Earticle

이 연구는 선행연구를 통한 양극화에 대한 개념과 분석방법론 연구를 토대로 하여 총소득을 기준으로 근로소득, 부동산소득, 금융소득, 공적이전소득 등이 각각 양극화에 어떠한 영향력을 가지고 있으며, 지역별로 어떠한 차이가 있는지, 그리고 시계열적으로는 어떠한 추세를 나타내는지를 실증적으로 분석해 지역별 양극화와 자산소득의 시계열적 변화 및 소득항목별 영향력을 파악하고자 한다. 연구의 분석 자료는 한국노동연구원의 1차년(1998년)부터 9차년(2006년)까지 총 9차례에 걸쳐 조사된 노동패널 자료를 사용했으며, 연구방법으로 Wolfson지수의 산출을 통해 지역별 양극화와 자산소득의 추세 및 소득항목별 영향력을 파악했다. 분석결과 도 단위의 양극화 수준과 추세는 전국의 그것들과는 매우 다른 양상을 나타냈으며, 자산소득 중에서도 부동산소득이 대체로 양극화에 부정적인 영향을 미치는 것과는 다르게 금융소득은 지역별로 긍정적인 영향을 미치기도 하는 것으로 나타났다.

In Korea, alongside fast economic growth has come a new challenge: deepening bi-polarization. This paper analyzes the bi-polarization in Korea with respect to in-come source using KLIP(Korean Labor and Income Panel) data during 1998-2004. Further this paper investigates the reasons behind the increasing regional(8 provinces) bi-polarization with respect to income source(financial income, real estate income, public subsidies). When the Wolfson indexes of income bi-polarization were meas-ured by regions, the levels of bi-polarization are so different by regions. Especially, income of real estate caused negative effect on bi-polarization.

이 논문은 학습관리시스템(LMS) 데이터를 활용한 학습 성과 예측 연구의 최신 동향을 분석한다. LMS에는 학 생들의 학습 활동 데이터가 누적되며, 이를 분석하여 성적 예측, 중도 탈락 방지, 맞춤형 학습 지원 등에 활용할 수 있다. 기존 연구에서는 정적 데이터 기반의 기계학습 모델을 활용했으나, 최근에는 시계열 분석과 딥러닝 기법 (LSTM, CNN, DTW 등)을 결합하여 예측 성능을 향상시키는 방향으로 발전하고 있다. 특히 시계열 분석을 통해 학 생의 학습 패턴 변화를 포착하고 조기 경고 시스템을 구축하는 연구가 증가하고 있다. 본 연구는 국내외 학술지의 연 구들을 비교 분석하여 시계열 모델의 필요성과 한계를 논의하고, 향후 강화학습(XAI) 및 실시간 학습 성과 예측 시 스템의 발전 가능성을 제안한다.

This study analyzes recent trends in research on predicting learning outcomes using Learning Management System (LMS) data. LMS accumulates student learning activity data, which can be utilized to predict academic performance, prevent dropouts, and provide personalized learning support. While previous studies primarily used machine learning models based on static data, recent advancements incorporate time series analysis and deep learning techniques (such as LSTM, CNN, and DTW) to improve prediction accuracy. In particular, time series analysis is increasingly used to capture changes in students' learning patterns and develop early warning systems. This study compares and analyzes research from domestic and international journals, discussing the necessity and limitations of time series models and proposing the future application of reinforcement learning (XAI) and real-time learning outcome prediction systems.

We show that, contrary to the belief of linear analysis of international economic growth, it is necessary nonlinear analysis for the Chinese economy to capture economic reformation for extended period from 1952 to 2009. To consider the properties, we provide theoretical justification for nonlinear extension and suggest recently developed empirical specifications to test it. With regional constructed dataset, the results provide supportive evidence for the nonlinear approaches, which is unable to capture with linear form based analysis. The results imply economic change that accompany transition plays an important role to testing the convergence hypothesis.

