다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
응용통계연구 = The Korean journal of applied statistics, v.30 no.2, 2017년, pp.271 - 280
AI-Helper
Real-estate values and related economics are often the first read newspaper category. We are concerned about the opinions of experts on the forecast for real estate prices. The Box-Jenkins ARIMA model is a commonly used statistical method to predict housing prices. In this article, we tried to predi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 부동산 가격 지수로 많이 사용하는 것은? | 현재 부동산 가격 지수로 가장 많이 사용하는 것은 국민은행에서 매달 발표하는 ‘KB주택가격동향’자료이다. KB주택가격동향에 포함된 부동산의 매매가격(종합)지수와 전세가격(종합)지수의 관계를 설명함에 있어서 고려해야 할 사항은 이 지수들이 특정 시점의 가격 수준을 100으로 놓고 매 월 지수를 상대적으로 구하고 있다는 것이다. | |
| 부동산의 매매가격(종합)지수와 전세가격(종합)지수의 관계를 알아보기위해 고려해야할 사항은? | 현재 부동산 가격 지수로 가장 많이 사용하는 것은 국민은행에서 매달 발표하는 ‘KB주택가격동향’자료이다. KB주택가격동향에 포함된 부동산의 매매가격(종합)지수와 전세가격(종합)지수의 관계를 설명함에 있어서 고려해야 할 사항은 이 지수들이 특정 시점의 가격 수준을 100으로 놓고 매 월 지수를 상대적으로 구하고 있다는 것이다. 2017년 1월 현재의 지수는 2015년 12월의 매매지수와 전세지수가 실체적 가격 수준에 상관없이 모두 100으로 조정된 상태에서 계산되어 있다. | |
| ICA를 이용한 예측 수행 절차는? | 1. 원 시계열을 필요하다면 차분과 변환을 통해 정상시계열로 만든다. 2. 단계 1에서 구한 시계열에서 독립성분 추정치를 FastICA 알고리즘으로 구한다. 3. 단계 2에서 구한 독립성분 추정치들에 박스-젠킨스의 ARIMA모형을 추정한다. 4. 단계 3에서 추정한 모형으로 예측을 수행한다. 5. 단계 4에서 예측한 값에 FastICA 알고리즘을 역으로 적용하고 역차분과 역변환을 통해 원 시계열에 대한 예측치로 삼는다. |
Back, A. and Weigend, A. (1997). A first application of independent component analysis to extracting structure from stock returns, International Journal of Neural Systems, 8, 473-484.
Cho, Y. (2004). Independent component analysis for clustering analysis components by using kurtosis, The KIPS Transactions: Part B, 4, 429-436.
Comon, P. (1994). Independent component analysis - a new concept?, Signal Processing, 36, 287-314.
Cover, T. and Thomas, J. (1991). Elements of Information Theory, John Wiley & Sons, Hoboken.
Delfosse, N. and Loubaton, P. (1995). Adaptive blind separation of independent sources: a de ation ap- proach, Signal Processing, 45, 59-83.
Garcia-Ferrer, A., Gonzalez-Prieto, E., and Pena, D. (2011). Exploring ICA for time series decomposition, In Working paper 11-16, Statistics and Econometrics Series 11, Universidad Carlos III de Madrid: Getafe.
Hyvarinen, A. (1998a). Independent component analysis in the presence of gaussian noise by maximizing joint likelihood, Neurocomputing, 22, 49-67.
Hyvarinen, A. (1998b). New Approximation of Differential Entropy for Independent Component Analysis and Projection Pursuit, in Advances in Neural Information Processing Systems, MIT Press, Cambridge.
Hyvarinen, A. and Oja, E. (1997). A fast fixed-point algorithm for independent component analysis, Neural Computation, 9, 1483-1492.
Hwang, J. S. and Kim, J. H. (2011). A study on the estimation of modal parameters using independent component analysis method, Journal of the Architectural Institute of Korea Structure & Construction, 27, 27-35.
Jeon, C. H., Lee, H. S., Park, H. S., and Hong, J. H. (2006). Estimation of pure component fractions in a mixture using independent component analysis. In Proceedings of the Korean Operations and Management Science Society Conference, 753-757.
Jones, M. and Sibson, R. (1987). What is projection pursuit?, Journal of the Royal Statistical Society Series 4, 150, 1-36.
Jutten, C. and Herault, J. (1991). Blind separation of source, part I: an adaptive algorithm based on neuromimetic architecture, Signal Processing, 24, 1-10.
Papoulis, A. (1991). Probability, Random Variables and Stochastic Processes (3rd Ed), McGraw-Hill, New York.
Pham, D. T., Garrat, P., and Jutten, C. (1992). Separation of a mixture of independent sources through a maximum likelihood approach. In Proceedings of EUSIPCO, 771-774.
Shim, Y. S., Choi, S. H., and Lee, I. K. (2001). Eyeball movements removal in EEG by independent component analysis, Korean Journal of Clinical Neurophysiology, 3, 26-30.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.