딥러닝 알고리즘의 금융분야 적용 방안

References

1. De Prado ML, Advances in financial ma- chine learning, John Wiley & Sons, 2018.
2. 박재환, "주식수익률 시계열의 ARIMA 모델 설정 및 분석", 한국증권학회지, 제23권, 제1호, pp.187-210, 1998.
3. Lee Dong Won, Oh Kyong Joo, "KOSPI200 Prediction through Low-Pass Filtered Long Short-Term Memory Algorithm", Quantitative Bio-Science, 제39권, 제1호, pp.25-31, 2020. https://doi.org/10.22283/QBS.2020.39.1.25
4. 송한진, 최흥식, 김선웅, 오수훈, "AI의 LSTM기법을 이용한 금융시계열 데이터 변동성 예측방법 연구", 한국지식정보기술학회지 논문지, 제14권, 제6호, pp.665-673, 2019.
5. 이낙영, 오경주, "디노이징 필터와 LSTM을 활용한 KOSPI200 선물지수 예측", 한국데이터정보과학회지, 제30권, 제3호, pp.645-654, 2019.
6. 김기현, 자연어 처리 딥러닝 캠프(파이토치 편), 한빛미디어, 2019.
7. Gao J, An introduction to deep learning for natural language processing, https://www.microsoft.com/en-us/research/wp-content/uploads/2017/07/dl-summer-school-2017.-Jianfeng-Gao.v2.pdf, 2017.
8. 이기창, 한국어 임베딩, 에이콘, 2019.
9. Dogu Araci, "Finbert: Financial Sentiment Analysis with Pre-trained Language Models," arXiv preprint arXiv:1908.10063, 2019.
10. 정한영, "KB국민은행, 금융에 특화된 한글 자연어 학습 모델 'KB 알버트(ALBERT)' 개발했다", 인공지능 신문, 2020년 6월 18일, https://www.aitimes.kr/news/article-View.html?idxno=16768.