• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.467-469
• /
• 2003

본 논문에서는 KOSIP 200선물을 예측하기 위한 시스템으로 과거의 자료를 사용하여 거래패턴과 그 변화 및 시장의 가격과 거래량의 패턴을 학습하며, 미래의 선물가를 예측하는 시스템으로 역전파 신경망(Backpropagation Neural Network)을 학습 알고리즘으로 하는 L2K시스템 실험과 다양한 입력데이터와 훈련데이터의 변화를 테스트 하여 최적의 네트워크 구성하여 정확도를 향상 시켰다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.448-451
• /
• 2022

주식과 암호화폐 거래는 매매방식에 있어서 유사한 점이 있지만 기업의 사업분야, 자본금, 순이익 등의 경영현황과 미래가치에 영향을 많이 받는 주식과는 다르게 암호화폐는 실물 실체가 없으며 탈중앙화, 전산화된 데이터를 기반으로 하며 심리적인 요소가 크게 작용하여 단기적인 변동이 클 수 있다. 본 연구에서는 이러한 암호화폐 거래의 특성을 활용하여 특정 암호화폐에 관련된 뉴스기사들을 수집하고 그 암호화폐의 가격 변화 데이터와 연관되어 가격예측 딥러닝 모델을 생성하고 해당 암호화폐에 대한 신규 뉴스기사가 발생되었을 때 이를 이용하여 매수, 매도, 관망 등과 같은 매매 정보를 예측 적용할 수 있게 하였다. 첫째, 뉴스 기사에서 언급한 암호화폐를 매수, 매도, 관망 중 어느 편이 좋을 것인지 추천하는 알고리즘을 구현하였고, 둘째, 매수 이후 매매 차익을 위한 매도 시점이나 매도 이후 저가매수에 유리한 시점을 제안하는 알고리즘을 구현하였다. 또한, 실시간 뉴스기사 수집 및 예측한 매매 판단에 따라 매매 자동화 시스템을 구현하여 수익률을 직접 확인함으로써 그 유효성을 검증하였다.

• Environmental and Resource Economics Review
• /
• v.6 no.2
• /
• pp.171-191
• /
• 1997

83년 7월부터 NYMEX 선물시장에서 거래되기 시작한 원유선물은 90년대 들어 주식 채권 외환 등의 금융시장과 관련하여 크게 성장하고 있으며, 원유선물가격이 현물시장에서의 가격형성에 큰 영향을 미치고 있다. 따라서, 원유선물가격이 미래의 현물가격에 대한 최적의 예측치라고 하는 합리적기대모형(合理的期待模型)에 의거하여 원유선물 가격과 현물가격의 변화추이 및 그들 사이의 장(長) 단기(短期) 균형관계(均衡關係)(동태적통합(動態的統合))와 효율성(效率性)등을 일별(日別) NYMEX 선물유가(근월도래선물(近月到來先物)의 종가(終價))와 WTI 현물유가의 자료를 이용하여 계량분석하였다. 원유선물가격과 현물가격은 단위근(單位根)을 갖는 불안정(不安定)한 시계열이지만, 선물유가와 현물유가사이에는 공적분관계(共積分關係)(공통확률적추세(共通確率的趨勢))가 있어 장기적(長期的) 균형관계(均衡關係)가 존재하며, 또한 공시계열상관관계(共時系列相關關係)(공통안정적순환(共通安定的循環))가 있어 단기적(短期的) 균형관계(均衡關係)도 존재하는 것으로 보여진다. 그리고 선물유가는 미래의 현물유가에 대한 예측력이 있는 것으로 보여진다. 따라서, 원유선물가격이 미래의 현물가격에 대한 최적의 예측치라고 히는 합리적기대모형(合理的期待模型)과 일치하는 것으로 나타났다. 원유선물가격이 현물가격과 장(長) 단기적(短期的)으로 동태적(動態的)인 균형관계를 보이고 있으므로 정부의 합리적인 수입선다변화정책과 유가자유화에 따른 석유업계의 효율적인 운영방안의 하나로 원유선물시장의 활용이 더욱 더 필요할 것으로 생각된다.

