DOI QR코드

DOI QR Code

A Study on the Volatility Analysis of Economic Indicators Using Extended Bayesian Information Criteria

확장된 베이지안 정보기준을 이용한 경기지표의 변동성 분석 연구

  • Jeon, Jin-Ho (Dept. of Business Administration, Catholic Kwan-Dong University)
  • 전진호 (가톨릭관동대학교 경영학과)
  • Received : 2017.02.09
  • Accepted : 2017.04.07
  • Published : 2017.04.30

Abstract

The global economy, including Korea, has continuously searched for various market-friendly policies and new economic systems in pursuit of the forth industrial revolution. As a result, economic markets have grown, and factors affecting markets have diversified. Therefore, as for many company's decision makers, it has become an important issue to analyze and forecast markets accurately and effectively for rapid and appropriate decision making. In this study, we aim to improve the accuracy and validity of forecast models by applying extended information criteria in existing restricted information criteria to determine optimized modeling for the accurate analysis and prediction of complex market environments. In order to verify the practical use of the extended information criteria adopted in this study, we compare this study employing KOSPI data with previous studies. Experimental results show that applying extended information criteria is more accurate than using the existing information criteria.

우리나라 뿐만 아니라 세계경제는 산업화시대, 정보화시대를 거쳐 4차 산업혁명을 바라보는 현재까지 다양한 시장 친화적인 정책들을 지속적으로 수행하며 새로운 경제질서를 모색하고 있다. 그 결과 경제시장의 규모가 지속적으로 커짐과 동시에 시장 변화에 영향을 미치는 요인도 다양해졌다. 이에 따라, 많은 기업의 의사결정자들에게는 급격하게 동적으로 변화하는 경제시장에서 정확하고 효과적인 의사결정을 위해 경제시장을 정확하게 분석, 예측하는 문제가 의사결정자의 역량으로서 중요한 이슈가 되었다. 본 연구에서는 복잡 다양한 경제시장 환경의 정확한 분석 및 예측을 위한 최적화된 모델링의 결정을 위해 기존의 제한된 정보기준에서 확장된 정보기준을 적용하여 예측 모형의 정확도와 유성성을 향상시키고자 한다. 실험을 통해, 본 연구에서 적용된 확장된 정보기준의 유용성을 검증하기 위해 KOSPI 자료를 대상으로 실험한 본 연구와 기존의 연구를 비교한다. 실험 결과, 확장된 정보기준을 적용하는 것이 기존의 정보기준을 사용하는 것보다 향상된 예측정확도를 보여 유용성을 확인하였다.

Keywords

References

  1. Y. Kim., "Time Series Analysis and Prediction", Free Academy, 1990.
  2. J. Jeon, m. Kim., "A Study of Economic Indicator Prediction Model using Dimensions Decrease Techniques and HMM", The Journal of Digital Policy & Management, vol. 11, no 10, pp. 305-311, 2013.
  3. S. Shin., "Evaluation Exchange Rate of Artificial Neural Network and Moving Average Method", Finance Research, vol. 9, no. 1, pp. 103-135, 1995.
  4. J. Jeon, m. Kim., "A Study on Prediction the Movement Pattern of Time Series Data using Information Criterion and Effective Data Length", The Institute of Webcasting, Internet and Telecommunication, vol. 13, no. 1, pp. 101-107, 2013. DOI: http://doi.org/10.7236/JIIBC.2013.13.1.101
  5. M. Park, J. Ha, "HMM Topology Optimization using HBIC and BIC_Anti Criterion", The Journal of KIISE, vol. 30, no 9, pp. 867-875, 2003.
  6. J. Jeon, M. Kim, "Determination of Pattern Models using a Conversions of Time-Series Data Conversion Technique for the Prediction of Financial Markets", The Journal of Digital Convergence, vol. 13, no. 5, pp. 237-244, May, 2015. DOI: https://doi.org/10.14400/JDC.2015.13.5.237
  7. J. Jeon., "A Study on Determining Prediction Models using Model-based Clustering of Time Series Data", Dankook Univ Ph. D, 2007.
  8. A. Sorjamaa, et al., "Methodology for Long-Term Prediction of Time Series", Neurocomputing, pp. 178-186. Elsevier, 2007.
  9. P. Cheeseman, J. Stutz, "Bayesian Classification", Kluwer Academic Publishers, vol. 70. pp. 117-126, 1996.
  10. L. Rabiner., "A Tutorial on Hidden Markov Models and selected applications in speech recognition", Proc. of IEEE77, pp. 257-286, 1989. DOI: https://doi.org/10.1109/5.18626
  11. D. Heckerman, D. Geiger, D. Chekering, "A tutorial on learning with bayesian networks", machine Learning 20, pp. 197-243, 1995.
  12. J. Ha, B. Alain, S. Jayasheree, "Use of Model Prior for HMM Topology Optimization", The 4-th Korea-China Joint Symposium on Information Technology for Oriental Language Processing and Pattern Recognition, Nov, 2001.
  13. D. Li, A, Biem, J, Subrahmonia, "HMM Topology Optimization for Handwriting Recognition", ICASSP, 2001.
  14. http://htk.eng.cam.ac.uk/
  15. Y. Jung, J. Jeon, "A Fusion of the Period Characterized and Hirarchical Bayesian Techniques for Efficient Cluster Analysis of Time Series Data", The Journal of Digital Convergence, vol. 13, no. 7, pp. 169-175, May, 2015. DOI: https://doi.org/10.14400/JDC.2015.13.7.169