본 연구는 백화점 고객이 신용 카드 신청 요구 시에 작성되는 가입 정보 및 사용되고 있는 고객의 거래 정보는 카드 사용 패턴으로 신용도를 예측하는 여러 방법론을 제시하고 성능을 비교하였다. 가입 정보를 분석하기 위해 역전파 신경망(Back-Propagation Neural Network, BPNN), 사례기반추론(Case-Based reasoning)을, 거래 정보를 분석하기 위해 역전파 신경망과 더불어 시간지연 신경망(Time-Delayed Neural Network, TDNN)을 각각 사용하여 그 결과를 비교하였다. 또한 전체시스템의 적중률을 높이기 위햐여, ID3와 신경망을 이용한 Meta-Leaning 방법을 제시하였으며, Meta-Learning 방법과 다른 방법들을 비교, 분석을 하였다. 본 연구에서는 모형 수립과 검증을 위하여 T백화점의 실제 신용 카드 가입 고객 데이터를 이용하여 실험하였다. 데이터의 성격에 따라 각 모델의 예측력에는 차이가 나타났으나, 신경망 모형의 예측력이 우수하였으며, 시간적 특성을 고려하는 시간지연 신경회로망 모형의 예측력은 더욱 우수하게 나타났다. 또한 Meta-Learning 모형을 사용하면 예측력이 더 높아진다는 것을 확인할 수 있었다.
This study investigates in-sample and out-of-sample predictive abilities of accruals and accruals components with respect to future cash flows using models developed by Barth et al.(2001). In tests, data collected fromda62 Korean KOSPI and KOSDAQ listed firms for ccr4-2007 are used. Results of in-sample prediction tests are similar with those of Barth et al.(2001). Their accrual components model is better than other three models(NI only model, CF only model and NI-total accruals model) in future cash flows predictive ability. That is, in the case of in-sample prediction, accrual components excluding amortization have additional information contents for future cash flows. But in out-of-sample tests, the results are different. The model including operational cash flows(CF only model) shows best out-of-sample predictive ability with respect to future cash flows among above four prediction models. The accrual components model of Barth et al.(2001) has worst out-of-sample predictive ability. The results are robust to sensitivity analyses. In conclusion, we can't find the evidence that accruals and accrual components have predictive ability with respect to future cash flows in out-of-sample prediction tests. This results are consistent with results of Lev et al.(2005), and inconsistent with the belief of accounting standards formulating organizations such as FASB and KASB.
This study used the OLS model to estimate the determinants affecting the tenure of a home and then compared the predictive power of each model with SVM, Decision Tree, Random Forest, Gradient Boosting, XGBooest and LightGBM. There is a difference from the preceding study in that the Stacking model, one of the ensemble models, can be used as a base model to establish a more predictable model to identify the volume of housing transactions in the housing market. OLS analysis showed that sales profits, housing prices, the number of household members, and the type of residential housing (detached housing, apartments) affected the period of housing ownership, and compared the predictability of the machine learning model with RMSE, the results showed that the machine learning model had higher predictability. Afterwards, the predictive power was compared by applying each machine learning after rebuilding the data with the influencing variables, and the analysis showed the best predictive power of Random Forest. In addition, the most predictable Random Forest, Decision Tree, Gradient Boosting, and XGBooost models were applied as individual models, and the Stacking model was constructed using Linear, Ridge, and Lasso models as meta models. As a result of the analysis, the RMSE value in the Ridge model was the lowest at 0.5181, thus building the highest predictive model.
80년 이후 최근까지의 우리나라 통화정책과 관련하여 세 가지 질문을 던지고 그에 대한 답을 찾고자 하는 것이 본 논문의 목적이다. 첫 번째 질문은, '중간표적으로 이용되어온 M2의 물가와 산출량에 대한 예측력은 어떻게 변하여왔는가' 하는 것이다. 본 논문에서는 Granger인과성 검정과 VAR을 이용한 예측오차분산분해를 통하여 시간의 흐름과 함께 M2의 예측력이 약화되어왔음을 보일 것이다. 두 번째 질문은, '그렇다면 그 원인은 무엇인가' 하는 것이다. 본 논문에서는 통화수요함수의 장기적 안정성에 대한 공적분 검정을 통하여 90년까지의 표본에서 발견되던 안정성에 대한 증거가 96년까지의 표본에서의 사라짐을 보이고, 이같은 통화수요함수의 안정성 상실을 M2의 예측력 약화의 원인인 것으로 해석할 것이다. 본 논문의 마지막 질문은, 'M2타깃팅의 실제 운영이 인플레이션 및 성장률 안정과 일관되게 추진되어 왔는가' 하는 것이다. 본 논문에서는 통화정책의 반응함수 추정을 통하여 80년 이후 우리나라의 통화정책이 기간에 따라 정책목표가 변화되어 왔음을 보일 것이다. 85년 이전에는 인플레이션의 안정이 추구되었으나 86년에서 92년까지의 기간에는 경기부양이 중점적으로 추구되었던 것으로 보이고, 최근에 이르러서는 인플레이션 안정과 성장률 안정이 비교적 균형되게 추구되고 있는 것으로 평가된다.
In a typical trend-cycle decomposition of GDP, the trend component is usually assumed to follow a random walk process. This paper considers an ARIMA trend and assesses the validity of the ARIMA trend model. I construct univariate and bivariate unobserved-components(UC) models, allowing the ARIMA trend. Estimation results using U.S. data are favorable to the ARIMA trend models. I, also, compare the forecasting performance of the UC models. Dynamic pseudo-out-of-sample forecasting exercises are implemented with recursive estimations. I find that the bivariate model outperforms the univariate model, the smoothed estimates of trend and cycle components deliver smaller forecasting errors compared to the filtered estimates, and, most importantly, allowing for the ARIMA trend can lead to statistically significant gains in forecast accuracy, providing support for the ARIMA trend model. It is worthy of notice that trend shocks play the main source of the output fluctuation if the ARIMA trend is allowed in the UC model.
Marketing managers hope to maximize the success rate of new products by satisfying various needs of consumers. For this, an analysis called 'conjoint analysis' has been frequently applied in the process of new product development. This study was performed to compare the predictability of diverse conjoint analyses in choice of general hospitals. The comparison was performed among four models of traditional conjoint analysis and choice-based conjoint analysis. Results show that the hybrid conjoint analysis, which combined the traditional conjoint analysis and the choice-based conjoint model showed the highest predictive accuracy. Still two models show similar estimates of utility.
Proceedings of the Korea Water Resources Association Conference
/
2011.05a
/
pp.224-224
/
2011
5대 주요 수계의 소수력자원에 대하여 연구를 수행하였고, 하천의 유량지속특성을 예측할 수 있는 모델이 개발되었으며, 이를 이용하면 강우사상으로 야기되는 유입량의 변화에 대한 분석이 가능하다. 또한 소수력발전소의 성능을 예측할 수 있는 모델도 개발되었다. 안동댐에서 측정된 월유입량 자료를 분석하였으며,. 본 연구를 통해 개발된 모델을 이용하여 예측한 결과는 안동댐에서 오랜기간 동안 측정된 결과와 거의 일치되는 것으로 나타났다. 이는 개발된 모델들이 소수력발전입지의 이용가능한 잠재량과 기술적 잠재량을 예측하는데 효과적인 것으로 밝혀졌다. 본 모델들을 이용하여 수계별로 소수력발전입지에 대한 수문학적 성능을 분석하였다. 분석결과 소수력발전 입지의 수문학적 성능특성은 수계별로 차이가 있는 것으로 나타났다. 특히 북한강과 낙동강수계에 위치한 소수력발전입지의 비설계유량과 비출력량은 다른 수계들 보다 차이가 큰 것으로 나타났다. 그림 1은 수계별 비설계유량에 따른 비출력량의 변화를 나타낸다.
Proceedings of the Korea Water Resources Association Conference
/
2010.05a
/
pp.769-773
/
2010
수계별 소수력자원의 특성에 대한 연구가 수행되었다. 이를 분석하기 위하여 유량지속특성을 예측할 수 있는 모델이 개발되었고, 이를 기반으로 하여 소수력발전소의 수문학적 성능특성을 예측할 수 있는 모델이 개발되었다. 개발된 모델의 효용성을 확인하기 위하여 안동댐에서 측정된 월유입량자료를 분석하였다. 안동댐에서의 장기유입량을 분석한 결과, 본 연구에서 개발된 예측모델로부터 획득한 결과가 실측자료와 잘 일치하였다. 본 연구에서 개발된 모델은 소수력발전지점의 수력가용량과 연간출력량을 예측하는데 유용하게 사용될 수 있다는 것이 밝혀졌다. 개발된 모델을 이용하여 주요 수계에 위치한 소수력발전입지의 수문학적 성능특성을 분석한 결과 수계별로 차이를 나타냈다. 특히 북한강수계와 낙동강수계에 위치한 소수력발전입지는 다른 수계에 위치한 소수력발전입지에 비하여 비설계유량과 비출력 등에 대한 수문학적 성능에 많은 차이를 나타냈다.
In the era of big data, various data mining techniques have been proposed as major analysis methodologies. As complex and diverse data is mass-produced, data mining techniques have attracted attention as a method that forms the foundation of data science. In this paper, we focused on the decision tree, which is frequently used in practice and easy to understand as one of representative data mining methods. Specifically, we analyzed the effect of the splitting method of decision trees on the model performance. We compared the prediction power and structures of decision tree models with different split methods based on various simulated data. The results show that the linear combination split method can improve the prediction accuracy of decision trees in the case of data simulated from nonlinear models with complex structure.
Proceedings of the Acoustical Society of Korea Conference
/
1993.06a
/
pp.242-246
/
1993
예측신경회로망 모델은 다층 퍼셉트론을 연속되는 음성특징 벡터간의 비선형예측기로 사용하는 동적인 음성인식 모델이다. 이 모델은 음성의 동적인 특성을 인식에 이용하고 연속음성인식으로의 확장이 용이한 우수한 인식 모델이다. 그러나, 예측신경회로망 모델은 음운학적으로 유사한 음성구간에서의 변별력이 낮다는 문제점이 있다. 그것은 기존의 학습 알고리즘이 다른 어휘와의 거리는 고려하지 않고 대상어휘의 예측오차만 최소화시키기 때문이다. 따라서, 본 논문에서는 직접 인식오차를 최소화시키는 GPD알고리즘에 의해 유사어휘간의 거리를 고려하는 변별력있는 학습 알고리즘을 제안한다.
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.