기술 분석과 환경요소를 이용한 주가 예측률 향상을 위한 딥러닝 병렬 모델
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 황주훈 | - |
dc.contributor.author | 김창복 | - |
dc.date.accessioned | 2023-12-15T15:08:06Z | - |
dc.date.available | 2023-12-15T15:08:06Z | - |
dc.date.issued | 2023-11 | - |
dc.identifier.issn | 1598-8619 | - |
dc.identifier.issn | 2093-7571 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/89510 | - |
dc.description.abstract | 본 연구는 주가 데이터, 기술 분석 데이터, 환경요소 데이터를 이용하여, 주가예측을 위한 딥러닝 병렬 모델을 제안하였다. 예측을 위한 데이터 셋은 3개로 나누었으며, 데이터 셋 1은 시가, 고가, 저가, 종가, 거래량이며, 데이터 셋 2는 기술 분석 데이터를 추가하였으며, 데이터 셋 3은 주가에 영향을 줄 수 있는 환율, 전산업생산지수를 추가하였다. 딥러닝 모델은 기본 모델로서 DNN, LSTM, 1D-CNN 모델과 병렬 모델로서 DNN 모델을 기본으로 1D-CNN을 병합한 DCNN 모델과 LSTM을 병합한 DLSTM 모델을 제안하였다. 실험 결과, DNN과 CNN 보다는 LSTM과 BiLSTM 모델의 성능이 높았으며, 특히 병렬모델인 DLSTM 모델이 가장 성능이 좋았다. 병렬 모델인 DLSTM 모델에 대한 데이터 셋 1의 RMSE는 0.0091, 데이터 셋 2의 RMSE는 0.0080, 데이터 셋 3의 RMSE는 0.0071로서 모든 데이터가 합쳐진 데이터 셋 3의 성능이 가장 좋았다. | - |
dc.format.extent | 9 | - |
dc.language | 한국어 | - |
dc.language.iso | KOR | - |
dc.publisher | 한국정보기술학회 | - |
dc.title | 기술 분석과 환경요소를 이용한 주가 예측률 향상을 위한 딥러닝 병렬 모델 | - |
dc.title.alternative | Deep Learning Parallel Model to Improve Stock Price Prediction Rate using Technical Analysis and Environmental Factors | - |
dc.type | Article | - |
dc.identifier.doi | 10.14801/jkiit.2023.21.11.53 | - |
dc.identifier.bibliographicCitation | 한국정보기술학회논문지, v.21, no.11, pp 53 - 61 | - |
dc.identifier.kciid | ART003018393 | - |
dc.description.isOpenAccess | N | - |
dc.citation.endPage | 61 | - |
dc.citation.startPage | 53 | - |
dc.citation.title | 한국정보기술학회논문지 | - |
dc.citation.volume | 21 | - |
dc.citation.number | 11 | - |
dc.publisher.location | 대한민국 | - |
dc.subject.keywordAuthor | stock forecast | - |
dc.subject.keywordAuthor | deep neural network | - |
dc.subject.keywordAuthor | parallel model | - |
dc.subject.keywordAuthor | 1D-CNN | - |
dc.subject.keywordAuthor | ResNet | - |
dc.subject.keywordAuthor | . | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
1342, Seongnam-daero, Sujeong-gu, Seongnam-si, Gyeonggi-do, Republic of Korea(13120)031-750-5114
COPYRIGHT 2020 Gachon University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.