Dự báo xuất khẩu hàng dệt may Việt Nam sang Hoa Kỳ đến hết năm 2024: ứng dụng mô hình SARIMAX

TÓM TẮT:

Hoạt động xuất nhập khẩu, đặc biệt đối với mặt hàng dệt may, là một điểm sáng tích cực trong quan hệ thương mại song phương giữa Việt Nam và Hoa Kỳ. Sử dụng dữ liệu về giá trị xuất khẩu hàng dệt may và tỷ giá hối đoái từ tháng 1/2010 đến tháng 10/2023, nghiên cứu này áp dụng mô hình SARIMAX nhằm đưa ra dự báo kim ngạch xuất khẩu năm 2024 theo từng tháng. Kết quả nghiên cứu cho thấy mức độ tương quan khá cao giữa hai biến giá trị xuất khẩu và tỷ giá hối đoái. Đồng thời, kim ngạch xuất khẩu mặt hàng dệt may từ Việt Nam sang Hoa Kỳ được dự báo có xu hướng tăng và có tính thời vụ, trong đó, giai đoạn từ tháng 6/2024 đến tháng 8/2024 ghi nhận mức giá trị xuất khẩu lớn nhất.

Từ khóa: dự báo, xuất khẩu hàng dệt may, Việt Nam - Hoa Kỳ, SARIMAX.

1. Đặt vấn đề

Năm 1995, quan hệ ngoại giao Việt Nam - Hoa Kỳ chính thức được thiết lập, mở ra nhiều cơ hội cho Việt Nam trong việc tiếp cận và thâm nhập vào nền kinh tế toàn cầu. Việt Nam là đối tác thương mại lớn thứ 7 của Hoa Kỳ trong khối ASEAN, bên cạnh đó, Hoa Kỳ luôn được coi như đối tác thương mại trọng điểm đối với nước ta. Đến tháng 9/2023, Việt Nam và Hoa Kỳ chính thức tuyên bố thiết lập “Đối tác Chiến lược Toàn diện vì hòa bình, hợp tác và phát triển bền vững”, đánh dấu bước phát triển mới, đột phá trong quan hệ song phương của hai quốc gia. Như vậy, có thể nhận thấy, Hoa Kỳ là một trong những thị trường xuất khẩu trọng tâm, chủ chốt và giữ vị trí quan trọng đối với thương mại Việt Nam, đặc biệt trong một số ngành công nghiệp trọng điểm như Dệt May.

Năm 2022, Hoa Kỳ là thị trường nhập khẩu hàng dệt may với số lượng lớn nhất, chiếm trên 46% tổng trị giá xuất khẩu của ngành của Việt Nam (Tổng cục Hải quan Việt Nam, 2023). Tuy nhiên, cùng với sự leo thang của chiến tranh thương mại Mỹ - Trung và việc Hoa Kỳ rút khỏi Hiệp định Đối tác Xuyên Thái Bình Dương (CPTPP) đã đem đến cho ngành xuất khẩu hàng dệt may Việt Nam nhiều thách thức khi nguyên liệu đầu vào chủ yếu đến từ Trung Quốc. Ngoài ra, tháng 9/2023, quan hệ giữa hai nước đã chính thức nâng lên thành “Đối tác Chiến lược Toàn diện” đã tạo ra những thuận lợi trong việc thúc đẩy thương mại. Bên cạnh đó, các chính sách và chiến lược Việt Nam đưa ra đang tập trung vào phát triển sản xuất và xuất khẩu các mặt hàng công nghiệp linh kiện điện tử, trong khi dệt may là một trong hai ngành hàng xuất khẩu chủ lực của Việt Nam sang Hoa Kỳ. Chính vì vậy, việc đưa ra dự báo về xuất khẩu hàng dệt may từ Việt Nam sang thị trường Hoa Kỳ đóng vai trò quan trọng, nhằm đưa ra những định hướng đúng đắn để đẩy mạnh xuất khẩu mặt hàng này trong thời gian tới.

