• Knowledge Management Research
• /
• v.22 no.2
• /
• pp.1-17
• /
• 2021

In this study, we predicted the bitcoin prices of Bithum and Coinbase, a leading exchange in Korea and USA, using ARIMA and Recurrent Neural Networks(RNNs). And we used news articles from each country to suggest a separated RNN model. The suggested model identifies the datasets based on the changing trend of prices in the training data, and then applies time series prediction technique(RNNs) to create multiple models. Then we used daily news data to create a term-based dictionary for each trend change point. We explored trend change points in the test data using the daily news keyword data of testset and term-based dictionary, and apply a matching model to produce prediction results. With this approach we obtained higher accuracy than the model which predicted price by applying just time series prediction technique. This study presents that the limitations of the time series prediction techniques could be overcome by exploring trend change points using news data and various time series prediction techniques with text mining techniques could be applied to improve the performance of the model in the further research.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.129-148
• /
• 2023

Bitcoin is a blockchain technology-based digital currency that has been recognized as a representative cryptocurrency and a financial investment asset. Due to its highly volatile nature, Bitcoin has gained a lot of attention from investors and the public. Based on this popularity, numerous studies have been conducted on price and trend prediction using machine learning and deep learning. This study employed LSTM (Long Short Term Memory) and CNN (Convolutional Neural Networks), which have shown potential for predictive performance in the finance domain, to enhance the classification accuracy in Bitcoin price trend prediction. XAI(eXplainable Artificial Intelligence) techniques were applied to the predictive model to enhance its explainability and interpretability by providing a comprehensive explanation of the model. In the empirical experiment, CNN was applied to technical indicators and Google trend data to build a Bitcoin price trend prediction model, and the CNN model using both technical indicators and Google trend data clearly outperformed the other models using neural networks, SVM, and LSTM. Then SHAP(Shapley Additive exPlanations) was applied to the predictive model to obtain explanations about the output values. Important prediction drivers in input variables were extracted through global interpretation, and the interpretation of the predictive model's decision process for each instance was suggested through local interpretation. The results show that our proposed research framework demonstrates both improved classification accuracy and explainability by using CNN, Google trend data, and SHAP.

• Proceedings of the Korean System Dynamics Society
• /
• 2001.10a
• /
• pp.67-79
• /
• 2001

발전원별 경쟁(신규 발전소 건설이 시장 가격에 의해 결정)을 도입한 미국의 캘리포니아주에서는 최근 심각한 전력 공급문제가 발생하였다. 미국과 같은 발전원별 경쟁을 도입한 우리나라의 경우에도 전력시장에서의 시장가격을 예측하고 이에 따른 신규 발전소 건설을 예측하여 전력 공급의 안전성을 검토할 필요가 있으며 또한 원자력이나 유연탄의 공급이 이러한 전력 공급의 안정성에 어떻게 기여할 수 있는가를 검토하는 것은 의의 있는 일이다.(중략)

• The Journal of Bigdata
• /
• v.5 no.1
• /
• pp.109-124
• /
• 2020

In Korea, despite much interest in real estate, it is not easy to predict prices. Because apartments are both residential spaces and investment materials. Key figures affecting the price of apartments vary widely, and there are also regional characteristics. This study was conducted to derive the factors and characteristics that affect the sale price of apartments in S City, Gyeonggi-do. In general, people diagnose that better subway accessibility leads to higher apartment sales price. Nevertheless, in the case of S City, the price was slightly lower as it was closer to Line 1, but the higher the subway accessibility at Shinbundang Line, the higher the price. The five-year average of government bonds and the price were inversely related, and it was found to be proportional to the M2 balance and the price. The floor area ratio and the total number of parking lots had a great influence on the price, and the presence of department stores and discount marts within 1.5 km were the most important factors in the area of cultural aspect.

• Environmental and Resource Economics Review
• /
• v.8 no.1
• /
• pp.131-147
• /
• 1998

본 논문은 시차종속변수를 이용한 우리 나라 원목수요분석을 통해 장기원목수요의 변화를 예측하는 데 그 목적이 있다. 원목수요는 재화의 특성상 파생수요를 전제하여 분석하였다. 분석에서는 1970년부터 1996년까지 27년간의 원목수요 자료를 이용하였다. 원목수요는 1980년대 들어서면서 1970년대와 같은 빠른 증가는 아니지만 지속적으로 완만히 증가하다가 1991년을 정점으로 하향 안정세를 보이고 있다. 분석에서는 적응적 기대모형과 부분적 조정모형을 사용하였다. 1977년에서 1979년까지 원목수요량의 급격한 증가를 설명하기 위하여 모형내에 더미변수를 사용하였다. 설명변수는 원목가격, 더미변수, 파생재화(목재 및 나무제품)의 가격과 시차종속변수를 이용하였다. 분석 결과, 적응적 기대모형은 시차종속변수를 사용해야 할 만큼 유의한 결과를 얻을 수 없었다. 하지만 부분적 조정모형에서는 각 변수의 추정치가 전반적으로 유의하게 나타났다. 특히, 시차종속변수 추정치에 대한 t값이 2.07로 유의하게 나옴으로써 모형의 설명력을 높여 주었다. 부분적 조정모형의 수정계수는 0.74 정도로 나타났다. 부분적 조정모형의 가정하에 2010년까지 매년 원목가격지수 6.7%와 국내 목제품가격지수 5.8% 상승률에 근거한 방법과 원목가격지수 6.8%와 목제품가격지수 5.6%로 전제하여 원목수요를 전망하였다. 그 결과, 원목수요는 지속적으로 상승하는 것으로 나타났다. 일정한 가격상승률을 전제한 예측수요량이 일정한 가격지수의 상승을 전제한 경우보다 높게 나타났다.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.3
• /
• pp.561-568
• /
• 2015

In this study we predict apartment prices per unit in Daegu-Gyeongbuk areas by spatial lag and spatial error models, both of which belong to so-called spatial regression model. A spatial weight matrix is constructed by k-nearest neighbours method and then the models for the apartment prices in March, 2012 are fitted using the weight matrix. The apartment prices in March, 2013 are predicted by the fitted spatial regression models and then performances of two spatial regression models are compared by RMSE (root mean squared error), RRMSE (root relative mean squared error), MAE (mean absolute error).

