본 연구는 현재 통신서비스 산업에서 가장 많이 사용하고 있는 5개 예측모형(단순 성장 모형, 단순 Logistic 모형, Gompertz 모형, 확장 Bass 모형, 시간 변동 Bass 모형)을 이용한 초고속 인터넷 가입자에 대한 예측력을 비교 평가하는 데 있다. 예측모형의 추정 방법으로 비선형 회귀방정식(nonlinear regression)을 사용하여 추정의 효율성을 높였다. 예측력 비교분석 기준은 (i) 포화점에 대한 타당성 (ii) 모수에 대한 통계적 유의성 (iii) 실제치 대비 예측치에 대한 AAD 기준을 통하여 예측모형의 예측력을 비교 평가하였다. 본 연구에서 실시한 방법론에 따라 다섯 가지 통신서비스 예측모형의 예측력을 분석한 결과 가장 작은 AAD를 나타낸 예측모형은 Log-Logistic 모형으로 나타났으며, 가장 큰 AAD를 나타낸 예측모형은 단순 Logistic 모형으로 나타났다. 또한 AAD 기준에서 보면 일반적으로 많이 사용하고 있는 Gompertz 예측모형과 Bass 모형 중에서는 Gompertz 예측모형이 더 우월한 것으로 나타났다.
이 연구는 시계열분석(時系列分析)에 의해 주식수익율(株式收益率)의 변동성(變動性)을 예측하는 모델을 개발하고 그것에 의해 도출된 예측치(豫測値)의 실제변동성(實際變動性)에 대한 예측력(豫測力)을 미국의 주식시장자료를 사용하여 검증 비교하였다. 구체적으로 수익률변동성에 대한 (1) 역사적(歷史的) 변동성(變動性), (2) ARMAX 예측치(豫測値), (3) GARCH 예측치(豫測値) 등이 도출되고 그것들의 예측력이 통계적 비교와 회귀분석 등의 여러차원의 평가기준에 의해서 비교된다. 실증결과에 따르면 선택된 독립변수들에 근거한 ARMAX 예측치가 다른 예측치들 보다 모든 평가기준에서 우수한 예측력을 보였다. GARCH 예측치는 기대와는 달리 만족스러운 예측력을 보여주지 못했다. 본 연구에서 예측력이 실증된 ARMAX 예측치를 다양한 옵션가격결정모형의 변동성투입요소로 사용하는 것은 보다 정확한 옵션의 이론가격을 도출하는 데 크게 기여할 것이다. 또한, 이 논문의 실증결과는 각종의 자산가격결정이론, 수익률분포이론 등의 학문적 분야 뿐만 아니라 주식수익률 변동성의 동향이 일반투자자들의 투자전략에 결정적 영향을 미친다는 점에서 실무적인 관점에서도 시사하는 바가 크다고 할 것이다.
본 연구의 목적은 특정 금융기관의 주거래기업들에 대한 부실예측을 위해 주거래기업들을 잠식, 도산, 그리고 건전기업과 같이 세집단으로 구분하여 예측하고자 하며, 기업부실 예측력에 영향을 미치는 세 가지 요인으로서 표본구성, 투입 변수, 분석 기법의 관점에서 다음을 살펴보는 것이다. 첫째, 기업부실예측에서 전통적인 delta learning rule과 sigmoid함수를 사용한 역전파학습(신경망 I)과 이들의 변형형태인 normalized cumulative delta learning rule과 hyperbolic tangent함수를 사용한 역전파 학습(신경망 II)과의 예측력의 차이를 살펴보고 또한 이러한 두가지 신경망기법의 예측력을 MDA(다변량판별분석) 결과와 비교하여 신경망기법에 대한 예측력의 유용성을 살펴보고자 한다. 둘째, 세집단분류문제에서는 잠식, 도산, 건전기업의 구성비율이 위의 세가지 예측기법의 결과에 어떠한 영향을 미치는지를 살펴보고자 한다. 세째, 투입 변수선정은 기존연구 또는 이론을 바탕으로 연구자의 판단에 의해 선택하는 방법과 다수의 변수를 가지고 통계적기법에 의해 좋은 판별변수의 집합을 찾는 것이다. 본 연구에서는 이러한 방법들에 의해 선정된 투입변수들이 세가지 예측기법의 결과에 어떠한 영향을 미치는지를 살펴보고자 한다. 이러한 관점에서 본 연구의 실증분석 결과를 요약하면 다음과 같다. 1) 신경망기법이 두집단에서와 같이 세집단 분류문제에서도 MDA보다는 더 높은 예측력을 보였다. 2) 잠식과 도산기업의 수는 비슷하게 그리고 건전기업의 수는 잠식과 도산기업을 합한 수와 비슷하게 표본을 구성하는 것이 예측력을 향상하는데 도움이 된다고 할 수 있다. 3) 속성별로 고르게 투입변수로 선정한 경우가 그렇지 않은 경우보다 더 높은 예측력을 보였다. 4) 전통적인 delta learning rule과 sigmoid함수를 사용한 역전파학습 보다는 normalized cumulative delta learning rule과 hyperbolic tangent함수를 사용한 역전파 학습이 더 높은 예측력을 보였다. 이러한 현상은 두집단문제에서 보다 세집단문제에서 더 큰 차이를 나타내고 있다.
