• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.713-722
• /
• 2020

Contrasted with the standard symmetric GARCH models, we consider a broad class of threshold-asymmetric models to analyse financial time series exhibiting asymmetric volatility. By further introducing power transformations, we add more flexibilities to the asymmetric class, thereby leading to power transformed and asymmetric volatility models. In particular, the paper is concerned with the nonstationary volatilities in which conditions for integrated volatility and explosive volatility are separately discussed. Dow Jones Industrial Average is analysed for illustration.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.8-8
• /
• 2018

전통적인 빈도해석은 정상성 가정을 기초로 단일 확률분포를 강우 및 홍수량 자료에 적용하는 과정을 통해 확률수문량을 추정하는 것을 목적으로 하고 있다. 그러나 전지구적인 기상학적 변동성 및 기후변화로 기인하는 극치수문량의 발생 빈도 및 양적 크기의 변화는 확률통계학적 관점에서 서로 다른 분포특성을 가지게 된다. 대표적인 기상변동성인 엘니뇨가 발생하는 경우 지역에 따라 홍수 및 가뭄이 발생 발생하게 되며, 이러한 극치수문량은 일반적으로 나타나는 홍수 및 가뭄의 분포특성과는 상이한 경우가 많다. 즉, 2개 이상의 확률분포 특성이 혼재된 혼합분포의 특성을 가지는 경우가 나타내게 되며 이를 고려한 빈도해석 기법의 개발 및 적용이 필요하다. 혼합분포를 활용한 빈도해석에서 가장 중요한 사항 중에 하나는 개별 분포에 적용되는 가중치를 추정하는 것으로서 통계학적 관점에서 자료의 특성에 근거하여 내재되어 있는 은닉상태(latent process)를 추정하는 과정과 유사하다. 이와 더불어 앞서 언급된 기상학적 변동성을 빈도해석에 반영하기 위한 비정상성 해석기법의 개발 및 적용도 필요하다. 본 연구에서는 혼합분포를 활용한 비정상성빈도해석모형을 개발하는데 목적이 있으며 개별매개변수의 동적거동 뿐만 아니라 가중치에 대한 시간적인 종속성도 고려할 수 있는 모형으로 동적모형으로 다양한 실험적 해석이 가능하다. 본 연구에서는 개발된 모형을 기반으로 엘니뇨와 같은 기상변동성에 따른 강우 및 홍수빈도해석 측면에서 은닉상태에 변화, 이로 인한 확률분포의 특성 및 설계수문량의 동적변동성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.345-345
• /
• 2012

정상성 기반의 전통적 극한치 이론은 기후변화 및 변동에 의한 외부변화 요인을 반영하기에는 한계가 있음이 지적되어왔다. 따라서 강우의 빈도분석 시 매개변수의 시간에 따른 변화를 반영한 비정상성 빈도분석 방법이 필요하다. 본 연구에서는 미호천 유역의 강우관측소 중 기상청에서 관리하는 청주 관측소 및 국토해양부에서 관리하는 가덕, 병천, 증평, 진천 관측소의 24시간 연최대치 강우자료를 대상으로 시간에 따른 경향성 분석을 하였다. 또한 자료의 경향성을 고려하여 비정상성 빈도분석을 하였고 외부상관기상변수로써 ENSO(El Nino Southern Oscillation)를 이용하여 비정상성 빈도분석을 실시하였다.

• The Korean Journal of Applied Statistics
• /
• v.34 no.4
• /
• pp.611-622
• /
• 2021

With a wide recognition that financial time series typically exhibits asymmetry patterns in volatility so called leverage effects, various asymmetric GARCH(1, 1) processes have been introduced to investigate asymmetric volatilities. A lot of researches have also been directed to non-stationary volatilities to deal with frequent high ups and downs in financial time series. This article is concerned with both asymmetric and non-stationary GARCH-type models. As a subsequent paper of Choi et al. (2020), we review various asymmetric and non-stationary GARCH(1, 1) processes, and in turn propose how to compare competing models using a parametric bootstrap methodology. As an illustration, Dow Jones Industrial Average (DJIA) is analyzed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.401-401
• /
• 2011

본 연구는 Bayesian MCMC(Markov Chain Monte Carlo)를 이용한 비정상성 빈도해석 모형에 외부기상인자를 결합하여 계절단위의 강수량을 예측하는데 목적을 두고 있으며, 그 중에서도 홍수 위험도와 관련하여 유용하게 이용될 수 있는 여름강수량을 예측 대상으로 하였다. 비정상성 빈도해석 모형을 기반으로 외부 기상인자에 의한 변동성을 고려하기 위해서는 대상 수문량을 한정할 필요가 있으며 극대치강수량과 연관성이 높은 장마전선, 태풍 등의 기상인자는 공간적 변동성 및 복합적인 특성들로 인해 예측인자를 구성하는 기상인자로 사용하기에는 무리가 있다. 따라서 본 연구에서는 계절단위의 수문량으로 여름강수량을 대상으로 하였으며, 이에 영향을 미치는 외부 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 도입하였으며, 낙동강유역 여름강수량과의 공간 상관성이 높은 지역의 이전 겨울 SST와 6월 OLR을 예측인자로 활용한 7~9월 여름강수량 예측모형을 구성하였다. 모형의 검증은 결과를 알고 있는 2010년 여름 강수량을 대상으로 수행하였으며, 모형의 적용은 현재시점에서 관측된 2010년 겨울 SST와, 과거 관측 자료를 토대로 가정된 2011년 6월 OLR을 이용하여 2011년 여름 강수량을 예측하였다. 결과적으로 모형 매개변수들의 사후분포로부터 불확실성 구간을 포함한 예측결과를 구할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.433-433
• /
• 2022

