trống lý luận trên.

Thứ hai, khi áp dụng mô hình đơn biến để dự báo lạm phát, các nghiên cứu trước mới dừng ở việc sử dụng các thước đo giá cả truyền thống có tính tổng hợp như chỉ số giá

tiêu dùng (CPI), chỉ số giá sản xuất (PPI) hoặc chỉ số giá giảm phát (GDP deflator) chứ

chưa có sự phân tách cụ thể từng nhóm hàng hóa chủ chốt cấu thành CPI tổng thể. Do đó,

kết quả dự báo thu được từ các nghiên cứu này được đánh giá còn nặng tính phổ quát, kém tin cậy và thiếu sức thuyết phục. Với việc lần đầu tiên thực nghiệm mô hình cho chuỗi giá

các hàng hóa thành phần chính trong rổ CPI, luận án được kỳ vọng có thể cung cấp thêm

một cách tiếp cận mới đầy đột phá trong công tác dự báo các biến số vĩ mô sử dụng mô hình

đơn biến tại Việt Nam, nhờ đó, chất lượng dự báo có thể được nâng lên đáng kể dựa trên hàm lượng thông tin tiên lượng cụ thể và dồi dào.

Thứ ba, chưa có nghiên cứ u độ c lậ p nào ở Việ t Nam ứng dụng và phát triển mô hình đa biến để dự báo mức tăng giá cả dựa trên việc xem xét đầy đủ các nhân tố từ cả phía cung

và phía cầu của lạm phát. Trên thực tế, đa phần các nghiên cứu trước đây thường tập trung

vào các yếu tố “cầu kéo” khi phân tích, đánh giá biến động của lạm phát mà bỏ qua hẳn

kênh tác động từ phía tổng cung. Nhân tố duy nhất từ phía cung được đưa vào xem xét trong các nghiên cứu này là giá cả quốc tế (các cú sốc ngoại sinh). Hơn nữa, các nghiên cứu mới

nhất về dự báo lạm phát tại Việt Nam được tiến hành trên các chuỗi dữ liệu từ năm 2015 trở

về trước, theo đó mô hình thực nghiệm dường như đã bỏ qua sự hiện diện của nhiều yếu tố mới có ảnh hưởng trọng yếu tới kết quả dự báo lạm phát (ví dụ: chiến tranh thương mại Mỹ

- Trung; hiệp định TPP sụp đổ với sự rút lui của Mỹ và sau được thay thế bằng hiệp định

CPTPP được ký kết giữa 11 quốc gia đối tác xuyên Thái Bình Dương; sự bùng phát của đại

dịch COVID-19 khiến kinh tế toàn cầu tiến gần hơn tới một cuộc “đại khủng hoảng”…). Luận án được kỳ vọng có thể cung cấp thảo luận chính sách và phân tích chuyên sâu nhằm bao quát tốt những vấn đề lớn có tính thời sự nhờ việc vận dụng các công cụ định lượng hiện đại, được kiểm chứng chặt chẽ về mặt khoa học cùng các bằng chứng đáng tin cậy.

Thứ tư, việc dự báo lạm phát trong các nghiên cứu trước đây thường tập trung ở một số dạng thức mô hình nhất định, theo đó việc đánh giá, so sánh hiệu quả dự báo giữa các mô

hình chưa được chú trọng. Bởi lẽ việc đánh giá chất lượng mô hình dự báo chưa được các nhà nghiên cứu quan tâm, người đọc khó có thể bị thuyết phục rằng các mô hình được đề

xuất này cung cấp kết quả đáng tin cậy và có luận cứ khoa học vững vàng, mặt khác, điểm

mới đột phá của mô hình nghiên cứu so với các công trình trước đây cũng ít khi được đề

cập. Khắc phục tồn tại trên, luận án được triển khai không dừng lại ở việc thực nghiệm dự

báo lạm phát thông qua các lớp mô hình dự báo khác nhau theo tần suất tháng và quý trong ngắn và trung hạn, việc đánh giá riêng rẽ, kết hợp so sánh hiệu quả dự báo giữa các lớp mô

hình được triển khai cũng như so sánh với các mô hình được thực nghiệm trước đây cũng sẽ

được nhấn mạnh nhằm rút ra bài học kinh nghiệm, hàm ý chính sách đối với công tác hoạch định và điều hành chính sách vĩ mô nói chung và điều hành giá cả nói riêng tại Việt Nam.

3.2. Câu hỏi nghiên cứu

Để tiếp tu ̣c đóng góp vào cơ sở lý luậ n đối với chủ đề dự báo lạm phát trong hoạch định và điều hành CSTT, đồ ng thờ i phần nào lấp đầy các khoảng trố ng đã nêu, luận án hướng tới giải quyết các câu hỏi nghiên cứu sau:

Thứ nhất, việc phát triển mô hình dự báo lạm phát trên cơ sở tổng hợp kết quả dự báo đơn biến đối với chuỗi giá các mặt hàng thành phần chính trong rổ CPI liệu có tạo sự đột phá về hiệu quả dự báo so với dự báo đơn biến với riêng chuỗi CPI tổng hợp?

Thứ hai, các nhân tố xuất phát từ phía cung (giá sản xuất, tiền lương, tỷ giá), từ phía cầu (chênh lệch sản lượng, cung tiền, tín dụng, lãi suất) và từ phía nền kinh tế thế giới (giá

dầu, giá hàng hóa thế giới, lãi suất hiệu dụng của FED) tác động ra sao tới biến động lạm

phát qua các năm? Trong số này, kênh nào tác động chủ chốt nhất? Từ đó, liệu việc áp dụng

cấu trúc mô hình chứa đựng đầy đủ các kênh tác động có thể giúp cải thiện đáng kể chất lượng dự báo lạm phát so với các cấu trúc khuyết thiếu trước đây?

Thứ ba, trong các lớp mô hình dự báo được đề cập, mô hình nào là sự lựa chọn tối ưu cho mục đích dự báo lạm phát trong ngắn hạn và trung hạn? Tần suất dữ liệu (tháng/quý)

nên được khai thác và vận dụng ra sao để hỗ trợ có hiệu quả cho các thủ tục dự báo? Mặt

khác, khi tiến hành dự báo lạm phát ngoài mẫu trong bối cảnh xuất hiện cú sốc diện rộng

(lúc này, các kịch bản thông thường bị vô hiệu hóa), lớp mô hình nào nên được áp dụng và điều chỉnh kỹ thuật nào cần được can thiệp để đảm bảo ổn định hiệu quả dự báo?

Thứ tư, từ kết quả dự báo thu được theo tần suất và tầm xa khác nhau, có thể đưa ra những giải pháp, khuyến nghị nào để phát triển và áp dụng có hiệu quả các lớp mô hình dự báo lạm phát khác nhau phục vụ điều hành CSTT tại Việt Nam?

4. MỤC TIÊU NGHIÊN CỨU

4.1. Mục tiêu chung

Luận án hướng tới ứng dụng mô hình dự báo lạm phát phục vụ điều hành CSTT tại Việt Nam, trên cơ sở đó đề xuất giải pháp, khuyến nghị nhằm thúc đẩy ứng dụng mô hình dự báo lạm phát trong điều hành CSTT.

4.2. Mục tiêu cụ thể

Thứ nhất, luận án trình bày cơ sở lý thuyết về mô hình dự báo lạm phát trong điều

hành CSTT.

Thứ hai, luận án phân tích kinh nghiệm của NHTW các nước về ứng dụng mô hình

dự báo lạm phát trong điều hành CSTT, từ đó rút ra bài học cho Việt Nam.

Thứ ba, luận án phân tích thực trạng lạm phát và điều hành CSTT nhằm kiểm soát lạm phát tại Việt Nam để tạo cơ sở cho việc thiết lập mô hình mối quan hệ giữa các biến số vĩ mô với lạm phát.

Thứ tư, luận án phân tích thực trạng phát ứng dụng mô hình dự báo lạm phát trong

điều hành CSTT tại NHNN Việt Nam, từ đó rút ra đánh giá.

Thứ năm, luận án đề xuất hoàn thiện mô hình dự báo lạm phát ngắn hạn và trung

hạn trong điều hành CSTT cho Việt Nam, từ đó đánh giá chất lượng mô hình dự báo.

Thứ sáu, luận án đề xuất giải pháp, khuyến nghị nhằm thúc đẩy ứng dụng mô hình

dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025.

5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

Đối tượng nghiên cứu của luận án là việc phát triển thực nghiệm mô hình định lượng

dự báo chuỗi lạm phát theo tháng và quý trên cơ sở phân tích mối quan hệ giữa các biến số vĩ mô và chỉ số giá trong giai đoạn 2005 – 2019 tại Việt Nam. Ngoài ra, luận án cũng tiến

hành phân tích thực trạng lạm phát, điều hành CSTT nhằm mục tiêu kiểm soát lạm phát và thực trạng ứng dụng mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam.

Phạm vi nghiên cứu về thời gian của luận án kéo dài từ năm 2000 tới 2019. Riêng

với nghiên cứu định lượng, do hạn chế trong tiếp cận dữ liệu tần suất tháng và quý, giai đoạn nghiên cứu sẽ chỉ giới hạn từ tháng 1/2005 tới tháng 12/2019. Pha ̣m vi trê n vẫn đả m bảo tính đầ y đủ , tin cậ y về mặt dữ liệ u cũng như độ dài của chuỗi, theo đó việc xử lý thực nghiệm mô hình định lượng là hoàn toàn khả thi. Ngoài ra, để đảm bảo dự báo ngoài mẫu

đạt được sự chính xác và gắn kết với bối cảnh thực, thông tin dữ liệu mới nhất đến thời điểm tháng 4/2020 cũng sẽ được cập nhập đầy đủ.

6. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

6.1. Phương pháp nghiên cứu

Đề tài sử dụng kết hợp giữa phương pháp nghiên cứu định tính và nghiên cứu định

lượng để giải quyết các mục tiêu nghiên cứu đề ra. Cụ thể:

- Phươ ng pháp thố ng kê mô tả: là phươ ng pháp gắn với thu thậ p số liệ u, trình bày, tính toán và mô tả các đặ c trưng khác nhau để phản ánh tổ ng quát về đố i tươ ̣ng nghiê n cứ u. Phươ ng pháp này đươ ̣c sử du ̣ng xuyê n suố t quá trình thu thậ p, xử lý số liệ u, tính toán, phân tích và trình bày các nộ i dung gắn với la ̣m phát ta ̣i Việ t Nam.

- Phươ ng pháp phâ n tích và tổ ng hơ ̣p lý thuyết: là phươ ng pháp nghiê n cứ u các tài liệ u, lý thuyết khác nhau thông qua việc phâ n tích chú ng thà nh từ ng bộ phậ n để tìm hiểu sâ u sắ c về đố i tươ ̣ng, từ đó liê n kết từ ng bộ phậ n thô ng tin đã phâ n tích nhằm ta ̣o ra mộ t hệ thố ng lý thuyết mớ i đầy đủ và sâ u sắ c về đố i tươ ̣ng. Phươ ng pháp nà y đươ ̣c sử dụng chủ yếu trong quá trình phâ n tích và tổ ng hơ ̣p các vấn đề lý thuyết về la ̣m phát, CSTT và mô hình dự báo lạm phát củ a Việ t Nam và trên thế giớ i.

- Phương pháp phỏng vấn sâu: Tác giả tiến hành phỏ ng vấn sâu đối với 15 chuyên gia, bao gồm lãnh đạo cấp Vụ, lãnh đạo cấp Phòng và cán bộ chuyên trách thuộc các Vụ Dự

báo, Thống kê và Chính sách tiền tệ nhằm tìm hiểu quan điểm, nhận định, đánh giá của họ

về thực tiễn triển khai dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam, đồng thời thu thập các ý kiến đề xuất, gợi mở của chuyên gia về việc phát triển hoàn thiện và đồng bộ hệ

thống các mô hình dự báo, qua đó phục vụ hiệu quả cho hoạch định, điều hành CSTT tại Việt Nam.

- Phươ ng pháp mô hình hó a: là phươ ng pháp dựa trên nghiên cứu cụ thể các đố i tươ ̣ng mục tiêu, có thể tiến hành mô phỏng la ̣i (simulate) đố i tươ ̣ng đó theo các cơ cấu, chứ c nă ng củ a đố i tươ ̣ng. Trong luận án, phươ ng pháp trê n đươ ̣c sử du ̣ng để mô hình hó a (ở dạng phươ ng trình) mố i quan hệ giữa các biến số vĩ mô vớ i la ̣m phát ta ̣i Việ t Nam trong giai đoa ̣n 2005 – 2019.

- Phươ ng pháp tiên lượng: Dựa trê n mố i quan hệ giữa cá c biến số vĩ mô vớ i lạm phát ta ̣i Việ t Nam trong giai đoa ̣n 2005 – 2019 đã đươ ̣c mô hình hó a, luận án áp du ̣ng phươ ng pháp nà y để tiên lượng (dự báo sử dụng mô hình định lượng) la ̣m phát ta ̣i Việ t Nam trong ngắ n và trung ha ̣n.

6.2. Dữ liệu

Dữ liệu phục vụ nghiên cứu được thu thập từ các nguồn sau: (i) dữ liệu tiền tệ - ngân hàng từ Thố ng kê tài chính quố c tế củ a IMF và NHNN Việt Nam; (ii) dữ liệ u kinh tế vĩ mô từ Tổ ng cu ̣c Thố ng kê ; (iii) dữ liệu giá cả quốc tế từ Fed St. Louis; (iv) dữ liệu về tình hình dịch COVID-19 từ Trung tâm Phòng chống và Kiểm soát dịch bệnh Châu Âu (ECDC).

7. THIẾT KẾ NGHIÊN CỨU

8. ĐÓNG GÓP MỚI CỦA LUẬN ÁN

8.1. Về mặt lý luận

Thứ nhất, về lý thuyết điều hành CSTT, luận án trình bày và phân tích vai trò của CSTT trong việc kiểm soát lạm phát dựa trên việc xem xét ba cơ chế đặc trưng: chính sách

cố định tỷ giá hối đoái, chính sách hướng vào cung tiền và chính sách mục tiêu lạm phát. Theo đó, ứng với từng mô hình chính sách, các đặc trưng quan trọng, ưu điểm và hạn chế đều được chỉ rõ.

Thứ hai, về lý thuyết mô hình dự báo lạm phát trong điều hành CSTT, trước tiên luận án làm rõ khái niệm và mục tiêu của dự báo lạm phát, phân tích vai trò của nó trong điều hành CSTT và đề xuất quy trình dự báo lạm phát với 8 bước. Tiếp đó, luận án giới thiệu lý thuyết nền về các lớp mô hình dự báo lạm phát đang được áp dụng phổ biến gồm: lớp mô hình đơn biến (ARIMA) và lớp mô hình đa biến (gồm VAR và VECM).

Thứ ba, luận án phân tích kinh nghiệm quốc tế về ứng dụng mô hình dự báo lạm phát trong điều hành CSTT, tập trung vào các khía cạnh: lựa chọn mô hình dự báo và đơn vị

thực hiện dự báo, xây dựng, vận hành mô hình dự báo và ứng dụng kết quả dự báo lạm phát trong điều hành CSTT, từ đó rút ra bài học cho Việt Nam.

8.2. Về mặt thực tiễn

Thứ nhất, luận án tiến hành phân tích toàn diện diễn biến lạm phát thực tế tại Việt Nam trong vòng 20 năm (2000 – 2019). Đối với từng lát cắt giai đoạn, tác giả rút ra các đặc

trưng chính gắn với diễn biến lạm phát giai đoạn đó, làm rõ các nguyên nhân căn cơ đằng

sau cũng như phân tích cụ thể cơ chế và thực tiễn điều hành CSTT hướng tới mục tiêu hàng đầu là kiểm soát lạm phát và thúc đẩy tăng trưởng. Đây là cơ sở quan trọng cho việc phân tích mối quan hệ giữa các biến số vĩ mô với lạm phát tại Việt Nam.

Thứ hai, luận án tiến hành phân tích, đánh giá toàn diện thực trạng phát triển các lớp mô hình dự báo lạm phát tại NHNN Việt Nam và ứng dụng chúng trong điều hành CSTT.

Việc đánh giá này giúp chỉ ra một số kết quả đạt được, tồn tại và nguyên nhân của tồn tại, căn cứ vào đó để đề xuất khuyến nghị, giải pháp hoàn thiện mô hình dự báo đang được vận hành tại NHNN.

Thứ ba, luận án cải tiến, phát triển thực nghiệm các lớp mô hình ARIMA và VECM để dự báo lạm phát tại Việt Nam xuất phát từ lý thuyết về lạm phát, quá trình khảo lược các

nghiên cứu trước đây, kết quả đánh giá thực trạng phát triển mô hình dự báo tại NHNN và thực tiễn vận hành của nền kinh tế Việt Nam. Cụ thể, với mô hình ARIMA phục vụ dự báo ngắn hạn, tác giả phân tách cụ thể 10 nhóm chỉ số giá hàng hóa nhằm dự báo, đánh giá tác động và mức độ đóng góp của từng nhóm hàng hóa thành phần tớ i CPI tổ ng thể. Trong khi đó, với mô hình VECM được hiệu chỉnh, cải tiến từ cấu trúc mô hình gốc được áp dụng tại

NHNN, tác giả hướng tới giải quyết hai mục tiêu quan trọng gồm: (i) phân tích thực nghiệm mối quan hệ giữa các nhân tố vĩ mô và lạm phát; (ii) tiến hành dự báo lạm phát trong trung

hạn sử dụng các chuỗi biến tần suất tháng và quý. Kết quả đánh giá dựa trên các tiêu chuẩn

thống kê cho thấy chất lượng dự báo của các mô hình do luận án đề xuất tỏ ra vượt trội so với các phiên bản mô hình trước, và về cơ bản bám khá sát xu hướ ng thực.

Thứ tư, vận dụng mô hình VECM tần suất tháng và quý được cải tiến và phát triển về mặt cấu trúc, luận án đạt được thành công trong việc dự báo diễn biến CPI trong năm

2020 dựa theo các kịch bản chi phối của đại dịch COVID-19 đối với biến ngoại sinh (kịch bản “bất thường”). Kết quả chỉ ra rằng Việt Nam 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%.

Thứ năm, dựa trên định hướng về điều hành CSTT và phát triển hoạt động dự báo tại Việt Nam kết hợp tham khảo kinh nghiệm quốc tế và các đánh giá từ phân tích thực

trạng, luận án đề xuất giải pháp, khuyến nghị nhằm thúc đẩy ứng dụng mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025.

9. KẾT CẤU LUẬN ÁN

Ngoài phần Phần mở đầu, Kết luận chung, Tài liệu tham khảo và Phụ lục, nội dung

luận án được kết cấu theo bốn chương sau:

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

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

tại Việt Nam;

Chương 3: Đề xuất hoàn thiện mô hình dự báo lạm phát trong điều hành chính sách

tiền tệ tại Việt Nam;

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 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

Theo Oxford English Dictionary (1989), thuật ngữ “lạm phát” được lần đầu tiên

được sử dụng với hàm ý là sự mất giá của tiền tệ. Đến năm 1874, “lạm phát” còn mang

thêm nghĩa là sự gia tăng liên tục của giá cả. Lạm phát theo nghĩa sự tăng lên của giá cả

được nhấn mạnh trong suốt cuộc nội chiến tại Mỹ (1861-1865) khi đồng đô la bản vị vàng bị thay thế bằng đồng bạc xanh, loại tiền giấy phát hành bởi Chính phủ Mỹ và có xu hướng mất giá theo thời gian (Bernholz, 2003).

Lạm phát theo đó là một hiện tượng kinh tế xuất hiện cùng sự ra đời của tiền giấy và

được nhìn nhận dưới nhiều góc độ bởi các tác động của nó đối với đời sống kinh tế - xã hội.

Trong lịch sử, các nhà kinh tế đã định nghĩa lạm phát theo nhiều cách tiếp cận khác nhau.

Theo Kemmerer (1942) và Crowther (1958), lạm phát là hiện tượng mà giá trị đồng tiền bị suy giảm theo thời gian. Trong khi đó, Samuelson (1961) cho rằng lạm phát biểu thị bằng sự

tăng lên của mặt bằng chung giá cả. Cùng quan điểm với Samuelson, Johnson (1963) định

nghĩa lạm phát là sự tăng lên bền vững của giá cả, còn Friedman (1968) nhận định lạm phát

là việc giá cả tăng nhanh và kéo dài. Tuy vậy, đa số các nhà kinh tế học hiện nay đồng tình với 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. Làm rõ hơn khái niệm này, Dwivedi (2005)

nhấn mạnh sự tăng giá phải diễn ra liên tục trong một khoảng thời gian (từ 1 – 2 năm) và sự tăng giá này không có phản ứng với bất kỳ các chính sách kiềm chế lạm phát nào khác.

Về nguyên nhân gây ra lạm phát, các nhà kinh tế cũng có nhiều quan điểm khác

nhau. Các nhà kinh tế theo trường phái cổ điển, đại diện là Fisher (1911), chỉ ra rằng lạm phát gây ra bởi sự tăng lên của lượng cung tiền tại một mức sản lượng nhất định. Nghiên

cứu của tác giả này cho rằng giá cả bị ảnh hưởng của lượng cung tiền nhiều hơn là do lượng

cung hàng hóa. Mức giá cả nói chung hầu như chỉ thay đổi bởi các yếu tố tiền tệ (vàng, bạc,

tiền giấy, tín dụng) và ít chịu ảnh hưởng bởi các nhân tố hàng hóa. Tuy nhiên, các nhà kinh tế theo trường phái Keynes, mà đại diện là J.M. Keynes và Wicksell, cho rằng lạm phát được xác định dựa trên sự thay đổi của mặt bằng giá cả nói chung vốn được xác định dựa trên tổng cầu và tổng cung hàng hóa (Hansen, 1951). Theo đó, lạm phát là trường hợp mà tổng cầu hàng hóa, dịch vụ vượt quá lượng cung tại mức giá phổ biến; việc cầu vượt quá cung là nhân tố chung khiến cho lạm phát xuất hiện và tăng lên (Gupta, 2008).

Trong khi đó, các nhà kinh tế trườ ng phái tân cổ điển mà đa ̣i diệ n là Samuelson (1961) khẳ ng đi ̣nh: la ̣m phát xảy ra khi mứ c chung củ a giá cả cũng như chi phí tă ng (giá

bánh mì, dầu xă ng, xe ô tô tă ng, tiền lươ ng, giá đất, tiền thuê tư liệ u sản xuất) và do đó la ̣m phát chính là biểu thi ̣ sự tă ng lên củ a giá cả. Theo các nhà kinh tế theo trườ ng phái tiền tệ , la ̣m phát là mộ t hiệ n tươ ̣ng tiền tệ (Friedman, 1989), theo đó la ̣m phát xuất hiệ n chủ yếu bở i sự tă ng lên củ a cung tiền tệ lớ n hơ n mứ c tă ng trưởng củ a nền kinh tế (Dornbush và Fischer, 1993). Việ c tă ng lên củ a lươ ̣ng cung tiền ta ̣o thành la ̣m phát và việ c cung tiền giảm đi gây ra giảm phát. Nói mộ t cách đơ n giả n nhất, có thể giả đi ̣nh rằ ng việ c tă ng cung tiền có thể khiến cho giá tiêu dùng tă ng lên (Gupta, 2008).

Như vậ y, hiểu một cách thấu đáo, la ̣m phát là sự tă ng lên liên tục củ a mứ c giá cả chung. Sự tă ng giá tươ ng đố i củ a mộ t số mặt hàng cụ thể có thể do chứ c nă ng, cơ chế phân phố i củ a thi ̣ trườ ng thì không đươ ̣c coi là la ̣m phát. Ví du ̣, việ c tă ng giá hàng hóa lươ ng thực có thể có nguyên nhân do việ c mất mùa hơ n là ảnh hưở ng củ a la ̣m phát. Ngoài ra, việ c tăng lên củ a mứ c giá chung phả i “liên tu ̣c” chứ không mang tính nhất thờ i do chi ̣u ả nh hưở ng củ a các cú số c mang tính ta ̣m thờ i và không lặ p la ̣i. Thuật ngữ “liên tu ̣c” hàm ý các chủ thể trong nền kinh tế bắ t đầu tính toán về sự tă ng lên củ a mứ c giá khi đưa ra các quyết đi ̣nh kinh tế củ a mình.

Bên cạnh lạm phát, một số phạm trù khác liên quan tới sự thay đổi của mức giá hay mức độ tăng giá cần đươ ̣c đề cậ p trong phần này là giảm phát (deflation) và thiểu phát (disinflation). Trái ngược với lạm phát, giảm phát là tình trạng giảm giá chung củ a các loa ̣i hàng hóa, trong đó nguyên nhân có thể đến từ sự su ̣t giảm ma ̣nh củ a tổ ng cầu khiến nhà sản xuất phải cắ t giả m ma ̣nh giá bán để hấp dẫn ngườ i mua (Bernanke, 2002). Trong thập niên 1920 – 1930, tại Mỹ, hiện tượng giả m phát xảy ra khá thường xuyên khi các điều hành đánh giá thấp tác độ ng củ a giảm phát cũng như không đưa ra những biệ n pháp cần thiết để đố i phó vớ i hiệ n tươ ̣ng này. Tuy nhiên, tại các quố c gia đã từ ng tồ n ta ̣i chế độ bản vi ̣ vàng, ví dụ như Thu ̣y Điển, việc thoát khỏi giảm phát dường như diễn ra khá nhanh chóng. Trong khi đó, thiểu phát là hiện tượng sụt giảm liên tục của tỷ lệ lạm phát và nó thường xảy ra trước

mỗi thời kỳ giảm phát. Nguyên nhân gây ra thiểu phát có thể xuất phát từ việc áp dụng các

biện pháp chống lạm phát quá liều (ví dụ: thắt chặt tiền tệ, tài khóa và hạn chế cầu quá mức), sử dụng các biện pháp ngăn ngừa lạm phát một cách cứng nhắc như trực tiếp kiểm

soát giá của một số mặt hàng, hoặc có thể xuất phát từ những sai lầm trong điều hành vĩ mô (Cao Thị Ý Nhi và Đặng Anh Tuấn, 2017).

Giảm phát và thiểu phát ít nhiều có các hình thức biểu hiện bên ngoài khó phân biệt do chúng cùng thể hiện xu hướng sụt giảm của mức giá cả chung. Mặt khác, cũng có không ít người ngộ nhận và đánh đồng giữa hai phạm trù giảm phát và thiểu phát, theo đó xóa nhòa ranh giới giữa hai học thuyết quan trọng: thuyết lạm phát giá cả và thuyết lạm phát lưu thông tiền tệ.

(i) Thuyết lạm phát giá cả nhìn nhận lạm phát là quá trình tăng mức giá chung, trong

khi giảm phát là quá trình giảm mức giá chung trong nền kinh tế. Theo giác độ này, không hề có chỗ đứng cho khái niệm về thiểu phát.

(ii) Thuyết lạm phát lưu thông tiền tệ (hay thuyết lạm phát số lượng tiền tệ) xem xét

lạm phát là hiện tượng giá cả tăng do chính phủ bơm quá nhiều tiền vào lưu thông. Ngược

lại, việc cung ứng lượng tiền vào lưu thông thấp hơn mức cần thiết, dẫn đến sản xuất và lưu thông trong nền kinh tế bị “tắc nghẽn” do thiếu hụt tiền là hiện tượng thiểu phát (hay lạm

phát âm). Dựa trên thuyết này, lạm phát zero là thời điểm tại đó xác lập sự cân bằng giữa

cung – cầu tiền tệ, lượng tiền phát hành ra phù hợp với mức yêu cầu cần thiết của cầu lưu

thông hàng hóa, dịch vụ của nền kinh tế. Khi giảm phát vượt qua ngưỡng này thì nó và lạm phát sẽ biến mất và tình trạng thiểu phát xuất hiện. Mối quan hệ giữa lạm phát, giảm phát và thiểu phát có thể được biểu diễn như Hình 1.1.

Hình 1.1: Mối quan hệ lạm phát – giảm phát – thiểu phát

Lạm phát Giảm phát (+) Thừa tiền

(-) Thiếu tiền Thiểu phát Lạm phát zero

Nguồn: Cao Thị Ý Nhi và Đặng Anh Tuấn (2017)

1.1.2. Nguyên nhân gây ra lạm phát

1.1.2.1. Lạm phát do tăng cung tiền

Theo lý thuyết số lượng tiền tệ, lượng tiền trong nền kinh tế quyết định giá trị của

tiền và sự gia tăng khối lượng tiền tệ là nguyên nhân chủ yếu gây ra lạm phát. Xét phương trình: M×V=P×Y, sự gia tăng lượng tiền trong nền kinh tế có thể đạt được thông qua một trong ba kịch bản sau: mức giá cả (P) tăng; sản lượng (Y) tăng; tốc độ lưu thông tiền tệ (V) giảm. Khi tăng lượng cung ứng tiền tệ một cách nhanh chóng, kết quả là lạm phát sẽ tăng

cao. Tiền tệ là nguyên nhân trực tiếp gây ra lạm phát, tức là chỉ có tăng lượng tiền mới có

thể tăng giá. Vì vậy, việc quản lý tốt hạn mức tín dụng và linh hoạt hóa vòng quay của tiền

được coi là một trong những giải pháp sử dụng đồng tiền có hiệu quả và góp phần kiềm chế lạm phát.

Ban đầu nền kinh tế ở điểm 1 với mức sản lượng (tỷ lệ thất nghiệp) tự nhiên Yn, mức giá cả P1 – điểm giao nhau giữa đường tổng cung AS1 và đường tổng cầu AD1. Khi cung tiền tệ tăng lên, đường tổng cầu dịch chuyển sang phải tới vị trí AD2. Trong thời gian rất ngắn, nền kinh tế sẽ chuyển động đến điểm 1’ và mức sản lượng tăng vượt mức tự nhiên, đạt tới Y’ (Y’ > Yn). Điều này đã làm giảm tỷ lệ thất nghiệp xuống dưới mức tỷ lệ thất nghiệp tự nhiên, tiền lương tăng lên và làm giảm đường tổng cung, theo đó đường tổng cung

dịch chuyển tới vị trí AS2. Tại đây, nền kinh tế quay trở lại mức sản lượng tự nhiên trên đường tổng cung dài hạn. Ở điểm cân bằng mới (điểm 2), mức giá cả tăng từ P1 lên P2.

Hình 1.2: Lạm phát do lượng tiền cung ứng tăng liên tục và kéo dài

Nguồn: Mishkin (2016)

Cung tiền tệ tiếp tục tăng lên, đường tổng cầu lại dịch chuyển sang phải đến vị trí AD3, đồng thời đường tổng cung tiếp tục dịch chuyển sang trái tới vị trí AS3, tạo nên điểm cân bằng mới của nền kinh tế (điểm 3). Tại đây, mức giá cả tiếp tục thể hiện xu hướng tăng đến P3. Nếu cung tiền tệ tiếp tục được gia tăng, sự dịch chuyển của đường tổng cầu và tổng cung sẽ tiếp tục diễn ra như kịch bản trên, theo đó mức giá tăng liên tục và lạm phát trở nên ngày càng tồi tệ hơn.

Những phân tích của trường phái Keynes về tác động của việc tăng chi tiêu chính

phủ hoặc cắt giảm thuế cũng sẽ làm gia tăng tổng cầu, từ đó đẩy giá cả lên cao. Tuy nhiên,

những vấn đề của CSTK luôn có những giới hạn của nó, vì vậy việc tỷ lệ lạm phát tăng cao

trong trường hợp này chỉ là tạm thời. Một phân tích khác của trường phái Keynes về tác động của các cú sốc tiêu cực lên tổng cung (ví dụ: việc tăng giá dầu do hậu quả của lệnh

cấm vận dầu mỏ, công nhân biểu tình đòi tăng lương) cũng sẽ đẩy giá cả tăng cao. Song,

nếu cung tiền không tiếp tục tăng để tác động tới tổng cầu thì tới một lúc nào đó, tổng cung sẽ tự động dịch chuyển trở về vị trí ban đầu, do đó sự tăng giá trong trường hợp này cũng chỉ là hiện tượng nhất thời.

Với các phân tích trên, quan điểm của trường phái Keynes và trường phái tiền tệ về cơ bản đều thống nhất với nhau. Họ đều cho rằng lạm phát là hệ quả tất yếu từ việc tăng

trưởng tiền tệ cao. Ngoài ra, những phân tích trên cũng cho thấy ngoài lượng tiền, các tác

nhân khác như CSTK và cú sốc cung cũng có thể tác động tới tổng cầu và tổng cung, từ đó tác động tới giá cả và là nguyên nhân gây ra lạm phát.

1.1.2.2. Lạm phát do theo đuổi mục tiêu công ăn việc làm

Một mục tiêu kinh tế vĩ mô quan trọng mà đa số chính phủ các nước theo đuổi thường dễ gây ra lạm phát, đó là mục tiêu công ăn việc làm. Có hai dạng lạm phát là kết quả

của chính sách ổn định năng động nhằm thúc đẩy công ăn việc làm, đó là lạm phát do cầu kéo và lạm phát do chi phí đẩy (Hình 1.3).

Hình 1.3: Lạm phát do theo đuổi mục tiêu công ăn việc làm

(1) Lạm phát do cầu kéo (2) Lạm phát do chi phí đẩy

Nguồn: Mishkin (2016)

a. Lạm phát do cầu kéo

La ̣m phát do cầu kéo xảy ra do tổ ng cầu tă ng, đặ c biệ t khi sản lươ ̣ng đã đa ̣t hoặc vươ ̣t quá mứ c tự nhiên. Thực ra đây cũng là mộ t cách đi ̣nh nghĩa về la ̣m phát dựa theo nguyên nhân gây ra la ̣m phát: la ̣m phát đươ ̣c coi là do sự tồ n ta ̣i củ a mộ t mứ c cầu quá cao. Theo lý thuyết này, nguyên nhân củ a tình tra ̣ng dư cầu đươ ̣c giả i thích do nền kinh tế chi tiêu nhiều hơ n nă ng lực sản xuất. Tuy nhiên để cho đi ̣nh nghĩa này có sứ c thuyết phu ̣c thì cần phải giải thích ta ̣i sao chi tiêu la ̣i liên tu ̣c lớ n hơ n mứ c sả n xuất. Luận án sẽ lần lươ ̣t xem xét các thành tố củ a tổ ng cầu.

La ̣m phát hình thành khi xuất hiệ n sự gia tă ng độ t biến trong nhu cầu tiêu dùng và đầu tư. Chẳ ng ha ̣n, khi có những làn sóng mua sắ m mớ i làm tă ng ma ̣nh tiêu dùng, giá cả củ a những mặ t hàng này sẽ tă ng, làm cho la ̣m phát tăng lên và ngươ ̣c la ̣i. Tươ ng tự, la ̣m phát cũng phu ̣ thuộ c vào sự biến độ ng trong nhu cầu đầu tư: sự la ̣c quan củ a các nhà đầu tư làm tă ng nhu cầu đầu tư và do đó đẩy mứ c giá tă ng lên.

Trong nhiều trườ ng hơ ̣p, la ̣m phát thườ ng bắt nguồ n từ sự gia tă ng quá mứ c trong các chươ ng trình chi tiêu củ a chính phủ . Khi chính phủ quyết đi ̣nh tă ng chi tiêu cho tiêu dùng và đầu tư nhiều hơ n vào cơ sở ha ̣ tầng, thì mứ c giá sẽ tă ng. Ngươ ̣c la ̣i, khi chính phủ quyết đi ̣nh cắt giảm các chươ ng trình chi tiêu công cộ ng, hoặ c các công trình đầu tư lớn đã kết thúc, thì mứ c giá sẽ giảm.

La ̣m phát cũng có nguyên nhân từ nhu cầu xuất khẩu. Tuy nhiên, hàng xuất khẩu tác độ ng tớ i la ̣m phát trong nướ c theo mộ t cách khác: khi nhu cầu xuất khẩu tă ng, lươ ̣ng còn la ̣i để cung ứ ng trong nướ c giả m và do vậ y làm tă ng mứ c giá trong nướ c. Ngoài ra, nhu cầu xuất khẩu và luồ ng vố n chảy vào cũng có thể gây ra la ̣m phát, đặ c biệ t trong chế độ tỷ giá hố i đoái cố đi ̣nh, vì điều này có thể là nguyên nhân dẫn tớ i sự gia tă ng lươ ̣ng tiền cung ứ ng. Tình hình ngươ ̣c la ̣i sẽ xả y ra khi nhu cầu xuất khẩu và luồ ng vố n nướ c ngoài chả y vào giảm do nền kinh tế thế giớ i hay trong khu vực lâm vào suy thoái.

Trong đồ thi ̣ tổ ng cung - tổ ng cầu, la ̣m phát do cầu kéo xuất hiệ n khi có sự di ̣ch chuyển sang bên phải củ a đườ ng tổ ng cầu. Quan sát Hình 1.3, ta thấy sự gia tă ng củ a một thành tố nào đó trong tổ ng cầu sẽ làm di ̣ch chuyển đườ ng tổ ng cầu sang bên phả i. Do đườ ng tổ ng cung dố c lên trong ngắ n ha ̣n, nền kinh tế sẽ có tố c độ tă ng trưở ng cao hơ n và thất nghiệ p thấp hơ n, nhưng đồ ng thờ i la ̣i phải đố i mặ t vớ i la ̣m phát. Rõ ràng la ̣m phát do cầu kéo sẽ không phả i là vấ n đề mà thực ra còn cần thiết và có lơ ̣i cho nền kinh tế nếu như nền kinh tế còn nhiều nguồ n lực chưa sử du ̣ng như trong trườ ng hơ ̣p đườ ng tổ ng cầu di ̣ch chuyển từ AD0 đến AD1: la ̣m phát sẽ khá thấp trong khi sản lươ ̣ng và việ c làm sẽ tă ng đáng kể. Ngươ ̣c la ̣i, la ̣m phát do cầu kéo sẽ trở thành vấn đề thực sự nếu toàn bộ nguồ n lực đã sử du ̣ng hết và đườ ng tổ ng cung trở nên rất dố c như trong trườ ng hơ ̣p đườ ng tổ ng cầu di ̣ch chuyển từ AD1 đến AD2. Khi đó, sự gia tă ng tổ ng cầu chủ yếu đẩy la ̣m phát dâng cao trong khi sản lươ ̣ng và việ c làm tă ng lên rất ít. b. Lạm phát do chi phí đẩy

La ̣m phát cũng có thể xảy ra khi mộ t số loa ̣i chi phí đồ ng loa ̣t tă ng lên trong toàn bộ nền kinh tế. Trong đồ thi ̣ tổ ng cung - tổ ng cầu, mộ t cú số c như vậ y sẽ làm đườ ng tổng cung di ̣ch chuyển lên trên và sang bên trái. Trong bố i cảnh đó, mo ̣i biến số kinh tế vĩ mô trong nền kinh tế đều biến độ ng theo chiều hướ ng bất lơ ̣i: sản lươ ̣ng giảm, cả thất nghiệ p và lạm phát đều tă ng. Chính vì vậ y, loa ̣i la ̣m phát này đươ ̣c go ̣i là la ̣m phát do chi phí đẩy hay la ̣m phát đi kèm suy thoái.

Ba loa ̣i chi phí thườ ng gây ra la ̣m phát là: tiền lươ ng, thuế gián thu và giá nguyên liệ u nhậ p khẩu. Khi công đoàn thành công trong việ c đẩy tiền lươ ng lên cao, các doanh nghiệ p sẽ tìm cách tă ng giá và kết quả là la ̣m phát xuất hiệ n. Vòng xoáy đi lên củ a tiền lươ ng và giá cả sẽ tiếp diễn và trở nên nghiêm tro ̣ng nếu chính phủ tìm cách tránh suy thoái bằ ng cách mở rộ ng tiền tệ .

Việ c chính phủ tă ng các sắc thuế tác độ ng đồ ng thờ i đến các nhà sản xuất cũng có thể gây ra la ̣m phát. Ở đây, thuế gián thu (kể cả thuế nhậ p khẩu, các loa ̣i lệ phí bắ t buộ c) đóng mộ t vai trò đặ c biệ t quan tro ̣ng, vì chúng tác độ ng trực tiếp tớ i giá cả hàng hoá. Nếu so sánh vớ i các nướ c phát triển là nhữ ng nướ c có tỷ lệ thuế trực thu cao, chúng ta có thể nhậ n đi ̣nh rằng ở các nướ c phát triển, nơ i mà thuế gián thu chiếm tỷ tro ̣ng lớ n trong tổ ng nguồ n thu từ thuế, thì thay đổ i thuế gián thu dườ ng như có tác độ ng ma ̣nh hơ n tớ i la ̣m phát.

Đố i vớ i các nền kinh tế nhậ p khẩu nhiều loa ̣i nguyên, nhiên, vậ t liệ u thiết yếu mà nền công nghiệ p trong nướ c chưa sả n xuất đươ ̣c, thì sự thay đổ i giá củ a chúng (có thể do giá quố c tế thay đổ i hoặ c tỷ giá hố i đoái biến độ ng) sẽ có ảnh hưở ng quan tro ̣ng đến lạm phát trong nướ c. Nếu giá củ a chúng tă ng ma ̣nh trên thi ̣ trườ ng thế giớ i hay đồ ng nộ i tệ giảm giá ma ̣nh trên thi ̣ trườ ng tài chính quố c tế, thì chi phí sản xuất trong nướ c sẽ tă ng ma ̣nh và la ̣m phát sẽ bùng nổ .

Nhữ ng yếu tố nêu trên có thể tác độ ng riêng rẽ, nhưng cũng có thể gây ra tác độ ng tổ ng hơ ̣p, làm cho la ̣m phát có thể tă ng tố c. Nếu chính phủ phản ứ ng quá ma ̣nh thông qua các chính sách thích ứ ng, thì la ̣m phát có thể trở nên không kiểm soát đươ ̣c, như tình hình củ a nhiều nướ c công nghiệ p trong thậ p niên 1970 và đầu 1980. 1.1.2.3. Lạm phát do thâm hụt ngân sách kéo dài

Thâm hụt NSNN cũng có thể là nguyên nhân dẫn đến sự gia tăng lượng tiền tệ cung

ứng, từ đó gây ra lạm phát cao.

Chính phủ có thể khắc phục tình trạng thâm hụt NSNN bằng biện pháp phát hành

trái phiếu chính phủ ra thị trường tài chính để vay vốn trong dân nhằm bù đắp cho phần bị

thiếu hụt. Biện pháp này không làm ảnh hưởng đến cơ số tiền tệ, do đó không làm tăng cung tiền và không tạo ra lạm phát. Một biện pháp khác chính phủ có thể áp dụng để bù đắp cho

thâm hụt ngân sách nhà nước (NSNN) là phát hành tiền. Biện pháp này trực tiếp làm tăng

thêm cơ số tiền tệ, do đó làm tăng lượng tiền cung ứng, đẩy tổng cầu tăng cao và gây ra lạm

phát. Tuy nhiên, ở các nước đang phát triển, do thị trường vốn bị hạn chế nên việc phát hành trái phiếu chính phủ để bù đắp thiếu hụt NSNN là điều không khả thi. Đối với nhóm quốc

gia này, giải pháp duy nhất đối với họ là sử dụng “máy in tiền”. Vì vậy, khi tỷ lệ thâm hụt

NSNN của các quốc gia này tăng cao, tiền tệ theo đó cũng sẽ tăng lên nhanh chóng, kết quả

là lạm phát tăng cao. Ở các nền kinh tế phát triển như Mỹ và EU, trong điều kiện thị trường vốn phát triển, một lượng lớn trái phiếu chính phủ có thể được bán ra và nhu cầu trang trải

cho thâm hụt NSNN được đáp ứng từ nguồn vốn vay của chính phủ. Tuy nhiên, nếu chính

phủ cứ tiếp tục phát hành trái phiếu, cầu về vốn vay sẽ tăng, từ đó lãi suất sẽ tăng cao. Để hạn chế tăng lãi suất thị trường, NHTW cần mua vào các trái phiếu đó, điều này đồng nghĩa với sự gia tăng cung tiền ra nền kinh tế.

Trong mọi trường hợp, tình trạng thâm hụt NSNN tăng cao và kéo dài sẽ là nguồn

gốc làm tăng lượng cung tiền và gây ra lạm phát.

1.1.2.4. Lạm phát do biến động tỷ giá hối đoái

Tỷ giá hối đoái giữa đồng nội tệ với đồng tiền của nước ngoài tăng cũng được coi là

một nguyên nhân gây ra lạm phát. Cụ thể:

- Khi tỷ giá tăng, đồng nội tệ mất giá, trước tiên sẽ tác động tới tâm lý nhà sản xuất

trong nước, muốn kéo giá cả hàng hóa lên theo mức tăng của tỷ giá.

- Khi tỷ giá tăng, giá nguyên liệu, hàng hóa nhập khẩu cũng tăng theo, đẩy chi phí

nguyên liệu tăng, từ đó quay trở lại lạm phát chi phí đẩy như đã trình bày ở trên. Việc tăng

giá nguyên vật liệu và hàng hóa nhập khẩu thường gây ra phản ứng dây chuyền, làm tăng

giá cả ở rất nhiều hàng hóa khác, đặc biệt là hàng hóa của những ngành sử dụng hàm lượng lớn nguyên liệu nhập khẩu và những ngành có mối liên hệ chặt chẽ với nhau (đầu vào của ngành này là đầu ra của ngành khác).

Đối với nền kinh tế nhập khẩu nhiều loại nguyên, nhiên, vật liệu thiết yếu mà nền

công nghiệp nội địa chưa có khả năng tự sản xuất hoặc sản xuất được nhưng với giá thành

cao, thì sự thay đổi giá của chúng (có thể do giá thế giới thay đổi hoặc tỷ giá hối đoái biến

động) sẽ tác động mạnh mẽ tới tình hình lạm phát trong nước. Nếu giá cả của chúng tăng mạnh trên thị trường thế giới hay đồng nội tệ mất giá mạnh trên thị trường tài chính quốc tế, chi phí sản xuất trong nước sẽ tăng mạnh và lạm phát sẽ bùng nổ.

Những yếu tố kể trên có thể tác động riêng rẽ, song cũng có thể tác động gộp, khiến

cho lạm phát có thể tăng tốc. Nếu chính phủ phản ứng quá mạnh thông qua các chính sách thích ứng, lạm phát có thể sẽ không thể kiểm soát được.

1.2. TỔNG QUAN VỀ CHÍNH SÁCH TIỀN TỆ

1.2.1. Khái niệm chính sách tiền tệ

Chính sách tiền tệ là công cụ quản lý kinh tế vĩ mô quan trọng nhất mà Nhà nước giao cho NHTW thực hiện. Theo quan điểm của Mishkin (2016): “CSTT là một trong các chính sách điều hành vĩ mô, được giao cho NHTW xây dựng và thực hiện thông qua các công cụ điều tiết lượng tiền cung ứng nhằm đạt được các mục tiêu kinh tế - xã hội nhất định trong từng thời kỳ”. Trong khi đó, theo định nghĩa của NHTW Canada (Bank of Canada - BOC): “CSTT là việc thực thi các biện pháp ảnh hưởng tới cung tiền nhằm tác động tới lãi suất, điều kiện tín dụng và tỷ giá hối đoái của Canada. Mục tiêu cuối cùng của CSTT nhằm tác động tới tổng sản phẩm quốc nội (GDP), việc làm, lạm phát và tăng trưởng kinh tế”. Cục Dự trữ liên bang (Federal Reserves System – FED) thì cho rằng: “CSTT là những quyết định của NHTW nhằm tác động đến tính thanh khoản, chi phí của tiền tệ và tín dụng nhằm đẩy mạnh việc thực hiện các mục tiêu kinh tế quốc gia”.

Tại Việt Nam, căn cứ 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”. Trong đó, NHNN Việt Nam thực hiện chức năng quản lý nhà nước về tiền tệ và ngân hàng, thực hiện chức năng của NHTW về phát hành tiền, ngân hàng của các tổ chức tín dụng và cung ứng dịch vụ tiền tệ cho Chính phủ.

Tuy có nhiều quan điểm khác nhau về CSTT, nhưng về cơ bản: CSTT là chính sách kinh tế vĩ mô được xây dựng và thực thi bởi NHTW nhằm tác động tới cung – cầu tiền tệ,

đảm bảo mục tiêu ổn định giá cả và tăng trưởng kinh tế. Theo đó, nó có thể được hoạch định theo hai hướng:

(i) CSTT mở rộng: mở rộng khối lượng tiền cung ứng, hạ lãi suất hoặc tăng tỷ giá nhằm thúc đẩy đầu tư, tiêu dùng và xuất khẩu ròng, qua đó giúp khôi phục và thúc đẩy tăng trưởng kinh tế, tạo công ăn việc làm.

(ii) CSTT thắt chặt: giảm bớt lượng cung tiền, tăng lãi suất, giảm tỷ giá nhằm “hạ

nhiệt” sự phát triển quá “nóng” của nền kinh tế và ngăn chặn nguy cơ lạm phát.

Vận hành CSTT sao cho đạt hiệu quả cao luôn là một vấn đề gây tranh cãi, bởi lẽ

CSTT ảnh hưởng trực tiếp tới sự phát triển bền vững của mỗi quốc gia. Dù trong mỗi giai

đoạn của chu kỳ kinh tế, CSTT được định hướng và thực thi theo những cách khác nhau, song nó đều hướng tới mục tiêu cuối cùng là ổn định và tăng trưởng kinh tế.

1.2.2. Mục tiêu chính sách tiền tệ

HỆ THỐNG CÔNG CỤ CHÍNH SÁCH TIỀN TỆ

Công cụ gián tiếp

Công cụ trực tiếp

Công cụ bổ trợ

Công cụ khác

MỤC TIÊU HOẠT ĐỘNG

Dự trữ (R), dự trữ không vay (NBR), tiền cơ sở (MB)

Lãi suất liên ngân hàng, lãi suất ngắn hạn

MỤC TIÊU TRUNG GIAN

Tổng tiền cung ứng (M1, M2, M3)

Lãi suất ngắn hạn và dài hạn

MỤC TIÊU CUỐI CÙNG

Tăng trưởng kinh tế

Ổn định giá cả

Cải thiện việc làm

Hình 1.4: Hệ thống mục tiêu và công cụ của CSTT

Nguồn: Mishkin (2016)

1.2.2.1. Mục tiêu cuối cùng

Một nền kinh tế thường đặt ra các mục tiêu cuối cùng tương đối đa dạng, trong đó

chủ yếu hướng tới ổn định và tăng trưởng. Mục tiêu ổn định bao gồm: ổn định giá trị đồng tiền, ổn định lãi suất và ổn định thị trường tài chính; trong khi đó, mục tiêu tăng trưởng tập trung vào hai khía cạnh chính: đảm bảo công ăn việc làm và tăng trưởng kinh tế.

a. Mục tiêu ổn định

- Ổn định giá trị đối nội của đồng tiền trên cơ sở kiểm soát lạm phát:

Ổn định giá cả là mục tiêu hàng đầu của CSTT và là mục tiêu có tính dài hạn. Các

NHTW thường lượng hóa mục tiêu này bằng tỷ lệ gia tăng của chỉ số giá tiêu dùng xã hội.

Việc công bố công khai chỉ tiêu này được coi là cam kết của NHTW nhằm ổn định giá trị

tiền tệ về mặt dài hạn. Điều này có nghĩa NHTW sẽ không tập trung điều chỉnh sự biến

động giá cả trong ngắn hạn. Do các biện pháp về CSTT tác động đến nền kinh tế có tính

chất trung và dài hạn, cộng với những khó khăn trong việc dự báo chính xác thời điểm nào kết quả sẽ xảy ra, sẽ không hề khả thi đối với NHTW trong việc theo đuổi mục tiêu kiểm soát giá cả trong ngắn hạn.

Ổn định giá cả có vai trò đặc biệt quan trọng trong việc định hướng phát triển kinh tế

quốc gia vì nó góp phần làm tăng khả năng dự đoán những biến động của môi trường kinh

tế vĩ mô. Mức lạm phát thấp và ổn định tạo ra môi trường đầu tư ổn định, thúc đẩy nhu cầu

đầu tư và đảm bảo sự phân bổ nguồn lực xã hội một cách có hiệu quả. Đây là lợi ích có tầm quan trọng chiến lược đối với sự thịnh vượng của nền kinh tế quốc gia. Lạm phát cao hay

thiểu phát liên tục thường gây ra nhiều tổn thất cho xã hội, thậm chí cả trong trường hợp nền

kinh tế phát triển khả quan nhất. Sự biến động liên tục của tỷ lệ lạm phát dự tính làm méo

mó, sai lệch thông tin, từ đó khiến cho các quyết định kinh tế trở nên kém tin cậy và thiếu hiệu quả. Nguy hiểm hơn, sự bất ổn của giá cả có thể dẫn tới sự tái phân bổ nguồn lực kinh tế trong xã hội và giữa các nhóm dân cư một cách độc đoán.

Tuy nhiên, lạm phát cũng có những khía cạnh tích cực trong trường hợp lạm phát

vừa phải, khi nền kinh tế cần kích thích tăng trưởng – lúc này, lạm phát trở thành công cụ để

điều tiết. Ở đây, chúng ta cần làm rõ thêm rằng việc theo đuổi mục tiêu ổn định giá cả

không đồng nghĩa với tỷ lệ lạm phát bằng không. Các nghiên cứu về lạm phát cho thấy trong khi cố gắng duy trì lạm phát tiệm cận mức không, CSTT rất dễ đưa nền kinh tế rơi vào

trạng thái thiểu phát và hậu quả sau đó còn trầm trọng hơn – suy thoái kinh tế. Vì vậy, lạm

phát ở mức vừa phải được chứng minh là có tác dụng khá tốt trong việc kích thích nền kinh

tế tăng trưởng và ổn định. Theo các nghiên cứu, mức lạm phát dao động trong khoảng 1,5- 4% được coi là phù hợp với các nền kinh tế phát triển. Như vậy, việc chấp nhận sự tồn tại

của lạm phát trong nền kinh tế không phải ý chí chủ quan của con người mà là một tất yếu

khách quan, do đó cần phải có những giải pháp thích hợp để kiềm chế, điều tiết nó chứ không phải để triệt tiêu hoàn toàn.

Vì vậy, có thể khẳng định ổn định giá cả là mục tiêu hàng đầu của CSTT. Điều này giải thích vì sao “tăng trưởng nhanh với giá cả ổn định” luôn là phương châm của mọi

CSTT, là kim chỉ nam cho mọi hành động điều tiết lượng tiền cung ứng. Theo quan điểm của các nhà kinh tế học hiện đại, ổn định không đồng nghĩa với việc giữ nguyên, mà đó là ổn định trong sự kiểm soát của chính phủ và NHTW. Ổn định giá trị tiền tệ thể hiện qua việc kiểm soát lạm phát và ổn định tỷ giá hối đoái.

Tại các nước phát triển, NHTW đều coi ổn định giá cả là mục tiêu đặc thù và có tính dài hạn của CSTT. Sự lựa chọn này xuất phát từ lập luận rằng CSTT không thể tác động tới tăng trưởng kinh tế về mặt dài hạn khi xem xét tới độ dốc của đường tổng cung dài hạn.

Tại các nước đang phát triển, việc lựa chọn mục tiêu của CSTT, đặc biệt trong ngắn

hạn, có phần phức tạp hơn. Cụ thể, tại Việt Nam, theo Điều 3 Luật Ngân hàng Nhà nước

năm 2010, NHNN cam kết theo đuổi CSTT đa mục tiêu: “CSTT quốc gia là các quyết định

về 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 các công

cụ và biện pháp để thực hiện mục tiêu đề ra”. Mục tiêu định lượng của NHNN đặt ra là duy trì tỷ lệ lạm phát ở mức một con số và đảm bảo mức tăng trưởng đều đặn hàng năm.

- Ổn định giá trị đối ngoại của đồng tiền trên cơ sở cân bằng cán cân thanh toán

quốc tế và ổn định tỷ giá hối đoái:

Trong điều kiện nền kinh tế mở, các luồng hàng hóa và tiền vốn ra/vào phạm vi lãnh

thổ một quốc gia gắn liền với việc chuyển đổi qua lại giữa đồng nội tệ và ngoại tệ. Việc

ngăn ngừa những biến động mạnh, bất thường trong tỷ giá hối đoái sẽ giúp các hoạt động kinh tế đối ngoại trở nên hiệu quả hơn nhờ dự đoán được chính xác về mặt khối lượng giá

trị. Hơn nữa, tỷ giá hối đoái cũng có thể tác động tới khả năng cạnh tranh của hàng hóa trong nước so với nước ngoài về mặt giá cả.

- Ổn định lãi suất:

Lãi suất là một biến số vĩ mô quan trọng trong nền kinh tế, ảnh hưởng tới các quyết

định chi tiêu, tiết kiệm và đầu tư của doanh nghiệp và hộ gia đình. Những biến động bất

thường trong lãi suất sẽ gây khó khăn cho các doanh nghiệp trong việc dự tính chi tiêu hay

lập kế hoạch kinh doanh. Do đó, ổn định lãi suất là mục tiêu quan trọng mà NHTW các nước thường hướng tới góp phần ổn định môi trường vĩ mô.

- Ổn định thị trường tài chính:

Thị trường tài chính là nơi tạo ra nguồn vốn phục vụ phát triển kinh tế, góp phần

quan trọng trong việc điều hòa vốn từ nơi thừa vốn đến nơi có nhu cầu về vốn, giúp nâng cao hiệu quả sử dụng vốn trong nền kinh tế. Với vai trò như vậy, sự ổn định của thị trường

tài chính có vai trò hết sức quan trọng đối với nền kinh tế quốc gia. Đây được coi là nền

tảng cho sự ổn định của hệ thống tài chính, qua đó thúc đẩy sự ổn định và phát triển kinh tế. Mặt khác, ổn định thị trường tài chính cũng có mối quan hệ chặt chẽ với sự ổn định của lãi suất, tỷ giá, giá trị đồng tiền, giá cả, tạo điều kiện cho cá nhân và doanh nghiệp hoạt động

sản xuất kinh doanh và chính phủ trong việc hoạch định, thực thi các chính sách phát triển

kinh tế. NHTW, thông qua hệ thống công cụ CSTT của mình sẽ tác động tới khối lượng tín dụng và lãi suất có thể đem lại sự ổn định cho thị trường tài chính.

b. Mục tiêu tăng trưởng

- Tăng trưởng kinh tế:

Nhìn chung, khi tỷ lệ tăng tổng sản phẩm quốc nội (GDP) cao hơn tốc độ tăng dân

số thì sẽ có tăng trưởng kinh tế. Việc thay đổi khối lượng tiền cung ứng sẽ có tác động nhất định đối với nền kinh tế.

Khi khối lượng tiền tăng, lãi suất giảm, theo đó sẽ kích thích đầu tư, mở rộng sản

xuất và thúc đẩy tăng GDP. Mặt khác, lượng cung tiền tăng cũng giúp kích thích tổng cầu

và sức mua hàng hóa trên thị trường, hàng hóa tồn đọng của doanh nghiệp được tiêu thụ, là tiền đề để thúc đẩy hoạt động sản xuất của doanh nghiệp, từ đó GDP tăng trưởng.

Ngược lại, khi lượng tiền giảm xuống, lãi suất cho xu hướng tăng lên, đồng vốn đầu tư đắt lên, đầu tư giảm dẫn tới GDP giảm. Mặt khác khi giảm khối lượng tiền tệ, tổng cầu và

sức mua sẽ giảm, hàng hóa tồn đọng của doanh nghiệp tăng lên, kéo theo các doanh nghiệp không có cơ sở để mở rộng sản xuất, do đó GDP giảm.

CSTT cũng có thể được sử dụng làm đòn bẩy kích thích tăng trưởng bởi nó có thể

tác động tới của cải và chi tiêu xã hội. Tăng trưởng kinh tế cần được hiểu về cả khía cạnh

lượng và chất. Theo đó, CSTT đảm bảo sự tăng lên của GDP thực tế, tức là tỷ lệ tăng trưởng có được sau khi trừ đi tỷ lệ tăng giá cùng thời kỳ. Chất lượng tăng trưởng được biểu hiện ở một cơ cáu kinh tế can đối và khả năng cạnh tranh quốc tế của hàng hóa nội địa tăng lên.

Và rõ ràng, một nền kinh tế phồn thịnh với tốc độ tăng trưởng ổn định là nền tảng

cho mọi sự ổn định, là căn cứ để ổn định tiền tệ trong nước và cải thiện kinh tế trên thị trường quốc tế.

- Thúc đẩy công ăn việc làm:

Tạo công ăn việc làm đầy đủ là mục tiêu của mọi chính sách kinh tế vĩ mô, trong đó

có CSTT, bởi các lý do sau:

(i) Chỉ số thất nghiệp là một trong những tiêu chí quan trọng để đánh giá mức độ

thịnh vượng xã hội. Nó phản ánh khả năng sử dụng có hiệu quả nguồn lực xã hội.

(ii) Thất nghiệp tạo ra áp lực căng thẳng cho mỗi cá nhân và gia đình của họ, đồng

thời là mầm mống của các tệ nạn xã hội

(iii) Các khoản trợ cấp thất nghiệp gia tăng có thể làm thay đổi cơ cấu chi tiêu ngân

sách và gây áp lực lớn tới ngân sách quốc gia.

Việc làm cho người lao động là một vấn đề hệ trọng với bất kỳ một quốc gia nào

trên thế giới, bởi lẽ mọi của cải trong xã hội đều do sức lao động của con người tạo ra. Vì vậy, CSTT nhất thiết phải quan tâm đến khả năng tạo công ăn việc làm, giảm áp lực xã hội về thất nghiệp.

Rõ ràng, cải thiện công ăn việc làm là mục tiêu của mọi chính sách kinh tế, trong đó bao gồm cả CSTT. Tuy nhiên, điều này cũng không có nghĩa rằng tỷ lệ thất nghiệp phải

bằng không, mà phải giữ nó ở mức tỷ lệ thất nghiệp tự nhiên. Tỷ lệ thất nghiệp tự nhiên được tạo ra từ hai yếu tố: thất nghiệp tạm thời (diễn ra trong khoảng thời gian người tìm

việc vẫn chưa có việc) và thất nghiệp cơ cấu (đây là loại thất nghiệp không mong muốn,

song vẫn tồn tại do cung – cầu lao động lệch nhau). Mặc khác, để đạt được tỷ lệ công ăn

việc làm cao, cần phải chấp nhận một mức lạm phát nhất định. Hai mục tiêu này luôn có sự

mâu thuẫn và triệt tiêu nhau trong quá trình thực thi CSTT. Vì vậy, mỗi quốc gia cần xác định chính xác tỷ lệ thất nghiệp tự nhiên trong từng thời kỳ và nỗ lực giảm tỷ lệ này.

c. Mối quan hệ giữa các mục tiêu cuối cùng

Lý thuyết đường cong Phillips thường được vận dụng để chỉ ra mối quan hệ giữa các

mục tiêu của CSTT. Theo đó, về dài hạn, đường cong Phillips có dạng thẳng đứng, hàm ý không còn tồn tại mâu thuẫn giữa các mục tiêu của CSTT, tuy nhiên, dạng đường cong

Phillips trong ngắn hạn lại biểu thị khá rõ nét sự mâu thuẫn giữa giá cả, tăng trưởng và tỷ lệ

thất nghiệp. Trong ngắn hạn, hai mục tiêu ổn định giá cả và tạo công ăn việc làm mâu thuẫn

gay gắt với nhau. Việc giảm tỷ lệ lạm phát đồng nghĩa với cơ chế CSTT thắt chặt, lãi suất tăng lên làm giảm các nhân tố cấu thành tổng cầu, do đó làm giảm tổng cầu của nền kinh tế.

Thất nghiệp vì vậy có xu hướng tăng. Ngược lại, việc duy trì tỷ lệ thất nghiệp thấp hơn thường kéo theo một CSTT mở rộng và một sự gia tăng về giá.

Mâu thuẫn này còn được thể hiện thông qua định hướng điều chỉnh tỷ giá. Việc hạ

giá đồng nội tệ với mục đích mở rộng xuất khẩu sẽ làm giảm tỷ lệ thất nghiệp kèm theo sự tăng lên của mức giá chung và ngược lại.

Lạm phát (%)

Hình 1.5: Đường cong Phillips ngắn hạn

NAIRU (Đường cong Phillips dài hạn)

Đường cong Phillips ngắn hạn

Thất nghiệp (%)

Nguồn: Mishkin (2016)

Mục tiêu tăng trưởng kinh tế và giảm thất nghiệp không có sự mâu thuẫn cả trong ngắn hạn và dài hạn. Công ăn việc làm cao sẽ thúc đẩy kinh tế phát triển và ngược lại. Tuy nhiên, mối quan hệ giữa tăng trưởng mục tiêu và ổn định giá cả lại tương đối phức tạp, chúng mâu thuẫn nhau trong ngắn hạn nhưng lại bổ sung cho nhau trong dài hạn.

Nhìn một cách tổng thể và có chiến lược, các mục tiêu của CSTT có mối liên hệ chặt

chẽ, thúc đẩy lẫn nhau. Điều này cho thấy trong quá trình thực thi CSTT, không thể tuyệt

đối hóa bất kỳ mục tiêu nào hay giải quyết các mục tiêu một cách hoàn toàn độc lập trên

giác độ vĩ mô. Mặc dù ổn định giá cả là mục tiêu chủ chốt và dài hạn của đa số NHTW, song dưới áp lực chính trị, trong ngắn hạn có thể phải tạm thời từ bỏ mục tiêu hàng đầu để

hạn chế tình trạng thất nghiệp hoặc tác động bất lợi của các cú sốc cung lên sản lượng. Tuy

nhiên, việc theo đuổi thái quá các mục tiêu trong ngắn hạn có thể phải đánh đổi hi sinh các

mục tiêu dài hạn. Vì vậy, NHTW thường phải theo đuổi một mục tiêu trong dài hạn và đa mục tiêu trong ngắn hạn.

1.2.2.2. Mục tiêu trung gian

NHTW không thể tác động trực tiếp và ngay lập tức đến các mục tiêu cuối cùng của

nền kinh tế vì tác động này thường có độ trễ nhất định. Để khắc phục hạn chế này, NHTW thường xác định mục tiêu trung gian trước khi đạt được mục tiêu cuối cùng. Do đó, hiểu

một cách đơn giản, mục tiêu trung gian là các chỉ tiêu được NHTW lựa chọn để đạt tới mục tiêu cuối cùng của CSTT.

Các mục tiêu trung gian cần phải thỏa mãn một số tiêu chuẩn sau:

(i) Có thể đo lường được: Các mục tiêu trung gian phải là các chỉ tiêu có thể đo

lường một cách chính xác và nhanh chóng, bởi lẽ các chỉ tiêu này chỉ có ích khi nó phản ánh

được tình trạng của CSTT nhanh hơn mục tiêu cuối cùng. NHTW có thể dựa theo các mục

tiêu này để điều chỉnh hướng tác động khi cần. Hiển nhiên, NHTW không thể đưa ra một tỷ lệ tăng trưởng M2 mà không biết M2 hiện tại đang có tốc độ tăng trưởng bao nhiêu. Mặt

khác, tiêu chuẩn này cũng chỉ cho NHTW biết nên lựa chọn chỉ tiêu cụ thể nào trong tổng lượng tiền cung ứng và lãi suất.

(ii) Có thể kiểm soát được: Khi NHTW có khả năng kiểm soát mục tiêu trung gian,

nó có thể điều chỉnh mục tiêu đó sao cho phù hợp với định hướng CSTT. Ví dụ, kỳ vọng

của doanh nghiệp sẽ quyết định mức đầu tư và GDP, song nếu chọn chỉ tiêu này làm mục tiêu trung gian thì khả năng ảnh hưởng của NHTW tới mục tiêu này là rất hạn chế. Việc lựa

chọn các chỉ tiêu mà NHTW không có khả năng kiểm soát làm mục tiêu trung gian không

chỉ ảnh hưởng tới định hướng và hiệu lực của CSTT mà còn gây lãng phí nguồn lực do mọi nỗ lực bỏ ra để hoàn thành chỉ tiêu này đều không có kết quả.

(iii) Có mối liên hệ chặt chẽ với mục tiêu cuối cùng: Đây là tiêu chuẩn quan trọng nhất của mục tiêu trung gian. Khả năng có thể lượng hóa chính xác hoặc có thể kiểm soát của NHTW sẽ trở nên vô nghĩa nếu các chỉ tiêu được lựa chọn không thể tác động trực tiếp tới các mục tiêu cuối cùng như sản lượng, giá cả…

Các loại mục tiêu trung gian:

- Mục tiêu lãi suất:

Việc lựa chọn mục tiêu trung gian là cần thiết nhằm thích ứng với đặc trưng kinh tế riêng của từng thời kỳ. Với tư cách là giá quyền sử dụng vốn và chi phí cơ hội của nhu cầu

tiêu dùng, sự thay đổi lãi suất có tác động mạnh mẽ tới nhu cầu đầu tư và tiêu dùng. Trong

một nền kinh tế với đặc điểm cầu tiền tệ biến động mạnh so với nhu cầu về hàng hóa, việc

duy trì lãi suất ổn định tại một giá trị mục tiêu sẽ loại bỏ sự biến động quá mức của giá trị mục tiêu do ảnh hưởng của mức cầu tiền tệ. Tuy nhiên, việc duy trì lãi suất tại một mức

(hoặc khoảng giá trị) nhất định có thể dẫn đến khuếch trương quá mức tác động của CSTT

nếu nhu cầu đầu tư và tiêu dùng chủ yếu bị ảnh hưởng bởi các yếu tố phi lãi suất như thuế

suất hay sự trông đợi về triển vọng nền kinh tế. Hơn nữa, mục tiêu lãi suất cũng khó có thể duy trì trong dài hạn.

- Mục tiêu tổng tiền cung ứng:

Chỉ tiêu tổng tiền cung ứng, trái lại phát huy hiệu quả tốt trong điều kiện nhu cầu

tiền tệ ít biến động so với nhu cầu hàng hóa. Trong trường hợp này, lãi suất được tự do biến động dưới tác động của nhu cầu tiền tệ. Điều này làm giảm biến động của tổng cầu bởi biên

độ dao động lãi suất bị hẹp lại. Như vậy, trong trường hợp các cấu phần của tổng cầu biến

động mạnh, mục tiêu trung gian tổng tiền cung ứng tỏ ra phù hợp hơn. Khó khăn khi lựa

chọn chỉ tiêu này là xác định khối tiền cụ thể (M1, M2…) trong điều kiện thành phần các khối tiền này thay đổi liên tục và việc lựa chọn các khối tiền khác nhau sẽ dẫn tới các kết quả khác nhau trong tác động của CSTT.

Ngoài ra, tỷ giá và dư nợ tín dụng cũng có thể được lựa chọn làm mục tiêu trung

gian, tuy không phổ biến. Trong điều kiện nền kinh tế bị chi phối mạnh bởi hoạt động xuất

nhập khẩu thì tỷ giá thường được sử dụng làm mục tiêu trung gian. Trong khi đó, dư nợ tín

dụng thường được sử dụng kết hợp với khối tiền cung ứng hoặc lãi suất trong trường hợp việc kiểm soát tăng trưởng dư nợ cũng như kết cấu của khối dư nợ tín dụng có ý nghĩa quyết

định tới sự ổn định vĩ mô và sự phân bổ tín dụng cân đối giữa các khu vực và thành phần kinh tế.

1.2.2.3. Mục tiêu hoạt động

Mục tiêu hoạt động là các chỉ tiêu mà công cụ của CSTT tác động trực tiếp vào nó

để từ đó chuyển tải tác động đến mục tiêu trung gian và mục tiêu cuối cùng. Các tiêu chuẩn

lựa chọn chỉ tiêu làm mục tiêu hoạt động cũng tương tự như tiêu chuẩn lựa chọn mục tiêu trung gian, chỉ khác là các chỉ tiêu hoạt động phải có quan hệ chặt chẽ, ổn định với mục tiêu trung gian được lựa chọn. Có hai loại chỉ tiêu thường được lựa chọn là mục tiêu hoạt động của NHTW, gồm:

- Khối dự trữ: dự trữ (Reserves), dự trữ không vay (Non-borrowed Reserves - NBR)

và tiền cơ sở (Monetary Base - MB).

- Lãi suất: lãi suất liên ngân hàng, các mức lãi suất ngắn hạn…

Lãi suất thị trường liên ngân hàng được lựa chọn trong bối cảnh thị trường tài chính

tương đối phát triển, sự gắn hệ giữa các mức lãi suất thị trường là chặt chẽ thông qua sự

thay thế các công cụ đầu tư với các thời hạn khác nhau một cách hoàn hảo. Trái lại, chỉ tiêu

dự trữ được sử dụng trong trường hợp hệ thống tài chính kém phát triển hoặc đầu tư kém nhạy cảm với tác động của lãi suất do bị ảnh hưởng bởi các yếu tố phi lãi suất.

Có thể nhận thấy giữa mục tiêu cuối cùng và các công cụ của CSTT có một khoảng tách rời khi tác động trực tiếp của công cụ CSTT chỉ dừng lại ở các chỉ tiêu thị trường tiền

tệ liên ngân hàng, bao gồm dự trữ của hệ thống liên ngân hàng. Nói cách khác, mối liên hệ

giữa tác động của công cụ CSTT và những biến động trên thị trường tiền tệ liên ngân hàng

đến mục tiêu cuối cùng của nó là rất lỏng lẻo. Các mục tiêu này có thể bị ảnh hưởng bởi các tác động ngoại sinh khác, do đó biến động theo chiều hướng và mức độ không mong muốn.

1.2.3. Vai trò của chính sách tiền tệ trong kiểm soát lạm phát

1.2.3.1. Khả năng kiểm soát lạm phát của chính sách tiền tệ

Lạm phát luôn được xem như một “hiện tượng tiền tệ”, do đó có thể khẳng định

CSTT giữ vai trò then chốt đối với việc kiềm chế và kiểm soát lạm phát. CSTT có thể chi phối mạnh mẽ lạm phát bởi lẽ:

Thứ nhất, nguyên nhân của lạm phát suy cho cùng bắt nguồn từ CSTT. Quá trình phân tích nguyên nhân gây ra lạm phát cho thấy sự tăng lên của tổng cầu hay các cú sốc cung đối với nền kinh tế sẽ chỉ gây nên sự gia tăng về giá trong ngắn hạn chứ không thể tạo

ra lạm phát nếu không có sự hậu thuẫn của CSTT thông qua việc “bơm” thêm lượng tiền

cung ứng ra thị trường. Mọi động thái của CSTT đều sẽ tác động tới lượng tiền cung ứng, từ đó sẽ ảnh hưởng tới biến động của lạm phát.

Thứ hai, CSTT với các công cụ của nó vẫn là biện pháp có tác động mạnh nhất tới chỉ tiêu lạm phát. Một số biện pháp khác như cắt giảm thuế quan, quản lý giá đối với một số mặt hàng, giảm chi phí bất hợp lý, đầu tư ngân sách có hiệu quả… đều sẽ góp phần kiểm

soát lạm phát. Song, tất cả các công cụ trên chỉ mang tính chất hành chính áp đặt chứ không

thể hiện được sự điều tiết linh hoạt của Nhà nước. Ngoài ra, nếu có định hướng điều hành CSTT một cách hợp lý, NHTW có thể đưa ra một lời giải xác đáng nhất cho vấn đề lạm phát trong dài hạn.

1.2.3.2. Cơ chế tác động của chính sách tiền tệ tới mục tiêu lạm phát

Mọi hoạt động của CSTT trước hết đều tác động tới mục tiêu trung gian của nó là lượng tiền cung ứng và lãi suất, tiếp đó, theo cơ chế riêng của mình, các mục tiêu trung gian này sẽ tác động tới mục tiêu cuối cùng của CSTT. Vậy lượng tiền cung ứng và lãi suất tác động như thế nào tới chỉ tiêu lạm phát?

Thứ nhất, lượng tiền cung ứng tăng lên nhờ cơ chế số nhân tiền khiến tổng phương

tiện thanh toán trong xã hội tăng lên rất nhiều: M = P × L(Y, i)

Trong điều kiện sản lượng nền kinh tế không đổi, tổng phương tiện thanh toán tăng

lên sẽ dẫn tới sự gia tăng giá cả hàng hóa, từ đó thúc đẩy sự gia tăng của lạm phát. Ngược lại, khi NHTW giảm bớt cung tiền, lạm phát theo đó sẽ giảm xuống.

Thứ hai, khi lãi suất tăng lên, người dân có xu hướng gửi tiền vào ngân hàng nhiều hơn, do đó làm giảm lượng tiền trong lưu thông và dẫn đến lạm phát giảm. Mặt khác, lãi

suất tăng cũng khiến nhu cầu vay vốn cho tiêu dùng và đầu tư giảm, theo đó tổng cầu giảm, và đến lượt nó, tổng cầu giảm lại làm cho tỷ lệ lạm phát giảm. Các tác động diễn ra ngược lại trong trường hợp lãi suất giảm.

1.2.3.3. Phân loại chính sách tiền tệ nhằm mục tiêu kiểm soát lạm phát

Về cơ bản, để kiềm chế lạm phát, có ba loại CSTT được sử dụng: chính sách cố định

tỷ giá hối đoái, CSTT hướng vào cung tiền và chính sách mục tiêu lạm phát.

a. Chính sách cố định tỷ giá hối đoái

Có hai loại chiến lược tỷ giá cố định tuyệt đối, đó là: “currency board” và “đô la hóa

hoàn toàn” (full dollarization). Theo chế độ “currency board”, đồng nội tệ được neo chặt vào một ngoại tệ khác (ví dụ: USD) - chính phủ hoặc NHTW xác lập một mức tỷ giá cố

định và sẽ trao đổi đồng nội tệ sang đồng ngoại tệ khi được yêu cầu. Trong khi đó, “đô la

hóa hoàn toàn” là việc thay thế đồng nội tệ bằng ngoại tệ (USD) – chiến lược này thường có tác dụng mạnh hơn so với chuẩn tiền tệ.

Chính sách cố định tỷ giá hối đoái có một số ưu điểm sau:

- Tỷ giá hối đoái cố định đưa ra một mỏ neo danh nghĩa giúp kiểm soát lạm phát

bằng việc thắt chặt giá cả của hàng hóa sản xuất trong nước với giá cả hàng hóa tương tự tại nước lấy mốc để thiết lập tỷ giá danh nghĩa.

- Tỷ giá hối đoái cố định được duy trì trong một thời gian dài sẽ cung cấp một cơ sở

vững chắc để các doanh nghiệp có thể hoạch định kế hoạch sản xuất kinh doanh, tính toán chính xác được giá cả, nhờ đó giảm thiểu rủi ro về tỷ giá.

- Việc áp dụng chính sách cố định tỷ giá hối đoái cũng sẽ giúp thắt chặt hơn CSTK và CSTT. Chính sách này có thể được lựa chọn trong điều kiện khu vực tài chính đang thiếu đi sự điều hành có hiệu quả của một CSTT độc lập.

Tuy nhiên, chính sách cố định tỷ giá hối đoái cũng có khá nhiều nhược điểm:

- Nếu chính sách thiếu đi sự tin tưởng tuyệt đối của người dân, nó có thể bị tấn công bởi nguy cơ đầu cơ. Điều này có thể gây tổn hại tới sự ổn định của lượng tiền trong nền kinh tế hoặc tới dự trữ ngoại hối. Sau cùng, hoạt động đầu cơ có thể khiến chế độ tỷ giá hối đoái cố định sụp đổ.

- Chế độ tỷ giá hối đoái cố định cũng sẽ tác động tới sự độc lập của CSTT. Dù rằng

tỷ lệ lạm phát có thể được kiểm soát, song lúc này CSTT không còn phát huy tác dụng trong việc đối phó với các cú sốc trên thị trường nội địa.

- Các cú sốc xuất phát từ quốc gia lấy làm mốc có thể dễ dàng lây lan sang các nước

thực thi chính sách cố định tỷ giá hối đoái. Điều này có thể dẫn tới nguy cơ rất lớn về một cuộc khủng hoảng tài chính trong tương lai.

b. Chính sách tiền tệ hướng vào cung tiền

Khi áp dụng CSTT hướng vào cung tiền để kiểm soát lạm phát, NHTW sử dụng các

công cụ của mình để tác động tới lượng tiền cung ứng ra thị trường. Khi tỷ lệ lạm phát tăng

cao, NHTW hạn chế mức tăng trưởng tín dụng, rút bớt lượng tiền trong lưu thông thông qua nghiệp vụ thị trường mở nhằm mục đích hạn chế lượng cung tiền ra thị trường.

CSTT hướng vào cung tiền có các ưu điểm sau: (i) cho phép NHTW có nhiều quyền

hạn hơn trong việc điều hành CSTT phù hợp với điều kiện của thị trường trong nước; (ii) tăng cường khả năng tác động của CSTT tới biến động sản lượng và đối phó với các cú sốc

bên ngoài; (iii) CSTT có thể được sử dụng như một mỏ neo danh nghĩa để kiểm soát lạm

phát; (iv) tăng cường khả năng kiềm chế lạm phát của NHTW (Bernanke và cộng sự, 1999; Mishkin, 1996; Mishkin và Savastano, 2001).

Tuy nhiên, CSTT hướng vào cung tiền rất khó có thể định hướng kỳ vọng lạm phát

bởi các mục tiêu tiền tệ được đưa ra như mục tiêu trung gian của CSTT phần nào che mờ đi mục tiêu cuối cùng của NHTW là kiềm chế lạm phát, khiến cho việc theo dõi quá trình thực

hiện nhiệm vụ kiềm chế lạm phát trở nên rất khó khăn. Vì vậy, CSTT hướng vào cung tiền

thường không phù hợp với các nền kinh tế từng trải qua thời kỳ lạm phát cao và người dân bất tín nhiệm đối với CSTT của nước đó.

