[빅데이터분석기사 필기] 시계열분석 개념 및 기출문제

이전글 보러가기

• 2022.09.27 - [빅데이터분석기사] - [빅데이터분석기사] 주성분분석(PCA) 개념 및 기출문제

[빅데이터분석기사] 주성분분석(PCA) 개념 및 기출문제

 

시계열 분석이란?

• 시계열 분석은 연도별 분기별, 월별 등 시계열로 관측되는 자료를 분석하여 미래를 예측하기 위한 분석 기법이다.

 

⭐ 시계열 분석의 특징

• x축에는 시간, y축에는 관측값을 나타내어 추세를 빠르게 분석한다.
• 시계열 데이터는 규칙적, 불규칙한 특징을 갖는다.

 

⭐ 정상성

• 정상성은 시점에 상관없이 시계열의 특성이 일정하다는 의미이다.
• 시계열 분석을 위해서는 정상성을 만족해야한다.
• 정상성 조건
  • 평균이 일정하다.
  • 분산이 시점에 의존하지 않는다.
  • 공분산은 단지 시차에만 의존하고 시점 자체에는 의존하지 않는다.

 

시계열 모형

• 시계형 모형에는 자기 회귀 모형, 이동평균 모형, 자기 회귀 누적 이동평균 모형이 있다.

 

① 자기 회귀 모형

• 자기 회귀 모형은 현시점의 자료가 p시점 전의 유한개의 과거 자료로 설명될 수 있는 모형이다.

• yₜ : 현재 시점의 시계열 자료
• ϵₜ : 백색잡음과정, 오차항

 

② 이동평균 모형(MA)

• 이동평균 모형은 시간이 지날수록 관측치의 평균값이 지속적으로 증가하거나 감소하는 시계열 모형으로 MA 모형이라고 한다.
• 이동평균 모형은 주기나 불규칙성을 가지고 있는 시계열 데이터의 특성을 토대로 과거의 몇 개 관측치를 평균하여 전반적인 추세를 파악할 수 있는 방법으로 예측치를 구한다.
• 현시점의 자료를 유한개의 백색잡음의 선형결합으로 표현되었기 때문에 항상 정상성을 만족하므로 정상성 가정이 필요 없다.
• 이동평균 모형은 현 시점의 자료를 유한개의 백색잡음의 선형결합으로 표현되어 항상 정상성을 만족한다.
• 모형에 사용하는 시계열 자료의 시점에 따라 1차, 2차, ..., q차 등을 사용하지만 정상 시계열 모형에서는 주로 1, 2차를 사용한다.

 

③ 자기 회귀 누적 이동평균 모형(ARIMA)

• ARIMA 모형은 분기/반기/연간 단위로 다음 지표를 예측하거나 주간/월간 단위로 지표를 리뷰하여 트렌드를 분석하는 기법이다.
• 기본적으로 비정상 시계열 모형이기 때문에 차분이나 변환을 통해 AR모형이나 MA모형, ARMA 모형으로 정상화할 수 있다.
• ARIMA 차수에 따른 모형
• ARIMA(0,0,0) : 백색잡음 모형
• ARIMA(0,1,0) : 확률 보행 모형
• ARIMA(p,0,0) : 자기회귀 모형
• ARIMA(0,0,q) : 이동평균 모형

 

⭐ 시계열 구성요소

• 추세 요인 : 자료가 어떤 특성한 형태를 취함
• 계절 요인 : 고정된 주기에 따라 자료가 변화할 경우
• 순환 요인 : 알려지지 않은 주기를 가지고 자료가 변화
• 불규칙 요인 : 추세, 계절, 순환, 요인으로 설명할 수 없는 회귀 분석에서 잔차에 해당하는 요인

https://alkaline-ml.com/pmdarima/auto_examples/arima/example_seasonal_decomposition.html

시계열 분석 기출문제

Q. 아래의 시계열 분해 그래프를 통하여 파악이 가능한 것이 아닌것은 무엇인가? [2회차]

① 계절

② 추세

③ 예측

④ 잔차

③ 예측

 

Q. 다음 중 시계열 모형이 아닌 것은? [3회차]

① 백색잡음

② 이항분포

③ 자기회귀

④ 이동평균

② 이항분포

 

Q. 시계열 분석에서의 특징으로 옳지 않은 것은 무엇인가? [3회차]

① 추세 요인

② 규칙 요인

③ 계절 요인

④ 불규칙 요인

② 규칙 요인

 

Q. 다음이 설명하는 시계열의 특성은 무엇인가? (중장기적, 빈번한 발생 빈도가 없는 패턴) [4회차]

① 추세

② 주기

③ 계절

④ 불규칙

② 주기