Luận án Khủng hoảng nợ công: Tiếp cận bằng hệ thống cảnh báo sớm ews (early warning system)

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ---------------------- NGUYỄN THỊ THÝ LIỄU KHỦNG HOẢNG NỢ CÔNG: TIẾP CẬN BẰNG HỆ THỐNG CẢNH BÁO SỚM EWS (EARLY WARNING SYSTEM) LUẬN ÁN TIẾN SĨ KINH TẾ TP. Hồ Chí Minh - Năm 2024 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ---------------------- NGUYỄN THỊ THÝ LIỄU KHỦNG HOẢNG NỢ CÔNG: TIẾP CẬN BẰNG HỆ THỐNG CẢNH BÁO SỚM EWS (EARLY WARNING SYSTEM) Chuyên ngành: Tài chính – Ngân hàng Mã số: 9340201 LUẬN ÁN TIẾN SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS. PHAN THỊ BÍCH NGUYỆT TP. Hồ Chí Minh - Năm 2024 I MỤC LỤC MỤC LỤC ......................................................................................................................i DANH MỤC TỪ VIẾT TẮT.......................................................................................v DANH MỤC HÌNH VÀ BẢNG BIỂU.......................................................................vi CHƯƠNG 1 - GIỚI THIỆU NGHIÊN CỨU .............................................................1 1.1 Đặt vấn đề................................................................................................1 1.2. Khoảng trống nghiên cứu ........................................................................4 1.3. Bối cảnh nghiên cứu..............................................................................12 1.3.1. Thực trạng nợ công các nước trên thế giới........................................13 1.3.2. Thực trạng nợ công ở Việt Nam........................................................15 1.4. Mục tiêu nghiên cứu..............................................................................16 1.5. Câu hỏi nghiên cứu................................................................................17 1.6. Đối tượng và phạm vi nghiên cứu .........................................................17 1.7. Cách tiếp cận, phương pháp nghiên cứu và dữ liệu ..............................18 1.8. Các đóng góp mới của nghiên cứu ........................................................20 1.9. Kết cấu luận án ......................................................................................21 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU CÓ LIÊN QUAN VỀ KHỦNG HOẢNG NỢ CÔNG, TIẾP CẬN BẰNG HỆ THỐNG CẢNH BÁO SỚM (EWS) ..............................................................................................................23 2.1. Các lý thuyết về nợ công và vỡ nợ công. .............................................23 2.1.1. Nguồn gốc của nợ công..................................................................23 2.1.2. Quản lý nợ công.............................................................................28 2.1.3. Vỡ nợ công.....................................................................................30 2.2. Cơ sở lý thuyết về rủi ro kinh tế vĩ mô và tiếp cận bằng hệ thống cảnh báo sớm EWS .................................................................................................33 2.2.1. Các mô hình cảnh báo thế hệ thứ nhất ..............................................34 2.2.2. Các mô hình cảnh báo thế hệ thứ hai ................................................34 2.2.3. Các mô hình cảnh báo thế hệ thứ ba..................................................36 2.2.4. Các mô hình cảnh báo thế hệ thứ tư ..................................................37 2.2.5. Hệ thống cảnh báo sớm EWS............................................................39 2.2.6. Các dấu hiệu dự báo KHNC trong hệ thống cảnh báo sớm EWS.....43 II 2.3. Bằng chứng thực nghiệm về tác động của các yếu tố tác động đến KHNC ........................................................................................................................44 2.3.1. Các nghiên cứu thực nghiệm trên thế giới ........................................45 2.3.2. Các nghiên cứu thực nghiệm tại Việt Nam........................................49 2.3.3. Các nghiên cứu có liên quan .............................................................53 2.4. Giả thuyết nghiên cứu..............................................................................56 Tóm tắt chương 2............................................................................................58 CHƯƠNG 3- PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU..60 3.1. Dữ liệu và các biến trong mô hình nghiên cứu .....................................60 3.2. Quy trình thực hiện nghiên cứu.............................................................61 3.2.1. So sánh thuật toán .............................................................................61 3.2.2. Tinh chỉnh tham số - Grid SearchD ..................................................63 3.2.3. Confusion matrix ..............................................................................64 3.3. Mô hình nghiên cứu ..............................................................................67 3.3.1. Hệ thống cảnh báo sớm EWS truyền thống ......................................67 3.3.2. Hệ thống cảnh báo sớm EWS kết hợp máy học ................................69 3.4. Đo lường các biến trong mô hình..........................................................70 3.5. Phương pháp ước lượng mô hình nghiên cứu .......................................76 3.5.1. Mô hình logit nhị phân ......................................................................77 3.5.2. Mô hình hồi quy logistic đa thức.......................................................78 3.5.3. Ứng dụng các phương pháp máy học................................................80 3.5.3.1. Mô hình Random Forest (RF).....................................................80 3.5.3.2. Mô hình AdaBoost (AB).............................................................82 3.5.3.3. Mô hình Gradient Boosting (GBM)............................................82 3.5.3.4. Mô hình Extra Trees (ET)........................................................84 3.5.3.5. Mô hình Hồi quy Logistic (LR)...............................................85 3.5.3.6. Mô hình Phân tích phân biệt tuyến tính (LDA).......................85 3.5.3.7. Mô hình K láng giềng gần nhất (KNN) ...................................86 3.5.3.8. Mô hình Cây quyết định (CART)............................................87 3.5.3.9. Mô hình Máy hỗ trợ vector (Support Vector Machine - SVM) 88 III 3.5.3.10. Mô hình Deep Neural Network (DNN)..................................89 3.5.3.11. Mô hình Neural Network (NN)..............................................90 3.5.3.12. Mô hình Naive Bayes Gaussian (NB) ....................................90 Tóm tắt Chương 3...........................................................................................91 CHƯƠNG 4 – KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN ...............................92 4.1. Kết quả nghiên cứu theo phương pháp truyền thống...............................92 4.1.1. Trình bày kết quả Logit nhị thức.......................................................92 4.1.1.1. Mô hình Fixed Effect...............................................................93 4.1.1.2. Mô hình Random Effect ..........................................................95 4.1.2. Trình bày kết quả Logit đa thức...............................................97 4.1.2.1. Mô hình Fixed Effect...............................................................97 4.1.2.2. Mô hình Random Effect ..........................................................99 4.2. Dự báo khủng hoảng nợ công đối với Việt Nam theo phương pháp học máy .......................................................................................................101 4.3. Thảo luận kết quả ................................................................................105 Tóm tắt Chương 4.........................................................................................109 CHƯƠNG 5 - KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH.........................................110 5.1. Những phát hiện của luận án .................................................................110 5.2. Khuyến nghị của luận án .......................................................................111 5.2.1. Đề xuất về chính sách tài khoá: ....................................................112 5.2.2. Đề xuất về chính sách quản lý công:.............................................113 5.2.3. Đề xuất về các chính sách đầu tư:.................................................113 5.2.4. Đề xuất về việc ứng dụng rộng rãi trong thực tế mô hình cảnh báo sớm EWS.............................................................................................114 5.3. Một số hạn chế của luận án và định hướng nghiên cứu tiếp theo..........123 5.3.1. Hạn chế của luận án ......................................................................123 5.3.2. Một số gợi ý hướng nghiên cứu sắp tới.........................................124 TÀI LIỆU THAM KHẢO........................................................................................125 Tài liệu tham khảo Tiếng Việt ......................................................................125 Tài liệu tham khảo Tiếng Anh ......................................................................126 IV DANH MỤC TỪ VIẾT TẮT IMF : Quỹ Tiền tệ Quốc tế GDP : Tổng sản phẩm trong nước EWS : Hệ thống cảnh báo sớm (Early Warning System) WB : Ngân hàng Thế giới ADB : Ngân hàng Phát triển Châu Á OECD : Tổ chức Hợp tác và Phát triển Kinh tế PIIE ; Viện Kinh tế Quốc tế Peterson FRED : Dữ liệu kinh tế NHTW : Ngân hàng Trung Ương KHN : Khủng hoảng nợ KHNC : Khủng hoảng nợ công KHTT : Khủng hoảng tiền tệ KHTC : Khủng hoảng tài chính V DANH MỤC HÌNH VÀ BẢNG BIỂU DANH MỤC BẢNG BIỂU Bảng 2.1: Tổng hợp các lý thuyết về nợ công Bảng 3.1: Bảng thống