• Journal of the Korean Data and Information Science Society
• /
• 제20권3호
• /
• pp.475-483
• /
• 2009

본 연구에서는 한국종합주가지수 데이터를 이용하여 다양한 비선형 시계열 모형들을 소개하였다. 조건부 평균의 선형 모형으로는 상수항 모형, 자기회귀 모형을 살펴보았으며, 비선형 모형으로는 분계점 자기회귀 모형, 지수적 자기회귀 모형을 살펴보았다. 조건부 분산 모형으로는 일반 자기회귀 이분산 모형과 지수적 일반 자기회귀 이분산 모형, Glosten 등 (1993)의 모형 그리고 일반화 이항멱변환 분계점 일반 자기회귀 이분산 모형을 살펴보았다. 한편, 일반화 이항멱변환 분계점 일반 자기회귀 이분산 모형은 대표적 비대칭성 이분산성 모형인 Zakoian (1993) 모형과 Li와 Li (1996) 모형을 효과적으로 통합할 수 있는 변형된 모형이다. 본 연구에서는, 한국종합주가지수 데이터를 분석하여 새로운 모형의 효율성을 증명하였다.

• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.925-937
• /
• 2008

본 논문에서는 주식시장에서 거래되는 다수의 주식거래종목들을 몇 개의 그룹으로 군집화하는 주제를 연구한다. 시간에 관계없이 분산이 일정한 ARMA모형과 다르게, 주가, 환율 등의 금융시계열자료에서는 조건부 이분산성을 따르게 된다. 또한, 많은 사람들이 금융시계열자료에서 관심을 갖는 것은 바로 이 변동성이다. 그러므로, 이 연구에서는 조건부 이분산성을 모형화하기에 적합하다고 알려진 일반화 조건부 이분산성 자기회귀모형에 초점을 맞춘다. 먼저 두 개의 주식종목들 사이에 변동성(volatility)의 유사성 그리고 구조의 유사성을 재는 거리를 정의하고, 모의실험을 수행한다. 실증자료로 최근 3년 동안 관찰된 국내 11개 주가의 수익률을 변동성과 구조에 따라 군집화한다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.61-73
• /
• 2016

본 논문에서는 다변량 시계열 모형 진단을 위해 잔차의 자기상관성 유무를 확인하기 위한 와일드 붓스트랩(wild bootstrap) Ljung-Box(LB) 검정통계량을 연구하였다. 일반적으로 LB 검정은 오차가 서로 독립이며 동일한 분포를 따른다는 IID 가정 하에 유도되는 점근적 카이제곱 분포를 이용한다. 한편 금융시계열 자료는 분산에 조건부 이분산성이 존재하기 때문에 오차의 IID 가정을 만족시키지 못하며 이에 따라 점근적 분포를 이용한 LB 검정은 제1종의 오류를 만족시키지 못하게 된다. 이를 극복하기 위해 와일드 붓스트랩을 이용한 LB 검정법을 제안하고 그 성질을 연구하고자 한다. 벡터자기회귀 모형과 벡터오차수정 모형 등의 다양한 다변량 시계열 모형을 이용하여 모의실험을 실시하는 한편, 코스피 200지수와 지수선물 자료를 이용한 실증분석을 통해 와일드 붓스트랩을 이용한 LB 검정법이 조건부 이분산성의 부정적인 영향을 효과적으로 제거할 수 있음을 입증하였다.

• 한국수자원학회논문집
• /
• 제39권12호
• /
• pp.997-1012
• /
• 2006

본 연구에서는 조건부 핵밀도함수와 CAFPE(Corrected Asymptotic Final Prediction Error) 차수결정 방법에 근거한 비매개변수적 비선형 자기회귀 (Nonlinear AutoRegressive, NAR) 모형을 소개하고 이를 SOI(Southern Oscillation Index)에 적용하였다. SOI 자료에 대해서 선형 AR 모형을 적용하였으나 잔차에 대한 검정결과 이분산성(heteroscedasticity)을 나타내었다. 또한 BDS(Brock-Dechert-Sheinkman) 검정에서 비선형성이 존재함을 확인하였다. 따라서 NAR 모형에 SOI 자료를 적용시켰다. CAFPE를 이용하여 가장 적합한 모형으로 지체 1, 2와 4가 선택되었으며 조건부 평균함수를 추정하여 SOI 자료를 모의한 결과 잔차에 대해서 정규성과 이분산성 가정이 Jarque-Bera 검정과 ARCH-LM 검정에서 각각 기각되었으며 또한 조건부 표준편차함수의 최적 차수로 3, 8과 9가 CAPFE를 통해 선택되었다. 조건부 평균함수와 표준편차함수를 모두 고려한 모형에 대한 잔차 검정 결과 잔차의 I.I.D 가정을 만족하였으며 특히, BDS 검정에서 신뢰구간 95%와 99%에서 모두 만족한 결과를 나타내었다. 마지막으로 전체의 15%에 해당하는 SOI 자료에 대해서 One-Step 예측을 수행하였으며 선형 모형에 비해 평균제곱예측오차가 7% 적게 나타났다. 따라서, NAR 모형은 여타의 매개변수적 방법과 달리 모형 선택에 있어 자유로우며 비선형성을 고려할 수 있는 모형으로서 SOI 자료와 같은 비선형 자료를 위한 모의방법으로 선형 모형에 비해 많은 장점을 가지고 있다.

