時系列分析とは
時系列分析（Time Series Analysis）とは、時間の経過に沿って収集されたデータ（時系列データ）のパターン、トレンド、周期性を分析し、将来の値を予測するための統計手法です。気象、金融、売上、センサーデータなど、時間軸を持つデータの分析に広く活用されます。
| ひとことで言うと | 時間の流れに沿って集めたデータから、傾向や周期を読み取り将来を予測する分析。 |
|---|---|
| どこで使う | 売上予測、需要予測、在庫計画、来客数の予測。 |
| 注意点 | データを無作為に分割してはいけない。必ず時間順に訓練・検証を分ける。 |
時系列データの構成要素
時系列データは一般に、トレンド（長期的な上昇・下降傾向）、季節変動（一定周期で繰り返すパターン）、循環変動（不規則な周期の変動）、不規則変動（ノイズ）の4つの成分に分解できます。これらの成分を理解することが適切なモデル選択の基礎となります。
1時系列を可視化まず折れ線で眺める
▶
2成分に分解傾向・季節・不規則
▶
3定常化する差分を取るなど
▶
4モデルを当てはめるARIMAなど
▶
5将来を予測信頼区間つきで示す
定常性と非定常性
多くの時系列分析手法は、データの定常性（平均や分散が時間によらず一定）を前提としています。非定常データは差分変換や対数変換により定常化します。ADF検定（拡張ディッキー-フラー検定）やKPSS検定で定常性を統計的に検定できます。
時系列分析の手法
古典的な手法にはARIMAモデル、指数平滑法、VAR（ベクトル自己回帰）モデルなどがあります。近年ではProphet、LSTMなどの深層学習手法、さらにTransformerベースのモデルも時系列予測に活用されています。