• Advances in robotics research
• /
• 제1권2호
• /
• pp.171-183
• /
• 2014

Distributed planning and decision making can be beneficial from the robustness, adaptability and fault tolerance in multi-robot systems. Distributed mechanisms have not been employed in three dimensional transportation systems namely aerial and underwater environments. This paper presents a distributed cooperation mechanism on multi robot transportation problem in three dimensional environments. The cooperation mechanism is based on artificial capital market, a newly introduced market based negotiation protocol. In the proposed mechanism contributing in transportation task is defined as asset. Each robot is considered as an investor who decides if he is going to invest on some assets. The decision is made based on environmental constraint including fuel limitation and distances those are modeled as capital and cost. Simulations show effectiveness of the algorithm in terms of robustness, speed and adaptability.

• 지능정보연구
• /
• 제28권3호
• /
• pp.209-235
• /
• 2022

블록체인 기술은 2010년 이후 인공지능 분야의 발전과 더불어 4차 산업혁명을 선도할 최신의 기술로 각광받고 있고, 기술의 활용 분야에 대한 연구가 활성화되고 있다. 그러나, 자본시장 관점에서 블록체인 경제 생태계를 분류하기 위한 기준과 관련된 연구는 거의 없는 상황이다. 본 연구는 자본시장 관점에서 블록체인 기술을 활용하는 개발자, 사업자, 자본시장 참여자 등 전문가를 대상으로 인터뷰와 사례 연구 방법론으로 블록체인 기술의 응용 분야에 따른 블록체인 경제 생태계를 분류하였다. 자본시장의 주식 투자와 연계해 활용할 수 있는 방안으로 블록체인 경제 생태계 분류 방법을 활용하여 투자 종목 유니버스를 구성하였다. 나아가 본 연구는 퀀트 및 인공지능 전략 기반 정성적, 정량적 분석으로 지능형 주식 포트폴리오를 구축하고 성과를 분석하였다. 이를 통해 블록체인 경제 생태계의 지속적인 성장 전망에 따른 성공적인 투자전략을 제시하였다. 본 연구는 블록체인의 표준화를 기술적 관점이 아닌 자본시장의 관점에서 블록체인 경제 생태계로 분류하고 분석했을 뿐 아니라, 실제 글로벌 우량 상장 주식을 대상으로 포트폴리오를 구축하고 양호한 성과를 달성할 수 있는 전략을 도출한 연구로서 시사점을 갖는다. 또한, 본 연구가 제안하는 블록체인 경제 생태계 기반 지능형 주식 투자 포트폴리오 구축 접근은 블록체인의 기술적인 가치에 초점을 맞춘 연구에 비해서, 투자론과 경제학적인 관점에서 통찰력을 제시해 자본시장 발전에 기여할 수 있다는 실무적 시사점을 갖는다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권1호
• /
• pp.65-84
• /
• 2021

Purpose Based on the development of artificial intelligence and big data technologies, the RegTech has been emerged to reduce regulatory costs and to enable efficient supervision by regulatory bodies. The word RegTech is a combination of regulation and technology, which means using the technological methods to facilitate the implementation of regulations and to make efficient surveillance and supervision of regulations. The purpose of this study is to describe the recent adoption of RegTech and to provide basic examples of applying RegTech to capital market regulations. Design/methodology/approach English-based ontology and deep learning technologies are quite developed in practice, and it will not be difficult to expand it to European or Latin American languages that are grammatically similar to English. However, it is not easy to use it in most Asian languages such as Korean, which have different grammatical rules. In addition, in the early stages of adoption, companies, financial institutions and regulators will not be familiar with this machine-based reporting system. There is a need to establish an ecosystem which facilitates the adoption of RegTech by consulting and supporting the stakeholders. In this paper, we provide a simple example that shows a procedure of applying RegTech to recognize and interpret Korean language-based capital market regulations. Specifically, we present the process of converting sentences in regulations into a meta-language through the morpheme analyses. We next conduct deep learning analyses to determine whether a regulatory sentence exists in each regulatory paragraph. Findings This study illustrates the applicability of RegTech-based ontology and deep learning technologies in Korean-based capital market regulations.

