인공지능 기반 금 값 예측모델C
1. 학습 모델
| 원/달러, 위안, 엔, 유로 환율의 증감률 | ||||||
| ⇓ 1차원 딥러닝 ⇓ | ||||||
| 금 값 증감률(당일) |
증감률 : (오늘 값) / (어제 값)
데이터 : 2016년 1월 1일 ~ 어제
2. 예측 모델
| 원/달러, 위안, 엔, 유로 환율의 증감률 | ||||||
⇓ 러닝 데이터 ⇓ |
||||||
금 값 증감률(당일) |
모델B에서 주요국 환율만 포함하고 콜금리 데이터만 남기고 나머지는 제외한 모델입니다. 마찬가지로 Tensorflow를 이용하였고 전제는 환율에 영향을 받은 자금이 자금이 금으로 흘러가는데 하루가 걸린다는 것 입니다.
A, B모델에서와 동일하게 hidden layer는 하나만 사용하여 트레이닝 하였습니다.
국내 자본이 주식, 금, 외화, 부동산, 금융자본으로 이루어졌고 금융자본에서 일어나는 변수 즉, 환율 변동이 보여주는 외화
유입, 유출과 금리 때문에 돈의 총 크기가 늘어나는 것 외에는 변수가 적다고 보고 이것을 다 더하면 특정 상수가 되겠다는 개념을
모티브로 시작했습니다.
a * (주가총액)
+ a' * (금 값)
+ a'' * (주요국 환율)
+ a''' * (부동산 총액)
+ a'''' 1/(r^n) * (금융자본 총액)
= K
a = 계수, r = 표준금리, n = 특정시점부터 단위 시간, K = 상수
2017년 6월 7일 예측 모델부터 A, B, C 모델을 이용한 결과를 종합하여 금값을 예측할 예정입니다.
