• KSBB Journal
• /
• 제17권1호
• /
• pp.73-79
• /
• 2002

본 연구에서는 C. ljungdahlii를 이용하여 일산화탄소로부터 에탄올 생성 방법을 최적화하였다. 먼저 Clostridium ljungdahlii ATCC 55383을 이용하여 일산화탄소 소비속도에 대한 kinetic model과 그에 따른 여러 가지 상수값을 계산하기 위한 실험을 수행하였다. 이 결과 일 산화탄소 소비속도 data에 Michaelis Menten식이 잘 적용됨을 알수 있었고 기울기 값 $K_m/V_{max}$ max 및 y-절편값 $1/V_{max}$로부터 구한 $V_{max}$는 37.14 mmol/L-hr-O.D. 그리고 $K_{m}$은 0.9516 atm임을 알 수 있었다. C. ljungdahlii에서의 ethanol의 생성에 미치는 pH와 질소원의 영향을 실험한 결과 세포성장에는 pH 5.5와 YE첨가가 에탄올 생성에는 pH 4~4.5, ammonium solution $(NH_4Cl+(NH_4)_2SO_4$)첨가가 필요한 것으로 확인되었다. 따라서 pH 5.5와 YE 0.5%에서 C. ljungdahlii를 배양한 후 pH 4.5로 shift하고 ammonium solution을 계속 첨가한 경우 세포농도 0.D. 0.25에서 약 3.6 g/L의 에탄올 생성을 얻었으며 이것은 pH 및 질소원 shift가 없는 경우에 비하여 약 20배 이상 에탄을 생성양이 증가된 수치이다. 이를 바탕으로 pH shift 후 N source로서 ammonium solution을 지속적으로 공급하여 주면서 fermenter를 이용한 일산화탄소로부터 에탄을 최적화를 수행하였고 이 결과 최대 specific ethanol production rate 0.49 g ethanol/L.hr.O.D.를 얻을 수 있었으며 생성된 최종 에탄을 농도는 25 g ethanol/L에 달하였다. 이 결과를 이용하여 높은 세포농도를 얻기 위하여 세포성장에 도움을 주는 탄소원 실험을 수행하였고 이 결과 glucose를 이용한 세포성장후 일산화탄소로 전환하는 방법을 fermenter에 적용하여 pH 5.5, 400 rpm 조건에서 glucose를 feeding하여 O.D. 3.4가지 자라게 한 후 ammonium solution을 첨가하여 주면서 일산화탄소를 소비하는 시점가지 약 10시간 동안 CO adaptation을 실시하여 일산화탄소의 소비속도가 충분한 속도에 달했을 때 pH를 5.5에서 4.5로 낮추어 주었고 그 후 간헐적으로 ammonium solution을 feeding한 결과 얻어진 최종 에탄을 생성량은 45 g/L 이었다. 특히 약60시간 이내에 45 g/L 정도의 ethanol을 생성 함으로써 0.75 g ethanol/L.hr의 ethanol 생산성을 확보 할 수 있었다. 또한 C. ljungdahlii이 에탄을 내성을 실험한 결과 약 50 g/L 정도의 에탄올에는 큰 성장 장애를 받지 않는 것으로 나타나 이 균주를 이용한 산업체 부생가스로부터의 에탄을 생산 가능성을 더하여 주고 있다. 현재 본 연구진에 의하여 C. ljungdahlii를 이용하여 long term operation시의 cell viability 유지를 위한 세포성장과 에탄을 생성을 완전히 분리시킨 2 bioreactor system의 연구 및 일산화탄소로부터 높은 농도의 에탄올을 생성하는 독창적인 새로운 균주가 분리되어 현재 실험 진행 중이다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.37-50
• /
• 2020

