Trường Đại học Ngân hàng TP. Hồ Chí Minh đã phối hợp với Trường Đại học Bà Rịa – Vũng Tàu đồng tổ chức thành công Hội thảo kinh tế lượng lần thứ năm - ECONVN2022 với chủ đề “Kinh tế lượng tài chính: Phân tích Bayes, bất định lượng tử và các chủ đề liên quan” (Financial Econometrics: Bayesian Analysis, Quantum Uncertainty, and Related Topics) diễn ra từ ngày 10/01/2022 đến ngày 12/1/2022 tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (36 Tôn Thất Đạm, Phường Nguyễn Thái Bình, Quận 1, TP. Hồ Chí Minh) kết hợp dưới hình thức trực tuyến và trực tiếp. Các bài viết được chọn trình bày trong Hội thảo được xuất bản trong book series STUDIES IN SYSTEMS, DECISION AND CONTROL thuộc danh mục SCOPUS và được xem xét vào các danh mục ISI.
Tiếp nối thành công của 4 kỳ Hội thảo kinh tế lượng trước đây - ECONVN2018, ECONVN2019, ECONVN2020, và ECONVN2021 với các chủ đề lần lượt là “Kinh tế lượng cho ứng dụng tài chính” (Econometrics for Financial Applications), “Ngoài các phương pháp xác suất thống kê truyền thống trong kinh tế học” (Beyond Traditional Probabilistic Methods in Economics), “Khoa học dữ liệu cho kinh tế lượng tài chính” (Data Science for Financial Econometrics) và “Dự báo và mối quan hệ nhân quả trong kinh tế lượng và các chủ đề liên quan” (Prediction and Causality in Econometrics and Related Topics), trong 03 ngày diễn ra Hội thảo, ECONVN2022 đã thu hút được gần 2000 người tham gia, gần 100 bài nghiên cứu được trình bày và thảo luận (trong đó 50% bài từ tác giả nước ngoài) ở các phiên chính và song song là các nhà khoa học, giảng viên các trường đại học và viện nghiên cứu trong và ngoài nước.
Đặc biệt, Hội thảo lần này quy tụ được 20 chuyên gia, nhà khoa học hàng đầu thế giới trong các lĩnh vực kinh tế học, toán học, khoa học máy tính, khoa học dữ liệu, trí tuệ nhân tạo,… trong thời đại Công nghiệp 4.0 hiện nay bao gồm: Giáo sư Hung Trung Nguyen, New Mexico State University, USA; Giáo sư Vladik Kreinovich, University of Texas at El Paso, USA; Giáo sư Daniel Stefan Hain, Aalborg University Business School, Denmark; Giáo sư John Harding, New Mexico State University, USA; Giáo sư Katsuhiro Sugita, University of the Ryukyus, Japan; Giáo sư Mark Edwin Schaffer, Heriot-Watt University, UK; Giáo sư Polina Khrennikova, University of Leicester, UK; Giáo sư Poom Kumam, King Mongkut’s University of Technology Thonburi, Thailand; Giáo sư Thomas Augustin, Ludwig-Maximilians University in Munich, Germany; Giáo sư Tonghui Wang, New Mexico State University, USA; Giáo sư Vyacheslav Yukalov, Joint Institute for Nuclear Research, Russia; Giáo sư William Briggs, Weill Medical College of Cornell University, USA; và Giáo sư Woraphon Yamaka, Chiang Mai University, Thailand; Giáo sư Rakesh Gupta, Griffith University, Australia,…
Các chủ đề được trình bày và bàn luận bao gồm phân tích Bayes, bất định lượng tử, mô hình dự báo, suy diễn nhân quả, học máy, phân tích dữ liệu thông minh, các kỹ thuật dữ liệu lớn và các ứng dụng cho kinh tế học, kinh tế quốc tế, thị trường tài chính, tài chính doanh nghiệp,… Điển hình như trong 03 nghiên cứu sau:
Trong nghiên cứu “What’s wrong with how we teach estimation and inference in econometrics? And what should we do about it?” (Cách chúng ta dạy ước lượng và suy diễn trong kinh tế lượng có những điểm sai nào? Và chúng ta nên làm gì?) của Giáo sư Mark Schaffer từ Heriot-Watt University cho rằng: Việc sử dụng rộng rãi “kiểm định mức ý nghĩa giả thuyết không (null hypothesis)” và giá trị p (p-value) trong các nghiên cứu thực nghiệm đã dẫn đến sự chỉ trích rộng rãi từ nhiều hướng trong những năm gần đây. Gần như tất cả các tài liệu và bình luận tập trung vào thực hành: những phương pháp và công cụ này đã được sử dụng và lạm dụng ra sao, và chúng nên được ứng dụng như thế nào. Đáng ngạc nhiên là tương đối ít quan tâm về cách chúng ta dạy kinh tế lượng và thống kê ứng dụng nói chung. Giáo sư Mark Schaffer khuyến nghị rằng có thể dạy sinh viên cách thực hành thống kê theo trường phái tần suất (frequentist) một cách hợp lý nếu các khái niệm cốt lõi được dạy ngay từ đầu là “độ bao phủ (coverage)” và ước lượng khoảng (interval estimation). Từ đó, tác giả đề xuất một số công cụ khác nhau để truyền đạt những khái niệm này.
