KR20180042110A - 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템 - Google Patents

담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템 Download PDF

Info

Publication number
KR20180042110A
KR20180042110A KR1020170088691A KR20170088691A KR20180042110A KR 20180042110 A KR20180042110 A KR 20180042110A KR 1020170088691 A KR1020170088691 A KR 1020170088691A KR 20170088691 A KR20170088691 A KR 20170088691A KR 20180042110 A KR20180042110 A KR 20180042110A
Authority
KR
South Korea
Prior art keywords
collateral
value
period
historical
historical volatility
Prior art date
Application number
KR1020170088691A
Other languages
English (en)
Other versions
KR101894549B1 (ko
Inventor
김수환
Original Assignee
김수환
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김수환 filed Critical 김수환
Priority to KR1020170088691A priority Critical patent/KR101894549B1/ko
Publication of KR20180042110A publication Critical patent/KR20180042110A/ko
Application granted granted Critical
Publication of KR101894549B1 publication Critical patent/KR101894549B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q40/025—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Technology Law (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템에 관한 것으로, 담보물의 시세 변동 데이터를 수집하는 자료 수집 모듈(120);과, 상기 자료 수집 모듈(120)에서 수집된 상기 담보물의 상기 시세 변동 데이터를 이용하여, 현시점에서 만기 시점(T0)까지의 잔여기간을 산출하여 변동 산출 기간(P)으로 설정(S1)한 후, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출(S2)하는 역사적 변동성 산출 모듈(130);과, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 담보가치 예측값(CATV(t))을 산출(S3)하는 담보가치 예측값 산출 모듈(140); 을 포함하여 구성되는 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템(100)에 관한 것이다.

