• Asia pacific journal of information systems
• /
• 제9권3호
• /
• pp.93-110
• /
• 1999

The previous studies regarding the stock returns have advocated that industry effects exist over entire industry. As the industry categories are more rigid, the demand for predicting the industry sectors is rapidly increasing. The advances in Artificial Intelligence and Neural Networks suggest the feasibility of a valuable computational model for stock returns prediction. We propose a sector-factor model for predicting the return on industry stock index using neural networks. As a substitute for the traditional models, neural network model may be more accurate and effective alternative when the dynamics between the underlying industry features are not well known or when the industry specific asset pricing equation cannot be solved analytically. To assess the potential value of neural network model, we simulate the resulting network and show that the proposed model can be used successfully for banks and general construction industry. For comparison, we estimate models using traditional statistical method of multiple regression. To illustrate the practical relevance of neural network model, we apply it to the predictions of two industry stock indexes from 1980 to 1995.

• Management Science and Financial Engineering
• /
• 제21권2호
• /
• pp.13-23
• /
• 2015

This study addresses the question as to whether the option prices have useful predictive information on the direction of stock markets by investigating a forecasting power of volatility curvatures and skewness premiums implicit in S&P 500 index option prices traded in Chicago Board Options Exchange. We begin by estimating implied volatility functions and risk neutral price densities every minute based on non-parametric method and then calculate volatility curvature and skewness premium using them. The rationale is that high volatility curvature or high skewness premium often leads to strong bullish sentiment among market participants. We found that the rate of return on the signal following trading strategy was significantly higher than that on the intraday buy-and-hold strategy, which indicates that the S&P500 index option prices have a strong forecasting power on the direction of stock index market. Another major finding is that the information contents of S&P 500 index option prices disappear within one minute, and so one minute-delayed signal following trading strategy would not lead to any excess return compared to a simple buy-and-hold strategy.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.23-43
• /
• 2021

최근 인공지능 기법을 활용하여 캔들스틱 차트를 분석함으로써 주식가격 예측의 정확성을 높이고자 하는 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 주식가격 예측을 위한 학습에 있어 캔들스틱 차트의 시계열적 특성을 고려하지 못한다는 점과 시장 참여자들의 감정 상태를 고려하지 못한다는 점 등이 문제로 지적되고 있다. 본 연구에서는 시장 참여자들의 감정상태를 반영하기 위해 변동성지수(VIX: volatility index) 차트를 캔들스틱 차트와 함께 고려하여 학습시키고 이를 변이형 오토인코더(VAE: variational auto encoder)와 어텐션 메커니즘(attention mechanisms)을 결합한 새로운 방법으로 분석하여 캔들스틱 차트의 시계열적 특성을 고려함으로써 기존 연구의 한계를 극복하고자 한다. 본 연구에서 제안한 방법의 성능 비교를 위해 S&P 500 기업 가운데 50개를 임의로 추출하여 제안한 방법을 통해 이들의 주식가격을 예측하고 이를 합성곱 신경망(CNN: convolutional neural network) 또는 장단기메모리(LSTM: long-short term memory) 등과 같은 기존 방법들과 비교하였다. 비교 결과 기존 방법들에 비해 본 연구에서 제안한 방법이 더 우수한 성능을 보이는 것으로 나타났다. 본 연구는 시장 참여자들의 감정 상태와 캔들스틱 차트의 시계열적 특성을 고려함으로써 주식 가격 예측의 정확성을 높였다는 점에서 그 의의가 있다.

• 한국융합학회논문지
• /
• 제10권1호
• /
• pp.7-12
• /
• 2019

신경회로망은 적합한 수학적 모델에 대한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있어서 주가 예측에 널리 사용되어 왔다. 본 논문에서는 신경회로망 모델을 사용하여 일별 KOrea composite Stock Price Index (KOSPI) 종가를 예측한다. 예측된 종가를 기반으로 KOSPI에 연동해 변동하는 Exchange Traded Funds (ETFs)의 거래를 위한 알파 매매를 제안한다. 본 논문에 제안된 방법으로 KOSPI 예측 신경회로망 모델들을 구현하고 예측 정확도를 평가한다. 구현된 신경회로망 모델(NN1)의 학습 오차(MAPE)는 0.427, 평가 오차는 0.627이다. 평가용 데이터를 사용해 알파 매매를 시뮬레이션하면 수익률은 7.16 ~ 15.29 %를 보인다. 이는 125 거래일 데이터로 거둔 수익률로 제안된 알파 매매가 효과적임을 보인다.

• 산업융합연구
• /
• 제20권2호
• /
• pp.11-19
• /
• 2022

본 연구에서는 국내 주식시장에서 경제적 불확실성이 주식가격 결정에 어떠한 역할을 하는지 살펴보았다. 이를 위해 2000년 1월부터 2017년까지 우리나라의 비금융기업을 대상으로 국내외(미국, 중국)의 경제적 불확실성 지표와 주식수익률의 관련성을 분석하였다. 분석모형은 Fama and French(1992)의 3요인 모형과 모멘텀, 유동성을 포함한 5요인모형을 이용하였다. 분석결과 경제적 불확실성의 베타가 낮은 포트폴리오보다 높은 포트폴리오의 주식수익률이 높게 나타났다. 이는 미국의 분석 결과와도 동일하였다. 또한 한국의 경제적 불확실성 지수를 통한 분석 회귀분석 결과보다 미국의 불확실성 지수를 이용한 분석 결과가 더욱 유의하게 나타났다.

• 한국산림과학회지
• /
• 제101권4호
• /
• pp.599-605
• /
• 2012

본 연구의 목적은 굴참나무 임분의 직경분포와 ha당 재적 및 탄소량을 추정하는데 있다. 영급과 임분구조를 고려하여 굴참나무 임분에서 354개소를 조사하고 시료를 수집하였다. 임령에 따른 직경분포를 파악하기 위하여 Weibull 모형을 사용하였으며 모수의 추정은 단순적률법(Simplified method-of-moments)을 이용하였다. 사용된 자료 중에서 80%는 모형개발에 사용하였고, 나머지 20%는 개발된 모형의 검정에 사용하였다. 모형의 검정에는 적합도지수(Fitness Index)와 평균오차제곱(Root Mean Square Error), Kolmogorov-Smirnov 통계치가 이용되었다. 검정자료에서 추정된 지위지수, 수고, 재적식의 적합도지수는 각각 0.967, 0.727, 0.988이고 평균오차제곱은 2.763, 1.817, 0.007이며, Weibull 모형의 Kolmogorov-Smirnov 적합도는 75%를 나타내었다. 본 연구를 통해 개발된 모형에서 50년생의 굴참나무임분이 14의 지위지수와 697본의 분수를 나타내는 경우, 재적은 $188.69m^3/ha$이고 지상부 탄소량은 90.30 tC/ha으로 추정되었다. 본 연구의 결과는 활엽수 수종에 대한 생장정보의 제공이 가능하고 굴참나무 탄소량 추정에 활용이 가능하다.

• 문화기술의 융합
• /
• 제7권4호
• /
• pp.807-814
• /
• 2021

코로나-19로 인해 경제 활동이 낮아지고 주식 시장이 침체하면서 주식 투자를 통해 또 다른 소득을 마련하기 위해 많은 사람이 주식 시장에 뛰어들고 있다. 사람들의 관심이 높아지면서 더 많은 수익을 얻기 위한 주가 분석 연구가 많이 진행되고 있다. 주가는 종목별 변동의 흐름이 다르므로 각 주가 종목별로 독립적이며 일관적으로 분석할 필요가 있다. 이러한 문제를 해결하고자 본 논문에서는 강화학습 기법 중 하나인 Asynchronous Advantage Actor-Critic(A3C)를 이용하여 주가를 분석할 수 있는 모델 및 서비스를 설계 및 구현하였다. 주식 시장 데이터로 종목별 주가 및 국채, 코스피와 같은 외부 요인들을 반영하였다. 또한 웹페이지 제작을 통해 시각화한 정보를 제공하여 투자자들이 투자 기업에 대한 재무제표를 비롯하여 국내외 경제 및 정치의 흐름을 모두 분석하지 않고도 안전한 투자를 할 수 있도록 서비스를 제공한다.

• 통합자연과학논문집
• /
• 제4권2호
• /
• pp.121-129
• /
• 2011

The purpose of this paper is to estimate the fluctuation of an earning rate and risk management using the price index of Korea stocks. After an observation of conception of fluctuation, we can show volatility clustering and fluctuation phenomenon in the Korea stock price index using GARCH model with heteroscedasticity. In addition, the effects of fluctuation on the time-series was evaluated, which showed the heteroscedasticity. MCMC method and Winbugs as Bayesian computation were used for analysis.

• 한국항해항만학회지
• /
• 제43권2호
• /
• pp.134-141
• /
• 2019

The objective of this study was to establish whether global macroeconomic indicators affect the profitability of Korean shipping companies by using panel regression analysis. OROA (operating return on assets) and ROA (ratio of net profit to assets) were selected as proxy variables for profitability. OROA and ROA were used as dependent variables. The world GDP growth rate, interest rate, exchange rate, stock index, bunker price, freight, demand and supply of the world shipping market were set as independent variables. The size of the firm was added to the control variable. For small-sized firms, OROA was not affect by macroeconomic indicators. However, ROA was affected by variables such as interest rates, bunker prices, and size of firms. For medium-sized firms, OROA was affected by demand, supply, GDP, freight, and asset variables. However, macroeconomic indicators did not affect ROA. For large-sized firms, freight, GDP, and stock index (SCI; Shanghai Composite Index) have an effect on OROA. ROA was analyzed to be influenced by bunker price and SCI.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1997년도 추계학술대회발표논문집; 홍익대학교, 서울; 1 Nov. 1997
• /
• pp.105-108
• /
• 1997

Previous studies in stock market predictions using artificial intelligence techniques such as artificial neural networks and case-based reasoning, have focused mainly on spot market prediction. Korea launched trading in index futures market (KOSPI 200) on May 3, 1996, then more people became attracted to this market. Thus, this research intends to predict the daily up/down fluctuant direction of the price for KOSPI 200 index futures to meet this recent surge of interest. The forecasting methodologies employed in this research are the integration of genetic algorithm and artificial neural network (GAANN) and the integration of genetic algorithm and case-based reasoning (GACBR). Genetic algorithm was mainly used to select relevant input variables. This study adopts the categorical data preprocessing based on expert's knowledge as well as traditional data preprocessing. The experimental results of each forecasting method with each data preprocessing method are compared and statistically tested. Artificial neural network and case-based reasoning methods with best performance are integrated. Out-of-the Model Integration and In-Model Integration are presented as the integration methodology. The research outcomes are as follows; First, genetic algorithms are useful and effective method to select input variables for Al techniques. Second, the results of the experiment with categorical data preprocessing significantly outperform that with traditional data preprocessing in forecasting up/down fluctuant direction of index futures price. Third, the integration of genetic algorithm and case-based reasoning (GACBR) outperforms the integration of genetic algorithm and artificial neural network (GAANN). Forth, the integration of genetic algorithm, case-based reasoning and artificial neural network (GAANN-GACBR, GACBRNN and GANNCBR) provide worse results than GACBR.