Earticle

Several algorithms for bivariate time series modeling are reviewed : linear least square, nonlinear least squares, generalized least square, and multi-stage least square methods. Estimation results of simulated data by the above methods are discussed.

In many forecasting problem, there is little or no useful historical information available at the time the initial forecast is required, The propose of this paper is study on Bayesian Method in forecasting. I : Introduction. II : Bayesian estimation. III : Constant Model. IV : General time series Models. V : Conclusion. The Bayesian procedure are then used to revise parameter estimates when time series information is available, in this paper we give a general description of the bayesian approach and demonstrate the methodology with several specific cases.

본 연구는 한국의 1991년부터 2022년까지 연도별 자료를 이용하여 원자력 에너지와 온실가스 배출 사이의 장･단기 관계를 분석했다. 실증분석을 위해 비선형 자기회기시차 모형(NARDL)과 한계검정법으로 장기균형 관계를 추정했으며 오차수정모형(ECM)을 이 용하여 단기적 관계를 분석했다. 분석결과, GDP는 온실가스배출량에 양(+)의 영향을 미 쳤으며, 원자력에너지와 금융발전은 온실가스배출량에 음(-)의 영향을 미쳤다. 1%의 GDP가 증가할 경우, 온실가스 배출량이 0.78% 만큼 증가시켰다. 금융발전이 1% 증가 할 경우, 온실가스 배출량은 0.14% 감소하는 결과를 가져왔다. 원자력 에너지 1% 변동 이 온실가스배출량에 0.3% 감소 시켰다. 이러한 분석결과는 한국의 원자력 에너지와 온 실가스배출량 사이의 강한 연관성을 보여 주고 있다. 이처럼 원자력 에너지 정책에 대한 국민적 공감과 장･단기에 적합한 정책이 요구된다

This study analyzed the long-run and short-run relationship between nuclear energy and greenhouse gas emissions using annual data from 1991 to 2022 in Korea. For empirical analysis, the long-run equilibrium relationship was estimated using the nonlinear autoregressive lag model (NARDL) and the short-run relationship was analyzed using the error correction model (ECM). As a result of the analysis, GDP had a positive (+) effect on greenhouse gas emissions, and nuclear energy and financial development had a negative (-) effect on greenhouse gas emissions. When GDP increases by 1%, greenhouse gas emissions increase by 0.78%. When financial development increases by 1%, greenhouse gas emissions decrease by 0.14%. A 1% change in nuclear energy reduced greenhouse gas emissions by 0.3%. These analysis results show a strong correlation between Korea's nuclear energy and greenhouse gas emissions. As such, public consensus on nuclear energy policy and appropriate long-run and short-run policies are required.

최근 빅데이터 분석, 딥러닝 등의 발전으로 인해서 데이터를 정량적이고 과학적으로 분석하는 방법론들이 발전하고 있으며, 이는 국가적, 사회적, 경제적 등 다양한 인류의 사회적 문제를 효과적으로 해결해주고 있다. 이처럼 과학적인 분석 기법을 적용하기 위해서는 데이터의 질과 양이 중요한데 데이터의 양이 부족한 경우에는 기계학습과 빅데이터 분석과 같은 과학적 방식에 적용하는 것이 매우 어렵다. 예컨대 거시 경제와 같은 데이터는 데이터 공시 시점이 상대적으로 긴 기간을 주기로 설정되거나 또는 자산 중에서 부동산과 관련된 지표는 자산이 매우 비 유동적이어서 공시 주기가 긴 경우가 많다. 따라서 본 연구에서는 이러한 데이터 부족에 대한 한계점을 해결하기 위해 전통적인 GAN 모형을 변형한 TimeGAN 모형을 통해 기존의 시계열을 확장하는 방안에 대해서 연구하고자 한다. 이를 위해서 경제 지표와 관련된 총 50개의 시계열을 데이터 셋에 맞게 2013년부터 2022년까지 월 단위로 시계열 데이터를 수집하고 데이터 간의 상관관계를 통해서 총 10개의 최종 시계열을 선정한다. 그리고 TimeGAN 모형을 통해 10개의 실험 시계열을 생성 및 확장을 한 후, PCA 및 t-SNE 시각화 알고리즘을 바탕으로 실제와 확장 데이터 간의 통계적 분포의 유사성을 입증했다. 즉 본 연구를 통해서 협소한 데이터에서 오는 다양한 잠재적 한계점을 극복할 수 있는 가능성을 확인할 수 있었다. 따라서 데이터의 과소적합과 같은 단점을 극복하기 위한 앞으로의 다양한 연구에서 본 논문이 긍정적인 참고문헌이 되기를 기대한다.

