• 경영과정보연구
• /
• 제29권2호
• /
• pp.1-25
• /
• 2010

본 논문은 우리나라 주식시장을 대상으로 Haugen Baker(1996)가 제시한 기업특성요인모형을 적용하여 주식수익률 결정요인을 분석하였다. 분석기간은 1999년부터 2007년까지 총 8년간이며, 총 690개의 상장기업의 월별 자료를 이용하였다. 기존 연구에서 제시된 변수를 바탕으로 유동성, 위험, 과거주가, 가격수준, 수익성 등과 관련된 16개의 변수를 독립변수로, 690개 주식의 월별 수익률을 종속변수로 하여 시간가변 회귀분석을 통해 분석결과의 강건성을 높이고자 하였다. 본 연구의 결과는 다음과 같이 요약될 수 있다. 첫째, 기업특성정보가 주식수익률 결정에 미치는 사전적 영향을 분석한 결과 해당기업이 공개한 직전월의 기업특성 정보 중 당월의 주가에 유의적인 영향을 나타내는 기업특성은 유동성, 모멘텀 지표인 1개월, 3개월, 6개월 초과수익률, 주가 승수 중 PSR, PBR, 수익성을 나타내는 ROE와 EPS 등의 8개 요인이다. 예측된 수익률을 이용하여 구축한 10개의 분위별 포트폴리오를 대상으로 실현수익률을 분석한 결과 예측수익률이 높을수록 실현된 수익률이 일관되게 높게 나타나는 것으로 분석되었다. 둘째, Haugen Baker가 제안한 기업특성모형을 이용한 주가예측모형을 바탕으로 구성된 포트폴리오를 Fama French가 제안한 3요인 모형에 적용시킨 결과 수익률이 높을 것으로 예측된 포트폴리오의 실현수익률이 높게 나타남을 확인하였다. 즉, 우리나라 주식시장의 수익률을 예측하는 데는 Haugen Baker의 기업특성 요인모형을 응용한 모형이 더욱 적합할 수 있으며, 이를 이용하는 것이 실무적으로도 유용성이 높을 것으로 기대할 수 있다. 본 연구는 기존연구를 보완하여 보다 강건한 예측 및 운영성과를 보여주기 위해 노력하였다. 이를 위해, 시간 가변적으로 (1) 요인프리미엄을 추정, (2) 수익률예측 및 포트폴리오 조정, (3) 실현수익률 측정의 과정을 반복적으로 수행하였으며, 예측수익률이 높은 포트폴리오의 실현수익률이 상대적으로 높게 나타나는 일관된 결과를 강건하게 보여주고 있다.

• Asia pacific journal of information systems
• /
• 제24권4호
• /
• pp.559-575
• /
• 2014

