Phương pháp dự báo chu kỳ kinh tế

Một hệ thống dự báo đáng tin cậy thường kết hợp bốn thành phần:

·         Chỉ báo dẫn dắt để nhận biết thay đổi trước khi chúng xuất hiện rõ trong GDP

·         Dữ liệu đồng thời và dữ liệu trễ để xác nhận trạng thái thực tế

·         Mô hình thống kê hoặc kinh tế lượng để lượng hóa xác suất và tốc độ biến động

·         Kịch bản kinh tế để kiểm tra tác động của các cú sốc và phản ứng chính sách

Điểm quan trọng nhất là không có chỉ báo nào luôn dự báo đúng. Đường cong lợi suất, đơn hàng mới, tín dụng hay niềm tin kinh doanh đều có thể phát tín hiệu sớm, nhưng cũng có thể báo động giả. Vì vậy, dự báo chu kỳ phải dựa trên sự hội tụ của nhiều nhóm bằng chứng, được cập nhật liên tục khi dữ liệu mới xuất hiện.

Xác định chính xác đối tượng cần dự báo

Trước khi xây dựng mô hình, người phân tích phải xác định “chu kỳ kinh tế” đang được đo theo nghĩa nào. Hai cách tiếp cận phổ biến là chu kỳ tăng trưởng và chu kỳ kinh doanh cổ điển.

Chu kỳ kinh doanh cổ điển mô tả sự luân phiên giữa mở rộng và suy giảm của hoạt động kinh tế tổng thể. NBER xác định đỉnh và đáy của chu kỳ Hoa Kỳ bằng nhiều chỉ báo kinh tế thay vì chỉ căn cứ vào quy tắc GDP giảm trong hai quý liên tiếp. Các biến được xem xét phản ánh mức độ lan rộng, chiều sâu và thời gian của sự suy giảm.

Chu kỳ tăng trưởng lại tập trung vào khoảng cách giữa hoạt động thực tế và xu hướng dài hạn. Nền kinh tế có thể vẫn tăng trưởng dương nhưng đang ở pha giảm tốc nếu tốc độ tăng thấp dần hoặc sản lượng đi xuống so với tiềm năng. Hệ thống chỉ báo dẫn dắt tổng hợp của OECD được thiết kế chủ yếu để nhận diện các điểm ngoặt của dao động kinh tế quanh xu hướng dài hạn, chứ không dự báo chính xác mức tăng GDP.

Do đó, mục tiêu dự báo cần được xác định bằng ba câu hỏi:

1.    Cần dự báo mức tăng trưởng hay điểm đảo chiều

2.    Khung thời gian là quý hiện tại, 6–12 tháng hay nhiều năm

3.    Kết quả cần là một con số, một xác suất hay một kịch bản

Dự báo GDP quý hiện tại là bài toán “ước tính hiện thời”, thường gọi là nowcasting. Dự báo suy thoái trong 12 tháng là bài toán phân loại xác suất. Phân tích chu kỳ vài năm lại cần xem xét đầu tư, tín dụng, năng lực sản xuất và tác động tích lũy của chính sách. Nếu không phân biệt ba mục tiêu này, mô hình có thể được đánh giá bằng một tiêu chuẩn không phù hợp.

Xây dựng hệ thống chỉ báo theo thời điểm phản ứng

Các biến kinh tế thường được chia thành chỉ báo dẫn dắt, chỉ báo đồng thời và chỉ báo trễ. Việc phân nhóm giúp xác định mỗi dữ liệu đóng vai trò cảnh báo, xác nhận hay giải thích.

Chỉ báo dẫn dắt

Chỉ báo dẫn dắt có xu hướng thay đổi trước hoạt động kinh tế tổng thể. Những nhóm thường được theo dõi gồm:

·         Đơn hàng mới, kỳ vọng sản xuất và tồn kho

·         Niềm tin doanh nghiệp và người tiêu dùng

·         Điều kiện tín dụng và tiêu chuẩn cho vay

·         Chênh lệch lợi suất trái phiếu ngắn hạn và dài hạn

·         Giá tài sản, chênh lệch tín dụng và biến động thị trường

·         Giấy phép xây dựng, đầu tư dự kiến và nhu cầu lao động

·         Chỉ báo dẫn dắt tổng hợp

Các khảo sát xu hướng kinh doanh có lợi thế về tốc độ vì doanh nghiệp có thể báo cáo kỳ vọng, đơn hàng và kế hoạch sản xuất trước khi số liệu sản lượng chính thức được công bố. OECD cho biết nhiều chuỗi khảo sát có khả năng cung cấp cảnh báo trước về điểm ngoặt của sản xuất công nghiệp hoặc GDP. Chỉ số niềm tin kinh doanh của OECD cũng được xây dựng từ đánh giá về sản xuất, đơn hàng và tồn kho thành phẩm.