Description

담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템{Collateral asset value tracking system using the present value of the collateral and historical volatility}
본 발명은 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템에 관한 것으로, 담보물의 시세 변동 데이터를 수집하는 자료 수집 모듈(120);과, 상기 자료 수집 모듈(120)에서 수집된 상기 담보물의 상기 시세 변동 데이터를 이용하여, 현시점에서 만기 시점(T0)까지의 잔여기간을 산출하여 변동 산출 기간(P)으로 설정(S1)한 후, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출(S2)하는 역사적 변동성 산출 모듈(130);과, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 담보가치 예측값(CATV(t))을 산출(S3)하는 담보가치 예측값 산출 모듈(140); 을 포함하여 구성되는 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템(100)에 관한 것이다.
개인간 또는 개인과 은행 등 금융주체간의 다양한 계약관계에서 파생되는 담보에는 여러가지가 있으나 가장 널리 이용되는 일반적인 방법은 부동산을 객체로 하는 담보설정 방법이다. 흔한 예로, 은행에서 큰돈을 대출받기 위해 부동산에 저당권을 설정하는 경우를 들 수 있으며, 이 경우 돈을 대출받은 채무자가 대출금을 약정한 기간 내에 상환하지 못하면 원칙적으로 은행은 담보권자, 즉 저당권자로서 상기 부동산을 경매처분하여 그 낙찰금으로 자신의 채권에 충당할 수 있게 되는 것이다.
그러나 비록 채권자가 저당권 등의 담보물권을 취득했다 하더라도 채권변제기 전에 담보가 된 부동산의 가격이 채권액에 미치지 못할 정도로 하락한다거나 국가에 수용되는 등 특별한 사정이 발생하였으나 채권자가 이를 알지 못한 경우에는 불의의 타격을 입을 수 있다.
따라서 담보권자는 담보부동산의 가치에 영향을 줄 수 있는 요인의 변화에 민감해야 하며, 그러한 요인으로 인한 담보부동산의 가치변동을 예측하여 불의의 피해에 대비할 필요가 있다. 이러한 부동산의 담보 가치의 예측을 위하여, 하기 특허 문헌 1의 "부동산 담보자산의 위험 예측 및 통지를 위한 시스템 및 방법(대한민국 공개특허 제10-2006-0033976호)"을 포함한 다수의 선행 발명들이 존재하였다.
한편, 최근 네트워크 및 IT 기술의 발달과 함께 종래 오프라인 상으로 이루어지던 다양한 금융 거래업무가 온라인 상으로도 구현되고 있으며, 이에 따라 기존에 널리 사용되던 부동산 담보 이외에 다양한 동산(제조용 기계, 귀금속 등)을 담보로 하는 금융 기관 또는 P2P 방식의 담보 대출 역시 활발하게 이루어지고 있다.
이러한 동산의 경우, 그 동산의 특징에 따라 도 1에 나타낸 것과 같이 시간의 흐름에 따른 시세(또는 가치)의 변동에 따른 담보 가치 변동폭이 작은 경우도 있고, 도 2에 나타낸 것과 같이 시간의 흐름에 따른 시세(또는 가치)의 변동에 따른 담보 가치 변동폭이 큰 경우도 있다. 또한, 도 3에 나타낸 것과 같이 감가 상각이 적용되어 시간의 흐름에 담보 가치가 점차 낮아지는 경우도 있다. 이러한 담보 가치의 변동은 동산에서 특히 두드러지게 나타나지만, 부동산의 경우 역시 동일하거나 유사하게 나타날 수 있다.
이와 같이 동산 또는 부동산의 담보가치의 변동에 따른 담보 가치의 변동특성은 대출 기간이 만료되어 대출금을 회수하여야 하는 만기시(T0)의 담보 가치를 산정하는 데 중요한 변수가 된다. 즉, 도 1에 나타낸 것과 같이 담보 가치 변동폭이 작은 경우, 담보 설정시(t) 담보물의 가치(H1)가 비교적 높은 상태에서 이에 따라 대출 금액이 결정된 경우 만기시(T0)의 담보 가치(L1)가 비교적 낮은 상태인 경우가 발생할 수 있다. 이 경우, 도 1에 나타낸 것과 같이 담보 가치 변동폭이 작은 경우에는 담보 가치 하락에 따른 위험이 비교적 낮을 수 있다.
그러나 도 2에 나타낸 것과 같이 담보 가치 변동폭이 큰 경우에는, 담보 설정시(t) 담보물의 가치(H2)가 비교적 높은 상태에서 이에 따라 대출 금액이 결정되고 만기시(T0)의 담보 가치(L2)가 비교적 낮은 상태일 때, 도 1의 경우와는 달리 담보 가치 하락에 따른 위험이 더욱 클 수 있다. 따라서, 대출 기관으로서는 투자자 보호 대책의 일환으로 담보물의 특성에 따른 담보 가치의 변동성을 포함하여 미래의 시점인 만기시의 담보 가치를 가능한 한 정확하게 체계적으로 예측하여 대출 금액 결정에 활용할 수 있는 시스템이 요구된다.
대한민국 공개특허 제10-2006-0033976호
본 발명은 상기한 기존 발명의 문제점을 해결하여, 설정된 담보의 과거 시세변동성을 기반으로 역사적 변동성을 산출한 후, 이를 기반으로 만기시 담보 가치를 예측하는 것이 가능한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템을 제공하는 것을 그 과제로 한다.
