Hỗ trợ thương mại là hỗ trợ về tài chính và kỹ thuật nhằm tạo điều kiện cho sự hội nhập của các nước vào nền kinh tế thế giới thông qua các biện pháp nhằm thúc đẩy thương mại. Do vậy, hỗ trợ thương mại từ các nước nhập khẩu có thể mang lại lợi ích cho các nước xuất khẩu, đặc biệt là cho các nước đang phát triển. Bài nghiên cứu này tập trung tìm hiểu tác động của hỗ trợ thương mại của Mỹ đối với 46 quốc gia thu nhập thấp và trung bình khi xuất khẩu thuỷ sản vào Mỹ giai đoạn 2001 – 2014. Mô hình lực hấp dẫn và phương pháp Driscoll & Kraay sẽ được sử dụng để phân tích dữ liệu bảng ở cấp độ ngành cho các quốc gia này. Kết quả của bài nghiên cứu cho thấy rằng hỗ trợ thương mại từ Mỹ có tác động tích cực đến xuất khẩu thuỷ sản của các nước thu nhập trung bình và thấp vào thị trường Mỹ. Ngoài ra, nghiên cứu còn tìm ra tác động của các yếu tố khác đến xuất khẩu như chi phí thương mại có tác động nghịch biến và tỷ giá hối đoái có tác động đồng biến đối với xuất khẩu, và đặc biệt là sự ảnh hưởng của khủng hoảng kinh tế làm giảm tác động của hỗ trợ thương mại đối với xuất khẩu.

Download

Các yếu tố Môi trường, Xã hội, và Quản trị trở nên quan trọng trong việc đánh giá hiệu suất và rủi ro của doanh nghiệp. Nghiên cứu này khám phá ứng dụng các mô hình học máy khả diễn XAI nhằm cải thiện khả năng diễn giải, tăng độ tin cậy trong phân tích rủi ro ESG. Thực nghiệm dữ liệu ESG của các doanh nghiệp S&P 500, cho thấy mô hình LightGBM có độ chính xác cao nhất với MAE (0.9233), MSE (1.7696), RMSE (1.3303), MAPE (4.21%), so với XGBoost và Random Forest. Phân tích giá trị SHAP chỉ ra rằng rủi ro ESG bị chi phối chủ yếu bởi ba yếu tố chính: rủi ro môi trường (Environment_Risk_Score - 3.34), rủi ro xã hội (Social_Risk_Score - 2.36) và rủi ro quản trị (Governance_Risk_Score - 1.39). Ngoài ra, mức độ rủi ro ESG tổng thể của doanh nghiệp (ESG_Risk_Level_Low - 1.04, ESG_Risk_Level_High - 0.39) cũng đóng vai trò quan trọng. Kết quả nghiên cứu làm nổi bật tiềm năng của các mô hình XAI trong việc tăng cường báo cáo và tuân thủ ESG, đồng thời cung cấp thông tin chi tiết cho các nhà đầu tư và nhà hoạch định chính sách. Hơn nữa, nghiên cứu này minh chứng cho việc tích hợp ML/AI khả diễn vào qui trình quản lý rủi ro của tổ chức, thúc đẩy tính minh bạch, trách nhiệm giải trình, và sự tin tưởng vào các đánh giá ESG.

Nghiên cứu này kiểm tra vai trò điều tiết của bất định chính sách kinh tế đến mối quan hệ giữa cạnh tranh và ổn định ngân hàng tại 20 quốc gia qua giai đoạn từ năm 2009 đến năm 2023. Bằng cách sử dụng mô hình biến công cụ thông qua phương pháp mô men tổng quát (Generalized Method Of Moments ‒ GMM) dựa trên dữ liệu không cân bằng ở cấp độ ngân hàng, kết quả nghiên cứu ủng hộ giả thuyết cạnh tranh - ổn định và đồng thời khẳng định tác động điều tiết của bất định chính sách kinh tế đến mối quan hệ giữa cạnh tranh và ổn định ngân hàng, thông qua chỉ số bất định chính sách kinh tế (Economic Policy Uncertainty – EPU). Điều này được củng cố vững chắc thông qua phương pháp ước lượng bình phương bé nhất khả thi (Feasible Generalized Least Squares - FGLS), ước lượng bình phương bé nhất vững (Robust Ordinary Least Squares) và hồi quy sai số chuẩn Driscoll-Kraay. Tuy nhiên, tất cả đều không tìm thấy kết quả tương tự với bất định chính sách kinh tế được đo lường thông qua chỉ số bất định toàn cầu. Nghiên cứu thực nghiệm của tác giả có ý nghĩa chính sách cụ thể đối với nhà quản trị ngân hàng, nhà hoạch định chính sách trong việc ra quyết định nhằm nâng cao sức cạnh tranh, ổn định hệ thống ngân hàng trong bối cảnh bất định chính sách kinh tế hiện nay. <br><br>Abstract<br> This study examines the moderating role of economic policy uncertainty (EPU) the relationship between competition and bank stability in 20 countries over the period 2009 to 2023. Using an instrumental variable (IV) approach through the generalized method of moments (GMM), based on unbalanced panel data at the bank level, the results support the competition-stability hypothesis and confirm the moderating effect of economic policy uncertainty on the relationship between bank competition and bank stability via the economic policy uncertainty index. This is firmly supported by feasible generalized least squares (FGLS) estimation, robust ordinary least squares (Robust OLS) estimation, and Driscoll-Kraay standard error regression. However, all of them do not find similar results with economic policy uncertainty measured through the world uncertainty index (WUI). The empirical findings provide specific policy implications for bank managers and policymakers in making decisions to enhance competitiveness and stabilize the banking system amid current economic policy uncertainty.

Download

Bài nghiên cứu tìm hiểu về tác động của phát triển ngân hàng trên quy mô nền kinh tế ngầm trong bối cảnh toàn cầu hoá giai đoạn 2019-2021 tại 34 quốc gia trên toàn thế giới. Bằng phương pháp hồi quy Bayesian và phương pháp GMM, kết quả cho thấy Quy mô nền kinh tế ngầm (SE) có tương quan ngược chiều với Toàn cầu hóa (GLO), và Nhận thức tham nhũng (COR), cùng với đó là sự phát triển nghịch biến của Phát triển ngân hàng (BD. Từ những phát hiện trên, chúng tôi đề xuất một số chính sách liên quan cho từng nhóm quốc gia. <br><br>Abstract<br> This study examines the impact of banking development on the scale of the shadow economy in the context of globalization during the period 2009–2021 across 34 countries worldwide. Using Bayesian regression and GMM methods, the results indicate that the scale of the shadow economy is inversely correlated with globalization and negatively associated with banking development. This suggests that banking development indeed has a negative impact on the size of the shadow economy in countries under the current context of globalization. Based on these findings, the paper proposes several policy recommendations for different groups of countries.

Download

Sử dụng dữ liệu về đầu tư trực tiếp nước ngoài (FDI) của 66 quốc gia đang phát triển giai đoạn 2013-2021, nghiên cứu này triển khai các phương pháp học máy bao gồm mạng nơ-ron nhân tạo (ANN), rừng ngẫu nhiên (RFA) nhằm so sánh chất lượng dự báo với một phương pháp tiếp cận kinh tế lượng là GMM sai phân (DGMM). Trong đó, DGMM phân tích mối liên hệ giữa các nhân tố đầu vào ảnh hưởng tới thu hút FDI, trong khi ANN và RF dựa vào các nhân tố có ý nghĩa thống kê để đưa ra dự báo. Kết quả cho thấy các nhân tố độ lớn thị trường, độ mở thương mại, mức độ dồi dào của lao động, sự phát triển của thị trường tài chính là những nhân tố chính trợ lực cho thu hút FDI tại các quốc gia này. Trong khi đó, xét về mặt dự báo, sai số của RF là nhỏ nhất và vượt trội so với các phương pháp so sánh. Các phát hiện của mô hình kinh tế lượng và mô hình học máy cũng được thảo luận trong nghiên cứu. <br><br> Abstract <br> Utilizing foreign direct investment (FDI) data from 66 developing countries for the period 2013–2021, this study implements machine learning methods, including artificial neural networks (ANN) and random forests (RF), to compare predictive quality with that of an econometric approach, the difference generalized method of moments (DGMM). In this context, DGMM analyzes the relationships between the input factors influencing FDI attraction, while ANN and RF make predictions based on statistically significant factors. The results indicate that market size, trade openness, labor abundance, and financial market development are primary drivers facilitating FDI attraction in these countries. Regarding predictive accuracy, RF exhibits the lowest error and significantly outperforms the selected methods. The findings from both the econometric model and the machine learning models are also discussed in the study.

Download