KDI 공공투자관리센터

마지막 업데이트: 2022년 6월 16일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
  1. 1. Chang, W. (2016). The rise of Robo Advisors. Forbes, 11, 214.
  2. 2. Choi, H. and Lim, D. (2013). Bankruptcy prediction using ensemble SVM model. Journal of the Korean Data & Information Science Society, 24, 1113-1125. 원문보기 상세보기
  3. 3. Choi, H. and Min, Y. (2015). Introduction to deep learning. Korea Information Processing Society Review, 22, 7-21.
  4. 4. Hinton, G. and Salakhutdinov, R. (2006). Reducing the dimensionality of data with neural networks. Science, 313, 504-507. 상세보기
  5. 5. Jung, J. and Min, D. (2013). The study of foreign exchange trading revenue model using decision tree and gradient boosting. Journal of the Korean Data & Information Science Society, 24, 161-170. 원문보기 상세보기
  6. 6. Jung, S. and Park, S. (2016). Examination of possible financial market risk accumulations due to prolongation of low interest rates. BOK Financial Stability Report, 27,132-143.
  7. 7. Ko, Y. (2016). A study on the measures to activate the Introduction of the Robo-Advisor in Korea. Korea Science & Art Forum, 25, 19-33.
  8. 8. Kwak, M. and Rhee, S. (2016). Finding factors on employment by adult life cycle using decision tree model. Journal of the Korean Data & Information Science Society, 27, 1537-1545. 원문보기 상세보기
  9. 9. Lee, W. and Chun, H. (2016). A deep learning analysis of the Chinese Yuan's volatility in the onshore and offshore markets. Journal of the Korean Data & Information Science Society, 27, 327-335. 원문보기 상세보기

KDI 공공투자관리센터

제Ⅰ장 연구의 개요
제1절 연구의 배경 및 목적
제2절 연구의 범위 및 내용
1. R&D 분야 예비타당성조사와 관련된 국내외 문헌 분석
2. R&D 부문 예비타당성조사의 수행체계 및 방식
3. 기술적 타당성 분석의 내용과 수행방법
4. R&D 사업의 비용 추정에 관한 연구
5. R&D 사업의 편익 추정방법 연구
6. 경제성 분석 관련 쟁점 연구
7. 정책적 분석방안
8. AHP 기법을 이용한 종합평가방법 연구

제Ⅱ장 연구개발부문 예비타당성조사 관련 제도 분석
제1절 예비타당성조사 제도 현황
1. 예비타당성조사 개요
2. 예비타당성조사 대상 사업의 요건
3. 예비타당성조사 수행체계
제2절 국가연구개발사업에 대한 사전타당성조사 제도
1. 사전타당성조사 KDI 공공투자관리센터 개요
2. 사전타당성조사 대상 사업의 요건
3. 사전타당성조사 수행체계
제3절 기술영향평가 제도
제4절 예비타당성조사와 사전타당성조사의 비교
1. 대상 사업의 범위 및 요건 비교
2. 총사업비 범위 비교
3. 조사의 관점 비교
제5절 2008년도 예비타당성조사 제도
1. 예비타당성조사 개요
2. 예비타당성조사 대상 사업의 요건
3. 간이 예비타당성조사 도입
4. 예비타당성조사 수행체계

제Ⅲ장 연구개발부문 예비타당성조사의 수행체계
제1절 대상 사업의 유형
1. 대상 사업의 유형별 구분
2. 대상 사업 선정 시의 고려사항
제2절 연구개발부문 예비타당성조사의 체계
1. 개 요
2. R&D 부문 사업의 분석·평가 항목
제3절 연구개발부문 예비타당성조사 수행방식

제Ⅳ장 사업의 개요 및 기초자료 분석방안
제1절 사업개요의 분석
1. 사업의 배경 및 목적
2. 사업의 추진경위 및 추진주체
3. 사업의 내용
제2절 기초자료 분석방안
제3절 상위 및 관련 계획 검토
1. 과학기술기본계획
2. 국가 R&D 사업 중장기 발전전략(Total Roadmap)
3. 생명공학육성기본계획(Bio-Vision 2016)
4. 융합기술 종합발전 기본계획
5. 기타 유관계획
제4절 조사의 주요 쟁점

제Ⅴ장 기술적 타당성 분석의 내용과 방법
제1절 서 론
1. 기술적 타당성 분석의 필요성
2. 본 장의 목적과 구성
제2절 기존 예비타당성조사의 기술적 타당성 분석 사례
1. 정보화부문 예비타당성조사
2. 국가연구개발사업 사전타당성조사의 기술적 타당성 분석
3. R&D 부문 예비타당성조사에 대한 시사점
제3절 R&D 부문 사업의 기술적 타당성 분석항목
1. 분석항목 설정의 기본방향
2. 기술적 타당성 분석항목의 정의
3. 항목별 분석 내용
제4절 기술적 타당성 분석방법 관련 쟁점
1. 과학기술적 성과지표의 유형과 측정방법
2. 전문가 평가(peer review) 방법과 활용
제5절 기술적 타당성 분석 결과의 활용
1. 기본방향
2. 사업성격에 따른 분석 결과의 활용

