이변량 조건부자기회귀모형을이용한강력범죄자료분석

최정순,박만식,원유복,김학열,허태영,Choi, Jung-Soon,Park, Man-Sik,Won, Yu-Bok,Kim, Hag-Yeol,Heo, Tae-Young 한국통계학회 2010 Communications for statistical applications and me Vol.17 No.3

본 연구에서는 5대 범죄중 사람의 생명과 신체에 심각한 위해를 가하는 강력범죄인 살인과 강도 범죄의 이변량 가산자료에 대해 이변량조건부자기회귀모형을 사용하여 공간상관성을 반영한 강력범죄모형을 제안하였다. 범죄자료와 같은 가산자료에 대한 과대산포 검정을 위해 우도비 검정 실시하였으며, 그 결과 과대산포가 유의하지 않음에 따라 공간포아송모형을 이용하였다. 실증예제로 2007년 서울시에서 제공하는 25개 자치구별 강력범죄자료를 지리정보시스템을 이용하여 강력범죄 발생실태를 시각화하였으며 강력범죄에 영향을 주는 다양한 요인들에 대하여 분석을 실시하였다. In this study, we considered bivariate conditional auto-regressive model taking into account spatial association as well as correlation between the two dependent variables, which are the counts of murder and burglary. We conducted likelihood ratio test for checking over-dispersion issues prior to applying spatial poisson models. For the real application, we used the annual counts of violent crimes at 25 districts of Seoul in 2007. The statistical results are visually illustrated by geographical information system.

방향성을 고려한 공간적 조건부 자기회귀 모형

경민정,Kyung, Minjung 한국통계학회 2016 응용통계연구 Vol.29 No.5

공간통계 방법 중 지역에 대한 어떤 집합체 자료나 평균자료들을 분석하는데 일반적으로 공간적 자기회귀(conditionally autoregressive) 모형을 사용한다. 공간적 자기회귀 모형에 정의되는 공간적 이웃 소지역들은 중점의 거리나 근접성으로 정의된다. Kyung과 Ghosh (2010)는 방향에 따라서 이웃간 자기상관성의 크기가 다른 공간적 확장 모형을 제시하였다. 제안된 방향적 조건부 자기회귀(directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR과정을 일반화한다. 제시한 방향적 조건부 자기회귀모형의 최대우도 추정량의 특성에 대해 설명하였고, 스코틀랜드 그레이터 글래스고우의 로그변환된 부동산 가격에 적용하여 조건부 자기회귀모형과 비교하였다. To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

방향성 공간적 조건부 자기회귀 모형의 베이즈 분석 방법

경민정,Kyung, Minjung 한국데이터정보과학회 2016 한국데이터정보과학회지 Vol.27 No.5

공간통계 방법 중 지역에 대한 어떤 집합체 자료나 평균자료들을 분석하는데 일반적으로 공간적 자기회귀 (conditionally autoregressive) 모형을 사용한다. 공간적 자기회귀 모형에 정의되는 공간적 이웃 소지역들은 중점의 거리나 근접성으로 정의된다. Kyung과 Ghosh (2009)는 방향에 따라서 이웃간 자기상관성의 크기가 다른 확장된 공간 모형을 제시하였다. 제안된 방향적 조건부 자기회귀 (directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR과정을 일반화한다. 제시한 방향적 조건부 자기회귀모형의 모수추정으로 마르코프 체인 몬테 카를로 방법을 기반으로 한 베이즈 추정법을 제시한다. 제시한 모형을 스코틀랜드 그레이터 글래스고우의 로그변환된 부동산 가격에 적용하여 조건부 자기회귀모형과 비교하였다. Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

조건부 자기회귀모형을 이용한 송이버섯 생산량 예측

이진희,신기일 한국통계학회 2000 응용통계연구 Vol.13 No.2

송이버섯 생산량과 기후인자와의 관계를 통계적으로 규명하기 위한 노력이 꾸준이 진행되어 왔다. 최근 박현 등(1998)은 송이버섯 생산량과 기후인자의 관계를 자기회귀모형을 이용하여 분석하였으나 예측력이 떨어지는 것으로 나타났다. 본 논문에서는 예측의 정확성을 높이기 위한 방법으로 송이버섯 생산이 있다는 조건을 이용한 조건부 자기 회귀모형을 제안하였다. 두 모형의 예측력을 비교한 결과 조건부 자기회귀모형이 더 우수한 것으로 나타났다. It has been studied to find relationships between pine-mushroom yield and climatic factors. Recently, Hyun-Park, Key-I! shin and Hyun-Joong Kim(1998) investigated relationships between pine-mushroom yield and climatic factors by autoregression model. In this paper, to improve the forecast we suggest the conditional autoregression model using probability of existing pine-mushroom production.

