[예측방법론] 모형 (5~6강) 시계열모형
예측방법론 전체 요약 (Big Picture)단계주요 내용핵심 키워드기초 (1~3강)예측의 기초를 다지고 데이터를 다듬는 법델파이 방법, 계절변동, 로그변환, 주파수 분석, 백색잡음도구 (4강)데이터 간의 관계를 파악하는 지표자기상관(ACF), 부분자기상관(PACF), 안정성모형 (5~6강)본격적인 예측 수식 만들기AR(나), MA(충격), ARIMA(차분 포함), GARCH(변동성)검정 (7강)만든 모형이 정말 쓸만한지 확인하기단위근 검정, 이분산성 검정, AIC/BIC(모형 선택 기준)📅 5강: 안정 시계열 모형 학습 계획AR(자기회귀) 모형: 과거의 '내'가 미래의 나를 결정한다.MA(이동평균) 모형: 과거의 '충격(오차)'이 현재의 나를 결정한다.ARMA 모형: AR과 MA를 합치면 어떻게 될까..
2026. 4. 10.
[예측방법론] 도구 (4강) 시계열의 자기상관
예측방법론 전체 요약 (Big Picture)단계주요 내용핵심 키워드기초 (1~3강)예측의 기초를 다지고 데이터를 다듬는 법델파이 방법, 계절변동, 로그변환, 주파수 분석, 백색잡음도구 (4강)데이터 간의 관계를 파악하는 지표자기상관(ACF), 부분자기상관(PACF), 안정성모형 (5~6강)본격적인 예측 수식 만들기AR(나), MA(충격), ARIMA(차분 포함), GARCH(변동성)검정 (7강)만든 모형이 정말 쓸만한지 확인하기단위근 검정, 이분산성 검정, AIC/BIC(모형 선택 기준) 4강: 시계열의 자기상관 학습 계획자기상관(Autocorrelation)의 개념: 시계열 데이터가 자기 자신과 과거의 값에 얼마나 의존하는지 이해하기ACF와 PACF: 모형을 결정하는 두 가지 핵심 지표(자기상관함수..
2026. 4. 10.
[예측방법론] 기초 (1~3강) 예측의 개요, 예측데이터:시계열, 주파수분석과 확률과정
단계주요 내용핵심 키워드기초 (1~3강)예측의 기초를 다지고 데이터를 다듬는 법델파이 방법, 계절변동, 로그변환, 주파수 분석, 백색잡음도구 (4강)데이터 간의 관계를 파악하는 지표자기상관(ACF), 부분자기상관(PACF), 안정성모형 (5~6강)본격적인 예측 수식 만들기AR(나), MA(충격), ARIMA(차분 포함), GARCH(변동성)검정 (7강)만든 모형이 정말 쓸만한지 확인하기단위근 검정, 이분산성 검정, AIC/BIC(모형 선택 기준) 1강: 예측의 개요 학습 계획예측의 정의와 필요성: 왜 우리는 미래를 맞춰야 하는가?주관적 예측 vs 객관적 예측: 사람의 머리(직관) vs 컴퓨터의 계산(통계)예측의 절차: 데이터를 모으고 모형을 만드는 6단계 과정 첫 번째 주제: 예측, 왜 하는 걸까요?예..
2026. 4. 10.
