주식시장에서 KOSPI200지수의 상승 또는 하락으로 분류 및 예측하는 정보는 선물 및 옵션시장에서 포토폴리오를 설계할 때 의사결정을 위해 중요한 기준이 된다. 경제지표인 시계열 패턴들의 향후 추세는 가장 최근의 경제패턴에 매우 종속적이기 때문에 최근의 패턴들을 가장 우선적으로 학습해야 할 필요가 있다. 본 논문에서는 시계열분석, 신경회로망, 그리고 다양한 분야에서 각광을 받고 있는 SVM(Support Vector Machine)과 Fuzzy SVM 모형의 분류 및 예측성능을 비교하였다. 특히 학습 DB에 따라 시계열성 속성을 갖는 퍼지소속함수에 가장 적합한 차원을 제시함으로서 Fuzzy SVM이 우수함을 입증하였다.
본 연구에서는 한국의 주가지수옵션시장 내에서 KOSPI 200 옵션들 사이의 가격불균형을 이용한 박스 스프레드 차익거래 기회와 수익성에 대한 실증분석을 시행하였다. 분석기간 중 한국증권거래소 비회원사의 경우에는 전체 관측도수 중 11.1%의 경우에 박스 스프레드 차익거래 기회가 존재하였으며, 사후적 박스 스프레드 매도 차익거래 이익 평균은 0.3468, 사후적 박스 스프레드 매입 차익거래 이익 평균은 0.3462이었다. 한국증권거래소 회원사인 증권회사들에게는 박스 스프레드 차익거래 기회가 자주 발생하였다. 한국증권거래소 회원사의 경우에는 전체 관측도수 중 61.4%의 경우에 박스 스프레드 차익거래 기회가 존재하였으며, 사후적 박스 스프레드 매도 차익거래 이익 평균은 0.1677, 사후적 박스 스프레드 매입 차익거래 이익 평균은 0.1815이었다. 사전적 박스 스프레드 차익거래 수익성 분석 결과 박스 스프레드 차익거래 전략을 실행하는데 소요되는 시간을 고려하는 경우에도 증권거래소 회원사와 비회원사 모두에게 수익성 있는 박스 스프레드 차익거래 기회가 존재하였다.
본 논문에서는 옵션의 가격을 결정하기 위해 사용될 수 있는 몇 가지 근사적인 방법들을 수치적으로 비교하였다. 헤르미트 다항식 계열의 Edgeworth 확장과 A-type Gram-Charlier 방법, C-type Gram-Charlier 방법, normal inverse gaussian (NIG) 분포를 이용하는 방법, 그리고 비선형 회귀를 이용한 점근적 근사방법이 그것이다. 이 방법들을 위험중립 확률측도 하에서 수익률의 분포함수를 근사하여 옵션가격을 계산하는 방식과 옵션의 근사가격식을 먼저 구하고 모수를 추정하여 가격을 계산하는 두 가지 방식을 사용하여 비교하였다. 모의실험에서는 확률변동성 모형에서 많이 사용되는 Heston 모형과 레비확률과정에서 좋은 적합도를 보이는 NIG 모형을 이용하여 자료를 생성하였고, 실제 자료로는 KOSPI200 콜옵션을 이용하였다. 모의실험과 실제 자료분석의 결과, 근사적 가격식을 먼저 구하는 방식이 좀 더 우수한 성능을 보였고 그 가운데 A-type Gram-Charlier와 비선형 회귀를 이용한 점근적 근사방법이 좋은 성능을 보였으며, 분포함수를 추정하여 옵션가격을 계산하는 경우 NIG분포를 이용하는 것이 상대적으로 좋은 결과를 보였다.
