생명보험산업 보험료 성장률 예측계량모형 비교

전성주 ( Sungju Chun ),조영현 ( Younghyun Cho ) 한국금융연구원 2015 금융연구 Vol.29 No.3

In this article we evaluate the performance of forecasting models to predict the Korean life insurance premium growth rates. Comparisons are made for the Vector Auroregressive (VAR) predictive model, the multivariate leading indicator model, and the diffusion index model proposed by Stock and Watson (2002) against the Univariate Autoregressive (AR) predictive model as a benchmark. We compare each model’s predictability for the total premium incomes and the initial premium incomes of three types in the individual insurance; protection, endowment and annuity. The complete quarterly data spans from the second quarter of 1986 to the first quarter of 2014. The lag selection for AR and VAR forecasting models depends on the Bayesian Information Criteria (BIC) with the maximum number of lags set to 4. For the multivariate leading indicator model, we use 4 leading indicators of GDP growth rates, inflation, education, and age. In order to avoid data mining concerns, we select the variables that have been found to be the determinants of life insurance demands by previous studies. The diffusion index model is an approximate dynamic factor model that relates the future life insurance premium growth rates to a number of factors estimated by principal components using a large number of macroeconomic variables. The set of macroeconomic variables consists of 57 variables representing 6 main categories of macroeconomic time series: demand for final output; balance of payments and international trade; price indexes; money, interest rates and financial markets; labor, production and population; and world variables. We also include in the data set the variables related to the life insurance industry such as the industry’s total asset returns, claims paid and etc. In predicting total premium income growth rates, the AR predictive model produces the smallest mean squared predictive errors (MSPEs). For the premium incomes of protective insurance all the forecasting models have the MSPEs less than 3%. But they become unreliable in predicting the premium incomes of annuity with producing the MSPEs more than 10%. When we test the null hypothesis of no difference in MSPEs, it is rejected at 5% significance level for the VAR and the diffusion index predictive models when we forecast the total premium income growth rates of protective insurance. In predicting initial premium income growth rates, we find that there are no statistically significant differences in the MSPEs of each model. In addition, all the models have MSPEs more than 10% so that we may not be able to depend on any model to forecast in practice. We conclude that it may not be beneficial to take advantage of the information contained in macroeconomic variables for predicting life insurance premium growth rates. It may be due to the fact that most of the insurance contracts in Korea charge monthly premiums, which induces heavy autocorrelations among quarterly insurance premium data and makes an AR forecast very effective. Rho and Shin (1998) also found that macroeconomic variables are not likely to influence on insurance demands as is largely determined by insurer’s push-marketing. Policy holders cannot surrender their insurance contracts without heavy penalties, which makes them not so much responsive to macroeconomic environments. Lastly, life insurance demands are very sensitive to changes in insurance regulation and taxation, which could not be controlled for by our estimation procedure due to the lack of time series observations.

