패스트캠퍼스 챌린지 45일차

어제의 강의에 이어 오늘은 MA부터 시작되었다. 

 

데이터들의 전체적인 추세로 보는 하나의 지표인 MA가 데이터 분석적인 관점에서는 어떻게 사용되는지 확인할 수 있는 시간이었다. 

 

오늘은 MA의 수식적은 증명과 이해로 강의가 시작되었다.

 

왼쪽 화면은 강의 자료 화면이고 오른쪽 화면은 강의 화면이다.

 

오늘은 MA에 대한 수식적인 증명을 진행한다고 한다. 해당 부분은 강의는 넘어가고 다음 강의부터 글을 남기고자 한다.

(수식 증명에 대한 것은 딱히 글로 남길 수 있는 부분의 한계가 있기에..)

 

그렇게 다음 강의에서는 이동평균(MA) 알고리즘 실습으로 패턴을 이해하는 시간을 갖도록 했다.

 

실습에서는 Armaprocess 라는 함수를 통해 AR과 MA함수를 사용할 수 있다. 

 

왼쪽 화면은 강의 자료 화면이고 오른쪽 화면은 강의 화면이다.

 

왼쪽 강의 자료 화면을 보면 가장 위가 RAW DATA를 PLOT 형태로 그래프를 그린 것이다. 그리고 아래는 ACF / PACF / SAMPLING ACF 이다.

 

샘플링을 한 ACF는 실제 이론과 다르게 실제 데이터라고 생각하면 된다. 이론적인 데이터와 실제 사용되는 데이터는 다를 수 있다는 걸 명심해야한다.

 

그림을 보면 1까지만 피크가 존재하고 그 이후에는 따로 피크가 존재하지 않는 것을 확인할 수 있다. 

 

MA(q) 알고리즘의 ACF 그래프를 그리면 q시점 까지만 피크가 존재하고 그 이후로는 피크가 존재하지 않는 것을 확인할 수 있었다. 

 

추가로 PACF를 그리면 특별한 패턴 없이 시간이 지날 수록 스무스하게 감소하는 것을 확인할 수 있었다.

 

이러한 MA에 대한 특징을 확인할 수 있었고 다음 시간부터는 AR 알고리즘에 대한 설명으로 이어간다고 한다.

 

 

 

※ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성었습니다. 

 

※ 관련 링크 : https://bit.ly/37BpXiC