In this paper, machine learning models employed in various fields are discussed and applied to KOSPI200 stock index return forecasting. The results of hyperparameter analysis of the machine learning models are also reported and practical methods for each model are presented. As a result of the analysis, Support Vector Machine and Artificial Neural Network showed a better performance than k-Nearest Neighbor and Random Forest.
The study investigates the stock market using emotion index calculated from SMD based on investors' emotion. In the VAR anlaysis, we find that the correlation between the KOSPI200 return and emotion score sum is highest in 2- or 3- day lag. This study concludes that explanatory power of the SMD emotion index is limited in explaining the Korean stock market yet.
이 논문은 분수공적분 개념을 이용하여 KOSPI200지수와 지수선물가격간에 장기균형관계가 있는지를 살펴보고 있다. 이것을 위해 로그변환 현 선물가격 각각의 분수차분계수를 주파수영역 (frequency domain)의 GPH 추정량을 구한 다음, 현 선물 회귀식의 추정을 통해 도출한 균형오차의 차분계수와 비교하였다. 이 방법은 전통적인 공적분방법에서 규명하지 못한 금융시계열자료의 통계적인 특성을 분석할 수 있는 장점이 있다. 분석결과를 요약하면 다음과 같다. 첫째, 정수차원의 차분구조모형에서는 공적분검정을 통한 장기균형관계의 증거를 찾기가 어려웠다. ADF 단위근 검정과 KPSS 정상성 검정에서 상반된 결과가 제시되어 두 시계열을 I(1)으로 확정하기가 불가능하였다. 둘째, GPH 추정량를 이용하여 차분계수를 추정한 결과, 두 시계열 모두 불안정한 장기기억구조를 가지는 것으로 식별되었고 균형오차는 정상적인(stationary) 장기기억구조를 가져 현 선물가격간에 분수공적분관계가 있는 것으로 파악되었다. 이 논문은 선물시장과 현물시장이 장기균형관계를 국내 선행연구에서 이용하지 않았던 분수공적분을 이용하여 분석했다는 점에서 그 의의를 찾을 수 있다.
주식시장에서 트레이딩 시스템(trading system)은 투자 위험을 줄이면서 수익을 극대화하기 위해 일정한 규칙을 컴퓨터에 적용하여 기계적으로 거래를 실행하는 자동매매시스템이다. 그러나 단일 자산을 거래 대상으로 하는 트레이딩 시스템 개발은 그 자산의 움직임에 의해 수익 구조가 결정되는 문제점을 가지고 있기 때문에 위험을 초래할 우려가 존재한다. 따라서 두 자산 간 상대적 가치를 활용하여 한 자산의 위험 발생 시 다른 자산의 거래를 통해 안정적인 수익을 창출할 수 있는 트레이딩 시스템 개발에 대해 주목할 필요가 있다. 본 연구에서는 두 개의 주가지수 선물 간의 상대적 가치를 이용한 규칙기반 트레이딩 시스템을 개발하는 것이 목적이다. 이를 위해 차익거래 전략 시 활용되는 두 자산의 가격비율을 기반으로 기술적 지표(technical indicator)들을 생성하고, 데이터 마이닝 기법인 러프 집합 분석을 이용하여 거래규칙을 생성하였다. 생성된 거래규칙의 유용성을 확인하기 위해 슬라이딩 윈도우(sliding window) 방법을 사용하여 거래 시뮬레이션을 적용하였으며, KOSPI 200 지수선물과 S&P 500 지수선물을 분석 대상으로 선정하여 성과를 측정하였다. 실험 결과, 제안한 시스템이 시장의 흐름과 상관없이 절대적인 수익을 발생하는 것을 확인 할 수 있었다.
풋-콜 패리티에 괴리가 생길 경우 각종 차익거래 및 스프레드 전략이 가능하게 되고 이로 인해 현물, 선물 및 옵션시장 가격의 움직임이 발생하게 되므로 이 관계식의 성립여부는 실제로 시장가격에 영향을 미칠 수 있다. 본 연구에서는 10분 간격으로 측정된 현물, 선물, 콜 옵션, 그리고 풋 옵션 가격 및 가격의 변화가 풋-콜 패리티 조건으로부터의 괴리율과 어떤 관계를 가지고 있는지 GARCH(1,1)모형을 이용하여 분석하였다. 우선 풋-콜 패리티 조건에 괴리가 발생했을 때 다시 균형상태로 회귀하려는 경향을 발견할 수 있었다. 즉, 괴리율이 (+)의 값을 가질 때 현물가격과 풋 옵션의 가격은 하락하고, 콜 옵션의 가격은 상승함으로써 향후 괴리율의 크기가 줄어드는 모습을 보여주었다. 시장에 따라 다소 차이가 있지만 전반적으로 괴리율의 변화는 각 시장에서 가격의 향후 변동에 약 60분가량 영향을 주고 있었으며, 시차항 변수에 대한 회귀계수의 크기를 비교해볼 때 시간이 지날수록 괴리율이 각 시장가격에 미치는 영향도 점차 줄어들고 있었다. 그러나 KOSPI 200 주가지수 선물가격의 움직임에서는 풋-콜 패리티 괴리율과의 뚜렷한 연관성을 보이지 않았다. 교차상관분석에 따르면 주가지수선물의 가격이 새로운 정보에 가장 신속하게 반응함으로써 기타 시장에서의 가격을 일정기간 선도하고 있는 것으로 여겨진다.
