Earticle

우리나라의 2015년 노인 인구는 전체 인구의 13.1%를 차지하고 2015년 경찰청 교통사고통계에 의하면 65세 이상 노인의 교통사고 사망률은 전체 교통사고 사망률의 약 2.57배 높은 것으로 나타났다. 본 연구에 서는 노인 운전자와 성인 운전자의 사망사고에 대한 시계열 모형을 확인하고 추세에 큰 차이가 있는지 확 인하고자 하였다. 분석방법인 시계열분석은 단기예측에 신뢰성이 더 높은 것으로 알려져 있다. ARIMA 모형으 로 시계열분석을 하기 위해서는 최소 50~60개 이상의 관측값이 필요하며 따라서 본 연구에서는 인천광역시를 대상으로 2010년부터 2015년까지 6년간의 교통사고 데이터를 노인 운전자와 성인 운전자로 구분하고 사망 사고에 대한 시계열 모형을 확인하였다.

본 연구의 목적은 전시컨벤션센터의 신·증축 예비타당성 조사에 사용된 수요예측 사례를 살펴보고 국내 전시컨벤션센터의 규모에 영향을 미치는 요인은 무엇이며 이를 예측하기 위해 다양한 분석기법을 사용하여 결과를 비교·분석하고자 하였다. 연구의 목적을 위해 국내 전시장 수요예측과 관광산업 수요예측에 관련된 선행연구들을 분석하였으며, 실증분석을 위해 추세변동을 이용한 시계열, 지수평활, ARIMA의 3가지 시계열 분석과 희귀분석을 실시하였다. 분석결과 ARIMA 모형에서는 2016년부터, 추세변동을 이용한 시계열 분석에서는 2017년, 회귀분석과 지수평활법에서는 2021년에 전시장 면적 부족이 일어날 것으로 예측하였다. 본 연구에서는 전시산업의 수요를 예측하기 위한 다양한 방법을 이용하였고 그 기법들이 가지는 적합성과는 별개로 수요예측에 대한 기준이 정해져 있지 않아 가져올 수 있는 문제점이 있다는 것을 확인하였다. 분석결과에서 보다시피 시계열 분석의 경우 동일한 데이터를 사용함에도 수요예측 기법에 따라 다른 결과가 도출되었다. 전시산업의 수요예측을 측정함에 있어 전시컨벤션센터가 가지고 있는 파급효과를 적극적으로 반영하여 경제적 가치를 파악할 수 있도록 전시산업통계와 같이 전시산업에 대한 특성을 반영한 자료를 이용하여 보다 논리적으로 수요를 예측할 수 있는 기준을 마련해야 할 것이다.

As the trade fair industry grows in Korea, cities are seeing a boom in the development and expand of convention & exhibition centers. This study aims to examine the improvement of the demand for convention & exhibition centers. For this purpose, this study employes a quantitative case study approach - time-series, exponential smoothing, ARIMA model and regression analysis. This study predicts the demand for convention center space has and will outrun increases in the supply of space from 2016 to 2021. In this study, we used various methods for the demand of trade fair industry that showed different results. For this reason, they have their own characteristic feature. We propose to use that the trade fair industry standardized data for the demand of convention & exhibition centers. This study offer for public investment and serve to bias public decision making and choice.

본 연구는 버스정보가 도로의 통행속도 정보로 활용될 수 있는지를 검토하기 위한 연구이다. 도로통행속도를 파악하기 위해 설치된 지점검지기, 구간검지기로부터 수집되는 정보와 경기도에서 수집되는 버스정보를 속도정보로 가공하여 비교하였다. 버스정보가 교통정보 검지기의 기능을 할 수 있다면, 통행속도 정보를 제공할 수 있다. 이를 위해서는 도로구간의 교통류에 대한 패턴을 인식할 필요가 있다. 본 연구에서는 새로운 접근방법보다는 기존에 검증된 방법을 중심으로 버스정보를 이용한 교통류 패턴 인식 방법을 적용하여 버스정보의 활용 가능성을 제시하였다. 또한 버스정보를 이용하여 모형을 추정하였는데, 단순이동, 지수평활법과 이중이동, 이중지수평활법, ARIMA(p,d,q)모형을 적용하였다. 이 모형들은 평가지표인 100-MAPE, MAE, EC로 비교한 결과 상호 비슷한 결과를 나타냈으나, 단순평균이동법이 가장 우수한 결과를 나타냈다. 이로서 버스정보를 구간의 통행속도로 이용할 경우, 모형의 추정도 가능하다는 것을 확인하였다.

