a) Tên Dự án: Ứng dụng mô hình kết hợp các chỉ tiêu với tần suất khác nhau (Nowcasting) trong phân tích và dự báo tăng trưởng GDP
Mã số: DANH-CS.001/19
b) Tổ chức chủ trì: Viện Chiến lược ngân hàng
c) Chủ nhiệm và người tham gia chính:
- Chủ nhiệm: ThS. Hoàng Việt Phương – Phó Trưởng phòng, Vụ Dự báo, Thống kê, Ngân hàng Nhà nước Việt Nam.
- Thư ký: CN. Trịnh Thị Thơm – Chuyên viên, Vụ Dự báo, Thống kê, Ngân hàng Nhà nước Việt Nam.
- Thành viên tham gia:
1. ThS. Trần Thanh Hoa – Phó Trưởng phòng, Vụ Dự báo, Thống kê, Ngân hàng Nhà nước Việt Nam.
2. ThS. Lê Hoàng Quân – Chuyên viên, Vụ Dự báo, Thống kê, Ngân hàng Nhà nước Việt Nam.
3. ThS. Mai Thị Lan Hương – Chuyên viên, Vụ Dự báo, Thống kê, Ngân hàng Nhà nước Việt Nam.
4. ThS. Đỗ Thế Tuấn – Chuyên viên, Vụ Tài chính – Kế toán, Ngân hàng Nhà nước Việt Nam.
d) Các chủ đề nghiên cứu chính:
- Cơ sở lý thuyết về phân tích, dự báo GDP dựa trên phương pháp Nowcasting;
- Thực trạng mô hình phân tích, dự báo GDP tại NHNN;
- Ứng dụng mô hình Nowcasting trong phân tích, dự báo GDP tại NHNN;
- Khuyến nghị, đề xuất áp dụng mô hình Nowcasting trong phân tích và dự báo tại NHNN.
đ) Thời gian bắt đầu và thời gian kết thúc:
- Thời gian bắt đầu: Tháng 10/2019.
- Thời gian kết thúc: Tháng 03/2021
e) Kinh phí thực hiện: 95 triệu đồng.
g) Kết quả thực hiện: Giỏi
h) Mô tả tóm tắt:
Nhằm làm rõ quá trình hình thành, phát triển và cơ sở lý thuyết về xây dựng mô hình Nowcasting trong dự báo kinh tế vĩ mô, nghiên cứu kinh nghiệm quốc tế, trong nước để xây dựng mô hình Nowcasting dự báo GDP cho NHNN, dự án DANH-CS.001/19 đã triển khai các nội dung cụ thể sau:
Chương 1 nghiên cứu cơ sở lý thuyết về phân tích, dự báo GDP dựa trên phương pháp Nowcasting, gồm: Khung lý thuyết; Định dạng mô hình; Ưu điểm và nhược điểm của kỹ thuật Nowcasting; Kinh nghiệm của các nước trong phát triển Nowcasting phục vụ phân tích và dự báo GDP. Theo đó, có 02 kỹ thuật chính được sử dụng để dự báo cho hiện tại, là: (i) MIDAS (Mixed-Data Sampling)hay ước lượng, dự báo dựa trên bộ số liệu pha trộn về tần suất; (ii) MF-VAR (Mixed Frequency Factor Vector Autoregression) hay tự hồi quy véc tơ nhân tố đa tần suất. Nhóm nghiên cứu cũng tóm lược kinh nghiệm quốc tế của Mỹ, Châu Âu, Indonesia về việc sử dụng phương pháp Nowcasting cho dự báo GDP. Việc lựa chọn các quốc gia này vừa đảm bảo tính phổ biến của phương pháp được sử dụng ở các nước phát triển (Mỹ, Châu Âu) cũng như ở quốc gia tương đồng với Việt Nam (Indonesia).
Chương 2 phân tích thực trạng mô hình đang sử dụng trong phân tích, dự báo GDP tại NHNN. Theo đó, NHNN đã nỗ lực ứng dụng các mô hình trong phân tích và dự báo kinh tế. Việc phát triển đa dạng các mô hình tạo nền tảng bước đầu trong việc đưa ra các dự báo từ ngắn hạn tới trung, dài hạn trên cơ sở phát huy ưu điểm của từng loại mô hình. Tuy nhiên, các mô hình dự báo cho khoảng thời gian rất ngắn hạn (như Nowcasting) chưa thực sự được hoàn thiện. Đồng thời, những bất ổn kinh tế vĩ mô trong nước và đặc biệt là trên thế giới trong thời gian qua đã đặt ra các yêu cầu mới, đòi hỏi công tác điều hành CSTT phải dựa trên những phân tích cập nhật thường xuyên hơn và mang tính thời gian thực hơn. Vì vậy, phát triển kỹ thuật phân tích và dự báo mới như Nowcasting đáp ứng nhu cầu điều hành thực tế của NHNN.
