• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권10호
• /
• pp.387-396
• /
• 2018

과거부터 주식시장의 주가 예측은 풀리지 않는 난제이다. 이를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만 정확한 가격을 예측하는 것은 불가능하다. 최근 분산 원장이라는 개념을 기술적으로 구현한 최초의 암호화폐인 비트코인을 시작으로 다양한 종류의 암호화폐가 개발되면서 암호화폐 시장이 형성되었고, 그 가격을 예측하기 위해 다양한 접근들이 시도되고 있다. 특히, 기존의 전통적인 주식시장에서의 주가 예측 기법들을 적용하려는 시도부터 딥러닝과 강화학습을 적용하려는 시도까지 다양하다. 하지만 암호화폐 시장은 기존 주식 시장에는 없던 여러 가지 새로운 특징을 가지는 시장으로서 전통적인 주식 시장 분석 기술뿐만 아니라 암호화폐 시장에 적합한 새로운 분석 기술에 관한 수요가 증가하고 있는 상황이다. 본 연구에서는 우선 빗썸의 API를 통하여 7개의 암호화폐 가격 데이터를 수집 및 가공하였다. 이후, Data-Driven 방식의 지도학습 기반 기계학습 모델인 그래디언트 부스팅 모델을 채택하여 암호화폐 가격 데이터 변화를 학습하고, 검증단계에서 가장 최적의 모델 파라미터를 산출하고, 최종적으로 테스트 데이터를 활용하여 암호화폐 가격동향 예측 성능을 평가한다.

• Communications for Statistical Applications and Methods
• /
• 제10권1호
• /
• pp.153-166
• /
• 2003

This study presents the time-divided forecasting model to integrate evolutionary optimization algorithm and change point detection based on artificial neural networks (ANN) for the prediction of (Korea) stock price index. The genetic algorithm(GA) is introduced as an evolutionary optimization method in this study. The basic concept of the proposed model is to obtain intervals divided by change points, to identify them as optimal or near-optimal change point groups, and to use them in the forecasting of the stock price index. The proposed model consists of three phases. The first phase detects successive change points. The second phase detects the change-point groups with the GA. Finally, the third phase forecasts the output with ANN using the GA. This study examines the predictability of the proposed model for the prediction of stock price index.

• 한국융합학회논문지
• /
• 제12권12호
• /
• pp.83-91
• /
• 2021

농산물은 기상, 기후 등의 변화로 인해 공급이 불규칙하고, 공급량이 10% 하락하면 가격이 50% 상승하는 가격 탄력성이 매우 높다. 이러한 농산물 가격의 변동으로 인해 소상인의 경매를 통해 생산자에게 대금의 안전성을 보장하고 있다. 그러나, 과잉생산으로 가격이 폭락할 경우, 생산자에 대한 보호 조치는 미비한 실정이다. 따라서, 본 논문에서는 농산물에 대한 가격을 인공지능 알고리즘으로 예측하여 전자거래 시스템에 활용할 수 있는 비즈니스 모델을 설계하였다. 이를 위해, 학습 패턴 쌍으로 모델을 학습시키고, ARIMA, SARIMA, RNN, CNN을 적용하여 예측 모델을 설계하였다. 최종적으로, 농산물 예측가격 데이터를 단기예측과 중기예측으로 분류하여 검증하였다. 검증 결과, 2018년 데이터를 기반으로 실제 가격과 예측 가격이 91.08%의 정확도를 나타냈다.

• 한국산림과학회지
• /
• 제95권2호
• /
• pp.203-208
• /
• 2006

This study compared the roundwood demand prediction accuracy of econometric and time-series models using Korean data. The roundwood was divided into softwood and hardwood by species. The econometric model of roundwood demand was specified with four explanatory variables; own price, substitute price, gross domestic product, dummy. The time-series model was specified with lagged endogenous variable. The dummy variable reflected the abrupt decrease in roundwood demand in the late 1990's in the case of softwood roundwood, and the boom of plywood export in the late 1970's in the case of hardwood roundwood. On the other hand, the prediction accuracy was estimated on the basis of Residual Mean Square Errors(RMSE). The results showed that the softwood roundwood demand prediction can be performed more accurately by econometric model than by time-series model. However, the hardwood roundwood demand prediction accuracy was similar in the case of using econometric and time-series model.

• 한국산림과학회지
• /
• 제95권6호
• /
• pp.778-783
• /
• 2006

표고버섯의 재배와 출하 결정에서 단기 가격의 예측은 매우 중요하다. 표고버섯 가격의 형성에는 많은 요인들이 작용하고 있기 때문에 이를 구조모형으로 예측하는 것은 어려운 일이다. Box-Jenkins 방법을 이용한 표고버섯과 모형선정 과정에서 발생할 수 있는 오류를 줄이고 경우에 따라서는 더 높은 예측력을 가지기도 한다. 이 연구는 1992~2005년의 가락시장 표고버섯 중품 가격자료를 이용하여 시계열 분석 모형을 구축하고 단기 가격을 예측한 것이다. 그리고 분석에 포함되지 않은 2006년의 실제가격과 예측결과를 비교하였다. 분석 결과는 날씨 변화의 영향으로 시장에 교란이 발생하였던 시기를 제외하면 비교적 높은 정확도를 보여 주어 모형의 유용성을 시사한다.