보복범죄는 형사사법 절차에 협조한 피해자나 증인에게 가해지는 2차 가해이자, 사법 정의 실현을 본질적으로 저해하는 중대한 범죄이다. 최근 스토킹, 가정폭력 등 관계성 범죄가 강력 범죄로 비화하는 과정에서 보복범죄가 지속적으로 증가하고 있으나, 기존 연구는 법리적 해석이나 제도적 비판에 치중하여 실제 발생 양상의 변화를 실증적으로 규명하는 데에는 한계가 있었다. 이에 본 연구는 뉴스 빅데이터 분석 시스템인 ‘빅카인즈(BigKinds)’를 활용하여 2009년 3월 20일부터 2025년 6월 7일까지 보도된 보복범죄 관련 뉴스 데이터를 수집하고, 주요 법률 개정 시점을 기준으로 시기를 구분하여 그 발생 특성과 사회적 인식의 추이를 분석하였다. 분석 기간은 ｢특정범죄신고자 등 보호법｣ 및 ｢특정범죄 가중처벌 등에 관한 법률｣의 제ㆍ개정 시점과 ｢스토킹범죄의 처벌 등에 관한 법률｣ 시행 시점을 기준으로 3단계로 구분하였다. 분석 결과, 보복범죄 관련 보도량은 법적 제재가 강화됨에 따라 오히려 급증하는 양상을 보였다. 제1기(2009~2012년)에는 특정 사건 위주의 단발성 보도가 주를 이루었으며 가해자 처벌에 대한 엄벌주의적 여론이 지배적이었다. 제2기(2012~2021년)에는 보복범죄가 가정폭력 및 데이트폭력과 결합하여 나타나는 경향이 뚜렷해졌으며, ‘피해자’, ‘신고자’, ‘스마트워치’ 등의 키워드가 부상함에 따라 사후 처벌에서 피해자 보호를 위한 예방적 조치로 사회적 관심이 이동하기 시작했다. 제3기(2021~2025년)는 스토킹처벌법 시행 전후로 보도량이 폭발적으로 증가하였는데, 이는 신당역 스토킹 살인사건 등 피해자 보호 시스템의 실패가 드러난 사건들이 기폭제가 되었다. 특히 이 시기에는 ‘반의사불벌죄 폐지’, ‘조건부 구속영장’ 등 구체적이고 실효성 있는 법적ㆍ제도적 보완을 요구하는 목소리가 유사한 수준이었다. 이 연구의 분석을 종합하면, 법률적 제재의 강화에도 불구하고 피해자 보호 시스템의 구조적 결함과 현장 대응의 한계로 인해 보복범죄의 위험성은 여전히 높은 것으로 나타났다. 따라서 향후 보복범죄 대응은 단순한 형량 강화(가해자 처벌)를 넘어, 구속 사유에 ‘보복 우려’를 독자적으로 명문화하고, 피해자 보호 조치의 실효성을 기술적ㆍ제도적으로 보완하는 예방 중심의 체계로 전환되어야 한다. 본 연구는 뉴스 빅데이터를 통해 보복범죄의 시계열적 발생 특성을 규명함으로써, 실질적인 피해자 보호 정책 수립을 위한 기초 자료를 제공했다는 데 의의가 있다.

Retaliatory crimes is a secondary victimization inflicted upon victims or witnesses who cooperate with criminal justice procedures, fundamentally obstructing the realization of judicial justice. While retaliatory crimes have continuously increased alongside the escalation of relational crimes such as stalking and domestic violence, existing studies have focused primarily on legal interpretations or institutional critiques, limiting empirical identification of changes in occurrence patterns. This study utilized ‘BigKinds,’ a news big data analysis system, to collect news data related to retaliatory crimes from March 20, 2009, to June 7, 2025. The study analyzed the characteristics and trends of social perception by dividing the timeframe based on major legal revisions. The analysis period was divided into three phases based on the enactment and revision of the Act on Protection of Specific Crime Informants, the Act on the Aggravated Punishment, etc. of Specific Crimes, and the enforcement of the Stalking Punishment Act. The results showed that news coverage of retaliatory crimes surged despite strengthened legal sanctions. In Phase 1 (2009-2012), coverage was sporadic, focusing on specific incidents with prevailing public opinion favoring strict punishment for offenders. In Phase 2 (2012-2021), retaliatory crimes became distinctively linked with domestic and dating violence. Keywords such as ‘victim’, ‘reporter’, and ‘smartwatch’ emerged, indicating a shift in social interest from post-crime punishment to preventive measures for victim protection. Phase 3 (2021-2025) saw an explosive increase in coverage surrounding the Stalking Punishment Act. Incidents revealing failures in protection systems, such as the Sindang Station murder case, triggered demands for concrete legal supplementation, including the abolition of ‘punishment against will’ and the introduction of ‘conditional detention warrants’. The findings indicate that despite strengthened legal sanctions, the risk of retaliatory crimes remains high due to structural defects in the victim protection system and limitations in on-site response. Therefore, future responses must shift from merely increasing sentences (offender punishment) to a prevention-centered system. This includes explicitly stipulating ‘risk of retaliation’ as independent grounds for detention and technologically and institutionally reinforcing the effectiveness of victim protection measures. This study is significant in that it provides fundamental data for establishing practical victim protection policies by identifying the time-series characteristics of retaliatory crimes through news big data analysis.

