• Communications for Statistical Applications and Methods
• /
• 제18권1호
• /
• pp.13-21
• /
• 2011

본 논문에서는 계절성을 가지는 다변량 비정상 시계열자료의 분석 방법을 연구한다. 이를 위하여, 3가지의 다변량 시계열분석 모형(계절형 공적분 모형, 계절형 가변수를 가지는 비계절형 공적분 모형, 차분을 이용한 벡터자기회귀모형)을 고려하고, 한국의 실제 거시경제 자료를 이용하여 3가지 모형의 예측력을 비교한다. 공적분 모형은 단기적 예측에서 우수하였고, 장기적 예측에서는 차분을 이용한 벡터자기회귀모형이 우수하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제18권4호
• /
• pp.915-925
• /
• 2007

Multivariate GARCH has been useful to model dynamic relationships between volatilities arising from each component series of multivariate time series. Methodologies including EWMA(Exponentially weighted moving-average model), DVEC(Diagonal VEC model), BEKK and CCC(Constant conditional correlation model) models are comparatively reviewed for bivariate time series. In addition, these models are applied to evaluate VaR(Value at Risk) and to construct joint prediction region. To illustrate, bivariate stock prices data consisting of Samsung Electronics and LG Electronics are analysed.

• 응용통계연구
• /
• 제27권7호
• /
• pp.1219-1228
• /
• 2014

다변량 금융시계열 분석모형인 상수조건부상관(CCC)에 대해 알아보았으며, 개개 변동성간의 상호작용을 함께 고려한 확장된 상수조건부상관(ECCC)을 소개하고 국내 금융시계열에 적용하였다. 다양한 이변량 수익률 자료를 통해 CCC와 ECCC를 비교분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.694-698
• /
• 2008

In hydrology, it is a difficult task to deal with multivariate time series such as modeling streamflows of an entire complex river system. Normal distribution based model such as MARMA (Multivariate Autorgressive Moving average) has been a major approach for modeling the multivariate time series. There are some limitations for the normal based models. One of them might be the unfavorable data-transformation forcing that the data follow the normal distribution. Furthermore, the high dimension multivariate model requires the very large parameter matrix. As an alternative, one might be decomposing the multivariate data into independent components and modeling it individually. In 1985, Lins used Principal Component Analysis (PCA). The five scores, the decomposed data from the original data, were taken and were formulated individually. The one of the five scores were modeled with AR-2 while the others are modeled with AR-1 model. From the time series analysis using the scores of the five components, he noted "principal component time series might provide a relatively simple and meaningful alternative to conventional large MARMA models". This study is inspired from the researcher's quote to develop a multivariate simulation model. The multivariate simulation model is suggested here using Principal Component Analysis (PCA) and Independent Component Analysis (ICA). Three modeling step is applied for simulation. (1) PCA is used to decompose the correlated multivariate data into the uncorrelated data while ICA decomposes the data into independent components. Here, the autocorrelation structure of the decomposed data is still dominant, which is inherited from the data of the original domain. (2) Each component is resampled by block bootstrapping or K-nearest neighbor. (3) The resampled components bring back to original domain. From using the suggested approach one might expect that a) the simulated data are different with the historical data, b) no data transformation is required (in case of ICA), c) a complex system can be decomposed into independent component and modeled individually. The model with PCA and ICA are compared with the various statistics such as the basic statistics (mean, standard deviation, skewness, autocorrelation), and reservoir-related statistics, kernel density estimate.

• KDI Journal of Economic Policy
• /
• 제14권1호
• /
• pp.121-145
• /
• 1992

본고(本稿)에서는 현재의 경제상황을 잘 반영하는 건설투자활동(建設投資活動)의 단기예측모형(短期豫測模型)을 정립하고자 먼저 관련 시계열자료의 안정성(安定性) 여부(與否)와 순환성(循環性), 계절성(季節性)의 특성을 살펴본 후 여러 단기모형의 예측력(豫測力), 정합성(整合性), 설명력(說明力)을 비교 검토했다. 단위근(單位根) 검정(檢定)과 자기상관계수(自己相關係數) 스펙트랄 밀도함수 분석의 결과, 건설관련 시계열자료들이 대체로 단위근(單位根)을 갖지 않음으로써 안정적이고 주기적인 순환변동을 하고 있으며, 시차변수의 설명력이 높은 특성을 나타내었다. 또한 건설투자자료의 특성이 선행지표(先行指標)인 건축허가연면적(建築許可延面積) 및 건설수주액(建設受注額)과 아주 유사하여 건설투자 단기예측에 있어서 두 지표 사이의 시차관계(時差關係) 파악이 중요함을 알 수 있었다. 제(第)III장(章)에서는 단변량(單變量) 시계열모형(時系列模型)으로 ARIMA모형(模型)과 승법선형추세예측모형(乘法線型趨勢豫測模型)을, 다변량(多變量) 시계열모형(時系列模型)으로는 첫째, 선행지표(先行指標)를 이용한 1차자기회귀모형(次自己回歸模型), VAR모형(模型), 둘째 GNP자료를 이용한 거시경제모형의 단순한 축약형모형(縮約型模型)과 VAR모형(模型)을 제시하고 이들을 비교 평가하였다. 이에 따르면 단변량 시계열모형보다는 다변량 시계열모형이 시간이 경과할수록 예측오차(豫測誤差)가 커지지 않는다는 점에서 우수한 것으로 나타났으며, 다변량모형 중에서도 벡터자기회귀모형이 여타 모형보다 절대예측오차평균(絶對豫測誤差平均), 평균자승근(平均自乘根) 퍼센트 오차(誤差), 결정계수(決定係數) 등 모든 면에서 우수한 것으로 평가되었다. 이는 최근 건설투자가 추세에서 벗어난 급증세를 지속하고 있음을 고려할 때 타당한 결론이라 생각된다.

