손실기피(limited down side risk) 선호를 가진 투자자의 경우 통상적으로 사용하는 위험도의 척도인 분산 혹은 표준편차 대신에 하방 위험성에 더 관심을 가지게 되는데, 이러한 경우 평균-VaR 모형이 평균-분산 모형보다 더 적합한 모형일 수 있다. 이 논문에서는 두 모형을 이용하여 최적자산배분 문제를 실증분석하고 그 결과의 차이를 비교하였다. 수익률의 분포에 정규분포 가정이 아닌 두터운 꼬리(fat tail) 분포 가정을 도입하여 극단적인 위험을 고려한 최적자산배분 문제를 분석을 하였다. 각 이론이나 가정들의 강건성(robustness)을 살펴보기 위하여 역사적 분포를 이용한 분석을 비교 기준으로 하였다. 경험적 혹은 역사적 분포를 이용한 분석을 통해서, 극단적인 위험을 고려하는 손실기피적인 선호체계에서의 최적화 행위는 정규분포의 가정이나 평균-분산 모형이 적절하지 않은 것으로 확인되었다. 일상적인 수준을 능가하는 극단적인 손실 위험성을 고려하기에 적합한 모형은 수익률의 두터운 꼬리를 반영하는 분포 가정에 기초한 평균-VaR 모형인 것으로 나타났다.
SETIADI, Hendri;ACHSANI, Noer Azam;MANURUNG, Adler Haymans;IRAWAN, Tony
The Journal of Asian Finance, Economics and Business
/
제9권9호
/
pp.351-360
/
2022
This study aims to determine the factors that can influence investors in selecting stocks in the Indonesian capital market to establish an optimal portfolio, and find phenomena that occurred during the COVID-19 pandemic so that buying interest / the number of investors increased in the Indonesian capital market. This study collection technique uses primary data obtained from the survey questionnaire and secondary data which is market data, stock price movement data sourced from the Indonesia Stock Exchange, Indonesian Central Securities Depository, and Bank Indonesia, as well as empirical literature on behavior finance, investment decision, and interest in buying stock. The method used in this research is the survey questionnaire analysis with the SEM (statistical approach). The results of the analysis using SEM show that investor behavior influences the stock-buying interest, investor behavior, and the stock-buying interest influences investor decision-making. However, risk management does not influence investor-decision making. This occurs when the investigator's psychological capacity produces more decision information by decreasing all potential biases, allowing the best stock selection model to be selected. When the investigator's psychological capacity creates more decision information by reducing biases, the optimum stock selection model can be chosen.
This paper develops an investment algorithm based on Markowitz's Portfolio Selection Theory, using historical stock return data, and empirically evaluates the performance of the proposed algorithm in the U.S. and the Hong Kong stock markets. The proposed investment algorithm is empirically tested with the 30 constituents of Dow Jones Industrial Average in the U.S. stock market, and the 30 constituents of Hang Seng Index in the Hong Kong stock market. During the 6-year investment period, starting on the first trading day of 2006 and ending on the last trading day of 2011, growth rates of 12.63% and 23.25% were observed for Dow Jones Industrial Average and Hang Seng Index, respectively, while the proposed investment algorithm achieved substantially higher cumulative returns of 35.7% in the U.S. stock market, and 150.62% in the Hong Kong stock market. When compared in terms of Sharpe ratio, Dow Jones Industrial Average and Hang Seng Index achieved 0.075 and 0.155 each, while the proposed investment algorithm showed superior performance, achieving 0.363 and 1.074 in the U.S. and Hong Kong stock markets, respectively. Further, performance in the U.S. stock market is shown to be less sensitive to an investor's risk preference, while aggressive performance goals are shown to achieve relatively higher performance in the Hong Kong stock market. In conclusion, this paper empirically demonstrates that an investment based on a mathematical model using objective historical stock return data for constructing optimal portfolios achieves outstanding performance, in terms of both cumulative returns and Sharpe ratios.
포트폴리오 최적화 이론의 초석인 Markowitz의 평균-분산 포트폴리오 모형 (1952)이 발표된 이후로 많은 분야에서 포트폴리오 최적화에 대한 다양한 연구가 진행되었다. 기존의 평균-분산 포트폴리오 모형은 주로 목적함수나 제약식에 비선형 볼록 형태를 포함한다. 이를 Dantzig의 선형계획법을 적용하여 선형으로 변환시켜 알고리즘 계산 시간을 효율적으로 감소시켰다. 또한 시계열 데이터 특성을 반영하여 시간에 따른 가중치를 고려하는 가우시안 커널 가중치 공분산을 제안하였다. 여기에 일정 부분은 벤치마크에 투자하고 나머지는 포트폴리오 최적화 모형으로 제안된 자산들에 투자하는 퍼터베이션 방법을 적용하여 평균 수익률과 위험도를 목적에 맞게 조절하도록 하였다. 또한, 본 논문에서는 안정적이면서도 적은 자산을 보유하게 포트폴리오를 구성하여 관리비용(management costs)과 거래비용(transaction costs)를 낮출 수 있는 Dantzig-type 퍼터베이션 포트폴리오 모형을 제안하였다. 제안된 모형의 성능은 5개의 실제 데이터 세트로 벤치마크 포트폴리오와 비교 분석하여 평가하였다. 최종적으로 제안한 최적화 모형은 벤치마크보다 높은 기대수익률이나 낮은 위험도를 갖는 포트폴리오를 구성하여 퍼터베이션 목적을 만족하며, 투자한 자산의 수와 시간에 따른 자산 구성 변화를 일정 수준 이하로 조절하는 희소하며 안정적인 결과를 얻었다.
Markowitz (1952)의 분산투자 모형 발표 이후 포트폴리오 최적화에 대한 많은 연구가 이루어졌다. 마코위츠의 평균-분산 포트폴리오 최적화 모형은 수익 분포가 정규분포를 따른다는 가정하에서 성립한다. 그러나 실생활에서는 수익 분포가 정규분포를 따르지 않는 경우가 존재한다. 또한 분산은 이상치의 영향을 많이 받는 민감한 지표이다. 이런 분산의 단점을 보완할 수 있는 하방위험인 숏폴(Shortfall)을 위험 지표로 적용함으로써 수익 분포에 대해 최적화가 가능한 평균-숏폴 포트폴리오 모형이 제안되었다. 또한 Jorion (2003)과 Park(2019)은 포트폴리오의 위험도를 최소화하는 동시에 적은 수의 자산으로 구성(sparse)되고 안정적(stable)인 포트폴리오를 얻는 퍼터베이션 방법을 제안하였다. 본 논문에서는 평균-숏폴 포트폴리오 모형에 퍼터베이션 방법과 adaptive Lasso를 적용하여 사용되는 자산의 수가 적으면서 안정적이고 쉽게 적용 가능한 포트폴리오 모형을 제안한다. 그리고 실증 데이터 분석을 통하여 모형의 타당성을 입증한다.
기대 수익률은 높이고, 재무적 위험은 낮추는 것을 목표로 하는 금융 포트폴리오 최적화 분야에서는 위험 측정 지표에 관한 연구가 활발히 진행되어 왔다. 적은 자산으로 효율적인 포트폴리오를 구성하기 위해 다양한 페널티 항을 활용한 연구 또한 지속해서 진행되어 왔다. 본 논문에서는 평균-숏폴 포트폴리오와 SLOPE 페널티 항을 결합한 새로운 포트폴리오 최적화 식을 제안하였다. 이 과정에서 선형계획법으로 표현되지 않는 최적화식을 새로운 변수를 도입해 표현하고, 이를 ADMM 알고리즘을 사용해 해결하는 방식을 제안하였다. SLOPE 페널티 항이 갖는 그룹화 특징이 본 논문에서 제안하는 평균-숏폴 포트폴리오에서도 해당 특징이 유효함을 시뮬레이션 데이터를 바탕으로 확인하였다. 실증 데이터 분석을 통해서는 본 논문에서 제안한 모형을 기반으로 실제 투자 환경에서 고려할 수 있는 4가지 종류의 포트폴리오 구성 방식을 제안하고, 평가하였다.
본 논문의 목적은 신뢰성 있는 선형회귀모델을 구축하기 위하여 후보독립변수 중 유효변수를 선택하는 알고리즘을 구현하는 것이다. 선형회귀모델을 구축하는데 있어서 데이터 상의 모든 후보독립변수를 포함하는 것은 모델의 통계적 유의성을 감소시킬 수 있으며, 차원의 저주(Curse of dimensionality)를 유발할 수 있고, 데이터의 개수보다 변수의 개수가 많을 경우 모델의 구축이 불가능한 문제점 등이 있다. 이와 같은 문제점을 해결하기 위하여 변수선택의 문제를 조합최적화의 문제로 보고 유전 알고리즘(Genetic Algorithm)을 활용하였다. 일반적으로 선형회귀모델의 통계적 유의성을 평가하는 대표적인 통계량으로는 종속변수에 대한 독립변수의 설명력을 나타내는 결정계수($R^2$), 회귀식의 통계적 유의성을 검정하는 F통계량, 회귀계수의 통계적 유의성을 검정하는 t통계량, 잔차의 표준오차 등이 있다. 모델의 통계적 유의성은 하나의 통계량으로 표현될 수 없으므로 다양한 기준을 고려한 다중목적식(Multi-objective function)을 가지는 유전 알고리즘을 설계하였다. 설계한 알고리즘의 성능평가를 위하여 다양한 조건을 가정한 시뮬레이션 데이터에 적용하였다. 그 결과 구축한 알고리즘이 유효변수를 판단함에 있어 기존의 대표적인 변수선택 알고리즘인 LARS(Least Angle Regression)에 비해 우수한 성능을 보임을 확인할 수 있었다. 또한, 주가 데이터를 이용한 포트폴리오 선택에 적용해 본 결과 우수한 응용문제 해결 능력이 있음을 확인할 수 있었다.