기업부실예측모형은 관련당사자들에게 부실위험을 사전에 경고함으로써 기업이 실제 부실화되는 경우 발생할 막대한 사회적 비용을 절감시켜 줄 수 있지만 지금까지 개발된 모형의 예측력은 그다지 만족스럽지 못하였다. 본 연구에서는 먼저 기존 부실예측연구의 한계 및 문제점들을 살펴보고, 철저한 실증분석에 근거하여 모형의 예측력 극대화에 실제적으로 기여하는 변수만을 선정함으로써 보다 높은 예측력을 가진 부실예측모형 개발을 시도하였다. 비금융 상장회사에 적용할 목적으로 개발된 본 모형의 자체예측력은 부실기업표본의 경우 85.3%, 비부실표본의 경우 95.1%으로써 기존의 모형들에 비하여 크게 향상되었고, 검정용표본을 이용한 예측력의 경우에도 부실표본 76.5%, 비부실표본 94.2%로서 대폭 개선되었다. 본 모형은 대출심사시 뿐만 아니라 기관투자가들이 주식 및 채권투자를 위한 기업분석에도 매우 유용하게 활용될 수 있고 특히 적격업체의 1차적 판별에 매우 유용할 것으로 예상된다.
This paper surveys research since the 1990s on the ability of the yield spread and its components (i.e., expectation spread and term premium components) for future economic activity, and also conducts an empirical analysis of their forecasting ability using the yield data of Korean government bonds. This paper's survey, particularly for the US, shows that the yield spread has significant predictive power for some macroeconomic variables, but since the mid-1980s, its predictive power seems to have declined, possibly due to stronger inflation targeting. Next, this paper's empirical analysis using Korean data indicates that the yield spread, and the term premium component in particular, has significant predictive power for industrial production (IP) growth, consumer price index growth, and the IP gap. An out-of-sample analysis shows that the prediction equations are unstable over time, and that in predicting IP growth, the yield spread decomposition makes a significant contribution to the prediction of IP growth.
본 연구는 세입증가율 예측을 위해 사용되는 각종 세수추계모형의 예측능력을 상호비교하는 데 목적이 있다. 본 연구에서 고려하는 세수추계 방식은 네 가지이다. 첫째는 단순 ECM 모형으로서 오차수정모형(error correction model)을 각각의 세목에 적용하여 세수를 예측하는 것이다. 둘째는 SUR-ECM 모형으로서 단순 ECM 모형의 개별 회귀방정식을 통합하여 SUR(Seemingly Unrelated Regression) 방식으로 추정한 후 이를 이용하여 세수를 예측하는 것이다. 셋째와 넷째는 흔히 사용되는 탄성치 방식으로서, 과거의 연도별 탄성치를 5년간 또는 10년간 평균하여 이를 바탕으로 향후의 세수를 예측하는 것이다. 이러한 모형비교를 통해 얻은 결과는 다음과 같이 요약될 수 있다. 첫째, 단순 ECM 모형과 5년 평균 탄성치 모형은 예측력에 있어 큰 차이가 없다. 둘째, SUR-ECM 모형과 10년 평균 탄성치 모형은 예측력에 있어 큰 차이가 없다. 셋째, 단순 ECM 모형보다는 SUR-ECM 모형의 예측력이 높으며, 5년 평균 탄성치 모형보다는 10년 평균 탄성치 모형의 예측력이 높다. 넷째, 어느 경우에든 예측 오차가 상당히 크고 이러한 오차는 예측시계가 넓어질수록 커진다. 예를 들어, 5년 후의 세수에 대한 예측치는 평균적으로 오차의 절대값이 10% 수준에 이른다. 탄성치 모형이 단순 ECM 모형이나 SUR-ECM 모형에 비해 그리 나쁜 예측결과를 낳지 않는다는 것은 새로운 사실이다. 또한 5년 평균 탄성치보다 10년 평균 탄성치를 사용하는 것이 더 나은 예측치를 낳는다는 것은 세수예측에 있어 최근의 자료만을 사용하는 것보다는 과거 꽤 오랜 기간의 자료를 사용하는 것이 바람직하다는 점을 시사한다.
