• Spatial Information Research
• /
• 제19권6호
• /
• pp.43-54
• /
• 2011

본 연구는 위성영상 자료(2000-2009)를 이용하여 성남-용인 인근지역의 지표변화를 시계열 분석하기 위해 규칙기반 영상분류 방법을 제안하였다. 도시지역의 연도별 변화 패턴을 파악하기 위해 통계적/수학적 기반의 규칙에 따라 11개 클래스로 구분하였다. 훈련지역을 설정하지 않는 무감독분류 방법으로서 규칙을 적용할 수 있도록 알고리즘을 일반화 하였다. 분석 결과, 택지개발 등에 의하여 연구범위 내 도시지역면적이 약 1.45배 증가하였으며, 2009년 영상의 분류정확도는 98%로 나타났다. 방법 검증을 위하여 선분류 후비교법을 이용한 토지피복 변화분석 결과와 비교하였다. 다중영상 내 가용한 데이터를 최대한 이용할 수 있었고, 목적에 최적화된 분류가 가능해져, 분류정확도의 향상을 기대할 수 있었다. 본 규칙기반 영상분류 방법은 향후 도시개발 주제도 제작 및 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 적용될 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.13-15
• /
• 2012

최근 다양한 서비스가 등장하면서 폭발적으로 증가하는 데이터로 인해 이를 처리하고 분석하기 위한 대용량 처리 및 분석 시스템이 제안되고 있다. 본 논문에서는 이러한 시스템에서 효율적인 데이터 큐브관리 방법을 제안한다. 실험을 통해 제안한 방법이 대용량 시계열 데이터 처리 및 분석 시스템에서 중요한 질의 처리 시간을 단축시키는 것을 보였다.

• 노동경제논집
• /
• 제34권3호
• /
• pp.59-80
• /
• 2011

본 연구는 비안정적 시계열 자료 분석 방법을 이용하여 장단기 고용탄력성을 추정하고 그 변화를 고찰하였다. 그 결과, 지난 25년간 고용탄력성이 유의하게 감소했다는 증거를 발견할 수 없었다. 이는 외환위기 이후의 취업자 수 증가율 감소가 고용탄력성 감소보다는 성장률 감소에 크게 기인함을 의미한다. 그러므로 일자리 창출력을 높이려는 정책적 노력은 성장잠재력 강화에 경주되어야 한다. 통계적 유의성을 떠나 고용탄력성 감소경향을 사실로 받아들인다고 하더라고 그것은 장기적으로 영향력을 발휘하는 구조적 요인에 기인하는 것이다. 그러므로 주어진 성장률 아래에서 일자리 창출력을 높이기 위한 노력도 장기적인 체질 강화에 역점을 두어야 한다.

• KEPCO Journal on Electric Power and Energy
• /
• 제4권2호
• /
• pp.55-61
• /
• 2018

본 연구는 시각 동기 위상 측정 정보를 이용하여 전력계통에 나타나는 여러 가지 동요 현상을 검출하기 위한 기초 연구로써, 시계열 데이터 분석 분야로 분류된다. 제시한 방법은 비선형 동특성에 해석 기반으로 접근하여 전력계통에 나타날 수 있는 여러 동요 현상을 범용적으로 검출해 낼 수 있다. 비선형 동요 현상의 신호적 패턴을 수학적으로 기본 순시치 파형으로부터 피크치 샘플링을 통해 전개하여 계통 요소간 간섭으로 인한 원하지 않는 진동 모드를 검출하고자 한다. 계통의 변화로 진동 모드가 나타날 때, 2차원 평면에 실효치로 환산한 시계열 전압 데이터와 선형화된 플로퀘트 상수(Floquet multiplier)를 맵핑하여 도시하고, 정상상태 지점으로부터 거리를 계산하여 최대 리아프노프 지수 계산을 통해 계통이 불안정하게 되는 시간을 시계열 데이터 분석으로 추정하는 것이 본 방법의 핵심이다. 이러한 접근으로 제시한 비선형 동요 검출 알고리즘을 적용하여 디지털 필터 적용 또는 주파수 영역 해석과 같은 오프라인 Study와 달리 온라인으로 신속하게 계통의 현재 상태를 알 수 있게 된다.

