Earticle

본 연구는 그래프이론에 기반한 텐서분해로부터 거시변수 네트워크의 연결강도를 나타내는 위상지표인 응집요인을 추출하였다. 그리고 정책금융 스트레스테스트에서 경제위기예측과 부도율예측에 대한 응집요인의 유효성을 평가하였다. 실증 결과를 정리하면 다음과 같다. 첫째, 경기･금융･대외 부문 응집요인은 경제위기 도래 이전부터지속적으로 상승하는 경향을 보였다. 거시변수들의 연결강도 강화가 위기신호를 제공할 수 있다는 의미로 조기경보지표로서 응집요인의 유용성이 확인되었다. 둘째, 위기국면에서 신용보증 부도율이 하락하는 부도율 역행 현상을 위기예측모형이 일정 부분 포착하였다. 셋째, 대외부문 응집요인이 부도율 역설을 설명하는 주요 요인으로 분석된다. 대외부문 응집요인은 산업 부도율과 양(+)의 유의적 관계를 보였으나 위기국면에서는 오히려 부도율을 낮추는 한계효과가 두드러졌다. 넷째, 응집요인의 충격은 부도율의 평균 변화보다 꼬리위험을 더 크게 확대시켰다. 그러나 신용보증 포트폴리오의 손실분포는 정책금융 확대로 인한 부도율 완충 경로가 작동하여 꼬리위험이 상대적으로 제한적이었다. 거시변수 네트워크 응집요인은 스트레스테스트에서 통계적 유의성에 기반한 거시변수 선택에 따른 편향과 누락을 줄이는 대안이 될 수 있다. 그리고 응집요인을 위기예측 경로를 통해 중소기업 부도율예측에 내재화하면 정책금융 포트폴리오 위험측정의 안정성을 높일 수 있다. 본 논문은 정책금융 스트레스테스트에서 거시변수 그래프이론 방법론의 유효성을 검증한 학술적 공헌이 있다.

This study derives cohesion factors?topological indicators capturing the strength of interconnectedness in macroeconomic variable networks?from graph theory-based tensor decomposition, and evaluates their validity for economic crisis prediction and default rate forecasting in the context of policy finance stress testing. The main findings are as follows. First, cohesion factors in the real, financial, and external sectors exhibit a persistent upward trend prior to the onset of economic crises. This result suggests that an intensification of interconnectedness among macroeconomic variables may contain early warning information on impending crises, thereby supporting the usefulness of cohesion factors as crisis signaling indicators. Second, the crisis prediction model partially captures the counter-cyclical decline in credit guarantee default rate observed during crisis episodes. Third, the external sector cohesion factor is identified as a key determinant of default rate paradox. While it is positively and significantly associated with industry default rate in normal periods, its marginal effect becomes negative during crises, implying a crisis-contingent dampening effect on observed defaults. Fourth, shocks to cohesion factors amplify the tail risk of default rate more strongly than they affect mean default rate dynamics. However, the loss distribution of the credit guarantee portfolio exhibits relatively limited tail risk, reflecting a cushioning mechanism through which the expansion of policy finance mitigates default risk. These findings suggest that macroeconomic network cohesion factors may serve as a useful alternative to conventional macroeconomic risk factors in stress testing by reducing the biases and omissions associated with variable selection based solely on statistical significance. In addition, incorporating cohesion factors into SME default rate forecasting through the crisis prediction channel may improve the stability of risk measurement for policy finance portfolios. This paper contributes to the literature by providing empirical evidence on the validity of a graph-theoretic approach to macroeconomic variables in the context of policy finance stress testing.

본 연구는 저출산 중심의 인구정책 환경 속에서 언론이 ‘노인’과 ‘고령화’를 어떠한문제 인식과 의미 구조로 구성해 왔는지를 실증적으로 분석하고, 고령화 담론의 변화가정책 인식과 사회적 가중치 형성에 미치는 영향을 규명하고자 한다. 이를 위해 뉴스 빅데이터 플랫폼 BigKinds에 수집된 관련 기사 데이터를 대상으로 시기별 텍스트 네트워크 분석(Text Network Analysis)을 수행하였다. 분석 결과, 초기 고령화 담론은 ‘복지’, ‘정책’, ‘노후소득’ 등 복지 중심의 제한된 이슈로 형성되었으나, 이후 ‘연금’, ‘경제’, ‘인구’, ‘소멸’과 같은 키워드와 결합되며 위기 프레임으로 확장되는 양상을 보였다. 특히 제3차와 제4차 저출산⋅고령사회 기본계획 시기에는 고령화가 ‘인구 감소’, ‘지방 소멸’, ‘성장 저하’와 연결되며 국가의 지속가능성과 직결된 구조적 사회문제로 재구성되었다. 이러한 결과는 언론 담론이 고령화를 단순한 복지 대상이 아닌 국가 전략적 과제로 인식하게 만드는 과정에 기여해 왔음을 시사한다. 본 연구는 고령화 담론의 시기별네트워크 구조 변화를 통해 정책 담론과 사회 인식의 상호작용을 실증적으로 제시하고, 초고령 사회 대응을 위한 지역 맞춤형 전략, 정책 수요자 세분화, 공공 커뮤니케이션개선과 정책 설계의 방향성에 대한 시사점을 제공하고자 한다.

