Earticle

최근 COVID-19 팬데믹 이후 해외여행 회복세를 보이며 항공 여객 수요 또한 증가하고 있다. 그러나 항공사 고객 만족도는 오히려 큰 폭으로 감소하고 있어 이에 대한 대책 마련이 필요하다. 이러한 상황에서 항공 수요를 예측하는 것은 항공 산업의 전략적인 운영에 있어 중요한 부분이다. 본 연구에서는 시계열 모형 연구를 활용하여 항공 여객 수요를 예측하고자 한다. 시계열 분석에 적합한 ARIMA, SARIMA 모형을 사용하고 시간대별로 전체 승객 수, 2-3시, 16-17시의 데이터를 구분하여 비교 분석해보며 최적의 모형을 찾고자 한다. 각 모형의 예측 성능은 예측 값의 평균 제곱근 오차, 평균 절대 오차, 평균 절대 백분율 오차, 루트 상대 제곱 오차를 계산하여 확인한다. 이를 비교한 후 결정된 최종 모형을 기반으로, one-step ahead, multi-step ahead 예측을 진행한다. 또한 선정된 모형의 정확도를 확인하기 위해 예측 신뢰구간을 함께 제시하여 예측 값과 실제 값이 신뢰구간 안에 존재하는지를 확인한다. 본 연구는 항공사 및 공항 운영자가 단기 수요를 파악하고, 이에 맞춰 고객 중심 서비스를 제공하기에 도움이 되고자 한다.

Recently, overseas travel has recovered since the COVID-19 pandemic, and the demand for air passengers is also increasing. However, airline customer satisfaction is rather decreasing significantly, so countermeasures need to be prepared. In this situation, predicting air demand is an important part of the strategic operation of the aviation industry. This study attempts to predict air passenger demand using time series model research. We use the ARIMA and SARIMA models suitable for time series analysis and compare and analyze the total number of passengers, 2-3 o'clock, and 16-17 o'clock data by time zone to find an optimal model. The prediction performance of each model is achieved by calculating the root mean square error, absolute error, mean absolute error, mean absolute percentage error, and root relative square error of the predicted values. After comparing these, one-step ahead and multi-step ahead predictions are evaluated based on the determined final model. In addition, to check the accuracy of the selected model, the prediction confidence interval is presented together to confirm whether the predicted value and the actual value exist within the confidence interval. This study aims to help airlines and airport operators identify short-term demand and provide customer-oriented services accordingly.

Times series data is closely related with real-world more than other data. Time Series Prediction is one of the most important subjects that is useful in real-world problems. There are already many time series analysis methods. This study try to overcome the limitations of one of the famous time series analysis methods, ARIMA. ARIMA has limitations that are weakness in short term prediction and absence of nonlinear pattern analysis. This study use MODWT (Maximum Overlap Discrete Wavelet Transform) for preprocessing the time series data, and predict the data with ARIMA (Auto-Regressive Integrated Moving Average) and DBNs (Deep Belief Networks) which is usually used for analyzing nonlinear data. Real case datasets are used to compare the performances with original ARIMA and existing prediction methods. The results from the experiments demonstrate the usefulness and possibilities in various time series fields and superiority with improved accuracy.

경찰 인력수요에 대한 예측은 치안정책을 수립하고 장래 사회 구성원들의 올바른 진로 선택에 도움을 줄 수 있다는 측면에서 매우 중요한 과정이다. 특히 경찰을 둘러싼 환경이 급변하고 그에 따른 다양한 예측들이 혼재되어 있는 상황에서 보다 합리적이고 과학적인 방법을 통한 수요예측의 필요성은 커지고 있음을 알 수 있다. 이에 본 연구에서는 인력수요 예측 및 시계열 분석에 대한 이론적 토대를 바탕으로 1950년부터 2007년까지의 연도별 자료를 이용하여 2008년부터 2012년까지의 경찰 인력수요를 예측해 보았다. ARIMA 모형 설정의 기본 절차인 모형 식별 - 모수 추정 - 모형 적합성 진단을 통해 ARIMA(0,1,1)(0,0,1)3 모형을 최종모형으로 선정하였고 이에 따라 경찰 인력수요를 예측한 결과 소폭의 증가 및 감소 현상을 전망할 수 있었다. 본 연구 결과를 토대로 2008년부터 예정된 전ㆍ의경 감축 계획안에 대한 경찰의 합리적 대응 방안들을 몇 가지 제안하였다.

This study conducts a short-term forecast of police manpower demand by ARIMA model. Using yearly data of police manpower from 1950 to 2007, this paper are forecasting future trends and proposing some policy orientation. The result shows that ARIMA(0,1,1)(0,0,1)3 model is the most appropriate one and forecasts a minimum of 72,904 to maximum 119,205 police manpower will be needed in 2012. The police need to strive to secure necessary manpower. Moreover, incorporating ancillary functions to core policing, civilianization, paradigm shift to community policing are proposed.

음식점을 경영하는데 있어서 가장 중요한 정보중 하나는 매출액 자료이다. 매출액 예측은 비용을 절감시키고, 자원 배분의 효율성을 증가시키고, 급변하는 환경에서 경쟁하는 능력을 향상시키는 데 도움이 되는 정보를 제공한다. 본 연구는 국내외 연구에서 적합한 예측모형으로 평가되고 있는 지수평활법과 ARIMA 모형을 이용하여 음식점의 매출액을 예측하였다. 분석을 위해서 사용한 자료는 서울 시내에 소재하고 있는 평균 객단가 15,000원 수준의 스테이크를 주로 판매하는 캐주얼 dining 식당 K의 일별 매출액 자료이다. 분석 결과 홀트-윈터스지수평활법, 승법계절조정지수법 및 ARIMA 방법이 단순지수평활법이나 홀트지수평활법보다 우수한 것으로 나타났다. 이러한 결과가 얻어진 이유는 원계열에 요일별 계절성이 존재하기 때문으로서, 단순지수평활법이나 홀트지수평활법이 계절 변동을 고려하지 않기 때문에 적합하지 않은 것으로 나타난 것이다.본 연구의 의의는 다음과 같다. 첫째, 국내외 연구에서 적합한 예측모형으로 평가되고 있는 지수평활법과 ARIMA방법을 음식점의 일별 매출액 자료에 적용하였다는 점이다. 둘째, 지수평활법의 예측력이 우수한 것으로 나타났는데, 이는 국외의 여러 연구결과(Miller et al, 1991; Cranage and Andrew, 1992; Blecher and Yeh, 2004)와 일치한다. 그러므로 음식점 경영을 하는 실무자들도 고도의 수학적통계적 지식을 필요로 하는 ARIMA 모형을 사용하지 않고, 비교적 쉬운 지수평활법을 이용하여 예측하여도 정확한 결과를 얻을 수 있다는 이론적 근거를 제시하였다는 점이다.

One of the most valuable parts of information useful for hospitality industry is gross sales data. The ability to forecast sales is strategically very important. The forecasting of sales helps to cut costs, increase efficiency in allocating the resources, and improve the ability to compete in a constantly changing environment. This study tests exponential smoothing models and ARIMA model to forecast restaurant sales. The results of the study show that Winters-exponential smoothing model, seasonal exponential smoothing model and ARIMA model work better in forecasting sales than single and Holt-exponential smoothing model. There is no much difference in the ability to forecast sales between Winters-exponential smoothing model, seasonal exponential smoothing model and ARIMA model Since exponential smoothing models are typically more useful than ARIMA model in terms of time and skill levels of the users, the results of this study will be of much significance for the use of forecasting techniques in hospitality industry.

This paper uses seasonal auto-regressive integrated moving average (S-ARIMA), which is efficient in seasonality between time-series models, to predict the degradation tendency for lithium-ion batteries and study a method for improving the predictive performance. The proposed method analyzes the degradation tendency and extracted factors through an electrical characteristic experiment of lithium-ion batteries, and verifies whether time-series data are suitable for the S-ARIMA model through several statistical analysis techniques. Finally, prediction of battery aging is performed through S-ARIMA, and performance of the model is verified through error comparison of predictions through mean absolute error.

우리나라 멸치어업에서의 1971~1992년 동안의 22년간 월별 어획량 자료를 시계열 분석하여 어획량을 분석, 예측하였다. 시계열 분석은 다른 생물학적, 해양학적, 사회 경제적인 요소가 없어도 단지 어획량 자료만으로 분석과 예측이 가능하다. 첫 20년간인 1971~1990년 사이의 월별 멸치 어획량 자료를 ARIMA 시계열 모형에 적용시켜 구한 결과는 다음과 같다. 로그 (대수) 변환시켰을 때의 ARIMA 모형: $$(1-0.381B)(1-0.027B^{12}+0.141B^{24})(1-B^1)(1-B^{12})Z_t=(1-0.968B)(1-0.727B^{12})e_t$$, Box-Cox 변환시켰을 때의 ARIMA 모형: $$(1-0.431B)(1-B^{12})Z_t=(1-0.882B^{12})e_t$$, 위의 두 모형중 Box-Cox 변환시킨 것이 로그 (대수) 변환시킨 것보다 예측오차가 적었으며, Box-Cox 변환식은 $Y'=(Y^{0.58}-1)/0.58$ 이었다. 위의 두 모형 중 후자의 모형을 이용하여 1991~1992년 사이의 월별 어획량을 예측하였다. 예측 어획량과 실제 어획량과의 월별 오차범위는 1.0~63.2% (1991년에 1.6~63.2%이고, 1992년에는 1.0~60.4%)였다. 예측 어획량이 각 연도별로 148,201M/T과 148,834M/T인데 비해, 실제 어획량은 170,293M/T, 168,234M/T이었다. 2년 동안의 총어획량에 대한 오차는 12.3%였다. 또한 스펙트럼 분석은 순환변동의 주기가 2.2개월, 6.1개월, 10.2개월, 12개월, 14.7개월에서 상대적으로 큰 성분이 있음을 나타내었다 이 순환변동 성분은 적절한 ARIMA 모형을 결정하는 데도 도움이 된다.