상기한 과제를 달성하기 위하여 본 발명의 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템은, 담보물의 시세 변동 데이터를 수집하는 자료 수집 모듈(120);과, 상기 자료 수집 모듈(120)에서 수집된 상기 담보물의 상기 시세 변동 데이터를 이용하여, 현시점에서 만기 시점(T0)까지의 잔여기간을 산출하여 변동 산출 기간(P)으로 설정(S1)한 후, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출(S2)하는 역사적 변동성 산출 모듈(130);과, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 담보가치 예측값(CATV(t))을 산출(S3)하는 담보가치 예측값 산출 모듈(140); 을 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 담보물의 현재 가치(p(t))는, 상기 담보물의 현재 시점의 시세 또는 상기 담보물의 최초 담보 설정 후 감가상각 반영 가치 중 작은 값을 택하여 결정되는 것을 특징으로 한다.
또한, 상기 역사적 변동성(v(t))은, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간의 일수의 루트값으로 나누어 산출되는 것을 특징으로 한다.
또한, 상기 역사적 변동성(v(t))은 상기 변동 산출 기간(P)만큼 소급한 기간 중의 각각의 날에 대하여, 상기 각각의 날에서 상기 변동 산출 기간(P)만큼 소급한 기간 중 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 상기 변동 산출 기간(P)의 일수의 루트값으로 나누어 각일별 역사적 변동성을 산출한 후, 상기 각일별 역사적 변동성의 평균값으로 산출되는 것을 특징으로 한다.
한편, 상기 담보물에 해당하는 시세 변동 데이터가 존재하지 않는 경우, 상기 역사적 변동성 산출 모듈(130)은 상기 담보물과 유사한 유사 담보 물품의 시세 변동 데이터를 이용하여 역사적 변동성(v'(t))를 산출하고, 상기 담보가치 예측값 산출 모듈(140)은, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v'(t)) 및 상기 유사 담보 물품의 현재 가치(p'(t))를 이용하여 관련도(s)를 적용하여 아래 수학식 2에 따라 담보가치 예측값(CATV(t))을 산출(S3)하는 것을 특징으로 한다.
[수학식 2]
CATV(t)=p'(t)*(1-v'(t))*s
여기서, 관련도(s)는 상기 담보물과 상기 유사 담보 물품의 유사성에 따라 결정되는 값으로 0 내지 1 사이의 값으로 결정되는 값이다.
한편, 통신망(N)을 통하여 시세 데이터 서버(200) 및 금융 기관 서버(300)와 연결되는 웹 운용 모듈(110); 을 더 포함하여 구성되고,
상기 웹 운용 모듈(110)은, 상기 시세 데이터 서버(200)를 통하여 상기 담보물의 시세 변동 데이터를 수집하여 상기 자료 수집 모듈(120)로 전달하고, 상기 담보가치 예측값(CATV(t))이 대출가보다 작은 것으로 판단(S4)되는 경우, 상기 금융 기관 서버(300)에 부족분 만큼 추가 담보를 요청(S4a)하고, 상기 담보가치 예측값(CATV(t))이 대출가보다 큰 것으로 판단(S5)되는 경우, 상기 금융 기관 서버(300)에 추가 담보 설정분을 해제하도록 요청(S5a)하는 것을 특징으로 한다.
본 발명에 의하는 경우, 설정된 담보의 과거 시세변동성을 기반으로 역사적 변동성을 산출한 후, 이를 기반으로 담보의 특성에 부합하는 만기시 담보 가치를 예측하는 것이 가능한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템을 제공하는 것이 가능하다는 장점이 있다.
도 1: 담보 가치 변동폭이 작은 경우를 나타내는 그래프
도 2: 담보 가치 변동폭이 큰 경우를 나타내는 그래프
도 3: 감가상각이 적용되는 경우 담보 가치 변동을 나타내는 그래프.
도 4: 본 발명의 일 실시예에 의한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템의 담보 가치 판단 시점을 설명하기 위한 그래프.
도 5: 본 발명의 일 실시예에 의한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템의 전체 구성 모식도.
도 6: 본 발명의 일 실시예에 의한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템의 구성을 나타내는 블럭 다이어 그램.
도 7: 본 발명의 일 실시예에 의한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템의 작동을 나타내는 플로우 차트.
이하에서는 첨부된 도면을 참조로 하여, 본 발명의 일 실시 예에 따른 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템을 상세히 설명한다. 우선, 도면들 중, 동일한 구성요소 또는 부품들은 가능한 한 동일한 참조부호로 나타내고 있음에 유의하여야 한다. 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 관한 구체적인 설명은 본 발명의 요지를 모호하지 않게 하기 위하여 생략한다.
본 발명의 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템은, 도 6에 나타낸 것과 같이 담보물의 시세 변동 데이터를 수집하는 자료 수집 모듈(120)과, 상기 자료 수집 모듈(120)에서 수집된 상기 담보물의 상기 시세 변동 데이터를 이용하여, 역사적 변동성(v(t))을 산출(S2)하는 역사적 변동성 산출 모듈(130)과, 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 담보가치 예측값(CATV(t))을 산출(S3)하는 담보가치 예측값 산출 모듈(140)을 포함하여 구성되는 것을 특징으로 한다. 또한, 도 5에 나타낸 것과 같이, 통신망(N)을 통하여 시세 데이터 서버(200) 및 금융 기관 서버(300)와 연결되는 웹 운용 모듈(110)을 더 포함하여 구성되는 것이 가능하다.
