• 한국작물학회지
• /
• 제68권4호
• /
• pp.402-412
• /
• 2023

기후변화에 대응하기 위해 재배지역 차이에 따른 쌀귀리(Avena sativa L.)의 품질을 비교하고자 재배지역이 다른 G1과 G2 그룹의 국내 농가에서 쌀귀리 조양 품종을 2020년부터 2022년까지 3년 동안 수집하여 외관 품질, 영양성분, 기능성 성분 등을 분석하였다. 외관 품질의 경우는 2020년에 G2지역에서 명도와 황색도에서 G1지역에 비해 유의하게 높게 나타나 차이가 있었지만 다른 연도에서는 재배지역간에 차이가 없었다. 쌀귀리 종자의 활력을 검정한 결과는 2022년에서만 G1지역에서 G2지역보다 전기전도도 값이 유의적으로 낮게 나타났다. 영양성분 중에서 수분 함량은 3개년 모두에서 G1지역보다 G2지역에서 더 높게 나타났으며 조단백질 함량 역시 모든 연도에서 G1지역보다 G2지역에서 유의적으로 높게 나타났다. 탄수화물 함량은 조단백질 함량과 반비례하게 3년간 모든 연도에서 G2지역보다 G1지역에서 유의미하게 높게 나타났다. 조지방 함량은 2022년을 제외하고 G2지역보다 G1지역에서 유의미하게 높게 나타난 경향을 보였다. 그리고 쌀귀리에 풍부하게 함유되어 있는 기능성 성분인 베타글루칸을 분석한 결과 3.4-4.2% 범위로 나타났으며 2020년을 제외하고 재배지역간의 유의적인 차이는 없었다. 또한 귀리에만 존재하는 대표적인 기능성 성분인 아베난쓰라마이드는 2021년과 2022년 2년에 걸쳐 함량을 분석한 결과, 아베난쓰라마이드 함량은 2.4-20.7 ㎍/g 범위로 나타났으며 2년 모두 G2지역에서 G1지역보다 유의적으로 아베난쓰라마이드 함량이 높게 나타나는 경향을 보였다. 본 연구가 진행되는 재배지역간의 기온을 파악하기 위해 2020년부터 2022년까지 쌀귀리 생육기의 평균기온과 최저기온 평균값을 조사한 결과, 재배 한계지로 설정된 G2지역과 주산지로 설정된 G1지역 해남의 1월 평균기온과 1월 최저기온 평균값이 유사하였다. 결론적으로 재배지역 차이에 따라 재배되고 있는 쌀귀리 품질에서 일부 영양성분과 기능성 성분에 차이를 확인하였기에 기후변화로 인해 쌀귀리의 재배면적이 확대되는 상황에서 품질에 영향을 미치는 성분들의 변화에 대한 지속적인 연구가 필요할 것으로 사료된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.227-252
• /
• 2018

인터넷의 발달을 통해 지속적으로 인스턴트 커뮤니케이션이 발달해왔다. 인스턴트 커뮤니케이션에서 가장 대표적인 것이 메신저 애플리케이션이다. 메신저 애플리케이션에서 이모티콘은 송신자의 감정 전달을 보완하기 위해 활용됐다. 메신저 애플리케이션 송신자의 감정 전달에 약한 모습을 보이는데 그 이유는 면대면 커뮤니케이션이 아니기 때문이다. 이모티콘은 과거 화자의 기분 상태를 나타내는 기호로만 사용됐다. 그러나 현재는 이모티콘은 감정 전달 뿐만 아니라 개인의 특성과 개성을 나타내고 싶어 하는 소비자의 심리를 반영하는 형태로 발전해가고 있다. 이모티콘의 사용 환경이 개선되었고, 이모티콘 자체가 발전함으로써 이모티콘 자체에 대한 관심도는 증가하였다. 대표적인 예로 카카오톡, 라인, 애플 등에서 서비스를 진행하고 있으며, 관련 컨텐츠 상품의 매출도 지속적으로 증가할 것으로 전망하고 있다. 이모티콘 자체의 관심도 증가와 관련 사업의 성장세에도 불구하고 현재 적절한 이모티콘 추천 시스템이 부재하다. 국내 점유율 90% 이상의 메신저 애플리케이션인 카카오톡조차 단순히 인기 순이나 최근 순, 혹은 간략한 카테고리 별로 분류한 정도이다. 소비자들은 원하는 이모티콘을 찾기 위해서 스크롤을 계속해서 내려야 하는 불편함이 있으며, 본인이 원하는 감성의 이모티콘을 찾기 어렵다. 소비자들이 편의성 향상과 기업의 이모티콘 관련 사업의 판매 매출 증가를 위해 소비자가 원하는 이모티콘을 추천해줄 수 있는 이모티콘 추천 시스템이 필요하다. 적절한 이모티콘을 추천하기 위해서 소비자가 이모티콘을 보고 느낀 감성에 대해 정량화할 필요성이 있다. 