• Asia Marketing Journal
• /
• 제10권2호
• /
• pp.1-29
• /
• 2008

본 연구는 해외 여러 시장에서 제품을 판매하는 글로벌 기업의 입장에서 복수 시장에서 발생하는 제품 수준의 매출 이륙 시점을 예측할 수 있는 모형을 제시하였다. 이 모형을 이용하여 복수 시장 정보, 제품 속성 정보, 가격 정보, 매출 정보 중 매출 이륙 시점 예측에 유용한 설명 변수들을 규명하기 위해 국내 전자 업체가 2년 5개월간 10개국 시장에 판매한 90종류의 PDP TV, LCD TV들 월별 매출 자료들을 대상으로 실증 분석을 하였다. 분석 결과, 매출 이륙 시점 예측에 유용한 변수들을 다음과 같이 파악할 수 있었다. 첫째, 대상 제품이 표적 시장에 진출하기 이전에 진출한 타 시장에서의 매출 자료를 표적 시장에서의 대상 제품 매출 이륙 시점 예측에 이용하는 것이 가장 중요함을 실증 분석을 통해 알 수 있었다. 특히, 매출 이륙 시점 예측에 동일 제품의 타 시장 혁신 계수를 이용하는 것이 유용한 반면, 동일 제품의 타 시장 모방 계수는 예측력에 도움을 주지 못함을 알 수 있었다. 둘째, 타 제품의 표적 시장 확산 정보는 예상과 달리 대상 제품의 표적 시장에서의 매출 이륙 시점 예측에 기여하는 바는 낮음을 알 수 있었다. 셋째, 일반적 인식처럼 가격과 제품의 속성도 이륙시점의 발생 시기에 영향을 미치는 것을 알 수 있었다. 하지만 제품의 자체 가격 정보 보다 시장 평균 가격 대비 대상 제품 가격 비율이 매출 이륙 시점 예측에 보다 효과적임을 알 수 있었다. 마지막으로, 전기 누적 매출량 역시 PLC 중 초기 시점을 예측하는 상황임에도 불구하고 제품 수준의 매출 이륙 시점 예측에 중요한 변수임을 알 수 있었다. 본 연구에서 제시한 매출 이륙 시점 예측 모형은 평균치에 근거한 일반적 예측과 비교해 볼 때 높은 예측력을 보여 주었다. 본 연구에서 제시한 예측 모형을 이용할 경우 특히 예측 시점이 2기일 때 가장 높음을 알 수 있었다. 본 연구 결과가 기여하는 바를 보면 첫째, 기존 확산모형과 달리 본 연구에서는 제품의 매출 초기 시점인 매출 이륙 시점을 측정하고, 예측하는 모형을 제시하였다. 둘째, 본 연구는 글로벌 시장에서 적용 가능한 제품 수준의 매출 이륙 시점을 예측하였다. 셋째, 본 연구는 처음으로 매출 이륙 시점 예측력을 예측 시점 별로 분석하여 모형의 예측력을 이해하는 데 새로운 접근법을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.29-36
• /
• 2022

본 논문에서는 DACON에서 제공하는 데이터셋을 기반으로 한 효과적인 농산물 가격 예측 모델을 제안한다. 이 모델은 XGBoost와 CatBoost 이며 Gradient Boosting 계열의 알고리즘으로써 기존의 Logistic Regression과 Random Forest보다 평균정확도 및 수행시간이 우수하다. 이러한 장점들을 기반으로 농산물의 이전 가격들을 기반으로 1주, 2주, 4주뒤 가격을 예측하는 머신러닝 모델을 설계한다. XGBoost 모델은 회귀 방식의 모델링인 XGBoost Regressor 라이브러리를 사용하여 하이퍼 파라미터를 조정함으로써 가장 우수한 성능을 도출할 수 있다. CatBoost 모델은 CatBoost Regressor를 사용하여 모델을 구현한다. 구현한 모델은 DACON에서 제공하는 API를 이용하여 검증하고, 모델 별 성능평가를 실시한다. XGBoost는 자체적인 과적합 규제를 진행하기 때문에 적은 데이터셋에도 불구하고 우수한 성능을 도출하지만, 학습시간, 예측시간 등 시간적인 성능 면에서는 LGBM보다 성능이 낮다는 것을 알 수 있었다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권3호
• /
• pp.401-412
• /
• 2011