Forecasts of the monthly catches of anchovy in Korea were carried out by the seasonal Autoregressive Integrated Moving Average (ARIMA) model and spectral analysis. The seasonal ARIMA model is as follows: $$(1-0.431B)(1-B^{12})Z_t=(1-0.882B^{12})e_t$$ where: $Z_t=value$ at month $t;\;B^{p}$ is a backward shift operator, that is, $B^pZ_t=Z_{t-p};$ and $e_t=error$ term at month t, which is to forecast 24 months ahead the anchovy catches in Korea. The prediction error by the Box-Cox transformation on monthly anchovy catches in Korea was less than that by the logarithmic transformation. The equation of the Box-Cox transformation was $Y'=(Y^{0.58}-1)/0.58$. Forecasts of the monthly anchovy catches for $1991\~1992$, which were compared with the actual catches, had an absolute percentage error (APE) range of $1.0\~63.2\%$. Total observed annual catches in 1991 and 1992 were 170,293 M/T and 168,234 M/T respectively, while the predicted catches were 148,201 M/T and 148,834 M/T $(API\;13.0\%\;and\;11.5\%,\;respectively)$. The spectrum analysis of the monthly catches of anchovy showed some dominant fluctuations in the periods of 2.2, 6.1, 10.2 12.0 and 14.7 months. The spectrum analysis was also useful for selecting the ARIMA model.

The purpose of this study is to estimate and forecast the total trading volumes of export and import in each regional port (Busan, Kwangyang, Ulsan, Incheon), and to give some policy suggestion. We estimate and forecast the trading volumes by using ARIMA model that is the fittest to estimate regional trading volumes. Before forecasting, we analyze forecasting statistics (RMSPE, MAPE, MPE)to test forecasting power of model.The result of forecasting the trading volumes indicates that the trading volumes of export and import will be 245,110 to 348,961 thousand ton in Busan port, 186,652 to 246,017 thousand ton in Kwangyang port, 151,546 to 169,011 thousand ton in Ulsan port and 123,114 to 126,952 thousand ton in Incheon port from 2005 to 2008. Busan port has the highest increase rate of trading volumes and Incheon port has the least increase rate of trading volumes. Therefore, it suggests that we must reexamine investment plan to port industry and establishments of each regional port.

코로나19(COVID-19) 팬데믹은 전 세계 관광산업을 크게 위축시켰다. COVID-19 상황에서의 관광수요의 예측은 관광 관련 이해당사자들에게 큰 의미를 지닌다. 전통적 시계열 모형을 통한 수요예측은 COVID-19와 같은 외부적 충격을 잘 반영하지 못한다는 한계가 있다. 이 연구는 이러한 한계점을 보완하기 위해 개입 ARIMA 모형을 활용하여 방한 외래관광자 수요를 예측하였다. 특히 SARS, MERS와 같은 감염병 이후의 관광 회복탄력성을 정량적으로 측정하여 제시하였으며, 이를 반영하여 외래관광자 수요예측에 관한 세 가지 회복 시나리오를 제시하였다. 첫 번째 시나리오는 현재와 같이 COVID-19가 장기화 되었을 경우를 가정하였으며, 이 경우 방한 외래관광자 수는 현재와 큰 변화 없이 월별 10만~13만 명으로 예측되었다. 두 번째 시나리오는 SARS가 종식되고 난 이후 방한 외래관광자 수가 회복되는 속도를 가정한 경우로, 2023년 2월 160만 명으로 예측되었다. 세 번째 시나리오는 MERS가 종식되고 난 이후의 입국자 수 회복 속도를 적용하였으며, 2023년 2월 약 200만 명으로 나타났다. 이는 COVID-19가 종식되고 해외여행에 대한 위험 및 격리제도가 없어진다면 2개월에서 6개월 이내에 방한 외래관광자 추이가 COVID-19 이전 수준으로 회복할 수 있다는 것을 의미한다. 학술적으로 이 연구는 수요예측 모형의 예측력 비교를 통해 개입 ARIMA 모형이 방한 외래관광자 수에 대한 예측력이 높았다는 기존의 연구를 뒷받침하였다는 데 의의가 있다. 또한 처음으로 회복탄력성을 계량화하여 이후 관광회복력을 평가할 수 있는 체계를 제시하였다. 실무적으로 회복탄력성에 대한 실증분석 결과를 제시함으로써 정책입안자 및 관광 관련 사업체가 참고할 수 있는 객관적 자료를 제시하였다는 데 의의가 있다.