정량화를 통해 소비자가 원하는 이모티콘 셋이 가진 특징과 감성에 대해 분석할 수 있으며, 분석 결과를 토대로 소비자에게 이모티콘을 추천할 수 있다. 이모티콘은 메타데이터화의 방법으로 정량화가 가능하다. 메타데이터화 방법은 빅데이터 시대에 비정형, 반정형 데이터에 대해서 의미를 추출하기 위해 데이터를 구조화 혹은 조직화하는 작업이다. 비정형 데이터인 이모티콘을 메타데이터화를 통해 구조화한다면, 쉽게 소비자가 원하는 감성 형태로 분류할 수 있을 것으로 생각한다. 정확한 감성을 추출하기 위해 감정과 관련된 선행 연구를 통해 7개의 공통 감성 형용사와 한국어에서만 나타나는 은유 혹은 표현적 특징들을 반영하기 위해 하위 세부 표현들까지 고려했다. 이모티콘의 가장 큰 특징인 캐릭터를 기반으로 "표상", "형상", "색상"의 범주에서 세부 하위 감성들을 수집했다. 정확도 높은 추천 시스템을 설계하기 위해 감성 지표만이 아니라 객관적 지표도 고려하였다. 메타데이터화 방법을 통해 이모티콘이 갖고 있는 캐릭터의 특징을 객관적 지표로 14개, 감성 지표로 활용하기 위해 감성 형용사를 36개를 추출하였다. 추출된 감성 형용사는 대비되는 형용사로 구성하여 총 18개로 줄였으며, 18개의 감성 형용사는 카카오톡의 이모티콘을 인기 순으로 임의의 40개 셋을 대상으로 측정하였다. 측정을 위해 이모티콘을 평가할 조사 대상자 온라인으로 모집하였고, 277명의 20~30대의 이모티콘을 구매한 경험이 있는 소비자를 대상으로 설문을 진행하였다. 설문응답자에게 서로 다른 5개의 이모티콘 셋을 평가하도록 하였다. 평가 결과 수집된 18개의 감정 형용사는 요인분석을 통해 감성 지표 요인으로 추출하였다. 추출된 소비자 감성 지표의 요인은 "코믹", "부드러움", "모던함", "투명함"이었다. 이모티콘의 객관적 지표와 감성 지표 요인을 활용하여 소비자 만족과의 관계를 분석하였고, 객관적 지표와 감성 지표 간의 관계도 분석하였다. 이 과정에서 객관적 지표가 소비자 태도에 바로 영향을 주는 것이 아니라 감성 지표 요인을 통해 소비자 태도에 영향을 주는 매개 효과가 있음을 확인하였다. 분석 결과는 소비자의 감성 평가 메커니즘을 밝혀냈고, 소비자의 이모티콘 감성 평가 메커니즘은 객관적 지표가 감성 지표 요인에 영향을 미치며, 감성 지표 요인은 소비자 만족에 영향을 미치는 관계였다. 따라서 감성 지표 요인의 네 가지만으로 이모티콘 추천 시스템을 설계하였고, 추천 방법은 각 감성과의 거리를 유클리디안 거리로 측정하여 거리의 차가 0에 가까울수록 비슷한 감성으로 정의하였다. 본 연구에서 제안한 이모티콘 시스템의 검증을 위해 각 감성 지표 요인과 소비자 만족의 평균을 지표 값으로 활용하여 각 이모티콘 셋의 감성 패턴을 그래프로 비교하였고, 추천된 이모티콘들과 선택된 이모티콘이 대체로 비슷한 패턴을 그리는 것을 확인하였다. 정확한 검증을 위해 사전 조사하였던 소비자를 대상으로 이모티콘 추천 시스템이 제시한 결과와 유사하게 평가하였는지 유사 순위를 세 구간으로 나누어 비교하였고, 순위별 예측 정확도는 결과 1순위 81.02%, 2순위 76.64%, 3순위 81.63%였다. 본 연구의 결과는 학문적, 실무적으로 다양한 분야에서 활용 가능한 방법론을 제시하였으며, 기존에 없던 이모티콘 추천 시스템의 설계를 통해 소비자에게는 편의와 이모티콘을 서비스하는 기업에는 매출증대의 효과를 가져올 것으로 예상한다. 그리고 본 연구를 통해 지능형 이모티콘 시스템으로 발전할 수 있는 단초를 제공했다는 점에서 의미가 있다. 본 연구에서 제안한 감성 요인들을 활용하여 감성 라이브러리로 사용함으로써, 새로운 이모티콘 출시 시 감성 평가의 지표로 활용할 수 있다. 축적된 감성 라이브러리와 기업의 판매 데이터, 매출 정보, 소비자 데이터를 결합하여 본 연구에서 제안한 추천 시스템을 복합형 추천 시스템으로 발전시켜 단순 소비자의 편의성이나 매출 증가뿐만 아니라 기업에서 전략적으로 활용 가능한 지적 자산으로 활용할 수 있을 것으로 판단한다.