본 연구는 벡터오차수정모형을 이용하여 유럽 탄소배출권 현물가격의 일간 시계열자료를 분석한다. 내생변수로는 탄소배출권가격 이외에 오일가격, 천연가스가격, 전력가격, 석탄가격 등 모두 5개 변수를 고려하며, 분석기간은 유럽 배출권가격의 왜곡이 발생한 제1단계 기간 (2005~2007년)을 피해 제2단계 기간 (2008년 4월 21일~2010년 3월 31일)을 대상으로 하였다. 시계열변수의 안정성 및 공적분 검정 결과, 모든 변수들이 단위근을 갖으며 또한 공적분 벡터가 존재하는 것으로 나타나서 분석모형으로서 벡터자기회귀모형 대신에 벡터오차수정모형을 채택하였다. 분석결과, (1) 오일, 천연가스, 전력 등의 가격이 배출권가격에 대해 원인으로 작용하는 그랜저인과관계가 존재하였다. (2) 충격 반응분석에서 배출권가격은 오일가격의 외생적 충격에 대해 가장 크게 반응하였고, 석탄가격의 충격에 대해서는 초기 상승 후 하락, 전력가격과 천연가스가격의 충격에 대해서는 초기 상승 후 음 (-)으로 감소하는 반응을 보였다. (3) 예측오차 분산분해 분석에서 배출권가격에 대해 가장 큰 영향을 주는 요인은 초기 (3기)에는 오일가격>석탄가격>천연가스가격>전력가격의 순이었으나 이후 (20기)에는 전력가격>오일가격>석탄가격>천연가스가격의 순으로 나타났다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1287-1295
• /
• 2021

최근 10여 년 동안 가장 가파르게 가치가 상승한 자산군을 꼽자면 단연 비트코인이라고 할 수 있을 것이다. 특히 비트코인은 중앙통제 기관이 없음에도 불구하고 첫 등장을 한 2009년의 사실상 0달러에서 2021년 최고점인 65,000 달러 수준까지 치솟아 역사에 길이 남을 가치 상승을 보여주었다. 이에 따라 비트코인의 가능성에 대해서 반신반의 했던 상당수 투자자들의 포트폴리오에도 비트코인이 상당한 비중을 차지하는 경우가 많아졌으며, 제도권 내의 금융권에서도 이런 비트코인의 움직임에 주목하고 있다. 비트코인에 대한 관심과 더불어 비트코인의 가격에 거시경제 변수나 센티멘트가 비트코인의 가격이 어떻게 움직이는가에 대한 연구 또한 상당히 진전되었다. 하지만, 이들 연구에서 활용한 변수들은 비트코인만의 특징적인 데이터라고 할 수 있는 블록체인 내의 데이터를 취합하여 가공한 온체인 데이터를 적극적으로 활용하지는 않았다. 따라서, 본 논문에서는 시계열 데이터 예측에 적극적으로 활용되고 있는 LSTM을 기반으로 온체인 데이터를 활용하여 비트코인의 가격을 예측해보고자 한다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1739-1748
• /
• 2021

부동산 가격은 국가, 기업, 가계에 영향을 미치며 최근 급등하는 부동산 가격에 부동산 버블에 관한 연구가 많이 시행되고 있다. 하지만 부동산 버블 예측에서 단순히 부동산 가격만을 비교하거나, 부동산 매매에서 핵심적인 심리적 변수를 반영하지 못한다면 버블 예측 모형의 정확성이 떨어진다 판단할 수 있다. 본 연구는 오토인코더 기법을 사용하여 지역별 부동산 버블 상황을 설명할 수 있는 예측 모형을 설계하는 것이 목적이다. 기존의 부동산 버블 분석 연구들이 가격에 영향을 미치는 다양한 종류의 변수를 설정하지 못하였고 주로 선형 모형을 기반으로 연구를 진행했다는 부분에서, 본 연구는 기존 부동산 버블 연구에 사용되지 않았던 기법과 변수들의 도입 가능성을 시사한다.

• 지식경영연구
• /
• 제22권2호
• /
• pp.19-32
• /
• 2021

암호화폐 중 대표적인 비트코인은 전 세계적으로 많은 관심을 받고 있으며 비트코인의 가격은 등·하락을 거듭하며 높은 변동성을 보이고 있다. 높은 변동성은 투자자들에게 위험 요인으로 작용하며 무분별한 투자로 인한 사회적 문제를 야기시킨다. 비트코인의 가격은 세계의 환경변화에 영향을 받으며 신속하게 반응하기 때문에 실시간으로 다양한 정보를 제공하는 뉴스 정보는 비트코인 가격의 변동성 예측에 유용한 정보를 제공한다. 즉, 긍정적인 뉴스는 투자심리를 자극할 것이며 반대로 부정적인 뉴스는 투자심리를 위축시킬 것이다. 따라서 본 연구에서는 비트코인의 수익률 변동을 예측하기 위해 뉴스의 감성정보와 딥러닝을 적용하였다. 로짓, 인공신경망, SVM, LSTM을 적용하여 단일 예측모형을 구축하였으며 예측성과를 향상시키기 위한 방법으로 통합모형을 제안하였다. 과거의 가격정보를 기반으로 구축한 예측모형과 뉴스의 감성정보를 반영한 예측모형의 성과를 비교한 결과 뉴스의 감성정보를 반영한 예측모형의 성과가 우수하게 나타났으며 통합모형의 성과가 가장 우수한 것으로 나타났다. 본 연구는 비트코인 수익률 변동에 대한 예측모형을 통해 무분별한 투자를 예방하고 투자자들의 현명한 투자가 이루어질 수 있도록 유용한 정보를 제공할 수 있을 것이다.

