• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.956-959
• /
• 2020

본 연구에서는 아파트를 대표할 수 있는 내·외적 데이터를 수집하고 인공지능 기술들을 활용하여 아파트 가격을 예측하는 시스템을 구축하고자 한다. 구체적으로 웹크롤링 기법을 통해 수집한 아파트 내·외적 데이터의 변수들에 대한 특성 선택(Feature Selection)을 수행하였고, 다양한 인공지능 기법을 활용하여 부동산 가격 예측 모형을 개발하였다. 아파트 가격 예측 모형 생성을 위해 Linear Regression, Ridge, Xgboost, Lightgbm, Catboost 등의 기계학습 알고리즘을 사용하였고, RMSE를 사용하여 각 예측 모형 간의 성능 비교를 수행하였다. 가장 성능이 좋은 예측 모형은 Xgboost기반 예측 모형이였으며, RMSE값이 약 0.0366으로 가장 낮았으며 테스트 데이터에 대한 정확도는 약 95.1%였다.

• 한국멀티미디어학회논문지
• /
• 제14권9호
• /
• pp.1152-1164
• /
• 2011

주식 가격은 연속적으로 변화하는 스트림 데이터이다. 이러한 데이터의 특성상 시간의 흐름에 따라 주식 가격의 동향이 달라질 수 있기 때문에 주식 가격 동향의 예측은 가격이 갱신될 때 마다 연속적으로 이루어져야 한다. 본 논문은 HTM 모델을 이용하여 원하는 종목의 주식 가격 동향을 설정된 구간 간격에 따라 연속적으로 주식 가격 동향을 예측하는 새로운 방법을 제안한다. 이를 위해 먼저 정규화 과정을 거친 후 그 결과를 스트림 센서로 전달하는 선처리기와 연속적인 입력 데이터를 효과적으로 처리할 수 있는 스트림 센서를 제시한다. 또한, 각 레벨별 예측 결과를 저장하여 상위 단계로 전달하는 선 예측 저장 노드를 고안하고 이를 이용하여 주식 가격 동향을 예측하는 HTM 네트워크를 제시한다. 그리고 본 시스템을 실제 주식 가격으로 실험하여 그 성능을 제시한다.

• 산업융합연구
• /
• 제20권12호
• /
• pp.179-186
• /
• 2022

본 연구에서는 태블릿PC 중고제품의 거래 시, 판매자와 구매자 모두에게 판매가격을 제시할 수 있는 예측모형을 개발하는 것을 목표로 한다. 모형 개발을 위하여 실제 태블릿PC 중고거래 데이터와 제품에 대한 상세 정보를 추가 수집한 데이터를 사용하였다. 데이터 분석을 통하여 여러 가지 예측모형을 개발하였으며, 이 중 태블릿PC 중고가격 예측 성능이 가장 뛰어난 모형을 최종 예측모형으로 선택하였다. 구체적으로 중고 태블릿의 판매가격을 종속변수로 하고, 통합된 데이터에서 판매가격과 연관성이 있는 변수들을 독립변수로 한 다중선형회귀모형, 교호작용을 포함한 다중선형회귀모형, 그리고 각 모형에서 단계적 변수 선택법을 통해 얻은 모형들을 고려하였다. 이들 모형 중 교차타당성을 통해 최종적으로 예측 성능이 가장 뛰어난 모형을 태블릿PC 중고가격을 예측하는 모형으로 선택하였다. 본 연구를 통하여 중고제품 판매가격을 예측하고 판매자와 구매자에게 적절한 중고 거래 가격을 제시해 볼 수 있을 것이다.

• 전자공학회논문지 IE
• /
• 제43권4호
• /
• pp.13-20
• /
• 2006

선진국에서는 지능형 농사 기법을 이용하여 농산물 가격을 예측하고 있다. 우리나라에서도 농산물 가격 폭등 및 급락을 막기 위해서 기초 연구를 하고 있다. 그러나 어느 누구도 농산물 가격예측을 하는 것은 불가능하다. 본 논문에서는 농산물 예측 가격을 향상하기 위해서 전처리로 신경망을 사용하였다. 또한 후처리로써 예기치 못한 상황을 실시간으로 예측할 수 있는 퍼지알고리즘을 개발하였다. 시뮬레이션결과 제안된 농산물 가격 예측이 퍼지 규칙을 사용 하지 않은 기존 수요예측 시스템보다 가격오차를 줄일 수 있음을 입증했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.466-469
• /
• 2021

최근 암호화폐가 발전함에 따라 다양한 연구들이 진행되고 있지만 그 중에서도 암호화폐의 가격 예측 연구들이 활발히 진행되고 있다. 특히 이러한 예측 분야에서도 인공지능 기술을 접목시켜 암호화폐 가격의 예측 정확도를 높이려는 노력들이 지속되고 있다. 인공지능 기반의 기법들 중 시간적 정보를 가진 데이터를 기반으로 하고 있는 LSTM(Long Short-Term Memory) 모델이 다각도로 활용되고 있으나 급등락하는 암호화폐 가격 데이터가 많을 경우에는 그 성능이 상대적으로 낮아질 수 밖에 없다. 따라서 본 논문에서는 가격이 급등락하고 있는 Bitcoin, Ethereum, Dash 암호화폐 데이터 환경에서 LSTM 모델의 예측 성능이 향상될 수 있는 세부 하이퍼 파라미터 값을 실험 및 분석하고, 그 결과의 의미에 대해 고찰한다. 이를 위해 LSTM 모델에서 향상된 예측률을 보일 수 있는 epoch, hidden layer 수, optimizer 에 대해 분석하였고, 최적의 예측 결과를 도출해 줄 수 있는 최소 training data 개수도 함께 살펴보았다.

• 융합정보논문지
• /
• 제12권3호
• /
• pp.1-10
• /
• 2022

배추와 같은 채소류는 자연재해의 영향을 많이 받기 때문에 폭우나 병해와 같은 재해로 인해 가격 변동이 심해져 농가 경제에 영향을 미치게 된다. 이러한 문제를 해결하기 위해서 농산물 가격 예측을 위한 다양한 노력이 행해졌지만 극심한 가격 예측 변동을 예측하기는 어렵다. 본 연구에서는 단일 분류기를 결합하여 다양한 여러 개의 분류기를 통해 최종 예측 결과를 결정하는 방식인 앙상블 Voting 기법으로 배추 가격을 분석하였다. 또한 시계 열 분석 방법인 LSTM과 부스팅 기법인 XGBoost와 RandomForest로 결과 비교를 하였다. 가격 데이터는 일별 데이터를 사용하였고 배추 가격에 영향을 주는 기상정보와 물가지수 등을 사용하였다. 연구 결과로는 실제값과 예측값의 차이를 보여주는 RMSE 값이 약 236 수준이다. 이 연구를 활용하여 농산물 가격 예측과 같은 다른 시계 열 분석 연구 모델 선정에 활용할 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.31-34
• /
• 2023

주택 매매에 있어서 가격에 대한 예측은 매우 중요하지만, 실거래 발생 전까지는 정확한 가격을 알 수 없다. 그렇기에 주택가격을 예측하는 많은 연구가 진행되어왔다. 주택가격을 결정하는 영향요인은 크게 주택의 내부요인과 주택의 외부 요인으로 구분되는데, 내부적인 요인 (공급면적, 전용면적, 층, 방 개수 등)에 대한 연구가 많이 진행되었다. 하지만 외부적인 요인 (위치 요인, 금융요인 등)에 대한 연구는 미비하였다. 본 연구는 주택 매수자 관점에서 가격 예측 시 외부적인 요인 역시 중요하다고 판단하여 외부요인을 적용하고자 한다. 본 논문에서 제안하는 방법은 다양한 외부요인 중 주택의 위치 정보를 활용하여, 해당 정보 기반으로 도출 가능한 데이터를 추가한다. 또한 이용량에 따른 지하철역 데이터를 추가하여 관련된 여러 영향요인들을 분석 및 적용 후 머신러닝 기반 예측 모델을 생성한다. 생성된 모델들에 주택매매 실거래 데이터를 적용하여 예측 정확도를 비교 후 높은 정확성을 보이는 모델 결과에 주요하게 영향을 끼치는 요인에 관하여 기술한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.201-207
• /
• 2023

