• 한국항해항만학회지
• /
• 제44권1호
• /
• pp.44-52
• /
• 2020

세계적인 장기경기침체 속에서 보다 정확한 물동량 예측은 항만정책 수행에 중요하다. 따라서, 본 연구에서는 부산항 컨테이너 물동량(수출입화물과 환적화물)을 단변량 모형인 ARIMA 뿐만 아니라 인과관계가 있을 것으로 예상되는 경제규모(한국, 중국, 미국의 국내총생산), 금리수준 그리고 경기변동을 고려한 벡터자기회귀모형과 벡터오차수정모형을 활용하여 추정하고 비교하였다. 측정자료는 2014년 1월부터 2019년 8월까지 월별 부산항 컨테이너 물동량이다. 분석결과에 의하면, 수출입물동량 시계열은 비교적 안정적(stationary)이어서 VAR에 의해 추정하였고 환적화물은 불안정적(non-stationary)하지만, 경제규모, 금리 및 경기변동과 공적분(장기적인 균형관계)를 띠고 있어 VEC모형으로 추정하였다. 추정결과, 안정적인 수출입화물 추정에서는 단변량 모형인 ARIMA가 우수하고 추세가 있는 환적화물은 다변량모형인 VEC모형이 보다 예측력이 우수한 것으로 나타나고 있다. 특히 수출입화물은 우리나라 경제규모와 관련이 있고, 환적화물은 중국과 미국 경제규모와 밀접한 관련이 있다. 또한 중국 경제규모가 미국에 비하여 더 밀접하게 나타나고 있어 환적화물 증대전략에 시사점을 주고 있다.

• 시큐리티연구
• /
• 제19호
• /
• pp.1-21
• /
• 2009

민간경비 산업에서의 인력수요 예측은 협력 치안이 강조되는 현실에서 치안 정책과 관련된 주요 의사결정의 기초가 된다는 정책기능과 함께 장래 사회 구성원들의 올바른 진로선택에 도움을 줄 수 있도록 하는 정보기능도 수행한다는 점에서 정확한 예측이 요구되는 분야이다. 이에 최근 산업분야의 인력수요에서 보다 신뢰성 있는 수요예측을 위해 널리 활용되고 있는 ARIMA 모형을 이용하여 민간경비 산업에서의 인력 수요를 예측해 보았다. 본 연구에서는 과거 33년 치 연도별 시계열 자료를 이용하여 향후 5년 동안의 민간경비 인력 수요를 예측하였다. ARIMA 모형 설정의 기본 절차인 모형 식별 - 모수 추정 - 모형 적합성 진단을 통해 ARIMA(0, 2, 1) 모형을 최종모형으로 선정하였다. 이에 따라 민간경비 인력 수요를 예측한 결과 향후 5년 동안 지속적인 증가 현상을 확인할 수 있으며 그 증가폭 또한 전년 대비 최소 1.3%에서 최대 3.8%까지에 이를 것으로 전망할 수 있었다. 본 연구 결과를 토대로 경찰과 관련 업체에서의 향후 바람직한 대응전략들에 대하여 검토해 보았다.

• 한국콘텐츠학회논문지
• /
• 제22권1호
• /
• pp.214-223
• /
• 2022

본 연구의 목적은 외부경제요인을 고려할 수 있는 새로운 산업용지 수요예측 방법을 제시하는 것이다. 분석모형은 외생변수를 고려할 수 있는 ARIMA-X를 이용하였다. 외생변수는 경제 및 산업구조를 반영할 수 있도록 거시경제, 제조업 경기실사지수 및 경기종합지수 변수들로 구성된다. 그리고 예측은 외생변수 중 산업용지 공급보다 선행하는 변수만을 사용한다. 산업용지 공급에 선행성을 갖는 변수는 수입액, 민간·정부소비지출, 총자본형성, 경제심리지수, 기계류내수출하지수, 경기종합선행지수로 나타났다. 이들 변수를 이용하여 ARIMA-X 모형을 추정한 결과, 수입액 변수만 포함된 ARIMA-X(1,1,0) 모형이 통계적으로 유의한 것으로 나타났다. 산업용지 수요예측은 수입액의 변화 시나리오를 반영하여 2021년부터 2030년까지의 산업용지를 예측하였다. 그 결과, 장래 산업용지 수요는 연평균 1.91% 증가한 1,030.79 km²로 예측되었다. 이 결과를 기존 지수평활법과 비교한 결과, 본 연구의 결과가 기존 모형보다 예측오차가 더 적게 나타났다. 새로운 산업용지 예측모형으로 사용가능할 것으로 기대된다.

