KR102253647B1 - 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템 - Google Patents

증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템 Download PDF

Info

Publication number
KR102253647B1
KR102253647B1 KR1020210012697A KR20210012697A KR102253647B1 KR 102253647 B1 KR102253647 B1 KR 102253647B1 KR 1020210012697 A KR1020210012697 A KR 1020210012697A KR 20210012697 A KR20210012697 A KR 20210012697A KR 102253647 B1 KR102253647 B1 KR 102253647B1
Authority
KR
South Korea
Prior art keywords
data
stock
analysis
probability
weight
Prior art date
Application number
KR1020210012697A
Other languages
English (en)
Inventor
이지연
한규정
Original Assignee
선우커뮤니티(주)
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 선우커뮤니티(주) filed Critical 선우커뮤니티(주)
Priority to KR1020210012697A priority Critical patent/KR102253647B1/ko
Application granted granted Critical
Publication of KR102253647B1 publication Critical patent/KR102253647B1/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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/34—Betting or bookmaking, e.g. Internet betting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3286—Type of games
    • G07F17/329—Regular and instant lottery, e.g. electronic scratch cards

Abstract

본 발명은 회차별 로또복권의 당첨번호를 나타내는 당첨 데이터 및 기업별 주가변동추이를 나타내는 증권 데이터를 수집하는 데이터 수집부; 상기 당첨 데이터에 기초하여 로또복권의 번호별 출연확률을 시계열적 데이터로 나타낸 분석용 데이터를 생성하는 데이터 변환부; 상기 분석용 데이터를 상기 증권 데이터와 비교하여 현재 회차에서의 번호별 출연확률을 산출하는 데이터 분석부; 및 상기 데이터 분석부에 의해 생성된 현재 회차에서의 번호별 출연확률에 기초하여 추천번호를 설정하는 추천번호 설정부를 포함하는, 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템에 관한 것이다.

