KR102205215B1 - 딥 러닝 기반 자원 가격 예측 방법 - Google Patents

Abstract

본 발명의 딥 러닝 기반 자원 가격 예측 방법에 따르면, 뉴스를 수집하여 NLP(자연어처리)를 통해 뉴스지표를 생성하고 시기별 중요도를 반영하여 예측의 정확도를 향상시키고, 기존에 인식되고 있는 주요 인자 외에 여러 지표를 수집하여, 매번 영향도가 높은 경제지표를 선정하는 방법으로 시기적 유효성을 유지시키고, 변화된 환경의 예측 모델을 갱신하기 위해서 새로 수집되어 선정된 데이터로부터 예측 모델을 새로 수립하는 정기적 갱신 모델을 적용하고, 딥러닝 기반의 예측 모델을 활용하여 변동폭의 증감을 민감하게 예측하고, 경제지표와 뉴스지표를 복합적으로 활용하여 수개월 이후의 가격변화를 예측함으로써 수입 자원의 가격 변화를 예측하는 효과가 있다.

Description

딥 러닝 기반 자원 가격 예측 방법{Method for Price Prediction of Resource Based on Deep Learning}

본 발명은 딥 러닝 기반 자원 가격 예측 방법에 관한 것으로, 더욱 상세하게는 수집 가능한 뉴스(텍스트)와 경제지표를 혼합하여, 형태소 분석기술, 뉴스의 의미적 중요도 추정기술, 심층 신경망(Deep learning) 기술을 순차적으로 연결하여 수입 자원의 가격 변화를 예측하는 딥 러닝 기반 자원 가격 예측 방법에 관한 것이다.

일반적으로 경제지표 기반의 유연탄 가격을 예측하기 위하여, 공급량, 수요량, 수입량, 수출량, 강우량, 환율, 세계경제, 선박운임, 타 에너지 현물 가격 및 선물가격, 주요국가 내수 등 가격변화의 주요인자로 인식되는 데이터를 이용하는 것으로, 주요 인자를 기반으로 선형 회귀분석 기법에 의한 가격변화를 예측 하였다.

이러한 주요 인자는 시기별로 중요도가 달라질 수 있으나, 변화되는 중요도가 반영되지 않으므로 예측의 정확도가 하락하였고, 주요 인자는 통신사(로이터, 블룸버그 등)로부터 제공받는 정보로 사용되나 통신사에서 해당 지표를 공급하지 않을 경우 정확한 예측이 불가능하였고, 통계적 예측모델은 고정되어 있으므로 변화된 환경에 따른 예측이 불가능하였고, 선형 회귀분석 기법에 기반할 때, 가격 변동 폭의 예측이 단순해진다는 문제점이 있었다.

그리고, 뉴스를 수집하여 감정사전을 구축한 후 감정사전의 가중치를 활용하여 주가의 변동을 예측하는 모델에서는 전일까지의 주식가격과 시가를 참조하여 당일 종가를 예측하거나, 다음날의 가격을 예측하였다.

그러나, 주가예측은 당일 또는 수일의 변화량을 예측하는 방법이며, 수개월 전의 변화량을 예측하는 유연탄 등 수입자원 가격 예측에는 적용할 수 없었고, 주가예측 용도로 생성된 감정사전은 투자자들의 심리를 데이터화한 정보이므로, 주식 거래의 변화를 예측할 수 있는 정보로 활용될 수 있으나 수입 자원과 같은 국가간 거래를 예측하는 데에는 활용될 수 없다는 문제점이 있었다.

대한민국 공개특허공보 공개번호 제10-2009-0049387호

본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로서, 뉴스를 수집하여 NLP(자연어처리)를 통해 뉴스지표를 생성하고 시기별 중요도를 반영하여 예측의 정확도를 향상시키고, 기존에 인식되고 있는 주요 인자 외에 여러 지표를 수집하여, 매번 영향도가 높은 경제지표를 선정하는 방법으로 시기적 유효성을 유지시키고, 변화된 환경의 예측 모델을 갱신하기 위해서 새로 수집되어 선정된 데이터로부터 예측 모델을 새로 수립하는 정기적 갱신 모델을 적용하고, 딥러닝 기반의 예측 모델을 활용하여 변동폭의 증감을 민감하게 예측하고, 경제지표와 뉴스지표를 복합적으로 활용하여 수개월 이후의 가격변화를 예측함으로써 수입 자원의 가격 변화를 예측하는 딥 러닝 기반 자원 가격 예측 방법을 제공하는 것이다.

