• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.279-279
• /
• 2020

최근 copula 모형은 여러 확률변수를 갖는 수문현상에 대해 빈도해석을 수행할 경우 결합확률분포형으로 유용하게 사용되고 있다. 하나의 자료를 확률변수로 사용하는 단변량 빈도해석에 비해 여러 수문자료를 동시에 각각 확률변수로 취하여 결합확률분포형을 추정할 수 있는 다변량 빈도해석은 수문자료의 상관성을 고려하면서 확률분포형을 추정할 수 있다는 장점이 있다. Copula 모형 중 Gumbel copula는 extreme-value 확률분포형으로 극치사상에 적합한 확률분포형이다. 본 연구에서는 Gumbel copula를 이용하여 우리나라 기상청 64개 종관기상관측소의 강우자료로부터 극치 강우사상을 추출하고, 이를 이용하여 빈도해석을 수행하였다. 극치 강우사상은 전체 강우사상 중 각 년도별로 최대강우량을 갖는 연최대강우량사상(annual maximum volume event)을 사용하였다. 각 확률변수의 주변분포형으로는 gamma, Gumbel, generalized extreme value, generalized logistic, Weibull 등 5개 확률분포형을 검토하였으며 각각 적합한 주변분포형을 적용하고 copula 모형의 매개변수는 의사최우도법(maximum pseudo-likelihood method)를 사용하여 추정하였다. 또한 추정된 copula 모형은 Cramer-von Mises 함수와 경험적 copula를 이용하여 적합도 검정을 수행하였다. 이를 통해 극치강우사상에 대하여 Gumbel copula 모형의 적용성을 검토하였으며 추정된 결합확률분포형을 이용하여 빈도별 확률강우사상을 2차원 등치선(contour line)형태로 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.183-183
• /
• 2015

수공구조물 설계 시 중요한 요소 중 하나인 확률강우량은 일반적으로 고정지속기간별 강우량에 대하여 일변량 빈도해석을 수행하고 가장 적절한 분포형을 선택하는 지점빈도해석의 과정을 거친다. 그러나 일변량 빈도해석을 수행하기 위해서는 지속시간을 고정하고 강우량의 변화로만 해석해야 단점이 있으며 이를 보완하기 위해 본 연구에서는 다변량 확률모형인 copula 모형을 이용하여 이변량 빈도해석을 수행하였다. 확률변수로는 강우량과 지속기간(hr)을 사용하였고, 주변분포형으로 강수량 - Gumbel (GUM), generalized logistic (GLO) 분포형, 지속기간(hr) - generalized extreme value (GEV), GUM, GLO 분포형을 사용하였으며, copula 모형은 Gumbel-Hougaard 모형을 이용하였다. 주변분포형의 매개변수는 일반적으로 가장 많이 사용하는 확률가중모멘트법을 이용하여 추정하였으며, copula 모형의 매개변수는 maximum pseudolikelihood(MPL) 방법을 사용하였다. 이를 통해 얻어진 이변량 빈도해석의 확률강우량 결과와 기존 지점빈도해석의 결과를 비교하였다.

• Journal of Korea Water Resources Association
• /
• v.45 no.8
• /
• pp.827-837
• /
• 2012

The estimation of the rainfall quantile is of great importance in designing hydrologic structures. Conventionally, the rainfall quantile is estimated by univariate frequency analysis with an appropriate probability distribution. There is a limitation in which duration of rainfall is restrictive. To overcome this limitation, bivariate frequency analysis by using 3 copula models is performed in this study. Annual maximum rainfall events in 5 stations are used for frequency analysis and rainfall depth and duration are used as random variables. Gumbel (GUM), generalized logistic (GLO) distributions are applied for rainfall depth and generalized extreme value (GEV), GUM, GLO distributions are applied for rainfall duration. Copula models used in this study are Frank, Joe, and Gumbel-Hougaard models. Maximum pseudo-likelihood estimation method is used to estimate the parameter of copula, and the method of probability weighted moments is used to estimate the parameters of marginal distributions. Rainfall quantile from this procedure is compared with various marginal distributions and copula models. As a result, in change of marginal distribution, distribution of duration does not significantly affect on rainfall quantile. There are slight differences depending on the distribution of rainfall depth. In the case which the marginal distribution of rainfall depth is GUM, there is more significantly increasing along the return period than GLO. Comparing with rainfall quantiles from each copula model, Joe and Gumbel-Hougaard models show similar trend while Frank model shows rapidly increasing trend with increment of return period.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.4
• /
• pp.797-810
• /
• 2017

