표제지
목차
국문요약 8
제1장 서론 10
1.1. 연구의 배경 10
1.2. 연구의 목적 11
1.3. 선행연구 12
제2장 이론적 배경 13
2.1. Log-Stochastic Volatility Model (LSVM) 13
2.2. 마코프 체인 몬테카를로 시뮬레이션 (MCMC) 15
2.3. 인공신경망 18
2.4. 생성적 대립 신경망 (GAN) 24
2.5. 합성곱 신경망 (CNN) 26
제3장 실증분석 28
3.1. 분석 대상 주가지수 28
3.2. MCMC 모형 구현 방법 29
3.3. GAN 모형 구현 방법 31
3.4. 시뮬레이션 결과에 대한 비교 37
3.4.1. 실제 자료와의 오차 측정 37
3.4.2. 실제 분포와의 적률 비교 39
제4장 결론 43
참고문헌 45
부록 47
ABSTRACT 51
〈표 1〉 KOSPI 수익률 경로 및 시뮬레이션 경로 예시 36
〈표 2〉 주가지수에 대한 MCMC와 GAN의 시뮬레이션 결과 오차 (RSME, MAE) 37
〈표 3〉 분기별 주가지수 시뮬레이션 결과값과 실제 주가지수 Min-Max 정규화 표 38
〈표 4〉 시뮬레이션 수익률 분포와 실제수익률 분포 적률의 전체 분기 평균값 41
〈표 5〉 시뮬레이션 수익률과 실제 수익률 분포의 유사성을 판단하기 위한 p-value 표 42
〈그림 1〉 퍼셉트론의 기본 구조 19
〈그림 2〉 다층 퍼셉트론 20
〈그림 3〉 확률적 경사하강법에 의한 최적화 예시 22
〈그림 4〉 GAN의 학습 과정 : epoch 반복에 따른 손실함수의 변화 26
〈그림 5〉 합성곱 신경망의 구조 27
〈그림 6〉 위: 로그 변환 전 특성 데이터의 결합확률분포, 아래: v(t)와 σv를 로그 변환한 후 특성 데이터의 결합확률분포 (변수는 위에서 아래, 왼쪽에서 오른쪽...[이미지참조] 33
〈부록-그림1〉 KOSPI 분기별 히스토그램 예시 47
〈부록-그림2〉 KOSDAQ 분기별 히스토그램 예시 48
〈부록-그림3〉 S&P500 분기별 히스토그램 예시 49
〈부록-그림4〉 NASDAQ 분기별 히스토그램 예시 50