환경영향평가에 적용되는 3차원 소음예측모델의 가이드라인 마련

선효성,최준규,박영민 한국환경연구원 2012 수시연구보고서 Vol.2012 No.-

국내 개발사업의 환경영향평가에서 사업지구 주변의 정온시설에 대한 소음영향을 평가하고 있다. 교통시설 증대와 고층 정온시설의 보편화 등으로 인해 소음환경이 복잡해지고 있는 상황에서 실제적인 소음평가를 수행할 수 있는 접근방법으로 3차원 소음예측모델의 활용이 증대되고 있다. 그러나 3차원 소음예측모델의 적용방법에 대한 가이드라인이 전무하여 그에 따른 소음평가결과의 신뢰성 확보에 의문이 제기되고 있다. 따라서 본 연구에서는 3차원 소음예측모델의 내부에 포함된 소음예측식 및 입력변수 등을 검토하여 3차원 소음예측모델을 효율적으로 적용할 수 있는 가이드라인을 모색하였다. 3차원 소음예측모델과 관련한 규정 및 사례 분석을 통해 기존 환경영향평가에서 모델적용에 의한 문제점을 파악하였다. 이를 통해 3차원 소음예측모델에 대한 구체적인 검토를 바탕으로 3차원 소음예측모델을 환경영향평가에서 효율적으로 적용할 수 있는 가이드라인의 필요성을 언급하였다. 환경영향평가에서 3차원 소음예측모델을 효율적으로 적용하기 위한 방안을 모색하기 위해 도로소음을 대상으로 SoundPLAN, Cadna-A, IMMI 상용프로그램을 적용하였다. 이러한 프로그램을 활용하여 도로소음 예측식, 도로소음원 입력자료, 방음벽 및 건물과 관련한 입력자료 등을 근거로 3차원 소음예측모델 구현을 통한 소음예측결과를 비교·검토하였다. 소음예측결과의 비교·검토를 바탕으로 3차원 소음예측모델을 도로소음평가에 적용하기 위한 방안을 제안하였다. The noise impact of the residential facility around a development region is assessed in EIA. As noise environment is complicated due to the increase of a transportation facility and the generalization of a high-rise building, the application of 3-D noise prediction model is increasing as a tool for performing actual noise assessment. However, because the guideline for 3-D noise prediction model does not exist, the reliability of the noise assessment results generated by 3-D noise prediction model is under discussion. Therefore, this study is focused on the development of a guideline for 3-D noise prediction model through the examination of prediction equation and input data in 3-D noise prediction model. In order to find the application plan of 3-D noise prediction model for EIA, The SoundPLAN, Cadna-A, and IMMI commercial programs (3-D noise prediction models) are adopted for road noise. The noise prediction results of three noise prediction models are compared in road noise prediction equation, road noise source input data, barrier and building input data, etc. Based on above comparison results, this paper suggests a guideline for application of 3-D noise prediction model in road noise assessment.

코스피 방향 예측을 위한 하이브리드 머신러닝 모델

황희수 한국융합학회 2021 한국융합학회논문지 Vol.12 No.6

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락 예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델 보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락 예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다. In the past, there have been various studies on predicting the stock market by machine learning techniques using stock price data and financial big data. As stock index ETFs that can be traded through HTS and MTS are created, research on predicting stock indices has recently attracted attention. In this paper, machine learning models for KOSPI's up and down predictions are implemented separately. These models are optimized through a grid search of their control parameters. In addition, a hybrid machine learning model that combines individual models is proposed to improve the precision and increase the ETF trading return. The performance of the predictiion models is evaluated by the accuracy and the precision that determines the ETF trading return. The accuracy and precision of the hybrid up prediction model are 72.1 % and 63.8 %, and those of the down prediction model are 79.8% and 64.3%. The precision of the hybrid down prediction model is improved by at least 14.3 % and at most 20.5 %. The hybrid up and down prediction models show an ETF trading return of 10.49%, and 25.91%, respectively. Trading inverse×2 and leverage ETF can increase the return by 1.5 to 2 times. Further research on a down prediction machine learning model is expected to increase the rate of return.

동영상 강의에서 메타인지 지원이 학습결과 예측에 미치는 영향: 다중양식 학습분석을 중심으로

함윤희 ( Yoonhee Ham ),조영환 ( Young Hoan Cho ),김혁기 ( Hyug Gi Kim ),이재용 ( Jaeyong Lee ),김혜은 ( Hyeeun Kim ),이한솔 ( Hansol Lee ) 한국교육정보미디어학회 2021 교육정보미디어연구 Vol.27 No.4

코로나19 팬데믹으로 인해 비대면 교육이 증가하면서 동영상 강의의 중요도가 높아졌다. 동영상 강의의 효과를 높이기 위해서는 교수자가 학습결과를 사전에 예측하여 학습 지원을 적시에 제공하는 것이 필요하다. 최근에는 학습결과 예측의 정확도를 높이기 위해서 생리심리데이터를 포함하여 다양한 학습 데이터를 통합적으로 수집하고 분석하는 다중양식 학습분석 연구가 증가하고 있다. 하지만 예측 모델이 다양한 학습 맥락에 일반화 가능한지에 대한 연구는 부족하다. 본 연구는 동영상 학습결과를 예측하는 주요 요인인 메타인지 활동에 초점을 두고, 동영상 강의에서 메타인지 지원 여부가 학습결과 예측 모델에 어떠한 영향을 미치는지 탐구하고자 한다. 이를 위해 총 33명의 학습자를 메타인지 지원 집단(n=17)과 메타인지 미지원 집단(n=16)으로 무선 할당하고, 개별적으로 약 40분 동안 인체의 삼투압에 대한 동영상 강의를 학습하도록 하였다. 다중양식 학습분석을 위해 동영상 학습 과정을 영상으로 촬영하고, 손목밴드를 이용하여 피부전도도를 측정하고, 설문지로 인지부하를 측정하고, 사전 및 사후 검사를 실시하였다. 이렇게 수집된 데이터와 다양한 머신러닝 알고리즘을 이용해서 학습결과 상·하 집단을 예측하는 모델을 만들고, 각 모델의 성능을 평가하여 최적의 예측 모델을 도출하였다. 연구 결과, 메타인지 지원여부에 따라 최적의 동영상 학습결과 예측 모델이 서로 상이하게 나타났다. 메타인지 미지원 집단에서는 메타인지 활동과 피부전도도로 측정한 각성도가 최적 모델의 예측 변인으로 나타났지만, 메타인지 지원 집단에서는 인지부하와 사전지식 수준이 최적 모델의 예측 변인으로 나타났다. 본 연구는 메타인지 지원과 같은 교수 방법의 변화가 예측 모델에 주요한 영향을 미칠 수 있음을 보여주며, 이는 예측 모델을 새로운 맥락에 적용할 때 많은 주의가 필요하다는 것을 시사한다. Video lectures have played an important role during the COVID-19 pandemic, which significantly increased remote learning in school. To enhance the effectiveness of video lectures, instructors should predict students’ learning outcomes and provide learning supports at the right time. Recently, multimodal learning analytics has been developed in order to accurately predict learning outcomes using diverse learning data like psychophysiological measures. Nevertheless, there is a lack of research on whether a prediction model is generalizable across diverse learning contexts using different instructional methods. This research intends to explore the influence of metacognitive support on the prediction model of learning outcomes in video lectures. A total of 33 learners were randomly assigned to metacognitive support (n=17) and non-support (n=16) groups, and they individually studied video lectures of the osmotic pressure in the human body for 40 minutes. This study recorded the learning process with video, measured skin conductance responses with a wristband, collected the data of cognitive load using a survey, and conducted pre- and post-tests. Using the data collected, machine learning algorithms generated models to predict high- and low-achievement groups, and an optimal prediction model was selected through evaluating the performance of the models. This study found that the optimal prediction model of the metacognitive support group was different from that of the non-support group. In the non-support group, metacognitive activities and arousal levels measured by skin conductance responses were included in the optimal prediction model, whereas cognitive load and prior knowledge were included in the optimal prediction model of the metacognitive support group. This study shows that instructional methods like metacognitive support can significantly influence predicting learning outcomes in video lectures, so prediction models should be carefully applied to novel learning contexts.

전통 통계분석기법과 머신러닝을 활용한 대졸자의 진로상태 분류 예측모델 비교분석

이대영,박성열 한국취업진로학회 2024 취업진로연구 Vol.14 No.1

이 연구는 급변하는 현대사회에 개인들의 끊임없는 진로선택과 결정에 있어 개별 맞춤형 방향성을 제시해주고, 대학 측면에서는 필요 인재 확보에 대한 가이드라인 제공과 대학 수요자들의 취업 및 진로 개발 지원에 정확한 진로방향 예측을 통해 질적 향상을 모색함으로써 대학의 미래 경쟁력 제고에 기여 하고자 하는 현실적인 필요성에서 출발하였다. 이를 위해 대졸자의 진로상태 분류 예측모델을 개발하 고, 주요 예측변인의 특징을 분석함으로써 청년의 진로상태에 가장 중요하게 작용하는 요인이 무엇인 지 알아보는 것으로 연구목적을 설정하였다. 연구목적에 따라 먼저 집단을 학력을 기준으로 구직 및 취업자, 대학원 진학자로 나누었다. 다음으 로 그들의 진로상태를 분류하는 예측모델 구현을 통해 어떠한 변인들이 대졸자의 진로상태 예측에 영 향을 미치는지 알아보기 위해 로지스틱 회귀분석과 판별분석을 활용하여 전통적 통계기법 예측모델을 구현하였다. 마찬가지로 머신러닝 예측모델을 구현하기 위해 의사결정나무, 서포트벡터머신, 랜덤포레 스트, XGboost 알고리즘을 활용하였다. 분석결과 구현된 모델 중에서 서포트벡터머신 예측모델이 82.12%의 예측률로 가장 뛰어난 것으로 나타나 서포트벡터머신 알고리즘으로 구현한 예측모델을 최종 예측모델로 결정하였다. 결정된 최종 모 델에서 대졸 후 진로상태를 예측하는 주요 요인은 개인 특성요인이었다. 더불어 개인 환경요인 중에서 도 사회적 자본에 해당하는 변인들이 모든 머신러닝 예측모델에서도 최상위 예측변인으로 도출되었던 만큼 대졸자의 진로에 있어 사회적 자본에 대한 중요성이 재차 검증될 필요가 있다. 해당 예측모델을 실무적인 측면에서 활용한다면 누가 대학 또는 대학원에 진학할 확률이 높은지 예 측할 수 있다. 따라서 이들을 대상으로 상위 교육기관 진학과 관련한 맞춤형 가이드라인을 설계하는 데 도움이 될 수 있다. 뿐만 아니라, 대학생 중에서 진로결정 상태가 아닌 학생들에게 해당 예측모형을 활 용한다면 이들의 진로상태를 예측할 수 있고, 이를 바탕으로 예상되는 졸업 후 진로에 대한 설명 및 조 언 등 맞춤형 진로 설계 가이드라인을 제시해줄 수 있을 것이다. The study focused on developing a predictive model for classifying college graduates’ career status and finding out which factors affect most importantly the young adults’ career status by analyzing the characteristics of major predictive factors. Based on the purpose of the study, the group was divided into two groups(g1: job seekers or the employed, g2: graduate students) in accordance with the characteristics of the data. Next, to find out which variables affect the prediction of college graduates’ career status through creating a prediction model, not only were classic statistical models created using logistic regression and discriminant analysis, but machine learning models were also made using the Decision Tree, Support Vector Machine(SVM), Random forest, and XGboost algorithms. In a consequence of the analysis, the SVM prediction models turned out to be the best prediction rates(82.12%). Therefore, the final predictive model was decided to SVM model, and it was analyzed to the main predictive variables from the SVM model. Thus, the top predictive variable was the number of people who could call for the help belonging to personal environmental factors. It means personal feature factors were the key factors predicting college graduates’ career status. Therefore, it is necessary to examine how personal feature factors(intelligence, values, competencies) affect their careers. Furthermore, the importance of social relationships in college graduates’ careers needs to be reexamined as social relationships were the key factors in all the machine learning models.

수막두께와 속도를 고려한 도로포장면의 미끄럼저항 예측모델 개발

조신행(Jo Shin Haeng),이수형(Lee Soo Hyung),유인균(Yoo In Kyoon),김낙석(Kim Nakseok) 대한토목학회 2012 대한토목학회논문집 D Vol.32 No.3D

도로 포장면과 타이어 사이의 마찰 저항을 미끄럼 저항이라고 한다. 미끄럼 저항은 도로 안전에 매우 중요한 요소이며, 다양한 요인이 복합적으로 작용한다. 미끄럼 저항 측정법의 한계를 극복하기 위해 컴퓨터 모델링을 이용한 해석 수행 결과, 속도가 증가하거나 수막두께가 두꺼울수록 미끄럼 저항은 감소하였다. 해석 결과를 이용해 수막두께와 속도에 따라 수막 위를 주행하는 타이어에 발생하는 양력을 계산할 수 있으며, IFI(International Friction Index) 미끄럼 저항 예측모델과 실측 미끄럼 저항과의 차이를 줄이기 위해 양력을 반영한 수정 IFI 미끄럼 저항 예측모델을 개발하였다. 예측모델과 실측 데이터의 상관관계 분석 결과, 기존 IFI 예측모델의 R²는 0.49로, 수정 IFI 예측모델의 R²는 0.64로 나타나 수정 IFI 예측모델이 기존모델에 비해 예측 효과가 우수하였다. 포장면의 상태에 따른 수막두께를 수정 예측모델에 반영할 경우 더욱 정확한 예측모델을 얻을 수 있을 것이다. Skid resistance is defined as the friction between pavement surfaces and vehicle tires. Lower skid resistances were observed as the vehicle speeds the water film thicknesses were increased according to the analysis results using computer modeling. The lift force is calculated from the analysis results and depends on vehicle speeds and the water film thickness. A modified IFI(international friction index) skid resistance prediction model was developed to reduce the differences between the IFI resistance prediction model and the actual skid resistance. The correlation analysis results between the IFI prediction model and the actual skid resistance revealed that the R² using the modified IFI prediction model was 0.64 whereas the R² using the conventional IFI prediction model was 0.49. This presents the modified prediction model is better than the conventional one. An improved precise prediction model is to be obtained if water film thicknesses are considered in the modified prediction model.

여론조사를 활용한 총선결과 예측모델

하상민(SangMin Ha),윤성필(SeongPil Yoon),김유성(YooSung Kim) 한국빅데이터서비스학회 2015 한국빅데이터서비스학회 논문지 Vol.2 No.2

본 연구에서는 미국의 네이트 실버(Nate Sliver)가 제안한 선거 예측 모델을 참고하여 선거에 대한 다양한 측면의 요소들을 포함하고 여러 차례 실시된 여론조사 결과들을 활용하여 총선 결과를 예측하는 국내제도에 맞는 총선 예측모델을 개발하였다. 제안된 총선 예측모델은 선거일에 임박해서 실시된 여론조사를중요시하기 위한 시간성 가중치 결정, 여론조사와 실제 선거에서 나타나는 지역별 정당 선호도의 차이를보정하기 위한 지역성 조절 변수 결정, 그리고 여론조사 지지율 격차에 따라 확률 값으로 의석수를 결정하는 과정을 포함한다. 제안된 총선 예측 모델의 정확도를 분석하기 위해 2012년 19대 총선, 2014년과 2015년 재보선의 여론 조사를 활용한 예측 결과와 실제 선거의 결과를 비교 분석한 결과, 19대 총선에서는 5석이내의 오차를 보였으며, 2014년과 2015년 재보선에 대해서는 실제결과와 일치하는 예측 결과를 보였다.따라서 제안된 총선 예측모델은 기존에 실시된 여론조사 결과만을 사용하여 추가적인 비용 없이 총선결과를예측할 수 있기 때문에 체계적으로 실시된 여론조사의 결과가 많을수록 더욱 더 정확한 총선 예측이 가능한모델로 발전할 수 있을 것으로 기대된다. In this paper, using Nate Silver’s election prediction model from the United States as the reference, wedeveloped an election prediction model that encounters various features of elections as well as the resultsof public surveys to make it feasible for the elections in Korea. The proposed election prediction modelincludes the following processes: 1) temporal weighting to emphasize the results of public surveysconducted close to the election day, 2) locality moderating variable to reflect the deviation between thepublic survey results and the actual voting results in terms of preferences in political parties, and 3)prediction of the number of seats for each party, in percentage, based on the differences in supporting ratesfor the parties from the public surveys. In order to evaluate the accuracy of our model, we used the publicsurvey results from 19th congress election in 2012 and the re-elections in 2014 and 2015 to predict the resultsof the elections and compared with the actual results. As the result, for the 19th congress election, 5difference seats was observed between the prediction and the actual result, where as for the 2014 and 2015re-election, the predictions matched the actual results. As such, the proposed election model, only by usingthe results from the public surveys, enables predictions of general elections that with more systemic publicsurveys, the model will have more accurate predictions.

