[논문]러프 집합을 이용한 코스피 200 주가지수옵션 시장에서의 박스스프레드 전략 실증분석 및 거래 전략

김민식; 오경주

러프 집합을 이용한 코스피 200 주가지수옵션 시장에서의 박스스프레드 전략 실증분석 및 거래 전략
Using rough set to support arbitrage box spread strategies in KOSPI 200 option markets 원문보기 논문타임라인

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.22 no.1, 2011년, pp.37 - 47

김민식 (연세대학교 정보산업공학과) , 오경주 (연세대학교 정보산업공학과)

초록
AI-Helper

주가지수 옵션시장에는 많은 투자전략이 개발되어 있다. 그중 차익거래 전략은 시장이 효율성 유지측면에서 매우 중요한 역할을 하고 있다. 본 연구는 이러한 차익거래 전략 중 박스스프레드 전략을 적용하여 과거 옵션 데이터를 통해 사후 검증하고 러프 집합을 이용해 수익성을 향상시키고자 한다. 옵션 데이터는 2002년 1월부터 2006년 12월까지 실제 증권거래소에서 거래되었던 틱 데이터를 기반으로 하고 있으며 비주얼 베이직을 이용해 9시부터 오후 3시까지의 1분 마다의 종가인 1분봉으로 변형하여 분석을 하였다. 박스스프레드 전략은 낮은 위험, 낮은 이익 구조를 가지고 있다. 기존의 전략을 과거 데이터를 기반으로 백 테스팅 해보고 러프 집합을 이용하여 거래 진입 시점을 제한함으로써, 동일 위험 대비 좀 더 높은 수익구조를 만들어 낼 수 있는 전략을 구사한다면 낮은 위험으로 안정적 수익을 취할 수 있다.

Abstract ▼ AI-Helper

Stock price index option market has various investment strategies that have been developed. Specially, arbitrage strategies are very important to be efficient in option market. The purpose of this study is to improve profit using rough set and Box spread by using past option trading data. Option trading data was based on an actual stock exchange market tick data ranging from 2001 to 2006. Validation process was carried out by transferring the tick data into one-minute intervals. Box spread arbitrage strategies is low risk but low profit. It can be accomplished by back-testing of the existing strategy of the past data and by using rough set, which limit the time line of dealing. This study can make more stable profits with lower risk if control the strategy that can produces a higher profit module compared to that of the same level of risk.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이러한 문제를 해결하고 수익성을 향상시키기 위해서는 옵션 상품들의 실제 시장 움직임을 살펴 볼 필요성이 있다. 그리하여 본 논문에서는 과거의 옵션 상품들의 거래 내역을 살펴보고 연구된 전략을 사용하였을 때 수익이 나는지 확인하기 위하여 과거의 가격수준과 다양한 변수요소들을 현재 시점으로 가정하고 실험을 하는 백 테스팅 프로그램을 프로그램 언어인 비주얼 베이직을 이용하여 개발하였다. 또한 러프 집합을 이용해 패턴분석을 통한 포지션 진입 시점을 찾아냄으로서 제안된 거래 모델의 수익성을 향상 시킬 수 있는 방향을 제시하고자 한다.
그리하여 본 논문에서는 과거의 옵션 상품들의 거래 내역을 살펴보고 연구된 전략을 사용하였을 때 수익이 나는지 확인하기 위하여 과거의 가격수준과 다양한 변수요소들을 현재 시점으로 가정하고 실험을 하는 백 테스팅 프로그램을 프로그램 언어인 비주얼 베이직을 이용하여 개발하였다. 또한 러프 집합을 이용해 패턴분석을 통한 포지션 진입 시점을 찾아냄으로서 제안된 거래 모델의 수익성을 향상 시킬 수 있는 방향을 제시하고자 한다.
2장에서는 선행연구를 고찰했으며, 3장에서는 본 연구가 제시하는 모델을 자세히 기술했으며, 4장에서는 연구모델의 실증분석을 행하고, 본 연구에서 제시하는 모델의 유용성과 우수성을 입증하였다. 마지막으로 본 연구의 기대효과 및 향후 연구사항에 대해 서술하였다.
본 연구에서는 이러한 다양한 차익거래 전략 중 박스스프레드 전략을 이용하여 시장의 효율성을 다시 한 번 확인해보고 거래 전략을 변형 및 적용해 봄으로써 실증분석과 함께 수익성 증대를 목적으로 하고자 한다. 기존의 박스스프레드 전략은 수학적 분석을 통해 계산된 이론적인 옵션들의 시장가격과 현재 거래되고 있는 가격사이의 차이가 발생하는 경우 포지션을 취하고, 상품의 만기일인 매월 둘째 주 목요일에 포지션을 청산하여 그 차익만큼의 수익을 취하는 구조이다.
본 연구에서는 이러한 방법론을 이용하여 박스스프레드 전략의 포지션 진입 시점을 각각의 옵션들의 Greek를 속성 변수로 이용하여 집합지음으로써 수익이 났던 시점과 손실이 났던 시점을 구분해 내고자 한다.
즉 1단계와 2단계를 거쳐 진입·청산시점을 선택하는 모델의 진입시점을 한번 더 판단해 냄으로서 수익의 증대를 이룰 수 있는지를 확인해 보았다.

