HOME > 자연과학 > 생물 > 한국데이터정보과학회 > 한국데이터정보과학회지
디노이징 필터와 LSTM을 활용한 KOSPI200 선물지수 예측 -
분야 자연과학 > 생물
저자 이낙영 오경주
발행기관 한국데이터정보과학회
간행물정보 한국데이터정보과학회지 2019년, 한국데이터정보과학회지 제30권 제3호, 645page~654page(총10page)
파일형식 4781580 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
주가지수선물의 주가예측력 검증연구
선물시장과 옵션시장의 정보효과에 관한 비교연구 - VPIN 중심으로
VKOSPI선물의 헤지성과에 관한 연구
KOSPI200 야간선물이 시장안정에 미치는 영향에 관한 연구 -
KOSPI200 선물투자에서의 CHMM기반 지능형 매매시스템 개발 -
 
 
목차
부제 : KOSPI200 futures index prediction using denoising filter and LSTM
요약
1. 서론
2. 연구 배경
3. 실증 분석
4. 결론
References
Abstract
 
 
국문초록
딥러닝 모형을 통해 금융시장을 예측하는 연구는 활발하지만 디노이징 필터를 적용하여 금융 데이터의 노이즈를 제거함으로써 예측 모형의 성능을 높이는 연구는 거의 이루어지지 않고 있다. 따라서, 본 연구의 목적은 디노이징 필터를 사용하여 데이터의 노이즈를 제거한 후 시계열 예측에 유용한 딥러닝 모형인 LSTM의 예측 성능을 높이는 것이다. KOSPI200 선물지수의 일봉과 30분봉 데이터를 이용해 실증분석을 하였다. 디노이징 필터를 적용한 예측 모형의 성능이 기존 LSTM보다 전체 기간 실험과 슬라이딩 윈도우 실험을 통해 우수함을 입증하였다. 또한, 제안한 디노이징 필터 중 사비츠키-골레이 필터가 이동평균 필터보다 예측 모형 성능 향상에 유용함을 확인하였다. 향후, 디노이징 필터가 다양한 딥러닝 모형의 예측 성능 향상에 사용될 수 있음을 기대한다.
 
 
영문초록
There has been many studies which predict the financial market using the deep learning model. However, there has been few studies which apply the denoising filter that improves the performance of predictions removing the noise of financial data. Therefore, the purpose of this study is to apply denoising filter to remove noise from data and then to improve the prediction performance of long short term memory, a deep learning model which is useful for time series prediction. We conducted an empirical analysis using daily and 30 min KOSPI200 futures index data. It is proven that the performance of prediction model using denoising filter is superior to that of the previous long short term memory for the whole period and the sliding window experiment. Also, we confirmed that savitzky-golay filter is more useful for improving the prediction model performance than moving average filter. In the future, denosing filter may be used to improve the prediction performance of various deep learning models.
 
 
KOSPI200 선물지수, 디노이징 필터, 슬라이딩 윈도우, Denoising filter, KOSPI200 future index, sliding window, LSTM
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
[금융자격증] 선물거래상담사 핵심정리
[강추자료] 공기업 일반상식 핵심노트 - 금융/주식편(56페이지)
[국제통상] 해외직접 투자전략 카르페디엠(Carpediem)
[영남대]증권투자의이해 중간/기말 퀴즈,기출 있어요.★
[금융자산관리론] 자산관리업무
[증권투자] 증권투자의 첫걸음
증권투자의 첫걸음
[증권투자의 첫걸음]최종요약정리본
증권투자상담사 핵심요약집
[교양] 선물거래에 대하여
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
중소병원 간호사의 언어폭력 경험 및 ...
Computer Program Development for Tw...
Profile-Based pEPG by Analyzing Vie...
기초자치단체의 학생수 추계를 위한 ...
An improvement of estimators for th...
이 간행물 신규자료
모형 기반 하이브리드 의사결정나무 -...
K-means를 이용한 토지 거래사례 선정...
극단값분포에 대한 적합도 검정에 관...
상관된 생존 자료에 대한 코플라 모형...
Inter-amount time을 이용한 한반도 ...
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]