Among all available forecasting techniques, Box-Jenkins technique is one of the most powerful and accurate forecasting techniques known today. Despite its accuracy, the use of Box-Jenkins technique is still very limited due to the high level of knowledge required in comprehending the technique and to the cumbersome iterative procedure which requires a large amount of cost and time in applying the technique to the real data.
A rather direct way of overcoming this limitation and thus enhancing the wide use of Box-Jenkins technique is to automate its modelling procedure.
This thesis proposes a method of automating the univariate Box-Jenkins modelling procedure by using Variate Difference method, D-statistic and Pattern recognition algorithm combined with Akaike's Information Criterion.
The results of the application to real data show that the average performance of automatic modelling procedure is better or not worse, at least, than those of the existing models modeled by specialists manually.
모든 조직의 계획과 통제에 있어서 정확한 예측을 한다는 것은 필수적인 요건이다. 그러한 예측을 위하여 제시된 모형중에서 BOX -Jenkins 모형의 정확성은 널리 인정되고 있으나, 그 모형을 정립하는 과정이 매우 복잡하고 어려우며 또한 많은 노력을 요구하기 때문에 널리 이용되고 있지 못하다.
이 論文의 目的은 위와 같은 여러 문제점을 고려하여 Box-Jenkins 모형이 보다 널리 이용되게끔 하기 위한 것이다.
그 구체적인 절차는 다음과 같이 요약될 수 있다. 먼저, 불안정적인 시계열자료를 안정적인 시계열자료로 변환시키기 위한 차이계산의 정도를 결정하기 위해서, 各 차이계산된 시계열자료의 분산을 이용하는 Variate difference method를 이용한다.
둘째, 안정적인 시계열자료에 대하여 시험적인 모형들을 제시하기 위해 Gray 등이 제시한 D통계량(D-statistic)과 형태인식해법 (Pattern Recognition Algorithm)을 이용한다.
셋째, 各 시험적인 모형에 관한 母數推定을 하고 난 후 Akaike Information Criterion을 이용하여 하나의 모형을 선택한다.
넷째, 선택된 모형의 적합성을 진단적으로 검사하여, 만약 부적합성이 있다면 모형을 수정하여 예측을 위한 모형을 정립하게 된다.
위의 절차를 실제 시계열자료에 적용시켜 본 결과는 전문가들이 설정한 모형의 결과와 비슷하게 나왔다.
이 論文에서는 오직 단일시계열에 관한 Box-Jenkins 모형에 한정된 것이기 때문에 간섭효과가 있는 경우와 두 시계열자료의 관계를 나타내는 전이함수모형을 자동화하는 연구가 계속되어야 할 것이다.
