Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1598-5504(Print)
ISSN : 2383-8272(Online)
Journal of Agriculture & Life Science Vol.50 No.1 pp.283-293
DOI : https://doi.org/10.14397/jals.2016.50.1.283

A Comparison of Time Series Models for Forecasting Oak Mushroom Prices

Yo-Han Lee1, Myeong-Eun Kim2, Jae Bong Chang3*
1Park Chung Hee School of Policy and Saemaul, Yeungnam University, Gyeongsan, 38541, Republic of Korea
2Department of Forest Policy Research, Korea Rural Economic Institute, Naju, 58217, Republic of Korea
3Department of Food and Resource Economics, Yeungnam University, Gyeongsan, 38541, Republic of Korea
Corresponding author: Jae Bong Chang +82-53-810-2968jbchang@yu.ac.kr
November 24, 2015 December 30, 2015 December 30, 2015

Abstract

Price has a critical role to determine the timing of producing and shipping oak mushroom products. This study investigates the price prediction of oak mushroom products by constructing time-series models, using monthly market price data. Using oak mushroom price data from Jan. 2002 to May. 2015 by product grade, we built four models: Seasonal Exponential Smoothing Model, Seasonal ARIMA with intercept Model, Seasonal ARIMA without intercept Model, Seasonal Dummy Model. We predict future short-term prices by using those four models and compare the prediction accuracy statistically. As a result, Seasonal ARIMA without intercept Model is the most suitable model for the projection of a short-term oak-mushroom price. Because this model is applicable to other short-term income forest products, forestry households can utilize the information on the future prices of forest products for decision-making.


표고버섯 단기 가격 예측을 위한 시계열 모형 비교

이 요한1, 김 명은2, 장 재봉3*
1영남대학교 박정희새마을대학원
2한국농촌경제연구원 산림정책연구부
3영남대학교 식품자원경제학과

초록

표고버섯 재배 임가들이 생산량과 출하 시기를 결정하는 데 가격은 결정적인 역할을 하지만, 표고버 섯 가격 전망에 대한 연구는 미진한 상황이다. 이 연구의 목적은 표고버섯의 중품, 상품, 특품의 월별 가격자료를 이용하여 시계열 분석 모형을 구축하고, 이들의 단기 가격 예측력을 비교하는 것이다. 이를 위해, 2002~2015년 동안의 등급별 가락시장 표고버섯 가격자료를 이용하여 Seasonal Exponential Smoothing 모델, Seasonal ARIMA with intercept 모델, Seasonal ARIMA without intercept 모델, Seasonal Dummy 모델을 포함하는 네가지 형태의 시계열 분석 모형을 구축하고 단기 가격을 예측하였 다. 또 통계적 검증방법을 이용하여 이들 모델의 가격 예측력을 비교하였다. 분석 결과, Seasonal ARIMA without intercept 모형의 가격 예측 능력이 가장 우수한 것으로 나타났다. 향후 다른 단기 소 득 임산물의 가격 예측에도 이들 모델을 적용함으로써 임가들의 생산 출하에 대한 의사결정에 유용한 정보를 제공할 수 있을 것이다.


    Yeungnam University

    서론

    표고버섯의 생산량은 2009 년 44,173 톤을 기록 한 이후 꾸준히 감소하여 2014 년에는 25,349 톤으 로 우리나라 임산물 생산액의 3.2%를 차지하였다 (Fig. 1). 표고버섯은 시설재배가 보편화되어 연중 생산 및 출하가 가능하여 임가들의 출하시기 조절이 가능하다. 일반적으로 임가들이 표고버섯의 출하시 기와 출하량을 결정할 때 가장 중요하게 고려하는 것은 단기 가격에 대한 전망이다. 기존 표고버섯 임 가들이 재배규모를 결정하거나 새롭게 표고버섯 재 배를 고려하는 생산자들의 의사결정에는 표고버섯에 대한 가격 전망이 중요한 역할을 한다. 그러나 국내 에는 표고버섯의 가격 전망에 대한 객관적인 정보가 부족하여 일반적으로 임가들은 과거의 경험이나 주 관적인 판단에 의해 의사결정을 하게 된다.