• Asia pacific journal of information systems
• /
• 제30권1호
• /
• pp.31-52
• /
• 2020

Stock markets are popular investment avenues to people who plan to receive premium returns compared to other financial instruments, but they are highly volatile and risky due to the complex financial dynamics and poor understanding of the market forces involved in the price determination. A system that can forecast, predict the stock prices and automatically create a portfolio of top performing stocks is of great value to individual investors who do not have sufficient knowledge to understand the complex dynamics involved in evaluating and predicting stock prices. In this paper the authors propose a Stock prediction, Portfolio Generation and Selection model based on Machine learning algorithms, Artificial neural networks (ANNs) are used for stock price prediction, Mathematical and Statistical techniques are used for Portfolio generation and Un-Supervised Machine learning based on K-Means Clustering algorithms are used for Portfolio Evaluation and Selection which take in to account the Portfolio Return and Risk in to consideration. The model presented here is limited to predicting stock prices on a long term basis as the inputs to the model are based on fundamental attributes and intrinsic value of the stock. The results of this study are quite encouraging as the stock prediction models are able predict stock prices at least a financial quarter in advance with an accuracy of around 90 percent and the portfolio selection classifiers are giving returns in excess of average market returns.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 춘계정기학술대회 e-Business를 위한 지능형 정보기술 / 한국지능정보시스템학회
• /
• pp.347-356
• /
• 2000

This paper compares four models of artificial neural networks (ANN) supported by genetic algorithms the prediction of stock price index. Previous research proposed many hybrid models of ANN and genetic algorithms(GA) in order to train the network, to select the feature subsets, and to optimize the network topologies. Most these studies, however, only used GA to improve a part of architectural factors of ANN. In this paper, GA simultaneously optimized multiple factors of ANN. Experimental results show that GA approach to simultaneous optimization for ANN (SOGANN3) outperforms the other approaches.

• 한국멀티미디어학회논문지
• /
• 제25권2호
• /
• pp.157-165
• /
• 2022

As the stock market is affected by various circumstances including economic and political variables, predicting the stock market is considered a still open problem. When combined with corporate financial statement data analysis, which is used as fundamental analysis, and technical analysis with a short data generation cycle, there is a problem that the time domain does not match. Our proposed method, LSTE the operating profit and market outlook of a petrochemical company and estimates the sales and operating profit of the company, it was possible to solve the above-mentioned problems and improve the accuracy of stock price prediction. Extensive experiments on real-world stock data show that our method outperforms the 8.58% relative improvements on average w.r.t. accuracy.

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.552-560
• /
• 2021

새로운 미술품 유통방식의 발달로 미술품의 미적 효용을 넘어 투자재로서 바라보는 시각이 활성화되고 있다. 미술품의 가격은 주식이나 채권 등과 달리 객관적 요소와 주관적 요소들이 모두 반영되어 결정되는 이질적 특성이 있기 때문에 가격 예측에 있어서 그 불확실성이 높다. 본 연구에서는 LSTM(장단기 기억) 순환신경망 딥러닝 모형을 활용하여 낙찰총액 순위 1위부터 10위까지의 한국 작가의 회화 작품을 대상으로 작가의 특성, 작품의 물리적 특성, 판매적 특성 등을 입력으로 하여 경매 낙찰가의 예측을 시도하였다. 연구 결과, 모델에 의한 예측 가격과 실제 낙찰 가격의 차이를 설명하는 RMSE 값이 0.064 수준이었으며 작가별로는 이대원 작가의 예측력이 가장 높았고, 이중섭 작가의 예측력이 가장 낮았다. 투자재로서 미술품 시장이 더욱 활성화되고 경매 낙찰 가격의 예측 수요가 높아지면서 본 연구의 결과가 활용될 수 있을 것이다.

• 한국산림과학회지
• /
• 제97권2호
• /
• pp.140-143
• /
• 2008

This study compared the plywood demand prediction accuracy of econometric and vector autoregressive models using Korean data. The econometric model of plywood demand was specified with three explanatory variables; own price, construction permit area, dummy. The vector autoregressive model was specified with lagged endogenous variable, own price, construction permit area and dummy. The dummy variable reflected the abrupt decrease in plywood consumption in the late 1990's. The prediction accuracy was estimated on the basis of Residual Mean Squared Error, Mean Absolute Percentage Error and Theil's Inequality Coefficient. The results showed that the plywood demand prediction can be performed more accurately by econometric model than by vector autoregressive model.