딥러닝 기법을 이용한 원/달러 환율예측 모형 제안 : DNN과 LSTM을 중심으로
저자
발행사항
서울 : 연세대학교 대학원, 2021
학위논문사항
학위논문(석사) -- 연세대학교 대학원 투자정보공학협동과정전공 2021.2
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
서울
기타서명
Proposal of won/dollar exchange rate prediction model using deep learning technique : focused on DNN and LSTM
형태사항
vi, 48장 : 삽화 ; 26 cm
일반주기명
지도교수: 오경주
UCI식별코드
I804:11046-000000530317
소장기관
Exchange rates are a very important variable that has a profound effect on trade between countries. In particular, foreign exchange risk has a significant impact on the valuation of financial and real assets. Predicting exchange risks is a very important issue due to the high dependence on exports in Korea. However, the limitations of the existing financial time series model, which was widely used for forecasting in the financial and macroeconomic sectors, have been revealed, and under these circumstances, research using the deep learning model, which shows strength in analyzing time series, is becoming more active. However, there is a lack of research on currency forecasts in Korea. This study presents a model of exchange rate prediction using DNN and LSTM, which has never been attempted in existing domestic studies.
The exchange rate prediction models presented in this study used the quoted exchange rate price, high price, low price, closing price and trading volume as input variables, and the DNN and LSTM models were used as a way to deal with vast amounts of data. The empirical analysis of the two models was conducted using the sliding window technique and the data for 10 years from 2010. In order to further improve the performance of the predictive model, the purpose of this study was to utilize the Dinoising Autoencorders. After eliminating noise from the data using DA, we expect to improve the time series prediction performance of DNN and LSTM.
In this paper, the learning period was set at seven years for the entire data to optimize the model. The exchange rate forecasts were carried out using the two models subsequently designed, and RMSE and MAPE were used as indicators to evaluate the predicted performance of both DNN and LSTM models. In addition to the deep learning model, the addition of the AR model as a benchmark model demonstrated the excellence of the model presented in this study. Forecasts show LSTM's performance is better than that of DNN. This study is the first of its kind to utilize LSTM among domestic exchange rate prediction studies, and is meaningful in providing clues to future exchange rate prediction research.
환율은 국가 간 무역에 지대한 영향을 미치는 매우 중요한 변수이다. 특히 외환리스크는 금융자산과 실물자산의 가치평가에 많은 영향을 미친다. 수출의존도가 높은 한국의 특성상 환 리스크의 예측은 매우 중요한 문제이다. 하지만 재무와 거시경제 분야에서 예측에 널리 쓰이던 기존 금융 시계열 모형의 한계가 드러났고, 이러한 상황에서 시계열 분석에 강점을 보이는 딥러닝 모형을 활용한 연구가 활발해지는 추세를 보인다. 하지만 국내에서 환율 예측에 대한 연구는 부족한 실정이다. 본 연구는 기존 국내 연구에서 한 번도 시도하지 않았던 DNN과 LSTM을 활용한 환율예측 모델을 제시한다.
본 연구에서 제시하는 환율예측 모델은 고시 환율의 시가, 고가, 저가, 종가, 거래량을 입력변수로 사용하였으며, 방대한 데이터를 다루려는 방법으로 DNN과 LSTM 모델을 사용하였다. 두 가지 모델의 실증분석에는 2010년부터 10년간의 데이터를 사용하였으며 슬라이딩 윈도우 기법을 이용하여 분석을 진행하였다. 예측 모형의 성능을 더욱 향상시키기 위하여 본 연구의 목적은 디노이징 오코인코더(DA, Denoising Autoencoders)를 활용하였다. DA를 사용하여 데이터의 노이즈를 제거한 후 DNN과 LSTM의 시계열 예측 성능 향상을 기대한다.
본 논문에서는 전체 데이터에 대해 학습 기간을 7년으로 설정하여 모델을 최적화시켰다. 이후 설계한 두 가지 모형을 이용하여 환율예측을 수행하였고, DNN과 LSTM 두 모형의 예측 성능을 평가하는 지표로 RMSE와 MAPE를 활용하였다. 또한 딥러닝 모형 외에도 AR 모형을 벤치마크 모형으로 추가함으로 본 연구에서 제시하는 모형의 우수함을 입증하였다. 예측 결과 LSTM의 성능이 DNN의 성능보다 우수한 것으로 드러났다. 본 연구는 국내 환율예측 연구 중 LSTM을 활용한 최초의 연구이며, 향후 환율예측 연구에 실마리를 제공하는 데 의의가 있다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)