Ứng dụng mô hình hiệu chỉnh sai số vector vào dự báo lạm phát tại Ngân hàng Nhà nước Việt Nam

9thaùng 5.2014 - soá 144
Ứng dụng mô hình hiệu 
chỉnh sai số vector vào 
dự báo lạm phát tại Ngân 
hàng Nhà nước Việt Nam
Bùi Quốc Dũng - Hoàng Việt PHương
Ngân hàng Nhà nước Việt Nam
Công tác phân tích và dự báo lạm phát ngày càng đóng vai trò quan trọng đối với 
sự thành công trong điều hành chính sách tiền tệ (CSTT) và hoạt động ngân hàng 
của Ngân hàng Nhà nước Việt Nam (NHNN) trong những năm gần đây. Tuy nhiên, 
dự báo được sát xu hướng vận động của lạm phát không phải là một công việc dễ 
dàng. Thời gian vừa qua, NHNN đã áp dụng một hệ thống các mô hình kinh tế lượng 
khác nhau mà các ngân hàng trung ương (NHTW) trên thế giới đang áp dụng để dự 
báo và phân tích diễn biến lạm phát bao gồm: ARIMA, VAR, SVAR, VECM và mô 
hình kinh tế lượng vĩ mô, thậm chí áp dụng cả phương pháp dự báo chi tiết từng cấu 
phần trong rổ 86 nhóm hàng hóa cấp 3 tính CPI để từ đó đưa ra kết quả dự báo CPI 
tổng thể, cung cấp thông tin cho người làm dự báo đưa ra được kết quả dự báo phù 
hợp nhất trong từng thời điểm. Trong khuôn khổ bài viết này, nhóm tác giả trình bày 
về một phương pháp dự báo CPI đang áp dụng tại NHNN, đó là mô hình tự hồi quy 
vector (VECM), một trong những mô hình tương đối đơn giản về mặt cấu trúc nhưng 
lại có hiệu quả cao về khả năng dự báo.
 chính sách & thị trường tài chính - tiền tệ 
10 soá 144 - thaùng 5.2014
1. Cơ sở lý thuyết mô hình hiệu chỉnh sai số 
dạng vector (VECM)
ét một mô hình VAR(p) có dạng như sau:
Yt = A1Yt-1 + A2 Yt-2 ++ApYt-p + ut (1)
Ta biến đổi, viết lại mô hình thành:
∆Yt = Yt – Yt-1= ПYt-1 + C1∆Yt-1 + C2∆Yt-
2++Cp-1∆Yt-p + ut (2)
Trong đó: П = - (I-A1 - A2 --Ap ); Ci = − ∑Aj 
(j = i+1 → p), i-1,2,, p-1; ПYt-1 là phần hiệu 
chỉnh sai số của mô hình; p là bậc tự tương quan 
(hoặc số trễ).
Mặt khác, П ≡ α x β’ 
Trong đó: Ma trận α là ma trận tham số điều 
chỉnh; β là ma trận hệ số dài hạn thể hiện tối đa 
(n-1) quan hệ đồng liên kết trong một mô hình n 
biến nội sinh. β’ đảm bảo rằng Yt sẽ hội tụ về cân 
bằng bền vững trong dài hạn.
Mô hình số (2) được gọi là mô hình hiệu chỉnh 
sai số Vector (VECM). Theo đó, mô hình được 
phát triển từ mô hình VAR số (1) nhưng lại có 
dạng của một mô hình hiệu chỉnh sai số (ECM) 
bao gồm: (i) Các quan hệ ngắn hạn giữa ∆Yt và 
trễ của nó là ∆Yt-j thể hiện qua các tham số Ci; 
(ii) quan hệ dài hạn thể hiện qua thành phần hiệu 
chỉnh sai số ПY
t-1.
 Tuy nhiên điều khác biệt giữa 
VECM và ECM là thành phần hiệu chỉnh sai số 
của VECM có dạng một Vectơ đồng tích hợp thể 
hiện mối quan hệ đồng tích hợp giữa các biến1. 
