• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• 기술혁신연구
• /
• 제27권4호
• /
• pp.21-48
• /
• 2019

기초연구 분야는 정부의 적극적인 지원으로 양적 확대가 큰 폭으로 이루어지는 반면, 체계적인 투자계획이나 데이터에 기반한 재정소요를 제시하는 연구 및 정책자료가 전무하여 관련 연구가 요구되는 시점이다. 이에 본 연구는 시계열 예측모형을 활용하여 기초연구지원사업의 향후 재정소요를 전망하였다. 기초연구분야의 특성을 포함한 다양한 요인들을 종합적으로 고려하기 위하여 시간에 따른 단일 종속변수의 값을 예측하는 ARIMA 모형이 아닌, 다변수의 영향을 반영할 수 있는 ARIMAX 모형을 선택하였다. 모형 적합성 판단을 위해 ARIMAX 모형과 ARIMA 모형의 예측값을 비교한 결과 ARIMAX 모형에서 예측오차율이 개선됨을 확인하였다. ARIMAX 모형에 기반하여 2017년에서 2021년까지 5년 간의 기초연구지원사업 재정소요를 전망하였다. 본 연구는 기초연구지원사업의 재정소요를 통계적 접근방법인 시계열모형을 적용해 전망한 시범적 연구를 수행하였다는 점과, 단변량이 아닌 다변량을 고려하여 예측력을 개선했다는 점에서 의의를 지닌다. 또한 현 정부 국정과제인 '기초연구 예산 2배 확대' 등 기초연구 투자의 중요성이 꾸준히 강조되는 정책기조를 고려할 때 향후 기초연구 투자전략 수립 시 참고자료로 활용 될 수 있다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.1005-1013
• /
• 2017

본 연구에서는 태양광 발전량 예측에 필요한 일사량을 예측하기 위해 다양한 기상변수를 활용한 다중회귀, ARIMA, ARIMAX 모형을 사용하여 각 모형의 예측 성능을 비교하고자 한다. 예측에 사용된 변수와 시계열 모형에 대해 소개하고, 실제 일사량 예측에 적용하여 일사량을 예측한 결과 운량, 기온, 습도, 대기권 밖 일사량을 활용한 ARIMAX 모형의 성능이 가장 우수하였다.

• 응용통계연구
• /
• 제31권1호
• /
• pp.139-153
• /
• 2018

최근 정부의 친환경 정책에 따라 태양광 발전 설비가 지속적으로 증가하고 있다. 태양광 발전량은 에너지원인 태양의 특성상 계절에 따라 하루 중 발전이 이루어지는 시간이 일정하지 않다. 이러한 특성으로 인해 태양광 발전량 예측에서는 연속된 시간간격으로 수집된 자료에 적용할 수 있는 시계열 모형 적용에 어려움이 있다. 본 논문에서 제안하는 방법은 연속된 시간자료를 각 시간대 별로 분리, 재구성하여 24개의 (1시-24시) 일별 자료 형태로 예측에 활용하는 방법이다. 강원도 영암 태양광 발전소의 시간별 발전량 자료를 공공데이터포털에서 수집하여 연구하였다. 기존방법과 제안된 방법의 성능차이를 비교하기 위해 ARIMAX, 신경망(neural network model) 모형을 동일한 모형과 변수를 가지는 환경에서 성능차이를 확인하였다.

• 한국산업정보학회논문지
• /
• 제18권6호
• /
• pp.95-101
• /
• 2013

소셜 미디어 정보는 실시간으로 가장 최신의 정보의 획득을 가능하게 하며, 확산 속도가 빠르고 형태의 제약 없이 유연하게 생산 및 유통할 수 있다는 강점이 있으며, 최근 경제변수들의 예측에 있어서 소셜 미디어 정보를 이용한 예측의 활용 방안에 대한 논의가 활발히 이루어지고 있다. 본 논문에서는 실업률을 예측함에 있어 소셜 미디어 정보 유형 중 하나인 Google Index 정보를 이용하여 시계열 모형 중 하나인 ARIMAX 모형과 ECM 모형을 적합하였고, 모형의 예측력을 비교하기 위해 기존의 ARIMA 모형과의 비교를 수행하였다. 또한, 소셜 미디어 정보 이용에 있어 Google Index 뿐만 아니라 국내 소셜 미디어 정보인 News Index와의 결합을 통해 예측력의 제고 가능성을 확인하였다. 본 연구에서 다루어진 분석 절차와 통계적 모형의 적합과정은 실업률 외의 주요 사회, 경제지표에도 적용될 수 있다.

