• 응용통계연구
• /
• 제27권1호
• /
• pp.133-146
• /
• 2014

2012년중 미국 상무부 센서스국에서 X-12-ARIMA와 TRAMO-SEATS를 동시에 이용할 수 있는 계절조정 프로그램인 X-13ARIMA-SEATS을 공개하였다. 미국을 포함한 각국통계작성기관은 X-12-ARIMA에서 X-13ARIMA-SEATS로 계절조정방법을 전환하여 계절조정통계를 작성해가고 있다. 따라서 우리나라에서도 X-12-ARIMA로부터 X-13ARIMA-SEATS로 계절조정방법을 전환하는 방안을 마련할 필요가 있다. 이 논문에서는 국민소득, 국제수지, 통화통계에 대해 X-13ARIMA-SEATS 프로그램을 통해 계절조정통계를 필터를 달리하여 작성한 후 이를 X-12-ARIMA에 의한 계절조정통계와 비교하였다. 비교 결과 X11필터를 적용한 X-13ARIMA-SEATS에 의한 계절조정은 X-12-ARIMA에 의한 계절조정과 차이가 작게 나타나 X-12-ARIMA로부터 X-13ARIMA-SEATS로의 빠른 전환이 가능할 것으로 판단된다.

• 응용통계연구
• /
• 제13권2호
• /
• pp.225-236
• /
• 2000

계절변동조정에 대한 전문적인 지식이 없는 통계작성(이용)자가 계절변동조정통계를 정교히 작성하기 위해서는 계절변동조정작업을 전산화하여 체계화할 필요가 있다. 본고에서는 X-12-ARIMA에 바탕은 둔 BOK-X-12-ARIMA프로그램의 개발 내역을 설명하고 향후 개선방향을 정리하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.231-242
• /
• 2016

시계열 분석 소프트웨어로 국내에서도 많이 사용되는 X-13-ARIMA에서 제공하고 있는 계절이동평균필터($3{\times}3$, $3{\times}5$, $3{\times}9$, $3{\times}15$)가 외국과 다르게 불규칙한 변동이 많고 다양한 변동이 존재하는 한국의 경제 시계열에 적합한가라는 의문 속에서 새로운 계절이동평균필터들의 필요성이 제기되었다. 본 연구에서는 최근에 개발된 새로운 계절이동평균필터($3{\times}7$, $3{\times}11$)를 소개한다. 또한, 새롭게 작성된 계절이동평균필터를 국내의 경제 시계열에 적용하여 그 적합성과 안정성을 비교한 결과, 일부 시계열에서 새로운 계절이동평균필터들의 필요성이 발견되었다. 새로 개발된 계절이동평균필터를 활용하여 각 시계열에 맞는 적절한 계절조정방법을 사용하면 더욱 정확한 시계열분석을 할 수 있을 것이라 기대된다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.205-220
• /
• 2016

경제통계에서 기조적 변동인 추세변동과 순환변동을 살펴보려면 경제통계에서 달력변동을 포함한 계절변동을 적절히 제거하는 계절조정이 필요하다. 계절조정방법으로는 전년동기대비 증감률과 같이 간편한 방식이 있지만 통계작성기관에서는 이동평균 또는 시계열모형을 기반으로 한 X-12-ARIMA 또는 TRAMO-SEATS를 이용하여 계절조정계열을 작성한다. 통계청과 한국은행은 X-12-ARIMA 또는 X-13ARIMA-SEATS에 우리나라 고유의 명절, 공휴일 등을 추가로 보정한 계절조정방법을 만들고 이를 이용하여 우리나라 주요 경제통계의 계절조정계열을 작성, 공표하고 있다. 본 논문에서는 그 동안의 연구를 바탕으로 계절조정의 기본 원리와 우리나라의 계절조정 현황을 정리하고, 월별 산업생산지수(제조업)와 취업자의 계절조정을 통해 계절조정의 주요 쟁점을 정리하였다.

