메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제20권 제1호
발행연도
2018.1
수록면
275 - 283 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 연구는 딥러닝 기법을 재무 데이터에 적용하는 실증연구이다. 수익률 곡선을 주성분 분석으로 분해하여 면역 전략을 수립하는 전통적인 방법에 착안해, 주성분 분석과 가장 유사한 딥러닝 기법인 자기부호화기를 적용하여 주성분 분석의 결과와 비교하였다. 미국 국채의 11개 만기별 일별 수익률 데이터를 차분한 데이터를 사용하였고, 360개의 데이터를 순차적으로 반복 분석하였다. 각 방법론 별로 11차원의 원 데이터를 3차원으로 축소하여 다시 3차원에서 원래의 차원인 11차원의 데이터로 복원하고 그 복원 값을 원 데이터와 비교하여 평균제곱오차를 구하였다. 자기부호화기의 경우, 11차원에서 3차원으로 바로 축소하는 단층 구조를 비롯하여 2개, 3개의 계층을 삽입한 딥러닝 기법도 적용하여 그 성능을 비교하였다. 분석의 결과 수익률 곡선의 복원오차는 전통적인 주성분 분석이 가장 작았다. 자기부호화기의 계층을 달리한 실험에서는 계층구조의 복잡성과 수익률 곡선의 복원율 사이에는 관계가 없는 것으로 나타났다. 또한 이폭과 같은 파라메터 값에 다양한 설정을 하여 같은 방식의 분석을 반복하였으나 특별히 개선되는 효과는 나타나지 않았다. 이를 통해 볼 때 이자율 시장은 선형모형인 주성분 분석이 자기부호화기에 비해 우월한 방법론이라고 할 수 있다.

목차

등록된 정보가 없습니다.

참고문헌 (18)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0