코스피, 원/달러환율, 주택가격간의 정보이전효과에 관한 연구

한삼수 경기대학교 대학원 2021 국내석사

본 논문은 코스피, 원⋅달러환율, 전국아파트매매지수, 서울아파트매매지수 사이의 정보전달메커니즘을 규명하는 데 있다. 표본자료는 코스피와 원⋅달러환율은 한국거래소로부터 전국아파트매매지수와 서울아파트매매지수는 KB국민은행으로부터 검색하였다. 분석기간은 1986년 1월부터 2020년 4월까지 월별자료로 각각 412개씩 사용하였다. 실증분석모형은 VAR모형의 그랜저 인과관계 검정, 충격반응함수 및 분해분석을 도입하였다. 주요 실증분석결과는 다음과 같다. 첫째, 코스피 수익률의 변화는 원⋅달러환율 수익률의 변화에 대한 예측력이 있는 것으로 나타났으나 원⋅달러환율 수익률의 변화는 코스피 수익률의 변화에 대한 예측력이 없는 것으로 나타났다. 둘째, 코스피 수익률의 변화는 전국아파트매매지수 수익률의 변화에 대한 예측력이 있는 것으로 나타났으나 전국아파트매매지수 수익률의 변화는 코스피 수익률의 변화에 대한 예측력이 없는 것으로 나타났다. 셋째, 코스피 수익률의 변화는 서울아파트매매지수 수익률의 변화에 대한 예측력이 있는 것으로 나타났으나 서울아파트매매지수 수익률의 변화는 코스피 수익률의 변화에 대한 예측력이 없는 것으로 나타났다. 넷째, 원⋅달러환율 수익률의 변화는 전국아파트매매지수 수익률의 변화에 대한 예측력이 없는 것으로 나타고 원⋅달러환율 수익률의 변화도 서울아파트매매지수 수익률의 변화에 대한 예측력이 없는 것으로 나타났다. 다섯째, 전국아파트매매지수 수익률의 변화는 서울아파트매매지수 수익률의 변화에 대한 예측력이 있는 것으로 나타났으며 서울아파트매매지수 수익률의 변화도 전국아파트매매지수 수익률의 변화에 대한 예측력이 있는 것으로 나타났다. 여섯째, 충격반응함수와 분산분해분석의 결과는 위의 그랜저 인과관계검정의 결과를 지지하였다. The purpose of the paper is to investigate the information spillover effects among won-dollar exchange rate, KOSPI, national apartment price index, Seoul apartment price index. The paper employs monthly data covering from January, 1986 to April, 2020. The analysis method is based on the VAR model with Granger-causality test, impulse response, variance decomposition including the unit root test and cointergration tests. The main results are as follows. Firstly, the returns of KOSPI have predictive power for the returns of won-dollar exchange rates according as the hull hypothesis Ⅰ-1 is rejected at the 10% statistically significant level. But the returns of won-dollar exchange rates don’t have predictive power for the returns of KOSPI according as the hull hypothesis Ⅰ-2 is not rejected at the statistically significant level. Secondly, the returns of KOSPI have predictive power for the returns of national apartment price index according as the hull hypothesis Ⅱ-1 is rejected at the 5% statistically significant level. But the returns of national apartment price index don’t have predictive power for the returns of KOSPI according as the hull hypothesis Ⅱ-2 is not rejected at the statistically significant level. Thirdly, the returns of KOSPI have predictive power for the returns of Seoul apartment price index according as the hull hypothesis Ⅲ-1 is rejected at the 5% statistically significant level. But the returns of Seoul apartment price index don’t have predictive power for the returns of KOSPI according as the hull hypothesis Ⅲ-2 is not rejected at the statistically significant level. Fourthly, the returns of national apartment price index have predictive power for the returns of Seoul apartment price index according as the hull hypothesis Ⅵ-1 is rejected at the 1% statistically significant level. In addition, the returns of Seoul apartment price index have predictive power for the returns of national apartment price index according as the hull hypothesis Ⅵ-2 is rejected at the 1% statistically significant level. This results can suggest the policy makers should consider won-dollar exchange rate and KOSPI when they manage the housing price policy. And also they can give some information the investors of stocks and real estates. In spit of above results, the paper doesn't suggest the causes of the information spillover effects among won-dollar exchange rate, KOSPI, national apartment price index, Seoul apartment price index. Also the study doesn’t provide more economic implications for sellers and buyers in Korean stock markets, won-dollar exchange markets and housing markets.

