Kể từ khi xuất bản cuốn sách Time Series Analysis: Forecasting and Control (Phân tích chuỗi thời gian: Dự báo và kiểm sốt) năm 1970, một kỷ nguyên mới của các cơng cụ dự báo được mở ra đặc biệt khi phân tích dữ liệu chuỗi thời gian, trong đĩ phương pháp luận ARIMA được biết rộng rãi và cĩ tầm ảnh hưởng nhất
Tại hội nghị quốc tế IEEE từ ngày 03 đến ngày 06 tháng 6 năm 1996 diễn ra tại Mỹ, hai học giả Jung-Hua Wang và Jia-Yann Leu thuộc trường đại học đại dương quốc gia
Đài Loan đã cơng bố kết quả dự báo xu hướng chỉ số giá TSEWSI của thị trường chứng khốn Đài Loan trong trung hạn theo mơ hình ARIMA (1,2,1). Với kết quả này việc dự báo cho thị trường chứng khốn Đài Loan cho 6 tuần tới với độ chính xác chấp nhận được và tốt hơn các mơ hình dự báo khác.
Hoặc gần đây 06/2010, giáo sư Emenike Kalu O. cơng tác tại khoa Tài chính Ngân hàng thuộc trường đại học Nigeria, bang Enugu đã thử xây dựng mơ hình ARIMA (1,1,1) để dự báo thị trường cổ phiếu Nigeria cho giai đoạn từ 01/1985 đến 12/2009 thì kết quả cho thấy dự báo ARIMA cĩ vẻ tương thích với thực tế giai đoạn 01/1985 đến 12/2008 nhưng lại vượt trội so với kết quả thực tế trong giai đoạn thị trường chịu tác
động của khủng hoảng kinh tế tồn cầu năm 2009. Như vậy, khủng hoảng kinh tế đã phá hủy mối tương quan giữa hiện tại với quá khứ, chính vì vậy kết quả dự báo sử
Đấy là nghiên cứu độc lập mơ hình ARIMA, ta cũng đã thấy cĩ vẻ như ARIMA khơng phải luơn đúng trong mọi trường hợp, nĩ phụ thuộc vào giai đoạn lấy mẫu của chuỗi dữ liệu. Thơng tin tác động trong mỗi thời đoạn ấy khác nhau sẽ tác động tương ứng
đến hiệu quả dự báo của mơ hình ARIMA.
Một nhĩm các học giả người Ý đã cùng nhau phân tích dự báo thị trường chứng khốn Ý sử dụng đồng thời mơ hình ARIMA và mơ hình đa nhân tố APT1.8. Kết quả cho thấy cả hai đều tốt và cĩ độ tin cậy nhất định khi dự báo và thơng tin của thị trường chứng khốn thật sự là yếu tố quyết định đến giá tương lai ngay cả khi nĩ cĩ tính chất chủ
quan trong quá trình truyền đạt thơng tin.
Tuy nhiên khi so sánh ARIMA với mơ hình FFNN (Feed Forward Neutral Networks –
Mơ hình mạng lưới thần kinh tiến tiếp), tác giả Ashish Gajanan Lahane 08/2008 khi dự
báo các chỉ số chứng khốn Ấn Độ lại cho thấy ARIMA mặc dù dự đốn về hướng đi của thị trường tốt hơn nhưng dự báo về giá trị thì kém hơn mơ hình FFNN.
Mơ hình FFNN là một nhánh của lý thuyết mơ phỏng bộ não con người dựa trên sự di chuyển các luồng thơng tin truyền qua các nơron. Mơ hình ANN (Artificial Neural Network – Mơ hình mạng thần kinh nhân tạo) cũng là một hình thức như vậy. Những nghiên cứu gần đây đã đề xuất kết hợp mơ hình ANN và ARIMA cho ra mơ hình
SARIMABP (Tseng năm 2002) hay như mơ hình GRANN_ARIMA (Temizel và
Ahemad năm 2005). Các nhà nghiên cứu Nitin Merh, Vinod P.Saxena và Kamal Raj
Pardasani trong tác phẩm so sánh những mơ hình kết hợp ANN với ARIMA trong việc dự báo xu hướng của thị trường chứng khốn Ấn Độ năm 2010 đã thực hiện ứng dụng trên các chỉ số BSE IT, BSE 100, S&P CNX Nifty.