KR20220076393A - A System and Method for Comparing Rank Information - Google Patents
A System and Method for Comparing Rank Information Download PDFInfo
- Publication number
- KR20220076393A KR20220076393A KR1020210168822A KR20210168822A KR20220076393A KR 20220076393 A KR20220076393 A KR 20220076393A KR 1020210168822 A KR1020210168822 A KR 1020210168822A KR 20210168822 A KR20210168822 A KR 20210168822A KR 20220076393 A KR20220076393 A KR 20220076393A
- Authority
- KR
- South Korea
- Prior art keywords
- ranking
- ranking information
- function value
- information
- items
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 55
- 238000004458 analytical method Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 1
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
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
Abstract
본 발명은 순위정보 비교 시스템 및 방법에 관한 것으로, 복수의 아이템에 대한 제1 순위정보 및 제2 순위정보를 수신하는 순위정보 수신부 및 상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산하는 함수값 계산부를 포함하고, 상기 함수값 계산부는 상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산할 수 있다.The present invention relates to a ranking information comparison system and method, and a ranking information receiving unit for receiving first ranking information and second ranking information for a plurality of items, and a ranking different from the first ranking information of each of the plurality of items, and the and a function value calculation unit for calculating a function value indicating a difference in ranking according to second ranking information, wherein the function value calculation unit is ranked according to the first ranking information of the item of high rank based on the first ranking information and calculating the function value so as to give a high weight to the difference in rank according to the second rank information.
Description
본 발명은 순위정보 비교 시스템 및 방법에 관한 것으로, 복수의 아이템에 대해 두 가지 방법으로 결정한 순위 정보의 유사도를 비교하여 제공하는 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for comparing ranking information, and to a system and method for comparing and providing a degree of similarity between ranking information determined by two methods for a plurality of items.
복수의 아이템에 대하여 다양한 방법으로 순위 정보를 생성하고 이를 통해 필요한 아이템을 선정하는 것은 다양한 분야에서 사용되고 있다. 특히 금융 분야에서는 복수의 투자 상품들에 대해서 순위 정보를 생성하고 이를 통해 투자 대상 상품을 선정하는 데에 활용될 수 있다.Generating ranking information in various ways with respect to a plurality of items and selecting a necessary item through this is used in various fields. In particular, in the financial field, ranking information for a plurality of investment products can be generated and used to select an investment target product through this.
종래기술인 한국공개특허 제10-2013-0123663호, "주식종목 순위 분석 시스템 및 이를 이용한 주식종목 선택 방법"과 같이 다양한 방법이 복수의 아이템에 대해 순위를 결정하고 이를 통해 아이템들을 비교하는데 활용된다. 그러나, 이와 같이 결정한 순위가 제대로 결정된 것인지를 검증하기 어렵다. 실제 수익률을 기반으로 결정한 순위 정보와 비교하여 단순히 각 아이템 별로 결정된 순위 값의 차이를 통하여 정확도를 비교할 수 있지만, 이 경우, 의미가 크지 않은 낮은 순위에서의 변동에 더 큰 영향을 받게 되는 문제가 있다.Various methods, such as the prior art Korean Patent Application Laid-Open No. 10-2013-0123663, "Stock stock ranking analysis system and stock stock selection method using the same," are used to rank a plurality of items and compare the items through this. However, it is difficult to verify whether the ranking determined in this way is properly determined. In comparison with the ranking information determined based on the actual yield, the accuracy can be compared simply through the difference in the ranking value determined for each item, but in this case, there is a problem in that it is more affected by fluctuations in the low ranking, which is not significant. .
본 발명은 복수의 아이템에 대한 둘 이상의 순위 정보의 유사성을 정확하게 비교할 수 있도록 하는 것을 목적으로 한다.It is an object of the present invention to accurately compare the similarity of two or more ranking information for a plurality of items.
본 발명은 복수의 아이템에 대한 둘 이상의 순위 정보를 비교하면서, 중요하게 생각하는 순위에 대한 유사성에 더 높은 가중치를 두어 계산할 수 있도록 하는 것을 목적으로 한다.An object of the present invention is to compare two or more ranking information for a plurality of items, and to calculate by placing a higher weight on similarity to an important ranking.
본 발명의 일실시예에 따른 순위정보 비교 시스템은 복수의 아이템에 대한 제1 순위정보 및 제2 순위정보를 수신하는 순위정보 수신부 및 상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산하는 함수값 계산부를 포함하고, 상기 함수값 계산부는 상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산할 수 있다.A ranking information comparison system according to an embodiment of the present invention includes a ranking information receiving unit for receiving first ranking information and second ranking information for a plurality of items, and a ranking different from the first ranking information of each of the plurality of items, and the and a function value calculation unit for calculating a function value indicating a difference in ranking according to second ranking information, wherein the function value calculation unit is ranked according to the first ranking information of the item of high rank based on the first ranking information and calculating the function value so as to give a high weight to the difference in rank according to the second rank information.
이 때, 상기 함수값 계산부는 상기 제1 순위정보를 기준으로 한 순위에 따라서 등비수열을 이루도록 상기 가중치를 부여할 수 있다.In this case, the function value calculator may assign the weight to form a geometric sequence according to a ranking based on the first ranking information.
이 때, 상기 함수값 계산부는 상기 복수의 아이템 전체의 가중치의 합이 정해진 상수가 되도록 상기 등비수열을 결정하여 상기 가중치를 부여할 수 있다.In this case, the function value calculator may determine the geometrical sequence such that the sum of the weights of all the plurality of items becomes a predetermined constant and assign the weights.
이 때, 상기 함수값 계산부는 아래 [수식]을 이용하여 상기 함수값을 계산할 수 있다.In this case, the function value calculation unit may calculate the function value using the following [Equation].
