이 책은 시계열예측을 위한 실용가이드북(PTSF)으로서 시계열의 계량적 예측을 다루는 실습 개론서이다. 계량 예측이란 광범위한 영역에서 의사결정의 중요한 부분인데, 예를 들어, 경제예측, 작업량 예측, 판매예측, 운송수요 예측 등을 담당하는 많은 사업부서에서 수행하는 계량예측은 의사결정의 중요한 업무영역이다. 예측은 인구통계학, 기후학과 같은 경영학 이외의 분야에서도 또한 널리 사용되고 있다. 이 책은 독자들에게 실제로 사용되는 가장 대표적인 통계모형과 데이터마이닝 알고리즘을 소개한다. 예측 프로세스, 즉 목표정의에서부터 데이터수집, 시각화, 전처리, 모형구축, 성과평가, 모형 실행 및 설명 등에 이르기까지의 각 단계에서 발생하는 문제를 다룬다. 이 시계열예측을 위한 실용가이드북은 학부 고학년 및 대학원 과정의 예측 강좌에서 사용하기에 적합하다. 이 책은 명쾌한 설명과 예제, 각 장 끝의 연습문제와 사례연구를 제공하고, 무료 공개 소프트웨어인 R을 사용한 방법들을 예시한다.

󰠐CHAPTER 1󰠐 예측 시작하기 1.1 예측의 대상 1.2 기본적인 기호 표기 1.3 예측 프로세스 1.4 예측목표의 정의 󰠐CHAPTER 2󰠐 시계열 데이터에 대한 이해 2.1 데이터 수집 2.2 시계열 요소 2.3 시계열 시각화 2.4 상호작용방식의 시각화 2.5 데이터 전처리 󰠐CHAPTER 3󰠐 성과평가 3.1 데이터 분할 3.2 단순 예측치(또는 단순 예측모형) 3.3 예측정확도의 계산 3.4 예측 불확실성 평가 3.5 데이터 분할의 고급 기능: 롤 포워드(roll-forward) 분할방식에 의한 평가 3.6 예제: 두 모형의 비교 󰠐CHAPTER 4󰠐 예측기법의 개요 4.1 모델기반 기법과 데이터기반 기법 4.2 외삽법, 계량경제모형 및 외부정보 4.3 수동예측과 자동화된 예측 4.4 결합기법과 앙상블기법 󰠐CHAPTER 5󰠐 평활기법 5.1 평활기법의 개요 5.2 이동평균(moving average) 5.3 차분하기(differencing) 5.4 단순지수평활기법(simple exponential smoothing) 5.5 고급지수평활기법(advanced exponential smoothing) 5.6 R의 ets 함수를 이용한 지수평활기법의 요약 5.7 지수평활기법의 확장 󰠐CHAPTER 6󰠐 회귀기반 모형: 추세와 계절성 찾기 6.1 추세가 있는 모형 6.2 계절성이 있는 모형 6.3 추세와 계절성이 있는 모형 6.4 선택 모형으로부터 예측값 생성하기 󰠐CHAPTER 7󰠐 회귀기반 모형: 자기상관과 외부정보의 반영 7.1 자기상관 7.2 자기상관 정보의 반영을 통한 예측력 향상: AR, ARIMA 모형 7.3 예측가능성의 평가 7.4 외부정보 추가하기 󰠐CHAPTER 8󰠐 이진분류값 예측기법 8.1 이진분류값 예측하기 8.2 단순 예측치와 성과평가 8.3 로지스틱 회귀모형(Logistic Regression) 8.4 예제: 호주 멜버른의 강우 예측 󰠐CHAPTER 9󰠐 인공신경망 9.1 시계열 예측을 위한 인공신경망(neural networks) 9.2 인공신경망모형(neural network model) 9.3 전처리하기(pre-processing) 9.4 사용자 입력 9.5 R을 이용한 신경망 예측모형 9.6 예제: 암트랙 기차 승객수 예측하기 󰠐CHAPTER 10󰠐 모형의 결과보고 및 예측값 조정 10.1 예측결과의 보고 10.2 예측결과의 검토 10.3 예측보고서 작성 10.4 예측용 자료의 보관 10.5 분석가의 예측결과 조정 󰠐CHAPTER 11󰠐 사례연구 11.1 대중교통 수요 예측 11.2 관광객수 예측(2010 경진대회 1차 단계) 11.3 주가 방향성 예측(2010 INFORMS 경진대회)