This study analyzes the distribution of local governments’ GRDP in Gyeonggi-Province and Chungcheongnam-do. By applying Gini coefficient and variance component analysis method, this study tries to explore the characteristics of the changing GRDP levels, the underlying mechanism of the GRDP distribution, as well as the policy implication of the findings. Results clearly indicate that the inequality of GRDP distribution has been increased in Chungcheongnam-do compared to Gyeonggi-Province. In local governments in Chungcheongnam-do, suffering from stagnation in population, there seems to be a positive correlation between resource augmentation and population increasement. Thus, it could be observed that the rich get richer there. Also, it turns out that the local endogenous factors have much influenced on the GRDP distribution than have the regional and national exogenous factors. That highlights, in turn, the importance of policy engagement and/or policy initiative by local governments to improve their GRDP levels. Future research should also center their analytical focus on selecting more detailed local endogenous factors with a view towards identifying their explanatory value and measuring the magnitude of their impacts on GRDP levels.

유럽 특허 사무국(EPO)에서는 글로벌 특허 데이터베이스를 시계열 분석하여, 4차 산업혁명 기술이 확산된 시점을 2010년 이후로 정의하였고, 본 연구를 통하여 “2010년부터 4차 산업혁명 기술이 제조 분야 전반에 실질적인 파급 효과를 내고 있는지”를 지식 가치 창출 활동과 재무 정 보의 관점에서 실증하였다. 본 연구에서는 4차 산업혁명을 전후하여 지식 가치 창출 활동이 기 업가치 성장 및 경영성과에 미친 영향력의 수준을 재무요소/자산구조와의 관계 측면에서 시계열 중심으로 살펴보았다. 1980년부터 2020년에 이르기까지 국내 상장 제조기업이 가지는 지식 가치 창출 활동 수준과 재무정보를 정량적으로 수집하였다. 수집된 데이터를 2010년을 경계로 4차 산업혁명 전/후 두 그룹으로 나누고, 각 그룹에 대해, 지식 가치 창출 수준 및 강도, 자산 수준, 자산 구조가 기업가치 성장 및 경영성과에 어떻게 영향을 미쳤는지의 상관관계를 분석하고, 다 항 회귀식을 각 그룹 별로 도출하여, 전/후 두 그룹 간에 비교함으로써, 4차 산업혁명 기술이 급 격히 확산된 2010년 이후의 회귀모델의 변화 형태와 기업가치에 유의한 영향을 준 재무요인의 영향력 변화 수준을 정량적으로 파악할 수 있었다. 지식 가치 창출 활동 수준이 기업가치 성장 과 경영성과에 기여하는 정도가 4차 산업혁명 기술 확산된 시기 (2010년) 이후에는 더욱 증가하 였고, 특히 지식 가치 창출 활동 수준 (지식자산)은 경영 성과(당기순이익)보다 기업가치 성장 (시가총액)에 뚜렷한 증가를 나타냈다. 4차 산업혁명 기술의 확산 시점에 대한 유럽 특허청의 특허 DB 분석 결과를 기반으로 하여, 지식 가치 창출 활동을 기업가치 성장과 재무자산의 관점 에서 실증함으로써, 4차 산업혁명 기술이 산업 전반으로 확산된 시점(2010년)을 실증적으로 규 명해볼 수 있었고, 4차 산업혁명 시대에 지식 가치 창출 활동 증가 추세와 연동된 재무 인자들 을 반영한 기업가치 성장 모델을 정량화하는 시도에 본 연구가 도움이 되기를 기대한다.

The European Patent Office Secretariat (EPO) analyzed the global patent database in time series and defined 2010 as the time when the 4th industrial revolution technology began to spread rapidly. Through this study, it was demonstrated from the perspective of knowledge value creation activities and financial information that "whether the fourth industrial revolution technology has a practical ripple effect throughout the manufacturing sector from 2010". This study examined the level of influence of knowledge assets for the corporate value growth& management performance before and after the 4th industrial revolution, focusing on time series in terms of the relationship with the corporate growth & financial factor /asset structure. From 1980 to 2020, the level of intellectual property creation activities and financial information of KOSPI/KOSDAC listed manufacturers were collected quantitatively. The collected data were divided into two groups before and after the 4th Industrial Revolution (as of 2010year). For each group, the level of knowedge value creation activies(intellectual property), asset level, and asset structure's impact on corporate value growth(market capitalization)& management performance(net profit) were quantitatively analyzed based on statistical processing. By deriving correlation and polynomial regression equations for each group and comparing them between the two groups, we could quantitatively grasp the type of change in the regression model and the financial factors that is significantly affected the corporate growth value after the 4th Industrial Revolution. The degree to which knowledge value creation activities contributes to corporate value growth (market capitalization) and management performance (net income) increased further after the 4th Industrial Revolution, and in particular, knowledge value creation actitvities showed a clear increase in corporate value growth (market capitalization) rather than management performance (net income). Based on the European Patent Office's study for patent DB that is 4th Industrial Revolution technology, it is possible to clarify the spread timing of the 4th Industrial Revolution technology from the perspective of corporate value growth and financial assets. And also, this study is helpful in quantitatively studying the corporate value growth model reflecting financial factors linked to the increasing trend of knowledge value creation activities in the era of the 4th industrial revolution