2. Tổng quan nghiên cứu

Mô hình tự hồi quy vector (VAR) là một trong những mô hình thống kê có thể được sử dụng để mô hình hóa dữ liệu chuỗi thời gian đa biến. Trong nghiên cứu của L. M. Hamzah (2020), tác giả đã áp dụng mô hình VAR với nguồn số liệu là giá trị xuất khẩu hạt cà phê, hạt cacao và thuốc lá trong giai đoạn từ tháng 1/2007 đến tháng 12/2018 để đưa ra dự báo về xuất khẩu các mặt hàng nông nghiệp nêu trên của Indonesia. Cùng sử dụng mô hình VAR, Kundu và cộng sự (2021) sử dụng dữ liệu thứ cấp từ Cục Thống kê Ngân hàng Bangladesh để mô tả các chỉ số kinh tế từ tháng 1/2007 đến tháng 1/2020 theo chuỗi thời gian hàng tháng và đưa ra dự báo về 3 chỉ số kinh tế vĩ mô của Bangladesh từ tháng 2/2020 đến tháng 11/2020.

Ngoài ra, một số nghiên cứu đi trước cũng tiến hành áp dụng và phân tích mô hình vectơ hiệu chỉnh sai số (VECM) trong các dự báo kinh tế nói chung. Nghiên cứu của Nguyễn Thị Thu Trang (2019) sử dụng mô hình VECM để dự báo lạm phát của Việt Nam trong giai đoạn trung và dài hạn thông qua chuỗi dữ liệu theo quý từ quý I/2001 đến quý I/2018 qua CPI quá khứ, GDP, chênh lệch sản lượng tiềm năng, tổng phương tiện thanh toán thực, lãi suất cho vay ngắn hạn, tỷ giá USD/VND và giá dầu thế giới (Poil). Tương tự, với dữ liệu hàng quý về GDP, xuất nhập khẩu từ năm 1998 đến năm 2016, Pujeda & Ceballos (2019) sử dụng mô hình VECM làm công cụ nghiên cứu, phân tích và dự đoán tổng sản phẩm quốc nội (GDP) của Philippines.

VAR và VECM được sử dụng để dự báo trong trường hợp mô hình cần xem xét các biến nội sinh, do đó, với các mô hình không có biến nội sinh thường áp dụng mô hình ARIMA. Mô hình tự hồi quy tích hợp trung bình trượt (ARIMA) là phương pháp luận phổ biến và hữu ích áp dụng trong dự báo chuỗi thời gian bằng cách sử dụng các giá trị trong quá khứ để dự đoán cho tương lai. Mladenović và cộng sự (2016) đã sử dụng phương pháp ARIMA trong phân tích chuỗi thời gian để giải thích xu hướng xuất khẩu giai đoạn 2004 - 2014 và dự đoán xu hướng xuất khẩu trong tương lai. Bên cạnh đó, sử dụng dữ liệu xuất nhập khẩu của Pakistan từ năm 2002 đến năm 2019, nghiên cứu của Ghauri (2020) đã so sánh kết quả dự báo xuất nhập khẩu của quốc gia này vào năm 2020 từ mô hình ARIMA và mô hình tự hồi quy AR với các biến giả theo mùa.

Tuy nhiên, nếu hiện tượng quan sát được mang tính thời vụ cần khái quát hóa mô hình ARIMA và tạo ra mô hình SARIMA để giảm bớt tính thời vụ. Mô hình SARIMA được thiết kế để mô hình hóa chuỗi thời gian với các xu hướng, mô hình theo mùa và mối tương quan trong thời gian ngắn. Sử dụng mô hình SARIMA với dữ liệu liên quan tới giá trị xuất khẩu của Việt Nam từ tháng 01/2004 đến tháng 12/2018 (giai đoạn chưa xảy ra dịch bệnh), Nguyễn Thị Ngọc Diệp (2022) đã đánh giá tác động của đại dịch Covid-19 đối với xuất khẩu của Việt Nam, từ đó dự báo giá trị xuất khẩu của Việt Nam trong giai đoạn này.

