• 디지털융복합연구
• /
• 제14권6호
• /
• pp.157-165
• /
• 2016

본 연구의 목적은 해운실물경기 지수가 국내 해운선사 주가에 미치는 영향을 분석하는 것이다. 분석에 사용된 변수는 한국 H회사의 주가와 해운실물경기 지수인 BDI(Baltic Dry Index), CCFI(China Containerized Freight Index), HRCI(Howe Robinson Containership Index)다. 분석기간은 2012년부터 2015년이며, 해운선사 주가지수, BDI, CCFI, HRCI의 4년간의 주간 데이터를 활용하였다. VAR 모형을 이용하여 CCFI와 HRCI가 국내해운선사의 주가지수에 미치는 영향을 분석하였고, VECM 모형을이용하여 BDI가 국내해운선사의 주가지수에 미치는 영향을 분석하였다. VAR 모형 분석결과, CCFI, HRCI는 주가지수에 부(-)의 영향을 미치는 것으로 분석되었으며, VECM 모형 분석결과, BDI는 주가지수에 부(-)의 영향을 미치는 것으로 나타났다. 해운실물경기지수에 부의(-) 영향을 받은 국내 해운선사는 해운실물경기지수에 부의(-) 영향을 받은 국내 해운선사는 해운시황에 적절한 대응을 하지 못한 것을 의미한다. 따라서 국내 해운기업은 중장기적인 모니터링을 통해 해운시황에 대처하는 전략이 필요하다.

• 응용통계연구
• /
• 제21권5호
• /
• pp.755-763
• /
• 2008

This paper approaches the problem of option pricing in an incomplete market, where the underlying asset price process follows a compound Poisson model. We assume that the price process follows a compound Poisson model under an equivalent martingale measure and it converges weakly to the Black-Scholes model. First, we express the option price as the expectation of the discounted payoff and expand it at the Black-Scholes price to obtain a pricing formula with three unknown parameters. Then we estimate those parameters using the market option data. This method can use the option data on the same stock with different expiration dates and different strike prices.

• Journal of the Korean Data and Information Science Society
• /
• 제18권3호
• /
• pp.697-704
• /
• 2007

It is common in financial time series that volatility(conditional variance) as a measure of risk exhibits asymmetry in such a manner that positive and negative values of return rates of the series tend to provide different contributions to the volatility. We are concerned with asymmetric conditional variances for Korean financial time series especially during the time span of 2000-2001. Notice that these periods suffer from 9-11 disaster in US and collapses of stock prices of dot-companies in Korea. Threshold-ARCH models are considered and a Wald test of asymmetry is suggested. News impact curves are illustrated for graphical representations of leverage effects inherent in various Korean financial time series.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1557-1567
• /
• 2014

In this paper, I propose a general hypothesis that after the enactment of the Sarbanes-Oxley Act (SOA) financial statements convey more accurate and reliable corporate information to investors who in turn reflect such improvements in stock prices and test four practical hypotheses that simultaneously feature the degree of information asymmetry, forecast bias, and investor reaction to biased earnings information. The empirical results unanimously suggest that the post-SOA investors take advantage of the improvement in informational efficiency and accuracy and actively adjust for analyst forecast bias in earnings forecasts. The SOA indeed appears to achieve its primary goal of investor protection.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• Communications for Statistical Applications and Methods
• /
• 제27권4호
• /
• pp.487-500
• /
• 2020

Insurers face increasing demands for cyber liability; entailed in part by a variety of new forms of risk of data breaches. As data breach occurrences develop, our understanding of the volatility in data breach counts has also become important as well as its expected occurrences. Volatility clustering, the tendency of large changes in a random variable to cluster together in time, are frequently observed in many financial asset prices, asset returns, and it is questioned whether the volatility of data breach occurrences are also clustered in time. We now present volatility analysis based on INGARCH models, i.e., integer-valued generalized autoregressive conditional heteroskedasticity time series model for frequency counts due to data breaches. Using the INGARCH(1, 1) model with data breach samples, we show evidence of temporal volatility clustering for data breaches. In addition, we present that the firms' volatilities are correlated between some they belong to and that such a clustering effect remains even after excluding the effect of financial covariates such as the VIX and the stock return of S&P500 that have their own volatility clustering.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권4호
• /
• pp.369-377
• /
• 2007

