장기억 시계열 모형의 이상점 탐지 연구

국문 초록 (Abstract)

시계열 자료의 이상정 탐지는 자기회귀이동평균 모형을 적합한 잔차를 이용하여 이루어진다. 하지만 금융 시계열과 같이 장기 기억을 가지고 있는 시계열의 경우, 추정해야 하는 계수의 수가 급격히 증가하는 등 정확한 추정을 하기 어려워지고 탐지력이 저하되는 문제점이 있다. 본 논문에서는 이를 보안하기 위해 HAR (heterogeneous autoregressive) 모형에 기반하여 장기억 시계열에서 이상점을 탐지하는 방법을 제안한다. 모의실험 결과 제안한 방법이 장기억 시계열 모형에서 기존의 자기회귀이동평균 모형의 방법보다 이상점이 존재한다는 가설을 더 강력하게 지지함을 확인하였다. 또한 제안한 방법을 최근 5년 동안의 S&P 500의 실현변동성 및 최근 3년 동안의 전력거래량 자료에 적용하여 이상점을 찾는 과정을 실증하였다.

다국어 초록 (Multilingual Abstract)

Autoregressive moving average (ARMA) model is widely used to detect outliers in time series data. However, if the time series is known to have very strong correlations for large lags, also known as long memory, ARMA model is no longer suitable. This paper proposes outlier detection method based on heterogeneous autoregressive (HAR) model. Simulations study shows that our propose method performs well for long memory time series by producing larger test statistic. Our method is also illustrated to the realized volatility of S&P 500 index and electricity data.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 방법론
• 3. 시뮬레이션 연구
• 4. 실증 자료 분석
• 5. 결론 및 논의사항
• References
• Abstract

참고문헌 (Reference)

1 김인희, "전력 수요량에 대한 다변량 시계열 군집분석" 한국데이터정보과학회 32 (32): 569-584, 2021

2 Lopez, J., "Package ‘tsoutliers’"

3 Hyndman, R. J., "Package ‘forecast’"

4 Ripley, B., "Package ‘MASS’"

5 Tsay, R. S., "Outliers, level shifts, and variance changes in time series" 7 : 1-20, 1988

6 Andersen, T. G., "Modeling and forecasting realized volatility" 71 : 579-625, 2003

7 Chen, C., "Joint estimation of model parameters and outlier effects in time series" 88 : 284-297, 1993

8 Brockwell, P. J., "Introduction to Time Series and Forecasting" Springer 2016

9 Kim, D., "Factor-augmented HAR model improves realized volatility forecasting" 27 : 1002-1009, 2020

10 곽내원, "AdaBoost-GRU 앙상블 모형을 이용한 금융 시계열 예측" 한국데이터정보과학회 32 (32): 267-281, 2021

11 Chareka, P., "A test for additive outliers applicable to long-memory time series" 30 : 595-621, 2006

12 Corsi, F., "A simple approximate long-memory model of realized volatility" 7 : 174-196, 2009