ARIMA2 TSA - 4. 자기회귀 # Unstationary Time series 정상화 방법 로그 : 분산변화 차분(빼기) : mth 차분 - 계절성 평균변화, 1차 차분 - 평균변화 (level 변화) 확인방법 : ACF가 0근처에 벗어남 # Stataionary Time series 1. 서로 다른 시간의 시계열값에 영향 주지 않음 고정된 길이(진폭/높이,파장/너비)를 갖지 않으면 주기도 예측불가능하다 장기적으로 볼 때 예측할 수 있는 패턴이 없음 2. 확인방법 ACF가 0근처에 분포함 KPSS Unit Root Test - H0 : 데이터에 정상성이 나타난다 3. 자기회귀 예측기법 : 자기 자신(변수)의 과거 값의 선형 조합을 이용하여 y예측 해석 베타 = 0 - 랜덤 베타 = 1 , 절편 = 0 - 랜덤워크 베타 = 1 , 절편.. 2021. 1. 22. TSA - ARIMA + GARCH # 복습 - ARMA : 추세에 대한 모델 ( 가격의 자기상관성AR, 평균가격의 자기상관성MA) - ARIMA : 추세의 변화속도(미분;방향&폭)에 대한 모델 # SARIMA : 계절성 패턴이 존재하는 추세의 변화속도에 대한 모델 # 필수개념 - 이분산성의 정의와 종류 the standard deviations of a predicted variable, monitored over different values of an independent variable or as related to prior time periods, are non-constant 이분산성이란 잔차의 분산이 일정하지 않고 특정한 패턴을 가지고 있음을 말한다. Conditional heteroskedasticity identifies.. 2020. 12. 2. 이전 1 다음