Đường cong lợi suất là một chỉ báo tài chính được sử dụng rộng rãi. Khi lãi suất ngắn hạn cao hơn lãi suất dài hạn, thị trường có thể đang phản ánh chính sách tiền tệ thắt chặt và kỳ vọng tăng trưởng yếu hơn. Tuy nhiên, nghiên cứu của Cục Dự trữ Liên bang Hoa Kỳ cho thấy mô hình kết hợp chênh lệch kỳ hạn với mức lãi suất chính sách có thể dự báo tốt hơn mô hình chỉ dùng độ dốc đường cong lợi suất. Điều này cho thấy đảo ngược lợi suất không nên được diễn giải như một quy luật cơ học.

Chỉ báo đồng thời

Chỉ báo đồng thời phản ánh trạng thái hiện tại của nền kinh tế, chẳng hạn:

·         Sản xuất công nghiệp

·         Doanh số bán lẻ và tiêu dùng thực

·         Việc làm, số giờ làm và thu nhập

·         Thu nhập thực của hộ gia đình

·         Khối lượng vận tải, điện năng hoặc thanh toán

·         GDP và giá trị gia tăng theo ngành

Những biến này giúp kiểm tra liệu tín hiệu từ chỉ báo dẫn dắt đã chuyển thành thay đổi thực tế hay chưa. Chẳng hạn, niềm tin doanh nghiệp suy giảm nhưng sản xuất, việc làm và thu nhập vẫn tăng có thể chỉ phản ánh tâm lý thận trọng tạm thời. Ngược lại, nếu đơn hàng, sản lượng và giờ làm cùng giảm, bằng chứng về pha suy yếu trở nên mạnh hơn.

Chỉ báo trễ

Các biến như tỷ lệ thất nghiệp, nợ xấu hoặc phá sản thường phản ứng sau khi chu kỳ đã thay đổi. Chúng ít phù hợp để dự báo điểm ngoặt đầu tiên nhưng hữu ích để đánh giá chiều sâu và mức độ lan rộng của suy giảm.

Sai lầm phổ biến là loại bỏ chỉ báo trễ vì cho rằng chúng “không có giá trị dự báo”. Trên thực tế, chúng giúp xác nhận chế độ kinh tế, kiểm tra tính nhất quán của dự báo và ước lượng hậu quả kéo dài của một cú sốc.

Chuẩn hóa và xử lý dữ liệu trước khi dự báo

Dữ liệu kinh tế không thể được đưa trực tiếp vào mô hình mà không xử lý. Các chuỗi có tần suất, đơn vị, độ trễ công bố và đặc tính mùa vụ khác nhau.

Quy trình chuẩn hóa thường bao gồm:

1.    Điều chỉnh mùa vụ và hiệu ứng lịch

2.    Chuyển dữ liệu danh nghĩa thành dữ liệu thực khi cần

3.    Tính tốc độ tăng theo tháng, quý hoặc năm

4.    Tách xu hướng dài hạn khỏi thành phần chu kỳ

5.    Chuẩn hóa các biến về cùng thang đo

6.    Căn chỉnh dữ liệu theo ngày công bố thực tế

7.    Lưu lại các phiên bản dữ liệu trước khi được điều chỉnh

Bước thứ sáu đặc biệt quan trọng. Một mô hình có thể cho kết quả rất tốt nếu được kiểm định bằng số liệu hoàn chỉnh hiện nay, nhưng hoạt động kém khi sử dụng tập dữ liệu thực sự có sẵn tại thời điểm dự báo. GDP, việc làm và nhiều thống kê khác thường được điều chỉnh sau lần công bố đầu tiên. Vì vậy, đánh giá đúng phải sử dụng dữ liệu thời gian thực, tránh vô tình đưa thông tin tương lai vào quá khứ.

Với dữ liệu có tần suất khác nhau, mô hình nowcasting có thể kết hợp GDP theo quý với sản xuất, bán lẻ và khảo sát theo tháng, thậm chí dữ liệu thanh toán theo ngày. Các nghiên cứu của ECB sử dụng mô hình nhân tố hoặc mô hình tần suất hỗn hợp để cập nhật ước tính GDP khi từng “đợt tin” mới được công bố.

Tách xu hướng cũng cần được thực hiện thận trọng. Khoảng cách sản lượng và điểm ngoặt gần cuối mẫu thường bị điều chỉnh mạnh khi dữ liệu mới xuất hiện. Một nền kinh tế có thay đổi cơ cấu, năng suất hoặc dân số có thể khiến xu hướng lịch sử không còn phù hợp. Vì thế, bộ lọc thống kê nên được đối chiếu với dữ liệu lao động, công suất, lạm phát và thông tin cơ cấu thay vì được xem là ước lượng chắc chắn về sản lượng tiềm năng.