Ngoài ra, nguyên nhân gây nên lạm phát còn rất nhiều chứ không phải chỉ có nguyên

nhân tiền tệ, do đó việc tập trung kiểm soát lạm phát thông qua kiểm soát cung tiền chưa bao giờ là đủ.

c. Chính sách mục tiêu lạm phát

Chính sách mục tiêu lạm phát là một chiến lược của CSTT nhằm kiềm chế lạm phát,

được hình thành trên nền tảng 5 nhân tố sau:

(i) Công bố mục tiêu lạm phá cụ thể trong trung hạn;

(ii) Xây dựng một dự luật nêu rõ mục tiêu hàng đầu của CSTT là ổn định giá cả, các

mục tiêu còn lại đặt ở thứ tự ưu tiên kém quan trọng hơn;

(iii) Một chiến lược quản lý dựa trên nhiều thông tin, không chỉ về khối tiền, tỷ giá

hối đoái, được vận dụng nhằm kích hoạt hiệu quả của các công cụ CSTT;

(iv) Một chiến lược rõ ràng trong đó NHTW có vai trò trung tâm trong việc công bố

các kế hoạch và mục tiêu CSTT tới dân chúng;

(v) Các kênh truyền dẫn để NHTW có thể đạt được mục tiêu lạm phát.

Chính sách mục tiêu lạm phát đặt ra một mục tiêu rõ ràng cho CSTT, đó là kiểm soát lạm phát và đưa ra mức lạm phát cụ thể, do đó nó dễ hiểu hơn so với chính sách cố định tỷ

giá hối đoái và CSTT hướng vào cung tiền. Bên cạnh đó, chúnh sách mục tiêu lạm phát góp

phần làm tăng sự minh bạch trong việc hoạch định CSTT của NHTW – điều này giúp công

chúng dễ dàng hiểu rõ lập trường CSTT của NHTW, vì vậy sẽ cải thiện được sự tin tưởng của họ đối với NHTW.

Song, nhìn chung, hầu hết NHTW các nước đều không dễ dàng gì kiểm soát lạm

phát, do vậy, chính sách mục tiêu lạm phát chỉ có thể được áp dụng sau khi tỷ lệ lạm phát giảm xuống rõ rệt. Chỉ khi đó, NHTW mới có thể chiếm được lòng tin của đa số công chúng đối với khung CSTT của họ (Bernanke và cộng sự, 1999).

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

1.3.1.1. Khái niệm dự báo lạm phát

Dự báo là việc tiên lượng những sự việc có thể xảy ra trong tương lai trên cơ sở

phân tích dữ liệu được thu thập. Đó có thể là dự đoán chủ quan hoặc trực giác về tương lai

(định tính), tuy nhiên để dự báo định tính đạt độ chính xác cao, người ta thường cố gắng loại

trừ yếu tố chủ quan của người dự báo. Tuy nhiên, chúng ta cũng có thể căn cứ vào việc thu thập, xử lý số liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện

tượng trong tương lai nhờ vào các mô hình kinh tế lượng. Dù các khái niệm về dự báo

không hoàn toàn giống nhau, song về cơ bản, chúng đều thống nhất rằng dự báo là việc luận

bàn các vấn đề thuộc về tương lai. Hoạt động này được tiến hành rộng rãi trong nhiều lĩnh vực, mỗi lĩnh vực có những yêu cầu đặc thù, do đó phương pháp dự báo được sử dụng cũng sẽ khác nhau.

Qua đó, có thể rút ra khái niệm dự báo lạm phát là quá trình tiên lượng gồm nhiều

giai đoạn hướng tới mục tiêu trước nhất là đưa ra kết quả dự báo đáng tin cậy về xu thế lạm

phát trong tương lai, từ đó góp phần thúc đẩy hiệu quả điều hành chính sách, đảm bảo ổn định vĩ mô và tăng trưởng bền vững, giúp nâng cao hiệu quả và sức cạnh tranh của doanh

nghiệp và nền kinh tế cũng như cải thiện chất lượng đời sống người dân (Nguyễn Đức Trung, 2017; Nguyễn Thị Thu Trang, 2017).

1.3.1.2. Vai trò của dự báo lạm phát trong điều hành chính sách tiền tệ

Báo cáo kết quả kinh doanh

Thành công

Thất bại (hoặc có khả năng thành công)

- Lựa chọn loại chỉ số giá - Hình thành mục tiêu - Dự báo xu hướng lạm phát

Hình 1.6: Khuôn khổ thực thi CSTT lạm phát mục tiêu

Công bố: - Dự báo lạm phát mục tiêu - Chỉ số lạm phát mục tiêu - Tầm nhìn mục tiêu đạt được

Điều kiện đủ: - Thị trường tài chính đủ mạnh - Hệ thống NHTM vững chắc, hiệu quả - Niềm tin công chúng vào CSTT

Điều kiện cần: - Sự độc lập đủ mạnh của NHTW - Lạm phát là mục tiêu duy nhất của CSTT

Hủy bỏ

NHTW (CSTT)

Nguồn: Võ Trà My (2010)

Thứ nhất, có thể thấy do quá trình truyền tải tác động từ thay đổi trong CSTT tới nền kinh tế thường có độ trễ (12 – 24 tháng, tùy điều kiện từng nền kinh tế), các chính sách của NHTW nhất thiết phải “hướng về phía trước” (forward-looking), tức là NHTW luôn phải tiên phong trong lĩnh vực dự báo các biến số vĩ mô, đặc biệt là chỉ tiêu lạm phát

(Friedman, 1968). Từ đó, có thể thấy dự báo lạm phát là một trong những hoạt động cơ bản của NHTW nhằm cung cấp kết quả đầu vào có giá trị cho hoạch định và thực thi CSTT.

Thứ hai, với mục tiêu hàng đầu của CSTT là kiểm soát lạm phát nhằm ổn định giá trị đồng bản tệ, công tác dự báo lạm phát tại NHTW giúp cung cấp những góc nhìn khác

nhau về viễn cảnh diễn biến giá cả nói riêng và triển vọng nền kinh tế trong trung hạn nói

chung, dựa vào đó nhà hoạch định chính sách mới có thể đưa ra được các đối sách và điều chỉnh phù hợp góp phần đảm bảo kiểm soát lạm phát và ổn định kinh tế vĩ mô (Nguyễn Đức Trung, 2017).

Thứ ba, về lâu dài, với việc đặt mục tiêu lạm phát lên hàng đầu, CSTT sẽ dần chuyển hướng sang khuôn khổ lạm phát mục tiêu để phù hợp với xu thế phát triển tại các

NHTW trên thế giới. Trong bối cảnh đó, dự báo lạm phát không còn đứng riêng rẽ, mà có

thể được phối hợp nhuần nhuyễn và linh hoạt với việc dự báo các mục tiêu trung gian của CSTT (ví dụ: cung tiền, tín dụng, lãi suất, tỷ giá...) nhằm tạo cơ sở vững chắc giúp nhà

hoạch định thiết lập một hệ thống chính sách bổ trợ gắn với các mục tiêu trung gian để phù

hợp với mục tiêu kiểm soát lạm phát (Hình 1.6). Tóm lại, dự báo lạm phát nói riêng hay dự

báo các chỉ tiêu tiền tệ nói chung vẫn được coi là hoạt động mục tiêu hết sức quan trọng, góp phần hỗ trợ điều hành CSTT tại NHTW, đặc biệt trong bối cảnh CSTT được điều hành kết hợp giữa lượng và giá.

1.3.1.3. Bộ phận chịu trách nhiệm dự báo lạm phát tại Ngân hàng Trung ương

Tại NHTW, trách nhiệm thực hiện dự báo lạm phát (thường gắn liền với phân tích, đánh giá triển vọng vĩ mô) được giao cho các Vụ, Cục chuyên trách thuộc khối điều hành

CSTT. Báo cáo kết quả dự báo và phân tích lạm phát sau đó sẽ được trình lên cấp Ủy ban

CSTT (MPC) hoặc Hội đồng điều hành của NHTW (đứng đầu các đơn vị này là Thống đốc

NHTW) xem xét đánh giá, dùng làm căn cứ cho việc hoạch định, điều hành CSTT và thiết lập mục tiêu lạm phát. Và nhìn chung, thực tiễn điều hành trên thế giới cho thấy vai trò và

mức độ chuyên trách trong hoạt động dự báo lạm phát (một cấu phần quan trọng của quá

trình điều hành cơ chế và thiết lập mục tiêu lạm phát) phụ thuộc phần lớn vào tính độc lập của NHTW. Nhận định này sẽ được phân tích cụ thể theo các trường hợp riêng trong phần nghiên cứu kinh nghiệm quốc tế tại mục 1.4.2.

1.3.1.4. Quy trình dự báo lạm phát trong điều hành chính sách tiền tệ

Dự báo lạm phát trong điều hành CSTT được thực hiện theo một quy trình 8 bước, trong đó: bước 1 - 4 là khâu thu thập và chuẩn bị dữ liệu; bước 5 - 8 là khâu phát triển và vận hành mô hình dự báo.

- Bước 1: Phân tích và đánh giá diễn biến chỉ số CPI. Bước đầu tiên này nhằm phân

tích và đánh giá diễn biến của chỉ số giá tiêu dùng so với cùng kỳ, so với tháng trước, so với

cuối năm trước, bao gồm: CPI tổng thể, CPI theo 10 nhóm hàng hóa cấp 1, CPI theo 32 nhóm hàng hóa cấp 2 và CPI theo 86 nhóm hàng hóa cấp 3… Việ c phâ n tích và đánh giá

diễn biến CPI củ a các nhó m hà ng hó a phân theo 3 cấp sẽ tạo cơ sở để đưa ra nhậ n đi ̣nh về biến độ ng củ a CPI trong mộ t khoảng thờ i gian.

- Bước 2: Lựa chọn lý thuyết làm cơ sở cho việc lập mô hình dự báo, gồm các lý

thuyết về chi phí đẩy và cầu kéo, lý thuyết về lượng tiền tệ, có thể kết hợp lý thuyết đường cong Phillips bổ sung kỳ vọng…

- Bước 3: Thu thập dữ liệu và thông tin đầu vào. Để đảm bảo chất lượng trong công

tác dự báo, các biến số trong mô hình cần được thu thập, tính toán và cập nhật dữ liệu liên

tục theo thời gian. Độ dài mẫu sử dụng tùy thuộc vào mức độ có sẵn của nguồn dữ liệu cũng như yêu cầu của mô hình dự báo.

- Bước 4: Xử lý dữ liệu đầu vào. Trên cơ sở dữ liệu được thu thập, các thông tin được sàng lọc và đánh giá dựa trên việc chuyển đổi dữ liệu về dạng log, ngoại trừ dữ liệu ở

dạng phần trăm như lãi suất, thuế suất. Kiểm tra tính chính xác của số liệu và các nhân tố

tác động từ những thay đổi chính sách và tác động từ bên ngoài nền kinh tế đến số liệu, đối tượng dự báo CPI trong từng giai đoạn.

Hình 1.7: Quy trình dự báo lạm phát trong điều hành CSTT

Nguồn: Nguyễn Đức Trung (2017)

- Bước 5: Xây dựng mô hình dự báo lạm phát. Để xây dựng mô hình dự báo lạm

phát, cần chú ý: Trước tiên, phải kiểm tra bậc tích hợp của các biến trong mô hình, lựa chọn

độ trễ thích hợp đối với các lớp mô hình dự báo (ARIMA, VAR, SVAR, VECM...). Việc lựa chọn độ trễ trong mô hình cần bắt đầu từ độ trễ lớn sau đó dùng các tiêu chuẩn để lựa chọn độ trễ phù hợp, thường chọn lựa độ trễ dựa trên các kiểm định thích hợp và tìm ra các vector đồng tích hợp phù hợp với lý thuyết kinh tế và đặc điểm của nền kinh tế. Ước lượng mô hình lạm phát động, theo đó vector đồng tích hợp giữa các biến sẽ được tích hợp và

phản ánh trạng thái ổn định trong dài hạn của chỉ số CPI. Kiểm định mô hình thông qua

kiểm tra phần dư, độ lệch dự báo trung bình, độ lệch dự báo tuyệt đối, kiểm tra sự phá vỡ

cấu trúc, và các kiểm định thích hợp khác. Việc lựa chọn mô hình dự báo phù hợp là một quá trình lặp cho đến khi thu được một mô hình tốt theo nghĩa phải đảm bảo được các giả

thiết thống kê của mô hình và có ý nghĩa về lý thuyết kinh tế. Một mô hình phù hợp thường phải đơn giản, ngoài ra còn phải đưa ra kết quả dự báo tốt nhất có thể (sát với thực tế).

- Bước 6: Sử dụng mô hình để đưa ra kết quả dự báo. Sau khi mô hình đã thỏa mãn

các kiểm định, thực nghiệm mô hình để dự báo các biến giải thích và các biến ngoại sinh.

Đưa ra dự báo thông qua các mô hình khác nhau và so sánh kết quả dự báo. Giải pháp tối ưu

nhất là kết hợp các kết quả dự báo (tính giá trị dự báo trung bình) để giảm sự không chắc chắn của mô hình. So sánh giá trị quan sát thực tế với con số dự báo thu được từ mô hình để

đưa ra các đánh giá về khả năng dự báo của mô hình. Ngoài ra, cần thu thập ý kiến của

chuyên gia về kết quả dự báo dựa trên các phân tích về thay đổi kinh tế vĩ mô, chính sách

tiền tệ, chính sách của Đảng và Chính phủ, tác động của môi trường kinh tế trong và ngoài nước ở quá khứ và hiện tại đến kết quả dự báo. Ngoài ra, có thể chuyển tải các ý kiến và

nhận định cần thiết vào dự báo thông qua sử dụng các yếu tố bổ sung để lập báo cáo cuối cùng dựa trên mô hình và ý kiến chuyên gia.

- Bước 7: Xây dựng kịch bản dự báo. Phân tích tình huống và rủi ro có thể xảy ra, từ

đó xây dựng kịch bản thay thế và đánh giá các khả năng biến động bất thường của kết quả; hiển thị kết quả dự báo thông qua biểu đồ thích hợp.

- Bước 8: Theo dõi và hiệu chỉnh dự báo. Theo dõi và đánh giá tác động của các

thông tin khi thay đổi có khả năng tác động lên kết quả dự báo như (i) chủ trương, chính sách kinh tế vĩ mô và tiền tệ tác động đến các biến số trong mô hình, đối tượng dự báo trong

từng giai đoạn; (ii) biến động của môi trường trong và ngoài nước; (iii) các yếu tố định tính

khác (tâm lý và kỳ vọng của thị trường…). Dựa trên các thông tin mới này, điều chỉnh dự

báo nếu cần thiết trên cơ sở xác định các nhân tố mới và tình hình mới tác động đến đối tượng dự báo. Cuối cùng, chuẩn bị và công bố báo cáo tới công chúng và các bên liên quan.

1.3.2. Tổng quan về mô hình dự báo lạm phát trong điều hành chính sách tiền tệ

Lựa chọn mô hình dự báo lạm phát phù hợp là một quá trình lặp lại cho đến khi thu

được một (hoặc một số) mô hình tốt nhất theo nghĩa đảm bảo được các giả thiết thống kê của mô hình, đồng thời có ý nghĩa về mặt lý thuyết. Mặt khác, theo Nguyễn Đức Trung

(2017), mô hình dự báo được coi là phù hợp nên được thiết kế đơn giản, bên cạnh khả năng

dự báo tốt (đưa ra kết quả sát nhất với thực tế). Dựa trên thông lệ và chuẩn mực quốc tế, có thể đưa ra cái nhìn khái quát về các loại mô hình dự báo như sau:

Về mặt cấu trúc, chúng ta có mô hình đơn biến và mô hình đa biến:

(i) Mô hình đơn biến (Univariate Model): mô hình tự hồi quy (Autoregressive Model – AR); mô hình trung bình trượt (Moving Average Model – MA); mô hình tự hồi quy trung bình trượt đồng liên kết (Autoregressive Integrated Moving Average Model – ARIMA);

(ii) Mô hình đa biến (Multivariate Model): mô hình tự hồi quy vector (Vector Autoregressive Model – VAR) và các biến thể của VAR (tiêu biểu trong đó là mô hình hiệu

chỉnh sai số vector - VECM); mô hình cân bằng động học ngẫu nhiên tổng quát (Dynamic Stochastic General Equilibrium Model – DSGE).

Theo tầm xa dự báo, các lớp mô hình tập trung vào dự báo: (i) rất ngắn hạn, thậm

chí dự báo cho kỳ hiện tại (Nowcasting); (ii) Dự báo ngắn hạn (dưới 1 năm); (iii) Dự báo

trung hạn (từ 1 – 3 năm); (iv) Dự báo dài hạn (từ 3 – 5 năm).

Trong khuôn khổ của luận án, tác giả lựa chọn giới thiệu ba mô hình dự báo được sử

dụng phổ biến nhất gồm:

- Mô hình ARIMA: đại diện cho lớp mô hình đơn biến – dự báo ngắn hạn;

- Mô hình VAR và VECM: những đại diện tiêu biểu cho lớp mô hình đa biến – dự

báo trung hạn.

Đây đều là các lớp mô hình dự báo biến số vĩ mô phổ biến tại Việt Nam (ví dụ: Vụ

Dự báo, thống kê - NHNN Việt Nam; Trung tâm Phân tích và Dự báo, Viện Hàn lâm Khoa

học Xã hội Việt Nam; Viện Đào tạo và Nghiên cứu BIDV…) và tại NHTW các nước đang

phát triển Châu Á. Theo nhận định của Bùi Quốc Dũng, (2014), các mô hình này đều có ưu điểm là người sử dụng có thể thường xuyên cập nhật dữ liệu, ước lượng hiệu quả tác động

của các nhân tố vĩ mô khác nhau đối với lạm phát và dự báo nhanh được xu hướng, diễn

biến của các chỉ tiêu quan tâm.

1.3.2.1. Mô hình ARIMA

a. Giới thiệu mô hình

Một phương pháp rất phổ biến trong dự báo chuỗi thời gian là lập mô hình tự hồi quy tích hợp trung bình trượt. Mô hình trung bình trượt kết hợp tự hồi quy (autoregressive

intergrated moving average – ARIMA) là mô hình dự báo chuỗi thời gian đơn biến được

Box và Jenkins (2015) phát triển dựa trên ý tưởng chuỗi thời gian có thể được giải thích

bằng cách kết hợp các hành vi hiện tại và trong quá khứ với các yếu tố ngẫu nhiên (gọi là nhiễu) ở hiện tại và quá khứ. Thực chất ARIMA là tổng hợp các mô hình: mô hình tự hồi

quy AR, mô hình tích hợp (I) và mô hình trung bình trượt (MA). Chuỗi dữ liệu nghiên cứu

bằng mô hình ARIMA phải có tính dừng. Về bản chất, ARIMA là trường hợp rút gọn của

VAR (mô hình 1 biến).

- Mô hình tự hồi quy (AR)

Quá trình tự chuỗi hồi quy bậc p được ký hiệu là AR(p) được thể hiện qua phương

là nhiễu trắng: trình (1.1), trong đó 𝜀𝑡

𝑌𝑡 = µ + Φ1 𝑌t-1 + Φ2 𝑌t-2 + ⋯ + Φp 𝑌t-p + εt (1.1)

- Mô hình trung bình trượt (MA)

Quá trình trung bình trượt bậc q được ký hiệu là MA(q) được thể hiện qua phương

là nhiễu trắng: trình (1.2), trong đó 𝜀𝑡

Yt = µ + θ1 εt-1 + θ2 εt-2 + … + θq εt-q + εt (1.2)

- Mô hình tự hồi quy tích hợp trung bình trượt (ARIMA)

Mô hình tự hồ i quy bậ c p trung bình trươ ̣t bậ c q - ký hiệ u là ARMA (p, q), là mô hình dạng kết hơ ̣p của AR(p) và MA(q), được thể hiện qua phươ ng trình (1.3a), trong đó 𝜀𝜀 là nhiễu trắ ng:

Yt = μ + Φ1Yt-1 + Φ2Yt-2 + … + ΦpYt-p + θ1εt-1 + θ2εt-2 +…+ θqεt-q + εt (1.3a)

ARMA (p,q) có thể viết la ̣i dướ i da ̣ng phương trình toán tử trễ như sau: (1 - Φ1L – Φ2L2 - … - Φp Lp)×Yt = μ + (1 + θ1L + θ2L2 + … + θq Lq)×εt (1.3b)

Mô hình ARIMA chỉ áp du ̣ng để nghiên cứ u các chuỗi thờ i gian dừ ng. Tuy nhiên, trong thực tế, phần lớ n chuỗi thờ i gian là chuỗi không dừ ng, ta có thể lấy sai phân d lầ n (1 − L)d để biến đổ i Yt thành chuỗi dừ ng. Khi đó Yt đươ ̣c xem là chuỗi tích hơ ̣p bậ c d - I(d).

Áp du ̣ng chuỗi ARMA (p, q) cho chuỗi tích hơ ̣p bậ c d, ta đươ ̣c chuỗi tự hồ i quy tích

hơ ̣p trung bình trươ ̣t và mô hình là ARIMA (p, d, q) có da ̣ng sau:

(1.4) Φp (L) (1 - L)d Yt = θq (L) εt

Trong đó: εt là nhiễu trắng và d là bậc sai phân của Yt.

Trườ ng hơ ̣p chuỗi Yt có yếu tố mùa vu ̣ vớ i chu kỳ mùa là s thờ i đoa ̣n, phươ ng pháp đơ n giản nhất để loa ̣i bỏ yếu tố mùa vu ̣ trong chuỗi là lấ y sai phân thứ s củ a chuỗi Yt [hay còn go ̣i là sai phân mùa (1 – L)s].

Áp du ̣ng chuỗi ARIMA (p, d, q) cho chuỗi sai phân mùa bậ c D, tự hồ i quy mùa bậ c P, trung bình trươ ̣t mùa bậ c Q, ta đươ ̣c mô hình ARIMA (P, D, Q)s có da ̣ng phươ ng trình (1.5) như sau:

Φp (L) φp (Ls) (1 – L)d (1 – Ls)D Yt = θa (L) σ0 (Ls) εt + μ (1.5)

Hàm tự tươ ng quan và hàm tự tươ ng quan riêng phần củ a mô hình ARIMA phứ c ta ̣p hơ n so vớ i mô hình AR và MA. Vớ i d = 0 (nghĩa là chuỗi thờ i gian khở i đầu có tính dừ ng), ARIMA (p, 0, q) = ARMA (p, q). Cần chú ý rằ ng mộ t quá trình ARIMA (p, 0, 0) có nghĩa là quá trình có tính dừ ng AR(p) thuần túy; mộ t quá trình ARIMA (0, 0, q) có nghĩa là quá trình có tính dừ ng MA(q) thuần túy hay chuỗi thờ i gian có tính dừ ng sau khi đã thực hiệ n mộ t hay nhiều phép sai phân. Khi biết các giá tri ̣ củ a p, d và q, ta có thể khẳ ng đi ̣nh quá trình nào đang đươ ̣c lậ p mô hình. Các bướ c, cấu phần quan tro ̣ng củ a mô hình là:

Thứ nhất, tính dừng của dữ liệu:

Mộ t quá trình ngẫu nhiên đươ ̣c go ̣i là có tính dừ ng khi: - Kỳ vo ̣ng không đổ i theo thờ i gian: E(Yt) = μ. - Phương sai không đổi theo thời gian: Var(Yt) = E(Yt – μ) = σ2.

Đồ ng phươ ng sai chỉ phu ̣ thuộ c khoảng cách củ a độ trễ mà không phu ̣ thuộ c thờ i

điểm tính đồ ng phươ ng sai đó: (cid:81)k = E[(Yt – μ)(Yt-k – μ)] không phụ thuộc theo t.

Lưu ý: Chúng ta có thể biến dữ liệ u chuỗi thờ i gian từ không dừ ng trở thành dừ ng

bằng cách lấy sai phân củ a nó.

Sai phân bậc nhất wt = Yt – Yt-1

2 = wt – wt-1 Sai phân bậc hai …

Thứ hai, hàm tự tương quan và hàm tự tương quan mẫu: Hàm tự tươ ng quan (ACF) ở độ trễ k, ký hiệ u là ρk, được đi ̣nh nghĩa như sau:

= (1.6) 𝜌𝑘 = 𝛾𝑘 𝛾0 𝐸[(𝑌𝑡 − 𝜇)(𝑌𝑡−𝑘 − 𝜇)] 𝐸[(𝑌𝑡 − 𝜇)2]

Giá tri ̣ củ a ρk thuộc khoảng (-1; 1). Trên thực tế, chúng ta chỉ có thể có số liệ u thực tế là kết quả củ a quá trình ngẫu nhiên, do đó chúng chỉ có thể tính toán đươ ̣c hàm tự tươ ng quan mẫu (SACF), ký hiệ u là rk.

𝑟𝑘 = 𝛾𝑘̂ 𝛾0̂

Với:

𝛾𝑘̂ = (1.7)

𝛾0̂ = { Σ(𝑌𝑡 − 𝑌̅)(𝑌𝑡−𝑘 − 𝑌̅) 𝑛 Σ(𝑌𝑡 − 𝑌̅)2 𝑛

2 𝑟𝑖

𝑗−1 𝑖−1

Độ lệch chuẩn hệ số tự tương quan mẫu:

𝑠(𝑟𝑗) = √ 1 + 2 ∑ 𝑛

Trị thống kê t:

𝑡𝑘 = 𝑟𝑘 𝑠(𝑟𝑘)

Với cỡ mẫu lớn thì tk ~ Z, do đó khi t > 1,96 → rk ≠ 0 có ý nghĩa thống kê, khi đó rk được gọi là một đỉnh. Các phần mềm kinh tế lượng sẽ giúp chúng ta tính toán kết quả của SACF và các giá trị tới hạn (hoặc trị thống kê t) của nó ứng với mức ý nghĩa α = 5%.

Thống kê Ljung-Box (LB):

2 ~𝜒𝑚

𝑛 𝐿𝐵 = 𝑛(𝑛 + 2) ∑ 𝑘−1

2 𝑟𝑘 𝑛−𝑘

(1.8)

2 ≠ 0.

Trong đó: n là cỡ mẫu; k là độ dài trễ.

Giả thuyết H0: rk = 0 ; H1: ∑ rk

. Chúng ta bác bỏ H0 khi: 𝐿𝐵 > 𝜒𝑚,1−𝛼

Một số phần mềm kinh tế lượng có thể tính toán được trị số thống kê LB.

Thứ ba, hàm tự tương riêng phần (PACF):

Hệ số tự tương quan riêng phần với độ trễ k đo lường tương quan của Yt-k với Yt sau khi loa ̣i trừ tác độ ng tươ ng quan củ a tất cả độ trễ trung gian. Công thứ c tính PACF như sau:

𝑟𝑘−∑ 1−∑

𝑟𝑘−1,𝑗𝑟𝑘−𝑗 𝑟𝑘−𝑗,𝑗𝑟𝑗

𝑘−1 𝑗−1 𝑘−1 𝑗−1

(1.9) 𝑟𝑘𝑘 =

Độ lệch chuẩn rkk: Công thức tính độ lệch chuẩn của rkk phu ̣ thuộ c vào bậ c củ a sai

phân. Công thứ c trình bày trên đây là công thứ c gần đúng vớ i số quan sát đủ lớ n.

1 𝑠(𝑟𝑘𝑘) = √𝑛

Trị thống kê t:

𝑡𝑘𝑘 = 𝑟𝑘𝑘 𝑠(𝑟𝑘𝑘)

Với cỡ mẫu lớn: tkk ~ Z, do đó khi tkk > 1,96 thì rkk ≠ 0 có ý nghĩa thống kê, khi đó rkk

được gọi là một đỉnh.

Thứ tư, phương pháp luận Box-Jenkins:

Sự ra đờ i cuố n sách “Time Series Analysis: Forecasting and Control” của Box và Jenkins (2015) đã mở ra mộ t kỷ nguyên mớ i củ a các công cu ̣ dự báo. Đươ ̣c biết rộ ng rãi dướ i cái tên phươ ng pháp luậ n Box- Jenkins, nhưng về mặ t kỹ thuậ t đươ ̣c go ̣i là phương pháp luậ n ARIMA, tro ̣ng tâm củ a các phươ ng pháp dự báo mớ i này không phả i là xây dựng các mô hình đơ n phươ ng trình hay phươ ng trình đồ ng thờ i mà là phân tích các tính chất xác suất hay ngẫu nhiên củ a bả n thân các chuỗi thờ i gian kinh tế theo triết lý “hãy để dữ liệ u tự lên tiếng”. Không giố ng như các mô hình hồ i quy trong đó Yt đươ ̣c giải thích bở i k biến làm hồ i quy X1, X2, X3, …, Xk trong các mô hình chuỗi thờ i gian kiểu Box-Jenkins, Yt có thể đươ ̣c giải thích bở i các giá tri ̣ trong quá khứ hay giá tri ̣ trễ củ a bản thân biến Y và các sai số ngẫu nhiên (trong trườ ng hơ ̣p mô hình đơ n, tứ c là các mô hình ARIMA có mộ t chuỗi thờ i gian). Vì lý do này, các mô hình ARIMA đôi khi đươ ̣c go ̣i là mô hình lý thuyết a bở i vì các mô hình này không thể suy ra đươ ̣c từ bất cứ lý thuyết kinh tế nào - và các lý thuyết kinh tế thườ ng là cơ sở cho các mô hình phươ ng trình đồ ng thờ i.

Phươ ng pháp luậ n Box-Jenkins cho mô hình ARIMA bao gồm 4 bướ c sau: nhậ n dạng; ướ c lư ợng; kiểm tra chuẩn đoán và dự báo. Điểm cầ n lưu ý là để ứng du ̣ng phươ ng pháp luậ n Box-Jenkins, chuỗi thờ i gian phải dừ ng ở dạng nguyên trị hoặc dừ ng sau khi đã thực hiệ n mộ t hay nhiều phép sai phân.

- Bướ c 1: Nhậ n da ̣ng mô hình: Tứ c là tìm ra giá tri ̣ thích hơ ̣p cho p, d, q. Giả sử dữ liệ u dừ ng ở I(d), có thể sử dụng biểu đồ tự tương quan (Autocorrelation Correlogram - SACF) và biểu đồ tươ ng quan riêng phần (Partial Autocorrelation Correlogram - PACF) củ a I(d) để xác đi ̣nh p và q.

- Bướ c 2: Tính toán tham số củ a mô hình: Với các da ̣ng ARIMA đơ n giản, chúng ta có thể dùng phươ ng pháp bình phươ ng tố i thiểu. Trong khi đó, da ̣ng thức ARIMA phứ c ta ̣p hơn đòi hỏ i phải áp du ̣ng kỹ thuật ướ c lươ ̣ng phi tuyến.

- Bướ c 3: Kiểm tra chẩn đoán: Sau khi đã lựa cho ̣n mô hình ARIMA cu ̣ thể và ướ c lươ ̣ng các tham số củ a nó, ta tìm hiểu xem mô hình lựa cho ̣n có phù hơ ̣p vớ i dữ liệ u ở mứ c chấp nhậ n hay không bở i vì có thể mộ t mô hình ARIMA khác cũng phù hơ ̣p vớ i dữ liệ u. Mộ t kiểm đi ̣nh đơ n giả n về mô hình lựa cho ̣n là xem xem các phần dư ướ c lươ ̣ng từ mô hình này có tính ngẫu nhiên thuầ n túy hay không; nếu có, ta có thể chấp nhậ n sự phù hơ ̣p này củ a mô hình; nếu không, ta phả i lặ p la ̣i từ đầu. Như vậ y, phươ ng pháp luậ n Box-Jenkins là mộ t quá trình lặ p la ̣i. Có thể so sánh mô hình ARIMA đã ướ c lươ ̣ng vớ i mô hình truyền thố ng (tuyến tính, xu hướ ng, san bằ ng số mũ...) và giữa các mô hình ARIMA vớ i nhau để cho ̣n ra mô hình tốt nhất.

- Bướ c 4: Tiến hành dự báo: Trong đa số trườ ng hơ ̣p, mô hình ARIMA cho kết quả dự báo đáng tin cậ y hơ n là sử dụng các mô hình kinh tế lươ ̣ng truyền thố ng, đặ c biệ t đối vớ i dự báo ngắ n ha ̣n. Tất nhiên, ở từ ng trườ ng hơ ̣p phải kiểm tra cu ̣ thể.

b. Ưu điểm của mô hình

Trong đa số trườ ng hơ ̣p, mô hình ARIMA cho kết quả dự báo ngắ n ha ̣n đáng tin cậ y

nhất trong các phươ ng pháp dự báo.

c. Hạn chế của mô hình

- Số quan sát cần cho dự báo ≥ 50.

- Ha ̣n chế về cơ sở lý thuyết kinh tế, đố i vớ i các biến số có biến độ ng ngắ n, ARIMA không hiệ u quả vì không có tính chất phản ứ ng nhanh. Chỉ dùng để dự báo ngắn ha ̣n và trong điều kiệ n tươ ng đố i ổ n đi ̣nh, không có nhữ ng cũ số c ảnh hưở ng lớ n đến biến số cần dự báo và không thể đưa các yếu tố thay đổ i có ảnh hưở ng đến biến số cần dự báo củ a thờ i kỳ cần dự báo vào mô hình.

- Khả nă ng xây dựng ki ̣ch bản củ a mô hình ARIMA rất ha ̣n chế; phươ ng pháp lậ p

mô hình ARIMA củ a Box-Jenkins là mộ t nghệ thuậ t nhiều hơ n là mộ t khoa ho ̣c.

d. Điều kiện áp dụng

- Yêu cầu về am hiểu lý thuyết kinh tế: ARIMA thiên nhiều về kỹ thuật thống kê với độ phức tạp tầm trung, không đòi hỏi sự am hiểu sâu sắc về các học thuyết kinh tế phức tạp.

- Yêu cầu về dữ liệu đầu vào: ARIMA không đòi hỏi một bộ dữ liệu quá đồ sộ về chiều rộng, mà chỉ cần đảm bảo chiều sâu dữ liệu để có thể cung cấp kết quả dự báo đáng tin cậy trong ngắn hạn. Theo đó, đầu vào sử dụng cho mô hình dự báo lạm phát ARIMA là chuỗi số liệu giá tổng thể cũng như các chuỗi giá thành phần theo tần suất tháng và quý được thu thập trong thời gian đủ dài (10 năm trở lên).

- Yêu cầu về hạ tầng phần mềm và năng lực cán bộ: Bản thân Eviews (trong một số

trường hợp có thể sử dụng Stata hoặc R) – nền tảng phổ biến cho việc vận hành mô hình

ARIMA, là phần mềm quen thuộc đối với giới thống kê, sở hữu giao diện thân thiện dành

cho người dùng. Theo đó, năng lực cán bộ tại NHTW các quốc gia đang phát triển (trong đó có Việt Nam) có thể đáp ứng tốt việc phát triển và ứng dụng ARIMA để dự báo lạm phát.

1.3.2.2. Mô hình VAR

a. Giới thiệu mô hình

Nếu mô hình ARIMA chỉ tiến hành phân tích trên mộ t chuỗi thờ i gian còn mô hình VAR đươ ̣c sử du ̣ng khi có nhiều chuỗi thờ i gian khác nhau và cần xem xét mố i quan hệ giữa chúng. Phươ ng pháp luậ n củ a củ a mô hình VAR, về bề ngoài, giố ng vớ i phươ ng pháp xây dựng mô hình phươ ng trình đồ ng thờ i ở chỗ các biến nộ i sinh đươ ̣c xem xét cùng vớ i nhau nhưng từ ng biến nộ i sinh đươ ̣c giải thích bở i các giá tri ̣ trễ hay giá tri ̣ quá khứ củ a nó và giá tri ̣ trễ củ a tất cả các biến nộ i sinh trong mô hình.

Mô hình VAR hay mô hình vector tự hồ i quy là mộ t da ̣ng tổ ng quát củ a mô hình tự hồ i quy đơ n chiều (univariate autogressive model) trong dự báo mộ t tậ p hơ ̣p biến – nghĩa là mộ t vector củ a biến chuỗi thờ i gian. Nó ướ c lươ ̣ng phươ ng trình củ a từng chuỗi biến theo các độ trễ củ a biến (p) và tất cả các biến còn la ̣i (vế phải mỗi phươ ng trình bao gồ m mộ t hằ ng số và các độ trễ củ a tất cả các biến trong hệ thố ng). Do đó, VAR là mô hình hệ phươ ng trình tự hồ i quy rất đặ c thù:

Yt = C + B × Yt-1 + … + et

- Hầu hết những biến trong mô hình đều là biến nộ i sinh. - Những phươ ng trình trong hệ sử du ̣ng các biến độ c lậ p giố ng nhau. - Biến độ c lậ p là biến nộ i sinh ở các thờ i kỳ trễ. VAR là mộ t mô hình kinh tế lươ ̣ng thuần túy về số liệ u chuỗi thờ i gian. Mô hình VAR cơ bản có da ̣ng: Ví dụ, mô hình VAR(2) có thể được thiết lập như sau:

y1t = b10 + b11 y1,t-1 + b12 y2,t-1 + e1t

y2t = b20 + b21 y1,t-1 + b22y2,t-1 + e2t

Trong đó:

Y1t, Y2t là các biến số kinh tế nằ m trong 1 vector, đươ ̣c hồ i quy theo 2 biến độ c lậ p là giá tri ̣ trong quá khứ củ a chúng (lần lượt là Y1,t-1, Y2,t-1). Đó là lý do vì sao lại gọi là tự hồi quy.

e1t, e2t là các nhiễu trắng (white noise) có thể tươ ng quan đồ ng thờ i vớ i nhau (comtemporaneously correlated).

Hệ số bii,l đo lường tác động của biến trễ Yi,t-l lên biến Yit.

Hệ số bij,l đo lường tác động của biến trễ Yj,t-l lên biến Yjt.

Mô hình VAR có thể sử du ̣ng cho mu ̣c đích dự báo cũng như đánh giá tác độ ng truyền tải số c (nghĩa là tác độ ng củ a cú số c xảy ra đố i vớ i mộ t biến số lên toàn bộ hệ thố ng còn la ̣i do ̣c theo thờ i gian). Về mặ t dự báo, VAR chứ a đựng nhiều thông tin hơ n ARIMA, do đó cung cấp kết quả dự báo trung ha ̣n tốt hơ n (BIDV, 2018).

Các bước tiến hành:

- Bư ớ c 1: Kiểm đi ̣nh tính dừ ng củ a các biến, thực hiệ n biến đổ i đến khi thu đươ ̣c

chuỗi dừ ng.

- Bư ớ c 2: Xác định độ trễ thích hơ ̣p dựa trên nhóm tiêu chuẩn Sequential Modified LR, Final Prediction Error (FPE), Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC) và Hannan-Quinn Information Criterion (HQ).

- Bước 3: Kiểm định và lựa chọn mô hình:

(cid:120) Tính ổn định của mô hình (các nghiệm đều nằm trong vòng tròn đơn vị).

(cid:120) Kiểm tra xem phần dư có phải là nhiễu trắng không để đảm bảo biến nhiễu

không còn chứa những thông tin quan trọng phản ánh sự thay đổi của biến phụ thuộc.

- Bư ớ c 4: Phân tích và ứng du ̣ng kết quả phân tích (dự báo, hàm phả n ứ ng, phân rã

phươ ng sai). Trong đó, các bước tiến hành dự báo gồm:

(1) Mở rộng kích thước mẫu cho thời gian dự báo. (cid:120)

(2) Chuyển sang môi trường mô hình. (cid:120)

(3) Ước lượng mô hình và dự báo. (cid:120)

b. Ưu điểm của mô hình - Đây là phươ ng pháp đơ n giản, việ c lựa cho ̣n các biến củ a mô hình đươ ̣c tiến hành

mộ t cách nhanh chóng, đơ n giản, trong đó hầu hết là biến nộ i sinh.

- VAR có thể đươ ̣c ướ c lươ ̣ng dễ dàng bằ ng tất các các phần mềm kinh tế lươ ̣ng như Stata, Eviews... các biến chuỗi thờ i gian thỏ a mãn tính chất dừ ng có thể đươ ̣c ướ c lươ ̣ng trực tiếp hoặ c biến đổ i sang sai phân để ướ c lươ ̣ng (nếu không thỏ a mãn tính chất dừ ng).

- VAR bản chất là sự kết hơ ̣p giữa mô hình tự hồ i quy đơ n biến (Univariate Autogressive - AR) và hệ phươ ng trình đồ ng thờ i (Simultanous Equations – SEs) do đó có thể kết hơ ̣p ưu điểm củ a mô hình AR là rất dễ ướ c lươ ̣ng bằ ng phươ ng pháp tố i thiểu hóa phần dư (OLS) và ưu điểm củ a SEs là ướ c lươ ̣ng nhiều phươ ng trình đồ ng thờ i trong cùng mộ t hệ thố ng.

- VAR khắc phu ̣c đươ ̣c nhươ ̣c điểm củ a SEs là không cần quan tâm đến tính nộ i sinh củ a các biến kinh tế (endogeneity), tứ c là các biến kinh tế thườ ng mang tính nộ i sinh khi chúng tác độ ng qua la ̣i lẫn nhau, thuộ c tính này làm cho phươ ng pháp cổ điển hồ i quy bộ i dùng một phươ ng trình hồ i quy nhiều khi bi ̣ sai lệ ch khi ướ c lươ ̣ng.

- Dự báo theo phươ ng pháp này, trong nhiều trườ ng hơ ̣p, tốt hơ n các dự báo tính

đươ ̣c từ các mô hình phươ ng trình đồ ng thờ i khác phứ c ta ̣p hơ n.

- VAR cũng là nền tảng cho nghiên cứ u đồ ng liên kết củ a Engle và Granger (1987). Các ưu điểm trên cũng là lý do khiến mô hình VAR trở nên phổ biến trong nghiên

cứ u kinh tế vĩ mô.

c. Hạn chế của mô hình

- Không như các mô hình phương trình đồng thời, mô hình VAR là mô hình phi lý

thuyết vì sử dụng ít thông tin tiên nghiệm hơn. Cần lưu ý rằng trong các mô hình phương trình đồng thời, việc loại trừ hay đưa vào các biến nhất định đóng một vai trò trọng yếu trong việc xác định mô hình.

- Đòi hỏi quá nhiều thông tin, ảnh hưởng đến chi phí, thời gian thu thập số liệu trong

quá trình vận hành sau này.

- Việc lựa chọn thứ tự các biến trong VAR khá phức tạp.

- Do chưa loại bỏ hoàn toàn hiện tượng đồng liên kết giữa các biến trong mô hình

nên có thể ảnh hưởng đến tính chính xác của kết quả dự báo.

d. Điều kiện áp dụng

- Yêu cầu về am hiểu lý thuyết kinh tế: VAR thiên về kỹ thuật thống kê hơn là đòi

hỏi sự am tường sâu sắc về học thuyết kinh tế với các ràng buộc sâu sắc. Hàm lượng học thuyết trong VAR không lớn, không phân biệt vai trò quan trọng hay yếu thế giữa các biến.

Nói khác đi, các biến có vai trò quan trọng như nhau và đều được giải thích bởi biến trễ của chính nó và của các biến khác trong mô hình (Bùi Quốc Dũng và Phạm Đức Anh, 2016).

- Yêu cầu về dữ liệu đầu vào: VAR không đòi hỏi một bộ dữ liệu quá đồ sộ về chiều

rộng như mô hình DSGE hay kinh tế lượng vĩ mô. Chỉ cần thực nghiệm đối với không nhiều

biến số chủ chốt, VAR vừa làm tốt vai trò phân tích cơ chế truyền dẫn CSTT đối với nền kinh tế cũng như quan hệ giữa khu vực tiền tệ và khu vực khác của nền kinh tế, vừa cung cấp được kết quả dự báo lạm phát đáng tin cậy trong trung hạn theo tần suất tháng và quý.

- Yêu cầu về hạ tầng phần mềm và năng lực cán bộ: Bản thân Eviews (trong một số

trường hợp có thể sử dụng Stata hoặc R) – nền tảng được tin dùng để vận hành mô hình

VAR, là một phần mềm quen thuộc đối với giới thống kê, sở hữu giao diện thân thiện dành cho người dùng. Theo đó, năng lực cán bộ tại NHTW các quốc gia đang phát triển (trong đó có Việt Nam) có thể đáp ứng tốt việc phát triển và ứng dụng VAR cho công tác phân tích cơ chế truyền dẫn CSTT, đánh giá tác động của các cú sốc tới lạm phát cũng như dự báo các chỉ tiêu kinh tế vĩ mô (trong đó có lạm phát) trong trung hạn.

1.3.2.3. Mô hình VECM

a. Giới thiệu mô hình

Mô hình hiệ u chỉnh sai số vector (Vector Error Correction Model - VECM) đươ ̣c sử du ̣ng thay thế mô hình VAR khi giữa các biến tồn tại quan hệ đồ ng kết hơ ̣p (cointegaration) – là mố i liên kết giữa 2 biến trong dài ha ̣n.

Chúng ta đều biết rằng, khi hồ i quy mô hình vớ i các biến là chuỗi thờ i gian thì yêu cầu đặ t ra là các chuỗi này phải dừ ng. Trong trườ ng hơ ̣p chuỗi chưa dừ ng thì ta phả i lấy sai phân củ a chúng cho đến khi có đươ ̣c chuỗi dừ ng. Tuy nhiên, khi ta hồ i quy các giá tri ̣ sau khi đã lấy sai phân có thể sẽ bỏ sót những thông tin dài ha ̣n trong mố i quan hệ giữa các biến dẫn đến kết quả hồ i quy giả ta ̣o. Chính vì thế khi hồ i quy những mô hình đã lấy sai phân phải có thêm phầ n dư E. Chẳ ng ha ̣n đố i vớ i mô hình hai biến Y1 và Y2, ta có:

ΔY1 = β1 + β2ΔY2t + β3Et-1 + εt

Số hạng β3Et-1 chính là phầ n mất cân bằ ng. Mô hình ướ c lươ ̣ng sự phu ̣ thuộ c củ a mứ c thay đổ i củ a Y1 vào mứ c thay đổ i củ a Y2 và mứ c mất cân bằ ng ở thờ i kỳ trướ c đươ ̣c go ̣i là mô hình hiệ u chỉnh sai số ECM.

Engle và Granger (1987) cho rằng nếu kết hơ ̣p tuyến tính củ a chuỗi thờ i gian không dừ ng có thể là mộ t chuỗi dừ ng và các chuỗi thờ i gian không dừ ng đó đươ ̣c coi là đồ ng liên kết, kết hơ ̣p tuyến tính dừ ng đươ ̣c go ̣i là phươ ng trình đồ ng liên kết và có thể đươ ̣c giải thích như mố i quan hệ cân bằ ng dài ha ̣n giữa các biến. Nói cách khác, nếu phầ n dư trong mô hình hồ i quy giữa các chuỗi thờ i gian không dừ ng là mộ t chuỗi dừ ng, kết quả hồ i quy là thực và có thể biểu thị mố i quan hệ cân bằ ng dài ha ̣n giữa các biến trong mô hình. Trong trường hợp mô hình là đồ ng liên kết, trườ ng hơ ̣p hồ i quy giả ta ̣o sẽ không xảy ra - khi đó các kiểm đi ̣nh dựa trên tiêu chuẩn t và F vẫn có ý nghĩa. Có nhiều phươ ng pháp kiểm đi ̣nh mố i quan hệ đồ ng liên kết: kiểm đi ̣nh Engle Granger, kiểm đi ̣nh CRDW và phươ ng pháp Johansen (1995) cũng đươ ̣c sử du ̣ng phổ biến để xác đi ̣nh mố i quan hệ đồ ng liên kết này. Đây là phươ ng pháp biến đổ i mô hình VAR sang mô hình VECM thông qua ma trậ n đồ ng liên kết Johansen: Nếu ha ̣ng củ a ma trậ n bằng 0 thì không có mố i quan hệ đồ ng liên kết giữa các biến thì mô hình VAR là phù hơ ̣p, ngươ ̣c la ̣i nếu ha ̣ng ≠0 (dĩ nhiên là nhỏ hơ n số phươ ng trình củ a mô hình) thì tồ n ta ̣i các mố i quan hệ đồ ng liên kết giữa các biến.

Xét mộ t mô hình VAR(p) có da ̣ng như sau:

Yt = A1 Yt-1 + A2 Yt-2 + … + Ap Yt-p + ut

Có thể biến đổi mô hình trên trở thành:

ΔYt = Yt – Yt-1 = ΠYt-1 +C1ΔYt-1 + C2ΔYt-2 + … + Cp-1ΔYt-p + ut

𝑝 𝑖+1

; ΠYt-1 là phần ̅̅̅̅̅̅̅̅̅̅) Trong đó: Π = - (I - A1 - A2 - … - Ap); 𝐶𝑖 = − ∑ 𝐴𝑗 (𝑖 = 1, 𝑝 − 1

hiệu chỉnh sai số mô hình; p là bậc tự tương quan (hoặc số trễ).

Mặt khác, Π = α × β’. Trong đó:

Ma trận α là ma trận tham số điều chỉnh; β’ là ma trậ n hệ số dài ha ̣n thể hiệ n tố i đa (n - 1) quan hệ đồ ng liên kết trong mộ t mô hình n biến nộ i sinh. β’ đảm bảo rằng Yt sẽ hộ i tu ̣ về cân bằ ng bền vững trong dài ha ̣n.

Mô hình số (2) đươ ̣c go ̣i là mô hình hiệ u chỉnh sai số vector (VECM). Nó đươ ̣c phát triển từ mô hình VAR(1) nhưng la ̣i có da ̣ng củ a mộ t mô hình hiệ u chỉnh sai số (ECM) bao gồ m: (i) Các quan hệ ngắ n ha ̣n giữa ∆Yt và trễ của nó là ∆Yt-j thể hiệ n qua các tham số Ci; (ii) quan hệ dài ha ̣n thể hiệ n qua thành phầ n hiệ u chỉnh sai số ПYt-1.Tuy nhiên điều khác biệ t giữa VECM và ECM là thành phần hiệ u chỉnh sai số củ a VECM có da ̣ng mộ t vector đồ ng tích hơ ̣p thể hiệ n mố i quan hệ đồ ng tích hơ ̣p giữa các biến.

Vector đồ ng tích hơ ̣p này ràng buộ c các hành vi trong dài ha ̣n củ a biến nộ i sinh trong khi cho phép sự biến độ ng ở mộ t mứ c độ nhất đi ̣nh trong ngắ n ha ̣n. Nhờ có lý thuyết đồ ng tích hơ ̣p giữa các biến nên VECM có thể ướ c lươ ̣ng đươ ̣c vớ i các chuỗi không dừ ng I(1) nhưng có quan hệ đồ ng tích hơ ̣p mà không bi ̣ hồ i quy giả ma ̣o. Đây là điểm khác biệ t so vớ i mô hình VAR, mô hình chỉ có thể ướ c lươ ̣ng đươ ̣c khi tất cả các biến số là dừ ng I(0). Vớ i cấu trúc như vậ y, mô hình VECM chứ a thông tin về điều chỉnh cả ngắ n ha ̣n và dài hạn vớ i nhữ ng thay đổ i trong Yt, thông qua dự báo, ước lươ ̣ng củ a Ci và Π tươ ng ứ ng. Và từ đó, mô hình VECM cũng đươ ̣c ướ c lươ ̣ng chính xác từ các giá tri ̣ đươ ̣c xác lậ p này, từ độ trễ tố i ưu củ a các biến đươ ̣c lựa cho ̣n thông qua các tiêu chuẩn LR, FPE, AIC, SIC và HQ.

Mô hình vector hiệ u chỉnh sai số VECM là mộ t da ̣ng củ a VAR tổ ng quát, đươ ̣c sử du ̣ng trong trườ ng hơ ̣p chuỗi dữ liệ u là không dừ ng và chứ a đựng mố i quan hệ đồ ng kết hơ ̣p. Đây là mộ t trong nhữ ng mô hình đơ n giả n về mặ t cấu trúc song la ̣i có hiệ u quả khá cao về khả nă ng dự báo. Mô hình VECM có da ̣ng tổ ng quát như sau:

ΔXt = ΠXt-1 + Γ1ΔXt-1 + … + Γp-1ΔXt-p+1 + Ut

b. Ưu điểm của mô hình - Về cơ sở lý thuyết, mô hình hiệ u chỉnh sai số da ̣ng vetor (VECM) có da ̣ng mô hình hiệ u chỉnh sai số (ECM) nhưng ưu việ t hơ n so vớ i ECM vì đươ ̣c phát triển triển trên cơ sở lý thuyết củ a mô hình VAR đồ ng thờ i dựa trên lý thuyết về đồ ng tích hơ ̣p củ a các biến số .

- Mô hình VECM cho phép đo lườ ng hiệ n tươ ̣ng đồ ng liên kết giữa nhiều biến trong mô hình. Sử du ̣ng mô hình này cho phép tránh đươ ̣c mộ t số lỗi củ a phươ ng pháp OLS thông thườ ng: hồ i quy giả hoặ c tự tươ ng quan trong OLS thông thườ ng.

- Mô hình VECM có tích hơ ̣p cả yếu tố dài ha ̣n (còn go ̣i là cân bằ ng dài ha ̣n) giúp hiệ u chỉnh các biến độ ng ngắ n ha ̣n. Vì vậ y, nă ng lực dự báo củ a mô hình VECM về lý thuyết tốt hơ n so vớ i ECM và VAR. Do đó, việ c ứ ng du ̣ng VECM vào dự báo các chỉ tiêu vĩ mô một cách phù hơ ̣p và đa ̣t hiệ u quả cao.

c. Hạn chế của mô hình

- Mô hình này đòi hỏi phải ước lượng một lượng lớn các tham số . Bên cạnh đó, để có thể đưa ra được kết quả dự báo có ý nghĩa, điều mấu chốt là phải thiết lập được các kịch bản đối với biến ngoại sinh một cách đáng tin cậy.

- Mô hình chưa thực sự hỗ trợ đắc lực cho công tác dự báo do chưa thể phân tách

được thành phần lạm phát theo: lạm phát lõi, lạm phát do thay đổi giá mặt hàng nhà nước quản lý và làm phát do biến động bất thường của giá lương thực, thực phẩm, nhiên liệu …

d. Điều kiện áp dụng

- Yêu cầu về sự am hiểu lý thuyết kinh tế: VECM thiên về kỹ thuật thống kê hơn là

đỏi hỏi sự am tường sâu sắc về các học thuyết kinh tế với các ràng buộc sâu sắc. So với

VAR, hàm lượng học thuyết được sử dụng trong VECM tuy lớn hơn, song chưa tới mức phức tạp như DSGE hay mô hình kinh tế lượng vĩ mô.

- Yêu cầu về dữ liệu đầu vào: Tương tự như VAR, VECM không đòi hỏi một bộ dữ

liệu quá đồ sộ về chiều rộng như mô hình DSGE hay kinh tế lượng vĩ mô. Chỉ cần thực nghiệm đối với không nhiều các biến số chủ chốt, VECM vừa làm tốt vai trò phân tích cơ

chế truyền dẫn CSTT đối với nền kinh tế cũng như mối quan hệ giữa khu vực tiền tệ và khu

vực khác của nền kinh tế, vừa cung cấp được kết quả dự báo lạm phát đáng tin cậy trong trung hạn theo tần suất tháng và quý.

- Yêu cầu về hạ tầng phần mềm và năng lực cán bộ: Bản thân Eviews (trong một số

trường hợp có thể sử dụng Stata hoặc R) – nền tảng được tin dùng để vận hành mô hình VECM, là một phần mềm quen thuộc đối với giới thống kê, sở hữu giao diện thân thiện

dành cho người dùng. Theo đó, năng lực cán bộ tại NHTW các quốc gia đang phát triển

(trong đó có Việt Nam) có thể đáp ứng tốt việc phát triển và ứng dụng VECM cho công tác

phân tích cơ chế truyền dẫn CSTT, đánh giá tác động của các cú sốc tới lạm phát cũng như dự báo các chỉ tiêu kinh tế vĩ mô (trong đó có lạm phát) trong trung hạn.

1.3.3. Đánh giá chất lượng mô hình dự báo lạm phát

Để đánh giá hiệu quả dự báo dựa trên các mô hình, có thể sử dụng các tiêu chuẩn thống kê phổ biến gồm: RMSE (Root Mean Squared Error – Căn bậc hai của bình phương

sai số trung bình); MAE (Mean Absolute Error – Trung bình giá trị tuyệt đối của sai số);

MAPE (Mean Absolute Percentage Error – Phần trăm trung bình giá trị tuyệt đối của sai số); Hệ số bất cân bằng Theil.

Giả sử, chúng ta cần dự báo cho h kỳ tới, mẫu dự báo là j = T+1, T+2, ..., T+h, đồng thời đặt giá trị thực tế và giá trị dự báo của biến y tại thời kỳ t là yt và 𝑦̂𝑡. Từ đó, các thống kê sai số có thể được tính toán theo công thức sau:

𝑇+ℎ 𝑅𝑀𝑆𝐸 = √ ∑ 𝑡=𝑇+1

𝑇+ℎ

(1.10a) (𝑦̂𝑡 − 𝑦𝑡)2 ℎ

𝑇+ℎ

(1.10b) |𝑦̂𝑡 − 𝑦𝑡| ℎ 𝑀𝐴𝐸 = ∑ 𝑡=𝑇+1

(1.10c) |𝑦̂𝑡 − 𝑦𝑡| ℎ 𝑀𝐴𝑃𝐸 = 100 × ∑ 𝑡=𝑇+1

𝑇+ℎ 𝑡=𝑇+1

√∑ (𝑦̂𝑡 − 𝑦𝑡)2 ℎ (1.10d) 𝑇ℎ𝑒𝑖𝑙 𝐼𝐶 =

𝑇+ℎ 𝑡=𝑇+1

2 𝑦̂𝑡 𝑡=𝑇+1 + √∑ 𝑇+ℎ ℎ

2 𝑦𝑡 ℎ

√∑

Trong đó:

- T là số quan sát (độ dài mẫu);

- 𝑦̂𝑡 là giá trị ước lượng trong mẫu ứng với quan sát thứ t của biến y;

- yt là giá trị thực tế ứng với quan sát thứ t của biến y.

Mô hình được coi là đạt hiệu quả dự báo tốt khi các tiêu chuẩn thống kê trên đạt mức

tối thiểu (tiệm cận 0), trong đó, hai tiêu chuẩn RMSE và MAE phụ thuộc vào đơn vị của biến được dự báo nên chỉ so sánh được khi biến dự báo là như nhau ở các mô hình.

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

Trong bối cảnh công cụ phân tích - dự báo định lượng phát triển ngày càng đa dạng,

NHTW tại mỗi quốc gia phải tạo lập riêng cho mình một hệ thống mô hình dự báo lạm phát.

Theo đó, NHTW đi sau thường có lợi thế hơn ở việc được thừa hưởng thành tựu nghiên cứu

mô hình từ NHTW tiên tiến đi trước. Hiện nay, có nhiều dạng thức mô hình được các NHTW sử dụng cho mục tiêu dự báo lạm phát, ví dụ: mô hình ARIMA, VAR và các biến

thể (tiêu biểu là VECM và SVAR), mô hình cân bằng động học ngẫu nhiên (DSGE)... Tùy

theo đặc trưng số liệu mỗi nước, đặc thù nền kinh tế và sự phát triển của NHTW, việc lựa chọn mô hình dự báo lạm phát tại mỗi NHTW là khác giống nhau. Điều này giúp tạo ra một nguồn tài nguyên mô hình khá phong phú. Trong quá trình kế thừa, NHTW đi sau cũng phải thực hiện một số hiệu chỉnh sao cho phù hợp với đặc trưng riêng có của nước mình.

Nghiên cứu của Hammond (2012) và tổng hợp của tác giả cho thấy đa số các nước

theo đuổi khung khổ CSTT lạm phát mục tiêu đều tin dùng mô hình DSGE cho mục tiêu phân tích vĩ mô và dự báo lạm phát, cụ thể: trong số 27 NHTW quốc gia theo đuổi CSTT

lạm phát mục tiêu (tính đến ngày 30/06/2020), có tới 20 NHTW lựa chọn công cụ DSGE1. Vấn đề đặt ra ở đây là ngoài những ưu điểm sẵn có theo lý thuyết, đâu là “điểm nghẽn”

khiến một số NHTW trong nhóm theo đuổi mục tiêu lạm phát quyết định không sử dụng

DSGE, và liệu DSGE có thích hợp cho phân tích và dự báo lạm phát tại NHTW các quốc gia mới nổi như Việt Nam không?

Trước tiên, bàn về ưu điểm, khác với mô hình phi cấu trúc vốn chủ yếu dựa trên số liệu và kỹ thuật mô hình chứ chưa quan tâm nhiều đến lý thuyết kinh tế (ví dụ: ARIMA,

VAR, VECM), lớp mô hình cấu trúc mà tiêu biểu là DSGE thường tồn tại ở dạng "lai"

(hybrid), tức có sự hội tụ giữa số liệu và lý thuyết gốc. Theo luận giải của Bùi Quốc Dũng

và Phạm Đức Anh (2016), điều khiến DSGE trở nên khác biệt so với các lớp mô hình lai cấu trúc khác là ban đầu nó được xây dựng trên nền kinh tế học vi mô, trong đó: hộ gia đình

hướng tới tối đa hóa lợi ích với ràng buộc về thu nhập khả dụng, doanh nghiệp hướng tới tối

đa hóa lợi nhuận hoặc tối thiểu hóa chi phí dựa trên ràng buộc về vốn, lao động và công

nghệ, xã hội thì hướng tới tối đa hóa phúc lợi xã hội… Ở tầm phát triển cao hơn, DSGE có thể kết hợp cả kinh tế học vi mô và vĩ mô dựa trên lý thuyết mô hình Keynes và kỹ thuật

ước lượng Bayes. Do đó, ngày nay DSGE được sử dụng rộng rãi để phân tích và thảo luận

chính sách, không chỉ ở tầm vĩ mô về tăng trưởng, lạm phát, mà còn gắn với việc nghiên

cứu ứng xử của mỗi tác nhân trong nền kinh tế trước thay đổi của CSTK và CSTT, hoặc giải thích sự thay đổi trong cấu trúc kinh tế.

Là lớp mô hình đa nhiệm và được ưa chuộng tại nhiều nền kinh tế lớn như Anh, Mỹ, Thuỵ Điển..., tại sao đến nay DSGE vẫn không được sử dụng tại một số quốc gia, hoặc nếu

có thì DSGE cũng không phải là công cụ chủ chốt phục vụ việc ra quyết định? Thực tế này xuất phát từ các nguyên nhân sau:

Thứ nhất, do sự phức tạp và mới mẻ trên phương diện kỹ thuật mô hình và công cụ máy tính cần phải có để xử lý mô hình. Để có thể vận hành hiệu quả lớp mô hình này, cán

bộ chuyên trách cần phải được đào tạo kiến thức nền về kinh tế học vĩ mô và vi mô, kiến thức chuyên sâu về kinh tế lượng, có kỹ năng lập trình thành thạo, đồng thời hệ thống máy

tính phải có cấu hình mạnh để chạy các phần mềm phức tạp (Matlab, Mathematica...). Điều

này đòi hỏi NHTW phải đầu tư rất lớn về trang thiết bị và nguồn nhân lực để có thể phát triển mô hình này một cách trọn vẹn.

1 20 NHTW theo đuổi CSTT lạm phát mục tiêu đã và đang áp dụng mô hình DSGE gồm: Anh, Armenia, Úc, Brazil, Canada, Chile, Cộng hòa Séc, Hungary, Iceland, Indonesia, Mexico, New Zealand, Na Uy, Peru, Philippines, Ba Lan, Hàn Quốc, Thụy Điển, Thái Lan, Thổ Nhĩ Kỳ. 7 NHTW còn lại chưa áp dụng gồm: Colombia, Ghana, Guatemala, Israel, Romania, Serbia, Nam Phi.

Thứ hai, tính đúng đắn của lớp mô hình DSGE hiện nay đang là chủ đề tranh luận giữa các nhà kinh tế học nổi tiếng. Ví dụ, Sims (2006) cho rằng mô hình DGSE hoàn thiện ở

thời điểm ra đời chưa thể đánh giá được tác động của tổng đầu tư, tổng tiêu dùng và một

mảng rộng lớn về thị trường tài chính vốn là một cấu phần trọng yếu của nền kinh tế. Ông

cho rằng DSGE có thể giúp lý giải nền kinh tế vận hành như thế nào nhưng thật khó để đòi

hỏi mô hình này phù hợp với sự chi tiết của các hành vi đã được xây dựng và các biến thay thế do sự hạn chế về mặt số liệu. Một số học giả khác tỏ ra nghi ngờ đối với “nguyên lý phù

hợp” (“Principle of Fit”) của mô hình. Ngoài ra, Kocherlakota (2007) cho rằng một mô hình

phù hợp hoàn toàn về số liệu vẫn có thể cung cấp lời giải đáp kém thuyết phục hơn cho các

câu hỏi về chính sách so với một mô hình có độ phù hợp về số liệu thấp hơn. Điều này đặc biệt đúng khi sử dụng kỹ thuật ước lượng Bayes, kể cả khi tham số tiên nghiệm được chọn

không hoàn toàn chính xác, chúng vẫn được sử dụng để tạo ra "cú sốc động". Ngoài ra, tính

cứng nhắc hay linh hoạt của giá trong ngắn hạn cũng là vấn đề gây tranh cãi, phần nào ảnh hưởng đến nền tảng lý thuyết chi phối mô hình DSGE.

Thứ ba, số liệu không đầy đủ và thiếu tin cậy cũng là một vấn đề phổ biến ở các nền kinh tế đang phát triển do hoạt động thống kê trong quá khứ chưa hoàn thiện, các phương pháp và số liệu thống kê hiện tại cũng thay đổi, khó đạt được sự nhất quán do cấu trúc nền

kinh tế cũng như hệ thống chính sách liên tục thay đổi. Thực tế tại NHTW Ba Lan cho thấy

mặc dù họ sở hữu những chuyên gia hàng đầu để xây dựng và phát triển SOE (tên phiên bản

DSGE tại Ba Lan), kết quả dự báo lạm phát từ DSGE cũng chỉ có tính tham khảo, và ngạc nhiên hơn, độ chính xác của dự báo DSGE còn xếp sau các lớp mô hình đơn giản hơn như VAR, SVAR, Bayes VAR...

Do đó, ở bối cảnh hiện tại, việc phát triển mô hình DSGE để dự báo lạm phát ở Việt

Nam là chưa phù hợp do những hạn chế về trang thiết bị kỹ thuật, trình độ nhân lực và tính

đầy đủ của số liệu. Tác giả cho rằng NHNN Việt Nam cần hướng tới các lớp mô hình dự

báo lạm phát đơn giản, có sự phù hợp cao với điều kiện hiện tại như ARIMA, VAR và biến thể của VAR. Tuy DSGE đang là xu thế của thời đại, song chúng ta cần xác định đó là nhiệm vụ nghiên cứu trong dài hạn.

1.4.2. Kinh nghiệm về lựa chọn đơn vị thực hiện dự báo lạm phát

Tùy vào chức năng nhiệm vụ được phân công giữa các Bộ, Ngành trong điều hành

CSTT nói chung và quản trị mục tiêu, kiểm soát lạm phát nói riêng, đơn vị chịu trách nhiệm triển khai và công bố dự báo lạm phát có sự khác biệt ở từng quốc gia:

Thứ nhất, tại các quốc gia mà NHTW được quyền tự công bố mục tiêu lạm phát và chủ động thực thi các biện pháp kiểm soát lạm phát (ví dụ: Singapore, Nhật Bản, Thụy Sỹ, Thụy Điển...), đơn vị thừa hành trực tiếp công tác dự báo lạm phát và phân tích, đánh giá triển vọng là các Vụ, Cục chuyên trách thuộc khối CSTT nằm trong NHTW, trong khi đơn vị tiếp nhận, thẩm định báo cáo kết quả dự báo để sử dụng cho việc hoạch định, điều hành CSTT và công bố dự báo là Ủy ban CSTT hoặc Hội đồng điều hành NHTW.

Thứ hai, tại các quốc gia mà công tác điều hành lạm phát và công bố mục tiêu lạm phát dựa trên sự thỏa hiệp giữa Bộ Tài chính và NHTW (ví dụ: Úc, Anh...), Bộ Tài chính

chịu trách nhiệm công bố trong khi NHTW đóng vai trò cố vấn trong việc thiết lập mục tiêu

điều hành. Trong trường hợp này, về phía NHTW, Ủy ban CSTT hoặc Hội đồng điều hành là đơn vị chịu trách nhiệm chính trong việc thiết lập mục tiêu lạm phát và biện luận về các

giải pháp điều hành căn cơ để từ đó chuyển giao, thảo luận ý kiến với đại diện Bộ Tài chính.

Theo đó, bộ phận tham mưu, thừa hành cho Ủy ban CSTT hoặc Hội đồng điều hành trong

công tác dự báo lạm phát có thể là Vụ, Cục chuyên trách thuộc khối CSTT nằm trong NHTW, hoặc một ban tư vấn CSTT được thành lập riêng với đội ngũ nhân sự được tuyển chọn từ nhiều Vụ, Cục chuyên trách (trong đó có khối CSTT và Dự báo, Thống kê).

Thứ ba, tại các quốc gia mà Chính phủ là người phê duyệt cuối cùng mục tiêu lạm phát (ví dụ: Brazil); Chính phủ có vai trò định hướng và tư vấn đối với việc thiết lập mục

tiêu lạm phát và điều hành CSTT của NHTW (ví dụ: Hàn Quốc); hoặc việc thiết lập mục

tiêu lạm phát nằm trong thỏa hiệp giữa Chính phủ và NHTW (ví dụ: Canada): công tác dự báo lạm phát làm căn cứ để xác định mục tiêu lạm phát nhìn chung vẫn thuộc về Ủy ban

CSTT hoặc Hội đồng điều hành thuộc NHTW với bộ phận thừa hành là Vụ, Cục thuộc khối

CSTT. Trong một số trường hợp, để có căn cứ phê duyệt hoặc thống nhất quan điểm mục

tiêu lạm phát được đề xuất bởi NHTW, Chính phủ có thể tiến hành lấy ý kiến rộng rãi từ các Bộ, Ngành có liên quan (trong đó, một số Bộ, Ngành cũng có những Vụ, Cục chuyên trách

về dự báo lạm phát như Bộ Tài chính/Ngân sách, Bộ Phát triển Kinh tế/Kế hoạch và Đầu

tư...), đồng thời tham chiếu ý kiến đánh giá, phản biện từ các cơ quan tư vấn độc lập của Chính phủ như Ủy ban Tư vấn chính sách, Viện nghiên cứu Phát triển Quốc gia...

Những nhận định, đánh giá trên đây được tổng kết từ việc nghiên cứu niên giám

khung khổ điều hành CSTT tại các quốc gia do BIS (2009) công bố.

Tóm lại, ở đâu mức độ độc lập của NHTW càng cao, ở đó NHTW càng phải có trách nhiệm gắn với điều hành cơ chế lạm phát và thiết lập mục tiêu lạm phát, trong đó dự báo lạm phát giữ vai trò nền tảng, căn cơ. Từ đây, có thể kết luận vai trò và mức độ chuyên

trách trong công bố, thiết lập mục tiêu lạm phát nói chung và công tác dự báo lạm phát nói riêng phụ thuộc chủ yếu vào mức độ độc lập của NHTW.

1.4.3. Kinh nghiệm về xây dựng và vận hành mô hình dự báo lạm phát

1.4.3.1. Đối với mô hình dự báo đơn biến – ngắn hạn

a. Kinh nghiệm của Ngân hàng Quốc gia Macedonia (NBRM)

Giống với NHTW nhiều nước, duy trì ổn định giá cả là mục tiêu hàng đầu trong hoạt động của Ngân hàng Quốc gia Macedonia (NBRM). Xuất phát từ thực tế các quyết định

CSTT thường tác động tới nền kinh tế thực với độ trễ, công tác dự báo lạm phát do đó giữ

vai trò ngày càng quan trọng. Để dự báo lạm phát trung hạn, NBRM sử dụng các công cụ định lượng nằm trong một khuôn khổ phân tích dẫn truyền chính sách thống nhất

(MAKPAM). Trong khi đó, với dự báo ngắn hạn, lớp mô hình chuỗi thời gian giản đơn và

mô hình cấu trúc phân nhỏ có thể được phối hợp vận dụng một cách linh hoạt (Petrovska và

cộng sự, 2017). Trong phần này, tác giả sẽ trình bày kinh nghiệm dự báo lạm phát trong ngắn hạn của NBRM tập trung vào bốn mô hình sau: (i) mô hình cấu trúc phân nhỏ (SSM), chứa đựng các phương trình hành vi gắn với 3 phân nhóm chính của CPI (gồm: giá lương thực, thực phẩm; giá năng lượng; giá cơ bản); (ii) mô hình nhân tố động (DFM), sử dụng một lượng lớn thông tin để dự báo lạm phát; (iii) khung ARIMA, chứa đựng ước lượng riêng biệt cho các thành tố tạo nên CPI, từ đó kết hợp chúng lại với trọng số riêng để dự báo xu thế CPI tổng thể; (iv) mô hình ARIMA áp dụng trực tiếp cho CPI tổng thể.

Thứ nhất, theo cách tiếp cận mô hình cấu trúc phân nhỏ: Lạm phát tổng thể được xác định là hợp phần của ba thành tố: lạm phát giá năng lượng (cpi petro), lạm phát giá lương thực, thực phẩm (cpi food) và lạm phát cơ bản (cpicore) – phần còn lại của lạm phát tổng thể sau khi loại trừ lạm phát giá năng lượng và giá thực phẩm). Ba thành tố này được mô hình hóa thông qua các phương trình hành vi riêng biệt sau:

𝑝𝑒𝑡𝑟𝑜 = 𝑓(∆𝑐𝑝𝑖𝑡−1

(1.11a) ∆𝑐𝑝𝑖𝑡

𝑓𝑜𝑜𝑑 = 𝑓(Δ𝑐𝑝𝑖𝑡−2

𝑝𝑒𝑡𝑟𝑜, Δ𝑜𝑖𝑙𝑖𝑛𝑑𝑒𝑥 𝑡, Δ𝑜𝑖𝑙𝑖𝑛𝑑𝑒𝑥 𝑡−1) 𝑝𝑒𝑡𝑟𝑜) 𝑓𝑜𝑜𝑑, Δ𝑤𝑚𝑖𝑛𝑑𝑒𝑥 𝑡−6, Δ𝑐𝑝𝑖𝑡−3

(1.11b) Δ𝑐𝑝𝑖𝑡

𝑝𝑒𝑡𝑟𝑜)

𝑐𝑜𝑟𝑒 = 𝑓(Δ𝑐𝑝𝑖𝑡−1

𝑐𝑜𝑟𝑒, Δ𝑐𝑝𝑖𝑡−4

𝑓𝑜𝑟𝑒𝑖𝑔𝑛, Δ𝑐𝑝𝑖𝑡−3

(1.11c) Δ𝑐𝑝𝑖𝑡

Trong đó: oil_index là giá dầu thế giới, wm_index là chỉ số giá lúa mỳ và ngô và cpi foreign là chỉ số giá hiệu dụng nước ngoài. Lạm phát giá năng lượng được đưa vào mô hình như một biến giải thích bổ sung trong các phương trình lạm phát giá thực phẩm và lạm phát

cơ bản (với độ trễ phù hợp) nhằm mục tiêu làm rõ tác động thứ cấp của biến động giá năng

lượng đối với cấu phần giá thực phẩm và giá cơ bản. Các biến trong mô hình đều được lấy sai phân để đảm bảo đạt trạng thái dừng.

Từ đó, có thể suy ra lạm phát CPI tổng thể dựa trên tính toán tổng các chỉ số thành

𝑒𝑙𝑒𝑐𝑡𝑟𝑖𝑐

phần gắn với trọng số riêng là tỷ lệ đóng góp của chúng vào rổ CPI:

𝑝𝑒𝑡𝑟𝑜 + 0,48 ∗ 𝑐𝑝𝑖𝑡

𝑐𝑜𝑟𝑒 + 0,08 ∗ 𝑐𝑝𝑖𝑡

𝑡𝑜𝑡𝑎𝑙 = 0,37 ∗ 𝑐𝑝𝑖𝑡

𝑓𝑜𝑜𝑑 + 0,04 ∗ 𝑐𝑝𝑖𝑡 ℎ𝑒𝑎𝑡𝑖𝑛𝑔

(1.12) 𝑐𝑝𝑖𝑡

+ 0,03 ∗ 𝑐𝑝𝑖𝑡

Trong phương trình (1.11): cpi electric, cpi heating là chỉ số giá điện và nhiệt sưởi.

Về cơ bản, trong công tác dự báo, giá trị dự báo đối với các biến giải thích có thể

được thu thập từ các tổ chức bên ngoài. Trong khi đó, giá điện và nhiệt sưởi (đều là các mặt

hàng được nhà nước quản lý) về cơ bản được giữ ổn định, trừ phi có những điều chỉnh được công bố trước diễn ra trong giai đoạn dự báo.

Thứ hai, theo cách tiếp cận mô hình nhân tố động: Đây là kỹ thuật ước lượng phổ biến cho dự báo nowcasting và ngắn hạn dựa trên ý tưởng coi biến nghiên cứu là một hàm

của các yếu tố không thể quan sát. Nói cách khác, hiệp phương sai giữa một lượng lớn chuỗi

biến thời gian và biến trễ / biến dẫn dắt của chúng có thể được biểu thị bởi các yếu tố không

thể quan sát. Các yếu tố này có thể được ước lượng bằng phương pháp phân tích thành phần chính (Principal Component Analysis - PCA) theo đề xuất của Stock và Watson (2002).

Áp dụng phân tích PCA, có thể ước lượng được 6 thành phần chính từ bộ 73 biến số

kinh tế - tài chính có tầm ảnh hưởng lớn tới biến động giá cả tại Macedonia (Phụ lục 1.1). Dữ liệu đưa vào thực nghiệm có tần suất tháng, được hiệu chỉnh vụ mùa thông qua phương

pháp X12-ARIMA và được chuẩn hóa dưới dạng sai phân log. Ban đầu, chuỗi thời gian của các nhân tố được ước lượng có dạng:

Xit = λi Ft + εit (1.13)

𝑝 𝑄 = ∑ 𝑘=1

(1.14) theo phương trình sau: Sử dụng ước lượng VAR, các nhân tố có thể được dự báo trong giai đoạn dự báo 𝑄 + 𝐵𝑣𝑖𝑡 𝑓𝑡 𝐴𝑘𝑓𝑡−𝑘

𝑡𝑜𝑡𝑎𝑙 + 𝛼2 ∗ 𝜀𝑡−12 + 𝛼3 ∗ 𝑓1 + 𝛼4 ∗ 𝑓2 + 𝛼5 ∗ 𝑓4

Từ đó, chúng ta thu được kết quả dự báo CPI tổng thể:

𝑡𝑜𝑡𝑎𝑙 = 𝑐 + 𝛼1 ∗ ∆𝑐𝑝𝑖𝑡−4

∆𝑐𝑝𝑖𝑡

(1.15) +𝛼6 ∗ 𝑓5 + 𝛼7 ∗ 𝑓6

𝑡𝑜𝑡𝑎𝑙), nhân tố trung bình trượt (εt-12) và nhân tố ước lượng (fi |i =1, 6̅̅̅̅̅).

Theo phương trình (1.15), CPI tổng thể được xác định là hàm của biến trễ chính nó

(∆𝑐𝑝𝑖𝑡−4

Thứ ba, dự báo CPI tổng thể dựa trên kết hợp các ước lượng ARIMA phân tổ: ý tưởng chủ đạo của cách tiếp cận này là để thu được dự báo lạm phát tổng thể, NBRM tổng

hợp kết quả dự báo ARIMA đối với các phân nhóm CPI riêng lẻ, phân nhóm thuộc giả định

đặc biệt và giả định bên ngoài sử dụng trọng số riêng tương ứng. Để thấy được tính ưu việt của cách tiếp cận này, kết quả dự báo tổng hợp từ các mô hình phân tổ được so sánh với dự báo ARIMA trực tiếp cho chuỗi CPI tổng thể.

Với việc thực nghiệm mô hình ARIMA phân tổ ở mức phân loại chi tiết nhất (chỉ

mục 4 chữ số) với tổng cộng 87 chỉ số giá thành phần, NBRM tin rằng mức độ chính xác

của kết quả dự báo CPI tổng thể sẽ được cải thiện đáng kể do quá trình này đã bao quát

được đặc trưng riêng cũng như cân đối được xu thế của các phân tổ CPI. Dữ liệu giá phân tổ theo tháng và trọng số đóng góp vào rổ CPI chung được cập nhật từ Văn phòng Thống kê Nhà nước (SSO) của Macedonia (dữ liệu các phân tổ sẵn có kể từ năm 2003).

Việc dự báo đối với các phân tổ CPI chủ yếu được thực hiện với thủ tục ARIMA.

Song, trong một số trường hợp, NBRM áp dụng giả định đặc biệt thay vì mô hình ARIMA.

