Tài liệu Báo cáo nghiên cứu khoa học ứng dụng mô hình mạng thần kinh dự báo lạm phát việt nam

  • Số trang: 74 |
  • Loại file: PDF |
  • Lượt xem: 165 |
  • Lượt tải: 0
tailieuonline

Đã đăng 39841 tài liệu

Mô tả:

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM ----------------- CÔNG TRÌNH DỰ THI GIẢI THƯỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN “NHÀ KINH TẾ TRẺ – NĂM 2011” TÊN CÔNG TRÌNH: ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH DỰ BÁO LẠM PHÁT VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ i MỤC LỤC  DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC BẢNG BIỂU DANH MỤC HÌNH DANH MỤC PHỤ LỤC LỜI MỞ ĐẦU CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ LẠM PHÁT VÀ MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO .............................3 1.1. Tổng quan lý thuyết và các nghiên cứu về lạm phát ............................................3 1.1.1. Các quan điểm về lạm phát ...............................................................................3 1.1.2. Phân loại lạm phát ............................................................................................4 1.1.3. Tác động của lạm phát ......................................................................................4 1.1.3.1. Tác động phân phối lại thu nhập của lạm phát.........................................5 1.1.3.2. Tác động của lạm phát đối với tăng trưởng kinh tế ..................................5 1.1.3.3. Tác động của lạm phát lên tỷ giá hối đoái ................................................6 1.1.3.4. Các tác động khác của lạm phát ..............................................................7 1.2. Mô hình mạng thần kinh nhân tạo .......................................................................7 1.2.1. Ý tưởng nền tảng của mô hình mạng thần kinh .................................................8 1.2.2. Mô hình mạng thần kinh đơn giản ....................................................................9 1.2.3. Cấu tạo của mô hình mạng thần kinh .............................................................. 11 1.2.3.1. Hàm kích hoạt ........................................................................................ 11 1.2.3.2. Cấu trúc mạng ....................................................................................... 13 1.2.3.3. Huấn luyện mạng ................................................................................... 15 1.2.3.3.1. Học không giám sát (Unsupervised learning) ............................. 15 1.2.3.3.2. Học có giám sát (Supervised learning) .......................................15 1.2.4. Xây dựng mô hình mạng thần kinh nhân tạo .................................................... 16 1.2.4.1. Xác định biến số cho mô hình mạng thần kinh ........................................17 ii 1.2.4.2. Thu thập và xử lý dữ liệu......................................................................... 18 1.2.4.3. Sắp xếp lại bộ dữ liệu.............................................................................. 19 1.2.4.4. Xây dựng cấu trúc mô hình mạng ............................................................ 21 1.2.4.4.1. Số lớp ẩn của mô hình mạng truyền thẳng đa lớp ........................ 21 1.2.4.4.2. Số nơ-ron của mỗi lớp ẩn trong mô hình mạng ............................ 21 1.2.4.5. Huấn luyện mạng và các tiêu chuẩn đánh giá mô hình............................. 22 1.2.5. Bằng chứng thực nghiệm của mô hình mạng thần kinh ....................................22 1.2.5.1. Ứng dụng trong dự báo tài chính ............................................................. 23 1.2.5.2. Ứng dụng trong xếp hạng tín dụng ........................................................... 23 1.2.5.3. Ứng dụng trong dự báo lạm phát ............................................................. 24 1.2.5.4. Một số ứng dụng khác của mô hình mạng thần kinh nhân tạo .................. 25 CHƯƠNG 2: ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH DỰ BÁO LẠM PHÁT VIỆT NAM .................................................... 27 2.1. Xác định biến số đầu vào của mô hình ...................................................................27 2.2. Thu thập và xử lý dữ liệu ....................................................................................... 