The deviation from put-call parity condition may affect market prices since it provides an opportunity of arbitrage to many participants. This study uses the KOSPI200 index data and examines the interdependence among spot, futures, and options contracts by examining whether the deviations from the parity have significant roles in price formation. Whenever the parity condition is violated, the deviation tends to affect the prices significantly in most markets. The results show that positive values of deviation are associated with the fall of the prices in the spot and put option contracts and the rise of the call option premiums, thus decreasing the deviations. Also, the decreasing impact of deviations lasts for at Beast an hour in most markets. Futures prices, however, do not show clear relations with the deviations, which suggests the possibility that futures markets lead other markets.
본(本) 연구(硏究)는 자본구조이론과 전통적 연구에서 제시된 변수를 통합하고 횡단면(橫斷面) 요인(要因)과 시계열(時系列) 요인(要因)을 결합하여 우리나라의 자본구조결정 요인을 식별할 수 있는 이론적(理論的) 모형(模型)을 제시하여, 또한 제시된 모형을 한국증권시장(韓國證券市場)의 자료(資料)를 이용하여 실증적(實證的)으로 분석(分析)하였다. 그리고 실증적 분석에는 횡단면(橫斷面) 자료(資料)와 시계열(時系列) 자료(資料)를 결합하는 패널자료추정법(資料推定法)을 사용하였다. 본(本) 연구(硏究)에서 제시된 자본구조이론(資本構造理論)과 관련된 결정 요인으로는 기업(企業)의 성장기(成長機)을, 내부주주(內部株主)의 지분율(持分率) 그리고 내부주주수(內部株主數)의 비율 등을, 전통적 횡단면 요인으로는 경영위험(經營危險), 자산구성(資産構成), 수익성(收益性), 기업규모(企業規模) 등을, 그리고 전통적 시계열 요인으로는 법인세율(法人稅率)과 물가수준(物價水準) 등을 제시하였다. 본(本) 연구(硏究)에서 다루는 실증분석기간은 1981년 1월부터 1990년 12월까지의 10년간이었으며, 추출된 표본기업(標本企業)의 수(數)는 104개사이다. 실증적 분석결과, 본(本) 연구(硏究)에서 제시된 설명변수들이 자본구조(資本構造)의 변동(變動)을 49.91%정도 설명하고 있으며 설명변수 중 기업(企業)의 성장기회(成長機會), 내부주주(內部株主)의 지분을, 경영위험(經營危險), 수익성(收益性), 기업규모(企業規模), 물가수준(物價水準) 등은 자본구조의 결정 요인으로 통계적인 의미를 갖는 변수로 밝혀졌으며 회귀계수(回歸係數)의 부호도 기대하였던 바와 일치하고 있다. 질산으로 처리된 것이 컸고 0.75 M과 1.0 M의 질산을 사용했을 때는 작음이 확인되었다. 이상의 실험결과들로부터 친수성인 $NH_4Y$형 제올라이트를 소수성의 것으로 변환시키기 위한 수증기의 온도는 $500^{\circ}C$와 $600^{\circ}C$가, 그리고 질산의 농도는 0.5 M이 적합한 것으로 결론지을 수 있고, 이와 같은 결론은 BET비표면적과 TPV값과 같은 경향을 보인 벤젠과 톨루엔의 흡착용량측정결과로 입증되었다. 