• 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.

• 기술혁신학회지
• /
• 제14권spc호
• /
• pp.1232-1255
• /
• 2011

본 연구에서는 신제품 확산 모델 활용에 있어서 보다 적은 노력이 필요하지만 객관적이고 신속한 활용을 가능하게 만들어줄 모형을 제안한다. 기대주기 모델과 소비자 수용 모델이라는 이론적 배경을 바탕으로, 서지분석학과 초기 시장의 규모만으로 최대 잠재 시장을 추정해냄으로써 대표적인 확산 모형인 배스 모형(Bass model)에 필요한 주요 모수를 제공하는 방법을 제시했다. 모형의 예측력을 하이브리드자동차 사례를 통해 분석한 결과, 모형의 예측결과는 여러 가지 객관적인 정보를 통해 추정한 잠재 시장과 유사한 규모를 성공적으로 예측해 내어 모형의 활용 가능성을 확인할 수 있었다. 제안된 모형이 제공한 최대 잠재 시장은 다른 성장곡선모형에도 바로 적용 가능하다는 점을 볼 때 제안된 모형은 서지분석학을 통한 기술 확산 예측과 유망기술 탐색에 새로운 방향을 제시했다고 할 것이다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.69-81
• /
• 2019

본 논문에서는 딥러닝을 이용한 이변량 장기종속시계열(long-range dependent time series) 예측을 고려하였다. 시계열 데이터 예측에 적합한 LSTM(long short-term memory) 네트워크를 이용하여 이변량 장기종속시계열을 예측하고 이를 이변량 FARIMA(fractional ARIMA) 모형인 FIVARMA 모형과 VARFIMA 모형과의 예측 성능을 실증 자료 분석을 통해 비교하였다. 실증 자료로는 기능적 자기공명 영상(fMRI) 및 일일 실현 변동성(daily realized volatility) 자료를 이용하였으며 표본외 예측(out-of sample forecasting) 오차 비교를 통해 예측 성능을 측정하였다. 그 결과, FIVARMA 모형과 VARFIMA 모형의 예측값에는 미묘한 차이가 존재하며, LSTM 네트워크의 경우 초매개변수 선택으로 복잡해 보이지만 계산적으로 더 안정되면서 예측 성능도 모수적 장기종속시계열과 뒤지지 않은 좋은 예측 성능을 보였다.

• 응용통계연구
• /
• 제36권2호
• /
• pp.129-139
• /
• 2023

변동성의 예측은 자산의 리스크에 대비하는 데에 중요한 역할을 하기때문에 필수적이다. 인공지능을 통하여 이러한 복잡한 특성을 지닌 변동성 예측을 시도하였는데 기존 시계열 예측에 적합하다 알려진 LSTM (1997)과 GRU (2014)은 기울기 소실로 인한 문제, 방대한 연산량의 문제, 그로 인한 메모리양의 문제 등이 존재하였다. 변동성 데이터는 비정상성(non-stationarity)과 정상성(stationarity)을 모두 가지고 있는 특성이 있으며, 자산 가격 하방 쇼크에 더 큰 폭으로 상승하는 비대칭성과 상당한 장기 기억성, 시장에 큰 사건이 발생할 때 기존의 값들에 비해 이상치라 할 수 있을 정도의 예측할 수 없는 큰 값이 발생하는 특성들이 존재한다. 이렇게 여러 가지 복잡한 특성들은 하나의 모형으로 구조화되기 어려워서 전통적인 방식의 모형으로는 변동성에 대한 예측력을 높이기 어려운 면이 있다. 이러한 문제를 해결하기 위해 1D CNN의 발전된 형태인 causal TCN (causal temporal convolutional network) 모형을 변동성 예측에 적용하고, 예측력을 최대화 할 수 있는 TCN 구조를 설계하고자 하였다. S&P 500, DJIA, Nasdaq 지수에 해당하는 변동성 지수 VIX, VXD, and VXN, 에 대하여 예측력 비교를 하였으며, TCN 모형이 RNN 계열의 모형보다도 전반적으로 예측력이 높음을 확인하였다.

• 한국경영과학회지
• /
• 제26권4호
• /
• pp.55-70
• /
• 2001

Artificial neural network(ANN) models have been widely used for the classification problems in business such as bankruptcy prediction, credit evaluation, etc. Although the application of ANN to classification of consumers＇ choice behavior is a promising research area, there have been only a few researches. In general, most of the researches have reported that the classification performance of the ANN models were better than conventional statistical model Because the survey data on consumer behavior may include much noise and missing data, ANN model will be more robust than conventional statistical models welch need various assumptions. The purpose of this paper is to study the potential of the ANN model for forecasting consumers＇ choice behavior based on survey data. The data was collected by questionnaires to the shoppers of department stores and discount stores. Then the correct classification rates of the ANN models for the training and test sample with that of multiple discriminant analysis(MDA) and logistic regression(Logit) model. The performance of the ANN models were betted than the performance of the MDA and Logit model with respect to correct classification rate. By using input variables identified as significant in the stepwise MDA, the performance of the ANN models were improved.