kê mô tả dữ liệu nghiên cứu. Bảng 3.2: Độ chính xác các mô hình học máy Bảng 3.3: Ma trận Confusion Bảng 3.4: Tổng hợp kết quả nghiên cứu thực nghiệm về khủng hoảng nợ công Bảng 3.5: Tóm tắt đo lường các biến trong mô hình nghiên cứu Bảng 3.6: Bảng tổng hợp các biến nghiên cứu trong mô hình Bảng 4.1: Kết quả hồi quy Logit nhị thức Bảng 4.2: Hiệu ứng biên đối với mô hình hồi quy Logit nhị thức Fixed-Effect Bảng 4.3: Hiệu ứng biên đối với mô hình hồi quy Logit nhị thức Random-Effect Bảng 4.4: Kết quả mô hình Fixed Effect Logit đa thức Bảng 4.5: Kết quả mô hình Random Effect Logit đa thức Bảng 4.6: Dữ liệu dự phóng 5 năm tới cho kịch bản trung bình tại Việt Nam để dự báo khủng hoảng nợ công Bảng 4.7: Dữ liệu dự phóng 5 năm tới cho kịch bản xấu tại Việt Nam để dự báo khủng hoảng nợ công Bảng 4.8: Tổng hợp kết quả của các mô hình đã ước lượng phù hợp DANH MỤC HÌNH Hình 3.1. Kết quả so sánh thuật toán Hình 3.2. Ma trận Confusion 1 CHƯƠNG 1 - GIỚI THIỆU NGHIÊN CỨU 1.1 Đặt vấn đề Khủng hoảng nợ công là một vấn đề kinh tế vĩ mô nghiêm trọng mà nhiều quốc gia trên thế giới đang phải đối mặt. Nợ công quá lớn có thể dẫn đến mất cân đối ngân sách và không bền vững lâu dài. Khi nợ công quá cao và tăng nhanh, khả năng trả nợ của chính phủ bị suy giảm. Điều này làm tăng nguy cơ xảy ra khủng hoảng nợ công. Cuộc khủng hoảng này có thể phát sinh từ nhiều yếu tố khác nhau như vay mượn quá mức, quản lý tài chính yếu kém, suy thoái kinh tế và khủng hoảng tài chính (Reinhart và cộng sự, 2012). Ngày nay, vấn đề nợ công đã trở thành những thách thức kinh tế và tài chính lớn mà hầu hết các quốc gia trên khắp thế giới đều phải lo lắng khi tình hình nợ công tăng cao, nợ công tăng cao có thể do ảnh hưởng của các yếu tố như tăng chi phí chiến tranh, sự gia tăng của chương trình xã hội, và những biến đổi kinh tế toàn cầu. Khủng hoảng nợ công (KHNC) nếu xảy ra có khả năng gây ra những tác động tiêu cực đáng kể đến sự ổn định tài chính, tăng nguy cơ thiếu hụt nguồn vốn, và đe dọa sự phát triển bền vững của nền kinh tế của quốc gia và có thể là cả khu vực. Có thể thấy hậu quả thông qua cuộc KHNC Châu Âu đã làm cho đồng tiền euro mất giá điều này gây thiệt hại nặng nề cho nhiều quốc gia trong khối eurozone và cả các quốc gia đang phát triển, và những tác động này ảnh hưởng dài hạn và rất khó dự đoán. Như cuộc KHNC Mỹ Latinh vào những năm 1980 theo Pop-Eleches (2007), cuộc khủng hoảng nợ ở Mỹ Latinh trong thập niên 1980 là một sự kiện quan trọng có ảnh hưởng cả khu vực và toàn cầu. Nguyên nhân chính của cuộc khủng hoảng này bắt nguồn từ việc đẩy mạnh thực hiện công nghiệp hoá khi đầu tư xây dựng cơ sở hạ tầng từ đó dẫn đến nhập siêu, từ việc vay mượn đã làm rõ rằng các quốc gia tại khu vực này không thể trả được khoản vay từ các quốc gia khác và tổ chức tài chính Quốc tế, chính vì vay mượn quá nhiều cộng thêm sự tăng lãi suất toàn cầu, sự suy giảm giá dầu và các sản phẩm xuất khẩu chủ yếu của Mỹ Latinh bị ảnh hưởng bởi việc thu hẹp thương mại quốc tế, cùng với việc sử dụng vốn vay không minh bạch và hiệu quả. 2 Các hậu quả của cuộc khủng hoảng này đã buộc các quốc gia phải dựa vào sự can thiệp của IMF và Ngân hàng Thế giới, áp dụng các chương trình điều chỉnh cấu trúc, cắt giảm chi tiêu công, tăng thuế và thực hiện cải cách kinh tế theo hướng tự do hóa. Tuy nhiên sự kết hợp giữa IMF và các quốc gia này không đạt được kết quả tích cực, chỉ làm gia tăng suy thoái kinh tế, thất nghiệp, bất bình đẳng và bất ổn xã hội. Tương tự, các cuộc KHNC gần đây tại châu Âu từ năm 2009 và Mỹ vào cuối năm 2020 cũng cho thấy tình hình tương tự. Các quốc gia như Hy Lạp, Ireland, Bồ Đào Nha, Tây Ban Nha, Ý và Mỹ đã không thể trả nợ hoặc vay mới do thâm hụt ngân sách và những nguyên nhân kinh tế khác. Mất cân đối kinh tế-tài chính giữa các quốc gia, quản lý ngân sách kém hiệu quả và nợ công cao trong một số quốc gia EU, cùng với chính sách tiền tệ chung, đã đẩy các nước này đến nguy cơ phá sản. Như một phản ứng tự nhiên, các nước đã phải nhờ đến sự hỗ trợ từ Liên minh châu Âu, IMF và thực hiện các biện pháp điều chỉnh. Trong giai đoạn 2021–2022, nợ công toàn cầu đã giảm xuống còn khoảng 92% GDP—đảo ngược một nửa mức tăng kỷ lục vào năm 2020—do sự phục hồi kinh tế sau cuộc khủng hoảng COVID-19, những bất ngờ về lạm phát và việc chấm dứt các biện pháp hỗ trợ tài chính đặc biệt được ban hành trong giai đoạn này 1. Đối với thế giới, tỷ lệ nợ công trên GDP giảm mạnh vào năm 2021 và 2022, khiến tỷ lệ này giảm một nửa so với mức tăng khoảng 15 điểm phần trăm của GDP vào năm 2020. Tuy nhiên, trong tương lai, tỷ lệ nợ được dự đoán sẽ bắt đầu tăng trở lại vào năm 2023 và tiếp tục tăng khoảng 1¼ điểm phần trăm mỗi năm trong trung hạn đến năm 2028. Mức nợ công hiện đã cao hơn và được dự đoán sẽ tăng nhanh hơn dự đoán trước đại dịch, cùng lúc với lãi suất thực tỷ giá cũng đang tăng. Ngoài ra, các xung đột chính trị và quân sự ở một số khu vực như U-crai-na, Trung Đông, và