패스트캠퍼스 챌린지 46일차

어제의 강의는 MA(이동평균)에 대한 이론적인 이해와 실습을 통해 어떻게 ACF가 나오는지 그래프를 그려보며 이해하는 시간을 가졌다.

 

오늘은 AR(자기회귀)알고리즘의 수학적 의미에 대한 이해를 하는 시간을 가졌다.

 

MA와 동일하게 수학적 의미에 대한 이해를 하는 강의 부분이라 블로그 글로 정리할 수 있는 부분의 한계가 존재하여 다음 강의로 넘어가서 진행하고자한다.

 

수학적 의미를 넘어서 다음 강의에서는 자기회귀 알고리즘에 대한 실습을 통해 패턴을 이해하는 시간을 가지고자 한다.

 

왼쪽 화면은 강의 자료 화면이고 오른쪽 화면은 강의 화면이다.

 

왼쪽 plot 그래프는 ma(무한대)그래프를 그렸을 때라고 한다. 굉장히 현실적으로 있을 법한 그래프라 놀랍다. 

 

하단의 ACF를 그린 것을 보면 시간이 지날 수록 점차 하락하는 모습이 보여진다. 바로 밑에 PACF는 2번째 이후로 쭉 0으로 보여진다. 

 

AR(1)의 모양이 MA(무한대)와 같은 것을 보고 AR 모형은 PACF 그래프를 보고 파라미터의 개수를 추론할 수 있다고 한다. 

 

검증을 위해 다음 셀에서 파라미터를 조정해서 확인해보고자 한다. 계수를 음수로 주면 음수와 양수를 왔다갔따 ACF가 그려진다.

 

다음 강의로는 MA와 AR을 정리하고 ARMA 알고리즘에 대한 설명이 진행되었다.

 

지금까지 MA와 AR에 대한 강의를 들어온 결과 두 관계는 가역성이 존재한다.

 

무슨 의미냐면 AR(1) -> MA(무한대)가 되고 MA(1) -> AR(무한대)가 된다고 한다.

 

이러한 성격을 유지하여 선형조합한 알고리즘이 ARMA 이다. ARMA(p,q)로 이루어져있다. AR의 p와 MA의 q를 조합하여 사용된 알고리즘이다.

 

두 가지가 선형 조합된 알고리즘으로 두 가지의 패턴들이 동시에 나올 가능성이 있다. 

 

다음 시간은 ARMA에 대한 실습을 통한 더 깊은 이해를 진행하고자 한다.

 

 

 

 

 

※ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성었습니다. 

 

※ 관련 링크 : https://bit.ly/37BpXiC