時系列データとは

時系列データは、時間の流れに沿って順番に記録されたデータです。1日ごとの売上、1時間ごとの気温、1秒ごとの機械の振動、株価の値動きなどが例です。

表データとの違い

顧客名簿のような表データでは、行を並べ替えても内容は変わりません。時系列データでは、順番そのものが情報です。今日の値は昨日の値に近いことが多く、データ点どうしが互いに関係しています。この性質を自己相関といいます。

時系列データには、よく次のような動きが含まれます。

• トレンド：長い期間にわたる上昇や下降の傾向。
• 季節性：曜日や月など、決まった周期で繰り返す変動。
• 循環変動：景気の波のように、周期が一定しない上下の動き。
• 不規則な変動：上の3つでは説明できないばらつき。

移動平均で細かな揺れをならすと、トレンドが見えやすくなります。

扱うモデル

統計的な手法では、自分の過去の値から次の値を予測するARモデルや、複数の系列を同時に扱うVARモデルがあります。ディープラーニングでは、前の時刻の情報を内部に保つRNNや、長い系列に強いLSTM・GRUが代表的です。1次元の畳み込みやTransformerが使われることもあります。

扱うときの注意

学習用と検証用にデータを分けるときは、時間の順序を守ります。無作為に分けると、未来のデータで学習したモデルで過去を予測することになり、本番より評価が甘くなります。これはデータリーケージの典型例です。過去の期間で学習し、それより後の期間で検証するのが基本です。