Các giả định đặc biệt này có thể gồm việc ngoại suy chỉ số dựa trên giá trị gần đây nhất của

chúng, tăng trưởng trung bình hàng tháng (% mom) và tăng trưởng trung bình hàng năm (% yoy)…, được vận dụng trong một số trường hợp: (i) Việc kiểm tra trực quan kết quả dự báo

qua đồ thị chỉ ra một số diễn biến bất hợp lý hoặc quá mức của giá cả; (ii) Mô hình dự báo ARIMA có thể bị thay thế nếu NBRM nhận thấy có yếu tố hoặc sự kiện bất thường tác động

tới giá một số mặt hàng trong rổ CPI - chủ yếu là mặt hàng được nhà nước quản lý (ví dụ:

điện, nhiệt sưởi, thuốc lá…). Nếu các hiệu ứng bất thường trên có thể định lượng, NBRM

hoàn toàn có thể bổ sung chúng vào mô hình dự báo cơ sở. Trong khi đó, với giá xăng dầu,

NBRM thường áp dụng các giả định bên ngoài. Giá xăng dầu (do Nhà nước quản lý) được điều chỉnh 2 tuần/lần bởi Ủy ban Điều tiết Năng lượng (ERC) dựa trên xem xét diễn biến

giá dầu thô quốc tế (quy đổi sang MKD thông qua tỷ giá USD/MKD). Do đó, trong giai

đoạn dự báo, dự báo diễn biến giá dầu thô và tỷ giá có thể được tham chiếu từ các tổ chức quốc tế hoặc báo cáo uy tín.

Phụ lục 1.2 và Phụ lục 1.3 so sánh và đánh giá khái quát về hiệu quả dự báo lạm

phát theo các cách tiếp cận khác nhau tại NBRM. Thủ tục đánh giá được tiến hành theo hai bước như sau:

- Bước 1: Dự báo ngoài mẫu theo 4 cách tiếp cận mô hình đã nêu cho 16 kỳ (2012q3 – 2016q2). Xuất phát từ mô hình ước lượng dựa trên chuỗi dữ liệu gốc 1997q1 – 2012q2,

NBRM tiến hành dự báo chỉ số giá lần lượt cho các quý tiếp theo trong vòng 1 năm. Để theo

sát diễn biến giá khi đưa ra dự báo ngắn hạn, NBRM cũng sẽ ước lượng lại các mô hình với

dữ liệu dự báo cập nhật của quý mới liền kề kết hợp với dự báo tham chiếu bên ngoài đối với biến ngoại sinh.

- Bước 2: Đánh giá hiệu quả dự báo. Ở bước này, NBRM kiểm tra độ tin cậy của từng mô hình dự báo theo từng phân đoạn dự báo: 1 quý tiếp theo; 2 quý tiếp theo; 3 quý

tiếp theo; 4 quý tiếp theo. Bộ tiêu chuẩn thống kê được sử dụng để so sánh, đánh giá mức độ chính xác của dự báo gồm: RMSE, MAE, MAPE và Theil IC.

Từ dữ liệu so sánh, đánh giá nhận được, có thể rút ra kết luận sau:

Thứ nhất, độ chính xác của các mô hình dự báo sẽ tăng khi giai đoạn dự báo càng ngắn. Điều này không khó lý giải vì các mô hình thống kê và cấu trúc phân nhỏ vẫn thường

phát huy rất tốt khả năng trong dự báo nowcasting và dự báo ngắn hạn các biến số vĩ mô.

Mặt khác, dự báo trung hạn chỉ thực sự có ý nghĩa khi nó được dựa trên một mô hình cấu trúc tích hợp đẩy đủ các mối liên hệ và kênh truyền dẫn tác động của nền kinh tế.

Thứ hai, về hiệu quả dự báo của từng mô hình: Nhìn chung, hầu hết tiêu chí đánh giá xác nhận mô hình ARIMA CPI phân tổ đạt hiệu quả dự báo cao nhất và điều này đặc

biệt đúng với kỳ dự báo 1 và 3 quý tiếp theo. Ngoài ra, trong một số trường hợp, mô hình

ARIMA CPI tổng thể và mô hình cấu trúc phân nhỏ cũng có sự vượt trội, tùy vào loại tiêu chí đánh giá và kỳ dự báo, trong khi hiệu quả dự báo của mô hình nhân tố động là khá kém.

b. Kinh nghiệm của Ngân hàng Trung ương Philippines (BSP)

Với trường hợp của Philippines, kể từ khi chính thức áp dụng khuôn khổ CSTT lạm

phát mục tiêu vào năm 2002, ổn định giá cả được NHTW Philippines (BSP) xác định là trọng tâm hàng đầu trong hoạt động điều hành của mình. Việc hướng tới một khuôn khổ mới không chỉ đòi hỏi những cải tổ trong quá trình vận hành CSTT nói chung, mà việc tái

thiết từng cấu phần quan trọng trong khuôn khổ được kỳ vọng sẽ mang lại hiệu ứng tích cực (Allon, 2015).

Trong những năm qua, các chuyên gia BSP luôn nỗ lực tạo dựng và phát triển các

mô hình định lượng phục vụ dự báo và phân tích chính sách, đáng chú ý trong đó là việc cải

tiến mô hình dự báo cấu trúc hiện tại, bao gồm mô hình đơn biến và hệ phương trình đồng

thời. Phần này tập trung bàn luận về việc thiết kế, ứng dụng mô hình bán cấu trúc – tự hồi quy trung bình trượt tích hợp theo mùa với biến ngoại sinh (SARIMAX) tại BSP để dự báo

lạm phát CPI trong ngắn hạn (1 – 3 tháng) dựa trên việc tổng hợp kết quả dự báo các cấu phần trong rổ CPI gắn với trọng số riêng.

Về mặt kỹ thuật, SARIMAX là sự kết hợp mô hình ARIMA của Box và Jenkins

(2015) và tham khảo các nghiên cứu trước đây (ví dụ: Alnaa và Ahiakpor, 2011; Doguwa và

Alade, 2013; Pufnik và Kunovac, 2006). Để bao hàm thành phần mùa của chuỗi dữ liệu, xuất phát từ cấu trúc ban đầu ARIMA (p, d, q), mô hình của BSP được mở rộng trở thành

SARIMA (p, d, q) x (P, D, Q) – trong đó: P, Q, D lần lượt là bậc của tự hồi quy, trung bình

trượt và sai phân mùa. SARIMAX được coi là bước phát triển tiếp theo của thủ tục

SARIMA với việc bổ sung một số biến ngoại sinh nhằm giải thích tốt hơn diễn biến của biến phụ thuộc.

Dữ liệu CPI tháng (với tổng cộng 650 chỉ số chi tiết theo 5 mức phân tổ) được thu thập từ Cơ quan Thống kê Philippines (PSA). Để đơn giản hóa và tập trung tốt hơn vào các

nhóm hàng trọng tâm, BSP lựa chọn nghiên cứu chỉ số giá các mặt hàng chi tiết đến mức

phân tổ 2 con số, theo đó, có tổng cộng 11 nhóm hàng được quan sát. Riêng với 3 nhóm

hàng nhận được nhiều quan tâm gồm (i) Lương thực, thực phẩm và đồ uống không cồn; (ii) Đồ uống cồn và thuốc lá; (iii) Nhà ở, nước, điện, khí đốt và nhiên liệu, BSP tiếp tục phân tổ

chi tiết thêm 1 mức nhằm định rõ mức đóng góp và tầm quan trọng của các thành phần phụ

trong mỗi nhóm hàng. Việc phân tổ bổ sung đối với một số cấu phần quan trọng trong rổ chỉ

số vẫn đảm bảo phù hợp cho quá trình thực nghiệm mô hình, miễn sao các cấp độ phân tổ đạt được sự đồng nhất (homogenous: tổng trọng số thành phần đạt 100%) (Pufnik và

Kunovac, 2006). Tóm lại, tổng số chuỗi giá thành phần đưa vào thực nghiệm và dự báo là

26. Kết quả xác định cấu trúc mô hình cho các chỉ số thành phần cho thấy có 8 mô hình ARIMA, 16 mô hình SARIMA và 2 mô hình SARIMAX (Phụ lục 1.4).

Ngoài các chuỗi cấu phần của CPI, hai biến ngoại sinh khác cũng được BSP bổ sung gồm: (i) giá gạo xay xát và gạo xay thường bình quân toàn quốc, trích xuất từ PSA, được tích hợp vào mô hình CPI gạo; (ii) giá xăng dầu trong nước, được tích hợp vào mô hình CPI giao thông. Giá xăng dầu trong nước được tính toán dựa trên việc hợp nhất giá xăng cộng phần bù, xăng thông thường, dầu hỏa, dầu diesel và LPG, được lấy nguồn từ Bộ Năng lượng Philippines. Theo gợi ý của Doguwa and Alade (2013), việc bổ sung biến ngoại sinh vào mô hình giúp giảm một nửa sai số dự báo của cấu phần tương ứng.

Dữ liệu tháng của 26 chuỗi giá được được thu thập từ 2005m1 – 2014m11 (tổng số

quan sát: 119). Các tham số của mô hình được ước lượng cho giai đoạn 2005m1 –

2013m12, và dựa trên cấu trúc thu được, đánh giá dự báo ngoài mẫu được áp dụng cho phần

còn lại của giai đoạn mẫu với kỳ dự báo 1, 2 và 3 tháng tiếp theo. Kết quả cho thấy trong giai đoạn ngoài mẫu, số dự báo tổng thể trong tháng tiếp theo về cơ bản phản ánh khá sát

diễn biến thực tế (Hình 1.8), song có hai điều sau nên được nhấn mạnh: (i) Trong giai đoạn

lạm phát tăng (ví dụ: 2013m9 – 2014m8), mô hình dự báo ước tính thấp hơn tương đối so

với diễn biến thực; (ii) Đối với chu kỳ giảm phát (ví dụ: 2014m9 – 2015m8), số dự báo dường như vượt trội tương đối so với số thực tế. Điều này cho thấy việc kết hợp kết quả dự

báo từ các mô hình khác nhau có thể cải thiện hiệu quả dự báo CPI tổng thể nhờ hiệu ứng bù đắp sai lệch giữa các mô hình (Timmerman, 2006).

Hình 1.8: Dự báo lạm phát tổng thể (điểm %) trong tháng tiếp theo so với thực tế - Trường hợp Philippines (2013m1 – 2015m8) Hình 1.9: So sánh sai số dự báo (điểm %) của dự báo lạm phát tổng thể 1, 2, 3 tháng tiếp theo – Trường hợp Philippines (2013m1 – 2015m8)

Nguồn: Allon (2015) Nguồn: Allon (2015)

Một đặc trưng khác khá phổ biến trong các lớp mô hình trung bình trượt cũng xuất

hiện trong mô hình thực nghiệm của BSP, đó là kết quả dự báo có xu hướng vận động trễ hơn một nhịp so với diễn biến CPI thực, đặc biệt ở các thời điểm trung chuyển. Điều này

được lý giải trên nguyên lý cơ bản: ước lượng số dự báo cho một giai đoạn thường hướng về

mức trung bình trong quá khứ, tức là dự báo đó chủ yếu bị ảnh hưởng bởi các xu hướng dài

hạn thay vì biến động tức thời, ngắn hạn. Cụ thể, phương sai dự báo CPI các mặt hàng chịu tác động của việc điều chỉnh cú sốc cung trong thời kỳ giảm phát (2014m11 – 2015m8) là

khá lớn, ví dụ: điện, rau và khí đốt. Điều này dẫn tới sai số MAPE của chúng tăng cao tương

ứng (Phụ lục 1.4), đồng thời đóng góp của các chỉ số giá thành phần này vào phương sai dự báo bình quân gia quyền cũng lên đến 49% (Phụ lục 1.5).

Ngoài ra, quan sát Hình 1.8 và Hình 1.9, có thể rút ra nhận xét sau: (i) Sai số giữa dự

báo lạm phát trong tháng tiếp theo và dữ liệu công bố là không đáng kể, tức đem lại hiệu

quả dự báo tốt nhất; (ii) So sánh về tầm xa, có thể thấy khi tầm xa dự báo tăng (3 tháng), sai số giữa dự báo và thực tế cũng sẽ tăng lên tương ứng.

Tóm lại, những phân tích khái lược trên đây đã phần nào khẳng định được tính hiệu

quả của cách tiếp cận phân tổ chỉ số trong dự báo lạm phát tại Philippines. Về cơ bản, có thể nhấn mạnh một số lợi thế chính sau do phân tổ đem lại: (i) cho phép xác định “chùm” xu thế

của các cấu phần khác nhau, điều không thể thấy được nếu tiếp cận theo chỉ số tổng thể; (ii)

cho phép xác định, lượng hóa các cú sốc phục vụ phân tích chính sách và xây dựng kịch bản

dựa trên việc mô hình hóa tác động của các cấu phần trong giá cũng như nhân tố hình thành cú sốc. Về mặt thực hành, sử dụng mô hình dự báo cho 1 và 2 tháng tiếp theo có thể cung cấp thông tin hữu ích ban đầu cho phân tích và hoạch định chính sách.

1.4.3.2. Đối với mô hình dự báo đa biến – trung hạn

a. Kinh nghiệm của Cục Dự trữ Liên bang (FED)

Hiện nay, SVAR và VECM là các dạng thức mô hình đa biến chủ chốt được FED sử

dụng cho dự báo lạm phát nói riêng và dự báo các chỉ tiêu vĩ mô quan trọng của nền kinh tế Mỹ nói chung.

(1) Mô hình SVAR:

Mô hình SVAR của FED được xây dựng dựa trên các biến tăng trưởng sản lượng

(∆y), tỷ lệ lạm phát (π) và lãi suất danh nghĩa của FED. Tất cả các biến trong mô hình được giả định là dừng hiệp phương sai (covariance-stationary).

Cấu trúc mô hình biểu diễn theo bậc tự tương quan như sau:

∞ 𝑥 = ∑ 𝐴𝑗𝜀𝑡−𝑗 𝑗=0

= 𝐴(𝐿)𝜀

Trong đó: x = [∆y, π, i]’ và ε = [εd, εs, εµ]’ là một vector gồm các nhiễu trực giao

không tương quan chuỗi, tương ứng là tổng cầu, tổng cung và CSTT.

Cấu trúc mô hình đồng thời có thể được biểu diễn ở dạng trung bình trượt:

∞ 𝑥 = ∑ 𝐶𝑗𝑣𝑡−𝑗 𝑗=0

= 𝐶(𝐿)𝑣

Trong đó, ma trận ε và v được biểu diễn thông qua mối quan hệ:

{ 𝑣 = 𝐴0𝜀 𝐴𝑗 = 𝐶𝑗𝐴0

Các ràng buộc (Ri) biểu thị 3 cú sốc cấu trúc tổng cung, tổng cầu và CSTT:

- R1: Cú sốc cầu không có tác động dài hạn tới mức sản lượng. Cụ thể, phần tử (1,1)

∞ 𝑗=0

trong ma trận dài hạn ∑ nhận giá trị 0. 𝐴𝑗

- R2: Cú sốc CSTT không có tác động dài hạn lên mức sản lượng. Cụ thể, phần tử

∞ 𝑗=0

(1,3) trong ma trận dài hạn ∑ nhận giá trị 0. 𝐴𝑗

- R3: Cú sốc CSTT không có tác động tức thời tới tăng trưởng sản lượng. Cụ thể,

phần tử (1,3) trong ma trận tức thời (ngắn hạn) A0 nhận giá trị 0.

R1 và R2 ngụ ý chỉ có các cú sốc cung mới có tác động dài hạn tới sản lượng, phù hợp với mô hình tăng trưởng tân cổ điển. Trong khi đó, R3 ngụ ý sốc CSTT chỉ có thể tác động đến GDP với độ trễ nhất định, một giả định chuẩn trong khuôn khổ VAR (Choi và Wen, 2010).

Sử dụng chuỗi dữ liệu quý cho giai đoạn 1959q1 – 2009q1 (Hình 1.10), tăng trưởng

sản lượng và lạm phát trong thời gian t được xác định như sau:

∆yt = ∆log(Yt) và πt = ∆log(Pt)

Trong đó: Yt là GDP thực, Pt là chỉ số giảm phát GDP và lãi suất chính sách được đo

bằng lãi suất của FED.

Hình 1.10: Tăng trưởng GDP, lạm phát và lãi suất của Mỹ (% yoy)

(1) Tăng trưởng GDP

(2) Lãi suất

(3) Lạm phát

Nguồn: Choi và Wen (2010)

Phản ứng các biến được xem xét trong hai giai đoạn: trước và sau 1979. Quy tắc

Taylor mới được sử dụng để đánh giá lập trường CSTT của Mỹ (Phụ lục 1.6).

Quy tắc Taylor mới trong dài hạn được xác định như sau:

{ 𝑇𝑟ướ𝑐 1979: 𝑖𝐿𝑅 = 1,93𝜋 + 0,32Δ𝑦 𝑆𝑎𝑢 1979: 𝑖𝐿𝑅 = 2,23𝜋 + 0,97∆𝑦

CSTT cho cả hai giai đoạn đều nhất quán mục tiêu chống lạm phát và đảm bảo ổn

định kinh tế do hệ số lạm phát dài hạn đều lớn hơn 1.

Kết quả trình bày ở Phụ lục 1.7 cho thấy FED đã thành công hơn trong việc ổn định

tăng trưởng sản lượng giai đoạn sau 1979. FED có thể tách biệt cú sốc cầu, các cú sốc cung và có quan điểm xử lý khác nhau tùy theo nguồn gốc của các cú sốc (Primiceri, 2005).

Trong cả hai giai đoạn, FED phải tăng lãi suất để ứng phó với sự tăng trưởng quá nhanh của

sản lượng dưới áp lực cú sốc cầu, hoặc phải hạ lãi suất để thúc đẩy tăng nhanh sản lượng

dưới áp lực cú sốc cung. Kết quả cũng cho thấy biến động lãi suất danh nghĩa gắn kết khá chặt chẽ với lạm phát trong thập niên 1960 và 1970 khi lạm phát cao và kéo dài.

Bước sang giai đoạn khủng hoảng tài chính 2007-2009, khi mà lãi suất đã giảm xuống mức thấp nhất lịch sử (tiệm cận zero) vào cuối 2008, quy tắc Taylor lúc này không

còn bao hàm mối quan hệ hành vi giữa lãi suất chính sách và các biến số vĩ mô thông qua

các hàm phản ứng chính sách có tính cấu trúc. Các quy tắc chính sách mới được áp dụng để

biến báo về tính linh hoạt của CSTT thay vì quy tắc Taylor trước đây, đặc biệt là về cách thức hoạch định chính sách để ứng phó với biến động lạm phát và tăng trưởng sản lượng

xuất phát từ cú sốc cấu trúc (Boivin và Giannoni, 2006). Mô hình cũng cho phép FED đánh

giá hiệu quả điều hành CSTT nhờ các nghiên cứu giả thiết ngược: (i) Tăng lãi suất chính

sách mạnh hơn nữa trong từng thời kỳ để ứng phó với biến động tăng của lạm phát và tăng trưởng sản lượng phù hợp với các lý thuyết của CSTT tối ưu; (ii) CSTT thắt chặt trong ngắn

hạn có liên quan tích cực đối với sự điều hành của FED, đặc biệt khi có áp lực lạm phát; (iii)

Cơ chế chính sách giai đoạn trước năm 1979 đã làm tăng sản lượng và biến động của lạm

phát là rất đáng lo ngại, trong khi đó biến động này là nhỏ (thậm chí không đáng kể) ở giai đoạn sau đó. Khủng hoảng tài chính những năm gần đây và tác động của chúng đối với ổn

định vĩ mô đòi hỏi các nhà quản lý kinh tế phải có phương án hoạch định chính sách thận trọng, hiệu quả để đáp ứng với những cú sốc như năng lượng, giá cả hàng hóa …

(2) Mô hình VECM:

Theo tìm hiểu của Crowder và cộng sự (1999), mô hình dự báo VECM của FED

được thiết lập trên nền cấu trúc VAR như sau:

(1.16) zt = [ yt πt+1 mpt it ]

Trong đó, yt là thu nhập thực, πt+1 là tỷ lệ lạm phát, mpt là điểm cân bằng tiền tệ

thực, it là lãi suất danh nghĩa.

Tiếp tục biến đổi cấu trúc VAR trong (1.16), chúng ta thu được:

∗ Π𝑖

𝑞−1 𝑖=1

(1.17) Δ𝑧𝑡 = 𝜇 + ∑ ∆𝑧𝑡−1 − Π𝑧𝑡−1 + 𝜀𝑡

Trong đó, các ký hiệu được hiểu theo ngôn ngữ ma trận. Đây là dạng đồng tích hợp

của của vector zt gồm 4 biến không dừng như được định nghĩa ở (1.16).

∗

𝑒 + 𝑍𝑡 (1.18)

Phương trình mô tả 4 cú sốc cấu trúc trong nền kinh tế Mỹ có dạng:

∗

𝜋𝑡 = 𝑔[𝑙𝑛𝑦𝑡−1 − 𝑙𝑛𝑦𝑡−1 ] + 𝜋𝑡

𝑒 là lạm phát kỳ vọng và Zt là cú sốc giá.

là sản lượng tiềm năng của Trong đó, lnyt-1 là sản lượng thực của kỳ trước, 𝑙𝑛𝑦𝑡−1

kỳ trước, 𝜋𝑡

Kết quả mô hình cung cấp một số thông tin hữu ích sau cho nhà hoạch định: phản

ứng của các biến trong hệ thống với diễn biến dài hạn trong cú sốc cung, sốc kỳ vọng lạm phát và diễn biến tức thời trong cú sốc cầu và cú sốc lạm phát thực tế (Phụ lục 1.8).

Từ mối quan hệ dài hạn về cầu tiền và hàm Fisher, nghiên cứu đã tiến hành kiểm

định Horvath-Watson để đưa ra một số đánh giá đối với cú sốc dài hạn và tạm thời. Cú sốc dài hạn có tác động gián tiếp và là tác động cuối cùng lên lạm phát và lãi suất danh nghĩa.

Cú sốc này khiến lạm phát bị đẩy lên đỉnh và phần nào làm tăng kỳ vọng của công chúng

đối với lạm phát trong dài hạn. Cú sốc tạm thời (cú sốc về giá) có tác động trực tiếp đến lạm

phát trong ngắn hạn (thông qua hàm cung) trong khi không có bất cứ tác động nào đến lạm phát trong kỳ đầu thông qua hàm cầu.

So sánh kết quả dự báo lạm phát đối với cú sốc dài hạn và kết quả cuộc điều tra kỳ vọng lạm phát tại Michigan, Crowder và cộng sự (1999) khẳng định kết quả dự báo lạm phát với mô hình VECM hoàn toàn đáng tin cậy.

b. Kinh nghiệm của Ngân hàng Nhân dân Trung Hoa (PBOC)

Dự báo lạm phát của Trung Quốc được triển khai thông qua mô hình VAR và VECM dựa trên một tổng thể quan hệ giữa các khối trong nền kinh tế (Phụ lục 1.9), trong đó mỗi khối được chọn ra một (một số) biến đại diện cho nó.

- Khối tiêu dùng và thu nhập của hộ gia đình: Thu nhập bình quân của từng hộ gia đình được tính toán dựa trên thu nhập bình quân của từng lao động và phụ thuộc bởi sản

lượng đầu ra của nền kinh tế và tỷ lệ thất nghiệp trong dài hạn. Tiêu dùng bình quân đầu

người phụ thuộc bởi thu nhập và lãi suất thực trong dài hạn trong khi lạm phát chỉ có ảnh hưởng trong ngắn hạn.

- Khối lao động: Khối lao động của quốc gia này phụ thuộc vào dân số. Biến lao

động được giải thích bởi GDP thực và tỷ suất lương của khu vực.

- Khối sản xuất: Trong dài hạn, GDP được xác định theo phương pháp sản xuất. Biến “chênh lệch sản lượng” được đo bằng chênh lệch giữa GDP với GDP trong dài hạn.

Sản lượng thực tế của khu vực thứ hai và thứ ba phụ thuộc vào mức cầu của xã hội. Sản

lượng danh nghĩa được tính toán dựa trên yếu tố giảm phát. Biến giảm phát được thể hiện thông qua chỉ số giá và được tính toán trong khối giá cả.

- Khối đầu tư: Tổng đầu tư trong nước được chia thành đầu tư khu vực chính phủ và khu vực doanh nghiệp. Trong đó, đầu tư của chính phủ được đo lường bởi chi ngân sách

trong xây dựng và hạ tầng, thay đổi trong đầu tư chính phủ có tác động đối với đầu tư khu

vực doanh nghiệp, mặt khác nó thể hiện mối quan hệ với GDP thực, lãi suất cho vay thực trong hàm cầu. Biến đầu tư trực tiếp nước ngoài (FDI) được thể hiện riêng rẽ và được xác định bởi GDP của khu vực đó và các loại lãi suất.

- Khối chính phủ: Chi tiêu chính phủ bao gồm chi cho đầu tư và chi không phải mục đích đầu tư của khu vực chính phủ và được giải thích bởi thu nhập của chính phủ, đồng thời

được liên kết với tiêu dùng của chính phủ trong hàm GDP. Thu nhập chính phủ chủ yếu

xuất phát từ nguồn thu thuế, trong đó có thuế xuất nhập khẩu trong hoạt động thương mại, thuế nông nghiệp, thuế doanh nghiệp.

- Khối thương mại: Nhập khẩu được giải thích bởi nhu cầu trong nước cũng như cầu xuất khẩu trong dài hạn, trong khi lạm phát chỉ thể hiện tác động trong ngắn hạn. Xuất khẩu

được giải thích bởi biến nhu cầu nhập khẩu của thế giới (theo tính toán từ số liệu lịch sử, xuất khẩu của Trung Quốc sang 30 nước và khu vực chiếm 90% tổng giá trị thương mại).

- Khối giá cả: Chỉ số giá tiêu dùng được định nghĩa một cách cơ bản bởi giá sản xuất công nghiệp và giá nhập khẩu trong dài hạn. Ngoài ra, các yếu tố như chênh lệch GDP và tỷ

suất lương cũng có mối quan hệ với lạm phát. Chỉ số sản lượng công nghiệp phụ thuộc bởi chỉ số giá nhập khẩu, chỉ số giá đầu tư và lương của người lao động trên sản lượng đầu ra.

Chỉ số giá đầu tư cố định được định nghĩa bởi giảm phát của khu vực thứ hai, chỉ số giá

nhập khẩu và lãi suất cho vay của ngân hàng. Chỉ số giá nhập khẩu là kết quả của chỉ số giá

thế giới và tỷ giá của CNY với các đồng tiền khác. Trên thực tế tại Trung quốc, xuất khẩu và nhập khẩu có mối quan hệ qua lại, gắn kết lẫn nhau nhau.

- Khối tiền tệ: Các biến của khối tiền tệ được lấy từ bảng cân đối tiền tệ của khu vực ngân hàng và bảng cân đối tiền tệ của ngân hàng trung ương. Trong đó, tổng phương tiện

thanh toán có mối quan hệ mật thiết với GDP và lãi suất, đây là những biến giải thích quan

trọng trong dài hạn. Tài sản có nước ngoài ròng được giải thích bởi cán cân thương mại với nước ngoài và FDI.

(1) Mô hình VAR:

Kể từ những năm 1970, VAR bắt đầu được sử dụng phổ biến bởi PBOC để dự báo

một số chỉ tiêu vĩ mô. Việc sử dụng VAR làm tăng thêm tính linh hoạt và hiệu quả trong việc dự báo với quy mô lớn và phù hợp với điều kiện kinh tế tại nền kinh tế đứng thứ hai trên thế giới xét theo quy mô GDP .

Từ bộ số liệu sẵn có, Trung Quốc xây dựng hệ thống dự báo lạm phát bao gồm 15

mô hình, chia thành ba nhóm: chuỗi thời gian, đường cong Phillips và VAR:

(i) Nhóm mô hình chuỗi thời gian gồm 4 mô hình: AR trễ 12 thời kỳ (ký hiệu là ST1), AR có bao gồm thêm thành phần chính (ký hiệu là ST2) (Faust và Wright, 2009), mô

hình ARMA (ký hiệu là ST3) và mô hình cấu trúc chuỗi thời gian được xây dựng bởi bộ lọc Kalman (ký hiệu là ST4) (Harvey, 1990).

(ii) Nhóm mô hình đường cong Phillips bao gồm 7 mô hình: trong đó, 3 mô hình

tiêu chuẩn áp dụng kỹ thuật GMM [mô hình đường cong tiêu chuẩn với lạm phát trễ một thời kỳ sử dụng bộ lọc HP ký hiệu là PC1; PC1 bao gồm thêm AR(2) ký hiệu là PC2; PC1 bao gồm thêm NEER ký hiệu là PC3; nhóm mô hình đường cong Phillips động (ký hiệu là PC5, PC6 và PC7); và mô hình tương tự PC1 nhưng có bổ sung thành phần chính (ký hiệu là PC4)]. Stock và Watson (1999) đưa ra một số ví dụ bằng cách xem xét thêm một số yếu tố dự báo lạm phát như mô hình áp dụng ở Mỹ. Tuy nhiên, kết quả nghiên cứu của Atkeson

(2001) cho thấy trong một số giai đoạn, mô hình đường cong Phillips có vẻ không đạt hiệu quả trong dự báo lạm phát.

(iii) Hệ thống VAR bao gồm 4 mô hình: mô hình VAR 4 biến (gồm lạm phát, chênh lệch sản lượng, NEER, M2) ký hiệu là VAR1; mô hình VAR 5 biến (VAR1 và một thành phần chính) ký hiệu là VAR2; mô hình VAR 2 biến (lạm phát và một thành phần chính khác) ký hiệu là VAR3; mô hình VAR 4 biến (gồm lạm phát, chênh lệch sản lượng, NEER, M2) đồng thời kết hợp một bộ số liệu 32 biến được thử nghiệm và loại bỏ tự động trong các phương trình lạm phát ký hiệu là VAR4 (Hendry và Krolzig, 2005).

Chuỗi số liệu được thu thập từ tháng 1/1997 – tháng 5/2007.

Lạm phát năm (% yoy) được tính như sau: πt = pt − pt −12

(với pt là log của chỉ số giá tại thời điểm t).

Tổng hợp kết quả nghiên cứu dựa trên bộ số liệu thu thập được bằng mô hình cấu

trúc và phân tích thành phần chính, có thể thấy dữ liệu về doanh số công nghiệp nặng, xuất

khẩu, nhập khẩu và doanh số công nghiệp nhẹ giải thích được khá tốt thay đổi của biến nội sinh (xem Phụ lục 1.10, Phụ lục 1.11 và Phụ lục 1.12).

Kiểm định ADF cho thấy tất cả các biến số đều thỏa mãn tính dừng.

Kết quả theo Phụ lục 1.13 cho thấy mô hình VAR3 có RMSFE thấp nhất, sau đó là mô hình PC4 và TS2. Tuy nhiên, những kết quả này chỉ nhỉnh hơn một chút so với mô hình TS1. Trên thực tế, mô hình này đứng thứ 4/15 trong một số trường hợp vẫn được xem xét là mô hình thực hành mẫu. Ví dụ, khi xem xét thêm thành phần chính thứ hai (tỷ giá hối đoái CNY/JPY, giá nguyên liệu…) trong các mô hình PC4, TS2, VAR2, VAR3 thì thành phần này giải thích được 15% tổng sai số, trong trường hợp này kết quả cho thấy PC4 và VAR2 có kết quả khá nhưng không tốt bằng TS1. Như vậy, các mô hình sẽ được chạy thử liên tục và chọn ra mô hình phù hợp nhất trong từng giai đoạn và từng giả thiết nhất định (Mehrotra và Sánchez-Fung, 2008).

(2) Mô hình VECM:

Mô hình VECM được phát triển dựa trên VAR, bao gồm các biến số đại diện cho thu nhập và tiêu dùng của hộ gia đình, đầu tư, sản xuất, giá cả, chính phủ, thương mại, tiền

tệ và lao động. Các chuỗi số liệu trong mô hình được thu thập theo quý cho giai đoạn

1994q1 – 2005q2. Kết quả được dự báo trong dài hạn và đã được hạn chế một cách tối đa

việc sử dụng biến giả nhằm phản ánh các thời điểm có sự thay đổi trong diễn biến của nền kinh tế.

Với việc sử dụng dữ liệu lịch sử để dự báo chỉ số kinh tế vĩ mô như M2, CPI, PPI…, dự báo lạm phát dựa trên mô hình VECM tại Trung Quốc cho kết quả đáng tin cậy và phản ánh đúng bản chất mối quan hệ giữa các biến số (Phụ lục 1.14).

Do có sự tương đồng lớn về thể chế chính trị và đặc trưng kinh tế - xã hội, thực tiễn

xây dựng và triển khai các lớp mô hình dự báo VAR, VECM thu được kết quả hết sức khả

quan của Trung Quốc càng củng cố thêm luận chứng để NHNN Việt Nam xem xét phát triển các lớp mô hình này cho 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

Trước tiên, cần khẳng định dự báo lạm phát là hoạt động then chốt trong điều hành

CSTT, giúp cung cấp căn cứ quan trọng cho việc ấn định chỉ số lạm phát mục tiêu (thiết lập mức cụ thể hoặc khoảng biên độ) tại NHTW các nước theo đuổi CSTT lạm phát mục tiêu

(Phí Trọng Hiển, 2005) hoặc được xem là một chỉ báo dẫn dắt (leading indicator) đáng lưu

tâm cho hoạch định điều hành hướng tới ổn định giá trị nội tệ tại NHTW các nước không

theo đuổi khung khổ lạm phát mục tiêu (Bùi Quốc Dũng và Phạm Đức Anh, 2016). Đặc biệt tại các nước theo khung khổ lạm phát mục tiêu, do NHTW phải chịu trách nhiệm chính

thức, vô điều kiện về thực thi CSTT để đạt mục tiêu lạm phát đã cam kết, có thể coi dự báo

lạm phát như mục tiêu trung gian của CSTT. Tổng hợp kinh nghiệm vận dụng kết quả dự

báo lạm phát trong thực thi CSTT từ một số nền kinh tế lớn gồm Mỹ, Anh, Úc và New Zealand, có thể thấy:

Thứ nhất, việc ra quyết định CSTT khi đã tiếp nhận kết quả dự báo lạm phát không diễn ra ngay lập tức mà phải dựa trên một quy trình với những sự cân nhắc thận trọng. Theo

tổng kết của Stevens (1999), quy trình chuẩn cho việc ứng dụng kết quả dự báo lạm phát

trong điều hành CSTT gồm 4 bước sau: (1) Bộ phận dự báo cung cấp kết quả dự báo lạm phát dựa trên giả định không có sự thay đổi về chính sách; (2) Đánh giá độ lệch kết quả dự báo so với mức lạm phát mục tiêu; (3) Bộ phận dự báo tư vấn về liều lượng điều chỉnh đối với các công cụ CSTT để đạt được lạm phát mục tiêu đặt ra; (4) Tiến hành các điều chỉnh chính sách. Sở dĩ, các thành viên Hội đồng Điều hành không bị thuyết phục bởi kết quả dự báo lạm phát thu được để ra quyết định CSTT ngay tức thì bởi đa số họ đã từng trải qua công tác làm dự báo, và họ hiểu rằng kết quả dự báo thu được không phải lúc nào cũng đảm

bảo tính tin cậy, tức là quyết định CSTT dựa trên dự báo lạm phát sẽ phải đối mặt với sự

không chắc chắn. Xác suất dự báo sai lầm luôn tồn tại, và trong một số trường hợp, việc đưa

ra các quyết sách về tiền tệ dựa trên dự báo sai lầm có thể gây ra những hậu quả nghiêm trọng cho nền kinh tế.

Thứ hai, để đảm bảo thận trọng trong việc ra quyết định CSTT, đa số NHTW có thể dành ra một khoản dự phòng dưới dạng thưởng (pay-offs) - phạt (penalties) cho những sai lầm tiềm tàng xuất phát từ sự vận dụng kết quả dự báo lạm phát. Theo đó, có hai sai lầm

phổ biến được chỉ ra: (1) quyết định CSTT không được đưa ra dựa trên kết quả dự báo đúng

đắn, và (2) quyết định CSTT được đưa ra dựa trên kết quả dự báo sai lầm. Các sai lầm này

không nhất thiết phải áp dụng dự phòng đồng đều, bởi sẽ có những thời điểm xảy ra sự thiên lệch có chủ ý về việc chấp nhận sai lầm.

Lấy ví dụ một tình huống Ngân hàng Dự trữ Úc (RBA) từng phải ra quyết định: kết quả dự báo lạm phát giai đoạn tới cho rằng nền kinh tế sẽ tăng trưởng mạnh đi kèm mức

lạm phát cao, theo đó động thái thắt chặt cung tiền là cần thiết. Nhà điều hành có thể tin

hoặc không tin vào viễn cảnh dự báo, và kết quả dự báo dĩ nhiên có thể chính xác hoặc không. Điều này có thể dẫn đến 4 khả năng:

(i) Kịch bản lý tưởng nhất là dự báo chính xác, nhà điều hành tin tưởng nó và thắt

chặt tiền tệ (dù hiệu quả thực tế đem lại có thể khác biệt với dự báo);

(ii) Dự báo là chính xác, nhà điều hành dù tin tưởng nó song không hành động, lãi

suất khi đó sẽ ở mức quá thấp;

(iii) Nếu kết quả dự báo không chính xác khi trên thực tế, kinh tế tăng trưởng thấp và

mở rộng CSTT là biện pháp cần thiết, lúc này chiến lược “không hành động” của nhà điều hành dù chưa chuẩn xác, vẫn tốt hơn việc tin tưởng dự báo và thắt chặt tiền tệ. Ở trường hợp

này, nếu NHTW dự trù sẵn một khoản dự phòng cho sai lầm dự báo, chiến lược “không

hành động” vẫn sẽ tốt hơn việc phản hồi chính sách dựa trên kết quả dự báo. Điều này giúp giảm thiểu nguy cơ sai lầm nghiêm trọng.

(iv) Trường hợp tăng trưởng kinh tế và lạm phát trên thực tế cao hơn dự báo, chiến lược “không hành động” lúc này được xem là giải pháp tồi so với phản ứng chính sách dựa trên kết quả dự báo ở mức thấp. Điều này phần nào lý giải tại sao trong các mô hình lý

thuyết giản đơn bao hàm tính bất định của dự báo, giải pháp điều hành được đưa ra dựa trên sự tin tưởng chắc chắn của nhà hoạch định rằng dự báo là chính xác (điều kiện “chắc chắn tương đương” – “certainty equivalence”).

Vì vậy, trong đa số các trường hợp, có thể coi dự báo gần đúng với thực tế là một

căn cứ tốt dành cho nhà điều hành đưa ra quyết định CSTT (Stevens, 1999).

Thứ ba, để tạo lập căn cứ vững chắc cho việc hoạch định CSTT, dự báo lạm phát ngoài việc cung cấp kết quả, còn cần phải đánh giá được tính bất định của các kết quả đó. Lý do là bởi việc dựa trên kết quả dự báo để đưa ra ứng xử chính sách rõ ràng là hành động

ẩn chứa nhiều bất trắc và có thể dẫn tới sai lầm. Giải pháp bao hàm việc đánh giá tính bất

định dự báo lạm phát được NHTW Anh (BOE) đưa ra, đó là sử dụng biểu đồ quạt “dòng

sông máu” (“rivers of blood”) trong hệ thống báo cáo lạm phát, với “dòng chảy trung tâm”

là số dự báo với xác suất xảy ra cao nhất, bao quanh nó là các “dòng chảy loang” nhạt dần đều thể hiện kết quả dự báo với khả năng xảy ra thấp hơn (Hình 1.11). Từ đây, có thể thấy

thêm rằng kết quả dự báo nên được thể hiện dưới dạng chuỗi phân phối các khả năng thay vì

một ước lượng điểm. Theo một nghĩa nào đó, dự báo xu thế trung tâm và sự thảo luận về

tính bất định của dự báo dần trở thành một tiêu chuẩn thực hành tốt nhất tại NHTW, dựa vào đó việc thảo luận về triển vọng kinh tế giữa các nhà điều hành mới đạt được tính đa

chiều, khách quan dựa trên các khả năng của kết quả dự báo. Mặt khác, theo Budd (1999),

thảo luận về tính bất định trong dự báo cũng sẽ giúp nhà điều hành nhận diện các nhân tố chính tác động tới nền kinh tế trong từng giai đoạn cụ thể.

Hình 1.11: Biểu đồ “dòng sông máu” mô phỏng dự báo lạm phát của BOE (% yoy)

Nguồn: Inflation Report – August 2019 (BOE, 2020)

1.4.5. Bài học dành cho Việt Nam

Qua việc tổng kết kinh nghiệm các nước trong việc lựa chọn, xây dựng và vận hành mô hình dự báo lạm phát và ứng dụng chúng trong điều hành CSTT, có thể rút ra một số bài học sau cho Việt Nam:

Thứ nhất, về lựa chọn mô hình dự báo lạm phát:

Dựa trên phân tích đặc trưng các lớp mô hình được triển khai trên thế giới, tác giả thấy rằng việc sử dụng mô hình giản đơn như ARIMA, VAR và biến thể của VAR để dự

báo lạm phát dường như là giải pháp khả thi và hiệu quả nhất dành cho NHTW các nước đang phát triển, bao gồm Việt Nam. Như đã phân tích, ưu điểm của các mô hình trên nằm ở

việc không cần sử dụng quá nhiều biến song vẫn có thể phân tích tốt cơ chế truyền dẫn

CSTT đối với nền kinh tế cũng như đánh giá được quan hệ giữa khu vực tiền tệ và các khu

vực khác trong nền kinh tế thực. Riêng với DSGE, việc vận dụng chính thức công cụ này

trong công tác dự báo lạm phát của các nước đang phát triển là chưa phù hợp vào lúc này do những đòi hỏi khắt khe gắn với trang thiết bị kỹ thuật, năng lực dự báo viên và tính đầy đủ của số liệu. Theo đó, DSGE chỉ nên được xác định là mục tiêu ứng dụng trong dài hạn.

Thứ hai, về lựa chọn đơn vị thực hiện dự báo lạm phát:

Tuy việc phân nhiệm vai trò giữa các Bộ, Ngành trong điều hành và kiểm soát lạm phát và mức độ độc lập của NHTW các nước có sự khác biệt, nhìn chung NHTW vẫn chịu

trách nhiệm chính trong công tác dự báo và công bố mục tiêu lạm phát. Giải pháp điều hành

trên cơ sở kết quả dự báo có thể do NHTW đơn phương quyết định, có thể dựa trên thỏa

hiệp với các Bộ, Ngành liên quan như Bộ Tài chính, hoặc được NHTW tham vấn để Chính phủ xem xét, phê duyệt. Về phía NHTW, Ủy ban CSTT hoặc Hội đồng điều hành chịu

trách nhiệm về việc thiết lập mục tiêu lạm phát và đề xuất giải pháp điều hành căn cơ dựa

trên sự tham mưu kết quả dự báo lạm phát từ các Vụ, Cục thuộc khối CSTT, hoặc một ban tư vấn CSTT với thành phần nhân sự từ nhiều Vụ, Cục chuyên trách.

Thứ ba, về thu thập dữ liệu đầu vào:

Việc vận hành các lớp mô hình dự báo đòi hỏi sự sẵn có về dữ liệu tần suất tháng và

quý. Về nguồn dữ liệu, các số liệu về tiền tệ có thể tiếp cận được thông qua đơn vị dự báo -

thống kê chuyên trách thuộc NHTW, số liệu vĩ mô trong nước có thể được thu thập thông qua Cơ quan Thống kê Quốc gia; số liệu kinh tế quốc tế có thể thu thập từ NHTW các nước,

Reuters và IMF. Do đặc thù của ngành thống kê Việt Nam (đặc biệt là thống kê ngoài ngành

Ngân hàng), số liệu theo chuỗi thời gian dài thường không sẵn có, đặc biệt theo tần suất

tháng và quý. Về cơ bản, hầu hết số liệu trong nước chỉ bắt đầu từ năm 2000 tới nay, một vài biến chưa thể tiếp tục cập nhật từ năm 2011 như giá trị sản lượng công nghiệp, hoặc

không thể truy cập trong quá khứ trước năm 2005 như chỉ số bán lẻ hàng hóa, chỉ số giá

nhập khẩu hoặc chưa thể được quy đổi về cùng năm gốc một cách chính xác và đầy đủ như GDP và CPI.

Thứ tư, về khảo sát và xử lý dữ liệu:

Kinh nghiệm tại NHTW các nước cho thấy dữ liệu đầu vào thu thập từ nguồn khác

nhau cần đáp ứng được ba tiêu chuẩn sau:

(i) Tính đầy đủ (completeness): các dữ liệu được thu thập cần đảm bảo tính đầy đủ nhất có thể. Trong một số trường hợp, số liệu thiếu sót không ảnh hưởng đến quá trình phân tích và dự báo, song nếu số liệu đó giữ vai trò quan trọng thì NHTƯ cần áp dụng kỹ thuật giả định hoặc ước lượng để đảm bảo tính đầy đủ của bộ số liệu;

(ii) Tính nhất quán (consistency): các dữ liệu cần cung cấp thông tin không mâu

thuẫn về cùng một đối tượng nghiên cứu;

(iii) Tính phù hợp (conformity): các dữ liệu phải đảm bảo được thể hiện dưới định dạng phù hợp (dạng tuyệt đối hay phần trăm) để mối quan hệ giữa các biến có thể được nhìn nhận một cách rõ ràng hơn.

Từ đó, có thể tiến hành khảo sát đặc trưng các biến số thông qua:

- Đồ thị trực quan: Các biến số của mô hình trước tiên cần được khảo sát trực quan bằng đồ thị nhằm xem xét xu hướng biến động của các biến số và có thể cung cấp nhận định

ban đầu về đặc tính chuỗi dữ liệu, ví dụ: chuỗi dữ liệu có tính dừng hay không, có hay

không có tính mùa vụ, có biến động đột ngột dưới các cú shock… để từ đó có thể lựa chọn cách tiến hành và xử lý phù hợp.

- Thống kê cơ bản: Thống kê mô tả cho biết các đặc điểm cơ bản của dữ liệu một biến hay một nhóm biến, cung cấp bản tóm tắt đơn giản về mẫu và các phép đo qua các

thông số: giá trị trung bình (mean), trung vị (median), mode, giá trị lớn nhất (maximum),

giá trị nhỏ nhất (minimum), độ lệch chuẩn (standard deviation), dạng phân phối (skewness - kurtosis).

- Xử lý tính mùa vụ: Hầu hết số liệu kinh tế vĩ mô - tiền tệ đều thể hiện biến động khá tương đồng tại một thời điểm/mùa nhất định hàng năm. Ví dụ tại các nền kinh tế Á Đông như Trung Quốc và Việt Nam, số liệu lạm phát từ tháng 11 đến tháng 3 hay quý 1

hàng năm thường cao hơn các tháng khác vì đây là khoảng thời gian cuối năm, giáp Tết nên

giá cả hàng hóa thường cao hơn so với giữa năm. Ngược lại, cũng do thời gian nghỉ Tết

Nguyên đán dài, giá trị sản xuất công nghiệp và GDP quý 1 cũng thấp hơn các quý còn lại. Đặc trưng trên khiến cho các nhà kinh tế học rất khó để giải thích xu hướng thực sự của các

chuỗi dữ liệu. Do đó, hiệu chỉnh mùa vụ cho phép loại bỏ thành phần mùa vụ của một chuỗi

thời gian có biến động theo mùa dựa trên giả định có thể đo lường và tách biệt được biến

động mùa vụ của một chuỗi thời gian. Phương pháp hiệu chỉnh được các NHTW sử dụng phổ biến là thuật toán X12 do Cục Điều tra dân số Hoa Kỳ (US Census Bureau) phát triển.

- Kiểm định tính dừng của chuỗi: Tính dừng là một đặc trưng quan trọng của chuỗi thời gian. Trong phương pháp ước lượng cổ điển, khi hồi quy các biến số không dừng, các

giả định chuẩn cho phân tích tiệm cận sẽ không còn đúng, nói cách khác, các tham số ước

lượng không còn tuân theo phân phối t, do đó không thể tiến hành các kiểm định thông thường cho tham số mô hình. Một hệ quả khác là có thể dẫn đến tình trạng hồi quy giả mạo

nếu các biến số có cùng xu thế. Do đó, kiểm định tính dừng có vai trò quan trọng trong khâu khảo sát dữ liệu ban đầu. Các phương pháp phổ biến để kiểm định tính dừng của chuỗi bao gồm Augmented Dickey-Fuller (ADF) và Phillip-Perron (PP). Một chuỗi không dừng có thể được biến đổi qua phép lấy sai phân, ví dụ: I(1), I(2)..., để chuyển sang trạng thái dừng.

Thứ năm, về chỉ định cấu trúc mô hình ARIMA:

Với cách tiếp cận ARIMA, để dự báo hiệu quả đối với CPI tổng thể, đầu vào mô hình nhất thiết xuất phát từ chuỗi giá các nhóm hàng thành phần trong rổ CPI theo tần suất

tháng và quý (đối với các nhóm hàng đặc biệt quan trọng như lương thực, thực phẩm; đồ

uống và thuốc lá; nhà ở, điện nước, khí đốt và nhiên liệu: có thể thực hiện phân tổ ở cấp độ

chi tiết hơn). Kinh nghiệm của Macedonia và Philippines chỉ ra rằng so với việc áp dụng

trực tiếp thủ tục ARIMA/ Box-Jenkins trên chuỗi CPI tổng thể, dự báo dựa trên tổng hợp kết quả các mô hình phân tổ không chỉ mang lại hiệu quả dự báo vượt trội trong ngắn hạn

(từ 1 – 3 kỳ tiếp theo), mà còn giúp xác định cụ thể mức đóng góp của từng cấu phần

giá/nhóm hàng vào biến động chung của CPI, từ đó có thể cung cấp thêm thông tin hữu ích cho phân tích và hoạch định chính sách điều hành giá của NHTW.

Thứ sáu, về chỉ định cấu trúc mô hình VAR và VECM:

Cấu trúc mô hình VAR và VECM được phát triển dựa trên nguyên lý truyền dẫn

CSTT theo 5 kênh cơ bản: kênh tín dụng, kênh lãi suất, kênh tỷ giá, kênh giá hàng hóa và

kênh kỳ vọng, kết hợp với cách tiếp cận kinh tế học cơ cấu và kinh tế học tiền tệ. Theo đó, các biến số sử dụng trong mô hình cần đại diện cho khu vực kinh tế thực và các kênh của CSTT, cụ thể:

(i) Nhân tố đại diện cho hoạt động thương mại, cung - cầu thị trường: GDP, tổng

mức bán lẻ hàng hóa, chênh lệch sản lượng;

(ii) Nhân tố đại diện cho CSTT: cung tiền, tín dụng cho nền kinh tế, lãi suất cho vay

nội tệ;

(iii) Nhân tố đại diện cho chính sách tỷ giá: tỷ giá USD/nội tệ (tỷ giá bình quân liên

ngân hàng, tỷ giá của NHTM và tỷ giá thị trường tự do), tỷ giá danh nghĩa/ thực đa phương (NEER, REER);

(iv) Nhân tố đại diện cho các cấu phần trong CPI: chỉ số giá nhóm hàng lương thực –

thực phẩm, chỉ số giá nhóm hàng năng lượng (điện, xăng, dầu, gas, chất đốt) và chỉ số giá

nhóm các mặt hàng khác do Nhà nước quản lý giá (điện, nước, dịch vụ giao thông, dịch vụ y tế, dịch vụ bưu điện, dịch vụ giáo dục…);

(v) Nhân tố đại diện từ phía tổng cung: giá nhập khẩu, giá sản xuất, mức lương của

nền kinh tế.

(vi) Nhân tố đại diện cho khu vực kinh tế quốc tế gồm: Giá dầu thô thế giới, giá

lương thực thế giới, giá hàng hóa thế giới, lãi suất hiệu dụng của FED …

Ngoài ra, có thể bổ sung biến giả mùa vụ, hay biến giả gắn với thời điểm diễn ra sự

thay đổi về cấu trúc (ví dụ: khủng hoảng tài chính, gia nhập WTO…).

Thứ bảy, về phân tích, đánh giá và hiệu chỉnh kết quả dự báo:

Để đánh giá kết quả dự báo của các mô hình, NHTW các nước chủ yếu căn cứ theo các tiêu chuẩn thống kê phổ biến như RMSE, MAE, MAPE và hệ số Theil IC. Mô hình

được xác định là đạt hiệu quả dự báo tốt khi giá trị các tiêu chuẩn ở mức tối thiểu, trong đó,

hai tiêu chuẩn RMSE và MAE phụ thuộc vào đơn vị của biến được dự báo nên chỉ so sánh được khi biến dự báo như nhau ở các mô hình.

Đối với biến số lạm phát cần dự báo, các lớp mô hình thường sẽ cho kết quả dự báo

khác nhau, do đó, dự báo viên của NHTW cần tiến hành so sánh các kết quả dự báo. Nếu

các kết quả dự báo hiệu quả, có thể kết hợp các kết quả dự báo (tính giá trị dự báo trung

bình) để giảm sự không chắc chắn của mô hình. Đồng thời, cần so sánh giá trị quan sát thực tế với con số dự báo thu được từ mô hình trong quá khứ để đưa ra các đánh giá về khả năng dự báo của mô hình.

Mặt khác, NHTW cũng có thể tham vấn chuyên gia về kết quả dự báo dựa trên các

phân tích tác động của việc thay đổi cấu trúc thể chế, chính sách điều hành vĩ mô, môi

trường kinh tế trong và ngoài nước ở quá khứ và hiện tại để có cơ sở so sánh, đối chiếu.

Việc so sánh giá trị dự báo mới với các giá trị dự báo đã đưa ra trước đó và giải thích nguyên nhân dẫn tới sai biệt là hết sức cần thiết để nhà hoạch định có thể đưa ra quyết định cuối cùng về mức dự báo phù hợp.

Thứ tám, về ứng dụng kết quả dự báo trong điều hành CSTT:

Tổng hợp kinh nghiệm vận dụng kết quả dự báo lạm phát trong thực thi CSTT từ

một số nền kinh tế lớn như Mỹ, Anh, Úc và New Zealand cho thấy:

(i) Việc ra quyết định CSTT khi đã tiếp nhận kết quả dự báo cần phải tuân theo một quy trình chuẩn với những cân nhắc thận trọng để đảm bảo giảm thiểu những sai lầm có thể dẫn tới hậu quả kinh tế nghiệm trọng;

(ii) Để tăng tính thận trọng khi ra quyết định CSTT, NHTW có thể lập một quỹ dự

phòng cho những sai lầm tiềm tàng xuất phát từ thực tế vận dụng kết quả dự báo lạm phát;

(iii) Để tạo lập căn cứ vững chắc cho hoạch định CSTT, ngoài việc cung cấp kết quả, đơn vị thực hiện dự báo cũng phải đưa ra được đánh giá về tính bất định của các kết quả đó.

TÓM TẮT CHƯƠNG 1

Chươ ng 1 của luận án đã trình bày những vấn đề luận cứ về la ̣m phát, CSTT và mô hình dự báo lạm phát trong điều hành CSTT. Về cơ bản, hiện tượng lạm phát xảy ra có thể bắt nguồn từ các nguyên nhân: lượng cung tiền tăng, chính sách thúc đẩy công ăn việc làm

của chính phủ (biểu hiện theo hai cơ chế: cầu kéo và chi phí đẩy), thâm hụt ngân sách kéo

dài và biến động tỷ giá hối đoái. Vai trò của CSTT trong kiểm soát lạm phát về lý thuyết

được phân tích, làm rõ theo ba cơ chế đặc trưng: chính sách cố định tỷ giá hối đoái, chính sách hướng vào cung tiền và chính sách mục tiêu lạm phát. Về lý thuyết mô hình dự báo

lạm phát trong điều hành CSTT, luận án trước tiên làm rõ khái niệm và mục tiêu của dự báo

lạm phát, phân tích vai trò của nó trong điều hành CSTT và đề xuất quy trình dự báo lạm

phát với 8 bước. Tiếp theo đó, luận án đã trình bày cơ sở lý thuyết gắn với các lớp mô hình dự báo điển hình (gồm ARIMA, VAR và VECM) trên các phương diện khái niệm, ưu,

nhược điểm và điều kiện áp dụng. Qua phân tích kinh nghiệm ứng dụng mô hình dự báo

lạm phát trong điều hành CSTT của các NHTW trên thế giới, luận án đã rút ra các bài học

hữu ích cho Việt Nam về lựa chọn mô hình dự báo và đơn vị thực hiện dự báo, thu thập và xử lý dữ liệu đầu vào, chỉ định cấu trúc mô hình, đánh giá và hiệu chỉnh kết quả dự báo và ứng dụng kết quả dự báo trong điều hành CSTT.

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

30%

25%

20%

15%

10%

-1%

-2%

-5%

1 m 0 0 0 2

9 m 0 0 0 2

5 m 1 0 0 2

1 m 2 0 0 2

9 m 2 0 0 2

5 m 3 0 0 2

1 m 4 0 0 2

9 m 4 0 0 2

5 m 5 0 0 2

1 m 6 0 0 2

9 m 6 0 0 2

5 m 7 0 0 2

1 m 8 0 0 2

9 m 8 0 0 2

5 m 9 0 0 2

1 m 0 1 0 2

9 m 0 1 0 2

5 m 1 1 0 2

1 m 2 1 0 2

9 m 2 1 0 2

5 m 3 1 0 2

1 m 4 1 0 2

9 m 4 1 0 2

5 m 5 1 0 2

1 m 6 1 0 2

9 m 6 1 0 2

5 m 7 1 0 2

1 m 8 1 0 2

9 m 8 1 0 2

5 m 9 1 0 2

CPI so cùng kỳ (yoy) - Trục trái

CPI so tháng trước (mom) - Trục phải

Hình 2.1: Diễn biến CPI của Việt Nam, 2000 – 2019

Giai đoạn 1 (1/2000 – 12/2007) Lạm phát tăng cùng sự mở rộng liên tục tín dụng và cung tiền.

Giai đoạn 3 (5/2012 – 12/2019) Lạm phát thấp (trung bình dưới 4%/năm); CPI năm 2015 thấp nhất trong 20 năm qua.

Giai đoạn 2 (1/2008 – 4/2012) Lạm phát cao đột biến do nhiều nguyên nhân, cung tiền và các yếu tố từ phía cung.

Nguồn: IMF International Financial Statistics (2020)

La ̣m phát là mộ t trong số những mối quan tâm hàng đầu củ a mọi thành phầ n trong xã hộ i, gồm nhà hoa ̣ch đi ̣nh chính sách, nhà nghiên cứ u, doanh nghiệ p, nhà đầu tư, trung gian tài chính và ngườ i dân. Như đã trình bày ở Chương 1, nhân tố tác độ ng đến la ̣m phát có thể được chia thành 4 nhóm chính: (1) Nhóm nhân tố ảnh hư ởng đến tổng cầu; (2) Nhóm cú số c thực hay cú sốc tổng cung; (3) Nhóm nhân tố ả nh hư ởng đến sự cứ ng nhắ c của giá cả; (4) Nhóm nhân tố thể chế. Trong nền kinh tế thực, la ̣m phát có thể xả y ra do ảnh hưở ng hỗn hơ ̣p củ a các nhân tố kể trên (Hình 2.1). Đố i vớ i nền kinh tế Việ t Nam, tùy từ ng giai đoạn mà mứ c độ tác độ ng củ a các nhân tố đến la ̣m phát có thể khác nhau. 2.1.1. Diễn biến lạm phát giai đoạn 2000 - 2007

Đặc trưng của giai đoạn này là sự tăng cao trở lại của lạm phát sau khi duy trì ở mức thấp trong thời kỳ trước đó. Từ mức -0,45% năm 2000 và -0.3% năm 2001, lạm phát đã bắt

đầu gia tăng mạnh kể từ năm 2004 với chỉ số CPI ở mức 9,61% so với năm 2013. Đây là

mức tăng mạnh gấp 9 lần so với mức giảm phát những năm đầu thời kỳ và cao hơn so với mức mục tiêu 6% mà Chính phủ đặt ra.

Bối cảnh vĩ mô đặc trưng của giai đoạn này là tăng trưởng kinh tế đã có nhiều cải

thiện, cơ cấu kinh tế từng bước chuyển dịch theo hướng Công nghiệp hóa – Hiện đại hóa đất

nước, đời sống xã hội và nhân dân không ngừng được cải thiện. Tín dụng và cung tiền (M2)

tăng mạnh (tỷ lệ tín dụng/GDP tăng từ 35,48% năm 2000 lên 85,64% năm 2007, tỷ lệ M2/GDP tăng tương ứng từ 49,33% lên 100,58%) là động lực quan trọng thúc đẩy tăng

trưởng GDP (tăng trưởng GDP giai đoạn 2000 – 2007 đã vượt mức tăng trưởng sản lượng

tiềm năng). Tuy nhiên, tín dụng mở rộng cũng là nguyên nhân chính khiến lạm phát giai đoạn này tăng cao so với giai đoạn từ năm 2000 trở về trước.

10.00

9.00

8.00

7.00

6.00

5.00

1 q 0 0 0 2

2 q 0 0 0 2

3 q 0 0 0 2

4 q 0 0 0 2

1 q 1 0 0 2

2 q 1 0 0 2

3 q 1 0 0 2

4 q 1 0 0 2

1 q 2 0 0 2

2 q 2 0 0 2

3 q 2 0 0 2

4 q 2 0 0 2

1 q 3 0 0 2

2 q 3 0 0 2

3 q 3 0 0 2

4 q 3 0 0 2

1 q 4 0 0 2

2 q 4 0 0 2

3 q 4 0 0 2

4 q 4 0 0 2

1 q 5 0 0 2

2 q 5 0 0 2

3 q 5 0 0 2

4 q 5 0 0 2

1 q 6 0 0 2

2 q 6 0 0 2

3 q 6 0 0 2

4 q 6 0 0 2

1 q 7 0 0 2

2 q 7 0 0 2

3 q 7 0 0 2

4 q 7 0 0 2

GDP tiềm năng

GDP thực tế

Hình 2.2: Tăng trưởng GDP thực tế và tiềm năng, 2000 – 2007 (% yoy)

Nguồn: Tổng cục Thống kê (2020)

Bảng 2.1: GDP, CPI, tín dụng và M2, 2000 – 2007 (% yoy)

Chỉ tiêu 2000 2001 2002 2003 2004 2005 2006 2007

GDP 6,80 6,89 7,8 7,24 7,79 8,44 8,23 8,48

CPI -0,60 -0,30 4,06 2,95 9,61 8,85 6,56 12,63

Tín dụng 38,14 21,4 22,2 28,4 41,6 31,7 25,4 53,9

M2 38,96 25,5 17,0 24,9 30,4 29,7 33,6 46,1

Nguồn: Ngân hàng Nhà nước và Tổng cục Thống kê (2020)

Bảng 2.1 cho thấy mối tương quan rõ ràng hơn giữa yếu tố tiền tệ, tín dụng và lạm

phát trong giai đoạn 2000 – 2007. Cụ thể, khi tiền tệ, tín dụng tăng thì lạm phát cũng tăng theo. Chính sách nới lỏng tín dụng và mở rộng đầu tư khiến tăng trưởng tín dụng và M2

thực tế năm 2000 lên đến 38,14% và 38,96%. Mức kỷ lục tăng trưởng tín dụng và M2 được thiết lập vào năm 2007, lần lượt đạt 53,9% và 46,1%; gấp 10 và hơn 7 lần so với năm 2000).

Hệ quả là, chỉ số CPI so với cùng kỳ cũng bứt tốc từ mức -0,60% năm 2000 lên mức 2,95% năm 2003 và 9,61% năm 2004, thậm chí là mức hai con số (12,63%) vào năm 2007.

Cùng vớ i tác độ ng củ a mở rộ ng tiền tệ tín du ̣ng là tác độ ng chi phí đẩ y đến la ̣m phát. Khi tác độ ng tiêu cực đố i vớ i tă ng trưở ng củ a khủ ng hoảng châu Á giả m đi, cầu bắt đầu tă ng lên cùng vớ i sự bùng nổ củ a kinh tế thế giớ i và việ c tă ng giá củ a dầu thô dẫn đến sự tă ng giá củ a nhiều loa ̣i hàng hóa nhậ p khẩu như phân bón, dươ ̣c phẩm. Đồ ng thờ i, chi phí sản xuất củ a tất cả các ngành đều tă ng dẫn dến tă ng giá các mặ t hàng do nhà nướ c quản lý như điệ n, thép, than... Cầu tă ng lên cùng vớ i sự gia tă ng củ a tiền lươ ng danh nghĩa ở cả khu vực Nhà nướ c và khu vực FDI (Chính phủ đã tiến hành 2 lần cải cách tiền lươ ng trên cơ sở tă ng lươ ng tố i thiểu) từ nă m 2003 đã khiến giá cả tă ng lên. Phản ứ ng trướ c thực tra ̣ng la ̣m phát tă ng cao, NHNN đã bắt đầu sử du ̣ng CSTT thắ t chặ t, làm cho lãi suất tă ng lên chút ít và giữ tỷ giá cố đi ̣nh từ nă m 2004. Trong khi đó, Bộ Tài chính và NHNN tiếp tu ̣c sử du ̣ng các biện pháp can thiệ p lãi suất mang tính hành chính thay vì vậ n độ ng theo tín hiệ u thi ̣ trườ ng (Camen 2006). Tuy nhiên, việ c quản lý cứ ng nhắc tỷ giá hố i đoái đã không thành công trong việ c kiềm chế la ̣m phát, mà trái la ̣i mứ c giá cả ở Việ t Nam bi ̣ đẩ y tă ng cao hơ n rất nhiều so vớ i các quố c gia khác trong cùng thờ i kỳ. Thêm vào đó là di ̣ch cúm gà và thờ i tiết xấu năm 2003 khiến giá lươ ng thực thực phẩ m đã tă ng 15,5% so vớ i chỉ số giá chung (9,61%) và lạm phát phi lươ ng thực thực phẩm là 5,2% trong nă m 2004.

Bảng 2.2: Quy mô tín dụng và M2, 2000 – 2007 (% GDP)

Chỉ tiêu 2000 2001 2002 2003 2004 2005 2006 2007

Tín dụng 35,48 36,39 39,85 44,79 53,97 60,47 65,36 85,64

M2 49,33 52,12 53,04 61,63 69,26 70,96 79,23 100,58

Nguồn: World Bank (2020)

Chi tiêu chính phủ cũng tác độ ng đáng kể tớ i mứ c tă ng củ a chỉ số CPI trong giai đoa ̣n này. Theo số liệ u củ a Bộ Tài chính (2007), chi tiêu củ a Chính phủ đã tă ng liên tu ̣c trong giai đoa ̣n này, từ mứ c 22,5% GDP nă m 2000 lên mức 32,2% GDP nă m 2007; tỷ lệ thu – chi NSNN/GDP mất cân đố i: chi tă ng cao (bình quân cả giai đoa ̣n 2000 – 2007 ở mứ c 32,6%), trong khi thu ngân sách vẫn ở mứ c thấp (bình quân 24,6% GDP). Bên ca ̣nh đó, cơ cấu chi NSNN cũng tiềm ẩn nhiều bất ổ n, tỷ lệ chi thườ ng xuyên cao (luôn ở mứ c khoảng 60 - 70% tổ ng chi NSNN) trong khi tỷ lệ chi đầu tư phát triển chỉ chiếm khoảng dướ i 20%. Thâm hu ̣t NSNN trung bình khoảng 4,83% và có thể tiếp tu ̣c tă ng cùng vớ i nhu cầu phát triển kinh tế xã hộ i sẽ ta ̣o áp lực lớ n tớ i la ̣m phát, ổ n đi ̣nh vĩ mô và ta ̣o ra gánh nặng chi trả trong tươ ng lai.

Trên thực tế, cùng vớ i áp lực la ̣m phát, hiệ u quả và sứ c ca ̣nh tranh củ a nền kinh tế còn thấp khiến tă ng trưở ng kém bền vững và tiềm ẩn rủ i ro dài ha ̣n. Tă ng trưở ng củ a giai đoa ̣n 2000 – 2007 đươ ̣c cho là dựa chủ yếu vào việ c mở rộ ng cung tiền và tín du ̣ng chứ

không thực sự dựa trên sự gia tă ng thực tế củ a tổng cung và nă ng suất lao độ ng (Nguyen, 2010). Có thể thấy, tố c độ tă ng trưở ng M2 và tín du ̣ng ở mứ c cao (bình quân giai đoa ̣n 2000 – 2007 khoảng 33%/nă m); tỷ lệ đầu tư toàn xã hộ i/GDP khoảng 40%, trong đó nă m 2007 đa ̣t mứ c 46,5% (mứ c cao nhất kể từ 1986). Tuy nhiên, hiệ u quả sử du ̣ng vố n thấp, hệ số ICOR1 chung củ a nền kinh tế tă ng từ 4,89 lần giai đoa ̣n 2000 – 2005 lên 6,2 lầ n nă m 2007. Cộ ng dồ n cả giai đoa ̣n 2000 – 2007, tố c độ tă ng trưở ng M2 là 263,6%; gấp 4,3 lần tă ng trưở ng GDP cộ ng dồ n củ a cùng thờ i kỳ (61,77%). 2.1.2. Diễn biến lạm phát giai đoạn 2008 – tháng 4/2012

Bảng 2.3: GDP, CPI, tín dụng và M2, 2008 – 2012 (% yoy)

Chỉ tiêu 2008 2009 2010 2011 2012

GDP 6,31 5,32 6,78 5,91 5,03

CPI 19,90 6,50 11,75 18,60 6,81

Tín dụng 25,43 37,54 31,20 14,00 7,00

M2 20,31 29,00 33,40 12,40 20,04

Nguồn: Ngân hàng Nhà nước và Tổng cục Thống kê (2018)

Đây là một trong những giai đoạn đột biến và khó lường nhất của kinh tế vĩ mô nói

chung cũng như diễn biễn lạm phát ở Việt Nam nói riêng, khi CPI tăng cao vượt mức 20%, đặc biệt ở thời điểm tháng 8/2008 (28,35%) và tháng 8/2011 (23%).

2.00

1,000,000

0.00

800,000

-2.00

600,000

-4.60

-4.80

-4.90

-4.00

400,000

-5.60

-6.90

-6.00

200,000

-8.00

-10.00

-200,000

2008

2009

2010

2011

2012

Tổng thu NSNN

Tổng chi NSNN

Thâm hụt NSNN

Thâm hụt NSNN (%GDP, trục phải)

Hình 2.3: Tình hình thu chi và thâm hụt NSNN, 2008 – 2012 (tỷ đồng)

1 ICOR (Incremental Capital - Output Ratio): Hệ số sử dụng vốn hay hệ số đầu tư tăng trưởng cho biết muốn có thêm một đơn vị sản lượng trong một thời kỳ nhất định cần phải bỏ ra thêm bao nhiêu đơn vị vốn đầu tư trong thời kỳ đó. ICOR càng cao thì chứng tỏ thời kỳ đó hoặc nền kinh tế đó sử dụng vốn kém, không hiệu quả. Theo thông lệ quốc tế, đối với các nước đang phát triển, hệ số ICOR ở mức 3-4 được coi là có hiệu quả và bền vững.

Nguồn: Bộ Tài chính (2018)

Sự gia tă ng củ a la ̣m phát trong giai đoa ̣n này được cộ ng hưở ng bởi nhiều nguyên nhân, đặ c biệ t là các yếu tố từ phía cung. Nguyên nhân trướ c nhất và chủ yếu xuất phát từ việ c cung tiền và tín du ̣ng tă ng ma ̣nh trong giai đoa ̣n trướ c đó (2000 – 2007) nhất là sự tích tu ̣ khá lâu về lươ ̣ng dư cung tiền kỷ lu ̣c củ a nă m 2007. Cùng vớ i đó, thâm hu ̣t NSNN và nơ ̣ công trong giai đoa ̣n 2007 – 2012 cũng diễn biến khá tươ ng đồ ng vớ i la ̣m phát theo xu hướ ng tă ng. Thâm hu ̣t NSNN/GDP tă ng 10% và nơ ̣ công tă ng cao gấp 2 lần so vớ i giai đoa ̣n 2000 – 2006. Theo Bộ Tài chính (2012), tỷ lệ thu - chi NSNN/GDP bình quân ở mứ c 27,2% và 36,3%; tiếp tu ̣c mất cân đố i hơ n so vớ i giai đoa ̣n 2000 – 2007 (tươ ng ứ ng ở mứ c 24,6% và 32,6%).

Ngoài ra, vớ i việ c gia nhậ p WTO từ cuố i nă m 2006, lươ ̣ng vố n đầu tư trực tiếp (FDI), gián tiếp (FPI) và dòng vố n kiều hố i tă ng đã làm cho cung USD tă ng ma ̣nh. Để giữ tỷ giá không giảm quá thấp, NHNN đã mua vào lươ ̣ng ngoa ̣i tệ lớ n tứ c là bán mộ t lươ ̣ng lớ n VND ra thi ̣ trườ ng. Mặ c dù đã thực hiệ n việ c hút nộ i tệ về, song do tiến trình này diễn ra chậ m và lươ ̣ng nộ i tệ hút về không nhiều, khiến lươ ̣ng tiền mặ t lưu thông trong nền kinh tế vẫn mứ c cao. Cùng vớ i đó, sự bùng nổ củ a tiêu dùng trong nướ c nă m 2007 đã góp phần khiến giá cả củ a hàng loa ̣t nguyên nhiên liệ u đầu vào như xă ng dầu, sắ t thép, vậ t liệ u xây dựng..., qua đó, kích hoa ̣t cho mộ t đơ ̣t tă ng giá ma ̣nh mẽ củ a hầu hết các hàng hóa và dịch vu ̣ trong nướ c, trướ c hết là giá hàng hóa thiết yếu, lương thực, thực phẩm. Lạm phát bùng nổ đạt mức đỉnh 28,35% vào tháng 8/2008 đã gây nên những bất ổn vĩ mô, ảnh hưởng đến đời sống nhân dân.

Trướ c tình hình đó, ngay từ những tháng đầu 2008, Chính phủ đã quyết tâm kiềm chế la ̣m phát bằng việ c ban hành mộ t loa ̣t các chính sách gồ m: (1) Chỉ thi ̣ số 75/TTg-KTTH ngày 15/01/2008 về biệ n pháp kiềm chế la ̣m phát, kiểm soát giá nă m 2008; (2) Công vă n số 319/TTg-KTTH ngày 03/03/2008 về tă ng cườ ng các biệ n pháp kiềm chế la ̣m phát nă m 2008; và đặ c biệ t là (3) Nghi ̣ quyết số 10/2008/NQ-CP ngày 17/04/2008 về 8 giải pháp kiềm chế la ̣m phát, ổ n đi ̣nh kinh tế vĩ mô và tă ng trưở ng bền vững. Trong 6 tháng đầu nă m 2008, NHNN đã 2 lầ n điều chỉnh tă ng lãi suất nhằ m kiểm soát tố c độ tă ng trưở ng tín du ̣ng và đảm bảo lãi suất thực dươ ng cho ngườ i gử i tiền. Cùng vớ i 8 giả i pháp tiền tệ và tài khóa đươ ̣c thực hiệ n đồ ng bộ , giá hàng hóa thế giớ i giảm cũng góp phần vào sự giả m tố c nhanh chóng củ a la ̣m phát: CPI so sánh cùng kỳ từ mứ c 19,9% tháng 12/2008 giảm xuố ng mứ c thấp nhất chỉ còn 1,97% vào tháng 8/2009 và đã đươ ̣c nén xuố ng mứ c 6,88% vào tháng 12/2009.

Tuy nhiên, mứ c giảm củ a la ̣m phát không kéo dài, la ̣m phát đã bùng phát trở la ̣i từ tháng 9/2010 – 11/2011. Thực chất, trướ c tình tra ̣ng suy giảm tă ng trưở ng, NHNN đã tiến hành nớ i lỏ ng CSTT từ cuố i nă m 2008 (Nguyen, 2010). Cho đến quý 2/2009, khi các kết quả củ a quý 1/2009 su ̣t giảm ma ̣nh (tă ng trưở ng kinh tế chỉ đa ̣t 3,1%; xuất khẩu chỉ tă ng 2,4%; vố n FDI giảm tớ i 32%), các biệ n pháp kích cầu củ a Chính phủ đã đươ ̣c triển khai ma ̣nh để thúc đẩy tă ng trưở ng. Gói kích thích kinh tế đươ ̣c công bố vào tháng 5/2009 lên tớ i

160.000 tỷ đồ ng (9 tỷ USD), cu ̣ thể bao gồ m hỗ trơ ̣ lãi suất 4% (17.000 tỷ đồ ng), ta ̣m hoãn thu hồ i vố n ứ ng trướ c nă m 2009 (3.400 tỷ đồ ng), các khoản vố n ứ ng trướ c (37.200 tỷ đồ ng), chuyển vố n đầu tư nă m 2008 sang nă m 2009 (30.200 tỷ đồ ng), phát hành bổ sung TPCP nă m 2009 (20.000 tỷ đồ ng), thực hiệ n chính sách miễn, giảm thuế (28.000 tỷ đồ ng), bảo lãnh tín du ̣ng cho doanh nghiệ p nhỏ và vừ a (17.000 tỷ đồ ng), các khoản kích cầu khác (7.200 tỷ đồ ng). Theo đó, cùng vớ i tỷ tro ̣ng đầu tư xã hộ i/GDP nă m 2009 đã tă ng lên 42,7%; tín du ̣ng và cung tiền cũng tă ng lên cao, lầ n lươ ̣t ở mứ c 37,7% và 29,3%; tỷ lệ dư nơ ̣ tín du ̣ng/GDP củ a Việ t Nam trung bình ở mứ c 124% giai đoa ̣n 2010 – 2012, cao gấp 2 lần các nướ c trong khu vực; thâm hu ̣t NSNN lên mứ c cao nhất 6,9% GDP. Cùng vớ i đó, việ c điều chỉnh giả m giá VND so vớ i USD 3 lần trong 2 nă m (2 lầ n nă m 2010 và 1 lầ n vào tháng 2/20111) cùng vớ i biến độ ng tă ng cao củ a giá vàng quố c tế là những nguyên nhân chủ yếu khiến la ̣m phát bùng phát trở la ̣i trong các nă m 2010 và 2011.

0 2009m1

2009m7

2010m1

2010m7

2011m1

2011m7

2012m1

2012m7

-10

CPI tổng thể

Lương thực, thực phẩm

Nhà ở, điện, nước, chất đốt, VLXD

Giao thông, bưu chính

-20

Giáo dục

Hình 2.4: Diễn biến CPI tổng thể và một số nhóm hàng hóa cơ bản, 2009 – 2012 (% yoy)

Nguồn: Tổng cục Thống kê (2020)

Không nhữ ng vậ y, việ c điều chỉnh tă ng giá đồ ng loa ̣t các mặ t hàng do nhà nướ c quản lý như giá điệ n, xă ng dầu, than, nướ c, đã tác độ ng cộ ng hưở ng, khiến la ̣m phát tă ng cao trong các nă m 2010 và 2011. Theo Tổng cục Thống kê, giá điệ n đươ ̣c điều chỉnh tă ng 31,09% trong hai nă m 2010 và 2011 (nă m 2010 tă ng 6,8%, nă m 2011 tă ng 24,29%); giá xă ng dầu tă ng 36,77% (nă m 2010 tă ng 6,5%; nă m 2011 tă ng 30,77%), giá than bán cho ngành điệ n tă ng khoảng 28 - 47%. Vớ i tỷ tro ̣ng điệ n sinh hoa ̣t củ a ngườ i dân đang là 2,46% trong tổ ng chi phí tiêu dùng, điệ n đóng góp 0,76% vào mứ c tă ng CPI chung, đồ ng thờ i vớ i tỷ tro ̣ng xă ng dầu trong sinh hoa ̣t củ a ngườ i dân là 3,64% thì việ c tă ng giá xă ng dầu sẽ đóng 1 Ngày 11/2/2010: Điều chỉnh TGBQLNH tăng 3.3%, biên độ giữ nguyên 3%; Ngày 17/08/2010: Điều chỉnh TGBQLNH lên 18.932, tăng 2,09%; Ngày 11/02/2011: Điều chỉnh TGBQLNH lên 20.693, tăng 9,3%, và thu hẹp biên độ giao dịch từ ±3% xuống ±1%.

góp 1,3% vào mứ c tă ng CPI chung (theo tính toán củ a Bộ Công thươ ng). Tuy nhiên, do đây là các nguyên liệ u đầu vào quan tro ̣ng củ a sả n xuất, mứ c tă ng củ a hai mặ t hàng này sẽ tác độ ng nhiều vòng đến các mặ t hàng thiết yếu, lươ ng thực, thực phẩm, giao thông, nhà ở , điệ n nướ c, chất đố t, vật liệu xây dựng và chỉ số giá chung. Do đó, mứ c độ tác độ ng thực sự củ a việ c tă ng giá hàng hóa cơ bả n này đến CPI sẽ lớ n hơ n nhiều mứ c độ tác độ ng vòng 1. Vớ i kỳ vo ̣ng la ̣m phát tă ng dần, sau khi đạt mứ c 2 con số vào tháng 11/2010 (11,1%), kỳ vo ̣ng về mứ c la ̣m phát cao tươ ng lai tiếp tu ̣c đươ ̣c đẩy lên. Kỳ vo ̣ng tă ng cao cộ ng thêm điều chỉnh tă ng lươ ng đầu nă m 2011 và tác độ ng từ di ̣ch cúm gia cầm, thiên tai, lũ lu ̣t nặ ng nề trong nă m 2011 khiến chỉ số giá cả trong tất cả các tháng củ a nă m 2011 đều ở mứ c cao 2 con số so vớ i cùng kỳ 2010, mứ c cao nhất lên tớ i 23,03% vào tháng 11/2011. Chỉ số giá củ a nhóm lươ ng thực, thực phẩm, nhóm nhà ở , điệ n, nướ c, chất đốt, vậ t liệ u xây dựng bình quân từ tháng 12/2011 đến tháng 3/2012 tă ng lần lươ ̣t 25,45% và 21,85%, cao hơ n mứ c tă ng bình quân củ a chỉ số giá cả chung 18,1%.

