100포인트 출간 - 농업정보신문

마지막 업데이트: 2022년 6월 18일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
  1. 1. S. Nakamoto. (2008). Bitcoin: A peer-to-peer electronic cash system. http://www.lopp.net/pdf/bitcoin.pdf
  2. 2. H. J. Kim. (2018). Policy trends and issues on Crypto currency of Japanese government. Journal of the Korea Institute of Information and Communication Engineering, 22(10), 1398-1404. DOI : 10.6109/jkiice.2018.22.10.1398 원문보기 상세보기
  3. 3. M. Vijh, D. Chandola, V. A. Tikkiwal & A. Kumar. (2020). Stock closing price prediction using machine learning techniques. Procedia Computer Science, 167, 599-606. DOI : 10.1016/j.procs.2020.03.326 상세보기
  4. 4. A. Yadav & C. K. Aditi Sharan. (2020). Optimizing LSTM for time series prediction in Indian stock market. International Conference on Computational Intelligence and Data Science, 167, 2091-2100. DOI : 10.1016/j.procs.2020.03.257 상세보기
  5. 5. D. H. Shin, K. H. Choi & C. B. Kim. (2017). Deep learning model for prediction rate improvement of stock price using RNN and LSTM. The Journal of Korean Institute of Information Technology, 15(10), 9-16. DOI : 10.14801/jkiit.2017.15.10.9 상세보기
  6. 6. J. U, P. Lu, C. Kim, U. Ryu & K. Pak. (2020). A new LSTM based reversal point prediction method using upward/downward reversal point feature sets. Chaos, Solitons and Fractals, 132, 1-15. DOI : 10.1016/j.chaos.2019.109559 상세보기
  7. 7. W. Li & J. Liao. (2017). A comparative study on trend forecasting approach for stock price time series. IEEE International Conference on Anti-counterfeiting, Security, and Identification, 74-78. DOI : 10.1109/ICASID.2017.8285747
  8. 8. A. Moghar & M. Hamiche. (2020). Stock market prediction using LSTM recurrent neural network. Procedia Computer Science, 170, 1168-1173. DOI : 10.1016/j.procs.2020.03.049 상세보기
  9. 9. N. A. Bakar & S. Rosbi. (2017). Autoregressive integrated moving average model for forecasting cryptocurrency exchange rate in high volatility environment: A new insight of bitcoin transaction. International Journal of Advanced Engineering Research and Science, 4(11), 130-137. DOI : 10.22161/ijaers.4.11.20
  10. 10. E. Demir, G. Gozgor, C. K. M. Lau & S. A. Vigne. (2018). Does economic policy uncertainty predict the Bitcoin returns? An empirical investigation. Finance Research Letters, 26, 145-149. DOI : 10.1016/j.frl.2018.01.005 상세보기
  11. 11. X. Li & C. Wang. (2017). The technology and economic determinants of cryptocurrency exchange rates: The case of Bitcoin. Decision Support Systems, 95, 49-60. DOI : 10.1016/j.dss.2016.12.001 상세보기
  12. 12. D. Aggarwal, S. Chandrasekaran, & B. Annamalai. (2020). A complete empirical ensemble mode decomposition ans support vector machine-based approach to predict Bitcoin prices. Journal of Behavioral and Experimental Finance, 27, 1-12. DOI : 10.1016/j.jbef.2020.100335 상세보기
  13. 13. D. Mallqui & R. Fernandes. (2019). Predicting the direction, maximum, minimum and closing prices of daily Bitcoin exchange rate using machine learning techniques. Applied Soft Computing Journal, 75, 596-606. DOI : 10.1016/j.asoc.2018.11.038 상세보기
  14. 14. M. Liu, G. Li, J. Li, X. Zhu & Y. Yao. (2020). Forecasting the price of Bitcoin using deep learning. Finance Research Letters, In press. DOI : 10.1016/j.frl.2020.101755 상세보기
  15. 15. S. Xiaolei, L. Mingxi & S. Zeqian. (2020). A novel cryptocurrency price trend forecasting model based on LightGBM. Finance Research Letters, 32, 1-6. DOI : 10.1016/j.frl.2018.12.032 상세보기
  16. 16. M. Gang, B. Kim, M. Shin, U. Baek & M. Kim. (2020). LSTM-based prediction of Bitcoin price fluctuation using sentiment analysis. Proceedings of Symposium of the Korean Institute of Communications and Information Sciences, 561-562.
  17. 17. D. Pant, P. Neupane, A. Poudel, A. Pokhrel & B. Lama. (2018). Recurrent neural network based Bitcoin price prediction by Twitter sentiment analysis. International Conference on Computing, Communication and Security. DOI : 10.1109/CCCS.2018.85886824
