시계열 분석

Ⅰ. 시계열 분석 개념

- 시간의 흐름에 따라 기록된 데이터를 분석하고 여러 변수간의 인과관계를 분석하는 방법론

 

Ⅱ. 시계열 데이터의 특징

특징	설명
시간 종속성	- 시간을 기준으로 정렬되며 데이터의 순서가 중요
계절성	- 계절성으로 알려진 반복 패턴 또는 주기 발생
추세	- 시간 경과에 따른 데이터의 장기적인 움직임
노이즈	- 특정 패턴이나 원인에 기인할 수 없는 임의의 변동 데이터
자기상관성	- 연속된 데이터 포인트 간의 상관성 및 유사성 존재

 

Ⅲ. 시계열 분석 모델

모델	설명	수식
AR Model (Autoregressive)	- 자기 회귀 모델로 과거 시점의 데이터가 현재 시점에 영향을 미치는 모델	X(t) = w*X(t-1) + b + u*e(t) w, u: 가중치 b: 상수 e(t): white-noise
MA Model (Moving Average)	- 이동 평균 모델로 트렌드나 추세가 변하는 상황에 적합한 모델	X(t) = w*e(t-1) + b +u*e(t)
ARMA Model	- AR 모델과 MA 모델을 합친 모델로 과거 데이터의 영향와 추세까지 반영한 모델	X(t) = w1*X(t-1) + w2*e(t-1) + b +u*e(t)
ARIMA Model	- 정상성을 가정하지 않고 차분을 포함하여 분석하는 모델	d = 2:Xt = (Xt - Xt-1) - (Xt-1 - Xt-2)