「季節性モデルの8つの技術」
8 Techniques for Seasonal Models
予測のための季節性の扱い方
この記事は前の投稿の続きです。前回、私たちは3つの季節パターンを特定しました。
ここでは、以下のことを学びます：
- 時間系列の季節性を説明する方法を学ぶ。
- 季節性をモデル化するために使用できる8つのアプローチを説明する。
季節性のモデリング
季節性とは、一定の期間で繰り返されるパターンのことです。これはモデル化する上で重要な変動の源です。
季節性の扱い方はいくつかあります。いくつかのアプローチでは、モデル化の前に季節成分を除去します。季節調整されたデータ（季節成分を差し引いた時間系列）は、トレンドやビジネスサイクルなどの長期的な効果を強調します。他のアプローチでは、季節性の循環的な性質を捉えるための追加変数を追加します。
異なる方法を説明する前に、時間系列を作成し、その季節パターンを説明しましょう。
分析の例
前の記事と同じプロセスを使用します（参考文献[1]も参照してください）：
period = 12 # 月次シリーズサイズ = 120beta1 = np.linspace(-.6, .3, num=size)beta2 = np.linspace(.6, -.3, num=size)sin1 = np.asarray([np.sin(2 * np.pi * i / 12) for i in np.arange(1, size + 1)])cos1 = np.asarray([np.cos(2 * np.pi * i / 12) for i in np.arange(1, size + 1)])xt = np.cumsum(np.random.normal(scale=0.1, size=size))yt = xt + beta1 * sin1 + beta2 * cos1 + np.random.normal(scale=0.1, size=size)yt = pd.Series(yt)この系列は次のようになります：
まず、季節パターンを強さで説明することから始めましょう：
# https://github.com/vcerqueira/blog/tree/main/srcfrom src.seasonality import seasonal_strengthseasonal_strength(yt, period=12)# 0.90We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
