생명보험에서 생명표에 기초하여 사망즉시지급식 상품의 일시납 순보험료를 구하기 위해서는 단수부분에 대한 가정이 필요하다. 기존의 대부분의 연구에서는 단수부분에 대한 균등분포를 도입하고 연구를 진행하였다. 하지만, 노년층의 경우 사망원인에서 계절적 요인이 차지하는 비중이 상당히 크다는 점을 고려할 때, 과연 단수부분에 대한 균등 분포 가정이 전 나이구간에 대하여 적절한지에 대한 면밀한 검토가 필요하다. 이에 본 연구에서는 사망데이터로부터 단수부분에 대한 균등분포 가정의 타당성을 조사해보고, 보다 적합한 단수부분에 대한 모형을 제시하고자 한다. 제안된 모형에 기초한 순보험료와 리스크 분석을 통하여 균등분포 가정이 전 나이구간에 대하여 적절하지 않을 때 이를 도입하는 경우에도 큰 문제점이 없이 균등분포 가정을 적용할 수 있는지에 관하여 알아보고자 한다.

본 논문에서는 KOSPI 시가총액기준 상위 4종목(삼성전자, 현대차, 현대모비스, POSCO)의 고빈도 거래 데이터를 바탕으로 일중 수익률의 실현변동성과 시장미시구조잡음에 대해 연구한다. Volatility signature plot을 통해 실현변동성(Realized Variance; RV)과 편의수정 실현변동성($RV_{AC_1}$)의 편의를 확인하고 시장미시구조 잡음의 특징을 실증적으로 파악한다. 또한, 잡음 대 신호비(Noise-to-Signal Ratio; NSR)를 사용하여, 평균제곱오차(Mean Square Error; MSE) 기준의 실현변동성(RV)과 편의수정 실현변동성($RV_{AC_1}$)의 최적 추출 빈도수를 추정해본다.

주식, 환율 등과 같은 금융자료의 수익률의 분포는 정규분포에 비해 꼬리가 두껍고, 좌우 비대칭성을 보인다. 조건부수익률이 정규분포를 따른다고 가정한 GARCH 모형을 이용하여 VaR을 추정하였을 때, 이러한 비정규성 때문에 적절한 추정이 이루어지지 않고, VaR을 초과하는 손실의 발생과정에 군집(clustering)현상이 발생하는 문제점이 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 조건부수익률의 분포로 unbounded Johnson 분포를 이용한 GARCH 모형을 이용하여 VaR을 추정한다. 또한, 조건부수익률이 각각 정규분포, Student-t 분포를 따르는 GARCH 모형의 경우와 비교하였다. 초과손실 발생과정 자료를 이용하여 실패율검정과 군집성검정을 통해 조건부수익률 분포로 unbounded-Johnson 분포를 사용하는 방법의 타당성을 살펴보았다. Unbounded Johnson 분포가 조건부수익률 분포로 주어지는 GARCH 모형의 경우는 과소, 과대추정을 하지 않고, 군집현상 또한 발생하지 않아 적절한 추정을 하고 있음을 확인하였다.

통계청의 고용통계는 고용환경의 변화와 관련된 정보는 제공하지 않으며, 실업이 경기변동에 따라 변화하지만 함께 발표되는 월간산업동향과 관련된 분석은 제대로 이루어지지 않고 있다. 본 연구는 고용환경의 급변시 우리 사회의 주요 관심사인 실업 및 실망실업의 성향을 국내외 가격변수와 연계해 경기동행과 경기후행의 관계 안에서 통계적으로 분석하였다. 실망실업률은 일반 실업률에 비해 단기적 불균형에서 장기균형으로의 회복 속도가 빠르며, 특히 대부분 변수들의 변화에 상대적으로 민감하게 반응하는 것으로 추정되어 현실을 대변하는 의미있는 통계지표임을 시사한다.

