• Communications for Statistical Applications and Methods
• /
• v.3 no.1
• /
• pp.29-37
• /
• 1996

계절성을 갖는 승법 계절 혼합 시계열 모형들의 동질성 검정을 위하여 Wald 검정 통계량을 구하고 그 극한 분포가 ${\chi}^2$-분포함을 보였으며 시뮬레이션 연구를 통하여 뒷받침하였다. 도시 규모가 비슷한 우리나라 지역별 평균 온도자료를 가지고 이 동질성 검정을 수행하여 시계열을 지역별로 모형화하여 예측한 것과 동질성이 있는 것을 묶고 모형화하여 예측한 것에 대한 예측 오차를 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.29-29
• /
• 2015

수자원의 지속적인 관리 및 효율적인 활용을 위하여 수문량의 예측과 분석은 필수적인 과정이라 할 수 있으며 이에 따라 다양한 수문 모형이 구축되고 강우, 유량 등 대표적인 수문량의 예측이 수행되어져 왔다. 그 중에서도 수문 시계열 모형은 시간의 흐름에 따라 일정하게 기록되어온 수문 자료를 확률적인 과정을 통하여 모형을 구축하고 이를 바탕으로 미래 수문량을 예측하는 데활용되는 모형으로, 과거에 기록된 수문 패턴이 미래에도 지속된다는 가정 하에 구축된다. 일반적으로 시계열 모형은 하나의 자료계열로 모형을 구축하는 단변량 모형과 원 자료계열 외에 다른 자료계열을 고려하여 모형을 구축하는 다변량 모형이 있으며, 다변량 모형은 원 자료계열에 영향을 미치는 외부변수를 고려함으로써 두 자료계열간의 상관성을 모형에 반영할 수 있는 장점을 가지고 있다. 또한 자료계열의 계절성을 고려하여 시계열 모형을 구축할 경우, 수문 시계열이 가지고 있는 계절적 영향을 잘 반영할 수 있다. 따라서 본 연구에서는 계절성을 고려한 다변량 시계열 모형인 SARIMAX(Seasonal AutoRegressive Integrated Moving Average with eXogenous) 모형을 이용하여 대표적인 수공구조물인 댐의 유입량 예측을 수행하였다. 일반적으로 댐 유입량 예측에는 댐의 유입량과 상관성이 높은 강우가 외부변수로 사용되어져 왔으나, 이 외에도 영향을 미칠 수 있는 지점특성치를 고려하여 모형을 구축한 후 비교하였다.

• Communications for Statistical Applications and Methods
• /
• v.18 no.1
• /
• pp.13-21
• /
• 2011

This paper studies the analysis of multivariate nonstationary time series with seasonality. Three types of multivariate time series models are considered: seasonal cointegration model, nonseasonal cointegration model with seasonal dummies, and vector autoregressive model in seasonal differences that are compared for forecasting performances using Korean macro-economic time series data. The cointegration models produce smaller forecast errors in short horizons; however, when longer forecasting periods are considered the vector autoregressive model appears preferable.

• The Korean Journal of Financial Management
• /
• v.16 no.1
• /
• pp.171-191
• /
• 1999

시간의 흐름에 걸친 주가시계열의 행동양식에 대한 연구에서는 선형성, 비선형성, 장기기억, 항상성분 등에 대한 명확한 결론을 내리고 있지 못한 실정이다. 주가 시계열과정을 설명하고 예측하기 위한 여러 모형들에 대한 실증연구에는 설명력과 예측력을 완벽하게 갖추고 있지 못하고 있다는 증거들이 제시되고 있다. 계절적 변동을 주가시계열에 적용하지 않는 관계로 이와 같은 결과가 발생할 가능성이 존재한다. 분기별 종합주가지수의 수익률에 계절적 단위근이 존재하고 있음이 실증분석을 통하여 밝혀졌다. 이 시계열에서는 계절적 단위근을 제거하기 위하여서는 제4계 시차 작용소가 적절한 필터임이 인정되었다. 월별 종합주가지수의 수익률에서도 계절적 단위근이 존재하고 있다. 따라서 제12계 시차 작용소를 사용하여 계절적 단위근을 제거하여야 할 것이다. 분기별 수익률에는 제4차 시차 작용소를, 월별수익률에서는 제12차 시차 작용소를 필터로 사용하여 이 시계열들을 차분화하고 이 차분화를 통하여 계절적 단위근을 제거한 후에 이 시계열들의 시계열적 성질과 특성을 탐구해야 할 것이다. 이 과정을 통할 때 시계열 과정에 대한 계량경제학적 모형에 대한 정확한 추론이 가능하게 된다.

• The Korean Journal of Applied Statistics
• /
• v.22 no.5
• /
• pp.1007-1017
• /
• 2009

Forecasting for air demand such as passengers and freight has been one of the main interests for air industries. This research has mainly focus on the comparison the performance between the univariate seasonal ARIMA models and the multivariate time series models. In this paper, we used real data to predict demand on international passenger and freight. And multivariate time series models are better than the univariate models based on the accuracy criteria.

• The Korean Journal of Applied Statistics
• /
• v.28 no.5
• /
• pp.885-893
• /
• 2015

It is important to improve the forecasting accuracy of one-year-ahead seasonal factors in order to produce seasonally adjusted series of the following year. In this paper, seasonal factors of 8 monthly Korean economic time series are examined and forecast based on the functional principal component regression. One-year-ahead forecasts of seasonal factors from the functional principal component regression are compared with other forecasting methods based on mean absolute error (MAE) and mean absolute percentage error (MAPE). Forecasting seasonal factors via the functional principal component regression performs better than other comparable methods.

• The Korean Journal of Applied Statistics
• /
• v.36 no.5
• /
• pp.457-471
• /
• 2023

The monthly series is an aggregation of daily values. In the absence of observable daily data, calendar effects such as trading day and holidays are estimated using a RegARIMA model. However, if the daily series were observable, these calendar effects could be estimated directly from the daily series, potentially improving the seasonal adjustment of the monthly time series. In this paper, we propose a method to improve the seasonal adjustment of monthly time series by using calendar variation estimation based on daily time series. We apply this seasonal adjustment method to three monthly time series and compare our results with those obtained using X-13ARIMA-SEATS.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.507-516
• /
• 2012

We study time series models for seasonal time series data with a covariance structure that depends on time and the periodic autocorrelation at various lags $k$. In this paper, we introduce an ARMA model with periodically varying coefficients(PARMA) and analyze Arosa ozone data with a periodic correlation in the practical case study. Finally, we use a PARMA model and a seasonal ARIMA model for data analysis and show the performance of a PARMA model with a comparison to the SARIMA model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.62-67
• /
• 2009

본 연구에서는 경기도 설마천 지역에 위치한 독립사면에서 시간에 따라 연속 측정한 토양수분을 이용하여 시계열 분석 을 수행하였다. 토양수분의 측정 방법은 장기간 토양수분의 확보에 신뢰성을 인정받은 TDR을 이용하였다. 관측망의 설계를 통하여 선정한 측정지점에 탐침을 매설하고 공간적인 분포를 가진 시계열 형태의 데이터를 수집하였다. 유출은 해당 사이트 인근에 위치한 사방댐과 전격비교의 수위계에서 실측한 값을 사용 하였다. 전이함수 모형을 사면에서의 토양수분 전이과정에 대응되도록 물리적으로 전개하고 실측한 토양수분 시계열 데이터로 분석한 결과와 비교하였다. 전이 함수 모형은 토양수분 시계열 데이터를 입력변수로 하고 유출 데이터를 반응 변수로 하여 전개하여 토양수분 변화량과 유출간의 전이함수 모형을 도출하였다. 시계열 모형의 전개는 크게 자료전처리, 모형구조의 규명, 모수추정, 모형진단 등의 과정을 통해서 적절한 모형을 도출하였다. 산지 사면에서의 토양수분을 전이함수에 의하여 전개한 모형은 지형적 분포 양상에 따라 특색을 나타내었다. 또한 2003년 가을과 2004년 봄의 전이함수 모형 추정을 통하여 계절별 특성이 나타났고, 모형양상에 원인을 검토해 보았다. 본 연구는 전이함수를 이용한 토양수분의 시계열 분석이 사면에서의 토양수분 변동특성을 지형적, 계절적 특성과 연계하여 이해하고 특성화 하는 과정의 적절한 도구가 될 수 있음을 보여주고 있다.

• The Korean Journal of Applied Statistics
• /
• v.24 no.1
• /
• pp.93-102
• /
• 2011

In this paper, we compared the performance of the several time series models for tourism demand forecasting. We showed that seasonal effects in the data(Japan, China, USA, and Philippines) exist in the tourism data and the forecasting accuracies are compared by the RMSE criterion.