Predicting changes in the tourism industry following COVID-19 is a crucial task. Using an intervention ARIMA model that can compensate for external shocks such as COVID-19, this study forecasts the demand for inbound tourists visiting South Korea. Specifically, this study evaluates tourism's resilience in the aftermath of SARS and MERS. In addition, three recovery scenarios for forecasting tourism demand were presented, reflecting the resilience of the tourism industry. The first scenario assumes that COVID-19 is prolonged; in this case, the number of monthly inbound tourists is projected to remain stable between 100,000 and 130,000. The second scenario assumes the recovery rate of inbound tourists following the end of SARS, with 1.6 million visitors anticipated in February 2023. The third scenario assumes the recovery rate of inbound tourists after MERS has come to an end, with 2 million visitors anticipated in February 2023. Therefore, if COVID-19 is over, the trend of inbound tourists will return to pre-outbreak levels within two to six months. This study has academic significance because the intervention ARIMA model has the high prediction accuracy noted in prior research. In addition, it is significant because it is one of the only few tourism studies to conduct a quantitative study on tourism resilience after a disaster. Also, it can be helpful to policy-makers and tourism-related businesses in that it can present an empirical analysis system and provide objective data.

최근 고용통계에 대한 수요가 점차 늘어나고 다양한 지표에 대한 요구 또한 증가하고 있어 계절조정계열 제공을 확대하기 위해 통계청에서는 지속적으로 노력하고 있으며, 이러한 노력의 결과로 2009년 현재 총 56개 계열에 대한 계절조정계열을 작성 제공하고 있다. 갈수록 활용성이 커지고 있는 현실에서 보다 정확한 계절조정계열의 작성은 중요할 수밖에 없으며, 고용통계 시계열 특성을 고려한 최적의 계절조정방법을 찾아 제시해보는 것은 의의가 있다고 생각된다. 또한 고용통계 자료를 이용하는 연구자로 하여금 자의적인 계절조정결과를 활용하는 사례를 줄일 수 있을 것으로 기대된다. 본 연구에서는 고용통계의 계절조정방법을 X-12-ARIMA를 이용한 실증 분석을 통해 각 단계별 최적 옵션을 찾아 제시하고, 계절조정결과에 대한 검증을 실시하였다. 그리고 고용통계에 현재 적용하고 있는 사전조정방법 개선을 위해 명절효과와 근무일수 효과에 대한 검증방법을 모색해보았다.

Recently, the demand for employment statistics is steadily increasing, and statistical users are requesting more various indicators. Accordingly, the Statistics Korea continuously tries to expand the provision of seasonally adjusted data. As of now, 56 seasonally adjusted series are being produced and disseminated by the Statistics Korea. With more data uses, it's important to produce seasonally adjusted statistics accurately. Accordingly, it will be very meaningful to find out the optimal method of adjusting seasonality with the features of time series of employment statistics considered. And it is expected that employment statistics users will not apply seasonal adjustment arbitrarily. This paper will present an optimal way of seasonal adjustment for employment statistics through the demonstration of X-12-ARIMA and verify the results of seasonal adjustment. The paper will try to find a method to verify the effects of holidays or working days so as to improve the pre-adjustment method currently applied to employment statistics by the Statistics Korea.

이 논문의 주된 목적은 1997년 지방자치의 본격적 실시를 앞두고 중앙정부 주도의 대대적인 시군통합 노력을 통해 1995년에 탄생된 통합시를 대상으로 시군통합의 효과를 경험적으로 검증하는 데 있다. 이 논문의 연구 질문은 “1995년에 출범한 통합시가 통합되기 이전에 시군으로 분리되어 있는 경우에 비해 효율성과 경제성장이 강화되었는가?”이다. 이 질문에 대한 답변을 위해 통합시가 출범한 1995년을 기점으로 통합 전 12년, 통합 후 12년을 포함하여 총 24년에 이르는 1984년~2006년의 기간을 연구대상으로 설정하여 단절적 시계열 분석기법(interrupted time series analysis)을 실시하였다. 이 연구의 최종적 결론은 1990년대와 현재 진행되고 있는 것처럼 중앙정부의 막대한 행･재정 지원을 통해 자치단체의 구조조정 노력을 하지 않아도 되게 만드는 방식의 통합은 “한건 했다”는 정치적 선전효과 외에는 통합 자치단체의 효율성과 경쟁력을 강화시키는 데 큰 도움이 되지 않는다는 것이다.

