머신러닝을 이용한 우리나라 환율 예측 연구
A Study on Korean Exchange Rate Prediction Using Machine Learning
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구에서 환율의 예측 능력에 대하여 머신러닝 계열의 방법론과 비-머신러닝 계열의 방법론의 예측 능력을 상고 비교하고자 하였다. 데이터는 2001년부터 2018년을 학습의 기간으로 삼아 2019년을 테스트 하는 실험1과 2001년부터 2017년을 학습 기간으로 삼고 2018년과 2019년을 예측하는 실험2로 나누어 실험을 하였다. 실험1과 실험2 모두에서 머신러닝 계열의 예측이 비-머신러닝 계열의 예측보다 MSE측면에서 우수함을 보였다. 특히 두 실험 모두에서 다층퍼셉트론(MLP)이 매우 우수한 능력을 보였고, KNN을 시계열로 확장을 한 TSFKNN과 신경망을 시계열로 확장을 한 NNETAR 두 가지 모두 유사한 능력을 보였다. 전통적인 비-먼신러닝 계열에서는 충분히 데이터에 대한 특성이 파악이 되지 않아 낮은 수준의 예측 능력을 보이는 것으로 판단이 된다.
Abstract
In this study, the prediction ability on exchange rate was compared with that of machine learning and non-machine learning methodologies. Two experiments are performed. In experiment 1, exchange rate for the year of 2019 was forecasted with the training data from 2001 to 2018. In experiment 2, exchange rate for the year of 2018 and 2019 were forecasted with the training data from 2001 to 2017. In both Experiment 1 and Experiment 2, it was shown that the predictive ability of the machine learning series was superior to that of the non-machine learning series such as ARIMA.AUTO or ETS methods. In particular, in both experiments, the MLP(multilayer perceptron) showed a very good forecast-ability , and both TSFKNN, which extended KNN in a time series, and NNETAR, which extended a neural network in a time series, showed similar good abilities. In the traditional non-machine learning methods, the characteristics of the data were not sufficiently identified, and thus showed a low level of predictive ability.
참고문헌 (24)
- 구희조, "장기 구매력평가와 환율예측 : 원", 달러, 1997, pp.22(3), 17~34
- 김영철, "스왑포인트 결정요소를 이용한 머신러닝 기반의 원", 달러 환율 예측 모형에 관한 연구: 다층퍼셉트론의 최적구조 탐색을 중심으로, 2018, pp.29(1), 203~216[DOI]
- 서종덕, "데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형", 산업경제연구, 29(5), pp.1607~1628 (2016), 한국산업경제학회
- 오문석, "환율결정모형의 원", 달러환율 예측력 비교, 2000, pp.29(4), 711~722
- 환율예측모형의 비교연구, "이상래", 한국과학기술원, ~ (2005)
- 이재득, "투자와 수출 및 환율의 고용에 대한 의사결정 나무, 랜덤 포레스트와 그래디언트 부스팅 머신러닝 모형 예측", 무역학회지, 46(2), pp.281~299 (2021), 한국무역학회
- 한정아, "시계열 모형을 이용한 원", 달러 환율 예측모형 비교연구, 2019, pp.7(4), 69~78[DOI]
- 한태경, "환율예측을 위한 합성모형 연구 : 시계열분석방법과 기계학습방법을 이용한 합성모델", 석사, 금융, pp.2010
- Ahmed, N. K., "An Empirical Comparison of Machine Learning Models for Time Series Forecasting", Econometric Reviews, 29(5-6), pp.594~621 (2010)
- Crone, S., "Feature selection for time series prediction - a combined filter and wrapper approach for neural networks", Neurocomputing, 73(10–12), pp.1923~1936 (2010)
- Gabriel, P. K., "On the application of Multivariate Times Series Models", Journal of Physical Science and Technology, 8(10), pp.51~62 (2015)
- Hannan EJ, "Recursive Estimation of Mixed Autoregressive-Moving Average Order", Biometrika, 69(1), pp.81~94 (1982)
- Hyndman, R. J., "The admissible parameter space for exponential smoothing models", Annals of Statistical Mathematics, 60(2), pp.407~426 (2008)
- Hyndman, R. J., "A state space framework for automatic forecasting using exponential smoothing methods", International J. Forecasting, 18(3), pp.439~454 (2002)
- Iwok, A., "A Comparative Study between Univariate and Multivariate Linear Stationary Time Series Models", American Journal of Mathematics and Statistics, 6(5), pp.203~212 (2016)
- Kim, S. H., "Establishment of Optimal Artificial Neural Network Model and Exchange Rate Prediction Performance Analysis", Journal of Money and Finance, 14, pp.57~85 (2000)
- Kim. J. H., "A comparative study on the Won", Dollar exchange rate forecasting performance of the artificial neural network model and ARIMA model, The Graduate School of Sogang University, 2001
- 이훈자, "원", 달러환율과 원, 한국데이터정보과학회지, pp.2016, 27(6)[DOI]
- Lora, "Electricity Market Price Forecasting Based on" (2007)
- Makridakis S, "The Accuracy of Extrapolation (Time Series) Methods: Results of a Forecasting Competition", Journal of Forecasting, 1, pp.111~153 (1982)
- Martínez, "Time Series Forecasting with KNN in R: the tsfknn Package", R Journal, 9(2), pp.229~242 (2019)
- Reilly D, "The Autobox System", International Journal of Forecasting, 16(4), pp.531~533 (2000)
- "Weighted Nearest Neighbors Techniques", IEEE TRANSACTIONS ON POWER SYSTEMS, 22(3)
- Zhang, G., "Forecasting with artificial neural networks:: The state of the art", International Journal of Forecasting, 14(1), pp.35~62 (1988)