국내주식시장과 주요거시변수간 동태적 조건부상관관계 추정

김상현,제상영 한국자료분석학회 2014 Journal of the Korean Data Analysis Society Vol.16 No.1

This study analyze the dynamic conditional correlation between stock price index and international oil price using DCC-MGARCH (dynamic conditional correlation - multivariate generalized autoregressive conditional heteroscedastic) model in which is represented by Engle (2002). Based on the results of analysis examine impulse response function on the macroeconomic variables using VAR (vector autoregressive) and VECM (vector error correction model) after testing cointergration test on the dynamic conditional correlation coefficient. The result of cointergration test shows that there exists cointergration in all variables excluding telecommunication variable in non-durable goods markets, which means that there exist long-run equilibrium relations between the variables. The results of VECM/VAR are i) the variables in durable goods markets are more sensitive than that in non-durable goods markets, and ii) the interest rate is the most influential variable on the dynamic conditional correlation. This result coincide with the fact that stock return can be reduced due to the reduction of liquidity in the market if interest rate increase. 본 연구는 Engle(2002)의 MGARCH-DCC(multivariate generalized autoregressive conditional hetero- skedastic-dynamic conditional correlation) 모형을 이용하여 주가와 유가의 동태적 조건부상관관계를 분석하였다. 이를 바탕으로 공적분 검정 후 벡터오차수정모형(vector error correction model; VECM), 벡터자기회귀(vector autoregressive; VAR) 모형을 통해 주요거시경제변수와의 충격반응함수를 분석하였다. 동태적 조건부상관계수에 대한 공적분 검정결과 비내구재 산업의 통신(telecommunication; TELCM)을 제외하고 공적분이 존재하였다. 공적분이 존재한다는 것은 변수들 간에 장기적인 균형관계가 존재한다는 것을 의미한다. 벡터오차수정모형과 벡터자기회귀모형을 통한 충격반응분석 결과 주요거시변수에 대해 내구재 산업이 비내구재 산업보다 더 민감하게 반응하는 것으로 나타났으며, 그 중 이자율(interest rate; IR)이 가장 영향을 미치는 것으로 나타났다. 이자율이 상승하게 되면 시장에 유동성이 감소하여 주식수익률이 하락할 수 있다는 것과 일치되는 내용이다.

일반화 자기회귀 조건부 이분산 모형을 이용한 한국프로야구 관중수의 예측

이장택,방소영,Lee, Jang-Taek,Bang, So-Young 한국데이터정보과학회 2010 한국데이터정보과학회지 Vol.21 No.6

한국프로야구에서 관중수는 프로야구 발전을 위한 가장 큰 수입원이며 프로야구팀의 관심사이므로 수요예측 모형이 있다면 프로야구구단들은 관중유치 전략을 세우는데 도움이 될 것이다. 이러한 이유로 본 연구에서는 한국프로야구 관중수를 예측하는 모형을 제안하고자 하며 제한된 여건 속에서 관중수에 영향을 미치는 이용 가능한 대부분의 변수들을 고려하였다. 종속변수는 로그관중수로 두고 다양한 독립변수와 오차항의 분산을 등분산, 조건부 이분산을 가정한 여러 가지 일반화 자기회귀 모형, 오차항의 분포가 t분포를 따른다는 가정을 이용한 일반화 자기회귀 조건부 이분산 모형들을 서로 비교하였는데, 그 결과 고려된 모형 중에서는 t분포를 가정한 일반화 자기회귀 조건부 이분산 모형이 가장 예측력이 뛰어났다. In Korean professional baseball, attendance is the largest source of revenue for development of professional baseball and the highest concern of professional baseball teams. So, if there is demand forecasting model, it will be helpful for pennant chasers to work out the strategies for drawing attendance. For this reason, this research intends to suggest the model which estimates Korean professional baseball's attendance and uses all usable variables which have an effect on attendance in limited circumstances. We supposed that dependent variable is attendance as well as several independent variables and error term are homoscedastic variance. And then, we compared the models which assume conditional heteroscedastic variance like GARCH and EGARCH with GARCH-t models which use the assumption that error term's distribution follows student-t distribution. In result of that, we could confirm that the models which were made by using GARCH(1,1)-t made estimates the most accurately among the several models considered.

미국 REITS시장과 주식시장 수익률간의 상호 영향력 검정

김병준(Kim Byoung Joon),이창석(Lee Chang Seok) 한국부동산학회 2016 不動産學報 Vol.66 No.-

본 연구에서는 1995년 12월초부터 2016년 3월말까지의 5,284일간의 미국에서의 뉴욕증권거래소(NYSE) 지수수익률과 선진 12개국 REITS(부동산투자신탁) 지수수익률들 사이의 동태적 상호영향력을 측정하였다. REITS가 실물부동산시장의 성과라는 점을 감안하여 뉴욕주식시장에는 1일의 시차를 두고 영향을 미친다고 가정하였으며 양 시장에 공통적으로 영향을 미치는 매개변수로는 3개월 만기 미국 재무성증권(T-Bill) 유통수익률 격차를 사용하였다. 또한 양 시장 시계열자료 오차항들에 내재하고 있는 시간가변성과 공통변동성을 감안하여 조건부분산에 사전적 제약이 없는 일반화자기회귀조건부이분산 바바-엥글-크라프트-크로너(GARCH-BEKK) 모형을 통해 양 시장간 수익률전이 및 충격전이를 관측하였다. 그 결과 대칭모형을 통한 충격전이는 부동산시장에서 주식시장으로 유의적인 양(+)의 영향력을 행사하는 것으로 나타났고 비대칭모형을 통해서도 부동산시장에서의 하락충격이 주식시장으로 유의적인 양(+)의 영향력을 미치는 것으로 나타났다. 이같은 결과는 2008년 글로벌 금융위기국면의 소표본기간에서도 동일하게 나타남으로써 미국발 부동산 거품의 붕괴로부터 주식시장의 충격이 진행되었다는 사실을 지지해준다. 1. CONTENTS (1) RESEARCH OBJECTIVES The purpose of this study is to find dynamic mutual impacts between REITs (real estate investment trusts) market and stock market in US. (2) RESEARCH METHOD To examine reciprocal shock spillovers between these two asset markets, I use multivariate GARCH(generalized autoregressive conditional heteroscedasticity) BEKK(Baba, Engle, Kraft and Kroner) model framework which has no prior restrictions on the correlation structure of these two market volatilities in order to get more accurate results. The sample dataset covers 5,284 daily returns for these two markets from January, 1996 to March, 2016. (3) RESEARCH FINDINGS From the estimation results of the mean equations in the multivariate GARCH model, both REITs and stock markets in US are found to affect negatively each other, contrary to the previous expectation. In the symmetric GARCH BEKK model estimation of the variance equations, only the shock transfer from the real estate market to the stock market is found to be significantly positive. Also in the asymmetric GARCH model estimation results, downside shock from the real estate market is shown to clearly affect the stock market positively, but that from the stock market is not shown. These results are also shown similarly in the Global Financial Crisis Times subsample period analysis backing up the hypothesis that stock market shock arises from the collapse of bubble in the real estate market of US. 2. RESULTS US stock market is found to be vulnerable to such outside shocks as volatility from real estate markets of 12 developed nations including US. Especially downside shocks from these REITS markets is shown to affect clearly US stock market revealing the importance of real estate market for stock market stabilization.

재현그림을 통한 우리나라 환율 자료에 대한 탐색적 자료분석

장대흥,Jang, Dae-Heung 한국데이터정보과학회 2013 한국데이터정보과학회지 Vol.24 No.6

Exploratory data analysis focuses mostly on data exploration instead of model fitting. We can use the recurrence plot as a graphical exploratory data analysis tool. With the recurrence plot, we can obtain the structural pattern of the time series and recognize the structural change points in time series at a glance. 탐색적 자료분석에서는 자료를 통계적 모형에 바로 적합시키기 보다는 자료를 있는 그대로 보려는 데 주안점을 둔다. 우리는 시계열 자료에 대한 그래픽 탐색적 자료분석방법의 하나로서 재현그림을 사용할 수 있다. 재현그림의 장점은 통계모형에 대한 가정 없이 시계열 자료의 구조적 패턴을 확인할 수 있고 이 패턴을 통하여 탐색적으로 시계열 데이터의 구조 변화점을 한 눈에 확인할 수 있다는 데 있다.

동태적 조건부 상관성을 이용한 미세먼지 자료분석

김성태,박만식 한국자료분석학회 2019 Journal of the Korean Data Analysis Society Vol.21 No.6

It is very important to study the correlation structure among multivariate time-series processes measured over time at some monitoring stations. In case of spatial or spatial-temporal data, variogram and auto-correlation are commonly used. The dynamic conditional correlation structure (DCC) proposed by Engle (2002) has been one of major statistics employed in the economic and financial fields. It measures the time-varying correlation coefficients among time-series processes based on the generalized auto-regressive conditional heteroskedasticity (GARCH) models. In this study, we analyze the PM2.5 hourly time-series data at 18 monitoring stations in Seoul during the 3rd quarter, 2018. Each time-series process is fitted by an appropriate GARCH model and, then, the time-varying correlations among the 18 processes are estimated by the DCC. Finally, we examine how the correlation value changes with inter-station distance. 여러 지점에서 일정 시간에 걸쳐 관측된 시공간 자료들 간의 상관성 연구는 매우 중요한 분야이다. 공간 자료상의 베리오그램(variogram)이나 시계열 자료상의 자기상관성(auto-correlation) 등 많은 중요한 통계량들이 활용되고 있다. Engle(2002)에 의해 제안된 동태적 조건부 상관구조(dynamic conditional correlation; DCC)는 경제 및 금융분야에서 활발하게 사용되고 있는 통계량으로, GARCH모형을 기반으로 시계열 간의 시변하는(time-varying) 상관관계를 측정한다. 본 연구에서는 동태적 조건부 상관구조를 활용하여 서울 지역에서 관찰된 초미세먼지(PM2.5) 자료를 분석하고자 한다. 이를 통해 각 관측지점에 관측된 시계열 자료를 적절한 형태의 GARCH모형(eGARCH, tGARCH)으로 적합하고, 시계열 간의 시변하는(time-varying) 상관관계를 추정하고자 한다. 일반적인 공간자료가 가지는 속성 중 하나인 공간상관성(spatial association)은 인접한 지점에서 관측한 자료일수록 상관관계가 크다는 것을 의미한다. 따라서 동태적 조건부 상관구조가 관측지점의 거리에 따라 어떤 양상을 보이는지를 살펴보고자 한다. 이를 통해 보다 광범위한 시공간 자료에 DCC를 활용할 수 있는 방안을 모색하고자 한다.

이분산 시계열모형을 이용한 국내주식자료의 군집분석

박만식,김나영,김희영,Park, Man-Sik,Kim, Na-Young,Kim, Hee-Young 한국통계학회 2008 Communications for statistical applications and me Vol.15 No.6

본 논문에서는 주식시장에서 거래되는 다수의 주식거래종목들을 몇 개의 그룹으로 군집화하는 주제를 연구한다. 시간에 관계없이 분산이 일정한 ARMA모형과 다르게, 주가, 환율 등의 금융시계열자료에서는 조건부 이분산성을 따르게 된다. 또한, 많은 사람들이 금융시계열자료에서 관심을 갖는 것은 바로 이 변동성이다. 그러므로, 이 연구에서는 조건부 이분산성을 모형화하기에 적합하다고 알려진 일반화 조건부 이분산성 자기회귀모형에 초점을 맞춘다. 먼저 두 개의 주식종목들 사이에 변동성(volatility)의 유사성 그리고 구조의 유사성을 재는 거리를 정의하고, 모의실험을 수행한다. 실증자료로 최근 3년 동안 관찰된 국내 11개 주가의 수익률을 변동성과 구조에 따라 군집화한다. In this study, we considered the clustering analysis for stock return traded in the stock market. Most of financial time-series data, for instance, stock price and exchange rate have conditional heterogeneous variability depending on time, and, hence, are not properly applied to the autoregressive moving-average(ARMA) model with assumption of constant variance. Moreover, the variability is font and center for stock investors as well as academic researchers. So, this paper focuses on the generalized autoregressive conditional heteroscedastic(GARCH) model which is known as a solution for capturing the conditional variance(or volatility). We define the metrics for similarity of unconditional volatility and for homogeneity of model structure, and, then, evaluate the performances of the metrics. In real application, we do clustering analysis in terms of volatility and structure with stock return of the 11 Korean companies measured for the latest three years.