earticle

영어

Is generated in real time in the real world, a large amount of time series data from a wide range of business areas. But it is not easy to determine the optimal model for the description and understanding of the time series data is represented as a dynamic feature. In this study, through the HMM suitable for estimating the short and long-term forecasting model of time-series data to estimate a model that can explain the characteristics of these time series data, it was estimated to predict future patterns of movement. The actual stock market through various materials, information criterion and optimal model estimation for the length of the most efficient data was found to accurately estimate the state of the model. Similar movement patterns predictive than the long-term prediction is more similar to the short-term prediction of the experimental result were found to be.

한국어

현실세계에서는 광범위한 업무영역에서 대용량의 시계열자료들이 실시간으로 발생되고 있다. 하지만 동적인 특징으로 표현되는 시계열자료들의 이해와 설명을 위한 최적의 모형을 결정하는 일은 쉽지가 않다. 이러한 시계열자 료들의 특징을 잘 설명할 수 있는 모형을 추정하기 위하여 본 연구에서는 시계열데이터의 모형추정에 적합한 은닉마 아코프모델을 통해 시계열자료의 장, 단기 예측모형을 추정하였고 이를 통해 미래의 운동패턴예측을 확인하였다. 실 제 주식시장의 여러 자료들을 통해 최적의 모형추정을 위한 정보기준과 가장 효율적인 자료길이를 통해 모형의 상태 수를 정확하게 추정하는지를 확인하였다. 실험결과 유효한 상태의 수 추정과 단기의 예측이 장기예측보다 유사운동패 턴 예측률이 더욱 유사함을 확인하였다.