NhiemVu6
NgocTram
16:28:22, 16 - 03 - 2024
Dữ liệu từ WORK BANK
1.Bộ dữ liệu CM.MKT.TRAD.GD.ZS
CM.MKT.TRAD.GD.ZS viết tắc của Stocks traded, total value (% of GDP) là một chỉ số kinh tế thường được sử dụng để đo lường giá trị tổng cộng của các cổ phiếu được giao dịch trên thị trường chứng khoán của một quốc gia (Việt Nam), tính bằng phần trăm của GDP (Tổng sản phẩm quốc nội).
Stocks traded: Đây là giá trị tổng cộng của các cổ phiếu được giao dịch trên thị trường chứng khoán trong một khoảng thời gian cụ thể.
Total value: Tổng giá trị của các cổ phiếu được giao dịch, thường được tính bằng đơn vị tiền tệ của quốc gia đó.
% of GDP: Phần trăm của GDP, tức là giá trị của “Stocks traded” so với tổng sản phẩm quốc nội (GDP) của quốc gia đó.
Chỉ số “Stocks traded, total value (% of GDP) in Việt Nam” là tỷ lệ giá trị tổng của các cổ phiếu được giao dịch trên thị trường chứng khoán của Việt Nam so với tổng sản phẩm quốc nội (GDP) của Việt Nam, được tính bằng phần trăm. Nó thường được sử dụng để đánh giá mức độ quan trọng của thị trường chứng khoán đối với nền kinh tế của Việt Nam. Nếu tỷ lệ này cao, điều này có thể chỉ ra rằng thị trường chứng khoán đóng góp một phần lớn vào nền kinh tế, có thể là một yếu tố quan trọng trong việc tăng trưởng kinh tế và phát triển tài chính của quốc gia. Ngược lại, nếu tỷ lệ này thấp, có thể cho thấy thị trường chứng khoán không có ảnh hưởng lớn đến kinh tế.
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(WDI)## Warning: package 'WDI' was built under R version 4.3.3ind <- WDIsearch('GDP')
nt <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'))
nv6 <- nt %>% select(year,CM.MKT.TRAD.GD.ZS)
nv6 <- na.omit(nv6)
names(nv6) <- c('year','%GDP')
head(nv6)## year %GDP
## 1 2022 39.645403
## 2 2021 51.935965
## 3 2020 16.403993
## 4 2019 9.438693
## 5 2018 14.706736
## 6 2017 15.7437372.Tạo bộ dữ liệu
-Từ WDI ta đã lấy được bộ dữ liệu CM.MKT.TRAD.GD.ZS và tạo thành một file dữ liệu mới. Muốn phân tích file dữ liệu này ta cần lưu về và tiến hành phân tích.
library(xlsx)## Warning: package 'xlsx' was built under R version 4.3.3write.xlsx(nv6, file= "nv6.workbank.xlsx", row.names = FALSE)3.Phân tích bộ dữ liệu
Tổng quan về dữ liệu:
Dữ liệu được cung cấp bao gồm giá trị giao dịch cổ phiếu (% của GDP) trong khoảng thời gian từ năm 2008 đến năm 2022. Đây là một chỉ số quan trọng để đánh giá sự phát triển của thị trường tài chính trong quốc gia và cũng phản ánh sự đóng góp của thị trường cổ phiếu vào nền kinh tế.
Tình hình biến động của giá trị giao dịch cổ phiếu:
-Từ năm 2008 đến 2009, giá trị giao dịch cổ phiếu tăng mạnh từ khoảng 10.24% lên 31.14% của GDP, có thể được giải thích bởi sự tăng trưởng sau cuộc khủng hoảng tài chính toàn cầu.
-Sau đó, từ năm 2009 đến 2013, có một chu kỳ giảm dần trong giá trị giao dịch, giảm từ mức cao nhất 31.14% xuống còn khoảng 6.53% của GDP năm 2013.
