The Journal of Asian Finance, Economics and Business
/
v.8
no.8
/
pp.647-658
/
2021
Analysts' forecasts are important for providing useful guidance to investors, especially individual or small investors, and therefore it becomes critical to identify the elements which can potentially increase errors in analysts' forecasts. This study investigates potential factors which can lead to errors in forecasting by analysts, specifically in terms of the level and attributes of corporate earnings. Utilizing a sample of firms listed on the Korean stock markets, this study provides evidence that firms with more volatile and unpredictable earnings feature less accurate analyst forecasts. This study fills a void in the literature by conducting empirical tests for earnings attributes in terms of volatility and unpredictability that could potentially undermine the forecast accuracy. The negative association between the quality of earnings and forecast accuracy is more pronounced for firms with negative net income values. Additional analysis demonstrates that forecast accuracy is significantly lower for the fourth quarter than for other fiscal quarters and that fourth quarter earnings tend to be more volatile and unpredictable. This study contributes to the literature by providing new empirical evidence regarding the comprehensive effects of earnings quality and level on analysts' forecasting accuracy and further suggests potential factors contributing to the fourth quarter anomaly in analyst forecasts in terms of earnings attributes.
In forecasting realized volatility of the major US stock price indexes (S&P 500, Russell 2000, DJIA, Nasdaq 100), internet search volume reflecting investor's interests and implied volatility are used to improve forecast via a deep learning method of the LSTM. The LSTM method combined with search volume index produces better forecasts than existing standard methods of the vector autoregressive (VAR) and the vector error correction (VEC) models. It also beats the recently proposed vector error correction heterogeneous autoregressive (VECHAR) model which takes advantage of the cointegration relation between realized volatility and implied volatility.
Proceedings of the Korean Operations and Management Science Society Conference
/
1996.10a
/
pp.207-210
/
1996
Learning methodologies such as neural networks or genetic algorithms usually require long training times. Case based reasoning, however, attains peak performance swiftly and is often appropriate for learning even with small data sets. Previous work has shown that an extended case reasoning methodology can yield superior performance in the task of predicting financial data series. This paper examines the impact of reasoning procedures on stock price prediction. The following characteristics are evaluated: size of input vector, multiplicity of neighboring states, and a scaling factor for growth. The concepts are illustrated in the context of predicting the price of an individual price.
Communications for Statistical Applications and Methods
/
v.25
no.6
/
pp.659-671
/
2018
In this study, we consider the extension of the heterogeneous autoregressive (HAR) model for realized volatility by incorporating a neural network (NN) structure. Since HAR is a linear model, we expect that adding a neural network term would explain the delicate nonlinearity of the realized volatility. Three neural network-based HAR models, namely HAR-NN, $HAR({\infty})-NN$, and HAR-AR(22)-NN are considered with performance measured by evaluating out-of-sample forecasting errors. The results of the study show that HAR-NN provides a slightly wider interval than traditional HAR as well as shows more peaks and valleys on the turning points. It implies that the HAR-NN model can capture sharper changes due to higher volatility than the traditional HAR model. The HAR-NN model for prediction interval is therefore recommended to account for higher volatility in the stock market. An empirical analysis on the multinational realized volatility of stock indexes shows that the HAR-NN that adds daily, weekly, and monthly volatility averages to the neural network model exhibits the best performance.
Forecasting container cargo volumes is very important factor for port related organizations in inversting in the recent port management. Especially forcasting of domestic and foreign container volume is necessary because adjacent nations are competing each other to handle more container cargoes. Exact forecasting is essential elements for national port policy, however there is still some difficulty in developing the predictive model. In this respect, the purpose of this study is to develop and suggest the forecasting model of container cargo volumes of China using System Dynamics (SD). The monthly data collected from Clarkson's Shipping Intelligence Network from year 2004 to 2015 during 12 years are used in the model. The accuracy of the model was tested by comparisons between actual container cargo volumes and forecasted corgo volumes suggested by the research model. The MAPE values are calcualted as 6.21% for imported cargo volumes and 7.68% for exported cargo volumes respectively. Less than 10% of MAPE value means that the suggested model is very accurate.
