• Journal of the Korean Data and Information Science Society
• /
• 제22권6호
• /
• pp.1199-1215
• /
• 2011

Relaxing an unrealistic assumption of a representative percolation model, this paper demonstrates that herd behavior leads to a high increase in volatility but not trading volume, in contrast with information flows that give rise to increases in both volatility and trading volume. Although detecting herd behavior has posed a great challenge due to its empirical difficulty, this paper proposes a new methodology for detecting trading days with herding. Furthermore, this paper suggests a herd-behavior-stochastic-volatility model, which accounts for herding in financial markets. Strong evidence in favor of the model specification over the standard stochastic volatility model is based on empirical application with high frequency data in the Korean equity market, strongly supporting the intuition that herd behavior causes excess volatility. In addition, this research indicates that strong persistence in volatility, which is a prevalent feature in financial markets, is likely attributed to herd behavior rather than news.

• 한국인터넷방송통신학회논문지
• /
• 제21권6호
• /
• pp.163-171
• /
• 2021

본 논문은 분산형 전력 시스템에서 심층강화학습 기반의 전력 생산 환경 및 수요와 공급을 예측하며 자원 할당 알고리즘을 적용해 전력거래 시스템 연구의 최적화된 결과를 보여준다. 전력 거래시스템에 있어서 기존의 중앙집중식 전력 시스템에서 분산형 전력 시스템으로의 패러다임 변화에 맞추어 전력거래에 있어서 공동의 이익을 추구하며 장기적인 거래의 효율을 증가시키는 전력 거래시스템의 구축을 목표로 한다. 심층강화학습의 현실적인 에너지 모델과 환경을 만들고 학습을 시키기 위해 날씨와 매달의 패턴을 분석하여 데이터를 생성하며 시뮬레이션을 진행하는 데 있어서 가우시안 잡음을 추가해 에너지 시장 모델을 구축하였다. 모의실험 결과 제안된 전력 거래시스템은 서로 협조적이며 공동의 이익을 추구하며 장기적으로 이익을 증가시킨 것을 확인하였다.

• Journal of Electrical Engineering and Technology
• /
• 제12권4호
• /
• pp.1329-1339
• /
• 2017

This paper presents the power scheduling of a multi-microgrid (MMG) system using an optimization technique called particle swarm optimization (PSO). The PSO technique has been shown to be most effective at solving the various problems of the economic dispatch (ED) in a power system. In addition, a new MMG system configuration is proposed in this paper, through which the optimal power flow is achieved. Both optimization and power trading methods within an MMG are studied. The results of implementing PSO in an MMG system for optimal power flow and cost minimization are obtained and compared with another attractive and efficient optimization technique called the genetic algorithm (GA). The comparison between these two effective methods provides very competitive results, and their operating costs also appear to be comparable. Finally, in this study, power scheduling and a power trading method are obtained using the MATLAB program.

• 대한안전경영과학회지
• /
• 제6권2호
• /
• pp.211-229
• /
• 2004

The basis of cyber trading has been sufficiently developed with innovative advancement of Internet Technology and the tendency of stock market investment has changed from long-term investment, which estimates the value of enterprises, to short-term investment, which focuses on getting short-term stock trading margin. Hence, this research shows a Short-term Stock Price Forecasting System on Learning Agent System using DTA(Decision Tree Algorithm) ; it collects real-time information of interest and favorite issues using Agent Technology through the Internet, and forms a decision tree, and creates a Rule-Base Database. Through this procedure the Short-term Stock Price Forecasting System provides customers with the prediction of the fluctuation of stock prices for each issue in near future and a point of sales and purchases. A Human being has the limitation of analytic ability and so through taking a look into and analyzing the fluctuation of stock prices, the Agent enables man to trace out the external factors of fluctuation of stock market on real-time. Therefore, we can check out the ups and downs of several issues at the same time and figure out the relationship and interrelation among many issues using the Agent. The SPFA (Stock Price Forecasting System) has such basic four phases as Data Collection, Data Processing, Learning, and Forecasting and Feedback.

• 경영과학
• /
• 제30권1호
• /
• pp.73-89
• /
• 2013

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.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.147-155
• /
• 2022

