• 자원환경지질
• /
• 제48권1호
• /
• pp.25-39
• /
• 2015

$CO_2$ 지중저장은 국가 온실가스 감축 목표 달성에 가장 큰 역할을 담당할 것으로 평가되고 있으나, 포집분야 일부 기술을 제외하고 저장 및 실증에 대한 국내 연구는 여전히 부족한 실정이다. CCS(Carbon Capture and Storage)의 가장 큰 목표는 지하 퇴적 암반층에 $CO_2$를 안전하게 저장하는 것이며, 이를 위해서는 저장소의 저장용량 및 안정성등과 같은 지중저장 대상지층의 특성을 정확하게 파악하고 그에 맞는 주입 전략을 수립하여야 한다. 이번 연구에서는 한국석유공사가 2012년에 울릉분지에서 취득한 탄성파 탐사자료를 활용하여 $CO_2$ 저장 후보 지층에 대한 탄성파 임피던스 역산을 수행하고, 공극률의 분포와 지층의 속성을 도출하여 $CO_2$ 지중저장 가능성을 검토하였다. 우선, 탄성파 자료 역산의 신뢰도를 높이기 위해 다양한 방법의 잡음제거 기법을 적용하였고, 특히 본 자료의 주파수 및 위상 특성을 그대로 유지한 채 다중반사파를 제거할 수 있는 SWD(Shallow Water Demultiple), SRME(Surface Related Multiple Elimination), Radon Demultiple 기술을 활용하였다. 자료 역산을 위해 3개의 시추공에 대한 물리검층 자료를 분석하였는데, 탄성파 자료와의 상관도가 각각 0.648, 0.574, 0.342로 나타났으며 이는 초기 역산 모델 설정을 위한 저주파수 모델 생성에 활용하였다. 중합 전 역산을 통해 P-임피던스, S-임피던스 및 Vp/Vs 비 값을 도출하였으며, 이와 물리검층 결과의 비교, 분석을 통해 공극률 분포 양상을 확인함으로써 지중저장에 적합한 지층을 파악할 수 있었다. 향후 $CO_2$ 주입 실증을 위해서는 지층에 대한 보다 세밀한 특성 분석과 모사를 통한 주입 이후 $CO_2$ 거동예측이 필요할 것이다.

• 한국산림과학회지
• /
• 제77권3호
• /
• pp.259-268
• /
• 1988

인공산성우(人工酸性雨)가 소나무(Pinus densiflora) 유묘(幼苗)와 개나리(Forsythia koreana) 삽목묘(揷木苗)의 식물체내(植物體內) 함유성분(含有成分)에 미치는 영향(影響)을 조사(調査)하였다. 소나무 식재(植栽)와 개나리 삽목(揷木)은 1986년(年) 3월(月) 25일(日) 묘포토양(苗圃土壤)과 사양질(砂壤質)의 산림토양(山林土壤)을 1:l(v/v)로 혼합(混合)하여 채운 pot에 실시(實施)되고, 해당지역(該當地域)의 30년간(年間)의 강우양식(强雨樣式)에 모의(模擬)(simulation)해서, 황산(黃酸)과 질산(窒酸)의 비율(比率)을 3 : 2(규정(規正) 농도(濃度))로 혼합(混合)하여 지하수(地下水)로 희석(稀釋)한 pH 2.0, pH 4.0 및 pH 5.5(대조용(對照用))의 산성우(酸性雨)를 난괴법(亂塊法) 3반복(反復) 시험구(試驗區)에 천연강우(天然降雨)를 차단(遮斷)한 가운데, 동년(同年) 5월(月) 1일(日)부터 8월(月) 31일(日)까지 4개월(個月)에 걸쳐 산포(散布)하고, 묘목(苗木)의 생장(生長)이 멈춘 시기(時期)에 시료(試料)를 채취(採取)하여 분석(分析)한 결과(結果)는 다음과 같았다 ; 1) 식물체내(植物體內) 전질소(全窒素) 함량(含量)은 산성우(酸性雨) 처리(處理)에 두 수종(樹種) 모두 증가(增加) 경향(傾向)이 있었으며, 소나무는 뿌리와 1년생(年生) 줄기에서, 개나리는 잎과 뿌리에서 각각 차이(差異)가 있었다. 2) 식물체내(植物體內) 인산(燐酸)의 함량(含量)은 산성우(酸性雨) 처리(處理)에 두 수종(樹種) 모두 감소(減少) 경향(傾向)이 있었으며, 소나무는 뿌리에서, 개나리는 잎과 뿌리에서 큰 차이(差異)를 보였다. 3) $K_2O$, CaO 및 MgO의 함량(含量)은 산성우(酸性雨)의 pH 값이 낮아짐에 따라 두 수종(樹種) 모두 감소(減少)하였으며, 개나리가 소나무에 비해, 그리고 잎과 뿌리가 줄기 및 가지에 비해 민감(敏感)한 반응(反應)을 보였다. 4) 유황(硫黃)의 함량(含量)은 pH 2.0 처리(處理)에서 두 수종(樹種) 모두 크게 증가(增加)하였으며, 소나무는 잎과 뿌리에서, 개나리는 잎, 줄기, 뿌리의 전부위(全部位)에서 각각 처리간(處理間)에 고도(高度)의 유의차(有意差)를 보였다. 5) 인공산성우(人工酸性雨)의 산도수준(酸度水準) 및 수종(樹種)에 대한 반응(反應)을 종합(綜合)하면, 산도수준별(酸度水準別)로는 산성우(酸性雨)의 pH값이 낮야짐에 따라, 그리고 수종별(樹種別)로는 개나리가 소나무에 비해 민감(敏感)한 반응(反應)을 보였다.

