• Journal of Ecology and Environment
• /
• 제48권2호
• /
• pp.196-206
• /
• 2024

Background: Most of the biomass equations were developed using sample trees collected mainly from pan-tropical and tropical regions that may over- or underestimate biomass. Site-specific models would improve the accuracy of the biomass estimates and enhance the country's measurement, reporting, and verification activities. The aim of the study is to develop site-specific biomass estimation models and validate and evaluate the existing generic models developed for pan-tropical forest and newly developed allometric models. Total of 140 trees was harvested from each diameter class biomass model development. Data was analyzed using SAS procedures. All relevant statistical tests (normality, multicollinearity, and heteroscedasticity) were performed. Data was transformed to logarithmic functions and multiple linear regression techniques were used to develop model to estimate aboveground biomass (AGB). The root mean square error (RMSE) was used for measuring model bias, precision, and accuracy. The coefficient of determination (R² and adjusted [adj]-R²), the Akaike Information Criterion (AIC) and the Schwarz Bayesian information Criterion was employed to select most appropriate models. Results: For the general total AGB models, adj-R² ranged from 0.71 to 0.85, and model 9 with diameter at stump height at 10 cm (DSH₁₀), ρ and crown width (CW) as predictor variables, performed best according to RMSE and AIC. For the merchantable stem models, adj-R² varied from 0.73 to 0.82, and model 8) with combination of ρ, diameter at breast height and height (H), CW and DSH₁₀ as predictor variables, was best in terms of RMSE and AIC. The results showed that a best-fit model for above-ground biomass of tree components was developed. AGB_Stem = exp {-1.8296 + 0.4814 natural logarithm (Ln) (ρD²H) + 0.1751 Ln (CW) + 0.4059 Ln (DSH₃₀)} AGB_Branch = exp {-131.6 + 15.0013 Ln (ρD²H) + 13.176 Ln (CW) + 21.8506 Ln (DSH₃₀)} AGB_Foliage = exp {-0.9496 + 0.5282 Ln (DSH₃₀) + 2.3492 Ln (ρ) + 0.4286 Ln (CW)} AGB_Total = exp {-1.8245 + 1.4358 Ln (DSH₃₀) + 1.9921 Ln (ρ) + 0.6154 Ln (CW)} Conclusions: The results demonstrated that the development of local models derived from an appropriate sample of representative species can greatly improve the estimation of total AGB.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 지역연구
• /
• 제34권2호
• /
• pp.3-19
• /
• 2018

본 연구의 목적은 우리나라 의료자원의 임상적 성과에 대한 효율성을 종단적으로 관찰하는 데 있다. 이를 위하여, 2006년부터 2013년까지 우리나라 16개 시도의 연령 표준화 사망률을 산출변수로, 의사, 전문의, 수술, 의료기관, 상급종합병원비율, 만성질환 진료 실인원, 만성질환 내원일 수를 투입변수로 정하고, 이를 이용한 의료성과 및 의료자원에 대한 집계자료를 구축하여 패널확률프론티어모형을 분석방법으로 적용하였다. 또한 시도별 인구사회학적, 사회경제적 특성, 의료자원 분포 특성 변수인 실업률, 노인인구비율, 1인당 GRDP, 종합병원 대비 상급종합병원 비율이 패널확률프론티어모형 분석 결과를 바탕으로 도출된 기술적 효율성에 미치는 영향을 추가적으로 살펴보았다. 이때 오차항의 이분산과 자기상관을 고려한 패널모형을 적용하였다. 주요 분석 결과는 다음과 같다. 첫째, 임상적 성과에 대해서는 의사, 전문의와 같은 공급 측면의 인적 의료자원과 단위 인구당 만성질환 진료 실인원과 같은 수요 측면의 요인이 각각 유의한 영향력을 미치는 것으로 나타났다. 둘째, 투입요소 시변 마모 모형 적용 결과 각 투입요소별 기술 결합 효율성 추정치는 임상적 성과 효율성이 지역별로 59~70%로 나타났다. 셋째. 임상적 성과에 영향을 미치는 투입요소의 기술적 효율성 추정치는 분석기간 동안 모든 지역에서 미세하게 증가하는 추세가 도출된 반면, 증가 추세는 미세하게 감소하였다. 넷째, 지역의 노인인구비율과 1인당 GRDP는 기술적 효율성 수치에 유의한 정(+)적 영향력을 미치는 것으로 나타났다. 지역별 각 효율성의 차이는 투입요소인 의료자원의 지역별 차이와 이의 결합과 지역의 인구사회학적, 사회경제적 특성 등에 기인한 것으로서, 지역별로 임상적 성과에 영향을 미치는 의료자원의 공급 편중과 수요의 접근성 차이, 인구구조와 경제적 차이가 복합적으로 작용함에 따른 기술적 효율성 차이가 다르게 나타나고 있음을 보였다는 점에 본 연구의 의의가 있다.

• 자원ㆍ환경경제연구
• /
• 제31권2호
• /
• pp.165-204
• /
• 2022

본 연구는 유럽지역 내 20개 연결계통국가들을 대상으로 2000년부터 2014년까지의 패널 자료를 구성하여 유럽이 2005년에 도입한 배출권거래시장을 기점으로 표본기간을 전과 후로 나누어 탄소배출량 결정요인을 이분산과 자기상관의 문제를 고려한 패널 GLS 방법으로 추정하였다. 종속변수로는 개별국가들에서의 탄소배출량이 사용되었으며, 설명변수로는 발전원별 발전량 비중, 이웃 국가들의 전력수급률, 자원보유국의 전력생산량, 발전원집중도, 산업부문에서의 1인당 총에너지 사용량, 전력가격에서의 세금, 1인당 전력 순수출량, 1인당 국토면적의 크기 등이 사용되었다. 추정결과에 의하면, 2005년을 기점으로 전과 후 모두에서 원전과 재생에너지 발전량 비중, 발전원집중도, 1인당 국토면적의 크기 등은 탄소배출량에 음(-)의 영향을 미치는 것으로 나타난 반면 석탄 발전량 비중, 이웃 국가들의 전력수급률, 자원보유국의 전력생산량, 산업부문에서의 1인당 총에너지 사용량 등은 탄소배출량에 양(+)의 영향을 미치는 것으로 나타났다. 이외 가스 발전량 비중과 전력가격에서의 세금은 2005년 이전에 대해서만 각각 탄소배출량에 음(-)과 양(+)의 영향을 미쳤으며, 1인당 전력 순수출량은 2005년 이후에 대해서만 탄소배출량에 음(-)의 영향을 미치는 것으로 나타났다. 본 연구의 결과는 저탄소 녹색성장으로의 탄소배출량 절감을 위한 거시적인 대응전략을 제시하며 전력교역시장을 고려한 중장기 전원믹스 최적화 방안과 그 역할에 대한 의미와 가치를 시사하고 있다.