최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 실적 공시 후 주가 5% 이상 상승 또는 하락을 딥뉴럴네트워크를 이용하여 예측하는 것을 목표로 한다. 펀드, 금융기관, 외국인 투자자, 개인 투자자 등 4개 그룹의 매수매도 거래 데이터를 분석한 결과, 외국인 투자자의 거래 데이터가 가장 높은 예측 정확도를 보였다. 특히 외국인 투자자의 매수 신호는 56%의 정확도로 5% 이상 주가 상승을 예측하고, 매도 신호는 54.2%의 정확도로 5% 이상 주가 하락을 예측했다.
Pairs trading : quantitative methods and analysis
딜러를 이겨라 : 켈리공식으로 카지노와 월가를 점령한 수학자 이야기
주식시장을 이긴 전략들 : 반복되는 주식시장 수익패턴 분석! 시장을 이긴 매매전략 A to Z!
윌리엄 오닐의 성공 투자 법칙 : 월스트리트 최고 투자 전략가의 매매 기법 5단계
How the trading floor really works
암호화폐 실전투자 바이블 : 개념부터 차트분석까지
나는 주식으로 월급 두 번 받는다
Data mining in finance : advances in relational and hybrid methods
(뉴욕주민의) 진짜 미국식 주식투자 : 월스트리트 트레이더에게 배우는 실전 투자의 정석
Technical analysis explained : the successful investor's guide to spotting investment trends and turning points
Financial econometrics : problems, models, and methods
한국증권시장의 공매거래의 본질
(세상에서 가장 쉬운) 통계학입문
윌스트리트로 간 경제학자
거시 금융 경제학 =
주식투자 베스트비법 : 개미투자자를 위한 Top 시크릿
4차 산업혁명 주식투자 인사이트
거래량 투자 기법 : 거래량과 가격의 비밀을 밝힌다!
e-비즈니스연구
장영일, 정유수Global Transitions Proceedings
Ingle, Vaishali; Deshmukh, SachinApplied System Innovation
Singh J.,Khushi M.지능정보연구
양수연, 이채록, 원종관, 홍태호Multimedia Tools and Applications: An International Journal
Bodaghi, Amirhosein; Zhu, Jonathan J. H.한국산학기술학회논문지
서정환; 박재표한국융합학회논문지
황희수Vilakshan - XIMB Journal of Management
Kejriwal, Ruchi; Garg, Monika; Sarin, GauravThe Journal of Supercomputing
Erfan Saberi; Jamshid Pirgazi; Ali Ghanbari sorkhiVilakshan - XIMB Journal of Management
Ruchi Kejriwal; Monika Garg; Gaurav SarinInternational Journal of System Assurance Engineering and Management
Jyoti Gautam; Nitima Malsa; Vaibhav VyasSpatial Information Research
Sakhare, Nitin Nandkumar; Shaik, Imambi S.한국전자거래학회지
류의림, 이기용, 정연돈Journal of Behavioral Finance
Rongzhao Ou; Qiao Wang경영과학
이익선科技和产业 / Science Technology and Industry
徐幼恩; 罗扬; XU Youen; LUO Yang회계ㆍ세무와 감사 연구
신영직; 강나라Heliyon
Muhammad D.,Ahmed I.,Naveed K.,Bendechache M.Operations Research Forum
Namdari, A.; Durrani, T.S.정보처리학회논문지. 소프트웨어 및 데이터 공학
김태승, 이수원전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 학사
이 수업은 한국어로 진행되며 강의 내용은 아래 영문교과목 개요를 참고하시길 바랍니다.전선 / 학사