Due to the recent developments in big data analysis and deep learning, methodologies for quantitatively and scientifically analyzing data are developing, which effectively solve various human social problems such as national, social, and economic. In order to apply such a scientific analysis technique, the quality and quantity of data are essential. Still, when the amount of data is insufficient, it is challenging to apply it to the scientific method. For example, data such as the macroeconomy are often set to have a relatively long period of data disclosure, or because the assets of real estate-related indicators among assets are very non-floating, the presentation period is often long. Therefore, in order to overcome the limitations of this data shortage, this study intends to study how to expand the existing time series through the TimeGAN model. A total of 50 time series related to economic indicators were collected on a monthly basis from 2013 to 2022, according to the data set, and a total of ten final time series were selected through the correlation between time series. As a result of expanding ten time series through the TimeGAN model, the similarity between the statistical distribution of the actual and extended data was proved based on the PCA and t-SNE visualization algorithms. Through this study, the possibility of overcoming various potential limitations arising from narrow data could be confirmed. Therefore, it is expected that this paper will be a positive reference in various future studies to overcome shortcomings such as data underfitting.

익스트림 러닝머신은 다양한 방식의 예측 분야에서 주요 분석 방법을 제공하고 있다. 시계열 자료의 복잡한 패턴을 학습하고 잡음이 포함되어 있는 데이터이거나 비선형인 경우에도 최적의 학습을 통하여 정확한 예측을 할 수 있다. 이 연구에서는 온라인 시계열 자료를 분석하는 도구로서 주로 연구되고 있는 기계학습 모형들의 최근 동향들을 기존 알고리즘을 이용한 응용 특성들과 함께 제시한다. 지속적이고 폭발적으로 발생하는 대규모 온라인 데이터를 효율적으로 학습시키기 위해서는 다양하게 진화 가능한 속성에서도 잘수행될 수 있는 학습 기술이 필요하다. 따라서 이 연구를 통하여 시계열 예측 분야에서 빅데이터가 적용되는 최신 기계 학습 모형에 대한 포괄적인 개요를 살펴보고, 빅데이터에 대한 기계 학습의 주요 과제 중 하나인 온라인 데이터를 학습하는 최신 모형들의 일반적인 특성과 온라인 시계열 자료를 얼마나 효율적으로 학습하고 예측에 활용할 수 있는지에 대하여 논의하고 그 대안을 제시한다.

Extreme learning machines (ELMs) are a major analytical method in various prediction fields. ELMs can accurately predict even if the data contains noise or is nonlinear by learning the complex patterns of time series data through optimal learning. This study presents the recent trends of machine learning models that are mainly studied as tools for analyzing online time series data, along with the application characteristics using existing algorithms. In order to efficiently learn large-scale online data that is continuously and explosively generated, it is necessary to have a learning technology that can perform well even in properties that can evolve in various ways. Therefore, this study examines a comprehensive overview of the latest machine learning models applied to big data in the field of time series prediction, discusses the general characteristics of the latest models that learn online data, which is one of the major challenges of machine learning for big data, and how efficiently they can learn and use online time series data for prediction, and proposes alternatives.

과적합 현상은 금융 시계열 자료 예측 작업을 수행하기 위해 신경망 모형을 활용할 때 발생하는 주요 문제 중 하나이다. 금융 시계열 자료는 다른 분야에 비해 상대적으로 자료 개수가 적어 과적합 특징이 두드러지는 경향이 있다. 우리는 본연구를 통해 제시한 임의 증강 기법 알고리즘으로 신경망 기반 시계열 자료 예측 작업에서 과적합을 완화하는 방법을 제안하고자 한다. 본 연구의 신경망은 LSTM 순환 신경망 구조를 가지며, 제안 방법은 학습 과정에서 단계적으로 학습 기울기를 감소시키면서, 학습자료를 확률적으로 증강하는 방식을 따른다. 제안한 알고리즘의 성능을 검증하기 위해 가장 유명한 변동성 지수인 VIX 지수 시계열을 네 개의 구간으로 나누어 교차 검증을 진행하였다. 본 연구에서 진행한 실험 결과에 따르면 학습자료 증강 과정에서 임의선택영역 비중이 증가할수록 모형의 예측 성능이 향상되는 경향을 보이며, 알고리즘이 적용되지 않은 보편적인 LSTM 신경망과 비교하였을 때 네 개의 교차 검증 데이터에서 RMSE 수치가 각각 23%, 34%, 32%, 34% 감소하여 과적합 현상 완화에 효과적임을 확인하였다.

Overfitting is one of the major challenges encountered when using neural network models for financial time series forecasting tasks. The nature of financial time series data, often sparser than in other fields, tends to exacerbate the symptoms of overfitting. In this study, we propose a method to alleviate overfitting in neural network-based time series forecasting tasks through a novel data augmentation algorithm. The neural network structure employed in this research is a Long Short-Term Memory (LSTM) recurrent network. The proposed method gradually reduces the learning rate during the training process, whilst randomly augmenting the training data. To validate the performance of the proposed algorithm, we divided the VIX Index, into four sections and performed cross-validation. When compared to a standard LSTM network without the application of our algorithm, we confirmed that the Root Mean Square Error (RMSE) was reduced by 23%, 34%, 32%, and 34% in each cross-validation section respectively.

대기 중 이산화탄소는 온실가스로서 지표면으로부터 방출되는 복사에너지를 흡수하여 지표면의 생명체가 살기에 적당한 온도를 유지해주는 역할을 하고 있다. 그러나 급격한 산업화 과정 등의 인간의 활동으로 최근 들어 이산화탄소 농도가 증가하게 되면서 지구 온난화의 원인이 되고 있다. 이산화탄소 농도변화를 구체적으로 이해하고 모니터링하기 위하여 많은 연구은 현재와 과거의 이산화탄소와 관련한 수치 모형을 통하여 학습하고 미래의 이산화탄소 농도를 예측하고 있다. 본 연구에서는 국내 기상청에서 측정된 이산화탄소 농도 자료를 함수형 시계열 자료 모형에 의하여 추출된 자료라 간주하고 함수형 자료 분석 방법과 시계열적 분석 방법을 결합하여 함수 간의 시계열 모형을 소개하고 미래의 이산화탄소 농도를 예측하고자 한다. 기존의 연구는 연간 관측된 이산화탄소 농도를 계절 및 공간적 분류를 적용한 후 전통적인 시계열 및 경시적 자료 분석 기법을 활용하였다. 그러나 측정된 이산화탄소 농도는 시간이라는 정의역 공간위에서 관측되어진 연속함수로 가정하는 것이 개별적인 시점의 이산화탄소 농도를 독립적으로 가정하는 것보다 더 타당해 보인다. 따라서 전통적인 분석법에서 탈피하여 관측되는 자료를 함수형 자료로 가정하고 함수열 간의 시계열 관계를 유추하는 통계학적 방법을 사용하여 2001년부터 2021년까지 수집된 국내 이산화탄소 농도에 관한 시계열 관계를 추정하고자 한다. 또한 특정한 미래 시점이 주어진 경우 이산화탄소 농도를 예측할 수 있는 방법을 소개하자 한다.

Carbon dioxide (CO2) in the atmosphere is a greenhouse gas that absorbs radiant energy emitted from the earth's surface and maintains a suitable temperature for life on the earth. However, human activities such as rapid industrialization have recently increased the concentration of CO2, which has become a cause of global warming. In order to understand and monitor changes in CO2 level, many studies are learning through numerical models related to current and past CO2 level and predicting future CO2 level. In this study, we consider the CO2 data measured by the Korea Meteorological Administration as a functional time-series data model, incorporate the functional data method with the time-series method. Existing studies have used traditional time-series and longitudinal data approaches after fixing seasonal and spatial criterion to entire CO2 data. However, assuming that the CO2 level is a continuous function over the time space looks more reasonable than assuming the CO2 level is a scalar at individual time point. Therefore, a part from the traditional methods, we assume the observed data as functional data and use a functional data method to infer the dependent relationship between the functions and apply such a approach to the CO2 data collected from 2001 to 2021 in Korea. Also, we introduce forecasting method that can predict the CO2 level for a specific future time.

[연구목적] 본 연구는 최근 개인투자자들이 시스템 거래를 통해 많이 사용하는 기술적 거래전략에 대한 유용성을 파악한다. [연구방법] 기술적 분석을 지지할 수 있는 이론적 배경은 시장이 약형 효율적이지 못하거나 예측가능한 패턴이 존재한다는 점이다. 이를 위해 점프 AR－GARCH 모형을 통해 KOSPI 시장과 비트코인의 시계열 특성을 파악하고 그 잔차에 대한 비선형성 검증을 시도하였다. 이를 기초로 시계열 특성을 반영할 수 있는 몬테카를로 시뮬레이션을 구축하여 이동평균선, 상대적 강도 지수, 변동성 돌파 전략, 볼린저 밴드 등의 기술적 분석 전략에 대한 매수보유전략 대비 초과성과를 분석하였다. [연구결과] 국내 주식시장과 비트코인은 점프 AR－GARCH모형에 잘 적합하며, 동시에 그 잔차에서는 비선형성은 제거되었다. 백색잡음, 자기상관, 이분산성, 점프, 카오스 시계열 특성하에 시뮬레이션 결과는 모든 가정과 전략에서 유의적으로 매수보유전략에 비해 열등한 결과를 갖고 있다. [연구의 시사점] 많은 개인 투자자들이 쉽고 간편하다는 이유로 기술적 분석 전략을 자동매매 프로그램에 사용하고 있는데, 시계열 특성에 대한 검증없이 사용하는 것은 문제가 있음을 보여주고 있다.