상술한 목적을 달성하기 위한 본 발명의 딥 러닝 기반 자원 가격 예측 방법은 인터넷망을 통하여 수집한 전문 칼럼, 뉴스 및 경제지표를 혼합하여, 형태소 분석기술과 뉴스의 의미적 중요도 추정 기술과 심층 신경망(Deep learning) 기술을 순차적으로 연결하여 특정 자원의 가격변화를 예측하는 것으로, 자원사전 장치에 의해 전문 칼럼으로부터 특정 자원 가격에 영향을 주는 핵심 어휘를 도출하고, 도출된 어휘를 카테고리 별 분류를 통해 단어 분류로 취급할 수 있도록 하는 자원사전 구축단계와; 연관뉴스지표 장치에 의해 자원사전 구축단계를 통하여 도출된 핵심 어휘 및 단어 분류가 뉴스에서 다뤄진 중요도를 시기별로 계산하고, 시기별로 계산된 중요도를 벡터화하는 가중치 단계와; 연관경제지표 장치에 의해 경제지표 중 특정 자원의 가격과 연관성이 높은 경제 지표를 선택하는 지표선정 단계와; 시계열예측 장치에 의해 과거의 특정 자원 가격 변화를 시간에 따른 패턴으로 학습하여 예측 모델을 수립하고, 상기 예측모델을 시계열예측 장치에 탑재하여, 특정 자원 가격의 변화를 예측하는 결과예측 단계를 포함한다.

자원사전 구축단계에서는, 전문 칼럼에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 자원사전을 생성하는 단계를 포함할 수 있다.

가중치 단계에서는, 뉴스에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 뉴스사전을 생성하고, 자원사전에 등록된 특정 자원의 내용과 뉴스사전에 등록된 특정 자원의 내용을 비교하여, 자원사전에 등록된 특정 자원과 뉴스사전에 등록된 특정 자원의 유사도를 계산하고, 계산된 유사도로부터 날짜별 뉴스 점수를 생성하는 단계를 포함할 수 있다.

지표선정 단계에서는, 경제지표와 특정 자원 가격 간 유사도 분석으로 순위를 정하고, 최상위 순위의 경제지표를 선택하는 단계를 포함할 수 있다.

결과예측 단계에서는, 계산된 유사도로부터 생성된 날짜별 뉴스 점수와 최상위 순위의 경제지표로부터 가격 예측용 마트를 생성하고, 딥러닝 알고리즘을 활용하여 예측 모델을 생성하는 단계를 포함할 수 있다.

예측 모델은 현 시점에서부터 미래 6개월까지의 가격 변동을 예측하는 단계를 포함할 수 있다.

이상에서 설명한 바와 같은 본 발명의 딥 러닝 기반 자원 가격 예측 방법에 따르면, 뉴스를 수집하여 NLP(자연어처리)를 통해 뉴스지표를 생성하고 시기별 중요도를 반영하여 예측의 정확도를 향상시키고, 기존에 인식되고 있는 주요 인자 외에 여러 지표를 수집하여, 매번 영향도가 높은 경제지표를 선정하는 방법으로 시기적 유효성을 유지시키고, 변화된 환경의 예측 모델을 갱신하기 위해서 새로 수집되어 선정된 데이터로부터 예측 모델을 새로 수립하는 정기적 갱신 모델을 적용하고, 딥러닝 기반의 예측 모델을 활용하여 변동폭의 증감을 민감하게 예측하고, 경제지표와 뉴스지표를 복합적으로 활용하여 수개월 이후의 가격변화를 예측함으로써 수입 자원의 가격 변화를 예측하는 효과가 있다.

도 1은 본 발명의 일실시예에 따른 딥 러닝 기반 자원 가격 예측을 수행하기 위한 구성을 나타낸 도면이며,
도 2 및 도 3은 본 발명의 일실시예에 따른 딥 러닝 기반 자원 가격 예측을 수행하기 위한 지원 사전 구축 절차를 나타낸 도면이며,
도 4 내지 도 6은 본 발명의 일실시예에 따른 딥 러닝 기반 자원 가격 예측을 수행하기 위한 뉴스의 자원 가중치 계산 절차를 나타낸 도면이며,
도 7 및 도 8은 본 발명의 일실시예에 따른 딥 러닝 기반 자원 가격 예측을 수행하기 위한 연관 경제 지표 선정 절차를 나타낸 도면이며,
도 9 및 도 10은 시계열적 가격 변화 예측 장치를 나타낸 도면이다.