본 과목에서는 인공지능 기술을 활용하여 경제 데이터를 분석하고 예측하는 방법을 학습한다. 다음은 본 강좌의 주요 학습내용이다: (1) 인공지능과 머신러닝의 기본 원리를 이해하고, 경제 데이터 분석에 적용하는 방법, (2) 다양한 인공지능 기술을 활용하여 경제 데이터를 분석하고, 경제 현상을 예측하는 모델을 구축, (3) 실제 경제 데이터를 사용하여 인공지능 기반의 분석 및 예측 프로젝트를 수행하고, 결과 해석. 본 과정을 통해 학생들은 데이터 기반의 경제학적 의사결정을 내리는 데 필요한 실용적 경험을 갖게 되고, 미래의 데이터 과학자 및 경제 분석가로서의 역량을 기를 수 있다.전선 / 대학원
세계화의 진행으로 국제금융시장에 대한 이해와 필요성이 증대되고 있다. 본 교과목은 다국적 기업의 재무최고관리자(CFO)로서 익혀야 할 기본적인 재무이론과 개념을 이해할 수 있도록 구성되어 있다. 다루는 주제는 화폐의 시간가치, 현금할인기법, 위험과 기대수익률의 관계, 자본비용, 자본예산분석, 자본구조 등을 포함한다.전필 / 학사
본 과목은 산업공학에 필요한 통계학적 이론과 실무적 기법을 제공하는 것을 목적으로 함. 구체적인 내용은 추정과 검정, 회귀분석, 실험계획 및 분산 분석, 비모수통계 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 공학적, 관리적 현실문제들을 통계 소프트웨어를 사용하여 분석하고 전략적 의미를 도출하는 능력의 배양에 초점을 맞춤.전선 / 대학원
시장의 비효율성에 바탕한 투자는 유의한 수익을 얻을 수 있게 해준다는 것이 수많은 실증연구들에게 의해 밝혀져 오고 있으며, 실제 많은 펀드들이 이를 실제 투자를 통해 실현하고 있다. 이 강의에서는 EMBA 학생들을 대상으로 재무금융 부문의 핵심적 이슈인 효율적 시장과 관련한 중요 쟁점들을 살펴보고, 이를 바탕으로 가능한 퀀트투자 전략을 수립, 실행, 평가해 본다. 강의의 대부분은 담당교수의 강의로 이루어지며 마지막 시간에 학생들의 퀀트투자 성과 발표로 기말고사를 대신해 학점을 수여한다.전선 / 학사
주식, 채권을 포함한 기초 증권 및 옵션, 선물, 스왑 및 구조화 채권 등의 파생 증권의 가격 결정, 헷징, 및 투자전략에 대한 이론적 기초를 공부한다. 기초적 분석을 중심으로 특히 위험중립적 가격 결정 접근법을 공부하고, 파생 증권의 가격 결정에 있어서 이와 증권 복제법을 통한 가격 결정 접근법이 어떻게 관련이 있는지를 공부한다.전선 / 대학원
기술경영경제정책 분야의 연구 및 실무에서 직면하게 되는 의사결정문제들을 분석하고, 최적의 해를 찾는데 사용되는 의사결정방법들을 소개한다. 확실성 및 불확실성 하에서의 의사결정방법론, 기술 및 프로젝트의 경제성분석과 의사결정방법론을 포함하며, 사례실습을 통해 의사결정문제에 대한 학생들의 이해도를 높인다. 먼저 의사결정분석에 사용되는 모형과 방법들을 배우게 되며, 여기에는 경제성분석; 자원배분; 의사결정분석을 위한 위험, 민감도, 정보의 가치, 베이스 이론, 주관적 확률, 의사결정에 있어서의 왜곡, 효용, 다목적 의사결정, 리얼옵션; 시뮬레이션을 위한 모형과 분석 소프트웨어; 최적화를 위한 선형계획, 비선형계획, 마아코프 과정모형 등이 포함된다. 이어서 배운 방법들을 이용한 사례실습을 하게 되며, 여기에서 기술과 기술개발 프로젝트의 경제성분석, 위험 및 불확실성 분석과 관리, 의사결정나무분석, 마아코프 체인과 마아코프 과정, 시뮬레이션, 리얼옵션 등을 사례를 통해 실습하게 된다.전선 / 대학원
본 과목은 재무관리를 전공하는 대학원(석박사과정) 학생들에게 재무관리 연구의 주요 이슈와 실증연구방법론, 계량모형에 관한 고급지식을 습득케 하는 것을 목적으로 한다. 주요 내용은 자산가격결정모형(CAPM, APT, CCAPM)에 대한 계량모형의 설정과 검증, 주가수익률 시계열 분석 및 예측가능성에 대한 검증(Random walk, Mean reversion, Volatility bounds), 정보·거래·주가변동폭의 상호관계에 대한 검증, 효율적 시장가설과 이례현상에 대한 논쟁 및 검증, 이자율결정이론에 대한 계량모형과 검증 등을 포함한다. 또한 강의에서 다룬 내용 중에서 연구주제를 선정하여 실증연구를 수행하여 기말보고서를 작성하여 발표·토론하도록 한다.전선 / 대학원
본 과목은 국제통상 전공자들에게 필요한 테이터 분석 방법론과 방법론의 응용을 가르치는 것을 목표로 한다. 방법론으로는 기초 통계학 이론 및 회귀분석 모형이 포함되며, 동시에 이 기법이 실제 어떻게 사용되는지 프로젝트 및 데이터 실습을 통해서 학습한다. 데이터 실습은 STATA를 기반으로 진행한다. 이에 더하여, 각국에서 도입중인 evidence-based policy making (EBPM)의 동향과 민간의 신용카드 및 교통정보를 기반으로 한 실시간 데이터가 정책입안에 어떻게 활용되는지 사례분석을 통해서 학습한다. 마지막으로 최근 활발히 이용되고 있는 머신러닝(Machine Learning)기법 일부도 소개한다. 학습 평가는 방법론에 대한 시험과 통계분석에 대한 final project를 기초로 이루어진다.전선 / 대학원
