$\require{mediawiki-texvc}$

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] 포트폴리오 최적화와 주가예측을 이용한 투자 모형
Stock Trading Model using Portfolio Optimization and Forecasting Stock Price Movement 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.39 no.6, 2013년, pp.535 - 545  

박강희 (아주대학교 산업공학과) ,  신현정 (아주대학교 산업공학과)

Abstract AI-Helper 아이콘AI-Helper

The goal of stock investment is earning high rate or return with stability. To accomplish this goal, using a portfolio that distributes stocks with high rate of return with less variability and a stock price prediction model with high accuracy is required. In this paper, three methods are suggested ...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 우선, 대부분의 포트폴리오 모델들은 높은 수익률을 얻기 위해 종목의 투자비율을 효율적으로 배분하는 것을 목표로 한다. 포트폴리오 모델의 대표적인 방법으로는 마코위츠 모델 (Markowitz Model)이 있다(Markowitz, 1952).
  • 본 논문은 포트폴리오 리밸런스 측면과 포트폴리오 업그레이드 측면에서 MRMR 모델과 E/L을 이용하여 리스크를 최소화 하는 동시에 수익률을 증가시키는 새로운 포트폴리오를 구성 하는 방법을 제안하였다. 또한 주가예측모델 측면에서 예측력이 좋은 SSL 알고리즘을 이용하여 트레이딩을 시도하였다.

가설 설정

  • 84%의 더 우수한 수익률을 얻었다. 현재 제안된 연구는 투자예산이 충분하다고 가정을 하고 모델을 제안하였다. 그러나 현실에서는 예산의 한계가 존재할 수 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
마코위츠 포트폴리오 모델이란? 마코위츠 포트폴리오 모델은 모든 투자기회 중에서 최적의 리스크, 수익률 조합을 가진 투자기회를 결정하는 이론으로, 개별종목의 평균수익률, 분산, 종목간의 과거 자료만 사용하여 분산 투자하는 이론이다. 이 이론은 일정한 수익률 제약 하에 분산이 최소로 하는 종목에 투자하자여 안정적인 포트폴리오를 구성하는 것을 기본 개념을 한다(Markowitz, 1952).
금융투자의 궁긍적인 목표는 무엇인가? 위험이 적은 곳에 투자하여 적지만 안정적인 수익을 기대하는 투자가 있는가 하면, 어떤 투자는 높은 수익을 얻기 위해 상당한 정도의 위험을 감수하면서까지 공격적인 투자를 하는 경우도 있다. 여러 투자 방법이 존재하지만 이들의 궁극적인 목표는 높은 수익률을 얻으면서도 수익률의 변동성이 적은 안정성을 추구하는 것이다. 주식투자에서는, 수익률이 높고 안정적인 종목들로 포트폴리오(Portfolio)를 구성하고, 예측력이 좋은 주가예측 모델을 이용하여 매매(트레이딩)를 하면 이러한 목표에 근접할 수 있다.
마코 위츠 모델의 세 가지 제약조건은 무엇인가? 이 이론은 일정한 수익률 제약 하에 분산이 최소로 하는 종목에 투자하자여 안정적인 포트폴리오를 구성하는 것을 기본 개념을 한다(Markowitz, 1952). 마코 위츠 모델을 요약하면 위험의 정도인 종목 간의 분산을 최소화하는 것을 목적함수로 정하고, 요구되는 최소 기대수익률을 달성해야 하며, 모든 사용 가능한 금액을 포트폴리오에 투자하고, 공매도가 없다는 세 가지의 제약조건을 가진 비선형계획모델(Nonlinear Programming Model)이다. 모델에 사용되는
질의응답 정보가 도움이 되었나요?

참고문헌 (30)

  1. Amilon, H. (2003), GARCH estimation and discrete stock prices : an application to low-priced Australian stocks, Economics Letters, 81(2), 215-222. doi : 10.1016/S0165-1765(03)00172-1. 

  2. Andersen, E. D., Dahl, J., and Friberg, H. A. (2009), Markowitz portfolio optimization using MOSEK, MOSEK Technical Report, 2, 1-30. 

  3. Barber, B., Lehavy, R., Mcnichols, M., and Trueman, B. (2001), Can Investors Profit from the Prophets? Security Analyst Recommendations and Stock Returns, The Journal of Finance, 1, 531-563. 

  4. Bekhet, H. A. and Matar, A. (2012), Risk-Adjusted Performance : A two-mdel Approach Application in Amman Stock Exchage, International Journal of Business and Social Science, 3(7), 34-45. 

  5. Bekiros, S. and Georgoutsos, D. (2008), Direction-of-Change Forecasting using a Volatility-Based Recurrent Neural Network, Journal of Forecasting, 27, 407-417. 

