서비스업생산지수와 서비스업도소매지수와의 상호연관성에 관한 연구 Study on Interrelation between the Service Industrial Production Index and the Service Industrial Wholesale and Retail Index원문보기
본 논문은 한국은행 경제통계시스템에서 제공한 서비스업생산지수와 서비스업도소매지수를 가지고 상호간의 연관성을 분석하였다. 분석을 위한 통계분석 기간은 2000년 1월부터 2015년 9월까지 15년 9개월간의 월별자료 189개를 사용하였고, 분석도구로는 E-Views 6을 이용하여 VAR 모형을 통한 그랜저 인과관계분석(Granger Causality test)과 충격반응분석(Impulse Response Function) 및 분산분해(Variance Decomposition)를 실시하였다. 주요 분석결과는 다음과 같다. 첫째, 그랜저 인과관계 분석결과(Granger Causality test) 상승률과 변동성에 있어서 서비스업생산지수와 서비스업도소매지수 상호간에 예측력이 있음을 알 수 있었다. 둘째, 충격반응함수(Impulse Response Function)분석결과 서비스업생산지수와 서비스업도도소매지수에 사이에 충격이 존재하여 일정시차까지 영향을 미치다가 사라짐을 알 수 있었다. 이는 다른 산업뿐만 아니라 서비스업산업에 있어서도 생산량은 어느 정도 도소매업체의 판매량을 예측할 수 있다는 것으로 해석할 수 있다. 마지막으로 분산분해(Variance Decomposition) 분석결과 서비스업도소매지수는 일정시차동안 73.65%~65.59%의 서비스업생산지수에 의하여 영향을 받는 것으로 나타났다. 하지만 서비스업생산지수는 일정시차동안 0.97%~1.92%의 서비스업도소매지수에 영향을 받는 것으로 나타나 영향력이 미미함을 알 수 있었다. 본 연구는 다양한 지수를 대상으로한 상호간의 가격발견을 통한 상호연관성을 분석한 기존의 연구방법을 확장하여 서비스업생산지수와 서비스업도소매지수와의 가격발견 기능을 파악하는데 기여하였다고 사료된다. 이와 같은 연구결과는 물가지수를 관리하고 있는 정부에게 물가정책을 수립하는데 의미를 부여하고, 각종 지수를 관리하고 있는 한국은행 및 통계청에게 의미 있는 시사점을 제공할 것으로 판단된다. 본 연구에 대한 한계점으로는 물가지수를 이용한 선행연구가 많지 않아서 좀 더 체계적인 분석이 부족하다는 점과 구조변화 시점을 구분하여 분석하지 못했다는 점이다. 따라서 다양한 물가지수를 활용한 후속연구와 구조변화를 전후를 대상으로 한 추가연구가 필요하다고 사료된다.
본 논문은 한국은행 경제통계시스템에서 제공한 서비스업생산지수와 서비스업도소매지수를 가지고 상호간의 연관성을 분석하였다. 분석을 위한 통계분석 기간은 2000년 1월부터 2015년 9월까지 15년 9개월간의 월별자료 189개를 사용하였고, 분석도구로는 E-Views 6을 이용하여 VAR 모형을 통한 그랜저 인과관계분석(Granger Causality test)과 충격반응분석(Impulse Response Function) 및 분산분해(Variance Decomposition)를 실시하였다. 주요 분석결과는 다음과 같다. 첫째, 그랜저 인과관계 분석결과(Granger Causality test) 상승률과 변동성에 있어서 서비스업생산지수와 서비스업도소매지수 상호간에 예측력이 있음을 알 수 있었다. 둘째, 충격반응함수(Impulse Response Function)분석결과 서비스업생산지수와 서비스업도도소매지수에 사이에 충격이 존재하여 일정시차까지 영향을 미치다가 사라짐을 알 수 있었다. 이는 다른 산업뿐만 아니라 서비스업산업에 있어서도 생산량은 어느 정도 도소매업체의 판매량을 예측할 수 있다는 것으로 해석할 수 있다. 마지막으로 분산분해(Variance Decomposition) 분석결과 서비스업도소매지수는 일정시차동안 73.65%~65.59%의 서비스업생산지수에 의하여 영향을 받는 것으로 나타났다. 하지만 서비스업생산지수는 일정시차동안 0.97%~1.92%의 서비스업도소매지수에 영향을 받는 것으로 나타나 영향력이 미미함을 알 수 있었다. 본 연구는 다양한 지수를 대상으로한 상호간의 가격발견을 통한 상호연관성을 분석한 기존의 연구방법을 확장하여 서비스업생산지수와 서비스업도소매지수와의 가격발견 기능을 파악하는데 기여하였다고 사료된다. 이와 같은 연구결과는 물가지수를 관리하고 있는 정부에게 물가정책을 수립하는데 의미를 부여하고, 각종 지수를 관리하고 있는 한국은행 및 통계청에게 의미 있는 시사점을 제공할 것으로 판단된다. 본 연구에 대한 한계점으로는 물가지수를 이용한 선행연구가 많지 않아서 좀 더 체계적인 분석이 부족하다는 점과 구조변화 시점을 구분하여 분석하지 못했다는 점이다. 따라서 다양한 물가지수를 활용한 후속연구와 구조변화를 전후를 대상으로 한 추가연구가 필요하다고 사료된다.
