• 무역학회지
• /
• 제42권2호
• /
• pp.145-174
• /
• 2017

최근 계속되는 글로벌 경기 침체로 수출 여건이 악화됨에 따라 수출 주도형 소규모 개방경제인 우리나라는 수출이 감소하고 국내 경제 또한 침체가 지속되고 있다. 따라서 앞으로 수출증대를 통한 우리 경제의 지속적인 성장을 위해서는 수출보험과 같은 수출 지원제도의 유효성을 분석하여 수출확대를 위한 방안을 마련할 필요가 있다. 이에 본 연구에서는 수출보험이 국내 중소기업 및 대기업 수출에 미치는 효과를 살펴보기 위해 국내 중소기업 및 대기업 수출실적, 수출보험인수실적, 단기수출보험인수실적, 수출 상대가격지수(수출물가지수), 원/달러 환율, 국내경기 동행지수 등의 자료를 이용하여 시계열 분석을 실시하였다. 특히 벡터자기회귀모형(VAR 모형)을 통한 그랜저 인과관계 검정, VAR 모형 분석, 충격반응 분석, 분산분해 분석 등의 계량경제학적 분석 방법을 이용하여 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하였다. 첫째, 그랜저 인과관계 검정을 통해 대기업 수출은 국내경기 동행지수에, 국내경기 동행지수는 수출보험인수실적 및 단기수출보험인수실적에 선행하는 인과관계가 있는 것으로 나타났다. 둘째, VAR 모형 분석 결과 수출보험인수실적 및 수출물가지수의 경우 중소기업의 수출에는 부(-)의 영향을, 그리고 대기업 수출에는 정(+)의 영향을 주는 것으로 나타난 반면, 단기수출보험인수실적의 경우 중소기업의 수출에는 정(+)의 영향을, 그리고 대기업 수출에는 부(-)의 영향을 주는 것으로 나타났다. 셋째, 충격반응분석 및 분산분해 분석 결과 대기업 수출은 중소기업에 비해 단기수출보험인수실적에 크게 영향을 받는 것으로 나타났으며, 수출보험인수실적 역시 중소기업 보다 대기업 수출에 미치는 효과가 더 큰 것으로 나타났다. 결론적으로 수출보험의 경우 중소기업보다 대기업 수출 증대에 더 긍정적인 영향을 주고 있는 것으로 나타났으며, 향후 중소기업의 중장기적 수출보험 활성화를 위해서는 지자체별로 중소기업에 대한 수출보험 지원을 확대할 필요가 있는 것으로 분석되었다. 본 연구는 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하고 효율적인 수출보험정책을 수립하기 위한 정책적 시사점을 제시하고자 하였다는 점에서 그 의의가 있다. 향후 후속연구에서는 수출보험의 수출지원 효과를 보다 정밀하게 측정하기 위해 산업별 보험 인수실적에 따른 수출실적에 대한 시계열 분석을 실시할 필요가 있을 것이다.

• 대한치과의료관리학회지
• /
• 제5권1호
• /
• pp.31-37
• /
• 2017

감염관리는 전반적인 의료행위에서 중요성이 부각되고 있으며 치과 또한 철저한 감염관리가 필요하다. 감염의 매개체에는 여러 가지가 있고, 그 중 의료진 의복으로 인한 감염이 있다. 병원 직원의 오염된 의복은 원내감염의 매개체가 될 수 있다. 이에 스케일링 시 에어로졸에 의한 의복오염도를 실험하였다. 가슴, 배, 허벅지, 소매 끝, 바지 끝 부위를 실험 대상으로 하였다. 실험한 자료는 IBM SPSS (ver20.0) 통계프로그램으로 분석하였다. 스케일링 전(대조군)과 스케일링 후(실험군) colony수의 평균값은 ANOVA (일원배치분산분석)을 사용하였으며, 사후 분석은 Scheffe를 시행하였다. 스케일링 전-후 colony수의 평균값에 대한 유의성 검증은 Paired t-test 비모수 검정방법을 사용하였다. 1. 의복의 가슴 부위에서 스케일링 전 colony수의 평균은 2.13 CFU이고, 스케일링 후 colony 수의 평균은 50.00 CFU로 약 25배 증가한 것으로 나타났다(p=0.012). 2. 의복의 배 부위에서 스케일링 전 colony수의 평균은 4.00 CFU이고, 스케일링 후 colony수의 평균은 16.63 CFU로 약 4배 증가한 것으로 나타났다(p=0.018). 3. 의복의 허벅지 부위에서 스케일링 전 colony수의 평균은 3.63 CFU이고, 스케일링 후 colony수의 평균은 22.88 CFU로 약 7배 증가한 것으로 나타났다(p=0.017). 4. 의복 소매 끝에서 스케일링 전 colony수의 평균은 3.63 CFU이고, 스케일링 후 colony수의 평균은 17.38 CFU로 약 6배 증가한 것으로 나타났다(p=0.028). 5. 의복 바지 끝에서 스케일링 전 colony수의 평균은 2.38 CFU이고, 스케일링 후 colony수의 평균은 33.63 CFU로 약 17배 증가한 것으로 나타났다(p=0.012). 6. 스케일링 후 의복 부위에서 colony수의 평균은 가슴, 바지 끝, 허벅지, 배, 소매 끝 순으로 높게 나타났다. 7. 스케일링 전-후 colony수의 증가율은 가슴, 바지 끝, 허벅지, 소매 끝, 배 순으로 높게 나타났다. 스케일링 시 에어졸로에 의해 의복이 오염되는 것을 확인하였다. 그러므로 우리는 스케일링에 의한 에어로졸로 의복이 오염되는 것을 인지하고 스케일링 후에는 의복을 깨끗이 해야 할 필요성이 있다. 이에 따라 치과기구관리와 함께 의복도 감염방지 대책이 시급한 것으로 보인다. 또한 치과 의료인들에게 자세한 감염교육이 필요할 것이다. 실험 결과로 의복오염의 심각성을 일깨우고, 의복에 대한 감염의식을 높여야 된다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.464-471
• /
• 2023

본 논문에서는 StyleGAN Encoder를 활용한 표정 이미지 생성에서의 연령 왜곡을 감소시키는 방법을 제안한다. 표정 이미지 생성 과정은 StyleGAN Encoder를 사용하여 얼굴 이미지를 생성하고, SVM을 이용하여 학습된 boundary를 잠재 벡터에 적용하여 표정을 변화시킨다. 그러나 웃는 표정의 boundary를 학습할 때 표정 변화에 따른 연령 왜곡이 발생한다. 웃는 표정에 대한 SVM 학습에서 생성된 smile boundary는 표정 변화로 인해 생긴 주름이 학습 요소로 포함되어 있으며 연령에 대한 특성도 함께 학습된 것으로 판단한다. 이를 해결하기 위해, 제안된 방법에서는 smile boundary와 age boundary의 상관계수를 계산하고, 이를 이용하여 smile boundary에서 age boundary를 상관계수에 비례하여 조절하는 방식을 도입한다. 제안된 방법의 효과를 확인하기 위해 공개된 표준 얼굴 데이터셋인 FFHQ 데이터셋을 사용하고 FID score를 측정하여 실험한 결과는 다음과 같다. Smile 이미지에서는 기존 방법에 비하여, Ground Truth와 제안된 방법으로 생성된 smile 이미지의 FID score가 약 0.46 향상되었다. 또한, Smile 이미지에서 기존 방법에 비하여, StyleGAN Encoder로 생성된 이미지와 제안된 방법으로 생성된 smile 이미지의 FID score가 약 1.031 향상되었다. Non-smile 이미지에서는 기존 방법에 비하여, Ground Truth와 본 논문에서 제안된 방법으로 생성된 non-smile 이미지의 FID score가 약 2.25 향상되었다. 또한, Non-smile 이미지에서 기존 방법에 비하여, StyleGAN Encoder로 생성된 이미지와 제안된 방법으로 생성된 non-smile 이미지의 FID score가 약 약 1.908 향상됨을 확인하였다. 한편, 각 생성된 표정 이미지의 연령을 추정하여 StyleGAN Encoder로 생성된 이미지의 추정된 연령과 MSE를 측정한 결과, 기존방법 대비 제안하는 방법이 smile 이미지에서 약 1.5, non-smile 이미지에서 약 1.63의 성능 향상되어 제안한 방법에 대한 성능의 효율성이 입증되었다.