32 2.3. Sắp xếp lại bộ dữ liệu ............................................................................................ 36 2.4. Xây dựng mô hình dự báo lạm phát .......................................................................36 2.5. Kết quả thực nghiệm của mô hình và kết luận ....................................................... 39 CHƯƠNG 3: MỘT SỐ GỢI MỞ TỪ KẾT QUẢ MÔ HÌNH ..................................48 3.1. Gợi ý về hướng nghiên cứu tiếp theo .....................................................................48 3.2. Gợi ý chính sách ....................................................................................................49 KẾT LUẬN PHẦN PHỤ LỤC TÀI LIỆU THAM KHẢO iii DANH MỤC CÁC TỪ VIẾT TẮT ADB Ngân hàng phát triển châu Á (Asian development bank) ANN Mạng thần kinh nhân tạo (Artificial neural networks) CR Tăng trưởng tín dụng (Credit) FFNN Mạng thần kinh truyền thẳng (Feedforward Neural Networks) FX Thay đổi tỷ giá (Foreign exchange) GRNN Mạng thần kinh hồi quy tổng quát (Generalized regression neural networks) IMF Quỹ tiền tệ quốc tế INF Tỷ lệ lạm phát (Inflation) JCN Mô hình mạng thần kinh kết nối bước nhảy (Jump connection networks) LR Mô hình hồi quy tuến tính (Linear regression model) M2 Tăng trưởng cung tiền M2 (Money supply M2) MA Trung bình di động (Simple moving average) MFN Mô hình mạng thần kinh chuyển tiếp đa tầng (Multi feedforward networks) NNNN Ngân hàng nhà nước Việt Nam NSNN Ngân sách nhà nước OIL Thay đổi giá dầu OLS Phương pháp bình phương nhỏ nhất (Ordinary least squares) OPEC Hiệp hội các nước xấu khẩu dầu mỏ (Organization of the Petroleum Exporting Countries) VN Việt Nam iv DANH MỤC BẢNG BIỂU Danh mục bảng.................................................................................................... Trang Bảng 2.1: Mô tả các biến cơ sở và ký hiệu sử dụng ...................................................... 34 Bảng 2.2: Một số chỉ số thống kê cơ bản của các biến cơ sở ........................................35 Bảng 2.3: Thống kê các mô hình mạng được sử dụng .................................................. 38 Bảng 2.4: Kết quả kiểm định ngoài mẫu chuỗi các mô hình MLF sử dụng hàm kích hoạt log-sigmoid ............................................................. 40 Bảng 2.5: Kết quả kiểm định ngoài mẫu chuỗi các mô hình MLF sử dụng hàm kích hoạt tag-sigmoid .............................................................. 40 Bảng 2.6: Kết quả kiểm định ngoài mẫu chuỗi các mô hình GNN ................................ 44 v DANH MỤC HÌNH Danh mục hình .................................................................................................... Trang Hình 1.1: Cấu trúc nơ-ron trong não bộ và hệ thần kinh .................................................9 Hình 1.2: Cấu trúc mạng thần kinh đơn giản ................................................................ 10 Hình 1.3: Hàm log-sigmoid ......................................................................................... 12 Hình 1.4: Cấu trúc mạng truyền thẳng (feed forward) và mạng phản hồi (feed back) ......................................................................13 Hình 1.5: Mô hình mạng truyền thẳng một lớp ẩn ........................................................ 14 Hình 2.1: Tốc độ tăng trưởng cung tiền M2, tín dụng và lạm phát ............................... 28 Hình 2.2: Giá dầu thô và tỷ lệ lạm phát hàng tháng ...................................................... 29 Hình 2.3: Giá xăng dầu trên thị trường trong nước và thế giới .....................................30 Hình 2.4: Tỷ trọng các nhân tố ảnh hưởng đến chỉ số CPI của Việt Nam ..................... 31 Hình 2.5: Tỷ lệ lạm phát hàng tháng và trung bình lạm phát 3 kỳ trước đó .................. 33 Hình 2.6: Kết quả kiểm định ngoài mẫu mô hình MLF 7-3-1 .......................................41 Hình 2.7: Kết quả kiểm định ngoài mẫu mô hình MLF 7-4-1 .......................................42 Hình 2.8: Kết quả kiểm định ngoài mẫu mô hình MLF 7-5-1 .......................................42 Hình 2.9: Kết quả kiểm định ngoài mẫu mô hình MLF 7-4-3-1 ...................................43 Hình 2.10: Kết quả kiểm định ngoài mẫu mô hình MLF 7-5-4-1 .................................43 Hình 2.11: Kết quả kiểm định ngoài mẫu mô hình MLF 7-3-2-1 .................................44 Hình 2.12: Chuỗi giá trị INF dự báo từ các mô hình GNN ........................................... 