  6. Belkin, M., Matveeva, I., and Niyogi, P. (2003), Regression and Regularization on Large, In : Shawe-Taylor, J., Singer, Y. (eds.) COLT 2004. LNCS (LNAI), 3120, 624-638. 

  7. Belkin, M. and Niyogi, P. (2004), Semi-Supervised Learning on Riemannian Manifolds, Machine Learning, 56, 209-239. 

  8. Brodie, J., Daubechies, I., Mol, C. D., Giannone, D., and Loris, I. (2008), Sparse and stable Markowitz portfolios Working paper series: European Central Bank. 

  9. Hillier, F. S. and Hillier, M. S. (2008), Introduction to Management Science. 

  10. Jeantheau, T. (2004), A link between complete models with stochastic volatility and ARCH models, Finance Stochast, 8, 111-131. doi : 10.1007/s00780-003-0103-6. 

  11. Kanas, A. (2003), Non-linear forecasts of stock returns, Journal of Forecasting, 22(4), 299-315. doi : 10.1002/for.858. 

  12. Kim, D. S. and Ryoo, H. S. (2007), Portfolio Management Using Statistical Process Control Chart, IE Interfaces, 20(2), 94-102. 

  13. Kim, K.-J. (2003), Financial time series forecasting using supportn vector machines, Neurocomputing, 55, 307-319. 

  14. Kim, K.-J. (2006), Artificial neural networks with evolutionary instance selection for financial forecasting, Expert Systems with Applications, 30, 519-526. 

  15. Kong, M. and Kim, J. (2012), The Study on Volatility in Stock Market, Korean Journal of Business Administration, 25(2), 953-969. 

  16. Liu, Q., Sung, A. H., Chen, Z., Liu, J., Huang, X., and Deng, Y. (2009), Feature Selection and Classification of MAQC-II Breast Cancer and Multiple Myeloma Microarray Gene Expression Data, MAQC-II Gene Expression, 4(12), 1-24. 

  17. M, O. C., W, R., and K, G. (2000), Does updating judgmental forecasts improve forecast accuracy?, International Journal of Forecasting, 16(1), 101-109. 

  18. Markowitz, H. (1952), Portfolio Selection, The Journal of Finance, 7(1), 77-91. 

  19. Narayan, P. K. and Narayan, S. (2010), Modelling the impact of oil prices on Vietnam's stock prices, Applied Energy. 

  20. Park, K., Hou, T., and Shin, H. (2011), Oil Price Forecasting Based on Machine Learning Techniques, Journal of the Korean Institute of Industrial Engineers, 37(1), 64-73. 

  21. Park, K. and Shin, H. (2013), Stock Price Prediction based on a Complex Interrelation Network of Economic Factors, Engineering Applications of Artificial Intelligence, 26(5-6), 1550-1561. 

  22. Ryoo, H. (2007), A compact mean-variance-skewness model for large-scale portfolio optimization and its application to the NYSE market, Journal of the Operational Research Society, 58, 505-515. doi : 10.1057/palgrave.jors.2602168. 

  23. Salem, R., Shaher, T. A., and Khasawneh, O. (2011), International Portfolio Diversification Benefits for Middle Eastern Investors, Journal of Money, Investment and Banking, 22, 22-31. 

  24. Seidl, I. (2012), Markowitz versus regime switching : an empirical approach, The review of finance and banking, 4(1), 033-043. 

  25. Shin, H., Hill, N. J., Lisewski, A. M., and Park, J.-S. (2010), Graph sharpening, Expert Systems with Applications, 37(12), 7870-7879. doi : 10.1016/j.eswa.2010.04.050. 

  26. Shin, H., Lisewski, A. M., and Lichtarge, O. (2007), Graph sharpening plus graph integration: a synergy that improves protein functional classification, Bioinformatics, 23, 3217-3224. doi : 10.1093/bioinformatics/btm511. 

  27. Steinbach, M. C. (2001), Markowitz Revisited : Mean-Variance Models in Financial Portfolio Analysis, Society for Industrial and Applied Mathematics, 43(1), 31-85. 

  28. Tay, F. E. H. and Cao, L. (2001), Application of support vector machines in financial time series forecasting, Omega, 29(4), 309-317. doi: 10.1016/S0305-0483(01)00026-3. 

  29. Yang, B., Li, L. X., and Xu, J. (2001), An early warning system for loan risk assessment using artificial neural networks, Knowledge-Based Systems, 14(5-6), 303-306. 

  30. Zhou, D., Bousquet, O., Lal, T. N., Weston, J., and Scholkopf, B. (2004), Learning with Local and Global Consistency, Advances in Neural Information Processing Systems, 16, 321-328. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 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