-Từ năm 2013 đến 2022, giá trị giao dịch cổ phiếu biến động mạnh mẽ, từ khoảng 6.53% lên tới 51.94% của GDP vào năm 2021
names(nv6)## [1] "year" "%GDP"knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
library(tidyverse)
library(ggplot2)
str(nv6)## 'data.frame': 14 obs. of 2 variables:
## $ year: int 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 ...
## $ %GDP: num 39.65 51.94 16.4 9.44 14.71 ...
## - attr(*, "lastupdated")= chr "2024-02-21"
## - attr(*, "label")= chr [1:63] "Stocks traded, total value (% of GDP)" "Stocks traded, total value (% of GDP)" "Stocks traded, total value (% of GDP)" "Stocks traded, total value (% of GDP)" ...
## - attr(*, "na.action")= 'omit' Named int [1:49] 11 16 17 18 19 20 21 22 23 24 ...
## ..- attr(*, "names")= chr [1:49] "11" "16" "17" "18" ...4. Phân tích các yếu tố ảnh hưởng đến tổng cổ phiếu giao dịch 2008-2013
-Trong giai đoạn này, từ năm 2008 đến 2013, thị trường tài chính thế giới trải qua một trong những giai đoạn khó khăn nhất trong lịch sử gần đây do khủng hoảng tài chính toàn cầu bùng phát từ năm 2007. Dưới đây là sự phân tích chi tiết về giá trị giao dịch cổ phiếu trong giai đoạn này.
library('ggplot2')
library('DT')
library(tidyverse)
library(WDI)
ind <- WDIsearch('GDP')
GDP <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'), start= 2008, end= 2013)
nv6 <- GDP %>% select(year, CM.MKT.TRAD.GD.ZS)
nv6.1 <- na.omit(nv6)
names(nv6.1) <- c('year', 'GDP')
datatable(nv6.1)ggplot(data = nv6.1, aes(x = year, y = GDP)) +
geom_col() +
geom_col(fill='skyblue') +
labs(title = "Biểu đồ thể hiện tổng phần trăm cổ phiếu giao dịch", x = 'Năm', y = 'Tổng phần trăm giao dịch') +
theme_minimal()
-Năm 2008: Giá trị giao dịch cổ phiếu tăng nhẹ lên khoảng 10.24% của GDP. Đây là năm bùng nổ khủng hoảng tài chính toàn cầu, khi nhiều thị trường tài chính trên thế giới chịu áp lực lớn từ sự suy giảm của thị trường cổ phiếu và thị trường.
-Năm 2009: Một năm quan trọng sau cuộc khủng hoảng tài chính toàn cầu năm 2008. Giá trị giao dịch cổ phiếu tăng mạnh lên khoảng 31.14% của GDP, phản ánh sự hồi phục sau cú shock của khủng hoảng. Nhiều quốc gia đã áp dụng các biện pháp kích thích kinh tế để hỗ trợ nền kinh tế và thị trường tài chính, góp phần tạo điều kiện thuận lợi cho sự tăng trưởng của giá trị giao dịch cổ phiếu.
-Năm 2011: Đặc biệt căng thẳng với nhiều biến động lớn trên thị trường tài chính toàn cầu. Giá trị giao dịch cổ phiếu có thể đã phản ánh sự lo ngại và không chắc chắn trong tâm lý thị trường. Các yếu tố như khủng hoảng nợ Châu Âu, sự suy giảm của nền kinh tế Mỹ và các vấn đề khác đã tạo ra một môi trường đầy biến động và rủi ro cho các nhà đầu tư.
-Năm 2010 - 2013: Giá trị giao dịch cổ phiếu giảm dần xuống khoảng 6.53% của GDP vào năm 2013. Đây là giai đoạn mà nền kinh tế và thị trường tài chính đang phục hồi từ hậu quả của khủng hoảng, nhưng vẫn còn đối mặt với những thách thức và không chắc chắn.