블랙-숄즈 모형이 실제 기초자산의 움직임을 반영하지 못한다는 사실이 실증연구에 의하여 밝혀진 이후 기초자산의 움직임을 레비확률과정을 이용하여 모형화한 옵션가격결정 모형들이 그 대안 중 하나로 연구되어 왔다. 본 논문에서는 블랙-숄즈 모형의 대안으로 제시된 레비모형 중 Variance Gamma 모형이 국내 주식시장에서의 기초자산의 움직임을 블랙-숄즈 모형보다 충실히 재현해내는지 알아보고자 한다. 이를 위하여 Madan 등 (1998)의 연구에서와 같이 로그수익률의 확률밀도함수와 옵션 가격 결정식을 바탕으로 KOSPI 200자료를 이용하여 모수를 추정하고 우도비 검정을 실시하였다. 또한, 옵션 가격을 추정한 후 모형 간의 비교를 위하여 다양한 통계량을 계산하고, 회귀분석을 통하여 변동성 스마일 현상이 교정되는지를 살펴보았다. 연구결과로부터 Variance Gamma 모형 하에서 추정된 옵션 가격이 블랙-숄즈 모형 하에서 추정된 그것보다 더 시장가격과 가까우나, 이 모형도 변동성 스마일 현상을 해결해주지는 못함을 확인할 수 있었다.

우리나라 자동차보험 시장은 이미 성숙기에 접어들어 성장률이 감소하고 있는 추세이다. 이러한 시기에는 새로운 고객을 유치하는 것보다도 기존 고객을 유지하는, 즉 가입한 보험회사에 대한 충성도를 높이는 것이 새로운 마케팅 경쟁전략의 목표가 될 수 있을 것이다. 이에 본 연구에서는 개인용 자동차보험시장의 현 경쟁 환경 및 향후 변화될 환경에 맞추어 손해보험회사들이 새로운 자동차보험 마케팅 전략을 수립하는데 도움이 되는 마케팅 전략을 도출 제시하고자 한다. 이를 위하여 자동차보험 가입자를 대상으로 설문조사를 진행하였고, 일반화가법부분선형모형을 활용하여 분석을 시행하여 충성도에 영향을 주는 유의한 고객만족도 요인을 찾아내었다.

재충전이 있는 연속시간 리스크 모형이 고려된다. 프레미엄은 일정한 율로 들어오고, 보험금 청구는 복합 포아송 과정을 따라 이루어진다. 초기 잉여금 u > 0로 시작하여 잉여금은 프레미엄에 의해 증가하고 보험금 청구에 의해 감소한다. 잉여금의 수준이 ${\tau}$(0 < ${\tau}$ < u)아래로 떨어지면 초기 잉여금 수준까지 재충전이 이루어진다고 가정한다. 재충전이 고려된 리스크 모형에서 잉여금이 없어지는 파산확률을 적미분 방정식을 통해 유도하고, 보험 청구액이 독립적으로 지수분포를 따르는 경우는 파산확률의 명확한 공식이 유도됨을 보인다.

본 연구는 한국의 경제성장과 전력수요 사이의 Granger-인과성을 조사한 것이다. 실증분석을 위해 1970년 1분기부터 2009년 4분기까지의 분기별 실질 GDP와 전력소비 시계열 자료를 활용하였다. 두 시계열에 단위근이 존재하고 공적분 관계가 있음을 확인한 후 오차수정모형을 구성하였으며, Hsiao (1979)의 순차적 모형식별 과정을 적용해서 자기회귀항의 최적시차를 결정하여 모형을 추정하였다. Hsiao 방식의 Granger-인과성 분석결과, 한국의 경제성장과 전력수요는 양방향의 인과관계를 보였다. 추정된 개별 오차수정모형을 기반으로 Engle-Granger 방식의 추가적인 인과성 분석 결과로부터는 (1) 경제성장과 전력수요 사이의 단기적인 양방향성 인과관계, (2) 양방향성 강 인과관계, 그리고 (3) 장기적으로는 전력수요로부터 경제성장으로의 단방향성 인과관계를 확인할 수 있었다. 이러한 결과는 기존의 선행연구의 결과와는 상반되는 것이나, 지속적인 경제성장을 추구하는 한국의 상황에서 더 의미 있는 정책적 시사점을 줄 수 있다.

자동차보험의 손해율이란 지급보험금의 수입보험료에 대한 비율을 의미한다. 손해율이 매우 큰 값을 갖는 대형손실이 일어나는 경우에는 보험회사의 재무적인 부분에 큰 악영향을 미치게 된다. 따라서 보험회사가 이에 대비할 수 있도록 하기 위하여 손해율의 극단 분위수(extreme quantile)를 추정하는 것은 매우 중요한 일이다. 다른 종류의 보험 관련 데이터와 같이 손해율의 분포는 오른쪽으로 긴 꼬리를 갖는 두꺼운 꼬리분포(heavy-tailed distribution)를 갖는다. 이런 자료에서 극단 분위수룰 추정하기 위하여 가장 많이 사용되는 방법론은 POT(Peaks over threshold)와 Hill 추정(Hill estimation)이다. 본 논문에서는 일반화파레토분포(generalized Pareto distribution; GPD)의 다양한 모수추정방법론의 성능을 모의실험과 실제 손해율 데이터를 사용하여 비교, 분석하였다. 또한 Hill 추정치를 사용하여 극단 분위수를 추정하였다. 그 결과 대부분의 경우에 POT 방법론이 Hill 추정치를 이용한 방법보다 정확한 분위수를 추정하였고, 모수추정방법론 중에서는 MLE, Zhang, NLS-2 방법론이 가장 좋은 결과를 보여주었다.

