• Journal of the Korean Data and Information Science Society
• /
• v.23 no.1
• /
• pp.71-77
• /
• 2012

This paper introduces the projection methods by nonlinear regression model. To predict the student numbers, a log model and an involution model as the kind of a trend-extrapolation method are used. Empirical evidence shows that a projection by log model is better than by involution model with the confidence interval estimations for the coefficients of determination.

• The Korean Journal of Financial Management
• /
• v.17 no.1
• /
• pp.161-180
• /
• 2000

본 연구는 주가를 예측하는데 있어서 선형 회귀모형을 이용하는 방법과 비선형 인공신경망 모형을 이용하는 방법을 비교 분석하여, 어떤 모형이 더 우수한 예측성과를 내는지를 검증한다. 자본시장에서 투자자들은 접근하는 정보가 다르고 각기 상이한 예측 변수들을 토대로 나름대로의 예측치를 만들어 낸다. 이렇게 볼 때 개별 투자자들이 이용하는 다양한 정보집합을 결합하여 단일의 뛰어난 정보집합을 만들어내는 것은 매우 어려운 과제이다. 따라서 본 연구에서는 이용 가능한 소수의 예측 변수들을 어떤 방식으로 결합하는 것이 예측오차의 분산을 최소화할 수 있는지에 대한 현실적인 접근방법을 모색하고자 한다. 거시경제변수나 시장자료를 입력변수로 사용한 기존 연구와는 달리 본 연구에서는 재무제표 정보를 입력변수로 사용하였다 즉, 대차대조표의 최종요약치인 주당 지분의 장부가치와 손익계산서의 최종요약치인 주당 순이익을 입력변수로 사용했으며 1991년부터 1995년까지의 추정(학습)결과를 토대로 모형을 선택하여 1996년의 제무제표 정보로 1997년의 주가를 예측하는 것이 본 연구의 과제이다. 연구결과, 대체로 선형회귀모형에 비해 비선형 신경망 모형이 예측오차의 분산을 감소시키는 것으로 나타났다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.571-580
• /
• 1998

선형회귀분석에서 새로운 변수가 모형에 추가될 때 변수변환의 필요성과 적절한 변환의 형태를 진단하는 기능이 있다고 알려져 있는 편잔차그림과 덧편잔차그림을 비선형회귀모형에 적용하고 이 그림들이 기능을 제대로 수행할 수 있는 조건을 알아보았다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.3
• /
• pp.475-483
• /
• 2009

In this paper we introduced a class of nonlinear time series models to analyse KOSPI data. We introduce the Generalized Power-Transformation TGARCH (GPT-TGARCH) model and the model includes Zakoian (1993) and Li and Li (1996) models as the special cases. We showed the effectiveness and efficiency of the new model based on KOSPI data.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.831-839
• /
• 2010

Least squares support vector machine (LS-SVM) is a kernel trick gaining a lot of popularities in the regression and classification problems. We use LS-SVM to propose a iterative algorithm for a nonlinear generalized autoregressive conditional heteroscedasticity model in the mean (GARCH-M) model to estimate the mean and the conditional volatility of stock market returns. The proposed method combines a weighted LS-SVM for the mean and unweighted LS-SVM for the conditional volatility. In this paper, we show that nonlinear GARCH-M models have a higher performance than the linear GARCH model and the linear GARCH-M model via real data estimations.

• The Korean Journal of Applied Statistics
• /
• v.6 no.2
• /
• pp.265-275
• /
• 1993

This paper deals with the M-estimators in regression model. The class of M-estimators is defined on nonlinear regression model and the conditions to hold the consistency of the considered estimators are suggested when the parameter space of the model is compact.

• The Korean Journal of Applied Statistics
• /
• v.31 no.1
• /
• pp.123-137
• /
• 2018

A nonlinear mixed effects model is mainly used to analyze repeated measurement data in various fields. A nonlinear mixed effects model consists of two stages: the first-stage individual-level model considers intra-individual variation and the second-stage population model considers inter-individual variation. The individual-level model, which is the first stage of the nonlinear mixed effects model, estimates the parameters of the nonlinear regression model. It is the same as the general nonlinear regression model, and usually estimates parameters using the least squares estimation method. However, the least squares estimation method may have a problem that the estimated value of the parameters and standard errors become extremely large if the assumed nonlinear function is not explicitly revealed by the data. In this paper, a new estimation method is proposed to solve this problem by introducing the ridge regression method recently proposed in the nonlinear regression model into the first-stage individual-level model of the nonlinear mixed effects model. The performance of the proposed estimator is compared with the performance with the standard estimator through a simulation study. The proposed methodology is also illustrated using quantitative high throughput screening data obtained from the US National Toxicology Program.

• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.157-169
• /
• 2016

We compare four methods to estimate a regression coefficient under linear regression models with serially correlated errors. We assume that regression errors are generated with nonlinear autoregressive models. The four methods are: ordinary least square estimator, general least square estimator, parametric regression error correction method, and nonparametric regression error correction method. We also discuss some properties of nonlinear autoregressive models by presenting numerical studies with typical examples. Our numerical study suggests that no method dominates; however, the nonparametric regression error correction method works quite well.

• The Korean Journal of Applied Statistics
• /
• v.8 no.2
• /
• pp.187-200
• /
• 1995

This paper is concerned with a regression model with nonlinear time series errors. Testing procedures for linearity of error terms are studied. To this end, large-sample properties of estimators of regression parameters and autoregression parameter are obtained. These results are then used to develop test statistics for testing linearity of errors. Some simulation studies are shown.

• Journal of the Korean Statistical Society
• /
• v.8 no.2
• /
• pp.109-116
• /
• 1979

두 개의 변수의 대체효과(substitution effect)를 연구하기 위하여 수요 또는 공급의 모형을 만들었을 경우 이에 관련된 변수들의 이름이 중요시 된다. 실제 관측 자료를 사용하였을 경우 흔히 일어나는 다공선성(multicollinearity) 문제를 다루기 위한 대안으로써 선형회귀선을 예로 들어 능형회귀기법(ridge regression technique)과 요인분석기법(factor analytic technique)을 소개하였으며 이에서 얻어지는 계수(coefficient)를 OLS 추정치로 설명하기 위하여 원래의 자료를 변환하였다. 실지 수요와 공급의 모형이 비선형일 경우 일반적으로 능형회귀나 요인분석을 쓰지 못한다는 점을 감안, 이러한 방법을 자료의 변환방법으로 설명함으로써 비선형모형에서도 다공선성문제를 위하여 능형회귀분석법이나 요인분석기법을 사용할 수 있도록 하였다.