過去のデータを基に未来を予測することができたらすばらしいですよね。

例えば、ある製品の過去の長期間にわたる入出荷のデータがあれば、それを分析することで需要予測などが行えます。

このように、多くの企業がデータ分析に取り組み、企業の成長に役立たせようとしています。

今回はそんな時系列分析の意味や手法についてお伝えします。

時系列分析とは

時系列分析とは、時間の経過に伴い変化するデータを分析することです。

時系列データとは

それでは、時系列データについてお話ししましょう。

時系列データとは、気温の遷移や降水状況などの気象観測や交通の状態、土地利用の変遷など、ある一時期の状態を表すような、時間的に変化した情報を持つデータのことをいい、時系列分析は時系列データを用いて行います。

時系列データは、トレンド、季節変動、循環変動、不規則変動から成り立っています。

トレンド

時系列データには、時間の経過とともに増加をする、あるいは現象をする動きが見られます。この傾向のことをトレンドといいます。

季節変動

季節ごとに繰り返される変動です。

循環変動

季節変動は12ヵ月間で繰り返す変動ですが、循環変動は、それよりも長い期間で、ある周期性をもって現れる変動のことです。

不規則変動

上の3つの変動、トレンド、季節変動、循環変動では説明できない変動を、不規則変動といいます。

時系列分析の手法

それでは、時系列分析の手法をご紹介しましょう。

時系列分析には、以下のモデルが存在します。

ARモデル

AR（自己回帰）モデル、自己回帰モデルと呼ばれ、「過去の自分のデータ」を説明変数とします。

MAモデル

MAモデルは移動平均モデルと言われ、為替データなどのテクニカル指標で使われるものと同じです。

ARMAモデル

ARMAモデルはARモデルとMAモデルを組み合わせたモデルです。

ARIMAモデル

ARIMA（自己回帰和分移動平均）モデルを用いた時系列分析は、データ系列のある点とその直近時点の値との関係性を分析し、それらの関係性が将来も保存されるという仮定を置いて予測する手法です。

 

まとめ

時系列分析とは、時間の経過に伴い変化するデータを分析することです。

時系列分析には、以下のモデルが存在します。

• ARモデル
• MAモデル
• ARMAモデル
• ARIMAモデル