Support vector regression (SVR) is devised to solve the regression problem by utilizing the excellent predictive power of Support Vector Machine. In particular, the є-insensitive loss function, which is a loss function often used in SVR, is a function thatdoes not generate penalties if the difference between the actual value and the estimated regression curve is within є. In most studies, the є-insensitive loss function is used symmetrically, and it is of interest to determine the value of є. In SVQR (Support Vector Quantile Regression), the asymmetry of the width of є and the slope of the penalty was controlled using the parameter p. However, the slope of the penalty is fixed according to the p value that determines the asymmetry of є. In this study, a new ε-insensitive loss function with p1 and p2 parameters was proposed. A new asymmetric SVR called GSVQR (Generalized Support Vector Quantile Regression) based on the new ε-insensitive loss function can control the asymmetry of the width of є and the slope of the penalty using the parameters p1 and p2 , respectively. Moreover, the figures show that the asymmetry of the width of є and the slope of the penalty is controlled. Finally, through an experiment on a function, the accuracy of the existing symmetric Soft Margin, asymmetric SVQR, and asymmetric GSVQR was examined, and the characteristics of each were shown through figures.

The purpose of this study is to investigate the determinants of the capital structure of firms operating in a developing economy, Pakistan. The quantile regression method is applied on a sample of 183 non-financial companies listed on the Pakistan Stock Exchange during the period of 2008-2017. Specifically, the empirical analysis focuses on changes in the coefficients of the determinants according to the leverage ratio quantiles of the examined listed firms. The findings show that the capital structure of Pakistan listed firms differs between firms in different quantiles of leverage. These differences are significant with the sign of explanatory variables changes with the level of leverage. The research result found tangibility, profitability and age to be positively related to leverage among listed firms in Pakistan. However, size, liquidity and non-debt tax shield (NDTS) are negatively related to leverage. A firm’s growth and risk are found to be insignificant predictors of capital structure in Pakistan listed firms. Moreover, the study also found a significant impact of industry characteristic on leverage. The findings of this study indicate that an individual firm’s finance policy needs to be responsive to the firm’s characteristics and should match with the different borrowing requirements of listed firms.

The study aims to investigate a close relation between macro and non-macro variables on stock performance of tourism companies in Korea. The sample used in this study includes monthly data from January 2001 to December 2018. The stock price index of the tourism companies as a dependent variable are obtained from Sejoong, HanaTour, and RedcapTour as three leading Korean tourism companies that have been listed on the Korea Stock Exchange. This study assesses the tourism stock performance using the quantile regression approach. This study also investigates whether global crisis events as the Iraq War and the global financial crisis as non-macro variables have a significant effect on the stock performance of tourism companies in Korea. The results show that the oil prices, exchange rate and industrial production have negative coefficients on stock prices of tourism companies, while the effects of tourist expenditure and consumer price index are positive and significant. We estimate the result of quantile regression that non-macro determinants have statistically a significant and negative effect on tourism stock performance because the global crisis could threaten traveler’s safety and economy. Overall, empirical results suggest that the effects of macro and non-macro variables are statistically asymmetric and highly related to tourism stock performance.

A Quantile-based Matching (QM) method has been widely used to correct the biases in global and regional climate model outputs. The basic idea of QM is to adjust the Cumulative Distribution Function (CDF) of model for the projection period on the basis of the difference between the model and observation CDFs for the training period. Therefore, the CDF of observation on training period plays an important role in quantile-based matching. Also, ensembles are highly correlated because ensemble forecasts generated from a combination of randomly perturbed initial conditions and different convective schemes in numerical weather model. We discuss the dependence of the bias correction results obtained from Qunatile-based Matching when there is correlation between ensembles and the variance of observation is larger than that of model. A simulation study is employed to understand the relation and distributional characteristics of observation and model when applying Quantile-based Matching method.

This study used a quantile regression model and a non-homogeneous regression model to calibrate probabilistic forecasts of wind speed. These techniques were applied to the forecasts of wind speed over Pyeongchang area using 51-member European Centre for Medium-Range Weather Forecast (ECMWF). Reliability analysis was carried out by using rank histogram to identify the statistical consistency of ensemble forecasts and corresponding observations. The performances were evaluated by rank histogram, mean absolute error, root mean square error and continuous ranked probability score. The results showed that the forecasts of quantile regression and non-homogeneous regression models performed better than the raw ensemble forecasts. However, the differences of prediction skills between quantile regression and nonhomogeneous regression models were insignificant.

