• 경제분석
• /
• 제26권3호
• /
• pp.1-47
• /
• 2020

본 연구는 이자율 스프레드 혹은 이자율 스프레드의 각 구성요소인 기대 스프레드와 기간 프리미엄의 경기 예측력에 관한 1990년대 이후 선행연구를 서베이하고, 한국의 국고채 현물이자율 데이터를 이용하여 이자율 스프레드 및 각 구성요소의 산업생산 증가율, 소비자물가 상승률, 생산갭 등에 대한 예측력에 관한 실증분석을 수행하였다. 먼저 주로 미국 경제를 대상으로 한 선행 연구들을 서베이한 결과 이자율 스프레드는 주요 경제변수들에 대하여 유의한 예측력을 갖고 있으나 1980년대 중반 이후 인플레이션 타깃팅 강화 경향 등에 따라 이자율 스프레드의 경기 예측력이 저하되고 있는 것으로 나타났다. 다음으로 한국 데이터를 대상으로 산업생산 증가율, 소비자물가 상승률, 생산갭 등에 대한 이자율 스프레드 및 각 구성요소의 예측력을 분석한 결과, 특히 이자율 스프레드의 구성요소 중 기간 프리미엄이 유의한 예측력을 갖는 것으로 나타났다. 이자율 스프레드를 이용하여 표본외 분석을 수행한 결과, 예측방정식이 구조적으로 불안정한 것으로 나타났으며, 특히 산업생산지수 예측에 있어서 이자율 스프레드의 분해가 유의한 기여를 하는 것으로 나타났다.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.195-204
• /
• 2022

관광산업은 최근 코로나19 유행으로 인해 위기에 봉착해 있으며, 이를 극복하기 위해 무엇보다 수익성 개선이 매우 중요한 상황이다. 이 때 여행 수요 자체가 축소된 코로나19와 같은 상황에서는 수익 증대를 위해 객실 점유율을 높이기 위한 공격적인 영업전략보다 어려운 여건 속에서도 찾아온 고객에게 객실 외 추가상품을 판매하여 객단가를 높이는 방향이 더 효율적일 것이다. 국내 관광 연구 분야에서 머신러닝 기법은 수요예측을 중심으로 연구된 바 있으나 교차판매 예측에 대해서는 연구된 바가 거의 없다. 또한 넓은 의미로는 호텔과 같은 숙박업종 이지만 회원제 중심으로 운영하며 숙박과 취사에 적합한 시설을 갖추고 있는 리조트 업종에 특화된 연구는 더욱이 전무한 실정이다. 이에 본 연구에서는 실제 리조트 회사의 투숙 데이터로 다양한 머신러닝 기법을 활용하여 교차판매 예측 모형을 제안하고자 한다. 또한 설명가능한 인공지능(eXplainable AI) 기법을 적용해 교차판매에 영향을 미치는 요인이 무엇인지 해석하고 어떻게 영향을 미치는지 실증 분석을 통해 확인해 보고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권5호
• /
• pp.47-56
• /
• 2020

주가지수는 한 국가의 경제 지표뿐만 아니라 투자판단의 지표로도 활용되므로 이를 예측하는 연구가 지속해서 진행되고 있다. 주가지수 예측을 하는 작업은 기술적, 경제적 및 심리적 요인 등이 반영된 것으로 예측의 정확도를 위해서는 복합적 요인을 고려해야 한다. 따라서 지수의 변동에 영향을 미치는 요인들을 선별하여 반영한 주가지수 예측모델연구가 필요하다. 이와 관련한 기존 연구에서는 시장의 변동을 만들어 내는 뉴스 정보 또는 거시 경제 지표를 각각 이용하거나, 몇 가지의 지표 조합만을 반영한 예측 연구가 대부분이었다. 따라서 본 연구에서는 미국 다우존스지수 예측을 위해 뉴스 정보의 감성 분석과 다양한 거시경제지표를 고려하여 효과적인 지표 조합을 제시하고자 한다. 뉴스 정보의 감성 분석은 최신 자연어처리 기법인 BERT와 NLTK VADER를 사용하고, 예측모델은 주가예측모델로 적합하다고 알려진 딥러닝 예측모델 LSTM을 적용하여 가장 효과적인 지표 조합을 제시했다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• 대한교통학회지
• /
• 제26권5호
• /
• pp.101-115
• /
• 2008

