• 한국융합학회논문지
• /
• 제9권6호
• /
• pp.39-44
• /
• 2018

심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다.

• 정보처리학회논문지B
• /
• 제14B권7호
• /
• pp.531-540
• /
• 2007

본 논문에서는 주가예측의 정확도를 향상시키기 위하여 공적분 검정(Cointegration Tests)과 인공 신경망(Artificial Neural Networks)을 사용한 2단계 하이브리드 예측 모델을 제시한다. 기존의 연구에서는 예측을 시도하고자 하는 종목의 일자별 개별 레코드를 인공 신경망과 같은 방법으로 학습함으로써 주식 데이터가 가지는 시계열적 특성을 충분히 반영하지 못하였는데, 새로 제안한 모형에서는 주식자료의 과거시차들의 값들도 인공 신경망의 속성(feature)으로 사용하여 기존 연구의 한계를 보완하였다. 또한, 예측대상종목의 정보들 외에도 장기적으로 높은 시계열 유사성을 보유한 종목들을 선발한 후 속성으로 사용하여 모형의 예측성능을 향상 시켰다. 구체적으로 1단계는 Johansen의 공적분 검정을 통하여 예측대상종목과 장기적 관계(long-term relationship)에 있는 종목을 추출하고, 2단계는 이 선발된 종목들과 예측대상종목의 시계열 정보 특성을 속성으로 구축한 인공 신경망으로 학습하여 관심 종목을 예측한다. 제안된 모델의 성능을 확인하기 위하여 KOSPI 지수의 방향성을 예측하는 시스템을 구현하였으며, 시가총액 상위 종목군을 대상으로 지수와의 공적분 검정을 하였다. 성능을 살펴보기 위하여 본 연구에서는 시계열 정보가 속성으로 반영된 단순 인공 신경망 모델, 공적분 검정을 통과한 종목들의 시계열 속성이 포함된 모델, 그리고 그 모델과 속성의 개수를 동일하게 하기 위하여 임의로 종목을 선택하여 이들의 시계열 속성이 포함된 모델을 구축하였다. 실험 결과 공적분 검정을 통과한 종목군의 속성이 결합된 모델은 단순 인공 신경망만으로 학습된 기존 모델에 비하여 평균적으로는 11.29% (최대 29.98%) 정확도가 향상되었고, 임의로 선택된 종목군의 속성이 결합된 모델에 비해서는 평균적으로는 10.59% (최대 25.78%) 가 향상된 예측 정확도를 보여주었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권10호
• /
• pp.427-436
• /
• 2022

산업통상자원부에서 제공하는 KOTRA 무역 데이터는 해당 품목과 해당 국가에 대하여 GDP, 관세율, 비즈니스 점수, 과/차년도 수출금액 등을 제공한다. 그러나 무역 수출품목은 수없이 많을뿐더러 그에 따른 대량의 데이터를 매년 수작업 기반 분석을 통해 유의미한 결과를 이끌어내는 것은 상당히 큰 시간과 비용을 요구한다. 따라서 이번 연구에선 대량의 데이터를 학습하여 단기간에 저비용으로 결과 예측이 가능한 다층 퍼셉트론 모델을 구현하고 성능을 평가하였다. 먼저 딥러닝 기반 무역 수출 가격 예측 모델을 일반적 다변량 회귀 모델과 비교하였을 때, 예측 오류와 학습 시간 측면에서 통계적으로 우수한 성능을 보였다. 수출 가격 데이터는 시계열 속성이 있을 것으로 예상하는 바, 은닉 노드들이 모두 연결된 다층 퍼셉트론과 순환 신경망을 이용하여 수출 가격 데이터를 예측하였다. 그 결과 새로운 데이터에 대해 수출 가격 예측을 위한 일반화 능력은 순환 신경망이 우수한 성능을 보였으나, 다층 퍼셉트론이 무역 수출 가격 예측에서 더 뛰어난 성능을 보였다. 추후 장기간 데이터를 확보한다면, 순환 신경망 혹은 트랜스포머 기반 딥러닝 모델을 이용하여 더 뛰어난 수출 가격 예측이 가능할 것으로 사료된다.

• 한국지리정보학회지
• /
• 제9권3호
• /
• pp.67-81
• /
• 2006

본 논문에서는 전통적 헤도닉 모델에서 나타나는 공간적 문제들을 극복하기 위한 하나의 분석적 대안을 제시한다. 도시 전체를 대상으로 하는 포괄적 모수 추정방법에서 일어나는 문제점을 극복하기 위해 중첩되는 주변지역의 개념을 도입하였고 헤도닉 모델을 효율적으로 수행하기 위해 GIS와 통계의 긴밀한 연결을 위한 서드파티 프로그램을 개발하였다. 그리고 이것을 활용하여 부동산 가격에 영향을 미치는 입지변수들의 공간적 변동을 분석하였다. 사례지역에 대해 분석한 결과, 도심의 영향력이 도시전체에 영향을 미치는 것이 아니라 도심에 영향을 받는 하부지역에만 나타나며 다른 입지변수들의 계수도 공간에 따라 차이가 있음을 보여준다. 지리정보시스템과 통계의 긴밀한 연결은 부동산가격 분석에 있어서 효율적으로 탐색할 수 있는 강력한 도구를 제공한다.

