• 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.

• International Journal of Computer Science & Network Security
• /
• 제21권4호
• /
• pp.65-74
• /
• 2021

The rapid change in gold price is an issue of concern in the global economy and financial markets. Gold has been used as a means for trading and transaction around the world for long period of time and it plays an integral role in monetary, business, commercial and financial activities. More importantly, it is used as economic measure for the global economy and will continue to play an important economic vital role - both locally and globally. There has been an explosive growth in demand for efficient and effective scheme to predict gold price due its volatility and fluctuation. Hence, there is need for the development of gold price prediction scheme to assist and support investors, marketers, and financial institutions in making effective economic and monetary decisions. This paper primarily proposed an intelligent based system for predicting and characterizing the gold market trend. The simulation result shows that the proposed intelligent gold price scheme has been able to predict the gold price with high accuracy and precision, and ultimately it has significantly reduced the prediction error when compared to baseline neural network (NN).

• 한국시뮬레이션학회논문지
• /
• 제23권4호
• /
• pp.1-8
• /
• 2014

클라우드 컴퓨팅은 정보의 다양성과 빅데이터를 IT자원을 이용하여 처리할 수 있는 컴퓨팅 개념이다. 정부는 신재생에너지를 활용한 전력생산을 장려하기 위해 RPS를 시행하였고 시스템을 구축하여 지리적으로 분산되어 있는 빅데이터를 수집하여 운영하고 있다. RPS제도를 이행하는 발전사업자들은 의무할당량 중 REC 부족분을 타 발전사업자들로부터 REC를 구매하여 조달해야 한다. REC는 자율시장에 근거하여 거래되고 있고, 매매가격의 편차가 크기 때문에 RPS 빅데이터를 통해 형평성있는 REC가격을 예측할 필요가 있다. 본 연구에서는 부정확한 가격추이와 규칙을 정량적으로 표현하여, 클라우드 환경에서 퍼지기반으로 REC가격을 예측하는 방법을 제안한다. 클라우드 환경에서 RPS 빅데이터를 통한 상호연관성과 가격결정에 영향을 주는 변수들에 대한 분석이 가능하고 시뮬레이션을 통해 REC 가격을 예측할 수 있다. 클라우드 환경에서 퍼지로직은 매물수량과 매매가격을 이용하여 투명성있는 REC 가격을 예측하고 장기적으로 수렴된 가격을 제시할 것이다.

• Journal of Electrical Engineering and Technology
• /
• 제3권1호
• /
• pp.14-19
• /
• 2008

The paper presents an intelligent time series model to predict uncertain electricity market price in the deregulated industry environment. Since the price of electricity in a deregulated market is very volatile, it is difficult to estimate an accurate market price using historically observed data. The parameter of an intelligent time series model is obtained based on the simultaneous perturbation stochastic approximation (SPSA). The SPSA is flexible to use in high dimensional systems. Since prediction models have their modeling error, an error compensator is developed as compensation. The SPSA based intelligent model is applied to predict the electricity market price in the Pennsylvania-New Jersey-Maryland (PJM) electricity market.

• 산업경영시스템학회지
• /
• 제41권3호
• /
• pp.154-161
• /
• 2018

This study conducted to predict the stock market prices based on the assumption that internet news articles might have an impact and effect on the rise and fall of stock market prices. The internet news articles were tested to evaluate the accuracy by comparing predicted values of the actual stock index and the forecasting models of the companies. This paper collected stock news from the internet, and analyzed and identified the relationship with the stock price index. Since the internet news contents consist mainly of unstructured texts, this study used text mining technique and multiple regression analysis technique to analyze news articles. A company H as a representative automobile manufacturing company was selected, and prediction models for the stock price index of company H was presented. Thus two prediction models for forecasting the upturn and decline of H stock index is derived and presented. Among the two prediction models, the error value of the prediction model (1) is low, and so the prediction performance of the model (1) is relatively better than that of the prediction model (2). As the further research, if the contents of this study are supplemented by real artificial intelligent investment decision system and applied to real investment, more practical research results will be able to be developed.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.165-171
• /
• 2020