Individual investors are increasingly flocking to message boards to seek, clarify, and exchange information. Businesses like Seekingalpha.com and business magazines like Fortune are evaluating, synthesizing, and reporting the comments made on message boards or blogs. In March of 2012, Yahoo! Finance Message Boards recorded 45 million unique visitors per month followed by AOL Money and Finance (19.8 million), and Google Finance (1.6 million) [McIntyre, 2012]. Previous studies in the finance literature suggest that online communities often provide more accurate information than analyst forecasts [Bagnoli et al., 1999; Clarkson et al., 2006]. Some studies empirically show that the volume of posts in online communities have a positive relationship with market activities (e.g., trading volumes) [Antweiler and Frank, 2004; Bagnoli et al., 1999; Das and Chen, 2007; Tumarkin and Whitelaw, 2001]. The findings indicate that information in online communities does impact investors' investment decisions and trading behaviors. However, research explicating the correlation between information on online communities and stock market activities (e.g., trading volume) is still evolving. Thus, it is important to ask whether a volume of posts on online communities influences trading volumes and whether trading volumes also influence these communities. Online stock message boards offer two different types of information, which can be explained using an economic and a psychological perspective. From a purely economic perspective, one would expect that stock message boards would have a beneficial effect, since they provide timely information at a much lower cost [Bagnoli et al., 1999; Clarkson et al., 2006; Birchler and Butler, 2007]. This indicates that information in stock message boards may provide valuable information investors can use to predict stock market activities and thus may use to make better investment decisions. On the other hand, psychological studies have shown that stock message boards may not necessarily make investors more informed. The related literature argues that confirmation bias causes investors to seek other investors with the same opinions on these stock message boards [Chen and Gu, 2009; Park et al., 2013]. For example, investors may want to share their painful investment experiences with others on stock message boards and are relieved to find they are not alone. In this case, the information on these stock message boards mainly reflects past experience or past information and not valuable and predictable information for market activities. This study thus investigates the two roles of stock message boards-providing valuable information to make future investment decisions or sharing past experiences that reflect mainly investors' painful or boastful stories. If stock message boards do provide valuable information for stock investment decisions, then investors will use this information and thereby influence stock market activities (e.g., trading volume). On the contrary, if investors made investment decisions and visit stock message boards later, they will mainly share their past experiences with others. In this case, past activities in the stock market will influence the stock message boards. These arguments indicate that there is a correlation between information posted on stock message boards and stock market activities. The previous literature has examined the impact of stock sentiments or the number of posts on stock market activities (e.g., trading volume, volatility, stock prices). However, the studies related to stock sentiments found it difficult to obtain significant results. It is not easy to identify useful information among the millions of posts, many of which can be just noise. As a result, the overall sentiments of stock message boards often carry little information for future stock movements [Das and Chen, 2001; Antweiler and Frank, 2004]. This study notes that as a dependent variable, trading volume is more reliable for capturing the effect of stock message board activities. The finance literature argues that trading volume is an indicator of stock price movements [Das et al., 2005; Das and Chen, 2007]. In this regard, this study investigates the correlation between a number of posts (information on stock message boards) and trading volume (stock market activity). We collected about 100,000 messages of 40 companies at KOSPI (Korea Composite Stock Price Index) from Paxnet, the most popular Korean online stock message board. The messages we collected were divided into in-trading and after-trading hours to examine the correlation between the numbers of posts and trading volumes in detail. Also we collected the volume of the stock of the 40 companies. The vector regression analysis and the granger causality test, 3SLS analysis were performed on our panel data sets. We found that the number of posts on online stock message boards is positively related to prior stock trade volume. Also, we found that the impact of the number of posts on stock trading volumes is not statistically significant. Also, we empirically showed the correlation between stock trading volumes and the number of posts on stock message boards. The results of this study contribute to the IS and finance literature in that we identified online stock message board's two roles. Also, this study suggests that stock trading managers should carefully monitor information on stock message boards to understand stock market activities in advance.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권10호
• /
• pp.441-450
• /
• 2014

주식시장은 항상 변하며 특별한 이유 없이도 주가가 급락하거나 급등하는 현상도 나타난다. 그러므로 주식시장은 복잡계로 인식되고 있으며, 주가의 변화는 예측하기 어렵다. 최근에 많은 연구자는 주식시장을 개별 주식 간의 네트워크로 간주하고 그것을 이해하려고 하며, 인터넷에서 실시간으로 생성되는 빅데이터를 통해 주가의 변화를 밝히려고 노력하고 있다. 우리는 주가와 인터넷 특히 주식토론방에 나타나는 사람들의 반응 간의 상관관계에 주목한다. 이 상관관계를 밝히기 위해서 KOSPI200에 속한 회사 중 57개 회사와 관련 있는 게시물들을 수집하고 분석하였다. 분석 결과에 따르면, 개별 주가와 게시물 수 사이에는 특별한 상관관계가 나타나지 않았지만, 주가와 게시물 수의 상관관계가 주식 수익률과 관계가 있는 것으로 나타났다. 우리는 이 분석결과를 기반으로 주식투자 포트폴리오를 추천하는 새로운 방법을 제안한다. '다음' 포털의 주식토론방 데이터를 이용한 모의 투자 실험 결과에서, '다음' 주식토론방 데이터를 사용한 경우 제안 방법으로 구성한 주식 포트폴리오의 월평균 수익률은 약 1.55%로 마코위츠의 효율적 포트폴리오의 수익률보다 약 0.72% 높으며, 코스피 평균 수익률보다 약 1.21% 높게 나타났다. 또한 '네이버' 주식토론방 데이터를 사용한 경우는 모의 투자 수익률이 약 0.90%로 기존 방법과 마코위츠 효율적 포트폴리오와 코스피 평균 수익률보다 각각 0.35%와 0.40%, 0.58% 높게 나타났다. 이 연구는 인터넷 주식토론방에 나타난 사람들의 집단적인 행위는 주식시장을 이해하는 데 많은 도움을 줄 수 있으며, 주가와 사람들의 집단행위 사이의 상관관계가 주식투자에 활용될 수 있음을 제시하였다.