멀티모달 학습과 딥러닝 기반 암호화폐 가격 등락 예측

류진환; 홍태호

doi:10.13088/jiis.2025.31.1.325

추천

검색

질문

자료유형: 학술저널

저자정보: 류진환 (부산대학교) 홍태호 (부산대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제31권 제1호

발행연도: 2025.3

수록면: 325 - 337 (13page)

DOI: 10.13088/jiis.2025.31.1.325

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

암호화폐는 물리적 실체가 없는 디지털 자산이며, 전통 금융 자산과의 낮은 가치 연관성으로 인해 시장이 불안정하고 변동성이 매우 크다는 특징을 지닌다. 이러한 불확실성을 줄이기 위해 정확한 시장 예측의 필요성이 증대되고 있으나, 암호화폐는 내재가치 측정이 어려워 가격 예측이 난해하다는 한계가 존재한다. 선행 연구에 따르면 암호화폐 가격은 기술적 지표뿐만 아니라 시장 매력도, 대중의 관심, 뉴스 감성과 같은 정성적 지표에 크게 영향을 받는 것으로 알려져 있다. 특히, 최근 미디어 발달로 다양한 멀티모달 데이터가 생성됨에 따라, 이를 통합 분석하여 단일 모달리티의 한계를 극복하고자하는 연구가 활발히 진행되고 있다. 이러한 배경 하에 본 연구는 암호화폐 관련 오디오 데이터의 감성분석 결과를 활용한 비트코인 가격 등락 예측 모델을 제안한다. 구체적으로, 비트코인 가격 기반 기술적 지표, 대중의 관심도를 반영하는 구글 트렌드 검색 빈도, 뉴스 텍스트 감성분석 결과, 그리고 비트코인 관련 뉴스 영상 및 팟캐스트의 오디오 감성분석 데이터를 입력 변수로 활용하였다. 이를 바탕으로 로짓, 서포트 벡터 머신, RNN, CNN 기반의 비트코인 가격 등락 예측 모형을 구축하고 성능을 비교 평가하였다. 실험 결과, 오디오 감성분석 데이터를 추가적으로 활용한 CNN 기반 모형이 가장 우수한 예측 성능을 나타냈다. 이는 이미지 및 영상 처리에 주로 사용되던 CNN 모델이 복잡한 금융 시계열 데이터 예측에도 효과적일 수 있으며, 특히 오디오 감성분석 데이터가 암호화폐 가격 등락 예측 모형의 성능 향상에 기여할 수 있음을 시사한다.

Cryptocurrency, as digital assets lacking physical substance, exhibit market instability and high volatility attributed to their low correlation with traditional financial assets. The imperative for accurate market prediction has intensified to mitigate this inherent uncertainty. However, cryptocurrencies present challenges for price prediction owing to the inherent difficulty in assessing their intrinsic value. Prior research demonstrates that cryptocurrency prices are significantly influenced not only by technical indicators but also by qualitative factors, including market attractiveness, public interest, and news sentiment. Furthermore, the proliferation of media has led to the generation of diverse multimodal data, prompting extensive research into integrated analysis techniques to overcome the limitations inherent in unimodal approaches. In this context, this study proposes a Bitcoin price movement prediction model leveraging sentiment analysis derived from cryptocurrency-related audio data. Specifically, the input variables include technical indicators derived from Bitcoin price data, Google Trends search query volume, sentiment scores extracted from news text corpora, and audio sentiment analysis data derived from Bitcoin-related news sources, such as videos and podcasts. Leveraging this multi-faceted dataset, we construct and comparatively evaluate Bitcoin price movement prediction models based on Logistic Regression, Support Vector Machines (SVM), Recurrent Neural Networks (RNN), and Convolutional Neural Networks (CNN). Empirical results indicate that the CNN-based model, incorporating audio sentiment analysis data, achieves superior predictive performance. This finding suggests that CNN models, conventionally employed for image and video processing, can be effectively adapted for complex financial time series prediction. Moreover, it highlights the potential of audio sentiment analysis data to enhance the accuracy of cryptocurrency price movement prediction models.

#암호화폐 #딥러닝 #합성곱신경망 #멀티모달 #감성분석 #Cryptocurrency #Deep learning #CNN #Multimodal #Sentiment analysis

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!

이 논문의 저자 정보

류진환

소속기관 부산대학교

주요연구분야 공학 > 산업공학

논문수 3 이용수 191

Hong, T.H.

소속기관 부산대학교

주요연구분야 공학 > 산업공학

논문수 2 이용수 64

이 논문과 함께 이용한 논문

프랑스, 새로운 규제 프레임워크 제시하며 NFT와 암호화폐 게임 활성화 계기 마련

편집부 디지털 미래와 전략 2024 .01

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 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)