Thạc Sĩ Dự báo tốc độ tăng trưởng kinh tế Việt Nam: Sự vượt trội của mô hình Mạng thần kinh nhân tạo (ANN) s

TÓM TẮT ĐỀ TÀI
1. Lý do chọn đề tài
Tốc độ tăng trưởng Tổng sản phẩm quốc nội (Gross Domestic Product - GDP) là một
chỉ số kinh tế có ý nghĩa rất quan trọng đối với các nhà điều hành kinh tế và các doanh
nghiệp trong việc xem xét mức tăng trưởng của nền kinh tế, là tiền đề hỗ trợ cho các
quyết định về chính sách, chiến lược cho một giai đoạn trong tương lai. Vì các thông
tin về tốc độ tăng trưởng GDP được công bố ra công chúng có một độ trễ nhất định
nên vấn đề cấp thiết hiện nay là cần có một mô hình dự báo tốc độ tăng trưởng GDP
có hiệu quả. Do vậy, các công trình hướng đến việc xây dựng mô hình dự báo các biến
số vĩ mô, đặc biệt là tốc độ tăng trưởng GDP luôn nhận được sự quan tâm của nhiều
nhà nghiên cứu trong và ngoài nước.
Những năm gần đây, mô hình Mạng thần kinh nhân tạo (Artificial Neural Network –
ANN) được mô phỏng theo cách thức tổ chức và vận hành của bộ não con người, với
các ưu điểm vượt trội trong việc xác định và dự báo một cách chính xác các biến số
kinh tế có quan hệ phi tuyến đã được các nhà kinh tế học tập trung nghiên cứu và ứng
dụng rộng rãi. Tuy nhiên, ở thời điểm hiện tại việc ứng dụng mô hình Mạng thần kinh
nhân tạo cho việc dự báo các biến số kinh tế ở Việt Nam vẫn chưa phổ biến. Từ các lý
do trên, nhóm nghiên cứu đã thực hiện đề tài: “Dự báo tốc độ tăng trưởng kinh tế Việt
Nam: Sự vượt trội của mô hình Mạng thần kinh nhân tạo (ANN) so với mô hình Hồi
quy tuyến tính truyền thống”.
2. Mục tiêu nghiên cứu
Để tiến hành nghiên cứu việc xây dựng và kiểm chứng khả năng dự báo của mô hình
Mạng thần kinh nhân tạo, bài nghiên cứu đã đặt ra các vấn đề cần giải quyết trong suốt
quá trình nghiên cứu:
Thứ nhất, mô hình Mạng thần kinh nhân tạo là gì ?, cơ chế hoạt động như thế nào ?
Thứ hai, những ưu điểm, khuyết điểm và các vấn đề vẫn chưa được giải quyết từ
các công trình nghiên cứu trên thế giới ?
Thứ ba, mô hình Hồi quy tuyến tính truyền thống là một mô hình đã rất phổ biến
hiện nay ở Việt Nam, và rằng nó khác biệt như thế nào so với mô hình Mạng thần
kinh nhân tạo ?
Thứ tư, có nhiều quan điểm liên quan đến việc cần phải điều chỉnh dữ liệu trước khi
đưa vào mô hình Mạng thần kinh nhân tạo, liệu rằng nó có cần thiết cho bài nghiên
cứu này khi tiến hành xây dựng mô hình Mạng thần kinh nhân tạo hay không ?


Thứ năm, mô hình Mạng thần kinh nhân tạo nào sẽ được lựa chọn để xây dựng mô
hình dự báo tốc độ tăng trưởng GDP Việt Nam?
Thứ sáu, khả năng ứng dụng mô hình Mạng thần kinh nhân tạo trong việc dự báo
tốc độ tăng trưởng GDP Việt Nam nói riêng và các biến kinh tế nói chung ?, mô
hình Mạng thần kinh nhân tạo có thể kết hợp với mô hình Hồi quy tuyến tính để
cho ra một mô hình dự báo tốt ở Việt Nam như một số công trình trên thế giới đã
thực hiện hay không ?
Cuối cùng, hướng nghiên cứu mở rộng nào trong tương lai mà bài nghiên cứu đặt
ra cho những vấn đề còn hạn chế?
3. Phương pháp nghiên cứu
Trong bài nghiên cứu này, nhóm sử dụng phương pháp định lượng sẽ là phương pháp
chủ yếu để xây dựng mô hình Mạng thần kinh nhân tạo và mô hình Hồi quy tuyến tính
truyền thống cho dự báo. Tuy nhiên, phương pháp định tính cũng sẽ được nhóm sử
dụng làm cơ sở lựa chọn các nhân tố kinh tế tác động đến tốc độ tăng trưởng GDP.
Bên cạnh đó, phương pháp so sánh sẽ được áp dụng để tìm kiếm mô hình dự báo hiệu
quả từ các mô hình trên.
Mô hình Mạng thần kinh nhân tạo được xây dựng trên phần mềm NeuroSolutions
phiên bản 6.01 (bản dùng thử), và mô hình Hồi quy tuyến tính truyền thống được xây
dựng bằng phần mềm EViews 5.0.
Về bộ dữ liệu dùng cho xây dựng mô hình được thu thập từ Ngân hàng nhà nước Việt
Nam và Tổng cục thống kê Việt Nam.
4. Nội dung nghiên cứu
Thứ nhất, bài nghiên cứu sẽ tiến hành lược khảo các bài nghiên cứu trước đây trong và
ngoài nước để có tổng quan về vấn đề cần nghiên cứu. Thứ hai, nhóm sẽ trình bày lý
thuyết về Mạng thần kinh nhân tạo để đặt nền tảng cho việc xây dựng mô hình. Thứ
ba, xây dựng các mô hình dự báo tốc độ tăng trưởng GDP. Cuối cùng, bài nghiên cứu
thực hiện so sánh và rút ra kết luận cho một mô hình dự báo tốc độ tăng trưởng GDP
hiệu quả.
5. Đóng góp của đề tài
Trong giới hạn và mục tiêu của nghiên cứu, bài nghiên cứu này cung cấp một cái nhìn
tổng quan trong việc ứng dụng mô hình Mạng thần kinh nhân tạo để dự báo các biến
số kinh tế. Bên cạnh đó, thông qua quá trình thực nghiệm xây dựng các mô hình dự
báo tốc độ tăng trưởng Tổng sản phẩm quốc nội (GDP) Việt Nam, nhóm nghiên cứu

đã tiến hành so sánh hiệu quả dự báo giữa mô hình Mạng thần kinh nhân tạo và mô
hình Hồi quy tuyến tính truyền thống để tìm ra mô hình dự báo tốt nhất. Vì vậy, bài
nghiên cứu này sẽ là một đóng góp tích cực cho hướng nghiên cứu mới trong lĩnh vực
dự báo các biến số kinh tế.
6. Hướng phát triển sắp tới của đề tài
Bên cạnh những gì bài nghiên cứu đã thực hiện được thì thật sự cần thiết để nói rằng
vấn đề ứng dụng mô hình Mạng thần kinh nhân tạo trong việc xử lý thông tin và dự
báo các biến số kinh tế sẽ không ngừng lại, mà nó cần phải liên tục được nghiên cứu,
hoàn thiện, khắc phục những điểm yếu, cũng như vận dụng, khai thác các ưu điểm của
mô hình. Từ đó, góp phần đưa mô hình Mạng thần kinh nhân tạo như là một sự lựa
chọn tốt cho công tác dự báo biến số kinh tế bên cạnh các mô hình kinh tế lượng
truyền thống ở Việt Nam.

MỤC LỤC
PHẦN MỞ ĐẦU . 1
Chương 1: GIỚI THIỆU . . 2
1.1. Mô hình Mạng thần kinh nhân tạo và công tác dự báo 2
1.2. Lược khảo các nghiên cứu trước đây 3
1.3. Mục tiêu của bài nghiên cứu . 7
Chương 2: MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO 9
2.1. Đặc điểm của Mạng thần kinh nhân tạo . 9
2.1.1. Nơ-ron sinh học 9
2.1.2. Nơ-ron nhân tạo 11
2.1.3. Mạng thần kinh nhân tạo 13
2.2. Các dạng mô hình Mạng thần kinh nhân tạo 14
2.2.1. Mạng thần kinh truyền thẳng . 14
2.2.1.1. Mạng thần kinh truyền thẳng đơn giản nhất . 14
2.2.1.2. Mạng thần kinh truyền thẳng đa lớp . 15
2.2.1.3. Mạng thần kinh bổ sung 17
2.2.2. Mạng thần kinh nhân tạo hồi tiếp 18
2.2.2.1. Mạng thần kinh hồi tiếp Jordan 19
2.2.2.2. Mạng thần kinh hồi tiếp Elman . 19
2.3. Huấn luyện Mạng thần kinh nhân tạo . 20
2.3.1. Quá trình học của Mạng thần kinh 20
2.3.2. Các phương pháp học 20
2.3.2.1. Học theo tham số 20
2.3.2.2. Học cấu trúc . 22
2.3.3. Hàm truyền 22
2.3.4. Thuật toán truyền ngược 26
2.3.4.1. Điều chỉnh trọng số của Mạng thần kinh 28
2.3.4.2. Nguyên tắc giảm độ dốc 29
2.3.4.3. Truyền ngược sai số 30
2.4. Các vấn đề của mô hình Mạng thần kinh nhân tạo . 34


2.4.1. Tổng quát hóa và học quá mức 34
2.4.2. Thủ tục ngừng đúng lúc . 35
2.5. Ưu điểm và khuyết điểm của mô hình Mạng thần kinh nhân tạo . 37
2.5.1.Ưu điểm 37
2.5.2. Khuyết điểm 38
2.6. So sánh mô hình Mạng thần kinh nhân tạo và mô hình hồi quy tuyến tính . 39
Chương 3: XÂY DỰNG MÔ HÌNH DỰ BÁO TỔNG SẢN PHẨM QUỐC NỘI
(GDP) CỦA VIỆT NAM . . 41
3.1. Dữ liệu 41
3.1.1. Giải thích biến . 43
3.1.2. Kỳ vọng về dấu 46
3.2. Xây dựng mô hình Hồi quy tuyến tính truyền thống cho dự báo tốc độ tăng
trưởng GDP Việt Nam . 47
3.3. Xây dựng mô hình Mạng thần kinh nhân tạo để dự báo tốc độ tăng trưởng Tổng
sản phẩm quốc nội (GDP) của Việt Nam 50
3.3.1. Quy trình xây dựng mô hình Mạng thần kinh nhân tạo 50
3.3.1.1. Lựa chọn các biến số và thu thập dữ liệu . 50
3.3.1.2. Tiền xử lý dữ liệu . 51
3.3.1.3. Lựa chọn các thông số cho mô hình . 54
3.3.1.4. Tiến hành thực hiện xây dựng mô hình 57
3.3.1.5. Dự báo và phân tích kết quả . 58
3.3.2. Xây dựng mô hình Mạng thần kinh nhân tạo một cách độc lập để dự báo tốc
độ tăng trưởng GDP 59
3.3.3. Xây dựng mô hình Mạng thần kinh nhân tạo với sự hỗ trợ từ mô hình hồi
quy tuyến tính truyền thống 62
Chương 4: KẾT QUẢ DỰ BÁO VÀ KẾT LUẬN . 67
4.1 So sánh kết quả dự báo tốc độ tăng trưởng GDP Việt Nam của các mô hình . 67
4.2 Kết luận 72
PHẦN KẾT LUẬN . 73
PHỤ LỤC 74
TÀI LIỆU THAM KHẢO . . 94