A T-stub connection with high-strength bolts under tensile force is affected by prying action force and the contact force, among others, between members. If a design equation that does not consider such prying action force and contact force between members is not proposed, the T-stub under tensile force is liable to be fractured under the strength lower than the estimated design strength. To prevent it, many studies have proposed contact force estimation equations between members as well as the prying action force of the T-stub connection with high-strength bolts. However, no design equations based on such research have been proposed in South Korea. Therefore, this study aims to propose an estimation model for more accurate prying action force and contact force, and improve on previously proposed estimation models by implementing the three-dimensional, nonlinear finite element analysis. Throughout the results of three-dimensional, nonlinear finite element analysis, the prediction model proposed in this research for the prying action force and contact force of a T-stub provided much more accurate estimation than that of a existing prediction model previously suggested.
본 논문은 정면 밀링 가공에서의 절삭력 예측을 위한 수학적 모델을 설정하고 컴퓨터 시뮬레이션을 수행하였다. 실험으로 얻은 절삭력 데이터를 이용하여 비절삭 저항을 모델링하였고 컴퓨터 시뮬레이션을 통해 절삭력을 예측하였다. 예측된 절삭력은 실제 실험을 통해 얻은 절삭력과 비교하여 본 모델의 타당성을 검증하였다.
Journal of the Korean Data and Information Science Society
/
v.28
no.3
/
pp.635-645
/
2017
In this paper, we propose batting index prediction models of 2017. Due to the insufficiency of KBO pitchers data, batting index prediction models of 2016 has been developed based on elected eight batting index collecting the past three years data of MLB and KBO. It has been found that this prediction model fits well to both MLB and KBO, and the KBO model fits better than MLB in some cases. Using these prediction models, we analyzed and compared 2016's estimated values for the batting index of MLB and KBO. With the relation results between batting index prediction and batter's age for MLB and KBO, it can be determined that there is no relationship between the significant batting index and ages.
현재의 항공사 기내식 수요예측 시스템으로는 항공기 운항의 지연이나 초과 주문으로 인한 손실 문제를 해결하기 힘든 것으로 알려져 있다. 이러한 문제를 해결하기 위해 본 연구에서는 항공기 기내식 시계열 자료만을 입력변수로 사용한 단순인공신경망모형(simple neural network model), 단순인공신경망모형에 전통적인 시계열 기법(본 연구에서는 지수 평활법)의 예측 결과를 입력변수로 추가한 혼합인공신경망모형(hybrid neural network model), 그리고 혼합인공신경 망 모형에 상관관계가 높은 다른 시계열 자료(본 논문에서는 유사 노선의 다른 항공기 기내식 시계열 자료)를 인공신경망의 입력변수로 추가시킨 하이퍼혼합인공신경망모형(hyper hybrid neural network model)을 새로운 항공기 기내식 수요예측 기법으로 제안하고, 이들 모형의 예측력을 비교 분석하였다. 분석 결과 하이퍼혼합인공신경망 모형의 예측력이 가장 우수한 것으로 나타나, 인공신경 망을 기반으로 한 수요예측에 있어 상관관계가 높은 다른 시계열 자료를 입력변수로 추가함으로써 인공신경망모형의 예측력을 개선시킬 수 있음을 알 수 있었다
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.