자산가격의 비대칭적 변동을 설명하기 위해 최근 비대칭적 점프확산 모형이 제안되었다. 본 논문에서는 이러한 자산가격 모형을 분석하는데 사용되는 효율적인 베이지안 방법을 제안한다. 본 논문에서 제안되는 방법은 모형 요소가 쉽게 추출되는 편의성을 희생하지 않으면서도 조건부 분포들간의 함수적 비호환성을 통해 효율성을 향상시킬 수 있는 부분붕괴 깁스 샘플러를 고안함으로써 개발되었다. 제안된 방법은 모의실험 자료에 적용되어 그 효율성을 검증하였고 1980년 9월부터 2014년 8월까지 관찰된 일별 S&P 500 자료에 적용되었다.
Purpose: First, this paper suggests an alternative approach to find optimal portfolio (stocks, bonds and ESG stocks) under the maximizing utility of investors. Second, we include ESG stocks in our optimal portfolio, and compare improvement of welfares in the case with and without ESG stocks in portfolio. Methods: Our main method of analysis follows Brennan et al(2002), designed under the continuous time framework. We assume that the dynamics of stock price follow the Geometric Brownian Motion (GBM) while the short rate have the Vasicek model. For the utility function of investors, we use the Power Utility Function, which commonly used in financial studies. The optimal portfolio and welfares are derived in the partial equilibrium. The parameters are estimated by using Kalman filter and ordinary least square method. Results: During the overall analysis period, the portfolio including ESG, did not show clear welfare improvement. In 2017, it has slightly exceeded this benchmark 1, showing the possibility of improvement, but the ESG stocks we selected have not strongly shown statistically significant welfare improvement results. This paper showed that the factors affecting optimal asset allocation and welfare improvement were different each other. We also found that the proportion of optimal asset allocation was affected by factors such as asset return, volatility, and inverse correlation between stocks and bonds, similar to traditional financial theory. Conclusion: The portfolio with ESG investment did not show significant results in welfare improvement is due to that 1) the KRX ESG Leaders 150 selected in our study is an index based on ESG integrated scores, which are designed to affect stability rather than profitability. And 2) Korea has a short history of ESG investment. During the limited analysis period, the performance of stock-related assets was inferior to bond assets at the time of the interest rate drop.
변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.
본 논문은 서울 강남 3개구(강남구, 서초구, 송파구)의 아파트시장을 재건축대상과 재건축대상외(外)아파트로 구분하고 자본자산가격결정모형(Capital Asset Pricing Model, CAPM)을 활용하여 아파트시장의 위험과 수익 간의 관계를 분석하고자 한다. 이를 통해 서울 강남 재건축 아파트 자산의 의사금융자산(quasi-financial asset)화 경향허의 한 단면을 보여 주고자 한다. 단일 CAPM 모형 결과는 위험과 수익 간의 관계가 정(+)이라는 것을 보여주고 있다. 또한 시장요인 이외에 SMB(small minus big), 모멘텀(momentum), 비체계적 위험 변수들을 반영한 다변량 CAPM 모형 결과에 따르면, 시장요인과 SMB는 일반아파트와 재건축대상 아파트시장 모두에서 수익률에 대해 정(+)의 효과를 미치고 있다. 비체계적 위험변수는 재건축대상 아파트시장에서 통계적으로 유의하지만, 모멘텀 변수는 회귀모형에 따라 상이한 결과가 나타났다. 평형규모와 가격변동성 또는 베타값을 이용한 포트폴리오 분석도 위험-수익 간의 강한 정(+)의 선형 관계와 SMB 효과가 나타나고 있음을 확인하여 주고 있다. 이처럼 서울 강남 3개구 아파트시장, 특히 재건축 예정 아파트시장에는 주택자산의 투자재적 성격이 더욱더 부각되고 있다.
본 논문은 호주 금융시장의 두 가지 시계열(ASX200 주가지수와 AUD/USD 환율)의 수익률 자료에 존재할 수 있는 장기기억 변동성 특성을 모형화하는 데 skewed Student-t 분포가 유용한지를 연구한다. 이러한 연구목적을 위하여 FIGARCH 및 FIAPARCH Value-at-Risk (VaR) 모형을 교란항에 대한 정규분포, Student-t 분포 및 치우친 Student-t 분포 가정하에서 평가한다. 실증분석 결과 skewed Student-t 분포 모형이 정규분포 모형이나 Student-t 분포 모형보다 호주 금융시장의 VaR을 더 정확하게 추정한다는 발견하였다. 따라서 자산 수익률 분포의 왜도 및 첨도를 고려하는 것은 호주 주식시장과 외환시장의 장기기억 변동성 모형을 검토할 때 적절한 모형선택 기준을 제공한다는 것을 알 수 있다.
