• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• 한국농림기상학회지
• /
• 제18권4호
• /
• pp.199-207
• /
• 2016

본 연구는 기후변화에 따른 1990년대와 2000년대 봄철에 발생하는 산불의 공간적 분포가 크게 변화됨에 따라 현재 진행되고 있는 기후변화에 대응하기 위한 산불 발생확률모형의 변화를 비교하고, 2000년대 이후의 산불발생확률모형을 적용함으로써 우리나라에서의 기후 변화로 인한 산불발생 변화 예측을 현실적으로 반영하기 위해 수행하였다. 본 연구에서는 전국 특정지역의 일일 산불발생위험도 예측하기 위하여 산불발생과 관련이 있는 기상요소로 규명된 습도, 기온, 풍속 등 기상정보를 이용하여 기후변화를 반영한 2000년대의 전국 9개 권역의 봄철 기상요소에 의한 일일 산불발생위험지수(daily weather index, DWI)를 개발하였다. 첫 번째로 구체적인 개발방법은 전국 9개 광역지역별로 산불발생에 영향을 주는 기상요소를 규명하여 지역별로 산불발생의 유무를 종속변수(dependent variable)로 두고 산불발생 관련 기상요소들을 독립변수(independent variable)로 하여 로지스틱 회귀모형(logistic regression model)을 적용하여 산불발생확률을 추정하였다. 1970년대 이후 우리나라의 봄철 건조계절의 평균 기후장 분석 결과, 영남지역에서 기온은 상승하고 습도와 강수량의 감소폭이 큰 것으로 나타났다. 반면 강원지역은 모든 기상요소에서 변화폭이 비교적 낮아 산불발생 환경 측면에서 다른 지역보다 안정적인 것으로 사료된다. 향후 권역별 기후 변화 특성과 산불발생 경향을 비교함으로써 산불발생에 영향을 미치는 권역별 주요 기후인자를 선별을 수 있을 것으로 판단된다. 1990년대와 비교하여 2000년대의 산불의 패턴은 남북으로 분할되던 경향이 광역 대도시를 중심으로 인근 지역으로 확대되면서 백두대간을 중심으로 동서로 분할되는 경향을 보였다. 이러한 결과를 토대로 2000년대 봄철 기상에 의한 산불발생확률모형 개발을 수행하였다. 각 권역별 산불발생과 관련되는 기상요소로 경상남 북도, 전라남도 4개 권역은 최고기온, 상대습도, 실효습도, 평균풍속, 경기도와 충청남도 2개 권역은 최고기온, 상대습도, 평균풍속, 충청북도는 최고기온, 상대습도, 실효습도, 전라북도는 최고기온과 상대습도, 마지막으로 제주도는 최고기온과 평균풍속에서 95% 이상의 신뢰도에서 유의성이 있는 것으로 나타났다. 제주도를 제외한 모든 권역에서 99%의 신뢰수준에서 통계적으로 유의한 것으로 나타났으며, 표본내 예측력은 68.7~80.7%로 나타나 모형의 적합도는 매우 높은 것으로 나타났다. 개발된 모형은 현재 운영중인 산림청 국립산림과학원의 국가산불위험예보시스템에 반영하여 기후변화에 따른 2000년대의 산불발생위험을 정확히 예측하여 산불예방은 물론 진화자원의 효율적인 배치를 통해 시간과 인적 경제적 비용을 절감하고 산불피해를 최소화 할 수 있는 선택과 집중의 산불정책에 일조할 수 있을 것으로 기대한다.

• 한국환경농학회지
• /
• 제42권1호
• /
• pp.52-62
• /
• 2023

This study focused on determining the specific causes and prevention methods of mass fish deaths occurred in five reservoirs (Gagugi, Neupgokgi, Danggokgi, Sagokji, and Hangokji) in Andong-si. For this purpose, a survey of agricultural land and livestock in the upper part of the reservoirs and analysis of water quality in the reservoir irrespective of whether it rains or not were conducted. We attempted to examine the changes in dissolved oxygen (DO) in the surface and bottom layers of reservoirs and changes in DO depending on the amount of livestock compost and time. Based on the above investigations, treatment plans were established to efficiently control the inflow of contaminated water into reservoirs. The rainfall and farmland areas in the upper part of the reservoir were investigated using Google and aviation data provided by the Ministry of Land, Infrastructure, and Transport. The current status of livestock farms distributed around the reservoirs was also examined because compost from these farms can flow into the reservoir when it rains. Various water quality parameters, such as phosphate phosphorus (PO₄-P) and ammonium nitrogen (NH₃-N), were analyzed and compared for each reservoir during the rainy season. Changes in the DO concentration and electrical conductivity (EC) were also observed at the inlet of the reservoir during raining using an automated instrument. In addition, DO was measured until the concentration reached 0 ppm in 10 min by adding livestock compost at various concentrations (0.05%, 0.1%, 0.3%, and 0.5% by wt.), where the concentration of the livestock compost represents the relative weight of rainwater. The DO concentration in the surface layer of reservoirs was 3.7 to 5.3 ppm, which is sufficient for fish survival. However, the fish could not survive at the bottom layer with DO concentration of 0.0-2.1 ppm. When the livestock compost was 0.3%, DO required 10-19 h to reach 0 ppm. Considering these results, it was confirmed that the DO in the bottom layer of the reservoir could easily change to an anaerobic state within 24 h when the livestock compost in the rainwater exceeds 0.3%. The results show that the direct cause of fish mortality is the inflow of excessive livestock compost into reservoirs during the first rainfall in spring. All the surveyed reservoirs had relatively good topographical features for the inflow of compost generated from livestock farms. This keeps the bottom layer of the reservoir free of oxygen. Therefore, to prevent fish death due to insufficient DO in the reservoir, measures should be undertaken to limit the amount of livestock compost flowing into the reservoir within 0.3%, which has been experimentally determined. As a basic countermeasure, minerals such as limestone, dolomite, and magnesia containing calcium and magnesium should be added to the compost of livestock farms around the reservoir. These minerals have excellent pollutant removal capabilities when sprayed onto the compost. In addition, measures should be taken to prevent fish death according to the characteristics of each reservoir.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.53-69
• /
• 2011

로봇 자체 또는 로봇에 탑재된 콘텐츠와의 상호작용을 위해 일반적으로 영상 또는 음성 인식 기술이 사용된다. 그러나 영상 음성인식 기술은 아직까지 기술 및 환경 측면에서 해결해야 할 어려움이 존재하며, 실적용을 위해서는 사용자의 협조가 필요한 경우가 많다. 이로 인해 로봇과의 상호작용은 터치스크린 인터페이스를 중심으로 개발되고 있다. 향후 로봇 서비스의 확대 및 다양화를 위해서는 이들 영상 음성 중심의 기존 기술 외에 상호보완적으로 활용이 가능한 인터페이스 기술의 개발이 필요하다. 본 논문에서는 로봇 인터페이스 활용을 위한 가속도 센서 기반의 제스처 인식 기술의 개발에 대해 소개한다. 본 논문에서는 비교적 어려운 문제인 26개의 영문 알파벳 인식을 기준으로 성능을 평가하고 개발된 기술이 로봇에 적용된 사례를 제시하였다. 향후 가속도 센서가 포함된 다양한 장치들이 개발되고 이들이 로봇의 인터페이스로 사용될 때 현재 터치스크린 중심으로 된 로봇의 인터페이스 및 콘텐츠가 다양한 형태로 확장이 가능할 것으로 기대한다.