• 한국건설관리학회논문집
• /
• 제16권1호
• /
• pp.74-81
• /
• 2015

도심기반시설은 도시 내 인간의 활동을 위해 필수적으로 공급해야 할 시설이나 도심 내의 입지선정과 관련하여 위험시설로 인식되어 많은 갈등이 야기되고 있다. 대표적인 도심의 통신전력 기반시설인 변전소 역시 전력수요의 증가에 따라 도심지에 반드시 존치해야 함에도 불구하고 사회민원이 발생함에 따라 이러한 갈등을 구체적이고 과학적인 근거에 따라 판단하고 객관적인 해결방안을 도출할 필요가 있게 되었다. 이에 본 연구에서는 아파트 가격을 결정짓는 일반적인 요소들과 아파트 단지와 변전소의 직선상의 거리를 독립변수로 사용하고, 아파트 가격을 종속변수로 단위면적당 매매가를 선정하여, 시설 위치를 포함한 아파트가격 결정요인들이 각각 어떠한 영향을 주었는지를 헤도닉 가격모형을 활용한 회귀분석과 인공신경망 분석을 통해 분석하였다. 결과 일부 대상 변전소의 경우 아파트 단지와 거리가 가까울수록 매매가격이 떨어지며 변전소가 아파트가격에 미치는 영향력의 범위는 600m이내 인 것으로 나타났다. 본 연구에서는 변전소의 입지가 아파트 가격에 영향을 미치는지를 객관적 데이터와범 용적인 모형으로 분석함으로써, 변전소의 입지가 부동산의 경제적 가치를 분석하는 방법적 토대를 제공하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권5호
• /
• pp.47-56
• /
• 2020

주가지수는 한 국가의 경제 지표뿐만 아니라 투자판단의 지표로도 활용되므로 이를 예측하는 연구가 지속해서 진행되고 있다. 주가지수 예측을 하는 작업은 기술적, 경제적 및 심리적 요인 등이 반영된 것으로 예측의 정확도를 위해서는 복합적 요인을 고려해야 한다. 따라서 지수의 변동에 영향을 미치는 요인들을 선별하여 반영한 주가지수 예측모델연구가 필요하다. 이와 관련한 기존 연구에서는 시장의 변동을 만들어 내는 뉴스 정보 또는 거시 경제 지표를 각각 이용하거나, 몇 가지의 지표 조합만을 반영한 예측 연구가 대부분이었다. 따라서 본 연구에서는 미국 다우존스지수 예측을 위해 뉴스 정보의 감성 분석과 다양한 거시경제지표를 고려하여 효과적인 지표 조합을 제시하고자 한다. 뉴스 정보의 감성 분석은 최신 자연어처리 기법인 BERT와 NLTK VADER를 사용하고, 예측모델은 주가예측모델로 적합하다고 알려진 딥러닝 예측모델 LSTM을 적용하여 가장 효과적인 지표 조합을 제시했다.

• 한국건설관리학회논문집
• /
• 제17권5호
• /
• pp.35-44
• /
• 2016

건설 프로젝트의 특성 상, 예측하기 어려운 리스크 인자에 노출되기 쉽고, 다양한 이해관계자들이 함께 동일 프로젝트를 수행하는 과정에서 발생하는 분쟁이 주요 리스크 인자로 인식된다. 다양한 분쟁은 주로 클레임 제기, 조정, 중재, 그리고 소송으로 나타나며 막대한 비용과 시간의 손실을 초래할 수 있다. 따라서 국내 건설기업의 건설 프로젝트 수행과정에서 발생하는 클레임, 분쟁의 유형과 원인을 도출하고, 각 원인의 영향도 분석을 통해 클레임, 분쟁관리에 대한 적극적인 대비가 필요하다. 본 연구는 국내 건설프로젝트에서 발생한 클레임, 분쟁 판례를 수집하여 유형과 원인에 따른 빈도와 영향도를 정량화 하고, 중요도 분석을 통해 주요 클레임 원인을 도출하였다. 도출된 주요 클레임 원인은 공사변경, 상대방의 부당한 행위, 공사 지연에 관한 클레임으로 해당 클레임 원인이 발생할 경우 클레임 비용에 대한 예측을 회귀 모형화 하였다. 주요 클레임 원인별 영향도 예측 결과 공사변경의 경우 전체공사비의 16.1%, 상대방의 부당한 행위는 전체공사비의 5.7%, 공사 지연은 전체공사비의 2.7%로 발생하는 것으로 분석되었다. 본 연구결과를 통해 국내 건설산업의 주요 클레임 요인을 도출하고, 클레임 비용을 예측함으로써 보다 적극적인 클레임 대비에 활용 될 수 있도록 하였고, 더 나아가 국내 건설기업의 프로젝트 관리 역량 평가 및 향상에 기여하고자 하였다.