본 연구는 경상북도 경주시 양북면 지역의 결정질 암반의 지하수위 모니터링 자료를 이용하여 지하수 유동 특 성을 평가하였다. 시계열분석 결과, 수리 지질 특성과 강우 사건을 반영한 4가지 변동 유형으로 분류할 수 있 다. 유형 1(DB1-1, DB1-2)은 지하수위가 강우 사건의 영향을 가장 크게 받고 있다. 유형 2(DB1-3, DB1-7, KB -1, KB-2, KB-3, KB-7, KB-14, KB-15)는 공간적으로 단열대 주변에 분포하여 지하수투수특성대 발달이 우수 하기 때문에, 강우의 직접적인 침투와 주단열대를 통한 지하수 유동이 동시에 나타난다. 유형 3(DB-5, DB1-6, DB2-2, KB-10, KB-11, KB-13)은 주단열대와 원거리에 분포한 결정질 암반에 위치되기 때문에 강우의 직접적 인 침투 영향보다는 고지대의 함양지역에서 소규모의 단열대를 통한 지하수 유동이 우세하게 일어난다. 유형 4(DB1-8, KB-9)는 결정질암반의 다양한 불균질성에 의해 지하수위 변동이 영향을 받고 있다.

This study is characterized the groundwater flow pattern near crystalline site of Yangbook-Myeon, Gyeongju City, South Korea. From the time series analyses, groundwater level could be classified into 4 types reflecting the hydrogeological characteristics and rainfall pattern. The type Ⅰ (DB1-1, DB1-2) may be directly influenced by rainfall pattern. The type Ⅱ (DB1-3, DB1-7, KB-1, KB-2, KB-3, KB-7, KB-14, KB-15) may be influenced by rainfall event as well as groundwater flow through water-conducting features. The type Ⅲ (DB-5, DB1-6, DB2-2, KB-10, KB-11, KB-13) may be predominantly happens in the crystaline rock mass, groundwater in this type flows through the minor fracture networks rather than direct effect of rainfall event. The type Ⅳ (DB1-8, KB-9) may be influenced by irregular variation of the groundwater level due to anisotropy and heterogeneity of crystalline rock.

본고는 한국과 ASEAN 간 물동량의 결정요인을 시계열기법과 패널기법으로 분석하였다. 시계열분석 결과, 단위근이 존재하고 불안정적인 변수들 간의 선형관계 존재하는 것으로 나타났다. 이에 장기균형식 추정방법인 FMOLS, DOLS, CCR를 이용하여 장기균형관계를 분석한 결과 BDI와동북아시아 경기의 1% 상승 또는 호조는 각각 물동량을 2.942%-3.155%와 0.182%-0.269% 증가시키는 것으로, 원화의 실질실효환율 1% 상승은 물동량을 1.003%-1.027% 감소시키는 것으로 나타났다. 또한 패널분석 결과 패널변수들은 수준 불안정적이고, 불안정적인 패널변수들 간에는일정한 관계가 존재하는 것으로 나타났다. 이에 패널 장기균형식 추정방법인 패널 FMOLS와 패널 DOLS기법을 적용한 결과, 해운경기, 동북아시아 경기, 실질실효환율은 시계열 분석 방법과유사한 결과를 보여주었다. 그리고 한·ASEAN FTA와 글로벌 금융위기 더미변수를 포함시킨결과 두 변수 모두 통계적으로 유의하며 FTA변수가 글로벌 금융위기 변수보다 더 큰 영향을미치는 것으로 나타났다. 또한 패널 VECM 추정 결과, BDI와 환율, 환율과 경기, 경기와 환율간에 쌍방적인 동태적 인과관계가 존재하며, BDI는 물동량에 일방적인 영향을 주는 것으로 분석되었다.

