• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 춘계정기학술대회 e-Business를 위한 지능형 정보기술 / 한국지능정보시스템학회
• /
• pp.251-258
• /
• 2000

인공신경망에 의해 부도예측을 하기 위해서는 여러 개의 재무비율을 입력변수 즉, 입력노드로 이용하는데, 이 가운데 적절한 입력노드를 선정하는 일은 예측력을 결정하는데 있어서 매우 중요하다. 본 연구에서는 새로운 입력노드 선정 휴리스틱을 제안하기 위하여 적절한 훈련이 끝난 인공신경망 모델에서 각 입력노드와 연결되는 가중치들의 합에 대한 절대값인 연결강도가 작은 경우 해당 노드는 출력값에 대한 설명력이 약할 것이다라는 연결강도판별 명제를 제시한다. 즉, 연결강도가 연결강도임계치보다 작은 입력노드는 제거 대상으로 분류할 수 있을 것이고, 이들 노드를 제외한 입력노드는 그렇지 않은 경우보다 더 나은 예측력을 보여 줄 수 있을 것이다. 연결강도판별 명제를 실증적으로 입증하기 위해 본 연구에서는 연결강도판별 선처리 과정에 대한 방법론을 제안하고 제안된 방법론에 의해 부도예측을 실시하여 아무런 선처리를 거치지 않은 모형과 비교하였고, 또 기존의 입력변수 선정방식 중에 하나인 의사결정트리 방식에 의한 입력변수 선정 모형과도 비교하여 더 나은 결과를 얻었다.

• 대한교통학회지
• /
• 제16권4호
• /
• pp.21-32
• /
• 1998

인공신경망을 이용하여 고속도로 교통량을 예측함에 있어, 입력요소에 따른 예측력의 차이를 분석하였다. 입력요소의 차이는 크게 공간적 지점의 차이와 시간적 시점의 차이로 구분하였다. 우선 공간적 지점에 관한 입력요소로는 두 가지 경우를 가정하였는 바, 그 하나는 상류지점의 교통량만을 입력요소로 사용한 경우이며, 나머지는 목표지점에 대한 상.하류지점의 교통량을 입력요소로 사용한 경우이다. 시간적 시점의 관점에서는 단일시점과 다중시점으로 입력요소를 구분하였다. 경부고속도로 FTMS자료를 이용하여 분석한 사례연구의 결과, 미래 시점의 교통량을 예측할 때 모형의 입력요소로 상류지점의 교통량만을 단독으로 사용했을 때보다 상.하류지점의 자료를 사용했을 때 예측력은 훨씬 높아지는 것으로 분석되었다.

• 응용통계연구
• /
• 제36권2호
• /
• pp.129-139
• /
• 2023

변동성의 예측은 자산의 리스크에 대비하는 데에 중요한 역할을 하기때문에 필수적이다. 인공지능을 통하여 이러한 복잡한 특성을 지닌 변동성 예측을 시도하였는데 기존 시계열 예측에 적합하다 알려진 LSTM (1997)과 GRU (2014)은 기울기 소실로 인한 문제, 방대한 연산량의 문제, 그로 인한 메모리양의 문제 등이 존재하였다. 변동성 데이터는 비정상성(non-stationarity)과 정상성(stationarity)을 모두 가지고 있는 특성이 있으며, 자산 가격 하방 쇼크에 더 큰 폭으로 상승하는 비대칭성과 상당한 장기 기억성, 시장에 큰 사건이 발생할 때 기존의 값들에 비해 이상치라 할 수 있을 정도의 예측할 수 없는 큰 값이 발생하는 특성들이 존재한다. 이렇게 여러 가지 복잡한 특성들은 하나의 모형으로 구조화되기 어려워서 전통적인 방식의 모형으로는 변동성에 대한 예측력을 높이기 어려운 면이 있다. 이러한 문제를 해결하기 위해 1D CNN의 발전된 형태인 causal TCN (causal temporal convolutional network) 모형을 변동성 예측에 적용하고, 예측력을 최대화 할 수 있는 TCN 구조를 설계하고자 하였다. S&P 500, DJIA, Nasdaq 지수에 해당하는 변동성 지수 VIX, VXD, and VXN, 에 대하여 예측력 비교를 하였으며, TCN 모형이 RNN 계열의 모형보다도 전반적으로 예측력이 높음을 확인하였다.

• 경영과정보연구
• /
• 제30권2호
• /
• pp.237-255
• /
• 2011

변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.

• 한국조사연구학회지:조사연구
• /
• 제4권2호
• /
• pp.87-102
• /
• 2003

한국에서 선거여론조사 역사는 그리 오래되지 않았지만, 선거예측의 정확성 제고를 위한 끊임없는 연구와 노력 끝에 예측력 향상은 빠른 시일 내에 큰 발전을 이루어 왔다. 표본추출과 실사관리의 엄격함은 물론, 현실에 맞는 새로운 자료수집 방범의 도입, 과학적인 통계분석 기법의 확립 등의 다양한 노력이 있었기 때문이다. 특히, 기존의 전화조사만을 통한 예측이 많은 한계를 드러냄에 따라 출구조사를 통한 예측이 보다 큰 관심을 받아 온 가운데, 2002년 12월 16대 대선에서 완벽한 예측을 해냄으로써 출구조사의 정확한 예측력을 널리 선보인 바 있다. 이에 본 글에서는 출구조사의 방법론적 특성과 예측력을 좌우하는 요인에 대해, 지난 대선 출구조사의 기획과 실행 과정을 중심으로 정리해 보고자 한다.

