• Communications for Statistical Applications and Methods
• /
• 제21권6호
• /
• pp.501-512
• /
• 2014

Stylized facts on asset return are fat-tail, asymmetry, volatility clustering and structure changes. This paper simultaneously captures these characteristics by introducing a multi-regime models: Finite mixture distribution and regime switching GARCH model. Analyzing the daily KOSPI return from $4^{th}$ January 2000 to $30^{th}$ June 2014, we find that a two-component mixture of t distribution is a good candidate to describe the shape of the KOSPI return from unconditional and conditional perspectives. Empirical results suggest that the equality assumption on the shape parameter of t distribution yields better discrimination of heterogeneity component in return data. We report the strong regime-dependent characteristics in volatility dynamics with high persistence and asymmetry by employing a regime switching GJR-GARCH model with t innovation model. Compared to two sub-samples, Pre-Crisis (January 2003 ~ December 2007) and Post-Crisis (January 2010 ~ June 2014), we find that the degree of persistence in the Pre-Crisis is higher than in the Post-Crisis along with a strong asymmetry in the low-volatility (high-volatility) regime during the Pre-Crisis (Post-Crisis).

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제3권1호
• /
• pp.7-12
• /
• 2003

In recent years, many attempts have been made to predict the behavior of bonds, currencies, stock or other economic markets. Most previous experiments used the neural network models for the stock market forecasting. The KOSPI 200 (Korea Composite Stock Price Index 200) is modeled by using different neural networks and fuzzy logic. In this paper, the neural network, the dynamic polynomial neural network (DPNN) and the fuzzy logic employed for the prediction of the KOSPI 200. The prediction results are compared by the root mean squared error (RMSE) and scatter plot, respectively. The results show that the performance of the fuzzy system is little bit worse than that of the DPNN but better than that of the neural network. We can develop the desired fuzzy system by optimization methods.

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1305-1325
• /
• 2008

As index option markets grow recently, many analysts and investors become interested in forecasting the volatility of KOSPI 200 Index to achieve portfolio's goal from the point of financial risk management and asset evaluation. To serve this purpose, we introduce NN and SVM integrated with other financial series models such as GARCH, EGARCH, and EWMA. Moreover, according to the empirical test, Integrating NN with GARCH or EWMA models improves prediction power in terms of the precision and the direction of the volatility of KOSPI 200 index. However, integrating SVM with financial series models doesn't improve greatly the prediction power. In summary, SVM-EGARCH was the best in terms of predicting the direction of the volatility and NN-GARCH was the best in terms of the prediction precision. We conclude with advantages of the integration process and the need for integrating models to enhance the prediction power.

• 디지털융복합연구
• /
• 제12권2호
• /
• pp.45-59
• /
• 2014

디지털경제를 맞이하여 지난 1980년대 중반 이후 부동산이 가장 선호하는 투자자산으로 부각되면서 많은 관심을 받아오고 있다. 부동산 중에서 주택가격의 상승과 하락은 가계 및 국가경제에 많은 비중을 차지하고 있다. 본 연구에서는 서울지역 아파트가격과 KOSPI, 건설주, 증권주, 금리, 환율 지표를 이용하여 지난 1987년 1월부터 2013년 8월까지 총 320개월 동안 월별 동향을 살펴보면서 서울지역 아파트가격과 각 지표와의 상관관계를 살펴보았다. 또한 서울지역 아파트가격의 상승과 하락에 어느 지표가 얼마나 영향을 주는지도 분석하였다. 상관관계 분석결과 서울지역 아파트가격과 KOSPI의 상관계수는 0.8566로 높은 양(+)의 값을 보여주었으나 반대로 금리는 -0.7846으로 강한 음(-)의 상관관계를 보여주었다. 주식시장의 상승은 서울지역 아파트가격 상승에 많은 영향을 주고 있으며 금리 하락은 서울지역 아파트가격의 가격상승으로 나타난다고 해석된다. 연구결과 서울지역 아파트가격은 KOSPI를 비롯하여 각 지표들과 통계적으로 유의한 관계를 유지하며 변동하고 있는 것으로 나타났다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.367-374
• /
• 2021

