• Communications for Statistical Applications and Methods
• /
• 제25권6호
• /
• pp.659-671
• /
• 2018

In this study, we consider the extension of the heterogeneous autoregressive (HAR) model for realized volatility by incorporating a neural network (NN) structure. Since HAR is a linear model, we expect that adding a neural network term would explain the delicate nonlinearity of the realized volatility. Three neural network-based HAR models, namely HAR-NN, $HAR({\infty})-NN$, and HAR-AR(22)-NN are considered with performance measured by evaluating out-of-sample forecasting errors. The results of the study show that HAR-NN provides a slightly wider interval than traditional HAR as well as shows more peaks and valleys on the turning points. It implies that the HAR-NN model can capture sharper changes due to higher volatility than the traditional HAR model. The HAR-NN model for prediction interval is therefore recommended to account for higher volatility in the stock market. An empirical analysis on the multinational realized volatility of stock indexes shows that the HAR-NN that adds daily, weekly, and monthly volatility averages to the neural network model exhibits the best performance.

• 응용통계연구
• /
• 제36권4호
• /
• pp.295-307
• /
• 2023

HAR 모형은 간단한 선형 모형으로 실현 변동성의 장기기억성을 비교적 잘 설명할 수 있어 널리 쓰이고 있다. 하지만, 실현 변동성은 조건부 이분산성, 레버리지 효과, 변동성 집중 등과 같은 복잡한 특징을 보이고 있기에 단순 HAR 모형을 확장할 필요가 있다. 따라서 본 연구는 조건부 이분산성을 설명하는 GARCH 모형에 임계값에 따라 계수가 달라지는 비선형 모형인 임계 HAR 모형(THAR-GARCH)을 제안하고 그 추정 방법 및 예측 성능에 대해서 살펴보고자 한다. 보다 구체적으로 오차항의 등분산 가정을 벗어났기 때문에 모형의 계수를 추정하기 위해서 반복적인 가중최소제곱추정법을 제안하고 모의실험을 통해 일치성을 보였다. 또한 전세계 21개의 주요 주가 지수의 실현 변동성에 대한 예측 오차를 비교함으로써 제안한 GARCH 오차를 가지는 임계 HAR 모형이 일반적으로 더 우수한 예측력을 보임을 확인하였다.

• 응용통계연구
• /
• 제34권2호
• /
• pp.239-254
• /
• 2021

이 논문에서는, 2개의 혼합된 t-분포(TP-T)의 오차과정을 따르는 이질적 자기회귀 (HAR) 모형을 이용하여, 한국 코로나 (COVID-19) 확진자 수 데이터에 대한 시계열 분석, 즉 추정과 예측에 대하여 연구한다. HAR-TP-T 시계열 모형을 고려하여 HAR 모형의 계수 뿐 아니라 TP-T 오차과정의 모수를 추정하고자 단계별 추정법을 제안한다. 본 연구에서 제안하고 있는 단계별 추정법은, HAR 계수 추정을 위해서는 통상적 최소제곱추정법을 채택하고, TP-T 모수 추정을 위해서는 최대우도추정법을 이용한다. 단계별 추정법에 대한 모의실험을 수행하여, 성능이 우수함을 입증한다. 한국 코로나 확진자 수에 대한 실증적 데이터 분석에서, HAR 모형에서의 차수 p = 2, 3, 4에 대해, 모형의 평균제곱오차가 최소가 되도록 하는 최적화 시간간격(optimal lag)을 포함하여, 여러가지 시간간격을 고려한 HAR-TP-T 모형의 모수 추정값을 계산한다. 제안된 단계별 추정방법과 기존의 MLE만의 방법을, 추정 결과를 제시함으로 함께 비교한다. 본 연구에서 제안하고 있는 추정은 두 가지의 오차 측면, 즉 HAR 모형의 평균제곱오차와 잔차분포에 대한 밀도함수 추정의 평균제곱오차, 두 측면에서 모두 우수함을 입증하였다. 나아가, 추정 결과를 활용한 코로나 확진자 수 예측을 수행하였고, 예측정확도의 한 측도로서 mean absolute percentage error (MAPE)를 계산하여 0.0953%의 매우 작은 오차값을 얻었다. 본 연구에서 선택한 최적화 시간간격을 고려한 HAR-TP-T 시계열 모형 및 단계별 추정 방법은, 정확한 한국 코로나 확진자 수 예측 성능을 제공한다고 할 수 있다.