GDP <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'), start= 2008, end= 2013)
nv6 <- GDP %>% select(year, CM.MKT.TRAD.GD.ZS)
nv6.1 <- na.omit(nv6)
names(nv6.1) <- c('year', 'GDP')
ggplot(nv6.1, aes(x = year, y = GDP)) +
geom_line(color = "red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Cổ phiếu giao dịch, tổng phần trăm GDP Việt Nam 2008 - 2013", x = "Năm", y = "% GDP giao dịch ")
Các yếu tố ảnh hưởng tổng phần trăm giá trị giao dịch cổ phiếu trên thị trường Việt Nam
-Cuộc khủng hoảng tài chính toàn cầu: Bắt đầu từ năm 2008, cuộc khủng hoảng tài chính toàn cầu đã gây ra một làn sóng biến động lớn trên thị trường cổ phiếu. Sự suy giảm đột ngột của các tổ chức tài chính lớn như Lehman Brothers đã gây ra sự sợ hãi và mất lòng tin trong thị trường.
-Biện pháp kích thích kinh tế: Nhiều quốc gia đã áp dụng các biện pháp kích thích kinh tế như giảm thuế, tăng chi tiêu công và cắt giảm lãi suất để hỗ trợ nền kinh tế và thị trường tài chính. Các biện pháp này có thể đã ảnh hưởng đến sự biến động của thị trường cổ phiếu.
-Chính sách tiền tệ: Chính sách tiền tệ của các ngân hàng trung ương, bao gồm cả việc giảm lãi suất và áp dụng các biện pháp QE (Easing Quantitative) để tăng cung tiền, đã có tác động lớn đến thị trường cổ phiếu và giá trị giao dịch của nó.
-Tình hình kinh tế toàn cầu: Biến động trong tình hình kinh tế toàn cầu, bao gồm sự suy giảm của nền kinh tế Mỹ, khủng hoảng nợ Châu Âu và sự phát triển của các thị trường mới nổi như Trung Quốc và Ấn Độ, đã tạo ra sự không chắc chắn và ảnh hưởng đến tâm lý thị trường.
-Tâm lý thị trường và cảm xúc nhà đầu tư: Tâm lý thị trường và cảm xúc của nhà đầu tư đóng vai trò quan trọng trong sự biến động của thị trường cổ phiếu. Sự lo ngại, tin tức không chắc chắn và các yếu tố tâm lý khác có thể tạo ra sự dao động trong giá trị giao dịch của cổ phiếu.
-Sự biến động của giá cả hàng hóa và dầu thô: Giá cả hàng hóa và dầu thô thường có ảnh hưởng đáng kể đến nền kinh tế và thị trường cổ phiếu. Biến động trong giá cả này có thể tạo ra sự không chắc chắn và rủi ro cho nhà đầu tư trên thị trường cổ phiếu.
ind <- WDIsearch('GDP')
GDP <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'), start= 2018, end= 2022)
nv6 <- GDP %>% select(year, CM.MKT.TRAD.GD.ZS)
nv6.2 <- na.omit(nv6)
names(nv6.2) <- c('year', 'GDP')
datatable(nv6.2)ggplot(data = nv6.2, aes(x = year, y = GDP)) +
geom_col() +
geom_col(fill='skyblue') +
labs(title = "Biểu đồ thể hiện tổng phần trăm cổ phiếu giao dịch", x = 'Năm', y = 'Tổng phần trăm giao dịch') +
theme_minimal()
-Năm 2019: GDP trong năm 2019 đạt mức thấp nhất trong chuỗi năm từ 2018 đến 2022, chỉ đạt khoảng 9.44%. Nguyên nhân của sự suy giảm này có thể là do nhiều yếu tố, bao gồm sự suy giảm trong hoạt động kinh tế, không chắc chắn trong môi trường kinh doanh và đầu tư, cũng như các yếu tố địa phương và toàn cầu khác như chiến tranh thương mại hay thay đổi chính sách kinh tế. Năm 2020:
-Trong năm 2020: GDP đã tăng lên đáng kể, đạt mức khoảng 16.40%. Đây có thể được giải thích bởi tình hình đặc biệt của năm 2020, khi đại dịch COVID-19 đã lan rộng toàn cầu. Các biện pháp phong tỏa và hạn chế di chuyển đã gây ra sự suy giảm đáng kể trong sản xuất và hoạt động kinh tế. Tuy nhiên, các biện pháp hỗ trợ và kích thích kinh tế từ các chính phủ và tổ chức quốc tế có thể đã giúp giảm thiểu mức độ tổn thất kinh tế so với dự kiến ban đầu.
-Năm 2021 là năm có GDP cao nhất trong chuỗi năm, với khoảng 51.94%. Sự tăng trưởng mạnh mẽ của GDP có thể phản ánh sự phục hồi của nền kinh tế sau đại dịch COVID-19. Nhiều quốc gia đã áp dụng các biện pháp mở cửa kinh tế và hỗ trợ kích thích tăng trưởng, cũng như sự tăng trưởng của các ngành công nghiệp và ngành dịch vụ sau thời kỳ khủng hoảng.
GDP <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'), start= 2018, end= 2022)
nv6 <- GDP %>% select(year, CM.MKT.TRAD.GD.ZS)
nv6.2 <- na.omit(nv6)
names(nv6.2) <- c('year', 'GDP')
ggplot(nv6.2, aes(x = year, y = GDP)) +
geom_line(color = "red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Cổ phiếu giao dịch, tổng phần trăm GDP Việt Nam 2018 - 2022", x = "Năm", y = "% GDP")
Các yếu tố ảnh hưởng tổng phần trăm giá trị giao dịch cổ phiếu trên thị trường Việt Nam
-Tình hình kinh tế:Sự tăng trưởng kinh tế tổng thể có thể ảnh hưởng đến sự quan tâm và hoạt động đầu tư trên thị trường cổ phiếu. Khi nền kinh tế phát triển, nhà đầu tư có thể có niềm tin cao hơn và sẵn lòng đầu tư nhiều hơn vào cổ phiếu.
-Chính sách chính phủ: Chính sách chính phủ liên quan đến thị trường tài chính và đầu tư có thể ảnh hưởng đến sự hoạt động của thị trường cổ phiếu. Các biện pháp hỗ trợ thị trường và giảm rủi ro có thể tăng cơ hội đầu tư vào cổ phiếu.
-Tâm lý thị trường: Tâm lý thị trường có thể ảnh hưởng đến quyết định đầu tư của các nhà đầu tư. Sự tin tưởng và lo ngại trong thị trường có thể làm biến động giá cả và khối lượng giao dịch trên thị trường cổ phiếu.
-Biến động thị trường toàn cầu: Biến động trên thị trường tài chính toàn cầu có thể ảnh hưởng đến thị trường cổ phiếu Việt Nam thông qua các yếu tố như biến động giá cả, tỷ giá hối đoái và tâm lý thị trường toàn cầu.
-Các sự kiện đặc biệt: Các sự kiện đặc biệt như các biện pháp phòng chống đại dịch, thay đổi chính sách tài chính, hay sự kiện chính trị có thể tạo ra biến động đột ngột trên thị trường cổ phiếu và ảnh hưởng đến tỷ lệ giao dịch cổ phiếu.