고속도로 교통소음 평가를 위한 도로교통소음 예측모델의 인자분석 및 신뢰성 평가

윤제원,김철환,이웅용,강혜진,이주원 대한환경공학회 2022 대한환경공학회지 Vol.44 No.8

The purpose of this study is to evaluate the reliability of prediction models(KHTN, RLS-90, CRTN, NMPB-08) that are widely used in road traffic noise analysis. For this purpose, the accuracy and difference values of the prediction model were analyzed by comparing the measurement values performed at the total of 21 highway sites, reflecting various conditions such as road structure, road pavement type, and noise barrier installation. In addition, the correlation between commercial programs(SoundPlan, CadnaA) was compared and reviewed for each of the same prediction models. First of all, as a result of analyzing the accuracy of each prediction model, KHTN is rated as 92.8% the most accurate based on ±3 dB error range. And CRTN is rated as 74.0∼76.8% the most accurate among prediction models inherent in commercial programs. And, as a result of analyzing the correlation between commercial programs for prediction models, CRTN is 100% highly correlated and NMPB has the lowest correlation by 69.6%. 이 논문의 목적은 도로교통소음 해석에 많이 사용되는 예측모델(KHTN, RLS-90, NMPB-08, CRTN)의 신뢰성을 평가하기 위함이다. 이를 위해, 예측모델을 음원모델과 전파모델로 분리하여 각각에 대한 특징을 분석하였고, 도로 구조 및 포장종류, 방음벽 설치 유·무 등 다양한 조건의 21개 고속도로 현장에서 수행한 측정치를 예측치와 비교하여 예측모델의 차이값 및 정확도를 분석하였다. 또한, 동일 예측모델에 대해 상용 프로그램간(SoundPlan, CadnaA) 상관성을 검토하였다. 우선, 예측모델별 정확도를 분석한 결과 ±3 dB 오차범위를 기준으로 KHTN의 정확도가 92.8%로 가장 높게 평가된다. 또한, 상용 프로그램에 내재된 예측모델 중에서는 CRTN의 정확도가 74.0∼76.8%로 가장 높게 평가된다. 그리고, 예측치에 대한 상용 프로그램간의 상관성을 분석한 결과, 전체구간에 대해 평가 시 CRTN의 상관성이 100%로 가장 높고, NMPB가 69.6%로 가장 낮은 것으로 평가된다.