수자원 관리를 위한 설계수문량의 산정은 수문자료의 통계적 특성을 고려한 빈도해석을 통해 이루어지며, 대상 관측지점에 대해 개별적으로 수행되는 지점빈도해석과 수문학적으로 동질하다고 판단되는 지점들의 자료를 동시에 고려하는 지역빈도해석으로 분류된다. 기후변화에 의한 미래 수문량의 변동성을 고려하기 위해 비정상성 빈도해석이 요구되나 짧은 기록을 갖는 수문자료로부터 정확한 변화 추세를 평가하기 어렵다. 이에 따라 지역빈도해석을 통해 자료를 확충함으로써 자료에 대한 신뢰성을 확보하고 지역 전체에 대해 대표성을 갖는 확률수문량을 산정하는 것이 합리적이다. 본 연구에서는 극치강수량의 지역빈도해석에서 비정상성을 고려하기 위해 단순선형회귀 모형을 통해 시간항에 대한 강수량의 경향성을 탐지하였다. 계층적 Bayesian 모형을 통해 Partial Pooling 기법을 적용함으로써 기존 L-모멘트 방법(complete pooling)에서 고려하지 못하는 개별지역의 강수 특성을 고려하였으며 불확실성을 정량화하였다. 한강 유역 18개 지점의 극치강수량에 대해 비정상성 평가 결과 대부분 지점에서 양의 기울기를 확인하였으며 미래 빈도별 확률강수량의 증가율을 제시한다.

• The Korean Journal of Applied Statistics
• /
• v.36 no.2
• /
• pp.129-139
• /
• 2023

Forecasting volatility is essential to avoiding the risk caused by the uncertainties of an financial asset. Complicated financial volatility features such as ambiguity between non-stationarity and stationarity, asymmetry, long-memory, sudden fairly large values like outliers bring great challenges to volatility forecasts. In order to address such complicated features implicity, we consider machine leaning models such as LSTM (1997) and GRU (2014), which are known to be suitable for existing time series forecasting. However, there are the problems of vanishing gradients, of enormous amount of computation, and of a huge memory. To solve these problems, a causal temporal convolutional network (TCN) model, an advanced form of 1D CNN, is also applied. It is confirmed that the overall forecasting power of TCN model is higher than that of the RNN models in forecasting VIX, VXD, and VXN, the daily volatility indices of S&P 500, DJIA, Nasdaq, respectively.

• Journal of Wetlands Research
• /
• v.13 no.3
• /
• pp.499-514
• /
• 2011

An underlying assumption of traditional hydrologic frequency analysis is that climate, and hence the frequency of hydrologic events, is stationary, or unchanging over time. Under stationary conditions, the distribution of the variable of interest is invariant to temporal translation. Water resources infrastructure planning and design, such as dams, levees, canals, bridges, and culverts, relies on an understanding of past conditions and projection of future conditions. But, Water managers have always known our world is inherently non-stationary, and they routinely deal with this in management and planning. The aim of this paper is to give a brief introduction to non-stationary extreme value analysis methods. In this paper, a non-stationary hydrologic frequency analysis approach is introduced in order to determine probability rainfall consider changing climate. The non-stationary statistical approach is based on the conditional Generalized Extreme Value(GEV) distribution and Maximum Likelihood parameter estimation. This method are applied to the annual maximum 24 hours-rainfall. The results show that the non-stationary GEV approach is suitable for determining probability rainfall for changing climate, sucha sa trend, Moreover, Non-stationary frequency analyzed using SOI(Southern Oscillation Index) of ENSO(El Nino Southern Oscillation).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.452-452
• /
• 2017

지속가능한 물관리는 필요한 용수(생활 공업 농업 유지)를 안정적으로 공급하기 위한 이수측면과 홍수피해를 최소화하기 위한 치수측면을 포함한 수량관리와 맑은 물 공급, 친수환경 조성, 생태계 보존을 위한 수질환경관리로 구분된다. 지속가능한 물관리를 실현하기 위해서 필수적으로 분석되어야 할 과학적 요소는 물순환과 관련된 각종 인자들의 변동성이며, 물순환은 크게 인간의 할동으로 인한 변화요소와 기후적인 변화요소에 의해 급진적으로 또는 점진적으로 변화된다. 본 연구에서는 청미천 유역을 대상으로 하여 홍수에 관한 잠재적 위협요인의 분석을 위한 RCP 4.5 및 8.5 시나리오 극한강우 사상의 통계적 특성 분석, 기후변화 시나리오에 대한 가뭄예측을 위한 수문순환 모형을 구축 및 수문학적 가뭄의 분석, 미래 수질을 모델링을 위한 기초자료 수집 및 매개변수 보정과 같은 연구를 수행하였다. 특히 본 연구에서는 극한강우사상을 이용하여 청미천 유역에서 발생될 수 있는 확률홍수량을 정상성 및 비정상성 빈도분석을 이용하여 파악하였으며, 이를 활용하여 기후변화 시나리오가 고려된 청미천 유역에서의 홍수량을 분석하여 그 결과를 비교 분석하였다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1213-1229
• /
• 2016

Cho and Shin (2016) recently demonstrated that an integrated HAR model has a forecast advantage over the HAR model of Corsi (2009). Recalling that realized volatilities of financial assets have asymmetries, we add a leverage term to the integrated HAR model, yielding the LIHAR model. Out-of-sample forecast comparisons show superiority of the LIHAR model over the HAR and IHAR models. The comparison was made for all the 20 realized volatilities in the Oxford-Man Realized Library focusing specially on the DJIA, the S&P 500, the Russell 2000, and the KOSPI. Analysis of the realized volatility data sets reveal apparent long-memory and asymmetry. The LIHAR model takes advantage of the long-memory and asymmetry and produces better forecasts than the HAR, IHAR, LHAR models.