• The Journal of Asian Finance, Economics and Business
• /
• 제1권3호
• /
• pp.29-36
• /
• 2014

This paper attempts to measure the impact of non-financial factors including analyst practices and broker resources on performance of sell side research. Results reveal that these non-financial factors have a measurable impact on performance of target price forecasts. Number of pages written by an analyst (surrogate for analyst practice) is significantly and directly linked with target price accuracy indicating a more elaborate analyst produces better target price forecasts. Analyst compensation (surrogate for broker resource) is significantly and inversely linked with target price accuracy. Out performance by analysts working with lower paying firms is possibly associated with motivation to migrate to higher paying broking firms. The study finds that employing more number of analysts per research report has no significant impact on target price accuracy -negative coefficient indicates that team work may not result in better target price forecasts. Though insignificant, long term forecast horizon negatively affects target price accuracy while stock volatility improves target price accuracy.

• 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.

• 정보처리학회논문지B
• /
• 제14B권7호
• /
• pp.531-540
• /
• 2007

본 논문에서는 주가예측의 정확도를 향상시키기 위하여 공적분 검정(Cointegration Tests)과 인공 신경망(Artificial Neural Networks)을 사용한 2단계 하이브리드 예측 모델을 제시한다. 기존의 연구에서는 예측을 시도하고자 하는 종목의 일자별 개별 레코드를 인공 신경망과 같은 방법으로 학습함으로써 주식 데이터가 가지는 시계열적 특성을 충분히 반영하지 못하였는데, 새로 제안한 모형에서는 주식자료의 과거시차들의 값들도 인공 신경망의 속성(feature)으로 사용하여 기존 연구의 한계를 보완하였다. 또한, 예측대상종목의 정보들 외에도 장기적으로 높은 시계열 유사성을 보유한 종목들을 선발한 후 속성으로 사용하여 모형의 예측성능을 향상 시켰다. 구체적으로 1단계는 Johansen의 공적분 검정을 통하여 예측대상종목과 장기적 관계(long-term relationship)에 있는 종목을 추출하고, 2단계는 이 선발된 종목들과 예측대상종목의 시계열 정보 특성을 속성으로 구축한 인공 신경망으로 학습하여 관심 종목을 예측한다. 제안된 모델의 성능을 확인하기 위하여 KOSPI 지수의 방향성을 예측하는 시스템을 구현하였으며, 시가총액 상위 종목군을 대상으로 지수와의 공적분 검정을 하였다. 성능을 살펴보기 위하여 본 연구에서는 시계열 정보가 속성으로 반영된 단순 인공 신경망 모델, 공적분 검정을 통과한 종목들의 시계열 속성이 포함된 모델, 그리고 그 모델과 속성의 개수를 동일하게 하기 위하여 임의로 종목을 선택하여 이들의 시계열 속성이 포함된 모델을 구축하였다. 실험 결과 공적분 검정을 통과한 종목군의 속성이 결합된 모델은 단순 인공 신경망만으로 학습된 기존 모델에 비하여 평균적으로는 11.29% (최대 29.98%) 정확도가 향상되었고, 임의로 선택된 종목군의 속성이 결합된 모델에 비해서는 평균적으로는 10.59% (최대 25.78%) 가 향상된 예측 정확도를 보여주었다.

• 한국통신학회논문지
• /
• 제33권11B호
• /
• pp.1013-1019
• /
• 2008

최근 들어 인터넷이 급격히 발전하면서 다양한 정보와 자료들이 실생활에 유용하게 쓰이고 있다. 그러나, 정보의 양이 급증하면서 사용자들이 필요로 하는 정보를 찾는데 걸리는 시간 또한 만만치 않게 소비되고 있다. 이를 해결하기 위해 지능형 검색 엔진, 에이전트 시스템 등의 개발로 정보 검색의 신속성과 정착성을 제공하게 되었다. 본 논문에서는 사용자들의 만족을 극대화하기 위한 목적으로 전문성을 필요로 하는 건설 입찰 정보의 분석을 통해 최상의 투찰가를 얻어내는 방법을 제시하고자 한다. 물론 미래에 대한 결과는 모두 일치시킬 수 없는 가정하에서 최상의 낙찰 성공률을 높이기 위한 부분에 논문의 목표를 두었다. 따라서, 본 논문에서는 사용자들에게 보다 신뢰성 있는 투찰가를 제공하기 위해 낙찰자료를 빈도분석 방법으로 접근하여 통계분석 결과 값으로 입찰자료와 비교, 분석하여 낙찰에 대한 투찰가를 산출하는 기법을 제시하고 이를 통해 최적의 투찰가 산출하는 웹 기반의 시스템을 구현하고자 한다.

