$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

사례기반학습을 이용한 주식 데이터 예측 방법

Stock Prediction Method using Case-based Learning

초록

현재 국내에선 많은 수의 사람들이 주식관련업계에 종사하고 있으며 주식관련 정보와 관련 산업은 점점 발전해 가고 있다. 따라서, 주식을 예측하는 프로그램이 많이 나왔으며, 또한 정확한 수치화를 통해 주식을 예측하고자 하는 노력들이 더해지고 있다. 그러나 주식예측 결과는 아직 불안정하고, 근거가 없는 것이 현실이다. 본 논문에서는 방대한 량의 주식 데이터를 가지고, 주식의 변동 폭에 많은 영향을 끼치는 항목들을 조사하고, 가중치를 구하고자 한다. 이는 기존에 주식에 관련된 수치와 종목별의 분류와 다른 방법이다. 실험결과에 따른 체계적인 주식 데이터의 객관성 있는 분류를 제시하고자 한다.

Abstract

In recent years, a number of people are going more and more to develope and engage in stock and equity-related information and related industry. a lot of stock expection programs came out, but they are still unstable, especially predictions methods and reality is unfounded. In this paper, we have vast amounts of stock data, shares many of the changes affecting the width of the survey items, and should seek the weights. This is related to existing stock levels and categories and is another way. Results based on a systematic classification of the stock data that would like to introduce objectivity

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
규칙 베이스 전문가시스템의 추론방식
규칙 베이스 전문가시스템의 추론방식은 어떻게 해답에 도달하는가?
사용자로부터 문제에 대한 세부사항이나 혹은 질문과 대답을 통해 일력을 받아 이를 토대로 규칙베이스에서의 관련된 규칙간의 연쇄를 통해 해답에 도달한다

이는 규칙베이스 전문가 시스템에서의 정방향 추론과 같이, 주어진 지식베이스 공간에서 추론하는 것과는 다르다. 규칙 베이스 전문가시스템의 추론방식은 사용자로부터 문제에 대한 세부사항이나 혹은 질문과 대답을 통해 일력을 받아 이를 토대로 규칙베이스에서의 관련된 규칙간의 연쇄를 통해 해답에 도달한다.

사례기반 추론
사례기반 추론은 어떤 접근법을 가지고 있는가?
과거의 사례를 바탕으로 문제를 해결하기 때문에 비록 문제가 복잡하더라도 이미 해결된 사례를 통해 해답을 빨리 도출할 수 있다. 그러므로 지식이 잘 파악되지 않은 대상 영역에 있어서도 사례로서 추론을 가능하게 한다. 그리고 정확히 일치되는 사례를 발견할 수 없다면 가장 유사한 사례를 변형하여 새로운 문제를 해결하도록 할 수 있으며 이렇게 해결된 사례는 다시 새로운 사례로서 저장되게 된다

사례기반 추론은 다음의 접근법을 가진다. 과거의 사례를 바탕으로 문제를 해결하기 때문에 비록 문제가 복잡하더라도 이미 해결된 사례를 통해 해답을 빨리 도출할 수 있다. 그러므로 지식이 잘 파악되지 않은 대상 영역에 있어서도 사례로서 추론을 가능하게 한다. 그리고 정확히 일치되는 사례를 발견할 수 없다면 가장 유사한 사례를 변형하여 새로운 문제를 해결하도록 할 수 있으며 이렇게 해결된 사례는 다시 새로운 사례로서 저장되게 된다. 사례기반 추론에서의 추론과정은 다음과 같이 표현될 수 있다.

코스닥 주식종목
코스피 우량주보다 코스닥 주식종목이 사례 기반학습의 적용에 따른 효과가 클 것이라 기대하는 이유는 무엇인가?
등락의 리스크가 크기 때문

주식 데이터의 수집은 코스닥 종목 중 거래량 상위랭크 Top20까지의 종목을 선정하였다. 코스피 우량주보다 코스닥 주식종목의 경우 등락의 리스크가 크기 때문에 사례기반학습의 적용에 따른 효과가 클 것이라 기대한다.

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

참고문헌 (0)

  1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

  • 서비스사이언스학회 : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답