• Journal of the Korea Society for Simulation
• /
• v.23 no.4
• /
• pp.1-8
• /
• 2014

Cloud computing helps big data processing to make various information using IT resources. The government has to start the RPS(Renewable Portfolio Standard) and induce the production of electricity using renewable energy equipment. And the government manages system to gather big data that is distributed geographically. The companies can purchase the REC(Renewable Energy Certificate) to other electricity generation companies to fill shortage among their duty from the system. Because of the RPS use voluntary competitive market in REC trade and the prices have the large variation, RPS is necessary to predict the equitable REC price using RPS big data. This paper proposed REC price prediction method base on fuzzy logic using the price trend and trading condition infra in REC market, that is modeled in cloud computing environment. Cloud computing helps to analyze correlation and variables that act on REC price within RPS big data and the analysis can be predict REC price by simulation. Fuzzy logic presents balanced REC average trading prices using the trading quantity and price. The model presents REC average trading price using the trading quantity and price and the method helps induce well-converged price in the long run in cloud computing environment.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.5
• /
• pp.943-950
• /
• 2019

Machine learning can greatly improve the efficiency of work by replacing people. In particular, the importance of machine learning is increasing according to the requests of fourth industrial revolution. This paper predicts monthly power transactions using MLP, RNN, LSTM, and ANFIS of neural network algorithms. Also, this paper used monthly electricity transactions for mount and money, final energy consumption, and diesel fuel prices for vehicle provided by the National Statistical Office, from 2001 to 2017. This paper learns each algorithm, and then shows predicted result by using time series. Moreover, this paper proposed most excellent algorithm among them by using RMSE.

• Proceedings of the KIEE Conference
• /
• 2002.11b
• /
• pp.365-368
• /
• 2002

최근 몇 년간 전 세계적으로 전력 및 에너지 시장의 성장률은 매우 급격한 상승세를 기록하고 있어 가까운 장래에 전력 및 에너지 시장에서의 거래금액이 다른 어떤 상품 시장에서의 거래금액보다도 많아질 것으로 보인다. 전 세계적으로 가스 및 전기에너지 산업의 구조적 변화는 이러한 시장에 참여하고자 하는 많은 관전 기업들에게 사업상의 문제를 불러일으키고 있다. 전력 및 에너지시장은 매우 변화가 심하며, 이러한 변화에 장기적으로 대처하지 못할 경우 위험요소가 증대되어 큰 손실을 입을 수 있다. 또한 전력시장거래에서 소비자의 전력수요를 정확히 예측하고 그에 따른 최적의 발전량을 결정하는 것은 전력공급업체의 수익성을 높이는 절대적인 요소로 작용한다. 이미 오래전에 경쟁체제가 도입된 서구 국가들에서는 이러한 목적을 수행하기 위한 전력시장해석프로그램(computer-based tool)이 상용화되어 많은 업체들이 경쟁하고 있으며, 전 세계적인 구조개편 확산 움직임에 따라 시장규모가 빠른 속도로 확대되고 있다. 이러한 흐름에 따라, 우리나라에서도 일부 학계와 벤처기업 연구소를 중심으로 관련 연구가 시작되어 진행 중에 있다. 본 논문에서는 우리 연구실에서 전력시장해석 시뮬레이터 개발을 위해 벤치마킹 시뮬레이터로 도입한 PLEXOS에 대한 간단한 소개와 PLEXOS를 이용한 샘플 계통 및 시장의 전력시장가격 예측을 수행해 보고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.7-10
• /
• 2022

본 연구는 국내 주식의 intraday 가격변화를 딥러닝 모형들로 예측하고 그 예측모형을 이용한 매매전략 딥러닝 모형을 제안한다. 주식의 intraday 가격변화에 따라서, 고빈도 매매, 주문집행문제 (order execution problem), 자동화 매매 등과 같은 intraday 주식 트레이딩의 수익률이 달라지기 때문에, 주식의 intraday 가격변화 예측은 주식 투자에 있어서 중요하다. 해외 시장에 대해서는 인공지능 등을 이용한 intraday 가격변화 예측 연구가 활발히 이루어졌지만, 국내의 경우 관련한 연구가 드물어 그 효용성이 명확히 드러나지 않았었다. 그에 따라서, KOSPI 50의 구성 종목에 대하여 정준의(canonical) 딥러닝 모형들을 적용하여 예측 성능을 비교한다. 또한, 그 예측모형들을 활용하여 간소화된 주문집행문제에서의 매매전략 딥러닝 모형을 제안한다. 그리고, 제안한 매매전략 딥러닝 모형을 KOSPI 50의 구성 종목에 대하여 실험하여, 제안한 방법론이 유효함을 밝힌다. 제시된 모형을 실제 주식 매매에 직접 적용하여 수익성을 개선을 기대할 수 있고, 사람이 직접 거래할지라도 효과적인 보조 지표가 될 수 있기에 본 논문은 실용적 의미를 지닌다.

• Proceedings of the CALSEC Conference
• /
• 2004.02a
• /
• pp.125-128
• /
• 2004

최근에 인터넷을 통한 전자경매가 보편화되면서 경매 물품의 가격 결정에 대한 관심이 증가하고 있다. 기존의 경매 시스템에서는 경매물품의 낙찰가를 판매자가 결정하거나 정보 검색 이론의 사례 유사도에 기초하여 생성하는 에이전트가 연구되었다. 그러나 이것은 경매물품에 대한 최근의 변화 요인을 반영하지 못하여 실제 낙찰 가능가와 차이가 큰 가격이 생성되는 경우가 많다. 본 논문에서는 이러한 문제점을 해결하고자 시계열 분석에서 사용하는 이동 평균을 이용하여 최근의 경매 자료로부터 경매 등록 물품의 낙찰 예정가를 자동으로 생성하는 시스템을 제안한다. 본 시스템을 사용할 경우에 경매 물품의 실제 낙찰가와의 차이를 줄여 낙찰률을 높이고, 경매 물품의 객관적인 가격 형성이 가능함을 예측할 수 있다

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2006.04a
• /
• pp.506-512
• /
• 2006

다양한 아파트 특성들을 이용하여 아파트 가격을 추정하고 예측하는 연구 또한 많이 존재하고 있는 실정이다. 그렇지만 이러한 연구들 대부분이 회귀모형에 지나치게 의존하고 있는 실정이다 그러나 회귀모형은 단점보다 장점이 많은 모형이다. 본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점들을 극복하고 회귀모형과 상호보완적인 모형을 도입할 필요성에 의해서 본 연구를 수행한 것이다. 다양한 아파트 특성들에 대하여 신경망모형을 이용하여 아파트 가격을 예측하고, 기존의 회귀모형과 비교하는 것이 본 연구의 주목적이다 또한 회귀모형과 신경망모형의 상호 보완적인 측면을 규명하는 것은 본 연구의 부차적인 목적이 된다 아파트 특성들은 주변에서 쉽게 이용 가능한 데이터를 위주로 하였다. 2004년 6월 기준으로 서울시 송파구와 도봉구의 아파트 매매가격들과 12개의 아파트 특성들을 수집하였다. 아파트 매매가격들 (즉, 매매 하한가, 일반 거래가, 매매 상한가) 을 새로운 측정방법을 이용하여 하나의 매매가격으로 추정하였으며, 대표성을 가지도록 하였다. 신경망모형을 도입하여 아파트 특성들을 이용하여 아파트 가격을 정밀하고 유효하게 예측하고, 기존의 회귀모형들과 비교하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다 하겠다. 그리고 주택에 관한 기존의 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

• The Korean Journal of Financial Management
• /
• v.15 no.2
• /
• pp.107-134
• /
• 1998

한국증권거래소는 1996년 5월 3일부터 KOSPI 200을 대상으로 하는 주가지수선물을 거래하고 있다. 주가지수선물거래가 한국주식시장의 정보효율성에 어떠한 영향을 미쳤을까? Cox(1976)의 주장대로 주식시장의 효율성이 제고되었을까? 이에 대한 대답을 구하기 위해 본 논문에서는 오차수정모형의 구성을 통한 불균형충격반응분석과 예측오차의 분산분해를 이용하여 선물거래가 현물시장의 효율성에 미치는 영향을 직접적으로 검증하였다. 본 논문의 연구결과는 한국주식시장에서 선물거래의 도입 이후에 해외요인과 국내요인으로 대표되는 영구적 효과를 가지는 교란과 일시적 효과를 가지는 고유요인의 교란에 시장가격이 보다 신속히 반응하고 있음을 보여준다. 또한 KOSPI 200은 Non-KOSPI 200에 비해 해외요인의 교란에 보다 민감함을 보여주며, Non-KOSPI 200은 KOSPI 200에 비해 국내요인의 변동에 보다 민감하게 반응함을 보여준다. 고유교란에 대한 KOSPI 200과 Non-KOSPI 200의 반응은 선물거래의 도입 이후에 교란에 대한 반응속도가 현저히 빨라졌음을 보인다. 그러나 KOSPI 200과 Non-KOSPI 200간의 차이는 선물거래 도입 이후에 차별적인 변화를 보이지 못하고 있다. 예측오차의 분산분해결과는 전체적으로 선물거래의 도입 이후에 해외요인의 설명력이 커지고, 선물거래가 시장의 정보확산에 긍정적인 역할을 함을 보여준다. 이러한 연구결과는 한국주식시장에서 KOSPI 200 선물거래가 도입된 이후에 현물시장의 정보효율성이 약하나마 향상되었음을 보여주는 것이나 추가적인 연구가 필요함을 말해준다.