• 한국경제지리학회지
• /
• 제16권3호
• /
• pp.458-471
• /
• 2013

본 논문은 토지 이용 변화를 예측하는 계량 모형의 정확도 평가에 필수적인 통계량인 성능 지수를 심도 있게 이해하는 것을 목적으로 한다. 이 통계량은 기존의 토지 이용 변화 연구에서 소개된 예측 모형의 정확도를 평가하는 다른 통계량들 (예: 카파 통계량)의 단점을 보완하여 만들어진 것이나, 이 또한 계량 모형의 예측력을 명확하게 평가하고 해석하기에는 제한적이다. 본 논문에서는 성능 지수의 보다 명확한 해석을 위해서 결과물의 공간해상도를 고정해야 함을 밝히고, 그 특정 공간해상도를 "성능 해상도"라 정의한다. 성능 해상도는 예측오류가 현격하게 줄어들면서 계량모형의 예측력이 증가하는 시점의 공간해상도를 일컫는다. 따라서 토지 이용 변화 예측 모형의 예측력을 정확하게 평가하기 위해 두 통계량, 즉 성능 지수와 성능 해상도를 함께 이용할 것을 제안한다.

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• 한국소음진동공학회논문집
• /
• 제14권6호
• /
• pp.503-511
• /
• 2004

본 연구에서는 푸리에 모델, 확률 모델, 그리고 Newmark 설계 스펙트럼 방법과 같은 응답예측 모델을 사용하여 속도의존형 감쇠장치에 의해 제어되는 구조물의 응답과 제어기의 최대제어력을 예측하였다. 이를 위해, 유사 속도로부터 실제 속도를 예측하는 방법이 제안되었으며, 이 방법은 감쇠장치에 의해 증가되는 감쇠비의 실제속도에 대한 효과를 고려한다. 시간이력해석결과는 정확한 최대제어력을 예측하기 위해서는 실제속도가 사용되어야 하며, 제안된 방법에 의해 수정된 Newmark 설계 스펙트럼이 가장 전 주기구간에 걸쳐 정확한 예측 값을 산정함을 보여준다.

• 한국지반환경공학회 논문집
• /
• 제17권6호
• /
• pp.13-21
• /
• 2016

기존의 토사재해 위험지역 예측은 토질특성과 경사만으로 분석되기 때문에 지역적 특징이 반영되어 있지 않다. 따라서 보다 합리적인 위험지 예측 분석을 위하여 해당지역의 특징을 반영한 토사재해 위험지 예측을 할 필요가 있다. 토사재해 위험지의 특징 중 하나인 수목의 뿌리는 토사 내 점착력을 증가시키는 작용을 하는 것으로 연구되어 왔으며, 수목의 종류에 따라 그 영향이 다른 것으로 알려져 있다. 또한, 지역에 따라 수목의 밀집 정도(수관밀도)가 다양하기 때문에 실제 수목의 분포를 고려하여 토사재해 위험지역 예측을 한다면 보다 합리적인 위험지 예측이 가능할 것이다. 본 연구에서는 세종시 괴화산 일대를 중심으로 수목의 수관밀도를 고려한 뿌리점착력을 사용하여 토사재해 위험지역 예측을 하였으며, 뿌리점착력을 적용하지 않은 토사재해 위험지역 예측 결과와 비교하였다.

• 한국심리학회지:법
• /
• 제13권2호
• /
• pp.99-119
• /
• 2022

성범죄자의 재범 우려가 큰 가운데 특정 성범죄자들은 다른 성범죄자들에 비해 재범하는 경향이 더 높은 것으로 알려져 있다. 이에, 연구자들은 성범죄자의 재범을 예측하는 요인들을 규명하기 위해 노력해왔다. 본 연구에서는 현재 교정시설에서 사용하는 STATIC-99(정적 위험 요인 평가)와 HAGSOR-동적요인을 사용하여, 각 도구의 재범 예측력을 분석하였다. 분석 결과 STATIC-99와 HAGSOR-동적요인은 통계적으로 유의한 재범 예측력을 가진 것으로 나타났다(각각 AUC = .737, AUC = .597, ps < .001). 그러나 성범죄 재범에 대해서는 STATIC-99만 통계적으로 유의한 예측력을 보였다(AUC = .743, p < .001). 또한 HAGSOR-동적요인을 추가한 Model의 재범 예측에 대한 설명력은 STATIC-99만을 투입한 Model보다 통계적으로 유의한 수준에서 증가하는 것으로 나타나(∆χ² = 12.721, p < .001), HAGSOR-동적요인의 증분적 재범 예측력이 확인되었다. 그러나 성범죄에 대한 증분적 재범 예측력은 확인되지 못하였다. 재범 위험성 평가 항목 중 정적 위험요인은 친족피해자를 제외한 모든 항목이 재범을 유의하게 예측하였으며, 동적 위험요인 중 범죄적 성격, 대인관계 공격성, 사회적지지(부족)이 재범에 영향을 미치는 것으로 분석되었다. 결과에 대한 함의와 현장에서 도구의 사용 문제, 개선 방향 등이 추가로 논의되었다.