• 지능정보연구
• /
• 제9권1호
• /
• pp.139-155
• /
• 2003

본 논문은 결합된 의사결정 나무(C4.5)와 신경망기법을 적용함으로써 고객의 신용에 대한 예측을 높이기 위하여 이동통신 고객의 패턴을 분류하고, 분석하는 새로운 방법에 대하여 연구하였다. 의사 결정나무(C4.5)를 형성하여 선택된 결정변수와 함께 규칙을 생성함으로써, 신경망의 입력벡터 값을 정의하는 체계적인 방법을 제시하였다. 고객 관리측면에서 본 논문은 이동 통신 회사의 기존고객을 분류하여 패턴을 분석함으로써 우수한 고객의 지속적인 관리와 이탈 가능성이 많은 고객을 차별 관리하여 기업이익을 증대시킬 수 있을 것이다. 또한 이러한 분류를 통하여 신규 고객에 반영함으로써 고객의 향후 관리에도 기여할 수 있을 것이다. 실제 이동통신 고객데이터를 중심으로 연구의 결과는 예측의 정확도가 기존의 의사결정 트리 모델 (CART, C4.5), 회귀모형, 신경망 접근 방법과 기존에 연구되었던 결합모델(CART ＆ 신경망)보다 훨씬 높게 연구되었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권7호
• /
• pp.520-533
• /
• 2007

CRM(Customer Relationship Management)은 새로운 비즈니스 환경에서 기업의 이익과 경쟁적 우위를 차지할 수 있도록 하는 비즈니스 전략 모델이다. CRM 모델의 고객 응대 기법으로는 인터넷, E-mail, SMS(Short Message Service), 텔레포니 서비스, DM(Direct Mail)이 고객 접근 방법 매체로 이용된다. 최근 기업들의 수익성 모델 향상을 위한 노력으로 기존 고객의 이탈 방지 및 유지, 신규 고객의 가입 및 유지를 통한 비즈니스 모델을 다각화하고 있다. 본 논문은 CRM 채권 센터의 Avaya사의 예측발신시스템(Predictive Dialing System)을 기반으로 하였다. 예측발신시스템 구축 시 인입 콜(Call) 객체 처리를 위한 회선에 비해 대기 상담원이 적을 경우 실시간적 고객응대에 한계가 발생하였다. 기업의 입장에서 충분한 대기 상담원을 준비하지 못하는 이유는 고가의 유지비용 때문인데, 이를 해결하기 위해 본 논문에서는 불필요한 아웃바운드 상담을 줄이고, 과도한 콜백(CallBack) 적재를 감소시키기 위해서 고객 채널 통합을 위한 콜 객체 관리 메커니즘을 제안하고, 설계 구현 하였다. 성능 평가는 제안된 모델과 이전 모델의 실 데이타 값으로 평가 하였다. 제안된 모델은 대형 CRM 센터에서 효율적으로 이용될 것이다.

• 경영정보학연구
• /
• 제9권3호
• /
• pp.99-132
• /
• 2007

전자상거래에서 고객관리가 중요한 이슈로 떠오르면서 CRM에 대한 선행연구가 많이 진행되어왔다. 하지만 대부분 통계기반의 실증연구들이어서 시간의 흐름에 따른 CRM 결과의 동태적 변화를 보여주지 못하며, CRM 전략에 대한 타당성과 미래성과를 예측 할 수 없는 한계점을 가지고 있었다. 따라서 본 연구는 이러한 한계점을 보완하고자, 온라인쇼핑몰의 CRM 구성요소들을 도출하고 이들간의 동태적 변화를 분석하기 위해 시스템다이내믹스기법을 기반으로 한 동태적 모델을 설계하였다. 구체적으로, 온라인쇼핑몰에 초점을 맞추고 퍼미션마케팅 이론에 기반하여 고객을 세분화하였으며, 기대이론 등을 바탕으로 세분화된 고객들에게 서로 다른 수준의 CRM을 적용하여 그에 따른 고객만족도와 불편도의 변화에 대한 명제(Proposition)을 설정하였다. 시뮬레이션 실행 결과, 세분화된 고객별로 CRM의 긍정적 효과로 인한 고객만족 및 유입보다 부정적 효과로 인한 불만족 및 이탈이 더 많은 것으로 나타났으며, 이는 본 연구에서 설정한 명제의 타당성을 검증하고 있다. 위와 같이, 본 연구에서 설계한 동태적 모델은 기존의 기대이론을 바탕으로 한 고객만족도 및 불만족도가 고객유입과 이탈에 미치는 영향에 대한 근거를 제시하였으며, 향후 븐 연구를 기반으로 실제 쇼핑몰사례를 접목시킨 실증 연구가 이루어진다면 현업의 CRM 전략수립에 명확한 기준을 제시할 수 있을 것으로 기대된다.