This study was conducted to investigate that bus information was used as an information of travel speed. To determine the travel speed on the road, bus information and the information collected from the point detector and the interval detection installed were compared. If bus information has the function of traffic information detector, can provide the travel speed information to road users. To this end, the model of recognizing the traffic patterns is necessary. This study used simple moving-average method, simple exponential smoothing method, Double moving average method, Double exponential smoothing method, ARIMA(Autoregressive integrated moving average model) as the existing methods rather than new approach methods. This study suggested the possibility to replace bus information system into other information collection system.

본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안 정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계 절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대하여 시계열 예측모형을 이용한 주요 범죄에 대한 단기적 발생 전망이 가능한 것으로 나타났다. 이러한 연구결과를 토대로 범죄 발생에 대한 지속적인 시계열 예측모형 제시, 분기별, 연도별 범죄 발생건수를 기초로 하는 중 ․ 장기 시계열 예측모형에 대한 관심이 요구된다.

The purpose of this study is to contribute to establishing the scientific policing policies through deriving the time series models that can forecast the occurrence of major crimes such as murder, robbery, burglary, rape, violence and identifying the occurrence of major crimes using the models. In order to achieve this purpose, there were performed the statistical methods such as Generation of Time Series Model(C) for identifying the forecasting models of time series, Generation of Time Series Model(C) and Sequential Chart of Time Series(N) for identifying the accuracy of the forecasting models of time series on the monthly incidence of major crimes from 2002 to 2010 using IBM PASW(SPSS) 19.0. The following is the result of the study. First, murder, robbery, rape, theft and violence crime's forecasting models of time series are Simple Season, Winters Multiplicative, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0 )(0,1,1) and Simple Season. Second, it is possible to forecast the short-term's occurrence of major crimes such as murder, robbery, burglary, rape, violence using the forecasting models of time series. Based on the result of this study, we have to suggest various forecasting models of time series continuously, and have to concern the long-term forecasting models of time series which is based on the quarterly, yearly incidence of major crimes.

경찰과 범죄간의 관계는 지난 1970-80년도에 미국에서 경찰학의 이론 및 경험적 연구의 발전을 이끌고, 다양한 정책적 논쟁을 유발한 경찰학의 고전적인 주제라고 할 수 있다. 일반적으로 경찰과 범죄간의 관계는 억제이론에 의하여 경찰력의 강화가 범죄를 감소시키는 일반적인 관계에 초점이 맞추어졌다. 그러나 이러한 억제이론적 견해는 많은 경험적 연구들에 의하여 지지되기도 하였고 비판 및 반박되기도 하였다. 이 연구에서는 경찰과 범죄간의 관계에 대한 다양한 이론적 논의들을 살펴보고, 우리 사회의 경찰과 범죄간의 관계에 대한 상호 결정적 효과를 분석하고자 한다. 이 연구에서는 경찰과 범죄간의 상호결정관계를 파악하기 위하여 동시성과 더불어 시차(time lag)를 고려하여 인과관계를 구성하고자 하였다. 즉 경찰력이 범죄에 미치는 효과는 억제이론에 근거하여 동시적 효과로 설정하고, 범죄현상이 경찰력의 증감에 미치는 영향은 사회정치적 과정을 고려하여 시차적 효과로 설정하여 분석하였다. 경찰과 범죄간의 관계에 대한 분석에 사용된 자료는 1964년부터 2005년까지의 전국 단위의 경찰인원과 범죄발생건수로 파악하였다. 이 연구에서는 분석자료가 시계열자료라는 점을 고려하여 관찰값간의 자기상관관계를 고려한 ARIMA분석모형을 시도하고자 한다. 분석결과, 자기상관을 고려하지 않은 회귀분석에서는 경찰력과 범죄율간의 각각 높은 정(+)의 관계로 나타났다. 그러나 이러한 회귀분석의 결과는 경찰력이나 범죄율이 시계열자료이고 시계열자료가 지니고 있는 자기상관을 고려하지 못하고 있기 때문에 회귀분석결과를 그대로 이론적 주장을 검증하기에는 무리가 있다고 할 수 있다. 그러한 문제를 보안하기 위하여 시도된 시계열분석에서는 회귀분석에서 나타난 강한 관계는 사라지고 경찰력과 범죄간의 상호 인과관계는 없는 것으로 나타났다. 단지 전체범죄의 발생률이 경찰력의 증가에 미약하게나마 영향을 미치는 것으로 나타났을 뿐이다. 우리 사회에서 경찰과 범죄간의 직접적인 관계는 거의 없다고 할 수 있다.

