• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• Investigative Magnetic Resonance Imaging
• /
• 제12권2호
• /
• pp.131-141
• /
• 2008

목적: 물체 내부의 온도를 비침습적으로 측정할 수 있는 양성자 공명 주파수 이동에 의한 MR 온도영상의 재구성에 center array-sequencing 위상펼침(PU) 기법을 적용시켜 그 성능 및 유용성을 평가하고자 하였다. 대상 및 방법: MR 온도 영상에 앞서 잡음 수준이 다른 타원형 팬텀들을 컴퓨터 모의 실험으로 제작하고 제안된 PU방 법을 적용시켜 잡음에 대한 성능을 평가하였다. MR 실험은 PU 실험과 이를 이용한 온도분포영상획득 실험으로 구분하여 수행되었다. 1.5T MR 영상장치에서 무릎코일과 $T2^*$ 경사자장에코 펄스열을 이용하여 MR 영상을 얻었다. 물통, 오렌지, 아가젤 등의 팬텀을 실험 대상으로 하였고 자체 제작된 온수펌프 장치로 팬텀의 온도를 조절하였다. T 형 열전쌍 온도측정장치로 팬텀 온도를 측정하고 MR 온도영상 결과와 비교하였다. 획득된 MR영상의 위상분포는 제안된 PU방법으로 위상을 편 후 온도분포 영상을 재구성하였다. 가열 전 후의 온도변화와 MR 영상의 위상변화 관계를 이용하여 아가젤 팬텀 내의 MR온도분포 영상을 구하였다. 결과: 제안된 center array-sequencing PU 알고리즘을 이용하여 여러 팬텀에 대한 MR 위상영상의 접힘 현상을 기존 방법보다 간편하고 빠르게 제거할 수 있었고 이를 이용하여 MR 온도영상을 획득할 수 있었다. 결론: 본 연구는 제안된 center array-sequencing 위상펼침 방법이 잡음에 강하고 처리 속도가 빠를 뿐만 아니라 양성자 공명 주파수 이동의 성질을 이용한 MR 온도 영상 획득에 성공적으로 적용될 수 있음을 보였다.

• 한국방재안전학회논문집
• /
• 제12권2호
• /
• pp.73-82
• /
• 2019

최근 이상기후로 인한 집중호우에 따른 하천변 사회기반시설의 침수피해가 증가하고 있으며, 침수 가능성 여부에 대한 신속한 예 경보가 필요한 실정이다. 일반적인 홍수 예 경보는 하천수위를 이용하고 있으며, 수치모형을 이용하여 하천수위를 예측하는 연구가 대부분이었다. 그러나 수치모형을 이용한 하천수위 예측은 결과가 정확한 반면 수치모의 시간이 오래 소요된다는 한계점이 있어 최근에는 인공신경망 등을 적용한 자료기반의 수위예측 모형이 많이 이용되고 있다. 하지만 기존의 인공신경망을 활용한 수위예측 연구는 시간적 매개변수를 고려하지 못하였다는 한계점이 존재한다. 본 연구에서는 시간적 매개변수(Time delay= 2시간)를 고려한 NARX 신경망 모형을 사용하여 한강대교의 수위를 예측하였다. 또한 NARX 모형의 적합성을 판단하기 위하여 인공신경망(ANN) 모형과, 순환신경망(RNN)모형의 결과와 비교하였다. 2009년에서 2018년까지 10년간의 수문자료를 이용하여 70%를 학습시키고 검정과 평가에 15%를 사용하여 2018년의 한강대교 3시간 후 수위를 예측한 결과 평균제곱근오차(RMSE)의 경우 ANN, RNN, NARX model이 각각 0.20 m, 0.11 m, 0.09 m, 평균절대오차(MAE)의 경우, 각각 0.12 m, 0.06 m, 0.05 m, 첨두수위 오차(Peak Error)는 각각 1.56 m, 0.55 m, 0.10 m로 나타났다. 연구 대상지역에 대한 시간적 매개변수를 고려한 예측 결과의 오차분석을 통하여 NARX 신경망 모형을 사용하는 것이 수위예측 모형 구축이 가장 적합한 것으로 나타났다. 이는 NARX 신경망 모형이 과거의 입력자료를 고려함으로써 시계열 자료의 변동 추세도 학습 할 수 있으며, 또한 모형 내 활성함수를 쌍곡선탄젠트(Hyperbolic tangent) 및 Rectified Linear Unit(ReLU) 함수를 사용하여 고수위 예측 시에도 정확한 예측 값을 도출할 수 있기 때문이다. 그러나 NARX 신경망 모형은 시퀀스 길이가 길어짐에 따라 기울기 소실문제(Vanishing gradient)가 발생하는 한계점이 있어 향후에는 이를 보완한 LSTM(Long Short Term Model)모형을 이용하여 수위예측의 정확도를 검토하고자 한다.