Dự báo kim ngạch xuất khẩu hàng thủy sản của Việt Nam bằng mô hình định lượng Arima

ThS. Trần Ngọc Hưng

Khoa Kinh tế, Trường Đại học Hàng hải Việt Nam

Email: hungtn.ktcb@vimaru.edu.vn

Tóm tắt

Nghiên cứu sử dụng mô hình định lượng ARIMA để dự báo kim ngạch xuất khẩu thủy sản của Việt Nam. Trên cơ sở phân tích thực trạng xuất khẩu giai đoạn trước, mô hình ARIMA được ước lượng và kiểm định độ phù hợp. Kết quả cho thấy, mô hình có khả năng dự báo chính xác xu hướng xuất khẩu, với kim ngạch dự kiến tăng nhẹ trong năm 2025 và 2026.

Từ khóa: Mô hình ARIMA, hàng thủy sản

Summary

This study applies an ARIMA quantitative model to forecast Viet Nam’s seafood export value. Drawing on an analysis of historical export performance, the ARIMA model is estimated and rigorously evaluated for its goodness of fit. The findings demonstrate that the model provides reliable predictions of export trends, indicating a modest increase in seafood export value in 2025 and 2026.

Keywords: ARIMA model, seafood exports

GIỚI THIỆU

Thủy sản là một trong những ngành kinh tế mũi nhọn của Việt Nam, đóng góp quan trọng vào tăng trưởng GDP, tạo việc làm và hoạt động xuất khẩu. Tuy nhiên, kim ngạch xuất khẩu thủy sản những năm gần đây biến động mạnh do ảnh hưởng của thị trường quốc tế, rào cản kỹ thuật, chi phí đầu vào và biến đổi khí hậu. Trong bối cảnh cạnh tranh gay gắt giữa các quốc gia xuất khẩu lớn, việc dự báo chính xác kim ngạch xuất khẩu thủy sản có ý nghĩa quan trọng, giúp cơ quan quản lý hoạch định chính sách phù hợp và hỗ trợ doanh nghiệp trong kế hoạch sản xuất - kinh doanh. Do đó, tác giả thực hiện nghiên cứu “Dự báo kim ngạch xuất khẩu hàng thủy sản của Việt Nam bằng mô hình định lượng ARIMA”. Kết quả nghiên cứu góp phần cung cấp cơ sở khoa học cho việc định hướng phát triển ngành thủy sản; đồng thời, hướng đến việc xây dựng mô hình dự báo phù hợp nhằm ước lượng kim ngạch xuất khẩu trong thời gian tới.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Theo Luật Thương mại (2005), xuất khẩu là việc hàng hóa được đưa ra khỏi lãnh thổ Việt Nam hoặc vào khu vực hải quan riêng theo quy định của pháp luật. Trong lĩnh vực thủy sản, xuất khẩu không chỉ là quá trình mua bán đơn thuần mà còn bao gồm nhiều khâu như chế biến, bảo quản, kiểm định chất lượng và tuân thủ các tiêu chuẩn quốc tế.

Hoạt động xuất khẩu thủy sản mang những đặc điểm riêng biệt so với các loại hàng hóa khác. Thứ nhất, sản phẩm thủy sản có tính thời vụ và phụ thuộc vào tự nhiên cao, chịu ảnh hưởng của điều kiện khí hậu, môi trường nước và mùa vụ khai thác. Thứ hai, tính dễ hư hỏng đòi hỏi quy trình bảo quản nghiêm ngặt trong suốt chuỗi cung ứng, đặc biệt là trong khâu vận chuyển và lưu kho. Thứ ba, giá trị gia tăng chủ yếu đến từ công nghệ chế biến, khi các sản phẩm tinh chế, tẩm bột, đông lạnh hay đóng hộp có giá trị xuất khẩu cao hơn nhiều so với hàng nguyên liệu. Cuối cùng, thị trường nhập khẩu như Mỹ, Liên minh châu Âu (EU), Nhật Bản đặt ra yêu cầu cao về an toàn thực phẩm, truy xuất nguồn gốc và chứng nhận xuất xứ, buộc doanh nghiệp phải nâng cao năng lực sản xuất và quản lý chất lượng.

