시계열분석(1) - 정상성, 고빈도거래의 사용

• 주단위나 요일별로 각각 잘라서 그래프화하여 분석하는게 좋음
• 시계열에서 전환점을 살펴보는 것과 방향으로의 변화해석이 목적일 경우, 계절성으로 조정된 Data보다는  추세-주기 성분을 사용하는것 추천

 

• 시계열모델 주의사항(Data의 인과관계와 순서 의미가 특히 중요하므로….쓰지마)
  • Dense Layer : 시계열Data를 펼치기 떄문에 입력 Data에서 시간 개념이 소실된다.
  • Conv Model : Data의 모든 부분을 비슷한 방식으로 처리했으며 풀링을 적용하고 순서 정보가 소실된다.

 

• 정상성(Stationarity)
  • 확대된 디키 풀러(Augmented Dickey-Fuller:ADF)검정은 시계열 정상성 평가지표
  • 모든 시차 k에 대하여 Yt, … Y(t+k)의 분포가 t에 의존적이지 않다면 이 과정은 ‘정상’
  • 단위근(Unit Root)이 있는 선형시계열은 비정상. 즉, 확률보행(Random Walk)를 한다.
  • 선형회귀분석은 독립항등분포(iid, independent and identically distributed) 데이터를 가정하므로 시계열데이터는 선형회귀분석을 할 수 없다.

반응형

• 높은 빈도 발생거래일 경우 Data가 모든 표준적인 가정을 엄격히 따르지 않아도 선형Model사용이 인기
  • 정당화요소
    1. 충분히 짧은 규모의 금융시장 움직임이 서로 독립적이라고 믿는것
    2. 선형회귀가 계산적 측면에서 매우 효율적이므로 가정이 부정확하더라도 속도중시 산업에서는 빠른게 좋은 Model 이다…. 
    3. 이런Model 사용기업이 실제로 이윤을 창출화고 있으므로 제대로 된 작업을 수행한다