• 무역학회지
• /
• 제47권5호
• /
• pp.21-37
• /
• 2022

Baltic Dry Index (BDI) is difficult to forecast because of the high volatility and complexity. To improve the BDI forecasting ability, this study apply Bayesian variable selection method with a large number of predictors. Our estimation results based on the BDI and all predictors from January 2000 to September 2021 indicate that the out-of-sample prediction ability of the ADL model with the variable selection is superior to that of the AR model in terms of point and density forecasting. We also find that critical predictors for the BDI change over forecasts horizon. The lagged BDI are being selected as an key predictor at all forecasts horizon, but commodity price, the clarksea index, and interest rates have additional information to predict BDI at mid-term horizon. This implies that time variations of predictors should be considered to predict the BDI.

• 한국융합학회논문지
• /
• 제9권2호
• /
• pp.207-215
• /
• 2018

본 연구는 유가증권 및 코스닥상장기업을 대상으로 기업의 비정상 투자가 재무분석가의 이익예측과 어떠한 관계가 있는지 실증적으로 분석하였다. 본 연구의 분석기간은 관심변수를 기준으로 2003년부터 2015년까지(종속변수는 2004년부터 2016년까지)이며 재무분석가가 주당이익예측치를 발표한 기업 중 연구조건을 만족하는 최종표본 4,917개 기업/년 자료를 분석대상으로 선정하여 연구를 진행하였다. 실증분석결과는 다음과 같다. 첫째, 비정상 총투자, 비정상 R&D, 비정상 CAPEX 투자가 많을수록 재무분석가의 이익예측정확성은 유의하게 향상되었다. 둘째, 비정상 총투자, 비정상 R&D, 비정상 CAPEX 투자가 많을수록 재무분석가의 이익예측은 비관적인 성향을 갖는 것으로 나타났다. 추가분석을 통해 이러한 결과는 과소투자 집단보다는 주로 과잉투자 집단에 의해 발생되는 결과임이 입증되었다. 본 연구결과는 재무분석가의 이익예측 결정요인으로 비정상투자가 고려된다는 점에서 기존 연구에 추가적인 공헌점이 있을 것으로 기대된다.

• Communications for Statistical Applications and Methods
• /
• 제26권5호
• /
• pp.497-506
• /
• 2019

Forecasting the U.S. employment level is made using machine learning methods of the artificial neural network: deep neural network, long short term memory (LSTM), gated recurrent unit (GRU). We consider the big data of the federal reserve economic data among which 105 important macroeconomic variables chosen by McCracken and Ng (Journal of Business and Economic Statistics, 34, 574-589, 2016) are considered as predictors. We investigate the influence of the two statistical issues of the dimension reduction and time series differencing on the machine learning forecast. An out-of-sample forecast comparison shows that (LSTM, GRU) with differencing performs better than the autoregressive model and the dimension reduction improves long-term forecasts and some short-term forecasts.

• KDI Journal of Economic Policy
• /
• 제44권4호
• /
• pp.79-108
• /
• 2022

This study examines the impact of sentiment shock, which is defined as a stochastic innovation to the Housing Market Confidence Index (HMCI) that is orthogonal to past housing price changes, on aggregate housing price changes and housing price volatility. This paper documents empirical evidence that sentiment shock has a statistically significant relationship with Korea's aggregate housing price changes. Specifically, the key findings show that an increase in sentiment shock predicts a rise in the aggregate housing price and a drop in its volatility at the national level. For the Seoul Metropolitan Region (SMR), this study also suggests that sentiment shock is positively associated with one-month-ahead aggregate housing price changes, whereas an increase in sentiment volatility tends to increase housing price volatility as well. In addition, the out-of-sample forecasting exercises conducted here reveal that the prediction model endowed with sentiment shock and sentiment volatility outperforms other competing prediction models.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 추계학술대회 논문집 전력기술부문
• /
• pp.83-85
• /
• 2008

The authors develop and compare the performance of short-term forecasting models on electricity market prices in Korea. The models are based on time-series methods. The outcome shows that the EGARCH model has the best results in the out-of-sample forecasts.

• 응용통계연구
• /
• 제25권6호
• /
• pp.925-932
• /
• 2012

The article introduces a method to estimate a cointegrated vector autoregressive model, using mixed-frequency data, in terms of a state-space representation of the vector error correction(VECM) of the model. The method directly estimates the parameters of the model, in a state-space form of its VECM representation, using the available data in its mixed-frequency form. Then it allows one to compute in-sample smoothed estimates and out-of-sample forecasts at their high-frequency intervals using the estimated model. The method is applied to a mixed-frequency data set that consists of the quarterly real gross domestic product and three monthly coincident indicators. The result shows that the method produces accurate smoothed and forecasted estimates in comparison to a method based on single-frequency data.

• 한국항만경제학회지
• /
• 제26권4호
• /
• pp.207-218
• /
• 2010

2011년 세계경기는 그리 밝지 않은 것으로 전망되고 있다. 금년 11월 미국 정부가 6,000억 달러라는 천문학적 규모의 양적 완화를 발표하였음에도 별다른 효과를 기대하지 않을 정도로 세계경제에 대한 전망이 흐린 것이다. 글로벌 불균형과 환율문제에서의 국가간 갈등, 국제통화제도의 불안정 등도 경기회복을 더디게 하는 요인으로 지목되고 있다. 그런데 해운경기와 세계경제는 밀접한 연관성을 갖기 때문에 당연히 해운경기에 대한 전망이 밝지 않다. 본고는 2011년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 RW 모형의 그것보다 높아 동 모형을 이용한 예측이 부정확할 수 있음을 보인다. 그러나 이러한 점은 예측치에 대한 부정확을 의미하는 것이지 2011년 해운경기의 흐름에 대한 예측을 거부하는 것은 아니다. 사전적 예측을 통해 모형간 예측치가 비교적 큰 차이를 보이나 2011년 내내 침체 상태에 있거나 2011년 후반기에 침체상태로 접어든다는 것을 밝힌다. 해운업계에 어려운 시기가 될 수 있다는 것을 시사한다.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.222-233
• /
• 2010

해상운임의 변동은 해운업계에만 영향을 미치는데 그치지 않고 전후방 연쇄효과를 통해 조선업계를 비롯하여 경제 전반에 영향을 미친다. 따라서 해상운임의 움직임을 정확히 예측하는 것은 해운업계 뿐만 아니라 우리나라 경제에도 중요한 의미를 갖게 된다. 그러나 해상운임은 주가나 환율과 같이 다양한 요인에 의해 결정될 뿐만 아니라 최근 들어 운임의 변동성이 크게 커지는 추세이어서 예측에 상당한 어려움이 있다. 본고는 2010년의 BDI를 예측하기 위하여 가장 단순한 모형인 단변량모형인 ARIMA 모형, 개입ARIMA모형, HP 모형을 이용한다. 개입ARIMA 모형은 글로벌 금융위기와 중국효과가 미친 효과를 분석하기 위한 것이다. ARIMA모형은 2010년 말에 4,230-4.690에 도달할 것으로, 개입ARIMA모형은 낙관적인 경우 4,460-4,900선에, 비관적일 경우 2,820-2,940선이 될 것으로 예상하여 모형별로 상당한 차이를 드러내고 있다. 그런데 HP 모형에 의한 예측치는 기준 역할을 하므로 HP모형에 의한 2010년 말 예측치 3,500 포인트를 감안하면 2010년 12월에 2,820-4,230의 범주에 도달할 것으로 예측된다. 2010년 12월 2,800 포인트는 해운업계에 어두운 그림자를 드리우는 예측치이다. 그러나 낙관적인 2010년 12월 4,000포인트는 2008년 BDI가 10,000 포인트를 넘어선 때를 기억하면 그리 높게 생각되지 않을 수 있으나 4,000 포인트 이상의 BDI는 해운관련업계에게 어느 정도의 안도감을 주고 재도약을 할 수 있는 기반을 제공할 수 있는 수준으로 판단된다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 추계 학술발표회 논문집
• /
• pp.159-165
• /
• 2005

Recently, as a result of the growing interest in modelling stationary processes with discrete marginal distributions, several models for integer valued time series have been proposed in the literature. One of theses models is the integer-valued autoregressive(INAR) models. However, when modelling with integer-valued autoregressive processes, there is not yet distributional properties of forecasts, since INAR process contain an accrued level of complexity in using the Steutal and Van Harn(1979) thinning operator 'o'. In this study, a manageable expression for the asymptotic mean square error of predicting more than one-step ahead from an estimated poisson INAR(1) model is derived. And, we present a bootstrap methods developed for the calculation of forecast interval limits of INAR(p) model. Extensive finite sample Monte Carlo experiments are carried out to compare the performance of the several bootstrap procedures.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권12호
• /
• pp.1-10
• /
• 2020

This study investigates the problem of outlier detection based on discrete wavelet transform in the context of time series data where the identification and treatment of outliers constitute an important component. An outlier is defined as a data point that deviates so much from the rest of observations within a data sample. In this work we focus on the application of the traditional method suggested by Tukey (1977) for detecting outliers in the closed price series of the Saudi Arabia stock market (Tadawul) between Oct. 2011 and Dec. 2019. The method is applied to the details obtained from the MODWT (Maximal-Overlap Discrete Wavelet Transform) of the original series. The result show that the suggested methodology was successful in detecting all of the outliers in the series. The findings of this study suggest that we can model and forecast the volatility of returns from the reconstructed series without outliers using GARCH models. The estimated GARCH volatility model was compared to other asymmetric GARCH models using standard forecast error metrics. It is found that the performance of the standard GARCH model were as good as that of the gjrGARCH model over the out-of-sample forecasts for returns among other GARCH specifications.