암호화폐 가격예측 모델의 효율성에 대한 연구 = The Research of Efficiency from Cryptocurrency Price Prediction Model
저자
발행사항
천안 : 남서울대학교 복지경영대학원, 2022
학위논문사항
학위논문(석사)-- 남서울대학교 복지경영대학원 : 빅데이터인공지능학과 빅데이터인공지능 2022.2
발행연도
2022
작성언어
한국어
발행국(도시)
충청남도
형태사항
55 ; 26 cm
일반주기명
지도교수: 장무경
UCI식별코드
I804:44021-200000618110
소장기관
암호화폐에 대한 관심이 높아짐에 따라 암호화폐 거래도 증가하고 있다. 이러한 암호화폐 거래가 활발함에따라 암호화폐 가격에 대한 관심도도 증가하고 있다. 본 연구는 그러한 암호화폐의 가격을 기술적 분석방법으로 예측해보고자 한다.
암호화폐 가격예측 방법으로 회귀분석을 활용한 방법, 시계열 분석을 활용한 방법, 딥러닝을 활용한 방법으로 분리하여 진행하였다. 예측을 진행할 암호화폐는 비트코인과 이더리움으로 세계적으로 가장 큰 암호화폐이며 초기에 만들어져 데이터가 충분하다고 판단했다.
데이터 수집에 CoinMarketCap 사이트를 활용하였고 웹크롤링을 진행하였다. 각 암호화폐별로 3000개 전후의 데이터를 수집하였고 이를 활용하여 분석 및 예측을 진행하였다.
회귀분석을 활용한 데이터 분석 및 예측은 실패라고 판단하였다. SVR의 경우는 어느정도 유의미한 결과를 받았다고 판단하고 있으나 lightGBM은 거래량과 시가총액이 사라지는 순간 예측이 진행되지 않았다. 그런 점에서 회귀분석을 통한 종가 데이터 예측은 한계가 있음을 알 수 있다.
시계열 분석으로 ARIMA모델을 활용하였다. 예측값이 단순 선형을 보이고 있어 예측에 성공했다고 판단할 수 없다. 차분에 대해서 설정에 실패하면 lightGBM처럼 수치가 일정하게 나오는 경우도 생겼다.
딥러닝 예측으로 LSTM모델을 활용하였다. 높은 정확도를 보였다고 생각하나 자세히봤을 때 결과값이 차이를 보이는 것을 확인할 수 있었다.
기술적으로 시계열 데이터를 예측하는 것은 한계가 있지만 이번 연구로 한계에 대해 더욱 이해하고 나아갈 방향을 잡아볼 수 있었다고 생각한다. 앞으로 기술적 뿐만 아닌 다른 분석방법도 추가하여 시계열 데이터의 예측 효율을 높이는 것에 도전해보고자 한다.
키워드: 머신러닝, SVR, LightGBM, LSTM, 딥러닝, 암호화폐
As interest in cryptocurrency increases, cryptocurrency transactions are also increasing. As such cryptocurrency transactions are active, interest in cryptocurrency prices is also increasing. This study aims to predict the price of such cryptocurrencies using a technical analysis method.
The cryptocurrency price prediction method was divided into a method using regression analysis, a method using time series analysis, and a method using deep learning. The cryptocurrencies to be predicted are Bitcoin and Ethereum, which are the largest cryptocurrencies in the world, and they were created early and judged to have sufficient data.
The CoinMarketCap site was used for data collection and web crawling was performed. About 3000 data were collected for each cryptocurrency, and analysis and prediction were performed using this.
Data analysis and prediction using regression analysis was judged to be a failure. In the case of SVR, it is judged that it has received some meaningful results, but for lightGBM, the forecast did not proceed as soon as the trading volume and market cap disappeared. In this regard, it can be seen that there is a limit to predicting closing price data through regression analysis.
ARIMA model was used for time series analysis. It cannot be judged that the prediction was successful because the predicted values show simple linearity. If you fail to set the difference, there are cases where the numerical value is constant like lightGBM.
LSTM model was used for deep learning prediction. I thought it showed high accuracy, but when I looked closely, I could confirm that the results showed a difference.
There are technical limitations to predicting time series data, but I think this study helped us understand the limitations and set a direction for the future. In the future, we will try to increase the prediction efficiency of time series data by adding other analysis methods as well as technical ones.
Key words: Machine Learning, SVR, LightGBM, LSTM, ARIMA, Time Forecasting analysis, deep learning, cryptocurrency
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)