This study empirically tests the effects of city-county consolidation enacted through the central government initiative in 1995 before the substantive implementation of Korean local autonomy in 1997. The research question of this study is if the consolidated cities created in 1995 have experienced enhanced efficiency and economic growth as expected before the city-county consolidation. To answer the question, this study employs an interrupted time series analysis, with a panel data set covering the 1984-2006 period, 12 years before and after the base year of 1995 when city-county consolidation occurred. The conclusion of this study is as follows. Regarding the consolidation in the 1990s and recently ongoing debates on consolidation, a consolidation program that discourages the restructuring motives of local governments by providing considerable amounts of administrative and financial support from the central government for local governments willing to consolidate, does not lead to expected efficiency and competitiveness. Such consolidation programs induce the public perception that the central government is "doing something" significant for the nation and people, enabling it to claim political credit.

박근혜 정부는 학교 폭력, 성폭력, 가정 폭력,불량식품을 사회 4대 악으로 선정하고 이를 척결하기 위한 전방위적 노력의 일환으로 5년 동안 매해 4천 명씩 총 2만 명의 경찰공무원 증원을계획․시행하고있다. 경찰인력의 증원을 통한 경찰력 증강이 범죄를 억제할 수 있다는 주장은 강력한 설득력을가지는 것처럼 보인다. 하지만 경찰력 증강과범죄억제 효과 간의 실증적 연구에서는 이들간의 인과성에 대한 논의는 다르게 나타나고있다. 즉 경찰과 범죄억제 간의 관계에 관한논의에 따르면, 이론적으로 경찰력 증강이 범죄를 감소시키는 것이 당연하지만 실증적 분석에서 연구결과가 상이하여 미국에서 1970년대이후현재까지도논쟁의 대상이되고있다. 경찰과 범죄억제 간의 관계에 관한 국내 연구는 매우 미흡한 실정에 있다. 때문에 경찰과범죄억제 간의 인과성에 관하여 외국 선행연구에 지나치게 의존함으로써 학자들마다 이에대한 상이한 주장을 하는 경향이 적지 않다. 즉범죄를억제하기 위해경찰인력을증강하는방식의 전략 선택에 대해서도 논란이 없지 않는실정이다. 이에 본 연구는 경찰이 범죄를 억제하는데 있어서 어떠한영향을미치는지를실증적으로검증하고자 한다. 즉 경찰력 증강과 경찰활동 강화가 범죄를억제하는데효과가 있는 지를 밝혀보고자 한다. 이를 위해 본 연구에서는 49년간의 시계열 데이터를 수집하여 ARIMA 모형을활용한 회귀분석을 실시하였다. 경찰력의 측정변수는 경찰인력과 경찰예산을 그리고 경찰활동의 측정변수는 범인검거 건수를 선정하였으며범죄발생 건수를 범죄억제의 측정변수로 활용하였다. 분석결과, 경찰활동은 유의수준 0.01에서범죄억제에 유의미한 부(-)의 영향을 미치는 것으로 나타난 반면에 경찰력 증강은 범죄억제에유의미한 영향을 미치지 못하는 것으로 확인되었다. 이는 경찰조직이 범죄 예방 및 억제를 위한 해결방안으로써 경찰인력 증원에 지나치게의존하기보다는 범인을 효과적으로 체포하기 위한 방안 마련에 더 정책적 관심과 의지를 가지는것이바람직할수있음을시사한다.

