• 융합정보논문지
• /
• 제11권5호
• /
• pp.94-103
• /
• 2021

본 연구의 목적은 비트코인 선물의 투자 전략으로 기술적 거래 규칙들을 제안하고, 실증 분석을 통해 투자 성과를 분석하는 것이다. 투자 전략은 표준적인 거래 전략인 VMA, TRB, FR, MACD, RSI, BB 등이며, 2017년 12월 18일부터 2021년 3월 31일까지의 비트코인 선물 일별 자료를 이용하였다. 실증 분석 결과, 추세 추종형 거래 규칙들 모두 비교전략인 Buy & Hold 보다 투자 성과가 높게 나타났다. 코스피200 주가지수 선물과의 비교에서는 비트코인 선물 투자 성과가 높게 나타났다. 특히, 비트코인 선물의 투자 성과는 하방 위험을 반영하는 Sortino Ratio에서 큰 폭으로 증가하였다. 본 연구는 비트코인 선물의 표준적인 기술적 거래 규칙들의 투자 성과를 체계적으로 분석한 첫 시도라는 점에서 학술적 의미를 찾을 수 있다. 향후 연구에서는 비트코인 선물의 가격 예측을 위한 딥러닝 모형이나 기계학습 모형의 활용을 통해 투자 성과를 개선할 필요가 있다.

• 전기학회논문지P
• /
• 제67권4호
• /
• pp.183-190
• /
• 2018

Predicting accurate electricity prices is an important task in the electricity trading market. To address the electricity price forecasting problem, various approaches have been proposed so far and it is known that linear regression-based approaches are the best. However, the use of such linear regression-based methods is limited due to low accuracy and performance. In traditional linear regression methods, it is not practical to find a nonlinear regression model that explains the training data well. If the training data is complex (i.e., small-sized individual data and large-sized features), it is difficult to find the polynomial function with n terms as the model that fits to the training data. On the other hand, as a linear regression model approximating a nonlinear regression model is used, the accuracy of the model drops considerably because it does not accurately reflect the characteristics of the training data. To cope with this problem, we propose a new electricity price forecasting method that divides the entire dataset to multiple split datasets and find the best linear regression models, each of which is the optimal model in each dataset. Meanwhile, to improve the performance of the proposed method, we modify the proposed localized linear regression method in the map and reduce way that is a framework for parallel processing data stored in a Hadoop distributed file system. Our experimental results show that the proposed model outperforms the existing linear regression model. Specifically, the accuracy of the proposed method is improved by 45% and the performance is faster 5 times than the existing linear regression-based model.

• 국제지역연구
• /
• 제12권2호
• /
• pp.149-173
• /
• 2008

본 연구에서는 연구개발투자와 기업가치 간의 실증분석을 실시하였다. 우선 기업의 연구개발비 투자가 실질적으로 기업가치의 향상에 이바지하고 있음을 유추해 볼 수 있었다. 이러한 결과는 비록 미국회계기준 상 대차대조표 상에 자산의 항목이 아닌 비용의 항목으로 계상되지만 비용 측면 보다는 자산의 성격에 더 가깝다는 기존 연구자들의 주장을 뒷받침하는 결과라고 볼 수 있었다. 둘째, 연구개발비 증가율과 기업가치 간에는 단기적으론 연구개발비의 비용계상으로 오도 가격이 발생하여 즉각적인 기업가치의 증대를 기대하기는 어려웠다. 그러나 장기적으론 투자자들에게 있어 지속적적인 연구개발비 투자의 증가는 투자자 유인요인으로 작용할 수 있음을 예측해 볼 수 있었다. 셋째, 자본효율중시경영을 근간으로 한 기업의 연구개발투자 지출이 ROE의 상승을 가져올 수 있었으며 투자자들은 ROE가 높은 기업에 대해 해당기업의 투자 안의 선택에 있어 기업을 신뢰할 수 있어 주식시장에서 투자자 유인요인으로 작용 할 수 있을 것으로 판단되었다. 마지막으로, 연구개발을 통한 신기술의 개발은 실질적으로 기업 경쟁우위의 증대로 이어질 수 있으며 비용절감, 생산성 향상을 가질 수 있어 결국 기업의 수익성 배양 및 기업가치의 향상 요인으로 작용할 수 있을 것으로 분석되었다.

• 한국콘텐츠학회논문지
• /
• 제19권6호
• /
• pp.663-675
• /
• 2019

최근 10여 년간 디스플레이 시장에서의 지배적 디자인은 LCD로 한국 업체들이 이를 주도해 왔다. 그러나 최근 중국 기업들로부터의 위협이 증가되고 있어, 국내 업체들은 차세대 디스플레이 분야로 진출하기 위한 노력을 기울이고 있다. 한국 디스플레이 업체들은 최근 양자점 디스플레이 및 유기발광디스플레이 등의 신기술을 출시하여, 특히 TV용 차세대 디스플레이 시장에서 지배적 디자인을 차지하기 위한 표준 경쟁에 돌입하였다. 지배적 디자인을 결정하는 요소는 다양한 가운데, 디스플레이 제품은 특히 제품 자체의 기술적 속성이 가장 중요할 것으로 예상된다. 따라서 본 연구에서는 TV용 차세대 디스플레이에 대한 소비자의 선호 속성을 파악함으로써, 이 분야 표준 경쟁을 위한 시사점을 제공하고자 한다. 이를 위해 본 연구에서는 잠재적 소비자들을 대상으로 한 컨조인트 분석을 실시하였다. 분석 결과, 초고해상도 화면에 자연스런 색상을 표현할 수 있는 내구성 높은 제품에 대한 선호도가 높은 가운데, 제품의 가격이 중요한 요소로 작용하는 것으로 나타났다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권2호
• /
• pp.147-163
• /
• 2021