Phân tích diễn biến kinh tế giai đoạn 2000-2019 tại Chương 2 cho thấy ảnh hưởng của một số nhân tố đến tăng trưởng GDP của Việt Nam như sau: (i) hoạt động sản xuất công nghiệp bên cung ngày càng phát triển và chiếm tỷ trọng cao trong tổng sản lượng quốc gia; (ii) Hoạt động bán lẻ hàng hóa và tiêu dùng cuối cùng là nhân tố quan trọng nhất của GDP bên phía cầu; (iii) Hoạt động thương mại trong đó xuất khẩu và nhập khẩu có mối tương quan chặt chẽ với nhau và là yếu tố phản ánh kinh tế đang tăng trưởng nhanh hơn hay chậm lại; (iv) Lạm phát có quan hệ mật thiếu với tăng trưởng trong các giai đoạn khác nhau của nền kinh tế và chính sách tiền tệ có vai trò quan trọng giúp điều hòa các biến số kinh tế vĩ mô.
Tại Chương 3, nhóm nghiên cứu ứng dụng mô hình Nowcasting trong phân tích, dự báo GDP tại NHNN, làm rõviệc áp dụng các mô hình MIDAS và MF-VAR cho phân tích, dự báo hiện tại/tương lai gần tăng trưởng GDP của Việt Nam trên cơ sở khảo cứu kinh nghiêm các nước tại Chương 1 và phân tích đặc thù tăng trưởng kinh tế Việt Nam tại Chương 2.
Cụ thể, kết quả dự báo trong mẫu cho thấy: (i) các mô hình Nowcasting dự tính GDP của Việt Nam đều có sai số dự báo rất thấp, ưu việt hơn hẳn so với mô hình truyền thống trong dự báo ngắn hạn; (ii) các mô hình gần như có thể dự đoán được khá chính xác các giai đoạn thay đổi lớn (cú sốc) của tốc độ tăng trưởng GDP Việt Nam; (iii) mô hình VNMDS_02 có khả năng dự tính tốc độ tăng trưởng GDP tốt nhất, xếp sau là mô hình VNMDS_01. Mô hình VNMDS_03 dự báo tăng trưởng GDP với sai số lớn nhất trong số các mô hình MIDAS. Trong khi đó, mô hình VNMFVAR mặc dù kém hơn mô hình VNMDS_01, VNMDS_02 những vẫn tốt hơn so với mô hình VNMDS_03 mặc dù số lượng biến số sử dụng trong mô hình MF-VAR là ít hơn nhiều mô hình MIDAS; (iv) ngoài ra, mức độ sai số giữa các mô hình là không quá lớn, cho thấy việc vận hành song song các mô hình Nowcasting bên cạnh mô hình kinh tế lượng truyền thống là cần thiết.
Kết quả dự báo ngoài mẫu đã chỉ ra: (i) Dự báo tăng trưởng quý IV/2020 trong miền từ 3,23% đến 5,98%, trong đó kết quả tăng trưởng 4,5% từ mô hình VNMDS_02 là đáng tin cậy hơn cả; (ii) xu hướng tăng trưởng GDP tiếp tục hồi phục trong quý I/2021 vẫn được khẳng định đối với tất cả các mô hình dự báo với kết quả dự báo bình quân là 5,37%; (iii) Mặc dù kinh tế hồi phục trong thời gian tới nhưng tốc độ tăng trưởng vẫn còn hạn chế và dưới tiềm năng. Do đó, các chính sách hỗ trợ kinh tế vẫn là cần thiết và việc thoái lui chính sách cần cân nhắc kỹ về thời hạn và mức độ thoái lui.
Chương 4 của Dự án đề xuất hướng nghiên cứu hoàn thiện Nowcasting trong thời gian tới và hướng tích hợp Nowcasting vào hệ thống mô hình phân tích, dự báo tại NHNN, cụ thể: (i) Nghiên cứu xây dựng chỉ số tổng hợp đại diện cho các khối dữ liệu kinh tế làm đầu vào cho mô hình Nowcasting; (ii) Trên cơ sở tận dụng bộ cơ sở dữ liệu để dự báo GDP, mô hình Nowcasting có thể mở rộng cho việc dự báo các chỉ số vĩ mô quan trọng khác như lạm phát, tăng trưởng tín dụng…; (iii) Mô hình Nowcasting nếu được hoàn thiện và tích hợp vào khung phân tích, dự báo chung sẽ tạo nên các thông tin đầu vào quan trọng cho các mô hình vệ tinh khác (VAR, VECM) và mô hình trung tâm (mô hình DSGE, hệ thống FPAS) để thực hiện các phân tích, dự báo chuyên sâu và các kịch bản chính sách; (iv) Tăng cường trao đổi thông tin, kết quả dự báo GDP giữa các Bộ, ngành góp phần cải thiện chất lượng dự báo của các đơn vị; (iv) Việc chuẩn hóa các chỉ tiêu thống kê, khôi phục các dữ liệu trong quá khứ và xây dựng một bộ hệ thống cơ sở dữ liệu đầy đủ các khía cạnh của nền kinh tế của các cơ quan thống kê sẽ góp phần vận hành nhiều lớp mô hình hơn và đưa ra được kết quả dự báo chính xác hơn.