1주차

시계열 평활기법

1-1

이동평균법과 이중 이동평균법

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

기본적인 시계열 예측기법인 이동평균법과 이중 이동평균법을 이해하고, 예측성능의 척도를 활용하여 분석 결과를 평가한다.

1-2

지수평활법과 이중 지수평활법

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

지수평활법과 이중 지수평활법을 이해하고, 각 방법을 이용하여 다음 시점을 예측해본다.

1-3

홀트 및 윈터스 모형: 추세와 계절성을 고려한 지수평활 모형

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

홀트 및 윈터스 모형과 분해법에 대해 이해하고, 추세와 계절성이 있는 시계열에 해당 방법들을 적용할 수 있다.

학습

목표

1) 시계열 데이터의 특성과 시계열 데이터의 분석 목적에 대해서 설명할 수 있다.

2) 시계열 평활화 모형들을 이해하고 차이점을 설명할 수 있다.

3) 실제 데이터에 대해서 적절한 모형을 선택하고, 미래 시점의 시계열 값을 예측할 수 있다.

2주차

ARMA 모형

2-1

정상적 시계열: 정상성의 조건, 자기상관함수

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

정상적 시계열의 기초 개념인 정상성의 조건, 자기상관함수를 이해하고 설명할 수 있다.

2-2

정상적 시계열: 편자기상관함수, AR 표현 방식과 MA 표현 방식

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

편자기상관함수를 이해하고, 시계열을 AR 표현 방식과 MA 표현 방식으로 나타낼 수 있다.

2-3

AR 모형 및 MA모형의 표현 및 성질 규명

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

AR 모형과 MA 모형의 표현 방법과 성질의 차이점에 대해 설명할 수 있다 .

2-4

ARMA 모형의 표현과 성질 이해

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

AR 모형과 MA 모형을 결합한 모형인 ARMA의 표현 방법과 성질을 이해하고 , 다양한 예시를 통해 개념을 익힌다 .

학습

목표

1) 정상적 시계열과 ARMA 모형의 개념을 설명할 수 있다.

2) 주어진 시계열의 식을 AR 또는 MA 표현 방식으로 나타낼 수 있다.

3) ARMA 모형이 주어지면, 자기상관함수와 편자기상관함수를 구할 수 있다.

3주차

ARMA 모형의 식별 및 예측

3-1

ARMA 모형의 식별: 시차 판정

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

ARMA 모형의 식별을 위한 과정을 이해하고, 자기상관함수와 편자기상관함수의 패턴을 통해 시차를 판정해본다.

3-2

ARMA 모형의 파라미터 추정을 위한 최우추정법

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

ARMA 모형의 파라미터를 추정하는 방법에 대해 이해하고, 최우추정법을 이용해 ARMA 모형의 파라미터를 추정할 수 있다.

3-3

최소평균오차 기반의 ARMA 모형 예측치 유도

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

최소평균오차를 기반으로 하여 미래 시점의 시계열 값을 예측하는 방법을 유도하고, 예측 오차의 분산을 구할 수 있다.

학습

목표

1) 자기상관함수와 편자기상관함수의 패턴이 주어질 때, ARMA 모형을 식별하고, 시차를 판정할 수 있다.

2) ARMA 모형의 식별과 파라미터 추정 과정을 설명할 수 있다.

3) 실제 데이터에 대해 최소평균오차를 기반으로 미래 시점의 시계열 값을 예측할 수 있다.

4주차

비정상적 시계열

4-1

비정상적 시계열 모형화를 위한 ARIMA 모형

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

ARIMA를 이해하여 비정상 시계열을 모형화한다.

4-2

계절성을 반영한 ARIMA 모형 이해

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

계절성을 지니는 비정상 시계열을 이해하고 이를 ARIMA를 통해서 모형화 한다.

