소품집

#ARIMA models ARIMA(Autoregressive Integrated Moving Average Models) ARIMA (p,d,q) models Φ(B) 는 차수가 p인 B의 다항식: Φ(B) = 1+ Φ1B + Φ2 B2 + … + Φp Bp 𝜃 (B) 는 차수가 q인 B의 다항식: 𝜃 (B) = 1+ 𝜃1B + 𝜃2B2 + … + 𝜃𝑞B AR: p → 자기회귀모형의 차수 I: d → 차분한 횟수 MA: q → 이동평균모형의 차수 Sepecoal cases ARIMA(0,0,0): 백색잡음 (white noise) ARIMA(0,1,0) with no constant : 랜덤워크 (Random walk) ARIMA(0,1,0) with constant: 절편항 (drift term)이 ..

2020/06/12 - [time series] - 자기회귀모형 (Autoregressive models : AR) 식별법 자기회귀모형 (Autoregressive models : AR) 식별법 정의 AR (Autoregressive model) : 시계열 yt를 종속변수로 그 이전 시점의 시계열 yt-1, … , yt-p 독립변수로 갖는 회귀모형의 형태 𝜀𝑡 normally distributed white noise (평균 = 0, 분산 = 1)으로 가정 즉.. sodayeong.tistory.com 이전글과 이어집니다. 모형식별(correlogram 활용법) 이동평균모형 (Moving average models : MA) 정의 시점 t의 y는 예측오차 (forecast errors)의 가중이동평균으로..

정의 AR (Autoregressive model) : 시계열 yt를 종속변수로 그 이전 시점의 시계열 yt-1, … , yt-p 독립변수로 갖는 회귀모형의 형태 𝜀𝑡 normally distributed white noise (평균 = 0, 분산 = 1)으로 가정 즉 N(0,1^2) C는 dritf term(절편)을 의미 (상수항) p차 자기회귀모형이라 하며 AR(p)로 표시 시점 t에 있어서의 변동은 시점 t-1로부터 t-p까지의 영향을 받음 보통 p=1 또는 p=2까지 영향을 미치며 이를 AR(1), AR(2) 모형이라함 상수항이 없는 AR(1)과 AR(2) 모형 AR(p) 모형 Φ(계수값)에 따른 AR(1) 데이터 시뮬레이션 set.seed(12) y

정상성 (stationaruty) 정상성 (stationarity)의 특징을 갖는 시계열은 무엇일까요? 정상성 유무의 판단은 분석마다 다르지만, 가져온 출처에서는 (b), (c), (d), (h)라고 합니다. ++'(b)가 어떻게 정상성을 갖느냐?' 라 생각할 수도 있지만 약간의 튄 값은 융통성으로 무마해준다고 합니다. 정상성을 만족하기 위해선시계열의 확률적인 성질들이 시간의 흐름에 따라 불변해야 하는 조건을 만족해야 하는데요. 뚜렷한 추세가 없음. 즉, 시계열의 평균이 시간 축에 평행 시계열의 진폭(변동)이 시간의 흐름에 따라 일정 시계열데이터 변환 정상성을 만족하지 못한 시계열 데이터를 어떻게 하여 활용되어질 수 있을까요? 비정상 확률과정 (nonstationary process)을 정상 확률과정(s..