This study analyzes the determinants and dynamic causality of seaborne trading volume between Korea and ASEAN countries. The seaborne trading volume depends on factors such as the industrial activity in Korea, China, and Japan (NEAIP), the real effective exchange rates of Korea won (KREER), and the shipping market cycle (SMC). In this respect, the time-series estimation results of fully modified OLS (FMOLS), dynamic OLS (DOLS), and canoncial cointegration regression (CCR) models show that 1% increase in NEAIP and SMC increases the Korea-ASEAN seaborne trading volume by 2.942-3.155% and 0.182-0.269%, respectively. Moreover, 1% increase in KREER decreases the trading volume by 1.003-1.027%. With regard to the results of the augmented panel model, the dummy variables of Korea-ASEAN FTA (KAFTA) and global financial crisis (GFC) variables are found to be statistically significant. In addition, the findings in panel dynamic causality indicates that short-run bidirectional causality running from SMC to KREER, from KREER to NEAIP, from NEAIP to SMC, while SMC unilaterally affects the seaborne trading volume. Consequently, Korea’s policies should center on expanding trade with ASEAN countries, preparing for the volatility in BDI, monitoring China, Japan, ASEAN’s industrial activity and exchange rate fluctuations.

한국 증권시장에서 1995년부터 2002년까지의 종합주가지수의 수익률, 균등가중지수의 수익률과 규모별 포트폴리오의 수익률을 이용하여 주말 혹은 휴일을 전후한 거래일의 일간수익률에 자기상관이 어떠한 패턴으로 나타나는지를 분석한 결과, 월요일 혹은 휴일 다음의 첫 거래일의 수익률은 휴장일 전의 마지막 거래일의 수익률과 매우 높은 상관을 갖고 있다는 점을 밝혔다. 또한 일요일 하루만 휴장된 후의 월요일 수익률에 존재하는 자기상관은 토․일요일을 연속하여 휴장한 후의 월요일 수익률에 존재하는 자기상관보다 높게 나타났으며, 휴장일 다음의 두 번째 거래일의 수익률과 휴장일 직후 거래일의 수익률과의 상관이 다른 거래일의 수익률의 자기상관에 비하여 매우 낮게 나타나고 있다. 특히 모든 거래일의 1차 자기상관이 평균적으로 낮은 기간에 있어서는 휴장일 다음의 두 번째 거래일의 수익률은 휴장일 직후 거래일의 수익률과 부(-)의 상관을 갖는 것으로 나타나고 있다.

본 연구에서는 표본기간 1985년 1월부터 2004년 9월까지 한국증권거래소에 상장되어 거래되고 있는 개별주식의 변동성을 시장ㆍ산업ㆍ기업 고유위험으로 분해하여 주식투자위험의 시계열적 변동성에 관해 연구하였다. 분석 결과 국내주식시장의 변동성은 미국에 비해 약 1.8배 높은 수준을 보여주었다. 세분화된 변동성의 경우 지난 20년 동안 기업고유의 변동성이 시장이나 산업변동성과 비교하여 뚜렷하게 증가추세를 보이는 것이 발견되었다. 기업고유의 변동성이 증가추세를 보이는 현상은 개별주식 간 상관관계가 시간에 따라 감소하는 것과 무관하지 않다. 또한 시장과 산업의 변동성에 비해 기업고유 변동성이 상대적으로 크고 유의한 시간적 추세를 갖는 것이 발견되었다.

한국 증권시장에서 1995년부터 2001년까지의 일별수익률 자료를 대하여 증권 수익률의 시계열 상관이 거래회전율이나 수익률 횡단면 공분산에 따른 영향을 분석하여 다음과 같은 결과를 얻었다. 대규모 포트폴리오 수익률의 자기상관계수는 거래회전율 충격과 수익률 횡단면 분산 충격의 후행지표에 따라 감소하며 선행지표에 따라 증가하는 것으로 나타났으며, 종합주가지수 수익률에 대하여 검증한 결과도 대규모 포트폴리오에 대한 분석결과와 거의 유사한 것으로 나타나고 있다. KOSPI 200 주가지수 선물의 수익률에 대하여 검증한 결과 거래회전율충격과 수익률 횡단면 분산 충격의 동행지표와 후행지표는 수익률의 자기상관계수에 주는 영향이 명확하지 않지만, 선행지표는 자기상관계수를 높이는 것으로 나타났다. 그러나 거래회전율 충격과 수익률 횡단면 분산 충격이 수익률의 교차 상관계수에 주는 영향은 유의적이지 못한 것으로 나타났다.