Biểu đồ tổng quát từ 2008 đến 2022
GDP <- WDI(indicator = 'CM.MKT.TRAD.GD.ZS', country = c('VNM'), start= 2008, end= 2022)
nv6 <- GDP %>% select(year, CM.MKT.TRAD.GD.ZS)
nv6.3 <- na.omit(nv6)
names(nv6.3) <- c('year', 'GDP')
ggplot(nv6.3, aes(x = year, y = GDP)) +
geom_line(color = "red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Cổ phiếu giao dịch, tổng phần trăm GDP Việt Nam 2008 - 2022", x = "Năm", y = "% GDP")
Dữ liệu từ IMF
1.Bộ dữ liệu APDREO
-Asia and Pacific Regional Economic Outlook (APDREO) là một báo cáo được xuất bản bởi Quỹ Tiền tệ Quốc tế (IMF) tập trung vào triển vọng kinh tế của khu vực châu Á và Thái Bình Dương. Báo cáo này thường bao gồm các đánh giá về tình hình kinh tế hiện tại và dự báo về triển vọng kinh tế trong tương lai cho các quốc gia và vùng lãnh thổ thuộc khu vực này. APDREO cung cấp thông tin chi tiết về các yếu tố ảnh hưởng đến sự phát triển kinh tế, chính sách kinh tế và dự đoán tình hình kinh tế trong tương lai của các quốc gia trong khu vực Á-Âu.
-LUR: Tỷ lệ thất nghiệp
library(tidyverse)
library(imf.data)
Dataset <- list_datasets()
b <- load_datasets("APDREO")
library(DT)
library(flextable)
view(b$dimensions$indicator)
b1 <- b$get_series(freq = 'A', ref_area = 'VN', indicator = 'LUR')
b1 <- na.omit(b1)
datatable(b1)names(b1) <- c("Year","Value")
datatable(b1) b1.1 <- filter(b1, Year == 1990 | Year == 1995 | Year == 2000 | Year == 2005 | Year == 2010 | Year == 2015 | Year ==2020 | Year ==2025 | Year == 2028 )
ggplot(b1.1 , aes(x = Year, y = Value, group = 1)) +
geom_line(color = "red", linewidth = 1) +
geom_point(color= "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Tỷ lệ thất nghiệp qua thời kỳ 5 năm ", x = "Tỷ lệlệ")
-Có thể thấy tỷ lệ thất nghiệp ở Việt Nam có xu hướng giải. Đây cũng là một phần tích cực nước ta. Tỷ lệ thất nghiệp càng thấp thì sự phát triển của quốc gia càng cao. Nền kinh tế phần lớn phụ thuộc vào mức độ lao động và trình độ lao động. Bởi vậy thất nghiệp thấp có nghĩa Việt Nam dang trên đà phát triển.
Tỷ lệ thất nghiệp từ 1995-2000*
library(png)
b1.2 <- filter(b1,Year >= 1995 & Year <= 2000)
ggplot(b1.2, aes(x = Year, y = Value, group = 1)) +
geom_line(color="red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Tỷ lệ thất nghiệp 1995-2000", x = "Năm", y = "Tỷ lệ thất nghiệp")
Yếu tố ảnh hưởng
-Kinh tế toàn cầu: Sự phục hồi kinh tế toàn cầu sau cuộc khủng hoảng tài chính châu Á vào cuối những năm 1990 có thể đã tạo ra cơ hội việc làm mới cho nhiều quốc gia, bao gồm Việt Nam. Các quốc gia có thể đã đầu tư và mở rộng kinh doanh, dẫn đến việc tăng cơ hội việc làm.
-Đầu tư nước ngoài: Sự gia tăng đầu tư nước ngoài vào Việt Nam trong giai đoạn này có thể đã tạo ra nhiều cơ hội việc làm trong các ngành công nghiệp đặc biệt là trong lĩnh vực sản xuất và xuất khẩu.
-Chính sách kinh tế và lao động: Các chính sách kinh tế và lao động của chính phủ có thể đã ảnh hưởng đến tỷ lệ thất nghiệp. Các biện pháp kích thích kinh tế và hỗ trợ doanh nghiệp có thể đã tạo ra cơ hội việc làm mới, trong khi các biện pháp cắt giảm ngân sách hoặc thắt chặt chính sách tiền tệ có thể gây ra tác động tiêu cực đến thị trường lao động.