• 한국의류학회지
• /
• 제47권5호
• /
• pp.779-803
• /
• 2023

The growth of digital news media and the stock price index has resulted in economic fluctuations in the fashion industry. This study examines the impact of fashion industry news and macroeconomic changes on the Textile & Wearing Apparel KOSPI over the past five years. An auto-regressive integrated moving average exogenous time series model was conducted using the fashion industry stock market index, the news topic index, and macro-economic indicators. The results indicated the topics of "Cosmetic business expansion" and "Digital innovation" impacted the Textile & Wearing Apparel KOSPI after one week, and the topics of "Pop-up store," "Entry into the Chinese fashion market," and "Fashion week and trade show" affected it after two weeks. Moreover, the topics of "Cosmetic business expansion" and "Entry into the Chinese fashion market" were statistically significant in the macroeconomic environment. Regarding the effect relation of Textile & Wearing Apparel KOSPI, "Cosmetic business expansion," "Entry into the Chinese fashion market," and consumer price fluctuation showed negative effects, while the private consumption change rate, producer price fluctuation, and unemployment change rate had positive effects. This study analyzes the impact of media framing on fashion industry business cycles and provides practical insights into managing stock market risk for fashion companies.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1481-1489
• /
• 2014

한국 프로야구 총 관중수 예측에 대해 기존의 선행 연구에서는 주로 자기회귀누적이동평균 모형이 사용되고 있다. 본 논문에서는 공변량을 고려한 자기회귀누적이동평균 모형과 성장곡선 모형을 이용하여 프로야구 관중 수에 대한 예측 모형을 제시하고 기존의 선행 연구 모형과 비교하고자 한다. 공변량을 이용한 모형을 사용함으로써 기존의 선행 연구 모형보다 보다 개선된 예측력을 얻을 수 있었다. 이는 통계적 자료분석에서 한 가지 방법보다는 다양한 방법을 시도한 후 비교, 논의를 통하여 자료를 가장 잘 설명해 줄 수 있는 최적 방법을 찾아야 한다는 사실을 확인할 수 있다.

• 응용통계연구
• /
• 제35권2호
• /
• pp.189-201
• /
• 2022

본 연구는 외부 요인을 모형에 강화시켜 암호화폐 수익률 예측력을 향상시키는 방법에 대해서 다루고 있다. 고려한 요인으로는 크게 나누어 금융 경제적 요인 및 심리적 요인을 고려하였다. 먼저 금융 경제적 요인을 반용하기 위해서 주성분 요인을 사용하여 수 많은 변수를 차원축소를 통해서 모형에 반영하였다. 또한 심리적 요인을 위해서는 뉴스 기사 데이터를 활용하여 산출해낸 감성지수를 활용하였다. 이러한 요인들은 충격반응함수 분석을 통해서 요인들의 의미와 영향력을 시각화하였다. 또한 전통적인 ARIMAX 뿐 만 아니라 랜덤포레스트 및 딥러닝 모형을 활용하여 비선형성을 반영하였다. 그 결과 요인 강화가 암호화폐 수익률 예측력을 향상시킴을 실증분석을 통해 밝혔으며 그 중에서 딥러닝 모형인 GRU가 가장 좋은 예측 성능을 보임을 관찰하였다.

• Journal of Information Processing Systems
• /
• 제14권4호
• /
• pp.904-915
• /
• 2018

We demonstrate how social media content can be used to predict the unemployment rate, a real-world indicator. We present a novel method for predicting the unemployment rate using social media analysis based on natural language processing and statistical modeling. The system collects social media contents including news articles, blogs, and tweets written in Korean, and then extracts data for modeling using part-of-speech tagging and sentiment analysis techniques. The autoregressive integrated moving average with exogenous variables (ARIMAX) and autoregressive with exogenous variables (ARX) models for unemployment rate prediction are fit using the analyzed data. The proposed method quantifies the social moods expressed in social media contents, whereas the existing methods simply present social tendencies. Our model derived a 27.9% improvement in error reduction compared to a Google Index-based model in the mean absolute percentage error metric.

• 응용통계연구
• /
• 제34권5호
• /
• pp.723-734
• /
• 2021

빠르게 발전하고 있는 재생에너지 중 하나인 풍력에너지는 기후변화 대응에 맞추어 개발 및 투자가 이루어지고있다. 신재생에너지 정책과 발전소 설치가 추진됨에 따라 국내 풍력 보급이 점차 확대되어 수요를 정확히 예측하기 위한 시도들이 확대되고 있다. 본 논문에서는 전남지역과 경북지역의 풍력 발전량 예측을 위하여 시계열 기법인 ARIMA, ARIMAX 모형과 기계학습 모형인 SVR, Random Forest, XGBoost 모형들을 비교 분석하였다. 모형의 예측 결과를 비교하기 위한 지표로서 mean absolute error (MAE)와 mean absolute percentage error (MAPE)를 사용하였다. 2018년 1월 1일부터 2020년 10월 24일까지의 시간별 원 데이터를 차분한 후 모형을 훈련시켜 2020년 10월 25일부터 2020년 10월 31일까지의 168시간에 대한 풍력 발전량을 예측하였다. 모형의 예측력 비교 결과, Random Forest와 XGBoost 모형이 전남지역, 경북지역 순으로 가장 우수한 성능을 보였다. 향후 연구에서는 기계학습뿐 아니라 최근 활발한 연구가 이루어지는 데이터 마이닝 기법 기반의 풍력 발전량 예측을 시도할 것이다.