A simple GLS procedure for seasonal cointegration

성병찬 한국통계학회 2015 Journal of the Korean Statistical Society Vol.44 No.3

I introduce a simple generalized least squares procedure for seasonal cointegration that enables us to estimate the seasonal vector error correction model with its standard errors and to determine seasonal cointegrating ranks. The procedure can be easily implemented in comparison with the maximum likelihood method because all the computations are based on closed form expressions. I conduct Monte Carlo experiments to evaluate the proposed procedure and present an empirical example to illustrate the procedure.

비관측요인모형을 이용한 한국의 국내총생산 분석

성병찬,이승경 한국데이터정보과학회 2011 한국데이터정보과학회지 Vol.22 No.5

Since Harvey (1989), many approaches for applying unobserved components (UC) models to both univariate and multivariate time series analysis have been developed. However, practitioners still tend to use traditional methods such as exponential smoothing or ARIMA models for modeling and predicting time series data. It is well known that the UC model combines the flexibility of ARIMA models and the easy interpretability of exponential smoothing models by using unobserved components such as trend, cycle, season, and irregular components. This study reviews the UC model and compares its relative performances with those of the other models in modeling and predicting the real gross domestic products (GDP) in Korea. We conclude that the optimal model is the UC model on basis of root mean squared error. 본 논문에서는 비관측요인모형을 이용하여 한국의 국내총생산 시계열 자료를 분석한다. 이 모형이 확률적 및 결정적 요인들을 모두 포괄할 수 있다는 점을 이용하여, 보다 다양한 형태로 시계열 자료의 모형화를 시도하였으며, 지수평활법 및 박스-젠킨스의 ARIMA모형과 예측력을 비교하였다. 국내 총생산 자료에 대한 2년간의 미래 예측에서 비관측요인모형이 보다 우수함을 보인다.

다변량 비정상 계절형 시계열모형의 예측력 비교

성병찬,Seong, Byeong-Chan 한국통계학회 2011 Communications for statistical applications and me Vol.18 No.1

본 논문에서는 계절성을 가지는 다변량 비정상 시계열자료의 분석 방법을 연구한다. 이를 위하여, 3가지의 다변량 시계열분석 모형(계절형 공적분 모형, 계절형 가변수를 가지는 비계절형 공적분 모형, 차분을 이용한 벡터자기회귀모형)을 고려하고, 한국의 실제 거시경제 자료를 이용하여 3가지 모형의 예측력을 비교한다. 공적분 모형은 단기적 예측에서 우수하였고, 장기적 예측에서는 차분을 이용한 벡터자기회귀모형이 우수하였다. This paper studies the analysis of multivariate nonstationary time series with seasonality. Three types of multivariate time series models are considered: seasonal cointegration model, nonseasonal cointegration model with seasonal dummies, and vector autoregressive model in seasonal differences that are compared for forecasting performances using Korean macro-economic time series data. The cointegration models produce smaller forecast errors in short horizons; however, when longer forecasting periods are considered the vector autoregressive model appears preferable.

구조적 오차수정모형을 이용한 한국노동시장 자료분석

성병찬,정효상,Seong, Byeongchan,Jung, Hyosang 한국통계학회 2013 응용통계연구 Vol.26 No.6

본 논문에서는, 구조적 오차수정모형을 한국의 노동시장 자료에 적용함으로써, 실업률에 미치는 구조적 충격의 영향을 분석한다. 이를 위하여 기술력, 노동수요, 노동공급, 임금 부문에서의 충격을 정의하였으며, 이를 각각 노동생산성, 취업자 수, 실업률, 실질임금과 연결하였다. 그 결과로서, 노동수요 및 노동공급 충격이 각각 장기적 및 단기적으로 실업률에 유의한 영향을 미치는 것으로 나타났다. We use a structural vector error correction model of the labor market to investigate the effect of shocks to Korean unemployment. We associate technology, labor demand, labor supply, and wage-setting shocks with equations for productivity, employment, unemployment, and real wages, respectively. Subsequently, labor demand and supply shocks have significant long-run and contemporaneous effects on unemployment, respectively.