• 한국콘텐츠학회논문지
• /
• 제12권2호
• /
• pp.472-482
• /
• 2012

주식시장에는 많은 투자자들이 참여하고 있으며 점점 더 많은 사람이 주식투자에 관심을 가지고 있다. 주식시장에서 위험을 회피하고 수익을 얻기 위해서는 다양한 정보를 바탕으로 정확한 의사결정을 해야한다. 즉 수익을 얻을 수 있는 종목 선택, 적절한 매수-매도 가격의 결정, 그리고 적절한 보유기간 등을 결정해야 한다. 본 논문에서는 개인 주식 투자자의 의사결정 지원을 위한 데이터마이닝 도구를 제안한다. 즉, 개인 투자자가 직접 기계학습 방법을 적용하여 주가예측 모델을 생성할 수 있게 하고, 적절한 매수-매도 가격과 보유기간 등을 결정하는 것을 도와주는 도구를 제안한다. 제안하는 도구는 과거 데이터를 이용하여 투자자 자신의 성향에 맞는 투자에서의 의사결정을 할 수 있도록 지원하는 도구로서 주가데이터 관리, 기계학습 적용을 통한 주가예측 모델 생성, 투자 시뮬레이션 등의 기능을 제공한다. 사용자는 스스로 주가에 영향을 미칠 수 있다고 판단하는 기술적 지표를 선정하고 이를 이용하여 주가예측 모델을 만들고 테스트 할 수 있으며, 적절한 예측모델을 적용하여 시뮬레이션을 수행해 봄으로써 실제로 어느 정도 수익을 얻을 수 있는지 평가하고 적절한 매매 정책을 수립할 수 있다. 제안하는 도구를 이용하여 주식 투자자는 기존의 감정적 판단에 의한 투자가 아닌 객관적 데이터에 의해 검증을 거친 주가예측 모델과 매매정책에 따라 주식투자를 할 수 있어 이전 보다 나은 수익을 기대할 수 있다.

• Asia Marketing Journal
• /
• 제8권1호
• /
• pp.1-17
• /
• 2006

다양한 선행연구에서 준거가격효과는 실증적 지지를 받아온 것이 사실이다. 그러나 대부분의 선행연구에서 간과된 부분은 설명되지 않은 소비자 반응의 이질성이 준거가격에 반영되어 실재하지 않는 효과가 마치 유의한 것으로 나타날 수도 있다는 것이다(Chang, Siddarth, and Weinberg 1999; Bell and Lattin 2000). 또 다른 차원의 이질성으로서, 고려상표군의 이질성이 반영되지 않을 경우 모델에 포함된 변수의 모수추정치에 왜곡현상이 나타날 수 있음을 Meyer and Kahn(1991)이 지적한 바 있다. 이러한 선행연구의 문제점을 고려하여 이 연구에서는 반응의 이질성과 고려상표군의 이질성을 모두 반영한 모델을 적용함으로써 보다 정확한 준거가격효과의 추정을 시도하였다. 또한 소비자별 고려상표군의 이질성을 반영한 준거가격 측정치를 새롭게 제안하여 검증하고자 하였다. 실증분석결과, 제안된 준거가격 측정치가 선행연구에서 사용한 측정치에 비해 모델적합도와 예측타당성을 향상시키는 것으로 나타났다. 이 결과는 준거가격 형성과정에도 고려상표군의 이질성이 반영됨을 실증하는 것이다. 고려상표군의 이질성이 반영될 경우, 선행연구의 준거가격 측정치에 비해서, 제안된 준거가격 측정치의 평균이 높게 나타났으며, 표준편차는 감소한 것으로 나타났다. 이 연구에서 제안된 측정치의 실제적인 적용 측면을 본다면, Greenleaf(1995)의 연구에서처럼, 최적의 가격정책이 손실회피(loss aversion)의 크기, 즉, 준거의존(reference-dependent) 모델상의 준거가격에 의존한다면 제안된 측정치가 유용하게 사용될 수 있을 것으로 판단된다. 최대화해야 할 이익함수에 포함된 준거가격 측정치의 정확성이 최적가격결정을 좌우하기 때문이다. 따라서, 준거가격모델에 근거하여 최적가격을 추정할 경우, 모델자체에 고려상표군과 반응의 이질성을 반영할 뿐만 아니라, 준거가격 측정치 또한 고려상표군의 이질성을 반영하는 것이 바람직할 것으로 판단된다.

