Tóm tắt Luận án Tiến sĩ Kinh tế: Khủng hoảng nợ công: Tiếp cận bằng hệ thống cảnh báo sớm EWS (Early Warning System)

Chia sẻ: _ _ | Ngày: | Loại File: DOCX | Số trang:28

Thêm vào BST

Báo xấu

1
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tóm tắt Luận án Tiến sĩ Kinh tế "Khủng hoảng nợ công: Tiếp cận bằng hệ thống cảnh báo sớm EWS (Early Warning System)" được nghiên cứu với mục tiêu: Kiểm tra tính chính xác và thực tiễn của Hệ thống cảnh báo sớm (EWS) và tìm ra các chỉ số dự báo KHNC. Điều này bao gồm việc hiểu khung lý thuyết của EWS, kiểm tra tính hiệu quả của nó thông qua bằng chứng thực nghiệm trên thế giới và Việt Nam, từ đó đưa ra những khuyến nghị và hàm ý chính sách hiệu quả cho các quốc gia và khuyến nghị cho Việt Nam.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tóm tắt Luận án Tiến sĩ Kinh tế: Khủng hoảng nợ công: Tiếp cận bằng hệ thống cảnh báo sớm EWS (Early Warning System)

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH NGUYỄN THỊ THÝ LIỄU KHỦNG HOẢNG NỢ CÔNG: TIẾP CẬN BẰNG HỆ THỐNG CẢNH BÁO SỚM EWS (EARLY WARNING SYSTEM) Chuyên ngành: Tài chính – Ngân hàng Mã số: 9340201 TÓM TẮT LUẬN ÁN TIẾN SĨ KINH TẾ Tp. Hồ Chí Minh - Năm 2024
2
Mục Lục 3
DANH MỤC TỪ VIẾT TẮT IMF : Quỹ Tiền tệ Quốc tế GDP : Tổng sản phẩm trong nước EWS : Hệ thống cảnh báo sớm (Early Warning System) WB : Ngân hàng Thế giới ADB : Ngân hàng Phát triển Châu Á OECD : Tổ chức Hợp tác và Phát triển Kinh tế PIIE ; Viện Kinh tế Quốc tế Peterson FRED : Dữ liệu kinh tế NHTW : Ngân hàng Trung Ương KHN : Khủng hoảng nợ KHNC : Khủng hoảng nợ công KHTT : Khủng hoảng tiền tệ KHTC : Khủng hoảng tài chính 4
DANH MỤC BẢNG BIỂU Bảng 2.1. Tổng hợp các lý thuyết về nợ công Bảng 3.1. Bảng tổng hợp các biến nghiên cứu trong mô hình Bảng 4.1. Tổng hợp kết quả của các mô hình đã ước lượng phù hợp 5
CHƯƠNG 1 - GIỚI THIỆU NGHIÊN CỨU 1.1 Đặt vấn đề Khủng hoảng nợ công là một vấn đề kinh tế vĩ mô nghiêm trọng mà nhiều quốc gia trên thế giới đang phải đối mặt. Nợ công quá lớn có thể dẫn đến mất cân đối ngân sách và không bền vững lâu dài. Khi nợ công quá cao và tăng nhanh, khả năng trả nợ của chính phủ bị suy giảm. Ngày nay, vấn đề nợ công đã trở thành những thách thức kinh tế và tài chính lớn mà hầu hết các quốc gia trên khắp thế giới đều phải lo lắng khi tình hình nợ công tăng cao, nợ công tăng cao có thể do ảnh hưởng của các yếu tố như tăng chi phí chiến tranh, sự gia tăng của chương trình xã hội, và những biến đổi kinh tế toàn cầu. Vì lý do trên, tôi tin rằng nghiên cứu và phát triển một hệ thống cảnh báo sớm (EWS) để quản lý nợ công và những biến động vĩ mô có thể là giải pháp thích hợp. EWS, thông qua phân tích yếu tố rủi ro, dự báo xu hướng và phát hiện sớm các dấu hiệu của khủng hoảng, cung cấp một công cụ quan trọng để ngăn chặn hoặc giảm bớt những hậu quả tiêu cực của KHNC. Nghiên cứu này nhằm xây dựng nền tảng lý thuyết và cung cấp chứng cứ thực nghiệm vững chắc để hiểu rõ vấn đề KHNC, từ đó đưa ra các khuyến nghị chính sách, giải pháp và hướng hành động cụ thể để đáp ứng các tình huống thực tế, nhằm phục hồi và phát triển kinh tế mạnh mẽ, bền vững cho Việt Nam. 1.2. Khoảng trống nghiên cứu Các bài viết trước đây cung cấp những hiểu biết sâu sắc về việc sử dụng nhiều tín hiệu rủi ro để dự báo các vụ vỡ nợ quốc gia, nhưng điều quan trọng cần lưu ý là nó tập trung vào các nước châu Âu và có thể thiếu phạm vi bao quát rộng hơn. Bên cạnh đó về việc hạn chế của những mô hình trước đó như logit probit còn nhiều hạn chế, và những thiếu sót về quan sát trong các giai đoạn nổi bật, không dự đoán được mức độ nghiêm trọng và quy mô quốc tế của các cuộc khủng hoảng toàn cầu gần đây, và không nắm bắt được các biến có sự ảnh hưởng đến khủng hoảng nợ công, điều này cho thấy cần có các mô hình toàn diện và mạnh mẽ hơn để có thể nắm bắt hiệu quả động lực và sự phức tạp của khủng hoảng nợ. Để khắc phục các khoảng trống nghiên cứu trên nghiên cứu đề xuất sử dụng phương pháp học máy giúp phát hiện các mối quan hệ phức tạp trong dữ liệu, đồng thời kết hợp với việc mở rộng phạm vi nghiên cứu với nhiều dữ liệu sẽ giúp cho nâng cao khả năng chuẩn đoán. 1.3. Bối cảnh nghiên cứu Trong thập kỷ qua, khủng hoảng nợ công đã trở thành một vấn đề nghiêm trọng đối với nhiều quốc gia, khu vực và thế giới. Trong bối cảnh đó, việc nghiên cứu các yếu tố dẫn đến khủng hoảng nợ công cũng như xây dựng các công cụ cảnh báo sớm để phòng ngừa khủng hoảng ngày càng trở nên cấp thiết, nhằm giảm thiểu rủi ro và thiệt hại cho nền kinh tế. Việc quản lý nợ công là một vấn đề quan trọng đối với nhiều quốc gia, trong đó có Việt Nam, và có thể xuất hiện các thách thức và áp lực trong quá trình này. Việt Nam đã có sự tăng trưởng vững chắc trong nhiều năm gần đây và đã đạt được một số thành công trong việc quản lý nợ công. Tuy nhiên, như các quốc gia khác, Việt Nam vẫn phải đối mặt với những thách thức trong việc duy trì và quản lý nợ công, và thực hiện theo chiến lược nợ công đến năm 2030 theo quyết định số 460/QĐ-TTg ngày 14/4/2022 của Thủ tướng chính phủ. Mục đích của nghiên cứu này là phát triển khuôn
