• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.461-461
• /
• 2012

본 연구는 서울 지점의 목표연도(2040, 2070, 2100년)별 재현기간에 따른 확률강수량을 산정하기 위해 지속시간 24시간에 대한 연 최대 강수량 자료를 구축하여 비정상성 빈도해석을 수행하였다. 연 최대강수량 자료를 이용해 초기 20년을 기준으로 1년씩 추가한 연 최대 강수량 누적 자료를 구축한 후, 누적 기간별 자료의 평균, 위치매개변수, 축척매개변수를 산정하였다. Gumbel 분포를 이용해 비정상성 빈도해석을 실시하였으며, 각 매개변수의 경우 확률가중모멘트법을 이용해 산정하였다. 산정된 누적평균 강수량과 연도와의 선형회귀분석을 실시한 방법뿐만 아니라 서울 지점이 속한 한강유역의 전 지점들을 이용한 유역의 누적평균 강수량 자료에 대하여 연도와의 Logsitic 회귀분석 및 Power Model을 이용해 서울 지점의 목표연도별 누적평균 강수량을 산정하였고 이를 통해 목표연도별 위치매개변수 및 축척매개변수를 구해 목표연도별 재현기간에 따른 확률강수량을 산정하였다. 선형회귀분석을 이용한 비정상성 빈도해석의 경우, 목표연도가 증가함에 따라 선형적인 증가에 의해 매우 높은 누적평균 강수량이 나타나 확률강수량의 경우에도 정상성임을 가정한 확률강수량에 비해 매우 높게 나타나 타당한 확률강수량이라 함에 한계가 있음을 보였다. 유역의 평균거동과 Logistic 회귀분석을 실시하여 확률강수량을 산정하였을 때에는, 선형 회귀분석에 비해 정상성임을 가정한 확률강수량보다 크게 증가하지 않고 비교적 안정적인 증가가 나타났다. 하지만 Logistic 회귀분석을 이용한 누적평균 강수량 산정에 있어서 목표연도 2040년에 도달하기 전에 미리 수렴하는 형태를 보여 모든 목표연도의 확률강수량이 동일한 값을 가지는 한계가 나타났다. 한강 유역의 평균거동과 Power Model을 이용한 비정상성 빈도해석의 경우, 선형회귀분석 및 Logistic 회귀분석을 통한 비정상성 빈도해석에서 나타난 문제점을 보완할 수 있는 확률강수량이 나타남을 보였다.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.507-516
• /
• 2012

We study time series models for seasonal time series data with a covariance structure that depends on time and the periodic autocorrelation at various lags $k$. In this paper, we introduce an ARMA model with periodically varying coefficients(PARMA) and analyze Arosa ozone data with a periodic correlation in the practical case study. Finally, we use a PARMA model and a seasonal ARIMA model for data analysis and show the performance of a PARMA model with a comparison to the SARIMA model.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.831-839
• /
• 2010

Least squares support vector machine (LS-SVM) is a kernel trick gaining a lot of popularities in the regression and classification problems. We use LS-SVM to propose a iterative algorithm for a nonlinear generalized autoregressive conditional heteroscedasticity model in the mean (GARCH-M) model to estimate the mean and the conditional volatility of stock market returns. The proposed method combines a weighted LS-SVM for the mean and unweighted LS-SVM for the conditional volatility. In this paper, we show that nonlinear GARCH-M models have a higher performance than the linear GARCH model and the linear GARCH-M model via real data estimations.

• Journal of Korean Society of Disaster and Security
• /
• v.13 no.3
• /
• pp.15-28
• /
• 2020

Hydrological data is very important in understanding the hydrological process and identifying its characteristics to protect human life and property from natural disasters. In particular, hydrological analysis are often performed assuming that hydrological data are stationary. However, recently climate change has raised the issue of climate stationary, and it is necessary to analyze the nonstationary of the climate. In this study, a method to analyze the stationarity of hydrological data was examined using the annual precipitation of 37 meteorological stations with long - term record data. Therefore, in this study, the stationary was determined by analyzing the persistence, trend, and stability using annual precipitation. Overall results showed that a trend was observed in 4 out of 37 stations, stable was investigated at 15 stations, and persistence was shown at 4 stations. In the stationary analysis using the annual precipitation data, 25 stations (67% of 37 stations) were nonstationary.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.369-370
• /
• 2012