[Purpose] This study analyzes the effectiveness of the technical trading rules recently used by individual investors as algorithm tradings. [Methodology] The theoretical background that can support technical analysis is that the market is weakly inefficient or there are predictable patterns. To this end, the time series characteristics of the KOSPI market and Bitcoin are identified through the Jump AR－GARCH model, and nonlinearity verification of the residuals is tested. Based on this, Monte Carlo simulation, which reflect time series characteristics, is constructed to analyze the excess performance compared to buy and hold strategy for technical analysis strategies such as moving average relative strength index, volatility break－out strategy, and Bollinger band. [Findings] The domestic stock market and Bitcoin are well fitted to the Jump AR－GARCH model, and at the same time, nonlinearity is removed from the residual. Under the characteristics of white noise, autocorrelation, heteroscedasticity, jump, and chaotic time series, technical trading rules have significantly inferior results to buy－hold strategies in all assumptions and strategies. [Implications] Many individual investors are using technical analysis strategies for automatic trading programs because they are easy and simple. This study shows that time series characteristics should be fully considered before use.

기업 부도모형에 사용되는 데이터는 정상기업이 부도기업에 비해 압도적으로 많이 관측되는 대표적인 불균형 데이터이며, 과거 및 현재의 재무변수를 사용하여 부도 사건을 예측하는 시계열 데이터의 특성을 지니고 있다. 따라서 예측모형을 구축하는데 있어 이러한 데이터의 불균형 문제와 시계열적 특성의 반영에 각별한 주의가 필요하다. 본 연구는 부도 예측모형 구축과정에서 고려해야 하는 불균형 자료 해소와 시계열 자료의 특성이 반영된 모형 검증방안에 대한 비교연구를 진행하였다. 실증분석을 위해 한국거래소에 상장된 기업을 대상으로 부도모형을 구축하였고, 모형의 예측 성능을 비교분석 하였다. 이를 통하여 첫째, 학습데이터의 불균형 문제는 oversampling기법을 고려할 때 예측모형의 일반화 성능을 확보할 수 있음을 확인하였다. 하지만, oversampling기법 간의 성능 차이는 뚜렷하게 나타나지 않았다. 둘째, 일반적으로 많이 사용하는 k-fold 교차검증과 전진교차검증을 비교한 결과 시간의 흐름에 대한 고려 없이 추정된 모형을 사용하였을 때 그 예측 성과가 과대 추정될 수 있음을 확인하였고, 이를 통해 시계열 데이터에 대한 전진교차검증의 필요성을 보였다.

The data used in the corporate default model is imbalanced; observation of non-default is overwhelmingly more prominent than the default case. Additionally, the data also have the characteristics of time series, i.e., the default events in the future are predicted by lagged financial statements. Therefore, We must consider the characteristics of imbalanced and time-series in the modeling process for default events. In the paper, we studied the model process with imbalance problems and model validation for time-series. We conducted empirical analysis on corporates listed on the Korea Exchange to construct a default model and compared the prediction performance by applying various machine learning classification algorithms. First, we confirmed that the problem of imbalance in train data could secure the generalization performance of the prediction model only when the oversampling method is considered. However, there is no significant difference in predicting performance between the oversampling methods. Second, we compared the k-fold cross-validation and time-series cross-validation. Moreover, we confirmed that the model could overestimate prediction performance without considering a timely manner. Thus, We confirmed the necessity of time-series cross-validation for the classification model using the time series data.

The purpose of this paper was to analyze the trend of container volume using the Seasonal Autoregressive Intergrated Moving Average (SARIMA) model. To this end, this paper used monthly time-series data of the East Sea Rim from 2001 to 2019. As a result, the SARIMA(2,1,1)12 model was identified as the most suitable model, and the superiority of the SARIMA model was demonstrated by comparative analysis with the ARIMA model. In addition, to confirmed forecasting accuracy of SARIMA model, this paper compares the volume of predict container to the actual volume. According to the forecast for 24 months from 2020 to 2021, the volume of containaer increased from 60,100,000Ton in 2020 to 64,900,000Ton in 2021

한미관계는 한반도 안보와 동아시아 국제질서에 핵심 축의 하나라고 할 수 있는 만큼 국내의 국제정치학계에서 가장 빈번하게 연구되어 온 주제이다. 한미관계 연구의 중요성에 비해 연구 방법론은 주요 사건을 중심으로 행정부의 변화를 기준으로 사례연구의 전통적인 분석에 치중한 면이 있었다. 본 연구는 기존연구의 한계를 극복하고 새로운 빅데이터 기법으로 축적한 GDELT 시계열 자료를 활용하여 한미동맹의 변화에 대한 ARIMA 분석을 적용하여 한미관계의 경향과 예측을 경험적으로 분석한 연구이다. 미국의 대한국 협력과 분쟁, 그리고 한국의 대미국 협력과 분쟁을 포함한 4가지 시계열 자료를 활용하여 사회과학의 여러 분야에서 사용되는 ARIMA 모델을 통해 한미 간의 협력과 분쟁의 증감에 대한 설명을 제시하였다. 이미 종결된 한미관계에 대한 사후예측(post-diction)이라는 비판에도 불구하고 향후 국제관계연구에 시계열 분석을 활용할 수 있는 방법론적 적용가능성을 제시하였다는 점에서 본 연구의 학문적 및 정책적 의미를 찾을 수 있다. 예를 들면 미국의 한국에 대한 분쟁 시계열의 분석에 있어서 한국의 미국에 대한 분쟁은 당시 한미관계의 주요 현안인 전작권 연기와 사드배치 및 전투기 구매와 관련하여 한국은 미국의 적극적인 협력을 요구하는 상황이었고, 미국은 한국에 대한 적극적 관여정책을 통해 동아시아에서 미국의 국익을 확장할 수 있다는 점에서 미국의 한국에 대한 분쟁의 여지는 한국의 미국에 대한 분쟁의 여지 보다 훨씬 더 낮았다는 점을 설명하고 있다.