    국내 표고버섯 가격은 품질에 따라 다소 차이를 두고 있지만, 2000 년대 중반 이후 연평균 가격은 꾸준히 상승하는 추세이다(Fig. 2). 일반적으로 어 떤 상품의 중장기 가격을 예측할 때는 가격에 영향 을 미치는 요인들을 찾고 이들 변수의 인과관계를 설정하는 회귀모형을 사용한다. 그러나 단기 가격을 예측할 때는 이전의 계절적 가격 변화 패턴과 전기 의 가격 등을 분석하여 현재와 미래의 가격 변화 추 세를 예측하는 시계열 분석이 보다 효과적이다. 이 는 단기적인 측면에서 가격에 영향을 미치는 경제변 수의 수가 많고 인과관계도 복잡하여 구조식을 이용 한 계량분석에 한계가 있기 때문이다. 또한 가격의 미래 추세를 예측하기 위하여 다른 영향 변수들의 미래 값도 예측하여야 하므로 정밀성이 떨어지고 추 가적인 오류가 발생할 가능성이 높다.

    시계열 분석은 가격에 영향을 미치는 모든 변수들 의 정보가 과거 가격 정보에 이미 반영되었다고 가 정한다(Min, 2006). 과거 자료에서 발견되는 가격 패턴이 미래에도 유사한 형태가 될 가능성이 높다고 가정하므로, 시계열 분석은 과거의 가격 관측치나 실제 가격과의 오차를 이용하여 과거 시계열의 패턴 을 파악하고 이를 적용하여 단기적인 미래 가격을 예측하는 방법이다. 시계열 분석 모형은 가격 변화 가 발생했을 때 어떤 요인 때문인지 인과관계를 분 석할 수 없다는 한계가 있지만, 가격 변화의 움직임 을 파악하고 단기 가격의 예측 정보를 제공할 수 있 다는 장점을 가진다.

    채소류, 과일류 등의 농산물에 대해서 수급모형을 이용한 연도별 가격예측과 시계열모형을 이용한 월 별, 연도별 가격예측방법을 사용하여 가격의 변화를 분석하고 장단기 가격을 전망한 선행연구들은 다수 있으나 임산물 가격에 대한 예측 분석 연구는 많지 않다. Kim et al.(2003)Kwon et al.(2005)는 WTO/DDA, FTA 협상에 따라 시장개방 시나리오 분석을 위해 중장기 가격 전망 및 정책 분석을 하였 다. 그러나 이들 분석은 단기 가격예측보다는 중장 기 가격전망과 정책분석에 초점을 두고 있다.

    시계열 분석을 통한 가격예측은 해당 품목의 가격 자료가 가지고 있는 변동의 특성으로부터 단기 가격 예측을 하는데 주로 활용된다. Ahn et al.(2002), Kim et al.(2005), Lee et al.(2006), Choi & Choi(2007) 등은 시계열 분석기법을 이용하여 채소 류, 과일류, 과채류의 가격예측 및 가격 변동 특성 을 연구하였다. 축산부문에서는 Kwon & Choi (2002)이 전이함수 모형을 적용하여 산지 수소 가격 을 예측하였고, Myoung(2005)은 Box-Jenkins 예 측 모형으로 육계 가격을 예측하였다.

    표고버섯에 대한 시계열 모형을 활용한 연구인 Min(2006)은 Box-Jenkins 모형을 이용한 가격예측 이 기상 변화로 시장에 교란이 발생했던 시기를 제 외하면 비교적 높은 정확도를 보여준다고 제안하였 다. 그러나 Min(2006)의 연구는 중품 등급의 표고 버섯만의 단기 가격 예측을 하였고, 모형 선택에 있 어서 ARIMA 모형만을 적용하여 분석함으로써 시계 열 분석에서 쉽게 발견되는 이분산 존재에 검증을 수행하지 않았다. 또, 다른 가능한 모형과 비교가 없어 모형의 정밀성 검증에 다소 한계를 가진다. 2000년 중반 이후 국내 표고버섯 생산량은 다소 안 정되는 반면 중국 수입물량은 크게 증가하고 있어 최신 자료를 이용한 품목별 단기적인 가격 전망이 필요하다. 하지만 Min(2006)의 연구 이후 표고버섯 가격예측에 대한 후속 연구가 이루어지지 않았다.

