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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.