Trung Quốc

Indonesia

Malaysia

Philippines

Singapore

Thái Lan

-10

Việt Nam

Đài Loan

-20

2008m1

2009m1

2010m1

2011m1

Hình 2.5: Diễn biến lạm phát của Việt Nam so với Trung Quốc và các quốc gia ASEAN, 2008 – 2011 (% yoy)

Nguồn: IMF International Financial Statistics (2020)

Khi la ̣m phát leo thang, nền kinh tế cũng bộ c lộ nhữ ng biểu hiệ n yếu kém: Tă ng trưở ng kinh tế giảm sút; nơ ̣ xấu tă ng nhanh; thanh khoản ngân hàng că ng thẳ ng; tỷ lệ nơ ̣ xấu/tổ ng dư nơ ̣ đã tă ng nhanh từ mứ c 2,16% cuố i nă m 2010 lên 10% cuố i nă m 2012, chiếm tớ i 10% GDP; lãi suất cho vay nă m 2011 tă ng lên mứ c 23-25%, mứ c cao nhất kể từ nă m 1993; tỷ lệ nhậ p siêu lên đến 20,1% GDP vào nă m 2008; cầu nộ i đi ̣a suy yếu, doanh nghiệ p gặ p nhiều khó khă n, thu nhậ p của ngườ i lao độ ng thấp; thi ̣ trườ ng bất độ ng sản trong tình tra ̣ng “bong bóng”. Kể từ nă m 2010, Việ t Nam liên tu ̣c bi ̣ su ̣t giảm trong bảng xếp ha ̣ng chỉ số nă ng lực ca ̣nh tranh toàn cầu củ a Diễn đàn Kinh tế Thế giớ i (WEF). Đặ c biệ t nă m 2012, chỉ số ổn đi ̣nh kinh tế vĩ mô giảm đến 41 bậ c xuố ng thứ 106 trong số 144 quố c gia; Mức độ sẵn sàng công nghệ giả m 19 bậ c; Hiệ u quả củ a thi ̣ trườ ng hàng hoá giảm 16 bậ c...

Thực tra ̣ng này đã đặ t các nhà hoa ̣ch đi ̣nh chính sách trướ c bài toán nan giải phải cân bằ ng hài hòa giữa tă ng trưở ng vớ i ổ n đi ̣nh vĩ mô, kiềm chế la ̣m phát. Nghi ̣ quyết 11/NQ-CP ngày 24/02/2011 là quyết sách quan tro ̣ng, khẳng đi ̣nh bướ c chuyển chiến lươ ̣c trong tư duy điều hành củ a Chính phủ : nhất quán chuyển từ tậ p trung “duy trì tă ng trư ởng” sang nhiệ m vu ̣ tro ̣ng tâm, cấp bách là “tậ p trung kiềm chế lạm phát, ổn đi ̣nh kinh tế vĩ mô”. Theo đó, CSTT và CSTK chuyển từ nớ i lỏ ng sang chặ t chẽ, thậ n tro ̣ng và CSTK thắ t chặ t, cắt giảm đầu tư công, giả m bộ i chi NSNN, giảm áp lực trên thi ̣ trườ ng ngoa ̣i hố i, tă ng niềm tin đố i vớ i đồ ng nộ i tệ . Cu ̣ thể, NHNN đã điều hành linh hoa ̣t, đồ ng bộ các công cu ̣ CSTT, điều tiết lươ ̣ng tiền cung ứ ng hơ ̣p lý; đả m bảo thanh khoản hệ thố ng TCTD và ổ n đi ̣nh thi ̣ trườ ng ngoa ̣i hố i; từ ng bướ c điều chỉnh giảm lãi suất cho vay, ta ̣o điều kiệ n thuậ n lơ ̣i cho doanh nghiệ p tiếp cậ n tín du ̣ng ngân hàng, khơ i thông dòng vố n trong nền kinh tế. Đồ ng thờ i, NHNN đã kiểm soát tố c độ tă ng tín du ̣ng và điều chỉnh cơ cấu tín du ̣ng theo hướ ng tậ p trung vố n cho sản xuất, giảm tỷ tro ̣ng dư nơ ̣ cho vay lĩnh vực phi sản xuất xuố ng 22% đến 30/06/2011 và xuố ng 16% đến 31/12/2011 (Nguyen, 2010). Cùng vớ i đó, Bộ Tài chính phố i hơ ̣p các Bộ ngành kiên quyết xử lý nơ ̣ đo ̣ng thuế và triệ t để tiết kiệ m chi, giảm bộ i chi NSNN, quản lý chặ t chẽ nơ ̣ công. Bộ Công thươ ng tă ng cườ ng quản lý giá theo cơ chế thi ̣ trườ ng có sự điều tiết củ a Nhà nướ c đố i vớ i điệ n, than, xă ng dầu, di ̣ch vu ̣ cộ ng đồ ng thờ i tă ng cườ ng công tác chố ng buôn lậ u, gian lậ n thương ma ̣i, bình ổ n giá.

Nhờ các giải pháp quyết liệ t, đồ ng bộ và sự phố i hơ ̣p ki ̣p thờ i, hiệ u quả củ a các chính sách điều hành vĩ mô, tình hình kinh tế những tháng cuố i nă m 2011 và đầu nă m 2012 đã có nhiều dấu hiệ u cải thiệ n. GDP nă m 2011 tă ng 5,89%, la ̣m phát so vớ i cùng kỳ nă m trướ c đã chững la ̣i và giả m dần từ mứ c 23,03% trong tháng 8/2011 xuố ng mứ c 18,13% trong tháng 12/2011 và chỉ còn 10,54% vào tháng 4/2012.

2.1.3. Diễn biến lạm phát giai đoạn tháng 5/2012 - 2019

Đây là giai đoa ̣n la ̣m phát đươ ̣c kiềm chế từ mứ c 2 con số xuố ng mứ c 1 con số vớ i sự ổ n đi ̣nh cao hơ n các giai đoa ̣n trướ c (biến độ ng theo tháng ở mứ c thấp), qua đó phá vỡ quy luậ t la ̣m phát 2 nă m cao 1 nă m thấp diễn ra trong vòng 1 thậ p kỷ trở la ̣i đây. Chỉ số CPI so với cùng kỳ bắ t đầu giả m từ 10,54% tháng 4/2012 xuố ng còn 8,34% tháng 5/2012 và 5,22% tháng 12/2019. Tính trung bình giai đoa ̣n tháng 5/2012 – 2019, la ̣m phát chỉ đạt 3,88%, giảm 3,7 lần so vớ i giai đoa ̣n 2008 – 2011.

Tiếp nố i Nghi ̣ quyết 11/2011/NQ-CP ngày 24/02/2011, chủ trươ ng “tậ p trung cho mục tiêu ổn đi ̣nh kinh tế vĩ mô, kiềm chế lạm phát, bảo đả m tă ng trư ở ng hợp lý” đã đươ ̣c khẳ ng đi ̣nh trong Nghi ̣ quyết củ a các Hộ i nghi ̣ Trung ươ ng Đảng (nhất là Hộ i nghi ̣ Trung ương 3, Khóa XI về cơ cấu la ̣i nền kinh tế, đổ i mớ i mô hình tă ng trưở ng), Nghi ̣ quyết củ a Chính phủ số 01 và 02 (tháng 1/2013), Nghi ̣ quyết số 01 và thông điệ p đầu nă m củ a Thủ tướ ng Chính phủ (tháng 1/2014), Nghi ̣ quyết số 01 của các nă m từ 2005 - 2019. Theo đó, các đi ̣nh hướ ng tro ̣ng tâm đươ ̣c nhấ n ma ̣nh trong giai đoa ̣n 2013 – 2019 là: (i) Kiềm chế la ̣m

phát, ổ n đi ̣nh vĩ mô thông qua CSTT linh hoa ̣t, thậ n tro ̣ng, hiệ u quả, kết hơ ̣p vớ i CSTK chặ t chẽ, tiết kiệ m; (ii) Tậ p trung tháo gỡ khó khă n, thúc đẩ y sản xuất kinh doanh; (iii) Quyết liệ t đổ i mớ i mô hình tă ng trưở ng, 3 mũi độ t phá, 5 tái cơ cấu nhằ m nâng cao chất lươ ̣ng, hiệ u quả, sứ c ca ̣nh tranh củ a nền kinh tế; (iv) Đẩy ma ̣nh các độ t phá chiến lươ ̣c, hoàn thiệ n thể chế, nâng cao chất lươ ̣ng nguồ n nhân lực và cơ sở ha ̣ tầng đồ ng bộ .

Vớ i đi ̣nh hướ ng “tă ng cư ờ ng ổn đi ̣nh vĩ mô, kiềm chế lạm phát, đảm bảo tă ng trư ởng hợp lý”, CSTT giai đoa ̣n này tiếp tu ̣c đươ ̣c điều hành linh hoa ̣t, chủ độ ng, hiệ u quả vừ a đảm bảo thanh khoản hệ thố ng, vừ a tháo gỡ khó khă n cho doanh nghiệ p, thúc đẩ y sản xuất kinh doanh. Đến tháng 12/2019, mặ t bằ ng lãi suất cho vay đươ ̣c điều chỉnh giảm ma ̣nh từ mứ c đỉnh 23 - 25% nă m 2011 về mứ c 6 - 9% (thấp hơ n nhiều giai đoa ̣n 2005 – 2006); riêng 5 lĩnh vực ưu tiên1: lãi suất giảm từ mứ c 15% nă m 2012 xuố ng chỉ còn mứ c 5,5 – 7,5%/nă m (chỉ bằ ng 38% nă m 2011). Đố i vớ i khách hàng tố t, tình hình tài chính lành ma ̣nh, minh ba ̣ch, lãi suất cho vay ngắ n ha ̣n chỉ ở mứ c 4 – 4,5%. Nhờ đó, tín du ̣ng đươ ̣c khơ i thông rõ nét. Tă ng trưở ng tín du ̣ng các nă m từ 2013 – 2019 về cơ bản đa ̣t kế hoa ̣ch đề ra, dao động từ 13 – 18%.

Ngoài ra, vớ i sự hỗ trơ ̣ củ a NHNN và hoa ̣t độ ng củ a VAMC, các NHTM đã và đang tích cực xử lý nơ ̣ xấu, tái cơ cấu toàn diệ n trên tất cả các mặ t tài chính, hoa ̣t độ ng, quản trị, sở hữu. Nhờ đó, tỷ lệ nơ ̣ xấu củ a toàn hệ thố ng đã giảm về mứ c dướ i 3% kể từ tháng 9/2015. Vớ i việ c sử du ̣ng nghiệ p vu ̣ thi ̣ trườ ng mở và các công cu ̣ gián tiếp, hoa ̣t độ ng bơ m hút tiền trong nền kinh tế đươ ̣c thực hiệ n nhi ̣p nhàng, hiệ u quả; vừ a đả m bảo thanh khoản toàn hệ thố ng vừ a giả m lươ ̣ng tiền mặ t lưu thông. Tính chung trong cả giai đoa ̣n 2013 – 2019, tín du ̣ng và cung tiền M2 giảm lần lượt 2,5 lần và 2 lần so với giai đoạn 2006 – 2010. Cùng với đó, tỷ giá và thị trường ngoại hối ổn định trong tầm kiểm soát của NHNN. Đây là

thành công nổi bật nhất của CSTT và ngành ngân hàng, từ đó hỗ trợ tích cực cho doanh nghiệp và nền kinh tế. Bên cạnh đó, tổng vốn đầu tư toàn xã hội/GDP giai đoạn 2011 –

2017 chỉ còn khoảng 30,5%, giảm mạnh so với mức 38,7% của thời kỳ 2006 – 2010; tín

dụng và cung tiền cũng giảm đáng kể so với giai đoạn 2006 – 2010 (lần lượt giảm 2,5 lần và 1,9 lần). Cùng với đó, hiệu quả sử dụng vốn được nâng lên, hệ số ICOR đã giảm từ mức cao

nhất 8,04 lần năm 2009 xuống chỉ còn trung bình 5,05 lần giai đoạn 2011 – 2017 và dự kiến

chỉ còn khoảng 4,5 – 5 lần trong các năm 2018 và 2019. Sự cải thiện tích cực về tiền tệ/tín

1 5 lĩnh vực ưu tiên tín dụng là: Nông nghiệp nông thôn, xuất khẩu, doanh nghiệp nhỏ và vừa, công nghiệp hỗ trợ, công nghiệp chế biến; doanh nghiệp ứng dụng công nghệ cao.

dụng đã góp phần quan trọng kiềm chế lạm phát, chỉ số CPI từ mức hai con số của năm 2011 giảm mạnh còn 6,81% vào năm 2012, 0,6% năm 2015 và 2,79% năm 2019. Đặc biệt, mức tăng CPI hàng năm xuyên suốt từ 2013 – 2019 luôn đảm bảo thấp hơn 4% theo mục tiêu của Chính phủ.

Bảng 2.4: GDP, CPI, tín dụng và M2, 2012 - 2019 (% yoy)

Chỉ tiêu

2012

2013

2014

2015

2016

2017

2018

2019

GDP

5,03

5,42

5,98

6,68

6,21

6,81

7,08

7,02

CPI

6,81

6,04

1,84

0,63

4,74

3,53

3,54

2,79

Tín dụng

5,5

12,5

14,16

17,26

18,25

18,17

13,5

17,0

18,5

15,65

16,23

18,38

14,5

12,5

13,0

Nguồn: Ngân hàng Nhà nước và Tổng cục Thống kê (2020)

Bên ca ̣nh sự phát huy hiệ u quả củ a CSTT, diễn biến cung cầu hàng hóa cũng góp phần kiềm chế la ̣m phát, tuy nhiên, thực tế, áp lực la ̣m phát đang có xu hướ ng tă ng dần cũng là vấn đề đáng lưu ý.

Mộ t số yếu tố hỗ trơ ̣ cho khả nă ng kiềm chế la ̣m phát có thể kể đến:

(1) Sự sụt giảm của giá dầu thế giớ i và việ c điều chỉnh giảm giá xă ng dầu trong nư ớ c: Theo Bộ công thươ ng, từ nă m 2012 đến tháng 3/2018, giá xă ng dầu trong nướ c đã giảm 62 lầ n (trong đó có những lầ n tă ng) do giá dầu thế giớ i đến tháng 3/2018 đã giảm 42,5% so vớ i mứ c đỉnh tháng 1/2012 (112,3 USD/thùng). Vớ i vai trò là mộ t hàng hóa đầu vào quan tro ̣ng củ a sả n xuất, việ c giả m giá xă ng dầu góp phần giả m chi phí sản xuất, chi phí đi la ̣i và hỗ trơ ̣ cho việ c giảm giá hàng hóa tiêu dùng. Việ c giá xă ng dầu đươ ̣c điều chỉnh giảm đã tác độ ng trực tiếp tớ i 2 nhóm chiếm tỷ tro ̣ng lớ n trong rổ CPI là nhóm giao thông (giai đoa ̣n 2010 – 2015 là 8,87%, giai đoa ̣n 2016 – 2020 là 9,37%) và nhóm nhà ở , điệ n, nướ c, chất đốt, vậ t liệ u xây dựng (giai đoa ̣n 2010 – 2015 là 10,01%, giai đoa ̣n 2016 – 2020 là 15,73%). Bên ca ̣nh đó, việ c giá xă ng dầu giả m ma ̣nh cũng có tác độ ng gián tiếp (vòng 2) tớ i các nhóm hàng khác thông qua việ c giảm giá nguyên vậ t liệ u và chi phí vậ n chuyển như nhóm hàng ă n uố ng và di ̣ch vu ̣ ă n uố ng (nhóm có quyền số lớ n nhất trong rổ hàng hóa CPI (giai đoa ̣n 2010 – 2015 là 39,93%, giai đoa ̣n 2016 – 2020 là 36,12%), khiến cho nhóm hàng này trong giai đoa ̣n này có mứ c tă ng thấp trong các quý cuố i nă m trái ngươ ̣c vớ i xu hướ ng mùa vu ̣ các nă m trướ c là thườ ng tă ng cao hơ n trong các tháng cuố i nă m. Tuy nhiên, trong điều kiệ n, giá dầu thế giớ i đang có xu hướ ng tă ng trở la ̣i khiến cho giá xă ng dầu trong nướ c cũng liên tu ̣c điều chỉnh tă ng (giai đoa ̣n tháng 1/2017 đến tháng 7/2018, bên ca ̣nh nhữ ng lầ n điều chỉnh giảm, giá xă ng RON95 đã điều chỉnh tă ng 15 lần và giá dầu diesel 0,05 điều chỉnh tă ng 20 lần). Vì vậ y, những lơ ̣i thế trong trườ ng hơ ̣p giá dầu giảm la ̣i đang trở thành thách thứ c, đặ c biệ t khi quyền số củ a các nhóm hàng hóa thay đổ i, đáng chú ý nhóm nhà ở , điệ n, nướ c, chất đốt, vậ t liệ u xây dựng – nhóm chi ̣u tác độ ng lớ n, trực tiếp củ a việ c tă ng giá xă ng dầu tă ng tớ i 5 điểm % (giai đoa ̣n 2010 – 2015 là 10,01%, giai đoa ̣n 2016 – 2020 là 15,73%).

20.00

USD/VND

Giai đoạn áp dụng tỷ giá trung tâm

CPI VN

15.00

10.00

5.00

0.00

-5.00

2015m1

2016m1

2017m1

2018m1

2019m1

Hình 2.6: Biến động tỷ giá USD/VND và CPI, 2015 – 2019 (% so với đầu kỳ)

Nguồn: IMF International Financial Statistics (2020)

(2) Tỷ giá và thi ̣ trư ờ ng ngoại hối ổn đi ̣nh hỗ trợ cho sự ổn đi ̣nh lạm phát: Theo đánh giá của NHNN, kể từ nă m 2012 đến tháng 6/2013, tỷ giá bình quân liên ngân hàng ổ n đi ̣nh ở mứ c 20.828 VND/USD vớ i tổ ng mứ c điều chỉnh không quá 2%. Tuy nhiên, do ảnh hưở ng củ a xu hướng tă ng giá USD và áp lực phá giá đồ ng nhân dân tệ , 10 tháng đầu nă m 2015, tỷ giá USD/VND đã đươ ̣c điều chỉnh tă ng 5%, vớ i biên độ dao độ ng ±3%, giá tri ̣ trong khoảng 21.230 - 22.550 VND/USD (tháng 10/2015). Vớ i cơ chế điều hành tỷ giá trung tâm đươ ̣c chính thứ c bắt đầu từ ngày 31/12/20151, chế độ điều hành tỷ giá từ neo tỷ giá vớ i biên độ điều chỉnh đang chuyển dầ n sang thả nổ i có quản lý, sự ổ n đi ̣nh củ a tỷ giá và thi ̣ trườ ng ngoa ̣i hố i tiếp tu ̣c đươ ̣c củ ng cố trong khoảng thờ i gian dài từ cuố i nă m 2015 đến tháng 11/2016. Giai đoa ̣n 2016 – 2019, tỷ giá USD/VND có biến độ ng theo chiều hướ ng tă ng song vẫn có nhiều yếu tố hỗ trơ ̣ cho sự ổ n đi ̣nh. Từ cuố i nă m 2016, đồ ng USD liên tu ̣c lên giá so vớ i các đồ ng tiền chủ chố t, đặ c biệ t sau khi có kết quả chính thứ c củ a bầu cử Tổ ng thố ng Mỹ (tháng 11/2016); nhu cầu ngoa ̣i tệ tă ng trở la ̣i theo mùa vu ̣ nhằ m đáp ứ ng nhu cầu thanh toán (kim nga ̣ch nhậ p khẩu có xu hướ ng tă ng, cán cân thươ ng ma ̣i thâm hu ̣t trở la ̣i). Xu hướ ng tă ng giá đồ ng USD trên thi ̣ trườ ng thế giớ i do FED liên tu ̣c tă ng lãi suất cùng những chính sách kinh tế mớ i củ a chính quyền Mỹ; nguy cơ giảm ma ̣nh củ a kiều hố i; cán cân thươ ng ma ̣i nhậ p siêu cộ ng vớ i tâm lý nha ̣y cảm sẵn có sẽ gia tă ng sứ c ép lên tỷ giá và thi ̣ trườ ng ngoa ̣i hố i nă m 2017 – 2018. Tuy nhiên, có nhiều yếu tố hỗ trơ ̣ cho sự ổ n đi ̣nh củ a tỷ giá: dữ trữ ngoa ̣i hố i đươ ̣c củ ng cố từ mứ c thấp 13,5 tỷ USD củ a nă m 2011 lên mứ c kỷ lu ̣c (63,5 tỷ USD tính đến tháng 5/2018); giả i ngân FDI; xu hướ ng góp vố n mua cổ phần 1 Quyết định số 2730/QĐ-NHNN về việc công bố tỷ giá trung tâm của VND và USD, tỷ giá tính chéo của VND và các ngoại tệ khác gồm 8 đồng tiền của các nước có quan hệ thương mại, vay, trả nợ, đầu tư lớn với Việt Nam (gồm USD, EUR, CNY, Bath, JPY, SGD, KRW, TWD).

tă ng theo tiến độ cổ phần hóa, thoái vố n, sự sôi độ ng củ a hoa ̣t độ ng mua bán sáp nhậ p doanh nghiệp sẽ khiến nguồ n cung ngoa ̣i tệ dồ i dào, góp phầ n quan tro ̣ng để bình ổ n tỷ giá. Vớ i các biệ n pháp điều hành linh hoa ̣t như ha ̣ giá mua vào USD, chủ độ ng mua vào ngoa ̣i tệ đồ ng thờ i phát hành tín phiếu NHNN vớ i kỳ ha ̣n dài để hút tiền đồ ng, tỷ giá ổn đi ̣nh trong giai đoa ̣n 2017 – 2018 (nă m 2017 biên độ giao độ ng nhỏ chỉ 0,23% trong khi chỉ số USD mất giá khoảng 8,7%) và không gây áp lực la ̣m phát. Dù tỷ giá chi ̣u áp lực gia tă ng trong 5 tháng đầu nă m 2018, đồ ng đô la phu ̣c hồ i ma ̣nh khi chỉ số USD tă ng cao nhất kể từ đầu nă m 2018 song VND mớ i chỉ giảm 0,47%; cung cầu ngoa ̣i tệ ổ n đi ̣nh và NHNN linh hoa ̣t điều hành tỷ giá trung tâm. Vớ i ngườ i dân và các nhà đầu tư, lãi suất tiền gử i USD là 0% thì việ c giữ tiền đồ ng vẫn là lựa cho ̣n an toàn và hiệ u quả. Như vậ y, niềm tin vào VND tă ng khiến tỷ lệ đô la hóa giả m (tỷ lệ tiền gử i ngoa ̣i tệ /tổ ng tiền gử i trong hệ thố ng ngân hàng đã giả m đáng kể từ mứ c 23,7% nă m 2009 còn khoảng 12 – 13%) sẽ hỗ trơ ̣ cho sự ổ n đi ̣nh củ a tỷ giá, thi ̣ trườ ng ngoa ̣i hố i và chỉ số giá tiêu dùng củ a Việ t Nam.

Dịch vụ ăn uống 12%

Hàng hóa, dịch vụ khác 3%

Văn hóa, giải trí, du lịch 1%

Đồ uống, thuốc lá 2% May mặc, giày dép 3%

Giáo dục 12%

Giao thông, bưu chính 15%

Nhà ở, điện, nước, vật liệu xây dựng 19%

Thiết bị, đồ gia dụng 3%

Thuốc men, dịch vụ y tế 30%

Hình 2.7: Đóng góp vào mức tăng CPI chung của các nhóm hàng hóa năm 2019

(Quyền số các nhóm hàng hóa được cậ p nhậ t theo giai đoạn 2016 – 2020)

Nguồn: Tổng cục Thống kê (2020) và tính toán của tác giả.

(2) Giá lương thực, thực phẩm khá ổn định do nguồn cung dồi dào và sự phát triển

của sản xuất nông nghiệp: Cùng với xu hướng giảm giá của lương thực, thực phẩm thế giới,

nhờ nguồn cung dồi dào và sự khởi sắc của sản xuất nông nghiệp, mức giá của nhiều mặt hàng lương thực thực phẩm của Việt Nam cũng khá ổn định và có xu hướng giảm như giá gạo, ngô, rau quả, thịt gia súc, gia cầm... Nhờ đó, nhóm lương thực, thực phẩm luôn là

nhóm có mức tăng chỉ số giá giảm dần từ mức đỉnh 34,1% so với cùng kỳ tháng 8/2011 giảm xuống mức thấp trong giai đoạn 2014 – 2017, thậm chí chỉ số giá nhóm lương thực

thực phẩm ở mức âm so với cùng kỳ trong năm 2014 và 2017. Cụ thể, chỉ số giá nhóm

lương thực thực phẩm tăng 2,6% năm 2014 so với năm 2013; năm 2015 giảm 1,06% so với năm 2014; năm 2016 tăng 2,57% so với năm 2015; năm 2017 giảm 2,6% so với 2016.

Mặ c dù chỉ số CPI hiệ n đang đươ ̣c kiểm soát tốt, song đang thể hiện xu hướ ng tă ng dần. Chỉ số CPI nă m 2016 tă ng 4,73% so vớ i nă m 2015, CPI tháng 5/2018 tă ng 3,86% so vớ i cùng kỳ nă m 2017, đây là mứ c tă ng cao nhất so vớ i cùng kỳ kể từ nă m 2014. Mứ c lạm phát bình quân cũng tă ng dần, từ 0,63% nă m 2015 lên 2,66% nă m 2016; 3,53% nă m 2017 và hiệ n ở mứ c 3,01% trong 5 tháng đầu nă m 2018. Nguyên nhân chủ yếu do: (i) Giá cả tă ng ở hầu hết các nhóm hàng hóa di ̣ch vu ̣, trong đó nhóm thuố c và di ̣ch vu ̣ y tế, nhóm giáo du ̣c tă ng ma ̣nh nhất do tác độ ng củ a việ c điều chỉnh tă ng giá di ̣ch vu ̣ y tế (tính đến ngày 20/12/2017 đã có 45 tỉnh, thành phố trực thuộ c TW điều chỉnh giá di ̣ch vu ̣ khám bệ nh, chữa bệ nh đố i vớ i ngườ i không có thẻ bảo hiểm y tế (theo Thông tư liên ti ̣ch số 37/2015/TTLT- BYT-BTC và Thông tư số 02/2017/TT-BYT) và tă ng ho ̣c phí theo Nghi ̣ đi ̣nh số 86/2015/NĐ-CP. Trung bình mứ c tă ng giá củ a nhóm “thuố c và di ̣ch vu ̣ y tế” và nhóm “giáo du ̣c” nă m 2017 lầ n lươ ̣t là 29,5% và 8,3% và 5 tháng đầu nă m 2018 tă ng 17,1% và 6,0%; (ii) Sự tă ng lên củ a giá dầu thế giớ i khiến giá xă ng trong nướ c tă ng dần (cuố i nă m 2017 tă ng 7,9% so vớ i đầu nă m và 5 tháng đầu năm 2018 tă ng bình quân 27,3% so vớ i cùng kỳ 2017. Sự kết hơ ̣p củ a việ c tă ng giá xă ng và tă ng giá điệ n, nướ c sinh hoa ̣t khiến hai nhóm “nhà ở , điệ n, nướ c, vậ t liệ u xây dựng” và “giao thông, bưu chính” có chỉ số giá tă ng cao thứ hai và thứ ba trong tổ ng số 10 nhóm mặ t hàng trong rổ hàng hóa tính CPI, lần lượt đóng góp 19,3% và 15,03% vào mứ c tă ng CPI chung (Hình 2.7).

La ̣m phát trong nửa cuối năm 2018 và cả năm 2019 tiếp tu ̣c chi ̣u áp lực gia tă ng từ các yếu tố như tiếp tu ̣c điều chỉnh tă ng giá các mặ t hàng do Nhà nướ c quản lý (giá điệ n, di ̣ch vu ̣ y tế, giáo du ̣c...) theo lộ trình. Vớ i sự thay đổ i quyền số đố i vớ i 10 nhóm hàng hóa trong rổ CPI áp du ̣ng đối với giai đoa ̣n 2016 – 2020, mặ c dù nhóm hàng ă n và di ̣ch vu ̣ ă n uố ng giảm từ 39,93% xuố ng 36,12% song quyền số nhiều nhóm hàng khác la ̣i tă ng, có khả nă ng khuyếch đa ̣i và vớ i tố c độ ma ̣nh hơ n tác độ ng vòng 2, vòng 3 củ a việ c tă ng giá các đầu vào (xă ng dầu, điệ n, nướ c, giáo du ̣c, y tế, di ̣ch vu ̣...) đến giá cả chung củ a nền kinh tế như: ă n uố ng ngoài gia đình quyền số tă ng từ 7,04% lên 9,06%, giao thông, bưu chính tă ng từ 8,87% lên 9,37%; giáo du ̣c tă ng từ 2,72% lên 5,99%; nhà ở , điệ n nướ c, chất đốt và vậ t liệ u xây dựng tă ng từ 10,01% lên 15,73%; vă n hóa, giả i trí và du li ̣ch tă ng từ 3,83% lên 4,29%; (ii) Sự mở rộ ng củ a tín du ̣ng (mu ̣c tiêu tă ng 17%) dẫn đến sự tă ng lên củ a cung tiền. (iii) Khả nă ng tiếp tu ̣c tă ng lãi suất USD củ a FED (dự kiến tă ng 4 lần trong nă m 2018 thay vì 3 lầ n) sẽ ta ̣o áp lực lên tỷ giá và giá cả hàng hóa trong nướ c; (iv) Xu hướ ng tă ng giá củ a các hàng hóa cơ bản trên thế giớ i, như giá cao su, thép, giá dầu thế giớ i dự kiến cuố i nă m sẽ tă ng 20 - 22% so vớ i nă m 2017 tươ ng đươ ng khoảng 66 - 67 USD/thùng theo dự báo củ a IMF do OPEC cắt giảm sản lươ ̣ng, lươ ̣ng tồ n kho nhiên liệ u thành phẩm củ a Mỹ giảm ma ̣nh hơ n dự kiến, nhu cầu dầu thô tă ng do đẩy ma ̣nh các hoa ̣t độ ng lo ̣c hóa dầu. Bên ca ̣nh đó,

việ c chuyển các nhóm di ̣ch vu ̣ từ phí sang giá do Nhà nướ c đi ̣nh giá theo Luậ t Phí và lệ phí và Nghi ̣ đi ̣nh số 149/2016/NĐ-CP sử a đổ i bổ sung mộ t số điều củ a Nghi ̣ đi ̣nh số 177/2013/NĐ-CP ngày 14/11/2013 hướ ng dẫn thi hành mộ t số điều củ a Luậ t Giá năm 2016 thì việ c tính đúng, tính đủ chi phí đố i vớ i mộ t số di ̣ch vu ̣ không đươ ̣c hỗ trơ ̣ từ NSNN sẽ tiếp tu ̣c tác độ ng nhất đi ̣nh lên mặ t bằng giá cả chung.

Xét trong trung và dài ha ̣n, la ̣m phát tiềm ẩn nguy cơ tă ng ma ̣nh hơ n trong trung và

dài ha ̣n do tác độ ng bở i các yếu tố :

(i) Việ c tă ng mặ t bằ ng giá chung do điều chỉnh tă ng giá các mặ t hàng do nhà nướ c quản lý như điệ n, than, y tế, giáo du ̣c, di ̣ch vu ̣ công theo lộ trình đưa giá các mặ t hàng thiết yếu theo mặ t bằ ng giá thi ̣ trườ ng.

(ii) Sự mở rộ ng tă ng trưở ng tín du ̣ng, đầu tư khiến việ c mở rộ ng cung tiền quá cao so vớ i tă ng trưở ng danh nghĩa trong khi hiệ u quả đầu tư còn thấp sẽ gây áp lực lên mặ t bằng giá và lãi suất. Hiệ u quả đầu tư, chất lươ ̣ng tă ng trưở ng và năng suất lao động (NSLĐ) vẫn chậ m cả i thiệ n: hệ số ICOR (5 lần) còn ở mứ c cao so vớ i tiêu chuẩn World Bank đố i vớ i nướ c đang phát triển ở mứ c 3 – 4 lần; mứ c đóng góp củ a TFP trong tă ng trưở ng (30,5 - 31,5% giai đoa ̣n 2017 – 2018), thấp hơ n các nướ c Ấ n Độ (49%), Thái Lan và Philippines là 70%, Malaysia (64%); NSLĐ nă m 2017 (theo TCTK) vẫn có khoảng cách lớ n so vớ i các nướ c ASEAN và châu Á, chỉ bằ ng 7% củ a Singapore; bằ ng 0,74% củ a Nhậ t Bản, bằng 17,6% củ a Malaysia; bằ ng 36,5% củ a Thái Lan và Trung Quố c; bằ ng 56,7% củ a Philippines và 42,3% củ a Indonesia và 87,4% củ a Lào; đáng chú ý, chênh lệ ch về NSLĐ củ a Việ t Nam vớ i các nướ c tiếp tu ̣c gia tă ng.

(iii) Các giả i pháp miễn/giảm thuế, phí, tă ng chi tiêu NSNN nhằ m hỗ trơ ̣ doanh nghiệ p phu ̣c hồ i sản xuất có thể dẫn đến tă ng nơ ̣ công trong bố i cảnh NSNN đang thâm hu ̣t, từ đó tác độ ng tiêu cực đến la ̣m phát. Thâm hu ̣t NSNN/GDP liên tu ̣c trong vòng hơ n một thậ p kỷ, trung bình 17 nă m (2000 – 2016) ở mứ c khoảng 5,1% - cao nhất so vớ i các nướ c trong khu vực. Cùng vớ i đó, nơ ̣ công/GDP tă ng từ 52,6% nă m 2009 lên mứ c báo độ ng 63,6% nă m 2016 (theo Bộ Tài chính), tiệ m cậ n ngưỡng cảnh báo củ a các tổ chứ c quố c tế và Bộ Tài chính (dướ i 65%). Đến cuố i nă m 2017, tỷ lệ nơ ̣ công/GDP là 62,6%, nợ chính phủ/GDP khoảng 51,8%, dù đã giảm so với mức 63,6% và 52,6% của năm 2016 và đảm bảo

giới hạn an toàn, song giá trị tuyệt đối của nợ công, nợ chính phủ và nợ nước ngoài vẫn cho

thấy xu hướng tăng, tạo áp lực trả nợ và khiến dư địa tài khóa cho đầu tư phát triển bị thu hẹp. Gánh nặ ng trả nơ ̣ ngày càng tă ng trong điều kiệ n Việ t Nam không còn đươ ̣c vay theo điều kiệ n ưu đãi mà phải vay vớ i kỳ ha ̣n ngắ n hơ n 2 lầ n hoặ c tă ng lãi suất lên đến 2 – 3,5%/nă m kể từ tháng 7/2017; vì vậ y, dự tính chi trả nơ ̣ nướ c ngoài và trong nướ c cả nơ ̣ gố c và lãi nă m 2018 và 2019 đạt khoảng 270.000 – 275.000 tỷ VND (cao gấp 1,7 - 2 lần nă m 2016). Vớ i chi thườ ng xuyên chiếm tỷ tro ̣ng lớ n trong tổ ng chi NSNN cộ ng vớ i chi trả nơ ̣ tă ng (tổ ng chi thườ ng xuyên và chi trả lãi chiếm 79,8% tổ ng chi NSNN), chi đầu tư phát

triển đang bi ̣ lấ n át, chỉ chiếm tỷ tro ̣ng khiêm tố n (khoảng 20%), ảnh hưở ng đến khả nă ng mở rộ ng đầu tư phát triển. Rõ ràng, gánh nặ ng thâm hu ̣t NSNN và nơ ̣ công gây áp lực vớ i sự ổ n đi ̣nh củ a tỷ giá, giá cả tiêu dùng và ổ n đi ̣nh vĩ mô của nền kinh tế đòi hỏi phải quyết liệt cải cách hành chính, giảm chi thường xuyên, nâng cao hiệu quả tái cơ cấu đầu tư công.

2001-2005

54.08

24.48

21.4

2006-2010

58.84

26.63

14.5

2011-2016

53.62

20.56

25.8

2017-2019

51.5

17.5

20%

40%

60%

80%

100%

Vốn

Lao động

TFP

Hình 2.8: Tỷ trọng đóng góp các yếu tố vào tăng trưởng GDP (%)

Nguồn: Tổng cục Thống kê và Viện Năng suất Việt Nam (2020)

10.00

8.00

6.00

4.00

2.00

0.00

2000

2003

2006

2009

2012

2015

2018

Tăng trưởng GDP (%)

Tăng trưởng NSLĐ (%)

ICOR (lần)

Hình 2.9: Hệ số ICOR, tăng trưởng NSLĐ và GDP, 2000 – 2019

Nguồn: Tổng cục Thống kê (2020)

Nhữ ng tác độ ng này sẽ gây ra những rủ i ro tiềm ẩn đố i vớ i ổ n đi ̣nh vĩ mô và có thể gây áp lực khiến la ̣m phát tă ng trở la ̣i trong trung dài ha ̣n. Kinh nghiệ m quá khứ (cuố i nă m 2009 đến tháng 4/2010) cho thấ y khi nền kinh tế đã có những dấu hiệ u hồ i phu ̣c sau suy thoái nhờ các biệ n pháp nớ i lỏ ng tiền tệ và hỗ trơ ̣ doanh nghiệ p, la ̣m phát mặ c dù đang đươ ̣c kiềm chế ở mứ c thấp song cũng có thể nhanh chóng đổ i chiều và bùng phát ma ̣nh mẽ (cuố i nă m 2010 đến tháng 4/2012) nếu cung tiền không đươ ̣c kiểm soát chặ t chẽ. Cùng vớ i đó, thâm hu ̣t NSNN là luôn vấ n đề nan giả i củ a Việ t Nam kéo theo những hệ lu ̣y tiêu cực như

gia tă ng nơ ̣ công, tă ng lãi suất, tác độ ng tiêu cực tớ i tỷ giá, giá cả tiêu dùng, bất ổ n vĩ mô và gây áp lực trở la ̣i vớ i NSNN. Đó là mộ t vòng luẩn quẩn và luôn tiềm ẩ n rủ i ro, thách thứ c đố i vớ i mu ̣c tiêu ổ n đi ̣nh vĩ mô dài ha ̣n.

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

-10

Thâm hụt NSNN (%GDP)

Nợ công (%GDP)

CPI (% yoy)

Hình 2.10: Nơ ̣ công, bộ i chi NSNN và CPI, 2000 – 2019

Nguồn: Tổng cục Thống kê, Bộ Tài chính và IMF (2020)

Tuy nhiên, ở phía ngươ ̣c la ̣i, các yếu tố góp phần ổ n đi ̣nh mặ t bằ ng giá cả hàng hóa có thể nhậ n thấy, đó là: (i) Nă ng lực sản xuất củ a nền kinh tế gia tă ng, sự phu ̣c hồ i củ a các doanh nghiệ p giúp nguồ n cung hàng hóa tă ng trưở ng tố t, đáp ứ ng nhu cầu tiêu dùng, ổ n đi ̣nh tâm lý tiêu dùng. Tă ng trưở ng GDP nă m 2017 vươ ̣t mo ̣i sự báo và đa ̣t mứ c cao 6,81%; quý 1/2018 tă ng kỷ lu ̣c 7,38% so vớ i cùng kỳ 2017, cao nhất so vớ i cùng kỳ trong vòng 10 nă m trở la ̣i đây nhờ sự bứ t phá củ a ngành công nghiệ p chế biến chế ta ̣o và di ̣ch vu ̣. Công nghiệ p chế biến chế ta ̣o tă ng 14,4%, di ̣ch vu ̣ tă ng 7,4%, lầ n lươ ̣t đóng góp 2,3 điểm% và 2,87 điểm% vào tă ng trưở ng GDP nă m 2017; Chỉ số sản xuất công nghiệp (IIP) nă m 2017 tă ng 9,4% so vớ i nă m 2016, cao hơ n mứ c 7,4% và 7,5% củ a nă m 2016 và 2015; lũy kế 5 tháng đầu nă m 2018 ướ c tă ng 9,7%, cao hơ n mứ c tă ng 7,5% và 6,6% cùng kỳ nă m 2016 và 2017; tổ ng mứ c bán lẻ hàng hóa và doanh thu di ̣ch vu ̣ tiêu dùng nă m 2017 sau khi loa ̣i trừ yếu tố giá tă ng 9,5%, là mứ c tă ng cao nhất trong cả giai đoa ̣n 2013 – 2017; 5 tháng đầu năm 2018 đa ̣t 8,3% cao hơ n mứ c tă ng cùng kỳ nă m 2015 và 2016 (7,5% và 7,9%); (ii) Khu vực nông nghiệ p tă ng trưở ng tích cực nhờ kết quả ban đầu củ a tái cơ cấu và ứ ng du ̣ng công nghệ cao; nguồ n cung dồ i dào góp phần ổ n đi ̣nh giá lươ ng thực, thực phẩm; (ii) Sự chỉ đa ̣o quyết liệ t củ a Chính phủ và các Bộ ban ngành trong công tác bình ổ n giá đặ c biệ t vào các di ̣p lễ Tết; đồ ng thờ i, việ c điều chỉnh giá các mặ t hàng do nhà nướ c quản lý cũng đươ ̣c thực hiệ n theo lộ trình hơ ̣p lý, tránh gây số c tâm lý, góp phần kiểm soát la ̣m phát bình quân dướ i 4% theo mu ̣c tiêu củ a Chính phủ ; (iii) Xu hướ ng CPI giảm dần vào các tháng cuố i nă m đã bắt đầu xuất hiệ n trong những nă m gầ n đây và không tă ng cao độ t biến trong các di ̣p lễ, Tết. Chẳ ng ha ̣n, thờ i gian Tết Nguyên đán nă m 2015 đã có hiệ n tươ ̣ng CPI theo tháng củ a 2 tháng đầu nă m và tháng 8 và 9 ở mứ c âm, góp phầ n kéo chỉ số CPI cả nă m 2015 xuố ng mứ c

thấp; 2 tháng đầu nă m 2016 trùng vào di ̣p Tết Nguyên đán song CPI theo tháng hầu như không tă ng; nă m 2017, mặ c dù giá điệ n, nướ c và nhu cầu dùng điệ n nướ c tă ng cao và cũng là hai tháng cao điểm di ̣p nghỉ lễ, nghỉ hè (tháng 5 và 6) song CPI theo tháng ở mứ c âm trong các tháng này.

2.2. THỰC TRẠNG ĐIỀU HÀNH CHÍNH SÁCH TIỀN TỆ NHẰM KIỂM SOÁT LẠM PHÁT TẠI VIỆT NAM

Không giống các quốc gia có NHTW độc lập với Chính phủ hay theo đuổi định

hướng lạm phát mục tiêu, NHNN Việt Nam là cơ quan thực thi CSTT trên cơ sở các chỉ tiêu

về kinh tế vĩ mô như tăng trưởng GDP, tỷ lệ lạm phát, thu chi NSNN được thiết lập bởi

Chính phủ và Quốc hội. Thông qua việc theo dõi, nhận định và phân tích diễn biến kinh tế - tiền tệ trong nước và quốc tế, NHNN tiến hành rà soát và đánh giá các giải pháp điều hành

công cụ CSTT đã thực hiện, từ đó dự báo diễn biến tiền tệ, xây dựng phương án điều hành

CSTT nhằm thực hiện mục tiêu của Quốc hội và trình Chính phủ phê duyệt như đề xuất

định hướng điều hành CSTT, xây dựng các chỉ tiêu tiền tệ định hướng của năm, phối hợp đồng bộ với các chính sách vĩ mô khác. Đồng thời, NHNN cũng đề xuất các giải pháp điều

hành CSTT nhằm bảo đảm ổn định thị trường tiền tệ, góp phần kiểm soát lạm phát và ổn định kinh tế vĩ mô (Nguyễn Thị Thùy Vinh, 2016).

2.2.1. Mục tiêu chính sách tiền tệ

2.2.1.1. Mục tiêu cuối cùng

Việt Nam đang theo đuổi một CSTT có mục tiêu cuối cùng khá rộng - cụ thể, theo Khoản 1 Điều 4 Luận Ngân hàng Nhà nước năm 2010: “Hoạt động của NHNN nhằm ổn định giá trị đồng tiền; bảo đảm an toàn hoạt động ngân hàng và hệ thống các TCTD; bảo đảm sự an toàn, hiệu quả của hệ thống thanh toán quốc gia; góp phần thúc đẩy phát triển kinh tế - xã hội định hướng xã hội chủ nghĩa”. Các mục tiêu này không những gây áp lực và làm phức tạp hóa việc thực thi chính sách của NHNN, mà ngay cả việc đánh giá hiệu quả điều hành CSTT trong từng thời kỳ cũng không hề đơn giản.

Trên thực tế, việc điều hành CSTT của NHNN qua các năm hầu như hướng vào

kiểm soát lạm phát và hỗ trợ tăng trưởng kinh tế theo mục tiêu. Song, việc theo đuổi các

mục tiêu này trong một số giai đoạn (nhất là từ 2004 trở đi) chưa bao giờ là một bài toán đơn giản, và thậm chí hoạt động điều hành này thường xuyên phải đứng trước quyết định

đánh đổi giữa mục tiêu kiểm soát lạm phát và tăng trưởng kinh tế. Ví dụ, năm 2004 và 2005, mục tiêu lạm phát đặt ra là dưới 5% và dưới 6,5%, song kết quả tăng CPI sau khi được kiểm soát lên tới 9,5% và 8,4%. Năm 2010, mục tiêu lạm phát trong khoảng 7 - 8%, song lạm phát thực tế lại là 11,8%. Đối với mục tiêu tăng trưởng kinh tế, mức tăng GDP thực tế hàng

năm nhìn chung đã bám sát mục tiêu đặt ra, song vẫn còn đó những chênh lệch nhất định. Kể từ năm 2011, tăng trưởng kinh tế hầu như không đạt được mục tiêu đề ra (Bảng 2.5).

Bảng 2.5: Mục tiêu và thực hiện CSTT, 2000 – 2019 (% yoy)

GDP

CPI

Tín dụng

M2

Năm

Mục tiêu

Thực hiện Mục tiêu

Thực hiện

2000

5,5 - 6

6,8

-0,6

28 - 30

38,14

38,96

2001

7,5 - 8

6,9

< 5

0,8

20 - 25

21,44

25,53

2002

7 - 7,3

7,08

3 - 4

22 - 23

20 - 21

22,2

2003

7 - 7,5

7,34

< 5

28,41

24,94

2004

7,5 - 8

7,8

< 5

9,5

41,65

30,4

2005

8,5

8,44

< 6,5

8,4

31,1

29,65

2006

8,23

< 8

6,6

18 - 20

25,44

23 - 25

33,6

2007

8,2 - 8,5

8,46

< 8

12,6

17 - 21

53,9

20 - 23

46,12

2008

8,5 - 9

6,31

< 10

19,9

25,43

20,31

2009

5,32

< 15

6,5

21 - 23

37,53

18 - 20

2010

6,5

6,78

7 - 8

11,8

31,2

33,3

2011

7,5

5,9

< 7

18,6

14,4

15 - 16

12,4

2012

6 - 6,5

5,03

< 10

6,81

15 - 17

5,5

14 - 16

2013

5,5

5,42

7 - 8

6,04

12,51

14 - 16

18,5

2014

5,8

5,98

1,84

12 - 14

14,16

16 - 18

15,65

2015

6,2

6,68

0,63

15 - 17

17,26

17 - 18

16,23

2016

6,7

6,21

< 5

4,74

18 - 20

18,25

16 - 18

18,38

2017

6,7

6,81

3,53

18 - 21

18,17

16 - 18

14,5

2018

6,5 - 6,7

7,08

3,54

12,5

2019

6,6 - 6,8

7,02

2,79

13,5

Nguồn: Tổng cục Thống kê và Ngân hàng Nhà nước (2020)

2.2.1.2. Mục tiêu trung gian

a. Tổng phương tiện thanh toán (M2)

Để thực hiện mục tiêu điều hành CSTT, vào đầu mỗi năm, NHNN đều xác định mục

tiêu gắn với M2 và tín dụng đối với nền kinh tế. Trong giai đoạn 2000 – 2005, giữa chỉ tiêu định hướng về M2 và kết quả thực hiện cũng có sự chênh lệch nhưng không cao (0,5 - 5%).

Tuy nhiên, kể từ năm 2006, mức chênh lệch giữa chỉ tiêu định hướng M2 và mức thực hiện

tăng lên do Việt Nam hội nhập ngày càng sâu rộng vào nền kinh tế thế giới, trong khi kinh

tế trong nước và thế giới chứng kiến nhiều biến động phức tạp cũng có tác động mạnh mẽ tới việc thực hiện các chỉ tiêu tiền tệ định hướng. Bảng 2.5 cho thấy vào năm 2007, chỉ tiêu M2 định hướng là 20 - 23%, trong khi mức tăng M2 thực tế lên tới 46,12%; năm 2008, chỉ tiêu M2 định hướng là 32% trong khi số thực tế chỉ là 20,31%. Tương tự, chỉ tiêu M2 định hướng và thực hiện cũng có sự chênh lệch khá lớn vào năm 2009 và 2010.

100

Nguyên nhân chủ yếu khiến diễn biến M2 thực tế thiếu gắn kết với định hướng đề

ra: (i) NHNN chưa xác định rõ ràng mục tiêu trung gian trong thực tế, việc điều hành các

công cụ CSTT nhiều thời điểm hướng vào kiểm soát tín dụng, lãi suất thị trường và tỷ giá

hối đoái. Với việc điều hành CSTT hướng vào nhiều mục tiêu trung gian, nhiều khi việc điều hành CSTT còn khá bị động, điều tiết thị trường không đạt được mục tiêu như kỳ vọng;

(ii) NHNN chưa thực sự kiểm soát được hết các tác nhân ảnh hưởng tới M2, nhất là tác

nhân làm thay đổi tài sản có ngoại tệ ròng và cho vay chính phủ ròng. Ngoài ra, lượng tiền

gửi của các tổ chức khác có hoạt động ngân hàng cũng cần phải được kiểm soát chặt chẽ. Tuy nhiên, từ năm 2000 tới nay, các tổ chức khác có hoạt động ngân hàng đã phát triển với

quy mô tương đối lớn, ví dụ: quỹ hỗ trợ phát triển (Ngân hàng Phát triển Việt Nam – VDB),

hệ thống công ty bảo hiểm, Kho bạc Nhà nước… đều nằm ngoài phạm vi kiểm soát của

NHNN. Điều này lý giải vì sao tác động của M2 đến các biến số của nền kinh tế chưa rõ ràng, diễn biến của tổng phương tiện thanh toán với ý nghĩa là mục tiêu trung gian dường như chưa phù hợp với tốc độ tăng trưởng và lạm phát.

b. Kiểm soát tín dụng đối với nền kinh tế

Trong mục tiêu CSTT hàng năm, tăng trưởng tín dụng được xem là tiêu chí quan trọng hỗ trợ phát triển kinh tế. Trong những năm qua, không chỉ NHNN mà cả Chính phủ

và nhiều Bộ, ngành khác cũng rất quan tâm đến tăng trưởng tín dụng. Trong điều kiện thị

trường chứng khoán chưa phát triển, tín dụng khu vực ngân hàng là kênh cung ứng vốn

trọng yếu phục vụ quá trình phát triển và đổi mới cơ cấu kinh tế, đổi mới trang thiết bị, kỹ thuật công nghệ cho các doanh nghiệp. Việc kiểm soát tín dụng cho nền kinh tế được

NHNN thực hiện trên hai phương diện: (i) NHNN không ngừng hoàn thiện cơ chế, chính

sách tín dụng theo hướng thông thoáng, nâng cao quyền chủ động, tự chịu trách nhiệm của

các TCTD, đồng thời đảm bảo nguyên tắc an toàn, hiệu quả. Đến nay, qua nhiều lần chỉnh sửa, bổ sung, cơ chế tín dụng về cơ bản đã được hoàn thiện, một số vướng mắc trong thực tế triển khai đã dần được khắc phục; (ii) Kiểm soát mức độ tăng trưởng tín dụng.

Có thể thấy mức độ kiểm soát tín dụng của NHNN theo định hướng còn khá hạn

chế. Trong nhiều năm, diễn biến tăng trưởng tín dụng chưa thực sự bám sát định hướng.

Mặc dù hàng năm, NHNN đã đặt ra chỉ tiêu định hướng, song trên thực tế, việc NHNN sử dụng các công cụ CSTT như lãi suất, nghiệp vụ tái cấp vốn… để tác động, điều tiết và kiểm

soát tăng trưởng tín dụng theo định hướng vẫn thiếu đi tính hiệu quả. Bảng 2.5 cho thấy trong phần lớn các năm, số thực hiện đều vượt mục tiêu đề ra. Đặc biệt, năm 2007, chỉ tiêu tín dụng định hướng là 17 - 21% trong khi tín dụng thực tế tăng tới 54%; tương tự, năm 2010, chỉ tiêu tín dụng định hướng là 25% trong khi mức tăng thực tế đạt 31,19%, vượt hẳn mức định hướng. Sang năm 2011 và 2012, số thực hiện lại thấp hơn so với mục tiêu, trong

đó riêng năm 2012, mục tiêu đề ra khoảng 15 - 17%, song tăng trưởng tín dụng thực tế chỉ

101

đạt 5,5%. Nguyên nhân của sự sụt giảm mạnh trong tăng trưởng tín dụng xuất phát từ những khó khăn chung của nền kinh tế và quá trình điều hành CSTT.

2.2.1.3. Mục tiêu hoạt động

Trong điều kiện thị trường tiền tệ Việt Nam chưa phát triển, khả năng cạnh tranh giữa các NHTM còn thấp, ứng xử của TCTD đối với những thay đổi của thị trường còn hạn

chế, dẫn tới lãi suất của NHNN chưa mang lại hiệu ứng rõ rệt đối với lãi suất thị trường. Do

đó, trong bối cảnh hiện nay, NHNN chưa thể lựa chọn mục tiêu hoạt động là giá cả. Thực tế,

trong điều hành CSTT, NHNN chủ yếu hướng vào điều tiết lượng tiền cung ứng do Chính phủ phê duyệt hàng năm cho mục tiêu mua ngoại tệ, tái cấp vốn cho NHTM và các mục

đích khác. Với cách thức điều hành như vậy, thực chất NHNN đã lựa chọn mục tiêu hoạt động theo khối lượng.

Hàng năm, để đảm bảo ổn định tiền tệ, NHNN cần phải xác định mức tăng trưởng

tổng phương tiện thanh toán (M2) sao cho phù hợp với mục tiêu tăng trưởng GDP, tỷ lệ lạm

phát và hệ số tạo tiền dự kiến của các TCTD. Sau khi được Thủ tướng Chính phủ phê duyệt mức cung tiền tăng thêm của năm, Thống đốc NHNN điều hành hoạt động cung ứng tiền

trong phạm vi được Chính phủ phê duyệt thông qua các công cụ CSTT. Với cách thức điều

hành này, NHNN đã: (i) tác động vào tài sản có ngoại tệ của NHNN khi thực hiện mua, bán

ngoại tệ trên thị trường ngoại tệ liên ngân hàng; (ii) tác động làm thay đổi khoản mục tài sản có trong nước ròng khi NHNN tiến hành tái cấp vốn cho các NHTM và thực hiện các mục

đích khác như cho vay NSNN theo yêu cầu của Chính phủ. Động thái này của NHNN có tác

động làm thay đổi MB, qua đó tác động tới MS. Tuy nhiên, trong điều hành lượng tiền cung

ứng, khả năng kiểm soát các yếu tố làm thay đổi MB của NHNN còn khá hạn chế vì bên cạnh kế hoạch hành động của mình, NHNN cũng cần tuân thủ theo các chỉ đạo từ phía Chính phủ để theo đuổi nhiều mục tiêu khác nhau.

2.2.2. Điều hành chính sách tiền tệ nhằm kiểm soát tại Việt Nam

Xu hướng của CSTT trong những năm qua về cơ bản là mở rộng có thận trọng để vừa góp phần thúc đẩy tăng trưởng kinh tế, vừa kiềm chế hiệu quả tốc độ tăng giá. Trong

một vài thời điểm (ví dụ: đầu năm 2008 và cuối năm 2010), để hạn chế tốc độ tăng nhanh

của lạm phát, NHNN đã sử dụng đồng bộ các công cụ để thắt chặt tiền tệ. Tuy nhiên, do hiệu quả điều hành CSTT chưa cao cộng với sự thiếu chặt chẽ trong phối hợp với các chính

sách vĩ mô khác (đặc biệt là sự phối hợp giữa CSTK – CSTT), lạm phát tiếp tục tăng cao, lên đến 11,8% trong năm 2010 và 18,1% năm 2011 (xem Bảng 2.5). Kết quả này tác động tiêu cực đến tăng trưởng kinh tế và phát triển bền vững. Phần này sẽ đi vào nghiên cứu và phân tích cơ chế điều hành CSTT của NHNN trong giai đoạn 2000 – 2019, từ đó xác định những vấn đề đặt ra.

102

2.2.2.1. Điều hành chính sách tiền tệ giai đoạn 2000 – 2007

a. Giai đoạn 2000 – 2003

Năm 2000, thực hiện nhiệm vụ phát triển kinh tế trong bối cảnh kinh tế tăng trưởng

thấp và đối mặt với nguy cơ giảm phát (tăng trưởng GDP và lạm phát năm 1999 lần lượt chỉ đạt 4,8% và 0,1%), hoạt động của hệ thống ngân hàng phải đối mặt với nhiều khó khăn.

Trước tình hình đó, NHNN đã đề ra mục tiêu điều hành cho năm 2000 là thực hiện chính

sách nới lỏng tiền tệ có thận trọng để vừa bảo đảm mục tiêu ổn định giá trị đồng tiền, kiểm

soát lạm phát ở mức dưới 5%, góp phần đẩy mạnh tăng trưởng kinh tế, đồng thời thực hiện chủ trương kích cầu của Chính phủ và tiếp tục ổn định hoạt động hệ thống ngân hàng. Nhìn

chung trong giai đoạn 2000 – 2003, diễn biến kinh tế - tiền tệ trong nước và quốc tế diễn ra

không quá phức tạp, CSTT điều hành bám khá sát các mục tiêu đã định, theo đó, kết quả tăng CPI được kiềm chế ở mức thấp, tăng trưởng kinh tế tăng dần qua các năm.

b. Giai đoạn 2004 – 2007

Chính phủ đặt mục tiêu tăng trưởng kinh tế cao nhằm hoàn thành mục tiêu phát triển

kinh tế - xã hội 5 năm 2001 – 2005 (bình quân 7,4%/năm); năm 2005, mục tiêu tăng trưởng

GDP đặt ra là 8 - 8,5% và tỷ lệ lạm phát định hướng dưới 6,5%. Trong khi đó, bối cảnh kinh tế trong nước và quốc tế cho thấy nhiều diễn biến bất lợi và khó lường. Mục tiêu CSTT đặt

ra trong các năm 2004 và 2005 là ổn định tiền tệ, kiểm soát lạm phát, song không làm ảnh

hưởng tới mục tiêu tăng trưởng kinh tế. NHNN đã sử dụng nghiệp vụ thị trường mở như

một công cụ trung tâm cho điều hành CSTT nhằm ổn định lãi suất – tiền tệ, hỗ trợ tích cực cho việc thực hiện mục tiêu tăng trưởng kinh tế và kiểm soát lạm phát theo mục tiêu mà

Quốc hội đề ra. Đồng thời, giải pháp điều hành CSTT có vai trò then chốt giúp bình ổn tiền

tệ trong các năm 2004 và 2005 và đạt được mức tăng trưởng cao (7,79% và 8,44%) với chủ

trương ổn định tỷ giá USD/VND. Thống đốc NHNN đã cam kết với công chúng là VND sẽ không giảm giá quá 1%/năm. Sự cam kết này như một giải pháp tình thế có tác động mạnh

mẽ tới tâm lý người dân và nhà đầu tư. Tuy nhiên, xét về mặt dài hạn, việc sử dụng các biện

pháp chính sách can thiệp để cam kết bình ổn tỷ giá có thể sẽ tác động tiêu cực tới sự phát triển của thị trường ngoại hối và không khuyến khích hoạt động xuất khẩu.

Song, để thực hiện mục tiêu CSTT trong bối cảnh phức tạp như vậy, chủ trương ổn định tỷ giá dường như là một lựa chọn hợp lý. Hỗ trợ cho chính sách ổn định tỷ giá là các

giải pháp về lãi suất và dự trữ bắt buộc. Cụ thể, năm 2005, NHNN đã 3 lần điều chỉnh tăng các mức lãi suất chỉ đạo nhằm hạn chế tăng trưởng tín dụng, đồng thời bảo đảm lợi tức thu được từ gửi VND có lợi hơn gửi bằng ngoại tệ, qua đó giảm áp lực dịch chuyển từ VND sang ngoại tệ

Sang đến năm 2006 và 2007, trước diễn biến vốn khả dụng của TCTD dư thừa do nguồn vốn từ nước ngoài đổ vào nhiều (nhất là vào năm 2007) do lạm phát cao có chiều

103

hướng quay trở lại, trong điều hành nghiệp vụ thị trường mở, NHNN đã chuyển từ hình thức chào mua sang chào bán là chủ yếu.

2.2.2.2. Điều hành chính sách tiền tệ giai đoạn 2008 – 2013

Giai đoạn này chứng kiến nhiều khó khăn và diễn biến phức tạp của nền kinh tế thế giới nói chung và kinh tế Việt Nam nói riêng. Vì thế, hiệu quả điều hành CSTT thời kỳ này cũng có nhiều hạn chế.

a. Giai đoạn cuối 2007 – 2008

Trong điều kiện chỉ số giá tiêu dùng tăng cao, NHNN thực thi CSTT thận trọng nhằm kiểm soát tổng phương tiện thanh toán ở mức hợp lý, theo đó các công cụ CSTT được

điều hành linh hoạt và phối hợp chặt chẽ để giảm bớt lượng tiền trong lưu thông, qua đó

kiểm soát tăng trưởng tín dụng. CSTT được điều hành nới lỏng nhằm thúc đẩy tăng trưởng

kinh tế, kiểm soát lạm phát, bảo đảm an toàn hệ thống. Năm 2007, để thắt chặt tiền tệ, nghiệp vụ thị trường mở đã được điều hành linh hoạt bám sát mục tiêu điều hành CSTT,

nhờ đó đã hút về lượng tiền đáng kể ra khỏi lưu thông. Đồng thời, NHNN duy trì các mức

lãi suất (cụ thể, lãi suất cơ bản 8,25%/năm, tái cấp vốn 6,5%/năm, tái chiết khấu

4,5%/năm…) và tỷ lệ dự trữ bắt buộc nhằm ổn định lãi suất thị trường. Ngoài ra, NHNN cũng chủ động can thiệp mua bán ngoại tệ và thực hiện cơ chế tỷ giá thả nổi có kiểm soát nhằm tránh nâng giá VND và làm cho tỷ giá USD/VND trên thị trường tăng ở mức thấp.

Qua 7 tháng đầu năm 2008, trước bối cảnh lạm phát và nhập siêu tăng mạnh đe doa

tới sự ổn định kinh tế vĩ mô, thực hiện chỉ đạo của Chính phủ, NHNN đã chủ động triển

khai đồng bộ các giải pháp nhằm ưu tiên kiềm chế lạm phát, ổn định kinh tế vĩ mô, duy trì

tăng trưởng GDP ở mức hợp lý và đảm bảo an sinh xã hội. Cụ thể, NHNN đã: (i) chủ động hút tiền ra khỏi lưu thông qua các biện pháp như tăng tỷ lệ dự trữ bắt buộc 1%, phát hành

20.300 tỷ đồng tín phiếu NHNN bắt buộc, đồng thời hỗ trợ kịp thời vốn ngắn hạn cho các

TCTD gặp khó khăn về thanh khoản thông qua nghiệp vụ thị trường mở và thực hiện tái cấp

vốn ngắn hạn, nhất là các NHTM quy mô nhỏ; (ii) điều chỉnh tăng lãi suất cơ bản từ 8,75 – 12 – 14%/năm, lãi suất tái cấp vốn từ 6,5 – 7,5 – 13 – 15%/năm, lãi suất tái chiết khấu từ 4,5 – 6 – 11 – 13%/năm.

Từ cuối tháng 7/2008, mặc dù kinh tế vĩ mô đã có nhiều dấu hiệu khả quan như lạm

phát và nhập siêu có xu hướng giảm, song tốc độ tăng trưởng kinh tế bị chậm lại. Thực hiện

chỉ đạo của Chính phủ, NHNN tiếp tục điều hành CSTT thắt chặt nhưng linh hoạt trong điều hành và nới lỏng từ tháng 10/2008, cụ thể: (i) điều chỉnh tăng lãi suất tín phiếu NHNN bắt buộc từ 7,8% lên 13%/năm (tháng 7); (ii) tăng 3 lần lãi suất tiền gửi dự trữ bắt buộc từ mức 1,2 – 3,6 – 5 – 10%/năm (tháng 8, 9 và 10) và xuống 9% (tháng 12); (iii) từ tháng 10 – 12/2008, giảm 4 lần các mức lãi suất chủ đạo như lãi suất cơ bản từ mức 14 – 13 – 12 – 11 – 10%/năm, lãi suất tái cấp vốn từ 15 – 14 – 13- 12 – 11%/năm, lãi suất chiết khấu từ 13 – 12 – 11 – 10 – 9%/năm nhằm tạo điều kiện cho các TCTD hạ lãi suất cho vay; (iv) điều chỉnh

104

giảm tỷ lệ dự trữ bắt buộc đối với tiền gửi bằng VND từ 11 – 10 – 8 – 6% và giảm dự trư

bắt buộc đối với tiền gửi bằng ngoại tệ từ 11 – 9 – 7%; cho phép TCTD sử dụng tín phiếu

NHNN bắt buộc trong các giao dịch tái cấp vốn và thanh toán trước hạn nếu có nhu cầu; và

(v) từng bước ở rộng biên độ ấn định tỷ giá mua – bán USD của các TCTD từ mức 0,75 – 1 – 2 – 3% so với tỷ giá bình quân liên ngân hàng, đồng thời điều hành tỷ giá bình quân liên

ngân hàng theo hướng tăng dần sự phù hợp với cung – cầu ngoại tệ trên thị trường và mục

tiêu hỗ trợ xuất khẩu, hạn chế nhập siêu; không cho phép các TCTD mua bán USD thông qua ngoại tệ khác.

b. Giai đoạn 2009 – 2010

Năm 2009, khủng hoảng tài chính và suy thoái kinh tế toàn cầu diễn biến phức tạp,

tác động tiêu cực tới kinh tế nhiều quốc gia, trong đó có Việt Nam. Kinh tế trong nước gặp

khó khăn, các cân đối vĩ mô thiếu vững chắc, chất lượng tăng trưởng và sức cạnh tranh của nền kinh tế ở mức thấp, tuy nhiên, nhờ thực hiện đồng bộ các giải pháp kích thích kinh tế,

suy giảm kinh tế đã được ngăn chặn, kinh tế vĩ mô về cơ bản ổn định, tăng trưởng GDP của

năm 2009 đạt 5,3% trong khi lạm phát được kiểm soát dưới mức 7%. Năm 2009, các giải

pháp điều hành CSTT, tín dụng và tỷ giá theo hướng ngăn chặn đà suy giảm kinh tế, ổn định kinh tế vĩ mô. Các mức lãi suất cơ bản, lãi suất tái cấp vốn và lãi suất tái chiết khấu giảm về

các mức lần lượt là 7% và 5%/năm từ tháng 2/2009; điều chỉnh giảm tỷ lệ dự trữ bắt buộc

đối với tiền gửi VND không kỳ hạn và có kỳ hạn, điều hành linh hoạt nghiệp vụ thị trường

mở, cho vay tái cấp vốn để kiểm soát lượng tiền cung ứng, đảm bảo khả năng an toàn thanh toán hệ thống và ổn định thị trường tiền tệ.

Một mặt, NHNN điều hành công cụ tỷ giá gắn với các biện pháp quản lý ngoại hối và can thiệp hợp lý trên thị trường ngoại tệ: biên độ tỷ giá được điều chỉnh tăng từ 3% lên

5% (24/03/2009) và điều chỉnh giảm xuống 3% (26/11/2009); tỷ giá bình quân liên ngân

hàng thể hiện xu hướng tăng: ngày 26/11/2009 tăng lên mức 17.961, theo đó mức trần tỷ giá

mua bán của NHTM là 18.500 VND/USD (tăng 3,43% so với ngày 25/11/2009); can thiệp bán ngoại tệ để đáp ứng nhu cầu nhập khẩu các mặt hàng thiết yếu và cho các NHTM có

trạng thái ngoại tệ âm trên 5%; và trước tình hình giá vàng tăng cao đột biến những ngày

đầu tháng 11/2009, NHNN đã công bố cơ chế tạo thuận lợi cho các doanh nghiệp xuất nhập khẩu vàng để cân đối cung cầu và ổn định giá vàng trong nước.

Mặt khác, NHNN cũng phối hợp với Chính phủ triển khai các chính sách hỗ trợ lãi suất đối với các khoản vay ngắn hạn, trung và dài hạn bằng VND, đồng thời kiểm soát tăng trưởng tín dụng ở mức hợp lý về tốc độ, tỷ trọng và cơ cấu, bảo đảm chất lượng tín dụng thông qua điều hành linh hoạt các công cụ CSTT, kiểm soát chặt chẽ cho vay đối với khu vực phu sản xuất (kinh doanh chứng khoán, bất động sản, cho vay tiêu dùng…), điều chỉnh giảm tỷ lệ tối đa sử dụng vốn ngắn hạn cho vay trung dài hạn từ 40% xuống còn 30% đối

với các NHTM. Tiếp đó, với đà phục hồi kinh tế từ cuối năm 2009, các cơ quan chức năng

105

đã chuyển trọng tâm ưu tiên từ tăng trưởng sang ổn định giá cả với CSTT thắt chặt. Tháng

11/2009, NHNN tăng lãi suất cơ bản thêm 1%, tiếp tục giảm tỷ giá thêm 5,5% và chấm dứt chương trình hỗ trợ lãi suất đối với các khoản vay ngắn hạn.

Việc xác định mục tiêu ổn định kinh tế vĩ mô, kiểm soát lạm phát và tăng trưởng

kinh tế trong năm 2010 có những thay đổi trong thời gian ngắn nên nhiệm vụ giao cho

NHNN cũng có nhiều thay đổi. Từ tháng 4/2010, NHNN được giao nhiệm vụ điều chỉnh giảm dần mặt bằng lãi suất thị trường, góp phần thúc đẩy tăng trưởng kinh tế. Để đạt được

mục tiêu này, NHNN đã điều hành các công cụ CSTT kết hợp một số biện pháp hành chính.

Trong 3 quý đầu năm, lãi suất cơ bản và tái cấp vốn được giữ ổn định ở mức 7 – 8%/năm;

dự trữ bắt buộc áp dụng đối với tiền gửi bằng ngoại tệ được điều chỉnh giảm từ 7% về 4% đối với kỳ hạn dưới 12 tháng, từ 3% về 2% đối với kỳ hạn trên 12 tháng; thị trường mở

được điều hành với khối lượng giao dịch lớn, lãi suất được điều chỉnh giảm; tăng khối lượng

vốn tái cấp vốn, cho vay qua đêm và hoán đổi ngoại tệ với NHTM nhằm điều tiết lãi suất

giảm theo chỉ đạo của Chính phủ. NHNN cũng chỉ đạo các TCTD thực hiện mở rộng tín dụng đi đôi với kiểm soát chặt chẽ chất lượng tín dụng, tập trung cho lĩnh vực nông nghiệp,

nông thôn, xuất khẩu và doanh nghiệp nhỏ và vừa; điều chỉnh tăng tỷ giá bình quân liên

ngân hàng. CSTT theo hướng nới lỏng vẫn tiếp tục được triển khai cho tới quý 3/2010, kể cả khi lạm phát tiếp tục leo thang.

Trong quý 4/2010, trước tình hình lạm phát tăng cao, Chính phủ đã ban hành Chỉ thị

số 1875/CT-TTg của Thủ tướng Chính phủ ngày 11/10/2010 đưa ra một số biện pháp bình ổn giá cả, thị trường những tháng cuối năm 2010; Chỉ thị số 2164/CT-TTg ngày 30/11/2010

về việc tiếp tục đẩy mạnh sản xuất, bảo đảm cân đối cung cầu hàng hóa, dịch vụ, bình ổn

giá cả, thị trường trong dịp Tết Nguyên đán Tân Mão và quý 1/2011. Từ tháng 11/2010,

theo Quyết định số 44/NQ-CP ngày 09/11/2010, nhiệm vụ trọng tâm của NHNN lúc này là điều hành CSTT theo tín hiệu thị trường để tăng cường kiểm soát toóc độ tăng trưởng dư nợ

và tổng phương tiện thanh toán, góp phần kiểm soát lạm phát. NHNN đã điều chỉnh tăng

1%/năm đối với các mức lãi suất điều hành như lãi suất tái cấp vốn, lãi suất tái chiết khấu, điều chỉnh tăng 1 - 2%/năm đối với lãi suất trên thị trường mở; chỉ đạo các TCTD ấn định

lãi suất huy động bằng VND không quá 14%/năm. Tuy nhiên, trước tình hình lãi suất liên

ngân hàng tăng đến 18 - 20% sau khi lãi suất cơ bản tăng cao, NHNN đã can thiệp bằng

cách “bơm” thêm thanh khoản và hạ nhiệt thị trường liên ngân hàng. Mặc dù tỷ lệ lạm phát tháng 11/2010 cao hơn dự kiến, NHNN vẫn kiên định duy trì mức lãi suất cơ bản 9% cho tới kết thúc năm.

Có thể thấy, trong giai đoạn này, do phải theo đuổi đa mục tiêu, các cơ quan quản lý tiền tệ đã phải đối mặt với nhiều khó khăn trong việc cân bằng các nhiệm vụ được giao vốn

có sự mâu thuẫn nhau, đó là hỗ trợ phục hồi tăng trưởng kinh tế và đồng thời phải ổn định

giá cả. Những diễn biến trên cho thấy, lãi suất điều hành của NHNN chưa được điều chỉnh

106

phù hợp với diễn biến kinh tế vĩ mô nhằm điều tiết thị trường tiền tệ, mà phải phụ thuộc vào

chủ trương giảm mặt bằng lãi suất thị trường theo chỉ đạo của Chính phủ nhằm ưu tiên cho mục tiêu tăng trưởng kinh tế.

c. Giai đoạn 2011 – 2013

Bước sang năm 2011, trong bối cảnh tăng trưởng kinh tế chậm và tiềm ẩn nhiều bất

ổn, ngay từ đầu năm, thực hiện Nghị quyết số 11/NQ-CP ngày 24/02/2011 của Chính phủ

về các giải pháp chủ yếu tập trung kiềm chế lạm phát, ổn định kinh tế vĩ mô, bảo đảm an

sinh xã hội, NHNN đã điều hành CSTT theo hướng thắt chặt mạnh tay để hướng tới mục tiêu trọng tâm là kiềm chế lạm phát.

Qua 6 tháng đầu năm 2011, lạm phát tăng 13,3% so với đầu năm và tăng 20% so với cùng kỳ năm trước, gây khó khăn cho nỗ lực kiềm chế lạm phát dưới 15% theo mục tiêu đặt

ra, thị trường bất động sản và chứng khoán sụt giảm mạnh. NHNN thực hiện mạnh mẽ các

biện pháp điều hành nhằm kiểm soát tốc độ tăng trưởng tín dụng dưới 20% và điều chỉnh cơ

cấu tín dụng theo hướng tập trung vốn cho sản xuất kinh doanh như điều chỉnh lãi suất tái cấp vốn, lãi suất cho vay qua đêm trong thanh toán điện tử liên ngân hàng và cho vay bù đắp

thiếu hụt vốn trong thanh toán vù trừ, lãi suất tái cấp vốn và lãu suất cho vay qua đêm lên

mức 14%/năm, lãi suất tái chiết khấu tăng lên mức 13%/năm, lãi suất nghiệp vụ thị trường

mở lên mức 15%/năm. Vào tháng 5/2011, mức lãi suất cho vay bình quân khoảng 20%/năm, trong đó lãi suất cho vay tiêu dùng ở một số NHTM lên tới 25%, cao hơn mức kỷ lục của

năm 2008 và cao nhất trong vài thập kỷ qua. Bên cạnh đó, tỷ giá bình quân liên ngân hàng

được điều chỉnh tăng, từ mức 18.932 lên 20.693 VND/USD tại ngày 11/02/2011 và thu hẹp

biên độ ấn định tỷ giá giao dịch của các TCTD so với tỷ giá bình quân liên ngân hàng từ ±3% xuống còn ±1%.

Trong điều kiện nền kinh tế tăng trưởng chậm và lạm phát thấp, ngay từ đầu năm 2012, NHNN đã định hướng giảm lãi suất huy động và cho vay. Kết quả điều hành của năm

2012 cho thấy mức lãi suất huy động và cho vay giảm nhanh hơn dự kiến của NHNN: lãi

suất huy động giảm từ 3-6%/năm, lãi suất cho vay giảm 5-9%/năm so với cuối năm 2011. Việc NHTM giảm lãi suất cho vay ở mức thấp là một tiền đề quan trọng giúp làm giảm chi

phí sản xuất kinh doanh, góp phần tháo gỡ khó khăn cho cộng đồng doanh nghiệp, qua đó

duy trì tăng trưởng kinh tế, đảm bảo an toàn cho hệ thống ngân hàng. Năm 2013, NHNN

giảm 2%/năm các mức lãi suất điều hành, giảm 3%/năm đối với lãi suất cho vay ngắn hạn tối đa bằng VND cho các lĩnh vực ưu tiên, giảm 1%/năm lãi suất tối đa áp dụng cho tiền gửi bằng VND; từ cuối tháng 6 đã cho phép các TCTD tự ấn định lãi suất tiền gửi VND có kỳ hạn từ 6 tháng trở lên. Với loạt giải pháp trên kết hợp điều hành linh hoạt lượng tiền cung ứng, mặt bằng lãi suất tiếp tục giảm 2 - 5%/năm (trở về mức lãi suất của giai đoạn 2005 – 2006) nhưng vẫn bảo đảm mục tiêu kiểm soát lạm phát và ổn định thị trường tiền tệ.

107

CSTT của Việt Nam giai đoạn 2011 – 2013 đã có tính chủ động hơn trong định

hướng, dẫn dắt thị trường, đồng thời có sự điều chỉnh linh hoạt, phù hợp với các diễn biến về kinh tế vĩ mô – tiền tệ.

Khi nhìn vào từng công cụ CSTT, có thể thấy để đạt được các mục tiêu đề ra,

NHNN đã phải phối hợp đồng thời nhiều công cụ. Đối với hoạt động thị trường mở, trong

năm 2011, lạm phát ở mức cao và NHNN đã thực hiện thắt chặt tiền tệ, do đó các công cụ thị trưởng mở phải nhằm mục đích hút tiền về. Tuy nhiên, do các TCTD đang gặp khó khăn

về thanh khoản và thiếu hụt vốn để đảm bảo mục tiêu tăng trưởng tín dụng, biện pháp hút

tiền về thông qua OMO không thể thực hiện được. Bên cạnh đó, NHNN hạn chế các biện

pháp bơm vốn vào hệ thống NHTM. Dấu hiệu của động thái này bắt đầu xuất hiện trên thị trường mở, cụ thể, ngày 15 và 16/03/2011, NHNN bất ngờ phát hành tín phiếu kỳ hạn ngắn

(28 – 91 – 182 ngày) với mức lãi suất cao hơn lãi suất trái phiếu chính phủ nhằm hút tiền về.

Biện pháp rút tiền khỏi hệ thống trong thời gian tới có thể khiến tình hình thanh khoản của

các NHTM trở nên căng thẳng trở lại. Trong khi đó, quá trình tái cấu trúc hệ thống NHTM vẫn đang trong quá trình triển khai nên chưa mang tới hiệu quả cụ thể. Từ những tháng giữa

năm 2012, lạm phát giảm mạnh về mức một con số, tăng trưởng tín dụng quá thấp so với

mục tiêu, công cụ thị trường mở phải hướng tới việc bơm tiền ra để hạ lãi suất, kích thích

tăng trưởng tín dụng, nhưng lại mâu thuẫn với khả năng hấp thụ vốn rất thấp của doanh nghiệp, trong khi các TCTD thừa tiền mà không cho vay được. Cũng chính lẽ đó, hoạt động

bơm, hút tiền trên thị trường mở trong năm 2013 chứng kiến khối lượng giao giảm mạnh so với 2012.

Để kiểm soát tăng trưởng tín dụng, NHNN đã áp đặt mức tăng trưởng tín dụng dưới

20% trong suốt năm 2011 cho tất cả các NHTM; đồng thời tập trung vốn tín dụng hỗ trợ các

lĩnh vực ưu tiên như nông nghiệp, nông thôn, xuất khẩu, công nghiệp hỗ trợ, doanh nghiệp nhỏ và vừa, doanh nghiệp ứng dụng công nghệ cao, doanh nghiệp sử dụng nhiều lao động

và các dự án hiệu quả; giảm tốc độ và tỷ trọng dư nợ cho vay lĩnh vực phi sản xuất trong

tổng dư nợ xuống mức 22% tại ngày 30/06/2011 và 16% tại ngày 31/12/2011. Tăng trưởng tín dụng tuy thâp hơn các năm trước đó, song hiệu quả và chất lượng tín dụng ngày càng được cải thiện rõ rệt.

