[E-13] 어제 오른 내 주식, 과연 내일은?

Opening

---

• 미래 예측 시나리오에서 과거 정보를 활용하여 미래를 예측하는 "시계열 데이터"가 갖는 의미를 생각해 봅시다. 코로나가 촉발된 2020년 2월 이전과 이후로 급변하는 시점에 시계열 데이터 분석은 어떤 관점으로 하면 좋을까요?
  • [예시 답안]
  • 코로나로 인해서 다양한 산업들의 희비가 엇갈리고 있습니다.
  • 기업들이 작년도 실적(과거 데이터)를 기반으로 미래를 예측하는 것이 더욱 불투명해지고 있는 환경입니다.
  • 이런 상황에서는 내부 데이터 보다는 외부 데이터(관련 산업의 추이 변화, 글로벌 시장 동향, 소비자 감성 지수 등) 양상을 반영해서 데이터를 분석하는 관점이 필요하다고 생각합니다.

 

Check-up 항목

---

• 시계열 데이터에서 stationary(정상성)과 Non-stationary(비정상성)에 대해서 설명해 봅시다.
  
  • [예시 답안]
  • Stationary(정상성): 시간이 변해도 통계적 특성이 일정한 시계열이다. 통계적 특성이 일정한 정도에 따라서 Strongly Stationary(강정상) Weakly Stationary(약정상)으로 구분된다. 일반적으로 약정상 시계열 정도만 되어도 정상성을 띈다고 본다. 평균, 분산, 왜도, 첨도 등 모든 통계적 특성이 동일하면 강정상, 평균과 분산의 통게적 특성이 동일하면 약정상으로 구분한다.
  • Non-stationary(비정상성): 시간에 따라 통계적 특성이 변한다. 시계열 데이터가 non_stationary 하다면 평균, 분산, 공분산은 시간의 함수가 될 수 없다.

 

Closing

---

• 주식데이터를 기간을 너무 길게 다운로드하시면 모델의 예측이 매우 안 좋을 수 있습니다.
  • 비교적 안정적인 회사의 데이터를 이용하시거나
  • 아니면 기간을 줄여 데이터를 다운받으시는게 루브릭을 만족할 결과를 얻으실 수 있으실 겁니다.
• 노드 도입부에 질문했듯이, 코로나 이전과 이후로 주식 시장도 엄청난 변화를 맞이했습니다. 프로젝트를 수행할 때 이 부분을 감안해서 예측을 해본다면 어떤 방법을 시도해 볼 수 있을까요?
  • [예시 답안]
  • 코로나 이전과 이후로 기간을 끊어서 예측해 보거나 코로나 수혜주의 비 수혜주의 종목으로 구분해서 예측 모델을 돌려보는 방법 등이 있을 것 같네요.

kr.mathworks.com

참고자료

---

• [13-6] pandas.Series.rolling은 어떻게 동작하는 것일까요?

 

moving_avg = ts_log.rolling(window=12).mean()

• 참고자료
  • [Python] 이동평균 계산 (pandas.Series.rolling)
  • Rolling-Window Analysis of Time-Series Models - MATLAB & Simulink - MathWorks 한국

[Python] 이동평균 계산 (pandas.Series.rolling)

Rolling-Window Analysis of Time-Series Models - MATLAB & Simulink - MathWorks 한국



인공지능으로 주식 예측하기