• 국제지역연구
• /
• 제15권3호
• /
• pp.55-76
• /
• 2011

본 논문에서는 북미자유무역협정(NAFTA) 지역의 경기변동을 살펴본다. 이를 위해 경기변동의 전형적 특징인 주요 변수들간의 동조성(co-movement)과 확장/수축기간의 비대칭성을 감안하는 동시에, 경기변동을 초래하는 영구적 요인과 일시적 요인을 모두 포괄하는 모형을 구축하였다. 김창진(1994)이 제시한 칼만 필터에 기반한 근사적 최우추정법을 활용하여 모형을 추정한 후, 추정된 두 요인의 움직임에 기반하여 NAFTA 지역내 경기변동의 국면이 달라지는 전환점(turning point)을 규명하였다. 추정된 두 요인은 경기변동상의 추세와 사이클을 잘 반영하는 것으로 나타났으며, 경기확장기에 비해 급격하고 짧은 경기수축국면, 변수들간의 동조성, 그리고 확장기와 수축기간의 국면 전환 등 경기변동의 전형적인 모습들이 이 지역내에서도 확인되었다. NAFTA의 발효 이전과 비교하여, 발효 이후에는 경기변동 충격의 변동성과 지속성이 증가한 것으로 나타났다. 또한 한국과 NAFTA 지역 경기변동간의 동조성을 측정한 결과, NAFTA 발효 이후에 두 지역 간의 경기변동 동조성이 크게 증가한 결과를 얻었다.

• 한국산학기술학회논문지
• /
• 제16권1호
• /
• pp.762-768
• /
• 2015

본 연구의 목적은 최근 고층아파트 단지 내에서 주요 계획요소로 자주 채택되고 있는 저층부 필로티 공간과 주요 옥외단위공간들의 통합도 값을 단지별 전체 통합도 평균값과 비교하여 필로티 공간의 통합도 값이 다른 옥외공간들과 비교할 때 어느 정도의 통합도 위상을 갖는지 분석하는 것이며, 또한 다음 단계의 연구인 필로티 공간 이용행태 관찰 및 이용빈도 조사의 기초자료로 삼는데 있다. 본 연구의 결론은 다음과 같다. 첫째, 고층아파트 단지의 필로티 공간을 포함한 주요 옥외단위공간들 중 '단지출입구' 또는 '광장' 공간이 가장 높은 통합도 값을 보이고 있다. 둘째, 고층아파트 단지의 필로티 공간 통합도 값이 다른 주요 옥외단위공간들의 통합도 값보다 대체적으로 낮은 경향을 보이고 있다. 세째, 고층아파트 단지의 필로티 공간들중 동출입구의 기능이 없는 '돌출형 출입 + 필로티 부가형' 유형의 공간일 경우 주민들의 공간이용률이 현격하게 저조하여 음성적 공간화 및 공동화 현상이 발생될 가능성이 크다고 볼 수 있다.

• 지식경영연구
• /
• 제21권3호
• /
• pp.45-65
• /
• 2020

가치가 상승하는 와인에 투자하는 것은 바람직하지만 우리나라에서는 와인 투자 자체가 생소하다. 또한, 와인시장에서의 가격책정은 소수에 의해 이루어지기 때문에 과정 자체가 비합리적이고, 정보가 위조되는 경우가 흔하다. 그러나 올바른 해결책만 있다면 와인시장은 오래 투자할수록 높은 수익을 기대할 수 있다는 점에서 바람직한 투자처가 될 수 있다. 또한, 국내 와인수입량의 꾸준한 증가추세를 통한 국내 와인 소비시장의 확대 또한 기대된다. 본 연구는 앞서 말한 우리나라의 와인 투자 시장의 '올바른 해결책'으로 와인시장 활성화 및 투명성 제고를 위한 컨소시엄 블록체인 프레임워크를 제시한다. 블록체인 거버넌스는 바람직한 의사결정권과 책임성을 보장하기 때문에 와인시장의 단점을 보완해줄 수 있다. 블록체인에 저장된 데이터는 소비자가 모두 확인할 수 있기 때문에 위조와인의 등장 가능성을 낮추고 불합리적으로 가격이 책정되는 과정을 보완한다. 또한 자산의 디지털화로 낮은 현금유동성을 해결하며 스마트 컨트랙트를 통해 공급망 전반의 비용과 시간을 절약하게 되어 와인투자의 진입장벽이 낮아진다. 특히 컨소시엄 블록체인을 통해 블록체인의 거버넌스를 '샤또-유통업자-투자자'로 구성한다면 바람직한 와인 시장을 형성할 수 있다. 생산과정을 블록체인에 저장하여 생산비용을 확보하고 합리적인 출시가를 정하며 유통과정을 블록체인에 저장하여 물류시스템을 효율적으로 운영하고 선물거래 주문량을 예측한다. 마지막으로 투자자들은 이 모든 데이터를 열람함으로써 합리적인 의사결정을 한다. 이는 와인경매시장에 있어서 주요 이해관계자들간의 지식공유체제로서 작동할 수 있는 가능성을 제시하고 있다. 해당 연구에서는 소유권을 주식처럼 다룰 수 있다는 점에서 대체투자의 새로운 관점을 제시했다. 또한 정보의 투명성을 제고시킬 방안으로써 와인 소유 매매 프레임워크를 제시하였고 식품 수입절차의 간소화와 와인 업계 내 신뢰 형성을 가능하게 했다. 해당 프레임워크를 통해 와인 관련 정보들을 투명하게 기록함으로써 활발한 와인투자가 이루어질 수 있을 것이며 이는 지식경영 측면에서 큰 의의를 가진다. 향후 연구에서는 해당 프레임워크를 확장해 적용할 분야를 연구하고자 한다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

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.