データサイエンス Pythonで実証！時系列分析の実務でよくある課題と解決策（前処理・モデル選択・評価の判断軸）
時系列分析を実務で進めるとき、最初に何を確認し、どのように前処理やモデル候補を絞るべきかを Python で整理します。実質GDP、小売売上、複数系列の例を通じて、系列の構造確認から定常化、モデル選択前の判断軸までまとめます。
2026-04
データサイエンス 
データサイエンス Pythonで実証！複数系列の関係をVARで捉える（時系列データ同士の影響関係を見るには？）
時系列データを1本ずつ見るだけで十分でしょうか？本記事では、多変量時系列モデル VAR を使って、GDP・消費・投資の関係を Python で実証しながら、複数系列を同時に扱う意味と使いどころを整理します。
データサイエンス Pythonで実証！実データに時系列モデルを適用してみる（ARIMA・SARIMAはどう使い分ける？）
時系列データを定常化したあと、次に必要なのはモデル化です。本記事では、ARIMA と SARIMA を Python で比較し、季節性のある系列でどちらが自然なモデルになるのかを実データで確認します。
データサイエンス Pythonで実証！実データに定常化手法を適用してみる（株価・GDP・売上データ）
株価・GDP・小売売上という実データを使い、差分・トレンド除去・季節調整による定常化をPythonで実証します。非定常性の原因を見極め、図示とADF検定で処理前後を比較しながら、実務で使える前処理の考え方を整理します。