• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.448-459
• /
• 2021

In this paper, we propose a method of predicting the next-day stock price fluctuations of 10 KOSDAQ-listed companies in 5G, autonomous driving, and electricity sectors by training SVM, XGBoost, and LightGBM models from macroeconomic·financial market indicators, technical indicators, social interest indicators, and daily positive indices extracted from online news. In the three experiments to find out the usefulness of social interest indicators and daily positive indices, the average accuracy improved when each indicator and index was added to the models. In addition, when feature selection was performed to analyze the superiority of the extracted features, the average importance ranking of the social interest indicator and daily positive index was 5.45 and 1.08, respectively, it showed higher importance than the macroeconomic financial market indicators and technical indicators. With the results of these experiments, we confirmed the effectiveness of the social interest indicators as alternative data and the daily positive index for predicting stock price fluctuation.

• 경영과학
• /
• 제20권1호
• /
• pp.25-36
• /
• 2003

Now that many organizations have invested a tremendous amount of money and efforts to operate Web sites on the Internet, there is a strong demand to understand the effectiveness of such investments. In other words, one of most frequent and important questions about their Web sites is "Will the current Web site management policy be effective enough to have more visitors come to our Web site\ulcorner" In this paper, a system which predicts the degree of user interest in the future to Web sites is constructed. The degree of user interest to a Web site is defined to be the visit counts for the Web site in the system. With higher the visit counts, the related site is considered to be more interesting. However, the figures of the visit counts themselves cannot explain properly the degree of user Interest in the future to the related Web sites (i.e. the effectiveness of the related Web sites). Therefore, the system also uses mechanisms which use the concept of the Moving Averages, which have been used frequently in the stock exchanges. In this paper. two prediction mechanisms are proposed and compared. The first mechanism uses the Golden Cross/the Dead Cross of the Moving Averages, while the second mechanism uses the changes of upward/downward direction of the Moving Averages. Experimental results show that the two prediction mechanisms proposed in this paper predict the degree of user interest in the future to the related Web sites very well in most cases. However, the first one is considered to be better than the second one In the sense that the second one is too much sensitive to the changes of visit counts.it counts.

• 한국콘텐츠학회논문지
• /
• 제20권10호
• /
• pp.702-714
• /
• 2020

주식 투자는 재테크의 하나로 금리 인하와 비과세 제도의 축소에 따라 주목을 받기 시작했다. 그러나 투자에 전문적인 지식이 필요할 뿐 아니라 위험 부담이 크다는 단점이 있다. 따라서 주가 경향의 정확한 예측은 개인투자자에게나 주식 투자 관련 서비스를 제공하는 회사에 중요한 능력이며, 더욱 정확한 예측을 위한 연구가 활발히 진행 중이다. 그러나 예측 연구들의 공정한 비교와 최고의 예측 모델을 얻기 위한 하이퍼-파라미터의 최적화에는 예측 모델의 성능을 정확하게 평가하는 방법이 필요한데, 지금까지 예측 모델의 성능 평가에 대한 연구는 미진한 상태이며, 기존 방법들을 그대로 답습하고 있는 실정이다. 이에 본 논문에서는 주가 예측 모델 성능 평가를 측정기준과 데이터 구성의 관점에서 분석하고, 예측 불균형 비율을 이용한 주가 경향 예측 모델의 공정한 성능 평가 방법을 제안한다.

• ETRI Journal
• /
• 제44권2호
• /
• pp.208-219
• /
• 2022

Crime amount prediction is crucial for optimizing the police patrols' arrangement in each region of a city. First, we analyzed spatiotemporal correlations of the crime data and the relationships between crime and related auxiliary data, including points-of-interest (POI), public service complaints, and demographics. Then, we proposed a crime amount prediction model based on 2D convolution and long short-term memory neural network (2DCONV-LSTM). The proposed model captures the spatiotemporal correlations in the crime data, and the crime-related auxiliary data are used to enhance the regional spatial features. Extensive experiments on real-world datasets are conducted. Results demonstrated that capturing both temporal and spatial correlations in crime data and using auxiliary data to extract regional spatial features improve the prediction performance. In the best case scenario, the proposed model reduces the prediction error by at least 17.8% and 8.2% compared with support vector regression (SVR) and LSTM, respectively. Moreover, excessive auxiliary data reduce model performance because of the presence of redundant information.

