서지주요정보
딥러닝을 활용한 원화 환율 예측: 시장 및 웹데이터와 거시경제 지표의 활용 = Deep learning approach for USD/KRW exchange rate forecasting
서명 / 저자 딥러닝을 활용한 원화 환율 예측: 시장 및 웹데이터와 거시경제 지표의 활용 = Deep learning approach for USD/KRW exchange rate forecasting / 황미라.
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036736

소장위치/청구기호

학술문화관(문화관) 보존서고

MFE 20046

휴대폰 전송

도서상태

이용가능(대출불가)

사유안내

반납예정일

등록번호

9001504

소장위치/청구기호

서울 학위논문 서가

MFE 20046 c. 2

휴대폰 전송

도서상태

이용가능(대출불가)

사유안내

반납예정일

리뷰정보

초록정보

This study analyzes Long Short Term Memory (LSTM), a deep learning technique known to be effective in predicting time series for the USD/KRW exchange rate, and compares it with a traditional time series model and other well-known machine learning models. It also compares market data and macroeconomic data used primarily in existing studies with web text data that has been recently studied to identify data that is effective in forecasting exchange rates. Based on findings, LSTM is the most accurate in predicting time series. Other machine learning models also displayed more accurate predictability than a traditional time series model. When testing data individually, the order of predictability from highest to lowest was market data, web data, and macroeconomic data. It is also found that the data was more accurate when was used together. This can be interpreted as the market data not yet fully satisfied with the efficient market hypothesis in predicting the USD/KRW exchange rate and the information that we can use to forecast the exchange rate remains.

본 연구는 원 달러 환율 예측을 위하여 시계열 예측에 효율적이라고 알려진 딥러닝 기법인 Long Short Term Memory을 적용해보고 시계열 모델 과 기존의 잘 알려진 기계학습 모델들과 비교한다. 또한 기존 연구에 주로 사용된 시장데이터 및 거시경제지표데이터와 최근에 많이 연구되고 있는 웹 텍스트 데이터를 비교하여 환율예측에 효과적인 데이터를 확인한다. 연구결과 모델 별 예측력은 딥러닝 모델인 Long Short Term Memory 모델이 가장 뛰어났다. 다른 기계학습 모델들도 기존의 시계열 모델보다 나은 예측력을 가짐을 보였다. 데이터의 경우 개별로 사용했을 경우 시장데이터, 웹데이터 그리고 거시경제지표데이터 순으로 모델에 높은 예측력을 보이게 하는 결과를 줌을 확인하였다. 또한 각각의 데이터를 사용했을 때보다 데이터를 모두 사용했을 때 더 높은 예측력을 보임을 확인하였다. 이는 원 달러 환율을 예측함에 있어서 시장의 데이터가 아직 효율적 시장 가설을 완전히 만족하지 않고 우리가 환율예측에 사용할 수 있는 정보가 남아있음으로 해석할 수 있다.

서지기타정보

서지기타정보
청구기호 {MFE 20046
형태사항 iii, 27 p. : 삽화 ; 30 cm
언어 한국어
일반주기 저자명의 영문표기 : Mira Hwang
지도교수의 한글표기 : 김동규
지도교수의 영문표기 : Donggyu Kim
학위논문 학위논문(석사) - 한국과학기술원 : 금융공학프로그램,
서지주기 참고문헌 : p. 25-27
QR CODE

책소개

전체보기

목차

전체보기

이 주제의 인기대출도서