    이 연구의 목적은 중품(3rd grade), 상품(2nd grade), 특품(1st grade) 등의 등급별 표고버섯의 월별 가격자료를 이용하여 시계열 모형들의 단기 예측력을 비교분석하는 것이다. 이를 통하여 표고 버섯 가격의 변동 특성을 알아보고, 표고버섯의 단 기가격 예측력을 위해 가장 합리적인 시계열 모형 을 검증하는 것이다. 본 연구에서는 일반적으로 연 구자들이 몇 개의 시계열 모형을 주어진 자료를 이 용하여 분석하고 가장 예측력이 높은 모형을 선택 하는 방법이 아닌 표고버섯의 시계열 자료에 가장 적합한 모형을 찾는 SAS 시계열예측시스템(Time Series Forecasting System)을 활용하였다. 표고버 섯 중품은 일반적으로 가장 출하량이 많고 생산자들 의 관심이 높은 등급이어서 중품 표고버섯의 월별 가격 예측은 생산자와 유통 종사자들의 단기적인 계 획 수립에 유용한 기초자료를 제공할 수 있다. 상품 표고버섯의 월별 가격 예측은 최근 국내 생산자들이 선호하는 고품질 표고버섯 출하에 대한 수익 전망과 향후 재배 및 출하량과 관련한 의사결정에 유용한 정보를 줄 수 있다. 중품이나 상품과 달리 특품 표 고버섯의 경우 시장의 가격 변동성이 크고 중품이나 상품과는 다소 다른 유형의 가격 패턴이 나타날 수 있다. 따라서 이 연구에서는 표고버섯의 정교한 가 격 예측을 통한 정보 제공을 위해 중품, 상품, 특품 으로 등급별 시계열모형을 추정하여 미래가격을 예 측하였다.

    재료 및 방법

    1분석자료

    시계열 분석을 위한 자료는 2002년 1월부터 2015년 5월까지의 표고버섯 각 등급의 월별 가락동 도매시장가격이다. 이 가격은 시간 변화에 따른 물 가 변화가 반영된 명목가격 자료이므로, 표고버섯 가격 자체의 가격 변동을 분석하기 위하여 버섯의 소비자 물가지수를 이용하여 실질가격으로 환산한 자료를 활용한다(Lee & Choi, 2014). 표고버섯 4㎏ 당 월별 가격 자료의 등급별 평균값은 특품이 49,729원, 상품은 32,079원, 중품이 20,544원으로 나타났다(Table 1). 가격별 표준편차는 중품이 321.1 로 가장 낮고, 상품이 449.5, 특품이 837.8로 나타 났다. 등급별 왜도는 0보다 큰 값을 가지므로 자료 의 분포가 좌측으로 치우쳐 있음을 알 수 있다. 첨 도 값은 1보다 작아 모든 등급의 가격자료가 정규 분포보다 완만한 형태를 보인다.

    2시계열 자료 진단

    시계열 자료의 분석 및 예측을 위해 보편적으로 사용되는 시계열 모형을 바로 적용하기에 앞서 자 료의 진단을 통해서 특성에 맞는 예측 모형을 찾는 과정이 선행되었다. 예측값을 구하기 위해 사용하 는 모형은 다양하고 그에 따라 생산되는 예측값이 다르기 때문에, 자료의 특성에 맞는 예측 모형 선 택은 신중하게 이루어 져야 한다. 시계열 자료는 장기추세(time trend), 계절성(seasonality), 주기 성(periodicity), 변량효과(random effect) 등과 같 은 특성을 갖고 있다. 시계열 자료의 장기추세 성 향은 자료의 안정성(stationary)과 연관성이 있다. 단위 검증을 통해 안정적이라고 판단된 자료는 장 기추세 성향을 보이지 않는다. 계절성을 갖는 자료 는 월별생산량 차이나 기후변화의 요인과 밀접한 연관이 있다. 계절성과 주기성은 같은 시계열 자료 의 특성은 보통 관찰된 그 기간 동안 발생하는 일 시적인 변화를 의미하기 때문에 중장기적 예측보다 는 단기적 예측값에 더 영향을 미친다. 본 연구에 서는 중·장기적인 예측값 측정에 영향을 미치는 추세(trend)의 존재 유무 검증과 단기적인 예측값 측정에 영향을 미치는 계절성 검정을 수행하였다.