Năm 2012, lần đầu tiên NHNN quyết định phân bổ hạn mức tín dụng cho từng

NHTM theo các tiêu chí: chất lượng tài sản nợ - tài sản có, quy mô vốn, năng lực quản trị điều hành, quản trị rủi ro, chất lượng nhân sự và việc tuân thủ các quy định. Theo đó, các nhóm được phân loại bởi NHNN được áp dụng hạn mức như sau: nhóm (I) được tăng trưởng tín dụng ở mức tối đa 17%; nhóm (II) được tăng trưởng tín dụng ở mức tối đa 15%; nhóm (III) được tăng trưởng tín dụng ở mức tối đa 8% và nhóm (IV) thuộc diện phải cơ cấu

lại, không được tăng trưởng tín dụng. Tuy nhiên, trong các năm 2012 và 2013, tổng cầu nền

108

kinh tế ở vào trạng thái suy giảm, nền kinh tế không hấp thụ được tín dụng, tổng phương tiện thanh toán giảm thấp, công cụ hạn mức tín dụng theo đó trở nên mất tác dụng.

Đối với thị trường ngoại tệ, NHNN phối hợp chặt chẽ với các cơ quan an ninh trong

việc xử lý mạnh tay đối với các giao dịch trái phép. Những vụ giao dịch ngoại hối phi pháp

bị xử lý khiến cho giới đầu cơ không còn cơ hội “lũng đoạn”, tỷ giá ngoại tệ được giữ ổn

định trong suốt một thời gian dài, hơn nữa, giao dịch tự do cũng đã bị hạn chế rất nhiều. Nếu như trước đây, người dân có thể ghé qua bất cứ tiệm vàng nào để mua bán ngoại tệ thì

nay buộc phải giao dịch tại hệ thống ngân hàng – trật tự thị trường được tái lập, theo đó có

thể hạn chế tốt hơn việc đầu cơ “ngoại tệ” gây sốt ảo trên thị trường, chênh lệch tỷ giá giữa

thị trường chính thức và thị trường tự do được thu hẹp. Công chúng bắt đầu tin tưởng hơn vào mục tiêu bình ổn tỷ giá của NHNN. Trong tháng 3/2012, NHNN liên tục có nhiều động

thái chính sách cho thấy dòng vốn tín dụng từ hoạt động ủy thác và ngoại tệ đang được thắt

chặt lại. Thực tế trong các năm 2011 và 2012, tăng trưởng tín dụng ngoại tệ luôn cao hơn

1,7-1,8 lần so với tăng trưởng tín dụng chung khi chênh lệch lãi suất giữa VND và USD ở mức cao. Điều này là do lãi suất VND ở mức cao khiến doanh nghiệp đi vay ngoại tệ với lãi

suất thấp và quy đổi sang VND để phục vụ sản xuât kinh doanh. Do đó, thông tư số

03/2012/TT-NHNN ngày 08/03/2012 của NHNN có hiệu lực từ ngày 02/05/2012 đã hạn chế

đối tượng được vay vốn bằng ngoại tệ. Mục đích của NHNN là chuyển từ cơ chế vay mượn ngoại tệ sang mua bán ngoại tệ nhằm tạo thuận lợi trong việc điều hành tỷ giá, đặc biệt, có

thể tranh các cú sốc bất ngờ lên tỷ giá khi các hợp đồng tín dụng đáo hạn. Theo đó, Thông

tư 03/2012 đã hạn chế được dòng vốn giá rẻ đối với các doanh nghiệp. Nói cách khác, dòng

tín dụng ngoại tệ sẽ giảm và kéo theo mức giảm của tín dụng chung. Trong các năm 2011 – 2012, dự trữ ngoại hối tăng cao (đạt khoảng 30 tỷ USD) góp phần cải thiện lòng tin đối với

VND và bổ sung nguồn lực để NHNN kiểm soát, ổn định thị trường. Cùng với đó, tỷ lệ tiền

gửi ngoại tệ trên tổng phương tiện thanh toán giảm dần về mức 12% so với mức 15,8% năm

2011. Tình trạng găm giữ vàng trong dân cũng như thị trường vàng đã tồn tại từ nhiều năm nay cũng được cải thiện đáng kể.

2.2.2.3. Điều hành chính sách tiền tệ giai đoạn 2014 – 2019

Kinh tế thế giới năm 2013 cho thấy dấu hiệu khởi sắc nhưng mức tăng trưởng vẫn thấp hơn năm 2012. Thị trường tài chính toàn cầu diễn biến khá ổn định, lãi suất liên ngân

hàng có xu hướng giảm mạnh, nhiều nước tiếp tục duy trì CSTT nới lỏng để hỗ trợ tăng trưởng kinh tế trong điều kiện lạm phát thấp. Tại Việt Nam, tăng trưởng kinh tế quý sau cao hơn quý trước nhưng thấp hơn so với mục tiêu đặt ra. Tổng cầu và sức mua của nền kinh tế còn yếu, sản xuất kinh doanh gặp nhiều khó khăn, lạm phát được kiềm chế ở mức thấp.

Trước tình hình đó, thực hiện chỉ đạo của Chính phủ tại Nghị quyết số 01/NQ-CP ngày 02/01/2014, NHNN đã ban hành Chỉ thị số 01/CT-NHNN ngày 13/02/2014 đặt ra mục

tiêu, nhiệm vụ điều hành CSTT chủ động, linh hoạt, phối hợp chặt chẽ với CSTK nhằm

109

kiểm soát lạm phát theo mục tiêu đề ra, ổn định kinh tế vĩ mô, hỗ trợ tăng trưởng kinh tế ở

mức hợp lý, bảo đảm thanh khoản của các TCTD và toàn nền kinh tế. Như vậy, lạm phát và

ổn định kinh tế vĩ mô vẫn là các mục tiêu được quan tâm hàng đầu bên cạnh việc hỗ trợ tăng trưởng kinh tế ở mức hợp lý.

Định hướng điều hành CSTT năm 2014 dường như có dấu hiệu nới lỏng hơn so với

năm trước thông qua các chỉ tiêu về tăng trưởng tín dụng và tổng phương tiện thanh toán cao hơn so với 2013 khoảng 2%. Diễn biến thuận lợi trong cán cân thanh toán và tác động

tích cực của chính sách chống đô la hóa, cung ngoại tệ trong nền kinh tế vượt xa cầu ngoại

tệ. Để duy trì mục tiêu giữ ổn định tỷ giá, NHNN đã cung ra một lượng tiền lớn để mua vào

ngoại tệ bổ sung cho quỹ dự trữ ngoại hối, qua đó đưa dự trữ ngoại hối tăng lên mức kỷ lục khoảng 35 tỷ USD từ cuối quý 2/2014. Song song với việc tăng cường dự trữ ngoại hối

nhằm nâng cao khả năng bình ổn thị trường ngoại tệ và tránh tạo ra áp lực gia tăng lạm phát,

NHNN cũng kịp thời rút bớt tiền về thông qua hoạt động phát hành tín phiếu NHNN. Năm

2014, giá trị tín phiếu phát hành chiếm tỷ trọng 89% và giá trị cho vay qua mua GTCG chiếm 11% tổng khối lượng NHNN can thiệp vào thị trường tiền tệ. Tỷ lệ này trong cùng kỳ năm 2013 tương ứng ở mức 60% và 40% và trong cùng kỳ 2012 ở mức 21% và 79%.

Song hành với việc theo sát diễn biến lạm phát, NHNN cũng đã vận hành khá hiệu

quả công cụ lãi suất để điều tiết thanh khoản, bảo đảm ổn định thị trường tiền tệ, hỗ trợ

doanh nghiệp sản xuất kinh doanh, từ đó thúc đẩy tăng trưởng GDP. Trong năm 2014,

NHNN đã phối hợp điều hành hài hòa lãi suất theo cả hai biện pháp gián tiếp và trực tiếp trên cơ sở thống nhất nguyên tắc bảo đảm lãi suất thực dương và lợi ích của người gửi tiền.

- Về biện pháp trực tiếp: ngày 18/03/2014, NHNN đã điều chỉnh giảm đồng loạt lãi suất tái cấp vốn, lãi suất tái chiết khấu từ mức 7% và 5% của năm 2013 về còn 6,5% và

4,5% trong khi trần lãi suất tiền gửi bằng VND được điều chỉnh giảm từ 7% xuống 6% và

tiếp tục giảm xuống còn 5,5% vào ngày 29/10/2014. Ngoài bảo đảm lãi suất thực dương, với

khoảng cách giữa các lãi suất điều hành trên, NHNN chủ động sử dụng lãi suất tái cấp vốn và tái chiết khấu để hỗ trợ các NHTM cho vay và các lĩnh vực được Chính phủ ưu tiên với

mức lãi suất giảm từ 0,5 - 1% so với mức lãi suất phổ biến của thị trường. Đồng thời,

NHNN còn quy định trần lãi suất cho vay bằng tiền đồng là 8% từ ngày 18/03/2014 và giảm xuống còn 7% từ ngày 29/10/2014 đối với năm lĩnh vực ưu tiên. Việc sử dụng biện pháp

trực tiếp này đã hướng dòng vốn tín dụng vào khu vực kinh tế mà Việt Nam thực sự có lợi thế so sánh.

- Về biện pháp gián tiếp: Thông qua hệ thống lãi suất điều hành và hoạt động mua bán kỳ hạn GTCG, NHNN điều tiết lãi suất và hỗ trợ thanh khoản trên thị trường liên ngân hàng, qua đó tác động tới lãi suất dòng vốn ra nền kinh tế bên cạnh việc tạo lập sự ổn định trên thị trường nội tệ.

110

Đối với công cụ tỷ giá, ngay từ đầu năm 2014, NHNN đã chủ trương giữ ổn định tỷ

giá và nếu phải điều chỉnh thì sẽ không quá 2%. Để góp phần hỗ trợ xuất khẩu trong 6 tháng

cuối năm, qua đó hỗ trợ tăng trưởng kinh tế theo mục tiêu đã đề ra, ngày 19/06/2014,

NHNN điều chỉnh tăng 1% tỷ giá bình quân liên ngân hàng, tỷ giá giao dịch của các NHTM dần ổn định ở mặt bằng mới. Tính đến ngày 12/12/2014, tỷ giá USD/VND liên ngân hàng đạt mức 21.126, không đổi kể từ ngày 19/06/2014, thấp hơn 0,6% so với trần tỷ giá.

Ngoài ra, NHNN cũng tích cực sử dụng công cụ nghiệp vụ thị trường mở trong điều

hành mức cung tiền một cách nhịp nhàng để hỗ trợ và đảm bảo thanh khoản ở mức hợp lý,

hạn chế sự dịch chuyển của dòng tiền, đặc biệt vào thời điểm tỳ giá có biến động và thanh khoản hệ thống dư thừa.

Với việc thực thi các công cụ trên, CSTT đã có đóng góp quan trọng trong việc duy

trì ổn định kinh tế vĩ mô, hỗ trợ tăng trưởng, kiểm soát lạm phát (năm 2014, lạm phát chỉ ở mức 1,84%, thấp hơn nhiều so với mức đề ra 7% và là mức thấp kỷ lục trong khoảng hơn 10 năm kể từ 2014 trở về trước).

Năm 2015, trên cơ sở bám sát Nghị quyết của Quốc hội, Chính phủ và nhiệm vụ của

ngành Ngân hàng tại Chỉ thị số 01/CT-NHNN ngày 27/01/2015 về tổ chức thực hiện CSTT

và bảo đảm hoạt động ngân hàng an toàn, hiệu quả, NHNN đã triển khai đồng bộ và quyết

liệt các giải pháp điều hành CSTT nhằm mục tiêu kiểm soát lạm phát, ổn định kinh tế vĩ mô, hỗ trợ tăng trưởng kinh tế ở mức hợp lý, đồng thời bảo đảm an toàn hoạt động của các TCTD.

Với định hướng đó, NHNN duy trì ổn định trần lãi suất cho vay ngắn hạn bằng

VND, điều tiết thanh khoản của các TCTD hợp lý để tạo điều kiện giảm mặt bằng lãi suất.

Các TCTD trên cơ sở nhu cầu vốn của thị trường sẽ cân đối điều chỉnh giảm lãi suất cho

vay so với trần quy định, và do đó, mặt bằng lãi suất năm 2015 đã giảm mạnh. Lãi suất huy động giảm 0,2 - 0,5%/năm và hiện ở mức tương đối thấp, song niềm tin vào VND đã được

củng cố. Vì vậy, mặc dù mặt bằng lãi suất giảm, huy động vốn trong nền kinh tế vẫn tăng, tạo điều kiện để các TCTD cung ứng vốn tín dụng ra nền kinh tế.

Tỷ giá và thị trường ngoại tệ tiếp tục được giữ ổn định, qua đó củng cố niềm tin đối

với VND, tình trạng đô la hóa trong nền kinh tế tiếp tục giảm, các nhu cầu ngoại tệ hợp pháp của tổ chức, cá nhân đều được đáp ứng kịp thời và đầy đủ. NHNN đã linh hoạt điều

chỉnh tăng 3% tỷ giá bình quân liên ngân hàng và nới biên độ tỷ giá từ ±1% lên ±3% nhằm ứng phó với các tác động bất lợi từ thị trường tài chính quốc tế như sự kiện phá giá đồng nhân dân tệ của Trung Quốc và kỳ vọng điều chỉnh tăng lãi suất điều hành từ FED.

Những kết quả trên cho thấy trong 6 năm qua, NHNN đã thực hiện đồng bộ các giải pháp theo đúng chỉ đạo của Chính phủ và Nghị quyết của Quốc hội, giảm dần mặt bằng lãi suất cho vay, bình ổn được tỷ giá, bảo đảm thanh khoản của hệ thống các TCTD, góp phần

111

kiểm soát lạm phát, tháo gỡ đáng kể những khó khăn cho hoạt động sản xuất kinh doanh, hỗ trợ tăng trưởng kinh tế một cách hợp lý.

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

Vớ i mu ̣c tiê u điều hà nh củ a NHNN Việt Nam những nă m gần đâ y là ổ n đi ̣nh kinh tế vĩ mô , kiềm chế la ̣m phát, ổ n đi ̣nh tỷ giá và thi ̣ trườ ng ngoa ̣i hố i, cô ng tác phâ n tích, dự báo la ̣m phát giữ một vai trò quan tro ̣ng trong việ c cung cấp thô ng tin, dữ liệ u phâ n tích, tạo cơ sở đề xuất khuyến nghi ̣ thực thi CSTT trình Ban lãnh đa ̣o NHNN. Từ năm 2008 trở về trước, nhiệm vụ dự báo kinh tế vĩ mô – tiền tệ (trong đó có lạm phát) chủ yếu do Vụ Chính

sách tiền tệ và Vụ Chiến lược phát triển ngân hàng triển khai (Nguyễn Thị Hiền, 2015). Kể

từ năm 2009, công tác dự báo tiền tệ - ngân hàng bắt đầu mang tính chuyên sâu với việc Chính phủ ban hành Nghị định số 96/2008/NĐ-CP ngày 26/08/2008 quy định chức năng,

nhiệm vụ, quyền hạn và cơ cấu tổ chức của NHNN, trong đó có Vụ Dự báo, thống kê. Trên

cơ sở đó, Thống đốc NHNN lần lượt ban hành các Quyết định số 2851/QĐ-NHNN ngày

25/11/2008 và số 535/QĐ-NHNN ngày 23/03/2012 quy định về chức năng, nhiệm vụ và quyền hạn của Vụ Dự báo, thống kê. Theo đó, Vu ̣ Dự báo, thống kê là đơ n vi ̣ đươ ̣c NHNN giao nhiệ m vu ̣ chính dự báo la ̣m phát, bên cạnh Vụ Chính sách tiền tệ cũng triển khai hoạt động này phục vụ quản lý chuyên trách và tham mưu cho Ban lãnh đạo NHNN.

Dù cò n nhiều khó khă n và thách thức, song từ khi thành lậ p đến nay, Vu ̣ Dự báo, thống kê đã từ ng bướ c tạo lập và phát triển mộ t loạt cô ng cu ̣ phâ n tích đi ̣nh lươ ̣ng và dự báo la ̣m phát cho Việ t Nam từ đơn giản tới phức tạp, tạo cơ sở đưa ra kết quả dự báo CPI đi ̣nh kỳ cũng như lươ ̣ng hó a tác độ ng củ a các nhâ n tố đến diễn biến la ̣m phát. Trong số này, các lớ p mô hình chuỗi thờ i gian như ARIMA, VAR, SVAR và VECM được chú trọng đầu tư, nghiên cứu và đưa vào thực nghiệm phục vụ phâ n tích chính sách vĩ mô và dự báo la ̣m phát ứ ng vớ i từng ki ̣ch bản chính sách.

Trong khuôn khổ của Luận án, tác giả lựa cho ̣n trình bà y thực trạng ứng dụng lớp mô hình dự báo đơn biến ARIMA và các lớp mô hình đa biến là VAR và VECM - đây đều là các dạng thức đang được triển khai thường xuyên và đạt hiệu quả cao tại NHNN, có thể cập nhật dữ liệu liên tục và ước lượng được tác độ ng củ a các biến số vĩ mô đối với la ̣m phát, do đó đáp ứng tốt khả năng dự báo nhanh nhạy, chính xác cho người sử dụng. Như đã chỉ ra trong các nghiên cứu của Bùi Quốc Dũng (2014), xuất phát từ lý thuyết kinh tế ho ̣c và đặc thù riêng trong hoạt động tiền tệ – ngân hàng của Việt Nam, các nhóm tác nhân quyết định lạm phát được NHNN lựa chọn đưa vào mô hình VAR và VECM của NHNN gồm:

(i) Đa ̣i diệ n cho cung – cầu thi ̣ trườ ng: GDP, tổ ng mứ c bán lẻ hàng hó a, sản xuất

cô ng nghiệ p, xuất khẩu - nhậ p khẩu, nhậ p siê u, cán câ n thươ ng ma ̣i...

112

(ii) Đa ̣i diệ n cho CSTT: tổ ng phươ ng tiệ n thanh toán M2, tín du ̣ng của nền kinh tế (VND, ngoa ̣i tệ ), tổ ng tiền gử i (VND, ngoa ̣i tệ ), tiền dự trữ MR, lãi suất cho vay (VND, ngoại tệ)...

(iii) Đa ̣i diệ n cho chính sách tỷ giá: tỷ giá (tỷ giá bình quâ n liê n ngâ n hàng và tỷ giá

thi ̣ trườ ng tự do)...

(iv) Đa ̣i diệ n cho CSTT quố c tế: lãi suất hiệ u du ̣ng củ a FED (v) Đa ̣i diệ n cho thi ̣ trườ ng hàng hó a quố c tế: chỉ số giá hà ng hó a quố c tế, giá dầu,

chỉ số giá lươ ng thực – thực phẩm, chỉ số giá nă ng lươ ̣ng

(vi) Các biến giả về mù a vu ̣, thờ i điểm có sự thay đổ i về cấu trú c (khủ ng hoảng tài

chính...)

Trong khi đó, với mô hình ARIMA của NHNN, quá trình ước lượng thực nghiệm

hiện nay mới dừng lại ở việc tự hồi quy giá trị trong quá khứ của chuỗi CPI tổng thể dựa trên thủ tục Box-Jenkins. Kết quả dự báo thu được

2.3.2. Dữ liệu cho mô hình dự báo

Để vậ n hành tốt hệ thống mô hình kinh tế lươ ̣ng nó i chung và các lớ p ARIMA, VAR và VECM cho dự báo la ̣m phát nói riêng, cần phải thu thập đầy đủ dữ liệ u kinh tế vĩ mô và tiền tệ - ngân hàng theo tháng và quý. Tuy nhiê n, theo lý giải của Bùi Quốc Dũng (2014) và Nguyễn Đức Trung (2017), do đặ c thù thố ng kê Việ t Nam (đặ c biệ t là thố ng kê ngoài ngành ngâ n hàng), một số biến vĩ mô thường không sẵn có dữ liệu cho chuỗi thời gian dài liên tục, và để khắc phục khiếm khuyết này, cán bộ chuyên trách của Vụ Dự báo, thống kê có thể

tính toán và mô phỏng lại xu thế quá khứ của dữ liệu chỉ tiêu vĩ mô quan trọng dựa trên

tham chiếu về mặt kỹ thuật và phương pháp tính toán của các NHTW lớn trên thế giới như FED và BOJ.

Tóm lại, có thể khái quát về nguồn thu thập đầu vào cho mô hình dự báo của NHNN như sau: (i) số liệ u tiền tệ - ngân hàng được thu thậ p hoặc ước tính ta ̣i Vu ̣ Dự báo, thống kê - NHNN; (ii) số liệ u kinh tế vĩ mô Việt Nam đươ ̣c thu thậ p từ nguồ n Tổ ng cu ̣c Thố ng kê ; (iii) số liệ u gắn với khu vực nước ngoài đươ ̣c thu thậ p từ NHTW các nướ c, ADB và IMF. 2.3.3. Thực trạng ứng dụng mô hình dự báo tại Ngân hàng Nhà nước Việt Nam

2.3.3.1. Thực trạng ứng dụng mô hình ARIMA

Khi đề cập tới mục tiêu dự báo các biến số kinh tế nói chung và la ̣m phát nói riêng, ARIMA là phương pháp được ưa chuộng hơn cả do đây là lớp mô hình dễ sử du ̣ng, kết quả dự báo có độ chính xác cao, trừ trườ ng hơ ̣p môi trườ ng kinh tế vĩ mô có biến độ ng lớ n. Tại NHNN Việt Nam, việc thực nghiệm ARIMA cho mục tiêu dự báo lạm phát hiện nay mới dừng lại ở việc tự hồi quy các giá trị trong quá khứ của chuỗi CPI tổng thể. Theo đó, tiến

hành thủ tục Box-Jenkins trên chuỗi dữ liệu CPI theo tháng của Việt Nam giai đoạn 2005 – 2019, thông qua đánh giá các biểu đồ ACF và PACF, tác giả xác định cấu trúc mô hình tối

113

ưu có dạng ARIMA(1,1,6). Từ đó, luận án thu được kết quả dự báo trong mẫu (kèm đánh

giá mức độ sai số) dựa trên cách tiếp cận của NHNN (Phụ lục 2.1). Kết quả này được tham chiếu so sánh để đánh giá chất lượng dự báo mô hình ARIMA được phát triển ở Chương 3.

2.3.3.2. Thực trạng ứng dụng mô hình VAR

Tại NHNN Việt Nam, cấu trúc VAR sử dụng cho dự báo lạm phát theo tháng và quý

gồm biến CPI và các biến số tác động tới CPI, biến số trong nước, biến số đối ngoại, và có

thể kèm theo biến giả mùa vụ (Bảng 2.6) – trong đó, các chuỗi biến đều được logarit hóa, ngoại trừ biến lãi suất để ở dạng thông thường.

Bảng 2.6: Mô tả các biến trong mô hình VAR của NHNN

TT Biến số

Diễn giải

Nguồn

TT Biến số

Diễn giải

Nguồn

CPI

Chỉ số giá tiêu dùng

LENDING_R

Lãi suất cho vay nội tệ

IMF

TCTK

NHNN

OER

NRETAIL Tổng mức bán lẻ hàng hóa

(chưa loại trừ yếu tố giá)

Tỷ giá bình quân liên ngân hàng (trung tâm)

TCTK, NHNN

RGDP

Tổng sản phẩm quốc nội thực

NHNN

ER_FM

Tỷ giá thị trường tự do

Reuters

4 M2

Tổng phương tiện thanh toán

NHNN

11 OIL

Giá dầu thô thế giới

FED

CVND

Dư nợ tín dụng nội tệ

NHNN

FEDFUNDS

Lãi suất hiệu dụng FED

FED

CREDIT

NHNN

13 WCP

IMF

Tổng tín dụng của nền kinh tế

Chỉ số giá hàng hóa thế giới

7 MR

Tiền dự trữ

NHNN

Nguồn: Bùi Quốc Dũng (2014)

Do đặ c thù củ a mô hình VAR là cần phải ướ c lươ ̣ng nhiều hệ số , vớ i độ dài chuỗi trong vòng 15 năm (2005 – 2019), chỉ có tố i đa là 180 quan sát đố i vớ i mô hình tháng và 60 quan sát đố i vớ i mô hình quý, việ c lựa cho ̣n số trễ cho các mô hình ngoà i việ c dựa trê n kiểm đi ̣nh kỹ thuậ t cò n phải tính đến đặ c thù số liệ u Việ t Nam, từ đó có những điều chỉnh phù hợp để các kết quả dự báo đảm bảo tốt độ tin cậy. Cụ thể, các biến số tiền tệ đươ ̣c sử du ̣ng thay thế nhau trong các mô hình thực nghiệm. Riê ng trong mô hình tháng, biến tổ ng mứ c bá n lẻ hà ng hó a và di ̣ch vu ̣ được sử dụng để thay thế biến RGDP của mô hình quý (do khô ng có số liệ u tháng củ a GDP). Theo đó , tổng số cấu trúc VAR được NHNN thiết lập là 17 mô hình, bao gồm: 7 mô hình VAR với 3 biến nội sinh (Phụ lục 2.2) và 10 mô hình VAR

với 4 biến nội sinh (Phụ lục 2.3). Để đánh giá hiệu quả dự báo mô hình VAR, có thể áp dụng bộ tiêu chuẩn thống kê đo lường sai số gồm: RMSE, MAE, MAPE và hệ số Theil IC.

Do trọng tâm nghiên cứu thực nghiệm dự báo lạm phát của Luận án không bao hàm VAR, trong phần này, tác giả đưa ra các bình luận, đánh giá về thực tiễn ứng dụng VAR căn cứ theo kết quả dự báo lạm phát giai đoạn mẫu 2003 – 2012 của Bùi Quốc Dũng (2014) kết hợp tham vấn ý kiến chuyên gia Vụ Dự báo, Thống kê.

114

a. Đối với mô hình tần suất tháng

Từ bảng đánh giá, xếp hạng tổng quát mô hình VAR tần suất tháng của NHNN (xem

Phụ lục 2.4), có thể rút ra một số nhận xét sau:

(i) Các mô hình VAR có khả nă ng dự báo tươ ng đố i tốt, đặ c biệ t là VAR 4.7 và VAR 4.8 (thuộ c nhó m mô hình 4 biến nộ i sinh) cho mức sai số dự báo thấp nhất theo cả 4 tiê u chí. Vớ i kết quả dự báo tố t nhất thuộc về VAR 4.7, VAR 4.8 và VAR 3.4, có thể thấ y khi sử du ̣ng biến lãi suất cho vay nội tệ để đa ̣i diệ n cho CSTT, hiệu quả dự báo củ a VAR được cải thiện đáng kể.

(ii) Trong trườ ng hơ ̣p có 3 biến nộ i sinh, việ c sử du ̣ng biến tỷ giá cũng giúp cải thiện năng lực dự báo của VAR. Điều nà y chứng tỏ tầm quan trọng của cơ chế truyền dẫn CSTT qua kê nh tỷ giá cũng như hiệ u ứ ng trung chuyển tỷ giá đến la ̣m phát. Mặt khác, tác giả nhận thấy khô ng có nhiều khác biệ t về khả nă ng dự báo giữa các mô hình VAR khi lựa cho ̣n biến tỷ giá bình quâ n liê n ngâ n hà ng hoặ c biến tỷ giá thi ̣ trườ ng tự do.

(iii) Khi so sánh các biến đa ̣i diệ n cho CSTT trong mỗi mô hình, việ c đưa vào biến lãi suất cho vay nội tệ giúp mô hình đạt hiệu quả dự báo lạm phát tốt nhất khi so sánh vớ i mô hình sử dụng các biến đại diện tiền tệ khác. Kết quả xếp hạng các mô hình cò n la ̣i cho thấy biến đại diện tiền tệ tốt kết tiếp gồm: tiền dự trữ, M2, tín du ̣ng nội tệ và tổ ng tín du ̣ng của nền kinh tế. Điều nà y hà m ý việ c điều hành lãi suất cho vay nội tệ và lươ ̣ng tiền cung ứ ng củ a NHNN trê n cơ sở bám sát diễn biến thi ̣ trườ ng đã hỗ trơ ̣ khá tố t cho mục tiêu kiềm chế la ̣m phát.

b. Đối với mô hình tần suất quý

Từ bảng đánh giá, xếp hạng tổng quát mô hình VAR tần suất quý của NHNN (xem

Phụ lục 2.5), có thể rút ra một số nhận xét sau:

(i) Hiệu quả dự báo củ a mô hình được cải thiện khi sử du ̣ng biến lãi suất cho vay nội tệ và phát hiện nà y nhất quán vớ i kết luậ n củ a mô hình VAR theo tháng. Tuy nhiê n, kết quả dự báo củ a VAR tần suất quý cũng cho thấ y nă ng lực dự báo tốt củ a tín du ̣ng nội tệ, hàm ý việ c theo dõi, đánh giá diễn biến tín du ̣ng theo quý là hết sức quan trọng cho công tác dự báo giá tri ̣ trung bình củ a la ̣m phát. Trong khi đó, các biến tiền dự trữ, M2 và tổ ng tín dụng cho thấy hiệu quả dự báo kém hơ n.

(ii) Mặ c dù tỷ giá vẫn là một nhân tố quan trọng trong mô hình dự báo la ̣m phát, song có thể thấy, dự báo la ̣m phát sử du ̣ng dữ liệ u tỷ giá thi ̣ trườ ng tự do mang lại hiệu quả tốt hơn là sử dụng tỷ giá bình quân liên ngâ n hà ng (VAR 3.7 dự báo tốt hơ n VAR 3.6). Điều nà y có thể là do mức độ linh hoạt và khả năng phản ánh sát thực diễn biến thi ̣ trườ ng củ a tỷ giá tự do thể hiện rõ rệ t hơ n khi sử du ̣ng số liệ u quý.

(iii) Khi so sánh các chỉ tiê u đánh giá sai số dự báo, có thể thấy cù ng mộ t đi ̣nh da ̣ng VAR và nguồ n số liệ u, mô hình quý cho kết quả sai số dự báo ở mứ c thấp hơ n so vớ i mô

115

hình tháng. Theo lý giải của Bùi Quốc Dũng (2014), nguyên nhân có thể do các mô hình tháng cần phả i sử du ̣ng các chuỗi thay thế cho GDP, trong khi các chuỗi này gắn kết chưa thực sự chặt chẽ với biến độ ng GDP, và đồ ng thờ i việ c áp du ̣ng tần suất quý cũng giú p hạn chế độ nhiễu củ a dữ liệ u.

2.3.3.3. Thực trạng ứng dụng mô hình VECM

Mô hình VECM là da ̣ng khái quát hóa củ a mô hình VAR, đươ ̣c sử du ̣ng để khắ c phu ̣c những ha ̣n chế củ a mô hình VAR. Tại NHNN Việt Nam, mô hình VECM ban đầu được xây dựng nhằm phân tích cơ chế truyền dẫn CSTT lên lạm phát và tăng trưởng GDP dựa trên ý tưởng của Mishkin (1996), về sau được mở rộng cho mục đích dự báo diễn biến

lạm phát theo tháng và quý, song chất lượng dự báo với cấu trúc mô hình hiện tại vẫn còn nhiều hạn chế. Về lý thuyết, CSTT đươ ̣c truyền dẫn tớ i nền kinh tế thực theo 5 kê nh cơ bản: kê nh tín du ̣ng, kê nh lãi suất, kê nh tỷ giá, kê nh giá tài sản và kê nh kỳ vo ̣ng. Theo đó, mô hình VECM của NHNN Việt Nam được kết cấu như sau (xem Bảng 2.7):

Bảng 2.7: Định dạng cấu trúc VECM tần suất tháng/quý của NHNN

TT

Biến số

Diễn giải

Định dạng

Nguồn

Biến nội sinh

1.1 RRETAIL

TCTK, NHNN

Log

(tháng) Doanh số bán lẻ thực

1.2 RGDP

Tổng sản phẩm quốc nội thực

Log

NHNN

(quý)

Log

TCTK

Chỉ số giá tiêu dùng

CPI

Log

NHNN

Tín dụng của nền kinh tế

CREDIT

IMF

LENDING_R

Lãi suất cho vay VND

Log

NHNN

Tỷ giá bình quân liên ngân hàng

OER

Log

IMF

Chỉ số VN-Index

VNI

Biến ngoại sinh

Log

IMF

Chỉ số giá hàng hóa thế giới

7 WCP

Log

Fed St. Louis

Giá dầu thô thế giới

OIL

Log

Fed St. Louis

OUTPUT_US

Sản lượng công nghiệp Mỹ

Fed St. Louis

FEDFUNDS

Lãi suất FED

Số trễ

Số đồng tích hợp

Nguồn: Bùi Quốc Dũng và Hoàng Việt Phương (2014)

- Các biến trong nước đóng vai trò là biến nội sinh, gồm: (i) Khu vực kinh tế thực

gồm biến đại diện cho tăng trưởng kinh tế là doanh số bán lẻ thực (mô hình tần suất tháng) và GDP thực (mô hình tần suất quý), biến đại diện cho mức giá của nền kinh tế là chỉ số giá

tiêu dùng (CPI); (ii) Khu vực CSTT gồm: tín dụng của nền kinh tế đại diện cho kênh tín

116

dụng, lãi suất cho vay nội tệ bình quân đại diện cho kênh lãi suất, tỷ giá bình quân liên ngân hàng đại diện cho kênh tỷ giá và chỉ số VN-Index đại diện cho kênh giá tài sản.

- Các biến nước ngoài đóng vai trò là biến ngoại sinh: Mô hình chỉ xem xét một số

biến đại diện cho kinh tế quốc tế đã được nhiều nghiên cứu trước chứng minh là có tác động

mạnh và trực tiếp tới kinh tế Việt Nam nhằm cải thiện chất lượng dự báo của mô hình, đó

là: chỉ số giá hàng hóa thế giới theo tính toán của IMF, giá dầu thế giới, sản lượng công nghiệp Mỹ và lãi suất hiệu dụng của FED.

Với chuỗi dữ liệu sẵn có trong giai đoạn 2005 – 2019, tác giả thử nghiệm dự báo lạm phát trong mẫu theo tháng và quý dựa trên cấu trúc mô hình chỉ định của NHNN và thu được kết quả dự báo và mức sai số như ở Phụ lục 2.6 và Phụ lục 2.7.

Về nguyê n tắc, kết quả các phép đo sai số dự báo càng nhỏ thì chất lươ ̣ng dự báo của mô hình cà ng tốt. Như vậ y, nếu xét theo các tiê u chí này thì kết quả trê n cho thấy nă ng lực dự báo la ̣m phát củ a mô hình VECM được áp dụng tại NHNN dù chưa thực sự xuất sắc nhưng có thể chấp nhậ n đươ ̣c do các tiê u chuẩn thố ng kê đều ở mứ c chấp nhận được. Khi so sá nh kết quả dự báo la ̣m phát trong mẫu theo tháng vớ i diễn biến la ̣m phát thực tế trong giai đoa ̣n 2005 – 2019 ta ̣i Phụ lục 2.6, tác giả nhậ n thấy mô hình mặ c dù đã dự báo tươ ng đố i chính xác về xu hướ ng biến động giá cả, song kết quả dự báo chưa thực sự sát với thực tế: mức sai biệt khá cao được ghi nhận tại năm 2008, giai đoạn 2010 – 2012 và 2016 – 2018.

Kết quả sai số dự báo đố i vớ i biến CPI từ mô hình tần suất quý thấp hơn hẳn so với mô hình tần suất tháng, chứng tỏ chất lươ ̣ng dự bá o la ̣m phát theo quý tốt và ổn định hơn so vớ i mô hình tần suất tháng. Điều này có thể đươ ̣c lý giả là do biến sử du ̣ng biến GDP thực giú p cho mô hình tần suất quý ổ n đi ̣nh hơ n và phản á nh chính xác hơn bản chất so với mô hình thá ng sử du ̣ng biến doanh số bán lẻ thực là đa ̣i diệ n cho GDP thực theo tháng. Quan sát Phụ lục 2.7 có thể thấy kết quả dự báo la ̣m phát trong mẫu bám khá sát diễn biến la ̣m phát thực trong giai đoa ̣n nghiên cứu, ngoa ̣i trừ mộ t số quý bi ̣ chệ ch khá lớ n là Q3/2008, Q4/2010 và Q3/2011. Giải thích hiện tượng này, Bùi Quốc Dũng (2014) cho rằng đâ y là giai đoa ̣n la ̣m phát củ a Việ t Nam diễn biến bất thườ ng, liê n tu ̣c tă ng cao trong bố i cảnh giá cả hàng hó a thế giớ i và giá dầu thô suy giả m. Điều này lý giải thêm rằng kết quả dự báo thấp hơ n hẳn mức la ̣m phát thực tế do sự đố i nghi ̣ch đá ng kể về xu hướ ng và cũng chứ ng tỏ la ̣m phát cao trong nă m 2011 bắt nguồ n từ trong nướ c chứ khô ng phải từ diễn biến giá cả quố c tế.

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

Kết quả dự báo lạm phát thu được ở trên sẽ trở thành đầu vào cho quá trình xây dựng kịch bản chính sách, thông qua đó NHNN có thể phân tích đầy đủ hơn diễn biến nền kinh tế khi áp dụng các chính sách khác nhau, cũng như đánh giá lại hoạt động quá khứ với

117

giả định chính sách đã được áp dụng theo một hướng khác.1 Từ đó, có thể thấy công cụ này giữ một vai trò hết sức quan trọng không chỉ với nhà làm chính sách của NHNN nói riêng,

mà nó còn mang lại nhiều thông tin hữu ích và hàm ý có giá trị cho công tác hoạch định

chính sách vĩ mô của các cơ quan chuyên trách và Chính phủ. Cụ thể hơn, mục tiêu chính của việc xây dựng mô hình nhằm cung cấp thông tin và tham mưu cho Chính phủ và Thống

đốc NHNN trong công tác hoạch định và ban hành các chính sách kinh tế vĩ mô, đặc biệt là

CSTT trong ngắn và trung hạn. Các giả định kịch bản khác nhau về thay đổi chính sách được xem xét để đo lường mức độ phản ứng của nền kinh tế ứng với từng kịch bản đưa ra.

Xây dựng kịch bản chính sách dựa trên mô hình đa biến chứa đựng cả biến ngoại

sinh nhìn chung là khá phức tạp vì bên cạnh việc mô phỏng xu thế tương lai của các biến số đại diện cho CSTT theo định hướng đã có, việc xác định một cách tin cậy giá trị tương lai

của biến ngoại sinh trong mô hình là điều kiện tiên quyết. Điều này có thể được thực hiện

thông qua một mô hình khác mà các biến số này trở thành biến nội sinh. Như vậy, thực chất

việc dự báo được thực hiện thông qua một hệ thống các mô hình kinh tế lượng mà trong hệ thống này, một biến giữ vai trò nội sinh trong mô hình này nhưng lại là ngoại sinh tại mô

hình khác. Ngoài giải pháp mô hình hóa, giá trị dự báo biến ngoại sinh cũng có thể được

trích xuất từ một số nguồn báo cáo đáng tin cậy, ví dụ: dự báo giá dầu thô thế giới từ Cơ

quan Quản lý thông tin Năng lượng Mỹ (EIA), dự báo lãi suất hiệu dụng của FED từ các phát ngôn chính thức và dự báo của các thành viên điều hành thị trường mở tại tổ chức này;

dự báo tăng trưởng GDP, lạm phát, giá cả hàng hóa thế giới (gồm cả giá lương thực) xuất

phát từ các báo cáo của IMF… Do đây là các biến số đối ngoại ngoài nền kinh tế Việt Nam, dự báo do các tổ chức quốc tế công bố có lẽ vẫn là cơ sở tham khảo hữu ích nhất.

2.4.2. Xây dựng báo cáo phân tích phục vụ tham mưu Ban lãnh đạo Ngân hàng Nhà nước

Sau khi đã có kết quả dự báo CPI cho giai đoạn tới, một số nhận định và bình luận

ban đầu về xu hướng lạm phát trong tương lai dựa trên phân tích thay đổi về kinh tế vĩ mô, động thái mới của Chính phủ trong điều hành CSTK và CSTT, tác động của môi trường

kinh tế trong và ngoài nước ở quá khứ và hiện tại cần được dự báo viên của NHNN làm rõ

và báo cáo tới các cấp lãnh đạo. Ngoài ra, những hệ quả tiềm tàng của xu thế biến động lạm phát được dự báo đối với toàn nền kinh tế cũng như tới từng lĩnh vực hoạt động cũng sẽ

1 Phân biệt với "kịch bản cơ sở" - việc sử dụng các tham số đã được ước lượng từ mô hình dựa trên một mẫu dữ liệu trong quá khứ để tính toán (ngoại suy) giá trị của các chỉ tiêu cần dự báo trong tương lai mà chưa tính đến bất kỳ một điều chỉnh chính sách nào (Bùi Quốc Dũng, 2014). Theo đó, dự báo cơ sở mới chỉ dừng lại ở việc giúp nhận diện diễn biến nền kinh tế trong bối cảnh giả định chính sách không đổi so với quá khứ.

được nhận diện cụ thể để từ đó NHNN nghiên cứu đưa ra các sách lược điều hành thích hợp gắn với các mục tiêu trung gian và mục tiêu hoạt động.

118

Kết quả đánh giá, phân tích sẽ được tổng hợp trong một báo cáo kết quả chính thức

gửi lãnh đạo cấp cao của NHNN để tham mưu cho việc ra quyết sách điều hành CSTT quan

trọng. Báo cáo kết quả dự báo là sản phẩm đầu ra của nhóm dự báo trong đó trình bày

những yếu tố đầu vào của quá trình dự báo, kết quả dự báo (gồm số liệu, bảng biểu, hình vẽ) kết hợp với phân tích, đánh giá, nhận định dựa trên các kết quả tính toán đó. Từ những kết

quả dự báo đó, nhóm dự báo có thể đưa ra các đề xuất, khuyến nghị đối với việc điều hành

chính sách tiền tệ hoặc các chính sách vĩ mô khác (Nguyễn Đức Trung, 2017). Về mặt cấu trúc nội dung, báo cáo này chứa đựng 5 mục chính như sau: (1) Môi trường bên ngoài; (2) Hoạt động kinh tế; (3) Diễn biến giá cả; (4) Tiền tệ - tín dụng; (5) Tình hình tài khóa. Về mặt quy trình, việc thực hiện báo cáo dự báo thường được tiến hành hàng quý, song nhóm

dự báo vẫn phải thường xuyên liên tục cập nhật thông tin có khả năng tác động lên kết quả

dự báo như: chủ trương, chính sách vĩ mô và tiền tệ tác động đến các biến số trong mô hình, đối tượng dự báo trong từng giai đoạn; biến động của môi trường trong và ngoài nước; các yếu tố định tính khác (ví dụ: tâm lý và kỳ vọng của thị trường) ...

2.4.3. Tham chiếu cho việc thiết lập và điều chỉnh mục tiêu lạm phát

Cam kết mục tiêu lạm phát và mức độ hiện thực hóa cam kết này có lẽ là thước đo minh bạch và chính xác nhất để đánh giá năng lực hoạt động và hiệu quả điều hành CSTT

của NHTW (Phí Trọng Hiển, 2005). Hàng năm, dựa trên kết quả dự báo các chỉ tiêu kinh tế

vĩ mô và tiền tệ - ngân hàng theo các kịch bản định sẵn (trong đó có chỉ tiêu về lạm phát)

kết hợp với những phân tích, đánh giá về bối cảnh nền kinh tế, hiệu quả điều hành CSTT và thực tiễn hoạt động ngành Ngân hàng, NHNN sẽ tính toán, đề xuất một ngưỡng mục tiêu

lạm phát nhằm vừa làm định hướng cho điều hành CSTT trong thời gian tới, đồng thời sử

dụng ngưỡng này để tham mưu Chính phủ và Quốc hội xem xét, quyết định về chỉ tiêu lạm

phát trong nhóm mục tiêu phát triển kinh tế - xã hội hàng năm. Ngưỡng mục tiêu lạm phát này có thể được điều chỉnh cập nhật và báo cáo định kỳ hàng quý, 6 tháng và hàng năm.

- Về tầm nhìn mục tiêu (khoảng thời gian mà Việt Nam có thể đạt và duy trì mục tiêu đã đề ra): tuỳ vào hiện trạng của nền kinh tế trong từng giai đoạn và tham vọng mục tiêu CSTT hướng tới, tầm nhìn trung hạn cho việc ổn định lạm phát có thể dao đồng từ 12 – 24

tháng. Ngoài ra, Phí Trọng Hiển (2005) cũng lưu ý việc xác định tầm nhìn mục tiêu của lạm phát cũng phụ thuộc vào cả tỷ lệ lạm phát tại thời điểm bắt đầu công bố mục tiêu.

- Về chỉ số giá cả dùng làm căn cứ tính toán lạm phát: Hiện nay, chỉ số CPI vẫn là thước đo nền tảng phục vụ việc tính toán ngưỡng mục tiêu lạm phát do tính phổ cập rộng rãi và mức độ công bố thường xuyên của nó. Trong tương lai (từ 2022 trở đi), NHNN dự kiến sẽ mở rộng công bố thêm một số ngưỡng lạm phát gắn với CPI loại trừ một số yếu tố đặc thù (chỉ số lạm phát cơ bản).

- Về biên độ cho phép đối với ngưỡng mục tiêu: Nhìn vào ngưỡng lạm phát mục tiêu, có thể phần nào đoán định được ý đồ cũng như định hướng điều hành của NHTW. Về

119

góc độ lý thuyết, ổn định giá cả thường gắn kết với mục tiêu lạm phát zero, song trên thực

tế, đa số các NHTW nghiêng về nhận định ổn định giá cả được thiết lập khi nền kinh tế đạt

mức lạm phát “không cao”, trong khoảng 2 - 3%/năm. Thực tiễn điều hành CSTT tại nhiều

quốc gia cho thấy ở ngưỡng lạm phát này, nền kinh tế có khả năng thoát khỏi tình trạng suy thoái cũng như tạo sự thay đổi cần thiết đủ để thúc đẩy trở lại sản xuất kinh doanh. Trong

bối cảnh hiện tại, ngưỡng lạm phát mục tiêu mà NHNN Việt Nam hướng tới nằm trong biên độ 3 – 3,5%.

2.5. ĐÁNH GIÁ CHUNG VỀ ỨNG DỤNG MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM

2.5.1. Kết quả

Giai đoạn 2000 - 2019, công tác phát triển và vận hành các lớp mô hình kinh tế

lượng dự báo lạm phát tại NHNN Việt Nam không ngừng được hoàn thiện và từng bước được đổi mới trong các khâu xây dựng cơ sở dữ liệu, lựa chọn biến số, chỉ định cấu trúc mô

hình và đánh giá chất lượng mô hình. Theo đó, mục tiêu cuối cùng mà hoạt động dự báo

hướng đến là hỗ trợ tham mưu lãnh đạo cấp cao của NHNN trong việc ra quyết sách quan

trọng trong điều hành CSTT, bên cạnh việc cung cấp tham chiếu cho việc thiết lập ngưỡng mục tiêu lạm phát trình Chính phủ xem xét trong từng thời kỳ.

Xuất phát điểm từ phương pháp dự báo thông dụng song kỹ thuật thống kê còn đơn giản, sau 20 năm nghiên cứu và học hỏi kinh nghiệm các nước, hệ thống công cụ định lượng

phục vụ dự báo lạm phát hiện nay của NHNN ngày càng đa dạng và phong phú, trong đó

nổi bật là lớp mô hình chuỗi thời gian đơn biến (ARIMA) và đa biến (VAR và biến thể của VAR), bên cạnh kế hoạch hướng tới phát triển lớp mô hình kinh tế lượng vĩ mô và mô hình

cân bằng động học ngẫu nhiên tổng quát (DSGE) trong tương lai. Ngoài dự báo biến số vĩ

mô trong điều kiện thông thường, các công cụ này cũng rất hữu dụng cho mục đích phân

tích chính sách và dự báo theo các kịch bản chính sách chỉ định. Theo thời gian, mức độ hoàn thiện và năng lực dự báo của các lớp mô hình tại NHNN ngày càng được nâng lên, qua

đó đã hỗ trợ đắc lực cho công tác định hướng, hoạch định và điều hành CSTT. Có thể coi

đây là một trong những điểm sáng quan trọng xuất phát từ phía NHNN góp phần vào việc

thực hiện mục tiêu kiềm chế lạm phát, ổn định kinh tế vĩ mô, bảo đảm an sinh xã hội và phát triển bền vững. Minh chứng rõ rệt nhất cho nhận định trên thể hiện thông qua xu thế giảm

mạnh và hội tụ ổn định về mức thấp (dưới 4%) của biến động lạm phát tại Việt Nam (xem Hình 2.1).

2.5.2. Tồn tại

Trong bối cảnh hội nhập sâu rộng, yêu cầu phát triển các lớp mô hình dự báo (đặc

biệt về chiều sâu) tại NHTW ngày càng khắt khe và phức tạp để bắt kịp những bước tiến

mới của thời đại và thị trường. Theo đó, tác giả thấy rằng bên cạnh kết quả đạt được, công

120

tác xây dựng và vận hành mô hình dự báo lạm phát phục vụ điều hành CSTT của NHNN Việt Nam những năm qua còn bộc lộ một số tồn tại sau:

Thứ nhất, năng lực và chất lượng dự báo lạm phát của NHNN nhìn chung còn thấp so với những yêu cầu khắt khe của điều hành CSTT và quản lý, giám sát tiền tệ - ngân hàng

một cách chủ động, linh hoạt và hiệu quả. Mặc dù hệ thống mô hình dự báo hiện tại của

NHNN bước đầu đã đón định được xu thế của lạm phát và những nhân tố tác động chủ yếu, song kết quả dự báo trong trung, dài hạn còn chênh lệch khá lớn so với thực tế.

Thứ hai, dự báo trong ngắn hạn sử dụng mô hình ARIMA tại NHNN hiện nay mới dừng ở việc thực nghiệm trực tiếp với chuỗi CPI tổng thể, vì vậy hiệu quả dự báo thu được

chưa cao và hàm lượng thông tin tiên liệu còn thấp. Hơn nữa, với cách thức triển khai hiện

tại, nhu cầu xác định nguyên nhân chủ chốt và lượng hóa sự đóng góp của chúng vào biến

động chung của giá cả cũng khó đạt được. Giải quyết thấu đáo những tồn tại trên, kinh nghiệm của NHTW Macedonia và Philippines gợi ý việc thực nghiệm ARIMA trên dữ liệu

phân tổ chuỗi giá các nhóm hàng thành phần trong rổ CPI có thể là một phương án phù hợp dành cho NHNN.

Thứ ba, mặc dù cấu trúc mô hình dự báo đa biến (VAR và VECM) của NHNN đã bao quát khá toàn diện các kênh truyền dẫn cơ bản của CSTT, song nếu đánh giá chặt chẽ

hơn nữa từ giác độ tiếp cận kinh tế học cơ cấu và kinh tế học tiền tệ, một số điểm thiếu sót sau có thể được cân nhắc hiệu chỉnh:

(i) Từ phía cầu, kinh nghiệm thực hành dự báo tại các NHTW lớn trên thế giới và kết quả của các nghiên cứu trước đây (ví dụ: Ito và Sato, 2008; Bùi Quốc Dũng, 2014; Đặng

Thị Quỳnh Anh và cộng sự, 2019...) cho thấy mối quan hệ giữa tăng trưởng kinh tế và lạm

phát được phản ánh chính xác và rõ nét nhất thông qua nghiên cứu chỉ tiêu “chênh lệch sản

lượng” (đo lường sai biệt giữa sản lượng thực tế và sản lượng tiềm năng) thay vì doanh số bán lẻ thực hay giá trị sản xuất công nghiệp như đang được sử dụng tại NHNN.

(ii) Yếu tố lạm phát kỳ vọng vẫn chưa được xem xét trong cấu trúc thực nghiệm của NHNN, nguyên nhân có lẽ là do số liệu này vẫn đang trong quá trình nghiên cứu, đo lường thử nghiệm chứ chưa được công bố rộng rãi tại Việt Nam.

(iii) Trong mô hình VECM, việc NHNN mới chỉ xem xét tổng tín dụng của nền kinh

tế như một đại diện cho cú sốc CSTT tác động tới giá dường như chưa chuẩn xác và đầy đủ.

Về khía cạnh này, nghiên cứu của Bùi Quốc Dũng (2014) gợi ý có thể thay thế (hoặc bổ sung) chỉ tiêu M2 đưa vào mô hình bởi lẽ hiện nay, tăng trưởng M2 luôn được xem là mục tiêu điều hành hàng đầu của CSTT tại Việt Nam, và đồng thời M2 cũng phản ánh rõ nét hơn cả tác động của việc NHNN mở rộng (thắt chặt) cung tiền tới biến động giá cả thực tế tại Việt Nam.

(iv) Trong cấu trúc VECM hiện tại của NHNN, việc sử dụng tỷ giá bình quân liên ngân hàng (OER) có lẽ chưa thực sự phù hợp với nhịp phát triển năng động của kinh tế Việt

121

Nam, đặc biệt trong một thời kỳ dài trước khi NHNN công bố “tỷ giá trung tâm” kể từ tháng

1/2016, phản ứng điều chỉnh chỉ tiêu này thường chậm hơn khá nhiều so với diễn biến thực

trên thị trường. Thay vào đó, tác giả khuyến nghị NHNN có thể sử dụng các chỉ tiêu thay

thế khác có tính định hướng thị trường hơn, ví dụ như tỷ giá của NHTM hay tỷ giá thị trường tự do...

(v) Mô hình thực nghiệm VECM của NHNN dường như vẫn đang bỏ ngỏ các nhân tố chủ chốt về phía tổng cung tác động tới giả cả, ví dụ: tiền lương của nền kinh tế, chỉ số

giá nhập khẩu hay chỉ số giá sản xuất... Điều này có thể tác động tới kết quả phân tích thực

nghiệm mối quan hệ giữa các biến số vĩ mô và lạm phát, cũng như ảnh hưởng tới mức độ chính xác của dự báo, do đã bỏ ngỏ một kênh truyền dẫn quan trọng về mặt lý thuyết.

(vi) Đặc trưng mùa vụ chưa được tính tới trong các mô hình dự báo đa biến tại

NHNN Việt Nam. Theo đề xuất của tác giả, việc bổ sung biến giả mùa vụ gắn với các thời điểm giá cả biến động cao/thấp một cách bất thường trong năm (ví dụ: tết nguyên đán, các

tháng cuối của năm tài chính...) khi nghiên cứu một nền kinh tế Á Đông đặc thù Việt Nam là việc làm cần thiết.

2.5.3. Nguyên nhân của tồn tại

Thứ nhất, khuôn khổ pháp lý cho công tác dự báo lạm phát chưa hoàn thiện. Cho tới nay, mặc dù đã cho triển khai và đánh giá một số công trình nghiên cứu khoa học dưới dạng

đề tài, dự án và sổ tay gắn với dự báo lạm phát, NHNN vẫn chưa thể ban hành quy định về

nguyên tắc, quy trình dự báo, ứng dụng kết quả dự báo trong điều hành CSTT, cơ chế và hình thức trao đổi dữ liệu, liên kết và tích hợp kết quả dự báo giữa các đơn vị triển khai công tác dự báo ở trong và ngoài ngành ngân hàng.

Thứ hai, quá trình nghiên cứ u và phát triển thực nghiệ m mô hình dự báo ta ̣i NHNN phải đối mặt với khó khă n về dữ liệ u, cụ thể: (i) giai đoạn bao quát của dữ liệu chưa đủ dài (đa số các chỉ tiêu kinh tế vĩ mô – tiền tệ chỉ sẵn có dữ liệu kể từ năm 2000 trở đi); (ii) tần

suất thu thập các chuỗi dữ liệu kém đa dạng (đặc biệt, có khá nhiều chỉ tiêu kinh tế vĩ mô – tiền tệ quan trọng không thể tìm thấy chuỗi dữ liệu tháng/quý, ví dụ: các chỉ tiêu thuộc

chính sách tài khóa…); (iii) phương pháp tính toán, cách thức thu thập đối với một số chỉ

tiêu mới, phức tạp còn thiếu nhất quán, chưa được chuẩn hóa trong cả giai đoạn dài; (iv) chất lượng bộ dữ liệu chưa đảm bảo gắn kết chặt chẽ với bản chất chỉ tiêu và diễn biến thực

của chúng; (v) một số chỉ tiêu tiền tệ quan trọng chưa được cập nhật kịp thời và đầy đủ. Nguyễn Thị Hiền (2015) cũng lưu ý thêm, do hiện nay NHNN Việt Nam chưa thể triển khai báo cáo lạm phát định kỳ theo tháng/ quý/ năm như một số NHTW tiên tiến trên thế giới (ví dụ: BOE, FED, RBA...), việc tìm kiếm, tiếp cận số liệu chuyên sâu gắn với lạm phát là hết sức khó khăn. Thậm chí, trong các báo cáo đánh giá triển vọng kinh tế toàn cầu của World

Bank hay IMF, các số liệu của Việt Nam cũng chỉ được đề cập khá hạn chế. Những vấn đề căn cơ trên nếu không sớm được khắc phục sẽ ảnh hưởng không nhỏ tới năng lực dự báo

122

của các mô hình, kế hoạch nâng cấp hệ thống mô hình hiện đại trong thời gian tới, cũng như chất lượng khuyến nghị điều hành CSTT sau đó.

Thứ ba, đội ngũ nhân sự làm công tác phân tích, dự báo lạm phát còn thiếu về số lượng và chưa hoàn thiện về chuyên môn. Nguyễn Thị Hiền (2015) và Nguyễn Đức Trung

(2017) khẳng định việc phân tích, dự báo vĩ mô nói chung và dự báo lạm phát nói riêng đòi

hỏi một đội ngũ chuyên gia giàu kinh nghiệm công tác, có kiến thức sâu rộng về kinh tế vĩ mô, tiền tệ - ngân hàng và được trang bị đầy đủ nền tảng toán thống kê cũng như kỹ thuật về

lập trình và dự báo. Thực tế tại Vụ Dự báo, thống kê cho thấy, số lượng cán bộ chuyên trách

dự báo chỉ có 7 người, trong đó có 2 cán bộ trẻ mới được tuyển dụng, chưa có nhiều kinh

nghiệm công tác trong lĩnh vực tài chính - ngân hàng cũng như kiến thức sâu rộng về kinh tế vĩ mô. Một số cán bộ dù đã công tác nhiều năm song chưa qua đào tạo chuyên sâu về

phương pháp luận dự báo và kỹ thuật mô hình hiện đại, vì vậy mà kế hoạch phát triển hệ thống mô hình dự báo hiện đại của đơn vị này cũng gặp phải trở ngại nhất định.

Thứ tư, tiềm lực hạ tầng cơ sở và khả năng làm chủ công nghệ thông tin trong công tác dự báo của NHNN còn nhiều hạn chế. Bùi Quốc Dũng và Phạm Đức Anh (2016) cho

rằng sự phức tạp và mới mẻ trên phương diện kỹ thuật mô hình đòi hỏi các NHTW phải đầu tư rất lớn cho cơ sở hạ tầng, máy tính và trang thiết bị để có thể vận hành hiệu quả và phát

triển đồng bộ mô hình dự báo hiện đại. Tuy nhiên, hệ thống công nghệ thông tin hiện nay

của NHNN dường như chưa sẵn sàng để vận hành các phần mềm xử lý mô hình hiện đại và

phức tạp (ví dụ: Mathematica), chưa kể các phần mềm thống kê được sử dụng thường xuyên tại NHNN chưa được mua bản quyền (ví dụ: Eviews, Stata, Matlab…), dẫn tới sự thiếu ổn

định trong quá trình xử lý dữ liệu, thực nghiệm dự báo và đánh giá độ chính xác của kết

quả. Ngoài ra, khả năng sử dụng phần mềm trong phân tích, dự báo lạm phát của đội ngũ

chuyên trách còn thấp do hạn chế về trình độ ngoại ngữ, đơn vị chưa có kế hoạch đào tạo và phát triển nhân sự tập trung và thiếu vắng môi trường học hỏi lẫn nhau…

123

TÓM TẮT CHƯƠNG 2

Để tạo cơ sở thực tiễn cho việ c phát triển mô hình dự báo, Chương 2 của luận án trước tiên đã khái quát bức tranh la ̣m phát Việ t Nam với những gam màu khác nhau trong giai đoa ̣n 2000 – 2019. Giai đoa ̣n 2000 – 2007, la ̣m phát có chiều hướng tă ng trở lại sau thời kỳ đầu khá ổn định, đạt mứ c hai con số vào nă m 2007 (12,63%) bởi một số nguyên nhân: sự mở rộ ng tín du ̣ng và cung tiền, chi phí đẩy, tă ng chi tiêu chính phủ , cú số c cung do ảnh hưở ng di ̣ch cúm gia cầm năm 2003. Bước sang giai đoa ̣n 2008 – tháng 4/2012, la ̣m phát tă ng cao độ t biến, vượt ngưỡng 20% do cộ ng hưở ng củ a nhiều nguyên nhân: chi phí đẩy, tín du ̣ng, cung tiền, phá giá đồ ng VND, thâm hu ̣t NSNN và nơ ̣ công, chính sách quả n lý giá lỏ ng lẻo. Giai đoa ̣n tháng 5/2012 - 2019, la ̣m phát đươ ̣c kiềm chế ở mứ c một con số và khá ổ n đi ̣nh, trung bình dướ i 4% nhờ sự giảm ma ̣nh củ a tín du ̣ng và cung tiền, điều chỉnh giả m giá xă ng dầu do giá dầu thế giớ i giả m, tỷ giá và giá lươ ng thực, thực phẩm ổ n đi ̣nh. Trên thực tế, bên cạnh các áp lực gia tăng lạm phát, các nhân tố sau được kỳ vọng giúp ổn định giá cả: sự phát triển nă ng lực sản xuất, điều tiết giá cả hơ ̣p lý, xu hướ ng giảm củ a la ̣m phát vào cuố i nă m và không tă ng cao vào di ̣p lễ Tết. Bên cạnh đó, với mỗi giai đoạn biến động lạm phát, tác giả đã phân tích cụ thể cơ chế và thực trạng điều hành CSTT hướng tới mục

tiêu hàng đầu là kiểm soát lạm phát và thúc đẩy tăng trưởng, sau đó là các mục tiêu bổ trợ theo định hướng của Chính phủ.

Phần tiếp theo của Chương phân tích, đánh giá thực trạng phát triển mô hình dự báo

lạm phát cũng như việc ứng dụng chúng phục vụ điều hành CSTT tại NHNN Việt Nam.

Việc đánh giá đã chỉ ra một số tồn tại và nguyên nhân của tồn tại trong công tác ứng dụng mô hình dự báo tại NHNN. Cụ thể, những tồn tại chủ yếu gồm: (i) năng lực dự báo của

NHNN chưa đáp ứng được yêu cầu của điều hành CSTT và quản lý, giám sát tiền tệ - ngân

hàng; (ii) dự báo lạm phát ngắn hạn sử dụng mô hình ARIMA tại NHNN mới dừng ở việc thực nghiệm trực tiếp với chuỗi CPI tổng thể, vì vậy hiệu quả dự báo và hàm lượng thông

tin tiên liệu còn thấp; (iii) cấu trúc mô hình dự báo đa biến không còn phù hợp với bối cảnh

và nên được hiệu chỉnh, bổ sung. Về nguyên nhân của tồn tại: (i) khuôn khổ pháp lý cho

công tác dự báo chưa hoàn thiện; (ii) khó khăn về tiếp cận dữ liệu; (iii) hạn chế về số lượng và chất lượng nhân sự làm công tác phân tích, dự báo; (iv) hạn chế về tiềm lực cơ sở hạ tầng

và năng lực thích ứng công nghệ thông tin của cán bộ NHNN. Đây là tiền đề hữu ích cho việc đề xuất phương án hiệu chỉnh mô hình thực nghiệm ở Chương 3.

124

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

Tác giả sử du ̣ng mô hình ARIMA kết hợp phương pháp Box-Jenkins để dự báo la ̣m

phát tháng ta ̣i Việ t Nam trong ngắn hạn xuất phát từ những ưu điểm sau:

Thứ nhất, trong mọi trườ ng hơ ̣p, mô hình ARIMA cung cấp kết quả dự báo ngắn

ha ̣n đáng tin cậ y nhất trong các phươ ng pháp dự báo.

Thứ hai, mô hình ARIMA có phươ ng pháp luậ n đơ n giản, dễ sử du ̣ng, phù hơ ̣p vớ i

mu ̣c tiêu nghiên cứ u.

Thứ ba, tác giả mong muốn ho ̣c hỏ i, kế thừa kinh nghiệ m sử du ̣ng mô hình ARIMA trong dự báo la ̣m phát từ các nghiên cứ u trướ c đó, qua đó góp phần định hướng nâng cao hiệ u quả dự báo tại Việt Nam.

3.1.2. Mô tả dữ liệu

5.00

200.00

4.00

175.00

3.00

150.00

2.00

125.00

1.00

100.00

0.00

75.00

-1.00

50.00

1 m 5 0 0 2

8 m 5 0 0 2

3 m 6 0 0 2

5 m 7 0 0 2

7 m 8 0 0 2

2 m 9 0 0 2

9 m 9 0 0 2

4 m 0 1 0 2

6 m 1 1 0 2

1 m 2 1 0 2

8 m 2 1 0 2

3 m 3 1 0 2

5 m 4 1 0 2

7 m 5 1 0 2

2 m 6 1 0 2

9 m 6 1 0 2

4 m 7 1 0 2

6 m 8 1 0 2

1 m 9 1 0 2

8 m 9 1 0 2

0 1 m 6 0 0 2

2 1 m 7 0 0 2

1 1 m 0 1 0 2

0 1 m 3 1 0 2

2 1 m 4 1 0 2

1 1 m 7 1 0 2

CPI

Lạm phát (%mom)

Hình 3.1: Diễn biến CPI tổng thể của Việt Nam, 2005 – 2019

Trục trái: chỉ số CPI (2010=100); Trục phải: tỷ lệ lạm phát (% mom)

Nguồn: Tổng cục Thống kê (2020)

Đề tài sử dụng chuỗi số liệu CPI tần suất tháng từ 2005m1 – 2019m12. Đây là giai đoa ̣n bao hàm hai thờ i kỳ lạm phát đặc thù trong bố i cảnh nghiên cứ u: (i) giai đoa ̣n 2005 – 2007, la ̣m phát bắt đầu tă ng tốc sau một chu kỳ ổn đi ̣nh ở mứ c thấp; (ii) giai đoạn 2008 – 2012, lạm phát cao độ t biến, vượt ngưỡng 20% (so vớ i cùng kỳ), đặ c biệ t tại thờ i điểm tháng 8/2008 (28,35%) và tháng 8/2011 (23,03%). Để loa ̣i bỏ yếu tố mùa vu ̣ và tác độ ng củ a

125

các cú số c lớ n về la ̣m phát trong giai đoa ̣n 2005 – 2019, số liệu CPI theo tháng đươ ̣c quy đổ i về cùng một gố c (2010 = 100) dướ i da ̣ng chỉ số và được thu thập từ Tổ ng cu ̣c Thố ng kê.

Quan sát Hình 3.1, có thể nhận thấy xu thế tăng liên tục của CPI tổng thể qua các

năm với mức tăng cao đột biến vào các năm 2008 và 2011 do sức ép tăng giá dầu và giá

lương thực thế giới. Các năm còn lại, chỉ số này về cơ bản tăng khá ổn định. Trong quá trình

𝑚𝑜𝑚 =

thực nghiệm mô hình ARIMA, để có thể phân tích, đánh giá chính xác hơn diễn biến chỉ số giá trong ngắn hạn, tác giả sử dụng tỷ lệ lạm phát theo tháng (mom), được xác định theo công thức sau:

× 100 𝜋𝑡 𝐶𝑃𝐼𝑡 − 𝐶𝑃𝐼𝑡−1 𝐶𝑃𝐼𝑡−1

𝑚𝑜𝑚: tỷ lệ lạm phát theo tháng (%) ở thời điểm t;

Trong đó:

- 𝜋𝑡

- CPIt , CPIt-1: chỉ số giá tiêu dùng tại tháng t và (t - 1).

3.1.3. Thiết lập cấu trúc mô hình theo phương pháp Box-Jenkins

Để dự báo CPI tổ ng thể (đặt là biến CPI), tác giả tiến hành dự báo CPI tháng củ a 10 nhóm hàng hóa thành phần chính bao gồ m: hàng ă n và di ̣ch vu ̣ ă n uố ng (CPI1); đồ uố ng và thuố c lá (CPI2); may mặ c, mũ nón, giày dép (CPI3); nhà ở , điệ n, nướ c và vật liệu xây dựng (CPI4); thiết bi ̣ và đồ dùng gia đình (CPI5); Thuốc men và di ̣ch vu ̣ y tế (CPI6); Giao thông và bưu chính (CPI7); Giáo dục (CPI8); Văn hóa, giải trí và du li ̣ch (CPI9); Hàng hóa và di ̣ch vu ̣ khác (CPI10).

Tiến hành kiểm đi ̣nh nghiệ m đơ n vi ̣ theo phương pháp Augmented Dickey-Fuller (ADF) - tiêu chuẩn SIC và Phillips-Perron (PP), tác giả xác đi ̣nh đươ ̣c các chuỗi CPI1, CPI2, CPI3, CPI4, CPI5, CPI6, CPI7, CPI9, CPI10 dừng sai phân bậc nhất - I(1); riêng chuỗi CPI8 dừng sai phân bậc hai - I(2) (Phụ lục 3.1).

Để xác định p và q cho mô hình ARIMA, tác giả tiến hành lựa chọn thực nghiệm 156 phươ ng trình ứng vớ i 10 nhóm hàng hóa dựa trên quan sát biểu đồ tự tương quan và tương quan riêng phần với sự hỗ trợ của phần mềm Eviews 11. Bộ tiêu chí được sử dụng để lựa chọn cấu trúc mô hình dự báo tối ưu bao gồm: (1) độ nhiễu (σ2) của mô hình là nhỏ nhất; (2) R2 hiệu chỉnh đạt cực đại; (3) các chỉ tiêu thống kê AIC và SBIC đạt giá trị nhỏ nhất. Từ đó, tác giả thu được kết quả mô hình dự báo CPI đối với 10 nhóm hàng hóa thành phần và CPI tổng thể theo phươ ng pháp Box-Jenkins (mô hình ARIMA) như tại Phụ lục 3.2. Giá trị R2 hiệu chỉnh = 0,639 thu được hàm ý mô hình giải thích được 63,9% biến động của chuỗi CPI. Vì vậy, mô hình có chất lượng khá tốt và hoàn toàn thích hợp cho việc dự báo lạm phát trong ngắn hạn.

126

3.1.4. Kết quả dự báo

3.1.4.1. Kết quả dự báo CPI 10 nhóm hàng hóa và CPI tổng thể giai đoạn 2020m1 – 2020m3

Bảng 3.1: Dự báo CPI tổng thể và thành phần, 2020m1 – 2020m3 (% mom)

Thời gian

CPI tổng thể

CPI giáo dục

CPI đồ uống, thuốc lá

CPI nhà ở, điện nước, VLXD

CPI giao thông, bưu chính

CPI hàng ăn, dịch vụ ăn uống

CPI thiết bị, đồ dùng gia đình

CPI thuốc men, dịch vụ y tế

CPI hàng hóa, dịch vụ khác

2020m1

1.88

3.82

0.41

CPI may mặc, mũ nón, giày dép 0.46

0.82

0.25

2.00

0.76

1.50

CPI văn hóa, giải trí, du lịch 0.13

0.48

2020m2

1.39

2.88

0.62

0.35

0.66

0.32

0.65

0.95

-0.38

0.80

0.52

2020m3

0.72

1.14

0.16

0.20

0.67

0.28

0.63

0.53

0.81

0.22

0.26

Nguồn Tính toán của tác giả

3.1.4.2. Kết quả dự báo CPI tổng thể trong mẫu

Sử dụng mô hình ARIMA với chuỗi dữ liệu 2005m1 – 2019m9, kết quả kiểm định

độ tin cậy dự báo cho 3 tháng cuối năm 2019 so với thực tế như ở Bảng 3.2.

Bảng 3.2: CPI dự báo và thực tế theo nhóm hàng hóa, 2019m10 – 2019m12

Thời gian

CPI tổng thể

CPI giáo dục

CPI đồ uống, thuốc lá

CPI nhà ở, điện nước, VLXD

CPI giao thông, bưu chính

CPI hàng ăn, dịch vụ ăn uống

CPI thiết bị, đồ dùng gia đình

CPI thuốc men, dịch vụ y tế

CPI hàng hóa, dịch vụ khác

CPI văn hóa, giải trí, du lịch

CPI may mặc, mũ nón, giày dép

(1) Dự báo

2019m10

0.62

0.85

0.35

0.24

5.56

-0.52

-0.49

0.11

0.51

0.29

0.28

2019m11

1.04

1.19

0.78

0.20

2.53

0.96

3.11

0.21

0.33

0.22

0.26

2019m12

1.41

3.05

0.12

0.27

6.62

0.02

-2.18

0.28

0.40

0.44

2019m10

0.62

1.04

(2) Thực tế 0.52

0.08

0.04

0.99

0.19

0.11

0.17

0.07

0.04

2019m11

0.95

2.74

0.12

0.10

0.05

-0.73

0.04

0.03

0.16

0.12

0.21

2019m12

1.50

3.41

0.23

0.14

0.03

1.45

0.01

0.09

0.24

0.33

0.25

Nguồn Tính toán của tác giả

Biểu đồ mô tả chi tiết kết quả dự báo CPI trong mẫu đối với từng nhóm hàng hóa sử

dụng mô hình ARIMA được trình bày ở Phụ lục 3.3.

127

Bảng 3.3: Đánh giá hiệu quả dự báo CPI tổng thể, 2019m10 – 2019m12 (điểm %)

Thời gian Dự báo Thực hiện Sai số

2019m10 0,62 0,62 0

2019m11 1,04 0,95 -0,09

2019m12 1,41 1,50 0,09

Nguồn Tính toán của tác giả

Kết quả dự báo mô hình ARIMA cho thấy xu hướng trong ngắn hạn có sự thống

nhất cao với thực tiễn (trong khoảng thời gian 3 tháng với điều kiện không có sốc mạnh từ

bên ngoài) với mức sai số giảm hẳn so với cấu trúc ARIMA (1,1,6) được áp dụng tại NHNN

(Phụ lục 2.1). Bảng kết quả cũng cho thấy một số nhóm hàng hóa được dự báo khá sát với thực tiễn, cụ thể là các nhóm không chịu ảnh hưởng của chính sách quản lý giá như nhóm

thiết bị và đồ dùng gia đình; nhóm may mặc, mũ nón, giày dép; đồ uống và thuốc lá và hàng

hóa dịch vụ khác. Một số nhóm hàng hóa cơ bản chịu ảnh hưởng có tính chu kỳ và hàng hóa

chịu ảnh hưởng của chính sách quản lý giá của Nhà nước như: thuốc men và dịch vụ y tế; giáo dục; giao thông và bưu chính; hàng ăn và dịch vụ ăn uống, về cơ bản, được tác giả dự báo đúng xu hướng với mức sai số rất nhỏ trong khoảng cho phép (dưới 5%).

CPI hàng ăn, dịch vụ ăn uống

8.00

CPI đồ uống, thuốc lá

6.00

CPI may mặc, mũ nón, giày dép

4.00

CPI nhà ở, điện nước, VLXD

2.00

CPI thiết bị, đồ dùng gia đình

0.00

CPI thuốc men, dịch vụ y tế

-2.00

CPI giao thông, bưu chính

-4.00

CPI giáo dục

-6.00

CPI văn hóa, giải trí, du lịch

-8.00

CPI hàng hóa, dịch vụ khác

CPI tổng thể

1 m 8 1 0 2

2 m 8 1 0 2

3 m 8 1 0 2

4 m 8 1 0 2

5 m 8 1 0 2

6 m 8 1 0 2

7 m 8 1 0 2

8 m 8 1 0 2

9 m 8 1 0 2

1 m 9 1 0 2

2 m 9 1 0 2

3 m 9 1 0 2

4 m 9 1 0 2

5 m 9 1 0 2

6 m 9 1 0 2

7 m 9 1 0 2

8 m 9 1 0 2

9 m 9 1 0 2

1 m 0 2 0 2

2 m 0 2 0 2

3 m 0 2 0 2

0 1 m 8 1 0 2

1 1 m 8 1 0 2

2 1 m 8 1 0 2

0 1 m 9 1 0 2

1 1 m 9 1 0 2

2 1 m 9 1 0 2

Hình 3.2: Diễn biến CPI tổng thể và CPI thành phần, 2018m1 - 2020m3 (2020m1 - 2020m3 là số dự bá o; % mom)

Nguồn: Tổng cục Thống kê (2020)

Hình 3.2 và Bảng 3.2 cho thấy các nhóm mặt hàng thuốc men và dịch vụ y tế, giáo

dục, giao thông và bưu chính tăng cao và biến động mạnh nhất trong số 10 nhóm hàng hóa,

theo đó bám sát lộ trình điều chỉnh các mặt hàng này theo giá thị trường (phù hợp với thực tế giai đoạn 2018 – 2020). Trong 3 tháng cuối năm 2019 và dự báo 3 tháng đầu năm 2020, tính chu kỳ của việc tăng giá các nhóm hàng hóa này sẽ lặp lại, tuy nhiên, biên độ dao động

128

ngày càng được thu hẹp. Mặc dù chịu ảnh hưởng gần đây của việc tăng giá dầu, song mức

độ biến động của nhóm giao thông và bưu chính kể từ 2019m6 đến nay sẽ không còn quá

lớn. CPI của nhóm hàng ăn và dịch vụ ăn uống (trong đó có lương thực, thực phẩm) dự báo

cho các tháng đầu năm 2020 sẽ trải qua những đợt tăng mạnh, một phần do ảnh hưởng của dịch tả lợn châu Phi - nguồn cung thịt lợn giảm làm cho giá thịt lợn tăng, song nguyên nhân

chủ yếu xuất phát từ nhu cầu tiêu dùng lương thực, thực phẩm tăng mạnh trong dịp Tết

nguyên đán và kể từ thời điểm bùng phát dịch viêm phổi cấp do chủng mới của virus Corona (COVID-19) vào giữa tháng 1/2020.

3.1.4.3. Đóng góp của các nhóm hàng hóa trong CPI tổng thể

Bảng 3.4: Đóng góp của các nhóm hàng hóa trong CPI tổng thể (%) (giai đoạn 2020m1 - 2020m3 là số dự bá o)

Thời gian

CPI giáo dục

CPI đồ uống, thuốc lá

CPI nhà ở, điện nước, VLXD

CPI thuốc men, dịch vụ y tế

CPI giao thông, bưu chính

CPI hàng ăn, dịch vụ ăn uống

CPI thiết bị, đồ dùng gia đình

CPI văn hóa, giải trí, du lịch

CPI hàng hóa, dịch vụ khác

Quyền số

36.12

3.59

15.73

7.31

5.04

12.26

5.99

4.29

3.3

CPI may mặc, mũ nón, giày dép 6.37

Đóng góp của các nhóm hàng hóa trong CPI tổng thể (%)

0.34

2018m1

0.44

0.35

1.83

1.16

0.04

0.07

0.39

0.55

0.16

0.20

2018m2

1.54

0.75

0.06

0.78

0.02

0.72

0.75

-0.09

0.27

-0.17

2018m3

-0.63

-0.28

1.99

-0.77

0.02

-0.09

-0.10

-0.28

0.02

-0.02

2018m4

-0.17

-0.01

0.02

1.18

0.06

0.08

-0.02

0.18

0.09

0.08

2018m5

0.87

0.08

0.04

1.72

0.00

0.08

0.02

0.34

0.10

0.07

2018m6

1.08

0.09

0.03

1.04

0.11

0.13

0.03

0.65

0.03

0.11

2018m7

0.43

0.05

-5.85

-0.52

0.05

0.27

0.56

0.37

0.10

2018m8

0.87

0.11

0.02

0.13

0.46

0.18

0.13

0.45

0.10

0.11

2018m9

0.44

0.08

0.04

0.82

5.06

0.10

0.15

0.20

0.12

0.14

2018m10

0.22

0.03

1.55

0.58

0.10

0.09

0.31

0.11

0.26

2018m11

-0.15

0.07

0.01

-1.81

0.06

0.05

0.14

-0.65

0.08

0.43

2018m12

0.06

0.22

5.76

-4.88

0.00

0.03

0.23

-0.90

0.15

0.39

2019m1

0.66

0.69

0.01

-3.04

0.16

0.32

0.34

0.36

0.16

0.14

2019m2

1.73

0.34

0.01

0.16

-0.48

0.66

0.47

0.69

0.26

2019m3

-1.42

0.03

2.22

0.01

0.78

-0.07

-0.17

-0.03

-0.08

-0.04

0.06

2019m4

-0.57

0.07

0.01

4.29

0.05

0.09

0.15

0.61

0.10

0.12

2019m5

0.06

0.18

-0.06

2.63

0.05

0.10

0.13

1.28

0.11

0.14

2019m6

0.12

0.33

0.05

-1.73

0.23

0.20

0.15

-0.20

0.15

0.10

2019m7

0.33

0.13

0.01

-0.02

0.22

0.15

0.95

-0.04

0.07

0.09

2019m8

0.24

0.03

2.81

-0.46

0.58

-0.06

0.14

0.33

0.05

0.08

2019m9

0.56

0.06

-0.01

-1.24

3.14

0.07

0.24

0.12

0.13

0.07

2019m10

1.04

0.04

0.99

0.19

0.11

0.17

0.52

0.08

129

Thời gian

CPI giáo dục

CPI đồ uống, thuốc lá

CPI nhà ở, điện nước, VLXD

CPI thuốc men, dịch vụ y tế

CPI giao thông, bưu chính

CPI hàng ăn, dịch vụ ăn uống

CPI thiết bị, đồ dùng gia đình

CPI văn hóa, giải trí, du lịch

CPI hàng hóa, dịch vụ khác

2.74

0.21

CPI may mặc, mũ nón, giày dép 0.12

0.12

0.10

0.05

-0.73

0.04

0.03

0.16

2019m11

3.41

0.25

0.33

0.43

0.14

0.03

1.55

0.01

0.09

0.24

2019m12

3.82

0.41

0.46

0.82

0.25

2.00

0.76

1.50

0.13

0.48

2020m1

2.88

0.62

0.35

0.66

0.32

0.65

0.95

-0.38

0.80

0.52

2020m2

1.14

0.16

0.20

0.67

0.28

0.63

0.53

0.81

0.22

0.26

2020m3

Nguồn: Tính toán của tác giả.

