• 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
• /
• 제1권1호
• /
• pp.94-101
• /
• 1994

본 논문은 패널(panel) 자기회귀 모형에서 자기회귀 계수의 추정을 베이지안 방법으로 접근하였는데, 이 때 특별히 Gibbs Sampling 방법을 이용하여 사후분포를 계산하였다. 또한 모의 실험을 통하여 자기회귀계수를 Gibbs Sampling 방법으로 추정한 베이지안 추정치가 non-Bayesian 방법으로 구한 추정치보다 더 우월함을 보였다.

• 재무관리연구
• /
• 제16권2호
• /
• pp.285-308
• /
• 1999

증권의 가격형성에 유리한 뉴스와 불리한 뉴스가 도착할 때 이 뉴스가 주가의 변동성에 미치는 영향의 정도는 차이가 있다. 불리한 뉴스가 변동성에 미치는 영향도가 유리한 뉴스가 변동성에 미치는 영향도보다 크다. 따라서 불리한 뉴스가 발생할 때 형성되는 변동성의 양이 유리한 뉴스의 도착시보다 크다. 그리고 충격의 크기에 따라 이 충격이 야기하는 변동성의 양의 크기에도 차이가 존재한다. 일반 자기회귀 조건부 이분산 과정은 유리한 뉴스와 불리한 뉴스를 대칭적으로 반영하고 있다. 이 뉴스들을 비대칭적으로 포착하는 자기회귀 조건부 이분산 과정의 모형들을 실증적으로 분석하였다. 뉴스의 비대칭성과 규모를 적절히 포착하고 있는 모형들이 비선형 일반 자기회귀 조건부 이분산 과정, 지수 일반 자기회귀 조건부 이분산 과정과 정보 포착 자기회귀 조건부 이분간 과정임이 발견되었다. 이 중 비선형 일반 자기회귀 조건부 이분산 과정이 가장 좋은 모형으로 보인다. 비선형 일반 자기회귀 조건부 이분산 과정의 경우 예측오차의 승멱(power)이 약 1.5이다. 따라서 일반 자기회귀 조건부 이분산 과정의 예측오차의 승멱인 2에 비하여 작다. 이 사실은 일반 자기회귀 조건부 이분산의 예측오차의 승멱이 과도하게 측정되고 없음을 알 수 있다. 뉴스의 비대칭성과 규모를 반영하고 있는 모형들은 한결같이 예측오차의 크기에 적절한 가중치를 부여하여 예측오차의 크기를 조정하고 있다. 이 모형의 성질과 실증분석의 결과에 의하여 예측오차의 승멱은 2 이하로 수정하여 사용해야 한다는 점이 시사되고 있다. 음의 충격이 양의 충격보다 주가의 변동성을 크게 하고 없음이 발견되었다. 주가형성에 유리한 뉴스와 불리한 뉴스가 주가의 변동성에 미치는 영향의 차이와 충격의 중대성을 양으로 표시하는 규모의 차이를 반영해주는 변수들의 추정된 계수가 미국과 일본보다 절대값에 있어서 상당히 작다. 이 현상은 뉴스의 비대칭성과 규모보다는 발생하는 충격, 즉 뉴스 자체에 보다 민감하게 반응하고 있음을 보여주고 있다. 물론 투자자들이 뉴스의 비대칭성과 규모를 완전히 무시하고 투자활동을 전개하고 있다는 것을 의미하는 것은 아니다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.257-266
• /
• 2016

비선형 모형인 확률계수 자기회귀 모형의 모수를 추정하기 위해 전체 데이터를 부표본으로 나누어 확률계수 ${\phi}(t)$가 초기값, ${\phi}(0)$를 갖는 특별한 경우를 제안하고 추정하였다. 모의 실험으로 부표본으로 나누어 확률계수 자기회귀 모형을 추정하는 더 바람직함을 확인하였다. 실증분석에서는 한국 Mumps 자료를 선형 모형인 자기회귀 모형과 확률 계수 자기회귀 모형에 각각 적합시켜 모수를 추정하고, PRESS 값을 비교하여 확률계수 자기회귀 모형의 예측이 더 우수함을 보였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.133-144
• /
• 2016

본 논문에서는 주기적 자기회귀(periodic autoregressive) 모형에서 모수의 수를 줄이기 위한 모수 절약 주기적 자기회귀 모형을 연구하였다. 제안된 모수 절약 모형은 실증분석에서 실업률을 이용하여 기존의 계절 시계열 모형과 비교를 통하여 그 성능을 평가하였다. 모수 절약 구조를 부여하기 위하여 계절성에서 공통된 패턴을 찾아내는 방법을 사용하였으며 기존 주기적 자기회귀 모형과의 통계적 차이 유무는 LR 검정을 통해 확인하였다. 그 결과, 중장기적으로 주기적 자기회귀 모형이 기존의 계절시계열 모형보다 우수한 예측성능을 보였으며, 특히 모수 절약 주기적 자기 회귀 모형의 사용은 기존의 주기적 자기회귀 모형보다 우수한 예측성능을 나타내는 것을 확인하였다.

