반응형 프로그래밍/딥러닝 (완)141 4. 딥러닝 모델 성능 평가 및 주식 예측 결과 해석 (141) 딥러닝 모델 성능 평가 및 주식 예측 결과 해석지금까지 LSTM, Linear Regression, ARIMA 세 가지 모델을 구현하여 주식 가격을 예측해봤습니다. 이번 마지막 포스팅에서는 각 모델의 성능을 정량적으로 평가하고, 예측 결과를 실제 투자 전략에 활용할 수 있는 방법론을 제시하겠습니다. 또한 모델의 한계점과 실무에서 주의해야 할 사항들도 함께 다루겠습니다.1. 종합적인 성능 평가 지표기본 평가 지표 정의주식 예측 모델의 성능을 평가하기 위해 다양한 지표를 사용합니다:지표수식의미특징MSEΣ(y_true - y_pred)² / n평균제곱오차큰 오차에 민감, 이상치 영향 큼MAEΣ|y_true - y_pred| / n평균절대오차직관적, 이상치에 덜 민감RMSE√(MSE)평균제곱근오차실제 단위로 해.. 2025. 7. 13. 3. Linear Regression과 ARIMA 모델을 이용한 주식 예측 비교 분석 (140) Linear Regression과 ARIMA 모델을 이용한 주식 예측 비교 분석이전 포스팅에서 LSTM을 활용한 주식 예측 모델을 구현해봤습니다. 이번에는 전통적인 통계 모델인 Linear Regression과 ARIMA 모델을 구현하여 LSTM과의 성능을 비교 분석해보겠습니다. 각 모델의 특성과 장단점을 이해하고, 주식 예측에서 어떤 접근 방식이 더 효과적인지 알아보겠습니다.1. Linear Regression 모델Linear Regression의 기본 개념Linear Regression(선형 회귀)은 머신러닝에서 가장 기본적이면서도 강력한 회귀 분석 모델입니다. 주식 데이터처럼 연속된 수치형 데이터를 예측하는 데 적합하며, 입력 변수와 출력 변수 간의 선형 관계를 학습합니다.주식 예측에서의 Linea.. 2025. 7. 13. 2. LSTM을 활용한 주식 가격 예측 모델 구현 (139) LSTM을 활용한 주식 가격 예측 모델 구현이전 포스팅에서 주식 데이터를 전처리하고 딥러닝 모델에 적합한 형태로 변환하는 방법을 알아봤습니다. 이번에는 전처리된 데이터를 활용하여 LSTM(Long Short-Term Memory) 모델을 구현하고 실제 주식 가격을 예측해보겠습니다. LSTM은 시계열 데이터 분석에 특화된 딥러닝 모델로, 주가 예측에서 뛰어난 성능을 보여줍니다.1. LSTM이란 무엇인가?LSTM의 기본 개념LSTM(Long Short-Term Memory)은 기존 RNN(Recurrent Neural Network)의 한계를 극복하기 위해 개발된 신경망 구조입니다. 일반적인 RNN은 시간이 지날수록 이전 정보를 잊어버리는 '기울기 소실' 문제가 있지만, LSTM은 장기 의존성을 학습할 수 .. 2025. 7. 12. 1. 주식 데이터 전처리 및 시계열 데이터 분석 기초 (138) 주식 데이터 전처리 및 시계열 데이터 분석 기초주식 가격 예측은 금융 분야에서 가장 주목받는 머신러닝 응용 분야 중 하나입니다. 하지만 주식 데이터를 딥러닝 모델에 적용하기 전에, 데이터를 적절히 수집하고 전처리하는 과정이 필수적입니다. 이번 포스팅에서는 야후 파이낸스를 활용한 주식 데이터 수집부터 시계열 데이터를 딥러닝 모델에 적합한 형태로 변환하는 전 과정을 살펴보겠습니다. 1. 주식 데이터 수집하기Yahoo Finance API 활용주식 데이터를 수집하는 가장 간단하고 효율적인 방법은 yfinance 라이브러리를 사용하는 것입니다. 이 라이브러리는 야후 파이낸스에서 제공하는 무료 주식 데이터에 쉽게 접근할 수 있게 해줍니다.import yfinance as yf# 보잉(BA) 주식 데이터 수집tic.. 2025. 7. 12. 7. 고급 딥러닝 모델들 (N-BEATS, N-HiTS, TiDE) (137) 시계열 예측 모델 성능 비교 및 실무 선택 가이드지금까지 전통적인 통계 모델부터 최신 딥러닝 모델까지 다양한 시계열 예측 모델들을 살펴보았습니다. 이제 실제 원자재 가격 데이터를 통해 각 모델의 성능을 종합적으로 비교하고, 실무에서 어떻게 적절한 모델을 선택할지에 대한 체계적인 가이드를 제공하겠습니다. 전체 모델 성능 비교모델 카테고리별 분류우리가 살펴본 모델들을 특성에 따라 분류하면 다음과 같습니다:전통적 통계 모델ARIMA, AutoARIMA: 자기회귀 모델TBATS: 복잡한 계절성 처리FFT: 주파수 도메인 분석Prophet: 비즈니스 친화적 모델딥러닝 모델LSTM: 순환 신경망Transformer: 어텐션 메커니즘TFT: 해석 가능한 TransformerTCN: 합성곱 신경망최신 고급 모델DLin.. 2025. 7. 8. 6. 최신 선형 모델들 (DLinear, NLinear) (136) 최신 시계열 모델들: DLinear, NLinear, N-BEATS, N-HiTS, TiDE시계열 예측 분야는 끊임없이 진화하고 있습니다. 복잡한 딥러닝 모델들이 주목받는 가운데, 최근에는 "단순함의 힘"을 재발견하는 연구들이 등장하고 있습니다. 한편으로는 기존 딥러닝 모델들의 한계를 극복하는 혁신적인 아키텍처들도 지속적으로 개발되고 있습니다. 이번 포스팅에서는 시계열 예측의 최신 트렌드를 대표하는 5가지 모델을 깊이 있게 살펴보겠습니다. 선형 모델의 부활: "Are Transformers Effective for Time Series Forecasting?"2022년 발표된 DLinear 논문은 시계열 예측 커뮤니티에 큰 충격을 주었습니다. 복잡한 Transformer 모델들을 단순한 선형 모델이 능가.. 2025. 7. 7. 이전 1 2 3 4 ··· 24 다음 반응형
