Recently, many organizations in various industries have introduced e-business for the purpose of adding value to their business. But, the e-business model has not existed before and so, it is difficult to analyze clear effectiveness. It frequently does not live up to an organization's expectations. It is due to an absence of environmental changes analysis in the new model, not by a new model itself. System Dynamics(SD) may provide effective results as a tool of analysis for the new model. This research shows the analysis of the effects of a simulated e channel model, which was expanded from existing channel modeling with actual data in basic materials industries. The results show average prices increasing by auction process on the e-market and an increase in sales. So, by increasing the speed of sale revolution stock expenses are reduced. Additionally, we applied a possible scenario to the developed simulation model and investigated strategic issues to draw desirable strategies with market changes.
본 연구에서는 한국거래소 내 유가증권시장의 1999년부터 2004년까지의 일중 거래자료에 기초한 프로그램매매종목과 차익거래종목, 그리고 비차익거래종목의 스프레드와 프로그램매매포함횟수의 변화를 분석하여 한국유가증권시장의 프로그램매매중단장치인 사이드카가 정보비대칭을 해소하는 역할을 하는지를 검증하였다. 본 연구의 주요결과를 요약하면 다음과 같다. 첫째, 사이드카 발동 이후 프로그램매매종목의 스프레드가 감소하는 것으로 나타나 사이드카가 정보비대칭을 부분적으로 완화시키는 효과가 있는 것으로 나타났다. 둘째, 사이드카 발동 이후 프로그램매매종목에 나타나는 정보비대칭의 해소효과는 매수프로그램매매종목에 국한하여 나타나는 결과이다. 셋째, 차익거래와 비차익거래에 미치는 효과를 분석한 결과는 사이드카의 발동이 차익거래뿐만 아니라 비차익거래 종목의 스프레드를 줄여 정보비대칭을 해소하는 효과를 가짐을 보여준다. 넷째, 프로그램매매종목에서와 마찬가지로 차익거래와 비차익거래 종목에 나타나나는 정보비대칭해소효과는 매수차익거래와 매수비차익거래에 국한하여 나타난다. 마지막으로 사이드카 발동 전후 각 표본의 프로그램매매 포함횟수의 변화를 분석한 결과에 의하면, 각 표본종목이 프로그램매매에 포함된 횟수는 사이드카 발동 이후에 대부분 증가하는 것으로 나타나, 사이드카 발동에 따른 매매중단기간 동안 정보비대칭이 충분히 해소되지 못하며 사이드카 발동을 가져온 가격의 급등락에 관련된 뉴스가 사건이후에도 지속적으로 영향을 미침을 보여준다.
본 논문에서는 주가예측의 정확도를 향상시키기 위하여 공적분 검정(Cointegration Tests)과 인공 신경망(Artificial Neural Networks)을 사용한 2단계 하이브리드 예측 모델을 제시한다. 기존의 연구에서는 예측을 시도하고자 하는 종목의 일자별 개별 레코드를 인공 신경망과 같은 방법으로 학습함으로써 주식 데이터가 가지는 시계열적 특성을 충분히 반영하지 못하였는데, 새로 제안한 모형에서는 주식자료의 과거시차들의 값들도 인공 신경망의 속성(feature)으로 사용하여 기존 연구의 한계를 보완하였다. 또한, 예측대상종목의 정보들 외에도 장기적으로 높은 시계열 유사성을 보유한 종목들을 선발한 후 속성으로 사용하여 모형의 예측성능을 향상 시켰다. 구체적으로 1단계는 Johansen의 공적분 검정을 통하여 예측대상종목과 장기적 관계(long-term relationship)에 있는 종목을 추출하고, 2단계는 이 선발된 종목들과 예측대상종목의 시계열 정보 특성을 속성으로 구축한 인공 신경망으로 학습하여 관심 종목을 예측한다. 제안된 모델의 성능을 확인하기 위하여 KOSPI 지수의 방향성을 예측하는 시스템을 구현하였으며, 시가총액 상위 종목군을 대상으로 지수와의 공적분 검정을 하였다. 성능을 살펴보기 위하여 본 연구에서는 시계열 정보가 속성으로 반영된 단순 인공 신경망 모델, 공적분 검정을 통과한 종목들의 시계열 속성이 포함된 모델, 그리고 그 모델과 속성의 개수를 동일하게 하기 위하여 임의로 종목을 선택하여 이들의 시계열 속성이 포함된 모델을 구축하였다. 실험 결과 공적분 검정을 통과한 종목군의 속성이 결합된 모델은 단순 인공 신경망만으로 학습된 기존 모델에 비하여 평균적으로는 11.29% (최대 29.98%) 정확도가 향상되었고, 임의로 선택된 종목군의 속성이 결합된 모델에 비해서는 평균적으로는 10.59% (최대 25.78%) 가 향상된 예측 정확도를 보여주었다.
