초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 대표적인 금융시계열 모형인 GARCH 모형과 인공신경망 알고 리즘인 LSTM을 결합한 Hybrid GARCH-LSTM 알고리즘을 제안한다. 이와 같 은 모수적 방법과 비모수적 방법의 결합으로 금융시계열 자료에 내재되어 있는 변동성 ...

본 논문에서는 대표적인 금융시계열 모형인 GARCH 모형과 인공신경망 알고 리즘인 LSTM을 결합한 Hybrid GARCH-LSTM 알고리즘을 제안한다. 이와 같 은 모수적 방법과 비모수적 방법의 결합으로 금융시계열 자료에 내재되어 있는 변동성 군집현상을 설명함과 동시에 변동성 예측 성능의 향상을 이룰 것으로 기 대한다. 또한, 변동성 예측 성능을 더욱 향상시키기 위해 금융시계열 자료의 비 정규성의 특징을 반영하여 GARCH 모형의 오차 분포를 정규분포가 아닌 Student-t, skewed Student-t, Generalized Error 등의 분포를 가정하여 GARCH 모형의 모수 추정량을 얻고, 이를 Hybrid GARCH-LSTM 알고리즘에 입력변수로 사용한다. 모의실험과 실증분석을 통해 본 논문에서 제안한 Hybrid GARCH-LSTM 알고리즘이 기존의 GARCH 모형과 LSTM 알고리즘을 결합한 모형보다 금융시계열 자료의 변동성 예측력을 높이는 데 효과적임을 입증하고자 한다.

Keyword