MA모델에서 백색잡음(오차)를 사용해서 모델을 만드는 건데 MA(1) 모델의 경우 한 단위 전 시간의 백색잡음을 도대체 어떻게 구해서 모델을 만드는 건가요? 백색잡음을 구하는것이 애초에 불가능 하지 않나요? 아니면 AR모델을 먼저 만든 다음에 모델의 예측치와 실제 데이터의 차이를 백색잡음으로 가정하고 만드는건가요
교수님 안녕하세요! 강의 정말 감사드립니다. 다만 Graphical Method 관련 질문이 있습니다! ACF plot관련하여 지수적으로 die out하는 경우 AR(p)를 적용해보는 걸로 배웠습니다. 다만 이 지수적 dying down과 non-stationary time series data의 plot 형태가 유사한 것 같아 다소 혼동되는 것 같습니다ㅜ (11:33)에서 지수적으로 천천히 감소하는 (b)의 경우 이 경우는 non-stationary time series data와 어떻게 다른가요? (b)의 상황에서 모델 entertain할 때에는 이미 differencing을 한 후라 data가 stationary하기 때문에 dying down하면 안되는 것 아닌가하는 의문이 드는데, 어떻게 이해하여야 올바른지 아직 잘 모르겠습니다.. 즉 die out의 경우가 non-stationary(AR, MA,ARMA를 적용할 수 없는 경우)와 어떻게 다른지가 혼동되고 있는 것 같은데, 혹시 답변 주시면 감사드리겠습니다!
시계열 ARIMA 모형 선택에 대한 좋은 영상 감사드려요!!! 괜찮으시다면 질문한가지만 드릴게요... 1차차분 했을 때 ACF가 lag3부터 감소해서 차분을 한번 더 했더니 1 부터 감소해요. 그런데 2차 차분 때의 PACF는 lag0 부터 거의 0이다가 lag 15 쯔음에 50가까이 나오고 16부터 다시 0에 가까운 값인데 이럴경우 ARIMA(0,1,3) 모델을 사용하나요? 아니면 ARIMA(0,2,1) 모델을 사용하나요? 아니면 다른방법으로 차분?을 해야하나요...? 답변해주시면 감사하겠습니다^^
![김성범[ 교수 / 산업경영공학부 ]](http://yt3.ggpht.com/ytc/AIdro_mWwhQeGQPwIyBiV88b5htY6vhPJfUXlhO1TKC6ur0wnA=s48-c-k-c0x00ffffff-no-rj)
![[핵심 머신러닝] 정규화모델 1(Regularization 개념, Ridge Regression)](http://i.ytimg.com/vi/pJCcGK5omhE/mqdefault.jpg)
![[Open DMQA Seminar] Representation Learning for Time-Series Data](/img/n.gif)
감사합니다. 교수님. 그저 빛.
감사합니다!
감사합니다! ARIMA 모델도 교수님 수업 덕분에 머릿속에 잘 넣고 열심히 이해하고 있습니다
설명 너무잘해주시네요 우리학교 교수갈아치우고 대신오셧으면좋겟어요
MA모델에서 백색잡음(오차)를 사용해서 모델을 만드는 건데 MA(1) 모델의 경우 한 단위 전 시간의 백색잡음을 도대체 어떻게 구해서 모델을 만드는 건가요? 백색잡음을 구하는것이 애초에 불가능 하지 않나요? 아니면 AR모델을 먼저 만든 다음에 모델의 예측치와 실제 데이터의 차이를 백색잡음으로 가정하고 만드는건가요
감사합니다. 정말 어려운걸 쉽게 설명해주시네요 ㅎ
감사합니다!
좋은 강의 잘봤습니다, 감사합니다.
감사합니다!
강의 잘 들었습니다. 감사합니다 교수님!
질문이 있는데요~ 앞에서 강의하신 decomposition하고 ARIMA하고 아무 관련이 없는건가요? 분석방법이 서로 다른 모델로 이해하면 되는건가요? 조금 헷갈려서 질문드립니다.
쏙쏙 들어오네요!
감사합니다!