In animal tumorigenicity data, tumor onsets occur at several sites and onset times cannot be exactly observed. Instead, the existence of tumors is examined only at death time or sacrifice time of the animal. Such an incomplete data structure makes it difficult to investigate the effect of treatment on tumor onset times; in addition, such dependence should be considered when censoring due to death is related with tumor onset. A bivariate frailty effect is incorporated to model bivariate tumor onsets and to connect death with tumor. For the inference of parameters, EM algorithm is applied and a real NTP(National Toxicology Program) dataset is analyzed as an illustrative example.

최근 들어 바이오시밀러에 대한 국내외 관심이 매우 증가하고 있다. 바이오시밀러가 오리지널 생물의약품과 효능과 안전성이 유사함을 보이기 위해서는 최종적으로 임상시험을 수행하여야 한다. 본 논문에서는 이러한 임상시험의 수행과 통계적 분석에 필요한 여러 방법들과 외국의 사례 그리고 관련된 가이드라인들을 살펴볼 것이다.

집단 약동학 모형 추정의 결과는 환자에게 투약학 약물의 용량결정에 직접적 영향을 미치므로 추정 모형에 대한 타당도와 적합도의 검증이 중요하다. 본 논문에서는 다양한 집단 약동학 모형 적합도 검증을 위한 방법들을 비교, 분석하고 실제 임상자료를 이용하여 최적의 집단 약동학 모형을 찾고 이에 대하여 다양한 타당도, 적합도 검정을 실시하여 모형을 진단해 본다.

선거여론조사에서 전화조사의 문제점인 모집단 포함률, 젊은층 재택률과 투표자 선정 등의 해결방안으로 유선 RDD와 무선 RDD의 혼합조사를 제안하였으며 2011년 10월 26일 서울시장 보궐선거 사전여론조사 데이터를 사용하여 제안한 결합조사의 적용가능성을 수치적으로 검증하였다. 본 연구를 통해 무선 RDD 표본은 유선 RDD 표본에 비해 분산이 컸지만 상대표준오차는 유사한 결과를 얻었다. 예측 정확성 측면에서 유무선 결합의 효과가 통계적으로 유의하지 않았지만 일반 선거여론조사에 적용할 경우 결합 표본을 통해 모집단 포함률을 확대하고 각 조사방법의 단점을 보완함으로써 선거 예측조사의 신뢰성을 제고할 수 있는 방안으로 활용될 수 있을 것으로 기대된다.

비정규직 재직자 직업능력개발에 대한 훈련 효과 추정을 위해 이 연구에서는 통계청의 경활 자료와 비모수적 매칭 방법을 사용하였다. 추정결과 재직자 직업능력개발 훈련은 정규직 자에게는 정규직 유지가능성을 높이고 비정규직 자에게는 임금보다는 정규직 전환확률을 높이는 것으로 나타났다. 또한 미관찰 요인에 의한 추정결과의 강건성을 알아보는 민감도 분석에서는 미관찰 요인은 추정결과에 크게 영향을 미치지 않는 것으로 나타났다.

결측자료(missing data), 절단분포(truncated distribution), 중도절단자료(censored data) 등 불완전한 자료(incomplete data)하의 추론문제(incomplete problems)는 통계학에서 자주 발생되는 현상이다. 이런 문제의 해결방법으로 Expectation Maximization, Monte Carlo Expectation Maximization, Stochastic Expectation Maximization 알고리즘 등을 이용하는 방법이 있지만, 정형화된 분포의 가정이 필요하다는 단점을 가지고 있다. 본 연구에서는 정형화된 분포의 가정이 없는 경우에 사용할 수 있는 Metropolis-Hastings Expectation Maximization(MHEM) 알고리즘을 제안하고자 한다. MHEM 알고리즘의 효율성은 중도절단자료(censored data)를 이용한 모의실험과 KOSPI 200 수익률의 실증자료분석를 통해 알수 있었다.