The purpose of this study is to analyzes the relationship of police and crime in Korea by examining the annual rates of crime from 1964 to 2005. We tries (1) to review the annual trends of police and crime in our nation, (2) to examine the relationship of police and crime. These analysis are based on current official crime rates. The data that we have analysed here were obtained from official crime statistics, 'Analytical Report on Crime', which is published quarterly by the Supreme Public Prosecutor's Office, and 'Police Annual Statistics', by Korean National Police Agency in Korea. To analyze the time series data on the years 1964 to 2000, we sued the ARIMA(Autoregressive integrated moving average model) analysis. The model(1) included police force(t) as an exogenous variable, and crime rate(t) as endogenous variables, and the model(2) included crime rate(t) as an exogenous variable, and police force(t+1) as endogenous variables. Crime rate refers to estimates of total crime, larceny, burglay-robbery, fraud, violence, and rape event per 100,000 person, and police force to police number per 100,000 person. According to deterrent theory, the police activities contribute to reduce crime rates. This results is not supported deterrent theory. In this study, we has reviewed the relationships of police and crime trend in our society since 1964. And we wish this study to contribute to the understand and explanation of police and crime phenomenon in our society. From our study, it is implied that future research should attempt to develop a more refined model on the relationship between police and crime rates, and to elaborate the measures on the major concepts and analysis methods.

최근 몇 년간 도시교통문제의 해결책으로 부각되어온 지능형교통체계(ITS : Intelligent Transport System)의 한 분야로 첨단여행자 정보체계(ATIS : Advanced Travellers Information System)는 자동차에 장착된 항법장치(CNS)를 통해 운전자에게 원하는 목적지까지 최적경로를 제공하거나 경로에 대한 통행시간 정보를 제공 또는 예측해 주는 시스템이다. 본 연구에서는 이러한 최적경로 제공이나 통행시간 예측에 있어 좀 더 효율적인 통행시간 예측모형을 개발하고자 하였다. 현재까지의 통행시간 예측은 운전자가 통행을 시작할 때의 교통상황에 대한 정보이기 때문에 운전 중에 달라지는 교통상황을 반영할 수 없어 이로 인해 운전자가 경험하는 통행시간과 큰 차이를 발생시킬 수 있다. 본 연구에서는 이러한 불합리적인 예측시스템을 개선시킬 수 있는 예측된(predicted) 통행시간 예측 모형을 개발하고자 하였다. 이를 위해 우선 통행시간 예측모형을 특정링크에 적용시켜 모형들의 예측치와 실제 통행시간을 비교하여 교통량 흐름 패턴에 따라 어느 모형이 적합한지, 또 예측시간이 달라짐에 따라 모형들의 적합도와 첨두와 비첨두시 예측시간 간격에 따라 예측치와 실측치의 오차율을 알아보았다, 이를 통해 선정된 확률과정 모형과 칼만 필터링 예측모형을 서울시의 4개축에 대해서 다시 적용해 보았다. 그 결과 단기통행시간 예측에 있어서는 칼만필터링모형이, 장기 통행시간 예측에 있어서는 확률과정 모형이 통행시간 예측에 있어 우수한 모형임을 밝혀냈다. 마지막으로 서울시 28개 교통축의 5분 후 통행시간 예측에 칼만필터링 모형을 이용하여 오차분석을 적용하여 보았다. 그 결과 칼만필터링 모형이 신뢰할 만한 오차율을 보였다.

The study of Estimation model for the short-term travel time prediction. There is a different solution which has predicted the link travel time to solve this problem. By using this solution, the link travel time is predicted based on link conditions from time to time. The predicated link travel time is used to search the shortest path. Before providing a dynamic shortest path finding, the prediction model should be verified. To verify the prediction model, three models such as Kalman filtering, Stochastic Process, ARIMA. The ARIMA model should adjust optimal parameters according to the traffic conditions. It requires a frequent adjustment process of finding optimal parameters. As a result of these characteristics, It is difficult to use the ARIMA model as a prediction. Kalman Filtering model has a distinguished prediction capability. It is due to the modification of travel time predictive errors in the gaining matrix. As a result of these characteristics, the Kalman Filtering model is likely to have a non-accumulative errors in prediction. Stochastic Process model uses the historical patterns of travel time conditions on links. It if favorably comparable with the other models in the sense of the recurrent travel time condition prediction. As a result, for the travel time estimation, Kalman filtering model is the better estimation model for the short-term estimation, stochastic process is the better for the long-term estimation.

최근 관광 콘텐츠의 주요 전략으로 게이미피케이션이 주목받고 있으며, 스탬프투어 는 이러한 게임화 요소를 적용한 대표적인 체험형 관광 프로그램으로 평가된다. 이 연 구는 안양예술공원에서 운영 중인 스탬프투어 프로그램을 중심으로, 주요 운영 변화 가 완주자 수요에 미친 영향을 실증적으로 분석하고, 이를 바탕으로 향후 수요를 예측 하고자 하였다. 스탬프투어는 관광자의 자발적 참여와 몰입을 유도하는 게이미피케이 션 기반 콘텐츠로, 이 연구는 모든 코스를 완주하고 기념품을 획득한 참여자를 지표로 설정하여 실질 수요자의 행동 데이터를 활용하였다. 분석을 위해 2022년 1월부터 2024년 12월까지 월별 완주자 수 자료를 수집하고, 스탬프투어 콘텐츠 개편, 관악수 목원 임시 개방, 완주 기념품 변경 등 세 개의 주요 개입 시점을 설정하여 완주자 수에 미친 영향을 분석하였다. 그 결과, ARIMA(5,0,1) 개입모형이 최적 모형으로 도출되 었으며, 모든 개입 효과가 통계적으로 유의미한 수준에서 완주자 수 증가에 긍정적인 영향을 미친 것으로 나타났다. 예측 결과 또한 2025년과 2026년 모두 완주자 수는 안정적인 증가세를 유지할 것으로 전망되었다. 이러한 결과는 스탬프투어와 같은 게 이미피케이션 관광 콘텐츠가 일회성 이벤트를 넘어, 관광자의 몰입을 유도하고 지역 관광지의 지속 가능한 수요 기반을 구축하는 데 실질적으로 기여할 수 있음을 시사한 다. 또한, 완주자 수를 활용한 정량 분석은 단순 방문자 수 대비 참여의 질과 몰입 정 도를 반영하는 지표로서의 의의를 가지며, 향후 관광수요 분석 및 정책 수립에 있어 정교한 실측 자료로서의 활용 가능성을 보여준다.

