Xây dựng mô hình dự báo hiện tại tổng sản phẩm nội địa của Việt Nam
11/10/2024 09:58 432 lượt xem
Tóm tắt: Bài viết này nhằm mục đích dự báo tổng sản phẩm quốc nội (GDP) thực tế của Việt Nam trong quý hiện tại bằng nhiều kỹ thuật khác nhau; trên cơ sở đó, giúp các nhà hoạch định chính sách đưa ra quyết định quan trọng một cách chủ động bằng cách cung cấp ước tính sớm về tăng trưởng hiện tại của nền kinh tế trước ngày công bố chính thức. Để đạt được điều này, bài viết sử dụng các chỉ số chính và một số mô hình để tạo ra các ước tính đáng tin cậy về mức tăng trưởng GDP hiện tại. Cụ thể, mô hình cơ sở và các mô hình ứng dụng như phương trình cầu, mô hình phân tích dữ liệu tần suất hỗn hợp (MIDAS và U-MIDAS) được sử dụng để dự báo tăng trưởng GDP trong quý hiện tại. Kết quả từ các mô hình tương đối sát với tốc độ tăng trưởng thực tế. 
 
Từ khóa: GDP, dự báo hiện tại, tăng trưởng, mô hình, Việt Nam.
 
BUILDING THE NOWCASTING MODEL FOR GDP OF VIETNAM 
 
Abstract: This article aims to forecast Vietnam’s current real GDP in the current quarter using various techniques, thereby helping policymakers make proactively crucial policies decisions by providing an early estimate of the current growth of the economy before the official announcement date. To get this, the author uses key indicators and several models to generate reliable estimates of current GDP growth such as the baseline model, the demand equation, MIDAS and U-MIDAS. The results from the broadcast models are quite close to the actual growth rate.  
 
Keywords: GDP, nowcasting, growth, model, Vietnam. 
 
1. Giới thiệu
 
Dự báo hiện tại (Nowcasting) rất quan trọng trong kinh tế học vì dữ liệu cho các chỉ số chính như GDP thường có độ trễ và sai số đo lường đáng kể (Giannone và cộng sự, 2008). Thông tin chính xác và kịp thời về GDP hiện tại là điều cần thiết để các nhà hoạch định chính sách đưa ra quyết định sáng suốt về chính sách kinh tế. Nó cũng có giá trị đối với những người tham gia thị trường vì có thể ảnh hưởng đến các quyết định đầu tư và kinh doanh. Tại Việt Nam, ước tính GDP thường được công bố hằng quý và số liệu được điều chỉnh trong quý tiếp theo. Bài viết này nhằm mục đích xác định các chỉ số và mô hình phù hợp để dự báo GDP thực tế của Việt Nam.
 
Các nhà hoạch định chính sách thường dựa vào GDP như một thước đo quan trọng để thực hiện chính sách tiền tệ, chính sách an toàn vĩ mô và chính sách tài khóa. Do những quyết định này thường đòi hỏi những hành động kịp thời để ổn định thị trường, việc dự báo GDP của quý hiện tại trước khi công bố chính thức có thể nâng cao đáng kể tính chất chủ động của việc hoạch định chính sách. Một số cơ quan ở Hoa Kỳ, chẳng hạn như Fed Atlanta, Fed New York và St. Louis Fed tham gia vào quá trình dự báo GDP hiện tại. Ở châu Âu, Dauphin và cộng sự (2022) sử dụng các mô hình nhân tố động và học máy để dự đoán mức tăng trưởng GDP hiện tại của các nền kinh tế châu Âu. Tương tự, việc dự báo GDP hiện tại đang ngày càng trở nên phổ biến ở nhiều quốc gia đang phát triển, nơi dữ liệu GDP thường có độ trễ lớn. Việc áp dụng rộng rãi phương pháp dự báo hiện tại GDP trên toàn thế giới nhấn mạnh tầm quan trọng của nhiệm vụ này trong hoạch định chính sách. Vì hiệu quả của các phương pháp khác nhau là khác nhau nên việc lựa chọn mô hình dự báo thời hiện tại phù hợp cho mỗi quốc gia đóng một vai trò quan trọng.
 
2. Dữ liệu 
 
2.1. Mô tả dữ liệu
 
Bảng 1: Dữ liệu nghiên cứu
 
Nguồn: Tổng cục Thống kê, St. Louis FED, Ngân hàng Nhà nước Việt Nam
 
Mô tả các biến được sử dụng để dự báo GDP Việt Nam như sau:
 
Tổng sản phẩm quốc nội thực tế của Việt Nam (RGDP): Tổng cục Thống kê là cơ quan ước tính và công bố về GDP thực tế vào cuối mỗi quý. Dữ liệu này sau đó sẽ được sửa đổi trong quý tiếp theo.
 
Tổng sản phẩm quốc nội thực tế của Hoa Kỳ (RGDP_US): Chuỗi dữ liệu này được thu thập từ St. Louis FED và được hiệu chỉnh tính mùa vụ. Vì Hoa Kỳ là một trong những đối tác thương mại lớn nhất của Việt Nam nên việc đưa biến này vào mô hình là hợp lý.
 
Đầu tư trực tiếp nước ngoài (FDI): Trong những năm gần đây, FDI đã đóng góp đáng kể cho nền kinh tế Việt Nam, chiếm khoảng 60 - 70% tổng giá trị thương mại trong thập kỷ qua. Dữ liệu được thu thập từ Tổng cục Thống kê.
 
Sản xuất công nghiệp (IP): Việc sử dụng biến này được thúc đẩy bởi thực tế là đóng góp của ngành công nghiệp vào GDP thực của Việt Nam thường cao, khoảng 50%. Dữ liệu được thu thập từ Tổng cục Thống kê.
 
Cung tiền (M2): Cung tiền thường là một trong những thước đo quan trọng phản ánh nhu cầu trong nền kinh tế. Dữ liệu hằng tháng được thu thập từ Ngân hàng Nhà nước Việt Nam.
 
Tổng dư nợ tín dụng đối với nền kinh tế (TÍN DỤNG): Hệ thống tài chính Việt Nam phụ thuộc rất nhiều vào hệ thống ngân hàng trong việc tài trợ cho các hoạt động kinh tế, chủ yếu dưới hình thức tín dụng ngân hàng. Do vậy, yếu tố này có thể tác động đến GDP thực tế của đất nước.
 
Khủng hoảng: Đây là biến giả, Bảng 1 trong các năm 2009, 2020 và 2021; và bằng 0 trong các năm còn lại.
 
Ma trận tương quan của tất cả các biến ở dạng sai phân bậc nhất logarit được trình bày trong Bảng 2. Kết quả cho thấy, biến phụ thuộc RGDP có mối tương quan cao hơn với các biến giải thích FDI, IP và RGDP_US so với tín dụng và M2.
 
Bảng 2: Ma trận tương quan

Nguồn: Tính toán của tác giả

2.2. Làm sạch và chuyển đổi dữ liệu
 
Một số chuỗi được hiệu chỉnh tính mùa vụ bao gồm RGDP, FDI và IP. Những chuỗi dữ liệu gốc này chưa được hiệu chỉnh tính mùa vụ. Do đó, việc hiệu chỉnh tính mùa vụ đối với các biến số này là cần thiết trước khi đưa chúng vào mô hình.
 
Cần lưu ý rằng một số chuỗi nhất định, chẳng hạn như RGDP_US, M2 và tín dụng được giữ nguyên từ nguồn thu thập. St. Louis FED đã điều chỉnh RGDP_US dựa trên những thay đổi theo mùa, trong khi hai chuỗi (biến) trong nước khác (M2 và tín dụng) không khác biệt nhiều với các chuỗi này khi được hiệu chỉnh tính mùa vụ. 
 
Chuỗi số liệu RGDP của Việt Nam được làm mượt do thay đổi năm cơ sở. Tổng cục Thống kê đã thực hiện thay đổi năm cơ sở cho GDP thực tế của Việt Nam từ năm 1994 sang năm 2010. Để bảo đảm ước tính chính xác hơn, chuỗi dữ liệu này đã được làm mượt bằng cách sử dụng tăng trưởng GDP thực tế hằng quý (so với cùng kỳ năm tính toán) và quy đổi về năm gốc 1994.
 
Tất cả các chuỗi dữ liệu, ngoại trừ khủng hoảng, đều có nghiệm đơn vị. Để bảo đảm dữ liệu ổn định trước khi đưa vào mô hình, tất cả các chuỗi ngoại trừ biến khủng hoảng đều được chuyển đổi sang dạng logarit tự nhiên và lấy sai phân bậc một.
 
3. Phương pháp luận
 
3.1. Mô hình cơ sở
 
Mô hình cơ sở được xây dựng bao gồm tất cả biến quan tâm đã nêu ở trên. Sau đó, các mô hình so sánh được tạo ra bằng cách thực hiện một số điều chỉnh nhỏ để có các thông số kỹ thuật khác nhau. Ngoài ra, dữ liệu hằng tháng được chuyển đổi thành dữ liệu hằng quý đối với các chuỗi số liệu có tần suất tháng. Mô hình cơ sở có dạng 
như sau:
 
dlog(RGDP)t = β0+ β1 dlog(RGDP)t-1 + β2 dlog(RGDP)t-2 + β3 dlog(RGDP)t-3 + β4 dlog(RGDP)t-4 + β5 dlog(RGDPUS)t-1 + β6 dlog(credit)t + β7 dlog(FDI)t + β8 dlog(M2)t + β9 dlog(crisis)t + εt     (1)
 
Trong đó t là quý hiện hành, tức là quý 4/2023; t-i (với i = 1, 2, 3, 4) là khoảng thời gian trễ i.
 
Độ trễ tối ưu của GDP thực tế Việt Nam trong mô hình cơ sở này được xác định dựa trên các tiêu chí chuỗi thời gian khác nhau (chủ yếu là SC và AIC) và độ trễ trong trường hợp này được xác định là 4 quý. Đối với RGDP_US, độ dài độ trễ được chọn là 1 vì chưa có dữ liệu hiện tại về GDP thực tế của Hoa Kỳ tại thời điểm nghiên cứu. 
 
3.2. Phương trình cầu
 
Phương trình cầu (Bridge equation) là sự sao chép của mô hình cơ sở được lựa chọn với sự điều chỉnh cỡ mẫu, từ quý 1/2008 đến quý 3/2023. Giai đoạn dự báo được chuyển thành quý 4/2023. Điều quan trọng cần lưu ý là các quan sát bị bỏ sót của cả chuỗi cung tiền và tín dụng được dự báo bằng phương pháp ARIMA trước khi chúng được chuyển thành dữ liệu hằng quý.
 
3.3. Mô hình MIDAS/U-MIDAS
 
Bên cạnh phương trình cầu, mô hình tần số hỗn hợp như MIDAS và U-MIDAS được sử dụng, kết hợp cả dữ liệu hằng quý và hằng tháng. Khi dữ liệu hằng tháng được sử dụng, độ trễ tối đa được giới hạn ở mức 11. Việc sử dụng độ trễ lớn có thể dẫn tới việc giảm bậc tự do, tuy vậy, tình trạng này được kỳ vọng sẽ cải thiện với những nghiên cứu trong tương lai khi số lượng quan sát tăng lên.
 
4. Kết quả thực nghiệm
 
4.1. Kết quả hồi quy
 
4.1.1. Mô hình cơ sở
 
Để lựa chọn mô hình cơ sở, bài viết này sử dụng cả phương pháp kỹ thuật và kinh tế. Về mặt kỹ thuật, các tiêu chí so sánh dự báo được trình bày trong Bảng 3 cho thấy mô hình cơ sở 3 là phù hợp nhất. Về mặt kinh tế, hai biến số tín dụng và M2 đều được sử dụng trong mô hình mặc dù chúng có mối tương quan tương đối cao. Trong khi phân tích dữ liệu, có thể thấy rằng dấu của các hệ số trên M2 khác nhau giữa các mô hình khác nhau. Điều này hàm ý rằng, mặc dù tăng trưởng cung tiền có thể kích thích tăng trưởng nhưng cung tiền quá mức có thể có tác động tiêu cực đến sản lượng. Hơn nữa, ba mô hình cho thấy không có sự khác biệt đáng kể về ý nghĩa hệ số hoặc kết quả ước lượng cho quý 4/2023 (Phụ lục 1). Do đó, mô hình 3 được lựa chọn làm mô hình cơ sở chính trong bài viết này, được kỳ vọng sẽ hoạt động tốt trong các giai đoạn khác nhau.

 
Bảng 3: So sánh dự báo các mô hình cơ sở
 
Nguồn: Tính toán của tác giả
 
4.1.2. Phương trình cầu, MIDAS và U-MIDAS
 
Bảng 4 bên dưới hiển thị kết quả dự báo từ ba phương pháp khác nhau: Phương trình cầu, MIDAS và U-MIDAS. Phụ lục 1 chứa kết quả hồi quy đầy đủ cho cả ba phương pháp.
 
Tốc độ tăng trưởng GDP của Việt Nam trong quý 4/2023 sử dụng mô hình phương trình cầu là 6,15% (so với cùng kỳ năm 2022). Mô hình U-MIDAS cho kết quả tính toán tốc độ tăng trưởng là 7,34% (so với cùng kỳ năm 2022), trong khi mô hình MIDAS ước lượng tốc độ tăng trưởng nằm giữa hai mô hình còn lại, 6,79% (so với cùng kỳ năm 2022). Đáng chú ý, phương trình cầu có giá trị R2 (0,51) thấp hơn so với phương pháp MIDAS (0,54) và U-MIDAS (0,79).

Bảng 4: Kết quả dự báo và thực tế quý 4/2023

Nguồn: Tính toán của tác giả

Lưu ý: Số liệu GDP thực tế quý 4/2023 của Việt Nam được Tổng cục Thống kê tính và công bố chính thức vào ngày 29/12/2023, không được điều chỉnh theo mùa. Trong bảng này, dữ liệu thực tế được điều chỉnh theo mùa.
 
Giả định tính toán về tăng trưởng GDP của Việt Nam trong quý 4/2023 bị trễ, sẽ không thể xác định được con số nào gần với thực tế hơn. Trong trường hợp như vậy, bài viết này khuyến nghị sử dụng cả ba mô hình bằng cách lấy trung bình kết quả dự báo của cả ba mô hình, với kết quả là 6,76% (so với cùng kỳ năm 2022). Bên cạnh đó, việc kiểm định để so sánh kết quả dự báo từ ba mô hình cũng được thực hiện và kết quả được trình bày trong Bảng 5. Kết quả cho thấy, mô hình MIDAS là phù hợp nhất với dữ liệu trong số ba mô hình. Trên thực tế, nghiên cứu này được thực hiện ngay tại thời điểm Tổng cục Thống kê công bố số liệu về GDP quý 4/2023, do vậy, có cơ sở để so sánh số liệu dự báo hiện tại với dữ liệu thực tế. Kết quả cho thấy, mặc dù mô hình MIDAS cho kết quả dự báo phù hợp nhất so với hai mô hình còn lại, con số trung bình thậm chí còn gần với mức tăng trưởng thực tế hơn, là 6,72% (so với cùng kỳ năm 2022).
 
Bảng 5: So sánh các mô hình dự báo hiện tại

Nguồn: Tính toán của tác giả
 
4.2. Kiểm định mô hình
 
Để bảo đảm tính hợp lệ của các mô hình được trình bày trong bài viết này, một số thử nghiệm về phần dư hồi quy đã được thực hiện. Như được chỉ ra trong Bảng 6, tất cả các mô hình đều không có bằng chứng về mối tương quan chuỗi với độ trễ trong phạm vi từ 1 đến 4 quý, đây là mức độ trễ tối đa đối với GDP thực tế của Việt Nam trong phạm vi bài viết này. Ngoài ra, có thể thấy rằng, tất cả các mô hình đều không có phương sai thay đổi và nghiệm đơn vị, điều này củng cố độ tin cậy của các mô hình này. 
 
Hình 1: So sánh dự báo

Nguồn: Tính toán của tác giả
 
Bảng 6: Kiểm định mô hình


Nguồn: Tính toán của tác giả
 
5. Kết luận
 
Bài viết này nhằm mục đích dự báo GDP thực tế và tốc độ tăng trưởng GDP của Việt Nam trong quý hiện tại bằng nhiều kỹ thuật khác nhau, trên cơ sở đó, giúp các nhà hoạch định chính sách đưa ra quyết định quan trọng, một cách chủ động bằng cách cung cấp ước tính sớm về tăng trưởng hiện tại của nền kinh tế trước ngày công bố chính thức. Để đạt được điều này, bài viết sử dụng các chỉ số chính và một số mô hình để tạo ra các ước tính đáng tin cậy về mức tăng trưởng GDP hiện tại. Cụ thể, mô hình cơ sở và các mô hình ứng dụng như phương trình cầu, MIDAS và U-MIDAS được sử dụng để dự báo tăng trưởng GDP trong quý hiện tại. Kết quả từ các mô hình tương đối sát với tốc độ tăng trưởng thực tế, đó là điều đáng mong đợi. Tuy nhiên, có thể thấy rằng, các giá trị R2 thu được từ MIDAS và U-MIDAS cao hơn so với phương trình cầu. Hơn nữa, điều đáng chú ý là bậc tự do thấp trong các mô hình MIDAS và U-MIDAS có thể là do việc sử dụng độ trễ cao. Để giải quyết vấn đề này, một giải pháp khả thi là thu thập chuỗi dữ liệu trong khoảng thời gian dài hơn, điều này có thể giúp nâng cao khả năng dự báo của mô hình. Ngoài ra, việc giảm độ trễ tối đa cũng có thể giúp bảo toàn hoặc tăng bậc tự do, qua đó, nâng cao chất lượng dự báo.
 
Phụ lục 1: Kết quả hồi quy

Bảng 7: Kết quả hồi quy:
Mô hình cơ sở và phương trình cầu


Bảng 8: Kết quả hồi quy MIDAS và U-MIDAS


TÀI LIỆU THAM KHẢO:

1. Cascaldi-Garcia, D. , Luciani, M. , và Modugno, M. (2023). Bài học từ việc phát sóng GDP trên toàn thế giới. Tài liệu Thảo luận tài chính quốc tế 1385. Washington: Hội đồng Thống đốc Hệ thống Dự trữ Liên bang, https://doi.org/10.17016/IFDP.2023.1385.
2. Dauphin, JF và cộng sự. (2022), Nowcasting GDP: Phương pháp tiếp cận có thể mở rộng bằng cách sử dụng DFM, học máy và dữ liệu mới, áp dụng cho các nền kinh tế châu Âu: Tài liệu làm việc của IMF, WP/22/52.
3. Giannone, D., Reichlin, L., và Small, D. (2008), Nowcasting: Nội dung thông tin thời gian thực của dữ liệu kinh tế vĩ mô. Tạp chí Kinh tế, tập 55, số 4, trang 665-676.
4. Ngân hàng Nhà nước Việt Nam, số liệu thống kê, https://sbv.gov.vn/webcenter/portal/en/home/sbv/statistic/
5. Tổng cục Thống kê, Báo cáo tình hình kinh tế - xã hội hằng tháng, 
https://www.gso.gov.vn/en/monthly-report/

ThS. Hoàng Lan Hương
Ngân hàng Nhà nước Việt Nam

Bình luận Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu
Đóng lại ok
Bình luận của bạn chờ kiểm duyệt từ Ban biên tập
Bảo đảm chất lượng nguồn nhân lực tại ngân hàng thương mại: Thực trạng và một số giải pháp nâng cao hiệu quả
Bảo đảm chất lượng nguồn nhân lực tại ngân hàng thương mại: Thực trạng và một số giải pháp nâng cao hiệu quả
05/11/2024 08:10 166 lượt xem
Hiện nay, công tác bảo đảm chất lượng nguồn nhân lực được các NHTM chú trọng đầu tư phát triển, tuy nhiên, nguồn nhân lực của nhiều ngân hàng vẫn chưa thực sự đáp ứng yêu cầu về chất lượng, ảnh hưởng đến quá trình hoạt động của các ngân hàng.
Đánh giá khả năng huy động tiền gửi từ khách hàng của NHTM Việt Nam bằng mô hình định lượng
Đánh giá khả năng huy động tiền gửi từ khách hàng của NHTM Việt Nam bằng mô hình định lượng
04/11/2024 08:23 310 lượt xem
Nghiên cứu này nhằm chỉ ra mức độ tác động của các nhân tố ảnh hưởng đến khả năng huy động tiền gửi từ khách hàng thông qua phương pháp khảo sát và phân tích hồi quy dữ liệu của 37 NHTM Việt Nam.
Thúc đẩy chuyển đổi sang mô hình kinh tế tuần hoàn: Rào cản và gợi ý cho Việt Nam
Thúc đẩy chuyển đổi sang mô hình kinh tế tuần hoàn: Rào cản và gợi ý cho Việt Nam
31/10/2024 08:07 493 lượt xem
Biến đổi khí hậu trở thành rủi ro lớn nhất mà loài người đang phải gánh chịu (WEF, 2024). Trong bối cảnh đó, phát triển bền vững không còn là sự lựa chọn, mà gần như bắt buộc ở hầu hết các quốc gia trên toàn cầu. Để đạt được mục tiêu này, mô hình kinh tế tuần hoàn nổi lên như một công cụ quan trọng.
Việt Nam sau gần 30 năm hội nhập kinh tế quốc tế
Việt Nam sau gần 30 năm hội nhập kinh tế quốc tế
29/10/2024 15:02 1.641 lượt xem
Trong những năm qua, hội nhập kinh tế quốc tế đã trở thành động lực quan trọng thúc đẩy sự phát triển kinh tế đất nước. Vị thế và uy tín quốc tế của Việt Nam không ngừng được nâng lên, khẳng định vai trò tích cực và trách nhiệm trong việc duy trì hòa bình, hợp tác phát triển và thúc đẩy tiến bộ toàn cầu.
Kinh tế Việt Nam 9 tháng năm 2024 và một số đề xuất, khuyến nghị
Kinh tế Việt Nam 9 tháng năm 2024 và một số đề xuất, khuyến nghị
22/10/2024 14:35 4.164 lượt xem
Tình hình kinh tế Việt Nam trong tháng 9, quý III và 9 tháng năm 2024 tiếp tục xu hướng phục hồi tích cực, tháng sau tốt hơn tháng trước, quý sau cao hơn quý trước; tính chung 9 tháng năm 2024 đạt nhiều kết quả quan trọng, cao hơn cùng kỳ trên hầu hết các lĩnh vực.
Phát triển thị trường tài chính trong nền kinh tế số tại Việt Nam
Phát triển thị trường tài chính trong nền kinh tế số tại Việt Nam
21/10/2024 08:35 1.418 lượt xem
Kinh tế số là hoạt động kinh tế sử dụng công nghệ số và dữ liệu số làm yếu tố đầu vào chính, sử dụng môi trường số làm không gian hoạt động chính, sử dụng công nghệ thông tin - viễn thông để tăng năng suất lao động, đổi mới mô hình kinh doanh và tối ưu hóa cấu trúc nền kinh tế.
Tác động của tiền gửi đến hiệu quả tài chính các ngân hàng thương mại Việt Nam
Tác động của tiền gửi đến hiệu quả tài chính các ngân hàng thương mại Việt Nam
18/10/2024 08:05 1.493 lượt xem
Nghiên cứu này xem xét tác động của tiền gửi đến hiệu quả tài chính của các ngân hàng thương mại (NHTM) Việt Nam giai đoạn 2014 - 2023.
Thách thức và giải pháp tài chính trong phát triển nông nghiệp bền vững tại Việt Nam
Thách thức và giải pháp tài chính trong phát triển nông nghiệp bền vững tại Việt Nam
17/10/2024 08:45 1.274 lượt xem
Biến đổi khí hậu đang gây ra những tác động lớn đến đời sống và kinh tế toàn cầu, nông nghiệp tác động đến phát triển kinh tế - xã hội trên hai khía cạnh thích ứng với môi trường và tác động tiêu cực đến môi trường.
Tiếp cận phương pháp xác định hành vi quản trị lợi nhuận theo hướng truyền thống và hiện đại
Tiếp cận phương pháp xác định hành vi quản trị lợi nhuận theo hướng truyền thống và hiện đại
16/10/2024 08:00 760 lượt xem
Quản trị lợi nhuận là một chiến lược có thể được ban quản lí cố ý sử dụng để điều chỉnh chỉ tiêu thu nhập của công ty với các mục tiêu đã xác định trước.
Bảo lãnh tín dụng cho doanh nghiệp nhỏ và vừa - công cụ hỗ trợ phát triển “tam nông”: Kinh nghiệm từ Nhật Bản và bài học cho Việt Nam
Bảo lãnh tín dụng cho doanh nghiệp nhỏ và vừa - công cụ hỗ trợ phát triển “tam nông”: Kinh nghiệm từ Nhật Bản và bài học cho Việt Nam
15/10/2024 08:02 477 lượt xem
Bảo lãnh tín dụng được coi là một công cụ hữu hiệu giúp khắc phục được “điểm nghẽn” về vốn cho phát triển “tam nông”. Bài viết đề cập đến kinh nghiệm của Nhật Bản về bảo lãnh tín dụng cho các DNNVV, từ đó rút ra một số bài học kinh nghiệm cho Việt Nam.
Thực hiện đồng bộ các giải pháp tiền tệ, tín dụng, góp phần phát triển nông nghiệp, nông thôn nhanh và bền vững
Thực hiện đồng bộ các giải pháp tiền tệ, tín dụng, góp phần phát triển nông nghiệp, nông thôn nhanh và bền vững
14/10/2024 08:00 616 lượt xem
Quán triệt sâu sắc những quan điểm chỉ đạo của Đảng, Chính phủ, Thủ tướng Chính phủ, Ngân hàng Nhà nước Việt Nam đã triển khai nhiều chính sách, biện pháp về tiền tệ, tín dụng để khơi thông dòng vốn tín dụng vào khu vực nông nghiệp, nông thôn.
Giải pháp về giáo dục tài chính cho trẻ em của các ngân hàng thương mại
Giải pháp về giáo dục tài chính cho trẻ em của các ngân hàng thương mại
07/10/2024 08:06 602 lượt xem
Trong những năm gần đây, vấn đề dân trí tài chính đã trở thành một mối quan tâm lớn tại Việt Nam. Dân trí tài chính là khả năng hiểu biết và áp dụng các kiến thức tài chính trong cuộc sống hằng ngày, giúp cá nhân quản lý tài sản, lập kế hoạch tài chính và đưa ra các quyết định đầu tư một cách hiệu quả.
Phát triển kinh tế xanh - Từ nhận thức, chính sách đến thực tiễn ở Việt Nam
Phát triển kinh tế xanh - Từ nhận thức, chính sách đến thực tiễn ở Việt Nam
01/10/2024 10:00 925 lượt xem
Kinh tế xanh là sự kết hợp hài hòa giữa ba yếu tố kinh tế - xã hội - môi trường, hướng đến mục tiêu phát triển bền vững.
Tác động của khoản vay mua nhà đến quản lí tài chính cá nhân
Tác động của khoản vay mua nhà đến quản lí tài chính cá nhân
27/09/2024 10:24 1.119 lượt xem
Bài viết nghiên cứu về tác động của khoản vay mua nhà đến quản lí tài chính của khách hàng cá nhân có vay vốn mua nhà tại các ngân hàng thương mại cổ phần Việt Nam.
Xây dựng khung chiến lược quản lý rủi ro quốc gia nhằm thu hút vốn đầu tư trực tiếp nước ngoài tại Việt Nam
Xây dựng khung chiến lược quản lý rủi ro quốc gia nhằm thu hút vốn đầu tư trực tiếp nước ngoài tại Việt Nam
23/09/2024 09:30 1.218 lượt xem
Tần suất dòng vốn đầu tư trực tiếp nước ngoài (FDI) vào và ra khỏi một nền kinh tế cụ thể cùng với biến động quy mô dòng vốn này thường xuyên chịu ảnh hưởng của rất nhiều yếu tố liên quan đến tính ổn định của môi trường kinh tế - chính trị quốc gia...
Giá vàngXem chi tiết

Giá vàng - Xem theo ngày

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

87,500

89,500

TP.HỒ CHÍ MINH

Vàng SJC 1L

87,500

89,500

Vàng SJC 5c

87,500

89,520

Vàng nhẫn 9999

87,400

89,000

Vàng nữ trang 9999

87,300

88,700


Ngoại tệXem chi tiết
Tỷ giá - Xem theo ngày 
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 25,167 25,497 26,507 27,960 31,849 33,203 158.43 167.65
BIDV 25,197 25,497 26,786 27,948 32,355 33,251 160.99 167.86
VietinBank 25,212 25,497 26,853 28,053 32,447 33,457 161.20 168.95
Agribank 25,210 25,497 26,711 27,903 32,120 33,194 160.72 168.23
Eximbank 25,180 25,497 26,820 27,690 32,305 33,311 162.02 167.31
ACB 25,170 25,497 26,843 27,764 32,406 33,384 161.58 167.96
Sacombank 25,210 25,497 26,825 27,797 32,314 33,469 161.74 168.75
Techcombank 25,190 25,497 26,679 28,034 32,040 33,384 158.27 170.76
LPBank 25,185 25,497 27,038 27,931 32,546 33,077 162.25 169.33
DongA Bank 25,240 25,497 26,790 27,640 32,300 33,230 159.70 166.90
(Cập nhật trong ngày)
Lãi SuấtXem chi tiết
(Cập nhật trong ngày)
Ngân hàng
KKH
1 tuần
2 tuần
3 tuần
1 tháng
2 tháng
3 tháng
6 tháng
9 tháng
12 tháng
24 tháng
Vietcombank
0,10
0,20
0,20
-
1,60
1,60
1,90
2,90
2,90
4,60
4,70
BIDV
0,10
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,70
VietinBank
0,10
0,20
0,20
0,20
1,70
1,70
2,00
3,00
3,00
4,70
4,80
ACB
0,01
0,50
0,50
0,50
2,30
2,50
2,70
3,50
3,70
4,40
4,50
Sacombank
-
0,50
0,50
0,50
2,80
2,90
3,20
4,20
4,30
4,90
5,00
Techcombank
0,05
-
-
-
3,10
3,10
3,30
4,40
4,40
4,80
4,80
LPBank
0.20
0,20
0,20
0,20
3,00
3,00
3,20
4,20
4,20
5,30
5,60
DongA Bank
0,50
0,50
0,50
0,50
3,90
3,90
4,10
5,55
5,70
5,80
6,10
Agribank
0,20
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,80
Eximbank
0,10
0,50
0,50
0,50
3,10
3,30
3,40
4,70
4,30
5,00
5,80

Liên kết website
Bình chọn trực tuyến
Nội dung website có hữu ích với bạn không?