  18. 18. Y. Ahn & D. Kim. (2020). Emotional trading in the cryptocurrency market. Finance Research Letters, in Press. DOI : 10.1016/j.frl.2020.101912
  19. 19. I. Makarov & A. Schoar. (2020). Trading and arbitrage in cryptocurrency markets. Journal of Financial 100포인트 출간 - 농업정보신문 Economics, 135, 293-319. DOI : 10.1016/j.jfineco.2019.07.001 상세보기
  20. 20. K. Tsang & Z. Yang. (2020). Price dispersion in bitcoin exchanges. Economics Letters, 194, 1-5. DOI : 10.1016/j.econlet.2020.109379 상세보기
  21. 21. E. Demir, G. Gozgor, C. Lau & S. Vigne. (2018). Does economic policy uncertainty predict the Bitcoin returns? An empirical investigation. Finance Research Letters, 26, 145-149. DOI : 10.1016/j.frl.2018.01.005 상세보기
  22. 22. G. Cohen. (2020). Forecasting Bitcoin trends using algorithmic learning systems. Entropy, 22, 1-11. DOI : 10.3390/e22080838 상세보기
  23. 23. Z. Chen, C. Li & W. Sun. (2020). Bitcoin price prediction using machine learning: An approach to sample dimension engineering. Journal of Computational and Applied Mathematics, 365, 1-13. DOI : 10.1016/j.cam.2019.112395 상세보기
  24. 24. S. Lahmiri & S. Bekiros. (2020). Intelligent forecasting with machine learning trading systems in chaotic intraday Bitcoin market. Chaos, Solitons and Fractals, 133, 1-7. DOI : 10.1016/j.chaos.2020.109641 상세보기
  25. 25. S. McNally, J. Roche & S. Caton. (2018). Predicting the price of Bitcoin using machine learning. 26th Euromicro International Conference on Parallel, Distributed, and Network-based Processing, 339-343. DOI : 10.1109/PDP2018.00060
  26. 26. H. M. Kim & H. Kim. (2019). A study on predicting cryptocurrency distribution prices using machine learning techniques. Journal of Distribution Science, 10(11), 93-101. DOI : 10.13106/ijidb.2019.vol10.no11.93 원문보기 상세보기
  27. 27. A. Urquhart. (2018). What 100포인트 출간 - 농업정보신문 causes the attention of Bitcoin?. Economics Letters, 166, 40-44. DOI : 10.1016/j.econlet.2018.02.017 상세보기
  28. 28. L. Liu. (2019). Are Bitcoin returns predictable? Evidence from technical indicators. Physica A, 533, 1-6. DOI : 10.1016/j.physa.2019.121950 상세보기
  29. 29. M. Nakano, A. Takahashi & S. Takahashi. (2018). Bitcoin technical trading with artificial neural network. Physica A, 510, 587-609. DOI : 10.1016/j.physa.2018.07.017 상세보기
  30. 30. T. L. Chen, C. H. Cheng & J. W. Liu. (2019). A causal time-series model based on multilayer perceptron regression for forecasting Taiwan stock index. International Journal of Information Technology & Decision Making, 18(6), 1967-1987. DOI : 10.1142/S0219622019500421 상세보기
  31. 31. N. Naik & B. Mohan. (2020). Intraday stock prediction based on deep neural network. National Academy Science Letters, 43, 241-246. DOI : 10.1007/s40009-019-00859-1 상세보기
  32. 32. O. Sezer & A. Ozbayoglu. (2018). Algorithmic financial trading with deep convolutional neural networks: Time series to image conversion approach. Applied Soft Computing, 70, 525-538. DOI : 10.1016/j.asoc.2018.04.024 상세보기
  33. 33. S. Hochreiter & J. Schmidhuber. (1997). Long short-term memory. Neural Computation, 9(8), 1735-1780. DOI : 10.1162/neco.1997.9.8.1735 상세보기
  34. 34. J. Ilonen, J. Kamarainen & J. Lampinen. (2003). Differential evolution training algorithm for feed-forward neural networks. Neural Processing Letters, 17, 93-105.
  35. 35. H. J. Song, H. S. Choi, S. W. Kim & S. H. Oh. (2019). A study on financial time series data volatility prediction method using AI's LSTM method. Journal of Knowledge Information Technology and Systems, 14(6), 665-673. DOI : 10.34163/jkits.2019.14.6.009
  36. 36. C. Olah. (2015). Understanding LSTM networks. https://colah.github.io/posts/2015-08-UnderstandingLSTMs/
  37. 37. A. Bariviera. (2017). The inefficiency of Bitcoin revisited: A dynamic approach. Economics Letters, 161, 1-4. DOI : 10.1016/j.econlet.2017.09.013 상세보기
  38. 38. A. Phillip, J. Chan & S. Peiris. (2018). A new look at Cryptocurrencies. Economics Letters, 163, 6-9. DOI : 10.1016/j.econlet.2017.11.020 상세보기

