Hồ Thị Lam, Lê Trương Minh Thư, Hoàng Thùy Dương, Trịnh Thị Ngọc Thuận, Huỳnh Thế Công và Trần Nguyễn Uyển Nhi - Dự báo lạm phát Việt Nam: Liệu học máy có vượt trội hơn mô hình truyền thống?

Nghiên cứu này nhằm mục tiêu dự báo lạm phát tại Việt Nam bằng cách so sánh hiệu quả của các mô hình truyền thống và trí tuệ nhân tạo. Sử dụng dữ liệu chuỗi thời gian từ năm 2009 đến năm 2023 với 179 quan sát, nghiên cứu áp dụng các mô hình ARIMA, LSTM, ANN và Lasso để đánh giá và so sánh độ chính xác trong dự báo lạm phát. Kết quả cho thấy mô hình Lasso mang lại dự báo chính xác nhất so với các mô hình khác. Điều này cung cấp hàm ý chính sách quan trọng, khi các cơ quan quản lý có thể dựa vào kết quả của mô hình Lasso để nâng cao khả năng dự báo và điều chỉnh chính sách kinh tế kịp thời nhằm đối phó với các biến động lạm phát trong tương lai. Khả năng dự báo chính xác sẽ hỗ trợ việc điều hành chính sách tiền tệ và tài khóa một cách hiệu quả hơn, giúp duy trì ổn định kinh tế vĩ mô. Đồng thời, kết quả nghiên cứu cũng gợi ý rằng việc ứng dụng mô hình trí tuệ nhân tạo vào các bài toán kinh tế có tiềm năng lớn trong việc cải thiện độ chính xác của dự báo, từ đó đóng góp vào việc xây dựng nền kinh tế ổn định và bền vững hơn trong dài hạn.