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
- 백창룡
- 발행연도
- 2022
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수5
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
시계열 자료에서의 이상점 탐지는 자기회귀이동평균 모형을 적합한 잔차를 이용하여 이루어진다. 하지만 금융 시계열과 같이 장기 기억을 가지고 있는 시계열의 경우, 추정해야 하는 계수의 수가 급격히 증가하는 등 정확한 추정을 하기 어려워지고 탐지력이 저하되는 문제점이 있다. 본 논문에서는 이를 보안하기 위해 HAR (heterogeneous autoregressive) 모형에 기반하여 장기억 시계열에서 이상점을 탐지하는 방법을 제안한다. 모의실험 결과 제안한 방법이 장기억 시계열 모형에서 기존의 자기회귀이동평균 모형을 기반으로 한 방법보다 이상점이 존재한다는 가설을 더 강력하게 지지함을 확인하였다. 또한 제안한 방법을 최근 5년 동안의 S\&P 500의 실현변동성 및 최근 3년 동안의 전력거래량 자료에 적용하여 이상점을 찾는 과정을 실증하였다.
목차
제 1 절 서론 1제 2 절 방법론 32.1 장기억 시계열과 FARIMA 그리고 HAR 모형 32.2 로버스트 회귀 62.3 이상점 탐지 방법 7제 3 절 시뮬레이션 연구 123.1 FARIMA 모형을 이용한 성능 비교 133.2 AR 차수 및 로버스트 회귀분석에 의한 효과 비교 16제 4 절 실증 자료 분석 214.1 금융 자료를 활용한 분석 214.2 전력 자료를 활용한 분석 25제 5 절 결론 및 논의사항 29참고 문헌 30ABSTRACT 32
최근 본 자료
댓글(0)
0