인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Identifying market regimes and modeling their transitions play a pivotal role in understanding market dynamics, risk management, and dynamic portfolio allocation. While Markov-switching models have been widely used to capture these dynamics, they face limitations in scalability and estimation stability as the number of assets or regimes increases. Furthermore, traditional graphical models often rely on static covariance structures, failing to adequately capture the time-varying and non-stationary nature of financial time series. To address these challenges, this paper applies the inverse covariance-based clustering method, adapted from Hallac et al.[40], to analyze structural changes in the Korean stock market using a graph-based approach. The model enables stable estimation in high-dimensional settings and effectively captures temporal shifts in network structures. Specifically, we utilized a dataset spanning five years, consisting of 79 stocks selected from the KOSPI 200 index across the top 30 sectors by market capitalization. This study identified six latent market regimes, analyzed the inter-dependencies among stocks, and conducted a sector-level analysis for each regime. The results demonstrate that the proposed model offers a robust framework for identifying market regimes and understanding the dynamic evolution of the market structure.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095550266