Gamification has emerged as a core strategy in contemporary tourism experience design, with stamp tours increasingly recognized as a leading example of gamified experiential programming. This study assesses the effects of three key operational interventions— program revision, temporary opening of the Gwanak Arboretum, and reward system changes —on completion demand in the Anyang Art Park stamp tour, where demand is defined as the monthly count of participants who finished all required routes and received official rewards. Monthly data from January 2022 to December 2024 were analyzed using an ARIMA(5,0,1) intervention model. Findings show that all interventions had statistically significant positive effects on completion demand, with forecasts for 2025 and 2026 indicating a continued upward trend in participation. By introducing a behaviorally anchored measure of program demand and empirically validating the impact of gamification through a time-series intervention approach, this study offers new theoretical and practical insights for tourism program management, and provides guidance for destination managers and policymakers seeking to foster sustained engagement with participatory tourism products.

본 연구에서는 무인교통단속장비의 단속 건수 데이터의 시계열적 특성과 이에 영향을 주는 요인에 대해 분석하였다. 이를 위해 최근 2년(2022-2023년) 동안 전국 17개 시·도 경찰청에서 단속 건수가 가장 많은 5개씩 총 85개소의 일별 단속 건수와 설치 환경에 대한 자료를 수집하 였다. 연구 결과, ARIMA 모형을 통해 증가, 감소, 횡보 세 가지의 뚜렷한 시계열 추세유형을 확인하였으며, 설치 환경에 따른 아홉 가지 독립변수를 통해 시계열 추세에 유의미한 영향을 주는 요인을 탐색하였다. 연구결과를 바탕으로 무인단속장비의 운영효율성과 교통안전성을 높일 수 있는 정책을 제언하였다.

This study analyzes the time-series characteristics of enforcement counts recorded by automated traffic enforcement systems and the factors influencing these patterns. Using data from the top five enforcement locations in each of 17 provincial police agencies in South Korea over two years (2022 to 2023), ARIMA modeling resulted in the identification of three distinct time-series trends, viz., growth, decline, and stagnation. In addition, nine independent variables related to installation conditions were examined to determine whether they significantly impacted these trends. Based on our findings, policy recommendations are proposed to enhance the operational efficiency of automated traffic enforcement systems and improve overall traffic safety.

본 연구는 ARIAMA 모델을 활용하여 이중적인 변동성을 고려한 ETF 주가를 예측 후 단일 변동성을 가진 일반 기업과 비 교를 통해 모델의 적합성을 확인하였다. TIGER 미국 S&P500 ETF 데이터의 패턴과 변동성을 분석하였다. 분석 결과 ARIMA(1,2,3) 모델이 가장 효과적인 모델로 이를 통해 주가를 예측하였다. 또한, SK 하이닉스 주가 데이터를 대상으로 ARIMA(0,1,0) 모델을 도출 후 두 모델을 Ljung-Box 및 AIC 검정 분석하였다. 분석 결과, Ljung-Box 검정에서 유의한 차이 는 없었으며 ETF 상품의 AIC값(13854.99)이 일반 기업의 결과(19342.18)보다 더 낮아 이중 변동성을 고려한 ARIMA 모델의 적합성을 확인하였다. 본 연구는 ARIMA 모델의 실용성과 금융 데이터 분석에서의 활용 가능성을 확인하며, 시계열 분석이 투자 전략 수립에 기여할 수 있음을 의미한다.

This study utilizes the ARIAMA model to predict the stock prices of ETFs with double volatility and then compares them with the stock prices of regular companies with single volatility to verify the model's suitability. The patterns and volatility of TIGER US S&P500 ETF data were analyzed. The ARIMA(1,2,3) model was found to be the most effective model to predict stock prices. In addition, an ARIMA(0,1,0) model was derived for SK Hynix stock price data, and both models were analyzed using Ljung-Box and AIC tests. The results showed that there was no significant difference in the Ljung-Box test, and the AIC value (13854.99) of the ETF product was lower than that of the general company (19342.18), confirming the appropriateness of the ARIMA model considering double volatility. This study confirms the practicality of the ARIMA model and its applicability in analyzing financial data, and suggests that time series analysis can contribute to the development of investment strategies.

