• 자원ㆍ환경경제연구
• /
• 제31권4호
• /
• pp.801-824
• /
• 2022

최근 유엔에 의해 전 세계 탄소배출량 중 건물부문에서 발생하는 탄소배출량이 38%로 기타 산업부문(32%), 운송부문(23%)을 제치고 가장 높다는 사실이 밝혀지면서, 해외 선진국을 필두로 건물부문의 탄소배출량을 절감하기 위한 방안으로 ESG가 적극 활용되고 있다. 국내에서도 올해 국민연금이 '투자자산 50% 이상 ESG 고려'를 발표하면서 건설업계와 자산운용사들을 중심으로 건물부문에 ESG를 도입하려는 움직임이 속도가 붙고 있다. 그러나 국내의 ESG 평가시스템은 아직까지 주로 기업지배구조와 사회적 책임 분야에 집중되어 있어 환경 분야에 대한 관심도는 선진국 대비 뒤처져 있는 편이다. 앞으로 건물부문 ESG는 10년 동안 급성장할 것으로 전망되며, 이에 대비한 다음과 같은 발전방향을 제언한다. 첫째, 인센티브제 확대이다. 정부가 환경 규제 등 건물부문 ESG와 관련한 정책을 성공적으로 시행하기 위해서는 규제 위반에 따른 임대 제한이나 징벌세 등과 같은 네거티브 제도 외에 규제 준수 시 세금 감면, 건축물 기준 완화 등과 같은 인센티브 제도를 지금보다 더 확대해야 한다. 둘째, 표준화된 ESG 기준 정립이다. 글로벌 기준과 거리가 먼 독자적인 한국형 ESG 기준을 만들기 보다는 글로벌 기준과 평가방법의 공통부분을 잘 정리하여 모든 이해관계자가 동일하게 활용할 수 있는 표준 교과서 형태의 지침을 만들어 제공하는 것이 필요하다. 셋째, 건물부문 ESG와 디지털 전환(DX)을 연계시키는 노력이다. 인력중심으로 운영되고 있는 건물부문 운영방식을 디지털화하여 지능형 중심으로 전환해야 실질적인 에너지 절감과 탄소배출량 절감을 실현할 수 있기 때문이다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.129-148
• /
• 2023

블록체인 기술이 적용되어 있는 암호화폐는 높은 가격 변동성을 가지며 투자자 및 일반 대중으로부터 큰 관심을 받아왔다. 이러한 관심을 바탕으로 암호화폐를 비롯한 투자상품의 미래가치를 예측하기 위한 연구가 이루어지고 있으나 예측모형에 대한 설명력 및 해석 가능성이 낮아 실무에서 활용하기 어렵다는 비판을 받아왔다. 본 연구에서는 암호화폐 가격 예측모형의 성과를 향상시키기 위해 금융투자상품의 가치평가에 활용되는 기술적 지표들과 함께 투자자의 사회적 관심도를 반영할 수 있는 구글 키워드 검색량 데이터를 사용하고 설명 가능한 인공지능을 적용하여 모형에 대한 해석을 제공하고자 한다. 최근 금융 시계열 분야에서 예측성과의 우수성을 인정받고 있는 LSTM(Long Short Term Memory)과 CNN(Convolutional Neural Networks)을 활용하고, 'bitcoin'을 검색어로 하는 구글 검색량 데이터를 적용해 일주일 후의 가격 등락 예측모형을 구축하였다. LSTM과 CNN을 활용해 구축한 모형들이 높은 예측성능을 보였으며 구글 검색량을 반영한 모형에서 더 높은 예측성과를 확인할 수 있었다. 딥러닝 모형의 해석 가능성 및 설명력을 위해 XAI의 SHAP 기법을 적용한 결과, 구글 검색량과 함께 과매수, 과매도 정도를 파악할 수 있는 지표들이 모형의 의사결정에 가장 큰 영향들을 미치고 있음을 파악할 수 있었다. 본 연구는 암호화폐 가격 등락 예측에 있어 전통적으로 시계열 예측에 우수한 성과를 인정받고 있는 LSTM뿐만 아니라 이미지 분류에서 높은 예측성과를 보이는 딥러닝 기법인 CNN 또한 우수한 예측성능을 보일 수 있음을 확인하였으며, XAI를 통해 예측모형에 대한 해석을 제공하고, 대중의 심리를 반영하는 정보 중 하나인 구글 검색량을 활용해 예측성과를 향상시킬 수 있다는 것을 확인했다는 점에서 의의가 있다.