제Ⅵ장 비용 분석
제1절 서 론
1. 총사업비의 정의
2. 비용 추정의 방향
제2절 사업계획 검토 및 기술적 분석
1. 검토의 필요성과 목적
2. 사업부지의 적합성
3. 시설별 사업면적의 적절성 검토 및 추정
제3절 건설공사가 포함된 R&D 사업의 비용 추정방법
1. 비용 추정항목
2. 총사업비 추정
3. 건설사업의 단계적 추진 및 연차별 투입계획
4. 운영비 추정
제4절 순수 R&D 사업의 비용 추정방법
1. 주요 사업별 과제당 연구비
2. 사업단계별 과제당 연구비
3. 연구수행주체별 과제당 연구비
4. 6T 분야별 과제당 연구비
제5절 운영비 추정 관련 연구
1. 운영비의 항목별 정의 및 측정방법
2. 총괄 분석: 전체 연구기관 및 연구회별 분석
3. 운영비 추정 연구의 활용

제Ⅶ장 편익 추정
제1절 편익 추정상의 쟁점사항
1. 성과요소 선정에 관한 사항
2. 성과 측정상의 쟁점들
제2절 R&D 가치평가기법
1. Mansfield의 연구
2. GPRA와 OMB Circular A-94
3. Framework Programme의 성과 측정
4. 순현재가치법(NPV) 추정법
5. 기대순현재가치(ENPV) 추정법
6. 민감도 분석
7. 기여도 분석
8. WTP 추정법
9. R&D 부문 예비타당성조사 제도에 대한 시사점
제3절 사업유형별 편익 추정 접근법 및 적용 사례
1. 편익 추정 접근법 개관
2. 사업 유형별 편익 추정 사례 분석
제4절 경제적?기술적 파급효과 분석방법
1. 비용-효과 분석
2. 서베이 조사방법
3. 산업연관분석을 통한 파급효과 분석
4. 논문을 이용한 기술적 파급효과 분석
5. 예비타당성조사에의 적용을 위한 제언
제5절 소결

제Ⅷ장 경제성 분석 관련 쟁점 연구
제1절 연구개발사업에 대한 사회적 할인율 적용
1. 사회적 할인율의 의의
2. 연구개발사업에 대한 사회적 할인율
제2절 R&D 부문 예비타당성조사의 분석기간
1. 분석기간의 의의
2. R&D 부문 예비타당성조사에서 분석기간의 적용

제Ⅸ장 정책적 분석
제1절 R&D 부문 사업의 정책적 분석 항목
1. 개 요
2. 지역균형발전항목
3. 정책의 일관성 및 추진의지
4. 사업추진상의 위험요인
5. 사업특수평가항목

제Ⅹ장 종합평가
제1절 R&D 사업의 AHP 체계
1. 기존 예비타당성조사의 AHP 체계
2. R&D 부문 예비타당성조사의 AHP 체계
3. 정책제언

제Ⅰ장 연구의 개요
제1절 연구의 배경 및 목적
제2절 연구의 범위 및 내용
1. R&D 분야 예비타당성조사와 관련된 국내외 문헌 KDI 공공투자관리센터 분석
2. R&D 부문 예비타당성조사의 수행체계 및 방식
3. 기술적 타당성 분석의 내용과 수행방법
4. R&D 사업의 비용 추정에 관한 연구
5. R&D 사업의 편익 추정방법 연구
6. 경제성 분석 관련 쟁점 연구
7. 정책적 분석방안
8. AHP 기법을 이용한 종합평가방법 연구

제Ⅱ장 연구개발부문 예비타당성조사 관련 제도 분석
제1절 예비타당성조사 제도 현황
1. 예비타당성조사 개요
2. 예비타당성조사 대상 사업의 요건
3. 예비타당성조사 수행체계
제2절 국가연구개발사업에 대한 사전타당성조사 제도
1. 사전타당성조사 개요
2. 사전타당성조사 대상 사업의 요건
3. 사전타당성조사 수행체계
제3절 기술영향평가 제도
제4절 예비타당성조사와 사전타당성조사의 비교
1. 대상 사업의 범위 및 요건 비교
2. 총사업비 범위 비교
3. 조사의 관점 비교
제5절 2008년도 예비타당성조사 제도
1. 예비타당성조사 개요
2. 예비타당성조사 대상 사업의 요건
3. 간이 예비타당성조사 도입
4. 예비타당성조사 수행체계

제Ⅲ장 연구개발부문 예비타당성조사의 수행체계
제1절 대상 사업의 유형
1. 대상 사업의 유형별 구분
2. 대상 사업 선정 시의 고려사항
제2절 연구개발부문 예비타당성조사의 체계
1. 개 요
2. R&D 부문 사업의 분석·평가 항목
제3절 연구개발부문 예비타당성조사 수행방식

제Ⅳ장 사업의 개요 및 기초자료 분석방안
제1절 사업개요의 분석
1. 사업의 배경 및 목적
2. 사업의 추진경위 및 추진주체
3. 사업의 내용
제2절 기초자료 분석방안
제3절 상위 및 관련 계획 검토
1. 과학기술기본계획
2. 국가 R&D 사업 중장기 발전전략(Total Roadmap)
3. 생명공학육성기본계획(Bio-Vision 2016)
4. 융합기술 종합발전 기본계획
5. 기타 유관계획
제4절 조사의 주요 쟁점

