• Annual Conference of KIPS
• /
• 2000.10a
• /
• pp.325-328
• /
• 2000

프로야구경기의 승패 예측의 문제는 그리 쉬운 일이 아니다. 왜냐하면 경기에 영향을 미치는 요소가 무한하기 때문이다. 예를 들어, 경기당일의 선수들의 컨디션이나 사기, 경기당일의 날씨, 구장요건, 상대팀에 대한 심리적 요인등 사전에 경기영향을 미치는 요소가 무한하다. 본 연구실에서는 과거 경기기록 자료를 기반으로 유용한 규칙을 찾아내어 분류트리를 만들어 학습하는 ID3 알고리즘을 프로야구 승패예측 시스템 구성에 사용하여 보았으나, 이산적인 자료의 처리로 인해 연속적인 경기자료를 고려하지 못하는 문제로 예측율이 더이상 향상되지 않았다. 따라서, 본 논문에서는 휴리스틱 방법을 이용한 경기전 예측과 경기중 예측을 이닝별 득점으로 세분화하여, 실제 경기상황을 고려한 일반적인 예측모형을 만들어 예측율을 향상시키고자 한다. 향후에는 더욱 세분화시켜 Case-based에 의한 예측을 하고자 한다.

• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.873-876
• /
• 2017

최근 딥러닝(Deep-learning)을 활용한 기상 예측, 심리 예측, 교통상황 예측 등 다양한 분야에 걸쳐 여러 모델의 인공신경망이 활용되고 있다. 본 논문에서는 여러 분야 중 스포츠라는 분야에 접근했으며, 딥러닝 모델을 통해 승부를 예측하는 실험을 진행하였다. 야구의 승부는 선수의 능력치, 기상의 변화, 험/어웨이 여부, 교체 여부 등 가늠할 수 없이 수많은 데이터들에 의존하고 있다. 그러나 본 논문에서는 이러한 수많은 데이터 중 경기 외적인 데이터를 제외한 데이터를 활용하여 그 다음 경기의 승부를 예측할 수 있을 지를 연구한다. 날짜 별 경기들이 훈련데이터가 되고 목표는 이전 경기들의 영향으로 예측된 다음 경기의 승/패를 예측한다. 즉 순차적인 데이터의 활용에 적합한 모델, Recurrent Neural-Network을 이용하였다. 이를 위하여 KBreport에서 데이터를 수집하였고, 수집된 데이터를 훈련 데이터 세트로 만들어 Recurrent Neural Network를 통해 훈련시켜 다음 경기의 승패를 예측하였다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.1043-1048
• /
• 2007

산업경기예측을 위한 의사결정지원시스템은 예측관련 정보의 지식표현뿐 아니라 예측 프로세스를 공식화하는 것이 중요하다. 본 연구는 예측 정보들과 함께 예측 프로세스를 체계적으로 구축하기 위해 예측 온톨로지 개발을 위한 방법론을 제시한다. 예측 정보들에 대한 지식표현을 위해서 의미적 지식기반인 온톨로지를 구축하고, 예측 프로세스의 절차적 표현을 위해서는 프로세스 구성요소에 기반한 온톨로지 개발방법을 제안하여 예측 프로세스를 체계적으로 표현한다. 이를 국내의 대표적인 산업이며 경기변동이 심한 반도체 산업에 적용하여 경기예측에 대한 온톨로지를 구축한다. 완성된 온톨로지는, 실제로 예측을 계획하고 구축하고 표현하기 위한, 미래 의사결정지원시스템을 설계하기 위한 주요 구성요인으로 제공될 수 있을 것이다.

• The Korean Journal of Applied Statistics
• /
• v.12 no.2
• /
• pp.397-404
• /
• 1999

1997년말 발생한 외환위기 이후 불확실성의 증대로 시계열모형을 이용한 경제예측에 한계가 노정되고 있다. 이를 극복하기 위하여 경제주체의 기대(expectation)를 파악할수 있는 기업경기실사지수를 경제예측에 도입할 필요가 있다. 본고에서는 기업경기실사지수를 이용한 모형과 시계열모형을 추정하고 이들을 예측력 측면에서 비교, 분석해보았다. 분석결과 불확실성이 높았던 외환위기이후 기간에는 기업경기실사지수를 이용한 모형이 시계열모형보다 예측력면에서 우수한 것으로 나타났다.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.5
• /
• pp.161-168
• /
• 2020

Predicting outcome of the sports enables teams to establish their strategy by analyzing variables that affect overall game flow and wins and losses. Many studies have been conducted on the prediction of the outcome of sports events through statistical techniques and machine learning techniques. Predictive performance is the most important in a game prediction model. However, statistical and machine learning models show different optimal performance depending on the characteristics of the data used for learning. In this paper, we propose a new ensemble model to predict English Premier League soccer games using statistical models and the machine learning models which showed good performance in predicting the results of the soccer games and this model is possible to select a model that performs best when predicting the data even if the data are different. The proposed ensemble model predicts game results by learning the final prediction model with the game prediction results of each single model and the actual game results. Experimental results for the proposed model show higher performance than the single models.

