시계열 예측에서 one-step forecasting과 multi-horizon forecasting은 예측 기간에 따라 구분되는 두 가지 주요 방법이다.
One-step forecasting
One-step forecasting은 향후 하나의 시점에 대한 예측값을 생성하는 것이다. 이 방법은 현재 시점의 상태를 바탕으로 다음 관측값을 예측하기 때문에 직계 예측이라고도 한다. 예를 들어, 주식 시장에서 오늘의 데이터를 활용하여 내일의 주가를 예측하는 것이 one-step forecasting의 예다. 단일 스텝 예측은 일반적으로 빠르고 손쉽게 적용할 수 있으며, 단기 예측에 적합하다.
Multi-horizon forecasting
Multi-horizon forecasting은 향후 여러 시점에 대한 예측값을 생성하는 것이다. 예를 들어, 현재 시점으로부터 3일, 1주 또는 1달 후와 같은 향후 여러 시점에 대한 시계열 데이터 값을 예측하는 것을 의미한다. 이 방법은 장기적인 경향과 패턴을 분석하고 이해하기 위해 사용되며, 계획 및 전략적인 결정을 내리는 데 유용하다. 다만,측 시간 범위가 길어질수록 정확도가 낮아질 수 있으며, 모델 구축과 예측이 복잡해질 수 있다.
Multi-horizon forecasting에서는 일반적으로 두 가지 주요 접근법이 사용되며, 이는 iterative method와 direct method이다.
- Iterative Method: Iterative Method는 단일 스텝 예측 모델(one-step forecasting model)을 사용하여 연속적으로 여러 시점에 걸친 예측을 수행하는 방식이다. 이 방법에서는 먼저 한 시점을 예측 한 다음 그 예측값을 가지고 다음 시점을 예측하는 과정(auto regressive)을 원하는 시점 수만큼 반복한다. 예를 들어, 현재 데이터를 활용하여 먼저 t+1 시점의 값을 예측하고 이 값을 다시 활용하여 t+2 시점의 값을 예측, 이런 식으로 원하는 시점까지 반복적으로 예측한다. 반복 방법은 적용이 간편하지만, 예측 오차가 누적되어 long term 예측의 정확성이 저하될 수 있다.
- Direct Method: Direct Method는 예측 시점에 대해 별도의 예측 모델을 구축하는 방식이다. 예를 들어, 현재 시점에서 3일 후와 7일 후의 값을 예측하고자 한다면, 하나의 모델은 3일 후를 직접 예측하기 위해 개발되며, 다른 하나의 모델은 7일 후를 직접 예측하기 위해 개발된다. 이 방식의 장점은 각 시점에 대해 독립적인 예측이 수행되므로 예측 오차가 중첩되는 것을 방지할 수 있다는 점이다. 하지만, 각 예측 시점에 대한 별의 모델을 개발해야 하므로, 모델 구축과 관리비용이 증가할 수 있다.
