• 경영정보학연구
• /
• 제23권1호
• /
• pp.23-43
• /
• 2021

최근 인공지능 기법을 활용하여 캔들스틱 차트를 분석함으로써 주식가격 예측의 정확성을 높이고자 하는 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 주식가격 예측을 위한 학습에 있어 캔들스틱 차트의 시계열적 특성을 고려하지 못한다는 점과 시장 참여자들의 감정 상태를 고려하지 못한다는 점 등이 문제로 지적되고 있다. 본 연구에서는 시장 참여자들의 감정상태를 반영하기 위해 변동성지수(VIX: volatility index) 차트를 캔들스틱 차트와 함께 고려하여 학습시키고 이를 변이형 오토인코더(VAE: variational auto encoder)와 어텐션 메커니즘(attention mechanisms)을 결합한 새로운 방법으로 분석하여 캔들스틱 차트의 시계열적 특성을 고려함으로써 기존 연구의 한계를 극복하고자 한다. 본 연구에서 제안한 방법의 성능 비교를 위해 S&P 500 기업 가운데 50개를 임의로 추출하여 제안한 방법을 통해 이들의 주식가격을 예측하고 이를 합성곱 신경망(CNN: convolutional neural network) 또는 장단기메모리(LSTM: long-short term memory) 등과 같은 기존 방법들과 비교하였다. 비교 결과 기존 방법들에 비해 본 연구에서 제안한 방법이 더 우수한 성능을 보이는 것으로 나타났다. 본 연구는 시장 참여자들의 감정 상태와 캔들스틱 차트의 시계열적 특성을 고려함으로써 주식 가격 예측의 정확성을 높였다는 점에서 그 의의가 있다.

• 한국식품영양과학회지
• /
• 제44권8호
• /
• pp.1194-1199
• /
• 2015

본 연구에서는 국내에서 소비되는 일부 상용식품의 비타민 $K_1$ 함량을 측정하고자 하였으며, 이 분석방법을 검증하며 결과의 신뢰도를 확보하고자 하였다. 각 식품군의 비타민 K는 용매추출법을 이용하여 추출하였으며, 포스트칼럼이 장착된 역상 HPLC를 통하여 분리, 정량하였다. 채소류에서는 고구마 잎이 $1,467.3{\mu}g/100g$으로 가장 높았으며, 과일류는 녹색 키위가 $42.7{\mu}g/100g$으로 가장 높게 분석되었다. 두류에서는 녹두가 $63.4{\mu}g/100g$으로 가장 높은 값을 나타내었다. 분석방법을 검증하기 위하여 직선성, 재현성, 반복성, 회수율 및 peak purity를 구하였으며 분석관리 차트를 작성하여 분석 결과 값을 관리하였다. 그 결과 본 시험법에서 표준물질의 피크 머무름시간과 모시잎 시료의 피크 머무름시간이 일치하여 특이성을 확인하였다. 검량선의 상관 계수는 0.9999 이상으로 높은 유의 수준을 보여 분석에 적합함을 알 수 있었으며, 반복성과 재현성의 변동계수는 각각 2.33, 3.93%로 나타났고 회수율은 103.67%로 우수하게 나타났다. 본 연구에서 분석된 자료는 표준화된 식품성분표의 기초 자료로 이용될 수 있을 것으로 판단된다.