• Communications for Statistical Applications and Methods
• /
• 제22권5호
• /
• pp.495-506
• /
• 2015

Volatility is a variation measure in finance for returns of a financial instrument over time. GARCH models have been a popular tool to analyze volatility of financial time series data since Bollerslev (1986) and it is said that volatility is highly persistent when the sum of the estimated coefficients of the squared lagged returns and the lagged conditional variance terms in GARCH models is close to 1. Regarding persistence, numerous methods have been proposed to test if such persistency is due to volatility shifts in the market or natural fluctuation explained by stationary long-range dependence (LRD). Recently, Lee et al. (2015) proposed a residual-based cumulative sum (CUSUM) test statistic to test volatility shifts in GARCH models against LRD. We propose a bootstrap-based approach for the residual-based test and compare the sizes and powers of our bootstrap-based CUSUM test with the one in Lee et al. (2015) through simulation studies.

• 경영과정보연구
• /
• 제33권5호
• /
• pp.249-260
• /
• 2014

본 연구는 우리나라의 코스닥시장을 대상으로 기업고유변동성과 주식수익률에 영향을 미치는 것으로 알려진 기업규모, 장부가/시장가, 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율, 거래회전율 등과 같은 기업특성변수들과 어떤 특징을 보이는 지를 우선적으로 알아보았다. 또한 실현범위변동성 및 기업고유변동성을 이용하여 주식에 투자할 경우 이들 변동성의 크기 따라 분류된 포트폴리오 간에 투자성과에 있어서 어떠한 차이를 보이는 지에 대해서도 살펴보았다. 분석결과에 따르면 기업고유변동성과 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율 거래회전율 등은 CAPM, FF-3요인 모형 둘 다 기업고유변동성이 높은 포트폴리오 일수록 기업특성변수들은 통계적으로 유의하게 높아지는 경향을 보였다. 즉, 기업고유변동성은 이들 기업특성변수들과 양(+)의 관계를 가지는 것으로 나타났다. 또한, 거래전략을 1/1/1, 즉, 포트폴리오 구성기간 1개월, 구성한 후 기다리는 기간을 1개월, 성과측정 기간 1개월로 정해서 실현범위변동성과 기업고유변동성이 주식의 기대수익률과 어떤 관계를 가지는 지에 대해 분석을 수행하였는데, 실현범위변동성과 기업고유변동성은 주식수익률과 체계적으로 양(+)의 관계를 가진다는 흥미로운 사실을 발견하였다.

• 경영과정보연구
• /
• 제30권2호
• /
• pp.237-255
• /
• 2011

변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.

• 응용통계연구
• /
• 제27권2호
• /
• pp.291-305
• /
• 2014

금융시계열 자료의 변동성에 나타나는 대표적인 현상 중에 지속성(persistence)이 있는데, 이를 설명하기 위하여 IGARCH 모형이 주로 사용된다. 최근에 변동성의 지속성은 변동성 변화와 장기억성에 기인한다는 사실이 많은 연구 결과에서 발표되고 있을 뿐만 아니라 장기억성은 변동성 변화로, 변동성 변화는 장기억성으로 보이게 되는 현상이 빈번히 나타난다. 따라서 본 논문에서는 변동성의 지속성, 장기억성 및 변동성 변화를 구분하는 통계적인 방법론을 고려하였다. 이를 위해 GARCH 모형 잔차를 기반으로 하는 CUSUM 통계량을 도입하여, size 왜곡(distortion) 현상을 해결할 뿐만 아니라 우수한 검정력을 얻을 수 있음을 입증하였다. 한편 변동성 변화가 존재하는 경우 변화점 추정이 중요해 지는데, 이를 위해 GARCH 모형을 기반으로 한 AIC 방법과 BIC 방법을 비교하였다. 다양한 모의실험과 실증자료를 분석하여 우리가 제안하는 잔차 기반의 CUSUM 통계량의 우수성을 입증하였다.

• 재무관리연구
• /
• 제23권2호
• /
• pp.1-25
• /
• 2006

본 논문에서는 1980년부터 2003년까지 한국 증권시장을 대상으로 과거 주식수익률과 변동성을 이용한 반대투자전략의 초과수익을 분석하였다. 즉 과거 주식수익률을 이용한 투자전략의 초과수익에 시장변동성이나 개별기업의 변동성이 영향을 미치는지 검증하고자 하였다. 우선 한국 증권시장을 6년 단위의 하위 포트폴리로 구분하여 과거 주식수익률을 이용한 반대투자전략의 초과수익을 측정하였다. 그 결과 시장변동성이 가장 작은 기간이었던 1980년${\sim}$1986년까지의 표본기간에서는 계속투자전략이 유의한 투자전략으로 나타났으나 그 외의 기간에서는 반대투자전략이 유의한 투자전략으로 나타났다. 따라서 시장변동성 뿐 아니라 개별기업의 변동성 역시 과거 주식수익률을 이용한 투자전략의 초과수익에 영향을 미치는지 확인하였다. 개별기업의 변동성을 하나의 지표로 포트폴리오를 구성하여 과거 주식수익률을 이용한 투자전략의 초과수익을 확인한 결과 과거 개별기업의 변동성이 작았던 포트폴리오에서는 계속투자전략이 유의한 투자 전략으로 나타난데 비해서 과거 개별기업의 변동성이 큰 포트폴리오에서는 유의한 계속투자전략의 초과수익을 확인할 수 없었다. 따라서 과거 주식수익률 뿐 아니라 변동성까지 고려하여 투자전략을 구성하는 것이 보다 높은 양(+)의 초과수익을 얻는 방법이라고 할 수 있다.

