• 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.

• 재무관리연구
• /
• 제27권2호
• /
• pp.35-62
• /
• 2010

본 연구는 2002년 1월부터 2008년 6월까지의 국내 뮤추얼펀드 월별 자료를 이용하여 펀드의 성과지속성과 스마트머니 현상이 존재하는지를 검증하고, 이들 현상이 펀드의 자금유출입에 따른 주식거래에 의해 초래되는 가격압박효과에 기인하는지를 실증분석하였다. 먼저, 과거 성과가 가장 높았던 펀드그룹이 과거 성과가 가장 낮았던 펀드그룹에 비해 향후 3년까지 월평균 0.11%~1.05%의 유의한 초과수익률을 보임으로써 성과지속성은 존재하는 것으로 분석되었으나, 과거 순자금유입액이 가장 많았던 펀드그룹은 가장 적었던 펀드그룹에 비해 향후 투자성과가 오히려 낮게 나타남에 따라 스마트머니 효과는 약한 것으로 분석되었다. 또한 펀드의 과거 자금유출입에 따른 주식거래량으로 측정한 가격압박측정치가 가장 높았던 주식그룹은 가장 낮았던 주식그룹에 비해 당월에 1.01%의 높은 초과수익률을 얻음으로써 가격압박효과가 존재하는 것으로 분석되었다. 그러나 가격압박측정치가 동일한 펀드그룹 내에서도 과거 성과가 높았던 펀드들은 성과가 낮았던 펀드들에 비해 여전히 향후 2년까지 월평균 0.08%~0.77%의 높은 초과수익률을 보임으로써, 펀드 성과지속성의 주요 발생원인이 가격압박효과보다는 펀드매니저의 능력차이에 기인하는 것임을 시사하고 있다. 이러한 결과는 회귀분석을 통해서도 미래 펀드수익률에 대하여 가격압박측 정치는 비유의적인 계수값을 갖는 반면, 과거 펀드수익률은 유의한 양의 설명력을 갖는 것으로 나타남으로써 지지되고 있다.

• 품질경영학회지
• /
• 제38권1호
• /
• pp.20-33
• /
• 2010

This study investigates the relationships of total quality management (TQM), organizational learning (OL) activities and business performance and examines the partial mediation effect of OL activities on business performance in Korean industrial manufacturing setting. Main target sample firms were all manufacturing companies listed in the Korea Composite Stock Price Index (KOSPI) and 206 firms participated. This study theoretically develops a conceptual model with 3 hypotheses regarding how TQM practices influence OL activities and how the OL activities partially mediate between the TQM practices and business performance. To examine these hypotheses, Structural Equation Modeling (SEM) was employed and an alternative model which includes a path between errors of leadership factor and OL construct was developed. The findings are TQM practices cannot directly influence business performance but indirectly impact business performance through OL activities. This study found that OL activities playa role as firms' critical competency to improve business performance.

• 품질경영학회지
• /
• 제28권1호
• /
• pp.1-12
• /
• 2000

Since Black Monday there has been a rash of systems developments which aimed at automating and upgrading the surveillance mechanism of monitoring the many facets of security trading. A more sophisticated mathematical model for detecting abnormal trading activities was created by Davis and Ord of Penn State along with Nobel prize laureates Solow and Modigliani of MIT. They used CAPM(Capital Asset Pricing Model) to explain the movements of stock price and applied an idea of residuals to detect unusual movements. In this paper, their idea is discussed and a new method is proposed, which involves a confidence interval of future observation in linear regression. One of the examples of the stock watch system adopting this statistical method is also presented.

• 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
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권11호
• /
• pp.785-794
• /
• 2002

자동 주식 거래 시스템은 시장 추세의 예측, 투자 종목의 선정, 거래 전략 등 매우 다양한 최적화 문제를 통합적으로 해결할 수 있어야 한다. 그러나 기존의 감독 학습 기법에 기반한 거래 시스템들은 이러한 최적화 요소들의 효과적인 결합에는 큰 비중을 두지 않았으며, 이로 인해 시스템의 궁극적인 성능에 한계를 보인다. 이 논문은 주가의 변동 과정이 마르코프 의사결정 프로세스(MDP: Markov Decision Process)라는 가정 하에, 강화 학습에 기반한 자동 주식 거래 시스템인 R-Trader를 제안한다. 강화 학습은 예측과 거래 전략의 통합적 학습에 적합한 학습 방법이다. R-Trader는 널리 알려진 두 가지 강화 학습 알고리즘인 TB(Temporal-difference)와 Q 알고리즘을 사용하여 종목 선정과 기타 거래 인자의 최적화를 수행한다. 또한 기술 분석에 기반하여 시스템의 입력 속성을 설계하며, 가치도 함수의 근사를 위해 인공 신경망을 사용한다. 한국 주식 시장의 데이타를 사용한 실험을 통해 제안된 시스템이 시장 평균을 초과하는 수익을 달성할 수 있고, 수익률과 위험 관리의 두 가지 측면 모두에서 감독 학습에 기반한 거래 시스템에 비해 우수한 성능 보임을 확인한다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.105-111
• /
• 2023

Recently, research on prediction algorithms using deep learning has been actively conducted. In addition, algorithmic trading (auto-trading) based on predictive power of artificial intelligence is also becoming one of the main investment methods in stock trading field, building its own history. Since the possibility of human error is blocked at source and traded mechanically according to the conditions, it is likely to be more profitable than humans in the long run. In particular, for the virtual currency market at least for now, unlike stocks, it is not possible to evaluate the intrinsic value of each cryptocurrencies. So it is far effective to approach them with technical analysis and cryptocurrency market might be the field that the performance of algorithmic trading can be maximized. Currently, the most commonly used artificial intelligence method for financial time series data analysis and forecasting is Long short-term memory(LSTM). However, even t4he LSTM also has deficiencies which constrain its widespread use. Therefore, many improvements are needed in the design of forecasting and investment algorithms in order to increase its utilization in actual investment situations. Meanwhile, Prophet, an artificial intelligence algorithm developed by Facebook (META) in 2017, is used to predict stock and cryptocurrency prices with high prediction accuracy. In particular, it is evaluated that Prophet predicts the price of virtual currencies better than that of stocks. In this study, we aim to show Prophet's virtual currency price prediction accuracy is higher than existing deep learning-based time series prediction method. In addition, we execute mock investment with Prophet predicted value. Evaluating the final value at the end of the investment, most of tested coins exceeded the initial investment recording a positive profit. In future research, we continue to test other coins to determine whether there is a significant difference in the predictive power by coin and therefore can establish investment strategies.

• 수산경영론집
• /
• 제38권3호
• /
• pp.89-108
• /
• 2007

The purpose of the study are summarized as follows: First, it has researched the new functions of middleman in Fisheries Port Market. Second, the new functions which middleman have to perform in Fisheries Port Market consist of the origin function, marketing function, logistics function. The origin function consists of the discrimination of fish species and freshness, making the price by auction, financing, etc. Marketing function consists of various species assortment from not only fisheries port market but also non fisheries port market as frozen and import fish markets, finding the new selling markets as not broker but wholesaler, making the price and margin non through the action, processing, etc. Logistics function consist of fish stock, delivery Third, it has recognized the upcoming important problems by building up the new functions as middleman in Fisheries port Market. This study has used a questionnaire to verify 3 hypotheses. Research model, factor analysis, regression analysis. The result of this study are summarized as follows: The origin function influences positively on the effectiveness of middleman's performance in Fisheries port Market. Marketing function influences positively on the effectiveness of middleman's performance. However, logistics function did not directly influences on the effectiveness of middleman's performance.