Mô tả vắn tắt học phần

Môn học này chia thành hai nội dung quan trong: (1) thu thập, quản lý và phân tích dữ liệu chuỗi thời gian; và (2) xây dựng các mô hình kinh tế lượng chuỗi thời gian cho các mục đích dự báo hoặc kiểm định giả thuyết kinh tế.

Việc thu thập và quản lý dữ liệu chuỗi thời gian đã được giới thiệu một cách sơ bộ ở các học phần Kinh tế vĩ mô (về các chỉ số kinh tế vĩ mô, cán cân thanh toán, hệ thống tiền tệ, và ngân sách chính phủ) và Thống kê trong kinh tế và kinh doanh (về cách tính các chỉ số thống kê như CPI, PPI), cho nên ở môn học này chúng tôi chỉ giới thiệu các nguồn dữ liệu có thể tiếp cận cho nghiên cứu và hướng dẫn cách quản lý dữ liệu chuỗi thời gian bằng với Stata hoặc R.

Việc phân tích dữ liệu chuỗi thời gian sẽ tập trung vào các nội dung sau đây: cách làm trơn dữ liệu, tạo biến xu thế, tạo biến giả mùa vụ, và biến giả cấu trúc; sử dụng các đồ thị chuỗi thời gian để phát hiện xu hướng vận động, mối quan hệ giữa các biến, và phát hiện các điểm gãy cấu trúc hoặc các điểm ngưỡng có thể có trong dữ liệu; ý nghĩa của các hệ số tự tương quan và giản đồ tự tương quan; tìm hiểu tính chất các chuỗi dừng, chuỗi không dừng, các bước ngẫu nhiên, chuỗi dừng sai phân, chuỗi dừng xu thế, chuỗi theo cơ chế tự hồi quy (AR), và chuỗi theo cơ chế trung bình di động (MA); các kiểm định nghiệm đơn vị, và các kiểm định đồng liên kết/đồng tích hợp. 

Về xây dựng các mô hình kinh tế lượng chuỗi thời gian, chúng tôi sẽ chia thành các mô hình đơn biến và đa biến. Nhóm mô hình đơn biến được chia thành hai phân nhóm: giản đơn và nâng cao. Phân nhóm giản đơn sẽ tập trung vào các mô hình trung bình di động, san mũ Holt, san mũ Winter, san mũ Holt-Winter, và các mô hình ARIMA để dự báo các chỉ số đơn lẻ như doanh số, tồn kho, giá cả hàng hóa, và một số chỉ báo kinh tế vĩ mô như GDP, CPI, lãi suất, thất nghiệp, v.v. Phân nhóm nâng cao bao gồm các mô hình ARCH, ARCH-M, GARCH, GARCH-M, và TGARCH để dự báo các chuỗi thời gian có tính dao động cao như giá dầu, giá vàng, tỷ giá, và giá chứng khoán. Nhóm mô hình đa biến chủ yếu tập trung vào mô hình VAR, các mô hình hiệu chỉnh sai số (ECM hoặc VECM) và kiểm định nhân quả Granger để dự báo mối quan hệ giữa các chỉ báo kinh tế và kiểm định các giả thuyết kinh tế. Gần đây, nhiều nghiên cứu ứng dụng (đặc biệt là trong lĩnh vực kinh tế vĩ mô, tài chính phát triển và năng lượng) sử dụng loại dữ liệu bảng không dừng, nên chúng tôi sẽ giới thiệu một số kiểm định nghiệm đơn vị và đồng liên kết cho loại dữ liệu này. Ngoài ra, các mô hình hồi quy ngưỡng cũng đã và đang được sử dụng phổ biến, nên chúng tôi cũng sẽ giới thiệu khái quát để sinh viên có nền tảng căn bản cho việc tự học về sau.