먼저, 자료 수집 모듈(120)에 관하여 설명한다. 상기 자료 수집 모듈(120)은 담보물의 시세 변동 데이터를 수집하는 기능을 가진다. 이 경우, 상기 담보물의 시세 변동 데이터는 사용자에 의하여 상기 자료 수집 모듈(120)에 입력되는 것이 가능한 것은 물론, 상기 웹 운용 모듈(110)이 상기 시세 데이터 서버(200)를 통하여 상기 담보물의 시세 변동 데이터를 수집하여 상기 자료 수집 모듈(120)로 전달되도록 하는 것도 가능하다.
다음으로, 역사적 변동성 산출 모듈(130)에 관하여 설명한다. 상기 역사적 변동성 산출 모듈(130)은 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출하도록 구성된다.
이 경우, 현 시점(t)에서 만기시(T0)까지의 기간에 따라 상기 역사적 변동성(v(t))이 달리 산출되도록 하는 것이 바람직하다. 즉, 현 시점(t)에서 만기시(T0)까지의 기간이 비교적 짧은 경우에는 비교적 짧은 기간 소급한 과거의 시세 변동을 고려하는 것이 좀 더 바람직하며, 현 시점(t)에서 만기시(T0)까지의 기간이 비교적 긴 경우에는 비교적 긴 기간 소급한 과거의 시세 변동을 더 고려하는 것이 시세 변동의 특성을 잘 반영할 수 있게 된다. 따라서, 역사적 변동성 산출 모듈(130)은 도 4 및 도 7에 나타낸 것과 같이, 현시점에서 만기 시점(T0)까지의 잔여기간을 산출하여 변동 산출 기간(P)으로 설정(S1)한 후, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출(S2)하는 것이 바람직하다.
이를 도 4를 참조하여 좀 더 상세히 설명한다. 먼저, 만기시까지 비교적 긴 기간(예를 들어 3개월)이 남아있는 제 1 시점(T1)에서 상기 역사적 변동성(v(t))을 산출하는 경우, 제 1 시점(T1)에서 만기시(T0)까지의 기간(P1)(이 경우 3개월이 된다.)을 변동 산출 기간(P)(역시 3개월이 된다)으로 설정하여, 제 1 시점(T1)에서 변동 산출 기간(3개월이 된다)만큼 소급한 시점부터 역사적 변동성을 산출한다. 만기시 까지 중간 정도의 기간(예를 들어 2개월)이 남아있는 제 2 시점(T2)에서 역사적 변동성(v(t))을 산출하는 경우, 제 2 시점(T2)에서 만기시(T0)까지의 기간(P2)(이 경우 2개월이 된다.)을 변동 산출 기간(P)(역시 2개월이 된다)으로 설정하여, 제 2 시점(T2)에서 변동 산출 기간(2개월이 된다)만큼 소급한 시점부터 역사적 변동성을 산출한다. 제 1 시점(T1)에서 만기시(T0)까지의 기간(P1)을 변동 산출 기간(P)으로 설정하여 역사적 변동성을 산출한다. 만기시까지 비교적 짧은 기간(예를 들어 1개월)이 남아있는 제 3 시점(T3)에서 상기 역사적 변동성(v(t))을 산출하는 경우, 제 3 시점(T3)에서 만기시(T0)까지의 기간(P3)(이 경우 1개월이 된다.)을 변동 산출 기간(P)(1개월이 된다)으로 설정하여, 제 3 시점(T3)에서 변동 산출 기간(1개월)만큼 소급한 시점부터 역사적 변동성을 산출한다.
한편, 상기 역사적 변동성(v(t))은 상기 시세 변동 데이터의 변동성을 나타낼 수 있는 다양한 방법으로 산출되는 것이 가능하다. 이 경우, 상기 역사적 변동성(v(t))은 0에서 1 사이의 값으로 정규화되어 산출될 수 있도록, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간의 일수(즉, 상기 변동 산출 기간(P)의 일수)의 루트값으로 나누어 산출되는 것이 바람직하다.
여기에서 일별 로그 수익률은 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중 각각의 일별로, 당일의 시세를 전일의 시세로 나눈 값의 자연 로그비(ln(당일 시세/전일 시세))를 의미한다.
상기 역사적 변동성(v(t))은 좀 더 시세 가치의 변동성의 평균적인 경향을 고려할 수 있도록 또 다른 방법으로 산출되는 것도 가능하다. 이 경우, 상기 역사적 변동성(v(t))은 상기 변동 산출 기간(P)만큼 소급한 기간 중의 각각의 날에 대하여, 상기 각각의 날에서 상기 변동 산출 기간(P)만큼 소급한 기간 중 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 상기 변동 산출 기간(P)의 일수의 루트값으로 나누어 각일별 역사적 변동성을 산출한 후, 상기 각일별 역사적 변동성의 평균값으로 산출되도록 하는 것이 바람직하다.
다음으로, 담보가치 예측값 산출 모듈(140)에 관하여 설명한다. 상기 담보가치 예측값 산출 모듈(140)은 도 6 및 도 7에 나타낸 것과 같이, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 아래 수학식 1에 따라 담보가치 예측값(CATV(t))을 산출(S3)하도록 구성된다.
[수학식 1]
CATV(t)=p(t)*(1-v(t))
즉, 상기 담보가치 예측값(CATV(t))은, 1에서 상기 역사적 변동성(v(t))을 차감한 값이 상기 담보물의 현재 가치(p(t))에 곱해지도록 하여 산출된다. 따라서, 동일한 현재 시세의 경우라 하여도 상기 역사적 변동성(v(t))이 커서 위험성이 높은 경우(즉, 담보물의 시세 변동이 큰 경우)에는 상기 담보가치 예측값(CATV(t))은 이를 반영하여 낮은 값을 가지게 되며, 상기 역사적 변동성(v(t))이 작아서 위험성이 낮은 경우(즉, 담보물의 시세 변동이 적은 경우)에는 상기 담보가치 예측값(CATV(t))은 이를 반영하여 현재 시세에 근접한 값을 가지게 된다.
또한, 상기 담보물의 현재 가치(p(t))는 상기 담보물에 감가상각이 적용되는 것을 반영할 수 있도록, 상기 담보물의 현재 시점의 시세 또는 상기 담보물의 최초 담보 설정 후 감가상각 반영 가치 중 작은 값을 택하여 결정되는 것이 바람직하다.
한편, 상기 담보물의 특성(예를 들어 시장에 신규로 진입한 물건인 경우)에 따라 상기 담보물에 해당하는 시세 변동 데이터가 존재하지 않는 경우가 있을 수 있다. 이러한 경우를 위하여, 상기 역사적 변동성 산출 모듈(130)은 상기 담보물과 유사한 유사 담보 물품(예를 들어, 상기 담보물이 시장에 새로이 진입한 LED 패널 절단기인 경우, 유사한 기능 및 특성을 가지는 LCD 패널 절단기)의 시세 변동 데이터를 이용하여 역사적 변동성(v'(t))를 산출하고, 상기 담보가치 예측값 산출 모듈(140)은, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v'(t)) 및 상기 유사 담보 물품의 현재 가치(p'(t))를 이용하여 관련도(s)를 적용하여 아래 수학식 2에 따라 담보가치 예측값(CATV(t))을 산출(S3)하는 것이 바람직하다.
[수학식 2]
CATV(t)=p'(t)*(1-v'(t))*s
여기서, 상기 관련도(s)는 상기 담보물과 상기 유사 담보 물품의 유사성에 따라 결정되는 값으로 0 내지 1 사이의 값으로 결정되는 값이다.
한편, 이와 같이 산출된 담보가치 예측값(CATV(t))을 실제로 담보 운용에 반영하는 것이 가능할 수 있도록, 본 발명의 일 실시 예에 따른 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템(100)은 앞서 설명한 것과 같이 통신망(N)을 통하여 시세 데이터 서버(200) 및 금융 기관 서버(300)와 연결되는 웹 운용 모듈(110)을 더 포함하여 구성되고, 상기 웹 운용 모듈(110)은 도 7에 나타낸 것과 같이 상기 담보가치 예측값(CATV(t))이 대출가보다 작은 것으로 판단(S4)되는 경우, 상기 금융 기관 서버(300)에 부족분 만큼 추가 담보를 요청(S4a)하고, 상기 담보가치 예측값(CATV(t))이 대출가보다 큰 것으로 판단(S5)되는 경우, 상기 금융 기관 서버(300)에 추가 담보 설정분을 해제하도록 요청(S5a)하는 것이 바람직하다.
이하에서는 상기 담보물이 금(gold)인 경우의 예를 들어서 본 발명의 일 실시예에 의한 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템(100)의 작동을 설명한다.
먼저, 금 1g당 시세가 아래의 표 1과 같이 주어지는 경우, 각 일자별 일별 로그 수익률을 함께 표시하였다.
년/월/일 시세 일별 로그 수익률
2016/01/04 41,080 0.010030665
2016/01/05 41,200 0.002916871
2016/01/06 41,350 0.003634165
2016/01/07 41,640 0.006988822
2016/01/08 41,900 0.006224583
2016/01/11 42,200 0.007134394
2016/01/12 42,410 0.004963962
2016/01/13 42,000 -0.009714565
2016/01/14 42,430 0.010186041
2016/01/15 42,300 -0.003068573
2016/01/18 42,540 0.005657724
2016/01/19 42,310 -0.005421345
2016/01/20 42,450 0.003303448
2016/01/21 42,530 0.001882797
2016/01/22 42,600 0.001644544
2016/01/25 42,600 0
2016/01/26 42,710 0.002578832
2016/01/27 42,900 0.004438741
2016/01/28 43,100 0.004651171
2016/01/29 43,170 0.001622812
2016/02/01 43,020 -0.003480686
2016/02/02 43,310 0.006718431
2016/02/03 43,600 0.006673595
2016/02/04 43,800 0.004576667
2016/02/05 44,140 0.007732583
2016/02/11 46,030 0.041926957
2016/02/12 48,000 0.041907653
2016/02/15 46,990 -0.021266198
2016/02/16 46,070 -0.019772834
2016/02/17 46,730 0.014224378
2016/02/18 47,020 0.006186686
2016/02/19 47,950 0.019585758
2016/02/22 47,880 -0.001460921
2016/02/23 48,000 0.00250313
2016/02/24 48,140 0.002912421
2016/02/25 48,810 0.013821778
2016/02/26 49,040 0.004701082
2016/02/29 48,700 -0.006957262
2016/03/02 48,400 -0.006179216
2016/03/03 48,630 0.004740811
2016/03/04 48,660 0.000616713
2016/03/07 48,650 -0.000205529
2016/03/08 48,870 0.004511903
2016/03/09 49,050 0.003676475
2016/03/10 48,740 -0.006340138