Vectơ đồng tích hợp này ràng buộc các hành vi 
1 Đồng tích hợp là khái niệm cơ bản của kinh tế lượng hiện 
đại, là một khái niệm cơ bản của kinh tế học và mô hình 
hóa tài chính, phân tích chuỗi. Theo nghiên cứu nổi tiếng 
của Engle và Granger (1986), khi xét mô hình có nhiều 
biến số theo chuỗi thời gian, cũng có nhiều trường hợp, 
mặc dù các biến số là không dừng, nhưng khi thực hiện 
phép hồi quy hay tổ hợp tuyến tính của các biến này vẫn 
cho nhiễu trắng (được một chuỗi dừng). Trong trường hợp 
này, mô hình vẫn có thể ước lượng được mà không bị hiện 
tượng hồi quy giả mạo và mối quan hệ giữa các biến được 
gọi là quan hệ đồng tích hợp (Cointegrating relationships).
trong dài hạn của biến nội sinh trong khi cho 
phép sự biến động ở một mức độ nhất định trong 
ngắn hạn. Nhờ có lý thuyết đồng tích hợp giữa 
các biến nên VECM có thể ước lượng được với 
các chuỗi không dừng (I(1)) nhưng có quan hệ 
đồng tích hợp mà không bị hồi quy giả mạo. Đây 
là điểm khác biệt so với mô hình VAR, mô hình 
chỉ có thể ước lượng được khi tất cả các biến số 
là dừng (I(0)). Với cấu trúc như vậy, mô hình 
VECM chứa thông tin về điều chỉnh cả ngắn hạn 
và dài hạn với những thay đổi trong Yt, thông 
qua dự báo, ước lượng của C
i
 và Π tương ứng. 
2. Cấu trúc mô hình VECM cho dự báo lạm 
phát tại Ngân hàng Nhà nước
Mô hình VECM đang áp dụng tại NHNN dựa 
trên lý thuyết về VECM (nêu trên) và lý thuyết 
về cơ chế truyền dẫn CSTT theo nghiên cứu của 
Miskhin (1996). Lý thuyết này đã chỉ ra, CSTT 
được truyền dẫn qua 5 kênh cơ bản là: Kênh tín 
dụng, kênh lãi suất, kênh tỷ giá, kênh giá hàng 
hóa và kênh kỳ vọng. Tuy nhiên, do dữ liệu về 
kỳ vọng của Việt Nam hiện được thu thập chưa 
đủ dài nên mô hình bỏ qua biến số đại diện cho 
kênh kỳ vọng. Trên cơ sở đó, mô hình VECM dự 
báo lạm phát của Việt Nam được xây dựng với 
cấu trúc như ở Bảng 1.
Biến trong nước với vai trò là biến nội sinh bao 
gồm: (i) Khu vực kinh tế thực gồm biến đại diện 
cho tăng trưởng và phát triển của nền kinh tế là 
doanh số bán lẻ thực đối với mô hình ước lượng 
theo tháng, tổng sản phẩm quốc nội (GDP) thực 
đối với mô hình ước lượng theo quý và biến đại 
diện cho mức giá của nền kinh tế là chỉ số giá 
tiêu dùng (CPI) đối với cả mô hình ước lượng 
theo tháng và theo quý; (ii) Khu vực tiền tệ gồm 
biến tín dụng cho nền kinh tế đại diện cho kênh 
tín dụng, bình quân lãi suất cho vay VND cho 
nền kinh tế đại diện cho kênh lãi suất, tỷ giá bình 
Trong giai đoạn từ năm 2012 đến nay, lạm phát đã được kiểm soát thành công ở mức dưới 7% (năm 2012 là 6,81%, năm 2013 là 6,04%), phá vỡ quy luật lạm phát 2 năm cao 1 năm thấp 
diễn ra trong vòng một thập kỷ trở lại đây. NHNN với vai trò là cơ quan đầu mối điều hành 
CSTT đã bám sát diễn biến lạm phát, đưa ra những phân tích và dự báo kịp thời trong từng giai 
đoạn làm cơ sở cho điều hành lãi suất và tổng phương tiện thanh toán ở mức hợp lý, góp phần 
quan trọng thực hiện thành công mục tiêu lạm phát do Chính phủ đề ra.
11thaùng 5.2014 - soá 144
quân liên ngân hàng do NHNN công bố đại diện 
cho kênh tỷ giá và chỉ số VN-Index đại diện cho 
kênh giá tài sản.
Biến nước ngoài với vai trò là biến ngoại sinh: 
Mô hình chỉ đưa vào một số biến đại diện cho 
kinh tế quốc tế có ảnh hưởng lớn, trực tiếp đến 
nền kinh tế Việt 
Nam nhưng 
cũng giúp cải 
thiện hơn chất 
lượng của mô 
hình. Do đó, 
biến nước ngoài 
gồm các biến: 
Chỉ số giá hàng 
hóa thế giới do Quỹ Tiền tệ Quốc tế (IMF) tính 
toán, giá dầu thô thế giới, sản lượng công nghiệp 
của Mỹ và lãi suất hiệu dụng do Cục Dự trữ Liên 
bang Mỹ (FED) công bố.
Về dữ liệu sử dụng trong mô hình: Dữ liệu về 
kinh tế thực trong nước được thu thập từ nguồn 
Bảng 1. Cấu trúc mô hình VECM
Mô hình dữ liệu tháng
Ký hiệu biến Dạng biến thời gian
Biến nội sinh
1. Doanh số bán lẻ thực RETAILS Logarit cơ số tự nhiên T1/2000-T12/2013
2. Chỉ số giá tiêu dùng CPI Logarit cơ số tự nhiên T1/2000-T12/2013
3. Tín dụng cho nền kinh tế CREDIT Logarit cơ số tự nhiên T1/2000-T12/2013
4. Lãi suất cho vay VNĐ RVND mức phần trăm/năm T1/2000-T12/2013
5. Tỷ giá bình quân liên ngân hàng do NHNN 
công bố TGLNH Logarit cơ số tự nhiên T1/2000-T12/2013
6. Chỉ số VN-Index STOCK Logarit cơ số tự nhiên T1/2000-T12/2013
Biến ngoại sinh
7. Chỉ số giá hàng hóa thế giới WCPI Logarit cơ số tự nhiên T1/2000-T12/2013
8. Giá dầu thô thế giới OILP Logarit cơ số tự nhiên T1/2000-T12/2013
9. Sản lượng công nghiệp của Mỹ USOUTPUT Logarit cơ số tự nhiên T1/2000-T12/2013
10. Lãi suất hiệu dụng của FED FEDRATE mức phần trăm/năm T1/2000-T12/2013
Mô hình dữ liệu quý
Ký hiệu biến Dạng biến thời gian
Biến nội sinh
1. GDP thực NGDP Logarit cơ số tự nhiên Q1/2000-Q4/2013
2. Chỉ số giá tiêu dùng CPI Logarit cơ số tự nhiên Q1/2000-Q4/2013
3. Tín dụng cho nền kinh tế CREDIT Logarit cơ số tự nhiên Q1/2000-Q4/2013
4. Lãi suất cho vay VND RVND mức phần trăm/năm Q1/2000-Q4/2013
5. Tỷ giá bình quân liên ngân hàng do NHNN 
công bố TGLNH Logarit cơ số tự nhiên Q1/2000-Q4/2013
6. Chỉ số VN-Index STOCK Logarit cơ số tự nhiên Q1/2000-Q4/2013
Biến ngoại sinh
7. Chỉ số giá hàng hóa thế giới WCPI Logarit cơ số tự nhiên Q1/2000-Q4/2013
8. Giá dầu thô thế giới OILP Logarit cơ số tự nhiên Q1/2000-Q4/2013
9. Sản lượng công nghiệp của Mỹ USOUTPUT Logarit cơ số tự nhiên Q1/2000-Q4/2013
10. Lãi suất hiệu dụng của FED FEDRATE mức phần trăm/năm Q1/2000-Q4/2013
Bảng 2. Kết quả tính toán sai số dự báo của mô hình dữ liệu tháng
các tiêu chuẩn 
đánh giá sai 
số dự báo
cPi cREDit RVnD SALES StocK tgLnH
RMSE 2.831182 71683.79 0.993501 9134.433 82.87150 487.2068
MAE 2.124951 53458.38 0.801700 4819.972 60.13327 356.5751
MAPE 2.245848 3.979179 6.624283 6.345948 13.57599 2.021304
theil 0.015077 0.022709 0.037616 0.044435 0.086245 0.014122
12 soá 144 - thaùng 5.2014
Tổng Cục Thống kê, dữ liệu về tiền tệ được thu 
thập từ nguồn NHNN, dữ liệu quốc tế được thu 
thập từ nguồn IMF và FED. Tất cả các dữ liệu 
sử dụng để ước lượng mô hình này đều có độ 
dài từ năm 2000 đến hết năm 2013. Các biến 
số để ước lượng mô hình đều dưới dạng Logarit 
ngoại trừ biến về lãi suất là bình quân lãi suất 
cho vay VND cho nền kinh tế và lãi suất hiệu 
dụng do FED công bố sử dụng ở dạng thông 
thường (level).