Purpose The study aims to predict real estate prices by utilizing regional characteristics. Since real estate has the characteristic of immobility, the characteristics of a region have a great influence on the price of real estate. In addition, real estate prices are closely related to economic development and are a major concern for policy makers and investors. Accurate house price forecasting is necessary to prepare for the impact of house price fluctuations. To improve the performance of our predictive models, we applied LSTM, a widely used deep learning technique for predicting time series data. Design/methodology/approach This study used time series data on real estate prices provided by the Ministry of Land, Infrastructure and Transport. For time series data preprocessing, HP filters were applied to decompose trends and SOM was used to cluster regions with similar price directions. To build a real estate price prediction model, SVR and LSTM were applied, and the prices of regions classified into similar clusters by SOM were used as input variables. Findings The clustering results showed that the region of the same cluster was geographically close, and it was possible to confirm the characteristics of being classified as the same cluster even if there was a price level and a similar industry group. As a result of predicting real estate prices in 1, 2, and 3 months, LSTM showed better predictive performance than SVR, and LSTM showed better predictive performance in long-term forecasting 3 months later than in 1-month short-term forecasting.

• 한국IT서비스학회지
• /
• 제19권6호
• /
• pp.131-144
• /
• 2020

As the blockchain technology attracts attention, interest in cryptocurrency that is received as a reward is also increasing. Currently, investments and transactions are continuing with the expectation and increasing value of cryptocurrency. Accordingly, prediction for cryptocurrency price has been attempted through artificial intelligence technology and social sentiment analysis. The purpose of this paper is to develop a deep learning ensemble model for predicting the price fluctuations and one-day lag price of cryptocurrency based on the design science research method. This paper intends to perform predictive modeling on Ethereum among cryptocurrencies to make predictions more efficiently and accurately than existing models. Therefore, it collects data for five years related to Ethereum price and performs pre-processing through customized functions. In the model development stage, four LSTM models, which are efficient for time series data processing, are utilized to build an ensemble model with the optimal combination of hyperparameters found in the experimental process. Then, based on the performance evaluation scale, the superiority of the model is evaluated through comparison with other deep learning models. The results of this paper have a practical contribution that can be used as a model that shows high performance and predictive rate for cryptocurrency price prediction and price fluctuations. Besides, it shows academic contribution in that it improves the quality of research by following scientific design research procedures that solve scientific problems and create and evaluate new and innovative products in the field of information systems.

• 수산경영론집
• /
• 제52권4호
• /
• pp.13-28
• /
• 2021

The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil's inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.

• 한국응용과학기술학회지
• /
• 제40권1호
• /
• pp.24-34
• /
• 2023

본 연구는 생산 가능인구의 세대별 스포츠 용품 온라인 소비성향을 탐색하고, 스포츠 4.0 시장의 온라인 소비자를 세분화하여 미래의 소비 시장을 예측하기 위한 기초자료를 제공하고자 했다. 따라서 생산 가능인구의 세대별 집단(Y세대 이상, Z세대) 중 스포츠 용품을 소비한 경험자를 대상으로 본 조사를 실시했으며, 총 478명의 자료를 최종 분석에 적용했다. 자료처리는 SPSS statistics(ver. 21.0)으로 빈도분석, 탐색적 요인분석, 재검사 신뢰도의 상관관계 분석, 신뢰도 분석, 의사결정 나무 분석을 실시했다. 생산 가능인구의 세대별에 따른 스포츠 용품 온라인 소비성향 탐색결과, 여유, 즐거움, 자아 상징, 가격 요인이 높을 경우와 자아 상징, 기능, 환경 친화 요인이 낮을 경우 Z세대 집단으로 분류될 확률이 크게 나타났으며, 여유 요인이 낮고, 자아 상징 요인이 높을 경우와 즐거운 요인이 낮고, 연대적 소비 요인이 높을 경우 Y세대 이상 집단으로 분류될 확률이 크게 나타났다. 또한 이와 같은 모형의 분류 정확도는 69.7%로 나타났다.

• 해양환경안전학회지
• /
• 제29권2호
• /
• pp.223-229
• /
• 2023

해수이차전지는 해수를 양극으로 사용하는 차세대 이차전지이다, 해양 자원을 사용하여 가격 경쟁력과 높은 친환경성, 그리고 해양 애플리케이션에 적합한 구조를 가진다. 이러한 장점을 기반으로 지속적 연구개발을 통해 자연 해수 노출을 가정한 파우치 타입 및 각형 타입이 개발되어 왔다. 그러나 이차전지는 전기적 특성상 사용 환경에 따라 용량 및 내부 임피던스가 달라진다. 이러한 특성은 전지의 수명 예측에 활용될 뿐만 아니라 활용하고자 하는 상황에 맞는 용량과 출력에 직접적인 영향을 미친다. 따라서 본 논문에서는 해수이차전지의 사용 환경에 따른 용량 측정과 SoC-OCV 측정 방법을 통한 내부 저항을 분석하고자 한다.

• 문화기술의 융합
• /
• 제4권2호
• /
• pp.197-204
• /
• 2018

현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터 최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.