KCI등재
인공신경망모형을 이용한 KOSPI 200 선물의 가격결정에 관한 연구
저자
발행기관
학술지명
권호사항
발행연도
2003
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
155-176(22쪽)
제공처
본 연구의 목적은 주가지수선물의 시장가격과 괴리를 보이고 있는 보유비용모형의 문제를 극복하기 위하여 보유비용모형 외에 일반균형모형과 인공지능기법을 이용하여 우리나라 주가지수선물의 가격결정을 실증분석하고 성과를 비교한다. 인공신경망 기법은 잘 알려진 바와 같이 파생상품의 가격결정모형에 있어서 기초자산의 확률과정 및 기타 비현실적인 가정들을 필요로 하지 않기 때문에 이로부터 발생하는 오차를 최소화할 수 있다. 모형간의 성과는 실제가격과의 괴리율의 평균, MAD(Mean Absolute Deviation), MSE(Mean Square Error)를 사용한다. 분석결과 일반균형모형이 보유비용모형보다 훨씬 나은 성과를 보이는 것은 확인할 수 있었으나, 인공신경망모형이 일반균형모형보다 더 좋은 성과를 얻기 위해서는 lag 변수들을 추가해야 한다는 점을 알 수 있었다. 시장가격에 가까운 이론가격을 주는 모형을 이용하여 가격예측력을 높이기 위해서는 일반균형모형뿐만 아니라 인공신경망모형이 주가지수선물의 가격결정에 있어서 좋은 대안이 될 수 있을 것이다.
더보기The objective of this paper is to empirically investigate and compare pricing accuracy of stock index futures models; cost-of-carry model, general equilibrium model and neural network model. Neural network models could minimize pricing errors because they do not require unrealistic assumptions, e.g., underlying assets` stochastic processes. In order to achieve the research objective, we employ three evaluation statistics; average pricing errors, MAD(Mean Absolute Deviation) and MSE(Mean Square Error). We find that the general equilibrium model outperforms the cost-of-carry model and that the neural network model ‘with more lag variables’performs better than the general equilibrium model. The results imply that not only general equilibrium models but also neural network models could be potential alternatives for more accurate pricing models on stock index futures and that further studies on these models should be warranted.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)