메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
하대우 (연세대학교) 김영민 (순천향대학교) 안재준 (연세대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제30권 제3호
발행연도
2019.5
수록면
655 - 669 (15page)
DOI
10.7465/jkdi.2019.30.3.655

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
주식시장은 자본주의 경제 체제를 나타내는 대표적인 시장으로써 금융시장에서 중요한 경제적 기능을 수행한다. 또한, 주식시장은 기업뿐만 아니라 개인 투자자들에게 자본을 획득할 수 있는 유용한 수단으로 여겨지고 있다. 이러한 인식 속에서 주가의 흐름을 정확하게 예측하는 것은 현재까지도 중요한 연구 과제로 남아있다. 최근 기계학습을 활용한 주가예측에 대한 연구들이 활발하게 진행되고 있는 가운데, 본 연구에서는 다양한 분야에서 우수성을 입증하고 있는 XGBoost (extreme gradient boosting) 모델을 주가 등락 예측에 활용하고자 한다. XGBoost 모델의 유용성을 입증하기 위해 시계열 데이터 분석에 강점을 가지고 있다고 알려진 LSTM (long-short term memory) 신경망과 전통적으로 가장 널리 사용되었던 시계열 분석 기법인 자기회귀모형의 예측 결과들을 비교 및 분석하였다. 실증분석 결과 주가등락 예측에 있어서 XGBoost 모델의 유용성을 확인할 수 있다.
#기계학습 #자기회귀모형 #주가예측 #LSTM 신경망 #XGBoost 모델 #Autoregressive model #LSTM neural network #machine learning #Stock price prediction #XGBoost model

목차

요약
1. 서론
2. 연구 배경
3. 실증 분석
4. 요약 및 결론
References
Abstract

참고문헌 (22)

참고문헌 신청
Basak, S. / 2019 / Predicting the direction of stock market prices using tree-based classifiers / The North American Journal of Economics and Finance 47:552~567 google schola BenYahmed, Y. / 2015 / Adaptive sliding window algorithm for weather data segmentaion / Journal of Theoretical and Applied Information Technology 80:322~333 google schola Bradley, A. P. / 1997 / The use of the area under the ROC curve in the evaluation of machine learning algorithms / Queensland University of Technology 30:1145~1159 google schola Chatzis, S. P. / 2018 / Forecasting stock market crisis events using deep and statistical machine learning techniques / Expert Systems with Applications 112:353~371 google schola Chen, T. / 2016 / XGBoost: A scalable tree boosting system / Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining :785~794 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

트리 기반 앙상블 방법을 활용한 자동 평가 모형 개발 및 평가: 서울특별시 주거용 아파트를 사례로
김인호 ,  이경섭 한국데이터정보과학회지 2020 .03
XGBoost 기반의 2단계 확률적 일사량 예측과 태양광 예측 알고리즘의 성능 검증
이유림 ,  김현진 ,  이다한 외 2명 전기학회논문지 2019 .12
초단기 풍력발전량 예측을 위한 머신러닝 알고리즘 성능 비교 및 분석
송민석 ,  임정택 ,  김민호 외 2명 한국에너지학회 학술발표회 2023 .10
딥러닝 기법을 이용한 주가지수 예측 프로그램
고정국 ,  이기영 ,  손익준 외 1명 한국컴퓨터정보학회 학술발표논문집 2021 .07
머신러닝을 활용한 ETF 수익 방향 예측
이중석 ,  신오순 한국통신학회 학술대회논문집 2021 .02

최근 본 자료

전체보기

댓글(0)

0