時系列データの「季節成分の周期期間」の検出方法（その1）自己相関分析による周期の長さの見つけ方

時系列データの「季節成分の周期期間」の検出方法（その1）自己相関分析による周期の長さの見つけ方

時系列モデルを構築するとき、季節成分をモデルに組み込むことが多いです。 季節成分をモデルに組み込む...概要を表示 時系列モデルを構築するとき、季節成分をモデルに組み込むことが多いです。 季節成分をモデルに組み込むには、その周期期間を知らなくてはなりません。 多くの場合、ドメイン知識（時系列モデルを活用する現場の知識など）をもとに、1年周期や7日間周期、24時間周期などとすることが多いです。 このように分かりやすいものもありますが、不明な場合もあります。 そもそも、本当にそうなのか、そうであっても組み込むほどのものなのか、という疑問もあります。 そこで登場するのが、季節成分の周期期間の検出技術です。 周期の期間とその強さの検出をするデータサイエンス技術で、例えば次のようなものが古くからあります。 自己相関分析 スペクトル分析 周期性テスト 今回は、自己相関分析による周期の長さの見つけ方を説明します。 自己相関とは？ 自己相関（Autocorrelation）を考えるとき、「ラグ」という概念抜きにしては語