Xuất khẩu thủy sản có vai trò quan trọng đối với nền kinh tế Việt Nam. Đây là một trong những ngành mang lại nguồn thu ngoại tệ lớn, thường chiếm khoảng 5%-7% tổng kim ngạch xuất khẩu cả nước. Bên cạnh đó, xuất khẩu thủy sản góp phần thúc đẩy chuyển dịch cơ cấu kinh tế nông nghiệp, phát triển các ngành công nghiệp phụ trợ như chế biến, bao bì, vận tải lạnh và logistics. Ngoài ra, ngành còn tạo việc làm và thu nhập ổn định cho hàng triệu lao động vùng ven biển và Đồng bằng sông Cửu Long, nơi tập trung các trung tâm nuôi trồng và chế biến thủy sản lớn. Kim ngạch xuất khẩu thủy sản chịu ảnh hưởng của nhiều yếu tố như: Nguồn cung trong nước, bao gồm sản lượng nuôi trồng, đánh bắt và trình độ công nghệ chế biến; Biến động giá quốc tế và nhu cầu tiêu dùng ở các thị trường nhập khẩu; Tỷ giá hối đoái, khi đồng nội tệ mất giá có thể giúp hàng xuất khẩu cạnh tranh hơn; Chính sách thương mại và rào cản kỹ thuật, như quy định về tiêu chuẩn chất lượng hoặc thuế quan; Yếu tố môi trường và biến đổi khí hậu, tác động đến năng suất nuôi trồng và chất lượng sản phẩm.

Các chỉ tiêu kinh tế thường được sử dụng để đánh giá hiệu quả xuất khẩu thủy sản gồm: kim ngạch xuất khẩu, tốc độ tăng trưởng xuất khẩu theo năm (%), cơ cấu mặt hàng và cơ cấu thị trường xuất khẩu, cùng giá trị xuất khẩu bình quân trên một đơn vị sản lượng. Những chỉ tiêu này phản ánh năng lực cạnh tranh, trình độ chế biến và hiệu quả hội nhập quốc tế của ngành thủy sản Việt Nam trong bối cảnh toàn cầu hóa ngày càng sâu rộng.

Tổng quan nghiên cứu

Trên thế giới, các mô hình dự báo chuỗi thời gian như ARIMA (Autoregressive Integrated Moving Average) đã được áp dụng rộng rãi trong dự báo các chỉ tiêu kinh tế. Box và Jenkins (1970) là những người tiên phong xây dựng khuôn khổ lý thuyết cho mô hình ARIMA, mở ra hướng tiếp cận thống kê trong dự báo chuỗi thời gian.

Nghiên cứu của Zhang (2003) đề xuất mô hình lai giữa ARIMA và mạng nơ-ron nhân tạo (ANN) nhằm tận dụng ưu điểm của cả 2 phương pháp. Mô hình ARIMA được dùng để nắm bắt thành phần tuyến tính của chuỗi thời gian, trong khi ANN xử lý thành phần phi tuyến còn lại của phần dư. Kết quả thực nghiệm cho thấy, mô hình lai ARIMA-ANN cho độ chính xác dự báo cao hơn so với việc sử dụng riêng lẻ từng mô hình, mở ra hướng tiếp cận mới trong dự báo kinh tế và tài chính.

Trong khi đó, nhóm tác giả Hyndman và Athanasopoulos (2018) đã hệ thống hóa các nguyên lý và phương pháp dự báo hiện đại, bao gồm: hồi quy, chuỗi thời gian và đặc biệt là mô hình ARIMA. Nghiên cứu nhấn mạnh quy trình dự báo gồm: nhận dạng mô hình, ước lượng, kiểm định và đánh giá sai số. Kết quả được xem là tài liệu nền tảng cho nghiên cứu và giảng dạy về dự báo, cung cấp khung lý thuyết vững chắc cho việc ứng dụng mô hình ARIMA trong phân tích kinh tế, tài chính và thương mại quốc tế.

Đặc biệt, nghiên cứu của Haque và cộng sự (2005) tại Bangladesh đã chứng minh ARIMA là công cụ hữu hiệu trong việc dự báo sản lượng và giá trị xuất khẩu thủy sản. Nghiên cứu này tập trung vào việc phân tích xu hướng và mô hình hóa dữ liệu sản lượng cá, sử dụng các bước của phương pháp Box-Jenkins gồm: nhận dạng, ước lượng, kiểm định và dự báo. Kết quả cho thấy, mô hình ARIMA(1,1,1) là phù hợp nhất để mô tả chuỗi dữ liệu sản lượng cá của Bangladesh trong giai đoạn nghiên cứu.