제안 방법

2단계 실험 결과를 바탕으로 Case1부터 Case4까지의 ATM ± 3ATM ± 4 의 크레딧박스 스프레드 전략의 진입시점을 러프 집합을 이용하여 재설정하였다.
2단계의 16가지 거래 시뮬레이션을 통해 나온 수익의 결과 값을 이용하여 수익·손실의 결과와 각 옵션들과의 관계를 이용해 진입시점을 제한하고자 러프집합을 적용하였다.
제 1단계는 증권거래소의 틱 데이터를 1분봉으로 가공한 뒤 (송치우와 오경주, 2009), 크레딧박스 스프레드를 구성하는 4개 옵션의 가격 데이터간의 관계를 살펴보고 특정 움직임이 있는지를 살펴본다. 각각의 가격을 2개씩 한 그룹으로 구성한 뒤 한 그룹을 나머지 그룹으로 나누어 비율을 계산하였다. 본 연구에서는 콜옵션 가격들의 합을 분자 그룹으로, 풋옵션 가격들의 합을 분모 그룹으로 구성하였으며, 이렇게 생성된 비율의 움직임을 살펴보고 중심이 되는 평균값을 찾아보았다.
그 후 개별 변수와 수익·손실 결과와의 관계를 살펴보고 그중 가장 영향을 많이 미치는 변수 5개를 선택한다.
본 연구에서는 크레딧박스 스프레드 전략의 기초가 되는 4개 옵션의 시장가격들의 움직임을 살펴보고 가격들의 비율움직임에 따른 포지션 진입 · 청산 시점을 찾아본다. 또한 러프집합을 이용하여 과거 데이터들의 움직임을 살펴봄으로써 수익이 나는 진입시점을 찾아내고 손실이 나는 진입시점에는 거래를 제한하는 모델을 제안했다. 따라서 본 연구모델은 크게 3단계로 구성된다.
일반적으로 통용되는 방법론은 4가지 정도가 있으며 (노태협 등, 2005;Øhrn, 2001), 본 연구에서는 각 변수들을 독립적이라 가정한 뒤, 결과 값이나 변수값 (조건 변수)에 대한 고려를 하지 않고 범주화 시키는 Equal Frequency Scaling 방법을 적용하였다 (이철희와 서선학, 2005). 또한 실제 실험에 사용하기에 24개의 변수는 너무 많으므로 러프집합을 이용하여 각 시뮬레이션당 3개씩 변수를 선정하여 시뮬레이션에 적용하였다. 즉, Phase1 과 Phase2 과정을 24개의 변수에 대해 한번 적용한 뒤, 변수를 선정하는 과정에서는 하나의 변수와 결과 값과의 관계를 직접 찾아 가장 우수한 예측 결과를 가지는 상위 3개씩의 변수를 선정하는 방법을 사용하였다.
그 후 개별 변수와 수익·손실 결과와의 관계를 살펴보고 그중 가장 영향을 많이 미치는 변수 5개를 선택한다. 마지막으로 선택된 5개 변수들 중 3개씩을 골라 의사결정을 하는 모델을 구축하였다. 즉 1단계와 2단계를 거쳐 진입·청산시점을 선택하는 모델의 진입시점을 한번 더 판단해 냄으로서 수익의 증대를 이룰 수 있는지를 확인해 보았다.
뿐만 아니라 러프 집합을 이용하여 옵션의 속성과 수익기회의 관계를 찾아봄으로써 기존의 전략의 낮음 위험의 장점은 가져가되 낮은 수익을 향상시킬 수 있다. 마지막으로 위의 실험결과는 한단위의 포지션만을 사고파는 거래를 반복하여 실험하였다. 이는 같은 포지션의 매수·매도 형태를 유지하며 옵션의 거래 개수를 늘림으로써 수익의 증가도 옵션의 개수에 비례하여 증가한다는 점에 매우 큰 의의를 둔다.
밴드를 설정하기에 앞서 크레딧박스 스프레드를 구성하는 4가지 옵션에 대하여 각각의 가격정보를 이용하여 같은 시간의 가격끼리의 비율을 찾아보았다. 수식 (3.
본 연구에서는 1단계 실험에서 나온 p_ratio의 분포를 살펴보고 따로 동떨어져있는 2 부분과 가장 몰려 있는 -0.5와 0.5 값을 기준으로 임의로 a, b 의 값을 2개씩 설정하여 총 4가지 경우로 거래 시뮬레이션을 하였다. 표3.