The Korean peninsula is exposed to typhoons every year. Typhoons cause huge socioeconomic damage because tropical cyclones tend to occur with strong winds and heavy precipitation. In order to understand the complex dependence structure between strong winds and heavy precipitation, the copula links a set of univariate distributions to a multivariate distribution and has been actively studied in the field of hydrology. In this study, we carried out analysis using data of wind speed and precipitation collected from the weather stations in Busan and Jeju. Log-Normal, Gamma, and Weibull distributions were considered to explain marginal distributions of the copula. Kolmogorov-Smirnov, Cramer-von-Mises, and Anderson-Darling test statistics were employed for testing the goodness-of-fit of marginal distribution. Observed pseudo data were calculated through inverse transformation method for establishing the copula. Elliptical, archimedean, and extreme copula were considered to explain the dependence structure between strong winds and heavy precipitation. In selecting the best copula, we employed the Cramer-von-Mises test and cross-validation. In Busan, precipitation according to average wind speed followed t copula and precipitation just as maximum wind speed adopted Clayton copula. In Jeju, precipitation according to maximum wind speed complied Normal copula and average wind speed as stated in precipitation followed Frank copula and maximum wind speed according to precipitation observed Husler-Reiss copula.

• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.267-277
• /
• 2016

This paper considers we consider the estimation of copula parameters based on residuals in stochastic regression models. We prove that a semiparametric estimator using residual empirical distributions is consistent under some conditions and apply the results to the copula-ARMA model. We provide simulation results for illustration.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.229-229
• /
• 2016

현재 국내외에서 제공되고 있는 기후변화 시나리오 자료의 경우 일단위로 제공되고 있다. 그러나 수자원 설계 및 계획 시 중요한 입력자료 중 하나는 시간단위 강우 자료이다. 이러한 시간단위 자료는 강우-유추 분석, 댐 설계 및 위험도 분석에 있어 중요한 입력 변수중 하나이므로 기후변화 시나리오에 따른 영향을 평가하기 위해선 신뢰성 있는 상세화 기법이 필요하다. 국내외에서는 일단위에서 일단위로 상세화 하는 기법, 또는 공간상세화 기법 연구는 상당히 진행된바 있는 반면, 시간단위 상세화 기법 연구는 일단위 연구에 비해 상대적으로 미진한 실정이다. 즉 일단위 상세화 기법의 경우 Weather generator, Weather typing 등 다양한 기법이 존재하고 이를 활용한 연구사례가 많지만, 시간단위 상세화 기법의 Poisson 기법을 활용한 사례가 다수 존재하였다. 이러한 이유로 본 연구에서는 기후변화 시나리오에 따른 영향을 평가하기 위해 Bayesian 기법을 도입하여 신뢰성 있는 시간단위 강우량을 생성할 수 있는 모형을 개발하였으며, 연대별로 산정된 결과는 빈도해석을 통해 미래 확률강우량을 제시하였다. 본 연구에서 제안하고자 하는 Bayesian Copula 모형은 기존 주변확률분포(marginal distribution) 매개변수와 Copula 매개변수 추정시 각각 다른 기법을 활용하여 추정하며, 각각 모형에서 발생하는 불확실성은 추정하지 못하는 반면, Bayesian Copula 모형의 경우 매개변수의 사후분포를 정량적으로 제시할 수 있으며, 추정되는 확률강우량 역시 불확실성을 정량적으로 산정할 수 있는 장점을 확인할 수 있었다.