Do đó, nghiên cứu “Dự báo kim ngạch xuất khẩu hàng thủy sản của Việt Nam bằng mô hình định lượng ARIMA” hướng đến việc kế thừa và phát triển các nghiên cứu trước, đồng thời ứng dụng mô hình ARIMA vào phân tích chuỗi số liệu xuất khẩu thủy sản Việt Nam trong giai đoạn gần đây. Nghiên cứu không chỉ kiểm định độ phù hợp của mô hình ARIMA mà còn đề xuất dự báo kim ngạch xuất khẩu thủy sản trong những năm tới, qua đó cung cấp cơ sở khoa học cho việc điều chỉnh chính sách xuất khẩu, hoạch định chiến lược sản xuất, tiêu thụ và phát triển bền vững ngành thủy sản Việt Nam.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu

Số liệu về kim ngạch xuất khẩu hàng thủy sản thu thập từ năm 1995 đến năm 2024. Nguồn số liệu được lấy từ Tổng cục Thống kê (nay là Cục Thống kê - Bộ Tài chính) (Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế).

Phương pháp phân tích

Mô hình AR(p) có dạng như sau:

Y_t = Ø₀ + Σ^p_i=1Ø_iY_t-1 + µ_t

Mô hình MA(q) có dạng như sau:

Y_t = µ + µ_t +θ₁µ_t-1 + θ₂µ_t-2 + … + θ_qµ_t-q

Mô hình ARMA(p,q) được hình thành là do sự kết hợp của 2 mô hình là mô hình AR(p) và mô hình MA(q). Do đó, mô hình ARMA(p,q) có dạng tổng quát như sau:

Y_t = Ø₀ + Σ^p_i=1Ø_iY_t-1 + µ_t + Σ^q_j=1 θ_jµ_t-j

Nếu chuỗi Y_t là chuỗi dừng, mô hình ARMA(p,q) mới có thể đi vào hoạt động. Mặc dù vậy thì đa số các chuỗi thời gian liên quan đến các vấn đề như kinh tế và tài chính đều là các chuỗi có xu thế, hay nói cách khác là giá trị trung bình của Y_t giữa các năm là khác nhau.

Do vậy, các chuỗi thời gian trong kinh tế và tài chính thường là các chuỗi không dừng. Chính bởi vậy, nếu muốn tìm được các chuỗi dừng, chúng ta nhất thiết phải khử yếu tố xu thế trong các chuỗi dữ liệu gốc bằng cách sử dụng quy trình lấy sai phân. Nếu lấy sai phân bậc 1 ta có được chuỗi dừng thì được gọi là dừng sai phân bậc 1 và ký hiệu là I(1). Mở rộng ra, nếu một chuỗi dừng ở sai phân bậc d, ta có ký hiệu là I(d).

Như vậy, mô hình ARIMA được ký hiệu chung là ARIMA(p,d,q). Để tiến hành thực hiện dự báo bằng mô hình ARIMA, tác giả thực hiện các bước sau:

- Kiểm định tính dừng bằng Augmented Dickey-Fuller (ADF)

- Xác định bậc mô hình thông qua giản đồ tương quan

- Lựa chọn bậc mô hình tối ưu, tiến hành hồi quy

- Kiểm định sự ổn định mô hình và tiến hành dự báo

KẾT QUẢ NGHIÊN CỨU

Thực trạng xuất khẩu hàng thủy sản của Việt Nam

Hình 1: Kim ngạch xuất khẩu hàng thủy sản Việt Nam

Nguồn: Tổng cục Thống kê

Dữ liệu (Hình 1) cho thấy, kim ngạch xuất khẩu thủy sản của Việt Nam giai đoạn 1995-2024 tăng mạnh và khá ổn định qua các năm. Từ mức dưới 1 tỷ USD năm 1995, kim ngạch tăng liên tục, đặc biệt từ sau năm 2000, đạt trên 6 tỷ USD vào khoảng năm 2011 và vượt 10 tỷ USD sau năm 2022. Tuy có một số giai đoạn giảm nhẹ như các năm 2009, 2015 và 2023, nhưng xu hướng chung vẫn là tăng trưởng rõ rệt. Điều này phản ánh sự mở rộng quy mô sản xuất, đa dạng hóa thị trường và năng lực cạnh tranh ngày càng cao của ngành thủy sản Việt Nam.

Dự báo kim ngạch xuất khẩu hàng thủy sản

Kiểm định tính dừng

Tác giả sử dụng kiểm định ADF để xác định tính dừng của số liệu thu được kết quả ở Bảng 1. Kết quả cho thấy, giá trị Prob nhỏ hơn mức ý nghĩa 5%, số liệu có tính dừng sau khi lấy sai phân cấp 1. Như vậy, tác giả sẽ sử dụng số liệu sai phân cấp 1 để ước lượng mô hình và dự báo.