• 천문학회보
• /
• 제42권2호
• /
• pp.60.2-61
• /
• 2017

A Convolutional Neural Network(CNN) is one of the well-known deep-learning methods in image processing and computer vision area. In this study, we apply CNN to two kinds of flare forecasting models: flare classification and occurrence. For this, we consider several pre-trained models (e.g., AlexNet, GoogLeNet, and ResNet) and customize them by changing several options such as the number of layers, activation function, and optimizer. Our inputs are the same number of SOHO)/MDI images for each flare class (None, C, M and X) at 00:00 UT from Jan 1996 to Dec 2010 (total 1600 images). Outputs are the results of daily flare forecasting for flare class and occurrence. We build, train, and test the models on TensorFlow, which is well-known machine learning software library developed by Google. Our major results from this study are as follows. First, most of the models have accuracies more than 0.7. Second, ResNet developed by Microsoft has the best accuracies : 0.77 for flare classification and 0.83 for flare occurrence. Third, the accuracies of these models vary greatly with changing parameters. We discuss several possibilities to improve the models.

• 무역학회지
• /
• 제46권6호
• /
• pp.191-209
• /
• 2021

In this paper, various time series analysis models and machine learning models are presented for long-term prediction of export growth rate, and the prediction performance is compared and reviewed by RMSE and MAE. Export growth rate is one of the major economic indicators to evaluate the economic status. And It is also used to predict economic forecast. The export growth rate may have a negative (-) value as well as a positive (+) value. Therefore, Instead of using the ReLU function, which is often used for time series prediction of deep learning models, the PReLU function, which can have a negative (-) value as an output value, was used as the activation function of deep learning models. The time series prediction performance of each model for three types of data was compared and reviewed. The forecast data of long-term prediction of export growth rate was deduced by three forecast methods such as a fixed forecast method, a recursive forecast method and a rolling forecast method. As a result of the forecast, the traditional time series analysis model, ARDL, showed excellent performance, but as the time period of learning data increases, the performance of machine learning models including LSTM was relatively improved.

• 전기학회논문지
• /
• 제63권11호
• /
• pp.1497-1502
• /
• 2014

Electric load forecasting is essential for stable electric power supply, efficient operation and management of power systems, and safe operation of power generation systems. The results are utilized in generator preventive maintenance planning and the systemization of power reserve management. Development and improvement of electric load forecasting model is necessary for power system maintenance and operation. This paper proposes daily maximum electric load forecasting methods for the next 4 weeks with a seasonal autoregressive integrated moving average model and an exponential smoothing model. According to the results of forecasting of daily maximum electric load forecasting for the next 4 weeks of March, April, November 2010~2012 using the constructed forecasting models, the seasonal autoregressive integrated moving average model showed an average error rate of 6,66%, 5.26%, 3.61% respectively and the exponential smoothing model showed an average error rate of 3.82%, 4.07%, 3.59% respectively.

• 한국지능시스템학회논문지
• /
• 제15권4호
• /
• pp.437-442
• /
• 2005

하천에서의 홍수유출 예측은 하천의 치수적인 측면에서도 중요하다. 본 논문에서는 신경회로망 모형을 이용해서 개발된 홍수유출 예측 시스템의 적용성을 검토하였다. 입력층에는 강우자료와 홍수량 자료를 출력층에는 홍수유출량이 예측되도록 구성하였다. 홍수유출 예측 시스템 구성시 예측모형 선정을 위해 신경회로망 모형과 상태공간 모형을 이용하여 홍수시 실시간 하천유출량 예측을 수행하였다. 두 모형의 예측결과 비교시 신경회로망 모형이 실시간 홍수량 예측에 적합한 모형으로 선정되었다. 신경회로망 모형은 Web 상에서 사용이 가능하게 변환하여 홍수유출 예측시스템의 기본모형으로 개발하였다.

• 조명전기설비학회논문지
• /
• 제28권1호
• /
• pp.50-56
• /
• 2014

Accurate midterm load forecasting is essential to preventive maintenance programs and reliable demand supply programs. This paper describes a midterm load forecasting method using autoregressive integrated moving average (ARIMA) model which has been widely used in time series forecasting due to its accuracy and predictability. The various ARIMA models are examined in order to find the optimal model having minimum error of the midterm load forecasting. The proposed method is applied to forecast 104-week load pattern using the historical data in Korea. The effectiveness of the proposed method is evaluated by forecasting 104-week load from 2011 to 2012 by using historical data from 2002 to 2010.