본 연구에서는 기존의 크레딧박스 스프레드 전략의 기본 개념인 포지션 진입 후 만기 청산이라는 법칙을 변형하고 밴드를 설정함으로써, 옵션 포지션을 취한 뒤 만기까지 기다리지 않고 언제나 청산함으로서 자금의 유동성을 확보할 수 있다. 뿐만 아니라 러프 집합을 이용하여 옵션의 속성과 수익기회의 관계를 찾아봄으로써 기존의 전략의 낮음 위험의 장점은 가져가되 낮은 수익을 향상시킬 수 있다.
본 연구에서는 두 가지 박스스프레드 차익거래 전략 중 크레딧박스 스프레드 전략을 사용하였다. 행사가격이 높은 (X₂) 콜옵션 (C₂)을 매수하고 풋옵션(P₂)을 매도하며, 이와 함께 행사가격이 낮은 (X₁) 콜옵션 (C₁)을 매도하고 풋옵션 (P₁)을 매수하는 포지션을 취함으로서 현재는 −C₂ + P₂ + C₁ − P₁ − Sleep_now의 현금흐름이 발생하고, 옵션의 만기가 되는 T 시점에서는 항상 일정한 X₁ − X₂ − Sleep_T의 수익이 발생하는 전략으로 볼 수 있다 (태석준, 2000).
본 연구에서는 러프 집합을 적용한 8가지 거래 전략 중에서 2006년 테스팅 구간 중 가장 성과가 좋은, 손실에서 수익으로 바뀌는 구조를 나타내는 Case2의 ATM ± 4 전략과, Case4의 ATM ± 4 을 다시 한번 검증하는 과정을 거쳤다.
본 연구에서는 이러한 변화에 초점을 두고 손실 구조에서 수익구조로 변하는 ATM ± 3ATM ± 4 크레딧박스 스프레드 전략을 러프집합에 적용시켜 실험을 하였다.
각각의 가격을 2개씩 한 그룹으로 구성한 뒤 한 그룹을 나머지 그룹으로 나누어 비율을 계산하였다. 본 연구에서는 콜옵션 가격들의 합을 분자 그룹으로, 풋옵션 가격들의 합을 분모 그룹으로 구성하였으며, 이렇게 생성된 비율의 움직임을 살펴보고 중심이 되는 평균값을 찾아보았다.
본 연구에서는 크레딧박스 스프레드 전략의 기초가 되는 4개 옵션의 시장가격들의 움직임을 살펴보고 가격들의 비율움직임에 따른 포지션 진입 · 청산 시점을 찾아본다.
본 연구에서는 러프 집합을 적용한 8가지 거래 전략 중에서 2006년 테스팅 구간 중 가장 성과가 좋은, 손실에서 수익으로 바뀌는 구조를 나타내는 Case2의 ATM ± 4 전략과, Case4의 ATM ± 4 을 다시 한번 검증하는 과정을 거쳤다. 실험은 표 4.4와 같이 1년을 단위로 하여 테스팅 구간과 트레이닝 구간을 바꾸어 가면서 러프 집합을 적용하였다.
옵션 가격비율의 평균을 중심으로 하여 위·아래로 특정간격 값들보다 높거나 낮은 경우를 진입밴드로 설정하였으며 (특정 밴드범위를 벗어나는 경우로서 일반적인 범주내에 있지 않기 때문), 또 다른 간격 값들 사이로 가격 비율이 형성되는 경우 (특정 밴드 범위내에 가격비율이 들어오는 경우로서 일반적인 범위내에서 움직이는 경우) 청산하는 전략을 취하였다.
옵션 가격비율의 평균을 중심으로 하여 위·아래로 특정간격 값들보다 높거나 낮은 경우를 진입밴드로 설정하였으며 (특정 밴드범위를 벗어나는 경우로서 일반적인 범주내에 있지 않기 때문), 또 다른 간격 값들 사이로 가격 비율이 형성되는 경우 (특정 밴드 범위내에 가격비율이 들어오는 경우로서 일반적인 범위내에서 움직이는 경우) 청산하는 전략을 취하였다. 이러한 밴드의 설정은 진입 밴드 2가지, 청산 밴드 2가지로 구성하여 총 4가지의 조합을 구성한 거래 전략을 사용하였다.