khổ EWS dựa trên dữ liệu kinh tế vĩ mô và tài chính trên dữ liệu lịch sử của các quốc gia trên thế giới. Do đó, các kết luận từ nghiên cứu này rất quan trọng đối với các nhà hoạch định chính sách vì theo dõi cẩn thận các chỉ số cụ thể có thể giúp tránh hoặc ít nhất là giảm thiểu tác động của bất ổn tài chính sắp tới có thể xảy ra. 1.3.1. Thực trạng nợ công các nước trên thế giới Thế giới trải qua nhiều cuộc khủng hoảng khác nhau, trong đó để lại nhiều hậu quả nặng nề nhất có thể kể đến cuộc KHTC toàn cầu năm 2007-2008 và cuộc khủng hoảng y tế toàn cầu Covid-19 khiến nợ công toàn tăng mạnh. Cán cân tài khóa của thế giới cũng chứng kiến sự lao dốc đáng kể. Khủng hoảng tài chính năm 2008 tác động đến nền kinh tế tiên tiến và các quốc gia mới nổi, buộc chính phủ phải cứu trợ hệ thống ngân hàng và đối mặt với thâm hụt tài chính và suy giảm kinh tế. Các biện pháp cứu vãn hệ thống ngân hàng dẫn đến thâm hụt tài chính và suy giảm kinh tế, đặc biệt là ở một số quốc gia châu Âu như Hy Lạp, Bồ Đào Nha, Irelvà và Tây Ban Nha. Trong khi đó, Argentina cũng trải qua cuộc khủng hoảng năm 2000 và 2001, đồng thời chịu ảnh hưởng từ Khủng hoảng Tài chính toàn cầu năm 2007-2009. Đại dịch Covid-19 đã gây ra một trong những cuộc khủng hoảng trầm trọng nhất lịch sử, tác động lớn đến nền kinh tế và chính trị thế giới. Tình hình này đã dẫn đến tăng nợ công toàn cầu và suy giảm tài khóa, đặt thế giới trước những rủi ro lớn và bất ổn. Trước các tình hình này đều đặt ra những thách thức lớn cho cộng đồng quốc tế và đòi hỏi các biện pháp cứu trợ và giải pháp kinh tế, chính trị hợp lý để đối phó và phục hồi. 1.3.2. Thực trạng nợ công ở Việt Nam Đối với Việt Nam bội chi ngân sách theo dữ liệu của nhà nước cho thấy năm 2019 bội chi ngân sách chiếm 2,67% GDP tăng lên 3,44% GDP vào năm 2020 và đến năm 2021 con số này giảm xuống còn 2,52% GDP, sự gia tăng nhằm ứng phó với Covid-19. Tỷ lệ bội chi ngân sách nhà nước giai đoạn 2021-2025 dự kiến có mức bình quân khoảng 3,7% GDP. Tỷ lệ nợ công của Việt Nam có sự gia tăng từ 51,7% GDP lên 63,7% GDP trong giai đoạn 2010-2016, và giảm còn 55,3% GDP vào cuối năm 2020. Những dấu hiệu này vẫn cho thấy sự ổn định về mặt vĩ mô cũng như hệ số tín nhiệm quốc gia khi mà mức nợ công không quá 60% GDP. Đối phó với tình hình này, Chính phủ Việt Nam trong Chiến lược phát triển kinh tế - xã hội mười năm, giai đoạn 2021- 2030 đã nêu rõ ngân sách quốc gia cần cơ cấu lại để đảm bảo tính bền vững, an toàn, an ninh tài chính, phải nhất quán chung với cơ cấu tổng thể nền kinh tế. Tăng cường hiệu quả sử dụng nợ công, hạn chế tối đa cấp bảo lãnh chính phủ cho các khoản vay mới và nhận diện các nguy cơ tiềm ẩn là nhiệm vụ quan trọng. 1.4. Mục tiêu nghiên cứu Mục tiêu tổng quát: Mục tiêu tổng quan của nghiên cứu này là kiểm tra tính chính xác và thực tiễn của Hệ thống cảnh báo sớm (EWS) và tìm ra các chỉ số dự báo KHNC. Điều này bao gồm việc hiểu khung lý thuyết của EWS, kiểm tra tính hiệu quả của nó thông qua bằng chứng thực nghiệm trên thế giới và Việt Nam, từ đó đưa ra những khuyến nghị và hàm ý chính sách hiệu quả cho các quốc gia và khuyến nghị cho Việt Nam. Mục tiêu cụ thể:
1) Nghiên cứu hệ thống cơ sở lý thuyết về KHNC, các phương pháp dự báo KHNC trên toàn cầu, tập trung vào phương pháp EWS (Hệ thống cảnh báo sớm). 2) Xây dựng hệ thống cảnh báo sớm để dự báo KHNC trên thế giới và Việt Nam dựa trên việc áp dụng trí tuệ nhân tạo 3) Kiểm tra tính chính xác và thực tiễn của các mô hình EWS để đánh giá hiệu quả và phù hợp của chúng trong dự báo KHNC. 4) Khuyến nghị chính sách cho thế giới và Việt Nam trong việc áp dụng EWS để dự báo KHNC. 1.5. Câu hỏi nghiên cứu Để đáp ứng được các vấn đề được đề cập trong phần mục tiêu nghiên cứu ở trên, tác giả đã thực hiện việc trả lời từng câu hỏi nghiên cứu theo trình tự như sau: 1) Hệ thống cảnh báo sớm (EWS) đã được áp dụng trên thế giới như thế nào và có thể dự báo được KHNC hay không? 2) Việc áp dụng trí tuệ nhân tạo trong việc dự báo KHNC có ưu việt hơn so với các phương pháp truyền thống hay không? 3) "Những chỉ báo nào đóng vai trò trong việc dự báo KHNC khi sử dụng hệ thống cảnh báo sớm bằng việc áp dụng trí tuệ nhân tạo? 4) Rút ra bài học gì từ kinh nghiệm quốc tế trong việc áp dụng EWS để dự báo KHNC và từ các kết quả nghiên cứu có khuyến nghị chính sách gì cho Việt Nam? 1.6. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: - Nợ công. - Hệ thống cảnh báo sớm EWS (Early Warning System - EWS). - Các chỉ tiêu vĩ mô khác: Dự trữ ngoại hối, độ mở thương mại, tăng trưởng xuất khẩu, cung tiền M2, chi tiêu chính phủ, tiết kiệm quốc gia, tín dụng nội địa, v.v… Phạm vi nghiên cứu - Phạm vi thời gian: Giai đoạn 2000-2021. - Phạm vi không gian: 217 quốc gia các khu vực trên thế giới. - Phạm vi nội dung: Dự báo KHNC bằng hệ thống cảnh báo sớm EWS (Early Warning System). 1.7. Cách tiếp cận, phương pháp nghiên cứu và dữ liệu Cách tiếp cận Để giải quyết các mục tiêu nghiên cứu, tác giả tiếp cận theo hướng nghiên cứu định lượng, xây dựng giả thuyết và mô hình trên nền tảng các lý thuyết và nghiên cứu thực nghiệm liên quan. Để phân tích các yếu tố ảnh hưởng đến khủng hoảng nợ công, sẽ tiến hành sử dụng nhiều công cụ phân tích khác nhau như học máy, mô hình hồi quy (REM), mô hình cân bằng tổng quát (FEM),…Cần có cách tiếp cận đa chiều, sử dụng nhiều công cụ phân tích khác nhau để có thể đánh giá đầy đủ các khía cạnh của vấn đề. Phương pháp nghiên cứu ▪ Phương pháp nghiên cứu định lượng Luận án sử dụng hệ thống cảnh báo sớm EWS trên nền tảng mô hình hồi quy xác suất sau:
