• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 농업과학연구
• /
• 제12권2호
• /
• pp.206-241
• /
• 1985

이 연구(硏究)는 목도열병(病)의 감염시기(感染時期)와 조직내(組織內) 감염속도(感染速度) 및 감염(感染)에 영향(影響)을 미치는 전염원(傳染源)의 소재(所在), 엽초내외의 제조건(諸條件) 등(等)을 구명(究明)하여 합리적(合理的)인 방제체계(防除體系)를 확립(確立)하는 자료(資料)를 얻고자 실시(實施)하였다. 1. 벼 이삭목도열병(病)의 감염(感染) 최성기(最盛期)는 수잉기(穗孕期)였으며 그 다음이 출수기(出穗期)로 이 시기(時期)에 대부분의 이삭목이 감염(感梁)되고 있었다. 그러나 통일계(統一系) 품종(品種)은 출수후(出穗後)에도 환경(環境)에 따라 높은 감염(感染) 가능성(可能性)을 갖고 있었다. 2. 벼 이 삭목도열병(病)의 잠복기간(潛伏期間)은 자연조건하(自然條件下)에서 10~22일(日)로 그 변동복(變動福)이 넓었다. 인공접종시(人工接種時) 이삭이 어릴수록 잠복기간(潛伏期間)은 짧았고 감염속도(感染速度)가 심(甚)했으나 지엽절(止葉節) 밖으로 추출(抽出)한 이삭목은 잠복기간(潛伏期間)도 길고 발병률(發病率)도 낮았으며 조직내(組織內) 감염속도(感染速度)가 늦었다. 3. 이삭목도열병(病)의 약제방제(藥劑防除) 적기(適期)는 도열병균(稻熱病菌)의 감염(感染) 최성기(最盛期)와 잠복기간(潛伏期間)을 고려(考慮)할 때 속효성(速效性) 약제(藥齊)는 출수(出穗)5~10일전(日前), 지효성(遲效性) 약제(藥齊)는 10~15일전(日前)으로 추정(推定)된다. 4. 도열병균(病菌) 포자(胞子)의 엽초내 침투(浸透)는 주(主)로 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에서 이루어졌고 강우(降雨)나 이슬, 일액(溢液) 등(等)과 함께 엽초 봉합부(縫合部)에서 침윤현상(浸潤現象)에 의해 이루어졌으며 침투율(浸透量)은 수도(水稻)의 생육기간중(生育期間中) 수잉기(穗孕期)가 가장 많았다. 포자(胞子)의 엽초내 침투(浸透)는 엽설(葉舌)이 크게 저지(沮止)하고 있었다. 5. 엽초내에 침투(浸透)한 포자(胞子)의 이삭에의 부착량(附着量)은 형태적(形態的)으로 복잡(複雜)한 수수절(穗首節)과 수축절(穗軸節)이 가장 많았고 이에는 모용(毛茸)와 퇴화지경(退化枝梗)이 크게 영향(影響)을 미치고 있어 이들이 목도열병(病) 감염(感染)을 조장(助長)하고 있었다. 6. 벼 이삭목도열병(病) 감염(感染) 가능(可能) 포자농도(服子濃度)는 계통간(系統間) 차이(差異)가 있어 통일계(統一系) 품종(品種)은 일반계(一般系)보다 낮은 100개(個) 이하(以下)의 포자농도(胞子濃度)에서도 쉽게 감염(感染)이 되었으며 발병지수(發病指數)도 매우 높아 그 피해(被害)가 더욱 심(甚)했다. 7. 벼 이삭목도열병(病)과 상관(相關)이 높은 이삭목의 질소함량(窒素含量)과 규소함량(硅數含量)은 벼 생육기간(生育時期)에 따라 큰 차이(差異)가 있어 질소함량(窒素含量)은 수잉기(穗孕期)에서 출수기(出穗期)로 갈수록 증가(增加)를 보였고 그 후 다소(多少) 감소(減少)하고 있었다. 규소함량(硅數含量)은 수잉기(穗孕期)로부터 점차 증가(增加)하고 있어 이들 체내성분(體內成分)의 변화(變化)가 목도열병(病)의 발병(發病)을 조장(助長)하고 있었다. 8. 도열병균(稻熱病菌) 포자(胞子)의 비산(飛散)은 대다수 수직(垂直) 방향(方向)으로 상승(上昇)또는 하강(下降)하여 도체(稻體)에 부간(附看)하였으며 수평(水平)으로 이동(移動)하는 포자(胞子)는 극(極)히 적어 출수후(出穗後)의 이삭목에 부간(附看)하는 포자수(胞子數)가 적으므로 출수후(出穗後) 목도열병(病) 감염율(感染率)은 매우 낮을 것으로 추정(推定)되었다. 도체(稻體) 상하위간(上下位間)의 온도차(溫度差)에 의(依)한 공기(空氣)의 이동(移動)은 포자비산(胞子飛散)에 대(對)한 하나의 원인(原因)이었다. 9. 출온기(出穩期)를 전후(前後)한 포자비산(胞子飛散)이 가장 목도열병발병(病發病)과 상관(相關)이 높았으며 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에 형성(形成)된 병반(病斑)이 출수(出穗)를 전후(前後)한 시기(時期)에 포자형성량(胞子形成量)이 많아 직접(直接) 목도열병(病) 전염원(傳染源)으로서 크게 작용(作用)하고 있었다. 10. 엽초내 환경조건(環境條件)은 목도열병(病) 감염(感染)에 극(極)히 호적(好適)하여 엽초내에서 도열병균(病菌)의 침해(侵害)를 받는 경우 품종(品種)의 내병성(耐病性), 시복수준(施服水準)의 차이(差異)에 관계(關係)없이 이삭목이나 지경(枝梗), 인, 마디, 마디사이 등(等) 도체(稻體)의 어느 부위(部位)라도 감염(感染)이 이루어졌다. 11. 엽초내에 침투(浸透)한 우고균(優古菌) 중에서 벼 갈색엽고병균(病菌)인 Gerlachia oryzae 만이 발병(發病)을 다소(多少) 조장(助長)할 뿐 기타(其他)의 균(菌)들은 영향(影響)이 적었으며 품종(品種)의 출수소요일수(出穗所要日數)의 장단(長短)이 목도열병(病) 감염(感染)과 관련(關連)이 있는 것으로 추정(推定)되었다.

