• 저자명 참조
  • 용어관계사전
  • 검색히스토리
  • 옵션유지
  • 자동완성
  • 상세검색

    자료구분

  • 검색: 186 ms /
통합검색 : "KDMT1201815587" (전체 1건)

추천

  • 논문명/저자명 Prediction of KOSPI200 future's change using mathematical model and deep learning = 수리적 모델과 딥러닝을 이용한 코스피200 선물 변화 예측 / 김기범 이용률 보통
  • 발행사항 수원 : 아주대학교 대학원, 2018.2
  • 청구기호 TM 332 -18-18
  • 형태사항 iii, 55 p. ; 26 cm
  • 자료실 석박사학위논문실(107호)
  • 제어번호 KDMT1201815587
  • 주기사항

    학위논문(석사) -- 아주대학교 대학원, 금융공학과, 2018.2. 지도교수: 배형옥

  • 원문 원문보기 (음성지원) |다운로드

목차보기

Title Page

Abstract

Contents

Chapter I. Introduction 7

Section i. Background and Purpose of the Paper 7

Section ii. Previous Research and Industry Trends 9

Section iii. Configuration of the Paper 10

Chapter II. Artificial Neural Network 12

Section i. The Concept of RNN 12

Section ii. Concepts of LSTM 14

1. Forget gate 15

2. Input gate 16

3. Cell state 16

4. Update Cell state 16

5. Output 16

6. Final value 16

Chapter III. Market Microstructure 17

Section i. Trading participants 17

Section ii. Order Book Data 19

Section iii. Probability of Informed Trading Model(PIN) 20

Section iv. Volume-Synchronized Probability of Informed Trading(VPIN) model 23

Section v. Rama Cont model (CST model) 25

Chapter IV. Data and Model Design 30

Section i. Data Collection 30

Section ii. Building Learning Data 34

Section iii. The Experimental Design and The Evaluation ways 36

Chapter V. Experiments and Evaluation 40

Section i. Analysis of data properties 40

Section ii. Experimental Results and Analysis 48

Chapter VI. Conclusion and Future Analysis 55

Reference 58

초록 61

초록보기

 2016년 이후 분야를 막론하고 가장 화두로 떠오른 학문은 기계학습이다. 알파고의 등장과 함께 기계학습을 응용하려는 시도는 산업 전 분야에 걸쳐서 일어났으며, 금융권에서도 마찬가지로 주목받기 시작하였다. 금융권에서 기계학습은 투자 은행, 트레이딩, 신용평가와 같은 다양한 금융 영역에서 연구되기 시작했으며, 특히 향후 주가의 흐름에 대한 예측하는데 있어서도 기존 방법들과 다른 방법으로써 활발히 연구가 이뤄졌다. 기존의 주가 예측은 수리적인 모델링을 통하거나 복잡한 통계적인 모델링을 통하여 연구하였는데, 이러한 경우 일반화된 모델을 설정하여 예측률이 떨어지거나, 응용하기가 어려워 실제 상황에서 투자하기 어려운 경우가 많았다.

본 논문은 기계 학습 기술 중 LSTM 방법을 이용하여 코스피200 선물의 가격 변화에 대한 예측을 목표로 한다. 총 33개의 변수가 이용되며, 사용되는 변수들 중에서 예측을 목표로 만들어지고, 수리, 통계적으로 우수한 모델링이었던 VPIN모델과 Rama Cont 모델을 LSTM의 변수를 포함한다. 이에 앞서, 데이터는 HFT(High Frequency Trading)분야에서 많이 사용하는 거래량단위 데이터를 만들어서, 단기간 하에서의 가격 변화를 맞추려는 시장미시구조 모델을 설계하였다. 본 논문은 다양한 타임 스텝과 변수들을 통하여 최적화된 예측률을 보이는 LSTM 모델을 설계하는 것을 목표로 한다.

[{value=KDMT}]

  • 논문명/저자명 [TI] :Prediction of KOSPI200 future's change using mathematical model and deep learning = 수리적 모델과 딥러닝을 이용한 코스피200 선물 변화 예측 / 김기범
  • 외부기관 원문 발행년도 [PublicationYear] :2018.2
  • 다운로드 가능여부 [DOWN] :Y
  • 발행사항 [PublicationStatement] :수원 : 아주대학교 대학원, 2018.2
  • 청구기호 [CC] :TM 332 -18-18
  • 형태사항 [Form] :iii, 55 p. ; 26 cm
  • 자료실 [DataCenter] :석박사학위논문실(107호)
  • 외부기관 원문 [OuterISDB] :Prediction of KOSPI200 future's change using mathematical model and deep learning = 수리적 모델과 딥러닝을 이용한 코스피200 선물 변화 예측
  • UCI [UCI] :
  • 표준번호/부호 [ISSN] :
  • 제어번호 [CN] :KDMT1201815587
  • 주기사항 [CycleMatter] :

    학위논문(석사) -- 아주대학교 대학원, 금융공학과, 2018.2. 지도교수: 배형옥

  • 원문유무 [ISDB] :1
  • 배가코드 [SL] :ER,TR
  • 커버이미지 [COVER] :/thumb/KDMT/1201/8155/KDMT1201815587/
  • 목차 유형 [TOCPATH] :/data-db1-pdf/kdmt008/PDF/2018/1102/PDF1801-049/KDMT1201815587/KDMT1201815587.toc
  • 초록 유형 [ABSPATH] :/data-db1-abs/kdmt001/irm-abs/201801/1102/PDF1801-049/KDMT1201815587.txt
  • 해제 유형 [EXPPATH] :
  • 이용현황 [UsingStatus] :N
  • 동일저자자료 [SameAuth] :
  • 학위수여기관 [DegreeOrg] :아주대학교 대학원
  • 학위년도 [DegreeYear] :2018.2
  • 학위 [Degree] :학위논문(석사) --
  • 참고문헌 [Academic] :0
  • 원문유형1 [WT1] :P
  • 원문유형2 [WT2] :
  • 음성지원 [TT1] :1
  • 인기도 [PPR] :15
  • 관련자료 [KRMLINK] :
  • 발행년 [PD1] :2018.2
  • 발행자 [Publisher] :아주대학교 대학원
  • 닫기 이전 다음
    닫기
    이전 다음