• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권9호
• /
• pp.419-430
• /
• 2023

대체 불가능 토큰 (NFT: non-fungible Token)은 분할할 수 없다는 고유한 특징을 가지고 있다. 현재 NFT는 디지털 콘텐츠에 대한 소유권 증명 이상의 용도가 명확하지 않고, 토큰의 유동성이 거의 없으며, 이로 인한 가격의 예측이 어렵다. 현실에서의 부동산은 대개 가격이 매우 높은 특징으로 인해 투자 진입장벽이 매우 높다. 현물 부동산을 NFT 화하고, FT (fungible token)으로 분할하면 유동성의 증가, 접근성의 증가에 따른 투자자 커뮤니티 볼륨의 증가를 기대할 수 있다. 본 논문은 일반 투자자들이 개별적으로 구매하기 어려운 현물 부동산을 대량의 FT로 분할하고 이를 Black Litterman 모델 기반의 Portfolio 투자 인터페이스를 통해 투자할 수 있는 시스템을 설계하고 구현하였다. 이를 위해, 현물 부동산을 담보로 페깅하고, 보안적으로 안전한 블록체인인 NFT로 발행한다. 상시 변경되는 부동산 가격을 모니터링하기 위한 오라클을 사용하여, 외부 부동산 정보를 블록체인에 반영할 수 있도록 하였다. 현물 부동산 가격을 그대로 유지하고 있는 NFT를 낮은 가격의 대량 FT로 분할함으로써, 큰 유동성을 제공하고 가격 변동성 제한을 두었다. 이를 통해, 높은 가격으로 인해 투자하기 어려웠던 일반 소액 투자자들이 쉽게 투자할 수 있도록 하였다. 또한 소액 투자로 여러 개의 복수 현물 부동산에 투자하기 위한 효과적인 포트폴리오 구성을 위한 자산 포트폴리오 인터페이스를 구현하였다. 이는 Black Litterman 모델을 활용하여, 다수의 현물 부동산 NFT에 대한 투자 비율을 최적화할 수 있는 목적을 가진다. 전체 시스템은 Solidity 언어로 작성한 smart contract, Flask 웹 프레임워크, 공공데이터포털의 "국토교통부_아파트매매 실거래자료 Open API"를 활용하였다.

• 경영과정보연구
• /
• 제35권1호
• /
• pp.273-286
• /
• 2016

본 연구는 일중 KOSPI200 시장이 급변하는 시점을 기준으로 변동성지수의 KOSPI200점프를 예측력을 분석하였다. 본 연구의 주요 실증결과는 다음과 같다. 첫째, 변동성지수는 음의 KOSPI200점프에 대한 예측력을 가지는 것으로 나타났다. 변동성지수는 음의 점프 발생 전 정보의 유용성이 양의 점프 발생 시보다 유용한 것으로 나타났다. 둘째, 점프의 크기에 따른 변동성지수의 예측력은 강한 점프 발생보다는 약한 음의 점프에 대해서 높은 것으로 나타났다. 셋째, 변동성지수는 점프 발생 이후의 KOSPI200 수익률의 지속성에 대해서도 정보를 가지는 것으로 나타났다. 최소 6분에서 최대 8분까지 점프시점의 변동성지수에 따라서 점프 발생 후의 KOSPI200 수익률이 변화하는 움직임을 잘 설명해주었다. 넷째, 점프 방향에 따라서 음의 점프에 대해서 변동성지수가 증가하면 증가할수록, 향후 KOSPI200은 지속적으로 하락하게 되고, 양의 점프에 대해서는 변동성지수가 증가하면 증가할수록, KOSPI200은 상승하는 패턴을 보인다. 본 연구의 결과는 점프 예측뿐만 아니라 파생상품의 가격결정, ELW ELS 등 파생결합상품의 변동성위험 헤지 그리고 변동성거래를 이용한 포트폴리오 투자전략 수립 등에 기여할 것으로 기대되어진다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.91-113
• /
• 2021

한국 자산 시장에서 부동산이 가지는 영향력에도 불구하고 시장 추이 예측은 쉽지 않으며, 그중 아파트는 주거 공간인 동시에 투자 속성을 내포하고 있어 더욱 예측이 쉽지 않다. 아파트 가격에 영향을 주는 요인은 다양하며 지역적 특성 또한 고려되어야 한다. 본 연구는 서울시 전체, 강남 3구, 노원, 도봉, 강북, 금천, 관악, 구로구의 아파트 매매가에 영향을 미치는 요인과 특성을 비교하고 이를 기반으로 가격 예측의 가능성을 파악하기 위해 수행되었다. 분석에는 신경망, CHAID, 선형회귀, 랜덤포레스트 등 머신러닝 알고리즘이 사용되었다. 서울시 전체 아파트 평균 매매가에 가장 중요한 영향을 미치는 요소는 정부 정책 요소였으며, 거래규제 완화, 금융규제 완화 등의 완화 정책이 영향력이 높게 도출되었다. 강남 3구의 경우 정책의 영향력이 낮은 것으로 파악되었으며 강남구의 경우 주택 공급량이 가장 중요한 요인이었다. 반면 6개의 중·하위구들은 정부 정책이 중요 변수로 작용하였으며 공통적으로 금융규제 정책이 영향을 끼치는 요인이었다.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.147-155
• /
• 2022

본 연구에서는 그래디언트 부스팅 기계학습과 유전 알고리즘을 이용하여 일별 주식 포트폴리오를 동적으로 구성하는 시스템을 구축하고 트레이딩 시뮬레이션을 통해 성능을 분석하였다. 이를 위해 유가증권시장과 코스닥시장에 상장된 종목들의 가격 데이터 및 투자자별 거래정보를 포함한 다양한 데이터를 수집하고, 전처리 과정과 변수가공을 통해 학습-예측에 이용될 변수들을 생성하였다. 첫 번째 실험에서는 예측정확도와 정밀도, 재현율 및 F1 점수 등 네 가지 지표를 활용하여 그래디언트 부스팅 기법들(XGBoost, LightGBM, CatBoost)의 성능을 비교 평가하였다. 두 번째 실험에서는 전 단계에서 선택된 LightGBM과 유전 알고리즘을 적용하여 상장 종목들의 일별 수익 여부를 학습-예측하였다. 그리고 예측된 수익 발생확률을 바탕으로 종목을 선별하여 트레이딩 시뮬레이션을 시행하고, CAGR, MDD, 사프지수 및 변동성 측면에서 코스피, 코스닥 지수와의 성능을 비교 평가하였다. 분석 결과, 제안된 전략들 모두 네 가지 성능평가 지표상에서 시장 평균을 넘어서는 것으로 나타났으며, 그래디언트 부스팅과 유전 알고리즘의 결합이 주식 가격 예측에 효과적으로 이용될 수 있음을 보여주었다.

• 산업진흥연구
• /
• 제9권2호
• /
• pp.29-35
• /
• 2024

최근 한국 금융시장은 무차입공매도를 금지하고 있으며, 차입한 증권을 매도하는 차입공매도를 일반적인 공매도라고 일컫는다. 이 연구는 개인투자자들을 위해 그들의 관점에서 공매도를 활성화하기 위한 개선 방안을 마련하고자 하였다. 공매도란 주식시장에서 소유하지 않은 종목을 매도하는 것으로 해당 종목의 주가가 하락할 것을 예측하여, 주식을 차입해 매도하는 것을 말한다. 본 연구 결과를 통하여 공매도시장의 활성화 및 개선방안은 다음과 같다. 첫째, 개인투자자의 공매도 기회확대 방안을 마련하여야 한다. 국내 공매도 시장은 코스피와 코스닥을 포함하여 외국인과 기관 참여자 비중이 시장의 95% 이상을 차지하고 개인투자자는 매우 미미한 수준이다. 따라서, 이의 확대가 불가피한 실정이다. 둘째, 공매도 불공정거래에 대한 모니터링 및 처벌을 강화해야 한다. 공매도 부작용을 최소화할 수 있는 대표적 개선 방안으로, 불공정거래, 공매도의 모니터링 강화, 처벌수준의 상향조정이 필요하다. 이와 더불어, 불공정거래 관련 공매도에 대한 처벌수준을 보다 높이는 방안을 강구해야 한다. 셋째, 공매도 보고 및 공시제도의 개선이 필요하다. 한국의 경우, 선진국에 비해서는 아직 공매도 거래가 활발하게 일어나고 있지는 않지만, 향후 공매도 거래가 활성화될 것에 대비하여 시장의 투명성을 강화하기 위해 공시제도를 확대할 필요가 있다. 결론적으로 공매도 규제가 지나치게 강화될 경우 가격효율성과 시장유동성 측면에서 손해가 발생하고 결과적으로 시장에 부정적 영향을 끼칠 수 있음을 보고하고 있다. 따라서 공매도 관련 정책은 규제 효과의 긍정적 측면을 고려하면서 시장에의 부정적 영향을 반드시 고려하여 이루어져야 한다.

• 마케팅과학연구
• /
• 제17권4호
• /
• pp.247-269
• /
• 2007

현대에 있어 동질적인 품질과 편익을 제공하는 제품을 가지고 다수의 기업들이 시장점유율 증대와 고객확보를 위하여 치열한 경쟁을 벌이고 있는 가운데 가격할인은 기업이 즐겨 사용하는 촉진수단이다. 가격할인은 단기적 매출향상, 소비자의 브랜드전환, 신제품의 시장침투 등의 목적을 달성하기 위하여 사용된다. 실제로 과거의 실증연구에 의하면 다양한 형태의 가격할인이 판매증대에 효과적이며 가격할인은 소비자의 지각가치를 증가시킨다고 하였다. 하지만 할인된 가격은 제품의 품질을 의심하게 하거나 낮게 평가하는 부정적인 효과가 있다는 사실이 밝혀졌으며, 모든 제품카테고리와 모든 구매상황에 대하여 가격할인이 소비자의 지각가치를 향상시킨다고 볼 수 없다. 이에 따라 본 연구에서는 브랜드애호도의 차이가 있는 제품을 대상으로 가격할인율에 따라 소비자의 지각가치에 어떠한 영향을 미치는지를 연구함으로서 브랜드애호도의 조절효과를 분석하였다. 브랜드애호도가 강한 제품에 대한 지각획득가치와 지각거래가치는 가격할인율이 낮을 때 보다 큰 경우에 증가할 것으로 예측하였으나 분석결과 유의적인 차이가 없는 것으로 나타났는데, 이것은 브랜드애호도가 강한 경우에는 가격할인에 의한 지각희생의 감소량이 크지 않았고 브랜드 자체에 대한 신뢰도와 속성에 대한 만족도가 높기 때문에 가격인하가 브랜드선택에 큰 영향을 미치지 않았다는 것을 의미한다고 할 수 있다. 반면 브랜드애호도가 약한 제품에 대한 지각획득가치와 지각거래가치는 가격할인율이 낮을 때 보다 큰 경우에 감소한 것으로 나타났다. 이는 브랜드애호도가 약한 경우에는 제품으로부터 획득하게 되는 편익에 대한 만족도와 신뢰도가 낮은데 이러한 특성을 고려해보면 가격할인이 클 때에 제품의 품질과 편익을 더욱 평가절하하거나 심리적으로 지각희생의 크기가 증가됨에 따라 지각가치가 감소되었음을 의미한다고 할 수 있다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.62-73
• /
• 2022

국내 아파트 매매가 예측에 관한 연구는 현재까지 지속적으로 수행되어 왔지만, 아파트 가격은 다양한 특성이 복합적으로 작용하기 때문에 예측하는데 어려움을 겪고 있다. 아파트 매매가를 예측하는데 앞서 정확도를 높이기 위해서는 주요 변수 선정 및 영향요인 분석이 무엇보다 중요하다. 이에 본 연구는 현재 꾸준한 상승률을 보이는 광주광역시를 대상으로 아파트 매매가에 영향을 주는 요인을 분석해보고자 한다. 이를 위해 6년간의 광주광역시 아파트 실거래가와 각종 사회적 요인 데이터를 토대로, 다중회귀분석, 랜덤 포레스트, 심층인공신경망 알고리즘을 적용하여 각 모델에서 주요 영향요인을 파악하였으며, 모델의 성능은 평균 제곱근 오차, 평균 절대 오차 그리고 결정계수를 통해 비교 분석하였다. 본 연구에서는 딥러닝의 일종인 심층인공신경망의 성능이 가장 우수함을 보였고, 매매가에 영향을 미치는 주요 요인으로 건축경과연수, 계약연도, 적용면적, 양도성예금증서, 주택담보대출금리, 선행지수, 생산자물가지수, 동행지수 등이 도출되었다.

• 한국재난정보학회 논문집
• /
• 제8권4호
• /
• pp.328-335
• /
• 2012

건설공사의 표준품셈에 의한 자원기반 적산방식은 정부고시 노임단가와 기자재의 공시가 격에 표준적이고 보편적인 공법 및 공종에 대한 단위작업당 재료량, 노무량, 장비사용시간 등을 수치로 표시한 품을 곱하여 견적하였다. 그러나 자원기반 적산방식은 실제 거래가격을 적절히 반영하지 못하는 한계점이 발생하였다. 따라서 본 연구는 이러한 한계점을 극복하기 위하여 새로운 시도로 수로터널 현장을 대상으로 Cutter 점검/교환, TBM 정비, TBM 점검/급유, 후속설비, 광차, 운영교대, 갱내보강/낙반보강, 안전/회의의 작업 공종 별로 TBM 굴진 생산성을 분석하고, 이를 근거로 순굴진속도를 분석하여 실적 공사비를 분석하였다. 본 연구에서 제시하는 실적공사비 산정 접근법은 TBM 수로터널 현장에서 실적 공사비를 예측하는데 유용한 도구로 활용할 수 있을 것으로 확신한다.