Python：時系列分析（その１） : 分析技術とビジネスインテリジェンス

Python pandasとstatsmodelsを用いた時系列分析についてまとめる。pandasは欠損値の処理や移動平均の算出に、statsmodelsはARIMAなど時系列解析の実施に用いるとよさそう。以下の内容について順次取り上げていきたい。 ●単純移動平均 ●自己相関関数（ACF：Auto Correlation Function） ●偏自己相関関数（PACF：Partial Auto Correlation Function） ●自己回帰過程：AR(p) ●自己回帰移動平均過程：ARMA(p, q) ●自己回帰和分移動平均過程：ARIMA(p, q, d) ●多変量自己回帰過程：VAR(p) ●状態空間モデル ARIMAまでがひとつの系列のみを対象とした分析。VARはARの多変量版で、ある系列を予測するのに他の系列のデータも活用する。状態空間モデルは、観測方程式と状態方程式（真の

[kazukichi_0914]

“●単純移動平均●自己相関関数（ACF：Auto Correlation Function）●偏自己相関関数（PACF：Partial Auto Correlation Function）●自己回帰過程：AR(p)●自己回帰移動平均過程：ARMA(p, q)●自己回帰和分移動平均過程：ARIMA(p, d, q)●多変量自