• The Korean Journal of Financial Studies
• /
• v.3 no.1
• /
• pp.329-357
• /
• 1996

본 논문은 확률적 변동성하의 통화옵션가격결정모형에 대하여 실증적으로 검증하였다. 연구결과 OTM, ATM, ITM에서 일정한 변동성을 가정하는 모형가격은 확률적 변동성하의 통화옵션가격결정모형에 비교하여 일치적으로 높게 나타나고 있으며 OTM옵션에 가격결정오차의 크기는 ATM 옵션보다 크게 나타나고 있다. 또한 옵션의 만기가 길수록 가격결정오차의 크기는 커진다는 것을 보여주고 있다. 확률적 변동성하의 통화옵션가격결정모형이 일정한 변동성을 가정하는 통화옵션가격결정모형보다 행사가격과 만기편의를 감소시키며 특히 단기의 만기를 가진 범위에서는 매우 큰 오차감소효과가 나타났다. 따라서 통화옵션가격결정모형을 이용하여 옵션가격을 예측함에 있어 환율변동성이 일정하다는 가정하에서 변동성을 모형에 투입하는 것보다는 환율변동성의 이분산성을 고려하여 추정된 변동성을 모형에 투입하는 것이 통화옵션가격의 예측력을 개선시킬 수 있다고 할 수 있다. 그리고 회귀분석결과 설명력을 나타내는 $R^2$값이 높게 나타나고 있으며, 확률적 변동성하의 통화옵션가격결정모형의 $R^2$값이 일정한 변동성을 가정하는 모형의 $R^2$보다는 높게 나타나고 있다.

• The Korean Journal of Financial Management
• /
• v.13 no.1
• /
• pp.237-260
• /
• 1996

본 논문에서는 Duan(1995)이 개발한 GARCH 주식옵션가격결정모형을 통화옵션에 적용시켜 GARCH 통화옵션가격결정모형을 유도한 다음, 이를 Garman-Kohlhagen 모형과 유효성을 비교하여 다음과 같은 연구결과를 얻었다. 만기별 및 옵션의 상태별(OTM, ATM, ITM)로 GARCH 통화옵션가격결정모형의 가격오차가 Garman-Kohlhagen 모형보다 일관되게 낮게 나타났다. 이는 GARCH 통화옵션가격결정모형이 Garman-Kohlhagen모형보다 통화옵션의 평가에 더 유용한 모형임을 의미한다. 따라서 통화옵션의 가격을 예측할 때는 환율변동의 이분산성을 고려하여 환율의 변동성을 추정함으로써 통화옵션가격의 예측력을 제고시킬 수 있다고 생각한다. 그러나 GARCH 통화옵션가격결정모형의 모형가격이 시장가격과 상당한 편차를 보이는 경우도 있기 때문에 향후 통화옵션가격결정모형을 계속 발전시키는 과정에서 이자율의 확률적 특성을 반영하거나 환율변동의 점프특성을 도입해야 한다고 생각한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.375-382
• /
• 1999

본 연구는 데이터마이닝 기법과 전문가 지식을 활용한 옵션가격 결정모형을 제시하는데 목적이 있다. 첫째, 데이터마이닝 기법 주의 하나인 인공신경망 기법을 활용하여 변동성과 옵션가격을 추정하고, 이를 전통적인 재무이론의 결과와 비교하였다. 인공신경망으로 추정된 변동성은 기존의 모형에 비해 개선된 성과를 보였으며, 가격결정모형은 대등한 성과를 보였다. 또한 모수적 기법과 비모수적 기법의 통합을 통해 성과의 개선을 가져올 수 있음을 보였다. 둘째, 시장 참여자들의 정보를 반영하여 옵션의 이론적 가격결정모형의 성과를 개선할 수 있는 사례기반추론시스템을 제안하였다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어취로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보 유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교 분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형의 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유 비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어취 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• Journal of Intelligence and Information Systems
• /
• v.3 no.1
• /
• pp.1-12
• /
• 1997

파생금융상품이란 주식이나 채권과 같은 기준자산에 대해서 발행되는 2차 금융상품으로써 기존의 재무이론에서는 수리적 모형에 기반을 둔 가격결정모형을 이용하여 가치를 평가하였다. 그러나 이러한 전통적인 가격결정모형은 복잡한 현실세계를 단순화시키기 위한 제반 가정을 요구하기 때문에 이러한 가정이 현실에 부적합한 경우에는 모형가격이 실제가격으로부터 커다란 괴리를 갖게 된다. 본 연구에서는 전통적인 가격결정방법의 단점을 극복할 수 있는 자료 의존적인 인공신경망기법을 제시하고 대표적인 파생금융상품인 국내 전환사채의 가격결정에 적용해 봄으로써 그 가능성을 제시하였다. 인공신경망기법을 전환사채의 가격결정에 적용한 결과 전통적 가격결정방법에 비해 평균절대오차를 70%정도 줄일 수 있다.

