• 헤리티지:역사와 과학
• /
• 제38권
• /
• pp.179-222
• /
• 2005

경주지역(慶州地域)에서 현재까지 발굴조사된 17개소의 청동공방유적(靑銅工房遺漬)들에 대한 연구결과 이들 유적들은 운영주체가 누구인가에 따라서 궁중공방(宮中工房), 관영공방(官營工房), 사영공방(私營工房)으로 구분이 가능하다. 경주지역의 청동공방은 소규모의 궁중수공업(宮中手工業)을 위한 공방에서 대규모의 관영수공업(官營手工業)을 위한 공방으로 발전을 했고, 이후 귀족의 등장에 따라 사영수공업(私營手工業)으로 변화하였다. 궁중공방은 궁성(宮城)이 위치했던 월성(月城), 전 임해전지(傳 臨海殿址)와 인근의 황남동(皇南洞) 주변지역에서 확인된 청동공방으로서 소규모로 운영되었다. 관영공방은 경주시 동천동 일대에 집중된 청동공방으로 한 지역에 집중된 모습을 보여주고 있다. 한편 관영공방 단계에서는 공방 옆에 대형 도로가 위치하는데 이는 공방에 소요되는 원자재(原資材)를 원활하게 공급하기 위한 목적으로 추정된다. 그리고 도로의 보수작업에 청동공방에서 발생한 폐기물(廢棄物)이 사용된 점은 도로와 청동공방이 서로 유기적(有機的)으로 연결되어 있음을 보여준다. 사영공방은 귀족들에 의해서 운영된 공방으로 관영공방에 속한 장인(匠人)들이나 개별적인 공장(工匠)들이 귀족들에게 흡수되어 만들어진 새로운 형태의 공방으로 시내 곳곳에 공방이 위치하는 모습으로 변화한다. 따라서 귀족들의 가택(家宅) 안에 마련된 작업장인 사영공방이 등장하게 되면서 공방의 운영주체는 국가에서 개인으로 점차 변화해 나간다고 추정할 수 있다. 사영공방은 왕경 안에 위치한 대형사찰에서 절 안에 공방을 두고 필요한 물품을 직접 생산하던 공방으로 청동주조와 관련된 작업장이 주로 발견되었다. 이상과 같이 신라왕경 안에서 운영된 청동공방의 존재를 통해서 우리는 당시의 기술력과 상품의 교역권, 생산지(生産地)와 수요처(需給處)의 관계를 확인할 수 있고, 사회상을 알 수 있는 중요한 단서를 찾을 수 있다.

• 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.

• 지능정보연구
• /
• 제17권4호
• /
• pp.241-254
• /
• 2011

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.