이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명하기 위하여, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세하게 설명한다.

수입 자원(연료)가격은 고정되지 않고, 정치 이슈, 경제 상황, 사회문제 등에 의해서 변동되는 특성이 있으므로, 가격이 낮은 시점에 구매하는 것이 유리하다.

여러 발전 회사들의 구매 업무는 각종 구독지와 뉴스, 관련 전문가의 가격 전망을 참조하여 정성적으로 판단 후 저점으로 판단되는 시기에 구매하고 있으며, 따라서, 전문 구독지, 뉴스 정보, 경제지표 등을 정량적 정보로 변환하여 적합한 예측 모델에 의해 가격을 예측하는 것이 필요하다.

본 발명의 일실시예에 따른 딥 러닝 기반 자원 가격 예측 방법은 도 1에 나타낸 바와 같이, 인터넷망을 통하여 수집한 전문 칼럼, 뉴스 및 경제지표를 혼합하여, 형태소 분석기술과 뉴스의 의미적 중요도 추정 기술과 심층 신경망(Deep learning) 기술을 순차적으로 연결하여 특정 자원의 가격변화를 예측하는 것으로, 자원사전 장치에 의해 자원사전을 구축하고, 연관뉴스지표 장치에 의해 가중치를 계산하고, 연관경제지표 장치에 의해 연관지표를 선정하고, 시계열예측 장치에 의해 자원 가격의 변화를 예측한다.

자원사전은 도 2 및 도 3에 나타낸 바와 같이, 자원사전 장치에 의해 전문 칼럼으로부터 특정 자원 가격에 영향을 주는 핵심 어휘를 도출하고, 도출된 어휘를 카테고리(Category) 별 분류를 통해 단어 분류로 취급할 수 있도록 한다.

로이터, 블룸버그, 기타 뉴스 등의 전문 칼럼에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 자원사전을 생성하는 것으로, 자원사전 장치로부터 특정 자원의 특성을 반영 한 단어사전을 생성하며, 자원의 특성 반영은 무리(cluster) → 중심(centroid) 방향의 반복적 추출법으로 도출한다.

단어 생성은 스태밍(Stemming) 알고리즘을 이용하고, 제외어(stop word)를 제거하고, 형태소 분석하여 단어 원형으로 변환하며, TF-IDF(Term Frequency - Inverse Document Frequency), 칼럼기사별 Doc2Vec 알고리즘으로 자주 출현하거나 핵심 의미로 언급된 중요 단어를 추출하고, 단어별 유사도를 계산하여, 유사도가 높은 단어끼리 군집화를 생성한다.

이렇게 함으로써, 수입 대상의 특정 자원 분야에 특화된 가중치 기준으로 자원 가격 정확도에 기여할 수 있다.

가중치 계산은 도 4 내지 도 6에 나타낸 바와 같이, 뉴스에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 뉴스사전을 생성하고, 자원사전에 등록된 특정 자원의 내용과 뉴스사전에 등록된 특정 자원의 내용을 비교하여, 자원사전에 등록된 특정 자원과 뉴스사전에 등록된 특정 자원의 의미상 유사도를 계산하고, 계산된 유사도로부터 날짜별 뉴스 점수를 생성한다.

가중치 계산은 뉴스가중치 계산 장치로부터 자원사전에 등록된 내용과 뉴스의 의미상 가중치를 뉴스지표로 생성하고, 서포트 벡터 머신(Support Vector Machine, SVM)과 랜덤 포레스트(Random forest)의 상위 factor로 선정하고, 이어서, 가중치 계산은 단어-단어, 단어-뉴스간 유사도로 계산한다.

뉴스지표는 DB에 저장되며, 가격 예측 시 재활용된다.

뉴스에서 핵심 단어 도출은 스태밍(Stemming) 알고리즘을 이용하고, 제외어(stop word)를 제거하고, 뉴스 형태소 분석으로 단어 원형으로 변환하고, 단어-단어, 단어-뉴스간 유사도로 계산하고, 자원사전에 등록된 단어와 날짜별 기사의 유사도를 계산한다.

유사도 계산은 수식 1처럼 코사인 유사도에 의해 계산되며,

여기서, A는 사전에 등록된 단어의 벡터값이고, B는 뉴스의 벡터값이다.

이렇게 함으로써, 최근 뉴스에 언급된 내용을 가격예측에 적용하는 의미적 예측이 가능하다.

