KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX

마지막 업데이트: 2022년 4월 20일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
  1. 1. K. S. Kannan, P. S. Sekar, M. M. Sathik, and P. Arumugam, "Financial Stock Market Forecast using Data Mining Techniques," Proceedings of the International MultiConference of Engineers and Computer Scientists, Vol.1, 2010.
  2. 2. 이병엽, 박용훈, 유재수, "자동차산업의 고객분류 및 타겟 마케팅 모델", 한국콘텐츠학회논문지, 제 9권, 제4호, pp.313-322, 2009(4). 원문보기 상세보기
  3. 3. 송창우, 김종훈, 정경용, 류중경, 이정현, "시맨틱 웹에서 개인화 프로파일을 이용한 콘텐츠 추천 검색 시스템", 한국콘텐츠학회논문지, 제8권, 제1 호, pp.318-327, 2008(1). 원문보기 상세보기
  4. 4. 서동환, "의사결정트리 학습을 이용한 단기주가 예측 에이전트 시스템 개발", 명지대학교 대학원, 산업공학 석사학위논문, 2000.
  5. 5. 김선웅, 안현철, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩 시스템 개발", 지능정보연구, 제16권, 제1호, pp.71-92, 2010. 원문보기 상세보기
  6. 6. 안현철, 이형용, "투자의사결정 지원을 위한 유전자 알고리즘 기반의 다중인공지능기법 결합 모형", e-비즈니스 연구, 제10권, 제1호, pp.267-288, 2009.
  7. 7. http://www.tradestation.com/
  8. 8. M. C. Chan, C. C. Wong, and C. C. Lam, "Financial Time Series Forecasting by Neural Network Using Conjugate Gradient Learning Algorithm and Multiple Linear Regression Weight Initialization," Computing in Economics and Finance, 2000.
  9. 9. R. J. Frank, N. davey, and S. P. Hunt, "Time Series Prediction and Neural Networks," Journal of Intelligent and Robotics System, Vol.31, Issue1-3, pp.91-103, 2001.
  10. 10. G. Zhang, B. E. Patuwo, and M. Y. Hu, "Forecasting with artificial neural networks: The state of the art," International Journal of Forecasting, 1998.
  11. 11. J. R. Quinlan, C4.5: Programs for machine Learning, Morgan Kaufmann Publishers, 1993.
  12. 12. R. Choudhry and K. Garg, "A Hybrid Machine Learning System for Stock Market Forecasting," World Academy of Science, Engineering and Technology, Vol.39, pp.315-318, 2008.
  13. 13. C. F. Tsai and S. P. Wang, "Stock Price Forecasting by Hybrid Machine Learning Techniques," Proceedings of the International MultiConference of Engineers and Computer Scientists, Vol.1, pp.755-760, 2009.
  14. 14. Vatsal H. Shah, "Machine Learning Techniques for Stock Prediction," Technical Report, New York University, 2007.

Investing.com 주‪식‬ 4+

Investing.com은 전 세계와 현지의 금융 상품을 망라하는 일련의 금융 도구를 제공합니다. 트레이더와 투자자를 위한 원스톱 숍.

실시간 데이터
70개 이상의 전 세계 거래소에서 거래되는 10여만 개의 금융 상품에 대한 라이브 호가.
주요 글로벌 지수, 주식, 채권, 원자재, 외환, 금리, 선물, 옵션 추적.

경제 캘린더
사용자의 관심사에 맞춰진 글로벌 경제 이벤트에 대한 라이브 업데이트.
최고의 트레이더와 투자자들이 사용하는 당사의 실시간 경제 캘린더를 통해 시장에 영향을 미치는 이벤트를 발표 시점에 포착해서 간편하게 시장의 움직임을 추적하세요.

맞춤형 포트폴리오
선호하는 금융 상품과 보유종목을 자신만의 포트폴리오에 추가하세요.
자신만의 맞춤형 관심목록을 만들고 주식 시세, 통화, 원자재, 지수, ETF, 채권을 파악하세요 - 사용자의 Investing.com 계좌와 모두 동기화됩니다.

경고
Investing.com의 경고 시스템을 사용하여 모든 상품, 경제 이벤트 또는 새로운 분석 기사에 관한 맞춤형 경고를 받아 보세요.

뉴스와 분석
글로벌 금융 시장, 기술, 정치, 비즈니스에 관한 속보, 비디오, 업데이트 및 분석.
주식, 외환, 원자재, 글로벌 경제에 관한 최신 기사를 가장 먼저 확인하세요.

