• 한국콘텐츠학회논문지
• /
• 제18권1호
• /
• pp.196-209
• /
• 2018

은행의 수익성과 관련하여 어떠한 요인들이 영향을 미치는지 연구하고 있다. 본 연구에서는 은행의 수익성 개선을 위한 자금조달구조의 다양화 측면에서 기존연구와 달리 시장성수신비중을 주요 관심변수로 하여 8개의 설명변수와 총자산영업이익률을 수익성 지표로 사용하여 가설설정하고 전체기간과 금융위기 전 후 로 비교 분석하여 차이를 보고자 한다. 다중회귀분석한 결과, 모든 분석기간에서 유의미한 결과가 나타나는 수익성 요인은 원화예대금리차, 점포수, 고정이하여신비율이며 국내은행은 원화예대금리차가 커지고 점포수가 증가할수록 수익성도 향상되고 부실여신이 증가하면 수익성도 하락하는 것을 알 수 있다. 시장성수신비중은 은행의 수익성에 통계적으로 유의미한 영향을 주지는 못하는 것으로 나타났다. 글로벌 금융위기이전에는 거시경제지표의 영향을 받기 보다는 개별 은행의 상황 및 다른 금융환경의 영향을 더 받았다는 것을 알 수 있으며 금융위기이후에는 은행의 여신이 증가하면서 수익성도 향상되는 것으로 추정할 수 있다. 은행의 수익성 요인은 분석 기간별 특징이 있다고 추론되며 이에 그 의미와 시사점을 가진다. 향후 은행산업의 수익성에 관한 연구는 특수은행이 포함된 국내은행 전체로 대상을 확대할 필요가 있다.

• 한국전자통신학회논문지
• /
• 제5권2호
• /
• pp.205-213
• /
• 2010

본 연구는 1986년부터 2009년까지 24년 동안 한국의 부동산정책과 부동산 관련 시계열자료를 세밀하게 분석한 후에, 주택가격에 영향을 미치는 부동산 지수 변수와 거시경제 지수 변수가 주택 가격에 미치는 영향에 대한 회귀분석을 실시하여 얼마만큼 영향이 있는지 분석하고자 한다. 분석한 결과는 다음과 같다. 첫째, 한국의 부동산 정책은 후행정책이며, 정권별 부동산 정책은 서로 일관성이 없었다. 둘째, 정산적인 국면에서 부동산 문제가 발생할 때마다 규제 강화와 경기 회복 대책만 주기적으로 반복하고 이었다. 셋째, 정책에 대한 시기와 수단은 부적절하였고, 부동산 정책 시행할 때마다 부동산 경기가 더 나빠지곤 하였다. 넷째, 24년 동안 주택 유형중 주택가격 증감량이 가장 만이 오른 주택유형은 아파트였으며 가장 인가 좋았다. 정권별 주택 가격지수 증감량은 노태우(65.0%)-김대중(42.5%)-노무현(32.8%) 순으로 나타났다. 다섯째, 회귀분석을 실시한 결과 : 주택가격에 가장 많은 영향을 미치는 독립변수는 건설기 성액-1인당 국민소득-주택 전세가 지수-동행종합지수-후행종합지수-청약통자 가입자-선형종합지수 순으로 나타났다.

• 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.