http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 정희준 (검색결과 241 건)
- 무료
- 기관 내 무료
- 유료
-
정희준 한국재무관리학회 2008 財務管理硏究 Vol.25 No.2
Before the financial crisis in 1997, Korean bond markets had been those of corporate bonds with relatively high market yield. During the period, most of major institutional investors tend to utilize passive strategies such as buying and holding. After the crisis, however, they could not help choosing active bond management strategies because of lowed yield level and intensified competition among the financial institutions.This study is forced on the yield curve, which is the reflection of all information on the bond investment environments. The study also make analysis on the major economic and securities market factors and its structural relationship with the shape of the curve such as level, curvature and slope. For these purposes, an empirical model based on the Nelson-Siegel Model is estimated with the data during 1999-2006. Out-of-sample forecasting is also made to test the usefulness of the estimated model. In addition, the dependent variables which are the estimates of level and slope are estimated on the macro variables and securities market variables. VAR and SUR models are used for the estimation.Estimation results show that level and slope of the yield curve are influenced by the target call rate change, exchange rate change rate, inflation rate. These results provide practical implications for the active managements in the overall treasury bond markets. 1990년대 전반 회사채 중심 채권시장의 주요 참여자들은 매입 보유전략과 같은 소극적 운용방식(passive management)을 채권운용전략의 기본구조로 가지고 있었다. 그러나 IMF 금융위기를 겪으면서 과거에 비해 낮아진 수익률수준과 금융기관들의 경쟁심화로 시장의 주 참여자들은 보다 적극적인 운용전략(active management)을 채택해야 하는 상황에 놓이게 되었다. 이 연구는 채권의 투자환경에 대한 총체적 정보의 반영이라고 할 수 있는 수익률곡선의 형성과 이에 영향을 미치는 주요 변수들과의 구조적 관계를 실증적으로 분석하여 적극적 채권운용전략을 수행하기 위해 고려해야 할 요인들과 운용방향에 대한 시사점을 얻고자 한다. 이를 위하여 1999년부터 2006년까지의 데이터를 기초로 Nelson-Siegel 모형에 의한 수익률곡선의 요인(수준, 기울기, 곡률)을 추정하였다. 추정된 결과를 수익률곡선 예측에 이용하여 그 모형의 유용성을 살펴보기 위해 표본외 예측을 실시하였다. 또한 수준과 기울기 변화의 추정값을 종속변수로 하고 주요 증권시장 변수들 및 시장외적 변수들을 독립변수로 하여 VAR 모형과 SUR 모형을 추정하였다. 추정 결과 수익률곡선의 수준과 기울기가 목표 콜금리변동, 원/달러 변동률 그리고 물가변동률의 금기나 과거의 영향을 받는다는 가설이 통계적 유의성을 보였다. 이들 결과는 국민주택채권은 물론 국고채권을 포함한 우리나라 국채시장 전반에 대한 적극적 운용전략을 세우는데 의미 있는 시사점을 제공하고 있다
-
-
-
-
-
A Study of Frequency Mixing Approaches for Eddy Current Testing of Steam Generator Tubes
정희준,송성진,김창환,김대광 한국비파괴검사학회 2009 한국비파괴검사학회지 Vol.29 No.6
The multifrequency eddy current testing(ECT) have been proposed various frequency mixing algorithms. In this study, we compare these approaches to frequency mixing of ECT signals from steam generator tubes; time-domain optimization, discrete cosine transform-domain optimization. Specifically, in this study, two different frequency mixing algorithms, a time-domain optimization method and a discrete cosine transform(DCT) optimization method, are investigated using the experimental signals captured from the ASME standard tube. The DCT domain optimization method is computationally fast but produces larger amount of residue.
-
-
-
Semiconductor Quantum Structures for Infrared Detection Using Nano-Patterned Grating Geometry
정희준,신동수 한국물리학회 2006 THE JOURNAL OF THE KOREAN PHYSICAL SOCIETY Vol.49 No.5I
We demonstrate the fabrication and the operation of nano-structured grating type infrared (IR) detectors defined on GaAs/AlGaAs heterostructures by using electron beam lithography and a chemical wet etching method. The grating structures provide effective light coupling mechanism based on the diffraction effect. As the grating widths are reduced close to the depletion of the quantum well, we observe a systematic increase of the normalized responsivity of the detectors. The light spectrum also exhibits an additional feature of a blue shift. These are possible signatures of lateral quantum confinement.
-
정희준 조선대학교 지식경영연구원 2023 기업과 혁신연구 Vol.46 No.1
The Machine learning-based studies on the stock market have tended to focus on the efficiency of prediction based on relatively free variable selection from financial theory and optimization models. Such machine learning-based studies may be at odds with the existing financial theory of the stock market. Therefore, this study secured a research basis that conforms to financial theory by conducting a process of testing the randomness of time series data that was neglected in the machine learning analyses. This analysis, also, selected analysis data which consider multicollinearity among variables. Traditional regression analysis using this data was also conducted to establish a foundation for comparing the machine learning results based on the artificial neural network models. Machine learning involved setting up 1, 5, 10-layer MLP models and 1, 5, 10-layer LSTM models with one cell per layer, and the models were also classified based on whether or not an activation function was included for each layer. The training results showed that the MLP model without activation functions did not improve the efficiency level measured by MSE and MAE, even when the number of layers or training times were increased. However, the training of MLP models that include activation functions, ReLU, which can reflect nonlinearity in the learning process, showed a clear improvement in efficiency with an increase in the number of layers, training times, and input data size. In contrast, in the training of LSTM models, an increase in the number of layers and training times did not consistently show improvement in efficiency, and even when there was improvement, the impact was limited. However, it was concluded that an increase in input data size contributed to improved efficiency. Such results for LSTM models demonstrate that even with sequence data, the advantages of RNN LSTM are difficult to manifest in time series data that include white noise process, such as KOSPI return. 주식시장에 대한 기계학습 기반 연구들은 재무이론으로부터 비교적 자유로운 변수들과 최적화 모형을 기반으로 하는 예측의 효율성에 초점이 맞춰진 경향이 있다. 하지만 이러한 기계학습 기반 연구는 주식시장에 대한 기존 재무금융 이론과 상치될 여지가 있다. 따라서, 이 연구는 기존 기계학습 분석에서 소홀히 했던 시계열 데이터들의 임의행보 여부를 검정하는 과정을 거친 후 변수 간의 다중공선성을 고려한 분석 데이터 선정을 통해 재무이론적 관점에 부합하는 연구 기반을 확보하였다. 또한 이들 데이터를 이용한 전통적 회귀분석을 하여 인공신경망 모형들의 기계학습 결과와 비교하기 위한 기반도 마련하였다. 기계학습에는 1, 5, 10 layer MLP 모형과 layer 당 1개의 셀이 있는 1, 5, 10 layer LSTM 모형이 설정되었고, 또한 각 layer 별 활성화 함수 포함 여부에 따라서도 모형을 구분하였다. 학습 결과, 활성화 함수가 포함되지 않은 MLP 모형은 layer의 숫자나 학습 횟수를 늘려도 MSE와 MAE로 측정된 학습 효율성 수준을 개선시키지 못했다. 하지만 학습 과정에 비선형성을 반영할 수 있는 활성화 함수가 포함된 MLP 모형의 학습은 layer의 숫자, 학습 횟수 그리고 입력 데이터 사이즈 증가에 따라서 효율성 개선 효과가 뚜렷이 나타났다. 이에 비해 LSTM 모형에 대한 학습에서는 layer의 숫자, 학습 횟수의 증가가 효율성 개선에 일관된 결과를 제시하지 못하였고, 개선되더라도 영향이 제한적이었다. 다만 입력 데이터 사이즈의 증가는 효율성 개선에 기여한다는 결론을 내릴 수 있었다. LSTM 모형에 대한 이런 결과는 비록 시퀀스 데이터이더라도 KOSPI 수익률과 같이 백색잡음(white noise)이 포함된 시계열 자료에서는 RNN LSTM의 장점이 발휘되기 어렵다는 사실을 보여준다.
ScienceON
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
