• International Journal of Advanced Culture Technology
• /
• 제8권3호
• /
• pp.61-72
• /
• 2020

The fear of crime, discussed in the early 1960s in the United States, is a psychological response, such as anxiety or concern about crime, the potential victim of a crime. These anxiety factors lead to the burden of the individual in securing the psychological stability and indirect costs of the crime against the society. Fear of crime is not a good thing, and it is a part that needs to be adjusted so that it cannot be exaggerated and distorted by the policy together with the crime coping and resolution. This is because fear of crime has as much harm as damage caused by criminal act. Eric Pawson has argued that the popular impression of violent crime is not formed because of media reports, but by official statistics. Therefore, the police should watch and analyze news related to fear of crime to reduce the social cost of fear of crime and prepare a preemptive response policy before the people have 'fear of crime'. In this paper, we propose a deep - based news classification system that helps police cope with crimes related to crimes reported in the media efficiently and quickly and precisely. The goal is to establish a system that can quickly identify changes in security issues that are rapidly increasing by categorizing news related to crime among news articles. To construct the system, crime data was learned so that news could be classified according to the type of crime. Deep learning was applied by using Google tensor flow. In the future, it is necessary to continue research on the importance of keyword according to early detection of issues that are rapidly increasing by crime type and the power of the press, and it is also necessary to constantly supplement crime related corpus.

• 디지털융복합연구
• /
• 제17권4호
• /
• pp.107-114
• /
• 2019

본 연구는 전년도 악재를 경험한 기업에서 경영자가 자발적으로 공시하는 미래 경영성과의 정확성이 경영자 보상에 미치는 영향에 대하여 분석하고자 한다. 전년도에 악재를 경험한 기업의 경우 불확실한 미래에 대한 예측 능력이 더욱 중요시 될 것이며 이에 따라 우수한 예측 능력을 가진 경영자에게 더 높은 보상을 지급할 것이라고 기대하였다. 본 연구의 분석결과 전년도에 악재를 경험한 기업의 경영자 이익 예측 정확성과 경영자 보상간의 관련성에 음(-)의 유의한 관계가 나타났으며, 이는 전년도에 악재를 경험한 기업일수록 당기 성과에 대한 경영자의 공시의 정확성이 중시되며, 시장에 경영자의 능력을 알리고자하는 신호 및 미래 불확실성을 줄이고자 하는 경영자의 노력 투입의 유인이 되어 경영 성과가 높아짐에 따라 경영자 보상이 높아지는 것으로 볼 수 있다. 본 연구는 우수한 예측능력을 가진 경영자가 많은 보상을 받을 것이라는 선행연구를 확장하여 전년도의 경영성과가 호재 혹은 악재인지에 따라 예측능력의 중요성이 차별적으로 경영자 보상에 영향을 미친다는 것을 검증하였다는 것에 차별성이 존재하며, 경영자 보상 계약에 영향을 미치는 결정요인을 추가적으로 파악했다는 것에 의의가 있다.

• 재무관리연구
• /
• 제14권1호
• /
• pp.141-169
• /
• 1997

본 논문은 시장개설 초기 4개월간의 주가지수 선물수익률과 기초자산인 현물(KOSPI 200) 수익률간의 선도-지연효과를 두 개의 모형을 이용하여 실증검증하였다. 첫 번째 모형은 설명 변수로 선물수익률의 시차변수를 사용하고 종속변수로 현물수익률을 사용했다. 두 번째 모형은 설명변수로 선물수익률의 시차변수를 사용하는 것은 첫 번째 모형과 같으나 종속변수로 ARMA모형에서 구한 현물수익률의 오차항(return innovations)을 사용하였다. 또, 여러 시장조건에서 현물수익률과 선물수익률사이의 선도-지연효과가 특정한 양상을 보이는가를 분석하였다. 좋은 정보와 나쁜 정보, 거래량이 많은 경우와 적은 경우, 변동성이 높은 경우와 낮은 경우로 나누어서 선도-지연효과를 살펴보았다. 실증검증의 결과 KOSPI 200 현물수익률은 ARMA(2,3) 모형이 적합하며 선물이 현물을 10분 이내로 선도한다. 하지만 그 관계는 일방적인 것이 아니어서 15분후에는 현물이 선물을 선도하는 피드백(feed-back) 현상이 나타났다. 좋은 정보(good news)에서는 선물이 현물을 5분정도 선도하고 나쁜 정보(bad news)하에서는 선물 선도현상이 약해진다. 보통 정보(morderate news)하에서는 현물이 선물을 10분내로 선도한다. 거래량이 많은 경우와 변동성이 높은 경우에는 선물이 현물을 선도하는 것이 뚜렷하나 거래량이 적은 경우와 변동성이 낮은 경우에는 선물과 현물간에는 특정한 선도-지연현상이 나타나지 않는다.

