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
질문

논문 기본 정보

자료유형
학술저널
저자정보
신동하 (가천대학교) 최광호 (에이치티원) 김창복 (가천대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제15권 제10호(JKIIT, Vol.15, No.10)
발행연도
2017.10
수록면
9 - 16 (8page)
DOI
10.14801/jkiit.2017.15.10.9

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 딥러닝을 이용한 주가예측은 기본적으로 보조지표를 예측요소로 사용하고 있으나, 보조지표는 분석가의 주관적인 관점이기 때문에, 예측요소에 대한 적합여부에 대한 검토가 필요하다. 본 연구는 R의 신경망 패키지를 통해, 기존의 보조지표에 대해서 다양한 조합으로 예측요소 적합여부를 검토하고, 예측율 향상을 위해 최적의 보조지표 조합과 환율, 환율 이동평균, 전산업생산지수 등 환경 예측요소들에 대해서 연구하였다. 또한, 추출된 예측요소를 입출력 패턴으로 DNN, RNN, LSTM 등의 딥러닝 모델을 제안하였다. 연구결과 대부분의 보조지표는 예측율을 저하하는 현상이 있었으며, 추가 환경 예측요소를 통해, 예측율이 향상되었다. 또한, DNN에 비해 시계열 딥러닝 네트워크인 RNN과 LSTM이 빠르고 안정적으로 학습하였으며, 종목별로 차이는 있으나 대략 15% 정도의 예측율 향상을 보였다.
#technical analysis #fundamental analysis #artificial neural network #deep neural network #RNN #LSTM

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 기술분석
Ⅲ. 주가예측 제안 딥러닝
Ⅳ. 실험 및 결과
Ⅴ. 결론
References

참고문헌 (15)

참고문헌 신청
E. J. Lee, C. H. Min, and T. S. Kim, Development of the KOSPI (Korea Composite Stock Price Index) forecast model using neural network and statistical methods, The Institute of Electronics Engineers of Korea, Computer and Information, Vol 45, No. 5, pp. 95-101, Sep. 2008. K. Y. Kim and K. R. Lee, A Study on the Prediction of Stock Price Using Artificial Intelligence System, Korean Journal of Business Administration, Vol. 21, No. 6, pp. 2421-2449, Dec. 2008. T. Fischer and C. Krauss, Deep learning with long short-term memory networks for financial market prediction, FAU Discussion Papers in Economics, No. 11, pp. 310-342, May 2017. J. W. Lee, A Stock Trading System based on Supervised Learning of Highly Volatile Stock Price Patterns, Journal of Korean Institute of Information Scientists and Engineers, Vol 19, No. 1, pp. 23-29, Jan. 2013. C. Hsu, A hybrid procedure for stock price prediction by integrating self-organizing map and genetic programming, Expert Systems with Applications, Vol. 38, No. 11, pp. 14026-14036. Oct. 2011.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

텐서플로우를 이용한 주가 예측에서 가격-기반 입력 피쳐의 예측 성능 평가
송유정 ,  이재원 ,  이종우 정보과학회 컴퓨팅의 실제 논문지 2017 .11
양방향 LSTM 순환신경망 기반 주가예측모델
주일택 ,  최승호 한국정보전자통신기술학회 논문지 2018 .04
텐서플로우를 이용한 주가 변동 예측 딥러닝 모델 설계 및 개발
송유정 ,  이종우 한국정보과학회 학술발표논문집 2017 .06
합성곱 신경망을 이용한 주가지수 등락 예측
이모세 ,  안현철 한국지능정보시스템학회 학술대회논문집 2017 .11
Water Level Forecasting based on Deep Learning : A Use Case of Trinity River-Texas-The United States : 미국 텍사스 트리니티강 사례연구
트란 광 카이 ,  송사광 Journal of KIISE 2017 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-004-001348344