금융 도구
경제 캘린더, 실적 캘린더, 기술 요약, 시장 시세, 고급 차트 등 당사의 모든 월드 클래스 도구에 신속하게 액세스.

이미 회원이세요?
로그인을 한 후, 포트폴리오와 개인 경고를 자신의 모든 기기에 동기화시키면 마지막으로 보았던 곳에서 다시 계속합니다.

소셜
트레이더와 투자자들의 성장하는 커뮤니티에 참여하고 페이스북, 와츠앱, 트위터, 링크드인에 기사를 공유하세요.

원자재 가격
금,은, 동, 백금, 원유, 브렌트유, 천연 가스 등 최신 원자재 가격 파악.

외환 환율
EUR/USD, GBP/USD, EUR/CHF, AUD/USD, USD/JPY, USD/CAD, USD/CHF, BTC/USD, USD/RUB, USD/HKD 등 주요 통화에 대한 환율 추적.

주요 주식
Apple Inc. (AAPL), Alphabet Inc. (GOOGL), Bank of America Corporation (BAC), Tesla (TSLA), General Electric Company (GE), Cisco Systems, Inc. (CSCO), American Express Company (AXP), Amazon (AMZN), Nike (NKE), Microsoft Corporation (MSFT), Netflix (NFLX) 등 시장 리더들의 주식 추적.

암호화폐:
비트코인(BTC), 이더리움(ETH), 리플(XRP), 비트코인 캐시(BCH), 카르다노(ADA), 넴(XEM), 라이트코인(LTC), 스텔라(XLM), 아이오타(MIOTA), 트론(TRX), 대시(Dash), 네오(NEO), 모네로(XMR), 이오스(EOS), 퀀텀(Qtum), 비트코인 골드(BTG), 아이콘(ICX), 리스크(LSK), 이더리움 클래식(ETC), 레이블록(XRB), 버지(XVG) 및 파퓰러스(PPT) 등의 알트코인에 대한 시장 뉴스, 가격, 시가총액 및 거래량 변동.
포트폴리오와 가격 경고에서도 모든 암호화폐를 이용할 수 있습니다.

인베스팅프로
인베스팅프로와 함께 실행에 옮길 수 있는 분석과 인사이트를 통해 최상의 정보를 확인하고 시장에서 한 수 앞서 있으세요.

독점 기능:
-100% 광고 제거
-100개 이상의 핵심 측정 기준치
-머신러닝 기반의 공정가치 예상치
-인터랙티브 동종 업계 비교 도구
-회사 건전성 점수와 섹터 랭킹 확인
…그리고 더 많은 고급 금융 도구

인베스팅닷컴프로는 유료 구독 서비스입니다.

7일 무료 체험을 포함하고 있습니다.
글로벌 지표
아래를 포함한 모든 주요 주식 시장 지수 추적
■ 미국: 다우존스, S&P 500, NYSE, NASDAQ, SmallCap 2000
■ 아메리카: Merval, Bovespa, RUSSELL 2000, IPC, IPSA
■ 유럽: CAC 40, FTSE MIB, IBEX 35, ATX, BEL 20, DAX, BSE Sofia, PX
■ 아시아: CNX Nifty, 상하이 증권거래소 종합지수(SSEC), 홍콩, 한국 종합 주가 지수(KOSPI)
■ 아프리카: BSE Domestic Company, Kenya NSE 20, Semdex, Moroccan All Shares, South Africa 40
■ 중동: Bahrain All Share, KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX EGX 30, Amman SE General, Kuwait Main, TA 25

KODEX 유럽탄소배출권선물ICE(H) (400570)

전 세계가 저탄소 사회로의 전환을 꾀하고 있습니다.
탄소배출권 거래의 중심인 유럽의 탄소배출권 선물에 투자하세요.

기준일 : 2022.09.06 15:30:00 (본 정보는 20~30분 지연 정보입니다.
당일 거래가 없을 경우에 현재가는 전일 종가가 표기됩니다. )

상품 정보열기

투자포인트1. 녹색 원자재라 불리는 탄소배출권에 투자
· 온실가스의 일정량을 배출할 수 있는 권리를 뜻하는 탄소배출권은 친환경 투자 테마로 자리잡음
· 탄소배출권 거래시장의 중심인 유럽의 탄소배출권 KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX 선물에 투자

투자포인트2. 대체투자 상품으로서 포트폴리오 분산의 도구로 활용 가능
· 유럽 탄소배출권은 전통적인 투자자산인 주식, 채권 등과 상관관계가 낮은 대체투자 상품의 성격을 지님