Description

증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템 {Lotto number analysis system using stock nonlinear time series analysis method}
본 발명은 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템에 관한 것으로, 더욱 상세하게는 과거 로또복권 당첨 번호의 번호별 출연추이를 주가 예측 기법을 이용하여 분석함으로써 당회차의 로또 번호를 예측하여 추천하는 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템에 관한 것이다.
복권(Lottery)은 다수인으로부터 금전을 모아 추첨 등의 방법으로 결정된 당첨자에게 당첨금을 지급하기 위하여 발행하는 표권으로, 정부가 운영하는 복권제도는 16세기부터 유럽 전역에서 광범위하게 사용되었다. 복권은 추첨 방식, 로또 방식, 즉석 방식 등으로 분류되는데, 이중 로또(Lotto) 복권은 최고 당첨금액의 제한이 없는 복권을 말한다. 국내에서 발매되는 로또는 1부터 45까지의 숫자 중 자신이 원하는 6개의 숫자를 임의로 고르는 '645 방식'을 채택하고 있다.
로또복권은 이미 정해진 번호를 사는 대신 고객이 직접 번호를 고를 수 있다는 점, 당첨자가 없으면 당첨금이 이월된다는 점, 구매자가 많을수록 당첨금이 늘어난다는 점 등에서 많은 인기를 끌고 있으며, 대부분의 로또복권 이용자는 복권 번호를 선택함에 있어서, 번호를 랜덤하게 자동 추출해주는 프로그램을 이용하거나, 자신이 좋아하는 숫자들을 조합하거나, 자신이나 가족에게 의미있는 숫자들을 조합하는 등의 방법으로 6개의 숫자를 선택하여 복권에 참여하고 있다.
그런데, 로또복권의 당첨을 기대하고 번호를 선택하는데 있어서 많은 시간이 소요되는 불편이 있으며, 그렇게 선택한 번호 조합의 당첨 확률은 극히 작다. 이에 따라 당첨 확률이 높은 로또 번호를 추천해주는 서비스가 늘고 있다.
종래의 로또 추천번호 서비스들을 보면, 가장 많이 당첨된 번호의 통계를 기준으로 금번에 예상되는 당첨 예상 번호를 추출하는 수학적 통계법을 사용하기도 한다.
그러나 이러한 수학적 통계법을 사용한 결과는 로또 번호의 당첨 확률을 높이지 못하고 있으며, 이로 인해 구매자의 복권 구매 욕구를 충분히 자극하지 못하고 있는 실정이다.
한편, 전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
한국등록특허 제10-2082146호
본 발명의 일측면은 과거 로또복권 당첨 번호의 번호별 출연추이를 주가 예측 기법을 이용하여 분석함으로써 당회차의 로또 번호를 예측하여 추천하는 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템을 제공한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템은, 회차별 로또복권의 당첨번호를 나타내는 당첨 데이터 및 기업별 주가변동추이를 나타내는 증권 데이터를 수집하는 데이터 수집부; 상기 당첨 데이터에 기초하여 로또복권의 번호별 출연확률을 시계열적 데이터로 나타낸 분석용 데이터를 생성하는 데이터 변환부; 상기 분석용 데이터를 상기 증권 데이터와 비교하여 현재 회차에서의 번호별 출연확률을 산출하는 데이터 분석부; 및 상기 데이터 분석부에 의해 생성된 현재 회차에서의 번호별 출연확률에 기초하여 추천번호를 설정하는 추천번호 설정부를 포함한다.
상기 데이터 분석부는,
n회차에서의 추천번호를 설정하기 위하여, n-1회차부터 n-m회차까지를 기준구간으로 설정하고,
상기 기준구간에 포함된 분석용 데이터를 이용하여 특정 번호에 대한 회차간 출연확률의 변동추이를 나타내는 특징벡터를 생성하고,
상기 특징벡터를 미리 학습된 인공 신경망의 입력값으로 입력하여, 상기 인공 신경망의 출력값에 기초하여 상기 데이터 수집부에 저장된 복수의 증권 데이터 중 어느 하나의 증권 데이터를 추출하고,
추출된 증권 데이터의 주가변동추이에 기초하여 n회차에서의 특정 번호의 출연확률을 산출하고,
상기 추천번호 설정부는,
번호별로 산출된 n회차에서의 출연확률에 기초하여 상기 추천번호를 설정할 수 있다.
상기 데이터 수집부는,
상기 증권 데이터에 포함된 기업별 주가변동추이를 주 단위의 막대 형태로 표시한 주봉(週棒) 차트를 상기 기준구간별로 분할하여 저장하고,
상기 데이터 분석부는,