• 한국산업정보학회논문지
• /
• 제22권6호
• /
• pp.47-59
• /
• 2017

우리나라는 그간 대기업 중심의 경제개발정책으로 인해 대기업과 중소기업 간의 양극화가 심화되고 있다. 소공인 산업이란 중소기업보다도 더욱 영세한 규모의 산업형태로써 다양한 업종에 걸쳐 분포되어 있으며 우리나라 경제의 뿌리산업 역할을 하고 있다. 소공인 산업기반이 붕괴하면 뿌리산업의 생산구조 전체가 무너지게 되어 우리나라 산업 전체의 위기를 초래할 수 있기 때문에 소공인 산업지원 정책은 중요한 정책과제이다. 소공인 산업은 제조업 전반에 걸쳐 다양한 업종에 분포되어 있기 때문에 본 연구에서는 연구범위를 신발산업으로 한정하고 주된 연구문제를 소공인 산업의 실태분석에 초점을 두고 수행하였다. 효과적 실태분석을 위하여 1차적으로 간접자료인 통계청 자료를 기반으로 하여 신발소공인 현황을 분석하였으며, 이 중 신발소공인이 가장 밀집된 부산지역을 대상으로 설문분석방법을 활용하여 직접자료를 수집하고 분석에 활용하였다. 수집된 자료는 SPSS 통계프로그램을 이용하여 빈도분석 및 기술적 분석 중심으로 이루어졌으며 주요 발견점은 다음과 같다. 첫째, 신발산업은 중소기업형 산업으로써 신발소공인이 해당산업 내에서 차지하는 비중이 매우 높다. 특히 신발업종에서 중소기업은 지속적으로 감소하고 있는 반면 신발소공인의 비중은 지속적으로 증가하고 있어 신발산업의 영세성은 갈수록 심화되고 있다. 둘째, 신발소공인의 기술숙련도는 높지만 노령화가 진행되고 있어서 기술의 차세대 전수를 위한 정부정책의 수립이 필요하다. 셋째, 대부분의 신발소공인 공장시설이 불안정하고 영세하기 때문에 아파트형 공장의 보급 등을 통해 영세하고 불안정한 생산기반을 안정화하고 현대화하기 위한 정부의 정책적 지원노력이 필요하다. 넷째, 특허 등과 같은 무형기술자산을 보유한 소공인이 매우 적으므로 소공인 특허출원 활성화제도를 구축함으로써 소공인 기술자산이 지속적으로 개발될 수 있는 기술환경 구축이 필요하다. 다섯째, 소공인들의 기업가 정신 및 협업마인드가 낮기 때문에 소공인에 대한 의식개혁과 함께 협동조합의 활성화가 이루어질 수 있도록 현행 협업지원제도의 보다 적극적 보완이 필요하다. 즉 협동조합을 통해 원가를 절감하고 공동브랜드 개발 및 공동판매를 통해 브랜드가치를 높이고 판로개척을 지원할 수 있는 정책적 지원노력이 수반되어야 할 것이다. 마지막으로 소공인은 기술 및 경영관리 역량이 취약하며 특히 국내에 한정된 판매망 및 주문자생산방식의 납품구조를 가지고 있으므로 마케팅 기능이 매우 취약하며 자사제품에 대한 생산 및 판매활동에 대한 계획수립이 거의 이루어지지 못해 적극적인 브랜드개발 및 시장개척 노력이 미흡한 것으로 나타났다. 본 연구의 한계점과 향후 연구방향 또한 논의되었다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 기록학연구
• /
• 제48호
• /
• pp.93-139
• /
• 2016

