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.