    먼저 표고버섯의 시계열 자료에 점진적이고 지속적 인 변화상태가 나타나는지는 아래의 식 (1)과 같이 시간의 흐름에 대한 간단한 선형회귀 모형을 통해 파악할 수 있다.

    y t = β 0 + β 1 T t + ϵ t
    (1)

    식 (1)에서 yt 는 t 기의 표고버섯 가격, Tt 는 추 세를 의미한다. 추세의 존재 유무의 검증을 위해서 귀무가설은 H0:β1=0 그리고 대립가설은 H0:β1≠0 로 설정할 수 있다. 즉 귀무가설이 기각되었을 때 추세 가 존재한다고 할 수 있다. 계절성의 유무 검증을 위해 사용된 모형은 아래 식(2)와 같다. 귀무가설은 H0 : α1 = α2 … = α12 그리고 대립가설은 H0 : αpαq 이다. 귀무가설이 채택되었을 때 계절변동은 없다고 한다.

    y t = α 0 + α i S i + ϵ t ,    i = 1 , ..., 12
    (2)

    3예측모형 선택

    시계열 자료가 가지는 변동요인을 분석한 후에 요인별 특성에 적합한 예측 모형을 판단하기 위해 서는 시계열 모형을 선택하여 분석하는 작업이 필 요하다. 일반적으로는 연구자가 몇 가지 형태의 시 계열 모형을 선별하여 최적의 식별 모형을 선정한 다. 그러나 본 연구에서는 연구자의 선정에 따른 시계열 모형에 국한하지 않고 분석 대상 시계열 자 료의 특성에 맞는 최적의 모형을 선정하는 SAS 시 계열예측시스템(Time Series Forecasting System) 을 활용하였다.1)시스템에는 예측값을 추정할 때 일 반적으로 활용되는 총 42개의 시계열 모형이 내제 되어 주어진 시계열 자료에 가장 적합한 모형을 식별하 였다. 최적의 모형 식별에는 AIC(Akaike Information Criterion)법과 SBC(Schwarz's Bayesian Information Criterion)법이 사용되었다.

    내표본 적합성(In-sample fitting)에 의해 선택 되어진 예측모형이 반드시 보다 정확한 예측값을 제 공한다고 말할 수 는 없다(Tsay, 1984). 그래서 많 은 연구들은 예측 모형로 부터의 예측값의 정확도를 측정하기 위해 외표본(out-of-sample) 평가를수행 하기도 한다. 따라서 본 연구에서도 내표본을 이용 하여 시계열 모형을 식별하고 모수를 추정하여 외표 본으로 식별된 시계열 모형의 예측력을 비교하고자 한다.

    4예측력 평가

    추정 모형에 대한 예측력 검정을 위해 표본 전체 기간에 대해, RMSE(root mean squared error)와 MAPE(mean absolute percent error)를 기준으로 세 가지 등급별 표고버섯 가격의 예측값과 실측값 을 비교한다. 또 시계열분석에서 일반적으로 활용 되는 AIC(Akaike Information Criterion)을 함께 사용하여 모형의 예측력을 평가하였다. RMSE 와 MAPE 는 각각 다음과 같이 정의한다.

    RMSE = 1 n t = 1 n y t y ˆ t 2
    (3)

    MAPE = 1 n t = 1 n y t y ˆ t y t
    (4)

    t시점의 실제 표고버섯 가격을 yt 로, 예측된 가격은 y ˆ t 이다. RMSE는 예측치와 실측치의 비교 이기 때문에 다른 품목이거나 다른 단위의 시계열 사이의 비교보다는 같은 시계열 내의 서로 다른 모 형 간의 비교에 적합하다. 반면, MAPE는 추정오차 의 실측치에 대한 상대적 비율을 나타내므로 다른 시계열 사이의 비교가 가능하다(Lee et al., 2006).

