지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이태욱
- 발행연도
- 2016
- 저작권
- 한국외국어대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
벡터자기회귀모형과 벡터 오차수정모형에서의 자기상관관계에 대한 와일드 붓스트랩 Ljung-Box검정
본 논문에서는 다변량 시계열 모형 잔차의 자기상관성 유무를 확인하기 위해 와일드 붓스트랩(wild bootstrap)을 이용한 Ljung-Box(LB) 검정통계량을 연구하였다. 일반적으로 LB 검정은 오차가 서로 독립이며 동일한 분포를 따른다는 IID 가정 하에 유도되는 점근적 분포를 이용하여 검정을 실시한다. 한편 금융시계열 자료는 분산에 조건부 이분산성이 존재하여 오차의 IID 가정을 만족시키지 못하게 되며 이에 따라 점근적 분포를 이용한 LB 검정에서 제 1종의 오류를 만족시키지 못하게 된다. 이를 극복하기 위해 와일드 붓스트랩을 이용한 LB 검정법을 제안하고 그 성질을 연구하고자 한다. 벡터자기회귀 모형과 벡터오차수정 모형 등의 다양한 다변량 시계열 모형을 이용하여 모의실험을 실시하는 한편, 코스피 200지수와 지수선물 자료를 이용한 실증분석을 통해 와일드 붓스트랩을 이용한 LB 검정법이 조건부 이분산성의 부정적인 영향을 효과적으로 제거할 수 있음을 입증하고자 한다.
본 논문에서는 다변량 시계열 모형 잔차의 자기상관성 유무를 확인하기 위해 와일드 붓스트랩(wild bootstrap)을 이용한 Ljung-Box(LB) 검정통계량을 연구하였다. 일반적으로 LB 검정은 오차가 서로 독립이며 동일한 분포를 따른다는 IID 가정 하에 유도되는 점근적 분포를 이용하여 검정을 실시한다. 한편 금융시계열 자료는 분산에 조건부 이분산성이 존재하여 오차의 IID 가정을 만족시키지 못하게 되며 이에 따라 점근적 분포를 이용한 LB 검정에서 제 1종의 오류를 만족시키지 못하게 된다. 이를 극복하기 위해 와일드 붓스트랩을 이용한 LB 검정법을 제안하고 그 성질을 연구하고자 한다. 벡터자기회귀 모형과 벡터오차수정 모형 등의 다양한 다변량 시계열 모형을 이용하여 모의실험을 실시하는 한편, 코스피 200지수와 지수선물 자료를 이용한 실증분석을 통해 와일드 붓스트랩을 이용한 LB 검정법이 조건부 이분산성의 부정적인 영향을 효과적으로 제거할 수 있음을 입증하고자 한다.
목차
1. 서론 72. 다변량 시계열 모형의 적합도 검정 93. 와일드 붓스트랩 알고리즘 124. 모의실험 185. 실증분석 295.1. 자료 295.2. 기초 자료분석 295.3. 성과 분석 346. 결론 37
최근 본 자료
댓글(0)
0