45 Hình 2.13: Chuỗi giá trị INF dự báo trung bình từ các mô hình MLF-GNN và chuỗi thực tế ................................................. 46 vi DANH MỤC PHỤ LỤC Danh mục phụ lục ............................................................................................... Trang Phụ lục 1: Các chỉ số đo lường lạm phát ......................................................................54 Phụ lục 2: Mô hình hồi quy tuyến tính ......................................................................... 55 Phụ lục 3: Các phương pháp chuẩn hóa dữ liệu ........................................................... 59 Phụ lục 4: Ba cách tiếp cận để lựa chọn số lượng nơ-ron ẩn phù hợp ........................... 60 Phụ lục 5: Mô hình mạng truyền thẳng một lớp ẩn ...................................................... 60 Phụ lục 6: Mô hình mạng truyền thẳng đa lớp ............................................................. 61 Phụ lục 7: Kết quả kiểm định ngoài mẫu mô hình MLF-7-5-4-1 ..................................63 Phụ lục 8: Kết quả kiểm định ngoài mẫu mô hình GNN-7-4-1.....................................64 Phụ lục 9: Kết quả kiểm định ngoài mẫu mô hình GNN-7-4-4-4-1 .............................. 65 -1- LỜI MỞ ĐẦU  1. Lý do chọn đề tài. Nếu như lạm phát trong nền kinh tế Việt Nam được duy trì ổn định trong suốt những năm 2000 thì đến năm 2004, lạm phát bắt đầu tăng tốc mà đỉnh điểm là năm 2008, tỷ lệ lạm phát đạt đến mức gần 20%. Trong nửa năm đầu 2011, tỷ lệ lạm phát đã vào khoảng 13%. Lạm phát, nhất là lạm phát cao đã tác động đến nhiều mặt đời sống kinh tế - xã hội: làm tăng chi phí sản xuất kinh doanh và giảm khả năng cạnh tranh của các doanh nghiệp; làm méo mó nền kinh tế và làm cho việc thực hiện các kế hoạch chi tiêu và tiết kiệm của dân chúng bị đảo lộn, gây tác động xấu đến những người có thu nhập thấp, đặc biệt là những người sống chủ yếu bằng nguồn thu nhập từ tiền lương. Trong bối cảnh đó, lạm phát mục tiêu, một công cụ của chính sách tiền tệ, đang dần được chú ý nhiều hơn bởi các nhà điều hành chính sách lẫn giới nghiên cứu học thuật bởi tính hiệu quả của nó trong việc ổn định giá cả, thúc đẩy tăng trưởng. Tuy nhiên, một trong những điều kiện tiên quyết cho việc sử dụng hiệu quả công cụ lạm phát mục tiêu chính là công tác dự báo của Ngân hàng Nhà nước đối với xu hướng chung của giá cả để từ đó đề ra những biện pháp chủ động đưa mức lạm phát về mức mục tiêu kỳ vọng. Mặt khác, nhận thấy tiềm năng của mô hình mạng thần kinh phi tuyến trong việc dự báo các biến số vĩ mô như tỷ giá, lạm phát, tăng trưởng… bên cạnh các mô hình truyền thống được minh chứng trong các nghiên cứu thực nghiệm. Trên cơ sở đó, đề tài “Ứng dụng mô hình mạng thần kinh dự báo lạm phát Việt Nam” đã được lựa chọn để tiến hành nghiên cứu. 2. Mục tiêu nghiên cứu. Mục tiêu của đề tài là hướng đến việc xây dựng mô hình mạng thần kinh phù hợp để dự báo tỷ lệ lạm phát của Việt Nam. Để hoàn thành mục tiêu trên, bài nghiên cứu sẽ lần lượt trả lời cho các câu hỏi: - Thế nào là mô hình mạng thần kinh nhân tạo? Mô hình có những đặc điểm nổi bật gì so với các mô hình tuyến tính truyền thống và cơ chế vận hành của mô hình này như thế nào? -2- - Cấu trúc mô hình mạng nào sẽ phù hợp nhất để dự báo tỷ lệ lạm phát của Việt Nam? - Những gợi ý nào có thể được đưa ra từ kết quả thực nghiệm của mô hình? 3. Kết cấu đề tài. Để đi vào giải quyết mục tiêu nghiên cứu trên, đề tài được xây dựng với kết cấu gồm ba chương với nội dung như sau: Chương 1: Cơ sở lý thuyết về lạm phát và mô hình mạng thần kinh nhân tạo. Chương 2: Ứng dụng mô hình mạng thần kinh dự báo lạm phát Việt Nam. Chương 3: Một số gợi mở từ kết quả mô hình. 4. Đóng góp của đề tài. Đề tài đã góp phần vào việc hệ thống hóa các khái niệm và nguyên lý nền tảng của mô hình mạng, cơ chế vận hành của mô hình cùng với quy trình các bước để tiến hành ứng dụng xây dựng mô hình trong dự báo thực tiến. Tiếp đó, kết quả thực nghiệm đã cho thấy cấu trúc mạng tốt nhất để dự báo tỷ lệ lạm phát hàng tháng ở Việt Nam là mô hình truyền thẳng giản đơn với một lớp ẩn và ba nơ-ron ẩn. Cuối cùng, trên cơ sở kết quả thực nghiệm của mô hình, một số gợi ý về chính sách điều hành lạm phát trong thời gian tới đã được đưa ra. 5. Hướng