축산업은 수급에 있어서 불안정성을 가지고 있다. 정부의 다양한 노력에도 불구하고 한우의 수급 조절과 질병으로 인한 불안정이 있어 한우 가격을 예측하는 것은 어렵다. 이러한 문제를 해결하기 위하여 한우를 포함한 주요 축산물 생산량 혹은 가격 예측 분석이 이루어져왔다. 한우 가격 예측의 정확성을 위해 다양한 시계열 모델이 사용되어왔지만 공휴일, 행사 등 정기적 혹은 비정기적 ...
축산업은 수급에 있어서 불안정성을 가지고 있다. 정부의 다양한 노력에도 불구하고 한우의 수급 조절과 질병으로 인한 불안정이 있어 한우 가격을 예측하는 것은 어렵다. 이러한 문제를 해결하기 위하여 한우를 포함한 주요 축산물 생산량 혹은 가격 예측 분석이 이루어져왔다. 한우 가격 예측의 정확성을 위해 다양한 시계열 모델이 사용되어왔지만 공휴일, 행사 등 정기적 혹은 비정기적 결측치가 존재하기 때문에 한우 가격 특성상 시차의 연속성을 보장하기 어렵다. 이에 본 연구에서는 소비와 공급에 관련된 기사, 유튜브 영상, 한우를 취급하는 식당 수의 변화 등 외생적 변수 분석과 시간 분해 효과를 통한 TD 모형(Time Decomposition model)이 수행된다. 또한 딥러닝을 사용하여 개별적으로 얕은 신경망을 구성하여 각 데이터를 통합하고 추출한 변수를 결합하는 최종 TD-X 모형(Time Decomposition-Exogenous model)을 제안한다. TD 모형과 TD-X 모형 모두 기존 SARIMA보다 우수한 성능을 보였고, 대부분의 비교지표에서 TD-X 모형이 우수했다.
축산업은 수급에 있어서 불안정성을 가지고 있다. 정부의 다양한 노력에도 불구하고 한우의 수급 조절과 질병으로 인한 불안정이 있어 한우 가격을 예측하는 것은 어렵다. 이러한 문제를 해결하기 위하여 한우를 포함한 주요 축산물 생산량 혹은 가격 예측 분석이 이루어져왔다. 한우 가격 예측의 정확성을 위해 다양한 시계열 모델이 사용되어왔지만 공휴일, 행사 등 정기적 혹은 비정기적 결측치가 존재하기 때문에 한우 가격 특성상 시차의 연속성을 보장하기 어렵다. 이에 본 연구에서는 소비와 공급에 관련된 기사, 유튜브 영상, 한우를 취급하는 식당 수의 변화 등 외생적 변수 분석과 시간 분해 효과를 통한 TD 모형(Time Decomposition model)이 수행된다. 또한 딥러닝을 사용하여 개별적으로 얕은 신경망을 구성하여 각 데이터를 통합하고 추출한 변수를 결합하는 최종 TD-X 모형(Time Decomposition-Exogenous model)을 제안한다. TD 모형과 TD-X 모형 모두 기존 SARIMA보다 우수한 성능을 보였고, 대부분의 비교지표에서 TD-X 모형이 우수했다.
It is difficult to predict the price of Korean beef because there is instability due to supply and demand instability and diseases of cattle, despite the government's various efforts. Therefore, various time series models were used for the accuracy of price prediction, but due to the existence of re...
It is difficult to predict the price of Korean beef because there is instability due to supply and demand instability and diseases of cattle, despite the government's various efforts. Therefore, various time series models were used for the accuracy of price prediction, but due to the existence of regular and irregular missing values such as public holidays and events, it is difficult to ensure the continuity of the time difference due to the characteristics of the price of Korean beef. Therefore, in this study, the TD model (Time Decomposition model) through time series decomposition and prediction through exogenous variables such as changes in YouTube, articles and restaurants are to be performed. In addition, we propose a final TD-X model (Time Decomposition-Exogenous model) in which an individual shallow neural network is constructed to integrate each data using deep learning free of model construction, and the extracted variables are combined. Both the TD model and the TD-X model showed better performance than the existing SARIMA, and the TD-X model was superior in both comparison indicators.
It is difficult to predict the price of Korean beef because there is instability due to supply and demand instability and diseases of cattle, despite the government's various efforts. Therefore, various time series models were used for the accuracy of price prediction, but due to the existence of regular and irregular missing values such as public holidays and events, it is difficult to ensure the continuity of the time difference due to the characteristics of the price of Korean beef. Therefore, in this study, the TD model (Time Decomposition model) through time series decomposition and prediction through exogenous variables such as changes in YouTube, articles and restaurants are to be performed. In addition, we propose a final TD-X model (Time Decomposition-Exogenous model) in which an individual shallow neural network is constructed to integrate each data using deep learning free of model construction, and the extracted variables are combined. Both the TD model and the TD-X model showed better performance than the existing SARIMA, and the TD-X model was superior in both comparison indicators.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.