3. Kết quả dự báo lạm phát và một số chỉ 
tiêu vĩ mô khác
Đối với mô hình dữ liệu tháng
Về nguyên tắc, kết quả các phép đo sai số dự 
báo như Theil, MAPE, MAE, RMSE càng nhỏ 
thì chất lượng dự báo của mô hình càng cao. Như 
vậy, Bảng 2 cho thấy năng lực dự báo của mô 
hình đối với các biến là có thể chấp nhận được 
vì sai số dự báo không quá cao và chất lượng dự 
báo của mô hình đối với các biến nội sinh theo 
40
60
80
100
120
140
160
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
CPI CPI_f
0
400,000
800,000
1,200,000
1,600,000
2,000,000
2,400,000
2,800,000
3,200,000
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
CREDIT CREDIT_f
8
10
12
14
16
18
20
22
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
RVND RVND_f
0
40,000
80,000
120,000
160,000
200,000
240,000
280,000
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
SALES SALES_f
0
200
400
600
800
1,000
1,200
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
STOCK STOCK_f
15,000
16,000
17,000
18,000
19,000
20,000
21,000
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
TGLNH TGLNH_f
Biểu đồ 1. Kết quả dự báo mô hình dữ liệu tháng
13thaùng 5.2014 - soá 144
40
60
80
100
120
140
160
01 02 03 04 05 06 07 08 09 10 11 12 13
CPI CPI_f
0
400,000
800,000
1,200,000
1,600,000
2,000,000
2,400,000
2,800,000
3,200,000
01 02 03 04 05 06 07 08 09 10 11 12 13
CREDIT CREDIT_f
200,000
300,000
400,000
500,000
600,000
700,000
800,000
01 02 03 04 05 06 07 08 09 10 11 12 13
RGDP RGDP_f
8
10
12
14
16
18
20
22
01 02 03 04 05 06 07 08 09 10 11 12 13
RVND RVND_f
0
200
400
600
800
1,000
1,200
01 02 03 04 05 06 07 08 09 10 11 12 13
STOCK STOCK_f
14,000
15,000
16,000
17,000
18,000
19,000
20,000
21,000
22,000
01 02 03 04 05 06 07 08 09 10 11 12 13
TGLNH TGLNH_f
Biểu đồ 2. Kết quả dự báo trong mẫu mô hình dữ liệu quý
thứ tự từ cao 
nhất đến thấp 
nhất là Tỷ giá 
bình quân liên 
ngân hàng, CPI, 
Tín dụng, Lãi 
suất cho vay 
VND, doanh số 
bán lẻ và chỉ số 
giá chứng khoán. Kết quả trên cho thấy, mô hình 
Bảng 3. Kết quả tính toán sai số dự báo của mô hình dữ liệu quý
các tiêu chuẩn 
đánh giá sai 
số dự báo
cPi cREDit RgDP RVnD StocK tgLnH
RMSE 1.872976 108105.2 21952.42 1.328624 97.72688 485.9093
MAE 1.255773 66258.29 17332.25 1.180642 73.31514 402.5852
MAPE 1.283624 4.527497 3.680888 9.676858 18.11089 2.369094
theil 0.010172 0.036279 0.023933 0.051214 0.107918 0.014158
tương đối ổn định và các biến số sử dụng trong 
14 soá 144 - thaùng 5.2014
mô hình là khá phù hợp nên mô hình có thể dự 
báo ở mức chấp nhận được đối với các biến nội 
sinh. Đối với biến đang xem xét là chỉ số giá tiêu 
dùng, sai số dự báo trong mẫu cho thấy mô hình 
có khả năng dự báo được ở mức khá trong cả 
giai đoạn từ năm 2000 đến năm 2013.
Kết quả dự báo được thể hiện trực quan bằng 
Biểu đồ 1 cho thấy rõ hơn năng lực dự báo của 
mô hình VECM tháng. Biến CPI và M2 được dự 
báo khá tốt trong giai đoạn 2000- 2007 (trước 
khi Việt Nam gia nhập WTO tháng 7/2007), 
nhưng có xu hướng sai số dự báo tăng lên ở giai 
đoạn sau, đặc biệt là giai đoạn khủng hoảng tài 
chính toàn cầu diễn ra. Các biến số tiền tệ quan 
trọng là tỷ giá bình quân liên ngân hàng và lãi 
suất cho vay bình quân VND (RVND) mặc dù 
không dự báo được sát như CPI và M2 nhưng 
lại đúng về xu hướng biến động tăng hay giảm 
trong các thời kỳ khác nhau. Mặt khác, kết quả 
này cũng cho thấy cấu trúc của mô hình đã phản 
ánh được tương đối chính xác cơ chế truyền dẫn 
của CSTT lên nền kinh tế và ngược lại.
Đối với mô hình dữ liệu quý
Kết quả đánh giá sai số dự báo của mô hình 
quý theo các tiêu chuẩn Theil, MAPE, MAE, 
RMSE (Bảng 3) cho thấy năng lực dự báo của 
mô hình ở mức chấp nhận được đối với tất cả các 
biến số và chất lượng dự báo của mô hình đối 
với các biến nội sinh từ cao đến thấp lần lượt là: 
CPI, tỷ giá bình quân liên ngân hàng, GDP thực, 
M2, tín dụng. Như vậy, khác với mô hình tháng, 
mô hình quý dự báo CPI tốt nhất trong các biến 
nội sinh. Hơn nữa, mô hình quý cũng dự báo 
được khá tốt GDP thực của nền kinh tế. Điều này 
có thể được giải thích do việc sử dụng biến GDP 
thực phù hợp với lý thuyết về cơ chế truyền dẫn 
CSTT và mang tính đại diện hơn so với sử dụng 
biến doanh số bán lẻ thực (SALES).
Kết quả dự báo thể hiện tại Biểu đồ 3 cho thấy 
mô hình dự báo tương đối tốt biến CPI, không 
những vậy mô hình còn khắc phục được phần 
nào hiện tượng ước lượng chệch đối với biến 
CPI trong giai đoạn 2008- 2013 như đã xảy ra 
đối với mô hình tháng. Mô hình cũng dự báo 
khá tốt biến M2 trong suốt cả giai đoạn 2000- 
2010 nhưng lại bị chệch khá lớn trong giai đoạn 
2011-2013. Tương tự như mô hình tháng, biến tỷ 
giá bình quân liên ngân hàng và lãi suất cho vay 
VND bình quân cũng được dự báo không thực 
sự tốt, nhưng vẫn đảm bảo phản ánh đúng xu 
hướng biến động (tăng- giảm), và phản ánh đúng 
cơ chế truyền dẫn của CSTT đối với nền kinh tế 
và ngược lại.
