지연종속변수를 포함한 실시간 예측 모델 = Online Predict with Lagged Dependent Variables

다국어 초록 (Multilingual Abstract)

With the development of IT, immediate prediction through real-time data is becoming important in various fields such as finance and manufacturing. However, existing models have limitations in reflecting the autocorrelation of real-time data and suffer from inefficiency, requiring the entire model to be retrained when new data arrives. To solve this problem, this study proposes a Online regression model OLDV including lagged dependent variables (LDV) and ORLDV applying ridge
normalization. To validate the model's superiority, we compared its predictive performance against existing models like GLM, RLS, and LSTM under conditions with extremely limited training data. As a result of the experiment, the proposed model significantly reduces errors compared to existing models and demonstrates superior performance. This study is significant for presenting a new methodology that simultaneously enhances the accuracy and practicality of online predictions.

국문 초록 (Abstract)

IT의 발달로 금융, 제조업 등 다양한 분야에서 실시간 데이터를 통한 즉각적인 예측이 중요해지고 있다. 그러나 기존 모델들은 실시간 데이터의 자기 상관성을 반영하는데 한계가 있으며, 새로운 데이터 유입 시 전체 모델을 재학습해야 하는 비효율성을 가지고 있다. 본 연구는 이러한 문제를 해결하고자 지연종속변수(Lagged Dependent Variables, LDV)를 포함한 실시간 회귀모델 OLDV와 릿지 정규화를 적용한 ORLDV를 제안한다. 모델의 우수성을 검증하고자 훈련 데이터가 극단적으로 적은 상황을 가정하여 기존의 GLM, RLS, LSTM 등과 같은 일반적인 모델과 예측 성능을 비교 분석하였다. 실험 결과, 제안 모델은 기존 모델 대비 오차를 유의미하게 감소시키며 우수한 성능을 보였다. 본 연구는 실시간 예측의 정확성과 실용성을 동시에 높이는 새로운 방법론을 제시함에 의의가 있다.

목차 (Table of Contents)

• 1. 서론 1
• 2. 이론적 배경 4
• 가. 개념 이론 4
• 나. 선행연구 7
• 3. 방법론 11
• 가. 분류 기준 11
• 나. 선행 방법론 12
• 다. 제안 방법론 19
• 4. 실험 설계 24
• 가. 데이터 설명 24
• 나. 실험 설계 및 평가 기준 32
• 5. 실험 결과 35
• 6. 결론 및 향후 연구 계획 51
• 가. 결론 51
• 나. 향후 연구 계획 52
• 7. Appendix 53
• 참고문헌 54
• Abstract(영문초록) 57