최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.39 no.6, 2013년, pp.535 - 545
박강희 (아주대학교 산업공학과) , 신현정 (아주대학교 산업공학과)
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 ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
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 |
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.
Andersen, E. D., Dahl, J., and Friberg, H. A. (2009), Markowitz portfolio optimization using MOSEK, MOSEK Technical Report, 2, 1-30.
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.
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.
Bekiros, S. and Georgoutsos, D. (2008), Direction-of-Change Forecasting using a Volatility-Based Recurrent Neural Network, Journal of Forecasting, 27, 407-417.
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.
Belkin, M. and Niyogi, P. (2004), Semi-Supervised Learning on Riemannian Manifolds, Machine Learning, 56, 209-239.
Brodie, J., Daubechies, I., Mol, C. D., Giannone, D., and Loris, I. (2008), Sparse and stable Markowitz portfolios Working paper series: European Central Bank.
Hillier, F. S. and Hillier, M. S. (2008), Introduction to Management Science.
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.
Kanas, A. (2003), Non-linear forecasts of stock returns, Journal of Forecasting, 22(4), 299-315. doi : 10.1002/for.858.
Kim, D. S. and Ryoo, H. S. (2007), Portfolio Management Using Statistical Process Control Chart, IE Interfaces, 20(2), 94-102.
Kim, K.-J. (2003), Financial time series forecasting using supportn vector machines, Neurocomputing, 55, 307-319.
Kim, K.-J. (2006), Artificial neural networks with evolutionary instance selection for financial forecasting, Expert Systems with Applications, 30, 519-526.
Kong, M. and Kim, J. (2012), The Study on Volatility in Stock Market, Korean Journal of Business Administration, 25(2), 953-969.
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.
M, O. C., W, R., and K, G. (2000), Does updating judgmental forecasts improve forecast accuracy?, International Journal of Forecasting, 16(1), 101-109.
Markowitz, H. (1952), Portfolio Selection, The Journal of Finance, 7(1), 77-91.
Narayan, P. K. and Narayan, S. (2010), Modelling the impact of oil prices on Vietnam's stock prices, Applied Energy.
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.
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.
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.
Seidl, I. (2012), Markowitz versus regime switching : an empirical approach, The review of finance and banking, 4(1), 033-043.
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.
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.
Steinbach, M. C. (2001), Markowitz Revisited : Mean-Variance Models in Financial Portfolio Analysis, Society for Industrial and Applied Mathematics, 43(1), 31-85.
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.
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.
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.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.