• 대한핵의학회지
• /
• 제34권4호
• /
• pp.265-275
• /
• 2000

The thyroid gland is an interesting endocrine organ where a spectrum of tumors with different behavior arise. At one end of spectrum there is differentiated thyroid carcinoma (DTC) with excellent prognosis, whereas at the other end of the spectrum is anaplastic thyroid cancer which has universally poor outcome. Radioiodine (I-131) therapy has been in use for the treatment of thyroid diseases since 1946. It was introduced by Seidlin et al. 1) Although the use of I-131 has been vouge for a long time, its use in therapy for well differentiated thyroid cancer is still controversial 2). This is because, thyroid cancers (TC) are generally slow growing tumors, with low mortality and normal spans of survival. To record recurrence and mortality, long term follow up studies over a period of two to three decades are needed to establish definite conclusions on the acceptable mode of treatment The incidence of the disease being very low a large number of cases needed to establish a meaningful statistical data is lacking as most published reports feat with small series. Here again in the problem encountered are the differing protocols for treatment with I-131, the indications for treatment which may include or exclude ablation of residual thyroid tissue, cervical nodal and distal metastases. The dosage of I-131 used for ablation of residual thyroid tissue and metastatic disease also vary. The most reliable conclusion regarding I-131 treatment are obtained from studies reported on a large series of patients followed over a period of 2 decades or more from a single institute with a more or less unchanged protocol of management.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.152-159
• /
• 2023

This study endeavors to enrich investment prospects in cryptocurrency by establishing a rationale for investment decisions. The primary objective involves evaluating the predictability of four prominent cryptocurrencies - Bitcoin, Ethereum, Litecoin, and EOS - and scrutinizing the efficacy of trading strategies developed based on the prediction model. To identify the most effective prediction model for each cryptocurrency annually, we employed three methodologies - AutoRegressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), and Prophet - representing traditional statistics and artificial intelligence. These methods were applied across diverse periods and time intervals. The result suggested that Prophet trained on the previous 28 days' price history at 15-minute intervals generally yielded the highest performance. The results were validated through a random selection of 100 days (20 target dates per year) spanning from January 1st, 2018, to December 31st, 2022. The trading strategies were formulated based on the optimal-performing prediction model, grounded in the simple principle of assigning greater weight to more predictable assets. When the forecasting model indicates an upward trend, it is recommended to acquire the cryptocurrency with the investment amount determined by its performance. Experimental results consistently demonstrated that the proposed trading strategy yields higher returns compared to an equal portfolio employing a buy-and-hold strategy. The cryptocurrency trading model introduced in this paper carries two significant implications. Firstly, it facilitates the evolution of cryptocurrencies from speculative assets to investment instruments. Secondly, it plays a crucial role in advancing deep learning-based investment strategies by providing sound evidence for portfolio allocation. This addresses the black box issue, a notable weakness in deep learning, offering increased transparency to the model.

• 실천공학교육논문지
• /
• 제16권1_spc호
• /
• pp.51-58
• /
• 2024

본고는 Kospi와 S&P500 지수를 이용해 한미 주식시장 간 차이를 보고 이를 통해 정책적 시사점을 논하고자 한다. 이를 위해 기존 시계열 분석 방법에 더해 심층학습 방법으로 시장간 비교를 하되 주가 예측력, 자료 생성 능력 측면에서 비교를 했다. 월별자료에서 시계열간 차이는 크지 않고 일별 자료에서 안정성 측면에서 차이가 약하며, 예측력이나 모의자료 생성에서도 차이가 크지 않았다. 본 연구결과와 같이 시장가격 움직임의 패턴이 한미간에 차이가 크지 않다면, 공매도의 부작용에 대한 대책으로 담보비율, 보고주기와 같은 직접적 규제보다 미국과 유사하게 투자자들의 자산운용 전략에 영향을 미치는 장기 주식보유에 대한 세제혜택과 같은 제도개편이 효과적이라 본다.

