시계열 분석 SARIMA 모델에서 판매 예측

파이썬으로 시계열 해석·분석을 해 나가는데 있어서의 기초 지식으로서, SARIMA 모델에서 차의 매출 예측을 해 봅니다. 평균·분산, 정규 분포 등의 통계학의 초보 지식을 전제로 한 학습의 자신의 되돌아보기를 위한 기사입니다.

실천! 파이썬으로 SARIMA 모델 추정

①SARIMA를 이용한 시계열 데이터의 분석 순서

1. 데이터 불러오기
2. 데이터 정리
3. 데이터 시각화
4. 데이터의 주기 파악(파라미터 s의 결정)
5.s 이외의 파라미터 결정 6. 모델 구축
7. 데이터와의 예측과 그 시각화

②실천! 파이썬으로 SARIMA 모델 추정

아래에서는 파라미터 결정을 자동으로 최적화합니다.

③ 1968-01-31~1972-01-31이 있는 회사의 자동차 매출 데이터 예측 및 시각화

④SARIMA 모델(Seasonal ARIMA model)이란

ARIMA 모델에 주기성분을 도입한 모델을 SARIMA 모델이라고 합니다. << ARMA 모델이란 정상적인 시계열의 모델이며, 비정상적인 시계열은 정상적인 시계열로 변환한 후 ARMA 모델에 적용할 필요가 모델의 일. 𝑑 계차분을 취한 계열에 대해 ARMA( 𝑝,𝑞 )를 생각하는 모델을 ARIMA( 𝑝,𝑑,𝑞 ) 모델이라고 합니다. 시계열이 ( 𝑑 다음 식의 트렌드) + (정상 부분)이라고 할 수 있는 경우에 유효한 모델입니다. ＞＞
SARIMA 모델은 시계열 방향 설명에 ARIMA( 𝑝,𝑑,𝑞 ) 모델을 사용할 뿐만 아니라 주기 방향 설명에도 ARIMA( 𝑃,𝐷,𝑄 ) 모델을 사용하자는 것입니다.
SARIMA 모델에는 총 7개의 매개변수가 있습니다. 시계열 방향의 ARIMA( 𝑝,𝑑,𝑞 ) 이외에 계절 차분 방향의 ARIMA( 𝑃,𝐷,𝑄 ), 심지어 주기 𝑠 가 있기 때문입니다.