時系列データによく見られるトレンドには、時間とともに持続的に増加または減少する動き、時間の経過に伴う変動の拡大、そしてデータ全体に定期的に現れる谷と山といった周期的・季節的パターンがあります。
次のうち、時間とともにおおむね線形に成長しているパターンを示すのはどの時系列ですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、Rで時系列データを整理し、可視化する方法を学びます。時系列分析で広く用いられるいくつかの単純化の仮定と、金融時系列によく見られる特徴についても学びます。
この章では、トレンドの見つけ方を実践し、white noise（WN）モデル、random walk（RW）モデル、そして定常過程の定義を学びます。
現在の演習
この章では、相関係数を復習し、2つの時系列の比較に用いる方法に加えて、自己相関として時系列とその過去を比較する方法を学びます。自己相関関数（ACF）を理解し、時系列データの自己相関を推定・可視化する練習を行います。
この章では、自己回帰（AR）モデルとその基本的な性質を学びます。RでARモデルをシミュレーション・推定する練習を行い、random walk（RW）モデルとの比較も行います。
この章では、単純移動平均（MA）モデルとその基本的な性質を学びます。RでMAモデルをシミュレーション・推定する練習を行い、自己回帰（AR）モデルとの比較も行います。
