시계열 데이터 분석 싸이클(Time Series Analysis Cycle) : 지금까지 공부해온 선형확률과정의 분석 싸이클을 다시 살펴보고자 함 1. 비정상 과정에서 정상 과정 추출 : 결정론적 추세나 확률적 추세가 있는지 확인 결정론적 추세는 회귀분석, 다항식 등으로 모형화 후 이를 분리 확률적 추세인 경우, 즉 ARIMA 모형인 경우에는 ADF(Augmented Dickey Fuller) 검정을 사용하여 적분차수(Order of Integration)을 알아내서 차분 2. 정규성 확인 : 정규성 검정을 통해 자료의 분포가 정규 분포인지 확인 일반 선형 확률 과정인 경우에는 전체 시계열이 가우시안 백색 잡음의 선형 조합으로 이루어지기 때문에 시계열 자체도 가우시안 정규 분포 ARIMA 모형 등의 일반..

Time Series Analysis Method : 시계열 데이터 분석 방법 중 가장 기초적인 단순 선형 확률과정 알고리즘을 살펴봄 1. MA(Moving Average) : MA(q) 알고리즘 차수(q)가 유한한 가우시안 백색잡음과정의 선형조합 : Exponential Smoothing 내 Moving Average Smoothing은 과거의 Trend-Cycle을 추정하기 위함이고, MA는 미래 값을 예측하기 위함 : 움직임 특성 Stationarity Condition of MA(1): |𝜃1||𝜃2|𝜃1+𝜃2>−1θ1+θ2>−1, 𝜃1−𝜃2MA모형을 사용하면 차수가 ∞로 감 𝜙1=0: 𝑌𝑡Yt는 백색잡음 𝜙1𝜙1>0: 시차가 증가하면서 자기상관계수는 지수적으로 감소 𝜙1=1: 𝑌𝑡Yt는 비정상성..