• 응용통계연구
• /
• 제24권1호
• /
• pp.61-69
• /
• 2011

다양한 GARCH류 모형들의 변동성 함수를 살펴보면 흥미롭게도 거의 대부분 모형에서 수익률의 일차항( rst or der term)이나 수익률과 변동성의 교차항(interaction term)이 나타나지 않는다. 일차항과 교차항은 변동성의 비대칭성을 설명하는 역할을 할 수 있으며 $h_t$의 회귀분석식의 형태로 볼 때 변동성 함수의 일반적인 이차형식(quadratic form)을 구성한다고 할 수 있다. 본 논문에서는 변동성과 수익률들 사이의 교차항 및 일차항을 포함한 이차형식(quadratic form) 변동성 모형들을 소개하고, 국내 금융시계열 자료에 적용한 후 비교 분석하고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1333-1343
• /
• 2014

본 연구는 일변량 금융지수의 변동성 모형에서 GARCH(1,1) 모형이 여러 복잡한 GARCH 확장 모형에 비교해서 결코 뒤쳐지지 않는다는 Hansen과 Lunde (2005) 연구를 다변량 변동성으로 확장한다. 또한 모형의 비교 방법으로 예측값에 기반한 평균제곱예측오차 (MSPE) 뿐 만 아니라 리스크 관리 측면에서 최대 손실 금액을 나타내는 VaR 및 사후 검정인 실패율을 동시에 고려하였다. 모의실험 결과 다변량 변동성의 경우에서도 GARCH 모형이 예측력은 크게 다르지는 않았으나 리스크 관리 측면에서는 좀 더 신중한 판단을 요구함을 보인다. 또한 최근 10년동안의 KOSPI, NASDAQ 및 HANG SENG의 주가 지수 실증 자료를 통하여 리스크 관리 측면에서의 다변량 GARCH 모형 선택에 대해서 논의한다.

• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• 응용통계연구
• /
• 제13권2호
• /
• pp.437-445
• /
• 2000

국내 주가시계열을 분석하기 위해 기존의 비선형시계열모형인 분계점을 가진 자기외귀모형(TAR)과 일반화 이분산자기회귀모형(GARCH)을 비교 분석한 후, 이 두가지 모형을 결합시킨 새로운 모형 TAT-GARCH모형을 제안하였다. 이 모형은 그 자체로도 이론적인 관삼의 대상이 되어 연관된 모수추정 기법을 제시하였고 국내 개별 주가시계열 자료의 분석에 있어서 제안된 모형이 기존의 모형들 보다 상대적으로 더 좋은 예측치를 제공할 수 있음을 특정 9개 회사의 주가분석을 통해 알아보았다.

• 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.

• Quantitative Bio-Science
• /
• 제37권2호
• /
• pp.73-79
• /
• 2018

As high frequency (HF, for short) time series is now prevalent in the presence of real time big data, volatility computations based on traditional ARCH/GARCH models need to be further developed to suit the high frequency characteristics. This article reviews realized volatilities (RV) and multivariate GARCH (MGARCH) to deal with high frequency volatility computations. As a (functional) infinite dimensional models, the fARCH and fGARCH are introduced to accommodate ultra high frequency (UHF) volatilities. The fARCH and fGARCH models are developed in the recent literature by Hormann et al. [1] and Aue et al. [2], respectively, and our discussions are mainly based on these two key articles. Real data applications to domestic UHF financial time series are illustrated.

• Journal of Information Technology Applications and Management
• /
• 제25권4호
• /
• pp.157-169
• /
• 2018

The purpose of this study was to examine the volatility of bitcoin, diagnose if bitcoin are a systematic risk asset, and evaluate their effectiveness by estimating market beta representing systematic risk using GARCH (Generalized Auto Regressive Conditional Heteroskedastieity) model. First, the empirical results showed that the market beta of Bitcoin using the OLS model was estimated at 0.7745. Second, using GARCH (1, 2) model, the market beta of Bitcoin was estimated to be significant, and the effects of ARCH and GARCH were found to be significant over time, resulting in conditional volatility. Third, the estimated market beta of the GARCH (1, 2), AR (1)-GARCH (1), and MA (1)-GARCH (1, 2) models were also less than 1 at 0.8819, 0.8835, and 0.8775 respectively, showing that there is no systematic risk. Finally, in terms of efficiency, GARCH model was more efficient because the standard error of a market beta was less than that of the OLS model. Among the GARCH models, the MA (1)-GARCH (1, 2) model considering non-simultaneous transactions was estimated to be the most appropriate model.

• 응용통계연구
• /
• 제23권4호
• /
• pp.669-681
• /
• 2010

Value-at-Risk(VaR) is an important part of risk management in the financial industry. This paper present a VaR forecasting for financial time series based on the quantile regression for GARCH models recently developed by Lee and Noh (2009). The proposed VaR forecasting features the direct conditional quantile estimation for GARCH models that is well connected with the model parameters. Empirical performance is measured by several backtesting procedures, and is reported in comparison with existing methods using sample quantiles.

• 응용통계연구
• /
• 제19권1호
• /
• pp.33-41
• /
• 2006

최근 들어 시계열 자료 분석에서 관측된 각 시점에서의 관측치의 분산을 서로 다른 분산(조건부 이분산성)을 따른다고 가정하고, 이를 분석하는 모형(ARCH, GARCH, EGARCH, IGARCH 등)들이 옵션 가격 분석이나 환율 변화 등 경제적 시계열 자료의 예측 모형을 위하여 활발히 연구되고 있다. 본 논문에서는 한국의 KOSPI 데이터 (1999년 1월 4일 $\sim$ 2003년 12월 30일, 총 1227일)를 바탕으로 조건부 우도함수 모수 추정 방법을 이용한 GARCH(1,1), IGARCH(1,1), EGARCH(1,1) 모형에 KOSPI 자료를 적합 시켜 각 모형들의 성능을 비교하여 보았다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.251-260
• /
• 2017

Black와 Scholes (1973)와 Merton (1973)의 옵션 가격결정이론에 대한 논문이 발표 된 이후 다양한 실증 분석 결과에 의하여 시간의 흐름에 따라 변동성이 불변한다고 가정하는 Black-Scholes 모형이 시장의 옵션 가격을 적절히 설명하지 못하고 있다는 것이 밝혀지면서 많은 대안적인 연구들이 진행되어 왔다. 예를 들어, Duan (1995)은 위험중립측도 하에서의 몬테카를로 시뮬레이션을 통해 GARCH 모형을 따르는 기초 자산의 옵션가격을 도출하는 방법을 제시하였다. 그러나 실제 주식이나 환율 등의 금융자료에 수익률분포는 정규분포에 비해 꼬리가 두껍고, 급첨의 형태를 보이는 데 Duan (1995)의 옵션가격 결정 방법은 이를 적절히 반영하지 못하고 있다. 이를 해결하기 위해 본 논문에서는 정규혼합모형의 오차를 갖는 GARCH 모형을 이용한 옵션가격 결정 방법을 제안하고자 한다. KOSPI200 옵션가격 자료를 이용하여 본 논문에서 제시된 옵션가격과 정규분포를 가정한 GARCH 모형에 의해 결정된 옵션가격과 비교한 결과, 금융 자료의 급첨의 성질이 뚜렷한 불안정한 시기인 경우에 오차가 정규혼합모형이라고 가정한 GARCH 모형에 의한 옵션가격 결정의 성과가 월등히 좋아지는 것을 확인할 수 있었다.