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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제14권 제6호
발행연도
2019.1
수록면
665 - 673 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 연구의 목적은 인공지능 기법 중 하나인 LSTM(Long Short Term Memory)을 사용하여 금융상품들에 대한 미래 변동성을 보다 효과적으로 예측하고자 하는 것이다. 기존의 주식, 채권 등 금융상품에 대한 미래값 예측은 기본적 분석과 기술적 분석을 통하여 이루어져 왔다. 그 중에서 본 연구는 기술적 분석의 한 방법으로 과거 데이터를 기초로 한 미래 전망치를 예측하는 방법에 집중하였다. LSTM 기법을 통해 보다 미래 전망치의 예측률을 높이는 것을 목적으로 하였다. 금융상품의 미래가격 전망치는 그 상품의 미래 변동성의 크기에 반비례한다. 즉, 내일의 주가변동성이 커지면 내일의 주가는 하락할 가능성이 크다는 것이다. 따라서 대상 금융상품에 대한 미래의 변동성을 예측할 수 있다면 그 상품의 미래가격 등락을 보다 효과적으로 전망할 수 있다. 본 논문은 LSTM 기법을 활용하여 어떤 금융상품의 과거데이터(변동성 크기와 가격)를 인공지능으로 학습시켜서 미래의 가격 변동성을 예측하였으며, 그 결과 인공지능이 예측한 검증 기간의 변동성 움직임이 동 기간의 실제 변동성 값과 매우 유사한 결과를 도출했다. 이를 통해 본 연구결과를 활용하여 향후 금융상품 (주식, 채권 등)에 대한 미래 가격전망을 보다 효과적으로 할 수 있을 것으로 본다. 또한 기존의 다른 변동성 예측방법과 더불어서 본 연구결과를 활용할 경우 미래의 변동성 예측 정확성에 보다 기여할 수 있을 것으로 기대하며, 궁극적으로는 펀드를 포함한 금융투자 상품의 투자수익률 개선에 기여할 것으로 기대한다.

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청
C. H. Won / 2019 / Predicting stock index volatility using LSTM and GARCH-type models google schola J-B. Moon / 2016 / A study on VKOSPI volatility trading strategy using VIX index google schola J. Ilonen / 2003 / Differential evolution training algorithm for feed-forward neural networks / Neural Processing Letters 17:93~105 google schola W. Jang / 2017 / A study to solve trailing problem in the financial time series forecasting model using LSTM google schola Y-M. Seo / 2019 / Analysis of prediction accuracy of fine dust concentration for Seoul region using LSTM model google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0