This study investigates the socio-political construction and representation of population aging within South Korean media discourse, specifically under a policy landscape historically dominated by pro-natalist agendas. By examining the discursive shifts surrounding “aging” and “older adults,” we delineate the evolution of public narratives and propose a more balanced framework for future policy responses. Utilizing text network analysis, we longitudinally analyze major Korean news articles from 2001 to 2024, categorized into four distinct periods corresponding to the implementation phases of the Basic Plan on Low Birthrate and Aging Society (1st to 4th phase). The findings demonstrate a significant paradigm shift: while early discourse framed aging through the narrow lenses of social welfare, pension systems, and elderly care, it has progressively expanded to encompass systemic macro-level concerns, including fiscal sustainability, labor shortages, and economic stagnation. Notably, during the 3rd and 4th planning periods, keywords such as “population decline,” “national crisis,” and “regional extinction” emerged as central nodes, signaling a transition from aging as a localized social issue to an existential national threat. Despite this discursive expansion, aging policy remains marginalized within the national framework, consistently overshadowed by low-birthrate initiatives in budgetary and strategic priority. This study underscores the formative role of media in shaping policy agendas and offers multi-dimensional recommendations to enhance policy efficacy and equity. Key proposals include institutionalizing “active aging” in public discourse, diversifying strategies for heterogeneous aging cohorts, establishing regional governance, and integrating discursive monitoring into policy evaluation cycles.

시계열 분석 기술은 금융, 천체물리학, 환경 과학, 의료, 사이버 보안 등 다양한 분야에서 혁신적이고 핵심적인 과제 수행의 중요한 역할을 하고 있다. 또한 데이터의 비선형성, 고차원성, 그리고 노이즈와 같은 내재된 복잡성들은 딥러닝 및 머신러닝 기반 분석 기법을 필수적인 연구 과제로 적용하면서 점차 해결되고 있다. 이 연구에서는 먼저, 장단기 메모리 네트워크, 트랜스포머, 앙상블 기법, AutoML 프레임워크 등 최근 발표된 딥러닝 및 머신러닝 기술들을 이용하여 데이터 기반 금융, 천체물리학적 이벤트 재구성, 위성 영상의 클라우드 마스킹, 의료 모니터링, 민감 정보 예측 분야에서의 혁신적인 연구 동향들을 조사한다. 또한 피처 엔지니어링, 클라우드 마스킹을 위한 비지도 학습 프레임워크, 트랜스포머 기반 시계열 예측의 최근 발전 방향과 그 가능성을 살펴본다. 이 연구를 통하여 특정 도메인별 전문 지식과 계산 혁신 기술의 통합이 시계열 분석의 정확도와 모델 해석력을 향상시킬 수 있음을 확인하고자 하며, 더 정밀한 연구 방법론인 전이 학습, 연합 학습 등을 이용한 새로운 기술적 패러다임으로 확장될 수 있으리라고 본다.

Time series analysis techniques are playing a critical role in addressing innovative and core challenges across a wide range of fields, including finance, astrophysics, environmental science, healthcare, and cybersecurity. The inherent complexities of time series data, particularly their non-linearity, high-dimensionality, and susceptibility to noise, necessitate the application of advanced analytical methodologies. These challenges are being progressively resolved through the adoption of deep learning and machine learning-based analysis techniques as essential research tasks. This study commences with a comprehensive investigation into recent innovative research trends across several key application domains. These applications include data-driven financial modeling, the precise reconstruction of astrophysical events, cloud masking in satellite imagery, sophisticated medical monitoring systems, and the prediction of sensitive information. Our review focuses on the effective use of recently published deep learning and machine learning technologies, including long short-term memory networks, the highly effective transformer architecture, various ensemble methods, and streamlined automated machine learning frameworks. Furthermore, we explore the latest development directions and the profound potential of specific, cutting-edge techniques: advanced feature engineering, the use of unsupervised learning frameworks for automated cloud masking, and the continuing evolution of Transformer-based time series forecasting. Through this research, we aim to confirm that integrating domain-specific expertise with computational innovation is key to significantly improving the accuracy and interpretability of time series analysis. This combined approach will open avenues for extension into new technological paradigms using more sophisticated research methodologies, such as transfer learning and federated learning.

국내외 모두 소수의 대기업, 특정 산업에 집중된 독과점 현상을 예방하기 위해 공정거래법, 독점 모델 개발 및 발전 등의 노력을 기울여왔다. 하지만 코로나-19로 인한 비대면 거래 증가에 따른 거래 양상의 변화로 신산업이 등장하며 법의 공백이 발생하였다. 본 연구는 독과점 산업 동향을 예측함으로써 관련 법률 제정 혹은 연구를 한발 앞서 진행하여 해당 문제를 예방해야 한다는 논의에서 시작하였다. 국내외 독과점 연구 동향을 살펴보기 위해 국내 논문은 RISS에서, 국외 논문은 Web of Science에서 1995-2021년 동안 독과점 규제 관련 논문 초록을 수집하였다. 전처리 후 LDA 토픽 모델링을 통해 15개씩 주요 토픽을 추출하였다. 또한, 토픽의 중요도를 계산하는 방식을 제안하고 해당 토픽의 연구가 얼마나 활발히 이루어졌는지 알아보는 지표로 활용하였다. 회귀분석을 통해 과거의 토픽별 연구 중요도 동향을 확인하였고, ARIMA 분석을 통해 향후 3년간 토픽별 연구 중요도 동향을 예측하였다. 분석 결과 국외 데이터에서는 대체로 토픽 중요도 변화가 크지 않음을 확인하였고, 국내 데이터에서 ‘온라인 거래’에 관한 연구의 향후 중요도가 증가할 것이라는 결과를 도출하였다.