• 한국전자거래학회지
• /
• 제25권4호
• /
• pp.61-75
• /
• 2020

주식의 가격을 이해하고 예측하기 위해서 활용되는 데이터의 범위는 기존의 정형화된 데이터에서 비정형화된 다양한 종류의 데이터로 확대되고 있다. 본 연구는 SNS에서 수집된 댓글 데이터가 주식의 미래 가격의 변동에 영향을 미치는지를 조사한다. 가장 많은 주식투자자가 참여하는 커뮤니티인 네이버 주식토론방에서 20개 종목에 대한 6개월 간의 댓글 데이터를 수집하여, 이들 데이터가 1시간 후의 가격 변동의 방향과 가격 변동의 폭에 대한 예측력을 가지는지 조사한다. 예측 관계는 LSTM과 CNN등의 딥뉴럴네트워크 기법을 활용하여 모델링하였다. 20개 종목에 대해 조사하여 13개 종목에서 미래의 주가 이동 방향을 50% 이상의 정확도로 예측할 수 있다는 결과를 얻었고, 16개 종목에서 미래의 주가 변동폭을 50% 이상의 정확도로 예측할 수 있다는 결과를 얻었다. 본 연구는 네이버 주식토론방과 같은 SNS에서 형성된 여론이 주식 종목의 수급에 영향을 주어 가격의 변동 요인으로도 작용할 수 있다는 점을 확인한다.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.23-43
• /
• 2021

최근 인공지능 기법을 활용하여 캔들스틱 차트를 분석함으로써 주식가격 예측의 정확성을 높이고자 하는 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 주식가격 예측을 위한 학습에 있어 캔들스틱 차트의 시계열적 특성을 고려하지 못한다는 점과 시장 참여자들의 감정 상태를 고려하지 못한다는 점 등이 문제로 지적되고 있다. 본 연구에서는 시장 참여자들의 감정상태를 반영하기 위해 변동성지수(VIX: volatility index) 차트를 캔들스틱 차트와 함께 고려하여 학습시키고 이를 변이형 오토인코더(VAE: variational auto encoder)와 어텐션 메커니즘(attention mechanisms)을 결합한 새로운 방법으로 분석하여 캔들스틱 차트의 시계열적 특성을 고려함으로써 기존 연구의 한계를 극복하고자 한다. 본 연구에서 제안한 방법의 성능 비교를 위해 S&P 500 기업 가운데 50개를 임의로 추출하여 제안한 방법을 통해 이들의 주식가격을 예측하고 이를 합성곱 신경망(CNN: convolutional neural network) 또는 장단기메모리(LSTM: long-short term memory) 등과 같은 기존 방법들과 비교하였다. 비교 결과 기존 방법들에 비해 본 연구에서 제안한 방법이 더 우수한 성능을 보이는 것으로 나타났다. 본 연구는 시장 참여자들의 감정 상태와 캔들스틱 차트의 시계열적 특성을 고려함으로써 주식 가격 예측의 정확성을 높였다는 점에서 그 의의가 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.694-696
• /
• 2022

본 연구에서는 KIA의 K3 중고차 가격을 예측하기 위해 2013년부터 2021년까지 K Car 사이트에 등록된 자동차의 데이터를 사용하였으며, 상관분석에서 사용할 변수는 연식, 사고유무, 주행거리, 연료, 배기량을 사용하였다. 이 데이터를 토대로 상관관계를 분석하기 위해 Google Colab 플랫폼을 사용하였으며, 분석을 통해 중고차 가격에 대해 상관관계의 여부를 알 수 있었다.

• 조명전기설비학회논문지
• /
• 제24권4호
• /
• pp.95-102
• /
• 2010

전력산업이 경쟁적 시장체제로 옮겨가면서 기존의 수직통합체제에서와는 다른 운영 메카니즘을 필요로 하게 되었다. 기존의 급전 알고리듬은 최적화 모델에 기반 하여 비용 최소화 목적함수 및 물리적 재무적 제약조건을 정식화하여 최적의 발전량을 산출하는 개념인데, 현재의 상용 시장 시뮬레이터들은 대부분 이러한 기존 급전 알고리듬에 근거하여 시장가격을 추정하게 된다. 이러한 방법을 분석적 방법이라고 하는데, 이러한 방법으로 시장가격을 추정하기 위해서는 다양한 데이터들이 정확히 입력되고 시장의 구조적 모델로 상세히 수립되어야 정확한 결과를 예측할 수 있다. 수직 통합적 체제에서는 모든 데이터들이 단일의사결정 주체에 집중되므로 이러한 방법이 적합하지만, 경쟁적 시장체제에서는 많은 정보가 상업적 기밀로 분류되기 때문에 발전사업자 입장에서 이러한 방법으로 가격을 예측하는데 한계가 있을 수밖에 없다. 따라서 본 논문에서는 이러한 분석적 방법을 적용하기 힘든 상황에서, 시장의 과거 데이터와 공개 정보를 이용한 실험적 방법에 근거하여 확률과정 기반의 가격모델을 수립하고 그로부터 시장가격의 궤적을 추정하는 방법을 제안하고자 한다. 이러한 확률과정론 기반의 가격 모델은 장기적인 설비계획과 장기계약을 수립하는데 유용하게 사용될 수 있으리라 전망된다.