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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Ten Alexander Iosifovich (Sun Moon University) Jonghyuk Kim (Sun Moon University)
저널정보
한국통상정보학회 통상정보연구 통상정보연구 제26권 제4호
발행연도
2024.12
수록면
243 - 261 (19page)

이용수

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

초록· 키워드

오류제보하기
본 연구의 목적은 주가 시계열 예측을 위한 새로운 기술을 개발하는 것이다. 연구방법으로, 본 연구에서 우리는 LSTM(장단기 메모리), 릿지 회귀, 선형 회귀, CNN(합성곱 신경망)의 스태킹 메커니즘을 기반으로 하여 아마존, 마이크로소프트, 넷플릭스 및 애플의 주가 "종가"를 예측하는 방법을 개발하였으며, 예측은 다음 날, 7일 후, 14일 후, 21일 후로 설정하였다. 본 연구의 결과는 다음과 같다. 우리는 CNN-LSTM이라는 새로운 하이브리드 방법을 사용하며 기본 모델인 CNN, LSTM 및 RNN (순환 신경망) 모델과도 비교 연구를 수행하였다. 우리는 4개의 데이터셋과 네 개 구간의 기간을 설정하여 예측을 수행했으며, 결과로는 하이브리드 모델이 MSE (평균 제곱 오차), RMSE (제곱근 평균 제곱 오차), R2 (상관 계수), SD (오차의 표준 편차)와 같은 지표에서 다른 모델들을 능가했다. 결론적으로, 본 연구에서 제안한 LSTM-ENSEMBLE-CNN 모델은 테스트된 모델 중 가장 뛰어난 성능을 나타내어 하이브리드 모델로서 다른 여타의 기존 방법론과 차별성이 있음을 증명하였다.

목차

ABSTRACT
Ⅰ. Introduction
Ⅱ. Related Work
Ⅲ. Analysis Procedure
Ⅳ. Results
Ⅳ. Conclusion
References
국문초록

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092453818