• The Korean Journal of Financial Management
• /
• v.19 no.1
• /
• pp.107-131
• /
• 2002

본 연구에서는 국내 자본시장의 개방이 광범위하게 진전된 1997년 외환위기 이후 기간을 대상표본으로 하여 한국주식시장에서 달러환위험에 대한 노출과 그 가격화 여부를 실증분석한다. 본 연구에서는 투자자들이 국내 주식시장 및 채권시장의 동향에 추가하여 미국신장의 움직임을 중요한 조건부 정보에 포함시켜 투자의사결정을 한다고 전제하고, 이에 상응하는 조건부 다중 베타위험 가격결정모형을 검정하였다. GMM추정의 초과식별조건을 이용하여 국내시장위험과 달러환위험 두 위험 요인을 포함한 가격결정모형의 모형설정오류를 검정한 결과 가격결정모형이 실제 주식수익률 자료와 배치되지 않는 것으로 나타났다. 조건부 달러환을 베타위험과 조건부 달러환위험 프리미엄은 모형에서 사전적으로 설정한 정보대용변수인 상수항과 한 시점 앞의 다우존스 주가지수 수익률, 국내시장 주가수익률 및 회사채 유통수익률에 의하여 설명이 이루어질 수 있고, 둘 다 시간가변적임이 결정되었다. 주식가격결정에 참여하고 있는 두 요인, 국내시장위험요인과 달러환위험요인의 상대적 중요성을 개략적으로 검정한 결과, 모든 포트폴리오에 걸쳐 국내시장위험요인이 더 큰 비중을 차지하고 있지만, 달러환위험요인도 무시할 수 없는 중요성을 가진 것으로 나타났다.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.2
• /
• pp.251-260
• /
• 2017

The option pricing of Black와 Scholes (1973) and Merton (1973) has been widely reported to fail to reflect the time varying volatility of financial time series in many real applications. For example, Duan (1995) proposed GARCH option pricing method through Monte Carlo simulation. However, financial time series is known to follow a fat-tailed and leptokurtic probability distribution, which is not explained by Duan (1995). In this paper, in order to overcome such defects, we proposed the option pricing method based on GARCH models with normal mixture errors. According to the analysis of KOSPI200 option price data, the option pricing based on GARCH models with normal mixture errors outperformed the option pricing based on GARCH models with normal errors in the unstable period with high volatility.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어휘로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형은 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어휘 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• The Korean Journal of Financial Management
• /
• v.8 no.2
• /
• pp.165-208
• /
• 1991

This paper develops an intertemporal general equilibrium model of asset pricing with taxes under the noisy and the incomplete information structure and examines theoretically the stochastic behavior of general equilibrium asset prices in a one-good, production, and exchange economy in continuous time markets. The important features of the model are its integration of real and financial markets and the analysis of the effects of differential tax rates between ordinary income and capital gains. The model developed here can provide answers to a wide variety of questions about stochastic structure of asset prices and the effect of tax on them.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.746-752
• /
• 2005

본 논문에서는 다층 퍼셉트론 신경망 학습을 위한 새로운 두 단계 학습방법을 제안하고 이를 옵션 가격결정 모형에 응용하였다. 제안된 신경망 학습 알고리즘의 첫번째 단계는 Levenberg-Marquardt 알고리즘을 이용하여 빠르게 국소최적해를 찾는 것이고 두 번째 단계는 첫 번째 단계에서 찾은 국소최적해가 원하는 수준에 미치지 못할 경우 선형탐색 터널링을 이용해서 더 나은 해를 찾는 것이다. 이 두 단계를 반복적으로 수행함으로써 연결가중치 공간에서 구하고자 하는 해를 빠르고 안정적으로 찾을 수 있다. 현재 옵션가격결정 모형으로 많이 이용되고 있는 Black-Scholes 모형의 문제점을 극복하기 위해서 제안된 신경망 모형을 옵션가격결정 문제에 사용하였다. 이 모형을 KOSPI200 옵션 데이터로 실험한 결과 Black-Scholes 모형에 비해 검증오차를 60% 가량 줄일 수 있었다.