Journal of the Korea Society for Simulation (한국시뮬레이션학회논문지)

The Korea Society for Simulation (한국시뮬레이션학회)
권호 표지
DOI QR코드

DOI QR Code

A Study of Applying Bootstrap Method to Seasonal Data

계절성 데이터의 부트스트랩 적용에 관한 연구

  • 박진수 (성균관대학교 시스템경영공학과) ;
  • 김윤배 (성균관대학교 시스템경영공학과)
  • Received : 2010.08.06
  • Accepted : 2010.09.20
  • Published : 2010.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

The moving block bootstrap, the stationary bootstrap, and the threshold bootstrap are methods of simulation output analysis, which are applicable to autocorrelated data. These bootstrap methods assume the stationarity of data. However, bootstrap methods cannot work if the stationary assumption is not guaranteed because of seasonality or trends in data. In the simulation output analysis, threshold bootstrap method is the best in describing the autocorrelation structure of original data set. The threshold bootstrap makes the cycle based on threshold value. If we apply the bootstrap to seasonality data, we can get similar accuracy of the results. In this paper, we verify the possibility of applying the bootstrap to seasonal data.

시뮬레이션 출력 분석 방법인 이동 블록 부트스트랩이나 정상 부트스트랩, 그리고 임계값 부트스트랩은 자기상관성이 존재하는 데이터에 적용 가능한 표본 재추출 방법론들이다. 이러한 부트스트랩 방법들은 데이터의 정상성을 가정하여 적용해 왔다. 그러나 실제 자료 또는 시뮬레이션 출력에 계절성이나 추세를 동반하여 그 정상성을 보장할 수 없는 경우에는 부트스트랩을 시뮬레이션 출력 분석에 적용하지 못하였다. 시뮬레이션 출력 분석 기법 중 자기상관성을 가장 잘 묘사하는 방법은 임계값 부트스트랩 방법이다. 임계값 부트스트랩은 자료의 임계값을 기준으로 주기를 형성하여 재추출하는 방법으로써 계절성이 존재하는 데이터에 부트스트랩을 적용한다면 임계값 부트스트랩과 유사한 정확도를 얻을 수 있다. 본 논문에서는 계절성이 존재하는 시계열 자료에 대한 부트스트랩 적용 가능성을 제시 및 검증해보고자 한다.

Keywords

References

  1. Efron, B., "Bootstrap methods: another look at the jackknife," Annals of Statistics, vol. 7, pp. 1-26, 1979. https://doi.org/10.1214/aos/1176344552
  2. Efron, B. and Tibshirani, R., An introduction to the bootstrap, Chapman & Hall, New York, 1993.
  3. Hall, P., Horowitz, J. and Jing, B., "On blocking rules for the bootstrap with dependent data," Biometrika, vol. 82, pp. 561-574, 1995. https://doi.org/10.1093/biomet/82.3.561
  4. Kunsch, H., "The jackknife and the bootstrap for general stationary observations," Annals of Statistics, vol. 17, pp. 1217-1241, 1989. https://doi.org/10.1214/aos/1176347265
  5. Liu, R. and Singh, K., "Moving blocks jackknife and bootstrap capture weak dependence," In: LePage, R., Billard, L. (Eds.), Exploring the Limits of Bootstrap. Wiley, New York, pp. 225-248, 1992.
  6. Park, D., Kim, Y.B., Shin, K.I. and Willemain T.R., "Simulation output analysis using the threshold bootstrap," European Journal of Operational Research, vol. 134, pp. 17-28, 2001. https://doi.org/10.1016/S0377-2217(00)00209-5
  7. Park, D. and TR. Willemain, "The threshold bootstrap and threshold jackknife," Computational Statistics & Data Analysis, vol. 31, pp. 187-202, 1999. https://doi.org/10.1016/S0167-9473(99)00008-0
  8. Politis, D.N. and Romano, J.P., "The stationary bootstrap," Journal of American Statistics Association. 89, pp. 1303-1313, 1994. https://doi.org/10.2307/2290993
  9. Wei, W.W.S, Time Series Analysis: Univariate and Multivariate Methods. Addison-Wesley Publishing Company, Inc, 1990.