집중호우 등의 빈번한 증가로 인해 수방시설 관리의 중요성이 증대되고 있다. 수방시설 관리를 위해서는 구조물에 대한 정보와 구조물이 위치한 지역의 표고, 경사, 토양분포현황, 수계현황 등의 분석 자료를 구축하여야만 한다. 이러한 구축된 정보를 바탕으로 침수 모의를 통해 재난상황 발생 시 수방시설물의 대피 경로의 확보가 필요하다. 이를 위해서는 수방시설물에 저류되는 수자원에 대한 계측데이터를 기반으로 BIM(Building Information Modeling, BIM)과 연계하여 신속한 의사결정이 수반되어야 하며 극한홍수 등의 재해로부터 대피할 수 있는 통로를 설정하여야 한다.본 연구에서는 BIM기술과 연계되는 재해 상황 별 시나리오인 확률강우량의 범위를 지점빈도해석과 지역빈도해석을 통해 극한 홍수가 일어나는 범위를 산정하여 제시하고자 한다. 일반적으로 빈도해석에 의한 확률강우량 추정 방법은 지점빈도해석과 지역빈도해석에 의한 방법으로 확률강우량을 추정한다. 지역빈도해석에 의한 확률강우량 추정은 지점빈도해석을 보완한 방법으로 강우 자료의 기록년이 짧아 지점빈도해석에 의한 불확실성이 커졌을 경우 다수의 강우 관측소로부터 수문학적 동질성이 확보하여 적용한다. 본 연구의 대상 유역은 BIM기술에 활용되는 극한 홍수에 대한 침수 피해가 분석 가능한 의정부시의 홍복저수지와 백석천 및 중랑천 유역을 선정하였고, 재난상황별 극한 홍수의 시나리오를 제시할 수 있는 지속기간별 확률강우량을 추정하였다. 대상 유역의 침수 분석은 1차원 홍수침수모형인 “HEC-RAS” 를 이용하여 하천구간별 경계조건에 대한 유량 및 수위값을 산정하였고, 2차 홍수침수모형은 “HYDRO AS_2D”를 이용하였으며 효과적인 침수 모의를 위해 두 모형을 연동하여 모의하였다. 침수모의를 위한 재해 상황에 따른 시나리오별 강우자료는 기상청 산하의 서울 지점의 강우 관측소를 선정하였으며, BIM기술에 활용할 수 있도록 극한 홍수에 대하여 침수범위를 제시하고자 지속기간별 확률강우량을 지역빈도해석과 지점빈도해석에 대하여 적절한 재해 상황별 시나리오를 제시하고자 한다.

다변량 확률모형을 통한 빈도해석 방법이 발전함에 따라 수문통계 분야에도 이에 대한 적용이 대두되고 있다. 다변량 확률모형은 확률변수의 특징을 갖는다고 판단되는 수많은 변수에 적용이 가능하며 이에 따라 수문분야에서는 가뭄, 홍수, 강우와 같은 자료에 적용되고 있다. 본 연구에서는 서울지점의 기상청 강우관측기록을 이용하여 이변량 빈도해석을 수행하였으며 확률강우량을 산정하였다. 사용된 이변량 확률모형은 archimedean copula인 Frank, Gumbel-Hougaard, Joe 등의 3가지 모형이며, IFM(Inference Function for Margin) 방법을 이용하여 매개변수를 추정하였으며, empirical copula 와 추정된 copula 모형의 차이를 이용하여 각 모형간의 확률강우량 산정결과의 차이를 비교하였다.

