🔍 연구 배경
이 연구는 SSRN에 게재된 논문 "Calendar-based clustering of weekly extremes: Empirical failure of stochastic models" (Lee, 2025)에 대한 비판적 재검토로 시작되었습니다.
기존 논문은 흥미로운 현상을 제시했지만, 다음과 같은 한계가 있었습니다:
❌ 문제점 1
구조적 요인 미고려
시장 미시구조와 시간 비균질성을 충분히 통제하지 않음
❌ 문제점 2
구체성 부족
어떤 요일에 집중되는지 명확히 제시하지 않음
❌ 문제점 3
인과관계 불명확
통계적 패턴과 경제적 의미를 혼동함
본 연구는 이러한 문제점을 해결하고자 합니다.
📊 연구 방법론
데이터
| 항목 | 내용 |
|---|---|
| 대상 자산 | KOSPI 200, S&P 500, NASDAQ 지수 |
| 기간 | 2015-2024 (10년간) |
| 빈도 | 일별 데이터 (고가, 저가, 종가) |
| 샘플 수 | 약 7,500 관측치 |
분석 도구
1️⃣ G-검정
요일별 극단값 분포의 균등성 검정
scipy.stats
2️⃣ WCSV 모형
요일조건부 확률적 변동성 모형
numpy, scipy.optimize
3️⃣ 몬테카를로 시뮬레이션
모형 검증 및 비교
pandas, matplotlib
기술 스택
- Python 3.10+
- NumPy, Pandas: 데이터 처리
- SciPy: 통계 분석 및 최적화
- Matplotlib, Seaborn: 시각화
- Statsmodels: 시계열 분석
- HTML/CSS/JavaScript
- 반응형 웹 디자인
- MathJax: 수식 렌더링
- GitHub Pages
- 정적 사이트 호스팅
- 버전 관리 및 협업
🎯 주요 기여
1. 방법론적 기여
- WCSV 모형 제안: 요일별 변동성 차이를 명시적으로 반영한 새로운 모형
- 구조적 요인 분해: 극단값 패턴을 3가지 요인으로 분해
- 재현 가능한 분석: 모든 코드와 방법론을 공개
2. 실증적 기여
- 구조적 요인 통제 시 요일별 극단값 집중 현상이 사라짐을 입증
- 월요일과 금요일의 변동성이 다른 요일보다 약 20% 높음을 확인
- WCSV 모형이 기존 모형보다 AIC/BIC 기준 우수함을 보임
3. 정책적 기여
- 리스크 관리를 위한 요일별 포지션 조정 전략 제시
- 거래 시간 최적화 권고 (수요일 대규모 거래 집행)
- 주말 정보 누적 문제 해결을 위한 제도 개선 방향 제안
🔄 재현 가능성 (Reproducibility)
과학적 연구의 핵심은 재현 가능성입니다. 본 연구는 다음을 제공합니다:
📊 데이터
샘플 데이터와 데이터 수집 스크립트를 제공합니다.
data/ 디렉토리
📖 문서화
상세한 방법론과 코드 주석을 제공합니다.
README.md, CONTRIBUTING.md
로컬 환경에서 실행하기
# 저장소 클론
git clone https://github.com/hwkim3330/stockpaper.git
cd stockpaper
# 의존성 설치
pip install -r requirements.txt
# WCSV 모형 실행
python scripts/wcsv_model.py
# 시뮬레이션 실행
python scripts/simulation.py
# G-검정 실행
python scripts/g_test.py👤 저자 소개
김현우 (Hyunwoo Kim)
소속: 독립 연구자
연구 분야: 금융 계량경제학, 시계열 분석, 시장 미시구조
관심사: 행동재무학, 머신러닝, 알고리즘 트레이딩
연락처
- 이메일: hwkim3330@gmail.com
- GitHub: @hwkim3330
연구 철학
"모든 연구는 재현 가능해야 하며, 코드와 데이터는 공개되어야 합니다. 과학적 발견은 커뮤니티와 공유될 때 비로소 가치를 가집니다."
🙏 감사의 말
이 연구는 다음 분들의 도움으로 완성되었습니다:
- Lee (2025): 초기 아이디어와 영감 제공
- ChatGPT: 문헌 조사 및 논의 지원
- Claude Code: 코드 작성 및 GitHub Pages 설정
- 오픈소스 커뮤니티: NumPy, SciPy, Pandas 등 Python 라이브러리 제공
🔮 향후 계획
📈 확장 연구
- 다른 국가 시장으로 확대 (유럽, 아시아)
- 암호화폐 시장 분석
- 상품 시장 (원유, 금, 곡물) 분석
🔬 고빈도 데이터
- 분 단위 데이터 분석
- 일중(intraday) 패턴 탐지
- 틱(tick) 데이터 활용
🤖 기계학습
- LSTM, Transformer 적용
- 비선형 패턴 탐지
- 강화학습 기반 트레이딩
📄 논문 투고
- 국제 학술지 투고 준비
- 학회 발표
- 동료 심사(peer review)
📝 라이선스
이 연구는 Creative Commons Attribution 4.0 International License 하에 배포됩니다.
허용사항:
- ✅ 공유 (Share): 자유롭게 복사, 배포
- ✅ 변형 (Adapt): 리믹스, 수정, 2차 저작물 생성
- ✅ 상업적 이용 (Commercial use): 상업적 목적으로도 사용 가능
조건:
- ⚠️ 저작자 표시 (Attribution): 적절한 출처 표기 필수
- ⚠️ 변경 사항 표시 (Indicate changes): 수정 시 변경 사항 명시
자세한 내용은 CC BY 4.0 전문을 참조하세요.
📧 문의 및 협업
연구에 대한 질문, 제안, 협업 문의는 언제든지 환영합니다!
연락 방법
- 이메일: hwkim3330@gmail.com
- GitHub Issues: 이슈 제기
- Pull Request: 코드 기여
기여 가이드라인은 CONTRIBUTING.md를 참조해주세요.