Many countries have made efforts to prevent the concentration of a few major corporations and monopolistic practices by developing and improving fair trade laws and antitrust regulations. However, the emergence of new industries and changes in trading patterns due to increased online transactions amid the COVID-19 pandemic have created gaps in existing laws. We aim to predict trends in monopolistic industries to proactively prevent such problems by establishing relevant laws or regulations. In order to examine the research trends on domestic and international monopolies, we collected abstracts of papers related to monopoly regulation from the RISS database for domestic papers and the Web of Science for international papers from 1995 to 2021. After preprocessing the data, LDA topic modeling was conducted to extract the top 15 significant topics. Moreover, we proposed a method for calculating the topic's importance to measure how actively research has progressed. We employed the linear regression model to examine the trends in research importance for each topic, and the ARIMA model was applied to predict the future trends in research importance for the next three years. While no significant trends were observed in the international data, the findings from the domestic data indicated a significant increasing volume of research on "online transactions" in the future.

본 연구는 전력 수요함수를 구성하는 경제변수들의 시계열 특성을 살펴보고 전력 수요 예측 모형을 제안한다. 일반적으로 전력 수요는 단위근(unit root)을 갖는 시계열 자료로 알려져 있으며, 변수들 간의 공적분(cointegration) 관계를 고려한 수요 함수 추정 및 수요 예측 연구가 널리 진행되었다. 본 연구에서는 2006년 1월부터 2022년 12월까지의 월간 시계열 자료를 사용하여 단위근 검정과 구조변화(structural change) 검정을 시행하였다. 이 시기에 한국 사회는 급격한 변화를 경험하였기 때문에 분석에 사용된 시계열 자료들이 구조변화를 겪었을 가능성이 매우 크다. 기울기 변화를 경험한 추세 정상(trend-stationary) 시계열 자료에 대해 기울기 변화를 고려하지 않고 단위근 검정을 시행한다면 단위근 귀무가설이 기각되지 않는 경향이 있음이 잘 알려져 있다. 본 연구에서는 단위근 검정을 시행할 때 구조변화의 가능성을 고려하였다. 검정 결과를 통해 전력 수요 함수를 구성하는 변수들이 구조변화를 갖는 추세 정상 시계열 자료임을 확인하였다. 이 결과를 바탕으로 공적분 회귀모형 대신 구조변화를 고려한 회귀모형을 실증분석하였고, 2023년부터 2050년까지의 장기 전력 수요 예측을 시행하였다.

This study considers the time series characteristics in residential electricity demand function and forecasts long-run electricity demand in Korea. It is widely known that electricity demand and its determinants are unit root processes, so that estimating and forecasting the electricity demand function based on cointegration relationship are common in empirical analyses. We apply unit root tests on monthly time series data for the period 2006:01-2022:12. Korea has experienced the rapid development and social changes over this period, which provides convincing evidence of the possibility of structural changes. The unit root test of Dickey, Fuller (1979) tends to be biased in favor of non-rejection of the unit root null hypothesis if the process considered is trend-stationary with a slope change. What we found is that electricity demand and its determinants are trend-stationary processes allowing for a slope change, whereby there is no need to invoke either cointegration regression model or error-correction model under the unit root assumption. We apply a regression model with a structural change to estimate the residential electricity demand function and forecast the long-run electricity demand for the period 2023-2050.

목적 이 연구는 연도별로 매년 다른 표본을 조사함에 따른 사교육비 시계열에서의 표본의 단기적인 소득분포 변동 효과와 국가 전체의 장기적인 소득변동 효과를 제거한 시계열을 추출하고, 추출된 학교급별⋅시도별로 장단기 소득효과제거 사교육비 시계열의 변동양상을 분석하며, 소득효과제거 사교육비 시계열에 변곡(inflection)이 일어난 시점의 학교급별⋅시도별 교육정책을 확인하는것을 목적으로 한다. 방법 이 연구의 사교육비 시계열분석에는 학교급별⋅시도별 장단기 소득효과 제거 시계열이 사용된다. 학교급별⋅시도별 장단기소득효과 제거 사교육비 시계열은 물가지수 산출방법 중에서 가장 이상적인 방법으로 평가되는 피셔 가격지수(Fisher price index) 를 응용하여 산출된다. 분석에는 통계청의 2007년부터 2019년까지의 초중고 사교육비조사 자료가 사용된다. 결과 이 연구의 결과에 의하면 소득효과제거 사교육비 시계열은 통계청발표 학생일인당 명목사교육비나 이로부터 물가상승률만제거한 실질사교육비와는 아주 상이한 변동양상을 보이는 것으로 나타났다. 일반적으로 인식되고 있는 바와 같이 사교육비가 지속적으로 증가하고 있는 것이 아니라 2019년의 장단기 소득효과제거 사교육비는 2007년 대비 0.29% 증가하였을 뿐이며, 초등학교는 가장 높은 두 개 소득구간에서만 증가, 나머지 소득구간에서는 모두 감소하였고, 고등학교는 소득이 낮은 구간일수록 증가율이높고 소득이 높은 구간일수록 증가율이 낮았다. 2019년의 학생일인당 소득효과제거 사교육비는 2007년 처음 발표된 학생일인당사교육비보다 초등학교는 크게 감소, 중학교는 약간 감소, 고등학교는 매우 크게 증가하였다. 또, 초등학교는 전남과 울산, 중학교는대전과 경남에서 가장 큰 감소, 고등학교는 충남과 광주에서 가장 큰 증가가 있었다. 학교급을 통합한 전체 사교육비는 제주와 전북의 증가가 가장 크고, 울산과 강원이 가장 크게 감소하였다. 결론 명목사교육비의 증가와 달리 소득효과제거 사교육비는 분석기간 동안 안정적인 수준을 유지하여, 분석기간 동안의 사교육비증가는 대부분 소득증가에 기인하는 것으로 보인다. 시도별 학교급별 소득효과제거 사교육비 분석의 의의와 각 시도별 차이에 대한교육정책의 효과가 검토되고, 연구의 한계가 언급되었다.