상기 기준구간에 포함된 분석용 데이터의 회차별 출연확률의 변동추이를 나타내는 회차간 기울기를 산출하고, 산출된 복수의 회차간 기울기 변화량을 나타내는 특징벡터를 산출하되,
복수의 회차간 기울기 중 절대값이 가장 큰 기울기에 제1 가중치를 부여하고, 상기 제1 가중치가 부여된 구간과 인접한 기울기에 상기 제1 가중치보다 작은 제2 가중치를 부여하며, 상기 제2 가중치보다 작은 제3 가중치를 부여한 후, 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치 중 어느 하나의 가중치가 반영된 각각의 회차간 기울기의 크기 및 방향을 나타내는 상기 특징벡터를 m-1개만큼 생성하는 것을 특징으로 하고,
상기 추천번호 설정부는,
상기 데이터 수집부에 저장된 복수의 증권 데이터 중 상기 데이터 분석부에 의해 추출된 어느 하나의 증권 데이터인 특정 기업의 주봉(週棒) 차트를 분석하여, 기준구간 내에서의 마지막 시점의 주가와, 기준구간을 벗어난 이후 최초 시점의 주가의 변화량을 산출하고, 산출된 변화량에 기초하여 n회차에서의 특정 번호의 출연확률을 산출하는 것을 특징으로 할 수 있다.
상술한 본 발명의 일측면에 따르면, 과거 로또복권 당첨번호의 출연확률의 변동추이와 유사한 패턴을 갖는 증권 데이터를 검색하고, 검색된 증권 데이터의 향후 변동 추이에 기초하여 당회차의 번호별 출연확률을 추정함으로써, 단순 통계적 기법보다 신뢰성 있는 번호를 추천할 수 있다.
도 1은 본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템의 개략적인 구성이 도시된 블록도이다.
도 2는 도 1의 데이터 변환부에 의해 생성된 분석용 데이터의 일 예가 도시된 도면이다.
도 3은 도 1의 데이터 분석부에 의해 설정되는 기준구간의 일 예가 도시된 도면이다.
도 4 및 도 5는 도 1의 데이터 분석부에 의해 산출되는 구간별 기울기의 일 예가 도시된 도면이다.
도 6은 본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법의 개략적인 흐름이 도시된 순서도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템의 개략적인 구성이 도시된 도면이다.
본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템은 로또 번호를 추천받고자 하는 사용자가 소지한 사용자 단말기 또는 이 사용자에게 로또 번호를 추천하고자 하는 관리서버에 구현될 수 있다.
이를 위해, 사용자 단말기 또는 관리서버는 후술하는 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석방법이 구현된 소프트웨어(애플리케이션)가 미리 설치될 수 있으며, 사용자 단말기 또는 관리서버에 설치된 소프트웨어(애플리케이션)를 실행시킴으로써 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법에 따른 로또 번호를 추천받을 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템은, 데이터 수집부(100), 데이터 변환부(200), 데이터 분석부(300) 및 추천번호 설정부(400)를 포함할 수 있다.
데이터 수집부는 로또번호의 추천을 위해 요구되는 데이터를 수집할 수 있다.
구체적으로, 데이터 수집부(100)는 회차별 로또복권의 당첨번호를 나타내는 당첨 데이터 및 기업별 주가변동추이를 나타내는 증권 데이터를 수집할 수 있다.
여기서, 데이터 수집부(100)는 증권 데이터에 포함된 기업별 주가변동추이를 주 단위의 막대 형태로 표시한 주봉(週棒) 차트를 소정 구간별로 분할하여 저장할 수 있다. 예컨대, 데이터 수집부(100)는 기업별 주봉 차트를 5주 단위로 분할하여 저장할 수 있으며, 분할되는 구간의 크기는 후술하는 기준구간과 동일하게 설정될 수 있다.
데이터 변환부(200)는 데이터 수집부(100)에 저장된 당첨 데이터에 기초하여 로또복권의 번호별 출연확률을 시계열적 데이터로 나타낸 분석용 데이터를 생성할 수 있다.
도 2는 데이터 변환부(200)에 의해 생성된 분석용 데이터의 일 예가 도시된 도면이다.
예를 들어, 사용자가 15회차의 로또번호를 추천받고자 하는 경우, 데이터 변환부(200)는 1회차부터 14회차까지 당첨번호를 검색하여 번호별 출연확률을 시계열적으로 나타내는 분석용 데이터를 생성할 수 있다.
