• 지구물리와물리탐사
• /
• 제1권1호
• /
• pp.25-30
• /
• 1998

공동충전 효과를 검증하기 위하여 실시한 시차 공대공 탄성파 탐사자료로부터 지하공동 부존 지역에서 충전 전과 후에 매질의 탄성파 전파속도의 변화를 확인하였다. 시차 공대공 탄성파 탐사자료에 나타난 반응과 시추조사 결과에 의하면 본 지역의 공동은 규모가 극히 소규모이거나 또는 폐석 등으로 충전된 것으로 보인다. 공동충진 효과는 토모그래피로부터 도출된 속도단면상의 탄성파 속도의 증가량을 분석함으로써 평가하였다. 시추공용 에어건을 진원으로 24-채널 하이드로폰을 수진기로 하여 자료를 취득하였다. 취득한 자료에는 무시할 수 없을 정도의 source statics를 확인할 수 있었다. 본 논문에서 제시한 보정방법은 2단계로; 1) 불규칙한 발파시점에 의한 영향 보정과 2) 잔여 정보정으로 이는 진원의 부정확한 위치에 대한 정보정이다. 본 논문에서는 고주파수 성분의 수치잡음이 억제되고 관심대상 부분에서 비교적 고분해능 영상을 도출할 수 있는 다단계 역산 방안을 제시하였다. 일반적으로 최소자승 주시토모그래피로는 평활화된 속도 영상을 얻을 수 있다. 따라서 이러한 역산으로는 비교적 소규모의 구간에서 발생한 적은 속도변화를 영상화하기에는 어려운 면이 있다. 본 논문에서는 속도모델의 파라메터를 변화시킨 2단계 제어 역산법으로 도출한 시차 토모그램으로부터 채굴 영향대에서 발생한 매질의 속도변화를 시각화 할 수 있었다. 2단계 역산법은 1-단계에서는 적정한 크기의 균일 격자로 구성된 모델을 사용하여 토모그램을 작성하고 이 토모그램에 2차원 중위수 필터를 적용하여 대략적인 속도구조 모델을 작성한다. 2-단계 역산시는 1-단계에서 작성한 속도모델을 수정하여 초기 모델로 한다. 모델 수정은 관심대상 부분만을 작은 크기의 균일격자로 재구성하는 것이다. 기준조사 토모그램을 2차 조사자료 역산의 초기 속도모델로 사용하였다. 속도변화는 공동대 부근에서만 예상되므로 그 이외 부분의 속도는 기준 토모그램과 동일하게 고정시키고 역산을 수행하였다.

