• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2008.10a
• /
• pp.314-318
• /
• 2008

퇴직연금에서 DB(defined benefit, 확정급여형) 플랜 가입자는 은퇴 이후의 급여가 확정되는 반면, DC(defined contribution, 확정기여형) 플랜 가입자는 납입금액만 확정될 뿐미래의 급여는 보장되지 않는다. 따라서 DC 플랜 가입자는 가입기간 동안 적절한 투자전략을 통하여 연금자산이 최대로 성장할 수 있도록 노력해야 한다. 그러나 자산가격은 시장 위험에 노출되어 있기 때문에 자산배분은 퇴직시점에 접근할수록 안전자산 위주로 전환되어야 한다. 라이프사이클 자산배분모형과 라이프사이클포트폴리오는 최신의 운용기법으로 그 유용성을 인정받고 있지만, 기계적이고 직관적인 방법으로 인하여 이론적인 근거에 취약성을 가지고 있다. 본 연구에서는 DC 플랜 가입자의 안정적인 자산관리를 위한 라이프사이클을 고려한 자산배분모형을 제시하고자 한다. 시뮬레이션 최적화 방법을 활용한 자산배분의 경우, 채권의 비중은 주식의 누적수익률 열세와 변동성으로 인하여 비조건부 자산배분과 주식에 대한 최저 투자비중을 고려한 조건부 자산배분에서 우세하게 나타나고 있다. 그러나 두 자산배분모형의 성과는 장기적으로 차이를 보이다가 기간이 축소되면서 차이가 크게 줄어드는 것으로 분석되었다.

• Journal of Teachers' Pension
• /
• v.5
• /
• pp.97-133
• /
• 2020

전략적 자산배분에서 가장 중요한 것은 목표를 결정하는 것이다. 여기서 목표는 자산운용에서 발생하는 향후 포트폴리오의 예상되는 분포와 이에 영향을 받는 조직의 기대효용을 극대화하는 것으로 정의하는 것이 과학적이고 학술적인 방식이다. 실무는 대체로 이러한 방식과 다르다. 예를 들어 기금운용평가의 가이드라인에서는 목표 수익률에 초점을 두고 있다. 특히 기금운용평가에서는 ALM 기반의 목표 수익률 산출을 제안한다. 하지만, 비현실적인 목표 수익률의 산출과 그 의미의 모호성으로 많은 기금들은 이를 적용하지 않고 있다. 본 연구는 이러한 ALM 기반의 목표수익률 설정 및 자산배분의 문제점을 확인하고, ALM 기반 자산배분에 대한 두 가지 대안을 제시한다. 첫 번째, 기금 자산운용의 목표 설정에 대해서는 Doran(1981)의 SMART (Specific, Measurable, Achievable, Relevant, Time-limited) 기준에 따른 목표수립을 제안한다. 두 번째, 목표 수익률 산출에서는 목표기반투자 (Goal based Investing, GBI) 에 따른 목표 수익률 산출 방법을 제시한다.

• Journal of Intelligence and Information Systems
• /
• v.26 no.1
• /
• pp.135-149
• /
• 2020

Artificial intelligences are changing world. Financial market is also not an exception. Robo-Advisor is actively being developed, making up the weakness of traditional asset allocation methods and replacing the parts that are difficult for the traditional methods. It makes automated investment decisions with artificial intelligence algorithms and is used with various asset allocation models such as mean-variance model, Black-Litterman model and risk parity model. Risk parity model is a typical risk-based asset allocation model which is focused on the volatility of assets. It avoids investment risk structurally. So it has stability in the management of large size fund and it has been widely used in financial field. XGBoost model is a parallel tree-boosting method. It is an optimized gradient boosting model designed to be highly efficient and flexible. It not only makes billions of examples in limited memory environments but is also very fast to learn compared to traditional boosting methods. It is frequently used in various fields of data analysis and has a lot of advantages. So in this study, we propose a new asset allocation model that combines risk parity model and XGBoost machine learning model. This model uses XGBoost to predict the risk of assets and applies the predictive risk to the process of covariance estimation. There are estimated errors between the estimation period and the actual investment period because the optimized asset allocation model estimates the proportion of investments based on historical data. these estimated errors adversely affect the optimized portfolio performance. This study aims to improve the stability and portfolio performance of the model by predicting the volatility of the next investment period and reducing estimated errors of optimized asset allocation model. As a result, it narrows the gap between theory and practice and proposes a more advanced asset allocation model. In this study, we used the Korean stock market price data for a total of 17 years from 2003 to 2019 for the empirical test of the suggested model. The data sets are specifically composed of energy, finance, IT, industrial, material, telecommunication, utility, consumer, health care and staple sectors. We accumulated the value of prediction using moving-window method by 1,000 in-sample and 20 out-of-sample, so we produced a total of 154 rebalancing back-testing results. We analyzed portfolio performance in terms of cumulative rate of return and got a lot of sample data because of long period results. Comparing with traditional risk parity model, this experiment recorded improvements in both cumulative yield and reduction of estimated errors. The total cumulative return is 45.748%, about 5% higher than that of risk parity model and also the estimated errors are reduced in 9 out of 10 industry sectors. The reduction of estimated errors increases stability of the model and makes it easy to apply in practical investment. The results of the experiment showed improvement of portfolio performance by reducing the estimated errors of the optimized asset allocation model. Many financial models and asset allocation models are limited in practical investment because of the most fundamental question of whether the past characteristics of assets will continue into the future in the changing financial market. However, this study not only takes advantage of traditional asset allocation models, but also supplements the limitations of traditional methods and increases stability by predicting the risks of assets with the latest algorithm. There are various studies on parametric estimation methods to reduce the estimated errors in the portfolio optimization. We also suggested a new method to reduce estimated errors in optimized asset allocation model using machine learning. So this study is meaningful in that it proposes an advanced artificial intelligence asset allocation model for the fast-developing financial markets.

• Journal of the Korea Society for Simulation
• /
• v.32 no.4
• /
• pp.69-76
• /
• 2023

To improve the financial stability of the National Pension, an appropriate target rate of return should be established based on pension liabilities, and asset allocation policies should be formulated accordingly. The purpose of this study is to calculate the target rate of return considering the contributions of subscribers and the pension benefits, and based on this, derive an asset allocation. To do this, we utilized the internal rate of return methodology to calculate the target rate of return for each cohort. And then, we employed a Monte Carlo simulation-based re-sampling mean-variance model to derive asset allocation for each cohort that satisfy the target rate of return while minimizing risks. Our result shows that the target rate of return for each cohort ranged from 6.4% to 6.85%, and it decreased as the generations advanced due to a decrease in the income replacement rate of the National Pension. Consequently, the allocation of risky assets, such as stocks, was relatively reduced in the portfolios of future generations. This study holds significance in that it departs from the macroeconomic-based asset allocation methodology and proposes investments from an asset-liability management perspective, which considers the characteristics of subscribers' liabilities.

• Journal of the Korea Society for Simulation
• /
• v.23 no.4
• /
• pp.163-170
• /
• 2014

This study calculates the employee receives severance pay scale are paid from the company in the DC system. In addition, by utilizing the reserve growth model were studied in accordance with shortfall risk levels generated by stochastic asset allocation. For the analysis, from 2004 to 2013 using the KOSPI returns and total bond yields were simulated. Scenario 1 is when compared to the severance reserve is insufficient. Scenario 2 is the same as if toy reserve this severance pay. During one period, depending on the asset allocation of stocks and bonds was confirmed that the probability pension risk does not occur. And we suggest that members of DC pension risk endeavor with the government and companies to avoid.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.439-441
• /
• 2020

기존의 균등배분, 마코위츠, Recurrent Reinforcement Learning 방법들은 수익들을 최대화하거나 위험을 최소화하고, Risk Budgeting 방법은 각 자산에 목표 리스크를 배분하여 최적의 포트폴리오를 찾는다. 그러나 이 방법들은 미래의 최적화된 포트폴리오를 잘 찾아주지 못하는 문제점들이 있다. 본 논문은 자산 배분을 위한 Deterministic Policy Gradient 기반의 Actor Critic 모델을 개발하였고, 기존의 방법들보다 성능이 우수함을 검증한다.

• Journal of the Korea Society for Simulation
• /
• v.33 no.1
• /
• pp.27-34
• /
• 2024

This study aims to propose an optimal asset allocation that minimizes the risk of insufficient realized replacement rates compared to the OECD average replacement rate. To do this, we set the shortfall risk of replacement rates and calculates an asset allocation plan to minimize this risk based on the period of enrollment, the income level and additional contribution. We consider stocks and deposits as investment assets, using Monte Carlo simulation with a GBM model to generate return distributions for stocks. Our result show that, for individuals with a enrollment period of less than 30 years, participants should invest a minimum of 70-80% of their funds in risky assets to minimize the shortfall risk. However, the proportion of funds that need to be invested in risky assets declines significantly when participants contribute an additional premiums. This effect is particularly pronounced among low-income individuals. Therefore, to achieve OECD average replacement rates, the government needs to incentivize participants to invest more in risky assets, while also providing policies to encourage additional contributions, especially for the low-income population.

