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
김수은 (상명대학교) 유재필 (상명대학교) 김연수 (상명대학교 경영공학과)
저널정보
한국엔터프라이즈아키텍처학회 정보기술아키텍처 연구 정보화연구 제21권 제3호
발행연도
2024.9
수록면
211 - 220 (10page)
DOI
10.22865/jita.2024.21.3.211

이용수

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

초록· 키워드

오류제보하기
최근 시계열 데이터를 통해서 예측하는 기술과 방법론은 급속도로 발전하고 있으며, 이는 국가적, 사회적, 경제적 등 인류의 다양한 의사결정 문제를 효과적으로 해결해 주고 있다. 이처럼 과학적인 분석 기법을 적용하기 위해서는 데이터의 질과 양이 중요한데 데이터의 양이 부족한 경우에는 기계학습과 빅데이터 분석과 같은 과학적 방식에 적용하기가 매우 어렵다. 최근 신규 상장된 기업들의주가 데이터는 그 양이 제한적이고, 이러한 데이터의 부족은 기계학습 및 인공신경망 모델의 학습에있어 과소적합과 과적합 같은 문제를 일으킬 수 있다. 이 논문에서는 신규 상장 기업의 주가 데이터를 확장하는 방법으로 Time-series Generative Adversarial Network(TimeGAN)을 적용하였다. TimeGAN은 시계열 데이터의 내재된 시간적 동적 특성을 모델링하여 실제와 유사한 합성 데이터를생성할 수 있는 효과적인 방법을 제공한다. 우리는 이 모델을 사용하여 2019년부터 2023년까지 한국주식 시장에 신규 상장 기업의 부족한 주가 데이터를 확장하고, 확장된 데이터에 대한 통계적 실효성을 PCA, t-SEN 기법을 통해서 분석한 결과, TimeGAN을 통해 생성된 데이터는 원래 데이터의 통계적 특성을 잘 보존하는 것으로 나타났다. 본 논문은 시계열 데이터가 부족한 상황에서의 데이터 확장 기법에 대한 유용한 접근 방법을 제시함으로써, 금융 시장 분석 및 예측에 있어 새로운 가능성을열어주길 기대한다.
#생성적 대립 신경망 #타임겐 #주성분분석 #비선형 차원 축소 #데이터 확장 #Generative Adversarial Networks #TimeGAN #PCA #t-SEN #Data Extension

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0