• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.19-33
• /
• 2013

본 논문에서는 네트워크 기반 대용량의 자원들을 효율적으로 검색하기 위해 사용자의 요구사항에 기반해 검색에 요구되는 태그들 간의 의미론에 기반한 동적 가상 온톨로지(Dynamic Virtual Ontology using Tags: DyVOT)를 추출하고 이를 이용한 동적 검색 방법론을 제안한다. 태그는 소셜 네트워크 서비스를 지원하거나 이로부터 생성되는 정형 및 비정형의 다양한 자원들에 대한 자원을 대표하는 특성을 포함하는 메타적 정보들로 구성된다. 따라서 본 연구에서는 이러한 태그들을 이용해 자원의 관계를 정의하고 이를 검색 등에 활용하고자 한다. 관계 등의 정의를 위해 태그들의 속성을 정의하는 것이 요구되며, 이를 위해 태그에 연결된 자원들을 이용하였다. 즉, 태그가 어떠한 자원들을 대표하고 있는 지를 추출하여 태그의 성격을 정의하고자 하였고, 태그를 포함하는 자원들이 무엇인지에 의해 태그간의 의미론적인 관계의 설정도 가능하다고 보았다. 즉, 본 연구에서 제안하는 검색 등의 활용을 목적으로 하는 DyVOT는 태그에 연결된 자원에 근거해 태그들 간의 의미론적 관계를 추출하고 이에 기반 하여 가상 동적 온톨로지를 추출한다. 생성된 DyVOT는 대용량의 데이터 처리를 위해 대표적인 예로 검색에 활용될 수 있으며, 태그들 간의 의미적 관계에 기반해 검색 자원의 뷰를 효과적으로 좁혀나가 효율적으로 자원을 탐색하는 것을 가능하도록 한다. 이를 위해 태그들 간의 상하 계층관계가 이미 정의된 시맨틱 태그 클라우드인 정적 온톨로지를 이용한다. 이에 더해, 태그들 간의 연관관계를 정의하고 이에 동적으로 온톨로지를 정의하여 자원 검색을 위한 동적 가상 온톨로지 DyVOT를 생성한다. DyVOT 생성은 먼저 정적온톨로지로부터 사용자 요구사항을 포함하는 태그를 포함한 부분-온톨로지들을 추출하고, 이들이 공유하는 자원의 정도에 따라 부분-온톨로지들 간의 새로운 연관관계 여부를 결정하여 검색에 요구되는 최소한의 동적 가상 온톨로지를 구축한다. 즉, 태그들이 공유하는 자원이 무엇인가에 의해 연관관계가 높은 태그들 간에는 이들의 관계를 설명하는 새로운 클래스를 가진 생성된 동적 가상 온톨로지를 이용하여 검색에 활용한다. 온톨로지의 인스턴스는 자원으로 정의되고, 즉 이는 사용자가 검색하고자 하는 해로서 정의된다. 태그들 간의 관계에 의해 생성된 DyVOT를 이용해 기존 정적 온톨로지나 키워드 기반 탐색에 비해 검색해야 할 자원의 량을 줄여 검색의 정확성과 신속성을 향상 시킨다.

• 한국산림과학회지
• /
• 제52권1호
• /
• pp.37-49
• /
• 1981

산원지(山元地) 임목가격(林木價格)의 결정(決定)에 있어서 중요(重要)한 문제(問題)는 평가(評價)된 임목가격(林木價格)이 객관성(客觀性)을 가져야 한다는 점이다. 임업경영(林業経営)이 정상적(正常的)인 상태(狀態)에 있고 국내(國內) 생산목재(生産木材)에 의(依)하여 목재시장(木材市場)이 수요(需要)와 공급(供給)의 균형(均衡)을 이루게 된다면 임목(林木)의 가격(價格)은 시장(市場)의 자율기능(自律機能)에 의(依)해서 결정(決定)될 것이다. 그려나 현재(現在) 국내목재시장(國內木材市場)은 도입외재(導入外材)에 의(依)해서 가격(價格)의 형성(形成)이 좌우(左右)되는 상태(狀態)이므로, 목재(木材)의 생산(生産)에 관여(関與)되는 제투자비(諸投資費)에 의해서 가격(價格)이 결정(決定)되지 않고 채취비용(採取費用)과 목재상인(木材商人)의 기업이윤(企業利潤)을 고려(考慮)한 금액(金額)으로 산원지(山元地)의 목재가격(木材價格)이 결정(決定)되고 있다. 한편 임목(林木)의 평가(評價)는 기업용자산(企業用資産)의 평가(評價), 손실보상액(損害補償額)의 사정(査定) 및 과세표준액(課稅標準額) 등(等)을 결정(決定)하기 위해서 시행(施行)되고 있다. 특(特)히 삼림(森林)의 손해보험(損害保険)이 실시(実施)되는 경우에는 보험가액(保険價額) 사정(査定)에 임목(林木)의 평가(平價)는 절대적으로 필요(必要)하다. 이 경우에 보통(普通) 유령임목(幼令林木)은 비용가격(費用價格)으로, 유령기(幼令期)와 성숙기(成熟期) 중간(中間)의 임목(林木)은 Glaser 방식(方式)으로, 성숙기(成熟期)에 있는 임목(林木)은 시장역산가격(市場逆算價格)으로 평가(平價)될 것이다. 그러나 이와 같은 방법(方法)으로 평가(平價)할 때에 가격(價格)의 객관성(客觀性)이 확보(確保)되지 않는다면 임목(林木)의 평가(平價)는 의미(意味)가 없게 된다. 따라서 본(本) 연구(研究)는 목재생산(木材生産)에 관여(関與)되는 생산비용(生産費用)을 분석(分析)하고 기업자(企業者)의 적정이윤(適正利潤)을 파악(把握)하여 임목(林木)의 평가(平價)가 객관성(客觀性)있게 이루어 질 수 있도록 시도되었다. 1. 조사대상지역(調査対象地域) 및 목재시장(木材市場)의 동향(動向) 조사대상지역(調査対象地域)은 경주시(慶州市) 외곽지역(外廓地域)에 소재(所在)한 두 지역(地域)의 인공림지(人工林地)로, 시장여건(市場與件)은 동일(同一)하나 임상(林相) 및 목재생산(木材生産) 여건(與件)은 서로 상이(相異)하였다. 즉 암곡지역(暗谷地域)의 임목축적(林木蓄積)과 목림생산여건(木林生産與件)은 황룡지역(黃龍地域) 보다 훨씬 양호(良好)한 상태(狀態)로 황룡지역(黃龍地域)은 암곡지역(暗谷地域)에 비(比)하여 생산비용(生産費用)이 57% 정도 더 소요(所要)되었다. 또한 조사시기(調査時期) 당시(當時)의 경주시(慶州市) 임목가격(林木価格)은 서울의 원목시장가격(原木市場價格)보다 9~15% 정도 낮은 가격(価格)으로 형성(形成)되고 있었다. 2. 생산작업공정(生産作業工程) 목재(木材)의 생산(生産)을 위한 비용지출(費用支出)은 생산작업공정(生産作業工程)과 직결(直結)된다. 본(本) 연구(研究)에서는 현지(現地)의 도급인부(都給人夫)들이 제시(提示)한 공정표(工程表)를 적용(適用)하였다. 이 작업공정표(作業工程表)는 국유림산물(國有林産物) 매각예정가격(賣却豫定價格) 사정기준상(査定基準上)의 표준공정표(標準工程表)와 서울대학교(大學校) 광양(光陽) 연습림(演習林)에서 조사(調査)된 침엽수(針葉樹) 인공림(人工林)의 벌채작업공정조사표(伐採作業工程調査表)의 중간정도(中間程度)로 구성(構成)되어 있다. 생산작업(生産作業)의 능률(能率)이 목재생산비용(木材生産費用)의 과다(過多)에 중요(重要)한 관건(関件)이 되고 있다. 따라서 능률적(能率的)인 작업(作業)을 위해서 숙련(熟練)된 임업노동자(林業勞動者)의 확보(確保)가 필요(必要)하며 작업조건(作業條件)의 개선(改善)이 시급한 과제(課題)임을 알 수 있다. 3. 생산비용(生産費用) 및 기업자이윤(企業者利潤) 임목(林木)의 생산비용중(生産費用中) 가장 큰 비중(比重)을 차지하는 부분(部分)은 임목(林木)을 임지(林地)에서 시장(市場)까지 반출(搬出)하는 비용(費用)이다. 즉 암곡지역(暗谷地域)은 반출비용(搬出費用)이 벌목비용(伐木費用)에 비(比)하여 16.7%를 상회하고 있고, 황룡지역(黃龍地域)은 48% 상회하고 있다. 한편 벌목비용(伐木費用)은 하곡(下由) 집재비(集材費), 벌도비(伐倒費), 조재비(造材費), 박피비(剝皮費)의 순서(順序)로 구성(構成)되어있고 기타(其他) 생산비용(生産費用)은 임도신설(林道新設) 보수비(補修費), 관리(管理) 운반비(運搬費)와 상하차비(上下車費) 및 제경비(諸経費)의 순서(順序)로 구성(構成)되어 있다. 기업자(企業者)의 이윤율(利潤率)은 보통(普通) 위험률(危険率)을 포함(包含)하여 15% 정도로 합의(合議)되고 있으나 전체적(全体的)인 고금리(高金利) 추세(推勢)에 따라 임업(林業)에 관계(関係)되는 이자율(利子率) 및 이윤(利潤)의 폭(幅)도 점차 상승(上昇)하는 경향(傾向)이다. 또한 임업(林業)이 전체산업중(全体産業中) 차지하는 가중치(加重値)의 비율(比率)은 약(約) 2.41%에 해당(該當)하며, 금융기관(金融機関)의 자금지원(資金支援)은 극히 미미한 상태(狀態)로 전체(全体) 대출금중(貸出金中) 월간(月間) 약(約) 0.1% 정도로 차지하고 있을 뿐이다. 4. 평가액(評價額)의 사정(査定) 임목(林木)의 평가(評價)는 직선적(直線的)인 방법(方法)과 할인식방법(割引式方法)인 시장역산가방식(市場逆算價方式)으로 각각(各各) 계산(計算)되었다. 모든 변수(変数)를 대입(代入)하여 평가(評價)의 객관성(客觀性)을 확보(確保)하였으며, 그 결과(結果) 상기(上記)의 두가지 방식(方式)은 큰 차이(差異)를 나타내지 않았으나 지역간(地域間)의 가격차이(價格差異)는 상당(相當)히 큰 폭(幅)으로 발생(発生)하였다. 따라서 임목(林木)의 가격사정(價格査定)을 위해서는 변수(変数)가 객관성(客觀性)만 가지고 있다면 직선적(直線的)인 방법(方法)이나 할인식방법(割引式方法) 중 어떤 방법(方法)으로 계산(計算)되어도 큰 차이(差異)가 없는 객관적(客間的) 가격(價格)을 얻을 수 있다.