전통적인 옵션가격결정모형인 블랙-숄즈 모형(Black-Scholes model)은 기초자산의 로그수익률(log-return)이 브라운운동(Brownian motion)을 따른다는 가정에 기반을 두고 있다. 그러나 이 가정은 현실적인 한계가 많은 것으로 비판을 받아 왔다. 이에 따라 지난 20여 년간 브라운 운동 이외에 새로운 확률과정을 도입한 모형들이 연구되고 도출되었다. 최근에는 레비과정(L$\acute{e}$vy process)에 기반한 모형들이 활발히 연구되어오고 있는데, 그 기원은 1994년 거버(Gerber)와 쉬우(Shiu)에 의한 거버-쉬우 모형(Gerber-Shiu model)이다. 2004년 치앙(Cheang)은, 거버-쉬우 모형이 하나의 레비과정을 가정한 데 비해, 복수의 독립적인 레비과정을 가정하여 옵션가격결정모형을 유도함으로써 거버-쉬우 모형을 추세(drift)와 도약(jump)을 갖는 경우로 확장할 수 있는 가능성을 제시하였다. 본 논문에서는 치앙의 모형을 이용하여 레비과정 하에서의 추세와 도약을 갖는 거버-쉬우 모형을 유도하였다. 여기에 감마분포를 도입하여 1993년에 도출된 헤스톤 모형(Heston model)에 도약을 도입한 형태의 모형을 유도하였다. 아울러 이렇게 유도된 모형에 대하여 KOSPI200 지수 옵션 자료를 사용해서 블랙-숄즈 모형과의 가격설명력을 비교하였다. 그 결과, 본 논문에서 유도된 모형이 블랙-숄즈 모형 이상의 가격설명력을 보이는 것으로 나타났다.
선물 및 옵션의 만기결제와 관련된 정보비대칭 상황은 각 투자자 집단의 거래활동에 가시적인 영향을 줄 수 있다. 이러한 가능성을 조사하기 위해서 본 연구는 만기일을 제외한 파생상품의 life cycle을 시간의 경과에 따라 3개의 구간으로 설정한 후, 각 투자자 유형의 거래활동이 각 구간별로 보이는 변화 패턴을 조사하였다. 조사된 KOSPI200 지수 파생상품시장의 투자자 유형별 거래행태는 Foster and Viswanathan(1990)의 전략적 유동성 거래자 모형을 통해서 해석되었다. 한편, 투자자 유형별로 KOSPI200 지수 파생상품의 만기결제와 관련된 정보우위성을 측정 및 비교함으로써 정보비대칭 정도 및 정보거래자의 확인(identification) 문제에 조금 더 접근할 수 있었다. 본 연구의 주요 결과는 다음과 같이 요약된다. 첫째, 투자자 집단의 거래활동은 KOSPI200 지수 파생상품의 life cycle에 따라 3가지 유형(ㄱ자형, L자형, U자형)의 패턴으로 요약된다. ㄱ자형은 만기일 이전 1주일 동안 거래활동을 축소하는 패턴이고, L자형은 만기일 이후 1주일 동안 거래활동을 확대하는 패턴이고, U자형은 만기일 이전 1주일과 만기일 이후 1주일 동안 거래활동을 확대하는 패턴이다. 둘째, 개인투자자는 파생상품 life cycle과 관련하여 대형주 종목군을 대상으로 ㄱ자형 거래패턴(선물만기 기준)과 U자형 거래패턴(옵션 단독만기 기준)을 보인다. 이러한 거래패턴은 Foster and Viswanathan(1990)의 전략적 유동성 거래자 모형의 예상과 일치하였다. 셋째, 파생상품 life cycle과 관련하여 외국인투자자의 거래행태는 부분적으로 전략적 유동성 거래자 모형의 예상과 일치하였으나, 기관투자자의 거래행태는 전략적 유동성 거래자 모형의 예상과 무관하였다. 우리나라 주식시장의 전체 거래규모에서 가장 큰 비중을 차지하는 개인투자자가 파생상품의 만기와 관련하여 전략적으로 유동성 거래를 수행한다는 점은 파생상품의 life cycle이 주식시장에 주기적으로 영향을 주는 중요한 경로임을 의미한다. 본 연구는 이러한 경로를 새로이 규명하였다는 점에서 의미를 가진다.
본 연구에서는 코스피200 주식시장, 선물시장, 옵션시장 등의 투자자별 거래량을 동시에 고려하여 각 시장의 변동성에 어떤 영향을 미치는지를 알아보았다. 실증분석결과를 요약하면 다음과 같다. 첫째, 주식시장 및 선물시장의 변동성은 다른 시장의 거래정보에 의해서도 영향을 받는다. 이는 한 시장의 변동성이 다른 시장의 거래정보에 의해서 영향을 받는다는 것이다. 변동성에 대한 거래정보의 교차시장효과(cross-market effect)가 존재함을 의미한다. 둘째, 옵션시장의 변동성은 투자자들의 거래정보로는 설명되지 않는다. 이는 옵션시장의 변동성이 한 달 미래의 기초자산의 변동성에 대한 기대를 반영하고 있기 때문이다. 셋째, 전반적으로 개인의 경우 변동성을 증가시키는 것으로 나타났으며, 기관과 외국인 투자자의 경우 변동성을 감소시키는 것으로 나타났다. 이러한 연구결과는 변동성이 주요한 변수로 작용하는 영역인 투자전략, 위험관리, 금융시장 안정화방안 등에 활용될 수 있을 것이다.
