• 경영과정보연구
• /
• 제38권1호
• /
• pp.141-153
• /
• 2019

본 연구는 우리나라의 대표적인 상장지수펀드인 KODEX 레버리지와 KODEX 인버스가 KOSPI200 지수에 대해 가격발견의 역할과 이들 간에 동태적 상호의존성을 알아보기 위해 벡타오차수정모형을 이용하여 분석하고자 한다. 실증분석을 위해 2018년 4월 10일부터 2018년 7월 10일까지의 KODEX 레버리지, KODEX 인버스, KOSPI200 지수의 1분 데이터가 사용되었다. 실증분석에 대한 주요 결과는 다음과 같다. 첫째, KODEX 레버리지와 KOSPI200 지수 간에는 KODEX 레버리지가 가격발견에 있어서 우월한 역할을 한다는 증거를 발견하였다. 또한 KODEX 인버스와 KOSPI200 지수 간에는 앞의 결과와는 다르게 KOSPI200 지수가 가격발견에 대해 우위에 있는 것으로 나타났다. 둘째, KOSPI200 지수는 KODEX 레버리지에 대에 상대적으로 강한 의존성을 가지는 것으로 나타났고, 이것은 KODEX 레버리지 지수가 KOSPI200 지수에 비해 가격발견에 있어서 우월한 역할을 수행한다는 것과 일관성을 가지는 결과라고 볼 수 있다. 한편 KOSPI200 지수는 KODEX 인버스 지수에 대해 의존성이 존재한다고 할 수 있으나 KODEX 레버리지 지수보다는 약한 것으로 나타났다. 이러한 결과들은 자본시장에 참여하는 투자자들에게 투자의사결정에 있어서 유용한 정보가 될 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제14권11호
• /
• pp.905-914
• /
• 2014

본 연구는 2010년 1월 5일부터 2013년 10월 31일까지의 일별자료를 이용하여 KOSPI200 현물에 대하여 KODEX200 ETF 또는 KOSPI200 선물로 헤지포지션을 구성한 경우와 KODEX200 ETF와 KOSPI200 선물로 헤지포지션을 구성했을 때 헤지성과를 단순헤지모형, 최소분산모형, 벡터오차수정모형을 이용하여 상호 비교분석하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, KOSPI200과 KODEX200 ETF, KOSPI200 선물 그리고 KODEX200 ETF와 KOSPI200 선물 간에는 공적분 관계가 존재하여 이들 간에는 장기적으로 균형관계에 있는 것으로 나타났다. 둘째, 헤지성과는 모형들 간에 차이가 없는 것으로 나타났다. 마지막으로 헤지성과는 KOSPI200 현물과 KOSPI200 선물로 헤지포지션을 구성하는 것 보다는 KOSPI200 현물과 KODEX200 ETF 또는 KODEX200 ETF와 KOSPI200 선물로 헤지포지션을 구성하는 것이 높은 것으로 나타났다. 이러한 결과는 포트폴리오 관리자가 KOSPI200 현물에 대해 위험관리를 함에 있어서 헤지수단으로서 KOSPI200 선물 대신에 KODEX200 ETF를 이용하거나, KOSPI200 현물로 포트폴리오를 구성하는 대신에 KODEX200 ETF를 이용하고 KOSPI200 선물로 헤지포지션을 취하는 것이 위험관리에 있어서 더욱 효과적임을 의미한다.

• 경영과정보연구
• /
• 제32권3호
• /
• pp.285-297
• /
• 2013

본 연구는 KOSPI200 시장을 대상으로 2003년 1월 1일부터 2013년 6월 30일까지의 일별자료를 이용하여 ETF 시장, KOSPI200 현물시장 그리고 선물시장에서의 가격발견효과에 대해 실증분석 하였다. 본 논문의 주요 분석결과는 다음과 같이 요약된다. 우선 KODEX200(KOSEF200), KOSPI200 현물 그리고 선물은 모두 공적분 관계가 있는 것으로 나타났으며, 이들 시장 간에는 예상대로 상호연관이 있음을 발견하였다. VECM을 이용하여 가격발견효과에 대한 분석에서는 ETF시장의 대표종목인 KODEX200이 KOSPI200 현물시장과 선물시장보다 가격발견기능이 우월한 것으로 나타났다. 거래량이 상대적으로 적은 KOSEF200의 경우 현물시장에 대해서는 가격발견효과가 없었지만, 선물시장에 대해서는 가격발견효과가 통계적으로 10% 유의수준에서 존재하는 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제12권3호
• /
• pp.95-101
• /
• 2012

