KR20200039852A - 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 - Google Patents

기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 Download PDF

Info

Publication number
KR20200039852A
KR20200039852A KR1020180115451A KR20180115451A KR20200039852A KR 20200039852 A KR20200039852 A KR 20200039852A KR 1020180115451 A KR1020180115451 A KR 1020180115451A KR 20180115451 A KR20180115451 A KR 20180115451A KR 20200039852 A KR20200039852 A KR 20200039852A
Authority
KR
South Korea
Prior art keywords
analysis
machine learning
learning algorithm
business management
predictive modeling
Prior art date
Application number
KR1020180115451A
Other languages
English (en)
Inventor
이혜영
Original Assignee
주식회사 알스피릿
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 주식회사 알스피릿 filed Critical 주식회사 알스피릿
Priority to KR1020180115451A priority Critical patent/KR20200039852A/ko
Publication of KR20200039852A publication Critical patent/KR20200039852A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 다각도의 복합적인 데이터 온라인 분석 시스템을 제공하는 데에 있어 다양한 분석 지표 딥러닝 기반 효과적인 경영현황 분석 예측 모델을 제공하여 미래주가 예측 값을 산출할 수 있다. 또한, 높은 정확도의 경영현황 분석 예측 모델을 제공하기 위해, 다양한 지표를 시계열 데이터로 일별 수집하여, 전처리 및 지표별 딥러닝 모델을 생성하는 과정을 순환 반복하며, 기업의 온라인 키워드를 통한 감성분석을 수행하여, 높은 정확도의 예측 값을 제공 할 수 있다.