본 연구에서는 그래디언트 부스팅 기계학습과 유전 알고리즘을 이용하여 일별 주식 포트폴리오를 동적으로 구성하는 시스템을 구축하고 트레이딩 시뮬레이션을 통해 성능을 분석하였다. 이를 위해 유가증권시장과 코스닥시장에 상장된 종목들의 가격 데이터 및 투자자별 거래정보를 포함한 다양한 데이터를 수집하고, 전처리 과정과 변수가공을 통해 학습-예측에 이용될 변수들을 생성하였다. 첫 번째 실험에서는 예측정확도와 정밀도, 재현율 및 F1 점수 등 네 가지 지표를 활용하여 그래디언트 부스팅 기법들(XGBoost, LightGBM, CatBoost)의 성능을 비교 평가하였다. 두 번째 실험에서는 전 단계에서 선택된 LightGBM과 유전 알고리즘을 적용하여 상장 종목들의 일별 수익 여부를 학습-예측하였다. 그리고 예측된 수익 발생확률을 바탕으로 종목을 선별하여 트레이딩 시뮬레이션을 시행하고, CAGR, MDD, 사프지수 및 변동성 측면에서 코스피, 코스닥 지수와의 성능을 비교 평가하였다. 분석 결과, 제안된 전략들 모두 네 가지 성능평가 지표상에서 시장 평균을 넘어서는 것으로 나타났으며, 그래디언트 부스팅과 유전 알고리즘의 결합이 주식 가격 예측에 효과적으로 이용될 수 있음을 보여주었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제30권2호
• /
• pp.209-224
• /
• 2003

최근 전자 상거래 인프라의 발전으로 인해, 온라인 상에서 주식의 매매가 이루어지는 전자 주식 매매 시스템(Electronic Stock Trading Systems: 약칭 ESTS)의 사용이 확산되고 있다. ESTS 상에서는 다양한 기밀 등급을 가진 정보가 서로 다른 신뢰 등급을 갖는 사용자에 의해 공유된다. 특정 정보가 허가된 사용자에 의해서만 접근되도록 보장하기 위해서는, 트랜잭션의 동시성 제어 과정에서의 다등급 보안 데이타베이스 시스템의 사용이 반드시 필요하다. 한편 ESTS 상에서는 분석적인 성향의 트랜잭션과, 매매 체결을 목적으로 하는 실시간 트랜잭션이 동시에 수행되므로, 기존에 고안된 여러 보안 동시성 제어 기법들이 적용되는 데 어려움이 있다. 본 논문에서는 ESTS 환경에서의 보안 동시성 제어를 위한 프로토콜인 보안 단일 스냅샷(Secure One Snapshot: 약칭 SOS) 프로토콜을 제안한다. SOS는 운용 데이터베이스 외에 하나의 스냅샷을 추가로 유지하여 비밀 경로의 생성 가능성을 차단함과 동시에 실시간 동시성 제어 알고리즘이 용이하게 적용될 수 있는 유열성을 제공한다. 또한 SOS는 완화된 정확성 기준을 사용함으로써 데이타의 신선도를 유지하기 위해 관리되는 큐의 길이를 감소시킬 수 있는 방법도 제시한다. 본 논문에서는, SOS의 동작 과정을 예를 통해 소개하고, 프로토콜의 정확성에 대한 분석을 제공한다.

• 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.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권8호
• /
• pp.269-280
• /
• 2022

블록체인 기반 탈중앙화 금융 시장의 등장과 함께 분산 금융 어플리케이션의 사용자와 자본 유동성이 크게 증가하고 있다. 자동화 마켓 메이커는 탈중앙화 거래 플랫폼의 유동성을 바탕으로 자동으로 거래 단가를 계산하는 프로토콜로, 거래 플랫폼의 유동성 풀을 활용하여 구매자와 판매자가 동 시간대에 존재하지 않아도 거래의 성사를 가능하게 하여 현재 탈중앙화 거래 시장에서 가장 일반적으로 사용되고 있다. 그러나 자동화 마켓 메이커는 거래의 비용 효율이 거래에 사용되는 특정 유동성 풀의 유동성 규모에 의존하여, 유동성 풀의 규모가 작고 거래의 규모가 클수록 거래의 비용 효율이 크게 감소한다는 단점이 있다. 이를 해결하기 위한 방법으로 상대적으로 유동성의 규모가 큰 유동성 풀로 거래 경로를 우회하여 비용 효율을 개선하는 거래 경로 라우팅 알고리즘이 채택되고 있지만, 단일 거래 경로만을 사용하기 때문에 여전히 개선의 여지가 존재한다. 본 논문에서는 거래 경로를 우회하는 것에 더하여 거래 규모를 분산하여 다수의 거래 경로를 동시에 탐색하는 다중 경로 라우팅 알고리즘을 제안하고, 해당 알고리즘을 사용하여 자동화 마켓 메이커 기반의 거래 환경에서 기존의 거래 경로 라우팅 알고리즘에 비해 거래의 비용 효율을 개선한다.

• Journal of Electrical Engineering and Technology
• /
• 제1권1호
• /
• pp.1-7
• /
• 2006

In an electricity market, the spot market is normally integrated with a forward or future market. The advantage of the forward market is to allow the market participants to deal in a part or the whole trading portfolio at a fix price in advance and to avoid risk associated to the uncertain price of the spot market. Japan has introduced a continuous auction base forward market from April 2005. This paper analyzes the Japanese forward market rules and operations, and introduces a new algorithm that may improve the efficiency of the market itself. The proposed algorithm enables us to give consideration to the specific characteristics of the power system and to integrate them in the auction mechanism. The benefits of the proposed algorithm are verified on an electronic simulation platform and the results described in this paper.