텍스트 마이닝을 활용한 주가 방향 예측 연구에서는 대부분 뉴스, SNS 데이터를 사용하고 있다. 하지만 뉴스, SNS 데이터로부터 기업에 대한 솔직하고 생생한 정보는 얻기 어렵다는 약점이 존재한다. 본 논문에서는 실제 근무 경험이 있는 내부 직원의 기업 리뷰를 반영하여, 종업원 만족도를 활용한 주가의 방향성을 예측하는 문제를 다룬다. 머신러닝 모델별 성능평가를 통해 예측 정확도를 비교, 분석한 결과 종업원의 기업 리뷰 데이터를 추가로 이용한 주가 방향 예측 모델은 그렇지 않은 모델 대비 뛰어난 분류 성과를 보였다. 본 연구는 금융 공학에 자연어처리기술을 활용한 융합 연구로서 주가 예측 분야에서 종업원 만족도를 활용한 기존에 없던 새로운 방법론을 추구하였다. 실무적으로 주가 방향 예측 분야에 유용한 정보를 제공할 것으로 기대된다.

• Journal of the Korean Data and Information Science Society
• /
• 제18권4호
• /
• pp.945-953
• /
• 2007

In this paper, we propose a smoothing and thus noise-reducing method of data sequences for stock price prediction with hidden Markov models, HMMs. The suggested method just uses simple moving average. A proper average size is obtained from forecasting experiments with stock prices of bank sector of Korean Exchange. Forecasting method with HMM and moving average smoothing is compared with a conventional method.

• 경영과학
• /
• 제28권1호
• /
• pp.53-60
• /
• 2011

Time series analysis methods have been traditionally used in stock price prediction. However, most of the existing methods represent some methodological limitations in reflecting influence from external factors that affect the fluctuation of stock prices, such as oil prices, exchange rates, money interest rates, and the stock price indexes of other countries. To overcome the limitations, we propose a network based method incorporating the relations between the individual company stock prices and the external factors by using a graph-based semi-supervised learning algorithm. For verifying the significance of the proposed method, it was applied to the prediction problems of company stock prices listed in the KOSPI from January 2007 to August 2008.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.625-631
• /
• 2017

과거부터 현재까지 주식시장에 대한 주가 변동 예측은 풀리지 않는 난제이다. 주가를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만, 아직까지 정확한 미래를 예측하는 것은 불가능하다. 하지만, 주가 예측은 경제, 수학, 물리 그리고 전산학 등 여러 관련 분야에서 오랜 관심의 대상이 되어왔다. 본 논문에서는 최근 각광 받고 있는 딥러닝(Deep-Learning)을 이용하여 주가의 변동패턴을 학습하고 미래를 예측하고자한다. 본 연구에서는 오픈소스 딥러닝 프레임워크인 텐서플로우를 이용하여 총 3가지 학습 모델을 제시하였으며, 각 학습모델은 각기 다른 입력 피쳐들을 받아들여 학습을 진행한다. 입력 피쳐는 이전 연구에서 사용한 단순 가격 데이터를 확장해 입력 피쳐 개수를 증가시켜가며 실험을 하였다. 세 가지 예측 모델의 학습 성능을 측정했으며, 이를 통해 가격-기반 입력 피쳐에 따라 달라지는 예측 모델의 성능 변화 비교 분석하여 가격-기반 입력 피쳐가 주가예측에 미치는 영향을 평가하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권3호
• /
• pp.123-128
• /
• 2019

본 논문에서는 RCNN (recurrent convolution neural network) 계층 모델을 채택한 인공 지능에 기반을 둔 주가 예측을 제안한다. LSTM (long-term memory model) 기반 신경망은 시계열 데이터의 예측에 사용된다. 다른 한편, 컨볼루션 신경망은 데이터 필터링, 평균화 및 데이터 확장을 제공한다. 제안된 주가 예측에서는 위에서 언급 한 장점들을 RCNN 모델에서 결합하여 적용함으로써 다음날의 주가 종가를 예측한다. 그리고 최근의 시계열의 데이터를 강조하기 위해 커스텀 가중치 손실 함수가 채택되었다. 또한 시장의 상황을 반영하기 위해 주가 인덱스에 관련된 데이터를 입력으로 포함하였다. 제안된 주가 예측 방식은 실제 주가를 대상으로 한 실험에서 3.19%로 테스트 오차를 줄였으며, 다른 방법보다 약 19%의 성능 향상을 거둘 수 있었다.