• 응용통계연구
• /
• 제30권3호
• /
• pp.323-334
• /
• 2017

실현변동성(RVs)이 지속적인 장기기억성과 상당히 큰 이상치의 존재로 인해 정상계열과 비정상계열의 경계에 위치한다는 것에 주목하였다. 실현변동성을 예측하기 위해 실현변동성 이상치 관측 유무에 따라 heterogeneous autoregressive (HAR) 모형과 integrated HAR (IHAR) 모형을 번갈아 사용하는 새로운 방법을 제안하였고, 이 방법을 IHAR-O-HAR라 칭하였다. 예측력 비교는 주요 지수인 S&P 500, Nasdaq과 Nikkei 225의 실현변동성 데이터를 이용하였으며 표본 외 예측력 비교에서 새로운 IHAR-O-HAR 방법은 RW 방법, HAR 방법이나 IHAR 방법의 예측력보다 우수함을 확인하였다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1213-1229
• /
• 2016

최근에 Cho와 Shin (2016)가 변동성 예측 모형으로 유명한 HAR (Corsi, 2009) 모형보다 단위근을 부과한 IHAR 모형이 더 우수하다는 것이 보고하였다. 금융시계열에 비대칭 변동성이 존재한다는 것은 널리 알려져 있다. 이 논문에서는 IHAR 모형에 레버리지를 고려한 LIHAR 모형을 제안한다. LIHAR 모형과 IHAR 모형 기존의 HAR 모형, LHAR 모형과의 예측력 비교를 통해 LIHAR 모형의 우수성을 보인다. 모형을 평가하기 위해 Oxford-Man 라이브러리 20개의 실현변동성 데이터를 이용하였다. 특히 DJIA, S&P 500, Russell 2000, KOSPI Composite 데이터는 다양한 분석을 하였다. 주가와 같은 금융지수의 변동성에는 장기기억성과 비대칭 변동성이 존재하고, 이런 특징을 LIHAR 모형이 HAR, IHAR, LHAR 모형보다 적절하게 반영하고 있는 것을 확인 하였다. 또한 예측력도 LIHAR 모형이 가장 우수하였다. 금융시계열의 실현변동성에 장기기억성, 비대칭변동성, 비정상성을 모두 반영하여 예측하는 것이 상당한 가치가 있음을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.1049-1058
• /
• 2022

HAR(Human Action Recognition) such as anomaly and object detection has become a trend in research field(s) that focus on utilizing Artificial Intelligence (AI) methods to analyze patterns of human action in crime-ridden area(s), media services, and industrial facilities. Especially, in real-time system(s) using video streaming data, HAR has become a more important AI-based research field in application development and many different research fields using HAR have currently been developed and improved. In this paper, we propose and analyze a deep-learning-based HAR that provides more efficient scheme(s) using an intelligent AI models, such system can be applied to media services using RGB video streaming data usage without feature extraction pre-processing. For the method, we adopt Slowfast based on the Deep Neural Network(DNN) model under an open dataset(HMDB-51 or UCF101) for improvement in prediction accuracy.