    결과 및 고찰

    1시계열 자료 진단 결과

    시계열 자료는 개별적으로 고유한 특성을 나타낼 수 있다. 예를 들어 농산물 시계열 자료를 그래프로 나타냈을 때 대부분은 계절성을 보인다. 그러나 국 내총생산(GDP)과 같은 거시 경제 변수는 계절성 보 다는 뚜렷한 시간적 경향성(trend)을 보인다. 또한 어떤 자료는 계절성과 시간이 경과함에 따라 상승하 는 경향성을 같이 보이는 복합적인 현상을 나타내기 도 한다. Figure 3에서 보면 2002년 1월부터 2015 년 5월까지 표고버섯 가격은 모든 등급에서 시간의 따라 증가하는 경향을 나타내기 보다는 계절성을 더 뚜렷하게 나타낸다. Table 2는 표고버섯 등급에 따 른 가격 자료의 특징에 따른 자료 진단 결과를 보여 준다. 특품, 상품, 중품 가격에서 시간적 경향성은 존재하지 않지만, 계절성은 갖고 있음을 의미한다.

    2단위근 검정

    Figure 3 과 같이 표고버섯 가격이 갖는 계절성은 다소 불규칙적인 성향을 갖고 있다. 불규칙적인 계 절적 성향은 자료의 안정성에 영향을 미칠 수 있다. 따라서 본 고에서는 보다 정확한 예측값을 얻기 위 해서 시계열 자료의 진단 뿐 아니라 단위근(unit root) 검증을 통해 자료의 안정성 검정을 실시하였 다. Table 3 은 표고버섯 가격의 단위근 검정 결과 를 보여준다. 시계열 자료의 진단을 통해 표고버섯 가격은 특별한 추세를 보이지 않는다는 결과를 찾아 냈지만 ADF(Augmented Dickey-Fuller) 단위근 검 정 결과, 그 유형에 따라 상이한 결과를 보여주고 있다. 일정한 절편값을 가정하지 않는 ADF 검정의 유형(ADF without drift)에서 모든 등급별 표고버 섯 가격의 자료는 불안전성을 보이고 있다. 그러나 일정한 절편값과 추세를 포함한 ADF 검정 유형에서 등급별 표고버섯 가격 자료는 안정적임을 보여주고 있다. 따라서 본 연구에서는 이동평균법(moving average)과 지수평활법(exponential smoothing) 같 은 안정적인 시계열 자료에 사용하는 비교적 단순한 시계열 예측 모형과 불안정한 자료의 경우에 대표적 으로 사용되는 ARIMA(혹은 ARMA)와 같은 시계열 예측 모형을 모두 포함하여 분석한다.

    3등급별 표고버섯 가격 예측 최적 모형 선정

    자료 진단과 단위검증 등을 통해 얻은 결과를 토대로 적절한 예측 모형을 고려할 수 있다. SAS 의 시계열 예측 시스템의 예측 모형은 이동평균법 과 지술평활법등과 같은 일반적인 예측 모형에서 부터 Box-Jenkins(혹은 ARIMA), 계절성을 포함 한 ARIMA 등과 같은 기본적인 시계열 모형을 포 함한다.

    2002년부터 2015년 5월까지의 특품, 상품, 중품 표고버섯의 월별 가격자료에 가장 적합한 모형을 찾기 위해 원시계열 자료를 로그변환하여 적용하 였다. 최적의 예측 모형을 식별하고 선택하기 위해 서 2002년 1월부터 2013년 12월까지 가격자료가 사용되고, 2014년 1월부터 2015년 5월까지 자료는 예측력 검정을 수행하기 위해 표본 외 자료 (out-of-sample)로 사용되었다.

    Table 4는 표고버섯 등급별 가격에 대하여 SAS 시계열예측시스템에 포함된 42개 모형 중에 상위 4개의 예측 모형들의 내표본 적합도에 대한 비교 결 과를 보여주고 있다. 상수항이 포함되지 않은 승법 계절(seasonal multiplicative) ARIMA (SARIMAwoI) 모형은 42개의 모형 중 최소의 AIC값과 BSC값을 보여준다. 그 다음으로 계절지수평활(seasonal exponential smoothing: SES) 모형, 상수항을 포함한 승법 계절 ARIMA (SARIMAwI) 모형, 계 절더미(seasonal dummy: SD) 모형 순으로 예측 모형로 적합한 것으로 나타났다.

