時系列分析
時系列分析の役割
時系列分析は、一定期間にわたって収集された一連のデータ ポイントを分析するための特別な方法です。時系列分析では、アナリストは断続的またはランダムではなく、一定期間にわたって一定の間隔でデータ ポイントを記録します。ただし、この種の分析は、時間をかけてデータを収集するだけの作業ではありません。
時系列データは、分析によって変数が時間の経過とともにどのように変化するかを示すことができるという点で他のデータと異なります。言い換えれば、時間は、データ ポイントの過程でデータがどのように調整され、最終的には結果が得られるかを示すため、重要な変数です。追加の情報ソースとデータ間の一連の依存関係を順番に提供します。
時系列分析では、一貫性と信頼性を確保するために多数のデータ ポイントが必要になることがよくあります。幅広いデータセットにより代表的なサンプルサイズが確保され、分析によりノイズの多いデータが排除されます。また、見つかった傾向やパターンが外れ値ではないことも保証され、季節の違いを説明できるようになります。さらに、時系列データは、履歴データに基づいて将来のデータを予測する予測にも使用できます。
時系列分析は、組織が長期にわたる傾向やシステム パターンの根本原因を理解するのに役立ちます。データの視覚化を使用すると、ビジネス ユーザーは季節的な傾向を確認し、これらの傾向が発生する理由についての洞察を得ることができます。最新の分析プラットフォームを使用すると、これらの視覚化は折れ線グラフをはるかに超えることができます。
組織が一定の時間間隔でデータを分析する場合、時系列予測を使用して将来のイベントの可能性を予測することもできます。時系列予測は予測分析の一部です。季節的または周期的な動作など、データの変化の可能性を示すことができるため、データ変数の理解が深まり、より適切な予測に役立ちます。
たとえば、デモインの公立学校は、リスクにさらされている生徒を特定し、長期的な進歩を追跡するために、5 年間の生徒の学力データを分析しました。今日のテクノロジーにより、毎日膨大な量のデータを収集できるようになり、包括的な分析に十分な一貫性のあるデータを収集することがこれまでより簡単になりました。
時系列分析の例
時系列分析は、非定常データ、つまり時間の経過とともに変動するデータ、または時間の影響を受けるデータで使用されます。金融、小売、経済などの業界では、通貨や売上が常に変化するため、時系列分析がよく使用されます。株式市場分析は、特に自動取引アルゴリズムにおける時系列分析の応用例です。同様に、時系列分析は天気の変化を予測するのに最適であり、気象学者が明日の天気予報から数年間の気候変動に至るまであらゆるものを予測するのに役立ちます。時系列分析のアプリケーションの例は次のとおりです。
- 気象データ
- 降雨量測定
- 温度測定値
- 心拍数モニタリング (EKG)
- 脳モニタリング (EEG)
- 四半期売上高
- 株価
- 自動株取引
- 業界の予測
- 金利
時系列分析の種類
時系列分析には多くのカテゴリやデータのバリエーションが含まれるため、分析者は複雑なモデルを構築する必要がある場合があります。ただし、アナリストはすべての分散を説明したり、特定のモデルをすべてのサンプルに一般化したりすることはできません。モデルが複雑すぎる場合、または実行しようとすることが多すぎる場合は、適合不足が発生する可能性があります。モデルが過小適合または過適合すると、モデルはランダムな誤差と真の関係を区別できなくなり、分析に偏りが生じ、不正確な予測が行われます。
時系列分析モデルには次のものが含まれます。
- 分類: データを識別し、カテゴリを割り当てます。
- カーブ フィッティング: データを曲線に沿ってプロットして、データ内の変数間の関係を調査します。
- 記述分析: 傾向、サイクル、季節変化などの時系列データのパターンを特定します。
- 解釈分析: データとその内部の関係、および原因と結果を理解しようとします。
- 探索的分析: 時系列データの主な特徴を、通常は視覚的な形式で強調表示します。
- 予測: 将来のデータを予測します。このタイプは歴史的な傾向に基づいています。過去のデータを将来のデータのモデルとして使用し、将来のエピソードで何が起こるかを予測します。
- 介入分析: イベントがデータをどのように変化させるかを研究します。
- セグメンテーション: データをセグメントに分割して、ソース情報の基礎となるプロパティを明らかにします。
データの分類
さらに、時系列データは次の 2 つの大きなカテゴリに分類できます。
- ストック時系列データとは、情報の静的なスナップショットのように、ある時点でのプロパティを測定することを意味します。
- 時系列データのストリーミングとは、特定の期間内の属性のアクティビティ レベルを測定することを指し、通常は全体の一部であり、結果の一部を形成します。
データの変更
時系列データでは、データ全体にわたって散発的に変更が発生する可能性があります。
- 機能分析では、データ内のパターンと関係を見つけて、注目すべきイベントを特定できます。
- 傾向分析とは、特定の方向への継続的な動きを特定することを指します。傾向には 2 種類あります。根本原因を見つけることができる決定論的傾向と、ランダムで説明できない確率的傾向です。
- 季節の変化は、年間を通じて特定の一定の間隔で発生するイベントを表します。シリアル依存は、時間的に近いデータ ポイントが相関する傾向がある場合に発生します。
時系列分析と予測モデルでは、ビジネス上の質問に答えるために関連するデータの種類を定義する必要があります。アナリストは、分析したい関連データを選択したら、最も適切な分析の種類と手法を選択します。
時系列分析に関する重要な考慮事項
時系列データは長期間にわたって収集されるデータですが、時間データがいつどのように記録されるかを示すさまざまな種類のデータがあります。例えば：
- 時系列データは、一定の時間間隔で記録されたデータです。
- 断面データは、同時に記録された複数の変数で構成されます。
- 集約データは、時系列データと横断データを組み合わせたものです。