최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
임세미, 김성식
2020 / 한국산학기술학회논문지
Iwanaga J.,Muo E.C.,Tabira Y.,Watanabe K.,Tubbs S.J.,D'Antoni A.V.,Rajaram-Gilkes M.,Loukas M.,Khalil M.K.,Tubbs R.S.
2023 / Clinical Anatomy
유하영, 이승준, 강민우, 이석진, 양원존, 정재석, 김병훈, 이영국
2016 / 대한금속·재료학회지
김희선, 변기용, 김이경, 김희정, 전재은, Eko Hari Purnomo, Nordiana Mohd Nordin, Romyen Kosaikanon, Ngo Tự Lap
2022 / KEDI Journal of Educational Policy
데이터가 존재하지 않습니다.
loading...
본 연구는 전환사채 투자자의 전환권 행사 시점 결정 문제에 인공신경망 기법을 적용하여 과학적인 의사결정 방안을 제시한다. 과거 발행된 전환사채 데이터를 활용한 인공신경망 학습 결과, 대부분의 그룹에서 10% 이상의 초과 수익을 달성했으며 특히 일부 그룹에서는 20% 이상의 높은 수익률을 보였다. 이는 금융 분야에 기계학습 기법을 융합하여 의사결정 문제 해결에 기여할 수 있음을 시사한다.
The essentials of machine learning in finance and accounting
퀀트 투자를 위한 머신러닝 : 파이썬으로 배우는 머신러닝 기반 팩터 투자
파이썬 기반 금융 인공지능 : 파이썬과 케라스를 활용한 금융 시계열 데이터 기반 알고리즘 트레이딩 전략
Machine learning in finance : from theory to practice
Artificial intelligence in economics and management : an edited proceedings on the Fourth International Workshop : AIEM4, Tel-Aviv, Israel, January 8-10, 1996
핸즈온 머신러닝 딥러닝 알고리즘 트레이딩 : 파이썬, Pandas, NumPy, Scikit-learn, 케라스를 활용한 효과적인 거래 전략
Experimental economics
Advances in decision analysis : from foundations to applications
Social media analytics for user behavior modeling : a task heterogeneity perspective
Neural networks in finance : gaining predictive edge in the market
(이론에서 실전까지) 금융 머신러닝
Managerial economics : the analysis of business decisions
퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 : 파이썬, Pandas, 텐서플로 2.0, Scikit-learn을 활용한 효과적인 트레이딩
Financial signal processing and machine learning
비즈니스 데이터 과학 : 비즈니스 의사결정을 위한 통계학, 경제학, 인공지능의 만남
파이썬과 기계 학습 : scikit-learn을 활용한
Perception-based data mining and decision making in economics and finance
Asset allocation techniques and financial market timing
머신러닝 쉽게 이해하기 : 인공지능 시대를 앞서가기 위한 첫걸음
한국산업정보학회논문지
유재필한국콘텐츠학회 논문지
유재필한국산학기술학회논문지
유재필, 신현준贵州省党校学报 / Journal of the Party School of Guizhou Provincial Committee of the C.P.C
牛晓健; 巴雄; Niu Xiaojian; Ba XiongFinancial Innovation
Tan X.,Zhang Z.,Zhao X.,Wang S.Journal of Business Economics
Beckmann L.,Debener J.,Kriebel J.Soft Computing: A Fusion of Foundations, Methodologies and Applications
Gao, Xingyu; Zhang, Pu; Huang, Guanhua; Jiang, Hui; Zhang, Zhuo合作经济与科技 / CO-Operative Economy & Science
王定校Review of Accounting and Finance
Khemakhem, S.; Boujelbene, Y.Financial Analysts Journal
Clint HowardBritish Accounting Review
Cheng Z.(.,Fang J.,Zhang Y.Computational Economics
Rahaman, S.U.IEEE Access
Aoujil Z.,Hanine M.,Flores E.S.,Samad M.A.,Ashraf I.Neurocomputing
Liu, Z.; Zhang, G.; Lu, J.Computational Economics
Babaei G.,Bamdad S.Journal of Experimental Education
Collier Z.K.,Leite W.L.Journal of Econometrics
Wan R.,Fulop A.,Li J.European Journal of Finance
Rahim, N.A.; Goodacre, A.; Veld, C.Journal of Experimental Psychology: Learning Memory and Cognition
Król M.,Król M.E.MANAGEMENT DECISION
Avelar, Ewerton Alex; Jordao, Ricardo Vinicius Dias전선 / 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 / 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 / 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.전선 / 학사
이 수업은 한국어로 진행되며 강의 내용은 아래 영문교과목 개요를 참고하시길 바랍니다.전선 / 학사
본 과목은 옵션, 선물, 선도, 스왑거래 등과 같은 파생금융상품의 기본구조와 가격결정이론에 대하여 학습하고, 차익거래와 헤지거래 및 위험관리에의 활용방안에 대하여 논의한다. 주요 내용은 옵션, 선물, 선도, 스왑거래의 구조와 가격결정이론, 차익거래 및 헤지거래, 채권가격결정과 듀레이션, 이자율 기간구조모형과 금리 파생상품, 이항옵션모형과 Black-Scholes모형, 내재 변동성과 변동성의 추정방법, 수치해석방법에 의한 옵션가격결정, 이색옵션의 가격결정, 시장위험 및 신용위험의 평가방법, 금융위험관리의 성공 및 실패 사례연구 등을 포함한다.?전선 / 대학원
본 강의의 목적은 학생들에게 1) 외부 재무보고에 관해 자본 시장에 기초한 현행 연구 주제들과 2) 이러한 주제들을 제시하기 위해 사용한 연구방법들을 소개하는 것이다. 본 강의는 회계수치 산출에 사용되는 기술적인 규칙과 절차보다는 외부정보이용자들의 경제적 의사결정을 위한 재무회계정보의 생산, 분배, 사용과 관련된 이슈들에 중점을 두고자 한다. 본 강의에서 다루는 논문은 주요 저널과 관련문헌에서 선택한 실증연구가 대부분이다.전선 / 대학원
본 과목은 옵션, 선물, 선도, 스왑거래 등과 같은 파생금융상품의 기본구조와 가격결정이론에 관한 이론과 실제에 대해 학습하고, 이들을 이용한 파생상품 투자전략을 심도 있게 다룬다. 또한 파생금융상품을 이용한 차익거래와 헤지거래 및 위험관리에 대해서도 논의한다. 주요 내용은 1) 옵션, 선물, 선도, 스왑거래의 구조와 가격결정이론, 2) 차익거래 및 헤지거래, 3) 채권가격결정과 듀레이션, 4) 이자율 기간구조모형과 금리 파생상품, 5) 이항옵션모형과 Black-Scholes모형, 6) 내재 변동성과 변동성의 추정방법, 7) 수치해석방법에 의한 옵션가격결정, 8) 이색옵션의 가격결정, 9) 시장위험 및 신용위험의 평가방법, 10) 금융위험관리의 성공 및 실패 사례연구 등을 포함한다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할수 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 이론및 알고리즘, 응용 분야등을 설명한다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전필 / 대학원
본 과목은 왜 특정 기업들이 다른 기업들보다 우월한 성과를 내는지를 생각해보고, 한 기업이 경쟁력을 갖추거나 잃게 되는 과정을 살펴본다. 학생들은 기업이 전략적 결정을 바르게 하고 있는지, 기업이 직면하고 있는 전략적 이슈들과 그 반대급부를 제대로 이해하고 있는지, 필요한 발전방향을 제대로 인식하고 있는지에 관한 개념적이고 분석적인 방법들을 배우게 된다. 따라서 본 과목은 일반관리자를 지원하는 학생들뿐만 아니라 경영 컨설팅, 투자은행, 벤처 캐피탈 등 전략적 의사결정이 필요한 직업에도 필수적이다. 본 과목은 수업시간 내내 다차원적인 문제의 형성과 해결을 강조하는 경영 관점을 유지하면서, 다양한 사례와 프로젝트를 통해 학생들이 다양한 경영 상황에서 전략적 의사결정을 해 볼 수 있는 기회를 제공한다.전필 / 학사
본 과목은 농업·자원·환경·지역경제학 등의 응용경제학을 전공하는 학생들이 습득하여야 할 미시경제 기본이론과 그 응용 예들을 강의하여, 학생들로 하여금 개별 경제주체의 합리적인 의사결정과 시장의 형성 및 역할에 관한 이해력을 갖추도록 한다. 생산자행위론, 소비자행위론, 시장균형과 조정, 불완전경쟁시장과 전략적 행위, 불확실성과 정보비대칭 하의 의사결정을 다룬다.전선 / 대학원
이 과목의 목적은 선물, 옵션, 스왑 등 파생금융 자산의 이용과 평가에 필요한 기본적인 지식을 습득하는데 있다. 이들 증권의 가격결정에 관한 주요 이론과 실증 결과, 이들을 이용한 헤지, 차익거래와 같은 다양한 투자전략 등이 심도있게 다루어 질 것이다. 일부 주제에 대해서는 상당한 수학적인 지식이 요구된다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.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
세계화의 진행으로 국제금융시장에 대한 이해와 필요성이 증대되고 있다. 본 교과목은 다국적 기업의 재무최고관리자(CFO)로서 익혀야 할 기본적인 재무이론과 개념을 이해할 수 있도록 구성되어 있다. 다루는 주제는 화폐의 시간가치, 현금할인기법, 위험과 기대수익률의 관계, 자본비용, 자본예산분석, 자본구조 등을 포함한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.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.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정한 기계학습, 설명 가능한 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.