KCI등재
데이터마이닝을 이용한 글로벌 리츠 투자 특성 예측 = Forecasting of Investment Characteristics of Global REITs Using Data Mining
저자
발행기관
학술지명
권호사항
발행연도
2017
작성언어
-주제어
KDC
321
등재정보
KCI등재
자료형태
학술저널
수록면
44-56(13쪽)
KCI 피인용횟수
2
제공처
글로벌 금융위기 및 유럽 재정위기, 중국의 경기둔화 등 대외적 요인과 국내경기 둔화, 전세시장 역전 등의 대내적 요인에 따른 부동산 경기 부진으로 거래가 매우 침체되어 있다. 리츠(Real Estate Investment Trusts, REITs)와 부동산펀드(Real Estate Fund, REF) 등을 통해 임대수익이나 매각수익을 향유하는 부동산 간접투자시장이 급성장 하고 있다. 리츠투자는 글로벌 포트폴리오 및 대체투자 다변화, 수익률 극대화라는 기치하에 연기금 등 기관투자자의 수임을 받은 자산운용사를 중심으로 판매사를 통해 지속적으로 재간접펀드 일종인 글로벌리츠재간접펀드에 글로벌부동 산펀드와 더불어 투자자산을 증대시키고 있다. 글로벌리츠재간접투자의 예측분석 및 투자특성 분석결과를 바탕으로 투자하고자 하는 기관투자자 및 투자회사 실무담당자에게 투자 특성 예측분석을 통해 해외 투자지역 선별 및 투자항목 선택에 조력을 줌으로써 위험을 최소화하는데 기여하고자 하는 목적에서 연구를 실시하였다. 데이터마이닝을 통한 분류분석을 위한 데이터마이닝 투자가치 예측분석 결과 예측분석의 분류의 정확도는 99.7%로 높은 정분류율을 나타냈 다. 따라서 인공신경망 모형(ANN)을 활용한 분석결과를 바탕으로 자산운용사 및 판매사의 상품기획 및 자산운용 담당자들에게 글로벌 리츠상품 개발 기준 및 판매 기준 등을 제시해 줄 것을 기대한다.
더보기1. CONTENTS (1) RESEARCH OBJECTIVES
The results of the analysis of the prospectus and investment characteristics of the global barrel re-indebted fuels will be used by institutional investors and investment company practitioners who want to invest in overseas REITs to select overseas investment region selection and investment items And to contribute to the minimization of risk by providing assistance to the public.
(2) RESEARCH METHOD
The data used for valuation analysis and classification analysis of REITs Investment consisted of 332 asset management companies performance data on real estate overseas investment-type REITs investment products, The investment profit ratio of overseas investment-type commodities was 2016.
It was 1 year immediately before the end of October 2015 (from May 1, 2015 to October 20, 2010).
(3) RESEARCH FINDINGS
We use data mining to classify and analyze the investment characteristics of the Global Litigation Re-Induced Firm by securing predictive power using these data mining methods.
2. RESULTS
Results Characteristics of Investment in Global Ritz Re-Indirect Fund Using Data Mining As a result of machine learning for predictive analysis, the neural network model has the highest positive classification rate (99.7% accuracy) for predicting investment outcome Indicated. Next, we showed the prediction accuracy (Chon classification rate 98.82%) for the significance analysis of prediction variables of decision tree model (C 5.0) and logistic regression model. Based on the accuracy of such prediction, the independent variables affecting the investment result (IV) of the dependent variable as a result of the importance analysis of the variable are OM (operational maintenance), total net asset (NAV), price standard (BP) I was able to confirm the fact that.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2023 | 평가예정 | 계속평가 신청대상 (계속평가) | |
2021-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
2019-12-01 | 평가 | 등재후보 탈락 (계속평가) | |
2018-12-01 | 평가 | 등재후보로 하락 (계속평가) | KCI후보 |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2009-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2006-01-01 | 평가 | (등재후보2차) | KCI등재 |
2005-01-01 | 평가 | (등재후보1차) | KCI후보 |
2003-01-01 | 평가 | (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 2.61 | 2.61 | 1.87 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.49 | 1.25 | 0.704 | 0.38 |
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)