earticle

영어

This paper investigates how to protect big loss of information by difference when the time-series data set with its long memory. We use a ARFIMA (AutoRegressive Fractionally Integrated Moving Average) model and FI-GARCH (Fractionally Integrated Generalized AutoRegressive Conditional Heteroscedasticity) model which are possibly to avoid over- difference problem by real number difference. Also we suggest unique forecasting models for return with FUZZY ARFIMA model and volatility with FUZZY FI-GARCH model which are considering Fussy number and Fussy regression model. We forecating for return estimator by extension of single ARFIMA model to multiple ARFIMA model. We also forecasting for volatility estimator, evaluate the degree of forecasting, using PI which is based on the Black and Scholes Put Option model.

한국어

본 연구에서는 한국, 중국 및 일본 3개국의 주가지수를 사용하여 수익률 및 변동성을 예측하는 방안에 대해 연구한다. 분석 대상인 금융시계열 자료인 주가지수가 장기 기억(long memory)을 가지고 있을 경우 정수만으로 차분 함에 의해 정보가 과도하게 손실되어지는 것을 막기 위해 실수 차분으로 과잉 차분을 피할 수 있는 분수적분 ARMA 또는 FARIMA(AutoRegressive Fractionally Integrated Moving Average) 모델과 FI-GARCH(Fractionally Integrated Generalized AutoRegressive Conditional Heteroscedasticity) 모델을 이용한다. 하지만 분석대상인 원래 시계열 자료의 선정기준이 되는 “시점”의 애매함이 존재하기에 본 연구에서는 퍼지수 및 퍼지 회귀 모델을 고려하여 FUZZY FARIMA 모델로 수익률(return) 을, FUZZY FI-GARCH 모델로 변동성(volatility)을 예측하는 방법을 제안한다. 그리고 수익률은 단변량 ARFIMA모델을 다변량 ARFIMA모델로 확장하여 예측치를 추정한다. 본 연구에서 제안한 퍼지 FARIMA모델은 수익성 분석에 우위성을 가지고 있음을 발견하였다. 또한 FI-GARCH 모델을 이용한 변동성 예측 분석은 아주 타당성을 가지고 있음을 발견하였다.