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

Bài viết phân tích vốn đầu tư trực tiếp nước ngoài vào bất động sản (FDIRE) tại Việt Nam theo cách tiếp cận kinh tế vĩ mô. Với mô hình vector tự hồi quy với hệ số thay đổi theo thời gian (TVC-BSVAR) và một bộ số liệu theo chuỗi thời gian từ tháng 01/2017 đến 02/2023, kết quả ghi nhận rằng khi vốn FDIRE thêm 1 tỷ USD, tốc độ tăng trưởng ngắn hạn gia tăng thêm 2% và giá trị giao dịch chứng khoán tăng thêm 1% ngay trong tháng đầu tiên, và các tác động này giảm dần sau 12 tháng. Dòng vốn FDIRE cũng có đặc tính dai dẳng theo thời gian khi mà biến số này đóng góp phần lớn vào biến động của chính nó trong tương lai, vẫn đạt 50% sau 12 tháng. Điều này hàm ý rằng khi giá trị của dòng vốn đang ở mức cao thì nhiều khả năng sẽ tiếp tục ở mức cao, nhưng khi vốn bị suy giảm đột ngột xuống thấp thì sẽ khó quay trở lại mức ban đầu. <br><br> Abstract <br> The paper analyzes the foreign direct investment in real estates (FDIRE) in Vietnam by a macroeconomic approach. With a Time Varying Coefficients Bayesian Vector Autoregressive model (TVC-BSVAR) and a monthly time-series sample over 01/2017–02/2023, the evidence records that for an increase of 1 billion USD in FDIRE, the short-run economic growth rate raises by 2% and the stock market value increases by 1% right in the first month, and the impact decays after 12 months. The FDIRE is also persistent over time when it contributes largely to its future variation, with up to 50% after 12 months. This result implies that the FDIRE can be expected to be high if it is high but would be difficult to come back to its initial value if it reduces substantially.

Download

Nghiên cứu nhằm mục tiêu ước lượng mối tương quan và chỉ số lan tỏa về giá giữa Bitcoin và thị trường chứng khoán Việt Nam trong giai đoạn COVID–19 và xung đột Nga-Ukraine. Để thực hiện điều này, chúng tôi sử dụng mô hình DECO–GARCH đa biến và phương pháp chỉ số kết nối phát triển bởi Diebold và Yilmaz (2014). Kết quả cung cấp bằng chứng xác định tương quan chung của các thị trường nghiên cứu là có ý nghĩa thống kê và thay đổi theo thời gian. Hơn nữa, chỉ số lan tỏa về giá giữa Bitcoin và thị trường tài chính Việt Nam có hiệu ứng cao đến 48%, nghĩa là tồn tại sự gắn kết giữa Bitcoin và thị trường chứng khoán Việt Nam. Kết quả này là kênh thông tin hữu ích cho các nhà đầu tư và hoạch định chính sách. <br><br>Abstract<br> This study aims to explore the return spillover effects between Bitcoin and stock markets in Vietnam during the COVID-19 and Russia-Ukraine crises. By doing so, the authors employ the DECO-GARCH model and spillover index proposed by Diebold and Yilmaz (2014). Empirical analysis uncovers that there exists a time-varying equicorrelation between Bitcoin and stock market returns during the sample period. In addition, the price spillover effects between Bitcoin and Vietnam stock markets have a high level of 48%, which implies that there is a significant connectedness between these time series. These results have important implications for investors and market participants.

Download