Kết hợp chỉ báo thành mô hình dự báo

Sau khi dữ liệu được chuẩn hóa, người phân tích có thể sử dụng nhiều lớp mô hình thay vì phụ thuộc vào một công thức duy nhất.

Mô hình chỉ số tổng hợp

Một chỉ số tổng hợp gộp nhiều biến dẫn dắt vào một thước đo chung. Quy trình cơ bản gồm lựa chọn biến có quan hệ ổn định với chu kỳ, loại bỏ xu hướng, chuẩn hóa biên độ, xác định độ trễ và tính trọng số.

Ưu điểm của phương pháp này là dễ theo dõi và giảm nhiễu của từng chuỗi riêng lẻ. Hạn chế là chỉ số thường cho biết hướng và điểm ngoặt tốt hơn mức tăng trưởng cụ thể. OECD nhấn mạnh CLI cung cấp thông tin định tính về chuyển động kinh tế ngắn hạn thay vì một dự báo định lượng trực tiếp.

Mô hình hồi quy và xác suất suy thoái

Hồi quy tuyến tính có thể dự báo tăng trưởng GDP từ các biến như đơn hàng, tín dụng, lãi suất và điều kiện tài chính. Khi mục tiêu là xác suất suy thoái, mô hình probit hoặc logit thường được sử dụng:

[

P(\text{suy thoái trong } h \text{ tháng}) =

F(\beta_0 \beta_1X_1 \cdots \beta_kX_k)

]

Trong đó, (F) là hàm phân phối xác suất, còn các (X) là chỉ báo dẫn dắt. Kết quả 35% không có nghĩa suy thoái chắc chắn xảy ra, mà cho biết những điều kiện hiện tại từng gắn với suy thoái trong khoảng 35% trường hợp tương tự theo mô hình.

Ngưỡng cảnh báo không nên tự động đặt ở 50%. Nếu chi phí bỏ sót suy thoái lớn hơn chi phí báo động giả, tổ chức có thể chọn ngưỡng thấp hơn. Việc chọn ngưỡng vì thế là quyết định quản trị rủi ro, không chỉ là vấn đề thống kê.

Mô hình nhân tố và mô hình đa biến

Khi có hàng chục hoặc hàng trăm chuỗi, mô hình nhân tố động có thể rút chúng thành một số yếu tố chung đại diện cho hoạt động kinh tế, giá cả và điều kiện tài chính. VAR, Bayesian VAR hoặc mô hình tần suất hỗn hợp được dùng khi cần mô tả quan hệ động giữa nhiều biến.

Ưu điểm là khai thác được lượng thông tin lớn. Đổi lại, mô hình phức tạp hơn, nhạy với cách chọn dữ liệu và khó giải thích hơn. Trong thực tế, mô hình đơn giản thường được giữ làm chuẩn so sánh. Một mô hình mới chỉ có giá trị khi cải thiện dự báo ngoài mẫu, chứ không chỉ khớp tốt với dữ liệu quá khứ.

Mô hình chuyển trạng thái

Mô hình Markov hoặc mô hình chế độ ẩn coi nền kinh tế có thể chuyển giữa các trạng thái như mở rộng, giảm tốc và suy thoái. Xác suất trạng thái hiện tại được cập nhật khi dữ liệu mới xuất hiện.

Cách tiếp cận này phù hợp với bản chất phi tuyến của chu kỳ: quan hệ giữa tín dụng, việc làm và sản lượng trong suy thoái có thể khác đáng kể so với trong mở rộng. Tuy nhiên, kết quả phụ thuộc vào cách định nghĩa trạng thái và số lượng chu kỳ có trong mẫu. Với quốc gia có lịch sử dữ liệu ngắn, xác suất ước lượng có thể thiếu ổn định.

Chuyển dự báo điểm thành hệ thống kịch bản

Một dự báo trung tâm duy nhất dễ tạo cảm giác chính xác giả. Chu kỳ kinh tế chịu tác động của giá năng lượng, thương mại, chính sách tiền tệ, tài khóa, tài sản và các cú sốc khó dự đoán. Vì vậy, dự báo nên được trình bày dưới dạng kịch bản.

Một bộ kịch bản cơ bản gồm:

·         Kịch bản cơ sở dựa trên giả định có khả năng xảy ra cao nhất

·         Kịch bản tích cực với điều kiện tài chính thuận lợi hoặc cầu phục hồi nhanh

·         Kịch bản tiêu cực với cú sốc lạm phát, tín dụng, thương mại hoặc tài sản

·         Kịch bản rủi ro cực đoan có xác suất thấp nhưng tác động lớn

Mỗi kịch bản cần xác định rõ giả định đầu vào, chuỗi tác động và chỉ báo xác nhận. Ví dụ, một cú sốc lãi suất có thể tác động theo trình tự: chi phí vốn tăng, tín dụng chậm lại, đầu tư và nhà ở suy yếu, nhu cầu lao động giảm, sau đó ảnh hưởng đến tiêu dùng.