즉, Phase1 과 Phase2 과정을 24개의 변수에 대해 한번 적용한 뒤, 변수를 선정하는 과정에서는 하나의 변수와 결과 값과의 관계를 직접 찾아 가장 우수한 예측 결과를 가지는 상위 3개씩의 변수를 선정하는 방법을 사용하였다. 이렇게 나온 변수의 조합을 이용하여 Phase1과 Phase2 과정을 다시 한번 적용한 뒤 트레이딩 시뮬레이션을 적용하였다.러프집합을 이용한 시뮬레이션에서는 2단계의 16개 거래 전략의 결과를 종속변수로 하여 2002년부터 2005년까지의 데이터를 트레이딩 구간으로 두고, 2006년 데이터를 테스팅 하였다.
제 1단계는 증권거래소의 틱 데이터를 1분봉으로 가공한 뒤 (송치우와 오경주, 2009), 크레딧박스 스프레드를 구성하는 4개 옵션의 가격 데이터간의 관계를 살펴보고 특정 움직임이 있는지를 살펴본다. 각각의 가격을 2개씩 한 그룹으로 구성한 뒤 한 그룹을 나머지 그룹으로 나누어 비율을 계산하였다.
제 2단계는 1단계에서 구성된 비율의 움직임의 구성을 살펴보고 임의의 밴드를 설정하여 진입 시점과 청산 시점을 찾아보았다. 옵션 가격비율의 평균을 중심으로 하여 위·아래로 특정간격 값들보다 높거나 낮은 경우를 진입밴드로 설정하였으며 (특정 밴드범위를 벗어나는 경우로서 일반적인 범주내에 있지 않기 때문), 또 다른 간격 값들 사이로 가격 비율이 형성되는 경우 (특정 밴드 범위내에 가격비율이 들어오는 경우로서 일반적인 범위내에서 움직이는 경우) 청산하는 전략을 취하였다.
또한 실제 실험에 사용하기에 24개의 변수는 너무 많으므로 러프집합을 이용하여 각 시뮬레이션당 3개씩 변수를 선정하여 시뮬레이션에 적용하였다. 즉, Phase1 과 Phase2 과정을 24개의 변수에 대해 한번 적용한 뒤, 변수를 선정하는 과정에서는 하나의 변수와 결과 값과의 관계를 직접 찾아 가장 우수한 예측 결과를 가지는 상위 3개씩의 변수를 선정하는 방법을 사용하였다. 이렇게 나온 변수의 조합을 이용하여 Phase1과 Phase2 과정을 다시 한번 적용한 뒤 트레이딩 시뮬레이션을 적용하였다.
진입시점은 p−ratio가 특정 상한 값을 넘어가거나 특정 하한 값보다 아래의 수치를 나타나는 순간을 기준으로 하였으며, 청산시점은 평균을 기준으로 특정 범위 내에 있는 경우를 기준으로 하였다.
초기 입력변수는 크레딧박스 스프레드 전략을 구성하는 각각의 옵션의 개별 내재변동성 (Implied volatility)과 옵션 Greek인 Delta, Gamma, Vega, Theta, Roh 의 6가지씩의 변수 값을 계산하여 총 24가지 변수를 선정하였다. 선정된 변수들은 옵션 Greek와 내재변동성으로서 이들은 연속형 변수의 속성을 가지고 있다.
제 3단계는 2단계에서 실시한 4가지 조합의 거래 전략 중 수익성이 높은 전략을 선택하여 러프 집합을 이용하여 진입 시점을 찾아낸다. 크레딧박스 스프레드를 구성하는 4가지 옵션의 개별 Greeks 변수 5가지와 각 옵션의 내재변동성을 이용하여, 총 24가지 변수를 사전입력변수로 선택하였다. 그 후 개별 변수와 수익·손실 결과와의 관계를 살펴보고 그중 가장 영향을 많이 미치는 변수 5개를 선택한다.
2단계 실험 결과를 바탕으로 Case1부터 Case4까지의 ATM ± 3ATM ± 4 의 크레딧박스 스프레드 전략의 진입시점을 러프 집합을 이용하여 재설정하였다. 표 4.2와 같이 2002년부터 2005년까지의 데이터를 트레이닝 데이터로 설정하고 2006년 데이터를 테스팅 함으로써 수익률 향상을 살펴보았다.

