• Asia Marketing Journal
• /
• 제7권3호
• /
• pp.53-76
• /
• 2005

복잡성(complexity)은 신제품개발 과정에서 프로젝트 팀이 빈번하게 당면하는 개발과제의 주요 속성으로 이에 대한 적절한 대처 여부는 신제품개발의 성과에 적지 않은 영향을 미친다. 복잡성이란 속성이 신제품개발의 관리에서 주목 받게 된 배경으로는, 우선 제품개발과정에서 당면하는 복잡성이 증가 추세에 있다는 점을 들 수 있다. 새로운 기술과 공법 그리고 소재의 등장, 복합 제품의 개발(예: 디지털 컨버전스), 또한 기업간 제휴를 통한 개발은 신제품개발의 복잡성 증대와 관련이 된다. 한편 신제품개발의 복잡성에 대한 미흡한 대처는 개발과정의 지연, 개발비용의 예산 초과, 제품개발의 포기 등과 같은 부정적 결과를 초래한다. 이와 같이 복잡성의 증대 추세 및 복잡성으로 인한 적지 않은 영향력을 고려해볼 때, 신제품개발 과정에서 당면하는 복잡성에 대한 연구의 필요성은 증대된다. 그러나 아직까지 복잡성에 대한 연구는 현실적 필요성에 비해 상대적으로 적은 관심만이 기울여져 왔다. 본 고에서는 신제품개발 과정에서 당면하는 복잡성에 대한 주요 연구과제들을 살펴보는데 그 목적이 있다. 이를 위해 우선, 주요 영역별로 나누어 그간의 복잡성에 대한 연구성과를 정리한 다음, 이를 토대로 향후 중요시되는 연구과제들을 도출하고자 한다. 신제품개발 과정의 복잡성에 대한 주요연구과제에 대한 이러한 고찰은, 향후 이 분야에 대한 연구 전개에 있어서 하나의 발판이 될 것으로 기대된다.

• 한국조경학회지
• /
• 제52권1호
• /
• pp.71-86
• /
• 2024

기후위기가 심각해지는 현 시점에 서식처 보호 및 복원과 생물다양성 보전 등 도시공원의 생태적 기능의 중요성이 증가하고 있다. 생태공원은 「도시공원 및 녹지 등에 관한 법률」과 「자연공원법」이 정한 공원의 유형에 해당하지 않아 전국적으로 조성되는 수많은 생태공원의 법적 근거 역시 다양하고 관리주체도 상이하여 체계적으로 지정·관리되지 못하고 있는 현실이다. 도시공원 패러다임의 생태적 전환과 국토 생태계의 총체적, 통합적 관리를 위한 자연공원 체계의 개선을 위해 생태공원의 법적 지위를 명확히 하는 것은 중요하다. 이를 위해 관련 법령을 분석하여 문제점과 법제적 개선 방향을 도출하였다. 첫째, 국토교통부와 환경부 법률의 연계성이 떨어지고 이원화된 공원 체계 속에 생태공원의 법적 지위는 모호한 것으로 나타나, 공원 관련 법제의 개정을 통해 생태공원을 명확히 규정해야 한다. 둘째, 생태공원은 생태계의 보호와 복원, 생물다양성의 보전과 증진, 자연관찰과 생태학습 및 여가활동의 균형을 도모하며 생태적 방법으로 조성·관리되는 지속가능한 공원으로 정의할 수 있으며 지속적인 논의를 통해 다듬어가야 할 것이다. 셋째, 공원 관련 행정 협력 체계에서 국가와 지방자치단체의 역할을 체계화하고 거버넌스 구축을 통해 새로운 공원조성·관리 모형을 수립해야한다. 넷째, 생태공원 서식처의 특성은 개별법의 영향을 받으므로 시설 중복결정의 가능성을 열어둘 필요가 있다. 다섯째, 생태공원의 목표, 원칙, 시설물의 조성 기준을 갖추도록 세부 지침과 표준 조례가 필요하다. 여섯째, 법률의 개정과 더불어 지자체의 조례 역시 구체화되어야 한다. 이 연구는 생태공원을 제도적으로 명확히 규정해야 한다는 문제의식을 기반으로 현재 생태공원과 관련된 다양한 법적 현실을 추적한 문헌 연구이다. 다양한 이해관계자들의 의견을 실증적으로 반영하지 못한 한계를 가지나, 이러한 법적 고찰은 생태공원 조성 기반을 체계화하여 도시의 생태계를 보전하며 시민들에게 자연체험과 학습의 기회를 제공할 수 있는 정책 방향을 제시하는데 기여할 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.119-133
• /
• 2020

Fama에 의하면 효율적 시장에서는 일시적으로 높은 수익을 얻을 수는 있지만 꾸준히 시장의 평균적인 수익을 초과하는 투자전략을 만드는 것은 불가능하다. 본 연구의 목적은 변동성의 장중 비대칭적 전이효과를 이용하는 변동성 매도전략을 기준으로 투자 성과를 추가적으로 개선하기 위하여 SVM을 활용하는 투자 전략을 제안하고 그 투자성과를 분석하고자 한다. 한국 시장에서 변동성의 비대칭적 전이효과는 미국 시장의 변동성이 상승한 날은 한국 시장의 아침 동시호가에 변동성 상승이 모두 반영되지만, 미국 시장의 변동성이 하락한 날은 한국 시장의 변동성이 아침 동시호가에서 뿐만 아니라 장 마감까지 계속해서 하락하는 이상현상을 말한다. 분석 자료는 2008년부터 2018년까지의 S&P 500, VIX, KOSPI 200, V-KOSPI 200 등의 일별 시가지수와 종가지수이다. 11년 동안의 분석 결과, 미국 시장의 변동성이 상승으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가 변동성에 모두 반영되지만, 미국 시장의 변동성이 하락으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가뿐만 아니라 오후 장 마감까지도 계속해서 유의적으로 영향을 미치고 있다. 시장이 효율적이라면 미국 시장의 전일 변동성 변화는 한국 시장의 아침 동시호가에 모두 반영되고 동시호가 이후에는 추가적인 영향력이 없어야 한다. 이러한 변동성의 장중 비정상적 전이 패턴을 이용하는 변동성 매도전략을 제안하였다. 미국 시장의 전날 변동성이 하락한 경우 한국 시장에서 아침 동시호가에 변동성을 매도하고 장 마감시에 포지션을 청산하는 변동성 데이트레이딩전략을 분석하였다. 연수익률은 120%, 위험지표인 MDD는 -41%, 위험과 수익을 고려한 성과지수인 Sharpe ratio는 0.27을 기록하고 있다. SVM 알고리즘을 이용해 변동성 데이트레이딩전략의 성과 개선을 시도하였다. 2008년부터 2014년까지의 입력자료를 이용하여 V-KOSPI 200 변동성지수의 시가-종가 변동 방향을 예측하고, 시가-종가 변동율이(-)로 예측되는 경우에만 변동성 매도포지션을 진입하였다. 거래비용을 고려하면 2015년부터 2018년까지 테스트기간의 연평균수익률은 123%로 기준 전략 69%보다 크게 높아지고, 위험지표인 MDD도 -41%에서 -29%로 낮아져, Sharpe ratio가 0.32로 개선되고 있다. 연도별로도 모두 수익을 기록하면서 안정적 수익구조를 보여주고 있고, 2015년을 제외하고는 투자 성과가 개선되고 있다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

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.