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.
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 $\theta$.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.