메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이경민 (성균관대학교) 백창룡 (성균관대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제32권 제6호
발행연도
2021.11
수록면
1,205 - 1,218 (14page)
DOI
10.7465/jkdi.2021.32.6.1205

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
시계열 자료의 이상정 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 모형의 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

요약
1. 서론
2. 방법론
3. 시뮬레이션 연구
4. 실증 자료 분석
5. 결론 및 논의사항
References
Abstract

참고문헌 (12)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-041-000042536