대상 데이터

2002년 1월부터 2006년 12월까지 크레딧박스 스프레드를 구성하는 4개 옵션의 1분봉 가격 데이터를 이용하여 p_ratio를 계산하였다. 옵션시장이 열리는 아침9시 1분봉부터 장이 마감되는 3시 15분까지의 매분의 종가를 바탕으로 계산되었으며 5년간의 평균인 mean_{p_}_ratio는 약 1.
a 값을 조정함으로써 포지션의 진입 빈도수를 조절하였으며 (a값이 클수록 진입 기회는 줄어듦) b값을 조정함으로써 포지션의 청산 빈도수를 조정 하였다 (b값이 클수록 청산 기회는 늘어남). 2002년 1월부터 2006년 12월까지의 옵션 1분봉 가격 데이터를 이용하여 백 테스팅을 하였다 (표의 profit 부분의 단위는 point로써 1point 는 원화 10만원을 의미함).
이렇게 나온 변수의 조합을 이용하여 Phase1과 Phase2 과정을 다시 한번 적용한 뒤 트레이딩 시뮬레이션을 적용하였다.러프집합을 이용한 시뮬레이션에서는 2단계의 16개 거래 전략의 결과를 종속변수로 하여 2002년부터 2005년까지의 데이터를 트레이딩 구간으로 두고, 2006년 데이터를 테스팅 하였다. 또한 여기서 나온 결과 값을 기준으로 하여 가장 우수한 상위 2가지의 거래 전략을 다시 한번 트레이딩과 테스팅 구간을 조절하며 실험 검증과정을 거쳤다.
크레딧박스 스프레드 전략의 진입·청산 시점은 표 3.1과 같이 총 4가지 Case의 경우를 실험하였다.

데이터처리

2단계의 16가지 거래 시뮬레이션을 통해 나온 수익의 결과 값을 이용하여 수익·손실의 결과와 각 옵션들과의 관계를 이용해 진입시점을 제한하고자 러프집합을 적용하였다. 실험은 러프집합 모델을 구축하고 적용할 수 있는 로제타라는 프로그램을 이용하였으며 전체적인 실험과정은 그림 3.3과 같다.