4. Kết luận 
(i) Về cơ sở lý thuyết, mô hình hiệu chỉnh sai 
số dạng vetor (VECM) có dạng mô hình dạng 
hiệu chỉnh sai số (ECM) nhưng ưu việt hơn so 
với ECM vì được phát triển triển trên cơ sở lý 
thuyết của mô hình lớp VAR, dựa trên lý thuyết 
đồng tích hợp của các biến số. Mặt khác, trong 
mô hình VECM có tích hợp cả yếu tố dài hạn 
(còn gọi là cân bằng dài hạn) giúp hiệu chỉnh 
các biến động ngắn hạn. Vì vậy, năng lực dự báo 
của mô hình VECM về lý thuyết tốt hơn so với 
ECM và VAR. Do đó, việc ứng dụng VECM vào 
dự báo các chỉ tiêu vĩ mô, đặc biệt là lạm phát, là 
phù hợp và đạt hiệu quả cao.
(ii) Kết quả dự báo sử dụng lý thuyết VECM 
và cơ chế truyền dẫn CSTT cho thấy mô hình 
dự báo được ở mức khá đối với lạm phát và các 
biến số vĩ mô khác. Tuy nhiên, mô hình quý cho 
kết quả dự báo tốt hơn so với mô hình tháng khi 
thay thế biến doanh số bán lẻ thực (SALES) 
bằng biến GDP thực.
(iii) Cả hai mô hình vẫn có hiện tượng dự báo 
chệch đối với CPI và M2 trong giai đoạn sau 
khi Việt Nam gia nhập WTO (tháng 10/2007) và 
đặc biệt là trong giai đoạn khủng hoảng tài chính 
diễn ra. Dự báo đối với biến tỷ giá bình quân liên 
ngân hàng và lãi suất cho vay VND bình quân 
không thực sự tốt nhưng vẫn phản ánh đúng 
chiều hướng biến động trong các giai đoạn khác 
nhau. Kết quả dự báo cũng chỉ ra chiều hướng 
biến động của các biến đảm bảo phù hợp với 
lý thuyết của kinh tế học về cơ chế truyền dẫn 
của CSTT đối với nền kinh tế và ngược lại. Tuy 
nhiên, cần phải cải thiện hơn nữa chất lượng dự 
báo của mô hình, khắc phục được hiện tượng 
dự báo chệch đối với biến CPI và M2 để nâng 
cao hơn nữa chất lượng dự báo lạm phát và ứng 
dụng hiệu quả vào công tác dự báo lạm phát tại 
xem tiếp trang 22
22 soá 144 - thaùng 5.2014
NHNN, giúp công tác hoạch định và điều hành 
CSTT đạt được mục tiêu đề ra là kiểm soát lạm 
phát ở mức hợp lý và ổn định kinh tế vĩ mô. ■
Tài liệu tham khảo
1. GS.TS. Nguyễn Quang Dong, TS. Nguyễn Thị Minh, 
Giáo trình Kinh tế lượng, NXB Đại học Kinh tế Quốc dân 
(2012).
2. N. Gregory Mankiw (1999), Kinh tế vĩ mô, NXB 
Thống kê.
3. Helmut Lutkepohl (2005), New Introduction to 
Multiple Time Series Analysis, Springer Verlag.
4. Fredric S. Miskhin (1996), The channel of Monetary 
Transmission: Lesson for Monetary Policy, NBER Working 
Papers 5464, National Bureau of Economic Research.
5. Granger, C.W.J. (1983), Cointegrated variables 
and Error correction models, Discussion paper N0. 83-
13, Department of Economics (San Diego:University of 
California at San Diego) 
6. Le Viet Hung and W. Pfau (2008), VAR Analysis of 
the Monetary Transmission Mechanism in Vietnam, http://
ssrn.com/abstract=1257854 
tiếp theo trang 14
nói chung và kỹ năng phân tích chỉ tiêu nói riêng 
cho cán bộ NH. Cán bộ được cử đi học bao gồm 
các cán bộ thuộc hội sở nhằm phân tích chỉ tiêu 
toàn hệ thống và các cán bộ của chi nhánh nhằm 
phân tích chỉ tiêu hoạt động của chi nhánh.