The relationship between Korea and the U. S. is one of the key axes for the security of the Korean peninsula and the regional order in East Asia. In contrast to the importance of research on the relationship between South Korea and the U.S., the methodology of the research centered on the traditional analysis of case studies based on the changes of the administration centered on major events. This study is an empirical study on the tendency and predictions of the U. S.-South Korea relations by applying the ARIMA model on the GDELT time series data accumulated with the big data technique. The ARIMA model, which is used in various fields of social science disciplines, explains the increase and decrease of cooperation and disputes between the U. S. and South Korea through using the our sets of the time series data including the U. S.-South Korea cooperation and disputes, and the South Korea ? the U. S. cooperation and dispute. Despite the criticism that the post-diction of Korea and the U. S. has already been concluded, we can find the academic and policy implications of the study in this paper. It suggests the possibility of applying the time series analysis to the international relations research in the future. For example, in the analysis of the disputed time series of the U. S.-South Korea dispute data, South Korea was required to actively cooperate with the United States regarding the postponement of the conversion of wartime operation. The U. S. expands its national interests in East Asia through its active engagement policy in the Korean Peninsula. This type of security situation can explain that the possibility of America’s dispute over South Korea is much lower than the possibility of South Korea’s dispute over the U. S.

본 연구는 이익조정 추정치를 산출하기 위하여 적용하는 OLS 모형, Roychowdhury(2006) 방식, Cohen et al.(2008) 방식, 고정효과모형의 이익조정 값을 비교하여 보고 OLS, one-way, two-way, 고정효과모형으로 구성된 가설검증 모형에 투입하였을 때 어떠한 차이가 있는지를분석하였다. 검증결과 비정상재량적비용이나 비정상제조원가의 값은 적용된 산출 모형에 따라큰 차이가 나고 있는 것으로 확인되었다. 11개 산업별로 구분한 비정상재량적비용의 평균값은Cohen et, al(2008) 방식에 의한 경우 음(-)의 값을 가지나, OLS 등 다른 세 모형에 의한 값은양(+)의 값을 보이고 있다. 음, 양을 구분하지 않고 비정상재량적비용의 값이 가장 작은 것은고정효과모형에 의한 것이고 가장 큰 것은 OLS 모형에 의한 것이다. 비정상재량적비용을 연도별로 구분한 다음 평균한 값을 보면, Cohen et, al(2008) 방식에 의한 경우 양(+)의 값을 가지고 있으나 다른 세 가지 모형에 의한 경우 모두 음(-)의 값을 보이고 있다. 값이 가장 작은것은 Roychowdhury(2006) 방식에 의한 값이고 가장 큰 것은 Cohen et,al(2008) 방식에 의한경우이다. 비정상제조원가를 대상으로 한 분석에서 산업별 구분 후 평균한 값을 보면, Cohen et,al(2008) 방식에 의한 경우는 양(+)이지만, 다른 방식 또는 모형에 의한 경우는 모두 음(-)이었다, 값의 크기도 각기 다른 것으로 나타났다. 안수경·이병철(2014)의 사채발행 연구 모형을 OLS, one-way, two-way 고정모형으로 변용하여 이익조정치를 투입한 결과, OLS 모형, Roychowdhury(2006) 방식, Cohen et al.(2008) 방식, 고정효과모형 등 어떠한 모형에 의하여 산출된 이익조정치라고 하더라도 본 모형에서 다시 한번 산업과 연도 의존성을 통제하는 것이 필요하다는 것을 발견하였다. 가설검증 모형에서 산업과 연도를 고정할 경우 모형의 설명력을 나타내는 R2가 지속적으로 상승하였다. Roychowdhury(2006)와 Cohen et,al(2008) 방식에서 서로 다른 통계 결과가 발견되기도 하였다. 네 개 모형에 의한 이익조정치들의 서열 일치성을 검증하기 위하여 고정효과모형의 이익조정치를 크기순으로 서열을 매긴 후 그 서열 값을 독립변수로 하여 OLS모형, Roychowdhury(2006), Cohen et,al(2008) 방식에 의한 이익조정치를 단순회귀분석한 결과 통계적으로는 차이가 없었으나 서열 일치성은 차이가 있는 것으로 보였다. 향후 어느 모형에 의한 이익조정치가 가장 실제 이익조정치에 가까운 것인지에 대한 후속 검증이 필요하다고 사료된다.

This study examined the differences of earnings management estimates generated from models of the simple OLS, Roychowdhury(2006), Cohen et al.(2008), fixed effect and found the abnormal discretionary expense(ADE) or the abnormal manufacturing cost(AMC) was to vary greatly depending on the applied model. The average value of ADE classified by 11 industry groups is negative(-) in case of Cohen et al (2008) method, but the value of other three models such as OLS shows positive(+). The least amount of ADE is from the fixed effect model and the largest is from the OLS model. The average value of ADE by year is positive in case of Cohen et al. (2008), but negative in case of all other three models. The smallest estimates is by the Roychowdhury (2006) method and the largest is by the Cohen et al (2008) method. In the analysis of AMC, the average estimates was positive(+) in the case of Cohen et al (2008). The magnitude of AMC was different like ADE by the applied model. Research model of Ahn and Lee(2014) is adopted as transfiguration of the OLS, one-way and two-way fixed models to identify the different effects of estimates from the models such as the simple OLS, Roychowdhury(2006), etc. It is necessary to re-control industry and year dependence in the adopted model. When the industry and the year are fixed in the hypothesis-proofing model, R2, which indicates the explanatory power of the model, is continuously increased. Different statistical results have been found depending on the methods of Roychowdhury (2006) and Cohen et al (2008). In order to verify the degree of consistency of the earnings management estimates by the four models; the OLS model, Roychowdhury (2006), Cohen et al., (2008), method and fixed effect model, we compare the sequential order of estimates. There was no statistically significant difference, but there was a difference in the degree of sequence consistency. In the future, it will be necessary to research earnings management estimates from which model is the best proxy of the true estimates of earnings management.

In analyzing the real estate market, advanced research using macroeconomic variables have been conducted; however, this research is limited in dealing with monetary and fiscal policy. They do not properly represent the phenomenon of differences between regions. Apart from variables of the fiscal and monetary policy, which were studied in advanced research, this study analyzes a relationship of impact on apartment sales price in Daejeon City by utilizing the economic sentiment index, an leading index in consumption and economy, and variables directly related to the price: residential mortgage, apartment transactions and number of unsold apartments. The results of analysis are as follows: First, a unit root test was conducted to secure stability in the economic time series data. Stability in materials are secured through the first difference for CD interest rates, log conversion for apartment transactions and log first difference for other variables. Second, the results of the Granger causality test indicates that apartment sales prices are influenced by CD interest rates and number of unsold apartments. Third, according to the Johansen system cointegration test, two or more variables have a linear relationship. As the analysis was conducted by the VEC (Vector Error Correction) model, a long-run equilibrium relationship was identified for apartment sales price. Lastly, analysis of impulse response and variance decomposition shows that all variables have an impact on apartment sales price in the long term. This study examined short-run and long-run equilibrium relationships between variables through the VEC model by applying direct variables for apartment sales price in Daejeon; however, it is required not only to collect data in the long term, but also to study the development of proxy variables for apartment sales price further with the aim of overcoming constraints for variables in the economic time series data and ensuring detailed analysis. This requirement needs to be achieved in the future.

언론학계에서는 의제설정 연구를 비롯하여 적지 않은 시계열 내용 분석 연구가 이루어졌다. 그동안 시계열 방법론 측면에서는 많은 발전이 있었지만 수작업에 의존하는 전통적 내용 분석 방법으로는 대규모 내용 분석에 난관이 많았다. 이 연구는 본격적인 장기 시계열 연구를 수행하기 위해자연어 처리와 의미연결망 분석이 결합된 뉴스 빅데이터 분석을 활용할 것을 제안한다. 또한 26년치(1990～2015) 8개 중앙지(〈경향신문〉, 〈국민일보〉, 〈동아일보〉, 〈문화일보〉, 〈서울신문〉, 〈세계일보〉, 〈한겨레신문〉, 〈한국일보〉)의 정치와 사회면 기사 약 100만 건에 대해 분석했다. 기사는한국언론진흥재단 뉴스 빅데이터 시스템인 ‘빅카인즈’를 활용하여 수집하고 자연어 처리한 뒤 기사의 정보원과 인용문 주제 중심으로 의미연결망 분석을 실시하여, 매체별로 정보원과 주제의 시계열적 변화를 살펴보았다. 분석 결과, 사회면 주제를 제외하면 중요도 최상위권 정보원과 주제의매체 간 차이는 크지 않았던 반면, 시계열적으로는 2000년 전후로 가장 중요한 정보원과 인용문주제가 전면적으로 변화하는 양상을 보였다. 기사당 정보원 수와 기사당 인용문 주제 수는 매체별로 다소 차이는 있지만 대체로 하락했다. 이 연구는 뉴스 빅데이터 분석을 활용해 수집된 온라인기사 전수에 대해 지속적으로 모니터링하면서 자동화된 장기 시계열 내용 분석 데이터를 축적할수 있을 뿐만 아니라, 이를 바탕으로 경제지표 등 다양한 시계열 데이터와 정교한 비교연구를 할수 있는 토대를 마련했다는 데 의의를 갖는다.

