• 지능정보연구
• /
• 제19권1호
• /
• pp.95-110
• /
• 2013

최근 다양한 소셜미디어를 통해 생성되는 비정형 데이터의 양은 빠른 속도로 증가하고 있으며, 이를 저장, 가공, 분석하기 위한 도구의 개발도 이에 맞추어 활발하게 이루어지고 있다. 이러한 환경에서 다양한 분석도구를 통해 텍스트 데이터를 분석함으로써, 기존의 정형 데이터 분석을 통해 해결하지 못했던 이슈들을 해결하기 위한 많은 시도가 이루어지고 있다. 특히 트위터나 페이스북을 통해 실시간에 근접하게 생산되는 글들과 수많은 인터넷 사이트에 게시되는 다양한 주제의 글들은, 방대한 양의 텍스트 분석을 통해 많은 사람들의 의견을 추출하고 이를 통해 향후 수익 창출에 기여할 수 있는 새로운 통찰을 발굴하기 위한 움직임에 동기를 부여하고 있다. 뉴스 데이터에 대한 오피니언 마이닝을 통해 주가지수 등락 예측 모델을 제안한 최근의 연구는 이러한 시도의 대표적 예라고 할 수 있다. 우리가 여러 매체를 통해 매일 접하는 뉴스 역시 대표적인 비정형 데이터 중의 하나이다. 이러한 비정형 텍스트 데이터를 분석하는 오피니언 마이닝 또는 감성 분석은 제품, 서비스, 조직, 이슈, 그리고 이들의 여러 속성에 대한 사람들의 의견, 감성, 평가, 태도, 감정 등을 분석하는 일련의 과정을 의미한다. 이러한 오피니언 마이닝을 다루는 많은 연구는, 각 어휘별로 긍정/부정의 극성을 규정해 놓은 감성사전을 사용하며, 한 문장 또는 문서에 나타난 어휘들의 극성 분포에 따라 해당 문장 또는 문서의 극성을 산출하는 방식을 채택한다. 하지만 특정 어휘의 극성은 한 가지로 고유하게 정해져 있지 않으며, 분석의 목적에 따라 그 극성이 상이하게 나타날 수도 있다. 본 연구는 특정 어휘의 극성은 한 가지로 고유하게 정해져 있지 않으며, 분석의 목적에 따라 그 극성이 상이하게 나타날 수도 있다는 인식에서 출발한다. 동일한 어휘의 극성이 해석하는 사람의 입장에 따라 또는 분석 목적에 따라 서로 상이하게 해석되는 현상은 지금까지 다루어지지 않은 어려운 이슈로 알려져 있다. 구체적으로는 주가지수의 상승이라는 한정된 주제에 대해 각 관련 어휘가 갖는 극성을 판별하여 주가지수 상승 예측을 위한 감성사전을 구축하고, 이를 기반으로 한 뉴스 분석을 통해 주가지수의 상승을 예측한 결과를 보이고자 한다.

• 벤처창업연구
• /
• 제5권4호
• /
• pp.1-34
• /
• 2010

우리나라 코스닥 시장은 1996년 처음 생긴 이래 상당한 양적 성장은 해왔으나 투자자의 두터운 신뢰를 받지 못하는 실정이다. 건전한 기업을 발굴하여 육성하고 코스닥 시장이 투자자들에게 신뢰를 주기 위해서는 코스닥 상장기업의 정확한 가치평가와 기업 생존 가능성 평가는 매우 중요하지만 코스닥 기업을 대상으로 실패위험을 분석한 논문은 많지 않은 실정이다. 본 연구에서는 코스닥 상장 시 기업의 실패위험 결정요인을 조사하고 이 실패위험이 주가에 반영되는지 분석하였다. 신규상장 시 실패위험 결정요인은 신규상장기업의 특성인 주관등록사와 회계감사인의 명성, 공모가와 공모규모, 기업의 나이 등을 고려하여 분석하였다. 또한 신규상장 시 실패위험이 상장 후 주가성과와 관련되는지 분석하였다. 표본은 코스닥 상장 폐지된 기업 중 인터넷 기업을 제외하고 부실과 관련된 86개 실패 기업과 실패기업과 같은 산업에 속하는 569개 건전기업을 선정하여 연구에 사용하였다. 실패위험 결정요인 분석에는 로짓모형을 이용하였다. 연구결과는 신규상장 시 실패위험 결정요인은 신규상장기업의 특성인 공모규모, 회계감사인의 명성, 기업의 나이 등이 유의한 영향을 주는 것으로 나타났다. 또한 재무레버리지는 실패위험에 유의한 영향을 주는 변수이지만 선행연구에서 유의한 변수로 지적된 기업규모나 수익성 변수는 실패위험에 유의한 영향을 주지 않는 것으로 나타나 신규상장 시 실패위험 분석에서는 신규상장기업의 특성을 반영하는 모형이 유효하다고 볼 수 있다. 신규상장시 실패위험과 상장 후 주가성과와의 관계 분석에서는 유의한 음(-)의 관련성이 나타나 비 인터넷기업의 실패위험이 주가에 반영된다고 해석할 수 있다. 코스닥 신규상장기업의 생존가능성이 낮은 편이며 정부의 각종 지원을 받는 벤처기업이 실패하는 경우 투자자들에게 극심한 손해를 끼칠 수 있고 나아가 경제에 악영향을 미칠 수 있기 때문에 본 연구의 결과는 정부의 규제당국이나 신용분석을 담당하는 실무자에게 상당한 도움이 될 것으로 생각된다.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.26-35
• /
• 2020

