본문 바로가기

전체 글

12. [R] 시계열분석 정상성 확인 예제 : 비정상적 평균 2012년 9월부터 2017년 8월까지 화이자(Pfizer) 주가를 활용하여 시계열의 정상성 확인 # 라이브러리 불러오기library(xlsx)library(tseries) # 시계열 자료 불러오기df 더보기
11. 개입모형 개입모형(intervention model)- 개입(intervention) : 시계열에 영향을 주는 외적사건(예: 파업, 자연재해, 정책변경, 전쟁, 유가인상, 바겐세일 등)- 개입은 이상값(outlier)과는 달리 시계열자료에 영향을 미칠 사건의 발생시점과 그 원인이 분명하게 규명되어야 한다. 1. 개입이 발생하면,- 해당 시점의 관측값이 발생 전에 비해 월등히 크거나 작은 값을 갖는 경향을 쉽게 발견- 개입 이후에 발생하는 관측값들에 영향- 시계열모형을 구축하는 데 어려움 2. 개입의 유형①- 펄스개입(pulse) : 일시적인 영향- 계단개입(step) : 지속적인 변화 3. 개입의 유형②- 다중개입(multiple) : 다른 시간대에 대해 여러 개의 개입이 발생- 혼합개입 : 주어진 사건 하나에 .. 더보기
10. [R] AR모형과 MA모형의 ACF, PACF 시뮬레이션 각 모형별로 1000개를 샘플링하여, 이론적인 자기상관함수(ACF)와 편자기상관함수(PACF)를 확인 1. AR(1)1) 자기회귀계수가 양수(0.8)인 경우- ACF : 지수함수를 그리며, 서서히 '0'으로 감소하는 형태- PACF : 1차에 두드러지는 스파이크가 나타나고, 이후 모두 '0'으로 절단## AR(1), phi>0 codear_p_1 = arima.sim(model=list(ar=0.8),n=1000)my_par = par(no.readonly=TRUE)par(oma=c(0,0,5,0))par(mfrow = c(1,2))acf(ar_p_1, main="ACF", ylab="")pacf(ar_p_1, main="PACF", ylab="")mtext("1. Simulation of AR(1), .. 더보기
9. 지수평활법 1. 지수평활법(Exponential Smoothing Method)- 비교적 단순한 시계열분석방법- 확률적인 변동을 없애버리는 것- 관측된 시계열 네에 명백히 드러나는 패턴을 이용하여 미래값을 예측 2. 미래값 예측시 고려사항- 가장 최근 관측된 값- 수준(또는 전반적인 평균)- 추세(또는 기울기)- 계절적인 평균 3. 예측접근방법- 과거 자료를 무시하고 가장 최근 관측값에 지속되는 관측값으로 예측 : 양의 시계열상관이 앞에 주어진 여러 패턴들을 압도할 때- 가장 최근 관측값을 무시하고 시계열의 평균, 추세, 계절성에 근거하여 예측 : 시계열상관을 무시할 만큼 시점이 충분히 길 때 4. 지수평활법 종류- 단순지수평활법(Single Smoothing with 1 parameter)- 이중지수평활법(dou.. 더보기
8. ARIMA 모형 구축 실전분석전략 비계절적 요소와 계절적 요소가 혼합된 시계열자료를 ARIMA 모형을 효율적으로 구축하기 위한 몇 가지 실전분석전략 1) 초기에 고려한 모형이 매우 부적절하면, 원래의 자기상관함수, 편자기상관함수로 돌아가서 생각 2) 계절적 요소만을 먼저 모형화하면 비계절적인 패턴을 더 쉽게 식별할 수 있음 3) 한 번에 하나씩 차수가 작은 항부터 추가시켜 모형을 구축. 모수절약의 원칙 철저히 4) 단기시차(예: 1, 2, 3 등), 계절시차(월 주기: 12, 24 등, 분기 주기: 3, 6 등) 에 해당하는 상관계수 주시 5) 식별 단계에서 단기시차와 초기 계절시차를 제외한 나머지 시차들의 상관계수 및 유의성 무시 더보기
7. 주기성 및 계절적 변동 계절성 판단 도구 1. 시계열 도표- 시계열 도표를 일정 간격(월별, 분기별, 반기별)의 주기로 나누어 계절성 존재 파악 2. 자기상관함수- 계절적인 시차의 배수(월별은 12, 24 등) 중 하나 이상에 통계적으로 유의한 스파이크는 계절적인 변동이 존재한다는 의미 (참고문헌) 시계열 애널리스트를 위한 Eviews 솔루션(2015, 정동빈 지음) 더보기
6. 백색잡음의 독립성 ARIMA 모형에서 통계적 적절성을 점검하는 데 가장 중요한 검정은 백색잡음의 독립성 여부 백색잡음의 독립성 확인방법 1. 잔차 편자기상관함수(residual acf)- 모든 잔차 자기상관계수는 이론적으로 '0'- 표본오차 때문에 최소 몇 개의 잔차 자기상관계수는 '0'이 아님 2. t-검정통계량- 단기시차(1,2,3)에서 '1.25', 그 밖의 시차에서 '1.6이하' 3. Box와 Ljung의 카이제곱검정 기타 진단 방법 1. 잔차도표(residual plot)- 특정 패턴을 발견할 수 없으며, 임의뢰 흩어져 있다면 잔차의 독립성과 등분산성을 만족함을 시각적으로 확인- 월등히 크거나 작은 값은 잘못 기재했거나 특이한 사건을 이해 개입모형(intervention model) 적용을 고려 2. 과도적합(o.. 더보기
5. 추정 단계에서 주목해야할 점 5. 추정 단계에서 주목해야할 점1) 추정된 계수의 정상성과 가역성을 점검 2) 추정된 계수의 통계적 유의성 검정- t-검정통계량의 절대값이 '2.0'보다 작거나 유의확률이 유의수준 5%보다 크면 해당 계수는 모형에서 제외 3) 계수에 대한 상관행렬- 두 개의 추정된 ARIMA 계수 사이의 상관계수가 '0.9 이상'이면 대체모형을 고려 4) 계수중복성(near-redundancy)- 자기회귀항과 이동평균항이 동시에 모형에 필요하다는 근거가 확실하지 않다면 되도록 둘을 함께 쓰지 않도록 해야함- 동시에 사용하더라도 추정 단계에서 반드시 계수 중복 확인- 이를 통해 모수를 불필요하게 사용하여 불안전한 추정값을 얻게 되는 오류 제거 5) 모형적합도 통계량을 사용한 자료 적합의 근접도 측정* 값이 작은 모형일 .. 더보기

티스토리툴바