이때, 1에서 46까지의 번호 중 2번은 1회차부터 14회차까지 10회차 및 13회차에서만 출연한 경우, 데이터 변환부(200)는 1회차부터 9회차까지 2번이 추첨된 확률은 0으로 산출하다가, 10회차에서 2번이 1번 당첨되었으므로 1/10인 0.1을 10회차의 출연확률로 표시할 수 있다. 이후, 11, 12회차에서는 시행횟수는 증가하지만 당첨횟수는 고정되어 출연확률이 감소하다가, 13회차에서 2번에 다시 당첨되었으므로 2/13인 0.15를 13회차에서의 출연확률로 표시할 수 있다.
이와 같이, 데이터 변환부(200)는 로또 추첨에 사용되는 1번부터 46번까지의 출연확률을 회차별/번호별 출연확률로 표시한 분석용 데이터를 생성한다.
데이터 분석부(300)는 데이터 변환부(200)에 의해 생성된 분석용 데이터를 상기 증권 데이터와 비교하여 현재 회차에서의 번호별 출연확률을 산출할 수 있다.
이를 위해, 데이터 분석부(300)는 현재 회차(n회차)에서의 추천번호를 설정하기 위하여, n-1회차부터 n-m회차까지를 기준구간으로 설정하고, 상기 기준구간에 포함된 분석용 데이터를 이용하여 특정 번호에 대한 회차간 출연확률의 변동추이를 나타내는 특징벡터를 생성할 수 있다.
도 3은 도 1의 데이터 분석부에 의해 설정되는 기준구간의 일 예가 도시된 도면이다.
도시된 바와 같이, 데이터 분석부(300)는 15회차의 추천번호를 설정하고자 하면, 15회차 직전에 발생된 5개 회차(10, 11, 12, 13, 14회차) 구간을 기준구간으로 설정할 수 있다. 여기서 기준구간은 반드시 5회차 구간으로 설정될 필요는 없으며, 3개 이상 회차가 포함되기만 하면 기준구간은 자유롭게 설정될 수도 있다.
한편, 데이터 분석부(300)는 기준구간에 표시된 번호별 출연확률의 변동추이에 대한 특징벡터를 생성하기 위해, 기준구간에 포함된 분석용 데이터의 회차별 출연확률의 변동추이를 나타내는 회차간 기울기를 산출하고, 산출된 복수의 회차간 기울기 변화량을 나타내는 특징벡터로 설정할 수 있다.
도 4는 데이터 분석부에 의해 산출되는 구간별 기울기의 일 예가 도시된 도면이다.
예컨대, 도시된 바와 같이 10회차까지 진행된 로또 당첨번호 추첨과정에서는 2번이 추첨될 확률이 0.1이었으나, 11회차에서는 2번을 제외한 다른 번호가 추첨되어 11회차에서는 2번의 출연확률이 감소하였다.
이때, 데이터 분석부(300)는 10회차 및 11회차 구간의 출연확률의 변동추이에 대한 기울기를 산출할 수 있다. 즉, 10-11회차 구간에서, x축값(회차)이 1회 변화하는 동안 y축값(출연확률)은 0.1에서 0.09로 0.01만큼 감소하였으므로, 데이터 분석부(300)는 이 구간에서의 기울기를 -0.01로 산출할 수 있다. 이와 같은 방법으로, 데이터 분석부(300)는 11-12회차 구간의 기울기를 -0.007로, 12-13회차 구간의 기울기를 0.067로, 13-14회차 구간의 기울기를 -0.01로 산출할 수 있다.
이 과정에서, 데이터 분석부(300)는 산출된 기울기별로 서로 다른 가중치를 부여할 수 있다.
구체적으로, 데이터 분석부(300)는 복수의 회차간 기울기 중 절대값이 가장 큰 기울기에 제1 가중치를 부여하고, 상기 제1 가중치가 부여된 구간과 인접한 기울기에 상기 제1 가중치보다 작은 제2 가중치를 부여하며, 상기 제2 가중치보다 작은 제3 가중치를 부여할 수 있다.
즉, 도시된 실시예에서는 기울기의 절대값이 0.067로 가장 큰 12-13회차 구간의 기울기에 가장 큰 가중치값(제1 가중치)을 부여하는 것을 의미한다. 이는 변동성이 가장 심한 구간을 기준으로 하여 이와 유사한 증권 데이터를 검색하기 위함이다.
또한, 변동성이 가장 심한 구간을 기준으로 이웃하는 구간(도시된 실시예에서는 11-12회차구간 및 13-14회차구간)에서 산출된 기울기값에는 제2 가중치를 부여하며, 이때 제2 가중치는 제1 가중치보다 작도록 설정된다. 그리고, 가장 큰 변동성을 가진 구간(12-13회차 구간)와 이웃하지 않는 나머지 구간(10-11회차 구간)에는 가장 작은 가중치값이 제3 가중치를 부여할 수 있다.
이후, 데이터 분석부(300)는 제1 가중치, 제2 가중치 및 제3 가중치 중 어느 하나의 가중치가 반영된 각각의 회차간 기울기의 크기 및 방향을 나타내는 상기 특징벡터를 구간별로 생성할 수 있다.