• 산업식품공학
• /
• 제14권3호
• /
• pp.208-216
• /
• 2010

유산균을 고농도로 배양하기 위하여 $CaCO_3$를 각각 15% 와 20%씩 첨가하여 직경이 서로 다른 $CaCO_3$-alginate beads를 제조한 후, lactic acid에 대한 $CaCO_3$-alginate beads의 반응 특성과 완충효과를 관찰하였으며, lactic acid에 대하여 완충작용이 있는 $CaCO_3$-alginate beads를 이용하여 S. thermophilus ST-Body 1과 L. amylovorus DU-21을 고농도 배양하여 직접투입식 starter를 제조하였다. 본 연구에서 제조된 $CaCO_3$-alginate beads는 $CaCO_3$, alginate 함량 및 수분 함유율이 beads에 일정하게 고루 분포되어 있으며, 일정한 밀도를 갖는 입자임을 알 수 있었다. 또한 lactic acid에 대한 beads의 반응은 표면으로부터 일어나기 시작하여 내부로 진행됨을 확인하였으며, $CaCO_3$-alginate beads 양의 증가는 결국 lactic acid와 반응할 수 있는 $CaCO_3$ 표면적의 증가를 가져오게 되며, 단위시간당 lactic acid와 반응하는 $CaCO_3$의 상대적 증가를 가져오기 때문에 $CaCO_3$-alginate beads 양의 증가는 lactic acid 용액 내부의 중화작용의 증가를 가져온다는 것을 확인하였다. 즉, $CaCO_3$-alginate beads의 직경이 작을수록, 내부의 $CaCO_3$ 함량이 높을수록, 단위 부피당 넓은 표면적과 높은 중화작용을 가지므로 $CaCO_3$-alginate beads를 pH neutralizer로 이용하여 유산균을 배양할 경우에는 $CaCO_3$ 함량이 높고 직경이 작은 $CaCO_3$-alginate beads의 이용이 유산균 배양에 효과적임을 알 수 있었다. $CaCO_3$-alginate beads를 이용한 유산균의 고농도 배양시, pH와 생균수와의 상관성과 선형관계를 단순회귀분석법(simple regression)을 이용하여 최소자승추정량(least square estimator; LSE)을 구하여 검증한 결과, 각 X의 회귀계수의 값은 통계적으로 유의한 결과(p<0.05, p<0.01)를 보였다. 또한 $R^2$ 값은 S. thermophilus ST-Body 1와 L. amylovorus DU-21의 경우, $CaCO_3$-alginate beads 무첨가구와 첨가구에서 각각 0.6310, 0.7505, 0.7452, 0.7609이였다. 이는 pH가 균 증식에 다소나마 영향을 주는 것을 나타낸다. 고농도로 배양된 S. thermophilus ST-Body 1과 L. amylovorus DU-21 균주를 이용하여 직접투입식 starter를 제조한 결과, 동결건조 보호제로 15% glycerol을 이용하였을 때 각각 91.96${\pm}$1.35%와 89.09${\pm}$4.49%의 생존율을 보였다. 본 연구에서 확립된 기법은 probiotics 조제나 정장제 조제방법에 있어서도 공히 적용 가능하므로 미생물 세포의 이용기법으로 그 생존율과 발효에 연관되는 기능보존과 수반되는 여러 분야에 적용한다는 면에서 산업적으로 중요하다고 사료된다.

• 한국해안·해양공학회논문집
• /
• 제31권3호
• /
• pp.115-128
• /
• 2019

본 논문에서는 공정별 해상작업 가능 기간의 합리적 산출이 가능한 확률모형이 제시된다. 확률모형을 유도하기 위해, 먼저 JMA(Japan Meterological Agency)와 NOAA(National Oceanic and Atmospheric Administration)의 해상풍 자료와 SWAN에 기초하여 2003년 1월 1일부터 2017년 12월 31일까지 한 시간 간격으로 울산 전면 해역에서의 유의 파고와 첨두 주기를 역추산 하였다. 이어 모의된 유의파고 시계열 자료로부터 최소 자승법을 활용하여 장기 유의파고 확률분포를 도출하였으며, 해석결과 그 동안 선호되던 삼 변량 Weibull 분포보다는 수정 Glukhovskiy 분포 계열에서 일치도가 가장 우월하였다. 보다 정확한 확률모형의 개발 가능성을 검토하기 위해 Borgman 선회적분을 활용하여 역 추산 단위 간격인 한 시간 내에서 출현하는 개별 파랑이 고려된 파고분포도 함께 유도하였다. 수정 Glukhovskiy 분포의 모수는 $A_p=15.92$, $H_p=4.374m$, ${\kappa}_p=1.824$로 드러났으며 해상작업 한계 파고가 $H_S=1.5m$인 경우 작업가능일 수는 319일로 모의되었다. 이와 더불어 확률모형의 검증자료를 얻기 위해 파고가 해상 준설작업 한계 파고로 기 보고된 바 있는 $H_S=1.5m$(Lee, 1991)를 상회하여 지속되는 시간을 유의파고 시계열 자료를 파별분석(wave by wave analysis)하여 산출하였다. 산출결과 2003년부터 2017년까지의 평균 지속기간은 45.5일로 확률모형으로부터 산출된 기간에 상당히 근접하였다.

• 한국해안·해양공학회논문집
• /
• 제31권3호
• /
• pp.158-169
• /
• 2019

추계학적 확률과정의 하나인 감마 확률과정을 이용하여 구조물의 잔류유효수명을 확률론적으로 예측할 수 있는 수학적 모형을 수립하였다. 수립된 모형은 과거부터 현재 시점까지 관측된 피해자료와 관련된 표본의 불확실성과 장래 시간 진행에 따른 누적피해의 불확실성을 올바로 고려할 수 있다. 또한 최소자승법과 모멘트법을 함께 사용하여 경사제의 재령, 운용환경 그리고 피해이력을 고려할 수 있는 모수 추정법을 제시하였다. 먼저 현재 재령의 단일 피해 자료를 갖는 임의의 조건에서 모수에 대한 민감도 분석을 수행하여, 잔류유효수명과 관련된 여러가지 거동 특성들을 분석하였다. 또한 잔류유효수명 예측모형을 경사제에 적용하였다. 경사제 피복재의 피해 이력에 대한 실험자료를 이용하여 감마 확률과정의 모수를 추정하였는데 실험자료와 매우 잘 일치하였다. 해석 결과에 의하면 현재 시점으로부터 상당히 오랜 시간이 경과하면 파괴한계를 초과할 확률이 일정한 값으로 수렴해야 하는 제약 조건을 잘 만족하였다. 한편 기대 잔류유효수명은 피해 이력의 거동 특성에 따라 각기 다르게 산정되었다. 특히 피해의 변동계수가 크면 추계학적으로 산정된 기대 잔류유효수명은 결정론적 회기모형의 해석 결과와 큰 차이를 보인다. 이는 해석과정에 포함된 불확실성의 영향으로 판단된다. 변동계수가 크면 파괴한계에 도달하는 시간의 분포가 넓게 퍼지기 때문이다. 따라서 본 연구에서 수립된 추계학적 잔류유효수명 예측모형은 현재 재령에서 경사제의 피해에 대한 확률적 평가를 수행할 수 있을 뿐만 아니라 장래 시간의 진행에 따른 누적피해의 불확실성을 올바로 고려할 수 있다.

• 대한화학회지
• /
• 제37권2호
• /
• pp.191-198
• /
• 1993

$Cd^{2+}$ 이온으로 이온 교환된 제올라이트 A를 $750^{\circ}C$에서 $2{\times}10^{-6}$ torr의 진공하에서 탈수한 구조(a = 12.204(1) $\AA$)와 이 결정에 $250^{\circ}C$에서 12시간도안 약 0.1 torr의 Cs 증기로 반응시킨 구조 (12.279(1) $\AA$)를 $21^{\circ}C$에서 입방공간군 Pm3m를 사용하여 단결정 X-선 회절법으로 해석하고 정밀화하였다. 탈수한 $Cd_{6-}A$의 구조는 Full-matrix 최소자승법 정밀화 계산에서 I > $3{\sigma}(I)$인 151개의 독립반사를 사용하여 최종 오차인자를 $R_1=$ 0.081, $R_2=$ 0.091까지 정밀화 계산하였고, 이 결정을 세슘 증기로 반응시킨 구조는 82개의 독립반사를 사용하여 $R_1=$ 0.095 and $R_2=$ 0.089까지 각각 정밀화시켰다. 탈수한 $Cd_{6-}A$의 구조에서는 단위세포당 6개의 $Cd^{2+}$ 이온은 O(3)의 (111) 평면에서 소다라이트 동공쪽으로 약 $0.460\AA$ 들어간 자리에 위치하였다(Cd-O(3) = 2.18(2) $\AA$ and O(3)-Cd-O(3) = $115.7(4)^{\circ}$ 또 약 0.1 torr의 Cs 증기를 써서 $250^{\circ}C$에서 반응시킨 결정에서는 탈수한 $Cd_{6-}A$의 6개의 $Cd^{2+}$ 이온은 모두 Cs 증기에 의해 환원되고 세슘은 4개의 다른 결정학적 자리에 위치하였다. 3개의 $Cs^+$ 이온은 $D_{4h}$의 대칭을 가지고 8-링의 중심에 위치하였다. 단위세포당 약 9개의 $Cs^+$ 이온은 3회 회전축상에 위치하였다. 그 중 약 7개의 $Cs^+$ 이온은 큰 동공내의 3회 회전축상의 6-링에 위치하고 2개의 $Cs^+$ 이온은 소다라이트 동공내에 존재한다. 0.5개의 $Cs^+$ 이온은 큰 동공의 4-링과 마주보는 위치에 위치한다. 이 구조에서 제올라이트 골조의 음하전을 상쇄시키는데 필요한 단위세포당 12개의 $Cs^+$ 이온보다 많은 약 12.5개의 Cs 종이 존재한다. 즉 $Cs^0$가 흡착되었음을 알 수 있다. 또 관측한 점유수에서 두 종류의 단위 세포 배열 즉 $Cs_{12}-A$와 $Cs_{13}-A$가 존재함을 알 수 있다. 단위세포의 약 50%는 2개의 $Cs^+$ 이온이 소다라이트 동공내에서 6-링 가까이에 존재하고 6개의 $Cs^+$ 이온은 큰 동공내에서 6-링 가까이에 위치한다. 1개의 $Cs^+$ 이온은 큰 동공내에서 4-링과 마주보는 위치에 있다. 단위세포의 나머지 50%는 소다라이트 동공내에 2개의 Cs종이 위치하고 큰 동공내에 있는 8개의 $Cs^+$ 이온 중 2개의 $Cs^+$ 이온과 결합하여 선형의 $(Cs_4)^{3+}$ 클라스터를 형성하고 있다. 이 클라스터는 3회 회전축상에 놓여있고 소다라이트 동공 중심을 지나가고 있다. 모든 단위세포는 3개의 $Cs^+$ 이온이 D4h의 대칭을 가지고 8-링 중심에 위치하고 있다.

