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.Time series forecasting is a very important problem in production, business and policy making. In Vietnam, many studies have used statistical models and deep learning models independently to forecast time series such as: amount of foreign investment, stock index, consumer price index, etc. However, the combination of the above models in forecasting economic variables is still quite rare in Vietnam. The article aims to determine the optimal combination between deep learning models and traditional machine learning models in forecasting the inflation index of Vietnam in the period 2000 - 2021.