IT산업지수와 코스피간의 대칭적·비대칭적 정보메커니즘에 관한 연구

정재영 경기대학교 대학원 2021 국내박사

본 연구는 대략 10년 전부터 산업의 새로운 축을 형성하고 있는 IT산업지수와 코스피 사이의 정보전달메커니즘을 규명하는 데 있다. 이를 위해 한국거래소로부터 2015년 3월부터 2020년 3월까지의 약 5년간 국내 IT산업지수와 코스피의 일별자료를 제공받았다. 실증분석을 위한 절차는 다음과 같다. 먼저 유사한 과거 연구들에 대해 조사를 하였고 연구목적에 부합하는 가설설정을 설정하였다. 분석에 사용될 표본들의 특성을 파악하기 위해서 기초통계량분석을 실시하였다. 기초통계량분석에서는 평균, 표준편차 등을 비롯해서 표본의 정규분포여부를 파악하는 왜도, 첨도 및 하르케-베라검정을 실시하였다. 또한 자료의 추세를 살펴보기 위해 자기상관관계분석과 교차상관관계분석을 실시하여 대략적인 분석의 필요성을 인식하였다. 특히 시계열자료를 이용하는 만큼 자료의 안정성여부를 단위근 검정을 통해 파악하였고 추가로 공적분 검정도 실시하였다. 이를 기반으로 설정된 가설을 검정하기 위한 분석모형을 설정하였다. 실증분석은 대칭적 정보이전효과와 비대칭적 정보이전효과로 나누어 분석을 하게 되는데 대칭적 정보이전효과는 일반적으로 시계열자료 분석에서 많이 사용되는 VAR모델의 그랜저 인과관계 검정, 충격반응함수, 분산분해를 도입하였다. 또한 이분산성모형인 GARCH(1,1)-M모형을 이용하여 보다 심도 있는 분석을 실시하였다. 과거의 정보를 좋은 정보와 나쁜 정보로 분리하여 비대칭적 정보이전효과도 검정하였으며 이를 위해 GJR-GARCH(1,1)-M모형을 도입하였다. 주요 분석결과는 다음과 같다. 그랜저 인과관계검정으로부터 IT산업지수 수익률의 변화와 코스피 수익률의 변화 사이에는 상호 피드백적인 예측력을 보였지만 통계적 유의수준에서 코스피 수익률의 변화로부터 IT산업지수 수익률의 변화로의 기각확률이 높은 것으로 나타났다. 예측력의 지속성과 크기를 보여주는 충격반응함수와 분산분해의 결과는 그랜저 인과관계의 결과를 뒷받침해 주어 분석결과의 타당성을 높였다. 이분산성을 이용한 GARCH(1,1)-M모형의 결과에서도 VAR모형의 결과와 일맥상통한 결과를 보여 IT산업지수 수익률의 변화와 코스피 수익률의 변화 사이에는 상호 예측력을 지니는 것으로 나타났다. 마지막으로 과거의 정보를 분해하여 정보이전효과가 과연 호재정보에서 나오는지 아니면 악재정보에서 나오는가를 비대칭적 모형인 GJR-GARCH(1,1)-M모형을 통해 분석하였다. 분석결과 IT산업지수 수익률의 변화의 경우 악재정보만이 코스피 수익률의 변화에 영향을 미치는 것으로 나타났다. 반면 코스피 수익률의 변화의 경우 악재정보와 더불어 호재정보도 통계적 유의수준에서 IT산업지수 수익률의 변화에 영향을 미치는 것으로 나타났다. 이러한 결과는 투자자들에게 실무에서 포트폴리오를 관리하거나 지수투자를 선택할 경우 유용한 정보를 제공할 수 있을 것으로 기대된다. 또한 학계에는 기존의 분석은 매크로적인 측면에서 주로 주가지수 현/선물에 대한 정보전달메커니즘에 관한 연구가 주를 이루었다면 이제는 마이크로적인 측면에서 섹터별 자료를 이용한 정보전달메커니즘을 규명할 필요성을 제시하였다. This paper studies the information spillover effects between the return of IT industry index and the return of KOSPI using the daily data from March, 2015 to March, 2020 with VAR models including Granger-causality test, Impulse response function, Variance decomposition method and the conditional variance models including GARCH(1,1)-M model, GJR-GARCH(1,1)-M model. The main results are as follows. First, the returns of IT industry index and KOSPI don’t follow the normal distribution process. And there are auto-correlations in the returns of IT industry index and KOSPI and cross-correlations between the returns of IT industry index and those of KOSPI from lag0 to lag3. Second, there are unit root in IT industry index and KOSPI. According as the cointegration between IT industry index and KOSPI doesn’t exist, both returns of IT industry index and those of KOSPI which have the stability under unit root tests are employed for empirical tests. Third, the null hypothesis that the returns of IT industry index don’t granger cause the returns of KOSPI is rejected at the 10% statistical level. It means that the returns of IT industry index effect the returns of KOSPI. In addition, the null hypothesis that the returns of KOSPI don’t granger cause the returns of IT industry index is rejected at the 5% statistical level. It means that the returns of KOSPI effect those of IT industry index. Fourth, the shocks of the returns of IT industry index to those of KOSPI exit from lag 1 to lag 3. And the shocks of the returns of IT industry index to those of KOSPI exit from lag 1 to lag 3. Fifth, 0.33% of the variance of KOSPI depend on the variance of IT industry index from lag 2. However, 48.82% of the variance of IT industry index depend on the variance of KOSPI from lag 1 and 48.81% of the variance of IT industry index depend on the variance of KOSPI from lag 2. These the results of impulse response function and variance decomposition analysis support those of granger causality test. Sixth, there is the information spillover effect from the returns of IT industry index to those of KOSPI by the conditional mean equation. And also the information spillover effect from the returns of KOSPI to those of IT industry index by GARCH(1,1)-M model. Seventh, only the bad news from the returns of IT industry index influences the returns of KOSPI. But not only the bad news from the returns of KOSPI but also the good news from the returns of KOSPI effect the returns of IT industry index by GJR-GARCH(1,1)-M model. There are some contributions and limits of the paper. The paper provides the information spillover effects using micro variables different from previous papers using macro data like spot and futures from stocks, bonds, exchange rates. This try can help the investors who constitute the index portfolio in the field. And the paper can inspire researchers who explore the new areas in the field of study. In spite of above contributions, the paper doesn’t reveal the grounds of bad news and good news. And the paper doesn’t suggest the economic undertone of the empirical results.

