가트(GART, Generalized Autoregressive Time-series)는 시계열 데이터 분석 및 예측을 위한 통계 모델 중 하나로, 주로 경제학, 금융, 기상 등 다양한 분야에서 활용된다. 가트 모델은 자기회귀(AR) 과정과 이동평균(MA) 과정의 결합으로 구성되어 있으며, 이 둘을 기반으로 한 일반화된 접근 방식을 통해 비정상적인 시계열 데이터를 처리할 수 있다.

가트 모델은 일반적으로 세 가지 주요 구성 요소로 이루어진다. 첫 번째는 자기회귀 부분으로, 이전 시점의 값들이 현재 시점의 값에 미치는 영향을 설명한다. 두 번째는 이동평균 부분으로, 과거의 오차항이 현재 값에 미치는 영향을 포착한다. 마지막으로, 외부 요인이나 설명 변수의 영향을 추가하는 경우도 있으며, 이는 GART에서 유용한 특징 중 하나이다.

가트 모델은 복잡한 시계열 데이터의 패턴을 포착하는 데 효과적이다. 특히 계절성, 추세, 그리고 외부 충격에 대한 반응을 모델링하는 데 적합하다. 이 모델을 사용하면 데이터의 예측 정확도를 높일 수 있으며, 통계적 검정과 진단 기법을 통해 잔차의 특성을 분석하여 모델의 적합성을 평가할 수 있다.

가트 모델은 다양한 변형이 존재하며, 각 분야의 특성에 맞춰 조정될 수 있다. 이 모델의 발전과 함께 가변성, 비선형성 및 비정상성을 반영하는 신뢰성 있는 예측이 가능해졌다. 현재는 기계 학습 기법과 결합하여 더 향상된 예측 능력을 가지는 새로운 형태의 모델들도 연구되고 있다.