3.4. Tăng tính pháp lý cho hệ thống chỉ tiêu
Hệ thống chỉ tiêu này không những chỉ giúp 
NH, mà nó còn là công cụ hữu hiệu giúp các cơ 
quan quản lý Nhà nước quản lý hoạt động TTQT 
và xuất khẩu. Do vậy, để có thể sử dụng rộng rãi 
hệ thống chỉ tiêu này thì nên có ý kiến của các 
cơ quan quản lý Nhà nước như Cục Thống kê, 
NHNN để hoàn thiện và tăng tính pháp lý cho 
hệ thống chỉ tiêu. 
3.5. Đẩy nhanh tốc độ quản trị ngân hàng đối 
với hoạt động TTQT 
Ban quản trị các ngân hàng cần đẩy nhanh, đẩy 
mạnh việc hoàn thiện và triển khai ứng dụng hệ 
thống chỉ tiêu đánh giá hiệu quả hoạt động TTQT 
trên phạm vi toàn hệ thống. Đặt mục tiêu đánh 
giá hiệu quả hoạt động TTQT lên thành mục tiêu 
ngắn hạn cần phải thực hiện trong thời gian tới.
Đối với hoạt động TTQT, nâng cao năng lực 
cho nhà quản trị ngân hàng sẽ tạo hiệu ứng tốt 
tới công tác quản lý hoạt động TTQT do khả 
năng đánh giá đúng đắn về vị trí, vai trò của hoạt 
động TTQT đối với hoạt động kinh doanh của 
ngân hàng. Hoạt động TTQT sẽ được đánh giá 
đúng với vai trò của nó, các nhà quản trị sẽ tập 
trung hơn nữa vào quản trị hoạt động TTQT, đặt 
mục tiêu xây dựng phương pháp đánh giá hiệu 
quả hoạt động TTQT lên làm mục tiêu cần phải 
thực hiện trước mắt.
3.6. Xây dựng cơ sở dữ liệu với nguồn dữ liệu 
đầy đủ và phù hợp cho việc tính toán hệ thống 
chỉ tiêu đánh giá hiệu quả hoạt động TTQT
Để hình thành một cơ sở dữ liệu hiệu quả, 
thường xuyên được cập nhật và đáp ứng sát nhu 
cầu của NH thì cần phải được xây dựng theo hai 
hướng: 
- Bảo đảm đầy đủ thông tin thông dụng, phù 
hợp với việc sử dụng của số đông. Nguồn thông 
tin chính, có độ tin cậy và được cập nhật khá đều 
đặn phục vụ cho yêu cầu này có thể lấy được từ 
những báo cáo hàng năm của các tổ chức quốc 
tế có uy tín và từ các báo cáo chính thức định kỳ 
của các NHTM, khi các báo cáo này được thực 
hiện nghiêm túc theo chế độ thực hiện luật kế 
toán- thống kê và hệ thống biểu báo cáo thống 
kê định kỳ. 
- Hoàn thiện cơ chế bóc tách số liệu nhằm đáp 
ứng số liệu đầu vào cho công tác phân tích, đặc 
biệt là khi phân tích hiệu quả hoạt động TTQT 
theo từng sản phẩm, phương thức thanh toán và 
khi phân tích theo năng suất lao động cán bộ 
TTQT ở chi nhánh và trung tâm thanh toán.
- Cung cấp được những thông tin chuyên dụng, 
đặc biệt theo yêu cầu của NHTM khác và các 
doanh nghiệp. Những thông tin loại này có thể 
thu thập qua điều tra theo đơn đặt hàng của các 
doanh nghiệp.
Tóm lại, nếu khắc phục được các khó khăn 
trong việc sử dụng hệ thống chỉ tiêu đánh giá 
hiệu quả hoạt động TTQT thì có thể mở ra khả 
năng tiến hành đánh giá và so sánh hiệu quả hoạt 
động TTQT, cung cấp thêm thông tin tham khảo 
bổ ích về vị thế so sánh của một NHTM so với 
các NHTM khác trong quá trình cạnh tranh. ■