| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
- Deeplearning
- 그래프
- 빅데이터
- 그래프시각화
- 자연어처리
- HIVE
- 하둡
- 데이터처리
- NLP
- Python
- 빅데이터처리
- 데이터분석
- Hadoop
- 머신러닝
- 딥러닝
- ggplot
- word2vec
- R그래프
- 기계학습
- SQL
- R시각화
- pandas
- 주가예측
- CNN
- R프로그래밍
- r
- 데이터시각화
- 데이터
- AI
- lstm
- Today
- Total
목록주가예측 (3)
욱이의 냉철한 공부
[논문 요약] Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data, 2019
* 논문 Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data * 목차 1. Contribution 2. Input data 3. Output data, Performance measure 4. Modeling 5. Experiment and result 6. 한계점 1. Contribution 이 연구의 Contribution은 동일한 데이터에서 temporal(시간적) features와 image(이미지) features를 추출 및 조합하여 예측 오차를 줄이는 것입니다. 기존 각 features들을 유형에 따라 분리하여 사용하는 것보다 더 낳은 성능개선을 보..
[논문 요약] Deep Learning for Stock Prediction Using Numerical and Textual Information, 2016
* 논문 Deep Learning for Stock Prediction Using Numerical and Textual Information, 2016 * 목차 1. 입력데이터 2. 출력데이터 3. 모델링 4. Trading simulation 5. contribution 6. 한계점 0. 방향성 Many of previous works used only one of textual, numerical, or image information for stock price prediction, and their model was trained with consideration about a single company. Nevertheless, it is desirable for the prediction m..
[논문 요약] RCNK : Recurrent Convolutional Neural Kernel Model for Stock Price Movemoent Prediction, 2019
* 논문 Recurrent Convolutional Neural Kernel Model for Stock Price Movemoent Prediction, 2019 * 목차 1. 입력데이터 2. 출력데이터 3. 모델링 4. Trading simulation 5. 평가 6. contribution 7. 한계점 1. 입력 데이터 - 입력 데이터 대상 기업(7개) : Randomly select, by Chinese A-share market => 각각 독립적인 모델링 설계 - 입력 데이터 종류 : 일 단위 1. 정량적데이터(거래데이터 및 기술지표) : 시가, 종가, 고가, 저가, 거래량, 기술지표(10개) 2. 텍스트데이터 : 사용자 생각이 담긴 Comment - 입력 데이터 기간 1. 정량적데이터 : 20..