• The Korean Journal of Financial Studies
• /
• v.14 no.1
• /
• pp.41-56
• /
• 2008

주식 수익률이 정상적 과정이 아니라 비정상적 과정에 의해서 생성되고 있다는 사실이 여러 실증 분석에서 제시되고 있다. 시계열의 평균이 시간의 흐름에 따라 변하면 이 시계열은 비정상적 과정에 의하여 생성된다. 시간의 흐름에 따라 평균이 변하는 비정상 시계열은 단위근과 공적분에 의하여 시계열의 운동을 모형화하고 있다. 한편 시계열의 비정상성은 분산이 시간의 흐름에 따라 변할 때에도 발생한다. 시간의 흐름에 따라 무조건부 분산은 변하지 않고 있지만 이용 가능한 정보 집합을 조건으로 하는 조건부 분산이 변하는 경우도 있다. 이 같은 성질을 가진 주가 시계열은 자기회귀 조건부 이분산(ARCH) 계통의 과정으로 모형화하고 있다. 그러나 무조건부 분산이 시간의 흐름에 따라 변하면 ARCH 계통은 중대한 모형정립과오(misspecification)에 직면하게 된다. 따라서 본 논문은 무조건부 분산이 시간의 흐름에 따라 변할 때 자기 회귀 과정의 모수를 추정하는 방법을 검토하고, 이 방법을 한국 종합주가 지수에 적용하여 자기회귀 과정의 모수를 추정하였다. 이 방법에 의하여 추정된 2계 자기회귀 과정의 모수값 중 상수항과 제1계 항의 계수는 통상 최소자승법에 의한 값과 유사하다. 그러나 제2계 항 모수의 값은 양자가 상당히 다르다. 최소자승에 의한 제2계 값이 과대 추정되고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.671-673
• /
• 2016

기술의 발전에 따라 소형 디바이스에서도 데이터를 수집하고 전송하는 것이 가능해졌다. 따라서 최근 IoT와 헬스케어가 부각되고 있으며 여기서 발생한 데이터에 대한 많은 연구가 진행되고 있다. 그 중에서도 헬스케어 장비에 내장된 심전도 센서를 이용하여 시계열 데이터를 수집할 수 있고, 여기서 수집한 데이터는 부정맥 등의 심장질환 진단의 중요한 지표로서 사용될 수 있다. 시계열 데이터는 시계열 분석 방법을 사용하여 정상 패턴과 비정상 패턴으로 분류할 수 있지만, 대량의 시계열 분석 방법은 수행시간이 많이 소요되기 때문에 이를 단축 할 필요성이 있다. 본 논문에서는 시계열 데이터 분석 기법 중 하나인 Shapelet을 사용하여 심전도 데이터의 패턴을 정상 및 비정상으로 분류하였고, 병렬처리 기법을 적용하여 수행시간을 단축하였다. 실험 결과, 각각의 심전도 데이터는 87%의 정확도로 분류되었고, Shapelets을 탐색하는 구간의 병렬처리를 통하여 수행 시간이 약 60%로 감소하였음을 확인하였다.

• Journal of KIISE
• /
• v.41 no.12
• /
• pp.1066-1074
• /
• 2014

In this paper, we present a visual analytics system that uses serial-correlation to detect an abnormal event in spatio-temporal data. Our approach extracts the topic-model from spatio-temporal tweets and then filters the abnormal event candidates using a seasonal-trend decomposition procedure based on Loess smoothing (STL). We re-extract the topic from the candidates, and then, we apply STL to the second candidate. Finally, we analyze the serial-correlation between the first candidates and the second candidate in order to detect abnormal events. We have used a visual analytic approach to detect the abnormal events, and therefore, the users can intuitively analyze abnormal event trends and cyclical patterns. For the case study, we have verified our visual analytics system by analyzing information related to two different events: the 'Gyeongju Mauna Resort collapse' and the 'Jindo-ferry sinking'.