Mô hình ngoại sinh trung bình di chuyển tích hợp tự hồi quy theo mùa (SARIMAX) là phân bản cải tiến của mô hình SARIMA, với sự xuất hiện biến ngoại sinh nhằm nâng cao hiệu suất của mô hình và giảm lỗi dự báo. Theo nghiên cứu của Kellert (2021), SARIMAX là mô hình tốt nhất để dự đoán khối lượng axit hữu cơ xuất khẩu thực hiện trên cơ sở 3 tháng, với biến ngoại sinh là tỷ giá hối đoái tác động đến thương mại giữa Trung Quốc và Mỹ Latinh.

Dựa vào cơ sở các phương pháp dự báo trên, nghiên cứu sẽ sử dụng mô hình SARIMAX với biến tỷ giá hối đoái của VND/USD để dự báo giá trị kim ngạch xuất khẩu ngành hàng Dệt may từ Việt Nam sang Hoa Kỳ.

3. Phương pháp nghiên cứu

3.1. Phương pháp dự báo

Khung phân tích chuỗi thời gian được sử dụng phổ biến nhất để phân tích và mô phỏng, được gọi là ARIMA, được phát triển bởi Box và Jenkins (1970). Sau này, các mô hình ARIMA được mở rộng để xem xét một hoặc nhiều chuỗi thời gian ngoại sinh (eXogen), cũng như thành phần theo mùa (Seasonal), hình thành mô hình SARIMAX(p,d,q)(P,D,Q,s), được biểu thị theo phương trình sau (Liu và cộng sự, 1997).

Để thực hiện dự báo theo phương pháp SARIMAX, kỹ thuật xây dựng mô hình có thể gồm 3 bước theo nghiên cứu của Liu và cộng sự (1992) như sau: (i) Xác định mô hình; (ii) Ước lượng; (iii) Đánh giá mô hình.

3.2. Các thước đo đánh giá sự phù hợp của mô hình

Để so sánh giữa chuỗi mô phỏng và chuỗi quan sát được, nhiều tiêu chí để đánh giá mức độ chính xác của dự báo được đề cập tại Bảng 1. Các chỉ số này cho giá trị càng nhỏ thể hiện chênh lệch giữa giá trị dự đoán và giá trị thực tế càng nhỏ, mô hình dự báo càng chính xác (Chicco và cộng sự, 2021).

Nghiên cứu sẽ tập trung vào các chỉ số MAPE, MASE, RMSE để đánh giá sự phù hợp của mô hình.

4. Dữ liệu

4.1. Nguồn dữ liệu

Nghiên cứu dự báo kim ngạch xuất khẩu hàng mặc Việt Nam sang Hoa Kỳ hàng tháng, được thực hiện trên bộ dữ liệu chuỗi thời gian từ tháng 1/2010 đến tháng 10/2023. Số liệu nghiên cứu bao gồm: (1) Kim ngạch xuất khẩu hàng dệt may Việt Nam sang Hoa Kỳ (Tổng cục Hải quan) và (2) Tỷ giá hối đoái giữa Việt Nam đồng và đồng đô la Mỹ (IMF). Cụ thể, nghiên cứu sử dụng mô hình SARIMAX với dữ liệu kim ngạch xuất khẩu hàng dệt may và tỷ giá hối đoái hàng tháng để dự báo ngoài mẫu cho kim ngạch xuất khẩu các tháng tiếp theo của năm 2024.

