• 경영과정보연구
• /
• 제29권1호
• /
• pp.1-23
• /
• 2010

본 연구는 국내와 미국 IPO기업을 대상으로 이사회내의 사외이사의 특성, 사외이사에 대한 보상 등이 기업공개 후 누적비정상 수익률에 어떠한 영향을 미치는지를 실증분석하고 있다. 본 연구를 통해 아래의 흥미로운 결과를 도출할 수 있었다. 첫째, KOSDAQ기업의 사외이사의 연령과 누적비정상수익률(CAR)간에는 유의한 관계가 나타나지 않은 반면 NASDAQ 기업에서는 유의한 양의 관계를 도출할 수 있었다. 또한 50대 초과 사외이사 그룹은 50대 이하 그룹보다 기업가치에 긍정적인 영향을 미친다는 것을 도출할 수 있었다. 둘째, 사외이사의 학력과 국내 KOSDAQ기업의 CAR간에는 통계적으로 유의한 결과는 도출할 수 없었다. 그러나 미국기업의 경우에는 대체로 학력이 높을수록 기업가치에 긍정적인 영향을 미침을 발견할 수 있었다. 셋째, 사외이사의 경력과 관련해서는 전문성과 대표이사 경험을 보유한 사외이사가 회색이사 그룹 군에 비해 기업가치에 긍정적인 영향을 준다는 것을 살펴볼 수 있었다. 마지막으로, 사외이사의 보수와 기업가치 간의 관계에 있어서는 한국기업의 경우 유의하지 않은 음(-)의 관계를 보였으나 미국기업의 경우에는 양(+)의 유의한 관계를 도출할 수 있었다. 특히, 미국기업의 경우 사외이사의 Stock Option과 누적비정상 수익률 간에는 유의한 양(+)의 관계를 보이고 있어 이러한 결과로 유추해 볼 때 사외이사의 Stock Option이 기업가치 상승에 긍정적인 영향을 미치고 있음을 살펴볼 수 있었다.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권8호
• /
• pp.513-523
• /
• 2020

본 연구는 VR 체험 콘텐츠 기술 동향에 대해 알아보기 위해 현재까지 출원 및 등록된 기술특허를 도출하고, 그 중에서 핵심특허 기술을 중심으로 분석하였다. 2020년 6월까지 공개된 한국, 미국, 일본, 유럽 및 PCT의 특허를 대상으로 하였고, WISDOMAIN 검색 DB를 주요하게 사용하여 특허검색을 실시하였다. 특허검색을 위한 키워드는 가상현실(VR)을 이용한 체험 기술 관련이였으며, 도출한 키워드를 조합하여 검색식을 작성한 후 총 1,013건의 데이터를 얻게 되었다. 그 중에서 유효특허 선별 결과 총 65건의 데이터를 추출하였고, 이를 대상으로 정략분석을 진행하였다. 전체 출원 동향을 살펴보면 한국의 특허 출원이 대부분을 차지하였고, 노이즈 특허는 가상현실(VR) 기술을 구현하기 위한 시스템 관련 장치이다. 미국과 유럽은 증강현실(AR) 기술개발에 집중하고 있는 것으로 나타났다. 가상현실(VR) 체험 기술은 2017년부터 특허 출원이 급격히 증가하였고, 기술 성장단계는 태동기에서 성장기로 넘어가는 시기인 것으로 파악되었다. VR 체험 관련 유효특허를 살펴본 결과 농촌투어, 전시, 교육, 공연 등 다양한 분야에서 기술이 검색되었으며, 콘텐츠 저작과 일반 가상체험 관련 기술에 대한 특허도 검색되었다. 향후 VR 산업의 발전 가능성을 예측해 본다면 더욱 더 다양한 분야에 대한 기술개발과 특허 출원을 진행하여 지식재산권 선점에 대한 대응이 필요할 것으로 판단된다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.65-82
• /
• 2021

주식시장에 참여하는 투자자들은 크게 외국인투자자, 기관투자자, 그리고 개인투자자로 구분된다. 외국인투자자 같은 전문투자자 집단은 개인투자자 집단과 비교하여 정보력과 자금력에서 우위를 보이고 있으며, 그 결과 시장 참여자들 사이에는 외국인투자자들이 좋은 투자 성과를 보이는 것으로 알려져 있다. 외국인 투자자들은 근래에는 인공지능을 이용한 투자를 많이 하고 있다. 본 연구의 목적은 투자자별 거래량 정보와 머신러닝을 결합하는 투자전략을 제안하고, 실제 주가와 투자자별 거래량 데이터를 이용하여 제안 모형의 포트폴리오 투자 성과를 분석하는 것이다. 일별 투자자별 매수 수량과 매도 수량 정보는 한국거래소에서 공개하고 있는 자료를 활용하였으며, 여기에 인공신경망을 결합하여 최적의 포트폴리오 전략을 도출하고자 하였다. 본 연구에서는 자기 조직화 지도 모형 인공신경망을 이용하여 투자자별 거래량 데이터를 그룹화하고 그룹화한 데이터를 변환하여 오류역전파 모형을 학습하였다. 학습 후 검증 데이터 예측결과로 매월 포트폴리오 구성을 하도록 개발하였다. 성과 분석을 위해 포트폴리오의 벤치마크를 지정하였고 시장 수익률 비교를 위해 KOSPI200, KOSPI 지수 수익률도 구하였다. 포트폴리오의 동일배분 수익률, 복리 수익률, 연평균 수익률, MDD, 표준편차, 샤프지수, 벤치마크로 지정한 시가총액 상위 10종목의 Buy and Hold 수익률 등을 사용하여 성과 분석을 진행하였다. 분석 결과 포트폴리오가 벤치마크 대비 2배 수익률을 올렸으며 시장 수익률보다 좋은 성과를 보였다. MDD와 표준편차는 포트폴리오와 벤치마크가 비슷한 결과로 성과 대비 비교한다면 포트폴리오가 좋은 성과라고 할 수 있다. 샤프지수도 포트폴리오가 벤치마크와 시장 결과보다 좋은 성과를 내었다. 이를 통해 머신러닝과 투자자별 거래정보 분석을 활용한 포트폴리오 구성 프로그램 개발의 방향을 제시하였고 실제 주식 투자를 위한 프로그램 개발에 활용할 수 있음을 보였다.