• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04a
• /
• pp.337-339
• /
• 2000

현재 전자상거래에서의 이용률이 저조한 경매시스템을 지능적인 소프트웨어 에이전트를 이용하여 사용자 측면에서 더욱 효율적이고 효과적인 경매시스템을 연구 및 개발은 커다란 이슈가 되고 있다. 따라서, 단순한 게시판 형식의 인터넷 경매 시스템의 인공지능 에이전트를 도입하여 해당 경매 상품에 대해 판매자에게 적정한 경매 시기와 초기값을 계산 및 예측하여 최대한의 마진을 남길 수 있도록 해주는 에이전트 시스템의 연구가 본 논문의 목적이다. 상품을 인터넷 경매에 올리는 판매자가 판매 하고자 하는 경매 상품에 대한 정보를 인터넷 경매 시스템의 에이전트에게 메일로 보내면 에이전트 해당 상품고 유사한 상품에 대해 클러스터링하여 이미 학습되어져 있는 유사 상품에 대한 정보 즉, 데이터 베이스에 저장되어 있는 경매 상품에 대한 입찰 히스토리와 경매시간, 경매방법, 낙찰가격 등을 계산하여 해당 상품에 대해 판매자가 어느 시기에 얼마의 초기 가격으로 경매를 시작하면 최대한의 마진을 남길 수 있는지에 대해 정보를 메일로 푸쉬해 주는 시스템을 설계하면 마진 알고리즘을 이용하여 만진 결정 에이전트에 의해 마진을 생성하며 생성된 마진은 푸쉬에이전트에 의해 경매자에게 메일로 결과값을 전송해 주는 시스템을 제안한다.

• Corrugated packaging logistics
• /
• s.90
• /
• pp.35-43
• /
• 2010

수출및 유통산업에 핵심적인 역할을 하는 골판지 상자 시장에 긴급상황이 발생하였다. 2월 12일 현재 골판지상자 생산하는데 약 3-4일간의 지체현상이 나타나고 원자재 부족이 수도권 및 지방을 망라, 속출하고 있는 실정이어서 골판지포장업계 관련 모든 주체는 가수요를 자제하고 근본적인 해결책강구에 협력해야 하지만, 개별적 이해가 앞서 원만한 수습책을 내기가 어려운 상황입니다. 또한 최근 칠레 강진의 여파가 구리가격 인상만이 아니라, 국내 최대 펄프 수입국의 펄프 공급 중단에 따른 국내 제지업계의 생산차질이 심각히 우려되는 문제점을 자료화 하였습니다. 제지업계, 특히 골판지상자 제조업계는 여러 가지의 요인이 중첩되어 가격 급등의 아픔과 원지 부족으로 생산 차질이 불가피할 것이라는 예측이 여기저기서 나오고 있어 매우 어수선합니다. 따라서 포장재 구입의 낭비요소를 제거한 적정포장 구입 질서가 정착되어 포장재가 없어서 제품이 포장되지 않는 사태가 나오지 않기를 바라는 심정으로 보고서를 작성하였사오니 관련 업계에서는 업무에 참고하여 주시기 바랍니다.

• Journal of Energy Engineering
• /
• v.10 no.1
• /
• pp.17-23
• /
• 2001

전력산업 구조개편에 따른 발전부문의 경제급전 추구로 인하여 구 동안 가스산업에서 수급조절역할을 담당하던 발전용 수요의 감소로 수급불균형 심화가 예상되고 결국에는 저장설비의 구축에 막대한 자본이 소요될 것으로 보인다. 이에 본 연구에서는 분석모형을 통하여 이러한 영향들을 계량적으로 분석하고 그 원인을 밝힘으로써 전력산업 구조개편에 대응한 향후의 천연가스 수급정책 방향을 제시하였다. 연구결과에 의하면, 경제급전의 추구로 인해 발전용 수요가 기존 예측치 대비 약 40∼50% 수준으로 급감하여 소요저장탱크기수는 1∼2기 정도 감소하지만, 발전용 수요의 수급조절능력의 약화로 천연가스 수요패턴은 더욱 악화되는 것으로 분석되었다. 또한 필요수입 보전주의에 따른 가격결정방식의 소비자가격이 상승되는 것으로 보아 저장설비에 과다투자가 이루어지는 것으로 판단할 수 있다. 결국, 도시가스의 수요패턴이 현상태를 유지하는 경우, 발전부문의 경제급전시 가스산업에서는 수요패턴의 약화로 저장시설에의 과다설비투자가 불가피하며 이는 소비자가격의 상승으로 이어질 것으로 예상된다. 따라서 향후 가스산업에서는 다양한 수요관리 방안과 도입량 조절 등을 통한 수요패턴 개선노력이 시급할 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.439-442
• /
• 2004

최근에 인터넷 경매가 보편화되면서 경매 물품의 가격 결정을 관한 연구가 증가하고 있다. 그러나 이것들은 경매 물품 대한 최근의 추세와 시간에 따른 주기변화를 반영하지 못하여 잘못된 낙찰 예정가를 생성하는 경우가 많다. 본 논문에서는 이러한 문제점들을 해결하고자 수요 예측에서 사용하는 시계열 분석을 이용하여 경매기록 데이터베이스로부터 경매 물품에 맞는 낙찰 예정가를 자동으로 생성하는 방법을 제안한다. 또한 성능 분석을 통하여 시계열 분석 방법에 의한 낙찰 예정가 생성방법의 특징을 비교하고 분석한다. 여기서 제안된 방법이 경매 물품의 실제 낙찰가와 차이를 줄여 낙찰률을 높이고, 경매 물품이 지나치게 낮은 가격으로 낙찰 되는 경우를 줄일 수 있음을 연구한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.258-260
• /
• 2022

대체 불가능 토큰 (NFT, non-fungible token)은 고유하고 더 이상 분할할 수 없는 특성을 가지고 있다. NFT 는 디지털 콘텐츠에 대한 소유권을 증명해 주지만 현재 1) 소유권 증명 이상의 유틸리티가 명확하지 않고, 2) 토큰이지만 유동성이 거의 없으며, 3) 가격이 예측 불가능하다. 특히, 부동산의 경우 가격이 매우 높은 특징으로 인하여 투자 진입장벽이 매우 높다. NFT 분할을 하면 유동성의 증가, 그리고 접근성 증가에 따른 커뮤니티 볼륨의 증가를 기대해 볼 수 있다. 이러한 특성을 활용하여 기존에 투자하기 어려웠던 부동산을 다양한 기술을 활용하여 쉽게 투자를 할 수 있게 된다. 또한, Black Litterman 모델을 활용하여 보다 여러 종류의 NFT 들에 대한 최적 포트폴리오를 구성할 수 있는 알고리즘을 설계하고 구현하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.1
• /
• pp.19-28
• /
• 2022

Recently, cryptocurrency has attracted much attention, and price prediction studies of cryptocurrency have been actively conducted. Especially, efforts to improve the prediction performance by applying the deep learning model are continuing. LSTM (Long Short-Term Memory) model, which shows high performance in time series data among deep learning models, is applied in various views. However, it shows low performance in cryptocurrency price data with high volatility. Although, to solve this problem, new input features were found and study was conducted using them, there is a lack of study on input features that drop predictive performance. Thus, in this paper, we collect the recent trends of six cryptocurrencies including Bitcoin and Ethereum and analyze effects of input features on the cryptocurrency price predictive performance through statistics and deep learning. The results of the experiment showed that cryptocurrency price predictive performance the best when open price, high price, low price, volume and price were combined except for rate of closing price fluctuation.

• The Korean Journal of Applied Statistics
• /
• v.36 no.2
• /
• pp.129-139
• /
• 2023

Forecasting volatility is essential to avoiding the risk caused by the uncertainties of an financial asset. Complicated financial volatility features such as ambiguity between non-stationarity and stationarity, asymmetry, long-memory, sudden fairly large values like outliers bring great challenges to volatility forecasts. In order to address such complicated features implicity, we consider machine leaning models such as LSTM (1997) and GRU (2014), which are known to be suitable for existing time series forecasting. However, there are the problems of vanishing gradients, of enormous amount of computation, and of a huge memory. To solve these problems, a causal temporal convolutional network (TCN) model, an advanced form of 1D CNN, is also applied. It is confirmed that the overall forecasting power of TCN model is higher than that of the RNN models in forecasting VIX, VXD, and VXN, the daily volatility indices of S&P 500, DJIA, Nasdaq, respectively.

• Korean Journal of Construction Engineering and Management
• /
• v.10 no.4
• /
• pp.50-57
• /
• 2009

The Korea Standard of Estimate which has been used as the only basis of Cost estimate of public construction projects is failed to reflect the fluctuation of current construction cost. Therefore, the government decided to gradually introduce historical construction cost into cost estimate of public construction projects from 2004 and to reduce the use of Korean Standard of Estimate. This paper presents a series of process and the methodology for computing Actual Cost and analyzing the fluctuation patterns based on not only previous contract prices which made a successful bid but also all of the other bid prices. Also, this paper mainly handles a device for extracting strategic bid price such as low price bid for assuring reliable data and for predicting the construction cost which is built by Wavelet Analysis of Time series Analysis data and Neural Network. It is anticipated that the effective use of the proposed process for estimating actual unit cost would make the cost estimation more current and reasonable.

• The Journal of the Korea Contents Association
• /
• v.12 no.2
• /
• pp.472-482
• /
• 2012

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, and establish trading policy via investment simulation. Users can select technical indicators which they think affect future stock price. Then they can generate stock 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.

• Smart Media Journal
• /
• v.10 no.2
• /
• pp.16-21
• /
• 2021

Financial time series analysis plays a very important role economically and socially in modern society and is an important task affecting global development, but due to difficulties such as a lot of noise and uncertainty, financial time series analysis prediction is a difficult research topic. In this paper, we propose a market prediction method (MPIL) by converting unstructured data and structured data into images. For market prediction, it analyzes SNS and news data, which is unstructured data for n days, and converts the market data, which is structured data, to an image with the GADF algorithm, and predicts an ultra-short market that predicts the price of n+1 days through image learning. MPIL has an average accuracy of 56%, which is higher than the 50% average accuracy of the model that predicts the market with LSTM by using sentiment analysis used for existing market forecasting.