최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
유인화; 노미현; 공현중; 홍지영
2018 / 아시아 운동학 학술지
Ju Y.,Zhang Y.,Wang X.,Li W.,Ng R.M.K.,Li L.
2020 / Globalization and Health
데이터가 존재하지 않습니다.
loading...
본 논문은 거래량 급감 패턴에 기반한 새로운 단기 주가 예측 방식을 제안하며, 거래량 이동 평균선 조합을 통해 두 가지 거래량 패턴을 정의하고 신경망을 이용한 감독 학습을 수행합니다. 한국 거래소 및 코스닥 시장 데이터를 이용한 실험 결과, 제안하는 예측 시스템이 시장 평균 이상의 거래 성능을 달성함을 확인했습니다.
거래량으로 투자하라
주식투자 무작정 따라하기
거래량 투자 기법 : 거래량과 가격의 비밀을 밝힌다!
Dynamic equilibrium and volatility in financial asset markets
차트의 해석 : 《차트의 기술》 김정환 저자의 기술적 분석 심화 편
Market models : a guide to financial data analysis
Building winning algorithmic trading systems : a trader's journey from data mining to Monte Carlo simulation to live trading
윌스트리트로 간 경제학자
High-Frequency Financial Econometrics /
Machine learning for financial engineering
Perception-based data mining and decision making in economics and finance
딜러를 이겨라 : 켈리공식으로 카지노와 월가를 점령한 수학자 이야기
High-frequency financial econometrics
주식전쟁 : 숀의 주식투자비법 : 기술적 분석편 =
최고의 주식 최적의 타이밍
Curtis Arnold's PPS trading system : a proven method for consistently beating the market
Econophysics of stock and other markets : proceedings of the Econophys-Kolkata II
Jangmin OH
정보과학회 컴퓨팅의 실제 논문지
이재원정보과학회 컴퓨팅의 실제 논문지
이재원한국데이터정보과학회지
손우진; 김재윤Procedia Computer Science
Malti Bansal; Apoorva Goyal; Apoorva ChoudharyIntelligent Systems with Applications
Jaimin Shah; Darsh Vaidya; Manan ShahKIISE Transactions on Computing Practices
Jae Won Lee정보시스템연구
송현정, 이석준Quantitative Finance
Mäkinen Y.,Kanniainen J.,Gabbouj M.,Iosifidis A.정보화연구
유재필, 신현준, 김미희, 백종관Quantitative Finance
Mäkinen, Milla; Kanniainen, Juho; Gabbouj, Moncef; Iosifidis, AlexandrosApplied Artificial Intelligence
Xiaoci Zhang; Naijie Gu; Jie Chang; Hong Ye로고스경영연구
이재범, 최봉균, 신용재Journal of Ambient Intelligence and Humanized Computing
Ananthi, M.; Vijayakumar, K.Journal of The Institution of Engineers (India): Series B: Electrical, Electronics & Telecommunication and Computer Engineering
Das, Sumanjit; Mishra, Sarojananda; Senapati, Manas Ranjan지능정보연구
양훈석, 김선웅, 최흥식Industrial Engineering & Management Systems
Mohammad한국콘텐츠학회 논문지
이은우, 이원부한국컴퓨터정보학회논문지
임정수International Journal of Forecasting
Ye W.,Yang J.,Chen P.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
이 수업은 한국어로 진행되며 강의 내용은 아래 영문교과목 개요를 참고하시길 바랍니다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
시장의 비효율성에 바탕한 투자는 유의한 수익을 얻을 수 있게 해준다는 것이 수많은 실증연구들에게 의해 밝혀져 오고 있으며, 실제 많은 펀드들이 이를 실제 투자를 통해 실현하고 있다. 이 강의에서는 EMBA 학생들을 대상으로 재무금융 부문의 핵심적 이슈인 효율적 시장과 관련한 중요 쟁점들을 살펴보고, 이를 바탕으로 가능한 퀀트투자 전략을 수립, 실행, 평가해 본다. 강의의 대부분은 담당교수의 강의로 이루어지며 마지막 시간에 학생들의 퀀트투자 성과 발표로 기말고사를 대신해 학점을 수여한다.전선 / 학사
주식, 채권을 포함한 기초 증권 및 옵션, 선물, 스왑 및 구조화 채권 등의 파생 증권의 가격 결정, 헷징, 및 투자전략에 대한 이론적 기초를 공부한다. 기초적 분석을 중심으로 특히 위험중립적 가격 결정 접근법을 공부하고, 파생 증권의 가격 결정에 있어서 이와 증권 복제법을 통한 가격 결정 접근법이 어떻게 관련이 있는지를 공부한다.전선 / 대학원
본 과목은 기술 수요자의 선호를 정량적으로 분석하여 미래 유망기술을 예측하는 능력을 키우는 것을 목적으로 한다. 본 과목을 수강하는 학생들은 미래 기술에 대한 선호를 분석하기 위해서 필요한 통계 지식과 계량 방법론을 학습하고, 이를 특정 산업에 실제로 적용하여 미래 유망기술을 도출해 본다. 예를 들어, IT, 에너지, 환경 분야 등에 사용될 가능성이 높은 다양한 신기술에 대해서 각 기술의 특성 및 시장 환경, 목표 대상 소비자의 성향에 따라 기술 수요가 어떻게 달라지는지 계량 방법론(시계열모형, 조건부가치평가모형, 이산선택모형 등)을 이용하여 전망하는 방법을 배운다. 방법론을 습득한 후에는 각자가 관심있는 분야를 선정하여 출현 가능한 기술의 미래 수요를 직접 전망하는 프로젝트를 수행한다. 이를 통해 학생들은 어떤 기술이 미래에 가장 선호될 것인지 판단하고, 해당 변화에 선제적으로 대응하기 위해서는 어떤 노력이 필요한지를 고민해 보는 기회를 가지게 된다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
시스템 성능평가의 주요 도구 중 하나인 stochastic process와 queueing theory를 배움으로써, 컴퓨터 및 통신공학자들이 시스템을 모델링하고 성능분석 하는데 잘 활용할 수 있도록 한다. 이 강의에서는 기본 확률이론과 다양한 종류의 Markov Process, 큐잉 시스템을 포함하고 게임이론과 최적화 이론의 기본 개념을 다룬다.전선 / 대학원
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
본 교과목은 국제에너지시장의 예측 및 분석을 위한 분석기법을 학습하고 에너지시장의 대표적인 특성인 높은 가격변동과 시장의 지역화 문제를 심층적으로 살펴본다. 시계열 계량경제기법을 위주로 한 분석기법을 학습하며, 실제자료를 활용한 팀별 분석실습과 토론학습을 진행한다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.교양 / 학사
「베리타스 강좌 2: 베리타스 강좌 2: 수학과 데이터 사이언스로 보는 사회와 경영」는 자연과학적 모델과 사회과학적 이해를 융합하여 복잡한 사회 현상을 탐구하는 교과목이다. 물리학, 생물학에서 발전한 다양한 모델(네트워크 모델, 정보이론, 카오스이론, 스케일링 이론, 전염병모델 등)을 소개하고, 이들이 사회·경영·정치·도시학 등 인문사회 분야와 어떻게 연결되는지를 학습한다. 본 강좌의 차별성은 이과와 문과 학생이 협력하는 팀 기반 학습에 있으며, 데이터와 간단한 시뮬레이션을 활용한 실습을 통해 이론을 실제 사회현상에 적용한다. 학생들은 그룹 토론, 프로젝트를 통해 비판적 사고, 협업 능력, 창의적 문제 해결 역량을 배양하며, 나아가 데이터 기반 분석과 복합적 가치 창출 능력을 기르게 된다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.