Neural networks have shown considerable success in modeling financial data series. Neural networks have the ability to scan the data for patterns and can be used to construct nonlinear models. However, in financial data series forecasting, most neural network models are constructed on the basis of only quantitative information such as macroeconomic data. We divided the information, which affect the financial data series, into two categories, quantitative and qualitative factors. We proposed a method for integrating cognitive maps and neural networks to gain competitive advantage using qualitative information acquired from news information on the World Wide Web. We investigate ways to apply news information on the internet to the prediction of interest rates. We developed the KBNMiner (Knowledge-Based News Miner), which is designed to represent the knowledge of interest rate experts with cognitive maps (CMs), to search and retrieve news information on the internet according to prior knowledge, and to apply the information, which is retrieved from news information, to a neural network model for the prediction of interest rates.
Our study focuses on improving the performance of data mining by using qualitative information. Real-world interest rate prediction data is used to illustrate the performance of the KBNMiner. Our integrated approach, which utilizes CMs and neural networks, has been shown to be effective in experiments. While the 10-fold cross validation is used to test our research model, the experimental results of the paired t-test have been found to be statistically significant. The 10-fold cross validation is used to test our research model and the experimental results of the paired t-test have been found to be statistically significant.
인공신경망은 재무 시계열 데이터 모델링에서 매우 성공적인 경과를 보여주고 있다. 하지만, 재무 시계열 데이터에서 대부분의 인공신경망 모델은 거시경제변수와 같은 정량적 정보만을 같고 구축된다. 본 연구에서는 웹상의 뉴스 정보를 이용한 정성적 정보를 이용하여 보다 보다 효과적인 결과를 얻기 위해 인식도 (Cognitive Maps)와 인공신경망을 통합하였다. 인터넷을 통한 뉴스정보를 이용하여 이자율을 예측하기 위한 방법으로 KBNMiner (Knowledge-Based News Miner)를 개발하였다. KBNMiner는 인식도를 가지고 전문가의 지식을 표현하고, 이 선행지식을 바탕으로 인터넷 상에서 뉴스 정보를 검색하여 추출하한 후에, 이를 최종적으로 이자율 예측을 위한 인공신경망 모형과 결합하도록 설계되었다. 본 연구는 정성적 정보를 이용하여 데이터 마이닝의 성과를 제고시키는 데 주 목적이 있다. 본 연구에서 사용한 인식도와 인공신신경망의 통합은 실험결과 매우 효과적이었다. KBNMiner를 10번의 cross validation을 통해 적용한 결과를 paired t-test를 통하여 통꼐적으로 유의한 결과를 얻었다. 이러한 결과는 본 연구에서 주장하는 정량적 정보를 통한 데이터 마이닝이 매우 효과적이라는 것을 설명한다.
