금 시세
-
머신 러닝으로 금 시세를 예측 해보자 - 모델 평가&활용모델 평가 2020. 4. 27. 14:16
1. 모델 검증 방법 2. 모델 검증 & 개선 3. 모델 활용 시뮬레이션 & 개선 과거의 포스팅에서 ARIMA, Prophet, LSTM의 간단한 설명과 모델 구축의 기본에 대해서 알아봤다. 본 포스팅에서는 모델의 평가와 활용법에 대해 알아보도록 하겠다. 결론부터 말하면, LSTM 모델을 사용하여 2015년 10월부터 현재까지(2020년 4월 23일) 금을 투자하였다면, 221%의 수익률(2015년부터 안 팔고 보유했을 경우의 수익률 153%)을 올렸을 것으로 나타난다. 1. 모델 검증 방법 먼저 모델의 검증 방법으로는 one-step forecast방법을 사용하였다. 시계열 데이터는 일반적 cross validation 방법으로는 검증이 불가능하다. 이는 일반적인 데이터와 다르게 시계열 데이터에는 순서..
-
머신 러닝으로 금 시세를 예측해 보자 feat. LSTM모델 구축 2020. 4. 13. 14:44
1. LSTM에 대한 간략한 설명 2. 데이터 전처리 3. 모델 구축 4. 모델 평가 1. LSTM에 대한 간략한 설명 LSTM은 뉴럴 네트워크의 한 종류로 기존의 음성, 글 등과 같이 순차적인 데이터(Sequence)를 다루기 위한 RNN 알고리즘을 바탕으로 하고 있다. 하지만 RNN는 Sequence의 길이가 길어지면, 다소 떨어진 데이터의 정보가 사라진다는 단점이 있다. 이를 보완하기 위해 나온 알고리즘이 LSTM이다. 딥러닝을 기반으로 하고 있어 앞서 설명한 ARIMA나 prophet 보다 복잡한 패턴을 찾아내는 것이 가능하다. 자세한 설명은 훌룡한 설명을 하고 있는 많은 사이트들이 있기 때문에 그 링크를 남긴다. https://brunch.co.kr/@chris-song/9 LSTM(RNN) 소..
-
머신 러닝으로 금 시세를 예측 해보자 feat. ARIMA모델 구축 2020. 3. 31. 10:34
0 - 1. 시계열 데이터란 무엇인가? 0 -2. Time series model 이란 무엇인가? 1. ARIMA에 대한 간단한 설명 2. 금 값 데이터의 분석 3. ARIMA모델의 구축 4. 모델의 평가 5. 모델의 활용 0-1. 시계열 데이터란 무엇인가? 시계열 데이터는 일정한 시간 간격으로 출력된 데이터이다. 우리가 돈을 벌기 위해 관심을 가지는 주식, 유가, 채권 금리, 집 값 등 모든 것이 시계열 데이터이다. 시계열 데이터는 추세-주기, 계절성, 잔차의 합 혹은 곱으로 볼 수가 있다. 추세(trend)는 장기적으로 증가 혹은 감소를 설명하는 부분이며, 계절성(seasonality)은 특정 기간(일별, 분기별, 10년 별 등) 마다 나타나는 패턴을 설명하는 부분이다. 주기(cycle)는 계절성과 ..