The volatility in the financial data is usually measured by conditional variance. Two main streams for gauging conditional variance are stochastic volatility (SV) model and autoregressive type approach (GARCH). This article is conducting comparative study between SV and GARCH through the Korean Stock Prices Index (KOSPI) data. It is seen that SV model is slightly better than GARCH(1,1) in analyzing KOSPI data.
The Journal of The Korea Institute of Intelligent Transport Systems
/
v.17
no.4
/
pp.14-25
/
2018
In recent years, it has become technically easier to explain factors related with traffic accidents in the Big Data era. Therefore, it is necessary to apply the latest analysis techniques to analyze the traffic accident data and to seek for new findings. The purpose of this study is to compare the predictive performance of the negative binomial regression model and the deep learning method developed in this study to predict the frequency of traffic accidents in expressways. As a result, the MOEs of the deep learning model are somewhat superior to those of the negative binomial regression model in terms of prediction performance. However, using a deep learning model could increase the predictive reliability. However, it is easy to add other independent variables when using deep learning, and it can be expected to increase the predictive reliability even if the model structure is changed.
In this research, we were going to make the function which can forecast the operating cost of metropolitan railroad that is performing a role of assistant highway within the city. In order to do this, based on service records of subway line 1st to 8th in Seoul, we extracted 23 variables which can affect to the operating cost, and we selected the final variable for estimate the function of operating cost from correlation among variables and influence analysis. Then, we performed regression analysis by stages using final variable. 6 independent variables are chosen for presuming the operating cost, and we obtained the final 3 variables (quantity of holding motor cars, peak quantity of possessed motor cars, and quantity of stations) as a result of regression analysis. Through this research, function of operating cost of metropolitan railroad has better applicability than existing preliminary validity, and it is used by further preliminary validity investigation and master plan or validity investigation which is accompanied by operation designing, thus we expect that it could make a great contribution to the priority order of investment for metropolitan railroad or process of policy decision.
A large number of non-responses are occurring in the sample survey, and various methods have been developed to deal with them appropriately. In particular, the bias caused by non-ignorable non-response greatly reduces the accuracy of estimation and makes non-response processing difficult. Recently, Chung and Shin (2017, 2020) proposed an estimator that improves the accuracy of estimation using parametric super-population model and response rate model. In this study, we suggested a bias corrected non-response mean estimator using a nonparametric function generalizing the form of a parametric super-population model. We confirmed the superiority of the proposed estimator through simulation studies.
A nonlinear mixed effects model is mainly used to analyze repeated measurement data in various fields. A nonlinear mixed effects model consists of two stages: the first-stage individual-level model considers intra-individual variation and the second-stage population model considers inter-individual variation. The individual-level model, which is the first stage of the nonlinear mixed effects model, estimates the parameters of the nonlinear regression model. It is the same as the general nonlinear regression model, and usually estimates parameters using the least squares estimation method. However, the least squares estimation method may have a problem that the estimated value of the parameters and standard errors become extremely large if the assumed nonlinear function is not explicitly revealed by the data. In this paper, a new estimation method is proposed to solve this problem by introducing the ridge regression method recently proposed in the nonlinear regression model into the first-stage individual-level model of the nonlinear mixed effects model. The performance of the proposed estimator is compared with the performance with the standard estimator through a simulation study. The proposed methodology is also illustrated using quantitative high throughput screening data obtained from the US National Toxicology Program.
We consider the estimation of the regression surface in generalized linear models based on tensor-product B-splines in a data-dependent way. Our approach is to use maximum likelihood method to estimate the regression function by a function from a space of tensor-product B-splines that have a finite number of knots and are linear in the tails. The knots are placed at selected order statistics of each coordinate of the sample data. The number of knots is determined by minimizing a variant of AIC. A numerical example is used to illustrate the performance of the tensor spline estimates.
Proceedings of the Korean Information Science Society Conference
/
2001.10a
/
pp.310-312
/
2001
샘플링되지 않은 불확실한 이동객체의 위치값을 추정하기 위한 기존의 연구방범 중 가장 보편적으로 사용하고 있는 방법은 선형 보간법이다. 선형 보간법을 사용할 경우 샘플링 구간은 좁게하여 오차를 줄일 수 있고 계산 시간을 단축할 수 있지만, 연속적인 이동객체의 경로는 직선이라기 보다는 곡선으로 나타내어지므로 샘플링되지 않은 이동객체의 위치값에 대해 불확실한 위치정보를 사용자에게 반환하게 된다. 따라서 이 논문에서는 샘플링된 이동객체의 위치값에 오차가 없다는 가정하에서 모든 위치점을 지나는 보간 다항식을 구해서 처리하는 선형 보간법 대신 이동객체의 위치값 자체의 오차범위까지 고려하는 다항회귀모형(polynomial regression model)을 이용한 이동객체의 불확실한 이동위치 추정방법을 제시한다. 다항회지모형은 이용할 경우 선형 보간법 보다 추정된 위치값에 대한 오차를 줄일 수 있으며, 이동객체의 과거 및 미래 위치값을 사용자에게 반환해 줄 수 있는 장점을 가진다.
Proceedings of the Korea Water Resources Association Conference
/
2021.06a
/
pp.246-246
/
2021
본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.
Chang, Hyung Joon;Lee, Hyo Sang;Kim, Seong Goo;Park, Ki Soon
Proceedings of the Korea Water Resources Association Conference
/
2017.05a
/
pp.224-224
/
2017
지구온난화로 인한 기후변화 등으로 안전한 하천구조물을 설계하기 위해서는 신뢰할 수 있는 홍수량 산정이 필요하다. 신뢰할 수 있는 홍수량 산정을 위해서는 정도 높은 과거 수문자료가 필요하나 국내의 많은 중소 규모유역이 미계측 유역 또는 과거 수문자료 부족으로 신뢰 할 수 있는 홍수량 산정이 어려운 실정이다. 본 연구에서는 미계측 유역의 홍수량 산정을 위하여 확률분포모형(PDM)의 매개변수 지역화를 수행하였다. 매개변수 지역화 연구를 수행하기 위하여, 금강 25개 유역을 대상으로 유역별 9~18개의 단기홍수수문사상을 선정하였다. 선정된 단기홍수수문사상을 확률분포모형에 적용하기위하여, MCAT (Monte Carlo Analysis Toolbox)을 활용하여 검정 및 검증을 수행하였으며, 목적함수는 수문곡선 모든 구간을 반영하는 NSE (Nash Sutcliffe Efficiency)와 고유량 부분을 반영하는 RMSE (Root Mean Squared Error) - FH를 적용하였다. 각각의 목적함수에 대하여 검정 모형 매개변수와 유역 특성인자의 다중 선형회귀식을 강우유출모형 매개변수 지역화 모형으로 제시하였다. 매개변수 지역화 결과의 평가를 위하여 청주 유역을 미계측 유역으로 가정하였다. 청주 유역에 대하여 지역화 매개변수를 적용한 결과, 17개의 사상 중 11개의 사상에서 NSE 목적함수 값이 0.5이상으로 전체적인 수문곡선의 경향성을 보였으며, 첨두 홍수량은 17개 사상 중 11개 사상에서 관측 첨두 홍수량 값의 20%이내를 제시하여 적합한 결과를 제시하였다. 또한 금강 25개 유역에 Jackknife 방법으로 검정 결과 관측 첨두 홍수량 값 20%이내의 성능을 보이는 사상이 56%를 포함하고 있어 의미있는 지역화 모형을 제시하였다고 판단된다. 본 연구에서 제시한 매개변수 지역화 방법은 미계측 유역의 유출모의에 활용될 수 있음을 확인하였다.
본논문에서는 첫째로 단일방정식 모형에서 종속변수가 양자택일(binary choice)의 이산확률변수일 때 이러한 이진적 종속변수(binary dependent variable)의 변동을 설명하는데 사용되는 몇 가지 모형을 소개하고 각각의 표기 및 추정방법, 추정량의 성질, 예측 및 검정 문제 등에 관하여 비교 서술하고자 한다. 둘째, 종속변수가 이산과 연속의 혼합형태일 때 앞에 소개된 모형이 어떻게 적용될 수 있는가를 살펴보며, 셋째, 선택대상 및 종속변수의 수가 증가하여 일반화된 선다형모형(multiple choice model)의 경우, 표기 및 추정방법을 단일방정식 기법을 이용하여 추가로 총람하고자 한다. 넷째, 본논문에서는 또한 내구소비재 구입에 관한 조사자료를 이용하여 실제 많이 사용되는 몇 개의 모형을 선택하여 적용하고 각각의 예측력을 분석함으로써 각 모형을 비교 검토하는데 목적이 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.