탈알루미늄된 제올라이트들의 수분에 대한 Si/Al비와 흡착용량은 각각 높은 농도의 질산으로 처리된 것일수록 증가하고 감소하여 소수성이 증가함을 나타내었다.(不適合性)이 나타났다. 본 연구는 기존의 기대수익률(期待收益率) 위주의 요일효과(曜日效果) 분석에서 주식수익률(株式收益率)의 분산(分散) 즉, 변동성(變動性)에 촛점을 두어 분석하였으며, 이는 투자자의 정확한 위험측정(危險測定)수단의 제공이라는 면에서 의의(意義)가 있을 것으로 생각된다.據金) 운용(運用)에 관한 정책수립시(政策樹立時) 금융선진국(金融先進國)의 증거금(證據金) 정책운용(政策運用)을 통한 시장관리(市場管理) 경험(經驗)을 어느 정도 참고할 수 있음을 시사한다고 할 것이다. 한다. 실증분석결과는 본문의 <표 1>에 제시되어 있으며 그 내용을 간략하게 요약하면 다음과 같다. (A) 실증분석모형 : 본 연구에서는 다기간 자산가격결정모형중에서 대표적인 Lucas (1978)모형을 직접 사용한다. $$1={\beta}\;E_t[\frac{U'(C_{t+1})\;P_t\;s_{t+1}}{U'(C_t)
Proceedings of the Korea Contents Association Conference
/
2019.05a
/
pp.77-78
/
2019
과거에서 지금까지 연예인의 로맨스 루머는 엔터테인먼트 기업의 측면에서 부정적인 요소였으며 이러한 모습은 기사로도 쉽게 접할 수 있다. 이 연구는 익명성 로맨스 루머가 엔터테인먼트 기업의 가치에 미치는 경제적 영향을 사건 연구 방법을 이용해 살펴보았다. 2013년부터 2017년까지 상장된 기업을 중심으로 총 112건의 로맨스 루머를 수집하였고 80건의 비 익명성 루머. 32건의 익명성 루머로 이루어져있다. 해당 엔터테인먼트의 주식 자료가 분석에 이용되었다. 연예인의 로맨스 정보가 유출된 시점 전후의 비정상 수익률 추정을 통해 연예인에 대한 로맨스 루머 언급에 기업의 가치 변화에 미치는 유의성을 실증적으로 검증하였고, 로맨스 루머에 있어서 익명성에 대한 영향이 비익명성의 영향과 차이가 있는지 비교분석을 하였다. 연구 결과 연예인의 로맨스 루머의 언급 및 유출은 해당 엔터테인먼트 기업의 주가 변동에 통계적으로 유의하지 않은 것으로 나타났으며, 추가적으로 연예인의 특성이 엔터테인먼트 기업의 주가에 어떠한 상이한 영향을 미치는지 또한 살펴보았다. 로맨스 루머의 특성은 '성별', '직업'으로 구분하였고, 이에 대한 분석 결과, 특징에 따라 기업의 가치에 큰 영향이 없는 것으로 관찰되었다. 결론적으로 본 연구는 사건연구 방법을 통해 연예인의 익명성 로맨스 루머가 엔터테인먼트 기업의 가치에 미치는 영향을 실제 시장 데이터를 활용하여 실증적으로 분석하였다는 것에 의미가 있다.
Proceedings of the Korea Information Processing Society Conference
/
2022.11a
/
pp.484-486
/
2022
대체 불가능한 토큰을 의미하는 NFT 는 블록 체인 기반 기술 중 하나로 소유권과 거래 이력이 블록 체인에 기록이 된다는 장점을 지녀 미술 작품 거래에도 활발히 활용되고 있다. 하지만 현재 NFT 작품 거래 시장은 주식거래와 같이 회전율과 거래량을 중점으로 투기성이 짙으며, 작품의 섬네일 이미지만으로 거래 의사를 판단하는 경우가 많다는 문제점이 대두되고 있다. 따라서 작품의 다양한 특성에 대한 고려가 함께 이루어질 필요가 있다. 본 논문은 작품의 다양한 변수를 수집하여 최적의 변수 조합을 찾아내고, 이미지 전이 학습과 생성 알고리즘을 활용해 다양한 변수가 가격에 미치는 영향을 알아보고자 했다. 연구 결과 이미지 만을 활용한 가격 예측은 정확도가 높지 않다는 사실을 확인하였고 작품이 가진 여러 특성을 변수로 한 정형 데이터의 가격 예측 정확도가 더 높은 것을 알 수 있었다. 또한 생성 알고리즘을 통해 새로운 특성 조합의 작품들을 만들었고 가격을 수치 예측해보았다. 이를 실제 작가의 작품의 가격과 가격의 변동 추이를 대조해 작가의 작품 판매 가격 평균치 이상인 작품의 특성을 확인할 수 있었다.
Journal of the Korean Data and Information Science Society
/
v.28
no.2
/
pp.251-260
/
2017
The option pricing of Black와 Scholes (1973) and Merton (1973) has been widely reported to fail to reflect the time varying volatility of financial time series in many real applications. For example, Duan (1995) proposed GARCH option pricing method through Monte Carlo simulation. However, financial time series is known to follow a fat-tailed and leptokurtic probability distribution, which is not explained by Duan (1995). In this paper, in order to overcome such defects, we proposed the option pricing method based on GARCH models with normal mixture errors. According to the analysis of KOSPI200 option price data, the option pricing based on GARCH models with normal mixture errors outperformed the option pricing based on GARCH models with normal errors in the unstable period with high volatility.
Proceedings of the Korea Water Resources Association Conference
/
2006.05a
/
pp.1530-1534
/
2006
원격탐사 기법을 이용한 수심측정은 하나 혹은 그 이상의 파장대에서 수심과 반사되는 에너지 사이의 관계를 찾아내는데 달려 있다. 수심 정보를 획득하기 위한 스펙트럼의 최적 파장길이는 다중분광영상(Landsat 7 ETM)의 blue band에 해당하는 약 $0.48{\mu}m$이며, 이 band를 이용하여 연안의 수심을 측량하기도 한다. 하지만 단일밴드에 의해서 측정된 값을 이용한 수심측정은 해저표면에 의한 반사에 심각한 영향을 받을 수 있기 때문에 신뢰할 만한 결과를 얻을 수 없다. 따라서 본 연구에서는 해수와 관련한 여러 가지 변수들을 결정하기 위하여 다량의 실측 데이터를 필요로 하지 않는 선형다중밴드방식을 이용하여 2개의 Landsat 영상으로 태화강 하구의 수심정보를 추출하고 태화강 본류에 대한 수심정보획득과 하상변동에 대한 분석 가능성을 파악하였다. 그 결과 임의로 선정한 표본 50개 지점에 대한 영상분석에 의한 수심값과 해도의 수심값의 잔차 평균이 각각 2.29m, 2.43m로 비교적 큰 잔차를 보였다. 하지만 20m 미만의 수심대의 표본만을 확인한 결과 각각 1.73m, 1.88m로 잔차 평균이 크게 감소하였다. 2000년, 2003년 영상을 비교한 결과, 1번 2번 3번 지역에서 평균적으로 약 1.838m정도 2003년 수심이 감소한 것으로 나타났다. 본 연구에서 20m 미만의 수심 측량은 낮은 해상도의 위성영상이라도 실제 수심과 근접하고 있는 것으로 판단 할 수 있었다. 이것으로 넓은 지역을 경제적으로 수심자료를 획득할 수 있는 위성영상분석을 이용한 수심측정은 활용성이 있는 것으로 나타났다. 하지만 해저표면의 형태와 해수면의 상태 등 수심측정에 미치는 영향에 관한 실측데이터에 대한 자료수집과 분석이 선행된다면 더욱 좋은 결과를 도출할 수 있을 것으로 판단된다.A}$는 최대암모니아 섭취률을 이용하여 구한 결과 $0.65d^{-1}$로 나타났다.EX>$60%{\sim}87%$가 수심 10m 이내에 분포하였고, 녹조강과 남조강이 우점하는 하절기에는 5m 이내에 주로 분포하였다. 취수탑 지점의 수심이 연중 $25{\sim}35m$를 유지하는 H호의 경우 간헐식 폭기장치를 가동하는 기간은 물론 그 외 기간에도 취수구의 심도를 표층 10m 이하로 유지 할 경우 전체 조류 유입량을 60% 이상 저감할 수 있을 것으로 조사되었다.심볼 및 색채 디자인 등의 작업이 수반되어야 하며, 이들을 고려한 인터넷용 GIS기본도를 신규 제작한다. 상습침수지구와 관련된 각종 GIS데이타와 각 기관이 보유하고 있는 공공정보 가운데 공간정보와 연계되어야 하는 자료를 인터넷 GIS를 이용하여 효율적으로 관리하기 위해서는 단계별 구축전략이 필요하다. 따라서 본 논문에서는 인터넷 GIS를 이용하여 상습침수구역관련 정보를 검색, 처리 및 분석할 수 있는 상습침수 구역 종합정보화 시스템을 구축토록 하였다.N, 항목에서 보 상류가 높게 나타났으나, 철거되지 않은 검전보나 안양대교보에 비해 그 차이가 크지 않은 것으로 나타났다.의 기상변화가 자발성 기흉 발생에 영향을 미친다고 추론할 수 있었다. 향후 본 연구에서 추론된 기상변화와 기흉 발생과의 인과관계를 확인하고 좀 더 구체화하기 위한 연구가 필요할 것이다.게 이루어질 수 있을 것으로 기대된다.는 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
Btcoin has made a big progress through anonymity, decentralized authority, sharing economy, multi-ledger book-keeping, block-technology and the convenient financial vehicle. Bitcoin has the characteristics of mining and supply by decentralized suppliers, limited supply quantity and the partial money-like function as well as gold. The paper studies the hedge and safe-haven of Bitcoin and gold on daily frequency data over the period of July 20, 2010-Dec. 27, 2017 employing Asymmetric Vector GARCH. It finds that gold has the hedge and safe-haven against inflation and capital markets while Bitcoin has the weak hedge and the weak safe-haven. It shows insignificant effects of inflations of US and Korea on the volatilities of Bitcoin and gold. It also suggests the necessity of clearing of vagueness behind the anonymity for fair and transparent trade through the law application in the absence or fault in law (Lucken im Recht). following the spirit of the living constitution (lebendige gutes Recht oder Vorschrift). The relevant institutions are hoped to be given some of obligations such as registration, minimum required capital. report, disclosure, explanation, compliance and governance with autonomous corresponding rights. The study also suggests the reestablishment of the relevant financial law and taxation law. The hedge would not be successfully accomplished without the vigilant cautions of investors.