phát triển đề tài. Mô hình mạng thần kinh được sử dụng trong đề tài chỉ là mô hình mạng truyền thẳng giản đơn, do vậy, những nghiên cứu trong thời gian tới hướng đến việc áp dụng mô hình mạng có phản hồi hoặc kết hợp với thuật toán di truyền và logic mờ để xây dựng các mô hình “lai tạp” kỳ vọng sẽ góp phần vào việc nâng cao hiệu quả dự báo. Mặt khác, bên cạnh lạm phát thì mô hình còn có thể được ứng dụng trong dự báo các biến số khác như tỷ giá, tốc độ tăng trưởng GDP… Ngoài ra, một hướng phát triển khả dĩ khác cho đề tài chính là ứng dụng mô hình trong hoạt động phân loại đối tượng đi vay để hỗ trợ cho quá trình thẩm định tín dụng của các ngân hàng. -3- CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ LẠM PHÁT VÀ MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO 1.1. Tổng quan lý thuyết và các nghiên cứu về lạm phát. 1.1.1. Các quan điểm về lạm phát Khi nghiên cứu về chế độ bản vị vàng, Karl Marx đã khẳng định: việc phát hành tiền giấy phải được giới hạn trong số lượng vàng sẽ thực sự lưu thông dưới hình thức là các đại diện tiền giấy của mình. Một khi lượng tiền giấy vượt quá mức giới hạn này thì tiền giấy sẽ mất dần giấy trị làm gia tăng mức giá chung của tất cả các loại hàng hóa và tình trạng lạm phát xuất hiện. Theo đó, lạm phát, dưới quan điềm của Karl Marx, được định nghĩa như sau: Lạm phát là việc các kênh, các luồng lưu thông tràn đầy những tờ giấy bạc dư thừa dẫn đến sự tăng vọt trong mức giá chung. Cũng bàn về vấn đề lưu thông tiền tệ, Milton Friendman đã từng phát biểu: Lạm phát ở mọi lúc mọi nơi đều là hiện tượng của lưu thông tiền tệ. Lạm phát xuất hiện và chỉ xuất hiện khi nào số lượng tiền trong lưu thông tăng nhanh hơn so với sản xuất. Tuy nhiên, John Keynes với thuyết cầu của mình cho rằng nguồn gốc sâu xa của lạm phát là sự biến động cung cầu. Khi cung đã vượt xa cầu thì sản xuất sẽ đình đốn, nền kinh tế bị suy giảm. Lúc đó, Nhà Nước buộc phải tung ra các khoản chi tiêu, đầu tư công lớn, tăng cường các chính sách tín dụng nhằm kéo mức cầu của cả nền kinh tế về cân bằng và vượt qua tổng cung. Lúc này, lạm phát đã xuất hiện. Trong trường hợp nền kinh tế phát triển hiệu quả, áp dụng những tiến bộ khoa học kỹ thuật, cơ cấu kinh tế được đổi mới thành công; lạm phát này có tác dụng thúc đẩy sản xuất. Ngược lại, lạm phát, theo Keynes, đã không còn là động lực phát triển của nền kinh tế. Với Paul A. Samuelson thì lạm phát xảy ra khi mức tăng trong chi phí sản xuất, kinh doanh cao hơn mức tăng trong năng suất lao động. Chi phí gia tăng có thể do sự gia tăng trong mức tiền lương, chi phí nguyên vật liệu đầu vào, hoặc cũng có thể là do công nghệ lạc hậu, cơ chế quản lý cồng kềnh… Khi mức chi phí này vượt qua khỏi sự bù đắp của năng suất lao động thì giá cả các mặt hàng sẽ tăng vọt và lạm phát xuất hiện. Lúc này, lạm phát không còn là động lực để phát triển nữa mà nó sẽ khiến cho nền kinh tế bị suy thoái, cần các biện pháp cấp bách nhằm khống chế lạm phát. -4- Tóm lại, có rất nhiều góc nhìn khác nhau về lạm phát. Mỗi quan điểm, lý thuyết chỉ giải thích cho một số thời kỳ nhất định và ngày càng nhiều quan điểm mới ra đời cùng sự phát triển của nền kinh tế. Nhìn chung, dưới bất kỳ quan điểm nào lạm phát cũng được đặc trưng bởi 3 điểm chính yếu sau: o Sự gia tăng quá mức của lượng tiền trong lưu thông. o Dẫn đến sự mất giá của đồng tiền. o Từ đó, khiến cho giá cả các loại mặt hàng tăng cao. 1.1.2. Phân loại lạm phát Xét về định tính, lạm phát được nhà kinh tế học Paul A. Samuelson phân thành hai loại như sau:  Lạm phát cân bằng và có thể dự đoán trước: Đây là loại lạm phát khi toàn bộ giá cả của nền kinh tế đều tăng và mức tăng này đã được dự đoán trước thì thu nhập của người dân cũng đồng thời được tăng lên một cách tương ứng. Theo đó, lạm phát cân bằng và có thể dự đoán trước sẽ không gây ra một tác hại nào cho việc sản xuất kinh doanh, tốc độ tăng trưởng của kinh tế hay việc phân phối thu nhập của người dân.  Lạm phát không cân bằng và không được dự đoán trước: Loại lạm phát này xảy ra khi mức giá cả các loại hàng hóa, dịch vụ tăng không đều nhau, vượt xa mức tăng trong tiền lương và không được dự báo trước. Đây là loại phát gây khó khăn cho người dân, thiệt hại cho cả nền kinh tế. Một khi lạm phát này xảy ra đồng tiền bị mất giá khiến cho những người nắm giữ hàng hóa giàu lên trong khi những người cầm tiền thì lại nghèo đi một cách tương đối, thu nhập được phân phối lại. Vì thế dẫn đến tình trạng đầu cơ tích trữ hàng hóa, ngoại tệ, vàng bạc, bất động sản… gây ra trạng thái khan hiếm hàng hóa, bóp méo, xuyên tạc các yếu tố thị trường, ảnh hưởng đến cả hoạt động sản xuất kinh doanh. 1.1.3. Tác động của lạm phát Lạm phát có những ảnh hưởng nhất định đến sự phát triển kinh tế - xã hội tùy theo mức độ của nó. Một điểm quan trọng là tác động của lạm phát phụ thuộc rất nhiều vào việc lạm phát đó có dự đoán trước được hay không. Điều này có nghĩa là nếu doanh nghiệp, các hộ gia đình hoàn toàn có thể dự báo được mức độ lạm phát thì khi đó, lạm phát sẽ không trở nên gánh nặng cho nền kinh tế bởi ta đã có được những giải -5- pháp để thích nghi với nó. Trong khi đó, lạm phát không dự đoán trước sẽ dẫn đến những quyết định đầu tư sai lầm và phân phối lại thu nhập một cách ngẫu nhiên làm mất tinh thần và sinh lực của nền kinh tế. 1.1.3.1. Tác động phân phối lại thu nhập của lạm phát. Tác động phân phối lại thu nhập của lạm phát chủ yếu phát sinh bởi hầu hết các khoản nợ hoặc tài sản đều được xác định theo giá trị danh nghĩa và gắn liền với những khoản kỳ hạn cố định. Ví dụ, các khoản tiết kiệm ngân hàng, trái phiếu của doanh nghiệp và Chính phủ hoặc các khoản nợ khác… đều không được điều chỉnh theo lạm phát. Vì vậy, khi lạm phát tăng cao, giá trị của những khoản nợ và tài sản này sẽ bị giảm xuống. Đó là do trong điều kiện lạm phát, giá của hầu hết các hàng hóa và dịch vụ trong nền kinh tế đều tăng trong khi các khoản chi trả gắn liền với những khoản nợ hoặc tài sản này vẫn luôn giữ cố định. Nghiên cứu của Césaire A. Meh (2009), trên cơ sở dữ liệu của Ngân hàng Trung Uơng Canada, đã lượng hóa tác động tác động của lạm phát đối với việc phân phối lại thu nhập. Kết quả cho thấy tác động này thật sự đáng kể cho dù lạm phát chỉ ở mức thấp. 1.1.3.2. Tác động của lạm phát đối với tăng trưởng kinh tế. Hầu hết mọi người đều đồng ý rằng lạm phát cao sẽ tác động bất lợi đối với nền kinh tế. Thế nhưng, các nghiên cứu lại không đồng nhất quan điểm về mối tương quan giữa lạm phát và tăng trưởng. Lý thuyết cổ điển cho rằng, giữa tăng trưởng và lạm phát tồn tại mối tương quan dương. Tuy nhiên, những nghiên cứu thực nghiệm ban đầu về vấn đề này hầu như chưa thể đưa ra một kết luận rõ ràng về mối tương quan giữa hai biến số trên. Một trong những nguyên nhân này theo Michael và William (1996) là do giới hạn trong việc xác định mối tương quan phi tuyến, được cho là vốn dĩ tồn tại trong mối quan hệ giữa lạm phát và tăng trưởng. Nghiên cứu của Robert (1996), sử dụng dữ liệu của gần 100 quốc gia trong giai đoạn từ năm 1960 đến 1990 để đánh giá tác động của lạm phát lên tăng trưởng kinh tế, đã đưa ra kết luận như sau: khi lạm phát gia tăng ở mức trung bình khoảng 10% thì tỷ tăng trưởng GDP bình quân đầu người sẽ giảm khoảng 0.4 – 0.6%. Mức tác động này không thật sự lớn. Tuy nhiên, nghiên cứu của Min Li (2005) sử dụng dữ liệu lạm phát và tăng trưởng ở 90 quốc gia đang phát triển và 25 nước phát triển đã cho thấy sự tồn tại mối tương quan phi tuyến giữa hai biến số này. Kết quả nghiên cho thấy, tại các nước đang phát -6- triển tồn tại hai mức ngưỡng của lạm phát. Khi lạm phát dưới mức ngưỡng đầu tiên, tác động của lạm phát đối với tăng trưởng hầu như không đáng kể và đặc biệt trong một số trường hợp tồn tại mối tương quan dương. Tiếp đó, trong trường hợp nằm trong khoảng giữa hai mức ngưỡng thì lạm phát sẽ có tác động đáng kể đến tăng trưởng theo hướng nghịch chiều. Cuối cùng, khi lạm phát vượt hơn mức ngưỡng thứ hai, “lạm phát phi mã” trong trường hợp này vẫn cho thấy tác động âm đối với tăng trưởng. Tuy nhiên, mức độ tác động biên của lạm phát lúc này hầu như suy giảm. 1.1.3.3. Tác động của lạm phát lên tỷ giá hối đoái. Theo lý thuyết, trong điều kiện các yếu tố khác không đổi, khi tỷ lệ lạm phát của một nước tăng tương đối so với lạm phát của một nước khác, sẽ dẫn đến sự sụt giảm trong cầu nhập khẩu đối với hàng hóa của quốc gia này. Trong khi đó, quốc gia có lạm phát cao sẽ có khuynh hướng nhập khẩu nhiều hơn. Hai tác động này cũng lúc tạo áp lực làm giảm giá đồng tiền của nước có mức lạm phát cao hơn. Tỷ lệ lạm phát thường khác nhau giữa các quốc gia, tạo nên các kiểu mậu dịch quốc tế để điều chỉnh thích hợp và quá trình này sẽ ảnh hưởng đến tỷ giá hối đoái. Mối liên