사물 인터넷, 빅데이터, 클라우드, 인공지능 등 다양한 정보통신기술이 발전하면서, 정보보호의 대상이 증가하고있다. 정보통신기술의 발전에 비례해서 정보보호의 필요성이 확대되고 있지만, 정보보호 투자에 대한 관심은 저조한 상황이다. 일반적으로 정보보호와 관련된 투자는 효과를 측정하기 어렵기 때문에 적절한 투자가 이루어지지 않고 있으며, 대부분의 조직은 투자 규모를 줄이고 있다. 또한 정보보호 대책의 종류와 특성이 다양하기 때문에 객관적인 비교와 평가가 힘들고, 객관적인 의사결정 방법이 부족한 실정이다. 하지만 조직의 발전을 위해서는 정보보호와 관련된 정책과 의사결정이 필수적이며 적정 수준의 투자와 이에 대한 투자 효과를 측정 할 필요가 있다. 이에 본 연구에서는 게임 이론을 이용하여 정보보호 대책 투자 포트폴리오를 구성하는 방법을 제안하고 선형계획법을 이용하여 최적 방어 확률을 도출한다. 2인 게임 모형을 이용하여 정보보호 담당자와 공격자를 게임의 경기자로 구성한 뒤, 정보보호 대책을 정보보호 담당자의 전략으로, 정보보호 위협을 공격자의 전략으로 각각 설정한다. 게임 모형은 경기자의 보수의 합이 0인 제로섬 게임을 가정하고, 여러개의 전략 사이에서 일정한 확률 분포에 따라 전략을 선택하는 혼합 전략 게임의 해를 도출한다. 여러 종류의 위협이 존재하는 현실에서는 한 개의 정보보호 대책만으로 일정 수준 이상의 방어가 힘들기 때문에, 다수의 정보보호 대책을 고려해야한다. 따라서 다수의 정보보호 위협에 따른 정보보호 대책이 배치된 환경에서 정보보호 대책의 방어 비율을 이용하여 정보보호 대책 투자 포트폴리오를 산출한다. 또한 최적화된 포트폴리오를 이용하여 방어 확률을 최대화하는 게임 값을 도출한다. 마지막으로 정보보호 대책의 실제 성능 데이터를 이용하여 수치 예제를 구성하고, 제안한 게임 모델을 적용하고 평가한다. 본 연구에서 제시한 최적화 모델을 이용하면 조직의 정보보호 담당자는 정보보호 대책의 방어 비율을 고려하여 정보보호 대책의 투자 가중치를 구할 수 있고, 효과적인 투자 포트폴리오를 구성하여 최적의 방어 확률을 도출 할 수 있을 것이다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.53-65
• /
• 2019

영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.

• 한국방사선학회논문지
• /
• 제13권6호
• /
• pp.879-887
• /
• 2019

본 논문의 목적은 흉부 CT검사를 시행하는 소아환자의 조영제 투여를 최소화하고 조영 증강은 최적화하기 위하여, 몸무게의 변화에 따른 생리학적 주입 프로토콜을 정립하는 것이다. 만 10세 이하의 소아환자 80명을 대상으로 연구하였다. 혈관 조영제 300 mgI/ml를 사용하였으며, A그룹은 몸무게 1.5배의 용량을 주입하였고, B, C, D 그룹은 10%씩 감소하면서 생리식염수 5 ~ 15 ml를 추가 주입하였다. 조영제와 생리식염수의 주입량과 속도 및 지연시간을 몸무게와 연동하여 계산할 수 있는 생리학적 모델의 엑셀시트를 적용하였다. 화질평가는 상대정맥, 상행대동맥, 폐동맥, 우심방, 우심실, 좌심방, 좌심실, 하행대동맥, 쇄골하정맥의 CT number와 SNR을 측정하여 그룹간 비교하였으며, 생리식염수 주입에 따른 인공물 감소효과를 파악하기 위하여 쇄골하정맥과 상대정맥의 CT number를 비교하였다. 또한 조영 증강의 정도와 인공물에 대하여 정성적 평가를 추가로 수행하였다. 조영제 주입 프로토콜에 따른 SNR을 비교 평가한 결과, 상대정맥과 폐동맥, 하행대동맥, 우심실, 좌심실에서 유의한 차이를 보였으며, CT number는 모든 장기에서 유의한 차이를 보였다. 특히 조영제를 10% 감소하고 생리식염수를 추가 주입한 그룹은 조영 증강 정도는 차이가 없었으나, 20% 이상 감소한 그룹은 조영 증강의 정도가 낮게 나타났다. 또한 생리식염수 주입한 그룹은 상대정맥과 쇄골하정맥의 조영 증강이 매우 감소되었고, 조영제에 의한 빔 경화 인공물이 상당히 감쇄되었다. 결론적으로 소아의 흉부 CT 검사에서 생리학적 조영제 주입 프로토콜의 적용은 조영제에 의한 인공물을 감소시키면서, 불필요한 조영제 사용을 예방하고 조영 증강의 효과는 향상시킬 수 있었다.

• 대한원격탐사학회지
• /
• 제14권2호
• /
• pp.175-195
• /
• 1998

위성영상으로부터 자동화된 선구조 추출 알고리즘은 지형적 특징에 따라 다양한 방법으로 개발되어 왔다. 국내 지형은 주로 산악지형에 가깝지만 충적층 지대가 함께 발달되어 있으며 이와 같은 충적층은 종종 단층과 같은 주요 선구조를 이루고 있다. 그러나 기존의 방법들은 이와 같은 복합적인 지형에 대해 적용하는데 여러 가지 문제점들이 있다 이에 따라 본 연구에서는 이러한 지형적 특징을 나타내는 지역에 적용 가능한 새로운 알고리즘을 개발하였다. 위성영상으로부터 선구조 요소와 비 선구조 요소로 구분되는 이진영상을 생성하기 위해 DSTA(Dynamic Segment Tracing Algorithm)를 개발하였다. DSTA는 선구조 추출시 발생하는 태양방위각에 따른 선택적 증감효과를 제거하고 동적 소창문(dynamic sub window)의 사용에 의해 명암차가 낮은 지역에서의 잡음(noise)을 상당히 제거하였다. 또한, 충적층 처리 루틴은 충적층 지역에서 나타나는 잡음 대부분을 제거하여 효과적으로 선구조를 추출할 수 있었다. 이진영상으로부터 선구조의 양끝점을 결정하기 위해 일반 영상자료 처리에 이용되고 있는 Hierarchical Hough 변환 또는 Generalized Hough 변환을 지질학적 적용에 적합하도록 결합연산 과정을 결합한 ALEHHT(Automatic Lineament Extraction by Hierarchical Hough Transform) 및 ALEGHT (Automatic Lineament Extraction by Generalized Hough Transform) 알고리즘을 개발하였으며, 이를 이용하여 지질학적으로 이용 가능한 선구조를 구하였다. 본 연구에서 제안된 결합연산 과정은 두선 사이의 사이각($\delta$$\beta$), 수직거리(d$_{ij}$) 및 중점거리(dn)를 이용하였다. 개발된 알고리즘을 Landsat TM 자료에 적용하여 지질학적 선구조를 추출한 결과, 산악지역 및 충적층 지대에 발달한 선구조 모두 잘 추출되었으며 태양방위각에 평행한 서북서방향의 선구조 역시 잘 드러나고 있어 만족할 만한 결과를 얻을 수 있었다. 그러나 효과적으로 알고리즘을 사용하기 위해서는 적절한 입력변수의 사용이 필수적이며, 특히 ALEGHT의 입력변수 중 영상 정량화 간격(drop)에 의한 영향은 차후의 연구에서 수행, 보완되어야 할 것으로 사료된다.

• 에너지공학
• /
• 제28권3호
• /
• pp.65-79
• /
• 2019

본 연구는 산업단지 내 Gas Combined Cycle CHP와 연계 가능한 신재생에너지원을 조합하여 최적의 설비용량을 산정하고자 하였다. 특히 2013~2016년도 에너지사용계획 협의 대상 산업단지 중 집단에너지 공급대상 지역지정 연료사용량 요건은 연간 3.8만 TOE로 미달되지만, 열밀도가 $92.6Gcal/km^2{\cdot}h$로 높은 세종첨단일반산업단지를 연구 대상으로 하였다. 그리고 신재생에너지 Hybrid System 경제성 분석 프로그램인 HOMER Pro를 이용하여 연료전지와 태양광발전을 연계한 FC-PV Hybrid CHP System의 최적화 운영 모델에 대해 분석하였다. 또 CHP의 주 공급 에너지원인 열에너지에 있어, 열수요량 뿐만 아니라 우점 업종에 대한 열수요 패턴을 분석하여 연구의 신뢰도를 높이고자 하였으며, 경제성 분석을 추가하여 상대적 편익을 비교하고자 하였다. 연구 결과, 신규 조성 중인 세종첨단일반산업단지의 전체 간접열 수요는 연간 378,282 Gcal이며, 이중 제지업종이 연간 293,754 Gcal인 약 77.7%를 우점하고 있었다. 산업단지 전체 간접열 수요에 대해 단일 Combined Cycle CHP의 최적 설비용량은 30,000 kW로, 이때 열생산은 CHP가 275,707 Gcal, 72.8 %를 분담하고, 첨두부하보일러 PLB가 103,240 Gcal, 27.2 %를 분담하는 것으로 분석되었다. 그리고 CHP와 연료전지, 태양광 조합에서는 최적 설비용량이 각 30,000 kW, 5,000 kW, 1,980 kW이며, 이때 열생산은 Combined Cycle CHP가 275,940 Gcal, 72.8%, 연료전지가 12,390 Gcal, 3.3%, PLB가 90,620 Gcal, 23.9%를 분담하였다. 여기서 CHP 용량이 감소하지 않은 것은, CHP 용량 감소에 따른 부족한 열 생산량에 대해 PLB의 과다한 운전이 요구되는 경제적이지 못한 대안이 도출되었기 때문이었다. 한편 우점 업종인 제지업종의 간접열 수요에 대해서는 Combined Cycle CHP, 연료전지, 태양광 조합의 최적 설비용량은 25,000 kW, 5,000 kW, 2,000 kW로, 이때 열생산은 CHP 225,053 Gcal, 76.5%, 연료전지 11,215 Gcal, 3.8%, PLB가 58,012 Gcal, 19.7%를 분담하는 것으로 분석되었다. 그러나, 현행 전력시장 및 가스시장에서의 경제성 분석결과는 모두 투자비 회수가 불가능한 것으로 확인 되었다. 다만, 우점 업종인 제지 업종만을 대상으로 CHP와 연료전지, 태양광을 조합한 CHP Hybrid System이 단일 CHP System에 대해 연간 약 93억원의 경영여건을 개선시킬 수 있음을 확인하였다.

• 생물환경조절학회지
• /
• 제28권2호
• /
• pp.95-103
• /
• 2019

온도와 상대습도는 작물 재배에 있어서 중요한 요소로써, 수량과 품질의 증대를 위해서는 적절히 제어 되어야 한다. 그리고 정확한 환경 제어를 위해서는 환경이 어떻게 변화할지 예측할 필요가 있다. 본 연구의 목적은 현시점의 환경 데이터를 이용한 다층 퍼셉트론(multilayer perceptrons, MLP)을 기반으로 미래 시점의 기온 및 상대습도를 예측하는 것이다. MLP 학습에 필요한 데이터는 어윈 망고(Mangifera indica cv. Irwin)을 재배하는 8연동 온실($1,032m^2$)에서 2016년 10월 1일부터 2018년 2월 28일까지 10분 간격으로 수집되었다. MLP는 온실내부 환경 데이터, 온실 외 기상 데이터, 온실 내 장치의 설정 및 작동 값을 사용하여 10~120분 후 기온 및 상대습도를 예측하기 위한 학습을 진행하였다. 사계절이 뚜렷한 우리나라의 계절에 따른 예측 정확도를 분석하기 위해서 테스트 데이터로 계절별로 3일간의 데이터를 사용했다. MLP는 기온의 경우 은닉층이 4개, 노드 수가 128개일 때($R^2=0.988$), 상대습도는 은닉층 4개, 노드 수 64개에서 가장 높은 정확도를 보였다($R^2=0.990$). MLP 특성상 예측 시점이 멀어질수록 정확도는 감소하였지만, 계절에 따른 환경 변화에 무관하게 기온과 상대습도를 적절히 예측하였다. 그러나 온실 내 환경 제어 요소 중 분무 관수처럼 특이적인 데이터의 경우, 학습 데이터 수가 적기 때문에 예측 정확도가 낮았다. 본 연구에서는 MLP의 최적화를 통해서 기온 및 상대습도를 적절히 예측하였지만 실험에 사용된 온실에만 국한되었다. 따라서 보다 일반화를 위해서 다양한 장소의 온실 데이터 이용과 이에 따른 신경망 구조의 변형이 필요하다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.71-84
• /
• 2013

컴퓨터 시스템 운용 간에 발생하는 많은 정보들이 기록되는 로그데이터는 컴퓨터 시스템 운용 점검, 프로세스의 최적화, 사용자 최적화 맞춤형 제공 등 다방면으로 활용되고 있다. 본 논문에서는 다양한 종류의 로그데이터들 중에서 은행에서 발생하는 대용량의 로그데이터를 처리하기 위한 클라우드 환경 하에서의 MongoDB 기반 비정형 로그 처리시스템을 제안한다. 은행업무간 발생하는 대부분의 로그데이터는 고객의 업무처리 프로세스 간에 발생하며, 고객 업무 프로세스 처리에 따른 로그데이터를 수집, 저장, 분류, 분석하기 위해서는 별도로 로그데이터를 처리하는 시스템을 구축해야만 한다. 하지만 기존 컴퓨팅환경 하에서는 폭발적으로 증가하는 대용량 비정형 로그데이터 처리를 위한 유연한 스토리지 확장성 기능, 저장된 비정형 로그데이터를 분류, 분석 처리할 수 있는 기능을 구현하기가 매우 어렵다. 이에 따라 본 논문에서는 클라우드 컴퓨팅 기술을 도입하여 기존 컴퓨팅 인프라 환경의 분석 도구 및 관리체계에서 처리하기 어려웠던 비정형 로그데이터를 처리하기 위한 클라우드 환경기반의 로그데이터 처리시스템을 제안하고 구현하였다. 제안한 본 시스템은 IaaS(Infrastructure as a Service) 클라우드 환경을 도입하여 컴퓨팅 자원의 유연한 확장성을 제공하며 실제로, 로그데이터가 장기간 축적되거나 급격하게 증가하는 상황에서 스토리지, 메모리 등의 자원을 신속성 있고 유연하게 확장을 할 수 있는 기능을 포함한다. 또한, 축적된 비정형 로그데이터의 실시간 분석이 요구되어질 때 기존의 분석도구의 처리한계를 극복하기 위해 본 시스템은 하둡 (Hadoop) 기반의 분석모듈을 도입함으로써 대용량의 로그데이터를 빠르고 신뢰성 있게 병렬 분산 처리할 수 있는 기능을 제공한다. 게다가, HDFS(Hadoop Distributed File System)을 도입함으로써 축적된 로그데이터를 블록단위로 복제본을 생성하여 저장관리하기 때문에 본 시스템은 시스템 장애와 같은 상황에서 시스템이 멈추지 않고 작동할 수 있는 자동복구 기능을 제공한다. 마지막으로, 본 시스템은 NoSQL 기반의 MongoDB를 이용하여 분산 데이터베이스를 구축함으로써 효율적으로 비정형로그데이터를 처리하는 기능을 제공한다. MySQL과 같은 관계형 데이터베이스는 복잡한 스키마 구조를 가지고 있기 때문에 비정형 로그데이터를 처리하기에 적합하지 않은 구조를 가지고 있다. 또한, 관계형 데이터베이스의 엄격한 스키마 구조는 장기간 데이터가 축적되거나, 데이터가 급격하게 증가할 때 저장된 데이터를 분할하여 여러 노드에 분산시키는 노드 확장이 어렵다는 문제점을 가지고 있다. NoSQL은 관계형 데이터베이스에서 제공하는 복잡한 연산을 지원하지는 않지만 데이터가 빠르게 증가할 때 노드 분산을 통한 데이터베이스 확장이 매우 용이하며 비정형 데이터를 처리하는데 매우 적합한 구조를 가지고 있는 비관계형 데이터베이스이다. NoSQL의 데이터 모델은 주로 키-값(Key-Value), 컬럼지향(Column-oriented), 문서지향(Document-Oriented)형태로 구분되며, 제안한 시스템은 스키마 구조가 자유로운 문서지향(Document-Oriented) 데이터 모델의 대표 격인 MongoDB를 도입하였다. 본 시스템에 MongoDB를 도입한 이유는 유연한 스키마 구조에 따른 비정형 로그데이터 처리의 용이성뿐만 아니라, 급격한 데이터 증가에 따른 유연한 노드 확장, 스토리지 확장을 자동적으로 수행하는 오토샤딩 (AutoSharding) 기능을 제공하기 때문이다. 본 논문에서 제안하는 시스템은 크게 로그 수집기 모듈, 로그 그래프생성 모듈, MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈로 구성되어져 있다. 로그 수집기 모듈은 각 은행에서 고객의 업무 프로세스 시작부터 종료 시점까지 발생하는 로그데이터가 클라우드 서버로 전송될 때 로그데이터 종류에 따라 데이터를 수집하고 분류하여 MongoDB 모듈과 MySQL 모듈로 분배하는 기능을 수행한다. 로그 그래프생성 모듈은 수집된 로그데이터를 분석시점, 분석종류에 따라 MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈에 의해서 분석되어진 결과를 사용자에게 웹 인터페이스 형태로 제공하는 역할을 한다. 실시간적 로그데이터분석이 필요한 로그데이터는 MySQL 모듈로 저장이 되어 로그 그래프생성 모듈을 통하여 실시간 로그데이터 정보를 제공한다. 실시간 분석이 아닌 단위시간당 누적된 로그데이터의 경우 MongoDB 모듈에 저장이 되고, 다양한 분석사항에 따라 사용자에게 그래프화해서 제공된다. MongoDB 모듈에 누적된 로그데이터는 Hadoop기반 분석모듈을 통해서 병렬 분산 처리 작업이 수행된다. 성능 평가를 위하여 로그데이터 삽입, 쿼리 성능에 대해서 MySQL만을 적용한 로그데이터 처리시스템과 제안한 시스템을 비교 평가하였으며 그 성능의 우수성을 검증하였다. 또한, MongoDB의 청크 크기별 로그데이터 삽입 성능평가를 통해 최적화된 청크 크기를 확인하였다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.53-77
• /
• 2015

