A new method for forecasting stock prices using artficial neural network and wavelet theory = 인공신경망과 웨이블릿을 사용한 주식가격 예측의 새로운 방법 연구
저자
발행사항
Philadelphia : University of Pennsylvania, 1995
학위논문사항
Thesis (doctoral)-- University of Pennsylvania : Economics 1995
발행연도
1995
작성언어
영어
주제어
발행국(도시)
Pennsylvania
형태사항
xi, 110 p. : ill. ; 30 cm.
일반주기명
Includes bibliographical references.
소장기관
"웨이블릿"이라는 orthogonal basis를 사용하는 웨이블릿분해방법이 최근에 소개되었다. 이 웨이블릿분석은 다음과 같은 두가지 이유에서 후리에분석보다 상당히 진전된 것이다. 첫째, 후리에분석은 진동에 관한 정보만을 주지만, 웨이블릿분석은 진동에 관한 정보 뿐만 아니라 시간에 관한 정보도 동시에 준다. 둘째, 웨이블릿분석은 여러 가지 크기의 웨이블릿을 사용함으로써, 후리에분석보다 nonstationary process를 더 잘 표현할 수 있다. 웨이블릿분석은 함수를 표현하는 데는 상당한 진전을 가져왔지만, "예측"에 사용하는 데는 연구가 별로 이루어지지 않았다. 웨이블릿에 통계학적인 분석을 제공하는 시도[Basseville, et at. 1992a,b]는 있었지만, 웨이블릿을 예측하는데 사용하기 위해서는 더 많은 연구가 이루어져야 한다. 이 논문의 목적은 웨이블릿분해를 사용한 것이, 기존의 모델보다 더 좋은 예측을 할 수 있다는 것을 보여주기 위한 것이다. (1)여러 모델(ARIMA, detrending and AR, random walk, 인공신경망)을 Standard & Poor's 500 데이터와 웨이블릿으로 분해한 데이터에 적용하였다. (2)인공신경망과 웨이블릿을 연계하여 Standard & Poor's 500을 예측하였다. (3)Standard & Poor's 500 데이터와 웨이블릿을 사용하여 분해된 데이터의 관계를 이용하여 Standard & Poor's 500을 예측하였다. (1)에서, Standard & Poor's 500 데이터를 사용한 것보다 웨이블릿분해된 데이터를 사용한 것이 더 작은 예측오차(RMSPE, MAPE, TIC)를 가져왔다. 또한 (3)이 (1)과 (2)보다 더 좋은 결과를 가져왔다. 이 논문에서는 간단한 웨이블릿과 단변량의 경우를 사 용했지만, 경제학과 재무이론에서 더 나은 결과를 위하여 복잡한 웨이블릿과 다변량 경우를 사용할 수 있을 것이다.
더보기Recently, a new decomposition method known as wavelet decomposition was introduced, which is accomplished through the use of an orthogonal basis consisting of so-called "wavelets". Wavelet analysis is a significant advance over Fourier analysis for two reasons. First, while Fourier analysis gives us only frequency information, wavelet analysis gives us both frequency information and time information. Secondly, wavelet analysis can represent a nonstationary process better than Fourier analysis by allowing us to look at the series through wavelets of variable sizes. While the wavelet theory has brought about significant advancements in representation of functions, not much work on its applicability to forecasting has been made. Although an initial attempt to provide the statistical framework for wavelet analysis was made by [Basseville, et al. 1992a, b], the applicability of wavelet analysis to forecasting needs to be further developed. The purpose of this paper is to introduce new methodologies based on wavelet decomposition that can forecast with greater accuracy than existing models. (1)Several models (including ARIMA, detrending and AR, random walk, and artificial neural network) are applied to the original series (Standard & Poor SO0 Index), and to the wavelet decomposed series. The results from the two approaches are compared to see whether the use of the decomposed series (which is the special smoothed version of the original series) in forecasting yields better results than applying the models directly to the original series. (2)An artificial neural network is incorporated with wavelets to forecast the Standard & Poor's 5OO Index. (3)Information on the generating process (i.e. relationship from the decomposed series to the original series) is used for forecasting. The models in (1) which use decomposed series, result in smaller forecasting errors, i.e. RMSPE, MAPE, and TIC, than models where the original series are directly applied. The models described in (3) yield better results than the models described in (1) and (2). Wavelet theory is a concept that will need to be developed further for use in economics and finance. While this paper utilizes the simplest wavelets and an univariate case, it should be possible to employ more complicated wavelets and multivariate cases to see if their use can further advance the role of wavelet theory in forecasting.
더보기분석정보
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)