• The Korean Journal of Financial Studies
• /
• v.11 no.1
• /
• pp.157-176
• /
• 2005

본 연구는 KOSPI자산 포트폴리오에 대한 VaR를 다양한 ARCH류 모형을 사용하여 추정하고 이들의 예측능력을 평가하였다. 활용된 모형은 우선 기본적인 GARCH(1,1)모형과 레버리지 효과를 감안한 TGARCH모형, 다양한 ARCH모형을 포괄할 수 있는 PGARCH모형, 변동성의 영속성을 고려한 IGARCH모형이 포함되었다. 모형 상호간의 성과비교에 추가하여 ARCH류 모형에서 수익률예측오차의 분포에 따라서 VaR의 예측성과가 얼마나 차이가 발생하는가를 확인하기 위하여 정규분포와 Student-t분포의 성과를 비교하였다. 마지막으로 VaR 추정시에 조건부평균을 무시하는 관례가 어느정도 타당성이 있는지를 확인하기 위하여 1시차 자기회귀과정에 입각한 조건부 평균을 감안한 결과를 검토하였다. ARCH류 모형에서 모형 설명력은 보다 정교한 모형인 TGARCH모형이나 PGARCH모형이 우월하게 나타났지만, VaR의 예측능력 우월성으로 이어지지는 않았다. Student-t분포를 가정한 경우 VaR모형 사후검증성과는 정규분포를 가정한 경우보다 모든 신뢰수준에서 개선되었으며, 조건부평균의 제거는 Student-t분포 가정하에서는 적합하지 않은 것으로 나타났다. ARCH류 모형에서 가장 단순한 형태인 IGARCH모형의 예측성과가 다른 모형들에 비하여 뒤떨어지지 않으며, 더욱 제약된 형태인 RiskMetrics의 EWMA모형이 사후검증에서 우수한 성과를 보여 단순한 모형의 유용성을 확인시켜주고 있다.

• The Korean Journal of Financial Management
• /
• v.11 no.1
• /
• pp.233-262
• /
• 1994

본 연구는 주식시장(株式市場)의 이상현상(異狀現象)중의 하나인 요일효과(曜日效果)(day of the week effect)를 전통적인 회귀분석(回歸分析)이 아닌 ARCH 또는 GARCH 모형을 사용하여 조건부(條件附) 평균수익률(기대수익률)(平均收益率(期待收益率)) 뿐만아니라 조건부(條件附) 분산(分散)에도 나타나는지에 대하여 분석하였으며, 규모별(規模別)에 따라 요일효과(曜日效果)에 어떠한 차이가 나타나는지를 분석하였다. 본 연구의 추정결과를 요약하면, 조건부(條件附) 평균수익률(기대수익률)(平均收益率(期待收益率)) 및 조건부(條件附) 분산(分散) 모두에 있어 요일효과(曜日效果)가 뚜렷하게 존재하는 것으로 나타났다. 즉, 조건부(條件附) 평균수익률(平均收益率)에 대해서는 월요일(月曜日)은 부(負)의 효과, 토요일(土曜日)은 정(正)의 효과가 나타났으며, 조건부(條件附) 분산(分散)에 대해서는 월요일(月曜日)은 정(正)의 효과가, 토요일(土曜日)은 부(負)의 효과가 발견되었다. 그러나 한국(韓國)의 주식시장의 본격적인 성장기이면서 주식가격의 등락이 심했던 $86\sim92$년(年)간의 표본기간 동안에는 조건부(條件附) 분산(分散)에 대한 요일효과(曜日效果)는 존재하였으나, 조건부(條件附) 평균수익률(平均收益率)에 대한 요일효과(曜日效果)는 존재하지 않는 것으로 나타났다. 그리고 소형지수(小型指數)가 중(中) 대형지수(大型指數)와는 다른 주가행태를 보이는 것으로 나타났으며, 다음과 같은 몇 가지의 규모별(規模別) 차이(差異)를 보였다. 첫째, 조건부(條件附) 평균수익률(平均收益率)에 대한 분석에서 중(中) 대형지수수익률(大型指數收益率)을 사용하였을 경우에는 요일효과(曜日效果)가 나타난 반면에, 소형(小型) 지수수익률(指數收益率)의 경우에는 화요효과(火曜效果)가 존재하는 것으로 나타났다. 둘째, 조건부(條件附) 분산(分散)에 대한 분석에서 정(正)의 공휴일효과(公休日效果)가 다른 규모별 지수수익률(指數收益率)의 경우에는 나타나지 많았지만 소형(小型) 지수수익률(指數收益率)의 경우에는 존재하는 것으로 나타났다. 세째, 소형(小型) 지수수익률(指數收益率)의 경우 모형 추정후의 정규잔차(定規殘差)(normalized residuals) 및 정규자승잔차(定規自乘殘差)(normalized squared residuals)에 대한 시계열상관(時系列相關) 검정결과 모형의 부적합성(不適合性)이 나타났다. 본 연구는 기존의 기대수익률(期待收益率) 위주의 요일효과(曜日效果) 분석에서 주식수익률(株式收益率)의 분산(分散) 즉, 변동성(變動性)에 촛점을 두어 분석하였으며, 이는 투자자의 정확한 위험측정(危險測定)수단의 제공이라는 면에서 의의(意義)가 있을 것으로 생각된다.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.1
• /
• pp.89-97
• /
• 2011

The aims of this study were to propose a method of estimation for mean residual life function (MRLF) from conditional survival function using the Buckley and James's (1979) pseudo random variables, and then to assess the performance of the proposed method through the simulation studies. The mean squared error (MSE) of proposed method were less than those of the Cox's proportional hazard model (PHM) and Beran's nonparametric method for non-PHM case. Futhermore in the case of PHM, the MSE's of proposed method were similar to those of Cox's PHM. Finally, to evaluate the appropriateness of practical use, we applied the proposed method to the gastric cancer data. The data set consist of the 1, 192 patients with gastric cancer underwent surgery at the Department of Surgery, K-University Hospital.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Communications for Statistical Applications and Methods
• /
• v.19 no.1
• /
• pp.107-115
• /
• 2012

Yoo and Cook (2007) developed an optimal sufficient dimension reduction methodology for the conditional mean in multivariate regression and it is known that their method is asymptotically optimal and its test statistic has a chi-squared distribution asymptotically under the null hypothesis. To check the effect of dimension used in estimation on regression coefficients and the explanatory power of the conditional mean model in multivariate regression, we applied their method to several simulated data sets with various dimensions. A small simulation study showed that it is quite helpful to search for an appropriate dimension for a given data set if we use the asymptotic test for the dimension as well as results from the estimation with several dimensions simultaneously.

• The Korean Journal of Applied Statistics
• /
• v.30 no.2
• /
• pp.203-213
• /
• 2017

We study estimation and inference of joint conditional distributions of bivariate longitudinal outcomes using regression models and copulas. We consider a class of time-varying transformation models and combine the two marginal models using Gaussian copulas to estimate the joint models. Our models and estimation method can be applied in many situations where the conditional mean-based models are inadequate. Gaussian copulas combined with time-varying transformation models may allow convenient and easy-to-interpret modeling for the joint conditional distributions for bivariate longitudinal data. We apply our method to an epidemiological study of repeatedly measured bivariate cholesterol data.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.23-23
• /
• 2018

본 연구에서는 다중분위회귀분석모형(Multiple Quantile Regression Model, MQRM)과 MODIS(MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상관측지점에서 관측한 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중분위회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 71개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중분위회귀분석 모형은 LST 인자를 중심으로 각각의 분위(0.05, 0.25, 0.5, 0.75, 0.95)에 해당되는 값의 회귀식을 NDVI, 강수 입력자료를 독립인자로서 조합하여 계절 및 토성에 따른 총 80개의 회귀식을 산정하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.70 (철원), 0.90 (춘천), 0.85 (수원), 0.65 (서산), 0.78 (청주), 0.82 (전주), 0.62 (순천), 0.63 (진주), 0.78 (보성)로 높은 상관성을 보였다. 본 연구에서는 다중분위회귀 모형의 성능을 검증하기 위해 기존의 다중선형회귀모형의 결과와 비교하여 크게 개선됨을 나타냈다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.103-104
• /
• 2017

본 연구에서는 다중회귀분석모형(MLRM)과 MODIS (MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상 관측지점에서 관측한 실측 LST와 MODIS LST의 R2는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 R2는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 68개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중회귀분석 모형은 각각의 입력자료를 독립인자로서 조합하여 12개의 시나리오를 만들었다. 시공간적 경향을 고려하기 위하여 계절별, 토양 토성(soil texture)를 구분하여 회귀분석을 실시하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.80 (철원), 0.90 (춘천), 0.80 (수원), 0.63 (서산), 0.77 (청주), 0.82 (전주), 0.52 (순천), 0.63 (진주), 0.99 (보성)로 높은 상관성을 보였다. 본 연구에서는 토양수분을 예측하기 위한 인자 중 가장 민간함 LST를 보정하지 않는 토양수분 예측 방법은 상당한 오차를 포함하게 되어 실측 토양수분 결과와 크게 차이가 나타남을 보여주었다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.3
• /
• pp.689-700
• /
• 2016

We study estimation and inference of the joint conditional distributions of bivariate longitudinal outcomes using regression models and copulas. For the estimation of marginal models we consider a class of time-varying transformation models and combine the two marginal models using nonparametric empirical copulas. Regression parameters in the transformation model can be obtained as the solution of estimating equations and our models and estimation method can be applied in many situations where the conditional mean-based models are not good enough. Nonparametric copulas combined with time-varying transformation models may allow quite flexible modeling for the joint conditional distributions for bivariate longitudinal data. We apply our method to an epidemiological study of repeatedly measured bivariate cholesterol data.