본 연구는 우리나라에서 수생태계에 유입되는 주요 유해화학물질 축적 분석을 위한 타깃 후보종 선정과 이에 따른 어류 군집의 영향을 분석하였다. 레퍼런스 하천 선정과 함께 유해화학물질 유입의 영향을 직접적으로 받는 하수종말처리장(T1)과 수계로 유입된 유해화학물질이 집중되는 금강하구언(T2)의 테스트배드를 분석하였다. 유해화학물질 분석을 위한 타깃 후보종 선정을 위해 7-메트릭 다변수 모델을 개발하였으며, 세부항목은 (1) 상업적으로 유용하며 식용으로 이용하는 어종, (2) 최상위 육식종 어종, (3) 유기물 섭취 어종, (4) 내성도가 높은 어종, (5) 개체수가 풍부한 어종, (6) 채집 가능성이 높은 어종, (7) 광범위하게 분포하는 어종 등 총 7개 메트릭으로 구성되었다. 타깃 후보어종에 대한 7개 메트릭 모델을 기반으로 8종이 대상 후보로 선정되었다. 타깃 후보종과 함께 공서하는 우점어종은 내성종(50%)이었으며, 이는 수질 오염 지표로 자주 사용되는 내성종의 풍부도가 가장 높은 것으로 나타났다. 또한, 수생태계 건강성 평가를 위한 다변량 어류 기반 모델 분석에서는 생태계 건강성이 "나쁨 상태"까지 진단되는 것으로 나타났다. 이화학적인 수질 변수는 테스트배드에서 섭식 및 내성길드에 영향을 미치는 것으로 나타났다. 8개의 수질 변수는 T1 지점에서 높게 나타나 하수처리장의 방류수에 따른 영향이 컸으며, T2 지점은 대규모 녹조 현상이 나타나 클로로필 농도가 레퍼런스 지점보다 약 15배 높은 것으로 나타났다.
급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.
병풀추출물은 다양한 효능으로 인하여 화장품 원료로 많이 사용되지만, 분자량이 크고 용해도가 낮아 피부에의 흡수 효과를 기대하기 어렵다. 이러한 문제점을 해결하기 위하여 지질 기반 다양한 형태의 리포좀을 개발하여 피부흡수율을 높이고자 하였다. 이에 본 연구에서는 기존 리포좀에 edge activator로서 계면활성제를 사용하여 트렌스퍼좀을 제조함으로써 피부흡수율을 높이고자 하였다. 리포좀과 Span 80 및 Tween 20, 60, 80, 85를 각각 함유한 트렌스퍼좀을 high-pressure homogenizer를 이용하여 제조하였고, 입자크기, 다분산지수, 제타전위, 피부흡수율에 대하여 평가하였다. 그 결과, 25 ℃에서 60 d까지 입자크기, 다분산지수 및 제타전위의 물성변화가 거의 없었으며, 45 ℃에서는 60 d 경과 후에 Tween 20, 60, 80을 함유한 트렌스퍼좀의 입자크기가 증가하였다. Franz diffusion cell을 이용한 피부흡수율은 병풀추출물의 주요 성분 중 하나인 madecassoside를 지표 성분으로 사용하여 계산하였다. 그 결과, Tween 20을 함유한 제형에서 가장 흡수율이 높았으며, 반면에 Span 80을 함유한 제형에서 가장 적었다. 흡수계수(Kp) 값에 의하면 모든 제형에서 'very fast'로 나타났고, Span 80을 함유한 제형을 제외하고 리포좀보다 흡수 속도가 유사하거나 크게 나타났다. 이를 통하여 비이온성 계면활성제의 HLB 값이 클수록 트렌스퍼좀의 입자크기가 작았으며, 베시클 막의 유연성 향상으로 피부흡수율이 증가함을 확인하였다. 본 연구를 통해 edge activator로서 계면활성제를 사용한 트렌스퍼좀은 화장품 원료나 제품으로서뿐만 아니라 피부흡수율 증가로 피부의 국소적 문제 해결 가능성을 기대할 수 있다.
