• KDI Journal of Economic Policy
• /
• 제32권1호
• /
• pp.97-129
• /
• 2010

본고에서는 2002년 1월에서 2008년 12월까지 존재한 국내 주식형 펀드를 대상으로 하여 투자성과를 평가하고 마켓타이밍 능력의 존재 여부를 검토하였다. 주요 분석 결과는 다음과 같다. 첫째, 모든 투자비용을 공제한 순수익률 기준 펀드의 초과성과는 0과 다르지 않았다. 둘째, 투자비용이 공제되기 이전 총수익률 기준 펀드의 초과성과는 통계적으로 유의하게 0을 상회하였다. 특히, 보수수준과 초과성과 간에는 양의 상관관계가 있는 것으로 나타났다. 셋째, 보수수준이 높은 그룹에서 발견된 양의 초과성과를 마켓타이밍 능력과 주식선별능력으로 구분하는 추정을 실시하였으나, 추정 결과는 일의적인 해석이 곤란하였다. 분석 결과는 일단 Grossman and Stiglitz(1980)가 상정한 정보비용이 존재하는 효율적 시장가설과 일치한다. 그러나 보수가 높은 펀드의 초과성과 창출요인이 밝혀지지 않았으므로 이 해석의 타당성에 대한 결론적 언명은 추가 연구를 필요로 한다.

• 한국전자거래학회지
• /
• 제19권3호
• /
• pp.143-158
• /
• 2014

경쟁이 치열한 온라인 마켓에서의 가격결정은 판매자에게 있어서 매우 중요한 업무이다. 가격비교 사이트의 등장으로 동일한 상품에 대한 소비자들의 가격 민감도가 더 높아졌기 때문에 가격조정의 중요성은 점점 커지고 있다. 본 연구는 온라인마켓에서 시간의 흐름에 따른 판매자들 간의 가격조정 패턴을 분석하고자 하였다. 연구를 위하여 가격비교사이트에 올라온 컴퓨터 주변기기에 대한 가격 데이터를 수집하였다. 그리고 몬테카를로 시뮬레이션을 개발하고 판매자들 간의 가격조정 타이밍이 비슷한지를 분석하여 가격담합의 가능성을 탐색하였다. 분석결과는 판매자들 간의 가격조정 타이밍이 비슷하게 나타나는 가격담합현상을 보였으며, 판매자들 간의 가격의존도가 주 단위가 아닌 일 단위가 더 높다는 것이 발견되었다.

• 아태비즈니스연구
• /
• 제15권1호
• /
• pp.145-157
• /
• 2024

Purpose - In this study, we propose an empirical model for predicting seasoned equity offering (SEO here after) using machine learning methods. Design/methodology/approach - The models utilize the random forest method based on decision trees that considers non-linear relationships, as well as the gradient boosting tree model. SEOs incur significant direct and indirect costs. Therefore, CEOs' decisions of seasoned equity issuances are made only when the benefits outweigh the costs, which leads to a non-linear relationship between SEOs and a determinant of them. Particularly, a variable related to market timing effectively exhibit such non-linear relations. Findings - To account for these non-linear relationships, we hypothesize that decision tree-based random forest and gradient boosting tree models are more suitable than the linear methodologies due to the non-linear relations. The results of this study support this hypothesis. Research implications or Originality - We expect that our findings can provide meaningful information to investors and policy makers by classifying companies to undergo SEOs.