Police are in the front line of fighting crime. Does police have acausal relationship with crime deterrence? The effect of crimedeterrence is one of the rationales behind the proposition that policecan reduce crime. According to the proposition, there are the apparentnegative effects of increasing police strength and reinforcing policeactivities on crime rates. So one of the most common strategies in thewar against crime is to increase police manpower levels. There havebeen, however, constant controversies on the causal relationshipbetween police and crime deterrence effect since empirical studieshave showed the different results that especially a reinforcement ofpolice strength has no effect on reducing crimes or a positive influenceon crime rates. The Park administration has been increasing the number of policein order to exterminate 4 evils as one of the strategies in the waragainst crimes since 2013. However, there are some disputes related tothis government's measure. The empirical studies to investigate thecorrelation and causation between police and crime deterrence havebeen lack significantly in Korean background, so it is not easy to make sure the effect of police on crime deterrence. When consideringthe analytical results from a lot of the empirical studies to investigatethe causal relationship between police and crime deterrence, it is truethat there is s strong doubt over whether the increase in policemanpower implemented by The Park administration can contribute toreduce the number of crimes including 4 evils. In the context, this study investigates the effect of police onreducing crimes. That is to say, the purpose of this study is toinvestigate the effect of the strength of police and policy activity oncrime deterrence. This study employs an ARIMA time-seriesregression analysis to verify the causal relationship between police andcrime deterrence effect by analyzing the data collected from 1964 to2012. As result, the study reveals that the policy activity has a negativeinfluence on crime deterrence, while the police strength does not havea significance. The analysis shows that the reinforcement of policestrength does not affect the decrease in crime rates. The policy implication of this study is that a police organizationshould make bigger efforts to establish the effective measures forimproving the rates of criminal arrests in order to reduce the numberof crimes instead of giving more policy attention to the reinforcementof police strength as one of the most common strategies in the waragainst crime.

This paper used the golf course visitors' data in Jeju region to forecast the growth of inbound air traveler to Jeju. This is because the golf course visitors were proven to bring the highest economic and production inducement effect to the Jeju region. Based on such a data, this paper forecast the short-term growth rate of inbound air traveler using ARIMA to the Jeju until December 2025. According to ARIMA (0,1,0) (0,1,1) model, it was analyzed that the monthly number of golf course visitors to Jeju has been increasing steadily even since COVID-19 pandemic and the number is expected to grow until the end of 2025. Applying the same parameters of ARIMA (0,1,0) (0,1,1) to inbound air travel data, it was found the growth rate of inbound air travelers would be higher than the growth rate of 2019 shortly without moderate variation even though the monthly number of inbound travelers to Jeju had been dropped during COVID-19 pandemic.

세계적인 장기경기침체 속에서 보다 정확한 물동량 예측은 항만정책 수행에 중요하다. 따라서, 본 연구에서는 부산항 컨테이너 물동량(수출입화물과 환적화물)을 단변량 모형인 ARIMA 뿐만 아니라 인과관계가 있을 것으로 예상되는 경제규모(한국, 중국, 미국의 국내총생산), 금리수준 그리고 경기변동을 고려한 벡터자기회귀모형과 벡터오차수정모형을 활용하여 추정하고 비교하였다. 측정자료는 2014년 1월부터 2019년 8월까지 월별 부산항 컨테이너 물동량이다. 분석결과에 의하면, 수출입물동량 시계열은 비교적 안정적(stationary)이어서 VAR에 의해 추정하였고 환적화물은 불안정적(non-stationary)하지만, 경제규모, 금리 및 경기변동과 공적분(장기적인 균형관계)를 띠고 있어 VEC모형으로 추정하였다. 추정결과, 안정적인 수출입화물 추정에서는 단변량 모형인 ARIMA가 우수하고 추세가 있는 환적화물은 다변량모형인 VEC모형이 보다 예측력이 우수한 것으로 나타나고 있다. 특히 수출입화물은 우리나라 경제규모와 관련이 있고, 환적화물은 중국과 미국 경제규모와 밀접한 관련이 있다. 또한 중국 경제규모가 미국에 비하여 더 밀접하게 나타나고 있어 환적화물 증대전략에 시사점을 주고 있다.

More accurate forecasting of port cargo in the global long-term recession is critical for the implementation of port policy. In this study, the Busan Port container volume (export cargo and transshipment cargo) was estimated using the Vector Autoregressive (VAR) model and the vector error correction (VEC) model considering the causal relationship between the economic scale (GDP) of Korea, China, and the U.S. as well as ARIMA, a single volume model. The measurement data was the monthly volume of container shipments at the Busan port J anuary 2014-August 2019. According to the analysis, the time series of import and export volume was estimated by VAR because it was relatively stable, and transshipment cargo was non-stationary, but it has cointegration relationship (long-term equilibrium) with economic scale, interest rate, and economic fluctuation, so estimated by the VEC model. The estimation results show that ARIMA is superior in the stationary time-series data (local cargo) and transshipment cargo with a trend are more predictable in estimating by the multivariate model, the VEC model. Import-export cargo, in particular, is closely related to the size of our country's economy, and transshipment cargo is closely related to the size of the Chinese and American economies. It also suggests a strategy to increase transshipment cargo as the size of China's economy appears to be closer than that of the U.S.