국내 외 경기 침체의 영향으로 국내 건설업체들은 자금조달의 어려움을 겪고 있다. 이러한 경기 침체기에 자금의 유동화와 건설경기의 활성화를 촉진할 수 있는 리츠 제도가 2001년에 도입되어 점차 확대되고 있지만, 비슷한 시기에 도입한 다른 나라에 비해 성장속도 및 시장규모가 작은 편이다. 본 연구에서는 리츠의 활성화를 위하여 보다 높은 수익률 확보를 위한 포트폴리오 구성 방법으로, 마코위츠 포트폴리오 선정 모형을 적용한 리츠 투자 포트폴리오 구성 방법에 대해 제안하고자 한다. 주요 내용은 다음과 같다. 첫째, 2007년 7월 3일부터 2008년 7월 21일까지의 투자분석기간 동안 마코위츠 모형을 적용한 리츠의 투자결과와 비교대상 리츠들의 평균 수익률을 비교하여 수익률 향상정도를 분석하였다. 그 결과 마코위츠 모형을 적용한 수익률이 비교대상 리츠들의 평균 수익률보다 약 10% 높게 나타났다. 둘째, 기존 수익률의 자료 수집기간과 포트폴리오 교체주기에 대한 민감도 분석을 하여, 최적의 수익률을 나타낼 수 있는 자료 수집기간과 포트폴리오 교체주기를 도출하였다. 수익률 자료 수집기간이 6개월 일 때 비교대상 리츠들의 평균 수익률보다 마코위츠 모형을 적용한 수익률이 약 16% 높게 나타났으며, 포트폴리오 교체주기를 2주 간격으로 설정하였을 때는 약 11% 높게 나타났다.
Communications for Statistical Applications and Methods
/
제20권2호
/
pp.115-127
/
2013
This paper provides an effective stock portfolio screening tool for socially responsible investment (SRI) based upon corporate social responsibility (CSR) and financial performance. The proposed approach utilizes nonparametric frontier models. Data envelopment analysis (DEA) has been used to build SRI portfolios in a few previous works; however, we show that free disposal hull (FDH), a similar model that does not assume the convexity of the technology, yields superior results when applied to a stock universe of 253 Korean companies. Over a four-year time span (from 2006 to 2009) the portfolios selected by the proposed method consistently outperform those selected by DEA as well as the benchmark.
This study endeavors to enrich investment prospects in cryptocurrency by establishing a rationale for investment decisions. The primary objective involves evaluating the predictability of four prominent cryptocurrencies - Bitcoin, Ethereum, Litecoin, and EOS - and scrutinizing the efficacy of trading strategies developed based on the prediction model. To identify the most effective prediction model for each cryptocurrency annually, we employed three methodologies - AutoRegressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), and Prophet - representing traditional statistics and artificial intelligence. These methods were applied across diverse periods and time intervals. The result suggested that Prophet trained on the previous 28 days' price history at 15-minute intervals generally yielded the highest performance. The results were validated through a random selection of 100 days (20 target dates per year) spanning from January 1st, 2018, to December 31st, 2022. The trading strategies were formulated based on the optimal-performing prediction model, grounded in the simple principle of assigning greater weight to more predictable assets. When the forecasting model indicates an upward trend, it is recommended to acquire the cryptocurrency with the investment amount determined by its performance. Experimental results consistently demonstrated that the proposed trading strategy yields higher returns compared to an equal portfolio employing a buy-and-hold strategy. The cryptocurrency trading model introduced in this paper carries two significant implications. Firstly, it facilitates the evolution of cryptocurrencies from speculative assets to investment instruments. Secondly, it plays a crucial role in advancing deep learning-based investment strategies by providing sound evidence for portfolio allocation. This addresses the black box issue, a notable weakness in deep learning, offering increased transparency to the model.
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.