Build your ultimate AI agent
코스 설명
주가 변동처럼 우리의 일상에서 관측되는 많은 현상은 일정한 간격으로 시간이 지나며 측정됩니다. 시계열 분석 방법은 이러한 특별한 형태의 데이터를 분석하는 데 매우 유용합니다. 이 강의에서는 핵심 시계열 분석 개념과 기법을 소개합니다.
사전 요구 사항
커리큘럼
코스 개요
1
시계열 데이터 탐색적 분석
이 장에서는 R에서 시계열 데이터를 정리하고 시각화하는 방법을 익힙니다. 시계열 분석에서 널리 쓰이는 여러 단순화 가정과, 금융 시계열이 흔히 가지는 특징도 함께 살펴봅니다.
2
미래 예측하기
이 장에서는 추세를 파악해 보고, white noise (WN) 모형과 random walk (RW) 모형, 그리고 정상성(정지성) 과정의 정의를 배웁니다.
3
상관분석과 자기상관함수
이 장에서는 상관계수를 복습하고 이를 사용해 두 시계열을 비교합니다. 또한 한 시계열을 그 과거와 비교하는 자기상관도 다룹니다. 자기상관함수(ACF)를 익히고, 시계열 데이터의 자기상관을 추정하고 시각화하는 연습을 합니다.
4
자기회귀
이 장에서는 자기회귀(AR) 모형과 그 기본 성질 몇 가지를 학습합니다. R에서 AR 모형을 모의실험하고 추정하는 법을 실습하고, AR 모형을 random walk (RW) 모형과 비교합니다.
5
단순 이동평균
이 장에서는 단순 이동평균(MA) 모형과 그 기본 성질 몇 가지를 학습합니다. R에서 MA 모형을 모의실험하고 추정하는 법을 실습하고, MA 모형을 자기회귀(AR) 모형과 비교합니다.
R
R로 배우는 시계열 분석
코스
완료
