COVID-19 전후 금융시장 주요 섹터 네트워크 구조 및 동적 변화 분석
Analysis of Structural Dynamic Changes in the Financial Market Sector Network before and after COVID-19
- 주제어 (키워드) 금융시장 , 섹터 , 네트워크 분석 , 노드 중심성 , 커뮤니티 탐지 , 그래프 신경망 , 노드 분류; Financial Market , Financial Sector , Graph Neural Network , Network Analysis , Node Centrality , Minimum Spanning Tree , Community Detection , Node Classification
- 발행기관 서강대학교 일반대학원
- 지도교수 정재식
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 및 전공 일반대학원 경제학과
- 실제URI http://www.dcollection.net/handler/sogang/000000076956
- UCI I804:11029-000000076956
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
금융시장은 복합적인 요인들이 상호 연관성을 가지며 복잡한 시장 구조를 형성하고 있다. 이러한 복잡성을 반영하여 해석하고 예측할 수 있는 네트워크 분석 및 그래프 신경망(Graph Neural Network, GNN)기법이 큰 주목을 받고 있으나 금융 분야에서의 연구는 드물다. 본 논문에서는 KRX300 섹터지수 중 시장 대표성이 높은 다섯 가지 를 선정하고, 구성 종목들의 상관관계를 기반으로 COVID-19 전후의 구간과 전체 기 간 네트워크를 구축했다. 이를 통해, 구간 별 네트워크 구조와 차이를 분석하고 그래 프 신경망 기법을 활용하여 개별 종목의 섹터를 예측하는 노드 분류를 수행했다. 네 트워크 분석 결과, COVID-19 전과 후 그리고 전체 기간에 걸쳐 금융 섹터 종목들이 높은 중심성 값을 가졌고, 이후의 기간에서 정보기술 섹터 종목들이 이전의 기간보다 비교적 높은 중심성 값을 가지며 중요성이 증대되었다. 커뮤니티 탐지는 금융과 정보 기술 섹터의 특성은 잘 잡아냈지만, 나머지 섹터는 그러지 못했다. 노드 분류 결과는, COVID-19 이후의 기간에서 제일 높은 예측 성능을 보였으며, 모든 기간에서 GAT 모형이 GCN 모형보다 우수한 성능을 보여줬다.
more초록
In financial markets, complex factors are interrelated to form a complex market structure. Network analysis and Graph Neural Network (GNN) methodology that can interpret and predict this complexity are receiving great attention, but research in the financial field is rare. In this paper, five of the KRX300 sector indices with high market representation were selected, and a network for the periods before and after COVID-19, as well as for the entire period, was established based on the correlation of constituent stocks. Through this, the network structure, and differences for each section of the period were analyzed, and node classification was performed to predict the sectors of individual stocks using graph neural network methodology. As a result of network analysis, financial sector stocks had high centrality values before, after, and throughout COVID-19, and in the subsequent period, information technology sector stocks had relatively high centrality values and increased importance. Community detection effectively identified the characteristics of the financial and information technology sectors but was less effective for the other sectors. The node classification results showed the highest predictive performance in the post-COVID-19 period, and the GAT model showed better performance than the GCN model in all periods.
more목차
I. 서론 1
II. 선행 연구 3
III. 분석자료 4
IV. 분석 방법론 9
1. 노드 중심성 지표 9
2. 최소 신장 트리 10
3. 커뮤니티 탐지 17
4. 그래프 신경망 19
V. 실증분석 결과 21
VI. 결론 35
참고문헌 37