Việ c dự báo chi tiết 10 nhóm hàng hóa trong rổ tính CPI còn cho phép đánh giá tác độ ng và mứ c đóng góp củ a các nhóm hàng thành phần tớ i CPI tổ ng thể. Cậ p nhậ t quyền số tính CPI (%) củ a 10 nhóm hàng hóa giai đoa ̣n 2015 – 2020, kết quả dự báo trong 3 tháng đầu năm 2020 cũng cho thấy nhóm hàng ă n và di ̣ch vu ̣ ă n uố ng; nhà ở , điệ n nướ c và vật liệu xây dựng; giao thông và bưu chính là 3 nhóm hàng hóa đóng góp chủ chốt (ảnh hưở ng lớ n nhất) vào CPI tổ ng thể trong các tháng 6, 7, 8 do ảnh hưở ng củ a việ c tă ng giá dầu và nhu cầu ă n uố ng (ă n uố ng ngoài gia đình) tă ng cao vào thờ i điểm nghỉ hè. Từ tháng 9 - 11/2019, CPI nhóm thuố c men và di ̣ch vu ̣ y tế và nhóm giáo du ̣c cũng có chiều hướng tă ng và ảnh hưở ng ma ̣nh hơ n tớ i CPI tổ ng thể, tuy nhiên tác độ ng củ a hai nhóm hàng này giảm dần khi bước sang tháng 12/2019. CPI của các nhóm hàng hóa khác tươ ng đố i ổ n đi ̣nh và có xu hướ ng tăng nhẹ như đồ uống và thuốc lá; may mặ c, mũ nón, giày dép; thiết bị và đồ dùng gia đình bưu chính viễn thông và hàng hóa di ̣ch vu ̣ khác. 3.2. ĐỀ XUẤT HOÀN THIỆN MÔ HÌNH VECM

3.2.1. Lí do lựa chọn mô hình

Tác giả lựa cho ̣n mô hình VECM để dự báo la ̣m phát theo tháng và quý trong trung

hạn bở i các lý do cơ bản sau:

Thứ nhấ t, về lý thuyết, mô hình hiệ u chỉnh sai số vector (VECM) là một dạng thức của mô hình hiệ u chỉnh sai số (ECM), song ưu việ t hơ n ECM ở chỗ nó đươ ̣c phát triển trên nền tảng lý thuyết củ a mô hình VAR và đồ ng thờ i cũng dựa trên lý thuyết về đồ ng tích hơ ̣p củ a các biến số .

Thứ hai, mô hình VECM là mộ t da ̣ng củ a mô hình VAR tổ ng quát, đươ ̣c sử du ̣ng trong trườ ng hơ ̣p dữ liệ u có tồ n ta ̣i chuỗi dữ liệ u là không dừ ng và chứ a đựng mố i quan hệ đồ ng tích hơ ̣p, nhờ đó có thể khắc phu ̣c đươ ̣c mộ t số nhươ ̣c điểm củ a mô hình VAR da ̣ng chuẩn: (1) Đo lườ ng hiệ n tươ ̣ng đồ ng tích hơ ̣p giữa nhiều biến trong mô hình, tránh đươ ̣c mộ t số lỗi củ a mô hình OLS thông thườ ng như hồ i quy giả mạo hoặ c tự tươ ng quan; (2) Nâng cao hiệ u quả và độ chính xác củ a dự báo.

130

Thứ ba, mô hình VECM có tích hơ ̣p cả yếu tố dài ha ̣n (cân bằ ng dài ha ̣n) giúp hiệ u chỉnh các biến độ ng ngắ n ha ̣n. Vì vậ y, nă ng lực dự báo củ a mô hình VECM về lý thuyết tốt hơ n hẳn so vớ i ECM và VAR. Vì vậ y, việ c sử du ̣ng mô hình này sẽ đảm bảo kết quả dự báo đáng tin cậ y, nhờ đó đáp ứ ng hiệ u quả yêu cầu nghiên cứ u.

Thứ tư , VECM là công cụ được ứng dụng khá phổ biến trên thế giớ i cũng như ta ̣i Việ t Nam để dự báo la ̣m phát trong trung ha ̣n. Theo đó, đề tài có thể ho ̣c hỏ i, tham khảo và phân tích kinh nghiệ m từ các nghiên cứ u trướ c đây nhằm tiếp tục cải tiến, nâng cao hiệ u quả dự báo củ a mô hình VECM. Các nghiên cứu nổi bật đã từng áp dụng thành công mô hình VECM phục vụ công tác dự báo biến số vĩ mô có thể kể đến: Võ Trí Thành và cộng sự (2001) vớ i mô hình VAR và ECM đánh giá mố i quan hệ giữa tiền tệ , CPI, tỷ giá và giá tri ̣ sả n lươ ̣ng công nghiệ p thực tế vớ i dữ liệ u từ nă m 1992 – 1999; Bùi Quố c Dũng và Hoàng Việ t Phươ ng (2014) sử du ̣ng mô hình VECM để dự báo CPI theo tháng và quý với dữ liệu nghiên cứu từ 2000 – 2013...

Quá trình thực nghiệm dự báo VECM được thực hiện theo các bước sau:

- Bướ c 1: Lựa chọn biến số và xác định cấu trúc dữ liệu. - Bước 2: Kiểm đi ̣nh nghiệ m đơ n vi ̣ (tính dừ ng) theo phươ ng pháp ADF và PP cho các chuỗi dữ liệ u ở dạng đơ n vi ̣ I(0) và sai phâ n bậc nhất I(1). Đâ y là điều kiệ n tiê n quyết để đả m bảo kết luậ n được đưa ra có ý nghĩa trong phâ n tích và dự báo chuỗi thờ i gian, đồng thờ i làm tă ng độ chính xác và tin cậ y củ a mô hình (Huỳnh Thi ̣ Cẩm Hà và cộ ng sự, 2014).

- Bướ c 3: Xác đi ̣nh độ trễ tố i ưu, kiểm đi ̣nh tự tươ ng quan củ a phần dư và sự ổ n đi ̣nh

củ a mô hình.

- Bướ c 4: Kiểm đi ̣nh mố i quan hệ dà i ha ̣n dựa trê n việ c xá c đi ̣nh sự tồ n ta ̣i củ a vector đồ ng liê n kết Johansen, từ đó xác đi ̣nh phươ ng trình đồ ng liê n kết và đánh giá tác động của các biến số.

- Bước 5: Áp dụng mô hình VECM để tiến hành dự báo lạm phát (trong mẫu và

ngoài mẫu), xây dựng các kịch bản và đánh giá chất lượng dự báo của mô hình.

3.2.2. Lựa chọn biến số và cấu trúc dữ liệu

Qua lược khảo nghiên cứu trước đây về các nhân tố tác động tới lạm phát, tác giả

tiến hành xây dựng mô hình dự báo VECM dựa trên sự kết hợp giữa giác độ tiếp cận kinh tế học cơ cấu và kinh tế học tiền tệ. Theo đó, lạm phát không chỉ dừng lại là hiện tượng tiền tệ do những méo mó trên thị trường tiền tệ trong nước, mà đây thực ra là hệ quả từ các tác nhân cầu kéo/chi phí đẩy (Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010). Theo nghiên cứu của Chhibber (1991) và một số công trình thực nghiệm gần đây gắn với nền kinh tế nhỏ, mở, tác giả phân tách mức giả cả chung thành hai cấu phần: (i) giá hàng hóa thương mại PT (giá hàng hóa, dịch vụ mà nước đó xuất khẩu hoặc nhập khẩu) và (ii) giá

131

hàng hóa phi thương mại PN (giá hàng hóa, dịch vụ được sản xuất và tiêu dùng trong nước). Mối quan hệ này được minh họa như sau:

logP = α logPT + (1 - α) logPN (0 < α < 1) (3.1)

Đối với hàng hóa thương mại, những thay đổi về giá phụ thuộc vào sự thay đổi của

giá hàng hóa quốc tế (logPF) và thay đổi về tỷ giá hiện tại (logE):

logPT = logPF + logE (3.2)

Đối với hàng hóa phi thương mại, giá cả được quyết định bởi tương quan giữa tổng

cung và tổng cầu tại thị trường trong nước. Cụ thể:

𝐷 = 𝐹 (𝑌, 𝑅, 𝑊, 𝐺 − 𝑇)

(i) Từ phía cầu: các nhân tố như thu nhập Y, lãi suất R, giá tài sản W, cán cân ngân sách (G - T) thay đổi có thể tạo ra dư cầu và tác động tới lạm phát. Do đó, chúng được đặt vào nhóm tác nhân lạm phát do cầu kéo.

(3.3) 𝑙𝑜𝑔𝑃𝑁

(ii) Từ phía cung: theo mô hình tăng giá chuẩn của Bruno (1979) và Gordon (1975), giá hàng hóa phi thương mại được xác định là hàm của chi phí lao động (WC), chi phí đầu vào (MC) (gồm các hàng hóa trung gian nhập khẩu và sản xuất trong nước) và sự tăng giá từ phía cung (MU) do thị trường không hoàn hảo. Các nhân tố này thuộc nhóm tác nhân chi phí đẩy, tác động lên lạm phát trong nước:

𝑆 = 𝛽1𝑀𝑈 + 𝛽2𝑊𝐶 + 𝛽3𝑀𝐶

(3.4) 𝑙𝑜𝑔𝑃𝑁

Trong đó, MU thể hiện sự tăng giá theo những thay đổi của nền kinh tế khi cầu vượt mức và bản thân điều này dẫn đến lượng tiền thực trên thị trường tiền tệ trong nước dư thừa

(Excess real money balances - EMB). Do có những khó khăn nhất định trong việc lượng hóa MU, nhiều học giả xem xét sử dụng thước đo thay thế là EMB. Trong đó: ΔEMB = F (MS, MD) = F (MS, Y, R, PE) (3.5)

Trong đó: MS và MD thể hiện cung và cầu tiền. Thị trường tiền tệ đạt trạng thái cân

bằng khi EMB = 0; Y, R, PE lần lượt là sản lượng, lãi suất và mức giá kỳ vọng.

Từ các phương trình (1) → (5), tác giả thu được dạng hàm tổng quát các nhân tố

quyết định lạm phát theo phương trình (6), được chia thành 4 nhóm chính sau: (i) giá của khu vực nước ngoài; (ii) tỷ giá; (iii) cầu kéo; (iv) chi phí đẩy.

ΔP = F [ΔPF, ΔE, ΔY, ΔR, ΔW, Δ(G - T), ΔPE, ΔMS, ΔWC, ΔMC] (3.6)

Trong đó, lạm phát kỳ vọng PE được xác định thông qua lạm phát trong quá khứ

(Fedderke và Schaling, 2005).

Đối với trường hợp của Việt Nam, quá trình lược khảo tài liệu của tác giả cho thấy hầu hết các nghiên cứu về lạm phát và dự báo lạm phát tại Việt Nam đều bỏ qua các yếu tố

từ phía cung trừ giá dầu thế giới, và trong một vài trường hợp là giá lương thực thế giới (đồng thời thường coi đây là các biến ngoại sinh). Trong khi đó, đã có không ít công trình trước đây nghiên cứu lạm phát tại khu vực các nước đang phát triển chỉ ra rằng các yếu tố từ

132

phía cung, điển hình như chỉ số giá nhập khẩu, chỉ số giá sản xuất và mức lương của nền

kinh tế mới tác động thực sự mạnh mẽ tới chỉ số giá cả (ví dụ: Đặng Thị Quỳnh Anh và

cộng sự, 2019; Ito và Sato, 2008; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010...).

Đồng thời, như đã trình bày, với mục tiêu chính là phân tích cơ chế truyền dẫn tác động từ CSTT tới diễn biến lạm phát và tăng trưởng GDP, cấu trúc mô hình dự báo VECM được áp

dụng tại NHNN hiện nay mới chủ yếu tập trung vào các nhân tố từ phía cầu. Việc bỏ qua

một số tác nhân chi phí đẩy theo khung phân tích ở trên phần nào khiến dạng thức này trong quá trình triển khai còn bộc lộ một vài hạn chế, đặc biệt là mức độ sai số còn cao.

Xuất phát từ khung phân tích mô hình kết hợp giữa cách tiếp cận kinh tế học cơ cấu

và kinh tế học tiền tệ, tham khảo cấu trúc mô hỉnh đang được sử dụng tại NHNN và khắc phục một số tồn tại của cấu trúc này như đã bàn luận ở mục 2.5.2, luận án đề xuất cấu trúc dự báo VECM hoàn thiện như sau:

Thứ nhất, về phía tổng cầu, thay vì sử dụng doanh số bán lẻ thực như trong cấu trúc mô hình VECM của NHNN hay giá trị sản xuất công nghiệp như trong một số nghiên cứu

lạm phát trước tại Việt Nam (ví dụ: Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010; Nguyễn Duy Sữu, 2017...), luận án sử dụng biến chênh lệ ch sản lươ ̣ng. Dựa trên định luật Okun, khi sản lượng thực tế vượt sản lượng tiềm năng (chênh lệch sản lượng ở trạng thái

dương), tức là tỷ lệ thất nghiệp thực tế thấp hơn tỷ lệ thất nghiệp tự nhiên, áp lực gia tăng

lạm phát sẽ xuất hiện. Ngược lại, sản lượng thực tế thấp hơn sản lượng tiềm năng (trạng thái chênh lệ ch sản lươ ̣ng âm) có thể tạo ra áp lực giảm đối với la ̣m phát giá. Nhiều công trình có liên quan trước đây (ví dụ: Ito và Sato, 2008; Bùi Quốc Dũng, 2014; Đặng Thị Quỳnh Anh và cộng sự, 2019) cũng đồng tình quan hệ la ̣m phát - tă ng trưở ng đươ ̣c phản ánh chính xác nhất thông qua mối tương quan giữ a la ̣m phát và chênh lệ ch sản lươ ̣ng củ a nền kinh tế.

Thứ hai, đối với biến lạm phát kỳ vọng, vì số liệu này vẫn chưa được đo lường và công bố chính thức cho Việt Nam, tác giả quyết định sử dụng chuỗi lạm phát trong quá khứ

để biến báo cho chỉ tiêu này theo gợi ý của các nghiên cứu trước đây (ví dụ: Fedderke và Schaling, 2005; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010...).

Thứ ba, thay vì sử dụng biến tín dụng cho nền kinh tế như trong mô hình VECM của NHNN, cung tiền rộng M2 được tác giả đưa vào mô hình để đại diện cho các cú sốc từ

CSTT tác động tới lạm phát giá cả. Tại Việt Nam, tốc độ tăng trưởng M2 luôn được coi là

mục tiêu điều hành hàng đầu trong việc xây dựng và điều hành CSTT tại NHNN, đồng thời, theo nhận định của Bùi Quốc Dũng (2014), chỉ tiêu M2 cũng phản ánh chính xác hơ n mố i quan hệ giữ a việ c mở rộng (thắt chặ t) cung tiền củ a NHNN vớ i diễn biến la ̣m phát thực tế củ a Việ t Nam.

Ở Việ t Nam, việc nới lỏng CSTT (thể hiện qua tăng trưởng cung tiền và tín du ̣ng) đươ ̣c cho là có tác động cùng chiều tới la ̣m phát (Carmen, 2006; Võ Trí Thành và cộng sự, 2001). Mặt khác, qua quan sát các giai đoạn lạm phát tăng tốc điển hình trước đây, tác giả

133

thấy rằng tă ng trưở ng GDP củ a Việ t Nam dường như dựa chủ yếu vào việ c mở rộ ng cung tiền và tín du ̣ng chứ khô ng hẳn dựa trên sự gia tăng thực về cung và NSLĐ. Do đó, bất kỳ dấu hiệ u tă ng trưở ng nó ng nào cũng có thể ngay lập tức chuyển thành la ̣m phát. Nó i khác đi, do thu nhậ p/sản lươ ̣ng cũng như tố c độ lưu thô ng tiền tệ thay đổ i chậ m, hầu hết biến độ ng trong cung tiền sẽ chuyển tải vào mức tăng của giá, đồng thời, sự gia tă ng sản lươ ̣ng về nguyê n tắc sẽ là m giả m áp lực về cầu trong nền kinh tế, do đó sẽ đẩy lùi la ̣m phát.

Ngoài ra, một số nghiê n cứ u như IMF (2003) và Le và Pfau (2009) gợi ý rằng tiền tệ hầu như khô ng có tác độ ng tới la ̣m phát. Kết quả nghiê n cứ u thực nghiệ m về vai trò củ a tiền tệ là trái ngươ ̣c nhau. Nguyê n nhâ n củ a sự khác biệ t này là do thi ̣ trườ ng tài chính ở Việ t Nam chưa phát triển và do tình tra ̣ng đô la hó a cao ở Việ t Nam. Để xem xét thấu đáo mối quan hệ giữa các tác nhân CSTT và lạm phát cũng như làm rõ hơn những quan ngại đã nêu về hiện tượng tă ng trưởng tín du ̣ng "nóng" trong một số thời điểm, bên cạnh M2, tác giả cũng cân nhắc sử dụng lại biến tín du ̣ng (CREDIT) nhằm kiểm định độ vững của mô hình.

Thứ tư, luận án sử dụng dữ liệ u tỷ giá của NHTM (ER_VCB) thay vì tỷ giá bình quân liên ngân hàng (tỷ giá trung tâm) do NHNN công bố hay tỷ giá danh nghĩa/thực đa phương (NEER/REER) như thường thấy ở một số nghiên cứu trước đây. Các kết quả thực nghiệ m trên thực tế cho thấy tỷ giá của NHTM thường phản ánh khá chính xác và hơ ̣p lý mố i quan hệ giữa biến độ ng tỷ giá và la ̣m phát theo lý thuyết kinh tế ho ̣c vĩ mô (tác giả cũng nhấn mạnh thêm rằng, đa số các mặt hàng xuất nhập khẩu chính ngạch của Việt Nam được

ghi nhận giá trị thông qua tỷ giá trao đổi của NHTM); hơn nữa, tỷ giá của NHTM cũng được điều chỉnh linh hoạt nhằm bám sát diễn biến thị trường ngoại hối hơn là tỷ giá bình quân liên ngân hàng (Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010). Theo tính toán

của Đặng Thị Quỳnh Anh và cộng sự (2019) cho giai đoạn 2008 – 2017, cấu phần đóng góp

của đồng USD vào tổng kim ngạch thương mại của Việt Nam luôn ở mức trọng yếu, chiếm từ 80 - 85%, chính vì vậy, tác giả hoàn toàn có lí do để lựa chọn nghiên cứu tác động của tỷ

giá USD/VND tới lạm phát, thay vì sử dụng các tác nhân có độ phân tán cao như

NEER/REER. Mặt khác, theo gợi ý của Bùi Quốc Dũng (2014), tác giả cũng có thể cân nhắc sử dụng biến tỷ giá thị trường tự do (ER_FM) vào mô hình như một cách kiểm định độ

vững, bởi lẽ trên thực tế, tỷ giá thị trường tự do vẫn được xem là thước đo phản ánh khá

chính xác và hợp lý mối quan hệ giữa biến động tỷ giá và lạm phát dựa theo các học thuyết kinh tế vĩ mô.

Thứ năm, sau khi rà soát các nghiên cứu thực nghiệm có liên quan trước đây, tác giả quyết định lược bỏ biến chỉ số giá chứ ng khoán và cán cân ngân sách nhằm giảm tải số biến cho mô hình VECM. Điều chỉnh này xuất phát từ các kết luận của Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010) khi phân tích thực nghiệm các nhân tố vĩ mô quyết định lạm

phát tại Việt Nam giai đoạn 2000 – 2010, rằng giá tài sản tài chính (đo lường thông qua biến

động chỉ số VN-Index) cũng như thâm hụt ngân sách dường như không có mối liên hệ chặt

134

chẽ và trực tiếp với lạm phát. Mặt khác, theo Bùi Quốc Dũng (2014), việc tinh gọn biến số cho mô hình cũng góp phần giúp ha ̣n chế sai số trong dự báo.

Thứ sáu, về phía cung, ngoại trừ chỉ số giá nhập khẩu (IMP) do không thể thu thập đủ dữ liệu tháng và quý một cách tin cậy, luận án sử dụng chỉ số giá sản xuất (PPI) - đại

diện cho chi phí từ phía người sản xuất (đã bao hàm cả giá nhập khẩu) và tiền lương cơ bản của nền kinh tế (WAGE) - biến đại diện cho chi phí lao động.

Thứ bảy, nhóm biến ngoại sinh đại diện cho khu vực nước ngoài được lựa chọn gồm: giá dầu thế giới (OIL), chỉ số giá hàng hóa thế giới (WCP) phản ánh diễn biến giá cả từ thị trường thế giới; lãi suất của FED (FEDFUNDS) đặc trưng cho những thay đổi chính

sách tiền tệ bên ngoài tác động đến mục tiêu bên trong của nền kinh tế Việt Nam. Việc đưa biến ngoa ̣i sinh vào mô hình VECM hàm ý rằng yếu tố bê n ngoà i tác độ ng đến bê n trong nền kinh tế chứ khô ng có chiều ngươ ̣c la ̣i vì nền kinh tế Việ t Nam là nền kinh tế nhỏ . Các biến trên được sử dụng khá phổ biến trong các nghiên cứu trước đây về lạm phát và truyền

dẫn chính sách tiền tệ (ví dụ: Al-Mashat và Billmeier, 2008; Aleem, 2010; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010; Nguyễn Khắ c Quố c Bảo, 2013; Nguyễn Phú c Cảnh, 2014; Bùi Quốc Dũng, 2014; Fatai và Akinbobola, 2015; Nguyễn Duy Sữu, 2017...). So với cấu trúc dự báo hiện nay của NHNN, tác giả đã lược bớt biến ngoại sinh sản lươ ̣ng công nghiệ p củ a Mỹ vì các căn cứ thu thậ p để dự báo biến số này không đảm bảo đủ tốt về mức độ tin cậy.

Thứ tám, tác giả bổ sung vào mô hình biến giả mùa vu ̣ vớ i vai trò là biến ngoa ̣i sinh cho: (i) Giai đoạn đầu năm, gồm các tháng 1, 2, 3 (quý 1); (ii) Giai đoạn kết thúc năm, gồm

các tháng 10, 11, 12 (quý 4). Điều chỉnh trên là cần thiết bởi lẽ giai đoạn đầu năm trùng với dịp tết nguyên đán, nền kinh tế thường hoạt động mạnh một cách đột biến do lực cầu thị trường tăng cao, sau đó quay về tra ̣ng thái vận hành bình thường trong khoảng 6 tháng tiếp theo. Bước sang giai đoạn 3 tháng cuối năm, động lực "bứt phá" của nền kinh tế trên các

khía cạnh và lĩnh vực trọng yếu được thể hiện rõ nét nhất như một nỗ lực phấn đấu hoàn thành các chỉ tiêu phát triển kinh tế - xã hội mà Quốc hội và Chính phủ đã đề ra từ đầu năm.

Những điều chỉnh gắn kết chặt chẽ với lý thuyết gốc, đặc trưng của nền kinh tế và

dựa trên các bằng chứng thực nghiệm trên đây đảm bảo có thể cung cấp cho chúng ta một

cấu trúc thực nghiệm VECM dự báo lạm phát thực sự phù hợp và đáng tin cậy. Theo đó, các

kênh truyền tải tác động tới lạm phát tại Việt Nam được mô hình hóa và minh họa như trong Hình 3.3.

Cấu trúc mô hình VECM dự báo lạm phát theo tháng và quý trong trung hạn được

trình bày cụ thể trong Bảng 3.5 và Bảng 3.6.

135

Giá cả (CPI)

Giá hàng hóa thương mại

Giá hàng hóa phi thương mại

Giá cả thế giới

Yếu tố khác

Tổng cầu

Tổng cung

Giá dầu (OIL)

Lãi suất (FEDFUNDS)

Chênh lệch sản lượng (IIP_GAP)

Giá sản xuất (PPI)

Giá hàng hóa thế giới (WCP)

Tỷ giá NHTM (ER_VCB)

Cung tiền rộng (M2)

Tiền lương (WAGE)

Lãi suất cho vay (LENDING_R)

Tỷ giá NHTM (ER_VCB)

Hình 3.3: Kênh truyền tải tác động tới lạm phát

Bả ng 3.5: Cấ u trú c dữ liệ u mô hình VECM tần suất tháng

TT Biến số

Mô tả biến

Định dạng

Thời gian

Biến nội sinh

IIP_GAP

Chênh lệch sản lượng1,2

Chỉ số

2005m1 - 2019m12

CPI

Chỉ số giá tiêu dùng1

Log

2005m1 - 2019m12

3 M2

Tổng phương tiện thanh toán

Log

2005m1 - 2019m12

LENDING_R

Lãi suất cho vay VND

2005m1 - 2019m12

ER_VCB

Tỷ giá USD/VND của NHTM

Log

2005m1 - 2019m12

PPI

Chỉ số sản giá xuất1

Log

2005m1 - 2019m12

7 WAGE

Lương cơ sở

Log

2005m1 - 2019m12

Biến ngoại sinh

OlL

Giá dầu thô thế giới

Log

2005m1 - 2019m12

9 WCP

Chỉ số giá hàng hóa thế giới1

Log

2005m1 - 2019m12

FEDFUNDS

Lãi suất hiệu dụng của FED

2005m1 - 2019m12

11 @SEAS(m)

2005m1 - 2019m12

Biến giả mùa vụ theo tháng:

m = {1, 2, 3, 10, 11, 12}

1 Các chỉ số được quy đổi về cùng một giai đoạn gốc: bình quân các tháng năm 2010 = 100; 2 IIP_GAP (sai biệt giữa sản lượng thực tế và sản lượng tiềm năng) được tính toán thông qua bộ lọc HP đối với chỉ số sản xuất công nghiệp (IIP).

136

Bả ng 3.6: Cấ u trú c dữ liệ u mô hình VECM tần suất quý

TT Biến số

Mô tả biến

Định dạng

Thời gian

Biến nội sinh

IIP_GAP

Chênh lệch sản lượng1,2

Chỉ số

2005q1 - 2019q4

CPI

Chỉ số giá tiêu dùng1

Log

2005q1 - 2019q4

3 M2

Tổng phương tiện thanh toán

Log

2005q1 - 2019q4

LENDING_R

Lãi suất cho vay VND

2005q1 - 2019q4

ER_VCB

Tỷ giá USD/VND của NHTM

Log

2005q1 - 2019q4

PPI

Chỉ số giá sản xuất1

Log

2005q1 - 2019q4

7 WAGE

Lương cơ sở

Log

2005q1 - 2019q4

Biến ngoại sinh

OlL

Giá dầu thô thế giới

Log

2005q1 - 2019q4

9 WCP

Chỉ số giá hàng hóa thế giới1

Log

2005q1 - 2019q4

FEDFUNDS

Lãi suất hiệu dụng của FED

2005q1 - 2019q4

11 @SEAS(q)

Biến giả mùa vụ theo quý: q = {1,4}

2005q1 - 2019q4

1 Các chỉ số được quy đổi về cùng một giai đoạn gốc: bình quân các quý năm 2010 = 100;

2 IIP_GAP được tính toán thông qua bộ lọc HP đối với chỉ số sản xuất công nghiệp (IIP).

Trật tự sắp xếp các biến trong nhóm nội sinh được xác định như sau:

- Ở vi ̣ trí đầu tiê n là nhó m biến mu ̣c tiê u (IPP_GAP và CPI) - là các biến số thay đổ i chậ m nhất trướ c những thay đổ i củ a cơ chế điều hành CSTT. Chính vì vậ y, trong mu ̣c tiê u điều hành, IPP_GAP và CPI đươ ̣c đặ t vi ̣ trí là mu ̣c tiê u cuố i cù ng, một phần nguyê n nhâ n là do độ trễ củ a chính sách và phản ứng trễ thô ng qua các nhó m biến trung gian. Chênh lệch sả n lươ ̣ng được đặ t đầu tiên vì đố i vớ i nền kinh tế mớ i nổ i, yếu tố giá cả thườ ng thay đổi nhanh hơ n biến sả n lươ ̣ng (Dabla-Norris và Floerkemeier, 2006).

- Ở ví tri ̣ tiếp theo là nhó m các biến mu ̣c tiê u trung gian củ a CSTT gồm: M2, LENDING_R và ER_VCB. Đâ y là biến trung gian tác độ ng trực tiếp từ các kê nh đến biến mu ̣c tiê u cuố i cù ng..

- Ở vi ̣ trí cuố i cù ng là nhó m biến đại diện cho tác nhân chi phí đẩy, gồm PPI và WAGE. Các biến này có thể tác động đồ ng thờ i đến sản lươ ̣ng và giá cả, tuy nhiê n vớ i độ trễ khác nhau.

Có một lưu ý là, giữa các nhó m biến số khô ng phả i lú c nào cũng có tác độ ng đồ ng thờ i, cu ̣ thể như giữa biến trung gian cung tiền M2 và tỷ giá, cung tiền trong nền kinh tế phản ứ ng vớ i sản lươ ̣ng và giá cả, nhưng la ̣i khô ng phả n ứ ng vớ i tỷ giá (Sim và Zha, 2006; Dabla-Norris và Floerkemeier, 2006; Nguyễn Duy Sữu, 2017).

Mô hình VECM sử dụng chuỗi dữ liệ u theo tháng và quý trong giai đoạn 2005 – 2019, trong đó : dữ liệu chỉ số sản xuất công nghiệp (IIP), chỉ số giá tiêu dùng (CPI), tổng phương tiện thanh toán (M2), lãi suất cho vay nội tệ (LENDING_R) của Việt Nam và chỉ số

137

giá hàng hóa thế giới (WCP) được thu thập và tính toán từ Thống kê Tài chính Quốc tế của

IMF; tỷ giá (bán) USD/VND của NHTM (ER_VCB) được thu thập từ Vietcombank; chỉ số

giá sản xuất (PPI) và tiền lương cơ sở (WAGE) của Việt Nam được tổng hợp từ Tổng cục

Thống kê; giá dầu thế giới (OIL) và lãi suất hiệu dụng FEDFUNDS được trích xuất từ Federal Reserve Bank - St Louis.

𝑦𝑜𝑦 =

Trong quá trình thực nghiệm mô hình VECM, để có được các phân tích, đánh giá chính xác về diễn biến CPI trong trung hạn, tác giả quyết định sử dụng tỷ lệ lạm phát so với cùng kỳ năm trước (% yoy), được tính toán theo công thức sau:

× 100 𝜋𝑡 𝐶𝑃𝐼𝑡 − 𝐶𝑃𝐼𝑡−𝑘 𝐶𝑃𝐼𝑡−𝑘

𝑦𝑜𝑦: tỷ lệ lạm phát so với cùng kỳ năm trước (%) tại thời điểm t;

Trong đó:

- 𝜋𝑡 - CPIt , CPIt-k : chỉ số giá tiêu dùng tại thời điểm t và (t - k), trong đó, k = 12 ứng với

chuỗi số liệu tháng và k = 4 ứng với chuỗi số liệu quý;

- t: tháng (quý).

3.2.3. Kiểm định tính dừng của chuỗi

Kiểm định tính dừng dựa trên cặp giả thiết sau:

(cid:120) H0: Chuỗi có nghiệm đơn vị (không dừng);

(cid:120) H1: Chuỗi không có nghiệm đơn vị (dừng).

3.2.3.1. Kiểm định tính dừng của chuỗi tần suất tháng

Kết quả thu được từ Phụ lục 3.4 cho thấy các chuỗi tuy không dừng hết ở chuỗi gốc

I(0), song đều dừng ở sai phân I(1). Do đó, điều kiện tiên quyết về tính dừng của các biến đầu vào trong mô hình tần suất tháng được thỏa mãn.

3.2.3.2. Kiểm định tính dừng của chuỗi tần suất quý

Tương tự như các chuỗi tần suất tháng, kết quả kiểm định ở Phụ lục 3.5 cho thấy các

chuỗi biến trong mô hình VECM tần suất quý đều dừng ở chuỗi gốc I(0) hoặc dừng ở sai

phân bậc nhất I(1). Do đó, điều kiện cần về tính dừng của các biến đầu vào tần suất quý đã được thỏa mãn.

3.2.4. Xác định độ trễ cho mô hình

Để xá c đi ̣nh độ trễ tố i ưu cho mô hình VECM, đề tài sử dụng bộ tiê u chuẩn gồm LR,

FPE, AIC, SIC và HQ.

3.2.4.1. Xác định độ trễ cho mô hình tần suất tháng

Kết quả trong Phụ lục 3.6 cho thấy độ trễ tối ưu được đề xuất theo các tiêu chuẩn

trên là 2. Từ đó, tác giả tiến hành hồi quy mô hình VAR với độ trễ là 2. Thực hiện kiểm định LM, tác giả thấy rằng mô hình không gặp phải vấn đề tự tương quan phần dư đến độ

138

trễ 2: p-value thu được từ thống kê LRE* tại các độ trễ này đều lớn hơn 0,05. Trong khi đó,

các giá trị riêng nằm trọn trong vòng tròn đơn vị, hàm ý rằng mô hình VAR(2) đạt được sự ổn định cần thiết để có thể cung cấp kết quả hồi quy tin cậy (Phụ lục 3.7).

3.2.4.2. Xác định độ trễ cho mô hình tần suất quý

Từ kết quả thu được ở Phụ lục 3.8, tác giả xác định được độ trễ tối ưu của mô hình

VECM tần suất quý là 4. Tiếp theo, tác giả tiến hành hồi quy mô hình VAR tần suất quý với

độ trễ 4. Kiểm định LM chỉ ra rằng vấn đề tự tương quan phần dư trong mô hình là không

đáng lo ngại: tại mọi độ trễ, p-value thu được từ thống kê LRE* đều lớn hơn 0,05. Bên cạnh đó, khi tiến hành các kiểm định về điều kiện ổn định, mô hình tần suất quý cho thấy tính ổn định cao, theo đó, các giá trị riêng nằm trọn trong vòng tròn đơn vị (Phụ lục 3.9).

3.2.5. Kiểm định đồng tích hợp và xác định mô hình phù hợp

3.2.5.1. Kiểm định đồng tích hợp đối với mô hình tần suất tháng

Luận án sử dụng độ dài trễ 2 của mô hình VAR tần suất tháng để kiểm định sự tồn tại của mối quan hệ đồng liên kết giữa các biến nội sinh trong mô hình. Kiểm đi ̣nh đồ ng tích hơ ̣p Johansen (sử dụng giá trị thống kê Trace) cho thấ y các chuỗi IIP_GAP, log(CPI), log(M2), LENDING_R, log(ER_VCB), log(PPI) và log(WAGE) tồ n ta ̣i 4 đồ ng tích hơ ̣p (Phụ lục 3.10). Vì vậ y, có thể sử du ̣ng mô hình VECM cho ướ c lươ ̣ng và dự báo theo tháng. 3.2.5.2. Kiểm định đồng tích hợp đối với mô hình tần suất quý

Đề tài sử dụng độ dài trễ 4 của mô hình VAR tần suất quý để kiểm định sự hiện hữu của quan hệ đồng liên kết giữa các biến nội sinh trong mô hình. Kết quả kiểm đi ̣nh đồ ng tích hơ ̣p dựa trên kiểm đi ̣nh Johansen gợi ý mô hình chứa đựng 4 đồ ng tích hơ ̣p (Phụ lục 3.11). Do đó, cấu trúc mô hình VECM tần suất quý hoàn toàn có thể sử dụng cho việc ướ c lươ ̣ng và dự báo. 3.2.6. Phân tích tác động của các biến số tới lạm phát

Trước khi tiến hành dự báo, tác giả sử dụng mô hình VECM để đưa ra một số nhận

định, đánh giá về xu thế và mức độ ảnh hưởng của các tác nhân tới biến động hàng tháng và hàng quý của CPI trong nước. Như đã trình bày, cấu trúc thực nghiệm VECM nhằm phân

tích tác động của các nhân tố cũng như dự báo lạm phát được thiết kế gồm hai nhóm biến:

(i) nhóm biến nội sinh gồm: chênh lệch sản lượng (IIP_GAP), chỉ số giá tiêu dùng (CPI), cung tiền rộng (M2), lãi suất cho vay đồng nội tệ (LENDING_R), tỷ giá của NHTM (ER_VCB), chỉ số giá sản xuất (PPI) và lương cơ bản (WAGE); và (ii) nhóm biến ngoại sinh (đại diện cho các ngoại tác từ nền kinh tế thế giới), gồm: giá dầu thế giới (OIL), chỉ số giá hàng hóa thế giới (WCP) và lãi suất hiệu dụng của FED (FEDFUNDS). Đóng góp đáng chú ý của nội dung này vào tổng quan nghiên cứu nói chung về tình hình lạm phát tại Việt

Nam nói riêng và tại các quốc gia đang phát triển nói chung thể hiện ở chỗ: (i) Các tác nhân

chủ chốt bắt nguồn từ phía cung (nhân tố chi phí đẩy) được tác giả xem xét bổ sung vào cấu

139

trúc mô hình định lượng cho trường hợp Việt Nam (điều mà trước đây rất hiếm công trình

thực nghiệm có liên quan làm được); (ii) Dữ liệu các chuỗi biến sử dụng cho phân tích định

lượng được bao quát trong một giai đoạn dài (15 năm, từ 2005 – 2019), được thu thập đầy

đủ và tính toán chi tiết theo các tần suất tháng và quý, đồng thời cũng đảm bảo tốt về mức độ cập nhật; (iii) Những phát hiện mới từ nghiên cứu này có thể một lần nữa khẳng định, hoặc phủ nhận các kết quả đã có trước đây về các nhân tố tác động tới lạm phát.

Biến động ngắn hạn của các nhân tố quyết định lạm phát được thực nghiệm với mô

hình VECM tần suất tháng và quý được trình bày chi tiết tại Phụ lục 3.12 và Phụ lục 3.13

(lưu ý rằng, chỉ những kết quả có ý nghĩa thống kê mới được ghi nhận trong bảng). Điểm

nổi bật có thể nhận ra từ bảng kết quả là, đa số các nhân tố trong mô hình đều chịu tác động mạnh bởi biến động của bản thân chúng trong giai đoạn quá khứ. Kết quả ướ c lươ ̣ng thu được mức R2 hiệu chỉnh khá cao: 0,632 đối với tần suất tháng và 0,805 đối với tần suất quý - tức là mô hình có thể giả i thích 63,2% biến động của chuỗi CPI theo tháng và 80,5% biến động của chuỗi CPI theo quý. Từ đó, có thể khẳng định cấu trúc mô hình đã chọn có chất lươ ̣ng khá tốt và hoàn toàn có thể được sử du ̣ng để dự báo la ̣m phát tại Việ t Nam.

Phân rã phương sai theo phương pháp Cholesky để đánh giá hàm phản ứng của cú sốc các biến (theo chiều hướng tăng) với mức tăng của các biến còn lại trong mô hình và với mức tăng CPI được trình bày trong Phụ lục 3.14 và Phụ lục 3.15.

Kết quả ướ c lươ ̣ng VECM và phân rã phươ ng sai Cholesky đo lường độ nha ̣y cả m củ a la ̣m phát trước cú số c từ các biến còn lại trong mô hình trong thờ i gian 24 tháng (8 quý) cho thấy các biến tác độ ng dươ ng đến biến CPI bao gồ m: CPI quá khứ , cú số c M2, cú sốc tỷ giá (ER_VCB), cú sốc giá sản xuất (PPI) và cú sốc lươ ng (WAGE); biến tác độ ng âm gồ m: cú số c chênh lệch sản lượng (IIP_GAP) và cú sốc lãi suất (LENDING_R). Trong đó, tác độ ng dương củ a tỷ giá là rất nhỏ , sau đó giảm dầ n hoặ c hết ảnh hưở ng từ tháng thứ 6.

Thứ nhất, ảnh hư ở ng của CPI quá khứ đến CPI hiệ n tại: Mứ c tă ng CPI củ a quá khứ tác động dươ ng đến mứ c tă ng củ a CPI hiệ n ta ̣i, mứ c tă ng này giảm dầ n và được triệt tiêu hoàn toàn sau khoảng 24 tháng (điều này phù hơ ̣p vớ i thực tế la ̣m phát đang có xu hướ ng giảm). Kết quả hồi quy VECM cũng chỉ ra rằng biến động củ a CPI chi ̣u ảnh hưở ng khá rõ từ biến động của CPI tháng (quý) liền trướ c. Kết quả này của luận án một lần nữa khẳ ng đi ̣nh lại vai trò quan trọng của "ký ức dai dẳng" về lạm phát trong quá khứ và "sự nhạy cảm" về kỳ vọng lạm phát trong tương lai trong việ c quyết đi ̣nh la ̣m phát hiệ n ta ̣i (điều vốn đã được kiểm chứng thành công trong các nghiên cứu trước đây, ví dụ: BIDV, 2018; Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010; Nguyễn Thị Liên Hoa và Trần Đặng Dũng, 2013...). Tính trì trệ cao này củ a la ̣m phát không phả i là điều đáng nga ̣c nhiên do ký ứ c củ a công chúng về những thời điểm lạm phát đặc biệt tăng cao, điển hình là giai đoạn 2008 – 2011.

140

Thứ hai, ảnh hưởng của cú sốc từ phía cầu đến CPI: Khi cú sốc chênh lệch sản lượng (IIP_GAP) được kích hoạt, CPI cho thấy xu hướng giảm nhẹ trong khoảng 5 quý đầu

tiên trước khi tạo lập trạng thái ổn định kể từ quý 6 trở đi. Diễn biến này trùng khớp với kết

quả của một số nghiên cứu thực nghiệm trước đây (ví dụ: Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010; Phạm Thế Anh, 2015), đồng thời một lần nữa khẳng định lại lý thuyết

kinh tế rằng duy trì tăng trưởng kinh tế ở mức cao và ổn định có thể giúp giảm thiểu các áp lực về lạm phát.

Nhìn lại giai đoạn khủng hoảng kinh tế 2007 – 2009 tại Việt Nam, các chính sách

kích cầu của Chính phủ dường như không đạt được hiệu quả như kỳ vọng, khiến lạm phát

tăng cao trong các năm 2011 – 2012. Tuy nhiên, trong các năm tiếp theo, với những nỗ lực mới của Chính phủ về chính sách tín dụng, cải cách môi trường kinh doanh, nền kinh tế vĩ

mô đã trở lại đà tăng trưởng ở mức cao và ổn định. Cụ thể, từ năm 2013 đến nay, chỉ số giá

CPI luôn được giữ ở mức từ 3 - 5% chứ không còn lạm phát lên mức 2 con số như giai đoạn

trước đó. Trong khi đó, tăng trưởng GDP đã phục hồi trở lại và duy trì ở mức khá. Đáng chú ý, năm 2018 và 2019 đã ghi nhận mức tăng trưởng cao ấn tượng trên 7%.

Thứ ba, ảnh hư ở ng của cung tiền rộng đến CPI: Mứ c tă ng M2 ảnh hưở ng dươ ng đến mứ c tă ng CPI. Sau 8 tháng kể từ thời điểm mở rộng M2, CPI bắt đầu tă ng (la ̣m phát tă ng dần khi cung tiền được nới lỏng) và tăng đặc biệt mạnh vào quý 3 và 4. Kể từ quý 5, mức tăng CPI đi vào ổ n đi ̣nh và gia tốc tăng có xu hướng giảm dầ n trong dài ha ̣n, nguyên nhân có thể là do tổng cầu sụt giảm và/hoặc phản ứng thắt chặt tiền tệ từ phía NHNN. Diễn biến tác động trên được thể hiện rõ nhất trong giai đoa ̣n 2005 – 2008, mứ c tă ng cung tiền củ a VN là khoảng 135%, gấp 5,5 lần mứ c tă ng trưở ng GDP (24,8%), riê ng nă m 2005, để mua la ̣i hơ n 10 tỷ USD ngoa ̣i tệ , NHNN đã phải chi ra gần 180.000 tỷ đồ ng (khoảng 15% GDP), điều nà y gó p phần lý giả i cho la ̣m phát tă ng cao trong nă m 2007 (12,6%) và 2008 (19,9%). Kết quả này cũng phù hơ ̣p với các kết luận thu được từ các nghiê n cứ u trướ c đâ y, theo đó hầu hết đều cho thấ y CPI phản ứ ng rất ma ̣nh trướ c cú số c trong cung tiền hơn là với cú số c lãi suất hay tỷ giá hối đoái.

Thứ tư, ảnh hư ở ng của lãi suất đến CPI: Cú số c lãi suất (LENDING_R) gây ra tác động ngược chiều lên mức tăng CPI, hay nói cách khác, gia tăng lãi suất dường như là một giải pháp hữu hiệu giúp kiềm chế lạm phát. Cụ thể, mức độ tác độ ng củ a lãi suất cho vay đến CPI tă ng dần và đa ̣t cực đa ̣i vào tháng thứ 9. Kết luận này có đôi chút khác biệt so với các nghiên cứu về lạm phát tại Việt Nam trước đây của Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010) và Phạm Thế Anh (2015), mà nguyên nhân khác biệt có thể do các tác giả lựa chọn giai đoạn nghiên cứu khác nhau. Theo kết quả thực nghiệm cho các giai đoạn trước đây (từ năm 2013 trở về trước), quan hệ giữa cú sốc lãi suất và lạm phát thường cho

thấy xu hướng củng cố, tuy nhiên khi mở rộng giai đoạn nghiên cứu đến năm 2019, xu

hướng này đã có sự đảo chiều. Điều này phần nào cho chúng ta thấy điểm nhấn đầy tích cực

141

trong công tác điều hành của NHNN: Nếu như vào những năm của giai đoạn trước và trong

khủng hoảng, phản ứng của việc điều chỉnh lãi suất của NHNN dường như chỉ có tính thích

ứng, theo sau diễn biến lạm phát một cách thụ động (thông thường, lãi suất được giữ cố định

bởi các quy định hành chính trong thời gian dài thông qua các công cụ như lãi suất cơ bản hay trần lãi suất; tuy nhiên, khi lạm phát tăng cao, lãi suất mới được cân nhắc điều chỉnh

tăng để phản ứng - Phạm Thế Anh, 2015), thì những năm gần đây, bằng chứng thực nghiệm

từ luận án cho thấy phản ứng từ điều chỉnh lãi suất đã thể hiện được sự chủ động, phòng

ngừa hiệu quả nguy cơ lạm phát trong trung hạn (thể hiện thông qua ảnh hưởng nghịch của cú sốc lãi suất tới mức tăng CPI). Mở rộ ng hơ n về mố i quan hệ giữa lãi suất và CPI cho thấy, thực tế hiệ n nay, sự ổ n đi ̣nh lãi suất ở mứ c thấp sẽ giúp giảm chi phí cho doanh nghiệ p và nền kinh tế, ta ̣o điều kiệ n mở rộ ng tín du ̣ng và cung tiền, từ đó có thể gây áp lực đố i vớ i chỉ số giá.

Thứ năm, ảnh hư ởng của tỷ giá đến CPI: Mứ c tă ng củ a tỷ giá (ER_VCB) có ảnh hưở ng thuận chiều tớ i mứ c tă ng CPI trong 6 tháng đầu tiên, tuy nhiên, mức độ tác độ ng củ a cú số c tă ng tỷ giá đến CPI rất nhỏ và không thực sự rõ nét. Từ tháng thứ 7 trở đi, mứ c tă ng củ a tỷ giá hầu như không còn ảnh hưởng đến mức tă ng CPI, tác độ ng này nếu có cũng là không đáng kể. Điều này cho thấy tác độ ng chính sách tỷ giá nói riêng và CSTT nói chung chỉ diễn ra trong ngắ n ha ̣n, đồ ng thờ i cũng phả n ánh thực tế là cơ chế điều hành tỷ giá củ a Việ t Nam còn khá cứng nhắc và thiếu sự linh hoạt, bởi lẽ tỷ giá vốn là biến chi ̣u sự ảnh hưở ng lớn từ hoạt động điều hành chính sách. Ngoa ̣i trừ tác độ ng khá ma ̣nh củ a tỷ giá tớ i CPI do điều chỉnh ma ̣nh tỷ giá vào mộ t số thờ i điểm trong quá khứ (chẳ ng ha ̣n, phá giá VND vào tháng 8/2010 hay tháng 5/2015 như một nỗ lực của Chính phủ nhằm thúc đẩy xuất khẩu và hỗ trợ tăng trưởng kinh tế) thì tác độ ng củ a tỷ giá tớ i la ̣m phát rất nhỏ và không rõ nét. Thêm vào đó, mứ c độ tác độ ng thấp củ a mứ c tă ng tỷ giá đến CPI cho thấy nếu la ̣m phát của Việt Nam được duy trì ở mứ c thấp thì động thái phá giá VND có lẽ sẽ không gây ra nhiều vấn đề lo nga ̣i đố i vớ i tă ng CPI.

Bên cạnh đó, theo lược đồ hàm phản ứng của cú sốc các biến ở Phụ lục 3.14, có thể thấy thêm rằng cú sốc tỷ giá không chỉ tạm động lên CPI mà còn lên cả chỉ số giá sản xuất

(PPI), song chậm hơn. Điều này có thể được giải thích là do hành vi định giá của doanh

nghiệp thường có tính cứng nhắc do cần phải có thời gian từ khi nguyên liệu đầu vào được

nhập khẩu cho tới khi hàng hóa được sản xuất và bán ra trên thị trường (Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010).

Thứ sáu, ảnh hưởng của cú sốc cung đến CPI: Từ phía cung, các biến chỉ số giá sản xuất (PPI) và lươ ng cơ bản (WAGE) đươ ̣c sử du ̣ng trong mô hình nghiên cứu xuất phát từ thực tế xu hướ ng và mứ c độ ảnh hưở ng của chúng bám khá sát diễn biến lạm phát tại Việt Nam. Cú số c giá sản xuất khiến la ̣m phát trong nướ c gia tăng tức thì và tác động này có xu hướ ng kéo dài. Trong khi đó, ảnh hưởng củ a cú số c lương đến biến độ ng CPI tă ng dần, đa ̣t

142

cực đa ̣i sau 5 quý, sau đó đi vào ổ n đi ̣nh (song, với liều lượng ảnh hưởng thấp hơn khá nhiều so với cú sốc PPI). Tác độ ng củ a các cú số c này góp phần khiến cho mức độ lạm phát trong nước mạnh hơn, đồng thời khẳng định các yếu tố chi phí đẩy là một nguyên nhân quan trọng không thể bỏ qua khi đánh giá về lạm phát tại Việt Nam. Cần lưu ý thêm rằng, mứ c độ tác độ ng củ a lương đố i vớ i CPI về cơ bản phụ thuộ c vào hiệ u quả (chất lượng) củ a tă ng trưở ng kinh tế, nếu tiền lươ ng tă ng không đi đôi vớ i sự cải thiệ n nă ng suất lao độ ng và hiệ u quả sản xuất, thờ i gian tác độ ng củ a việc tă ng lương vớ i CPI có thể vẫn tiếp diễn sau quý 5 và tác độ ng sẽ chưa thể giảm dần ngay sau quý này. Vì vậy, đồng quan điểm với Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010), tác giả tin rằng để kiểm soát tốt lạm phát

trong trung hạn, việc khuyến khích tăng trưởng kinh tế nhất thiết vẫn nằm ở bài toán làm thế nào để nâng cao NSLĐ và gia tăng sản lượng sản xuất.

Hình 3.4 mô tả mức độ đóng góp của các cú sốc nội sinh trong biến động mức giá

CPI ở từng thời điểm, rút ra từ phân rã Cholesky. Theo đó, kết quả phân rã phương sai cho

thấy ngay trong những tháng đầu tiê n, CPI chịu ảnh hưởng gần như toàn diện (90% trở lên)

bởi cú sốc trễ của chính nó. Theo thời gian, ảnh hưởng từ diễn biến trong quá khứ của CPI

giảm dần, sau 12 và 24 tháng lần lượt chỉ còn 73% và 40%. Kết quả này tương đồng với kết

luận của nhiều nghiên cứu trước đây về lạm phát tại Việt Nam. Cú sốc từ PPI (đại diện tiêu

biểu từ phía cung) cũng có những tác động hết sức đáng kể tới CPI, từ chỗ chỉ đóng góp

khoảng 5 - 10% trong 12 tháng đầu tiên, thì sang tới giai đoạn tiếp theo, ảnh hưởng của PPI

tiếp tục dai dẳng và bứt tốc mạnh mẽ, chạm mốc 33% ở tháng 24. Trong khi đó, cú sốc đến

từ phía cầu mà đại diện là chênh lệch sản lượng (IIP_GAP) đóng góp ít ỏi vào mức tăng

chung của CPI, mức cao nhất chỉ khoảng từ 5 - 6% cho cả 24 tháng dự báo. Từ kết quả này,

luận án mộ t lầ n nữa khẳ ng đi ̣nh tình tra ̣ng la ̣m phát cao ở Việt Nam trong 15 năm qua chủ yếu là do cú số c từ phía cung (chi phí đẩy) chứ không phải các tác nhân từ phía cầu (cầu kéo) gây ra.

Về phía CSTT, có thể thấy tác động khởi đầu của cả M2 và lãi suất cho vay nội tệ

đều khá yếu ớt, chỉ khoảng 1 - 2% trong vòng 6 tháng đầu tiên. Sau đó, từ tháng 7 - 12, tác

động của cả hai chỉ tiêu này có sự tăng mạnh, theo đó đóng góp ảnh hưởng của M2 và lãi

suất cho vay lần lượt đạt 2% và 8%. Từ tháng thứ 13 - 24, ảnh hưởng của cả hai chỉ tiêu này

tiếp tục dai dẳng, song mức độ đóng góp được giữ cố định. Qua đây, có thể thấy các công cụ

CSTT (M2 và lãi suất) thường chỉ có tác dụng sau khoảng thời gian ít nhất là 6 tháng.

Còn lại, đóng góp tác độ ng củ a cú số c tỷ giá và mức lương tới mức tăng CPI trong

24 tháng dự báo nhìn chung là rất khiêm tốn.

143

100%

80%

60%

40%

20%

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

IIP_GAP

LOG(CPI)

LOG(M2)

LENDING_R

LOG(ER_VCB)

LOG(PPI)

LOG(WAGE)

Hình 3.4: Phân rã phương sai biến động của log(CPI)

Nguồn: Tính toán của tác giả

3.2.7. Kết quả dự báo

3.2.7.1. Kết quả dự báo trong mẫu

Mô hình VECM với cấu trúc cải tiến như đã trình bày được đưa vào thực nghiệm để

dự báo các biến nội sinh, trong đó bao gồm lạm phát trong trung hạn của Việt Nam. Kết quả

dự báo trong mẫu đối với lạm phát tần suất tháng và quý và kết quả đánh giá sai số được thể

hiện trong Phụ lục 3.16 và Phụ lục 3.17.

Dự báo trong mẫu chỉ ra rằng sai số tính toán theo các tiê u chuẩn RMSE, MAE, MAPE và Theil IC củ a mô hình VECM cải tiến (Phụ lục 3.16 và Phụ lục 3.17) đã giảm đi đáng kể so vớ i mô hình VECM đang được áp dụng tại NHNN (Phụ lục 2.6 và Phụ lục 2.7) cả về tần suất tháng và quý. So sánh kết quả dự báo thu được của luận án vớ i diễn biến thực tế củ a la ̣m phát, có thể thấy kết quả dự báo trong mẫu là rất sát vớ i thực tế. Do đó, có thể khẳng định so với mô hình dự báo hiện hành của NHNN, mô hình VECM do luận án phát

triển tỏ ra vượt trội không chỉ ở việc bao quát tốt các lý thuyết nền tảng mà còn đảm bảo

giảm thiểu sai số kỹ thuật trong dự báo. Điều này chứng tỏ những điều chỉnh, cải tiến được

tác giả thực hiện khi xây dựng cấu trúc VECM là hoàn toàn đúng đắn và phù hợp.

Chi tiết kiểm định kết quả dự báo trong quá khứ đối với các biến nội sinh theo tần

suất tháng và quý được trình bày trong Phụ lục 3.18 và Phụ lục 3.19.

3.2.7.2. Kiểm định độ vững nhằm lựa chọn mô hình dự báo tối ưu

a. Độ vững với trình tự cấu trúc khả biến

144

Kinh nghiệm của Ito và Sato (2008) cho thấy kết quả hàm phản ứng và phân rã

phương sai Cholesky là khá nhạy cảm với trình tự sắp xếp các biến nội sinh trong cấu trúc

mô hình VECM. Trong mục 3.2.2, luận án đã lý giải cụ thể về trình tự sắp xếp các biến nội

sinh trong cấu trúc mô hình dự báo VECM. Tiếp theo, để kiểm chứng độ nhạy cảm đối với kết quả ước lượng thu được từ mô hình cải tiến, tác giả ước lượng lại mô hình VECM dựa trên các biến nội sinh đã có, song thử nghiệm với bốn trình tự sắp xếp biến số mới như sau:

- Mô hình (A1): Dựa trên quy trình truyền tải tác động của tỷ giá tới lạm phát (Phụ

lục 3.20), tác giả chuyển dịch chỉ số giá CPI xuống vị trí cuối cùng của chuỗi;

- Mô hình (A2): Từ cấu trúc mô hình (A1), tác giả tiếp tục điều chuyển biến tỷ giá

lên trước nhóm biến CSTT. Trình tự này cho phép khả năng CSTT phản ứng một cách đồng

thời trước biến động của tỷ giá. Điển hình trong bối cảnh khủng hoảng, việc nâng lãi suất

nhằm phản ứng trước sự mất giá mạnh của nội tệ cũng được thể hiện khá rõ qua trình tự sắp xếp (1.2) này.

- Mô hình (A3): Một lựa chọn trình tự khả dĩ nữa có thể được xem xét, đó là tác giả đặt biến chênh lệch sản lượng phía sau chuỗi biến CSTT và tỷ giá. Biến động sản lượng của

nền kinh tế có thể chỉ xuất hiện sau một độ trễ, ví dụ 1 tháng, trong khi những thay đổi trong

CSTT và phá giá nội tệ hoàn toàn có khả năng tác động tới sản lượng thực một cách đồng thời (Ito và Sato, 2008).

- Mô hình (A4): Các biến gắn với CSTT có thể được đặt ở vị trí cuối cùng của chuỗi

biến nội sinh. Ý tưởng này được McCarthy (2007) đề xuất dựa trên giả định rằng CSTT của NHTW có thể phản ứng một cách đồng thời trước các cú sốc khác nhau trong mô hình. Điều

này có thể đúng, đặc biệt là khi lãi suất được sử dụng như một công cụ đắc lực của CSTT trong thời kỳ khủng hoảng.

Bảng 3.7: Cấu trúc mô hình VECM theo các trình tự khác nhau

Mô hình Biến nội sinh Biến ngoại sinh

(A1) IIP_GAP, M2, LENDING_R, ER_VCB, PPI, WAGE, CPI

OIL, WCP, (A2) IIP_GAP, ER_VCB, M2, LENDING_R, PPI, WAGE, CPI

(A3) M2, LENDING_R, ER_VCB, IIP_GAP, PPI, WAGE, CPI FEDFUNDS, @SEAS(m/q)

(A4) ER_VCB, IIP_GAP, PPI, WAGE, CPI, M2, LENDING_R

Bảng 3.7 mô tả trình tự cấu trúc khả biến của mô hình VECM được nghiên cứu để

đánh giá độ vững như đã luận giải ở trên. Đối với cấu trúc mô hình VECM tần suất tháng, tác giả lựa chọn thực nghiệm với độ dài trễ là 2 và số đồng tích hợp là 4; với tần suất quý, độ dài trễ và số đồng tích hợp được áp dụng đều là 4.

Hàm phản ứng của biến CPI trước cú sốc các biến nội sinh được định hình dựa trên thay đổi trật tự biến (Phụ lục 3.21) về cơ bản tương đồng với kết quả của luận án như đã

145

trình bày trong mục 3.2.6. Mặt khác, trong cả bốn mô hình, kiểm định tính vững tần suất tháng và quý, sai số dự báo trong mẫu theo các tiê u chuẩn RMSE, MAE, MAPE và Theil đều không đổi so với kết quả của mô hình VECM cải tiến. Do đó, tác giả đi đến kết luận cấu trúc dự báo VECM đã chọn có tính ổn định cao khi thay đổi thứ tự sắp xếp biến nội sinh.

b. Độ vững với các biến đại diện thay thế

Từ cấu trúc VECM cải tiến do luận án đề xuất, tác giả tiến hành bổ sung biến tín

dụng của nền kinh tế (CREDIT) vào mô hình dự báo nhằm làm rõ thêm những quan ngại về hiện tượng tă ng trưởng tín du ̣ng "nóng" ở một số thời điểm (ví dụ: giai đoạn hậu hội nhập WTO hay thời kỳ khủng hoảng tài chính toàn cầu 2007 – 2009) được chỉ ra trong nghiên

cứu của Nguyễn Thị Thu Hằng và Nguyễn Đức Thành (2010). Tổ hợp 2 trong 3 biến {M2,

CREDIT, LENDING_R} lần lượt được sử dụng để đại diện cho các yếu tố CSTT. Song

song đó, tác giả có thể thay thế biến tỷ giá của NHTM (ER_VCB) bằng tỷ giá thị trường tự do (ER_FM), bởi theo giải thích của Bùi Quốc Dũng (2014) dựa trên quan sát diễn biến thực, tỷ giá thi ̣ trườ ng tự do phản ánh tươ ng đố i chính xác và hơ ̣p lý mố i quan hệ giữa biến độ ng tỷ giá và la ̣m phát theo lý thuyết kinh tế ho ̣c vĩ mô . Những điều chỉnh trên cho phép tác giả thiết lập được thêm 5 cấu trúc mô hình mới (B1) → (B5) để kiểm định độ vững. Sai số dự báo lạm phát trong mẫu thu được từ các mô hình mới được trình bảy ở Phụ lục 3.22.

Sau khi tiến hành phép thử dựa trên biến đại diện thay thế, tác giả nhận thấy đối với dự báo lạm phát tần suất tháng, mô hình (B2) với mức độ giải thích biến khá tốt, đã tỏ ra

vượt trội hơn so với mô hình đề xuất của luận án (thể hiện qua việc giảm thiểu sai số). Do

đó, tác giả quyết định sử dụng cấu trúc mô hình (B2) [thay thế biến lãi suất cho vay

(LENDING_R) bằng biến tín dụng (CREDIT)] để thực hiện dự báo lạm phát theo tần suất tháng, đồng thời vẫn sẽ giữ nguyên cấu trúc mô hình đề xuất của luận án cho dự báo tần

suất quý (bởi lẽ mức sai số thu được của mô hình gốc vẫn ở mức tối thiểu so với các thử nghiệm mô hình còn lại).

3.2.7.3. Kết quả dự báo ngoài mẫu theo các kịch bản dự tính

Với chất lượng dự báo trong mẫu được đánh giá tốt và ổn định, tác giả tin rằng cấu

trúc mô hình VECM được chọn ở trên có thể được ứng dụng hiệu quả cho dự báo lạm phát của Việt Nam năm 2020 theo tần suất tháng và quý, phu ̣c vu ̣ cho cô ng tác phâ n tích diễn biến la ̣m phát, xâ y dựng kế hoa ̣ch cung ứ ng tiền tệ cho nền kinh tế củ a NHTW trong từ ng thờ i kỳ, từ đó giú p đa ̣t đươ ̣c cả mu ̣c tiê u tiền tệ và mu ̣c tiê u la ̣m phát mà Quố c hộ i và Chính phủ đề ra.

Về lý thuyết, để tiến hành dự báo ngoài mẫu, việc cần làm đầu tiên là xây dựng kịch bản cơ sở cho nhóm biến ngoại sinh. Trong ngôn ngữ thống kê dự báo, kịch bản cơ sở được tạo ra dựa trên sự suy diễn của mô hình cho giai đoạn cần dự báo trong bối cảnh chính sách và điều kiện vĩ mô tương tự như đã diễn ra trong quá khứ mà chưa có bất kỳ một sự điều chỉnh hay can thiệp nào đến từ nhà hoạch định chính sách hoặc chưa phải chịu thêm bất kỳ

146

một tác động diện rộng nào đến từ các cú sốc/sự kiện bất ngờ (Bùi Quốc Dũng, 2014). Đây

là căn cứ quan trọng giúp nhà điều hành xem xét, xây dựng các mục tiêu vĩ mô phù hợp

trong từng thời kỳ phát triển. Tuy nhiên, tại thời điểm thực hiện luận án (tháng 3/2020), khi

mà dịch COVID-19 đang bùng phát mạnh mẽ và diễn biến phức tạp, gây ảnh hưởng nghiêm trọng tới đời sống kinh tế - xã hội của hơn 200 quốc gia trên thế giới (Phụ lục 3.23), tác giả

cho rằng việc xây dựng kịch bản cơ sở dựa theo các điều kiện thông thường trong quá khứ

để phục vụ công tác dự báo không còn phù hợp. Thay vào đó, tác giả sẽ căn cứ vào báo cáo

phân tích và dự báo cập nhật của tổ chức quốc tế uy tín (cụ thể là McKinsey) kết hợp đánh giá diễn biến kinh tế thế giới thời gian thực (đặc biệt chú trọng vào các nền kinh tế: Mỹ,

Trung Quốc, EU và Anh) để có thể thiết lập kịch bản diễn biến của nhóm biến ngoại sinh

bám sát nhất thực tại. Điều này cũng sẽ giúp giảm thiểu tối đa sai số của kết quả dự báo lạm phát trong năm 2020.

Về kịch bản chi phối từ tác động của COVID-19: Trước tình hình số ca nhiễm và tử vong do COVID-19 trên thế giới tăng nhanh mỗi ngày (Phụ lục 3.23), McKinsey đưa ra 2 kịch bản thận trọng về sự tương tác giữa lây lan dịch bệnh và ứng xử của xã hội, trong đó chỉ ra các tác động chính đối với nền kinh tế (Phụ lục 3.24).

- Kịch bản 1: Trải qua 3 quý đầu năm 2020, cú sốc COVID-19 lan rộng tầm ảnh

hưởng và gây suy thoái kinh tế trên bình diện toàn cầu. Bước sang Q4/2020, khi đại dịch đã trong tầm kiểm soát, kinh tế toàn cầu mới có thể hồi phục trở lại.

- Kịch bản 2: COVID-19 lây lan ngày càng mạnh mẽ, trở thành đại dịch toàn cầu và

các hầu hết các nền kinh tế trên thế giới đều phải chịu cú sốc nghiệm trọng. Theo đó, tăng

trưởng kinh tế toàn cầu và một số nền kinh tế lớn như Mỹ, Trung Quốc, Anh và EU có thể giảm sâu (thậm chí là suy thoái) trong năm 2020. Giai đoạn phục hồi chỉ thực sự bắt đầu kể từ quý 2/2021.

Cả hai kịch bản trên hối thúc các nhà hoạch định trên thế giới cân nhắc hạ lãi suất

khẩn cấp, triển khai các gói chi tiêu, hoặc kết hợp cả hai. Về cơ bản, hạ lãi suất và tăng chi

tiêu có thể giúp kiềm chế sự hỗn loạn trên thị trường tài chính, đồng thời giúp khôi phục phần nào nhu cầu một khi khủng hoảng do COVID-19 đi qua. Song, nếu dịch bệnh tiếp tục

cao trào, các gói kích thích có thể tạo ra áp lực lạm phát mà chưa chắc giúp cải thiện GDP, theo đó tình trạng nền kinh tế ngày càng tệ hơn.

Từ các kịch bản chi phối, tác giả đưa ra kịch bản đối với biến ngoại sinh trong năm

2020 theo tháng và quý như sau:

- Dựa trên kịch bản 1: (i) Giá dầu suy giảm mạnh và dao động quanh mức 28 – 32 USD/thùng trong quý 2 và quý 3, sau đó tăng mạnh và đạt đỉnh 52,34 USD/thùng vào cuối quý 4; (ii) Tương tự, do tổng cầu sụt giảm, chỉ số giá hàng hóa thế giới suy giảm từ 20 – 30% trong quý 2 và quý 3, sau đó tăng mạnh trở lại (từ 30 – 50%) vào quý 4; (iii) Sau tuyên bố của FED về việc hạ lãi suất khẩn cấp về mức tiệm cận 0% vào ngày 15/03/2020 nhằm ổn

147

định kinh tế Mỹ trước những ảnh hưởng tiêu cực của dịch COVID-19, về cơ bản, từ tháng 3

tới cuối năm 2020, lãi suất hiệu dụng của FED sẽ giảm mạnh và được giữ ở mức thấp 0 – 0,02%.

- Dựa trên kịch bản 2: (i) Giá dầu giảm mạnh, dao động quanh ngưỡng 25 – 30

USD/ thùng trong thời gian từ quý 2 đến quý 4; (ii) Tương tự, trong bối cảnh suy thoái kinh

tế, chỉ số giá hàng hóa thế giới cũng giảm mạnh (40 – 50%) và duy trì ở mức thấp trong 3 quý cuối năm; (iii) Để hỗ trợ thị trường tài chính Mỹ khắc phục hậu quả do COVID-19 gây

ra và trở lại ổn định, lãi suất FED được giảm khẩn cấp về mức 0% và duy trì mức này xuyên suốt từ quý 2 đến hết năm 2020.

Trên cơ sở dự báo đối với các biến ngoại sinh, tác giả thu được kết quả dự báo ngoài

mẫu đối với các biến nội sinh quan trọng theo mô hình VECM tần suất tháng và quý như ở Bảng 3.8 và Bảng 3.9.

Từ kết quả dự báo ngoài mẫu đố i vớ i cá c biến nộ i sinh dựa trên mô hình VECM tần suất tháng và quý, tác giả rú t ra mộ t số nhậ n xét sau đố i vớ i diễn biến la ̣m phát và mộ t số chỉ tiê u tiền tệ trong nă m 2020:

Về tă ng trưở ng kinh tế: Trong bối cảnh kinh tế toàn cầu suy thoái do COVID-19 (theo tuyên bố của Tổng Giám đốc IMF vào ngày 27/03/2020 - Georgieva, 2020), giá dầu

thô giảm mạnh, chiến tranh thương mại Mỹ - Trung cũng như căng thẳng địa chính trị giữa

Mỹ - Iran chưa có dấu hiệu lắng xuống, nhiều quốc gia lớn đóng cửa biên giới nhằm ngăn

chặn dịch bệnh đã đe dọa chuỗi cung ứng và làm tăng nguy cơ thiếu hụt nguyên liệu sản xuất, sản phẩm tiêu dùng, hoạt động kinh tế Việt Nam nă m 2020 được dự báo sẽ kém khởi sắc hơn hẳn so với năm 2019, thể hiện rõ nhất qua trạng thái âm của chênh lệch sản lượng

vào quý 1 và 4. Tính chung cả năm 2020, sản lượng của Việt Nam ghi nhận mức tăng khá thấp (kịch bản 1) hoặc thậm chí là thâm hụt (kịch bản 2) so với sản lượng tiềm năng.

Về diễn biến la ̣m phát: Mức tăng CPI thể hiện xu hướng giảm dần xuyên suốt năm 2020, đáng chú ý là mức tăng trưởng âm (tình trạng giảm phát) bắt đầu xuất hiện kể từ tháng 6 trở đi – giai đoạn tâm điểm khốc liệt nhất của dịch COVID-19 theo dự báo của

McKinsey. Tính bình quân cả năm 2020, giảm phát của nền kinh tế Việt Nam được dự báo

ở mức từ -1,23% đến -1,07% theo mô hình VECM tần suất tháng và từ -2,13% đến -2,11% theo mô hình hình tần suất quý (mức này thấp hơn và cách khá xa mục tiêu lạm phát dưới 4% được Quốc hội đề ra cho năm 2020).

Xu hướng la ̣m phát tă ng nhẹ đầu nă m, sau giảm mạnh về các tháng cuố i nă m phù hơ ̣p vớ i diễn biến giá cả trên thi ̣ trườ ng quố c tế do mứ c giá trong nướ c chi ̣u tác độ ng ma ̣nh củ a giá thế giớ i trong bố i cả nh Việ t Nam là nướ c phả i nhậ p khẩu nhiều, đặ c biệ t là nhậ p khẩu xă ng dầu thành phẩm, nguyê n liệ u cô ng nghiệ p, xâ y dựng từ thi ̣ trườ ng nướ c ngoài. Nhìn chung, tác động mạnh mẽ và bao trùm của dịch COVID-19 cùng xu thế giảm giá xăng

148

dầu thế giới có thể khiến cho kinh tế Việt Nam lần đầu rơi vào tình trạng giảm phát chưa từng có trong vòng 20 năm trở lại đây.

Về diễn biến thị trường tiền - ngân hàng: Trước tác động tiêu cực của dịch COVID- 19, tổng phương tiện thanh toán (M2) năm 2020 tăng trưởng bình quân 8,92 - 9,13%, trong

khi tín dụng nền kinh tế tăng 15,74 - 15,95% (đều thấp hơn năm 2019), cho thấy các doanh

nghiệp đang phải đối mặt với nhiều khó khăn, phải thu hẹp hoạt động sản xuất kinh doanh. Để tháo gỡ phần nào khó khăn cho cộng đồng doanh nghiệp và nhà đầu tư, mức lãi suất cho

vay được dự báo sẽ giảm về mức 6,11 - 6,18%/năm trong năm 2020 (so với mức 7,6%/năm

của năm 2019). Trong khi đó, tỷ giá USD/VND được dự báo tăng nhẹ ở mức dưới 2%, về cơ bản năm trong mục tiêu đề ra của NHNN cho năm 2020

149

Bảng 3.8: Kết quả dự báo của mô hình VECM tần suất tháng đối với các biến nội sinh quan trọng trong năm 2020 (% yoy)

Biến số

2020 m1

2020 m2

2020 m3

2020 m4

2020 m5

2020 m6

2020 m7

2020 m8

2020 m9

2020 m10

2020 m11

2020 m12

BQ 2020

Kịch bản 1

IIP_GAP

6,42

-15,53

4,97

-3,60

0,27

-0,13

2,43

4,98

6,85

10,82

13,51

18,61

4,13

4,45

4,91

4,69

3,04

0,67

-1,72

-3,74

-5,13

-5,75

-5,71

-4,89

-3,69

ΔCPI

-1,07

15,97

15,25

14,74

13,66

13,91

14,91

16,20

17,16

17,67

17,35

16,79

15,30

ΔM2

15,74

10,54

10,55

9,93

8,04

6,60

5,74

5,71

6,49

7,97

9,73

11,99

13,79

ΔCREDIT

8,92

-1,11

0,87

0,57

0,95

1,24

1,12

0,74

0,31

0,20

0,64

1,31

1,88

ΔER_VCB

0,73

Kịch bản 2

IIP_GAP

6,42

-15,53

1,42

-2,66

0,17

1,71

4,51

5,50

6,69

8,33

10,05

12,57

3,27

4,45

4,91

3,94

2,10

-0,05

-1,99

-3,36

-4,32

-4,81

-4,98

-5,20

-5,46

ΔCPI

-1,23

15,97

15,25

14,12

13,98

14,77

15,78

16,96

17,49

17,65

17,19

16,49

15,76

ΔM2

15,95

10,54

10,55

8,95

7,49

6,42

6,08

6,71

7,73

9,24

10,76

12,01

13,07

ΔCREDIT

9,13

-1,11

0,87

1,16

1,35

1,15

0,74

0,11

0,43

0,93

1,32

1,53

1,74

ΔER_VCB

0,85

Dự bá o CPI trung bình các tháng nă m 2020 giảm từ 1,07 – 1,23% (giảm phát).

150

Bảng 3.9: Kết quả dự báo của mô hình VECM tần suất quý đối với các biến nội sinh quan trọng trong năm 2020 (% yoy)

Biến số 2020q1 2020q2 2020q3 2020q4 BQ 2020

Kịch bản 1

7,55 -13,78 18,32 -9,61 IIP_GAP 0,62

-3,61 2,78 -4,08 -3,54 ΔCPI -2,11

18,72 22,88 24,56 18,31 ΔM2 21,12

5,91 6,72 4,81 7,26 LENDING_R 6,18

1,17 1,85 0,49 0,10 ΔER_VCB 0,90

Kịch bản 2

7,55 -13,78 16,58 -16,21 IIP_GAP -1,47

-3,61 2,78 -4,11 -3,58 ΔCPI -2,13

19,31 22,96 26,22 20,94 ΔM2 22,36

5,91 6,72 4,74 7,07 LENDING_R 6,11

1,17 1,85 0,47 0,12 ΔER_VCB 0,90

Dự bá o CPI trung bình các quý nă m 2020 giảm từ 2,11 – 2,13% (giảm phát).

Nhìn chung, dựa trên hai ki ̣ch bản chi phối về tác động của dịch COVID-19 với giả định giá dầu cũng như giá hàng hóa quốc tế giảm mạnh trong phần lớn các tháng của năm

2020 và chỉ có dấu hiệu tăng trở lại trong quý 4 và động thái giảm mạnh lãi suất hiệu dụng về 0 – 0,2% từ FED, kết quả dự báo trong trung hạn thông qua mô hình VECM tần suất

tháng và quý đều chỉ ra những dấu hiệu kém lạc quan của nền kinh tế Việt Nam, theo đó:

tăng trưởng kinh tế giảm sút so với 2019; giá cả rơi vào tình trạng giảm phát, thấp hơn rất

nhiều mục tiêu lạm phát 4% của Quốc hội. Thị trường tiền tệ - ngân hàng kém sôi động hơn so với năm trước do đa số doanh nghiệp rơi vào tình trạng khó khăn trong bối cảnh đại dịch,

theo đó, tổng phương tiện thanh toán và tín dụng của nền kinh tế tăng thấp phù hợp với điều kiện lãi suất thị trường tiếp tục giảm. Trong khi đó, mức tăng của tỷ giá có chiều hướng giảm vào các tháng cuối năm phần nào cho thấy thêm những khó khăn mà hàng hóa xuất khẩu của Việt Nam có thể phải đối mặt bên cạnh thách thức các nền kinh tế lớn như Mỹ và EU đóng cửa biên giới giao thương trong suốt giai đoạn bùng phát dịch bệnh.

3.3. SO SÁNH, ĐÁNH GIÁ HIỆU QUẢ MÔ HÌNH DỰ BÁO

Trước khi đưa ra đánh giá và so sánh chuyên sâu về hiệu quả mô hình, tác giả tóm

lược kết quả dự báo thu được từ quá trình phát triển thực nghiệm như sau:

(1) Mô hình ARIMA: Kết quả dự báo 3 tháng đầu nă m 2020 (Bảng 3.1).

151

(2) Mô hình VECM: Kết quả dự báo các biến nội sinh tần suất tháng và quý cho năm

2020 (dựa trên 2 kịch bản chi phối) như sau:

(cid:120) Theo tần suất tháng: Lạm phát bình quân dao động từ -1,23% đến -1,07%

→ Phản ánh tình trạng giảm phát (Bảng 3.8).

(cid:120) Theo tần suất quý: Lạm phát bình quân dao động từ -2,13% đến -2,11%

→ Phản ánh tình trạng giảm phát (Bảng 3.9).

3.3.1. Đánh giá hiệu quả mô hình ARIMA

Dựa trên giả đi ̣nh không có cú số c lớ n nào như cung tiền, tín du ̣ng, lãi suất, tỷ giá, giá dầu, lãi suất hiệu dụng của FED... tác độ ng đến nền kinh tế, đồng thời CPI chỉ chi ̣u tác độ ng củ a tính chu kỳ hàng nă m và các yếu tố lũy kế từ giai đoa ̣n trướ c, kết quả dự báo củ a tác giả theo mô hình ARIMA cho thấy: CPI các tháng 1, 2, 3 năm 2020 lần lươ ̣t là 1,88%, 1,39%, 0,72%. Về nguyên tắc, các phép đo sai số dự báo củ a mô hình càng nhỏ thì độ chính xác củ a dự báo càng cao. Sau khi thử nghiệm 156 phươ ng trình và loa ̣i bỏ các AR, MA không có ý nghĩa thố ng kê đối vớ i mô hình ARIMA củ a 10 nhóm hàng hóa và CPI tổ ng thể, tác giả lựa chọn kết quả ướ c lươ ̣ng CPI củ a 10 nhóm hàng hóa và CPI tổ ng thể có độ nhiễu, AIC và SBIC đạt giá trị nhỏ nhất. Quá trình dự báo CPI các nhóm hàng hóa đầu vào, từ đó dự báo CPI tổ ng thể cho thấy mô hình phản ánh khá chuẩn xác xu thế và mứ c độ biến độ ng củ a CPI các nhóm hàng hóa và CPI tổ ng thể, đặ c biệ t các nhóm hàng hóa không chi ̣u ảnh hưở ng trực tiếp từ việ c điều chỉnh giá củ a nhà nướ c. Vớ i R2 = 0,639 và sai số dướ i 5%, nă ng lực dự báo củ a mô hình đố i vớ i la ̣m phát nhìn chung khá tốt. Kiểm nghiệ m quá khứ , dự báo mức tăng CPI các tháng 10, 11, 12 năm 2019 đạt 0,62%, 1,04%, 1,41%, trong khi số thực tế là 0,62%, 0,95%, 1,50% (sai số ước tính dưới 5%) một lần nữa khẳng định về năng lực dự báo tốt của mô hình ARIMA. Việ c cậ p nhậ t tác độ ng tă ng/giảm của giá xă ng dầu vào cuố i nă m 2019 - đầu nă m 2020 và tác độ ng củ a việ c tă ng giá vào di ̣p Tết được kỳ vọng giúp cải thiện hơn nữa độ chính xác củ a dự báo.

