Ước lượng quy trình MA(1): MOM và MLE MA(1) estimation: MOM and MLE Giới thiệu Chào mừng các bạn quay trở lại! Ở bài học trước, chúng ta đã nắm vững cách ước lượng trung bình và tự hiệp phương sai từ dữ liệu mẫu. Giờ đây, chúng ta sẽ áp dụng những kiến thức đó để giải quyết một bài toán thú vị hơn: làm thế nào để ước lượng tham số của một mô hình chuỗi thời gian cụ thể? Chúng ta sẽ bắt đầu với mô hình Trung bình Trượt bậc 1, hay MA(1), được định nghĩa bởi phương trình: $y_t = \mu + \varepsilon_t + \theta\varepsilon_{t-1}$. Mô hình MA(1) có một đặc điểm rất độc đáo: giá trị của chuỗi tại thời điểm $t$ không phụ thuộc vào các giá trị quá khứ của chính nó ($y_{t-1}, y_{t-2}, …$), mà phụ thuộc vào sai số ngẫu nhiên hiện tại ($\varepsilon_t$) và quá khứ ($\varepsilon_{t-1}$). Điều này tạo ra một thách thức lớn trong việc ước lượng: làm thế nào chúng ta có thể ước lượng …