• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2006년도 공동학술대회 논문집
• /
• pp.117-122
• /
• 2006

지하구조를 영상화하기 위한 물리탐사자료의 역산에서 가장 기본적인 가정 중의 하나는 자료측정 시간 동안에 지하구조가 변화하지 않는다는 정적인 지하구조 모형에 있으며, 시간의 흐름에 따른 지하구조 변화를 이해하기 위한 지구물리 모니터링 탐사자료의 역산에서도 통상적으로 받아 드려지고 있다. 그러나 투수성이 매우 높은 지하 매질에서 수행하는 염수 주입 실험의 경우에는 전도성 유체가 매우 빠른 속도로 이동하게 되므로, 측정시간 동안에 지하구조가 변화하지 않는다는 정적인 지하구조 모형의 가정은 성립되지 않은 경우가 많다. 또한 역산 결과 얻어지는 지하 영상에도 심한 왜곡이 게재될 가능성이 높음은 자명한 일이다. 이 연구에서는 이와 같은 문제를 해결하기 위하여 지하구조가 시간에 대해 연속적으로 변화하는 시공간 모델에 입각한 새로운 최소자승 역산법을 개발하였다. 지하 시공간 모델을 수많은 공간 모델로 일정한 시간간격으로 샘플링하는 대신에, 미리 설정한 수개의 기준 시각의 공간 모델로 정의하는 방법을 제안하였으며, 이를 위해 동일한 공간좌표에서의 물성은 시간에 대해 선형적으로 변화한다는 가정을 채택하였다. 이에 의해 시간에 따라 연속적으로 변화하는 지하의 시공간 모델을 구하는 문제는 수 개의 기준 공간 모델을 구하는 문제로 단순화될 수 있다. 역산의 안정성을 기하고 신뢰도가 높은 지하구조를 계산하기 위해, 인접한 시간대의 지하구조의 변화는 크지 않다는 시간축을 따른 제한 또한 도입하였다. 전기비저항 시추공간 토모그래피 탐사의 수치 실험을 수행하였으며 이를 통해 제안한 알고리듬의 효용성을 입증하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제17권3호
• /
• pp.43-50
• /
• 2011

본 논문에서는 2차원 입력 형상에 대하여 계층 메쉬를 이용한 빠르고, 품질 저하가 적은 평면 형상변형 기법을 제시한다. 입력으로 주어진 2차원형상의 내부와 경계를 조밀하게 샘플링한 정점의 집합으로 구성된 형상 메쉬와, 입력 형상을 근사적으로 둘러싸는 형상 메쉬의 일부 정점으로 구성된 제어 메쉬를 구성한다. 이때, 형상 메쉬 정점은 제어 메쉬의 정점에 대한 평균값 좌표로 표현한다. 사용자의 형상 변형 입력에 대하여 기존의 비선형 최소자승법을 사용한 메쉬 최적화문제를 풀어 제어 메쉬 정점의 변형될 위치를 구하고, 형상 메쉬는 변형된 제어 메쉬의 정점으로부터 평균값 좌표를 이용하여 최종적인 형상의 변형을 빠르게 계산한다. 형상 메쉬는 입력 형상을 정확히 표현하기 위해 많은 수의 정점으로 구성되는 반면에 제어 메쉬는 상대적으로 적은 수의 정점으로 구성된다. 계산양이 많은 최적화 방법은 제어 메쉬에만 적용되기 때문에 전체 수행시간은 매우 빠르지만, 제어 메쉬의 품질저하에 따라 형상변형의 품질 또한 저하된다. 본 논문에서는 형상 변형의 결과를 조절하고 품질 저하를 보정하기 위해서 사용자 제한에 방위 제어를 포함시켜 형상변형의 강성도를 조절하는 방법을 제시한다. 실험적인 결과에 의하면 본 논문에서 제시한 방법은 비교적 적은 수의 정점을 사용하여 형상 변형의 수행속도가 빠르면서, 변형의 시각적인 품질은 부드럽게 유지된다. 본 논문의 결과는 휴대폰이나 타블렛 PC와 같이 계산속도가 느린 임베디드 시스템에서 형상 변형을 이용한 2차원 애니메이션 제작과 같은 응용문제에 효과적으로 사용될 수 있다.

• Journal of Radiation Protection and Research
• /
• 제7권1호
• /
• pp.23-33
• /
• 1982

방사선(放射線)의 선질(線質) 및 고선량(高線量)의 변화(變化)에 따른 테프론 열형광선량계(熱螢光線量計)의 열형광감응특성(熱螢光感應特性)을 연구(硏究)하였다. 상이(相異)한 방사선(放射線)의 선질(線質)에 대한 TLD감도(感度)의 변화(變化)는 $^{60}Co$ 감마선(線), 유효(有效)에너지가 44keV, 69keV, 108keV인 X선(線) 및 0.044eV의 열중성자(熱中性子)에 조사(照射)시킴으로서, 광자(光子)에너지 의존성(依存性) 뿐만 아니라 이에 따른 초선형특성(超線形特性)의 변화(變化)도 조사하였다. 그 결과(結果)는 다음과 같다. $^{60}Co$감마선(線)에 대해서 흡수선량함수(吸收線量函數)로서의 $T-CaSO_4$:Dy 의 TL감응(感應)은 5Gy 까지는 선형적(線形的)이고, 5Gy 이상에 대해서 이 감응(感應)은 초선형적(超線形的)이었다. T-LiF-7 선량계(線量計)의 초선형특성(超線形特性)이 $T-CaSO_4$:Dy에 비해 현저(顯著)하였으며, 방사선(放射線)의 LET가 낮으면 낮을수록 초선형효과(超線形效果)가 더욱더 커짐을 알 수 있었다. $^{60}Co$ 감마선(線) 10Gy 에 등가(等價)하는 열중성자(熱中性子) 조사(照射)로 부터는 초선형특성(超線形特性)이 관찰(觀察)되지 아니하였다. TLD, T-LiF-7 및 $T-CaSO_4$:Dy 의 $^{60}Co$ 감마선(線)의 선량(線量)에 따른 상대감도(相對感度)(Rs)는 최소자승법(最小自乘法)으로 다음과 같은 실험식(實驗式). 즉(卽), $$R_{LiF}=1.021-0.04581\;logD+0.402(logD)^2-0.405(logD)^3,\;\;5{\times}10^3{\geq}D{\geq}1(Gy)$$ 및 $$R_{CaSO_4}=0.976-0.3241\;logD+0.262(logD)^2-0.298(logD)^3,\;5{\times}10^3{\geq}D{\geq}1(Gy)$$으로 각각(各各) 근사(近似)시킬 수 있었다.

• 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.