Bảng 1: Kiểm định tính dừng

Nguồn: Tác giả tổng hợp bằng phần mềm Eviews 10

Xác định giản đồ tương quan và bậc mô hình ARIMA

Hình 2: Giản đồ tương quan

Nguồn: Tác giả tổng hợp từ phần mềm Eviews 10

Kết quả giản đồ (Hình 2) cho thấy, sau khi xây dựng và lựa chọn mô hình dựa trên tiêu chí AIC, SBIC đạt giá trị nhỏ nhất, mô hình tối ưu có kết quả là ARIMA(0,1,3).

Ước lượng mô hình ARIMA và kiểm định sự ổn định mô hình

Bảng 2: Ước lượng mô hình ARIMA

Nguồn: Tác giả tổng hợp từ phần mềm Eviews 10

Hình 3: Giản đồ tương quan phần dư

Nguồn: Tác giả tổng hợp từ phần mềm Eviews 10

Dữ liệu (Hình 3) cho thấy, các giá trị Q-stat ở mọi độ trễ đều có Prob > 0,05, nghĩa là không có bằng chứng thống kê cho thấy phần dư còn tự tương quan. Mô hình ARIMA đã lựa chọn phù hợp với dữ liệu, phần dư là nhiễu trắng. Do đó, mô hình có thể được chấp nhận để sử dụng cho mục tiêu dự báo kim ngạch xuất khẩu hàng thủy sản Việt Nam.

Kết quả dự báo

Tiến hành dự báo thu được kết quả năm 2025 và 2026 (Bảng 3).

Bảng 3: Dự báo kim ngạch xuất khẩu thủy sản

Đơn vị: 10⁶USD

Nguồn: Tác giả tổng hợp từ Eviews 10

Hình 4: Kim ngạch xuất khẩu và kim ngạch dự báo

Nguồn: Tác giả tổng hợp từ Eviews 10

Số liệu phân tích (Hình 4) có thể thấy, kim ngạch xuất khẩu (XK) và kim ngạch dự báo (XKF) khá sát. Điều này chứng tỏ kết quả dự báo đủ độ tin cậy.

KẾT LUẬN

Kết quả nghiên cứu cho thấy, số liệu kim ngạch xuất khẩu thủy sản dừng ở sai phân bậc 1. Mô hình ARIMA(0,1,3) là mô hình có độ tin cậy cao để đưa ra kết quả dự báo. Kim ngạch xuất khẩu ngành hàng thủy sản Việt Nam trong 2 năm (2025, 2026) được dự báo đạt hơn 10.591 và 10.923 triệu USD. Đây là điểm sáng trong thời gian tới cho ngành.

Nghiên cứu đã xây dựng mô hình dự báo định lượng khoa học giúp cung cấp thông tin dự báo đáng tin cậy về xu hướng xuất khẩu thủy sản, hỗ trợ cơ quan quản lý trong việc xây dựng chính sách thương mại và định hướng phát triển ngành. Đồng thời, nghiên cứu cũng mang lại giá trị tham khảo cho các doanh nghiệp xuất khẩu trong việc hoạch định chiến lược sản xuất, đầu tư và mở rộng thị trường, góp phần nâng cao năng lực cạnh tranh và phát triển bền vững của ngành thủy sản Việt Nam trong bối cảnh hội nhập kinh tế quốc tế.

Để đạt được kết quả như kỳ vọng, tác giả kiến nghị Nhà nước cần tăng cường kiểm soát chất lượng và truy xuất nguồn gốc thủy sản nhằm đáp ứng các tiêu chuẩn kỹ thuật khắt khe từ các thị trường lớn như: EU, Mỹ và Nhật Bản. Cùng với đó, doanh nghiệp nên đa dạng hóa thị trường xuất khẩu và sản phẩm chế biến sâu để giảm rủi ro phụ thuộc vào một số thị trường truyền thống. Cần đầu tư mạnh hơn vào công nghệ bảo quản, chế biến và logistics lạnh, giúp giảm chi phí và nâng cao giá trị gia tăng cho sản phẩm. Ngành thủy sản nên thúc đẩy nuôi trồng bền vững và chuyển đổi xanh, bảo đảm nguồn cung ổn định và phát triển lâu dài trong thời gian tới.

Tài liệu tham khảo:

1. Box, G. E. P., and Jenkins, G. M. (1970). Time series analysis: Forecasting and control. San Francisco, CA: Holden-Day.

2. Haque, M. E., Hossain, M. I., and Rahman, K. M. M. (2005). Forecasting fish production in Bangladesh using ARIMA model. Journal of the Bangladesh Agricultural University, 3(2), 381-392.

3. Hyndman, R. J., and Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd ed.). OTexts. https://otexts.com/fpp2/.

4. Quốc hội (2005). Luật Thương mại số 36/2005/QH11 ngày 14/6/2005.

5. Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 50, 159-175.