• 경영정보학연구
• /
• 제23권3호
• /
• pp.159-176
• /
• 2021

기존 연구들은 주로 사용자의 게임 참여 동기나 사회적 욕구에 따른 이탈 요인을 연구하였다. 하지만, 기존 연구들은 게임 참여 동기 관점에서 집중하다 보니, 사용자 불만 사항 개선에 따른 사용자 이탈에 관한 분석은 비교적 적게 이루어져왔다. 게임에 대한 사용자 불만 사항과 그에 따른 게임 품질 개선은 사용자가 게임에 참여하는 요인 중 하나이다. 따라서, 본 연구는 사용자 불만 요인이 사용자 이탈에 미치는 영향을 실증적으로 분석하여 그 관계를 살펴보고자 한다. 본 연구는 최근 유행했던 "PUBG - 배틀그라운드 게임"을 분석하여 제품 품질에 대한 불만 사항 피드백이 얼마나 사용자 이탈에 영향을 주는지 실증적으로 분석 한다. 텍스트 마이닝(Text Mining) 분석을 통해, 사용자들의 품질에 대한 불만요인을 도출하였고, 콕스모델(Cox Model)을 통해 불만 요인에 따른 사용자의 이탈률을 추정하였다. 또한 준실험설계 방법을 통해 실제 불만사항 개선 패치에 따라 사용자 수가 어떻게 변화하는지 살펴봄으로 본 연구 결과를 검증하였다. 분석 결과, 불만 사항 중 게임의 재미와 관련된 요인들이 사용자 이탈에 가장 큰 영향을 주었고, 반면 게임 사용 편의성과 관련된 불만 사항들은 비교적 사용자 이탈에 적은 영향을 준다는 것을 실증적으로 보였다. 본 연구결과에 따르면, 게임 불만 요인 개선에 따라 사용자들의 이탈 정도가 달라질 수 있으며, 이에 따라 게임 사용자 관리를 할 수 있다는 것을 밝혀냈다. 본 연구는 게임 개발 및 운영사 입장에서 사용자들의 불만 사항 개선에 대한 우선 순위를 제공해 줌으로서 실증적인 공헌을 제시한다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.85-91
• /
• 2018

대부분의 은행은 고객 세분화를 위해 성별, 나이, 직업, 주소 등 인구통계정보만을 사용하고 있으나, 이는 고객의 다양한 금융행동 패턴을 반영하지 못하는 단점이 있다. 본 연구에서는 은행 내 다양한 빅데이터를 융합하여 문제점을 해결함과 동시에 향후 많은 은행에서 폭넓게 활용될 수 있는 고객 세분화 방법을 개발하는 것을 목표로 한다. 본 연구에서 제안한 블록을 만들어 이 블록을 클러스터링하는 상향식 방식의 세분화는 기법을 제안한다. 이 방식은 기존의 인구통계정보 뿐만 아니라 다양한 거래패턴, 채널접촉패턴에 기반을 둔 고객의 다양한 금융니즈를 정교하게 반영할 수 있다는 장점이 있다. 세분화를 통해 고객의 금융니즈를 보다 정교하게 반영한 적정 동료그룹을 찾아 이를 기반으로 상품추천, 금융니즈 등급 산출, 고객이탈 예측 등 다양한 마케팅 모델을 개발하여 실제 농협은행 마케팅에 활용할 것이다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 대한수사과학회지
• /
• 제1권2호
• /
• pp.5-19
• /
• 2006

