$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

감성분석을 이용한 뉴스정보와 딥러닝 기반의 암호화폐 수익률 변동 예측을 위한 통합모형
An Integrated Model for Predicting Changes in Cryptocurrency Return Based on News Sentiment Analysis and Deep Learning 원문보기

지식경영연구 = Knowledge Management Research, v.22 no.2, 2021년, pp.19 - 32  

김은미 (경희대학교 스마트관광연구소)

초록
AI-Helper 아이콘AI-Helper

암호화폐 중 대표적인 비트코인은 전 세계적으로 많은 관심을 받고 있으며 비트코인의 가격은 등·하락을 거듭하며 높은 변동성을 보이고 있다. 높은 변동성은 투자자들에게 위험 요인으로 작용하며 무분별한 투자로 인한 사회적 문제를 야기시킨다. 비트코인의 가격은 세계의 환경변화에 영향을 받으며 신속하게 반응하기 때문에 실시간으로 다양한 정보를 제공하는 뉴스 정보는 비트코인 가격의 변동성 예측에 유용한 정보를 제공한다. 즉, 긍정적인 뉴스는 투자심리를 자극할 것이며 반대로 부정적인 뉴스는 투자심리를 위축시킬 것이다. 따라서 본 연구에서는 비트코인의 수익률 변동을 예측하기 위해 뉴스의 감성정보와 딥러닝을 적용하였다. 로짓, 인공신경망, SVM, LSTM을 적용하여 단일 예측모형을 구축하였으며 예측성과를 향상시키기 위한 방법으로 통합모형을 제안하였다. 과거의 가격정보를 기반으로 구축한 예측모형과 뉴스의 감성정보를 반영한 예측모형의 성과를 비교한 결과 뉴스의 감성정보를 반영한 예측모형의 성과가 우수하게 나타났으며 통합모형의 성과가 가장 우수한 것으로 나타났다. 본 연구는 비트코인 수익률 변동에 대한 예측모형을 통해 무분별한 투자를 예방하고 투자자들의 현명한 투자가 이루어질 수 있도록 유용한 정보를 제공할 수 있을 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Bitcoin, a representative cryptocurrency, is receiving a lot of attention around the world, and the price of Bitcoin shows high volatility. High volatility is a risk factor for investors and causes social problems caused by reckless investment. Since the price of Bitcoin responds quickly to changes ...

주제어

#암호화폐   #감성분석   #딥러닝   #통합모형  

참고문헌 (35)

  1. 강현모(2017). 투자자의 손실회피 성향과 해석수준이 금융상품 태도에 미치는 영향. 지식경영연구, 18(1), 49-65. 

    원문보기 상세보기 crossref

  2. 김명종 (2009). 정량 추론과 정성 추론의 통합 메카니즘: 주가예측의 적용. 지식경영연구, 10(2), 35-48. 

    원문보기 상세보기 crossref

  3. 송한진, 최흥식, 김선웅, 오수훈 (2019). AI의 LSTM기법을 이용한 금융시계열 데이터 변동성 예측방법 연구. 한국지식정보기술학회 논문지, 14(6), 665-673. 

    상세보기

  4. 신동하, 최광호, 김창복 (2017). RNN과 LSTM을 이용한 주가 예측을 향상을 위한 딥러닝 모델. 한국정보기술학회논문지, 15(10), 9-16. 

    상세보기 crossref

  5. 신택수, 홍태호 (2004). 인공신경망과 로짓모형을 통합한 부실확률맵기반 신용등급화에 관한 연구. 회계저널, 13(3), 1-26. 

  6. 이기광, 조수지, 민경수, 양철원 (2019). 비트코인 가격의 결정요인: 한국시장에 대한 실증분석. 한국증권학회지, 48(4), 393-415. 

  7. 이준식, 김건우, 박도형 (2018). 비트코인 가격 변화에 관한 실증분석: 소비자, 산업, 그리고 거시변수를 중심으로. 지능정보연구, 24(2), 195-220. 

    원문보기 상세보기 crossref

  8. 임병진 (2019). 비트코인의 가격변화가 한국 국고채 시장에 미친 상호 영향에 관한 실증적 연구. e-비즈니스연구, 20(5), 143-154. 

  9. 최형규, 이상용 (2020). 재무제표 주석의 텍스트 분석 통한 재무 비율 예측 향상 연구. 지식경영연구, 21(2), 177-196. 

    원문보기 상세보기 crossref

  10. 홍태호, 김은미 (2010). 데이터마이닝을 이용한 세분화된 고객집단의 프로모션 고객반응 예측. Information Systems Review, 12(2), 75-88. 

    원문보기 상세보기

  11. 홍태호, 박지영 (2009). 사례기반추론을 이용한 다이렉트 마케팅의 고객반응예측모형의 통합. 정보시스템연구, 18(3), 375-399. 

    원문보기 상세보기

  12. Bakar, N. A., Rosbi, S., & Uzaki, K. (2017). Cryptocurrency Framework Diagnostics from Islamic Finance Perspective: A New Insight of Bitcoin System Transaction. International Journal of Management Science and Business Administration, 4(1), 19-28. 

    상세보기 crossref

  13. Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 2(1), 1-8. 

    상세보기 crossref

  14. Chen, Z., Li, C., & Sun, W. (2020) Bitcoin price prediction using machine learning: An approach to sample dimension engineering, Journal of Computation and Applied Mathematics, 365, 112395. 

  15. Garg, S. (2018). Autoregressive integrated moving average model based prediction of bitcoin close price. In 2018 International Conference on Smart Systems and Inventive Technology (ICSSIT). 473-478. 

  16. Hayes, A. S. (2018). Bitcoin price and its marginal cost of production: support for a fundamental value, Applied Economics Letters, 26(7), 554-560. 

    상세보기 crossref

  17. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780. 

    상세보기 crossref

  18. Jang, H., & Lee, J.(2018). An empirical study on modeling and prediction of Bitcoin prices with bayesian neural networks based on Blockchain information. IEEE Access, 6(1), 5427-5437. 

  19. Ji, S., Kim, J., & Im, H. (2019). A comparative study of Bitcoin price prediction using deep learning. Mathematics, 7(10), 898. 

    상세보기

  20. Jun, J., & Yeo, E. (2014). Understanding Bitcoin: From the Perspective of Monetary Economics. Korea Busines Review, 18(4), 21-239. 

  21. Kristoufek, L. (2015) What are the main drivers of the Bitcoin price? Evidence from wavelet coherence analysis. PLoS ONE, 10(4), 1-15. 

  22. Lamothe-Fernandez, P., Alaminos, D., Lamothe-Lopez, P., & Fernandez-Gamez, M. A. (2020). Deep Learning Methods for Modeling Bitcoin Price. Mathematics, 8(8), 1245. 

    상세보기 crossref

  23. Liu, B. (2010). Sentiment analysis and subjectivity. Handbook of Natural Language Processing, N. Indurkhya and F. J. Damerau, eds. 

  24. Mallqui, D. C., & Fernandes, R. A. (2019). Predicting the direction, maximum, minimum and closing prices of daily Bitcoin exchange rate using machine learning techniques. Applied Soft Computing, 75(1), 596-606 

  25. McNally, S., Roche, J., & Caton, S. (2018). Predicting the price of bitcoin using machine learning. In 2018 26th Euromicro International Conference on Parallel, Distributed and Network-based Processing, IEEE, 339-343. 

  26. Mittal, A., Dhiman, V., Singh, A., & Prakash, C. (209). Short-term bitcoin price fluctuation prediction using social media and web search data. 2019 Twelfth International Conference on Contemporary Computing (IC3). IEEE 1-6. 

  27. Nakamoto, S., & Bitcoin, A. (2008). A peer-to-peer electronic cash system. Bitcoin. URL: https://bitcoin.org/bitcoin.pdf. 

  28. Patel, M. M., Tanwar, S., Gupta, R., & Kumar, N. (2020). A deep learning-based cryptocurrency price prediction scheme for financial institutions. Journal of Information Security and Applications, 55, 102583. 

    상세보기

  29. Roy, S., Nanjiba, S., & Chakrabarty, A. (2018). Bitcoin price forecasting using time series analysis. In 2018 21st International Conference of Computer and Information Technology (ICCIT). IEEE. 1-5. 

  30. Schumaker, R. P., & Chen, H. (2009). A quantitative stock prediction system based on financial news. Information Processing & Management, 45(5), 571-583. 

    상세보기 crossref

  31. Shin, D. H., & Kim, Y. M. (2016). The Factors Influencing Intention to Use Bit Coin of Domestic Consumers. The Journal of the Korea Contents Association, 16(1), 24-41. 

    원문보기 상세보기 crossref

  32. Thies, S., & Molnar, P. (2018). Bayesian change point analysis of Bitcoin returns. Finance Research Letters, 27, 223-227 

    상세보기

  33. Versace, M., Bhatt, R., Hinds, O., & Shiffer, M. (2004). Predicting the exchange traded fund DIA with a combination of genetic algorithm and neural networks. Expert Systems with Applications, 27(3), 417-425. 

    상세보기 crossref

  34. Wirawan, I. M., Widiyaningtyas, T., & Hasan, M. M. (2019). Short term prediction on bitcoin price using arima method. In 2019 International Seminar on Application for Technology of Information and Communication (iSemantic). IEEE. 260-5. 

  35. http://www.investing.com/ 

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로