In most of supply chain planning practices, the estimated demands, which are forecasted for each individual period in a forecasting window, are regarded as deterministic. But, in reality, the forecasted demands for the periods of a given horizon are stochastically distributed. Instead of using a safety stock, this study considers a direct control of service level by choosing the demand used in planning from the distributed forecasted demand values for the corresponding period. Using the demand quantile and echelon stock concept, we propose a simple but efficient heuristic algorithm for multi-echelon serial systems under service level constraints. Through a comprehensive simulation study, the proposed algorithm was shown to be very accurate compared with the optimal solutions.
Journal of Korean Institute of Industrial Engineers
/
v.3
no.1
/
pp.39-47
/
1977
Most of the current literature on inventory theory has been devoted to the study of single stage models. A class of inventory problems which is of great interest is the multistage inventory system which involves a series and hierarchical sequence of stations. This study analyzes some aspect of the series type and multi-stage inventory system, using the fixed cycle ordering which bas a modificatory control function in the system equations. The objective of this study is to clarify the dynamic behavior of the system. The author has derived the theoretical formulas of variation of ordering quantity and stock fluctuation of each stage due to power spectral density function. Influence of parameters such as, (1) intensity of autocorrelation of demand sequence ($\lambda$), (2) forecasting exponential smoothing factors of each stage (${\alpha}_1,\;{\alpha}_2,\;{\alpha}_3$) and (3) production control factor of the 3rd stage ($\gamma$), as operators of the system on the variation of ordering quantity and stock fluctuation of the system. is also clarified. As a result of this study, the relations between the variation of ordering quantity, stock fluctuation and the parameters of the system, have been found. The principles and the theorical analysis presented here will be applicable to more complex type of discrete control systems in constructing the specific condition of the system to minimize inventory variances.
Communications for Statistical Applications and Methods
/
v.23
no.3
/
pp.203-213
/
2016
We investigate volatility spillover aspects of realized volatilities (RVs) for the log returns of the Korea Composite Stock Price Index (KOSPI) and the Hang Seng Index (HSI) from 2009-2013. For all RVs, significant long memories and asymmetries are identified. For a model selection, we consider three commonly used time series models as well as three models that incorporate long memory and asymmetry. Taking into account of goodness-of-fit and forecasting ability, Leverage heteroskedastic autoregressive realized volatility (LHAR) model is selected for the given data. The LHAR model finds significant decompositions of the spillover effect from the HSI to the KOSPI into moderate negative daily spillover, positive weekly spillover and positive monthly spillover, and from the KOSPI to the HSI into substantial negative weekly spillover and positive monthly spillover. An interesting result from the analysis is that the daily volatility spillover from the HSI to the KOSPI is significant versus the insignificant daily volatility spillover of the KOSPI to HSI. The daily volatility in Hong Kong affects next day volatility in Korea but the daily volatility in Korea does not affect next day volatility in Hong Kong.
In this paper, machine learning models employed in various fields are discussed and applied to KOSPI200 stock index return forecasting. The results of hyperparameter analysis of the machine learning models are also reported and practical methods for each model are presented. As a result of the analysis, Support Vector Machine and Artificial Neural Network showed a better performance than k-Nearest Neighbor and Random Forest.
Ha, You-Min;Kim, Sang-Wook;Won, Jung-Im;Park, Sang-Hyun;Yoon, Jee-Hee
Journal of KIISE:Databases
/
v.34
no.3
/
pp.179-192
/
2007
This paper addresses an approach that recommends investment types for stock investors by discovering useful rules from past changing patterns of stock prices in databases. First, we define a new rule model for recommending stock investment types. For a frequent pattern of stock prices, if its subsequent stock prices are matched to a condition of an investor, the model recommends a corresponding investment type for this stock. The frequent pattern is regarded as a rule head, and the subsequent part a rule body. We observed that the conditions on rule bodies are quite different depending on dispositions of investors while rule heads are independent of characteristics of investors in most cases. With this observation, we propose a new method that discovers and stores only the rule heads rather than the whole rules in a rule discovery process. This allows investors to define various conditions on rule bodies flexibly, and also improves the performance of a rule discovery process by reducing the number of rules. For efficient discovery and matching of rules, we propose methods for discovering frequent patterns, constructing a frequent pattern base, and indexing them. We also suggest a method that finds the rules matched to a query issued by an investor from a frequent pattern base, and a method that recommends an investment type using the rules. Finally, we verify the superiority of our approach via various experiments using real-life stock data.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.