2016/03/11 49,100 0.007358987
2016/03/14 48,000 -0.022658024
2016/03/15 47,100 -0.01892801
2016/03/16 47,450 0.007403524
2016/03/17 47,700 0.005254873
2016/03/18 47,550 -0.003149609
2016/03/21 47,100 -0.009508788
2016/03/22 46,460 -0.013681274
2016/03/23 46,000 -0.009950331
2016/03/24 45,700 -0.006543099
2016/03/25 46,490 0.017138938
2016/03/28 45,840 -0.014080163
2016/03/29 45,800 -0.000872981
2016/03/30 46,070 0.005877888
2016/03/31 45,340 -0.015972334
2016/04/01 45,900 0.012275472
2016/04/04 45,500 -0.008752791
2016/04/05 45,700 0.004385972
2016/04/06 45,800 0.002185793
2016/04/07 45,950 0.003269758
2016/04/08 46,190 0.005209476
2016/04/11 46,360 0.003673694
2016/04/12 46,530 0.003660247
2016/04/14 46,000 -0.011455869
2016/04/15 45,850 -0.003266198
2016/04/18 46,050 0.004352564
2016/04/19 45,450 -0.013114942
2016/04/20 45,880 0.009416472
2016/04/21 45,930 0.001089206
2016/04/22 46,000 0.001522898
2016/04/25 46,000 0
2016/04/26 45,990 -0.000217415
2016/04/27 46,190 0.004339343
2016/04/28 46,180 -0.000216521
2016/04/29 46,620 0.00948283
2016/05/02 47,260 0.013634638
2016/05/03 47,030 -0.004878576
2016/05/04 47,200 0.003608197
2016/05/09 47,850 0.013677225
2016/05/10 47,400 -0.009448889
2016/05/11 47,440 0.000843526
2016/05/12 47,530 0.001895336
2016/05/13 47,690 0.003360642
2016/05/16 48,200 0.010637289
2016/05/17 48,090 -0.002284766
2016/05/18 48,230 0.002906979
2016/05/19 48,000 -0.004780223
2016/05/20 47,950 -0.00104221
2016/05/23 47,890 -0.001252087
2016/05/24 47,750 -0.002927647
2016/05/25 47,000 -0.015831465
2016/05/26 47,030 0.000638094
2016/05/27 46,630 -0.008541585
2016/05/30 46,420 -0.00451371
2016/05/31 46,620 0.004299233
2016/06/01 46,810 0.004067222
상기한 표에 따라, 도 4에서 나타낸 각각의 시점에서 상기 역사적 변동성(v(t)) 및 상기 담보가치 예측값(CATV(t))을 각각 계산하면 다음의 표 2와 같다.
만기 3개월 T1 T2 T3 T0
시점 2016/03/02 2016/04/01 2016/05/02 2016/06/01
가격 48,400 45,900 47,260 46,810
만기까지 기간
=변동산출기간(P)		 3개월 2개월 1개월 0개월
역사적 변동성v(t) 6.18% 7.58% 4.16% 0.00%
관련도 100.00% 100.00% 100.00% 100.00%
감가상각 0 0 0 0
최종CATV 45,409 42,423 45,293 46,810
대출가 45,000 45,000 45,000 45,000
대출가대비 차액 409 -2,577 293 1,810
추가담보 요청 2,577
추가담보분 해제 2,577
이 경우, 상기 제 1 시점(T1)에서의 담보가치 예측값(CATV(t))은 대출가보다 큰것으로 판단되므로, 요청한 대출을 시행해도 무방한 것으로 판단할 수 있다. 한편, 상기 제 2 시점(T2)에서와 같이 상기 담보가치 예측값(CATV(t))이 대출가보다 작은 것( 이 경우 -2,577원)으로 판단(S4)되는 경우, 이에 해당하는 추가 담보(이 경우 2,577원)를 요청(S4a)하고, 상기 제 3 시점(T3)에서와 같이 상기 담보가치 예측값(CATV(t))이 대출가보다 큰 것(이 경우 233원)으로 판단(S5)되는 경우, 상기 추가 담보 설정분(이 경우 2,577원)을 해제하도록 요청(S5a)하게 된다.
이상에서는 도면과 명세서에서 최적 실시 예들이 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
N: 통신망
T0: 만기 시점
100: 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템
110: 웹 운용 모듈
120: 자료 수집 모듈
130: 역사적 변동성 산출 모듈
140: 담보가치 예측값 산출 모듈
150: 데이터 베이스 모듈
200: 시세 데이터 서버
300: 금융 기관 서버
400: 관련 기관 서버

