지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 751 - 754 (4page)
- DOI
- 10.7840/kics.2023.48.6.751
이용수
초록· 키워드
오류제보하기
딥러닝 기반으로 시계열 데이터 분석 및 예측 연구들은 최근에 활발하게 진행되고 있다. 이런 시계열 예측 딥러닝 모델들은 기본적으로 추세(trend)와 계절성(seasonality)과 같은 시계열의 특성을 학습하고 이를 기반으로 미래값을 예측하는 구조이다. 하지만 1~2일 정도의 단기 주가 시계열에서는 추세와 계절성 같은 특성을 발견하기 어렵다. 따라서 기존의 시계열 예측 딥러닝 모델을 통해서 주가를 예측하기는 어렵다. 본 논문에서 주가 시계열의 패턴을 얕은 CNN (Convolutional Neural Network)을 통해서 학습하여 1일 주식거래 분포를 예측하는 방법론을 제안한다. 1일 주식거래분포를 다양하게 표현할 수 있으나 본 논문에서는 박스플롯 예측 방법론을 제안한다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. CNN 기반 주가 예측 방법론
Ⅲ. 실험 결과
Ⅳ. 결론
References
참고문헌 (5)
참고문헌 신청
D. Shin, K. Choi, and C. Kim, “Deep learning model for prediction rate improvement of stock price using RNN and LSTM,” J. KIIT, vol. 15, no. 10, pp. 9-16, Oct. 2017. (http://dx.doi.org/10.14801/jkiit.2017.15.10.9)
H. Zhou, S. Zhang, J. Peng, S. Zhang, J. Li, H. Xiong, and W. Zhang, “Informer: Beyond efficient transformer for long sequence time-series forecasting,” in Proc. The Thirty-Fifth AAAI, vol. 35, no. 12, pp. 11106-11115, 2021.
H. Wu, J. Xu, J. Wang, and M. Long, “Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting,” in Proc. NeurIPS, vol. 34, pp. 22419-22430, 2021.
B. N. Oreshkin, D. Carpov, N. Chapados, and Y. Bengio, “N-BEATS: Neural basis expansion analysis for interpretable time series forecasting,” in Proc. Tenth ICLR, 2020.
C. Challu, K. Olivares, B. Oreshkin, F. Garza, M. Mergenthaler-Canseco, and A. Dubrawski, “N-HiTS: Neural hierarchical interpolation for time series forecasting,” arXiv:2201.12886v5, 2022. (https://doi.org/10.48550/arXiv.2201.12886)
H. Zhou, S. Zhang, J. Peng, S. Zhang, J. Li, H. Xiong, and W. Zhang, “Informer: Beyond efficient transformer for long sequence time-series forecasting,” in Proc. The Thirty-Fifth AAAI, vol. 35, no. 12, pp. 11106-11115, 2021.
H. Wu, J. Xu, J. Wang, and M. Long, “Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting,” in Proc. NeurIPS, vol. 34, pp. 22419-22430, 2021.
B. N. Oreshkin, D. Carpov, N. Chapados, and Y. Bengio, “N-BEATS: Neural basis expansion analysis for interpretable time series forecasting,” in Proc. Tenth ICLR, 2020.
C. Challu, K. Olivares, B. Oreshkin, F. Garza, M. Mergenthaler-Canseco, and A. Dubrawski, “N-HiTS: Neural hierarchical interpolation for time series forecasting,” arXiv:2201.12886v5, 2022. (https://doi.org/10.48550/arXiv.2201.12886)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
데이터 증강을 이용한 딥러닝 기반 주가 패턴 예측
한국지능정보시스템학회 학술대회논문집
2019 .06
-
Stock price trend prediction using stock market network and graph deep learning model
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
시계열 예측 모델을 이용한 커뮤니티 변화에 대한 예측
한국정보과학회 학술발표논문집
2015 .06
-
Reinforcement Learning for Time Series Forecasting
한국정보과학회 학술발표논문집
2024 .06
-
딥러닝을 이용한 이미지 기반 주가예측
한국정보과학회 학술발표논문집
2018 .06
-
뉴스 감성 분석을 이용한 딥러닝 기반 주가 예측에 대한 연구
한국컴퓨터정보학회논문지
2022 .08
-
분류를 통한 시계열 예측 기법
한국정보과학회 학술발표논문집
2021 .06
-
전이학습 기반 주가 예측 딥러닝 모델에 대한 연구
Proceedings of KIIT Conference
2024 .05
-
시계열 예측 모델을 이용한 반도체 수요 예측
한국통신학회 학술대회논문집
2023 .02
-
주가 예측을 위한 딥러닝 하이브리드 모델의 성능 비교 연구
한국통신학회 학술대회논문집
2025 .02
-
딥러닝 기반 시계열 예측 알고리즘의 모델 크기에 따른 성능 비교 및 분석
한국통신학회 학술대회논문집
2022 .06
-
시계열데이터 예측을 통한 주가예측 정확도 향상
한국통신학회 학술대회논문집
2021 .11
-
VaR(Value at Risk)가 머신러닝 및 딥러닝 기반 주가예측모델 성능에 미치는 영향에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
시계열 딥러닝 모델 기반의 범용 도시가스 수요 예측 기술 개발
한국가스학회 학술대회논문집
2024 .05
-
Stocks Price Prediction by Analyzing Models Performance - A comparative analysis
한국정보과학회 학술발표논문집
2022 .06
-
그래프 구조 학습을 이용한 시계열 예측
한국정보과학회 학술발표논문집
2022 .06
-
텐서플로우를 이용한 주가 예측에서 가격-기반 입력 피쳐의 예측 성능 평가
정보과학회 컴퓨팅의 실제 논문지
2017 .11
-
기술적 분석지표와 딥러닝을 활용한 주가 예측 기법
Proceedings of KIIT Conference
2018 .11
-
딥러닝 기법을 이용한 주가지수 예측 프로그램
한국컴퓨터정보학회 학술발표논문집
2021 .07
-
시계열 딥러닝 모델 활용한 모빌리티 내 소음 신호 예측 방법론 연구
한국항공우주학회 학술발표회 초록집
2023 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-567-001540838