Earticle

초록

한국어

자산가격결정 연구에서 CAPM과 Fama-French 3요인 모형은 널리 활용되어 왔으나, 한국 주식시장에서는 이들 전통적 모형이 충분한 설명력을 제공하지 못한다는 한계가 지속적으로 지적되어왔다. 이는 시장 구조와 기업 특성의 차이로 인해, 미국 등 선진국 시장에서 제안된 선형적 자산가격결정모형을 한국 시장에 그대로 적용하기 어렵다는 점을 시사한다. 이에 따라 한국 주식시장에 적합하면서도 기존 모형의 한계를 보완할 수 있는 대안적 접근이 요구된다. 본 연구는 Zuo & Jiang(2025)이 제안한 Symbolic Modeling 방법을 활용하여 여러 자산의 데이터를 동시에 설명할 수 있는 일반화된 수식 구조를 탐색한다. Symbolic Modeling은 딥러닝, 강화학습, 유전알고리즘을 결합하여, 데이터로부터 해석 가능한 수학적 수식을 자동으로 도출하는 Symbolic Regression 기법의 확장형이다. 본 연구는 Fama-French 3요인을 입력값으로 하여 통합된 자산가격결정식을 도출하고, 이를 기존 CAPM 및 FF3 모형과 비교함으로써 Symbolic Modeling 의 설명력과 해석 가능성을 검증하고자 한다. 기존 모형 대비 더 낮은 예측 오차와 안정적인 알파 값을 보일 것으로 기대되며, 이를 통해 해석 가능성과 일반화 가능성을 동시에 확보한 새로운 자산가격결정 접근을 제시한다.

목차

Abstract
1. 서론
2. 문헌 연구
2.1 전통적 자산가격결정모형의 한계
2.2 머신러닝 기반 자산가격결정 연구
2.3 Symbolic Regression과 Symbolic Modeling의 발전
2.4 연구 공백 및 본 연구의 위치
3. 방법론
3.1 연구 설계 개요
3.2 데이터 수집 및 표본 구성
3.3 비교 모형 (Baseline Models)
3.4 변수 정의 및 자산가격결정 요인 산출
3.5 Symbolic Modeling 학습 절차
3.6 성능평가 및 비교 지표
3.7 Hyperparameter Configuration
4. 예상 결과 및 분석 계획
References

저자

• 김지용 [ 국민대학교 일단대학원 데이터사이언스학과 ]
• 최병구 [ 국민대학교 경영대학 ] 교신저자

참고문헌