• 대한토목학회논문집
• /
• 제44권2호
• /
• pp.161-172
• /
• 2024

일반적으로 수문기상변량의 상관관계를 파악하기 위해서는 Copula 기법을 활용하여 의존관계를 규명하고 있으나, 단순히 Copula 기법을 다변량으로 확장하는 것은 분석결과가 유연하지 않으며 Copula 기법에 대한 수학적인 가정을 확인하여 만족 여부를 판단해야 하는 등 복잡해지는 단점이 있다. 또한, 기존의 이변량 Copula 기법을 활용하여 기후변화모델의 지속시간에 따른 설계강우량을 추정하는 과정은 주로 일별 자료만을 활용하여 분석하므로 24시간 최대강우량에 대한 정보와의 의존관계를 규명하여 추정하는 방법을 채택하고 있다. 그러나, 24시간 최대강우량만을 활용하여 다른 지속시간에 대한 설계강우량을 산정하는 것은 다른 지속시간에 대한 의존관계 정보는 제공되지 않아 지속시간에 따른 강우 강도가 역전되는 현상이 야기되는 원인이다. 따라서, 본 연구에서는 변수간의 쌍구조 관계를 연결하는 Vine Copula 기법을 활용하여 다른 지속 시간에 대한 정보를 반영하여 미래 강우강도의 변화를 전망하고자 한다.

• 응용통계연구
• /
• 제34권6호
• /
• pp.875-887
• /
• 2021

최대예상손실액(VaR)은 위험관리수단으로 금융에서 시장위험을 측정하는 대표적인 값이다. 본 논문에서는 다양한 자산으로 이루어진 고차원 금융자료에서 자산들 간의 의존성 구조를 잘 설명할 수 있는 성근 바인 코풀라를 이용한 VaR 추정에 대해서 논의한다. 성근 바인 코풀라는 정규 바인 코풀라 모형에 벌점화를 적용한 방법으로 추정하는 모수의 개수를 벌점화를 통해 축소하는 방법이다. 모의 실험 결과 성근 바인 코풀라를 이용한 VaR 추정이 더 작은 표본 외 예측오차를 줌을 살펴볼수 있었다. 또한 최근 5년간의 코스피 60개 종목을 바탕으로 실시한 실증 자료 분석에서도 성근 바인 코풀라 모형이 더 좋은 예측 성능을 보임을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.272-272
• /
• 2022

지진해일에 대한 분석은 주로 물리적인 계산에 의하여 이루어지고 있으나, 다수의 매개변수가 복잡하게 얽혀있어 계산이 오래 걸리고 해당 지진해일에 대한 분석은 지진해일이 발생한 후에 단층을 조사하여 매개변수를 산정하므로 준실시간에 해당하는 예측이 어렵다. 또한, 지진해일을 예측하는 모형을 구축하기 위해서는 충분한 지진해일에 대한 자료가 필수적이나, 국내의 지진해일은 지난 100년간 4건의 지진해일이 발생하여 자료 역시 불충분하다. 그러나, 일반적으로 지진해일은 주기적이지 않고 빈도가 많지 않으나, 지진해일로 인한 피해는 주요한 사회 기반 시설 및 막대한 인명피해를 야기하므로 지진해일 피해를 저감하기 위한 방안이 필요하다. 확률론적 지진해일 재해도 평가(Probabilistic Tsunami Hazard Assessment; PTHA)시에 주로 지역적인 범위에서 수행되어 자료의 특성을 고려하여 수행해야하나, 현재 지진해일고에 대한 분포를 대수정규분포로 하여 지역적인 특성이 고려되지 않고 있다. 따라서, 본 연구에서는 국내의 지역적 특성을 고려하기 위하여 단층매개변수와 지진해일고와의 Vine Copula 기법을 활용하여 관계성을 파악하고 국내에서 발생가능한 지진해일에 대한 위험도 평가를 수행하였다. 본 연구에서 선정된 지진해일고 클러스터링 결과를 활용하여 향후 지진해일에 대한 방재대책 시에 기초자료로 활용할 수 있을 것으로 예상된다.

• Communications for Statistical Applications and Methods
• /
• 제28권1호
• /
• pp.59-79
• /
• 2021

Value at Risk (VaR) is one of the most common risk management tools in finance. Since a portfolio of several assets, rather than one asset portfolio, is advantageous in the risk diversification for investment, VaR for a portfolio of two or more assets is often used. In such cases, multivariate distributions of asset returns are considered to calculate VaR of the corresponding portfolio. Copulas are one way of generating a multivariate distribution by identifying the dependence structure of asset returns while allowing many different marginal distributions. However, they are used mainly for bivariate distributions and are not widely used in modeling joint distributions for many variables in finance. In this study, we would like to examine the performance of various copulas for high dimensional data and several different dependence structures. This paper compares copulas such as elliptical, vine, and hierarchical copulas in computing the VaR of portfolios to find appropriate copula functions in various dependence structures among asset return distributions. In the simulation studies under various dependence structures and real data analysis, the hierarchical Clayton copula shows the best performance in the VaR calculation using four assets. For marginal distributions of single asset returns, normal inverse Gaussian distribution was used to model asset return distributions, which are generally high-peaked and heavy-tailed.