시계열 애널리스트를 위한 Eviews 솔루션

인류는 흘러가는 시간 속에서 광대한 정보들을 그냥 보내지 않고 의미 있는 객관화된 정보를 지혜로 변환시키려 수많은 노력을 해왔다. 앞으로 개인과 기업 더 나아가 국가는 최적의 의사결정을 위해서 시간의 흐름에 따라 발생하는 시계열데이터에 근거하여 산출된 결과에 더욱 관심을 가지고 살펴보게 될 것이다.



본서는 경제 및 경영 분야에서 예측의 주요한 도구로 사용되는 단변량?다변량 시계열데이터 분석을 다루었다. 구성에 있어서는 내용을 단순히 나열하는 방식보다는 실제 경제 및 경영 분야에서 발생하는 사례를 중심으로 단계적으로 분석 및 해석하는 실전적인 방식으로 전개하였다. 본서가 집필되기 전에 저자는 SPSS 및 MINITAB을 중심으로 이미 몇 권의 책을 출간하였는데, 적용할 수 있는 시계열모형이 상대적으로 제한적이며 모형을 구체적으로 해석 및 전개하는 데 다소 불편한 점을 가지고 있음을 간과할 수 없었다. 그래서 이러한 점을 보다 자유롭게 극복하고 손쉽게 솔루션을 얻을 수 있는 한 방법으로 Eviews 8을 활용하여 실전적 예측방법을 제시하였다.



본서는 이론 면에서는 크게 두 개의 단변량 시계열모형과 세 개의 다변량 시계열모형을다루었으며, 대부분의 내용은 ≪시계열 수요예측 I, II≫에서 요약 및 정리하였다. 반면에 응용 면에서는 실제 경제 및 경영 시계열데이터에서 발생하는 다섯 개의 사례를 실전적로드맵에 단계별로 적용함으로써 분석자로 하여금 예측 솔루션을 탐색하도록 하였다

1부 단변량 시계열자료분석



제1장 ARIMA 모형

01 ARIMA 모형의 개요

1.1 언제 단변량 ARIMA 모형을 사용하는가?

1.2 ARIMA 모형 구축의 절차

02 어떤 ARIMA 모형이 좋은가?

03 ARIMA 모형의 표기법

3.1 후향연산자(backshift operator, B)

3.2 차분연산자(differencing operator, 1-B 또는 )

3.3 ARIMA 모형의 표기법

04 모형의 정상성과 가역성

4.1 비정상적 평균

4.2 비정상적인 분산

4.3 가역성(invertibility)

05 식별 단계

5.1 추정된 자기상관함수

5.2 추정된 편자기상관함수

5.3 이론적인 자기상관함수와 편자기상관함수의 형태

06 추정 단계

6.1 모수 추정 방법

6.1.1 최소제곱법(conditional least squares)

6.2 추정 단계에서 주목해야 할 점

07 모형검진 단계

7.1 백색잡음이 독립인가?

7.2 잔차 자기상관함수(residual acf)

7.3 -검정통계량

7.4 Box와 Ljung의 카이제곱검정

7.5 기타 진단 방법들

7.6 최적화된 ARIMA 모형

08 예측

8.1 ARIMA 모형의 예측값

8.2 ARIMA 모형의 예측값에 대한 신뢰구간



사례분석 1: AA- 회사채

C1.1 자료 설명

C1.1.1 시계열자료 만들기

C1.1.2 시계열도표(또는 시도표) 그리기

C1.2 정상성 및 계절성 점검(예비 단계)

C1.2.1 원자료에 대한 평균의 정상성 점검

C1.2.2 1차 차분된 자료에 대한 평균의 정상성 점검

C1.2.3 계절성 존재 여부 점검

C1.3 ARIMA 모형 구축

C1.3.1 ARIMA(p,d,q) 모형의 식별

C1.3.2 ARIMA(1,1,0) 모형의 추정 및 모형검진

C1.3.3 대체모형: ARIMA(0,1,1) 모형

C1.4 최적모형 및 예측

C1.5 [사례분석 1]을 마치며…



09 주기성이 존재하는 ARIMA 모형

9.1 주기성 및 계절적 변동을 감지하는 방법

9.2 계절적 프로세스에 대한 이론적 자기상관함수와 편자기상관함수

9.3 계절적 차분(seasonal differencing)