Bắc Phi cũng tăng thêm rủi ro cho nền kinh tế toàn cầu và khả năng thanh toán nợ của các quốc gia liên quan. Những xung đột này không chỉ gây ra thiệt hại cho người dân và cơ sở hạ tầng, 1 Fiscal Monitor 2023: On the Path to Policy Normalization– Quỹ Tiền tệ Quốc tế (IMF) 2 Số liệu về chỉ số General Governent Gross Debt năm 2022 – Quỹ Tiền tệ Quốc tế (IMF) 3 mà còn làm gián đoạn chuỗi cung ứng, gây áp lực lên giá dầu và các mặt hàng thương mại khác. Trong năm 2022, theo số liệu IMF các quốc gia có mức nợ chính phủ cao nhất bao gồm Nhật Bản (262% GDP), Hy Lạp (177% GDP), Venezuela (157% GDP) và Italy (144% GDP)2. Tỷ lệ nợ công của Việt Nam là 58,3% vào năm 2018 và tỷ lệ nợ công chưa điều chỉnh năm 2022 là 37,4% đối với tỷ lệ nợ nước ngoài của Việt Nam năm 2022 chưa điều chỉnh là 36,1% so với GDP 3 với tỷ trọng nợ nước ngoài ở mức này có thể có tiềm tang nhiều rủi ro với mức chi phí vay có thể kém thuận lợi trong bối cảnh lạm phát hiện tại, đối với mức tỷ lệ nợ công này hiện tại Việt Nam vẫn đảm bảo an toàn với ngưỡng cho phép theo Nghị quyết số 23/2021/QH15. Trước đó dịch bệnh khiến thâm hụt ngân sách tăng thêm 34% từ 2019-2020 và theo báo cáo mới nhất bội chi ngân sách năm 2021 là 214,053 tỷ đồng đang ở mức duy trì với năm 20204, việc bội chi ngân sách cũng đã gây áp lực lớn lên việc kiểm soát nợ công điều này đã khiến cho hoạt động sản xuất kinh doanh bị trì hoãn tác động đến thu – chi ngân sách nhà nước cũng như việc thực hiện kế hoạch vay và trả nợ công. Tại Đại hội Đảng Cộng sản Việt Nam lần thứ XIII năm 2021, Chiến lược phát triển kinh tế-xã hội giai đoạn 2021-2030 đã chỉ rõ mục tiêu kiểm soát nợ công ở mức dưới 60% GDP vào năm 2030. Tuy nhiên, việc thực hiện mục tiêu này đang gặp nhiều thách thức do ảnh hưởng của đại dịch Covid-19. Cụ thể, dịch bệnh đã khiến hoạt động sản xuất kinh doanh giảm sút, nguồn thu ngân sách bị suy giảm nghiêm trọng. Trong khi đó, Chính phủ phải tăng chi tiêu y tế và các gói hỗ trợ kinh tế - xã hội để ứng phó với dịch bệnh. Điều này tạo áp lực lớn lên nợ công. Tình hình trên đòi hỏi Chính phủ Việt Nam cần có giải pháp quản lý nợ công hiệu quả, ứng phó kịp thời với các rủi ro về tài chính công trong bối cảnh kinh tế có nhiều biến động để đảm bảo mục tiêu kiểm soát nợ công như chiến lược đề ra trong Quyết định số 460/QĐ-TTg nhằm phê duyệt chiến lược nợ công đến năm 2030. Đại dịch COVID-19 đã làm trầm trọng thêm cuộc khủng 3 Bản tin nợ công (T8-2023) – Bộ tài chính Việt Nam 4 Số liệu tổng hợp từ báo cáo ngân sách nhà nước của Bộ Tài chính năm 2019-2021 4 hoảng nợ công, khi các quốc gia có nhu cầu vay vốn và trả lãi trong tương lai tăng mạnh (Kisin và cộng sự, 2021). Dư địa tài chính để giải quyết hậu quả khủng hoảng đã bị thu hẹp, dẫn đến nợ công ngày càng gia tăng ở nhiều quốc gia. Trước biến động bất ổn của thế giới, mỗi quốc gia cần xem xét kỹ lưỡng mức độ an toàn và bền vững của nợ công và ngân sách. Đây là nguồn lực quan trọng để hỗ trợ kinh tế và an sinh xã hội trong tương lai. Câu hỏi về tác động của nợ công đối với ngân sách và việc phát hiện nguy cơ KHNC đang được nhiều chính sách gia quan tâm. Vì lý do trên, tôi tin rằng nghiên cứu và phát triển một hệ thống cảnh báo sớm (EWS) để quản lý nợ công và những biến động vĩ mô có thể là giải pháp thích hợp. EWS, thông qua phân tích yếu tố rủi ro, dự báo xu hướng và phát hiện sớm các dấu hiệu của khủng hoảng, cung cấp một công cụ quan trọng để ngăn chặn hoặc giảm bớt những hậu quả tiêu cực của KHNC. Nghiên cứu này nhằm xây dựng nền tảng lý thuyết và cung cấp chứng cứ thực nghiệm vững chắc để hiểu rõ vấn đề KHNC, từ đó đưa ra các khuyến nghị chính sách, giải pháp và hướng hành động cụ thể để đáp ứng các tình huống thực tế, nhằm phục hồi và phát triển kinh tế mạnh mẽ, bền vững cho Việt Nam. 1.2. Khoảng trống nghiên cứu Frankel và Rose (1996) đã đề xuất việc sử dụng mô hình hồi quy logit hoặc probit để ước tính xác suất của một cuộc khủng hoảng tiền tệ (KHTT) đang đến gần bài viết nghiên cứu này tập trung vào việc điều chỉnh và dự báo các vụ vỡ nợ quốc gia (có chủ quyền) bằng cách sử dụng nhiều tín hiệu rủi ro. Mặc dù bài viết cung cấp những hiểu biết sâu sắc về việc sử dụng nhiều tín hiệu rủi ro để dự báo các vụ vỡ nợ quốc gia, nhưng điều quan trọng cần lưu ý là nó tập trung vào các nước châu Âu và có thể thiếu phạm vi bao quát rộng hơn. Manasse và cộng sự (2003), Fuertes và Kalotychou (2006) đã áp dụng tương tự mô hình logit tổng hợp để xem xét các cuộc khủng hoảng nợ (KHN) ở các nền kinh tế mới nổi. Manasse và cộng sự (2003) cho 5 rằng mô hình logit có xu hướng hoạt động tốt hơn mô hình probit khi biến phụ thuộc không được phân bổ đồng đều giữa hai kết quả, tức là khủng hoảng và không khủng hoảng; trường hợp này thường xảy ra vì các sự kiện khủng hoảng không phải là hiện tượng phổ biến. Mặc dù các nghiên cứu này nhấn mạnh tính ưu việt của mô hình logit so với mô hình probit trong trường hợp biến phụ thuộc không được phân bổ đồng đều giữa kết quả khủng hoảng và không khủng hoảng, nhưng vẫn có khoảng cách nghiên cứu trong việc đánh giá hiệu suất của các mô hình này trong các bối cảnh kinh tế khác nhau và xem xét các yếu tố khác có thể ảnh hưởng đến khủng hoảng nợ. Ngoài ra, việc tập trung vào các nền kinh tế mới nổi hạn chế tính khái quát của các phát hiện và cần có nghiên cứu sâu hơn để kiểm tra khả năng áp dụng các mô hình này ở các loại hình nền kinh tế khác. Hơn nữa, các nghiên cứu thừa nhận rằng khủng hoảng nợ không phải là hiện tượng phổ biến, cho thấy cần có các mô hình toàn diện và mạnh mẽ hơn để có thể nắm bắt hiệu quả động lực và sự phức tạp của khủng hoảng nợ. Nghiên cứu của Jedidi (2013) đã sử dụng mô hình fixed-effects logit để dự đoán các cuộc KHNC ở một số quốc gia phát triển, trong khi Laušev và cộng sự (2011) thì áp dụng mô hình Random effects thay cho mô hình Fixed-effects logit. Kaminsky và cộng sự (1996) đã phát triển phương pháp trích xuất tín hiệu (tĩnh), một phương pháp phi tham số yêu cầu xác định và theo dõi một số biến số nhất định có xu hướng hoạt động theo cách khác thường gây ra tình trạng khó khăn về tài chính hoặc kinh tế, hệ thống theo dõi sự biến động của một số chỉ số kinh tế có xu hướng thay đổi bất thường trước các cuộc khủng hoảng tiền tệ. Các chỉ số này bao gồm xuất khẩu, tỷ giá thực, tỷ lệ tiền M2/dự trữ ngoại hối, GDP và giá cổ phiếu. Mỗi khi một chỉ số vượt ngưỡng giá trị nhất định (được tính toán dựa trên mức độ rủi ro có quá nhiều tín hiệu sai hoặc bỏ lỡ khủng hoảng), điều này được coi là một "tín hiệu" cảnh báo khủng hoảng tiền tệ có thể xảy ra trong vòng 24 tháng. Những chỉ số phát tín hiệu sẽ cho biết cụ thể nguyên nhân gốc rễ dẫn đến khủng hoảng. Hệ thống cho phép theo dõi và cảnh báo sớm về nguy cơ khủng hoảng để kịp thời có biện pháp ứng phó. Mô hình này được thiết kế nhằm báo hiệu một cuộc khủng hoảng sắp xảy ra nếu các chỉ số này vượt quá một giá trị ngưỡng nhất định, được tính như một phần trăm 6 cụ thể của phân phối mẫu của mỗi chỉ số. Mục tiêu của nghiên cứu của (Kaminsky và cộng sự, 1999) là xác định khả năng dự báo một tình huống khủng hoảng đồng thời gắn liền giữa khủng hoảng ngân hàng và KHTT. Khi xảy ra, KHTT sẽ nhanh chóng gây ra tác động tiêu cực và làm trầm trọng hóa tình trạng khủng hoảng ngân hàng, dẫn đến tình hình kinh tế suy thoái nghiêm trọng, gọi là khủng hoảng kép. Casu và cộng sự (2012) đề xuất một lựa chọn động (không cụ thể theo mẫu) của ngưỡng tập trung nhiều hơn vào sự biến động của các chỉ số. Đối với điều này, họ đã chỉ định ngưỡng là số độ lệch chuẩn nhất định khác với giá trị trung bình dài hạn của biến. Trong khi phương pháp tiếp cận tĩnh được phát triển trong bối cảnh KHTT thì phương pháp động để phát hiện tình trạng khó khăn trong ngân hàng, song không có đặc điểm kỹ thuật nào được sử dụng để lập mô hình EWS cho các vụ vỡ nợ, ngoại trừ Savona và Vezzoli (2015). Ciarlone và Trebeschi (2005), sử dụng phiên bản trước đó của Bussiere và Fratzscher (2006) để điều tra hiệu suất của nó trong việc dự đoán các đợt KHNC trong trường hợp của các nền kinh tế mới nổi. Dường như có sự đồng thuận rộng rãi trong các nghiên cứu trước đây về các chỉ số quan trọng để giải thích cho các cuộc khủng hoảng nợ. Đặc biệt, một số chỉ tiêu về khả năng thanh toán được nhấn mạnh, có thể kể đến tỷ lệ nợ nước ngoài, tăng trưởng dự trữ ngoại hối và tăng trưởng xuất khẩu, phản ánh khả năng trả nợ. Ngoài ra, nội dung thường được nhấn mạnh là tầm quan trọng của thâm hụt tài khoản vãng lai như một thước đo cho câu hỏi liệu rủi ro kém thanh khoản và các chỉ số kinh tế vĩ mô khác ảnh hưởng đến khả năng đáp ứng các nghĩa vụ của một quốc gia như thế nào. Các chỉ số khác, chẳng hạn như độ mở thương mại và các biện pháp ổn định kinh tế vĩ mô, cũng được đề xuất bởi cách tiếp cận sẵn sàng chi trả, do Eaton và Gersovitz (1981) đi tiên phong; ở đây các vụ vỡ nợ được mô phỏng như một sự kiện trong đó một quốc gia có rủi ro vỡ nợ quyết định thoái thác khoản nợ của mình nếu nhận thấy chi phí của việc vỡ nợ nhỏ hơn lợi ích từ việc chi trả nợ công. Bên cạnh đó, cuộc khảo sát của Reinhart (2002) trên mẫu gồm khoảng 60 quốc gia trong giai đoạn 1979-1999 đã chỉ ra rằng 84% trong số các cuộc KHNC được nghiên cứu có tiền tệ khủng hoảng trước đó. Vì vậy, có thể kỳ vọng rằng các biến số 7 thích hợp để dự đoán KHTT cũng có thể giải thích một phần trong EWS (Early Warning System) đối với khủng hoảng nợ. Chakrabarti và Zeaiter (2014) đã xem xét giới hạn cực đại của European Banking Authority, tức là Cơ quan Ngân hàng Châu Âu (EBA) để xác định các yếu tố quyết định tới rủi ro vỡ nợ của một quốc gia và xác định mức độ tác động của chúng. Trong khi đó, nghiên cứu của Laušev và đồng nghiên cứu (2011) đã sử dụng mô hình bảng logit để ước tính xác suất gia hạn nợ cho 15 quốc gia Đông Âu trong giai đoạn chuyển đổi từ 1990-2005. Khu vực này trở thành điểm đến hấp dẫn cho đầu tư nước ngoài, và phát hiện