• 국제지역연구
• /
• 제20권1호
• /
• pp.3-22
• /
• 2016

본 연구에서는 1995년부터 1월에서 2015년 10월까지의 5,323개 일별자료로 다변량 GARCH BEKK모형을 이용하여 금리, 환율, 주가 상호간 충격전이효과를 분석하였다. 전체표본기간에서의 변동성 충격전이를 분석한 결과로는 우선 대칭모형상으로 금리변동의 충격은 주가에만 충격을 주었고 환율변동의 충격은 다른 두 변수들에 별다른 영향을 미치지 못하였는데 주가변동은 금리와 환율 모두에 유의미한 충격을 주는 것이 확인되었다. 비대칭모형상으로는 금리의 상승충격은 환율에만, 환율의 상승충격은 금리에만 상호간 유의미한 영향을 미쳤고 주가의 하락충격은 환율에만 유의미한 영향을 미치는 것으로 나타났다. 외환위기국면 소표본기간에서는 비대칭모형에서 금리의 상승충격이 환율과 주가에 영향을 미쳤고 주가의 하락충격은 환율에만 영향을 주는 것으로 나타났다. 또한 글로벌 금융위기국면 소표본기간의 비대칭모형에서는 주가의 하락충격만이 금리에 영향을 주는 것으로 나타났다. 이를 종합하면 한국의 주식시장 변동충격은 나머지 두 변수에 유의미하게 영향을 미쳤고 금리의 충격은 시기별로 주가와 환율에 영향을 미쳤으나 환율의 충격은 전체적으로 그리 크지 않게 나타남으로써 주식시장의 안정화 유도책이 시장변수의 충격을 완화시키기 위한 선결과제임이 입증되었다.

• 경영과정보연구
• /
• 제39권2호
• /
• pp.17-37
• /
• 2020

본 연구의 목적은 2007년~2010년 유로 도입 이후 금융위기 및 그에 따른 EU 부채위기까지의 기간 내에 미국, 유럽 및 BRIC 금융시장 간의 선형과 비선형 인과관계의 존재를 통해 글로벌 전이효과를 조사하는데 있다. 금융위기로 인한 글로벌 전이효과가 잘 설명되어 있지만, 미국, 유럽 및 BRIC 주식시장 간의 변동성 전이효과의 특성 뿐만 아니라 전달 메커니즘은 체계적으로 조사되지 않았다. 동적 선형 및 비선형 인과관계를 조사하기 위해 단계적인 필터링 방법론이 도입되었는데, 이는 벡터자기회귀모형과 다변량 GARCH 모형을 포함한다. 본 논문의 표본은 유로 이후 기간을 포함하고 또한 2007년 금융위기, 2008년 글로벌 금융위기, 2010년 유로존 부채위기도 포함한다. 본 연구의 실증결과는 BRIC 주식시장의 효율성에 많은 함의를 가질 수 있는데 시장의 예측가능성에 영향을 미칠 뿐만 아니라 시장의 금융통합의 과정을 수량화하기 위해서 미래의 연구에 유용할 수 있다. 미국, 유럽 및 BRIC 간의 상호 의존성이 감지되면 금융시장 규제, 헤징 및 거래 전략에 대한 중요한 함의를 나타낼 수 있다. 또한 결과는 BRIC이 미국발 서브프라임 금융위기 이후 국제적으로 통합되고 있고 전이효과가 더욱 구체화 되어 현저하게 나타나고 있다는 것을 보여준다. 더욱이, 탈동조화 견해를 지지하는 일관된 증거가 전혀 없다. 일부 비선형 인과관계는 조사기간 동안 필터링 후에도 지속된다. 비록 꼬리분포 의존성과 고적률이 나머지 상호 의존성의 유의한 요소일 수 있을지라도, 이것은 비선형 인과관계가 단순한 변동성 효과에 의해 대체로 설명될 수 있다.

