[ADsP] 4장 4절 시계열자료

[출처] : 2021 ADsP 데이터분석 전문가, 윤종식, DataEdu 출판사

녹색으로 표시된 부분은 블로그 작성자인 본인이 추가 또는 변경한 것이다.

 

첨부 2017-1 수업파일.pdf 참조 (구글링한 파일)

 

4절 시계열 분석

 

1. 시계열 자료

   가. 개요

      - 시간의 흐름에 따라 관찰된 값

   나. 종류

      - 비정상성 / 정상성 시계열 자료

        (약한의미의 정상성 : 평균과 분산이 시간과 관계없이 일정)

      - 연속시계열 / 이산시계열

 

2. 시계열자료 분석방법

   나. 자료형태에 따른 분석방법

      1) 일변량 시계열 분석

         - 하나의 변수에 관심을 갖는 경우의 시계열 분석

         - Box-Jenkins(ARMA), 지수 평활법, 시계열 분해법 등 사용

      2) 다중 시계열분석

         - 여러개의 변수들을 활용하는 시계열 분석

         - 계량경제 모형, 전이함수 모형, 개입분석, 상태공간 분석, 다변량 ARIMA 등 사용

 

 3. 시계열자료 분석기법 - 전통적 기법

 

   가. 단순 이동평균법(평활법 중 하나)

        - 일정기간별 평균을 계산하고 이를 통해 어떤 미래 시점의 값을 예측하는 방법

        - Fn+1이 예측을 원하는 미래의 값, Zn은 가장 최근 시점의 데이터

        - (특징) 특정 기간 안에 속하는 시계열에 대해서는 동일한 가중치를 부여함 (평활법과 대비되는 부분)

       

<단순 이동평균법 공식>

<단순 이동평균법 예시>

    나. 지수 평활법(Smoothing)

          - 모든 시계열 자료를 사용하여 평균을 구하며

          - 시간의 흐름에 따라 최근 시계열에 더 많은 가중치를 부여하여 미래를 예측

          - (특징) 가중치의 역할을 하는 것은 지수평활계수(알파)이며, 불규칙변동이 큰 시계열은 작은 계수를 사용

 

<단순 지수평활법 공식>

<단순지수평활법 예시>

      다. 분해법(Decomposition)

           - 시계열의 기본「패턴」(혹 은 변동요인)을 개별성분(계절성, 추세성, 순환성, 이외 불규칙)으로 분해하여

           - 시계열의 특성을 분석하고, 또 분해된 각 성분 들을 개별적으로 예측한 후

           - 이들을 다시 결합시켜 서 예측하는 방법이 분해법(decomposition)이다

 

 

 

   4. 시계열모형 - 확률적 시계열분석

      가. 자기회귀 모형

2017-1수업파일.pdf

2.31MB