• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.821-825
• /
• 2005

본 연구에서는 홍수조절 용 저수지의 예비방류 시행을 충분히 효과적으로 시행하고 강우종료 후에도 충분한 이수용량이 확보되도록 실시간 강우자료를 이용한 저수지 유입량 예측모형을 개발하였다. 사전예보(기상청 등)에 의한 총 예상강우량과 선행강우량, 현재 저수지 수위를 입력자료로 저수지 유입 총량과 수위변화량을 계산하여 홍수조절 응 저수지의 초기수위저하 및 하류 하도의 홍수방어를 사전에 대비할 수 있는 자료를 제시하였다. 또한, 유역을 하나의 통합시스템으로 구성하고 실제 강우가 시작되면 매시간 현시간 이후 강우가 중단된다는 가정 하에 현시점까지의 우량주상도를 통합시스템에 적용하여 이후 저수지 유입량을 예측하였다. 무한천 예당저수지에 적용하였으며 통합시스템의 구성은 저수지유역을 10개 소유역으로 분할하고 소유역별 홍수유출량은 Clark의 유역추적법, 하도구간은 Muskingum의 하도홍수추적 방법으로 계산되도록 하였다. 그리고 홍수유출시스템 내에는 강우관측소별 티센가중치에 따라 소유역별 평균강우량이 자동으로 입력되도록 하였으며, 예측정확도를 위해 현시간 이전까지 매시간마다 저수지의 수위변동과 실제 방류량으로부터 실측유입량을 산정하여 모형의 매개변수가 자동 보정되도록 하였다. 1995년 8월 23일$\~$8월 26일과 1999년 8월 2일$\~$8월 4일의 집중호우에 대하여 적용한 결과 모형의 예측정확도는 신뢰수준에 있었으며, 이와 같은 자료는 장수형 등(2005)이 제시한 효율적 저수지 운영관리 시스템과 하나로 통합되어 하류 하도의 통수능력을 고려한 홍수방어능력을 극대화한 예비방류의 시행과 강우종료 후에도 이수용량에는 손실이 없는 저수지의 관리방안의 지침이 되는데 효율적이라 판단되었다. 방법을 개발하여 개선시킬 필요성이 있다.>$4.3\%$로 가장 근접한 결과를 나타내었으며, 총 유출량에서도 각각 $7.8\%,\;13.2\%$의 오차율을 가지는 것으로 분석되어 타 모형에 비해 실유량과의 차가 가장 적은 것으로 모의되었다. 향후 도시유출을 모의하는 데 가장 근사한 유출량을 산정할 수 있는 근거가 될 것이며, 도시재해 저감대책을 수립하는데 기여할 수 있을 것이라 판단된다.로 판단되는 대안들을 제시하는 예비타당성(Prefeasibility) 계획을 수립하였다. 이렇게 제시된 계획은 향후 과학적인 분석(세부평가방법)을 통해 대안을 평가하고 구체적인 타당성(feasibility) 계획을 수립하는데 토대가 될 것이다.{0.11R(mm)}(r^2=0.69)$로 나타났다. 이는 토양의 투수특성에 따라 강우량 증가에 비례하여 점증하는 침투수와 구분되는 현상이었다. 경사와 토양이 같은 조건에서 나지의 경우 역시 $Ro_{B10}(mm)=20.3e^{0.08R(mm)(r^2=0.84)$로 지수적으로 증가하는 경향을 나타내었다. 유거수량은 토성별로 양토를 1.0으로 기준할 때 사양토가 0.86으로 가장 작았고, 식양토 1.09, 식토 1.15로 평가되어 침투수에 비해 토성별 차이가 크게 나타났다. 이는 토성이 세립질일 수록 유거수의 저항이 작기 때문으로 생각된다. 경사에 따라서는 경사도가 증가할수록 증가하였으며 $10\% 경사일 때를 기준으로 $Ro(mm)=Ro_{10}{\times}0.797{\times}e^{-0.021s(\%)}$로 나타났다.천성 승모판 폐쇄 부전등을 초래하는 심각한 선천성 심질환이다. 그러나 진단 즉시 직접 좌

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 한국산림과학회지
• /
• 제112권3호
• /
• pp.352-362
• /
• 2023

일본잎갈나무는 종자 생산의 풍흉 주기가 길고 불규칙하여 채종원산 우량 종자의 안정적인 대량생산을 위해 종자 생산 효율을 높이는 계획 수립이 필요하다. 구과의 채취시기는 구과특성과 종자 품질을 결정하는 중요한 요소로 종자 뿐만 아니라 유묘 생산까지도 영향을 준다. 충주 일본잎갈나무 채종원에서 구과의 적정한 채취시기를 판단하고 채취시기별 구과 및 종자 특성을 분석하기 위해 2021-2022년도에 채취시기별로 구과 함수율, 종자 효율(생산량), 발아율, 발아세 등을 조사하여 다변량 분석을 수행하였다. 8월 초에 구과 함수율의 감소와 구과의 갈변이 이루어졌고, 발아율은 점차 감소하는 경향이 있었으나 9월말에 최고점이 나타나 경향성이 뚜렷하지 않았다. 구과 채취시기가 늦을수록 발아속도는 우수하였으나, 종자 비산, 충해 종자의 증가로 종자 효율은 감소하였다. 따라서 발아율과 종자 생산량을 최대로 하는 구과의 최적 채취시기는 8월 초일 것으로 판단되었다. 다만 균일한 묘목 생산에 기여하는 발아속도를 고려한다면 시기적절한 병해충 방제를 통해 종자손실을 절감시킬 수 있는 9월 초에 구과를 채취해야 할 것이다. 또한 일본잎갈나무 채종원에서 구과의 갈변 정도와 함수율은 구과 채취시기의 결정 지표로 활용할 수 있는 것으로 나타났다.