KOSPI200 index is the Korean stock price index consisting of actively traded 200 stocks in the Korean stock market. Its base value of 100 was set on January 3, 1990. The Korea Exchange (KRX) developed derivatives markets on the KOSPI200 index. KOSPI200 index futures market, introduced in 1996, has become one of the most actively traded indexes markets in the world. Traders can make profit by entering a long position on the KOSPI200 index futures contract if the KOSPI200 index will rise in the future. Likewise, they can make profit by entering a short position if the KOSPI200 index will decline in the future. Basically, KOSPI200 index futures trading is a short-term zero-sum game and therefore most futures traders are using technical indicators. Advanced traders make stable profits by using system trading technique, also known as algorithm trading. Algorithm trading uses computer programs for receiving real-time stock market data, analyzing stock price movements with various technical indicators and automatically entering trading orders such as timing, price or quantity of the order without any human intervention. Recent studies have shown the usefulness of artificial intelligent systems in forecasting stock prices or investment risk. KOSPI200 index data is numerical time-series data which is a sequence of data points measured at successive uniform time intervals such as minute, day, week or month. KOSPI200 index futures traders use technical analysis to find out some patterns on the time-series chart. Although there are many technical indicators, their results indicate the market states among bull, bear and flat. Most strategies based on technical analysis are divided into trend following strategy and non-trend following strategy. Both strategies decide the market states based on the patterns of the KOSPI200 index time-series data. This goes well with Markov model (MM). Everybody knows that the next price is upper or lower than the last price or similar to the last price, and knows that the next price is influenced by the last price. However, nobody knows the exact status of the next price whether it goes up or down or flat. So, hidden Markov model (HMM) is better fitted than MM. HMM is divided into discrete HMM (DHMM) and continuous HMM (CHMM). The only difference between DHMM and CHMM is in their representation of state probabilities. DHMM uses discrete probability density function and CHMM uses continuous probability density function such as Gaussian Mixture Model. KOSPI200 index values are real number and these follow a continuous probability density function, so CHMM is proper than DHMM for the KOSPI200 index. In this paper, we present an artificial intelligent trading system based on CHMM for the KOSPI200 index futures system traders. Traders have experienced on technical trading for the KOSPI200 index futures market ever since the introduction of the KOSPI200 index futures market. They have applied many strategies to make profit in trading the KOSPI200 index futures. Some strategies are based on technical indicators such as moving averages or stochastics, and others are based on candlestick patterns such as three outside up, three outside down, harami or doji star. We show a trading system of moving average cross strategy based on CHMM, and we compare it to a traditional algorithmic trading system. We set the parameter values of moving averages at common values used by market practitioners. Empirical results are presented to compare the simulation performance with the traditional algorithmic trading system using long-term daily KOSPI200 index data of more than 20 years. Our suggested trading system shows higher trading performance than naive system trading.
