서지주요정보
(A) study on arbitrage pricing theory by artificial neural networks = 인공 신경망 기법을 이용한 재정가격 결정모형에 관한 실증분석
서명 / 저자 (A) study on arbitrage pricing theory by artificial neural networks = 인공 신경망 기법을 이용한 재정가격 결정모형에 관한 실증분석 / Sung-Moo Huh.
저자명 Huh, Sung-Moo ; 허성무
발행사항 [대전 : 한국과학기술원, 1991].
Online Access 제한공개(로그인 후 원문보기 가능)원문

소장정보

등록번호

8001895

소장위치/청구기호

학술문화관(문화관) 보존서고

MMGS 9128

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

Arbitrage Pricing Theory (APT) is the main research field of finance. This thesis is willing to lighten whether the macro economic variables used instead of factor analysis are priced. And to overcome the limitation of traditional methodology-the time-invariant assumption of factor loading, we used a new technique called artificial neural network. With the technique factor selection and factor loading estimation method are developed. Macro-economic variables selected as common factors are inflation, $M_2$, house price index, industry production index, oil price, exchange rate, bond risk premium, and market reture. 26 industry indices are used as dependent variables. We have trained the neural network from July, 1982 to December, 1988. Bond risk premium, market return, house price index, and $M_2$ are shown to be significant on returns of stocks over the training period. At each time bond risk premium and market return are shown to be almost significant. But $M_2$ and inflation alternate signficance and insignificane. House price have the great effect on the returns at a certain period. We can say from empirical results that there is 3 or 4 commom factors in Korean stock market and factor loading and factor risk premium are time varying.

재정가격 결정모형은 재무분야의 주요연구 분야이다. 주가에 영향을 미치는 요인을 요인분석에 의해서 축출하는 방법은 많은 문제를 수반함으로 최근의 경향은 요인분석 대신 거시경제 변수를 이용한다. 이 논문은 거시경제 변수가 주가에 대해서 가격화 되는지 안되는지를 밝히려고한다. 전통적인 추정기법들은 추정해야 할 모수가 시간에 대해서 불변하다고 가정하는 한계점을 극복하고자 이 논문에서는 최근에 각광받고 있는 인공지능 기법 중에 하나인 인공신경망 기법을 이용하고자 한다. 이러한 기법을 가지고 새로운 추정방법 - 휴리스틱 (Heuristic)한 방법 - 을 구축했다. 주가에 영향을 미치는 요인으로는 인플레이션, 통화량 ($M_2$), 주택가격지수, 산업별 생산지수, 유가, 환율, 채권 위험 프레미엄, 시장 수익률 이다. 주가 수익률로 사용된 포트폴리오는 26개의 산업별 지수이다. 우리는 인공 신경망을 1982년 7월부터 1988년 12월 까지 월별 데이타를 가지고 학습시켰다. 전체적인 기간동안에는 채권 위험 프레미엄, 시장 수익률, 주택가격 지수, 통화량이 주식에 유의한 것으로 나타났다. 개별기간으로 보왔을 때는 채권 위험 수익률이 가장 유의하고 그 다음은 시장 수익률 이다. 주택가격 지수는 특별한 기간 - 1987년 부터 1988년 초 - 에 주식에 큰 영향을 주는 것으로 나타났다. 거시경제 변수를 공통요인으로 이용할 때 사용되어지는 ITNLSUR (Iterative Nonlinear Seemingly Unrelated Regression) 방법보다 높은 설명력을 나타내 준다. 실증분석 결과로 부터 우리나라 주식시장에는 3개 내지 4개의 공통요인이 있고 요인에 대한 위험과 위험 프레미엄은 시간에 따라 변한다고 말할 수 있다. 그러나 인공신경망에 의해서 구축된 방법은 엄격한 통계적 수학적 방법이 결여된 휴리스틱한 방법이라는 점이 실증결과의 신뢰성을 약화 시킬수 있다는 사실이 이 논문이 가지는 가장 큰 결점이라 하겠다.

서지기타정보

서지기타정보
청구기호 {MMGS 9128
형태사항 iv, 77 p. : 삽도 ; 26 cm
언어 영어
일반주기 Includes appendix
저자명의 한글표기 : 허성무
지도교수의 영문표기 : Sang-Bin Lee
지도교수의 한글표기 : 이상빈
학위논문 학위논문(석사) - 한국과학기술원 : 경영과학과,
서지주기 Reference : p. 64-68
주제 Finance.
Pricing.
신경 회로망. --과학기술용어시소러스
재무 관리. --과학기술용어시소러스
가격 결정. --과학기술용어시소러스
Neural networks.
QR CODE qr code