연구실에서 VAR을 이용한 다변량시계열 분석을 하고 있습니다. 시계열 분석이 과거 값으로 변수의 계수 값을 얻는 것으로 알고 있습니다.
그런데 제가 해야하는건 A의 데이터로 구한 시계열 모델을 이용해서 B 데이터의 미래를 예측하는 겁니다. 이게 말이 되는건지 의문입니다.
위 그림을 두 사람 A, B의 시계열이라고 하겠습니다. 왼쪽이 A고, 오른쪽이 B입니다.
시계열 A로 어떤 모델을 구했습니다. 그런데 그 모델을 시계열 B에 곧바로 적용할 수 있는지, 아니면 적용한다는 것이 말이 안되는지 궁금합니다.
저는 말이 안된다고 생각하는게, 시계열로 모델을 구한다는게 과거 데이터를 기반으로 구하는거잖아요. 그러면 그 모델은 시계열 A의 모델이잖아요. 모델 A를 시계열 B에 적용하는게 말이 되나요?
예를들어 모델 A를 구했더니 Y(t) = 0.5 * Y(t-3) 이런식으로 나왔습니다. 이 식을 시계열 B에 적용하면 시계열 B를 예측할 수 있다는게 이해가 안갑니다. 시계열 B의 모델을 구했는데 모델 A와 다를 수도 있잖아요. 결국 같은 변수에 대한 시계열이라도 데이터가 다르면 모델을 따로 구해야하는게 맞지 않나요?
비유하자면 "삼성 주가를 예측하는데 쓰이는 변수와 애플 주가를 예측하는데 쓰이는 변수가 같다고 해도, 삼성 주가를 시계열 분석해서 얻은 식을 애플 주가를 예측하는데 쓸 수 있는가" 입니다...
다변량 모델이라며 그럼 모델이 하나인데 뭐가 문제
var을 하고있다고 해도 위와 같은 문제가 발생하지 않나요? 변수 a, b, c를 가지는 데이터 A를 예측한 것과, 변수 a, b, c를 가지는 데이터 B를 예측했을때, 두 모델의 결과는 다르지 않나요?
뭔 말인지 이해가 잘 안갑니다. VAR이라면 A, B 두 시계열이 있을 시 두 시계열 자체와 그것의 lagged variable로 나타나는 system 이잖아요. 다른 변수가 낄 건덕지가 없는데
다시 글을 보니 좀 이상하게 적힌 부분이 있네요. 사람마다 시계열을 가지고 있습니다. 주기적으로 측정한 건강 관련 데이터에요. 각 시계열을 A, B, C라고 하면 한 사람당 시계열 A, B, C를 가지잖아요. 그리고 사람마다 시계열 A, B, C를 갖지만 그 수치는 다를거잖아요. 예를들어 사람1은 시계열 A가 1, 2, 3, 4, 5, ... 라면 사람2의 시계열 A는 5, 4, 3, 2, 5, ... 이런식으로요.
위 상태에서 사람1의 시계열 A, B, C를 VAR을 이용해 모델을 만들었을 때, 그 모델이 사람2의 시계열 A, B, C에도 적용이 되는가가 질문이였습니다.
두 사람이 같은 모집단에서 나왔으면 괜찮은데 그 경우는 이론적으로 정당화 해야 하는거 아닐런지요. 예컨대 인간이라면 유전적으로 큰 차이가 없으니 인슐린 분비가 늘어나면 혈당이 줄어드는 정돈 큰 차이가 없다 이런 식으로.
내생각엔 var 보다도 그 데이터에선 factor analysis 같은게 더 적합해 보이지 않나 싶은데. 변수간의 comovement 같은걸 잘 보일 수 있으면 되는거 아닐까요?
보통 시계열 데이터 가정은 리얼라이제이션이 1번 밖에안되는거 아니냐 물론 여러개 나올순잇는데 예시를든 주가나 이런건 관측이 한번밖에안되서 적절한 예는 아닌듯