숙취해소용 음료로 개발된 건강음료를 각각 알코올(5 g/kg B.W, 40%) 투여 30분 전과 후에 경구적으로 섭취시키고(10 mL/kg) 시간(1, 3 및 5)에 따라 미동맥으로 채혈하여 혈액 중 알코올 농도와 아세트알데히드 농도, 간 조직 중 알코올 대사효소 alcohol dehydrogenase (ADH) 및 aldehyde dehydrogenase(ALDH)의 활성과 간기능 지표 효소(ALT, AST)의 활성 변동을 측정 비교하여 다음과 같은 결과를 얻었다. 알코올 투여 30분 전에 건강음료를 공급하였을 때 혈액 중 알코올 농도는 알코올 투여 1시간 후부터 모든 군에서 급격하게 감소하였으며 알코올 투여 5시간째에 알코올 대조군(EC)에 비해 건강음료 투여군(BE)은 48.4%정도 감소하는 경향을 나타내었다. 또한 아세트알데히드 농도는 알코올 대조군(EC)에 비해 건강음료 투여군(BE)은 15.6%, 타사제품 투여군(P)은 20.3% 낮았다. 알코올 투여 30분 후 숙취해소 음료를 공급하고 5시간 경과 후 건강음료 투여군(AE)의 알코올 농도는 알코올 대조군(EC)에 비해 65.2% 낮은 수치를 나타내었다. 아세트알데히드 농도는 알코올 대조군에 비해 건강음료 투여군(AE)은 36.4% 낮은 0.21 mg/dL 타사제품투여군(P)은 24.2% 낮은 0.25 mg/dL를 나타내었다. 간 조직 중 ADH 활성은 정상군과 알코올을 섭취 한 모든 실험군 사이에 별다른 변동을 관찰할 수 없었다. 숙취해소 음료의 1회 섭취와 체중 1 kg당 5 g의 알코올 1회 투여가 알코올 대사 효소의 활성에 영향을 미치지 못함을 시사하고 있다. 혈청 ALT, AST 활성은 정상군과 알코올 투여 실험군간에 유의적인 차이를 보이지 않았으며 또 건강음료의 음용이 정상적인 간 기능에 영향을 미치지 않는 결과를 볼 때 안전성이 인정된다고 생각된다.
본 논문의 의도는 하이퍼스펙트럴 영상의 다량의 밴드를 사용하면서도 효율적인 분류기법의 개발에 초점을 두고 있다. 본 연구에서는 하이퍼스펙트럴 영상의 분류에 있어 이론적으로 밴드수가 많아질수록 분류정확도가 높을 것이라 예상되는, 다변량 통계분석기법중의 하나인 정준상관분석을 적용한 분류기법을 제안한다. 그리고 기존의 대표적인 전통적 분류기법인 최대 우도분류 방법과 비교한다. 사용되는 하이퍼스펙트럴 영상은 2001년 9월 2일 취득된 EO1-Hyperion 영상이다. 실험을 위한 밴드수는 LANDSAT TM 영상에서 열밴드를 제외한 나머지 데이터의 파장대와 일치하는 부분을 감안하여 30개 밴드로 선정하였다. 지상실제데이터로서 비교기본도를 채택하였다. 이 비교기본도와 시각적으로 윤곽을 비교하고, 중첩분석하여 정확도를 평가하였다. 최대우도분류의 경우 수역 분류를 제외하고는 전혀 분류기법으로서의 역할을 하지 못하는 것으로 판단되며, 수역의 경우도 큰 호수 외에 작은 호수나 골프장내 연못, 부분적으로 물이 존재하는 작은 영역 등은 전혀 분류하지 못하고 있는 것으로 나타났다. 그러나 정준상관분류결과는 비교기본도와 형태적으로 시각적 비교를 해볼 때 골프장잔디를 거의 명확히 분류해 내고 있으며, 도시역에 대해서도 고속도로의 선형 등을 상당히 잘 분류해내고 있음을 알 수 있다. 또한 수역의 경우도 골프장 연못이나 대학교내 연못, 기타지역의 연못, 웅덩이 등 까지도 잘 분류해내고 있음을 확인할 수 있다. 결과적으로 정준상관분석 알고리즘의 개념상 트레이닝 영역 선정시 시행착오를 겪지 않고도 정확한 분류를 할 수 있었다. 또한 분류항목 중에서 잔디와 그 외 식물을 구분해 내는 능력과 수역을 추출해 내는 능력이 최대우도분류기법에 비해 우수하였다. 이상의 결과로 판단해 볼 때 하이퍼스펙트럴영상에 적용되는 정준상관분류기법은 농작물 작황 예측과 지표수 탐사에 매우 유용하리라 판단되며, 나아가서는 분광적 고해상도 영상인 하이퍼스펙트럴 데이터를 이용한 GIS 데이터베이스 구축에 중요한 역할을 할 수 있을 것으로 기대된다.
