펀드 위험등급 예측을 위한 머신러닝 기반 2단계 예측 모델 개발

김아람; 박민호

doi:10.7840/kics.2023.48.11.1447

추천

검색

질문

자료유형: 학술저널

저자정보: 김아람 (숭실대학교) 박민호 (숭실대학교)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제11호

발행연도: 2023.11

수록면: 1,447 - 1,456 (10page)

DOI: 10.7840/kics.2023.48.11.1447

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2023

펀드 위험등급 예측을 위한 머신러닝 기반 2단계 예측 모델 개발

김아람 , 박민호 한국통신학회논문지 2023.11 학술저널

펀드 위험등급 예측을 위한 머신러닝 기반 2단계 예측 모델 개발

김아람 IT융합학과 2023.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

금융 산업의 발전과 더불어 금융 투자 관련 범죄가 증가하자 금융당국은 2021년 금융소비자보호법을 시행해 판매사의 펀드 설명의무를 강화했다. 설명의무 대상인 위험등급은 투자 상품의 위험을 직관적으로 파악할 수 있는 중요한 지표이지만 관리가 소홀히 이루어져 왔다. 금소법 시행 이후 판매업계에서는 자체적으로 펀드 위험등급을 검증하고 관리하는 시스템을 구축하고 있다. 본 논문은 해당 시스템의 일환으로 머신러닝을 활용한 펀드 위험등급 2단계 예측 모델을 제안한다. 1단계에서는 금융 시계열 변동성 추정 모형인 GARCH 모형과 머신러닝 모델인 LSTM, 두 모형을 결합한 GARCH(1,1)-LSTM 모형을 사용하여 결산일 시점의 1개월 변동성을 예측한다. 2단계에서는 1단계에서 추정한 변동성과 기타 중요 위험지표를 4가지 커널별 SVM 분류 알고리즘에 입력해 펀드 위험등급을 예측한다. 연구 결과 GARCH(1,1)-LSTM 결합 모형이 가장 높은 변동성 예측 성과를 보였으며 RBF 커널을 이용한 다변량 SVM이 높은 위험등급 예측 정확도를 보였다.

#Fund #Risk Rating #Volatility #GARCH-LSTM #Machine Learning #SVM

참고문헌 (16)

참고문헌 신청

K. J. Kim, “Analysis of the predicted volatility of imported meat price based on GARCH and LSTM,” Ph.D. dissertation, Graduate School, Konkuk University, 2020.

Y. S. Ra, H. S. Choi, and S. W. Kim, “VKOSPI forecasting and option trading application using SVM,” J. Intell. Inf. Syst., 2016. (https://doi.org/10.13088/jiis.2016.22.4.177)

S. B. Lee, “Volatility prediction of financial time series data using hybrid GARCH-LSTM algorithm,” Ph.D. dissertation, Graduate School, Hankuk University of Foreign Studies, 2022.

Y. S. Choi and H. J. Lee, “Comparison of volatility prediction for KOSPI200 index depending on volatility measurement methods,” Korean Statistical Soc., 2010.

T. H. Roh, “Forecasting the volatility of stock price index,” Expert Syst. with Appl., vol. 33, no. 4, pp. 916-922, 2007. (https://doi.org/10.1016/j.eswa.2006.08.001)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김아람

소속기관 와이즈오토모티브

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 16 이용수 461

박민호

소속기관 숭실대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전기전자공학 > 정보통신공학 TOP 1%

논문수 72 이용수 6,979

이 논문과 함께 이용한 논문

랜덤 포레스트 기반 서울시 노인보호구역 입지선정 방안

박지연 , 장윤진 , 김태헌 외 2명 대한공간정보학회 학술대회 2023 .12

랜덤 포레스트 모델을 활용한 균열 진단 연구

김경수 , 이현아 한국자동차공학회 추계학술대회 및 전시회 2023 .11

폐수처리 공정에서의 기계학습 및 심층학습 알고리즘의 성능 비교

김재일 , 이효섭 , 장진욱 외 3명 대한환경공학회지 2023 .12

이수식 TBM 데이터와 랜덤포레스트를 이용한 일축압축강도 분류 예측에 관한 연구

강태호 , 최순욱 , 이철호 외 1명 터널과 지하공간 2023 .12

기계 학습을 기반으로 한 뉴스 제목의 감정 분석 연구

우위항 , 친정 , 최염 외 1명 Proceedings of KIIT Conference 2023 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-088354941

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)