초록 ▼

시계열 분석 및 예측기법은 경제, 경영, 통계, 공학의 제분야에 걸쳐 사용되며 특히 시장동향 파악, 생산 및 제고관리의 필수불가결한 전단계로서 많이 적용되어 왔다. 시계열 분석 및 예측시 일반적으로 특별한 구조가 지속될 것이라는 가정으로부터 출발하여 모형을 설정, 분석 및 예측을 한다.
그러나 실제현상은 일시적으로는 특별한 구조를 유지하지만 시간이 경과함에 따라 그 구조가 변화하게 되므로 그러한 모형을 사용하여서는 정확한 분석과 예측이 곤란한 경우가 빈번히 발생한다.
이러한 문제의 발생시 예측치가 실측치와 상당한

시계열 분석 및 예측기법은 경제, 경영, 통계, 공학의 제분야에 걸쳐 사용되며 특히 시장동향 파악, 생산 및 제고관리의 필수불가결한 전단계로서 많이 적용되어 왔다. 시계열 분석 및 예측시 일반적으로 특별한 구조가 지속될 것이라는 가정으로부터 출발하여 모형을 설정, 분석 및 예측을 한다.
그러나 실제현상은 일시적으로는 특별한 구조를 유지하지만 시간이 경과함에 따라 그 구조가 변화하게 되므로 그러한 모형을 사용하여서는 정확한 분석과 예측이 곤란한 경우가 빈번히 발생한다.
이러한 문제의 발생시 예측치가 실측치와 상당한 차이를 나타내므로 정확한 예측 및 분석을 위하여 지속적인 관찰과 조정의 불편이 따른다. 이러한 불편은 분석 및 예측대상이 되는 시계열의 수가 증가할 수록 해결을 위한 비용이 막대하므로 그 변화를 시스템 자체내에서 감지하여 적응해 나감으로써 인위적 관찰과 조정의 불편을 해소할 수 있는 자동화된 시스템의 디자인이 필요하다.
본 연구에서는 주어진 확률범위내에서 변화가능한 수준과 기울기를 갖고 관측오차들이 복잡한 상관관계를 갖는 구조모형에서, 수준과 기울기가 반복적으로 급격히 변화하는 상황을 그 변화들을 표시 할 수 있는 가변수를 사용하여 동적선형시스템 형태로 모형화 하였다. 또한 그러한 변화들을 감지하고 그 변화량을 추정할 수 있는 일반적인 통계치가 유도된다. 그밖에 주어진 기간내에 일회 구조적 변화가 발생한 것을 알고 있는 경우 그 변화 시점을 판별할 수 있는 통계치가 유도된다.

Abstract ▼

Time series analysis and forecasting has been well applied economics, business, engineering fields. Especially it has been indispensible techniques for market analysis, production planning ant inventory control.
In general, we build the model, analyze and forecast the situation, assuming that a

Time series analysis and forecasting has been well applied economics, business, engineering fields. Especially it has been indispensible techniques for market analysis, production planning ant inventory control.
In general, we build the model, analyze and forecast the situation, assuming that a special structure stands long enough in the situation. However, a real situation frequently changes. By the result, the structure of the model deviates from it and we meet the difficulties in exact analysis and prediction.
To solve such problems, we must continue to observe and adjust the prediction deviating from the data. Since the more data to analyze, the more expenditures to need, we must design an automatic system to detect and adpat to such changes without men's observation and adjustment.
In this research, a structural model with random level and slope components complicated by ARMA measurement noise is introduced, which is equivalent to ARIMA process. The repeated occurances of the level and slope changes are formulated in a form of dynamic linear model by inclusion of a dummy variable representing the changes. The general statistics to detect such changes and estimate the size of the random change are derived. Assuming known that a structural change has occurred during a given period, the posterior distribution of the change-point is also derived.

목차 Contents

• 1. 서론...6
• 2. 관측오차가 ARMA process를 따르는 구조모형...6
• 3. ARIMA process에서 랜덤한 수준 또는 기울기의 급격한 일회변화...7
• 4. ARIMA process에서 랜덤한 수준 또는 기울기의 반복적인 일회변화...8
• 5. 동적선형모형에서의 반복적인 구조변화...9
• 참고문헌...12