본 논문에서는 Multi-Step Time Series의 세 가지 전략을 비교 분석하기 위해 LGBM, MLP, LSTM, GRU를 사용하여 농산물 중장기 가격 예측에 대한 최적의 모형을 제안한다. 제안 모형은 다각도로 전략을 선택하여 모델과 전략간 최적의 조합을 찾도록 설계되었다. 기존 농산물 가격 예측 연구에서는 전통 계량경제 모델인 ARIMA를 비롯하여 LSTM 계열 모델이 주로 사용된 반면 Multi-Step Time Series 관련 농산물 가격 예측 연구는 매우 제한적이다. 본 연구에서는 농산물 가격의 변동성 정도에 따라 두 개의 기간으로 나누어 실험을 진행하였으며, Direct, Hybrid, Multiple Outputs 등 세 전략의 중장기 가격 예측 결과 Hybrid 접근법이 상대적으로 우수한 성능을 보였다.본 연구 결과는 중장기 일별 가격 예측을 고도화할 수 있는 효과적인 대안을 제시한다는 측면에서 학술적, 실무적 의의를 갖는다.

• 한국건설관리학회논문집
• /
• 제22권3호
• /
• pp.21-30
• /
• 2021

본 연구는 딥러닝의 반복적 예측방식을 활용하여 5개월의 철근 가격 예측방법을 제안한다. 이 방식은 입력데이터의 특성을 모두 단기예측하여 원 데이터에 추가하고, 추가된 데이터로 다음의 시점을 예측하는 과정을 반복하여 장기 예측한다. 본 연구에서 제시하는 방식으로 1개월에서 5개월까지 예측한 철근 가격의 예측 평균 정확도는 약 97.24%이다. 제안된 방식을 통해 인간의 경험과 판단을 통한 가격 추정방법의 체계성을 보완하여 기존의 방식보다 정확한 비용계획이 가능할 것으로 사료된다. 또 철근 이외의 건축재료를 비롯하여 시계열 데이터로 가격을 장기예측하는 연구에서 본 연구에서 제시한 방법이 활용될 수 있을 것으로 기대한다.

• 재무관리논총
• /
• 제9권1호
• /
• pp.163-187
• /
• 2003

본 연구는 옵션가격 및 거래량 자료를 이용하여 옵션시장의 가격발견 기능에 대해서 분석을 시도하였다. 이를 위해 먼저 옵션가격과 거래량 정보가 현물시장을 선행하는 현상에 대해서 분석해 보았다. 옵션가격은 실제 현물지수를 약 1시간 정도 선행하는 것으로 관찰되었다. 콜옵션 가격이 풋옵션에 비해서 상대적으로 옵션시장에서 높게 거래되는 경우 이는 현물주식시장에서의 주가상승을 예고하는 것으로 나타났다. 옵션 거래량 정보 역시 현물시장의 가격움직임을 예측하는데 유효한 것으로 관찰되었다. 콜옵션의 풋옵션 대비 상대적인 거래증가는 투자자의 낙관적인 장세전망을 반영해 일단 현물지수의 상승을 야기하는 것으로 나타났으나 이후 투자자의 풋옵션을 통한 헤지(hedge) 수요의 증가로 이어지는 것으로 조사되었다. 두 번째로 본 연구는 이러한 옵션시장의 가격발견 기능을 이용하여 매매전략을 수립하고 이를 통하여 투자이익을 극대화시킬 수 있는지에 대해서 살펴보았다. 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 고평가(증가) 되었을 경우 이는 주가상승을 미리 예고하고 있는 신호로 받아들어져 주식을 매입하고 반대로 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 저평가(감소) 되었다면 주가하락을 예측하기 때문에 주식을 매도함으로써 투자이익을 증대시킬 수 있을 것이다. 실증분석 결과는 우선 옵션 가격정보를 이용하여 현물시장에서 지수 바스켓 포트폴리오를 매매하려는 전략은 30분 내외의 단기 투자에는 유효하나 그 이상의 투자기간을 가지는 경우에는 예상과는 다른 결과를 초래하였다. 반면 옵션시장에서의 콜옵션과 풋옵션의 상대적인 거래량 정보는 현물주식시장의 움직임을 예측하는데 옵션 가격정보에 비해서 보다 효과적인 것으로 판단되었다. 조사한 모든 일중 및 1일(overnight) 투자수익률에서 옵션 거래량의 상대적 비율에 의거한 투자전략은 통계적으로 유의한 투자수익률의 차이를 가져왔다.