[이기적] 시계열 분석(Time Series Analysis) 핵심 정리 (AR / MA / ARMA / ARIMA)

1️⃣ 시계열 분석(Time Series Analysis)

✅ 시계열 자료

• 시간의 흐름에 따라 순차적으로 관측되는 데이터
• 미래 예측(Forecasting) 또는 패턴 분석이 주요 목적

✅ 특징

• 시간 순서 중요
• 관측값 간 자기상관성 존재
• 경제·금융·기상 데이터 분석에 활용

🎯 포인트

• 시계열 분석 = 시간 순서 데이터 분석

---

2️⃣ 시계열 자료의 종류

구분	설명	예시
이산 시계열 (Discrete Time Series)	관측값이 이산적인 시점에서 측정되는 시계열 데이터	일별 판매량 월별 매출
연속 시계열 (Continuous Time Series)	관측값이 연속적인 시간 흐름에서 측정되는 시계열 데이터	온도 변화 심전도
시차 (Time Lag)	한 관측값과 다른 관측값 사이의 시간 간격	어제 매출 ↔ 오늘 매출

---

3️⃣ 시계열 자료의 구성요소

상위 구분	구성요소	설명	예시
불규칙 성분	불규칙 성분 (Irregular Component)	시간에 따라 발생하는 예측 불가능한 무작위 변동 규칙성이 없는 랜덤 변화	자연재해로 인한 판매량 급감 예측 불가능한 이벤트 영향
체계적 성분	추세 성분 (Trend)	장기간에 걸쳐 나타나는 증가 또는 감소 경향	장기 매출 증가 인구 증가 추세
	계절 성분 (Seasonal)	일정한 주기(계절, 월, 분기 등)로 반복되는 패턴	여름 아이스크림 판매 증가 연말 쇼핑 증가
	순환 성분 (Cyclical)	계절성과 달리 일정하지 않은 장기 변동에 의해 발생하는 패턴	경기 호황 / 불황 경제 사이클 변화
	복합 성분	추세 + 계절성 + 순환성 등이 동시에 존재하는 경우	매출이 장기적으로 증가하면서 계절별 판매 패턴이 동시에 존재

---

4️⃣ 자기상관성과 백색잡음

✅ 자기상관성 (Autocorrelation)

• 시계열 데이터에서 시차 간 선형 관계

🔹 예시

• 오늘 매출 ↔ 어제 매출

---

✅ 백색잡음 (White Noise)

• 자기상관성이 없는 완전한 랜덤 데이터

🎯 포인트

• 백색잡음 → 패턴 없음

---

5️⃣ 정상성 (Stationarity)

• 시계열 데이터 분석에서는 정상성이 매우 중요

구분	설명	특징
평균 일정	모든 시점에서 평균이 일정하게 유지되는 상태	시간 변화와 관계없이 평균이 변하지 않음
분산 일정	모든 시점에서 분산이 일정하게 유지되는 상태	시간에 따라 데이터 변동 폭이 일정

📌 정상성이 없는 경우

• 정상성을 확보하기 위해 차분(Differencing) 사용

---

6️⃣ 시계열 분석 방법

분석 방법	설명	특징
이동평균법 (Moving Average)	일정 기간의 평균값을 계산하여 시계열 데이터의 추세를 파악하는 방법	단기 변동을 완화하여 추세 파악에 활용
지수평활법 (Exponential Smoothing)	최근 데이터에 더 큰 가중치를 부여하여 예측하는 방법	최근 데이터 영향이 큼 단기 예측에 활용 가중치 감소 방식
분해법 (Decomposition)	시계열 데이터를 구성요소로 분리하여 분석하는 방법	추세 · 계절 · 순환 · 불규칙 성분 분석 가능

---

7️⃣ 시계열 예측 모델

모델	설명	특징
AR 모델 (Autoregressive)	현재 값이 과거 값들의 선형 결합으로 표현되는 모델	과거 데이터 기반 예측 p는 AR 차수
MA 모델 (Moving Average)	현재 값이 과거 오차항의 선형 결합으로 표현되는 모델	예측 오차 기반 모델 q는 MA 차수
ARMA 모델	AR 모델 + MA 모델을 결합한 모델	정상 시계열 데이터 분석에 사용 p : AR 차수 / q : MA 차수
ARIMA 모델	ARMA 모델 + 차분을 포함한 시계열 모델	비정상 시계열 데이터를 차분(d)을 통해 정상화 후 분석

🎯 포인트

• p : AR 차수
• d : 차분 횟수
• q : MA 차수
• ARIMA = AR + I + MA

---

📊 시험 포인트 정리

🔥 1. 시계열 구성요소 반드시 암기 ⭐

• 추세(Trend)
• 계절(Seasonal)
• 순환(Cycle)
• 불규칙(Irregular)

---

🔥 2. 정상성 조건 ⭐

• 평균 일정
• 분산 일정

👉 정상성이 없으면 → 차분(differencing)

---

🔥 3. AR / MA / ARMA / ARIMA 차이 ⭐

모델	기반 요소	적용 데이터
AR	과거 값	정상 시계열
MA	과거 오차	정상 시계열
ARMA	AR + MA	정상 시계열
ARIMA	AR + I + MA	비정상 시계열

---

🔥 4. 시계열 기본 개념 문제

• 자기상관
• 백색잡음
• 시차(Lag)
• 정상성

---

📌 암기 핵심 요약

• 시계열 분석 핵심 구조
• 시계열 데이터
  → 정상성 확인
  → 차분
  → AR / MA / ARMA / ARIMA 모델 적용

2026 이기적 빅데이터분석기사 필기 기본서
(저자: 나홍석, 배원성, 이건길, 이혜영 | 출판사: 영진닷컴)

※ 본 글은 위 교재를 참고하여 학습 목적으로 재정리한 내용입니다.