• 한국수산과학회지
• /
• 제15권1호
• /
• pp.1-25
• /
• 1982

우리나라 남서부에 위치한 대표적 인공호인 옥정호에서 1980년 5월부터 1981년 8월까지 16개월 동안 매월 호소의 이화학적 요인들과 동식물 Plankton의 계절적 변동과 수직적 변동, 그리고 어류상 등을 조사하여 종합적인 육수생물학식 연구를 시행하였다. 표층수의 수온은 8월에 최고 $28.2^{\circ}C$, 1월과 2월에 최저 $3.5^{\circ}C$였다. 저층인 수신 40m 깊이의 수온은 9월이 최고 $8.5^{\circ}C$, 2월에 최저 $3.5^{\circ}C$로서 그 차이는 $5^{\circ}C$였다. 수온 만화에 따른 수온 탁층의 분포 및 수직 안정도를 보면 11월부터 3월까지 저수온기에는 완전 수직혼합이 일어나며 2월에는 표층에서 저층까지 모두 $3.5^{\circ}C$였다. 4월부터 6월까지 표층수 수온의 상승으로 인하여 표층부터 l0m 수신의 층까지에 걸쳐 양층이 형성되며, l0m 이하의 저층수는 $5.6\sim7.1^{\circ}C$의 범위로 성층이 생겼다. 고수온의 표층은 점점 깊어져 $7\sim10$월에는 $15\sim25m$ 수신에 수온탁층이 형성되어 수직 혼합이 일어나는 표층과 안정된 저층으로 구분되었다. 8월의 표층수는 $28.2^{\circ}C$, 저층수온도 상당히 상승되어 9월에는 $8.5^{\circ}C$까지 상승하여 호수의 혼합이 의외로 큰 것을 알 수 있었다. pH의 년중변화는 표층에서 6.8(1월)$\sim$9.0(8월)의 범위이며, 중층에서는 $6.5\sim7.0$, 저층에서는 $6.0\sim7.5$ 였다. DO는 년중 보화상태였고, 저수온기인 겨울철에는 약간 과보화 상태였으며, 년중 각 DO의 약층은 나타나지 않아, 저층까지 DO양은 비교적 높았다. 투명도는 최고가 2월에 4.6m 였고, 최저가 8월에 1.7m 였으며 1980년 8월의 예비조사시에도 8월에 0.9m로 조사기간중 최하였다. 이렇게 낮은 투명도는 이 때 최대로 번모한 Anabaena spiroides, Melosira granulata 등 때문인 것으로 생각된다. 염소양, 지산태 지소, COD, 인산염의 분석결과는 1980년의 값에 비하여 1931년의 값이 다소 증가된 경향을 보인다. 또 칼슘, Mg, Fe와 같은 무기물질들의 분석결과로 보아 옥정호의 수질은 연수로 평가되었고 크룸이나 수은과 같은 중금속물질들도 극히 미양 검출되었다. 조사기관신 본 호에서 채집된 Plankton의 출현종은 모두 7과 72속 107종이었다. 그 중 Phytoplankton은 Cyanophyta가 12종, Bacillariophyta 19종, Chlorophyta 23종이었고, Zooplankton은 Protozoa14종, Rotifera 29종, Cladocera 4종, Copepoda 6종이었다. Phytoplankton의 생산은 $7\sim10$월의 대번식(Peak는 10월 $1,504\times10^3\;cells/l$)과 $1\sim4$월의 소번식(Peak2월 $236\times10^3\;cells/l$)의 2회의 Peak를 나타냈다. Phytoplankton의 종 조성 만화의 양상을 보면 Melosira granulata, Anabaena spiroides와 같이 고수온기인 $7\sim10$월에 번무하는 무리, Asterionella gracillima, Synedra acus, S. ulna와 같이 저수온기에 다양 출현하여 겨울철에 번무하는 무리, 그리고 Microcystis aeruginosa, Ankistrodesmus falcatus와 같이 소양씩 주년 출현하는 세 무리로 대별할 수 있다. Zooplankton의 종 조성 및 출현 양상을 보면 주요 종들은 Thermocyclops taihokuensis, Difflugia corona, Bosmina longirostris, Bosminopsis deitersi, Keratella quadrata, Asplanchna priodonta, A. herricki 등이며, 이들은 $10\sim11$월부터 익년 2월 혹은 4월까지의 저수온기에 출현이 없거나 있어도 매우 적었다. 