We examine the information transmission between the Service Industrial Production Index and the Service Industrial Wholesale and Retail Index, based on the returns data offered by the Korea Bank. The data includes daily return data from January 2000 to September 2015. Utilizing a dynamic analytical ...
We examine the information transmission between the Service Industrial Production Index and the Service Industrial Wholesale and Retail Index, based on the returns data offered by the Korea Bank. The data includes daily return data from January 2000 to September 2015. Utilizing a dynamic analytical tool-the VAR model, Granger Causality test, Impulse Response Function and Variance Decomposition have been implemented. The results of the analysis are as follows. Firstly, results of Granger Causality test suggests the existence of mutual causality the Service Industrial Production Index precede and have explanatory power the Service Industrial Wholesale and Retail Index However the results also identified a greater causality and explanatory power of the Service Industrial Wholesale and Retail Index over the Service Industrial Production Index. Secondly, the results of impulse response function suggest that the Service Industrial Production Index show immediate response to the Service Industrial Wholesale and Retail Index and are influenced by till time 5 From time 2, the impact gradually disappears. Also the Service Industrial Wholesale and Retail Index show immediate response to the Service Industrial Production Index and are influenced by till time 2.5, the impact gradually disappears. Lastly, the variance decomposition analysis shows that the changes of return of Service Industrial Production Index are dependent on those of the Service Industrial Wholesale and Retail Index. This implies that returns on the Service Industrial Production Index have a significant influence over returns on the Service Industrial Wholesale and Retail Index. It contributes to the understanding of market price formation function through analysis of detached the Service Industrial Production Index and Service Industrial Wholesale and Retail Index. Finally, our results can be used as a guide by the Korea Bank and Republic of Korea and as well as Statistics Korea.
We examine the information transmission between the Service Industrial Production Index and the Service Industrial Wholesale and Retail Index, based on the returns data offered by the Korea Bank. The data includes daily return data from January 2000 to September 2015. Utilizing a dynamic analytical tool-the VAR model, Granger Causality test, Impulse Response Function and Variance Decomposition have been implemented. The results of the analysis are as follows. Firstly, results of Granger Causality test suggests the existence of mutual causality the Service Industrial Production Index precede and have explanatory power the Service Industrial Wholesale and Retail Index However the results also identified a greater causality and explanatory power of the Service Industrial Wholesale and Retail Index over the Service Industrial Production Index. Secondly, the results of impulse response function suggest that the Service Industrial Production Index show immediate response to the Service Industrial Wholesale and Retail Index and are influenced by till time 5 From time 2, the impact gradually disappears. Also the Service Industrial Wholesale and Retail Index show immediate response to the Service Industrial Production Index and are influenced by till time 2.5, the impact gradually disappears. Lastly, the variance decomposition analysis shows that the changes of return of Service Industrial Production Index are dependent on those of the Service Industrial Wholesale and Retail Index. This implies that returns on the Service Industrial Production Index have a significant influence over returns on the Service Industrial Wholesale and Retail Index. It contributes to the understanding of market price formation function through analysis of detached the Service Industrial Production Index and Service Industrial Wholesale and Retail Index. Finally, our results can be used as a guide by the Korea Bank and Republic of Korea and as well as Statistics Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 기본 번들 프로그램에서 스티칭 시 나타난 오류를 Autopano Video Pro와 Autopano Giga의 기능들을 사용하여 더욱 효율적이고 완성도를 높일 수 있는 스티칭 기법을 찾는 것에 중점을 두고 연구하였다.
본 연구는 일반인들도 360˚ 카메라를 이용하여 비교적 손쉽게 완성도 높은 VR 영상 콘텐츠를 제작할 수 있는 스티칭 기법을 찾아 제언하는 것이 목적이다.