Objectives The purpose of this study is to extract the income change effect eliminated private tutoring expenditures timeseries for each school level and province and examine the education policies, which are likely to have influenced the inflection of the time series. Methods This study derives the timeseries of Fisher price index for private tutoring expenditures by school level and province. The data of 2007-2019 Private expenditures survey of Statistics Korea were used for the analysis. Results The results of this study showed that the income change effect eliminated private tutoring expenditures timeseries had different movement with nominal private education expenditure timeseries. Income change effect eliminated private tutoring expenditures increased only 0.29% between 2007 and 2019. The expenditure for the elementary school was most decreased in Jeonnam and Ulsan, that for the middle school was most decreased in Daejeon and Gyeongnam, and that for the high school was the most increased in Chungnam and Gwangju. The total expenditure was the most increased in Jeju and Jeonbuk, and the most decreased in Ulsan and Gangwon. Conclusions In spite of the large increase in nominal private tutoring expenditures, income change effect eliminate private tutoring expenditures stayed relatively stable in every school level and province. The advantages of the analysis of income change effect eliminate private tutoring expenditures and the analysis by province were discussed.

Demand forecasting is an important field and it is safe to say that forecasting is a key component of economic activity. An accurate forecasting is the key to determining the competitiveness of all economic players. Forecasting an uncertain future is a difficult task and radical change in the external environment are adding to the difficulty of forecasting. Amid the increasing demand for accurate demand forecasting, the emergence of Big data, AI, ML, and DL following the development of computing power is becoming a major turning point in the demand forecasting field as well. In addition to the traditional forecasting methodologies, the use of dataming techniques is also rapidly increasing. And various efforts have been continued to improve the forecasting accuracy. In this paper, a hybrid forecasting methodology which is combined time series model and data mining technique and a multistage methodology are presented for short-term forecasting. Specifically, we developed a hybrid forecasting model that combines SARIMA(Seasonal Autoregressive Integrated Moving Average) and Random Forest, and a multistage methodology that utilizing the forecasting result of the upper-category as a variable in the forecasting process of the sub-category. In order to verify the methodologies presented in this paper, we use the rental data of ‘Seoul bike’(shared bicycle in Seoul) as verification data. As a result of the forecasting ‘Seoul bike’ demand for the next 7 days(every 3 hours) of rental point clusters, the average forecasting accuracy was 81.5%. It is high accuracy level considering that the forecasting unit was 3hours, forecasting horizon was next 56 steps, and the average accuracy by Random forest was 65%. In addition, it was confirmed that high accuracy was maintained steadily regardless of the time difference from the forecasting point unlike the characteristics of general demand forecasting, And the high accuracy level was confirmed as a forecasting model not only a 3 hours forecasting, but also daily(90.1%) and weekly(91.7%) forecasting. The research shows the forecasting methodologies of this paper is worth to use as a short-term forecasting model. And we confirmed that the methodologies are very useful to forecasting daily and weekly demand as well. It is expected that the methodologies proposed in this paper will be widely used as an accurate forecasting model in more diverse fields.

우리나라 산불 발생에 관한 시계열적 특성은 다음과 같다. 1960년부터 2019년까지 연도별 산불 발생빈도는 약 16.6년을 주기를, 2003년부터2019년까지 산불 발생빈도는 약 11.3개월의 주기를 갖는 것으로 확인되었고, 연도별, 월별 시계열은 안정된 경향을 보여 증가 혹은 감소하는추세를 확인할 수는 없었다(P<0.05). 지역별 산불 발생 현황을 확인한 결과 경상북도에서 산불이 가장 많이 발생한 것으로 나타났고, 산불피해면적은 강원도가 가장 넓은 특징을 보였다. 또한, 지역별 시계열적 주기성은 산불 발생빈도가 높은 순으로 FFT-Power가 높은 경향을 보였으나공통적으로 약 11~12개월 사이의 주기를 갖는 것을 확인할 수 있었다. 또한, 요일별로 산불 발생빈도를 확인한 결과 요일별로 산불 발생빈도가뚜렷하게 다르다는 결과를 얻을 수 있었다(P<0.001). 따라서 산불 발생빈도는 기상 현상 등 자연과학적인 요소와 함께 인문사회적인 요소 모두와높은 관계에 있었다.

This study was performed for confirming the time-series characteristics of the forest fire occurrence. As a result of spectrum analysis about annual time-series from 1960 to 2018, it was found that it had a cycle of about 16.6 years. And as a result of monthly analysis, it was a cycle of about 11.3 months during 2003-2019. These had not tendency to increase or decrease, because of the yearly and monthly time-series showed a stable trend (P<0.05). The frequency of forest fire occurrence by each day of the week showed a different trend (P<0.001). On the other hand, the forest fire frequency is highest in Kyeongsangbuk-do, however the damaged area is highest in Kangwon-do. As a result of monthly spectrum analysis among regions, fast Fourier-transform power tended to be high with order of high frequency, it had a cycle between 11 and 12 months in common. Therefore, the frequency of forest fire occurrence is considered to be highly related to both humanities and social factors as well as natural science factors.

본 연구는 토픽모델링과 시계열 분석을 활용하여 국내 독서 연구 분야에 대한 연구 동향을 탐색하고자 하였다. 이를 위해 최근 10년 간 독서 연구 관련 학술지 데이터에 대한 크롤링을 실시하여 총 903개의 학술지 논문과 10,156개의 키워드를 수집하였으며 이를 바탕으로 토픽모델링을 실시한 결과 39개의 토픽이 도출되었다. 연구 결과 최근 10년 간 독서 연구는 전반적으로 교과서 텍스트와 교육과정, 문학 교육에 편중되어 이루어진 경향이 나타났으며 대부분의 연구 주제는 상승과 하강을 반복하고 있었다. 이를 토대로 향후 독서 연구에 대한 전망을 제시한 결과는 다음과 같다. 첫째, 독서 연구는 문학 연구의 편중 현상을 극복하고, 연구의 지평을 확장할 필요가 있다. 둘째, 독서 연구는 ‘교과서’ 연구의 지평을 확장할 필요가 있다. 셋째, 독서 연구는 ‘독자’와 관련한 특정 국면의 논의를 보다 심도깊게 전개할 필요가 있다. 넷째, 독서 연구는 내부의 다양한 연구 주제 간의 경계를 허물 필요가 있다.

The purpose of this study is to investigate research trends in domestic reading research field using topic modeling and time series analysis. To do this, we crawled the journal data related to the reading research for the last 10 years, collected a total of 903 journal articles and 10,156 keywords, and based on the topic modeling, 39 topics were derived. The results of this study are as follows: 1) The study of reading in the past 10 years showed a tendency to focus on textbooks, curriculum and literature education. In addition, most of the research topics were repeatedly rising and falling, and we could observe that some research themes were expanding the outline. Based on this, the outlook for future reading research is as follows. First, it is necessary to overcome biased phenomenon of literary research and expand the horizon of research. Second, reading research needs to expand the horizon of 'textbook' research. Third, it is necessary to deepen the discussions about the specific aspects of 'reader'. Fourth, reading research needs to break the boundaries between various research topics.

In this study, we took time-series photos of the Baramarae beach in Anmyeon-do utilizing an unmanned aerial vehicle (UAV), in order to develop digital surface models (DSMs) of the area. The accuracies of these DSMs were then evaluated. After that, in order to verify whether UAS(Unmanned Aerial vehicle System) has proper applicability to figure out coastal geomorphological changes, DSMs have been differentiated. We differentiated the DSMs to verify whether our UAV system (hereafter, UAS) had a general applicability for detecting coastal geomorphological changes. In more particular, the DSMs were evaluated whether their errors lay within the error range of work provisions suggested by National Geographic Information Institute. Therefore, quantitative vertical positional accuracies calculated additionally. We found very high positional accuracies with RMSEs ranging from 0.065 m to 0.14 m and R2 varying from 0.9979 to 0.9743, respectively. Erosion and sedimentation patterns were also checked with the verified DSMs. Hence, we conclude that the UAS employed in this research has an appropriate applicability for detecting geomorphological changes in coastal areas.

This paper compares the forecasting performance of four types of univariate time series models: ARIMA, GARCH, regime-switching, and unobserved-component(trend-cycle decomposition) model. I carry out in-sample and out-of-sample forecasting exercise to Korean house price index in the recursive estimation scheme. For the comparison of forecast performances, I compute root mean squared forecast errors and mean absolute forecast errors for each forecasting horizon of 1 to 36 months. I also test the statistical significance of the forecast comparison results, applying the asymptotic test developed by Diebold and Mariano(1995). In case of in-sample forecasts, regime-switching and unobserved-component models show better performance than other two models, along with statistical significance. Regime-switching model is a compelling choice until 12 month forecasting steps, while the unobserved-component model is the best for 24 and 36 months. In case of out-of-sample forecasts, I find that the regime-switching model is particularly ill-suited for forecasting, showing the same result as Crawford and Fratantoni(2003) with US house price data. Also, I find that the unobserved-component model shows the best out-of-sample forecasting performance.

만리포 사빈에 대하여 지상라이다(Terrestrial LIDAR)로 2008년 12월부터 2010년 1월까지 6회 조사된 3차원 정밀 지형을 이용하여 정량적 지형특성과 변화량을 분석하였다. 만리포 사빈은 해발고도 0m에서 1.5m사이에 가장 넓게 분포하고 있으며, 평균고조위인 해발고도 2.25m 이상에서는 사빈의 면적이 급격이 줄어든다. 지형변화 특성으로는 침식과 퇴적이 해안선을 따라 선적으로 나타나고 있으며, 북쪽 지역이 남쪽 지역보다 그 경향이 강하게 나타난다. 계절적 변화 특성으로는 봄에서 가을까지는 전반적인 침식이, 겨울에는 상대적으로 많은 양의 침식과 퇴적이 발생하였으며, 조사 시작과 종료시점의 체적은 큰 차이가 없는 것으로 분석되었다.

This study introduces an analysis of the quantitative characteristics of topography and topographical changes based on precise 3D topography through 6 times surveys from December 2008 to January 2010 using Terrestrial LIDAR on the Malipo beach. The Malipo sand beach is mostly located between 0m to 1.5m MSL. The area of the beach above 2.25m, the Mean High Water, is very small. It have characteristics of topographical change of erosion and deposition along the entire coast line which more apparently appear in the northern beach than the southern part of the beach. Erosion prevails from spring to autumn, while during winter both erosion and deposition largely occur. Volumes from first and last survey were almost equal.

Old city centers tend not only to decline the living condition physically but also to negatively affect the land price inclusive of the land and housing price. It even results in the inverse phenomena of the land and housing price between the area of city center and the one of its outskirt. Namely, it is regarded as a cause of deformed urban structure. In this context, this study tries to empirically investigate the alteration of the appraised land value of residential areas from 1990 to 2005 based on the time-series analysis. This investigation allows to confirm that the residential function in the area of city center goes on being weakened and concurrently urban sprawl is strengthened.

주택가격은 이자율이나 소득과 같은 실물경제의 흐름만 반영하는 것이 아니라 주택시장 참여자들의 기대도 반영하고 있다. 시장 참여자들의 기대심리를 크게 좌우하는 요인 중 하나가 언론보도라고 할 수 있다. 만일 언론의 보도가 주택시장 참여자들의 기대에 영향을 미쳐 주택가격 변동을 야기하고 정부정책의 효과성도 좌우할 수 있다면 향후 정부의 주택정책은 단순히 주택시장 뿐 아니라 언론보도의 방향에 대해서도 신중하게 고려할 필요가 있을 것이다. 본 연구는 언론보도의 빈도수가 실제 주택가격의 변화에 영향을 미칠 것이라는 가설을 검증하기 위해 관련 이론을 고찰하고 언론보도 건수와 지역별･유형별 주택가격의 시계열 자료 분석을 통해 그랜저인과관계와 충격반응을 살펴보았다. 분석결과에 따르면 강남의 아파트 가격이 오르고 있다는 언론 기사건수가 증가하게 되면 강남에 있는 연립주택과 강남이 아닌 다른 지역에 있는 아파트와 연립주택의 매매가격이 시차를 두고 증가한다는 점에서 언론보도 건수가 주택가격 안정에 대해 부정적인 파급효과를 갖는다는 것을 일부 확인할 수 있었다. 따라서 주택의 매매가격 상승을 막기 위한 정부의 주택정책 수립 시 정책 자체의 내용 뿐 아니라 언론에 의한 의제설정과 틀 짓기에도 관심을 가짐으로써 강남 아파트의 가격인상이 다른 지역과 다른 주택유형으로 확산되는 것을 방지하도록 할 필요가 있다.

Housing price reflects not only real economic trend but also expectation of market participants. One of the major factors affecting expectation of them is media coverage. If it is true, government housing policy should reach the point of considering media impact as well as the policy itself. Based on this, we tried to test hypothesis about the relationship between number of media coverage and housing price (rent) through Granger causality and impulse response analysis with the time-series data after reviewing relevant theories and empirical studies. We found that the number of media coverage about price increase of apartment in Kangnam area has Granger causality with housing prices of terraced house in Kangnam and Kangbook areas, and apartment in Mega-regions. Also, it has Granger causality with rent of terraced house in Seoul Metropolitan region and Mega-regions. From the analysis, we identified that media coverage may have partial negative impact on stabilizing housing price ceteris paribus and suggested that government should pay attention to ex ante consideration on agenda setting and framing of media to effectively prevent unwanted expansion of housing price increase initiated from Kangnam area.

선행연구에 따르면 분기이익은 계절성을 가지며 인근분기의 이익들과 일정한 상관관계를 가지는 것으로 나타났다. 즉 특정분기의 계절별이익차이(seasonal difference in quarterly earnings)는 다음 3분기까지의 계절별이익차이와 점차 감소하는 양의 상관관계를 가지며 다음 4분기의 계절별이익차이와는 음의 상관관게를 가지는 것으로 나타났다. 이는 Brown and Rozeff(1979)모형이 제시한 바와 같이 분기이익들이 1차 자기상관관계속성(first-order autoregresive process)과 계절별이동평균속성(seasonal moving average process)을 가짐을 의미한다. 우리나라의 경우 분기이익의 역사가 일천한 관계로 분기이익의 시계열속성에 대한 연구가 미진한 실정이다. 이에 본 연구는 우리나라에서의 분기이익들이 가지는 시계열속성과 관련하여 계절별 이익차이가 가지는 속성을 분석하였다. 분석결과 외국의 경우와 마찬가지로 우리나라에서도 분기이익들이 Brown and Rozeff(1979)모형에서와 같은 시계열속성을 가지는 것으로 나타났다. 본 연구의 결과는 분기이익의 정보성에 대한 연구와 이익발표후잔류현상에 대한 연구들에 중요한 의미를 가진다고 할 수 있다.

The purpose of this study is to examine the time-series properties of quarterly earnings which have been reported in Korean stock market from 2000. Prior studies reported that quarterly earnings may be described as a multiplicative combination of two process; 1)adjacent quarter-to-quarter movements, 2) quarter-by-quarter movements. In this context, Brown and Rozeff(1979) suggested a parsimonious model which comprises first-order autoregressive term to account for the positive but decaying autocorrelations in seasonally differenced earnings and a seasonal moving-average term to account for the negative autocorrelations at lag 4. Bernard and Thomas(1990) reported that if unexpected earnings are measured using the seasonal random walk model, the unexpected earnings at quarter t are correlated positively with unexpected earnings at lag 1 to lag3, and are negatively correlated with unexpected earnings at lag 4. Based on the arguments in Bernard and Thomas(199), this study examined patterns of unexpected earnings across the quarters. Consistent with prior studies, there are positive but decaying autocorrelations between unexpected earnings at quarter t and unexpected earnings at quarter t+1, t+2, and t+3. Also, there are negative autocorrelations between unexpected earnings at quarter t and unexpected earnings at quarter t+4. These results indicate that in Korean stock market, the quarterly earnings are best described by Browm and Rozeff(1979) model

하나의 경제현상에 대해 관측 빈도가 서로 다른 경제통계로 분석할 때 관측 빈도가 높은(high-frequency) 경제시계열을관측빈도가낮은(low-frequency)경제시계열에 연결하여 보정해야 한다. 이와 같이 관측 빈도가 높은 경제시계열과 관측 빈도가 낮은 경제시계열을 연결하여 일치시키는 방법을 벤치마킹(benchmarking)이라 한다. 벤치마킹 방법은 크게 수치해석기반 방법과 통계모형기반 접근법으로 나눌 수 있다. 수치해석 기반방법으로는 Denton (1971) 방법과 Boot et. al. (1967) 방법 등이 있으며 통계모형기반 접근법으로는 Chow and Lin (1971), Fernández (1981)과 Litterman (1983)이 제시한 방법 등이 있다. 우리나라에서 발표되고 있는 경제시계열들은 벤치마킹 방법을 적용하고 있는 것으로 보이지만 명시적으로 그 방법이 공개되어 있지 않고 있어 벤치마킹에 대한 논의 및 연구가 미흡하다고 판단된다. 본 연구에서는 벤치마킹의 정의와 필요성을 정리하고 벤치마킹 방법을 소개하였다. 그리고 연간 경제시계열 제조업 GDP, 연간 설비투자(국민계정)를 바탕으로 분기 제조업 생산지수와 분기 설비투자추계지수를 이용하여 벤치마킹된 분기 제조업 GDP와 분기 설비투자를 추정했다. 이 때 적용했던 벤치마킹 방법들을 벤치마킹된 시계열의 적합성 및 일치성 측면에서 비교하였다. 비교 결과 Chow-Lin방법과 Litterman방법이 우수한 것으로 나타났다. 승법형 Denton방법과 Fernández 방법도 Chow-Lin방법 및 Litterman방법과 그 성과 측면에서 차이가 거의 없는 것으로 나타났다. 아울러 활용 사례로 Litterman방법을 적용하여 분기 제조업 GDP 계절변동조정계열의 연간 합을 원계열의 연간 합과 일치시켰으며 분기 제조업 GDP로부터 월별 제조업 GDP를 산출하였다.

For a target economic variable, two economic time series with different periodicities may be available. There are discrepancies between low frequency series such as annual series and high frequency series such as quarterly series In this case the high frequency series are adjusted to make them consistent with low frequency series in a process termed benchmarking. Benchmarking procedures one of two approaches : a numerical approach such as Denton (1971)'s method or a statistical modelling approach such as the methods of Chow and Lin (1971), Fernández (1981) and Litterman (1983). Though most monthly and quarterly Korean economic time series have been benchmarked to annual series, the method is frequently not explicitly disclose, making it difficult to engage in a discussion of benchmarking procedures and carry out related studies. In this paper, we set out various definitions of benchmarking and the case for its necessity, before proceeding to introduce several benchmarking methods. Moreover, the quarterly benchmarked series of manufacturing GDP and facilities investment based on several methods are estimated using related series and are compared in terms with RMS%E and correlation. The comparative study shows that Litterman's method and Chow & Lin's method perform well. In addition, we estimate monthly manufacturing GDP and benchmarked seasonally-adjusted manufacturing GDP.

이 연구는 일별 원-달러 환율을 대상으로 시계열상관의 결정요인을 규명하고자 하였으며, 시계열상관에 영향을 미칠 수 있는 변수로 변동성과 거래량에 주목하였다. 변동성의 증가는 원-달러 환율변화율의 시계열상관을 감소시키는 것으로 나타났는데, 이 관계는 최근 들어 약화된 것으로 보인다. 그러나 거래량 증가가 시계열상관을 감소시키는 효과는 최근에도 여전히 지속되는 것으로 나타났다. 변동성이나 거래량이 시계열상관에 영향을 미치는 과정에는 외환시장 참여자의 거래행태가 일정한 역할을 하는 것으로 보인다.

Unlike major international currencies, Korean won-dollar exchange rates exhibit high autocorrelation as well as time-varying patterns in daily frequency. We examine the volume-autocorrelation relationship as well as the volatility-autocorrelation relationship in the Korean FX market. We specify the model so that the first-order autocorrelation of daily won-dollar returns can depend on the volatility and volume, and find that increases in them tend to lower the intensity of autocorrelation. While the role of volatility becomes weak in recent periods, however, the volume effect persists. The evidence is in favor of the interpretation that time varying autocorrelations are related to the heterogeneous trading behavior of market participants.

