[예측방법론] 13강. VAR 모형을 이용한 예측
1. VAR 모형이란? 1-1. 시계열 예측 기본 기존에는 AR, ARIMA 모형처럼 한 변수만 시간에 따라 분석했죠. 그런데 현실에서는 여러 변수가 서로 영향을 주고받으며 동시에 움직이므로그걸 고려해야 해요. 그래서 등장한 게…
더 보기 [예측방법론] 13강. VAR 모형을 이용한 예측
[예측방법론] 12강. 예측데이터의 시계열분해(2)
예측데이터의 시계열분해(2) — 계절조정, 추세, 순환변동까지 1. 계절조정법 시계열 데이터에는 계절성(일정 주기로 반복되는 패턴)이 존재합니다.이를 제거해서 순수한 추세와 변동성만 남긴 값을 얻는 것이 계절조정이에요. 1-1. STL 계절조정법 STL(Seasonal and Trend…
[예측방법론] 11강. 예측데이터의 시계열분해(1)
예측데이터의 시계열분해(1) — 기초부터 정리 1. 시계열분해란? 시계열분해(time series decomposition)란,시간에 따라 변하는 데이터를 여러 요인으로 나누어 분석하는 기법입니다. 데이터를 그냥 한 덩어리로 보는 게 아니라,시간의 흐름에 따라 나타나는 패턴을 ‘추세’,…
[예측방법론] 10강. 회귀모형 진단과 예측, 연립방정식모형
1. 회귀모형 진단 방법 회귀분석을 하고 나면, 그 결과가 믿을만한지 반드시 확인해야 합니다.이걸 모형 진단이라고 부릅니다. 1-1. 잔차란 무엇인가? 잔차(residual)란 실제 값과 예측 값의 차이를 의미합니다. rt=yt−y^tr_t = y_t –…
[예측방법론] 9강. 상관관계와 회귀분석 기본
1. 상관관계 분석 시계열 간 관계 시간 흐름에 따라 변하는 두 변수 간의 관계를 측정하는 방법→ 상관계수로 두 변수 간 선형적 강도를 측정 표본상관계수 두 변수 X, Y의 상관계수 계산…
[예측방법론] 8강. ARIMA 추정, 진단, 예측, 변동성 모형
1. ARIMA 모형의 추정 추정 방법 최대우도법 (MLE: Maximum Likelihood Estimation) 개념 : 주어진 데이터가 관측될 확률(우도, likelihood)을 가장 크게 만드는 파라미터 값을 찾는 방법. 주로 확률모형에 사용 (ex. 정규분포…
[예측방법론] 7강. 시계열 모형 검정과 ARIMA 식별 완전 정리
1. 시계열 모형 관련 검정 단위근 검정 (Unit Root Test) 시계열 데이터가 불안정한지 확인하는 검정으로, 가장 많이 쓰이는 방법이 ADF(Augmented Dickey-Fuller) 검정입니다. 단위근 (Unit Root) 이란? 시계열 데이터에서 자기상관 계수…
[예측방법론] 6강. 불안정, 비선형 시계열모형 완전정리
1. 불안정 시계열 모형 확률보행 모형 (Random Walk) 확률보행 모형은 가장 기본적인 불안정 시계열 모형으로, 현재 값이 이전 값에 오차항이 더해진 형태입니다. Yt=Yt−1+ϵtY_t = Y_{t-1} + \epsilon_t 여기서 ϵt\epsilon_t 는…
[예측방법론] 5강. 시계열 모형 AR, MA, ARMA
1. 시계열 모형 개요 시계열 모형(time series model)이란, 과거 데이터의 시간적 구조와 규칙을 이용해 미래를 예측하는 모델입니다.시계열 모형은 크게 선형 모형과 비선형 모형으로 나뉩니다. 선형 시계열 모형 과거 값과 오차항의…
[예측방법론] 4강. 시계열 분석 자기상관 완전 정리
1. 자기상관의 개념 자기상관(autocorrelation)이란, 동일한 시계열 데이터 내에서 시간 차이를 두고 관측한 값들 간의 상관관계를 의미합니다. 쉽게 말해, 오늘의 값과 내일의 값, 또는 이번 달의 값과 다음 달의 값이 얼마나…