Trong đó, mô hình ước lượng các hệ số ? và ?. Các biến của mô hình bao gồm là xác suất xảy ra KHNC tại một quốc gia ? vào năm ?, là vector thể hiện các chỉ số dự báo KHNC với độ trễ ℎ, và ? là sai số của mô hình ước lượng. Dựa vào các xác suất thể hiện chất lượng dự báo của phương pháp EWS, nghiên cứu sẽ đánh giá sự sai biệt tương đối và tuyệt đối giữa các dấu hiệu cảnh báo tốt và xấu đối với KHNC có thể xảy ra đối với một nền kinh tế: - Sai biệt tương đối = Xác suất [B/(B+D)] / Xác suất [A/(A+C)] - Sai biệt tuyệt đối = Xác suất [A/(A+C)] - Xác suất [B/(B+D)] A, C là kết quả của dấu hiệu cảnh báo tốt: A là số lần dấu hiệu cảnh báo đúng về sự xuất hiện của KHNC. C là số lần dấu hiệu cảnh báo sai về sự xuất hiện của KHNC. B, D là kết quả của dấu hiệu cảnh báo xấu: B là số lần dấu hiệu cảnh báo đúng về sự xuất hiện của KHNC. D là số lần dấu hiệu cảnh báo sai về sự xuất hiện của KHNC. Nên A, B, C, D tương ứng với số lần cảnh báo đúng/sai của dấu hiệu tốt và xấu khi áp dụng EWS để dự báo KHNC. Các biến số dự kiến sử dụng để dự báo KHNC như sau: - Tổng nợ công: được xác định theo quy định của pháp luật về quản lý nợ công. - Dự trữ ngoại hối: số tiền dự trữ ngoại hối của ngân hàng trung ương. - Độ mở thương mại: cho thấy mức độ hội nhập của thị trường trong bối cảnh hội nhập quốc tế. - Tăng trưởng xuất khẩu: cho thấy tiềm lực sản xuất của một nền kinh tế. - Tỷ lệ cung tiền M2 / tổng dự trữ: thể hiện chính sách tiền tệ của một nền kinh tế. - Chi tiêu chính phủ: thể hiện chính sách tài khóa của một nền kinh tế. - Tiết kiệm quốc gia: thể hiện thiên hướng tiết kiệm của toàn dân bên trong một nền kinh tế. - Tín dụng nội địa: được đo lường thông qua các khoản tín dụng tại các tổ chức tín dụng. - Nợ của chính phủ đối với ngân hàng trung ương: thể hiện tác động của một bên liên quan mật thiết đối với nợ công. - Tổng nợ nước ngoài: chỉ số này có thể cho thấy mức độ phụ thuộc của quốc gia đó vào vốn ngoại, đánh giá khả năng trả nợ và mức độ rủi ro tài chính cho quốc gia đó. - Tăng trưởng GDP thực: cung cấp một cái nhìn chính xác hơn về sự tăng trưởng kinh tế của một quốc gia. - Vốn FDI: thể hiện sự đầu tư trực tiếp từ nước ngoài vào một quốc gia. - Tài khoản vãng lai: thể hiện sự cân đối giữa xuất khẩu và nhập khẩu hàng hóa, dịch vụ, thu nhập từ đầu tư và chuyển khoản tài chính giữa một quốc gia và phần còn lại của thế giới trong một khoảng thời gian nhất định. Dữ liệu nghiên cứu Luận án sử dụng cấu trúc dữ liệu bảng từ 217 quốc gia trên thế giới trong giai đoạn từ năm 2000 đến năm 2021. Dữ liệu đã được thu thập từ nhiều nguồn có uy tín khác nhau, bao gồm Quỹ Tiền tệ Quốc tế (IMF), Ngân hàng Thế giới (WB), Ngân hàng Phát triển Châu Á
(ADB), Tổ chức Hợp tác và Phát triển Kinh tế (OECD), Viện Kinh tế Quốc tế Peterson (PIIE), và cơ sở dữ liệu kinh tế FRED. Tùy thuộc vào đặc tính của từng biến số được đo lường, tác giả cũng đã sử dụng và thừa kế dữ liệu từ các công trình nghiên cứu khoa học đã được công bố trong các tạp chí có uy tín. 1.8. Các đóng góp mới của nghiên cứu Ý nghĩa khoa học Luận án cung cấp những chỉ số liên quan đến mức độ an toàn của nợ công, hệ thống cảnh báo sớm EWS, và những yếu tố có thể gây ra KHNC. Đồng thời, nhận diện và xác định các yếu tố góp phần gia tăng tính bền vững của ngân sách quốc gia. Việc này sẽ giúp các nhà khoa học có thêm bằng chứng thực nghiệm và là cơ sở để thực hiện các hướng nghiên cứu đa dạng hơn. Ý nghĩa thực tiễn Luận án thực hiện ứng dụng phương pháp EWS để dự báo KHNC cho các quốc gia, kết quả đạt được sẽ là bằng chứng cho nhà hoạch định chính sách sử dụng nhằm đưa ra những quyết sách phù hợp, góp phần ổn định nền kinh tế vĩ mô trong dài hạn và kịp thời ứng phó trước những kịch bản bất ổn có thể xảy ra. Việc này sẽ giúp tránh tình được tình trạng gia tăng nợ công và đảm bảo sự ổn định của hệ thống tài chính. 1.9. Kết cấu luận án Nội dung chính của luận án được kết cấu thành 5 chương như sau: Chương 1- Giới thiệu nghiên cứu. Chương 2- Cơ sở lý thuyết và tổng quan nghiên cứu về KHNC, tiếp cận bằng hệ thống cảnh báo sớm EWS (Early Warning System). Chương 3- Phương pháp nghiên cứu và dữ liệu nghiên cứu. Chương 4- Kết quả nghiên cứu và thảo luận. Chương 5- Kết luận và hàm ý chính sách.