비트코인과 가상자산에 투자하는 방법

비트코인은 가장 많이 투자하는 인기있는 코인 중 하나일 것입니다. 그러나 비트코인이 전부는 아닙니다. 알트코인 구매는 여러분의 가상자산 포트폴리오의 다양성을 높일 수 있는 훌륭한 방법 중 하나입니다.

여러분은 투자 또는 트레이딩의 목적 및 위험 감수도와 진행하고자 하는 분석을 고려하여 가상자산을 선택해야 합니다. 기초적 또는 기술적 분석을 선택할 수 있으며, 또는 두 가지를 조합할 수도 있습니다. 이 모든 것을 염두에 둔다면 바이낸스에서 투자 또는 트레이딩할 준비가 완료됩니다.

비트코인과 다른 가상자산에 투자하는 것은 여러분의 투자를 다각화할 수 있는 훌륭한 방법이지만 높은 위험이 따르기도 합니다. 따라서 시작 전에 기본적인 개념과 원리들을 이해하는 것이 필수적입니다. 몇 가지 가상자산을 구매하고 가격이 오르기를 가만히 기다리는 것만으로는 충분하지 않습니다.

정보에 입각한 투자 결정에는 신중한 조사와 분석이 포함됩니다. 이상적으로 여러분은 위험 감수도에 따른 전략을 보유하고 있어야 하며, 감당할 수 있는 손실 이상의 금액을 절대 투자해서는 안 됩니다.

비트코인과 알트코인

그러나 수천 개의 다른 가상자산인 알트코인도 있습니다. 일부 알트코인은 자체적인 블록체인을 보유하고 있으며, 다른 알트코인들은 기존에 존재하는 네트워크(바이낸스 스마트 체인 또는 이더리움)를 사용하고 있습니다. 각 프로젝트는 서로 다른 목표를 지향하고 있으며, 각기 다른 잠재적 위험과 장점을 갖고 있습니다.

BTC에만 투자하거나 또는 여러 가상자산에 투자하는 것은 전적으로 여러분의 선택입니다. 누군가는 BTC만을 고수할 것이지만, 다른 이들은 알트코인을 통해 자신의 보유 자산을 다각화하는 것을 선호할 것입니다.

한편, 자산 다각화는 하나의 프로젝트에만 투자하는 위험을 제거하는 방법입니다. 다수의 자산을 보유하고 있는 경우, 하나의 자산이 하락하더라도 상당한 금액을 잃지 않을 수 있습니다. 반면, 알트코인 투자에는 위험이 따릅니다. 불행히도 많은 스캠(사기)이 벌어지기도 합니다. 따라서 위험을 감수하기 전에 여러분만의 리서치를 하는 것이 무척 중요합니다.

엄청나게 많은 코인들이 있기 때문에, 어디서부터 시작해야 할 지 고민이 될 수 있습니다. 비트코인 외에 어떤 가상자산을 구매해야 하나요?를 통해 다양한 가상자산 유형에 대해 살펴보시기 바랍니다.

트레이딩을 해야 할까요? 투자를 해야 할까요?