• 농업과학연구
• /
• 제8권1호
• /
• pp.72-81
• /
• 1981

본(本) 시험(試驗)은 한우(韓牛) 암소에 Holstein종(種) 수소를 교배(交配)하여 생산(生産)된 1대(代) 잡종(雜種)의 발육능력(發育能力)과 필유능력(泌乳能力)을 구명(究明)하기 위하여 1973년(年)부터 1978년(年)까지, 6개년간(個年間)에 걸쳐 농촌진흥청(農村振興廳) 축산(畜産) 시험장(試險場)에서 생산사육(生産飼育)된 한우(韓牛) 빈우(牝牛)15두(頭)와 Holstein 교잡종(交雜種) 빈우(牝牛) 11두(頭)를 대상(對象)으로 실시(實施)하였다. 체중(體重)은 생시(生時)부터 36개월령(個月令)까지, 체형(體型)은 6개월령(個月令)부터 36개월령(個月令)까지, 그리고 필유능력(泌乳能力)은 분만후(分晩後) 11일(日)부터 180일(日)까지 조사(調査)하였다. 교배조합(交配組合), 분만년도(分晩年度), 분만계절(分晩季節) 및 산차(産次) 효과(效果)를 추정(推定)하기 위하여, Harvey의 최소(最少) 자승법(自乘法)을 이용(利用)하였으며, 그 분석(分析)한 결과(結果)는 다음과 같다. 1. 한우순종(韓牛純種)은 Holstein교잡종(交雜種)에 비(比)하여 각(各) 월령별(月令別)로 체중(體重)이 가벼웠으며 생시(生時), 6개월령(個月令), 12개월령(個月令), 24개월령(個月令) 및 36개월령(個月令)에서 한우순종(韓牛純種)의 체중(體重)은 각각(各各) 22.45kg, 132.82kg, 220.68kg, 363.54kg 및 365.54kg인데 대(對)하여 Holstein교잡종(交雜種)의 체중(體重)은 각각(各各) 28.09kg, 146.64kg, 254.48kg, 392.04kg 및 454.46kg이었다. 2. 체중(體重)에 미치는 분만년도(分晩年度)의 효과(效果)는 생시(生時)를 제외(除外)하고 육성기(育成期)의 발육(發育)에 많은 영향(影響)을 미쳤으며, 분만계절(分晩季節)은 생시(生時)부터 6개월령(個月令)까지는 영향(影響)을 미치지 못하였으나, 가을과 봄에 출생(出生)한 송아지가 여름과 겨울에 출생(出生)한 송아지보다 더 무거운 경향(傾向)을 보였다. 3. 산차(産次)의 효과(效果)는 각(各) 월령별(月令別)로 고도(高度)의 유의성(有意性)을 보였으며, 5 산차(産次)의 송아지가 다른 산차(産次)의 송아지보다 각(各) 월령(月令)에서 더 무거운 체중(體重)을 나타내는 경향(傾向)이었다. 4. 체위(體位)에 대(對)한 교배조합(交配組合)의 효과(效果)는 24개월령(個月令)에 체고(體高), 십자부고(十字部高), 흉심(胸深), 흉위(胸圍), 요각폭(腰角幅)에서 유의성(有意性)을 나타냈으나 분만년도(分晩年度), 분만계절(分晩季節) 및 산차(産次)는 대부분 체부위(體部位) 발육(發育)에 영향(影響)을 미치지 못하였다. 5. 필유량(泌乳量)에 대(對)한 교배조합(交配組合)의 효과(效果)는 각(各) 월령(月令)에 걸쳐 고도(高度)의 유의성(有意性)이 인정(認定)되었으며, 분만년도(分晩年度), 분만계절(分晩季節)은 영향(影響)을 미치지 못하였고, 산차(産次)는 분만후(分晩後) 11~30일간(日間)에서만 유의성(有意性)을 보였다. 6. 한우순종(韓牛純種)의 일일평균(一日平均) 필유량(泌乳量)은 3.6kg, Holstein 교잡종(交雜種)은 8.26kg 이었다.