본 연구는 비트코인 가격 변화량에 영향을 미치는 요인에 대한 실증 분석을 수행하였다. 기존 연구들은 암호화폐와 관련해 블록체인 시스템의 보안성, 암호화폐가 불러일으키는 경제적 파급효과 및 법적 시사점, 소비자 수용 및 사용 의도와 사회현상을 중심으로 이루어졌다. 그러나 암호화폐 가격 변화가 급등과 급락을 반복하면서 많은 사회적 문제를 야기했음에도 불구하고 암호화폐의 가격 변화에 영향을 미치는 요인에 대한 실증적 연구는 부족하다. 때문에 본 연구에서 암호화폐 가격 변화에 미치는 영향 요인을 도출하기 위해 암호화폐 중 가장 대표적인 비트코인을 중심으로 분석을 진행하였다. 분석을 위해 소비자, 산업, 거시경제 세 가지 차원에서 가설을 수립, 각 차원의 변수에 대한 시계열 데이터를 수집하였다. 단위근 검정을 통해 시계열 데이터에 대한 가성 회귀를 제거하고 안정성을 검증한 후, 비트코인 가격 변화량에 영향을 미칠 수 있는 요인들에 대한 회귀 분석을 실시하였다. 분석 결과 비트코인 가격 변화량은 비트코인 거래 금지에 대한 검색 트래픽, 미국 달러지수 변화량과는 음의 상관관계를, GPU 벤더의 주가 변화량, 원유 가격 변화량과는 양의 상관관계를 갖는 것을 확인했다. 그 이유로는 비트코인 거래 금지는 비트코인 존폐와 관련해 투자심리에 부정적 영향을 미친 것으로 판단되며, GPU 벤더 주가는 비트코인 생산 단가 증가와 관련해 비트코인 가격에 영향을 미친 것으로 해석된다. 미국 달러지수와는 반대로 움직임으로서 비트코인이 금의 성격을 갖고 있음을 확인하였으며, 원유 가격과의 관계를 통해 원자재와 같은 투자 자산의 역할도 갖고 있음을 확인하였다. 본 연구의 결과를 통해 비트코인이 가진 성격을 규명하였으며, 비트코인 가격 변화 요인에 대한 실증 검증을 통해, 그 동안 부족했던 비트코인 가격 변화 요인을 규명하였고, 해당 요인들을 통해 실무적으로 소비자나 금융기관, 정부 기관에 대해 비트코인에 대한 전략적인 접근방법에 대한 가이드를 제공할 수 있다는 점에서 의의가 있다.
