earticle

논문검색

역추적 기반 학습 데이터 정제를 통한 주가지수 예측 모형의 정확도 향상 방안

초록

한국어

주식시장의 흐름을 예측하는 것은 매우 중요하기 때문에 주가 데이터를 분석하여 주가지수 등락을 예측하는 시도가 매우 활발하게 이루어졌다. 이들 시도의 대부분은 주가지수 데이터의 시계열 특징을 활용한 예측 모형에 기반을 두어 이루어졌다. 하지만 시계열 기반의 예측 모형은 특정 기간에서만 존재하는 주식시장의 일시적인 특징이 학습 모형에 반영될 수 있고, 학습 모형과 예측할 데이터의 기간에 따른 일시적 특징이 다른 경우 예측 정확도가 낮게 나타날 수 있다. 따라서 본 연구에서는 학습 과정에서 일시성을 포함하고 있는 데이터를 제외하여 주가지수 예측 모형의 정확도를 높이고자 한다. 구체적으로 학습 모형에 사용될 주가지수 데이터를 연도별로 구분하고, 연도별로 학습한 예측 모형의 연도 간 교차 반복 적용을 통해 일시성을 적게 포함하고 있는 데이터만을 학습 데이터로 구성한다. 또한 예측 모형을 적용하는 목표 데이터의 경우에도 일시성이 높은 데이터와 낮은 데이터를 구분하여, 그 구분에 따라 예측 모형을 선별적으로 적용하는 방안을 제시하고자 한다.

목차

Abstract
 Introduction
 Methods
  학습 데이터 정제
  신뢰도에 따른 일정 구간 리버스 모델 적용
 Experiment
  실험 개요
  실험 과정
  실험 결과

저자정보

  • 고은정 국민대학교 비즈니스 IT 전문대학원
  • 송상민 국민대학교 비즈니스 IT 전문대학원
  • 김남규 국민대학교 비즈니스 IT 전문대학원

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.
      ※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.

      • 3,000원

      0개의 논문이 장바구니에 담겼습니다.