오픈소스기반데이터분석 15강 - 시계열 데이터 분석 시계열 데이터는 관측 순서와 시간 간격에 의미가 있어 일반 데이터와 다른 분석법이 필요하다. 이번 강의에서는 시계열의 네 가지 특징을 이해하고, 이동평균과 RSI로 거래 신호를 만드는 방법, 백테스팅의 원리와 한계, Prophet과 GBRT를 이용한 예측 흐름을 학습한다. 1. 시계열 데이터 분석의 이해 1.1 시계열 데이터의 정의 시계열 데이터(time series data) 는 일정한 시간 간격으로 수집된 연속적인 데이터의 집합이다. 값이 시간의 흐름에 따라 순차적으로 기록되므로 같은 관측값이라도 언제 발생했는지가 중요하다. 날씨 예보, 전력 수요 예측, 경제 지표 분석, 웹 트래픽 모니터링, 주가 예측 등이 대표적인 응용 분야이다. 일반적인 횡단면 데이터에서는 각 관측치를 비교적 독립적으로 보는 경우가 많다. 반면 시계열 데이터에는 관측치 사이의 시간적 의존성 이 존재한다. 과거 값이 현재 값과 미래 값에 영향을 미칠 수 있기 때문에 데이터를 임의로 섞거나 시간 순서를 무시하면 패턴을 훼손하고 잘못된 평가를 만들 수 있다. 핵심 차이 시계열 분석에서는 값 자체뿐 아니라 관측 순서, 시간 간격, 이전 값과의 관계가 분석 대상이다. 따라서 시간의 흐름을 보존하는 전처리·학습·평가 방법이 필요하다. 1.2 시계열 분석의 목적 시계열 분석은 과거부터 현재까지의 흐름 속에서 장기 방향, 반복 패턴, 일시적 충격을 분리해 이해하고 미래 값을 예측하는 데 목적이 있다. 금융 시계열 분석에서는 과거 가격과 거래량을 가공한 기술적 지표로 시장의 추세, 모멘텀, 변동성을 살피고 거래 전략을 구성·평가한다. 주의 시계열에 패턴이 존재하더라도 미래가 확정되는 것은 아니다. 특히 금융 시장은 예측 불가능한 사건과 구조 변화의 영향을 크게 받으므로 분석 결과를 확정적 투자 지침으로 해석해서는 안 된다. ...