새로운 미디어 환경의 도래와 복수 미디어랩의 등장을 앞두고 방송광고의 공용인프라 구축과 활용에 대해 광고업계와 학계의 관심과 노력이 지속적으로 제기되어왔다. 본 연구에서는 새롭게 조성되는 방송광고 환경에 따라 기존 코바코 코덱스의 가치를 분석하고 코덱스를 방송광고산업의 공용인프라로 사용할 수 있는 활용방안을 살펴보았다. 연구결과 코바넷과 코덱스 시스템은 첫째, 방송광고 거래 시스템 인프라 둘째, 광고콘텐츠 활용 인프라 셋째, 광고산업 진흥 인프라 넷째, 새로운 수익창출 인프라로 활용할 수 있다는 가능성을 제시하였다. 본 연구는 변화되는 방송광고 환경에서 방송광고 인프라 활용의 선행적인 연구로 업계와 학계에 시사점과 함의를 제공할 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권10호
• /
• pp.1237-1246
• /
• 1999

최근 모든 분야에서 외국과의 교류가 증대됨에 따라서 한국어 문서에는 점점 더 많은 외국어 음차 표기가 사용되는 경향이 있다. 하지만 같은 외국어에 대한 음차 표기에 개인차가 심하여 이들 음차 표기를 포함한 문서들에 대한 검색을 어렵게 만드는 원인이 되고 있다. 한 가지 해결 방법은 색인 시에 같은 외국어에서 온 음차 표기들을 등가부류로 묶어서 색인해 놓았다가 질의 시에 확장하는 방법이다. 본 논문에서는 외국어 음차 표기들의 등가부류를 만드는데 필요한 음차 표기의 음성적 유사도 비교 알고리즘인 Kodex를 제안한다. Kodex 방법은 기존의 스트링 비교 방법인 비음성적 방법에 비해 음차 표기들을 등가부류로 클러스터링하는데 있어 더 나은 성능을 보이면서도, 계산이 간단하여 훨씬 효율적으로 구현될 수 있는 장점이 있다.Abstract With the advent of digital communication technologies, as Koreans communicate with foreigners more frequently, more foreign word transliterations are being used in Korean documents more than ever before. The transliterations of foreign words are very various among individuals. This makes text retrieval tasks about these documents very difficult. In this paper we propose a new method, called Kodex, of measuring the phonetic similarity among foreign word transliterations. Kodex can be used to generate the equivalence classes of the transliterations while indexing and conflate the equivalent transliterations at the querying stage. We show that Kodex gives higher precision at the similar recall level and is more efficient in computation than non-phonetic methods based on string similarity measure.

• 경영과정보연구
• /
• 제35권2호
• /
• pp.1-12
• /
• 2016

본 연구는 2010년 4월 9일부터 2015년 12월 30일까지의 일별자료를 이용하여 KODEX 레버리지(TIGER 레버리지, KStar 레버리지) 시장이 기초자산인 KOSPI200 현물시장에 대해 가격발견기능이 존재하는 지에 대해 분석 한 것이다. 본 논문의 주요 분석결과는 다음과 같다. 첫째, VECM의 오차조절계수를 이용한 분석에서는 레버리지 ETF시장이 KOSPI200 현물시장에 대해 가격발견에 있어서 우월하다는 증거를 발견하지 못하였다. 둘째, Baba and Inada(2009)가 제시한 Granger-Gonzalo 비율 분석에서도 동일한 결과를 보였다. 셋째, Hasbrouck 비율 분석의 경우 레버리지 ETF 시장이 KOSPI200 현물시장에 대해 가격발견의 우월성은 발견되지 않았으나, KOSPI 200 현물시장이 레버리지 ETF 시장에 대해 가격발견에 있어서 우월한 것으로 나타났다. 이러한 결과는 어떤 정보가 시장에 도착했을 때 레버리지 ETF의 기초자산에 정보가 우선적으로 반영이 되고, 이후에 레버리지 ETF 시장에 정보가 반영된다는 것을 의미한다. 즉, KOSPI200 현물시장이 레버리지 ETF 시장보다 정보의 효율성이 높음을 암시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2007년도 제19회 한글 및 한국어 정보처리 학술대회
• /
• pp.114-121
• /
• 2007

한국어에 대한 음성적 유사도 비교 알고리즘은 다양한 음차표기로 사용되는 외래어에 대하여 유사도 비교에 따른 등가부류를 형성해줌으로써 정보검색의 성능을 향상시킬 수 있다. 영어 환경에서의 음성적 유사도 비교 알고리즘인 SOUNDEX 알고리즘을 기반으로 하여 개발된 KODEX는 최소한의 제약사항으로 최대한의 재현율을 보였으나, 정확도 면에서 현저한 성능 감소를 보였다. 이를 보완하여 제안된 EKODEX 알고리즘은 Metaphone 알고리즘의 개념을 도입, 부분적인 모음 정보의 사용과 'ㅇ' 음가의 정보 보존 등의 제약사항을 통해 KODEX의 정확도를 끌어올렸다. 본 연구에서 제안하는 CKODEX 알고리즘은 KODEX와 EKODEX 알고리즘을 기반으로 한 것으로, 예외사항이 많은 한국어 발음 특성에 기반하여 세부적인 규칙을 정하고, 기존 알고리즘의 조건을 수정하는 방법으로 정확률과 재현율을 보다 향상시킴으로써 사용자의 질의어에 대한 클러스터링에 보다 효과적임을 밝혔다.

• 한국산학경영학회:학술대회논문집
• /
• 한국산학경영학회 2006년도 추계학술발표대회 발표논문집
• /
• pp.93-105
• /
• 2006

본 연구의 중요한 실무적 시사점은 방송영상 분야에서 한국방송광고공사의 KODEX를 이용한 e-비즈니스의 추진이 기업의 업무처리 비용을 감소시켜주고, 업무 추진에 따른 위험을 감소시켜주며, 또한 업무 효율성을 높여주어 경영성과 개선에 기여를 한다는 것을 보여준다. 즉, 본 사례연구 결과는 방송광고산업 분야에서의 e-비즈니스들에게 경영성과를 개선 기회를 제공해 주기 때문에 방송광고산업 분야의 기업들에게 성공적인 e-비즈니스 추진에 가이드라인을 제시해준다는데 있다.

• 한국산업정보학회논문지
• /
• 제18권1호
• /
• pp.81-89
• /
• 2013

본 연구는 대표지수 ETF와 섹터 ETF시장에 대해 ETF 가격과 표적지수, 그리고 ETF 가격과 표적지수 가격간의 차이인 총추적효과를 이용하여 가격에 대한 정보효과를 확인하고자 한다. 나아가 총추적효과를 구체적으로 ETF 가격과 순자산가치 NAV의 차이인 시장추적오차와 NAV와 표적지수와의 차이인 NAV 추적오차로 구분한다. 분석결과를 살펴보면 첫째. 시장 대표지수인 KODEX200의 경우 가격에 영향을 미치는 의미 있는 변수를 확인할 수 없었던 반면 대부분의 섹터 ETF의 경우 하루 전의 총추적오차나 시장추적오차가 가격결정에 의미 있는 영향을 미치는 요인으로 나타났다. 둘째, 대부분의 산업별 ETF의 가격에 대해 하루 전의 시장추적오차는 음(-)의 영향을 미치는 것으로 나타나 가격발견기능을 하고 있음을 확인 할 수 있었지만, NAV 추적오차에는 그러한 기능을 찾을 수 없었다. 마지막으로 섹터 ETF 중 에너지화학, 건설, 정보통신, 그리고 반도체 산업의 경우 하루 전의 표적지수에 의해 양(+)의 영향을 받는 것을 보여준다.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.730-736
• /
• 2011

본 연구는 순차적인 시계열 자료들에서 가장 최근의 추세가 반영될 수 있는 패턴분류 모델을 설계하였다. 의사결정을 지원하는 데이터마이닝 패턴분류 모델을 설계할 때 통계 기법과 인공지능 기법을 융합한 모델들이 기존의 모델보다 우수함을 입증하였다. 특히 퍼지이론과 융합된 패턴분류 모델들의 적중률이 상대적으로 더 향상되었다. 예를 들어, 통계적 이론을 기반으로 한 SVM모델과 퍼지소속함수와의 결합, 혹은 신경망과 FCM을 결합한 모델들의 성능이 우수하였다. 실험에서 사용한 패턴분류 모델들은 BPN, PNN, FNN, FCM, SVM, FSVM, Decision Tree, Time Series Analysis, Regression Analysis 등이다. 그리고 데이터베이스는 시계열 속성을 지닌 금융시장의 경제지표 DB(한국, KOSPI200 데이터베이스)와 병원 응급실의 부정맥환자에 대한 심전도 DB(미국 MIT-BIH 데이터베이스)들을 사용하였다.