• Journal of the Korean Statistical Society
• /
• 제36권1호
• /
• pp.111-127
• /
• 2007

The logistic distribution is generalized using the Marshall-Olkin scheme and its generalization. Some properties are studied. First order autoregressive time series model with Marshall-Olkin semi-logistic distribution as marginal is developed and studied.

• Journal of applied mathematics & informatics
• /
• 제11권1_2호
• /
• pp.373-378
• /
• 2003

consider the problem of sequentially hypotheses about a parameter $\theta$ in the presence of the nuisance parameter $\rho$. and we investigate further to computing the error probabilities and expected sample sizes in the frequentist properties of the adaptive S.P.R.T. for $\theta$.

• 천문학회지
• /
• 제50권2호
• /
• pp.21-27
• /
• 2017

The autoregressive method provides a univariate procedure to predict the future sunspot number (SSN) based on past record. The strength of this method lies in the possibility that from past data it yields the SSN in the future as a function of time. On the other hand, its major limitation comes from the intrinsic complexity of solar magnetic activity that may deviate from the linear stationary process assumption that is the basis of the autoregressive model. By analyzing the residual errors produced by the method, we have obtained the following conclusions: (1) the optimal duration of the past time for the forecast is found to be 8.5 years; (2) the standard error increases with prediction horizon and the errors are mostly systematic ones resulting from the incompleteness of the autoregressive model; (3) there is a tendency that the predicted value is underestimated in the activity rising phase, while it is overestimated in the declining phase; (5) the model prediction of a new Solar Cycle is fairly good when it is similar to the previous one, but is bad when the new cycle is much different from the previous one; (6) a reasonably good prediction of a new cycle can be made using the AR model 1.5 years after the start of the cycle. In addition, we predict the next cycle (Solar Cycle 25) will reach the peak in 2024 at the activity level similar to the current cycle.

• Communications for Statistical Applications and Methods
• /
• 제18권3호
• /
• pp.319-331
• /
• 2011

In this paper, we propose automatic procedures for the model selection of various univariate time series data. Automatic model selection is important, especially in data mining with large number of time series, for example, the number (in thousands) of signals accessing a web server during a specific time period. Several methods have been proposed for automatic model selection of time series. However, most existing methods focus on linear time series models such as exponential smoothing and autoregressive integrated moving average(ARIMA) models. The key feature that distinguishes the proposed procedures from previous approaches is that the former can be used for both linear time series models and nonlinear time series models such as threshold autoregressive(TAR) models and autoregressive moving average-generalized autoregressive conditional heteroscedasticity(ARMA-GARCH) models. The proposed methods select a model from among the various models in the prediction error sense. We also provide an R package autots that implements the proposed automatic model selection procedures. In this paper, we illustrate these algorithms with the artificial and real data, and describe the implementation of the autots package for R.

• 한국안전학회지
• /
• 제16권1호
• /
• pp.88-93
• /
• 2001

본 연구에서는 복합소재인 GFRP(Glass Fiber Reinforced Polyester)의 2차원 절삭공정에서 절삭 메커니즘과 소재의 신뢰도 및 안전성과 밀접한 관련이 있는 표면정도를 중심으로 한 공정의 특성화를 시도하고, 주파수 분석에 관하여도 논의한다. 구체적으로는, 공정중 발생하는 절삭력 신호를 AR(Autoregressive) 모델링하여 해석에 사용한다. 특히, 특징추출과정을 통해 AR계수로 이루어진 패턴벡터 중 다양한 절삭 메카니즘에 민감한 계수만 선택할 수 있다. 이들 계수와 절삭 메커니즘과의 실험적 관계를 설정함으로써 섬유경사각(Fiber orientation angle), 절삭 변수 그리고 공구형상이 절삭 메커니즘에 미치는 영향을 평가하였다.

• 응용통계연구
• /
• 제20권1호
• /
• pp.103-115
• /
• 2007

본 논문에서는 1차 자기회귀모형에서 자기회귀계수에 대한 여러 가지 추정량들의 분포함수에 대한 근사 방법에 대해 연구하였다. 자기회귀계수의 여러 추정량들을 이차형식의 관점에서 이해하고, Na와 Kim(2005)에 의한 안장점근사의 결과를 이용한 새로운 근사법을 제시하였다. 이 방법은 정규근사를 비롯한 기존의 근사법과는 달리 추정량에 대한 근사분포의 유도과정이 불필요하며, 소표본은 물론 통계적 추론의 주요 관심영역에서의 근사정도가 매우 뛰어난 장점을 가지고 있다. 모의실험을 통해 Edgeworth 근사를 비롯한 기존의 여러 근사법보다 효율이 뛰어남을 확인하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.157-169
• /
• 2016

이 논문에서는 비선형 자기회귀 과정을 따르는 오차항을 포함한 회귀모형에서 계수추정법의 비교를 다룬다. 비교를 위해 통상적 최소제곱추정량, 일반화 최소제곱추정량, 모수적 회귀오차 수정법, 비모수적 회귀오차 추정법을 비교하였다. 본 논문에서는 또한 비선형 자기회귀모형의 성질을 전형적인 몇가지 비선형자기회귀 모형을 예를 들어 설명한다. 비교연구의 결과 네 가지 추정량 중에 모든 상황에서 최선인 추정량은 존재하지 않았으나 비모수 회귀오차 수정 방법이 일반적으로 우수한 성능을 보임을 알 수 있다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.171-180
• /
• 2016

바젤 위원회는 시장위험의 측정 도구로 Value-at-Risk(VaR)와 expected shortfall(ES)을 사용할 것을 제안하였다. 여러 문헌에서 VaR와 ES의 다양한 추정 방법들이 연구 되었다. 본 연구에서는 준모수적인 방법인 conditional autoregressive value at risk(CAViaR), conditional autoregressive expectile(CARE) 방법들, 그리고 Gaussian 준최대가능도 추정량(QMLE)를 이용한 방법을 사후 검정을 통해서 비교하고자 한다. 각 방법의 타당성을 확인하기 위해서, VaR에 대한 사후 검정은 unconditional coverage(UC)와 conditional coverage(CC) 검정을 사용하고 ES에 대한 검정은 붓스트랩 방법을 사용한다. S&P500 지수와 현대 자동차 주식가격 지수에 대하여 실증 자료 분석이 수행되었다.

• 대한산업공학회지
• /
• 제39권4호
• /
• pp.247-252
• /
• 2013

Korea gas corporation (KOGAS) is responsible for the whole sale of natural gas in the domestic market. It is important to forecast the daily demand of city gas for supply and demand control, and delivery management. Since there is the autoregressive characteristic in the daily gas demand, we introduce a modified autoregressive model as the first step. The daily gas demand also has a close connection with the outdoor temperature. Accordingly, our second proposed model is a temperature-based model. Those two models, however, do not meet the requirement for forecasting performances. To produce acceptable forecasting performances, we develop a weighted average model which compounds the autoregressive model and the temperature model. To examine our proposed methods, the forecasting results are provided. We confirm that our method can forecast the daily city gas demand accurately with reasonable performances.

• 응용통계연구
• /
• 제35권1호
• /
• pp.93-104
• /
• 2022

S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.