• 현장농수산연구지
• /
• 제25권4호
• /
• pp.138-147
• /
• 2024

본 연구는 국내 밀 43 품종에 대한 A. tumefaciens 형질 전환 효율을 검정하기 위해 GUS staining 분석을 수행한 것으로서 대부분의 밀 형질전환 연구가 특정 품종에 국한되어 있기 때문에 국내 장려 밀 품종에 대한 형질전환 효율에 영향을 미치는 조건에 대한 검정이 필요하다. 국내 밀 품종 중 32개에서 1개 이상의 조직에 염색된 신호가 관찰되었으며 4개 품종에서는 염색된 신호가 관찰되지 않았고 6개 품종에서 과도한 A. tumefaciens 성장이 관찰되었고, 7개 품종은 미성숙배의 크기 등의 이유로 GUS staining 분석이 불가능하여 추가 분석에서 제외하였다. 국내 밀 품종별 A. tumefaciens 감염 효율 비교 결과, 백립계 8개 품종 및 적립계 28개 품종에서는 평균적으로 유의한 차이가 없었다. 특히 조농밀, 조품밀, 새올밀, 조중밀, 새금강밀 등 적립계 품종에서 90% 이상의 높은 감염 효율이 관찰되었고, 전체 품종 중 22개는 50% 이상의 효율을 나타내었다. 본 연구를 통하여 조농밀 및 새올밀은 미성숙배에서 전체 조직에서 강한 GUS 발현으로 형질전환에 적합한 품종으로 나타났으며 금강 품종은 백립계에서 상대적으로 높은 발현을 보여 A. tumefaciens을 이용한 형질전환에 적합한 것으로 확인되었다. 추가적인 연구를 통해 품종의 조직배양 효율을 검정하고, 안정적인 GUS 발현 효율을 조사하는 것이 필요하며, 이를 통해 밀 형질전환에 이용 가능한 품종을 더욱 정밀하게 선발할 수 있을 것으로 판단된다. 해당 연구 결과는 국내 밀품종의 형질전환 효율을 높이기 위한 기초 자료로 활용 가능할 것이다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.181-193
• /
• 2024

기후변화에 의해 발생하는 대기 불균형은 강우량의 증가로 이어지고, 침수 발생 빈도가 증가함에 따라 이를 탐지할 수 있는 기술의 필요성이 증가하고 있다. 침수 피해를 최소화하기 위해 지속적인 모니터링이 필요하며, 날씨의 영향을 받지 않는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상을 활용하여 침수지역을 탐지하였다. 관측된 데이터는 median 필터를 통해 노이즈를 감소시키는 전처리 과정을 진행하였으며, 객체 탐지 기법을 통해 수체와 비수체를 분류하여 각 기법의 침수탐지 활용성을 평가하고자 하였다. 본 연구에서는 Otsu 기법과 SVM 기법을 통해 수체 및 침수 탐지를 수행하였으며, Confusion Matrix를 통해 전체적인 모델의 성능을 평가하였다. Otsu 기법은 수체와 비수체의 경계를 구분하는데 적합함을 보였으나, 혼합물의 영향을 받아 오탐지의 비율이 높게 나타났다. 반면, SVM 기법을 사용한 경우, 오탐지 비율이 낮고 혼합물에 의한 영향에 민감하지 않은 것으로 관측되었다. 이에 따라 침수 상태를 제외한 다른 조건에서 SVM 기법의 정확도가 높게 나타났다. Otsu 기법이 침수 조건에서 SVM 기법보다 다소 높은 정확도를 보였지만, 정확도의 차이가 5% 미만임을 확인할 수 있었다(Otsu: 0.93, SVM: 0.90). SVM 기법이 Otsu 기법보다 침수 전, 침수 후의 조건에서 정확도 차이가 최대 15% 이상 발생하여 수체 및 침수탐지에 더 적합하게 나타났다(Otsu: 0.77, SVM: 0.92). 이러한 결과는 SVM 기법이 수체 및 침수탐지에서 효과적으로 활용될 수 있음을 시사하며, 미래의 수재해 탐지 시스템에 적용될 때 유용한 정보를 제공할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.47-67
• /
• 2017

