기계학습 모형을 이용한 전환사채 행사 시점에 관한 연구
A Study on the Timing of Convertible Bonds Using the Machine Learning Model
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
전환사채는 채권과 주식의 성격을 모두 내포하고 있는 금융 상품인데 일반적으로 신용등급이 낮은 기업이 유동성을 확대하기 위해서 발행한다. 전환사채의 투자자와 발행 기업은 투자자의 전환권 행사 여부와 시점에 대한 의사결정 문제가 가장 중요한데 투자 판단 지표가 미약하기 때문에 정성적 판단에 의존한다. 따라서 본 논문은 과학적으로 전환권 행사 결정 문제에 인공신경망 기법을 적용하는 방안을 제안한다. 과거에 발행한 총 1,800개의 학습 데이터와 200개의 예측 실험 데이터로 구분을 하고 인공신경망 학습 모형을 구축한다. 그 결과 대부분의 그룹에서 패리티 성과가 우수하였고 평균 약 10% 이상의 초과 수익을 달성하였다. 특히 3~6 그룹에서는 평균 약 20% 이상의 초과 수익을 보였으며 그룹 6의 경우에는 약 37%의 초과 수익을 기록했다. 본 논문은 금융 분야에 4차 산업의 대표적 기술인 기계학습 기법을 융합·적용하여 의사결정 문제 해결에 집중했다는 것에서 의의가 있으며 데이터 접근에 한계가 많은 전환사채 상품을 대상으로 실험을 했다는 점에서 향후 다양한 연구에서 참고 문헌이 되기를 기대한다.
Abstract
Convertible bonds are financial products that contain the nature of both bonds and shares, which are generally issued by companies with lower credit ratings to increase liquidity. Conversion bonds rely on qualitative judgment in the past, although decision-making on whether and when to exercise the right to convert is the most important issue. Therefore, this paper proposes to apply artificial neural network techniques to scientifically determine the exercise of conversion rights. We distinguish between a total of 1,800 learning data published in the past and 200 predictive experimental data and build an artificial neural network learning model. As a result, the parity performance in most groups was excellent, achieving an average excess of about 10% or more. In particular, groups 3-6 recorded an average excess of about 20% and group 6 recorded an average excess of about 37%. This paper is meaningful in that it focused on solving decision problems by converging and applying machine learning techniques, a representative technology of the fourth industry, to the financial sector.
참고문헌 (15)
- Michael J. Brennan, "THE CASE FOR CONVERTIBLES*", Journal of Applied Corporate Finance, 1(2), pp.55~64 (1988), Wiley[DOI]
- R.Tyrrell Rockafellar, "Conditional value-at-risk for general loss distributions", Journal of Banking & Finance, 26(7), pp.1443~1471 (2002), Elsevier BV[DOI]
- Stefano Benati, "A mixed integer linear programming formulation of the optimal mean", Value-at-Risk portfolio problem, 2007, pp.176(1), 423~434[DOI]
- S. H. Lee., "Estimation of Equity Component of Convertible Bonds Based on the Probability of Conversion", The Journal of Korean Securities Association, 25(1), pp.161~187 (1999)
- Andrei Shleifer, "Large Shareholders and Corporate Control", Journal of Political Economy, 94(3, Part 1), pp.461~488 (1986), University of Chicago Press[DOI]
- Stewart C. Myers, "Corporate financing and investment decisions when firms have information that investors do not have", Journal of Financial Economics, 13(2), pp.187~221 (1984), Elsevier BV[DOI]
- Manuel Ammann, "What drives the performance of convertible-bond funds?", Journal of Banking & Finance, 34(11), pp.2600~2613 (2010), Elsevier BV[DOI]
- D. Yaman., "Industry Effects and Convertible Bond Sequence", Global Journal of Business Research, 3, pp.9~20 (2017)[DOI]
- 정무권, "전환사채(CB) 가격 결정요인 분석: 이론적 예측에 대한 실증적 검증 및 CB 시장 효율성에 대한 시사점", 한국증권학회지, 44(5), pp.913~945 (2015), 한국증권학회
- 장승현, "콜옵션 전환사채 발행기업의 이익조정", 경영경제연구, 42(2), pp.1~26 (2020), 경영경제연구소[DOI]
- 최승일, "이항분포모형에 일반화된 카탈란 수를 적용한배리어 옵션의 가격 산정", 한국산학기술학회논문지, 17(12), pp.226~231 (2016), 한국산학기술학회[DOI]
- 신승수, "기계학습 기반 다중 레이블 분류를 이용한 실시간 전략 게임에서의 상대 행동 예측", 한국융합학회논문지, 11(10), pp.45~51 (2020), 한국융합학회[DOI]
- 박재연, "기술적 지표와 기계학습을 이용한 KOSPI 주가지수 예측", 정보화연구, 13(2), pp.331~340 (2016), 한국엔터프라이즈아키텍처학회
- 최금화, "인공신경망을 이용한 실적 공시 후 주가 예측", Journal of The Korean Data Analysis Society, 22(6), pp.2667~2678 (2020), 한국자료분석학회[DOI]
- 이지영, "인공신경망을 이용한 주택가격지수 예측", 한국산학기술학회논문지, 22(4), pp.228~234 (2021), 한국산학기술학회[DOI]