즉, 도시된 실시예에서는 데이터 분석부(300)는 제3 가중치가 부여된 제1 구간(10-11회차 구간)의 기울기의 크기 및 방향을 나타내는 제1 특징벡터와, 제2 가중치가 부여된 제2 구간(11-12회차 구간)의 기울기의 크기 및 방향을 나타내는 제2 특징벡터와, 제1 가중치가 부여된 제3 구간(12-13회차 구간)의 기울기의 크기 및 방향을 나타내는 제3 특징벡터와, 제2 가중치가 부여된 제4 구간(13-14회차 구간)의 기울기의 크기 및 방향을 나타내는 제4 특징벡터를 생성할 수 있다.
따라서, 데이터 분석부(300)는 기준구간에 포함된 회차가 5개인 경우, 4개의 특징벡터를 생성할 수 있으며, 이러한 특징벡터는 변동성이 가장 큰 구간에 대한 특징 및 이러한 변동성이 큰 구간의 이전 또는 이후의 변동 추이에 대한 특징이 잘 부각되는 것을 특징으로 할 수 있다.
이와 같은 방법으로, 데이터 분석부(300)는 특정 번호에 대한 4개의 특징벡터를 생성한 후, 생성된 특징벡터를 미리 학습된 인공 신경망의 입력값으로 입력한다.
데이터 분석부(300)는 상기 인공 신경망의 출력값에 기초하여 데이터 수집부에 저장된 복수의 증권 데이터 중 어느 하나의 증권 데이터를 추출할 수 있다.
즉, 본 발명에 따른 인공신경망은 5주의 기간으로 설정된 기준구간에 포함된 특정 번호의 변동 추이와 가장 유사한 변동 패턴을 갖는 증권 데이터를 검색하는 것을 특징으로 한다.
이때, 상술한 바와 같이 데이터 수집부(100)는 기업별 주봉 차트를 5주 단위로 미리 분할하여 저장해 두기 때문에, 데이터 분석부(300)는 인공 신경망을 이용하여 동일한 시구간의 시계열 데이터를 비교할 수 있게 된다.
한편, 본 발명에서 사용되는 인공 신경망은 심층 신경망의 형태이며, 이러한 인공 신경망의 데이터 패턴 인식 기술은 이미 널리 알려진 기술이므로, 구체적인 설명은 생략하기로 한다. 이 과정에서, 데이터 수집부(100)는 상술한 바와 같이 기울기별로 서로 다른 가중치를 부여함으로써 인공 신경망의 패턴 인식이 더욱 용이할 수 있도록 한다.
마지막으로, 데이터 분석부(300)는 추출된 증권 데이터의 주가변동추이에 기초하여 n회차에서의 특정 번호의 출연확률을 산출할 수 있다.
즉, 데이터 분석부(300)는 동일한 기준구간에서 특정 번호의 변동 추이 패턴과 가장 유사한 데이터 패턴을 갖는 증권 데이터를 인공 신경망을 이용하여 추출하고, 추출된 증권 데이터의 주가변동추이에 기초하여 해당 회차에서의 해당 번호의 출연확률을 추정할 수 있다.
예컨대 도 5를 함께 참조하면, 데이터 분석부(300)는 인공 신경망에 의해 추출된 증권 데이터인 5주간의 주봉(週棒) 차트를 분석하여, 기준구간 내에서의 마지막 시점의 주가와, 기준구간을 벗어난 이후 최초 시점의 주가의 변화량을 산출하고, 산출된 변화량에 기초하여 현재 회차(n회차)에서의 특정 번호의 출연확률을 산출하는 것을 특징으로 한다.
도시된 실시예에서는 기준구간 내에서의 마지막 시점의 주가가 3,500원이고, 그 다음주차의 주가가 3,470원인 것을 확인할 수 있다.
이때, 데이터 분석부(300)는 기준구간 내에서의 마지막 시점의 주가(3,500원)와, 기준구간을 벗어난 이후 최초 시점의 주가(3,470원)의 변화량(30원)을 산출하여, 기준구간 내에서의 마지막 시점의 주가 대비 몇%가 변동되었는지를 판단할 수 있다. 즉, 도시된 실시예에서 데이터 분석부(300)는 2번과 흡사한 변동 패턴을 보이는 주식이 다음 시점에서는 마지막 주가인 3,500원에서 약 -0.8% 하락된 것으로 판단되면, 2번 또한 해당 회차에서 출연확률이 -0.8%할 것으로 추정할 수 있다.
이와 같은 방법으로, 데이터 분석부(300)는 n번째 회차에서의 번호별 출연확률을 추정하여 추천번호 설정부(400)로 전달할 수 있다.
추천번호 설정부(400)는 상기 데이터 분석부(300)에 의해 생성된 현재 회차에서의 번호별 출연확률에 기초하여 추천번호를 설정한다.
예컨대, 추천번호 설정부(400)는 n회차에서는 출연확률이 가장 높은 순서대로 6개의 숫자를 추출하고, 이를 추천번호로 설정할 수 있다.
몇몇 다른 실시예에서, 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템은 1부터 46의 숫자 중 사용자로부터 선택된 6개의 숫자가 적절한지 여부를 판단하는 기능을 수행할 수도 있다.
이를 위해, 추천번호 설정부(400)는 금번 회차에서의 추정되는 번호별 출연확률에 기초하여 1~46의 숫자를 출원확률이 큰 순서대로 정렬한 후, 사용자로부터 선택된 6개의 숫자가 몇 번째 순서에 위치하는지를 검색할 수 있다.