농가생산 사과장아찌의 품질개선을 위한 기초 자료로 제공하고자 농가생산 사과 장아찌와 시판 장아찌 11종을 대상으로 품질인자에 대한 특성을 조사하였다. 장아찌의 수분함량은 간장 및 식초 절임 장아찌가 각각 74~84%, 81~91%, 된장 절임 장아찌가 89% 그리고 고추장 절임 장아찌가 38~64%였다. 무 고추장 장아찌의 수분함량은 57~64%이었으며, 사과 고추장 장아찌는 48%로 무장아찌에 비해 낮았으나 고추장 절임을 한 감(38%)과 매실(39%)장아찌에 비해 다소 높았다. 장아찌의 적정 숙성기간을 나타내는 지표인 pH 및 적정산도는 각각 pH 3.4~5.6, 0.03~0.14%로 조사되었다. 무장아찌의 pH는 5.2~5.6 이었으며, 오이, 감, 매실, 사과장아찌의 pH는 각각 3.4~4.1, 4.1, 3.5, 4.1로 비슷하였다. 이는 전통장아찌(pH 3.03~5.36)와 비교하여도 적정한 범주에 있는 것으로 판단되었다. 사과장아찌의 당도는 30%로 고추장 무장아찌에 비해 12~18% 높았으나 감장아찌(39%)와 매실장아찌(49%)에 비해서는 다소 낮았다. 장아찌의 염도는 절임원에 따라 간장(6~13%), 된장(7%), 고추장(3~4%) 순으로 낮게 나타났다. 사과장아찌의 염도는 3.28로 간장 및 된장을 절임원으로 사용하여 상업적으로 생산된 제품에 비해 저염인 것을 확인 할 수 있었다. 색도 측정결과 사과장아찌의 명도(54.70)는 오이장아찌(50.86, 56.02)와 비슷하였으며, 적색도 및 황색도는 각각 16.21, 26.78로 무 고추장 장아찌의 적색도(7.27~11.23)와 황색도(10.62~14.69)에 비해 높았다. 관능적 특성은 무, 오이장아찌와 함께 색, 향, 맛 각각 7.00, 7.50, 7.00 점으로 기호도가 높은 것으로 평가되었다. 반면 전체적인 선호도는 6.83점으로 매실이나 무장아찌에 비해 점수가 낮았다. 전체적으로 아삭아삭한 씹힘성이 있는 장아찌를 선호하는 경향에 기인한 것으로 보이며 사과장아찌의 조직감을 개선할 필요가 있다고 판단된다.
과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R2)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm2, relative error (RE)≤17.9%)와 validation에 R2≥0.56, RMSE≤1.41 ㎍/cm2, RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R2=0.80, RMSE=0.94 ㎍/cm2, RE=13.9%와 validation에서 R2=0.57, RMSE=1.40 ㎍/cm2, RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.
본 연구는 국내 서·남해안 도서(島嶼) 및 연안 지역을 번식의 근거지로 활동하는 조류와 관련한 번식지 적합성 지수 개발을 위한 기초연구의 일환으로, FGI(Focus Group Interview)와 AHP(Analytic Hierarchy Process) 분석을 실시하였으며, 그 결과는 다음과 같다. 첫째, 연안성 조류 번식지 적합성 가치 판단 결과 자연적 가치(0.763)가 인위적 가치(0.237)에 비해 높은 중요도를 나타냈다. 번식공간의 지속적 완전성 담보를 위한 '보호구역 지정여부'를 제외한 다른 인위적 가치는 하위순위로 파악되었다. 둘째, 2차례 진행된 FGI에서 분류된 25개의 평가항목을 상위개념으로 재정립한 결과, 자연적 가치가 9개, 인위적 가치가 5가지, 총 14개로 최종 선정되었다. 셋째, 연안성 조류 번식지 적합성 중요도의 중분류 평가 결과는 '생태적 가치(0.392)', '지형적 가치(0.251)', '소극적 간섭(0.124)', '지질적 가치(0.120)', '적극적 간섭(0.113)'의 순서로 파악되었다. 이는 번식공간 자체의 수용적 환경보다는 번식을 위한 생존환경에 우선한 것으로 판단된다. 넷째, 연안성 조류 번식지의 평가항목 우선순위 결과는 '식생분포(0.187)', '갯벌의 면적(0.118)', '갯벌의 유무(0.092)', '천적의 출현(0.087)', '보호구역 지정여부(0.08)', '섬 면적(0.069)', '과번식에 의한 황폐화(0.064)', '토양 구성비(0.056)', '육지와의 거리(0.054)', '해양 양식장 면적(0.045)', '경작지 면적(0.041)', '경작 행위(0.038)', '표면의 각도(0.036)', '토지이용(0.033)'의 순으로 나타났다. 본 연구에서 도출된 평가항목의 가중치 결과값은 연안성 조류 번식지 공간에 집중한 우선순위 평가에 활용이 가능할 것으로 판단된다. 그러나 조류 개체가 갖는 고유의 서식지 적합성과의 상관성 여부는 보완이 필요한 것으로 보이며, 추후 종별특성을 접목한 공간분석연구는 추후 과제로 남기고자 한다.
본 연구는 초고해상도 무인항공기 자료를 활용하여 황도 갯벌의 미세 퇴적 구조를 분석하는 것을 목적으로 하였다. 갯벌은 육지와 바다 사이의 전이 지역으로서 조석 활동에 의해 끊임없이 변화하며, 퇴적 과정과 환경 조건을 이해하는 데 중요한 독특한 환경을 제공한다. 기존의 현장 관측 방법은 공간적 및 시간적 범위에 한계가 있고, 기존 위성 영상은 미세한 퇴적 구조를 연구하기에 충분한 해상도를 제공하지 못한다. 이러한 한계를 극복하기 위해, 본 연구에서는 충청남도 황도 갯벌의 고해상도 이미지를 무인항공기를 이용해 촬영하였다. 황도 갯벌은 방조제 건설과 같은 해안 개발 프로젝트로 인해 퇴적 환경이 크게 변화한 지역이다. 2022년 5월 17일부터 18일까지 현장 관측을 통해 91개의 지점에서 퇴적물 샘플을 수집하였으며, 그중 25개의 주요 지점을 집중적으로 분석하였다. 약 0.9 mm의 공간 해상도를 가진 무인항공기 자료를 이용하여 미세 퇴적 구조의 파라미터(Parameter)를 식별하고 추출하였다. 건열에서는 다각형 장축의 길이를 추출하였고, 연흔에서는 파장과 연흔을 정량적으로 표현하는 대표적인 지표인 연흔 대칭 지수(Ripple Symmetry Index)를 추출하였다. 연구 결과, 니질 함량이 80% 이상인 지역에서는 평균 37.3 cm 간격의 건열이 형성되었으며, 사질 함량이 60% 이상인 지역에서는 평균 파장이 8 cm, 연흔 대칭 지수가 2.0인 연흔이 형성되었다. 본 연구는 초고해상도 무인항공기 자료를 활용하여 인간의 도보에 의한 현장 관측 없이도 갯벌의 미세 퇴적 구조를 효과적으로 분석할 수 있음을 입증하였다. 이는 환경 모니터링 및 해안 관리에서 중요한 도구로써 무인항공기 기술의 가능성을 강조하며, 무인항공기 자료가 퇴적 구조 연구에 유용하다는 것을 보여준다. 또한, 본 연구의 결과는 보다 정밀한 퇴적상 분류를 위한 기반 자료로 활용될 수 있을 것으로 기대된다.
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.
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.