[시계열] 시계열 모델들의 종류와 경우에 따른 시계열 모델 선정법

우선 시계열 모델들은 이렇게 크게 세 가지 유형의 모델들로 분류될 수 있다. 모델링이 원래 그렇듯, 우리 데이터에 가장 적합할 것으로 예상되는 모델을 이용하면 되는데, 이를 위해 나누어진 모델들의 대분류는 각각 어떤 특징들을 가지는지 먼저 알아보고, 가장 전통적인 모델들부터 하나씩 소개해 보도록 하겠다. 

 

 

 

 

 

 

1. 시간 영역의 시계열 모델 

 

 

시간 영역의 시계열 모델들은 AR, MA 모델들, 그리고 가장 유명하고 전통적인 ARIMA 모델들의 파생 모델로부터 나온 모델들이다. 이들은 시간 변동의 폭이 discrete 하지 않고 이상적일 때 쓴다.  계량통계학, 계량경제학으로부터 생겨난 모델이며, 따라서 차후의 모델들과는 다르게 조금 더 variation 이 작고 인간이 이해할 수 있는 데이터에 주로 적용한다. 

 

 

 

 

2. 진통수 영역 

 

진통수 영역의 시계열 모델들은 데이터 값들이 더 연속적인 시간적인 개념이 들어가 있는 경우, 변동성이 좀 더 심한 경우, 등 센서 데이터, 라디오 전파 데이터, 심박수 데이터  등의 "일정한 진폭 안에서 주기성을 띄는 데이터" 에 이용한다

 

 

 

3. 비선형 모형 

 

비선형 모양은 변동이 선형적이지 않고 (중간에 뭔가 꺾이거나 확 올라가거나 등) 굉장히 irregular 하여 인간이 이해하고 예상하기 어려운 데이터들에 대해 딥러닝 기법을 이용해 예측하는 영역이다. 비교적 최근에 등장한 영역으로, 앞선 두 방법들과 새로운 방법의 접근법이라고 생각하면 되겠다. 

 

 

 

 

 

이처럼 데이터마다, 도메인마다 세 가지 모델 분류 중 사용하기 적합한 모델들이 있으며, 시계열 자료에 적합한 모델들을 선정하면 된다.  앞으로는 다음과 같은 4가지 단계를 거쳐 적합한 모델들을 선정할 것이다. (굉장히 엄중한 방법을 통해 모델을 결정하게 된다.. ) 

 

 

 확률모형의 분석은 다음의 4가지 단계를 걸쳐 수행된다

 

  1) 모형 설정(Model Identification): ACF, PACF 같은 지표와 `auto.arima`와 같은 프로그램을 이용하여 시계열 자료에 적합한 모형을 선택

 

 

  2) 모수 추정(Parameter Estimation): 설정한 모형에 따라 모수(계수)를 추정하고 적합성을 검토

 

 

  3) 분석결과의 검정(Statistical Testing): 모형 적합도에 따른 잔차의 정상성 및 분석결과 검정을 수행

 

 

  4) 예측(Forecasting): 시계열 자료와 분석모형을 토대로 미래 값을 예측

 

 

그럼 다음 장에서부터 본격적으로 모델들을 배워나가보겠다.