• 경영과정보연구
• /
• 제32권4호
• /
• pp.189-207
• /
• 2013

고빈도 자료를 이용하여 한국과 중국에서 주가지수선물시장이 개설된 이후 현물 시장과의 동적관련성에 어떠한 특징적 차이점이 있는지에 대해 분석하였다. KOSPI 200의 경우 시차변수를 이용한 다중회귀분석에서 주가지수선물가격이 현물가격을 약 15분 정도 선행하는 것으로 나타나 주가지수선물시장이 현물시장에 대해 가격발견기능을 수행하는 것으로 나타났다. EGARCH 모형을 이용한 수익률 변동성의 선-후행관계 분석의 경우 강하지는 않지만 주가지수선물가격의 변동성이 현물가격의 변동성에 선행하는 것으로 나타났다. 한국의 경우 주가지수선물시장이 개설된 초기단계에서부터 다른 선진국의 경우와 비슷하게 선물시장과 현물시장 간에는 가격 및 가격변동성의 동적관련성이 존재하는 것으로 나타났다. CSI 300의 경우 한국과는 다른 특징적 차이를 보여주고 있다. 우선 현물시장의 가격이 주가지수선물시장의 가격에 선행하는 것으로 나타났다. 그 이유는 국내의 개인투자자와 외국인 투자자들이 주가지수선물거래에 참여하는 것이 엄격히 제한됨으로써 선물시장으로 유입되는 정보가 상대적으로 늦게 가격에 반영되어 선물시장의 가격발견기능을 약화시킨 결과로 판단된다. 변동성의 경우 현물시장과 주가지수선물시장 간에는 양방향의 상호의존성이 나타나고 있어 어느 한 시장의 일방적인 선행효과는 발생하지 않는 것으로 나타났다. 정리하면, 중국의 주가지수선물시장은 투자자들의 시장참여에 대한 여러 가지 제약으로 인해 충분한 정보전달 기능을 수행하지 못하는 것으로 나타났다.

• 산업과 과학
• /
• 제2권1호
• /
• pp.21-38
• /
• 2023

본 논문에서는 주식 시장의 기술적 분석의 기본에 대해 제시하였다. 소매 투자자나 거래자는 다양한 정보원으로부터 나오는 외부 정보를 얻을 수 있는 수단이 제한적이다. 일반적으로 기술적 분석에는 캔들 차트가 주로 활용된다. 인도의 대부분의 브로커는 차트 솔루션도 제공하고 있다. 보안이나 원자재 또는 Forex의 가격 변동을 분석해 보면 일반적인 주가 변동 패턴을 예측 할 수 있다. 주가는 특정 수준에서 반영되며 지지 및 저항 수준으로 널리 알려져 있다. 유가 증권의 가격에 발생하는 모든 일이 과거 언젠가 이미 진행된 패턴 또는 주기의 일부로 간주되기 때문에 이러한 연구는 영리한 애널리스트가 특정 확률로 가격의 미래 변동을 예측하는 데 도움을 줄 수 있다. 캔들스틱의 패턴, 가격 변동, 거래량 및 지표에 대한 연구는 가능한 목표 및 손절매로 높은 확률의 거래를 할 수 있는 기회를 제공한다. 본 연구 결과를 활용하여 트레이더나 투자자는 확률이 높은 거래나 조건을 취하고 투자 손실을 통제할 수 있게 된다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권12호
• /
• pp.1-7
• /
• 2021

The study examines the influence of COVID-19 on the stock market returns of Saudi Arabia. The data was analyzed through event study methodology using daily price data of Tadawul All Share Index (TASI). The study examines the behavior pattern of the Saudi Arabian stock market in different phases during the event period by selecting six-event windows with a range of 10 days. The results report a negative Abnormal Return (AR) of -0.003 on the event date, while the abnormal returns reversed the next day to 0.005 positively. The result of Cumulative Abnormal Return (CAR) is negative and significant at the 1 percent level in all the six-event windows starting from the event date to day 59 after the event for the TASI index. Even though the influence of the COVID-19 pandemic decreased after 30 days of the event date, it increased during the last ten days of the event window. The stock market volatility of Saudi Arabia increased during the post-event period compared to the pre-event period with a negative mean return of -0.326 and a greater standard deviation. In a conclusion, the study found a significant influence of the COVID-19 pandemic on the stock market returns of TASI.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권11호
• /
• pp.83-93
• /
• 2020