시계열 데이터를 효율적이고 효과적으로 처리하기 위해 다양한 시계열 표현 방법들이 제안되었다. SAX(Symbolic Aggregate approXimation)는 단편화와 이산화 기법들을 결합한 시계열 표현 방법으로, 시계열 분류 문제에 성공적으로 적용되었다. 그러나 SAX는 시계열의 움직임을 평활하여 시계열의 중요한 동적 패턴들을 정확히 표현하기 위해 세그먼트 수를 크게 해야 한다. 본 논문은 PIPs (Perceptually Important Points)탐지 기법과 Persist 이산화 방법을 결합한 시계열 표현 방법을 제안한다. 제안된 방법은 시계열의 중요한 변곡점들을 나타내는 PIP 들을 탐지하여 고차원 시계열의 동적 움직임을 저차원 공간에서 표현한다. 그리고 시계열의 자기 전이와 주변 확률 분포를 KL 다이버전스에 적용하여 최적의 이산화 영역들을 결정한다. 제안된 방법은 시계열의 차원 축소과정에서 정보 손실을 최소화하여 시계열 분류의 성능을 향상시킨다.

Various time series representation methods have been suggested in order to process time series data efficiently and effectively. SAX is the representative time series representation method combining segmentation and discretization techniques, which has been successfully applied to the time series classification task. But SAX requires a large number of segments in order to represent the meaningful dynamic patterns of time series accurately, since it loss the dynamic property of time series in the course of smoothing the movement of time series. Therefore, this paper suggests a new time series representation method that combines PIPs detection and Persist discretization techniques. The suggested method represents the dynamic movement of high-diemensional time series in a lower dimensional space by detecting PIPs indicating the important inflection points of time series. And it determines the optimal discretizaton ranges by applying self-transition and marginal probabilities distributions to KL divergence measure. It minimizes the information loss in process of the dimensionality reduction. The suggested method enhances the performance of time series classification task by minimizing the information loss in the course of dimensionality reduction.

월별 시계열은 일별 시계열의 월별 합이지만, 일별 시계열을 대체로 관측할 수 없어서 요일구성변동, 명절·공휴일변동 등 달력변동을 가상적으로 가정한 가변수를 포함한 RegARIMIA 모형을 이용하여 추정하고 있다. 일별 시계열을 관측할 수 있다면 요일구성변동, 명절·공휴일변동 등 달력변동을 일별 시계열을 바탕으로 추정할 수 있고 이를 이용하여 월별 시계열의 계절조정을 개선할 수 있다. 이 논문에서는 일별 시계열의 달력변동 추정을 이용하여 월별 시계열의 계절조정을 개선하는 방법을 제안하고, 이 방법을 적용하여 3개의 월별 시계열을 계절조정하고 기존의 X-13ARIMA-SEATS를 이용한 계절조정과 비교하였다.

The monthly series is an aggregation of daily values. In the absence of observable daily data, calendar effects such as trading day and holidays are estimated using a RegARIMA model. However, if the daily series were observable, these calendar effects could be estimated directly from the daily series, potentially improving the seasonal adjustment of the monthly time series. In this paper, we propose a method to improve the seasonal adjustment of monthly time series by using calendar variation estimation based on daily time series. We apply this seasonal adjustment method to three monthly time series and compare our results with those obtained using X-13ARIMA-SEATS.

비트코인, 이더리움 등의 가상자산은 주식, 채권, 옵션 등 기존의 투자 자산과 달리 가격 산정의 근거가 되는 기초자산이 존재하지 않는다. 따라서 자본자산가격 결정 모델(CAPM)이나 배당할인(DCF) 모형 등의 가격 결정 매커니즘 분석을 사용하기 어렵다. 따라서 본 연구에서는펜데믹 기간을 포함해서 2019년부터 현재까지 가상자산 시계열 데이터를 이용해 과거 정보의의존경향을 반영하는 LSTM, 페이스북(메타)에서 개발한 구조적 상태 변화를 포착하는데 사용되는 Prophet, 시계열 데이터의 구조적인 변화를 모델링하는데 사용되는 HMM(Hidden Markov Model)을 선정했다. 또한 각 분석 기간을 구분하기 위해서 팬데믹 선언 시점, 미국연준(FRB)의 기준금리 결정 등의 요인을 고려했다. 이를 통해 각 모델의 성능을 평가하고, 기존 시계열 모델인 ARIMA와 비교를 통해 개선점과 한계점을 도출했다. 분석 결과, 신경망 모형을 사용한 인공지능 모델인 RNN, LSTM이 ARIMA 모형에 비해 높은 정확도를 보였다. 이러한 결과는 시계열 데이터의 시간적 의존성, 장기 의존성, 비선형 등의 특징을 잘 반영하기때문에 예측 정확도가 높은 것으로 보인다. 다만. 분석 기간 동안 코로나19로 인한 팬데믹 선언, 미국의 급격한 기준금리 인상 및 비트코인을 비롯한 가상화폐의 저변 확대 등 환경적 요인이 존재한다. 따라서 보다 정확한 모델의 성과 평가를 위하서는 이러한 환경적인 요인이 시계열 및 인공지능 모델에 어떻게 작용하지 분석이 필요하다.

