• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.97-104
• /
• 2000

본 논문은 m개의 독립적인 일차 비선형 시계열로 구성된 패널자료의 동질성 검정에 대한 연구로서 먼저 일반적인 일차 비선형 시계열의 정상성 조건을 유도하고 이어서 동질성 검정법을 제시하고 연관된 극한분포를 규명하였다. 또한 모의실험을 하여 제안된 검정법의 모의검정력을 구하였다.

• The Korean Journal of Financial Studies
• /
• v.14 no.1
• /
• pp.41-56
• /
• 2008

주식 수익률이 정상적 과정이 아니라 비정상적 과정에 의해서 생성되고 있다는 사실이 여러 실증 분석에서 제시되고 있다. 시계열의 평균이 시간의 흐름에 따라 변하면 이 시계열은 비정상적 과정에 의하여 생성된다. 시간의 흐름에 따라 평균이 변하는 비정상 시계열은 단위근과 공적분에 의하여 시계열의 운동을 모형화하고 있다. 한편 시계열의 비정상성은 분산이 시간의 흐름에 따라 변할 때에도 발생한다. 시간의 흐름에 따라 무조건부 분산은 변하지 않고 있지만 이용 가능한 정보 집합을 조건으로 하는 조건부 분산이 변하는 경우도 있다. 이 같은 성질을 가진 주가 시계열은 자기회귀 조건부 이분산(ARCH) 계통의 과정으로 모형화하고 있다. 그러나 무조건부 분산이 시간의 흐름에 따라 변하면 ARCH 계통은 중대한 모형정립과오(misspecification)에 직면하게 된다. 따라서 본 논문은 무조건부 분산이 시간의 흐름에 따라 변할 때 자기 회귀 과정의 모수를 추정하는 방법을 검토하고, 이 방법을 한국 종합주가 지수에 적용하여 자기회귀 과정의 모수를 추정하였다. 이 방법에 의하여 추정된 2계 자기회귀 과정의 모수값 중 상수항과 제1계 항의 계수는 통상 최소자승법에 의한 값과 유사하다. 그러나 제2계 항 모수의 값은 양자가 상당히 다르다. 최소자승에 의한 제2계 값이 과대 추정되고 있다.

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.357-362
• /
• 2012

We have compared and predicted for non-linear time series data which are real data having different variences using GRCA(1) model and neural network method. In particular, using Korea Composite Stock Price Index rate, mean square errors of prediction are obtained in genaralized random coefficient autoregressive model and neural network method. Neural network method prove to be better in short-term forecasting, however GRCA(1) model perform well in long-term forecasting.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.388-390
• /
• 2006

본 논문은 종합주가지수, 코스닥 지수의 시계열 일간 데이터의 위상분석을 통해 시계열간의 연관성을 분석하였다. 시계열의 데이터는 비선형, 비정상이다. 따라서 위상성분의 정확한 추출을 위해서 전통적인 수학적 방법이 아닌 순간 위상값을 이용한 새로운 신호분석 방법을 사용하여 두 시계열의 연도별 위상차의 왜도와 첨도값을 기준으로 시계열의 상관특성을 살펴보았다.

• Journal of Digital Convergence
• /
• v.12 no.7
• /
• pp.261-266
• /
• 2014

When the number of parameters in the time series model are diverse, it is hard to forecast because of the increasing error by a parameter estimation. If the homogeneity hypothesis which was obtained from the same model about severeal data for the time series is selected, it is easy to get the predictive value better. Nonlinear time-series panel data for each parameter for each time series, since there are so many parameters that are present, and the large number of parameters according to the parameter estimation error increases the accuracy of the forecast deteriorated. Panel present in the time series of multiple independent homogeneity is satisfied by a comprehensive time series to estimate and to test of the parameters. For studying about the homogeneity test for the m independent non-linear of the time series panel data, it needs to set the model and to make the normal conditions for the model, and to derive the homogeneity test statistic. Finally, it shows to obtain the limit distribution according to ${\chi}^2$ distribution. In actual analysis,, we can examine the result for the homogeneity test about nonlinear time series panel data which are 2 groups of stock price data.

• The Korean Journal of Financial Studies
• /
• v.9 no.1
• /
• pp.95-118
• /
• 2003

한 시계열의 자기상관계수의 절대값을 시차를 무한대로 접근시켜 가면서 각 시차에 대하여 구하고 이 절대값을 모두 더한 값이 무한일 때 이 시계열은 장기기억을 가진다. 이로 인하여 장기기억 모수를 추정하는데에는 자기상관을 기본으로 한다. 표본의 자기상관과 이론적 자기상관 사이의 거리를 최소하여 추정통계량을 유도하고 있는 것이 일반적이다. 이 경우에는 정상적 과정에 한하여 적용이 가능하다. 시계열은 어느 시계열이던지 간에 이 시계열에 적합한 모형이 존재할 것이고 이 모형을 시계열에 적용하면 잔차 시계열을 얻을 수 있다. 원래 시계열의 이론적 상관 대신 원래 시계열의 잔차 시계열의 자기상관과 표본의 자기상관 사이의 거리를 최소하여 추정통계량을 얻으면 통계량의 계산이 편하고 이 추정량은 정상적 시계열과 비정상적 시계열에 다같이 적용할 수 있다. 본 논문에서는 잔차의 자기상관을 이용하여 자기회귀 분수적분 이동평균 과정의 모수 추정량을 도출한다. 그리고 이 추정 통계량에 입각하여 주가의 형성과정을 살펴보고 장기기억이 옵션가격과 포트폴리오 구성에 미치는 영향을 밝힌다.

