• 기록학연구
• /
• 제13호
• /
• pp.179-203
• /
• 2006

이 연구에서는 조선총독부 공문서와 같이 불균형 잔존하는 행정기록의 평가 방법과 절차를 개발하였다. 이를 위해 먼저 기존의 평가이론을 재구성하였다. 쉘렌버그 등의 평가론은 기록에 내재하는 가치를 평가하는 데 초점이 맞추어져 있었는데 반해 기능평가론 등에서는 기록 그 자체보다는 기록을 발생시킨 업무 행위를 평가하는 데에 주목하였다. 하지만 기록이 업무행위의 재현물이라는 점에서 볼 때 이 양자는 철학적으로 같은 것이며, 따라서 그 방법과 절차를 제대로 설계한다면 양자를 절충하여 사용하는 것이 가능하다. 또한 상대 평가의 방식이 거시적, 균형적 측면에서의 강점을 지닌다면 절대평가의 방식은 미시적 측면에서의 강점을 지니므로 이 역시 양자의 절충적 방법론을 구사하는 것이 가능하다. 이와 같이 기존의 평가이론들은 구체적인 평가 방법론의 개발이라는 측면에서는 상황과 대상의 특성에 따라 얼마든지 여러 형태로 조합할 수 있는 상호보완적 성격의 것들이라고 판단된다. 특히 이 글에서 다루고 있는 불균형 잔존 행정기록의 경우에는 어느 이론 하나를 취하여 방법과 절차를 세우는 것보다 이론에서 제시된 유용한 방법과 절차들을 적절하게 조합하는 일이 긴요하다. 조선총독부의 공문서를 평가하기 위해서는 먼저 처무규정류를 분석하여 총독부의 조직, 기능을 파악하고, 역사 해석적 방법을 동원하여 이들에 대한 거시적 가치 평가를 해야한다. 이를 토대로 하여 기능, 세부기능의 가치 서열을 고려한 조직기능 맵을 구성하여 이에 해당 기록을 매핑한다. 그런 다음 기록관리기관의 내적 환경등을 고려하여 평가 전략을 수립하고, 이를 토대로 다량 잔존 기록에 대해서는 상대 평가에 의한 미시평가를, 소량 잔존기록에 대해서는 오럴 자료의 생산 등 다른 수단을 제공하는 일 등을 수행한다. 이 연구는 기능분석, 역사해석적 작업, 기록의 상태평가 방법, 기준, 조선총독부 관보 및 기타 자료의 분석법 및 절차, 평가 아웃풋 이미지의 제시 등의 측면까지는 아직 이르지 못했다. 그런 의미에서 아직은 제언에 불과하고 앞으로의 연구 진척을 통해 부족한 부분 메워가야 할 것이다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.105-117
• /
• 2022

본 연구는 다항회귀분석을 통해 장기금리와 단기금리의 차이인 금리 스프레드와 주식 수익률 간 영향을 분석한다. 기존 연구들은 미국시장을 중심으로 금리 스프레드를 통한 경기를 예측에 초점을 맞추어 진행되었다. 선행 연구들은 장단기금리의 기간을 조절하고 선행정도를 분석하며 금리 스프레드를 경기예측 선행지표로 검증했다. 국내에서도 2006년 경기종합지수 제 7차 개편 이후 금리스프레드를 경기 선행지수 구성항목에 포함하였으며 현재까지도 활용하고 있다. 그럼에도 불구하고 국내 주식시장에서 금리스프레드와 산업별 주식 수익률에 대한 연구는 부족하다. 때문에 본 연구에서는 국내주식시장을 대상으로 금리스프레드와 산업별 주식 수익률은 분석했다. 회귀분석을 통해 인과관계가 높은 장단기 금리를 선정하고 선행기간 및 산업별 상관관계를 파악했다. 연구 과정에서 단순 선형회귀 분석(Simple Linear Regression)의 한계를 극복하기 위해 다항 회귀분석(Polynomial Linear Regression)을 활용해 설명력을 높였다. 분석 결과 6개월 선행하여 무보증 3년 회사채(AA-) 수익률과 콜금리 수익률의 차이 금리스프레드로 사용했을 때 높은 인과를 확인하였으며 산업별 주식수익률을 분석한 결과 해당 금리 스프레드와 자동차산업의 수익률의 관계가 가장 밀접함을 확인했다. 본 연구를 통해 국내에서 금리 스프레드가 경기예측뿐만 아니라 주식수익률과도 인과관계가 있음을 확인한 것에 의의가 있다. 금리스프레드만 사용하여 주식 가격을 예측하는 것에는 한계가 있을 수 있으나 다양한 요인들과 적절히 활용할 경우 강력한 팩터로 역할을 할 것이라 기대한다.