주가 예측은 경제, 통계, 컴퓨터 공학 등 여러 분야에서 연구되는 주제이며, 특히 최근에는 기본적 지표나 기술적 지표 등 다양한 지표로부터 인공지능 모델을 학습하여 주가의 변동을 예측하는 연구들이 활발해 지고 있다. 본 연구에서는 S&P500 등의 해외지수, 과거 KOSPI 지수, 그리고 KOSPI 투자자별 매매 동향으로부터 KOSPI의 등락을 예측하는 딥러닝 모델을 제안한다. 제안 모델은 주가 등락 예측을 위하여 비지도 학습 방법인 적층 오토인코더를 이용하여 잠재변수를 추출하고, 추출된 잠재변수로부터 시계열 데이터 학습에 적합한 LSTM 모델로 학습하여 당일 시가 대비 종가의 등락을 예측하며, 예측된 값을 기반으로 매수 또는 매도를 결정한다. 본 연구에서 제안하는 모델과 비교 모델들의 수익률 및 예측 정확도를 비교한 결과 제안 모델이 비교 모델들 보다 우수한 성능을 보였다.

• 융합정보논문지
• /
• 제10권11호
• /
• pp.302-312
• /
• 2020

본 연구는 국내 상장시장 간 원가의 비대칭성의 차이가 있는지, 상장기업의 기업 규모에 따라 원가의 비대칭성이 차이가 있는지 검증하였다. 기존의 연구에서는 상장기업만을 대상으로 한 원가의 비대칭성은 살펴보았지만, 상장기업 간의 규모의 차이는 살펴보지 않았다. 그러나 다수의 연구에 따르면 상장시장 간 또는 상장기업이라 할지라도 기업의 특성이나 기업고유의 위험(firm risk)이 서로 다르기 때문에 이와 같은 영향이 기업 내부 자원배분 의사결정에 미치는 영향에 차이가 있을 것이라고 보고 분석을 실시하였다. 이를 위해 2011년부터 2019년까지 유가증권시장과 코스닥시장을 대상으로 Anderson et al.(2003)의 원가행태 모형을 이용하여 분석한 결과, 유가증권시장과 코스닥시장의 원가행태는 차이가 있는 것으로 나타났다. 전반적으로 선행연구와 마찬가지로 원가의 하방경직성이 보고되었으나 유가증권시장의 경우 원가의 하방경직성이 완화됨을 확인할 수 있었다. 기업규모가 클수록 매출액이 감소할 때 유휴자원의 처분의사결정이 더 뚜렷한 것으로 나타났다. 추가적으로 외국인투자자 지분율이 높은 경우, 유가증권시장일수록, 기업규모가 클수록 원가의 하방경직성의 완화는 더 크게 나타남을 관찰할 수 있었다. 본 연구는 원가의 비대칭성에 관한 연구를 확장하고 상장시장 간, 기업규모 간의 차이가 존재함을 밝힌 연구로써 선행 연구와의 차별성을 갖는다.

