• 디지털산업정보학회논문지
• /
• 제6권3호
• /
• pp.211-219
• /
• 2010

This paper designs the dynamic symbol automatic trading system in Korean option market. This system is based on Multichart program which is convenient and efficient system trading tool. But the Multichart has an important restriction which has only one constant symbol per chart. This restriction causes very useful strategies impossible. The proposed design uses global variables, signal chart selection and position order exchange. So an automatic trading system with dynamic symbol works on Multichart program. To verify the proposed system, BS(Buythensell)-SB(Sellthenbuy) strategies are tested which uses the change of open-interest of stock index futures within a day. These strategies buy both call and put option in ATM at start candle and liquidate all at 12 o'clock and then sell both call and put option in ATM at 12 o'clock and also liquidate all at 14:40. From 23 March 2009 to 31 May 2010, 301-trading days, is adopted for experiment. As a result, the average daily profit rate of this simple strategies riches 1.09%. This profit rate is up to eight times of commision price which is 0.15 % per option trade. If the method which raises the profitable rate of wining trade or lower commission than 0.15% is found, these strategies make fascinated lossless trading system which is based on the proposed dynamic symbol automatic trading system.

• 정보처리학회논문지B
• /
• 제11B권2호
• /
• pp.207-212
• /
• 2004

본 논문은 주식 매매 시스템을 위한 강화 학습 구조를 제시한다. 매매 시스템에 사용되는 매개변수들은 Q-학습 알고리즘에 의하여 최적화되고, 인공 신경망이 값의 근사치를 구하기 위하여 활용된다 이 구조에서는 서로 유기적으로 협업하는 다중 에이전트를 이용하여 전역적인 추세 예측과 부분적인 매매 전략을 통합하여 개선된 매매 성능을 가능하게 한다. 에이전트들은 서로 통신하여 훈련 에피소드와 학습된 정책을 서로 공유하는데, 이 때 전통적인 Q-학습의 모든 골격을 유지한다. 실험을 통하여, KOSPI 200에서는 제안된 구조에 기반 한 매매 시스템을 통하여 시장 평균 수익률을 상회하며 동시에 상당한 이익을 창출하는 것을 확인하였다. 게다가 위험 관리의 측면에서도 본 시스템은 교사 학습(supervised teaming)에 의하여 훈련된 시스템에 비하여 더 뛰어난 성능을 보여주었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.485-486
• /
• 2007

In the deregulated power market, suppliers, consumers and transmission companies try to maximize their profits by economical behaviors. In particular, generating companies like to sell more electricity for the revenue. Their situations will lead to various power system planning as optimal solutions for each supplier. In this paper, fundamental approaches of optimal power system planning under market positions of generating company are presented. The profit-maximizing approaches are modeled mathematically. By this analysis, each optimal planning is proved in risk of cost and monetary risk will be the economical signal for participants.

• 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.

• 한국통신학회논문지
• /
• 제35권3A호
• /
• pp.217-224
• /
• 2010

본 논문에서는 3GPP의 LTE시스템에서 자동화기술 중의 하나인 기지국 구성 자동 설정 (Self-Optimization)을 위한 하드 핸드오버 알고리즘을 제안한다. 제안하는 알고리즘은 먼저 주변 셀로부터의 수신신호세기와 X2인터페이스를 통해 eNB(evolved Node-B)간의 정보 교환으로 수집된 후보 목표 셀들의 셀 부하 정보를 이용하여, 최적의 목표 셀을 선택하는 혼합형 목표 셀 선택방식과 핸드오버 성능에 영향을 주는 다양한 환경 요소들의 비용함수들에 의해서 최적의 핸드오버 히스테리시스(Hysteresis) 값을 선택하는 다중 요소 기반 능동 히스테리시스 방식으로 구성되어 있다. 본 논문에서 제안하는 알고리즘은 핸드오버 성능에 영향을 주는 요소들에 대한 정보를 바탕으로 LTE시스템에서의 기지국 운용 자동 최적화을 위한 최적화된 목표 셀과 히스테리시스 값을 선택하는 동작을 수행함으로써 핸드오버의 가장 중요한 성능인 핸드오버 실패율과 부하균형 측면에서 우수한 성능을 얻게 한다.

• 재무관리연구
• /
• 제25권1호
• /
• pp.51-84
• /
• 2008

자기주식매입 공시 후 1년 이내에 유상증자를 실시한 표본을 이용하여 자기주식의 유상증자에 대한 신호효과를 검증하였다. 자기주식직접매입은 유상증자의 신주발행가격을 부양시키는 반면, 자기주식펀드 및 신탁은 신주발행가격을 끌어올리는 역할을 하지 못함을 발견했다. 또한 자기주식매입이 유상증자 시 신주발행가격을 올리기 위한 거짓신호로 사용된 가능성을 검증하기 위해서 표본집단들과 대응집단의 장기성과를 비교하였다. 자기주식매입이 선행된 표본들은 유상증자에 비해 장기저성과정도가 심하지 않았으며, 자기주식 펀드 및 신탁이 선행된 유상증자기업의 장기성과 또한 대응집단과 유의하게 다르지 않다는 실증결과를 발견하였다. 따라서 자기주식매입이 신주발행가격의 시세조정을 위해 불공정하게 사용되고 있다는 기존의 주장에 대한 증거를 발견하지 못하였다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.