• The Korean Journal of Applied Statistics
• /
• v.19 no.1
• /
• pp.33-41
• /
• 2006

In this paper, we analyse the volatilities in financial data such as stock prices and exchange rates in term of a class of nonlinear time series models. We compare the performance of Generalized Autoregressive Conditional Heteroscadastic(GARCH) , Integrated GARCH(IGARCH), Exponential GARCH(EGARCH) models by KOSPI (Korean stock Prices Index) data. The estimation for the parameters in the models was carried out by the ML methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.593-597
• /
• 2008

유역에서의 강우사상에 따른 일련의 수문학적 과정의 규명과 수자원의 효율적 관리를 위한 토양함수량을 산정하는데 토양수분의 시공간적 분포특성을 파악하는 것은 매우 중요하다. 연구유역은 경기도 파주시 적성면 설마리의 설마천 유역 내에 위치한 소유역이다. 대상유역의 정밀측량을 하여 수치고도모형(DEM)을 획득 하였다. 이 수치고도모형에 사용하여 수치지형분석을 통해 총 21지점을 선정하였다. 토양수분의 연직방향 변화를 알아보기 위해 각 지점의 10, 30, 60cm 깊이에 센서를 설치하여 토양수분을 측정하는 TDR (Time Domain Reflectometry)방식인 MiniTRASE를 이용하여 총 50채널을 통해 매 2시간 간격으로 토양수분의 변동을 관측하였다. 토양수분의 시공간적 분포특성을 분석하기 위해 획득된 자료를 바탕으로 시계열의 공간 분석 및 통계분석을 수행하였다. 토양수분 시계열에 대한 공간분석은 토양수분의 사면에서의 공간적인 분포가 사면의 지형적인 형상에 의해서 영향을 받는다는 것을 보여주고 있다. 그리고 통계분석을 통해 평균치의 표준편차가 대상 기간 동안 일정한 것으로 나타났고, 이는 대상사면에서의 토양수분 분포 특성이 기후나 식생의 변동성에 영향을 받지 않고, 지형이나 토질 같은 정적인 인자에 주로 영향을 받는다는 가설을 뒷받침한다. 이 결과는 토양수분의 시공간적 분포양상의 파악과 국내 사면에서의 수문기작들을 규명하는데 기여를 할 것으로 판단된다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.17-22
• /
• 2000

시계열 자료를 분석할 때 쉽게 접근하는 통계적 방법은 ARMA 모형이며 신경망 학습 방법 중에서는 다층 퍼셉트론에서의 Back-propagation 알고리즘이 일반적이다. Back-propagation을 비롯한 신경망 학습의 구조는 자료의 특성에 따라 경험적으로 결정하는 것으로 알려져 있다. 그러나 바로 이 점이 신경망 학습방법의 이용을 어렵게 하는 요인이기도 하다. 본 연구는 ARMA 모형 중 몇 개 유형의 자료에 대하여 Back-propagation 알고리즘을 적용함에 있어 어떠한 구조로 학습하는 것이 효율적인가를 입력층과 은닉층의 크기, 활성화 함수를 중심으로 검토하였다.

• Journal of Korea Water Resources Association
• /
• v.31 no.6
• /
• pp.769-777
• /
• 1998

In this study, various time series are analyzed to check nonlinearities of the data. The nonlinearity of a system can be investigated by testing the randomness of the time series data. To test the randomness, four nonparametric test statistics and a new test statistic, called the BDS statistic are used and the results and the results are compared. The Brock, Dechert, and Scheinkman (BDS) statistic is originated from the statistical properties of the correlation integral which is used for searching for chaos and has been shown very effective in distinguishing nonlinear structures in dynamic systems from random structures. As a result of application to linear and nonlinear models which are well known, the BDS statistic is found to be more effective than nonparametric test statistics in identifying nonlinear structure in the time series. Hydrologic time series data are fitted to ARMA type models and the statistics are applied to the residuals. The results show that the BDS statistic can distinguish chaotic nonlinearity from randomness and that the BDS statistic can also be used for verifying the validity of the fitted model.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.6
• /
• pp.991-998
• /
• 2009

This paper deals with directivity forecasting of time series which is useful for futures trading in stock market. Directivity forecasting of time series is to forecast whether a given time series will rise or fall at next observation time point. For directional forecasting, we consider time regression model and ARIMA model. In particular, we study two statistics, intra-model and extra-model deviation and then show usefulness of intra-model deviation.