• 한국항해항만학회지
• /
• 제35권4호
• /
• pp.343-349
• /
• 2011

The forecasting of container volume which is the basis of port logistics facilities expansion has a great influence on development of an port. Based on this importance, various previous studies have presented methodology on container volume forecasting. The results of many previous studies pointed out the limitations of future forecasting based on past container volume and emphasized that more various factors should be considered to compensate this. Taking notice of this point, this study forecasted future container volume by using ARIMA model, time series analysis and System Dynamics (SD) method, a dynamic analysis technique and performed the comparative review with the forecast of the Ministry of Land, Transport and Maritime affairs. Recently with rapid changes in economic and social environment, the non-linear change tendency for forecasting container traffic is presented as a new alternative to the country.

• 한국대기환경학회지
• /
• 제4권2호
• /
• pp.72-81
• /
• 1988

The typical ARIMA model which was developed by Box and Jenkins, was applied to the monthly $SO_2$ data collected at Seoungsoo and Oryudong in metropolitan area over five years, 1982 to 1986. To find out the changing pattern of $SO_2$ concentration, autocorrelation and partial autocorrelation analysis were undertaken. The three steps of time series model building were followed and the residual series was found to be a random white noise. The results of this study is summarized as follows. 1) The monthly $SO_2$ series was found to be a non-stationary series which which has a periodicity of 12 months. After eliminating the periodicity by differencing, the monthly $SO_2$ series became a stationary series. 2) The ARIMA seasonal model of the $SO_2$ was determined to be ARIMA $(1, 0, 0)(0, 1, 0,)_{12}$ model. 3) The model equations based on the prediction were: for Seoungsoodong: $Y_t = 0.5214Y_{t-1} + Y_{t-12} - 0.5214Y_{t-13} + a_t$ for Oryudong: $Y_t = 0.8549Y_{t-1} + Y_{t-12} - 0.8549Y_{t-13} + a_t$ 4) The validity of the model identified was checked by compairing the measured $SO_2$ values and one-month-ahead predicted values. The result of correlation and regression analysis is as follows. Seoungsoodong: $Y = 0.8710X + 0.0062 r = 0.8768$ Oryudong : $Y = 0.8758X + 0.0073 r = 0.9512$

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• Communications for Statistical Applications and Methods
• /
• 제7권2호
• /
• pp.513-523
• /
• 2000

The X-12-ARIMA program was utilized on the analysis of the time series trend on 76 Korean industrial activities data in order to ensure that the trading day effect adjustment as well as the seasonal effect adjustment is needed to extract the fundamental trend-cycle factors from various economic time series data. The trading day effect is strongly correlated with the activity of production and shipping but not with the activity of inventory. Furthermore, the industrial activities were classified with respect to the sensitivity on the tranding day effect.

• Journal of Information Processing Systems
• /
• 제15권5호
• /
• pp.1201-1210
• /
• 2019

Stock price is characterized as being mutable, non-linear and stochastic. These key characteristics are known to have a direct influence on the stock markets globally. Given that the stock price data often contain both linear and non-linear patterns, no single model can be adequate in modelling and predicting time series data. The autoregressive integrated moving average (ARIMA) model cannot deal with non-linear relationships, however, it provides an accurate and effective way to process autocorrelation and non-stationary data in time series forecasting. On the other hand, the neural network provides an effective prediction of non-linear sequences. As a result, in this study, we used a hybrid ARIMA and neural network model to forecast the monthly closing price of the Shanghai composite index and Shenzhen component index.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.192-200
• /
• 2021

In the mid of the December 2019, the virus has been started to spread from China namely Corona virus. It causes fatalities globally and WHO has been declared as pandemic in the whole world. There are different methods which can fit such types of values which obtain peak and get flattened by the time. The main aim of the paper is to find the best or nearly appropriate modeling of such data. The three different models has been deployed for the fitting of the data of Coronavirus confirmed patients in Pakistan till the date of 20^th November 2020. In this paper, we have conducted analysis based on data obtained from National Institute of Health (NIH) Islamabad and produced a forecast of COVID-19 confirmed cases as well as the number of deaths and recoveries in Pakistan using the Logistic model, Gompertz model and Auto-Regressive Integrated Moving Average Model (ARIMA) model. The fitted models revealed high exponential growth in the number of confirmed cases, deaths and recoveries in Pakistan.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2003년도 추계학술대회 및 정기총회
• /
• pp.329-333
• /
• 2003

This study presents supplier buyer models representing the interactions between supplier and buyer under a long-term replenishment contract in a supply chain system. We established the models according to the economic power of each party. Analysis based on Stackelberg game theoretic approach is tried for each model. We develop methods for each agent to follow to complete a contract for the best interest of each participant.