• 디지털융복합연구
• /
• 제10권9호
• /
• pp.357-362
• /
• 2012

본 논문에서는 분산이 각각 다른 이분산성을 갖는 비선형 시계열 자료를 가지고, 비선형 시계열 모형중 1차 일반화 확률계수 자기회귀모형(GRCA(1))과 자료의 형태에 상관없이 적용할 수 있는 신경망 모형을 이용하여 예측을 해서 어느 모형이 최소 평균예측오차제곱의 기준에서 비선형 시계열 자료의 예측에 적합한지를 비교 분석 하는 것이다. 조건부 이분산 모형에 따르는 자료로 확인된 종합주가지수 변동율에 대한 사례 분석 결과를 보면 신경망 모형은 단기 예측에서 좋은 예측 결과를 보였고, 비선형 모형인 GRCA(1) 모형은 장기 예측에서 좋은 예측 결과를 보여 주었다.

• 응용통계연구
• /
• 제16권2호
• /
• pp.217-224
• /
• 2003

시간의 경과에 따라 관측된 시계열 자료를 통해 데이터 분석을 하고 적당한 모형을 생성함으로써 미래 시점을 예측하는 방법들은 그 동안 많은 방법들이 제시되었고 연구 되고 있다. 그 중 최근 들어 과거의 데이터를 바탕으로 관측된 각 시점에서의 분산을 서로 다른 분산(조건부 이분산성)을 따른다고 가정하고, 이를 분석하는 모형(ARCH, GARCH, Stochastic Volatility(SV))들이 옵션 가격분석이나 환율 변화 등 경제 시계열자료의 예측 모형을 위하여 활발히 연구되고 있다. 본 논문에서는 한국의 KOSPI 데이터(1995년 1월 3일부터 2001년 12월 28일, 총 1906일)를 바탕으로 (조건부) 우도함수 모수 추정 방법을 이용한 GARCH(1,1) 모형과, MCMC 방법을 이용하여 모수를 추정한 SV 모형을 적용시켜 보고 각 모형들의 예측 정확도를 비교하여 보았다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권6호
• /
• pp.1103-1112
• /
• 2013

탐색적 자료분석에서는 자료를 통계적 모형에 바로 적합시키기 보다는 자료를 있는 그대로 보려는 데 주안점을 둔다. 우리는 시계열 자료에 대한 그래픽 탐색적 자료분석방법의 하나로서 재현그림을 사용할 수 있다. 재현그림의 장점은 통계모형에 대한 가정 없이 시계열 자료의 구조적 패턴을 확인할 수 있고 이 패턴을 통하여 탐색적으로 시계열 데이터의 구조 변화점을 한 눈에 확인할 수 있다는 데 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.327-335
• /
• 2016

2008년 글로벌 금융위기 이후 중국은 위안화 국제화의 점진적 추진을 진행하면서 중국상하이 외환시장과 중국홍콩 외환시장에서 거래되는 통화인 역내위안화와 역외위안화를 형성시켰다. 본 연구는 위안화 국제화와 점진적인 중국 자본계정 개방에 따라 급변하는 외환시장상황의 변동성을 정확하게 파악하기 위해서 GARCH모형 (일반화된 자기회귀 조건부이분산성모형)에 다단계인공신경망을 결합한 MLP-GARCH 모형과 GARCH모형과 기계학습의 일종인 딥러닝 (deep learning)을 통합한 DL-GARCH을 가지고 위안화 변동성예측을 비교 실험과 분석을 하였다. 비교분석 결과 DL-GARCH 모형은 MLP-GARCH보다 모형 위안화 역내 외 환율변동성 예측 면에서 더욱 더 개선된 예측값을 제공하였다. 그래서 이분산시계열모형을 딥러닝과 결합한 DL-GARCH 모형은 시계열의 환율 변동성 예측 문제에 딥러닝을 응용할 수 있음을 확인하였다. 향후 이분산시계열과 결합된 딥러닝 모형은 다른 금융시계열 데이터에 응용하여 그 일반화 가능성을 높일 수 있을 것이다.

• 부동산연구
• /
• 제27권3호
• /
• pp.41-50
• /
• 2017

변동성 모형을 이용한 국내의 주택가격에 대한 기존의 연구에서는 변동성모형을 어떻게 주택시장분석에 적용할 수 있는지를 보여주고 있지만 최근 국내의 지역주택시장들에 나타나는 유의미한 변화를 반영하는데는 한계가 존재할 수 밖에 없다. 본 연구에서는 변동성모형을 적용하여 전국의 각 지역별 주택시장을 분석하고 이를 통해 미래의 지역별 주택시장의 가격변동을 실제적으로 예측하였다. AR(1)-ARCH(1), AR(1)-GARCH(1,1), AR(1)-EGARCH(1,1,1) 모형을 통하여 지역주택시장에 ARCH 및 GARCH효과가 존재하는 것을 확인하였다. 그리고 각 지역의 예측력을 비교하여 지역별 최적예측모형을 선정하였으며, 이러한 지역별 최적모형의 선정이 실제적으로 어떻게 이용될 수 있는지를 보여주기 위하여 2017년 하반기의 각 지역주택시장의 가격변동을 선정된 지역별 최적모형을 이용하여 예측하였다.