KCI등재
머신러닝 알고리즘 기반의 공모주 시초가격 예측모형에 관한 연구 = A Study on the Initial Price Prediction Model of Public Offering Stock Based on Machine Learning Algorithm
저자
배재권 (계명대학교)
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
249-268(20쪽)
제공처
Recently, the Financial Services Commission decided to expand the range of fluctuations in the opening price of public offering stocks (the price limit on the listing date) in order to improve the soundness of the public offering stock market and from June 26, 2023, the range of fluctuations in the initial price of the public offering stock will increase from 90-200% based on the public offering price to 60-400%. As the volatility of the initial price of the listing date increases, the incentive to develop prediction models that provides predictive information on the initial price of public offering stocks will increase. Against this background, this study aims to explore the influencing factors on the prediction of the new listing date of public offering stocks by using various machine learning algorithms based on data from issuers' prospectuses and securities filings. For companies listed on the KOSDAQ market for the last three years, a model for predicting the initial public offering stock price was built using logistic regression, decision trees, neural networks, and support vector machines. As a result of the study, the top variables that affect the initial price of public offering stocks were ‘amount available for circulation’, ‘general offer competition rate’, and ‘confirmation ratio for mandatory holding(lock-up)’, and it was confirmed that these variables are the main influencing factors on the initial price of public offering stocks. The smaller the circulating supply (average 20% or less), the higher the 100% probability of starting. In addition, general subscriptions incur opportunity costs due to the time required for margin payment and return. Despite these opportunity costs, a high subscription competition ratio has a positive effect on the excess return. Finally, the ‘obligatory holding commitment ratio’ is a commitment ratio in which institutional investors do not sell public offering stocks for a certain period of time during the demand forecasting process, and the higher the ratio (on average, more than 20%), the higher the probability of a 100% initial public offering price.
더보기최근 금융위원회는 공모주 시장 건전성을 제고하기 위해 공모주의 시초가격 변동폭(상장일 가격제한폭)을 확대하기로 결정하였으며, 2023년 6월 26일부터 공모주의 시초가 대비 변동폭이 공모가 기준 90~200%에서 60~400%로 확대된다. 상장일 시초가의 변동성이 더욱 커지면서 공모주의 시초가 예측정보를 신속하고 정확히 제공하거나 예측모형을 개발(구축)하고자 하는 유인은 더욱 커질 것이다. 이러한 배경에서 본 연구는 발행회사의 투자설명서 및 증권신고서 데이터를 기반으로 다양한 머신러닝 알고리즘을 활용하여 공모주의 신규 상장일 시초가 예측에 미치는 영향요인을 탐색하고자 한다. 최근 3년간(2019.01 ~ 2021.12) 코스닥 시장에 상장한 기업을 대상으로 로지스틱 회귀분석, 의사결정나무, 신경망, 서포트벡터머신(SVM) 알고리즘을 이용하여 공모주 시초가 예측모형을 구축하였다. 연구결과, 공모주 시초가격에 영향을 미치는 상위변수로 ‘유통가능물량’, ‘일반청약경쟁률’, ‘의무보유확약비율’로 나타났으며 이들 변수가 공모주 시초가격에 주요 영향요인이라는 것을 확인하였다. 유통가능물량(평균 20% 이하)의 경우 적을수록 시초가 100% 확률이 높아진다. 또한 일반청약은 증거금 납입과 반환까지 시간이 소요되어 기회비용이 발생한다. 이들 기회비용이 발생함에도 불구하고 청약경쟁률(평균 1,300 대 1)이 높게 형성되면 공모수익률에도 긍정적인 영향을 미친다. 마지막으로 ‘의무보유확약비율’은 기관투자자들이 수요예측과정에서 공모주를 일정기간 동안 매도하지 않는 확약비율로 이 비율이 높을수록(평균 20% 이상) 공모가 대비 시초가 100% 확률이 높아지는 것으로 나타났다.
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)