교수님 안녕하세요! 강의 정말 감사드립니다. 다만 Graphical Method 관련 질문이 있습니다! ACF plot관련하여 지수적으로 die out하는 경우 AR(p)를 적용해보는 걸로 배웠습니다. 다만 이 지수적 dying down과 non-stationary time series data의 plot 형태가 유사한 것 같아 다소 혼동되는 것 같습니다ㅜ (11:33)에서 지수적으로 천천히 감소하는 (b)의 경우 이 경우는 non-stationary time series data와 어떻게 다른가요? (b)의 상황에서 모델 entertain할 때에는 이미 differencing을 한 후라 data가 stationary하기 때문에 dying down하면 안되는 것 아닌가하는 의문이 드는데, 어떻게 이해하여야 올바른지 아직 잘 모르겠습니다.. 즉 die out의 경우가 non-stationary(AR, MA,ARMA를 적용할 수 없는 경우)와 어떻게 다른지가 혼동되고 있는 것 같은데, 혹시 답변 주시면 감사드리겠습니다!
그래서 graphical method는 주관적인 요소가 상당히 많이 개입됩니다.. 일단 차분한 데이터가 stationary인지 확인할 수 있는 여러 검정들이 많이 있으니 이 점을 먼저 확인하시면 좋을 것 같습니다.
ACF PACF가 둘다 lag 1에서 확떨어지면 어떤모델을 사용해야하나요 ? 정상성이 아닌건가요?
ARIMA 모델을 머리 속에 쏙쏙 넣어주시네요 감사합니다!
ARCH, GARCH 모델도 강의하신다면 꼭 찾아듣고 싶네요 ^^
감사합니다~
시계열 ARIMA 모형 선택에 대한 좋은 영상 감사드려요!!! 괜찮으시다면 질문한가지만 드릴게요...
1차차분 했을 때 ACF가 lag3부터 감소해서 차분을 한번 더 했더니 1 부터 감소해요. 그런데 2차 차분 때의 PACF는 lag0 부터 거의 0이다가 lag 15 쯔음에 50가까이 나오고 16부터 다시 0에 가까운 값인데 이럴경우 ARIMA(0,1,3) 모델을 사용하나요? 아니면 ARIMA(0,2,1) 모델을 사용하나요? 아니면 다른방법으로 차분?을 해야하나요...? 답변해주시면 감사하겠습니다^^
답변이 늦어 미안합니다. 영상에서 설명한 모형선택 방법은 주관적인 요소가 개입될 여지가 많이 있습니다. 참고로만 하시고 AIC 혹은 prediction error가 작은 모델을 선택하시길 권합니다.
답변 감사드립니다😊
안녕하세요. 강의 감사히 잘 봤습니다. 질문이 있는데, 처음에 주어진 raw data에 differencing을 하고 나서 ACF, PACF plot을 보고 p, q를 결정하는 것인가요?? 강의 흐름 상 그런 것 같은데 헷갈려서 질문 드립니다. 감사합니다.
네. 맞습니다. 일반적으로 raw data에 differencing을 하고 나서 (stationary로 변경한 후에) ACF, PACF plot을 보고 p, q를 결정합니다.
답변 감사합니다. 수많은 ARIMA 영상을 봤는데 이 강의가 단연코 최고입니다!! 앞으로도 훌륭한 강의 부탁드립니다!!
@@one-gy7lb 감사합니다~
ARIMA 값에서 어떤 파라미터를 데이터값의 오류로 감지 하는 기준으로 쓰면 될까요?
안녕하세요 ARIMA모델을 정할때 ACF 모델과 PACF모델을 differencing한 모델을 기준으로 하는건지 아니면 raw time series data 기준으로 ACF와 PACF를 구하는지 궁금합니다.
Differencing 한 이후 (stationary로 변경한 후) ACF, PACF를 기준으로 합니다.
강의 감사합니다! 혹시 14:12 에서 d와 q는 앞의 설명을 통해 1 인건 알겠는데 p가 0이란건 어떻게 알 수 있을까요?
6:45 정도에 보시면 ACF와 PACF을 이용해 모델을 결정하는 설명이 나옵니다. 본 예제는 MA 모델이 적합하다고 판단하여 AR 파트인 p는 0이 됩니다...
@@김성범교수산업경영공 아 ARMA 모델을 쓰면 p,q값이 다 필요하지만 그냥 MA모델이라 p값이 필요없는게 되는거군요 감사합니다!