[TS] 시계열 용어 정리

시계열(TS, Time Series) 논문을 읽다 보면, 의미가 헷갈리는 용어들이 있습니다!

오늘은 시계열 논문에서 자주 등장하지만, 매번 헷갈려서 검색해보는 단어들의 의미를 명확히 알아보겠습니다! 

 

1. Endogenous vs Exogenous

2. Variable vs Variate vs Variation vs Variance

---

1. Endogenous vs Exogenous

(1) Endogenous Variable (내생변수)

• 어원: Endo(내부) + Genous(생성)
• 의미: 모델 내부의 상호작용에 의해 값이 결정되는 변수. 즉, 우리가 예측하고자 하는 대상 (Target)
• 예시 (비트코인 예측): 과거 비트코인 가격 변수

 

(2) Exogenous Variable (외생변수)

• 어원: Exo(외부) + Genous(생성)
• 의미: 모델 외부에서 이미 결정되어 입력으로 들어오는 변수. 모델이 이 값을 바꿀 수는 없지만, 예측에 힌트를 주는 참고 자료(Condition)
• 예시 (비트코인 예측): 미국 금리, 소비자 물가 지수(CPI), 다른 코인 거래량 등

TimeXer 논문 내 이미지 (TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables)

• 내생변수 (Endogenous): $\mathbf{x}^{(1)}$
  • 과거 $\mathbf{x}^{(1)}$으로 미래 $\mathbf{x}^{(1)}$ 맞춤 
• 외생변수 (Exogenous): $\mathbf{z}^{(1)}, \mathbf{z}^{(2)}, \dots, \mathbf{z}^{(C)}$
  • 예측의 대상은 아니지만, 예측을 돕기 위해 참조만 하는 외부 요인

 

2. Variable vs Variate vs Variation vs Variance

(1) Variable: "가장 넓은 의미의 변수"

• 우리가 수학이나 프로그래밍에서 쓰는 일반적인 x, y 변수
• Target variable 타겟 변수, Exogenous variable 외생 변수

 

(2) Variate: "개별 채널 (Channel), 변수"

• 통계학에서는 '확률 변수의 실현값(구체적인 값)'을 뜻하지만, 딥러닝 시계열 논문에서는 '채널(Channel)', '피처(Feature)'와 동의어로 사용됨
• Multivariate Time Series 다변량 시계열, Variate-specific embedding 각 변수(채널)별 임베딩 

 

(3) Variation: "값의 움직임"

• 대상이 아니라 '상태'나 '동작' -> 값이 시간에 따라 오르내리는 변동이나 변화 양상 (Variance: 분산과 구별)
• Temporal variation 시간적 변동 (시간 흐름에 따라 값이 변화), Local variation 국소적 구간에서의 변화

 

(4) Variance: "계산된 통계적 수치 (분산)"

• 데이터가 평균으로부터 얼마나 퍼져있는지를 나타내는 통계적 척도($\sigma^2$)

---

"Capturing correlations among multiple variates to model temporal variation of each variable."

-> "다수의 변량(채널, 변수)들 사이의 상관관계를 포착하여, 각 변수의 시간적 변동을 모델링한다."