코스피200지수옵션 실현변동성의 예측력에 관한 연구 : 글로벌 금융위기 전,후 시기의 비교를 중심으로

최원철 연세대학교 경제대학원 2010 국내석사

한국의 주식시장에서 코스피200주가지수선물과 함께 코스피200주가지수옵션은 다양한 위험에 대한 관리수단을 제공 할 뿐만 아니라 다른 금융자산과의 결합형태로 새로운 금융상품을 개발하는 매체로 사용된다. 위험은 관리나 투자에 있어 가장 중요한 고려사항이 되며, 그것의 계량적 척도로서 변동성(Volatility)이 사용된다. 이런 이유에서 코스피200옵션의 변동성을 정확하게 예측하는 것은 옵션가격결정 및 투자전략에 있어 매우 중요한 역할을 하고 있다. 변동성을 추정하는 방법에는 과거에 일어난 가격의 변화로부터 실제 변동치를 구하는 역사적변동성과 현재 일어나고 있는 변화를 반영하여 실제 변동성에 대한 예측치를 도출하는 내재변동성이 널리 이용되는데 옵션의 가치에 대한 시장의 평가 즉, 옵션의 현재 시장가격은 이미 시장이 평가한 내재변동성을 포함하고 있으므로 만일 시장이 효율적이라면 내재변동성은 미래실현변동성의 효율적인 예측치가 될 것이다. 특히 전 세계적인 신용경색을 초래했던 글로벌 금융위기 상황에서는 매우 높은 변동성 상황이 상당기간 지속되었으므로 본 논문에서는 2003년 1월 3일부터 2009년 12월 30일까지의 분석대상기간 중 2003년 1월 3일부터 2007년 7월 30일까지를 글로벌 금융위기 이전 시점으로 2007년 8월 1일부터 2009년 12월 30일까지를 글로벌 금융위기 이후 시점으로 기간을 구분하여 실증분석을 해 보았다. 분석결과 분석기간 전체적으로는 변동성지수인 VKOSPI가 가장 높은 예측력을 보였고, 금융위기 이전에는 전체분석기간과 동일하게 VKOSPI가 가장 우수한 예측력을 보였으며, 금융위기 이후에는 대표내재변동성의 예측력이 가장 뛰어난 것으로 나타났다. 특히 금융위기 이후 대표내재변동성의 예측력은 다변량 회귀분석 결과 다른 변수의 변동성을 추가 하지 않더라도 대표내재변동성만으로도 높은 예측력을 보여 주었다.