Time series content analysis in communication studies such as agenda setting theory is increasingly popular. There have been methodological advances in time series analysis. However, it is impossible to do content analysis for a large number of news articles with traditional manual techniques. This study suggests news big data analytics for automated time series content analysis in a long term, mixing natural language processing (NLP) and semantic network analysis of news. A pilot study focusing on news sources and quotes’ topics is also conducted analyzing news about political or social issues. Around one million news articles for 26 years (1990～2015) are collected from 8 major nationwide Korean dailies including Kyunghyang Shinmun, Kukmin Ilbo, Donga Ilbo, Munhwa Ilbo, Seoul Shinmun, Segye Ilbo, Hankyoreh, and Hankook Ilbo. NLP with ‘BigKinds’, a news big data analysis database developed by Korea Press Foundation, and semantic network analysis with independent development tools are used. Studies showed that less differences among newspapers and complete time series changes between 1990s and 2000s were found in the most important sources and topics except for topics in society section. The number of sources and topics per article has decreased in general. Sophisticated automated times series content analysis in a long term enables researchers to monitor the press system as a whole and to compare other time series data such as many economic indexes.

This study aims to introduce BATS (exponential smoothing state space model with Box-Cox transformation, ARMA errors, trend and seasonal components) model and TBATS (trigonometric exponential smoothing state space model with Box-Cox transformation, ARMA errors, trend and seasonal components) model and evaluate the estimation and forecast accuracy on retail meat prices, which have the trend and seasonality by BATS model, TBATS model, and seasonal ARIMA (seasonal autoregressive integrated moving average) model. While BATS model and TBATS model include trend and seasonality, seasonal ARIMA model excludes them in the analysis because trend and seasonality are considered error terms. The research results revealed that although the three time-series models have the high estimation and forecast accuracy, BATS model and TBATS model have more usefulness than seasonal ARIMA model. The former models provide information on trend and seasonality, whereas the latter does not. This information would be helpful establishing a long-term plan to stabilize retail meat prices as well as offering valuable data for the stakeholders who need short-term future prices.

본 연구에서는 다변량 시계열 분석을 사용하여 정보보호 자료에 대한 모형화 및 미래 예측 문제를 다루었다. 특히, 도메인 등록건수, 악성코드 피해신고, 해킹사고 접수처리, MC-Finder 탐지건수, 그리고 허니넷 유입 악성코드 수 등 다섯 가지 정보보호 자료를 시계열 분석에 활용하였다. 시계열 간 1차 상관성에 관심을 둔 유사지수를 사용하여 다섯 가지 자료의 연관성을 살펴보고, 유사지수에 따라 정보보호 변수들을 (도메인, 악성코드, 해킹)과 (악성코드, MC-Finder, 허니넷)이라는 두 집단으로 분리한 후 각 집단에 대한 상태공간분석을 시도하였다. 도메인, 악성코드, 해킹 집단에 대해서는 VARMA(2,1) 모형이, 악성코드, MC-Finder, 허니넷 그룹에 대해서는 VARMA(1,1) 모형이 적합되었다. VARMA(2,1) 모형에서는 AR 계열들의 관련성이, VARMA(1,1)에서는 MA 계열들의 관련성이 주로 관찰되었는데, 악성코드의 경우 MC-Finder의 한 시점 전에 양의 영향을 받고 있음을 확인하였다. RMSE를 사용하여 다변량 모형과 지수평활법, 단변량 ARIMA 모형 등 일변량 모형과의 예측력을 비교하였는데, 허니넷을 제외하면 다변량 ARMA 모형의 RMSE가 일변량 시계열모형보다 낮게 나타나 다변량 모형 적합이 적절함을 확인하였다.

In this paper, we considered the multivariate time series analysis using the state space model related to information securities data which were the numbers of Korean domain registration, the numbers of receipt for hacking incidents, reporting numbers of malware, the numbers of detection in MC-Finder system, and influx numbers of malware into Honey net. The similarity index was used to explore the relevance between the variables. The VARMA(2,1) was fitted for the variables of domain, malware and hacking, and VARMA(1,1) was fitted for the variables of malware, MC-Finder and Honey net. There was a AR term mainly involved in VARMA(2,1) and a MA term involved in VARMA(1,1). Especially, malware was affected by the 1-step previous values of MC-Finder. For the comparison of forecasting capability, we used the RMSE of exponential smoothing model and autoregressive integrated moving average model. Except Honey-net series, multivariate model was provided better forecasting performance than the other univariate time series models.