투자포인트3. ‘ICE EUA Carbon Futures ER 지수’를 추종
· ICE 선물거래소에 상장된 유럽 탄소배출권 선물에 주로 투자
· 매년 9, 10, 11월의 각 첫 15영업일 동안 각 월마다 1/3씩 익년 12월물로 롤오버 진행
※ 위 지수변경 방식은 향후 시장상황 등에 따라 변동 가능

기초지수정보

ICE EUA Carbon Futures Index (ER)

ICE EUA Carbon Futures Index Excess Return은 ICE 선물 거래소에 상장된 유럽 탄소배출권(EUA)의 가장 가까운 12월물 선물가격의 움직임을 나타내는 지수입니다.

EUA 선물 투자시 발생하는 월물교체 비용(Roll-over cost)을 반영하여 산출됩니다.

*매년 9, 10, 11월의 각 월 첫 15영업일 동안 각 월마다 1/3을 익년 12월물로 월물교체(Roll-over)를 진행합니다.

ScienceON Chatbot

Data Mining Tool for Stock Investors' Decision Support

주식시장에는 많은 투자자들이 참여하고 있으며 점점 더 많은 사람이 주식투자에 관심을 가지고 있다. 주식시장에서 위험을 회피하고 수익을 얻기 위해서는 다양한 정보를 바탕으로 정확한 의사결정을 해야한다. 즉 수익을 얻을 수 있는 종목 선택, 적절한 매수-매도 가격의 결정, 그리고 적절한 보유기간 등을 결정해야 한다. 본 논문에서는 개인 주식 투자자의 의사결정 지원을 위한 데이터마이닝 도구를 제안한다. 즉, 개인 투자자가 직접 기계학습 방법을 적용하여 주가예측 모델을 생성할 수 있게 하고, 적절한 매수-매도 가격과 보유기간 등을 결정하는 것을 도와주는 도구를 제안한다. 제안하는 도구는 과거 데이터를 이용하여 투자자 자신의 성향에 맞는 투자에서의 의사결정을 할 수 있도록 지원하는 도구로서 주가데이터 관리, 기계학습 적용을 통한 주가예측 모델 생성, 투자 시뮬레이션 등의 기능을 제공한다. 사용자는 스스로 주가에 영향을 미칠 KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX 수 있다고 판단하는 기술적 지표를 선정하고 이를 이용하여 주가예측 모델을 만들고 테스트 할 수 있으며, 적절한 예측모델을 적용하여 시뮬레이션을 수행해 봄으로써 실제로 어느 정도 수익을 얻을 수 있는지 평가하고 적절한 매매 정책을 수립할 수 있다. 제안하는 도구를 이용하여 주식 투자자는 기존의 감정적 판단에 의한 투자가 아닌 객관적 데이터에 의해 검증을 거친 주가예측 모델과 매매정책에 따라 주식투자를 할 수 있어 이전 보다 나은 수익을 기대할 수 있다.

Abstract

There are many investors in the stock market, and more and more people get interested in the stock investment. In order to avoid risks and make profit in the stock investment, we have to determine several aspects using various information. That is, we have to select profitable stocks and determine appropriate buying/selling prices and holding period. This paper proposes a data mining tool for the investors' decision support. The data mining tool makes stock investors apply machine learning techniques and generate stock price prediction model. Also it helps determine buying/selling prices and holding period. It supports individual investor's own decision making using past data. Using the proposed tool, users can manage stock data, generate their own stock price prediction models, KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX and establish trading policy via investment simulation. Users can select technical indicators which they think affect future stock price. Then they can generate stock KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX price prediction models using the indicators and test the models. They also perform investment simulation using proper models to find appropriate trading policy consisting of buying/selling prices and holding period. Using the proposed data mining tool, stock investors can expect more profit with the help of stock price prediction model and trading policy validated on past data, instead of with an emotional decision.

주식 투자자들의 공통적인 목표는 지속적으로 높은 수익을 얻는 것이다. 주식시장에는 많은 종목이 거래되고 있으며 또한 수많은 정보가 넘쳐나고 있고 투자자들은 많은 정보를 활용하여 투자 대상을 선정한다.

한국증권거래소에서 제공하는 거래일의 주가 데이터는 종목 코드, 종목 이름, 시가, 종가, 고가, 저가, 거래량 등의 정보를 포함한다. 이로부터 생성되는 주가 데이터 베이스의 각 종목별 데이터는 [표 1]과 같다.

