• 디지털융복합연구
• /
• 제18권7호
• /
• pp.223-228
• /
• 2020

주가는 사람들의 심리를 반영하고 있으며, 주식시장 전체에 영향을 미치는 요인으로는 경제성장률, 경제지료, 이자율, 무역수지, 환율, 통화량 등이 있다. 국내 주식시장은 전날 미국 및 주변 국가들의 주가지수에 영향을 많이 받고 있으며 대표적인 주가지수가 다우지수, 나스닥, S&P500이다. 최근 주가뉴스를 이용한 주가분석 연구가 활발히 진행되고 있으며, 인공지능 기반한 분석을 통하여 과거 시계열 데이터를 기반으로 미래를 예측하는 연구가 진행 중에 있다. 하지만, 주식시장은 예측시스템에 의해서 단기간 적중이 되더라도, 시장은 더 이상의 단기 전략대로 움직여지지 않고, 새롭게 변할 수밖에 없다. 따라서, 본 모델을 삼성전자 주식데이터와 뉴스 정보를 텍스트 마이닝으로 모니터링하여 분석한 결과를 나타내어 예측이 가능한 모델을 제시하였으며, 향후 종목별 예측을 통하여 실제 예측이 정확한지 확인하여 발전시켜 나갈 예정임.

• 응용통계연구
• /
• 제23권4호
• /
• pp.651-668
• /
• 2010

금융 포트폴리오의 두 위험측도인 VaR와 ES에 대한 여러 추정방법을 1일 후와 10일 후의 경우로 나누어 각각 비교하였다. 2008년 미국발 세계 금융위기 기간을 포함한 KOSPI 자료와 해외 5개국의 종합주가지수 자료를 이용하여 실증적으로 비교하였다. 손실 분포의 두터운 꼬리와 조건부 이분산성을 동시에 고려하는 방법을 중심으로 여러 방법을 추가적으로 고려하였고, 국내 자료에 어떤 방법이 적절하며 종합적인 성능은 어떤가를 살펴보았다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제32권1호
• /
• pp.179-199
• /
• 2023

Purpose This study builds a prediction model to find stocks that can reach intrinsic value among KOSPI and KOSDAQ-listed companies to improve the stability and profitability of the stock investment. And investment simulations are conducted to verify whether stock investment performance is improved by comparing the prediction model, random stock selection, and the market indexes. Design/methodology/approach Value investment theory and machine learning techniques are applied to build the model. Various experiments find conditions such as the algorithm with the best predictive performance, learning period, and intrinsic value-reaching period. This study selects stocks through the prediction model learned with inventive variables, does not limit the holding period after buying to reach the intrinsic value of the stocks, and targets all KOSPI and KOSDAQ companies. The stock and financial data are collected for 21 years (2001-2021). Findings As a result of the experiment, using the random forest technique, the prediction model's performance was the best with one year of learning period and within one year of the intrinsic value reaching period. As a result of the investment simulation, the cumulative return of the prediction model was up to 1.68 times higher than the random stock selection and 17 times higher than the KOSPI index. The usefulness of the prediction model was confirmed in that the number of intrinsic values reaching the predicted stock was up to 70% higher than the random selection.

• 대한산업공학회지
• /
• 제39권1호
• /
• pp.30-45
• /
• 2013

Predicting monthly electricity price has been a significant factor of decision-making for plant resource management, fuel purchase plan, plans to plant, operating plan budget, and so on. In this paper, we propose a sophisticated prediction model in terms of the technique of modeling and the variety of the collected variables. The proposed model hybridizes the semi-supervised learning and the artificial neural network algorithms. The former is the most recent and a spotlighted algorithm in data mining and machine learning fields, and the latter is known as one of the well-established algorithms in the fields. Diverse economic/financial indexes such as the crude oil prices, LNG prices, exchange rates, composite indexes of representative global stock markets, etc. are collected and used for the semi-supervised learning which predicts the up-down movement of the price. Whereas various climatic indexes such as temperature, rainfall, sunlight, air pressure, etc, are used for the artificial neural network which predicts the real-values of the price. The resulting values are hybridized in the proposed model. The excellency of the model was empirically verified with the monthly data of electricity price provided by the Korea Energy Economics Institute.

• 기술혁신연구
• /
• 제11권2호
• /
• pp.151-173
• /
• 2003

This paper analyses the efficiency and productivity of R&D system across time (1991${\sim}$2000) and 16 OECD countries using multi-output and multi-input non-parametric frontier methods such as DEA (data envelopement analysis) and Malmquist productivity indexes. Malmquist productivity indexes are decomposed into two components measures, namely technical change and efficiency change. To calculate R&D efficiency and productivity, we used R&D stock and the number or researchers as R&D input proxies and the number of adjusted SCI papers and U.S. patent applications as R&D output proxies. Empirical result shows that Switzerland, Canada, U.S., Australia's R&D efficiencies are the highest and Korea's R&D productivity growth is the highest in the sample for the period. Technical efficiency growth was a more important source of productivity growth than technological innovation.