• 재무관리연구
• /
• 제9권2호
• /
• pp.177-207
• /
• 1992

이 논문(論文)에서는 선도환시장(先渡換市場)에서의 위험(危險)프리미엄의 존재가설(存在假說)을 실증분석(實證分析)하기 위해 분석시간대(分析時間帶), 분석통화(分析通貨), 시계열(時系列) 자료(資料)들을 블럭처리(處理) 하고 시계열분석(時系列分析), 제한(制限) cointegration분석, 회귀모형분석(回歸模型分析) 등의 3가지 큰 범주(範疇)하의 12 가지 분석기법(分析技法)의 반복측정분석(反復測定分析)을 하였다. 검증결과(檢證結果) 각 통화(通貨)마다 분석기법(分析技法)에 대한 위험(危險)프리미엄의 민감도(敏感度)는 상당한 차이(差異)가 발견(發見)되었다. 위험(危險)프리미엄의 분석방법(分析方法)에 따른 결과치(結果値)의 변동리유(變動理由)는 크게 계량추정(計量推定)의 변동(變動)에 기인(基因)한 부분(部分)과 위험(危險)프리미엄 측정(測定)의 이론적(理論的) 모형(模型)의 상이(相異)에 의한 부분, 분석기법(分析技法)의 위험(危險)프리미엄 조건(條件)의 차이(差異)에 의한 변동(變動)부분으로 나누어 짐을 알 수 있었다. 이상의 발견점(發見点)이 시사(示唆)하는 바는 위험(危險)프리미험의 연구(硏究)에 있어서 상기(上記) 세가지 방향(方向)으로 더욱 깊은 연구(硏究)가 행하여 질수 있음을 알 수 있다. 각 연구(硏究) 방법(方法)의 비교(比較) 평가(評價)에서는 구체적인 실증분석(實證分析) 후 각 연구방법(硏究方法)들의 장단점(長短點)들이 논의(論議)되어진 바, 이들 방법(方法)이 서로 상호대체적(相互對替的)이 아니고 상호보완적(相互補完的)임을 알 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제17권3호
• /
• pp.176-182
• /
• 2024

본 연구는 결측치 비율이 높은 시계열 데이터를 효과적으로 분석하고 예측할 수 있는 머신러닝 모델을 구축하기 위해 다양한 결측치 처리 방법을 비교 분석하였다. 이를 위해 PSMF(Predictive State Model Filtering), MissForest, IBFI(Imputation By Feature Importance) 방법을 적용하였으며, 이후 LightGBM, XGBoost, EBM(Explainable Boosting Machines) 머신러닝 모델을 사용하여 예측 성능을 평가하였다. 연구 결과, 결측치 처리 방법 중에서는 MissForest와 IBFI가 비선형적 데이터 패턴을 잘 반영하여 가장 높은 성능을 나타냈으며, 머신러닝 모델 중에서는 XGBoost와 EBM 모델이 LightGBM 모델보다 더 높은 성능을 보였다. 본 연구는 결측치 비율이 높은 시계열 데이터의 분석 및 예측에 있어 비선형적 결측치 처리 방법과 머신러닝 모델의 조합이 중요함을 강조하며, 실무적으로 유용한 방법론을 제시하였다.

• 응용통계연구
• /
• 제29권5호
• /
• pp.907-920
• /
• 2016

본 논문의 목표는 분위수 자기회귀모형을 활용하여 시계열 자료에서 특이치를 발견하는 알고리즘을 제안하고, 기존의 방법들과 그 성능을 비교하여 실제 주가 조작 사례에 적용해 보는 것이다. 지금까지의 특이치 발견 연구는 대부분 일반적인 데이터 형태에서만 있어왔기 때문에 시계열 데이터에서의 연구는 미미한 편이다. 또한 모수적인 방법에만 제한되었는데, 모수적 모형은 복잡할 뿐만 아니라 소요되는 분석 시간도 길기 때문에 편리하지 않다. 따라서 본 연구에서는 분위수 자기회귀모형을 활용한 특이치 발견 알고리즘을 새롭게 제시하고, 다양한 경우의 모의실험을 통해 기존 알고리즘과 비교하도록 한다. 특히 시계열 자료에서의 특이치 발견은 주가 조작을 적발하는 데에 유용하게 활용될 수 있다. 시간에 따라 관측되던 주가가 갑자기 그 동안의 흐름에서 벗어나 특이치로 발견되었다면 혹시 인위적인 개입으로 조작된 것은 아닌지 의심해 볼 수 있기 때문이다. 따라서 실제 주가 조작 사례에 적용해 봄으로써 얼마나 빠른 시일 내에 주가 조작을 적발해 낼 수 있는지 살펴보았다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2000년도 추계학술발표회 논문집
• /
• pp.231-234
• /
• 2000

본 연구는 오랜 시간에 거쳐 축적된 고객 데이터베이스를 활용하여 스코어링 방법을 적용할 수 있는 모델링의 개발에 목적이 있다. 기존의 전통적인 스코어링 방법은 인구 통계학적인 변수나 거래 관련 횡단면적인 자료를 이용하여 우량고객과 불량고객을 구분하는 판별분석의 형태가 대부분이다. 하지만 과거 고객에 대한 실적 자료가 시계열 형태를 이루며 존재하기 때문에 이에 대한 적절한 동태적 모형을 적용은 자연스러운 확장이라고 볼 수 있다. 본 연구에서 제안하는 모형은 고객들의 실적관련 시계열 자료를 GARCH 모형에 적합하여 미래의 실적 예측과 이에 대한 표준편차를 예측하여 하위 $10\%$에 해당하는 실적 예측치를 스코어링으로 하는 새로운 방법을 소개하고자 한다. 이 경우 스코어 값이 부호를 가지게 되므로 우량고객을 구분함과 동시에 큰 음수 값을 조사하여 위험 평점도 함께 측정할 수 있어서 실무 측면에서 유용하리라고 본다.

• 디지털융복합연구
• /
• 제13권7호
• /
• pp.169-175
• /
• 2015

주가지표처럼 동적이며 시간흐름을 따르는 시계열자료들을 이해하는 효과적인 방법은 주어진 시계열자료들에 대하여 모델을 결정함으로서 이해하는 것이 좋다. 주어진 자료들에 대한 모델 결정과정은 수집되어진 대용량 시계열자료 전체를 한 번에 다 살펴보는 것보다 자료를 특정의 중요한 몇 개의 하위그룹으로 군집화하여 각 군집별 모델결정을 통해 자료 전체를 이해하는 것이 효율적이다. 본 연구에서는 주어진 시계열자료들에 대하여 하위그룹으로의 효율적 군집화 과정 그리고 각 군집별 모델결정의 두 과정 중 첫 번째 과정인 하위집단으로 군집화 과정에 자료의 구간특징화 기법과 휴리스틱 베이지안기법의 융합을 이용하여 시간 및 계산비용을 감소시킬 수 있는 기법을 제안하였으며 실제적인 주가지표를 이용한 실험을 통해 제안하는 기법의 유효성을 확인하였다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.99-107
• /
• 2021

우리는 무수히 많은 데이터 속에서 살고 있다. 다양한 데이터는 우리가 활동하는 모든 상황 속에서 만들어지는데 빅데이터 기술을 통해 데이터의 유의미를 발굴한다. 유의미한 데이터를 발굴하기 위해 많은 노력이 진행 중이다. 본 논문은 주성분 분석(Principal component analysis) 기법으로 시계열 데이터의 추이 및 예측을 통해 인간이 더 나은 선택을 가능케 하는 분석 기법을 소개한다. 주성분 분석은 입력된 데이터를 통해 공분산을 구성하고, 데이터의 방향성을 추론할 수 있는 고유벡터와 고윳값을 제시한다. 제안하는 방법은 비슷한 방향성을 갖는 시계열 데이터 집합에서 기준 축을 구성하고, 데이터 집합을 이루는 각 시계열 데이터들의 방향성이 기준 축과 이루는 사잇각을 통해 다음 구간에 존재하게 될 데이터의 방향성을 예측한다. 본 논문에서는 가상화폐의 추이를 통해 제시한 알고리즘의 정확도를 LSTM(Long Short-Term Memory)과 비교 검증한다. 비교/검증 결과 제안된 방법은 변동성이 큰 데이터에서 LSTM에 비해 상대적으로 적은 트랜잭션과 높은 수익(112%)을 기록하였다. 이는 상대적으로 정확하게 신호를 분석하여 예측했다는 의미로 볼 수 있으며, 보다 정확한 임계치 설정을 통해 더 나은 결과를 도출할 수 있을 것으로 기대된다.