시계열 분석

시계열

• 시계열 분석 : 시간의 흐름에 따라 기록된 자료를 분석하고 여러 변수들간의 인과관계를 분석하는 방법
• 연속 시계열 : 자료가 연속적으로 생성, 대부분의 데이터 형태가 연속형이나 이산형 정의하여 분석
• 이산형 시계열 : 일정 시차를 두고 관측되는 형태의 데이터
• 시계열 분석의 목적

  1. 예측 : 금융시장 예측, 수요 예측 등 미래의 특정 시점에 대한 관심의 대상(반응변수)을 예측
  2. 시계열 특성 파악 : 경향(Trend), 주기, 계절성, 변동성 등 관측치의 시계열 특성 파악

• 전통적인 시계열 분석 방법

  1. 이동 평균 모형 : 최근 데이터의 평균을 예측치로 사용하는 방법(MA)
  2. 자기 상관 모형 : 변수의 과거 값의 선형 조합을 이용하여 에측하는 방법(AR)
  3. ARIMA : 관측값과 오차를 사용해서 모형을 만들어서 미래를 예측하는 방법
  4. 지수평활법 : 현재에 가까운 시점에 가장 많은 가중치 주고 멀어질수록 낮은 가중치를 주어서 미래를 예측하는 방법

시계열 요소

• 경향/추세(Trend) : 시계열 데이터가 장기적으로 증가 혹은 감소할 때 추세가 존재함
• 계절성(seasonality) : 특정기간마다 어떤 특정한 때나 1주일마다 특정 요일에 나타나는 것 같은 계절성 요인이 시계열에 영향을 줄 때 계절성이 있음 -> 패션업종 매출, 요일 별 온라인 쇼핑물 매출 등이 계절성의 대표적임
• 주기성(cycle) 일정한 주기마다 유사한 변동이 반복되는 현상, 보통 경기 순환과 관련이 있으며 지속기간은 2년

시계열 분석 방법

• 단기예측

  방법론 : 지수평활법, 시계열 해법, Box-jenkins 방법
  데이터 및 예측 : 수학적 이론에 의존하고 시간에 따른 변동이 많은 시계열 자료에 적용

• 장기예측

  방법론 : 회귀분석 방법론
  데이터 및 에측 : 장기적으로 예측이 필요한 데이터

• 직관적 방법

  방법론 : 지수평활법, 시계열 분해
  데이터 및 예측 : 시간에 따른 변동이 느린 데이터에 활용

• 다중 시계열

  방법론 : 회귀분석(계량경제) 방법, 전이함수모형, 다변량 ARIMA
  데이터 및 예측 : 시계열데이터와 설명변수가 있는 경우