• The Korean Journal of Financial Management
• /
• v.9 no.2
• /
• pp.343-367
• /
• 1992

이 연구는 시계열분석(時系列分析)에 의해 주식수익율(株式收益率)의 변동성(變動性)을 예측하는 모델을 개발하고 그것에 의해 도출된 예측치(豫測値)의 실제변동성(實際變動性)에 대한 예측력(豫測力)을 미국의 주식시장자료를 사용하여 검증 비교하였다. 구체적으로 수익률변동성에 대한 (1) 역사적(歷史的) 변동성(變動性), (2) ARMAX 예측치(豫測値), (3) GARCH 예측치(豫測値) 등이 도출되고 그것들의 예측력이 통계적 비교와 회귀분석 등의 여러차원의 평가기준에 의해서 비교된다. 실증결과에 따르면 선택된 독립변수들에 근거한 ARMAX 예측치가 다른 예측치들 보다 모든 평가기준에서 우수한 예측력을 보였다. GARCH 예측치는 기대와는 달리 만족스러운 예측력을 보여주지 못했다. 본 연구에서 예측력이 실증된 ARMAX 예측치를 다양한 옵션가격결정모형의 변동성투입요소로 사용하는 것은 보다 정확한 옵션의 이론가격을 도출하는 데 크게 기여할 것이다. 또한, 이 논문의 실증결과는 각종의 자산가격결정이론, 수익률분포이론 등의 학문적 분야 뿐만 아니라 주식수익률 변동성의 동향이 일반투자자들의 투자전략에 결정적 영향을 미친다는 점에서 실무적인 관점에서도 시사하는 바가 크다고 할 것이다.

• Environmental and Resource Economics Review
• /
• v.6 no.2
• /
• pp.171-191
• /
• 1997

83년 7월부터 NYMEX 선물시장에서 거래되기 시작한 원유선물은 90년대 들어 주식 채권 외환 등의 금융시장과 관련하여 크게 성장하고 있으며, 원유선물가격이 현물시장에서의 가격형성에 큰 영향을 미치고 있다. 따라서, 원유선물가격이 미래의 현물가격에 대한 최적의 예측치라고 하는 합리적기대모형(合理的期待模型)에 의거하여 원유선물 가격과 현물가격의 변화추이 및 그들 사이의 장(長) 단기(短期) 균형관계(均衡關係)(동태적통합(動態的統合))와 효율성(效率性)등을 일별(日別) NYMEX 선물유가(근월도래선물(近月到來先物)의 종가(終價))와 WTI 현물유가의 자료를 이용하여 계량분석하였다. 원유선물가격과 현물가격은 단위근(單位根)을 갖는 불안정(不安定)한 시계열이지만, 선물유가와 현물유가사이에는 공적분관계(共積分關係)(공통확률적추세(共通確率的趨勢))가 있어 장기적(長期的) 균형관계(均衡關係)가 존재하며, 또한 공시계열상관관계(共時系列相關關係)(공통안정적순환(共通安定的循環))가 있어 단기적(短期的) 균형관계(均衡關係)도 존재하는 것으로 보여진다. 그리고 선물유가는 미래의 현물유가에 대한 예측력이 있는 것으로 보여진다. 따라서, 원유선물가격이 미래의 현물가격에 대한 최적의 예측치라고 히는 합리적기대모형(合理的期待模型)과 일치하는 것으로 나타났다. 원유선물가격이 현물가격과 장(長) 단기적(短期的)으로 동태적(動態的)인 균형관계를 보이고 있으므로 정부의 합리적인 수입선다변화정책과 유가자유화에 따른 석유업계의 효율적인 운영방안의 하나로 원유선물시장의 활용이 더욱 더 필요할 것으로 생각된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.484-486
• /
• 2022

대체 불가능한 토큰을 의미하는 NFT 는 블록 체인 기반 기술 중 하나로 소유권과 거래 이력이 블록 체인에 기록이 된다는 장점을 지녀 미술 작품 거래에도 활발히 활용되고 있다. 하지만 현재 NFT 작품 거래 시장은 주식거래와 같이 회전율과 거래량을 중점으로 투기성이 짙으며, 작품의 섬네일 이미지만으로 거래 의사를 판단하는 경우가 많다는 문제점이 대두되고 있다. 따라서 작품의 다양한 특성에 대한 고려가 함께 이루어질 필요가 있다. 본 논문은 작품의 다양한 변수를 수집하여 최적의 변수 조합을 찾아내고, 이미지 전이 학습과 생성 알고리즘을 활용해 다양한 변수가 가격에 미치는 영향을 알아보고자 했다. 연구 결과 이미지 만을 활용한 가격 예측은 정확도가 높지 않다는 사실을 확인하였고 작품이 가진 여러 특성을 변수로 한 정형 데이터의 가격 예측 정확도가 더 높은 것을 알 수 있었다. 또한 생성 알고리즘을 통해 새로운 특성 조합의 작품들을 만들었고 가격을 수치 예측해보았다. 이를 실제 작가의 작품의 가격과 가격의 변동 추이를 대조해 작가의 작품 판매 가격 평균치 이상인 작품의 특성을 확인할 수 있었다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.10
• /
• pp.427-436
• /
• 2022

Korea Trade-Investment Promotion Agency (KOTRA) annually publishes the trade data in South Korea under the guidance of the Ministry of Trade, Industry and Energy in South Korea. The trade data usually contains Gross domestic product (GDP), a custom tariff, business score, and the price of export items in previous and this year, with regards to the trading items and the countries. However, it is challenging to figure out the meaningful insight so as to predict the future price on trading items every year due to the significantly large amount of data accumulated over the several years under the limited human/computing resources. Within this context, this paper proposes a multi layer perception that can predict the future price of potential trading items in the next year by training large amounts of past year's data with a low computational and human cost.

• Korea Real Estate Review
• /
• v.27 no.3
• /
• pp.71-86
• /
• 2017

The purpose of this study was to apply the deep running method to real estate price index predicting and to compare it with the time series analysis method to test the possibility of its application to real estate market forecasting. Various real estate price indices were predicted using the DNN (deep neural networks) and LSTM (long short term memory networks) models, both of which draw on the deep learning method, and the ARIMA (autoregressive integrated moving average) model, which is based on the time seies analysis method. The results of the study showed the following. First, the predictive power of the deep learning method is superior to that of the time series analysis method. Second, among the deep learning models, the predictability of the DNN model is slightly superior to that of the LSTM model. Third, the deep learning method and the ARIMA model are the least reliable tools for predicting the housing sales prices index among the real estate price indices. Drawing on the deep learning method, it is hoped that this study will help enhance the accuracy in predicting the real estate market dynamics.

• Journal of Advanced Technology Convergence
• /
• v.3 no.2
• /
• pp.17-23
• /
• 2024

In this paper, we analyzed the impact of temperature and precipitation on agricultural product prices and predicted the prices of major agricultural products using TensorFlow. As a result of the analysis, the rise in temperature and precipitation had a significant effect on the rise in prices of cabbage, radish, green onion, lettuce, and onion. In particular, prices rose sharply when temperature and precipitation increased simultaneously. The prediction model was useful in predicting agricultural product price changes due to climate change. Through this, agricultural producers and consumers can prepare for climate change and prepare response strategies to price fluctuations. The paper can contribute to understanding the impact of climate change on agricultural product prices and exploring ways to increase the stability and sustainability of agricultural product markets. In addition, it provides important data to increase agricultural sustainability and ensure economic stability in the era of climate change. The research results will also provide useful insights to policy makers and can contribute to establishing effective agricultural policies in response to climate change.

• 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.

• Journal of Convergence for Information Technology
• /
• v.12 no.3
• /
• pp.116-125
• /
• 2022

The purpose of this study is to analyze whether investor anxiety caused by COVID-19 affects cryptocurrency prices in the COVID-19 pandemic, and to experiment with cryptocurrency price prediction based on a deep learning model. Investor anxiety is calculated by combining Naver's Corona search index and Corona confirmed information, analyzing Granger causality with cryptocurrency prices, and predicting cryptocurrency prices using deep learning models. The experimental results are as follows. First, CCI indicators showed significant Granger causality in the returns of Bitcoin, Ethereum, and Lightcoin. Second, LSTM with CCI as an input variable showed high predictive performance. Third, Bitcoin's price prediction performance was the highest in comparison between cryptocurrencies. This study is of academic significance in that it is the first attempt to analyze the relationship between Naver's Corona search information and cryptocurrency prices in the Corona phase. In future studies, extended studies into various deep learning models are needed to increase price prediction accuracy.

• 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.

• The Journal of the Korea Contents Association
• /
• v.18 no.11
• /
• pp.416-429
• /
• 2018

Typhoons and floods are natural disasters that occur frequently, and the damage resulting from these disasters must be in advance predicted to establish appropriate responses. Direct damages such as building collapse, human casualties, and loss of farms and fields have more attention from people than indirect damages such as increase of consumer prices. But indirect damages also need to be considered for living. The agricultural products are typical consumer items affected by typhoons and floods. Sudden, powerful typhoons are mostly accompanied by heavy rains and damage agricultural products; this increases the retail price of such products. This study analyzes the influence of natural disasters on the price of agricultural products by using a deep learning algorithm. We decided rice, onion, green onion, spinach, and zucchini as target agricultural products, and used data on variables that influence the price of agricultural products to create a model that predicts the price of agricultural products. The result shows that the model's accuracy was about 0.069 measured by RMSE, which means that it could explain the changes in agricultural product prices. The accurate prediction on the price of agricultural products can be utilized by the government to respond natural disasters by controling amount of supplying agricultural products.