기술적 분석은 주식의 가격 및 거래량에 의해 계산되는 다양한 기술적 지표들을 분석하는 것으로 주로 주식의 차트를 이용한 분석을 의미하며 단기 투자를 위해 적합하다. 이에 비해 가치 분석은 회사의 재무제표를 이용한 분석으로 회사의 현황 및 미래에 대한 전망 등을 분석하는 것으로서 장기투자를 위해 적용 될 수 있다.

개별 주식 종목에 대한 분석 방법으로는 기술적 분석 (technical analysis)과 가치 분석(fundamental analysis) 방법이 있다. 기술적 분석은 주식의 가격 및 거래량에 의해 계산되는 다양한 기술적 지표들을 분석하는 것으로 주로 주식의 차트를 이용한 분석을 의미하며 단기 투자를 위해 적합하다. 이에 비해 가치 분석은 회사의 재무제표를 이용한 분석으로 회사의 현황 및 미래에 대한 전망 등을 분석하는 것으로서 장기투자를 위해 적용 될 수 있다. 그런데, 일반 개인 투자자들은 기술적 분석이나 가치 분석을 직접 수행할 만한 데이터를 가지고 있지 않아 대부분 증권회사에서 제공하는 분석 결과나 전망을 토대로 감정적 판단에 의한 투자를 하고 있다.

저자의 다른 논문

참고문헌 (14)KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX

crossref

  1. 1. K. S. Kannan, P. S. Sekar, M. M. Sathik, and P. Arumugam, "Financial Stock Market Forecast using Data Mining Techniques," Proceedings of KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX the International MultiConference of Engineers and Computer Scientists, Vol.1, 2010.
  2. 2. 이병엽, 박용훈, 유재수, "자동차산업의 고객분류 및 타겟 마케팅 모델", 한국콘텐츠학회논문지, 제 9권, 제4호, pp.313-322, 2009(4). 원문보기 상세보기
  3. 3. 송창우, 김종훈, 정경용, 류중경, 이정현, "시맨틱 웹에서 개인화 프로파일을 이용한 콘텐츠 추천 검색 시스템", 한국콘텐츠학회논문지, 제8권, 제1 호, pp.318-327, 2008(1). 원문보기 상세보기
  4. 4. 서동환, "의사결정트리 학습을 이용한 단기주가 예측 에이전트 시스템 개발", 명지대학교 대학원, 산업공학 석사학위논문, 2000.
  5. 5. 김선웅, 안현철, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩 시스템 개발", 지능정보연구, 제16권, 제1호, pp.71-92, 2010. 원문보기 상세보기
  6. 6. 안현철, 이형용, "투자의사결정 지원을 위한 유전자 알고리즘 기반의 다중인공지능기법 결합 모형", e-비즈니스 연구, 제10권, 제1호, pp.267-288, 2009.
  7. 7. http://www.tradestation.com/
  8. 8. M. C. Chan, C. C. Wong, and C. C. Lam, "Financial Time Series Forecasting by Neural Network Using Conjugate Gradient Learning Algorithm and Multiple Linear Regression Weight Initialization," Computing in Economics and Finance, 2000.
  9. 9. R. J. Frank, N. davey, and S. P. Hunt, "Time Series Prediction and Neural Networks," Journal of Intelligent and Robotics System, Vol.31, Issue1-3, pp.91-103, 2001.
  10. 10. G. Zhang, B. E. Patuwo, and M. Y. Hu, "Forecasting with artificial neural networks: The state of the art," International Journal of Forecasting, 1998.
  11. 11. J. R. Quinlan, C4.5: Programs for machine Learning, Morgan Kaufmann Publishers, 1993.
  12. 12. R. Choudhry and K. Garg, "A Hybrid Machine Learning System for Stock Market Forecasting," World Academy of Science, Engineering and Technology, Vol.39, pp.315-318, 2008.
  13. 13. C. F. Tsai and S. P. Wang, "Stock Price Forecasting by Hybrid Machine Learning Techniques," Proceedings of the International MultiConference of Engineers and Computer Scientists, Vol.1, pp.755-760, 2009.
  14. 14. Vatsal H. Shah, "Machine Learning Techniques for Stock Prediction," Technical Report, New York University, 2007.