• 자원ㆍ환경경제연구
• /
• 제30권4호
• /
• pp.535-555
• /
• 2021

본 연구는 국내 주식시장 변동성에 대한 국제유가의 영향을 실증적으로 분석한다. 분석을 위해 사용된 자료는 2015년 1월 2일부터 2021년 7월 30일까지 KOSPI 지수와 WTI 선물가격의 10분 주기 고빈도 자료이다. 이를 사용하기 위해서는 이질적 자기회귀(HAR) 모형을 사용하였다. 분석 모형에서는 고빈도 자료의 장점을 살려 국제유가의 영향을 수익률뿐 아니라 실현 변동성, 실현 왜도 및 첨도를 통해 확인한다. 추정에는 큰 왜도를 갖는 실현 변동성 분포를 감안하여 Box-Cox 변환을 적용하였다. 추정 결과, WTI 가격의 일간 수익률 변동은 KOSPI 수익률의 변동성에 통계적으로 유의한 양(+)의 영향을 미치는 것으로 나타났다. 하지만 WTI 수익률의 변동성, 왜도, 첨도는 KOSPI 수익률의 변동성에 영향을 주지 않는 것으로 나타났다. 이와 같은 결과는 KOSPI 수익률의 변동성이 거래 시간의 시차를 갖는 WTI 수익률의 일간 변화는 반영하지만 투자자의 일중 거래 행태까지는 반영하지 않기 때문으로 판단된다.

• ETRI Journal
• /
• 제33권4호
• /
• pp.569-579
• /
• 2011

This paper presents a novel approach for human activity recognition (HAR) using the joint angles from a 3D model of a human body. Unlike conventional approaches in which the joint angles are computed from inverse kinematic analysis of the optical marker positions captured with multiple cameras, our approach utilizes the body joint angles estimated directly from time-series activity images acquired with a single stereo camera by co-registering a 3D body model to the stereo information. The estimated joint-angle features are then mapped into codewords to generate discrete symbols for a hidden Markov model (HMM) of each activity. With these symbols, each activity is trained through the HMM, and later, all the trained HMMs are used for activity recognition. The performance of our joint-angle-based HAR has been compared to that of a conventional binary and depth silhouette-based HAR, producing significantly better results in the recognition rate, especially for the activities that are not discernible with the conventional approaches.

• Communications for Statistical Applications and Methods
• /
• 제24권4호
• /
• pp.367-382
• /
• 2017

We consider an infinite-order long-memory heterogeneous autoregressive (HAR) model, which is motivated by a long-memory property of realized volatilities (RVs), as an extension of the finite order HAR-RV model. We develop bootstrap tests for structural mean or variance changes in the infinite-order HAR model via stationary bootstrapping. A functional central limit theorem is proved for stationary bootstrap sample, which enables us to develop stationary bootstrap cumulative sum (CUSUM) tests: a bootstrap test for mean break and a bootstrap test for variance break. Consistencies of the bootstrap null distributions of the CUSUM tests are proved. Consistencies of the bootstrap CUSUM tests are also proved under alternative hypotheses of mean or variance changes. A Monte-Carlo simulation shows that stationary bootstrapping improves the sizes of existing tests.

• 응용통계연구
• /
• 제35권1호
• /
• pp.49-62
• /
• 2022

실현 변동성은 강한 종속성을 가짐이 잘 알려져 있으며, 글로벌 금융 시장과 유기적으로 연관이 되어 있을 뿐만 아니라 환율, 유가, 이자율 등의 거시적인 지표와도 밀접한 관계가 있다. 본 논문은 이러한 실현 변동성의 효과적인 예측을 위해서 오토인코더를 이용한 FAHAR (autoencoder factor-augmented heterogeneous autoregressive, AE-FAHAR) 모형을 제안한다. AE-FAHAR 모형은 강한 종속성을 HAR 구조로 반영하고, 외부 효과에 대한 영향을 오토인코더를 사용하여 몇 개의 요인으로 추출하여 이를 반영한다. 오토인코더는 비선형 방법으로 요인을 추정하기에 많은 계산 시간이 필요하지만 복잡하고 비정상성을 가질 수 있는 고차원 시계열 자료의 요약에 더 적합하다. 이는 곧 실증 자료 분석을 통해 AE-FAHAR 모형이 예측 오차를 줄임을 확인할 수 있었다. 또한 계산 시간을 줄이고 추정 오차를 줄이기 위해 오토인코더에 사전학습 및 앙상블을 적용하는 등의 방법에 대해서도 논의하였다.