• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.29-42
• /
• 2023

본 논문은 서울, 부산, 인천과 같은 대한민국의 주요 도시들을 대상으로 일사량 예측 정확도를 향상하기 위한 방법론을 제안한다. 제안한 방법론은 먼저 GAN, CTGAN, Copula GAN, WGANGP, TVAE 등 다섯 가지 생성 모델을 이용하여 기존 학습 데이터와 유사한 독립 변수들을 생성한다. 다음으로 모델 학습에서의 데이터 편향성을 개선하고자, 생성한 독립 변수들에서 각각 랜덤 포레스트와 심층 신경망을 통해 종속 변숫값을 도출하여 학습 데이터 셋을 구축하고, 이를 기존 학습데이터 셋과 결합하여 예측 모델을 구성한다. 실험 결과, 증강된 데이터 셋으로 학습한 모델들은 기존 데이터 셋으로 학습한 모델들보다 향상된 성능을 나타내었다. 특히 CTGAN은 복잡한 다변량 데이터 관계를 효과적으로 다루는 메커니즘으로 인해 우수한 결과를 도출하였으며, 생성된 데이터는 일사량의 다양한 변화와 실제 변동성과 효과적으로 반영하였다. 제안한 방법론은 고품질의 생성 데이터로 학습 데이터를 증강함으로써, 데이터 부족 현상 문제를 다룰 수 있을 뿐만 아니라 지속 가능한 발전을 위한 태양광 발전 시스템 운영에도 이바지할 수 있을 것으로 기대한다.

• 벤처창업연구
• /
• 제19권2호
• /
• pp.1-11
• /
• 2024

오늘날 세계 경제는 전례 없는 변동성과 함께 전통적인 투자 지표 또한 변화하며, '투자 동절기'라 불리는 시기가 도래했다. 이러한 상황에서 초기 단계의 스타트업은 즉각적인 수익 창출의 어려움으로 인해 자금 확보의 필요성을 절감하고 있다. 특히 재무 지표만이 투자 평가의 지표로 인정받던 과거와 달리, 부차적인 요소였던 조직문화가 회복 탄력성과 지속 가능성을 판단하는 핵심 요소로 부상하고 있다. 본 연구는 경쟁 가치 프레임워크(Competing Values Framework)와 조직문화 평가 도구(Organizational Culture Assessment Instrument)의 체계적 연구 접근법을 결합하여 투자자가 매력적으로 느끼는 초기 단계의 스타트업 조직문화 사이의 복잡한 상호작용을 심도있게 탐구하였다. 분석 결과, 외부 시장 환경에 적극적으로 반응하며 조직의 유연성과 안정성을 균형 있게 유지하는 스타트업 일수록 투자자의 관심을 받고 있다는 사실을 확인하였다. 또한 초기 단계의 스타트업 투자를 결정하는 과정에서 애드호크라시 문화와 마켓 문화 중심적 사고 방식이 중추적인 역할을 한다는 것을 강조하고 있다. 그리고 이번 연구 결과에서 주목할 만한 부분은 스타트업이 투자 유치 여부와 관계없이 구성원 관리에 있어서만큼은 클랜 문화를 지향하고 있으며, 이를 통해 조직 내에서 복지와 개인의 발전을 지원하는 것의 중요성을 다시 확인할 수 있었다. 또한 투자자들에게 주목을 받기 위한 핵심 요소로서, 마켓 문화 기반의 강한 리더십, 혁신을 향한 확고한 의지, 조직 내의 조화로운 협업이 강조되었다. 본 연구에서 도출된 로지스틱 회귀 모델은 88.3%라는 높은 예측 정확도를 보이며 초기 단계의 스타트업 조직문화와 성공적인 투자 유치 사이의 연관성을 깊이 있게 제시하고 있다. 이처럼 본 연구는 스타트업과 투자자들 모두에게 근거있는 가이드라인을 제공함으로써 학문적 및 실용적 측면에서 큰 의의를 지닌다.