하지만, 본 연구의 목적에 맞는 이안식 일체형 360˚ 카메라 영상의 효율적인 스티칭 기법을 연구하기 위해 기본 번들 프로그램의 문제점을 분석하였고, 그 문제점을 해결하기 위해 Autopano Video Pro와 Autopano Giga의 기능들을 활용하여 스티칭의 완성도를 높이고 좀 더 나은 VR 영상 콘텐츠를 제작하는 방법을 찾아 제시하였다는 데에 의의가 있다고 할 수 있다.
가설 설정
둘째, 카메라 조작이 모바일 디바이스에 의존적이다.
제안 방법
기본 번들 프로그램에서 나타난 수평과 수직의 오류를 보정하기 위해 먼저, 번들 프로그램에서 사용한 똑같은 원본 영상 소스를 Autopano Video Pro로 불러와 기본 스티칭을 하였다.
기본 번들 프로그램에서 스티칭 시 발생한 심 라인(Seam line)의 오류를 해결하기 위해 Autopano Giga의 Mask 기능을 사용하였고, Blending을 조정해 주었다.
기본 번들 프로그램인 Ricoh Theta Spherical Viewer를 사용하여 자동으로 스티칭한 결과물을 분석한 결과, 첫째, 수직과 수평, 둘째, 노출과 컬러, 셋째, 심 라인(Seam line)의 3가지 문제점을 도출할 수 있었으며, 그 결과는 다음과 같다.
또한, 스티칭 작업 시 발생하는 문제점을 중점으로 분석하고, 기본 번들 프로그램의 문제점을 보완하기 위해 Kolor1)사의 Autopano Video Pro와 Autopano Giga를 사용하여 해결 방법을 연구하였다.
연구방법으로는 Ricoh Theta Spherical Viewer의 스티칭의 문제점을 알아보고, 그 문제점을 보완하기 위해 Autopano Video Pro와 Autopano Giga를 사용하여 더 효율적으로 완성도를 높일 수 있는 스티칭 기법을 찾아보았다.
대상 데이터
본 연구를 위해 촬영한 영상 중, 노출과 컬러의 차이를 확연하게 구별할 수 있는 야외 영상으로 스티칭하고 분석한 결과물의 영상 장면은 Fig. 7과 같다.
본 연구의 대상으로는 일본 Ricoh사의 Ricoh Theta S로 촬영한 영상과 번들 프로그램인 Ricoh Theta Spherical Viewer로 스티칭한 결과물을 대상으로 하였다.
본 연구의 범위로는 360˚ VR 영상 콘텐츠의 개념과 이안식 일체형 360˚ 카메라, 그리고 스티칭에 관한 선행 연구를 기반으로, 이안식 일체형 360˚ 카메라의 최초 격인 Ricoh Theta S의 촬영 영상과 기본 번들 프로그램인 Ricoh Theta Spherical Viewer를 사용한 스티칭 작업을 연구범위로 삼았다.
본 영상은 이안식 카메라 렌즈로 촬영된 영상물로써, 전방과 후방영상이 만나는 경계선인 심 라인(Seam line)은 화면에서 B1과 F의 사이 그리고 F와 B2의 사이에 두 개4)의 심 라인(Seam line)이 생성되는 것을 확인할 수 있었다.
성능/효과
그 결과 전방과 후방 카메라 렌즈로 촬영된 장면이 겹치는 심 라인(Seam line)을 좀 더 자연스럽게 Blending 처리하여 스티칭의 완성도를 높일 수 있었다.
기본 번들 프로그램에서 스티칭 시 발생한 영상의 수평과 수직의 오류를 Autopano Giga의 Automatic Horizon 기능을 사용하여 자동으로 왜곡된 수평을 보정할 수 있었으며, 그리고 Verticals Tool의 기능을 사용하여 왜곡된 수직을 자동으로 보정할 수 있었다.
기본 번들 프로그램에서 스티칭 작업 시 발생한 노출 및 컬러의 오류를 보정하기 위해 먼저, 노출 부분에는 Autopano Giga의 Levels 기능을 통해 영상의 RGB Channel과 Gamma 값을 조정하여 노출의 오류를 보정할 수 있었고, 컬러 부분에서는 Autopano Video Pro의 Color 기능을 통해 전체적인 컬러를 설정할 수 있었으며 또한, Autopano Giga의 Edit Color anchors 기능에서 자동으로 컬러를 보정할 수 있었다.