거래단위가 유동성 및 정보효율성에 미치는 영향 : 코스피200옵션 거래승수 상향조치에 따른 유동성 및 시장 간 정보이전 변화에 대한 분석

김학겸 성균관대학교 2015 국내박사

정책당국은 개인투자자들의 투기거래를 제한하기 위해 2012년 3월부터 6월에 걸쳐 코스피200옵션 거래승수를 10만원에서 50만원으로 대폭 상향하였다. 본 연구는 이 제도변경이 코스피200옵션의 유동성 및 정보효율성에 어떠한 변화를 야기했는지에 대해 분석한다. 분석결과 거래승수 인상 이후 코스피200시장의 유동성은 대폭 감소하였다. 거래주체별로 보면 거래량의 감소폭은 외국인이, 거래량의 감소율은 기관투자자가 가장 큰 것으로 나타났다. 또한, 평균 거래체결 프리미엄은 낮아졌고, 스프레드는 확대되었으며, 호가잔량은 급감하여 Market Quality Index도 하락한 것으로 나타났다. 다만, 거래량 대비 미결제약정 비율이 증가하고, 개인투자자들의 극외가격 옵션 거래비중이 감소하여 투기적 거래성향은 다소 완화된 것으로 평가된다. 스프레드 분해를 통해서는 정보비대칭비용과 주문처리비용이 거래승수 인상 이후 증가한 것을 확인할 수 있었다. 투자자별로 보면 기관투자자의 정보거래 확률은 감소하였으나, 외국인의 그것은 증가하였다. 이는 승수인상에 따른 유동성 축소로 인해 기관투자자들은 정보탐색활동이 위축되고, 외국인은 정보거래자로서 시장영향력이 확대되는 결과를 가져왔음을 시사한다. KRX시장과 Eurex시장 간의 정보이전효과 분석결과에서는 Eurex시장의 정보는 다음날 KRX시장의 시가에 대부분 즉시 반영되고, KRX시장의 정보도 Eurex시장의 시가 가격발견에 주도적인 역할을 하는 것으로 나타났다. 하지만 승수인상 이후에는 정보이전의 지연효과도 관찰되었다. 본 연구는 소액투자자의 시장참여와 시장효율성과의 관계를 동적으로 분석함으로써 정책당국에게 소액투자자의 시장참여 제한조치와 관련된 정책적인 시사점을 제공하고 있다는 면에서 의의가 있다고 할 수 있다.