• The Korean Journal of Applied Statistics
• /
• v.20 no.2
• /
• pp.219-227
• /
• 2007

The time series models have been used to analyze and predict the network traffic. In this paper, we compare the performance of the time series models for prediction of network traffic. The feasibility study showed that a class of nonlinear time series models can be outperformed than the linear time series models to predict the network traffic.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.2B
• /
• pp.163-171
• /
• 2009

Classical linear models have been generally used to analyze and forecast hydrologic time series. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. In recent, the BDS (Brock-Dechert-Scheinkman) statistic instead of conventional techniques has been used for detecting nonlinearity of time series. The BDS statistic was derived from the statistical properties of the correlation integral which is used to analyze chaotic system and has been effectively used for distinguishing nonlinear structure in dynamic system from random structures. DVS (Deterministic Versus Stochastic) algorithm has been used for detecting chaos and stochastic systems and for forecasting of chaotic system. This study showed the DVS algorithm can be also used for detecting nonlinearity of the time series. In this study, the stochastic and hydrologic time series are analyzed to detect their nonlinearity. The linear and nonlinear stochastic time series generated from ARMA and TAR (Threshold Auto Regressive) models, a daily streamflow at St. Johns river near Cocoa, Florida, USA and Great Salt Lake Volume (GSL) data, Utah, USA are analyzed, daily inflow series of Soyang dam and the results are compared. The results showed the BDS statistic is a powerful tool for distinguishing between linearity and nonlinearity of the time series and DVS plot can be also effectively used for distinguishing the nonlinearity of the time series.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.99-99
• /
• 2021

본 연구에서는 기상 자료와 적설 특성 자료의 관계를 도출하고, 이와 추계 일기 생성 모형을 활용하여 합성 적설심 시계열을 모의하는 방법에 대하여 제안한다. 추계 일기 생성 모형에서는 적설량을 직접 모의하지 않기 때문에 강수량을 적설량으로 변환해야한다. 이를 위해 도입한 관계식은 다음과 같다. 첫째로 기상청 적설 예보의 적설 유무 판단 기준을 이용하였다. 이 기준에서는 상대습도와 지상기온에 따라 강수의 형태를 비, 눈, 진눈깨비로 구분한다. 둘째로 강수가 적설로 판단되었을 때 강수량을 신적설심으로 환산하는 수상당량비를 지상기온과 회귀 분석하였다. 선행 연구에 따라 3시간 1 mm 이상 5 mm 이하 강수와 3시간 5 mm 이상 강수 사상에 대하여 나누어 sigmoid형 곡선을 이용하여 회귀 분석하였다. 마지막으로 융설에 의한 적설심 감소량을 지상기온과 복사량의 함수로 표현하였으며, 각 변수의 계수는 입자 군집 최적화 방법을 통하여 보정하였다. 추계 일기 생성 모형으로는 AWE-GEN 모형을 활용하였으며, 시험 자료로 강릉(105) 종관기상관측소의 24년 기간(1982-2005) 자료를 활용하여 합성 적설심 시계열을 생성하였다. 합성 적설심 시계열 모의 과정은 다음과 같다. (1) 추계 일기 생성 모형으로 합성 일기 자료 생성, (2) 강수 발생 시 적설 유무 판단, (3) 적설로 판단 시 수상당량비를 계산하여 신적설심 추정, (4) 기존 적설심에 신적설심을 더하고, 적설심 감소량만큼 감소. 위와 같은 과정으로 200년 길이 합성 적설심 시계열을 모의한 결과 극한 사상을 과소 추정하는 경향이 나타나 추가적인 개선이 필요한 것으로 판단된다.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2000.11a
• /
• pp.64-68
• /
• 2000

장기간 관측된 지하수위 자료를 시계열분석 중의 하나인 전이함수 모형(Transfer Function - Noise model)을 이용하여 분석하였다. 일반적으로 전이함수 모형은 입력 변수와 출력변수와의 관계가 선형적일 때 적용이 가능하며, 자료가 시간에 대해 연속적으로 존재해야 하는 제한이 있다. 강수량과 지하수위의 변동은 비선형적인 관계를 가지고 있어 이러한 전이함수 모형을 직접 적용하는데는 어려움이 있다. 이러한 비선형성의 정도를 감소시키기 위해 물리모형(HYDRUS)을 이용하여 침투량을 계산하고 이를 입력변수로 사용하여 전이함수 모형을 적용하였다. 침투량을 입력변수로 모형을 추정하였을 때, 강수량을 직접 입력자료로 사용했을 경우보다 ME(mean error), RMSE(root-mean-squre error), MAE(mean absolute error)에서 상대적으로 작은 값을 보여주고 있다. TFN 모형의 모수를 추정하기 위해서 Kalman 필터 알고리즘과 최우추정법(Maximum Likelihood Estimation)을 이용하였다. Kalman 필터 알고리즘을 이용하여 불규칙한 관측주기를 갖는 시계열이나 결측값이 있는 시계열에 대해서도 전이함수 모형을 구하였으며, 이를 통해 결측값에 대한 추정이 가능하였다.