• 지적과 국토정보
• /
• 제50권1호
• /
• pp.181-200
• /
• 2020

본 연구는 OLS모형을 적용하여 주택보유기간에 영향을 미치는 결정요인을 추정한 후 SVM, Decision Tree, Random Forest, Gradient Boosting, XGBoost, LightGBM을 통해 각 모형별 예측력을 비교하였다. 예측력이 가장 높은 모델을 기반모델 삼아 앙상블 모형 중 하나인 Stacking모형을 적용하여 더욱 예측력이 높은 모형을 구축하여 주택시장의 주택거래량을 파악할 수 있다는 점에 선행 연구와의 차이가 있다. OLS분석 결과 매도이익, 주택가격, 가구원 수, 거주주택형태(단독주택, 아파트)이 주택보유기간에 영향을 미치는 것으로 나타났으며, RMSE를 기준삼아 각 머신러닝 모형과 예측력 비교한 결과 머신러닝 모델의 예측력이 더 높은 것으로 나타났다. 이후, 영향을 미치는 변수로 데이터를 재구축한 후 각 머신러닝을 적용하여 예측력을 비교하였으며, 분석 결과 Random Forest의 예측력이 가장 우수한 것으로 나타났다. 또한 예측력이 가장 높은 Random Forest, Decision Tree, Gradient Boosting, XGBoost모형을 개별모형으로 적용하고, Linear, Ridge, Lasso모형을 메타모델로 하여 Stacking 모형을 구축하였다. 분석 결과, Ridge모형일 때 RMSE값이 0.5181으로 가장 낮게 나타나 예측력이 가장 높은 모델을 구축하였다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.257-264
• /
• 2003

일반적인 동적 매매 환경에서의 금융 예측 시스템은 주어진 목적을 최적으로 만족시키는 매매 형태를 찾고자 한다. 본 논문은 수익률을 극대화시키기 위하여 추출과 여과라는 두개의 단계로 구성된 새로운 형태의 주식 매매 시스템을 제안한다. 주식 추출 단계에서는 특정 시계열 패턴에 부합하는 주식을 추출하는데, 이러한 시계열 패턴은 기술 지표 값들의 조합으로 표현된다. 그리고 여과 단계에서는 추출된 주식 집합에 여과 규칙들을 적용하여 실제 매매 대상이 되는 주식들을 골라내는데, 여과 규칙은 과거 주가 데이터로부터 자동으로 유도되었다. 이를 위하여, 우리는 먼저 방대한 과거 일별 주가 데이터로부터 기술 지표 값들을 계산하였다. 계산된 기술 지표 값들은 시계열 패턴을 추출하는데 사용되고 이 값들의 이산화 구간들의 분포가 양성 및 음성 데이터들에 대하여 계산된다. 본 논문에서는 독특한 분포를 보이는 구간에 존재하는 기술 지표 값들이 주가의 향후 움직임을 예측하는 데 도움을 준다는 가정을 하였다. 그리고 여과 규칙은 바로 이런 독특한 분포를 보이는 구간 내의 데이터 값들로부터 자동으로 유도되었다. 우리는 시뮬레이션을 통해, 본 논문에서 제시한 트레이딩 시스템이 시장 평균 수익률을 상회한다는 사실을 확인함으로써 위의 가정에 대한 검증을 할 수 있었다.

