1. 머신러닝과 경제·금융 시계열 예측 : R과 Python을 활용한 실습 중심 입문서

한희준 지음

일반도서 | 파주 | 자유아카데미 | 2025 | 332.0285631 -25-1 | [서울관] 사회과학자료실(208호), [부산관] 주제자료실(2층) |

2. 머신러닝 기법을 이용한 한국 인플레이션 예측 : 시계열 지속성과 머신러닝 예측의 관계에 관한 사례 연구 = Forecasting Korean inflation : a case study on relationship between time series persistence and machine learning forecasting

한희준

국내기사 | 국제경제연구. 제30권 제2호 (2024년 6월), p. 21-56 | 한국국제경제학회 | 2024. 6. 30 |

3. 랜덤 포레스트(Random Forest)의 시계열 적용에 관한 연구 : 한국 물가상승률 예측 사례 분석 = Random forest for stationary time series : the case of forecasting inflation in Korea

한희준

국내기사 | 經濟學硏究 = The Korean journal of economic studies. 제71집 제3호 (2023. 9), p. 37-73 | 한국경제학회 | 2023. 9. 30 |

4. 체감경기와 실물경기 간 괴리 측정 및 분석 = Measuring and analyzing the gap between perceived and real economic conditions

손윤석, 한희준

국내기사 | (계간)경제분석. 제32권 제1호 (2026. Ⅰ), p. 53-79 | 한국은행 | 2026. 3. 30 |

5. 서울 아파트 시장 모형 분석 : 시차 가변 계수 공적분모형과 내생적 국면전환을 반영한 오차수정모형의 적용 = Modeling the Seoul apartment market : application of the time-varying coefficient cointegration model and the error correction model with endogenous regime switching

최한수, 한희준, Pinshan Pan

국내기사 | 한국경제포럼 = The Korean economic forum. 제18권 제1호 (2025년 봄), p. 1-25 | 한국경제학회 | 2025. 4. 30 |

6. 머신러닝과 오버샘플링(oversampling)을 이용한 상장기업 부도예측 연구 = Bankruptcy prediction for listed companies in Korea using machine learning and oversampling methods

노시현, 한희준

국내기사 | 計量經濟學報. 제36권 제2호 (2025년 6월), p. 58-82 | 韓國計量經濟學會 | 2025. 6. 30 | 전자자료 |

7. 머신러닝을 이용한 한국 주식시장 변동성 예측 : Multi-Input LSTM 모형의 적용 = Forecasting of the Korean stock market volatility index using a modified multi-input LSTM model

김겨레, 한희준

국내기사 | 金融硏究 = Journal of money & finance. 제38권 제3호 (2024년 9월), p. 1-28 | 한국금융학회 : 한국금융연구원 | 2024. 9. 30 |

8. 머신러닝 방법을 활용한 한국의 수출입 증가율 예측 및 분석 = Forecasting exports and imports of South Korea using machine learning methods

장나원, 한희준

국내기사 | 國際經濟硏究. 제28권 제4호 (2022년 12월), p. 59-89 | 韓國國際經濟學會 | 2022. 12. 31 |

9. Multi-step-ahead forecasting of the CBOE volatility index in a data-rich environment : application of random forest with Boruta algorithm = 풍부한 데이터를 활용한 CBOE 변동성 지수(VIX) 예측 : 보루타 연산(Boruta algorithm)과 랜덤 포레스트(random forest)의 적용

Byung Yeon Kim, Heejoon Han

국내기사 | The Korean economic review. vol.38 no.3 (2022. Summer), p. 541-569 | The Korean Economic Association | 2022. 6. 30 |

10. Triple regime stochastic volatility model with threshold and leverage effects

Heejoon Han, Eunhee Lee

국내기사 | The Korean economic review. vol.36 no.2 (2020. Summer), p. 481-509 | The Korean Economic Association | 2020.06.30 |