투자환경 변화에 따른 KOSPI지수 결정요인에 관한 연구

윤돈형 조선대학교 2010 국내박사

In general, a stock index and its individual stocks are assumed to follow a random walk. A stock index is an important source of information and one that is seen by people everyday, regardless of their investment intentions. Among various economic indices, a stock index provides an accurate reflection of the current economic situation. In January 1992, the Korean stock market saw the lifting of previous government regulations through a stock market liberation project. The complete removal of foreigners’ stock investment in May 1998 was the cornerstone of a maturing Korean stock market. In 2000, the KOSPI commenced a remarkable long?\run upward trend, surpassing the oscillating pattern between 500 and 1000 points of the previous twenty years. At the same time, the financial crisis resulting stemming from the subprime mortgage crisis in America impacted the Korean market. This paper examines the correlation between the KOSPI?Dthe index that best reflects the Korean stock market?Dand the macro economic variables that have been found to influence the index by previous studies. The sample period considers the years after 2000 when the Korean stock market matured as restrictions on foreign investors were removed. For this purpose, a Vector Error Correction Model (VECM) and KOSPI equation with a general?\to?\specific approach were used. This paper aims at verifying the factors that determined the KOSPI after 2000 and at examining whether there was structural change in the investment environment. It also investigates changes in the factors determining the KOSPI’s performance as a result of structural changes in the investment environment. In order to verify the factors determining the KOSPI’s performance after 2000, a VECM was analyzed. On the basis of the results from a previous study, several key foreign and domestic macro economic variables that are likely to influence the KOSPI were selected. The eight macro economic variables selected include: Money Supply, KRW/USD Exchange Rate, Index of Industrial Product, Corporate Bond Yields, US Treasury bills, foreign investors' net purchase, foreign exchange equalization bond CDS premium, and the Dow Jones index. Of these, foreign investors' net purchase, the foreign exchange equalization bond CDS premium was not included in previous studies. The VAR (Vector Autoregressive) model including the nine variables was selected as a baseline model whose stability was tested using the unit root test. In the event of the unit root test results yielding unstationary level variables, a cointegration test can be performed to examine the long?\term equilibrium relationship between the level variables. The existence of a cointegration relationship between level variables with a unit root allows the long?\run equation, i.e., the cointegration vector to be estimated by making an interpretation about the relationship. The VECM was also estimated providing discussions about the short?\term adjustment. Moreover, impulse response functions and a variance decomposition analysis using the VAR were also performed; investigating changes in the KOSPI according to changes in the macro economic variables. The second aim of this paper is to test whether there was a structural change in the investment environment and to verify any resulting changes in the factors that influence the KOSPI. Similar to the selection of the model for the VECM, this model was also based on previous study results and the selected eight variables are identical to those in the first part of this study. The equation for analyzing the structural changes in the investment environment includes the KOSPI and the eight determining factors; the variable of interest (KOSPI) is on the left?\hand side of the equation. The CUSUM test was conducted on the chosen model using the general?\to?\specific approach. If the results of the CUSUM analysis confirm the existence of structural changes in the investment environment, the KOSPI equation was estimated both before and after the change. The changes in the factors determining the KOSPI as a result of structural changes in the investment environment were analyzed by looking at the significance and magnitude of the correlation coefficient for the KOSPI’s determining factors, before and after the change. Impulse response and variance decomposition analyses were also carried out on the VAR model to investigate changes in the KOSPI following changes in the macro economic variables. The results from the VECM and the structural changes in the investment environment can be summarized by the following five points. First, there was structural change in the investment environment for the Korean stock market between 2004?C2005 and 2007?C2008. The empirical 1,000 point upper bound for the KOSPI was broken in 2004?C2005, after which the upward trend continued. The KOSPI was also affected by the US subprime mortgage crisis in 2007?C2008. Second, the cointegration vector estimation results showed a positive correlation between interest rates (corporate bond yields) and the KOSPI over the long?\run. Common sense tells us that this relationship should be a negative one; increasing interest rates curb growth and this is generally negative for a stock index. The results of this study highlight the possibility of positive correlation between interest rates and the KOSPI during the recovery phase of the business cycle. Third, in terms of the size of the impulse responses, the Dow Jones index showed the strongest positive impulse response and the KRW/USD exchange rate showed the strongest negative impulse response. The fourth point relates to the estimation of the error correction term in the VECM. The error correction term?Dthe speed of adjustment to the long?\term equilibrium?Dwas ?C0.0001 for the daily data model and ?C0.09 for the monthly data model, indicating that the adjustment speed to a long?\term equilibrium is faster for monthly data than for daily data. This can be attributed to the fact that the monthly data contain all the daily impulses. Finally, the results from the variance decomposition indicate that the KOSPI is largely affected by itself and by the Dow Jones index, regardless of the analysis period.

