하이퍼네트워크를 이용한 이진화 주식 데이터의 예측에서 모델 차수의 검증
이성배, 장병탁 · 한국정보과학회 학술발표논문집 · 2009
Hypernetwork에 기반한 방식을 이용하여 binary 형태의 주가 데이터를 학습 후 주가의 방향에(오를지 내릴지) 대한 예측을 하는 경우에 있어서 모델 차수 (이하 order)가 예측률에 어떠한 영향을 미치는지 조사하였다. Hypernetwork 모델에서 각 order에 얼마만큼의 비중을 줄 것인가를 결정하는 것은 학습결과에 큰 영향을 미치는 요소로서, order는 해결하고자 하는 문제의 특성과 목적에 따라 다르게 설정되어야 한다. 실험 결과, 주식 데이터의 방향 예측 문제에 있어서는, 높은 order를 사용하면 training 데이터에 대한 예측률이 큰 폭으로 향상하게 되지만, 학습하지 않은 testing 데이터에 대해서는 오히려 낮은 order를 쓰는 것이 더 유리하다는 사실을 확인하였다. Hypernetwork 모델의 구조상 학습하는 과정에서 높은 order들이 주어진 데이터를 더 잘 recall 하므로 자연히 더 많은 weight를 갖게 되고 따라서 낮은 order들은 상대적으로 비중이 축소되는 것이 일반적인데, 실제 예측성능의 향상을 위해서는 높은 order에 대한 의존도를 적정 수준에서 제한할 필요가 있다.
Cited by 0 works.