섀플리 값 추정을 이용한 주가 변화 원인 설명 문장 분류 모델 분석Model Analysis using Estimation of Shapley Value on Classification of Sentences Explaining Causes of Changes in Stock Prices

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 110
  • Download : 0
최근 인공지능 기술의 발전으로 투자 자동화가 이루어지고 있지만, 투자자가 인공지능의 주가예측 결과를 이해하고 판단 내리기는 더욱 어려워졌다. 따라서 투자자가 이해할 수 있도록 주가예측에 대한 원인 설명 제공이 필요하다. 이를 위해 본 연구에서는 기업이 제공하는 공시보고서에서 주가 상승 및 하락의 이유를 설명하는 문장 데이터를 수집 후 분류한다. 해당 데이터를 다항 분포 나이브 베이즈 분류, 로지스틱 회기, LSTM, 양방향 LSTM, 주의 LSTM 및 주의 양방향 LSTM 모델에 적용한 후 성능을 비교하였다. 또한, 각 학습모델의 의사 결정이 인간의 이유 설명 판단과 유사한지 판단하기 위해 나이브 베이즈 모델과 SHAP을 이용하여 분석하였다. 그 결과, 주의 양방향 LSTM 모델이 인간의 판단과 가장 유사한 것으로 나타났다.
Publisher
한국정보과학회
Issue Date
2020-04
Language
Korean
Citation

정보과학회 컴퓨팅의 실제 논문지, v.26, no.4, pp.195 - 201

ISSN
2383-6318
DOI
10.5626/KTCP.2020.26.4.195
URI
http://hdl.handle.net/10203/280551
Appears in Collection
RIMS Journal Papers
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0