신문의 역할은 정부의 비판과 감시다. 공공의 문제에 해설과 논평을 하는가 하면 다양한 여론을 형성하고 전달한다. 메타데이터가 확실한 사진 기록물을 담고 있으며, 지역신문의 경우 로컬리티 확보의 중요한 도구다. 신문에 실린 광고와 신문의 편집 역시도 시대의 단면을 보여준다. 이런 신문의 기록학적 가치 때문에 도큐멘테이션 전략을 수립할 때도 신문은 늘 우선적으로 수집이 고려되는 기록물이다. 신문을 보존하고 관리하기 위한 신문 아카이브는 여러모로 중요한 의미를 지닌다. 기자들이 기사를 작성하기 위해 이용하기도 하고, 다양한 학문 분야의 연구를 위한 자료로도 활용이 된다. 신문의 교육적 활용인 NIE에도 이용되지만 신문 아카이브는 디지털 시대에 들어와 더욱 중요한 위치를 차지한다. 미디어 자산을 통합 관리하는 MAM의 핵심에 아카이브가 위치하기 때문이다. 신문 제작뿐만 아니라 신문사 경영 등 전 영역에 걸쳐 새로운 역할을 온라인 아카이브가 하게 될 거라는 전망들이 나오고 있다. 한국에서도 이미 1991년 기사통합 DB인 KINDS가 서비스를 시작했고, 네이버에서는 뉴스 라이브러리라는 온라인 신문 아카이브를 구축해 운영하고 있다. KINDS의 경우 초기에는 뜨거운 반응이 있었으나, 현재는 이용률이 저조한 상태이다. "조선일보", "중앙일보" 등 주요 신문사가 빠져 있고, 이용자 인터페이스도 불편한 점이 많기 때문이다. 하지만 공공예산이 투입되어 무료로 이용할 수 있다는 점이나, 지방지에 대한 접근성 등은 큰 장점이다. 고신문의 경우 국립중앙도서관에서 지속적으로 디지타이징을 하고 있다. 개별 신문사들의 경우도 아카이브라고 하기 민망한 수준이자만 서비스를 제공하고 있다. 미국의 경우 의회도서관에서 국립인문기금과 함께 역사적 신문을 디지타이징 하는 'CHRONICLING AMERICA' 프로젝트를 진행 중이다. 각 주의 대학과 역사협회, 공공 도서관에 기금을 줘 매년 10만 페이지의 지역신문을 디지타이징하고 있다. 영국 역시도 국립도서관이 중심이 되어 'The British NEWSPAPER Archive'라는 온라인 신문 아카이브를 구축하고 있는데, 미국과 달리 유료로 운영된다. 이곳 역시도 합동정보시스템위원회의 공공예산이 투입되었으며, 지금도 구축을 계속 이어가고 있다. 개별 신문사들은 아카이브 솔루션을 구매해 온라인 아카이브를 구축하는 경우가 많다. ProQuest Archiver, Gale Cengage-NewsVault가 대표적인 아카이브 플랫폼으로 신문 자체가 표준화되고 규격화되어 있는 만큼 이를 통한 아카이브 구축도 효율적인 방법으로 보인다. 국내의 온라인 신문 아카이브를 개선하기 위해서는 아카이브에 대한 인식의 전환과 함께 과감한 투자 등이 요구된다.

• 한국전통조경학회지
• /
• 제38권4호
• /
• pp.25-38
• /
• 2020

본 연구는 민가정원의 기록화를 목적으로, 전라도 지역 문화재 지정 민가정원의 역사적 가치, 입지, 공간구성 및 건축물 배치, 정원구성요소 등을 검토하여 현재 민가정원의 모습을 고찰함으로써 향후 지속적인 유지관리·보존을 도모하고, 가치를 제고하고자 하였다. 연구의 결과는 다음과 같다. 첫째, 대부분 조선후기에서 근대에 조성된 민가정원의 조성시기와 궁궐·일본·서양의 양식에 영향을 받은 정원구성요소 등을 통해 농·상업 발달의 확산 등 시대적 흐름 속에 영향을 받아온 것을 알 수 있다. 두째, 입지한 지형에 따라 민가정원의 공간구성과 후원 처리 방식에 차이가 있다. 입지한 지형을 평지와 경사지로 구분하였을 때 평지에 입지한 민가는 담장으로 공간을 구획하고 후원 주변으로 담장을 두르고 화계 및 석단을 조성하였다. 경사지에 입지한 민가는 2~3단의 단차를 두어 공간을 구획하고, 후면의 구릉과 접한 후원에 담장을 조성하지 않고 수목 식재, 화계 및 석단 조성 등을 통해 배경림과 자연스럽게 이어지도록 하였다. 셋째, 가옥의 규모 및 정원구성요소가 일부 소실·훼손·변화되었으며, 변화과정에 대한 기록이 부족한 경우 도면으로 기록하는 것에 한계가 있다. 시대적 흐름과 수요의 변화에 따라 소실 또는 훼손된 건축물 및 정원구성요소가 많았으며, 기록이 남지 않은 일부는 소유주 및 관리자의 기억에 의존해야하는 실정이다. 넷째, 전라도 기후적 특성을 반영한 난대성 수종의 식재가 이루어졌으며, 전통수종이 아닌 외래수종이 많은 부분 도입되었다. 다섯째, 현대의 편의를 고려한 공간 기능과 식재 수종의 변화에 대비하기 위한 세분화된 수목 관리 기준이 필요하다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.