VAR 모형은 우리가 흔히 알고 있는 단변량 시계열 모형인 AR 모형을 다변량 시계열 모형으로 확장한 것입니다. 우리가 다변량 모형을 활용하는 이유는 변수들 사이의 상호관계를 모델에 반영하기 위함입니다. 따라서 VAR 모형을 이용해서 하나의 변수에 변동이 발생했을 때 다른변수는 어떻게 변화하는지를 확인할 수 있습니다. 이와 같은 특성은 복잡한 시스템의 동적 관계를 이해하는데 활용이 되며 특히 경제학에서 많이 활용되는 모형입니다.AR모형과 같이  VAR에 활용되는 모든 변수들은 Stationary를 만족해야만이 올바른 모형을 적합시킬 수 있습니다. 따라서 VAR모형에 적합하기전 각 변수들은 차분 등과 같은 방법을 활용하여 Stationary를 만족할 수 있도록 데이터를 변형해야 합니다.기본적인 VAR(p)..

지난 포스팅에 이어서, 이번 포스팅에서도 많이 활용되는 주요지표를 정리하고 talib을 활용하여 어떻게 계산할 수 있는지에 대해서 다루어보도록 하겠습니다. [RSI(Relative Strength Index)]RSI는 지난번에도 다룬적이 있지만, 기술적분석에서 활발히 활용되는 지표로, 현재 주가의 움직임이 어떠한 속도로 움직이고 있는지를 측정하는 지표입니다. 이를 활용해서, 과매수가 이루어지고 있는지 과매도가 이루어지고 있는지 확인할 수 있습니다. 보통 RSI 70~80 이상을 과매수, RSI 20~30 이하를 과매도 상태로 판단하게 됩니다. RSI의 계산 수식은 아래와 같습니다.여기서 RS는 특정기간에 평균 상승폭을 평균 하락폭으로 나눈 값입니다.   수식에서 확인할 수 있듯이 RS는 증가폭이 커지면 ..

TA-Lib은 기술적 분석을 위해, 주요 지표들을 쉽게 다룰수 있도록 지원해주는 Python 패키지입니다. 이 패키지에 대해서 간략하게 소개한적이 있지만( https://direction-f.tistory.com/110) 구체적인 활용예시들에 대해서는 다루지 않아, 이번 포스팅에서 주요 지표들과 함께 TA-Lib 활용 방법에 대해서 한번 정리해보겠습니다. TA-lib의 설치는 일반적으로 pip install을 활용하여 설치하기가 어렵습니다. 제가 앞서 정리하면서 활용했던 사이트도 사라지고, 조금씩 설치방법이 변경되는 것으로 보입니다. 따라서 Ta-lib 공식 페이지에서 어떻게 설치하는지 확인하시어 진행하는것이 좋을 것 같습니다. https://pypi.org/project/TA-Lib/ [이동평균선(SM..

앞선 포스팅에서 시계열 데이터에서 변하는 지점을 식별하는 알고리즘을 다뤘다면, 이번 포스팅에서는 시계열 데이터의 트렌드를 감지할 수 있는 방법에 대해서 다뤄보겠습니다. 트렌드는 증가/감소/방향없음으로 나타낼 수 있을 것입니다. Kat 패키지에서는 Mann-Kendall test라는 알고리즘을 활용하여, 현재 시계열 데이터가 어떤 트렌드를 가지고 있는지를 감지합니다. Mann-Kendall test는 시계열 기간에 있는 모든 지점에 대해서 이원비교를 수행하고 데이터 지점이 n개라고 한다면 총 비교 수는 n(n-1)/2가 됩니다. 모든 쌍을 대상으로 아래와 같이 indicator function을 활용하여 0인지 1인지 -1인지를 결정합니다. 그 후 indicator function들의 값을 합합니다. 활용..

시계열 데이터에서 change point는 시계열 데이터의 추세나 분포가 변화하는 지점을 뜻합니다. 따라서 변화점을 감지한다는 것은 어느 특정 지점에서 시계열 데이터의 평균이나 분포가 변화하였는지를 감지하는 것입니다. 이러한 시계열 데이터의 변화점을 감지하는 대표적인 알고리즘과 쉽게 적용할 수 있는 Python 라이브러리를 정리해보겠습니다. [CUSUM (cumulative sum) 방법] 해당 방법론은 change point 전,후로 평균이 변화한다고 가정하고 그 변화가 일어난 지점을 찾는 방법입니다. 이번 포스팅에서는 Facebook에서 제공한 시계열 분석 패키지 Kats 패키지를 활용하고자 하며, 해당 패키지에서 변화점을 감지하는 순서는 다음과 같습니다. 1) 초기 initial change poi..

금융시장에서 Outlier는 그 자체로 중요한 의미를 가질 수도 있고, 어떤 주식에서는 변곡점을 나타낼 수도 있습니다. 또는 그냥 이상현상일 수도 있습니다. 따라서 Outlier처리를 어떻게 할지는 또 다른 어려운 과제지만 먼저 Outlier을 어떻게 식별할지에 대해서 다루어 보도록 하겠습니다. 이번 포스팅에서는 Outlier 식별을 하는데 있어서 고전적인 방법을 다루도록 하겠습니다. 간단하지만 직관적이고 여전히 많이 활용되고 있는 방법입니다. [평균과 표준편차 활용] 시계열 데이터의 경우 rolling할 window를 정하고 해당 window에서 평균과 표준편차를 활용해서 얼마만큼 평균과 차이가 나는지를 확인하는 것입니다. 일반적으로 정규분포를 생각하면 "평균 + 3*표준편차"보다 특정값이 클 확률은 ..