9.4 승법(multiplicative) ARIMA 모형

9.5 승법 ARIMA 모형의 정상성과 가역성



사례분석 2: 광공업 생산지수

C2.1 자료 설명

C2.2 예비 단계(정상성 및 계절성 점검)

C2.3 ARIMA 모형식별, 추정 및 모형검진

C2.4 대체모형 및 최적모형

C2.5 [사례분석 2]를 마치며…



제2장 지수평활법

2.1 단순지수평활법(Single Smoothing with 1 parameter)

2.2 이중지수평활법(double Smoothing)

2.3 비계절적(no seasonal) Holt-Winters

2.4 Holt-Winters 가법(additive) 지수평활법

2.5 Holt-Winters 승법(multiplicative) 지수평활법



사례분석 3: 담배소비량





2부 다변량 시계열자료분석



제3장 개입모형

3.1 언제 개입모형을 사용하는가?

3.2 개입의 유형

3.2.1 펄스개입

3.2.2 계단개입

3.3 개입모형의 표기법

3.4 다중개입과 혼합개입



사례분석 4: KOSPI 200옵션 일거래량

C4.1 자료 설명 및 개입형태의 식별

C4.2 오차항에 대한 ARIMA 모형식별

C4.3 개입모형의 추정 및 모형진단

C4.4 개입모형의 예측

C4.5 [사례분석 4]를 마치며…



제4장 동적회귀모형

4.1 전이함수와 임펄스 반응함수

4.2 완전 동적회귀모형

4.3 동적회귀모형의 구축: 모형식별

4.3.1 동적회귀모형식별 전 예비작업

4.3.2 선형전이함수의 식별방법

4.3.3 전이함수를 식별하는 데 필요한 실전적 분석전략

4.3.4 사전백색화와 교차상관함수를 이용한 전이함수 식별방법

4.4 동적회귀모형의 구축: 모형검진, 재식별 및 평가

4.4.1 식별검진 및 모형의 재식별

4.4.2 추정결과를 평가

4.5 동적회귀모형의 구축: 추정 및 예측

4.5.1 동적회귀모형의 추정

4.5.2 예측



사례분석 5: 양도성 예금증서 금리

C5.1 서론

C5.2 자료 설명 및 분석방법 모색

C5.3 준비 단계

C5.3.1 분산의 정상성을 만족시키는 변수변환

C5.3.2 피드백 점검

C5.3.3 입력변수, 출력변수에 대한 ARIMA 모형 구축

C5.4 동적회귀모형의 식별, 추정 및 모형진단

C5.4.1 초기식별 단계

C5.4.2 두 개의 선형전이함수요소 와 식별

C5.4.3 전이함수모형 추정 및 모형검진

C5.5 최종모형

C5.6 [사례분석 5]를 마치며…



제5장 벡터자기회귀모형

5.1 벡터자기회귀모형의 형태

5.2 분석절차 및 로드맵



참고문헌

찾아보기

정동빈 저자 정동빈은

강릉원주대학교 자연과학대학 정보통계학과 교수

대한경영교육학회 부회장

한국전자상거래학회 부회장

한국통계학회 편집위원 및 평의원

한국유통경영학회 상임이사

SPSS Korea 자문위원 및 교육강사

한국사회복지협의회 우수교수

미국 Ohio University 객원교수

미국 Wayne State University 객원교수

중국 北京師範大學校 객원교수

인도 Indian Institute of Management (IIM), Calcutta 객원교수



주요 저서

시계열 수요예측 Ⅰ(한나래출판사, 2010)

시계열 수요예측 Ⅱ(한나래출판사, 2009)

수요예측분석(이레테크, 2007)

일반선형모형(GLM)을 이용한 치학 반복측정설계 및 분석의 실제(대한나래출판사, 2007)

개념과 응용중심의 통계학(역서, 자유아카데미, 2005)

마케팅 조사 통계분석(교우사, 2004)

시각화 통계분석 원리(교우사, 2004)

시계열데이터와 단순화 분석 Ⅱ(SPSS 아카데미, 2003)

로지스틱 회귀모형의 이해와 응용(SPSS 아카데미, 2003)

시계열데이터와 단순화 분석 Ⅰ(SPSS 아카데미, 2001)

SPSS를 이용한 데이터정리와 분석(자유아카데미, 2001) 등 다수