이론/모형

일반적으로 통용되는 방법론은 4가지 정도가 있으며 (노태협 등, 2005;Øhrn, 2001), 본 연구에서는 각 변수들을 독립적이라 가정한 뒤, 결과 값이나 변수값 (조건 변수)에 대한 고려를 하지 않고 범주화 시키는 Equal Frequency Scaling 방법을 적용하였다 (이철희와 서선학, 2005).

성능/효과

이중에서도 Case4의 ATM ± 4전략의 러프 집합 적용은 매우 우수한 결과를 나타내고 있음을 알 수 있다. 2단계의 밴드설정을 이용한백 테스팅에서 5년간 총 4.34 point (Case4 01부터 Case4 05까지의 기존수익의 총합계)의 수익을 얻을수 있었지만 러프 집합을 적용시킴으로써 8.75 point (Case4 01부터 Case4 05까지의 러프집합 적용후 수익의 총합계)의 수익을 냄으로써 대략 2배 정도의 수익증가가 가능함을 볼 수 있다.
2002년 1월부터 2006년 12월까지 크레딧박스 스프레드를 구성하는 4개 옵션의 1분봉 가격 데이터를 이용하여 p_ratio를 계산하였다. 옵션시장이 열리는 아침9시 1분봉부터 장이 마감되는 3시 15분까지의 매분의 종가를 바탕으로 계산되었으며 5년간의 평균인 mean_{p_}_ratio는 약 1.088의 값을 나타내는 것으로 측정되었다. 또한 분산인 σ_p−ratio는 0.
이러한 기존의 2단계 실험 결과를 종속변수로 두고 러프 집합을 이용해 전략 포지션의 진입 시점을 예측하고 제한함으로서 8가지의 거래 시뮬레이션 중 Case1의 ATM ± 4 부분을 제외하고는 7가지 중 5가지 거래 전략은 손실의 폭이 줄어들었음을 알 수 있으며, 2가지 전략은 손실에서 수익구조로 전환됨을 볼 수 있다. 이는 옵션의 Greek와 내재 변동성의 속성이 개별 옵션의 현재 상황을 잘 나타내주고 있으며 이들의 과거 움직임과 패턴을 분석함으로써 현재 주어진 4개 옵션의 가격 비율 상황에서 일정 조건을 만족하면 수익을 낼 수 있음을 증명한다.
이러한 기존의 2단계 실험 결과를 종속변수로 두고 러프 집합을 이용해 전략 포지션의 진입 시점을 예측하고 제한함으로서 8가지의 거래 시뮬레이션 중 Case1의 ATM ± 4 부분을 제외하고는 7가지 중 5가지 거래 전략은 손실의 폭이 줄어들었음을 알 수 있으며, 2가지 전략은 손실에서 수익구조로 전환됨을 볼 수 있다.

후속연구

시장의 거래 유동성을 깨지 않는 선에서 많은 개수의 포지션을 잡음으로써 큰 수익을 올릴 수 있을 것이다. 이번 실험에서는 크레딧박스 스프레드 전략의 포지션 최적개수를 찾아보며 더욱 더 안정된 거래 밴드의 경우까지는 고려하지 못하였다. 이 부분은 추후 연구 과제로 남기겠다.

질의응답

핵심어	질문	논문에서 추출한 답변
	박스스프레드 전략은 어떤 구조를 가지고 있는가?	옵션 데이터는 2002년 1월부터 2006년 12월까지 실제 증권거래소에서 거래되었던 틱 데이터를 기반으로 하고 있으며 비주얼 베이직을 이용해 9시부터 오후 3시까지의 1분 마다의 종가인 1분봉으로 변형하여 분석을 하였다. 박스스프레드 전략은 낮은 위험, 낮은 이익 구조를 가지고 있다. 기존의 전략을 과거 데이터를 기반으로 백 테스팅 해보고 러프 집합을 이용하여 거래 진입 시점을 제한함으로써, 동일 위험 대비 좀 더 높은 수익구조를 만들어 낼 수 있는 전략을 구사한다면 낮은 위험으로 안정적 수익을 취할 수 있다.
	옵션은 기존의 금융시장과 달리 용도나 역할이 매우 다양한데 투자자의 입장에서는 어떠한가?	옵션이라는 상품은 기초자산이 되는 주식시장과 밀접한 관련을 가지므로 기존의 금융시장과 달리 용도나 역할이 매우 다양하다. 특히 투자자의 입장에서는 위험관리 목적으로 사용할 수도 있는 반면 때론 투기의 용도로 사용할 수도 있는 상품으로 어떠한 목적이냐에 따라 위험성이나 수익성 측면에서 크게 바뀐다고 할 수 있겠다.
	우리나라에 KOSPI200주가지수를 기반으로 하는 옵션시장이 개설된 날짜는 언제인가?	1983년 미국의 S&P100 기반의 주가지수옵션이 생긴 이래 1997년 7월에 우리나라에도 KOSPI200주가지수를 기반으로 하는 옵션시장이 개설되었다. 현재 대한민국의 옵션 시장은 거래량이나 거래대금 측면에서도 세계 파생상품시장에서 확고한 1위를 차지하고 있다.

참고문헌 (13)
타임라인 바로가기

노태협, 유명환, 한인구 (2005). 러프집합이론과 사례기반추론을 결합한 기업신용평가 모형. , 14, 41-65

원문보기 상세보기
인용구절

인용 구절

러프집합 이론은 1982년 Pawlak (Pawlak, 1994; Pawlak, 1997)에 의해 처음으로 제시되었다 (노태협 등, 2005).

일반적으로 통용되는 방법론은 4가지 정도가 있으며 (노태협 등, 2005;Øhrn, 2001), 본 연구에서는 각 변수들을 독립적이라 가정한 뒤, 결과 값이나 변수값 (조건 변수)에 대한 고려를 하지 않고 범주화 시키는 Equal Frequency Scaling 방법을 적용하였다 (이철희와 서선학, 2005).
변현우, 송치우, 한성권, 이태규, 오경주 (2009). 변동성 지수기반 유전자 알고리즘을 활용한 계층구조 포트폴리오 최적화에 관한 연구. , 20, 467-478

원문보기 상세보기
인용구절

인용 구절

실제로 옵션시장에서는 수많은 차익거래 전략이 존재하고 있으며 누가 먼저 시장의 가격괴리를 찾아내느냐에 따라 수익창출의 기회가 나눠지고 있는 실정이다 (변현우 등, 2009; Kim 등, 2009).
서완석, 김재련 (2005). 러프집합이론과 SOM을 이용한 연속형 속성의 이산화. , 28, 1-7

인용구절

인용 구절

그러므로 러프 집합에 적용시키기 위하여 이산화 과정을 필요로 한다 (서완석과 김재련, 2005).
송치우, 오경주 (2009). 코스피 200 주가지수옵션 데이터의 효율적 가공을 통한 다양한 옵션 전략들의 사후검증에 관한 연구. , 20, 1061-1073

인용구절

인용 구절

제 1단계는 증권거래소의 틱 데이터를 1분봉으로 가공한 뒤 (송치우와 오경주, 2009), 크레딧박스 스프레드를 구성하는 4개 옵션의 가격 데이터간의 관계를 살펴보고 특정 움직임이 있는지를 살펴본다.
오세헌 (2002). , 석사학위논문, 한국과학기술원, 서울.

인용구절

인용 구절

KOSPI200 옵션시장에서 사용되는 박스스프레드 거래전략은 크레딧박스 (credit box)스프레드 차익거래와 데빗박스 (debit box)스프레드 차익거래도 나뉘며, 두 가지 거래전략 모두 옵션가격만을 이용하여 옵션가격에서 발생하는 가격불균형을 이용하여 이익을 얻는 거래전략이다 (이재하와 한덕희, 2006; 오세헌, 2002).
이재하, 한덕희 (2006). KOSPI200 옵션시장에서의 박스스프레드 차익거래 수익성. , 14, 109-137

인용구절

인용 구절

KOSPI200 옵션시장에서 사용되는 박스스프레드 거래전략은 크레딧박스 (credit box)스프레드 차익거래와 데빗박스 (debit box)스프레드 차익거래도 나뉘며, 두 가지 거래전략 모두 옵션가격만을 이용하여 옵션가격에서 발생하는 가격불균형을 이용하여 이익을 얻는 거래전략이다 (이재하와 한덕희, 2006; 오세헌, 2002).
이철희, 서선학 (2002). 러프집합과 계층적 분류구조를 이용한 데이터마이닝에서 분류지식발견. , 12, 202-209

