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
이윤선 (인하대학교) 이주홍 (인하대학교) 최범기 (인하대학교) 송재원 (밸류파인더스)
저널정보
한국스마트미디어학회 스마트미디어저널 스마트미디어저널 제10권 제2호
발행연도
2021.1
수록면
16 - 21 (6page)

이용수

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

이 논문의 연구 히스토리 (2)

2021

비정형, 정형 데이터의 이미지 학습을 활용한 시장예측
이윤선 전기컴퓨터공학과 2021.01 학위논문
비정형, 정형 데이터의 이미지 학습을 활용한 시장예측
이윤선 ,  이주홍 ,  최범기 외 1명 스마트미디어저널 2021.01 학술저널

초록· 키워드

오류제보하기
금융 시계열 분석은 현대 사회의 경제적, 사회적으로 매우 중요한 역할을 하며 세계 발전에 영향을 미치는 중요한 과제지만 많은 잡음(noise)과 불확실성 등의 어려움으로 인해 금융 시계열 분석 예측은 어려운 연구 주제이다. 본 논문에서는 비정형 데이터와 정형 데이터를 함께 이미지로 변환하여 시장을 예측 하는 방법(MPIL)을 제안한다. 시장 예측을 위해 n일 기간의 비정형 데이터인 SNS, 뉴스 데이터를 감정분석하고 정형 데이터인 시장 데이터를 GADF 알고리즘으로 이미지 변환하고 이미지 학습을 통해 n+1일의 가격을 예측하는 초단기 시장을 예측한다. MPIL은 평균 정확도 56%로 기존 시장예측에 사용되던 감정분석을 활용하여 LSTM으로 시장을 예측하는 모델 평균 정확도 50%보다 높은 정확도를 보였다.
#감정분석 #시장예측 #딥러닝

목차

등록된 정보가 없습니다.

참고문헌 (23)

참고문헌 신청
Rodolfo C. Cavalcantea / 2016 / Computational Intelligence and Financial Markets : A Survey and Future Directions / Expert Systems with Applications 55:194~211 google schola Jonathan L. Ticknor / 2013 / A Bayesian regularized artificial neural network for stock market forecasting / Expert Systems with Applications 40(14):5501~5506 google schola 이형용 / 2008 / 한국 주가지수 등락 예측을 위한 유전자 알고리즘 기반 인공지능 예측기법 결합모형 / Entrue Journal of Information Technology 7(2):33~43 dbpia Johan Bollena / 2011 / Twitter mood predicts the stock market / Journal of computational science 2(1):1~8 google schola 안성원 / 2010 / 뉴스 텍스트 마이닝과 시계열 분석을 이용한 주가예측 / 한국정보과학회 2010 한국컴퓨터종합학술대회 논문집 37(1):364~369 dbpia

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