• 지능정보연구
• /
• 제25권2호
• /
• pp.123-139
• /
• 2019

국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다. 본 연구는 NPL 시장의 각 물건 별 기준 수익률 달성 유무를 예측할 수 있는 모델을 제안한다. 모델 구축에 사용되는 종속변수는 물건 별 최종 수익률이 기준 수익률 수치 도달 여부를 나타내는 이항변수를 사용하였고, 독립변수로는 물건의 특성을 나타내는 11개의 변수를 대상으로 one to one t-test와 logistic regression stepwise, decision tree를 수행하여 의미있는 7개의 독립변수를 선별하였다. 그리고 통상적으로 사용되는 기준 수익률 수치(12%)가 의미있는 기준 수치인지 확인하기 위해 수치 값을 조절해가며 종속변수를 산출하여 예측모델을 구축해보았다. 그 결과 12%의 기준 수익률 수치로 산출한 종속변수를 이용하여 구축한 예측모델의 평균 Hit ratio가 64.60%로 가장 우수하다는 결과를 얻었다. 다음으로 선별된 7개의 독립변수들과 12%를 기준으로한 수익률 달성유무 종속변수를 이용하여 판별분석, 로지스틱 회귀분석, 의사결정나무, 인공신경망, 유전자알고리즘 선형 모델의 5가지 방법론을 적용해 예측모델을 구축해보았다. 5가지 방법론으로 도출한 예측 모델 간 Hit ratio를 비교한 결과 인공신경망을 이용하여 구축한 예측모델의 Hit ratio가 67.4%로 가장 우수한 결과를 도출해내었다. 본 연구를 통해 추후 NPL시장 신규 물건 매매에 있어서 7가지의 독립변수들과 인공신경망 예측 모델을 활용하는 것이 효과적임을 증명하였다. 물건의 12% 수익률 달성 여부를 사전에 예측해봄으로써 유동화회사가 투자 의사결정을 하는 데에 도움을 줄 것으로 예상하며, 나아가 NPL 시장의 거래가 적정한 가격 선에서 진행됨으로 인해 유동성이 더욱 높아질 것이라 기대한다.

• 전자통신동향분석
• /
• 제37권6호
• /
• pp.1-10
• /
• 2022

Artificial intelligence (AI) has rapidly diffused across industries and societies as nations' essential strategic technology. In innovative technology, such as AI, a startup leads to technological innovation and significantly impacts the expansion of relevant industries. Thus, this study examined the trend of AI startup venture capital (VC) investments globally, focusing on ① noteworthy VC investment statuses (the number and size of the investment, company establishment, and corporate collection), ② the characteristics of each key nation's investments, and ③ the characteristics of each submarket's investments. Among the 11 countries, the results showed that Korea ranked near the bottom for absolute quantitative measures, including the number and size of investments, company establishment, and corporate collection. However, Korea has built a foundation of catching up with what AI-leading countries have established, considering Korea's high growth rate in the number and size of investments and a recent mega-round. This study has practical implications in that it determined the AI startup VC investment status of Korea's rival countries, not only G2 (US and China). The results can be used in policy-making. Furthermore, identifying the AI industry's submarkets and analyzing each market's VC investment status could be used to establish strategies for the AI industry and R&D.

• 한국항해항만학회지
• /
• 제43권1호
• /
• pp.72-78
• /
• 2019

중고선은 신조선과 달리 시장참여자에게 즉각적인 시장 진출입 기회를 제공하기 때문에 해운산업에서 중요한 시장이라 할 수 있다. 중고선 거래 시 정확한 선가 추정은 향후 장기적인 자본비용의 부담과 직접적인 관련이 있기 때문에 투자의사결정에서 상당히 중요한 요소가 된다. 기존의 중고선시장과 관련된 연구들은 시장의 효율성검증에 치우쳐 있어 정확한 중고선가 추정을 위한 연구는 부족한 실정이다. 본 연구에서는 중고선박 가치추정에 전통적인 계량모델보다 기존연구에서 시도되지 않았던 인공신경망모델을 새롭게 제안하였다. 문헌연구를 통해 중고선 가격에 영향을 미치는 6개 요인(운임, 신조선가격, 총 선복대비 발주량, 해체선 가격, 선령, 사이즈)을 선정하였고, 데이터는 2016년 1월부터 2018년 12월까지 Clarkson에 보고된 파나막스 중고선의 실거래 기록 366건을 이용하였다. 변수선정을 위하여 상관분석과 단계적 회귀분석 실시한 결과 최종적으로 운임, 선령, 사이즈 3개의 변수가 채택되었다. 모델의 설계는 10분할 교차검증으로 인공신경망모델의 파라미터들을 추정하여 진행되었다. 인공신경망 모델의 중고선 가치추정치를 단순 단계적 회귀모형과 비교한 결과 인공신경망모델의 성능이 우수함을 확인하였다. 이 연구는 중고선 선가추정에 미치는 요인들에 대한 통계적인 검증, 성능개선을 위한 기계학습기반의 인공신경망 모델활용이라는 측면에서 차별적 의미가 있다. 또한 정확한 선가 추정이 요구되는 실무에서 통계적인 합리성과 결과의 정확성이 동시에 만족되는 과학적 모델을 제시하여 실무적으로도 도움이 될 것으로 기대한다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.229-249
• /
• 2022

