연구동향 분석
박사

빅데이터와 인공지능을 이용한 포트폴리오 관리 = Portfolio Management Using Big Data and Artificial Intelligence

한창훈 2018년

논문상세정보
인용/피인용
' 빅데이터와 인공지능을 이용한 포트폴리오 관리 = Portfolio Management Using Big Data and Artificial Intelligence' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • etf
  • 빅데이터
  • 인공지능
  • 포트폴리오 관리
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
5,592 0

0.0%

' 빅데이터와 인공지능을 이용한 포트폴리오 관리 = Portfolio Management Using Big Data and Artificial Intelligence' 의 참고문헌

  • 빅데이터를 사용한 시스템 트레이딩 : KOSPI200 선물을 대상으로
    강형구 김수현 이득환 년 5개 학회 공동학술연구발표회: 한 국재무학회, 2014 [2014]
  • 로보어드바이저를 이용한 포트폴리오 관리
    박재연 신현준 유재필 한국정보기술아키텍처논문지, 제13권, 제3호, pp. 467-476 [2016]
  • “소비자 심리지수가 KOSPI 수익률에 미치는 비대칭적 영향에 대한 연구”
    김지수 옥기율 금융공학연구, 제11권, 제1호, pp.17-37 [2012]
  • “뉴스와 주가: 빅데이터 감성분석을 통한 지능형투자의사결정모형”
    김남규 김유신 정승렬 지능정보연구, 제18권, 제2호, pp.143-156 [2012]
  • “기업의 성장가능성을 고려한 포트폴리오 선 택 전략”
    신현준 안범준 최다영 한국산학기술학회논문지, 제12권, 제9호, pp. 3849-3855 [2011]
  • “금융시장의 빅테이터 트렌드를 이용한 주가지수 투자 전략”
    라현우 신현준 한국경영과학회지, 제32권, pp.91-103 [2015]
  • “‘빅데이터(Big Data)’ 활용에 대한 기대와 우려”
    박원준 Journal of Communications & Radio Spectrum, 제51권, pp.28-47 [2012]
  • “DEA-마코위츠 결합 모형을 이용한 건설업종 투자 전 략”
    신현준 유재필 한국산학기술학회논문지, 제14권, 제2호, pp. 899-904 [2013]
  • “DEA-마코위츠 결합 모형을 이용한 건설기업의 효율 적 포트폴리오 구성 방안”
    신현준 유재필 한국산학기술학회, 제14권, pp.899-904 [2013]
  • “DEA 모형을 이용한 국내 아파트 건설기업(상장기업)의 효율성 분석.”
    강다연 김종기 한국콘텐츠학회논문지, 제8권, 제7호 pp. 201-207 [2008]
  • Preis, T., Reith, D. and Stanley, H. E., “Complex Dynamics of Our Economic Life on Different Scales: Insights from Search Engine Query Data”, Philosophical Transaction of the Royal Society A, Vol.368, pp.5707-5719, 2010.
  • Preis, T., Moat, H. S. and Stanley, H. E., “Quantifying Trading Behavior in Financial Markets Using Google Trends“, Scientific Reports, 3, doi:10.1038/srep01684, 2013.
  • Park, S.J, “Stock Price Data Mining Using Neural Network”, Journal of Knowledge Information Technology and Systems, Vol.2, pp. 25-32, 2007.
  • Park, J.Y., J.P. Ryu, and H.J. Shin, “Portfolio Management Using Robo-Advisors”, Journal of Information Technology and Architecture, Vol.13, No.3, pp. 467-476, 2016.
  • Min J.H. and C.W. Jeong, “Design and Performance Measurement of a Genetic Algorithm-based Group Classification Method : The Case of Bond Rating”, Journal of the Korean Operations Research and Management Science Society , Vol.32, No.1, pp. 61-74, 2007.
  • Lo, A.W., H.M. Mamaysky, and J. Wang, "Foundations of technical analysis：computational algorithms, statistical inference, and empirical implementation", Journal of Finance, Vol.55, pp. 1705-1770, 2000.
  • Liu, J.N.K. and R.W.M. Kwong, "Automatic extraction and identification of chart patterns towards financial forecast", Applied Soft Computing, Vol.7, No.4, pp. 1197-1208, 2007.
  • Lippens, R.E., "Multimaturity efficient market hypotheses：Sorting out rejections ininternational interest and exchange rate markets", International Journal of Forecasting, Vol.3, No.1, pp. 149-158, 1987.
  • Lee, W.K., W.H. Lee, and H.K. Lee, “Web Clustering Simulation Using Genetic Algorithm”, Journal of Information Technology and Architecture, Vol.7, No.1, pp. 111-121, 2010.
  • Lee, K.H. and G.S. Jo, "Expert system for predicting stock market timing using a candlestick chart", Expert Systems with Applications, Vol.16, No.4, pp. 357-364, 1999.
  • Lee, J.W. “A Stock Trading System based on Supervised Learning ofHighly Volatile Stock Price Patterns”, KIISE Transactions on Computing Practices, Vol.19, No.1, pp. 23-29, 2013.
  • Kumar, A. and Lee, C. M. C., “Retail Investor Sentiment and Return Comovements”, Journal of Finance, Vol.61, No.5, pp.2451-2486, 2006.
  • Kiviluto, K. and E. Oja, "S-map : A network with a simple self-organization algorithm for generative topographic mappings", MIT Press, 1998.
  • Jung, Y.K. and Y.S. Yoon, “An Study on Predictability of Stock Prices using Artifical Nueral Networks”, The Korean Journal of Financial Management, Vol.15, No.2, pp.369-399, 1998.
  • Jackson, A., “The Aggregate Behaviour of Individual Investors”, Available at SSRN: http://dx.doi.org/10.2139/ssrn.536942, 2003.
  • Fu, T.C., F.L. Chung, R. Luk, and C.M. Ng, "Stock time series pattern matching：Template-based vs. rule-based approaches", Engineering Applications of Artificial Intelligence, Vol.20, No.3, pp. 347-364, 2007.
  • Dorn, D., Huberman, G. and Sengmueller, P., “Correlated Trading and Returns”, Journal of Finance, Vol.63, pp.885-920, 2008.
  • DEA에 의한 할리우드 영화 효율성 분석 및 이를 응용한 영화의 분류 시스템
    이우기 ( Woo Key Lee ) 이철기 ( Chul-ghi Lee ) 한국정보기술아키텍처논문지, 제13권, 제3호, pp. 487-495 [2016]
  • Cootner, P.H., “The random character of stock market prices”, MIT Press, 1964.
  • Choi, H. and Varian, H., “Predicting the Present with Google Trends”. The Economic Record, Vol.88, pp.2-9, 2012.
  • Bordino, I., Battiston, S., Caldarelli, G., Cristell, M. and Ukkonen, A., “Web Search Queries Can Predict Stock Market Volumes”, PloS ONE, Vol.7, No.7, pp.1-17, 2012.
  • Barber, B. M., Odean, T. and Zhu, N., “Systematic Noise”, Journal of Financial Markets, Vol.12, pp.547-569, 2009.
  • Back B, Sere K, Vanharanta H., “Managing complexity in large data bases using self-organizing maps”, Management and Information Technologies, Vol.8, No.4, pp. 191–210, 1998.