時系列分析

時系列分析は、一定の時間順序で観測された売上、需要、温度、稼働率などのデータについて、時間依存性を保ったまま構造を分解・モデル化し、特徴把握、異常検知、将来予測を行う方法です。

■ 試験で押さえるポイント

• 代表的構成要素は長期的な傾向（トレンド）、一定周期の季節変動、より長い循環変動、不規則変動です。加法・乗法モデルなどで分解します。

• 移動平均、指数平滑、回帰、ARIMAなどを目的とデータ特性に応じて使い、自己相関、定常性、季節周期を確認します。

• 未来情報が過去の学習へ混入しないよう、訓練・検証はランダム分割でなく時間順に分け、予測時点以前のデータだけを使います。

• 構造変化、欠損、外れ値、営業日数、価格改定などを考慮し、過去パターンが将来も続くという前提を定期的に検証します。

■ 選択肢での判断ポイント

横断データと違い、観測順序と自己相関を無視できません。移動平均は短期変動を平滑化しますが、急変への追随は遅れます。

例: 直近3か月の需要が100、120、140なら単純3か月移動平均予測は$(100+120+140)/3=120$です。上昇トレンドが強い場合は過小予測になり得ます。