수직 일견변동은 주로 Microcystis aeruginosa, M. incerta, Anabaena spiroides, Melosira granulata, Bosmina longirstris에 의하여 나타났다. 특히 M. granulata는 일몰과 더불어 저층으로 밀집하는 이동을 했으며 B. longirostris는 일몰과 더불어 표층으로 부상하고 일출과 더불어 전 수층에 확산되는 양상을 보였다. 본 호에서 채집된 어류는 10과 31속 41종이었다. 그 중 Pseudoperilampus uyekii와 Coreoleuciscus splendidus를 포함한 13종의 어류는 한국 특산종으로 우리나라의 다른 호소들에 비하여 어류상이 다양하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• Tuberculosis and Respiratory Diseases
• /
• 제44권2호
• /
• pp.280-289
• /
• 1997

연구목적 : 기관지폐포암은 다양한 임상적, 방사선적인 양상으로 나타나며 대표적인 방사선적인 양상으로 또는 종괴, 국소적 경화, 미만성 결절 또는 경화 등으로 나타난다. 고립성 결절 또는 국소적 경화 병변으로 나타난 기관지폐포암은 다발성 병변과는 달리 예후가 좋으므로 조기에 진단하는 것이 매우 중요하다. 그러나 고립성 결절로 나타나는 기관지폐포암은 비특이적 임상증상과 다양한 방사선 양상으로 폐렴, 폐결핵, 양성병변으로 오인되어 치료의 시기를 놓치는 경우가 있다. 이에 저자들은 고립성 폐결절로 나타난 기관지폐포암의 임상적, 방사선적 특성을 알아보기 위하여 다음과 같은 연구를 시행하였다. 방 법 : 1995년 1월부터 1996 년 8월까지 서울삼성병원에서 병리학적으로 기관지폐포암이 진단되고 방사선 소견에서 고립성 폐결절로 나타난 환자를 대상으로 임상적, 방사선적인 특성을 조사였다. 결 과 : 환자는 총 11명으로 남자는 6명, 여자 5명이었고 환자들의 연령은 37세에서 69세로 중앙 연령값은 60세이었다. 대부분의 환자는 증상이 없이 단순흉부촬영에서 우연히 이상소견이 발견되어 진단되었다. 단순흉부촬영상 대부분 경계가 불명확한 결절 또는 음영증가의 소견을 보였고 단순흉부촬영후 추측진단 양성병변이나 결핵성 폐병변으로 오인되었던 예가 6예였고 5예에서만 악성 결절로 추정되었다. 전산화단층촬영상 경화, 간유리 모양, 기관지 공기 조영, open bronchus sign, internal bubble-like lucencies, spiculated margin 또는 pleural tag등의 소견이 대부분의 환자에서 관찰되었다. FDG-PET 검사를 시행한 8예중 3예에서 악성을 의심하는 소견이 보였고 5예에서 위음성의 소견을 보였다. 병리학적인 진단은 경기관지폐생검과 경피적 폐생검을, 통해 진단된 예가 각각 1예, 2예이었고 8예에서는 비디오흉강경을 이용한 폐생검을 통해 이루어졌다. 환자는 모두 폐엽절제술을 시행받았고 수술후 병기는 $T_1N_0M_0$가 8예, $T_2N_0M_0$가 3예로 근치적 절제술이 가능하였다. 결 론 : 고립성 결절 양상의 기관지폐포암은 증상 없이 우연히 발견되는 경우가 대부분이며 단순흉부촬영상 주로 경계가 불명확한 결절 또는 음영증가의 소견으로 나타나 양성병변으로 오인되는 경우가 많았다. 만약, 이런 병변이 추적검사에서 계속 남아 있거나 커지는 경우는 흉부전산화단층촬영을 시행하여 경화, 간유리 모양, 기관지 공기조영, internal bubble-like lucencies, spiculated margin 또는 pleural tag등 소견을 보인다면 개흉술 등을 포함한 적극적인 진단적 접근이 필요하다고 생각된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.

