시계열(time series) 분석

분석에는 R의 forecast package가 사용되었다.

BTC price data를 자세히 살펴보자.

시계열 데이터의 계절성 Seasonality, 추세 Trend, 무작위성 random을 요소 분해를 하면 다음과 같다.

[Augmented Dickey-Fuller Test ]
data: Deseasonal_BTC
Dickey-Fuller = -1.745, Lag order = 0, p-value = 0.6864
alternative hypothesis: stationary

Stationary로 볼 수 있다.

Series: Deseasonal
ARIMA(2,1,2)(2,0,1)[30] with drift

Coefficients:

------	ar1	ar2	ma1	ma2	sar1	sar2	sma1	drift
	1.3215	-0.5176	0.5384	-0.4185	-0.1080	-0.0062	0.1241	-0.4895
s.e.	0.0244	0.0183	0.0260	0.0253	0.6979	0.0180	0.6978	0.5812

sigma^2 estimated as 89.11: log likelihood=-32053.16
AIC=64124.32
AICc=64124.34
BIC=64188.01

Call:
arima(x = Deseasonal, order = c(2, 1, 2))

Coefficients:

	ar1	ar2	ma1	ma2
---	1.3221	-0.5177	0.5378	-0.4187
s.e.	0.0244	0.0184	0.0260	0.0253

sigma^2 estimated as 89.05:
log likelihood = -32054.93,
aic = 64119.87

예측가격	하한(80%신뢰구간)	상한(80%신뢰구간)	하한(95%신뢰구간)	하한(95%신뢰구간)
6909.450	6792.012	7026.888	6729.843	7089.057