딥러닝을 활용한 금융 시계열 분석 - 1

자료실
강의자료
작성자
인사이트캠퍼스
작성일
2020-05-18 15:01
조회
42

딥러닝을 활용한 금융 시계열 분석 - 1


시계열 데이터는 관측 값들이 시간에 따라 변하는 자료를 말합니다.

시계열 자료는 일반적인 통계 이론이나 통계적 분석 방법으로는 다루기 어렵고, 시계열 분석 (Time Series Analysis) 방법을 사용합니다.

오늘은 딥러닝을 활용한 금융 시계열 분석에 대해 간단하게 알아보도록 하겠습니다.

 

◎ 금융 시계열 분석 (Financial Time Series)

시계열 데이터는 관측 값들이 시간에 따라 변하는 자료를 말합니다. (ex : 주가, 주가 수익률, 변동성 등)

시계열 자료는 일반적인 통계 이론이나 통계적 분석 방법으로는 다루기 어렵고, 시계열 분석 (Time Series Analysis) 방법을 사용합니다.

AR 모형 : 평균 회귀 모형 (Auto Regressive Model)으로 현재 시계열은 과거 시계열 데이터에 종속된다는 모형입니다.



MA 모형 : 이동평균 과정 (Moving Average Model)으로 현재 시계열 데이터는 과거 잔차들의 가중 평균으로 구성된다는 모형입니다.



ARMA 모형 : AR 모형과 MA 모형을 혼합한 모형입니다.


ARIMA 모형 : 시계열 자체로는 정상성이나 평균회귀 특성이 없어도 이를 차분한 (Indifference) 시계열은 평균 회귀 특성이 있을 수 있습니다. ARIMA모형은 시계열에 ARIMA 모형을 적용한 모형입니다.

● SARIMA 모형 : 주기성 (Seasonality)를 갖는 모형입니다. ARMA 모형이나 ARIMA 모형이 주기성을 갖는 경우, 자기상관성을 분석하면 주기를 검출할 수 있습니다.


회귀분석 (Regression)

직선 회귀분석 : OLS와 TLS

OLS(Ordinary Least Square) : 각 데이터 (xi, yi)에서 y축에 평행한 방향으로 회귀직선과 만나는 지점까지 거리(d)의 총 합이 최소가 되는 회귀직선을 찾는 방식입니다.

TLS(직교회귀) : 각 데이터 (xi, yi)와 회귀직선의 수직거리 (d)의 총합이 최소가 되는 회귀직선을 찾는 방식이비다.


로지스틱 회귀분석 (Logistic Regression)

결과 값인 y가 0과 1 (혹은 True or False)로 구분될 때 y값을 추정하는 알고리즘 방식으로 이진 분류 (Binary classification)에 활용됩니다.


 

분류 (Classification)와 군집 (Clustering)

KNN Classification 알고리즘 (근접이웃 알고리즘) - Supervised Learning

점 A로부터 가까운 거리에 있는 K개의 점을 선택한 후, K개의 점들이 가장 많이 속한 클래스를 찾아 점 A가 그 클래스에 속한다고 판단하는 알고리즘입니다. 예를 들어 A에서 가까운 9개의 점을 선택하였더니, 그 중 5개는 1에 속하고, 3개는 클래스 2에 속하고, 1개는 클래스 4에 속한다면 A는 클래스 2에 속한다고 판단할 수 있습니다.

K-Means Clustering 알고리즘 - EM 알고리즘

K-Means 알고리즘은 중점을 할당한 후 할당된 중점까지의 거리의 합을 최소화하는 알고리즘입니다. (EM 알고리즘)



Confusion Matrix에 의한 분류 알고리즘의 성능 측정


TP (True Positive)는실제 클래스가 Positive (+)인데 Positive로 올바르게 분류한 개수입니다.

TN (True Negative)는-를 -로 올바르게 분류한 개수입니다.

FP (False Positive와 FN(False Negative)는 잘못 분류한 비율을 측정한 것입니다.

 

인공신경망과 딥러닝

인공신경망의 기본 개념


Activation Function (활성 함수)

활성 함수는 뉴런의 출력값을 조절하는 함수입니다. 해결한 문제의 특성에 맞게 출력값을 조정하기 위해 사용됩니다. Classification 문제를 위해서는 출력값 층이 0 ~ 1 사잇값이 나와야 하므로 sigmoid 함수를 사용하고, Regression 문제를 위해서는 실숫값 그대로 출력해야 하기 때문에 linear 함수를 사용합니다. ReLu 함수는 딥러닝에서 오류값이 하위단으로 잘 전파되도록 하기 위해 은닉층의 출력값으로 주로 사용됩니다.



 

 

지금까지<딥러닝을 활용한 금융 시계열 분석>강의의 내용 중 일부였습니다.

딥러닝을 활용한 금융 시계열 분석에 관한 내용을 더 알고 싶으신 분들은 강의자료를 참고하시거나 강의를 통해 배울 수 있습니다.

마감 강의는 모집 예정입니다. 아래 링크에서 강의 개설 요청을 할 수 있고 할인 쿠폰을 받을 수 있습니다!

https://insightcampus.co.kr/requestcurriculum/

 
전체 0

전체 572
번호 썸네일 제목 작성자 작성일 추천 조회
공지사항 [공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
[공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
[공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
인사이트캠퍼스 | 2020.03.05 | 추천 0 | 조회 758
인사이트캠퍼스 2020.03.05 0 758
공지사항
비밀글 파이썬으로 배우는 블록체인 구조와 이론 (위키북스)
finweb | 2019.07.05 | 추천 0 | 조회 14
finweb 2019.07.05 0 14
569 딥러닝을 활용한 금융 시계열 분석 - 2
딥러닝을 활용한 금융 시계열 분석 - 2
딥러닝을 활용한 금융 시계열 분석 - 2
인사이트캠퍼스 | 2020.05.25 | 추천 0 | 조회 36
인사이트캠퍼스 2020.05.25 0 36
568 퀀텀 컴퓨팅의 실용화 방안
퀀텀 컴퓨팅의 실용화 방안
퀀텀 컴퓨팅의 실용화 방안
인사이트캠퍼스 | 2020.05.18 | 추천 0 | 조회 92
인사이트캠퍼스 2020.05.18 0 92
567 딥러닝을 활용한 금융 시계열 분석 - 1
딥러닝을 활용한 금융 시계열 분석 - 1
딥러닝을 활용한 금융 시계열 분석 - 1
인사이트캠퍼스 | 2020.05.18 | 추천 0 | 조회 42
인사이트캠퍼스 2020.05.18 0 42
566 동적 자산 배분과 유니버셜 포트폴리오
동적 자산 배분과 유니버셜 포트폴리오
동적 자산 배분과 유니버셜 포트폴리오
인사이트캠퍼스 | 2020.05.14 | 추천 0 | 조회 124
인사이트캠퍼스 2020.05.14 0 124
565 2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
인사이트캠퍼스 | 2020.05.13 | 추천 0 | 조회 136
인사이트캠퍼스 2020.05.13 0 136
564 자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
인사이트캠퍼스 | 2020.05.11 | 추천 0 | 조회 153
인사이트캠퍼스 2020.05.11 0 153
563 좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 133
인사이트캠퍼스 2020.05.06 0 133
562 그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 113
인사이트캠퍼스 2020.05.06 0 113
561 변동성 측정의 이해
변동성 측정의 이해
변동성 측정의 이해
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 138
인사이트캠퍼스 2020.05.06 0 138
560 새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 117
인사이트캠퍼스 2020.04.29 0 117
559 2020년 멋진 오픈 소스 소프트웨어 5개
2020년 멋진 오픈 소스 소프트웨어 5개
2020년 멋진 오픈 소스 소프트웨어 5개
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 134
인사이트캠퍼스 2020.04.29 0 134
558 AI가 속아 넘어갈 수 있을까?
AI가 속아 넘어갈 수 있을까?
AI가 속아 넘어갈 수 있을까?
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 75
인사이트캠퍼스 2020.04.29 0 75
557 블록체인이 채택되면서 협업이 새로운 경쟁인가?
블록체인이 채택되면서 협업이 새로운 경쟁인가?
블록체인이 채택되면서 협업이 새로운 경쟁인가?
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 84
인사이트캠퍼스 2020.04.29 0 84
556 간단한 전자 상거래 웹사이트 스크래핑
간단한 전자 상거래 웹사이트 스크래핑
간단한 전자 상거래 웹사이트 스크래핑
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 118
인사이트캠퍼스 2020.04.29 0 118
555 디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
인사이트캠퍼스 | 2020.04.27 | 추천 0 | 조회 153
인사이트캠퍼스 2020.04.27 0 153
554 2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
인사이트캠퍼스 | 2020.04.20 | 추천 0 | 조회 370
인사이트캠퍼스 2020.04.20 0 370
553 Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
인사이트캠퍼스 | 2020.04.13 | 추천 0 | 조회 86
인사이트캠퍼스 2020.04.13 0 86
552 미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 63
인사이트캠퍼스 2020.04.09 0 63
551 Open Images V6 - 현지화된 서술 특성 제공
Open Images V6 - 현지화된 서술 특성 제공
Open Images V6 - 현지화된 서술 특성 제공
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 60
인사이트캠퍼스 2020.04.09 0 60
550 외형 변경, 자유 로밍 소프트 로봇 제작
외형 변경, 자유 로밍 소프트 로봇 제작
외형 변경, 자유 로밍 소프트 로봇 제작
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 48
인사이트캠퍼스 2020.04.09 0 48