• 재무관리연구
• /
• 제27권1호
• /
• pp.1-30
• /
• 2010

본 연구는 영국 파운드, 캐나다 달러, 호주달러, 원달러 및 브라질 레알화 통화선물시장과 현물시장 수익률사이의 선도-지연관계, 변동성의 비대칭적 인과관계 및 시장효율성을 비교분석하였다. 각 통화현 선물시장 수익률간의 선도 지연관계 분석을 위하여 VAR(vector auto regressive)모형에 기초를 둔 Granger 인과관계분석을 실시하였으며 변동성의 비대칭적인 정보전달메커니즘 분석은 시간변동MA(1)-GJR-GARCH(1, 1)-M모형을 도입하였다. 주요 실증분석결과는 다음과 같다. 첫째, Granger 인과관계분석결과 각 통화선물 및 현물시장사이에는 피드백적인 인과관계가 존재하는 것으로 나타났다. 각 통화선물시장의 현물시장에 대한 가격발견기능이 통화현물시장의 선물시장에 대한 영향력보다 상대적으로 더 높은 것으로 나타났다. 둘째, MA(1)-GJR-GARCH(1, 1)-M모형을 추정한 결과, 각국 통화 현 선물시장사이에는 피드백적인 조건부평균이전효과(conditional mean spillovers)가 강하게 존재하는 것으로 나타났으며 전반적으로 선물시장의 현물시장에 대한 영향력이 그 반대의 경우보다 상대적으로 강한 것으로 나타났다. 셋째, 변동성의 비대칭적인 전이효과를 분석한 결과, 각국 모두 통화 선물시장에서 현물시장으로의 비대칭적인 변동성이전효과가 강하게 존재하고 있으며 통화현물시장에서 선물시장으로는 호주달러현물시장을 제외하고 나머지 시장에서는 정보의 비대칭적특성이 존재하는 것으로 나타났다. 이러한 각국 통화선물시장과 현물시장사이의 대칭적 비대칭적 정보이전효과로부터 통화 선물시장이 현물시장에 대한 가격발견기능이 지배적이며 각 통화 현 선물시장은 정보에 비효율적인 시장임을 추론해 볼 수 있다. 이는 주식시장을 연구한 Stoll and Whaley(1990), Abhyankar(1995), Brooks et al.(2001) 등의 연구와 일맥상통하는 것으로 나타났다.

• 응용통계연구
• /
• 제24권4호
• /
• pp.597-607
• /
• 2011

금융자산에의 투자에서 리스크 관리의 중요성이 부각되면서 리스크를 측정할 수 있는 도구로서 Value at Risk (VaR)가 널리 각광을 받고 있다. Value at Risk는 주어진 신뢰수준에서 목표기간 동안 발생 가능한 최대손실로 정의되는데 몇 가지 한계점이 있지만 비교적 간단하게 계산되고 이해될 수 있다는 장점이 있어 리스크 측정 및 관리의 기본적인 측도로 이용되고 있다. 그러나 포트폴리오에 포함되는 자산의 숫자가 많아지는 경우 VaR을 계산하는 데에 필수적인 변동성 추정이 매우 어려워지게 된다. 이때 차원축소의 방법을 생각할 수 있는데, 전통적인 인자분석은 시계열자료에 적합한 방법이 아니기 때문에 직접 적용할 수 없고 자료의 자기상관성을 제거하는 방법이 선행되어야 한다. 본 논문에서는 인자분석의 확장 형태인 시계열인자분석을 활용하여 시계열자료의 차원축소과정을 간결하게 하는 방법을 제시하고, 시계열인자분석으로 차원을 축소할 때 기존의 방법을 사용하는 것과 어떠한 차이가 있는지를 실제 금융자료를 이용한 VaR의 사후검증을 통해 분석하였다.

• 천문학회보
• /
• 제46권1호
• /
• pp.41.2-41.2
• /
• 2021

In this study, we generate He I 1083 nm images from Solar Dynamic Observatory (SDO)/Atmospheric Imaging Assembly (AIA) images using a novel deep learning method (pix2pixHD) based on conditional Generative Adversarial Networks (cGAN). He I 1083 nm images from National Solar Observatory (NSO)/Synoptic Optical Long-term Investigations of the Sun (SOLIS) are used as target data. We make three models: single input SDO/AIA 19.3 nm image for Model I, single input 30.4 nm image for Model II, and double input (19.3 and 30.4 nm) images for Model III. We use data from 2010 October to 2015 July except for June and December for training and the remaining one for test. Major results of our study are as follows. First, the models successfully generate He I 1083 nm images with high correlations. Second, the model with two input images shows better results than those with one input image in terms of metrics such as correlation coefficient (CC) and root mean squared error (RMSE). CC and RMSE between real and AI-generated ones for the model III with 4 by 4 binnings are 0.84 and 11.80, respectively. Third, AI-generated images show well observational features such as active regions, filaments, and coronal holes. This work is meaningful in that our model can produce He I 1083 nm images with higher cadence without data gaps, which would be useful for studying the time evolution of chromosphere and coronal holes.