• 한국노년학
• /
• 제30권3호
• /
• pp.973-992
• /
• 2010

노년기의 일상생활의 질을 좌우하는 질병으로 청각장애가 대표적이다. 본 연구는 노년기의 청력손실이 삶의 질에 미치는 영향을 분석하기 위하여 한국형 청각장애평가지수를 개발하고자 하였다. 이러한 도구는 임상현장에서 접하게 되는 노인성 난청의 어려움을 도울 수 있는 청각재활의 질을 향상시킬 수 있다. 연구대상자는 청각장애를 가진 288명(보청기 착용자:176명, 보청기 미착용자:112명)을 대상으로 평균연령은 67.40세(보청기 착용자: 60.15세, 보청기 미착용자:78.79세)로 남녀의 구성비는 58.0%와 42.0%이고, 외향적인 성격과 내향적인 성격 대상자의 분포는 49.3%와 50.7%로 균형이 맞는 구성을 이루었다. 한국형 청각장애평가지수 시안 설문지 5개척도 30개 문항을 한국인의 정서에 맞는 문항으로 작성하였다. 이러한 시안에 대한 요인분석을 통하여 4개의 척도(1척도: 사회적인 영향, 2척도: 심리·정서적인 영향, 3척도: 대인관계의 영향, 4척도: 보청기에 대한 견해)를 구분하고 각 척도에 대하여 6개 문항씩 구성된 24개 문항의 설문지인 한국형 청각장애평가지수(Korean evaluation scale for hearing handicap, KESHH)를 개발하였다. KESHH에 대한 연구결과는 다음 다섯 가지로 요약할 수 있다. 첫째로 KESHH의 척도별 신뢰도(cronbach alpha 값)는 0.723에서 0.895로 매우 높게 나타났다. 둘째로 설문 점수 비교에서는 최소점수 24점에서 최대 117점으로 보청기 착용자의 평균 점수는 72.06점(SD=15.67)로 보청기 미착용자의 평균 점수 66.98점(SD=20.94)에 비해 5.08점 높게 나타났다. 청력정도별 설문점수에서는 경도난청 이하에서 52.63점, 중도난청에서 67.29점, 중고도난청에서 71.89 그리고 고도난청이상에서 75.57점으로 청력정도가 높아질수록 KESHH의 점수도 유의미하게 높아지는 것으로 나타났다(p<0.001). 셋째로 4개의 척도간의 상관관계는 상관계수가 0.384~0.880((p<0.001)로 유의미한 상관관계가 있는 것으로 나타났다. 또한 평균청력, 성격, 4개의 척도간 상관분석에서 평균청력과 성격 그리고 평균청력과 보청기에 대한 견해를 제외한 모든 영역에서 상관계수는 0.148~0.880으로 모두 통계적으로 유의미한 상관관계를 나타냈다. 넷째, 각 척도에 대한 단계별 다중회귀분석으로 설명도를 확인하였다. 사회적인 영향의 척도는 순음평균청력, 성격, 보청기 사용상태가 17.4%를 설명하였고, 심리·정서적인 영향 척도는 순음평균청력, 성격, 보청기 사용상태, 연령이 14.4%를 설명하였고 대인관계의 영향은 순음평균청력, 성격, 보청기 사용상태가 11.2%를 설명하였고 보청기에 대한 견해는 성격이 2.2%를 설명하였다. 마지막으로 검사-재검사 신뢰도는 0.791(p<0.001)로 나타났다. 결론적으로 한국인의 정서를 고려하여 개발된 KESHH설문지는 노년기의 청력손실로 느끼게 되는 장애의 정도를 점수로 표현하는 도구로 유용하며, 임상현장의 다양한 상황에서 보청기의 착용 전 후와 청각재활 전 후의 청각장애지수의 변화를 평가 할 수 있는 검사도구로 사용할 수 있을 것으로 사료된다.