제Ⅴ장 기술적 타당성 분석의 내용과 방법
제1절 서 론
1. 기술적 타당성 분석의 필요성
2. 본 장의 목적과 구성
제2절 기존 예비타당성조사의 기술적 타당성 분석 사례
1. 정보화부문 예비타당성조사
2. 국가연구개발사업 사전타당성조사의 기술적 타당성 분석
3. R&D 부문 예비타당성조사에 대한 시사점
제3절 R&D 부문 사업의 기술적 타당성 분석항목
1. 분석항목 설정의 기본방향
2. 기술적 타당성 분석항목의 정의
3. 항목별 분석 내용
제4절 기술적 타당성 분석방법 관련 쟁점
1. 과학기술적 성과지표의 유형과 측정방법
2. 전문가 평가(peer review) 방법과 활용
제5절 기술적 타당성 분석 결과의 활용
1. 기본방향
2. 사업성격에 따른 분석 결과의 활용

제Ⅵ장 비용 분석
제1절 서 론
1. 총사업비의 정의
2. 비용 추정의 방향
제2절 사업계획 검토 및 기술적 분석
1. 검토의 필요성과 목적
2. 사업부지의 적합성
3. 시설별 사업면적의 KDI 공공투자관리센터 적절성 검토 및 추정
제3절 건설공사가 포함된 R&D 사업의 비용 추정방법
1. 비용 추정항목
2. 총사업비 추정
3. 건설사업의 단계적 추진 및 연차별 투입계획
4. 운영비 추정
제4절 순수 R&D 사업의 비용 추정방법
1. 주요 사업별 과제당 연구비
2. 사업단계별 과제당 연구비
3. 연구수행주체별 과제당 연구비
4. 6T 분야별 과제당 연구비
제5절 운영비 추정 관련 연구
1. 운영비의 항목별 정의 및 측정방법
2. 총괄 분석: 전체 연구기관 및 연구회별 분석
3. 운영비 추정 연구의 활용

제Ⅶ장 편익 추정
제1절 편익 추정상의 쟁점사항
1. 성과요소 선정에 관한 사항
2. 성과 측정상의 쟁점들
제2절 R&D 가치평가기법
1. Mansfield의 연구
2. GPRA와 OMB Circular A-94
3. Framework Programme의 성과 측정
4. 순현재가치법(NPV) 추정법
5. 기대순현재가치(ENPV) 추정법
6. 민감도 분석
7. 기여도 분석
8. WTP 추정법
9. R&D 부문 예비타당성조사 제도에 대한 시사점
제3절 사업유형별 편익 추정 접근법 및 적용 사례
1. 편익 추정 접근법 개관
2. 사업 유형별 편익 추정 사례 분석
제4절 경제적?기술적 파급효과 분석방법
1. 비용-효과 분석
2. 서베이 조사방법
3. 산업연관분석을 통한 파급효과 분석
4. 논문을 이용한 기술적 파급효과 분석
5. 예비타당성조사에의 적용을 위한 제언
제5절 소결

제Ⅷ장 경제성 분석 관련 쟁점 연구
제1절 연구개발사업에 대한 사회적 할인율 적용
1. 사회적 할인율의 의의
2. 연구개발사업에 대한 사회적 할인율
제2절 R&D 부문 예비타당성조사의 분석기간
1. 분석기간의 의의
2. R&D 부문 예비타당성조사에서 분석기간의 적용

제Ⅸ장 정책적 분석
제1절 R&D 부문 사업의 정책적 분석 항목
1. 개 요
2. 지역균형발전항목
3. 정책의 일관성 및 추진의지
4. 사업추진상의 위험요인
5. 사업특수평가항목

제Ⅹ장 종합평가
제1절 R&D 사업의 AHP 체계
1. 기존 예비타당성조사의 AHP 체계
2. R&D 부문 예비타당성조사의 AHP 체계
3. 정책제언

예스24 블로그

이번에는 차트분석 무작정 따라하기를 읽었다. 이 책은 아마 1,2년전쯤에 회사 자료실에서 빌려 읽은것 같다.

그런데 이번에 2022년 최신 개정판이 나와서 따끈따끈한 새책을 다시 읽었다.

기본적으로 나는 차트분석에 대해서는 잘 모르고 기업의 본질적 가치에 더 신경을 많이 쓰는 편이다.

굳이 따지자면 기술적 투자라는 것은 기업의 가치는 이미 충분히 시세에 녹아들어 있고, 사람의 심리에 의해 주가는 과거와 동일한 패턴으로 움직이는데서 시작한다고 생각한다. 물론 기업의 가치가 시세에 녹아 들어있다는 데는 동의하지만 주가는 과거와 동일한 패턴으로 움직인다는 데는 별로 동의하지 않는다. 주가는 살아있는 생물과 같아서 언제 어디로 튈지 모른다. 그리고 기업가치 역시 시세에 반영되어 있지만 변동성이 큰 기술주는 하루에도 몇 퍼센트든지 움직일 수 있다.