• 한국건설관리학회논문집
• /
• 제6권6호
• /
• pp.98-106
• /
• 2005

아파트 건설원가 추정지수와 그 예측모델은 아파트 분양가격 변동의 적정성을 평가하고 건설기 업이 적정이윤을 계상하도록 유도할 수 있다. 본 연구에서는 기존의 철골 철골조주택 공사비지수를 개선하고, 개선된 지수를 대상으로 X-12 ARIMA 방법에 의한 예측방법을 개발하였다 연구결과 최근 5년간 노무비를 제외하고 약 33.7%의 아파트 건설 원가상승요인이 발생하였으며, 향후 3년간 16.8%가량 추가 상승할 것으로 예측되었다. 이러한 정량적인 연구결과는 최근의 높은 아파트 분양가격의 적정성을 간접적으로 평가하는 지표로 활용될 수 있고, 아파트 건설원가의 변동패턴을 이해하는데 도움을 줄 수 있다.

• 정보관리학회지
• /
• 제23권2호
• /
• pp.129-145
• /
• 2006

본 논문은 초중등 학교도서관의 전자책 적정 구매 모델을 제안하기 위하여 전자책의 특성, 전자책 가격 결정에 영향을 미치는 요인 분석, 그리고 가격결정모델과 구매방법에 대한사례조사, 환경, 정부의 역할 등을 연구하였다. 이를 기반으로 전자책 구매를 위한 적정 모델을 제안하였고, 제안된 모델의 현실적 활용을 위해 공청회, 전국교육청 학교도서관 담당자 및 전문가 등의 의견을 수렴하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권10호
• /
• pp.387-396
• /
• 2018

과거부터 주식시장의 주가 예측은 풀리지 않는 난제이다. 이를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만 정확한 가격을 예측하는 것은 불가능하다. 최근 분산 원장이라는 개념을 기술적으로 구현한 최초의 암호화폐인 비트코인을 시작으로 다양한 종류의 암호화폐가 개발되면서 암호화폐 시장이 형성되었고, 그 가격을 예측하기 위해 다양한 접근들이 시도되고 있다. 특히, 기존의 전통적인 주식시장에서의 주가 예측 기법들을 적용하려는 시도부터 딥러닝과 강화학습을 적용하려는 시도까지 다양하다. 하지만 암호화폐 시장은 기존 주식 시장에는 없던 여러 가지 새로운 특징을 가지는 시장으로서 전통적인 주식 시장 분석 기술뿐만 아니라 암호화폐 시장에 적합한 새로운 분석 기술에 관한 수요가 증가하고 있는 상황이다. 본 연구에서는 우선 빗썸의 API를 통하여 7개의 암호화폐 가격 데이터를 수집 및 가공하였다. 이후, Data-Driven 방식의 지도학습 기반 기계학습 모델인 그래디언트 부스팅 모델을 채택하여 암호화폐 가격 데이터 변화를 학습하고, 검증단계에서 가장 최적의 모델 파라미터를 산출하고, 최종적으로 테스트 데이터를 활용하여 암호화폐 가격동향 예측 성능을 평가한다.

• 한국콘텐츠학회논문지
• /
• 제18권11호
• /
• pp.416-429
• /
• 2018

태풍, 홍수는 우리에게 빈번하게 닥치는 자연 재해이며, 이와 같은 자연 재해로부터 오는 피해는 사전에 예측되어 대응책이 마련될 필요가 있다. 자연 재해로부터 야기되는 피해에는 건물의 붕괴, 인명 피해, 논/밭의 유실 등 주로 직접적인 피해가 많지만, 소비자 물가 상승과 같은 간접적인 영향에도 관심을 가져야 한다. 태풍, 홍수의 피해로부터 영향을 받는 대표적인 소비재 상품은 농산물이다. 갑작스럽고 강력한 태풍은 많은 비를 동반하면서 농작물에 피해를 주고, 농산물의 가격을 상승시킨다. 본 연구에서는 딥러닝 알고리즘을 활용하여 태풍과 같은 자연 재해가 농산물 가격에 미치는 영향을 예측한다. 우리는 데이터 확보가 가능한 쌀, 양파, 대파, 애호박, 시금치 등을 가격 예측 대상으로 했고, 농산물 가격에 영향을 미치는 변수 데이터들로 학습 모델을 만들고, 그 학습 모델이 농산물 가격을 예측하는 연구를 진행하였다. 연구 결과, 모델에 의한 예측 가격과 실제 가격의 차이를 나타내는 RMSE가 0.069 수준이며, 농산물 가격을 비교적 잘 설명하는 것으로 해석된다. 정확한 농산물 가격 예측은 정부의 농산물 공급 규모 조절 등 자연 재해 대응을 위한 정부의 노력에 활용될 수 있을 것이다.