보이스피싱은 가짜 금융기관, 검찰청, 경찰청 등을 사칭하여 개인의 인증번호와 신용카드 정보를 알아내거나 예금을 인출하게 하여 탈취하는 사이버 범죄이다. 최근에는 교묘하고도 은밀한 방법으로 보이스피싱이 이루어지 고 있다. ‘18∼‘21년 발생한 보이스피싱의 추세를 분석하면, 보이스피싱이 발생되는 시기에 예금 인출이 급격하게 증가하여 시계열 분석에 모호함을 주는 계절성이 존재함을 발견하였다. 이에 본 연구에서는 보이스피싱 발생 추 이의 정확한 예측을 위해서 계절성을 X-12 계절성 조정 방법론으로 조정하고, ARIMA 모형을 이용하여 2022년 보이스피싱 발생을 예측하였다.

Voice phishing is a cyber crime in which fake financial institutions, the Public Prosecutor's Office, and the National Pol ice Agency are impersonated to find out an individual's Certification number and credit card number or withdraw a deposi t. Recently, voice phishing has been carried out in a subtle and secret way. Analyzing the trend of voice phishing that occ urred in '18∼’21, it was found that there is a seasonality that occurs rapidly at a time when the movement of money is i ntensifying in the trend of voice phishing, giving ambiguity to time series analysis. In this research, we adjusted seasonali ty using the X-12 seasonality adjustment methodology for accurate prediction of voice phishing occurrence trends, and pre dicted the occurrence of voice phishing in 2022 using the ARIMA model.

소트프웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나, 단조 증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구되었다. 고장 시간 예측에 사용된 고장 시간자료는 소프트웨어 고장 시간 분포에 널리 사용되는 와이블 분포에서 형상모수가 1이고 척도모수가 0.5를 가진 난수를 발생된 모의 자료를 이용 하였다. 이 자료를 이용하여 시계열 분석에 이용되는 ARIMA 모형 중에서 AR(1) 모형과 모의실험을 통한 예측 방법을 제안하였다. 이 방법에서 ARIMA 모형을 이용한 예측방법이 효율적임을 입증 하였다.

Software failure time presented in the literature exhibit either constant, monotonic increasing or monotonic decreasing. For data analysis of reliability model, data scale tools of trend analysis are developed. The methods of trend analysis are arithmetic mean test and Laplace trend test. Trend analysis only offer information of outline content. In this paper, we discuss forecasting failure time case of failure time censoring. The used software failure time data for forecasting failure time is random number of Weibull distribution(shaper parameter 1, scale parameter 0.5), Using this data, we are proposed to ARIMA(AR(1)) and simulation method for failure time. The practical ARIMA method is presented.

제주도의 관광 수요는 코로나19 직전까지 지속적인 성장세를 보였다. 해외 여행길 이 막히며 내국인 여행자가 제주도로 몰렸고 이는 제주도 재방문객의 증가와 더불어 제주도 내의 새로운 장소 및 체험에 대한 욕구로 이어졌다. 이는 제주도 부속 섬 여행 으로 이어지며 제주도 부속 섬의 입도객 수 또한 유의미하게 높아지고 있다. 정확한 관광 수요 예측은 제주도의 관광 정책이나 관광객 유치사업 수립을 위한 기 초 지표로 정확한 관광 수요 예측은 필수적이며 실용적인 차원에서 그 중요성이 매우 높다고 할 수 있다. 특히, 오버투어리즘의 부작용으로 제주도의 입도세 추진이 진행되 고 있는 상황에서 지속가능한 관광개발을 위해 정확한 관광 수요 예측은 시의성 측면 에서도 중요하다고 할 수 있다. 그동안 제주도 입도객을 중심으로 다양한 시계열 분석이 진행되었으나 제주도 부속 섬에 관한 시계열 연구는 다루어지지 않았다. 이 연구는 제주도 부속 섬 중 가장 면적 이 넓고, 많은 관광객이 찾는 우도를 중심으로 수요예측을 진행하였다. 계절성을 띠는 제주도의 특성과 코로나 팬데믹의 영향을 고려하여 계절형 ARIMA 개입분석을 통해 2023년부터 2025년까지의 수요를 예측하였다. 선정한 모형으로 얻은 예측 결과, 우 도의 향후 입도객 수는 2023년 1,509,065명, 2024년 1,522,078명, 2025년 1,522,731명으로 2019년에 비해 17% 감소하는 것으로 나타났다. 이를 통해 질적 성장으로의 관광패러다임 전환을 위한 정부나 제주도 지자체의 정 책 수립에 객관적인 기초 자료로써 활용되고, 관광 관련 사업체들의 마케팅 및 경영전 략 수립에도 이바지할 수 있을 것으로 기대된다.

Until just before the COVID-19 pandemic, tourist demand in Jeju Island showed a consistent growth trend. With international travel restricted, domestic travelers flocked to Jeju Island, leading to an increase in repeat visitors and a desire for new places and experiences within Jeju. This trend extended to the sub-islands of Jeju, with a significant rise in the number of visitors. Accurate tourism demand predictions are essential for establishing tourism policies and attracting tourists, especially in the context of the current situation where the influx of visitors to Jeju is being actively promoted due to concerns about the side effects of over-tourism. Accurate tourism demand predictions are crucial from a practical perspective, emphasizing their high importance. While various time series analyses have been conducted focusing on Jeju Island visitors, there has been a lack of research on the sub-islands. This study conducted demand predictions, focusing on U-do Island, the largest sub-island with many tourists. Considering the seasonal characteristics of Jeju and the impact of the COVID-19 pandemic, demand was predicted from 2023 to 2025 using seasonal ARIMA intervention analysis. The selected model predicted that the number of Udo’s visitors would decrease by 17% compared to 2019, with 1,509,065 in 2023, 1,522,078 in 2024, and 1,522,731 in 2025. These objective findings can be utilized for government and Jeju local government policy-making for a qualitative shift towards tourism paradigm transition. Additionally, it can be helpful to the marketing and management strategies of tourism-related businesses.

본 연구는 파주시 관광객의 수요를 예측하고 관광정책 제언을 위해 수행되었다. 이를 위해 2011년 1월부터 2022년 12월까지 파주시 주요 관광지점의 관광객 자료를 수집하였고, 계절형 ARIMA 모형을 통하여 2023년 파주시 관광객 수요를 예측하였다. 주요 분석결과는 다음과 같다. 첫째, 파주시 관광객수는 지난 10여 년 간 하락하는 추세를 보여왔고, 2022년 대비 2023년의 관광객 수는 약 6.7% 가량 감소할 것으로 예상된다. 코로나19 방역정책이 엔데믹 수준으로 전환되어 전반적 으로 관광객 수요가 증가하는 상황에서 이러한 원인을 파악하기 위해 기존 관광정책, 관광수용태세, 심층 연구 등 다각도의 검토가 필요해 보인다. 둘째, 10월에 가 장 많은 관광객이 방문하는 경향을 보인다. 여름 휴가철이 지난 후, 서울·경기 거주자들이 근거리 관광지로 파주시를 선택하는 경향으로 분석된다. 이러한 경향성 을 유지 및 강화하기 위해 임진각, 마장호수, 헤이리 등 파주시 대표 관광지를 발전시킬 수 있는 전략적 정책이 필요하다. 셋째, 파주시 관광객수가 지속적인 감소 세를 보이지만, 경제적 요인과는 상관관계가 크지 않은 것으로 나타났다. 경제 상황이라는 외생변수에 영향을 받지 않기 때문에 관광지 자체에 매력도를 제고하는 정책이 필요하며, 파주시가 보유하고 있는 문화·예술적 자원은 이를 위해 적극적으로 활용해야 한다.