먼저, 번들 프로그램으로 스티칭한 영상의 수평과 수직을 살펴본 결과, 화면의 중앙 부분3) F와 좌우 부분 B1, B2의 화면 즉, 전체 화면에서 가로축에 위치한 지평선의 수평이 왜곡되어 나타났으며 또한, 화면의 B1에 위치한 가로등과 B2에 위치한 아파트가 기울어진 모습으로 영상의 수직이 왜곡되어 나타났다.
번들 프로그램에서 스티칭한 영상의 노출과 컬러를 분석한 결과, 전방 카메라 렌즈에 촬영된 영상 F 부분과 후방 카메라 렌즈에 촬영된 영상 B1, B2에서 노출과 컬러가 다소 다르게 나타났으며, F와 B1, B2가 만나는 부분을 확대한 C1과 C2의 이미지를 통해 좀 더 확연하게 구별할 수 있었다.
후속연구
본 연구는 Autopano Video Pro에서 기본적인 스티칭 과정을 자세하게 기술하지 못한 부분이 한계점으로 남았다.
본 연구를 바탕으로 향후 일반인들도 효율적인 스티칭 기법을 통해 손쉽게 VR 영상 콘텐츠를 제작할 수 있게 되기를 희망한다.
질의응답
핵심어
질문
논문에서 추출한 답변
이안식 일체형 360˚ 카메라는 어떤 경우를 의미하는가?
이안식 일체형 360˚ 카메라는 광각의 어안렌즈 두 개가 본체 하나의 앞뒤에 붙어있는 경우를 의미한다. 360˚ 카메라는 파노라마의 한 일종으로 360˚ 모든 방향의 경치 등을 카메라에 담는다.
VR 영상 콘텐츠란 무엇인가?
VR 영상 콘텐츠는 VR(virtual reality)의 기술로 만들어진 영상 콘텐츠로써 가상공간에 참여하여 공간감을 느끼고 입체적인 영상을 감상할 수 있는 콘텐츠이다[1]. 가장 큰 특징은 몰입감과 상호작용성이라 할 수 있다[2].
이안식 일체형 360˚ 카메라의 어안렌즈 두 개는 어떤 역할을 하는가?
여기에 사진만이 아닌 동영상의 개념도 추가된 형태이다[4]. 앞뒤의 어안렌즈 두 개는 각각 180˚ 화면을 촬영하여 360˚ 이미지 및 영상을 만든다. Fig.
참고문헌 (16)
Baillie, R. T. (1989), Commodity prices and aggregate inflation: Would a commodity price rule be worthwhile?, Carnegie-Rochester Series on Public Policy, 31, 185-240.
Boughton, J. M. and Branson, W. (1988), Commodity prices as a leading indicator of inflation, IMF Working paper.
Clark, Todd E. (1995), Do Producer Prices lead Consumer Prices?, The Federal Reserve Bank of Kansas City Economic Review, Third Quarter, 25-39.
Dickey, David and Wayne, A. Fuller (1979), Distribution of the Estimators for Autoregressive Time Series With Unit Root, Journal of American Statistical Association. Vol 74.
Hwang, Sung S. (2004), "The Relationship between Stock Index and Option Markets: An Empirical Analysis Using Put-Call Parity", Journal of CEO and Management Studie, 7(2), 167-184.
Johansen, Soren (1991), Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models, Econometrica, 59(6) 1551-1580.
Kim, Jae I. and Kim, J. I. (2014), Study on interrelation between Stock Price and Macroeconomic Variables, Journal of CEO and Management Studie, 17(3), 163-186.
Kim, Joo I. and Moon, G. H. (2013), Study on Interrelation between PPI and CPI Using Rice Index in Korea, Journal of CEO and Management Studie, 16(1), 1-16.
Kim, Min S. and Kang, K. H. (2005), The Long-term Relation Analysis between PPI and CPI in Korea, Korea Financial Research, 19(2), 165-199.
Kim, Sung W. (2010), The Effect of China on Korean Consumer Prices, Journal of CEO and Management Studies, 13(2), 227-247.
Lee, Chung Y. (1996), A Study on the relationship between consumer prices and producer prices and Consumer Price Changes in factors, Korea Financial Research, 6(4), 1-22.
Lee, Tae H. (1996), Transmission of producer prices through stages of processing, University of California Working paper
Nam, Joo H. (1993), Analysing Causal Relationships between the interest rates and inflation, The Korean Journal of Financial Management, 10(2), 161-179.
Oh, Seung G. (2006), Comparison between Stochastic Binomial Model of interest rate and Term Structure of Forward rate, Journal of CEO and Management Studie, 9(2), 105-117.
Pecchenino, R. A. (1992), Commodity prices and the CPI : Cointegration, information, and signal extraction, International Journal of Forecasting 7, 493-500.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.