• 재무관리연구
• /
• 제9권2호
• /
• 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.

• 자원ㆍ환경경제연구
• /
• 제6권2호
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권10호
• /
• pp.427-436
• /
• 2022

산업통상자원부에서 제공하는 KOTRA 무역 데이터는 해당 품목과 해당 국가에 대하여 GDP, 관세율, 비즈니스 점수, 과/차년도 수출금액 등을 제공한다. 그러나 무역 수출품목은 수없이 많을뿐더러 그에 따른 대량의 데이터를 매년 수작업 기반 분석을 통해 유의미한 결과를 이끌어내는 것은 상당히 큰 시간과 비용을 요구한다. 따라서 이번 연구에선 대량의 데이터를 학습하여 단기간에 저비용으로 결과 예측이 가능한 다층 퍼셉트론 모델을 구현하고 성능을 평가하였다. 먼저 딥러닝 기반 무역 수출 가격 예측 모델을 일반적 다변량 회귀 모델과 비교하였을 때, 예측 오류와 학습 시간 측면에서 통계적으로 우수한 성능을 보였다. 수출 가격 데이터는 시계열 속성이 있을 것으로 예상하는 바, 은닉 노드들이 모두 연결된 다층 퍼셉트론과 순환 신경망을 이용하여 수출 가격 데이터를 예측하였다. 그 결과 새로운 데이터에 대해 수출 가격 예측을 위한 일반화 능력은 순환 신경망이 우수한 성능을 보였으나, 다층 퍼셉트론이 무역 수출 가격 예측에서 더 뛰어난 성능을 보였다. 추후 장기간 데이터를 확보한다면, 순환 신경망 혹은 트랜스포머 기반 딥러닝 모델을 이용하여 더 뛰어난 수출 가격 예측이 가능할 것으로 사료된다.

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• 미래기술융합논문지
• /
• 제3권2호
• /
• pp.17-23
• /
• 2024

본 논문에서는 기온과 강수량이 농산물 가격에 미치는 영향을 분석하고 TensorFlow를 이용해 주요 농산물 가격을 예측하였다. 분석 결과, 기온 상승과 강수량 증가는 배추, 무, 대파, 상추, 양파 등의 가격 상승에 유의미한 영향을 미쳤다. 특히, 기온과 강수량이 동시에 증가할 때 가격이 급격히 상승하였다. 예측 모델은 기후 변화에 따른 농산물 가격 변동을 사전에 예측하는 데 유용하였다. 이를 통해 농업 생산자와 소비자가 기후 변화에 대비하고, 가격 변동에 대한 대응 전략을 마련할 수 있다. 논문에서는 기후 변화가 농산물 가격에 미치는 영향을 이해하고, 농산물 시장의 안정성과 지속 가능성을 높이는 방안을 모색하는 데 기여할 수 있다. 또한, 기후 변화 시대에 농업의 지속 가능성을 높이고 경제적 안정성을 확보하는 데 중요한 자료를 제공한다. 연구 결과는 정책 결정자들에게도 유용한 통찰을 제공할 것이며, 기후 변화에 대응한 효과적인 농업 정책 수립에 기여할 수 있다.

• 재무관리논총
• /
• 제3권1호
• /
• 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.

• 융합정보논문지
• /
• 제12권3호
• /
• pp.116-125
• /
• 2022

본 연구의 목적은 COVID-19 팬데믹 국면에서 코로나 발생과 확산에 따른 투자자 불안심리가 암호화폐 가격에 영향을 미치는지를 분석하고, 딥러닝 모형에 기반하여 암호화폐의 가격 예측을 실험하는 것이다. 투자자 불안심리는 네이버의 코로나 검색지수와 코로나 확진자 정보를 결합하여 산출하며, 암호화폐 가격과의 그랜저 인과성을 분석하고 딥러닝모형을 이용하여 암호화폐 가격을 예측한다. 실험 결과는 다음과 같다. 첫째, CCI 지표는 비트코인, 이더리움, 라이트코인의 수익률에 유의적인 그랜저 인과성을 보여주었다. 둘째, CCI를 입력변수로 하는 LSTM은 높은 예측성과를 보여주었다. 셋째, 암호화폐 사이의 비교에서는 비트코인의 가격 예측 성과가 가장 높게 나타났다. 본 연구는 코로나 국면에서 네이버 코로나 검색 정보와 암호화폐 가격과의 관련성을 분석한 첫 시도라는 점에서 학술적 의의를 찾을 수 있다. 향후 연구에서는 가격 예측 정확성을 높이기 위하여 다양한 딥러닝 모형으로의 확장 연구가 필요하다.

• 재무관리연구
• /
• 제13권1호
• /
• 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.

• 한국콘텐츠학회논문지
• /
• 제18권11호
• /
• pp.416-429
• /
• 2018

태풍, 홍수는 우리에게 빈번하게 닥치는 자연 재해이며, 이와 같은 자연 재해로부터 오는 피해는 사전에 예측되어 대응책이 마련될 필요가 있다. 자연 재해로부터 야기되는 피해에는 건물의 붕괴, 인명 피해, 논/밭의 유실 등 주로 직접적인 피해가 많지만, 소비자 물가 상승과 같은 간접적인 영향에도 관심을 가져야 한다. 태풍, 홍수의 피해로부터 영향을 받는 대표적인 소비재 상품은 농산물이다. 갑작스럽고 강력한 태풍은 많은 비를 동반하면서 농작물에 피해를 주고, 농산물의 가격을 상승시킨다. 본 연구에서는 딥러닝 알고리즘을 활용하여 태풍과 같은 자연 재해가 농산물 가격에 미치는 영향을 예측한다. 우리는 데이터 확보가 가능한 쌀, 양파, 대파, 애호박, 시금치 등을 가격 예측 대상으로 했고, 농산물 가격에 영향을 미치는 변수 데이터들로 학습 모델을 만들고, 그 학습 모델이 농산물 가격을 예측하는 연구를 진행하였다. 연구 결과, 모델에 의한 예측 가격과 실제 가격의 차이를 나타내는 RMSE가 0.069 수준이며, 농산물 가격을 비교적 잘 설명하는 것으로 해석된다. 정확한 농산물 가격 예측은 정부의 농산물 공급 규모 조절 등 자연 재해 대응을 위한 정부의 노력에 활용될 수 있을 것이다.