• 한국수산과학회지
• /
• 제8권2호
• /
• pp.47-60
• /
• 1975

자원해석은 일반적으로 시계열적 견지에 입각하고 있으나, 본 연구에서는 단면적인 견지에서, 2년간의 자원변동을 극수적인 관계에서 파악하여 자원해석을 하였으며, 이것으로 각년의 가입량을 추정하는 방법 시도하였다. 이를 요약하면 다음과 같다. 1. 단일 population에 있어서 t 시기(년 또는 어기)와 t+1 시기와의 초기자원량(미수)의 관계는 $N_{0,\;t+1}=N_{0,\;t}(1-m_t)-C_t+R_{t+1}$ 단, $N_0$ : 초기자원량 (미수), C : 어획미수, R : 가입미수, m : 자연사망률 이다. 위의 식에서 다음의 관계가 성립된다. $\phi_{t+1}=\frac{(1-\varrho^{-z}{t+1})Z_t}{(1-\varrho^{-z}t)Z_{t+1}}-\frac{1-\varrho^{-z}t+1}{Z_{t+1}}\phi_t-a'\frac{1-\varrho^{-z}t+1}{Z_{t+1}}C_t+a'\frac{1-\varrho^{-z}t+1}{Z_{t+1}}R_{t+1}$ 단, $\phi$ : 밀도지수, M : 자연사망계수, Z : 감소계수, a' : 평균자원량에 대한 밀도지수 이 식에서 $\phi$ 및 $C_t$를 독립변수, $\phi_{t+1}$를 종속변수라해서 중회귀분석하여 $\phi_t$ 및 $C_t$ 의 각 계수를 구하고, 이 각 계수로서 저연사망계수 M, 단위노력당 어획계수 a'을 구하여 t+1연의 가입량추정치 $\hat{R}_{t+1}$를 구할 수 있다. 중회귀분석하는 데 있어서는 $R_{t+1}$이 거의, 같으며 $X_{t+1}$에 심한 차이가 없는 시기를 선정하여 취급할 수 있다. 2. 각 시기의 추정된 가입량은 가입량의 상대치로서 인정하는 것이 안전하다. 3. 밀도지수 대신으로 자원량지수를 사용하여도 같은 추정방법으로 가입량이 추정된다. 단, 어장면적을 고려해야 한다. 4. 변동관계를 미수로서 취급할 때는 이론적으로 가입량의 절대치를 구할 수 있으나, 중량으로 취급할 때는 이론적으로 가입량의 상대치를 구하게 된다. 그러나 어느 경우나 같은 추정방법이 적용된다. 5. 인도양의 bigeye tuna에 대하여 수전(1970)의 자료를 이용하여 본 추정방법에 적용시켜 보았다. 수전(1970)가 구한 M,q(단위노력당 어획계수)로서 계산된 각년의 가입량의 변화와 본연구에서 구한 각년의 가입량의 변화와는 극히 비례적이었다(Table 2, Fig.2). 6. 한국동안의 꽁치에 있어서 해황어황 주간예보 ($1964.3\~1974.8$ : 국립수산진흥원 포항지원)의 자료를 이용하여 어느 해의 춘하기의 밀도지수와 그해의 추동기의 밀도지수와의 관계에서 각년의 추기의 가입량을 추정하고 어느 해의 추동기의 밀도지수와 다음해의 춘하기의 밀도지수와의 관계에서 각년의 춘하기의 가입량을 추정하였다(Table4, Fig.5, Fig.7). 그 결과, 년금의 폭이 좁은 이 꽁치 군단에 있어서 각년의 밀도지수와 가입량이 상당히 비례적이었다.