Korea meteorological administration(KMA) has started to levy air meteorological service charge on both national and foreign carriers since 2005. The charge has grown on 2010 and 2014 twice. However, KMA has still kept asking airlines to agree with another increase in the charge due to the low cost of goods recovery ratio of 7%. The air meteorological charge has changed from 2,210 KRW at the beginning to 11,400 KRW as of June 2018. According to ARIMA intervention time series analysis, it was proven national carriers would make a payment of 831 million KRW 2018 and 1,024 million KRW 2019, showing 186.2% and 123.2% increase compared to last year respectively. The total amount of charge for both national LCC and foreign airlines was aggregated up to 1,952 million KRW 2019, 227% bigger than the charge paid at 2017. Considering the 50% increase of consumer price index last decade, the increased charge would impair the global competitiveness of national carriers. It could be suggested that current air meteorological charge scheme be improved to apply overseas trend and for national carriers to have a competitive advantage in global aviation market.

Necessity has compelled man to improve upon the art of tapping wind energy for power generation; an apt reliever of strain exerted on the non-renewable fossil fuel. The power generation in a Wind Farm (WF) depends on site and wind velocity which varies with time and season which in turn determine wind power modeling. It implies, the development of an accurate wind speed model to predict wind power fluctuations at a particular site is significant. In this paper, Box-Jenkins ARIMA (Auto Regressive Integrated Moving Average) time series model for wind speed is developed for a 99MW wind farm in the southern region of India. Because of the uncertainty in wind power developed, the economic viability and reliability of power generation is significant. Life Cycle Costing (LCC) method is used to determine the economic viability of WF generated power. Reliability models of WF are developed with the help of load curve of the utility grid and Capacity Outage Probability Table (COPT). ARIMA wind speed model is used for developing COPT. The values of annual reliability indices and variations of risk index of the WF with system peak load are calculated. Such reliability models of large WF can be used in generation system planning.

The purpose of this study is to analyze the effect of intervention variables which may affect the air travel demand for Jeju domestic flights and to anticipate the air travel demand for Jeju domestic flights. The air travel demand forecasts for Jeju domestic flights are conducted through ARIMA-Intervention Model selecting five intervention variables such as 2002 World Cup games, SARS, novel swine-origin influenza A, Yeonpyeongdo bombardment and Japan big earthquake. The result revealed that the risk factor such as the threat of war that is a negative intervention incident and occurred in Korea has the negative impact on the air travel demand due to the response of risk aversion by users. However, when local natural disasters (earthquakes, etc) occurring in neighboring courtiers and global outbreak of an epidemic gave the negligible impact to Korea, negative intervention incident would have a positive impact on air travel demand as a response to find alternative due to rational expectation of air travel customers. Also we realize that a mega-event such as the 2002 Korea-Japan World Cup games reduced the air travel demand in a short-term period unlike the perception in which it will increase the air travel demand and travel demands in the corresponding area.

2011년 세계경기는 그리 밝지 않은 것으로 전망되고 있다. 금년 11월 미국 정부가 6,000억 달러라는 천문학적 규모의 양적 완화를 발표하였음에도 별다른 효과를 기대하지 않을 정도로 세계경제에 대한 전망이 흐린 것이다. 글로벌 불균형과 환율문제에서의 국가간 갈등, 국제통화제도의 불안정 등도 경기회복을 더디게 하는 요인으로 지목되고 있다. 그런데 해운경기와 세계경제는 밀접한 연관성을 갖기 때문에 당연히 해운경기에 대한 전망이 밝지 않다. 본고는 2011년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 RW 모형의 그것보다 높아 동 모형을 이용한 예측이 부정확할 수 있음을 보인다. 그러나 이러한 점은 예측치에 대한 부정확을 의미하는 것이지 2011년 해운경기의 흐름에 대한 예측을 거부하는 것은 아니다. 사전적 예측을 통해 모형간 예측치가 비교적 큰 차이를 보이나 2011년 내내 침체 상태에 있거나 2011년 후반기에 침체상태로 접어든다는 것을 밝힌다. 해운업계에 어려운 시기가 될 수 있다는 것을 시사한다.