• 응용통계연구
• /
• 제29권5호
• /
• pp.835-847
• /
• 2016

공간통계 방법 중 지역에 대한 어떤 집합체 자료나 평균자료들을 분석하는데 일반적으로 공간적 자기회귀(conditionally autoregressive) 모형을 사용한다. 공간적 자기회귀 모형에 정의되는 공간적 이웃 소지역들은 중점의 거리나 근접성으로 정의된다. Kyung과 Ghosh (2010)는 방향에 따라서 이웃간 자기상관성의 크기가 다른 공간적 확장 모형을 제시하였다. 제안된 방향적 조건부 자기회귀(directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR과정을 일반화한다. 제시한 방향적 조건부 자기회귀모형의 최대우도 추정량의 특성에 대해 설명하였고, 스코틀랜드 그레이터 글래스고우의 로그변환된 부동산 가격에 적용하여 조건부 자기회귀모형과 비교하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1133-1146
• /
• 2016

공간통계 방법 중 지역에 대한 어떤 집합체 자료나 평균자료들을 분석하는데 일반적으로 공간적 자기회귀 (conditionally autoregressive) 모형을 사용한다. 공간적 자기회귀 모형에 정의되는 공간적 이웃 소지역들은 중점의 거리나 근접성으로 정의된다. Kyung과 Ghosh (2009)는 방향에 따라서 이웃간 자기상관성의 크기가 다른 확장된 공간 모형을 제시하였다. 제안된 방향적 조건부 자기회귀 (directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR과정을 일반화한다. 제시한 방향적 조건부 자기회귀모형의 모수추정으로 마르코프 체인 몬테 카를로 방법을 기반으로 한 베이즈 추정법을 제시한다. 제시한 모형을 스코틀랜드 그레이터 글래스고우의 로그변환된 부동산 가격에 적용하여 조건부 자기회귀모형과 비교하였다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.1049-1068
• /
• 2014

자기회귀 모형(autoregressive model)은 일변량(univaraite) 시계열자료의 분석에서 널리 사용되는 방법 중 하나이다. 그러나 이 방법은 자료에 일정한 추세가 있다고 가정하기 때문에 자료에 분절(structural break)이 존재할 때 적절하지 않을 수 있다. 이러한 문제점을 해결하기 위한 방법으로 국면전환(regime-switching) 모형인 임계자기회귀 모형(threshold autoregressive model)이 제안되었는데 최근 지연 모수(delay parameter)을 포함한 이 국면전환(two regime-switching) 모형으로 확장되어 많은 연구가 활발히 진행되고 있다. 본 논문에서는 이 국면전환 임계자기회귀 모형을 베이지안(Bayesian) 관점에서 살펴본다. 베이지안 분석을 위해 모수적 임계자기 회귀 모형 뿐만 아니라 디리슐레 과정(Dirichlet Process) 사전분포를 이용하는 비모수적 임계자기 회귀 모형을 고려하도록 한다. 두 가지 베이지안 임계자기 회귀 모형을 바탕으로 사후분포를 유도하고 마코프 체인 몬테 카를로(Markov chain Monte Carlo) 방법을 통해 사후추론을 실시한다. 모형 간의 성능을 비교하기 위해 모의실험을 통한 자료 분석을 고려하고, 더 나아가 한국과 미국의 국내 총생산(Gross Domestic Product)에 대한 실증적 자료 분석을 실시한다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.157-169
• /
• 2016

이 논문에서는 비선형 자기회귀 과정을 따르는 오차항을 포함한 회귀모형에서 계수추정법의 비교를 다룬다. 비교를 위해 통상적 최소제곱추정량, 일반화 최소제곱추정량, 모수적 회귀오차 수정법, 비모수적 회귀오차 추정법을 비교하였다. 본 논문에서는 또한 비선형 자기회귀모형의 성질을 전형적인 몇가지 비선형자기회귀 모형을 예를 들어 설명한다. 비교연구의 결과 네 가지 추정량 중에 모든 상황에서 최선인 추정량은 존재하지 않았으나 비모수 회귀오차 수정 방법이 일반적으로 우수한 성능을 보임을 알 수 있다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.909-922
• /
• 2019

벌점화 추정 기법 중 adaptive LASSO 방법은 모형 선택과 모수 추정을 동시에 할 수 있는 유명한 방법으로 이미 정상 자기회귀모형에서 연구된 적이 있다. 본 논문에서는 이를 확장하여 확률보행과정과 같은 비정상 자기회귀모형에서 adaptive LASSO 추정량이 갖는 성질을 모의실험을 통해 연구하였다. 다만 비정상 자기회귀모형에서는 단위근의 존재 여부를 판단하는 것과 모형의 차수를 선택하는 것이 가장 중요하므로, 이를 위해 원 자기회귀모형이 아닌 ADF 검정에서 고려하는 회귀모형으로 변환하여 adaptive LASSO를 적용하였다. 일반적으로 Adaptive LASSO를 적용할 때 조절모수의 선택이 가장 중요한 문제이며, 본 논문에서는 교차검증, AIC, BIC 세 가지 방법을 이용하여 조절모수를 선택하였다. 모의실험 결과를 보면, 이 중에서 BIC가 최소가 되도록 선택한 조절모수에 대응되는 adaptive LASSO 추정량이 단위근의 존재 여부를 잘 판단할 뿐만 아니라 자기회귀모형의 차수 또한 비교적 정확하게 선택함을 확인할 수 있다.