• 대한화학회지
• /
• 제66권2호
• /
• pp.78-85
• /
• 2022

천연 백토를 6M의 황산에 넣어 80 ℃의 온도로 기계적 교반하에서 6시간 동안 가열하여 처리 한 산활성 점토를 수중의 세슘 이온(Cs⁺)의 제거를 위한 흡착제로서 사용하였다. 천연 백토와 산활성 점토의 물리·화학적 변화를 X-선 형광분광기, 비표면적 분석기, 그리고 에너지 분산형 X-선 분광기를 이용하여 관찰하였다. 천연 백토를 산으로 처리 하는 동안, 천연 백토를 구성하고 있는 결정 격자로부터 Al₂O₃, CaO, MgO, SO₃ and Fe₂O₃가 일부분 용해되고 결과적으로 활성 부위와 더불어 기공의 부피와 비표면적의 증가를 초래하였다. 산활성 점토는 천연 백토에 비해 비표면적과 기공의 부피가 2배 정도 높았다. 산활성 점토에 의한 Cs⁺ 흡착은 1 분 내에 가파르게 증가하였고 60 분에 이르렀을 때 평형에 도달하였다. 25 mg L^-1의 Cs⁺ 농도에서, 96.88%의 흡착 효율이 산활성 점토에 의해 성취되었다. Cs⁺의 흡착 데이터를 흡착 등온선과 반응속도 모델에 도입하였다. 산활성 점토에 의한 Cs⁺ 흡착 거동은 Langmuir 등온선에 잘 적용되었고 Langmuir의 등온선 계수인 Q는 10.52 mg g^-1이 되는 것으로 밝혀졌다. 산활성 점토/물 계에서 Cs⁺ 흡착은 더 높은 상관계수 R²과 실험값 q_e,exp과 계산값 q_e,cal 의 근접으로 인해서 유사 일차 반응속도보다는 유사 이차 반응속도에 적합하였다. 연구의 전체적인 결과들은 산활성 점토가 수중으로부터 Cs⁺을 제거하는데 효율적인 흡착제로 사용될 수 있다는 보였다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.