강판 표면 결함은 강판의 품질과 가격을 결정하는 중요한 요인 중 하나로, 많은 철강 업체는 그동안 검사자의 육안으로 강판 표면 결함을 확인해왔다. 그러나 시각에 의존한 검사는 통상 30% 이상의 판단 오류가 발생함에 따라 검사 신뢰도가 낮은 문제점을 갖고 있다. 따라서 본 연구는 Simultaneous MTS (S-MTS) 알고리즘을 적용하여 보다 지능적이고 높은 정확도를 갖는 새로운 강판 표면 결함 진단 시스템을 제안하였다. S-MTS 알고리즘은 단일 클래스 분류에는 효과적이지만 다중 클래스 분류에서 정확도가 떨어지는 기존 마할라노비스 다구찌시스템 알고리즘(Mahalanobis Taguchi System; MTS)의 문제점을 해결한 새로운 알고리즘이다. 강판 표면 결함 진단은 대표적인 다중 클래스 분류 문제에 해당하므로, 강판 표면 결함 진단 시스템 구축을 위해 본 연구에서는 S-MTS 알고리즘을 채택하였다. 강판 표면 결함 진단 시스템 개발은 S-MTS 알고리즘에 따라 다음과 같이 진행하였다. 첫째, 각 강판 표면 결함 별로 개별적인 참조 그룹 마할라노비스 공간(Mahalanobis Space; MS)을 구축하였다. 둘째, 구축된 참조 그룹 MS를 기반으로 비교 그룹 마할라노비스 거리(Mahalanobis Distance; MD)를 계산한 후 최소 MD를 갖는 강판 표면 결함을 비교 그룹의 강판 표면 결함으로 판단하였다. 셋째, 강판 표면 결함을 분류하는 데 있어 결함 간의 차이점을 명확하게 해주는 예측 능력이 높은 변수를 파악하였다. 넷째, 예측 능력이 높은 변수만을 이용해 강판 표면 결함 분류를 재수행함으로써 최종적인 강판 표면 결함 진단 시스템을 구축한다. 이와 같은 과정을 통해 구축한 S-MTS 기반 강판 표면 결함 진단 시스템의 정확도는 90.79%로, 이는 기존 검사 방법에 비해 매우 높은 정확도를 갖는 유용한 방법임을 보여준다. 추후 연구에서는 본 연구를 통해 개발된 시스템을 현장 적용하여, 실제 효과성을 검증할 필요가 있다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.69-92
• /
• 2015