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • ScienceON : 원문보기
  • KCI : KCI 원문보기
  • DOI : 10.5392/JKCA.2012.12.02.472 [무료]
  • Korea Open Access Journals : 저널
  • DBPia : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

거래 및 투자 도구

Credit Analytics는 신용등급 기업, 등급이 없는 기업, 상장기업, 비상장기업에서 리스크 분석을 실시할 때 워크플로우를 간소화하는 신용 스코어, 모형 및 도구를 제공합니다.

재무 정보가 없으십니까? 당사의 새로운 확장된 예상 부도율(PD) 프레임워크를 이용해 신용 리스크를 평가하십시오.

Essential analytics

운영 중인 국가와 산업만 알면 어떤 비금융 업체의 PD도 측정할 수 있습니다.

모델 투명도

기업의 리스크 평가를 이끄는 기본 점수 분산을 분명하게 확인할 수 있습니다.

정확한 방법론

금융 데이터가 있는 기업의 신용 리스크 평가에 당사의 PD Fundamental Model 기반의 프레임워크를 적용하십시오. 이 모델은 금융과 비즈니스 리스크 측면을 모두 통합해, 중요한 신용 리스크 동인을 포착하는 혁신적인 접근법인 종합적인 PD를 생성합니다.

730,000개 이상의 투명하며 사전 계산된 신용 스코어를 확인하십시오.

Origination

직관적인 심사를 이용해 전망이나 투자를 지역, 섹터, 등급, 신용 점수, 주가, 시가총액, 추정치, 재무별로 확인하십시오.

분석

전 세계 거래 상대방에 대한 정량적 신용 점수를 하나씩 또는 일괄적으로 생성합니다. 경제적 충격 등의 대형 시나리오를 바탕으로 테스트 점수를 시험하십시오. 기업 수준이나 전체 포트폴리오를 대상으로 분석을 실시하십시오.

모니터링 및 감시

거래 상대방을 감시 목록에 그룹화한 후, 대시보드나 고객의 필요에 맞게 조정되며 경고 알림을 보내는 맞춤형 Excel 템플릿을 통해 모니터링할 수 있습니다.

신용 노출에 대한 종합적인 관점을 얻으십시오.

리스크에 대한 전방위적 관점

당사의 시장 및 펀더멘털 신용 지표는 조기 경고 신호에서 장기 리스크 관찰에 이르는 다양한 방법을 이용해, 거래 상대방의 신용건전성을 종합적으로 추적합니다.

고유한 독점 솔루션

120년 이상의 신용 분석 역사를 통해 금융 시장 데이터의 핵심 역량을 결합하는 곳은 S&P Global Market Intelligence가 유일합니다.

당사의 통계를 이용해 업계 동향을 추적하십시오

당사는 전 세계 730,000개 이상의 공공 및 민간 기업의 PD와 신용 점수를 사전 계산하고, 150개의 국가 및 산업을 아우르는 15,000개 이상의 신용 벤치마크를 주요 주가 KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX 지수와 함께 종합합니다.

잠재 리스크 관리

PD(Probability of Default) Model 시장 신호는 당사의 정교한 주식 기반 모델을 바탕으로 공공 기업의 신용 리스크를 적시에 확인할 수 있도록 합니다. 이 모델은 주식 시장 심리를 파악해, 재무 보고 기간 사이에 잠재적 채무 불이행에 대한 조기 경고 신호를 보냅니다. 시장 신호 PD는 매일 업데이트되며 64,000개 이상의 전 세계 공공 기업을 다룹니다.

거래 상대 채무 불이행 리스크 확인

PD(Probability of Default) Model Fundamentals는 신용 리스크를 두 가지 요소, 즉 금융 리스크(재무 비율)와 비즈니스 리스크(국가 리스크 및 금융 대리인 등의 다양한 시스템적 리스크 구성요소)를 분리함으로써, 잠재적 채무 불이행을 평가하는 혁신적인 접근법을 제공합니다. 채무 불이행을 기준으로 보정되고 모든 크기의 공공 및 민간 기업에 적용되는, 730,000개 이상의 PD를 KODEX 유럽탄소배출권선물ICE(H) > 상품상세정보 > 상품정보 > KODEX 사전 채점했습니다.

신용 등급이 없는 기업에 대한 시각 개선

CreditModelTM은 재무제표 데이터를 이용해 S&P Global Ratings 신용 등급으로 보정되는 신용 스코어를 생성하는 독점 통계 모델 모음입니다. 사용자는 정성적 및 비공개 팩터 없이 전 세계 공공 및 민간 기업의 신용 등급을 정량적으로 추측함으로써, 기업의 장기 신용건전성을 평가할 수 있습니다.


0 개 댓글

답장을 남겨주세요