This study was conducted to predict the demand of tourists in Paju city and to propose tourism policies. To this end, tourist data were collected from January 2011 to December 2022, and the demand for tourists in Paju city was predicted through the seasonal ARIMA model in 2023. Main results of the analysis are as follows. First, the number of tourists in Paju city has been on the decline over the past decade, and the number of tourists in 2023 is expected to decrease by about 6.7% compared to 2022. With the COVID-19 quarantine policy shifting to the endemic level and overall tourist demand increasing, various reviews such as existing tourism policies, tourism preparedness, and in-depth research are needed to identify this cause. Second, it tends to be visited by the most tourists in October. It is analyzed that after the summer vacation season, Seoul and Gyeonggi residents tend to choose Paju city as a short-distance tourist destination. In order to maintain and strengthen this tendency, strategic policies are needed to develop Paju’s representative tourist destinations such as Imjingak, Majang Lake, and Heyri Artvalley. Third, the number of tourists in Paju city continues to decline, but there was no significant correlation with economic factors. Since it is not affected by exogenous variables such as economic conditions, a policy to enhance the attractiveness of the tourist destination itself is needed, and the cultural and artistic resources of Paju city must be actively utilized for this purpose.

본 논문은 계절 ARIMA 모형을 이용해 회사채의 미래 금리를 예측하는데 목적을 두고 있다. 회사채의 금리는 회사채 신용등급에 따라 움직이기 때문에 부채조달비용에 있어서 기업에게 매우 중요한 문제이다. 회사채 는 회계정보 및 각종 외부적인 요인들에 의해 많은 영향을 받는다. 경제 동항 등으로 인해 변동폭이 큰 회사채 금 리를 예측할 수 있다면, 투자자, 기업 및 정책당국에게 유용한 정보가 될 것이다. 본 연구는 계절 ARIMA 모형을 이용해 시계열 분석을 통해 향후 3년(총 36개월)에 대한 회사채 금리를 예측하였다. 분석 결과 매년 약 3% 이상 (단위: 연%)의 금리를 보이는 것으로 나타났다. 본 연구는 통계적 기법을 통해 회사채의 금리에 대한 예측의 실증 적인 결과를 제공하고, 정책당국이 이를 통해 경제상황에 맞는 운영정책을 마련할 필요성을 제기하는데 공헌점이 있다.

The purpose of this paper is to predict future interest rates of corporate bonds using Seasonal ARIMA model. Since the interest rate of corporate bonds moves according to the credit rating of corporate bonds, it is a very important issue for companies in terms of debt financing costs. Corporate bonds are greatly affected by accounting information and various external factors. If corporate bond yields that fluctuate widely due to economic conditions, etc. can be predicted, it will be useful information for investors, companies, and policymakers. This study predicted corporate bond yields for the next 3 years (total of 36 months) through time series analysis using the Seasonal ARIMA model. As a result of the analysis, it was found that the annual increase rate was about 3%(Unit: Yearly %). This study provides empirical results of predicting corporate bond interest rates through statistical techniques, and has a contribution to raising the need for policy authorities to prepare operational policies suitable for economic conditions.

본 연구는 계절성 시계열 분석을 통해 일본의 여행지 선정 트랜드와 우리나라 여행지 선정 트랜드를 비교한 것을 바탕으로 항공사의 신규 취항지 선정을 하고자 한다. 일본에서 새롭게 수요가 생긴 지역 또는 방문율이 상승하고 있는 지역을 선발하여 우리나라에서 그 지역의 트렌드를 비교 분석하고, 그 지역에 대한 우리나라와 일본 간의 시계열적 차이를 알아보고자 한다. 인근 국가와의 소비 흐름이나 유행의 흐름이 비슷하다면 여행소비 면에서도 비슷하다고 생각될 수 있기 때문에 인근 국가에서 인기가 상승하고 있는 지역이 추후 우리나라에서도 관심이 높아질 것이라는 관점에서 본 연구는 시작된다. 어느 나라가 선행이라고 할 수는 없기 때문에 시계열 분석을 통해 일본에서 선행적으로 유행이 시작된 지역을 선발한다. 그 지역들 만을 모아서 한국과 일본의 시계열적 패턴이 있는지 분석을 하고 유의미한 결과가 나올 시, 현재 일본에서 유행하고 있는 여행지를 한국 항공사의 신규취항지 후보로 선정한다.