데이터 마이닝은 컴퓨터와 정보처리의 발전으로 각기 다른 차원에서 다량으로 수집되는 데이터 속에서 숨은 의미나 패턴을 발견하는 유용한 기법이다. 의사결정나무, 신경망 모형, 규칙 귀납, K-평균 군집화, 시각화 등의 데이터 마이닝 개별 기법들은 산재해 있는 데이터에서 연관성을 분석하고, 이를 분류함으로써 일반화된 개념을 정의하고, 새로운 지식을 추론함으로써 실제 생활에 적용 가능한 예측을 가능하게 한다. 따라서 현재 데이터 마이닝은 기업의 마케팅 분야, 금융기관의 고객 분석, 통신 회사의 고객 이탈 방지 등에서 유용하게 활용되고 있다. 우리가 접해야 하는 정보의 양이 늘어나는 것은 범죄 수사에 있어서도 마찬가지 현상이다. 범죄와 범죄자에 대한 데이터는 축적되어 가지만 정작 개별 사안에 있어서는 중요한 데이터가 접근조차 되지 않고 있으며, 많은 데이터 속에서 이것이 내포하고 있는 숨은 의미를 지나치게 되는 경우도 많다. 본 연구에서는 선행 연구와 사례 적용을 통해 데이터 마이닝의 범죄 수사 적용 가능성과 한계점을 살펴보고자 하였다. 미제 사건으로 남는 경우가 많은 절도나 사기 같은 습관적 상습 범죄의 경우 데이터 마이닝의 분류, 군집화 기능을 활용 한다면 향후 여죄 추적에 효율적으로 활용될 수 있음을 파악할 수 있었고, 특히 다양한 문제에 적용 가능하고, 잡음에 대한 견고성이 있음에도 예측의 정확성을 지니고 있는 신경망 모형의 경우 패턴 인식을 통하여 범죄자 프로파일링이나 화상 자료 대비 시스템 구축에 충분히 활용될 것으로 생각한다. 특히 보험 사기 사례 적용에서 살펴본 바와 같이 마약, 테러와 같은 조직적 범죄수사나 자금세탁과 같은 금융 추적 수사의 경우 해당 자료의 방대함과 모호성으로 인해 수사를 하는 데 많은 어려움이 있지만 이러한 데이터 마이닝 가시화 기법을 적절히 활용한다면 전체적인 윤곽을 파악하는 데 매우 유용하며, 효율적인 수사가 가능함을 확인할 수 있었다. 그러나 데이터 마이닝은 예측 모델이므로 오류를 내재하고 있다는 점에서 수사 기관의 데이터 마이닝 접근은 조심스러워야 하며, 정보 독점화 현상과 개인 사생활 보호라는 측면에서 각 수사기관은 해당 법률에 정한 범위 내에서 해당 사건별로 데이터를 수집하고 이를 통합, 재구성하여 활용하는 측면으로 적용되어야 할 것이다. 또한 각 수사기관별로는 자신의 보유하고 있는 데이터에 대해 다차원 처리가 가능하도록 데이터베이스 시스템을 구축하여 데이터 마이닝이 적용 가능한 환경을 구축하도록 하여야 할 것이다. 아직은 논의의 초기 단계이므로 효과가 크게 부각되지는 않았지만 지금까지 제시한 문제에 대한 연구가 계속 이루어진다면 인권중심, 증거중심의 수사 개념을 바탕으로 적법절차에 의한 수사 활동을 요구받는 시대에 새로운 대안으로 자리 잡을 것이며, 수사의 과학화에 기여할 것으로 전망한다.

• 재무관리연구
• /
• 제12권2호
• /
• pp.273-298
• /
• 1995

1960년대, 각국의 환율이 미국의 달러화에 연동(pegging)된 고정환율제도를 근간으로 하는 브레튼우즈(Bretton Woods)체제하에서 각국의 중앙은행은 환율을 일정한 범위 내로 유지하기 위한 정책수단으로 외환시장개입을 적극 활용하였다. 1973년 브레튼우즈체제하의 고정환율제도가 붕괴되고 변동환율제도가 채택된 이후에도 각국의 외환시장개입정책은 계속되었다. 1980년대에 레이건 행정부의 재정팽창정책과 미연방준비은행의 긴축통화정책으로 금리의 지속적인 상승과 미달러화의 큰폭의 절상이 이루어 졌다. 이에 국제무역의 위기를 우려한 미국, 독일, 프랑스, 영국, 일본 등 선진 5개국(Group-5, G5)은 1985년 9월 22일 미 달러화의 절하를 위해 외환시장에 공동으로 개입할 것을 주내용으로 한 플라자합의(Plaza Agreement)를 발표하였다. 그후에도 1987년 2월 23일 열린 루브르협정(Louvre Accord, G-6 Communique)에서 환율을 현수준으로 유지시키기 위한 목표환율대(Target zone)를 설정하고 외환시장개입을 통해 이를 유지하기로 합의한 바 있다. 이후의 구미각국은 환율의 관리를 위하여 국가가 공동으로 외환시장에 개입하곤 했다. 본 논문은 1987년 루브르협정 이후 미국, 독일 및 일본의 중앙은행의 외환시장 개입 정책이 소기의 목적을 달성했는지의 여부를 규명해 보고자 한다. 즉, Federal Reserve, Bundesbank 및 Bank of Japan의 외환시장개입이 현물환율시장(spot market)에서 각각의 변동성을 감소 시켰는지의 여부를 독일의 마르크화 및 일본의 엔화를 중심으로 규명해 보고자 한다. 1981년 루브르협정이후, 미국, 독일 및 일본의 중앙은행은 미국 달러화에 대한 마르크 및 엔화의 환율을 안정시키기 위해 꾸준히 외환시장에 개입해 왔다. 외환시장의 개입유형은 크게 태화외환시장개입(non-sterilized intervention)과 불태화외환시장개입(sterilized intervention)으로 구분할 수 있는데, 전자는 외환당국이 민간부문과 외화채권을 거래함으로써 본원통화의 크기가 변하는 개입형태를 의미하는 반면에 후자는 외환당국의 순외화자산의 크기변화가 본원통화의 변화를 초래하지 않는 경우이다. 즉, 불태화외환시장개입은 순외화자산의 증감이 순국내자산의 증감과 반비례해서 이루어지기 때문에 본원통화의 크기에는 변함이 없다. 외환시장개입이란 외환당국이 은행간 시장에서 민간시잔 참가자들과 행하는 적극적인 외환거래를 의미한다. 반면, 넓은 의미에서의 외환시장개입에는 수동적 외환시장개입이라고 불리는 고객거래가 포함된다. 후자의 거래는 국내통화 및 외화표시 자산의 상대적 공급규모를 변화시킨다는 의미에서 전통적외환시장개입과 동일한 효과를 갖기 때문에 광의의 외환시장 개입으로 분류된다. 외환시장의 개입목적은 크게 세 가지로 분류할 수 있다. 첫째, 환율의 안정적 운영이다. 환율수준이 자유롭게 변화되는 변동환율제도하에서 환율의 지나친 변동으로 인한 실물경제로의 부정적인 영향을 최소화하기 위해서 환율의 지나친 변동으로 인한 실물경제로의 부정적인 영향을 최소화하기 위해서 환율의 안정을 정책 목표로 설정하는 경우와 고정환율제도하에서 환율을 일정수준으로 유지시키기 위해서 외환당국이 외환시장에 개입하는 경우가 여기에 해당된다고 볼 수 있다. 둘째, 환율수준의 균형수준으로의 조정이다. 이때 야기될 수 있는 문제점으로는 환율균형 수준을 어떻게 정의, 추정할 것이냐 하는 점과 목표환율정책이 다른 정책목표와 상충될 수 있다는 점이다. 셋째, 외환당국이 공적외환보유액이나 구성을 변화시킬 목적으로 외환시장에 개입하는 경우이다. 이때의 외환시장개입은 현재의 환율수준이 개입으로 인하여 과도하게 이탈하는 문제가 발생하지 않을 것을 전제로 한다. 본고에서는 현물환율에 영향을 미치는 요소로 미국, 독일 및 일본의 중앙은행의 개입효과, 요일효과, 통화의 공급량(M1), 무역적자의 폭, 산업의 생산량, 생산가격지수(PPI), 소비자물가지수(CPI), 실업률, 옵션의 내재적 변동성 등을 고려한다. 환율의 변동성을 추정하는 식은 GARCH 모델이 사용된다. 본 추정모델은 Dominguez(1993)의 확장이다. Dominguez (1993)의 논문은 GARCH 모델을 써서 미국, 독일 및 일본의 중앙은행의 시장개입효과를 분석했으나, 거시변수를 고려대상에서 제외시켰다. 본 논문은 위의 방법에 거시변수를 삽입하고 모델을 변형시켜서 더 확실한 시장개입효과와 거시변수효과를 밝혔다. 또한 옵션의 내제적 변동성을 구하는 과정에서 American option model을 사용하는 대신, Bourtha & Courtadon (1987)등이 밝힌 바와 같이 American style option이라 할지라도, European Model을 쓰면 더욱더 간편하고, 예측력도 American Model에 뒤지지 않음을 이용하여, European Model을 써서 내재적 변동성을 구한 다음 이것을 독립변수로 이용하였다. 본 모델의 추정 결과는 3국의 시장개입정책이 현물환율과 옵션의 내재적 변동성을 증가시켜서 Louvre 협정이후 각국은 시장개입의 목적을 달성하지 못한 것으로 나타났다.