• 한국산림과학회지
• /
• 제2권1호
• /
• pp.19-28
• /
• 1962

전라남도(全羅南道)의 각군(各郡)에서 대표(代表)가 될 만한 죽림(竹林) 20개(個)를 선정(選定)코 죽간(竹桿)의 몇가지 형질(形質)과 축적(蓄積)에 대(對)하여 조사(調査) 고찰(考察)한 결과(結果)를 간추려 보면 다음과 같다. (1) 반당(反當) 평균(平均) 죽림(立竹) 본수(本數)는 벌죽(伐竹)의 전(前)의 경우에 전체(全體)(20개림(個林)) 평균(平均)으로 1,183본(本)이고, 개별적(個別的)으로는 해남군(海南郡) 민씨림(閔氏林)의 1840본(本)이 최고(最高), 장성군(長城郡) 이씨림(李氏林)과 보성고음(寶城古邑)의 박씨림(朴氏林)의 875본(本)이 최저(最低)였고, (2) 1960죽년도(竹年度)의 흉년(凶年)에 이어 1961죽년도(竹年度)는 대풍년(大豊年)으로 모죽(母竹) 본수(本數)에 대(對)한 신줄(新竹)의 백분(百分) 대조비(對照比)가 58.7에 달(達)했으며, 그 최고(最高)는 110.5 최저(最低)는 16.8의 치(値)를 주고 있다. (3) 안고(眼高) 주위(周圍)는 전체(全體) 평균(平均)이 6.5 촌(寸)이고, 극치(極値)로는 11.7 촌(寸)가 최고(最高)이며, 신죽(新竹)의 평균치(平均値)는 6.3 촌(寸) 모죽(母竹)의 치(値)는 6.6 촌(寸)로 신죽(新竹)의 경우가 0.3 촌(寸)나 감소(減少)하고 있다. (4) 절간장(節間長)은 전체(全體) 평균(平均)이 9.8 촌(寸), 극치(極値)는 최고(最高)가 12.8촌(寸), 최저(最低)가 7.1촌(寸)를 기록(記錄)하고 있다. 또 신죽(新竹)의 평균치(平均値)는 9.2 촌(寸)로서 모죽(母竹)의 평균(平均) 9.8 촌(寸)보다 0.6 촌(寸)나 낮은 치(値)를 보여 주고 있다. (5) 축적(蓄積)은 전체평균(全體平均)이 반당(反當) 271속(束)이고, 개별(個別) 최고치(最高値)는 445속(束), 최저치(最低値)는 126속(束)으로 319속(束)이란 큰 교차(較差)를 주고 있다. (6) 일본(日本)의 상전(上田)이 말하는 양죽림(良竹林) 표준(標準)에 완전(完全)히 통과(通過)할 수 있는 죽림(竹林)이란 20개림(個林) 중(中) 1개림(個林)에 불과(不過)하나 표(表) 9에 열거(列擧)한 8개림(個林)은 양죽림(良竹林)으로 추천(推薦) 하더라도 아우런 손색(遜色)이 없을 것으로 사료(思料)됨. (7) 본조사(本調査)를 통(通)하여 본도(本道)의 죽림(竹林) 관리(管理) 상태(狀態)는 대체(大體)로 원시적(原始的)이며 약탈적(掠奪的)인 경영(經螢) 방식(方式)을 취(取)하고 있음을 알았는데 그래도 이 정도(程度)의 죽림(竹林)을 얻을 수 있었다는 것은 앞으로 구태(舊態) 의연(依然)한 관리(管理) 방식(方式)을 탈피(脫皮)하고 과학적(科學的)인 경영(經螢) 방식(方式)을 도입(導入)할 수 있다면 상당(相當)한 증산(增産)을 기대(期待)할 수 있으리라고 믿는다.

• 지질공학
• /
• 제28권2호
• /
• pp.217-246
• /
• 2018

포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업은 저장소 선정 및 저장소 특성화 연구 과정에서 $CO_2$ 지중저장 실증의 지진 유발 가능성과 누출 가능성에 대하여 진지하게 검토하고 $CO_2$ 지중저장 실증의 안정성을 확보하기 위한 많은 노력을 경주해 왔다. 그럼에도 불구하고 2017년 11월 15일 발생한 규모 5.4의 포항 지진으로 큰 피해를 입은 포항시와 시민들은 $CO_2$ 지중저장 실증의 지진 유발 가능성에 대하여 큰 우려를 가지고 있는 상황이다. 포항분지 해상 $CO_2$ 지중저장 실증 연구팀은 2017년 포항 지진 이후 포항 영일만 $CO_2$ 지중저장 실증의 안전성에 대하여 자체 조사를 수행하여, 2017년 포항 지진과 포항분지 영일만 해상 $CO_2$ 지중저장 실증의 관련성과 향후 본격적인 $CO_2$ 지중저장 실증이 수행될 경우 지진 유발 가능성이나 누출 가능성에 대하여 면밀하게 평가하였다. 자체 조사 결과, 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업은 2017년 포항지진의 진앙과 약 10 km 떨어진 영일만 해역에 저장소가 위치하며, $CO_2$ 저장층의 심도도 해저면 아래 약 750-800 m 정도로서 포항 지진의 심도와 큰 차이를 보인다. 또한 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업은 2017년 1월 12일부터 3월 12일까지 약 3개월간 $CO_2$ 시험 주입을 수행한 이후 수송체계 구축과 주입공 격상을 위해 $CO_2$ 주입 행위가 중지된 상황으로 2017년 11월 15일에 발생한 포항 지진과 직접적인 관련성을 찾기 어렵다. 무엇보다도 $CO_2$ 지중저장 기술의 개념이 지층을 파쇄하는 것이 아니라 염수와 같은 유체로 채워진 다공질 퇴적층에서 염수를 천천히 밀어내면서 초임계상의 $CO_2$를 주입한다는 측면에서 대용량의 $CO_2$를 장기간 주입하여 저장층의 압력이 크게 상승하는 경우를 제외하면 인간 사회에 피해를 가져오는 일정 규모 이상의 지진을 유발할 가능성이 크지 않은 것으로 분석되었다. 게다가 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업의 $CO_2$ 시험 주입 규모가 약 100톤 정도로서 규모 5.0 이상의 지진을 유발할 수 있는 대규모 주입 행위가 없었기 때문에 2017년 포항 지진과의 연관성을 가정하는 것이 무리가 있다. 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업의 연구팀은 자체 조사를 통해 향후 포항분지 해상 $CO_2$ 지중저장 실증 연구사업이 장기적으로 수행될 경우 지진 유발 가능성과 누출 가능성에 대하여도 평가를 수행하였다. 자체 평가 결과에 따르면, 저장층 상부의 덮개층이 파쇄되거나 주변 단층의 재활성화가 발생하지 않도록 정해진 범위에서 압력을 조절하면서 $CO_2$ 스트림을 주입할 경우 지진 유발이나 단층 재활성화를 초래할 가능성이 매우 희박한 것으로 분석되었다. 더불어, 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업은 $CO_2$ 지중저장 실증 과정에서 주입된 $CO_2$ 스트림의 누출을 최소화하기 위해 저장소 인근 지층의 파쇄 압력, 저장소 인근 단층의 재활성화 압력, 주입공 누출을 방지하기 위한 완결 공정, 주입된 $CO_2$ 스트림의 누출 경로 파악과 거동 및 누출 모니터링, 안전한 $CO_2$ 저장을 위한 저장소 운영과 관련된 연구를 충실하게 수행하고 있으며, 연구팀의 자체 조사 결과 주입된 $CO_2$ 스트림이 인간 사회에 영향을 미칠 정도의 규모로 누출될 가능성은 크지 않은 것으로 평가되었다. 결론적으로 포항분지 해상 중소규모 $CO_2$ 지중저장 실증 연구사업은 인간이 감지할 정도의 지진 유발 및 주입된 $CO_2$ 스트림의 누출을 발생시킬 가능성이 크지 않으며, 비록 적은 가능성이지만, 지진이나 누출이 발생하지 않도록 지속적으로 안전성 확보를 위한 연구개발을 최우선적으로 수행할 계획이다.

• 지능정보연구
• /
• 제16권2호
• /
• pp.19-32
• /
• 2010

학계와 금융파생상품 가격결정이나 변동성매매와 같은 실무영역 모두에서 주식시장의 변동성은 중요한 역할을 한다. 본 연구는 GARCH 모형에 기초하여 한국주식시장의 변동성을 정확히 예측함으로써 변동성매매시스템의 성과를 높일 수 있는 새로운 방법을 제시하였다. 특히, 여러 연구 자료에서 밝혀지고 있는 변동성 비대칭성개념을 도입하였다. 최근 새로 개발된 한국주식시장 변동성 지수인 VKOSPI를 변동성 대용값으로 사용한다. VKOSPI는 KOSPI 200 지수옵션의 가격을 이용하여 계산된 값으로서 옵션딜러들의 변동성 예측치를 반영하고 있다. KOSPI 200 옵션시장은 1997년 시작되었으며, 발전을 거듭하여 현재 하루 거래량이 1,000만 계약을 넘어서면서 세계 최고의 지수옵션시장으로 발전하였다. 이러한 옵션시장에 반영된 변동성을 분석하는 것은 투자자들에게 좋은 투자정보를 제공하게 될 것이다. 특히, 변동성 대용값으로 VKOSPI를 사용하면 다른 변동성 대용치를 사용할 때 발생하는 통계적 추정의 문제를 피해 갈 수 있다. 본 연구는 2003년부터 2006년의 KOSPI 200 지수 일별자료를 대상으로 최우도추정방법(MLE)을 이용하여 GARCH 모형을 추정한다. 비대칭 GARCH 모형으로는 Glosten, Jagannathan, Runke의 GJR-GARCH 모형, Nelson의 EGARCH 모형, 그리고 Ding, Granger, Engle의 PARCH모형을 포함하며 대칭 GARCH 모형은 (1, 1) GARCH 모형을 이용한다. 2007년부터 2009년까지의 KOSPI 200 지수 일별자료를 대상으로 반복적 계산과정을 통해 내일의 변동성 예측값과 오르고 내리는 변화방향을 예측하였다. 분석 결과 시장변동성과 예기치 않은 주가변동 사이에는 음의 상관관계가 존재하며, 음의 주가변동은 동일한 크기의 양의 주가변동보다 훨씬 더 큰 변동성의 증가를 가져옴을 알 수 있다. 즉, 한국 주식시장에도 변동성 비대칭성이 존재함을 보여주었다. GARCH 모형을 이용하여 내일의 VKOSPI의 등락방향을 예측하고 이를 이용하여 변동성 매매시스템을 개발하였다. 내일의 변동성이 상승할 것으로 예측되면 스트래들매수전략을 이용하고 반대로 변동성이 하락할 것으로 예측되면 스트래들 매도전략을 이용한다. 변동성의 변화방향성을 맞춘 경우에는 VKOSPI 변동분을 더하고 틀린 경우에는 변동분을 뺀 누적합을 이용하여 변동성매매전략의 총수익을 계산한다. 모형추정용 자료구간의 경우 통계적 기준인 MSPE 기준으로는 PARCH 모형의 적합도가 가장 높고, 예측방향의 적중도를 재는 MCP 기준으로는 EGARCH 모형이 가장 높은 값을 보여주었다. 테스트용 자료구간의 경우에는 PARCH 모형이 모형적합도와 내일의 변동성 등락방향 예측에서 가장 좋은 결과를 보여주었다. 모형추정용 자료구간의 경우 GARCH 모형 전체에서 매매이익을 기록하고 있고 테스트용 자료구간의 경우에는 EGARCH 모형을 제외한 GARCH 모형들이 매매이익을 보여주었다. 본 연구에서 나타난 변동성의 군집과 비대칭성 현상으로부터 변동성에 비선형성이 존재함을 알 수 있었으며, 비선형성에서 좋은 결과를 보이고 있는 인공지능시스템과 비대칭 GARCH 모형을 결합한다면 제안된 변동성매매시스템의 성과를 많이 개선할 수 있을 것으로 판단된다.