이때, 추천번호 설정부(400)는 사용자로부터 선택된 특정 번호가 기준순위(예컨대 20위) 이하에 랭크된 것으로 확인되면, 사용자에게 다른 번호를 추천하기 위한 알림 메시지를 생성하여 사용자 단말기 또는 관리서버에 구비된 디스플레이 장치를 통해 출력할 수 있다.
따라서, 사용자는 자신이 원하는 임의의 번호를 조합하여 선택한 후, 이에 대한 당첨 확률에 대한 정보를 제공받음으로써, 선택한 번호를 부분적으로 변경하거나 완전히 변경할 수 있는 효과를 가지게 된다.
몇몇 또 다른 실시예에서, 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템(1000)은 상술한 인공 신경망을 학습하는 학습부(미도시)를 더 포함할 수 있다.
구체적으로, 학습부는 데이터 분석부(300)에 의해 추정된 n번째 회차에서의 추정되는 번호별 출연확률에 대한 데이터와, 실제 n회차 로또복권의 추첨 이후 발생되는 n번째 회차에서의 번호별 출연확률에 대한 데이터를 이용하여 인공 신경망을 학습시킬 수 있다.
이때, 학습부는 데이터 분석부(300)에 의해 추정된 출연확률과, 실제 추첨 이후 발생되는 실제 출연확률을 비교하여, 그 차이값이 미리 설정된 임계값 이상으로 발생되는 경우, 인공 신경망의 히든 레이어간의 가중치를 재설정할 수 있다.
주지된 바와 같이, 심층 신경망은 입력 데이터를 받아들이는 입력 계층과, 입력 계층에 대한 출력 데이터를 출력하는 출력 계층과, 이러한 입력 계층과 출력 계층 사이를 연결하는 복수의 히든 계층으로 구성된다. 이러한 인경 신경망의 출력값은 히든 계층간의 가중치에 따라 결정되며, 따라서 본 발명에 따른 학습부는 특정 번호에 대한 추정된 출연확률이 실제 출연확률과 기준치(예컨대 0.1) 이상 차이가 발생되는 것으로 확인되면 히든 계층을 구성하는 노드 간의 가중치를 재조정함으로써 이러한 오차를 보정할 수 있다.
학습부는 노드간 가중치가 재조정된 인공 신공신경망을 이용하여 n회차에서의 번호별 출연확률을 다시 추정한 후, 추정된 출연확률과 실제 출연확률과의 차이가 기준치 미만이 될 때까지 가중치 재조정 과정을 반복하여 수행할 수 있다.
도 6은 본 발명의 일 실시예에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법의 개략적인 흐름이 도시된 순서도이다.
상술한 바와 같이, 사용자 단말기 또는 관리서버는 후술하는 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석방법이 구현된 소프트웨어(애플리케이션)가 미리 설치될 수 있으며, 사용자 단말기 또는 관리서버에 설치된 소프트웨어(애플리케이션)를 실행시킴으로써 본 발명에 따른 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법에 따른 로또 번호를 추천받을 수 있다.
이하에서는 설명의 편의를 위해, 이러한 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법이 사용자 단말에서 수행되는 것으로 가정하여 설명하기로 한다.
사용자 단말은, 현재 회차의 로또번호를 추천하기 위해, 과거 회차별 로또복권의 당첨번호를 나타내는 당첨 데이터 및 기업별 주가변동추이를 나타내는 증권 데이터를 수집한다(S10).
이후 사용자 단말은, 사용자로부터 특정 회차의 로또번호를 추천받기를 원하는 입력신호를 입력받는 경우, 당첨 데이터에 기초하여 로또복권의 번호별 출연확률을 시계열적 데이터로 나타낸 분석용 데이터를 생성한다(S20).
분석용 데이터가 생성되면, 사용자 단말은 분석용 데이터의 데이터 특징을 나타내는 특징벡터를 인공 신경망의 입력값을 입력하고, 이에 대한 인공 신경망의 출력값에 기초하여 현재 회차에서의 번호별 출연확률을 추정한다(S30).
이와 같은 번호별 출연확률의 추정 과정은 상술한 데이터 데이터 분석부(300)에 의해 수행되며, 구체적인 과정은 상술하였으므로 반복되는 설명은 생략하기로 한다.
이후, 사용자 단말은 추정된 현재 회차에서의 번호별 출연확률에 기초하여 추천번호를 설정한다(S40).
이와 같은, 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 방법을 제공하는 기술은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1000: 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템
100: 데이터 수집부
200: 데이터 변환부
300: 데이터 분석부
400: 추천번호 설정부

Claims (3)

  1. 회차별 로또복권의 당첨번호를 나타내는 당첨 데이터 및 기업별 주가변동추이를 나타내는 증권 데이터를 수집하는 데이터 수집부;
    상기 당첨 데이터에 기초하여 로또복권의 번호별 출연확률을 시계열적 데이터로 나타낸 분석용 데이터를 생성하는 데이터 변환부;
    상기 분석용 데이터를 상기 증권 데이터와 비교하여 현재 회차에서의 번호별 출연확률을 산출하는 데이터 분석부; 및
    상기 데이터 분석부에 의해 생성된 현재 회차에서의 번호별 출연확률에 기초하여 추천번호를 설정하는 추천번호 설정부를 포함하는, 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템에 있어서,
    상기 데이터 분석부는,
    n회차에서의 추천번호를 설정하기 위하여, n-1회차부터 n-m회차까지를 기준구간으로 설정하고,
    상기 기준구간에 포함된 분석용 데이터를 이용하여 특정 번호에 대한 회차간 출연확률의 변동추이를 나타내는 특징벡터를 생성하고,
    상기 특징벡터를 미리 학습된 인공 신경망의 입력값으로 입력하여, 상기 인공 신경망의 출력값에 기초하여 상기 데이터 수집부에 저장된 복수의 증권 데이터 중 어느 하나의 증권 데이터를 추출하고,
    추출된 증권 데이터의 주가변동추이에 기초하여 n회차에서의 특정 번호의 출연확률을 산출하고,
    상기 추천번호 설정부는,
    번호별로 산출된 n회차에서의 출연확률에 기초하여 상기 추천번호를 설정하고,
    상기 데이터 수집부는,
    상기 증권 데이터에 포함된 기업별 주가변동추이를 주 단위의 막대 형태로 표시한 주봉(週棒) 차트를 상기 기준구간별로 분할하여 저장하고,
    상기 데이터 분석부는,
    상기 기준구간에 포함된 분석용 데이터의 회차별 출연확률의 변동추이를 나타내는 회차간 기울기를 산출하고, 산출된 복수의 회차간 기울기 변화량을 나타내는 특징벡터를 산출하되,
    복수의 회차간 기울기 중 절대값이 가장 큰 기울기에 제1 가중치를 부여하고, 상기 제1 가중치가 부여된 구간과 인접한 기울기에 상기 제1 가중치보다 작은 제2 가중치를 부여하며, 상기 제1 가중치 또는 상기 제2 가중치가 부여되지 않은 나머지 기울기에는 상기 제2 가중치보다 작은 제3 가중치를 부여한 후, 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치 중 어느 하나의 가중치가 반영된 각각의 회차간 기울기의 크기 및 방향을 나타내는 상기 특징벡터를 m-1개만큼 생성하는 것을 특징으로 하고,
    상기 데이터 분석부는,
    상기 데이터 수집부에 저장된 복수의 증권 데이터 중 상기 데이터 분석부에 의해 추출된 어느 하나의 증권 데이터인 특정 기업의 주봉(週棒) 차트를 분석하여, 기준구간 내에서의 마지막 시점의 주가와, 기준구간을 벗어난 이후 최초 시점의 주가의 변화량을 산출하고, 산출된 변화량에 기초하여 n회차에서의 특정 번호의 출연확률을 산출하는 것을 특징으로 하는, 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템.
  2. 삭제
  3. 삭제
KR1020210012697A 2021-01-28 2021-01-28 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템 KR102253647B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210012697A KR102253647B1 (ko) 2021-01-28 2021-01-28 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210012697A KR102253647B1 (ko) 2021-01-28 2021-01-28 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템