본 연구는 다양한 머신러닝 기법을 통해 코스닥(KOSDAQ) 시장 내 관리종목 지정을 예측할 수 있는 모델에 대해 연구하였다. 증권시장 내 기업이 관리종목으로 지정이 되면 시장에서는 이를 부정적인 정보로 인식하여 해당 기업과 투자자에게 손실을 가져오게 된다. 본 연구를 통해 기업의 재무적 데이터를 바탕으로 조기에 관리종목 지정을 예측하고, 투자자들의 포트폴리오 리스크 관리에 도움을 주기 위한 머신러닝 접근이 타당한지 살펴본다. 본 연구를 위해 활용한 독립변수는 수익성, 안정성, 활동성, 성장성을 나타내는 21개의 재무비율을 활용하였으며, K-IFRS가 적용된 2011년부터 2020년까지 관리종목과 비관리종목의 기업의 재무 데이터를 표본으로 추출하였다. 로지스틱 회귀분석, 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, LightGBM을 활용하여 관리종목 지정 예측 연구를 수행하였다. 연구결과는 분류 정확도가 82.73%인 LightGBM이 가장 우수한 예측 모형이었으며 분류 정확도가 가장 낮은 예측 모형은 정확도가 71.94%인 의사결정나무였다. 의사결정나무 기반 학습 모형의 변수 중요도의 상위 3개 변수를 확인한 결과 각 모형에서 공통적으로 나온 재무변수는 ROE(당기순이익), 자본금회전율(Capital stock turnover ratio)로 해당 재무변수가 관리종목 지정에 있어 상대적으로 중요한 변수임을 확인하였다. 대체적으로 앙상블을 이용한 학습 모형이 단일 학습 모형보다 예측 성능이 높은 것을 확인하였다. 기존 선행연구가 K-IFRS에 대한 고려를 하지 않았고, 다소 제한된 머신러닝에 의존하였다. 따라서 본 연구의 필요성과 함께 현실적 요구를 충족시키는 결과를 제시하였음을 알 수 있으며, 시장참여자들에게 있어 관리종목 지정에 대한 사전 예측을 확인할 수 있도록 기여했다고 볼 수 있다.

• 벤처창업연구
• /
• 제18권6호
• /
• pp.173-189
• /
• 2023

혁신 기술 개발이 거듭되며 인공지능, 생명공학, 로봇, 항공우주, 전기차, 태양광 등의 신산업이 창출되며 거시적 경영환경이 급변하고 있다. 이러한 대규모 변화와 복잡성 증가로 인해 창업 전략 차원에서 기술이나 자산의 소유 그 자체보다는 자본이 관계의 중요성 증대로 활용되면서 새로운 가치 창출이 가능한 사회적 자본(Social Capital)의 효과에 주목할 필요가 있다. 사회적 자본은 1916년 Hanifan이 최초로 제안한 개념으로 개인 또는 사회적 구성원들 간의 상호 지속적이며 유기적 관계 또는 축적된 인간관계 네트워크에 잠재되거나 활용이 가능한 능력이나 자원의 전체적 총합을 일컫는다. 또한, 특출한 창업자 1인 보다는 다양한 배경과 특성 및 역량을 갖춘 창업팀 다양성이 각광을 받고 있다. 창업팀 다양성은 창업팀의 인구통계학적 요인이나 신념, 가치 등의 심층적 요소에 대한 다양성을 뜻한다. 거시적 환경 변화로 산업 혁신을 주도하고 국가의 핵심성장동력 창출 역할을 하는 기술창업 및 실험실창업의 중요성이 강조되고 있는데 본 연구에서는 '아이코어(I-Corps)' 프로그램에 주목하였다. 혁신군단을 의미하는 아이코어는 2011년 미연구재단(NSF)이 기업가 정신 및 연구 결과 사업화 장려를 위해 출범된 실험실 창업프로그램으로 교수와 연구원이 참여하는 창업팀 구성과 시장발견활동에 주안점을 두고 있다. 본 연구에서는 이런 특성을 감안하여 네트워크 관점의 사회적 자본과 창업팀 다양성이 아이코어 창업성과에 끼치는 영향을 실증적으로 검증하였다. 분석 결과 창업팀의 학력 다양성이 창업팀의 재무적 성과에 부(-)의 영향을, 성별 다양성과 사회적 자본의 인지적 차원이 창업팀의 재무적 성과에 정(+)의 영향을 끼쳤다. 본 연구는 아이코어 실험실 창업팀 다양성, 사회적 자본과 그 성과 해석에 대한 이론적, 실무적 시사점을 보다 유용하게 제공할 것으로 기대한다.

