최근에 Cho와 Shin (2016)가 변동성 예측 모형으로 유명한 HAR (Corsi, 2009) 모형보다 단위근을 부과한 IHAR 모형이 더 우수하다는 것이 보고하였다. 금융시계열에 비대칭 변동성이 존재한다는 것은 널리 알려져 있다. 이 논문에서는 IHAR 모형에 레버리지를 고려한 LIHAR 모형을 제안한다. LIHAR 모형과 IHAR 모형 기존의 HAR 모형, LHAR 모형과의 예측력 비교를 통해 LIHAR 모형의 우수성을 보인다. 모형을 평가하기 위해 Oxford-Man 라이브러리 20개의 실현변동성 데이터를 이용하였다. 특히 DJIA, S&P 500, Russell 2000, KOSPI Composite 데이터는 다양한 분석을 하였다. 주가와 같은 금융지수의 변동성에는 장기기억성과 비대칭 변동성이 존재하고, 이런 특징을 LIHAR 모형이 HAR, IHAR, LHAR 모형보다 적절하게 반영하고 있는 것을 확인 하였다. 또한 예측력도 LIHAR 모형이 가장 우수하였다. 금융시계열의 실현변동성에 장기기억성, 비대칭변동성, 비정상성을 모두 반영하여 예측하는 것이 상당한 가치가 있음을 확인하였다.
S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.
전력시장 도매가격인 전력계통한계가격(System Marginal Price, SMP)의 급등락은 발전 사업자들의 재생에너지 및 기존 신규 발전설비에 대한 투자 결정을 변경하거나 지연시켜 에너지 정책 실현에 부정적인 영향을 미칠 수 있다. 이 연구는 2016~2020년 시간별 데이터를 활용하여 우리나라 SMP 주간 실현 변동성을 측정하고 결정요인을 파악함으로써 SMP 급등락 현상에 대한 정보 제공을 목적으로 한다. 국면전환(regime-switching)을 베이지안 변수선택(Bayesian stochastic selection) 모형에 적용하여 추정한 결과, SMP 고변동·저변동 국면 모두에서 기저 발전인 석탄 및 원자력 발전과 재생에너지인 태양광 발전의 증가는 SMP 변동성을 심화시키고, 가스발전량과 LNG 가격 변화는 고변동 국면에서만 SMP 변동성을 감소시키는 것으로 나타났다. 이러한 결과는 탄소 중립이나 에너지 전환 정책에 따른 재생에너지의 점진적인 확대가 SMP 변동성을 확대할 수 있지만, 재생에너지의 간헐성을 보완하기 위한 가스발전의 증가나 탄소 중립을 위한 석탄발전 감축은 SMP 변동성 증가를 상쇄시키는 역할을 할 수 있음을 시사한다.
본 연구는 우리나라의 코스닥시장을 대상으로 기업고유변동성과 주식수익률에 영향을 미치는 것으로 알려진 기업규모, 장부가/시장가, 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율, 거래회전율 등과 같은 기업특성변수들과 어떤 특징을 보이는 지를 우선적으로 알아보았다. 또한 실현범위변동성 및 기업고유변동성을 이용하여 주식에 투자할 경우 이들 변동성의 크기 따라 분류된 포트폴리오 간에 투자성과에 있어서 어떠한 차이를 보이는 지에 대해서도 살펴보았다. 분석결과에 따르면 기업고유변동성과 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율 거래회전율 등은 CAPM, FF-3요인 모형 둘 다 기업고유변동성이 높은 포트폴리오 일수록 기업특성변수들은 통계적으로 유의하게 높아지는 경향을 보였다. 즉, 기업고유변동성은 이들 기업특성변수들과 양(+)의 관계를 가지는 것으로 나타났다. 또한, 거래전략을 1/1/1, 즉, 포트폴리오 구성기간 1개월, 구성한 후 기다리는 기간을 1개월, 성과측정 기간 1개월로 정해서 실현범위변동성과 기업고유변동성이 주식의 기대수익률과 어떤 관계를 가지는 지에 대해 분석을 수행하였는데, 실현범위변동성과 기업고유변동성은 주식수익률과 체계적으로 양(+)의 관계를 가진다는 흥미로운 사실을 발견하였다.
실현 변동성은 강한 종속성을 가짐이 잘 알려져 있으며, 글로벌 금융 시장과 유기적으로 연관이 되어 있을 뿐만 아니라 환율, 유가, 이자율 등의 거시적인 지표와도 밀접한 관계가 있다. 본 논문은 이러한 실현 변동성의 효과적인 예측을 위해서 오토인코더를 이용한 FAHAR (autoencoder factor-augmented heterogeneous autoregressive, AE-FAHAR) 모형을 제안한다. AE-FAHAR 모형은 강한 종속성을 HAR 구조로 반영하고, 외부 효과에 대한 영향을 오토인코더를 사용하여 몇 개의 요인으로 추출하여 이를 반영한다. 오토인코더는 비선형 방법으로 요인을 추정하기에 많은 계산 시간이 필요하지만 복잡하고 비정상성을 가질 수 있는 고차원 시계열 자료의 요약에 더 적합하다. 이는 곧 실증 자료 분석을 통해 AE-FAHAR 모형이 예측 오차를 줄임을 확인할 수 있었다. 또한 계산 시간을 줄이고 추정 오차를 줄이기 위해 오토인코더에 사전학습 및 앙상블을 적용하는 등의 방법에 대해서도 논의하였다.
