English
Tập 131 Số 5B (2022), Nghiên cứu
Tập 131 Số 5B (2022)

English

Nghiên cứu
https://doi.org/10.26459/hueunijed.v131i5B.6972
Đã xuất bản 2022-12-13
Nguyen Tien Nhat
University of Economics, Hue University, 99 Ho Dac Di St., Hue, Vietnam

Tóm tắt

Nghiên cứu này áp dụng mô hình mạng thần kinh nhân tạo để dự báo tỷ lệ lạm phát của Việt Nam trong năm 2022 với dữ liệu từ năm 2000 đến 2021. Kết quả nghiên cứu cho thấy sự tương đồng chặt chẽ giữa số liệu thực tế và dự báo, hàm ý rằng mô hình ANN được xây dựng trong nghiên cứu này đạt tính hiệu quả và ứng dụng cao. Nghiên cứu đồng thời chỉ ra rằng yếu tố cung tiền đóng vai trò quan trọng trong dự báo tỷ lệ lạm phát tại Việt Nam. 

https://doi.org/10.26459/hueunijed.v131i5B.6972
PDF (English)

Tài liệu tham khảo

  1. B. Soybilgen and E. Yazgan (2017), An evaluation of inflation expectations in Turkey, Cent. Bank Rev., 17(1), doi: 10.1016/j.cbrev.2017.01.001.
  2. S. G. Cecchetti (1995), Inflation indicators and inflation policy, NBER Macroecon. Annu., 10, 189–219.
  3. B. Radovanov and A. Marcikić (2011), Uncertainty and disagreement in inflation forecasting, Ekon. misao i praksa, 1, 3–18.
  4. A. Atkeson and L. E. Ohanian (2001), Are Phillips curves useful for forecasting inflation?, Q. Rev. DC. Nurses. Assoc., 25(1), doi: 10.21034/qr.2511.
  5. J. J. J. Groen, R. Paap, and F. Ravazzolo (2013), Real-time inflation forecasting in a changing world, J. Bus. Econ. Stat., 31(1), doi: 10.1080/07350015.2012.727718.
  6. F. Öǧünç et al. (2013), Short-term inflation forecasting models for Turkey and a forecast combination analysis, Econ. Model., 33, doi: 10.1016/j.econmod.2013.04.001.
  7. Y. C. Chen, S. J. Turnovsky, and E. Zivot (2014), Forecasting inflation using commodity price aggregates, J. Econom., 183(1), doi: 10.1016/j.jeconom.2014.06.013.
  8. L. Monteforte and G. Moretti (2013), Real-time forecasts of inflation: The role of financial variables, J. Forecast., 32(1), doi: 10.1002/for.1250.
  9. M. Günay (2018), Forecasting industrial production and inflation in Turkey with factor models, Cent. Bank Rev., 18(4), doi: 10.1016/j.cbrev.2018.11.003.
  10. M. Marcellino, J. H. Stock, and M. W. Watson (2003), Macroeconomic forecasting in the Euro area: Country specific versus area-wide information, Eur. Econ. Rev., 47(1), doi: 10.1016/S0014-2921(02)00206-4.
  11. G. Sbrana, A. Silvestrini, and F. Venditti (2017), Short-term inflation forecasting: The META approach, Int. J. Forecast., 33(4), 1065–1081.
  12. M. G. P. Garcia, M. C. Medeiros, and G. F. R. Vasconcelos (2017), Real-time inflation forecasting with high-dimensional models: The case of Brazil, Int. J. Forecast., 33(3),
  13. doi: 10.1016/j.ijforecast.2017.02.002.
  14. J. M. Binner, R. K. Bissoondeeal, T. Elger, A. M. Gazely, and A. W. Mullineux (2005), A comparison of linear forecasting models and neural networks: An application to Euro inflation and Euro Divisia, Appl. Econ., 37(6), doi: 10.1080/0003684052000343679.
  15. A. Haider and M. N. Hanif (2009), Inflation forecasting in Pakistan using artificial neural networks, Pak. Econ. Soc. Rev., 123–138.
  16. C. Wang and D. Wu (2010), Modeling China’s inflation linear versus nonlinear method,
  17. doi: 10.1109/CISE.2010.5677063.
  18. G. Zhang, B. Eddy Patuwo, and M. Y. Hu (1998), Forecasting with artificial neural networks: The state of the art, Int. J. Forecast., 14(1), 35–62, doi: 10.1016/S0169-2070(97)00044-7.
  19. N. Apergis (2004), Inflation, output growth, volatility and causality: Evidence from panel data and the G7 countries, Econ. Lett., doi: 10.1016/j.econlet.2003.11.006.
  20. B. Font and A. J. Grau (2012), Exchange rate and inflation risk premia in the EMU, Quant. Financ., 12(6), 907–931, doi: 10.1080/14697688.2010.488810.
  21. G. Kwon, L. McFarlane, and W. Robinson (2021), Public Debt, Money Supply, and Inflation: A Cross-Country Study and its Application to Jamaica, SSRN Electron. J., doi: 10.2139/ssrn.910686.
  22. K. Nam and T. Schaefer (1995), Forecasting international airline passenger traffic using neural networks, Logist. Transp. Rev., 31(3), 239–252.
  23. T. H. Lee, H. White, and C. W. J. Granger (1993), Testing for neglected nonlinearity in time series models: A comparison of neural network methods and alternative tests, J. Econom., 56(3), doi: 10.1016/0304-4076(93)90122-L.
  24. K. Hornik, M. Stinchcombe, and H. White (1989), Multilayer feedforward networks are universal approximators, Neural Networks, 2(5), 359–366, doi: 10.1016/0893-6080(89)90020-8.
  25. K. Chakraborty, K. Mehrotra, C. K. Mohan, and S. Ranka (1992), Forecasting the behavior of multivariate time series using neural networks, Neural Networks, 5(6), 961–970, doi: 10.1016/S0893-6080(05)80092-9.
  26. R. Sharda and R. Patil (1990), Neural networks as forecasting experts: an empirical test, in Proceedings of the International Joint Conference on Neural Networks, 2, 491–494.
Creative Commons License

công trình này được cấp phép theo Creative Commons Ghi công-Chia sẻ tương tự 4.0 License International .

Bản quyền (c) 2022 Array