This empirical research aims to modeling and improving the forecasting accuracy of the volatility pattern by employing the Saudi Arabia stock market (Tadawul)by studying daily closed price index data from October 2011 to December 2019 with a number of observations being 2048. In order to achieve significant results, this study employs many mathematical functions which are non-linear spectral model Maximum overlapping Discrete Wavelet Transform (MODWT) based on the best localized function (Bl14), autoregressive integrated moving average (ARIMA) model and generalized autoregressive conditional heteroskedasticity (GARCH) models. Therefore, the major findings of this study show that all the previous events during the mentioned period of time will be explained and a new forecasting model will be suggested by combining the best MODWT function (Bl14 function) and the fitted GARCH model. Therefore, the results show that the ability of MODWT in decomposition the stock market data, highlighting the significant events which have the most highly volatile data and improving the forecasting accuracy will be showed based on some mathematical criteria such as Mean Absolute Percentage Error (MAPE), Mean Absolute Scaled Error (MASE), Root Means Squared Error (RMSE), Akaike information criterion. These results will be implemented using MATLAB software and R- software.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.21-39
• /
• 2020

딥러닝(Deep learning) 기법은 패턴분석, 이미지분류 등 다양한 분야에서 높은 성과를 나타내고 있다. 특히, 주식시장 분석문제는 머신러닝 연구분야에서도 어려운 분야이므로 딥러닝이 많이 활용되는 영역이다. 본 연구에서는 패턴분석과 분류능력이 높은 딥러닝의 일종인 합성곱신경망(Convolutional Neural Network) 모델을 활용하여 주가방향 예측방법을 제안한다. 추가적으로 합성곱신경망 모델을 효율적으로 학습시키기 위한 속성선택(Feature Selection, FS)방법이 적용된다. 합성곱신경망 모델의 성과는 머신러닝 단일 분류기와 앙상블 분류기를 벤치마킹하여 객관적으로 검증된다. 본 연구에서 벤치마킹한 분류기는 로지스틱 회귀분석(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망(Neural Network), 서포트 벡터머신(Support Vector Machine), 아다부스트(Adaboost), 배깅(Bagging), 랜덤포레스트(Random Forest)이다. 실증분석 결과, 속성선택을 적용한 합성곱신경망이 다른 벤치마킹 분류기보다 분류 성능이 상대적으로 높게 나타났다. 이러한 결과는 합성곱신경망 모델과 속성선택방법을 적용한 예측방법이 기업의 재무자료에 내포된 가치를 보다 정교하게 분석할 수 있는 가능성이 있음을 실증적으로 확인할 수 있었다.

• 응용통계연구
• /
• 제29권5호
• /
• pp.907-920
• /
• 2016

본 논문의 목표는 분위수 자기회귀모형을 활용하여 시계열 자료에서 특이치를 발견하는 알고리즘을 제안하고, 기존의 방법들과 그 성능을 비교하여 실제 주가 조작 사례에 적용해 보는 것이다. 지금까지의 특이치 발견 연구는 대부분 일반적인 데이터 형태에서만 있어왔기 때문에 시계열 데이터에서의 연구는 미미한 편이다. 또한 모수적인 방법에만 제한되었는데, 모수적 모형은 복잡할 뿐만 아니라 소요되는 분석 시간도 길기 때문에 편리하지 않다. 따라서 본 연구에서는 분위수 자기회귀모형을 활용한 특이치 발견 알고리즘을 새롭게 제시하고, 다양한 경우의 모의실험을 통해 기존 알고리즘과 비교하도록 한다. 특히 시계열 자료에서의 특이치 발견은 주가 조작을 적발하는 데에 유용하게 활용될 수 있다. 시간에 따라 관측되던 주가가 갑자기 그 동안의 흐름에서 벗어나 특이치로 발견되었다면 혹시 인위적인 개입으로 조작된 것은 아닌지 의심해 볼 수 있기 때문이다. 따라서 실제 주가 조작 사례에 적용해 봄으로써 얼마나 빠른 시일 내에 주가 조작을 적발해 낼 수 있는지 살펴보았다.

