Ở bài học trước, chúng ta đã xây dựng một nền tảng vững chắc về dự báo chuỗi thời gian thông qua mô hình tự hồi quy (AR). Mô hình AR rất hữu ích, nhưng nó giả định rằng cấu trúc động của một chuỗi chỉ phụ thuộc vào các giá trị quá khứ của chính nó. Tuy nhiên, trong thực tế, nhiều chuỗi thời gian kinh tế lại có cấu trúc phức tạp hơn, bị ảnh hưởng bởi cả các cú sốc ngẫu nhiên trong quá khứ (thành phần trung bình trượt) hoặc bởi sự biến động của các chuỗi thời gian khác (mô hình đa biến). Bài học này sẽ mở rộng bộ công cụ phân tích của chúng ta bằng cách giới thiệu ba lớp mô hình nâng cao. Đầu tiên, chúng ta sẽ kết hợp thành phần AR và MA để tạo thành mô hình ARMA, cho phép nắm bắt các dạng tự tương quan phức tạp hơn. Tiếp theo, chúng ta sẽ bước vào thế giới dự báo đa biến với mô hình véc-tơ tự …