In this paper, we analyzed how oil price fluctuations affect stock price by industry using the non-parametric quantile causality test method. We used weekly data of WTI spot price, KOSPI index, and 22 industrial stock indices from January 1998 to April 2021. The empirical results show that the effect of changes in oil prices on the KOSPI index was not significant, which can be attributed to mixed responses of diverse stock prices in several industries included in the KOSPI index. Looking at the stock price response to oil price by industry, the 9 of 18 industries, including Cloth, Paper, and Medicine show a causality with oil prices, while 9 industries, including Food, Chemical, and Non-metal do not show a causal relationship. Four industries including Medicine and Communication (0.45~0.85), Cloth (0.15~0.45), and Construction (0.5~0.6) show causality with oil prices more than three quantiles consecutively. However, the quantiles in which causality appeared were different for each industry. From the result, we find that the effects of oil price on the stock prices differ significantly by industry, and even in one industry, and the response to oil price changes is different depending on the market situation. This suggests that the government's macroeconomic policies, such as industrial and employment policies, should be performed in consideration of the differences in the effects of oil price fluctuations by industry and market conditions. It also shows that investors have to rebalance their portfolio by industry when oil prices fluctuate.
Artificial intelligences are changing world. Financial market is also not an exception. Robo-Advisor is actively being developed, making up the weakness of traditional asset allocation methods and replacing the parts that are difficult for the traditional methods. It makes automated investment decisions with artificial intelligence algorithms and is used with various asset allocation models such as mean-variance model, Black-Litterman model and risk parity model. Risk parity model is a typical risk-based asset allocation model which is focused on the volatility of assets. It avoids investment risk structurally. So it has stability in the management of large size fund and it has been widely used in financial field. XGBoost model is a parallel tree-boosting method. It is an optimized gradient boosting model designed to be highly efficient and flexible. It not only makes billions of examples in limited memory environments but is also very fast to learn compared to traditional boosting methods. It is frequently used in various fields of data analysis and has a lot of advantages. So in this study, we propose a new asset allocation model that combines risk parity model and XGBoost machine learning model. This model uses XGBoost to predict the risk of assets and applies the predictive risk to the process of covariance estimation. There are estimated errors between the estimation period and the actual investment period because the optimized asset allocation model estimates the proportion of investments based on historical data. these estimated errors adversely affect the optimized portfolio performance. This study aims to improve the stability and portfolio performance of the model by predicting the volatility of the next investment period and reducing estimated errors of optimized asset allocation model. As a result, it narrows the gap between theory and practice and proposes a more advanced asset allocation model. In this study, we used the Korean stock market price data for a total of 17 years from 2003 to 2019 for the empirical test of the suggested model. The data sets are specifically composed of energy, finance, IT, industrial, material, telecommunication, utility, consumer, health care and staple sectors. We accumulated the value of prediction using moving-window method by 1,000 in-sample and 20 out-of-sample, so we produced a total of 154 rebalancing back-testing results. We analyzed portfolio performance in terms of cumulative rate of return and got a lot of sample data because of long period results. Comparing with traditional risk parity model, this experiment recorded improvements in both cumulative yield and reduction of estimated errors. The total cumulative return is 45.748%, about 5% higher than that of risk parity model and also the estimated errors are reduced in 9 out of 10 industry sectors. The reduction of estimated errors increases stability of the model and makes it easy to apply in practical investment. The results of the experiment showed improvement of portfolio performance by reducing the estimated errors of the optimized asset allocation model. Many financial models and asset allocation models are limited in practical investment because of the most fundamental question of whether the past characteristics of assets will continue into the future in the changing financial market. However, this study not only takes advantage of traditional asset allocation models, but also supplements the limitations of traditional methods and increases stability by predicting the risks of assets with the latest algorithm. There are various studies on parametric estimation methods to reduce the estimated errors in the portfolio optimization. We also suggested a new method to reduce estimated errors in optimized asset allocation model using machine learning. So this study is meaningful in that it proposes an advanced artificial intelligence asset allocation model for the fast-developing financial markets.
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.