KR102133886B1 - 인공지능을 활용한 암호화폐 가격예측방법 및 시스템 - Google Patents

인공지능을 활용한 암호화폐 가격예측방법 및 시스템 Download PDF

Info

Publication number
KR102133886B1
KR102133886B1 KR1020190077130A KR20190077130A KR102133886B1 KR 102133886 B1 KR102133886 B1 KR 102133886B1 KR 1020190077130 A KR1020190077130 A KR 1020190077130A KR 20190077130 A KR20190077130 A KR 20190077130A KR 102133886 B1 KR102133886 B1 KR 102133886B1
Authority
KR
South Korea
Prior art keywords
cryptocurrency
price
data
information
unit
Prior art date
Application number
KR1020190077130A
Other languages
English (en)
Inventor
권창호
Original Assignee
권창호
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 권창호 filed Critical 권창호
Priority to KR1020190077130A priority Critical patent/KR102133886B1/ko
Priority to US16/572,933 priority patent/US20200410480A1/en
Application granted granted Critical
Publication of KR102133886B1 publication Critical patent/KR102133886B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/36—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes
    • G06Q20/367—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes involving electronic purses or money safes
    • G06Q20/3678—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes involving electronic purses or money safes e-cash details, e.g. blinded, divisible or detecting double spending
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G06Q20/0655—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash e-cash managed centrally
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2220/00—Business processing using cryptography

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 인공지능을 활용한 암호화폐 가격예측방법에 관한 것이다. 본 발명은 데이터추출부가 암호화폐 거래소 서버로부터 API를 통해 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출하는 단계와, 데이터정제부가 추출된 상기 가격데이터들을 가공하여 저장부에 저장하는 단계와, 데이터셋 구성부가 암호화폐별 각각의 평균 및 표준편차를 구성하는 데이터셋을 생성하는 단계와, 모델링부가 상기 각각의 암호화폐별 데이터셋 읽기 함수를 이용하여 모델링하는 단계를 포함한다.