• 무역학회지
• /
• 제42권2호
• /
• pp.145-174
• /
• 2017

최근 계속되는 글로벌 경기 침체로 수출 여건이 악화됨에 따라 수출 주도형 소규모 개방경제인 우리나라는 수출이 감소하고 국내 경제 또한 침체가 지속되고 있다. 따라서 앞으로 수출증대를 통한 우리 경제의 지속적인 성장을 위해서는 수출보험과 같은 수출 지원제도의 유효성을 분석하여 수출확대를 위한 방안을 마련할 필요가 있다. 이에 본 연구에서는 수출보험이 국내 중소기업 및 대기업 수출에 미치는 효과를 살펴보기 위해 국내 중소기업 및 대기업 수출실적, 수출보험인수실적, 단기수출보험인수실적, 수출 상대가격지수(수출물가지수), 원/달러 환율, 국내경기 동행지수 등의 자료를 이용하여 시계열 분석을 실시하였다. 특히 벡터자기회귀모형(VAR 모형)을 통한 그랜저 인과관계 검정, VAR 모형 분석, 충격반응 분석, 분산분해 분석 등의 계량경제학적 분석 방법을 이용하여 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하였다. 첫째, 그랜저 인과관계 검정을 통해 대기업 수출은 국내경기 동행지수에, 국내경기 동행지수는 수출보험인수실적 및 단기수출보험인수실적에 선행하는 인과관계가 있는 것으로 나타났다. 둘째, VAR 모형 분석 결과 수출보험인수실적 및 수출물가지수의 경우 중소기업의 수출에는 부(-)의 영향을, 그리고 대기업 수출에는 정(+)의 영향을 주는 것으로 나타난 반면, 단기수출보험인수실적의 경우 중소기업의 수출에는 정(+)의 영향을, 그리고 대기업 수출에는 부(-)의 영향을 주는 것으로 나타났다. 셋째, 충격반응분석 및 분산분해 분석 결과 대기업 수출은 중소기업에 비해 단기수출보험인수실적에 크게 영향을 받는 것으로 나타났으며, 수출보험인수실적 역시 중소기업 보다 대기업 수출에 미치는 효과가 더 큰 것으로 나타났다. 결론적으로 수출보험의 경우 중소기업보다 대기업 수출 증대에 더 긍정적인 영향을 주고 있는 것으로 나타났으며, 향후 중소기업의 중장기적 수출보험 활성화를 위해서는 지자체별로 중소기업에 대한 수출보험 지원을 확대할 필요가 있는 것으로 분석되었다. 본 연구는 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하고 효율적인 수출보험정책을 수립하기 위한 정책적 시사점을 제시하고자 하였다는 점에서 그 의의가 있다. 향후 후속연구에서는 수출보험의 수출지원 효과를 보다 정밀하게 측정하기 위해 산업별 보험 인수실적에 따른 수출실적에 대한 시계열 분석을 실시할 필요가 있을 것이다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.1-19
• /
• 2019

제4차 산업혁명을 이끄는 주요 원동력 중 하나인 인공지능 기술은 이미지와 음성 인식 등 여러 분야에서 사람과 유사하거나 더 뛰어난 능력을 보이며, 사회 전반에 미치게 될 다양한 영향력으로 인하여 높은 주목을 받고 있다. 특히, 인공지능 기술은 의료, 금융, 제조, 서비스, 교육 등 광범위한 분야에서 활용이 가능하기 때문에, 현재의 기술 동향을 파악하고 발전 방향을 분석하기 위한 노력들 또한 활발히 이루어지고 있다. 한편, 이러한 인공지능 기술의 급속한 발전 배경에는 학습, 추론, 인식 등의 복잡한 인공지능 알고리즘을 개발할 수 있는 주요 플랫폼들이 오픈 소스로 공개되면서, 이를 활용한 기술과 서비스들의 개발이 비약적으로 증가하고 있는 것이 주요 요인 중 하나로 확인된다. 또한, 주요 글로벌 기업들이 개발한 자연어 인식, 음성 인식, 이미지 인식 기능 등의 인공지능 소프트웨어들이 오픈 소스 소프트웨어(OSS: Open Sources Software)로 무료로 공개되면서 기술확산에 크게 기여하고 있다. 이에 따라, 본 연구에서는 온라인상에서 다수의 협업을 통하여 개발이 이루어지고 있는 인공지능과 관련된 주요 오픈 소스 소프트웨어 프로젝트들을 분석하여, 인공지능 기술 개발 현황에 대한 보다 실질적인 동향을 파악하고자 한다. 이를 위하여 깃허브(Github) 상에서 2000년부터 2018년 7월까지 생성된 인공지능과 관련된 주요 프로젝트들의 목록을 검색 및 수집하였으며, 수집 된 프로젝트들의 특징과 기술 분야를 의미하는 토픽 정보들을 대상으로 텍스트 마이닝 기법을 적용하여 주요 기술들의 개발 동향을 연도별로 상세하게 확인하였다. 분석 결과, 인공지능과 관련된 오픈 소스 소프트웨어들은 2016년을 기준으로 급격하게 증가하는 추세이며, 토픽들의 관계 분석을 통하여 주요 기술 동향이 '알고리즘', '프로그래밍 언어', '응용분야', '개발 도구'의 범주로 구분하는 것이 가능함을 확인하였다. 이러한 분석 결과를 바탕으로, 향후 다양한 분야에서의 활용을 위해 개발되고 있는 인공지능 관련 기술들을 보다 상세하게 구분하여 확인하는 것이 가능할 것이며, 효과적인 발전 방향 모색과 변화 추이 분석에 활용이 가능할 것이다.