본 연구에서는 2008년과 2009년 2개 연도에 유형자산 재평가를 실시한 기업을 대상으로 유형자산평가이익이 기업가치를 결정하는 주요한 요소인지와 유형자산의 재평가로 순장부가치가 기업가치를 설명하는 부분이 향상되는지를 검증하였다. 한국채택국제회계기준서 도입과 기업회계기준서 제5호의 개정으로 유형자산에 대한 재평가를 통해 장부상 재무구조를 개선하는 기업들이 증가하고 있는데, 이러한 유형자산 재평가로 인해 투자자들의 가치평가과정에 보다 목적적합한 정보를 제공하고 있는가를 실증적으로 분석하고자 하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 유형자산 재평가이익은 기업의 주식가격과 양(+)의 관련성을 나타내었다. 이는 유형자산에 대한 재평가이익이 기업의 순자산을 증가시키는 항목으로 기업가치 결정요소 중의 하나라는 것을 의미한다. 둘째, 유형자산 재평가로 인해 변화된 순장부가치가 원가모형으로 평가한 순장부가치에 비해 기업의 가치를 보다 잘 설명할 수 있는지를 분석한 결과에서 기본모형에서는 순장부가치의 설명력에 차이가 없었다. 그러나 순손실기업을 통제한 후 분석결과에서는 유형자산 재평가로 인해 변화된 순장부가치보다 원가모형으로 평가한 순장부가치가 기업의 가치를 보다 잘 설명할 수 있는 것으로 나타났다. 본 연구의 결과는 유형자산 재평가로 인해 투자자들이 보다 목적적합한 정보를 얻고 있는지에 대한 증거를 제시함으로써 기업회계기준제정시 공정가치 회계 확대가 필요한지에 대한 시사점을 준다는 측면에서 의의가 있다.
본 논문은 우리나라 주식시장을 대상으로 2003년 1월 2일부터 2011년 4월 30일까지 일별자료를 이용하여 외국인 및 기관투자자의 순매수강도가 주식수익률에 영향을 미치는 지에 대해 금융위기 전 후로 구분하여 분석하였다. 우선 t일의 close to close 수익률은 전체기간에 대해 t-1일의 외국인 및 기관투자자의 순매수강도에 의해 통계적으로 유의하게 음(-)의 영향을 받았으며, 동시차에서는 양(+)의 방향으로 영향을 받는 것으로 나타났다. 하위기간인 금융위기 전 후에 대한 분석에서도 전체기간과 별다른 차이점은 발견되지 않았다. close to open 수익률을 이용한 분석에서는 전체기간과 하위기간 모두에 대해 t-1일의 외국인 및 기관투자자의 순매수강도는 t일의 close to open 수익률에 양(+)의 영향을 미치는 것으로 나타났다. 마지막으로 open to close 수익률을 이용한 분석에서 전체기간의 경우 t-1일의 외국인 순매수강도라는 정보는 당일의 시초가가 형성된 이후에 영향력이 사라지는 것으로 나타났고, 기관투자자의 순매수강도는 시초가 형성 이후에 음(-)의 영향을 준다는 사실이 발견되었다. 본 연구에서는 close to close 수익률을 close to open와 open to close 수익률로 분해하여 분석함으로써 외국인 및 기관투자자의 투자행태가 주식수익률에 미치는 영향에 대해 보다 구체적인 결과를 얻을 수 있었다.
본 연구는 우리나라 주식시장을 대상으로 2004년 1월 2일부터 2012년 8월 31일까지 일별자료를 이용하여 외국인투자자 거래행태의 대용치인 순매수강도의 비기대변동성이 KOSPI 일별종가수익률, 밤수익률 그리고 낮수익률의 변동성에 대해 정보이전효과가 존재하는 지에 대해 금융위기 전 후로 구분하여 분석하였다. 분석결과에 의하면 전체 분석기간 및 금융위기 전 후 하위기간 동안 전일(t-1) 및 당일(t) 외국인투자자 순매수강도의 비기대변동성이 KOSPI 일별종가수익률 변동성에 대해 각각 음(-)과 양(+)의 정보이전효과가 있는 것으로 나타났다. 여기서 음(-)의 정보이전효과는 전일 외국인투자자 순매수강도의 비기대변동성이 다음날 주식수익률의 변동성을 감소시키는 역할을 하고 있음을 의미하고 양(+)의 정보이전효과는 당일 외국인투자자 순매수강도의 비기대변동성이 당일 주식시장의 변동성 크기를 증가시킨다는 것을 의미한다. 한편, 전일 외국인투자자 순매수강도의 비기대변동성은 밤수익률의 변동성에 대해 정보이전 효과가 없는 것으로 나타났다. 마지막으로 낮수익률의 변동성에 대한 외국인투자자 비기대변동성의 정보이전 효과는 전체기간과 동일한 결과를 보였다.
