• 지식경영연구
• /
• 제22권4호
• /
• pp.119-133
• /
• 2021

각 산업에서 대량의 데이터가 생산되면서, 빠른 경영 의사결정을 위해 시계열 패턴 예측 연구가 수많이 진행되고 있다. 하지만 데이터에 내재된 불확실성으로 인해 비선형 시계열 데이터의 특정 패턴을 예측하는 데 한계가 존재하고, 기업경영의 전략적 의사결정 어려움이 존재한다. 또한, 최근 수십 년간 불규칙한 랜덤워크 모형의 시계열 데이터 예측을 위해 산업의 목적에 맞는 금융시장 데이터를 대상으로 다양한 연구가 진행되고 있지만, 특정 규칙을 예측하고 지속가능의 기업목적 달성 어려움이 있다. 본 연구에서는 룰렛 데이터와 금융시장 데이터를 Chaos 분석기법을 이용하여 예측 결과를 비교분석하고 유의미한 결과를 도출하였다. 그리고, 본 연구는 카오스 분석이 시계열 자료를 분석하는데 있어 새로운 방법을 모색하는데 유용함을 확인하였다. 룰렛 게임의 특성을 한국 주가지수 선물의 시계열과 비교 분석하여 추세가 확인되는 경우 예측력을 높일 수 있다는 점을 도출하였으며, 불확실성이 높고 랜덤워크가 존재하는 비선형 시계열 데이터가 특정한 패턴을 가지고 있는지 판단하는데 의의가 있다.

• 경제분석
• /
• 제25권1호
• /
• pp.1-33
• /
• 2019

본 연구는 어떠한 경제요인이 분산프리미엄의 동역학과 관련되어 있는지 확인하고, 분산 프리미엄의 예측력과 관계된 경제지표를 검증하였다. 국내외 선행연구 등에서 주가/경기를 예측하는 정보력을 보유한다고 알려진, 11개의 일반경기변수, 8개의 금리연관변수, 3개의 금융시장변수, 11개의 투자자 심리 및 활동변수를 이용하여 단변량/다변량 회귀분석을 통해 분산프리미엄과 유의한 관련을 가지는 변수를 추출하였다. 그 결과 분산프리미엄의 변동성을 설명하는 변수는 원달러환율, 외환보유액, 역사적/내재 변동성, 그리고 금리변수들로 한정되었으며, 이 변수들의 분산프리미엄에 대한 수정결정계수는 65% 이상으로 높은 설명력을 보여주었다. 다음으로 분산프리미엄에 유의한 설명력을 가진 변수들을 이용해 1~6개월의 미래 주식수익률 및 변동성 변화를 예측함으로써 어떠한 변수의 정보력이 분산 프리미엄의 예측력과 관련되어 있는지 검증하였다. 예측분석을 수행한 결과, 분산프리미엄의 동역학과 관련된 변수들 중, 원달러환율만이 수익률/변동성에 대한 공통적으로 유의한 예측력을 보유하고 있었다. 이러한 결과는 분산프리미엄이 글로벌 위험요인과 관련되어 있다는 선행연구의 결과와 일관되며(Londono, 2012; Bollerslev et al., 2014), 분산프리미엄의 예측력이 대외변수에 대한 경제의 민감도와 관련이 있다고 해석할 수 있다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제26권3호
• /
• pp.63-90
• /
• 2017

Purpose This study proposes a novel system trading model using case-based reasoning (CBR) based on absolute similarity threshold. The proposed model is designed to optimize the absolute similarity threshold, feature selection, and instance selection of CBR by using genetic algorithm (GA). With these mechanisms, it enables us to yield higher returns from stock market trading. Design/Methodology/Approach The proposed CBR model uses the absolute similarity threshold varying from 0 to 1, which serves as a criterion for selecting appropriate neighbors in the nearest neighbor (NN) algorithm. Since it determines the nearest neighbors on an absolute basis, it fails to select the appropriate neighbors from time to time. In system trading, it is interpreted as the signal of 'hold'. That is, the system trading model proposed in this study makes trading decisions such as 'buy' or 'sell' only if the model produces a clear signal for stock market prediction. Also, in order to improve the prediction accuracy and the rate of return, the proposed model adopts optimal feature selection and instance selection, which are known to be very effective in enhancing the performance of CBR. To validate the usefulness of the proposed model, we applied it to the index trading of KOSPI200 from 2009 to 2016. Findings Experimental results showed that the proposed model with optimal feature or instance selection could yield higher returns compared to the benchmark as well as the various comparison models (including logistic regression, multiple discriminant analysis, artificial neural network, support vector machine, and traditional CBR). In particular, the proposed model with optimal instance selection showed the best rate of return among all the models. This implies that the application of CBR with the absolute similarity threshold as well as the optimal instance selection may be effective in system trading from the perspective of returns.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

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.

