일반 자기회귀 이분산 모형을 이용한 시계열 자료 분석

김삼용,김진아,Kim, Sahm,Kim, Jin-A 한국데이터정보과학회 2009 한국데이터정보과학회지 Vol.20 No.3

본 연구에서는 한국종합주가지수 데이터를 이용하여 다양한 비선형 시계열 모형들을 소개하였다. 조건부 평균의 선형 모형으로는 상수항 모형, 자기회귀 모형을 살펴보았으며, 비선형 모형으로는 분계점 자기회귀 모형, 지수적 자기회귀 모형을 살펴보았다. 조건부 분산 모형으로는 일반 자기회귀 이분산 모형과 지수적 일반 자기회귀 이분산 모형, Glosten 등 (1993)의 모형 그리고 일반화 이항멱변환 분계점 일반 자기회귀 이분산 모형을 살펴보았다. 한편, 일반화 이항멱변환 분계점 일반 자기회귀 이분산 모형은 대표적 비대칭성 이분산성 모형인 Zakoian (1993) 모형과 Li와 Li (1996) 모형을 효과적으로 통합할 수 있는 변형된 모형이다. 본 연구에서는, 한국종합주가지수 데이터를 분석하여 새로운 모형의 효율성을 증명하였다. In this paper we introduced a class of nonlinear time series models to analyse KOSPI data. We introduce the Generalized Power-Transformation TGARCH (GPT-TGARCH) model and the model includes Zakoian (1993) and Li and Li (1996) models as the special cases. We showed the effectiveness and efficiency of the new model based on KOSPI data.

결합예측 방법을 이용한 인터넷 트래픽 수요 예측 연구

김삼용,Kim, Sahm 한국통계학회 2015 응용통계연구 Vol.28 No.6

최근 들어 ICT 분야의 발달에 따라 데이터 사용량의 급격한 증가로 인터넷 트래픽 사용량 예측은 중요성은 강조되고 있다. 이러한 예측치를 적절한 트래픽 관리와 제어를 위한 계획 수립에 도움을 준다. 본 논문은, 5분 단위의 인터넷 트래픽 자료를 이용하여 결합 예측 모형을 제안하고자 한다. 이에 대하여 시계열의 대표적인 3개 모형인 Seasonal ARIMA, Fractional ARIMA(FARIMA), Taylor의 수정된 Holt-Winters 모형을 적용하였다. 모형 간 결합 예측 방법으로 예측치 간의 SA(Simple Average) 결합 예측 방법과 OLS(Ordinary Least Square)를 이용한 결합방법, ERLS(Equality Restricted Least Squares)를 이용한 결합 예측 방법, Armstrong(2001)이 제안한 MSE 기반 결합 예측 방법을 사용한다. 이에 따른 결과로서 3시간에서의 예측은 Seasonal ARIMA가 선택된 반면, 6시간 이후 예측에서는 결합 예측 방법이 좋은 예측 성능을 보여준다. Increased data volume in the ICT area has increased the importance of forecasting accuracy for internet traffic. Forecasting results may have paper plans for traffic management and control. In this paper, we propose combined forecasts based on several time series models such as Seasonal ARIMA and Taylor's adjusted Holt-Winters and Fractional ARIMA(FARIMA). In combined forecasting methods, we use simple-combined method, MSE based method (Armstrong, 2001), Ordinary Least Squares (OLS) method and Equality Restricted Least Squares (ERLS) method. The results show that the Seasonal ARIMA model outperforms in 3 hours ahead forecasts and that combined forecasts outperform in longer periods.

주식 거래 자료 분석을 위한 ACD 모형 성능 비교

김삼용,정다운,Kim, Sahm,Jung, Da-Woon 한국통계학회 2009 Communications for statistical applications and me Vol.16 No.1

Engle and Russell (1998) proposed the ACD(Autoregressive Conditional Duration) model to explain the relationship between the prices and the duration times of the stocks. In this paper, we first introduce the various types of the ACD models such as the linear ACD, log ACD and Box-Cox ACD models and we evaluate the performance of the models for analysing the transaction data of the stocks in Korea. Engle과 Russell (1998)의 ACD 모형은 재무학에서 가격과 거래 시간의 밀접한 관계에 대한 관심을 불러 일으켰다. ACD 모형은 GARCH 모형과의 유사성을 바탕으로 Box-Cox 변환과 충격 함수 곡선(shocks impact curve)을 적용시켜 Log ACD, Power ACD, Box-Cox ACD 등과 같은 보다 유연한 모형으로 일반화될 수 있다. 본 연구에서는 이와 같이 일반화된 ACD 모형들을 국내 주식시장에서 거래되고 있는 주식의 price duration에 적용시켜 그 성능을 비교해보고자 한다.

이상 트래픽 탐지를 위한 로버스트 추정 방법 비교 연구

정재윤,김삼용,Jung, Jae-Yoon,Kim, Sahm 한국통계학회 2011 Communications for statistical applications and me Vol.18 No.4

본 연구는 이상치가 존재하는 자료에 적용될 수 있는 방법을 비교한 연구로서, 이분산 시계열 모형 하에서 로버스트 추정 방법의 효용성을 보이고자 한다. GARCH 모형하에서 이상치 탐지 기법과 GARCH 모형을기반한 로버스트 추정방법의 성능을 비교하였다. 실제 인터넷 트래픽 자료에 두 방법을 적용했을때, 로버스트 추정방법이 이상치 탐지 기법에 비해 덜 복잡하고 성능이 우수함을 입증하였다. This paper shows the performance evaluation of a robust estimator based on the GARCH model. We first introduce the method of a robust estimate in the GARCH model and the method of an outlier detection in the GARCH model. The results of the real internet traffic data show the out-performance of the robust estimator over the outlier detection method in the GARCH model. In addition, the method of the robust estimate is less complex than the method of the outlier detection method in the GARCH model.

시계열 모형을 이용한 단기 풍력발전 예측 연구

박수현,김삼용,Park, Soo-Hyun,Kim, Sahm 한국통계학회 2016 응용통계연구 Vol.29 No.7

풍력에너지 산업이 발전하고 풍력발전에 대한 의존율이 높아짐에 따라 안정적인 공급이 중요해지고 있다. 원활한 전력수급계획을 세우기 위해서 풍력발전량을 정확히 예측하는 것이 중요하다. 본 논문에서는 강원도 평창 횡계리에 설치된 대관령 2풍력(2MW 1기)의 시간별 풍력발전 데이터와 강원도 대관령 기상대에서 관측되는 시간별 풍속과 풍향 데이터를 기상청 지상관측자료에서 수집하여 연구하였다. 풍력발전량 예측을 위하여 신경망 모형과 시계열 모형인 ARMA, ARMAX, ARMA-GARCH, Holt Winters 모형을 비교하였다. 모형 간 예측력을 비교하기 위해 mean absolute error(MAE)를 사용하였다. 모형의 예측 성능 비교 결과 1시간에서 3시간의 단기 예측에 있어서 ARMA-GARCH 모형이 우수한 예측력을 보였다. 6시간 이후 예측에서는 신경망 모형이 우수한 예측을 보였다. The wind energy industry and wind power generation have increased; consequently, the stable supply of the wind power has become an important issue. It is important to accurately predict the wind power with short-term basis in order to make a reliable planning for the power supply and demand of wind power. In this paper, we first analyzed the speed, power and the directions of the wind. The neural network and the time series models (ARMA, ARMAX, ARMA-GARCH, Holt Winters) for wind power generation forecasting were compared based on mean absolute error (MAE). For one to three hour-ahead forecast, ARMA-GARCH model was outperformed, and the neural network method showed a better performance in the six hour-ahead forecast.

계절성과 온도를 고려한 일별 최대 전력 수요 예측 연구

정상욱,김삼용,Jung, Sang-Wook,Kim, Sahm 한국통계학회 2014 응용통계연구 Vol.27 No.5

급증하고 있는 전력수요에 대한 신뢰성 있는 예측은 합리적인 전력수급계획 수립 및 운용에 있어서 매우 중대한 사안이다. 본 논문에서는 여러 시계열 모형의 비교를 통해 전력수요량과 밀접한 연관성이 있는 온도를 어떠한 형태로 고려할 것인지, 또한 4계절이 뚜렷하여 계절별 기온 차가 많이 나는 우리나라의 특성을 어떻게 고려할 것인지에 대하여 연구하였다. 모형 간 예측력을 비교하기 위하여 Mean Absolute Percentage Error(MAPE)를 사용하였다. 모형의 성능비교 결과는 냉 난방지수와 계절요인을 동시에 고려하면서 큰 변동성을 잘 고려해줄 수 있는 Reg-AR GARCH 모형이 가장 우수한 예측력을 나타냈다. Accurate electricity demand forecasting for daily peak load is essential for management and planning at electrical facilities. In this paper, we rst, introduce the several time series models that forecast daily peak load and compare the forecasting performance of the models based on Mean Absolute Percentage Error(MAPE). The results show that the Reg-AR-GARCH model outperforms other competing models that consider Cooling Degree Day(CDD) and Heating Degree Day(HDD) as well as seasonal components.

국내 금융공학교육 현황과 향후 발전방향

유시용,김삼용,Yoo, Shi-Yong,Kim, Sahm 한국통계학회 2008 응용통계연구 Vol.21 No.5

Korean financial markets are rapidly integrating into the world financial markets as they are getting to open more widely. The Korean government enacted new law about financial investments. The environment of domestic financial markets are expected to be more competitive. As a result, the learning demand for financial engineering has been increased. However, the current state of education of financial engineering is in a beginning stage. The financial engineering consists of an appropriate mix of mathematics, statistics, finance and engineering. So interdisciplinary property of financial engineering requires lecturers to be cooperative to operate education of financial engineering. Another element of this education is cooperation of both academia and industry. 국내 자본시장이 개방되면서 국제 자본시장으로의 편입이 가속화되고 있다. 이러한 가운데 '자본시장 및 금융 투자업에 관한 법률'(통합법)의 시행으로 국내 금융시장의 환경은 급속하게 변화될 것으로 예상된다. 국내 금융시장이 자본시장 개방확대와 함께 급속하게 변화하게 됨에 따라 금융공학 교육수요가 크게 증가할 것으로 예상된다. 현재 국내의 금융공학 교육과정은 아직 초기단계라고 할 수 있다. 금융공학은 수학, 통계학, 재무학, 공학 등 다양한 학문이 만나서 학제적인 연구가 이루어져야 하는 분야이기 때문에 학제적 연계가 부족하면 진정한 금융공학교육으로서 성립될 수 없는 특성을 가지고 있다. 또한 금융공학 교육은 산학협동으로 이루어져야 진정한 교육의 역할을 감당할 수 있다. 선진국의 경우 학제간 협동, 산학협동과 같은 다양한 경로를 통해서 다양한 측면의 금융공학교육을 실시하고 있는 반면, 한국의 금융공학 교육은 아직 초기 단계라고 할 수 있다. 국내 금융산업의 변화와 함께 금융공학수요가 증가하고 있는 현실에서, 학제간 협동과 산학협동을 통한 금융공학 교육의 공급이 이루어져야 할 것이다.

스마트그리드 환경하의 가정용 AMI 자료를 위한 시계열 군집분석 연구

이진영,김삼용,Lee, Jin-Young,Kim, Sahm 한국통계학회 2020 응용통계연구 Vol.33 No.6

스마트그리드 환경하에서 ICT 기술의 발달로 AMI 기기를 통해 가정의 실시간 전력사용량을 수집할 수 있게 됨에 따라 이러한 자료들을 활용하여 보다 더 정확한 가정용 전력사용량 예측을 할 수 있게 되었다. 본 논문에서는 1시간 단위 가정용 전력사용량 자료를 바탕으로 ARIMA, TBATS, NNAR 모형을 사용하여 전력수요를 예측하는 모형을 연구하였는데, 기존과 달리 가구 전체 사용량을 한 번에 예측하는 것이 아닌 유사한 전력사용패턴을 나타내는 가구들을 군집하여 군집별로 예측 모형을 수립하고 각 모형별 예측치를 합산하여 예상 전력사용량을 산출하였다. 특히 전력사용량 자료는 전형적인 시계얼 자료로서 군집분석 방법으로 시계열에 적절한 방법을 선택하였으며 본 논문에서는 동적타임워핑(dynamic time warping)과 Periodogram 기반의 방법을 사용하였다. 연구 결과 사용량이 유사한 가구들을 군집하여 전력사용량을 예측하는 것이 한 번에 예측하는 것보다 예측 성능이 더 우수한 것으로 나타났으며 예측 모형 중에서는 여름철의 경우 NNAR 모형이, 겨울철의 경우 TBATS 모형의 성능이 가장 좋았으며 군집분석 방법은 군집 간 패턴의 차이가 명확히 나타난 동적타임워핑 방법을 사용했을 때 예측 성능의 향상이 가장 많았다. Residential electricity consumption can be predicted more accurately by utilizing the realtime household electricity consumption reference that can be collected by the AMI as the ICT developed under the smart grid circumstance. This paper studied the model that predicts residential power load using the ARIMA, TBATS, NNAR model based on the data of hour unit amount of household electricity consumption, and unlike forecasting the consumption of the whole households at once, it computed the anticipated amount of the electricity consumption by aggregating the predictive value of each established model of cluster that was collected by the households which show the similiar load profile. Especially, as the typical time series data, the electricity consumption data chose the clustering analysis method that is appropriate to the time series data. Therefore, Dynamic Time Warping and Periodogram based method is used in this paper. By the result, forecasting the residential elecrtricity consumption by clustering the similiar household showed better performance than forecasting at once and in summertime, NNAR model performed best, and in wintertime, it was TBATS model. Lastly, clustering method showed most improvements in forecasting capability when the DTW method that was manifested the difference between the patterns of each cluster was used.

시계열 모형과 기계학습 모형을 이용한 풍력 발전량 예측 연구

박수진,이진영,김삼용,Park, Sujin,Lee, Jin-Young,Kim, Sahm 한국통계학회 2021 응용통계연구 Vol.34 No.5

Wind energy is one of the rapidly developing renewable energies which is being developed and invested in response to climate change. As renewable energy policies and power plant installations are promoted, the supply of wind power in Korea is gradually expanding and attempts to accurately predict demand are expanding. In this paper, the ARIMA and ARIMAX models which are Time series techniques and the SVR, Random Forest and XGBoost models which are machine learning models were compared and analyzed to predict wind power generation in the Jeonnam and Gyeongbuk regions. Mean absolute error (MAE) and mean absolute percentage error (MAPE) were used as indicators to compare the predicted results of the model. After subtracting the hourly raw data from January 1, 2018 to October 24, 2020, the model was trained to predict wind power generation for 168 hours from October 25, 2020 to October 31, 2020. As a result of comparing the predictive power of the models, the Random Forest and XGBoost models showed the best performance in the order of Jeonnam and Gyeongbuk. In future research, we will try not only machine learning models but also forecasting wind power generation based on data mining techniques that have been actively researched recently. 빠르게 발전하고 있는 재생에너지 중 하나인 풍력에너지는 기후변화 대응에 맞추어 개발 및 투자가 이루어지고있다. 신재생에너지 정책과 발전소 설치가 추진됨에 따라 국내 풍력 보급이 점차 확대되어 수요를 정확히 예측하기 위한 시도들이 확대되고 있다. 본 논문에서는 전남지역과 경북지역의 풍력 발전량 예측을 위하여 시계열 기법인 ARIMA, ARIMAX 모형과 기계학습 모형인 SVR, Random Forest, XGBoost 모형들을 비교 분석하였다. 모형의 예측 결과를 비교하기 위한 지표로서 mean absolute error (MAE)와 mean absolute percentage error (MAPE)를 사용하였다. 2018년 1월 1일부터 2020년 10월 24일까지의 시간별 원 데이터를 차분한 후 모형을 훈련시켜 2020년 10월 25일부터 2020년 10월 31일까지의 168시간에 대한 풍력 발전량을 예측하였다. 모형의 예측력 비교 결과, Random Forest와 XGBoost 모형이 전남지역, 경북지역 순으로 가장 우수한 성능을 보였다. 향후 연구에서는 기계학습뿐 아니라 최근 활발한 연구가 이루어지는 데이터 마이닝 기법 기반의 풍력 발전량 예측을 시도할 것이다.

다변량 시계열 모형을 이용한 항공 수요 예측 연구

허남균,정재윤,김삼용,Hur, Nam-Kyun,Jung, Jae-Yoon,Kim, Sahm 한국통계학회 2009 응용통계연구 Vol.22 No.5

본 연구는 최근에 활발히 연구가 진행 중인 항공수요 예측 분야에서 사용되는 계절형 ARIMA 모형과 다변량 계절형 시계열 모형과의 성능을 비교한 것이다. 본 연구에서는 국제 여객 수요와 국제 화물 수요 예측을 위하여 실제 자료를 이용하여 비교한 결과 다변량 계절형 시계열 모형이 예측의 정확도 면에서 기존의 일변량 모형보다 우수함을 보였다. Forecasting for air demand such as passengers and freight has been one of the main interests for air industries. This research has mainly focus on the comparison the performance between the univariate seasonal ARIMA models and the multivariate time series models. In this paper, we used real data to predict demand on international passenger and freight. And multivariate time series models are better than the univariate models based on the accuracy criteria.