• 한국융합학회논문지
• /
• 제9권11호
• /
• pp.353-361
• /
• 2018

본 연구는 기업의 부동산보유비중이 기업가치에 어떤 영향을 미치는가에 대하여 코스피시장기업과 코스닥시장기업을 대상으로 분석하였다. 분석기간은 금융위기 기간(2007~2008년), 금융위기 직후기간(2009~2011년), IFRS 도입 이후 기간(2012~2016년)이며, 코스피 2761개 기업연도, 코스닥 3719개 기업연도의 표본을 사용하였다. 회귀분석 결과 전체적으로 기업의 부동산보유비중이 높을수록 기업가치는 음(-)의 관련성을 갖고 있었고, 이를 각 시장별로 비교해 보면 금융위기 기간 중에는 코스피기업과 코스닥기업 모두 통계적으로 유의한 영향을 미치지 않았으며, 금융위기 직후에는 코스닥기업이 코스피기업에 비해 기업가치에 더 큰 음(-)의 영향을 미쳤으나 IFRS도입 이후 최근까지는 코스피기업이 코스닥기업에 비해 기업가치에 더 큰 음(-)의 영향을 미쳤다. 따라서 각 기업은 그 기업에서의 적정한 부동산보유비중 정도를 파악하는데 보다 많은 관심을 가져야 할 것이고 각 기업이 보유한 부동산의 최유효활용방안에 대한 분석과 결정을 끊임없이 해야 할 것으로 판단된다. 본 연구는 부동산보유비중의 기업가치 관련성에 대하여 기간을 3개로 구분하여 각각의 기간에 대하여 코스피시장 기업과 코스닥시장기업에 따른 그 영향정도를 각각 비교한 점에서 차별성을 갖는다. 향후 기업의 부동산보유비중에 영향을 미치는 요인을 포함하는 연구를 희망한다.

• 자원ㆍ환경경제연구
• /
• 제31권2호
• /
• pp.233-260
• /
• 2022

본 연구에서는 비모수적 분위수 인과관계 검정 방법을 이용하여 국제유가의 변동이 산업별 주가의 움직임에 어떤 영향을 주는지 분석하였다. 본 연구의 분석 대상은 1998년 1월부터 2021년 4월까지 WTI 가격, KOSPI 지수 및 18개 산업별 주가지수의 주별 데이터이다. 비모수 분위수 인과 검정 결과에서 유가 변화가 KOSPI 지수에 미치는 영향은 유의하지 않은 것으로 나타났다. 이는 KOSPI 지수에 포함된 여러 산업의 주가 반응이 서로 다르기 때문이라고 생각된다. 유가 변화에 대한 산업별 주가지수의 반응을 살펴보면, 주식 수익률을 0.1분위부터 0.9분위까지 0.05단위로 나눈 인과관계 결과에서 전체 18개 산업 중 섬유의복, 종이목재, 의약품 등을 포함한 9개 산업에서 인과성이 유의하게 나타났으며, 나머지 9개 산업에서는 유가와의 인과성을 보이지 않았다. 이 산업들 중 세 분위 이상에 걸쳐 연속적으로 인과성이 나타난 산업은 의약품과 통신업(0.45분위 ~ 0.85분위), 섬유의복(0.15분위 ~ 0.45분위), 건설업(0.5분위 ~ 0.6분위) 등 4개 산업으로 인과성이 나타난 구간은 업종마다 차이가 있다. 검정결과를 통해 유가의 변화에 대한 주가 반응에는 산업별로 큰 차이가 있었고, 한 산업에서도 시장 상황에 따라 다르게 나타남을 알 수 있다. 이것은 유가 변화 시기에 투자자들은 포트폴리오를 산업별로 재조정할 필요가 있음을 보여준다. 또한, 정부의 산업정책과 고용정책 등 거시경제정책도 유가 변화 영향이 산업별, 시장 상황별로 차이나는 점을 충분히 고려하여 운영되어야 할 것이다.

• 경영과정보연구
• /
• 제36권3호
• /
• pp.37-49
• /
• 2017

자본시장에서의 동적관련성(dynamic relationship)이란 동일한 자산이 상호 밀접하게 연관되어 있는 서로 다른 시장에서 거래되는 경우 새로운 정보가 가격에 반영되는데 있어 시장들 간에 시간적 차이가 존재함을 의미한다. 시장들 간의 정보전이효과에 대한 특성을 분석하는 것은 시장효율성과 관련한 시장의 미시구조적인 특성을 밝히는데 중요한 의미를 가진다. 이를 위해 본 연구에서는 KOSPI200 주가지수현물시장과 파생상품시장들 간의 가격적 동적관련성에 관해 분석을 하였다. 구체적으로는 현물시장과 선물시장 간의 선-후행관계, 그리고 현물시장과 옵션시장 간의 선-후행관계를 분석하였다. 분석기간은 2012년 06월부터 2014년 12월까지이며, 이 기간 동안 5분 단위로 측정된 거래자료를 이용하여 산출된 수익률을 분석에 이용하였다. 실증적 분석을 위해 각 수익률 시계열에 대해 자기상관관계분석, 두 시계열 간의 교차상관관계분석 그리고 시계열 간의 회귀분석을 통해 시장들 간의 동적관련성을 단계적으로 분석하였다. 주요한 분석결과는 다음과 같다. 첫째, 현물지수의 경우 약 10분 전부터 자기상관관계가 존재하지만 선물가격과 옵션가격의 경우에는 약한 자기상관관계가 존재하는 것으로 나타났다. 둘째, 교차상관관계분석에서 선물 및 옵션가격이 약 15분 정도 현물수익률에 선행하는 경향이 강하게 나타나고 있으며, 현물지수가 선물가격과 옵션가격에 선행하는 경향은 약한 것으로 나타났다. 셋째, 다중회귀분석을 통한 결과에서 선물가격은 10-15분 전부터 현물가격에 선행하여 정(＋)의 방향으로 영향을 미치며, 현물가격은 선물가격에 약 5분 정도 선행하는 것으로 나타났다. 옵션가격의 경우 약 5-10분 정도에서 현물가격에 선행하고 있으며, 현물가격이 옵션가격에 선행하는 정도는 아주 약한 것으로 나타났다. 이러한 분석결과는 선물 및 옵션시장이 개설된 이후 약 11개월 동안의 자료를 이용하여 분석한 김찬웅과 문규현(2001)의 연구결과와 비교하면 선물가격 및 옵션가격이 현물지수에 선행하는 시간이 약 10분 정도 단축되었으며, 현물지수가 선물가격 및 옵션가격에 선행하는 시간은 약 5분 정도 단축된 것으로 나타났다. 이는 파생상품시장의 개설된 초기에 비해 약 20년이 지난 시점에서 KOSPI200 주가지수현물시장과 파생상품시장 간의 시장효율성이 다소 향상된 것을 의미한다고 볼 수 있다.

• 디지털융복합연구
• /
• 제15권11호
• /
• pp.113-120
• /
• 2017

본 연구에서는 금융위기를 전후하여 기업이 보유한 부동산 중 업무용부동산과 투자부동산의 보유비중이 어떻게 변화되었는지를 분석하고, 이 부동산의 보유비중이 금융위기를 전후하여 코스피기업과 코스닥기업간에 차이가 있는지 여부를 분석하였다. 코스피기업의 경우 투자부동산은 개략적으로 증가하고 업무용부동산은 개략적으로 감소하였다. 코스닥 기업의 경우 금융위기 중의 투자부동산을 제외하고 코스피기업과 유사하였다. 평균차이분석을 이용하여 코스피기업과 코스닥기업을 비교해보면, 금융위기 직전에는 코스피기업의 보유부동산비중이 코스닥기업의 보유부동산비중 보다 투자와 업무용 모두 낮았으나, 금융위기 중 구간에는 코스피기업의 업무용부동산비중이 코스닥기업의 업무용부동산비중 보다 높아졌으며, 금융위기 직후 구간과 최근 구간까지는 코스피기업의 투자부동산비중이 코스닥기업의 투자부동산비중 보다 높게 유지되고 있었다. 본 연구는 금융위기 전후의 업무용부동산과 투자부동산의 변화 현상을 파악하는 목적이며, 이 분석결과를 토대로 경영성과와의 관련성 파악을 향후연구과제로 남긴다.