• 한국의학물리학회지:의학물리
• /
• 제25권4호
• /
• pp.271-280
• /
• 2014

최근에 디지털 유방촬영술(digital mammography, DM)의 해부학적 구조의 겹침 현상과 컴퓨터단층촬영영상(computed tomography, CT)의 높은 환자 선량을 해결하기 위해 디지털 유방단층영상합성장치(digital breast tomosynthesis, DBT)에 대한 연구 개발이 활발하게 수행되고 있다. 하지만 DBT 시스템은 제한된 각도로 영상을 획득하면서 급격한 데이터 결핍으로 인해 다른 층의 간섭으로 인한 인공물(artifacts)이 발생한다. 이를 완화시키기 위해 적절한 필터가 필요하다. 본 논문에서는 DBT 시스템에서 FBP 알고리즘을 이용하여 영상재구성 시 발생되는 인공물을 줄이기 위해 적절한 필터조합을 찾는 것이 궁극적인 목적이다. 시뮬레이션과 실제 실험을 통해 동일한 영상 획득조건에서 FBP 알고리즘을 이용해 재구성된 영상을 분석하여 다양한 필터 조합들의 특성을 조사했다. 필터 특성에 대한 평가를 하기 위해 영상 및 프로파일의 분석과 COV (coefficient of variation)를 이용하여 인공물과 잡음에 대한 평가를 하였다. 본 연구 결과를 통해 분광필터(spectral filter)의 파라미터 인자 값들을 조절하여 cut-off frequency를 설정함으로써 고주파 영역에 있는 영상의 잡음을 줄일 수 있었다. DBT 시스템에서 유방팬텀을 재구성한 영상들을 비교했을 때 분광필터의 파라미터 인자를 0.25로 적용한 영상의 결과는 분광필터를 적용하지 않았을 때보다 영상의 잡음을 10%로 감소시킬 수 있었다. 절편두께필터(slice thickness filter)의 파라미터 인자의 값들을 조절하여 정보들의 불균형을 줄임으로써 다른 층의 간섭으로 인한 인공물을 감소시킬 수 있었다. 결론적으로, 본 연구를 통해 FBP 알고리즘으로 재구성했을 때 필터들의 기본 특성을 확인 할 수 있었으며, 적절한 필터 조합이 실제 화질 개선에 기여한 것으로 확인할 수 있었다. 이 연구 결과는 다양한 필터 조합에 따른 잡음과 데이터 결핍에 의한 인공물에 대한 정보를 제공하여 DBT 시스템의 개발 및 임상화적용 연구에 기반이 될 것으로 기대된다.

• 한국항해항만학회지
• /
• 제37권6호
• /
• pp.637-645
• /
• 2013

마산만은 반폐쇄성 해역으로, 느린 유속과 육상오염물질의 하천부하 등으로 인해 심각한 수질문제를 가지고 있으며, 동시에 폭풍해일에 취약한 입지적 특성을 나타내고 있다. 이 중 폭풍해일 저감대책으로 제시된 재해방지시설을 운용함과 동시에 이를 마산만 내측 수질개선에 활용하는 방안을 모색하였다. 즉, 재해방지시설을 가동하여 마산만 내측과 외측의 수위조건이 다를 때 발생하는 수두차를 이용하여 만 내 외의 해수를 교환하였다. 재해방지시설의 위치를 기존 만 입구부, 마창대교 인근, 그리고 돝섬 인근으로 가정하였으며, 선박운항 횟수와 연간조위를 분석하여 통항빈도가 가장 낮은 새벽시간(01~05) 및 수두차가 가장 큰 대조기에 운용된다고 가정하였다. 또한, 재해방지시설과 함께 약 10km 길이의 유출 입 관로를 통한 내 외해수의 해수교환 촉진을 위한 추가 실험안을 구성하였다. 수치모의 결과, 현재상태의 경우 마산만 전체 해수교환율은 38.62%을 나타냈으며, 모든 실험안에서 마산만 내 모든 구역에서 꾸준한 증가 추세를 보이고 있다. 이에 반해, 마산만 입구부와 비교한 마산만 내측의 해수교환율은 매우 낮게 나타나 반폐쇄성 내만해역의 특성을 잘 재현하는 것으로 판단된다. 재해방지시설과 관로를 이용한 실험안을 분석한 결과, 현재상태와 비교하여 재해방지시설을 운용한 경우 해수교환율이 높고, 그 운용빈도가 많아질수록 더 많은 순환이 이루어지는 것으로 나타났다. 또한, 재해방지시설에 의해 발생된 수두차를 이용하여 관로를 통해 해수를 유입 혹은 유출한 경우 마산만 가장 내측의 수질이 개선되는 것으로 나타났다. 재해방지시설의 위치는 마창대교 남측과 비교하여 마산만 입구와 돝섬에 위치한 경우 해수교환 효과가 더 좋게 나타났다. 한편 마산만 전체영역에 대한 해수교환율은 만 입구에 재해방지시설이 위치한 경우가 돝섬에 위치한 경우보다 높지만, 마산만 내측을 포함한 해수교환율은 반대로 돝섬에 위치한 경우가 더 높게 나타났다.

• 한국방재안전학회논문집
• /
• 제12권2호
• /
• pp.73-82
• /
• 2019

최근 이상기후로 인한 집중호우에 따른 하천변 사회기반시설의 침수피해가 증가하고 있으며, 침수 가능성 여부에 대한 신속한 예 경보가 필요한 실정이다. 일반적인 홍수 예 경보는 하천수위를 이용하고 있으며, 수치모형을 이용하여 하천수위를 예측하는 연구가 대부분이었다. 그러나 수치모형을 이용한 하천수위 예측은 결과가 정확한 반면 수치모의 시간이 오래 소요된다는 한계점이 있어 최근에는 인공신경망 등을 적용한 자료기반의 수위예측 모형이 많이 이용되고 있다. 하지만 기존의 인공신경망을 활용한 수위예측 연구는 시간적 매개변수를 고려하지 못하였다는 한계점이 존재한다. 본 연구에서는 시간적 매개변수(Time delay= 2시간)를 고려한 NARX 신경망 모형을 사용하여 한강대교의 수위를 예측하였다. 또한 NARX 모형의 적합성을 판단하기 위하여 인공신경망(ANN) 모형과, 순환신경망(RNN)모형의 결과와 비교하였다. 2009년에서 2018년까지 10년간의 수문자료를 이용하여 70%를 학습시키고 검정과 평가에 15%를 사용하여 2018년의 한강대교 3시간 후 수위를 예측한 결과 평균제곱근오차(RMSE)의 경우 ANN, RNN, NARX model이 각각 0.20 m, 0.11 m, 0.09 m, 평균절대오차(MAE)의 경우, 각각 0.12 m, 0.06 m, 0.05 m, 첨두수위 오차(Peak Error)는 각각 1.56 m, 0.55 m, 0.10 m로 나타났다. 연구 대상지역에 대한 시간적 매개변수를 고려한 예측 결과의 오차분석을 통하여 NARX 신경망 모형을 사용하는 것이 수위예측 모형 구축이 가장 적합한 것으로 나타났다. 이는 NARX 신경망 모형이 과거의 입력자료를 고려함으로써 시계열 자료의 변동 추세도 학습 할 수 있으며, 또한 모형 내 활성함수를 쌍곡선탄젠트(Hyperbolic tangent) 및 Rectified Linear Unit(ReLU) 함수를 사용하여 고수위 예측 시에도 정확한 예측 값을 도출할 수 있기 때문이다. 그러나 NARX 신경망 모형은 시퀀스 길이가 길어짐에 따라 기울기 소실문제(Vanishing gradient)가 발생하는 한계점이 있어 향후에는 이를 보완한 LSTM(Long Short Term Model)모형을 이용하여 수위예측의 정확도를 검토하고자 한다.