연관경제지표 선정은 도 7 및 도 8에 나타낸 바와 같이, 연관경제지표 장치에 의해 경제지표 중 특정 자원의 가격과 연관성이 높은 경제 지표를 선택하는 것으로, 경제지표와 특정 자원 가격 간 유사도 분석으로 순위를 정하고, 최상위 순위의 경제지표를 선택한다.

즉, 연관경제지표 선정은 최근 가격추이와 밀접한 관계가 있는 지표 중심으로 선정하고, 과거 기간 경제지표와 자원가격간의 상관관계를 추적하고, 0.6 이상의 우수 상관도를 나타내는 경제지표 선택하며, 선택된 경제지표는 DB에 저장하여 가격 예측 시 재활용한다.

이렇게 함으로써, 최근 경제 환경 변화를 반영한 예측 모델을 생성할 수 있다.

자원 가격의 변화 예측(시간 패턴 학습 결과)은 도 9 및 도 10에 나타낸 바와 같이, 시계열예측 장치에 의해 과거의 특정 자원 가격 변화를 시간에 따른 패턴으로 학습하여 예측 모델을 수립하고, 상기 예측모델을 시계열예측 장치에 탑재하여, 특정 자원 가격의 변화를 예측한다.

즉, 자원 가격의 변화 예측(시간 패턴 학습 결과)은 계산된 유사도로부터 생성된 날짜별 뉴스 점수와 최상위 순위의 경제지표로부터 가격 예측용 마트를 생성하고, 딥러닝 알고리즘을 활용하여 예측 모델을 생성하는 것으로, 과거부터 현재까지 누적된 뉴스에 대한 지표를 DB로부터 읽어 들이고, 과거부터 현재까지 누적된 경제 지표를 DB로부터 읽어 들여, RNN계열 알고리즘으로 학습 후, 학습된 예측모델을 생성한다.

학습된 예측 모델은 예측상태에서 사용할 수 있도록 저장된다.

아울러, 예측은 현 시점에서부터 미래 6개월까지의 가격변동을 예측하는 것으로, 과거 일정기간(예를 들어, 24주) 동안의 뉴스지표, 경제지표 및 자원가격을 입력하여 딥 러닝에 의해서 향후 일정기간(예를 들어, 24주) 이후의 자원 가격을 예측 한다.

이렇게 함으로써, 뉴스로 기록된 사회, 환경, 정치 등의 이슈와 경제 흐름의 변화가 자원 가격에 영향을 주는 패턴을 시간의 흐름으로 해석하여 예측할 수 있다.

따라서, 유연탄 등 수입대상 자원에 대한 가격 변화를 예측할 수 있고, 새로운 뉴스가 자원가격 변화추세에 영향을 미치는 정도를 시뮬레이션 할 수 있고, 경제지표의 변동이 생기는 경제 환경 변화가 자원가격 변화추세에 영향을 미치는 정도를 시뮬레이션 할 수 있다.

아울러, 최신의 정보를 수집하여, 자원사전, 연관 경제지표, 연관 뉴스지표, 시계열 예측장치에서 사용되는 모델을 업데이트할 수 있다.

따라서, 자원사전에서 키워드를 추가하여 자원사전의 내용을 갱신하고, 연관뉴스지표에서, 갱신된 자원사전에 대한 가중치를 재계산하고, 연관경제지표에서 새로 고려해야 할 경제지표를 추가하고, 시계열예측장치에서 과거 시간, 뉴스, 경제지표와 자원가격간의 관계 패턴을 재생성 한다.

이어서, 업데이트된 모델을 활용한 예측 행위를 수행한다.

이때, 자원사전은 변화가 없고, 연관뉴스지표는 신규 뉴스만 가중치로 계산하고, 연관경제지표는 신규 경제지표의 변화량만 갱신하고, 최근 뉴스, 최근 경제 지표의 변화량을 입력하여, 이미 생성된 시간, 뉴스, 경제지표와 자원가격간의 관계패턴 활용함으로써 미래의 자원가격 변화량을 예측한다.