분위사상법(QM, Quantile Mapping)은 GCM(Global Climate Model) 자료의 계통적 오차를 보정하여 보다 신뢰성 높은 자료로 재생성하기 위해 활용되고 있다. 이 기법은 사상(mapping)시키려는 대상(object) 자료의 통계분포모수가 정상적(stationarity)이라는 가정 하에 대상 자료의 누적확률분포(CDF, Cumulative Distribution Function)를 목표(target) CDF에 통계적으로 투영시키는 것이 일반적이다. 따라서 GCM에서 제공되는 미래 기후시나리오의 강우시계열과 같이 비정상성(non-stationarity)을 갖는 장기 시계열자료에 대한 적용에는 문제점을 보이고 있다. 본 연구에서는 비정상성을 갖는 장기시계열자료의 오차보정을 위해 통계분포모수에 경향성을 부여하는 비정상성 분위사상법(NSQM, Nonstationary Quantile Mapping)을 적용하였다. NSQM 적용을 위한 확률분포로 수문분야에서 광범위하게 쓰이고 있는 Gamma 분포를 선정하였으며, 대상 시나리오는 CCCma(Canadian Centre for Climate modeling and analysis)에서 제공하고 있는 CGCM3.1/T63모형의 20C3M(reference scenario)과 SRES A2 시나리오(projection scenario)를 활용하였다. 한강유역 내 관측기간이 충분한 10개의 지상관측소로부터 강우량을 수집하였다. 또한 6월과 10월 사이에 연강수량의 65% 이상이 집중되는 한반도의 계절성을 반영하기 위해 홍수기(6∼10월)와 비홍수기(11∼5월)를 구분하였고, 기준기간(Baseline)은 1973∼2000년, 전망기간(Projection)은 2011∼2100년으로 구분하였다. 다양한 목표분포의 설정을 통하여 NSQM의 적용성을 평가하고자 하였으며, 전망기간은 FF시나리오(Foreseeable Future Scenario, 2011∼2040년), MF시나리오(Mid-term Future Scenario, 2041∼2070년), LF시나리오(Long-term Future Scenario, 2071∼2100년)의 3개의 구간으로 설정하여 기준기간과 전망기간의 연평균강우량에 대한 경향성분석을 실시하였다. 그 결과 NSQM이 FF시나리오에서 330.1mm(25.2%), MF시나리오에서 564.5mm(43.1%), LF시나리오에서 634.3mm(48.5%)로 증가하는 전망결과를 나타내고 있었다. 정상성기법을 적용한 결과, 전망기간 중 전체적으로는 동일한 평균값을 갖는 목표통계모수를 사용한다고 하여도, 전망전반부에서 과다하고, 후반부에서 오히려 과소한 전망을 보여주고 있었다. 이러한 결과는 비정상성기법을 사용함으로써 상당부분 개선될 수 있음을 확인하였다.

기존 Ordinary Regression (OR) 방법을 이용한 경향성 분석은 경향성을 과소평가하는 문제점을 나타낸다. 이러한 점에서 본 연구에서는 자료의 정규분포 가정과 평균을 중심으로 경향성 평가가 이루어지는 기존 Ordinary Regression (OR) 방법을 개선한 Quantile Regression (QR) 방법을 제안하였다. 본 연구에서는 64개 강우 관측지점의 연 최대 극대강수량 자료에 대하여 QR 방법과 OR 방법에 대하여 통계적 성능을 평가하였다. QR 방법의 경향성 분석결과 47개 지점에서 5% 오차수준 내에서 t-검정을 통과한 반면 OR 방법에서는 13개 지점 만이 통계적 유의성을 가지는 것으로 나타났다. 이는 OR 방법이 자료의 평균을 중심으로 경향성을 평가하는 기법인데 반해 QR은 자료의 다양한 분위에서 경향성을 평가함으로써 극대 및 극소 부분에서의 경향성을 보다 유연하게 감지하는 이유로 판단된다. QR 방법을 통한 경향성 평가는 평균 중심의 해석문제점을 개선할 수 있으며 자료가 정규분포를 따르지 않거나 왜곡된 분포형태를 갖는 자료의 수문학적 경향성 평가에 유용하게 사용될 수 있을 것으로 판단된다.

본 연구에서는 서로 다른 지속기간을 가지는 강우자료간의 스케일 성질을 이용하여 확률강우량을 추정하는 방법을 알아보고, 국내 강우자료에 대해서 그 적용성을 살펴보고자 하였다. 기상청 지점중에서 기록기간이 비교적 장기간인 22개 지점에 대해서 지점빈도해석을 통한 확률강우량과 스케일 성질을 활용한 확률강우량간의 정확도를 비교해 본 결과, 시간단위자료를 사용할 경우 대부분 절대상대오차가 10 % 미만인 결과를 얻을 수 있었고, 각각의 지속 기간별로 적용가능한

지구온난화와 같은 기후변화로 인해 최근에 한반도에서 급증하고 있는 집중호우의 영향을 알아보기 위해서 12개 우량관측소 지점의 연 최대 강우량 계열에 대한 빈도해석을 실시하였다. 확률강우량의 시간적인 변화를 알아보기 위해 자료기간을 30년으로 한 후 1년씩 이동하면서 l00년 빈도 확률강우량을 산정하였고, 80% 이상의 지점에서 최근의 집중호우가 과거에 비해 상대적으로 증가하고 있음을 확인하였다. 또한 자료기간을 1년씩 누가하면서 100년 일최대 확률강우