Việ c dự báo chi tiết 10 nhóm hàng hóa trong rổ CPI còn cho phép đánh giá tác độ ng, mứ c độ đóng góp củ a các nhóm hàng hóa thành phần tớ i CPI tổ ng thể. Kết quả dự báo 3 tháng đầu năm 2020 cho thấ y nhóm hàng ă n và di ̣ch vu ̣ ă n uố ng; nhà ở , điệ n nướ c và vật liệu xây dựng; giao thông và bưu chính là 3 nhóm hàng hóa đóng góp chủ chốt nhất vào CPI tổ ng thể trong các tháng 6, 7, 8 do ảnh hưở ng củ a việc tă ng giá dầu và nhu cầu ă n uố ng (ă n uố ng ngoài gia đình) tă ng cao vào thờ i điểm nghỉ hè; kể từ tháng 9 - 11/2019, CPI nhóm thuố c men và di ̣ch vu ̣ y tế và nhóm giáo du ̣c cũng có chiều hướng tă ng và ảnh hưở ng ma ̣nh hơ n tớ i CPI tổ ng thể, tuy nhiên tác độ ng củ a 2 nhóm hàng hóa này giảm dần khi bước sang tháng 12/2019.

3.3.2. Đánh giá hiệu quả mô hình VECM

Vớ i việ c lựa cho ̣n các biến vĩ mô chủ chốt tác độ ng tới la ̣m phát, xác đi ̣nh các nhân tố ngoa ̣i sinh (giá dầu, giá cả hàng hóa thế giới và lãi suất hiệu dụng của FED) và loa ̣i trừ

152

hiệ n tươ ̣ng đồ ng tích hơ ̣p, mô hình VECM dựa trên cấu trúc thích hợp giúp cung cấp kết quả dự báo lạm phát theo tháng và quý, từ đó tác giả có thể dự báo la ̣m phát bình quân theo nă m. Từ kết quả dự báo CPI các tháng trong năm 2020, tác giả tính toán được mức tăng CPI bình quân năm 2020 dao động trong khoảng -1,23% đến -1,07%; Kết quả dự báo CPI các quý cũng cho thấy xu thế tương tự đối với tình hình lạm phát của năm 2020, theo đó mức tăng CPI bình quân năm 2020 nằm trong khoảng -2,13 đến -2,11%. Kết quả kiểm tra tính ổ n đi ̣nh cho thấ y mô hình đáp ứng tốt yêu cầu này; kết quả hàm phản ứ ng Cholesky cũng đã chỉ ra mứ c độ tác độ ng củ a các cú số c củ a IIP_GAP, CPI, M2, LENDING_R, ER_VCB, PPI và WAGE đố i vớ i biến cần dự báo (CPI) và ngươ ̣c la ̣i, đả m bảo sự phù hơ ̣p và gắn kết tốt vớ i lý thuyết kinh tế ho ̣c và cơ sở lý thuyết về la ̣m phát.

Phát huy tốt những ưu thế sẵn có củ a mô hình VECM và kỹ thuậ t mô hình chuẩn xác vớ i rất nhiều kiểm đi ̣nh đươ ̣c sử du ̣ng như: kiểm đi ̣nh tính dừ ng, kiểm đi ̣nh độ trễ, kiểm đi ̣nh tính ổ n đi ̣nh củ a mô hình, kiểm đi ̣nh nhân quả giữa các biến, phân rã Cholesky..., có thể khẳ ng đi ̣nh mô hình VECM là mộ t công cu ̣ hữu hiệ u để dự báo la ̣m phát trong trung hạn. Việ c xác đi ̣nh và loa ̣i bỏ hiệ n tươ ̣ng đồ ng liên kết giữa các biến trong mô hình đã góp phần làm tă ng tính chính xác củ a kết quả dự báo so vớ i mô hình VAR. Mặt khác, chất lươ ̣ng dự báo củ a mô hình có thể được cải thiện hơn nữa thông qua dự báo từ ng biến củ a mô hình (phươ ng pháp One-step Forecast). Cùng vớ i đó, việ c xem xét bổ sung các nhân tố tác độ ng đến la ̣m phát như chỉ số giá nhậ p khẩu, giá xă ng dầu trong nướ c sẽ góp phần hoàn thiệ n kết quả dự báo củ a mô hình trong thờ i gian tớ i.

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

Trong khi mô hình ARIMA chỉ sử du ̣ng chuỗi CPI tháng trong quá khứ và CPI tháng củ a 10 nhóm hàng hóa thành phần thì mô hình VECM bao hàm nhiều biến số vĩ mô hơ n và quá trình kiểm đi ̣nh các biến cũng như mố i quan hệ giữa các biến được thực hiện khá kỹ lưỡng, vì vậ y, về mặ t phươ ng pháp luậ n, mô hình VECM đã khẳ ng đi ̣nh tính ưu việ t hơ n trong dự báo la ̣m phát so vớ i mô hình ARIMA. Xét về thực tế, vớ i độ dài đủ lớ n củ a chuỗi dữ liệ u (2005 – 2019) kết hợp với các bài kiểm đi ̣nh chặ t chẽ trong quá trình thực nghiệm, VECM cung cấp kết quả dự báo CPI tháng và quý trong trung ha ̣n (1 năm) với độ tin cậy và chính xác hơn hẳn ARIMA (vốn chủ yếu dự báo ngắ n ha ̣n). Hơ n nữa, vớ i việ c dự báo các ki ̣ch bản khác nhau củ a biến ngoa ̣i sinh (được kiểm soát bởi một hoặc một vài tác nhân chi phối), chúng ta hoàn toàn có thể xây dựng các ki ̣ch bản dự báo CPI theo tháng và quý thông qua mô hình VECM, trong khi mô hình ARIMA chỉ đưa ra đươ ̣c điểm dự báo.

Quá trình thực nghiệm chỉ ra rằng, bắt đầu từ tháng thứ 3, kết quả dự báo theo mô hình ARIMA bắt đầu sai lệ ch nhiều hơ n so vớ i số thực tế, đặ c biệ t nếu không cậ p nhậ t diễn biến từ ng tháng trướ c liền kề để dự báo cho tháng sau; trong khi đó, kết quả mô hình VECM cho kết quả dự báo vớ i mức độ sai lệ ch không quá lớ n (dướ i 2,5%), cụ thể với tần suất tháng: CPI của 2019m1 tăng 2,72% (chênh lệch 0,16% so với thực tế); CPI của 2019m12

153

tăng 4,10% (chênh lệch 1,12%); với tần suất quý: CPI của 2019q1 tăng 2,70% (chênh lệch

0,07%), CPI của 2019q4 tăng 2,90% (chênh lệch 0,76%). Từ các dẫn chứng trên, có thể thấy mô hình VECM cung cấp kết quả dự báo ổn định, chính xác và đáng tin cậ y hơ n. Việ c đưa ra khoảng dự báo củ a mô hình VECM (chẳ ng ha ̣n, khoảng dự báo bình quân nă m 2020 theo mô hình tần suất tháng từ -1,23% đến -1,07%; theo tần suất quý đạt từ -2,13% đến - 2,11%) đảm bảo độ tin cậ y và khả nă ng phù hơ ̣p cao hơ n vớ i thực tế so vớ i dự báo điểm củ a mô hình ARIMA (CPI tháng 1, 2, 3 năm 2020 lần lươ ̣t đạt 1,88%, 1,39%, 0,72% đi kèm giả đi ̣nh trong điều kiệ n ổ n đi ̣nh, không có cú số c lớ n tác động đến nền kinh tế).

Về cả lý thuyết và thực tế triển khai, kết quả củ a cả hai mô hình đều khẳ ng đi ̣nh la ̣m phát (biểu hiệ n bằ ng chỉ số CPI) chi ̣u tác độ ng rất lớ n bở i chính nó trong quá khứ . Việ c sử du ̣ng dữ liệ u CPI theo tháng củ a quá khứ và dự báo 10 nhóm hàng hóa đầu vào để rút ra kết quả dự báo cho CPI hiệ n ta ̣i và tươ ng lai củ a mô hình ARIMA cho kết quả (đặ c biệ t về xu hướ ng) khá phù hơ ̣p vớ i thực tế, sai số trong 3 tháng dự báo đầu tiên về cơ bản là khá thấp. Đồ ng thờ i, phân tích phươ ng sai củ a mô hình VECM cũng cho thấy biến độ ng CPI chi ̣u ảnh hưở ng gần như toàn diện (trên 90%) cú số c trễ của chính nó ngay từ những tháng đầu tiên và tỷ lệ này sau 12 và 24 tháng giảm dần, lần lượt chỉ còn 73% và 40%. Bên ca ̣nh chỉ số CPI, mô hình VECM cũng đánh giá phản ứ ng củ a CPI đố i vớ i các cú số c củ a các biến IIP_GAP, M2, LENDING_R, ER_VCB, PPI và WAGE. Kết quả thu được từ mô hình cũng tươ ng đồ ng vớ i diễn biến la ̣m phát thực củ a Việ t Nam giai đoa ̣n 2005 – 2019, chẳng hạn:

- Khi đề cập về cú sốc từ phía cầu, khi một cú sốc chênh lệch sản lượng được tạo ra, CPI có xu hướng giảm nhẹ trong vòng 5 quý đầu tiên trước khi thiết lập trạng thái ổn định

kể từ quý 6. Điều này có được là do trong bối cảnh kinh tế lạm phát cao và dễ thay đổi như

Việt Nam, doanh nghiệp thường không muốn bị ràng buộc vào các hợp đồng dài hạn với

mức giá cố định. Thay vào đó, họ cố gắng linh hoạt hơn trong việc thiết lập giá để giảm thiểu ảnh hưởng của các cú sốc tới kết quả kinh doanh của mình. Từ đó, hiệu ứng truyền tải từ các cú sốc tiền tệ tới CPI thường sẽ nổi trội hơn là các cú sốc sản lượng thực.

- Về phía yếu tố thuộc CSTT, tỷ lệ giải thích củ a cú số c tă ng trưở ng M2 đố i vớ i CPI thể hiện tác độ ng dươ ng kể từ tháng thứ 8 trở đi, đạt cực đại vào quý 3 và 4, sau đó dần đi vào ổn định. Điều này tươ ng tự vớ i thực tế củ a giai đoa ̣n khủng hoảng 2007 – 2008, khi tín du ̣ng và M2 đi vào chu kỳ tăng trưởng “nóng” (53,9% và 45%), CPI cũng tă ng dần, đa ̣t cực đa ̣i vào tháng 8/2008 (2008q3 tươ ng đươ ng khoảng quý 4 củ a mô hình), sau đó giảm về dướ i 5% vào 2009q2 (tươ ng đươ ng khoảng 7 quý nếu coi tháng 10/2007 là thờ i điểm bắt đầu tă ng lên củ a M2). Bên cạnh đó, kết quả hàm phản ứng Cholesky còn cho thấy việc gia tăng lãi suất cũng đạt được hiệu quả nhất định trong việc kiềm chế lạm phát tại Việt Nam. Cụ thể, tác độ ng ngược chiều củ a lãi suất đến CPI tă ng dần và đa ̣t cực đa ̣i vào tháng thứ 9.

- Một phát hiện đáng chú ý nữa là tỷ trọng tác động của cú sốc tiền lương tăng dần

và đạt cực đại vào quý thứ 5, sau đó đi vào ổn định, trong khi cú sốc giá sản xuất khiến CPI

154

gia tăng tức thì và tác động này diễn ra dai dẳng trong nhiều tháng tiếp theo (dù đóng góp của tiền lương và PPI vào mức tăng CPI theo kết quả phân rã phương sai là khá nhỏ bé).

Tóm lại, mỗi mô hình sở hữu ưu thế riêng trong quá trình dự báo và kết quả từ chúng đóng vai trò như một kênh tham chiếu để kiểm đi ̣nh kết quả các mô hình còn la ̣i. Vì vậ y, trong dự báo la ̣m phát nói riêng hay dự báo vĩ mô nói chung, cần kết hơ ̣p nhiều phươ ng pháp, nhiều mô hình khác nhau nhằm đánh giá và tìm ra kết quả dự báo với độ chính xác và tin cậy cao nhất. Trong đó, mô hình VECM sẽ góp phần khắc phu ̣c nhữ ng ha ̣n chế củ a ARIMA và VAR, giúp cải thiện nă ng lực dự báo, tă ng tính phù hơ ̣p và hiệ u quả dự báo không chỉ đố i vớ i la ̣m phát mà còn đố i vớ i các chỉ số vĩ mô khác trong nền kinh tế.

155

TÓM TẮT CHƯƠNG 3

Trên cơ sở chuỗi số liệu tháng vào quý giai đoạn 2005 – 2019 thu thập từ các nguồn

tin cậy như IMF, Fed St. Louis, NHNN và TCTK, Chương 3 của luận án đề xuất hoàn thiện mô hình ARIMA cho dự báo lạm phát ngắn hạn và mô hình VECM cho dự báo lạm phát trung hạn phục vụ điều hành CSTT tại Việt Nam. Kết quả ướ c lươ ̣ng mô hình vớ i R2 hiệu chỉnh đạt 0,639 (ARIMA tần suất tháng), 0,632 (VECM tần suất tháng) và 0,805 (VECM tần suất quý) cho thấ y các mô hình có chất lươ ̣ng vượt trội so với các nghiên cứu trước, bám sát tốt xu hướ ng thực tế, do đó có thể được ứng du ̣ng để dự báo la ̣m phát Việ t Nam. Vớ i mô hình ARIMA, việ c phân tách cụ thể 10 nhóm hàng hóa cho phép dự báo, đánh giá tác động và mức độ đóng góp trong ngắn hạn của các nhóm hàng hóa thành phần tớ i CPI tổ ng thể. Với mô hình VECM, kết quả thực nghiệm cho thấy các biến tác độ ng thuận chiều tới biến CPI bao gồ m: CPI trong quá khứ, cung tiền M2, tỷ giá, chỉ số PPI và mức lương của nền kinh tế; trong khi chênh lệch sản lượng và lãi suất có tác độ ng ngược chiều tới CPI. Sau 24 tháng, biến động của CPI được giải thích bởi 40,2% sự thay đổ i củ a bản thân CPI trong quá khứ , 33% bởi sốc trong chỉ số giá sản xuất, 6,9% bởi sốc trong lãi suất, 6,2% bởi sốc chênh lệch sản lượng, 6,1% bởi số c trong tă ng trưở ng M2, 5,5% bởi sốc về tỷ giá và chỉ 2% được giải thích bởi biến động của lương. Điểm mới độc đáo của luận án thể hiện ở chỗ mô hình

VECM cho phép dự báo CPI tháng và quý trong năm 2020 dựa trên các kịch bản chi phối

của dịch COVID-19 đối với biến ngoại sinh (giá hàng hóa và giá dầu quốc tế giảm mạnh; lãi suất FED tiệm cận 0%). Kết quả dự báo cho thấy 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%. Qua so sánh, đánh giá hiệu quả các mô hình dự báo, luận án thấy rằng mô hình VECM sử du ̣ng biến số đa dạng hơ n, quá trình kiểm đi ̣nh biến và quan hệ giữa các biến kỹ lưỡng và chặt chẽ hơn, do đó, về mặ t phươ ng pháp luậ n, VECM tỏ ra ưu việ t hơ n ARIMA trong dự báo la ̣m phát. Song, với dự báo ngắn hạn, ARIMA vẫn cho thấy những ưu điểm nổi trội (đặc biệt khi phân tích, đánh giá diễn biến CPI theo các cấu phần). Do đó, để thu được kết quả dự báo tin cậy và chính xác, nên sử du ̣ng kết hơ ̣p nhiều phươ ng pháp và mô hình dự báo.

156

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

Dựa trên các mục tiêu phát triển kinh tế - xã hội của Quốc hội và Chính phủ và

những đánh giá của NHNN về tình hình lạm phát và kinh tế vĩ mô, NHNN đặt ra mục tiêu tổng quát đố i vớ i điều hành CSTT giai đoạn từ nay tới năm 2025 là điều hành chủ độ ng, linh hoa ̣t, thận trọng, phố i hơ ̣p chặ t chẽ vớ i chính sách tài khóa và chính sách kinh tế vĩ mô khác nhằ m kiểm soát lạm phát theo mục tiêu đề ra, góp phần ổn định kinh tế vĩ mô, thúc đẩy tăng trưởng bền vững, song song với bảo đảm an toàn và lành mạnh hoạt động của các tổ chức tín dụng.

4.1.2. Định hướng giải pháp điều hành chính sách tiền tệ

Hướng tới xây dựng và áp du ̣ng khuôn khổ CSTT vớ i mu ̣c tiêu hàng đầu là ổ n đi ̣nh giá cả, phố i hơ ̣p chặ t chẽ vớ i các chính sách kinh tế vĩ mô khác trong việ c thực hiệ n các nhiệ m vu ̣ kinh tế - xã hộ i (Chu Khánh Lân, 2018), định hướng giải pháp điều hành CSTT cho giai đoạn từ nay tới 2025 được xác định cụ thể như sau:

Thứ nhất, đổ i mớ i điều hành công cu ̣ củ a CSTT theo hướ ng hiệ n đa ̣i, chuyển từ điều hành theo khố i lươ ̣ng sang điều hành theo giá; sử du ̣ng các công cu ̣ gián tiếp, ha ̣n chế và tiến tớ i dừ ng sử du ̣ng các biệ n pháp hành chính.

Thứ hai, xác đi ̣nh rõ cơ chế truyền tải CSTT và đánh giá hiệ u quả cơ chế truyền tải theo các kênh, giải quyết tồ n ta ̣i trong từng kênh truyền tải đang ha ̣n chế vai trò của CSTT tớ i hệ thố ng ngân hàng, thi ̣ trườ ng tiền tệ - tài chính và nền kinh tế.

Thứ ba, đổ i mớ i cơ chế tỷ giá theo hướ ng tăng cường sự linh hoa ̣t và gắn kết chặt chẽ với tín hiệu thị trường, ha ̣n chế các công cu ̣ trực tiếp, biệ n pháp hành chính trong quản lý thi ̣ trườ ng ngoa ̣i tệ , tă ng cườ ng sử du ̣ng các công cu ̣ gián tiếp để can thiệ p vào thi ̣ trườ ng ngoa ̣i tệ . Đổ i mớ i công tác quản lý dự trữ ngoa ̣i hố i phù hơ ̣p vớ i thông lệ quố c tế, bảo đảm hài hòa các mu ̣c tiêu an toàn, thanh khoản và sinh lờ i.

Thứ tư, phát triển hoàn thiện hệ thố ng cơ sở dữ liệ u và mô hình dự báo, cảnh báo

sớ m làm că n cứ phục vụ điều hành CSTT và hoa ̣t độ ng ngân hàng.

Thứ năm, thực hiệ n các giải pháp quản lý ngoa ̣i hố i hơ ̣p lý, đồ ng bộ vớ i CSTT - tín du ̣ng; chuyển đổi quan hệ huy độ ng - cho vay sang quan hệ mua - bán, tiến tớ i xóa bỏ tình tra ̣ng đô la hóa, vàng hóa trong nền kinh tế.

157

Thứ sáu, tă ng cườ ng phố i hơ ̣p chính sách giữa NHNN và các cơ quan quản lý Nhà

nướ c để bảo đảm sự hài hòa giữ a CSTT và các chính sách vĩ mô.

Thứ bảy, đẩy ma ̣nh quá trình hộ i nhậ p kinh tế khu vực và kinh tế quốc tế trong hoa ̣t độ ng điều hành CSTT, chuẩ n bi ̣ các điều kiệ n tố t nhất để ứ ng phó hiệu quả với biến độ ng từ bên ngoài.

4.1.3. Định hướng phát triển hoạt động dự báo tại Việt Nam

Xây dựng và phát triển mô hình kinh tế lượng phục vụ dự báo và phân tích kinh tế vĩ

mô là một quá trình trường kỳ, đòi hỏi phải có chiến lược rõ ràng, sự đầu tư thích đáng về

trí tuệ và nguồn lực cũng như việc không ngừng học tập và kế thừa những thành tựu tiến bộ

của các nước đi trước. Trên tinh thần đó, có thể khái lược định hướng phát triển căn cơ đối với công tác dự báo vĩ mô tại NHNN Việt Nam tới năm 2025 như sau:

Thứ nhất, để cải thiện độ chính xác của dự báo cũng như tạo sự gắn kết chặt chẽ hơn nữa với lý thuyết kinh tế học, trong thời gian tới, bên cạnh các lớp mô hình đa biến

truyền thống đang được áp dụng như VAR và VECM, có thể mở rộng diện mô hình thực

nghiệm sang các biến thể hiện đại và phức tạp hơn của VAR như SVAR, BVAR và CVAR. Ví du ̣, kinh nghiệm của Bùi Quốc Dũng (2014) cho thấy, khi nói tới SVAR, ưu điểm nổi trội nhất của lớp này là khả nă ng đi ̣nh danh và đo lườ ng tác độ ng riê ng biệ t củ a các số c kinh tế tới các biến số kinh tế vĩ mô quan tâ m. Theo đó, việc xâ y dựng và phát triển các mô hình SVAR trong diện quy mô nhỏ vẫn có thể đáp ứ ng khá tốt nhu cầu phâ n tích – dự báo, đồ ng thờ i ít khi gặp phải cản trở về kỹ thuật. Tươ ng tự, BVAR (được nâng tầm từ nền tảng VAR) mang tới lợi thế trong việc kết hơ ̣p các thô ng tin tiên nghiệ m vớ i dữ liệ u thực để tất suy ra thông tin hậu nghiệm dựa trên phương pháp ước lượng Bayes. Điều nà y có thể giúp giảm đáng kể mức sai biệt giữa kết quả dự báo và con số thực tế.

Thứ hai, ngoài việc tiếp tu ̣c nghiê n cứ u phát triển các biến thể mới của VAR, NHNN cũng lên kế hoạch nghiên cứu và phát triển thử nghiệm các lớp mô hình cấu trú c (ví du ̣: mô hình kinh tế lươ ̣ng vĩ mô , DSGE…) để đạt được mộ t khung phâ n tích tổ ng quát, đồng thời cải thiện tốt hơn tầm xa dự báo. Ví dụ, việ c ứ ng du ̣ng mô hình kinh tế lươ ̣ng vĩ mô giúp cho cán bộ phân tích - dự báo của NHNN nắm bắt tốt hơn về các tác nhân và cơ chế tác động gây ra lạm phát, đồng thời, có thể đưa ra các kết quả mô phỏng chính sách với mức độ chi tiết cao làm cơ sở cho việc đề xuất chính sách và giải pháp kiểm soát lạm phát

phù hợp. Trong khi đó, mô hình DSGE từ lâu vẫn được coi là giải pháp dự báo và phân tích vĩ mô tối ưu tại các nền kinh tế áp dụng khuôn khổ CSTT lạm phát mục tiêu.

Thứ ba, về định hướng ứng dụng kết quả dự báo phục vụ điều hành CSTT: Bởi lẽ mỗi mô hình sở hữu những ưu điểm và hạn chế riêng phù hợp với từng loại tầm xa dự báo và bối cảnh phát triển kinh tế, vì vậy, để thu được kết quả dự báo các biến số vĩ mô khách quan, chính xác và toàn diện nhất, NHNN hướng tới việc vận hành đồng thời, kết hợp mô

158

hình dự báo thuộc các trường phái khác nhau chứ không ưu tiên cho một (hay một vài) lớp mô hình riêng lẻ nào.

Thứ tư, về cô ng tác đào ta ̣o và nâng cao năng lực cán bộ dự báo: Việc nghiên cứu, phát triển và vận hành các lớp mô hình kinh tế lượng diễn ra thường xuyên, liên tục, đòi hỏi

phải có đội ngũ cán bộ giàu kinh nghiệm, am hiểu về kiến thức chuyên môn, kỹ thuật xử lý

mô hình và làm chủ hiệu quả các công cụ và phần mềm tiên tiến. Do đó, trong thời gian tới, NHNN hướng tới tiếp tục tuyển dụng bổ sung và có kế hoạch đào tạo bài bản (hợp tác với

chuyên gia nước ngoài) đối với các lớp cán bộ dự báo kế cận, trang bị tốt nhất kiến thức về

kinh tế học, kinh tế lượng và kỹ năng vận hành, làm chủ các phần mềm tiên tiến như SPSS, Eviews, Stata, Matlab và R.

4.2. KHUYẾN NGHỊ CHÍNH SÁCH NHẰM HOÀN THIỆN MÔ HÌNH DỰ BÁO LẠM PHÁT TẠI VIỆT NAM

4.2.1. Khuyến nghị 1

Cải tiến dạng thức mô hình ARIMA nhằm nâng cao chất lượng dự báo lạm phát

trong ngắn hạn tại NHNN Việt Nam.

a. Cơ sở đưa ra khuyến nghị:

- Kế thừa và phát huy có chọn lọc kinh nghiệm về xây dựng và vận hành mô hình dự

báo đơn biến – ngắn hạn của NHTW các nước Macedonia và Philippines.

- Dự báo lạm phát ngắn hạn của Việt Nam dựa trên mô hình ARIMA đối với chuỗi

giá các nhóm hàng thành phần trong rổ CPI ở Chương 3 cho thấy hiệu quả vượt trội so với thực nghiệm trực tiếp với biến CPI tổng thể.

- Bám sát định hướng phát triển hoạt động dự báo tại NHNN Việt Nam về hoàn

thiện cấu trúc các mô hình.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê (NHNN).

c. Nội dung kiến nghị:

Thứ nhất, để dự báo xu hướng trong ngắn hạn của CPI tổng thể, dữ liệu đầu vào mô hình ARIMA cần xuất phát từ chuỗi giá các nhóm hàng thành phần trong rổ CPI theo tần suất tháng, ở cấp độ phân tổ cơ bản nhất (1 con số) gồm: (1) Hàng ăn và dịch vụ ăn uống;

(2) Đồ uống và thuốc lá; (3) May mặc, mũ nón và giày dép; (4) Nhà ở, điện nước và vật liệu

xây dựng; (5) Thiết bị và đồ dùng gia đình; (6) Thuốc men và dịch vụ y tế; (7) Giao thông và bưu chính; (8) Giáo dục; (9) Văn hóa, giải trí và du lịch; (10) Hàng hóa, dịch vụ khác. Như đã bình luận, việc thực nghiệm dự báo dựa trên phân tổ cho phép chúng ta nhận diện được “chùm” xu thế của các chỉ số giá bộ phận, điều không thể đạt được nếu thực nghiệm trực tiếp trên chuỗi CPI tổng thể. Kết quả dự báo ARIMA dựa trên phân tổ cũng đạt được

mức sai số thấp hơn hẳn so với việc thực nghiệm trực tiếp trên chuỗi CPI tổng thể mà NHNN đang áp dụng. Ngoài ra, phương pháp phân tổ dữ liệu trên cũng cho phép xác định,

159

lượng hóa các cú sốc giá thành phần nhằm phục vụ cho việc phân tích chính sách và hoạch

định kịch bản dựa trên mô hình hóa tác động của các chỉ số giá bộ phận cũng như các yếu tố hình thành nên sốc.

Thứ hai, trong hệ thống phân tổ chỉ số giá phục vụ mô hình dự báo, có thể phân tổ sâu hơn đối với chỉ số giá một số nhóm hàng hóa đặc biệt quan trọng trong rổ CPI (có ảnh

hưởng trọng yếu tới chỉ số giá cả tổng thể) để xem xét đồng thời cùng với các chỉ số giá phân tổ cơ bản. Cụ thể, chỉ số giá các nhóm hàng sau đây có thể được phân tổ sâu hơn:

- Hàng ăn và dịch vụ ăn uống – phân thành 3 tổ: (i) Lương thực, (ii) Thực phẩm, (iii)

Ăn uống ngoài gia đình.

- Đồ uống, thuốc lá – phân thành 2 tổ: (i) Đồ uống, (ii) Thuốc lá.

- Nhà ở, điện nước và vật liệu xây dựng – phần thành 4 tổ: (i) Tiền thuê nhà ở, (ii)

điện, nước và chất đối, (iii) vật liệu xây dựng.

- Thuốc men, dịch vụ y tế – phân thành 2 tổ: (i) Thuốc men, (ii) Dịch vụ y tế.

- Giao thông, bưu chính – phân thành 2 tổ: (i) Giao thông, (ii) Dịch vụ bưu chính.

Thứ ba, dựa trên kinh nghiệm dự báo tại NHTW các nước cũng như kết quả ứng dụng thực nghiệm mô hình dự báo ARIMA trong luận án, tác giả đề xuất tầm nhìn dự báo

tối ưu dành cho việc thực nghiệm ARIMA dự báo lạm phát ngắn hạn nên giới hạn từ 1 – 3

tháng. Tất nhiên, để có thể nâng cao chất lượng dự báo hơn nữa, NHTW có thể tiến hành nghiên cứu chuyên sâu hơn nữa nhằm tìm ra cách thức đột phá về xử lý dữ liệu đầu vào, tái

thiết cấu trúc ARIMA tối ưu theo bộ tham số (p, d, q) hoặc bổ sung một số hiệu chỉnh kỹ thuật nâng cao.

4.2.2. Khuyến nghị 2

Cải tiến dạng thức mô hình VAR và biến thể của VAR (điển hình là VECM) nhằm

nâng cao chất lượng dự báo lạm phát trong trung hạn tại NHNN Việt Nam.

a. Cơ sở đưa ra khuyến nghị:

- Kế thừa và phát huy có chọn lọc kinh nghiệm về xây dựng và vận hành mô hình dự

báo đa biến – trung hạn của FED và PBOC.

- Dự báo lạm phát trung hạn của Việt Nam dựa trên cấu trúc VECM theo đề xuất ở

Chương 3 cho thấy hiệu quả vượt trội so với cấu trúc mô hình gốc của NHNN Việt Nam.

- Bám sát định hướng phát triển hoạt động dự báo tại NHNN Việt Nam về hoàn

thiện cấu trúc các mô hình.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê (NHNN).

c. Nội dung kiến nghị:

Như đã khẳng định ở phần trước, cấu trúc mô hình VAR và VECM chỉ được thừa

nhận là phù hợp về cả khía cạnh lý thuyết và thực tiễn khi được phát triển trên nguyên lý

160

truyền dẫn CSTT theo 5 kênh cơ bản (kênh tín dụng, kênh lãi suất, kênh tỷ giá, kênh giá

hàng hóa và kênh kỳ vọng) kết hợp với lý thuyết về kinh tế học cơ cấu và kinh tế học tiền tệ.

Do đó, tác giả đưa ra khuyến nghị nhằm cải tiến dạng thức VAR và VECM hiện hữu dành cho NHNN trong công tác dự báo lạm phát:

Thứ nhất, về phía tổng cầu, tác giả đề xuất sử dụng biến chênh lệch sản lượng nhằm thay thế cho chỉ tiêu doanh số bán lẻ thực hay giá trị sản xuất công nghiệp vốn đang được NHNN sử dụng cho việc thực nghiệm VAR và VECM. Như các nghiên cứu trước đây đã chỉ ra, quan hệ la ̣m phát - tă ng trưở ng đươ ̣c phả n ánh chính xác nhất thông qua tương quan giữa la ̣m phát và chênh lệ ch sản lươ ̣ng củ a nền kinh tế.

Thứ hai, về phía CSTT, tác giả đề xuất NHNN sử dụng đồng thời cả hai chỉ tiêu gồm cung tiền rộng (M2) và tín dụng cho nền kinh tế, thay vì chỉ sử dụng biến tín dụng như

với mô hình thực nghiệm hiện nay. Tại Việt Nam, tăng trưởng M2 luôn được coi là một trong những mục tiêu điều hành hàng đầu của CSTT, đồng thời nhiều học giả đã khẳng định M2 phản ánh khá chính xác mố i quan hệ giữa việ c mở rộng (thắt chặ t) cung tiền củ a NHNN vớ i diễn biến la ̣m phát thực. Bên cạnh đó, ở một số thời kỳ diễn ra hiện tượng tín dụng tăng trưởng “nóng”, việc xem xét thêm chỉ tiêu tín dụng cũng sẽ giúp đánh giá thấu đáo hơn mối tương tác giữa CSTT và lạm phát, đồng thời làm rõ một số quan ngại gắn với tăng trưởng

tín dụng “nóng” ở trên. Hơn nữa, kết quả kiểm định độ vững đối với cấu trúc mô hình dự

báo lạm phát VECM trong Chương 3 của luận án cũng cho thấy sự hiện diện của nhân tố

M2 dường như khá hữu ích đối với việc cải thiện chất lượng dự báo trung hạn với dữ liệu quý, trong khi nhân tố tín dụng đối với nền kinh tế phù hợp hơn với cấu trúc mô hình dự báo trung hạn sử dụng dữ liệu tháng.

Thứ ba, về tỷ giá hối đoái, tác giả khuyến nghị sử dụng các thước đo tỷ giá có tính linh hoạt và định hướng thị trường tốt như tỷ giá của NHTM hay tỷ giá thị trường tự do để

thay thế cho tỷ giá bình quân liên ngân hàng hiện đang được NHNN sử dụng cho mô hình

VAR và VECM. Các kết quả thực nghiệm trước đây đã chỉ ra rằng bên cạnh sự gắn kết chặt chẽ về xu hướng thị trường, cả hai thước đo tỷ giá được đề xuất như trên cũng phản ánh khá chính xác và hơ ̣p lý mố i quan hệ giữa biến độ ng tỷ giá và la ̣m phát theo lý thuyết kinh tế ho ̣c vĩ mô.

Thứ tư, tác giả đề xuất NHNN bổ sung nhân tố lạm phát kỳ vọng vào khung mô hình, bởi lẽ như các nghiên cứu trước đã chứng minh, lạm phát kỳ vọng được cho là một trong những nhân tố có tác động hết sức trọng yếu tới diễn biến của lạm phát. Trước mắt, do số liệu lạm phát kỳ vọng của Việt Nam chưa được công bố chính thức, NHNN có thể sử dụng chuỗi lạm phát trong quá khứ làm thước đo chỉ báo hoặc tự mình phát triển thử nghiệm bộ chỉ số đo lường kỳ vọng lạm phát dựa trên kinh nghiệm và phương pháp tính toán của một số NHTW trên thế giới có nền tảng và đặc thù hoạt động trong lĩnh vực tài chính – ngân hàng gần gũi với Việt Nam.

161

Thứ năm, tác giả khuyến nghị NHNN xem xét lược bỏ bớt chỉ số giá chứ ng khoán và cán cân ngân sách nhằm giảm tải số biến cho các mô hình VAR và VECM. Đề xuất điều chỉnh này xuất phát từ kết luận của các nghiên cứu trước đây khi phân tích thực nghiệm các

nhân tố vĩ mô quyết định lạm phát tại Việt Nam (ví dụ: Nguyễn Thị Thu Hằng và Nguyễn Đức Thành, 2010) rằng giá tài sản tài chính (đo lường thông qua biến động VN-Index) và

thâm hụt ngân sách có mức độ tương quan thấp với lạm phát. Ngoài ra, việc tinh gọn biến số cho mô hình cũng sẽ giúp ha ̣n chế sai số trong mô hình dự báo.

Thứ sáu, về phía cung, luận án đề xuất có thể sử dụng các chỉ tiêu như chỉ số giá sản xuất (PPI) - đại diện cho chi phí từ phía nhà sản xuất (đã bao hàm cả giá nhập khẩu) và tiền

lương cơ bản của nền kinh tế - biến đại diện cho chi phí lao động. Việc bổ sung hai nhân tố quan trọng này từ phía cung đồng nghĩa khoảng trống cố hữu về lý thuyết trong các mô hình

trước đây của NHNN đã được giải quyết, và cấu trúc dự báo VAR và VECM sau hiệu chỉnh mới thực sự là phiên bản hoàn thiện.

Thứ bảy, về các nhân tố ngoại sinh đại diện cho khu vực nước ngoài, luận án khuyến nghị sử dụng các chỉ tiêu như giá dầu thế giới (OIL), chỉ số giá hàng hóa thế giới

(WCP) phản ánh diễn biến giá cả từ thị trường thế giới; và lãi suất của FED (FEDFUNDS) đặc trưng cho những thay đổi chính sách tiền tệ bên ngoài tác động đến mục tiêu nội tại của nền kinh tế Việt Nam. Việc bổ sung các biến ngoa ̣i sinh vào mô hình VAR và VECM hàm ý rằng yếu tố bê n ngoà i tác độ ng đến bê n trong nền kinh tế chứ khô ng có chiều ngươ ̣c la ̣i vì nền kinh tế Việ t Nam là nền kinh tế nhỏ .

Thứ tám, luận án đề xuất bổ sung vào mô hình biến giả mùa vu ̣ vớ i vai trò là biến ngoa ̣i sinh cho: (i) Giai đoạn đầu năm, gồm 3 tháng của quý 1; (ii) Giai đoạn kết thúc năm, gồm 3 tháng của quý 4. Sự điều chỉnh trên là cần thiết bởi lẽ giai đoạn đầu năm trùng với dịp tết nguyên đán, nền kinh tế thường cho thấy sự tăng trưởng đột biến do sức cầu tăng cao. Bước sang quý 4, toàn bộ nền kinh tế thường cho thấy nỗ lực "bứt phá" mạnh mẽ trên

các lĩnh vực trọng yếu nhằm hoàn thành chỉ tiêu phát triển kinh tế - xã hội đã đặt ra đầu năm. Ngoài ra, NHNN có thể mở rộng biến giả gắn với các sự kiện thay đổi cấu trúc căn

bản (ví dụ: khủng hoảng tài chính, đại dịch Covid-19…) nhằm đánh giá tác động của chúng tới lạm phát nói riêng và các chỉ báo kinh tế vĩ mô nói chung.

4.2.3. Khuyến nghị 3

Để tạo lập căn cứ vững vàng cho việc hoạch định và điều hành CSTT, kết quả dự báo lạm phát thu được từ các mô hình nhất thiết phải được đánh giá và xếp hạng dựa trên khả năng xảy ra.

a. Cơ sở đưa ra khuyến nghị:

- Tham khảo có chọn lọc kinh nghiệm của NHTW các nước Mỹ, Anh, Úc và New

Zealand về vận dụng kết quả dự báo lạm phát trong điều hành CSTT.

162

- Xuất phát từ thực tiễn tại Việt Nam: công tác dự báo hiện nay mới chỉ tập trung

vào kết quả dự báo chứ chưa quan tâm nhiều về đo lường xác suất xảy ra các số dự báo đó.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê và Vụ Chính sách tiền tệ (NHNN).

c. Nội dung kiến nghị:

Thứ nhất, để có thể xác định và xếp hạng cụ thể khả năng xảy ra đối với từng kết quả dự báo, chuyên gia dự báo cần phân tích, đánh giá bối cảnh kinh tế ở trong và ngoài nước, từ đó thiết lập các kịch bản cơ sở có thể chi phối xu thế biến động của các biến số vĩ

mô quan trọng trong nước cũng như nhóm biến ngoại sinh đại diện cho cú sốc từ bên ngoài.

Với mỗi kịch bản cơ sở, cần xác định được một cách đáng tin cậy khả năng xảy ra của

chúng dựa trên phân tích độc lập của đơn vị kết hợp tham khảo những nhận định, đánh giá của các tổ chức quốc tế có uy tín (ví dụ: World Bank, IMF, ADB, các NHTW lớn trên thế

giới…). Theo đó, kết quả dự báo lạm phát theo các mô hình, tần suất hay tầm xa khác nhau cần được thể hiện dưới dạng một chuỗi phân phối các khả năng thay vì một ước lượng điểm.

Thứ hai, biểu đồ “dòng sông máu” nên được lựa chọn làm phương tiện thể hiện kết quả dự báo theo một chuỗi phân phối các khả năng để đảm bảo tính chính xác về mặt con

số, tính hiệu quả và đa nhiệm về truyền tải thông tin, tính thẩm mỹ, hiện đại và chuyên nghiệp trong hình thức và tính hội nhập với các NHTW hàng đầu trên thế giới. Cụ thể, trong

thành phần “dòng chảy”, “dòng trung tâm” là số dự báo với xác suất xảy ra cao nhất, bao

quanh nó là các “dòng chảy loang” nhạt dần đều thể hiện kết quả dự báo với khả năng xảy ra thấp hơn.

Thứ ba, để tăng sự thận trọng trong việc ra quyết định xuất phát từ việc xem xét kết quả dự báo theo các mức độ khả năng khác nhau, NHNN có thể xem xét dành ra một quỹ dự phòng dưới dạng thưởng – phạt nhằm tạo động lực cho cán bộ dự báo chuyên trách nỗ lực

mang lại kết quả dự báo chất lượng nhất cũng như có một khoản bảo đảm tổn thất cho những sai lầm tiềm tàng từ sự vận dụng kết quả dự báo vào công tác hoạch định chính sách.

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

4.3.1. Khuyến nghị 1

Hoàn thiện quy trình báo cáo kết quả dự báo.

a. Cơ sở đưa ra khuyến nghị:

- Tham khảo có chọn lọc kinh nghiệm của NHTW các nước Mỹ, Anh, Úc và New

Zealand về vận dụng kết quả dự báo lạm phát trong điều hành CSTT.

- Nhằm góp phần vào việc hoàn thiện khuôn khổ pháp lý cho công tác dự báo lạm

phát, vốn chưa được ban hành chính thức tại Việt Nam (đã nêu tại mục 2.5.3).

163

- Đề xuất được đưa ra căn cứ trên yêu cầu và tình hình thực tiễn của việc ứng dụng

kết quả mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam (đã nêu tại mục 2.4).

- Bám sát định hướng phát triển hoạt động dự báo tại NHNN Việt Nam về ứng dụng

kết quả dự báo phục vụ điều hành CSTT.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê và Vụ Chính sách tiền tệ (NHNN).

c. Nội dung kiến nghị:

Để thúc đẩy hiệu quả ứng dụng kết quả dự báo lạm phát trong điều hành CSTT, việc

thiết lập quy trình chuẩn cho công tác báo cáo kết quả dự báo rõ ràng là một bước đi cần thiết. Tác giả đề xuất quy trình báo cáo kết quả dự báo cần bao hàm 4 nội dung sau:

Thứ nhất, đề xuất dự báo.

Bảng 4.1: Mẫu báo cáo đề xuất dự báo

Kết quả dự báo cho năm/ tháng/ quý … tại thời điểm T

Mô hình

Kịch bản

TT

Chỉ tiêu

ARIMA

VAR

VECM Tiêu cực

Cơ sở

Tích cực

Thời điểm dự báo

So sánh với dự báo tại (T-1)

T+1

T+2

GDP

T+3

T+4

T+1

T+2

CPI

T+3

T+4

T+1

T+2

T+3

T+4

T+1

T+2

Tín dụng

T+3

T+4

Đối với mỗi biến số cần dự báo, thông thường các mô hình khác nhau sẽ cho các kết

quả không đồng nhất, do đó cán bộ dự báo cần so sánh các kết quả dự báo. Nếu các kết quả dự báo đạt mức sai số thấp và đáng tin cậy, có thể kết hợp các kết quả dự báo (tính giá trị dự

164

báo trung bình) để giảm thiểu sự không chắc chắn của mô hình. Đồng thời, cần so sánh giá

trị quan sát thực tế với con số dự báo thu được từ mô hình trong quá khứ để đưa ra các đánh

giá về khả năng dự báo của mô hình. Ngoài ra, nhóm dự báo cũng có thể tìm hiểu thêm các

ý kiến, đánh giá cần thiết của chuyên gia đầu ngành về kết quả dự báo để lập báo cáo cuối cùng trình lên cấp có thẩm quyền.

Trong báo cáo, kết quả dự báo hiện hữu cũng cần được so sánh hồi tố với các giá trị dự báo đã đưa ra trước đó, đồng thời cần phải giải thích sự sai biệt (nếu có) để Lãnh đạo Vụ có thể đưa ra quyết định cuối cùng về mức dự báo phù hợp.

Các kết quả dự báo sau khi được phê duyệt sẽ là cơ sở để Vụ chủ quản tham gia góp

ý với các đơn vị về diễn biến kinh tế vĩ mô và tiền tệ. Tuy nhiên, mục tiêu quan trọng nhất

vẫn là tham mưu cho Ban lãnh đạo NHNN trong việc ra các quyết định thực thi CSTT. Việc

tham mưu cho các lãnh đạo cấp cao được thể hiện thông qua báo cáo dự báo chính thức do Vụ chủ quản soạn thảo.

Thứ hai, lập báo cáo dự báo chính thức.

Trên cơ sở báo cáo kết quả dự báo đề xuất được Lãnh đạo Vụ phê duyệt, nhóm dự

báo sẽ tiến hành lập báo cáo dự báo chính thức gửi Ban lãnh đạo NHTW. Báo cáo kết quả dự báo là sản phẩm đầu ra của nhóm dự báo, trong đó trình bày những yếu tố đầu vào của

quá trình dự báo, kết quả dự báo (gồm số liệu, bảng biểu, hình vẽ) kết hợp với phân tích,

đánh giá, nhận định dựa trên các kết quả tính toán. Từ các kết quả dự báo đó, nhóm dự báo đưa ra các đề xuất, khuyến nghị đối với việc điều hành CSTT hoặc các chính sách vĩ mô.

- Về tần suất: thông thường, tại các NHTW, tần suất của báo cáo dự báo tương ứng

với tần suất các cuộc họp chính sách, riêng dự báo về kinh tế vĩ mô và lạm phát được triển khai hàng quý để giúp Ban lãnh đạo có thể đưa ra các quyết sách tiền tệ kịp thời. Trong

trường hợp số liệu công bố hàng tháng có biến động bất thường, nhóm dự báo có thể đánh

giá những thay đổi trong hoạt động kinh tế thông qua kiểm tra cùng một nhóm các chỉ số từ cùng một quan điểm.

- Về nội dung: Cấu trúc báo cáo của các NHTW có thể khác nhau, song chủ yếu tập trung vào các mục như sau: (1) Môi trường bên ngoài; (2) Hoạt động kinh tế; (3) Diễn biến giá cả; (4) Tiền tệ - tín dụng; (5) Tình hình tài khóa (Đề xuất khung báo cáo chính thức: xem Phụ lục 4.1).

Thứ ba, theo dõi và đánh giá kết quả dự báo.

Một trong những tác vụ cần thiết và quan trọng của quá trình dự báo là theo dõi và đánh giá kết quả dự báo dựa trên tính toán sai số dự báo giữa con số dự báo tại các thời điểm khác nhau và con số công bố thực tế. Mục tiêu của việc theo dõi và đánh giá kết quả

dự báo nhằm xác nhận đối với từng chỉ tiêu vĩ mô cần dự báo, có thể lựa chọn mô hình nào để đạt được chất lượng dự báo tốt nhất, đồng thời với mỗi mô hình được lựa chọn, dự báo trong ngắn hạn, trung hạn hay dài hạn sẽ cung cấp kết quả dự báo tốt nhất. Theo đó, một mô

165

hình có thể là lựa chọn tốt nhất cho dự báo trong ngắn hạn, song không còn hiệu quả khi dự báo trung – dài hạn.

Bảng 4.2: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn mô hình dự báo tốt nhất

Kết quả dự báo lạm phát

Sai số dự báo

Mô hình

Số thực tế

Kỳ dự báo

Lần 1 (T6/2020)

Lần 2 (T12/2020)

Lần 3 (T6/2021)

Lần 1 (T6/2020)

Lần 2 (T12/2020)

Lần 3 (T6/2021)

ARIMA

2021

VAR

VECM

Bảng 4.3: Theo dõi và đánh giá kết quả dự báo lạm phát để lựa chọn kỳ hạn dự báo tốt nhất

Mô hình VECM

Sai số dự báo

Chỉ tiêu

Kỳ dự báo

Số thực tế

Lần 1 (trước 18 tháng)

Lần 2 (trước 12 tháng)

Lần 3 (trước 6 tháng)

Lần 1 (trước 18 tháng)

Lần 2 (trước 12 tháng)

Lần 3 (trước 6 tháng)

2021

2022

CPI

2023

2024

2025

Bên cạnh lựa chọn mô hình dự báo tốt nhất cho tầm xa dự báo gắn với chỉ tiêu cần dự báo, việc theo dõi sai số dự báo qua các lần thực hiện dự báo cũng sẽ giúp xác định mô

hình nào có khả năng dự báo tốt trong ngắn hạn, trung hạn hay dài hạn. Ví dụ, khi sử dụng

mô hình VECM để dự báo lạm phát của Việt Nam trong năm 2020, cần tiếp tục đưa ra dự báo chỉ tiêu này cho giai đoạn 2021-2025 với việc thực hiện dự báo 3 lần cho mỗi kỳ dự báo (lần 1: trước 18 tháng, lần 2: trước 12 tháng, lần 3 trước 6 tháng). Việc theo dõi, đánh giá

sai số dự báo được thực hiện dựa trên các mẫu biểu Bảng 4.2 đối với mục tiêu lựa chọn mô hình tốt nhất và Bảng 4.3 đối với mục tiêu lựa chọn kỳ hạn dự báo tốt nhất.

Vì vậy, theo dõi, đánh giá kết quả dự báo để tìm ra sự kết hợp tốt nhất giữa mô hình

và tầm xa dự báo là khâu không thể bỏ qua trong quy trình báo cáo kết quả dự báo của NHNN. Đây sẽ là cơ sở cho việc lựa chọn kết quả dự báo ngoài mẫu để đưa vào các báo

cáo, đồng thời là cơ sở để tiến hành rà soát và hiệu chỉnh các mô hình nhằm cải thiện chất

166

lượng dự báo và nâng cao năng lực tham mưu chính sách của đội ngũ dự báo chuyên trách cho Ban lãnh đạo NHNN trong điều hành CSTT.

Thứ tư, vận hành và hiệu chỉnh mô hình định kỳ.

Như đã đề cập, việc thực hiện báo cáo dự báo được tiến hành hàng quý. Tuy nhiên, nhóm dự báo phải thường xuyên liên tục cập nhật thông tin có khả năng tác động lên kết

quả dự báo như: (i) chủ trương, chính sách vĩ mô và tiền tệ tác động đến các biến số trong

mô hình, đối tượng dự báo trong từng giai đoạn; (ii) biến động của môi trường trong và

ngoài nước; (iii) các yếu tố định tính khác (tâm lý và kỳ vọng của thị trường…). Dựa trên các thông tin mới này, nhóm dự báo sẽ chủ động hiệu chỉnh và cập nhật lại kết quả dự báo

của các mô hình. Quá trình này nên được thực hiện song song với đánh giá hiệu quả dự báo

của các mô hình để từ đó có sự hiệu chỉnh lại khi tác động của các biến số vĩ mô trong mô hình có sự thay đổi.

4.3.2. Khuyến nghị 2

Phát triển hệ thống công nghệ thông tin và cơ sở dữ liệu phục vụ phân tích, dự báo

lạm phát.

a. Cơ sở đưa ra khuyến nghị:

- Đề xuất được đưa ra nhằm giải quyết thấu đáo những yếu kém về cơ sở hạ tầng, hệ

thống công nghệ thông tin và cơ sở dữ liệu phục vụ phân tích, dự báo tại NHNN Việt Nam (như đã nêu tại mục 2.5.3 – Nguyên nhân của tồn tại).

- Bám sát định hướng phát triển hoạt động dự báo tại NHNN Việt Nam trong việc

hiện đại hóa, phát triển đồng bộ hệ thống công nghệ thông tin và cơ sở dữ liệu phục vụ phân tích, dự báo.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê, Vụ Chính sách tiền tệ, Cơ quan Thanh tra Giám sát Ngân hàng, Cục Công nghệ thông tin và Trung tâm Thông tin tín dụng Quốc gia (NHNN Việt Nam).

c. Nội dung kiến nghị:

Thứ nhất, phát triển hoàn thiện hệ thống công nghệ thông tin và cơ sở dữ liệu dự báo theo hướng mở, linh hoạt, tập trung, tích hợp với dữ liệu thống kê chung của NHNN.

Đồng thời, có thể nghiên cứu, áp dụng giải pháp tạo lập báo cáo điện tử và phát triển phần mềm dự báo chuyên dụng trong lĩnh vực tiền tệ - ngân hàng.

Thứ hai, xây dựng hoàn thiện và đồng bộ hệ thống cơ sở dữ liệu phục vụ dự báo kinh tế vĩ mô nói chung và dự báo lạm phát nói riêng, bao quát tốt các khía cạnh thông tin sau: (i) tiền tệ - ngân hàng; (ii) thị trường tài chính; (iii) kinh tế vĩ mô trong nước (hoạt động doanh nghiệp, kinh tế đối ngoại, ngân sách, đầu tư, thương mại, lao động, việc làm, lạm phát); (iv) kinh tế vĩ mô và thị trường quốc tế.

167

Thứ ba, thiết lập các bộ dữ liệu riêng phù hợp với đặc trưng từng lớp mô hình dự báo cũng như đáp ứng tốt yêu cầu phân tích, dự báo lạm phát. Các bước cần triển khai gồm:

(i) Xác định nội dung thông tin, dữ liệu cần thu thập;

(ii) Xây dựng hệ thống chỉ tiêu, chỉ số để thu thập thông tin định tính, định lượng

cần thiết cho phân tích, dự báo;

(iii) Xác định nguồn thông tin, dữ liệu cần thu thập, ví dụ: dữ liệu từ hệ thống báo cáo, điều tra thống kê của NHNN, các Bộ, ngành, cơ quan thống kê chuyên ngành,

viện/trung tâm nghiên cứu, các tổ chức quốc tế và nguồn thông tin có giá trị tham khảo khác (đề tài, dự án nghiên cứu, bài báo khoa học, giáo trình, học liệu...);

(iv) Xác định phương pháp thu thập, tổng hợp và xử lý thông tin, dữ liệu.

4.3.3. Khuyến nghị 3

Phát triển đội ngũ, nâng cao trình độ cán bộ phân tích, dự báo.

a. Cơ sở đưa ra khuyến nghị:

- Đề xuất được đưa ra nhằm giải quyết thấu đáo những yếu kém về năng lực của đội

ngũ nhân sự tham gia phân tích, dự báo lạm phát tại NHNN Việt Nam (như đã nêu tại mục 2.5.3 – Nguyên nhân của tồn tại).

- Bám sát định hướng phát triển hoạt động dự báo tại NHNN Việt Nam trong việc

đào tạo và phát triển năng lực cán bộ dự báo.

b. Đơn vị thực hiện: Vụ Dự báo, thống kê và Vụ Chính sách tiền tệ (NHNN).

c. Nội dung kiến nghị:

Thứ nhất, có kế hoạch tuyển dụng tăng cường cán bộ phân tích, dự báo nòng cốt (theo đúng chuyên ngành, ví dụ: Toán kinh tế, Thống kê kinh tế, Khoa học dữ liệu trong

Kinh tế, Tài chính – Ngân hàng...; ưu tiên ứng viên tốt nghiệp trường đại học hàng đầu tại

Anh, Mỹ, Úc, Pháp, Đức, Nhật Bản, Singapore... hoặc các trường Đại học Ngoại thương, Đại học Kinh tế Quốc dân, Học viện Ngân hàng, Học viện Tài chính, Đại học Kinh tế TP.

Hồ Chí Minh, Đại học Ngân hàng TP. Hồ Chí Minh... tại Việt Nam) cho Vụ Dự báo, thống

kê trong giai đoạn 2021-2025 để đảm bảo thực hiện tốt chức năng dự báo kinh tế vĩ mô, tiền tệ và hoạt động ngân hàng.

Thứ hai, có kế hoạch xây dựng và triển khai chương trình đào tạo, bồi dưỡng chuyên biệt dành cho cán bộ phân tích, dự báo dựa trên tham khảo các giáo trình, học liệu của các tổ chức tài chính quốc tế uy tín (World Bank, IMF, ADB...), các NHTW và trường đại học thuộc nền kinh tế hàng đầu.

Thứ ba, tích cực triển khai các hoạt động đào tạo, bồi dưỡng, đồng thời thường xuyên nâng cao, cập nhật kiến thức mới về kinh tế vĩ mô, tiền tệ - ngân hàng, kinh tế lượng

và các phương pháp, kỹ thuật dự báo mới cho cán bộ dự báo chuyên trách thông qua các hình thức đào tạo đa dạng: (i) tổ chức các lớp đào tạo ngắn hạn theo hình thức học tập trung

168

tại cơ sở, học tập trực tuyến theo thiết kế định sẵn hoặc theo mô hình khóa học trực tuyến

đại chúng mở (Massive open online course – MOOC) với sự tham gia của các chuyên gia tài

chính – ngân hàng hàng đầu của Việt Nam hoặc chuyên gia đến từ các tổ chức tài chính

quốc tế uy tín như World Bank, IMF, ADB và NHTW của các nền kinh tế hàng đầu; (ii) Cử cán bộ tham dự các hội thảo, diễn đàn, sáng kiến, nhóm công tác về phân tích, dự báo, giám

sát vĩ mô về kinh tế, tài chính, tiền tệ trong khu vực và trên thế giới; (iii) Cử cán bộ đi đào tạo, học tập và thực tập công tác ở nước ngoài.

TÓM TẮT CHƯƠNG 4

Dựa trên định hướng điều hành CSTT và phát triển hoạt động dự báo tại Việt Nam

kết hợp tham khảo kinh nghiệm quốc tế và xem xét các đánh giá rút ra trong phân tích thực trạng, Chương 4 của luận án đề xuất giải pháp, khuyến nghị để thúc đẩy ứng dụng mô hình

dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025. Cụ thể, khuyến nghị

chính sách hoàn thiện mô hình dự báo lạm phát tại Việt Nam gồm: (i) cải tiến dạng thức

ARIMA nhằm nâng cao chất lượng dự báo ngắn hạn; (ii) cải tiến dạng thức VAR và VECM nhằm nâng cao chất lượng dự báo trung hạn; (iii) tích hợp đánh giá, xếp hạng khả năng xảy

ra cùng các kết quả dự báo lạm phát. Bên cạnh đó, để thúc đẩy hiệu quả việc ứng dụng mô

hình dự báo lạm phát trong điều hành CSTT, luận án khuyến nghị: (i) hoàn thiện quy trình

báo cáo kết quả dự báo; (ii) phát triển hệ thống công nghệ thông tin và dữ liệu phục vụ phân tích, dự báo; (iii) phát triển đội ngũ và nâng cao năng lực cán bộ phân tích, dự báo.

169

KẾT LUẬN CHUNG

1. KẾT QUẢ NGHIÊN CỨU CHỦ YẾU

Trong pha ̣m vi khoảng 170 trang nội dung và các phu ̣ lu ̣c, đề tài luậ n án đã giải

quyết thấu đáo các mu ̣c tiêu sau:

Thứ nhất, luận án đã làm rõ khung lý thuyết về la ̣m phát, CSTT và mô hình dự báo lạm phát trong điều hành CSTT. Về cơ bản, hiện tượng lạm phát xảy ra có thể bắt nguồn từ

các nguyên nhân: lượng cung tiền tăng, chính sách thúc đẩy công ăn việc làm của chính phủ

(biểu hiện theo hai cơ chế: cầu kéo và chi phí đẩy), thâm hụt ngân sách kéo dài và biến động tỷ giá hối đoái. Vai trò của CSTT trong kiểm soát lạm phát về lý thuyết được phân tích, làm

rõ theo ba cơ chế đặc trưng: chính sách cố định tỷ giá hối đoái, chính sách hướng vào cung

tiền và chính sách mục tiêu lạm phát. Về lý thuyết mô hình dự báo lạm phát, luận án trước

tiên làm rõ khái niệm và mục tiêu của dự báo lạm phát, phân tích vai trò của nó trong điều hành CSTT và đề xuất quy trình dự báo với 8 bước. Tiếp đó, luận án trình bày cơ sở lý

thuyết về các lớp mô hình dự báo điển hình (gồm ARIMA, VAR và VECM) trên các

phương diện khái niệm, ưu, nhược điểm và điều kiện áp dụng. Qua phân tích kinh nghiệm quốc tế về ứng dụng mô hình dự báo lạm phát trong điều hành CSTT, luận án rút ra các bài học hữu ích cho Việt Nam về lựa chọn mô hình dự báo và đơn vị thực hiện dự báo, thu thập và xử lý dữ liệu đầu vào, chỉ định cấu trúc mô hình, đánh giá và hiệu chỉnh kết quả dự báo và ứng dụng kết quả dự báo trong điều hành CSTT.

Thứ hai, luận án đã khắc họa rõ nét bức tranh la ̣m phát của Việ t Nam trong 20 năm với những gam màu riêng tương ứng với ba giai đoạn: (i) Giai đoa ̣n 2000 – 2007, la ̣m phát có chiều hướng tă ng cao sau thời kỳ đầu ổn định ở mức thấp, đạt mứ c hai con số vào nă m 2007 (12,63%) xuất phát từ một số nguyên nhân: sự mở rộ ng củ a tín du ̣ng và cung tiền, chi phí đẩy, tă ng chi tiêu chính phủ , số c cung do ảnh hưở ng di ̣ch cúm gia cầm năm 2003; (ii) Bước sang giai đoa ̣n 2008 – tháng 4/2012, la ̣m phát tă ng cao bất thường, có những thời điểm vượt 20% do cộ ng hưở ng củ a nhiều nguyên nhân: chi phí đẩy, tín du ̣ng, cung tiền, phá giá đồ ng VND, thâm hu ̣t NSNN và nơ ̣ công, chính sách quả n lý giá lỏ ng lẻo; (iii) Giai đoa ̣n tháng 5/2012 - 2019, la ̣m phát bắt đầu được kiềm chế, đạt được ổn định cao ở mức một con số (trung bình dưới 4%/năm) là hệ quả của việc thặt chặt tín dụng và cung tiền, điều chỉnh giảm giá xă ng dầu do giá dầu thế giớ i giả m và bình ổn tỷ giá hối đoái và giá lươ ng thực, thực phẩm ổ n đi ̣nh. Ứng với mỗi giai đoạn biến động, luận án phân tích cụ thể cơ chế và thực tiễn điều hành CSTT hướng tới mục tiêu hàng đầu là kiểm soát lạm phát và thúc đẩy tăng trưởng, theo sau là các mục tiêu bổ trợ theo định hướng của Chính phủ.

Thứ ba, luận án đã phân tích, đánh giá khá toàn diện thực trạng phát triển các lớp mô hình chuỗi thời gian dự báo lạm phát cũng như ứng dụng chúng trong điều hành CSTT tại NHNN Việt Nam. Việc đánh giá đã chỉ ra một số tồn tại và nguyên nhân của tồn tại trong công tác ứng dụng mô hình dự báo tại NHNN. Cụ thể, những tồn tại chủ yếu bao gồm:

170

(i) năng lực dự báo của NHNN chưa đáp ứng được yêu cầu của điều hành CSTT và quản lý,

giám sát tiền tệ - ngân hàng; (ii) dự báo lạm phát ngắn hạn sử dụng mô hình ARIMA tại

NHNN mới dừng ở việc thực nghiệm trực tiếp với chuỗi CPI tổng thể, vì vậy hiệu quả dự

báo và hàm lượng thông tin tiên liệu còn thấp; (iii) cấu trúc mô hình dự báo đa biến không còn phù hợp với bối cảnh và nên được hiệu chỉnh, bổ sung. Nguyên nhân dẫn tới các tồn tại

trên gồm: (i) khuôn khổ pháp lý cho công tác dự báo chưa hoàn thiện; (ii) khó khăn về tiếp

cận dữ liệu; (iii) hạn chế về số lượng và chất lượng nhân sự làm công tác phân tích, dự báo;

(iv) hạn chế về tiềm lực hạ tầng và năng lực thích ứng công nghệ của cán bộ NHNN. Đây là những phát hiện hữu ích, có thể dùng làm căn cứ đề xuất giải pháp hoàn thiện mô hình dự báo đang được vận hành tại NHNN.

Thứ tư, luận án đã thành công trong việc tái thiết các mô hình dự báo lạm phát dành cho Việt Nam được khẳng định thông qua các chỉ số đánh giá hiệu quả vượt trội so với các

phiên bản trước đây. Cụ thể, với mô hình ARIMA tần suất tháng cho dự báo ngắn hạn, tác

giả tiến hành phân tách cụ thể 10 nhóm chỉ số giá thành phần nhằm mục tiêu dự báo, đánh giá tác động và mức độ đóng góp của các nhóm hàng hóa tớ i CPI tổ ng thể. Với mô hình VECM sau hiệu chỉnh, kết quả thực nghiệm cho thấy các biến tác độ ng thuận chiều tới biến CPI gồ m: CPI trong quá khứ, cung tiền M2, tỷ giá, chỉ số PPI và mức lương của nền kinh tế; trong khi chênh lệch sản lượng và lãi suất có tác độ ng ngược chiều tới CPI. Sau 24 tháng, biến động của CPI được giải thích bởi 40,2% sự thay đổ i củ a bản thân CPI trong quá khứ , 33% bởi sốc PPI, 6,9% bởi sốc lãi suất, 6,2% bởi sốc chênh lệch sản lượng, 6,1% bởi số c tă ng trưở ng M2, 5,5% bởi sốc tỷ giá và chỉ 2% được giải thích bởi biến động lương. Điểm mới độc đáo của luận án thể hiện ở chỗ mô hình VECM cho phép dự báo CPI tháng và quý dựa trên các kịch bản chi phối của dịch COVID-19 đối với biến ngoại sinh (giá hàng

hóa và giá dầu quốc tế giảm mạnh; lãi suất FED tiệm cận 0%) trong năm 2020. Kết quả dự

báo cho thấy Việt Nam có thể trải qua một cuộc giảm phát: CPI bình quân tháng giảm từ

1,07 – 1,23% và CPI bình quân quý giảm từ 2,11 – 2,13%. Qua so sánh, đánh giá hiệu quả các mô hình dự báo, luận án thấy rằng mô hình VECM sử du ̣ng biến số đa dạng hơ n, quá trình kiểm đi ̣nh biến và quan hệ giữa các biến kỹ lưỡng và chặt chẽ hơn, do đó, về mặ t phươ ng pháp luậ n, VECM tỏ ra ưu việ t hơ n ARIMA trong dự báo la ̣m phát. Song, với dự báo ngắn hạn, ARIMA vẫn cho thấy những ưu điểm nổi trội (đặc biệt khi phân tích, đánh

giá diễn biến CPI theo các cấu phần). Do đó, để thu được kết quả dự báo tin cậy và chính xác, nên sử du ̣ng kết hơ ̣p nhiều phươ ng pháp và mô hình dự báo.

Thứ năm, dựa trên định hướng điều hành CSTT và phát triển hoạt động dự báo tại Việt Nam kết hợp tham khảo kinh nghiệm quốc tế và các đánh giá đã rút ra trong phân tích thực trạng, luận án đề xuất giải pháp, khuyến nghị nhằm thúc đẩy ứng dụng mô hình dự báo lạm phát trong điều hành CSTT tại Việt Nam đến năm 2025. Cụ thể, khuyến nghị chính

sách nhằm hoàn thiện mô hình dự báo lạm phát tại Việt Nam gồm: (i) cải tiến dạng thức ARIMA nhằm nâng cao chất lượng dự báo ngắn hạn; (ii) cải tiến dạng thức VAR và VECM

171

nhằm nâng cao chất lượng dự báo trung hạn; (iii) tích hợp đánh giá, xếp hạng khả năng xảy

ra cùng các kết quả dự báo lạm phát. Ngoài ra, để thúc đẩy hiệu quả việc ứng dụng mô hình

dự báo lạm phát trong điều hành CSTT, luận án khuyến nghị: (i) hoàn thiện quy trình báo

cáo kết quả dự báo; (ii) phát triển hệ thống công nghệ thông tin và dữ liệu phục vụ phân tích, dự báo; (iii) phát triển đội ngũ và nâng cao năng lực cán bộ phân tích, dự báo.

2. HƯỚNG PHÁT TRIỂN TIẾP THEO CỦA ĐỀ TÀI

Thứ nhất, tiếp tu ̣c hoàn thiệ n mô hình trê n cơ sở cậ p nhậ t các biến số chính sách và biến ngoại sinh phù hơ ̣p vớ i sự đổ i thay không ngừng củ a mô i trườ ng vĩ mô và sự xuất hiện các tác nhân mớ i (ví dụ: đại dịch COVID-19, mâ u thuẫn đi ̣a chính tri ̣, các FTAs song phươ ng và đa phươ ng, các chính sách mớ i củ a Chính phủ...). Đồ ng thờ i, có thể nghiê n cứ u, bổ sung các nhâ n tố mới tác độ ng tớ i la ̣m phát như chỉ số giá nhậ p khẩu, giá xă ng dầu trong nướ c, la ̣m phát kỳ vo ̣ng được tính toán chuẩn tắc từ dữ liệu của NHNN... Ngoài ra, mộ t số yếu tố nhiễu có thể tác độ ng đến kết quả mô hình dự báo như biến đổ i khí hậ u, hiệ n tươ ̣ng thiê n tai, thờ i tiết phứ c ta ̣p, biến độ ng ngắ n ha ̣n có khả năng ảnh hưở ng đến giá lươ ng thực, thực phẩm (nhóm hàng hó a có tỷ tro ̣ng lớ n nhất trong rổ CPI) cũng cần đươ ̣c tính đến.

Thứ hai, phối hợp đồng bộ, linh hoạt các mô hình ARIMA, VAR và VECM cho công tác dự báo la ̣m phát nói riêng và dự báo vĩ mô nói chung tại Việ t Nam, trong đó chú ý đến tính mù a vu ̣ củ a mô hình ARIMA và cậ p nhậ t các biến số củ a mô hình VAR phù hơ ̣p vớ i nhữ ng biến đổ i củ a mô i trườ ng vĩ mô và các yếu tố mớ i nảy sinh như đại dịch COVID- 19, mâ u thuẫn đi ̣a chính tri ̣, các FTAs song phươ ng và đa phươ ng, các chính sá ch mớ i củ a Chính phủ... Điều này giúp giảm thiểu ha ̣n chế của từ ng mô hình, bổ sung ưu - khuyết cho nhau hướng tới cải thiện nă ng lực dự báo, giảm thiểu sai số và cung cấp kết quả dự báo tin cậy hơn.

Thứ ba, mở rộng nghiê n cứ u về la ̣m phát cơ bản (loa ̣i trừ mộ t số hàng hó a thiết yếu như lươ ng thực và nă ng lươ ̣ng, nhó m hàng hó a đươ ̣c kiểm soát như điệ n nướ c, giao thô ng, xă ng dầu và di ̣ch vu ̣ bưu chính viễn thô ng...) để phản á nh chính xác hơ n về diễn biến la ̣m phát (la ̣m phát cơ bản tươ ng đố i ổ n đi ̣nh trong dài ha ̣n sau khi đã loa ̣i bỏ các yếu tố số c và yếu tố biến động ma ̣nh), đồ ng thờ i đưa ra khuyến nghi ̣ chính sách phù hơ ̣p, gó p phần giúp nâng cao hiệ u quả điều hà nh vĩ mô , đặ c biệ t là CSTT cũng như chính sách la ̣m phát mu ̣c tiê u trong dài ha ̣n, trong đó CSTT khô ng bi ̣ ảnh hưở ng cha ̣y theo diễn biến la ̣m phát do độ t biến khô ng cơ bản, ngắ n ha ̣n.

172

TÀI LIỆU THAM KHẢO

A. TÀI LIỆU TIẾNG VIỆT

BIDV, 2018, Xây dựng mô hình dự báo lạm phát tại Việt Nam, Báo cáo nghiên cứu.

Bùi Quốc Dũng & Hoàng Việt Phương, 2014, “Ứng dụng mô hình hiệu chỉnh sai số 1. 2.

vector vào dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam”, Khoa học & Đào tạo Ngân hàng, 144, tháng 5, tr. 9-14.

3. Bùi Quốc Dũng, 2014, Phát triển các mô hình dự báo lạm phát tại Ngân hàng Nhà

nước Việt Nam, Dự án cấp Ngành Ngân hàng, mã số DANH.02/2013.

Cao Thị Ý Nhi & Đặng Anh Tuấn, 2017, Lý thuyết Tài chính Tiền tệ, Giáo trình, NXB Đại học Kinh tế Quốc dân, Hà Nội.

Chu Khánh Lân, 2018, Chính sách tiền tệ phi truyền thống: Kinh nghiệm quốc tế và 5.

khuyến nghị cho Việt Nam, Đề tài cấp Ngành mã số ĐTNH.022/2016, Ngân hàng

Nhà nước Việt Nam. Đào Hoàng Dũng, 2013, Dự báo la ̣m phát quý I nă m 2013 qua mô hình ARIMA, Ho ̣c việ n Ngâ n hàng, Hà Nộ i. Huỳnh Thi ̣ Cẩm Hà, Lê Thi ̣ Lanh, Lê Thi ̣ Hồ ng Minh & Hoàng Thi ̣ Phươ ng Anh, 2014, "Kiểm đi ̣nh các nhâ n tố vĩ mô tác độ ng đến thi ̣ trườ ng chứ ng khoán Việ t Nam", Ta ̣p chí Khoa ho ̣c, Trườ ng Đa ̣i ho ̣c An Giang, 3(2), tr. 70-78. Lươ ng Thi ̣ Nga, Đào Thi ̣ Thu Hiền & Nguyễn Ma ̣nh Chiến, 2014, Tác độ ng củ a chính sách tỷ giá tớ i la ̣m phát củ a Việ t Nam giai đoa ̣n 2000-2012, Ho ̣c việ n Ngâ n hàng, Hà Nộ i. Nguyễn Đức Trung & Nguyễn Hoàng Chung, 2017, “Mô hình dự báo cho nền kinh 9.

tế nhỏ và mở của Việt Nam - Phương pháp tiếp cận BVAR-DSGE”, Tạp chí Phát

triển Kinh tế, 28(10), tr. 5-38.

10. Nguyễn Đức Trung, 2017, Sổ tay dự báo, Vụ Dự báo, thống kê, Ngân hàng Nhà

nước Việt Nam, NXB Dân trí, Hà Nội.

11. Nguyễn Duy Sữu, 2017, Truyền dẫn chính sách tiền tệ tại Việt Nam, Luận án Tiến

sĩ, Đại học Ngân hàng TP. Hồ Chí Minh.

12. Nguyễn Khắ c Quố c Bảo, 2013, "Truyền dẫn chính sách tiền tệ tại Việt Nam", Tạp

chí Phát triển & Hội nhập, 13(23), tr.15-22.

13. Nguyễn Phúc Cảnh, 2014, "Truyền dẫn của chính sách tiền tệ qua kênh giá tài sản tài chính: nghiên cứu thực nghiệm tại Việt Nam", Tạp chí Phát triển & Hội nhập, 19(29), tr.11-18.

14. Nguyễn Thị Hiền, 2015, Hoàn thiện các điều kiện để thực hiện chính sách tiền tệ theo khuôn khổ lạm phát mục tiêu tại Việt Nam, Luận án Tiến sĩ, Học viện Ngân

hàng, Hà Nội.

173

15. Nguyễn Thi ̣ Kim Thanh, 2006, Phươ ng pháp tính la ̣m phát cơ bản, kinh nghiệ m củ a các nướ c và mộ t số gơ ̣i ý ban đầu cho Việ t Nam, Vu ̣ Chính sách tiền tệ , Ngân hàng Nhà nước Việ t Nam.

16. Nguyễn Thi ̣ Liê n Hoa & Trần Đặ ng Dũng, 2013, “Nghiê n cứ u la ̣m phát ta ̣i Việ t Nam theo phươ ng pháp SVAR”, Tạp chí Phát triển & Hội nhập, 10, tr. 32-38. 17. Nguyễn Thị Thu Hằng & Nguyễn Đức Thành, 2010, Các nhân tố vĩ mô quyết định lạm phát ở Việt Nam giai đoạn 2000 - 2010: Các bằng chứng và thảo luận, Trung

tâm Nghiên cứu Kinh tế và Chính sách (VEPR), Đại học Kinh tế - Đại học Quốc gia Hà Nội.

18. Nguyễn Thị Thu Trang, 2017, Sử dụng mô hình ARIMA và VAR dự báo lạm phát

tại Việt Nam, Trung tâm nghiên cứu BIDV.

19. Nguyễn Thị Thùy Vinh, 2016, Khả năng truyền dẫn chính sách tiền tệ ở Việt Nam: Nhận định từ phân tích thực chứng, Sách chuyên khảo, NXB Chính trị Quốc gia, Hà

Nội.

20. Phạm Thế Anh, 2008, ‘Ứng dụng mô hình SVAR trong việc xác định hiệu ứng của

21.

chính sách tiền tệ và dự báo lạm phát ở Việt Nam’, Working Paper, Đại học Kinh tế Quốc dân, Hà Nội. Pha ̣m Thế Anh, 2009, ‘Mô hình ướ c lươ ̣ng các nhâ n tố quyết đi ̣nh la ̣m phát ở Việt Nam', Working Paper, Đại học Kinh tế Quốc dân, Hà Nội.

22.

Phạm Thế Anh, 2015, ‘Ứng dụng mô hình SVAR trong phân tích hiệu ứng chuyển của tỷ giá hối đoái ở Việt Nam’, Tạp chí Kinh tế & Phát triển, 220, tháng 10, tr.48-

23.

24. 58. Pha ̣m Thi ̣ Thu Trang, 2009, “Các yếu tố tác độ ng tớ i la ̣m phát ta ̣i Việ t Nam: Phâ n tích chuỗi thờ i gian phi tuyến tính”, Tạp chí Kinh tế và Dự báo, 12(452), tháng 6. Phí Trọng Hiển, 2005, “Lạm phát mục tiêu: Kinh nghiệm thế giới và giải pháp cho

25.

26. Việt Nam”, Tạp chí Nghiên cứu kinh tế, 322, tháng 4. Tô Á nh Dươ ng, Bù i Quang Tuấn, Pha ̣m Sỹ An, Dươ ng Thi ̣ Thanh Bình & Trần Thi ̣ Kim Chi, 2012, La ̣m phát mu ̣c tiê u và Hàm ý đố i vớ i khuô n khổ chính sách tiền tệ ở Việ t Nam, Nhà xuất bản Tri thứ c, Hà Nội. Trầm Thị Xuân Hương, Võ Xuân Vinh và Nguyễn Phúc Cảnh, 2014, “Truyền dẫn

của chính sách tiền tệ: Một số mô hình kiểm định phù hợp”, Tạp chí Phát triển & Hội nhập, 16(26), tháng 6, tr. 41-46.

27. Võ Trà My, 2010, Điều hành chính sách tiền tệ của Ngân hàng Nhà nước Việt Nam kể từ năm 2007 và các giải pháp cho thời kỳ hậu suy giảm, Khóa luận tốt nghiệp, Đại học Ngoại thương, Hà Nội.

174

B. TÀI LIỆU TIẾNG NƯỚC NGOÀI

28. Ackley, G., 1961, Macroeconomic theory, Macmillan, New York, NY. 29. African Development Bank, 2011, Inflation Dynamics in selected East African

countries: Ethiopia, Kenya, Tanzania and Uganda, AfDB, Tunisia.

econometrics Johansen using

30. Ahmed, F., Raza, H., Hussain, A. & Lal, I., 2013, ‘Determinant of inflation in cointegration analysis, Pakistan: An approach’, European Journal of Business and Management, Vol. 5 No. 30, pp.115-

122.

31. Ajuzie, E.I., Edoho, F.M., Uwakonye, M.N. & Keleta, G.Y., 2008, ‘Import Response and Inflationary Pressures In The New Economy: The Quantity Theory Of Money Revisited’, Journal of Business & Economics Research, Vol. 6 No. 5, pp. 125-140.

32. Akinboade, O.A., Siebrits, F.K. & Niedermeier, E.W., 2004, 'The determinants of

inflation in South Africa: an Econometric Analysis', Working Paper 143, African

Economic Research Consortium, Nairobi.

33. Al-Mashat, R. & Billmeier, A., 2008, ‘The monetary transmission mechanism in Egypt, Review of Middle East Economics and Finance’, Vol. 4 No. 3, pp.32-82. 34. Aleem, A., 2010, ‘Transmission mechanism of monetary policy in India’, Journal of

Asian Economics, Vol. 21 No. 2, pp.186-197.

35. Allon, J.C.S., 2015, Forecasting Inflation: A Disaggregated Approach Using ARIMA Models, Economic Newsletter, Bangko Sentral Ng Pilipinas, 15-02 (March

& April).

36. Alnaa, S.E. & Ahiakpor, F., 2011, 'ARIMA (autoregressive integrated moving average) approach to predicting inflation in Ghana', Journal of Economics and

International Finance, Vol.3 No.5, pp. 328-336.