4.2. Mô tả thống kê

Bảng 2. Mô tả thống kê biến số

Biến số	Số quan sát	Giá trị trung bình	Sai số chuẩn	Giá trị nhỏ nhất	Giá trị lớn nhất
Export	165	9,736567	3,420976	2,568674	18,62268
Exchange rate	165	21,89999	1,369916	17,941	24,03752

Nguồn: Tác giả tính toán bằng phần mềm Stata

Biến giá trị xuất khẩu có giá trị trung bình là 9,736567 trăm triệu USD, trong đó giá trị xuất khẩu lớn nhất đạt 18,62268 trăm triệu USD vào tháng 1/2022 và nhỏ nhất 2,568674 vào tháng 2/2011. Tỷ giá hối đoái có giá trị trung bình là 21,89999 nghìn VND/USD và độ lệch chuẩn là 1,369916 nghìn VND/USD. (Bảng 2, Hình 1)

4.3. Mô tả tương quan biến số

Bảng 3. Mô tả tương quan biến số

	Export	Exchange rate
Export	1
Exchange rate	0,7819	1

Nguồn: Tác giả tính toán từ phần mềm Stata

Tương quan giữa hai biến Export và Exchange rate là tương quan cùng chiều, với mức độ tương quan khá cao, 0,7819, điều này thể hiện khi tỷ giá hối tăng (VND mất giá so với USD) làm tăng giá trị xuất khẩu từ Việt Nam sang Hoa Kỳ. (Bảng 3, Hình 2)

5. Kết quả và thảo luận

Kết quả nghiên cứu này sẽ được trình bày theo 3 bước đã nêu tại phần phương pháp, sau đó sẽ trình bày kết quả dự báo ngoài mẫu và thảo luận kết quả.

5.1. Xác định mô hình

5.1.1. Kiểm tra tính dừng

Kiểm định tính dừng của chuỗi rất quan trọng trong phân tích dữ liệu chuỗi thời gian (Mushtaq, 2011). Nghiên cứu sử dụng phương pháp kiểm định KPSS để kiểm định tính dừng hai chuỗi.

Giả thuyết kiểm định:

H₀: Chuỗi số liệu có tính dừng

H₁: Chuỗi số liệu không có tính dừng

Nếu t-Statistic < Giá trị tới hạn (p < 0,05) thì chấp nhận giả thuyết H₀, nghĩa là chuỗi dừng.

Kết quả kinh doanh cho thấy chuỗi Export có t-statistic = 0.0797, nhỏ hơn giá trị tới hạn tại mức ý nghĩa 1%, nên chuỗi dừng. Exchange rate có t-statistic = 0.3681 lớn hơn giá trị tới hạn tại các mức ý nghĩa 1% đến 10%, nên chuỗi không dừng. Sau đó, nghiên cứu lấy sai phân bậc 1 cho logarit cho chuỗi Exchange rate và chuỗi dừng tại mức ý nghĩa 1% (Phụ lục).

5.1.2. Phương pháp tự tương quan và tự tương quan riêng phần của chuỗi

Kết quả mô tả tự tương quan (ACF) và tự tương quan riêng phần (PACF) của chuỗi Export được trình bày như Hình 3.

5.2. Ước lượng mô hình SARIMAX

Những sự kết hợp giữa mô hình AR và MA cho ra nhiều mô hình SARRIMAX khác nhau đã được ước lượng logarit của giá trị xuất khẩu ngành Dệt may theo logarit tỷ giá hối đoái VND/USD. Mô hình được lựa chọn phụ thuộc trên nhiều tiêu chí khác: hệ số ước lượng MA, AR, SAR, SMA, X có ý nghĩa thống kê; chỉ số ME, RMSE, MAE, MPE, MAPE, MASE; hay chỉ số AIC và BIC. Bảng sau đây thể hiện mô hình SARIMA (2,1,0)(0,0,1)[12], mô hình được lựa chọn vì chỉ số AIC và BIC nhỏ nhất (Akaike, 1974). (Bảng 4)

Bảng 4. Ước lượng SARIMA

Variable	Coefficient	Probility
ar1	-0,496238	6,179e-11 ***
ar2	-0,314830	2,446e-05 ***
sma1	0,508614	1,893e-15 ***
xreg	-3,802258	0,02709 *
sigma^2	0,03249
AIC	-86,7
AICc	-86,32
BIC	-71,2
ME	0.1906208
RMSE	1.710069
MAE	1.272745
MPE	-0.1663119
MAPE	13.82237
MASE	0.8945473
ACF1	0.08917888

Ghi chú: ***, **, * có ý nghĩa thống kê ở mức 1%, 5%, 10%.

