• 재무관리연구
• /
• 제25권1호
• /
• pp.1-22
• /
• 2008

본 연구에서는 영국의 파운드화, 일본의 엔화 등 선진 통화선물시장과 한국의 원화, 멕시코의 페소화, 브라질의 리알화 등 신흥 통화선물시장의 효율성을 측정 및 비교하고자 하였다. 본 연구의 분석에 이용된 자료는 시카고상업거래소(CME)에 상장되어 있는 영국 파운드화, 일본 엔화, 멕시코 페소화, 브라질 리알화 통화선물가격과 한국증권선물거래소(KRX)에 상장되어 있는 한국 원화 통화선물가격과 이에 대응되는 각 국가의 현물환율 자료이며, 각 국가의 선물가격과 현물환율은 미국달러를 기준통화로 하는 유럽식 표기법으로 표시하였다. 선물가격은 잔차항의 자기상관 문제를 야기할 수 있는 중복된 기간을 피하기 위하여 표본기간동안 동일한 간격인 만기 14일전과 만기 28일전의 선물가격으로 구성하였다. 본 연구의 주요결과는 다음과 같이 요약할 수 있다. 첫째, 신흥통화 선물시장의 한국 원화 선물 가격은 선진통화 선물시장의 일본 엔화 선물가격과 함께 예측기간에 관계없이 만기일 실현 현물 환율의 불편추정치로서, 위험프리미엄이 없이 만기일 실현 현물환율을 예측하고 있다. 둘째, 한국 원화 선물가격은 브라질 리알화와 멕시코 페소화 등 다른 신흥통화 선물시장의 선물가격과 달리 위험프리미엄이 없이 만기일 실현 현물환율을 예측하고 있다. 셋째, 통화선물의 종류, 예측기간, 검증방법에 따라 불편기대가설의 검증 결과는 달라질 수 있음을 보여주고 있다. 넷째, 일본 엔화와 영국 파운드화 등 선진통화 선물시장간의 상대적 효율성을 비교하면, 일본 엔화 선물시장의 효율성 측정치는 27.06%로 영국 파운드화 선물시장의 효율성 측정치 26.87% 보다 높게 나타나고 있어 일본 엔화 선물시장이 영국 파운드화 선물시장보다 효율적임을 보여주고 있다. 다섯째, 한국 원화, 브라질 리알화와 멕시코 페소화 등 신흥통화 선물시장간의 상대적 효율성을 비교하면, 한국 원화 선물시장의 효율성은 20.77%로 측정되어, 멕시코 페소화 선물시장의 효율성 측정치 11.55%, 브라질 리알화 선물시장의 효율성 측정치 4.45% 보다 높게 나타나고 있어 한국 원화 선물시장이 다른 멕시코 페소화 및 브라질 리알화 등 다른 신흥통화 선물시장보다 효율적임을 보여주고 있다. 끝으로 통화선물시장의 상대적 효율성 측정치는 예측기간에 따라 영향을 받으며, 예측기간이 짧을수록 효율성 측정치가 개선되고 있음을 보여준다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• 서비스연구
• /
• 제5권1호
• /
• pp.91-103
• /
• 2015