The purpose of the study is to predict the shipping business during the period of 2011 using the ARIMA-type models. This include the ARIMA and Intervention-ARIMA models. The multivariate cause-effect econometric model is not employed for not assuring a higher degree of forecasting accuracy than the univariate variable model. Such a cause-effect econometric model also fails in adjusting itself for the post-sample. This article introduces the four ARIMA models and six Intervention-ARIMA models. The monthly data cover the period January 2000 through October 2010. The out-of-sample forecasting performance is compared between the ARIMA-type models and the random walk model. Forecasting performance is measured by three summary statistics: root mean squared percent error, mean absolute percent error and mean percent error. The root mean squared percent errors of all the ARIMA-type models are somewhat higher than normally expected. Furthermore, the random walk model outperforms all the ARIMA-type models. This reveals that the BDI is just a random walk phenomenon and it's meaningless to predict the BDI using various econometric techniques. The ARIMA-type models show that the shipping market is expected to be bearish in 2011. These pessimistic ex-ante forecasts are supported by the Hodrick-Prescott filtering technique.

신형/장기 운영 무기체계 수리부속의 불균형적 수요발생에 따른 항공기 불가동을 해소하기 위한 수요예측기법 개선의 필요성이 대두되고 있다. 항공기 수리부품들은 고단가이고, 청구에 소요되는 기간이 길어 사전에 예측하지 못한다면 작전지원에 문제가 발생하게 된다. 신뢰성 있는 수요 예측은 과보유로 인한 재고비용을 줄일 수 있으며, 수요를 예측하기 위한 방법은 회귀분석, 단/다변량 시 계열분석, 데이터 마이닝 기법 등이 있다. 항공기 부품의 수요 예측은 그 부품의 수가 8만 가지 이상이며 각 부품간의 관계를 분석하기에 어려움이 있어 시간에 종속적인 단변량 시계열 분석을 통해 수요예측을 실시하였다. 본 연구에서는 이러한 문제점을 해결하기 위하여 첫째, 자료를 기존 AMMIS 체계에서 고장 자료를 실수요로 가정하여 수집하였다. 고장이나 주기 검사, 시한성 기술지시 등으로 부품을 장 탈착하게 되면 정비부서에서 이를 전산프로그램인 AMMIS에 입력하도록 하고 있다. 따라서 실제 정비부서에서 부품을 사용한 현황을 실수요라고 인정할 수 있다. 둘째, 1999년 1월부터 2007년 2월까지의 월별 자료(98개)를 수집하였다. 자료의 수가 충분하므로 예측 정확성 향상을 위하여 ARIMA기법에 적용이 가능하다. 고장빈도가 높은 부품 50여개를 추출하여 Box-Jenkins의 ARIMA기법을 적용하여 예측을 실시하였다 실시 결과 적합한 모형식을 도출하였으며, 현용기법보다 예측 정확성이 높다는 결론을 얻었다.

This study is for improvement of repair part demand forecasting method of Republic of Korea Air Force aircraft. Recently, demand prediction methods are Weighted moving average, Linear moving average, Trend analysis, Simple exponential smoothing, Linear exponential smoothing. But these use fixed weight and moving average range. Also, NORS(Not Operationally Ready upply) is increasing. Recommended method of Box-Jenkins' ARIMA can solve problems of these method and improve estimate accuracy. To compare recent prediction method and ARIMA that use mean squared error(MSE) is reacted sensitively in change of error. ARIMA has high accuracy than existing forecasting method. If apply this method of study in other several Items, can prove demand forecast Capability.

Since the SMP(System Marginal Price) is a vital factor to the market participants who intend to maximize the their profit and to the ISO(Independent System Operator) who wish to operate the electricity market in a stable sense, the short-term marginal price forecasting should be performed correctly. In an electricity market the short-term market price affects considerably the short-term trading between the market entities. Therefore, the exact forecasting of SMP can influence on the profit of market participants. This paper presents a new methodology for a day-ahead SMP forecasting using ARIMA(Autoregressive Integrated Moving Average) model based on the time-series method. And also the correction algorithm is proposed to minimize the forecasting error in order to improve the efficiency and accuracy of the SMP forecasting. To show the efficiency and effectiveness of the proposed method, the case studies are performed using historical data of SMP in 2004 published by KPX(Korea Power Exchange).

Traditionally, electrical power systems had the vertically-integrated industry structures based on the economics of scale. However power systems have been recently reformed to increase the energy efficiency of the power system. According to these trends, Korean power industry has been partially restructured, and the competitive generation market was opened in 2001. In competitive electric markets, correct demand data are one of the most important issue to maintain the flexible electric markets as well as the reliable power systems. However, the measuring load data can have the uncertainty because of mechanical trouble, communication jamming, and other things. To obtain the reliable load data, an efficient evaluation technique to adust the missing load data is needed. This paper analyzes the load pattern of historical real data and then the turned ARIMA (Autoregressive Integrated Moving Average) model, PCHIP(Piecewise Cubic Interporation) and Branch & Bound method are applied to seek the missing parameters. The proposed method is tested under a variety of conditions and tested with historical measured data from the Korea Energy Management Corporation (KEMCO).