• 기술혁신연구
• /
• 제31권2호
• /
• pp.59-82
• /
• 2023

본 논문에서는 우리나라 경제성장과 연구수행 주체별 공공 연구개발투자, 기업연구개발투자, 대학 연구개발 투자 간의 장·단기 인과관계를 실증 분석하였다. 이를 위해 1976년부터 2020년 동안의 시계열 자료를 바탕으로 단위근 검정, 공적분 검정, 백터오차수정모형(VECM)을 통한 인과성 검정을 실시하였다. 분석결과, 우리나라 경제성장과 공공 연구개발투자, 기업 연구개발투자, 대학 연구개발투자 간에는 장기적으로 인과관계가 존재하는 장기균형관계가 있다는 것을 도출하였다. 그러나, 공공 연구개발투자가 경제성장에 단기적으로 영향을 미치는 데에 비해 기업 및 대학 연구개발투자는 경제성장에 단기적으로 영향을 미치지 않는 것으로 나타났다. 더불어, 경제성장 및 공공 연구개발투자, 기업 연구개발투자와 공공연구개발투자, 대학 연구개발투자와 공공 연구개발투자 간에 단기적으로 양방향의 인과관계가 있는 것으로 도출되었다. 마지막으로 단기적으로 공공 연구개발에 인과관계가 있는 것은 GDP 경제성장이며, 대학의 연구개발에 단기적으로 인과관계가 있는 것은 공공 및 기업의 연구개발투자인 것으로 나타났다. 이상의 연구를 통해서 공공 연구개발투자, 기업 연구개발투자, 대학 연구개발 투자와 경제성장 간에는 높은 상호 유기적인 관계가 존재한다는 것을 실증적으로 도출하였다. 향후 연구개발투자가 경제성장에 미치는 파급효과를 높이기 위해서는 대학과 기업의 연구개발투자가 상호 촉진되고, 기업의 연구개발투자가 공공 연구개발투자에 긍정적 영향을 미쳐 공공 연구개발투자가 향후 경제성장에 기여할 수 있도록 하는 정책개발이 필요할 것이다.

• 무역학회지
• /
• 제42권2호
• /
• pp.145-174
• /
• 2017

최근 계속되는 글로벌 경기 침체로 수출 여건이 악화됨에 따라 수출 주도형 소규모 개방경제인 우리나라는 수출이 감소하고 국내 경제 또한 침체가 지속되고 있다. 따라서 앞으로 수출증대를 통한 우리 경제의 지속적인 성장을 위해서는 수출보험과 같은 수출 지원제도의 유효성을 분석하여 수출확대를 위한 방안을 마련할 필요가 있다. 이에 본 연구에서는 수출보험이 국내 중소기업 및 대기업 수출에 미치는 효과를 살펴보기 위해 국내 중소기업 및 대기업 수출실적, 수출보험인수실적, 단기수출보험인수실적, 수출 상대가격지수(수출물가지수), 원/달러 환율, 국내경기 동행지수 등의 자료를 이용하여 시계열 분석을 실시하였다. 특히 벡터자기회귀모형(VAR 모형)을 통한 그랜저 인과관계 검정, VAR 모형 분석, 충격반응 분석, 분산분해 분석 등의 계량경제학적 분석 방법을 이용하여 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하였다. 첫째, 그랜저 인과관계 검정을 통해 대기업 수출은 국내경기 동행지수에, 국내경기 동행지수는 수출보험인수실적 및 단기수출보험인수실적에 선행하는 인과관계가 있는 것으로 나타났다. 둘째, VAR 모형 분석 결과 수출보험인수실적 및 수출물가지수의 경우 중소기업의 수출에는 부(-)의 영향을, 그리고 대기업 수출에는 정(+)의 영향을 주는 것으로 나타난 반면, 단기수출보험인수실적의 경우 중소기업의 수출에는 정(+)의 영향을, 그리고 대기업 수출에는 부(-)의 영향을 주는 것으로 나타났다. 셋째, 충격반응분석 및 분산분해 분석 결과 대기업 수출은 중소기업에 비해 단기수출보험인수실적에 크게 영향을 받는 것으로 나타났으며, 수출보험인수실적 역시 중소기업 보다 대기업 수출에 미치는 효과가 더 큰 것으로 나타났다. 결론적으로 수출보험의 경우 중소기업보다 대기업 수출 증대에 더 긍정적인 영향을 주고 있는 것으로 나타났으며, 향후 중소기업의 중장기적 수출보험 활성화를 위해서는 지자체별로 중소기업에 대한 수출보험 지원을 확대할 필요가 있는 것으로 분석되었다. 본 연구는 수출보험이 국내 중소기업 및 대기업의 수출에 미치는 영향을 분석하고 효율적인 수출보험정책을 수립하기 위한 정책적 시사점을 제시하고자 하였다는 점에서 그 의의가 있다. 향후 후속연구에서는 수출보험의 수출지원 효과를 보다 정밀하게 측정하기 위해 산업별 보험 인수실적에 따른 수출실적에 대한 시계열 분석을 실시할 필요가 있을 것이다.