블랙숄즈모형에서 옵션가격을 결정하는 변수 중 기초자산의 변동성은 현재 시점에서는 알 수 없고, 미래시점에 실현된 변동성을 사후에야 알 수 있다. 하지만 옵션이 거래되는 시장에서 관찰되는 가격이 있기 때문에 가격에 내재된 변동성을 역으로 산출한 내재변동성은 현재 시점에 구할 수 있다. 내재변동성을 구하기 위해서는 옵션가격과, 블랙숄즈 모형의 변동성을 제외한 옵션가격결정변수인 기초자산가격, 무위험이자율, 배당률, 행사가격, 잔존기간이 필요하다. 블랙숄즈모형의 변동성은 고정된 상수이나, 내재변동성 산출시 행사가격에 따라 변동성이 다르게 산출되는 변동성스마일현상을 보이기도 한다. 따라서 내재변동성 산출시 옵션 단일 종목이 아닌 시장전반의 변동성을 감안하는 것이 필요하다고 판단하여 본 연구에서는 V-KOSPI지수도 설명변수로 추가하였다. 머신러닝기법 중 지도학습방법을 사용하였으며, Linear Regression 계열, Tree 계열, SVR과 KNN 알고리즘 및 딥뉴럴네트워크로 학습 및 예측하였다. Training성능은 Decision Tree모형이 99.9%로 가장 높았고 Test성능은 Random Forest 알고리즘이 96.9%로 가장 높았다.
In recent years, many attempts have been made to predict the behavior of bonds, currencies, stock, or other economic markets. Most previous experiments used multilayer perceptrons(MLP) for stock market forecasting. The Kospi 200 Index is modeled using different neural networks and fuzzy system predictions. In this paper, a multilayer perceptron architecture, a dynamic polynomial neural network(DPNN) and a fuzzy system are used to predict the Kospi 200 index. The results of prediction is compared with the root mean squared error(RMSE) and the scatter plot. Results show that both networks can be trained to predict the index. And the fuzzy system is performing slightly better than DPNN and MLP.
본 논문은 KOSPI 200 지수옵션 시장을 대상으로 각 월별 옵션 만기시 원월물에서 근월물로 바뀌는 옵션의 이월현상 효과를 분석하였다. KOSPI 200 지수옵션 시장은 외국의 제반 옵션 시장과는 달리 거래가 근월물에만 집중되고, 근월물에 대한 거래가 근월물의 만기일에도 매우 활발하게 이루어지는 특색을 갖고 있다. 따라서 원월물에서 근월물로 이전되는 과정에서 만기이월에 따라 옵션 가격이 영향을 받는다면, 이는 학술적으로는 옵션시장의 효율성에 대하여, 실무적으로는 옵션 거래전략에 대하여 함의를 갖는다고 말할 수 있다. 본 연구는 1999년부터 2001년까지의 KOSPI 200 지수옵션의 내재변동성을 활용하여 이루어줬으며 다음과 같은 결과를 얻었다. 첫째, 만기일을 포함한 주의 월요일부터 다음 월요일까지, 그리고 만기일 주간의 수요일에서 금요일까지 각 기간 동안의 콜옵션 가격은 전반적으로 하락하는 현상이 발생하였다. 둘째, 기간을 세분화하여 분석하였을 때, 콜옵션은 근월물의 만기일인 목요일에는 가격상승 현상이 나타났으나 해당옵션이 근월물이 된 금요일에는 더 큰 폭의 가격하락 현상이 나타났다. 반대로 풋 옵션은 목요일에는 가격하락 현상이, 금요일에는 가격상승 현상이 나타났다. 이러한 만기 이월현상은 처음으로 밝혀졌으며 그 방향성이 근월물의 만기일에는 옵션을 활용한 복제선물에의 매수포지션, 만기 익일에는 반대로 매도포지션으로 나타난 점은 KOSPI 200 지수 선물의 전반적인 저평가 현상에 대한 차익거래의 수단으로 투자자들이 옵션 시장을 활용한다는 개연성에 대한 증거가 된다. 이러한 결과는 옵션의 가격이 완전시장 가정 하에서 옵션의 가격에 영향을 미친다고 간주되는 변수들뿐만 아니라 옵션의 근월물 여부에도 영향 받고 있음을 의미하며, 이는 효율적 시장가설이나 완전시장 가설에 배치된다고 할 수 있다. 또한 위와 같은 결과를 바탕으로 투자전략을 수립할 때, 시장거래자중 콜옵션을 매수하려고 하는 투자자는 만기일 이후에, 반대로 콜옵션을 매도하려고 하는 투자자는 만기가 포함된 주 초반에 하는 것이 더 효과적임을 의미한다.
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.
Communications for Statistical Applications and Methods
/
제21권4호
/
pp.335-347
/
2014
This paper employs dynamic conditional correlation (DCC) model to examine time-varying comovement in the Korean stock market with a focus on the financial industry. Analyzing the daily returns of KOSPI 200 eight sector indices from January 2008 to December 2013, we find that stock market correlations significantly increased during the GFC period. The Financial Sector had the highest correlation between the Constructions-Machinery Sector; however, the Consumer Discretionary and Consumer Staples sectors indicated a relatively lower correlation between the Financial Sector. In terms of model fitting, the DCC with t distribution model concludes as the best among the four alternatives based on BIC, and the estimated shape parameter of t distribution is less than 10, implicating a strong tail dependence between the sectors. We report little asymmetric effect in correlation dynamics between sectors; however, we find strong asymmetric effect in volatility dynamics for each sector return.
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.