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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제17권 제4호
발행연도
2015.1
수록면
1,747 - 1,758 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
There are many time-related data in the world. The properties of the attributes change and they affect the target variable differently as time changes. For example, the oil price was the major indicator for the stock price several years ago. However, the gold price is more influential than the oil price to predict the stock price nowadays. Therefore, it is reasonable to give more weights for the recent instances when we predict the target variable from the past data set. Bagging and random forests use the bootstrapped training set to construct the algorithm. Here, we introduce the modified bootstrap method, the time-adjusted bootstrap which gives the recent instance more weight to be chosen instead of the equal weight for the conventional bootstrap. We experiment with financial data set to predict the movement of KOSPI (Korea composite stock price index). We compare them for 66 cases by the combination of the different data sets or the different degree of the weights for the robust conclusion. For 62 out of 66 cases, our method improves the accuracy over the original bootstrap and the average improvement rates are 3.2% and 2.0% for bagging and random forests respectively. Consequently, bagging with the modified bootstrap shows the better performance over the original bagging and random forests with the modified bootstrap also shows the better performance over the original random forests.
#Classification #Ensemble #Bootstrap #Stock index prediction

목차

등록된 정보가 없습니다.

참고문헌 (39)

참고문헌 신청
Ni, L. -P. / 2011 / Stock trend prediction based on fractal feature selection and support vector machine / Expert Systems with Applications 38(5):5569~5576 google schola 오유진 / 2011 / 주가의 일일 고가와 저가에 대한 경험적 연구: 공적분 분석 / Journal of The Korean Data Analysis Society 13(6):2925~2934 dbpia Olson, D. / 2003 / Neural networks forecasts of Canadian stock returns using accounting ratios / International Journal of Forecasting 19(3):453~465 google schola 박기봉 / 2014 / S&P 500 Index, Day Returns and Night Returns of Korean Stock, and Their Relationship / Journal of The Korean Data Analysis Society 16(1):41~55 dbpia Rodriguez, J. J. / 2006 / Rotation forest: A new classifier ensemble method / IEEE Transactions on Pattern Analysis and Machine Intelligence 28(10):1619~1630 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0