KCI등재
Genetic Algorithm을 이용한 최적 인덱스 펀드 구축 방안의 모색
저자
발행기관
학술지명
융복합지식학회논문지(The Society of Convergence Knowledge Transactions)
권호사항
발행연도
2019
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
25-32(8쪽)
DOI식별코드
제공처
H.Markowitz의 평균-분산 framework을 기초로 하는 기존의 포트폴리오 이론에서는 펀드 작성시의 목적함수는 위험의 최소화이며, 제약 조건은 일정 수준의 목표 수익이 되며, 펀드에 편입되는 종목은 사전에 주어져 있고, 각 종목의 편입 비율만 결정되는 형태이다. 그러나 종목 선택의 관점에서 펀드 작성은 조합 최적화 문제로 귀착된다. 즉, 조합 최적화 문제에서는 모든 해를 열거하고, 그 중에서 가장 최적인 해를 선택하는 것이 이상적이다. 실제로는 문제의 규모와 함께 조사하여야 하는 해의 개수가 급격히 증가하므로, 계산기로는 엄밀한 최적해를 발견한다는 것이 불가능하다. 펀드 작성은 조합 최적화 문제이며 그 최적해를 탐색하는 방법으로 유전적 알고리듬을 사용한다. 유전적 알고리듬은 자연계의 교차, 도태, 돌연변이를 컴퓨터로 실행하는 것으로 최적화 문제 중에서도 조합 최적화 문제에 효과적인 방법이다. 지금까지 대부분의 다목적 최적화는 목적함수의 1차원화와 단 목적 최적화의 반복에 의하여 해를 구하였지만, 본 연구에서는 유전적 알고리듬이 복수의 해 후보 집단을 구성하는 것을 이용하여 파레토 최적해 집단을 직접 찾는다는 점이 다르다. 또한 유전적 알고리듬을 사용하여 기존 펀드의 재조정도 가능하다. 더 나아가 평가 함수의 변경이나 재조정 방법을 개량하면 좀더 발전된 결과를 얻을 수 있다.
더보기In the traditional portfolio theory based on H.Markowitz’s mean-variance framework, the objective function in fund structuring is the minimization of risk, the constraints become the target return at a certain level, the stocks incorporated into the fund are given in advance, and only the proportion of stocks’ inclusion is determined. However, in terms of stock selection, the fund structuring comes down to the combinatorial optimization problem. In other words, it is ideal to choose the optimal solution by enumerating all solutions in the combinatorial optimization problem. In reality, with the scale of the problem, the number of solutions to be investigated increases dramatically, so it is impossible for calculators to find a rigorous optimal solution. Fund structuring is a combinatorial optimization problem and genetic algorithms are used as a way to search for the optimal solution. The genetic algorithm is an effective method for combinatorial optimization problem among the optimization problems by executing the crossover, selection and mutation of the natural systems by computer operations. Many conventional multi-objective optimization techniques have solved the problem by one-dimensional optimization of the objective function and repetition of the single-objective optimization. In this study, however, the pareto optimal solution group is directly obtained by using the genetic algorithm constituting a plurality of solution candidate groups is different. It is also possible to rebalancing existing funds using genetic algorithms. Furthermore, by improving the method of changing or re-adjusting the evaluation function, more advanced results can be obtained.
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)