아,, 시계열 개강했는데 쉽지 않음,,
0. intro
- White Noise (백색잡음과정) : serially uncorelated인 이상적인 모형의 오차항, 평균 = 0, 분산 일정
- AR(AutoRegressive) 모형 : 확률적 추세를 제거하기 위한 모형. 여기서 확률적 추세란 인접한 자료들 간 강한 상관관계로 인해 어떤 추세가 있는 것처럼 보이는 경우. 과거의 상태를 이용
- MA(Moving Average) 모형 : 불규칙한 변동을 제거하기 위한 모형, 항상 stationary. 과거의 오차값을 이용
1. ARMA
말 그대로 AR모형과 MA 모형을 합친 것.
2. ARIMA
ARMA 모형에서 i가 추가되었는데, 여기서 i는 integrated.
(차분하는 이유? -> stationarity를 위해)
과거의 "추세"를 반영함.
결론만 말하자면 ARMA 모형을 불안정한 시계열 자료에 적용하기 위해 일반화시킨 것.
이 친구들의 차수 p,q,r을 결정하는데 ACF, PACF
사실 실제로는 SACP, SPACF를 사용함