KR20020034007A - 인터넷망을 이용한 물가 및 주가 예측 서비스 방법 - Google Patents

인터넷망을 이용한 물가 및 주가 예측 서비스 방법 Download PDF

Info

Publication number
KR20020034007A
KR20020034007A KR1020000064658A KR20000064658A KR20020034007A KR 20020034007 A KR20020034007 A KR 20020034007A KR 1020000064658 A KR1020000064658 A KR 1020000064658A KR 20000064658 A KR20000064658 A KR 20000064658A KR 20020034007 A KR20020034007 A KR 20020034007A
Authority
KR
South Korea
Prior art keywords
price
correlation
database
item
stock
Prior art date
Application number
KR1020000064658A
Other languages
English (en)
Inventor
김호빈
Original Assignee
김호빈
주식회사 코리아피디에스
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 김호빈, 주식회사 코리아피디에스 filed Critical 김호빈
Priority to KR1020000064658A priority Critical patent/KR20020034007A/ko
Publication of KR20020034007A publication Critical patent/KR20020034007A/ko

Links

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
    • G06Q50/10—Services
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

본 발명은 인터넷망을 이용한 물가 및 주가 예측 서비스 방법에 관한 것이다.
본 발명은 인터넷망을 이용한 물가 예측 서비스 방법에 있어서, 각 품목별 물가 데이터베이스를 구축하고, 해당 요인별 변동 지수를 생성하는 단계와; 상관 데이터베이스를 생성하여 물가 예측 자료를 데이터베이스화하는 단계와; 소정 클라이언트로부터의 물가 예측 서비스 요청에 따라 데이터베이스화된 물가 예측 자료를 상기 클라이언트에게 제공하는 단계를 포함한다. 또한, 본 발명은 인터넷망을 이용한 물가 및 주가 예측 서비스 방법에 있어서, 일별 종가를 기준으로 기설정 기간 동안의 주가 마스터를 구축하는 단계와; 주가 마스터를 기반으로 주간/월간/분기/반기/연간 주가 서머리(summary) 데이터베이스를 생성하는 단계와; 기업군별 상관 품목(X)을 선정하는 단계와; 기업군 주가 변동 데이터 및 기업군별 상관 품목(X)의 가격 변동 데이터에 따라 상관 계수(R)를 계산하고, 계산되는 상관 계수(R)가 기설정 값 이상인지를 판단하는 단계와; 단계의 판단 결과, 계산되는 상관 계수(R)가 기설정 값 이상이면, 상관 품목을 확정하고, 기업군 상관 품목 데이터베이스를 생성하는 단계를 포함한다.
따라서, 본 발명은 품목별 특성 DB 및 상관 DB 등을 취합하여 물가를 예측하고, 예측되는 품목별 물가 변동과의 상관 관계를 도출하여 주가를 예측함으로써, 개인 또는 단체 특성에 부합되는 과학적이고 통계적인 인터넷 서비스를 제공할 수있는 효과가 있다.