hệ giữa lạm phát và tỷ giá đã được giải thích bằng lý thuyết ngang giá sức mua (Purchasing power parity – PPP). Hình thức tuyệt đối của lý thuyết này cho rằng giá cả của các sản phẩm giống nhau của hia nước khác nhau sẽ bằng nhau khi được tính bằng một đồng tiền chung. Theo đó, nếu sự chênh lệch trong giá cả hàng hóa khi được tính bằng một đồng tiền chung hiện hữu, mức cầu sẽ dịch chuyển để các mức giá này gặp nhau. Tỷ giá hối đoái của đồng tiền hai nước sẽ luôn điều chỉnh để duy trì sự ngang giá trong sức mua. Do vậy mà lạm phát sẽ có tác động đến tỷ giá hối đoái. Tuy nhiên, các nghiên cứu thực nghiệm đã cho thấy là tình trạng ngang giá không phải luôn tồn tại. Phần trăm thay đổi tỷ giá hối đoái thường biến chuyển nhiều hơn chênh lệch lạm phát hai quốc gia. Trong một số trường hợp, lý thuyết ngang giá sức mua không thể dự đoán được ngay cả chiều hướng biến động của một đồng tiền. Điều này được lý giải một phần là do lạm phát không phải là yếu tố duy nhất tác động đến tỷ giá. Bên cạnh lạm phát, tỷ giá còn chịu ảnh hưởng của các yếu tố khác như: lãi suất, mức thu nhập và sự can thiệp của Chính phủ. -7- 1.1.3.4. Các tác động khác của lạm phát. Trong điều kiện lạm phát cao và không dự đoán trước được, cơ cấu nền kinh tế dễ bị mất cân đối vì khi đó các nhà kinh doanh thường hướng đầu tư vào những khu vực hàng hóa có giá cả tăng lên cao, những ngành sản xuất có chu kỳ ngắn, thời gian thu hồi vốn nhanh, hạn chế đầu tư vào những ngành sản xuất có chu kỳ dài, thời gian thu hồi vốn chậm vì có nguy cơ gặp phải nhiều rủi ro. Bên cạnh đó, trong lĩnh vực lưu thông, khi vật giá tăng quá nhanh thì tình trạng đầu cơ, tích trữ hàng hóa thường là hiện tượng phổ biến, gây nên mất cân đối giả tạo làm cho lưu thông hàng hóa càng thêm rối loạn. Lạm phát hoặc siêu lạm phát làm cho hoạt động của hệ thống tín dụng rơi vào tình trạng khủng hoảng. Nguồn tiền gửi trong xã hội bị sụt giảm nhanh chóng, nhiều ngân hàng bị phá sản do mất khả năng thanh toán. Lạm phát điều chỉnh quá nhanh, biểu giá thường xuyên thay đổi làm cho lượng thông tin trong giá cả bị phá hủy, các tính toán kinh tế bị sai lệch nhiều theo thời gian, từ đó gây khó khăn cho các hoạt động đầu tư. Hơn nữa, lạm phát còn gây thiệt hại cho ngân sách Nhà nước bằng việc bào mòn giá trị thực của các khoản công phí. Lạm phát kéo dài và không dự đoán trước được làm cho nguồn thu ngân sách Nhà nước bị giảm do sản xuất bị suy thoái. Tuy nhiên, lạm phát cũng có tác động làm gia tăng số thuế mà Nhà nước thu được trong những trường hợp nhất định. 1.2. Mô hình mạng thần kinh nhân tạo. Dưới góc độ khoa học máy tính, mô hình mạng thần kinh vốn là một trong những ứng dụng của ngành khoa học trí tuệ nhân tạo. Trí tuệ nhân tạo được mô tả là một phần mềm có khả năng mô phỏng tương tự một số hoạt động của con người. Cụ thể hơn, đấy là những hệ thống có khả năng tự học hỏi, chuyển hóa dữ liệu thành “kiến thức” (knowledge) để giải quyết một vấn đề nào đó. Mặc dù chỉ mới được ứng dụng trong lĩnh vực kinh tế - tài chính trong thời gian gần đây, các công cụ trí tuệ nhân tạo đã có một thời gian dài được sử dụng ở những lĩnh vực khác. Phần lớn các ứng dụng của trí tuệ nhân tạo được bắt nguồn từ những quy luật của khoa học tự nhiên mà điển hình là thuật toán di truyền, một trong những ứng dụng được vận dụng nhiều trong -8- các nghiên cứu tài chính những năm gần đây. Thuật toán này được sử dụng để tìm kiếm giải pháp thích hợp cho các bài toán tốt dựa trên việc vận dụng các nguyên lý của quy luật tiến hóa như di truyền, đột biến, chọn lọc tự nhiên và trao đổi chéo. Bên cạnh đó khoa học về trí tuệ nhân tạo còn có những ứng dụng khác như lý thuyết hỗn loạn (chaos theory), thuật toán mô phỏng luyện kim (simulated annealing), hệ chuyên gia (expert system) và lý thuyết logic mờ (Fuzzy logic)… Tuy nhiên, trong số những ứng dụng của trí tuệ nhân tạo thì mô hình mạng thần kinh (Artificla Neural Network) được cho là có khả năng thích nghi tốt nhất với yếu tố “bất định”, vốn tồn tại trong các biến số kinh tế - tài chính và tạo nên rủi ro cho các chủ thể kinh tế trong quá trình ra quyết định. Mô hình mạng thần kinh đã giải quyết vấn đề này tốt hơn so với các công cụ khác là do khả năng nhận biết các mẫu hình trong chuỗi dữ liệu để từ đó đưa ra những dự báo về xu hướng biến động trong tương lai. Đây vốn là khả năng đặc biệt của não bộ con người mà mô hình mạng nhân tạo đã mô phỏng được. Những ý tưởng cơ bản về cách thức hoạt động của não bộ sẽ giúp cho việc tìm hiểu mô hình dễ dàng hơn. 1.2.1. Ý tưởng nền tảng của mô hình mạng thần kinh. Não bộ và hệ thần kinh của con người được cấu thành bởi các tế bào được gọi là nơron. Theo như minh họa trong hình, mỗi nơ-ron sẽ bao gồm các thành phần chính thực hiện nhiệm vụ tiếp nhận tín hiệu đầu vào, xử lý và cho ra các phản ứng ở đầu ra. Bộ phận đầu vào sẽ tiếp nhận các xung thần kinh vốn dĩ là tín hiệu đầu ra của các nơron khác thông qua các khớp thần kinh. Khi tiếp nhận những tín hiệu đầu vào này, bộ phận xử lý trung tâm của nơ-ron sẽ tổng hợp chúng lại và so sánh với mức “ngưỡng phản ứng đầu ra”. Theo đó, chỉ khi nào các tín hiệu kích thích đầu vào vượt qua mức ngưỡng này thì nơ-ron mới được kích hoạt và phản ứng lại bằng cách truyền tín hiệu đầu ra đến một nơ-ron khác. Mức độ phản ứng của mỗi nơ-ron sẽ phụ thuộc vào mức độ của các kích thích đầu vào và bản thân nơ-ron mà nó đã được nhận tín hiệu. Khi các tín hiện được lan truyền giữa các nơ-ron thì sẽ dần hình thành nên một hệ thống mạng lưới các nơ-ron được kích hoạt đồng thời và đây chính là nguồn gốc cho sự kỳ diệu của não bộ con người trong việc nhận dạng các mẫu hình từ quá khứ. -9- Hình 1.1: Cấu trúc nơ-ron trong não bộ và hệ thần kinh 1.2.2. Mô hình mạng thần kinh đơn giản. Tương tự não bộ con người, hệ thống mạng thần kinh cũng bao gồm một tập hợp các nơ-ron nhân tạo. Mỗi nơ-ron sẽ tiếp nhận thông tin đầu vào, xử lý chúng và cho ra giá trị đầu ra. Quá trình này được thể hiện trong hình dưới. Giá trị đầu vào của mỗi nơron có thể là dữ liệu thô hoặc cũng có thể là đầu ra của một nơ-ron khác. Tiếp đó, các nơ-ron nhân tạo này sẽ được được liên kết với nhau và sắp xếp thành các phân lớp (layer). Tương tự các mô hình hồi quy truyền thống, mô hình mạng thần kinh sẽ xác lập mối quan hệ giữa một tập hợp các biến đầu vào {xi}, i = 1, 2,…, k với một hoặc nhiều biến đầu ra, {yj}, j = 1, 2,…, k* . Điều khác biệt là ở sự tồn tại của các “lớp ẩn” (hidden layer). Tại đó, các biến đầu vào sẽ được nén lại hoặc chuyển đổi bởi một hàm số đặc biệt nào đó, thường là hàm logistic hoặc logsigmoid. Chính sự tồn tại của các lớp ẩn này đã giúp cho mô hình mạng thần kinh có khả năng mô phỏng mối tương quan phi tuyến giữa các biến số tốt hơn so với mô hình truyền thống. - 10 - Hình 1.2: Cấu trúc mạng thần kinh đơn giản Mỗi biến đầu vào (Input) sẽ đại diện cho một yếu tố có khả năng tác động đến biến đầu ra. Về cơ bản, đây chính là biến độc lập trong phương trình hồi quy cổ điển. Ví dụ, khi muốn ứng dụng mô hình mạng thần kinh để đưa ra quyết định có nên chấp nhận hay không đối với một khoản cho vay, các biến đầu vào có giá trị tham khảo để đưa ra quyết định này sẽ bao gồm mức thu nhập hàng tháng, trình độ học vấn, tuổi, giới tính… Giá trị của mỗi biến số này sẽ trở được đưa vào các nơ-ron của lớp Input. Trong một số trường hợp, giá trị của biến đầu vào sẽ đại diện cho các biến định tính như: “đúng” hoặc “sai”; “tăng” hoặc “giảm”; “đậu” hoặc “rớt”… Tiếp đó, biến đầu ra (Output) của mô hình chính là giải pháp của vấn đề, chính là biến độc lập trong môi hình hồi quy tuyến tính. Tiếp theo ví dụ trong trường hợp trên, khi đó, biến đầu ra sẽ là quyết định “cho vay” hoặc “không cho vay”. Kết quả này sẽ được mã hóa dưới dạng giá trị số học là +1 và 0. Mục tiêu của mô hình mạng, cũng tương tự các mô hình hồi quy khác sẽ là tính toán và dự báo giá trị của biến đầu ra với một tập hợp các thông tin của biến đầu vào được cho trước trên cơ sở các thông tin thu thập được từ dữ liệu quá khứ. Tương tự với quá trình hồi quy tuyến tính thông thường, mô hình mạng thần kinh sẽ được “huấn luyện” để có thể “học” từ những thông tin trong dữ liệu quá khứ để từ đó có thể đưa ra quyết định hoặc kết quả dự báo. Quá trình này sẽ được tiến hành bằng các thuật toán huấn luyện mạng sẽ được đề cập kỹ hơn ở các phần sau. - 11 - Chính trong quá trình “học” này, hệ thống mạng thần kinh sẽ liên tục điều chỉnh các trọng số (weight) của mỗi nơ-ron sao cho đạt được mục tiêu cuối cùng là giá trị dự báo, kết quả của biến đầu ra từ mô hình mạng sẽ gần sát nhất với giá trị thực tế. Các trọng số là một trong những thành phần quan trọng nhất của hệ thống mạng nhân tạo. Nó sẽ ảnh hưởng đến mức độ tín hiệu được lan truyền từ lớp nơ-ron này sang lớp nơron khác. Các trọng số thể hiện mức độ ảnh hưởng của mỗi nơ-ron bởi các nơ-ron trước đó. Khi so sánh với môi hình hồi quy tuyến tính truyền thống, các trọng số này cũng chính là các hệ số hồi quy thể hiện mức độ tác động của mỗi biến độc lập lên biến phụ thuộc. Tuy nhiên, điểm khác biệt ở mô hình này là các trọng số không chỉ có ở các nơ-ron biến đầu vào mà còn tồn tại ở nơ-ron của các lớp ẩn. 1.2.3. Cấu tạo của mô hình mạng thần kinh. Hệ thống mạng thần kinh nhân tạo được cấu thành bởi 3 bộ phận chính:  Hàm kích hoạt/hàm truyền – thành phần chính của mỗi nơ-ron  Cấu trúc mạng - sự tương tác giữa các nơ-ron.  