• 응용통계연구
• /
• 제24권2호
• /
• pp.293-305
• /
• 2011

변동성은 최근 경제가 급변하면서 옵션의 가격 결정과 자산의 위험관리에서 그 중요성이 더 커지고 있다. 이러한 변동성은 분산을 지칭하며, 위험(risk)을 측정하는 수단이 되므로 정확한 추정과 예측이 매우 필요하다. 본 논문에서는 변동성에 대한 모형으로 오차항이 ARMA(p, q)-GARCH(r, s) 모형을 따르는 회귀모형을 설정하고, 이 모형의 모수에 대해 베이지안 추정법을 제시하였다. 또한 평균과 분산(변동성)에 대한 예측값을 구하고 이에 대한 베이지안 구간추정을 하였다. 이를 500개의 모의실험 자료를 통해 최우추정법과 비교하였다. 뿐만 아니라, 베이지안 방법을 이용하여 Frequentist의 관점에서는 구하기 어려운 GARCH 모형에서의 일종의 단위근이 존재할 확률을 구하였다.

• 응용통계연구
• /
• 제30권3호
• /
• pp.323-334
• /
• 2017

실현변동성(RVs)이 지속적인 장기기억성과 상당히 큰 이상치의 존재로 인해 정상계열과 비정상계열의 경계에 위치한다는 것에 주목하였다. 실현변동성을 예측하기 위해 실현변동성 이상치 관측 유무에 따라 heterogeneous autoregressive (HAR) 모형과 integrated HAR (IHAR) 모형을 번갈아 사용하는 새로운 방법을 제안하였고, 이 방법을 IHAR-O-HAR라 칭하였다. 예측력 비교는 주요 지수인 S&P 500, Nasdaq과 Nikkei 225의 실현변동성 데이터를 이용하였으며 표본 외 예측력 비교에서 새로운 IHAR-O-HAR 방법은 RW 방법, HAR 방법이나 IHAR 방법의 예측력보다 우수함을 확인하였다.

• 무역학회지
• /
• 제47권3호
• /
• pp.211-232
• /
• 2022

Due to the impact of the public health event COVID-19 epidemic, the Chinese futures market showed "Black Swan". This has brought the unpredictable into the economic environment with many commodities falling by the daily limit, while gold performed well and closed in the sunshine(Yan-Li and Rui Qian-Wang, 2020). Volatility is integral part of financial market. As an emerging market and a special precious metal, it is important to forecast return of gold futures price. This study selected data of the SHFE gold futures returns and conducted an empirical analysis based on the generalised autoregressive conditional heteroskedasticity (GARCH)-type model. Comparing the statistics of AIC, SC and H-QC, ARMA (12,9) model was selected as the best model. But serial correlation in the squared returns suggests conditional heteroskedasticity. Next part we established the autoregressive moving average ARMA-GARCH-type model to analysis whether Volatility Clustering and the leverage effect exist in the Chinese gold futures market. we consider three different distributions of innovation to explain fat-tailed features of financial returns. Additionally, the error degree and prediction results of different models were evaluated in terms of mean squared error (MSE), mean absolute error (MAE), Theil inequality coefficient(TIC) and root mean-squared error (RMSE). The results show that the ARMA(12,9)-TGARCH(2,2) model under Student's t-distribution outperforms other models when predicting the Chinese gold futures return series.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권10호
• /
• pp.1-13
• /
• 2022

This paper empirically explores the predicting ability of the newly proposed smooth transition (ST) time-varying combining forecast methods. The proposed method allows the "weight" of combining forecasts to change gradually over time through its unique feature of transition variables. Stock market returns from 7 countries were applied to Ad Hoc models, the well-known Generalized Autoregressive Conditional Heteroskedasticity (GARCH) family models, and the Smooth Transition Exponential Smoothing (STES) models. Of the individual models, GJRGARCH and STES-E&AE emerged as the best models and thereby were chosen for constructing the combined forecast models where a total of nine ST combining methods were developed. The robustness of the ST combining forecasts is also validated by the Diebold-Mariano (DM) test. The post-sample forecasting performance shows that ST combining forecast methods outperformed all the individual models and fixed weight combining models. This study contributes in two ways: 1) the ST combining methods statistically outperformed all the individual forecast methods and the existing traditional combining methods using simple averaging and Bates & Granger method. 2) trading volume as a transition variable in ST methods was superior to other individual models as well as the ST models with single sign or size of past shocks as transition variables.

• 응용통계연구
• /
• 제36권4호
• /
• pp.295-307
• /
• 2023

HAR 모형은 간단한 선형 모형으로 실현 변동성의 장기기억성을 비교적 잘 설명할 수 있어 널리 쓰이고 있다. 하지만, 실현 변동성은 조건부 이분산성, 레버리지 효과, 변동성 집중 등과 같은 복잡한 특징을 보이고 있기에 단순 HAR 모형을 확장할 필요가 있다. 따라서 본 연구는 조건부 이분산성을 설명하는 GARCH 모형에 임계값에 따라 계수가 달라지는 비선형 모형인 임계 HAR 모형(THAR-GARCH)을 제안하고 그 추정 방법 및 예측 성능에 대해서 살펴보고자 한다. 보다 구체적으로 오차항의 등분산 가정을 벗어났기 때문에 모형의 계수를 추정하기 위해서 반복적인 가중최소제곱추정법을 제안하고 모의실험을 통해 일치성을 보였다. 또한 전세계 21개의 주요 주가 지수의 실현 변동성에 대한 예측 오차를 비교함으로써 제안한 GARCH 오차를 가지는 임계 HAR 모형이 일반적으로 더 우수한 예측력을 보임을 확인하였다.