[수식] [Equation]
이 때, n은 상기 복수의 아이템의 개수, i는 상기 제1 순위정보에 따른 각 아이템의 순위, actual ranki는 상기 각 아이템에 대한 상기 제2 순위정보에 따른 순위임.In this case, n is the number of the plurality of items, i is the ranking of each item according to the first ranking information, and actual ranki is the ranking according to the second ranking information for each item.
본 발명은 복수의 아이템에 대한 둘 이상의 순위 정보의 유사성을 정확하게 비교할 수 있도록 하는 효과가 있다.The present invention has the effect of accurately comparing the similarity of two or more ranking information for a plurality of items.
본 발명은 복수의 아이템에 대한 둘 이상의 순위 정보를 비교하면서, 중요하게 생각하는 순위에 대한 유사성에 더 높은 가중치를 두어 계산할 수 있도록 하는 효과가 있다.The present invention has an effect that, while comparing two or more ranking information for a plurality of items, it is possible to calculate by placing a higher weight on similarity to a ranking considered important.
도 1은 본 발명의 일실시예에 따른 순위정보 비교 시스템의 내부 구성을 도시한 구성도이다.
도 2는 본 발명의 일실시예에 따른 순위정보 비교 방법의 흐름을 도시한 흐름도이다.1 is a configuration diagram illustrating an internal configuration of a ranking information comparison system according to an embodiment of the present invention.
2 is a flowchart illustrating a flow of a method for comparing ranking information according to an embodiment of the present invention.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 한다. 또한 본 발명의 실시예들을 설명함에 있어 구체적인 수치는 실시예에 불과하며 이에 의하여 발명의 범위가 제한되지 아니한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In describing the present invention, if it is determined that a detailed description of a related known configuration or function may obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, in describing the embodiments of the present invention, specific numerical values are merely examples and the scope of the invention is not limited thereby.
본 발명에 따른 순위정보 비교 시스템은 중앙처리장치(CPU) 및 메모리(Memory, 기억장치)를 구비하고 인터넷 등의 통신망을 통하여 다른 단말기와 연결 가능한 서버의 형태로 구성될 수 있다. 그러나 본 발명이 중앙처리장치 및 메모리 등의 구성에 의해 한정되지는 아니한다. 또한, 본 발명에 따른 순위정보 비교 시스템은 물리적으로 하나의 장치로 구성될 수도 있으며, 복수의 장치에 분산된 형태로 구현될 수도 있다.The ranking information comparison system according to the present invention may be configured in the form of a server having a central processing unit (CPU) and a memory (Memory) and connectable to other terminals through a communication network such as the Internet. However, the present invention is not limited by the configuration of the central processing unit and the memory. In addition, the ranking information comparison system according to the present invention may be physically configured as one device or may be implemented in a distributed form among a plurality of devices.
본 발명에 따른 순위정보 비교 시스템은 두 가지 이상의 순위정보를 비교하는 목적으로 사용된다. 복수의 투자 종목들 중에서 정해진 개수의 종목을 선정하기 위해서 많은 방법들이 사용될 수 있는데, 이 때에, 여러 방법 중 실제 수익률과 비교해 보면 어떤 방법이 더 정확하게 좋은 투자 종목을 선정했는지 비교하여 가장 좋은 종목 선정 방법을 선택해야 하는 경우가 있다. 이하에서는 이와 같은 경우를 예로 들어, 실제 순위와 여러 가지 예측 순위들 사이의 괴리를 비교할 때의 실시형태를 설명하도록 한다.The ranking information comparison system according to the present invention is used for the purpose of comparing two or more types of ranking information. Many methods can be used to select a fixed number of stocks from among a plurality of investment stocks. In this case, the best stock selection method by comparing which method selects the best investment stock more accurately compared to the actual return among the various methods Sometimes you have to choose . Hereinafter, taking such a case as an example, an embodiment when comparing the gap between the actual ranking and various predicted rankings will be described.
예를 들어, 100개의 종목 중에서 높은 수익률이 나올 것으로 예상되는 10개의 종목을 선정하여 투자 포트폴리오를 결정하고자 하는데, 2가지 수익률 예측 알고리즘 중 더 높은 성능을 나타내는 알고리즘을 선택하고자 하는 경우가 있을 것이다.For example, among 100 stocks, an investment portfolio is determined by selecting 10 stocks that are expected to yield high returns, but there may be cases in which one wants to select an algorithm with higher performance among two return prediction algorithms.
이 때, 두 가지 알고리즘이 모두 100개 종목의 수익률 예측 순위를 1위부터 100위까지 선정했다고 하면, 이후에 실제 종목이 시장에서 거래된 이후 실제 순위가 1위부터 100위까지 나타날 것이다. 이 때, 알고리즘 A가 선정한 순위와 실제 순위가 정확히 일치하고, 알고리즘 B는 몇 종목의 순위가 틀렸다고 한다고 하면, 알고리즘 A가 더 높은 성능을 나타내는 것을 쉽게 확인할 수 있다.At this time, if both algorithms select the yield prediction rankings of 100 stocks from 1st to 100th, after the actual stocks are traded in the market, the actual rankings will appear from 1st to 100th. At this time, if the ranking selected by Algorithm A is exactly the same as the actual ranking, and Algorithm B is said to have incorrect rankings in several items, it can be easily confirmed that Algorithm A exhibits higher performance.
그러나, 알고리즘 A와 알고리즘 B 모두 정확한 순위를 예측하기 어려울 것이고, 실제로는 두 가지 알고리즘 모두 실제 순위와는 다른 결과를 내는 경우가 대부분일 것이다. 이 때, 둘 중에 어느 알고리즘이 보다 높은 성능을 나타내는지를 비교하기 위해서는 각각의 알고리즘이 예측한 순위와 실제 순위가 얼마나 차이나는지를 수치화하여 비교함으로써, 더 적은 차이가 나는 알고리즘을 선택할 필요가 있다.However, it will be difficult for both Algorithm A and Algorithm B to predict the exact ranking, and in reality, both algorithms will most likely produce different results from the actual ranking. At this time, in order to compare which algorithm shows higher performance among the two, it is necessary to select an algorithm with a smaller difference by comparing the difference between the predicted rank and the actual rank of each algorithm numerically.
종래기술에서 실제 순위와 예측 순위를 비교하기 위해서는 각각의 종목에 대해서, 실제 순위와 예측 순위의 차이의 절대값을 구해서 전체 종목에 대한 순위 차이의 절대값의 합이 적을수록 더 비슷하게 순위를 예측했다는 결론을 내리는 것이 일반적이었다. 실제 순위와 예측 순위의 차이를 단순히 수치화하여 제공했다는 점에서, 직관적인 방법일 수 있지만, 이 방법에는 문제점이 존재한다.In order to compare the actual ranking and the predicted ranking in the prior art, the absolute value of the difference between the actual ranking and the predicted ranking was obtained for each item, and the smaller the sum of the absolute values of the difference in the ranking for all items, the more similar the ranking was predicted. It was common to draw conclusions. It may be an intuitive method in that the difference between the actual ranking and the predicted ranking is simply provided as a numerical value, but there is a problem with this method.
예를 들어, 실제 순위가 50위인 종목을 3위로 예측한 경우, 해당 종목에 대한 오차의 절대값은 47이 되고, 실제 순위가 3위인 종목을 50위로 예측하는 경우에도 해당 종목에 대한 오차의 절대값은 47이 된다. 따라서, 실제로 높은 순위를 가지는 종목을 낮은 순위로 예측하는 경우와 실제로 낮은 순위를 가지는 종목을 높은 순위로 예측하는 경우에 대해 차이를 둘 수가 없다.For example, if a stock with an actual ranking of 50th is predicted as 3rd place, the absolute value of the error for that stock is 47, and even when a stock with an actual ranking of 3rd place is predicted as the 50th, the absolute error of the stock is The value will be 47. Accordingly, there is no difference between the case of predicting a stock having a high ranking in reality as a low ranking and a case of predicting a stock having an actual low ranking as a high ranking.
하지만, 위 예시와 같이 100개 종목 중에서 10개의 종목을 선정하는 경우의 상황을 고려할 때, 실제 순위가 50위인 종목이 3위로 들어가면, 포트폴리오에 선정이 될 것이고, 포트폴리오의 수익률을 심각하게 저해하는 문제가 발생될 수 있다. 반면 실제 순위가 3위인 종목이 50위로 선정되어 빠진다고 하더라도, 나머지 선정한 10개 종목이 수익률 상위권으로 선정된다고 하면 포트폴리오의 수익률 측면에서 큰 문제가 생기지 않을 수 있다.However, considering the situation in which 10 stocks are selected out of 100 stocks as in the example above, if a stock with an actual ranking of 50th moves into 3rd place, it will be selected in the portfolio, and the problem that seriously impairs the return of the portfolio may occur. On the other hand, even if the stock with the 3rd place is actually selected as the 50th, if the remaining 10 selected stocks are selected with the highest yield, there may not be a big problem in terms of the return of the portfolio.
따라서, 이 두가지 상황에 서로 다른 가중치를 부여함으로써, 하위로 예측했던 종목이 실제 순위에서 상위로 올라오는 경우 순위 예측이 더 크게 잘못되었음을 수치로 나타낼 수 있어야 한다.Therefore, by assigning different weights to these two situations, it should be possible to numerically indicate that the ranking prediction is more erroneous when the stock predicted as the lower rank rises to the top in the actual ranking.
예시를 보다 단순화시켜서, 5개의 종목 중에서 1개의 종목만을 선정한다고 가정할 때, (A, B, C, D, E) 5개 종목의 실제 순위가 (A, B, C, D, E)의 순서로 나타났는데, 알고리즘이 예측한 순위는 (B, C, E, D, A)로 나타난 경우(제1상황)가 있고, 실제 순위가 (B, C, E, D, A) 순으로 나타났는데, 알고리즘이 예측한 순위는 (A, B, C, D, E)인 경우(제2상황)가 있다.To simplify the example, assuming that only one item is selected among the five items, the actual ranking of the five items (A, B, C, D, E) is There is a case where the ranking predicted by the algorithm is (B, C, E, D, A) (Situation 1), and the actual ranking is shown in the order (B, C, E, D, A) There is a case (second situation) where the ranking predicted by the algorithm is (A, B, C, D, E).
이 때, 종래의 방식대로 각 종목별 순위 차이의 절대값을 비교해 보면, 실제 순위와 알고리즘의 예측 순위가 그대로 바뀐 경우이기 제1상황 및 제2상황 모두 동일한 오차 값을 나타내게 될 것이다.At this time, if the absolute value of the difference in ranking for each event is compared in the conventional manner, the first situation and the second situation will show the same error value because the actual ranking and the predicted ranking of the algorithm are changed.
하지만, 제1상황의 경우, 알고리즘의 예측에 따라 가장 높은 순위인 B종목을 선정하였을 때, 실제 수익률 순위로는 2등을 차지했기 때문에, 해당 포트폴리오는 높은 성능을 나타낼 수 있다. 반면, 제2상황의 경우, 알고리즘의 예측에 따라 가장 높은 순위인 A종목을 선정하였다면, 실제 순위에서 A종목이 가장 낮은 순위를 나타내고 있기 때문에, 제2상황의 알고리즘은 가장 안 좋은 성능을 나타내게 된다. 즉, 종래의 순위 비교 방식으로는 어떤 경우가 더 좋은 예측성능을 나타냈는지를 비교하는 것이 불가능하게 된다.However, in the case of the first situation, when the highest ranking B stock is selected according to the prediction of the algorithm, since it ranked second in the actual yield ranking, the corresponding portfolio can exhibit high performance. On the other hand, in the case of the second situation, if the highest ranked item A is selected according to the prediction of the algorithm, since item A shows the lowest rank in the actual ranking, the algorithm in the second situation shows the worst performance. . That is, it becomes impossible to compare which case exhibits better predictive performance using the conventional ranking comparison method.
따라서, 본 발명에 따른 순위정보 비교 시스템은 순위정보 A를 제1 순위정보로, 순위정보 B를 제2 순위정보로 비교하는 경우와 순위정보 B를 제1 순위정보, 순위정보 A를 제2 순위정보로 비교하는 경우의 가중치를 각각 달리하여, 다수의 종목 중 수익률 높은 종목을 선정하는 데에 보다 적합한 순위정보 비교 결과를 제공하도록 한다. 구체적인 내용은 이하에서 상술하도록 한다.Accordingly, the ranking information comparison system according to the present invention compares the ranking information A as the first ranking information and the ranking information B as the second ranking information, and the ranking information B as the first ranking information and the ranking information A as the second ranking. By varying the weights in the case of information comparison, the comparison result of ranking information more suitable for selecting stocks with high returns among multiple stocks is provided. Specific details will be described in detail below.
도 1은 본 발명의 일실시예에 따른 순위정보 비교 시스템의 내부 구성을 도시한 구성도이다.1 is a configuration diagram illustrating an internal configuration of a ranking information comparison system according to an embodiment of the present invention.
본 발명에 따른 순위정보 비교 시스템은 순위정보 수신부(110), 함수값 계산부(120)로 구성될 수 있으며, 각각의 구성요소들은 물리적으로 동일한 컴퓨터 시스템 내에서 동작하는 소프트웨어 모듈일 수 있으며, 물리적으로 2개 이상으로 분리된 물리적 장치가 서로 연동하여 동작할 수 있도록 구성된 형태일 수 있는데, 동일한 기능을 포함하는 다양한 실시형태가 본 발명의 권리범위에 속한다.The ranking information comparison system according to the present invention may be composed of a ranking
순위정보 수신부(110)는 복수의 아이템에 대한 제1 순위정보 및 제2 순위정보를 수신할 수 있다. 순위 정보는 동일한 n개의 아이템에 대해서 1위부터 n위까지 순위를 매긴 정보를 나타내는 것으로, 앞서 설명한 예시에서와 같이 n개의 종목의 수익률 순위 정보가 될 수 있다.The
순위정보 수신부(110)에서 수신하는 순위정보는 앞서 설명한 예시에서와 같이 복수의 종목에 대해 예측한 순위정보 및 실제 나타난 순위정보가 될 수 있는데, 앞서 설명한 예시의 경우, 제1 순위정보는 예측한 순위정보, 제2 순위정보는 실제 나타난 순위정보가 될 수 있다. 앞서 설명한 바와 같이 본 발명의 순위정보 비교 시스템에서는 제1 순위정보와 제2 순위정보가 서로 바뀌는 경우 전혀 다른 비교 결과를 나타내도록 설계되어 있기 때문에, 예측 순위와 실제 순위를 비교할 경우 이와 같이 설정해야 한다.The ranking information received by the ranking
함수값 계산부(120)는 상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산할 수 있다. 앞서 설명한 것처럼 여러 방법에서 도출한 순위 정보를 실제 순위 정보와 비교하였을 때 어떤 방법이 가장 높은 성능을 나타내는지를 비교하기 위하여, 비교 결과를 수치화하여 제공할 필요가 있으며, 함수값 계산부(120)는 이를 함수 값으로 계산하여 수치로 제공함으로써 간단한 비교가 가능하도록 한다. 이 때 계산되는 함수 값은 적은 값일수록 실제 순위정보와 유사하게 예측하였음을 나타낸다.The
함수값 계산부(120)는 상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산할 수 있다. 앞서 설명한 바와 같이, 제1 순위정보는 예측한 순위정보, 제2 순위정보는 실제 순위정보가 되기 때문에, 예측한 순위정보에서 높은 순위(1위에 가까울수록 높은 순위)를 가지는 경우에 더 높은 가중치를 부여하도록 구성함으로써, 예측 순위 상위에 실제로 낮은 순위인 아이템을 포함시키는 경우 더 안 좋은 결과(높은 함수 값)를 나타내도록 한다.The function
함수값 계산부(120)는 상기 제1 순위정보를 기준으로 한 순위에 따라서 등비수열을 이루도록 상기 가중치를 부여할 수 있다. 제1 순위정보가 높은 경우에 가중치를 부여할 때에, 0보다 크고 1보다 작은 비율의 등비수열을 적용하게 되면, 제1 순위정보상 높은 순위의 아이템에 대해 가장 높은 가중치를 부여하고 점차 순위가 낮아짐에 따라서 낮은 순위의 가중치를 부여하도록 할 수 있다.The function
함수값 계산부(120)는 상기 복수의 아이템 전체의 가중치의 합이 정해진 상수가 되도록 상기 등비수열을 결정하여 상기 가중치를 부여할 수 있다. 등비수열을 이용하여 가중치를 부여할 때에, 앞서 설명한 것과 같이 비율이 0보다 크고 1보다 작은 값을 가지도록 설정하게 되면 순위가 내려감에 따라서 가중치가 점차 작아지게 되고 결국은 0에 수렴하게 되어 어느 순위 이하로는 매우 작은 수치의 가중치가 부여되게 된다.The
따라서, 함수값 계산부(120)에서 부여하는 가중치의 전체 합은 특정한 상수로 수렴하게 되는데, 등비수열로 결정되는 가중치가 아래의 [수식 1]에 의해 결정된다면, x개의 아이템에 대한 가중치의 합은 [수식 2]와 같이 나타나게 된다.Accordingly, the total sum of weights given by the function
[수식 1][Formula 1]
[수식 2][Equation 2]
이 때 비율을 나타내는 α값이 0에서 1 사이의 값을 가지게 되므로, 등비수열 값이 0에 수렴하여, x가 일정 수준 이상이 되면 p 값은 상수로 고정되게 된다. 여기서 α의 값을 조정하게 되면, 등비수열이 수렴하는 위치를 결정할 수 있게 되고, 이를 통해 100개의 종목 중 10개를 선정하는 예측 순위를 분석할 때와 100개 종목 중 20개를 선정하는 예측 순위를 분석할 때의 분석 방법을 다르게 설정할 수 있다. α의 값이 커질수록 가중치가 순위에 따라 빠르게 감소하게 되어 더 적은 수의 상위권 종목을 선정할 때에 적합하며, α의 값이 작아질수록 가중치 순위가 천천히 감소하게 되기 때문에, 더 많은 수의 상위권 종목을 선정하는 데에 적합하게 된다.At this time, since the α value representing the ratio has a value between 0 and 1, the value of the geometric sequence converges to 0, and when x is above a certain level, the p value is fixed as a constant. Here, by adjusting the value of α, it is possible to determine the position at which the geometric sequence converges, and through this, when analyzing the prediction ranking for selecting 10 items out of 100 items, and for selecting 20 items out of 100 items, it is possible to determine the position. The analysis method can be set differently when analyzing As the value of α increases, the weight decreases rapidly according to the ranking, which is suitable for selecting a smaller number of high-ranking stocks. suitable for selecting
함수값 계산부(120)는 아래 [수식 3]을 이용하여 상기 함수값을 계산할 수 있다.The function
[수식 3][Equation 3]
(이 때, n은 상기 복수의 아이템의 개수, i는 상기 제1 순위정보에 따른 각 아이템의 순위, actual ranki는 상기 각 아이템에 대한 상기 제2 순위정보에 따른 순위이다.)(In this case, n is the number of the plurality of items, i is the ranking of each item according to the first ranking information, and actual ranki is the ranking according to the second ranking information for each item.)
이 때 Loss로 표시된 것이 실제 차이를 나타내는 함수 값이 될 수 있으며, α는 종목수 및 선정해야 하는 종목 수(보다 높은 가중치를 두고 분석해야 하는 아이템의 수)에 따라 결정될 수 있는 0과 1 사이의 등비수열 비율 값이 된다.At this time, the value expressed as Loss can be a function value representing the actual difference, and α is a value between 0 and 1, which can be determined according to the number of stocks and the number of stocks to be selected (the number of items to be analyzed with higher weight). It becomes the ratio of the geometric sequence.
이처럼 제2 순위정보(실제 순위정보)에 제1 순위정보(예측 순위정보)에 따라 부여되는 가중치 값을 등비수열로 계산하여 부여하고, 이를 누적함으로써, 가중치가 부여된 순위 분석 방법을 도출할 수 있다.In this way, the weight value given according to the first ranking information (predicted ranking information) to the second ranking information (actual ranking information) is calculated and given as a geometric sequence, and by accumulating them, a weighted ranking analysis method can be derived. have.
특히, 전체 아이템 수 대비 선정해야 할 아이템 수(높은 가중치를 부여해야 할 아이템 수)에 따라 α값을 조정함에 따라서, 다양한 경우에 최적합된 순위정보 비교를 할 수 있게 된다. 여기에서 simple rank average는 제2 순위정보의 단순 평균치를 나타내는 것으로, 순위를 비교할 때에는 큰 의미를 가지지 않는 값이 될 수 있다.In particular, by adjusting the α value according to the number of items to be selected (the number of items to be given high weight) relative to the total number of items, it is possible to compare the optimal ranking information in various cases. Here, the simple rank average indicates a simple average value of the second ranking information, and may be a value that does not have much meaning when comparing rankings.
도 2는 본 발명의 일실시예에 따른 순위정보 비교 방법의 흐름을 도시한 흐름도이다.2 is a flowchart illustrating a flow of a ranking information comparison method according to an embodiment of the present invention.
본 발명에 따른 순위정보 비교 방법은 중앙처리장치 및 메모리를 구비하는 순위정보 비교 시스템의 동작 방법을 나타내는 것으로 상술한 순위정보 비교 시스템에 대한 설명이 그대로 적용될 수 있기 때문에, 아래 설명에서 누락되는 부분이 있더라도, 상술한 순위정보 비교 시스템에 대한 설명을 바탕으로 구현할 수 있다.The ranking information comparison method according to the present invention represents an operation method of a ranking information comparison system having a central processing unit and a memory. Even if there is, it can be implemented based on the description of the above-described ranking information comparison system.
순위정보 수신 단계(S201)는 복수의 아이템에 대한 제1 순위정보 및 제2 순위정보를 수신할 수 있다. 순위 정보는 동일한 n개의 아이템에 대해서 1위부터 n위까지 순위를 매긴 정보를 나타내는 것으로, 앞서 설명한 예시에서와 같이 n개의 종목의 수익률 순위 정보가 될 수 있다.In the ranking information receiving step ( S201 ), first ranking information and second ranking information for a plurality of items may be received. The ranking information indicates information that ranks the same n items from 1st to nth, and may be yield ranking information of n items as in the example described above.
순위정보 수신 단계(S201)에서 수신하는 순위정보는 앞서 설명한 예시에서와 같이 복수의 종목에 대해 예측한 순위정보 및 실제 나타난 순위정보가 될 수 있는데, 앞서 설명한 예시의 경우, 제1 순위정보는 예측한 순위정보, 제2 순위정보는 실제 나타난 순위정보가 될 수 있다. 앞서 설명한 바와 같이 본 발명의 순위정보 비교 시스템에서는 제1 순위정보와 제2 순위정보가 서로 바뀌는 경우 전혀 다른 비교 결과를 나타내도록 설계되어 있기 때문에, 예측 순위와 실제 순위를 비교할 경우 이와 같이 설정해야 한다.The ranking information received in the ranking information receiving step (S201) may be the predicted ranking information and the actual ranking information for a plurality of items as in the example described above. One ranking information and the second ranking information may be actually displayed ranking information. As described above, in the ranking information comparison system of the present invention, when the first ranking information and the second ranking information are interchanged, it is designed to indicate completely different comparison results. .
함수값 계산 단계(S202)는 상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산할 수 있다. 앞서 설명한 것처럼 여러 방법에서 도출한 순위 정보를 실제 순위 정보와 비교하였을 때 어떤 방법이 가장 높은 성능을 나타내는지를 비교하기 위하여, 비교 결과를 수치화하여 제공할 필요가 있으며, 함수값 계산 단계(S202)는 이를 함수 값으로 계산하여 수치로 제공함으로써 간단한 비교가 가능하도록 한다. 이 때 계산되는 함수 값은 적은 값일수록 실제 순위정보와 유사하게 예측하였음을 나타낸다.The function value calculation step ( S202 ) may calculate a function value representing a difference between a different rank in the first rank information of each of the plurality of items and a rank according to the second rank information. As described above, in order to compare which method exhibits the highest performance when the ranking information derived from various methods is compared with the actual ranking information, it is necessary to provide a numerical value of the comparison result, and the function value calculation step (S202) is By calculating this as a function value and providing it as a numerical value, simple comparison is possible. The smaller the function value calculated at this time, the more it indicates that the prediction was similar to the actual ranking information.
함수값 계산 단계(S202)는 상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산할 수 있다. 앞서 설명한 바와 같이, 제1 순위정보는 예측한 순위정보, 제2 순위정보는 실제 순위정보가 되기 때문에, 예측한 순위정보에서 높은 순위(1위에 가까울수록 높은 순위)를 가지는 경우에 더 높은 가중치를 부여하도록 구성함으로써, 예측 순위 상위에 실제로 낮은 순위인 아이템을 포함시키는 경우 더 안 좋은 결과(높은 함수 값)를 나타내도록 한다.In the function value calculation step (S202), based on the first ranking information, the function value to give a high weight to the difference between the ranking according to the first ranking information and the ranking according to the second ranking information of the high-ranking item can be calculated. As described above, since the first ranking information is the predicted ranking information, and the second ranking information is the actual ranking information, a higher weight is given when a high ranking (the closer to the 1st, the higher the ranking) in the predicted ranking information. By configuring it to be given, a worse result (higher function value) is shown when an item with a lower rank is actually included in the higher predicted rank.
함수값 계산 단계(S202)는 상기 제1 순위정보를 기준으로 한 순위에 따라서 등비수열을 이루도록 상기 가중치를 부여할 수 있다. 제1 순위정보가 높은 경우에 가중치를 부여할 때에, 0보다 크고 1보다 작은 비율의 등비수열을 적용하게 되면, 제1 순위정보상 높은 순위의 아이템에 대해 가장 높은 가중치를 부여하고 점차 순위가 낮아짐에 따라서 낮은 순위의 가중치를 부여하도록 할 수 있다.In the function value calculation step (S202), the weight may be assigned to form a geometric sequence according to a ranking based on the first ranking information. When weighting is given when the first ranking information is high, if a proportional sequence with a ratio greater than 0 and smaller than 1 is applied, the highest weight is given to the item with a higher rank in the first ranking information and the ranking is gradually lowered. Therefore, it is possible to assign a weight with a lower rank.
함수값 계산 단계(S202)는 상기 복수의 아이템 전체의 가중치의 합이 정해진 상수가 되도록 상기 등비수열을 결정하여 상기 가중치를 부여할 수 있다. 등비수열을 이용하여 가중치를 부여할 때에, 앞서 설명한 것과 같이 비율이 0보다 크고 1보다 작은 값을 가지도록 설정하게 되면 순위가 내려감에 따라서 가중치가 점차 작아지게 되고 결국은 0에 수렴하게 되어 어느 순위 이하로는 매우 작은 수치의 가중치가 부여되게 된다.In the function value calculation step ( S202 ), the weight may be assigned by determining the geometric sequence such that the sum of the weights of the plurality of items becomes a predetermined constant. When assigning weights using a geometric sequence, as described above, if the ratio is set to have a value greater than 0 and less than 1, the weight gradually decreases as the ranking goes down, and eventually converges to 0, which rank Below, a very small value of weight is given.
따라서, 함수값 계산 단계(S202)에서 부여하는 가중치의 전체 합은 특정한 상수로 수렴하게 되는데, 등비수열로 결정되는 가중치가 아래의 [수식 1]에 의해 결정된다면, x개의 아이템에 대한 가중치의 합은 [수식 2]와 같이 나타나게 된다.Accordingly, the total sum of the weights given in the function value calculation step S202 converges to a specific constant. is expressed as [Equation 2].
[수식 1][Formula 1]
[수식 2][Equation 2]
이 때 비율을 나타내는 α값이 0에서 1 사이의 값을 가지게 되므로, 등비수열 값이 0에 수렴하여, x가 일정 수준 이상이 되면 p 값은 상수로 고정되게 된다. 여기서 α의 값을 조정하게 되면, 등비수열이 수렴하는 위치를 결정할 수 있게 되고, 이를 통해 100개의 종목 중 10개를 선정하는 예측 순위를 분석할 때와 100개 종목 중 20개를 선정하는 예측 순위를 분석할 때의 분석 방법을 다르게 설정할 수 있다. α의 값이 커질수록 가중치가 순위에 따라 빠르게 감소하게 되어 더 적은 수의 상위권 종목을 선정할 때에 적합하며, α의 값이 작아질수록 가중치 순위가 천천히 감소하게 되기 때문에, 더 많은 수의 상위권 종목을 선정하는 데에 적합하게 된다.At this time, since the α value representing the ratio has a value between 0 and 1, the value of the geometric sequence converges to 0, and when x is above a certain level, the p value is fixed as a constant. Here, by adjusting the value of α, it is possible to determine the position at which the geometric sequence converges, and through this, when analyzing the prediction ranking for selecting 10 items out of 100 items, and for selecting 20 items out of 100 items, it is possible to determine the position. The analysis method can be set differently when analyzing As the value of α increases, the weight decreases rapidly according to the ranking, which is suitable for selecting a smaller number of high-ranking stocks. suitable for selecting
함수값 계산 단계(S202)는 아래 [수식 3]을 이용하여 상기 함수값을 계산할 수 있다.In the function value calculation step ( S202 ), the function value can be calculated using the following [Equation 3].
[수식 3][Equation 3]
(이 때, n은 상기 복수의 아이템의 개수, i는 상기 제1 순위정보에 따른 각 아이템의 순위, actual ranki는 상기 각 아이템에 대한 상기 제2 순위정보에 따른 순위이다.)(In this case, n is the number of the plurality of items, i is the ranking of each item according to the first ranking information, and actual ranki is the ranking according to the second ranking information for each item.)
이 때 Loss로 표시된 것이 실제 차이를 나타내는 함수 값이 될 수 있으며, α는 종목수 및 선정해야 하는 종목 수(보다 높은 가중치를 두고 분석해야 하는 아이템의 수)에 따라 결정될 수 있는 0과 1 사이의 등비수열 비율 값이 된다.At this time, the value expressed as Loss can be a function value representing the actual difference, and α is a value between 0 and 1, which can be determined according to the number of stocks and the number of stocks to be selected (the number of items to be analyzed with higher weight). It becomes the ratio of the geometric sequence.
이처럼 제2 순위정보(실제 순위정보)에 제1 순위정보(예측 순위정보)에 따라 부여되는 가중치 값을 등비수열로 계산하여 부여하고, 이를 누적함으로써, 가중치가 부여된 순위 분석 방법을 도출할 수 있다.In this way, the weight value given according to the first ranking information (predicted ranking information) to the second ranking information (actual ranking information) is calculated and given as a geometric sequence, and by accumulating them, a weighted ranking analysis method can be derived. have.
특히, 전체 아이템 수 대비 선정해야 할 아이템 수(높은 가중치를 부여해야 할 아이템 수)에 따라 α값을 조정함에 따라서, 다양한 경우에 최적합된 순위정보 비교를 할 수 있게 된다. 여기에서 simple rank average는 제2 순위정보의 단순 평균치를 나타내는 것으로, 순위를 비교할 때에는 큰 의미를 가지지 않는 값이 될 수 있다.In particular, by adjusting the α value according to the number of items to be selected (the number of items to be given high weight) relative to the total number of items, it is possible to compare the optimal ranking information in various cases. Here, the simple rank average indicates a simple average value of the second ranking information, and may be a value that does not have much meaning when comparing rankings.
이와 같은, 순위정보 비교 방법은 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.Such a ranking information comparison method may be implemented as an application or implemented in the form of program instructions that may be executed through various computer components and recorded in a computer-readable recording medium. The computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
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.The program instructions recorded in the computer-readable recording medium are specially designed and configured for the present invention, and may be known and available to those skilled in the computer software field.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CDROM, 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.Examples of the computer-readable recording medium include hard disks, magnetic media such as floppy disks and magnetic tapes, optical recording media such as CDROM and DVD, and magneto-optical media such as floppy disks. , and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
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.Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device may be configured to operate as one or more software modules for carrying out the processing according to the present invention, and vice versa.
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 있다.Although the above has been described with reference to the embodiments, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention described in the claims below.
101: 순위정보 비교 시스템
110: 순위정보 수신부
120: 함수값 계산부101: ranking information comparison system
110: ranking information receiving unit
120: function value calculator
Claims (9)
상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산하는 함수값 계산부
를 포함하고
상기 함수값 계산부는
상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산하는 것
을 특징으로 하는 순위정보 비교 시스템.a ranking information receiving unit configured to receive first ranking information and second ranking information for a plurality of items;
A function value calculation unit for calculating a function value indicating a difference between a rank different from the first rank information of each of the plurality of items and a rank according to the second rank information
includes
The function value calculation unit
Calculating the function value so as to give a high weight to the difference between a ranking according to the first ranking information and a ranking according to the second ranking information of a high-ranking item based on the first ranking information
Ranking information comparison system, characterized in that.
상기 함수값 계산부는
상기 제1 순위정보를 기준으로 한 순위에 따라서 등비수열을 이루도록 상기 가중치를 부여하는 것
을 특징으로 하는 순위정보 비교 시스템.According to claim 1,
The function value calculation unit
Giving the weight so as to form a proportional sequence according to the ranking based on the first ranking information
Ranking information comparison system, characterized in that.
상기 함수값 계산부는
상기 복수의 아이템 전체의 가중치의 합이 정해진 상수가 되도록 상기 등비수열을 결정하여 상기 가중치를 부여하는 것
을 특징으로 하는 순위정보 비교 시스템.3. The method of claim 2,
The function value calculation unit
Determining the geometrical sequence so that the sum of the weights of all the plurality of items becomes a predetermined constant and assigning the weights
Ranking information comparison system, characterized in that.
상기 함수값 계산부는
아래 [수식]을 이용하여 상기 함수값을 계산하는 것
을 특징으로 하는 순위정보 비교 시스템.
[수식]
이 때, n은 상기 복수의 아이템의 개수, i는 상기 제1 순위정보에 따른 각 아이템의 순위, actual ranki는 상기 각 아이템에 대한 상기 제2 순위정보에 따른 순위임.4. The method of claim 3,
The function value calculation unit
Calculating the function value using the [Formula] below
Ranking information comparison system, characterized in that.
[Equation]
In this case, n is the number of the plurality of items, i is the ranking of each item according to the first ranking information, and actual ranki is the ranking according to the second ranking information for each item.
복수의 아이템에 대한 제1 순위정보 및 제2 순위정보를 수신하는 순위정보 수신 단계;
상기 복수의 아이템 각각의 상기 제1 순위정보에 다른 순위 및 상기 제2 순위정보에 따른 순위의 차이를 나타내는 함수 값을 계산하는 함수값 계산 단계
를 포함하고
상기 함수값 계산 단계는
상기 제1 순위정보를 기준으로, 높은 순위의 아이템의 상기 제1 순위정보에 따른 순위 및 상기 제2 순위정보에 따른 순위의 차이에 높은 가중치를 부여하도록 상기 함수 값을 계산하는 것
을 특징으로 하는 순위정보 비교 방법.A method for comparing ranking information in a ranking information comparison system having a central processing unit and a memory,
a ranking information receiving step of receiving first ranking information and second ranking information for a plurality of items;
A function value calculation step of calculating a function value representing a difference between a rank different from the first rank information of each of the plurality of items and a rank according to the second rank information
includes
The function value calculation step is
Calculating the function value so as to give a high weight to the difference between a ranking according to the first ranking information and a ranking according to the second ranking information of a high-ranking item based on the first ranking information
Ranking information comparison method, characterized in that.
상기 함수값 계산 단계는
상기 제1 순위정보를 기준으로 한 순위에 따라서 등비수열을 이루도록 상기 가중치를 부여하는 것
을 특징으로 하는 순위정보 비교 방법.6. The method of claim 5,
The function value calculation step is
Giving the weight so as to form a proportional sequence according to the ranking based on the first ranking information
Ranking information comparison method, characterized in that.
상기 함수값 계산 단계는
상기 복수의 아이템 전체의 가중치의 합이 정해진 상수가 되도록 상기 등비수열을 결정하여 상기 가중치를 부여하는 것
을 특징으로 하는 순위정보 비교 방법.7. The method of claim 6,
The function value calculation step is
Determining the geometrical sequence so that the sum of the weights of all the plurality of items becomes a predetermined constant and assigning the weights
Ranking information comparison method, characterized in that.
상기 함수값 계산 단계는
아래 [수식]을 이용하여 상기 함수값을 계산하는 것
을 특징으로 하는 순위정보 비교 방법.
[수식]
이 때, n은 상기 복수의 아이템의 개수, i는 상기 제1 순위정보에 따른 각 아이템의 순위, actual ranki는 상기 각 아이템에 대한 상기 제2 순위정보에 따른 순위임.8. The method of claim 7,
The function value calculation step is
Calculating the function value using the [Formula] below
Ranking information comparison method, characterized in that.
[Equation]
In this case, n is the number of the plurality of items, i is the ranking of each item according to the first ranking information, and actual ranki is the ranking according to the second ranking information for each item.
A computer-readable recording medium in which a program for causing a computer to execute the method of any one of claims 5 to 8 is recorded.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200164609 | 2020-11-30 | ||
| KR20200164609 | 2020-11-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220076393A true KR20220076393A (en) | 2022-06-08 |
Family
ID=81981148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210168822A KR20220076393A (en) | 2020-11-30 | 2021-11-30 | A System and Method for Comparing Rank Information |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220076393A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130123663A (en) | 2012-05-03 | 2013-11-13 | (주)뉴지스탁 | System for ranking stock and method for selecting stock using the same system |
-
2021
- 2021-11-30 KR KR1020210168822A patent/KR20220076393A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130123663A (en) | 2012-05-03 | 2013-11-13 | (주)뉴지스탁 | System for ranking stock and method for selecting stock using the same system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| van Rijn et al. | Fast algorithm selection using learning curves | |
| CN107037980B (en) | Method, medium, and computer system for storing time series data | |
| US9785954B2 (en) | Generating recommended items in unfamiliar domain | |
| CN101243435A (en) | Ranking functions using a biased click distance of a document on a network | |
| US20080010258A1 (en) | Collaborative filtering-based recommendations | |
| Hajiaghayi et al. | Analysis of energy-based algorithms for RNA secondary structure prediction | |
| KR102125119B1 (en) | Data handling method and device | |
| US20120221501A1 (en) | Molecular property modeling using ranking | |
| CN113574475A (en) | Determining causal models for a control environment | |
| WO2015047640A1 (en) | System and method for providing recommendations for applications to a user | |
| JP7232122B2 (en) | Physical property prediction device and physical property prediction method | |
| JP6668892B2 (en) | Item recommendation program, item recommendation method and item recommendation device | |
| JP5109799B2 (en) | Information processing system, load control method, and load control program | |
| US20200142951A1 (en) | Polymer design device, polymer design method, and non-transitory recording medium | |
| KR102061331B1 (en) | Method and system for item recommendation | |
| JP6159056B2 (en) | Selection program, selection method and selection device | |
| KR20220076393A (en) | A System and Method for Comparing Rank Information | |
| US10769651B2 (en) | Estimating prospect lifetime values | |
| US8396816B2 (en) | Kernel function generating method and device and data classification device | |
| WO2013105404A1 (en) | Reliability calculation device, reliability calculation method, and computer-readable recording medium | |
| US9466031B1 (en) | Data-agnostic methods and systems for ranking and updating beliefs | |
| Di Lena et al. | Fold recognition by scoring protein maps using the congruence coefficient | |
| JP7200577B2 (en) | Information processing device, information processing system, information processing method, and program. | |
| Guo et al. | Fair Learning to Rank with Distribution-free Risk Control | |
| Subair et al. | Receiver Operating Characteristic Curves in Binary Classification of Protein Secondary Structure Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |