Sử dụng mô hình ARIMA để dự báo tỉ giá hối đoái VNĐ/USD

Trần Văn Thời

Khoa Khoa học cơ bản và dữ liệu, Trường Đại học Công đoàn

Tóm tắt

Thông tin quá khứ và thông tin hiện tại là các yếu tố quan trọng nhất tác động đến thông tin tương lai. Nghiên cứu sử dụng mô hình ARIMA để dự báo giá trị tương lai của tỉ giá hối đoái đồng Việt Nam/đô la Mỹ (VNĐ/USD) thông qua giá trị quá khứ và giá trị hiện tại của biến này. Khoảng dự báo hướng tới là 4 tháng (tháng 7, 8, 9, 10) dựa trên số liệu tỉ giá hối đoái VNĐ/USD tháng trong khoảng thời gian tháng 1/2016 đến tháng 6/2025 được thu thập trên Cơ sở dữ liệu thống kê tài chính quốc tế của Quỹ Tiền tệ quốc tế - IMF (IFS). Kết quả cho thấy mô hình ARIMA(5, 1, 5) là mô hình tối ưu để dự báo giá trị tương lai của tỉ giá hối đoái VNĐ/USD và mô hình ARIMA là phù hợp để dự báo tỉ giá hối đoái VNĐ/USD trong ngắn hạn.

Từ khóa: Dự báo, mô hình ARIMA, tỉ giá hối đoái

Summary

Past and current information are the most critical factors influencing future values. The study employs the ARIMA model to forecast the future value of the VND/USD exchange rate using the historical and current values of the variable. The forecasting horizon covers four months (July, August, September, and October), based on monthly VND/USD exchange rate data from January 2016 to June 2025, collected from the International Financial Statistics (IFS) database. The results indicate that the ARIMA(5, 1, 5) model is the optimal specification for forecasting the future value of the VND/USD exchange rate, confirming the suitability of the ARIMA model for short-term exchange rate forecasting.

Keywords: Forecasting, ARIMA model, exchange rate

TỔNG QUAN

Tỉ giá hối đoái là một biến số vĩ mô quan trọng trong nền kinh tế. Bất kì một sự biến động (tăng hay giảm) nào của biến số này cũng tác động trực tiếp đến các doanh nghiệp (xuất khẩu, nhập khẩu), các nhà đầu tư, từ đó ảnh hưởng đến các hoạt động của nền kinh tế và các thành phần khác của nền kinh tế. Hiện tại, có nhiều công trình xây dựng các mô hình dự báo biến tỉ giá hối đoái và nhiều công trình sử dụng mô hình ARIMA để dự báo biến số này.

Rossi (2013) đã khẳng định tỉ giá hối đoái là biến có thể dự báo được. Khả năng dự báo phụ thuộc vào bản thân biến được dự báo, biến dự báo (yếu tố tác động đến biến được dự báo), mô hình dự báo, kì dự báo và dữ liệu sử dụng để dự báo. Dự báo được giá trị của tỉ giá hối đoái trong tương lai giúp doanh nghiệp chủ động trong kế hoạch ngoại thương, giúp nhà đầu tư điều chỉnh hành vi để đạt được lợi ích tối đa và giảm thiểu rủi ro; đồng thời cũng giúp nền kinh tế đạt trạng thái thương mại tốt nhất (cân bằng, thặng dư thương mại cao nhất hoặc giảm thiểu thâm hụt thương mại).

Appiah, S.T. and I.A. Adetunde (2011) sử dụng mô hình ARIMA để dự báo tỉ giá hối đoái hàng tháng giữa đồng Cedi Ghana và USD. Qua dữ liệu hàng tháng được thu thập từ tháng 1/1994 đến tháng 12/2010, tác giả xác định mô hình ARIMA(1, 1, 1) là mô hình phù hợp nhất. Dựa vào mô hình này, tác giả dự báo được chuỗi tỉ giá hối đoái hàng tháng giữa đồng Cedi Ghana và USD cho giai đoạn 2 năm từ tháng 1/2011 đến tháng 12/2012 đã được tính toán và thấy rằng đồng Cedi Ghana sẽ mất giá so với đồng USD.

Ayodele A. Adebiyi., Aderemi O. Adewumi và Charles K. Ayo (2014) sử dụng mô hình ARIMA dự đoán giá cổ phiếu. Dựa trên dữ liệu thu được từ Sở giao dịch chứng khoán New York (NYSE) và Sở giao dịch chứng khoán Nigeria (NSE) kết quả thực nghiệm cho thấy rằng mô hình ARIMA có tiềm năng mạnh mẽ trong dự đoán ngắn hạn và có thể cạnh tranh thuận lợi với các kỹ thuật hiện có để dự đoán giá cổ phiếu.

Tamizharasi D, Purushottam Bung và Jahnavi M (2024) sử dụng mô hình SARIMA để dự báo tỉ giá hối đoái hàng tuần của đồng rupee Ấn Độ (INR) so với USD. Với mẫu dữ liệu của tỉ giá hối đoái tham chiếu hàng tuần của Ngân hàng Trung ương Ấn Độ (RBI) từ tháng 6/2013 đến tháng 6/2023, kết quả dự báo tỉ giá hối đoái INR/USD trong 90 ngày cho thấy sự mất giá của đồng rupee Ấn Độ so với USD. Qua đó tác giả khẳng định mô hình SARIMA là mô hình dự báo tỉ giá hối đoái tốt.

Nwankwo Steve C (2014) đã áp dụng mô hình ARIMA để dự báo tỉ giá hối đoái giữa Naira Nigeria và USD với dữ liệu của giai đoạn 1982-2011. Thông qua phương pháp Box-Jenkins, mô hình ARIMA(1, 0, 0) được cho là mô hình tốt nhất để dự báo theo các tiêu chí yêu cầu.

Tran Mong Uyen Ngan (2016) sử dụng mô hình ARIMA để dự báo tỉ giá hối đoái giữa VND/USD trong 30 ngày của tháng 1/2016. Dữ liệu được tác giả sử dụng để dự báo là dữ liệu tỉ giá hối đoái thực tế từ ngày đầu tiên của năm 2013 đến ngày cuối cùng của năm 2015 lấy từ ngân hàng Vietcombank. Từ kết quả thực nghiệm tác giả khẳng định mô hình ARIMA phù hợp trong việc dự báo tỉ giá hối đoái tại Việt Nam trong thời gian ngắn.

Tất cả các công trình trên đều khẳng định tỉ giá hối đoái có thể dự báo được và mô hình ARIMA là một công cụ thích hợp để dự báo tỉ giá hối đoái trong ngắn hạn. Tiếp tục chủ đề dự báo tỉ số hối đoái, tác giả cũng sử dụng mô hình ARIMA để dự báo tỉ giá hối đoái VNĐ/USD trong 4 kì (tháng) tiếp theo, với khoảng dữ liệu sử dụng là tỉ giá hối đoái cuối kì từ tháng 1/2016 đến tháng 6/2025 được thu thập từ Cơ sở dữ liệu thống kê tài chính quốc tế của Quỹ Tiền tệ quốc tế - IMF (IFS). Đây là bộ dữ liệu đầu tiên được sử dụng trong dự báo tỉ giá hối đoái VNĐ/USD ở nghiên cứu này và phần mềm sử dụng chạy mô hình là Eviews 11. Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế.

CƠ SỞ LÝ THUYẾT

Mô hình ARIMA là công cụ được sử dụng để dự báo trong nghiên cứu này. Đối tượng dự báo là tỉ giá hối đoái VNĐ/USD và số kì dự báo là 4 kì (tháng).

Mô hình ARIMA (Autorgressive Integrated Moving Average) hiểu là mô hình trung bình trượt tích hợp tự hồi quy. Mô hình ARIMA gồm 3 quá trình đồng thời: quá trình trung bình trượt, quá trình tích hợp và quá trình tự hồi quy. Với chuỗi thời gian Yt, mô hình ARIMA (p, d, q) tổng quát có dạng:

Yt = a + β1Yt-1 + β2Yt-2 + … + βpYt-p + βp+1et-1 + βp+2et-2 + … + βp+qet-q + et’

với p là bậc tự hồi quy (được xác định bởi hàm tự tương quan riêng PACF), d là bậc tích hợp (được xác định bởi kiểm định nghiệm đơn vị và q là bậc trung bình trượt (được xác định bởi hàm tự tương quan ACF)

Để sử dụng được mô hình ARIMA để dự báo cần tiến hành theo 4 bước sau:

- Bước 1: Nhận dạng mô hình thông qua việc xác định giá trị của p, d, q.

- Bước 2: Ước lượng các mô hình ARIMA với p, d, q tìm được. Từ đó lựa chọn mô hình tốt nhất.

- Bước 3: Kiểm định tính dừng của chuỗi phần dư của mô hình tốt nhất.

- Bước 4: Dự báo. Giá trị dự báo của biến Yt được xác định bởi mô hình dự báo:

Yt+1 = a + β1Yt + β2Yt-1 + … + βpYt-p+1 + βp+1et + βp+2et-1 + … + βp+qet-q+1

KẾT QUẢ NGHIÊN CỨU

Nhận dạng mô hình

Chuỗi tỉ giá hối đoái VNĐ/USD được kí hiệu là: EX; chuỗi sai phân bậc nhất của chuỗi này được kí hiệu là: D(EX). Kết quả kiểm định tính dừng bằng thủ tục kiểm định nghiệm đơn vị (Augmented Dickey-Fuller test) cho thấy chuỗi EX không dừng và chuỗi D(EX) là chuỗi dừng. Điều này có nghĩa là chuỗi EX dừng sau quá trình lấy sai phân bậc 1, tức d = 1.

Tiếp theo, kiểm tra quá trình tự hồi quy và quá trình trung bình trượt của chuỗi D(EX). Dựa vào biểu đồ tự tương quan (Bảng 1), bậc có thể của quá trình tự hồi quy p = 5; bậc có thể của quá trình trung bình trượt q = 5, 10.

Bảng 1: Biểu đồ tự tương quan của chuỗi D(EX)

Nguồn: Kết quả chạy từ mô hình

Ước lượng các mô hình

Với các giá trị có thể có của p và q ở mục trên, tiến hành ước lượng các mô hình ARIMA: ARIMA(5, 1, 0), ARIMA(5, 1, 5), ARIMA(0, 1, 5), ARIMA(5, 1, 10) và ARIMA(0, 1, 10), từ đó lựa chọn mô hình ARIMA tốt nhất. Tiêu chí lựa chọn mô hình thích hợp được cho bởi Bảng 2.

Bảng 2: Tiêu chí lựa chọn mô hình ARIM

Nguồn: Kết quả chạy từ mô hình

Mô hình tốt nhất là mô hình có số hệ số hồi quy có ý nghĩa thống kê nhiều nhất, hệ số xác định hiệu chỉnh lớn nhất, trong khi các tiêu chí SIGMASQ, AIC và SIC là nhỏ nhất. Trong 5 mô hình ARIMA nói trên, theo Bảng 2, mô hình ARIMA(5, 1, 5) là tốt hơn cả. Trước khi quyết định lựa chọn mô hình ARIMA(5, 1, 5) để dự báo, cần kiểm tra tính dừng của chuỗi phần dư e thu được từ mô hình này.

Kiểm tra tính dừng của chuỗi phần dư e

Tiếp tục sử dụng thủ tục kiểm định nghiệm đơn vị (Augmented Dickey-Fuller test) cho chuỗi phần dư e của mô hình ARIMA(5, 1, 5) chúng ta thấy chuỗi phần dư e không có nghiệm đơn vị, tức chuỗi phần dư e là chuỗi dừng. Tiếp theo, sử dụng mô hình ARIMA(5, 1, 5) để dự báo tỉ giá hối đoái VNĐ/USD.

Dự báo

Kết quả dự báo tỉ giá hối đoái VNĐ/USD cho 4 kì tiếp theo bằng mô hình ARIMA(5, 1, 5) được thể hiện tại Bảng 3.

Bảng 3: Giá trị tỉ giá hối đoái VNĐ/USD dự báo trong 4 kì tiếp theo

Kết quả Bảng 3, cột 2 là thông tin tỉ giá hối đoái thực tế (lấy từ IFS), cột 3 là giá trị dự báo của tỉ giá hối đoái (kết quả chạy từ mô hình ARIMA(5, 1, 5), cột 4 là chênh lệch giữa giá trị dự báo và giá trị thực tế (EX thực tế - EX dự báo). Giá trị chênh lệch này thuộc khoảng từ 18 đồng đến 115 đồng (xét về giá trị tuyệt đối) - mức chênh lệch rất nhỏ. Trong khi cột 5 cho biết thông tin về phần trăm chênh lệch giữa giá trị dự báo và giá trị thực tế của tỉ giá hối đoái VNĐ/USD (từ 2025M2 đến 2025M6). Giá trị phần trăm chênh lệch này được xác định bởi công thức dưới đây:

Xét về mặt giá trị tuyệt đối thì % chênh lệch không vượt quá 0,46% và có những tháng phần trăm chênh lệch là rất rất nhỏ với chỉ 0,07%. Điều này cho thấy mô hình ARIMA(5, 1, 5) là một mô hình tốt để dự báo tỉ giá hối đoái VNĐ/USD trong ngắn hạn. Bốn giá trị in đậm trong Cột 3 của Bảng 3 là 4 kì dự báo cho tỉ giá hối đoái VNĐ/USD. Căn cứ vào các giá trị thu được (giá trị dự báo), giá trị của VNĐ tăng tương đổi ổn định trong 4 kì này với khoảng 27 đồng (hiệu số của kì sau so với kì trước).

KẾT LUẬN

Dựa vào dữ liệu về tỉ giá hối đoái cuối kì tháng 1/2016 đến tháng 6/2025 thu thập từ web thống kê tài chính quốc tế IFS và công cụ là mô hình ARIMA nghiên cứu khẳng định mô hình này là phù hợp để dự báo tỉ giá hối đoái VNĐ/USD trong ngắn hạn và dự báo được tỉ giá hối đoái VNĐ/USD trong 4 (tháng) kì tiếp theo (tháng 7, 8, 9 và 10). Sự biến động của tỉ giá hối đoái VNĐ/USD ảnh hưởng trực tiếp đến hoạt động thương mại của nền kinh tế Việt Nam. Vì vậy, phân tích và dự báo tỉ giá hối đoái là chủ đề được rất nhiều các thành phần kinh tế quan tâm. Mức chênh lệch của kết quả dự báo rất nhỏ (hiệu số giữa giá trị dự báo và giá trị thực tế của tỉ giá hối đoái rất nhỏ). Do vậy kết quả thu được từ nghiên cứu này là một kênh tham khảo hữu ích cho các nhà làm chính sách, các doanh nghiệp và các nhà đầu tư.

Tài liệu tham khảo:

1. Appiah, S.T. and I.A. Adetunde (2011). Forecasting Exchange Rate Between the Ghana Cedi and the Us Dollar Using Time Series Analysis. African Journal of Basic & Applied Sciences, 3 (6): 255-264, 2011. ISSN 2079-2034 © IDOSI Publications, 2011.

2. Ayodele A. Adebiyi., Aderemi O. Adewumi và Charles K. Ayo (2014). Stock Price Prediction Using the ARIMA Model. 978-1-4799-4923-6/14 $31.00 © 2014 IEEE DOI 10.1109/UKSim.2014.67

3. IMF. https://data.imf.org/en/Data-Explorer

4. Nwankwo Steve C (2014). Autoregressive Integrated Moving Average (ARIMA) Model for Exchange Rate (Naira to Dollar). E-ISSN 2281-4612. ISSN 2281-3993. Doi:10.5901/ajis.2014.v3n4p429

5. Rossi (2013). Exchange Rate Predictability. Journal of Economic Literature, 51 (4): 1063–1119. DOI: 10.1257/jel.51.4.1063

6. Tamizharasi D, Purushottam Bung and Jahnavi M (2024). Predicting exchange rate between US Dollar (USD) and Indian rupee (INR): An empirical analysis using SARIMA Model. DOI: https://doi.org/10.33545/26175754.2024.v7.i1a.283

7. Tran Mong Uyen Ngan (2016). Forecasting Foreign Exchange Rate by using ARIMA Model: A Case of VND/USD Exchange Rate. https://iiste.org/Journals/index.php/RJFA/article/viewFile/31511/32351