본 논문은 한국거래소(KRX)에서 제공한 KT(한국통신)와 SK텔레콤의 현물수익률 및 KT와 SK텔레콤 선물수익률 간의 선도-지연효과를 분석하였다. 분석을 위한 통계분석 기간은 2012년 1월 1일부터 2014년 12월 31일까지이며, 자료는 일별 종가자료 608개를 사용하였고, 분석도구로는 E-Views 6을 이용하여 VAR 모형을 통한 그랜저 인과관계분석(Granger Causality test)과 충격반응분석(Impulse Response Function) 및 분산분해(Variance Decomposition)를 실시하였다. 주요 분석결과는 다음과 같다. 첫째, 그랜저 인과관계분석결과 KT선물수익률과 SK텔레콤 선물수익률은 KT현물수익률과 SK텔레콤 현물수익률에 대하여 강한 예측력이 있다는 것으로 추론할 수 있다. 그러나 KT현물수익률과 SK텔레콤 현물수익률은 KT선물수익률과 SK텔레콤 선물수익률에 대한 예측력이 존재하지 않고 있다는 것을 알 수 있었다. 둘째, 충격반응분석결과 KT선물수익률과 SK텔레콤 선물수익률은 KT현물수익률과 SK텔레콤 현물수익률에 즉각적으로 영향을 미치다 일정시차가 지난 후에 사라지는 것으로 나타났다. 마지막으로 분산분해 분석결과 KT현물수익률과 SK텔레콤 현물수익률의 변화 중에 많은 변화가 KT선물수익률과 SK텔레콤 선물수익률의 변화에 의하여 설명되어짐을 추론할 수 있다. 이러한 분석결과는 개별 주식 현물과 선물을 운용하고 있는 개인투자자 뿐만 아니라 집합투자업자 및 연기금들이 투자정책을 수립하는데 있어서 여러 가지 의미있는 시사점을 제공해 줄 것으로 판단된다. 또한 선물과 옵션시장을 담당하는 한국거래소와 국내외 투자자들이 자산배분정책과 포트폴리오 정책을 수립하는데도 있어서도 유익한 시사점을 제공할 것으로 판단된다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• 경영과정보연구
• /
• 제35권1호
• /
• pp.51-68
• /
• 2016

본 연구는 K-IFRS 도입과 함께 기존의 상각규정을 폐지하고 매기간 손상검사를 실시하도록 요구하는 영업권 회계변경이 영업권손상차손 인식의 적시성에 미친 영향을 분석하고자 수행되었다. 원칙중심기준인 K-IFRS는 회계정보의 목적적합성을 강화하고 적시성 있는 정보를 전달하기 위해 공정가치평가를 확대하였으며 동일한 맥락에서 영업권과 같은 '비한정내용연수의 무형자산'에 대한 손상검사를 1년에 1회 이상 수행하도록 요구하였다. 그러나 영업권 회계변경의 효과를 분석한 선행연구들은 새로운 손상검사절차가 경영자들의 재량에 의존하고 있어 영업권손상차손의 인식이 적시성 있게 수행되기 보다는 기회주의적으로 이용되고 있음을 지적하고 있다. 하지만 선행연구들은 개별 기업에서 관찰될 수 있는 손상징후를 고려하지 못한 채 회계변경 전 후의 영업권 감액 빈도와 크기에만 초점을 맞추어 분석하고 있어 그 결과에 편의(bias)를 포함할 수 있다. 본 연구는 이러한 선행연구들의 한계를 극복하기 위해 Ramanna and Watts(2012)의 손상징후에 대한 정의를 활용하여 새로운 손상차손절차가 적시성 있는 회계정보의 전달이라는 목적을 달성하고 있는지 검증하고자 하였다. 2008년부터 2011년까지 상장되어 있는 기업 중 영업권을 보유한 947개 기업-연도 표본을 대상으로 분석을 실시한 결과 영업권손상차손 인식의 적시성은 손상차손 인식여부를 더미변수의 형태로 이용한 로지스틱 회귀분석과 연속변수의 형태로 이용한 다변량 회귀분석 모두에서 K-IFRS 이전에 비해 이후 기간에 감소된 것으로 나타났다. 분석결과를 보다 강건하게 하기 위해 또 다른 영업권 손상징후를 이용하여 동일한 분석을 재차 수행한 결과도 일관된 모습으로 조사되었다. 이러한 결과는 회계기준 제정기관들이 영업권 회계기준 변경을 통해 보다 적시성있고 목적 적합한 회계수치를 작성하도록 의도하였던 것과 달리 경영자들이 그들에게 주어진 재량권을 악용하여 영업권손상차손 인식시기를 조정함으로써 영업권손상차손 인식의 적시성이 감소하였음을 보여주는 결과이다. 본 연구는 영업권손상인식의 적시성 변화를 분석한 선행연구들의 분석방법에서 나타날 수 있는 편의(bias)를 감소시킬 뿐만 아니라 영업권손상에 대한 징후를 고려한 분석을 실시하여 회계변경으로 인한 손상차손인식의 적시성 변화를 보다 직접적으로 분석하였다는 점에서 의의가 있다.