이상에서 설명한 바와 같은 본 발명의 딥 러닝 기반 자원 가격 예측 방법에 따르면, 뉴스를 수집하여 NLP(자연어처리)를 통해 뉴스지표를 생성하고 시기별 중요도를 반영하여 예측의 정확도를 향상시키고, 기존에 인식되고 있는 주요 인자 외에 여러 지표를 수집하여, 매번 영향도가 높은 경제지표를 선정하는 방법으로 시기적 유효성을 유지시키고, 변화된 환경의 예측 모델을 갱신하기 위해서 새로 수집되어 선정된 데이터로부터 예측 모델을 새로 수립하는 정기적 갱신 모델을 적용하고, 딥러닝 기반의 예측 모델을 활용하여 변동폭의 증감을 민감하게 예측하고, 경제지표와 뉴스지표를 복합적으로 활용하여 수개월 이후의 가격변화를 예측함으로써 수입 자원의 가격 변화를 예측하는 효과가 있다.

한편, 본 발명에 따른 딥 러닝 기반 자원 가격 예측 방법을 프로그램화하여 컴퓨터가 읽을 수 있도록 시디롬, 메모리, ROM, EEPROM 등의 기록매체에 저장시킬 수도 있다.

이상의 설명에서는 본 발명의 바람직한 실시예를 제시하여 설명하였으나, 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경할 수 있음을 쉽게 알 수 있을 것이다.

Claims (7)

1. 인터넷망을 통하여 수집한 전문 칼럼, 뉴스 및 경제지표를 혼합하여, 형태소 분석기술과 뉴스의 의미적 중요도 추정 기술과 심층 신경망(Deep learning) 기술을 순차적으로 연결하여 특정 자원의 가격변화를 예측하는 것으로,
   자원사전 장치에 의해 전문 칼럼으로부터 특정 자원 가격에 영향을 주는 핵심 어휘를 도출하고, 도출된 어휘를 카테고리 별 분류를 통해 단어 분류로 취급할 수 있도록 하는 자원사전 구축단계와;
   연관뉴스지표 장치에 의해 자원사전 구축단계를 통하여 도출된 핵심 어휘 및 단어 분류가 뉴스에서 다뤄진 중요도를 시기별로 계산하고, 시기별로 계산된 중요도를 벡터화하는 가중치 단계와;
   연관경제지표 장치에 의해 경제지표 중 특정 자원의 가격과 연관성이 높은 경제 지표를 선택하는 지표선정 단계와;
   시계열예측 장치에 의해 과거의 특정 자원 가격 변화를 시간에 따른 패턴으로 학습하여 예측 모델을 수립하고, 상기 예측모델을 시계열예측 장치에 탑재하여, 특정 자원 가격의 변화를 예측하는 결과예측 단계;
   를 포함하되,
   상기 자원사전 구축단계에서는,
   전문 칼럼에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 자원사전을 생성하는 단계를 포함하는 것을 특징으로 한 딥 러닝 기반 자원 가격 예측 방법.
2. 삭제
3. 청구항 1에 있어서, 가중치 단계에서는, 뉴스에 포함된 기사에서 형태소 분석으로 특정 자원의 특성을 반영한 핵심 단어를 도출하여 뉴스사전을 생성하고, 자원사전에 등록된 특정 자원의 내용과 뉴스사전에 등록된 특정 자원의 내용을 비교하여, 자원사전에 등록된 특정 자원과 뉴스사전에 등록된 특정 자원의 유사도를 계산하고, 계산된 유사도로부터 날짜별 뉴스 점수를 생성하는 단계를 포함하는 것을 특징으로 하는 딥 러닝 기반 자원 가격 예측 방법.
4. 청구항 3에 있어서, 지표선정 단계에서는, 경제지표와 특정 자원 가격 간 유사도 분석으로 순위를 정하고, 최상위 순위의 경제지표를 선택하는 단계를 포함하는 것을 특징으로 하는 딥 러닝 기반 자원 가격 예측 방법.
5. 청구항 4에 있어서, 결과예측 단계에서는, 계산된 유사도로부터 생성된 날짜별 뉴스 점수와 최상위 순위의 경제지표로부터 가격 예측용 마트를 생성하고, 딥러닝 알고리즘을 활용하여 예측 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 딥 러닝 기반 자원 가격 예측 방법.
6. 청구항 5에 있어서, 예측 모델은 현 시점에서부터 미래 6개월까지의 가격 변동을 예측하는 단계를 포함하는 것을 특징으로 하는 딥 러닝 기반 자원 가격 예측 방법.
7. 청구항 1항 및 청구항 3 내지 청구항 6항 중 어느 한 항의 딥 러닝 기반 자원 가격 예측 방법을 실행하는 프로그램이 기록되어 컴퓨터로 읽을 수 있는 기록매체.

Images