• Journal of the Korean Data and Information Science Society
• /
• 제14권3호
• /
• pp.641-651
• /
• 2003

This study suggests the hybrid models for interest rate forecasting using structural changes (or change points). The basic concept of this proposed model is to obtain significant intervals caused by change points, to identify them as the change-point groups, and to reflect them in interest rate forecasting. The model is composed of three phases. The first phase is to detect successive structural changes in the U. S. Treasury bill rate dataset. The second phase is to forecast the change-point groups with data mining classifiers. The final phase is to forecast interest rates with backpropagation neural networks (BPN). Based on this structure, we propose three hybrid models in terms of data mining classifier: (1) multivariate discriminant analysis (MDA)-supported model, (2) case-based reasoning (CBR)-supported model, and (3) BPN-supported model. Subsequently, we compare these models with a neural network model alone and, in addition, determine which of three classifiers (MDA, CBR and BPN) can perform better. For interest rate forecasting, this study then examines the prediction ability of hybrid models to reflect the structural change.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 2부
• /
• pp.71-77
• /
• 2008

This study conducted to tried to find a way of on-line assessment of learner's interest and comprehension during interactive learning process. The result of experiment confirmed hat learners' behavior patterns acquired from log data could be good predictors of learner's level of interest and comprehension in actual performance on KORI program. To predict learning outcome depending on the behaviors of individual learners, self-efficacy and mastery goal orientation were measured as individual differences. Then, participants were asked to use TA program KORI program at home for ten days and their response patterns were recorded through network. After using KORI, the levels of interest and comprehension were measured. As the result of multiple regression analysis, each learner's interest and comprehension were predicted depending on the combination of log data captured on real-time. This prediction process was done differently depending on learners' characteristics. Since equations which predict learners' interest and comprehension are different depending on learners' characteristics, differential interfaces should be provided depending upon changes in their level of interest and comprehension.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1093-1102
• /
• 2012

본 연구에서는 다변량시계열모형인 VAR (vector autoregressive regression)모형에 의하여 금리 스프레드의 시계열예측을 수행하였다. 국내외 거시경제변수들 중에서 교차상관분석 및 그랜져인과 검정을 통하여 상호간에 설명력이 있는 변수들을 추출하여 VAR모형의 시계열변수로 사용하였다. 마지막 12개월의 예측치에 대한 MAPE (mean absolute percentage error)와 RMSE (root mean square error)에 근거하여 모형의 예측력을 단일변량 시계열모형인 AR (autoregressive regression) 모형과 비교하였다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.267-272
• /
• 2020

거시경제는 한 나라 경제 전체의 움직임을 보여주기 때문에 주식을 분석할 때 선행되어 분석되는 지표 중 하나이다. 실업률, 이자율, 물가, 국민소득, 환율, 통화량, 국제수지 등 국가차원의 경제 상황 전반은 주식시장에 직접적인 영향을 미치고, 경제 지표는 개별 주가와의 상관관계가 있기 때문에 주식을 예측하기 위해 많은 증권사 애널리스트들이 관심 있게 지켜보고, 개별 주가에 영향을 고려하여 매수와 매도를 판단하는 주요한 근거자료가 되고 있다. 주가에 영향을 미치는 경제 지표를 선행지표로 분석하고, 주가예측을 딥러닝 기반의 예측을 통하여 예측 후 실제 주가를 비교하여 차이가 발생하면 거시지표에 대한 가중치를 조절하여 지속적인 반복학습을 통하여 주식의 매수와 매도를 판단한다면, 주식은 더 이상 도박과 같은 투기가 아닌 건전한 투자가 될 수 있다. 따라서 본 연구는 거시지표와 인공지능의 딥러닝 알고리즘방식을 이용하여 자동화된 주식매매가 가능하도록 연구를 수행하였다.

• Communications for Statistical Applications and Methods
• /
• 제26권3호
• /
• pp.261-272
• /
• 2019

In this paper, we propose a procedure to build a prediction interval of the sum of dependent binary random variables over a graph to account for the dependence among binary variables. Our main interest is to find a prediction interval of the weighted sum of dependent binary random variables indexed by a graph. This problem is motivated by the prediction problem of various elections including Korean National Assembly and US presidential election. Traditional and popular approaches to construct the prediction interval of the seats won by major parties are normal approximation by the CLT and Monte Carlo method by generating many independent Bernoulli random variables assuming that those binary random variables are independent and the success probabilities are known constants. However, in practice, the survey results (also the exit polls) on the election are random and hardly independent to each other. They are more often spatially correlated random variables. To take this into account, we suggest a spatial auto-regressive (AR) model for the surveyed success probabilities, and propose a residual based bootstrap procedure to construct the prediction interval of the sum of the binary outcomes. Finally, we apply the procedure to building the prediction intervals of the number of legislative seats won by each party from the exit poll data in the $19^{th}$ and $20^{th}$ Korea National Assembly elections.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.