• The Korean Journal of Applied Statistics
• /
• v.23 no.5
• /
• pp.783-797
• /
• 2010

Based on the importance of asset allocation in the return of an investment portfolio, this article attempts to verify the appropriateness of mutual funds as means of investment to obtain optimal asset allocation. The return-based style analysis is applied to determine a mutual fund's allocation(or a style) among a set of specified asset classes. Assuming a particular investor who defines a range allowed a fund's style to differ from its original one, it is examined whether or not the fund style is continued over an investment time horizon. After verifying the fact that the original style of the investment fails to remain unchanged from the empirical analysis limited to domestic equity mutual funds, we further investigated the reasons for the style drift. Despite several limitations of the analysis, it yields the conclusion that domestic equity mutual funds do not seem to be an appropriate investment tool to achieve a target asset allocation.

• Journal of Teachers' Pension
• /
• v.1
• /
• pp.157-185
• /
• 2016

본 연구에서는 비정상적 사건을 정의하고 이에 따른 비정상적 위험의 구체적인 유형을 파악하며, 이와 관련된 사학연금의 위험관리 체계에 대한 검토와 함께 비정상적 위험에 효과적으로 대응할 수 있는 자산운용방안을 제시하였다. 우선 비정상적 사건을 '과거 자료를 이용한 발생확률의 추정이나 발생여부에 대한 예측이 불가능하며 따라서 이의 발생 가능성을 사전에 고려하고 대비하는 사전적인 대처가 어려운 사건으로서 자산운용과 위험관리에 무시할 수 없는 영향을 미치는 사건'으로 정의하였으며, 이의 구체적인 형태로서 금융위기를 포함하는 9가지 사건 유형을 파악하였다. 동비정상적 사건들은 포트폴리오 투자를 통한 자산운용에서 개별자산군의 기대수익률과 위험 및 자산군 사이의 상관관계에 영향을 미쳐, 기존의 자산배분안의 최적성을 상실시키고 위험수준의 측정치인 VaR값을 과소 또는 과대추정하게 할 수 있는 것으로 분석되었다. 한편 비정상적 사건의 해외 사례에 대한 분석에서는 비정상적 사건의 영향이 개별 사건마다 다양한 양태로 발현되는 것이 관측되었다. 본 연구에서는 사학연금의 현행 자산배분 체계가 이와 같은 비정상적 사건의 영향에 적절하게 대응하기 어려운 상황이라고 진단하였으며, 비정상적 사건에 적절히 대응하기 위한 자산관리방안의 일환으로서 일별 수익률 자료를 사용한 비정상적 사건의 영향 평가방안을 제시하였다. 한편, 사학연금의 현행 위험관리 체계는 비정상적 사건의 발생에 적절하게 대응할 수 있는 것으로 평가되었다

• Journal of Teachers' Pension
• /
• v.1
• /
• pp.47-90
• /
• 2016

사학연금재정재계산위원회(2016)에 의하면 사학연금제도는 2027년에 기금규모가 최고로 도달한 후, 다음 해 부터는 재정수지가 적자로 전환되어 2046년에 기금이 완전히 고갈될 것으로 전망되고 있다. 그래서 동 제도의 지속가능성을 위한 연금재정의 안정화 대책이 시급하다. 현재 상황에서 사학연금제도의 지속가능성에 대한 연구는 자산운용을 효율화하여 기금고갈시점을 최대한 연기하고, 동 기간 공무원연금제도의 개혁과 연계한 지속가능성을 모색하는 방안이 최선의 방안이다. 지금까지 사학연금은 해외투자나 대체투자 등 다양한 자산배분 포토폴리오를 설계 운용하여 왔는데, 대체투자로는 높은 수익률을 실현하여 왔으나 해외투자 수익률은 기대에 미치지 못하였다. 국내외 연기금들 중 지난 6년간 가장 높은 단순 수익률을 실현한 CPPIB의 수익률을 사학연금재정재계산위원회가 사용한 연금재정재계산 수익률에 적용하여 추계한 연금재정은 2044년 기금최고시점에 이르렀고, 2045년부터 재정수지가 음(-)으로 변하여 2060년부터 기금이 완전히 고갈될 것으로 전망되었다. 그리고 사학연금의 운용성과가 미흡한 주식투자 수익률을 국민연금 주식투자 수익률로 적용하였을 경우, 사학연금재정재계산위원회 추계 결과와 비슷한 기금최고시점 및 기금고갈시점을 보였다. 글로벌 경제가 저성장 저금리 기조로 들어서고 있는 이 시점에서, CPPIB가 지난 6년간 실현한 높은 수익률을 중장기에 지속적으로 기대하기는 어렵다. 그래서 사학연금기금을 최대한 유지하기 위해서는 다양한 투자대상을 개발함과 동시에 CPPIB의 자산배분 포토폴리오와 포토폴리오 변동성 및 기대수익률을 통제할 수 있는 수리모형을 도입하고, 국민연금의 주식투자 운용원칙 및 기준을 벤치마킹하여 자산배분을 효율화하여야 한다. 이와 동시에 향후 공무원연금제도 개혁 과정에서 사학연금제도의 지속가능성을 반영할 수 있는 방안에 대한 연구가 필요하다.