• 한국해양학회지:바다
• /
• 제18권1호
• /
• pp.40-46
• /
• 2013

안정동위원소 질량분석기를 이용한 탄소와 산소의 동위원소비 측정은, 이산화탄소 표준기체의 동위원소 비에 대하여 그 상대적인 값을 측정함으로써 이루어진다. 따라서 실험실 표준기체는 ${\delta}^{13}C$와 ${\delta}^{18}O$ 값의 국제 표준물질인 PDB와 V-SMOW에 대해 보정된 이산화탄소이여야 하며, 이는 국제적 자료의 비교와 검증을 위해 필수적이다. 그러나 표준기체는 제작 기간이 길며, 가격이 비싼 단점이 있고, 장기간 사용 시 실린더 내부 압력의 변화로 동위원소의 분별이 생길 우려가 크다. 따라서 본 연구는 실험실 표준기체 관리의 효율성을 높이기 위해 장기간 안정적 보관이 가능한 고체 표준물질로부터 동위원소 분별없이 순수한 이산화탄소 기체를 추출하여, 실험실 표준기체로 사용할 수 있는 방법을 제시하고자 한다. 본 논문은 Coplen et al.(1983)에 의하여 제안된 방법을 기초로 한 다량의 이산화탄소 표준 기체 제작에 초점을 두었다. 이산화탄소는 탄산칼슘과 100% 순수 인산의 반응에 의해 생성되는데, 두 물질의 반응에 필요한 실험 장치 및 실험 과정을 상세히 기술하였으며, 최적의 실험 조건 결정을 위한 다양한 분석 결과를 소개하였다. 이어 생성된 이산화탄소 기체의 추출, 정제와 포집은 자체 제작된 진공관에서 이루어졌으며, 각 단계에 대한 자세한 설명이 주어진다. 이산화탄소의 ${\delta}^{13}C$와 ${\delta}^{18}O$ 측정은 서울대학교 기초과학교육연구 공동기기원에서 운영 중인 안정동위원소 질량분석기(VG Isotech, SIRA Series II)를 이용하여 이루어졌다. 탄산칼슘 고체 표준물질로부터 이산화탄소 기체 추출과 추출된 기체의 정제 포집 등 전체 분석과정의 정밀도 검증을 위해 동일한 Solenhofen-ori $CaCO_3$(< $63{\mu}m$) 고체 시료로 부터 15회에 걸쳐 표준기체를 제작하였고, 매회 100 mg $CaCO_3$을 이용하여 총 15개의 표준기체 제작이 8일에 걸쳐 이루어졌다. 이 표준기체들의 분석 표준편차($1{\sigma}$)는 ${\delta}^{13}C$의 경우 ${\pm}0.01$‰, ${\delta}^{18}O$는 ${\pm}0.05$‰로 매우 높은 정밀도를 보여주었다. 이러한 분석 정밀도는 안정동위원소 질량분석기기 자체와 같은 내부 정밀도에 상응하며, 본 연구에서 제시한 실험실 표준기체 제작방법의 높은 신뢰성과 재현성을 입증하는 결과이다. 따라서 본 연구는 표준기체 보유가 어려워 정밀, 정확한 안정동위원소 분석에 어려움이 많았던 연구 분야에 자체 표준기체 제작 기술을 제공하는데 크게 기여할 것으로 생각된다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.