• 한국융합학회논문지
• /
• 제10권4호
• /
• pp.1-6
• /
• 2019

신경회로망은 과거 데이터로부터 유용한 정보를 추출해서 주가지수의 이동 방향을 예측하는데 사용되어 왔다. 주가 지수의 상승 또는 하락 방향을 예측하는 기존 연구는 지수의 작은 변화에도 상승이나 하락을 예측하므로 이를 기반으로 지수 연동 ETF를 매매 하면 손실이 발생할 가능성이 높다. 본 논문에서는 ETF 매매 손실을 줄이고 매매 당 일정 이상의 수익을 내기 위한 일별 KOrea composite S0tock Price Index (KOSPI)의 이동 방향을 예측하는 신경회로망 모델을 제안한다. 제안된 모델은 이동 방향 예측을 위해 전일 대비 지수 변동률이 상승(변동률${\geq}{\alpha}$), 하락(변동률${\leq}-{\alpha}$)과 중립($-{\alpha}$<변동률<${\alpha}$)을 표시하는 출력을 갖는다. 예측이 상승이면 레버리지 Exchange Traded Fund (ETF)를, 하락이면 인버스 ETF를 매수한다. 본 논문에서 구현된 신경회로망 모델 중 PNN1의 Hit ratio (HR)은 학습에서 0.720, 평가에서 0.616이다. 평가용 데이터로 ETF 매매를 시뮬레이션하면 수익률은 8.39 ~ 16.32 %를 보인다. 또한 제안된 이동 방향 예측 신경회로망 모델이 주가지수 예측 신경회로망 모델 보다 ETF 매매 성공률과 수익률에서 더 우수하다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.81-93
• /
• 2022

주식 투자는 가장 널리 알려진 재테크 방법들 중 하나지만 실제 투자를 통해 수익을 얻기는 쉽지 않기 때문에 과거부터 효과적이고 안정적인 투자 수익을 얻기 위한 다양한 투자 전략들이 고안되고 시도되어 왔다. 그중 변동성 돌파 전략(Volatility Breakout)은 일일 단위로 일정 수준 이상의 범위를 뛰어넘는 강한 상승세를 돌파 신호로 파악하여 상승하는 추세를 따라가며 일 단위로 빠르게 수익을 실현하는 전략으로 널리 쓰이고 있는 단기 투자 전략들 중 하나이다. 그러나 주식 종목마다 가격의 추이나 변동성의 정도가 다르며 동일한 종목이라도 시기에 따라 주가의 흐름이 일정하지 않아 주가를 예측하고 정확한 매매 시점을 찾아내는 것은 매우 어려운 문제이다. 본 논문에서는 단순히 종가 또는 장기간에 걸친 수익률을 예측하는 기존 연구 방법들과는 달리 단기간에 수익을 실현할 수 있는 주식과 같은 시계열 데이터 분석에 적합한 양방향 장단기 메모리 심층 신경망을 이용하여 변동성 돌파 전략 기반 매매 시의 수익률을 예측하여 주식을 매매하여 방법을 제안한다. 이렇게 학습된 모델로 테스트 데이터에 대하여 실제 매매를 가정하여 실험한 결과 기존의 장단기 메모리 심층 신경망을 이용한 종가 예측 모델보다 수익률과 안정성을 모두 상회하는 결과를 확인할 수 있다.

• 한국국방경영분석학회지
• /
• 제30권2호
• /
• pp.96-107
• /
• 2004

This paper deals with $\ulcorner$Requirement Decision Model for Repair Parts supplied by the Government$\lrcorner$ which is to reduce Aircraft Contract Maintenance Cost. It aims to find solutions to the fundamental problems of the Aircraft Contract Maintenance System. Under the current Aircraft Contract Maintenance System, it is hard to forecast the exact demand of repair parts, so support rate of Repair Parts supplied by the Government is restricted under 50 percent. It is inevitable to purchase Repair Parts from the firm with much higher price than those of Government source. However, absence of fixed demand pattern makes it difficult to improve accuracy of demand forecast. As a solution to these problems, this model prevents a cost increase due to the unit price difference between Repair Parts supplied by the Government and Repair Parts purchased by the Firm. It also reflects demand characteristics of each repair part, and prevents continual stock increase by setting an upper limit on the amount of Repair Parts supplied by the Government. The effectiveness of this model is verified by empirical analysis using the latest raw data. By applying this model to real situation, we expect to reduce about 4 billion won every year.