Claims (1)

  1. 담보물의 시세 변동 데이터를 수집하는 자료 수집 모듈(120);
    상기 자료 수집 모듈(120)에서 수집된 상기 담보물의 상기 시세 변동 데이터를 이용하여, 현시점에서 만기 시점(T0)까지의 잔여기간을 제 1 시점, 제 2 시점 및 제 3 시점으로 나누어 산출하고 각 시점에서 만기시까지의 기간을 변동 산출 기간(P)으로 설정(S1)한 후, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 역사적 변동성(v(t))을 산출(S2)하는 역사적 변동성 산출 모듈(130);
    상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v(t)) 및 상기 담보물의 현재 가치(p(t))를 이용하여 아래 수학식 1에 따라 담보가치 예측값(CATV(t))을 산출(S3)하는 담보가치 예측값 산출 모듈(140); 및
    통신망(N)을 통하여 시세 데이터 서버(200) 및 금융 기관 서버(300)와 연결되는 웹 운용 모듈(110);을 포함하여 구성되고,
    상기 담보물의 현재 가치(p(t))는, 상기 담보물의 현재 시점의 시세 또는 상기 담보물의 최초 담보 설정 후 감가 상각 반영 가치 중 작은 값을 택하여 결정되고,
    상기 역사적 변동성(v(t))은, 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간 중의 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 현시점에서 상기 변동 산출 기간(P)만큼 소급한 기간의 일수의 루트값으로 나누어 산출되며,
    상기 역사적 변동성(v(t))은 상기 변동 산출 기간(P)만큼 소급한 기간 중의 각각의 날에 대하여, 상기 각각의 날에서 상기 변동 산출 기간(P)만큼 소급한 기간 중 상기 시세 변동 데이터의 일별 로그 수익률의 표준 편차를 상기 변동 산출 기간(P)의 일수의 루트값으로 나누어 각일별 역사적 변동성을 산출한 후, 상기 각일별 역사적 변동성의 평균값으로 산출되고,
    상기 웹 운용 모듈(110)은,
    상기 시세 데이터 서버(200)를 통하여 상기 담보물의 시세 변동 데이터를 수집하여 상기 자료 수집 모듈(120)로 전달하고,
    상기 담보가치 예측값(CATV(t))이 대출가보다 작은 것으로 판단(S4)되는 경우, 상기 금융 기관 서버(300)에 부족분 만큼 추가 담보를 요청(S4a)하고,
    상기 담보가치 예측값(CATV(t))이 대출가보다 큰 것으로 판단(S5)되는 경우, 상기 금융 기관 서버(300)에 추가 담보 설정분을 해제하도록 요청(S5a)하고,
    상기 담보물에 해당하는 상기 시세 변동 데이터가 존재하지 않는 경우,
    상기 역사적 변동성 산출 모듈(130)은 상기 담보물과 유사한 유사 담보 물품의 시세 변동 데이터를 이용하여 역사적 변동성(v'(t))를 산출하고,
    상기 담보가치 예측값 산출 모듈(140)은, 상기 역사적 변동성 산출 모듈(130)에서 산출된 상기 역사적 변동성(v'(t)) 및 상기 유사 담보 물품의 현재 가치(p'(t))를 이용하여 관련도(s)를 적용하여 아래 수학식 2에 따라 담보가치 예측값(CATV(t))을 산출(S3)하는 것을 특징으로 하는 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템(100).
    [수학식 1]
    CATV(t)=p(t)*(1-v(t))
    [수학식 2]
    CATV(t)=p'(t)*(1-v'(t))*s
    여기서, 관련도(s)는 상기 담보물과 상기 유사 담보 물품의 유사성에 따라 결정되는 값으로 0 내지 1 사이의 값으로 결정되는 값이다.
KR1020170088691A 2017-07-12 2017-07-12 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템 KR101894549B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170088691A KR101894549B1 (ko) 2017-07-12 2017-07-12 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170088691A KR101894549B1 (ko) 2017-07-12 2017-07-12 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020160134210A Division KR101759615B1 (ko) 2016-10-17 2016-10-17 담보가치 예측 평가 시스템