• 응용통계연구
• /
• 제23권6호
• /
• pp.997-1021
• /
• 2010

본 연구에서는 최근에 새롭게 개발된 X-13A-S 프로그램을 이용하여 우리나라 경제시계열에 적합한 계절조정방법을 모색하였다. 특히 한국의 주요 거시경제지표에 대하여 X-12 필터와 SEATS 방법을 각각 적용하여 계절조정계열을 산출하고, 안정성 멱등성 등 계절조정의 적합성 평가기준을 토대로 두 방법의 유용성에 대한 이론적 실증적 비교분석을 시도하였다. 본 연구의 분석에 의하면 두 방법 모두 안정성이 우수한 것으로 나타나 계절조정의 신뢰성은 높은 것으로 평가되었다. 두 방법 사이의 상대적 비교에서는 대상 자료에 따라 약간 다른 결과를 보이고 있기는 하지만 전체적으로 모형에 기초하여 계절조정을 시행하는 SEATS 방법이 우월한 것으로 나타났다. 특히 구조변화를 고려하여 구간을 나누어 계절변동조정을 시행하면, 전체 기간에 대한 분석에 비해 SEATS 방법에 상대적으로 더 유리한 결과가 도출되었다. 이는 모형 분석에 기초를 둔 TRAMO-SEATS 방법이 계절조정의 이론적 정합성 및 일관성 측면에서 더 우수하다는 최근의 학문적인 연구 결과와 일치한다. 이러한 결과는 그 동안 현재 국내에서 사용되고 있는 X-12-ARIMA 방법 이외에 TRAMO-SEATS 방법을 한국 경제시계열 자료에 적용할 필요성이 있다는 것을 암시하는 것이라 할 수 있다. 따라서 향후 X-13A-S 프로그램과 같이 두 방법을 같이 병행하면서 이를 우리 자료에 맞게 조정하는 방안에 관한 지속적인 연구가 필요하다. 이를 통해 계량모형에 기초한 TRAMO-SEATS 방법의 이론적 정합성과 X-12-ARIMA 방법의 실증적 적합성을 결합시킬 수 있는 새로운 차원의 계절조정방법을 계속 모색해야 한다.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제3권1호
• /
• pp.13-40
• /
• 2003

The seasonal adjustment is an essential process in analyzing the time series of economy and business. One of the powerful adjustment methods is X11-ARIMA Model which is popularly used in Korea. This method was delivered from Canada. However, this model has been developed to be appropriate for Canadian and American environment. Therefore, we need to review whether the X11-ARIMA Model could be used properly in Korea. In this study, we have applied the method to the annual sales of refrigerator sales in A electronic company. We appreciated the adjustment by result analyzing the time series components such as seasonal component, trend-cycle component, and irregular component, with the proposed method. Additionally, in order to improve the result of seasonal adjusted time series, we suggest the demand forecasting method base on autocorrelation and seasonality with the X11-ARIMA PROC.

• 응용통계연구
• /
• 제36권5호
• /
• pp.457-471
• /
• 2023

월별 시계열은 일별 시계열의 월별 합이지만, 일별 시계열을 대체로 관측할 수 없어서 요일구성변동, 명절·공휴일변동 등 달력변동을 가상적으로 가정한 가변수를 포함한 RegARIMIA 모형을 이용하여 추정하고 있다. 일별 시계열을 관측할 수 있다면 요일구성변동, 명절·공휴일변동 등 달력변동을 일별 시계열을 바탕으로 추정할 수 있고 이를 이용하여 월별 시계열의 계절조정을 개선할 수 있다. 이 논문에서는 일별 시계열의 달력변동 추정을 이용하여 월별 시계열의 계절조정을 개선하는 방법을 제안하고, 이 방법을 적용하여 3개의 월별 시계열을 계절조정하고 기존의 X-13ARIMA-SEATS를 이용한 계절조정과 비교하였다.

• 한국대기환경학회지
• /
• 제4권2호
• /
• pp.72-81
• /
• 1988

The typical ARIMA model which was developed by Box and Jenkins, was applied to the monthly $SO_2$ data collected at Seoungsoo and Oryudong in metropolitan area over five years, 1982 to 1986. To find out the changing pattern of $SO_2$ concentration, autocorrelation and partial autocorrelation analysis were undertaken. The three steps of time series model building were followed and the residual series was found to be a random white noise. The results of this study is summarized as follows. 1) The monthly $SO_2$ series was found to be a non-stationary series which which has a periodicity of 12 months. After eliminating the periodicity by differencing, the monthly $SO_2$ series became a stationary series. 2) The ARIMA seasonal model of the $SO_2$ was determined to be ARIMA $(1, 0, 0)(0, 1, 0,)_{12}$ model. 3) The model equations based on the prediction were: for Seoungsoodong: $Y_t = 0.5214Y_{t-1} + Y_{t-12} - 0.5214Y_{t-13} + a_t$ for Oryudong: $Y_t = 0.8549Y_{t-1} + Y_{t-12} - 0.8549Y_{t-13} + a_t$ 4) The validity of the model identified was checked by compairing the measured $SO_2$ values and one-month-ahead predicted values. The result of correlation and regression analysis is as follows. Seoungsoodong: $Y = 0.8710X + 0.0062 r = 0.8768$ Oryudong : $Y = 0.8758X + 0.0073 r = 0.9512$