Khóa học này bao gồm các mô hình chuỗi thời gian đơn biến và đa biến, bao gồm ARIMA, vector autoregressions (VAR), và vector error correction models (VECM). Ngoài ra, khóa học còn khám phá các khái niệm đồng liên kết (cointegration) và VAR bảng (panel VARs), vốn thường không được đề cập trong các khóa học về chuỗi thời gian. Khóa học bắt đầu với phần giới thiệu về chuỗi thời gian, tính dừng (stationarity), và kiểm định gốc đơn (unit root testing). Sau đó, ta xác định bậc hội tụ (order of integration) của chuỗi thời gian trước khi đi sâu vào mô hình autoregressive integrated moving average (ARIMA). Phân tích can thiệp (intervention analysis) là một mở rộng hữu ích của mô hình ARIMA, cho phép phát hiện sự kỳ vọng của các sự kiện như thay đổi chính sách.
Các mô hình đa biến như VAR và VECM sẽ được nghiên cứu chuyên sâu trong khóa học này. Các hàm đáp ứng xung (impulse-response functions) và đồng liên kết sẽ được sử dụng để phân tích động học ngắn hạn và các điều kiện cân bằng dài hạn giữa các chuỗi thời gian. Quan trọng nhất, chúng ta sẽ thảo luận về việc phát hiện đứt gãy cấu trúc (structural break detection), yếu tố quan trọng trong việc nâng cao khả năng dự báo chuỗi thời gian. Các đứt gãy cấu trúc có thể xảy ra tại các thời điểm xác định hoặc không xác định. Khóa học sẽ hướng dẫn các phương pháp tìm điểm đứt gãy tối ưu. Thêm vào đó, chúng ta sẽ xây dựng các mô hình ARCH và GARCH để dự báo phương sai có điều kiện của chuỗi thời gian. Tất cả tài liệu có sẵn trên Udemy, và bạn có thể sử dụng các phiên bản Stata cũ hơn để thực hiện các phân tích này. Hãy cùng tham gia và tận hưởng niềm vui của phân tích dữ liệu!