여러분이 투자 또는 트레이딩을 할 것인지에 따라 무엇을 구매할 지가 달라집니다. 두 가지는 쉽게 혼동되는 것이지만 차이점이 존재합니다. 간단히 말해, 투자는 여러분이 신뢰하며 더 오랜 기간 동안 보유할 자산을 선택하는 것입니다. 이러한 전략은 보다 적은 시간을 필요로 하며 보통 위험도 훨씬 적습니다.

반면, 트레이딩은 정기적인 매수 및 매도를 통해 단기 또는 중기적 관점에서 수익을 얻는 것을 목표로 합니다. 훌륭한 트레이더가 되는 데는 많은 시간과 연습이 필요합니다. 트레이더는 복잡한 전략을 개발하고 시장과 트레이딩 플랫폼 분석 및 위험 관리에 시간을 쏟아야 합니다. 트레이더들은 또한 트레이딩과 트랜잭션 수수료에 사용하는 금액들도 고려해야 합니다.

가상자산 시장은 종종 전통적인 시장에 비해 더 많은 변동성을 보인다는 점을 기억하시기 바랍니다. 트레이더는 수익을 올리기 위해 변동성을 필요로 하지만, 높은 변동성은 높은 위험을 초래할 수 있습니다.

초보자에게는 투자가 훨씬 간단하고 안전한 선택지일 수 있습니다. 투자자들은 보통 몇 년 단위를 고려하기 때문에, 단기간의 가격 움직임은 그리 중요하지 않습니다. 투자 결정은 코인의 기초적 분석에 보다 초점을 맞춰 진행됩니다(프로젝트가 얼마나 탄탄하며 장기간 성공할 가능성이 얼마나 되는지).

일부는 투자를 선호하며 단기간의 변동을 걱정하지 않기를 원합니다. 다른 이들은 수익을 극대화하기 위해 트레이딩을 선호합니다. 또 다른 이들은 투자와 트레이딩을 모두 할 수도 있습니다. 이는 모두 여러분의 전략, 목표 및 위험 감수도에 달려있습니다.

다시 한 번 말씀드리지만 결정은 여러분의 몫이며 손실을 감당할 수 있는 이상으로 절대 자금으로 투자 또는 트레이딩을 하지 마시기 바랍니다.

기초적 분석(FA)과 기술적 분석(TA) 비교

무엇이 좋은 투자일지를 결정하려면 분석 작업이 필요합니다. 분석 유형은 주로 투자 또는 트레이딩에 따라 달라지지만, 기초적 분석과 기술적 분석 모두 유용할 수 있습니다.

앞서 언급했듯, 단기에서 중기 가격 변화는 투자(또는 HODL)에 크게 중요하지 않습니다. 장기 투자는 일반적으로 코인 또는 프로젝트의 본질적인 가치를 더욱 고려하며, 이는 기초적 분석(FA)과 관련됩니다.

반면, 기술적 분석(TA)은 이전 가격 움직임과 수치 데이터를 고려하여 미래 가격 움직임을 예측하고자 합니다. 기술적 분석에는 보통 캔들스틱 차트와 이동 평균 및 추세선과 같은 기술적 분석 지표가 포함됩니다.

바이낸스에서 첫 비트코인 구매하기

여러분은 바이낸스 가상자산 거래소에서 간편하게 비트코인 또는 알트코인을 구매할 수 있습니다.


또는 여러분의 은행 계좌에서 법정 통화를 전송하여 가상자산을 구매할 수도 있습니다. 바이낸스 초보자 가이드를 통해 두 가지 방법으로 가상자산을 구매하는 방법에 대해 알아보시기 바랍니다.

바이낸스에서 첫 알트코인 구매하기

1. 바이낸스 계정에 로그인합니다. [가상자산 구매] 버튼으로 마우스를 움직여 [신용/직불 카드]를 클릭합니다.

2. 다음으로 다양한 가상자산을 선택할 수 있습니다. 정확한 법정 통화를 선택했는지도 확인하시기 바랍니다. 여기서는 EUR로 BNB를 구매해보도록 하겠습니다.

3. 카드 세부 정보를 입력하여 구매를 완료하고, 계정에 가상자산이 입금되기를 기다리면 됩니다.

가상자산으로 무엇을 해야 할까요?