• 한국인터넷방송통신학회논문지
• /
• 제24권2호
• /
• pp.167-175
• /
• 2024

4차 산업 혁명으로 인한 정보통신기술(ICT) 부품 제조 산업은 고도화되고 사업의 중요성이 강조되고 있다. B2B 사업 방식의 ICT 부품 사업은 한정된 주요 고객에 대한 과거 구매 활동 데이터 기반, 고객 관계 관리를 통하여 고객사별 정확한 수요 예측 활동은 중요한 마케팅 전략이다. 고객 관계 관리 방법에서의 RFM 모형은 고객의 거래 최근성, 거래 빈도, 거래 규모 데이터를 바탕으로 고객을 세분화하는 마케팅 데이터 분석 방법이지만, 대부분 RFM 모형 선행 연구는 B2C 소비재 산업 중심으로 진행되었고, B2B 기술 산업군 대상으로 한 연구가 부족하다. 이에 본 연구는 RFM 모형을 B2B 사업 중심의 ICT 부품 제조 산업에 적용하여 실증 분석하고, 첨단 기술 산업군에 적합한 발전된 모형을 제시하고자 기술 산업에서 중요 요인으로 파악되는 T(기술 협업) 추가 변수를 발굴하여 기존 RFM 모형과 개선된 RFM-T 모형의 정확도를 실증 연구하였다. 본 연구의 결과를 바탕으로, B2B 기술 산업군의 실무적 마케팅 방안 모색을 위한 기초 자료로 활용될 수 있는 발전된 RFM-T 모형을 제시하여 기업 성과에 기여 하고자 한다.

• 한국지리정보학회지
• /
• 제22권4호
• /
• pp.116-130
• /
• 2019

우리나라는 산림 내 연료 물질 증가와 기후변화 등의 요인으로 산불의 연중화와 대형화가 증가하는 추세에 있으므로 산불 발생 확률에 대한 정보를 제공함으로써 산불 발생을 예방하여 피해를 최소화할 필요성이 대두되고 있다. 본 연구에서는 현 산불예보시스템에서 제공하는 산불위험지수(DWI; Daily Weather Index)를 개선하기 위한 방법을 살펴보았다. 즉, 우리나라 산불위험지수의 시간 및 공간적 정확성 향상을 통한 고도화를 목적으로, 기상청에서 제공하는 동네예보 자료, 위성기반의 가뭄 지수, 산불 다발 지역 지도를 융합하여 5km 격자 형태로 제공되는 새로운 산불위험지수(FRI; Fire Risk Index)를 제안하였다. 산불위험지수는 캐나다에서 현업으로 사용되는 미세 연료 지수를 기반으로 우리나라에 최적화한 미세 연료 지수, 가뭄지수의 곱과 시간 및 공간적 가중치를 통하여 산출된다. 시간적인 정확성 향상을 위하여 산림청에서 제공하는 산불 피해 대장 표를 이용하여 월별 산불 통계량을 통한 월별 가중치를 적용하였으며, 공간적인 정확성 향상을 위하여 산불 다발 지역 지도의 산불 밀도 정보를 이용하여 가중치를 적용하였다. 월별 산불 발생 건수와 제안된 산불위험지수의 시계열을 분석하였을 때 증가 및 감소 경향을 잘 모의하고 있었으며, 5km 격자 형태로 산불위험지수를 제공함으로써 행정 구역 단위로 산불위험지수를 제공할 때보다 상세한 정보를 제공할 수 있었으므로 지역적으로 더욱 정확하고 구체적인 산불 예방에 대한 의사 결정에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.163-179
• /
• 2010

최근 패션산업에서는 고객의 니즈가 다양해지고 공급 리드타임이 크게 단축됨에 따라 최신 유행을 즉각 반영한 디자인, 빠른 상품 회전율로 승부하는 패스트 패션이 각광받고 있다. 또한, 기업간 경쟁도 심화되면서 얼마나 신속하게 효율적으로 고객의 니즈를 만족시킬 것인가가 패션산업의 중요한 성공요인으로 강조되고 있다. 따라서, 다품종 소량 신속생산이 강조되는 패스트 패션 산업에서는 트랜드 변화에 신속 대응을 지원하는 지능형 신속대응시스템(Intelligent Quick Response System : IQRS) 구축 및 지원을 절실히 요구하고 있다. 본 논문은 패스트 패션 산업 IQRS 구축에서 요구되는 신속대응 프로세스 수립, 지능적 판단을 지원하는 신속대응 기준 및 실행, 신속대응 물량 산정 및 시기 의사결정 모델을 제시하였다. 또한, 신속대응 의사결정의 합리성을 검증할 수 있는 KPI(Key Performance Indicator)를 설계하여 모델의 신뢰도를 향상시켰다. 제시된 각 모델은 A사의 ERP 구현사례를 통해 실용성을 검증하였다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.99-120
• /
• 2010

최근 고객들의 비대면 접점 서비스 이용도가 높아짐에 따라, 비대면 채널은 다양한 데이터의 분석을 통해 고객 만족도를 향상시킬 수 있는 유용한 창구로 인식되고 있다. 이러한 비대면 채널의 대표적 영역으로 콜센터를 들 수 있으며, 콜센터 운영에서 고객 만족도에 가장 큰 영향을 미치는 요소는 상담 인력의 규모인 것으로 알려져 있다. 즉, 일정수준 이상의 고객 만족도를 유지하기 위해서는 충분한 상담 인력을 확보하는 것이 관건이지만, 불필요하게 많은 인력을 확보하는 것은 인건비 측면에서 비용의 낭비를 초래할 수 있다. 따라서 부족하지도 않고 넘치지도 않을 정도의 적정 인력을 산출하는 능력은 콜센터 운영의 핵심 경쟁력으로 인식되고 있으며, 최근 콜센터에서는 적정 인력의 규모를 예측하기 위해 WFM(Work Force Management) 업무 전담 부서를 설치하고 콜량을 정확하게 예측하기 위한 노력을 기울이고 있다. 콜량 예측을 위해 현업에서 주로 사용되는 방법은 담당자의 직관에 의존하는 방법으로, 일정기간의 콜량 평균을 담당자가 주관적 판단에 의해 보정함으로써 이루어진다. 하지만 이러한 방식은 담당자의 주관적 성향에 크게 좌우된다는 한계를 갖고 있어서, 최근에는 다양한 예측 모형을 시스템화한 WFMS(Workforce Management System) 패키지가 널리 활용되고 있다. 하지만 이 시스템은 초기 도입 시 매우 고가의 구축비용이 발생하며, 신규 요인 발굴 시 이를 즉각적으로 시스템에 반영하기 어렵다는 한계점을 갖고 있다. 이를 극복하기 위해 본 연구에서는 데이터 마이닝의 대화식 의사결정나무 기법을 이용함으로써, 객관적이면서도 업무 배경 지식을 충분히 활용할 수 있는 예측 모형을 수립하고자 한다. 또한, 본 연구에서 수립한 모형의 정확성 평가를 위해, 국내 최대 규모의 한 자동차 보험사 콜센터의 4년 8개월 간의 실 데이터를 사용한 실험을 수행하고 그 결과를 제시하였다. 실험에서는 기존의 WFMS와 본 연구에서 제안하는 두 가지 모형인 대화식 의사결정나무 기반의 예측 모형, 일반 의사결정나무 기반의 예측 모형의 세 가지 모형에 대해, 다양한 오차 허용범위 하에서의 사고콜 및 고장콜에 대한 예측 적중률을 평가하였다.

• 해양환경안전학회지
• /
• 제29권7호
• /
• pp.915-929
• /
• 2023

최근 국민 삶의질 향상, 여가 활동 다변화, 인구구조의 변화 등으로 관광수요 증가 및 관광활동이 다양화되고 있다. 특히 연안도시의 경우, 육상 관광 요소와 해양관광 요소가 공존하는 지역으로 다양한 요인이 관광수요에 영향을 미치고 있다. 본 연구 목적은 본 연구는 행위자 기반의 데이터를 활용하여 관광규모의 시계열 분석을 통해 예측 정확도를 향상시키고, 영향요인을 탐색하고자 한다. 연구 대상은 부산 지역 내 기초자치단체이며, 데이터는 월단위의 관광객수와 관광소비금액을 활용하였다. 연구방법으로 확정적(결정적) 모형인 단변량 시계열 분석과 영향요인을 파악하기 위해 SARIMAX 분석을 수행하였다. 영향요인은 관광소비성향을 설정하였으며, 업종별 소비금액과 SNS 언급량을 중심으로 설정하였다. 연구결과 COVID-19를 고려하지 않은 시계열 모형과 고려한 모형 간의 정확도(RMSE 기준) 차이가 지역별로 최소 1.8배에서 최대 32.7배 향상되었다. 또한 영향요인을 보면 관광소비업종과 SNS 트렌드가 관광객수와 관광소비금액에 유의한 영향을 미치고 있다. 따라서 미래 수요예측을 위해서는 외적 영향을 고려하고, 관광객의 소비성향과 관심도가 지역관광 측면에서 고려 대상이 된다. 본 연구는 연안도시인 부산 지역의 미래 관광수요 예측과 관광규모에 미치고 있는 영향요인을 파악하여 정부 관광정책 및 관광추세를 고려한 관광수요태세 마련을 위한 정책 의사결정에 기여하고자 한다.

• 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
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 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.