VAR 모형과 Bayesian VAR 모형의 물동량 예측력 비교 연구

김현석

추천

검색

자료유형: 학술저널

저자정보: 김현석

저널정보: 한국해운물류학회 해운물류연구 해운물류연구 제31권 제2호

발행연도: 2015.1

수록면: 449 - 466 (18page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 2000년 1월부터 2012년 4월까지의 월별 시계열 자료를 이용하여 물동량에 대한 환율과 운임지수의 영향을 일반적인 VAR 모형과 Bayesian VAR 모형에 적용하여 예측력 검정을 실시하였다. 비모수 검정을 포함하는 시계열 자료에 대한 안정성 검정 결과는 물동량을 포함하는 모든 시계열이 1차 차분안정적인 것으로 나타났다. Johansen 공적분 검정결과는 글로벌 금융위기를 포함하는 기존의 선형분석 결과와 마찬가지로 변수들 간에 공적분 관계가 존재하지 않는 것으로 나타났다. 또한 자료의 불안정성을 고려하기 위해 기존의 차분변환을 통해 추정하는 일반적인 VAR 모형에 대하여 불안정한 시계열자료를 차분변환 없이 추정할 수 있는 Bayesian VAR 모형 간의 예측력 검정을 실시하였다. 물동량과 이와 연관된 변수들의 예측을 위해 원계열 모형과 계절조정 자료 모형으로부터 추정된 표본내외 예측치의 비율을 비교한 결과 Bayesian VAR 모형이 일반적인 VAR 모형보다 우월한 예측력을 보여주는 것을 확인하였다.

This paper presents a comparison of forecasting trade volume between general and Bayesian VAR(vector autoregressive) approaches. There exist a variety of investigation to find a unique relationship between trade volume and economic indicators on the basis of economic theory or properties of the dataset. In the contents of many approaches to the trade volume, interest focused on finding effective factors through the various evaluation methods such as long-run relationship or factor analysis. However, among these are the testing procedure, the presence of regression based causality and cointegration only. Alternatively, we propose multivariate approaches, general VAR and Bayesian VAR, to forecast trade volume including macroeconomic determinants such as foreign exchange rate and Baltic Dry-bulk Index(hereafter BDI) and show forecasting power between the frameworks. Specifically we perform in-sample and out-of-sample forecasts using general VAR and Bayesian VAR in this investigation. As a first step, we test stationarity of the series using parametric and nonparametric methods. All the series span the period January 2000 to April 2012 and show nonstationary of ADF(augmented Dickey-Fuller), KPSS(Kwiatkowski, Phillips, Schmidt and Shin) and LM(Leybourne and McCabe) tests in the level. When the series are first-differenced, the results shows stationary. These are also called unit root processes in the level, and processes integrated of order 1. We then perform the Johansen cointegration test among the variables but it shows insignificant, which is consistent with previous results that include global financial crisis periods in 2008. Macroeconomic practitioners frequently work with multivariate nonstationary time series. However, the majority face how to consider the stationarity issues as well as model specifications. Regarding the stationarity, Bayesian methods have become increasingly popular as a way of overcoming stationarity problem of the series. That is, Bayesian VAR can circumvent the information loss because the approach is able to estimate the model without the restrictions. We perform in-sample and out-of-sample forecasts to compare the power between general and Bayesian approaches. For comparing the performance between general and Bayesina VAR forecasts we first estimate mean-based error to the variables and then estimate such as MAFE (Mean Absolute Forecast Error), RMSFE (Root Mean Squared Forecast Error), and RMSPFE (Root Mean Squared Percentage Forecast Error) to evaluate the forecasting power of the models. Forecasting power is measured using the ration of Bayesian VAR against general approach and, while there is a little similarity with in-sample forecasts, its economic value is significantly different. In particular, the overall estimated results from error-based analysis to the out-of sample forecast imply that Bayesian VAR is superior to the general VAR forecasts in trade volume.

#물동량 #운임지수 #환율 #Bayesian VAR #Trade Volume #Baltic Dry-bulk Index #Foreign Exchange Rate #Bayesian VAR

참고문헌 (23)

참고문헌 신청

Engle, R. F. / 1987 / Co-integration and Error Correction: Representation, Estimation and Testing / Econometrica 155 : 251 ~ 276

Geiger, D. / 1990 / On the Logic of Causal Models / Uncertainty in Artificial Intelligence 4 : 3 ~ 14

Glymour, C. / 1987 / Discovering Causal Structure / San Diego

Litterman, R. / 1986 / Forecasting with Bayesian Vector Autoregressions: Five Years for Experience / Journal of Business and Economic Statistics 4 : 25 ~ 38

Pearl, J. / 1990 / A Formal Theory of Inductive Causation

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김현석

소속기관 한국해운물류학회

주요연구분야 사회과학 > 무역학

논문수 1 이용수 12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (23)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)