히스토그램은 원본 데이타를 효과적으로 요약하는 기법중의 하나이며, 선택도 측정과 근사 질의 처리 등에 널리 사용되고 있다. 기존의 히스토그램 구축 알고리즘들은 하나의 값으로 표현되는 점 데이타에 대하여 적용 가능한 알고리즘이었다. 그러나 일상생활에서는 하루 동안의 온도, 주식 가격과 같은 구간 데이타들도 점 데이터만큼 흔하게 접할 수 있다. 본 논문에서는 점 데이타에 대한 히스토그램 구축 알고리즘을 구간 데이타에 대하여 확장한다. 합성 데이타를 사용한 실험을 통하여 기존의 점 데이타에 대한 히스토그램을 초보적으로 확장하는 방법보다 본 논문에서 제시된 알고리즘의 성능이 좋다는 것을 보였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.1075-1081
• /
• 2016

The big data analysis has received much attention from the researchers working in various fields because the big data has a great potential in detecting or predicting future events such as epidemic outbreaks and changes in stock prices. Reflecting the current popularity of big data analysis, many authors have proposed methods tracking influenza epidemics based on internet-based information. The recently proposed 'autoregressive model using Google (ARGO) model' (Yang et al., 2015) is one of those influenza tracking models that harness search queries from Google as well as the reports from the Centers for Disease Control (CDC), and appears to outperform the existing method such as 'Google Flu Trends (GFT)'. Although the ARGO predicts well the outbreaks of influenza, this study demonstrates that a classical seasonal autoregressive integrated moving average (SARIMA) model can outperform the ARGO. The SARIMA model incorporates more accurate seasonality of the past influenza activities and takes less input variables into account. Our findings show that the SARIMA model is a functional tool for monitoring influenza epidemics.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.359-364
• /
• 2021

최근 인공지능의 딥러닝과 머신러닝을 이용한 예측시스템에 관한 연구가 활발히 진행되고 있다. 인공지능의 발전으로 인해 투자관리자의 역할을 인공지능을 대신하고 있으며, 투자관리자보다 높은 수익률로 인해 점차 인공지능으로 거래를 하는 알고리즘 거래가 보편화하고 있다. 알고리즘 매매는 인간의 감정을 배제하고 조건에 따라 기계적으로 매매를 진행하기 때문에 장기적으로 접근했을 때 인간의 매매 수익률보다 높게 나온다. 인공지능의 딥러닝 기법은 과거의 시계열 데이터를 학습하고 미래를 예측하여 인간처럼 학습하게 되고, 변화하는 전략에 대응할 수 있어 활용도가 증가하고 있다. 특히 LSTM기법은 과거의 데이터 일부를 기억하거나 잊어버리는 형태로 최근의 데이터의 비중으로 높여 미래 예측에 사용하고 있다. 최근 facebook에서 개발한 인공지능 알고리즘인 fbprophet은 높은 예측 정확도를 자랑하며 주가나 암호화폐 시세 예측에 사용되고 있다. 따라서 본 연구는 fbprophet을 활용하여 실제 값과 차이를 분석하고 정확한 예측을 위한 조건들을 제시하여 암호화폐 자동매매를 하기 위한 새로운 알고리즘을 제공하여 건전한 투자 문화를 정착시키는 데 이바지하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.23-30
• /
• 2022

딥러닝은 주가 및 농산물 가격 예측과 같이 데이터를 분석해 일련의 규칙을 발견하고 미래를 예상해 우리의 삶에서 다양한 도움을 주고 있다. 본 연구는 태양광 에너지 사용의 중요성이 늘어나는 상황에서 기상에 따른 태양광 발전 실적을 딥러닝을 통해 분석하고 발전량을 예측한다. 본 연구에서는 시계열 데이터 예측에서 두각을 나타내고 있는 LSTM(Long Short Term Memory network)을 사용한 모델을 제안하며 이미지를 비롯한 다양한 차원의 데이터를 분석할 때 사용되는 CNN(Convolutional Neural Network)과 두 모델을 결합한 CNN-LSTM과의 성능을 비교한다. 세 가지 모델의 성능은 태양광 발전 실적의 실제값과 딥러닝을 통해 예측한 값으로 MSE, RMSE, 결정계수를 계산하여 비교하였고 그 결과 LSTM 모델의 성능이 가장 우수한 것으로 나타났다. 따라서 본 연구는 LSTM을 사용한 태양광 발전량 예측을 제안한다.