STL을 이용한 우리나라 시계열의 계절조정
Seasonal Adjustment of Korean Time Series using STL
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
월별, 분기별 시계열을 제대로 분석하기 위해서는 시계열에 포함된 계절변동과 달력변동을 체계적으로 제거한 계절조정이 필요하다. 일반적인 데이터분석가들은 R 또는 Python의 계절조정방법인 STL을 이용하여 계절조정하고 있다. STL은 시간별, 일별 데이터와 같은 고빈도 시계열의 계절조정에 이용되고 있는 등 활용도가 커지고 있다. 이 논문에서는 STL의 방법을 과정별로 X-13ARIMA-SEATS의 X-11필터와 비교하여 정리하였다. 또한, 모의실험과 실제 데이터의 계절조정을 통해서 STL을 X-11필터와 비교하였다. 모의실험 결과 계절변동이 시간에 따라 변할 때 STL에 의한 계절조정이 X-11필터에 의한 계절조정에 비해 우수하게 나타났다. 또한, STL에서는 시계열의 계절변동 형태, 불규칙 변동의 변동성에 따라 계절평활화 모수를 다르게 선택하는 것이 필요한 것으로 나타났다. STL을 우리나라 월별 산업생산지수와 월별 수출(통관)에 적용하여 계절조정을 실시하였는데 그 결과가 X-13ARIMA-SEATS(X-11 필터)의 계절조정 결과와 유사하게 나타나 STL이 X-13ARIMA-SEATS의 대안으로 될 수 있을 것으로 판단된다.
Abstract
STL is a method for decomposing time series into seasonal and non-seasonal components using Loess. STL can be used in seasonal adjustment of Korean time series considering Korean specific own effects such as traditional holidays, the number of trading days. In this paper, STL was compared with X-11 through simulation. In addition, STL and X-13ARIMA-SEATS were applied to monthly Korea's industrial production index and exports (customs clearance) and the results were compared.
참고문헌 (15)
- 이긍희, "한국경제시계열의 계절조정방법-X-12 ARIMA법을 중심으로", 경제분석, 4(1), pp.205~242 (1998)
- 이긍희, "우리나라 경제통계의 계절조정 현황과 주요 쟁점", 응용통계연구, 29(1), pp.205~220 (2016), 한국통계학회
- Cleveland, R. B., "STL: a seasonal-trend decomposition procedure based on loess", Journal of Official Statistics, 6(1), pp.3~73 (1990)
- Cleveland, W. S., "Locally weighted regression analysis by local fitting", Journal of American Statistical Association, 83, pp.596~610 (1988)
- Chang, I., "Estimation of time series parameters in the presence of outliers", Technometrics, 30, pp.193~204 (1988)
- Dagum, E. B., "The X11ARIMA", 88 Seasonal Adjustment Method –Foundations and User’s Manual, 1988
- Grudkows, S., "JDemetra+ Reference Manual Version 2.1", Narodowy Bank Polski, ~ (2016)
- Hafen R., "Local Regression Models, Applications and New Methods", Ph.D, pp.2010
- "stlplus: Enhanced Seasonal Decomposition of Time Series by Loess" (2016)[URL]
- Hyndman, R. J., "Forecasting: principles and practice" (2021), OTexts
- Ladiray, D., "Seasonal Adjustment with the X11 Method", Lecture Notes in Statistics, 158 (2001)
- Ladiray, D., "X11-like Seasonal Adjustment of Daily Data" (2018)[DOI]
- Seasonal Adjustment of Daily Time Series, "Ollech, D.", Deutsche Bundesbank, ~, pp.Deutsche Bundesbank Discussion Paper No. 41 (2018), 2018
- The X-11 variant of the Census Method II seasonal adjustment program, "Shiskin, J.", U.S. Department of Commerce, U. S. Census Bureau, ~, pp.Technical Paper No. 15 (1967)
- U. S. Census, "X-13ARIMA-SEATS Reference Manual, Version 1.1", U.S. Census Bureau, U.S. Department of Commerce, ~ (2017)