Nguồn: Tác giả tính toàn từ phần mềm R

Phương trình ước lượng SARIMAX(2,1,0)(0,0,1)[12]

5.3. Đánh giá mô hình dự báo

Để đánh mô hình dự báo, đầu tiên, nghiên cứu thực hiện kiểm định tính ổn định của mô hình bằng vòng tròn nghiệm nghịch đảo, nếu tất cả các nghiệm nghịch đảo của đa thức AR và MA đặc trưng có mô đun nhỏ hơn 1 và nằm trong vòng tròn đơn vị thì ước lượng là ổn định (Sims, Stock và Watson, 1990). (Hình 5)

Kết quả cho thấy tất cả các nghiệm nghịch đảo của đa thức AR và MA của mô hình dự báo đều nhỏ hơn 1 và nằm trong vòng tròng đơn vị, điều này thể hiện rằng ước lượng SARIMAX cho biến kim ngạch xuất khẩu ngành Dệt may và tỷ giá hối đoái trong giai đoạn 2010 - 2023 là ổn định.

Tiếp theo, nghiên cứu sử dụng thử nghiệm ACF, phân phối chuẩn và Ljung-Box (thống kê Q) để thực hiện kiểm tra chẩn đoán phần dư của mô hình trong 20 độ trễ. (Hình 6)

Kết quả kiểm định cho thấy không có mối tương quan đáng kể giữa phần dư của mô hình và hầu hết ACF nằm trong miền cho phép. Ngoài ra, kết quả kiểm định Ljung-Box cho giá trị p-value = 0,1243, không bác bỏ được giả thuyết H0 - phần dư được phân phối độc lập, tại mức ý nghĩa 5%. Điều này có nghĩa là phần dư cho mô hình chuỗi thời gian là độc lập, thỏa mãn giả định ban đầu được đưa ra khi tạo mô hình.

5.4. Kết quả dự báo và thảo luận

Nghiên cứu đã sử dụng mô hình SARIMAX để dự báo kim ngạch xuất khẩu hàng dệt may từ Việt Nam sang thị trường Hoa Kỳ năm 2024, tức là 15 tháng tiếp theo tính từ tháng 9/2023 có trong mẫu. Kết quả được trình bày cho thấy kim ngạch xuất khẩu mặt hàng này có xu hướng tăng và có tính thời vụ. Từ kết quả dự báo, kim ngạch xuất khẩu hàng dệt may từ tháng 10/2023 đến tháng 12/2024 dao động từ 1.404.616.000 USD đến 1.805.405.000 USD, với giá trị thấp nhất vào tháng 1 và cao nhất vào tháng 8. Kim ngạch xuất khẩu hàng tháng tăng trung bình 32% so với cùng kỳ năm trước. Cụ thể, kim ngạch xuất khẩu vào 2 tháng đầu năm 2024 sẽ giảm so với các tháng cuối năm 2023 và các tháng sau đó của năm 2024. Tuy nhiên, từ tháng 5 đến tháng 8, dự báo cho thấy kim ngạch xuất khẩu có sự gia tăng đáng kể và đạt đỉnh điểm 1.805.405.000 vào tháng 8/2024. Sau đó, từ tháng 9 đến tháng 12, dự báo cho thấy xu hướng giảm dần, tuy nhiên vẫn duy trì ở mức cao hơn so với giai đoạn đầu năm.

