읽은 거매체의 보도 도움이 됐어요. 적어 놓을게요.

총결산

• 사용 시 서열 데이터의 예측에 있어 안정성, 계절성, 자체 관련성에 주의해야 한다.
· 주요 모델링 방법으로는 이동평균법, 지수평활법, ARIMA 등이 있다.
· 자세히 알고 싶은 사람이 쓰는 강좌여기.

개막사

· 추세와 금융시장 등의 예측에서'시간'이 중요한 요인이다.
・시간 서열 데이터는 시간 서열에 따라 배열된 데이터를 가리킨다.
· 시간 시퀀스 데이터에서 시간은 변수를 설명한다(independent variable).
※ 설명 변수: 원인이 되는 변수\목적 변수: 결과가 되는 변수.
(예) 스프링에 무거운 물건을 덧붙인 경우 변수는'무거운 물건'이고 목적 변수는'스프링의 연장'이다.
・시간 서열 데이터를 사용하는 목적은 장래의 예측이다.
· 시간 서열 데이터를 이용할 때 주의점으로 안정성(stationary), 계절성(seasonality), 자기 관련(autocoorrelation)을 열거할 수 있다.

관련되다

・연관성은 시간차에 따라 발생하는 관측점 간의 유사성이라고 할 수 있다.

· 이 이미지에서 시간 0과 시간 24, 시간 12와 시간 36 등의 관계를 자관계고라고 한다.
• 자기연관은 계절적 힌트.

계절성

주기적 변동.낮에는 전력 소비량 증가, 밤에는 감소, 크리스마스 전 인터넷 판매 증가 등이다.

・이것은 명백한 계절적 시간 서열 데이터이다.야간에 절정을 맞이하여 날짜가 바뀔 때 가장 낮다.
·'관련 데이터를 볼 수 있는 간격'은 계절의 길이다.

안정성

・통계량은 시간에 따라 변하지 않는 것을 안정성이라고 한다.평균과 분산, 협방차가 시간에 의존하지 않는다면 안정적이라고 할 수 있다는 것이다.

・이것은 평균치와 방차에 큰 변화가 없기 때문에 안정성을 가진 시간 서열 데이터이다.
• 주식 가격의 추이가 불안정할 수 있다.예를 들어 상승 시세나 변동성이 증가하는 상황에서 평균과 분산에 변동이 발생하여 안정성이 없다.
・이상적인 모델링은 안정적인 시간 시퀀스 데이터입니다.
· 모든 시간 서열 데이터가 안정성이 있는 것은 아니지만 적당한 데이터 변환을 통해 안정성을 유지할 수 있다.

안정성 있는 검증 방법

• Dickey-Fuller 검정을 통해 안정성 유무를 검증할 수 있습니다.이것은 검사 단위의 근유무를 검사하는 임시 검정이다.단위근이 존재하면 불안정하다.
(참고)위키백과
• 검정의 귀무 가설은 단위근의 존재이고 대립 가설은 단위근의 존재가 아니다.
· 귀무 가설을 버릴 수 없다-> 단위 뿌리가 존재한다=불안정하다.
· 귀무 가설을 버릴 수 있다. -> 단위 뿌리가 존재하지 않는다=안정.

• 이것은 평균치가 일정하지 않기 때문에 불안정합니다.

시간 시퀀스 데이터 모델링

・이동평균법, 지수평활법, ARIMA(Autoregressive, Integrated and Moving Average: 자기회귀와 분이동평균)를 열거한다.
・이동평균법은 가장 간단하고 과거 데이터의 평균치를 다음 데이터의 예측치로 하는 모델이다.간단하지만 모델링의 입구로 좋아 트렌드를 발견하는 데도 활용할 수 있다.
·(간단)지수평활법은 이동평균법과 비슷하지만 예측 시간점에서 멀리 떨어진 데이터일수록 권중이 작고 먼 과거 데이터의 중요성이 작다.

공식적으로 보면 이렇다.α부드러운 상수로 낡은 데이터의 중요성을 어떻게 앞당겨 줄이는가를 결정한다(α0에 가까울 때 이동 평균법에 가깝다.
· 쌍지수평활법은 지수평활이 두 번 반복되는 모델이다.

• 상술식 표시 쌍지수 평활법β트렌드 매끄러운 상수입니다.
· 삼중지수 평활법은 계절성 평활 상수(※)도 추가했다.
(※ 정확한 일본어 번역이 될 자신이 없음)

• 계절성을 시뮬레이션할 수 있다.
·SARIMA(Seasonal autolegressive integraded moving average model)는 자기회귀모델(AR(p) 모델과 계절성을 조합한 모델이다.
・자세히 알고 싶은 사람은 여기자습서를 참조하세요.

감상

나는 증권 분석가의 학습에서 시간 서열 데이터 분석의 단서가 떠올랐다.당시에는 이론 부분만 대충 배워서 어렵게 튜토리얼을 찾았기 때문에 다음에는 코딩해 보려고 했다.