Description

인터넷망을 이용한 물가 및 주가 예측 서비스 방법{METHOD FOR FORECASTING PRICE AND STOCK-GOODS PRICE USING OF INTERNET}
본 발명은 인터넷망을 이용한 클라이언트 서비스 기법에 관한 것으로, 특히, 품목별 특성 데이터베이스(Database:이하, DB라 약칭함) 및 상관 DB 등을 취합하여 물가를 예측하고, 예측되는 품목별 물가 변동과의 상관 관계를 도출하여 주가를 예측하는 인터넷망을 이용한 물가 및 주가 예측 서비스 방법에 관한 것이다.
인터넷은 전세계에 걸쳐 각종 데이터 통신 서비스를 받을 수 있는 여러 개의 컴퓨터 네트워크들이 연결된 시스템으로서, 미국방성의 군사연구에 관련된 정보를 공유하기 위해 시작된 알파넷(ARPANET)이 그 기원이다.
현재, 인터넷은 전자 메일(e-mail), 뉴스 그룹(News group), 파일 전송(FTP), 정보 전달 및 검색(WWW) 등 다양한 용도로 활용되고 있으며, 인터넷에 연결된 네트워크의 수와 인터넷 이용자의 수가 급증하면서 인터넷의 상업적 이용이 빠르게 확산되고 있다.
특히, 이러한 인터넷의 활용으로 실시간으로 클라이언트가 요구하는 다양한 정보, 예컨대, 경제 정보를 제공할 수도 있게 되었다.
그러나, 현재 제공되고 있는 인터넷 서비스에서는 경제 정보를 보다 효과적으로 활용할 수 있는 기술적 구현 수단에 한계가 있는 바, 클라이언트의 욕구를 충분히 충족시킬 수 없다는 문제가 제기되었다.
본 출원인은 이러한 인터넷을 통해 여러 기관들로부터 제공되는 물가 정보를 취합하여 각 품목의 물가를 예상할 수 있다면, 보다 나은 경제 정보를 클라이언트에게 제공할 수도 있다는데 착안하였다.
따라서, 본 발명은 상술한 착안에 의해 안출한 것으로, 품목별 특성 DB 및 상관 DB 등을 취합하여 물가를 예측하고, 예측되는 품목별 물가 변동과의 상관 관계를 도출하여 주가를 예측함으로써, 개인 또는 단체 특성에 부합되는 과학적이고 통계적인 인터넷 서비스를 제공하도록 한 인터넷망을 이용한 물가 및 주가 예측 서비스 방법을 제공하는데 그 목적이 있다.
이러한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 인터넷망을 이용한 물가 예측 서비스 방법에 있어서, 각 품목별 물가 데이터베이스를 구축하고, 해당 요인별 변동 지수를 생성하는 단계와; 상관 데이터베이스를 생성하여 물가 예측 자료를 데이터베이스화하는 단계와; 소정 클라이언트로부터의 물가 예측 서비스 요청에 따라 데이터베이스화된 물가 예측 자료를 상기 클라이언트에게 제공하는 단계를 포함하는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법을 제공한다.
또한, 본 발명의 다른 실시예에 따르면, 인터넷망을 이용한 물가 및 주가 예측 서비스 방법에 있어서, 일별 종가를 기준으로 기설정 기간 동안의 주가 마스터를 구축하는 단계와; 주가 마스터를 기반으로 주간/월간/분기/반기/연간 주가 서머리(summary) 데이터베이스를 생성하는 단계와; 기업군별 상관 품목(X)을 선정하는 단계와; 기업군 주가 변동 데이터 및 기업군별 상관 품목(X)의 가격 변동 데이터에 따라 상관 계수(R)를 계산하고, 계산되는 상관 계수(R)가 기설정 값 이상인지를 판단하는 단계와; 단계의 판단 결과, 계산되는 상관 계수(R)가 기설정 값 이상이면, 상관 품목을 확정하고, 기업군 상관 품목 데이터베이스를 생성하는 단계를 포함하는 것을 특징으로 하는 인터넷망을 이용한 물가 및 주가 예측 서비스 방법을 제공한다.
도 1은 본 발명에 따른 물가 예측 서비스 방법을 구현하기 위한 시스템 구성 블록도,
도 2는 본 발명의 일 실시예에 따른 물가 예측 서비스 과정의 흐름도,
도 3은 도 2의 물가 예측 서비스 과정에서 품목별 상관 데이터베이스를 생성하는 과정의 흐름도,
도 4는 도 2의 물가 예측 서비스 과정에서 재난 상관 데이터베이스를 생성하는 과정의 흐름도,
도 5는 본 발명에 따른 물가 및 주가 예측 서비스 방법을 구현하기 위한 시스템 구성 블록도,
도 6은 본 발명의 다른 실시예에 따른 물가 및 주가 예측 서비스 과정의 흐름도.
<도면의 주요 부분에 대한 부호의 설명>
100, 500 : 클라이언트
102, 502 : 인터넷망
104 : 물가 예측 서버
106 : 물가 마스터 데이터베이스
108, 508 : 예측 상관 데이터베이스
506 : 주가 마스터 데이터베이스
510 : 주가 서머리 데이터베이스
512 : 물가 서머리 데이터 베이스
514 : 기업별 상관 품목 데이터베이스
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세하게 설명한다.
설명에 앞서, 본 발명은 정기적으로 조사된 10만여 가지의 품목에 대한 물가 자료를 각 단체 혹은 개인의 관심에 맞는 형태로 과학적이고 통계적인 기법을 활용하여 가공한 후 이를 인터넷을 통하여 서비스하는 것을 그 특징으로 한다.
도 1은 본 발명에 따른 물가 예측 서비스 방법을 구현하기 위한 시스템 구성 블록도로서, 클라이언트(100), 인터넷망(102), 물가 예측 서버(104), 물가 마스터 DB(106) 및 예측 상관 DB(108)를 포함한다.
도시한 바와 같이, 클라이언트(100)는 PC(personal computer) 또는 워크스테이션 형태의 사용자측 단말로서, 인터넷망(102)을 통해 후술하는 물가 예측 서버(104)와 연결된다. 본 도면에서는 설명의 편의상 하나의 클라이언트(100)만 도시하였으나, 필요에 따라 다수개의 클라이언트들이 설정될 수 있으며, 이러한 사실은 본 발명의 기술 분야에서 통상의 지식을 가진 자는 용이하게 알 수 있을 것이다.
본 발명에 따른 물가 예측 서버(104)는 후술하는 물가 마스터 DB(106)로부터 제공되는 각 품목 자료에 대해 소정 기간, 예컨대, 과거 5년 간의 물가 DB를 구축하며, 구축되는 물가 DB에 따른 상관 DB를 생성하여 해당 클라이언트에게 물가 예측 서비스를 제공한다.
물가 마스터 DB(106)는 외부 연결 서버, 예컨대, 물가 조사 서버(도시 생략됨)로부터 제공되는 품목을 산업별, 품목군별, 조사 주기별, 유통 단계별 등으로 분류하여 상술한 물가 예측 서버(104)로 제공한다.
예측 상관 DB(108)에는 품목별 특성 DB, 품목별 상관 DB, 경제 지표 상관 DB, 국제 원자재 상관 DB, 재난 상관 DB, 지역 DB 등이 구축되어 있으며, 물가 예측 서버(104)에서 수행되는 물가 예측 서비스를 구현하기 위한 다양한 실시예로서 적용될 수 있다. 이러한 예측 상관 DB(108)의 상세한 설명은 후술하는 도 2의 흐름도에서 기술하기로 한다.
이하, 상술한 구성과 함께, 본 발명의 바람직한 일 실시예에 따른 물가 예측 서비스 과정을 첨부한 도 2의 흐름도를 참조하여 상세하게 설명한다.
먼저, 단계(S200)에서, 물가 예측 서버(104)는 각 품목별 물가 데이터베이스를 구축한다. 이러한 물가 데이터베이스 구축 단계는 각 품목에 대한 기설정 기간, 예컨대, 과거 5년 간의 물가의 평균치 데이터를 생성하는 단계로서, 월별, 분기별, 계절별, 반기별, 연별, 2년, 3년, 5년 등의 기간을 설정하여 이를 바탕으로 각 시점의 3개월 6개월, 12개월, 20개월 등의 이동 평균치를 생성하는 단계이다.