• Environmental and Resource Economics Review
• /
• v.29 no.2
• /
• pp.145-170
• /
• 2020

This study analyzes the dependence structure between energy (crude oil, natural gas, coal) prices and economic (real and financial) uncertainty. Summary of the results of the dependence structure between energy prices and economic uncertainty analysis is as follows. First, the results of model selection show that the BB7 copula model for the pair of crude oil price and economic uncertainty, the Joe copula model for the pair of natural gas price and economic uncertainty, and the Clayton copula model for the pair of coal price and economic uncertainty were chosen. Second, looking at the dependency structure, it showed that the pair of energy (crude oil, natural gas, coal) prices and real market uncertainty show positive dependence. Whereas, the only pair of financial market uncertainty-crude oil price shows positive dependency. In particular, crude oil price was found to have the greatest dependence on economic uncertainty. Third, looking at the results of tail dependency, the pair of real market uncertainty-crude oil price and pair of real market uncertainty-natural gas price have an asymmetric relationship with the upper tail dependency. It can be seen that the only pair of financial market uncertainty-crude oil represents asymmetric relationships with the upper tail dependencies. In other words, combinations with asymmetric relationships have shown strong dependence when negative extreme events occur. On the other hand, tail dependence between economic uncertainty and coal price be not found.

• Journal of Korea Water Resources Association
• /
• v.50 no.11
• /
• pp.745-758
• /
• 2017

The copula-based models have been successfully applied to hydrological modeling including drought frequency analysis and time series modeling. However, uncertainty estimation associated with the parameters of these model is not often properly addressed. In these context, the main purposes of this study are to develop the Bayesian inference scheme for bivariate copula functions. The main applications considered are two-fold: First, this study developed and tested an approach to copula model parameter estimation within a Bayesian framework for drought frequency analysis. The proposed modeling scheme was shown to correctly estimate model parameters and detect the underlying dependence structure of the assumed copula functions in the synthetic dataset. The model was then used to estimate the joint return period of the recent 2013~2015 drought events in the Han River watershed. The joint return period of the drought duration and drought severity was above 100 years for many of stations. The results obtained in the validation process showed that the proposed model could effectively reproduce the underlying distribution of observed extreme rainfalls as well as explicitly account for parameter uncertainty in the bivariate drought frequency analysis.

• The Korean Journal of Applied Statistics
• /
• v.34 no.6
• /
• pp.875-887
• /
• 2021

Value at Risk (VaR) is the most popular measure for market risk. In this paper, we consider the VaR estimation of portfolio consisting of a variety of assets based on multivariate copula model known as vine copula. In particular, sparse vine copula which penalizes too many parameters is considered. We show in the simulation study that sparsity indeed improves out-of-sample forecasting of VaR. Empirical analysis on 60 KOSPI stocks during the last 5 years also demonstrates that sparse vine copula outperforms regular copula model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.35-35
• /
• 2016

수문학적 빈도해석은 일반적으로 단변량 형태에 해석이 주를 이루고 있으나, 최근 다변량 해석에 대한 이해와 더불어, 해석 기술 발달에 따라 빈도해석에서도 다변량 해석적 접근이 이루어지고 있다. 기존 다변량 해석 방법으로는 Copula방법 적용이 활발하게 이루어지고 있으며, 특히 가뭄해석에 있어 지속시간과 심도를 동시에 평가하는 2변량 가뭄빈도해석에 대한 연구가 다수 이루어지고 있다. 그러나 기존 해석 방법은 정상성 해석 모형으로서 기상변동성과 같은 시변동성을 고려하는데 한계가 있다. 이러한 점에서 본 연구에서는 Bayesian 기반 Copula 함수의 매개변수를 추정함과 동시에 매개변수의 불확실성을 평가할 수 있는 2변량 비정상성 빈도해석 모형을 개발하였다. 본 연구에서는 최근 우리나라와 미국에서 발생한 2013-15년 가뭄빈도에 대한 평가와 동시에 이에 따른 불확실성을 정량적으로 평가하는 연구를 진행하였다.