본 논문은 투자수익성을 극대화 할 수 있는 건화물선 운항기업의 해운투자 의사결정 모델을 제시하는 것이 핵심 내용이다. 얼마전 우리나라 4위 해운기업인 대한 해운(주)가 법정 관리를 신청해 큰 충격을 주었는데, 그 이유를 살펴보면 전적으로 투자 의사결정이 잘못된 데 기인한다. 즉 대한해운(주)는 해운 경기가 피크에 이른 2007, 8년도에 집중적으로 산물선을 장기용선 방식의 투자확충 의사결정을 내렸으나, 2009, 10년도에 부정기선 운임지수가 거의 1/10 수준으로 폭락하여 막대한 손실을 보아 결국 자금압박으로 회사가 부도 상태에 이르게 되었다. 이러한 문제는 지난 1980년대 초에도 발생된 바 있으나 여전히 반복되고 있다는 사실이 안타깝다. 따라서 본 논문은 해운 경기가 호황에 있을 때 오히려 일정 선박을 매각하고 필요한 선복량은 단기 용선하여 향후의 경기변동 상황에 대처하도록 하는 의사결정을 말한다. 즉, 해운 경기가 불황국면에 있을 때는 조선경기도 하락 하는 만큼 저가로 선박을 매수 또는 발주하고 서서히 해운 경기가 회복되고 본격적인 상승기에 역시 선가도 급격히 상승하는 시점에 일정 비율의 보유선박을 매각 처분하여 선박 매매차익을 실현하고 다시 경기가 하강한 시점에서 선박을 재매입하는 순환적인 투자 의사결정 모델이 건화물선 해운기업의 수익성 제고에 크게 기여할 수 있다고 본다. 이때 고객서비스 유지를 위해 필요한 선복량은 단기 용선으로 대체하여 가급적 선박 보유 비중을 낮추는 의사결정이 매우 중요한데, 이러한 전략적 투자의사결정 모델은 자본집약적 산업인 해운기업의 재무위험과 영업위험을 모두 낮출 수 있게 된다는 것이 논문의 핵심이다.
Real option valuation considers the managerial flexibility to make ongoing decisions regarding implementation of investment projects and deployment of real assets. The appeal of the framework is natural given the high degree of uncertainty that firms face in their technology investment decisions. This paper suggests an algorithm for estimating volatility of logarithmic cash flow returns of real asset based on Monte Carlo simulation. This research uses a binomial model to obtain point estimate of real option value with embedded expansion option case and provides also an array of numerical results to show the interval estimation of option value using Monte Carlo simulation.
본 연구는 투자자의 거래행태를 민감하게 반영하는 비트코인(BTC) 시장 자료를 이용한 실증분석을 통해 COVID-19 팬데믹이 발생하기 전과 후에 변동성과 거래량의 비선형 관계가 바뀌었다는 흥미로운 사실을 발견하였다. 즉, COVID-19 팬데믹 이전의 안정적 시장 상태에서는 정보 유입 패러다임에 근거한 이론처럼 두 변수의 관계가 양(+)으로 나타났지만 COVID-19 팬데믹 기간에 발생한 극단적 시장 스트레스 상태에서는 두 변수의 의존관계 구조가 달라지고 심지어 음(-)의 관계가 나타났다. 이는 행태경제학적 관점에서 COVID-19 팬데믹 기간의 시장 스트레스 증가가 투자자의 거래 행태(behavior)를 변화시켜 자산시장에 구조변화를 일으켰으며, 변동성과 거래량의 비선형 의존관계(특히, 극단적 분위수(quantiles)의 의존성)에 중대한 영향을 미친 결과라고 추론해 볼 수 있다. 따라서 정보 유입 외에 시장 스트레스로 인한 행태적 편의나 군집행동(herding)과 같은 심리현상이 두 변수의 의존관계 구조를 변화시키는 주요인이 될 수 있다는 전제하에 이를 검정해보았다. 본 연구는 실증분석을 위해 Ross (2015)의 구조변화 탐지 검정을 수행하였으며, 독립적이고 동일하게 분포하는(i.i.d.) 임의변수 가정 없이 비선형 관계구조와 분포 꼬리 부분의 비대칭적 의존관계를 면밀히 파악할 수 있는 Copula 회귀분위수(CRQ) 접근법을 제안하였다.
The Journal of Asian Finance, Economics and Business
/
제8권9호
/
pp.45-52
/
2021
Stock price fluctuations affect investor returns, particularly, in this pandemic situation that has triggered stock market shocks. As a result of this situation, investors prefer to move their money into a safer portfolio. Therefore, in this study, we approach an efficient portfolio model using smart beta and combining others to obtain a fast method to predict investment stock returns. Smart beta is a method to selects stocks that will enter a portfolio quickly and concisely by considering the level of return and risk that has been set according to the ability of investors. A smart beta portfolio is efficient because it tracks with an underlying index and is optimized using the same techniques that active portfolio managers utilize. Using the logistic regression method and the data of 100 low volatility stocks listed on the Indonesia stock exchange from 2009-2019, an efficient portfolio model was made. It can be concluded that an efficient portfolio is formed by a group of stocks that are aggressive and actively traded to produce optimal returns at a certain level of risk in the long-term period. And also, the portfolio selection model generated using the smart beta, beta, alpha, and stock variants is a simple and fast model in predicting the rate of return with an adjusted risk level so that investors can anticipate risks and minimize errors in stock selection.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.