지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.9
- 수록면
- 366 - 373 (8page)
- DOI
- 10.5762/KAIS.2024.25.9.366
이용수
초록· 키워드
오류제보하기
디지털 자산 시장의 급격한 성장과 높은 변동성은 투자자와 거래 참여자들에게 가격 예측의 중요성을 강조하고 있다. 이에 따라 많은 연구자들이 딥러닝 기반의 시계열 예측 모델을 도입하여 디지털 자산 가격 예측의 정확성을 향상 시키고자 노력하고 있다. 그러나 기존 연구는 주로 LSTM 및 CNN과 같은 바닐라 모델을 중점적으로 활용해왔으며, 이러한 모델들은 특정 상황에서는 효과적일 수 있지만 시계열 데이터의 복잡한 시간적 종속성을 완전히 포착하기 어려워 최적의 예측을 제공하지 못할 수 있다. 본 논문은 이러한 문제에 대한 대안으로 제안된 최신의 시계열 예측 모델들과 기존의 디지털 자산 가격 예측 모델들을 포함해 8개의 모델 성능을 비교 분석한다. 실험 결과, SegRNN 모델은 비트코인(BTC) 및 이더리움(ETH) 시장에서 가격 예측을 수행할 때 다른 모델보다 뛰어난 성능을 보였다. 특히, BTC 시장에서 1시간 틱(Tick) 데이터를 사용하여 6개의 미래 가격 시계열을 예측한 결과, MSE, MAE가 각각 0.0007, 0.0143로 모든 모델 중 가장 우수한 성능을 보였다. 본 연구 결과는 디지털 자산 시장 참여자들에게 효과적인 의사 결정을 지원하고, 투자 전략의 성공 가능성을 높이는 데 기여할 것으로 기대된다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 데이터
4. 예측 모델
5. 실험 설정
6. 실험 결과
7. 결론
References
참고문헌 (18)
참고문헌 신청
SW Kim, "NFT Coins and Cryptocurrency: Price Dynamics and Prediction", Journal of Korea Academia-Industrial cooperation Society (JKAIS), Vol. 24, No. 2, pp. 428-436, 2023. DOI: https://doi.org/10.5762/KAIS.2023.24.2.428
Hochreiter, Sepp, and Jürgen Schmidhuber. "Long short-term memory", Neural computation, Vol. 9, No. 8, pp. 1735-1780, 1997. DOI: https://doi.org/10.1162/neco.1997.9.8.1735
Rumelhart, David E., Geoffrey E. Hinton, and Ronald J. Williams. "Learning representations by back-propagating errors", nature, Vol. 323, No. 6088, pp. 533-536, 1986. DOI: https://doi.org/10.1038/323533a0
Jay, Patel, et al. "Stochastic neural networks for cryptocurrency price prediction", Ieee access, Vol. 8, pp. 82804-82818, 2020. DOI: https://doi.org/10.1109/ACCESS.2020.2990659
O'Shea, Keiron, and Ryan Nash. "An introduction to convolutional neural networks", arXiv preprint arXiv:1511.08458, 2015. DOI: https://doi.org/10.48550/arXiv.1511.08458
Hochreiter, Sepp, and Jürgen Schmidhuber. "Long short-term memory", Neural computation, Vol. 9, No. 8, pp. 1735-1780, 1997. DOI: https://doi.org/10.1162/neco.1997.9.8.1735
Rumelhart, David E., Geoffrey E. Hinton, and Ronald J. Williams. "Learning representations by back-propagating errors", nature, Vol. 323, No. 6088, pp. 533-536, 1986. DOI: https://doi.org/10.1038/323533a0
Jay, Patel, et al. "Stochastic neural networks for cryptocurrency price prediction", Ieee access, Vol. 8, pp. 82804-82818, 2020. DOI: https://doi.org/10.1109/ACCESS.2020.2990659
O'Shea, Keiron, and Ryan Nash. "An introduction to convolutional neural networks", arXiv preprint arXiv:1511.08458, 2015. DOI: https://doi.org/10.48550/arXiv.1511.08458
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
장단기 기억 신경망을 사용한 다변수 데이터 농산물 가격 예측 모델
전기전자학회논문지
2024 .09
-
시계열 예측 모델을 이용한 커뮤니티 변화에 대한 예측
한국정보과학회 학술발표논문집
2015 .06
-
중장기 농산물 가격 예측을 위한 다단계 시계열 예측 모델
한국컴퓨터정보학회논문지
2023 .02
-
투자자 합리성 기반 Bitcoin 가격 예측 딥러닝 모델 설계
한국컴퓨터정보학회 학술발표논문집
2024 .07
-
딥러닝 기반 시계열 예측 알고리즘의 모델 크기에 따른 성능 비교 및 분석
한국통신학회 학술대회논문집
2022 .06
-
LSTM 기반 경제정책 불확실성 지수의 자산 가격 예측 성과: 전통자산과 디지털자산 비교
디지털콘텐츠학회논문지
2022 .06
-
VaR(Value at Risk)가 머신러닝 및 딥러닝 기반 주가예측모델 성능에 미치는 영향에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
다변수 LSTM 딥러닝 네트워크를 이용한 육계 시세 예측 모델 연구
한국통신학회논문지
2022 .12
-
시계열 데이터 기반 온실 환경 예측을 위한 딥러닝 모델의 성능 비교 및 분석
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
분류를 통한 시계열 예측 기법
한국정보과학회 학술발표논문집
2021 .06
-
Shallow CNN을 활용한 주가 예측 방법론
한국통신학회논문지
2023 .06
-
주가 예측 모델에서의 분할 예측을 통한 성능향상 탐구
한국정보통신학회논문지
2022 .04
-
니켈 원자재 가격 예측을 위한 딥러닝 기반 시계열 모델 비교
한국정보과학회 학술발표논문집
2022 .12
-
Q-learning 강화학습을 이용한 가격 예측에 관한 연구
한국통신학회 학술대회논문집
2019 .06
-
가상 원전사고 진행 예측을 위한 시계열 예측모델 성능 비교 분석
한국정보과학회 학술발표논문집
2023 .06
-
기계학습 기법을 활용한 암호화폐 가격 변동 추이 예측 방법
한국전자거래학회지
2023 .02
-
딥러닝 기반 시계열 예측 알고리즘의 모델 크기에 따른 성능 비교 및 분석
한국통신학회논문지
2023 .01
-
멀티모달 학습과 딥러닝 기반 암호화폐 가격 등락 예측
지능정보연구
2025 .03
-
LSTM 기반 딥러닝 모델을 이용한 비행 데이터 예측 기법
한국항공우주학회 학술발표회 초록집
2021 .11
-
Stocks Price Prediction by Analyzing Models Performance - A comparative analysis
한국정보과학회 학술발표논문집
2022 .06
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0