• 벤처창업연구
• /
• 제16권4호
• /
• pp.167-178
• /
• 2021

본 연구는 중소기업의 개성공단 및 베트남에 대한 직접투자 결정요인을 분석하고, 향후 북한 비핵화에 따른 남북경협 활성화시 대북투자 경험이 없는 베트남 투자업체 중 대북투자 의향이 있는지, 있다면 그 이유가 무엇인지, 대북투자 경험이 있는 개성공단 입주업체와 비교 분석하여 해외기업의 개성공단 및 북한 경제특구 유치로 U턴시켜 국내 일자리 창출 및 남북경제 활성화에 기여하는데 그 목적이 있다. 분석결과 개성공단 및 베트남 투자기업의 대부분은 값싼 노동력 활용, 저렴한 공장입지, 현지시장 판매·개척, 제3국 우회수출 생산기지 등의 목적으로 진출하는 것으로 나타났다. 이는 해외직접투자이론상 현지시장 판매 및 확대를 위한 시장추구형 투자(Market seekers)와 인건비 등 생산요소가격 차이를 활용한 생산효율추구형 투자로(Production-efficiency seekers) 나눌수 있는데 이는 최근 나이키, Apple, Amazon 등 글로벌 기업들의 해외직접투자 패턴과도 일치하는 것으로 보인다. 그러나 북미 비핵화 협상으로 대북 경제 제제조치가 완화, 해제되더라도 베트남 투자기업의 대북 투자의향은 12.3%로 매우 저조하게 나타났는바, 이는 북핵 Issue로 개성공단 폐쇄와 같이 정치적 Risk로 인한 북한 경제특구 폐쇄가능성을 가장 부담스러워 했으며, 또한 경제특구 폐쇄시 국가의 손실배상 조치가 매우 부족하다고 느끼는데 있다. 따라서 향후 남북경협 활성화를 위해서는 앞서 얘기한 애로점을 해소하고 가칭 "남북경협진흥공사"와 같은 기관을 설립하여 대북지원기관의 중복업무를 방지하고 Onestop fullservice로 신속하게 지원할 필요성이 있으며, 섬유,봉제,신발과 같은 영세 중소기업의 대북 진출을 위한 진출 초기에는 적극적인 정책금융 지원이 절실히 필요하며 이를 위해 정부와 민간금융기관 공동으로 5,000억원 규모의 펀드를 조성하여 운영할 필요가 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• KDI Journal of Economic Policy
• /
• 제14권2호
• /
• pp.109-153
• /
• 1992

본고(本稿)에서는 우리나라 은행산업(銀行産業)의 트랜스로그비용함수(費用函數)와 규모(規模) 및 범위(範圍)의 경제성(經濟性), 비용(費用)의 보완성(補完性) 그리고 경쟁적(競爭的) 생존력(生存力) 등 효율성지표들을 추정함으로써 은행산업(銀行産業)의 효율성(效率性)을 평가하고 제도개선방향(制度改善方向)에 대한 시사점을 논하였다. 추정결과에 의하면, 우선 규모(規模)의 경제성(經濟性)의 경우는 은행대출(銀行貸出)이 규모(規模)의 비경제하(非經濟下)에 있고 모든 다른 업무(業務)들은 규모(規模)의 경제(經濟)를 시현하고 있지만, 전업무에 걸친 규모(規模)의 경제(經濟)는 부재(不在)하는 것으로 관찰된다. 다음, 범위(範圍)의 경제(經濟)의 경우는 유가증권투자(有價證券投資)와 신탁자산(信託資産) 및 수신(受信) 등은 범위(範圍)의 경제하(經濟下)에 있는 반면, 은행예금(銀行預金)은 범위(範圍)의 비경제하(非經濟下)에 있고 전업무에 걸친 범위(範圍)의 경제(經濟)는 강한 것으로 관찰되고 있다. 그리고 비용보완성(費用補完性)의 경우는 유가증권투자(有價證券投資)가 은행대출(銀行貸出), 예금(預金) 및 신탁업무(信託業務)와, 그리고 신탁자산운용업무(信託資産運用業務)가 은행자산운용업무(銀行資産運用業務)와 각각 비용보완관계(費用補完關係)를 보이고 있는 반면, 은행예금(銀行預金)은 특히 은행대출(銀行貸出)과 그리고 신탁자산업무(信託資産業務)와 경쟁관계에 있다. 한편 은행산업(銀行産業)에는 경쟁적(競爭的) 생존력(生存力)이 부재(不在)하는 것으로 관찰되고 있다. 이상의 결과들의 시사점을 정리하면, 우선 은행대출(銀行貸出)은 상대적으로 규모를 축소하고 여타의 모든 은행업무(銀行業務)나 신탁업무(信託業務)들은 규모를 확대함으로써 효율성제고(效率性提高)에 기여할 수 있을 것이며, 은행예금(銀行預金)과 은행주변업무는 앞으로 금융(金融)의 심화(深化)가 진행되면 여타업무에서 분리되어 각각 독립 운영될 가능성이 높다. 유가증권업무(有價證券業務)와 신탁자산(信託資産) 및 수신업무(受信業務)들을 추가확대함으로써 은행업무(銀行業務)의 효율성(效率性)이 증대될 수 있을 것으로 보여 겸업주의(兼業主義) 은행제도(銀行制度)의 타당성은 높지만, 은행산업(銀行産業)의 자연독점적인 성격은 부재(不在)하여 섣부른 규모(規模)만의 확대(擴大)는 오히려 경쟁력(競爭力)을 저하시킬 수도 있을 것이다.