본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

요약

목차

I. 서론 6

1. 연구의 배경 및 목적 6

II. 선행연구 9

1. 국내 연구 9

2. 해외 연구 9

III. 방법론 12

1. 데이터 수집 12

1) 작가/작품 데이터 및 이미지 데이터 12

2) 경제적 데이터 12

3) 트렌드 데이터 13

2. 데이터 전처리 13

1) 작품 및 작가 데이터 13

2) 경제적 데이터 15

3) 트렌드 데이터 15

4) 이미지 데이터 16

5) 가격 데이터 17

3. 실험 디자인 18

1) 학습 및 평가 데이터의 분류 18

2) 모델링 21

IV. 실험 결과 23

1. 전체 변수를 대상으로 실험 23

2. 선정된 변수만을 대상으로 실험 25

V. 결론 31

참고문헌 32

Abstract 34

표목차

Table 2.1. 선행연구 목록 11

Table 3.1. 수집된 독립변수의 종류 및 설명 14

Table 3.2. 경제적 데이터의 변수 생성 내역 15

Table 3.3. 트렌드 데이터의 변수 생성 내역 16

Table 3.4. 학습 및 평가 데이터의 기초통계량 18

Table 3.5. 학습 과정 및 Gridsearch에 사용한 파라미터 범주 21

Table 4.1. 층화추출 데이터로 학습한 MLP 모델의 평가 결과 23

Table 4.2. 시계열 데이터로 학습한 MLP 모델의 평가 결과 24

Table 4.2. 층화추출 데이터를 기반으로 F-통계량을 통해 추출한 변수 목록 26

Table 4.3. 층화추출 데이터를 기반으로 상호정보량 방식을 통해 추출한 변수 목록 26

Table 4.4. 시계열 데이터를 기반으로 F-통계량을 통해 추출한 변수 목록 27

Table 4.3. 시계열 데이터를 기반으로 상호정보량 방식을 통해 추출한 변수 목록 27

Table 4.4. F-통계량을 통해 얻은 변수로 층화추출 데이터를 사용해 진행한 실험 결과 28

Table 4.5. 상호정보량을 통해 얻은 변수로 층화추출 데이터를 사용해 진행한 실험 결과 28

Table 4.6. F-통계량을 통해 얻은 변수로 시계열 데이터를 사용해 진행한 실험 결과 29

Table 4.7. 상호정보량을 통해 얻은 변수로 시계열 데이터를 사용해 진행한 실험 결과 30

그림목차

Figure 3.1. 특성을 추출한 이미지와 유사한 이미지 예시 17

Figure 3.2. 이미지 특성 추출을 위한 모델 구조 17

Figure 3.3. 층화추출한 훈련 데이터의 가격 분포를 log로 변환한 히스토그램(왼쪽), 평가 데이터의 가격 분포를 log로 변환한 히스토그램(오른쪽) 18

Figure 3.4. 시계열 훈련 데이터의 가격 분포를 log로 변환한 히스토그램(왼쪽), 평가 데이터의 가격 분포를 log로 변환한 히스토그램(오른쪽) 19

Figure 3.5. 가격 예측을 위한 MLP 모델의 구조 22

Figure 3.6. 실험 프레임워크 22

Figure 4.1. 층화추출 데이터를 활용한 실험의 전체 및 각 가격군의 MAPE 그래프(좌)와 시계열 데이터를 활용한 실험의 전체 및 각 가격군의 MAPE 그래프(우) 24

초록보기

본 연구에서는 미술품 경매가격을 예측하기 위해서 기존의 작가 및 작품 데이터에 국한된 범주가 아닌 경제적, 트렌드, 이미지 데이터 등 다면적 요소를 활용하여 미술품 경매가격을 딥러닝을 활용해 예측하는 방법을 제시하였다.

이를 위해 K-Artprice에서 2015년부터 2021년 6월 30일까지의 국내 작가들에 대한 경매 데이터를 수집하는 한편, 경매 낙찰일 시점에 확인할 수 있는 경제적인 지표와 함께 포털사이트 네이버에 미술품 경매와 관련된 대중들의 인식을 파악할 수 있는 지표를 수집했다. 이렇게 수집된 데이터를 가공하여 딥러닝 모델에 학습할 수 있는 형태로 가공하는 한편, 경제적인 지표를 가공해서 이동평균, 모멘텀, RSI, MACD와 같은 금융공학과 관련된 변수를 새로 창출하고 미술시장 내부의 트렌드를 파악하기 위해 낙찰 시점의 시장 활성화와 작가의 판매량을 파악하는 변수를 생성해서 학습에 활용했다.

학습된 모델의 평가 지표로 볼 때 미술품 경매시장은 미술품의 작가 및 작품 데이터와 함께 경제적인 지표를 결합해서 사용하는 것이 가장 효과적이며, 이미지 데이터의 경우 단독으로는 사용하는 것이 그리 좋은 성능을 보여주진 않으나 다른 데이터와 결합해서 사용할 경우 보조적인 역할을 수행할 수 있는 것으로 파악된다. 연이어 변수를 선택하는 과정을 통해 잘 선정된 변수들로 학습하는 경우 기존의 전체 변수를 사용해 학습하는 것보다 더 나은 성능을 기대할 수 있으며, 그 중에서도 경제적 변수에서는 이동평균과 같은 변수를 사용하고 트렌드 변수에서는 해당 작가의 최근 미술품 판매대금 및 판매량과 같은 미술시장 내에서의 트렌드와 관련된 변수가 유의미함을 파악할 수 있었다.

본 연구를 통해 미술품 경매시장에 대해 다면적인 접근방향이 보다 미술품 경매가 예측에 더욱 기여할 수 있으며, 특히 이동평균이나 작가의 최근 판매 기록과 같은 특정한 지표들을 활용하는 편이 더욱 높은 예측 성능을 제공한다는 점을 밝혀 낼 수 있었다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기