시계열 모형들을 설명하고 각각의 장단점을 말해보세요.

주요 시계열 모형으로는 AR, MA, ARIMA, SARIMA, Prophet, LSTM 등이 있습니다. AR(자기회귀) 모형은 과거 값이 현재 값을 설명한다고 가정하며, 단기 예측에 단순하고 직관적이지만 비선형 패턴에는 약합니다. ARIMA는 AR과 이동평균을 결합해 추세와 잔차까지 처리하며, 정상성 가정이 필요합니다.

SARIMA는 계절성을 명시적으로 포함해 주기적 패턴이 있는 데이터에 유리합니다. Prophet은 계절성·휴일 효과를 자동으로 처리하고 결측치에 강하며 해석이 직관적이지만, 복잡한 비선형 패턴에는 한계가 있습니다. LSTM은 장기 의존성을 학습할 수 있어 복잡한 패턴에 강하지만, 학습 데이터가 많아야 하고 해석이 어렵습니다. 앞으로도 데이터 특성과 예측 목적에 따라 모형을 선택하는 방식을 유지하겠습니다. 앞으로도 데이터 특성과 예측 목적에 따라 시계열 모형을 선택하는 방식을 유지하겠습니다.

계절성이 있으면 SARIMA나 Prophet, 장기 비선형 패턴이면 LSTM이 더 적합합니다. 모형보다 피처 엔지니어링과 정상성 전처리가 예측 성능에 더 큰 영향을 주는 경우가 많습니다.