• International Journal of Contents
• /
• 제11권3호
• /
• pp.54-62
• /
• 2015

In this paper, we investigate the impacts of the following four influential factors on flow in digital reading: contents, platforms, motivations, and places. The contents factor was subdivided into "news articles" and "journal papers"; platforms is comprised of "mobile phones," "tablets," and "laptops"; motivations consists of "pleasure" and "assignments"; and "home," "on the go," and "out of home" are the subdivisions of the places factor. We conducted a questionnaire survey with the study's participants and the following results are shown: 1) The flow during the reading of news articles is influenced by motivations, whereas the flow during the reading of journal papers is influenced by platforms. 2) Regarding mobile phones, motivations significantly affected the flow, whereas content types significantly affected the flow for tablets; also, laptops provided the best flow and articles can be read on the platform regardless of motivations. 3) Reading for pleasure rather than for assignments positively influenced the flow for all of the platforms. 4) With respect to news articles, the places providing flow are different across platforms. However, for journal papers, the places out of home provided good flow. For tablets, the places for flow significantly depended on the content type, which is not the case for laptops.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.123-131
• /
• 2020

텍스트 순위 알고리즘은 키워드 추출을 위한 대표적인 방법이며 그 중요성이 강조되고 있다. 본 논문에서는 텍스트 랭킹 알고리즘에서 대표적으로 사용되는 TF-IDF, SMART, INQUERY, CCA 알고리즘이 적용된 최근 연구와 실험해비교한다. 먼저, 각 알고리즘을 설명한 후 뉴스와 트위터 데이터를 기반으로 알고리즘의 성능을 분석한다. 실험 결과에 따르면 네 가지 알고리즘 모두 뉴스 데이터에서 특정 단어의 추출 성능이 좋다는 것을 알 수 있다. 그러나 Twitter의 경우 CCA는 특정 단어를 추출하는 최고의 성능을 가지며 INQUERY는 가장 낮은 성능을 보여준다. 또한 6 가지 비교 메트릭을 통해 알고리즘의 정확성을 분석한다. 실험 결과 CCA가 뉴스 데이터에서 최고의 정확도를 보여주고, 트위터의 경우 TF-IDF와 CCA는 비슷한 성능을 보이며 높은 정확도를 보인다.

• 재무관리논총
• /
• 제3권2호
• /
• pp.157-185
• /
• 1996

본 연구는 한국증권시장에서 변동성의 정보비대칭효과를 조건부 이분산모형을 이용하여 검증하고자 하였다. 검증방법으로는 Engle과 Ng (1993)의 연구에 기초하여 정보반응곡선(News impact curve)으로 분석하였다. 분석자료로 1980년 부터 1995년 까지의 한국종합주가지수, 일별 초과수익률자료를 사용하였다. 정보반응곡선에 이용한 모형은 GARCH 모형, EGARCH 모형, TGARCH 모형, AGARCH 모형등 4개의 조건부 이분산 모형이다. 무조건 분산을 이용한 정보 반응곡선의 함수형태로 보면, 분산의 정보반응에 있어서 GARCH 모형은 대칭적으로 반응하며 나머지 조건부 이분산 모형인 EGARCH 모형, TGARCH 모형, 그리고 AGARCH 모형은 비대칭적으로 반응하는 모형임을 알 수 있었다. 실증분석결과 정보반응곡선을 통하여 악재(bad news)정보에 따라 예측하지 못한 주식수익률의 하락이 호재(good news)에 따른 예측하지 못한 주식수익률의 상승보다 더 큰 변동성을 발견할 수 있었다. 그러나 비대칭성의 크기는 그다지 큰 것으로 보이지 않았다. 모형적합성 검정에서도 4개의 조건부 이분산 모형은 모두 적합한 것으로 보인다. 그중에서도 EGARCH 모형과 TGARCH 모형이 상대적으로 주가예측력이 뛰어나 보인다. 그러나 변동성의 정보 비대칭반응을 통계적으로 유의적인 것으로 확인한 모형은 TGARCH모형 뿐이었다.

• 재무관리연구
• /
• 제11권2호
• /
• pp.175-193
• /
• 1994

This paper relates the valuation consequences of common-stock, convertible-debt and straight-debt offering announcements to the issuing firms' stock price performance in periods before the announcements. Similar to previous studies on equity offerings, we find that the announcement effects of security offerings, regardless of offering types, are negatively correlated with the short-term pre-offering stock returns. We show that the informational impact of the preceding earnings and dividend(E/D) announcements account for the previous findings of the negative correlation. We further report that security issues following 'good-news' E/D announcements result in larger stock price declines than issues following 'bad-news' E/D announcements. The finding is consistent with the hypothesis that the E/D information affects the investors' assessments of the firm's cash flow expectations and of the probability of external financing.

• 응용통계연구
• /
• 제25권6호
• /
• pp.889-896
• /
• 2012

In this paper, we propose a statistic to measure investor sentiment. It is a usual phenomenon that an asymmetric volatility (referred to as the leverage effect) is observed in financial time series and is more sensitive to bad news rather than good news. In a bubble state, investors tend to continuously speculate on financial instruments because of optimism about the future; subsequently, prices tend to abnormally increase for a long time. Estimators of the transformation parameter and the skewness based on Yeo-Johnson transformed GARCH models are employed to check whether a bubble or abnormality exist. We verify the appropriacy of the proposed interpretation through analyses of KOSPI and NIKKEI.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.553-554
• /
• 2021

본 논문은 LSTM과 CNN 딥러닝 기법을 기반으로 하는 융합 모델을 제안하고, 다중 카테고리 뉴스 데이터 셋에 적용하여 좋은 결과를 얻는다. 실험에 따르면 딥 러닝 기반의 융합 모델이 텍스트 감정 분류의 정밀도와 정확도를 크게 향상시켰다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.409-410
• /
• 2022

본 논문은 LSTM(Long-Short Term Memory) 네트워크와 CNN 딥러닝 기법을 기반으로 하는 융합 모델을 제안하고 다중 카테고리 뉴스 데이터 세트에 적용하여 좋은 결과를 얻었다. 실험에 따르면 딥 러닝 기반의 융합 모델이 텍스트 감정 분류의 정밀도와 정확도를 크게 향상시켰다. 이 방법은 모델을 최적화하고 모델의 성능을 향상시키는 중요한 방법이 될 것이다.