earticle

영어

With the advent of the era of the fourth industry, more and more scientific techniques are being used to solve decision-making problems. In particular, big data analysis technology is developing as it becomes easier to collect numerical data. Therefore, in this study, in order to overcome the limitations of qualitatively analyzing investment trends, the association of various products was analyzed using associated analysis techniques. For the experiment, two experimental periods were divided based on the COVID-19 economic crisis, and sales information from individuals, institutions, and foreign investors was collected, and related analysis algorithms were implemented through r software. As a result of the experiment, institutions and foreigners recently invested in the KOSPI and KOSDAQ markets and bought futures and products such as ETF. Individuals purchased ETN and ETF products together, which is presumed to be the result of the recent great interest in sector investment. In addition, after COVID-19, all investors tended to be passive in investing in high-risk products of futures and options. This paper is thought to be a useful reference for product sales and product design in the financial field.

한국어

최근 인공지능, 딥러닝, 빅데이터 등 4차 산업의 핵심 분야에 대한 관심이 커지면서 기존의 의사결정 문제 를 전통적인 방법론의 한계점을 최소화하는 과학적 접근 방식이 대두되고 있다. 특히 이런 과학적인 기법들은 주 로 금융 상품의 방향성을 예측하는데 사용되는데 본 연구에서는 사회적으로 관심이 높은 아파트 가격의 요인을 자기조직화지도를 통해 분석하고자 한다. 이를 위해 아파트 가격의 실질 가격을 추출하고 아파트 가격에 영향을 주는 총 16개의 입력 변수를 선정한다. 실험 기간은 1986년 1월부터 2021년 6월까지이며 아파트 가격의 상승 및 횡보 구간을 나눠 각 구간 별 변수들의 특징을 살펴본 결과, 상승 구간과 횡보 구간의 입력 변수의 통계적 성향이 뚜렷하게 구분되는 것을 알 수 있었다. 더불어 U1~U3 구간이 N1~N3 구간에 비해서 변수들의 표준편차 가 상대적으로 크게 나왔다. 본 연구는 중장기적으로 상승과 하락이라는 큰 주기를 갖고 있는 부동산에 대해서 현재 시점의 현황을 정량적으로 분석한 것에 의미가 있으며 향후 이미지 학습을 통해 미래 방향성을 예측하는 연구에 도움이 되기를 기대한다.