Skip to main content
시계열분석 기법과 응용 동영상

시계열분석 기법과 응용




강좌 소개

수업내용/목표

시계열 데이터 분석을 통하여 시간에 따른 상관관계 등의 패턴 추출 및 이를 바탕으로 미래에 대한 예측을 위한 다양한 기법 학습 및 응용 능력을 배양한다.

강좌 운영 계획

 

강의계획서

주차

주차명

운영방법

차시

차시명

학습요소

1주차

시계열 평활기법

1-1

이동평균법과 이중 이동평균법

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

기본적인 시계열 예측기법인 이동평균법과 이중 이동평균법을 이해하고, 예측성능의 척도를 활용하여 분석 결과를 평가한다.

1-2

지수평활법과 이중 지수평활법

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

지수평활법과 이중 지수평활법을 이해하고, 각 방법을 이용하여 다음 시점을 예측해본다.

1-3

홀트 및 윈터스 모형: 추세와 계절성을 고려한 지수평활 모형

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

홀트 및 윈터스 모형과 분해법에 대해 이해하고, 추세와 계절성이 있는 시계열에 해당 방법들을 적용할 수 있다.

학습

목표

1) 시계열 데이터의 특성과 시계열 데이터의 분석 목적에 대해서 설명할 수 있다.

2) 시계열 평활화 모형들을 이해하고 차이점을 설명할 수 있다.

3) 실제 데이터에 대해서 적절한 모형을 선택하고, 미래 시점의 시계열 값을 예측할 수 있다.

2주차

ARMA 모형

2-1

정상적 시계열: 정상성의 조건, 자기상관함수

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

정상적 시계열의 기초 개념인 정상성의 조건, 자기상관함수를 이해하고 설명할 수 있다.

2-2

정상적 시계열: 편자기상관함수, AR 표현 방식과 MA 표현 방식

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

편자기상관함수를 이해하고, 시계열을 AR 표현 방식과 MA 표현 방식으로 나타낼 수 있다.

2-3

AR 모형 및 MA모형의 표현 및 성질 규명

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

AR 모형과 MA 모형의 표현 방법과 성질의 차이점에 대해 설명할 수 있다 .

2-4

ARMA 모형의 표현과 성질 이해

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

AR 모형과 MA 모형을 결합한 모형인 ARMA의 표현 방법과 성질을 이해하고 , 다양한 예시를 통해 개념을 익힌다 .

학습

목표

1) 정상적 시계열과 ARMA 모형의 개념을 설명할 수 있다.

2) 주어진 시계열의 식을 AR 또는 MA 표현 방식으로 나타낼 수 있다.

3) ARMA 모형이 주어지면, 자기상관함수와 편자기상관함수를 구할 수 있다.

3주차

ARMA 모형의 식별 및 예측

3-1

ARMA 모형의 식별: 시차 판정

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

ARMA 모형의 식별을 위한 과정을 이해하고, 자기상관함수와 편자기상관함수의 패턴을 통해 시차를 판정해본다.

3-2

ARMA 모형의 파라미터 추정을 위한 최우추정법

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

ARMA 모형의 파라미터를 추정하는 방법에 대해 이해하고, 최우추정법을 이용해 ARMA 모형의 파라미터를 추정할 수 있다.

3-3

최소평균오차 기반의 ARMA 모형 예측치 유도

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

최소평균오차를 기반으로 하여 미래 시점의 시계열 값을 예측하는 방법을 유도하고, 예측 오차의 분산을 구할 수 있다.

학습

목표

1) 자기상관함수와 편자기상관함수의 패턴이 주어질 때, ARMA 모형을 식별하고, 시차를 판정할 수 있다.

2) ARMA 모형의 식별과 파라미터 추정 과정을 설명할 수 있다.

3) 실제 데이터에 대해 최소평균오차를 기반으로 미래 시점의 시계열 값을 예측할 수 있다.

4주차

비정상적 시계열

4-1

비정상적 시계열 모형화를 위한 ARIMA 모형

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

ARIMA를 이해하여 비정상 시계열을 모형화한다.

4-2

계절성을 반영한 ARIMA 모형 이해

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

계절성을 지니는 비정상 시계열을 이해하고 이를 ARIMA를 통해서 모형화 한다.

4-3

비정상성 검정을 위한 단위근(Unit root) 검정

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

비정상 시계열의 특징을 이해하고 단위근 검정으로 정상 시계열과 비정상 시계열을 구분한다.

학습

목표

1) 비정상 시계열의 기본적인 이론을 학습하고 이를 모형을 통해서 표현할 수 있다.

2) 비정상 시계열과 정상 시계열의 차이점을 설명할 수 있다.

3) 계절성이 모형에서 어ᄄᅠᇂ게 이용되는지 설명할 수 있다.

4) 검정과 그래프 등을 이용하여 주어진 시계열의 특징에 맞는 모형을 선택할 수 있다.

5주차

ARCH/GARCH 모형

5-1

오차의 조건부 분산 개념 및 ARCH 모형

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

오차의 조건부 분산 개념을 학습하고, 이를 ARCH 모형에서 이용할 수 있다.

5-2

GARCH: ARCH의 일반화 형태

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

ARCH 모형을 발전시킨 GARCH 모형을 이해하고, 오차의 조건부 분산을 표현한다.

5-3

GARCH 모형의 추정과 관련 검정

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

GARCH 모형의 추정법과 오차의 조건부 분산의 검정법을 학습한다.

학습

목표

1) 오차의 조건부 분산의 필요성과 개념을 설명할 수 있다.

