시계열 분석

시계열 모형 및 전이 함수 적합

시계열 플랫폼을 사용하면 단변량 시계열을 탐색, 분석 및 예측할 수 있습니다. 시계열은 일정 간격의 일련의 기간 동안 얻은 관측값 집합입니다. 일반적으로 시간상 서로 가까운 관측값은 상관되어 있습니다. 시계열 방법론은 관측값 간의 이러한 종속성을 활용하여 미래에 시계열이 어떤 형태가 될지 더 잘 예측할 수 있습니다.

시계열 데이터의 공통 특성에는 계절성, 추세 및 자기상관이 포함됩니다. 시계열 플랫폼에서는 이러한 특성을 처리할 수 있는 옵션을 제공합니다. 변동도, 자기상관 그림, 편자기상관 그림 및 스펙트럼 밀도 그림과 같은 그래프를 사용하여 시계열을 설명하고 예측하는 데 적절한 모형 유형을 식별할 수 있습니다. 또한 이 플랫폼에는 데이터의 계절 또는 일반적 추세를 제거하여 분석을 단순화할 수 있는 몇 가지 분해 방법이 있습니다. 아니면 계절성과 장기 추세를 하나의 모형에 모두 포함할 수 있는 더 정교한 ARIMA 모형 및 상태 공간 평활 모형을 적합시킬 수 있습니다. Box-Cox 변환을 수행하고 변환된 계열을 분석 및 모델링할 수도 있습니다.

모형의 예측 성능을 평가하는 몇 가지 방법이 있습니다. "홀드백에 대한 예측" 기능은 시계열을 모형 생성을 위한 훈련 부분과 예측 성능 평가를 위한 홀드백 부분으로 분할합니다.

그림 18.1 예측 그림 

목차

시계열 플랫폼 개요

시계열 플랫폼의 예

시계열 플랫폼 시작

시계열 보고서

시계열 그래프

시계열 기본 진단 차트

시계열 플랫폼 옵션

시계열 진단

차분 및 분해

시계열 모형

추가 옵션

추가 시계열 보고서

차분 보고서

분해 보고서

모형 비교 보고서

모형 보고서

상태 공간 평활 보고서

전이 함수 모형 보고서

스펙트럼 밀도 보고서

시계열 플랫폼의 추가 예

시간 ID 열 생성의 예

Box-Cox 변환의 예

홀드백 집합을 사용한 예

전이 함수 모형의 예

시계열 플랫폼에 대한 통계 상세 정보

스펙트럼 밀도에 대한 통계 상세 정보

X-11 분해에 대한 통계 상세 정보

지수 평활 모형에 대한 통계 상세 정보

ARIMA 모형에 대한 통계 상세 정보

전이 함수에 대한 통계 상세 정보