단계(2200)의 수행 후, 물가 예측 서버(104)는 단계(2202)로 진행하여 해당 요인별 변동 지수를 생성한다. 이러한 변동 지수는 순환적인 가격 패턴, 비연속적인 가격 패턴, 급격한 가격 패턴, 점진적 상향/하향 패턴, 일시적 상승/하향 패턴 등의 다양한 경우로부터 얻어질 수 있을 것이다.
먼저, 순환적인 가격 패턴은 계절별 변동이 있는 품목, 예컨대, 과일, 빙과류 등의 품목을 예로 들 수 있으며, 이러한 품목의 5년 간의 계절별 평균 가격을 도출한 후 요인별 변동 지수를 생성한다.
비연속적인 가격 패턴은 수출입 관세 혹은 환율 변화에 따라 변동하는 품목, 예컨대, 석유류, 열대 과일, 농수산물 등의 품목을 예로 들 수 있으며, 환율 변동 후 가격에 영향을 미치는데 걸리는 기간을 점검하여 요인별 변동 지수를 생성할 수 있을 것이다.
급격한 가격 패턴은 천재 지변 및 비상상황에 따라 변동하는 품목, 예컨대, 곡물등 농수산물, 석유류, 반도체, 화학제품 등의 품목을 예로 들 수 있다.
점진적 상향/하향 패턴은 기술변화, 발명, 발견에 따라 변동하는 품목, 예컨대, 시티폰, LP판 등의 품목을 예로 들 수 있다.
일시적 상승/하향 패턴은 유행 및 시대변화에 따라 변동하는 품목, 예컨대, 골프용품, 만화 캐릭터 등의 품목을 예로 들 수 있다.
이러한 요인별 변동 지수 생성 과정을 거친 후, 물가 예측 서버(104)는 단계(S204),(S206),(S208),(S210),(S212)로 진행하여 품목별 상관 DB, 재난 상관 DB, 경제지표 상관 DB, 국제 원자재 상관 DB, 지역 상관 DB를 생성한다.
도 3은 이러한 물가 예측 서비스 과정에서 품목별 상관 DB를 생성하는 과정을 보다 상세히 나타낸 도면이다.
도 3에 도시한 바와 같이, 단계(S300)에서 물가 예측 서버(104)는 소정 품목(A)의 가격에 영향을 주는 소정 개수, 예컨대, 50개의 관련 품목(X)을 선정하고, 단계(S302)로 진행한다.
단계(S302)에서 물가 예측 서버(104)는 상술한 물가 마스터 DB(106)를 통해 제공되는 품목(A)의 가격 변동 데이터와 품목(X)의 가격 변동 데이터를 입력하고 단계(S304)로 진행한다.
단계(S304)에서 물가 예측 서버(104)는 입력된 품목(A)의 가격 변동 데이터와 품목(X)의 가격 변동 데이터에 따른 상관 계수(R)를 계산하고 단계(S306)로 진행한다.
단계(S306)에서 물가 예측 서버(104)는 계산된 상관 계수(R)가 제 1 설정 값, 예컨대 0.5 이상인지를 판단한다.
단계(S306)의 판단 결과, 계산된 상관 계수(R)가 제 1 설정 값, 즉, 0.5 이상이면 단계(S308),(S310)로 진행하여 품목(A)을 상관 품목으로 확정하고 품목별상관 데이터베이스를 생성한다.
한편, 단계(S206)에서의 재난 상관 DB 생성 과정은 도 4에 도시되어 있다.
도 4에 도시한 바와 같이, 단계(S400)에서 물가 예측 서버(104)는 소정 개수, 예컨대, 30개의 재난별 상관 품목(X)을 선정하고 단계(S402)로 진행한다.
단계(S402)에서 물가 예측 서버(104)는 상술한 물가 마스터 DB(106)로부터 제공되는 상관 품목(X)의 가격 데이터를 입력받고, 단계(S404)로 진행한다.
단계(S404)에서 물가 예측 서버(104)는 입력되는 상관 품목(X)의 가격 데이터에 따라 상관 품목(X)의 가격 변동율(V)을 계산하고 단계(S406)로 진행한다.
