• 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.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.507-513
• /
• 2022

본 연구는 영화 산업에서 온라인 시장인 IPTV의 VOD 이용 건수 예측 모델을 개발하였다. 한국영화진흥위원회에서 수집한 2017년부터 2021년까지 VOD 이용건수 데이터를 활용하여 머신러닝 기반 예측모델을 구축했다. 문헌조사와 군집분석을 통하여 오프라인 시장과 온라인 시장의 차이를 밝히고, VOD 이용 건수의 새로운 범주를 제안한다. 머신러닝 기반의 VOD 이용 건수 예측 모델 개발을 통해 IPTV 기업들의 의사결정 지원 뿐 아니라 마케팅 전략 수립을 돕는 것을 목적으로 한다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권3호
• /
• pp.21-45
• /
• 2021

Purpose This paper analyzed the impacts of domestic stock market by a global pandemic such as COVID-19. We investigated how the overall pattern of the stock market changed due to the impact of the COVID-19 pandemic. In particular, we analyzed in depth the pattern of stock price, as well, tried to find what factors affect on stock market index(KOSPI) in the healthcare industry due to the COVID-19 pandemic. Design/methodology/approach We built a data warehouse from the databases in various industrial and economic fields to analyze the changes in the KOSPI due to COVID-19, particularly, the changes in the healthcare industry centered on bio-medicine. We collected daily stock price data of the KOSPI centered on the KOSPI-200 about two years before and one year after the outbreak of COVID-19. In addition, we also collected various news related to COVID-19 from the stock market by applying text mining techniques. We designed four experimental data sets to develop decision tree-based prediction models. Findings All prediction models from the four data sets showed the significant predictive power with explainable decision tree models. In addition, we derived significant 10 to 14 decision rules for each prediction model. The experimental results showed that the decision rules were enough to explain the domestic healthcare stock market patterns for before and after COVID-19.

• Journal of Information Technology Applications and Management
• /
• 제22권3호
• /
• pp.1-18
• /
• 2015

Financial markets are characterized by large numbers of complex and interacting factors which are ill-understood and frequently difficult to measure. Mathematical models developed in finance are precise formulations of theories of how these factors interact to produce the market value of financial asset. While these models are quite good at predicting these market values, because these forces and their interactions are not precisely understood, the model value nevertheless deviates to some extent from the observable market value. In this paper we propose a framework for augmenting the predictive capabilities of mathematical model with a learning component which is primed with an initial set of historical data and then adjusts its behavior after the event of prediction.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.283-286
• /
• 2007

This paper proposes a genetic algorithm (GA) approach to instance selection in case-based reasoning (CBR) for the prediction of Korea Stock Price Index (KOSPI). CBR has been widely used in various areas because of its convenience and strength in complex problem solving. Nonetheless, compared to other machine learning techniques, CBR has been criticized because of its low prediction accuracy. Generally, in order to obtain successful results from CBR, effective retrieval of useful prior cases for the given problem is essential. However, designing a good matching and retrieval mechanism for CBR systems is still a controversial research issue. In this paper, the GA optimizes simultaneously feature weights and a selection task for relevant instances for achieving good matching and retrieval in a CBR system. This study applies the proposed model to stock market analysis. Experimental results show that the GA approach is a promising method for instance selection in CBR.

• 마이크로전자및패키징학회지
• /
• 제22권2호
• /
• pp.1-4
• /
• 2015

Qualification includes all activities to demonstrate that a product meets and exceeds the reliability goals. Manufacturers need to spend time and resources for the qualification processes under the pressure of reducing time to market, as well as offering a competitive price. Failure to qualify a product could result in economic loss such as warranty and recall claims and the manufacturer could lose the reputation in the market. In order to provide valid and reliable qualification results, manufacturers are required to make extra effort based on the operational and environmental characteristics of the product. This paper discusses optimal interval censoring design for reliability prediction of electronic packages under limited time and resources. This design should provide more accurate assessment of package capability and thus deliver better reliability prediction.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1996년도 춘계공동학술대회논문집; 공군사관학교, 청주; 26-27 Apr. 1996
• /
• pp.741-744
• /
• 1996