• KDI Journal of Economic Policy
• /
• 제12권1호
• /
• pp.31-68
• /
• 1990

경제력집중(經濟力集中)은 경제적(經濟的) 자원(資源)과 수단(手段)의 상당부분이 소수의 경독주체(經瀆主體)에 집중되어 이들이 자원배분(資源配分)의 흐름에 큰 영향을 미칠 수 있는 상태를 말한다. 그러므로 경제력집중(經濟力集中)은 본질상 자유시장기구(自由市場機構)의 생리와는 부합하지 않지만 자본주의(資本主義)의 역사로 볼 때 그것이 바로 자유경쟁(自由競爭)의 소산이라는 측면도 있다는 점이 문제가 된다. 구미(歐美)와 일본(日本) 등에 있어서 자본주의체제(資本主義體制)의 진화궤적(進化軌跡)은 이 문제가 어떻게 전개되는가에 따라 결정되어 왔다. 우리나라에서의 경제역집중(經濟力集中)은 다수의 독(獨) 과점적(寡占的) 대기업(大企業)들이 소유관계(所有關係)로 결합되어 있는 기업집단(企業集團) 즉 소위 재벌(財閥)의 문제로 집약될 수 있다. 우리나라의 기업집단(企業集團)의 성장은 시장기구(市場機構)의 작동결과에 기인한 면도 있지만 고도경제성장기(高度經濟成長期)의 정부정책(政府政策)에 의하여 촉진된 것도 부인할 수 없다. 기업집단(企業集團)에 의한 경제력집중(經濟力集中)은 과거 우리나라의 정치(政治) 경제(經濟) 사회(社會)가 거쳐온 진화과정(進化過程)을 집약적으로 나타내는 것 이다. 그러므로 우리나라에서 민주주의(民主主義)와 자본주의(資本主義)의 이념(理念)과 질서(秩序)에 대한 국민적(國民的) 합의(合意)를 모색하려는 현시점에서 경제력집중(經濟力集中)을 객관적으로 인식하여 효율(效率)과 형평(衡平)을 조화하는 적절한 대응방향을 모색 하는 것은 매우 긴요한 과제이다.

• 디지털산업정보학회논문지
• /
• 제15권4호
• /
• pp.197-212
• /
• 2019

The purpose of this study is to identify the maturity stages of venture firms through classification analysis, which is widely used as a big data technique. Venture companies should develop a competitive advantage in the market. And the maturity stage of a company can be classified into five stages. I will analyze a difference in the growth stage of venture firms between the survey response and the statistical classification methods. The firm growth level distinguished five stages and was divided into the period of start-up and declines. A classification method of big data uses popularly k-mean cluster analysis, hierarchical cluster analysis, artificial neural network, and decision tree analysis. I used variables that asset increase, capital increase, sales increase, operating profit increase, R&D investment increase, operation period and retirement number. The research results, each big data analysis technique showed a large difference of samples sized in the group. In particular, the decision tree and neural networks' methods were classified as three groups rather than five groups. The groups size of all classification analysis was all different by the big data analysis methods. Furthermore, according to the variables' selection and the sample size may be dissimilar results. Also, each classed group showed a number of competitive differences. The research implication is that an analysts need to interpret statistics through management theory in order to interpret classification of big data results correctly. In addition, the choice of classification analysis should be determined by considering not only management theory but also practical experience. Finally, the growth of venture firms needs to be examined by time-series analysis and closely monitored by individual firms. And, future research will need to include significant variables of the company's maturity stages.