LSTM과 GRU를 이용해 기본·기술·정서 데이터를 종합적으로 분석하여 비트코인 등락패턴예측
- 주제(키워드) 비트코인 , LSTM , GRU
- 주제(DDC) 332
- 발행기관 아주대학교
- 지도교수 구형건
- 발행년도 2021
- 학위수여년월 2021. 8
- 학위명 석사
- 학과 및 전공 일반대학원 금융공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000031007
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 비트코인에 대한 관심도가 높아지면서 각국 정부, 금융기관 그리고 기업들도 비트코인을 자산으로써 인정하고 제도를 정비하고 있다. 이와 함께 비트코인에 관한 연구도 함께 늘고 있고 순환 신경망을 활용한 비트코인을 분석도 마찬가지다. 본 연구에서도 순환 신경망을 활용하여 비트코인의 등락패턴을 예측하고자 한다. 본 연구에서 순환 신경망으로 사용한 모델은 LSTM과 GRU이다. LSTM은 3가지 게이트로 이전 은닉층 상태를 더 잘 기억하게 해주는 구조라면 GRU는 2가지 게이트로 이전 은닉층을 더 잘 기억해주는 구조란 차이가 있다. 기존 연구들과 차이점이라면 기존 연구들은 비트코인의 기본적 데이터, 기술적 데이터, 감성 데이터를 각각 따로 사용하거나 2가지만 조합하여 사용하였지만 본 연구에선 비트코인도 다른 금융자산처럼 종합적으로 분석하고자 하였다. 그 결과, McNally의 기술분석 LSTM모델은 약 52% 정도의 정확성을 보여주었지만 본 연구의 종합분석 LSTM과 GRU는 약 53%로 보여주면서 정확성이 향상되었다. 이로써 비트코인 연구에 있어서 역시 다른 금융자산처럼 종합적 분석이 필요하며 다양한 특성들을 고려해야 함을 보여주었다는 것에 의의가 있다.
more목차
1. 연구소개 1
1.1 비트코인의 가치소개 3
1.2 LSTM과 GRU 소개 5
2. 연구목적과 데이터설명 8
2.1 연구목적 8
2.2 데이터설명 9
3. 연구를 위한 LSTM과 GRU 모델 구축 13
4. 결과평가 18
5. 결론 20