-Thay đổi trong cơ cấu kinh tế: Sự thay đổi trong cơ cấu kinh tế của Việt Nam, với sự di chuyển từ nông nghiệp sang công nghiệp và dịch vụ, có thể đã tạo ra sự biến động trong cơ hội việc làm. Một số ngành công nghiệp mới có thể đã xuất hiện, trong khi một số ngành truyền thống có thể đã mất việc làm do quá trình công nghiệp hóa và hiện đại hóa.
Tỷ lệ thất nghiệp từ 2018-2023
library(png)
b1.3 <- filter(b1,Year >= 2018 & Year <= 2023)
ggplot(b1.3, aes(x = Year, y = Value, group = 1)) +
geom_line(color="red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Tỷ lệ thất nghiệp 2018-2023", x = "Năm", y = "Tỷ lệ thất nghiệp")
-Đại dịch COVID-19: Đại dịch COVID-19 đã gây ra cuộc khủng hoảng kinh tế toàn cầu, làm giảm nhu cầu lao động và gây ra sự suy thoái trong nhiều ngành công nghiệp. Biện pháp hạn chế di chuyển và giãn cách xã hội đã gây ra gián đoạn trong chuỗi cung ứng và làm giảm sản xuất, dẫn đến việc giảm việc làm và tăng tỷ lệ thất nghiệp.
-Biến đổi công nghệ và tự động hóa: Sự phát triển của công nghệ, đặc biệt là sự gia tăng của trí tuệ nhân tạo (AI) và tự động hóa, có thể gây ra mất việc làm cho một số nhóm lao động khi các quy trình được tự động hóa.
-Chính sách kinh tế và lao động: Các biện pháp kích thích kinh tế và hỗ trợ doanh nghiệp, cũng như chính sách hỗ trợ người lao động, có thể ảnh hưởng đến tỷ lệ thất nghiệp. Các chính sách này có thể bao gồm hỗ trợ doanh nghiệp, đào tạo nghề nghiệp, và các chương trình phát triển lao động.
-Thị trường lao động toàn cầu: Biến động trong thị trường lao động toàn cầu, bao gồm cả việc di cư lao động và thương mại quốc tế, có thể ảnh hưởng đến cơ hội việc làm trong một số ngành và cho một số nhóm lao động.
-Biến động trong cơ cấu kinh tế: Sự thay đổi trong cơ cấu kinh tế của Việt Nam, bao gồm sự di chuyển từ nông nghiệp sang công nghiệp và dịch vụ, cũng như sự phát triển của các ngành công nghiệp mới, có thể tạo ra sự biến động trong cơ hội việc làm.
Dự báo tình hình thất nghiệp từ nay đến 2028
library(png)
b1.4<- filter(b1,Year >= 2024 & Year <= 2028)
ggplot(b1.4, aes(x = Year, y = Value, group = 1)) +
geom_line(color="red", linewidth = 1) +
geom_point(color = "red") +
geom_smooth(method = "lm", se = FALSE, color = "yellow", linewidth = 1) +
labs(title = "Tỷ lệ thất nghiệp 2024-2028", x = "Năm", y = "Tỷ lệ thất nghiệp")
-Từ biểu đồ thì ta có thể thấy rất khái quát về tình hình thất nghiệp. Theo như dự đoán từ dữ liệu thì tình hình thất nghiệp sẽ khởi sắt rất nhìu. Các yếu tố cấu thành đã làm cho Vệt nam trở thành quốc gia có tỷ lệ thất nghiệp không quá cao so với các nước láng giềng.
-Trên thực tế Việt Nam là quốc gia có tỷ lệ thất nghiệp và trình độ lao động thấp nhưng nó đã được cải thiện. Vì thế cũng có thể nói dự báo này cũng có khả năng diễn ra.