(TS summary) 1.시계열 데이터 분석 소개

( 참고 : Fast Campus 금융공학/퀀트 강의 )

1. 시계열 데이터 분석 소개

(1) intro

• 시계열 : 시간의 흐름에 따라 기록된 데이터

  \(\rightarrow\) 과거 & 현재 사이의 상관관계 존재

• 시계열 예측 : 과거 데이터 긱반으로, 현재 설명 & 미래 예측

• 활용 분야 : ex) 거시 경제 지표

  • 계절(Trend), 계절성 (Seasonality), 경기 순환(Cycle) 분석
• 시계열 vs 회귀
  • 회귀 : x & y 사이의 관계
  • 시계열 : 현재 x & 과거 x 사이의 관계

(2) 시계열 분석을 위한 수학적 모델

1. ARIMA : 자기상관관계를 모델링
2. 분해법 (Decomposotion) : Trend & Seasonality로 분해
3. 시계열 회귀 분석 : 회귀 모형 + 시계열 모형
4. TBATS : 분해법 + ARIMA
5. NN을 사용한 시계열 모형

(3) R 코드

데이터를 ts 오브젝트로 변환해야

( from data.frame / vetor to ts )

• ts(data, frequency=12)

  ( 주기가 12인 데이터로 예상할 경우 )

시계열 그래프

• 1) 데이터의 class가 ts인 경우 : plot(data)
• 2) 데이터의 class가 ts가 아닌 경우 : ts.plot(data)
• 3) ggplot2 사용해서
  • autoplot(data, ts.colour='red', ts.linetype='dashed')

(4) 시계열의 구성 요소

TS = Trend + Seasonality + ERROR

추세(Trend) & 계절성(Seasonality)

Example 1

• ex) Trend : 추세로써 “각 연도 별 합계”

• ex) 계절성 : 월별 분포

par(mfrow=c(2,1))
plot(aggregate(AirPassengers), ylab = "Passengers")
boxplot(AirPassengers~cycle(AirPassengers), ylab = "Passengers")

Example 2)

• ex) Trend : 시간으로 1차 회귀분석

AP.time = time(AP)
Reg = lm(AP~AP.time)

plot(AP)
abline(Reg)

Example 3)

• decompose 함수

plot(decompose(AP))