Các hệ thống phân tích chính sách của IMF kết hợp dự báo ngắn hạn với mô hình trung hạn, một đường cơ sở nhất quán và các kịch bản thay thế. Cách tiếp cận này cho phép kiểm tra tác động của những giả định như lãi suất tăng, giá dầu thay đổi hoặc điều kiện bên ngoài xấu đi.

Kịch bản không phải là ba con số tăng trưởng tùy ý. Một kịch bản hợp lệ phải trả lời được:

1.    Cú sốc bắt đầu từ đâu

2.    Truyền qua những kênh nào

3.    Biến nào phản ứng trước

4.    Phản ứng chính sách có thể làm thay đổi kết quả ra sao

5.    Dấu hiệu nào cho thấy cần chuyển từ kịch bản cơ sở sang kịch bản khác

Kiểm định, cập nhật và diễn giải sai số

Mô hình dự báo phải được kiểm định ngoài mẫu bằng cách mô phỏng những gì người phân tích thực sự biết tại từng thời điểm trong quá khứ.

Các tiêu chí đánh giá nên bao gồm:

·         Sai số tuyệt đối hoặc sai số bình phương của dự báo tăng trưởng

·         Khả năng phát hiện đúng suy thoái

·         Tỷ lệ báo động giả

·         Thời gian cảnh báo trước điểm ngoặt

·         Độ ổn định khi dữ liệu được điều chỉnh

·         Khả năng dự báo trong nhiều loại cú sốc

·         Mức cải thiện so với mô hình chuẩn đơn giản

Với dự báo xác suất, cần kiểm tra cả khả năng phân biệt và hiệu chuẩn. Nếu những trường hợp được dự báo xác suất suy thoái khoảng 30% thực tế chỉ suy thoái 5%, mô hình đang phóng đại rủi ro. Nếu suy thoái xảy ra khoảng 30% số trường hợp, xác suất được xem là hiệu chuẩn tốt hơn.

Người dự báo cũng phải phân biệt cảnh báo chu kỳ thông thường với rủi ro tài chính. Tăng trưởng tín dụng nhanh và giá bất động sản vượt xu hướng có thể chưa báo hiệu suy thoái ngay lập tức, nhưng cho thấy nền kinh tế dễ tổn thương hơn trước cú sốc. BIS sử dụng khoảng cách tín dụng so với GDP như một chỉ báo cảnh báo sớm về căng thẳng ngân hàng, đồng thời lưu ý các chỉ báo cảnh báo không thể xác định chính xác thời điểm khủng hoảng.

Vì cơ cấu kinh tế và chính sách thay đổi, mô hình cần được cập nhật theo chu kỳ công bố dữ liệu. Quy trình vận hành có thể gồm:

1.    Cập nhật dữ liệu mới và ghi nhận mức điều chỉnh

2.    Chạy lại chỉ số, nowcast và xác suất chế độ

3.    Xác định chỉ báo nào tạo ra thay đổi lớn nhất

4.    So sánh kết quả giữa nhiều mô hình

5.    Kiểm tra sự hội tụ giữa khu vực thực, lao động và tài chính

6.    Điều chỉnh trọng số kịch bản nhưng không sửa mô hình chỉ để khớp một quan sát

7.    Ghi lại nguyên nhân sai số để cải thiện lần dự báo sau

Một tín hiệu mạnh thường xuất hiện khi nhiều nhóm dữ liệu độc lập cùng thay đổi: đơn hàng giảm, điều kiện tín dụng thắt chặt, sản xuất yếu đi và nhu cầu lao động chậm lại. Nếu chỉ một biến phát cảnh báo, kết luận nên được giữ ở mức thận trọng.

Dự báo chu kỳ kinh tế được thực hiện bằng cách xác định đúng loại chu kỳ và khung thời gian, xây dựng hệ thống chỉ báo dẫn dắt–đồng thời–trễ, chuẩn hóa dữ liệu, chạy nhiều mô hình và chuyển kết quả thành các kịch bản có điều kiện. Chất lượng dự báo không nằm ở việc tìm được một chỉ báo “thần kỳ”, mà ở khả năng kết hợp bằng chứng, đánh giá xác suất, nhận biết giới hạn và cập nhật quan điểm khi dữ liệu mới xuất hiện.

Một dự báo hữu ích nên cho biết nền kinh tế có thể đi theo hướng nào, xác suất của từng hướng, giả định đứng sau kết quả và tín hiệu nào sẽ làm dự báo thay đổi. Cách trình bày này phản ánh đúng bản chất bất định của chu kỳ và hỗ trợ quyết định tốt hơn so với một con số dự báo duy nhất.