최근 소셜 미디어의 사용이 폭발적으로 증가함에 따라 이용자가 직접 생성하는 방대한 데이터를 분석하기 위한 다양한 텍스트 마이닝(text mining) 기법들에 대한 연구가 활발히 이루어지고 있다. 이에 따라 텍스트 분석을 위한 알고리듬(algorithm)의 정확도와 수준 역시 높아지고 있으나, 특히 감성 분석(sentimental analysis)의 영역에서 언어의 문법적 요소만을 적용하는데 그쳐 화용론적 의미론적 요소를 고려하지 못한다는 한계를 지닌다. 본 연구는 이러한 한계를 보완하기 위해 기존의 알고리듬 보다 의미 자질을 폭 넓게 고려할 수 있는 Word2Vec 기법을 적용하였다. 또한 한국어 품사 중 형용사를 감정을 표현하는 '감정어휘'로 분류하고, Word2Vec 모델을 통해 추출된 감정어휘의 연관어 중 명사를 해당 감정을 유발하는 요인이라고 정의하여 이 전체 과정을 'Emotion Trigger'라 명명하였다. 본 연구는 사례 연구(case study)로 사회적 이슈가 된 세 직업군(교수, 검사, 의사)의 특정 사건들을 연구 대상으로 선정하고, 이 사건들에 대한 대중들의 인식에 대해 분석하고자 한다. 특정 사건들에 대한 일반 여론과 직접적으로 표출된 개인 의견 모두를 고려하기 위하여 뉴스(news), 블로그(blog), 트위터(twitter)를 데이터 수집 대상으로 선정하였고, 수집된 데이터는 유의미한 연구 결과를 보여줄 수 있을 정도로 그 규모가 크며, 추후 다양한 연구가 가능한 시계열(time series) 데이터이다. 본 연구의 의의는 키워드(keyword)간의 관계를 밝힘에 있어, 기존 감성 분석의 한계를 극복하기 위해 Word2Vec 기법을 적용하여 의미론적 요소를 결합했다는 점이다. 그 과정에서 감정을 유발하는 Emotion Trigger를 찾아낼 수 있었으며, 이는 사회적 이슈에 대한 일반 대중의 반응을 파악하고, 그 원인을 찾아 사회적 문제를 해결하는데 도움이 될 수 있을 것이다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.119-133
• /
• 2020

Fama에 의하면 효율적 시장에서는 일시적으로 높은 수익을 얻을 수는 있지만 꾸준히 시장의 평균적인 수익을 초과하는 투자전략을 만드는 것은 불가능하다. 본 연구의 목적은 변동성의 장중 비대칭적 전이효과를 이용하는 변동성 매도전략을 기준으로 투자 성과를 추가적으로 개선하기 위하여 SVM을 활용하는 투자 전략을 제안하고 그 투자성과를 분석하고자 한다. 한국 시장에서 변동성의 비대칭적 전이효과는 미국 시장의 변동성이 상승한 날은 한국 시장의 아침 동시호가에 변동성 상승이 모두 반영되지만, 미국 시장의 변동성이 하락한 날은 한국 시장의 변동성이 아침 동시호가에서 뿐만 아니라 장 마감까지 계속해서 하락하는 이상현상을 말한다. 분석 자료는 2008년부터 2018년까지의 S&P 500, VIX, KOSPI 200, V-KOSPI 200 등의 일별 시가지수와 종가지수이다. 11년 동안의 분석 결과, 미국 시장의 변동성이 상승으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가 변동성에 모두 반영되지만, 미국 시장의 변동성이 하락으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가뿐만 아니라 오후 장 마감까지도 계속해서 유의적으로 영향을 미치고 있다. 시장이 효율적이라면 미국 시장의 전일 변동성 변화는 한국 시장의 아침 동시호가에 모두 반영되고 동시호가 이후에는 추가적인 영향력이 없어야 한다. 이러한 변동성의 장중 비정상적 전이 패턴을 이용하는 변동성 매도전략을 제안하였다. 미국 시장의 전날 변동성이 하락한 경우 한국 시장에서 아침 동시호가에 변동성을 매도하고 장 마감시에 포지션을 청산하는 변동성 데이트레이딩전략을 분석하였다. 연수익률은 120%, 위험지표인 MDD는 -41%, 위험과 수익을 고려한 성과지수인 Sharpe ratio는 0.27을 기록하고 있다. SVM 알고리즘을 이용해 변동성 데이트레이딩전략의 성과 개선을 시도하였다. 2008년부터 2014년까지의 입력자료를 이용하여 V-KOSPI 200 변동성지수의 시가-종가 변동 방향을 예측하고, 시가-종가 변동율이(-)로 예측되는 경우에만 변동성 매도포지션을 진입하였다. 거래비용을 고려하면 2015년부터 2018년까지 테스트기간의 연평균수익률은 123%로 기준 전략 69%보다 크게 높아지고, 위험지표인 MDD도 -41%에서 -29%로 낮아져, Sharpe ratio가 0.32로 개선되고 있다. 연도별로도 모두 수익을 기록하면서 안정적 수익구조를 보여주고 있고, 2015년을 제외하고는 투자 성과가 개선되고 있다.