The purpose of this study is to find out the method appropriate for the forecasting of traveler demand using time series model and efficient operation in Dok-do office. Time series monthly data for the investigation were collected ranging from Apr. 2005 to Mar. 2013. A total of 96 observations were used for data analysis. Research findings showed that the multiplicative seasonal ARIMA(1,0,11)(1,1,0)12 model was the most appropriate among models. The number of traveler in Dok-do was expected to continually rise and surpass 25 million in 2015. Based on the predictive results of time series model, the improvement issues and suggestions of Dok-do tour are as following: Firstly, in order to maintain the Dok-do traveler, we need to improve coastal ferry route and facilities. Secondly, in order to expand the tourism revenue by maintaining the Dok-do traveler demands, it is necessary to carry out policies to maintain and develop Dok-do tourism products.

본 연구는 국회입법지원제도의 정책효과를 분석함과 동시에 이러한 국회입법지원제도의 정책효과가 나타나는 일련의 과정이 동형화(isomorphism) 개념을 통해 설명하고자 하였다. 특히, 본 연구에서 제도설명의 기반으로 제안하는 동형화는 향후 또 다른 제도나 정책의 도입을 설명하는데도 유용할 것이라고 판단되며, 동형화의 설명을 기반으로 한다면 국회입법지원제도의 수용 및 정착은 발의안 또는 가결안을 증대시키는 효과를 가져올 수 있다는 것을 이론･논리적으로 이해할 수 있다. 분석을 위해 제시된 두 가지 모형의 결과에 기반할 때 국회입법지원처의 신설은 정책효과가 있었음을 확인할 수 있었으며, 이러한 변화수준은 영구적이지 않을지라도 오랫동안 지속될 것이라는 분석적 함의를 얻어낼 수 있었다. 이는 국회입법지원처가 제도적인 수용이 잘 이루어지고 있는 과정이며, 향후에도 효과가 나타날 수 있는 정책임을 유추할 수 있는 결과였다. 또한, 동형화 설명의 타당성을 확인하기 위해 인터뷰를 실시한 결과 동형화의 일부가 나타나고 있어 모든 동형화 과정이 나타나지는 않음을 확인하였고, 내부과정에서의 국회입법지원처가 여전히 자료제공이라는 제한된 역할을 수행하고 있다는 점에서 역할의 확대 및 강화를 위한 고민이 필요할 것이라는 생각해볼 수 있었다.

This study started in critical mind that must examine a effect of the legislative supporting institutions. Also, this study to explain relation between the legislative institution and the increasing legislations is entering institutional isomorphism. Analysis result is as following. First, the legislative supporting institutions was influential. It will be also continuing for a long time. This is mean that a acceptance of the legislative organization is well processing. Especially, interviews to isomorphism of processes is supplements results of statistical analysis. Nevertheless, the legislative supporting organizations limits role of themselves to provide a collected data. Therefore, it considers to policy alternatives for playing a active law-making.

선진국이 개도국에 제공하는 공적개발 원조는 1950년대 이후 지속적으로 진행되었으나 아직까지 공적개발원조가 경제성장에 기여하였는지에 대해 뚜렷한 답변이 제공되고 있지 않다. 본 연구는 이러한 질문에 답변하기 위하여 패널자료를 활용한 패널 VAR 분석과 그랜저 인과검정법 등 패널시계열분석을 사용한 인과관계 분석을 통하여 공적 원조와 경제성장간의 인과성을 검정하였고 충격반응함수를 통하여 각 변수간 충격에 따른 변화를 살펴본다. 분석결과, 단기적으로 GDP가 원조에 영향을 미치고, 원조 또한 GDP에 단기적으로 효과를 보이는 것으로 제시되었다. 지역별 분류를 통하여 분석을 한 결과, GDP와 모든 형태의 원조가 단기적인 관계가 있음이 나타났다. 한편 충격반응함수를 통하여살펴본 결과 지역별로 반응이 다르게 나타나는 것으로 제시되었다. 따라서 공적원조를 실시할 경우, 이러한 지역별 차이점을 고려하여 실시하는 것이 필요한 것으로 나타났다.

While many advanced countries have provided official development assistance (ODA) to developing countries since the 1950s, no clear answers are not provided yet for whether ODA contributed to economic growth of developing countries. This study is an attempt to answer that old question. For this purpose, we apply a panel time series methods such as Panel causality test or panel VAR model and data of 41 developing countries from 1970 to 2010. We find that GDP has made an impact on ODA and ODA also has an impact on GDP in the short run. But when we do the same test by region, the test result may be different with each other. In Asia, loan is very helpful for the development, while in Africa and American, all forms of assistance, loan or grants, are effective. Therefore, it should be reminded that types of ODA should be different among the regions and countries.