    SD 모형은 안정적인 특성을 보이면서 뚜렷한 계 절성을 보이는 자료의 경우 일반적으로 사용되는 모 형이며, 뚜렷한 계절성을 보이는 자료에 일반적으로 적용되는 SES 모형은 추세선에 가중치를 부여하는 선형지수평활법(linear exponential smoothing)을 확장한 방법으로 계절변수에 가중치를 부여한다. 본 연구에서 이용하는 표고버섯의 가격자료처럼 계절성 을 갖는 경우에는 유사한 주기에 있는 자료들 간의 관계는 물론, 인접한 자료들 간의 관계도 고려해야 한다. 따라서 승법 계절 ARIMA 모델이 상대적으로 높은 예측력을 나타내는 것으로 판단된다.

    상품 가격에서 역시 상수항을 포함한 승법계절 ARIMA 모형이 자료에 맞는 예측가격을 생산하는 최적의 모형임을 나타내고 있다. 그러나 특품가격과 는 다르게 SD 모델이 SARIMAwI 모형보다 우수한 예측력을 설명하고 있다. 중품 표고버섯에서도 상품 에서와 같이 SARIMAwoI 모형은 비교를 위해 선택 되었던 모형 중에서 가장 높은 예측력을 나타내고 있다. 그 다음으로 예측력이 높은 모형은 SES 모형 등의 순임을 볼 수 있다.

    4예측력 비교결과

    표본 내적합도(in-sample-fitting)에 의해 선택 되어진 4개의 모형로부터 예측값을 생산하고, 표본 외 검증(out-of-sample test)을 통해서 예측력을 비교한다. AIC와 BSC의 결과치에 의하면, 모든 등 급의 표고버섯 가격 자료를 가장 적절하게 설명하는 모형은 상수항을 포함하지 않는 승법계절l ARIMA (0,0,0)×(0,1,1) 모형이다. 이렇게 선택되어진 모형 이 얼마나 정확한 예측값을 생산하는 지 알아보기 위해 표본 외 예측(out-of-sample forecasting) 테 스트를 같이 수행하기도 한다. 아래 나열된 표들은 RMSE와 MAPE 기준을 통해 예측값의 정확도를 평 가한다.

    Table 5는 선택되어진 예측모형들이 생산한 예측 값의 정확도를 보여주고 있다. 선택된 모형 중에서 가장 정확한 예측값을 생산하는 모형은 상수항을 포 함하지 않는 승법계절 ARIMA (0,0,0)×(0,1,1) 모 형이다.

    가장 정확한 상품 표고버섯 예측값을 생산하는 모형은 상수항을 포함하지 않는 승법계절 ARIMA (0,0,0)×(0,1,1) 모형이다. 다음으로 주어진 자료 를 가장 적절하게 설명하는 예측모형은 SES 모 형, SD 모형, 상수항을 포함한 승법계절 ARIMA (2,0,0)×(1,0,0) 모형 순으로 정리되어졌지만, 예 측값의 정확도를 평가하는 과정에서는 다소 차이를 나타내고 있다.

    중품 표고버섯에서도 역시 상수항을 포함하지 않 는 승법계절 ARIMA (0,0,0)×(0,1,1) 모형이 가장 정확한 예측값을 생산하는 것으로 나타났다. 다음으 로 상수항을 포함한 승법계절 ARIMA (2,0,0)× (1,0,0) 모형, SES 모형, SD 모형 순으로 정리되어 졌지만, 예측값의 정확도를 평가하는 과정에서는 차 이가 나타났다.

    이 연구에서는 자료 진단을 통해 표고버섯 가격 자료는 모든 등급에서 계절성이 뚜렷하게 나타나고, 추세성은 보이지 않는 특성을 발견했다. 이를 바탕 으로 다양한 예측모형 중 모형 적합도 테스트 (goodness-of-fit test)를 통해 가장 예측력이 우 수한 모형을 찾는 분석을 수행했다. 선택된 모형은 예측값을 생산하는데 사용하고, 가장 정확한 예측 값을 생산하는 모형을 결정하기 위해 자료 바깥 (out-of-sample) 예측도 테스트를 수행했다. 결과 적으로 특품, 상품, 그리고 중품 모든 등급에서 표 고버섯 가격 자료를 가장 잘 설명하는 모형은 상수 항을 포함하지 않는 승법계절 ARIMA (0,0,0)× (0,1,1) 모형인 것으로 나타났다. 그 이외에는 등급 별 가격에 따라 SES 모형, 상수하을 포함한 승법계 절 ARIMA (2,0,0)×(1,0,0) 모형, SD 모형들의 모 형적합도(goodness of fit)의 순이 다소 다르게 나 열된다.

    이 연구에서는 생산주기가 비교적 짧고 가격 변동 이 심한 표고버섯에 대한 단기 가격 예측을 위한 시 계열 모형을 비교하였다. 표고버섯은 등급별로 가격 이 다르게 형성되기 때문에 시간에 따른 가격 변동 의 특성도 다소 차이가 나타난다. 따라서 이러한 특 성을 고려하여 다른 형태의 시계열분석 모형을 적용 하였다. 이 연구에서는 SAS의 시계열예측시스템에 포함된 42개의 이용 가능한 시계열 모형 중에서, 모 형의 적합도가 우수한 모형들을 선택하여 이들의 가 격 예측 능력에 대해 비교 분석하였다. 분석 결과, 단기 가격 예측에 대해서는 상수항을 포함하지 않는 승법계절 ARIMA (0,0,0)×(0,1,1) 모형이 예측력이 가장 높은 것으로 나타났다. 이 연구에서 개발된 ARIMA 모형은 향후 표고버섯 등급별 단기 미래 가 격 정보를 임산물 생산자에게 제공하는데 유용하게 활용할 수 있다.

    본고에서는 기존의 연구들과 달리 다양한 시계열 모형을 비교하여 표고버섯 가격 예측을 위한 최적 모형을 개발하고, 개발한 모형의 가격 예측값의 정 확성을 검정하였다. 특품, 상품, 중품의 특성에 따 라서 모형의 적합성이 다소 다르게 나타났지만, 예 측도를 비교하였을 때 비교적 단순한 ARIMA 모형 의 예측력이 공통적으로 가장 뛰어난 것으로 나타났 다. 기존의 연구와 달리 이 연구에서는 미래 가격 예측을 위한 시계열 모형 선정 과정을 체계적으로 정립하였다. 따라서 이 연구는 시계열 분석을 수행 함에 있어서 적용 가능한 다양한 시계열 모형을 비 교하고, 최적 모형 선정의 명확한 기준을 제시함으 로써 연구자의 시계열 모형 선정 및 활용의 신뢰성 확보를 제고하였다는데 의의가 있다.

    시계열 분석이 가지는 모형의 단순성과 단기예측 능력 등의 장점에도 불구하고 외생 요인의 변화를 반영하지 못하는 한계점은 여전히 존재한다. 최근 이러한 한계를 보완하기 위한 다양한 시계열 분석 모형이 개발되고 있다. 최근에는 하이브리드, 혹은 융합 모형이 개발되어 적용되고 있다(Xie et al., 2014). 이들 연구에서는 먼저 시계열 모형의 강점인 과거 추세 분석을 통해 시계열자료의 패턴 및 유형 을 모형화 할 뿐 아니라, 이들 유형에 대한 개별적 분석을 추가해 전통 시계열 분석의 단점을 극복하는 방식이다. 이를 통해 보다 정밀한 미래 예측이 가능 하며, 인과 모형과 달리 외부 영향 요인에 의한 동 태적 변화에 대한 설명이 가능하도록 하였다. 시계 열 모형은 단기적인 미래예측을 위한 훌륭한 분석도 구이므로, 향후 시계열모형의 예측력 향상을 위해서 보다 선진화된 연구 방법에 대한 도입과 지속적인 후속연구가 필요하다.

    감사의 글

    이 연구는 2014학년도 영남대학교 학술연구조성 비에 의한 것임.

    Figure

    JALS-50-283_F1.gif

    Production of oak mushroom

    JALS-50-283_F2.gif

    Annual production and price trend of oak mushroom

    JALS-50-283_F3.gif

    Monthly price trend of oak mushroom by product grade

    Table

    Summary statistics of monthly prices by product grade Unit: KRW/4kg

    Data: Seoul Agro-Fisheries & Food Corporation: January 2002~May 2015.

    Results of statistical tests for monthly prices by product grade: January 2002~May 2015

    Statistics from Unit root test for mushroom prices by grade

    Forecasting performance for mushroom prices by econometric models and product grades

    Note: 1)SD model is seasonal dummy model.
    2)SES model is seasonal exponential smoothing model.
    3)SARIMA(2,0,0)×(1,0,0)wI model is seasonal ARIMA with intercept model.
    4)SARIMA(2,0,0)×(1,0,0)woI model is seasonal ARIMA without intercept model.

    Prediction performance by econometric models and product grades

    Note: 1)SD model is seasonal dummy model.
    2)SES model is seasonal exponential smoothing model.
    3)SARIMA(2,0,0)×(1,0,0)wI model is seasonal ARIMA with intercept model.
    4)SARIMA(2,0,0)×(1,0,0)woI model is seasonal ARIMA without intercept model.

    Reference

    1. Ahn BI , Kim SY , Kim BR (2002) Trends and causes of spice vegetable price instability in Korea , Kor. J. Agric. Econ, Vol.43 (1) ; pp.103-121
    2. Box GEP , Jenkins GM (1976) Time series analysis: forecasting and control , Holen-Day Inc,
    3. Choi BO , Choi IC (2007) Forecasting fruit-vegetable prices using time series models , J Rural Development, Vol.30 (1) ; pp.129-148
    4. Kim BS (2005) A comparison on forecasting performance of the application models for forecasting of vegetable prices , Kor. J. Agric. Econ, Vol.46 (4) ; pp.89-113
    5. Kim BS , Suh JK , Lee BH (2003) A study on modelling of the Korea agricultural outlook model , KREI-ASMO. 2003. W19. Korea Rural Economic Institute,
    6. Korea Forest Service(KFS)each year. Statistical Yearbook of Forestry,
    7. Korea Rural Economic Institute(KREI) (2013) Forestry Outlook. oak mushroom (December), Vol.254 ; pp.3
    8. Kwon OB , Choi JS (2002) Forecasting beef cattle prices using a transfer function model , J. Rural Development, Vol.25 (1) ; pp.1-18
    9. Kwon OB , Choi SK , Song JH , Kim BS , Hong SJ , Kim KP , Kang HJ , Heo JN (2005) Strategies for agricultural sector to cope with free trade agreements. R503 , Korea Rural Economic Institute,
    10. Lee KH , Choi BO (2014) Comparative analysis of price time series and policy of open field vegetables of Japan and Korea , Kor. J. Agric. Management and Policy, Vol.41 (1) ; pp.91-111
    11. Lee YS , Choi BO , Sim SB (2006) A time series analysis on prices of fruits and vegetables. R537 , Korea Rural Economic Institute,
    12. Min KT (2006) Prediction of oak mushroom prices using Box-Jenkins methodology , J. Kor. Forest Society, Vol.95 (6) ; pp.778-783
    13. Min KT , Song SH , Ahn SJ , Moon JM , Kim ME (2014) The trend and prospect of short-term forest products in the Republic of Korea , Agriculture Outlook. Korea Rural Economic Institute, ; pp.826
    14. Myoung KS (2005) Forecasting broiler prices using Box-Jenkins methodology , Kor. J. Agric. Econ, Vol.28 (2) ; pp.73-83
    15. Seoul Agro-Fisheries & Food Corporationwww.garak.co.kr,
    16. Tsay RS , Tiao GC (1984) Consistent estimates of autoregressive parameters and extended sample autocorrelation function for stationary and nonstationary ARMA models , J. the American Stat. Association, Vol.79 ; pp.84-96
    17. Xie G , Wang S , Lai KK (2014) Short-term forecasting of air passenger by using hybrid seasonal decomposition and least squares support vector regression approaches , J. Air Trans. Management, Vol.37 ; pp.20-26
    오늘하루 팝업창 안보기 닫기