본 연구는 교통선진국에서 활발한 연구 및 개발 등을 거쳐 일반화 작업 등이 시행되고 있으며 국내에서도 경찰청과 도로교통공단이 함께 도입을 추진하고 있는 도시교통정보시스템(UTIS : Urban Traffic Information System, 무선교통정보수집제공시스템으로 더 잘 알려짐)을 소개하고, 추후 UTIS 도입 시, 서비스 이용 수요 예측과 실제 소비자인 운전자가 지불 방식별로 만족할 수 있는 적정 이용료에 대하여 연구하였다. 본 연구에서 얻어진 결과를 요약하면, 다음과 같다. 첫째 UTIS 서비스 이용 수요 예측 모델을 이항 로짓 모델을 통해 구축하였다. 둘째 UTIS 서비스의 이용료 지불 방식별 이용 행태 예측 모델을 순서형 프로빗 모델을 통해 구축하였다. 셋째, UTIS서비스의 이용 행태별 지불 방식별 선호도를 파악한 뒤, 이용료 지불 방식별로 민감도 분석을 통하여, 이용률의 단위 탄력점을 파악하고, 이용자 측면이 고려된 각 지불 방식별 적정 이용료를 서비스 공급자에게 제시하였다.

• 한국IT서비스학회지
• /
• 제13권3호
• /
• pp.221-233
• /
• 2014

Because people's interest of the stock market has been increased with the development of economy, a lot of studies have been going to predict fluctuation of stock prices. Latterly many studies have been made using scientific and technological method among the various forecasting method, and also data using for study are becoming diverse. So, in this paper we propose stock prices prediction models using sentiment analysis and machine learning based on news articles and SNS data to improve the accuracy of prediction of stock prices. Stock prices prediction models that we propose are generated through the four-step process that contain data collection, sentiment dictionary construction, sentiment analysis, and machine learning. The data have been collected to target newspapers related to economy in the case of news article and to target twitter in the case of SNS data. Sentiment dictionary was built using news articles among the collected data, and we utilize it to process sentiment analysis. In machine learning phase, we generate prediction models using various techniques of classification and the data that was made through sentiment analysis. After generating prediction models, we conducted 10-fold cross-validation to measure the performance of they. The experimental result showed that accuracy is over 80% in a number of ways and F1 score is closer to 0.8. The result can be seen as significantly enhanced result compared with conventional researches utilizing opinion mining or data mining techniques.

• 한국산학기술학회논문지
• /
• 제16권11호
• /
• pp.7781-7787
• /
• 2015

본 논문은 국내 양식 넙치 중장기 시장 규모 추정을 위해 구축된 수급전망모형을 개발한 내용과 이 모형을 이용하여 2015년-2017년 기간에 대해 시장 규모(수급 및 가격)를 예측한 내용을 소개하고 있다. 양식 넙치 수급전망모형은 단일품목 부분균형모형이며 동태 축차적 시뮬레이션 모형으로 개발되었고, 모형내 각 행태방정식은 계량경제학 방법을 이용하여 추정되었다. 중 장기 시장 규모 전망에 앞서 모형의 예측정확도는 RMSPE, MAPE, Theil의 불균등계수를 기준으로 검토되었다. 예측력 검토결과, 양식면적, 양성물량, 출하량, 도매가격은 모두 4% 이내의 양호한 오차율을 보였다. 국내 양식 넙치 시장 규모 전망결과, 생산량은 2015년 37,445톤, 2017년 42,561톤에 이를 것으로 전망되었고, 산지가격은 2015년 9,226원(1kg 기준), 2017년 10,191원될 것으로 전망되었다.

• 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.

• 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.

• 한국시스템다이내믹스연구
• /
• 제7권2호
• /
• pp.35-56
• /
• 2006

Korea is implementing strong regulatory derives such as Feed in Tariff to provide incentives for renewable energy developers. But if the government is planning to increase the renewable capacity with only "Price policy" not considering the investors behavior in the competitive electricity market, the policy would be failed. It is necessary system thinking and simulation model analysis to decide government's incentive goal. This study is focusing on the assesment of the competitiveness of renewable energy with the current Feed in Tariff incentives compared to the traditional energy source, specially coal and gas. The simulation results show that the market penetration of renewable energy with the current Feed-in-Tariff level is about 60-70% of the government goal under condition that the solar energy and fuel cell are assumed to provide the whole capacity set in the governmental goal. If the contribution from solar and fuel cell is lower than planned, the total penetration of renewable energy will be dropped more. Notably, Wind power turned out to be proved only 10% of government goal because of its low availability.