• 경영과정보연구
• /
• 제33권2호
• /
• pp.119-133
• /
• 2014

본 연구는 종가기반의 변동성 대신 일중의 자료를 이용하여 산출된 범위변동성을 이용하여 가격제한 제도 변화 전 후의 변동성 추이를 살펴보고, 가격제한 제도가 실제로 주식시장의 가격안정성에 미치는 영향을 살펴보았다. 분석에 사용된 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2000; YZ)가 제시한 범위변동성을 사용하였으며 추정된 범위변동성을 전체기간과 가격제한 완화 전 기간과 가격제한 완화이후기간으로 구분하여 비교분석하였다. 주요 결과는 다음과 같다. 첫째, 가격제한폭 완화 이후 코스닥시장의 개별기업 변동성이 가격제한폭 완화 이전 보다 감소한 것으로 나타났다. 이러한 결과는 4가지 범위변동성에서 동일하게 1% 유의수준에서 나타났다. 둘째, 고주가 주식이 저주가 주식보다 높은 변동성을 가지며, 가격제한폭 완화 후 변동성이 축소된 것으로 나타났다. 셋째, 시가총액과 변동성과는 의미 있는 관계를 가지지 않는 것으로 나타났다. 넷째, 범위변동성은 거래량이 낮은 주식이 거래량이 증가함에 변동성도 증가하는 것으로 나타났다. 그리고 가격제한폭 완화 이후 유동성이 가장 높은 주식의 변동성이 가장 크게 감소하였으며 거래량이 적은 주식은 미미한 영향을 미치는 것으로 나타났다. 다섯째, PK, GK, RS, YZ 범위변동성이 감소된 포트폴리오는 거래대금의 규모가 가장 큰 포트폴리오로 나타났으며, 변동성 변화가 가장 적은 포트폴리오는 거의 가격제한폭 완화의 영향을 받지 않는 것으로 나타났다. 이상의 결과는 가격제한폭 완화에 따라서 변동성이 감소하였으며, 특히 고주가, 대규모 거래량, 거래대금이 큰 주식의 변동성을 낮게 하여 단기적으로 주가 급등락을 막아 시장안정성에 도움을 주는 것을 확인하였다. 반면, 저주가, 소규모 거래량, 소규모 거래대금의 주식의 변동성에 대해서는 변화가 없는 것으로 나타나 현재 사용하고 있는 명시적이면서 고정적인 가격제한폭에 대한 제도적 개선이 필요한 것으로 판단된다.

• 응용통계연구
• /
• 제26권1호
• /
• pp.187-200
• /
• 2013

본 논문에서는 기하브라운운동(geometric Brownian motion)을 기반으로 표준옵션의 델타헤지를 수행하는 경우, 헤지변동성의 선택이 헤지손익에 미치는 영향을 재탐색하였다. 이를 위하여, 헤지변동성과 헤지손익과의 관계를 고찰하였으며, 모의실험과 실증분석을 통하여 기초자산의 추세에 따라 헤지변동성을 달리 선택하는 것이 최종 헤지손익에 유리할 수 있음을 살펴보았다. 구체적으로, 등가격 표준옵션의 헤지매매 시 향후 기초자산이 횡보할 것으로 예상될 때에는 헤지변동성을 상대적으로 크게, 추세가 형성될 것으로 예상될 때에는 비교적 작게 사용하는 것이 손익에 유리하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• Journal of Electrical Engineering and Technology
• /
• 제12권3호
• /
• pp.989-995
• /
• 2017

As is known to all that the output of wind power generation has a character of randomness and volatility because of the influence of natural environment conditions. At present, the research of wind power prediction mainly focuses on point forecasting, which can hardly describe its uncertainty, leading to the fact that its application in practice is low. In this paper, a wind power range prediction model based on the multiple output property of BP neural network is built, and the optimization criterion considering the information of predicted intervals is proposed. Then, improved Particle Swarm Optimization (PSO) algorithm is used to optimize the model. The simulation results of a practical example show that the proposed wind power range prediction model can effectively forecast the output power interval, and provide power grid dispatcher with decision.

• 산업경영시스템학회지
• /
• 제41권1호
• /
• pp.84-93
• /
• 2018

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of power energy consumption. To this end, we consider the volatility of the time series and apply the sample variance and the detrended fluctuation analyses to the volatilities. We demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the power consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the power consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of "context units" in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the power consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. To further confirm the experimental results, we performed two types of the cross validations designed for the time series data. We also support the validity of the model by analyzing the multi-step forecasting. We found that the prediction errors tend to be saturated although they increase as the prediction time step increases. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.