• 한국방재안전학회논문집
• /
• 제14권2호
• /
• pp.61-75
• /
• 2021

최근 기후변화로 인해 강우강도 및 빈도의 증가에 따른 집중호우의 영향 및 기존 여수로의 노후화에 대비하여 홍수 시 하류 하천의 영향을 최소화할 수 있는 보조 여수로 활용방안 구축이 필요한 실정이다. 이를 위해, 수리모형 실험 및 수치모형 실험을 통하여 보조 여수로 운영에 따른 흐름특성 변화 검토에 관한 연구가 많이 진행되어 왔다. 그러나 대부분의 연구는 여수로에서의 흐름특성 및 기능성에 대한 검토를 수행하였을 뿐 보조 여수로의 활용방안에 따른 하류하천 영향 검토 및 호안 안정성 검토에 관한 연구는 미비한 실정이다. 이에 본 연구에서는 기존 여수로 및 보조 여수로 방류 조건에 따른 하류영향 분석 및 호안 안정성 측면에서 최적 방류 시나리오 검토를 3차원 수치모형인 FLOW-3D를 사용하여 검토하였다. 또한 FLOW-3D 수치모의 수행을 통한 유속, 수위 결과와 소류력 산정 결과를 호안 설계허용 기준과 비교하였다. 수문 완전 개도 조건으로 가정하고 계획홍수량 유입 시 다양한 보조 여수로 활용방안에 대하여 수치모의를 수행한 결과, 보조 여수로 단독 운영 시 기존 여수로 단독운영에 비하여 최대유속 및 최대 수위의 감소효과를 확인하였다. 다만 계획홍수량의 45% 이하 방류 조건에서 대안부의 호안 안정성을 확보하였고 해당 방류량 초과 경우에는 처오름 현상이 발생하여 월류에 대한 위험성 증가를 확인하였다. 따라서 기존 여수로와의 동시 운영 방안 도출이 중요하다고 판단하였다. 여수로의 배분 비율 및 총 허용 방류량에 대하여 검토한 결과 보조 여수로의 방류량이 기존 여수로의 방류량보다 큰 경우 하류하천의 흐름이 중심으로 집중되어 대안부의 유속 저감 및 수위 감소를 확인하였고, 계획 홍수량의 77% 이하의 조건에서 호안의 허용 유속 및 허용 소류력 조건을 만족하였다. 이를 통하여 본 연구에서 제안한 보조 여수로 활용방안으로는 기존 여수로와 동시 운영 시 총 방류량에 대하여 보조 여수로의 배분량이 기존 여수로의 배분량보다 크게 설정하는 것이 하류하천의 영향을 최소화 할 수 있는 것으로 나타났다. 그러나 본 연구는 여수로 방류에 따른 대안부에서의 영향에 대해서만 검토하였고 수문 전면 개도 조건에서 검토하였다는 한계점은 분명히 있다. 이에 향후에는 다양한 수문 개도 조건 및 방류 시나리오를 적용 및 검토한다면 보다 효율적이고, 효과적인 보조 여수로 활용방안을 도출이 가능할 것으로 기대 된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.