인용구절

인용 구절

일반적으로 통용되는 방법론은 4가지 정도가 있으며 (노태협 등, 2005;Øhrn, 2001), 본 연구에서는 각 변수들을 독립적이라 가정한 뒤, 결과 값이나 변수값 (조건 변수)에 대한 고려를 하지 않고 범주화 시키는 Equal Frequency Scaling 방법을 적용하였다 (이철희와 서선학, 2005).
태석준 (2000). KOSPI 200 옵션 市場에서의 박스 스프레드 戰略에 관한 硏究. , 9, 243-260

인용구절

인용 구절

행사가격이 높은 (X₂) 콜옵션 (C₂)을 매수하고 풋옵션(P₂)을 매도하며, 이와 함께 행사가격이 낮은 (X₁) 콜옵션 (C₁)을 매도하고 풋옵션 (P₁)을 매수하는 포지션을 취함으로서 현재는 −C₂ + P₂ + C₁ − P₁ − Sleep_now의 현금흐름이 발생하고, 옵션의 만기가 되는 T 시점에서는 항상 일정한 X₁ − X₂ − Sleep_T의 수익이 발생하는 전략으로 볼 수 있다 (태석준, 2000).
Kim. K. K., Cho. M. H. and Park. E. S. (2008). Forecasting the volatility of KOSPI 200 using data mining. Journal of Korean Data and Information Science Society, 19, 1305-1325

인용구절

인용 구절

실제로 옵션시장에서는 수많은 차익거래 전략이 존재하고 있으며 누가 먼저 시장의 가격괴리를 찾아내느냐에 따라 수익창출의 기회가 나눠지고 있는 실정이다 (변현우 등, 2009; Kim 등, 2009).
Oh, K. J. (2004). Comparing change-point detection methods to detect the korea economic crisis of 1997. Journal of Korea Data and Information Science Society, 15, 585-592

인용구절

인용 구절

그 성장세를 다른 각도에서 보면 한국의 금융시장의 변동성이 다른 어느 나라보다도 큼을 암시한다 (Oh, 2004).
Ohrn, A., (2001). ROSETTA Technical Reference Manual.

인용구절

인용 구절

일반적으로 통용되는 방법론은 4가지 정도가 있으며 (노태협 등, 2005;Øhrn, 2001), 본 연구에서는 각 변수들을 독립적이라 가정한 뒤, 결과 값이나 변수값 (조건 변수)에 대한 고려를 하지 않고 범주화 시키는 Equal Frequency Scaling 방법을 적용하였다 (이철희와 서선학, 2005).
Pawlak, Z. and Sowinski, R. (1994). Rough set approach to multi-attribute decision analysis. European Journal of Operational Research, 72, 443-459

상세보기
Pawlak, Z. (1997). Rough set approach to knowledge-based decision support. European Journal of Operational Research, 99, 48-57

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

러프 집합을 이용한 코스피 200 주가지수옵션 시장에서의 박스스프레드 전략 실증분석 및 거래 전략
Using rough set to support arbitrage box spread strategies in KOSPI 200 option markets 원문보기 논문타임라인

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)
타임라인 바로가기

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

러프 집합을 이용한 코스피 200 주가지수옵션 시장에서의 박스스프레드 전략 실증분석 및 거래 전략 Using rough set to support arbitrage box spread strategies in KOSPI 200 option markets 원문보기 논문타임라인

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13) 타임라인 바로가기

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

이 논문을 인용한 문헌

저자의 다른 논문 :

오경주 (29)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

러프 집합을 이용한 코스피 200 주가지수옵션 시장에서의 박스스프레드 전략 실증분석 및 거래 전략
Using rough set to support arbitrage box spread strategies in KOSPI 200 option markets 원문보기 논문타임라인

초록
AI-Helper

AI 본문요약
AI-Helper

참고문헌 (13)
타임라인 바로가기