머신러닝 기반 중국 철광석가격 조기경보시스템 구축
Construction of Early Warning System for China Iron Ore Price Based on Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
우리는 여전히 철기 시대에 살고 있다. 따라서 철강 제품의 주요 소재인 철광석 가격은 세계 경제에 큰 영향을 미친다. 하지만 2020년 이후 철광석 가격의 변동성이 크게 확대되면서 이에 대한 조기경보시스템 구축의 필요성이 높아지고 있다. 본 연구는 최근 이 분야에 도입되고 있는 머신 러닝(의사결정나무, 랜덤포레스트, 그래디언트부스트머신, XGBoost, 서포트벡터머신) 기법을 활용하고 새로운 선행지표들을 추가해 철광석 가격의 급상승을 미리 예측하는 조기경보시스템을 구축했다. 특히 국제 철광석 가격에 큰 영향을 미치는 중국 경제와 철광석 수급, 국제 철강 경기 및 원자재 경기 관련 선행지표들을 적극적으로 활용했다. 그 결과는 다음과 같다. 우선 선행지표로써 철강 및 원자재 경기의 중요성을 확인했으며, 둘째 3개월 이동평균 데이터가 1개월 데이터 대비 우수한 예측력을 나타냈다. 셋째 모델의 평가지표로써 정확도 대신 재현율, F1 점수 등을 사용해야 하며, 넷째 최근의 철광석 가격 조기경보시스템에는 그래디언트부스트머신이 높은 정확도를 나타냄을 확인할 수 있었다. 기업과 정부는 이 같은 조기경보시스템을 활용해 파생금융상품과 재고 조정을 통해 리스크를 헷징할 수 있을 것이다. 다음에는 머신러닝의 장점인 빅데이터를 활용해 철광석 가격에 영향을 미치는 다양한 선행지표들을 수집함으로써 조기경보시스템의 성능을 크게 향상시킬 수 있기를 희망한다.
Abstract
We are still living in the Iron Age. Therefore, the price of iron ore, the main material for steel products, have a huge impact on the global economy. However, as the volatility of iron ore price has greatly expanded significantly since 2020, the need to establish an early warning system is increasing. This thesis studied an early warning system that predicts a sharp rise in iron ore prices in advance by utilizing machine learning(Decision Tree, Random Forest, Gradient Boost Machine, XGBoost, Support Vector Machine), which has recently been introduced in this field, and adding new leading indicators. This paper studied an early warning system that predicts a sharp rise in iron ore prices in advance by using machine learning algorithms recently introduced in this field and adding new leading indicators. In particular, this study used many leading indicators related to the Chinese economy, the supply and demand of iron ore, the international steel economy, and the raw material economy, which have a significant impact on international iron ore prices. The results are as follows. First of all, the importance of the steel and raw material economy as a leading indicator was confirmed. Second, the three-month moving average data showed excellent predictive power compared to the one-month data. Third, recall and F1 score should be used instead of accuracy as evaluation indicators of the model. Fourth, it was confirmed that the gradient boost machine showed high accuracy in the recent early warning system for iron ore prices. Companies and the government will be able to hedge risks through derivatives and inventory adjustments using this early warning system. Next, it is hoped that the performance of the early warning system can be greatly improved by collecting various leading indicators that affect the price of iron ore using big data, which is the advantage of machine learning.
참고문헌 (24)
- 김지환, "신호접근법을 이용한 비철금속 상품가격변동 예측모형 연구", 자원환경지질, 42(2), pp.143~152 (2009), 대한자원환경지질학회
- 김태훈, "신호접근법을 이용한 국제곡물가격 조기경보시스템", 농촌경제, 32(3), pp.71~84 (2009), 한국농촌경제연구원[DOI]
- 남대엽, "신호접근법에 따른 철광석가격 조기경보시스템 연구", 중국학연구, (76), pp.131~149 (2016), 중국학연구회
- 남대엽, "AI에 기반한 중국 철광석가격 조기경보시스템 구축 - AI 기법의 탐색적 적용 -", 중국학논총, (61), pp.215~232 (2018), 중국학연구소[DOI]
- 박선, "신경망과 SVM을 이용한 적조 발생 예측", 전자공학회논문지 - SP, 48(5), pp.39~45 (2011), 대한전자공학회
- 이기영, "신호접근법에 의한 중국 주택시장 조기경보시스템 연구", 한중사회과학연구, 11(1), pp.173~195 (2013), 한중사회과학학회
- 이우창, "머신러닝을 이용한 철광석 가격 예측에 대한 연구", 한국산업정보학회논문지, 25(2), pp.57~72 (2020), 한국산업정보학회[DOI]
- Ahn, J. J., "Usefulness of support vector machine to develop an early warning system for financial crisis", Expert Systems with Applications, 38(4) (2011)
- Akcay, S, "The causal relationship between producer price index and consumer price index : Empirical evidence from selected European countries", International Journal of Economics and Finance, 3(6) (2011)
- Arfaoui, M., "Oil, gold, US dollar and stock market interdependencies : a global analytical insight", European Journal of Management and Business Economics, 26(3) (2017)
- Kaminsky, G., "Leading indicators of currency crises", Staff Papers, 45(1) (1998)
- Li, D., "Development of a group method of data handling technique to forecast iron ore price", Applied Sciences, 10(7) (2020)
- Li, H., "Empirical analysis of the influencing factors on iron ore prices", 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC) (2011), IEEE
- Li, J., "Feature selection for support vector machine in the study of financial early warning system", Quality and Reliability Engineering International, 30(6) (2014)
- Lin, W., "Early-warning model of grain price based on Support Vector Machine in China", 2010International Conference on Future Information Technology and Management Engineering, 2 (2010), IEEE
- Ma, Y, "Iron ore spot price volatility and change in forward pricing mechanism", Resources Policy, 38(4) (2013)
- Ma, Y., "Market fundamentals and iron ore spot prices", Economic Record, 96(315) (2020)
- Moon, S. H., "Application of machine learning to an early warning system for very short-term heavy rainfall", Journal of Hydrology, 568 (2019)
- Wårell, L, "The effect of a change in pricing regime on iron ore prices", Resources Policy, 41 (2014)
- Sujit, K. S., "Study on dynamic relationship among gold price, oil price, exchange rate and stock market returns", International journal of applied business and economic research, 9(2) (2011)
- Zhang, J., "Using support vector machine to develop an early warning system for the risks of derivative financial instruments", 2011 Eighth International Conference on Fuzzy Systems and Knowledge Discovery (FSKD), 1 (2011), IEEE
- Zhang, J. L., "A novel hybrid method for crude oil price forecasting", Energy Economics, 49 (2015)
- 洪水峰, "寡头垄断市场下国际铁矿石价格波动的动因分析", 中国国土资源经济, 31(9) (2018)
- 张帅, "2016 年铁矿石价格影响因素分析及未来价格走势预测", 中国矿业, 26(6) (2017)