This dissertation consists of two essays developing the time series analysis method related to structural change detection. In the first essay, “A Bayesian Sequential Method for Identifying Structural Shocks and Adaptive Forecasting in State Space Model,” structural change detection and adaptive forecasting system is discussed. Following essay, “Time Series Clustering Based on Regime Switching for Business cycle Analysis,” deals with Bayesian clustering method for economic time series which have a similar regime switching dynamics. Each essay is covered in an independent chapter.
The repeated occurrences of interventions in time series make most forecasting models fail to produce appropriate forecasts. The purpose of this study is to propose the adaptive forecasting procedure based on the sequential identifications of interventions and adjusting forecast to them in general linear state space model. For detection of an intervention, the statistic covering various types of interventions are derived in the form of posterior odds ratio for selection of alternative model to make adaptive forecasts. And assuming known as an occurrence of an intervention in a given period, the joint posterior distribution of intervening point and type is also derived for identifying an intervention correctly. The proposed method is tested by simulations and empirical studies in the innovational state space model of additive and non-seasonal exponential smoothing.
In the second chapter, we propose the model for clustering of economic time series according to simultaneous similarities in their regime switching patterns for analyzing business cycle. A business cycle analysis focusing on turning point detection is one of the main issues of macroeconomic literatures. Previous literatures in turning point detection require the econometrician to predefine which economic variables are leading or coincident to business cycle and they used only few kinds of macroeconomic variables known as a good proxy for business cycle. But, there is a large set of economic variables related to business cycles, therefore, clustering of theses variables according to their regime switching dynamics related to business cycle is valuable task. In this study, we apply the proposed model to 64 Korean macroeconomic variables for classifying them into 3 groups. Two of them are related to business cycle, one is leading group which leads the turns of business cycle, and the other is coincident to business cycle. They are modeled to have dynamic relationships in their regime switches by using encompassing states describing the lead-lag property in turns of leading and coincident indices. Remaining group is independent to other groups and not related to business cycle.
이 학위 논문은 구조변화를 고려한 시계열 분석 방법론을 제시하는 두 개의 논문으로 구성되어 있다. 첫 번째 논문인 “상태공간 모형에서의 구조변화 인지와 적응적 예측을 위한 연속 베이지안 접근법”에서는 구조변화의 인지와 적응적 예측 시스템에 대해 논하고 있다. 두 번째 논문인 “국면 전환에 기초한 시계열 클러스터링 기법과 경기 순환 분석”에서는 비슷한 국면 전환 특성을 갖는 경제 시계열들을 베이지안 클러스터링 기법을 활용하여 분석하는 방법에 대해 논하고 있다. 각각의 논문들은 독립적인 장으로 이루어져 있다.
시계열에 있어서 지속적인 구조변화가 발생하면 대부분의 예측 모형은 잘못된 예측치를 만들게 된다. 본 논문의 목적은 선형 상태 공간 모형에서 구조변화를 연속적으로 인지하고 적응적 예측치를 생성하는 방법을 제안하는 것이다. 본 논문에서는 구조변화를 인지하기 위해 다양한 형태의 구조변화에 사용할 수 있는 통계량이 사후 오즈비의 형태로 제시되며, 구조변화의 시점과 유형에 대한 사후 확률을 통해 구조변화를 정확히 판단하는 과정을 도출한다. 본 논문에서 제시된 방법을 상태공간모형으로 표현된 비계절성 법오차 지수평활법 하에서 시뮬레이션과 실증분석으로 통해 검증한다.
두 번째 논문은 경기 순환 분석을 위해 구조변화 형태에서 동시 유사성을 보이는 경제 변수를 분류하는 모형을 제시하는 연구이다. 경기전환점을 인지하고자 하는 연구는 거시 경제 분석에서 중요한 연구 주제인데, 기존의 많은 논문들은 어떤 경제 변수가 경기에 선행하고 동행하는지에 대해 사전적으로 아는 상태에서 제한된 변수들만을 사용하고 있다. 그러므로 수많은 경제 변수들을 경기 순환과 연관되는 특성에 따라 분류하는 작업은 많은 가치를 지닌다. 본 연구에서는 제안된 모형을 64개의 한국 거시경제 시계열에 적용하여, 이들을 3가지 집단으로 분류한다. 이들 중 2개의 집단은 경기 순환과 연관된 움직임을 보이는 집단으로, 한 집단은 경기 선행 지수의 움직임을, 또 다른 한 그룹은 경기 동행 지수의 움직임을 반영한다. 이 집단들의 국면 전환은 선행 지수와 동행 지수의 선, 후행 관계를 망라하는 하나의 상태 변수로 모형에 반영되어 경기 순환 분석에 유용한 정보를 제공한다. 나머지 하나의 집단은 앞의 두 집단 및 경기 순환과 독립적인 움직임을 갖도록 모형에 반영되어 경기 순환 분석에 불필요한 변수를 추출하는데 이용된다.
