KUBIG 2023-1 활동 블로그

1. Contest 내용 주요 내용 : 주어진 종목과 기간에 맞추어 시계열 모델을 제작해 주식 종가 가격 예측하기 규칙 1) 종목 종류 : 삼성전자 (005930), 카카오 (035720), 하이브(352820) / 더네이쳐홀딩스(298540), 코엔텍(029960) 2) 기간 : 훈련(22-11-01 ~ 23-04-21) / 예측 (23-04-24 ~ 23-04-28) 참고 : 데이콘 주식 종료가격 예측 대회 월간 데이콘 주식 종료 가격 예측 Pre Competiton (with.데이커) - DACON 분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다. dacon.io 2. 진행 내용 2-1. 데이터 불러오기 및 전처리 !pip install finance-datareader ..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 27. 12:29

작성자: 17기 김연규 해당 포스팅은 Sean J Tay, Benjamin Letham의 'Forecasting at Scale' 논문 기반으로 작성되었습니다. https://peerj.com/preprints/3190.pdf 1. Introduction 시계열 분석은 생산관리나 수요 예측 등 산업 현장에서 자주 쓰인다. 그러나 다른 분석 및 예측과 달리 공통적인 한계를 보인다. 기존 프로그래밍 패키지에서 제공하는 완전자동화 예측 시스템은 튜닝하기가 어렵다. 비즈니스 관련 전문지식을 가진 전문가는 많은 반면에, 시계열 분석 전문가는 적다. 따라서 Facebook(현 Meta)은 scale이 가능한 시계열 분석 모델을 만들고자 했다. 여기서 scale은 하드웨어 관점의 컴퓨팅 파워가 아닌, 모델의 확장성을..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 11. 02:02

작성자: 17기 김연규 해당 포스팅은 포스텍 전치혁 교수님의 강의와 DMQA 김성범 교수님의 강의 내용을 바탕으로 작성되었습니다. http://www.kmooc.kr/courses/course-v1:POSTECHk+IMEN677+2021_T2/about 시계열분석 기법과 응용 시계열 데이터 분석을 통하여 시간에 따른 상관관계 등의 패턴 추출 및 이를 바탕으로 미래에 대한 예측을 위한 다양한 기법 학습 및 응용 능력을 배양한다. www.kmooc.kr https://www.youtube.com/watch?v=g2pXzSNwcAQ&list=PLpIPLT0Pf7IqSuMx237SHRdLd5ZA4AQwd ARIMA 모델 개요 1. Box-Jenkins ARIMA Procedure 데이터 전처리(변환, 차분) 시..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 10. 01:43

작성자: 17기 김연규 해당 포스팅은 DMQA 김성범 교수님의 강의를 바탕으로 작성되었습니다. https://www.youtube.com/watch?v=noFCkN6gXZ4&list=PLpIPLT0Pf7IqSuMx237SHRdLd5ZA4AQwd&index=8 지수 평활법 관련 1. 구간평균법 과거 시점의 일정기간(N)의 평균으로 다음 시점을 예측하는 방법. 1) N 결정 2) 과거 N기간 동안의 데이터를 평균 3) 예측 가장 간단한 방법이지만 한계가 명확하다. 1) 과거 n개의 데이터에 동일한 가중치를 줌 2) 미래의 예측값이 모두 동일함 2. 지수 평활법 단순 평균이 아닌 가중 평균(지수분포 모양에 근거하여 가중치 결정)을 이용하므로, 최근 데이터에 더 많은 가중치를 둔다. 2-1. 단순지수 평활법 1..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 10. 01:12

작성자: 17기 김연규 해당 포스팅은 "실전 시계열 분석" 교재를 바탕으로 작성되었습니다. 본격적으로 시계열 분석에 대해 공부하기 전에 시계열 분석과 관련된 용어를 정리하고 EDA 과정을 살펴보았다. 사전관찰 쉽게 이야기하면 미래의 어떤 사실을 안다라는 의미이다. 데이터를 통해 실제로 알아야 하는 시점보다 더 일찍 미래에 대한 사실을 발견한 것이다. 사전관찰은 시계열 데이터를 다루면서 가장 주의해야 할 문제이지만, 사전관찰을 제어할 자동화된 코드나 통계적 검증 방법이 없어서 항상 고민해야 한다. 데이터 재구성 일반적인 데이터와 달리 시계열 데이터에 특화된 방법 위주로 살펴보았다. 해결하고자 하는 문제에 맞게 데이터의 간격을 조정한다.(필요 이상의 시간 정보 누락) 사전관찰을 피하기 위해 가용 데이터를 생..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 10. 00:58

본 포스팅은 Facebook에서 발간한 Forecasting at Scale 논문을 정리한 내용입니다. 작성자: 17기 김희준 1. introduction 본 논문에서는 시계열 모델 및 방법론에 대한 지식은 거의 없고, 생성 프로세스에 대한 지식만 있는 비전문가가 구성할 수 잇는 시계열 모델을 제시한다. 이 모델은 예측과 평가뿐만 아니라 성능이 낮아지는 시기까지 감지할 수 있다. 또한 과거 데이터를 사용하여 미래를 추정하고, 문제가 있는 예측을 식별하는 평가 시스템을 설명한다. 전체 과정을 analyst in the loop automated라고 부른다. 먼저 각 매개변수를 간단히 분석가가 매긴 후 시계열을 모델링한다. 그 후 이 모델에 대한 예측 성능을 평가한다. 만약 성능이 좋지 않거나 잠재적인 문제..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 4. 22:37

https://tiny-guilty-ff3.notion.site/0404-Prophet-df3dc90f3f3545e78461fac33a59c621

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 4. 20:03

해당 게시물은 Forecasting at Scale을 참고하여 작성하였습니다. 저자는 Sean J. Taylor & Benjamin Letham 입니다. 1. Introduction forecasting은 데이터 사이언스의 공통 업무인데, 그럼에도 시계열 예측을 하는 것은 어렵다. 특히나 시계열 예측 전문가가 많이 없기 때문에 비즈니스를 위한 시계열 예측 Library를 만들게 되었다. 해당 이유로 인하여 prophet을 만들게 되었다. 1) 많은 사람들이 교육없이 시계열 예측을 하도록 함. 2) 잠재적으로 특이한 특징을 가진 다양한 예측 문제 존재. 3) 많은 수의 예측을 효율적으로 평가하고 비교하여 스스로 문제를 해결할 수 있도록 함. analyst-in-the-loop approach to fore..

심화 스터디/시계열 분석 스터디 (feat.금융) 2023. 5. 4. 19:01