Kim ngạch xuất khẩu hàng dệt may thường thấp vào 2 tháng đầu năm, vì đây là thời điểm diễn ra Tết Nguyên Đán và một số ngày lễ quan trọng khác. Trong thời gian này, doanh nghiệp và nhà máy thường nghỉ làm việc trong khoảng từ 1 đến 2 tuần. Do đó, hoạt động xuất khẩu hàng dệt may có thể bị gián đoạn, dẫn đến sự giảm thiểu kim ngạch xuất khẩu.

Kim ngạch xuất khẩu thực tế hàng dệt may của Việt Nam sang Hoa Kỳ các tháng đầu năm 2023 giảm mạnh do suy thoái kinh tế và lạm phát tăng cao làm người tiêu dùng Hoa Kỳ cắt giảm chi tiêu. Tuy nhiên, hiện nay, tỷ lệ lạm phát ở Hoa Kỳ đã được kiểm soát tạm thời (Sherman, 2023) và việc trở thành “Đối tác chiến lược toàn diện”, đã tạo động lực phát triển thương mại giữa hai quốc gia, trong đó có cả ngành Dệt may, từ đó có thể kỳ vọng kim ngạch xuất khẩu ngành hàng này sang Hoa Kỳ sẽ tăng như dự báo. (Hình 7, Bảng 5)

Bảng 5. Dự báo xuất khẩu dệt may sang Hoa Kỳ (trăm triệu USD)

Tháng	Dự báo	Lo 80	Hi 80	Lo 95	Hi 95
10/2023	15,70817	12,468288	19,78994	11,033194	22,36403
11/2023	16,36268	12,633548	21,19257	11,016962	24,30229
12/2023	15,69789	11,893967	20,71839	10,269047	23,99676
1/2024	14,04616	10,272778	19,20558	8,704880	22,66483
2/2024	15,13427	10,794858	21,21809	9,026824	25,37396
3/2024	15,72057	10,975575	22,51693	9,074530	27,23405
4/2024	15,89881	10,849181	23,29873	8,862147	28,52268
5/2024	17,43797	11,654014	26,09254	9,415109	32,29733
6/2024	17,78648	11,658605	27,13522	9,322610	33,93457
7/2024	17,89571	11,510032	27,82412	9,111949	35,14687
8/2024	18,05405	11,403624	28,58290	8,941641	36,45289
9/2024	16,58633	10,296609	26,71815	7,999915	34,38866
10/2024	17,25121	10,092711	29,48704	7,599146	39,16284
11/2024	17,37571	9,849320	30,65341	7,292859	41,39875
12/2024	17,10090	9,431124	31,00804	6,882488	42,49054

Nguồn: Tác giả tính toán từ phần mềm R

6. Kết luận và khuyến nghị

Kết quả dự báo kim ngạch xuất khẩu mặt hàng dệt, may của Việt Nam sang Hoa Kỳ đến hết năm 2024 dựa trên mô hình SARIMAX cho thấy kim ngạch xuất khẩu có xu hướng tăng trưởng ổn định, có dấu hiệu khả quan và tích cực hơn so với quý 3/2023. Trong đó, điểm sáng xuất khẩu tập trung vào giai đoạn tháng 6 đến tháng 8/2024 với mức dự báo xuất khẩu cao nhất khoảng hơn 1,8 tỷ USD. Vì vậy, nhóm tác giả đề xuất một số giải pháp nhằm nâng cao hiệu quả xuất khẩu hàng dệt may Việt Nam sang Hoa Kỳ trong những năm tới để hướng tới mục tiêu giữ vững đà tăng trưởng, đặc biệt trong bối cảnh quan hệ mới - “Đối tác Chiến lược Toàn diện”. Cụ thể như sau:

