본문 바로가기

시계열 분석

16. [R] 지수평활법 예제 사용법 HoltWinters(x, alpha = NULL, beta = NULL, gamma = NULL,seasonal = c("additive", "multiplicative")) 1. x: 시계열 자료 2. alpha: 추세와 계절적인 변동이 존재하지 않는 단순지수평활법의 평활계수 3. beta: 선형 추세는 가지나 계절적 변동은 존재하지 않는 비계절적 Holt-Winters의 평활계수 4. gamma: 선형추세와 계절적 변동이 동시에 존재하는 Holt-Winters 지수평활법의 평활계수 5. seasonal: 가법 계절변동(additive, 기본값)와 승법 계절변동(multiplicative)를 결정 예제# 계수를 지정하지 않으면, 가장 작은 SSE를 가지는 모형으로 적합해준다.(m 더보기
15. [R] 시계열분석 모형 식별, 검진 및 예측 예제 1. 식별## ACF, PACF 그리기par(oma=c(0,0,5,0))par(mfrow = c(1,2))acf(diff(log_df_ts),lag=36, main="ACF of diff(log(value))", ylab="", xlab="Lag")pacf(diff(log_df_ts), lag=36, main="PACF of diff(log(value))", ylab="", xlab="Lag")mtext(" ACF, PACF of Starbucks's Stock(2000.01~2017.08)",outer=TRUE,cex=2)* 모두 시차에서 절단된 것으로 판단하고 ARIMA(0,1,0) fit1 더보기
14. [R] 시계열분석 정상성 확인 예제 : 비정상적 분산, Box-Cox 변환 로그변환에 이어, Box-Cox 변환에 대해 확인 지난번 2000년 1월부터 2017년 8월 스타벅스 자료를 활용하여 Box-Cox 변환을 위한 λ 계산 ## 자료 불러오기library(xlsx)library(tseries)df 더보기
13. [R] 시계열분석 정상성 확인 예제 : 비정상적 분산, 로그변환 지난 번 화이자 주식은 1차 차분으로 정상적인 시계열자료로 판단되므로 2000년 1월부터 2017년 8월까지 스타벅스(Starbucks) 주식으로 확인 ## 자료불러오기library(xlsx)library(tseries) #본 예제에서는 필요없음df 더보기
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

티스토리툴바