Publications (1)

Publication Number Publication Date
KR102253647B1 true KR102253647B1 (ko) 2021-05-18

Family

ID=76158560

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210012697A KR102253647B1 (ko) 2021-01-28 2021-01-28 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템

Country Status (1)

Country Link
KR (1) KR102253647B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102082146B1 (ko) 2019-03-06 2020-02-27 최연우 로또복권 추천번호 제공 방법 및 장치
KR20200098122A (ko) * 2019-02-12 2020-08-20 주식회사 푸른기술 딥러닝 기법을 활용한 로또번호 추출방법
KR20200116633A (ko) * 2019-04-02 2020-10-13 주식회사 에이티알 서포트 벡터 머신 퍼지시스템 및 이를 이용한 로또번호 생성방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200098122A (ko) * 2019-02-12 2020-08-20 주식회사 푸른기술 딥러닝 기법을 활용한 로또번호 추출방법
KR102082146B1 (ko) 2019-03-06 2020-02-27 최연우 로또복권 추천번호 제공 방법 및 장치
KR20200116633A (ko) * 2019-04-02 2020-10-13 주식회사 에이티알 서포트 벡터 머신 퍼지시스템 및 이를 이용한 로또번호 생성방법

Similar Documents

Publication Publication Date Title
US6763338B2 (en) Machine decisions based on preferential voting techniques
Lu et al. Inferring the impacts of social media on crowdfunding
Ahmad et al. Movie success prediction using data mining
CN107944915A (zh) 一种游戏用户行为分析方法及计算机可读存储介质
Baker et al. Forecasting exact scores in National Football League games
Sing'oei et al. Data mining framework for direct marketing: A case study of bank marketing
JP2019508756A5 (ko)
WO2020135642A1 (zh) 一种基于生成对抗网络的模型训练方法及设备
CN116595398A (zh) 基于元宇宙的资源智能匹配方法及相关装置
KR20200098122A (ko) 딥러닝 기법을 활용한 로또번호 추출방법
KR102253647B1 (ko) 증권비선형 시계열 분석 기법을 이용한 로또번호 분석 시스템
Wang Churn Prediction for High-Value Players in Freemium Mobile Games: Using Random Under-Sampling.
JP5228461B2 (ja) パターン抽出装置、パターン抽出プログラムおよびパターン抽出方法
KR20200119964A (ko) 로또 당첨예상번호 제공 시스템 및 그 방법
KR20200039960A (ko) 로또 당첨 예상번호의 추천 시스템 및 방법
CN115115403A (zh) 目标客群中客户的分类方法、装置、电子设备及存储介质
KR102306385B1 (ko) 인공지능을 이용한 로또복권 당첨번호 예측 방법 및 예측 시스템
KR102234068B1 (ko) 복권 구매 지원 장치 및 그 방법
Hanner et al. Counting Customers in Mobile Business–The Case of Free to Play
Notten Improving Performance for the Steam Recommender System using Achievement Data
Sleeuwaert Evaluation of The Current State of Football Match Outcome Prediction Models
Rahayu et al. Trust in Seller and Trust in Website as A Determiner of Consumer Buying Interest
CN117786478B (zh) 基于多模型的用户活跃度预测方法、系统、设备及介质
KR102433288B1 (ko) 로또 당첨예상번호 제공 시스템 및 그 방법
CN117435580B (zh) 一种数据库参数筛选方法及相关设备

Legal Events

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