This study examines various artificial intelligence models’ effectiveness in predicting virtual asset prices such as Bitcoin and Ethereum, which, unlike traditional assets, lack a tangible basis for valuation. Given the absence of a reliable pricing mechanism like CAPM or DCF models for virtual assets, the research leverages time series data since 2019, incorporating the pandemic period. It employs models such as LSTM, which accounts for past information dependencies; Prophet, developed by Facebook (Meta) for detecting structural changes; and HMM for modeling data structural shifts. These models were tested against ARIMA, considering factors including pandemic timelines and U.S. Federal Reserve rate decisions. Results showed that the neural network-based models, RNN and LSTM, outperformed ARIMA, attributed to their superior handling of time series data characteristics. However, further investigations into the impact of external factors like pandemic declarations and interest rate changes on model accuracy and virtual asset price prediction are needed.

이 논문에서는 한국의 대기질을 결정하는 중요한 수치인 미세먼지(PM10)에 대한 통계적 고찰을 한다. 2011년 매시 관찰된 자료 분석을 토대로 미세먼지가 매우 높은 시차에서도 강한 양의 상관관계를 가지는 장기 종속 시계열의 특징을 보임을 밝힌다. 또한 주변분포는 꼬리가 두터운 모형으로서 로그-정규분포보다는 일반화 파레토 분포가 훨씬 더 자료를 잘 적합함을 보인다. 하지만 이러한 높은 상관관계는 종종 단순한 평균변화 모형에 의한 그럴듯싸한 가짜 효과에 기인하기도 하여 통계모형을 세우는데 많은 혼동을 준다. 따라서 이 논문에서는 강한 종속성이 장기 종속 시계열에 의한 것인지 아니면 비정상 평균변화에 의한 것인지 근본적인 물리적 모형에 대한 논의를 통계적인 가설 검정을 통해 살펴본다. 그 결과 미세먼지의 강한 종속성은 구조변화에의한 착시 효과임을 밝힌다.

This paper considers the statistical characteristics on the air quality (PM10) of Korea collected hourly in 2011. PM10 in Korea exhibits very strong correlations even for higher lags, namely, long range dependence. It is power-law tailed in marginal distribution, and generalized Pareto distribution successfully captures the thicker tail than log-normal distribution. However, slowly decaying autocorrelations may confuse practitioners since a non-stationary model (such as changes in mean) can produce spurious long term correlations for finite samples. We conduct a statistical testing procedure to distinguish two models and argue that the high persistency can be explained by non-stationary changes in mean model rather than long range dependent time series models.

최근 도시의 양적인 팽창은 미기상(micro meteorology)에 심각한 변화를 일으키고 있으며, 이로 인한 경제적․사회적인 피해도 증가하고 있다. 따라서 기상학분야에서는 다양한 미기상해석모듈(micro scale weather analysis module)을 도시의 특성에 맞도록 개발하고, 이들로부터 얻은 결과물(예측 및 상황정보)에 의해 얻어지는 초고분해능의 기상정보서비스를 실시간으로 제공하고자 노력하고 있다. 본 논문은 기상모델에 의해 생성되는 예측 및 상황정보의 정확도를 평가하기 위해 미국기상청, 영국기상청, 일본기상청 등 선진기상국의 기상청들이 사용하고 있는 기법들을 간단히 소개하고, 이들을 초고분해능인 미기상해석모듈의 평가에 적용 시 발생되는 문제점을 도출함과 동시에 이를 보완하는 새로운 평가기법을 제시하였다. 이를 위해, 시계열스펙트럼의 동일성 측도 및 검정통계를 이용한 시계열군집 알고리즘으로 미기상해석모듈의 결과물이 도시미기상의 시-공간적인 특성을 정확히 설명하는 지를 평가하는 기법을 개발하였다. 또한 남서해안 6개 지역인 광주, 목포, 완도, 장흥, 진도, 해남에서 관측된 풍향시계열의 군집분석을 통해 개발된 기법의 유용성을 보였다.