본 연구에서는 미국․캐나다를 비롯하여 세계적으로 가장 널리 사용되는 X-12-ARIMA 유형의 계절조정방법과 유럽에서 많이 사용되고 있는 TRAMO-SEATS 방법을 중심으로 각 계절조정법의 특징에 대한 이론적․실증적 비교분석을 시도하였다. 특히 한국의 주요 거시경제지표에 대하여 X-12-ARIMA 방법과 TRAMO-SEATS 방법을 각각 적용하여 계절조정계열을 산출하고, 멱등성․안정성 등 계절조정의 적합성 평가기준을 토대로 두 방법의 유용성을 비교하였다. 본 연구의 분석 결과에 의하면 두 방법 모두 안정성이 우수한 것으로 나타나 정도 높은 계절조정계열을 산출하는 것으로 평가되었다. 두 방법 사이의 상대적 비교에서는 대상 자료에 따라 약간 다른 결과를 보이고 있기는 하지만 전체적으로 X-12-ARIMA 방법이 다소 우월한 것으로 나타났다. 그러나 서로 다른 조건과 통계적 기준으로 계절조정을 시행하는 여러 가지 계절조정방법을 실증적인 기준으로 비교한 본 연구의 결과를 해석하는 데는 신중을 기해야 한다. 따라서 본고의 분석결과를 반영하여 X-12-ARIMA 방법만 사용하는 것보다는 두 방법을 같이 병행하면서 각각을 한국 경제시계열 자료에 적합하도록 조정하는 방안을 강구해야 하며, 이에 관한 지속적인 연구를 통해 신호추출법에 기초한 TRAMO-SEATS 방법의 이론적 정합성과 X-12-ARIMA 방법의 실증적 적합성을 결합시킬 수 있는 새로운 차원의 계절조정방법을 계속 모색해야 할 것이다.

This paper presents a novel Bayesian filter-based method for change point detection (CPD) in time series, targeting robotic systems operating in noisy and dynamic environments. Unlike traditional CPD methods such as PELT, Binary Segmentation, Bottom-Up, and Window-based approaches that often miss subtle or gradual transitions, the proposed method probabilistically models steady and transient states and evaluates their relative dominance using a log-posterior ratio. The method enhances signal changes by applying gradient computation, anomaly scoring based on median absolute deviation (MAD), and adaptive thresholding. Final detections are refined through clustering to suppress false positives. Extensive experiments on both synthetic (Blocks, Bumps) and real-world datasets (NAB EC2, ECG5000) confirm the method’s superior F1-score and robustness compared to baseline methods. Moreover, its lightweight and real-time-capable design enables effective deployment in embedded robotic systems.

기타 앰프 혹은 디스토션 페달과 같은 비선형 오디오 이펙트의 디지털 모델링을 위해 인공 신경망이 활발히 적용되고 있다. 그러나 대부분 단일 대역 방식으로 전체 주파수 범위를 모델링함에 따라 고역 하모닉 및 저역 공진을 정교하게 재현하기 힘들다. 본 연구는 멀티 서브밴드로 신호를 분할한 후, 각 대역에서 비선형 동작을 학습하는 시계열 합성곱 네트워크(Temporal Convolutional Network, TCN) 기반 모델 서브밴드 TCN(sTCN)을 제안한다. 이를 통해 고역과 저역에서 상이하게 나타나는 왜곡 특성을 각각 정교하게 복제하고자 한다. 제안 모델은 입력 오디오를 단일 밴드부터 32개의 서브밴드로 분할하고, 각 밴드별로 적합한 TCN 블록을 배치하여 비선형 특성을 학습한다. 학습에는 실제 기타 신호를 클린과 디스토션 출력으로 매칭한 페어 데이터셋을 사용하며, 파형 기반 L1 손실과 단시간 푸리에 변환(Short Time Fourier Transform, STFT) 손실을 혼합하여 주파수 및 시간 영역 왜곡을 함께 최적화했다. 실험 결과, 서브밴드 대역을 16밴드로 분할했을 때 단일 밴드 대비 평균 제곱근 오차(Root Mean Square Error, RMSE)가 약 60 % 평균 절대 오차(Mean Absolute Error, MAE)와 STFT error가 약 45 % 감소하는 성능향상을 보여 비선형 오디오 이펙트의 디지털 모델링 성능이 향상되었음을 확인했다.

Artificial neural networks are being actively applied for digital modeling of non linear audio effects such as other amplifiers or distortion pedals. However, it is difficult to accurately reproduce high band harmonic and low band resonance as most of them model the entire frequency range in a single band manner. This study proposes a Temporary Convolutional Network based (TCN based) model subband TCN (sTCN) that learns nonlinear behavior in each band after dividing a signal into multi subbands. Through this, we intend to elaborately replicate the distortion characteristics that appear differently in high and low bands, respectively. The proposed model learns nonlinear characteristics by dividing the input audio into 32 subbands from a single band, and placing appropriate TCN blocks for each band. For learning, a pair of datasets that match actual other signals with clean and distortion outputs were used, and frequency and time domain distortions were optimized together by mixing waveform based L1 loss and Short Time Fourier Transform (STFT) loss. As a result of the experiment, when the subband band was divided into 16 bands, the Root Mean Square Error (RMSE) decreased by about 60 % Mean Absolute Error (MAE) and STFT error compared to a single band by about 45 %, confirming that the digital modeling performance of nonlinear audio effects was improved.