• 응용통계연구
• /
• 제35권5호
• /
• pp.631-644
• /
• 2022

본 논문은 고차원 시계열 자료에 이상점이 존재하는 경우 희박벡터자기회귀모형(sparse VAR; sVAR)의 모수를 강건하게 추정하는 방법에 대해서 연구하였다. 먼저 Xu 등 (2008)이 독립인 자료에서 밝혔듯이 adaptive lasso 방법이 sVAR 모형에서도 어느 정도의 강건함을 가짐을 모의 실험을 통해 알 수 있었다. 하지만, 이상점의 개수가 증가하거나 이상점의 영향력이 커지는 경우 효율성이 현저히 저하되는 현상도 관찰할 수 있었다. 따라서 이를 개선하기 위해서 최소절대편차(least absolute deviation; LAD)와 Huber 함수를 기반으로 벌점화 시키는 adaptive lasso를 이용하여 sVAR 모형을 추정하는 방법을 본 논문에서는 제안하고 그 성능을 검토하였다. 모의 실험을 통해 제안한 로버스트 추정 방법이 이상점이 존재하는 경우에 모수 추정을 더 정확하게 하고 예측 성능도 뛰어남을 확인했다. 또한 해당 방법론들을 전력사용량 데이터에 적용한 결과 이상점으로 의심되는 시점들이 존재하였고, 이를 고려하여 강건하게 추정하는 제안한 방법론이 더 좋은 예측 성능을 보임을 확인할 수 있었다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.27-39
• /
• 2016

본 논문은 다차원의 시계열 자료 분석에서 효율적인 희박벡터자기회귀모형에서의 모수 추정에 대해서 연구한다. 희박벡터자기회귀모형은 영에 가까운 계수를 정확이 영으로 둠으로써 희박성을 확보한다. 따라서 변수 선택과 모수 추정을 한꺼번에 할 수 있는 lasso를 이용한 방법론을 희박벡터자기회귀모형의 추정에 쓸 수 있다. 하지만 Davis 등(2015)에서는 모의실험을 통해 일반적인 lasso의 경우 영이아닌 계수를 참값보다 훨씬 더 많이 찾아 희박성에 약점이 있음을 보고하였다. 이에 따라 본 연구는 희박벡터자기회귀모형에 adaptive lasso를 이용하면 일반 lasso보다 희박성을 비롯한 전반적인 모수의 추정이 매우 유의하게 개선됨을 보인다. 또한 adaptive lasso에서 쓰이는 튜닝 모수들에 대한 선택도 아울러 논의한다.

• Communications for Statistical Applications and Methods
• /
• 제29권1호
• /
• pp.41-51
• /
• 2022

We forecast the US oil consumption level taking advantage of google trends. The google trends are the search volumes of the specific search terms that people search on google. We focus on whether proper selection of google trend terms leads to an improvement in forecast performance for oil consumption. As the forecast models, we consider the least absolute shrinkage and selection operator (LASSO) regression and the structured regularization method for large vector autoregressive (VAR-L) model of Nicholson et al. (2017), which select automatically the google trend terms and the lags of the predictors. An out-of-sample forecast comparison reveals that reducing the high dimensional google trend data set to a low-dimensional data set by the LASSO and the VAR-L models produces better forecast performance for oil consumption compared to the frequently-used forecast models such as the autoregressive model, the autoregressive distributed lag model and the vector error correction model.

• 한국경제지리학회지
• /
• 제25권1호
• /
• pp.147-170
• /
• 2022

이 논문은 70개 수도권 시군구 아파트 매매가격의 주간 수익률을 대상으로 그 변동 순환과 현 정부의 집권 시기 등을 고려하여 전체기간(2008년 4월~2021년 8월), 가격 급등기 이전(2008월 4월~2018년 10월), 그리고 가격 급등기(2018년 11월~2021년 8월)로 나누어 확산효과를 분석한다. 이러한 분석으로부터 얻어진 분석 결과를 요약하면 다음과 같다. 첫째, 확산효과에 대한 분석은 시기에 따라 기존의 연구 결과와 유사하기도 하지만 다르기도 하다. 전체기간과 가격 급등기 이전 시기에 대한 확산효과 분석은 수도권 아파트시장에서 '강남' 효과가 실재한다는 것을 보여준다. 반면에 가격 급등기에 대한 확산효과 분석은 이전과는 상이한 결과를 나타낸다. 순환 표본의 분석을 통해 계산된 확산효과 지수는 수도권 아파트 매매가격 순환의 하강기에는 확산효과 지수가 낮아지고, 반면에 상승기에는 그 반대의 추세를 보여준다. 확산효과 지수의 정점과 정책 개입 간의 타이밍을 보면 대체로 2017년에는 확산효과 지수의 정점 이후, 2018년과 2019년에는 정점 이전, 2020년 이후 정점 무렵이나 정점 이후에서 정부의 정책 개입이 이루어진 것으로 나타난다.