Rapid urbanization caused serious change in the climate of metropolitan area because quantitative expansions in its urban activity, such as growth of population and building concentration, modify the local circulation of radiation, heat, moisture between the surface and the atmosphere. This increases economic and social harm to the metropolitan area. To circumvent this problem, recently many researchers have tried to develop micro scale weather analysis modules for understanding and forecasting the modified phenomena of local climate in the metropolitan area. This paper discusses various systems which are operating in advanced countries for the purpose of evaluation of the weather analysis modules. We find, however, that the systems do not equip verification tools good enough to evaluate outputs of the micro scale weather analysis modules. Thus, we propose a verification tool to fix these insufficiency and accommodate spatial and temporal characteristics of the outputs of the micro scale weather analysis modules. The tool is a multiple comparison algorithm that tests the equality of a set of time series by using a spectral analysis technique. A real data application demonstrates the utility of the algorithm.

소형 포유류는 육상 생태계 기능 유지에 핵심적인 역할을 수행하지만, 이들의 장기적인 서식지 변화를 평가하는 과정은 조사 자료에 내재된 시간적 편향으로 어려움을 겪는다. 본 연구는 이러한 한계를 극복하기 위해 시계열 정보와 환경 구조를 통합하는 프레임워크에 기반한 종분포모델링을 적용하여, 한국 고유종인 멧토끼(Lepus coreanus)의 장기적인 서식지 적합성 변화(1997-2005년, 2014-2018년)를 분석하였다. 출현 지점에 대한 공간적 핫스팟 분석 결과, 두 시기 사이 출현 지점 분포에는 뚜렷한 차이가 나타났으나, 해당 지점과 연관된 환경 조건은 높은 일관성을 보여 종이 선호하는 환경 조건이 시간에 따라 크게 변화하지 않았을 가능성을 시사하였다. 이에 본 연구는 서로 다른 시기에 관측된 출현 지점에서 환경 정보를 추출하여 하나의 가상 환경 공간을 구성하고, 이를 기반으로 통합 종분포모형 분석을 수행하였다. 통합 분석 결과, 멧토끼의 장기적인 분포 변화는 새로운 지역으로의 이동보다는 기존 분포 범위의 점진적인 축소로 해석될 수 있는 경향이 나타났으며, 특히 저지대 농경지 및 산림 가장자리 지역에서 서식지 적합성이 감소하는 경향이 두드러졌다. 반면, 산악 지역을 중심으로 한 핵심 서식지는 상대적으로 안정적으로 유지되었다. 산림 피복, 고도, 수자원과의 인접성은 서식지 적합성을 결정하는 주요 요인으로 나타났다. 본 연구는 장기출현자료에 내재된 시간적 편향의 영향을 완화하고, 서식지의 공간적 변화 양상을 일관되게 비교할 수 있는 분석 프레임워크를 제시함으로써, 장기 생물 분포 변화 연구에서 지리정보 기반 분석의 활용 가능성을 확장할 것으로 기대된다.

Small mammals play a critical role in maintaining terrestrial ecosystem functioning; however, assessing their long-term habitat dynamics is often constrained by temporal biases inherent in survey data. To address these limitations, this study applied a species distribution modeling framework that integrates temporal information and environmental structure to examine long-term changes in habitat suitability of the Korean endemic hare (Lepus coreanus) across two periods (1997-2005 and 2014-2018). Spatial hotspot analysis of occurrence points revealed pronounced differences in spatial distribution between the two periods, whereas the environmental conditions associated with occupied sites remained highly consistent, suggesting that habitat preferences may have remained relatively consistent over time. These results also suggest that the observed spatial differences may be related to differences in spatial sampling or potential biases in the occurrence data. To ensure cross-temporal comparability, environmental attributes were extracted from occurrence records observed in different periods and integrated into a unified virtual environmental space, upon which a temporally integrated species distribution model was developed. The integrated analysis suggests that long-term distributional changes of the Korean hare can be interpreted as progressive range contraction rather than geographic relocation into new areas. Habitat suitability exhibited a declining tendency in lowland agricultural landscapes and forest-margin areas, while core habitats in mountainous regions appeared relatively stable. Forest cover, elevation, and proximity to water emerged as important predictors of habitat suitability. By mitigating the influence of temporal biases embedded in long-term occurrence data and enabling consistent comparison of spatial habitat changes, this study proposes an analytical framework that expands the applicability of geospatial approaches in long-term species distribution research.