• 응용통계연구
• /
• 제35권1호
• /
• pp.49-62
• /
• 2022

실현 변동성은 강한 종속성을 가짐이 잘 알려져 있으며, 글로벌 금융 시장과 유기적으로 연관이 되어 있을 뿐만 아니라 환율, 유가, 이자율 등의 거시적인 지표와도 밀접한 관계가 있다. 본 논문은 이러한 실현 변동성의 효과적인 예측을 위해서 오토인코더를 이용한 FAHAR (autoencoder factor-augmented heterogeneous autoregressive, AE-FAHAR) 모형을 제안한다. AE-FAHAR 모형은 강한 종속성을 HAR 구조로 반영하고, 외부 효과에 대한 영향을 오토인코더를 사용하여 몇 개의 요인으로 추출하여 이를 반영한다. 오토인코더는 비선형 방법으로 요인을 추정하기에 많은 계산 시간이 필요하지만 복잡하고 비정상성을 가질 수 있는 고차원 시계열 자료의 요약에 더 적합하다. 이는 곧 실증 자료 분석을 통해 AE-FAHAR 모형이 예측 오차를 줄임을 확인할 수 있었다. 또한 계산 시간을 줄이고 추정 오차를 줄이기 위해 오토인코더에 사전학습 및 앙상블을 적용하는 등의 방법에 대해서도 논의하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제11권4호
• /
• pp.247-253
• /
• 2011

A sustainability of electricity supply has emerged as a critical issue for low carbon green growth in South Korea. Wind power is the fastest growing source of renewable energy. However, due to its own intermittency and volatility, the power supply generated from wind energy has variability in nature. Hence, accurate forecasting of wind speed and power plays a key role in the effective harvesting of wind energy and the integration of wind power into the current electric power grid. This paper presents a short-term wind speed prediction method based on support vector regression. Moreover, particle swarm optimization is adopted to find an optimum setting of hyper-parameters in support vector regression. An illustration is given by real-world data and the effect of model regularization by particle swarm optimization is discussed as well.

• 대한교통학회지
• /
• 제33권1호
• /
• pp.61-69
• /
• 2015

이 연구에서는 국내 총 화물물동량에 대한 5개 계량경제모형들의 예측정확도를 비교한다. 적용된 5개 모형은 통상최소자승모형, 부분조정모형, 축소된 자기회귀분포시차모형, 벡터자기회귀 모형, 시간변동계수모형이다. 모형의 추정과 예측은 1970-2011년 동안의 연간 국내 화물물동량 자료와 광공업생산지수를 이용하여 수행되었다. 5개 모형은 반복적인 예측방법을 이용하여 1년 후, 3년 후, 5년 후 예측성능이 비교되었다. 추가적으로 장래변동성의 크기에 따라 두 예측기간으로 나누어 예측정확도를 비교하였고, 결과적으로 시간변동계수모형은 변동을 갖는 예측기간에 대해서 가장 높은 정확도를, 반면에 벡터자기회귀 모형은 점진적인 변화를 갖는 예측기간에 대해서 다른 모형에 비해 우수한 성능을 보여주는 것으로 분석되었다.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.64-71
• /
• 2017

Considering the volatility, intermittent and random of photovoltaic (PV) generation systems, accurate forecasting of PV power output is important for the grid scheduling and energy management. In order to improve the accuracy of short-term power forecasting of PV systems, this paper proposes a prediction model based on environmental factors and support vector machine optimized by genetic algorithm (GA-SVM). In order to improve the prediction accuracy of this model, weather conditions are divided into three types, and the gray correlation coefficient algorithm is used to find out a similar day of the predicted day. To avoid parameters optimization into local optima, this paper uses genetic algorithm to optimize SVM parameters. Example verification shows that the prediction accuracy in three types of weather will remain at between 10% -15% and the short-term PV power forecasting model proposed is effective and promising.

• 응용통계연구
• /
• 제26권6호
• /
• pp.1053-1061
• /
• 2013

본 논문은, 장기기억 특성과 이분산성을 고려한 인터넷 트래픽 예측 모형을 제안하고자 한다. 트래픽 과부하를 대비하기 위해서, 트래픽 용량은 트래픽의 예측치와 트래픽의 변동 크기에 따라 트래픽의 최대용량을 설정하여야 한다. 이를 위하여 교내 트래픽 자료 중 교내로 들어오는 트래픽과 교외로 나가는 트래픽에 이분산성과 장기기억 모형의 유용성을 확인하였다. 이에 대하여 AR-GARCH 모형, ARMA-GARCH 모형과 장기기억모형인 Fractional ARIMA와 장기기억과 이분산성을 고려한 Fractional ARMA-GARCH 모형을 적용하여 모형의 예측성능을 비교하였다.