Description

기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 {METHOD FOR ANALYSIS OF BUSINESS MANAGEMENT SYSTEM PROVIDING MACHINE LEARNING ALGORITHM FOR PREDICTIVE MODELING}
본 발명은 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법에 관한 것으로서, 보다 상세하게는, 경영현황에 영향을 주는 영향요인을 결정하고 분석하여 예측 모델은 생성하고, 이를 통해 미래 주가를 예측하는 기계학습 알고리즘 제공 방법에 관한 것이다.
일반적으로 기업은 변하는 주위 상황에 따라서 끊임없이 변해야만 생존할 수 있다. 특히 글로벌 경제시대의 도래에 따라 기업의 운영에 영향을 미치는 수많은 상황들이 발생하고, 이에 적극적으로 대처하지 못하면 위기에 빠지거나 도산에 이르게 되는 기업들이 수없이 발생하고 있으며, 그렇기 때문에 기업들은 계속해서 경영 혁신을 시도하고 이러한 경영 혁신을 통해 지속적인 발전을 꾀하고 있다.
이에 따라, 기업의 운영 전반에 대한 진단을 통해 기업 구조를 고도화하고 리스크 사후관리를 도모하는 것이 필수적으로 요구되고 있으며, 이러한 기업 운영 전반에 대한 진단방법 및 시스템의 중요성이 갈수록 커지고 있다.
또한, 이러한 기업의 진단방법 및 시스템은 수많은 유형의 기업들과 수많은 종류의 상황에 대응할 수 있으면서도 진단에 의한 분석결과뿐 아니라 해결책 또한 제시할 수 있어야 하고 그 결과와 해결책이 객관성과 신뢰도가 있어야 한다. 그리고 진단결과를 산출할 수 있는 진단 시스템과 진단 방법은 상기와 같이 객관적이면서 실질적인 효과를 가져 올 수 있어야 한다.
국내외 기업에 대한 대용량의 기업에 대한 연구 정보들은 누적되어 있으나 다양한 각도에서의 경영 환경분석은 미흡하며 주식시장 온/오프라인 데이터 서비스들 또한 근거 기반한 과학적인 환경 분석 및 투자예측 정확률은 높지 않다는 문제점이 존재하고 있다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 기업 경영 내부현황 데이터뿐만 아니라 외부(정치, 경제, 정책, 사회 과학기술 변화, SNS 소통) 등 다각도의 복합적인 데이터 온라인 분석 시스템을 제공하는 데에 있어 다양한 분석 지표 딥러닝 기반 효과적인 경영현황 분석 예측 모델을 제공하는데 그 목적이 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 일 실시예에 따라, 서버에 의해 수행되는 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법은, (a) 경영 현황 지표에 대해 수신하는 단계; (b) 상기 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석하는 단계; (c) 상기 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성하는 단계; (d) 상기 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행하는 단계; 및 (e) 상기 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출하는 단계;를 포함할 수 있다.
또한, 본 발명의 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하는 서버는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 프로그램이 저장된 메모리; 및 상기 프로그램을 실행하는 프로세서를 포함하되, 상기 프로세서는 상기 프로그램의 실행에 따라, 기업재무, 날씨, 정치, 정책, 사회 트렌드, 통계 및 교통 중 어느 하나 이상의 지표에 대해 수신하고, 상기 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석하고, 상기 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성하고, 상기 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행하고, 상기 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출할 수 있다.
본 발명은 다각도의 복합적인 데이터 온라인 분석 시스템을 제공하는 데에 있어 다양한 분석 지표 딥러닝 기반 효과적인 경영현황 분석 예측 모델을 제공하여 미래주가 예측 값을 산출할 수 있다.
또한, 높은 정확도의 경영현황 분석 예측 모델을 제공하기 위해, 다양한 지표를 시계열 데이터로 일별 수집하여, 전처리 및 지표별 딥러닝 모델을 생성하는 과정을 순환 반복하며, 기업의 온라인 키워드를 통한 감성분석을 수행하여, 높은 정확도의 예측 값을 제공 할 수 있다.
도 1은 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하기 위한 시스템에 관한 구조도 이다.
도 2는 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 설명하기 위한 순서도 이다.
도 3은 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법의 예측모델 및 감성분석에 기초하여 미래 주가 예측값을 산출 방법을 설명하기 위한 순서도 이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "단말"은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), VR HMD(예를 들어, HTC VIVE, Oculus Rift, GearVR, DayDream, PSVR 등)등을 포함할 수 있다. 여기서, VR HMD 는 PC용 (예를 들어, HTC VIVE, Oculus Rift, FOVE, Deepon 등)과 모바일용(예를 들어, GearVR, DayDream, 폭풍마경, 구글 카드보드 등) 그리고 콘솔용(PSVR)과 독립적으로 구현되는 Stand Alone 모델(예를 들어, Deepon, PICO 등) 등을 모두 포함한다. 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 스마트폰(smart phone), 태블릿 PC, 웨어러블 디바이스뿐만 아니라, 블루투스(BLE, Bluetooth Low Energy), NFC, RFID, 초음파(Ultrasonic), 적외선, 와이파이(WiFi), 라이파이(LiFi) 등의 통신 모듈을 탑재한 각종 디바이스를 포함할 수 있다. 또한, "네트워크"는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
이하 도 1을 참조하여, 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하기 위한 시스템에 대해 구체적으로 설명한다.
본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하기 위한 시스템(10)은, 서버(100) 및 사용자 단말(200)을 포함할 수 있으며, 서버(100) 및 사용자 단말(200)은 유/무선 네트워크를 통해 연결될 수 있다.
서버(100)는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 프로그램이 저장된 메모리; 및 프로그램을 실행하는 프로세서를 포함하되, 프로세서는 프로그램의 실행에 따라, 기업재무, 날씨, 정치, 정책, 사회 트렌드, 통계 및 교통 중 어느 하나 이상의 지표에 대해 수신하고, 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석하고, 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성하고, 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행하고, 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출할 수 있다.
서버(100)는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법에 의해 산출된 예측 값을 단말(200)로 제공할 수 있다.
단말(200)은 사용자가 소지하는 디바이스 또는 특정 장소에 설치된 컴퓨팅 장치로서, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 프로그램이 설치되어 있을 수 있다.
이하 도 2 내지 도 3을 참조하여, 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법에 대해 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법에 대한 순서도이다.
본 발명의 일 실시예에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘은 서버에 의해 수행되며, 경영 현황 지표에 대해 수신하여, 다양한 지표를 정의할 수 있다(S210).
이때, 수신하여 정의되는 경영 현황 지표는 기업재무, 날씨, 정치, 정책, 사회 트렌드, 통계 및 교통 중 어느 하나 이상의 지표가 될 수 있으며, 과거의 통계 자료를 포함할 수 있다.
본 발명의 추가 실시예로써, 특정 기업의 시간 별 거래량을 포함하는 상기 기업의 과거 데이터를 포함할 수 있으며, 실시간으로 수집되는 데이터를 더 포함 할 수 있다.
예를 들어, 특정 기업에 대해 작게는 시간 별, 크게는 분기 별로 거래량의 통계를 수집하고, 수집된 데이터를 기업의 경영 현황 지표에 포함할 수 있으며, 실시간으로 수집되는 시간 별 통계 자료도 반영하여, 후술되는 예측모델을 생성하는데 활용할 수 있다.
즉, 수신된 지표에 대한 데이터를 시계열 데이터로 일별로 수집하여 데이터화 할 수 있다.
이후 서버(100)는, 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석할 수 있다(S220).
영향요인은, 기업의 업종 및 테마 중 하나 이상을 고려하여 결정되되, 영향요인 분석, 관계분석 및 상관분석 중 하나 이상의 분석에 기초하여 결정될 수 있다.
이때, 기업의 경영현황에 영향을 주는 요인은, 날씨, 통계, 회사, 경제 경기 및 업종 부문으로 분류할 수 있다.
예를 들어, 날씨 부문은, 운송업, 수산업 및 농업 등에 관련이 있는 강수량 및 해양의 날씨 데이터가 될 수 있으며, 운송업과 관련된 항공기상 관측 데이터, 관련주 및 제조업에 관련이 있는 황사 및 풍향 관측데이터가 될 수 있다.
또한, 농업 생산과 관련한, 농업 주산지 상세 기상정보 데이터, 유통업 및 관광업 등에 관련된 태풍정보 관측 데이터 등이 될 수 있다.
상술한 데이터는 csv 파일로 다운이 가능하며 몇몇 항목은 open API로 다운이 가능한 오픈 된 데이터 이다.
통계 부문은 인구 통계 등을 예로 들수 있으며, 조사한 수치들을 바탕으로 장기적으로 봤을 때 회사의 비전을 파악하는 데이터가 될 수 있다.
국내 월별 외국인 입국자의 통계를 바탕으로 관광업의 현황 데이터, 소비자동향지수를 토대로 세대별, 성별 및 주제별 소비량 현황을 파악하여, 기업에 끼치는 영향을 추측할 수 있다(KOSIS 같은 경우에는 CSV 다운을 제공하고 있다).
회사 부문은, 분기 보고서와 사업 보고서를 통해 회사의 현황을 파악할 수 있으며, 보유 주식 현황을 통해 회사의 구조를 파악할 수 있고, 관련하여, 전자공시 시스템에서는 PDF 파일로 다운로드가 제공되고 있다.
경제 경기 부문은 경제 심리 지수를 파악해 소비자들의 현황과 회사의 미래를 파악할 수 있으며, 과거의 무역경기 심리지수와 무역을 하는 회사의 영업이익을 비교하여 새로운 지표를 생성할 수 있다. 지표가 설명력이 있다고 판단되면 무역 경기 심리지수를 파악해 회사의 영업이익이나 무역수지를 예측할 수 있다.
아울러, 업종 부문은 업종별로 현금의 흐름과 성장성지표를 파악해 업종의 안정성과 성장 정도에 대한 파악이 가능할 수 있으며, 업종별 대기업과 중소기업을 구분해 각 지표가 얼마나 영향을 미치는지 예측할 수 있다.
서버(100)는, 영향요인에 대한 부석을 수행한 이후, 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성할 수 있다(S230).
여기서, 예측모델은, 지표에 대한 딥러닝 모델로써, 순환 신경망(RNN) 알고리즘에 기반하여 데이터를 학습하는 모델일 수 있다.
순환 신경망(RNN) 알고리즘에 기반하여 데이터를 학습하는 모델은 추후 후술하는 감성분석과 연관하여 구체적으로 서술하도록 한다.
이후 서버(100)는, 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행할 수 있다(S240).
이때, 기업과 관련된 온라인 키워드를 크롤링할 수 있으며, 포털 사이트나 통계 데이터 등의 자료를 활용할 수 있다(S241).
크롤링 된 데이터에서 기업의 온라인 평판, 브랜드 평판, 브랜드 인지도, 고객 리뷰 중 어느 하나 이상의 무형적인 정량 데이터를 추출할 수 있다(S242).
추출된 데이터를 통해, 온라인 키워드를 감성분석 하여, 온라인 키워드에 대해 긍정, 중립 및 부정 중 어느 하나로 분류할 수 있다(S243).
추출 및 분류를 수행한 이후, 상기 예측모델 및 감성분석에 대한 데이터를 순환 신경망(RNN) 알고리즘에 기반하여 딥러닝 모델을 생성할 수 있다(S244).
이하에서, 상술한 딥러닝을 수행하는 과정에 대해 구체적인 예를 들어 설명한다.
날씨와 관련하여, 텍스트 마이닝을 수행하고, 사람들이 날씨변화가 일어나는 경우 심리 변화나 많이 찾게 되는 서비스가 있는지에 대한 데이터를 수집하여 변화에 얼마나 민감하게 반응하는지 파악하여 온도와 소비량과의 관계에 대해 예측할 수 있다.
먼저 기상청(RSS)에서 과거의 온도 데이터를 수집하고 소비량 또는 활동 변화와의 상관 관계 분석을 수행할 수 있다(통계청 또는 포털 사이트).
상관 관계 분석이 유효하다는 확인이 되면, 기상청(RSS)에서 과거의 온도 데이터를 가져오고 소비량데이터와 활동변화에 따른 소비량 증가나 손해를 보는 기업에 대한 데이터를 수집할 수 있다. 이후, 예측되는 온도를 토대로 소비량 또는 기업 환경에 어떠한 영향을 주는지를 예측할 수 있다.
또한, 정치나 정책에 대해서는, 텍스트 마이닝으로 전반적으로 정치적 사안에 대해서 불안한 감정을 가지거나 만족하는 감정을 가지는지 파악하고, 정치적 사안의 중대성과 해외 반응에 대해 수집할 수 있다.
정치 혹은 정책에 대한 사람들의 반응을 SNS 및 포털 사이트를 통해 수집하는 감성분석을 수행할 수 있다.
해외에서 먼저 시행한 정책의 경우, 해당 정책이 어떤 결과를 미쳤는지 파악할 수 있으며, 해외 회사에서 정책 이후에 시간에 따른 변화를 수집하고 국내 관련된 업종 회사에 미칠 영향을 예측할 수 있다.
정책에 대한 사람들의 감정이나 정치인들의 말을 통해 정책이 바뀔 가능성이 있는지에 대한 여부도 감성 분석을 통해 확인할 수 있다.
사회 트렌드의 경우, 텍스트 마이닝으로 사람들이 생각이 변화하는 과정에서 무엇이 가장 중요한지 파악하고, 트렌드를 주도하는 기술의 성장 경향을 파악하고, 기술에 대한 사람들의 관심이나 감정 등을 파악한다.
해외에 비슷한 사례가 있는지 찾아보고 혹은 다른 기술의 경우를 참고하여 딥러닝 모델을 생성할 수 있으며, 차후 성장 정도를 예측하여 관련 기업에 얼마나 영향을 줄수 있는지 파악할 수 있다.
위와 같은 방법을 통해 순환 신경망(RNN) 알고리즘에 기반하여 딥러닝 모델을 생성할 수 있다.
이후 서버(100)는, 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출할 수 있다(S250).
이때, 서버(100)는 딥러닝 모델을 생성함에 있어서, 기업의 실시간 주가를 고려하여 생성할 수 있다.
즉, 생성한 예측 모델과 감성 분석에 대한 결과 치에 현재 기업의 주가를 포함하여, 다음날 기업의 주가의 예측 범주를 결정하여 제공할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 시스템
100: 서버 200: 단말

Claims (11)

  1. 서버에 의해 수행되는 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법에 있어서,
    (a) 경영 현황 지표에 대해 수신하는 단계;
    (b) 상기 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석하는 단계;
    (c) 상기 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성하는 단계;
    (d) 상기 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행하는 단계; 및
    (e) 상기 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출하는 단계;
    를 포함하는,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  2. 제 1 항에 있어서,
    상기 (a) 단계의,
    경영현황 지표는,
    기업재무, 날씨, 정치, 정책, 사회 트렌드, 통계 및 교통 중 어느 하나 이상의 지표인 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  3. 제 1 항에 있어서,
    상기 (a) 단계의,
    상기 지표는,
    상기 기업의 시간별 거래량을 포함하는 상기 기업의 과거 데이터를 포함하며, 실시간으로 수집되는 데이터를 더 포함하는 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  4. 제 3 항에 있어서,
    상기 수신된 지표에 대한 데이터를 시계열 데이터로 일별로 수집하는 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  5. 제 1 항에 있어서,
    상기 (b) 단계의,
    상기 영향요인은,
    상기 기업의 업종 및 테마 중 하나 이상을 고려하여 결정되되, 영향요인 분석, 관계분석 및 상관분석 중 하나 이상의 분석에 기초하여 결정되는 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  6. 제 1 항에 있어서,
    상기 (c) 단계의,
    상기 예측모델은,
    상기 지표에 대한 딥러닝 모델로써, 순환 신경망(RNN) 알고리즘에 기반하여 데이터를 학습하는 모델인 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  7. 제 1 항에 있어서,
    상기 (d) 단계는,
    상기 기업과 관련된 온라인 키워드를 크롤링하여, 상기 기업의 온라인 평판, 브랜드 평판, 브랜드 인지도, 고객 리뷰 중 어느 하나 이상의 무형적인 정량 데이터를 추출하는 단계를 더 포함하는,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  8. 제 7 항에 있어서,
    상기 (d) 단계는,
    상기 온라인 키워드를 감성분석 하여, 상기 온라인 키워드에 대해 긍정, 중립 및 부정 중 어느 하나로 분류하는 단계를 더 포함하는,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  9. 제 1 항에 있어서,
    상기 (e) 단계는,
    상기 예측모델 및 감성분석에 대한 데이터를 순환 신경망(RNN) 알고리즘에 기반하여 딥러닝 모델을 생성하되, 상기 기업의 실시간 주가를 고려하는 단계를 더 포함하는 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법.
  10. 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하는 서버에 있어서,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 프로그램이 저장된 메모리; 및
    상기 프로그램을 실행하는 프로세서를 포함하되,
    상기 프로세서는 상기 프로그램의 실행에 따라,
    기업재무, 날씨, 정치, 정책, 사회 트렌드, 통계 및 교통 중 어느 하나 이상의 지표에 대해 수신하고, 상기 기업의 경영현황에 영향을 주는 영향요인을 결정하고 분석하고, 상기 분석된 요인에 기반하여, 각 지표에 대한 예측모델을 생성하고, 상기 기업과 연관된 온라인 키워드를 추출하고 감성분석을 수행하고, 상기 예측모델 및 감성분석에 기초하여 미래 주가 예측 값을 산출하는 것인,
    기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하는 서버.
  11. 제 1 항에 따르는, 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법을 수행하기 위한 컴퓨터 프로그램이 기록 된 컴퓨터 판독가능 기록 매체.

KR1020180115451A 2018-09-28 2018-09-28 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 KR20200039852A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180115451A KR20200039852A (ko) 2018-09-28 2018-09-28 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180115451A KR20200039852A (ko) 2018-09-28 2018-09-28 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법

Publications (1)

Publication Number Publication Date
KR20200039852A true KR20200039852A (ko) 2020-04-17

Family

ID=70460731

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180115451A KR20200039852A (ko) 2018-09-28 2018-09-28 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법

Country Status (1)

Country Link
KR (1) KR20200039852A (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723942A (zh) * 2020-06-29 2020-09-29 南方电网科学研究院有限责任公司 一种企业用电负荷预测方法、电网业务子系统及预测系统
CN112116465A (zh) * 2020-06-04 2020-12-22 上海金融期货信息技术有限公司 基于深度学习模型的成交持仓比预测方法和系统
CN113393279A (zh) * 2021-07-08 2021-09-14 北京沃东天骏信息技术有限公司 一种订单数量的预估方法及系统
KR102370781B1 (ko) 2021-04-13 2022-03-07 넷플러스 주식회사 기업 현황 파악 및 예측 경영정보 시스템 및 그 구동방법
KR20220076103A (ko) * 2020-11-30 2022-06-08 경희대학교 산학협력단 정형-비정형 데이터의 연계를 기반으로 기업성장지수를 제공하는 방법 및 시스템
KR20220097005A (ko) * 2020-12-31 2022-07-07 주식회사 세윤씨앤에스 기업정보를 이용한 기업 평가 시스템
WO2023075497A1 (ko) * 2021-10-29 2023-05-04 주식회사 벡스인텔리전스 기업 정보를 이용한 기업 미래 성장지수 분석 시스템
KR102696773B1 (ko) * 2023-03-30 2024-08-21 주식회사 오토핸즈 중고차 거래를 중개하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116465A (zh) * 2020-06-04 2020-12-22 上海金融期货信息技术有限公司 基于深度学习模型的成交持仓比预测方法和系统
CN112116465B (zh) * 2020-06-04 2023-09-29 上海金融期货信息技术有限公司 基于深度学习模型的成交持仓比预测方法和系统
CN111723942A (zh) * 2020-06-29 2020-09-29 南方电网科学研究院有限责任公司 一种企业用电负荷预测方法、电网业务子系统及预测系统
CN111723942B (zh) * 2020-06-29 2024-02-02 南方电网科学研究院有限责任公司 一种企业用电负荷预测方法、电网业务子系统及预测系统
KR20220076103A (ko) * 2020-11-30 2022-06-08 경희대학교 산학협력단 정형-비정형 데이터의 연계를 기반으로 기업성장지수를 제공하는 방법 및 시스템
KR20220097005A (ko) * 2020-12-31 2022-07-07 주식회사 세윤씨앤에스 기업정보를 이용한 기업 평가 시스템
KR102370781B1 (ko) 2021-04-13 2022-03-07 넷플러스 주식회사 기업 현황 파악 및 예측 경영정보 시스템 및 그 구동방법
CN113393279A (zh) * 2021-07-08 2021-09-14 北京沃东天骏信息技术有限公司 一种订单数量的预估方法及系统
WO2023075497A1 (ko) * 2021-10-29 2023-05-04 주식회사 벡스인텔리전스 기업 정보를 이용한 기업 미래 성장지수 분석 시스템
KR102696773B1 (ko) * 2023-03-30 2024-08-21 주식회사 오토핸즈 중고차 거래를 중개하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Similar Documents

Publication Publication Date Title
Wang et al. Crude oil price forecasting based on internet concern using an extreme learning machine
US11487941B2 (en) Techniques for determining categorized text
Wang et al. Industrial big data analytics: challenges, methodologies, and applications
US10977293B2 (en) Technology incident management platform
KR20200039852A (ko) 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법
Visconti et al. Big data-driven value chains and digital platforms: From value co-creation to monetization
Sridhar et al. Multi-head self-attention transformer for dogecoin price prediction
US20220343433A1 (en) System and method that rank businesses in environmental, social and governance (esg)
US11544627B1 (en) Machine learning-based methods and systems for modeling user-specific, activity specific engagement predicting scores
KR102146546B1 (ko) 상황인지 기반의 기업주가예측 알고리즘 제공 방법
Dai et al. Continuous audit intelligence as a service (CAIaaS) and intelligent app recommendations
Ferencek et al. Data quality assessment in product failure prediction models
CN114693409A (zh) 产品匹配方法、装置、计算机设备、存储介质和程序产品
Bari et al. Ensembles of text and time-series models for automatic generation of financial trading signals from social media content
US20200357049A1 (en) Tuning hyperparameters for predicting spending behaviors
Jamarani et al. Big data and predictive analytics: A sytematic review of applications
Nguyen et al. Estimating county health indices using graph neural networks
Malawana et al. The Public Sentiment analysis within Big data Distributed system for Stock market prediction–A case study on Colombo Stock Exchange
Kumar et al. Stocks Analysis and Prediction of Indian Oil Trading Using Big Data Analytics
US20230066770A1 (en) Cross-channel actionable insights
Sakib et al. Enhanced Multi-variate Time Series Prediction Through Statistical-Deep Learning Integration: The VAR-Stacked LSTM Model
WO2022271431A1 (en) System and method that rank businesses in environmental, social and governance (esg)
Behera et al. Machine Learning for Customer Segmentation Through Bibliometric Approach
Deepa et al. Advanced machine learning for enterprise IoT modeling
Bodaghi et al. A financial anomaly prediction approach using semantic space of news flow on twitter

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination