경제시계열은 경기적인 요인과 비경기적인 요인이 혼합되어 구성되어 있다. 따라서 시계열자료로부터 경기적인 현상을 올바르게 파악하기 위해서는 비경기적인 요인인 계절변동요인과 사전에 파악이 가능한 불규칙변동요인을 원계열에서 제거하여야 한다. 원계열로부터 계절변동요인과 사전에 파악이 가능한 불규칙변동요인인 설과 추석 명절의 월간이동요인과 달력상 조업가능일수 요인을 제거하기 위하여 계절변동조정을 실시한다. 계절변동조정방법은 여러 가지가 있으나 미국, 일본 등 대다수 선진국가와 국제기구에서 X-12-ARIMA 방법을 이용하고 있다. 한국에서도 현재 통계청과 한국은행에서 X-12-ARIMA 방법을 개선하여 사용하고 있다. X-12-ARIMA 방법을 이용한 계절변동조정방법은 X-11방법에 의한 이동평균과정에서 ...
경제시계열은 경기적인 요인과 비경기적인 요인이 혼합되어 구성되어 있다. 따라서 시계열자료로부터 경기적인 현상을 올바르게 파악하기 위해서는 비경기적인 요인인 계절변동요인과 사전에 파악이 가능한 불규칙변동요인을 원계열에서 제거하여야 한다. 원계열로부터 계절변동요인과 사전에 파악이 가능한 불규칙변동요인인 설과 추석 명절의 월간이동요인과 달력상 조업가능일수 요인을 제거하기 위하여 계절변동조정을 실시한다. 계절변동조정방법은 여러 가지가 있으나 미국, 일본 등 대다수 선진국가와 국제기구에서 X-12-ARIMA 방법을 이용하고 있다. 한국에서도 현재 통계청과 한국은행에서 X-12-ARIMA 방법을 개선하여 사용하고 있다. X-12-ARIMA 방법을 이용한 계절변동조정방법은 X-11방법에 의한 이동평균과정에서 시계열 양 끝에 결항이 발생한다. 이 결항을 보정하기 위하여 ARIMA모형을 이용하여 시계열 양 끝을 확장시켜 준다. X-12-ARIMA 방법에서는 미국 및 캐나다 통계에 적합한 5개의 표준 ARIMA 모형을 제공하고 있다. 그러나 사회적·문화적 환경이 다른 한국 경제시계열을 분석하는 데는 이들 모형이 적합하지 않을 수 있다. 그래서 한국 경제시계열에 적합한 표준 ARIMA 모형을 찾기 위하여 기존에 많은 연구가 있었다. 본 논문에서는 산업동향관련 시계열에 적합한 표준 ARIMA 모형을 찾기 위하여 산업생산지수, 생산자제품 출하지수 및 제조업 가동률지수의 총 77개 시계열을 실증분석 하였다. 실증분석결과 선정된 ARIMA 모형은 업종마다 다르나 77개 시계열 전체에 대하여 (0 1 1)(0 1 1), (0 1 1)(2 1 0), (0 1 2)(0 1 1), (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(0 1 1), (0 1 3)(0 1 1), (0 1 1)(0 0 1)(0 1 1)의 8개 모형에서 46개 시계열이 적합 되어 전체의 59.7% 구성비를 나타내고 있다. 따라서 본 논문에서 실증분석한 시계열과 유사한 특성을 갖는 산업동향관련 시계열에 대하여 앞의 8개 모형을 표준 ARIMA 모형으로 제안한다. 그리고 본 논문에서 실증분석한 시계열 수가 작아 비록 적합된 모형수가 작은 한계점이 있으나 (1 1 0)(0 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2), (0 1 1)(0 0 1)(0 1 1)의 4개 모형도 비교적 잘 적합 되므로 이들 모형은 앞에서 제안한 8개 모형으로 적합 되지 않을 때 우선적으로 고려할 고려모형으로 제안한다. 실증분석결과 본 논문에서 제안한 8개 표준 ARIMA 모형과 4개 고려모형을 합한 12개 모형에서 77개 시계열 중 54개 시계열이 적합 되어 전체의 70.1%를 구성하였다. 실증분석결과 선택된 ARIMA 모형과 기존에 제시된 ARIMA 모형을 비교하여 본 결과 캐나다와 미국에서 제시한 표준 ARIMA 모형들이 산업동향관련 시계열에는 잘 적합 되지 않았고, 또한 본 논문에서 제안한 8개 표준모형과 4개 고려모형이 기존에도 역시 많이 제시된 것으로 나타났다. 그리고 (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2)의 4개 모형은 기존에 제시되지 않았으나 실증분석 결과 비교적 잘 적합 되어 본 논문에서 새로이 제안하였다.
경제시계열은 경기적인 요인과 비경기적인 요인이 혼합되어 구성되어 있다. 따라서 시계열자료로부터 경기적인 현상을 올바르게 파악하기 위해서는 비경기적인 요인인 계절변동요인과 사전에 파악이 가능한 불규칙변동요인을 원계열에서 제거하여야 한다. 원계열로부터 계절변동요인과 사전에 파악이 가능한 불규칙변동요인인 설과 추석 명절의 월간이동요인과 달력상 조업가능일수 요인을 제거하기 위하여 계절변동조정을 실시한다. 계절변동조정방법은 여러 가지가 있으나 미국, 일본 등 대다수 선진국가와 국제기구에서 X-12-ARIMA 방법을 이용하고 있다. 한국에서도 현재 통계청과 한국은행에서 X-12-ARIMA 방법을 개선하여 사용하고 있다. X-12-ARIMA 방법을 이용한 계절변동조정방법은 X-11방법에 의한 이동평균과정에서 시계열 양 끝에 결항이 발생한다. 이 결항을 보정하기 위하여 ARIMA모형을 이용하여 시계열 양 끝을 확장시켜 준다. X-12-ARIMA 방법에서는 미국 및 캐나다 통계에 적합한 5개의 표준 ARIMA 모형을 제공하고 있다. 그러나 사회적·문화적 환경이 다른 한국 경제시계열을 분석하는 데는 이들 모형이 적합하지 않을 수 있다. 그래서 한국 경제시계열에 적합한 표준 ARIMA 모형을 찾기 위하여 기존에 많은 연구가 있었다. 본 논문에서는 산업동향관련 시계열에 적합한 표준 ARIMA 모형을 찾기 위하여 산업생산지수, 생산자제품 출하지수 및 제조업 가동률지수의 총 77개 시계열을 실증분석 하였다. 실증분석결과 선정된 ARIMA 모형은 업종마다 다르나 77개 시계열 전체에 대하여 (0 1 1)(0 1 1), (0 1 1)(2 1 0), (0 1 2)(0 1 1), (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(0 1 1), (0 1 3)(0 1 1), (0 1 1)(0 0 1)(0 1 1)의 8개 모형에서 46개 시계열이 적합 되어 전체의 59.7% 구성비를 나타내고 있다. 따라서 본 논문에서 실증분석한 시계열과 유사한 특성을 갖는 산업동향관련 시계열에 대하여 앞의 8개 모형을 표준 ARIMA 모형으로 제안한다. 그리고 본 논문에서 실증분석한 시계열 수가 작아 비록 적합된 모형수가 작은 한계점이 있으나 (1 1 0)(0 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2), (0 1 1)(0 0 1)(0 1 1)의 4개 모형도 비교적 잘 적합 되므로 이들 모형은 앞에서 제안한 8개 모형으로 적합 되지 않을 때 우선적으로 고려할 고려모형으로 제안한다. 실증분석결과 본 논문에서 제안한 8개 표준 ARIMA 모형과 4개 고려모형을 합한 12개 모형에서 77개 시계열 중 54개 시계열이 적합 되어 전체의 70.1%를 구성하였다. 실증분석결과 선택된 ARIMA 모형과 기존에 제시된 ARIMA 모형을 비교하여 본 결과 캐나다와 미국에서 제시한 표준 ARIMA 모형들이 산업동향관련 시계열에는 잘 적합 되지 않았고, 또한 본 논문에서 제안한 8개 표준모형과 4개 고려모형이 기존에도 역시 많이 제시된 것으로 나타났다. 그리고 (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2)의 4개 모형은 기존에 제시되지 않았으나 실증분석 결과 비교적 잘 적합 되어 본 논문에서 새로이 제안하였다.
The time series data of industrial trends are affected by seasonal variation factor and irregular fluctuation factor understandable in prior, calender variation, traditional Korean moving holiday[such as Seol(Lunar New year's Day) and Chuseok(Thanksgiving Day)] and working days. So we need the time ...
The time series data of industrial trends are affected by seasonal variation factor and irregular fluctuation factor understandable in prior, calender variation, traditional Korean moving holiday[such as Seol(Lunar New year's Day) and Chuseok(Thanksgiving Day)] and working days. So we need the time series removed the seasonal factor and the irregular factor understandable in prior. In this process, the ARIMA model is needed. In this paper, I want to select the standard ARIMA model to appropriate in the time series data of industrial trends. In the result of experimental analysis on the 77 time series data of industrial trends(Index of Industrial Production, Producers' Shipments and Operation Ratio by Industrial Classification), I will propose the following 8 standard ARIMA model to appropriate in this time series. These eight models are (0 1 1)(0 1 1), (0 1 1)(2 1 0), (0 1 2)(0 1 1), (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(0 1 1), (0 1 3)(0 1 1), (0 1 1)(0 0 1)(0 1 1). Also I will propose the 4 considerable ARIMA model about the time series not to appropriate by the above 8 ARIMA model. These 4 considerable models are (1 1 0)(0 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2), (0 1 1)(0 0 1)(0 1 1). In this paper, I propose the 4 new model, (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2) among the above 12 ARIMA model(the 8 standard model and 4 considerable model). Also, I want to clarify the limit having the small number and kind of time series experimentally analyzed. And the more details on the result of study are presented in the part of the experimental analysis in this paper.
The time series data of industrial trends are affected by seasonal variation factor and irregular fluctuation factor understandable in prior, calender variation, traditional Korean moving holiday[such as Seol(Lunar New year's Day) and Chuseok(Thanksgiving Day)] and working days. So we need the time series removed the seasonal factor and the irregular factor understandable in prior. In this process, the ARIMA model is needed. In this paper, I want to select the standard ARIMA model to appropriate in the time series data of industrial trends. In the result of experimental analysis on the 77 time series data of industrial trends(Index of Industrial Production, Producers' Shipments and Operation Ratio by Industrial Classification), I will propose the following 8 standard ARIMA model to appropriate in this time series. These eight models are (0 1 1)(0 1 1), (0 1 1)(2 1 0), (0 1 2)(0 1 1), (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(0 1 1), (0 1 3)(0 1 1), (0 1 1)(0 0 1)(0 1 1). Also I will propose the 4 considerable ARIMA model about the time series not to appropriate by the above 8 ARIMA model. These 4 considerable models are (1 1 0)(0 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2), (0 1 1)(0 0 1)(0 1 1). In this paper, I propose the 4 new model, (0 1 1)(3 1 0), (0 1 1)(1 1 1), (1 1 1)(2 1 0), (0 1 3)(0 1 2) among the above 12 ARIMA model(the 8 standard model and 4 considerable model). Also, I want to clarify the limit having the small number and kind of time series experimentally analyzed. And the more details on the result of study are presented in the part of the experimental analysis in this paper.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.