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
노재확 (한성대학교)
저널정보
한국무역보험학회 무역보험연구 무역금융보험연구 제22권 제5호
발행연도
2021.10
수록면
35 - 54 (20page)

이용수

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

초록· 키워드

오류제보하기
중력모형에 의존하여 경제효과를 설명할 경우, 지금까지 주로 패널데이터(panel data) 분석을 통한 개별 고정효과 패널 분석(individual fixed effect)을 수행하였다. 본 연구에서는 기존의 패널 데이터의 고정효과 분석이 아니라 새로운 인공신경망(Artificial Neural Network)을 이용한 예측을 시도하였다. 특히, 그 중에서도 파라미터부분과 인공신경망의 비-파라미터 방식의 혼합으로 이루어진 반-모수 패널 신경망(semi-parametric panel neural network)을 방법론으로 채택하였다. 이 방법을 이용하여, 일본과 한국의 2개 국가에 대하여, 각각의 10년 예측과 5년 예측의 두 종류의 기간에 대하여, 전통적 고정효과 패널 분석(panel individual fixed effect)과 함께 반-모수 패널 신경망(semi-parametric panel neural network) 분석을 시도하여 총 여덟 종류의 학습과 예측을 실시하였다. 결과 반-모수패널 인공신경망이 여덟 개 케이스 중에서 일곱 개 케이스에서 전통적 고정효과 패널 추정 방식보다 예측에서 우수한 결과를 보여 주었다.
#예측 #패널 예측 #인공신경망 분석 #반모수 패널인공신경망 #forecasting #panel forecasting #gravity model #semi-parametric panel neural network

목차

등록된 정보가 없습니다.

참고문헌 (34)

참고문헌 신청
김영철 / 2018 / 스왑포인트 결정요소를 이용한 머신러닝 기반의 원/달러 환율 예측 모형에 관한 연구: 다층퍼셉트론의 최적구조 탐색을 중심으로 / 한국데이터정보과학회지 29(1):203~216 dbpia 노재확 / 2021 / 기계학습법(Machine learning)을 이용한 한국 교역 패널 중력모형 비교연구 / 통상정보연구 23(3):55~77 Crossref 박현희 / 2020 / 중력모형을 이용한 기체결 FTA 농산물 부문의 교역패턴 분석 / 통상정보연구 22(2):261~280 dbpia 서종덕 / 2016 / 데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형 / 산업경제연구 29(5):1607~1628 dbpia 이재득 / 2021 / 투자와 수출 및 환율의 고용에 대한 의사결정 나무, 랜덤 포레스트와 그래디언트 부스팅 머신러닝 모형 예측 / 무역학회지 46(2):281~299 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