머신러닝 기반 자산가격결정 연구:계량서지분석과 응용사례를 중심으로
Machine Learning-based Asset Pricing:Bibliometric Analysis and Applications
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 금융경제학 및 금융공학에서 활용되고 있는 머신러닝과 딥러닝 기반 자산가격결정 연구의 흐름을 계량서지분석과 주요 응용사례를 중심으로 정리한다. 빅데이터에 기반한 계량서지분석을 통해 자산가격결정 분야에서 기계학습이 어떠한 방식으로 도입되고 발전해 왔는지, 연구 주제가 어떻게 변화해 왔는지를 정량적으로 살펴본다. 이를 바탕으로 금융시장에서 다양한 비선형성, 고차원 특성, 복잡한 정보 구조를 다루기 위해 도입된 머신러닝 모형의 성과와 적용 사례를 분석한다. 또한, 머신러닝 기반 자산가격결정 연구에서 해석력 부족, 설명 가능성 결핍, 요인 선택의 불확실성과 같은 한계를 정리하고, 이러한 문제를 완화하기 위해 사용될 수 있는 대안을 탐색한다. 머신러닝 기반 연구의 확장 가능성과 자산가격결정 이론과의 결합을 위해 필요한 향후 연구 방향을 제시한다. 본 연구는 이러한 논의를 바탕으로, 복잡한 금융 데이터 환경에서의 분석 전략을 제시하고 동시에 이론적 해석 가능성을 고려한 연구 설계의 기반을 마련해야 함을 주장한다.
Abstract
This study reviews machine learning-based and deep learning-based asset pricing research in financial economics and financial engineering, with a focus on bibliometric evidence and representative application cases. We highlight key challenges posed by complex financial data environments, including high dimensionality and nonlinearity. We then discuss major limitations in the literature, particularly those related to economic interpretability and factor identification, and propose feasible alternatives to mitigate these issues. Building on these discussions, we outline an analytical strategy for complex financial data and provide a foundation for future research design in this area.