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.6
• /
• pp.251-256
• /
• 2023

International diesel prices play a crucial role in various sectors such as industry, transportation, and energy production, exerting a significant impact on the global economy and international trade. In particular, an increase in international diesel prices can burden consumers and potentially lead to inflation. However, previous studies have primarily focused on gasoline. Therefore, this study aims to propose an international diesel price prediction model. To achieve this goal, we utilize various global economic indicators and train a linear regression model, which is one of the machine learning methodologies. This model clearly identifies the relationship between global economic indicators and international diesel prices while providing highly accurate predictions. It is expected to aid in understanding overall economic trends including market changes.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.706-708
• /
• 2017

노지에서 재배되는 실외작물의 경우 외부 환경에 노출되어 재배되기에 생육 또는 수학시기가 외부 요인에 많은 영향을 받는다. 이러한 외부 요인 중 과일의 당도 및 수확량에 많은 영향을 미치는 요인은 바로 날씨이다. 고온의 날씨 또는 저온의 날씨가 지속되거나 강한 풍속, 적절한 강수가 이루어지지 않을 경우 과일의 당도가 낮아지거나, 흠집이 발생할 수 있어 과일 도매가격에 영향을 미치게 된다. 본 논문에서는 월별 평균 온도, 강우량, 습도, 일사량, 최대풍속 등의 날씨 관련 데이터와 제사 또는 명절에 자주 사용되는 과실류인 배, 단감, 사과, 수박의 도매가격간의 상관관계를 분석을 통해 얻은 결과로 추후 농산물 가격 예측 또는 과일 가격 예측 연구에 기여를 하고자 한다.

• Journal of Korean Society of Rural Planning
• /
• v.21 no.2
• /
• pp.91-102
• /
• 2015

한국은 2050년까지 주요 선진국 중에서 고령화가 가장 심각한 사회로 전환되게 될 것으로 예상된다. 기대여명의 증가와 저 출산은 고령화를 더욱 악화시키며, 이는 심각한 사회문제로 발전하게 될 것이다. 이와 같은 문제를 해결하기 위해 한국정부는 2008년에 도시지역에는 주택연금제도를 도입하였으며, 2011년에는 세계 최초로 농촌지역을 대상으로 농지연금제도를 도입하였다. 그렇지만 이와 같은 제도는 설계 당시부터 복지상품이라기 보다는 장기적으로 손실과 수익의 균형에 초점을 둔 금융상품으로 개발되어 실질적으로 노인들에게 크게 인기를 얻지 못하였다. 따라서 본 연구는 농지연금제도를 활성화시켜, 농촌노인들에게 보다 더 많은 혜택을 주기 위해 지역 토지시장을 감안하여 지역별 농지가격상승률을 예측하고 연금액을 산출하였다. 또, 지금까지 사용한 년 혹은 분기별 감정가 대신에 월별, 지역별 실거래 가격을 모형에 적용하여 지역토지시장, 고령화 수준 등 지역 여건에 부합하는 연금액을 산출하였다. 할인율자료도 가장 안정적인 3년 만기 국고채 수익률을 활용하여 미래농지가격을 예측하고, 이를 유동화하여 월 생활자금으로 지급되도록 하였다. 특히 농지규모가 가장 많고, 고령화 정도가 심각하여 농지연금의 잠재적 수요가 가장 높을 것으로 예상되는 경상북도와 전라남도를 사례지역으로 선정하고, 이를 전국평균과 비교하여 지역적인 차이도 함께 분석하였다. 이를 위해 농지가격 및 이자율 시계열 자료의 안정성을 검정하고, 장기농지가격을 예측하였다. 이를 활용하여 경북, 전남, 전국의 노인들의 월평균 지급액을 추정하였다. 분석결과 정책의 잠재적 수요가 가장 높은 두 지역이 가장 낮은 금액이 지급되는 것으로 추정되어 이는 또 다른 지역불균형을 초래할 수 있는 것으로 평가되었다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.5
• /
• pp.603-614
• /
• 2020

This study focuses on the prediction and factors of apartment prices in Seoul using a convolutional neural networks (CNN) model that has shown excellent performance as a predictive model of image data. To do this, we consider natural environmental factors, infrastructure factors, and social economic factors of the apartments as input variables of the CNN model. The natural environmental factors include rivers, green areas, and altitudes of apartments. The infrastructure factors have bus stops, subway stations, commercial districts, schools, and the social economic factors are the number of jobs and criminal rates, etc. We predict apartment prices and interpret the factors for the prices by converting the values of these input variables to play the same role as pixel values of image channels for the input layer in the CNN model. In addition, the CNN model used in this study takes into account the spatial characteristics of each apartment by describing the natural environmental and infrastructure factors variables as binary images centered on each apartment in each input layer.