Description

인공지능을 활용한 암호화폐 가격예측방법 및 시스템{Method and system for predicting cryptographic price using artificial intelligence}
본 발명은 인공지능을 활용한 암호화폐 가격예측방법 및 시스템에 관한 것으로, 특히 거래소로부터 제공받은 암호화폐 가격데이터를 정제하여 데이터셋을 생성하고, 회귀분석을 통해 암호화폐의 가격을 예측하고 검증하는 방법 및 시스템에 관한 것이다.
정보통신 기술의 발달로 온라인을 통해 주식투자가 활발히 이루어지고 있으며, 특히 개인 투자자에 의한 거래량이 괄목할 정도로 증가추세를 보이고 있다. 개인 투자자들이 주식투자에 실패하는 일이 빈번한 이유는 정보 부족 뿐 아니라 차트를 제대로 분석하지 못하는 데에서 기인한다. 개인투자자들은 제공되는 보조지표를 단순 활용하는 것에 그칠 뿐이며 투자를 성공하기 위해 가격을 예측하는 데에 어려움을 겪고 있다.
선행기술로서 다중회귀분석 방법을 이용한 주가예측방법(등록특허 제10-0557476호)은 다중회귀분석 방법을 사용하여 미국 주가의 일별 변동이 한국(일본, 중국, 홍콩 또는 유럽) 주가에 미치는 영향을 수치로 계산하여 주가지수뿐만 아니라 개별주식들의 가격을 예측하는 방법에 개시하고 있을 뿐이고, 시가총액 분석을 통한 미래주가 예측시스템(등록특허 제10-1508361호)는 지식공학 기법과 통계적기법으로 재무정보와 주가추이를 결합하여 중장기적 주가예측을 위한 투자 규칙을 생성하는 방법을 개시하고 있을 뿐이다.
대한민국 등록특허 제10-0557476호 대한민국 등록특허 제10-1508361호
본 발명이 해결하고자 하는 과제는 암호화폐 거래소로부터 제공받은 암호화폐 가격데이터를 정제하여 데이터셋을 생성하고, 회귀분석을 통해 암호화폐의 가격을 예측하고 검증하는 것이다.
본 발명의 실시예에 따른 암호화폐 가격예측방법은 데이터추출부가 암호화폐 거래소 서버로부터 API를 통해 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출하는 단계와, 데이터정제부가 추출된 상기 가격데이터들을 가공하여 저장부에 저장하는 단계와, 데이터셋 구성부가 암호화폐별 각각의 평균 및 표준편차를 구성하는 데이터셋을 생성하는 단계와, 모델링부가 상기 각각의 암호화폐별 데이터셋 읽기 함수를 이용하여 모델링하는 단계를 포함한다.
본 발명의 실시예에 따른 인공지능을 활용한 암호화폐 가격예측시스템은, 암호화폐 거래소 서버로부터 API를 통해 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출하는 데이터추출부와, 추출된 상기 가격데이터들을 가공하여 저장부에 저장하는 데이터정제부와, 암호화폐별 각각의 평균 및 표준편차를 구성하는 데이터셋을 생성하는 데이터셋 구성부와, 상기 각각의 암호화폐별 데이터셋 읽기 함수를 이용하여 모델링하는 모델링부를 포함한다.
본 발명에 의하면 인공지능 기술 기반으로 각 암호화폐의 변동성의 유사율에 가중치를 부여하여 암호화폐의 가격을 예측할 수 있다.
도 1은 본 발명의 실시예에 따른 암호화폐 가격예측시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 암호화폐 가격예측서버의 구성도이다.
도 3과 도 4는 본 발명의 실시예에 따른 암호화폐 가격예측방법의 순서도이다.
도 5는 본 발명의 실시예에 따른 암호화폐 데이터셋을 설명하는 도면이다.
도 6은 본 발명의 실시예에 따른 암호화폐 가격에 대한 최대 최소값을 기준으로 암호화폐의 연관성을 도시하는 그래프이다.
도 7은 본 발명의 실시예에 따른 암호화폐별 가격과 거래량의 상관관계를 도시하는 그래프이다.
도 8은 본 발명의 실시예에 따른 암호화폐들 간의 연관분석을 통해 가중치를 부여 결과를 도시하는 그래프이다.
도 9 내지 도 12는 본 발명의 실시예에 따른 암호화폐별 가격 예측 결과를 도시하는 그래프이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 암호화폐 가격예측시스템의 구성도이다.
도 1을 참조하면, 암호화폐 가격예측시스템은 무선통신망을 통해 서로 통신이 가능한 가격예측서버(100), 암호화폐 거래소서버(200), 데이터베이스서버(300)로 구성된다. 상기 무선통신망은 근거리 통신망(LAN), 도시권통신망(MAN), 광역통신망(WAN) 등 다양한 통신망으로 구성될 수 있다.