Resnet을 이용한 코스피 등락 예측 : attention optimization and feature selection

노윤재 동아대학교 대학원 2022 국내석사

주식시장은 현대 자본주의에서 상징적인 의미를 가지며, 코스피와 같은 주가 지수는 Capital Asset Pricing Model 이론의 시장포트폴리오의 현실적인 대용물이다. 주가지수는 파생상품을 이용한 이익실현과 자산의 헤지를 위해 활발히 활용되어 왔기 때문에 주가 지수 예측은 시장참여자에게 중요한 정보이다. 지난 십여 년간 주식과 관련된 시계열 데이터를 예측하는데 통계적 시계열 모형이 사용되었고, 최근에는 주로 Recurrent Neural Network(RNN) 기반의 딥러닝 알고리즘이 사용되고 있다. 그러나 기존 시계열 분석 모형과 RNN 계열 모델을 이용한 분석 방법론은 변수가 연속적으로 이루어져야 하는 구조적 제약이 존재한다. 따라서 기존 방법론의 한계를 극복하기 위해 본 연구에서 Attention 메커니즘이 적용된 ResNet18 알고리즘을 사용하여 코스피의 방향성에 대한 새로운 단기 예측 모델을 제안한다. 모델의 성능을 검증하기 위해 Attention 메커니즘의 적용 유무에 따라 ResNet18, RNN, 그리고 Long Short-term Memory를 각각 설계하고 비교하였다. 그 결과, 본 연구에서 제안된 모델은 시계열 데이터와 좋은 시너지 효과를 보이며 우수한 분류 성능을 보였다. 추가적으로, Subset Selection을 이용한 Feature Selection으로 제안된 모델의 성능을 더 향상시킬 수 있었으며, 코스피 등락 예측에 영향을 미치는 주요 요인을 특정할 수 있었다. The stock market has a symbolic position in modern capitalism, and a stock index such as the KOSPI is a realistic proxy of the market portfolio of the Capital Asset Pricing Model theory. Since the stock indices have been actively used for realization of profits using derivatives and hedging of assets, prediction of the stock index is important information for market participants. For many decades, time series models have been used to predict stock-related time series data. Recently, there have been many previous studies that mainly use Recurrent Neural Network (RNN)-based deep learning algorithms. However, those traditional time series analysis models and RNN-series methodologies have structural constraints, which lead an additional training and application of models in difficult ways. Therefore, we proposed a new short-term prediction model for the direction of the KOSPI using the ResNet18 with variable-wise Attention mechanism to overcome the limitations of the existing models. For verifying superior performance of accuracy, RNN, Long Short-term Memory, and ResNet18 models, with or without Attention, were designed and compared, respectively. The proposed model showed a good synergistic effect with the sequence data as well as an excellent performance in the classification. Additionally, the performance of the proposed model was decently improved by feature selection using the Subset Selection, and major factors affecting the prediction of KOSPI fluctuation were identified.

다우지수와 나스닥지수가 코스피와 코스닥에 미치는 영향에 관한 연구

金守敬 진주산업대학교 2003 국내석사

Due to financial deregulation and advances in computer and technology, there are lots of co-movements of stock index in international stock markets. The purpose of this research is to analyze the influence of DOW and NASDAQ on KOSPI and KOSDAQ. For this purpose, we analyze the volatility spillover effects from DOW and NASDAQ to KOSPI and KOSDAQ using daily returns of these stock indexes(1997 March to 2002 September). The analysis utilizes LISREL model to explore these pricing relationships. The main empirical results of the research are as follows: First, price spillover effects exist from U.S. stocks market to the Korean stocks market. Especially the effect of NASDAQ upon Korean market is much more than that of DOW. Second, while the link between the Korean market and U.S. market was quite week before the Korean financial crisis, the increased international capital mobility after the crisis has markedly strengthened the linkage of the Korean market to the U.S. market. Third, KOSDAQ has almost no effect on the KOSPI, but KOSPI has significant influence on KOSDAQ. It means that when investing in KOSDAQ, many investors follow up the movement of KOSPI. It is also found that Korean market is more affected by internal factor than external factor in bullish market, but vice versa in bearish market.

(A) study on the investment strategy using XAI technique : application to the KOSPI200 futures

박준신 Graduate School, Yonsei University 2022 국내박사

금융시장에서 인공지능의 활용은 이제 특수한 사례가 아니라 보편적 현상이 되었다. 펀드매니저들은 인공지능 활용을 통해 수익률 향상을 추구하고 있으며, 금융기관들은 인공지능을 통한 업무 효율화를 위해 노력하고 있다. 이에 따라 금융 인공지능 논문들 역시 대다수가 보다 더 나은 결과값을 찾기 위한 연구 중심이다. 그러나 최근 동향은 인공지능을 단순히 금융시장에 도입하는 것이 더 이상 어렵다는 것을 시사한다. 대표적으로는 EU가 책임있는 인공지능 활용을 위해 EU AI 규제법안 법제화에 나섰다. 인도 등 일부 국가에서는 금융시장에 특화된 인공지능 규제안을 수립하고 있다. 이외 주요 국가들은 법적 책임까지는 아니지만 금융기관이 인공지능을 활용할 때 명심해야 할 가이드라인을 수립하고 있다. 즉, 앞으로는 인공지능의 효율성을 넘어 인공지능의 투명함과 책임이 요구되는 것을 시사한다. 이 연구는 한국 KOSPI200 선물을 대상으로 컨볼루셔널 뉴럴 네트워크 모델을 활용하고 그래드 캠 기법을 적용하여 금융시장에 있어 수익성과 설명가능함이 동시에 충족될 수 있는지 살펴보았다. 우선 본 연구는 금융시장에서 있어 인공지능 관련 동향을 고찰하였다. 그리고 특히 주식시장에 있어 인공지능을 활용한 연구들을 살펴보았다. 설명 가능한 인공지능인 XAI를 추구한 최신 연구들을 살펴보았다. 이후 컨볼루셔널 뉴럴 네트워크 모델과 그래드 캠 기법의 주요 특징을 소개하고 KOSPI200 주식거래에 적용하였다. 본 연구 결과는 금융시장에 있어 수익성과 설명가능함이 동시에 충족될 수 있는지를 보여주었다. 추후 펀드 매니저들이 본 연구결과를 활용할 경우 수익성은 물론 보다 책임있는 인공지능 활용을 기대할 수 있을 것이다. The use of AI in financial markets is no longer a special case, but a universal phenomenon. Fund managers are seeking to improve returns through the use of AI, and financial institutions are trying to improve efficiency of work through AI. Accordingly, the majority of financial AI papers are also oriented to find or achieve better results. However, recent trends suggest that simply introducing AI into financial markets is no longer desirable. As a representative example, the EU has started to enact legislation for the responsible use of AI, the EU AI Act. Some countries, such as India, are establishing AI regulations specific to the financial market. Other major countries are establishing guidelines that financial institutions should keep in mind when using AI, although they are not legally responsible. In other words, it suggests that the transparency and responsibility of AI will be required beyond the efficiency of AI in the future. This study examines whether profitability and explainability can be satisfied at the same time in the financial market by using the Convolutional Neural Network model and applying the Grad Cam method for the KOSPI200 Futures trading. First, this study examines AI-related trends in the financial market. In particular, this study checked studies using AI in the stock market. At the same time, recent studies in pursuit of Explainable AI(XAI) has been navigated. After that, the main features of the Convolutional Neural Network model and the Grad Cam method were introduced and applied to the KOSPI200. The results of this study showed that profitability and explainability can be satisfied at the same time in the financial market. By applying the result of this study, fund managers can expect not only profitability but also more responsible use of AI.

금융시장 지표의 경기예측력 분석

구자천 연세대학교 대학원 2017 국내석사

In this paper, I evaluate the predictability of economic activity using financial market variables in the stock and bond market. I perform this study by using not only the term spread and credit spread in the bond market, but also KOSPI return in the stock market. First, through regression analysis of the GDP growth and the each financial market variables, term spread, credit spread and KOSPI return have a predictability of the GDP growth about 3 months(1 quarter) ahead. And credit spread shows the negative(-) correlation with the GDP growth which means when credit spread widens, the market expects the deterioration of the real economy. Likewise, term spread and KOSPI return shows the positive(+) correlation with the GDP growth which means when term spread widens, the market expects the booming of the real economy. The robustness checks also show the similar results. Second, the level of the predictability significantly increases when all these three financial variables(term spread, credit spread and KOSPI return) are used in combination at the same time. The call rate also accurately predicts the real economic activity when used in combination with those financial market variables. In short, interest rate spread(term spread, credit spread) in the bond market and KOSPI return in the stock market are very useful tool for predicting the real economy. 미래의 실물경제활동에 대한 예측은 경제주체들의 투자 의사결정 등에 큰 영향을 미치므로 미래 경기상황에 대한 예측력 있는 변수를 파악하는 것은 중요한 의미를 가진다. 이에 따라 본 연구에서는 시장참가자들의 미래 경기에 대한 예상이나 전망이 반영되어 있을 것으로 기대되어 미래 경제변수들을 예측하는 데 유용한 정보변수로 알려져 있는 금리스프레드와 코스피수익률 등의 금융시장 지표가 실제로 실물경기를 예측할 수 있는 지 여부를 알아보고자 하였다. 이를 위해 채권 및 주식시장 등 금융시장 자료와 GDP 등의 실물경제 자료를 이용하여 시차별 회귀분석을 통해 실증분석을 실시하였다. 본 논문의 분석 결과 설명변수인 채권·주식시장 지표가 종속변수인 실질GDP 증가율을 1분기 가량 선행함을 확인하였으며 회귀계수의 부호도 기간스프레드와 코스피수익률의 경우 양(+)의 값, 신용스프레드의 경우 음(-)의 값으로 나타나 이론적인 기대와 부합하는 결과를 보여주었다. 아울러 비교목적으로 통화당국의 정책이 반영된 금리변수 중 콜금리를 설명변수로 추가한 수정모형의 경우 이전의 모형보다 설명력이 더 높아짐을 확인하였다. 한편 미래 경기상황에 대한 정보파악 및 예측에 있어서 정보분석에 일정한 시간이 소요되거나 투자 포트폴리오의 점진적 조정 등과 같은 일종의 시장 비효율성이 발생하여 금융시장이 실물경기를 후행할 가능성도 존재할 수 있을 것이다. 이를 확인하기 위해 반대방향의 분석, 즉 실물경기가 금융시장을 예측하는지 여부를 알아보기 위한 분석도 보조적으로 실시하였다. 분석결과 금융시장 변수(코스피수익률)와 실물경기 변수(실질GDP 증가율, 소비자물가 상승률) 사이에는 양방향성이 성립할 가능성도 있는 것으로 나타났다. 금리스프레드 등의 금융지표를 이용하여 실물경제활동을 예측하는 일은 엄밀한 이론적 기반을 갖추고 있다고 하기는 어렵겠지만 의미 있는 일임에는 틀림없다. 물론 GDP 등의 총체적인 실물경제 지표를 이용하여 미래경기를 예측하는 것이 가장 정확하고 이상적이겠지만 이러한 실물변수를 분석에 활용하기 위해서는 일정기간의 시차가 필요하다는 제약이 따른다. 이에 반해 금리스프레드나 주가지수 등의 금융시장 지표들은 비교적 손쉽게, 시차가 발생하지 않고 거의 실시간으로 이용할 수 있으며 상대적으로 객관성이 높다는 장점을 가지고 있다. 따라서 금융시장 지표를 활용한 경기예측은 경제이론의 엄밀한 인과관계를 기반으로 하는 계량경제모형 보다는 정확성이 다소 떨어질 수 있겠지만 실물측면에서 이루어진 경기예측 결과를 비교·검토해 볼 수 있는 보완적인 연구로서 충분한 활용가치가 있을 것으로 기대된다.

LSTM 기반의 적대적 생성 네트워크(GAN)를 이용한 코스피200 지수 방향 예측

주성준 연세대학교 일반대학원 2024 국내석사

과거부터 주가 예측 연구는 활발히 진행중에 있는 분야이다. 주가 예측 연구 중에서도 주가 움직임의 방향을 예측하는 것은 실제 투자에도 적용할 수 있는 매력적인 연구이다. 성능이 조금만 향상되어도 실제 투자에서 막대한 이익으로 연결될 수 있다. 하지만 무작위적이고 변동성이 심한 주식 시장을 예측하는 것은 많은 어려움이 있다. 머신러닝 방법론들이 발전함에 따라 주가 예측에도 적용해보려는 다양한 시도들이 있었다. 본 연구에서는 이미지 분야에서 많이 사용되고 있는 적대적 생성 네트워크(GAN) 구조와 시계열 데이터 예측에 많이 사용되는 LSTM 모델을 이용하여 주가지수 방향 예측 성능을 향상시키고자 한다. 본 연구에서 제안하는 LSTM 기반의 GAN 모델은 한국의 대표적인 주가지수인 KOSPI200 지수로 벤치마크 모델들과 성능을 비교하여 GAN 구조를 통해 주가지수 방향 예측 성능을 높일 수 있음을 보였다. Stock price prediction research has been actively underway since the past. Among the stock price prediction studies, predicting the direction of stock price movement is an attractive study that can be applied to actual investment. Even a slight improvement in performance can lead to huge profits from actual investment. But predicting a random, volatile stock market has many challenges. As deep learning methodologies have developed, there have been various attempts to apply them to stock price prediction. This paper aims to improve the stock price direction prediction performance by using Generative Adversarial Network (GAN) model, which is widely used in the image field, and the LSTM model, which is widely used for time series data prediction. The proposed LSTM-GAN model compared performance with benchmark models using the KOSPI 200 index, Korea's representative stock index.