오경주와 김태윤 (2007) 등은 위기 관련 데이터의 희귀성 에서 발생하는 문제를 해결하기 위해 과거 금융시장이 안정적이었던 구간을 기준 구간으로 설정하고 기준 구간의 금융시장 움직임을 점 근 자기회귀 모형으로 적합한 후 현재의 금융시장 상황과 비교하여 불안정 지수를 도출할 것을 제안하였다. 그러나 비모수 기법인 신경망을 사용하여 도출된 불안정 지수가 기준 구간의 데이터에 지나치게 의존하는 관계로 불안정 지수가 종종 실제 경제상황을 제대로 반영하지 못하는 것으로 관찰되고 있다. 본 연구에서는 비모수 기법인 신경망과 모수 기법인 선형모형을 이용하여 기준구간에 대한 적합을 독립적으로 수행하여 두 종류의 불안정성 지수들을 도출한 후 이 둘을 결합한 통합 불안정성 지수를 사용할 것을 제안한다. 두 지수의 적절한 통합을 위해 신경망과 선형모형을 통해 도출된 두 지수의 최적 결합비율을 부여하는 방법을 제안하며 제안기법의 타당성을 국내 주식시장 대상으로 검증하였다.
In order to resolve data scarcity problem related to crisis, Oh and Kim (2007) proposed to use stability oriented approach which focuses a base period of financial market, fits asymptotic stationary autoregressive model to the base period and then compares the fitted model with the current market situation. Based on such approach, they developed financial market instability index. However, since neural network, their major tool, depends on the base period too heavily, their instability index tends to suffer from inaccuracy. In this study, we consider linear asymptotic stationary autoregressive model and neural network to fit the base period and produce two instability indexes independently. Then the two indexes are combined into one integrated instability index via newly proposed combining method. It turns out that the combined instability performs reliably well.
