시계열 분석의 자료와 예측 (1)

예측

• 시계열 분석의 가장 큰 목적은 미래에 대한 예측에 있음
• 예측(Forecasting)이란 특정한 미래에 알려져 있지 않은 사상에 관한 진술
• 보다 정확한 예측으로 미래에 대한 정확한 예측이 이루어진다면 미래에 발생할 사상의 결과는 우리들의 현재의 의사결정에 매우 중요한 역할을 하며, 이를 바탕으로 앞으로의 계획을 합리적으로 설계하고 손실을 최소화 할 수 있는 방안 마련 가능해짐
• 여기서 바람직한 예측이란 예측의 신뢰성을 높이기 위해서 예측에 도움이 되는 많은 과거의 경험 및 자료를 이용하여 체계적인 방법으로 규칙적인 패턴을 찾고 분석자의 신념을 더하고 예측을 수행하는 것

 

예측의 방법

예측의 과정

예측 방법

1) 질적 예측방법 (qualitative) 또는 주관적 예측

: 미래의 결과를 예측하기 위하여 전문가들의 견해를 사용하는 방법으로, 예측에 이용할 과거의 경험이나 자료를 이용할 수 없을 때 이용된다.

 

2) 양적 예측방법 (qaantative) 또는 객관적 예측

: 관측된 과거 자료에 포함된 정보를 이용하여 예측에 필요한 경험적 법칙을 추정하는 예측방법이다.

: 조건은 과거에 대핞 정보가 관측 및 수집 가능하고, 이 자료는 양적인 자료로 나타낼 수 있어야 하며, 반드시 과거의 패턴은 지속될 것이라는 가정이 성립되어야 한다.

 

 

예측 모형

 인과모형(casual model) 또는 설명모형

• 예측될 변수가 하나 또는 그 이상의 변수들과 인과관계를 갖는다고 가정하는 모델
• 예측되어야 할 변수는 하나 이상의 설명변수들과 인과관계가 존재한다고 가정하고 과거의 자료로부터 이들 간의 인과적 관련성을 추정하여 미래에도 그러한 관련성이 지속될 것이라는 가정하에 미래를 예측하는 방법
• 대표적인 예로 회귀모형, 계량경제모형, 투입산출모형

 

 

 

시계열 모형 (Time series model)

• 미래의 예측 값은 예측 대상이 되고 있는 변수의 과거 자료나 오차에만 의존된다고 가정하는 모델
• 예측될 변수의 과거의 자료에서 규칙적인 패턴을 구하고 미래에도 그러한 패턴이 반복될 것이라는 가정하에서 모형을 설정하여 예측하는 방법
• 주로 단기예측에 많이 이용되며, 안정적 추세 현상 시계열 자료의 장기 예측에도 이용됨
• 시계열 모형의 의한 예측 방법에는 평활법(smoothing methods), 분해법(decomposition methods) 등 전통적인 분석 방법과 주로 사용되는 시간영역분석(=ARIMA, autoregressive integrated moving average) 방법이 등이 있음.

 

 

예측의 평가

사전 평가

: 예측결과가 정확한가를 사전에 판단하는 것은 사실상 불가능하며 간접적인 검토 방법을 이용한다.

 

간접적인 검토 방법

: 사용된 자료들이 얼마나 정확히 수집되었는가 ?

: 얼마나 많은 양이 사용되었는가 ?

: 가능한 한 최근의 자료인가 ?

: 예측방법의 선택과 예측과정이 합리적으로 이루어졌는가 ?

 

사후 평가

: 예측 오차의 크기에 따라 예측 질을 평가하는 것이다. (뒤에 좀 더 자세하게 다룬다)