시계열

위키백과 ― 우리 모두의 백과사전.

통계학, 신호 처리, 계량경제학에서 시계열(time series)라고 하는 것은 일정 시간 간격으로 배치된 데이터들의 수열을 말한다. 시계열 해석(time series analysis)라고 하는 것은 이런 시계열들을 해석하고 이해하는데 쓰이는 여러가지 방법들을 연구하는 분야이다. 예컨대, 이런 시계열이 어떤 법칙에서 생성되어서 나오는가하는 기본적인 질문들을 이해하는것이 궁극적인 목표라고 할 수 있다. 시계열 예측(time series prediction)이라고 하는 것은 주어진 시계열을 보고 수학적인 모델을 만들어서 미래에 일어날 것들을 예측하는 것을 뜻하는 말이다. 일반적으로 이런 방법들은 공학이나 과학계산, 혹은 금융시장에서의 주가 예측등에서 많이 쓰인다.

시계열 데이터를 분석하는 수학적 모델은 여러가지가 있을수 있는데, 실제 응용에서 가장 많이 쓰이는 세가지 범용 모델들은 autoregressive (AR) 모델, integrated (I) 모델, moving average (MA) 모델 등이 있다. 이 세가지 방법들은 이미 얻어진 시계열 데이터에 선형 종속적이다. 비선형 종속적인 방법들은 나름대로 의미있는 것들이 있는데, 예컨대 혼돈 시계열등을 만들어 낼수 있기 때문이다.

시계열 해석에서는 여러가지 기호들이 많이 쓰인다. 예를 들면,

X= \{X_1, X_2, \dots \}

가 주로 흔히 쓰이는 기호인데, 이때 시계열 X는 자연수들로 지수가 매겨져 있다.

시계열 데이터를 해석하고 분석하는데에 흔하게 쓰이는 도구들로는 다음이 있다:

  • autocorrelation function과 spectral density function
  • frequency domain위에서의 시계열 분석을 위한 푸리에 변환
  • 원하지 않는 잡음 제거를 위한 디지털 필터
  • empirical orthogonal function 해석
  • time-frequency representation
  • continuous wavelet transform
  • short-time Fourier transform
  • Chaos theory
  • Corelation dimension
  • Recurrence plot
  • Recurrence quantification analysis
  • Lyapunov exponent

[편집] 산업계에서의 용도

시간에 종속적으로 측정된 모든 데이터들은 시계열로 볼수 있다. 물론 이런때에는 시계열 데이터가 일정 시간 간격으로 주어진 것이 아닐수도 있다. 종합 주가지수, 매일매일의 유가 변동사항, 환율 등 모든 데이터들은 시계열 데이터로 볼수 있다. 따라서 시계열 해석은 미래를 예측하는데에 중요한 도구가 될 수 있다.


[편집] 관련 주제

  • Analysis of rhythmic variance
  • Anomaly time series
  • Autocorrelation
  • Partial autocorrelation
  • Complex demodulation
  • Linear prediction
  • Longitudinal study
  • Moving average (finance)
  • Pooled time series
  • Prediction interval
  • Predictive analytics
  • Seasonal adjustment
  • System identification
  • Time series database
  • Trend estimation

[편집] External links

틀:Stat-stub