이런 이유로 나는 기술적 분석을 그다지 신뢰하지 않았지만 가치투자 역시 완벽히 설명되지 않는다. PER이든 PSR이든 저평가 또는 고평가 받는 주식이라는게 따로 존재할리 만무하다. 시장은 바보들만 있는게 아니다. 뭔가 특별하게 저평가된 주식이 있다면 나 혼자 헛다리 짚었을 확률이 99.9%인 것이다. 차트 분석을 알아야 되는 이유는 뭐가 맞다, 틀리다가 아니라 하나의 기법만으로는 주식의 모든 것을 설명하기 어려우므로 다양한 측면에서 이해하기 위해 두루 알아야 된다고 생각했다. 그래서 차트 분석도 정말 기본적인 수준의 것들까지만 공부를 했는데 돌이켜보면 그마저도 과거에 이 책을 통해 배운 것들이 전부다. 그래서 다시 만난 차트 분석 무작정 따라하기는 유난히 반가웠다.

이 책의 저자인 윤재수 님은 고려대학교 법과대학을 졸업하고 한국거래소를 거쳐 동서증권에서 20년 근무했다. 동원증권 이사를 역임하였으며 교보증권, 신한금융투자에서 투자상담가로, 하나대투증권에서 투자고문으로 활동했다. 베스트셀러를 어마어마하게 써내셨다. '주식투자 무작정 따라하기', '돈이 보이는 주식의 역사', 'ETF 투자 무작정 따라하기' 등 다수의 저자가 있다. 이 책 역시 유명한 베스트셀러로 이번이 벌써 4차 개정판이다.

책은 기본적으로 개미 수준에서 필요한 차트분석기법은 전부 다 있다. 솔직히 이것도 내용이 좀 많다 싶기는 한데 요즘은 카페나 단톡방에서 하는 얘기를 들어봐도 스토캐스틱이나 볼린저밴드 정도 까지는 활용하는 투자자가 좀 되는것 같다. 개인적으로는 굳이 뭐 그렇게까지 알아야 되나 싶긴 한데, 배워서 나쁠건 없으니. 책은 네개의 마당으로 구성되어 있는데 첫째 마당에서는 차트분석 감잡기로 주가예측기법과 차트분석의 종류 및 유형을 알려준다. 둘째 마당은 차트의 기본이론이다. 봉차트와 주가 파동 이론, 추세 분석 매매법, 이동평균선 매매법, 패턴 분석 매매법, 거래량 분석 매매법 등을 알려준다.


셋째 마당은 고수로 가는 신기술적 분석 지표이다. 여기서부터는 조금 생소한 지표들이 보일 수 있다. 사람에 따라 다르겠지만 MACD나 RSI는 고수가 아니어도 많이들 활용하는 지표이기 때문에 이 마당도 대강이나마 다 읽어보기를 권한다. 마지막 넷째 마당은 진검 승부를 위한 매매원칙 총정리 부분이다. 여기서는 대세를 읽는법, 차트분석으로 종목 선정하는 법, 매매 타이밍을 잡는 법을 알려준다. 그 외에 특별부록으로 모의투자 10선을 제시한다.


결론부터 말하면 이 책은 초보 투자자라면 반드시 한번은 읽어보아야 할 책이며 차트 분석을 이보다 더 쉽고 자세하게 설명한 책은 내가 알기로는 없다. 더도말고 덜도말고 딱 실무에 필요한 만큼 기술이 되어 있으니 적어도 1번만이라도 제대로 읽어보기를 권한다. 맨 앞에 봉차트와 주가 파동 이론 부분만 읽어봐도 얼마나 쉽게 설명이 되어 있는지 알 수 있다. 둘째 마당은 매우 중요하다. 단순히 봉과 연결봉의 형태가 무엇을 의미하는지만 알려주는게 아니라 이것이 현재 시장에서 매도/매수심리와 어떠한 관련이 있는지, 이때 취하면 좋을 포지션이 무엇인지 같이 설명해 주기 때문에 시간이 걸리더라도 꼼꼼히 읽어 보는게 좋다.

셋째마당 역시 본래는 고수들을 위한 장이지만 MCAD곡선을 이용한 투자방법이라든지 RSI 등은 꼭 차트를 활용하지는 않더라도 숫자로라도 그 개념을 알아 놓는것이 편하다. 그래서 셋째 마당은 처음에는 잘 읽히지 않더라도 어떤 개념에 대해 궁금할 떄 한번씩 훑어보는 수준으로라도 봐두면 나중에 도움이 될 때가 있을 것이다. 주식시장의흐름을 보는 시야를 넓게 하는데 있어 분명히 도움을 받을 것이다.

이 책만큼 차트 분석에 대해 체계적이고 쉽게 설명된 책이 없었다. 본격적으로 투자하기 전에 읽으면 아주 좋은 책이고 수시로 본인이 투자하고 있는 주식의 차트를 따라가며 상태를 확인하면 좋을듯 하다. 물론 그와 동시에 기술적 분석에만 빠지는 우를 범하지는 않았으면 좋겠다. 주식은 단순하지 않으며 복합적으로 사고해야 할 것이다.

ScienceON Chatbot

2016년 3월 구글 (Google)의 바둑인공지능 알파고 (AlphaGo)가 이세돌 9단과의 바둑대결에서 승리한 이후 다양한 분야에서 인공지능 사용에 대한 관심이 높아지고 있는 가운데 금융투자 분야에서도 인공지능과 투자자문 전문가의 합성어인 로보어드바이저 (Robo-Advisor)에 대한 관심이 높아지고 있다. 인공지능 (artificial intelligence)기반의 의사결정은 비용 절감은 물론 효과적인 의사결정을 가능하게 한다는 점에서 큰 장점이 있다. 본 연구에서는 기술적 분석 (technical analysis) 지표와 딥러닝 (deep learning) 모형을 결합하여 한국 코스피 지수를 예측하는 모형을 개발하고 제시한 모형들의 예측력을 비교, 분석한다. 분석 결과 기술적 분석 지표에 딥러닝 알고리즘을 결합한 모형이 주가지수 방향성 예측 문제에 응용될 수 있음을 확인하였다. 향후 본 연구에서 제안된 기술적 분석 지표와 딥러닝모형을 결합한 기법은 로보어드바이저서비스에 응용할 수 있는 일반화 가능성을 보여준다.

Abstract

Since Google's AlphaGo defeated a world champion of Go players in 2016, there have been many interests in the deep learning. In the financial sector, a Robo-Advisor using deep learning gains a significant attention, which builds and manages portfolios of financial instruments for investors.In this paper, we have proposed the a deep learning algorithm geared toward identification and forecast of the KOSPI index direction,and we also have compared the accuracy of the prediction.In an application of forecasting the financial market index direction, we have shown that the Robo-Advisor using deep learning has a significant effect on finance industry. The Robo-Advisor collects a massive data such as earnings statements, news reports and regulatory filings, analyzes those and recommends investors how to view market trends and identify the best time to purchase financial assets. On the other hand, the Robo-Advisor allows businesses to learn more about their customers, develop better marketing strategies, increase sales and decrease costs.

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

  • 본 연구는 기술적 주가분석기법을 의사결정나무모형, 서포트벡터머신모형 그리고 딥러닝모형에 결합함으로써 한국 코스피지수의 상승 또는 하락을 예측 하고자 한다.

본 연구는 기술적 주가분석기법을 의사결정나무모형, 서포트벡터머신모형 그리고 딥러닝모형에 결합함으로써 한국 코스피지수의 상승 또는 하락을 예측 하고자 한다.

본 연구에서 인공지능을 포함한 기계학습을 통한 한국 코스피 지수의 예측력을 분석하고자 한다. 분석기간은 2000년 1월 4일부터 2016년 2월 12일까지 일별 지수 종가 값을 기초로 한다.

또한 모형을 평가하기 위해 정확도와 함께 가장 많이 사용되는 척도로는 오류율이 있다. 오류율은 정확도의 반대개념으로 (1-정확도) 표현된다. 판단기준으로는 정확도는 높을수록, 오류율은 낮을수록 분류모형의 성능이 좋다고 할 수 있다.

본 실험에 사용한 딥러닝모형은 5개의 입력뉴런과 2개의 출력뉴런 그리고 1∼3개까지의 은닉층개수의 변화와 1∼5개의 은닉뉴런수의 변화를 주었다. 더불어 딥러닝에는 쌓아 올린 오토인코더 학습방법을 이용하였다 (Table 3.

본 연구에서는 기술적 주가분석기법을 의사결정나무모형, 서포트벡터머신모형 (support vector machine) 그리고 딥러닝 (deep learning)모형에 결합한 새로운 기법을 제안하였고, 한국 코스피 주가지수의 방향성 예측에 대해 비교 분석하였다. 분석 결과는 아래와 같다.

본 연구에서는 분류회귀나무 알고리즘을 활용하여 의미 있는 요인을 선택하였고 선택된 유의미한 요인을 이용하여 한국 코스피의 방향성을 예측할 수 있는 의사결정모델을 도출하였다. 둘째, 서포트벡터머신 (support vector machine)을 이용하여 한국 코스피지수를 예측하는데 있어 분류회귀나무모형에서 추출된 유의미한 예측변수들은 서포트벡터머신모형의 입력변수로 사용된다.

본 연구에서는 상대강도지수,모멘텀,변화율지표,지수이동평균교차등의 기술적 주가분석 지표들을 이용하여 한국 코스피 지수의 상승 또는 하락에 대한 예측 성능을 비교한다.

본 연구에서 사용할 분석기간은 2000년 1월 1일에부터 2016년 2월 12일까지 한국 코스피 주가지수에 대한 일별 지수 종가 값이며 이는 블룸버그에서 수집했다.

즉 자료를 훈련 자료와 검증 자료로 나누어 모델링 및 평가하는 작업을 10회 반복하였다. 그리고 교차 검증을 통해 최선의 모델을 가지고 검증자료에 적용해 성능을 평가하였다.

한국 코스피 주가지수 방향에 크게 영향을 미치는 기술적 주가분석 지표가 무엇인지를 알고자 학습 결과가 if-then-else 규칙으로 해석이 용이할 뿐만 아니라 예측 모형을 생성할 때 추가적인 정교화를 할 수 있다는 장점을 가지기 때문에 분류회귀나무모형을 이용하여 분석하였다. 더불어 분류오류를 할 위험이 높거나 부적절한 규칙 그리고 과적합을 고려하여 본 연구에서는 의사결정 가지치기를 적용하였다.

본 실험에 사용한 딥러닝모형은 5개의 입력뉴런과 2개의 출력뉴런 그리고 1∼3개까지의 은닉층개수의 변화와 1∼5개의 은닉뉴런수의 변화를 주었다. 더불어 딥러닝에는 쌓아 올린 오토인코더 학습방법을 이용하였다 (Table 3.5). 오토인코더는 학습하는 과정에서 적은 수의 은닉노드에 핵심 특성에 대한 압축된 표현을 저장한다.

본 연구에서는 기계학습을 통한 한국 코스피 지수 예측 능력을 실험하기 위해서 교차 검증 (cross validation)을 거친 대표적인 3종류의 기계학습 모형을 이용한다.

본 연구에서는 전체 및 선정된 기술적 주가분석 지표를 각각 서포트벡터머신모형과 딥러닝모형에 결합하여 사용하였다.

RBF (radial basis function) 커널을 이용한 서포트벡서터신모형결과 (Table 3.3), 시그마가 0.001이고 코스트가 20인 경우 전체 기술적 분석지표에 대한 검증자료의 정확도가 77.67%로 가장 우수한 결과를 나타내었다. 시그마가 0.

첫째, 전체 변수를 사용하지 않고 선정된 변수만으로도 한국 코스피 주가지수 방향을 예측할 수 있다는 결과를 얻었다. 둘째, 제시한 모형들의 비교실험을 수행한 결과, 세 모형의 방향성에 대한 예측력이 비슷하다는 결과를 얻었다. 이는 수많은 금융시장 변수들이 직간접적으로 서로 복잡하게 얽혀 불규칙적으로 변화하기 때문에 딥러닝모형을 이용하더라도 기술적 지표 (technical indicators)만으로 미래 주가지수의 움직임을 예측하는 것은 한계가 있다고 사료된다.

본 논문이 제안한 딥러닝 (deep learning)모형과 기술적 분석지표를 결합한 한국 코스피주가지수 방향성예측의 성능을 평가하기 위해 C++를 사용 분류회귀나무모형, 서포트벡터모형과의 비교실험을 수행하였고 그 결과 (Table 3.7) 세 모형의 예측력이 비슷했다. 이는 수많은 금융시장 변수들이 직간접적으로 서로 복잡하게 얽혀 불규칙적으로 변화하기 때문에 딥러닝모형을 이용하더라도 기술적 지표 (technical indicators)만으로 미래 주가지수의 움직임을 예측하는 것은 한계가 있다고 사료된다.

분류회귀나무모형에 의한 분석 결과 (Table 3.2), 전체 기술적 분석지표에 대한 학습 및 검증자료의 정확도는 각각 76.12%와 76.05%로 과적합 없이 잘 분류되었고 가지치기에 의해 선정된 기술적 주가분석 지표변수에 대한 학습 및 검증자료의 정확도는 각각 78.17%와 77.82%로 예측성능이 더 향상되었음을 알 수 있다. 즉 전체변수를 사용할 때의 최적모델과 선택변수를 사용하여 만든 최적모델의 정확도를 비교해보면 전체변수 사용 시에는 76%이고 선택변수를 사용할 시에도 77%의 정확도를 보여줌으로써 전체 변수를 사용하지 않고 선정된 변수 (상대강도지수,모멘텀,변화율지표, 3일 지수이동평균 그리고 5일 지수이동평균) 만으로도 한국 코스피 주가지수 방향을 예측하는데 큰 차이를 보여주지 않음을 알 수 있다.

67%로 가장 우수한 결과를 나타내었다. 시그마가 0.1인 코스트가 60인 경우 선정된 기술적 분석지표에 대한 검증자료의 정확도는 77.06%로 가장 우수한 결과를 나타내었다. 즉 전체변수를 사용할 때의 최적모델과 선택변수를 사용하여 만든 최적모델의 정확도를 비교해보면 두 모형 약 77%의 정확도를 보여줌으로써 전체 변수를 사용하지 않고 선정된 변수만으로도 한국 코스피 주가지수 방향을 예측하는데 큰 차이를 보여주지 않음을 알 수 있다.

06%로 가장 우수한 결과를 나타내었다. 즉 전체변수를 사용할 때의 최적모델과 선택변수를 사용하여 만든 최적모델의 정확도를 비교해보면 두 모형 약 77%의 정확도를 보여줌으로써 전체 변수를 사용하지 않고 선정된 변수만으로도 한국 코스피 주가지수 방향을 예측하는데 큰 차이를 보여주지 않음을 알 수 있다.

82%로 예측성능이 더 향상되었음을 알 수 있다. 즉 전체변수를 사용할 때의 최적모델과 선택변수를 사용하여 만든 최적모델의 정확도를 비교해보면 전체변수 사용 시에는 76%이고 선택변수를 사용할 시에도 77%의 정확도를 보여줌으로써 전체 변수를 사용하지 않고 선정된 변수 (상대강도지수,모멘텀,변화율지표, 3일 지수이동평균 그리고 5일 지수이동평균) 만으로도 한국 코스피 주가지수 방향을 예측하는데 큰 차이를 보여주지 않음을 알 수 있다. 이 때 최적의 의사결정나무를 도출하기 위하여 가지 수 변화에 따른 교차검증 에러값이 가장 작은 기준에 따라 선택된 복잡 매개변수 (complex parameter)는 0.

분석 결과는 아래와 같다. 첫째, 전체 변수를 사용하지 않고 선정된 변수만으로도 한국 코스피 주가지수 방향을 예측할 수 있다는 결과를 얻었다. 둘째, 제시한 모형들의 비교실험을 수행한 결과, 세 모형의 방향성에 대한 예측력이 비슷하다는 결과를 얻었다.

우선 기술적 분석지표 외에 기본적 주가 분석 또는 금융시장 상황에 영향을 주는 변수들을 추가한 연구가 필요하다. 더불어 본 연구에서 비교대상으로 제시하였던 방법론 외 다양한 딥러닝 (deep learning) 알고리즘과 비교해보고 더 우월한 모형을 제시, 연구해 볼 수 있다.

이에 향후 몇 가지 보완할 점이 필요하다. 우선 기술적 분석지표 외에 기본적 주가 분석 또는 금융시장 상황에 영향을 주는 변수들을 추가한 연구가 필요하다. 더불어 본 연구에서 비교대상으로 제시하였던 방법론 외 다양한 딥러닝 (deep learning) 알고리즘과 비교해보고 더 우월한 모형을 제시, 연구해 볼 수 있다.

2016년 3월 구글 (Google)의 바둑인공지능 알파고 (AlphaGo)가 이세돌 9단과의 바둑대결에서 승리한 이후 다양한 분야에서 인공지능 사용에 대한 관심이 높아지고 있는 가운데 금융투자 분야에서도 인공지능과 투자자문 전문가의 합성어인 로보어드바이저 (Robo-Advisor)에 대한 관심이 높아지고 있다. 인공지능 (artificial intelligence)기반의 의사결정은 비용 절감은 물론 효과적인 의사결정을 가능하게 한다는 점에서 큰 장점이 있다.

기본적 주가분석은 기업의 내재가치에 영향을 미치는 모든 요소들을 분석하는 방법이지만 개별 기업의 내재가치 정의 및 측정방식 등을 기반으로 미래의 주가를 예측하는 것은 한계가 있다. 기술적 주가분석은 ‘주가는 수요와 공급의 원리에 따라 결정되며 수급의 결과는 그래프로 나타난다’는 이론을 배경으로, 그래프 분석을 통해 미래 주가를 예측하는 방법이다.

금융투자를 위한 일반적인 주식예측방법으로 기본적 주가분석과 기술적 주가분석이 존재한다. 기본적 주가분석은 기업의 내재가치에 영향을 미치는 모든 요소들을 분석하는 방법이지만 개별 기업의 내재가치 정의 및 측정방식 등을 기반으로 미래의 주가를 예측하는 것은 한계가 있다. 기술적 주가분석은 ‘주가는 수요와 공급의 원리에 따라 결정되며 수급의 결과는 그래프로 나타난다’는 이론을 배경으로, 그래프 분석을 통해 미래 주가를 예측하는 방법이다. 컴퓨터 알고리즘의 발달과 더불어 기본적 주가분석과 기술적 주가분석을 통한 미래의 주가를 예측하는 방법들이 진화하고 있지만 직간접적으로 서로 복잡하게 얽혀있는 수많은 변수들에 의해서 불규칙적으로 변화하기 때문에 정확히 주가를 예측하는 것은 한계가 있을 뿐 아니라 매우 어렵고 복잡하다

2016년 3월 구글 (Google)의 바둑인공지능 알파고 (AlphaGo)가 이세돌 9단과의 바둑대결에서 승리한 이후 다양한 분야에서 인공지능 사용에 대한 관심이 높아지고 있는 가운데 금융투자 분야에서도 인공지능과 투자자문 전문가의 합성어인 로보어드바이저 (Robo-Advisor)에 대한 관심이 높아지고 있다. 인공지능 (artificial intelligence)기반의 의사결정은 비용 절감은 물론 효과적인 의사결정을 가능하게 한다는 점에서 큰 장점이 있다.

저자의 다른 논문

참고문헌 (9)

  1. 1. Chang, W. (2016). The rise of Robo Advisors. Forbes, 11, 214.
  2. 2. Choi, H. and Lim, D. (2013). Bankruptcy prediction using ensemble SVM model. Journal of the Korean Data & Information Science Society, 24, 1113-1125. 원문보기 상세보기
  3. 3. Choi, H. and Min, Y. (2015). Introduction to deep learning. Korea Information Processing Society Review, 22, 7-21.
  4. 4. Hinton, G. and Salakhutdinov, R. (2006). Reducing the dimensionality of data with neural networks. Science, 313, 504-507. 상세보기
  5. 5. Jung, J. and Min, D. (2013). The study of foreign exchange trading revenue model using decision tree and gradient boosting. Journal of the Korean Data & Information Science Society, 24, 161-170. 원문보기 상세보기
  6. 6. Jung, S. and Park, S. (2016). Examination of possible financial market risk accumulations due to prolongation of low interest rates. BOK Financial Stability Report, 27,132-143.
  7. 7. Ko, Y. (2016). A study on the measures to activate the Introduction of the Robo-Advisor in Korea. Korea Science & Art Forum, 25, 19-33.
  8. 8. Kwak, M. and Rhee, S. (2016). Finding factors on employment by adult life cycle using decision tree model. Journal of the Korean Data & Information Science Society, 27, 1537-1545. 원문보기 상세보기
  9. 9. Lee, W. and Chun, H. (2016). A deep learning analysis of the Chinese Yuan's volatility in the onshore and offshore markets. Journal of the Korean Data & Information Science Society, 27, 327-335. 원문보기 상세보기

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • DOI : 10.7465/jkdi.2017.28.2.287
  • 한국학술정보 : 저널
  • 한국데이터정보과학회 : 저널
  • DBPia : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

업비트 투자자보호센터

성공적인 투자를 위해선 올바른 자산과 적절한 매매시기를 결정해야 합니다. 이를 위해서 투자자들에게 널리 알려져 있는 방법은 크게 기본적 분석(fundamental analysis)기술적 분석(technical analysis) 이 있습니다.

기본적 분석은 투자 자산의 내재가치에 영향을 미치는 모든 요소들을 분석하는 것 을 의미합니다. 주식 투자라면 기업에 영향을 주는 거시경제 변수와 개별 기업의 실적 등이 있다면 디지털자산 투자에서 기본적 분석을 위해서는 다음과 같은 요소를 분석해야 합니다.

백서(white paper)

백서란 디지털자산 프로젝트에 대한 개요를 제공하는 기술 문서 입니다.

1) 진행하는 프로젝트

가장 중요한 사항이며 만약 투자자가 백서를 읽고서도 프로젝트의 내용을 잘 이해하지 못하는 경우는 두 가지입니다. 하나는 프로젝트가 지나치게 유행을 앞서 많은 지식이 필요한 경우 나머지는 실질적으로 진행하는 프로젝트가 없는 경우입니다. 만약 후자에 해당한다면 프로젝트에 투자하지 않는 게 좋습니다. 소셜네트워크서비스(SNS)와 포럼에서 읽은 내용과 상관없이 백서를 읽고 프로젝트를 이해하지 못했다면 투자를 미루는 것이 현명합니다.

2) 작동 방법

원하는 프로젝트를 찾았다면 백서를 통해 기술이 어떻게 작동하는지 봐야 합니다. 프로젝트가 제시하는 목표와 이를 해결하기 위한 방법이 분명한지를 살펴볼 필요가 있습니다.

3) 프로젝트 정당성

현실에서 이 프로젝트를 통한 기술을 사용할 것이며 지금의 기술보다 좋은지 등을 살펴볼 필요가 있습니다. 특히 이미 다른 사람이 동일한 프로젝트를 하고 있진 않은 지 조사할 필요가 있습니다. 이미 업계에서는 수백 개의 블록체인 프로젝트가 있으며 유사한 프로젝트가 많기 때문입니다.

4) 블록체인이 꼭 필요한가

모든 프로젝트가 블록체인 기술을 기반으로 구축될 필요는 없습니다. 일부 디지털자산 프로젝트는 자본 조달을 위해 블록체인이라는 트렌드를 남용하고 있습니다. 즉, 자금 조달을 위해 블록체인 기술을 사용해 회사를 코인 공개상장(ICO)으로 회사를 판매하는 경우도 있습니다. 따라서 왜 솔루션에 블록체인이 필요한 지 혹은 디지털자산 생성 및 일부 스마트 계약 관리를 위해 블록체인을 사용하는지 등을 판단해야 합니다.

프로젝트 팀

디지털자산 네트워크 뒤에 특정 팀이 있는 경우 구성원의 실적 기록을 통해 해당 팀이 프로젝트를 실행하는 데 필요한 기술을 보유하고 있는지 를 알 수 있습니다. 프로젝트 팀이 없다면 개발자 커뮤니티를 살펴보면서 프로젝트에 공개 깃허브가 있는 경우는 기여자 수와 활동량을 확인 해봅니다.

초기 자금 분배 상황

자금이 처음에 어떻게 분배되었는지는 고려해야 할 또 다른 중요한 요소 입니다. ICO(initial coin offering) 또는 IEO(initial exchange offering)를 통해 이루어졌는지 아니면 설립자가 사전 채굴을 통해 수익을 얻을 수 있었는지 알아두어야 합니다. ICO 또는 IEO를 이용했다면 백서는 설립자와 팀을 위해 보관되는 금액과 투자자가 사용할 수 있는 금액을 설명할 필요가 있으며 설립자가 사전 채굴(블록체인 네트워크 개설 이전의 채굴)을 통해 수익을 얻는 경우라면 채굴 내역을 확인해야 합니다.

이런 요소를 살펴야 하는 이유는 투자의 위험성을 발견할 수 있기 때문입니다. 소수의 인원이 대부분의 디지털자산을 소유한다면 해당 인원들이 결국 시장을 조작할 수 있으므로 위험한 투자로 간주할 수 있습니다.


0 개 댓글

답장을 남겨주세요