[신규 정리]

성질

정상성 (Stationary)

• 시계열에 대한 통계정 분석 결과에 대한 신뢰성을 위해 필요함
• 어느 구간을 추출해도 평균과 분산, 즉 분포가 동일함
• 추세성, 주기성도 가져서는 안되고, 잔차/분산도 증가하지 않고 일정해야 함
• 비정상 시계열을 정상 시계열로 변환하는 방법 : 로그, 차분

정상 / 추세성 존재 / 평균 상이 / 분산 상이 / 분산 증가 / 분산 상이

주기성 > 계절성 / 순환성

계절성 : 1년 안에 월, 분기로 반복되는 패턴. 말 그대로 '계절' '시기'와 연관이 된 데이터

순환성 : 1년보다 긴 간격을 두고 반복되는 패턴

추세성

잔차 / 불규칙성

• 시계열을 추세 변동, 계절 변동, 순환 변동 등의 모형으로 모델링을 해도, 실제 데이터와는 조금씩 noise 형식으로 차이가 있음. 이러한 차이를 잔차라고 부른다. 모형으로 설명되지 않는 오차 부분으로 생각하면 됨.

각 성질 결합 유형

• 승법(곱셈) 모형
• 가법(덧셈) 모형

---

Reference

• 정상성 관련 블로그
  • 원문
• 정상성 관련 블로그

---

[이전 정리]

• 불규칙적 시계열 : 트렌드 혹은 분산이 변화
  • 불규칙 변동 (irregular variation)
    • 규칙성이 없어 예측 불가능하고 우연적으로 발생하는 변동
    • ex) 전쟁, 홍수, 화재, 지진, 파업
• 규칙적 시계열 : 트렌드와 분산이 불변
  • 추세 변동 (trend variation)
    • 시계열 자료가 갖는 장기적인 변화 추세
      (*추세 : 장기간에 걸쳐 지속적으로 증가/감소하거나 일정한 사태를 유지하려는 성향)
    • ex) 국내총생산(GDP), 인구증가율
  • 순환 변동 (cyclical variation)
    • 대체로 2~3년 정도의 일정한 기간을 주기로 순환적으로 나타나는 변동
    • 1년 이내 주기로 곡선을 그리며 추세 변동에 따라 변동하는 것
    • ex) 경기 변동
  • 계절 변동 (seasonal variation)
    • 보통 계절적 영향과 사회적 관습에 따라 1년 주기로 발생하는 것

시계열 데이터를 잘 분석한다 ?
= 불규칙적 시계열 데이터에 특정한 기법이나 모델을 적용하여 규칙적 패턴을 찾거나 예측하는 것

불규칙적 시계열 데이터에 규칙성을 부여하는 방법

• AR, MA, ARMA, ARIMA 모델 적용,
• 딥러닝을 이용하여 스스로 시계열 데이터의 연속성을 찾아내도록 하는 것