이 과목에서는 투자론에서 배운 지식을 심화시켜 자본시장에 관한 현대 재무이론들을 소개하고, 그러한 이론들이 실무에서 어떻게 적용될 수 있는가를 소개한다. 먼저 이 과목에서는 소비-투자 선택문제로부터 출발하여 CAPM, APT, 소비 CAPM, 옵션이론 및 이자율기간구조모형 등과 같은 다양한 기본이론들을 다루고, 이들을 이해하는 데 필요한 효용이론과 확률과정이론들도 함께 소개한다. 또한, 정보비대칭과 거래비용이 가격 움직임에 미치는 영향에 대한 시장미시구조 이론들과 여러 자본시장들(주식, 채권, 파생금융시장 등)의 형태 및 기능들을 다룬다. 끝으로 개별 주제들과 관련된 실제 사례들을 수업시간에 제시한 이론들과 분석도구들을 이용하여 분석함으로써 재무이론이 자본시장에서 어떻게 활용될 수 있는가를 구체적으로 제시한다. 과목의 성격상 수학적 지식이 필수적이다.전선 / 대학원
기술경영경제정책 분야의 연구 및 실무에서 직면하게 되는 의사결정문제들을 분석하고, 최적의 해를 찾는데 사용되는 의사결정방법들을 소개한다. 확실성 및 불확실성 하에서의 의사결정방법론, 기술 및 프로젝트의 경제성분석과 의사결정방법론을 포함하며, 사례실습을 통해 의사결정문제에 대한 학생들의 이해도를 높인다. 먼저 의사결정분석에 사용되는 모형과 방법들을 배우게 되며, 여기에는 경제성분석; 자원배분; 의사결정분석을 위한 위험, 민감도, 정보의 가치, 베이스 이론, 주관적 확률, 의사결정에 있어서의 왜곡, 효용, 다목적 의사결정, 리얼옵션; 시뮬레이션을 위한 모형과 분석 소프트웨어; 최적화를 위한 선형계획, 비선형계획, 마아코프 과정모형 등이 포함된다. 이어서 배운 방법들을 이용한 사례실습을 하게 되며, 여기에서 기술과 기술개발 프로젝트의 경제성분석, 위험 및 불확실성 분석과 관리, 의사결정나무분석, 마아코프 체인과 마아코프 과정, 시뮬레이션, 리얼옵션 등을 사례를 통해 실습하게 된다.전선 / 대학원
본 과목은 옵션, 선물, 선도, 스왑거래 등과 같은 파생금융상품의 기본구조와 가격결정이론에 관한 이론과 실제에 대해 학습하고, 이들을 이용한 파생상품 투자전략을 심도 있게 다룬다. 또한 파생금융상품을 이용한 차익거래와 헤지거래 및 위험관리에 대해서도 논의한다. 주요 내용은 1) 옵션, 선물, 선도, 스왑거래의 구조와 가격결정이론, 2) 차익거래 및 헤지거래, 3) 채권가격결정과 듀레이션, 4) 이자율 기간구조모형과 금리 파생상품, 5) 이항옵션모형과 Black-Scholes모형, 6) 내재 변동성과 변동성의 추정방법, 7) 수치해석방법에 의한 옵션가격결정, 8) 이색옵션의 가격결정, 9) 시장위험 및 신용위험의 평가방법, 10) 금융위험관리의 성공 및 실패 사례연구 등을 포함한다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 대학원
가격과 판매 촉진 활동과 관련하여서 기업 내부의 여러 부문과 고객들로부터 매우 다양한 대안과 요구가 제시되는데 경영자는 이러한 다양한 대안을 추려서 가장 최적의 선택을 하여야 하며, 이를 위하여 필요한 정보를 수집하여 합리적인 의사 결정에 도달할 수 있는 체계적 분석 도구가 필요하다. 본 교과목은 이러한 체계적 분석 도구를 제공하는 데 다음의 세 가지 주요 학습 목표에 초점을 두고 가격 및 판매 촉진 전략을 공부한다. 첫째, 고객들에게 맞춤형 가격을 제공하는데 있어 이용되는 다양한 가격 및 판매 촉진 전략들이 어떻게 상호 연관되어있는가를 살펴 가격과 판매 촉진 전략 전반을 아우르는 근본적 원리를 이해한다. 둘째, 고객 가치를 창조하고 소통하고 획득하는 과정에서 가격 및 판매 촉진 활동들이 어떻게 전략적으로 활용되어져야 하는가를 고찰한다. 셋째, 좀 더 나은 가격 및 판매 촉진 의사 결정을 위해 어떠한 정보를 어떻게 분석할 것인가를 공부한다. 본 교과목에서는 강의 및 사례 연구와 더불어 실제 자료를 개념적 모형에 적용하는 실습을 실시할 것이다.전선 / 학사
본 교과목은 국제에너지시장의 예측 및 분석을 위한 분석기법을 학습하고 에너지시장의 대표적인 특성인 높은 가격변동과 시장의 지역화 문제를 심층적으로 살펴본다. 시계열 계량경제기법을 위주로 한 분석기법을 학습하며, 실제자료를 활용한 팀별 분석실습과 토론학습을 진행한다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 대학원
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.