4-3

비정상성 검정을 위한 단위근(Unit root) 검정

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

비정상 시계열의 특징을 이해하고 단위근 검정으로 정상 시계열과 비정상 시계열을 구분한다.

학습

목표

1) 비정상 시계열의 기본적인 이론을 학습하고 이를 모형을 통해서 표현할 수 있다.

2) 비정상 시계열과 정상 시계열의 차이점을 설명할 수 있다.

3) 계절성이 모형에서 어ᄄᅠᇂ게 이용되는지 설명할 수 있다.

4) 검정과 그래프 등을 이용하여 주어진 시계열의 특징에 맞는 모형을 선택할 수 있다.

5주차

ARCH/GARCH 모형

5-1

오차의 조건부 분산 개념 및 ARCH 모형

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

오차의 조건부 분산 개념을 학습하고, 이를 ARCH 모형에서 이용할 수 있다.

5-2

GARCH: ARCH의 일반화 형태

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

ARCH 모형을 발전시킨 GARCH 모형을 이해하고, 오차의 조건부 분산을 표현한다.

5-3

GARCH 모형의 추정과 관련 검정

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

GARCH 모형의 추정법과 오차의 조건부 분산의 검정법을 학습한다.

학습

목표

1) 오차의 조건부 분산의 필요성과 개념을 설명할 수 있다.

2) ARCH와 GARCH의 개념을 학습하여 주어진 시계열에 맞는 모형을 적용할 수 있다.

3) 주어진 시계열의 오차의 조건부 분산을 판단하여 적합한 모형을 적용할 수 있다.

4) ARCH와 GARCH 모형의 추정법 학습하여 추후에 비슷한 문제에 적용할 수 있다.

6주차

벡터자기회귀모형(VAR)

6-1

VAR 모형의 식별 및 추정 이론

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

VAR 모형의 개념 및 표현을 이해하고 VAR 모형의 정상성과 시차 결정 방법을 이해한다.

6-2

충격-반응함수의 이론과 응용, 예측오차 분산분해

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

VAR 모형 분석에 앞선 과정인 그래인저 인과관계(Granger causality) 검정에 대해 이해하고, 충격-반응함수와 예측오차 분산분해 내용을 이해한다.

6-3

공적분의 개념과 가성회귀, 오차수정모형의 이론 및 응용

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

누적 벡터시계열 및 공적분의 개념을 이해하고, 공적분이 있는 시계열을 오차수정모형으로 나타내는 과정을 이해한다.

학습

목표

1) 정상적 VAR 모형의 시차를 결정할 수 있다.

2) 그래인저 인과관계 모형을 통해 VAR 모형의 타당성을 확인할 수 있다.

3) 충격-반응 함수와 예측오차 분산분해를 적용할 수 있다.

4) 비정상적 VAR 모형에서 공적분 검정 후 해당 모형을 오차수정모형으로 나타낼 수 있다.

5) 다양한 검정을 통해 적합한 형태의 분석을 진행할 수 있다.

7주차

상태공간모형

7-1

상태공간모형의 표현

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

상태공간모형의 개념을 이해하고, 주어진 모형을 상태공간모형으로 나타낼 수 있다.

7-2

상태공간모형의 칼만필터 유도

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

최적선형예측식 개념을 이용해 칼만필터를 이해하고, 조건이 주어졌을 때 이를 이용할 수 있다.

7-3

상태공간모형의 파라미터 추정 방법과 예측 및 응용

강의영상

(15분×1)

퀴즈(1)

PDF 제공

학습목표

최우추정법을 이용해 모형의 파라미터들을 추정하고, 이를 이용해 관측값을 예측할 수 있다.

학습

목표

1) 상태공간모형의 개념을 이해하고 나타낼 수 있다.

2) 칼만필터를 이용해서 상태변수를 예측할 수 있다.

3) 상태공간모형의 파라미터를 추정하고, 이를 이용해 미래 시계열 값을 예측할 수 있다.

8

기말고사