원문 : http://www.itl.nist.gov/div898/handbook/pmc/section4/pmc41.htm
시계열의 정의 : 일정한 크기의 시간구간에 한 변수값의 순차적인 연속을 말함.
적용 : 시계열모델의 사용은 2가지로 나뉜다.
- 관찰데이터를 생성하는 구조와 기저에 있는 어떠한 힘들의 이해를 얻는것
- 모델을 적합시켜 예측, 모니터링 혹은 Feedback 과 Feedforward 조절을 하는데 사용된다.
시계열 분석은 주로 산업분야 데이터를 볼때 자주 사용되는데 다음의 분야들에서 사용된다.
- 경제예측
- 수요(판매)예측
- 예산예측
- 주식시장예측
- 미래산출량예측
- Process and Quality Control
- 재고조사
- 미래작업량예측
- 공익사업연구
- 전수조사분석
그리고 등등
많은 예측 시계열들에 사용되는 방법들이 있다. 사실 시계열 모형을 적합시키는 것은 굉장히 모호하고 힘든 작업이다. 모델을 적합하는 방법에는 많은 방법들이 있는데 주로 다음의 방법들이 쓰인다고 한다.
- Box-Jenkins ARIMA Models
- Box-Jenkins Multivariate Models
- Holt-Winters Exponential Smoothing(single,double,triple)
일단 시계열 데이터를 받으면 Smoothing 작업부터 하기 때문에 다음의 기초적인Smoothing 방법들에 대해 알아보겠다.
- 평균방법(Averaging Methods)
- 지수적 Smoothing 기술들(Exponential Smoothing Techniques)