Thuật toán huấn luyện mạng. 1.2.3.1. Hàm kích hoạt. Các nơ-ron xử lý dữ liệu đầu vào theo hai hướng: trước hết là sẽ định hình các kết hợp tuyến tính của dữ liệu đầu vào và sau đó tiến hành “nén” những kết hợp tuyến tính này thông qua hàm logsigmoid. Hình 1.1 là đồ thị của hàm kích hoạt logistic (hoặc logsidmoid), còn gọi là hàm “nén” (squasher function), của chuỗi số liệu trong khoảng từ -5 đến +5. Theo đó, dữ liệu đầu vào đã được biến đổi trước khi tác động lên biến đầu ra. Sở dĩ hàm logsigmoid được sử dụng là bởi vì “đặc trưng ngưỡng” (threshold behavior) của nó. Điều này rất phù hợp với đặc điểm của các biến số kinh tế trước các tác nhân thay đổi. Ví dụ, khi lãi suất đã ở mức rất thấp hoặc rất cao, sự thay đổi nhỏ lúc này sẽ có tác động rất ít lên quyết định mua một chiếc ô tô hoặc các hàng hóa lâu bền khác của người tiêu dùng. Tuy nhiên, trong một khoảng nào đó được xác định bởi hai giá trị biên, một sự điều chỉnh nhỏ cũng sẽ báo hiệu cho một xu hướng vận động lên hoặc xuống và vì vậy sẽ có tác động lớn đến nhu cầu xe của người tiêu dùng. - 12 - Hình 1.3: Hàm log-sigmoid Hơn nữa, hình dạng của hàm logsigmoid còn được sử dụng vì nó phản ánh quá trình học hỏi từ hành động thực tế (learning by doing). Cụ thể là, đồ thị hàm số thể hiện độ dốc tăng dần cho đến một điểm uốn xác định, sau đó, nó dần trở nên phẳng hơn và độ dốc dần tiến đến không. Tiếp theo ví dụ trước ta sẽ thấy, khi lãi suất bắt đầu tăng từ mức thấp, người tiêu dùng sẽ đánh giá xác suất của một đợt điều chỉnh tăng hoặc giảm mạnh của lãi suất dựa trên thông tin về mức cho vay ở hiện tại. Họ càng có nhiều kinh nghiệm thì càng có khả năng phân tích tín hiệu này để đi đến kết luận rằng đây là một thời cơ tốt để tận dụng mức lãi suất hiện tại hoặc đây là thời điểm nên trì hoãn quyết định mua sắm. Kết quả cuối cùng cũng sẽ khác nhau khi những người này phải ra quyết định ở những các thời điểm khác nhau của mức lãi suất. Tóm lại, hàm phi tuyến logsigmoid đã nắm bắt được các “ngưỡng phản ứng” (threshold response) đặc trưng cho “sự hợp lý có giới hạn” (bounded rationality) hoặc “quá trình tự học hỏi” (learning porcess) của các chủ thể trong trong quá trình hình thành nên các kỳ vọng của mình. Kuan và White (1994) đã cho rằng các điểm “ngưỡng” chính là đặc điểm cốt lõi của các phản ứng phi tuyến trong mô hình mạng thần kinh. Điều này được mô tả là “một số nơ-ron có khuynh hướng phản ứng thụ động trước các tác nhân kích thích khiêm tốn, và chúng nhanh chóng trở nên “năng động” hơn chỉ khi các kích thích này vượt qua một mức ngưỡng nào đó. Tuy nhiên, sau khi vượt quá giai đoạn này, một sự gia tăng trong các kích thích đầu vào sẽ chỉ còn tác động hạn chế”. - 13 - 1.2.3.2. Cấu trúc mạng Sau khi xác định được các nơ-ron cụ thể, phần tiếp theo sẽ là kết hợp chúng lại với nhau để hình thành nên hệ thống mạng. Cách thức mà các nơ-ron được sắp xếp và tương tác với nhau chính là cấu trúc của mô hình. Các nghiên cứu cho thấy có thể có nhiều loại cấu trúc mạng. Tuy nhiên, phần lớn chúng sẽ được chia vào hai loại chính là: mạng truyền thẳng (feed-forward) và mạng phản hồi (feedback). Với cấu trúc mạng truyền thẳng, tín hiệu của mô hình sẽ đi theo một chiều duy nhất từ các nơ-ron đầu vào, lần lượt qua các nơ-ron của lớp ẩn và cuối cùng đến nơ-ron đầu ra. Trong khi đó, với cấu trúc mạng phản hồi, các tín hiệu đầu ra của các nơ-ron lớp này sẽ có thể trở thành đầu vào cho các nơ-ron của lớp trước đó và ta có mô hình mạng thần kinh tuần hoàn (Recurrent Neural Network). Hình 1.4 : Cấu trúc mạng (a) truyền thẳng (feed-forward) và (b) mạng phản hồi (feed-back) Nguồn: Joarder, Rezaul va Ruhul (2006) “Artificial Neural Network in Finance and Manufacturing”.
- Xem thêm -