Publications (2)

Publication Number Publication Date
KR20180042110A true KR20180042110A (ko) 2018-04-25
KR101894549B1 KR101894549B1 (ko) 2018-09-04

Family

ID=62088496

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170088691A KR101894549B1 (ko) 2017-07-12 2017-07-12 담보물의 현재 가치 및 역사적 변동성을 이용한 담보가치 예측 평가 시스템

Country Status (1)

Country Link
KR (1) KR101894549B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002056169A (ja) * 2000-08-09 2002-02-20 Casio Comput Co Ltd 物品鑑定システム
KR20040082377A (ko) * 2002-01-11 2004-09-24 가부시키가이샤 유에프제이 깅코 담보평가에 대응하는 융자관리 시스템, 융자관리장치 및융자관리의 방법
KR20060033976A (ko) 2004-10-18 2006-04-21 (주)스피드뱅크커뮤니케이션 부동산 담보자산의 위험 예측 및 통지를 위한 시스템 및방법
JP2011221885A (ja) * 2010-04-13 2011-11-04 Fx Prime Corp 資産価格変動幅予測支援装置
KR20130103294A (ko) * 2012-12-24 2013-09-23 주식회사 씽크풀 종목 특성을 이용한 담보가치 평가 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002056169A (ja) * 2000-08-09 2002-02-20 Casio Comput Co Ltd 物品鑑定システム
KR20040082377A (ko) * 2002-01-11 2004-09-24 가부시키가이샤 유에프제이 깅코 담보평가에 대응하는 융자관리 시스템, 융자관리장치 및융자관리의 방법
KR20060033976A (ko) 2004-10-18 2006-04-21 (주)스피드뱅크커뮤니케이션 부동산 담보자산의 위험 예측 및 통지를 위한 시스템 및방법
JP2011221885A (ja) * 2010-04-13 2011-11-04 Fx Prime Corp 資産価格変動幅予測支援装置
KR20130103294A (ko) * 2012-12-24 2013-09-23 주식회사 씽크풀 종목 특성을 이용한 담보가치 평가 시스템 및 그 방법

Also Published As

Publication number Publication date
KR101894549B1 (ko) 2018-09-04

Similar Documents

Publication Publication Date Title
Adrian et al. Market liquidity after the financial crisis
Korteweg et al. Risk‐adjusting the returns to venture capital
Etula Broker-dealer risk appetite and commodity returns
Iacoviello Household debt and income inequality, 1963–2003
Christensen et al. Do central bank liquidity facilities affect interbank lending rates?
Kahl et al. Short‐term debt as bridge financing: Evidence from the commercial paper market
Beare et al. An empirical test of pricing kernel monotonicity
JP4347691B2 (ja) デマンドベースの調整可能なリターンを有するデジタル・オプション、およびそれらのためのトレーディング・エクスチェンジ
Blake et al. Sharing longevity risk: Why governments should issue longevity bonds
Wills et al. Securitization, structuring and pricing of longevity risk
Savin et al. The predictive power of “head-and-shoulders” price patterns in the US stock market
Berndt et al. Restructuring risk in credit default swaps: An empirical analysis
Chen et al. Estimation of housing price jump risks and their impact on the valuation of mortgage insurance contracts
JP2005521967A (ja) デマンドベースの調整可能なリターンを有するデリバティブ及びそれらのためのトレーディング・エクスチェンジ
Couch et al. Interest tax shields: a barrier options approach
Braun et al. The impact of private equity on a life insurer's capital charges under solvency II and the Swiss solvency test
Ng et al. Pricing and hedging variable annuity guarantees with multiasset stochastic investment models
KR101759615B1 (ko) 담보가치 예측 평가 시스템
Liu et al. Partial moment volatility indices
Jacoby A duration model for defaultable bonds
Yang et al. Collateral risk in residential mortgage defaults
Kao et al. Setting margin levels in futures markets: An extreme value method
US20160019646A1 (en) Computer systems and methods for balancing indexes
Gatzert et al. The× Effectiveness of Gap Insurance With Respect to Basis Risk in a Shareholder Value Maximization Setting
Ramlall A framework for financial stability risk assessment in banks

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant