• 아태비즈니스연구
• /
• 제14권1호
• /
• pp.149-169
• /
• 2023

Purpose - The main purpose of this study is to develop the stress test model for Korean banks by exploring the optimal Monte Carlo simulation and BIS forecasting model. Design/methodology/approach - This study selects 15 Korean banks as sample financial firms and collects relevant 76 quarterly data for the period between year 2000 and 2018 from KRX(Korea Excange), Bank of Korea, and FnGuide. The Regression analysis, Unit-root test, and Monte Carlo simulation are hired to analyze the data. Findings - First, most of the sample banks failed to keep 8% BIS ratio for the adverse and severely Adverse Scenarios, implying that Korean banks must make every effort to realize better BIS ratios under adverse market conditions. Second, we suggest the better Monte Carlo simulation model for the Korean banks by finding that the more appropriate volatility should be different depending on variables rather than simple two-sigma which has been used in the previous studies. Third, we find that the stepwise regression model is better fitted than simple regression model in forecasting macro-economic variables for the BIS variables. Fourth, we find that, for the more robust and significant statistical results in designing stress tests, Korean banks are required to construct more valid time-series and cross-sectional data-base. Research implications or Originality - The above results all together show that the optimal volatility in designing optimal Monte Carlo simulation varies depending on the country, and many Korean banks fail to pass sress test under the adverse and severely adverse scenarios, implying that Korean banks need to make improvement in the BIS ratio.

• 품질경영학회지
• /
• 제51권3호
• /
• pp.363-379
• /
• 2023

Purpose: The main objective of this research is to construct an AI-based Composite Supplementary Index (ACSI) model to achieve accurate predictions of the Composite Index of Business Indicators. By incorporating various economic indicators as independent variables, the ACSI model enables the prediction and analysis of both the leading index (CLI) and coincident index (CCI). Methods: This study proposes an AI-based Composite Supplementary Index (ACSI) model that leverages diverse economic indicators as independent variables to forecast leading and coincident economic indicators. To evaluate the model's performance, advanced machine learning techniques including MLP, RNN, LSTM, and GRU were employed. Furthermore, the study explores the potential of employing deep learning models to train the weights associated with the independent variables that constitute the composite supplementary index. Results: The experimental results demonstrate the superior accuracy of the proposed composite supple- mentary index model in predicting leading and coincident economic indicators. Consequently, this model proves to be highly effective in forecasting economic cycles. Conclusion: In conclusion, the developed AI-based Composite Supplementary Index (ACSI) model successfully predicts the Composite Index of Business Indicators. Apart from its utility in management, economics, and investment domains, this model serves as a valuable indicator supporting policy-making and decision-making processes related to the economy.

• Communications for Statistical Applications and Methods
• /
• 제18권2호
• /
• pp.237-244
• /
• 2011

In call forecasting literature, both the seasonal autoregressive integrated moving average(ARIMA) type models and seasonal linear models have been popularly suggested as competing models. However, their parallel comparison for the forecasting accuracy was not strictly investigated before. This study evaluates the accuracy of both the seasonal linear models and the seasonal ARIMA-type models when predicting intra-day call arrival rates using both real and simulated data. The seasonal linear models outperform the seasonal ARIMA-type models in both one-day-ahead and one-week-ahead call forecasting in our empirical study.

• Industrial Engineering and Management Systems
• /
• 제14권2호
• /
• pp.196-209
• /
• 2015

Retail sales forecast is a special area of forecasting. Its unique characteristics call for unique data models and treatment, and unique forecasting processes. In this paper, we will address lessons learned and challenges encountered in retail sales forecast from a practical and technical perspective. In particular, starting with the data models of retail sales data, we proceed to address issues existing in estimating and processing each component in the data model. We will discuss how to estimate the multi-seasonal cycles in retail sales data, and the limitations of the existing methodologies. In addition, we will talk about the distinction between business events and forecast events, the methodologies used in event detection and event effect estimation, and the difficulties in compound event detection and effect estimation. For each of the issues and challenges, we will present our solution strategy. Some of the solution strategies can be generalized and could be helpful in solving similar forecast problems in different areas.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2003년도 추계학술대회
• /
• pp.57-72
• /
• 2003

This article provides integrated neural network models for the interest rate forecasting using change-point detection. The model is composed of three phases. The first phase is to detect successive structural changes in interest rate dataset. The second phase is to forecast change-point group with data mining classifiers. The final phase is to forecast the interest rate with BPN. Based on this structure, we propose three integrated neural network models in terms of data mining classifier: (1) multivariate discriminant analysis (MDA)-supported neural network model, (2) case based reasoning (CBR)-supported neural network model and (3) backpropagation neural networks (BPN)-supported neural network model. Subsequently, we compare these models with a neural network model alone and, in addition, determine which of three classifiers (MDA, CBR and BPN) can perform better. For interest rate forecasting, this study then examines the predictability of integrated neural network models to represent the structural change.

• 전기학회논문지P
• /
• 제67권4호
• /
• pp.183-190
• /
• 2018

Predicting accurate electricity prices is an important task in the electricity trading market. To address the electricity price forecasting problem, various approaches have been proposed so far and it is known that linear regression-based approaches are the best. However, the use of such linear regression-based methods is limited due to low accuracy and performance. In traditional linear regression methods, it is not practical to find a nonlinear regression model that explains the training data well. If the training data is complex (i.e., small-sized individual data and large-sized features), it is difficult to find the polynomial function with n terms as the model that fits to the training data. On the other hand, as a linear regression model approximating a nonlinear regression model is used, the accuracy of the model drops considerably because it does not accurately reflect the characteristics of the training data. To cope with this problem, we propose a new electricity price forecasting method that divides the entire dataset to multiple split datasets and find the best linear regression models, each of which is the optimal model in each dataset. Meanwhile, to improve the performance of the proposed method, we modify the proposed localized linear regression method in the map and reduce way that is a framework for parallel processing data stored in a Hadoop distributed file system. Our experimental results show that the proposed model outperforms the existing linear regression model. Specifically, the accuracy of the proposed method is improved by 45% and the performance is faster 5 times than the existing linear regression-based model.

• 국제지역연구
• /
• 제16권3호
• /
• pp.53-73
• /
• 2012

본 논문에서는 금리 스프레드가 두 아시아 국가의 경기불황을 예측할 수 있는가를 살펴보았다. 이를 위해 세계시장에 상대적으로 개방이 많이 되어 있고 무역활동이 활발한 두 개의 신흥경제국가인 한국과 태국을 선정 하였다. 본 논문에서는 두 개의 국면(Two-regime Markov-Switching model)과 세 개의 국면(Three-regime Markov-Switching model)이 있는 마코프 국면 전환 모형을 이용하여 아시아 경제위기의 불황확률을 추정해 보았다. 추정결과 태국의 금리스프레드는 태국의 불황 확률을 반영하였으나 한국의 금리스프레드는 불황 예측을 하지 못하는 것으로 나타났다. 또한, 세 개의 국면이 있는 모형이 두 개의 국면 있는 모형보다 아시아 금융위기의 불황예측에서 우수함을 밝혔다. 또한 본 논문에서는 경기상승과 경기불황이 있을 때 얼마나 지속되는가의 지속성(Duration)을 추정하였다. 이는 경기가 불황으로 움직일 때는 생산이 급격히 감소하는 반면 저점을 찍고 경기가 살아날 때는 생산이 천천히 오른다는 경기불황과 호황의 비대칭적 움직임을 테스트 하였다. 한편 마코프 국면 전환 모형의 결과와 전통적으로 많이 사용되어 왔던 프로빗(Probit) 모형의 결과를 비교 분석 하였다. 마코프 국면전환 모형이 프로빗 모형보다 경기변동의 예측력을 크게 향상시키지는 못하는 것으로 나타났다.

• 한국전자거래학회지
• /
• 제7권3호
• /
• pp.121-137
• /
• 2002

SCM(Supply Chain Management) have been introduced in many companies for integrated management and improvement of business process. Recently, as internet and e-business concept are spread globally, the SCM concept is expanded from one internal company process to inter-company process, it makes a Global SCM concept. In this paper, we discuss the implementation of the Global SCM concept using e-business infrastructure, and propose SCM portal models. Four types of the SCM portal model are discussed, which are forecasting information sharing model, e-Marketplace-typed model, collaboration model and logistics information sharing model. The major concept of the SCM portal is to share information of supply chain process, it provide merits of scale to company. The result of this paper can be summarized as follows : First, the information sharing is very useful in the Global SCM. Second, the e-business infrastructure, especially e-Marketplace can be usefully used for implementation of SCM portal. Third, the M2M(Market to Market) function of e-Marketplace is a major function for implementing SCM portal.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.1-23
• /
• 2014

시장 예측은 일정 기간 동안 소비자에게 판매되는 동종 제품 또는 서비스의 수량 혹은 매출액의 규모를 추정하는 활동으로 정의할 수 있다. 정확한 시장 예측은 기업의 입장에서 새로운 제품의 도입시기 결정, 제품 설계, 생산계획 수립, 마케팅 전략 수립 등에 활용됨으로써 경영활동에 있어 효율적인 의사결정을 내릴 수 있게 하고, 정부의 입장에서는 발전 가능성이 있는 분야에 국가예산을 더 배분할 수 있는 효율적인 예산수립이 가능하게 한다. 본 연구는 정보통신기술(Information and Communication Technology: ICT) 분야의 제품 및 서비스에 대해서 과거의 시계열 자료를 이용하여 시장 성장곡선을 도출하고, 성장패턴이 비슷한 그룹으로 분류하여, 산업 내 시장에 대해 이해하고, 제품들의 미래 전망을 예측하는 데 목적이 있다. 다양한 아이템들을 통일되고 일관적인 방법으로 예측하기 위하여, 로지스틱 모형, 곰페르츠 모형, Bass 모형의 세 가지 전통적인 성장모형과 로지스틱 모형이나 곰페르츠 모형에서 도출되는 잠재시장 크기를 Bass 모형에 결합시킨 두 가지 하이브리드 성장모형을 개발하여 비교 분석하였다. 데이터 설명력이 우수한 로지스틱 + Bass 모형을 최적의 모형으로 선정하여 ICT 제품 및 서비스들 각각의 시장 성장곡선 모수를 확인하였다. 도출된 모수를 데이터로 하여, 자기조직화 지도 알고리즘을 통해, 5개의 의미 있는 영역으로 구분된 시장 성장패턴 지도가 구축되었는데, 각 영역별로 차별화된 특징과 성장패턴을 가지고 있었다. 본 연구에서 제안한 프로세스 및 시스템은 산업 시장 분석 시스템의 수요 예측 기능으로 활용될 수 있으며, ICT 산업뿐만 아니라 다양한 산업 및 분야에도 적용 가능할 것으로 기대된다.