• 한국항해항만학회지
• /
• 제44권1호
• /
• pp.44-52
• /
• 2020

세계적인 장기경기침체 속에서 보다 정확한 물동량 예측은 항만정책 수행에 중요하다. 따라서, 본 연구에서는 부산항 컨테이너 물동량(수출입화물과 환적화물)을 단변량 모형인 ARIMA 뿐만 아니라 인과관계가 있을 것으로 예상되는 경제규모(한국, 중국, 미국의 국내총생산), 금리수준 그리고 경기변동을 고려한 벡터자기회귀모형과 벡터오차수정모형을 활용하여 추정하고 비교하였다. 측정자료는 2014년 1월부터 2019년 8월까지 월별 부산항 컨테이너 물동량이다. 분석결과에 의하면, 수출입물동량 시계열은 비교적 안정적(stationary)이어서 VAR에 의해 추정하였고 환적화물은 불안정적(non-stationary)하지만, 경제규모, 금리 및 경기변동과 공적분(장기적인 균형관계)를 띠고 있어 VEC모형으로 추정하였다. 추정결과, 안정적인 수출입화물 추정에서는 단변량 모형인 ARIMA가 우수하고 추세가 있는 환적화물은 다변량모형인 VEC모형이 보다 예측력이 우수한 것으로 나타나고 있다. 특히 수출입화물은 우리나라 경제규모와 관련이 있고, 환적화물은 중국과 미국 경제규모와 밀접한 관련이 있다. 또한 중국 경제규모가 미국에 비하여 더 밀접하게 나타나고 있어 환적화물 증대전략에 시사점을 주고 있다.

• 한국수자원학회논문집
• /
• 제53권2호
• /
• pp.97-105
• /
• 2020

최근 데이터 예측 방법으로 인공신경망(Artificial Neural Network, ANN)분야에 대한 관심이 높아졌으며, 그 중 시계열 데이터 예측에 특화된 LSTM(Long Short-Term Memory)모형은 수문 시계열자료의 예측방법으로도 활용되고 있다. 본 연구에서는 구글에서 제공하는 딥러닝 오픈소스 라이브러리인 텐서플로우(TensorFlow)를 활용하여 LSTM모형을 구축하고 금강 상류에 위치한 용담다목적댐의 유입량을 예측하였다. 분석 자료로는 WAMIS에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 예측된 유입량과 관측 유입량의 비교를 통하여 평균제곱오차(RMSE), 평균절대오차(MAE), 용적오차(VE)를 계산하고 모형의 학습변수에 따른 정확도를 평가하였다. 분석결과, 모든 모형이 고유량에서의 정확도가 낮은 것으로 나타났으며, 이와 같은 문제를 해결하기 위하여 용담댐 유역의 시간당 강수량 자료를 추가 학습 자료로 활용하여 분석한 결과, 고유량에 대한 예측의 정확도가 높아지는 것을 알 수 있었다.