Hay trong nghiên cứu với tựu đề “On The Skill of Influential Predictions” (Kỹ năng dự đoán có tính ảnh hưởng) bởi Giáo sư William M. Briggs từ Weill Medical College of Cornell University, USA chỉ ra: Kỹ năng của một mô hình được định nghĩa là nó có khả năng tiên đoán tốt hơn so với một mô hình mặc định (default model) hoặc mô hình đơn giản hơn. Các mô hình mặc định này hầu như luôn tồn tại. Các mô hình không có kỹ năng không nên được sử dụng. Tất cả các tiên đoán đều dựa trên mô hình, ngầm định hoặc chính thức. Do đó, các tiên đoán để trở nên hữu ích phải tài tình (skillful). Một số tiên đoán có ảnh hưởng nghĩa là bản thân chúng có tác động toàn bộ hoặc một phần đến những đối tượng tiên đoán mà chúng ta quan sát được. Bài viết này đề cập đến những thước đo kỹ năng hay gặp trong việc đánh giá những dự báo không có ảnh hưởng (non-influential predictions) để dùng trong các mô hình có ảnh hưởng (influential models).
Tiếp theo, nghiên cứu với tựu đề “Predicting (Economic) Trends: Why Signature Method in Machine Learning” (Tiên đoán các xu hướng (kinh tế): Tại sao phương pháp chữ ký trong học máy” do Giáo sư Vladik Kreinovich từ University of Texas at El Paso, USA và Tiến sĩ Lê Văn Chơn từ Đại học Quốc tế, Việt Nam) tổng kết: Trong nhiều tình huống thực tế, chúng ta có thể tiên đoán xu hướng - tức là hệ thống sẽ thay đổi như thế nào. Nhưng chúng ta không thể tiên đoán thời điểm chính xác của sự thay đổi này bởi phụ thuộc vào nhiều yếu tố không thể tiên đoán trước. Ví dụ, chúng ta có thể chắc chắn rằng nền kinh tế sẽ phục hồi, nhưng tốc độ phục hồi có thể phụ thuộc vào tình trạng của đại dịch hay các yếu tố đầu vào của nông nghiệp bị ảnh hưởng bởi thời tiết,… Trong những tiên đoán xu hướng như vậy, một trong những phương pháp hiệu suất nhất là phương pháp chữ ký (signature method), dựa trên việc áp dụng các kỹ thuật máy học vào một số đặc điểm đặc biệt của chuỗi thời gian tương ứng. Trong bài viết này, nhóm tác giả giải thích sự thành công về mặt thực nghiệm của phương pháp chữ ký.
Trong phiên Bế mạc Hội thảo, Ban tổ chức Hội thảo thường niên Kinh tế lượng (ECONVN) đã giới thiệu chủ đề cho Hội thảo thường niên Kinh tế lượng lần thứ sáu - ECONVN2023, đó là “Optimal Transport Statistics for Econometrics and Related Topics” (Thống kê vận tải tối ưu cho kinh tế lượng và các chủ đề liên quan). Rất mong các nhà khoa học, giảng viên các trường đại học và viện nghiên cứu trong và ngoài nước tiếp tục đóng góp cho sự thành công của ECONVN2023 tiếp theo, dự kiến diễn ra từ ngày 09/01/2023 đến ngày 11/1/2023 tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (36 Tôn Thất Đạm, Phường Nguyễn Thái Bình, Quận 1, TP. Hồ Chí Minh).
Hội Thảo ECONVN2022 tại Trường Đại học Ngân hàng TP.HCM đã thành công tốt đẹp, quy tụ một số lượng lớn các chuyên gia, học giả trong và ngoài nước đặc biệt hàng đầu thế giới trong các lĩnh vực kinh tế học, toán học, khoa học máy tính, khoa học dữ liệu, trí tuệ nhân tạo… Đặc biệt, Hội thảo đã đem đến những tư tưởng và kỹ thuật mới, dự kiến sẽ tạo ra những thay đổi mang tính bước ngoặt trong lĩnh vực thống kê, dự báo kinh tế trong nhiều năm tới.
Một số hình ảnh tại hội thảo: