• The Korean Journal of Financial Studies
• /
• v.9 no.1
• /
• pp.163-187
• /
• 2003

본 연구는 옵션가격 및 거래량 자료를 이용하여 옵션시장의 가격발견 기능에 대해서 분석을 시도하였다. 이를 위해 먼저 옵션가격과 거래량 정보가 현물시장을 선행하는 현상에 대해서 분석해 보았다. 옵션가격은 실제 현물지수를 약 1시간 정도 선행하는 것으로 관찰되었다. 콜옵션 가격이 풋옵션에 비해서 상대적으로 옵션시장에서 높게 거래되는 경우 이는 현물주식시장에서의 주가상승을 예고하는 것으로 나타났다. 옵션 거래량 정보 역시 현물시장의 가격움직임을 예측하는데 유효한 것으로 관찰되었다. 콜옵션의 풋옵션 대비 상대적인 거래증가는 투자자의 낙관적인 장세전망을 반영해 일단 현물지수의 상승을 야기하는 것으로 나타났으나 이후 투자자의 풋옵션을 통한 헤지(hedge) 수요의 증가로 이어지는 것으로 조사되었다. 두 번째로 본 연구는 이러한 옵션시장의 가격발견 기능을 이용하여 매매전략을 수립하고 이를 통하여 투자이익을 극대화시킬 수 있는지에 대해서 살펴보았다. 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 고평가(증가) 되었을 경우 이는 주가상승을 미리 예고하고 있는 신호로 받아들어져 주식을 매입하고 반대로 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 저평가(감소) 되었다면 주가하락을 예측하기 때문에 주식을 매도함으로써 투자이익을 증대시킬 수 있을 것이다. 실증분석 결과는 우선 옵션 가격정보를 이용하여 현물시장에서 지수 바스켓 포트폴리오를 매매하려는 전략은 30분 내외의 단기 투자에는 유효하나 그 이상의 투자기간을 가지는 경우에는 예상과는 다른 결과를 초래하였다. 반면 옵션시장에서의 콜옵션과 풋옵션의 상대적인 거래량 정보는 현물주식시장의 움직임을 예측하는데 옵션 가격정보에 비해서 보다 효과적인 것으로 판단되었다. 조사한 모든 일중 및 1일(overnight) 투자수익률에서 옵션 거래량의 상대적 비율에 의거한 투자전략은 통계적으로 유의한 투자수익률의 차이를 가져왔다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.12 no.5
• /
• pp.275-285
• /
• 2006

This paper proposes an efficient market mechanism-based resource transaction model for grid computing. This model predicts the next resource demand of users and suggests reasonable resource price for both of customers and resource providers. This model increases resource transactions between customers and resource providers and reduces the average of transaction response times from resource providers. For prediction accuracy improvement of resource demands and suggestion of reasonable resource price, this model introduces a statistics-based prediction model and a price decision model of microeconomics. For performance evaluating, this paper measures resource demand prediction accuracy rate of users, response time of resource transaction, the number of resource transactions, and resource utilization. With 87.45% of reliable prediction accuracy, this model works on the less 72.39% of response time than existing resource transaction models in a grid computing environment. The number of transactions and the resource utilization increase up to 162.56% and up to 230%, respectively.

• 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.

• Journal of Industrial Convergence
• /
• v.20 no.12
• /
• pp.179-186
• /
• 2022

This study aims to develop a predictive model to suggest a used sales price to sellers and buyers when trading used tablet PCs. For model development, we analyzed the real used tablet PC transaction data and additionally collected detailed product information. We developed several predictive models and selected the best predictive model among them. Specifically, we considered a multiple linear regression model using the used sales price as a dependent variable and other variables in the integrated data as independent variables, a multiple linear regression model including interactions, and the models from stepwise variable selection in each model. The model with the best predictive performance was finally selected through cross-validation. Through this study, we can predict the sales price of used tablet PCs and suggest appropriate used sales prices to sellers and buyers.

• Journal of Intelligence and Information Systems
• /
• v.28 no.4
• /
• pp.81-94
• /
• 2022

Real estate and artworks were considered challenging investment targets for individual investors because of their relatively high average transaction price despite their long investment history. Recently, the so-called fractional investment, generally known as investing in a share of the ownership right for real-life assets, etc., and most investors perceive that they actually own a piece (fraction) of the ownership right through their investments, is gaining popularity. Founded in 2016, Musicow started the first service that allows users to invest in copyright fees related to music distribution. Using the LSTM algorithm, one of the deep learning algorithms, this research predict the price of right to participate in copyright fees traded in Musicow. In addition to variables related to claims such as transfer price, transaction volume of claims, and copyright fees, comprehensive indicators indicating the market conditions for music copyright fees participation, exchange rates reflecting economic conditions, KTB interest rates, and Korea Composite Stock Index were also used as variables. As a result, it was confirmed that the LSTM algorithm accurately predicts the transaction price even in the case of fractional investment which has a relatively low transaction volume.

• Journal of the Korea Convergence Society
• /
• v.12 no.12
• /
• pp.83-91
• /
• 2021

For agricultural products, supply is irregular due to changes in meteorological conditions, and it has high price elasticity. For example, if the supply decreases by 10%, the price increases by 50%. Due to these fluctuations in the prices of agricultural products, the Korean government guarantees the safety of prices to producers through small merchants' auctions. However, when prices plummet due to overproduction, protection measures for producers are insufficient. Therefore, in this paper, we designed a business model that can be used in the electronic transaction system by predicting the price of agricultural products with an artificial intelligence algorithm. To this end, the trained model with the training pattern pairs and a predictive model was designed by applying ARIMA, SARIMA, RNN, and CNN. Finally, the agricultural product forecast price data was classified into short-term forecast and medium-term forecast and verified. As a result of verification, based on 2018 data, the actual price and predicted price showed an accuracy of 91.08%.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.656-657
• /
• 2011

산업사회의 급속한 발전과 생활수준 향상에 따라 전력수요 및 공급전망에 대한 인식이 점차 강조되고 있다. 에너지자원이 부족한 우리나라는 전체 에너지의 약 97%를 수입에 의존하고 있으므로 전력공급의 정확한 수요예측을 통해서 안정적, 경제적으로 전력을 공급해야 한다. 2001년 전력산업구조개편에 따라 전력시장은 발전부문만 시장에 참여하여 경쟁하는 발전경쟁체제로 발전사업자의 입찰량과 전력거래소의 전력수요 예측 결과를 이용하여 시간대별 전력시장가격을 결정하는 가격결정발전 계획을 수립하고 있다. 본 논문에서는 청정 녹색에너지로 피크시간대에 발전하여 주파수 조절을 담당함으로써 전력계통에 크게 기여하고 있는 수력 발전기의 최적 입찰 전략 및 수력발전 사업계획에 활용할 수 있는 전력거래가격 전망 전략을 제시하여 수력발전사업자의 수익 증대와 전력시장 가격 안정화에 기여하고자 한다.

• Journal of the Korea Convergence Society
• /
• v.8 no.11
• /
• pp.383-391
• /
• 2017

This study examines the relationship between sentiment of speculators and price movements in the futures markets of WTI crude oil, copper, and wheat during the period 2003~2014 using Granger causality tests. The results indicate that speculative positions overall has no predictive power for returns in each futures market. Rather, returns seem to have effects on speculators' sentiment especially during periods of both economic expansion and recovery. During a recession, meanwhile, changes of speculators' sentiment index in the WTI crude oil and copper markets provide predictive power for returns in a positive direction, suggesting that speculators' pessimistic sentiment aggravates declines in commodity prices. Since the effects of speculative positions on market prices are ambiguous, tight regulations on speculative trading are not advisable. In a bearish market, however, regulatory bodies should consider raising speculative position limits because large speculative short positions and (or) liquidation of index traders' long positions may lead steep price declines.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.31-34
• /
• 2023

주택 매매에 있어서 가격에 대한 예측은 매우 중요하지만, 실거래 발생 전까지는 정확한 가격을 알 수 없다. 그렇기에 주택가격을 예측하는 많은 연구가 진행되어왔다. 주택가격을 결정하는 영향요인은 크게 주택의 내부요인과 주택의 외부 요인으로 구분되는데, 내부적인 요인 (공급면적, 전용면적, 층, 방 개수 등)에 대한 연구가 많이 진행되었다. 하지만 외부적인 요인 (위치 요인, 금융요인 등)에 대한 연구는 미비하였다. 본 연구는 주택 매수자 관점에서 가격 예측 시 외부적인 요인 역시 중요하다고 판단하여 외부요인을 적용하고자 한다. 본 논문에서 제안하는 방법은 다양한 외부요인 중 주택의 위치 정보를 활용하여, 해당 정보 기반으로 도출 가능한 데이터를 추가한다. 또한 이용량에 따른 지하철역 데이터를 추가하여 관련된 여러 영향요인들을 분석 및 적용 후 머신러닝 기반 예측 모델을 생성한다. 생성된 모델들에 주택매매 실거래 데이터를 적용하여 예측 정확도를 비교 후 높은 정확성을 보이는 모델 결과에 주요하게 영향을 끼치는 요인에 관하여 기술한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.25 no.2
• /
• pp.57-72
• /
• 2020

The price of iron ore has continued to fluctuate with high demand and supply from many countries and companies. In this business environment, forecasting the price of iron ore has become important. This study developed the machine learning model forecasting the price of iron ore a one month after the trading events. The forecasting model used distributed lag model and deep learning models such as MLP (Multi-layer perceptron), RNN (Recurrent neural network) and LSTM (Long short-term memory). According to the results of comparing individual models through metrics, LSTM showed the lowest predictive error. Also, as a result of comparing the models using the ensemble technique, the distributed lag and LSTM ensemble model showed the lowest prediction.