여러분이 가상자산에 투자하거나 트레이딩을 할 경우 취할 수 있는 전략들로는 매수, 매도, 보유가 있습니다. 장기 보유의 경우에는 바이낸스 계정에 가상자산을 보관하거나 이를 외부 가상자산 지갑으로 전송할 수도 있습니다.

바이낸스 계정에 가상자산을 계속 보관할 경우에는 바이낸스 수익 창출에서 제공하는 다양한 상품들을 고려해볼 수 있습니다. 여러분은 이를 가상자산을 보유하며 소극적 소득을 창출하는 예금 계좌라고 생각하실 수 있습니다.

가상자산에 투자하거나 트레이딩을 하는 방법을 배우는 데는 시간이 필요합니다. 더 많은 공부를 통해 전반적인 투자 위험을 줄이고 정보에 입각한 결정을 내릴 수 있습니다. 감정에 따라 자산을 매도하기도 쉽지만, 투자와 트레이딩에 대해 공부할 경우 그럴 확률이 훨씬 낮아집니다. 이에 대한 보다 자세한 정보는 시장 사이클 심리를 확인해보시기 바랍니다.

비트코인 투자정보

블록체인 전문 미디어 블록체인밸리는 다스아카데미와 공동으로 비트코인 투자 전망서 [비트코인 골든타임-블록체인밸리 인사이드 100포인트]를 출간했다.

도대체 비트코인 가격은 왜 이렇게 올라가는 것이고 왜 잡히지 않는 것일까. 비트코인 가격뿐만 아니라 이더리움,리플,도지코인 시세는 왜 이렇게 오르는 것일까. 과연 가격이 끝없이 상승하기만 할까. 일론 머스크가 운영하고 있는 테슬라는 지난 2월 초 비트코인 15억 달러어치를 매수한 이후 지난 4월 분기실적 발표에서 비트코인 일부를 팔아 차익을 실현했다.

이 책은 '비트코인 가격이 언제까지 오를 것인가'라는 질문에 비트코인 투자자들의 궁금증과 답답함을 풀어줄 투자 입문·전망서이다.

암호화폐 교육社 다스아카데미 이충 대표가 저자로 참여한 이 책은 과학적인 통계 자료와 이론을 토대로 메커니즘과 이슈에 대한 이해를 제공함으로써 투자자들이 현재 상황을 정확하게 분석하고, 향후 투자 시장 흐름을 예측하는 능력을 키우도록 도와준다. 이 책은 4차 산업혁명 시대가 도래하면서 블록체인으로 바뀌는 우리의 삶을 대비하고 준비하는데 필요한 유익한 정보를 각 분야별로 잘 정리해 둔 ‘블록체인 도감’이다.

이충 다스아카데미 대표는 IT 개발자로 일해온 저자의 지난 10년의 비트코인 투자 노하우를 가득 담았다고 설명했다. 이충 대표는 2012년 비트코인에 입문한 1세대 암호화폐 전문가로 채굴부터 시작해 국내2위 암호화페 포털 블록체인 허브 대표와 암호화폐 투자 아카데미인 다스아카데미 대표를 겸하고 있다. 2013년 공저자로 참여한 이후 2021년 8년만에 2번째 책이다. 이충 대표는 이더리움커뮤니티 체인톡 운영했고 현재는 팍스경제TV 다시오늘의코인 전문가 출연하면서 활발한 활동을 하고 있다.

[비트코인 골든타임-블록체인밸리 인사이드 100포인트] 책은 비트코인 이더리움에 활용된 블록체인을 코린이(코인과 어린이의 합성어)가 쉽게 이해할 수 있도록 100개의 문답 형식으로 구성했으며, 필요할 때 100포인트 출간 - 농업정보신문 용어 추천을 찾아 볼 수 있도록 정리했다. 이 책은 한국발 암호화폐 광풍의 원인 진단을 시작으로 결제 등 우리 삶과 연관된 다양한 주제를 다루며 블록체인 기술의 이해를 돕고 있다.

총 8개의 파트로 구성된 이 책은 블록체인 투자와 금융뿐만 아니라 정책,시장,기술,산업,인물,가상자산 세금까지 관심이 높은 비트코인 투자에 대한 정보를 집중적으로 다루었다. 최근 비트코인, 이더리움, 리플, 도지코인 등 가상자산 가격이 가파르게 올라 암호화폐에 대한 관심이 커지면서 핵심적으로 고려해야 할 사항은 무엇인지 등 투자 확률을 높이는 블록체인 기술부터 실전 차트 지표까지 담았다.

특히 세금부분에서는 가상자산 과세부터 거래소득 신고까지, 블록체인 금융 분야에서는 혁신금융서비스에서 레이븐코인 자산토큰화증권까지 전망을 다루었다. 이 책은 교보문고, 영풍문고, 반디앤루니스, 알라딘, 인터파크 등에서 주문·구매할 수 있다.

ScienceON Chatbot

Performance Analysis of Bitcoin Investment Strategy using Deep Learning

최근 암호화폐거래소로 투자자들이 몰리면서 비트코인 가격이 급등락하고 있다. 본 연구의 목적은 딥러닝 모형을 이용하여 비트코인의 가격을 예측하고, 투자전략을 통해 비트코인의 수익성이 있는지를 분석하는 것이다. 비선형성과 장기기억 특성을 보이는 비트코인 가격 예측모형으로는 LSTM을 활용하며, 예측 가격을 입력변수로 하는 이동평균선 교차전략의 수익성을 분석하였다. 2013년부터 2021년까지의 LSTM 예측 가격을 이용한 비트코인 이동평균선 교차전략의 투자 성과는 단순 시장가격을 이용한 이동평균선 교차전략과 벤치마크전략 Buy & Hold 보다 각각 5.5%와 46% 이상의 수익률 개선 효과를 보여주었다. 최근 데이터까지 확장하여 분석한 본 연구의 결과는 기존의 연구들과 마찬가지로 암호화폐 시장의 비효율성(inefficiency)을 지지하고 있으며, 비트코인 투자자들에게는 딥러닝 모형을 이용한 투자전략의 실전 활용 가능성을 보여주었다. 향후 연구에서는 다양한 딥러닝 모형들의 성과 비교를 통해 최적의 예측모형을 개발하고 비트코인 투자전략의 수익성을 개선할 필요가 있다.

Abstract

Bitcoin prices have 100포인트 출간 - 농업정보신문 been soaring recently as investors flock to cryptocurrency exchanges. The purpose of this study is to predict the Bitcoin price using a deep learning model and analyze whether Bitcoin is profitable through investment strategy. LSTM is utilized as Bitcoin prediction model with nonlinearity and long-term memory and the profitability of MA cross-over strategy with predicted prices as input variables is analyzed. Investment performance of Bitcoin strategy using LSTM forecast prices from 2013 to 2021 showed return improvement of 5.5% and 46% more than market price MA cross-over strategy and benchmark Buy & Hold strategy, respectively. The results of this study, which expanded to recent data, supported the inefficiency of the cryptocurrency market, as did previous studies, and showed the feasibility of using the deep learning model for Bitcoin investors. In future research, it is necessary to develop optimal prediction models and improve the profitability of Bitcoin investment strategies through performance comparison of various deep learning models.

표 / 그림 (9) 모든 표/그림 보기 슬라이드로 보기

저자의 다른 논문

참고문헌 (38)

  1. 1. S. Nakamoto. (2008). Bitcoin: A peer-to-peer electronic cash system. http://www.lopp.net/pdf/bitcoin.pdf
  2. 2. H. J. Kim. (2018). Policy trends and issues on Crypto currency of Japanese government. Journal of the Korea Institute of Information and Communication Engineering, 22(10), 1398-1404. DOI : 10.6109/jkiice.2018.22.10.1398 원문보기 상세보기
  3. 3. M. Vijh, D. Chandola, V. A. Tikkiwal & A. Kumar. (2020). Stock closing price prediction using machine learning techniques. Procedia Computer Science, 167, 599-606. DOI : 10.1016/j.procs.2020.03.326 상세보기
  4. 4. A. Yadav & C. K. Aditi Sharan. (2020). Optimizing LSTM for time series prediction in Indian stock market. International Conference on Computational Intelligence and Data Science, 167, 2091-2100. DOI : 10.1016/j.procs.2020.03.257 상세보기
  5. 5. D. H. Shin, K. H. Choi & C. B. Kim. (2017). Deep learning model for prediction rate improvement of stock price using RNN and LSTM. The Journal of Korean Institute of Information Technology, 15(10), 9-16. DOI : 10.14801/jkiit.2017.15.10.9 상세보기
  6. 6. J. U, P. Lu, C. Kim, U. Ryu & K. Pak. (2020). A new LSTM based reversal point prediction method using upward/downward reversal point feature sets. Chaos, Solitons and Fractals, 132, 1-15. DOI : 10.1016/j.chaos.2019.109559 상세보기
  7. 7. W. Li & J. Liao. (2017). A comparative study on trend forecasting approach for stock price time series. IEEE International Conference on Anti-counterfeiting, Security, and Identification, 74-78. DOI : 10.1109/ICASID.2017.8285747
  8. 8. A. Moghar & M. Hamiche. (2020). Stock market prediction using LSTM recurrent neural network. Procedia Computer Science, 170, 1168-1173. DOI : 10.1016/j.procs.2020.03.049 상세보기
  9. 9. N. A. Bakar & S. Rosbi. (2017). Autoregressive integrated moving average model for forecasting cryptocurrency exchange rate in high volatility environment: A 100포인트 출간 - 농업정보신문 new insight of bitcoin transaction. International Journal of Advanced Engineering Research and Science, 4(11), 130-137. DOI : 10.22161/ijaers.4.11.20
  10. 10. E. Demir, G. Gozgor, C. K. M. Lau & S. A. Vigne. (2018). Does economic policy uncertainty predict the Bitcoin returns? An empirical investigation. Finance Research Letters, 26, 145-149. DOI : 10.1016/j.frl.2018.01.005 상세보기
  11. 11. X. Li & C. Wang. (2017). The technology and economic determinants of cryptocurrency exchange rates: The case of Bitcoin. Decision Support Systems, 95, 49-60. DOI : 10.1016/j.dss.2016.12.001 100포인트 출간 - 농업정보신문 상세보기
  12. 12. D. Aggarwal, S. Chandrasekaran, & B. Annamalai. (2020). A complete empirical ensemble mode decomposition ans support vector machine-based approach to predict Bitcoin prices. Journal of Behavioral and Experimental Finance, 27, 1-12. DOI : 10.1016/j.jbef.2020.100335 상세보기
  13. 13. D. Mallqui & R. Fernandes. (2019). Predicting the direction, maximum, minimum and closing prices of daily Bitcoin exchange rate using machine learning techniques. Applied Soft Computing Journal, 75, 596-606. DOI : 10.1016/j.asoc.2018.11.038 상세보기
  14. 14. M. Liu, G. Li, J. Li, X. Zhu & Y. Yao. (2020). Forecasting the price of Bitcoin using deep learning. Finance Research Letters, In press. DOI : 10.1016/j.frl.2020.101755 상세보기
  15. 15. S. Xiaolei, L. Mingxi & S. Zeqian. (2020). A novel cryptocurrency price trend forecasting model based on LightGBM. Finance Research Letters, 32, 1-6. DOI : 10.1016/j.frl.2018.12.032 상세보기
  16. 16. M. Gang, B. Kim, M. Shin, U. Baek & M. Kim. (2020). LSTM-based prediction of Bitcoin price fluctuation using sentiment analysis. Proceedings of Symposium of the Korean Institute of Communications and Information Sciences, 561-562.
  17. 17. D. Pant, P. Neupane, 100포인트 출간 - 농업정보신문 A. Poudel, A. Pokhrel & B. Lama. (2018). Recurrent neural network based Bitcoin price prediction by Twitter sentiment analysis. International Conference on Computing, Communication and Security. DOI : 10.1109/CCCS.2018.85886824