• 한국해양학회지:바다
• /
• 제19권4호
• /
• pp.243-255
• /
• 2014

본 연구는 섬진강 하구역에서 저서다모류군집의 시 공간적 분포 및 환경 요인과의 상관관계를 파악하기 위해 2012년 4월부터 2013년 2월까지 24개의 정점을 대상으로 소조시 만조 때 조사를 실시하였다. 수질환경요인으로 염도, 수온, 용존산소, pH 등을 측정한 결과를 바탕으로 조사지역은 세 해역으로 구분하였다. 각 정점별 환경 특성 차이에 따라 Saline Water Zone(SWZ), Brackish Water Zone(BWZ), Fresh Water Zone(FWZ)으로 정의하였다. SWZ은 대개 30 psu를 상회하였으며, BWZ에서는 염도가 급격히 감소하였고, FWZ에서는 거의 0 psu를 보였다. SWZ에서는 수온의 계절 변동이 가장 적었으며, DO는 가장 낮은 값을, pH는 시공간적 변동이 거의 없이 일정한 값을 유지하였다. 반면 FWZ에서는 수온의 계절 변동이 심하였으며, DO는 가장 높은 값을, pH는 시공간적 변동이 가장 심하였다. 표층퇴적상은 SWZ에서는 니질(Mud)함량이 높았으며 BWZ에서는 사질(Sand)함량이 높게 나타났고 FWZ에서는 사질(Sand)이나 자갈(Gravel)함량이 높게 나타났다. 그 외 유기물함량과 황화물량은 SWZ에서 높은 값을, Chl-a 량은 FWZ에서 높은 값을 보였다. 조사해역은 염도가 낮으며 유기물 함량, 황화물량이 낮고 조립한 퇴적상을 보이는 Fresh Water Zone과 염도가 높으며, 유기물함량, 황화물량이 높고, 세립한 퇴적상을 보이는 Saline Water Zone으로 조사지역의 환경이 뚜렷이 대비됨을 보여주고 있다. 섬진강 하구역에서 출현한 저서다모류의 출현종수와 서식밀도는 Salline Water Zone에서 가장 높았으며, Brackish Water Zone으로 갈수록 점점 감소하였고, Fresh Water Zone에서 매우 낮았다. Brackish Water Zone의 경우 서식밀도의 계절 변동이 매우 심하였는데, 이는 Prionospio cirrifera의 극우점 출현에 의한 것이다. 섬진강 하구역에서 출현한 저서다모류 중 매 계절 상위 5.0%의 점유율을 보이는 우점종은 총 6종이었다. 이 중 Lumbrineris longifolia, Prionoispio cirrifera, Tharyx sp.는 매 계절 주요 우점종으로 출현하였다. 그 외에 Hediste sp., Praxillella affinis, Tylorrhynchus sp.가 조사 시기에 따라서 우점종으로 출현하기도 하였다. 우점 출현 다모류들은 특징적으로 분포하는 해역이 뚜렷이 구분되었다. Saline Water Zone의 대표적인 종은 Lumbrineris longifolia, Tharyx sp., Mediomastus sp.이었다. Saline Water Zone에서부터 Brackish Water Zone까지의 해역에 폭넓게 걸쳐 출현하는 종은 Prionospio cirrifera, Aricidea sp., Heteromastus filiformis이었다. 그리고 Brackish Water zone의 내륙쪽 정점 일부와 Fresh Water Zone에서는 특징적으로 Tylorrhynchus sp., Hediste sp.가 우점 출현하였다. 섬진강 하구역에서 채집된 저서다모류의 출현종 조성과 정점간 유사도지수에 근거하여 집괴분석(Cluster Analysis) 및 비계량적 다차원척도법(non-metric Multidimensional Scaling)을 실시한 결과, 모든 계절에서 Saline Water Zone과 Fresh Water Zone에 위치하는 정점들은 각각 대표적인 하나의 정점군으로 구분되었다. 반면 Brackish Water Zone의 경우는 계절에 따라 수개의 정점군으로 세분되었다. 저서환경 요인과 저서다모류군집의 생태학적 요인들 간의 Pearson 상관관계분석과 주성분분석(PCA) 결과, 염도, 퇴적상, 유기물함량, DO 등이 저서다모류군집의 제반 생태학적 지수(출현종수, 서식밀도, 주요 종의 출현량, 생태지수)의 공간 분포를 결정짓는데 매우 중요한 역할을 하는 환경요인임이 확인되었다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 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.