• 재무관리연구
• /
• 제25권4호
• /
• pp.1-24
• /
• 2008

본 논문은 애널리스트들의 과대예측 여부와 서울소재 기업 및 지방소재 기업의 경우 어느 쪽이 과대예측의 정도가 심한지를 분석하였고, 기업실적에 관한 추정치들과 실측치들을 비교하여 얼마만큼 애널리스트 예측이 정확한지, 또한 기업 본사가 서울과 지방에 위치함에 따라 애널리스트들의 예측 정확성 및 주가영향력에 차이가 존재하는지를 실증 분석하였다. 그 결과, 애널리스트들은 매출액, 영업이익, 순이익 모두에 있어서 과대 예측하는 경향이 있음이 발견되었고, 기업의 본사가 지방인 경우가 서울인 경우에 비하여 과대예측 정도가 심한 것으로 나타났다. 애널리스트의 이익예측 정확도는 지방소재 기업보다 서울소재 기업에 대해 더 높은 것으로 나타났다. 애널리스트 보고서 공표의 주가영향력은 투자의견의 하향의 경우 서울소재 기업의 주가는 하락하기 보다는 오히려 상승하였으며, 목표주가 하향의 경우에도 서울소재 기업의 주가가 덜 하락하여 전반적으로 서울소재 기업에 대한 주가영향력이 보다 긍정적으로 나타났다. 한편, 외국인 지분율이 높은 기업일수록 투자의견 하향시에는 주가가 덜 부정적으로, 목표주가 하향시에는 주가가 더 부정적으로 영향을 받는 것으로 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.35-44
• /
• 2020

본 연구에서는 주가 결정 방법이 주가 경향 예측에 미치는 영향을 확인하기 위한 분석을 수행한다. 주식시장에서 성공적인 투자를 위해서는 주가의 상승과 하락을 정확하게 예측하는 것이 큰 도움이 되므로 주가 경향 예측에 관해 많은 연구가 진행되고 있다. 예를 들어 근래에는 SNS나 뉴스의 내용을 텍스트 마이닝을 이용하여 분석하고, 이를 이용한 주가 등락의 예측 방법이 제안되었으며 다양한 기계학습 기법들이 활용되고 있다. 그러나 주가의 경향을 '상승' 또는 '하락'으로 결정하는 방법은 제대로 분석된 적 없으며 일반적으로 쓰던 방법을 답습하고 있다. 이에 본 논문에서는 주가 경향 결정 방법을 이동평균을 이용해 일반화하고 주가 경향 결정 방법이 예측 정확도에 미치는 영향을 분석한다. 분석 결과, 다음 날의 주가 경향을 예측하는 경우, 주가 경향 결정방법에 따라 예측 정확도가 47%까지 차이가 남을 발견하였다. 또한 경향 결정에 사용되는 기준값 윈도우의 크기와 예측의 정확도는 비례 관계이며, 대상값 윈도우의 크기와 정확도는 반비례 관례임을 알 수 있었다.

• 대한방사선치료학회지
• /
• 제15권1호
• /
• pp.35-40
• /
• 2003

I. 목적 방사선 치료에서 인접한 두 target을 가진 두경부 환자의 target간의 이동시, 육안으로 판별하여 수동으로 couch를 이동하는 방식에서 나타날 수 있는 오차를 확인하기 위하여, couch의 좌표값을 분석하고 target간의 이동에 대한 재현성의 정확성을 평가하고자 한다. II. 대상 및 방법 방사선 치료에 있어서 치료하고자 하는 인접한 두 target간의 이동시 operator에 의한 수동이동에서 나타날 수 있는 이동오차를 확인하기 위하여, couch의 좌표값(vertical, longitudinal, lateral 세 방향)을 이용, 수동으로 위치잡이시 이동거리에 대한 정확도를 평가하기 위해 치료장비( CL 2100C, Varian, USA) 의 console monitor에 나타난 좌표값을 기록하였다. 매 치료마다 vertical, longitudinal, lateral 세 방향에서 기록된 좌표의 이동거리를 구한 후에, 이를 RTP(Pinnacle, ADAC, USA)에 의한 target간의 거리와 비교하여 오차값을 구하였다. 동일환자를 10회에 걸쳐 실제 set-up시의 좌표이동의 평균값과 오차정도, 그리고 표준편차를 구하였다. III. 결과 환자의 skin mark를 육안으로 확인하며 수동으로 couch를 이동하는 방식에서 두 target간 이동의 평균 표준편차가 각 방향에서 vertical 1.4mm, longitudinal 0.9mm, lateral 2.2mm로 나타났고, 직선상의 이동오차는 평균 약 3.6mm, 최대 5.1mm의 오차가 나타났다. Lateral 방향에서 오차정도가 가장 커서 최대 5mm까지 오차가 발생하였으며, 각 방향에서 오차평균값은 vertical 1mm, longitudinal 0.7mm, lateral 2.7mm이고 이중에서 가장 오차가 큰 lateral방향의 오차평균값을 크게 넘어서는 경우는 전체의 $30\%$정도로 나타났다. IV. 결론 Couch를 수동으로 이동하여 target간을 이동시, 평균 약 3.6mm정도의 오차가 발생하였다. 3D conformal therapy나 IMRT처럼 높은 정밀도를 요구하는 치료의 경우에는 인접한 target간의 정확한 이동을 요구하므로, couch의 실제 좌표의 오차를 확인하는 일이 중요하다. 따라서 couch의 좌표확인을 이용한 치료의 재현성과 정확성 평가를 더욱 발전시켜 응용한다면 양질의 방사선 치료를 실시할 수 있을 것이라 사료된다.

