금융시계열-머신러닝 통합모형을 이용한 실현변동성 예측과 모형 해석에 관한 연구(A) study on forecasting and explaining realized volatility using a financial time series-machine learning Model
주가지수 및 변동성을 활용한 다양한 금융파생상품이 등장함에 따라 포트폴리오 운용 및 리스크관리에서 변동성 예측은 중요한 요소라고 할 수 있다. 본 연구에서는 주가지수의 실현변동성 예측을 위해 조건부이분산성 금융시계열 모형과 단순 머신러닝 모형을 구축함과 동시에 금융시계열 모형과 머신러닝 모형을 통합한 금융시계열-머신러닝 통합 모형을 구축하였다. 머신러닝 모형은 변동성 예측력 향상에 기여하지만 예측에 대한 해석을 제공해주지 못하는 블랙박스(black-box)의 한계점을 지니고 있다. 이러한 한계점의 극복 가능성을 확인하기 위해 다양한 모형 해석방법론을 머신러닝 모형에 적용하였다. 이를 통해 금융시계열 모형과 머신러닝 모형을 통합한 경우 예측력을 제고할 수 있음을 확인하였으며, 모형 해석을 통해 기존의 블랙박스 한계점을 극복할 수 있는 가능성을 제시하였다.
- Advisors
- 강장구researcher; Kang, Jangkooresearcher
- Description
- 한국과학기술원 :금융공학프로그램,
- Publisher
- 한국과학기술원
- Issue Date
- 2020
- Identifier
- 325007
- Language
- kor
- Description
학위논문(석사) - 한국과학기술원 : 금융공학프로그램, 2020.8,[iii, 38 p. :]
- Keywords
실현변동성▼a조건부이분산성 모형▼a머신러닝 모형▼aLSTM▼aLightGBM▼aSHAP; Forecasting Volatility▼aARCH▼aMachine Learning▼aLSTM▼aLightGBM▼aSHAP
- Appears in Collection
- KGSF-Theses_Master(석사논문)
- Files in This Item
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.