단계(S406)에서 물가 예측 서버(104)는 계산되는 가격 변동율(V)이 제 2 설정 값, 예컨대, 5% 이상인지를 판단한다.
단계(S406)의 판단 결과, 계산된 가격 변동율(V)이 제 2 설정 값, 즉, 5% 이상이면, 물가 예측 서버(104)는 단계(S408),(S410)로 진행하여 품목(X)을 상관 품목으로 확정하고 재난 상관 데이터베이스를 생성한다.
다시 도 2를 참조하면, 물가 예측 서버(104)는 단계(S208)로 진행하여 경제 지표 상관 DB를 생성한다. 이러한 경제 지표 상관 DB는 정부 및 통계청에서 발표된 과거 5년 간의 각종 경제 지표를 수집하고, 경제 지표의 변동과 각 품목의 가격 변동과의 상관 계수를 도출하며, 상관 계수가 0.5 이상인 품목들을 선택함으로써 구현될 수 있다. 이러한 경제 지표 상관 DB 생성 과정은 앞서 기술한 품목별 상관 DB 생성 과정과 그 기술적 구현 방법이 유사한 바, 구체적인 설명은 생략하기로 한다.
또한, 물가 예측 서버(104)는 단계(S210)에서 국제 원자재 상관 DB를 생성한다. 이러한 국제 원자재 상관 DB 생성 과정은 과거 5년 간의 주요 원자재 가격 데이터를 수집하고, 원자재 가격의 변동과 각 품목의 가격 변동과의 상관 관계를 도출하여, 상관 계수가 0.5 이상인 품목들을 선택함으로써 구현될 수 있다. 이러한 국제 원자재 상관 DB 생성 과정은 앞서 기술한 품목별 상관 DB 생성 과정과 그 기술적 구현 방법이 유사한 바, 구체적인 설명은 생략하기로 한다.
또한, 물가 예측 서버(104)는 단계(S212)에서 지역 상관 DB를 생성한다. 즉, 지역별 주요 생산 품목 및 공급량, 영향지수를 기록한 지역 DB를 작성한다.
한편, 단계(S214)에서 물가 예측 서버(104)는 상술한 과정들로부터 생성되는 각 상관 DB를 참조하여 물가 예측 DB를 구축한다. 즉, 상술한 상관 DB를 생성하여 물가 예측 자료를 DB화하는 것이다.
구축된 물가 예측 DB는 필요로 하는 클라이언트에게 제공될 수 있다. 즉, 단계(S216)에서 물가 예측 서버(104)는 소정 클라이언트로부터의 물가 예측 서비스가 요청되는지를 판단하고, 물가 예측 서비스가 요청되면 물가 예측 서버(104)는 단계(S218)로 진행하여 상술한 데이터베이스화된 물가 예측 자료를 해당 클라이언트에게 제공한다.
즉, 본 발명의 바람직한 일 실시예는 개별 품목에 대한 유통별 가격 현황 및 월별 가격 변동 추세를 소정 클라이언트, 예컨대, 구매자에게 서비스하며, 특정 품목의 가격에 영향을 미치는 타 품목의 가격 동향을 분석하여 소정 클라이언트, 예컨대, 생산자에게 그 품목의 물가 변동을 예측, 제시할 수 있는 것을 그 특징으로 한다. 또한, 본 실시예는 각 품목들을 산업별, 관련 분야별로 분류하고, 각 품목군별로 물가 동향을 알 수 있는 여러 지수들을 생성하여 제시함으로써 경제 및 산업별 동향 분석 자료로 활용할 수 있도록 하며, 현재 발표되고 있는 각종 경제 지표들과 품목군별 물가 동향과의 관계를 분석하여 군별, 산업별 물가를 예측하여 소정 클라이언트, 예컨대, 투자 분석가에게 제시하는 것을 그 특징으로 한다.
다른 한편, 도 5는 본 발명의 다른 실시예에 따른 물가 및 주가 예측 서비스 방법을 구현하기 위한 시스템 구성 블록도로서, 클라이언트(500), 인터넷망(502), 물가-주가 상관 분석 서버(504), 주가 마스터 DB(506), 예측 상관 DB(508), 주가 서머리(summary) DB(510), 물가 서머리 DB(512) 및 기업별 상관 품목 DB(514)를 포함한다.
도 5의 구성도는 주가 예측 기능을 제외하고 상술한 도 1의 물가 예측 서비스 구성도와 동일한 바, 구체적인 구성 설명은 생략하기로 한다. 즉, 도 5는 물가와 주가의 가격 결정 구조가 동일하다는 개념을 이용한 실시예로서, 물가 예측 기능을 이용하여 기업 가치 평가, 즉 주가를 결정할 수 있으며, 주가 예측 기능을 이용하여 물가 예측에 활용할 수 있는 상호 보완 관계가 성립된다.
도 6은 이러한 도 5의 구성을 이용한 본 발명의 다른 실시예에 따른 물가 및 주가 예측 서비스 과정의 흐름도이다.
먼저, 단계(S600)에서 물가-주가 상관 분석 서버(504)는 일별 종가를 기준으로 기설정 기간, 예컨대, 최근 5년 간의 주가 마스터를 구축하고 단계(S602)로 진행한다.
단계(S602)에서 물가-주가 상관 분석 서버(504)는 주가 마스터를 기반으로주간/월간/분기/반기/연간 주가 서머리 DB를 생성한다.
단계(S604)에서 물가-주가 상관 분석 서버(504)는 기업군별 상관 품목(X)을 선정하고 단계(S606)로 진행한다. 즉, 기업군의 주요 생산품과 생산에 필수적인 재료 품목을 지정하는 것이다.
단계(S606)에서 물가-주가 상관 분석 서버(504)는 주가 마스터 DB(506)로부터 제공되는 기업군 주가 변동 데이터 및 기업군별 상관 품목(X)의 가격 변동 데이터를 입력받고 단계(S608)로 진행한다.
단계(S608)에서 물가-주가 상관 분석 서버(504)는 상술한 기업군 주가 변동 데이터 및 기업군별 상관 품목(X)의 가격 변동 데이터에 따른 상관 계수(R)를 계산하고, 단계(S610)로 진행하여 계산되는 상관 계수(R)가 기설정 값, 예컨대, 0.5 이상인지를 판단한다.
단계(S610)의 판단 결과, 계산되는 상관 계수(R)가 기설정 값, 즉, 0.5 이상이면, 물가-주가 상관 분석 서버(504)는 단계(S612),(S614)로 진행하여 상관 품목을 확정하고, 기업군 상관 품목 데이터베이스를 생성한다. 이때, 단계(S612)의 수행후, 물가-주가 상관 분석 서버(504)는 그 상관 계수를 기준으로 기업군들의 주가지수를 결정하는 "품목-주가 포뮬러(FORMULA)1"를 생성하고, 그 결과를 기업군의 기본 예측 지수로 활용한다. 또한 위와 동일한 프로세스로 개별 기업별로 "품목-주가 포뮬러2"를 생성하고, 기분 품목와 이 포뮬러1,2를 기본으로 기업별 상관 품목 DB를 구축한다. 이를 바탕으로 상술한 도 1의 물가 예측 기능으로 이벤트별 물가 예측이 1차로 진행되고 이를 바탕으로 기업별 상관 품목들의 물가 예측치를 얻으며, 각 포뮬러1,2에 의해 그 주가에 미치는 영향도를 얻을 수 있다.
즉, 본 발명의 다른 실시예는 각 기업의 생산 품목 및 구매 품목의 물가를 분석, 예측함으로써 각 기업의 주가 예측에 활용할 수 있도록 서비스하고, 각 주가의 변동과 관련된 품목들의 물가 변동과의 상관 관계를 도출하고 이를 바탕으로 주가 예측 자료를 소정 클라이언트, 예컨대, 주식 투자가, 투자 분석가 등에게 제공하는 것을 그 특징으로 한다.
이상, 본 발명의 바람직한 실시예들을 기술하였으나, 반드시 이에 한정되는 것은 아니다. 즉, 하기에 기술하는 특허청구범위내에서 변형 가능한 다양한 실시예들을 구현할 수 있으며, 이러한 사실은 본 발명의 기술 분야에서 통상의 지식을 가진 자는 용이하게 알 수 있을 것이다.
따라서, 본 발명은 각 품목에 대한 물가 자료를 각 단체 또는 개인의 특성에 맞는 형태로 과학적이고 통계적인 기법으로 활용하여 가공한 후 인터넷을 통해 서비스함으로써, 클라이언트에게 보다 다양한 서비스를 제공할 수 있는 효과가 있다.

Claims (10)

  1. 인터넷망을 이용한 물가 예측 서비스 방법에 있어서,
    각 품목별 물가 데이터베이스를 구축하고, 해당 요인별 변동 지수를 생성하는 단계와;
    상관 데이터베이스를 생성하여 물가 예측 자료를 데이터베이스화하는 단계와;
    소정 클라이언트로부터의 물가 예측 서비스 요청에 따라 상기 데이터베이스화된 물가 예측 자료를 상기 클라이언트에게 제공하는 단계를 포함하는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  2. 제 1 항에 있어서,
    상기 품목별 물가 데이터베이스 구축 단계는 각 품목에 대한 기설정 기간동안의 물가의 과거 평균치 데이터를 생성하는 단계인 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  3. 제 2 항에 있어서,
    상기 기설정 기간은 상기 클라이언트의 요구에 의해 설정되는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  4. 제 1 항에 있어서,
    상기 상관 데이터베이스는 품목별 상관 데이터베이스, 재난 상관 데이터베이스, 경제 지표 상관 데이터베이스, 국제 원자재 상관 데이터 베이스 및 지역 상관 데이터베이스로 이루어지는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  5. 제 1 항 또는 제 4 항에 있어서,
    상기 품목별 상관 데이터 베이스 생성 단계는,
    소정 품목(A)의 가격에 영향을 주는 소정 개수의 관련 품목(X)을 선정하는 단계와;
    상기 품목(A)의 가격 변동 데이터와 상기 품목(X)의 가격 변동 데이터를 입력하여 상관 계수(R)를 계산하고, 계산된 상관 계수(R)가 제 1 설정 값 이상인지를 판단하는 단계와;
    상기 단계의 판단 결과, 계산된 상관 계수(R)가 제 1 설정 값 이상이면 상기 품목(A)을 상관 품목으로 확정하고 품목별 상관 데이터베이스를 생성하는 단계로 이루어지는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  6. 제 1 항 또는 제 4 항에 있어서,
    상기 재난 상관 데이터베이스 생성 단계는,
    소정 개수의 재난별 상관 품목(X)을 선정하는 단계와;
    상기 상관 품목(X)의 가격 데이터에 따라 상기 상관 품목(X)의 가격 변동율(V)을 계산하고, 계산되는 가격 변동율(V)이 제 2 설정 값 이상인지를 판단하는 단계와;
    상기 단계의 판단 결과, 계산된 가격 변동율(V)이 제 2 설정 값 이상이면 상기 품목(X)을 상관 품목으로 확정하고 재난 상관 데이터베이스를 생성하는 단계로 이루어지는 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  7. 제 5 항에 있어서,
    상기 제 1 설정 값은 0.5인 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  8. 제 6 항에 있어서,
    상기 제 2 설정 값은 5%인 것을 특징으로 하는 인터넷망을 이용한 물가 예측 서비스 방법.
  9. 인터넷망을 이용한 물가 및 주가 예측 서비스 방법에 있어서,
    일별 종가를 기준으로 기설정 기간 동안의 주가 마스터를 구축하는 단계와;
    상기 주가 마스터를 기반으로 주간/월간/분기/반기/연간 주가 서머리(summary) 데이터베이스를 생성하는 단계와;
    기업군별 상관 품목(X)을 선정하는 단계와;
    기업군 주가 변동 데이터 및 상기 기업군별 상관 품목(X)의 가격 변동 데이터에 따라 상관 계수(R)를 계산하고, 상기 계산되는 상관 계수(R)가 기설정 값 이상인지를 판단하는 단계와;
    상기 단계의 판단 결과, 상기 계산되는 상관 계수(R)가 기설정 값 이상이면, 상관 품목을 확정하고, 기업군 상관 품목 데이터베이스를 생성하는 단계를 포함하는 것을 특징으로 하는 인터넷망을 이용한 물가 및 주가 예측 서비스 방법.
  10. 제 9 항에 있어서,
    상기 기설정 값은 0.5인 것을 특징으로 하는 인터넷망을 이용한 물가 및 주가 예측 서비스 방법.
KR1020000064658A 2000-11-01 2000-11-01 인터넷망을 이용한 물가 및 주가 예측 서비스 방법 KR20020034007A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020000064658A KR20020034007A (ko) 2000-11-01 2000-11-01 인터넷망을 이용한 물가 및 주가 예측 서비스 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000064658A KR20020034007A (ko) 2000-11-01 2000-11-01 인터넷망을 이용한 물가 및 주가 예측 서비스 방법

Publications (1)

Publication Number Publication Date
KR20020034007A true KR20020034007A (ko) 2002-05-08

Family

ID=19696684

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000064658A KR20020034007A (ko) 2000-11-01 2000-11-01 인터넷망을 이용한 물가 및 주가 예측 서비스 방법

Country Status (1)

Country Link
KR (1) KR20020034007A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140045418A (ko) * 2011-05-23 2014-04-16 사우디 아라비안 오일 컴퍼니 완전 원유의 지연 코킹을 위한 공정
KR20200004183A (ko) 2018-07-03 2020-01-13 주식회사 데이타솔루션 기사 검색을 이용한 물가 예측 시스템 및 방법
KR20220109632A (ko) * 2021-01-29 2022-08-05 인하대학교 산학협력단 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000090150A (ja) * 1998-09-10 2000-03-31 Cwl:Kk 傾向線による株価予測方法および装置
KR20000037020A (ko) * 2000-04-04 2000-07-05 원종호 네트워크망 이용한 가상 주식정보서비스 제공장치 및 그방법
WO2000046714A2 (en) * 1999-02-05 2000-08-10 Dlj Long Term Investment Corporation Techniques for measuring transaction costs and scheduling trades on an exchange
KR20010029839A (ko) * 1999-09-14 2001-04-16 선종기 주가 예측방법 및 시스템
KR20010108557A (ko) * 2000-05-29 2001-12-08 최광훈 인터넷상에서 주가예측게임으로 확보된 정보를 이용한주가예측방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000090150A (ja) * 1998-09-10 2000-03-31 Cwl:Kk 傾向線による株価予測方法および装置
WO2000046714A2 (en) * 1999-02-05 2000-08-10 Dlj Long Term Investment Corporation Techniques for measuring transaction costs and scheduling trades on an exchange
KR20010029839A (ko) * 1999-09-14 2001-04-16 선종기 주가 예측방법 및 시스템
KR20000037020A (ko) * 2000-04-04 2000-07-05 원종호 네트워크망 이용한 가상 주식정보서비스 제공장치 및 그방법
KR20010108557A (ko) * 2000-05-29 2001-12-08 최광훈 인터넷상에서 주가예측게임으로 확보된 정보를 이용한주가예측방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140045418A (ko) * 2011-05-23 2014-04-16 사우디 아라비안 오일 컴퍼니 완전 원유의 지연 코킹을 위한 공정
KR20200004183A (ko) 2018-07-03 2020-01-13 주식회사 데이타솔루션 기사 검색을 이용한 물가 예측 시스템 및 방법
KR20220109632A (ko) * 2021-01-29 2022-08-05 인하대학교 산학협력단 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
Ilham et al. The Effect Of Technical Analysis On Cryptocurrency Investment Returns With The 5 (Five) Highest Market Capitalizations In Indonesia
Chan et al. Global supplier development considering risk factors using fuzzy extended AHP-based approach
Bala Improving inventory performance with clustering based demand forecasts
KR100639505B1 (ko) 주가정보의 제공방법
Konings et al. Gross job flows in Ukraine: Size, ownership and trade effects
Gustriansyah et al. Single exponential smoothing method to predict sales multiple products
KR20220076012A (ko) Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템
Mohamed et al. Mid-term electricity price forecasting using SVM
Schiff et al. Regional integration and technology diffusion: the case of the North America free trade agreement
Wang et al. A reliable location design of unmanned vending machines based on customer satisfaction
Yaman et al. Decision tree based customer analysis method for energy planning in smart cities
KR20020034007A (ko) 인터넷망을 이용한 물가 및 주가 예측 서비스 방법
Wu et al. Application of data mining in customer relationship management
Balash et al. Analysis of news flow dynamics based on the company co-mention network characteristics
Bhadury et al. Constructing a Coincident Economic Indicator for India: How Well Does It Track Gross Domestic Product?
Keon et al. Call Center Call Count Prediction Model by Machine Learning
Muthu et al. SARIMA Model for Forecasting Price Indices Fluctuations
Angelo et al. Comparative analysis of ARIMA and prophet algorithms in bitcoin price forecasting
Tran et al. Key economic sectors and their transitions: analysis of world input-output network
Nassibi et al. Demand Forecasting Models for Food Industry by Utilizing Machine Learning Approaches
Hung Using Cloud Services to Develop Marketing Information System Applications
Sharawi et al. Utilization of data visualization for knowledge discovery in modern logistic service companies
Banditvilai et al. Forecasting Models for Thailand’s Electrical Appliances Export Values
Liang Forecasting International Tourism Demand Using the Recurrent Neural Network Model with Genetic Algorithms and ARIMAX Model in Tourism Supply Chains
Balashirin The use of fuzzy numbers for the rational choice of the structure of the distribution channel of goods

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application