• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.191-211
• /
• 2022

글로벌 지속가능성이 큰 기업들의 가치가 높아짐에 따라 ESG가 최대 화두로 주목받고 있다. 이러한 배경에서 전반적인 글로벌 흐름에 맞추어 국내 ESG에 관한 학문 연구도 급속하게 증가하고 있다. 이에 본 연구에서는 국내 ESG 연구 동향을 살펴보기 위해 체계적 문헌 고찰방법론을 활용하여 ESG 연구의 학문적 관심도 변화를 살펴보고 연구의 주요키워드들을 추출하였다. 이를 위해 지난 10년간 연구가 진행된 ESG 학술논문들을 연도별로 수집하고, 핵심주제어와 논문 제목을 활용하여 텍스트마이닝 기법으로 빈도분석을 하였다. 연구결과 첫째, 국내 ESG 학술논문들의 연도별 게재 수를 계랑 서지학 분석의 누적 수로 분석한 결과 해마다 ESG 연구논문들의 게재수가 증가하고 있으며 이를 통해 ESG 이슈에 대한 학문적 관심도의 지속적인 증가를 확인하였다. 둘째, 연구대상 논문들의 핵심주제어와 논문 제목의 빈도분석 결과로 ESG, 기업, 사회, 책임, 경영, 투자, 지속가능의 단어들이 추출되었다. 또한, 해외에서 체계적 문헌고찰로 진행된 연구를 바탕으로 국내외 ESG 주요키워드들이 공통으로 책임, 지속가능, 경영 임을 확인하였다. 그리고 최근 국외 연구에서 제시한 ESG 주요 이슈와 본 연구에서 제시한 ESG 핵심키워드들의 공통요소들을 비교한 결과 과거 연구들과 비교하면 최근 연구의 관심사가 환경임을 확인할 수 있었다. 셋째, 국내 ESG 연구들이 활용한 데이터들은 주로 KEJI 지수, KRX 지수, KCGS ESG 평가지수 등이 있음을 알 수 있었고, 그리고 중소기업을 대상으로 한 연구는 전체 152편 중 총 8편으로 현저하게 부족함을 확인하였다. 본 연구를 통해 ESG 연구 동향과 연구의 증가 폭을 확인할 수 있었으며, 향후 후속 연구자들이 연구주제 및 연구키워드에 대해 구분하고 더욱 다양한 연구주제 선정하는데 기초자료를 제시하였다. 또한, 중소기업 대상 학문 연구는 아직 미흡하거나 부족하여 이에 관한 관심과 연구가 강화될 필요가 있으며, 빠르게 급변하는 시장에서 실무적으로 접목할 수 있는 ESG 실천 지침 등을 고려한 후속 연구가 필요하다.

• 벤처혁신연구
• /
• 제7권1호
• /
• pp.183-200
• /
• 2024

최근 MZ세대의 사회진출과 여성인구의 사회참여로 WLB을 중시하는 직장내 그룹은 협업을 중시하던 기존 그룹과 업무지향점의 차이로 갈등이 발생하고 있다. 일·생활 균형 지원제도를 활용하고 있는 공공기관 및 기업은 업무성격과 일·생활 균형 지원제도의 활성화에 따라서 직무몰입에 차이를 보인다. 이에 따라, 회사에서 실질적으로 운영중인 WLB 지원제도의 효과성을 검증하고 보편타당한 기준을 제시하는 것이 필요하다. 일·생활 균형 수준 향상을 위한 제도는 남녀 노동자의 일·가정 양립 여건을 제고하고 MZ세대의 직장에 대한 이상적 가치관과 부합하며, 융통성 있는 경력 설계를 가능하게 해 여성의 노동시장 탈락을 예방하고, 일자리 나누기를 통한 일자리 창출 효과가 있다. 또한, MZ세대의 사회진출과 여성인구(Working Mom)의 사회참여로 WLB을 중시하는 직장내 그룹은 협업을 중시하는 기존 직장 그룹과 업무지향점의 차이로 갈등이 발생하고 있다. 회사 및 조직은 유연근무제도 등 일·생활 균형과 업무성격에 따라서 직무몰입에 차이를 보인다. 이에 공공기관 및 중견·대기업에서 실제 운영 중인 WLB를 위한 제도의 효과성을 검증하여 보편타당한 WLB 지원제도의 합의점을 도출하였다. 본 연구의 목적은 첫째, 근로환경에 대한 정책과 인식이 변화하는 가운데 일·생활 균형을 위한 지원제도의 효과성을 검증하고 실무적 합의점을 찾고자 하였으며, 둘째, 일·생활 균형 수준 및 업무성격에 따른 직무몰입 영향을 분석하여 업무 특성을 반영한 WLB 운영에 대한 기준을 마련하기 위한 상호간의 영향을 검증하였다. 연구를 위해 일·생활 균형 수준과 업무 성격이 직무몰입에 어떠한 영향을 미치는지 2x2 매트릭스 모형으로 구성하여 상호간 관계를 분석하였으며, 4가지 갈등형, 주도형, 동조형, 협동형 그룹으로 분류하여 상호관계를 확인하였다. 연구의 가설검증 결과, 첫째 일·생활 균형 수준이 높고, 협업 지향적인 갈등형 그룹은 직무몰입의 수준이 가장 낮은 것으로 나타났다. 이에 따라 전통적인 입장의 협업을 강조하는 업무 형태에서는 일·생활 균형을 위한 지원제도를 도입하는데 제한된 입장이 있음을 확인하였다. 둘째, 일·생활 균형 수준이 높고, 개인 지향적인 주도형 그룹은 직무몰입의 수준이 가장 높은 것으로 나타났다. 즉, MZ세대의 사회진출 및 여성인구의 고용률 증가를 반영하여 개별적으로 수행할 수 있는 업무처리 시스템을 개발하고 활성화하여 WLB 수준과 부합할 때 직무몰입에 대한 동기부여가 가능하며, 일·생활 균형 지원 제도의 적절한 활용이 가능함이 검증 되었다. 연구의 학문적 시사점은 일·생활 균형 수준과 업무 성격을 요인으로 구성원의 성격을 세분화한 것이며, 실무적 시사점은 공공기관 및 대기업에서 운영중인 WLB 지원 제도를 그룹화하여 효과성을 분석한 것이다. 마지막으로, 추후 연구에서는 연구 대상을 다양한 조직이나 산업에 적용할 수 있도록 폭넓게 설정하고, 일·생활 균형을 위한 지원제도와 업무성격을 세분화 하여 연구할 필요가 있다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.123-138
• /
• 2017

