• 한국산학기술학회논문지
• /
• 제16권9호
• /
• pp.5810-5818
• /
• 2015

본 연구는 기업 가치 분석을 위한 최적 변수를 선정하고, 이 변수를 사용하여 기업의 가치를 분석하였다. 본 연구의 결과는 2가지로 구분할 수 있다. 첫째, 변수 선정을 위해 선행연구에서 사용한 기업가치 분석방법 및 변수를 고찰하였다. 이를 토대로 AHP 기법을 사용하여 8개의 변수를 도출하였다. 추가로 투자 전문가들이 사용한 변수 중 공통분모를 추출하였다. 최종적으로 도출한 변수는 배당수익률, PER, PBR, PCR, EV/EBITDA, ROE, 순이익 증가율, 매출성장률, 순유동자산, 부채비율, 유동비율, 재고자산회전율, 매출채권회전율, 종사자 1인당 순이익, 영업이익률, 매출액 순이익률, 총자본 순이익률, EPS 성장률의 18개 수정 변수를 도출했다. 둘째, 선정된 변수를 사용하여 기업 가치를 예측하였다. 예측을 위해 8개의 변수를 사용하여 로지스틱 회귀분석을 수행한 결과, 59.67%의 정확도를 나타내 8개의 변수는 적절하지 않음을 알 수 있었다. 이어서 18개의 변수를 사용하여 분석한 결과 91.98%의 정확도를 나타내 기업의 가치를 분석하기 위해서는 18개의 변수를 사용하는 것이 바람직하다는 것을 알 수 있었다.

• 한국항만경제학회지
• /
• 제39권1호
• /
• pp.115-129
• /
• 2023

본 연구는 2010년 1월 4일부터 2022년 10월 31일까지의 일별 자료를 기반으로 Copula-CoVaR 방법을 통해 해운선사 주가에 미치는 BDI의 위험 전이효과를 분석하였다. 주요 실증분석 결과와 정책적 함의는 다음과 같다. 첫째, copula 결과에 따르면, BDI와 해운선사 주가 사이는 약한 의존성이 존재하는 것으로 나타났으며, PAN, KOR, YEN은 동적 Student-t copula가 가장 적합한 모형으로 선정되었으며, HMM은 rotated Gumbel copula, KSS는 Gumbel copula가 선정되었다. 둘째, CoVaR의 결과에서, 모든 해운선사에서 상·하방 CoVaR가 상·하방 VaR과 크게 다르다는 것을 확인하였다. BDI가 해운선사에 상당한 위험 전이효과가 있다는 것을 의미한다. 또한 위험 전이효과는 일반적으로 하방 위험이 상방 위험보다 낮으므로, 하방과 상방 위험 전이효과는 비대칭적인 것으로 나타났다. 따라서 정책입안자들은 BDI 충격으로 인한 체계적인 위험을 방지하기 위해 외부 위험 감독을 강화하고, 국내 여건에 맞는 차별화된 정책을 수립해야한다. 그리고 투자자들은 BDI 변동으로 인한 외부 위험을 투자 결정에 반영하고 위험을 피하기 위해 최적의 투자 포트폴리오를 구성해야 한다. 한편, 투자자들은 투자를 결정할 때 상·하방 위험의 비대칭적 특성을 고려하여 투자 포트폴리오를 조정해야 할 것을 제안한다.

• 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.