• The Korean Journal of Applied Statistics
• /
• v.26 no.2
• /
• pp.237-252
• /
• 2013

An estimation model for premiums and components is essential to determine reasonable insurance premiums. In this study, we introduce diverse models for the estimation of property damage premiums(premium, depth and frequency) that include a regression model using a dummy variable, additive independent variable model, autoregressive error model, seasonal ARIMA model and intervention model. In addition, the actual property damage premium data was used to estimate the premium, depth and frequency for each model. The estimation results of the models are comparatively examined by comparing the RMSE(Root Mean Squared Errors) of estimates and actual data. Based on real data analysis, we found that the autoregressive error model showed the best performance.

• Journal of the Korean Society for Precision Engineering
• /
• v.8 no.4
• /
• pp.76-83
• /
• 1991

자기회귀-이동평균모델에 의하여 시스템의 파라미터를 추정할 수 있는 벡터채널 원형 격자 필터(vector channel circular lattice filter)의 알고리즘을 제시하였다. 이 알고리즘은 스칼라 연산만으로 이루어져 계산이 간단한 장점이 있다. 3자유도 시스템의 시뮬레이션 결과로부터 격자 필터의 성능을 검증하였으며, 1자유도 팔의 고유진동수와 감쇄비를 추정하였다.

• 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.

• Proceedings of the KSMRM Conference
• /
• 2001.11a
• /
• pp.173-173
• /
• 2001

목적： 1.5T 생체용 자기공명영상기기를 이용한 수소자기공명분광법으로 용액 내 물질의 정량분석에 대한 가능성을 알아보고자 하였다. 대상 및 방법： 0.01％에서 50％까지의 여러 농도를 갖는 포도당+증류수 혼합액의 모델용액을 만들어 생체용 자기공명영상기기와 시험관 nuclear magnetic resonance (NMR) 분광기에서 각각 수소 자기공명분광법을 시행하여 스펙트럼을 얻었다. 또한 12명의 당뇨환자에서 방광내의 소변에 대해 생체용 자기공명영상기기에서 스펙트럼을 얻고 소변을 추출하여 시험관 NMR 분광기에서 수소자기공명분광법을 시행하였다 각각의 방법으로 얻은 스펙트럼 상에서 포도당 농도에 따른 포도당/물 피크의 면적 비의 변화를 구하였고, 통계처리는 상관분석과 단순선형회귀분석을 시행하였고 회귀식을 산출하였다. 또한 생체용 자기공명영상기기를 이용하여 얻은 결과가 객관적인지 알아보기 위해 시험관 NMR 분광기에서 얻은 결과와의 상관관계를 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 1986.07a
• /
• pp.23-33
• /
• 1986

일강우를 여러가지 성분들이 포함된 백색잡음으로 가정하면, 이로부터 기저유출 성분을 분리하기 위하여 선형론이 적용될 수 있다. 선형론에는 단위충격응답이 요구 되어지므로, 본 연구에서는 이를 추계학적 자기회귀모형에 의하여 추정한다. 자기회귀계수는 기지의 기저유출성분과 이에 해당되는 강우의 지하침투량으로부터 모멘트법에 의하여 결정한다. 기지의 기저유출성분은 주 지하수감수곡선에 의하여 추정되어지며, 지하침투량은 $\Phi$-지수 개념하에 전 강우기간에 걸쳐 일정 침투율의 방법으로부터 구한다. 본 연구방법을 금강유역내 용담집수면적(937$\textrm{km}^2$)에 적용한 결과 상당히 미끈한 수문곡선을 얻을 수 있었으며, 각 호우-유출 사상별 회귀계수의 차수는 공히 2차로 나타났다.

• The Journal of the Korea Contents Association
• /
• v.19 no.5
• /
• pp.178-186
• /
• 2019

Previous studies have shown the significant association between loneliness and game addiction. To determine the causal relationship between them, the present study utilized a series of autoregressive cross-lagged models to early adolescent panel data (N = 346) from KOCCA's Game User Panel Research. Results indicated that loneliness and game addiction, respectively, had relatively strong and stable autoregressive effects across four time points. Also, game addiction at a prior time increased loneliness at a later time, but loneliness was not significantly related to game addiction later in time. These results suggest that game addiction may cause loneliness, not the vice versa.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.437-445
• /
• 2000

The present paper is introducing a new model so called TAR-GARCH in the context of stock price analysis Conventional models such as AR(l), TAR(l), ARCH(I) and GARCH( 1,1) are briefly reviewed and TAR-GARCH is suggested in analyizing domestic stock prices. Also, relevant iterative estimation procedure is developed. It is seen that TAR-GARCH provides the better fit relative to traditional first order models for stock prices data in Korea.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.36 no.4
• /
• pp.723-733
• /
• 2016

This study aims to analyze the effects of urban characteristics on the amount of damage caused by natural disasters. It is focused on the areas of a municipal level in Korea. Also, it takes into account the spatial autocorrelation of the damage caused by natural disasters. Moran's I statistics was estimated to examine the spatial autocorrelation in the damage from the study area. Subsequent to evaluating the suitability for spatial regression models and the OLS regression model, the spatial lag model was employed as an empirical analysis for the study. It showed that the increase in residential area leads to the decrease in the amount of natural disaster damage. On the other hand, the increase in green area and river basin is associated with the increase in the damage. As a result of empirical analysis, appropriate policy establishment and implementation about the damage-adding factors is needed in order to reduce the amount of damage in the future.

• The Korean Journal of Applied Statistics
• /
• v.30 no.1
• /
• pp.103-117
• /
• 2017

In longitudinal data analysis, the serial correlation of repeated outcomes must be taken into account using covariance matrix. Modeling of the covariance matrix is important to estimate the effect of covariates properly. However, It is challenging because there are many parameters in the matrix and the estimated covariance matrix should be positive definite. To overcome the restrictions, several Cholesky decomposition approaches for the covariance matrix were proposed: modified autoregressive (AR), moving average (MA), ARMA Cholesky decompositions. In this paper we review them and compare the performance of the approaches using simulation studies.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.3
• /
• pp.419-425
• /
• 2010

Kernel machine learning is gaining a lot of popularities in analyzing large or high dimensional nonlinear data. We use this technique to estimate a GARCH model for predicting the conditional volatility of stock market returns. GARCH models are usually estimated using maximum likelihood (ML) procedures, assuming that the data are normally distributed. In this paper, we show that GARCH models can be estimated using kernel machine learning and that kernel machine has a higher predicting ability than ML methods and support vector machine, when estimating volatility of financial time series data with fat tail.