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU CÓ LIÊN QUAN VỀ KHỦNG HOẢNG NỢ CÔNG, TIẾP CẬN BẰNG HỆ THỐNG CẢNH BÁO SỚM (EWS) 2.1. Các lý thuyết về nợ công và vỡ nợ công. 2.1.1. Nguồn gốc của nợ công Các chính phủ phát hành nợ vì nhiều lý do, trong đó có cả lý do có tác động tích cực và lý do tác động tiêu cực đến nền kinh tế cũng như những tác động vì các mục tiêu chính trị. Phát hành nợ công là một công cụ quan trọng trong điều tiết chính sách kinh tế của các quốc gia. Nhằm đối phó với các cú sốc tiêu cực, lựa chọn đi vay cung cấp nguồn tài trợ tài chính cho các khoản chi tiêu đặc biệt lớn, chẳng hạn như đầu tư cơ sở hạ tầng công cộng,….. Tác giả sẽ tiếp cận các lý thuyết như: Lý thuyết điều hoà thuế - Tax Smoothing Theory, Lý thuyết kích cầu kinh tế Keynes, Hiệu quả năng động, Giả thuyết dư nợ. 2.1.2. Quản lý nợ công Theo lý thuyết đường cong nợ Laffer nợ nước ngoài bền vững là điều kiện cần để tăng trưởng bền vững. Đường cong nợ Laffer là một ví dụ về nhiều mối quan hệ hình chuông trong kinh tế học. Được giới thiệu bởi Sachs (1989), đường cong nợ Laffer đề cập đến kịch bản ở đó mức vay cao hơn và không bền vững gây ra sự không ổn định tài chính và kinh tế cho các quốc gia đang phát triển. Gánh nặng về nợ nần rõ rệt và chi phí liên quan để phục vụ nó sẽ gây khó khăn cho các nền kinh tế đang phát triển trong việc đầu tư đúng mức thu nhập. Mức nợ công cao dẫn đến hiệu quả trả nợ thông qua các khoản chi trả nợ giảm sút khi giá trị nợ danh nghĩa trở nên quá lớn do những tổn thất nặng nề do nền kinh tế hoạt động không hiệu quả (Korkmaz, 2015). 2.1.3. Vỡ nợ công Lý thuyết về Hiệu ứng lấn át Hiệu ứng lấn át thường xảy ra do chi phí lãi suất thực tế quá cao làm trầm trọng hơn các điều khoản thương mại của một quốc gia đang mắc nợ quá nhiều trong khi thị trường tín dụng nước ngoài không thể tiếp cận được nữa (Abdullahi và cộng sự, 2016). Hiệu ứng lấn át làm giảm khả năng duy trì nợ của một quốc gia, vì những nỗ lực đáp ứng một số nghĩa vụ nợ khiến cho luồng vốn đầu tư vào quốc gia đó giảm sút (Patenio và Agustina, 2007). Đường cong nợ Laffer Không chỉ là công cụ kiểm soát nợ công, đường cong nợ Laffer còn đóng vai trò là thước đo mức độ mất khả năng trả nợ của các nước. Nhiều nghiên cứu đưa ra bằng chứng mạnh mẽ về kết quả và hậu quả của việc tăng nợ lên phát triển kinh tế tại các nhóm kinh tế như Kaminsky và Pereira, (1996); Korkmaz (2015); Hameed và cộng sự (2021). 2.1.2.4. Tính bền vững của nợ công Để đánh giá mức độ bền vững của nợ công, tỷ lệ nợ công so với GDP thường được sử dụng như một chỉ số đánh giá phổ biến nhất để tổng quan về tình hình nợ công của một quốc gia và đánh giá mức độ an toàn của nó. Mức độ an toàn thường được xác định bằng việc kiểm tra xem nợ công có vượt quá ngưỡng an toàn tại bất kỳ thời điểm hoặc giai đoạn nào không. Theo khuyến nghị của các tổ chức quốc tế, tỷ lệ
nợ công hợp lý đối với các quốc gia đang phát triển thường nằm dưới 50% GDP (World Bank, 2020, 2021). Các quốc gia thường áp dụng các tiêu chí trong an toàn nợ công như tỷ lệ nợ công không vượt quá 50% - 60% GDP hoặc 150% kim ngạch xuất khẩu, cùng với việc dịch vụ trả nợ công không nên vượt quá 15% kim ngạch xuất khẩu và dịch vụ trả nợ của chính phủ không nên vượt quá 10% ngân sách. Do đó, để xác định và đánh giá chính xác mức độ an toàn nợ công, không thể dựa chỉ vào tỷ lệ nợ so với GDP mà cần xem xét nợ công một cách toàn diện trong ngữ cảnh của hệ thống chỉ tiêu kinh tế vĩ mô của quốc gia. Cần tiến hành phân tích và đánh giá tác động của từng yếu tố, từ đó đề xuất chính sách phù hợp với tính bền vững của nợ công của quốc gia. 2.1.2.5. Các chỉ số an toàn nợ công: Chỉ số an toàn nợ công là một phép đo được sử dụng để đánh giá khả năng của một quốc gia trong việc trả nợ công và duy trì tình hình tài chính ổn định. Một chỉ số an toàn nợ công cao cho thấy quốc gia đó có khả năng trả nợ và quản lý tài chính tốt hơn, trong khi một chỉ số thấp có thể cho thấy rủi ro tài chính và khả năng không thể trả nợ. Chỉ số an toàn nợ công là một công cụ quan trọng để đánh giá rủi ro tài chính và hỗ trợ quyết định chính sách kinh tế và tài chính của một quốc gia. Nó cũng được sử dụng để so sánh tình hình tài chính giữa các quốc gia và đưa ra nhận định về sự ổn định và bền vững của nợ công. Các chỉ số này cung cấp cái nhìn tổng quan về tình hình tài chính của một quốc gia và có thể được sử dụng để đánh giá mức độ an toàn của nợ công. 2.2. Cơ sở lý thuyết về rủi ro kinh tế vĩ mô và tiếp cận bằng hệ thống cảnh báo sớm EWS 2.2.1. Các mô hình cảnh báo thế hệ thứ nhất Mô hình EWS thế hệ đầu tiên được tạo ra và phát triển bởi nhà kinh tế Paul Krugman vào năm 1979, và sau đó được điều chỉnh bởi Flood và Garber vào năm 1984. Mô hình cảnh báo thế hệ đầu tiên chỉ ra rằng sự mất cân đối kinh tế vĩ mô là nguyên nhân của KHTT. Theo đó, tăng chi tiêu của Chính phủ và tiền tệ hóa nó thông qua hệ thống ngân hàng sẽ dẫn đến tăng trưởng tín dụng quá mức, dẫn đến mất giá thực tế của đồng nội địa, thâm hụt tài khoản vãng lai với quy mô lớn, hiệu suất đầu tư thấp trong các dự án, cùng với việc kiểm soát hệ thống ngân hàng và tài chính yếu kém. Kết hợp với sự chênh lệch giữa cam kết và tuyên bố của các quản lý kinh tế với khả năng giữ cam kết đó sẽ làm giảm mức độ tin cậy của công chúng vào chính sách tiền tệ của Chính phủ. Tất cả những yếu tố này có thể gây ra một cuộc KHTT (Nguyễn Khắc Minh, 2008). 2.2.2. Các mô hình cảnh báo thế hệ thứ hai Các mô hình cảnh báo thế hệ thứ hai tiếp tục phát triển từ các nghiên cứu ban đầu của Krugman (1979) và Flood và Garber (1984), như được đề cập bởi Obstfeld (1986, 1994 và 1996). Các mô hình này không tập trung vào các yếu tố kinh tế vĩ mô cơ bản mà chú trọng vào tầm ảnh hưởng của kỳ vọng. Chúng nhấn mạnh vai trò của kỳ vọng trong việc thúc đẩy KHTC và sự rối loạn trên thị trường tiền tệ. Theo các mô hình này, một cuộc KHTT có thể xảy ra trong các tình huống sau: Kỳ vọng gắn kết với nhau theo hướng gây ra khủng hoảng, hành vi bầy đàn, tính lan truyền.
