은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 구조로 되어 있고, 이론적으로 탄탄하고 확률론적 접근이 가능한 통계적 모델이다. 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있으며 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 바탕으로 국내 KOSPI200 주가지수와 더불어 NIKKEI225, ...
은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 구조로 되어 있고, 이론적으로 탄탄하고 확률론적 접근이 가능한 통계적 모델이다. 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있으며 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 바탕으로 국내 KOSPI200 주가지수와 더불어 NIKKEI225, HSI, S&P500, FTSE100과 같은 해외 주가지수 예측에 적용해 보고자 한다. 또한, 최근 인공지능 분야의 발전으로 인해 주식 가격 예측에 빈번하게 사용되는 서포트 벡터 회귀(support vector regression, SVR) 결과와 어떤 차이가 있는지 비교하여 살펴보고자 한다.
은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 구조로 되어 있고, 이론적으로 탄탄하고 확률론적 접근이 가능한 통계적 모델이다. 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있으며 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 바탕으로 국내 KOSPI200 주가지수와 더불어 NIKKEI225, HSI, S&P500, FTSE100과 같은 해외 주가지수 예측에 적용해 보고자 한다. 또한, 최근 인공지능 분야의 발전으로 인해 주식 가격 예측에 빈번하게 사용되는 서포트 벡터 회귀(support vector regression, SVR) 결과와 어떤 차이가 있는지 비교하여 살펴보고자 한다.
Hidden Markov model(HMM) is a statistical model in which the system consists of two elements, hidden states and observable results, and is theoretically robust and probabilistic. This model has been actively used in various fields, especially for time series data in the financial sector, since i...
Hidden Markov model(HMM) is a statistical model in which the system consists of two elements, hidden states and observable results, and is theoretically robust and probabilistic. This model has been actively used in various fields, especially for time series data in the financial sector, since it has a variety of mathematical structures. Based on the HMM theory, this study is intended to apply the domestic KOSPI200 stock index as well as the prediction of global stock indexes such as NIKKEI225, HSI, S&P500 and FTSE100. In addition, we would like to compare and examine the differences in results between the HMM and support vector regression(SVR), which is frequently used to predict the stock price, due to recent developments in the artificial intelligence sector.
Hidden Markov model(HMM) is a statistical model in which the system consists of two elements, hidden states and observable results, and is theoretically robust and probabilistic. This model has been actively used in various fields, especially for time series data in the financial sector, since it has a variety of mathematical structures. Based on the HMM theory, this study is intended to apply the domestic KOSPI200 stock index as well as the prediction of global stock indexes such as NIKKEI225, HSI, S&P500 and FTSE100. In addition, we would like to compare and examine the differences in results between the HMM and support vector regression(SVR), which is frequently used to predict the stock price, due to recent developments in the artificial intelligence sector.
Keyword
#Global stock market index Hidden Markov model KOSPI200 Stock index prediction Support vector regression 서포트 벡터 회귀 은닉 마르코프 모델 주가지수 예측 코스피200 지수 해외 주가지수
학위논문 정보
저자
강하진
학위수여기관
중앙대학교 대학원
학위구분
국내석사
학과
통계학과 통계학전공
지도교수
황범석
발행연도
2021
총페이지
iii, 39장
키워드
Global stock market index Hidden Markov model KOSPI200 Stock index prediction Support vector regression 서포트 벡터 회귀 은닉 마르코프 모델 주가지수 예측 코스피200 지수 해외 주가지수
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.