미래의 주가를 예측하기 위한 시도는 과거부터 꾸준히 연구되어왔다. 그러나 일반적인 시계열 데이터와 달리 금융 시계열 비정상성(non-stationarity)과 장기 의존성(long-term dependency), 비선형성(non-linearity) 등 예측을 하는 것에 있어서 여러 가지 방해 요인이 존재한다. 또한, 광범위한 데이터의 변수는 기존에 사람이 직접 선택하는 것에 한계가 있으며 모델이 변수를 자동으로 잘 추출할 수 있도록 하여야 한다. 본 논문에서는 비정상성 데이터를 정규화할 수 있는 슬라이딩 타임스텝 정규화(sliding time step normalization) 방법과 LSTM 형태의 오토인코더(AutoEncoder)를 사용하여 모든 변수로부터 압축된 변수로 미래 주가를 예측하는 방법, 기간을 나누어 전이 학습을 하는 이동 전이 학습(moving transfer learning)을 제안한다. 또한, 실험을 통하여 100개의 주요 금융 변수들만을 사용하는 것보다 뉴럴 네트워크를 통해서 가능한 많은 변수를 사용하였을 때 성능이 우수함을 보이며, 슬라이딩 타임스텝 정규화 방법을 사용하여 모든 구간에서 데이터의 비정상성에 대해 정규화를 수행함으로써 성능 향상에 효과적임을 보인다. 이동 전이 학습 방법은 스텝 별 테스트 구간에서 모델의 성능을 평가하고 전이학습을 함으로써 긴 테스트 구간에서 성능 향상에 효과적임을 보인다.

• 경영과정보연구
• /
• 제35권2호
• /
• pp.273-284
• /
• 2016

본 연구는 선물시장의 효율성을 분석하는 것으로 시장의 효율성을 현물시장과 직접 연계시키기 보다는 선물시장에서 거래되는 종목들 간의 동적관련성을 분석하여 효율성의 정도를 파악하고자 하였다. 이를 위해 만기가 상대적으로 긴 차근월물의 베이시스와 최근월물의 베이시스를 비교하여 두 종목의 베이시스 차이가 어떠한 시계열적 연관성이 있는지를 분석하였다. 분석을 위해 2000년 1월부터 2013년 12월까지의 KOSPI200 주가지수선물 및 현물자료를 이용하였다. 먼저, 베이시스 관측치를 비교해 보면, 차근월물이 최근월물보다 베이시스의 평균값과 표준편차가 더 크게 나타나고 있다. 그리고 분석결과에서 최근월물의 t기 베이시스가 (t-1)기의 베이시스에 의해 매우 잘 설명될 수 있음을 보여주고 있다. 주가지수선물시장의 경우 최근월물의 베이시스가 차근월물의 베이시스보다 커지는 경우 다음날의 최근월물의 베이시스가 작아짐으로서 불균형의 크기를 감소시키는 특성을 가지는 것으로 나타났다. 차근월물의 베이시스 또한 동일한 기초자산으로부터 파생되었기 때문으로 분석결과들은 합리적인 것으로 해석되고 있으며, 차근월물의 베이시스 정보가 최근월물의 베이시스 및 기초자산인 현물수익률에 대한 예측에 이용 가능함을 보여주고 있다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.143-159
• /
• 2017

급속한 IT의 발전으로 인해 개인정보뿐만 아니라 기업이 보유하고 있는 핵심 기술 및 정보에 대한 유출 위협이 중요한 이슈로 인식되고 있다. 기업에게 있어서 보유하고 있는 핵심 기술은 기업의 생존 및 지속적으로 경쟁 우위를 차지하기 위해 매우 중요한 부분이다. 최근 기술 침해 사례가 많이 일어나고 있는데, 기술 유출은 기업에게 있어서 주가하락 등의 막대한 재무적인 손실을 가져올 뿐만 아니라, 기업의 신뢰에 손상을 입게 되고, 기업의 발전을 지연시키게 되는 악영향을 미치게 된다. 특히, 대기업에 비해 핵심기술이 기업 내 중요한 많은 부분을 차지하는 중소기업에 있어서 기술 유출에 대한 대비는 기업의 존립에 있어서 필수적인 요소로 볼 수 있다. 이처럼 정보 보안 관리의 필요성과 중요성이 대두되면서 기업 입장에서 조기에 기술 침해 위협에 대해 확인하고 대비할 필요가 있다. 본 연구에서는 기술 유출에 영향을 미치는 요인들을 탐색하는 실증 분석을 수행하고, 인공지능 알고리즘을 통해 기술유출 조기경보시스템을 개발하고자 한다. 구체적으로 본 연구에서는 중소기업이 보유한 기술 유출에 영향을 미치는 요인들을 로지스틱 회귀분석을 통해 확인해보고, 통계분석을 통해 검증된 요인들을 기반으로 인공지능 여러 기법들 중 하나인 Support Vector Machine을 활용하여 기술침해 가능성을 조기에 알려주는 모형을 개발하였다. 본 연구에서 제안하는 기술 유출 가능성에 대한 조기 경보 모형을 통해 기업 및 정부 관점에서 기술 유출을 미리 예방할 수 있는 기회를 제공할 수 있을 것으로 기대된다.