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
정희준 (전주대학교)
저널정보
조선대학교 지식경영연구원 기업과혁신연구 기업과 혁신연구 제46권 제1호
발행연도
2023.3
수록면
73 - 92 (20page)

이용수

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

초록· 키워드

오류제보하기
주식시장에 대한 기계학습 기반 연구들은 재무이론으로부터 비교적 자유로운 변수들과 최적화 모형을 기반으로 하는 예측의 효율성에 초점이 맞춰진 경향이 있다. 하지만 이러한 기계학습 기반 연구는 주식시장에 대한 기존 재무금융 이론과 상치될 여지가 있다.
따라서, 이 연구는 기존 기계학습 분석에서 소홀히 했던 시계열 데이터들의 임의행보 여부를 검정하는 과정을 거친후 변수 간의 다중공선성을 고려한 분석 데이터 선정을 통해 재무이론적 관점에 부합하는 연구 기반을 확보하였다. 또한 이들 데이터를 이용한 전통적 회귀분석을 하여 인공신경망 모형들의 기계학습 결과와 비교하기 위한 기반도 마련하였다. 기계학습에는 1, 5, 10 layer MLP 모형과 layer 당 1개의 셀이 있는 1, 5, 10 layer LSTM 모형이 설정되었고, 또한 각 layer 별 활성화 함수 포함 여부에 따라서도 모형을 구분하였다.
학습 결과, 활성화 함수가 포함되지 않은 MLP 모형은 layer의 숫자나 학습 횟수를 늘려도 MSE와 MAE로 측정된 학습 효율성 수준을 개선시키지 못했다. 하지만 학습 과정에 비선형성을 반영할 수 있는 활성화 함수가 포함된 MLP 모형의 학습은 layer의 숫자, 학습 횟수 그리고 입력 데이터 사이즈 증가에 따라서 효율성 개선 효과가 뚜렷이 나타났다.
이에 비해 LSTM 모형에 대한 학습에서는 layer의 숫자, 학습 횟수의 증가가 효율성 개선에 일관된 결과를 제시하지 못하였고, 개선되더라도 영향이 제한적이었다. 다만 입력 데이터 사이즈의 증가는 효율성 개선에 기여한다는 결론을 내릴 수 있었다. LSTM 모형에 대한 이런 결과는 비록 시퀀스 데이터이더라도 KOSPI 수익률과 같이 백색잡음(white noise)이 포함된 시계열 자료에서는 RNN LSTM의 장점이 발휘되기 어렵다는 사실을 보여준다.

목차

Ⅰ. 도입
Ⅱ. 문헌 연구
Ⅲ. 기초 계량 분석
Ⅳ. 인공신경망 모형과 기계학습
Ⅴ. 결론
참고문헌
ABSTRACT

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0