초록

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

최근 금융 분야에서는 빅 데이터를 이용하여 주가예측 모형을 만들어내고 있으며, 특히 금융 시계열 자료의 변동성 집중 현상을 금융 빅 데이터를 이용하여 분석함으로써 세계 주식시장의 동조화 현상을 분석하고 있다. 본 논문에서는 한국과 중국의 일별 주가지수수익률과 일중 주가지수수익률을 이용하여 이들 2개 국가의 대표적인 주가지수 시계열 데이터에 변동성 집중 현상이 존재하는지를 보다 세밀하게 추적하여 양국 주식시장의 동조화 현상을 분석한다. 분석 결과, 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 지수수익률 시계열 자료는 단위근이 존재하지 않으며, 변동성 집중 현상을 보이는 것으로 나타났다. 또한 한국보다는 중국 주식시장의 변동성 집중현상이 보다 강하게 나타나며, 이러한 현상은 일중 주가지수수익률 시계열 자료에서 보다 두드러지게 나타났다.

최근 금융 분야에서는 빅 데이터를 이용하여 주가예측 모형을 만들어내고 있으며, 특히 금융 시계열 자료의 변동성 집중 현상을 금융 빅 데이터를 이용하여 분석함으로써 세계 주식시장의 동조화 현상을 분석하고 있다. 본 논문에서는 한국과 중국의 일별 주가지수수익률과 일중 주가지수수익률을 이용하여 이들 2개 국가의 대표적인 주가지수 시계열 데이터에 변동성 집중 현상이 존재하는지를 보다 세밀하게 추적하여 양국 주식시장의 동조화 현상을 분석한다. 분석 결과, 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 지수수익률 시계열 자료는 단위근이 존재하지 않으며, 변동성 집중 현상을 보이는 것으로 나타났다. 또한 한국보다는 중국 주식시장의 변동성 집중현상이 보다 강하게 나타나며, 이러한 현상은 일중 주가지수수익률 시계열 자료에서 보다 두드러지게 나타났다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 한국과 중국의 주식시장 관련 금융 빅 데이터를 이용하여 양국의 주식시장 동조화 현상을 보다 정확하고 효율적으로 분석한다. 이를 위해 한국과 중국의 주요 주가지수 시계열 데이터를 이용하여 단위근 검정을 실시하고 변동성 군집 현상이 존재하는지를 일별 시계열 데이터와 일중 시계열 데이터를 이용하여 분석한다.
• 최근 금융 빅 데이터를 이용하여 주가 예측과 시스템 트레이딩, 세계주식시장의 동조화 현상 분석 등 다양한 분석이 이루어지고 있다. 이러한 관점에서 본 논문에서는 한국과 중국 주식시장의 동조화 현상을 변동성 군집 현상을 이용하여 분석하였다. 한국과 중국의 주요 주가지수수익률 시계열 데이터를 이용하여 단위근 검정과 변동성 군집 현상을 분석하였다.

제안 방법

• 금융 시계열 데이터는 급첨분포를 보이며, 변동성 군집 현상을 나타내는 것으로 알려져 있다. 이를 분석하기 위하여 먼저 한국의 KOSPI와 중국의 SHANGHAI의 일별 주가지수수익률 시계열 데이터를 이용하여 변동성 군집 현상이 존재하는지를 살펴보았다.
• 본 논문에서는 한국과 중국의 주식시장 관련 금융 빅 데이터를 이용하여 양국의 주식시장 동조화 현상을 보다 정확하고 효율적으로 분석한다. 이를 위해 한국과 중국의 주요 주가지수 시계열 데이터를 이용하여 단위근 검정을 실시하고 변동성 군집 현상이 존재하는지를 일별 시계열 데이터와 일중 시계열 데이터를 이용하여 분석한다.
• 이러한 관점에서 본 논문에서는 한국과 중국 주식시장의 동조화 현상을 변동성 군집 현상을 이용하여 분석하였다. 한국과 중국의 주요 주가지수수익률 시계열 데이터를 이용하여 단위근 검정과 변동성 군집 현상을 분석하였다. 실증 분석 결과 금융 빅데이터는 변동성 군집 현상에 대한 정보를 포함하였다.

대상 데이터

• 본 논문에서는 한국과 중국 주가지수 시계열 데이터에서 변동성 군집 현상이 존재하는지를 분석하기 위하여 2000년부터 2013년까지의 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 일별 시계열 데이터와 일중 시계열 데이터를 이용한다. 먼저 시계열 데이터의 안정성을 분석하기 위하여 단위근 검정을 실시하였다.

데이터처리

• 본 논문에서는 한국과 중국 주가지수 시계열 데이터에서 변동성 군집 현상이 존재하는지를 분석하기 위하여 2000년부터 2013년까지의 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 일별 시계열 데이터와 일중 시계열 데이터를 이용한다. 먼저 시계열 데이터의 안정성을 분석하기 위하여 단위근 검정을 실시하였다. AIS, BIS 및 HQIS 정보기준에 따라 단위근 검정을 실시한 결과 양국의 주가지수수익률 시계열 데이터는 단위근이 존재하지 않는 안정적인 시계열 데이터인 것으로 확인되었다.

성능/효과

• 먼저 시계열 데이터의 안정성을 분석하기 위하여 단위근 검정을 실시하였다. AIS, BIS 및 HQIS 정보기준에 따라 단위근 검정을 실시한 결과 양국의 주가지수수익률 시계열 데이터는 단위근이 존재하지 않는 안정적인 시계열 데이터인 것으로 확인되었다.
• 그림1과 그림2에서 보듯이, 한국의 KOSPI보다는 중국의 SHANGHAI 주가지수수익률의 일별 시계열 데이터에서 모두 변동성 군집 현상이 나타났으며 중국의 SHANGHAI 주가지수수익률에서 보다 뚜렷한 변동성 군집 현상이 존재하였다.
• 그림3과 그림4는 한국의 KOSPI와 중국의 SHANGHAI 주가지수수익률의 일중 시계열 데이터에서의 변동성 군집 현상을 나타내고 있다. 두 일중 시계열 데이터에서 모두 변동성 군집 현상을 보이지만, 역시 중국의 SHANGHAI 주가지수 수익률 시계열 데이터에서 보다 뚜렷한 변동성 군집 현상이 나타났다.
• 분석결과에서와 같이 한국의 KOSPI와 중국의 SHANGHAI 주가지수수익률의 일별 시계열 데이터와 일중 시계열 데이터에서 모두 변동성 군집 현상을 나타내고 있다. 그리고 일별 시계열 데이터와 일중 시계열 데이터에서 모두 양국의 변동성 군집 현상이 거의 유사하게 나타나고 있다.

후속연구

• 변동성 군집 현상은 양국 주식시장에서 유사하게 나타나 양국 주식시장이 동조화된 것으로 나타났다. 본 논문의 분석 결과 금융 빅 데이터를 활용한 선후행 현상 등의 정보를 활용한 추가적인 분석이 필요하다는 것을 시사한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기