기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.
Purpose - The purpose of this paper is to shed light on the importance of the slope and curvature of the volatility curve implied in option prices in the KOSPI 200 options index. A number of studies examine the implied volatility curve, however, these usually focus on cross-sectional characteristics such as the volatility smile. Contrary to previous studies, we focus on time-series characteristics; we investigate correlation dynamics among slope, curvature, and level of the implied volatility curve to capture market information embodied therein. Our study may provide useful implications for investors to utilize current market expectations in managing portfolios dynamically and efficiently. Research design, data, and methodology - For our empirical purpose, we gathered daily KOSPI200 index option prices executed at 2:50 pm in the Korean Exchange distribution market during the period of January 2, 2004 and January 31, 2012. In order to measure slope and curvature of the volatility curve, we use approximated delta distance; the slope is defined as the difference of implied volatilities between 15 delta call options and 15 delta put options; the curvature is defined as the difference between out-of-the-money (OTM) options and at-the-money (ATM) options. We use generalized method of moments (GMM) and the seemingly unrelated regression (SUR) method to verify correlations among level, slope, and curvature of the implied volatility curve with statistical support. Results - We find that slope as well as curvature is positively correlated with volatility level, implying that put option prices increase in a downward market. Further, we find that curvature and slope are positively correlated; however, the relation is weakened at deep moneyness. The results lead us to examine whether slope decreases monotonically as the delta increases, and it is verified with statistical significance that the deeper the moneyness, the lower the slope. It enables us to infer that when volatility surges above a certain level due to any tail risk, investors would rather take long positions in OTM call options, expecting market recovery in the near future. Conclusions - Our results are the evidence of the investor's increasing hedging demand for put options when downside market risks are expected. Adding to this, the slope and curvature of the volatility curve may provide important information regarding the timing of market recovery from a nosedive. For financial product distributors, using the dynamic relation among the three key indicators of the implied volatility curve might be helpful in enhancing profit and gaining trust and loyalty. However, it should be noted that our implications are limited since we do not provide rigorous evidence for the predictability power of volatility curves. Meaning, we need to verify whether the slope and curvature of the volatility curve have statistical significance in predicting the market trough. As one of the verifications, for instance, the performance of trading strategy based on information of slope and curvature could be tested. We reserve this for the future research.
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.
본 논문은 세계적 수준의 양적인 성장에도 불구하고 여러 가지 문제점을 갖고 있는 국내의 장내 파생상품시장에 대한 바람직한 개선방향을 모색하고자 한다. 우리나라의 장내 파생상품시장에서는 외가격 또는 극외가격의 거래비중이 높고, 미결제약정 당 거래량이 많아 포지션을 짧게 보유하는 투기적 거래의 성향이 강한 것으로 보인다. 또한 외국에 비해 개인투자자의 파생상품시장 참여가 높은데 이로 인한 손실이 지속되고 있고 개인투자자들의 부가 기관 및 외국인투자자들에게 이전되고 있다. 이처럼 여러 문제점을 갖고 있는 장내 파생상품시장에 대한 바람직한 정비방향을 모색하기 위해 투자자보호를 위한 행위규제 측면에서 향후 규제체계 개선방향에 대한 여러 가지 방안을 제안한다. 우선 투기성향의 거래를 완화하기 위해서는 현재 외가격 위주로 거래되고 있는 코스피200옵션시장을 등가격 위주의 시장으로 유도할 필요성이 있다. 이를 위해 등가격 거래에 대한 거래수수료 할인 또는 면제, 등가격 종목에 대한 시장조성자제도 도입 등을 고려할 수 있다. 개인투자자 보호를 위해서는 전문투자자와 개인투자자에 대한 차등 규제, 기본예탁금 관리 강화, 위험관리 교육 및 모의거래 기회 확대 등을 시행 가능한 방안으로 제안하고자 한다.
이메일무단수집거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.