• The Korean Journal of Financial Studies
• /
• v.9 no.1
• /
• pp.95-118
• /
• 2003

한 시계열의 자기상관계수의 절대값을 시차를 무한대로 접근시켜 가면서 각 시차에 대하여 구하고 이 절대값을 모두 더한 값이 무한일 때 이 시계열은 장기기억을 가진다. 이로 인하여 장기기억 모수를 추정하는데에는 자기상관을 기본으로 한다. 표본의 자기상관과 이론적 자기상관 사이의 거리를 최소하여 추정통계량을 유도하고 있는 것이 일반적이다. 이 경우에는 정상적 과정에 한하여 적용이 가능하다. 시계열은 어느 시계열이던지 간에 이 시계열에 적합한 모형이 존재할 것이고 이 모형을 시계열에 적용하면 잔차 시계열을 얻을 수 있다. 원래 시계열의 이론적 상관 대신 원래 시계열의 잔차 시계열의 자기상관과 표본의 자기상관 사이의 거리를 최소하여 추정통계량을 얻으면 통계량의 계산이 편하고 이 추정량은 정상적 시계열과 비정상적 시계열에 다같이 적용할 수 있다. 본 논문에서는 잔차의 자기상관을 이용하여 자기회귀 분수적분 이동평균 과정의 모수 추정량을 도출한다. 그리고 이 추정 통계량에 입각하여 주가의 형성과정을 살펴보고 장기기억이 옵션가격과 포트폴리오 구성에 미치는 영향을 밝힌다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.1
• /
• pp.25-33
• /
• 2009

Recently, the TS fuzzy models that include the linear equations in the consequent part are widely used for time series forecasting, and the prediction performance of them is somewhat dependent on the characteristics of time series such as stationariness. Thus, a new prediction method is suggested in this paper which is especially effective to nonstationary time series prediction. First, data preprocessing is introduced to extract the patterns and regularities of time series well, and then multiple model TS fuzzy predictors are constructed. Next, an appropriate model is chosen for each input data by an adaptive model selection mechanism based on rough sets, and the prediction is going. Finally, the error compensation procedure is added to improve the performance by decreasing the prediction error. Computer simulations are performed on typical cases to verify the effectiveness of the proposed method. It may be very useful for the prediction of time series with uncertainty and/or nonstationariness because it handles and reflects better the characteristics of data.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.388-390
• /
• 2006

본 논문은 종합주가지수, 코스닥 지수의 시계열 일간 데이터의 위상분석을 통해 시계열간의 연관성을 분석하였다. 시계열의 데이터는 비선형, 비정상이다. 따라서 위상성분의 정확한 추출을 위해서 전통적인 수학적 방법이 아닌 순간 위상값을 이용한 새로운 신호분석 방법을 사용하여 두 시계열의 연도별 위상차의 왜도와 첨도값을 기준으로 시계열의 상관특성을 살펴보았다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.723-738
• /
• 2020

In this paper, we study a method to discriminate between trend stationary and difference stationary processes. Since a crucial ingredient of this discrimination is to determine the existence of unit root, we can use a unit root testing strategy. So, we introduce a discrimination based on unit root testing and propose the method using the adaptive lasso. Our Monte Carlo simulation experiments show that the adaptive lasso improves the discrimination accuracy when the process is trend stationary, but has lower accuracy than unit root strategy where the process is difference stationary.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.159-185
• /
• 2002

한 시계열이 비정상적과정에 의해 생성될 때 이 시계열의 정상성을 확보하기 위하여 시계열의 차분을 수행한다. 이 시계열에 I(1)을 적용하여도 정상적과정이 되지 못하는 경우가 존재하고 있다. 그러면 이 시계열은 과도한 차분과정을 거치게 된다. 따라서 차분모수 d는 0

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.97-104
• /
• 2000

본 논문은 m개의 독립적인 일차 비선형 시계열로 구성된 패널자료의 동질성 검정에 대한 연구로서 먼저 일반적인 일차 비선형 시계열의 정상성 조건을 유도하고 이어서 동질성 검정법을 제시하고 연관된 극한분포를 규명하였다. 또한 모의실험을 하여 제안된 검정법의 모의검정력을 구하였다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.16 no.6
• /
• pp.1-7
• /
• 2016

As new information and communication technologies evolve, security threats are also becoming increasingly intelligent and advanced. In this paper, we analyze the time series data continuously entered through a series of periods from the network device or lightweight IoT (Internet of Things) devices by using the statistical technique and propose a system to detect abnormal behaviors of the device or abnormality based on the analysis results. The proposed system performs the first level abnormal detection by using previously entered data set, thereafter performs the second level anomaly detection according to the trust bound configured by using stored time series data based on time attribute or group attribute. Multi-level analysis is able to improve reliability and to reduce false positives as well through a variety of decision data set.