주식 시장은 거래자들의 기업과 시황에 대한 기대가 반영되어 움직이기에, 다양한 원천의 텍스트 데이터 분석을 통해 주가 움직임을 예측하려는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 것이기에 단순히 주가의 등락 뿐만이 아니라, 뉴스 기사나 소셜 미디어의 반응에 따라 거래를 하고 이에 따른 수익률을 분석하는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 연구들도 다른 분야의 텍스트 마이닝 접근 방안과 동일하게 단어-문서 매트릭스를 구성하여 분류 알고리즘에 적용하여 왔다. 문서에 많은 단어들이 포함되어 있기 때문에 모든 단어를 가지고 단어-문서 매트릭스를 만드는 것보다는 단어가 문서를 범주로 분류할 때 기여도가 높은 단어들을 선정하여야 한다. 단어의 빈도를 고려하여 너무 적은 등장 빈도나 중요도를 보이는 단어는 제거하게 된다. 단어가 문서를 정확하게 분류하는 데 기여하는 정도를 측정하여 기여도에 따라 사용할 단어를 선정하기도 한다. 단어-문서 매트릭스를 구성하는 기본적인 방안인 분석의 대상이 되는 모든 문서를 수집하여 분류에 영향력을 미치는 단어를 선정하여 사용하는 것이었다. 본 연구에서는 개별 종목에 대한 문서를 분석하여 종목별 등락에 모두 포함되는 단어를 중립 단어로 선정한다. 선정된 중립 단어 주변에 등장하는 단어들을 추출하여 단어-문서 매트릭스 생성에 활용한다. 중립 단어 자체는 주가 움직임과 연관관계가 적고, 중립 단어의 주변 단어가 주가 상승에 더 영향을 미칠 것이라는 생각에서 출발한다. 생성된 단어-문서 매트릭스를 가지고 주가의 등락 여부를 분류하는 알고리즘에 적용하게 된다. 본 연구에서는 종목 별로 중립 단어를 1차 선정하고, 선정된 단어 중에서 다른 종목에도 많이 포함되는 단어는 추가적으로 제외하는 방안을 활용하였다. 온라인 뉴스 포털을 통해 시가 총액 상위 10개 종목에 대한 4개월 간의 뉴스 기사를 수집하였다. 3개월간의 뉴스 기사를 학습 데이터로 분류 모형을 수립하였으며, 남은 1개월간의 뉴스 기사를 모형에 적용하여 다음 날의 주가 움직임을 예측하였다. 본 연구에서 제안하는 중립 단어 활용 알고리즘이 희소성에 기반한 단어 선정 방안에 비해 우수한 분류 성과를 보였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.143-156
• /
• 2012

누구나 뉴스와 주가 사이에는 밀접한 관계를 있을 것이라 생각한다. 그래서 뉴스를 통해 투자기회를 찾고, 투자이익을 얻을 수 있을 것으로 기대한다. 그렇지만 너무나 많은 뉴스들이 실시간으로 생성 전파되며, 정작 어떤 뉴스가 중요한지, 뉴스가 주가에 미치는 영향은 얼마나 되는지를 알아내기는 쉽지 않다. 본 연구는 이러한 뉴스들을 수집 분석하여 주가와 어떠한 관련이 있는지 분석하였다. 뉴스는 그 속성상 특정한 양식을 갖지 않는 비정형 텍스트로 구성되어있다. 이러한 뉴스 컨텐츠를 분석하기 위해 오피니언 마이닝이라는 빅데이터 감성분석 기법을 적용하였고, 이를 통해 주가지수의 등락을 예측하는 지능형 투자의사결정 모형을 제시하였다. 그리고, 모형의 유효성을 검증하기 위하여 마이닝 결과와 주가지수 등락 간의 관계를 통계 분석하였다. 그 결과 뉴스 컨텐츠의 감성분석 결과값과 주가지수 등락과는 유의한 관계를 가지고 있었으며, 좀 더 세부적으로는 주식시장 개장 전 뉴스들과 주가지수의 등락과의 관계 또한 통계적으로 유의하여, 뉴스의 감성분석 결과를 이용해 주가지수의 변동성 예측이 가능할 것으로 판단되었다. 이렇게 도출된 투자의사결정 모형은 여러 유형의 뉴스 중에서 시황 전망 해외 뉴스가 주가지수 변동을 가장 잘 예측하는 것으로 나타났고 로지스틱 회귀분석결과 분류정확도는 주가하락 시 70.0%, 주가상승 시 78.8%이며 전체평균은 74.6%로 나타났다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.