của nghiên cứu này cho thấy rằng các nỗ lực chính sách, bao gồm giảm chi tiêu của chính phủ, thu hút FDI, tăng nguồn thu từ xuất khẩu và giữ kỷ lục trả nợ, có thể giảm nguy cơ gia hạn nợ và giúp giảm chi phí nợ đối với các quốc gia trong khu vực này. Điều quan trọng cần lưu ý là EWS dựa trên các mô hình biến phụ thuộc nhị thức, trong đó biến khủng hoảng giả định giá trị của một trong những khoảng thời gian mà một quốc gia bị ảnh hưởng bởi khủng hoảng và bằng không, có một vấn đề nội sinh cố hữu. Điều này là do hành vi của các biến chỉ số bị ảnh hưởng bởi cả bản thân cuộc khủng hoảng và các chính sách được thực hiện để giảm thiểu nó. Hơn nữa, các chỉ số báo hiệu có thể được kỳ vọng hợp lý sẽ hoạt động khác trong thời kỳ yên bình so với thời kỳ hậu khủng hoảng, nơi nền kinh tế đang trải qua quá trình điều chỉnh để phục hồi sau khủng hoảng. Do đó, việc kết hợp các quan sát về thời kỳ không khủng hoảng với những quan sát của thời kỳ hậu khủng hoảng thành một nhóm có thể dẫn đến một dạng sai lệch. Bussiere và Fratzscher (2006) gọi đây là “thành kiến sau khủng hoảng”. Để tránh cạm bẫy này, một số tác giả (Fuertes và Kalotychou, 2007; Savona và Vezzoli, 2015) đã loại bỏ các quan sát sau khủng hoảng khỏi mẫu của họ; tuy nhiên, do vậy mà mẫu bị mất thông tin, trong khi những học giả khác (Peter, 2002; Manasse và cộng sự, 2003) thì sử dụng một biến giả để cho phép các hệ số khác nhau trong giai đoạn sau khủng hoảng. Mặt khác, Bussiere và Fratzscher (2006) đề xuất sử dụng một biến khủng hoảng đa thức để thay thế nó phản ánh cả ba trạng thái của một nền kinh tế, tác giả 8 chỉ ra rằng các phương pháp EWS hiện có, sử dụng mô hình biến số phụ thuộc nhị phân, bị ảnh hưởng bởi những gì họ gọi là "bias sau khủng hoảng". Điều này xảy ra khi không phân biệt giữa giai đoạn ổn định, khi các cơ sở kinh tế được duy trì bền vững, và giai đoạn khủng hoảng/hậu khủng hoảng, khi các biến kinh tế đi qua quá trình điều chỉnh trước khi đạt được mức ổn định hoặc đường tăng trưởng bền vững hơn. Nghiên cứu sử dụng mô hình logit đa thuộc tính với 3 trạng thái (ổn định, tiền khủng hoảng, hậu khủng hoảng) để giải quyết vấn đề này. Kết quả thử nghiệm trên 20 thị trường mới nổi từ năm 1993 đến 2001 cho thấy mô hình mới có khả năng dự báo khủng hoảng tốt hơn đáng kể so với các mô hình hiện có. Nó giảm đáng kể số cảnh báo sai và bỏ qua ít khủng hoảng hơn. Savona và Vezzoli (2015) đã sử dụng phương pháp cây hồi quy để báo hiệu các cuộc KHNC sắp xảy ra bất cứ khi nào các chỉ số được chọn trước vượt quá ngưỡng cụ thể. Bằng cách sử dụng dữ liệu từ các thị trường mới nổi và Hy Lạp, Ireland, Bồ Đào Nha và Tây Ban Nha (GIPS) trong giai đoạn 1975– 2010, Savona và Vezzoli (2015) đã cho thấy rằng mô hình của họ vượt trội hơn đáng kể so với các phương pháp tiếp cận như logit, logit từng phần, tỷ lệ nhiễu trên tín hiệu và cây hồi quy, đồng thời cân bằng hiệu suất trong và ngoài mẫu. Kết quả của họ đã chỉ ra rằng tính kém thanh khoản (nợ ngắn hạn cao so với dự trữ) và lịch sử vỡ nợ, cùng với tăng trưởng GDP thực và lãi suất của Hoa Kỳ, là những yếu tố quyết định chính của các vụ vỡ nợ của các quốc gia thị trường mới nổi và cuộc KHN có chủ quyền ở châu Âu trong thời gian gần đây. Liên quan đến việc phát triển mô hình cho cảnh báo sớm để đề xuất các chính sách hướng tới mục tiêu ổn định kinh tế vĩ mô, nghiên cứu của (Nguyễn Trọng Hoài và Trương Hồng Tuấn, 2021) đã xác định một loạt các yếu tố kinh tế và thể chế có tác động đến khả năng xảy ra KHTT ở các nền kinh tế mới nổi. Sáu biến số kinh tế bao gồm việc định giá nội tệ trên mức tỷ giá thực, sự suy giảm của dự trữ ngoại hối, giảm xuất khẩu, thâm hụt tài khoản vãng lai, tỷ lệ nợ ngắn hạn nước ngoài so với dự trữ ngoại hối, và tốc độ tăng trưởng của tín dụng nội địa. Sáu biến số thể chế bao gồm sự đảm bảo trách nhiệm thể chế, ổn định chính trị, hiệu quả của chính phủ, chất lượng 9 của chính sách hỗ trợ kinh tế tư nhân, hệ thống pháp luật, và sự kiểm soát đối với tham nhũng. Cả hai nhóm biến số kinh tế và thể chế này đã được tích hợp vào một mô hình logit đơn giản để đánh giá dữ liệu từ 15 nền kinh tế mới nổi trong giai đoạn từ 1996 đến 2005. Kết quả mới của nghiên cứu này là sự thể hiện rõ ràng về vai trò tích cực của trách nhiệm thể chế, được xác định có ảnh hưởng ý nghĩa từ góc độ thống kê, trong việc giảm nguy cơ xảy ra KHTT. Ngoài ra, biến số "chất lượng chính sách phát triển kinh tế tư nhân" cũng có tác động tích cực tương tự trong việc giảm nguy cơ xảy ra KHTT, mặc dù có mức độ ảnh hưởng thấp hơn. Nghiên cứu này cũng khẳng định lại rằng tốc độ tăng trưởng của tín dụng nội địa, suy giảm xuất khẩu và sự kéo dài của thâm hụt tài khoản vãng lai đều tác động tích cực đến việc tăng nguy cơ xảy ra KHTT. Cuối cùng, tác giả đưa ra một số đề xuất chính sách vĩ mô nhằm nâng cao chất lượng của biến số kinh tế và thể chế, nhằm giảm thiểu khả năng xảy ra khủng hoảng trong tương lai tại Việt Nam. Nghiên cứu của