학교문화 변화를 위한 학교재구조화 과정 -새학교 문화 창조의 제안과 관련하여-

성병찬 한국지방교육경영학회 2000 지방교육경영 Vol.5 No.1

Extended complex error correction models for seasonal cointegration

성병찬 한국통계학회 2009 Journal of the Korean Statistical Society Vol.38 No.2

In this paper, we extend the complex error correction model (ECM) of [Cubadda, G. (2001). Complex reduced rank models for seasonally cointegrated time series. Oxford Bulletin of Economics and Statistics, 63, 497-511] to models with two types of deterministic terms: (i) restricted seasonal dummies and constant; (ii) restricted seasonal dummies and unrestricted constant. These types of deterministic terms are most frequently adopted in the analysis of seasonal cointegration by many practitioners and researchers, because the other type - where all seasonal dummies and constant terms are unrestricted may yield oscillating trends. We obtain the limiting distribution of the likelihood ratio (LR) test for the seasonal cointegrating (CI) rank in the extended models. We also provide asymptotic and finite critical values for the test.

R에서 자동화 예측 함수에 대한 성능 비교

오지우,성병찬,Oh, Jiu,Seong, Byeongchan 한국통계학회 2022 응용통계연구 Vol.35 No.5

본 논문에서는 R에서 시계열 자료 예측을 위한 자동화 함수에 대하여 고찰하고 그 예측 성능을 비교합니다. 대표적인 시계열 예측 방법인 지수 평활 모형과 ARIMA (autoregressive integrated moving average) 모형을 대상으로 하였으며, 이들의 모형화 및 예측 자동화를 가능하게 하는 R의 4가지 자동화 함수인 forecast::ets(), forecast::auto.arima(), smooth::es()와 smooth::auto.ssarima()를 대상으로 하였습니다. 이들의 예측 성능을 비교하기 위하여 3,003가지의 시계열로 구성되어 있는 M3-Competition자료와 3가지의 정확성 척도를 사용하였습니다. 4가지 자동화 함수는 모형화의 다양성 및 편리성, 예측 정확도 및 실행 시간 등에서 각자 장단점이 있음을 확인하였습니다. In this paper, we investigate automatic functions for time series forecasting in R system and compare their performances. For the exponential smoothing models and ARIMA (autoregressive integrated moving average) models, we focus on the representative time series forecasting functions in R: forecast::ets(), forecast::auto.arima(), smooth::es() and smooth::auto.ssarima(). In order to compare their forecast performances, we use M3-Competiti on data consisting of 3,003 time series and adopt 3 accuracy measures. It is confirmed that each of the four automatic forecasting functions has strengths and weaknesses in the flexibility and convenience for time series modeling, forecasting accuracy, and execution time.

단변량 시계열 모형들의 단순 결합의 예측 성능

이선홍,성병찬 한국통계학회 2022 응용통계연구 Vol.35 No.3

In this paper, we consider univariate time series models that are well known in the field of forecasting and we study on forecasting performance for their simple combinations. The univariate time series models include exponential smoothing methods and ARIMA (autoregressive integrated moving average) models, their extended models, and non-seasonal and seasonal random walk models, which is frequently used as benchmark models for forecasting. The median and mean are simply used for the combination method, and the data set used for performance evaluation is M3-competition data composed of 3,003 various time series data. As results of evaluating the performance by sMAPE (symmetric mean absolute percentage error) and MASE (mean absolute scaled error), we assure that the simple combinations of the univariate models perform very well in the M3-competition dataset. 본 논문에서는 시계열 예측 분야에서 잘 알려져 있는 단변량 시계열 모형들을 이용하여, 그들의 단순 조합이 어떤 예측력을 보여주는지 연구한다. 고려된 단변량 시계열 모형으로는, 지수평활 및 ARIMA(autoregressive integrated moving average) 모형들과 그들의 확장된 형태인 모형들 그리고 예측의 벤치마크 모형으로 자주 사용되는 비계절 및 계절 랜덤워크 모형이다. 단순 조합의 방법은 중앙값과 평균을 이용하였으며, 검증을 위하여 사용된 데이터셋은 3,003개의 시계열 자료로 구성된 M3-competition 자료이다. 예측 성능을 sMAPE(symmetric mean absolute percentage error)와 MASE(mean absolute scaled error)로 평가한 결과, 단변량 시계열 모형들의 단순 조합이 아주 우수한 예측력을 가지고 있음을 확인하였다.

다중 결합 예측 알고리즘을 이용한 교통사고 발생건수 예측

배두람,성병찬 한국통계학회 2019 응용통계연구 Vol.32 No.6

하나의 시계열 자료에서 다양한 특징을 발견하는 일은 간단한 문제가 아니다. 본 논문에서는 하나의 시계열 자료에서 복수의 패턴을 찾아내어 예측 정확도를 높이는 방식인 다중 결합 예측 알고리즘을 소개한다. 이 알고리즘은 시간적 결합과 예측값 조합의 개념을 사용한다. 시간적 결합 방식을 통해, 하나의 시계열 자료에서 여러 개의 시계열 자료를 생성할 수 있으며, 각각의 자료는 별도의 특성을 가지게 된다. 여러 개의 시계열 자료에서 다양한 특성을 추출하기 위하여 지수평활법을 사용하고 시계열 요소들 및 이들의 예측값을 계산한다. 마지막 단계에서 시계열 요소 별로 예측값을 혼합 한 후, 각 시계열 요소들의 조합값을 더하여 최종 예측값을 만든다. 실증 분석으로 국내 교통사고 발생 건수를 예측한다. 분석 결과, 기존의 다른 예측 방식보다 예측 성능이 우수함을 확인할 수 있다. Discovering various features from one time series is complicated. In this paper, we introduce a multi aggregation prediction algorithm (MAPA) that uses the concepts of temporal aggregation and combining forecasts to find multiple patterns from one time series and increase forecasting accuracy. Temporal aggregation produces multiple time series and each series has separate properties. We use exponential smoothing methods in the next step to extract various features of time series components in order to forecast time series components for each series. In the final step, we blend predictions of the same kind of components and forecast the target series by the summation of blended predictions. As an empirical example, we forecast traffic accident counts using MAPA and observe that MAPA performance is superior to conventional methods.

순환성분 추출을 위한 EMD와 HP 필터의 비교분석: 한국의 거시 경제 지표에의 응용

박민정,성병찬,Park, Minjeong,Seong, Byeongchan 한국통계학회 2014 응용통계연구 Vol.27 No.3

본 논문에서는 시간-진동수 영역에서 시계열을 여러 구성 성분으로 분해하는 방법인 경험적모드분해법(Empirical Mode Decomposition)을 소개하고, 이를 이용하여 한국의 주요 거시 경제 지표를 대상으로 순환변동과 추세 성분을 추출하고 예측에 활용한다. 그 효율성을 살펴보기 위하여, 추출된 구성 성분들의 변동성, 동행성, 지속성, 인과성, 비정상성 및 예측력을 계산하고, 가장 보편적으로 널리 사용되고 있는 Hodrick-Prescott 필터에 의한 결과와 비교한다. We introduce the empirical model decomposition (EMD) to decompose a time series into a set of components in the time-frequency domain. By using EMD, we also extract cycle and trend components from major Korean macroeconomic indices and forecast the indices with the components combined. In order to evaluate their efficiencies, we investigate volatility, autocorrelation, persistence, Granger causality, nonstationarity, and forecasting performance. They are then compared with those by Hodrick-Prescott filter which is the most commonly used method.