CodeBlack

시계열 분석에 대한 내용 정리

시계열 데이터란?

• 시간에 따라 순차적으로 저장된 데이터
• 정상 시계열 : 시계열의 평균, 분산, 공분산이 일정하고 일정한 추세가 없으면 정상 시계열
• 비정상 시계열 : 정상 시계열에 만족하지 못한 시계열, 주로 현실에서 수집한 데이터들이 이에 해당
• 시계열 예시 : 주가, 상품 판매 추세, 날씨
• 비정상 시계열을 정상 시계열 형태로 가공하여 모델 학습

시계열 분석 방법

1. 추세(Trend) : 시간에 따른 움직임
2. 계절성(Seasonality) : 계절 변화가 표현
3. 주기(Cyclical) : 계정성 이외의 기간적인 데이터
4. 불규칙(Irregular) : 패턴이 없는 불규칙적인 데이터

시계열 데이터 모델

• ARMA(Auto-regressive Moving Average)
  • AR(자기회귀모형)과 MA(이동평균모형)이 결합된 모델
• ARIMA : 자기회귀누적이동평균 모델
  • 비정상적 시계열 자료에 대한 분석 방법
  • 4단계로 구분 : 1. 모형식별 > 2. 모수 추정 > 3. 모델 적합 > 4. 예측
  • SARIMA(Seasonal ARIMA) : 비정상 시계열 자료에 계절효과가 추가
• ES(Exponential Smoothing) : 지수 창함수를 사용하여 시계열 데이터를 완만하게 만드는 방법
  • Moving Average방법과 유사
  • N개에 포함된 모든 데이터에 각각 다른 비중을 부여하여 하지만 최근 실적에 가중치를 더 두고 산술평균을 계산하여 다음을 예측
• LSTM(Long Short-Term Memory) : 공부 후 작성 예정