$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 시계열 모형을 이용한 주가지수 방향성 예측
KOSPI directivity forecasting by time series model 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.20 no.6, 2009년, pp.991 - 998  

박인찬 (부자아빠증권연구소) ,  권오진 (계명대학교 성서캠퍼스 통계학과) ,  김태윤 (계명대학교 성서캠퍼스 통계학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 주가지수선물거래 등에서 유용한 역할을 하는 시계열 데이터의 방향성 예측 문제를 다룬다. 여기서 시계열의 방향성 예측이란 시계열 값의 상승 혹은 하락을 예측하는 문제를 뜻한다. 방향성 예측을 위해 본 연구에서는 시계열 요소분해모형과 자기회귀 누적 이동평균 과정 모형을 고려한다. 특히 방향성 예측의 주된 통계량으로서 모형 외 편차와 모형 내 편차를 고려하며 모형 내 편차가 좀 더 유용함을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper deals with directivity forecasting of time series which is useful for futures trading in stock market. Directivity forecasting of time series is to forecast whether a given time series will rise or fall at next observation time point. For directional forecasting, we consider time regressi...

주제어

#모형 내 편차   #모형 외 편차   #방향성 예측   #시계열 모형  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 즉 익일 주가지수에 대한 방향성 예측이 틀릴 경우 발생할 수 있는 큰 손실을 피하기 위해 당일 청산이 많이 이루어지고 있다. 본 논문에서는 포지션을 다음 날까지 유지하는 거래 (당일 청산을 하지 않는 거래)를 위한 방향성 예측기법을 연구 제안한다. 이를 위해 두 가지 모형, 시계열 요소분해모형과 ARIMA모형을 고려하며 t시점에서 t + 1시점의 방향성 예측을 위해 두 가지 통계량 δ1t와 δ2t를 고려하여 어느 것이 더 높은 정확도를 보이는지 알아본다.
  • 요소분해모형 식 (3.2)과 ARIMA모형 식 (3.3)을 토대로 KOSPI200지수의 방향성을 예측해보자. 본 절에서는 두 가지 방향성 예측기법, 모형 외 편차 δ1t (식 (1.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
언제 최초로 KOSPI200을 대상으로 선물거래가 시작되었나요? 금융 시장이 발전하고 복잡해짐에 따라 금리, 환율, 주가 등 각종 경제지표들의 변화에 따른 위험을 효율적으로 관리하기 위한 금융선물거래의 필요성이 증대하고 있다. 우리나라에서는 1996년 5월 최초로 증권거래소에서 KOSPI200을 대상으로 한 주가지수선물거래가 시작되었으며 그 이듬해인 1997년 7월에는 주가지수선물과 동일한 기초자산을 대상으로 한 KOSPI200옵션 상품이 증권거래소에 상장되 었다. 주가지수선물거래의 가장 핵심적인 기능은 주식시장의 체계적 위험을 관리하는 것이다.
금융선물거래의 필요성이 증가되는 배경은 무엇인가? 금융 시장이 발전하고 복잡해짐에 따라 금리, 환율, 주가 등 각종 경제지표들의 변화에 따른 위험을 효율적으로 관리하기 위한 금융선물거래의 필요성이 증대하고 있다. 우리나라에서는 1996년 5월 최초로 증권거래소에서 KOSPI200을 대상으로 한 주가지수선물거래가 시작되었으며 그 이듬해인 1997년 7월에는 주가지수선물과 동일한 기초자산을 대상으로 한 KOSPI200옵션 상품이 증권거래소에 상장되 었다.
예측을 위한 시계열 요소분해모형과 ARIMA모형에 대한 설명은? 물론 이외에도 잘 알려진 시계열 모형으로서 변동성을 이용하는 예측기법 등 (김삼용과 김진아, 2009) 다양한 예측 기법이 존재한다. 잘 알려진 대로 시계열 요소분해모형은 시계열의 시간에 따른 변화를 (시간)회귀함수 (추세, 순환함수 등)로 모형화하여 이를 외삽 (extrapolation)함으로써 예측을 시도하는 것이며 ARIMA모형은 시간이 흘러도 변하지 않는 정상적인 (stationary) 현재와 과거간의 선형 관계를 찾아내어 예측을 시도하는 것이다. 본 연구의 시계열 요소분해모형은 요소로서 회귀함수 (추세 함수와 순환함수)와 상관된 정상 오차 등을 포함한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (5)

  1. 김삼용, 김진아 (2009). 일반 자기회귀 이분산 모형을 시계열 자료분석. , 20, 475-484. 

    원문보기 상세보기

  2. 박유성, 김기환 (2004). , 자유아카데미, 서울. 

  3. 백관호 (2002). 시뮬레이션에 의한 주가지수선물의 데이터트레이닝. , 5, 53-67. 

  4. 지혜영, 조완현 (2009). 인터넷 쇼핑몰에서 구매품목을 이용한 고객의 예측모델 설계. , 20, 475-484. 

    원문보기 상세보기

  5. Box, G. E. P. and Jenkins, G. M. (1976). Time series analysis: Forcasing and control (2nd ed.), Holden-Day, San Francisco. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로