• 한국해양환경ㆍ에너지학회지
• /
• 제17권2호
• /
• pp.122-130
• /
• 2014

한반도 여수연안($127^{\circ}37.73^{\prime}E$, $34^{\circ}37.60^{\prime}N$)의 46년(1965-2010년)간 월평균 표면수온의 계절변동과 장기변동추세를 파악하였으며, 시계열모형을 수립하여 향후 12개월의 표면수온을 예측하였다. 여수연안의 연평균 표면수온은 $15.6^{\circ}C$, 연진폭은 $9^{\circ}C$를 보이며, 연위상은 $236^{\circ}$로서 최고수온을 보이는 시기는 8월 26일경으로 나타났다. 장기적으로 여수연안 표면수온은 연간 약 $0.0305^{\circ}C$의 유의한 상승 추세를 가지며, 시기적으로 1981년부터 2010년까지 30년간의 상승 경향이 1966년부터 1995년까지 30년간의 상승 경향보다 현저하며, 계절적으로 겨울철의 상승 경향이 지배적으로 나타났다. 월평균 표면수온을 적합시켜 선택된 시계열모형은 $ARIMA(1,0,0)(2,1,0)_{12}$을 따르며, 수립된 모형에 의한 2010년 월평균 표면수온의 예측치는 8.3%의 평균절대백분율오차(Mean Absolute Percentage Error)를 수반하였다.

• 한국정보전자통신기술학회논문지
• /
• 제11권2호
• /
• pp.204-208
• /
• 2018

본 논문에서는 시계열 데이터인 주가의 변동 패턴을 학습하고, 주가 가격을 예측하기 적합한 주가 예측 딥러닝 모델을 제시하고 평가하였다. 일반신경망에 시계열 개념이 추가되어 은닉계층에 이전 정보를 기억시킬 수 있는 순환신경망이 시계열 데이터인 주가 예측 모델로 적합하다. 순환신경망에서 나타나는 기울기 소멸문제를 해결하며, 장기의존성을 유지하기 위하여, 순환신경망의 내부에 작은 메모리를 가진 LSTM을 사용한다. 또한, 순환신경망의 시계열 데이터의 직전 패턴 기반으로만 학습하는 경향을 보이는 한계를 해결하기 위하여, 데이터의 흐름의 역방향에 은닉계층이 추가되는 양방향 LSTM 순환신경망을 이용하여 주가예측 모델을 구현하였다. 실험에서는 제시된 주가 예측 모델에 텐서플로우를 이용하여 주가와 거래량을 입력 값으로 학습을 하였다. 주가예측의 성능을 평가하기 위해서, 실제 주가와 예측된 주가 간의 평균 제곱근 오차를 구하였다. 실험결과로는 단방향 LSTM 순환신경망보다, 양방향 LSTM 순환신경망을 이용한 주가예측 모델이 더 작은 오차가 발생하여 주가 예측 정확성이 향상되었다.

• 한국전자거래학회지
• /
• 제24권1호
• /
• pp.1-16
• /
• 2019

최근 온실가스의 증가로 인한 기후변화 대응의 필요성과 전력수요의 증가로 인해 태양광발전량(PV) 예측의 중요성은 급격히 증가하고 있다. 특히, 태양광 발전량을 예측하는 것은 합리적인 전력 가격결정과 시스템 안정성 및 전력 생산 균형과 같은 문제를 효과적으로 해결하기 위해 전력생산 계획을 합리적으로 계획하는데 도움이 될 수 있다. 그러나 일사량, 운량, 온도 등과 같은 기후정보 및 계절 변화로 인한 태양광 발전량이 무작위적으로 변화하기 때문에 정확한 태양광 발전량을 예측하는 것은 도전적인 일이다. 따라서 본 논문에서는 딥러닝 모델을 통해 기후 및 계절정보를 이용하여 학습함으로써 장기간 태양광 발전량 예측 성능을 향상시킬 수 있는 기법을 제안한다. 본 연구에서는 대표적인 시계열 방법 중 하나인 계절형 ARIMA 모델과 하나의 은닉층으로 구성되어 있는 ANN 기반의 모델, 하나 이상의 은닉층으로 구성되어 있는 DNN 기반의 모델과의 비교를 통해 본 연구에서 제시한 모델의 성능을 평가한다. 실데이터를 통한 실험 결과, 딥러닝 기반의 태양광 발전량 예측 기법이 가장 우수한 성능을 보였으며, 이는 본 연구에서 목표로 한 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.