• 한국콘텐츠학회논문지
• /
• 제20권11호
• /
• pp.281-291
• /
• 2020

본 연구는 변액연금보험 보증준비금 산정을 위해 보험업감독업무시행세칙에 제시된 표준자산 등을 가우스-포와송 점프확산과정으로 추정해보고 점프위험에 대한 고려가 변액연금보험 최저연금적립금보증의 보증수수료율과 보증위험 측정에 미치는 영향을 살펴본다. KOSPI 200을 제외한 모든 자산의 수익률 분포가 두터운 꼬리(fat tail)를 가져 다수의 자산수익률에 점프가 존재하고 있음을 확인하였다. 변액연금보험의 최저연금적립금보증 현금흐름을 분석한 결과 국내주가지수와 해외주가지수(원화)는 점프위험을 고려할 경우 보증수수료율과 보증위험이 감소하며 이는 자산모형에 점프위험이 고려되면서 변동성이 감소하는 효과에 기인한 것이다. 반면 국내채권지수와 해외채권지수(원화)의 경우 점프위험 고려 시 래칫형 보증을 중심으로 보증수수료율과 보증위험의 수준이 다소 증가한다. 마지막으로 해외주가지수(달러화)와 해외채권지수(달러화)는 래칫형 보증을 중심으로 동종지수의 원화지수와 반대의 결과가 나타난다. 요컨대 수익률 점프를 고려하지 않을 경우 보증수수료율과 보증위험이 과소 또는 과대평가될 수 있음을 보여준다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.461-475
• /
• 2021

은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 통계적 모형으로 확률론적 접근이 가능하고, 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있다. 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 국내 KOSPI200 주가지수와 더불어 NIKKEI225, HSI, S&P500, FTSE100과 같은 해외 주가지수 예측에 적용해 보고자 한다. 또한, 최근 인공지능 분야의 발전으로 인해 주식 가격 예측에 빈번하게 사용되는 서포트 벡터 회귀(support vector regression, SVR) 결과와 어떤 차이가 있는지 비교하여 살펴보고자 한다.

• 응용통계연구
• /
• 제21권4호
• /
• pp.561-569
• /
• 2008

본 논문은 재무 시계열 자료에서 흔히 나타나는 이상치를 처리하기 위하여 이중 로버스트 추정함수를 제시하였다. 이중 로버스트 추정 방정식의 해인 로버스트 추정치를 이용하여 ARCH모형과 GARCH 모형 하에서 이상치를 처리하였다. 또한 실제 주가자료를 응용하여 기존의 최소제곱추정치보다 로버스트 추정치나 이중 로버스트 추정치의 성능이 우수함을 보였다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2008년도 추계학술대회 논문집
• /
• pp.1494-1500
• /
• 2008

Life cycle of the rolling stock is normally 20 to 40 years, though there is some difference in accordance with each vehicle. Maintenance cost is over the twice of purchasing price. and also it is true that precise statics is not managed properly except for some developed countries due to the difference of maintenance method, skills. After KORAIL introduced ERP system in 2007, maintenance cost is managed by type of cars, by unit. but, afterwards it should be controlled as an index and also more precisely. it is the best pending issues to make train maintenance efficiency, to utilize accumulated indexes. I want to attribute to train maintenance efficiency by analysing what is the problems in the present maintenance method.

• Communications for Statistical Applications and Methods
• /
• 제25권6호
• /
• pp.659-671
• /
• 2018

In this study, we consider the extension of the heterogeneous autoregressive (HAR) model for realized volatility by incorporating a neural network (NN) structure. Since HAR is a linear model, we expect that adding a neural network term would explain the delicate nonlinearity of the realized volatility. Three neural network-based HAR models, namely HAR-NN, $HAR({\infty})-NN$, and HAR-AR(22)-NN are considered with performance measured by evaluating out-of-sample forecasting errors. The results of the study show that HAR-NN provides a slightly wider interval than traditional HAR as well as shows more peaks and valleys on the turning points. It implies that the HAR-NN model can capture sharper changes due to higher volatility than the traditional HAR model. The HAR-NN model for prediction interval is therefore recommended to account for higher volatility in the stock market. An empirical analysis on the multinational realized volatility of stock indexes shows that the HAR-NN that adds daily, weekly, and monthly volatility averages to the neural network model exhibits the best performance.