Trần Thọ Đạt và Nguyễn Việt Hùng (2016) nhằm để xác định ngưỡng xác suất tối ưu và thực hiện kiểm định kết quả dự báo của các mô hình cảnh báo bất ổn tài chính - tiền tệ tại Việt Nam. Nghiên cứu này cũng nhằm tổng hợp lý thuyết cùng với các thay đổi và phản ứng chính sách trong thực tế từ các cuộc KHNC lớn trong lịch sử cũng như cuộc KHNC ở châu Âu gần đây để cung cấp cái nhìn toàn cảnh về tình hình KHNC. Ngoài ra, nghiên cứu còn phân tích tình trạng hiện tại và đánh giá rủi ro nợ công của Việt Nam dựa trên dữ liệu mới nhất. Đồng thời, nghiên cứu cũng đưa ra các gợi ý chính sách nhằm cải thiện tình hình nợ công, nhằm giảm thiểu khả năng xảy ra khủng hoảng trong tương lai. Trong một nghiên cứu vào năm 2016, Nguyễn Thị Lan đã thảo luận về hiện tượng thường xuyên xảy ra trong quá trình phát triển hệ thống tài chính và ngân hàng của các quốc gia, đó là chu kỳ KHTC, gây ra những hậu quả nghiêm trọng đối với kinh tế và xã hội. Để ứng phó với những tình huống này và hạn chế tác động tiêu cực, các nhà kinh tế trên toàn cầu đã đặc biệt quan tâm đến nghiên cứu và xây dựng hệ thống cảnh báo sớm (Early Warning System - EWS), nhằm tăng cường khả năng dự 10 phòng trước các khủng hoảng tiềm ẩn trong tương lai. Với sự lan tỏa của toàn cầu hóa và tự do vận chuyển vốn, đặc biệt là sự yếu kém của hệ thống ngân hàng Việt Nam và áp lực cạnh tranh mạnh mẽ từ các công ty tài chính quốc tế, những yếu tố này đã tạo nên một môi trường dễ bị tổn thương đối với nền kinh tế, hệ thống tài chính, và ngân hàng của Việt Nam. Hệ thống này thường xuyên đối diện với rủi ro và tình trạng bất ổn, và thường khó có thể dự đoán trước. Vì vậy, việc xây dựng và triển khai hệ thống cảnh báo sớm (EWS) tại Việt Nam trở nên cực kỳ quan trọng và cấp bách. Tiếp nối cơ sở lý thuyết này, Hạ Thị Thiều Dao và Nguyễn Thị Mỹ Phượng (2016) đã đưa ra nghiên cứu về cảnh báo sớm khủng hoảng đối với hệ thống ngân hàng tại Việt Nam. Những nghiên cứu trên đã từng bước xây dựng cơ sở lý thuyết và một số ứng dụng đặc thù liên quan đến việc dự báo KHNC bằng hệ thống cảnh báo sớm EWS. Tuy nhiên, nhìn nhận ở thời điểm hiện tại, nghiên cứu đã nêu khó tránh khỏi việc bỏ sót một số cập nhật liên quan đến các dấu hiệu KHNC của hệ thống cảnh báo sớm. Đây chính là khoảng trống về mặt học thuật lẫn thực tiễn trong bối cảnh nền kinh tế vĩ mô biến động không ngừng và có mối liên kết đến nhiều yếu tố bất ổn như hiện nay. Như vậy, luận án được kỳ vọng sẽ cung cấp bằng chứng mới và góp phần xây dựng cơ sở lý thuyết về cảnh báo KHNC tại Việt Nam. Luận án càng có ý nghĩa thực tiễn hơn trong bối cảnh nền kinh tế nước nhà đang bước vào giai đoạn phục hồi sau ảnh hưởng của đại dịch và nền kinh tế Việt Nam đang chịu tác động của nhiều yếu tố ở hiện tại và trong thời gian tới như: thương chiến Mỹ - Trung, tình hình thế giới không ổn định, những khó khăn trong sản xuất kinh doanh của doanh nghiệp, . Hệ thống cảnh báo sớm (EWS) đã được phát triển để dự đoán các cuộc khủng hoảng nợ công, nhưng chúng vẫn có những hạn chế nhất định. Một hạn chế là hiệu quả dự báo của các EWS này không đạt yêu cầu, đặc biệt là trong việc dự đoán các sự cố khủng hoảng ngoài mẫu (Dawood và cộng sự, 2017). Một hạn chế khác là các mô hình trước năm 2008 không dự đoán được mức độ nghiêm trọng và quy mô quốc tế của các cuộc khủng hoảng toàn cầu gần đây (Dawood và cộng sự, 2017). Ngoài ra, 11 có những yếu tố có thể làm tăng tính dễ bị tổn thương trước một cuộc khủng hoảng mà EWS không nắm bắt được, chẳng hạn như sự thay đổi cơ chế chính phủ, mức độ phát triển của các tổ chức tài chính và kiểm soát vốn (Bosupeng, 2018). Để khắc phục những hạn chế này, các tác giả đã đề xuất nhiều cách tiếp cận khác nhau. Một cách tiếp cận là sử dụng các phương pháp học máy, chẳng hạn như tăng cường độ dốc, để xây dựng EWS nhằm dự đoán các cuộc khủng hoảng tài chính (Liu và cộng sự, 2022). Một cách tiếp cận khác là cách tiếp cận tín hiệu, chuyển giá trị của các chỉ số khác nhau về mất cân bằng kinh tế vĩ mô thành EWS cho các cuộc khủng hoảng nợ công (Knedlik & Schweinitz, 2012). Ngoài ra, việc sử dụng EWS logit động có tính đến sự tồn tại dai dẳng của hiện tượng khủng hoảng đã được đề xuất (Candelon và cộng sự, 2014). Tóm lại, khoảng trống nghiên cứu còn hạn chế trong việc dự báo các sự cố khủng hoảng ngoài mẫu. Các nghiên cứu gần đây đã chứng minh hiệu quả của mô hình logit/probit trong dự báo khủng hoảng nợ. Tuy nhiên, phạm vi ứng dụng của các mô hình này vẫn còn hạn chế. Cụ thể, hầu hết các nghiên cứu chỉ tập trung vào các nền kinh tế châu Âu và mới nổi, chưa mở rộng đánh giá tính ứng dụng trên nhiều loại hình kinh tế khác như kinh tế đang phát triển. Điều này hạn chế khả năng áp dụng các mô hình trong thực tiễn. Bên cạnh đó, việc đánh giá hiệu quả của mô hình logit và probit chủ yếu dựa trên môi trường kinh tế cụ thể mà chưa so sánh độ chính xác trong những bối cảnh kinh tế khác nhau. Điều này ảnh hưởng đến việc lựa chọn mô hình