• 응용통계연구
• /
• 제22권2호
• /
• pp.261-270
• /
• 2009

주식 수익률, 환율 등과 같은 금융 자료를 이해하는데 있어서 최근의 국제 금융위기를 통해 더욱 중요해진 이슈는 바로 변동성(volatility)이다. 변동성(조건부 이분산성)에 대한 모형은 Engle (1982)의 ARCH 모형과 Bollerslev (1986)의 GARCH 모형을 시작으로 수만은 연구가 이루어졌으며 특히 금융 시계열 분석에서는 시계열 자료들 간의 변동성을 함께 모형화 하는 MGARCH(multivariate GARCH) 모형이 널리 이용되고 있다. 추정된 MGARCH 모형들은 그 자체로서 여러 개의 변동성들 간의 시간에 따른 동적인 관계를 설명해주는 데 유용할 뿐만 아니라 추정된 (조건부)상관계수들은 hedge ratio 계산 또는 VaR 계산 등과 같이 금융시장에 대한분석에도 이용되고 있다. 본 논문에서는 국내 14개 최신 주가자료에 대한 MGARCH 분석을 수행하고 연관된 사후검증(back-testing)을 통해 MGARCH 모형들을 평가하고 있으며 사후검증 수치를 얻기 위한 S-PLUS 프로그램을 수록하였다.

• 한국전자통신학회논문지
• /
• 제19권2호
• /
• pp.383-388
• /
• 2024

본 논문은 전라남도에서 측정한 태양광 발전 데이터를 기반으로 발전량 예측값을 도출하기 위한 연구이다. 발전량 측정을 위해 인버터에서 직류, 교류, 환경데이터와 같은 다변량 변수를 측정하였고, 측정값의 안정성과 신뢰성 확보를 위한 전처리 작업을 수행하였다. 상관관계 분석은 부분자기상관함수(PACF: Partial Autocorrelation Function)을 활용하여 시계열 데이터에서 발전량과 상관성이 높은 데이터만을 예측을 위해 사용하였다. 태양광 발전량 예측을 위해 딥러닝 모델을 이용하여 발전량을 측정했고, 예측 정확도를 높이기 위해 각 다변량 변수의 상관관계 분석 결과를 이용하였다. 정제된 데이터를 활용한 학습은 기존 데이터를 그대로 사용했을 때 보다 안정되었고, 상관관계 분석 결과를 반영하여 다변량 변수 중 상관성이 높은 변수만을 활용하여 태양광 발전량 예측 알고리즘을 개선하였다.

• 응용통계연구
• /
• 제24권4호
• /
• pp.597-607
• /
• 2011

금융자산에의 투자에서 리스크 관리의 중요성이 부각되면서 리스크를 측정할 수 있는 도구로서 Value at Risk (VaR)가 널리 각광을 받고 있다. Value at Risk는 주어진 신뢰수준에서 목표기간 동안 발생 가능한 최대손실로 정의되는데 몇 가지 한계점이 있지만 비교적 간단하게 계산되고 이해될 수 있다는 장점이 있어 리스크 측정 및 관리의 기본적인 측도로 이용되고 있다. 그러나 포트폴리오에 포함되는 자산의 숫자가 많아지는 경우 VaR을 계산하는 데에 필수적인 변동성 추정이 매우 어려워지게 된다. 이때 차원축소의 방법을 생각할 수 있는데, 전통적인 인자분석은 시계열자료에 적합한 방법이 아니기 때문에 직접 적용할 수 없고 자료의 자기상관성을 제거하는 방법이 선행되어야 한다. 본 논문에서는 인자분석의 확장 형태인 시계열인자분석을 활용하여 시계열자료의 차원축소과정을 간결하게 하는 방법을 제시하고, 시계열인자분석으로 차원을 축소할 때 기존의 방법을 사용하는 것과 어떠한 차이가 있는지를 실제 금융자료를 이용한 VaR의 사후검증을 통해 분석하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1449-1466
• /
• 2014

본 논문에서는 기초자산의 선물을 이용하는 헷지 전략을 연구하였다. 최적헷지비율을 구하기 위한 전통적인 방법으로 회귀분석이 사용되고 있으나, 현물과 선물 사이에 존재하는 장기균형관계와 금융 시계열 자료의 분산에 존재하는 변동성 군집현상 등의 특징을 설명하지 못하는 한계가 있다. 이를 극복하기 위해 코스피200 지수와 선물 자료에 대해 평균모형으로 벡터오차수정모형을 적합하고, 분산모형으로 다변량 GARCH 모형을 적합하여 분산-공분산 행렬을 추정하고, 이를 통해 최적헷지비율을 구하는 방법을 연구하였다. 실증분석 결과에 의하면 시장이 안정적일 때에는 회귀분석을 사용해도 큰 차이가 없지만, 시장이 불안정해지고 변동성이 커지는 구간에서는 벡터오차수정모형과 다변량 GARCH 모형을 이용하는 경우에 헷지성과가 월등히 좋아지는 결과를 얻을 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제22권1호
• /
• pp.58-73
• /
• 2022

이 연구의 목적은 모바일 앱 실적 변수 간의 관계를 파악하여 예측 가능한 앱 실적 변수의 추정 모델을 구성하고 앱 리뷰가 앱 실적 지표에 미치는 영향을 검증하는 것이다. 연구1과 2에서는 상관분석과 기계학습의 랜덤 포레스트 회귀 추정을 사용하여 앱 실적 간의 관계를 도출하고 앱 실적 추정 모델링을 수행하였다. 연구3에서는 앱 리뷰를 텍스트 마이닝의 감성분석을 사용하여 일별 감성 점수를 도출한 후 다변량 시계열분석을 사용하여 앱 리뷰의 감성점수가 앱의 일일 설치 횟수에 선행하여 영향을 주는 것을 발견하였다. 앱을 개발하고 서비스하는 기업은 앱 실적 지표와 앱 리뷰에서 제기되는 불만족과 고객 니즈를 검토하여 적기에 앱을 개선하고 마케팅 판매촉진활동의 시점과 방향성을 도출할 수 있다.

• 응용통계연구
• /
• 제22권5호
• /
• pp.995-1005
• /
• 2009

금융 시계열 자료들 간의 상관계수는 자산의 배분, 위험관리 그리고 포트폴리오의 선택에 있어서 중요한 역할을 한다. 이러한 상관계수들을 모형화하기 위해 단변량-GARCH 모형을 다변량-GARCH 모형으로 확장시킨 MGARCH류 모형들에 대한 많은 연구들이 진행되고 있다. 특히, CCC 모형 (Bollerslev, 1990)과 DCC 모형 (Engle, 2002)은 다른 모형들에 비해 추정해야 할 모수의 수가 작다는 이점으로 인해 분석에 널리 쓰이고 있다. 본 논문에서는 국내 주가자료에 대해 CCC 모형과 DCC 모형을 적합시킨 후, 각 모형들에 대한 VaR(value at risk)와 사후검증(back-testing), 결합예측영역(joint prediction region) 등을 통하여 두 모형의 예측 능력을 비교해 보고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1093-1102
• /
• 2012

본 연구에서는 다변량시계열모형인 VAR (vector autoregressive regression)모형에 의하여 금리 스프레드의 시계열예측을 수행하였다. 국내외 거시경제변수들 중에서 교차상관분석 및 그랜져인과 검정을 통하여 상호간에 설명력이 있는 변수들을 추출하여 VAR모형의 시계열변수로 사용하였다. 마지막 12개월의 예측치에 대한 MAPE (mean absolute percentage error)와 RMSE (root mean square error)에 근거하여 모형의 예측력을 단일변량 시계열모형인 AR (autoregressive regression) 모형과 비교하였다.

• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.825-835
• /
• 2008

계량경제학 분야에서 널리 쓰이는 MGARCH(multivariate GARCH)모형은 여러개의 시계열자료들의 변동성을 함께 모형화한다. 그러나 변수가 많아질수록 추정해야 할 모수의 수가 급격하게 늘어나는 문제점이 있다. 본 연구에서는 인자 모형을 통해 자료의 차원을 축소시킴로써 이러한 문제를 해결하고자 하였다. 국내의 주가수익률 자료에 통계적 인자 모형과 fundamental factor model을 적용하여 각각의 의미 있는 인자들을 얻은 후 이를 MGARCH모형에 적합시켰다. 또한 두 인자모형을 바탕으로 얻어진 최종 모형들의 MSE, MAD와 VaR(Value at Risk)를 계산하여 예측력을 비교하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.463-463
• /
• 2017

최근 다변량 확률모형 연구 및 기후변화에 따른 강우패턴 연구의 증가에 따라 시계열로 기록되어 있는 강우량 자료로부터 강우사상(Event)을 분리하는 연구 또한 활발히 이루어지고 있다. 일반적으로 강우사상은 최소무강우시간(Inter-Event Time)을 기준으로 전후강우가 독립적인 강우인지 연속적인 강우인지 구별하는데 이 최소무강우시간을 결정하는 방법이 각 사용되는 분야마다 일관되지 않은 점이 있다. 본 연구에서는 30년 이상 기록된 기상청 강우관측소 자료를 이용하였으며, 설계강우의 시간분포를 위한 Huff 4분위법에서 사용되는 6시간의 최소무강우시간분터 지수확률분포 방법으로 얻어지는 최소무강우시간(일반적으로 12시간 내외)까지 최소무강우시간의 변화에 따라 분리된 강우사상의 특성을 분석하였다. 또한 강우사상의 이변량 빈도해석 적합성을 검토하기 위해 연최대강우량 사상을 선정하여 빈도해석을 수행하였으며 최소무강우 시간에 따라 이변량 확률분포형 적합성을 검토하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.603-603
• /
• 2015

모든 외재적 형식의 가뭄을 모니터링하고 예측 및 평가하기 위해서는 가뭄지수가 필수적 요소로써 이용된다. 일반적으로 가뭄지수는 단일지수(single index), 다중지수(multiple index), 복합지수(composite index)로 분류되며 대부분 강수량, 유출량, 토양 수분량 등과 같은 하나의 변수만을 사용하는 단일지수이다. 가뭄지수는 가뭄평가에 있어서 각각의 장단점이 있다. 하나의 변수를 사용하는 가뭄지수는 계산이 간편하지만 가뭄의 물리적 특성을 정확하게 반영할 수 없기 때문에 신뢰할 수 있는 가뭄평가에 충분하지 않다. CDI(Composite Drought Index)는 PDSI(Palmer Drought Index), ADI(Aggregate Drought Index), SWSI(Surface Water Supply Index)와 같은 다중지수의 개념을 착안하여 고안되었으며, 모든 가뭄 형태(농업적 수문학적 기상학적)와 관련된 강우량, 유출량, 정규식생지수(NDVI)를 변수로써 사용하였다. NDVI는 MODIS(Moderate resolution imaging spectroradiometer)에서 제공하는 16일 간격의 위성자료를 이용하여 계산되었고 이와 시간 스케일을 맞추기 위해 나머지 두 변수 또한 16일 시계열을 사용하였다. CDI는 (1)각 변수들의 시계열을 행렬로 나타내고 (2)이것을 정규화하여 무차원 행렬로 변환한 후 (3)연구 지역의 최고습윤상태(most wet condition) 및 최고건조상태(most dry condition)의 차이값을 기반으로 하여 산정된다. 본 연구에서는 상대적으로 다른 유역에 비해 장기적이고 연속적인 자료를 확보할 수 있으며 농경지와 산림지역 비율이 높은 낙동강 유역을 대상유역으로 설정하였으며, 2001-2013년 기간의 자료를 이용하였다. 그 결과 연구 기간 중 실제 발생했던 가뭄을 반영하는 것을 확인하였다. 또한 CDI는 다양한 변수의 활용으로 가뭄의 물리적 특성의 반영이 가능하며 연구 지역의 기상 조건에 직접적으로 관련된 결과를 나타낸다. 자료의 가용성에 따라 적용범위가 제한적일 수 있으나 입력값으로 사용된 변수와 시계열을 편의와 효율에 따라 유연하게 적용할 수 있다. 따라서 CDI는 농업적, 수문학적, 기상학적 가뭄의 모든 관점을 통합하는 실용적 가뭄지수로써 사용될 수 있는 가능성을 포함하고 있다.