• 재무관리연구
• /
• 제10권1호
• /
• pp.249-280
• /
• 1993

보험업자는 보험계약자가 사전에 납부(納付)한 보험료를 사채 주식등의 유가증권에 투자하여 보험본연의 업무에서 보다 더 큰 수익을 얻고 있다. 한편, 보험수요자도 보험을 구입함과 동시에 효율적인 부(富)의 운용을 위해 투자에 참여하는 것이 일반적이다. 이런 관점에서 본 논문은 전통적인 보험수요모형 에 채권과 수익에의 투자결정을 내재화(內在化)함으로써 투자수익이 고려된 균형보험료의 재무경제학적인 의미(意味)를 규명하고 전통적인 보험이론을 수정 보완하는데 그 의의가 있다. 본 논문에서 논의된 결과를 요약해 보면 다음과 같다. 균형보험료는 담보위험의 보험계리적 현상(現像)인 순보험료와 보험계약자가 위험회피성향에 의해 추가적으로 부담하는 부가보험료와의 합으로 구성됨을 보였다. 여기서, 부가보험료는 명백히 투자소득의 함수로 나타나는데, 이 결과는 투자에 대한 기회비용이 수요와 공급에 의거한 합리적 보험요율에 영향을 주는 근본 요인임을 보여준다. 아울러, 보험수요자의 주식시장에의 참여가 최적보험수준에 미치는 영향을 Arrow-Pratt의 위험회피척도를 사용하여 분석하였다. 그러나 보다 일반적인 분석에서 투자위험이 담보위험과 동시적으로 존재하는 분석모형의 경우 Arrow-Pratt의 위험회피척도는 충분한 역할을 하지 못한다. 본고에서는 Ross에 의해 개발된 강력한 위험회피척도를 도입하여, 보험계약자의 최적보험과 최적포트폴리오에 미치는 위험회피심도(深度)의 효과 및 부(富)의 효과를 도출하였다. 최근 보험산업환경은 금융산업 전반의 국제화, 자유화 및 개방화 조류를 타고 급변하고 있다. 소비자는 보험가격의 적정성에 대한 요구를 증대시키고 있으며 감독당국은 보험 상품의 가격자유화를 시급한 현안 문제로 검토하고 있다. 본 논문의 연구결과는 경쟁에 의해 균형보험요율의 합리적 수준이 유지되기 위해서는 요율산정과정에 투자소득이 필수적으로 반영되어야 함을 지적하고 있다.모두에 있어서 수술 후 유의한 감소를 확인할 수 있었다(p<0.01). 대동맥 판막 크기에 따른 판막 전후의 압력차에 관한 분석에서는 19 mm와 21 mm의 판막을 사용한 경우가 그보다 큰 판막을 사용한 경우에 비하여 유의하게 큰 것을 확인할 수 있었다(p<0.001, p<0.001). 결론: 10년간의 사용결과 ATS 인공판막은 우수한 혈역학적 결과와 함께 낮은 판막과 관련된 합병증의 빈도를 나타내었다. ATS 기계 판막은 임상적으로 비교적 안전하게 사용할 수 있는 판막이라고 생각된다.다.미숙밭, 중점밭, 고원밭, 화산회밭으로 6개 유형으로 분류할 경우 각각의 분포면적은 41.9%, 23.3%, 17.5%, 13.9%, 1.1. 2.2% 이었다. 도시화 및 도로확대 등 다양한 토지이용 및 지형개변으로 과거의 토양정보가 많이 변경되었다. 그래서, 앞으로는 인공위성자료 및 항공사진을 이용하여 빠르고 쉽게 활용할 수 있는 토양조사 방법개발과 기 구축된 토양도의 수정, 보완 작업이 필요한 절실히 요구되고 있는 현실이다.브로 출시에 따른 마케팅 및 고객관리와 관련된 시사점을 논의한다.는 교합면에서 2, 3, 4군이 1군에 비해 변연적합도가 높았으며 (p < 0.05), 인접면과 치은면에서는 군간 유의차를 보이지 않았다 이번 연구를 통하여 복합레진을 간헐적 광중합시킴으로써 변연적합도가 향상될 수 있음을 알 수 있었다.시장에 비해 주가가 비교적 안정적인 수준을 유지해 왔다고 볼 수 있다.36.4%)와 외식을 선호(29.1%)${\lrcorner}$ 하기 때문에 패스트푸드를 이용하게 된 것으로 응답 하였으며, 남 여 대학생간에는 유의한 차이(p<0.05)가 인정되었다. 응답자의 체형은 ${\ulcorner}$적당하다${\lrcorner}$고 응답한 경우가 가장 많이 이러한 음식을 즐겨 먹었으며(49.5%),

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.