• 한국식품영양과학회지
• /
• 제43권3호
• /
• pp.425-430
• /
• 2014

식품의 3대 영양소인 탄수화물, 단백질 및 지방의 일반적인 분석 방법은 Kjeldahl 및 Soxhlet 시험법과 같은 기존의 화학 분석 방법으로 분석하였다. 그러나 이러한 분석 방법은 시료의 전처리 과정이 필요하고 많은 비용과 분석 시간이 소모되며 복잡한 추출과정을 거친다는 단점이 있다. 따라서 본 연구에서는 국내 유통 식품 및 농산물 자원에 함유된 탄수화물, 단백질 및 지방의 함량을 근적외 분광분석법(near-infrared reflectance spectroscopy, NIRS)으로 신속하고 정확하게 동시에 측정할 수 있는 방법을 검토하였다. 분석시료는 517종의 다양한 식품 시료를 예측모델 개발용(calibration set) 412종과 예견치 분석용(validation set) 162종으로 구분하여 사용하였다. 기존의 화학 분석 방법에 의해 측정된 성분들의 분석 결과와 근적외 스펙트럼 데이터간의 상관관계를 조사하여 각 성분별 예측모델을 검토하였으며, 변형부분최소자승법(MPLS) 및 다양한 수처리와 산란보정을 이용한 결과, 탄수화물, 단백질 및 지방의 산란방식은 각각 weighted MSC, standard MSC 및 SNV only로 수처리는 각각 1차 미분(1st derivative, 4 nm gap, 5 points smoothing, 1 point second smoothing), 2차 미분(2, 5, 5, 3) 및 1차 미분(1, 1, 1, 1)을 적용하여 예측모델을 검토한 결과 $R^2$값이 0.971, 0.974 및 0.937로 높고 SEC값은 4.066, 1.080 및 1.890으로 낮은 최적의 예측모델을 개발하였다. 세 성분의 최적 예측모델에 의한 상관도와 잔차 히스토그램을 검토한 결과 세 성분 모두 근적외 분광분석법 예측모델로 적합함을 확인할 수 있었으며, 최적의 예측모델을 미지의 식품 시료 162종에 적용한 결과, 탄수화물, 단백질 및 지방의 $r^2$(SEP)값은 0.987(2.515), 0.970(1.144) 및 0.947(1.370)로 $r^2$값은 높으며 SEP값은 낮은 양호한 양상을 나타내었다. 그러나 지방의 결정계수($R^2$, $r^2$)값은 탄수화물, 단백질에 비해 다소 낮은 양상을 나타내므로 추후 식품 검체에 적용 시 탄수화물 및 단백질 성분에 비해 예측결과의 정확성이 다소 낮을 수 있다고 판단되어진다. 이상의 결과에서 전처리 단계에서 복잡한 추출과정, 많은 비용소모, 분석시간 및 고도의 분석기술을 요하는 기존 습식 화학분석 방법의 단점을 보완하고자 검토되었던 근적외 분광분석법은 다량의 식품분석 시료를 분석하기에는 매우 효율적이라고 생각되며, 이런 점들을 고려해 보면 근적외 분광분석 예측모델들은 추후에 미지 식품시료에 함유된 탄수화물, 단백질 및 지방의 기존 분석법을 대체하여 편리하고 빠르게 함량을 예측 가능할 것으로 판단된다.

• 대한화학회지
• /
• 제40권6호
• /
• pp.427-435
• /
• 1996

$Ca^{2+}$ 이온과 $Cs^+$ 이온으로 치환되고 완전히 탈수된 제올라이트 X, $Ca_{35}Cs_{22}Si_{100}Al_{92}O_{384}$($Ca_{35}Cs_{22}$-X; a=25.071(1) $\AA)와Ca_{29}Cs_{34}Si_{100}Al_{92}O_{384}$($Ca_{29}Cs_{34}$-X; a=24.949(1) $\AA)$의 두 개의 결정 구조를 $21^{\circ}C$에서 입방공간군 Fd3을 사용하여 단결정 X-선 회절법으로 해석하고 구조를 정밀화하였다. 탈수한 $Ca_{35}Cs_{22}$-X의 구조를 Full-matrix 최소자승법 정밀화 계산에서 $I>3\sigma(I)$인 322개의 독립 반사를 사용하여 최종 오차 인자를 $R_1$=0.051, $R_2$=0.044까지 정밀화 계산하였고, 탈수한 $Ca_{35}Cs_{22}$-X의 구조는 260개의 독립 반사를 사용하여 $R_1$=0.058, $R_2$=0.055까지 정밀화시켰다. 이들 구조에서 $Ca^{2+}$ 이온과 $Cs^+$ 이온은 서로 다른 5개의 결정학적 자리에 위치하고 있다. 탈수한 $Ca_{35}Cs_{22}$-X 구조에서는 16개의 $Ca^{2+}$ 이온은 D6R의 중심, 자리 I에 모두 채워져 있다(Ca-O=2.41(1) $\AA$, $O-Ca-O=93.4(3)^{\circ}).$ 다른 19개의 $Ca^{2+}$ 이온은 자리 II에 (Ca-O=2.29(1) $\AA$, $O-Ca-O=118.7(4)^{\circ})$, 10개의 $Cs^+$ 이온은 큰 공동에서 6-링 맞은편 II에 채워져 있고, 각각 3개의 산소로 만들어지는 산소 평면으로부터 $1.95\AA$ 들어가 위치하고 $있다(Cs-O=2.99(1)\AA$, $O-Cs-O=82.3(3)^{\circ}).$ 3개의 $Cs^+$ 이온은 산소 평면에서 소다라이트 공동쪽으로 $2.27\AA$ 들어간 자리 II'에서 위치하고 $있다(Cs-O=3.23\AA$, $O-Cs-O=75.2(3)^{\circ}).$ 나머지 9개의 $Cs^+$ 이온은 각각 큰 공동내 2회 회전축을 가지고 있는 48(f) 위치인 자리 III에 통계학적으로 분포하고 $있다(Cs-O=3.25(1)\AA$, Cs-O=3.49(1) $\AA).$ 탈수한 $Ca_{29}Cs_{34}$-X에서 16개의 $Ca^{2+}$ 이온은 자리 I에 채워지고 (Ca-O=2.38(1) $\AA$, $O-Ca-O=94.1(4)^{\circ})$ 13개의 $Ca^{2+}$ 이온은 자리 II에 채워져 있다(Ca-O=2.32(2) $\AA$, $O-Ca-O=119.7(6)^{\circ}).$ 다른 12개의 $Cs^+$ 이온은 자리 II에 채워져 있고, 이들은 산소 평면으로부터 각각 $1.93\AA$ 들어가 위치하고 $있다(Cs-O=3.02(1)\AA$, $O-Cs-O=83.1(4)^{\circ}).$ 7개의 $Cs^+$ 이온은 각각 자리 II'에 위치하고 있고, 산소 평면으로부터 소다라이트 공동으로 $2.22\AA$ 들어가 위치하고 있다(Cs-O=3.21(2) $\AA$, $O-Cs-O=77.2(4)^{\circ}).$ 나머지 16개의 $Cs^+$ 이온은 큰 공동내의 자리 III에 있다(Cs-O=3.11(1) $\AA$, Cs-O=3.46(2) $\AA).Ca^{2+}$ 이온은 자리 I과 자리 II에 우선적으로 위치하고 $Cs^+$ 이온은 너무 커서 자리 I에 채워질 수 없으며 나머지 자리에 채워진다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

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.