• 마케팅과학연구
• /
• 제20권1호
• /
• pp.80-88
• /
• 2010

相当多的调查目的是为了证明股东资产值和一些市场战略之间的关系. 之前的研究包括关于股票价格表现和广告之间的关系, 顾客服务学, 新产品介绍, 研究与开发, 名人转让, 品牌感知, 品牌价值评估, 公司名称变化, 以及运动相关的赞助者地位. 另一个据调查可以对股东资产值产生影响的因素是内含特殊体育事件的电视广告, 例如超级杯. 调查指出以超级杯为题材做了广告的公司股票价值都有所提升. 报告给出广告投资和股东价值提升之间的关系, 作为既普通又特殊的事件, 令人吃惊的是调查关注的奥林匹克运动会的相关广告投资以及之后的效果对股东价值的影响效果较小. 然而调查结果显示奥林匹克运动会的主办地却备受关注, 另外所受关注的是赛事的电视广播进行期间广告的财政稳固. 著名的包括Peters (2008), Pfanner (2008), Saini (2008), and KellerFay Group (2009). 这篇论文提出了有关在2000, 2004以及2008年夏季奥林匹克运动会期间在美国国家广播中进行过电视广告宣传的客户的研究.以下为所验证的五个假设: 假设一: 2008, 2004和2000年在美国电视广播中播放奥运广告的公司股票价格在同期比斯坦普500股票价格指数表现要好. 假设二: 奥运相关股票价格比斯坦普500股票价格指数在整个广告播放期间都表现的更好, 播放期间是指从奥运开始前的周一到当年年底. 假设三: 奥运相关股票价格比斯坦普500股票价格指数长期都表现的更好, 长期是指从奥运开始前的周一第二年的年中. 假设四: 在没有奥运会的期间, 奥运相关股票价格和斯坦普500股票价格指数间没有明显差异. 假设五: 在美国电视广播中播放奥运广告的公司的当年年报比其他非奥运年份要好. 本研究记录在过去三届奥运会期间做广告公司的股票价格(北京奥运, 雅典好运, 悉尼奥运). 我们通过Google和电视网络(例如NBC)来确定这些广告. NBC在过去的三届奥运会获得了在美国转播权. 我们使用互联网来确定这些做过广告的品牌的母公司. 股票价格是通过使用Yahoo财经频道来获得的. 本文所使用的所有的信息都是被公开的信息. 总共有117个奥运广告在2008, 2004和2000年在美国播放. 细节可以从图例1中获得. 结果表明这些奥运相关股票在奥运期间以及奥运前期比斯坦普500股票价格指数表现要好. 相同的结果也可以在奥运开始以后到当年年底, 以及之后半年的记录中获得. 价格压力, 信号理论, 高收视率, 以及企业的刺激战略都对这一个结果有着贡献. 论文最后为广告商和研究者提出了建议并对以后的研究提出了方向.

• 자원환경지질
• /
• 제43권2호
• /
• pp.73-84
• /
• 2010

전라남도 영암군에 위치하고 있는 은적 및 상은 금은광상은 백악기의 유문암질 응회암의 열극을 충진한 맥상광체로 구성되어 있다. 은적광산은 유문암질응회암내열극을 충진한 3개조의 함 금은 열수 석영 맥이 발달하고 있다. 은적, 상은광산의 주요 광석광물로는 유비철석, 황철석, 황동석, 섬아연석, 방연석 등이 확인되었고, 일부 엘렉트럼과 자연은, 휘은석이 산출되고 있다. 광화작용과 관련된 열수변질작용은 견운모화작용이 지배적이며, 녹니석화작용 및 딕카이트화 작용이 관찰된다. 은적, 상은광산 일대의 석영맥은 brecciated, crustiform, comb, open vuggy 조직과 관련된 공생 광물군을 보여주고 있는데, 이는 두 광상의 광화작용이 전형적인 천열수 환경에서 형성되었음을 지시해 주고 있다. 또한, 상은 및 은적 광산에서 산출되는 광석시료를 대상으로 광물자원의 부존특성을 규명하고 광종에 따른 광산별 예비 재평가를 수행하기 위하여 범용자원으로서 Pb, Zn, Cu, Fe, Mo, W, Au, U와 산업원료자원으로서 In, Re, Ga, Ge, Se, Te, Y, Eu, Sm 함량을 분석했다. 예비연구결과, 철, 연, 아연, 동, 텅스텐, 우라늄을 대상으로 개발할 가치가 있는 광상은 없는 것으로 잠정적으로 사료되며, 몰리브덴과 은의 경우 정밀탐광을 통한 매장량이 확보되면 국제적 가격추이에 따라 경제적으로 개발할 가치가 있는 것으로 잠정적으로 사료된다. 맥폭을 0.25m부터 변질대를 포함한 최대 2m까지 적용하고, 금품위를 80 g/t로 적용할 경우, 상은 및 은적광산의 자원량은 6.5톤부터 65톤까지 산출될 수 있다. 그러나, 상은-은적광산의 맥 구조가 변질대와 같이 발달하고 있어 개발 가능한 변질대를 포함한 평균 품위의 산출이 되어야 하며, 변질대를 포함한 평균 품위에 따라 매장량이 달라질 수 있어 향후 많은 탐사가 수행되어야 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.