• 해양환경안전학회지
• /
• 제27권5호
• /
• pp.574-583
• /
• 2021

해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수(CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다.

• 자원ㆍ환경경제연구
• /
• 제28권1호
• /
• pp.121-145
• /
• 2019

본 연구에서는 휘발유, 경유, 항공유를 대상으로 벡터 오차수정모형을 이용하여 원유가와 각 지역 석유제품가격의 상호 인과관계 여부와 지역 간 제품가격의 선행-후행 관계를 확인하였다. 그리고 이를 글로벌 석유 시장의 수급과 교역 흐름, 경쟁 강도와 연결해 해석하였다. 주요 분석 결과는 다음과 같다. 첫째, 원유가는 각 지역 휘발유, 경유, 항공유와의 장기 관계에서 약외생성을 보인 반면, 단기 관계에서는 원유가 역시 제품가격에 영향을 받는다는 사실을 확인하였다. 둘째, 유럽 경유 및 항공유 시장과 같이 다른 지역으로부터의 수입에 크게 의존하는 경우, 다른 지역 석유제품과의 장기 관계에서 약외생성을 보인다. 셋째, 글로벌 시장에서 차지하는 수요 비중이 큰 지역일수록 시장에 미치는 영향력이 커지면서 다른 지역 제품가격과의 관계에서 약외생성을 나타낼 가능성이 크다. 그러나 경유, 항공유 시장에서와 같이 수요 비중이 높은 지역이라도 역내 산업집중도가 낮아 경쟁 강도가 세고, 과잉 생산 해소를 위해 다른 지역으로의 수출에 크게 의존할 경우 가격 선도력이 떨어지면서 약외생성이 사라진다. 지역 간 석유제품가격 관계에 대한 본 연구 결과는 석유정제 기업과 상품 트레이딩 기업의 글로벌 석유시장에 대한 이해도를 높여, 관심 대상 지역의 석유제품가격 변화 예측 및 지역별 자산 포트폴리오 구축에 중요한 정보를 제공할 것으로 기대한다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.17-28
• /
• 2021

최근 4차산업 혁명 기술의 성장과 코로나바이러스 확산으로 인해 모바일 중심의 온라인 쇼핑 시장이 급격하게 성장하게 되었으며, 다양한 차별화 전략을 앞세운 많은 기업들이 치열하게 경쟁하고 있다. 보다 높은 수준의 배송서비스를 요구하는 고객들을 만족시키기 위해 풀필먼트센터라는 개념이 등장하였고, 이를 통해 기존 주문 이후 집하에서 배송까지 수행되던 프로세스의 전체 처리 시간과 효율성을 개선할 수 있게 되었다. 그러나, 여전히 풀필먼트센터 내에서의 작업 효율성이 전체 배송 서비스의 수준을 결정하는 제약요인으로 작용하고 있다. 이를 해결하기 위해 빅데이터, 사물인터넷 및 인공지능을 활용한 수요 예측과 공급의 조정 등과 같은 다양한 방법이 제시되고 있으나, 그 한계가 분명히 존재한다. 풀필먼트센터 내 가장 많은 작업시간과 비효율성을 초래하는 과정이 주문된 상품의 집하 작업 이후 배송을 위한 포장까지이므로, 이 과정을 자동화하기 위한 노력이 필요하다. 본 연구에서는 상품이 보관되어 있는 위치에서 포장을 위한 장소로의 집하와 상품 이동을 자동화하기 위한 AGV와 AMR의 효율적 운영을 위한 계획을 수립하기 위한 방안을 제시한다. 풀필먼트센터 내 보관된 상품의 수, 상품별 수요에 따라 투입되는 자동화 장비의 운영 효율성이 달라질 수 있기 때문에 다양한 시나리오를 기반으로 시뮬레이션을 수행하였다. 본 연구를 통해 얻은 결과를 바탕으로 풀필먼트센터 내 자동화 장비 도입 시 검토해야 할 다양한 요인을 확인할 수 있으며, 급변하는 시장 수요에 유연하게 대응하기 위해 효율성을 기준으로 최적 의사결정을 위한 참고자료로 활용할 수 있을 것이다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.21-39
• /
• 2020

딥러닝(Deep learning) 기법은 패턴분석, 이미지분류 등 다양한 분야에서 높은 성과를 나타내고 있다. 특히, 주식시장 분석문제는 머신러닝 연구분야에서도 어려운 분야이므로 딥러닝이 많이 활용되는 영역이다. 본 연구에서는 패턴분석과 분류능력이 높은 딥러닝의 일종인 합성곱신경망(Convolutional Neural Network) 모델을 활용하여 주가방향 예측방법을 제안한다. 추가적으로 합성곱신경망 모델을 효율적으로 학습시키기 위한 속성선택(Feature Selection, FS)방법이 적용된다. 합성곱신경망 모델의 성과는 머신러닝 단일 분류기와 앙상블 분류기를 벤치마킹하여 객관적으로 검증된다. 본 연구에서 벤치마킹한 분류기는 로지스틱 회귀분석(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망(Neural Network), 서포트 벡터머신(Support Vector Machine), 아다부스트(Adaboost), 배깅(Bagging), 랜덤포레스트(Random Forest)이다. 실증분석 결과, 속성선택을 적용한 합성곱신경망이 다른 벤치마킹 분류기보다 분류 성능이 상대적으로 높게 나타났다. 이러한 결과는 합성곱신경망 모델과 속성선택방법을 적용한 예측방법이 기업의 재무자료에 내포된 가치를 보다 정교하게 분석할 수 있는 가능성이 있음을 실증적으로 확인할 수 있었다.

• 경영과정보연구
• /
• 제29권2호
• /
• pp.1-25
• /
• 2010

본 논문은 우리나라 주식시장을 대상으로 Haugen Baker(1996)가 제시한 기업특성요인모형을 적용하여 주식수익률 결정요인을 분석하였다. 분석기간은 1999년부터 2007년까지 총 8년간이며, 총 690개의 상장기업의 월별 자료를 이용하였다. 기존 연구에서 제시된 변수를 바탕으로 유동성, 위험, 과거주가, 가격수준, 수익성 등과 관련된 16개의 변수를 독립변수로, 690개 주식의 월별 수익률을 종속변수로 하여 시간가변 회귀분석을 통해 분석결과의 강건성을 높이고자 하였다. 본 연구의 결과는 다음과 같이 요약될 수 있다. 첫째, 기업특성정보가 주식수익률 결정에 미치는 사전적 영향을 분석한 결과 해당기업이 공개한 직전월의 기업특성 정보 중 당월의 주가에 유의적인 영향을 나타내는 기업특성은 유동성, 모멘텀 지표인 1개월, 3개월, 6개월 초과수익률, 주가 승수 중 PSR, PBR, 수익성을 나타내는 ROE와 EPS 등의 8개 요인이다. 예측된 수익률을 이용하여 구축한 10개의 분위별 포트폴리오를 대상으로 실현수익률을 분석한 결과 예측수익률이 높을수록 실현된 수익률이 일관되게 높게 나타나는 것으로 분석되었다. 둘째, Haugen Baker가 제안한 기업특성모형을 이용한 주가예측모형을 바탕으로 구성된 포트폴리오를 Fama French가 제안한 3요인 모형에 적용시킨 결과 수익률이 높을 것으로 예측된 포트폴리오의 실현수익률이 높게 나타남을 확인하였다. 즉, 우리나라 주식시장의 수익률을 예측하는 데는 Haugen Baker의 기업특성 요인모형을 응용한 모형이 더욱 적합할 수 있으며, 이를 이용하는 것이 실무적으로도 유용성이 높을 것으로 기대할 수 있다. 본 연구는 기존연구를 보완하여 보다 강건한 예측 및 운영성과를 보여주기 위해 노력하였다. 이를 위해, 시간 가변적으로 (1) 요인프리미엄을 추정, (2) 수익률예측 및 포트폴리오 조정, (3) 실현수익률 측정의 과정을 반복적으로 수행하였으며, 예측수익률이 높은 포트폴리오의 실현수익률이 상대적으로 높게 나타나는 일관된 결과를 강건하게 보여주고 있다.