• 재무관리연구
• /
• 제26권3호
• /
• pp.199-226
• /
• 2009

본 논문은 우리나라 주식시장과 외환시장의 기대 수익률과 조건부 변동성간의 시계열적 관계를 2요인 자본자산가격결정모형(two-factor ICAPM)을 이용하여 실증 분석하였다. 주가와 환율의 조건부 분산은 GARCH 모형과 비대칭성을 반영한 GJR(1993) 모형으로 추정하였으며, 주가와 환율과의 조건부 공분산은 Bollerslev(1990)의 일정 상관관계(CCC) 모형과 Engle(2002)의 동태적 조건부상관관계(DCC) 모형을 이용하여 추정하였다. 실증 분석모형은 MGARCH-M 모형을 사용하였으며, 추정방법은 준최우추정법(QMLE)을 사용하였다. 실증 분석결과 외환위기 이후에 주식시장의 기대 수익률은 주가의 분산에 대해, 그리고 환율과의 공분산에 대해 유의한 음(-)의 관계를 갖는 것으로 나타났다. 그러나 외환시장에서 기대 수익률은 조건부 분산과 조건부 공분산에 대해 유의하지 않은 것으로 나타났다. 조건부 분산의 추정에서는 GJR 모형이 GARCH 모형에 비해 더 적합한 것으로 나타났다. 그리고 DCC 모형이 CCC 모형에 비해 설명력이 더 높은 것으로 나타났다. 본 논문의 분석결과는 주식시장에서 환율 변동이 위험 요인으로 작용하고 있기 때문에 포트폴리오 구성이나 위험 관리 등에서 환율 변동을 고려할 필요가 있고, 변수들간의 상관관계는 시변하는 모형을 사용할 필요가 있음을 시사한다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.753-771
• /
• 2016

금융기관의 위험관리를 위한 중요한 도구로서 현재 VaR가 널리 사용되고 있다. 본 논문에서는 코퓰러 함수들을 이용하여 극단치이론과 GARCH 모형을 결합한 일변량분포로부터 구축한 다변량분포들을 바탕으로 코스피, 다우존스, 상하이 그리고 니케이 지수들로 구성된 포트폴리오의 VaR 추정과 그 성과에 관해 논의하였다. 사후검증 결과 전체적으로 볼 때 가우시안, t, 클레이톤, 프랭크 코퓰러를 사용한 t-분포의 오차항을 가진 변동성 모형들이 포트폴리오 VaR의 측정에 적합한 모형들로 나타났으며, 특히 프랭크 코퓰러의 경우에 가장 우수한 성과를 나타내었다.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권9호
• /
• pp.143-154
• /
• 2021

This study aims to explore the dynamic conditional correlation (DCC) between ten Asian stock indexes, the US stock index, and Bitcoin by using the dynamic conditional correlation model. The time span of the daily data is between January 2015 to May 2021, the total observation is 1,116. DCC(1,1)-EGARCH(1,1) with multivariate t and normal distributions for the DCC and EGARCH models, respectively, outperforms other models by the goodness of fit values. Except for Bitcoin, we discovered that the majority of the securities' volatilities have a very high volatility persistence. Furthermore, the negative shocks/news have more impact on the volatilities than positive shocks/news in most of the cases, except the stock index of China and Bitcoin. Most of the correlation pairs exhibit higher correlation during the COVID-19 pandemic compared to the pre-COVID-19, except Hong Kong-The US and Malaysia-Indonesia. Moreover, the correlation between Asian stock indexes during the COVID-19 pandemic is statistically higher than the pre-COVID-19 pandemic. However, there are a few instances where the Hong Kong stock index and a few countries are identical. The result of correlation size shows the connectedness between Asian stock markets, which are well-connected within the region, especially with South Korea, Singapore, and Hong Kong.