Artifical Neural Network(ANN) models were used for forecasting interest rate as a new methodology, which has proven itself successful in financial domain. This research intended to construct ANN models which can maximize the performance of prediction, regarding Corporate Bond Yield (CBY) as interest rate. Synergistic Market Analysis (SMA) was applied to the construction of models [Freedman et al.]. In this aspect, while the models which consist of only time series data for corporate bond yield were devloped, the other models generated through conjunction and reorganization of fundamental variables and market variables were developed. Every model was constructed to predict 1,6, and 12 months after and we obtained 9 ANN models for interest rate forecasting. Multi-layer perceptron networks using backpropagation algorithm showed good performance in the prediction for 1 and 6 months after.

• 한국건축시공학회지
• /
• 제14권6호
• /
• pp.631-637
• /
• 2014

최근 모듈러주택 시장은 주거시설 뿐만 아니라 업무시설등에 적용되면서 시장영역이 확대되고 있다. 해외 선진국의 경우 성숙단계로 접어들고 있으며, 국내의 경우 시장이 형성되어 있지 않기 때문에 중 장기 시장 전망을 위한 추세 파악에 어려움이 있다. 이에 본 연구는 시계열 분석을 기반으로 비선형 예측모형을 활용하여 국내 모듈러주택의 시장수요를 전망하였다. 모듈러주택 시장수요 전망은 신규 주택 건설에 대한 수요량 추정 결과를 기반으로 주택 공급량을 파악하고 주택공급량의 일부를 모듈러주택 수요로 가정하여 시나리오분석을 하였으며, 비선형 예측모형을 활용하여 모듈러주택 시장 전망을 하였다.

• 서비스연구
• /
• 제14권1호
• /
• pp.27-43
• /
• 2024

중고차 시장에서 온라인 플랫폼 서비스의 시장 점유율은 지속적으로 증가하고 있다. 또한 중고차 온라인 플랫폼 서비스는 서비스 이용자에게 차량의 제원, 사고 이력, 점검 내역, 세부 옵션, 그리고 중고차의 가격 등을 공개하고 있다. 2023년 현재 국내 자동차 시장에서 SUV 차종의 신차 점유율은 50% 이상으로 확대되었으며, 하이브리드 차종은 신차 판매량이 지난해에 비해 두 배 이상 증가하였다. 이에 따라 이들 차종은 국내 중고차 시장에서도 인기를 끌고 있다. 기존 연구는 전체 차량 또는 브랜드별 차량을 대상으로 머신러닝 모델을 실행하여 중고차 가격 예측 모델을 제안하였다. 반면 국내 자동차 시장에서 SUV와 하이브리드 차종의 인기는 매년 상승하고 있으나, 이들 차종을 대상으로 중고차 가격 예측 모델을 제안한 연구는 찾기 어려웠다. 본 연구는 국내 시장에서 자국 브랜드가 생산한 세단, SUV, 그리고 하이브리드 차종을 대상으로 차량 제원과 옵션, 총 72개의 특성을 활용하여 이들 차종별 가장 우수한 중고차 가격 예측 모델을 선정하였다. 이를 위해 특성 선택으로 Lasso 회귀 모델을 활용하여 특성을 선별한 후 동일 샘플링으로 앙상블 모델을 실행하였다. 그 결과 모든 차종에서 최우수 모델은 CBR 모델로 선정되었으며, 차종별 최우수 모델을 대상으로 Tree SHAP Value의 시각화를 실행하여 특성의 기여도 및 방향성을 확인하였다. 본 연구의 시사점으로 온라인 플랫폼 서비스를 이용하는 매매관계자에게 차종별 중고차 가격 예측 모델을 제안하고 특성의 기여 수준과 방향성을 확인함으로써 이들 간 정보의 비대칭으로 야기된 문제 해결에 지원이 될 것으로 기대한다.