• 한국융합학회논문지
• /
• 제12권6호
• /
• pp.9-16
• /
• 2021

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다.

• 지식경영연구
• /
• 제22권2호
• /
• pp.1-17
• /
• 2021

본 연구에서는 한국과 미국의 대표적인 거래소인 빗썸과 코인베이스의 비트코인 가격을 ARIMA와 순환 신경망(Recurrent Neural Network)을 이용해 예측하고, 이후 각 국가의 뉴스 기사를 이용해 분리 학습에 기반한 separated RNN 모형을 제안한다. separated RNN 모형은 학습 데이터를 가격의 추세 변화 점을 기준으로 분리해 학습시킨 후, 추세 변화점 별 뉴스 데이터를 활용해 용어 기반 사전을 구축한다. 이후 용어 기반 사전과 평가 데이터 기간의 뉴스 데이터를 이용해 예측할 데이터의 가격 추세 변화 점을 찾아낸 후, 매칭되는 모형을 적용해 예측 결과를 산출한다. 2017년 5월 22일부터 2020년 9월 16일까지의 가격 데이터를 사용해 분석한 결과, 제안된 separated RNN을 이용해 예측한 결과가 한국과 미국의 비트코인 가격 예측 모두에서 순환 신경망(RNN)을 이용해 예측한 결과보다 높은 예측 성과를 보였다. 본 연구는 시계열 예측 기법의 한계를 뉴스 데이터를 이용한 추세 변화 점 탐색을 통해 극복할 수 있고, 성과 향상을 위한 추후 다양한 시계열 예측 기법 및 추세 변화 점 탐색을 위한 다양한 텍스트 마이닝 기법을 적용해볼 필요가 있음을 시사한다.

• 대한지리학회지
• /
• 제40권3호
• /
• pp.296-309
• /
• 2005

본 연구는 공주지역의 지표변화를 분석하기 위해 우도비 기반의 베이지안 예측모델을 이용하여 지리공간 정보와 지표변화와의 연관성 및 미래의 지표변화를 탐지하였다. 지표변화 지역은 위성사진을 토지피복분류 한 후 선분류 후비교법을 이용하여 변화지역을 추출하였다. 지표변화와 관련이 있는 지리공간 정보는 GIS 환경에서 구축하였으며, 우도비를 이용하여 지표변화 예측도를 작성하였다. 분석결과, 도시지역 및 농업지역 지표변화에 가장 큰 영향을 미치는 주제도는 고도, 하계망, 인구밀도, 도로, 인구이동, 총사업체수, 지가 등이다. 또한 산림지역 지표변화에 영향을 미치는 주제도는 고도, 경사도, 인구밀도, 인구이동, 지가 등이다. 지표변화 분석결과, 도시지역은 금강을 중심으로 구도심과 신도심지역의 도시 확산이 이루어지고, 인터체인지 및 국도를 따라 시가화 지역이 확산 될 것으로 예측되었다. 농업지역은 금강의 소지류 및 인접지역과 연결되는 국도주변 지역이 변화가 일어날 확률이 높다. 산림지역은 대부분 남동쪽에 위치하고 있는데, 그 원인은 밤나무 재배단지가 본 지역에 넓게 나타나면서 산림훼손이 일어날 확률이 높은 것으로 예측되었다. 예측비율 곡선을 이용하여 검증한 결과, 지표변화가 일어날 확률이 가장 높은 상위 $10\%$지역에서 도시지역은 $80\%$, 농업지역은 $55\%$, 산림지역은 $40\%$정도의 예측능력을 보였다. 따라서, 본 통합 모델은 산림지역 예측에는 부적합한 것으로 볼 수 있어서, 향후 새로운 주제도 선정 및 예측모델 등이 필요하다. 결론적으로 본 방법은 향후 토지피복 변화 연구를 위한 효과적인 방법 중의 하나로 적용될 수 있을 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.228-234
• /
• 2021

부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE1, 미시적 요인은 CASE2 그리고 두 요인을 조합해서 요인을 구성한 CASE3 으로 나눠서 실험한다. 그 결과 CASE1 과 CASE2 는 약 2년 동안 87.5%의 예측을 보이고 CASE3은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.145-154
• /
• 1999

