이 연구는 ASEAN-5 주식 시장에서 조기 위기 감지를 위해 다양한 RNN 기반 아키텍처(Simple RNN, GRU, LSTM)와 기존 기계 학습 알고리즘(랜덤 포레스트, XGBoost)의 성능을 평가했다.
데이터 탐색 결과, ASEAN-5 주식 시장의 위기 발생 시기와 패턴이 유사한 것으로 나타났다. 이를 바탕으로 시계열 교차 검증을 수행했다.
분석 결과, RNN 기반 아키텍처가 랜덤 포레스트와 XGBoost보다 우수한 성능을 보였다. 특히 Simple RNN이 가장 뛰어난 성과를 보였는데, 이는 ASEAN-5 주식 시장 데이터의 특성이 단기 정보에 초점을 맞추는 Simple RNN에 더 적합했기 때문으로 분석된다.
SMOTE-ENN 기법을 통해 불균형 데이터 문제를 해결한 결과, 모든 모델의 성능이 크게 향상되었다. RNN 기반 모델은 랜덤 포레스트와 XGBoost에 비해 높은 적중률, 균형 정확도, PRC 점수를 보였다. 다만 False Alarm Rate 측면에서는 XGBoost가 더 우수했다.
이 연구는 RNN 기반 모델의 ASEAN-5 주식 시장 조기 위기 감지 성능을 입증했으며, 향후 연구에서 다양한 RNN 아키텍처와 데이터 특성을 고려한 모델 개선이 필요할 것으로 보인다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문