• The Korean Journal of Financial Management
• /
• v.23 no.1
• /
• pp.1-47
• /
• 2006

This study investigated the effect of tender-offer on the value of the firms in Korea. For this purpose, the study applied an event study methodology to 55 cases(bidding firm : 26, target firm : 39) of tender-offer and 164 cases(bidding firm : 144, target firm : 20) of merger announcements made between January 1st, 1994 and September 30th 2004. We found the following results. For tender-offer announcements, there was a significant increase in target firm's value while there was no significant change in bidding firm's value. In contrast, for merger announcements, there was a significant increase in bidding firm's value while there was no significant change in target firm's value. In addition, the synergy effect of tender-offer was higher than that of merger. The results support the Berkovitch and Khanna(1991)'s prediction that bidding firms choose tender-offer rather than merger in the presence of higher synergy profit from M&A.

• The Korean Journal of Financial Studies
• /
• v.6 no.1
• /
• pp.23-45
• /
• 2000

기존연구에 의하면 무상증자의 공시는 공시기간 중 정(+)의 가격효과를 초래하는 것으로 나타나고 있다. 무상증자에 대한 이러한 시장의 호의적인 반응을 설명하기 위해 여러 가설이 제기되어 왔으며, 그 중 무상증자는 좋은 내부정보를 외부에 신빙성 있게 전달하는 신호기제가 될 수 있다는 신호가설이 특히 지지를 받고 있다. 그런데 짧은 공시기간 중의 정(+)의 주가반응만을 보고 신호가설이 지지된다고 단정짓는데는 무리가 있다. 본 연구에서는 과연 신호가설이 주장하는 것처럼 무상증자가 사업기회의 확대, 미래현금흐름의 증대, 추후 차입여력의 증대를 가져오는가를 더 면밀히 검증하기 위하여 무상증자 실시기업의 장기성과를 조사하였다. 본 연구의 특징은 (1)공시기간 이후의 1년 이내의 기간에 중점을 둔 대부분의 기존연구와 달리 증자 후 36개월간의 장기성과를 측정하였으며, (2)주가수익률 자료와 회계자료를 동시에 이용하여 장기성과를 조사하였고, (3)장기 초과수익률 측정과 검증에 있어 통계적 오류가 있는 누적초과수익률(CAR)을 보완하기 위해 매입보유초과수익률(BHAR)을 사용했으며, 이를 위해 엄격한 기준을 적용하여 표본기업과 비교기업을 선정하였다는 데 있다. 실증분석 결과 신호가설을 지지하는 증거는 발견하지 못하였으며 오히려 무상증자 실시기업이 시장평균 또는 비교기업인 비증자기업에 비해 장기적으로 주가수익률 및 영업성과에 있어 저성과를 보이는 증거를 상당 수 발견하였다. 구체적으로 동일가중평균수익률로 조정한 보유기간 초과수익률의 경우 증자 후 1개월에서 24개윌까지의 BHAR이 5% 미만 수준에서 부(-)의 값을 보였으며, 비모수통계치를 사용할 경우 $1{\sim}36$개월까지의 전기간에서 유의한 부(-)의 저성과를 보이고 있다. 또한 영업성과면에서도 증자기업이 비증자기업에 비해 증자 후 수익성과 현금흐름이 저조하게 나타나고 있다.해 현물시장의 수익률, 변동성이 높은 것으로 나타났으나, 변경후에는 현물시장에 비해 선물시장의 수익률 변동성이 높은 것으로 나타났다. VAR 분석에 의하면 변경후가 변경전에 비하여 선물이 현물을 선도하는 시차가 다소 커진 것으로 나타나 현물시장과 선물시장이 동시에 가격제한폭 확대후에 비효율적으로 되었다는 의미로 판단된다.기간에서는 선물의 15분 선도효과와 현물의 1분 선도효과가 발견되어 선물의 선도효과가 지배적임을 발견하였다.적 일정하게 하는 소비행동을 목표로 삼고 소비와 투자에 대한 의사결정을 내리고 있음이 실증분석을 통하여 밝혀졌다. 투자자들은 무위험 자산과 위험성 자산을 동시에 고려하여 포트폴리오를 구성하는 투자활동을 행동에 옮기고 있다.서, Loser포트폴리오를 매수보유하는 반전거래전략이 Winner포트폴리오를 매수보유하는 계속거래전략보다 적합한 전략임을 알 수 있었다. 다섯째, Loser포트폴리오와 Winner포트폴리오를 각각 투자대상종목으로써 매수보유한 반전거래전략과 계속거래 전략에 대한 유용성을 비교검증한 Loser포트폴리오와 Winner포트폴리오 각각의 1개월 평균초과수익률에 의하면, 반전거래전략의 Loser포트폴리오가 계속거래전략의 Winner포트폴리오보다 약 5배정도의 높은 1개월 평균초과수익률을 실현하였고, 반전거래전략의 유용성을 충분히 발휘하기 위하여 장단기의 투자기간을 설정할 경우에 6개월에서 36개월로 이동함에 따라 6개월부터 24개월까지는 초과수익률이 상승하지만, 이후로는 감소하므로, 반전거래전략을 활용하는 경우 주식투자기간은 24개월이하의 중단기가 적합함을 발견하였다. 이상의 행태적 측면과 투자성과측면의 실증결과를 통하여 한국주식시장에 있어서 시장수익률을 평균적으로 초과할 수 있는 거래전략은 존재하므로 이러한 전략을 개발 및 활용할 수 있으며, 특히, 한국주식시장에 적합한 거래전략은 반전거래전략이고, 이 전략의 유용성은

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.335-338
• /
• 2012

유전 알고리즘 (Genetic Algorithm)은 기존의 알고리즘 개발방법을 통하여 해결하기 어려운 최적화 등의 문제를 해결하기 위한 자연계의 진화과정을 모방한 방법이다. 본 연구에서는 유전 알고리즘을 이용하여 KOSPI 200에서 거래되고 있는 증권의 매수/매도 종목을 추천하는 방법을 제시한다. 이를 위하여 기술적 분석 (Technical Analysis) 방법 중에서 Slow Stochastic 지표와 MACD 지표를 이용하여, 매일매일 두 지표가 나타내는 매매 신호를 기반으로 해당하는 각각의 종목에 대해 최근 가장 좋은 수익률을 나타내는 매수/매도 종목을 추천하는 방법을 구현한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1336-1339
• /
• 2013

SCTR(StockCharts Technical Ranks)는 주식시장의 주가 상승 강도를 기술적 분석(Technical Analysis)의 6가지 지표에 따라 점수화하여 순위로 나타낸 것이다. 본고에서는 SCTR을 이용하여 국내 주가지수에서 거래되는 증권의 매수 및 매도를 추천하는 시스템을 제시한다. 매수 및 매도의 추천은 유전 알고리즘에 의하여 매매의 신호를 잘 반영하는 SCTR Oscillator 값을 적용한다. 이를 위하여 SCTR을 산출하고, 유전 알고리즘으로 모의투자 하여 구한 상한선과 하한선을 기준으로 주가의 추세를 분석하여 종목을 추천하는 시스템을 구현한다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.247-250
• /
• 2000

주가는 시계일 데이터의 일종으로 많은 변수들이 주가의 변동에 영향을 미친다. 그러나 몇 개의 어떠한 변수가, 어떻게 영향을 미치는 지 정확히 알려져 있지 않다. 그렇기 때문에 주가를 예측하는 것은 쉽지 않으며 단지 등락을 예측하는 것 조차도 쉽지 않다. 본 논문에서는 주가를 신호와 잡음이 혼합된 것으로 가정하고 그 특성을 고려하여, 전 종목에 대한 등락을 예측하지 않고, 예측율이 높은 종목을 선정하는 것을 목표로 하였다. MLP를 BP로 학습시켰으면 입력으로는 28개의 주가분석 지표값이 사용되었다. 여러 예측 기간으로 실험하였으며, 예측기간이 60일일 때 77.1%의 예측율을 보였고 선정된 종목의 등락 예측율은 88%였다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.8
• /
• pp.59-66
• /
• 2023

The Golden Cross is commonly seen as a buy signal in financial markets, but its reliability for predicting stock price movements is limited due to market volatility. This paper introduces a time-invariant approach that considers the Golden Cross as a singular event. Utilizing LSTM neural networks, we forecast significant stock price changes following a Golden Cross occurrence. By comparing our approach with traditional time series analysis and using a confusion matrix for classification, we demonstrate its effectiveness in predicting post-event stock price trends. To conclude, this study proposes a model with a precision of 83%. By utilizing the model, investors can alleviate potential losses, rather than making buy decisions under all circumstances following a Golden Cross event.

• The KIPS Transactions:PartB
• /
• v.11B no.2
• /
• pp.207-212
• /
• 2004

This paper presents a reinforcement learning framework for stock trading systems. Trading system parameters are optimized by Q-learning algorithm and neural networks are adopted for value approximation. In this framework, cooperative multiple agents are used to efficiently integrate global trend prediction and local trading strategy for obtaining better trading performance. Agents Communicate With Others Sharing training episodes and learned policies, while keeping the overall scheme of conventional Q-learning. Experimental results on KOSPI 200 show that a trading system based on the proposed framework outperforms the market average and makes appreciable profits. Furthermore, in view of risk management, the system is superior to a system trained by supervised learning.

• Journal of Intelligence and Information Systems
• /
• v.16 no.1
• /
• pp.71-92
• /
• 2010

As the use of trading systems increases recently, many researchers are interested in developing intelligent trading systems using artificial intelligence techniques. However, most prior studies on trading systems have common limitations. First, they just adopted several technical indicators based on stock indices as independent variables although there are a variety of variables that can be used as independent variables for predicting the market. In addition, most of them focus on developing a model that predicts the direction of the stock market indices rather than one that can generate trading signals for maximizing returns. Thus, in this study, we propose a novel intelligent trading system that mitigates these limitations. It is designed to use both the technical indicators and the other non-price variables on the market. Also, it adopts 'two-threshold mechanism' so that it can transform the outcome of the stock market prediction model based on support vector machines to the trading decision signals like buy, sell or hold. To validate the usefulness of the proposed system, we applied it to the real world data-the KOSPI200 index from May 2004 to December 2009. As a result, we found that the proposed system outperformed other comparative models from the perspective of 'rate of return'.