Learning Guide
時系列解析ガイド
自己相関・スペクトルからARIMA、状態空間モデル、因果分析、深層学習予測まで。6章・24記事で時系列解析を体系的に学ぶ。
01
時系列の基本量
時系列解析の土台となる基本統計量を学ぶ。自己共分散・自己相関係数の定義からコレログラムの読み方まで、時系列データの特徴を捉えるツールを身につける。
02
古典的時系列モデル
時系列解析の古典的なモデルを学ぶ。自己回帰（AR）モデルの理論からARIMAモデルまで、定常・非定常時系列のモデリング手法を理解する。
03
状態空間モデル
時系列を状態方程式と観測方程式で表現する状態空間モデルを学ぶ。ローカルレベルモデルから始めて、カルマンフィルタによる推定、異常検知への応用まで。
04
因果・相関分析
時系列間の因果関係と相関関係を分析する手法を学ぶ。グレンジャー因果検定と多変量時系列の相関分析で、変数間の関係構造を明らかにする。
05
深層学習による時系列予測
ニューラルネットワークを用いた時系列予測手法を学ぶ。RNNの基本構造からLSTM・GRUによる長期依存性の学習、Transformerの時系列応用まで。
06
実践ツールと発展手法
時系列解析の実践的なツールと発展的な手法を学ぶ。sktimeライブラリの活用から、部分時系列の扱い、変点検出まで、実務で役立つ手法を身につける。
07
周波数領域解析
時系列データを周波数領域で分析する手法を学ぶ。ピリオドグラムやパワースペクトル密度により、時系列に含まれる周期的成分を定量的に把握する。