2. Mô hình Auto-ARIMA (SARIMA tự động)

• Định nghĩa: Đây là một thuật toán “tìm kiếm tự động”. Nó tự động tìm ra các tham số (p,d,q)(P,D,Q)m tốt nhất cho mô hình SARIMA.
• Mục đích: Áp dụng sức mạnh của mô hình thống kê SARIMA (tiêu chuẩn vàng) mà không cần kiến thức chuyên sâu về thống kê để chọn tham số.
• Phương pháp: Nó hoạt động bằng cách “Tìm kiếm thông minh”: Nó sẽ thử nhiều kết hợp tham số SARIMA và dùng một tiêu chí (như AIC) để chấm điểm và chọn ra mô hình vừa vặn nhất.
  1. Mô hình SARIMA có nhiều tham số:
     • p,d,qp, d, qp,d,q: mô tả phần ARIMA cơ bản (tự hồi quy, sai phân, nhiễu trắng).
     • P,D,Q,mP, D, Q, mP,D,Q,m: mô tả phần mùa vụ (Seasonal). → Tổ hợp của 7 giá trị này rất lớn, nên nếu thử tay thì cực tốn thời gian.
  2. Thuật toán “tự động” sẽ:
     • Sinh ra nhiều bộ tham số khác nhau (ví dụ p=1,2,3…, q=0,1,2…, v.v.).
     • Huấn luyện mô hình SARIMA cho từng bộ, tính toán độ lỗi hoặc tiêu chí đánh giá (thường dùng AIC – Akaike Information Criterion).
     • Chọn ra bộ tham số nào cho AIC thấp nhất, tức là mô hình “phù hợp dữ liệu tốt nhất nhưng không quá phức tạp.”

• Ứng dụng tốt nhất:
  • Dữ liệu thời tiết, tiêu thụ điện, tài chính, tồn kho.
  • Dữ liệu có chu kỳ “tự nhiên” mạnh (dữ liệu hàng tháng, hàng quý).
  • Khi mô hình cần độ chính xác thống kê cao và không bị ảnh hưởng bởi các sự kiện bên ngoài.
  • Dữ liệu “sạch” và có tính chu kỳ ổn định.