• 환경생물
• /
• 제40권4호
• /
• pp.525-549
• /
• 2022

개체군은 진화적 단위이자 개체군 통계적 단위로서, 생물학적 침입의 과정은 개체군의 생태적, 진화적 동태에 기인한다. 개체군의 공간구조는 개체군 동태에 영향을 줄 수 있으며, 분산이 반드시 동반되는 생물학적 침입에 대한 연구에서는 공간구조를 고려할 필요가 있다. 메타개체군 이론은 공간구조를 가진 개체군에 대한 대표적인 접근으로, 주로 생태학 및 진화생물학 연구에 활용되고 있다. 메타개체군은 공간적 구조를 가진 개체군의 동의어로 여겨지기도 하지만, 용어의 모호한 사용을 피하기 위해서는 절멸 가능성이 고려되는 경우에 한해 정의되어야 한다는 비판이 있다. 침입 초기 단계의 개체군은 높은 절멸 가능성을 가지는 경우가 많으므로, 메타개체군 이론을 적용하기에 용이하다. 한편, 침입 초기 개체군의 생태적·유전적 특성은 분산의 영향을 크게 받기 때문에, 메타개체군 이론은 개체군 수준에서 침입성의 변화와 침입 가능성을 설명하는 강력한 도구가 될 수 있을 것으로 생각된다. 그러나, 한국에서 침입생물에 대한 생태학적 연구는 주로 종 수준의 분포 변화에 대해 이루어지고 있고, 메타개체군 개념을 적용한 경우가 드문 실정이다. 메타개체군 이론을 활용한다면, 국내 연구가 상대적으로 미진했던 개체군 단위의 침입 기작을 보다 상세히 규명할 수 있을 것으로 생각된다. 본 연구에서는 실제 침입생물에 미치는 메타개체군의 영향을 쉽게 파악하기 위해 침입생물 메타개체군이 자연적인 분산 거리를 넘어서 연결되는지 여부에 따라 장거리와 중거리 두 가지 규모로 나누는 체계를 활용할 것을 제안하였다. 메타개체군 개념에 입각한 침입생물 연구가 침입의 기작을 이해하고 장래의 침입 리스크를 예측·관리하는 데에 도움을 줄 것으로 기대한다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.63-88
• /
• 2019

북한의 변화와 동향 파악에 대한 연구는 북한관련 정책에 대한 방향을 결정하고 북한의 행위를 예측하여 사전에 대응 할 수 있다는 측면에서 매우 중요하다. 현재까지 북한 동향에 대한 연구는 전문가를 중심으로 과거 사례를 서술적으로 분석하여, 향후에 북한의 동향을 분석하고 대응하여 왔다. 이런 전문가 서술 중심의 북한 변화 및 동향 연구에서 비정형데이터를 이용한 텍스트마이닝 분석이 더해지면 보다 과학적인 북한 동향 분석이 가능할 것이다. 특히 북한의 동향 파악과 북한의 대남 관련 행위와 연관된 연구는 통일 및 국방 분야에서 매우 유용하며 필요한 분야이다. 본 연구에서는 북한의 신문 기사 내용을 활용한 텍스트마이닝 방법으로 북한과 관련한 핵심 단어를 구축하였다. 그리고 본 연구는 김정은 집권 이후 최근의 남북관계의 극적인 관계와 변화들을 기반으로 세 개의 기간을 나누고 이 기간 내에 국내 언론에 나타난 북한과 관련성이 높은 단어들을 시계열적으로 분석한 연구이다. 북한과 관련한 주요 단어들을 세 개의 기간별로 분류하고 당시에 북한의 태도와 동향에 따라 해당 단어와 주제들의 관련성이 어떻게 변화하였는지를 파악하였다. 본 연구는 텍스트마이닝을 이용한 연구가 남북관계 및 북한의 동향을 이해하고 분석하는 방법론으로서 얼마나 유용한 것이지를 파악하는 것이었다. 앞으로 북한의 동향 분석에 대한 연구는 물론 대북관계 및 정책에 대한 방향을 결정하고, 북한의 행위를 사전에 예측하여 대응 할 수 있는 북한 리스크 측정 모델 구축을 위한 연구로 진행 될 것이다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.