멀티에이전트 기반의 다단계 시계열 예측시장에 관한 연구

추봉성

추천

검색

자료유형: 학술저널

저자정보: 추봉성 (순천향대학교)

저널정보: 한국물류학회 물류학회지 물류학회지 제28권 제2호

발행연도: 2018.1

수록면: 1 - 8 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

비즈니스 최적화를 위해 최근 기업들은 ERP, SCM, CRM 등과 같은 기업 어플리케이션 도입과 함께 인공지능과 빅데이터를 기반으로 하는 데이터 중심의 물류경영을 표방하고 있다. 이러한 어플리케이션들은 복잡한 수식과 최신 알고리즘을 바탕으로 비즈 니스 활동에 필요한 예측 데이터를 제공해 주고 있지만, 예측의 정확성에 대해서는 여전히 많은 기업들이 의구심을 가지고 있다. 예측은 언제나 틀리기 마련이지만 예측의 정확성에 따라 기업의 효율과 수익성이 엄청나게 달라진다는 점을 감안한다면 효과적인 예측기법에 대한 기업들의 높은 관심은 당연하다고 할 수 있다. 본 연구에서는 예측 관련 지식과 정보를 효율적으로 통합할 수 있는 메커니즘인 예측시장(Prediction market)에 대해 논의하고, 시장 참가자의 기대수익을 기반으로 시장의 예측 정확성을 높일 수 있는 예측시장 모델을 제시했다. 제안된 모델은 단일 구간 내다단계 예측시점을 가지는 시계열 예측시장(Multi-stage time series prediction market)이며, 예측과 관련된 시장 참가자(Agent)의 신념(Belief)을 확률분포 예측구간과 차기 예측구간에 대한 전이확률매트릭스로 표현하였다. 시장 참가자의 기대수익은 투자금과 예측구간 내에서 발생하는 실수요에 의해 결정되도록 하였으며, 투자금은 상/하한을 가지는 예측구간과 예측증권 구매량을 기반 으로 결정되도록 하였다. 또한, 예측정확도가 높은 시장 참가자의 의견이 마켓메이커(Market maker)의 통합 예측치에 높은 비중으로 반영되게 함으로써, 비협조게임 상황 하에서도 이들이 예측과 관련된 고급정보와 진실을 말할 수 있는 형태로 구조화하였다. 한편 수치 예제에서는 랜덤하게 발생시킨 주요 변수와 30명의 시장 참가자를 대상으로 한 단일 기간 시뮬레이션을 통해 예측치 도출과정을 살펴봄으로써 제안한 예측시장의 유효성을 검증하였다. 즉 실험을 통해 단계별 실수요에 대한 에이전트의 수정된 통합예측치가 실수요로 수렴되는 모습을 확인할 수 있었으며, 이를 통해 기대수익 최대화를 목적으로 하는 개별 에이전트가 제안된 메커니즘 속에서 전체 예측정확도 향상을 위해 행동함을 알 수 있었다.

A prediction market is one of the effective mechanisms to collect and aggregate widely dispersed information and knowledge among economic actors. Furthermore, since the prediction market based on strong incentives to obtain better information is an open system in which anyone can participate and bet their brains, a real-time prediction with high accuracy can be expected. However, a question of how to increase the forecast accuracy in a zero-sum game is still open. In the game, participants who try to their expected profits can spread false information leading to bad impact on the forecast accuracy. Although many studies related to an usefulness of the prediction market have been reported, approaches to increase the accuracy under many conditions are still required. This is the reason why we have much attention to effective design of the prediction market. In this study, we discussed a design of multi-stage time series prediction market using multi-agents. In the market we suggested, heterogeneous participants(agents/traders) with transition probability matrix and probability distribution revise their beliefs related to the prediction to determine a prediction interval. And an integrated price(predictive value) by trading information and knowledge of each agent is continuously revised by a market maker who plays a role as a mediator. We design a mechanism in which the predictive value of agent with high accuracy can be reflected in the integrated price. It is very useful, because the agents have no choice to obtain more expect profits. Based on high quality information related the prediction, they may be tell the truth which help not only an effectiveness of the market but also a high prediction accuracy. We also examine the availability of the market using multi-agent simulation and show a prediction process under various experimental conditions by 30 agents.

#Prediction Market #Collective Intelligence Technology #Multi-agent Simulation #Time Series Prediction #Market maker #Multi-stage Prediction

참고문헌 (8)

참고문헌 신청

김재생 / 2014 / 빅데이터 분석기술과 활용사례 / 한국콘텐츠학회지 12(1):14~20

장상현 / 2012 / 빅데이터와 스마트교육 / 정보과학회지 30(6):59~64

Kenneth, J. A. / 2008 / The Promise of Prediction Markets / SCIENCE 320:877~878

Charles, F. M. / 2006 / Interpreting the Predictions of Prediction Markets / Economics Letters 91:1~14

Stanford, J. G. / 1981 / An Introduction to the Theory of Rational Expectations Under Asymmetric Information / Review of Economics Studies 48(4):541~559

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

추봉성

소속기관 순천향대학교

주요연구분야 사회과학 > 경영학

논문수 9 이용수 85

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)