최근 컴퓨터 기술이 발전하면서 기계학습 분야에 관한 관심이 높아지고 있고 다양한 분야에 기계학습 이론을 적용하는 사례가 크게 증가하고 있다. 특히 금융 분야에서는 금융 상품의 미래 가치를 예측하는 것이 난제인데 80년대부터 지금까지 기술적 및 기본적 분석에 의존하고 있다. 기계학습을 이용한 미래 가치 예측 모형들은 다양한 잠재적 시장변수에 대응하기 위한 모형 설계가 무엇보다 중요하다. 따라서 본 논문은 기계학습의 하나인 강화학습 모형을 이용해 KOSPI 시장에 상장되어 있는 개별 종목들의 주가 움직임을 정량적으로 판단하여 이를 주식매매 전략에 적용한다. 강화학습 모형은 2013년 구글 딥마인드에서 제안한 DQN와 A2C 알고리즘을 이용하여 KOSPI에 상장된 14개 업종별 종목들의 과거 약 13년 동안의 시계열 주가에 기반한 데이터세트를 각각 입력 및 테스트 데이터로 사용한다. 데이터세트는 8개의 주가 관련 속성들과 시장을 대표하는 2개의 속성으로 구성하였고 취할 수 있는 행동은 매입, 매도, 유지 중 하나이다. 실험 결과 매매전략의 평균 연 환산수익률 측면에서 DQN과 A2C이 대안 알고리즘들보다 우수하였다.
Purpose - The purpose of this study is to investigate economic variables which have impact on the prices and returns of preferred stocks and to provide investors, underwriters, and policy makers with information regarding correlations and causal relations between them. Design/methodology/approach - This study collected 98 monthly data from Korea Exchange and Bank of Korea. The Granger causal relation analysis, unit-root test and the multiple regression analysis were hired in order to analyze the data. Findings - First, our study derives the economic variables affecting the prices and returns of preferred stocks and their implications, while previous studies focused mainly on the differential characteristics and related economic factors between common and preferred stocks. Empirical results show that the significant variables influencing the prices and returns of preffered stocks are consumer sentiment index, consumer price index, industrial production index, KOSPI volatility index, and exchange rate between Korean won and US dollar. Second, consumer sentiment index, consumer price index, and industrial production index have significant casual relations with the returns of preferred stocks, providing market participants with important information regarding investment in preferred stocks. Research implications or Originality - This study is different from previous studies in that preferred stocks themselves are investigated rather than the gap between common stocks and preferred stocks. In addition, we derive the major macro variables affecting the prices and returns of preferred stocks and find some useful causal relations between the macro variables and returns of preferred stocks. These findings give important implications to market participants, including stock investors, underwriters, and policy makers.
Recently, research on prediction algorithms using deep learning has been actively conducted. In addition, algorithmic trading (auto-trading) based on predictive power of artificial intelligence is also becoming one of the main investment methods in stock trading field, building its own history. Since the possibility of human error is blocked at source and traded mechanically according to the conditions, it is likely to be more profitable than humans in the long run. In particular, for the virtual currency market at least for now, unlike stocks, it is not possible to evaluate the intrinsic value of each cryptocurrencies. So it is far effective to approach them with technical analysis and cryptocurrency market might be the field that the performance of algorithmic trading can be maximized. Currently, the most commonly used artificial intelligence method for financial time series data analysis and forecasting is Long short-term memory(LSTM). However, even t4he LSTM also has deficiencies which constrain its widespread use. Therefore, many improvements are needed in the design of forecasting and investment algorithms in order to increase its utilization in actual investment situations. Meanwhile, Prophet, an artificial intelligence algorithm developed by Facebook (META) in 2017, is used to predict stock and cryptocurrency prices with high prediction accuracy. In particular, it is evaluated that Prophet predicts the price of virtual currencies better than that of stocks. In this study, we aim to show Prophet's virtual currency price prediction accuracy is higher than existing deep learning-based time series prediction method. In addition, we execute mock investment with Prophet predicted value. Evaluating the final value at the end of the investment, most of tested coins exceeded the initial investment recording a positive profit. In future research, we continue to test other coins to determine whether there is a significant difference in the predictive power by coin and therefore can establish investment strategies.
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.