37. Atkeson, A.E.O., 2001, ‘Are Phillips Curves Useful for Forecasting

Inflation?’, Federal Reserve Bank of Minneapolis Quarterly Review, Vol.25 No. 1, pp. 2-11.

38. Bank for International Settlements, 2009, MC Compendium: Monetary policy

frameworks and central bank market operations, Market Committee, Basel, Switzerland.

39. Bashir, F., Nawaz, S., Yasin, K., Khursheed, U., Khan, J. & Qureshi, M.J., 2011,

‘Determinants of inflation in Pakistan: An econometric analysis using Johansen co- integration approach’, Australian Journal of Business and Management Research, Vol. 1 No. 5, pp. 71-82. Benati, L., 2004. ‘International Evidence on the Persistence of Inflation’, NBER 40.

Summer Institute, 13.

41.

Bernanke, B.S., 2002, 'Asset-Price "Bubbles" and Monetary Policy', New York Chapter of the National Association for Business Economics, New York.

175

42. Bernanke, B.S., Laubach, T., Mishkin, F.S. & Posen, A.S., 1999, Inflation Targeting,

Princenton University Press.

43. Bernholz, P., 2003, Monetary Regimes and Inflation History, Economic and Political

Relationships, The Lypiatts, UK. Bodart, V., 1996, 'Multiple exchange rates, fiscal deficits and inflation dynamics', 44.

Working Paper WB/96/56, IMF, Washington, DC.

45. Boivin, J. & Giannoni, M.P., 2006, ‘Has monetary policy become more

effective?’, The Review of Economics and Statistics, Vol. 88 No. 3, pp. 445-462. Botric, V. & Cota, B., 2006, ‘Sources of Inflation in Transition Economy: The Case 46.

of Croatia’, Ekonomski Pregled, Vol. 57 No. 12, pp. 835-855.

47. Box, G.E. & Jenkins, G.M., 2015, Time series analysis: forecasting and control,

John Wiley & Sons, New Jersey. Brada, J. & Kutan, A. 2002, ‘The End of Moderate Inflation in Three Transition 48.

Economies?’, William Davidson Working Paper 433.

49. Branson, W. H. & Myhrman, J., 1976, ‘Inflation in Open Economies: Supply-

Determined versus Demand-Determined Models’, European Economic Review, Vol. 7 No. 1, pp. 15-34.

50. Bruno, M., 1979, ‘Price and Output Adjustment: Micro foundations and

aggregation’, Journal of Monetary Economics, Vol. 5 No, 2, pp.187-211.

51.

Bryan, M.F., 1997, On the Origin and Evolution of the World Inflation, Federal Reserve Bank of Cleveland, Ohio.

52. Budd, A., 1999, ‘Learning from the wise people’, The Manchester School, Vol. 67

No. s1, pp. 36-48.

53.

Calvo, G.A., 1983, 'Staggered prices in a utility-maximizing framework', Journal of Monetary Economics, Vol. 12 No. 3, pp. 383-398.

54. Camen, U., 2006, Monetary policy in Vietnam: the case of a transition country, Press

& Communications CH 4002 Basel, Switzerland, 232. Cashell, B.W., 2004, Inflation and unemployment: What is the connection?, 55.

Congressional Research Service, Washington, DC. Chhibber, A., 1991, ‘Africa’s Rising Inflation: Causes, Consequences and Cures’, 56.

57.

58.

World Bank Working Paper, Washington, DC. Choi, W.G. & Wen, Y., 2010, Dissecting Taylor rules in a Structural VAR, No. 10- 20, International Monetary Fund. Christiano, L.J., Eichenbaum, M. & Evans, C.L., 2005, 'Nominal rigidities and the dynamic effects of a shock to monetary policy', Journal of Political Economy, Vol. 113 No. 1, pp.1-45.

59.

Christoffersen, P.F. & Diebold, F.X., 1998, 'Cointegration and long-horizon forecasting', Journal of Business & Economic Statistics, Vol. 16 No. 4, pp. 450-456.

176

60. Clements, M.P. & Hendry, D.F., 1995, ‘Forecasting in cointegrated systems’,

Journal of Applied Econometrics, Vol. 10 , pp. 127-146.

61. Cogley, J.G., Kargel, J.S., Kaser, G. & van der Veen, C.J., 2010, ‘Tracking the

source of glacier misinformation’, Science, Vol. 327 No. 5965, pp. 522-522. Cogley, T. & Sargent, T.J., 2001, 'Evolving post-world war II US inflation 62.

dynamics', NBER macroeconomics annual, 16, pp. 331-373.

63. Cogley, T. & Sargent, T.J., 2005, 'Drifts and volatilities: monetary policies and

outcomes in the post World War II US', Review of Economic Dynamics, Vol. 8 No. 2, pp. 262-302.

64. Crowder, W.J., Hoffman, D.L. & Rasche, R.H., 1999, ‘Identification, long-run

relations, and fundamental innovations in a simple cointegrated system’, Review of

Economics and Statistics, Vol. 81 No. 1, pp.109-121. Crowther, G., 1958, An Outline of Money, Nelson, London.

65. 66. Cumberbatch, C., 1995, ‘A Model of Inflation in Barbados’, in Macroeconomics and

Finance in the Caribbean: Quantitative Analyses', in: D.Worrell & R.C. Craigwell

(Eds.), Caribbean Centre for Monetary Studies, St. Augustine, Trinidad & Tobago, pp. 109-136.

67. Dabla-Norris, M.E. & Floerkemeier, H., 2006, Transmission mechanisms of monetary policy in Armenia: Evidence from VAR analysis, No. 6-248, International

Monetary Fund.

68. Dang, A.T.Q., Pham, A.D. & Le, H.T.P., 2019, Pass-through of Exchange Rate to Domestic Prices: An Empirical Study for Vietnam (Chapter 12), in: Finck, D. &

Tillmann, P. (eds) Price-setting Behavior and Inflation Dynamics in SEACEN

Member Economies and Their Implications for Inflation, SEACEN, pp. 323 - 349.

69. Dlamini, A., Dlamini, A. & Nxumalo, T., 2001, ‘A Co-integration Analysis of the Determinants of Inflation in Swaziland’, Central Bank of Swaziland Working Paper,

pp. 1-37.

70. Doguwa, S.I. & Alade, S.O., 2013, ‘Short-term inflation forecasting models for

Nigeria’, CBN Journal of Applied Statistics, 4(3), pp.1-29.

71. Dornbusch, R. & Fischer, S., 1993, ‘Moderate inflation’, The World Bank Economic

Review, Vol. 7 No. 1, pp. 1-44.

72. Dwivedi, D.N., 2005, Macroeconomics: Theory and Policy, McGraw-Hill, New

73. 74.

York, NY. Eckstein, O., 1981, Core Inflation, Prentice Hall, NY. Engle, R.F. & Granger, C.W., 1987, ‘Co-integration and error correction: representation, estimation, and testing’, Econometrica: Journal of the Econometric

Society, pp. 251-276.

177

75. Engle, R.F. & Yoo, S., 1987, ‘Forecasting and testing in cointegrated systems’,

Journal of Econometrics, Vol. 35, pp. 143-159.

76. Fama, E.F. & Gibbons, M.R., 1982, ‘Inflation, Real Returns, and Capitai

Investment’, Journal of Monetary Economics, Vol. 9, pp. 297-324. Fama, E.F. & Gibbons, M.R., 1984, ‘A Comparison of Inflation Forecasts’, Journal 77.

of Monetary Economics, Vol. 13, pp. 327-348.

78. Fatai, M.O. & Akinbobola, T.O., 2015, 'Exchange rate pass-through to import prices,

inflation and monetary policy in Nigeria', International Finance and Banking, Vol. 2 No. 1, pp.60-78.

79. Faust, J. & Wright, J.H., 2009, ‘Comparing Greenbook and reduced form forecasts

using a large realtime dataset’, Journal of Business & Economic Statistics, Vol. 27

80. No. 4, pp.468-479. Fedderke, J.W. & Schaling, E., 2005, ‘Modelling inflation in South Africa: A

multivariate cointegration analysis’, South African Journal of Economics, Vol. 73

No. 1, pp.79-92.

81.

Fischer, S., 1977, 'Long-term contracts, rational expectations, and the optimal money supply rule', Journal of Political Economy, Vol. 85 No. 1, pp. 191-205.

82. Fisher, I., 1911, The Purchasing Power of Money, its Determination and Relation to

Credit Interest and Crises, MacMillan, New York.

83.

Forder, J., 2010, ‘The historical place of the ‘Friedman-Phelps’ expectations critique’, The European Journal of the History of Economic Thought, Vol. 17 No. 3,

pp.493-511.

84. Friedman, M., 1968, ‘The Role of Monetary Policy’, American Economic Review,

85. Vol. 58 No. 1 , pp. 1-17. Friedman, M., 1989, ‘Quantity Theory of Money’, In: Money (pp.1-40), Palgrave

Macmillan, London.

86.

Frisch, H., 1977, ‘Inflation Theory 1963-1975: A “Second Generation” Survey’, Journal of Economic Literature, Vol. 15 No. 4, pp. 1289-1317.

87. Gali, J. & Gertler, M., 1999, 'Inflation dynamics: A structural econometric analysis',

Journal of Monetary Economics, Vol. 44 No. 2, pp. 195-222.

speech, 27 March 2020,

88. Georgieva, K., 2020, ‘Opening Remarks at a Press Briefing by Kristalina Georgieva following a Conference Call of the International Monetary and Financial Committee (IMFC)’, IMF, viewed 30 March 2020,

89. Gonzalo, J. & Pitarakis, J.Y., 1999, ‘Dimensionality eFect in cointegration analysis’,

In: Engle, R.F., White, H. (Eds.), Cointegration, Causality and Forecasting: A Festschrift in Honour, Oxford University Press, pp. 212-229.

178

90. Gordon, R.J., 1975, ‘The demand for and supply of inflation’, The Journal of Law

and Economics, Vol. 18 No. 3, pp.807-836. 91. Gordon, R.J., 2011, ‘The history of the Phillips curve: Consensus and

bifurcation’, Economica, Vol. 78 No. 309, pp.10-50.

92. Goujon, M., 2006, ‘Fighting inflation in a dollarized economy: The case of

Vietnam’, Journal of comparative economics, Vol. 34 No. 3, pp.564-581.

93. Greenidge, K. & DaCosta, D., 2009, ‘Determinants of Inflation in Selected Caribbean Countries’, Business, Finance & Economics in Emerging Countries, Vol. 4 No. 2, pp. 371-397.

94. Groen, J.J., Paap, R. & Ravazzolo, F., 2013, ‘Real-time inflation forecasting in a changing world’, Journal of Business & Economic Statistics, Vol. 31 No. 1, pp. 29-

44.

95. Gupta, A.S., 2008, ‘Does capital account openness lower inflation?’, International

Economic Journal, Vol. 22 No. 4, pp. 471-487.

96. Haderi, S., Papapaganos, H., Sanfey, P. & Talka, M., 1999, ‘Inflation and

Stabilisation in Albania’, Post-Communist Economies, Vol. 11 No. 1, pp. 127-141.

97. Haldane, A. & Quah, D., 1999, ‘UK Phillips curves and monetary policy’, Journal of

Monetary Economics, Vol. 44 No. 2, pp. 259-278.

98. Hammond, G., 2012, State of the art of Inflation Targeting, Handbooks, 4th edn,

Centre for Central Banking Studies, Bank of England.

99. Hansen, B., 1951, A Study in the Theory of Inflation, Routledge, London. 100. Harvey, A.C., 1990, Forecasting, structural time series models and the Kalman filter,

Cambridge University Press, Cambridge.

101. Hendry, D.F. & Krolzig, H.M., 2005, ‘The properties of automatic Gets

modelling’, The Economic Journal, Vol. 115 No. 502, pp. C32-C61.

102. Higgins, B., 1978, ‘Velocity: Money's Second Dimension’, Economic Review,

103. Federal Reserve Bank of Kansas City, US. International Monetary Fund, 2003, ‘Vietnam: Statistical Appendix’, IMF Country

104. Report, 03/382. International Monetary Fund, 2006, ‘Vietnam: Statistical Appendix’, IMF Country

105.

exchange the of

106.

Report, 06/52. Ito, T. & Sato, K., 2008, ‘Exchange rate changes and inflation in post‐crisis Asian Economies: Vector Autoregression Analysis rate pass‐through’, Journal of Money, Credit and Banking, Vol. 40 No. 7, pp.1407-1438. Johansen, S., 1995, ‘Identifying restrictions of linear equations with applications to simultaneous equations and cointegration’, Journal of econometrics, Vol. 69 No. 1,

pp. 111-132.

179

107. Johnson, H.G., 1963, ‘A survey of theories of inflation’, Indian Economic

Review, Vol. 6 No. 3, pp. 29-69.

108. Kemmerer, E.W., 1942, ‘The abc of inflation with particular reference to present-day

conditions in the United States’, 332.41/K31a.

109. Keynes, J.M., 1936, The General Theory of Employment, Interest, and Money,

Palgrave Macmillan, London.

110. Koop, G. & Potter, S.M., 2007, ‘Estimation and forecasting in models with multiple

breaks’, The Review of Economic Studies, Vol. 74 No. 3, pp. 763-789.

111. Laflèche, T., 1997, ‘The impact of exchange rate movements on consumer prices’,

Bank of Canada Review, 1996 (Winter), pp. 21-32.

112. Laidler, D., 2011. Professor Fisher and the quantity theory: A significant encounter,

Research Report 1.

113. Laryea, S. & Sumaila, U., 2001, ‘Determinants of Inflation in Tanzania’, CMI

Working Paper 2001:12, Chr. Michelsen Institute.

114. Le, V.H. & Pfau, W.D., 2009, ‘VAR analysis of the monetary transmission mechanism in Vietnam’, Applied Econometrics and International Development, Vol. 9 No. 1, pp.165-179.

115. Levin, A.T. & Piger, J.M., 2004, ‘Is Inflation Persistence Intrinsic in Industrial

Economies?’, European Central Bank Working Paper Series 334.

116. Lucas, R.E., 1972, ‘Expectations and the Neutrality of Money’, Journal of Economic

Theory, Vol. 4 No. 2, pp. 103-124.

117. Malesevic, L., 2009, ‘Cointegration approach to analysing inflation in Croatia’,

Financial Theory and Practice, Vol. 3 No. 2, pp. 201-218.

118. McCarthy, J., 2007, ‘Pass-through of exchange rates and import prices to domestic inflation in some industrialized economies’, Eastern Economic Journal, Vol. 33 No.

4, pp. 511-537.

119. McKinsey, 2020, ‘COVID-19: Implications for Business, Executive Briefing’,

functions/risk/our-insights/covid-19-implications-for-business>

120. Mehrotra, A. & Sánchez-Fung, J.R., 2008, ‘Forecasting inflation in China’, China

Economic Journal, Vol. 1 No. 3, pp. 317-322.

121. Meyler, A., Kenny, G. & Quinn, T., 1998, ‘Forecasting Irish inflation using ARIMA

models’, Research Technical Papers 3/RT/98, Central Bank of Ireland.

122. Mishkin, F.S. & Savastano, M.A., 2001, Monetary policy strategies for Latin

America, World Bank.

123. Mishkin, F.S., 1996, ‘Understanding financial crises: A developing country

perspective,’ Working Paper w5600, National Bureau of Economic Research.

180

124. Mishkin, F.S., 2016, Economics of Money, Banking and Financial Markets, 11th

edn, Pearson Education, London.

125. Nguyen, C.N., 2010, ‘Exchange Rate Pass-Through into Vietnam’s Imports:

Empirical Evidence from Japanese Trade Data’, Yokohama Journal of Social Sciences, Vol. 14 No. 6, pp. 41-56.

126. Nguyen, T.T.V & Fujita, S., 2007, ‘The Impact of Real Exchange Rate on Output

and Inflation in Vietnam: A VAR Approach’, Discussion Paper 0625.

127. Payne, J., 2002, ‘Inflationary Dynamics of a Transition Economy: The Croatian

Experience’, Croatian Economic Survey, Vol. 5, pp. 155-169.

128. Pesaran, M.H., Pettenuzzo, D. & Timmermann, A., 2006, 'Forecasting time series subject to multiple structural breaks', The Review of Economic Studies, Vol. 73 No.

4, pp.1057-1084.

129. Petrovska, M., Ramadani, G., Naumovski, N. & Jovanovic, B., 2017, Forecasting Macedonian Inflation: Evaluation of different models for short-term forecasting,

Working Paper, No. 6/2017.

130. Phelps, E., 1967, ‘Phillips Curves, Expectation of Inflation, and Optimal Inflation

over time’, Economica, Vol. 34 No. 135, pp. 254-281.

131. Phillips, A.W., 1958, ‘The Relation Between Unemployment and the Rate of Change of Money Wage Rates in the United Kingdom, 1861–1957’, Economica, Vol. 25 No.

100, pp. 283-299.

132. Primiceri, G.E., 2005, ‘Time varying structural vector autoregressions and monetary

policy’, The Review of Economic Studies, Vol. 72 No. 3, pp. 821-852.

133. Pufnik, A. & Kunovac, D., 2006, Short-term forecasting of inflation in croatia with

seasonal ARIMA processes, Croatia National Bank, Working Paper, 16.

134. Quah, D. & Vahey, S.P., 1995, 'Measuring core inflation', The Economic Journal,

Vol. 105 No. 432, pp. 1130-1144.

135. Roger, S., 1998, 'Core inflation: concepts, uses and measurement', Reserve Bank of

New Zealand Discussion Paper.

136. Ross, K., 2000, ‘Post Stabilisation Inflation Dynamics in Slovenia’, Applied

Economics, Vol. 2 No. 2, pp. 135-149.

137. Samuelson, P.A., 1961, Economics: an Introductory Analysis, 5th edn, McGraw-Hil,

New York.

138. Schreder, H.X., 1952, 'Impact of business conditions on investment policies', The

Journal of Finance, Vol. 7 No. 2, pp. 138-173.

139. Schwarzer, J.A., 2012, ‘AW Phillips and his curve: Stabilisation policies, inflation expectations and the ‘menu of choice’’, European Journal of the History of

Economic Thought, Vol 19 No. 6, pp.976-1003.

181

140. Selialia, F.L., 1995, The Dynamics of Inflation in Lesotho, Master Thesis,

University of College Dublin.

141. Sims, C.A. & Zha, T., 2006, ‘Does monetary policy generate

recessions?’, Macroeconomic Dynamics, Vol. 10 No. 2, pp. 231-272.

142. Sims, C.A., 2006, ‘Comment on Del Negro, Schorfheide, Smets and Wouters’, Hentet, . 143. Smith, A., 1776, The Wealth of Nations, W. Strahan & T. Cadell, London. 144. Sprinkel, B.W., 1975, ‘1975: A Year of Recession, Recovery and Decelerating

Inflation’, Journal of Business, Vol. 48 No. 1, pp. 1-4.

145. Stevens, G.R., 1999, Economic Forecasting and its Role in Making Monetary Policy,

Reserve Bank of Australia Bulletin, September 1999.

146. Stock, J., & Watson, M., 2002, Macroeconomic Forecasting using diffusion indexes.

Journal of Business and Economic Statistics, Vol. 20, pp. 147-162.

147. Stock, J.H. & Watson, M.W., 1999, ‘Forecasting Inflation’, Journal of Monetary

Economics, Vol. 44 No. 2, pp. 293-335.

148. Taylor, J.B., 1979, ‘Staggered Wage Setting in a Macro Model’, American

Economic Review, Vol. 69 No. 2, pp. 108-133.

149. Timmermann, A., 2006, Forecast combinations, In Rummel, Ole (2012) “A short- term inflation forecast for South Africa: Part I”, Centre for Central Banking Studies,

Bank of England.

150. Tobin, J., 1972, 'Inflation and Unemployment', American Economic Review, Vol.

62, pp. 1-18.

151. Vo, T.T., Dinh, H.M., Do, X.T., Hoang, V.T. & Pham, C.Q., 2001, Exchange Rate

Arrangement in Vietnam: Information Content and Policy Options, CIEM, Hanoi.

152. Vo, V.M, 2009, ‘Exchange Rate Pass-Through and its Implications for Inflation in

Vietnam', Working Paper 0902.

153. Woodford, M., 2003, Interest and Prices, Princeton University Press, New Jersey. 154. Wright, J.H., 2009, ‘Forecasting US inflation by Bayesian model averaging’, Journal

of Forecasting, Vol. 28 No. 2, pp. 131-144.

155. Wynne, M.A., 2008, ‘Core Inflation: A Review of Some Conceptual Issues’, Federal

Reserve Bank of St. Louis Review, Vol. 90 No. 3, pp. 205-228.

182

PHỤ LỤC

Phụ lục 1.1: Danh mục biến trong mô hình nhân tố động của Macedonia

(1) Giá cả và tỷ giá (2) Khu vực đối ngoại (3) Tiền tệ

CPI (tổng thể) Xuất khẩu (FOB)

Tài sản nước ngoài của ngân hàng Nhập khẩu (FOB)

- Lương thực, thực phẩm và đồ uống không cồn Khoản phải thu từ chính phủ

- Đồ uống cồn, thuốc lá Xuất khẩu máy móc, thiết bị vận tải

Khoản phải thu từ tổ chức phi tài chính công cộng - May mặc, giày dép

Nhập khẩu máy móc, thiết bị vận tải

Khoản phải thu từ khu vực tư nhân - Nhà ở, điện, nước, khí đốt và nhiên liệu Xuất khẩu thiết bị vận tải khác

Tài sản khác của ngân hàng

- Thiết bị nội thất, đồ gia dụng và bảo trì nhà Nhập khẩu thiết bị vận tải khác

Nghĩa vụ nợ nước ngoài của ngân hàng - Y tế

Xuất khẩu phương tiện giao thông đường bộ M4 - Giao thông

Tiền trong lưu thông - Thông tin liên lạc Nhập khẩu phương tiện giao thông đường bộ Tiền gửi khách hàng - Văn hóa và giải trí Xuất khẩu dầu Tiền gửi ngắn hạn - Giáo dục Nhập khẩu dầu Tiền gửi dài hạn - Nhà hàng, khách sạn

Tiền gửi hộ gia đình - Hàng hóa, dịch vụ khác

Tiền gửi doanh nghiệp

Dự trữ ngoại hối của NBRM

CPI trừ giá năng lượng và lương thực, thực phẩm (CPI cơ bản) Dự trữ bắt buộc

CPI trừ giá năng lượng

Giá sản xuất (PPI)

Giá dầu thô

Chỉ số HWWI (EUR) – tổng hợp

Chỉ số HWWI (USD) – tổng hợp trừ năng lượng

NEER

REER (CPI)

183

(4) Kinh tế thực (5) Thị trường lao động

Sản xuất công nghiệp (tổng) Tổng số thất nghiệp đăng ký

- Năng lượng Số thất nghiệp mới phát sinh

- Hàng hóa trung gian Số lượng lao động đăng ký

- Vốn tư bản

Số bị loại khỏi số đăng ký vì lý do khác ngoài việc làm - Hàng tiêu dùng lâu bền

Lương ròng danh nghĩa - Hàng tiêu dùng không bền

Lương ròng thực Khai khoáng

Chế biến, chế tạo Lương ròng danh nghĩa khu vực hành chính công Điện, nước, gas

Lượng du khách Lương ròng danh nghĩa khu vực công nghiệp Đêm nghỉ dưỡng

Lương ròng thực khu vực hành chính công

Lương ròng thực khu vực công nghiệp

Tổng lương danh nghĩa

Tổng lương thực

Tổng lương danh nghĩa khu vực hành chính công

Tổng lương danh nghĩa khu vực công nghiệp

Tổng lương thực khu vực hành chính công

Tổng lương thực khu vực công nghiệp

Nguồn: Petrovska và cộng sự (2017)

184

Phụ lục 1.2: So sánh kết quả dự báo lạm phát của Macedonia theo các cách tiếp cận và giai đoạn dự báo khác nhau

(1) Dự báo 1 quý tiếp theo (2) Dự báo 2 quý tiếp theo

(3) Dự báo 3 quý tiếp theo (4) Dự báo 4 quý tiếp theo

Nguồn: Petrovska và cộng sự (2017)

185

Phụ lục 1.3: Đánh giá hiệu quả dự báo lạm phát của Macedonia

Mô hình

Kỳ dự báo

RMSE

MAE

MAPE

Theil IC

Mô hình cấu trúc phân nhỏ

(t + 1)

0,68

0,54

95,19

0,16

0,73

0,63

101,96

0,17

Mô hình nhân tố động

(t + 1)

0,68

0,49

68,87

0,16

ARIMA CPI phân tổ

(t + 1)

0,69

0,53

106,14

0,15

ARIMA CPI tổng thể

(t + 1)

1,42

1,14

196,78

0,34

Mô hình cấu trúc phân nhỏ

(t + 2)

1,37

1,11

236,30

0,31

Mô hình nhân tố động

(t + 2)

1,25

1,04

244,55

0,33

ARIMA CPI phân tổ

(t + 2)

1,12

0,91

166,57

0,25

ARIMA CPI tổng thể

(t + 2)

1,78

1,48

365,55

0,44

Mô hình cấu trúc phân nhỏ

(t + 3)

1,84

1,67

437,56

0,40

Mô hình nhân tố động

(t + 3)

1,57

1,39

278,28

0,44

ARIMA CPI phân tổ

(t + 3)

1,67

1,48

438,83

0,37

ARIMA CPI tổng thể

(t + 3)

1,91

1,57

286,87

0,48

Mô hình cấu trúc phân nhỏ

(t + 4)

2,33

2,11

523,08

0,50

Mô hình nhân tố động

(t + 4)

2,01

1,74

380,03

0,56

ARIMA CPI phân tổ

(t + 4)

2,25

2,11

468,24

0,50

ARIMA CPI tổng thể

(t + 4)

Nguồn: Petrovska và cộng sự (2017)

186

Phụ lục 1.4: Danh mục cấu phần, cấu trúc mô hình và sai số dự báo CPI của Philippines

TT

Cấu phần

Cấu trúc dự báo

MAPE

Tỷ trọng (%)

Lương thực, thực phẩm và đồ uống không cồn

38,98

1

1.1

Gạo

SARIMAX (1,1,0) x (6,0,0)

0,873

8,93

1.2

Bánh mì và ngũ cốc

SARIMA (1,1,0) x (12,1,0)

0,182

3,52

1.3

Thịt

SARIMA (5,1,12) x (8,0,7)

1,075

6,97

1.4

Cá

ARIMA (12,1,6)

0,391

5,83

1.5

Sữa, pho-mát và trứng

SARIMA (11,1,2) x (12,1,0)

1,031

3,29

1.6

Dầu ăn, chất béo

ARIMA (2,1,8)

1,655

0,72

1.7

Hoa quả

SARIMA (6,1,1) x (8,0,0)

1,075

1,71

1.8

Rau

SARIMA (4,1,1) x (6,0,6)

2,524

3,19

1.9

Đường

ARIMA (1,1,11)

1,181

1,05

1.10

Lương thực, thực phẩm khác

ARIMA (1,1,0)

2,632

1,09

1.11 Đồ uống không cồn

ARIMA (2,1,0)

0,118

2,69

2 Đồ uống cồn và thuốc lá

2,00

2.1

Đồ uống cồn

ARIMA (1,1,0)

0,207

1,01

2.2

Thuốc lá

ARIMA (1,1,0)

0,244

0,99

SARIMA (0,1,12) x (0,1,0)

0,282

3 Quần áo, giày dép

2,95

4 Nhà ở, nước, điện, khí đốt và nhiên liệu

22,47

4.1

Thuê nhà, bảo trì nhà ở

SARIMA (17,1,12) x (0,1,0)

0,134

14,35

4.2

Nước sạch

SARIMA (12,1,11) x (0,1,0)

0,282

1,05

4.3

Điện

ARIMA (0,1,2)

1,395

4,51

4.4

Khí đốt

SARIMA (8,1,12) x (0,1,1)

7,617

1,48

4.5

Nhiên liệu

SARIMA (12,1,0) x (0,1,0)

0,520

1,07

SARIMA (12,1,21) x (3,1,6)

0,312

5 Nội thất và thiết bị gia dụng

3,22

SARIMA (1,1,12) x (0,1,0)

0,193

6 Y tế

2,99

SARIMAX (2,1,12) x (0,1,4)

0,427

7 Giao thông

7,81

SARIMA (12,1,3) x (0,1,0)

0,061

8 Bưu chính

2,26

SARIMA (3,1,0) x (17,0,0)

0,075

9 Giải trí

1,93

SARIMA (12,1,5) x (0,1,7)

0,086

10 Giáo dục

3,36

0,472

SARIMA (0,1,12) x (0,1,0)

11 12,03

Nhà hàng và hàng hóa khác

TỔNG

100,00

Nguồn: Allon (2015)

187

Điện 23%

Khác 51%

Rau 18%

Khí đốt 8%

Phụ lục 1.5: Đóng góp của các thành tố giá trong phương sai dự báo bình quân gia quyền lạm phát của Phillipines

Nguồn: Allon (2015)

Phụ lục 1.6: Phổ phân rã của độ biến động đối với các tần suất khác nhau – mô hình SVAR của FED

Phổ tần suất

Cú sốc

Biến số

Toàn bộ

Cao

Chu kỳ kinh tế

Thấp

I/ Trước 1979

1. Sốc tổng cầu

Sản lượng

0,72

0,88

0,63

0,07

Lạm phát

0,16

0,04

0,22

0,18

Lãi suất

0,33

0,12

0,34

0,36

2. Sốc tổng cung

Sản lượng

0,23

0,06

0,33

0,93

Lạm phát

0,36

0,12

0,42

0,61

Lãi suất

0,65

0,86

0,63

3. Sốc CSTT

Sản lượng

0,05

0,06

0,04

0,00

Lạm phát

0,48

0,83

0,36

0,21

Lãi suất

0,02

0,00

II/ Sau 1979

1. Sốc tổng cầu

Sản lượng

0,41

0,26

0,61

0,20

Lạm phát

0,53

0,64

0,46

Lãi suất

0,64

0,17

0,60

0,75

2. Sốc tổng cung

Sản lượng

0,47

0,51

0,36

0,75

Lạm phát

0,42

0,45

0,32

0,44

Lãi suất

0,05

0,02

0,07

3. Sốc CSTT

Sản lượng

0,12

0,23

0,03

0,05

Lạm phát

0,05

0,01

0,04

0,10

Lãi suất

0,31

0,81

0,38

0,18

Nguồn: Choi và Wen (2010).

188

Phụ lục 1.7: Hệ số phương trình quy tắc Taylor mới – mô hình SVAR của FED

Tổng thể Sốc tổng cầu Sốc tổng cung

βπ βΔy βπ βΔy βπ βΔy

(1) Chỉ số giảm phát GDP đo lường mức giá

Trước 1979

Dài hạn 0,32 1,93 1,93 0,98 0,00 -0,65

Ngắn hạn 0,61 0,72 12,96 0,08 12,24 0,53

Sau 1979

Dài hạn 0,97 2,23 2,23 1,40 0,00 -0,43

Ngắn hạn 0,11 0,23 0,22 0,10 -0,02 0,01

(2) Chỉ số CPI đo lường mức giá

Trước 1979

Dài hạn 0,68 1,05 1,05 0,68 0,00 -0,62

Ngắn hạn 0,02 0,06 1,08 0,04 1,02 -0,03

Sau 1979

Dài hạn 0,72 1,80 1,80 1,40 0,00 -0,68

Ngắn hạn 0,09 0,15 0,25 0,15 0,11 -0,06

Nguồn: Choi và Wen (2010)

189

Phản ứng của sản lượng thực trước cú sốc lạm phát

Phản ứng của lãi suất thực trước cú sốc lạm phát

Phản ứng của lạm phát trước cú sốc lạm phát

Phản ứng của tốc độ luân chuyển tiền trước cú sốc lạm phát

Phản ứng của cán cân thực trước cú sốc lạm phát

Phản ứng của sai số cầu tiền trước cú sốc lạm phát

Phản ứng của lãi suất danh nghĩa trước cú sốc lạm phát

Phản ứng của tăng trưởng M1 trước cú sốc lạm phát

Phụ lục 1.8: Phản ứng của các biến số trước cú sốc lạm phát – mô hình VECM của FED

Nguồn: Crowder và cộng sự (1999)

190

Phụ lục 1.9: Mối quan hệ giữa các khối kinh tế vĩ mô của Trung Quốc

Nguồn: Bùi Quốc Dũng (2014)

191

Phụ lục 1.10: Thống kê số liệu đầu vào mô hình VAR của PBOC

TT

Số liệu

Nguồn

CPI, chỉ số kinh tế Trung Quốc hàng tháng

CEIC

Hàng hoá qua cảng (tấn)

OECD

Tiền gửi doanh nghiệp (CNY)

OECD

Xuất khẩu

CEIC

Chi tiêu chính phủ

CEIC

Thu nhập chính phủ

CEIC

Nhập khẩu từ châu Á (USD)

OECD

Nhập khẩu

CEIC

Sản xuất công nghiệp (thực tế, mức độ)

PBOC - IMF

Doanh số bán hàng công nghiệp, sở hữu tập thể

CEIC

Doanh số bán hàng công nghiệp, công nghiệp nặng

CEIC

Doanh số bán hàng công nghiệp, công nghiệp nhẹ

CEIC

Doanh số bán hàng công nghiệp, doanh nghiệp nhà nước

CEIC

Lãi suất cho vay danh nghĩa

CEIC

Các khoản vay của tổ chức tài chính

CEIC

16 M0

CEIC

17 M1

CEIC

18 M2

CEIC

NEER (tỷ giá hối đoái danh nghĩa hiệu quả)

IMF

Giá dầu

IMF

Giá sản xuất, yoy

CEIC

Sản xuất phân bón hóa học (tấn)

OECD

Sản xuất than

CEIC

Sản xuất điện

CEIC

Sản xuất khí đốt tự nhiên

CEIC

Sản xuất kim loại không màu (tấn)

OECD

Sản xuất dầu thô

CEIC

Giá mua nguyên liệu, yoy

CEIC

REER (tỷ giá thực hiệu quả)

IMF

Doanh số bán lẻ

OECD

Tiền gửi tiết kiệm, giá trị

CEIC

Chỉ số tổng hợp Thượng Hải

CEIC

Chỉ số tổng hợp Thâm Quyến

CEIC

Tỷ giá giao ngay CNY/USD

CEIC

Tỷ giá giao ngay CNY/JPY

CEIC

Nguồn: Mehrotra và Sánchez-Fung (2008)

192

Phụ lục 1.11: Diễn biến lạm phát và thành phần chính của Trung Quốc (1998m1- 2007m5)

Nguồn: Mehrotra và Sánchez-Fung (2008)

Phụ lục 1.12: Dự báo lạm phát 12 tháng của Trung Quốc với các mô hình VAR3, PC4, TS1 (2006m6 – 2007m5)

Nguồn: Mehrotra và Sánchez-Fung (2008)

193

Phụ lục 1.13: RMSFE của 15 mô hình VAR của PBOC

TT Mô hình RMSFE TT Mô hình RMSFE

9 1,000 1,162 1 PC5 TS1

10 0,994 1,207 2 PC6 TS2

11 1,354 1,376 3 PC7 TS3

12 1,143 1,599 4 VAR1 TS4

13 1,112 3,570 5 VAR2 PC1

14 1,121 0,931 6 VAR3 PC2

15 1,090 1,304 7 VAR4 PC3

0,992 8 PC4

Nguồn: Mehrotra và Sánchez-Fung (2008)

Phụ lục 1.14: RMSPE và MPE với các biến số tương ứng trong mô hình VECM của PBOC

Biến số

RMSPE

Biến số

RMSPE

MPE

0,008

-0,001

Đầu tư doanh nghiệp

0,182

CPI

0,018

0,010

-0,000

Đầu tư chính phủ

0,119

PPI

0,005

0,010

0,001

Chi tiêu chính phủ

0,090

0,001

Chỉ số giá đầu tư

0,016

0,000

Nguồn thu chính phủ

0,014

0,002

0,018

Nguồn: Bùi Quốc Dũng (2014)

194

Phụ lục 2.1: Kết quả dự báo CPI tổng thể trong mẫu - Mô hình ARIMA(1,1,6) của NHNN

Thời gian Dự báo Thực hiện Sai số

2019m10 0,59 0,52 0,07

2019m11 0,96 0,83 0,13

2019m12 1,40 1,35 0,05

Nguồn: Tính toán của tác giả

195

Phụ lục 2.2: Định dạng cấu trúc VAR của NHNN với 3 biến nội sinh

Biến số

VAR 3.1 VAR 3.2 VAR 3.3 VAR 3.4 VAR 3.5 VAR 3.6 VAR 3.7

Biến nội sinh

CPI

NRETAIL/RGDP

CVND

CREDIT

LENDING_R

OER

ER_FM

Biến ngoại sinh

OIL

FEDFUNDS

WCP

Số trễ mô hình tháng

Số trễ mô hình quý

Nguồn: Nguyễn Đức Trung (2017)

196

Phụ lục 2.3: Định dạng cấu trúc VAR của NHNN với 4 biến nội sinh

Biến số

VAR 4.1

VAR 4.2

VAR 4.3

VAR 4.4

VAR 4.5

VAR 4.6

VAR 4.7

VAR 4.8

VAR 4.9

VAR 4.10

Biến nội sinh

CPI

NRETAIL/RGDP

CVND

CREDIT

LENDING_R

OER

ER_FM

Biến ngoại sinh

OIL

FEDFUNDS

WCP

Số trễ mô hình tháng

Số trễ mô hình quý

Nguồn: Nguyễn Đức Trung (2017)

197

Phụ lục 2.4: Đánh giá kết quả dự báo lạm phát của mô hình VAR tần suất tháng của NHNN (giai đoạn 2003 – 2012)

Tiêu chuẩn

Xếp hạng VAR tốt nhất

MAPE

Theil IC

RMSE

MAE

VAR 4.7

VAR 4.8

VAR 4.7

VAR 4.8

VAR 4.7

VAR 4.8

VAR 4.7

VAR 3.4

VAR 3.6

VAR 3.7

VAR 3.6

VAR 4.10

VAR 3.6

VAR 3.5

VAR 4.9

VAR 4.4

VAR 3.1

VAR 4.1

VAR 4.2

VAR 4.1

VAR 4.2

VAR 4.1

VAR 4.2

VAR 4.3

VAR 3.2

VAR 4.6

VAR 4.5

VAR 3.3

Nguồn: Bùi Quốc Dũng (2014)

198

Phụ lục 2.5: Đánh giá kết quả dự báo lạm phát của mô hình VAR tần suất quý của NHNN (giai đoạn 2003 – 2012)

Tiêu chuẩn

Xếp hạng VAR tốt nhất

MAPE

Theil IC

RMSE

MAE

VAR 4.3

VAR 4.8

VAR 4.3

VAR 3.2

VAR 4.3

VAR 4.8

VAR 4.4

VAR 4.7

VAR 3.2

VAR 4.8

VAR 4.4

VAR 4.7

VAR 3.2

VAR 4.7

VAR 3.4

VAR 3.7

VAR 4.5

VAR 3.6

VAR 4.10

VAR 3.6

VAR 4.5

VAR 4.2

VAR 4.6

VAR 4.9

VAR 3.5

VAR 3.1

VAR 4.9

VAR 3.5

VAR 3.1

VAR 4.1

VAR 3.3

Nguồn: Bùi Quốc Dũng (2014)

199

30.00

25.00

20.00

15.00

10.00

5.00

0.00

2006m4

2008m4

2010m4

2012m4

2014m4

2016m4

2018m4

-5.00

INF (dự báo)

INF (thực tế)

Phụ lục 2.6: Hiệu quả dự báo lạm phát trong mẫu sử dụng mô hình VECM tần suất tháng của NHNN (% yoy)

RMSE 2,304 MAE 1,647 MAPE 1,371 Theil 0,009

Nguồn: Tính toán của tác giả

30.00

25.00

20.00

15.00

10.00

5.00

0.00

2006q4

2008q4

2010q4

2012q4

2014q4

2016q4

2018q4

-5.00

INF (dự báo)

INF (thực tế)

Phụ lục 2.7: Hiệu quả dự báo lạm phát trong mẫu sử dụng mô hình VECM tần suất quý của NHNN (% yoy)

RMSE 1,428 MAE 1,122 MAPE 0,944 Theil 0,006

Nguồn: Tính toán của tác giả

200

Phụ lục 3.1: Kiểm định nghiệm đơn vị đối với chuỗi CPI thành phần

Phương pháp ADF

Phương pháp PP

Kết luận

Chuỗi

I(1)

I(2)

I(1)

I(2)

I(0)

-0,61

-6,76***

-0,82

-6,91***

Dừng I(1)

CPI1

-1,93

-6,74***

-2,06

-10,06***

Dừng I(1)

CPI2

-1,79

-5,45***

-1,66

-8,33***

Dừng I(1)

CPI3

-1,40

-8,27***

-1,36

-6,51***

Dừng I(1)

CPI4

-2,35

-5,26***

-2,60

-9,46***

Dừng I(1)

CPI5

1,88

-11,91***

1,37

-12,27***

Dừng I(1)

CPI6

-1,61

-8,08***

-1,63

-7,52***

Dừng I(1)

CPI7

0,03

-1,94

-19,86***

1,71

-12,08***

-110,78***

Dừng I(2)

CPI8

-1,86

-12,44***

-1,64

-12,68***

Dừng I(1)

CPI9

-2,20

-5,59***

-1,68

-12,00***

Dừng I(1)

CPI10

*** Chuỗi dừng ở mức ý nghĩa 1%.

Phụ lục 3.2: Xác định cấu trúc mô hình dự báo ARIMA

Cấu trúc ARIMA

Tiêu chí đánh giá

Chuỗi

Bậc dừng d

σ2

Adj. R2

AIC

SBIC

1,041

0,371

2,942

3,031

AR(2)

MA(1,12)

CPI1

0,316

0,281

1,759

1,848

AR(2,24)

MA(1)

CPI2

0,195

0,364

1,277

1,366

AR(4,24)

MA(1)

CPI3

0,767

0,369

2,634

2,723

AR(1,21)

MA(1)

CPI4

0,152

0,254

1,017

1,106

AR(3,24)

MA(1)

CPI5

30,707

0,118

6,329

6,418

AR(12)

MA(7,15)

CPI6

3,367

0,239

4,112

4,201

AR(1,17)

MA(3)

CPI7

4,617

0,640

4,468

4,557

AR(1,12)

MA(2)

CPI8

0,168

0,170

1,233

1,304

AR(24)

MA(24)

CPI9

0,273

0,212

1,606

1,695

AR(3,12)

MA(3)

CPI10

0,382

0,639

1,923

1,995

AR(1)

MA(6)

CPI

201

Phụ lục 3.3: Kết quả dự báo CPI trong mẫu đối với các nhóm hàng hóa dựa trên mô hình ARIMA (2005m1 – 2019m12)

Hàng ăn và dịch vụ ăn uống (CPI1)

Đồ uống và thuốc lá (CPI2)

May mặc, mũ nón, giày dép (CPI3)

Nhà ở, điện, nước và VLXD (CPI4)

Thiết bị và đồ dùng gia đình (CPI5)

Thuốc men và dịch vụ y tế (CPI6)

Giao thông và bưu chính (CPI7)

Giáo dục (CPI8)

202

Văn hóa, giải trí và du lịch (CPI9)

Hàng hóa và dịch vụ khác (CPI10)

Nguồn: Tính toán của tác giả

203

Phụ lục 3.4: Kiểm định tính dừng cho các chuỗi số liệu mô hình VECM tháng

Phương pháp ADF

Phương pháp PP

Kết luận

Chuỗi

I(0)

I(1)

I(0)

I(1)

-2,78*

-5,08***

-11,03***

-57,93***

Dừng I(0)

IIP_GAP

-1,85

-6,66***

-2,48

-6,98***

Dừng I(1)

CPI

-3,78***

-11,41***

-3,43**

-11,68***

Dừng I(0)

CREDIT

-6,32***

-8,15***

-10,54***

Dừng I(1)

-1,32

-2,52

-1,92

-7,05***

-9,18***

Dừng I(1)

LENDING_R

-1,15

-10,88***

-10,82***

Dừng I(1)

ER_VCB

-1,56

-1,34

-8,23***

-13,02***

Dừng I(1)

ER_FM

-2,21

-2,18

-2,54*

-4,51***

Dừng I(1)

PPI

-2,69*

-3,60***

-3,07**

-15,90***

Dừng I(0)

WAGE

-2,98**

-9,64***

-2,70*

-9,63***

Dừng I(0)

OIL

-2,57*

-8,93***

-2,46

-8,97***

Dừng I(1)

WCP

-1,14

-8,32***

-1,30

-8,72***

Dừng I(1)

FEDFUNDS

***,**,*: Chuỗi dừng ở mức ý nghĩa 1%, 5%, 10%.

Phụ lục 3.5: Kiểm định tính dừng cho các chuỗi số liệu mô hình VECM quý

Phương pháp ADF

Phương pháp PP

Kết luận

Chuỗi

I(0)

I(1)

I(0)

I(1)

IIP_GAP

-3,23**

-3,00**

-8,42***

-27,79***

Dừng I(0)

-2,46

-4,28***

-2,47

-3,32**

Dừng I(1)

CPI

-4,70***

-5,08***

-13,90***

-5,27***

Dừng I(0)

CREDIT

-5,06***

-5,89***

-5,07***

Dừng I(1)

-1,28

-7,07***

-1,63

-5,16***

Dừng I(1)

-1,40

LENDING_R

-4,81***

-1,09

-4,73***

Dừng I(1)

-1,21

ER_VCB

-6,80***

-0,93

-7,22***

Dừng I(1)

-1,06

ER_FM

-3,86***

-2,05

-3,93***

Dừng I(1)

-1,95

PPI

-2,19

-3,68***

-9,59***

Dừng I(0)

-2,82*

WAGE

-6,56***

-2,49

-6,74***

Dừng I(1)

-2,35

OIL

-5,76***

-2,11

-5,23***

Dừng I(1)

-2.73*

WCP

-3,79***

-1,53

-3,80***

Dừng I(1)

-2,73*

FEDFUNDS

***,**,*: Chuỗi dừng ở mức ý nghĩa 1%, 5%, 10%.

204

Phụ lục 3.6: Lựa chọn độ trễ cho mô hình VECM tháng

Độ trễ LR FPE AIC SIC HQ

NA 2,85e-11 -4,42 0 -3,16 -3,91

3138,69 1,33e-19 -23,60 -21,46* -22,73 1

2 187,70* 6,83e-20* -24,28* -21,25 -23,05*

3 51,26 8,48e-20 -24,07 -20,17 -22,49

4 58,85 9,88e-20 -23,94 -19,15 -22,00

Nguồn: Tính toán của tác giả

Phụ lục 3.7: Kiểm định tự tương quan phần dư và tính ổn định - Mô hình VAR(2) tháng

Độ trễ Thống kê LRE* P-value

1 42,813 0,721

2 47,047 0,553

Modulus Modulus Root Root

0,515 0,515 0,994 0,994

0,458 0,458 0,935 - 0,017i 0,935

0,272 -0,270 - 0,038i 0,935 + 0,017i 0,935

0,272 -0,270 + 0,038i 0,759 - 0,040i 0,760

0,250 0,250 0,759 + 0,040i 0,760

0,157 0,113 - 0,109i 0,665 - 0,287i 0,724

0,157 0,113 + 0,109i 0,665 + 0,287i 0,724

205

Nghiệm riêng nằm trong vòng tròn đơn vị:

Nguồn: Tính toán của tác giả

206

Phụ lục 3.8: Lựa chọn độ trễ cho mô hình VECM quý

Độ trễ LR FPE AIC SIC HQ

0 NA 8,33e-10 -1,04 0,22 -0,55

1 841,96 2,45e-17 -18,43 -15,39* -17,25

2 100,95 1,07e-17 -19,41 -14,60 -17,54

3 89,25 4,42e-18 -20,63 -14,05 -18,08

4 -13,95 78,77* 1,64e-18* -22,31* -19,07*

Nguồn: Tính toán của tác giả

Phụ lục 3.9: Kiểm định tự tương quan phần dư và tính ổn định - Mô hình VAR(4) quý

Độ trễ Thống kê LRE* P-value

54,854 0,262 1

40,110 0,813 2

58,153 0,174 3

50,060 0,431 4

Modulus

Root

Modulus

Root

-0,526 + 0,652i

0,965

0,838

0,965

-0,526 - 0,652i

0,924

0,838

0,413 - 0,826i

0,104 - 0,744i

0,924

0,751

0,413 + 0,826i

0,104 + 0,744i

0,915

0,751

0,127 + 0,906i

-0,711 - 0,191i

0,915

0,736

0,127 - 0,906i

-0,711 + 0,191i

0,912

0,736

-0,910 + 0,047i

-0,386 + 0,553i

0,912

0,674

-0,910 - 0,047i

-0,386 - 0,553i

0,889

0,674

0,883 - 0,099i

0,366 - 0,526i

0,889

0,641

0,883 + 0,099i

0,366 + 0,526i

0,869

0,641

0,803 + 0,331i

-0,003 - 0,466i

0,869

0,466

0,803 - 0,331i

-0,003 + 0,466i

0,862

0,466

0,833 + 0,223i

0,862

0,833 - 0,223i

207

Nghiệm riêng nằm trong vòng tròn đơn vị:

Nguồn: Tính toán của tác giả

208

Phụ lục 3.10: Kiểm định đồng liên kết Johansen đối với mô hình VECM tháng

Giả thuyết đồng liên kết

Eigen value

Thống kê Trace

Giá trị tới hạn 5%

Không có đồng liên kết

286,206*

150,559

0,420

Tối đa 1 đồng liên kết

189,767*

117,708

0,292

Tối đa 2 đồng liên kết

128,586*

88,804

0,234

Tối đa 3 đồng liên kết

81,432*

63,876

0,211

Tối đa 4 đồng liên kết

39,531

42,915

0,112

Tối đa 5 đồng liên kết

18,546

25,872

0,071

Tối đa 6 đồng liên kết

5,557

12,518

0,031

Tồn tại 4 đồng liên kết.

Kết luận

* Bác bỏ giả thuyết ở mức ý nghĩa 5%

Phụ lục 3.11: Kiểm định đồng liên kết Johansen đối với mô hình VECM quý

Giả thuyết đồng liên kết

Eigen value

Thống kê Trace

Giá trị tới hạn 5%

Không có đồng liên kết

110,749*

46,231

0,857

Tối đa 1 đồng liên kết

70,833*

40,078

0,711

Tối đa 2 đồng liên kết

56,070*

33,877

0,626

Tối đa 3 đồng liên kết

38,304*

27,584

0,489

Tối đa 4 đồng liên kết

20,472

21,132

0,302

Tối đa 5 đồng liên kết

8,912

14,265

0,145

Tối đa 6 đồng liên kết

0,205

3,841

0,004

Tồn tại 4 đồng liên kết.

Kết luận

* Bác bỏ giả thuyết ở mức ý nghĩa 5%

209

Phụ lục 3.12: Kết quả thực nghiệm mô hình VECM tần suất tháng

Error Correction

d(IIP_GAP)

dlog(CPI)

dlog(M2)

d(LENDING_R)

dlog(ER_VCB)

dlog(PPI)

dlog(WAGE)

CointEq1

-0,594***

-0,001*

CointEq2

86,504***

-0,107***

-0,101*

-6,118***

-0,107***

CointEq3

-0,859**

0,010*

0,165***

CointEq4

-0,001***

0,001**

-0,233***

0,001*

dlog(CPI(-1))

0,405***

21,554***

0,170**

dlog(CPI(-2))

0,115*

dlog(M2(-2))

134,923***

d(LENDING_R(-1))

-0,007***

0,008*

dlog(ER_VCB(-1))

-0,296**

dlog(PPI(-1))

0,224**

17,709*

0,473***

dlog(PPI(-2))

-0,194**

dlog(WAGE(-1))

0,159*

-0,147***

-0,069***

-0,439**

-14,638***

log(OIL)

-0,022***

-1,948***

-0,016**

log(WCP)

0,054***

0,021**

0,141*

5,118***

0,029*

FEDFUNDS

-0,002***

-0,001*

-0,199***

-0,003***

R-squared

0,760

0,688

0,524

0,732

0,247

0,574

0,232

Adj. R-squared

0,717

0,632

0,438

0,683

0,110

0,497

0,093

Sum sq. resids

6195,195

0,003

0,021

0,003

0,197

35,987

0,006

S.E. equation

6,448

0,005

0,012

0,004

0,036

0,491

0,006

210

Error Correction

d(IIP_GAP)

dlog(CPI)

dlog(M2)

d(LENDING_R)

dlog(ER_VCB)

dlog(PPI)

dlog(WAGE)

F-statistic

17,494

12,181

6,079

7,449

1,669

15,051

1,807

Log likelihood

-565,803

713,368

550,530

-110,171

655,858

728,093

350,689

Akaike AIC

6,710

-7,744

-5,904

1,561

-7,094

-7,911

-3,646

Schwarz SC

7,212

-7,242

-5,402

2,064

-6,592

-7,408

-3,144

Mean dependent

0,109

0,006

0,017

-0,020

0,002

0,005

0,009

S.D. dependent

12,115

0,008

0,016

0,693

0,007

0,008

0,039

***,**,*: Kết quả có ý nghĩa thống kê ở mức 1%, 5%, 10%

211

Phụ lục 3.13: Kết quả thực nghiệm mô hình VECM tần suất quý

Error Correction

d(IIP_GAP)

dlog(CPI)

dlog(M2)

d(LENDING_R)

dlog(ER_VCB)

dlog(PPI)

dlog(WAGE)

CointEq1

-0,886*

-0,007**

0,027***

CointEq2

-1,555***

1,186*

-67,564***

-1,098***

-2,105*

CointEq3

35,197*

0,256***

14,130***

0,141*

CointEq4

0,012***

0,465***

0,008***

0,014*

d(IIP_GAP(-1))

0,008**

-0,024***

d(IIP_GAP(-2))

0,006**

-0,019***

d(IIP_GAP(-3))

0,006**

-0,015***

d(IIP_GAP(-4))

0,638**

0,005**

-0,007*

dlog(CPI(-1))

1,577***

-1,671***

50,933**

1,482***

3,676***

dlog(CPI(-2))

0,895**

-1,386*

dlog(CPI(-3))

0,795*

dlog(CPI(-4))

-1,270*

dlog(M2(-1))

-0,307**

-38,357***

-0,433**

-1,132**

dlog(M2(-2))

-0,478*

-34,517***

-1,742***

dlog(M2(-3))

-0,232*

-0,353**

-1,835***

dlog(M2(-4))

-19,175*

d(LENDING_RATE(-1))

-0,007*

-0,760***

-0,024*

d(LENDING_RATE(-2))

-0,011**

0,006*

-0,029***

d(LENDING_RATE(-3))

-0,005*

-0,042***

dlog(ER_VCB(-1))

-3,073**

212

Error Correction

d(IIP_GAP)

dlog(CPI)

dlog(M2)

d(LENDING_R)

dlog(ER_VCB)

dlog(PPI)

dlog(WAGE)

dlog(ER_VCB(-2))

-32,098*

-3,244***

dlog(PPI(-1))

-0,835***

1,419**

-0,719*

dlog(PPI(-2))

-0,625**

-74,279***

-0,964***

dlog(PPI(-3))

-160,186**

-54,427***

-0,749**

dlog(PPI(-4))

-169,880***

-0,354*

-1,266*

dlog(WAGE(-1))

-0,345**

-2,532***

dlog(WAGE(-2))

-1,965***

dlog(WAGE(-3))

-10,077*

-1,386***

dlog(WAGE(-4))

-7,039*

-0,707***

log(OIL)

4,373***

0,064**

log(WCP)

17,859*

0,060*

-0,205*

FEDFUNDS

-0,532**

-0,009*

-0,049***

R-squared

0,977

0,935

0,879

0,956

0,735

0,912

0,916

Adj. R-squared

0,932

0,805

0,636

0,869

0,206

0,737

0,749

Sum sq. resids

113,035

0,001

0,005

5,092

0,002

0,017

S.E. equation

2,506

0,009

0,017

0,532

0,010

0,011

0,031

F-statistic

21,588

7,186

3,618

10,931

1,389

5,195

5,484

Log likelihood

-97,852

-12,599

214,494

176,915

208,183

201,128

144,247

Akaike AIC

4,904

-6,454

-5,088

1,804

-6,225

-5,968

-3,900

Schwarz SC

6,254

-5,104

-3,737

3,154

-4,874

-4,618

-2,550

Mean dependent

0,360

0,018

0,049

-0,054

0,007

0,016

0,026

S.D. dependent

9,616

0,019

0,028

1,468

0,011

0,021

0,061

213

Phụ lục 3.14: Kết quả hàm phản ứ ng Cholesky củ a cú số c cá c biến trong mô hình VECM (Kỳ dự báo: 24 tháng

214

Phản ứng của log(CPI) trước IIP_GAP

Phản ứng của log(CPI) trước log(CPI) trong quá khứ

Phản ứng của log(CPI) trước log(M2)

Phản ứng của log(CPI) trước LENDING_R

Phản ứng của log(CPI) trước ER_VCB

Phản ứng của log(CPI) trước log(PPI)

Phản ứng của log(CPI) trước log(WAGE)

Phụ lục 3.15: Kết quả hàm phả n ứ ng Cholesky củ a cú số c các biến IIP_GAP, CPI (quá khứ ), M2, LENDING_R, ER_VCB, PPI và WAGE đối vớ i biến CPI (Kỳ dự báo: 24 tháng)

215

Phụ lục 3.16: Hiệu quả dự báo lạm phát trong mẫu với

-5 2006m1

2008m1

2010m1

2012m1

2014m1

2016m1

2018m1

INF (dự báo)

INF (thực tế)

mô hình VECM tháng (% yoy)

RMSE 0,502 MAE 0,376 MAPE 0,319 Theil 0,002

Nguồn: Tính toán của tác giả

Phụ lục 3.17: Hiệu quả dự báo lạm phát trong mẫu với

2008q1

2010q1

2012q1

2014q1

2016q1

2018q1

0 2006q1

INF (dự báo)

INF (thực tế)

mô hình VECM quý (% yoy)

RMSE 0,662 MAE 0,476 MAPE 0,371 Theil 0,002

Nguồn: Tính toán của tác giả.

216

Biến số

2019m1

2019m2

2019m3

2019m4

2019m5

2019m6

2019m7

2019m8

2019m9

2019m10

2019m11

2019m12

BQ 2019

Phụ lục 3.18: Kiểm định dự báo quá khứ đối với các biến nội sinh tần suất tháng (năm 2019)

IIP_GAP*

Dự báo

-3,90

-7,95

-12,91

-5,26

1,99

-26,19

-5,08

-7,04

-4,75

-3,42

9,91

4,54

9,30

Thực tế

-6,17

-10,57

-13,52

-8,42

-6,83

-57,07

-19,54

-8,28

8,25

5,25

3,07

14,98

18,61

2,62

0,60

3,16

Chênh lệch

8,82

30,88

14,46

1,24

-13,00

-8,66

6,84

-10,44

-9,31

2,27

CPI*

164,60

164,18

164,94

Dự báo

163,32

163,80

165,90

165,58

165,84

166,03

166,37

168,07

170,12

165,73

163,82

164,33

165,14

Thực tế

162,86

164,16

164,98

165,28

165,75

166,27

167,24

168,85

171,21

165,82

0,78

-0,14

-0,19

Chênh lệch

0,46

-0,37

0,92

0,30

0,10

-0,24

-0,87

-0,79

-1,09

-0,09

M2 (tỷ đồng)

Dự báo

8.979.996

9.008.298

9.099.580

9.169.622

9.257.633

9.329.719

9.448.473

9.557.771

10.110.137

10.279.060

10.302.821 10.680.720

9.601.986

Thực tế

9.034.603

8.926.302

9.006.347

9.057.737

9.190.226

9.327.816

9.323.579

9.949.135

10.083.735

10.160.248

10.245.242 10.414.281

9.559.938

Chênh lệch

-54.607

81.996

93.233

111.885

67.407

1.903

124.894

-391.364

26.402

118.812

57.579

266.439

42.048

LENDING_R (%)

8,13

7,85

7,58

Dự báo

7,21

7,72

7,44

7,43

7,41

7,49

7,42

7,68

7,92

7,61

7,94

7,70

7,28

Thực tế

8,08

7,91

7,29

7,33

7,80

7,67

7,85

7,76

7,54

7,68

0,19

0,15

0,30

Chênh lệch

-0,87

-0,19

0,15

0,10

-0,39

-0,18

-0,43

-0,08

0,38

-0,07

ER_VCB (USD/VND)

23.244

23.230

23.358

Dự báo

23.287

23.304

23.443

23.396

23.276

23.296

23.236

23.356

23.357

23.315

23.174

23.263

23.415

Thực tế

23.245

23.253

23.403

23.284

23.270

23.267

23.264

23.248

23.234

23.277

-33

-57

Chênh lệch

112

-28

108

123

PPI*

Dự báo

149,17

148,85

149,79

150,57

151,12

151,82

152,46

153,48

153,65

154,14

154,03

151,89

Biến số

2019m1

2019m2

2019m3

2019m4

2019m5

2019m6

2019m7

2019m8

2019m9

2019m10

2019m11

2019m12

BQ 2019

148,98

149,29

149,75

150,51

151,16

151,84

152,91

153,40

153,68

153,72

153,54

153,14

151,83

Thực tế

0,19

-0,44

0,04

0,06

-0,04

-0,02

-0,45

0,07

-0,03

-0,08

0,59

0,89

0,06

Chênh lệch

217

WAGE (ngàn đồng)

1.395

1.397

1.407

1.375

1.424

1.395

1.422

1.483

1.497

1.540

1.488

1.479

1.442

Dự báo

1.390

1.490

1.440

Thực tế

-15

-68

-7

-2

-11

Chênh lệch

* Chuỗi dữ liệu được quy đổi về gốc: bình quân các quý năm 2010 = 100

Nguồn: Tính toán của tác giả.

218

Biến số

2019q1

2019q2

2019q3

2019q4

BQ 2019

17,38 17,28 0,10

-0,68 -1,13 0,46

Phụ lục 3.19: Kiểm định dự báo quá khứ đối với các biến nội sinh tần suất quý (năm 2019)

IIP_GAP* Dự báo Thực tế Chênh lệch

-17,97 -19,18 1,21

-7,50 -8,65 1,15

5,39 6,02 -0,63

CPI*

169,00 169,10 -0,10

165,84 165,82 0,01

Dự báo Thực tế Chênh lệch

164,16 163,61 0,55

164,81 164,81 0,00

165,38 165,77 -0,39

8.970.987 9.006.347 -35.360

9.515.526 9.327.816 187.710

9.983.431 10.083.735 -100.304

10.592.553 10.514.365 78.188

9.765.624 9.733.066 32.559

M2 (tỷ đồng) Dự báo Thực tế Chênh lệch LENDING_R (%)

8,04 8,21 -0,17

7,54 7,70 -0,16

Dự báo Thực tế Chênh lệch

7,35 7,42 -0,07

7,07 7,56 -0,49

7,68 7,60 0,08

ER_VCB (USD/VND)

23.052 23.250 -198

23.246 23.277 -32

Dự báo Thực tế Chênh lệch

23.233 23.220 13

23.194 23.364 -170

23.503 23.274 229

PPI*

154,06 153,47 0,59

151,64 151,83 -0,19

Dự báo Thực tế Chênh lệch

149,29 149,34 -0,05

150,68 151,17 -0,49

152,51 153,33 -0,82

WAGE (ngàn đồng)

1.472 1.490 -18

1.442 1.440 2

Dự báo Thực tế Chênh lệch

1.394 1.390 4

1.414 1.390 24

1.486 1.490 -4

* Chuỗi dữ liệu được quy đổi về gốc: bình quân các quý năm 2010 = 100

Nguồn: Tính toán của tác giả

219

Phụ lục 3.20: Quy trình truyển tải tác động của tỷ giá vào lạm phát

Phá giá nội tệ

Tác động trực tiếp

Tác động gián tiếp

Nhu cầu trong nước về hàng thay thế tăng

Đầu vào nhập khẩu trở nên đăt đỏ

Nhu cầu xuất khẩu tăng

Chi phí sản xuất tăng

Nhu cầu nguồn nhân lực tăng

Hàng thay thế trong nước và hàng xuất khẩu đắt đỏ

Lương tăng

Hàng hóa nhập khẩu trở nên đắt đỏ

Lạm phát (CPI tăng)

Nguồn: Laflèche (1997) và Dang và cộng sự (2019)

220

Phụ lục 3.21: Đánh giá độ vững theo trình tự biến nội sinh trong mô hình VECM - Kết quả hàm phả n ứ ng Cholesky củ a các cú số c đối vớ i biến CPI (Kỳ dự báo: 24 tháng)

0.007

0.006

0.005

0.004

0.003

0.002

0.001

0.000

-0.001

-0.002

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

IIP_GAP

LOG(M2)

LENDING_R

LOG(ER_VCB)

LOG(PPI)

LOG(WAGE)

LOG(CPI)

Mô hình (A1)

(Trình tự: IIP_GAP, M2, LENDING_R, ER_VCB, PPI, WAGE, CPI)

0.007

0.006

0.005

0.004

0.003

0.002

0.001

0.000

-0.001

-0.002

-0.003

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

IIP_GAP

LOG(ER_VCB)

LOG(M2)

LENDING_R

LOG(PPI)

LOG(WAGE)

LOG(CPI)

Mô hình (A2)

(Trình tự: IIP_GAP, ER_VCB, M2, LENDING_R, PPI, WAGE, CPI)

221

0.007

0.006

0.005

0.004

0.003

0.002

0.001

0.000

-0.001

-0.002

-0.003

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

LOG(M2)

LENDING_R

LOG(ER_VCB)

IIP_GAP

LOG(PPI)

LOG(WAGE)

LOG(CPI)

Mô hình (A3)

(Trình tự: M2, LENDING_R, ER_VCB, IIP_GAP, PPI, WAGE, CPI)

0.007

0.006

0.005

0.004

0.003

0.002

0.001

0.000

-0.001

-0.002

-0.003

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

LOG(ER_VCB)

IIP_GAP

LOG(PPI)

LOG(WAGE)

LOG(CPI)

LOG(M2)

LENDING_R

Mô hình (A4)

(Trình tự: ER_VCB, IIP_GAP, PPI, WAGE, CPI, M2, LENDING_R)

Nguồn: Tính toán của tác giả

222

Phụ lục 3.22: Cấu trúc mô hình VECM với các biến đại diện thay thế

Biến số

MH gốc

MH (B1) MH (B2) MH (B3) MH (B4) MH (B5)

Biến nội sinh

IIP_GAP

CPI

CREDIT

LENDING_R

ER_VCB

ER_FM

PPI

WAGE

Biến ngoại sinh

OIL

WCP

FEDFUNDS

@SEAS(m/q)

Tần suất tháng (Độ dài trễ = 2; Đồng tích hợp = 4)

RMSE

0,501

0,507

0,503

0,502

0,505

0,486

MAE

0,373

0,380

0,382

0,376

0,382

0,366

MAPE

0,315

0,323

0,322

0,319

0,326

0,314

Theil

0,002

Tần suất quý (Độ dài trễ = Đồng tích hợp = 4)

RMSE

0,671

0,684

0,674

0,662

0,675

0,664

MAE

0,489

0,495

0,488

0,476

0,486

0,479

MAPE

0,383

0,387

0,378

0,371

0,375

0,373

Theil

0,002

0,003

0,002

0,003

Nguồn: Tính toán của tác giả.

223

Phụ lục 3.23: Đánh giá mức độ lây nhiễm COVID-19 trên phạm vi toàn cầu

Nguồn: McKinsey (2020)

224

Thống kê số ca lây nhiễm và tử vong do COVID-19 trên phạm vi toàn cầu

(giai đoạn xem xét: 01/01/2020 – 30/03/2020)

400,000

200

5.00

20,000

160

4.00

300,000

15,000

120

3.00

200,000

10,000

2.00

100,000

5,000

1.00

0.00

0 1/1/20

2/1/20

3/1/20

0 1/1/20

2/1/20

3/1/20

Ca lây nhiễm (trục trái)

Ca tử vong (trục trái)

Thay đổi (%/ngày) (trục phải)

Tỷ lệ tử vong (% số ca lẫy nhiễm) (trục phải)

(1) Số ca lây nhiễm (2) Số ca tử vong

Nguồn: Tính toán của tác giả từ ECDC (2020) Nguồn: Tính toán của tác giả từ ECDC (2020)

225

Phụ lục 3.24: Kịch bản tác động của COVID-19 đối với kinh tế toàn cầu

Kịch bản 1: Kinh tế chậm phục hồi Kịch bản 2: Suy thoái kéo dài

- Số ca nhiễm ở châu Mỹ và châu Âu tiếp tục tăng cho tới - Dịch COVID-19 ở châu Mỹ và châu Âu lên đến đỉnh điểm

Diễn biến dịch bệnh

giữa tháng 4/2020, trong khi các nước châu Á đạt đỉnh dịch trước đó. Số ca nhiễm ở Châu Phi và Châu Đại Dương ở mức hạn chế. vào tháng 5/2020, do việc xét nghiệm bị trì hoãn và giãn cách xã hội không triệt để đã gây ra nhiều xáo trộn đối với sức khỏe cộng đồng.

- COVID-19 hoạt động theo mùa, do đó phạm vi hoạt động - COVID-19 hoạt động không theo mùa, dẫn đến các ca

của nó bị giới hạn. nhiễm tiếp tục tăng lên trong suốt phần còn lại của năm.

- Tăng trưởng số ca nhiễm chậm lại do giãn cách xã hội hiệu - COVID-19 lan rộng tại Châu Phi, Châu Đại Dương và một

quả và hoạt động kiểm dịch được tăng cường tại từng quốc

số nước Châu Á, song tỷ lệ tử vong thấp do đa số nước này có dân số trẻ.

gia và địa phương, doanh nghiệp hạn chế nhân viên đi lại và cho phép làm việc từ xa.

- Đến giữa tháng 5/2020, công chúng bắt đầu lạc quan hơn về triển vọng đẩy lùi dịch bệnh.

- Tháng 9/2020, trước nguy cơ tái lặp theo mùa của dịch - Ngay cả các quốc gia đã thành công trong việc kiểm soát

COVID-19, những kinh nghiệm ứng phó trước đó cho phép nền kinh tế vận hành bình thường trở lại. dịch bệnh (ví dụ: Trung Quốc) cũng buộc phải duy trì một số biện pháp y tế công cộng để ngăn chặn dịch quay trở lại.

- Các biện pháp như kiểm dịch quy mô lớn, hạn chế đi lại và

- Tổng cầu bị ảnh hưởng do người tiêu dùng cắt giảm chi tiêu trong cả năm. Tác động kinh tế

giãn cách xã hội khiến cho tiêu dùng và đầu tư giảm mạnh tới hết Q2/2020, từ đó dẫn tới suy thoái kinh tế.

226

Kịch bản 1: Kinh tế chậm phục hồi Kịch bản 2: Suy thoái kéo dài

- Mặc dù dịch bệnh đã được kiểm soát ở phần lớn các nước - Trong các lĩnh vực bị ảnh hưởng, số lượng nhân viên bị sa

thải và doanh nghiệp phá sản tăng lên trong năm 2020, tạo ra một vòng xoáy suy thoái tự củng cố.

trên thế giới vào cuối Q2/2020, nhưng do quán tính tự củng cố, tác động của suy thoái trước đó tiếp tục dai dẳng cho tới hết Q3/2020.

- Hệ thống tài chính bị ảnh hưởng nghiêm trọng, song có thể

- Người tiêu dùng bị cách ly trong nhà, doanh nghiệp thiệt hại doanh số và sa thải nhân viên, dẫn đến thất nghiệp gia tăng. tránh khỏi một cuộc khủng hoảng ngân hàng toàn diện, bởi lẽ

các ngân hàng có vốn hóa mạnh và giám sát an toàn vĩ mô được triển khai hiệu quả. - Sự tăng vọt về hợp đồng đầu tư kinh doanh mới và số vụ phá sản gây áp lực lớn lên hệ thống tài chính - ngân hàng.

- CSTT tiếp tục được nới lỏng trong Q1-2/2020, song hiệu

- Phản ứng từ CSTK và CSTT dường như không đủ mạnh mẽ để phá vỡ vòng xoáy suy thoái.

quả khá hạn chế (trong điều kiện lãi suất hiện hành ở mức thấp).

- Phản ứng dè dặt trong mở rộng tài khóa dường như không - Tác động đối với kinh tế toàn cầu là nghiêm trọng, tiệm cận

đủ khắc phục thiệt hại kinh tế trong Q2-3/2020. với khủng hoảng tài chính toàn cầu 2008 – 2009.

- Bước sang Q4/2020, các nền kinh tế châu Âu và Mỹ mới - GDP toàn cầu cũng như GDP của các nền kinh tế lớn giảm

Nguồn: McKinsey (2020)

thực sự phục hồi. GDP toàn cầu năm 2020 giảm nhẹ (1,8 – 2,2%). sâu trong năm 2020. Quá trình phục hồi chỉ thực sự bắt đầu từ Q2/2021.

227

Phụ lục 4.1: Đề xuất khung báo cáo chính thức về lạm phát, tăng trưởng, ngân sách và tiền tệ - tín dụng

KHUNG BÁO CÁO LẠM PHÁT, TĂNG TRƯỞNG, NGÂN SÁCH VÀ TIỀN TỆ TÍN DỤNG

Tháng 3/2020

I. Kinh tế vĩ mô quốc tế nổi bật Q1/2020

II. Lạm phát

1. Lạm phát tổng thể

2. Diễn biến lạm phát cơ bản

3. Dự báo lại lạm phát năm 2020

III. Tăng trưởng

1. Tăng trưởng GDP Q1/2020 so với cùng kỳ năm trước

2. Các yếu tố từ phía cung

3. Các yếu tố từ phía cầu

4. Dự báo tăng trưởng GDP 6 tháng 2020 và cả năm 2020

IV. Ngân sách

1. Thu, chi và bội chi ngân sách Q1/2020

2. Phát hành trái phiếu chính phủ Q1/2020 và triển vọng năm 2020

V. Tiền tệ - tín dụng – thị trường ngoại hối

1. Diễn biến M2 và các cấu phần

2. Diễn biến tăng trưởng tín dụng theo kỳ hạn, đồng tiền

3. Diễn biến tín dụng bất động sản và tín dụng lĩnh vực ưu tiên Q1/2020

5. Diễn biến cán cân thanh toán Q1/2020, tác động tới thị trường ngoại hối.

4. Lãi suất thị trường 1 và thị trường 2 trong Q1/2020 - xu hướng và tác động

228

DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ

A. Bài viết đăng tạp chí chuyên ngành

1. Bùi Quốc Dũng và Phạm Đức Anh, 2016, ‘Lựa chọn mô hình dự báo lạm phát tại Ngân hàng Trung ương các nước và một số bài học kinh nghiệm’, Tạp chí Công thương, Số 3 (tháng 3).

2. Nguyễn Thị Quỳnh Loan và Phạm Đức Anh, 2016, ‘Xu thế tương tác kiều hối - tăng trưởng - phát triển tài chính ở một số nước đang phát triển’, Tạp chí Tài chính, Số 644, Kỳ 1 (tháng 11).

3. Lê Thị Tuấn Nghĩa và Phạm Đức Anh, 2017, ‘Đánh giá khả năng tiếp cận tín dụng của các hộ gia đình nông thôn và một số khuyến nghị’, Tạp chí Ngân hàng, Số 1+2 (tháng 1).

4. Nguyễn Vũ Hùng và Phạm Đức Anh, 2017, ‘Tác động phi tuyến của kiều hối tới tăng trưởng kinh tế: Bằng chứng từ khu vực Châu Á - Thái Bình Dương’, Tạp chí Kinh tế & Phát triển, Số 238 (tháng 4).

5. Phạm Đức Anh và Trần Thị Thúy An, 2018, ‘Điều hành chính sách tiền tệ phi truyền thống tại Anh nhằm ứng phó với khủng hoảng tài chính toàn cầu’, Tạp chí Khoa học & Đào tạo Ngân hàng, Số 191 (tháng 4).

6. Phạm Thị Hoàng Anh và Phạm Đức Anh, 2018, ‘Kiểm chứng tác động của kiều hối tới tăng trưởng kinh tế Việt Nam dựa trên mô hình ARDL’, Tạp chí Nghiên cứu Kinh tế & Kinh doanh Châu Á, Số 2 (tháng 6).

7. Nguyễn Thị Quỳnh Loan, Phạm Đức Anh và Trần Thị Thúy An, 2018, ‘Phân tích các nhân tố ảnh hưởng tới thanh khoản ngân hàng từ góc độ sở hữu và niêm yết’, Tạp chí Kinh tế & Phát triển, Số 255 (tháng 9).

8. Phạm Thị Hoàng Anh, Nguyễn Thị Minh Nguyệt, Phạm Mạnh Hùng và Phạm Đức Anh, 2018, ‘Tỷ giá và áp lực trên thị trường ngoại hối Việt Nam’, Tạp chí Khoa học & Đào tạo Ngân hàng, Số 196 (tháng 9).

9. Phạm Đức Anh và Nguyễn Thành Nam, 2019, ‘Đánh giá tác động của Nghị định 24/2012/NĐ-CP đến thị trường vàng Việt Nam sau 7 năm triển khai’, Tạp chí Khoa học & Đào tạo Ngân hàng, Số 200+201 (tháng 1+2).

10. Kiều Hữu Thiện, Phạm Mạnh Hùng và Phạm Đức Anh, 2019, ‘Đánh giá tác độ ng củ a sự phát triển các tổ chứ c tài chính phi ngâ n hàng tớ i ổ n đi ̣nh tà i chính ở Việ t Nam dựa trê n mô hình ARDL’, Tạp chí Khoa học & Đào tạo Ngân hàng, Số 207 (tháng 8).

11. Pham, A.D and Hoang, A.T.P., 2019, ‘Does Female Representation on Board Improve Firm Performance? A Case Study of Non-financial Corporations in Vietnam’, Studies in Computational Intelligence, Vol. 809 (Scopus).

12. Dang, A.T.Q., Pham, A.D. and Le, H.T.P., 2019, Pass-through of Exchange Rate to Domestic Prices: An Empirical Study for Vietnam (Chapter 12), in: Finck, D. &

229

Tillmann, P. (eds) Price-setting Behavior and Inflation Dynamics in SEACEN Member Economies and Their Implications for Inflation, SEACEN.

13. Pham, A.D and Hoang, A.T.P., 2020, ‘Does corporate governance structure matter for firm financial performance? A system GMM panel analysis for Vietnam’, Journal of International Economics & Management, Vol. 20 No. 1.

14. Dang, T.T., Pham, A.D. and Tran, D.N., 2020, ‘Impact of Monetary Policy on Private Investment: Evidence from Vietnam’s Provincial Data’, Economies, Vol. 8 No.3 (Scopus).

15. Pham, H.M, Pham, A.D., Truong, H.H.D and Dao, N.B., 2020, ‘Could non-bank institutions be a threat to financial stability? Evidence from Vietnam’,

financial International Journal of Innovation, Creativity and Change, Vol. 14 No. 3 (Scopus).

16. Bùi Thị Mến, Phạm Đức Anh và Đặng Thu Thủy, 2020, ‘Nhân tố tác động đến quyết định sử dụng ví điện tử của người tiêu dùng trẻ tại Hà Nội’, Những vấn đề Kinh tế và Chính trị Thế giới, Tập 8 Số 292.

B. Đề tài nghiên cứu khoa học các cấp đã chủ nhiệm/tham gia

1. Phạm Thị Hoàng Anh, 2016, Báo cáo hoạt động ngân hàng năm 2015 và một số

khuyến nghị chính sách năm 2016, Đề tài NCKH cấp Học viện (Thành viên).

2. Tô Ngọc Hưng, 2018, Nghiên cứu chính sách và giải pháp tín dụng cho hộ gia đình nông thôn trong xây dựng nông thôn mới, Đề tài NCKH cấp Quốc gia (Thư ký Nhánh 2 và Thành viên Nhánh 5).

3. Chu Khánh Lân, 2018, Chính sách tiền tệ phi truyền thống: Kinh nghiệm quốc tế

và khuyến nghị cho Việt Nam, Đề tài NCKH cấp Ngành (Thành viên).

4. Phạm Tuấn Anh, 2018, Đo lường kỳ vọng lạm phát ở Việt Nam phục vụ công tác

điều hành chính sách tiền tệ, Đề tài NCKH cấp Ngành (Thành viên).

5. Lê Thị Diệu Huyền, 2018, Ảnh hưởng của tỷ giá đến an toàn nợ công tại Việt

Nam và khuyến nghị chính sách, Đề tài NCKH cấp Học viện (Thành viên).

6. Kiều Hữu Thiện, 2020, Ảnh hưởng của sự phát triển các tổ chức tài chính phi ngân hàng tới ổn định tài chính ở Việt Nam và các khuyến nghị chính sách tới 2025, Đề tài NCKH cấp Ngành (Thành viên).

7. Đỗ Thị Kim Hảo, 2020, Tác động của quản trị tri thức đến hiệu quả hoạt động của

NHTM Việt Nam, Đề tài NCKH cấp Ngành (Thư ký).

8. Chúc Anh Tú, 2020, Giải pháp thúc đẩy tài chính toàn diện tại Việt Nam, Đề tài

NCKH cấp Quốc gia (Thành viên Nhánh 1).

9. Phạm Đức Anh, 2020, Xác định ngưỡng Kuznets trong quan hệ tăng trưởng kinh tế - chất lượng môi trường tại các quốc gia đang phát triển châu Á và hàm ý chính sách cho Việt Nam, Đề tài NCKH cấp Học viện (Chủ nhiệm).