컬럼샘플링과 Bagging을 활용한 자금시장 거시유동성 이벤트 탐지

Abstract

자금시장의 유동성 파악은 금융회사 혹은 기업의 자금을 조달하는데 있어 중요하다. 자금조달은 기업의 운영에 필요한 자금을 조달하는 것을의미한다. 본 연구에서는 거시경제변수를 활용하여 금융시장 및 경제의 전반적인 상태를 고려하는 자금시장 유동성 이벤트 탐지 모델을 제안한다. 금융시장 및 경제의 전반적인 상태를 파악하기 위하여 미국과 한국의 거시경제변수를 모델 입력 변수들로 고려한다. 다수의 거시경제변수를 활용한기계학습 모델은 차원의 저주로 인한 모델 과최적화 현상이 나타날 수 있다. 이러한 현상을 완화하기 위하여 본 연구에서는 샘플링 기반의 컬럼탐색을 실시하였으며 모델의 분산 및 과최적화를 완화하기 위하여 bootstrap aggregation(bagging)을 활용하였다.

Understanding liquidity in the financial market is important for raising funds for financial companies or corporations. Financing meansraising funds necessary for corporate operations. In this study, we propose a liquidity event detection model in the financial marketthat considers the overall state of the financial market and the economy by utilizing macroeconomic variables. In order to understandthe overall state of the financial market and the economy, macroeconomic variables from the United States and Korea are consideredas model input variables. Machine learning models utilizing a large number of macroeconomic variables may exhibit model overfittingdue to the curse of dimensionality. To alleviate this phenomenon, this study conducted a sampling-based column search and utilizedbootstrap aggregation(bagging) to alleviate model variance and overfitting.