선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 위와 같은 관점에서, 본 논문에서는 시계열분석에 적합한 새로운 Hilbert-Huang 변환 (HHT)을 사용하여 시계열의 위상특성을 분석하는 접근 방법을 사용하였다.[3] HHT 은 EMD(empirical mode decomposition) 과정을 통해서 얻어진 intrinsic mode function (IMF) 을구하고 IMF의 힐베르트(Hilbert) 변환을 통해서 신호분석을 하는 과정으로 일반적인 시계열 데이터와 같은 비선형, 비정상 데이터 분석에 적합한 분석 기법이다.
- 나타낸다. 즉, Ci을 제외한 나머지 IMF 의 위상분석은 의미가 없으며(上의 위상값만을 이용하여 시계열간의 상관성을 분석하게 된다.
- 시계열 데이터 간의 상관성을 분석하는 방법은 다양하며 본 논문에서는 각 구간별로 HHT 를 통해서 구한 위상값을 식 (3)과 같이 KOSDAQ의 위상값과 KOSPI의 위상값의 차이인 △©를 구하여 분석한다.[5]
대상 데이터
- [3] HHT 은 EMD(empirical mode decomposition) 과정을 통해서 얻어진 intrinsic mode function (IMF) 을구하고 IMF의 힐베르트(Hilbert) 변환을 통해서 신호분석을 하는 과정으로 일반적인 시계열 데이터와 같은 비선형, 비정상 데이터 분석에 적합한 분석 기법이다. 또한 실험에 사용되는 시계열 데이터는 증권전산원(KOSCOM)을 통해 제공받은 KOSPI, KOSDAQ 지수의 일간 데이터를 사용하였고, 2001년부터 2005년의 구간에서 분석하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.