• The Pure and Applied Mathematics
• /
• v.2 no.1
• /
• pp.67-82
• /
• 1995

경제학에서 분석하는 연도별 국민총생산액, 월별 소비자물가지수, 경영학에서 분석하는 어느 제품의 월별 판매량, 특정주식의 일별 종가 및 거래량, 기상학에서 관찰되는 일별 최고온도 및 최저온도, 태풍의 경로, 등등 여러 학문분야에서 접할 수 있는 통계자료들은 시간이 흐름에 따라 변하는 시계열자료(time series data)들이 많다. 따라서 대부분의 학문분야에서 시계열 분석이 필요하다.(중략)

• The Korean Journal of Applied Statistics
• /
• v.35 no.4
• /
• pp.553-568
• /
• 2022

The Household Income and Expenditure Survey is a representative survey of Statistics Korea, which aims to measure and analyze national income and consumption levels and their changes by understanding the current state of household balances. Recently, the disconnection problem in these time series caused by the large-scale reorganization of the survey methods in 2017 and 2019 has become an issue. In this study, we model the characteristics of the time series in the Household Income and Expenditure Survey up to 2016, and use the modeling to compute forecasts for linking the expenditures in 2017 and 2018. In order to evenly reflect the characteristics across all expenditure item series and to reduce the impact of a specific forecast model, we synthesize a total of 8 models such as regression models, time series models, and machine learning techniques. In particular, the noteworthy aspect of this study is that it improves the forecast by using the optimal combination technique that can exactly reflect the hierarchical structure of the Household Income and Expenditure Survey without loss of information as in the top-down or bottom-up methods. As a result of applying the proposed method to forecast expenditure series from 2017 to 2019, it contributed to the recovery of time series linkage and improved the forecast. In addition, it was confirmed that the hierarchical time series forecasts by the optimal combination method make linkage results closer to the actual survey series.

• The Korean Journal of Applied Statistics
• /
• v.18 no.1
• /
• pp.137-146
• /
• 2005

Neural network is one of the most notable technique. It usually provides more powerful forecasting models than the traditional time series techniques. Employing the Ensemble technique in forecasting model, one should provide a initial distribution. Usually the uniform distribution is assumed so that the initialization is noninformative. However, it would be expected a sequential informative initialization based on data rather than the uniform initialization gives further reduction in forecasting error. In this note, a modified Ensemble algorithm using sequential initial probability is developed. The sequential distribution is designed to have much weight on the recent data.

• The Korean Journal of Applied Statistics
• /
• v.26 no.6
• /
• pp.987-998
• /
• 2013

This paper considers the statistical characteristics on the air quality (PM10) of Korea collected hourly in 2011. PM10 in Korea exhibits very strong correlations even for higher lags, namely, long range dependence. It is power-law tailed in marginal distribution, and generalized Pareto distribution successfully captures the thicker tail than log-normal distribution. However, slowly decaying autocorrelations may confuse practitioners since a non-stationary model (such as changes in mean) can produce spurious long term correlations for finite samples. We conduct a statistical testing procedure to distinguish two models and argue that the high persistency can be explained by non-stationary changes in mean model rather than long range dependent time series models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.97-97
• /
• 2022

AI 모형을 적용한 도시지역 침수예측에 대한 연구는 꾸준히 수행되어 왔다. AI 모형을 이용해 도시침수예측을 하기 위해서는 모형에 강우자료를 학습시키게 되는데, 시계열 강우분포 자료를AI 모형의 학습자료로 사용하기에 자료의 양이 너무 많기 때문에 총 강우량만을 이용하여 도시침수예측을 수행한 바 있다(Kim et al., 2021). 하지만 총 강우량만을 AI 모형에 학습시킬 경우, 지속기간 동안 강우가 고르게 분포하는지 불규칙적으로 분포하는지에 대한 정보가 포함되지 않았기 때문에 침수예측력이 떨어질 수 있다. 따라서 본 연구에서는 시계열 강우자료의 통계치를 산정하여 AI 모형에 학습시킴으로써 강우분포특성을 고려한 침수예측을 통해 예측력을 높이고자 한다. 총 강우량만을 학습시킬 경우, 같은 지속시간에 같은 양의 강우가 내리더라도 고른 분포를 가진 강우에 의해서는 실제 침수는 작게 일어나므로 과대예측을, 전체 지속시간 중 특정 시간대에 편향된 분포를 가진 강우에 의해서는 실제 침수가 크게 일어나므로 과소예측을 하는 문제가 발생할 수 있다. 따라서 표준편차를 평균 강우량으로 나눈 값인 변동계수, 강우분포의 뾰족한 정도를 나타내는 첨도, 평균값에 대해 어느 방향으로 비대칭인지를 나타내는 왜도 값을 추가로 학습시킴으로써 시계열 강우자료 전체를 학습시키지 않고도 강우분포를 학습시키지 않았을 때 발생하는 과소·과대예측 문제를 해결할 수 있다. 또한 변동계수 대신 표준편차를 학습시키는 모형, 변동계수와 표준편차를 모두 학습시키지 않는 모형, 변동계수와 표준편차를 모두 학습시키는 모형과의 침수예측 결과 비교를 통해 표준편차와 변동계수 중 어떤 통계치를 학습시키는 것이 적합한지와 비슷한 통계치 자료를 모두 학습시켰을 때의 과적합 문제 등에 대한 결론를 얻을 수 있다.