• Communications for Statistical Applications and Methods
• /
• 제19권3호
• /
• pp.415-422
• /
• 2012

본 연구에서는 단기에 측정되는 트래픽 자료를 예측하기 위하여 Holt-Winters, Fractional Seasonal ARIMA, AR-GARCH, Seasonal AR-GARCH 모형을 사용하여 각 모형의 예측 성능을 비교하고자 한다. 예측에 이용된 시계열 모형에 대해 소개하고, 실제 트래픽 자료에 적용하여 트래픽 자료를 분석한 결과 Holt-Winters방법이 예측력 측면에서 가장 우수하였다.

• 응용통계연구
• /
• 제25권2호
• /
• pp.251-259
• /
• 2012

본 논문은 일별 관광수요 자료를 분석하기 위하여 시계열의 대표적인 3개 모형인 ARIMA, Holt-Winters, AR-GARCH 모형을 적용하였다. 모형의 성능을 비교하기 위해 Armstrong (2001)이 제안한 방법을 이용하여 서로 다른 방법의 예측값을 단순결합과 MSE, SE를 이용한 결합법을 이용하여 정확도 높일 수 있음을 확인하였다.

• 응용통계연구
• /
• 제34권4호
• /
• pp.623-632
• /
• 2021

본 연구에서는 여러가지 시계열 모형 중 평활법(가법계절지수, 승법계절지수), 계절 ARIMA 모형, ARARCH 그리고 AR-GARCH 회귀모형을 이용하여 최대 전력수요를 예측하는 방법을 연구하였다. 이 때 가중 평균모형으로 추세를 갖는 시계열 모형과 온도에 대한 회귀 모형을 적절한 가중치로 예측 정확도를 높이는 방법도 연구하였다. 결과적으로 AR-GARCH 회귀모형으로 예측하는 것이 가중 우수함을 보였다.

• 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.

• 응용통계연구
• /
• 제13권2호
• /
• pp.437-445
• /
• 2000

국내 주가시계열을 분석하기 위해 기존의 비선형시계열모형인 분계점을 가진 자기외귀모형(TAR)과 일반화 이분산자기회귀모형(GARCH)을 비교 분석한 후, 이 두가지 모형을 결합시킨 새로운 모형 TAT-GARCH모형을 제안하였다. 이 모형은 그 자체로도 이론적인 관삼의 대상이 되어 연관된 모수추정 기법을 제시하였고 국내 개별 주가시계열 자료의 분석에 있어서 제안된 모형이 기존의 모형들 보다 상대적으로 더 좋은 예측치를 제공할 수 있음을 특정 9개 회사의 주가분석을 통해 알아보았다.

• 응용통계연구
• /
• 제27권7호
• /
• pp.1257-1268
• /
• 2014

KTX에 등장에 따라 국내 여객시장은 KTX 시장을 중심으로 변화가 이루어졌다. 이에 따라 KTX 이용 여객의 수요예측은 열차 운영에 있어서 매우 중대한 사안이다. 본 논문에서는 여러 시계열 모형의 비교를 통해 KTX 이용 여객의 수요와 연관이 있는 요일과 공휴일, 명절을 어떠한 형태로 고려할 것인지 연구하였다. 모형 간 예측력을 비교하기 위하여 Mean Absolute Percentage Errors (MAPE)를 사용하였으며, 1달간의 단기간 예측에 있어서 변동성을 고려해줄 수 있는 Reg-AR-GARCH 모형이 우수한 예측력을 나타냈으며, 1달을 초과한 기간의 예측에서는 Reg-ARMA 모형이 우수한 예측력을 나타냈다.

• 응용통계연구
• /
• 제26권2호
• /
• pp.349-360
• /
• 2013

최근 일별 최대 전력수요 예측은 전력설비 계획 및 운용에 매우 중요한 사안으로 주목받고 있다. 본 연구는 일별 최대 전력수요 예측을 위하여 대표적 시계열 모형을 소개하고, 예측의 성능 비교를 위하여 RMSE(Root mean squared error)와 MAPE(Mean absolute percentage error)를 사용한다. 연구결과로 보완된 Holt-Winters 모형과 Reg-ARIMA 모형이 다른 모형에 비하여 우수한 예측 성능을 보였다.

• 응용통계연구
• /
• 제26권6호
• /
• pp.1053-1061
• /
• 2013

본 논문은, 장기기억 특성과 이분산성을 고려한 인터넷 트래픽 예측 모형을 제안하고자 한다. 트래픽 과부하를 대비하기 위해서, 트래픽 용량은 트래픽의 예측치와 트래픽의 변동 크기에 따라 트래픽의 최대용량을 설정하여야 한다. 이를 위하여 교내 트래픽 자료 중 교내로 들어오는 트래픽과 교외로 나가는 트래픽에 이분산성과 장기기억 모형의 유용성을 확인하였다. 이에 대하여 AR-GARCH 모형, ARMA-GARCH 모형과 장기기억모형인 Fractional ARIMA와 장기기억과 이분산성을 고려한 Fractional ARMA-GARCH 모형을 적용하여 모형의 예측성능을 비교하였다.

• Journal of Information Technology Applications and Management
• /
• 제25권4호
• /
• pp.157-169
• /
• 2018

The purpose of this study was to examine the volatility of bitcoin, diagnose if bitcoin are a systematic risk asset, and evaluate their effectiveness by estimating market beta representing systematic risk using GARCH (Generalized Auto Regressive Conditional Heteroskedastieity) model. First, the empirical results showed that the market beta of Bitcoin using the OLS model was estimated at 0.7745. Second, using GARCH (1, 2) model, the market beta of Bitcoin was estimated to be significant, and the effects of ARCH and GARCH were found to be significant over time, resulting in conditional volatility. Third, the estimated market beta of the GARCH (1, 2), AR (1)-GARCH (1), and MA (1)-GARCH (1, 2) models were also less than 1 at 0.8819, 0.8835, and 0.8775 respectively, showing that there is no systematic risk. Finally, in terms of efficiency, GARCH model was more efficient because the standard error of a market beta was less than that of the OLS model. Among the GARCH models, the MA (1)-GARCH (1, 2) model considering non-simultaneous transactions was estimated to be the most appropriate model.

• 응용통계연구
• /
• 제24권2호
• /
• pp.307-313
• /
• 2011

본 연구에서는 인터넷 트래픽 자료를 예측하는데 사용되는 Holt-Winters, FARIMA, AR-GARCH 모형을 트래픽 예측에 적용하여 각 모형을 성능을 비교하고자 한다. 각 시계열 모형에 대해 소개하고, 트래픽 자료의 특성인 장기기억 특성을 설명하는데 적합한 모형을 알아보기 위해 실제 트래픽 자료에 적용하여 예측 성능을 비교하였다.