가격예측서버(100)는 암호화폐 거래소서버(200)로부터 암호화폐별 정보를 수신하여 가격데이터를 추출 및 가공하여 가격을 예측할 수 있다. 암호화폐 거래소서버(200)는 서버에서 관리하는 암호화폐별 정보를 가격예측서버(100)에 전송할 수 있다. 가격예측서버(100)는 데이터베이스서버(300)로부터 기준데이터를 수신하여 데이터를 정제할 수 있다.
도 2는 본 발명의 실시예에 따른 암호화폐 가격예측서버의 구성도이다.
도 2를 참조하면, 가격예측서버(100)는 데이터추출부(110), 데이터정제부(120), 데이터셋 구성부(130), 모델링부(140), 제어부(150), 예측부(160), 검증부(170), 저장부(180), 통신부(190)로 구성된다.
데이터추출부(110)는 암호화폐 거래소서버(200)로부터 API를 이용하여 각각의 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출할 수 있다. 이때, 수신된 암호화폐별 정보는 Public API를 이용하여 암호화폐 거래소의 마지막 거래정보, 거래 중 내역정보, 거래소 거래 체결 완료 내역정보, 지수정보 중 적어도 하나를 수신하고, Private API를 이용하여 회원정보, 지갑정보, 입금 주소, 마지막 거래정보, 진행 중인 거래 내역정보, 구매 거래 주문 등록 정보, 구매 체결 내역정보, 구매 거래 취소정보 중 적어도 하나를 수신할 수 있다.
데이터추출부(110)는 수신된 상기 정보들에 기초하여 최근 24시간 내의 시작거래금액, 최근 24시간 내의 마지막거래금액, 최근 24시간 내의 최저거래금액, 최근 24시간 내의 최고거래금액, 최근 24시간 내의 평균거래금액, 최근 24시간 내의 Currency거래량, 최근 7일간 Currenct 거래량, 거래 대기건 최고 구매가, 거래 대기건 최소 판매가, 24시간 변동금액, 24시간 변동률, 현재시간 타임스템프 중 적어도 하나를 추출할 수 있다.
데이터정제부(120)는 추출된 상기 가격데이터들을 가공하여 정제하고 저장부에 저장할 수 있다. 이때, 30분마다 데이터를 API를 이용하여 내부의 저장부에 저장할 수 있고, 데이터베이스서버에 저장할 수 있다. 예컨대 Mysql를 이용하여 테이블을 구성하고 및 정제된 가격데이터를 저장할 수 있다.
데이터셋 구성부(130)는 정제된 가격데이터에 기초하여 상기 각각의 암호화폐별 평균 및 표준편차를 구성하는 데이터셋을 생성할 수 있다. 이때, 평균값을 기준으로 7일간 거래량이 상관도가 가장 적을 수 있다. 또한 평균값을 기준으로 최소값이 상관도가 가장 적을 수 있다.
모델링부(140)는 상기 각각의 암호화폐별 데이터셋 읽기함수를 이용하여 모델링할 수 있다. 예컨대, 상기 데이터셋 읽기함수는 Sklearn 함수일 수 있으나 이에 대해 한정하는 것은 아니다. 이때, 암호화폐마다 가격이 다르므로 기준의 일치가 필요하며, 상기 Sklearn함수는 MinMaxScaler 함수를 이용한 모델링으로 최대 값은 +1이고, 최소 값은 -1일 수 있다.
제어부(150)는 가격예측서버에서 동작하는 소프트웨어의 실행에 관련한 프로세스의 처리를 제어하며, 가격예측서버(100)의 각 구성의 동작을 제어한다.
예측부(160)는 모델링에 기초하여 머신러닝 SVM 기반의 텐써플로우(Tensorflow) 또는 에스케이런(Sklearn)을 이용한 회귀분석을 통해 암호화폐별 가격을 예측할 수 있다. 이때, 상기 예측부가 제1주기에 기초하여 가격을 예측할 수 있다. 상기 제1주기는 4시간일 수 있으나 이에 대해 한정하는 것은 아니다.
검증부(170)는 예측가격을 검증한다(S360). 이때, 검증부가 상기 제2주기에 기초하여 현재가격을 추출한다. 상기 제2주기는 30분일 수 있으나 이에 대해 한정하는 것은 아니다. 상기 검증부가 예측가격과 현재가격의 차이 비율을 계산하고, 검증 결과를 출력할 수 있다.
저장부(190)는 가공된 가격데이터를 저장할 수 있고, 생성된 예측가격을 저장할 수 있다. 통신부(190)는 암호화폐 거래소서버(200)와 데이터베이스서버(300)에 정보를 송수신할 수 있다.
도 3과 도 4는 본 발명의 실시예에 따른 암호화폐 가격예측방법의 순서도이다.
도 3과 도 4를 참조하면, 인공지능을 활용한 암호화폐 가격예측방법은 데이터추출부(110)가 암호화폐 거래소서버(200)로부터 API를 이용하여 각각의 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출한다(S310).
데이터추출부(110)는 Public API를 이용하여 암호화폐 거래소의 마지막 거래정보, 거래 중 내역정보, 거래소 거래 체결 완료 내역정보, 지수정보 중 적어도 하나를 수신하고, Private API를 이용하여 회원정보, 지갑정보, 입금 주소, 마지막 거래정보, 진행 중인 거래 내역정보, 구매 거래 주문 등록 정보, 구매 체결 내역정보, 구매 거래 취소정보 중 적어도 하나를 수신할 수 있다.
데이터추출부(110)는 수신된 상기 정보들에 기초하여 최근 24시간 내의 시작거래금액, 최근 24시간 내의 마지막거래금액, 최근 24시간 내의 최저거래금액, 최근 24시간 내의 최고거래금액, 최근 24시간 내의 평균거래금액, 최근 24시간 내의 Currency거래량, 최근 7일간 Currenct 거래량, 거래 대기건 최고 구매가, 거래 대기건 최소 판매가, 24시간 변동금액, 24시간 변동률, 현재시간 타임스템프 중 적어도 하나를 추출할 수 있다.
데이터정제부(120)가 추출된 상기 데이터를 가공하여 가격데이터를 추출하여 저장부에 저장한다(S320). 30분마다 데이터를 API를 이용하여 데이터베이스에 입력하고, Mysql를 이용한 테이블 구성 및 정제된 데이터 입력할 수 있다.
데이터셋 구성부(130)가 상기 각각의 암호화폐별 평균 및 표준편차를 구성하는 데이터셋을 생성한다(S330). 평균값을 기준으로 7일간 거래량이 상관도가 가장 적을 수 있다. 또한 평균값을 기준으로 최소값이 상관도가 가장 적을 수 있다.
모델링부(140)가 상기 각각의 암호화폐별 Sklearn 함수를 이용하여 모델링한다(S340). 암호화폐마다 가격이 다르므로 기준의 일치가 필요하며, 상기 Sklearn함소는 MinMaxScaler 함수를 이용한 모델링으로 최대 값은 +1이고, 최소 값은 -1일 수 있다.
예측부가 암호화폐별 가격을 회귀분석을 통해 예측한다(S350). 이때, 상기 예측부가 제1주기에 기초하여 가격을 예측할 수 있다.
검증부가 예측가격을 검증한다(S360). 이때, 검증부가 상기 제2주기에 기초하여 현재가격을 추출한다. 상기 검증부가 예측가격과 현재가격의 차이 비율을 계산하고, 검증 결과를 출력할 수 있다.
도 5는 본 발명의 실시예에 따른 암호화폐 데이터셋을 설명하는 도면이다.
도 5를 참조하면, 데이터셋은 평균과 표준편차로 구성되며, 표준편차가 크다는 것은 변동성이 크다는 것을 그래프를 통해 알 수 있다. 예컨대, 리플, 비트코인, 이오스, 이더리움 순으로 표준편차가 크며, 이에 따라 변동성이 큰 것을 알 수 있다.
도 6은 본 발명의 실시예에 따른 암호화폐 가격에 대한 최대 최소값을 기준으로 암호화폐의 연관성을 도시하는 그래프로서, 대상 암호화폐들은 서로 유사한 그래프를 나타낸 것을 알 수 있다.
도 7은 본 발명의 실시예에 따른 암호화폐별 가격과 거래량의 상관관계를 도시하는 그래프로서, 거래량은 중요 변수가 아니라는 것을 알 수 있다.
도 8은 본 발명의 실시예에 따른 암호화폐들 간의 연관분석을 통해 가중치를 부여 결과를 도시하는 그래프로서, 각 암호화폐들의 가격 평균치를 부여하여 평균보다 높으면 가중치 (-) 평균보다 낮으면 (+) 가중치 부여할 수 있다.
도 9 내지 도 12는 본 발명의 실시예에 따른 암호화폐별 가격 예측 결과를 도시하는 그래프이다.
도 9 내지 도 12를 참조하면, 암호화폐 중 비트코인(도9), 이오스(도10), 이더리움(도11), 리플(도12)을 2019년 5월 18일에 분석 및 예측한 결과를 도시한 그래프이다. 검정색 점은은 실제 가격데이터를 도시한 그래프이고, 파랑색은 각 암호화폐의 변동성을 유사율에 가중치를 부여하여 가격 분석 및 예측한 그래프이다. 파랑색은 선형기반(Line)을 이용한 가격예측이며, 빨강색은 다항식 기반(Radical Basis Function; RBF)를 이용한 가격예측이다. 100이상부터는 가중치가 부여되어 가격을 예측할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100; 가격예측서버 200; 거래소서버
300; 데이터베이스서버 110; 데이터추출부
120; 데이터정제부 130; 데이터넷 구성부
140; 모델링부 150; 제어부
160; 예측부 170; 검증부
180; 저장부 190; 통신부

Claims (5)

  1. 인공지능을 활용한 암호화폐 가격예측방법에 있어서,
    (a) 데이터추출부가 암호화폐 거래소 서버로부터 API를 통해 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출하는 단계;
    (b) 데이터정제부가 추출된 상기 가격데이터들을 가공하여 저장부에 저장하는 단계;
    (c) 데이터셋 구성부가 암호화폐별 각각의 평균 및 표준편차를 구성하는 데이터셋을 생성하는 단계; 및
    (d) 모델링부가 상기 각각의 암호화폐별 데이터셋 읽기 함수를 이용하여 모델링하는 단계
    (e) 예측부가 암호화폐별 가격을 회귀분석을 통해 예측하는 단계;
    (f) 검증부가 예측가격을 검증하는 단계를 포함하고,
    상기 데이터추출부에서, 수신된 암호화폐별 정보는 Public API를 이용하여 암호화폐 거래소의 마지막 거래정보, 거래 중 내역정보, 지수정보 중 적어도 하나를 수신하고, Private API를 이용하여 회원정보, 지갑정보, 입금 주소, 마지막 거래정보, 진행 중인 거래 내역정보, 구매 거래 주문 등록 정보, 구매 체결 내역정보, 구매 거래 취소정보 중 적어도 하나를 수신하고,
    상기 데이터정제부는 30분마다 데이터를 API를 이용하여 내부의 저장부 및데이터베이스서버에 저장하고,
    상기 (e)단계와 상기 (f)단계는,
    상기 예측부가 제1주기에 기초하여 가격을 예측하고, 검증부가 제2주기에 기초하여 현재가격을 추출하고,
    상기 제1주기는 제1주기는 4시간이고, 상기 제2주기는 30분인 것을 특징으로 하는 인공지능을 활용한 암호화폐 가격예측방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 검증부가 예측가격과 현재가격의 차이 비율을 계산하고, 검증 결과를 출력하는 인공지능을 활용한 암호화폐 가격예측방법.
  5. 인공지능을 활용한 암호화폐 가격예측시스템에 있어서,
    암호화폐 거래소 서버로부터 API를 통해 암호화폐별 정보를 수신하여 다수개의 가격데이터들을 추출하는 데이터추출부;
    추출된 상기 가격데이터들을 가공하여 저장부에 저장하는 데이터정제부;
    암호화폐별 각각의 평균 및 표준편차를 구성하는 데이터셋을 생성하는 데이터셋 구성부;
    상기 각각의 암호화폐별 데이터셋 읽기 함수를 이용하여 모델링하는 모델링부를 포함하고,
    상기 데이터추출부에서, 수신된 암호화폐별 정보는 Public API를 이용하여 암호화폐 거래소의 마지막 거래정보, 거래 중 내역정보, 지수정보 중 적어도 하나를 수신하고, Private API를 이용하여 회원정보, 지갑정보, 입금 주소, 마지막 거래정보, 진행 중인 거래 내역정보, 구매 거래 주문 등록 정보, 구매 체결 내역정보, 구매 거래 취소정보 중 적어도 하나를 수신하고,
    상기 데이터정제부는 30분마다 데이터를 API를 이용하여 내부의 저장부 및데이터베이스서버에 저장하는 인공지능을 활용한 암호화폐 가격예측시스템.
KR1020190077130A 2019-06-27 2019-06-27 인공지능을 활용한 암호화폐 가격예측방법 및 시스템 KR102133886B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190077130A KR102133886B1 (ko) 2019-06-27 2019-06-27 인공지능을 활용한 암호화폐 가격예측방법 및 시스템
US16/572,933 US20200410480A1 (en) 2019-06-27 2019-09-17 Method and system for predicting cryptocurrency price using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190077130A KR102133886B1 (ko) 2019-06-27 2019-06-27 인공지능을 활용한 암호화폐 가격예측방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102133886B1 true KR102133886B1 (ko) 2020-07-14

Family

ID=71526664

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190077130A KR102133886B1 (ko) 2019-06-27 2019-06-27 인공지능을 활용한 암호화폐 가격예측방법 및 시스템

Country Status (2)

Country Link
US (1) US20200410480A1 (ko)
KR (1) KR102133886B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102389922B1 (ko) * 2021-07-16 2022-04-22 주식회사 시티랩스 암호화폐 결제 게이트웨이 및 그 결제방법
WO2023211190A1 (ko) * 2021-11-23 2023-11-02 초록소프트 주식회사 가격 및 거래량을 예측하고 가치를 평가하기 위한 기계학습 모델 기반 암호화폐 분석 서비스 제공방법 및 제공장치
WO2023229133A1 (ko) * 2022-05-27 2023-11-30 충남대학교산학협력단 암호화폐 결제를 위한 가격 증명서 발급 방법 및 이를 이용한 시스템
KR102650314B1 (ko) * 2023-12-14 2024-03-22 주식회사 아브코 암호화폐 거래 데이터를 기반으로 학습된 인공지능 모델을 활용한 차익거래 발생 예측 방법, 장치 및 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024000152A1 (en) * 2022-06-28 2024-01-04 Chan Kin Kwan A system and a method for analysing a market of exchangeable assets

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001117973A (ja) * 1999-10-20 2001-04-27 Recruit Co Ltd 不動産評価装置、不動産評価方法、不動産評価プログラムを格納する記録媒体および不動産情報提供システム
KR100557476B1 (ko) 2003-12-06 2006-03-07 학교법인 고황재단 다중회귀분석 방법을 이용한 주가예측방법
KR101508361B1 (ko) 2013-04-02 2015-04-08 한국과학기술원 시가총액 분석을 통한 미래주가 예측시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001117973A (ja) * 1999-10-20 2001-04-27 Recruit Co Ltd 不動産評価装置、不動産評価方法、不動産評価プログラムを格納する記録媒体および不動産情報提供システム
KR100557476B1 (ko) 2003-12-06 2006-03-07 학교법인 고황재단 다중회귀분석 방법을 이용한 주가예측방법
KR101508361B1 (ko) 2013-04-02 2015-04-08 한국과학기술원 시가총액 분석을 통한 미래주가 예측시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102389922B1 (ko) * 2021-07-16 2022-04-22 주식회사 시티랩스 암호화폐 결제 게이트웨이 및 그 결제방법
WO2023211190A1 (ko) * 2021-11-23 2023-11-02 초록소프트 주식회사 가격 및 거래량을 예측하고 가치를 평가하기 위한 기계학습 모델 기반 암호화폐 분석 서비스 제공방법 및 제공장치
WO2023229133A1 (ko) * 2022-05-27 2023-11-30 충남대학교산학협력단 암호화폐 결제를 위한 가격 증명서 발급 방법 및 이를 이용한 시스템
KR20230165466A (ko) * 2022-05-27 2023-12-05 충남대학교산학협력단 암호화폐 결제를 위한 가격 증명서 발급 방법 및 이를 이용한 시스템
KR102628453B1 (ko) * 2022-05-27 2024-01-23 충남대학교 산학협력단 암호화폐 결제를 위한 가격 증명서 발급 방법 및 이를 이용한 시스템
KR102650314B1 (ko) * 2023-12-14 2024-03-22 주식회사 아브코 암호화폐 거래 데이터를 기반으로 학습된 인공지능 모델을 활용한 차익거래 발생 예측 방법, 장치 및 시스템

Also Published As

Publication number Publication date
US20200410480A1 (en) 2020-12-31

Similar Documents

Publication Publication Date Title
KR102133886B1 (ko) 인공지능을 활용한 암호화폐 가격예측방법 및 시스템
Fernández Artificial intelligence in financial services
WO2019100084A1 (en) Decentralized autonomous evaluation engine for intellectual property assets
CN108780560A (zh) 用于管理基于人才的交换的系统和方法
CN105590055A (zh) 用于在网络交互系统中识别用户可信行为的方法及装置
CN108898476A (zh) 一种贷款客户信用评分方法和装置
CN111080338B (zh) 用户数据的处理方法、装置、电子设备及存储介质
JP2022546952A (ja) 暗号通貨取引の分析方法及び装置
EA201991836A1 (ru) Способ и система расчета кредитного рейтинга
Jagannath et al. A self-adaptive deep learning-based algorithm for predictive analysis of bitcoin price
US20140344020A1 (en) Competitor pricing strategy determination
KR20110114181A (ko) 예측 정확성이 향상된 대출 심사 방법
AU2018100566A4 (en) Decentralized financial intelligence based on decentralized consensus and anonymized transaction history
US20140344022A1 (en) Competitor response model based pricing tool
US20140344021A1 (en) Reactive competitor price determination using a competitor response model
CN115660814A (zh) 风险预测方法、装置、计算机可读存储介质及电子设备
TWI792101B (zh) 基於確定值及預測值的數據定量化方法
US20200202444A1 (en) Servicing a plurality of rived longevity-contingent instruments
CN113240513A (zh) 一种用户授信额度的确定方法和相关装置
Semaan et al. Forecasting exchange rates: Artificial neural networks vs regression
CN110795232A (zh) 数据处理方法、装置、计算机可读存储介质和计算机设备
US20230376874A1 (en) An apparatus, method and computer program product for determining a level of risk
Bell et al. Algorithmic trading systems: A multifaceted view of adoption
Hsu Resolving a portfolio optimization problem with investment timing through using the analytic hierarchy process, support vector regression and a genetic algorithm
US20240119529A1 (en) Machine learning based personalized ethical interest and sensitivity profile generation for investment management

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant