주성분 분석 기법을 활용한 시계열 데이터 분석 및 예측 시스템
Time Series Data Analysis and Prediction System using PCA
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
우리는 무수히 많은 데이터 속에서 살고 있다. 다양한 데이터는 우리가 활동하는 모든 상황 속에서 만들어지는데 빅데이터 기술을 통해 데이터의 유의미를 발굴한다. 유의미한 데이터를 발굴하기 위해 많은 노력이 진행 중이다. 본 논문은 주성분 분석(Principal component analysis) 기법으로 시계열 데이터의 추이 및 예측을 통해 인간이 더 나은 선택을 가능케 하는 분석 기법을 소개한다. 주성분 분석은 입력된 데이터를 통해 공분산을 구성하고, 데이터의 방향성을 추론할 수 있는 고유벡터와 고윳값을 제시한다. 제안하는 방법은 비슷한 방향성을 갖는 시계열 데이터 집합에서 기준 축을 구성하고, 데이터 집합을 이루는 각 시계열 데이터들의 방향성이 기준 축과 이루는 사잇각을 통해 다음 구간에 존재하게 될 데이터의 방향성을 예측한다. 본 논문에서는 가상화폐의 추이를 통해 제시한 알고리즘의 정확도를 LSTM(Long Short-Term Memory)과 비교 검증한다. 비교/검증 결과 제안된 방법은 변동성이 큰 데이터에서 LSTM에 비해 상대적으로 적은 트랜잭션과 높은 수익(112%)을 기록하였다. 이는 상대적으로 정확하게 신호를 분석하여 예측했다는 의미로 볼 수 있으며, 보다 정확한 임계치 설정을 통해 더 나은 결과를 도출할 수 있을 것으로 기대된다.
Abstract
We live in a myriad of data. Various data are created in all situations in which we work, and we discover the meaning of data through big data technology. Many efforts are underway to find meaningful data. This paper introduces an analysis technique that enables humans to make better choices through the trend and prediction of time series data as a principal component analysis technique. Principal component analysis constructs covariance through the input data and presents eigenvectors and eigenvalues that can infer the direction of the data. The proposed method computes a reference axis in a time series data set having a similar directionality. It predicts the directionality of data in the next section through the angle between the directionality of each time series data constituting the data set and the reference axis. In this paper, we compare and verify the accuracy of the proposed algorithm with LSTM (Long Short-Term Memory) through cryptocurrency trends. As a result of comparative verification, the proposed method recorded relatively few transactions and high returns(112%) compared to LSTM in data with high volatility. It can mean that the signal was analyzed and predicted relatively accurately, and it is expected that better results can be derived through a more accurate threshold setting.
참고문헌 (21)
- 이응환, "빅데이터 분석을 통한 영화 관객수, 매출액 예측 모델", 한국빅데이터학회 학회지, 4(2), pp.185~194 (2019), 사)한국빅데이터학회[DOI]
- 송상화, "실시간 열량계 정보를 활용한 단기 열 수요 예측 모델 개발에 관한 연구", 한국빅데이터학회 학회지, 5(2), pp.17~27 (2020), 사)한국빅데이터학회[DOI]
- 김태훈, "인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구", 한국빅데이터학회 학회지, 5(2), pp.77~84 (2020), 사)한국빅데이터학회[DOI]
- 나광택, "증권 금융 상품 거래 고객의 이탈 예측 및 원인 추론", 한국빅데이터학회 학회지, 5(2), pp.215~229 (2020), 사)한국빅데이터학회[DOI]
- B. S. Pramod, "Stock Price Prediction Using LSTM", ~ (2020)
- Arjun Singh Saud, "Analysis of look back period for stock price prediction with RNN variants: A case study on banking sector of NEPSE", Procedia Computer Science, 167, pp.788~798 (2020), Elsevier BV[DOI]
- Adil Moghar, "Stock Market Prediction Using LSTM Recurrent Neural Network", Procedia Computer Science, 170, pp.1168~1173 (2020), Elsevier BV[DOI]
- YiFei Li, "Prediction for Tourism Flow based on LSTM Neural Network", Procedia Computer Science, 129, pp.277~283 (2018), Elsevier BV[DOI]
- Jiayu Qiu, "Forecasting stock prices with long-short term memory neural network based on attention mechanism", PLOS ONE, 15(1), pp.e0227222~ (2020), Public Library of Science (PLoS)[DOI]
- M. Roondiwala, "Predicting stock prices using LSTM", International Journal of Science and Research(IJSR), 6(4), pp.1754~1756 (2017)[DOI]
- Myoung-Jong Kim, "An evolutionary approach to the combination of multiple classifiers to predict a stock price index", Expert Systems with Applications, 31(2), pp.241~247 (2006), Elsevier BV[DOI]
- 김상호, "주가지수 관계와 유전자 알고리즘을 이용한 주식예측", 한국지능시스템학회 논문지, 18(6), pp.781~786 (2008), 한국지능시스템학회
- N. H. M. Radzi, "Support Vector Machine with Principle Component Analysis for Road Traffic Crash Severity Classification", IOP Conference Series: Materials Science and Engineering, 551(1) (2019)
- PCA, "SVM-based method for pattern detection in a multisensor system", T. K. Lin., 2018
- Mohd. Mustaqeem, "Principal component based support vector machine (PC-SVM): a hybrid technique for software defect detection", Cluster Computing, 24(3), pp.2581~2595 (2021), Springer Science and Business Media LLC[DOI]
- 백승훈, "빅데이터 분석을 이용한 기온 변화에 대한 판매량 예측 모델", 한국빅데이터학회 학회지, 4(1), pp.29~38 (2019), 사)한국빅데이터학회[DOI]
- 이윤정, "주식 포트폴리오 추천을 위한 주식 시장 네트워크 분석", 한국콘텐츠학회 논문지, 13(11), pp.48~58 (2013), 한국콘텐츠학회[DOI]
- R. Pascanu, "On the difficulty of training recurrent neural networks", International conference on machine learning, pp.1310~1318 (2013), PMLR
- L. I. Smith, "A tutorial on principal components analysis", pp.2002