• 조명전기설비학회논문지
• /
• 제29권7호
• /
• pp.54-61
• /
• 2015

This paper presents short-term wind farm power forecasting method using multivariate analysis and time series. Based on factor analysis, the proposed method makes new independent variables which newly composed by raw independent variables such as wind speed, ramp rate, wind power. Newly created variables are used in the time series model for forecasting wind farm power. To demonstrate the improved accuracy, the proposed method is compared with persistence model commonly used as reference in wind power forecasting using data from Jeju Island. The results of case studies are presented to show the effectiveness of the proposed forecasting method.

• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.825-835
• /
• 2008

계량경제학 분야에서 널리 쓰이는 MGARCH(multivariate GARCH)모형은 여러개의 시계열자료들의 변동성을 함께 모형화한다. 그러나 변수가 많아질수록 추정해야 할 모수의 수가 급격하게 늘어나는 문제점이 있다. 본 연구에서는 인자 모형을 통해 자료의 차원을 축소시킴로써 이러한 문제를 해결하고자 하였다. 국내의 주가수익률 자료에 통계적 인자 모형과 fundamental factor model을 적용하여 각각의 의미 있는 인자들을 얻은 후 이를 MGARCH모형에 적합시켰다. 또한 두 인자모형을 바탕으로 얻어진 최종 모형들의 MSE, MAD와 VaR(Value at Risk)를 계산하여 예측력을 비교하고자 한다.

• 경영과학
• /
• 제32권2호
• /
• pp.69-78
• /
• 2015

This paper considers a Bayesian Poisson model for multivariate count data using multiplicative rates. More specifically we compose the parameter for overall arrival rates by the product of two parameters, a common effect and an individual effect. The common effect is composed of autoregressive evolution of the parameter, which allows for analysis on seasonal effects on all multivariate time series. In addition, analysis on individual effects allows the researcher to differentiate the time series by whatevercharacterization of their choice. This type of model allows the researcher to specifically analyze two different forms of effects separately and produce a more robust result. We illustrate a simple MCMC generation combined with a Gibbs sampler step in estimating the posterior joint distribution of all parameters in the model. On the whole, the model presented in this study is an intuitive model which may handle complicated problems, and we highlight the properties and possible applications of the model with an example, analyzing real time series data involving customer arrivals to a large retail store.

• 응용통계연구
• /
• 제22권5호
• /
• pp.1007-1017
• /
• 2009

본 연구는 최근에 활발히 연구가 진행 중인 항공수요 예측 분야에서 사용되는 계절형 ARIMA 모형과 다변량 계절형 시계열 모형과의 성능을 비교한 것이다. 본 연구에서는 국제 여객 수요와 국제 화물 수요 예측을 위하여 실제 자료를 이용하여 비교한 결과 다변량 계절형 시계열 모형이 예측의 정확도 면에서 기존의 일변량 모형보다 우수함을 보였다.

• 환경생물
• /
• 제34권4호
• /
• pp.365-373
• /
• 2016

환경생태 자료 분석에 사용된 많은 자료가 시간에 따라 얻어지고 있다. 조사된 시점의 수가 적은 경우에는 자료가 충분한 정보를 주지 않기 때문에 반복 측정하거나 여러 지점을 조사하여 종합적인 분석을 수행하게 된다. 이때 사용하는 방법이 경시적 자료 분석(longitudinal data analysis) 또는 혼합모형(mixed model) 분석이다. 그러나 시점의 수가 많아 정보의 양이 충분하다면 반복적인 자료가 필요하지 않으며 이러한 자료는 시계열 분석 기법을 이용하여 분석하게 된다. 특히 현재와 같이 다수의 시점에서 얻어진 자료의 수가 많아지고 있는 상항에서 각 변수 간에 서로 어떤 영향을 주는지 또는 향후 어떤 경향을 띠게 되는지 예측을 원한다면 시계열 분석 기법을 사용하여 자료를 분석해야 한다. 본 연구에서는 단변량 시계열 분석(univariate time series analysis), 개입 분석(intervention time series model), 전이함수 모형 분석(transfer function model), 다변량 시계열 분석(multivariate time series model) 기법을 소개하고 현재까지 진행된 국내외 연구 논문을 살펴보았다. 또한 향후 환경생태 자료 분석에서 중요하게 사용될 수 있는 오차수정 모형(error correction model)을 소개하였다.