• Korean Journal of Construction Engineering and Management
• /
• v.14 no.5
• /
• pp.103-112
• /
• 2013

After 1990s, the influence of construction industry has been decreased on national economy and construction business condition has been changed on economic recession and boom repeatedly. Larger fluctuation of business condition makes a forecast of it to be more difficult. Uncertainty in business prediction results in damages on construction companies and stakeholders. Therefore, study on forecasting a construction business is very important. This study suggests the Construction Industry Production Index(CIPI) to predict a construction business in consider of temperature effects. The results show that construction business is much influenced by temperature effects certainly and GDP. With the CBFM, this study examines CIPI for 2013 with two scenarios: 1)with GDP growth rate of 3.5% 2)with GDP growth rate of 2.4%. Thus, CIPI would be used as the economic state index to display the construction business conditions. Also, CIPI will be utilized as basic methodology in the impact of climate change in the construction industry.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.233-251
• /
• 2002

본 연구는 우리나라를 대상으로 장단기 스프레드와 신용스프레드가 경기변동에 대해 어떠한 예측력을 갖고 있는가를 살펴보았다. 이를 위해 1991년부터 2001년까지를 분석기간으로 하여 Probit 분석을 통해 금리스프레드와 경기변동과의 시차 및 불황확률을 추정하여 평가해 보았으며, 인과관계 검정을 시도해 보았다. 우선 금리스프레드와 경기변동에 대한 불황확률을 알아보기 위해서 Probit 모형을 이용하여 불황확률을 추정하였다. 그 결과 장단기 금리스프레드 중에서는 5년 만기 1종 국민주택채권수익률-콜금리(HCS)는 3개월, 5년 만기 1종 국민주택채권수익률-1년 만기 금융채수익률(HGS)은 7개월, 5년 만기 1종 국민주택채권수익률-1년 만기 통안증권수익률(HMS)은 9개월의 시차를 보이는 경우가 Pseudo $R^2$ 값이 가장 높게 나타났지만 불황확률을 토대로 경기 호황과 불황 국면을 비교해 본 결과 HMS는 Pseudo $R^2$의 값도 상대적으로 높았을 뿐만 아니라 매우 높은 경기변동 예측력을 보여주었다. HCS와 HGS의 경우에는 IMF 체제 전후의 불황기와 그 이후에 도래한 호황기는 예측력이 높게 나타났으나 1990년대 초반에는 제대로 불황확률을 예측하지 못하는 것으로 나타났다. 또한 3년 만기 회사채수익률-5년 만기 국민주택채권수익률(CHS)와 3년 만기회사채수익률 -3년 만기 금융채수익률(CGS)로 나타낸 신용 스프레드에서는 유의적인 결과를 도출하지는 못하였다. 한편 인과관계에서도 HCS, HGS, HMS 등의 장단기 스프레드는 경기변동에 대하여 일방적 원인변수로 작용하는 것으로 나타나 선행결합관계를 보여주었으나 CHS, CGS 등의 신용스프레드는 경기변동과 어떠한 유의적인 결합관계도 보여주지 못하였다. 따라서 장단기 스프레드는 경기변동을 예측하는데 유용한 정보를 제공하지만 신용스프레드는 경기변동을 예측하는데 도움을 주지 못하는 것으로 나타났다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.01a
• /
• pp.241-242
• /
• 2018

야구 관람객들은 주로 자기가 선호하는 팀의 경기나 이길 가능성이 높은 경기를 관람하고자 한다. 때문에 시중에 지난 경기, 당일의 경기, 미래 경기에 대한 정보를 얻을 수 있는 KBO 사이트와 경기 승/패를 예측하기 위한 정보를 얻을 수 있는 사이트에서 경기 기록에 대한 정보를 얻어 관람 일을 결정하는데 도움을 얻는다. 따라서 본 연구에서는 데이터마이닝을 통하여 프로야구 팬들이 특정 팀의 승/패를 예측하는데 사용할 수 있는 유용한 규칙과 패턴을 도출해보고자 한다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2005.05a
• /
• pp.129-134
• /
• 2005

설문조사방식인 기업경기조사는 간편하고 신속하게 경기를 파악할 수 있을 뿐만 아니라 전통적인 경제통계로는 포착하기 어려운 기업의 경제활동에 대한 평가와 전망을 지수화할 수 있다는 이점이 있다. 본고에서는 전국경제인연합회의 전망BSI를 이용하여 다음 분기 경제성장률을 예측하는 데 도움이 되는지 살펴보았다. 예측력 검정 결과 전망BSI는 1${\sim}$2분기 이후의 경제성장률과 높은 상관관계를 보이고 있으나 기간에 따라서는 오히려 예측오차를 크게 할 수도 있는 것으로 나타났다. 우리나라를 포함하여 각국에서 서베이 자료의 활용도가 점차 커지고 있는 만큼 조사방식 개선, 합성지수 개발 등 기업경기조사의 정확도 제고를 위해 많은 노력을 기울일 필요가 있다.

• Journal of Korea Port Economic Association
• /
• v.26 no.4
• /
• pp.207-218
• /
• 2010

The purpose of the study is to predict the shipping business during the period of 2011 using the ARIMA-type models. This include the ARIMA and Intervention-ARIMA models. The multivariate cause-effect econometric model is not employed for not assuring a higher degree of forecasting accuracy than the univariate variable model. Such a cause-effect econometric model also fails in adjusting itself for the post-sample. This article introduces the four ARIMA models and six Intervention-ARIMA models. The monthly data cover the period January 2000 through October 2010. The out-of-sample forecasting performance is compared between the ARIMA-type models and the random walk model. Forecasting performance is measured by three summary statistics: root mean squared percent error, mean absolute percent error and mean percent error. The root mean squared percent errors of all the ARIMA-type models are somewhat higher than normally expected. Furthermore, the random walk model outperforms all the ARIMA-type models. This reveals that the BDI is just a random walk phenomenon and it's meaningless to predict the BDI using various econometric techniques. The ARIMA-type models show that the shipping market is expected to be bearish in 2011. These pessimistic ex-ante forecasts are supported by the Hodrick-Prescott filtering technique.