In fitting a regression model, we often encounter data sets which do not follow Gaussian distribution and/or do not have equal variance. In this case estimation of the conditional density of a response variable at a given design point is hardly solved by a standard least squares method. To solve this problem, we propose a simple method to estimate the distribution of the fitted vales under heteroscedasticity using the idea of quantile regression and the histogram techniques. Application of this method to a real data sets is given.

선형회귀모형에서 자료를 모형에 적합시킬 때 일반적으로 반응변수 변환을 시도하지만 적절한 변환함수의 결정은 몇개의 이상치들에 민감하게 반응한다는 것이 잘 알려져 있다. 이에 따라 이상치에 영향을 받지 않는 변수변환 방법들이 연구, 개발되고 있으나 최근에 Cheng (2005)에 의해 최소절사제곱추정치에 기반을 둔 절사 우도추정치 방법처럼 이상치의 숫자를 미리 정해야한다거나 많은 계산량이 필요하다는 단점들을 갖고 있다. 본 논문에서는 그와 같은 문제점을 해결하고 추정치의 강건성을 개선하는 새로운 방법을 제안하며 제안된 방법에서는 반응변수 변환에 따른 이상치 탐색법에 있어서 Hadi와 Simonoff (1993)가 제시한 단계적 절차를 응용, 적용한다.

반응표면 방법론은 어떤 공정을 개선하거나 최적화하는데 이용되는 아주 유용한 통계적방법이다. 이러한 최적조건을 추정하기 위하여 최적조건이 있으리라 예상되는 실험구역을 탐색하여 실험을 실시한다. 그런데 이 실험구역은 실험의 환경의 제약 그리고 연구자의 선택 등으로 그 모습이 다양하게 달라질 수 있다. 반응표면 설계는 실험구역의 모양에 따라 보통 둥그런 모양의 "구형설계"와 육면체 모양의 "입방형설계"로 구분한다. 구형설계는 회전성을 만족하거나 회전성에 상당히 근접하는 "유사회전성"을 갖는 특징이 있다. 반응표면 설계에서 가장 많이 사용되는 중심합성설계는 실험구역이 구형인 5수준 실험설계이다. 이 때, 축점의 ${\alpha}$값을 ${\alpha}=\sqrt{k}$ 대신 ${\alpha}=1$로 조정하면 5-수준이 아닌 3-수준 입방형 중심합성설계를 얻을 수 있다. 그러나 입방형 중심합성설계는 실험구역이 구형이 아니므로 회전성을 만족하지 못하는 문제가 있다. 이러한 이유로, 변수들의 수준 수를 3으로 제한하면서 실험구역은 구형인 실험설계가 필요할 때가 많다. 이에 대한 대표적 실험설계가 바로 박스-벤켄 실험설계이다. 이 실험설계는 구형의 실험구역으로 회전성을 만족하나 실험구역의 크기가 변수의 개수가 증가해도 제자리 수준으로 좁은 특징이 있다. 현실적으로 실험구역의 가상 자리 부분에 대한 예측에 관심이 있을 경우 변수의 개수가 많아지면 이에 비례하여 실험구역이 커지는 실험설계가 바람직하다. 본 논문은 3-수준 입방형설계에 비하여 실험구역이 유달리 좁은 박스-벤켄 실험설계를 보완하여 구형설계를 만족하면서도 다른 한편으로는 변수 수에 따라 실험반경이 커지는 3-수준 구형 반응표면 설계를 소개하고자 한다. 이 방법을 기존의 실험설계들과 비교한 결과 변수수가 비교적 작을 경우 실험횟수 등을 고려하여 응용가치가 있음을 확인하였다.

This study proposes a quantification algorithm for a PLS method with several sets of variables. We called the quantification method for PLS with more than 2 sets of data a generalization. The basis of the quantification for PLS method is singular value decomposition. To derive the form of singular value decomposition in the data with more than 2 sets more easily, we used the constraint, $a^ta+b^tb+c^tc=3$ not $a^ta=1$, $b^tb=1$, and $c^tc=1$, for instance, in the case of 3 data sets. However, to prove that there is no difference, we showed it by the use of 2 data sets case because it is very complicate to prove with 3 data sets. The keys of the study are how to form the singular value decomposition and how to get the coordinates for the plots of variables and observations.