국내 모바일 커머스 시장은 현재 소셜커머스가 이용자 수 측면에서 오픈마켓을 압도하고 있는 상황이다. 산업계에서는 모바일 시장에서 소셜커머스의 성장에 대해 빠른 모바일 시장진입, 큐레이션 모델 등을 주요 성공요인으로 제시하고 있지만, 이에 대한 학계의 실증적인 연구 및 분석은 아직 미미한 상황이다. 본 연구에서는 사용자 리뷰를 바탕으로 모바일 소셜커머스와 오픈마켓의 사용자 이용경험을 비교 분석하는 탐험적인 연구를 수행하였다. 먼저 본 연구는 구글 플레이에 등록된 국내 소셜커머스 주요 3개 업체와 오픈마켓 주요 3개 업체의 모바일 앱 리뷰를 수집하였다. 본 연구는 LDA 토픽모델링을 통해 1만여건에 달하는 모바일 소셜커머스와 오픈마켓 사용자 리뷰를 지각된 유용성과 지각된 편리성 토픽으로 분류한 뒤 감정분석과 동시출현단어분석을 수행하였다. 이를 통해 본 연구는 국내 모바일 커머스 상에서 오픈마켓 이용자들에 비해 소셜커머스 이용자들이 서비스와 이용편리성 측면에서 더 긍정적인 경험을 하고 있음을 증명하였다. 소셜커머스는 '배송', '쿠폰', '할인'을 중심으로 서비스 측면에서 이용자들에게 긍정적인 이용경험을 이끌어내고 있는 반면, 오픈마켓의 경우 '로그인 안됨', '상세보기 불편', '멈춤'과 같은 기술적 문제 및 불편으로 인한 이용자 불만이 높았다. 이와 같이 본 연구는 사용자 리뷰를 통해 서비스 이용경험을 효과적으로 비교 분석할 수 있는 탐험적인 실증연구법을 제시하였다. 구체적으로 본 연구는 LDA 토픽모델링과 기술수용모형을 통해 사용자 리뷰를 서비스와 기술 토픽으로 분류하여 효과적으로 분석할 수 있는 새로운 방법을 제시하였다는 점에서 의의가 있다. 또한 본 연구의 결과는 향후 소셜커머스와 오픈마켓의 경쟁 및 벤치마킹 전략에 중요하게 활용될 수 있을 것으로 기대된다.

• 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.