2) ARCH GARCH의 개념을 학습하여 주어진 시계열에 맞는 모형을 적용할 수 있다.

3) 주어진 시계열의 오차의 조건부 분산을 판단하여 적합한 모형을 적용할 수 있다.

4) ARCH GARCH 모형의 추정법 학습하여 추후에 비슷한 문제에 적용할 수 있다.

6주차

벡터자기회귀모형(VAR)

6-1

VAR 모형의 식별 및 추정 이론

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

VAR 모형의 개념 및 표현을 이해하고 VAR 모형의 정상성과 시차 결정 방법을 이해한다.

6-2

충격-반응함수의 이론과 응용, 예측오차 분산분해

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

VAR 모형 분석에 앞선 과정인 그래인저 인과관계(Granger causality) 검정에 대해 이해하고, 충격-반응함수와 예측오차 분산분해 내용을 이해한다.

6-3

공적분의 개념과 가성회귀, 오차수정모형의 이론 및 응용

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

누적 벡터시계열 및 공적분의 개념을 이해하고, 공적분이 있는 시계열을 오차수정모형으로 나타내는 과정을 이해한다.

학습

목표

1) 정상적 VAR 모형의 시차를 결정할 수 있다.

2) 그래인저 인과관계 모형을 통해 VAR 모형의 타당성을 확인할 수 있다.

3) 충격-반응 함수와 예측오차 분산분해를 적용할 수 있다.

4) 비정상적 VAR 모형에서 공적분 검정 후 해당 모형을 오차수정모형으로 나타낼 수 있다.

5) 다양한 검정을 통해 적합한 형태의 분석을 진행할 수 있다.

7주차

상태공간모형

7-1

상태공간모형의 표현

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

상태공간모형의 개념을 이해하고, 주어진 모형을 상태공간모형으로 나타낼 수 있다.

7-2

상태공간모형의 칼만필터 유도

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

최적선형예측식 개념을 이용해 칼만필터를 이해하고, 조건이 주어졌을 때 이를 이용할 수 있다.

7-3

상태공간모형의 파라미터 추정 방법과 예측 및 응용

강의영상

(15×1)

퀴즈(1)

PDF 제공

학습목표

최우추정법을 이용해 모형의 파라미터들을 추정하고, 이를 이용해 관측값을 예측할 수 있다.

학습

목표

1) 상태공간모형의 개념을 이해하고 나타낼 수 있다.

2) 칼만필터를 이용해서 상태변수를 예측할 수 있다.

3) 상태공간모형의 파라미터를 추정하고, 이를 이용해 미래 시계열 값을 예측할 수 있다.

8

기말고사

 

강좌운영팀 소개

교수자

전치혁 professor
전치혁 교수
○ 성명: 전치혁
○ 소속: POSTECH 산업경영공학과
○ E-mail: chjun@postech.ac.k

학력
○ 1973~1977 서울대학교 자원공학과 학사
○ 1977~1979 한국과학기술원 산업공학 석사
○ 1982~1986 Univ. of California, Berkeley, Department of
Industrial Engineering and Operations Research 박사

경력
○ 1979~1982 - 한국동력자원연구소 연구원
○ 1984~1984 - Lawrence Berkeley Lab 연구원
○ 1990~1990 - University of California at berkeley 방문교수
○ 2007~2007 - University of Washington 방문교수
○ 1987~현재 - 포항공과대학교 산업경영공학과 교수

주요업적 및 수상경력
○ 논문 266, 학회발표 213, 저서 2, 특허 1
○ 백암기술상 (2002)
○ 과학기술우수논문상 (2003)
○ 정헌학술대상 (2011)
○ 한국과학기술한림원 정회원 (2016)
○ 옥조근정훈장 (2018)

연구분야
○ 데이터마이닝, 응용통계 확률모형

강좌지원팀

조세은 조교 사진
조세은 조교
POSTECH 산업경영공학과
E-mail: seeun31@postech.ac.kr
정준용 조교 사진
정준용 조교
POSTECH 산업경영공학과
E-mail: june0227@postech.ac.kr
이택호 조교 사진
이택호 조교
POSTECH 산업경영공학과
E-mail: taekho.lee@postech.ac.kr

강좌 수강 정보

이수/평가정보

이수/평가정보
과제명 퀴즈 과제 중간고사 기말고사
반영비율 40% 0% 0% 60%

※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

강좌 수준 및 선수요건

중 (또는 대학교 3학년 수준)
기본적인 확률 및 통계, 선형 대수, 최적화에 대한 지식 필요

교재 및 참고문헌

W.W.S. Wei, Time Series Analysis: Univariate and Multivariate Methods

자주 묻는 질문

시계열 분석 기법과 응용 과목을 수강하기 위해서는 어떤 사전 지식이 필요한가요?

기본적인 통계, 선형 대수, 그리고 최적화에 대한 지식이 필요합니다.

시계열 데이터 분석 실습은 어떻게 하나요?

본 강좌는 관련 기법의 이해에 중점을 두고 있으며, 실제 데이터 분석을 위해서는 본인이 사용 가능한 소프트웨어를 이용해야 합니다. 사용할 수 있는 프로그래밍 언어는 Python, Matlab, R, C++ 등 매우 다양할 수 있습니다.

관련 강좌

  1. major

    Engineering
    (Industrial Engineering)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    intermediate
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    POHANG UNIVERSITY OF SCIENCE AND TECHNOLOGY
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    08week
    (주당 02시간 00분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    16시간 00분
    (07시간 21분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Course Registration Period

    2020.01.13 ~ 2020.02.29
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2020.01.13 ~ 2020.02.29
Enroll