• 한국콘텐츠학회논문지
• /
• 제18권11호
• /
• pp.416-429
• /
• 2018

태풍, 홍수는 우리에게 빈번하게 닥치는 자연 재해이며, 이와 같은 자연 재해로부터 오는 피해는 사전에 예측되어 대응책이 마련될 필요가 있다. 자연 재해로부터 야기되는 피해에는 건물의 붕괴, 인명 피해, 논/밭의 유실 등 주로 직접적인 피해가 많지만, 소비자 물가 상승과 같은 간접적인 영향에도 관심을 가져야 한다. 태풍, 홍수의 피해로부터 영향을 받는 대표적인 소비재 상품은 농산물이다. 갑작스럽고 강력한 태풍은 많은 비를 동반하면서 농작물에 피해를 주고, 농산물의 가격을 상승시킨다. 본 연구에서는 딥러닝 알고리즘을 활용하여 태풍과 같은 자연 재해가 농산물 가격에 미치는 영향을 예측한다. 우리는 데이터 확보가 가능한 쌀, 양파, 대파, 애호박, 시금치 등을 가격 예측 대상으로 했고, 농산물 가격에 영향을 미치는 변수 데이터들로 학습 모델을 만들고, 그 학습 모델이 농산물 가격을 예측하는 연구를 진행하였다. 연구 결과, 모델에 의한 예측 가격과 실제 가격의 차이를 나타내는 RMSE가 0.069 수준이며, 농산물 가격을 비교적 잘 설명하는 것으로 해석된다. 정확한 농산물 가격 예측은 정부의 농산물 공급 규모 조절 등 자연 재해 대응을 위한 정부의 노력에 활용될 수 있을 것이다.

• 한국융합학회논문지
• /
• 제12권7호
• /
• pp.169-179
• /
• 2021

본 연구는 기존의 k-평균 군집화를 활용한 2단계 k-평균 군집화 방법을 사용하여 한류콘텐츠 기업들의 주식가격을 예측함으로써 본 기법이 예측성능을 개선할 수 있음을 보이고자 하였다. 이를 위하여 본 연구는 2단계 k-평균 군집화의 알고리즘을 소개하고, 다양한 머신러닝 기법들과의 예측값 비교를 통하여 본 기법의 예측성능을 검증하였다. 본 기법은 기존의 k-평균 군집화로부터 얻어진 군집들 중에서 예측 대상에 근접한 군집을 추출하고 이 군집에 k-평군 군집화 방법을 다시 적용하여 실제 값에 보다 근접한 군집을 탐색하는 방식이다. 본 기법을 한류콘텐츠 기업들의 주가 시계열 자료에 적용한 결과, 다른 머신러닝 기법의 예측값들보다 실제 주식가격에 근접한 예측값을 나타내어, 기존의 k-평균 군집화 방법보다 개선된 예측성능을 보였다. 또한, 본 기법은 상대적으로 적은 크기의 군집을 사용함에도 불구하고 비교적 안정적인 예측값을 나타내었다. 이에 따라, 2단계 k-평균 군집화 기법은 예측의 정확성과 안정성을 동시에 개선할 수 있으며, 소규모 자료에도 유용할 수 있는 새로운 군집화 방식을 제시했다고 볼 수 있다. 향후에는 본 기법을 발전시켜 대규모 자료에도 적용하는 방안을 검토하는 연구가 요구된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권5호
• /
• pp.63-71
• /
• 2021

드론 자율비행 기술 중 장애물 회피는 드론이나 주변 환경의 손상을 방지하고 위험을 예방할 수 있도록 하는 매우 중요한 기술이다. LiDAR 센서 기반 장애물 회피방식은 비교적 높은 정확도를 보여 최근 연구에서 많이 활용되고 있지만, 단가가 높고 시각 정보에 대한 처리 능력이 제한적인 단점이 있다. 따라서 본 논문은 단가가 상대적으로 저렴하고 시각 정보를 이용한 확장성이 높은 카메라 기반 PPO(Proximal Policy Optimization) 강화학습을 이용한 드론의 장애물 회피 알고리즘을 제안한다. 3차원 공간상의 학습환경에서 드론, 장애물, 목표지점 등을 무작위로 위치시키고, 가상 카메라를 이용하여 전면에 설치된 스테레오 카메라를 통해 스테레오 영상정보를 얻은 다음 YOLOv4Tiny 객체검출을 수행한다. 그리고 난 후 스테레오 카메라의 삼각측량법을 통해 드론과 검출된 객체간의 거리를 측정한다. 이 거리를 기반으로 장애물 유무를 판단하고, 만약 장애물이면 패널티를 책정하고 목표지점이면 보상을 부여한다. 본 방법을 실험한 결과 카메라 기반 장애물 회피 알고리즘은 LiDAR 기반 장애물 회피 알고리즘과 비교하여 충분히 비슷한 수준의 높은 정확도와 평균 목표지점 도달시간을 보여 활용 가능성이 높음을 알 수 있었다.