phù hợp. Phương pháp trích xuất tín hiệu của Kaminsky dù chứng minh hiệu quả nhưng chỉ áp dụng trong phạm vi khủng hoảng tài chính, chưa được mở rộng cho các EWS khác như khủng hoảng nợ. Ngoài ra, các nghiên cứu trước đây chưa xem xét kỹ tác động của giai đoạn sau khủng hoảng đến kết quả mô hình, dẫn đến phương pháp luận sai lệch. Việc nghiên cứu cách kết hợp các biến đa thức cũng cần được đẩy mạnh hơn nhằm phản ánh đầy đủ 3 giai đoạn kinh tế và tránh sai số dự báo. Để khắc phục các khoảng trống nghiên cứu trên nghiên cứu đề xuất sử dụng phương pháp học máy giúp phát hiện các 12 mối quan hệ phức tạp trong dữ liệu, đồng thời kết hợp với việc mở rộng phạm vi nghiên cứu với nhiều dữ liệu sẽ giúp cho nâng cao khả năng chuẩn đoán.. 1.3. Bối cảnh nghiên cứu Trong thập kỷ qua, khủng hoảng nợ công đã trở thành một vấn đề nghiêm trọng đối với nhiều quốc gia, khu vực và thế giới. Điển hình là cuộc khủng hoảng nợ công khu vực đồng Euro nổ ra vào năm 2009-2010, khởi phát từ Hy Lạp và lan rộng sang các nước như Bồ Đào Nha, Ireland, Tây Ban Nha. Khủng hoảng nợ công không chỉ gây ra những tác động tiêu cực đến nền kinh tế của các quốc gia bị ảnh hưởng mà còn tác động xấu đến toàn bộ nền kinh tế thế giới, làm chậm lại quá trình phục hồi sau cuộc khủng hoảng tài chính toàn cầu 2007-2008. Trong bối cảnh đó, việc nghiên cứu các yếu tố dẫn đến khủng hoảng nợ công cũng như xây dựng các công cụ cảnh báo sớm để phòng ngừa khủng hoảng ngày càng trở nên cấp thiết, nhằm giảm thiểu rủi ro và thiệt hại cho nền kinh tế. Đối với Việt Nam, việc quản lý nợ công là một vấn đề quan trọng đối với nhiều quốc gia, bao gồm Việt Nam, và có thể xuất hiện các thách thức và áp lực trong quá trình này. Việt Nam đã có sự tăng trưởng vững chắc trong nhiều năm gần đây và đã đạt được một số thành công trong việc quản lý nợ công. Tuy nhiên, như các quốc gia khác, Việt Nam vẫn phải đối mặt với những thách thức trong việc duy trì và quản lý nợ công, và thực hiện theo chiến lược nợ công đến năm 2030 theo quyết định số 460/QĐ-TTg. Với những thách thức không chỉ của Việt Nam mà cả các quốc gia trên toàn thế giới đã dấy lên lại sự quan tâm của thế giới dành cho các hệ thống dự báo sớm EWS, trên thế giới có nhiều nghiên cứu dự báo nhưng tài liệu nghiên cứu tại Việt Nam vẫn còn bỏ ngõ và chưa đáp ứng đủ nhu cầu phân tích lược khảo. Các mô hình EWS có giá trị to lớn đối với các nhà hoạch định chính sách và các tổ chức chính quyền với khả năng hỗ trợ phát hiện ra các điểm yếu kinh tế tiềm ẩn và tạo điều kiện thực hiện công tác chuẩn bị kịch bản, phòng ngừa nhằm giảm thiểu tác động của những mặt trái kinh tế trong trường hợp khủng hoảng xảy ra. Đồng thời, xây dựng một hệ thống cảnh báo sớm về khủng khoảng nợ công bằng học máy là một ý tưởng mà tác giả muốn sử 13 dụng trong nghiên cứu này. Việc này có thể giúp các cơ quan chính phủ và tổ chức tài chính có thể làm căn cứ để chọn phương pháp dự đoán và ứng phó với nguy cơ khủng hoảng nợ công một cách hiệu quả hơn. Mục đích của nghiên cứu này là phát triển khuôn khổ EWS dựa trên dữ liệu kinh tế vĩ mô và tài chính trên dữ liệu lịch sử của các quốc gia trên thế giới. Do đó, các kết luận từ nghiên cứu này rất quan trọng đối với các nhà hoạch định chính sách vì theo dõi cẩn thận các chỉ số cụ thể có thể giúp tránh hoặc ít nhất là giảm thiểu tác động của bất ổn tài chính sắp tới có thể xảy ra. 1.3.1. Thực trạng nợ công các nước trên thế giới Thế giới trải qua nhiều cuộc khủng hoảng khác nhau, trong đó để lại nhiều hậu quả nặng nề nhất có thể kể đến cuộc KHTC toàn cầu năm 2007-2008 và cuộc khủng hoảng y tế toàn cầu Covid-19. Cuộc KHTC toàn cầu năm 2008 đã tấn công các nền kinh tế tiên tiến và các quốc gia mới nổi và đang phát triển trên thế giới, các chính phủ buộc phải cứu trợ và tái cấp vốn cho hệ thống ngân hàng đang thất bại của họ. Những can thiệp nhằm cứu vãn hệ thống ngân hàng dẫn đến thâm hụt tài chính lớn đồng thời với việc nền kinh tế tăng trưởng chậm lại do vỡ bong bóng bất động sản, một số quốc gia châu Âu, đặc biệt là Hy Lạp, Bồ Đào Nha, Irelvà và Tây Ban Nha, đã phải đối mặt với một cuộc KHN kéo dài. Các quốc gia này mất khả năng thanh toán hoặc tái cấp vốn cho khoản nợ có chủ quyền và phải dựa vào sự hỗ trợ của các nước trong khối Châu Âu khác, các tổ chức quốc tế như Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Trung ương Châu Âu (ECB). Ở Châu Mỹ, Argentina là một ví dụ điển hình về quốc gia có lịch sử KHTC lâu đời. Năm 2000 và 2001, Argentina cần sự hỗ trợ từ IMF với số tiền hơn 22 tỷ đô la Mỹ. Tháng 12 năm 2001, Argentina vỡ nợ và các biện pháp kiểm soát tài chính nhằm ngăn chặn các giao dịch chuyển tiền ra nước ngoài đã được đưa ra. Sự sai sót này đã dẫn đến những đợt điều hành ngân hàng nghiêm trọng, suy giảm kinh tế, người lao động bị sa thải hàng loạt, rối loạn chính trị và gia tăng nghèo đói (Stanley, 2018). Tuy nhiên, cuộc KHTC toàn cầu 2007-2009 đã tác động hạn chế đến quốc gia này. Các