표제지
국문초록
목차
I. 서론 12
1. 연구의 배경 및 목적 12
2. 연구 범위 및 연구 방법 13
II. 개념적 배경 및 문헌 연구 15
1. 개념적 배경 15
1) 암호화폐의 개념 15
2) 거시경제 변수의 개념 17
2. 머신러닝 알고리즘 18
1) 랜덤 포레스트(Random Forest) 18
2) 에이다 부스트 (Ada Boost) 18
3) 그레디언트 부스트(Gradient Boost) 19
4) 지니 불순도(GINI Impurity) 19
3. 딥러닝 알고리즘 20
1) RNN(Recurrent Neural Network) 20
2) LSTM(Long Short Term Memory) 21
3) GRU (Gated Recurrent Unit) 22
III. 암호화폐 가격등락 예측을 위한 알고리즘 구축 25
1. 데이터 설명 25
1) 암호화폐 데이터 25
2) 거시경제 변수 데이터 28
2. 데이터 전처리 28
3. 변수 영향력 측정 (GINI Impurity) 30
4. 머신러닝 모형 구현 31
5. 딥러닝 모형 구현 33
IV. 학습 및 성능평가 35
1. 평가 및 학습 방법 35
1) 실험환경 35
2) 실험분석 36
3) 예측결과 38
2. 모델평가 45
1) 비교평가 45
2) 성능평가 척도 45
3) 비교평가 결과 46
V. 연구 토의 및 시사점 52
1. 연구결과 토의 52
2. 한계점 및 향후 연구 방안 52
참고문헌 54
Abstract 56
〈표-1〉 암호화폐 시가총액 16
〈표-2〉 RNN 순환구조 수식 21
〈표-3〉 BINANCE API 호출 26
〈표-4〉 API로 수집한 데이터 설명 27
〈표-5〉 거시경제 변수중요도 30
〈표-6〉 실험에서 사용한 머신러닝 하이퍼 파라미터 32
〈표-7〉 실험에서 사용한 딥러닝 모델 구조 34
〈표-8〉 실험환경 35
〈표-9〉 머신러닝 모델 하이퍼 파라미터 36
〈표-10〉 딥러닝 모델 하이퍼 파라미터 37
〈표-11〉 혼동 행렬(Confusion matrix) 45
〈표-12〉 동일 조건에서 성능 비교평가 결과 47
〈표-13〉 동일 조건이 아닌 경우 성능 비교평가 결과 50
〈그림-1〉 RNN 순환 구조 21
〈그림-2〉 RNN과 LSTM Gradient Flow 22
〈그림-3〉 GRU Flow 와 수식 23
〈그림-4〉 BINANCE 사이트 25
〈그림-5〉 API로 수집한 데이터 27
〈그림-6〉 데이터 전처리 29
〈그림-7〉 거시경제 변수 영향력 측정 결과 31
〈그림-8〉 랜덤 포레스트 예측결과 그래프 39
〈그림-9〉 Ada Boost 예측결과 그래프 40
〈그림-10〉 Gredient Boost 예측결과 그래프 41
〈그림-11〉 RNN 모델 예측결과 그래프 42
〈그림-12〉 LSTM 모델 예측결과 그래프 43
〈그림-13〉 GRU 모델 예측결과 그래프 44
〈수식-1〉 지니 불순도 19
〈수식-2〉 조건 지니 불순도 20
〈수식-3〉 결합 지니 불순도 20