Đối với tầm vi mô, các doanh nghiệp trong ngành Dệt may cần quan tâm đến xu hướng thay đổi chung của ngành tại Việt Nam và trên thế giới để nhanh chóng đáp ứng các tiêu chuẩn, nhu cầu từ thị trường. Không chỉ sản xuất xanh, doanh nghiệp dệt may cần hướng tới mục tiêu phát triển dệt may bền vững, nâng cao năng lực cạnh tranh của doanh nghiệp dệt may Việt Nam so với các đối thủ cạnh tranh khác đến từ Trung Quốc, Bangladesh hay Ấn Độ. Cụ thể, để áp dụng kinh tế tuần hoàn trong chuỗi sản xuất nhằm tiết kiệm nguyên liệu, giảm thiểu phế phẩm và tình trạng ô nhiễm môi trường, các doanh nghiệp trong ngành Dệt may có thể lựa chọn chuyển đổi sang mô hình sản xuất xanh, tối ưu nguồn lực và đầu tư bài bản theo xu hướng cách mạng công nghệ 4.0. Bên cạnh đó, nhà quản trị nên đặc biệt chú trọng đến chất lượng, điều kiện của môi trường làm việc, các chính sách hỗ trợ, đãi ngộ dành cho nhân công trong ngành Dệt may.

Đối với tầm vĩ mô, Nhà nước nên hoàn thiện thể chế, pháp lý để đáp ứng những yêu cầu khắt khe về quy tắc xuất xứ, lao động, môi trường, quy trình đảm bảo vệ sinh của Hoa Kỳ nhằm nâng cao chất lượng sản phẩm; đồng thời tích cực đẩy mạnh việc đơn giản ho thủ tục xuất - nhập khẩu để gia tăng kim ngạch. Ngân hàng Nhà nước nên chủ động hơn trong việc điều chỉnh tỷ giá linh hoạt nhưng phù hợp với sự phát triển của đồng ngoại tệ, và không nên sử dụng chính sách tỷ giá để tạo lợi thế cạnh tranh thương mại không công bằng. Bên cạnh đó, với định hướng phát triển ngành công nghiệp phụ trợ và định hướng phát triển bền vững được xác định trong “Chiến lược phát triển ngành Dệt May và Da Giày Việt Nam đến năm 2030, tầm nhìn đến năm 2035”, Nhà nước nên tiếp tục rà soát và cải thiện các chính sách tác động trực tiếp đến ngành Dệt may như chính sách thuế đối với hoạt động nhập khẩu nguyên vật liệu đầu vào hay chính sách trợ cấp, hỗ trợ, tín dụng ưu đãi đối với các doanh nghiệp. Cuối cùng, Nhà nước nên tăng cường hoạt động xúc tiến thương mại và cải thiện logistics, hướng dẫn doanh nghiệp xây dựng chiến lược sản xuất - kinh doanh thích hợp và thiết lập quản lý nghiêm ngặt để nâng cao khả năng cạnh tranh và đáp ứng tiêu chuẩn quốc tế trong thời đại khoa học - công nghệ.

TÀI LIỆU THAM KHẢO:

