• Electronics and Telecommunications Trends
• /
• v.13 no.1 s.49
• /
• pp.21-28
• /
• 1998

가입자망 투자비용은 전화망의 접속료를 구성하는 비용 요소 중 가장 중요한 부분이다. 본 논문은 대도시지역의 전화가입자망 구축에 소요되는 투자비용을 추정하고, 이러한 투자비용 산출을 위한 일반적인 비용모델의 개발에 관한 것이다. 서울을 대상지역으로 하여 주요 비용요소들이 정의되었고 선로기술, 지형특성, 가입자 수 등의 연관성이 분석되었다. 연구결과는 다사업자 환경에서 접속료 추정을 위한 비용모델 설계에 활용될 수 있다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.584-585
• /
• 2008

기업은 구성원의 업무능률 향상과 가치 증대 등 조직의 경쟁력을 높이기 위해 IT 투자를 꾸준히 늘리고 있지만 이를 통해 실제기업의 조직 및 구성원의 성과향상에 대해서는 확신하지 못하고 있다. 본 논문에서는 기업경영에서 점점 많은 비중을 차지하고 있는 IT에 대한 투자 성과를 평가할 수 있는 방법론으로 IT-ROI 모델을 이용하여 투자 성과평가를 측정할 수 있는 방안에 대해 살펴보도록 하겠다.

• Journal of the Korea Society for Simulation
• /
• v.26 no.3
• /
• pp.105-113
• /
• 2017

This study considers an optimal investment planning for improving survivability from an air threat in the layered air defense system. To establish an optimization model, we first represent the layered air defense system as a network model, and then, present two optimization models minimizing the failure probability of counteracting an air threat subject to budget limitation, in which one deals with whether to invest and the other enables continuous investment on the subset of nodes. Nonlinear objective functions are linearized using log function, and we suggest dynamic programming algorithm and linear programing for solving the proposed models. After designing a layered air defense system based on a virtual scenario, we solve the two optimization problems and analyze the corresponding optimal solutions. This provides necessity and an approach for an effective investment planning of the layered air defense system.

• The Journal of Society for e-Business Studies
• /
• v.9 no.2
• /
• pp.33-50
• /
• 2004

This paper presents the evaluation model which is included in a quantitative evaluation methodology for evaluation processes of validity and effectiveness of information budget investment and improving conformance of ROI(Return On Investment). That is, the right efficiency targets of information investment for the development project to GDOC (Government electronic Document Distribution Center), and KPls(Key Performance Indexes) which enable to evaluate objectively effectiveness in the preliminary and post evaluation phases are developed, and then the results were come out by practical investigation study using quantitative evaluation methodology.

• 한국IT서비스학회:학술대회논문집
• /
• 2009.11a
• /
• pp.373-379
• /
• 2009

최근 기업들은 증가하는 IT 투자가 기업 가치 증대에 얼마나 기여하고 있는지를 합리적으로 검증 할 수 있는 방법을 모색하고 있다. 이사회 및 최고 경영자는 IT 투자 대상의 우선 순위 결정이 투명하고 합리적인 기준에 기반하여 결정하고자 하나. IT 투자 대상의 우선 순위 결정을 위한 기준은 매우 다양하고 표준화 되어 있지 않기 때문에 합리적인 투명한 결과를 얻기는 매우 어렵다. 본 연구에서는 기업들이 IT 투자 우선순위를 선정하기 위한 기준은 어떠한 것들이 있으며, 각각의 기준들에 대한 가중치를 어떠한지를 계층적으로 분석하여 IT 투자 대상의 우선 순위 평가 모델을 제시한다. 이 평가 모델을 활용하여 다양한 이해 관련자들이 IT 투자 우선 순위를 결정함에 있어 합리적이고 투명한 의사 결정이 가능하게 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.132-137
• /
• 2008

최근 들어, 기업의 내재 가치를 평가하여 투자에 활용하는 이른바 가치투자에 대한 많은 분석과 전략들이 나오고 있다. 그러나 현존하는 대부분의 투자 지원 툴들은, 단기적으로 등락을 반복하는 주가에 매매 조건을 제시하여 차액을 얻는 방식인 기술적 분석 툴로서 기업의 내재 가치를 평가하여 투자를 지원하기 에는 제한이 있다. 때문에 가치 투자자들은 기업의 가치를 체계적이고 객관적으로 판단하기 보다는, 몇몇의 공시된 자료들을 보고 개인의 판단에 따라 평가하는 경우가 대부분이다. 따라서 감정과 선입견을 배제한 기존의 기술적 분석 툴과 같이 기업의 가치를 정량적으로 추정하여 다양한 전략개발을 할 수 있는 툴이 필요한 실정이다. 본 논문에서는 기업의 가치를 정량화하여 가치투자 전략을 개발할 수 있는 가치투자 시스템(이하 KPU-VISS)의 설계 및 구현 내용을 기술한다. 즉, 본 시스템은 주식가격을 포함한 기업의 다양한 정보와 경기 지표 등을 이용하여 기업의 가치 모델 개발을 지원하고, 이 모델에 근거하여 저평가된 종목을 검색하는 전략 개발을 지원한다. 또한, 개발된 전략을 과거의 특정 시점에 반영시킨 투자 시뮬레이션을 통하여, 전략의 실효성을 검증하는 기능도 지원한다. 본 논문에서 제안한 가치투자 지원시스템은 최초로 가치투자전략의 개발과 검증을 지원하는 시스템으로, 향후 가치투자 시스템 개발을 위한 선도적인 방향을 제시할 것으로 예상한다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.27 no.4
• /
• pp.855-861
• /
• 2017

Gordon & Loeb[1] suggested that the optimal level of investment decision of an enterprise is the point that the marginal benefit(MB) of information security investment is equal to the marginal cost(MC). However, many companies suffering from information security incidents are not aware of the fact that they are experiencing information security accidents and can not measure how much they are affected. In this paper, I propose a model of information security investment decision making under the incomplete information situation by modifying the Gordon & Loeb[1] model and compare the differences in investment level. Under the incomplete information situation the expected return from the information security investment tends to be lower than that of actual information security investment, and the level of investment is also less. This shows that if a third party such as the government gives accurate information such as the rate of incidents of information security accidents and the amount of damages, companies can expand their investment in information security.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2003.11a
• /
• pp.1241-1242
• /
• 2003

본 연구는 Usability의 투자 성과관리(ROI: Return On Investment)를 위한 균형성과지표(BSC: Balanced ScoreCard) 관점에서의 Framework 개발을 목표로 한다. 2000년 이후 Usability에 대한 투자 규모는 높은 증가세를 유지해 왔으나 대규모 투자가 진전되는 가운데 Usability투자의 수익성을 어떻게 확보하고, 그 효과(Effectiveness)는 어떻게 측정할 것인가 하는 문제는 상대적으로 관심을 끌지 못하고 있다. Usability 투자에 대한 시스템적 성과관리를 위해 개발된 Usability BSC Framework은 BSC의 4가지 관점에서 Usability 투자성과관리에 대한 변형된 관점의 모델을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06d
• /
• pp.80-83
• /
• 2007

최근 들어 보안에 대한 피해의 급증으로 많은 기업들이 정보시스템에 막대한 기업 자원을 투입하고 있다. 뿐만 아니라, 다양한 ROI 평가 방법을 통해 투자대비 최대 수익률을 이끌어 내기 위해 끊임없이 시도하고 있다. 이는 많은 기업들이 정보시스템에 대한 투자를 유보하거나 정확한 평가 및 방법을 내리고 싶어한다는 증거이다. 이러한 기업의 추세는 최근 보안 분야에 있어 합리적인 보안 투자 방침을 세우는데 좋은 지침이 되어 지고 있다. 그러나. 지금의 대규모 정보 시스템 구축 및 웹기반의 인프라 환경에서는 적절한 보안 투자를 한다는 것은 쉽지 않다. 이러한 근본적인 이유 중 하나는 수익률을 측정하는 방법의 부재에서 찾을 수 있다. 따라서, 본 논문에서는 보안 분야에서 쓰이는 기존의 ROSI(Return On Security Investment)모델을 소개하고, 투자의 위험부담을 줄이기 위한 확률 기반의 개선된 ROSI(Probability based ROSI = PROSI) 방법론을 제안하고자 한다.

