• 응용통계연구
• /
• 제27권1호
• /
• pp.133-146
• /
• 2014

2012년중 미국 상무부 센서스국에서 X-12-ARIMA와 TRAMO-SEATS를 동시에 이용할 수 있는 계절조정 프로그램인 X-13ARIMA-SEATS을 공개하였다. 미국을 포함한 각국통계작성기관은 X-12-ARIMA에서 X-13ARIMA-SEATS로 계절조정방법을 전환하여 계절조정통계를 작성해가고 있다. 따라서 우리나라에서도 X-12-ARIMA로부터 X-13ARIMA-SEATS로 계절조정방법을 전환하는 방안을 마련할 필요가 있다. 이 논문에서는 국민소득, 국제수지, 통화통계에 대해 X-13ARIMA-SEATS 프로그램을 통해 계절조정통계를 필터를 달리하여 작성한 후 이를 X-12-ARIMA에 의한 계절조정통계와 비교하였다. 비교 결과 X11필터를 적용한 X-13ARIMA-SEATS에 의한 계절조정은 X-12-ARIMA에 의한 계절조정과 차이가 작게 나타나 X-12-ARIMA로부터 X-13ARIMA-SEATS로의 빠른 전환이 가능할 것으로 판단된다.

• 한국항만경제학회지
• /
• 제26권4호
• /
• pp.207-218
• /
• 2010

2011년 세계경기는 그리 밝지 않은 것으로 전망되고 있다. 금년 11월 미국 정부가 6,000억 달러라는 천문학적 규모의 양적 완화를 발표하였음에도 별다른 효과를 기대하지 않을 정도로 세계경제에 대한 전망이 흐린 것이다. 글로벌 불균형과 환율문제에서의 국가간 갈등, 국제통화제도의 불안정 등도 경기회복을 더디게 하는 요인으로 지목되고 있다. 그런데 해운경기와 세계경제는 밀접한 연관성을 갖기 때문에 당연히 해운경기에 대한 전망이 밝지 않다. 본고는 2011년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 RW 모형의 그것보다 높아 동 모형을 이용한 예측이 부정확할 수 있음을 보인다. 그러나 이러한 점은 예측치에 대한 부정확을 의미하는 것이지 2011년 해운경기의 흐름에 대한 예측을 거부하는 것은 아니다. 사전적 예측을 통해 모형간 예측치가 비교적 큰 차이를 보이나 2011년 내내 침체 상태에 있거나 2011년 후반기에 침체상태로 접어든다는 것을 밝힌다. 해운업계에 어려운 시기가 될 수 있다는 것을 시사한다.

• 국제지역연구
• /
• 제21권4호
• /
• pp.159-172
• /
• 2017

비관측요인(unobserved-component)모형을 이용한 GDP의 추세-순환요인 분해에서, 통상적으로 추세는 확률보행 과정을 갖는 것으로 가정된다. 본 연구는 추세를 ARIMA 과정으로 표현하는 경우, GDP 변동에서 갖는 추세요인의 의미가 어떻게 달라지는가를 살펴보고, GDP에 대한 예측력이 개선될 수 있는가의 여부를 미국의 데이터를 이용하여 실증적으로 분석하였다. 모형은 GDP만의 단일변수모형과 물가를 포함하는 2변수모형의 두 가지를 고려하여 설정하였으며, 모형 추정은 비관측요인모형을 상태-공간모형으로 전환한 후 칼만 필터(Kalman filter)를 이용한 최대우도추정법을 사용하였다. GDP에 대한 예측은 축차적 추정(recursive estimation)을 이용한 동적 표본외예측(dynamic out-of-sample) 방식을 사용하였으며, 예측력 비교결과에 대한 검정은 Diebold-Mariano 검정을 이용하였다. 분석 결과는 첫째, 모형의 추정결과에서 ARIMA 추세의 계수가 통계적으로 유의적인 값을 가지며, 둘째, ARIMA 추세 모형이 확률보행 추세 모형보다 GDP 변동의 분산 및 자기 상관성(autocorrelation)을 보다 잘 설명하며, 셋째, 예측력에서 단일변수보다는 2변수모형의 예측력이 그리고 확률보행 추세보다는 ARIMA 추세를 갖는 모형의 예측력이 통계적으로 유의하게 높은 것으로 나타났다. 이러한 결과들은 GDP 추세-순환 요인 분해에서 추세를 ARIMA 과정으로 표현하는 것이 보다 타당하다는 것을 시사하고 있다.

• 전기학회논문지
• /
• 제67권10호
• /
• pp.1257-1264
• /
• 2018

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA models to predict the peak load of summer and winter. In addition, this paper also proposes hybrid ARIMA-based models (ARIMA-Hybrid) using a discomfort index and a sensible temperature to enhance the conventional ARIMA model. To verify the proposed algorithm, both ARIMA and ARIMA-Hybrid models are developed based on peak load data obtained from 2006 to 2015 and their forecasting results are compared by using the peak load in 2016. The simulation result indicates that the proposed ARIMA-Hybrid models shows the relatively improved performance than the conventional ARIMA model.

• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• 한국항만경제학회지
• /
• 제31권1호
• /
• pp.69-84
• /
• 2015

본고는 개입 승법계절 ARIMA모형과 인공신경망모형을 이용하여 해상운송 물동량을 추정하고 사전적 예측치를 도출하였다. 개입 ARIMA의 추정결과 오차항에서 자기상관이 존재하지 않고 정규성이 존재함으로써 오차항의 기본가정이 잘 충족되고 있음을 확인하였다. 그리고 개입 승법계절 ARIMA모형과 인공신경망모형에 대해 예측실적 오류를 ME, MAE, RMSE, MSE로 측정한 결과 ARIMA $(2,1,0)(1,0,1)_{12}$이 가장 우수한 예측모형임을 확인할 수 있었다. 2015년부터 2019년까지의 기간에 대해 개입 ARIMA모형을 이용한 해상운송 물동량의 사전적 예측치 결과 4.54%에서 4.99%의 연평균 증가율을 보였고, 인공신경망모형을 이용한 예측결과 2.00%에서 2.44%까지의 연평균 증가율을 나타냈다.

• 한국항만경제학회지
• /
• 제29권3호
• /
• pp.1-23
• /
• 2013

본 연구는 1992년부터 2011년까지 월별자료를 사용하여 여러 가지 시계열 추정모델과 승법 계절 ARIMA 모형을 설정하여 부산항의 컨테이너 물동량을 추정하고 예측하였다. 여러 가지 모델로 추정한 결과 부산항의 컨테이너 물동량과 물동량 변동 모두 계절을 승법한 ARIMA 모델 $(1,0,1){\times}(1,0,1)_{12}$로 추정하였을 때, 추정결과와 Akaike information, Schwarz, Hannan-Quin 기준 등으로 보아, 가장 좋은 ARIMA 추정과 예측 모형으로 나타났다. 그리하여 부산항 물동량 추정의 최적모형인 ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의해 향후 8년간 96개월에 대한 부산항 물동량 미래 예측치(2013-2020년)를 월별로 추정하여 예측한 결과 2013년부터 부산의 물동량은 연도별로 조금씩 지속적으로 증가하는 추세를 보일 것으로 나타났다. ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의한 부산항의 컨테이너 물동량의 연도별 예측량은 2013년 1천 891만 TEU, 2014년 2천 34만 TEU, 2015년 2천 188만 TEU, 2016년 2천 353만 TEU, 2017년 2천 531만 TEU, 2018년 2천 722만 TEU 그리고 2020년 3천 148만 TEU 등으로 나타났다.

• 한국항만경제학회지
• /
• 제27권4호
• /
• pp.1-11
• /
• 2011

미국 신용등급 하락 이후 미국의 더블딥 우려와 유럽 재정위기가 세계 경제를 크게 뒤흔들고 있다. 미국의 재정적자가 심각한 수준에 도달하여 재정정책수단이 제대로 작용하지 못하고 유럽의 일부 국가에서도 재정위기 가능성이 상존하여 실물위기로 파급될 가능성이 높다. 이러한 점들은 세계경제가 내년에도 상당한 불확실성을 보일 것이라는 것을 의미한다. 세계경제에 대한 전망이 밝지 못한 가운데 해운경기는 세계 경기와 밀접한 관계가 있기 때문에 어두운 전망의 세계경제는 해운경기 역시 밝지 않을 것이라는 것을 쉽게 예측할 수 있다. 본고는 2012년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 일부 모형에서는 상당히 높아 ARIMA모형에 의한 예측이 어려움을 의미한다. 사전적 예측을 통해 모형들의 예측치가 큰 차이를 보이지 않으며 그러나 2012년 예측치가 모형 4개의 최대 2178-2320, 모형 6개의 최대 2071-2533에 불과하여 해운경기가 여전히 불황에서 벗어나기 어려울 것이라는 것을 보인다.

• 응용통계연구
• /
• 제11권2호
• /
• pp.335-350
• /
• 1998

X11ARIMA는 1965년 미국 센서스국에서 개발된 X11분석 방법에 기초한 시계열 분석방법으로 Dagum(1975)에 의해 개발되었다. 이 기법은 Dagum(1988)에 의하여 북미지역의 174개의 경제지수를 바탕으로 일부 기본모형이 수정·보완되어 오늘날에 이르고 있다. 최근에는 회귀 모형과 ARIMA모형을 동시에 고려하여 특이치와 추세 변환효과(outlier arid Trend-change effects), 계절변동(seasonal effect), 그리고 달력효과(calendal effect) 등을 추정한 William 등(1995)과 Chen과 Findley(1995)의 X12ARIMA분석 방법이 소개되었다. 그러나 위의 모든 기법들은 주로 북미지역의 경제지수를 기초로 하고 있다. 본 논문에서는 우리나라의 산업중분류에서 산출되는 102개(생산(27), 출하(27), 재고(27), 가동률(21))의 지수에 대한 우리나라의 표준 ARIMA모형을 제시하고, 우리나라에 적합한 이동평균항수를 제공하고자 한다. 그리고 우리나라의 설, 추석 등의 명절효과를 태양력으로 전환함과 동시에, 최근에 논의되고 있는 X12ARIMA에서 사용되는 회귀모형과 ARIMA모형을 동시에 고려하는 명절효과를 도출하고자 한다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 춘계 학술발표회 논문집
• /
• pp.73-77
• /
• 2005

본 논문은 시계열에 내재된 설${\cdot}$추석 등 음력 명절효과의 존재를 검정하기 위해 RegARIMA 모형의 잔차에 대한 t-검정 통계량을 제시하였으며 Box-plot에 의한 그래프적 진단을 시도하였다. 제시된 t-검정 결과를 X-12-ARIMA의 AICC-사전검정 및 RegARIMA 모형에 의해 추정된 명절효과 회귀계수의 t-값과 비교하였다. 사용된 명절효과 변수는 Bell과 Hillmer(1983)의 명절효과 변수이다.