• 경영과정보연구
• /
• 제33권1호
• /
• pp.139-155
• /
• 2014

본 연구는 글로벌 경제통합화를 통한 인도의 주식시장과 다른 주식시장의 변동성간에 연관성을 파악하고자 하였다. 본 연구의 결과, 첫째, 분산비검정에서 모든 기간의 주식시장은 자기상관이 존재하지 않았고 또한 고전적 RS모형에서 모든 기간이 자기상관이 존재하지 않았으나, 수정된 RS모형에서도 거의 모든 기간에서 장기기억이 존재하였다. 둘째, 단위근검정에서 모든 기간이 단위근이 존재하지 않아 시계열이 안정적이고, 모든 수정$R^2$는 높은 설명력을 나타냈다. 또한 ARFIMA모형에서 모두 정상적 조건을 만족하고 모든 시계열이 장기기억을 나타내었다. 셋째, VAR과 다변량 비대칭 BEKK모형에서 글로벌 금융위기전의 경우, 조건부 평균식에서 영국과 대만의 자국시장이 강하고, 일방향으로 일본에서 인도로, 대만에서 중국(한국, 미국)으로, 미국(일본)에서 영국으로 강한 조건부 평균전이효과가 존재하였다. 조건부 분산식에서 GARCH는 시장자체의 ARCH계수의 결과와 동일한 방향의 강한 조건부 변동성전이효과를 보여주었다. 세 자국시장에서 비대칭효과가 존재하며, 시장간 일방향의 비대칭효과가 존재하였다. 넷째, 글로벌 금융위기후의 경우, 조건부 평균식에서 대만의 자국시장만이 강하게 영향을 나타내고, 일방향으로 인도에서 미국으로, 대만에서 일본으로, 한국에서 독일로 강한 조건부 평균전이효과가 존재하였다. 조건부 분산식에서는 위기전의 결과와 동일한 강한 조건부 변동성전이효과가 존재하였고 영국의 자국시장에서 비대칭효과가 존재하며, 대만에서 독일로 일방향의 비대칭효과가 존재하였다. 다섯째, 우도비검정에서는 다른 검정결과와는 다르게 모든 기간에서 인도는 타국의 주식시장에 영향을 미치지 않고 동시에 타국의 주식시장에 의해 영향을 받지 않았다. 따라서 본 연구는 글로벌 경제통합화를 통한 인도와 다른 주식시장의 변동성간에 연관성을 파악함으로써 타국의 주식시장에서 인도로의 수익률(변동성)전이효과와 타국의 주식시장간 일(양)방향의 비대칭적 반응을 관찰함으로써 타국의 주식시장간의 여러 인과관계를 확인하였다.

• 경영정보학연구
• /
• 제26권2호
• /
• pp.45-57
• /
• 2024

본 연구에서는 딥러닝 기반의 팜유(Crude Palm Oil: CPO) 가격 예측 방법론을 개발하였다. 팜유는 그 생산 수율과 경제적 효율성으로 인해 다양한 산업에서 중요한 자원으로 활용되고 있으며, 이로 인해 팜유 가격 변동성에 대한 산업계의 관심이 증가하고 있다. 따라서, 팜유 가격 예측을 위한 연구가 활발히 진행되고 있으나, 많은 연구가 시계열 예측 기반으로 정확도에 한계점을 가지고 있다. 본 연구는 기존 방법론의 주요 한계인 정상성 부재 문제를 해결하기 위해 현재 가격 대비 미래 가격의 비율을 종속변수로 사용하는 새로운 모델을 제시한다. 이 접근법은 주식 가격 예측에서의 수익(return) 모델링에 착안하여 개발되었으며, 단순 가격 예측보다 더 높은 성능을 나타낸다. 또한, 다변량 시계열 예측에서 중요한 요소인 독립변수의 지연 값(lag)을 고려하여, 불필요한 잡음을 제거하고 예측 모델의 안정성을 높이는 방법론을 채택했다. 이 연구는 팜유 가격 예측의 정확도를 향상시키는데 중요한 기여를 하며, 시계열 데이터가 중요한 다른 경제적 예측 문제에도 적용 가능한 접근법을 제시한다는 점에서 산업계에 큰 의미가 있다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.