인공신경망모형을 이용한KOSPI 200 선물의 가격결정에 관한 연구
김헌수(순천향대학교); 김광용(숭실대학교); 정대용(삼성선물(주))
13권 3호, 155~176쪽
초록
본 연구의 목적은 주가지수선물의 시장가격과 괴리를 보이고 있는 보유비용모형의 문제를 극복하기 위하여 보유비용모형외에 일반균형모형과 인공지능기법을 이용하여 우리나라 주가지수선물의 가격결정을 실증분석하고 성과를 비교한다. 인공신경망 기법은 잘 알려진 바와 같이 파생상품의 가격결정모형에 있어서 기초자산의 확률과정 및 기타 비현실적인 가정들을 필요로 하지 않기 때문에 이로부터 발생하는 오차를 최소화할 수 있다. 모형간의 성과는 실제가격과의 괴리율의 평균, MAD(Mean Absolute Deviation), MSE(Mean Square Error)를 사용한다. 분석결과 일반균형모형이 보유비용모형보다 훨씬 나은 성과를 보이는 것은 확인할 수 있었으나, 인공신경망모형이 일반균형모형보다 더 좋은 성과를 얻기 위해서는 lag 변수들을 추가해야 한다는 점이다. 시장가격에 가까운 이론가격을 주는 모형을 이용하여 가격예측력을 높이기 위해서는 일반균형모형 뿐만 아니라 인공신경망모형이 주가지수선물의 가격결정에 있어서 좋은 대안이 될 수 있을 것이다.
Abstract
The objective of this paper is to empirically investigate and compare pricing accuracy of stock index futures models; cost-of-carry model, general equilibriummodel and neural network model. Neural network models could min imize pricingerrors because they do not require unrealistic assumptions, e.g . , underlying assets’stochastic processes. In order to achieve the research objectiv e, we employ threeevaluation statistics; average pricing errors, MAD(Mean Absolut e Deviation) and MSE(Mean Square Error). We find that the general equilibrium model outperformsthe cost-of-carry model and that the neural network model ‘with more lagvariables’performs better than the general equilibrium model. The results imply that not only general equilibrium models but also neural network models could be potential alternatives for more accurate pricing models on stock index futures and that further studies on these models should be warranted.
- 발행기관:
- 보험연구원
- 분류:
- 경영학