Nguyễn Thị Thu Trang (2019). Sử dụng mô hình VECM trong dự báo lạm phát Việt Nam. <https://thitruongtaichinhtiente.vn/su-dung-mo-hinh-vecm-trong-du-bao-lam-phat-viet-nam-23083.html>
Akaike, H., 1974. A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723.
Box, G.E.P., Jenkins, G. (1970). Time series analysis: forecasting and control.
Byrne, R. F. (2012). Beyond Traditional Time-Series: Using Demand Sensing to Improve Forecasts in Volatile Times. Journal of Business Forecasting, 31(2).
Trần Quang Cảnh và Phan Thị Đông Hoài. (2021). Vietnam economic structure in 2025-Forecast by ARIMA model. VNUHCM Journal of Economics, Business and Law, 5(4), 1892-1905.
Chicco, D., Warrens, M. J., & Jurman, G. (2021). The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. PeerJ Computer Science, 7, e623.
Chin, S. M., Franzese, O., Greene, D. L., Hwang, H. L. L., & Gibson, R. C. (2002). Temporary losses of highway capacity and impacts on performance. Oak Ridge National Laboratory.
Ghauri, S. P., Ahmed, R. R., Streimikiene, D., & Streimikis, J. (2020). Forecasting Exports and Imports by using Autoregressive (AR) with Seasonal Dummies and Box-Jenkins Approaches: A Case of Pakistan. Engineering Economics, 31(3), 291-301.
Kellert, P. (2021). Forecasting Export Volumes: Comparing Performance of Traditional Statistical Models with Deep Learning Recurrent Neural Networks, Doctoral dissertation, Tilburg University.
Kundu, L. R., Islam, S., Ferdous, M. Z., Hossain, M. F., & Chakraborty, P. (2021). Forecasting Economic Indicators of Bangladesh using Vector Autoregressive (VAR) Model. International Journal of Statistics & EconomicsTM, 22(2), 21-28.
M. Hamzah, S. U. N. (2020). Dynamic Modelling and Forecasting of Data Export of Agricultural Commodity by Vector Autoregressive Model. Journal of Southwest Jiaotong University, 55(3).
Liu, L. M., Hudak, G. B., Box, G. E., Muller, M. E., & Tiao, G. C. (1992). Forecasting and time series analysis using the SCA statistical system(Vol. 1, No. 2). DeKalb, IL: Scientific Computing Associates.
Lu, J. (2015). Forecasting of U.S. Total Textiles and Apparel Export to the World in Next 10 Years (2015-2025). Journal of Textile and Apparel, Technology and Management, 9(2).
Mladenović, J., Lepojević, V., & Janković-Milić, V. (2016). Modeling and Prognosis of the Export of the Republic of Serbia by Using Seasonal Holt-Winters and Arima Method. Economic Themes, 54(2), 233-260.
Nguyễn Thị Ngọc Diệp (2022). Export and application of SARIMA model for forecasting the value of Vietnam export during Covid-19. VNUHCM Journal of Economics, Business and Law, 6(2), 2832-2839.
Peiris, H. (2016). A seasonal ARIMA model of tourism forecasting: The case of Sri Lanka. Journal of Tourism, Hospitality and Sports, 22(1), 98-109.
Pujeda, S., & Ceballos, R. (2019). Forecasting Gross Domestic Product of the Philippines using Vector Error Correction Models. University of Mindanao International Multidisciplinary Research Journal, (4), 13-18.
Sherman, N. (2023). US inflation below 5% for first time in two years. [Online] Available at: https://www.bbc.com/news/business-65547974 [Accessed 30/11/2023]
Sims, C.A., Stock, J.H. and Watson, M.W. (1990). Inference in Linear Time Series Models with Some Unit Roots. Econometrica, 58, 113-144.
Tibshirani, R., & Friedman, J. (2001). The elements of statistical learning: data mining, inference, and prediction.

Using the SARIMAX model to forecast Vietnam’s textile and garment export turnover to the United States in 2024

Nguyen Yen Nhi¹

Nguyen Ba Minh Duc²

Nguyen Hanh Nguyen²

Nguyen Van Nhi²

¹Student, Faculty of International Economics, Foreign Trade University

²Student, School of Economics and International Business, Foreign Trade University

Abstract:

Import and export activities, especially for the textile and garment sector, are a positive highlight of the bilateral trade relations between Vietnam and the United States. In this study, the SARIMAX model and the data on the value of textile and garment exports and exchange rates from January 2010 to October 2023 were used to forecast Vietnam’s textile and garment export turnover to the United States by month in 2024. The study’s results showed a relatively high correlation between textile and garment export turnover and exchange rates. Vietnam’s textile and garment export turnover to the United States is expected to increase seasonally, reaching its highest value in the period from June 2024 to August 2024.

Keywords: forecast, textile and garment exports, Vietnam and the United States, SARIMAX.