시스템이 슬라이딩모드의 존재조건을 만족하는 경우, 전동기의 상태가 전동기의 파라미터에 의존하지 않고 결정되는 절환 초평면에 수렴하기 때문에 파라미터에 불감한 응답을 나타낸다. 본 연구는 소형 유도전동기에 의한 외란 및 파라미터의 변동에 대하여 로바스트(robust)와 동시에 정확한 응답을 나타내는 교류서보 전동기 구동시스템을 실현하는 것이다. 이를 실현하기 위해서 가변구조 제어이론에 기초한 슬라이딩모드 제어를 적용하여 유도전동기 자계 슬립주파수형 벡터제어를 실현한다. 이상적인 전동기에 대한 시뮬레이션의 결과에 의해서 관성, 점성마찰계수, 부하 토오크 등 의 파라미터의 변동 및 외란에 대하여 로바스터성이 있다는 것을 알 수 있고 슬라이딩모드 제어의 도입이 교류전동기 서보제어에 유효한 것을 확인하였다.
주식시장에서 관찰되는 변동성은 시간에 따라 변하는 특징이 있는데, 변동성의 지속성을 기준으로 지속적인 변동성(long-lived volatility)과 일시적인 변동성(short-lived volatility)으로 구분할 수 있다. 본 연구에서는 한국 주식시장의 변동성을 지속적 요소와 일시적 요소로 분해하였으며, 지속적 변동성에서 관찰되는 주요 특징과 거시경제적 관련성을 분석하였다. 전체 변동성을 지속적 요소와 일시적 요소로 분해하기 위해 GARCH-MIDAS 모형을 사용하였으며, 지속적 변동성을 구성하는 정보변수로는 실현된 변동성(realized volatility)을 활용하였다. 1990~2009년의 표본기간에 대해 모형을 추정한 결과, KOSPI 수익률의 지속적 변동성에는 과거 3~4년까지의 정보가 주요하게 반영되는 것으로 나타났다 또한 . 1994~2009년 기간에 있었던 KOSPI 일별 변동성의 변화 중 약 2/3 정도가 지속적 변동성의 변화에 의한 것으로 나타났다. 한편, 주식시장의 변동성에서 관찰되는 장기적인 변화는 그에 상응하는 거시경제여건의 변화와 관련이 있을 수 있는데, 1994~2009년의 기간에 대해 분석한 결과 주식시장의 지속적 변동성은 경기역행적 특징을 보이는 가운데 물가상승률에 대해서는 유의한 양의 상관관계를 보였다. 또한 거시경제적 불확실성이 상승하는 시기에는 주식시장의 지속적 변동성도 상승하는 경향이 있음을 확인할 수 있었다. 주식시장의 지속적 변동성과 거시경제여건과의 관련성에 대한 이상의 분석 결과는 경제안정화를 위한 거시경제정책이 주식시장의 변동성 완화에도 기여할 수 있음을 시사한다.
변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.
주식 투자는 가장 널리 알려진 재테크 방법들 중 하나지만 실제 투자를 통해 수익을 얻기는 쉽지 않기 때문에 과거부터 효과적이고 안정적인 투자 수익을 얻기 위한 다양한 투자 전략들이 고안되고 시도되어 왔다. 그중 변동성 돌파 전략(Volatility Breakout)은 일일 단위로 일정 수준 이상의 범위를 뛰어넘는 강한 상승세를 돌파 신호로 파악하여 상승하는 추세를 따라가며 일 단위로 빠르게 수익을 실현하는 전략으로 널리 쓰이고 있는 단기 투자 전략들 중 하나이다. 그러나 주식 종목마다 가격의 추이나 변동성의 정도가 다르며 동일한 종목이라도 시기에 따라 주가의 흐름이 일정하지 않아 주가를 예측하고 정확한 매매 시점을 찾아내는 것은 매우 어려운 문제이다. 본 논문에서는 단순히 종가 또는 장기간에 걸친 수익률을 예측하는 기존 연구 방법들과는 달리 단기간에 수익을 실현할 수 있는 주식과 같은 시계열 데이터 분석에 적합한 양방향 장단기 메모리 심층 신경망을 이용하여 변동성 돌파 전략 기반 매매 시의 수익률을 예측하여 주식을 매매하여 방법을 제안한다. 이렇게 학습된 모델로 테스트 데이터에 대하여 실제 매매를 가정하여 실험한 결과 기존의 장단기 메모리 심층 신경망을 이용한 종가 예측 모델보다 수익률과 안정성을 모두 상회하는 결과를 확인할 수 있다.
블랙숄즈모형에서 옵션가격을 결정하는 변수 중 기초자산의 변동성은 현재 시점에서는 알 수 없고, 미래시점에 실현된 변동성을 사후에야 알 수 있다. 하지만 옵션이 거래되는 시장에서 관찰되는 가격이 있기 때문에 가격에 내재된 변동성을 역으로 산출한 내재변동성은 현재 시점에 구할 수 있다. 내재변동성을 구하기 위해서는 옵션가격과, 블랙숄즈 모형의 변동성을 제외한 옵션가격결정변수인 기초자산가격, 무위험이자율, 배당률, 행사가격, 잔존기간이 필요하다. 블랙숄즈모형의 변동성은 고정된 상수이나, 내재변동성 산출시 행사가격에 따라 변동성이 다르게 산출되는 변동성스마일현상을 보이기도 한다. 따라서 내재변동성 산출시 옵션 단일 종목이 아닌 시장전반의 변동성을 감안하는 것이 필요하다고 판단하여 본 연구에서는 V-KOSPI지수도 설명변수로 추가하였다. 머신러닝기법 중 지도학습방법을 사용하였으며, Linear Regression 계열, Tree 계열, SVR과 KNN 알고리즘 및 딥뉴럴네트워크로 학습 및 예측하였다. Training성능은 Decision Tree모형이 99.9%로 가장 높았고 Test성능은 Random Forest 알고리즘이 96.9%로 가장 높았다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.