[시계열분석] 시계열분석방법

들이 중화되어 대체적인 경향변동을 파악할 수 있게 된다. 실제 예측에 있어서는 시점 t까지 수개 실적치의 산술평균을 다음 시점(t+l)의 추정치를 사용한다. 이를 수식으로 나타내면 다음과 같다.

여기서 S는 추정치, X는 실적치, 그리고 싫은 평균치산출에 포함된 사례수를 나타낸다. 실제 활용에 있어 중요한 결정사항은 을 및 개로 할 것인가이다. 일반적으로 시계열의 추세가 안정적인 경우에는 을 크게 하고 기복이 심할 경우에는 적게 하는 것이 바람직하지만 자료의 축적 정도도 감안 되어야 할 것이다.
이동평균법은 (i) 계산이 간편하고, (ii) 단기적인 우발변동(random Variation)을 제거할 수 있으며, (iII) 시계열 전체를 하나의 직선 혹은 곡선방정식으로 나타내야 하는 불합리를 피할 수 있다는 등의 장점이 있다.
반면에 단점으로는 (i) 양쪽 끝이 평균치를 구할 수 없고, (ii) N에 따라 계산결과가 달라지며, (iii) 시계열에 계절변동이나 순환변동이 포함되어 있는 경우 중화되어 그 특징이 나타나지 않는다는 점 등이다.

VI. 지수평활법

이동평균법에서는 각 시점의 실적치들을 같은 비중으로 처리하는데 반하여 지수평활법(Exponential Smoothing Method)은 최근에 가까운 실적치일수록 더 큰 비중을 두어 이동평균을 구하는 방식이다. 따라서 전자를 단순이동평균법(Simple Moving Average Method)이라 한다면 지수평활법은 가중이동평균법이라 할 수 있다. 이렇게 가중치를 부여하는 것은 최근 이 실적일수록 미래를 예측하는데 더 중요하다는 가정에 입각한 것이다. 지수평활법은 가중치 a를 써서 다음과 같은 일반식으로 나타낼 수가 있을 것이다.

여기서 S는 예측치, x는 실적치를 가리키며 a는 어떤 시점의 예측치와 그 시점의 실적치간의 차이를 할인하는데 사용되는 계수로서 0` a `1의 값을 가진다. 따라서 최근이 실적치일수록 높은 가중치를 갖게 되어 예측치에 큰 영향을 미치게 되는 것이다. 이때 a값

보관중인 자료가 없습니다