최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.27 no.7, 2014년, pp.1139 - 1149
이승연 (숙명여자대학교 통계학과) , 황선영 (숙명여자대학교 통계학과)
Multivariate volatility is summarized through canonical correlation analysis (CCA). Along with the standard CCA, non-negative and sparse canonical correlation analysis (NSCCA) is introduced to make sure that volatility coefficients are non-negative and the number of coefficients in the volatility CC...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
금융시계열의 성질은? | 금융시계열은 변동성 집중(volatility clustering), 비대칭성 그리고 급첨(leptokurtic)분포를 따른다는 성질을 갖는다. 금융시계열에서 이와 같은 현상을 이해하기 위해 Engle (1982)은 ARCH 모형을 통해 금융시계열이 갖는 특징들을 모형화 하였으며, Bollerslev (1986)는 ARCH 모형을 일반화 시킨 GARCH 모형을 제안하였다. | |
본 연구에서 다변량 금융시계열의 변동성을 연구하기 위해 어떤 과정을 거쳤는가? | 본 연구에서는 이변량 이상 다변량 금융시계열의 “변동성”을 연구하고자 한다. 이를 위해 정준상관분석 CCA(canonical correlation analysis) 을 이용하여 t - 1시점의 “수익률”을 x축에, t시점의 “변동성”을 y축에 나타내어 다변량으로 구성된 특정 산업의 변동성과 수익률에 대한 지표를 간단하게 NIC 그래프를 통해 나타냈다. 즉, t - 1시점의 수익률의 선형결합인 정준상관분석 방법을 통하여 새로운 인공축인 V1(제1 정준상관변수)을 생성하고, t시점의 변동성도 동일한 방법으로 또 다른 인공축인 W1(제1 정준 상관변수)을 생성하였다. | |
정준상관 분석이란? | 정준상관 분석은 여러 변수들을 두 변수 집단인 종속변수집단과 독립변수집단으로 분류한 후 두 변수집단 사이의 상관구조를 가장 잘 설명할 수 있는 선형결합을 찾는 방법이다. 정준상관분석의 가장 큰 목표는 서로 다른 집단들의 기본적인 관계를 발견하는 것이다. |
성웅현 (1997). 응용 다변량분석-이론, 방법론, SAS활용, 탐진
Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics, 31, 307-327.
Choi, M. S., Park, J. A. and Hwang, S. Y. (2012). Asymmetric GARCH processes featuring both threshold effect and bilinear structure, Statistics & Probability Letters, 82, 419-426.
Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50, 987-1008.
Engle, R. F. and Ng, V. K. (1993). Measuring and testing the impact of news on volatility, Journal of Finance, 48, 1749-1778.
Buhmann, J., Fischer, B., Roth, V. and Sigg, C. (2007). Nonnegative CCA for audiovisual Source Separation, Machine Learning for Signal Processing, 253-258.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.