Este documento compara el método frecuentista que consistió en el método de mínimos cuadrados y el método de máxima verosimilitud para estimar un parámetro desconocido en el modelo Autorregresivo de Coeficientes Aleatorios (RCA). Los métodos frecuentistas dependen de la función de verosimilitud que extrae una conclusión de los datos observados al enfatizar la frecuencia o proporción de los datos, a saber, los métodos de mínimos cuadrados y máxima verosimilitud. El método de mínimos cuadrados se utiliza a menudo para estimar el parámetro del método frecuentista. El mínimo de la suma de los residuos al cuadrado se encuentra estableciendo el gradiente en cero. El método de máxima verosimilitud lleva a cabo los datos observados para estimar el parámetro de una distribución de probabilidad maximizando una función de verosimilitud bajo el modelo estadístico, mientras que este estimador se obtiene mediante un parámetro diferencial de la función de verosimilitud. La eficiencia de ambos métodos se considera por el error cuadrático medio promedio para datos de simulación y el error cuadrático medio para datos reales. Para los datos de simulación, los datos se generan solo en los modelos de primer orden del modelo RCA. Los resultados han demostrado que el método de mínimos cuadrados funciona mejor que la máxima verosimilitud. El error cuadrático medio promedio del método de mínimos cuadrados muestra los valores mínimos en todos los casos que indican su rendimiento. Finalmente, estos métodos se aplican a los datos reales. Se considera la serie de promedios mensuales del índice de la Bolsa de Tailandia (SET) y el volumen diario del tipo de cambio Baht/Dólar para estimar y pronosticar según el modelo RCA. El resultado muestra que el método de mínimos cuadrados supera al método de máxima verosimilitud.