An intelligent system embedded with multiple sources of knowledge may provide more robust intelligence with highly ill structured problems than the system with a single source of knowledge. This paper proposes the hybrid knowledge integration mechanism that yields the cooperated knowledge by integrating expert, user, and machine knowledge within the fuzzy logic-driven framework, and then refines it with a genetic algorithm (GA) to enhance the reasoning performance. The proposed knowledge integration mechanism is applied for the prediction of Korea stock price index (KOSPI). Empirical results show that the proposed mechanism can make an intelligent system with the more adaptable and robust intelligence.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2004년도 추계학술대회 논문집
• /
• pp.1410-1413
• /
• 2004

Finite element method is very effective method to simulate the forming processes with good prediction of the deformation behaviour. For the finite element modeling of sheet mental forming the accurate tool model is required. Due to the geometrical complexity of real-size part stamping tools it is hard to make FE model for real-size auto-body stamping parts. In this paper, it was focussed on the drawability factors on auto-body panel stamping by AUTOFORM with using tool planning alloy to reduce law price as well as high precision from Design Optimization of die. According to this study, the results of simulation will give engineers good information to access the Design Optimization of die.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.145-154
• /
• 1999

An intelligent system embedded with multiple sources of knowledge may provide more robust intelligence with highly ill structured problems than the system with a single source of knowledge. This paper proposes th hybrid knowledge integration mechanism that yields the cooperated knowledge by integrating expert, user, and machine knowledge within the fuzzy logic-driven framework, and then refines it with a genetic algorithm (GA) to enhance the reasoning performance. The proposed knowledge integration mechanism is applied for the prediction of Korea stock price index (KOSPI). Empirical results show that the proposed mechanism can make an intelligent system with the more adaptable and robust intelligence.

• 한국주거학회논문집
• /
• 제15권4호
• /
• pp.45-54
• /
• 2004

This study systematized synthetically to use internet GIS and real estate appraisal method in computing system for the real estate decision. First, indicated the method of using GIS and databases to appraise the real estate by using the cost approach. Second, used the artificial neural network to predict the change of land prices and the artificial neural network convinced us that it indicates easily the result of land prices without complicated processes. Third, examined land prices using the artificial neural network but there is limits for the land price prediction because of difficult data gathering. also, this study may heighten information levels of the real estate field according to 21th century information level if use actively a internet, information users who should pay much moneys in existent real estate decisions may can approach easily.

• 지식경영연구
• /
• 제10권2호
• /
• pp.35-48
• /
• 2009

The paper proposes a quantitative causal ordering map (QCOM) to combine qualitative and quantitative methods in a framework. The procedures for developing QCOM consist of three phases. The first phase is to collect partially known causal dependencies from experts and to convert them into relations and causal nodes of a model graph. The second phase is to find the global causal structure by tracing causality among relation and causal nodes and to represent it in causal ordering graph with signed coefficient. Causal ordering graph is converted into QCOM by assigning regression coefficient estimated from path analysis in the third phase. Experiments with the prediction model of Korea stock price show results as following; First, the QCOM can support the design of qualitative and quantitative model by finding the global causal structure from partially known causal dependencies. Second, the QCOM can be used as an integration tool of qualitative and quantitative model to offerhigher explanatory capability and quantitative measurability. The QCOM with static and dynamic analysis is applied to investigate the changes in factors involved in the model at present as well discrete times in the future.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2001년도 The Seoul International Simulation Conference
• /
• pp.313-317
• /
• 2001

The approach to predict time series without neglecting the fluctuation in a short period is tried by using a digital FIR filter and a neural network. The differential waveform of the Nikkei average closing price is filtered by the FIR band-pass filter of 101 length. It is filtered into the five frequency bands of 0-1Hz, 1-2Hz, 2-3Hz, 3-4Hz and 4-5Hz by setting the sampling frequency 10Hz. The each filtered waveform is learned and forecasted by the neural network. The neural network of the back propagation method is adopted in the learning the waveform. By inputting the data of 20 days in the past, the prediction of 10 days ahead is carried out. After learning the time series of each frequency band by the neural network, the predicted data far each frequency band are obtained. The predicted waveforms of each frequency band are synthesized to obtain a final forecast. The waveform can be forecasted well as a whole.