2.2.3. Các mô hình cảnh báo thế hệ thứ ba Các mô hình cảnh báo thế hệ thứ ba đã xuất hiện sau cuộc KHTC và tiền tệ tại Châu Á vào năm 1997-1998. Kaminsky và Reinhart (1999) đã đưa ra mô hình cảnh báo này, chú trọng vào việc dự đoán khủng hoảng kép, sự kết hợp giữa khủng hoảng ngân hàng và KHTT thông qua một hệ thống tài chính dễ bị đổ vỡ. Theo họ, nợ xấu trong hệ thống ngân hàng thường là một trong những nguyên nhân chính dẫn đến khủng hoảng ngân hàng và thường xảy ra trước KHTT. Khi KHTT xảy ra, nó thường nhanh chóng lan rộng và gây ra khủng hoảng ngân hàng, dẫn đến tình hình kinh tế trở nên rất tồi tệ. 2.2.4. Các mô hình cảnh báo thế hệ thứ tư Tóm lại, ba thế hệ mô hình cảnh báo KHTT đã tập trung vào việc phân tích các yếu tố kinh tế như chỉ số CPI, tăng trưởng kinh tế, thâm hụt ngân sách, cán cân thanh toán, cung tiền, tín dụng trong nước, cùng với các yếu tố phi kinh tế như kỳ vọng, hành vi bầy đàn và tính lan truyền. Đây là cơ sở để xây dựng các mô hình cảnh báo sớm về KHTT. Mô hình thế hệ thứ tư về cảnh báo KHTT đã xuất hiện với việc kết hợp các yếu tố từ ba thế hệ trước đó và bổ sung yếu tố thể chế vào mô hình. Bảng 2.1. Tổng hợp các lý thuyết về nợ công STT Lý thuyết Nội dung Biến đại diện Ứng dụng 1 Lý thuyết Nợ nước ngoài bền vững là Tổng nợ nước Stiglitz and Rashid, (2020a); về ngưỡng nợ điều kiện cần để tăng trưởng ngoài, Tổng nợ Calvo et al. (1995); Reinhart công (hay mối bền vững. Khi nợ công tăng với IMF, Lãi suất and Rogoff (2009); Cordella quan hệ phi lên quá cao vượt ngưỡng toàn cầu, FDI, et al., (2010); Panizza và tuyến giữa nợ cho phép, tăng trưởng kinh tài khoản vãng Presbitero, (2013) công và tăng tế sẽ sụt giảm theo một biểu lai trưởng kinh tế đồ hình chuông Laffer. theo đường cong Laffer) 2 Giả thuyết dư Vay nợ nước ngoài có thể Chi tiêu chính Stiglitz and Rashid, (2020a); nợ làm cải thiện kinh tế của phủ, tiết kiệm Calvo (1995); Frankel và một quốc gia thông qua việc quốc gia, tăng Rose (1996); Gerlach và khuyến khích đầu tư và sản trưởng GDP, Smets (1994) xuất. tăng trưởng xuất khẩu 3 Lý thuyết làm Trong thời kỳ mức chi tiêu Chi tiêu chính Stiglitz and Rashid, (2020a); mịn thuế công đặc biệt cao, chính phủ phủ, tiết kiệm Calvo (1995); Frankel và nên thâm hụt ngân sách để quốc gia, tăng Rose (1996); Gerlach và tài trợ cho những khoản chi trưởng GDP, Smets (1994) đó bằng các khoản thuế tăng trưởng xuất trong tương lai. khẩu 4 Lý thuyết về Hiệu ứng lấn át thường xảy Tổng nợ nước Hiệu ứng lấn át ra do chi phí lãi suất thực tế ngoài, Tổng nợ quá cao làm trầm trọng hơn với IMF, Lãi suất các điều khoản thương mại toàn cầu, FDI, của một quốc gia đang mắc tài khoản vãng nợ quá nhiều trong khi thị lai, Dự trữ ngoại trường tín dụng nước ngoài hối, không thể tiếp cận được Độ mở thương nữa. mại 5 Mô hình cảnh Các mô hình đại lượng được Tổng nợ nước International Monetary Fund báo sớm khủng sử dụng để dự đoán, và cảnh ngoài, Tổng nợ (2020b); Bernanke (2018a); hoảng báo khả năng một cuộc với IMF, Lãi suất Krugman and Eggertsson khủng hoảng có thể xảy ra. toàn cầu, FDI, (2012); Sachs et al. (1996); tài khoản vãng Bussiere and Mulder (1999); lai, Dự trữ ngoại Calvo et al. (1995); Lan hối, (2017)
STT Lý thuyết Nội dung Biến đại diện Ứng dụng 6 Hiệu quả năng Phát hành nợ nước ngoài là Blanchard (2019); Geerolf động phương án bền vững và tối (2017) ưu khi lãi suất đi vay của quốc gia đó thấp hơn tốc độ tăng trưởng kinh tế. Nguồn: Tác giả tự tổng hợp. 2.2.5. Hệ thống cảnh báo sớm EWS Xét một cách tổng quan, hệ thống cảnh báo sớm (Early Warning System-EWS) là hệ thống được một cá nhân hay tổ chức thiết lập ra để cảnh báo về một mối nguy hiểm trong tương lai, nhằm giúp họ chuẩn bị trước để đối mặt với rủi ro này và có các giải pháp để giảm thiểu hoặc phòng tránh mối nguy hiểm đó. Những nghiên cứu đã từng bước xây dựng cơ sở lý thuyết và một số ứng dụng đặc thù liên quan đến việc dự báo khủng hoảng nợ công bằng hệ thống cảnh báo sớm EWS. Nhìn chung, nợ công và khủng hoảng nợ công được xem là hai vấn đề quan trọng đối với bất kỳ nền kinh tế nào. Việc nợ công được sử dụng nhằm mục đích thúc đẩy tăng trưởng kinh tế là hoàn toàn bình thường với các quốc gia, khu vực trên toàn thế giới. Tuy nhiên, khủng hoảng nợ công là một rủi ro tiềm ẩn và có thể xảy ra bất cứ lúc nào. Những nghiên cứu được kể đến ở trên đã từng bước xây dựng cơ sở lý thuyết và một số ứng dụng đặc thù liên quan đến việc dự báo khủng hoảng nợ công thông qua việc sử dụng hệ thống cảnh báo sớm EWS. 2.2.6. Các dấu hiệu dự báo KHNC trong hệ thống cảnh báo sớm EWS Hệ thống cảnh báo sớm (EWS) có thể sử dụng một loạt các dấu hiệu dự báo để phát hiện KHNC tiềm tàng. Một số dấu hiệu dự báo KHNC thường được theo dõi trong EWS như: Tăng nợ công, tăng trưởng kinh tế yếu, thiếu hụt ngân sách, sự phụ thuộc vào vay nợ nước ngoài, tăng lãi suất, chính sách tài khoá không bền vững, đánh giá tín dụng thấp. Các dấu hiệu này không độc lập và thường xuyên được sử dụng cùng nhau để đánh giá tình hình nợ công và dự báo khủng hoảng trong hệ thống cảnh báo sớm. Một sự kết hợp và phân tích kỹ lưỡng của các dấu hiệu này có thể giúp phát hiện sớm và đưa ra cảnh báo về KHNC tiềm tàng. 2.3. Bằng chứng thực nghiệm về tác động của các yếu tố tác động đến KHNC Nghiên cứu trước đó đã tập trung vào việc xác định tác động của các yếu tố tác động đến KHNC nhưng việc phân loại rõ ràng giữa các dạng KHTC (KHTT, khủng hoảng ngân hàng và KHNN nước ngoài) trở nên khó khăn do sự liên quan mật thiết giữa các yếu tố cơ bản của từng loại khủng hoảng. Tuy nhiên, sự phát triển của hệ thống cảnh báo sớm (Early Warning System - EWS) đã giúp rõ ràng hơn trong việc xác định và dự báo KHNC. Theo một nghiên cứu của Daniel G. Bonfim và Hibiki Ichiue (2011), họ đã sử dụng một mô hình đa ngành và đa mục tiêu để phân loại các KHTC và xác định các yếu tố quan trọng tác động đến KHNC. Bằng cách áp dụng kỹ thuật phân loại thông qua EWS, nghiên cứu này đã cung cấp tính liên kết hơn về tác động của các yếu tố đến KHNC. Thậm chí, mô hình EWS cũng có thể dự đoán và cảnh báo về KHNC sớm hơn. Bằng cách sử dụng EWS, các quốc gia có thể nhận diện nguy cơ KHNC sớm hơn và đưa ra biện pháp phòng ngừa và quản lý hiệu quả, từ đó giảm thiểu tác động tiêu cực của khủng hoảng.
2.3.1. Các nghiên cứu thực nghiệm trên thế giới Lịch sử các cuộc khủng hoảng nợ công trước đây cho thấy rằng chi phí vay vốn phát sinh đóng vai trò quan trọng đối với các nền kinh tế mới nổi cũng như các nền kinh tế phát triển. Ngay cả khi các nền kinh tế này có những đặc điểm riêng, thì hầu như tất cả chúng đều có những điểm tương đồng khi tiếp xúc với các lỗ hổng kinh tế cơ bản, cũng như các cơ chế gây ra khủng hoảng. Để dự đoán rủi ro hệ thống trong hệ thống tài chính, một mô hình EWS do Bussiere và Fratzscher (2006) xây dựng đã được áp dụng để cung cấp cho các nhà hoạch định chính sách một khoảng thời gian đủ để ngăn chặn hoặc giảm thiểu tác động của cuộc KHTC tiềm tàng (Louzis và Vouldis, 2012). Các bài nghiên cứu sau cũng đã tìm ra được những yếu tố ảnh hưởng đến khủng hoảng như: lãi suất cao, tăng trưởng GDP yếu, nợ trong nước tăng nhanh, số dư nợ cho vay giảm và tỷ giá hối đoái thực tăng, các biến chính trị, nợ công, thâm hụt chính phủ trên GDP, tỷ lệ lạm phát… Để xây dựng một EWS có hiệu quả thì điều quan trọng là mô hình phải có thêm các chỉ số ảnh hưởng từ lĩnh vực ngân hàng và thị trường ngoại hối. 2.3.2. Các nghiên cứu thực nghiệm tại Việt Nam Trong những năm đầu của thập niên 90, nợ công của VN được đánh giá ở mức rất cao, bình quân 240%/GDP, được xem là mất khả năng thanh toán. Sử dụng chuỗi thời gian của biến: tăng trưởng kinh tế, nợ công, độ mở kinh tế và lạm phát, công trình phát hiện ngưỡng nợ công của VN trong giới hạn 75,8% với ý nghĩa thống kê 10%. Vượt qua ngưỡng này tác động của nợ công lên tăng trưởng kinh tế là âm (Thành, 2019). Các nghiên cứu đã thực hiện tại Việt Nam và trên thế giới về KHTC và tiền tệ cũng như về các biện pháp phòng ngừa và xử lý khủng hoảng đã đóng góp quan trọng vào việc xây dựng mô hình cảnh báo sớm (Early Warning System - EWS) để nâng cao khả năng dự đoán và ngăn ngừa các cuộc khủng hoảng trong tương lai. Tuy nhiên, những nghiên cứu trên đã được thực hiện tương đối lâu về trước, do đó, nhìn nhận ở thời điểm hiện tại, nghiên cứu đã nêu khó tránh khỏi việc bỏ sót một số cập nhật liên quan đến các dấu hiệu KHNC của hệ thống cảnh báo sớm. Đây chính là khoảng trống về mặt học thuật lẫn thực tiễn trong bối cảnh nền kinh tế vĩ mô biến động không ngừng và có mối liên kết đến nhiều yếu tố bất ổn như hiện nay. 2.3.3. Các nghiên cứu có liên quan Các mô hình học máy được ứng dụng trong việc phân tích tài chính có thể kể đến như Logistics Regression, Linear Discriminant Analysis, K-Nearest Neighbors Classifier (KNN), Classification and Regression Trees (CART), Gaussian Naive Bayes, Support Vector Machine (SVM), Multi-Layer Perceptron Classifier, AdaBoost, Gradient Boosting, Random Forest, Extra Trees. Demirgüç-Kunt và Detragiache (1998), họ đã ứng dụng mô hình Logistics Regression để phân loại các chỉ số đặt ra cảnh báo về khủng hoảng ngân hàng ở 65 quốc gia khác nhau. Trong lĩnh vực tài chính, học máy đã được sử dụng để dự báo sự ổn định tài chính toàn cầu và khủng hoảng ngân hàng. Các nghiên cứu này cùng nhau cung cấp bằng chứng về tính hiệu quả của phương pháp học máy trong các mô hình dự đoán khủng hoảng trong lĩnh vực tài chính và ngân hàng.
2.4. Giả thuyết nghiên cứu Sử dụng dữ liệu lịch sử các lần vỡ nợ của các quốc gia, đề tài đánh giá tính khả thi của sử dụng hệ thống cảnh báo sớm bằng mô hình kinh tế lượng và máy học, trong dự báo các cuộc khủng hoảng nợ công. Giả thuyết 1: Nợ nước ngoài bền vững thông qua việc luôn ở dưới một mức xác định là điều kiện cần để tăng trưởng bền vững. Ngược lại, khi một quốc gia có nợ công vượt ngưỡng tối ưu quá cao, khủng hoảng nợ công có thể xảy ra. Giả thuyết 2: Khi các biến số kinh tế vĩ mô gồm có tăng trưởng kinh tế giảm, tăng trưởng xuất khẩu giảm, tỷ lệ cung tiền M2/ Tổng dự trữ quốc gia tăng, tiết kiệm quốc gia giảm xuống, chi tiêu chính phủ gia tăng, một cuộc khủng hoảng kinh tế có thể xảy ra. Giả thuyết 3: Khi chính phủ chi tiêu số tiền nợ công vượt mức dự trữ ngoại hối, hoặc khi chính phủ gia tăng vay nợ nước ngoài trong khi dự trữ ngoại hối không đổi hoặc giảm xuống, khủng hoảng nợ công có thể xảy ra. Giả thuyết 4: Khi chính phủ mất khả năng thanh toán hoặc có khả năng thanh khoản thấp, khủng hoảng nợ công có thể xảy ra.
CHƯƠNG 3- PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU 3.1. Dữ liệu và các biến trong mô hình nghiên cứu Tổng quan, dữ liệu bao gồm về nhiều biến kinh tế quan trọng của các quốc gia trên thế giới trong mô hình nghiên cứu nhằm xây dựng mô hình cảnh báo sớm nợ công trong bài nghiên cứu. Tiếp theo tác giả sẽ phân tích và lựa chọn các mô hình tối ưu để sử dụng thông qua việc so sánh các thuật toán. Khung thời gian tác giả đã lựa chọn từ năm 2000 đến nay, thế giới đã trải qua những biến động lớn như khủng hoảng tài chính toàn cầu 2008-2009, khủng hoảng nợ châu Âu 2010-2012, đại dịch Covid-19... Số quan sát lớn từ 217 quốc gia. 3.2. Quy trình thực hiện nghiên cứu 3.2.1. So sánh thuật toán Huấn luyện các mô hình học máy với các thông số: Tập huấn luyện: 80%, tập kiểm nghiệm: 20%, Phương thức kiểm nghiệm: K_folds với K=10. Dựa trên kết quả đạt được, mô hình Gradient Boosting Machine (GBM) đã cho thấy hiệu suất tốt nhất trong việc dự đoán với độ chính xác đạt 94.22% và độ lệch chuẩn chỉ là 1.55%. Điều này cho thấy mô hình GBM có khả năng xử lý dữ liệu một cách chính xác và ổn định. Từ Confusion Matrix, chúng ta cũng có thể tính toán các chỉ số như Precision, Recall và F1-score để đánh giá hiệu suất tổng thể của mô hình. Trong trường hợp này, tác giả đã sử dụng Grid Search để tinh chỉnh mô hình Gradient Boosting Machine (GBM). Hệ số accuracy đã được chọn làm chỉ số đánh giá mức độ tốt xấu của từng bộ tham số. Mô hình GBM được sử dụng chủ yếu có hai tham số cần tinh chỉnh là max_depth và n_estimators. Kết quả từ Grid Search cho thấy n_estimators = 20 là lựa chọn tối ưu. Mô hình có độ chính xác tổng thể (accuracy) là 0.95. Độ chính xác cho từng nhóm (precision) là 0.98 đối với nhóm 0 và 0.86 đối với nhóm 1. Mô hình Gradients Boosting Machine đã đạt được kết quả ấn tượng trong việc dự đoán KHNC. Với độ chính xác cao ở nhóm khủng hoảng, mô hình đã chứng tỏ khả năng xác định chính xác trường hợp dự đoán các trường hợp có khả năng xảy ra KHNC. 3.3.Mô hình nghiên cứu 3.3.1. Hệ thống cảnh báo sớm EWS truyền thống Các mô hình EWS được xây dựng để đánh giá khả năng xảy ra khủng hoảng bằng cách sử dụng các phương pháp định lượng. Nói chung, có hai loại mô hình EWS phổ biến được sử dụng trong các nghiên cứu trước đó là (i) các mô hình chỉ số tổng hợp và (ii) mô hình logit/probit. Tóm lại, các mô hình EWS đóng vai trò quan trọng trong việc đánh giá khả năng xảy ra khủng hoảng và cung cấp tín hiệu cảnh báo sớm cho các nhà quyết định và tác giả. Mô hình logit đa thức đã được chứng minh là vượt trội so với các mô hình khác trong việc dự báo các dạng khủng hoảng khác nhau, nắm bắt được động lực của giai đoạn khủng hoảng và sau khủng hoảng. 3.3.2. Hệ thống cảnh báo sớm EWS kết hợp máy học Hệ thống cảnh báo sớm (Early Warning System - EWS) kết hợp học máy là
một phương pháp để dự báo và cảnh báo sớm về KHNC bằng việc sử dụng các thuật toán và kỹ thuật học máy, và đây là đóng góp quan trọng của luận án khi theo hiểu biết của tác giả, hiện nay có rất ít các nghiên cứu sử dụng phương pháp học máy để ứng dụng cho mô hình cảnh báo sớm cho KHNC trên thế giới và Việt Nam. Các bước chính trong quá trình kết hợp học máy vào hệ thống EWS bao gồm: (1) Thu thập dữ liệu, (2) Tiền xử lý dữ liệu, (3) Xây dựng mô hình học máy, (4) Đánh giá và tinh chỉnh mô hình, (5) Kiểm tra và triển khai mô hình. Kết hợp học máy vào hệ thống EWS giúp tăng khả năng dự báo và cảnh báo sớm về KHNC, từ đó hỗ trợ quyết định chính sách và quản lý rủi ro tài chính hiệu quả. 3.4. Đo lường các biến trong mô hình Khung lý thuyết bao gồm ba phạm vi của các biến giải thích để xây dựng hệ thống cảnh báo sớm EWS của tác giả cho các cuộc khủng hoảng nợ công, gồm có: các chỉ số kinh tế vĩ mô, các chỉ số phân khúc nước ngoài và các chỉ số tình hình tài chính. - Các chỉ số kinh tế vĩ mô. - Các chỉ số phân khúc nước ngoài. - Các chỉ số tình hình tài chính. Lựa chọn xây dựng biến chỉ số trong mô hình cảnh báo Nghiên cứu này dựa trên việc phân tích các biến đã chọn làm chỉ số cảnh báo sớm trong trường hợp các cuộc khủng hoảng từ năm 2000 đến 2021, trong đó có hai cuộc khủng hoảng quy mô toàn cầu là Khủng hoảng tài chính toàn cầu 2007-2008 và khủng hoảng y tế – kinh tế – xã hội Covid-19. Dữ liệu kinh tế vĩ mô được truy xuất từ các cơ sở dữ liệu sau: Ngân hàng Trung ương và Cơ quan Thống kê của các quốc gia nghiên cứu, Dữ liệu kinh tế của Ngân hàng Thế giới (WB) và Quỹ Tiền tệ Toàn cầu (IMF). Chỉ số khủng hoảng còn được đặt thành 1 nếu dư nợ chính phủ vượt quá 77% giá trị danh nghĩa của GDP (Caner và cộng sự 2010), với mỗi quan sát sẽ có bao gồm 4 biến crisisIndex theo 4 tiêu chí sau. Nếu thoả mãn một tiêu chí đồng nghĩa CrisisIndex1 nhận giá trị =1, nếu không thoả sẽ =0, tiếp tục như vậy với CrisisIndex2,3,4 sau đó biến phụ thuộc sẽ bằng tổng các biến CrisisIndex1,2,3,4 nếu lớn hơn 1 đồng nghĩa biến phụ thuộc nhận giá trị là 1, và nếu tổng các biến CrisisIndex1,2,3,4 =0 thì biến phụ thuộc sẽ có giá trị là 0. Bảng 3.1. Bảng tổng hợp các biến nghiên cứu trong mô hình Tên biến Từ viết tắt Nợ của chính phủ đối với NHTW CentralGov Debt% Nợ của chính phủ phủ cho các tổ chức tài chính ClaimOn Gov% Tài khoản vãng lai Current Account% Chi tiêu chính phủ ExpenditureofGDP (% of GDP) Tăng trưởng xuất khẩu Export Growth% Vốn FDI FDI% Tăng trưởng GDP thực GDP% Tỷ lệ cung tiền M2/ Tổng dự trữ M2/reserves% Tiết kiệm quốc gia NationalSavings%
Tên biến Từ viết tắt Dự trữ ngoại hối Reserves Tổng nợ nước ngoài External Debt% Độ mở thương mại Trade Openess% Tín dụng quốc nội Domestic Credit% 3.5. Phương pháp ước lượng mô hình nghiên cứu Để tạo nên hệ thống cảnh báo sớm EWS nhằm đánh giá khả năng dự đoán khủng hoảng nợ công, luận án ứng dụng các phương pháp cả tiếp cận phổ biến và hiện đại. Cụ thể cách tiếp cận sử dụng học máy kết hợp với cơ sở thống kê và khoa học máy tính đang trở thành một phương pháp phân loại thay thế hấp dẫn cho phương pháp phân loại probit thông thường được sử dụng cho dữ liệu chuỗi. Việc sử dụng sức mạnh của học máy đã chứng tỏ hiệu quả đặc biệt trong việc mở rộng các mô hình hồi quy probit nhằm giải quyết các khiếm khuyết của mô hình này. Mô hình hồi quy probit sử dụng các tham số phức tạp để khắc phục các hiện tượng hệ số động biến thiên, điểm gãy cấu trúc và tương quan chuỗi, v.v. Tuy nhiên, các phương pháp học máy cũng có khả năng gặp phải hiện tượng quá khớp khi mẫu huấn luyện và mẫu kiểm thử giống nhau. Hiện tượng này được kiểm soát thông qua sự đánh đổi phương sai và lệch để tìm ra điểm cân bằng tối ưu. Kết hợp với việc chạy mô hình logit nhị phân và logistic đa thức kết hợp ứng dụng các phương pháp máy học tác giả sử dụng các mô hình sau: Mô hình Random Forest (RF), Mô hình AdaBoost (AB), Mô hình Gradient Boosting (GBM), Mô hình Extra Trees (ET). Bằng việc triển khai nhưng mô hình fixed effect và random effect sẽ giúp xây dựng hệ thống cảnh báo sớm có độ chính xác cao hơn.
CHƯƠNG 4 – KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1. Kết quả nghiên cứu 4.1.1. Trình bày kết quả Logit nhị thức Sau khi tác giả tiến hành đo lường mức độ phù hợp giữa 2 mô hình Fixed Effect và Random Effect của Logit nhị thức bằng Hausman và kết quả cho thấy rằng mô hình Random Effect tốt hơn. Các biến có ý nghĩa thống kê và có tác động cùng chiều với biến phụ thuộc bao gồm ExternalDebt. Tuy nhiên, cũng có các biến có ý nghĩa thống kê và tác động ngược chiều với biến phụ thuộc. Đó là ClaimOnGov, M2reserves, DomesticCredit và GDP. ClaimOnGov. Kết quả cho thấy Claimongov, GDP, M2reserves, ExternalDebt, Domesticcredit có ý nghĩa thống kê, Các biến còn lại Exportgrowth, FDI, Nationalsavings, Reserves, Tradeopeness, …: Các biến này không có tác động có ý nghĩa thống kê đến khả năng xảy ra sự kiện Crisisindex. 4.2.1. Trình bày kết quả Logit đa thức Sau khi tác giả tiến hành kiểm định Hausman và thấy rằng đối với Logit đa thức thì mô hình Fixed Effect có kết quả tốt hơn, các biến như CentralGovDebt, ClaimOnGov, Current Account, GDP, M2/Reserves, TradeOpeness có ý nghĩa thống kê, các biến còn lại không có ý nghĩa thống kê mô tả đối với mô hình này. 4.3. Dự báo khủng hoảng nợ công đối với Việt Nam Xây dựng 2 kịch bản cho Việt Nam, đó là kịch bản nền kinh tế xấu, và nền kinh tế trung bình. Từ đó, tác giả sẽ đưa ra những dự phóng cho 5 năm sắp tới với các mô hình học máy mà tác giả đã chọn được tương ứng với 4 mô hình học máy có độ chính xác cao đó là mô hình GBM, AB, RF và ETV. Các mô hình vẫn dự báo không có khủng hoảng nợ công trong giai đoạn dự báo. Tuy nhiên, vẫn cần cảnh giác với các rủi ro tiềm tàng. Với kịch bản còn lại, có thể thấy rằng việc đưa ra giả định như trên cho ta thấy rằng, với tốc độ tăng trưởng hiện tại trong giai đoạn 2023-2025, cả 4 mô hình đều dự báo không xảy ra khủng hoảng nợ công (giá trị 0). Tuy nhiên bắt đầu từ quý 1 năm 2026, các mô hình GBM, AB và RF đều dự báo có khả năng xảy ra khủng hoảng nợ công (giá trị 1). Mô hình ET dự báo khả năng xảy ra khủng hoảng nợ công muộn hơn, bắt đầu từ quý 2/2026. 4.4. Thảo luận kết quả Sau khi kiểm định ước lượng phương pháp phù hợp, cho thấy rằng đối với Logit nhị thức ta có mô hình Random Effect và Logit đa thức có mô hình Fixed Effect. Bảng 4.1. Tổng hợp kết quả của các mô hình đã ước lượng phù hợp. CalvoLogit Đa Logit nhị thức -Random Effect thức Fixed Effect (1) (2) (3) 0 is the base case Totalcrisis =1 Totalcrisis =2 Totalcrisis = 3 CentralGovDebt 0.125*** 0.043 0.057 -0.027** ClaimOnGov -0.040*** -0.067** 0.040 CurrentAccount -0.009 -0.106** 0.005 GDP -0.031 -0.106** -0.005 -0.040* M2reserves -0.042*** 0.087 0.498* -0.027** ExternalDebt 0.033 0.081 0.049 0.142***