KẾT HỢP MÔ HÌNH HỌC MÁY VÀ MÔ HÌNH THỐNG KÊ TRONG DỰ BÁO CHUỖI THỜI GIAN: TRƯỜNG HỢP LẠM PHÁT TẠI VIỆT NAM GIAI ĐOẠN 2000 - 2021
Từ khóa:
Dự báo chuỗi thời gian, mô hình học sâu, mô hình học máy truyền thống, mô hình kết hợp, lạm phát
Tóm tắt
Dự báo chuỗi thời gian là bài toán hết sức quan trọng trong hoạt động sản xuất, kinh doanh và hoạch định chính sách. Ở Việt Nam, nhiều nghiên cứu đã sử dụng các mô hình thống kê và mô hình học sâu một cách độc lập để dự báo các chuỗi thời gian như: lượng vốn đầu tư nước ngoài, chỉ số chứng khoán, chỉ số giá tiêu dùng, … Tuy nhiên việc kết hợp các mô hình trên trong dự báo các biến số kinh tế đang còn khá ít ở Việt Nam. Bài viết nhằm xác định kết hợp tối ưu giữa các mô hình học sâu và mô hình học máy truyền thống khi dự báo chỉ số lạm phát của Việt Nam trong giai đoạn 2000 - 2021.