• 경영과정보연구
• /
• 제35권2호
• /
• pp.273-284
• /
• 2016

본 연구는 선물시장의 효율성을 분석하는 것으로 시장의 효율성을 현물시장과 직접 연계시키기 보다는 선물시장에서 거래되는 종목들 간의 동적관련성을 분석하여 효율성의 정도를 파악하고자 하였다. 이를 위해 만기가 상대적으로 긴 차근월물의 베이시스와 최근월물의 베이시스를 비교하여 두 종목의 베이시스 차이가 어떠한 시계열적 연관성이 있는지를 분석하였다. 분석을 위해 2000년 1월부터 2013년 12월까지의 KOSPI200 주가지수선물 및 현물자료를 이용하였다. 먼저, 베이시스 관측치를 비교해 보면, 차근월물이 최근월물보다 베이시스의 평균값과 표준편차가 더 크게 나타나고 있다. 그리고 분석결과에서 최근월물의 t기 베이시스가 (t-1)기의 베이시스에 의해 매우 잘 설명될 수 있음을 보여주고 있다. 주가지수선물시장의 경우 최근월물의 베이시스가 차근월물의 베이시스보다 커지는 경우 다음날의 최근월물의 베이시스가 작아짐으로서 불균형의 크기를 감소시키는 특성을 가지는 것으로 나타났다. 차근월물의 베이시스 또한 동일한 기초자산으로부터 파생되었기 때문으로 분석결과들은 합리적인 것으로 해석되고 있으며, 차근월물의 베이시스 정보가 최근월물의 베이시스 및 기초자산인 현물수익률에 대한 예측에 이용 가능함을 보여주고 있다.

• 기술혁신연구
• /
• 제10권1호
• /
• pp.98-123
• /
• 2002

This study develops a Korean R&D Scoreboard which has originated from the R&D Scoreboard in United Kingdom. The Scoreboard contains details of the R&D investment, sales, growth, profits and employee numbers for Korean companies which are extracted from company annual reports and key ratios calculated, with some movements over time. Companies are classified by the Korea Standard Industrial Classification. The Scoreboard contains 190 companies which consist of 100 largest companies and 30 middle-or small-sized firms listed in Korea Stock Exchange (KSE), and 30 ventures and 30 other firms listed in KOSDAQ. The overall company R&D intensity (R&D as a percentage of sales) is 2.1% compared to the international average of 4.2%. Korea has an unusually large R&D percentage of sales in IT hardware (4.9%) and telecommunication (3.7%). R&D intensity is positively correlated with company performance measures such as profitability, sales growth, productivity and market value. For largest companies listed in KSE and ventures listed in KOSDAQ, the ratio of operating profit to sales is greater for high R&D intensity companies. Sales growth is in proportion to R&D intensity for all companies. Plots of value added per employee or sales per employee vs R&D per employee rise together for the sectors studied, especially for the chemical sectors and automobile sectors, demonstrating a correlation with productivity. The average market value of high R&D companies in the KSE has risen more than 1.6 times that of the KOSPI 200 index. Given the correlation between R&D intensity and company performance and given that R&D is a smaller percentage of surplus (profits plus R&D) than international level (both overall and in several sectors), the challenges facing Korean companies are to maintain the leading position in IT hardware and telecommunication, and to increase the intensity of R&D in many medium-intensive R&D sectors where Korea has an average intensity well below international or US levels.

• 한국산학기술학회논문지
• /
• 제5권6호
• /
• pp.580-587
• /
• 2004

본 논문의 목적은 주가지수 선물시장에서 선물의 가격과 거래량간 관계를 분석하는 것이다. 이를 위하여 선물수익률과 거래량 변화율을 이용하여 거래량과 선물가격간의 관계를 분석하였다. 거래량 변화율과 선물수익률간의 관계를 검증하기에 앞서 각각의 시계열에 대한 안정성 검증을 실시한 결과, 거래량 변화율과 선물수익률은 모두 안정적인 시계열인 것으로 나타났다. VAR모형을 이용한 선물수익률과 거래량 변화율간 관계에 대한 분석결과, 기간별 분석결과에서는 전체기간에서 주가지수 선물수익률이 거래량 변화율을 -3차에서 강하게 선도하는 것으로 나타났으며, 선물시장의 추세에 따른 분석결과는 선물가격의 상승시에는 거래량 변화율이 선물수익률을 선도하는 반면, 선물가격이 하락하는 경우는 선물수익률이 거래량을 선도하는 것으로 나타나고 있다. 또한, 상승기에 거래량변화율이 선물수익률을 선도하는 정도보다는 하락기에 선물수익률이 거래량 변화율을 선도하는 계수의 크기가 크게 나타나고 있다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.