• Journal of Intelligence and Information Systems
• /
• v.23 no.4
• /
• pp.127-146
• /
• 2017

Services using artificial intelligence have begun to emerge in daily life. Artificial intelligence is applied to products in consumer electronics and communications such as artificial intelligence refrigerators and speakers. In the financial sector, using Kensho's artificial intelligence technology, the process of the stock trading system in Goldman Sachs was improved. For example, two stock traders could handle the work of 600 stock traders and the analytical work for 15 people for 4weeks could be processed in 5 minutes. Especially, big data analysis through machine learning among artificial intelligence fields is actively applied throughout the financial industry. The stock market analysis and investment modeling through machine learning theory are also actively studied. The limits of linearity problem existing in financial time series studies are overcome by using machine learning theory such as artificial intelligence prediction model. The study of quantitative financial data based on the past stock market-related numerical data is widely performed using artificial intelligence to forecast future movements of stock price or indices. Various other studies have been conducted to predict the future direction of the market or the stock price of companies by learning based on a large amount of text data such as various news and comments related to the stock market. Investing on commodity asset, one of alternative assets, is usually used for enhancing the stability and safety of traditional stock and bond asset portfolio. There are relatively few researches on the investment model about commodity asset than mainstream assets like equity and bond. Recently machine learning techniques are widely applied on financial world, especially on stock and bond investment model and it makes better trading model on this field and makes the change on the whole financial area. In this study we made investment model using Support Vector Machine among the machine learning models. There are some researches on commodity asset focusing on the price prediction of the specific commodity but it is hard to find the researches about investment model of commodity as asset allocation using machine learning model. We propose a method of forecasting four major commodity indices, portfolio made of commodity futures, and individual commodity futures, using SVM model. The four major commodity indices are Goldman Sachs Commodity Index(GSCI), Dow Jones UBS Commodity Index(DJUI), Thomson Reuters/Core Commodity CRB Index(TRCI), and Rogers International Commodity Index(RI). We selected each two individual futures among three sectors as energy, agriculture, and metals that are actively traded on CME market and have enough liquidity. They are Crude Oil, Natural Gas, Corn, Wheat, Gold and Silver Futures. We made the equally weighted portfolio with six commodity futures for comparing with other commodity indices. We set the 19 macroeconomic indicators including stock market indices, exports & imports trade data, labor market data, and composite leading indicators as the input data of the model because commodity asset is very closely related with the macroeconomic activities. They are 14 US economic indicators, two Chinese economic indicators and two Korean economic indicators. Data period is from January 1990 to May 2017. We set the former 195 monthly data as training data and the latter 125 monthly data as test data. In this study, we verified that the performance of the equally weighted commodity futures portfolio rebalanced by the SVM model is better than that of other commodity indices. The prediction accuracy of the model for the commodity indices does not exceed 50% regardless of the SVM kernel function. On the other hand, the prediction accuracy of equally weighted commodity futures portfolio is 53%. The prediction accuracy of the individual commodity futures model is better than that of commodity indices model especially in agriculture and metal sectors. The individual commodity futures portfolio excluding the energy sector has outperformed the three sectors covered by individual commodity futures portfolio. In order to verify the validity of the model, it is judged that the analysis results should be similar despite variations in data period. So we also examined the odd numbered year data as training data and the even numbered year data as test data and we confirmed that the analysis results are similar. As a result, when we allocate commodity assets to traditional portfolio composed of stock, bond, and cash, we can get more effective investment performance not by investing commodity indices but by investing commodity futures. Especially we can get better performance by rebalanced commodity futures portfolio designed by SVM model.