액티비티별 특징 정규화를 적용한 LSTM 기반 비즈니스 프로세스 잔여시간 예측 모델

함성훈,안현,김광훈 한국인터넷정보학회 2020 인터넷정보학회논문지 Vol.21 No.3

최근에 많은 기업 및 조직들이 비즈니스 프로세스 모델의 효율적 운용을 위해 예측적 프로세스 모니터링에 관심이 높아지고 있다. 기존의 프로세스 모니터링은 특정 프로세스 인스턴스의 경과된 실행상태에 초점을 두었다. 반면, 예측적 프로세스 모니터링은특정 프로세스 인스턴스의 미래의 실행상태에 대한 예측에 초점을 둔다. 본 논문에서는 예측적 프로세스 모니터링 기능 중 하나인비즈니스 프로세스 인스턴스 실행 잔여시간 예측기능을 구현한다. 잔여시간을 효과적으로 모델링하기 위해 액티비티별 속성에 따른시간특징 값 분포 차이를 고려하여 액티비티별 특징 정규화를 제안하고 예측모델에 적용한다. 본 논문에서 제안된 모델의 예측성능우수성을 입증하기 위해서 4TU.Centre for Research Data에서 제공하는 실제 기업의 이벤트 로그 데이터를 통해 선행연구들과 비교평가 한다. Recently, many companies and organizations are interested in predictive process monitoring for the efficient operation of business process models. Traditional process monitoring focused on the elapsed execution state of a particular process instance. On the other hand, predictive process monitoring focuses on predicting the future execution status of a particular process instance. In this paper, we implement the function of the business process remaining time prediction, which is one of the predictive process monitoring functions. In order to effectively model the remaining time, normalization by activity is proposed and applied to the predictive model by taking into account the difference in the distribution of time feature values according to the properties of each activity. In order to demonstrate the superiority of the predictive performance of the proposed model in this paper, it is compared with previous studies through event log data of actual companies provided by 4TU.Centre for Research Data.

베이지안 머신 러닝을 이용한 은행권 주택담보대출 예측

강규호 예금보험공사 2018 金融安定硏究 Vol.19 No.1

본 연구는 우리나라 주택담보대출의 베이지안 머신 러닝 분포예측 기법을 제시하고 실제 예측결과를 분석한다. 주택담보대출 예측은 크게 세 단계로 이루어진다. 첫 번째 단계는 변수선택이다. 다수의 잠재적인 예측변수 중에서 주택담보대출 자료만을 이용한 일변수 모형보다 정확한 표본외 주택담보대출 예측력을 나타내는 ADL 모형의 예측변수만을 선택한다. 두 번째 단계에서는 선택된 예측변수를 대상으로 다수의 시계열 예측모형을 추정하고, 표본외 예측력을 기준으로 모형별 가중치를 산출한다. 마지막으로 예측 조합인데, 모형별 사후예측분포에 가중치를 부여한 예측분포를 샘플링한다. 2007년 12월부터 2016년 10월까지의 월별자료를 분석한 결과, 예측변수 및 모형 불확실성이 존재할 뿐만 아니라 시변하였다. 최근 주택담보대출 급등세는 수도권 아파트 매매가격지수가 주도적인 역할을 했으며, 올해 초 14%까지 달했던 주택담보대출 증가율은 2016년 11월 이후 차츰 둔화되어 10% 내외의 증가율을 보일 것으로 전망되었다. This paper provides a mortgage loan prediction method and density forecasts. To this end, we develop a Bayesian machine learning algorithm based on conditional Bayesian model averaging. In this approach, the uncertainties of the parameters, models, and prediction variables are incorporated in the predictive density simulation. The first learning stage is the variable selection. Among a number of potential prediction variables we choose the prediction variables which improve the one-month-ahead predictive density accuracy compared to an uni-variate model. The second learning stage is the model choice. We evaluate both direct and indirect prediction models using the selected prediction variables. The model weights are obtained by the relative out-of-sample density prediction performance, In the last stage, the predictive density forecasts are constructed using the model-specific density forecasts and model weights. According to our empirical results based on the monthly data ranging from December 2007 to October 2016, the variable and model uncertainties are substantial, and the relative importance of the variables and models are dramatically time-varying. It is also found that recent rises of the mortgage loan are attributed to the changes in the apartment price index. Finally, the mortgage loan growth forecasts are decreasing in the forecast horizon.