$\require{mediawiki-texvc}$

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] 기계학습 모형을 이용한 전환사채 행사 시점에 관한 연구
A Study on the Timing of Convertible Bonds Using the Machine Learning Model 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.12 no.10, 2021년, pp.81 - 88  

유재필 (키스채권평가)

초록
AI-Helper 아이콘AI-Helper

전환사채는 채권과 주식의 성격을 모두 내포하고 있는 금융 상품인데 일반적으로 신용등급이 낮은 기업이 유동성을 확대하기 위해서 발행한다. 전환사채의 투자자와 발행 기업은 투자자의 전환권 행사 여부와 시점에 대한 의사결정 문제가 가장 중요한데 투자 판단 지표가 미약하기 때문에 정성적 판단에 의존한다. 따라서 본 논문은 과학적으로 전환권 행사 결정 문제에 인공신경망 기법을 적용하는 방안을 제안한다. 과거에 발행한 총 1,800개의 학습 데이터와 200개의 예측 실험 데이터로 구분을 하고 인공신경망 학습 모형을 구축한다. 그 결과 대부분의 그룹에서 패리티 성과가 우수하였고 평균 약 10% 이상의 초과 수익을 달성하였다. 특히 3~6 그룹에서는 평균 약 20% 이상의 초과 수익을 보였으며 그룹 6의 경우에는 약 37%의 초과 수익을 기록했다. 본 논문은 금융 분야에 4차 산업의 대표적 기술인 기계학습 기법을 융합·적용하여 의사결정 문제 해결에 집중했다는 것에서 의의가 있으며 데이터 접근에 한계가 많은 전환사채 상품을 대상으로 실험을 했다는 점에서 향후 다양한 연구에서 참고 문헌이 되기를 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Convertible bonds are financial products that contain the nature of both bonds and shares, which are generally issued by companies with lower credit ratings to increase liquidity. Conversion bonds rely on qualitative judgment in the past, although decision-making on whether and when to exercise the ...

Keyword

#기계학습   #인공신경망   #메자닌   #전환사채   #옵션 행사  

표/그림 (10)

참고문헌 (15)

  1. M. Brennan & E. S. Schwartz. (1988). THE CASE FOR CONVERTIBLES. Journal of Applied Corporate Finance, 1(2), 55-64. DOI : 10.1111/j.1745-6622.1988.tb00166.x 

    상세보기 crossref

  2. R. T. Rockafellar & S. Uryasev. (2002). Conditional value-at-risk for general loss distributions. The Journal of Banking and Finance, 26(7), 1443-1471. DOI : 10.1016/S0378-4266(02)00271-6 

    상세보기 crossref

  3. S. Benati & A. Rizzi. (2007). A mixed integer linear programming formulation of the optimal mean/Value-at-Risk portfolio problem. European Journal of Operational Research, 176(1), 423-434. DOI : 10.1016/j.ejor.2005.07.020 

    상세보기 crossref

  4. S. H. Lee. (1999). Estimation of Equity Component of Convertible Bonds Based on the Probability of Conversion. The Journal of Korean Securities Association, 25(1), 161-187. 

  5. A. Shleifer & R. Vishny. (1986). Large Shareholders and Corporate Control. Journal of Political Economy, 94(3), 461-488. DOI : 10.1086/261385 

    상세보기 crossref

  6. S. C. Myers & N. S. Majluf. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187-221. DOI : 10.1016/0304-405X(84)90023-0 

    상세보기 crossref

  7. A. Manuel, K. Axel & S. Ralf. (2010). What drives the performance of convertible-bond funds?. Journal of Banking & Finance, 34(11), 2600-2613. DOI : 10.1016/j.jbankfin.2010.04.016 

    상세보기 crossref

  8. D. Yaman. (2017). Industry Effects and Convertible Bond Sequence. Global Journal of Business Research, 3, 9-20. SSRN : https://ssrn.com/abstract2909978 

  9. G. B. Bin, M. G. Jung & S. S. Jo. (2015). Convertible Bond(CB) Pricing Factor Analysis ; Empirical verification of theoretical predictions and implications for CB market efficiency. Korean Journal of Financial Studies, 44(5), 913-945. 

  10. S. H. Jang & P. S. Yun. (2020). Earnings Management of Firms Issued Callable Convertible Bonds. The Journal of Management & Economics, 42(2), 1-26. DOI : 10.22828/meri.2020.42.2.001 

    crossref

  11. S. I. Choi. (2016). Barrier Option Pricing with Binomial Trees Applying Generalized Catalan Numbers. The Korea Academia-Industrial cooperation Society, 17(12), 226-231. DOI : 10.5762/KAIS.2016.17.12.226 

    원문보기 상세보기 crossref

  12. S. S. Shin, D. H. Cho & Y. H. Kim. (2020). Opponent Move Prediction of a Real-time Strategy Game Using a Multi-label Classification Based on Machine Learning. Journal of the Korea Convergence Society, 11(10), 45-51. DOI : 10.15207/JKCS.2020.11.10.045 

    원문보기 상세보기 crossref

  13. J. Y. Pack, J. P. Ryu & H. J. Shin. (2016). Predicting KOSPI Stock Index using Machine Learning Algorithms with Technical Indicators. The Journal of Information Technology and Architecture, 13(2), 331-340. UCI : G704-SER000010357.2016.13.2.013 

  14. G. H. Choi & S. H. Kim. (2020). Stock price forecast after performance disclosure using artificial neural network. Journal of the Korean Data Analysis Society, 22(6), 2667-2678. DOI : 10.37727/jkdas.2020.22.6.2667 

    상세보기 crossref

  15. J. Y. Lee & J. P. Ryu. (2021). Prediction of Housing Price Index Using Artificial Neural Network. Journal of the Korea Academia-Industrial, 22(4), 228-234. DOI : 10.5762/KAIS.2021.22.4 

    crossref

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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