일반적으로 회귀분석의 최적화는 평균적인 개념을 확장하여 사용되어지고 있다. 평균은 관찰값들에 관한 모든 정보와 관련된 통계량으로써 많은 연구에 이용되어지고 있다. 정규분포를 이루는 모집단의 경우 평균을 사용한 추정이 바람직하지만, 이상치로 인한 분포의 꼬리가 두꺼워지는 경우 중위수(median)를 사용하는 것이 바람직하다고 알려져 있다. 강수량의 분포형태는 꼬리(tail)가 두꺼운 왜곡된 형태를 갖고 있으므로 robust 통계량인 Quantile을 이용한 강수량의 분석 및 평가를 실시하였다. 본 연구에서는 Quantile에 따른 회귀선의 변화를 이용하여 강수량의 경향성을 평가하고, 극치강수량의 변화를 보여줄 수 있는 Quantle값을 추출해 보고자 한다. 또한 bootstrap 방법을 이용하여 Quantile에 따른 회귀계수의 신뢰구간을 분석하여 회귀인자의 신뢰성을 평가하였다. 본 연구에서 적용한 Quantile Regression 기법은 회귀계수의 추정에 있어서 회귀인자의 신뢰성을 Quantile-회귀계수 그래프를 통해 분석할 수 있으며, 이상값의 영향을 저감시키는 평균과 달리 이상값의 영향을 효과적으로 분리 및 재현시킬 수 있어 극치값에 따른 변화를 효과적으로 평가할 수 있으며, robust 통계량의 특징인 분산이 적은 안정적인 추정량을 확보할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.12 no.1
• /
• pp.109-124
• /
• 1999

일반적으로 오차항이 자기상관되어 있는 선형회귀 모형에서는 회귀계수에 대한 보통최소제곱추정량이 효율적이지 못 하다고 알려져 있다. 그러나 이러한 일반화선형회귀모형에서 독립변수의 형태에 따라서는 OLSE의 사용 가능성을 제시하는 모형이 있다. 본 연구에서는 오차항이 일차 이동평균 과정을 따르는 선형회귀모형에서 여러 추정량들 (GLSE, APX, MAPX)에 대한 OLSE의 상대효율함수를 유도하고 비교 분석하고자 한다. 특히 소표본에서 정확한 상대효율값을 구하여 OLSE의 효율성이 크게 떨어지지 않거나 효율성이 나은 회귀모형들을 제시한다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.2
• /
• pp.293-299
• /
• 2009

In this article, we consider linear models such as regression, ARIMA (autoregressive integrated moving average), and regression+ARIMA (regression with ARIMA errors) for predicting hourly ozone concentration level in two areas of Daegu. Based on RASE(root average squared error), it is shown that the ARIMA is the best model in one area and that the regression+ARIMA model is the best in the other area. We further analyze the residuals from the optimal models, so that we might predict the ozone warning days where at least one of the hourly ozone concentration levels is over 120 ppb. Based on the training data in the years from 2000 to 2003, it is found that 35 ppb is a good cutoff value of residulas for predicting the ozone warning days. In on area of Daegu, our method predicts correctly one of two ozone warning days of 2004 as well as all of the remaining 364 non-warning days. In the other area, our methods predicts correctly all of one ozone warning days and 365 non-warning days of 2004.

• The Korean Journal of Applied Statistics
• /
• v.28 no.3
• /
• pp.393-406
• /
• 2015

We examine how to model mortality risk using the adaptation of the mean-reverting processes for the two factor model proposed by Cairns et al. (2006b). Mortality improvements have been recently observed in some countries such as United Kingdom; therefore, we assume long-run mortality converges towards a trend at some unknown time and the mean-reverting processes could therefore be an appropriate stochastic model. We estimate the parameters of the two-factor model incorporated with mean-reverting processes by a Metropolis-Hastings algorithm to fit United Kingdom mortality data from 1991 to 2015. We forecast the evolution of the mortality from 2014 to 2040 based on the estimation results in order to evaluate the issue price of a longevity bond of 25 years maturity. As an application, we propose a method to quantify the speed of mortality improvement by the average mean reverting times of the processes.

• The Korean Journal of Financial Management
• /
• v.15 no.2
• /
• pp.279-337
• /
• 1998

이 논문에서는 주가가 확률과정, 즉 확률미분방정식에 의하여 생성되는가를 검정하고 주가의 운동법칙을 규명한다. 일별종합주가지수가 양수의 완전시계열상관을 갖고 있으며, 더욱이 3년 정도의 시차까지 의미있는 시계열상관을 갖고 있음이 발견되었다. 수익률과 가격변화의 시계열상관도 존재하고 시계열은 정상성(定常性)을 갖고 있다. 마팅게일에 의하여 주가가 생성되고있지 않음이 밝혀졌다. 한국증권거래소에서 계산하고 있는 일별 종합주가지수를 포함한 41개 산업별 지수를 사용하여 자본시장의 운동법칙을 규명하기 위하여 가장 많이 이용하고 있는 세개의 확률미분방정식을 검정하였다. 각 주가지수들이 온스타인 울렌벡 브라운 운동과정과 평균회귀과정을 따르지 않고 있다는 것이 발견되었다. 그러나 주가가 편류를 갖는 일반 기하 브라운 운동과정에 의하여 생성되고 있음이 검정을 통하여 확인되었다. 평균회귀과정에 의하여 주가가 생성되지 않는다는 발견은 의외라 할 수 있다. 주가가 온스타인 울렌벡 과정을 따르지 않는다는 것은 주가가 제 1계 정상적 자기회귀과정이 아니라는 것을 의미한다. 일별종합주가지수는 제 4계 자기회귀과정에 의하여 생성된다. 가격변화와 수익률의 생성함수는 제 4계 자기회귀과정이다. 종합주가지수의 제 1계 시계열상관계수는 1이다. 상당히 큰 시차를 갖을 때까지 시계열상관이 대략적으로 1을 유지하고 있다. 따라서 지수가 마팅게일을 따르고 있지 않다. 이 점은 가격변화와 수익률에 있어서도 유사하다. 가격변화, 수익률, 대수수익률의 제 1계 시계열상관이 0.1로 유의적이다. 따라서 수익도 마팅게일 과정을 따르고 있지 않다. 증권가격은 세 번에 걸쳐 구조의 번화가 발생하였다. 구조의 변화가 발생할 때마다 평균가격이 상승하였다. 이와 같은 현상은 장기적 기대가격이 미지일 가능성이 배제되지 않는다. 단기적 기대 주가가 알려진 반면 장기적 기대 주가가 미지라면 평균회귀과정은 장기적 기대주가로 회귀하고 있는 과정이므로 장기기대 주가의 미지성이 평균회귀 과정의 기각을 유도하게 된다. 우리나라의 투자자들은 무위험자산과 위험을 동시에 고려하여 투자활동을 전개하고 있음이 발견되었다. 선형의 효용함수를 갖는 위험중립적 태도의 투자자가 아니다. 위험기피형 효용함수 아래에서 투자활동을 수행하고 있는 합리적 투자자들이라 할 수 있다. 뿐 만 아니라 자신의 평생에 걸친 소비를 소비가 이루어지는 각 기마다 가급적 일정하게 하는 소비행동을 목표로 삼고 소비와 투자에 대한 의사결정을 내리고 있음이 실증분석을 통하여 밝혀졌다. 투자자들은 무위험 자산과 위험성 자산을 동시에 고려하여 포트폴리오를 구성하는 투자활동을 행동에 옮기고 있다.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.159-185
• /
• 2002

한 시계열이 비정상적과정에 의해 생성될 때 이 시계열의 정상성을 확보하기 위하여 시계열의 차분을 수행한다. 이 시계열에 I(1)을 적용하여도 정상적과정이 되지 못하는 경우가 존재하고 있다. 그러면 이 시계열은 과도한 차분과정을 거치게 된다. 따라서 차분모수 d는 0