  18. 18. Y. Ahn & D. Kim. (2020). Emotional trading in the cryptocurrency market. Finance Research Letters, in Press. DOI : 10.1016/j.frl.2020.101912
  19. 19. I. Makarov & A. Schoar. (2020). Trading and arbitrage in cryptocurrency markets. Journal of Financial Economics, 135, 293-319. DOI : 10.1016/j.jfineco.2019.07.001 상세보기
  20. 20. K. Tsang & Z. Yang. (2020). Price dispersion in bitcoin exchanges. Economics Letters, 194, 1-5. DOI : 10.1016/j.econlet.2020.109379 상세보기
  21. 21. E. Demir, G. Gozgor, C. Lau & S. Vigne. (2018). Does economic policy uncertainty predict the Bitcoin returns? An empirical investigation. Finance Research Letters, 26, 145-149. DOI : 10.1016/j.frl.2018.01.005 상세보기
  22. 22. G. Cohen. (2020). Forecasting Bitcoin trends using algorithmic learning systems. Entropy, 22, 1-11. DOI : 10.3390/e22080838 상세보기
  23. 23. Z. Chen, C. Li & W. Sun. (2020). Bitcoin price prediction using machine learning: An approach to sample dimension engineering. Journal of Computational and Applied Mathematics, 365, 1-13. DOI : 10.1016/j.cam.2019.112395 상세보기
  24. 24. S. Lahmiri & S. Bekiros. (2020). Intelligent forecasting with machine learning trading systems in chaotic intraday Bitcoin market. Chaos, Solitons and Fractals, 133, 1-7. DOI : 10.1016/j.chaos.2020.109641 상세보기
  25. 25. S. McNally, J. Roche & S. Caton. (2018). Predicting the price of Bitcoin using machine learning. 26th Euromicro International Conference on Parallel, Distributed, and Network-based Processing, 339-343. DOI : 10.1109/PDP2018.00060
  26. 26. H. M. Kim & H. Kim. (2019). A study on predicting cryptocurrency 100포인트 출간 - 농업정보신문 distribution prices using machine learning techniques. Journal of Distribution Science, 10(11), 93-101. DOI : 10.13106/ijidb.2019.vol10.no11.93 원문보기 상세보기
  27. 27. A. Urquhart. (2018). What causes the attention of Bitcoin?. Economics Letters, 166, 40-44. DOI : 10.1016/j.econlet.2018.02.017 상세보기
  28. 28. L. Liu. (2019). Are Bitcoin returns predictable? Evidence from technical indicators. Physica A, 533, 1-6. DOI : 10.1016/j.physa.2019.121950 상세보기
  29. 29. M. Nakano, A. Takahashi & S. Takahashi. (2018). Bitcoin technical trading with artificial neural network. Physica A, 510, 587-609. DOI : 10.1016/j.physa.2018.07.017 상세보기
  30. 30. T. L. Chen, C. H. Cheng & J. W. Liu. (2019). A causal time-series model based on multilayer perceptron regression for forecasting Taiwan stock index. International Journal of Information Technology & Decision Making, 18(6), 1967-1987. DOI : 10.1142/S0219622019500421 상세보기
  31. 31. N. Naik & B. Mohan. (2020). Intraday stock prediction based on deep neural network. National Academy Science Letters, 43, 241-246. DOI : 10.1007/s40009-019-00859-1 상세보기
  32. 32. O. Sezer & A. Ozbayoglu. (2018). Algorithmic financial trading with deep convolutional neural networks: Time series to image conversion approach. Applied Soft Computing, 70, 525-538. DOI : 10.1016/j.asoc.2018.04.024 상세보기
  33. 33. S. Hochreiter & J. Schmidhuber. (1997). Long short-term memory. Neural Computation, 9(8), 1735-1780. DOI : 10.1162/neco.1997.9.8.1735 상세보기
  34. 34. J. Ilonen, J. Kamarainen & J. Lampinen. (2003). Differential evolution training algorithm for feed-forward neural networks. Neural Processing Letters, 17, 93-105.
  35. 35. H. J. Song, H. S. Choi, S. W. Kim & S. H. Oh. (2019). A study on financial time series data volatility prediction method using AI's LSTM method. Journal of 100포인트 출간 - 농업정보신문 Knowledge Information Technology and Systems, 14(6), 665-673. DOI : 10.34163/jkits.2019.14.6.009
  36. 36. C. Olah. (2015). Understanding LSTM networks. https://colah.github.io/posts/2015-08-UnderstandingLSTMs/
  37. 37. A. Bariviera. (2017). The inefficiency of Bitcoin revisited: A dynamic approach. Economics Letters, 161, 1-4. DOI : 10.1016/j.econlet.2017.09.013 상세보기
  38. 38. A. Phillip, J. Chan & S. Peiris. (2018). A new look at Cryptocurrencies. Economics Letters, 163, 6-9. DOI : 10.1016/j.econlet.2017.11.020 상세보기

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • ScienceON : 원문보기
  • KCI : KCI 원문보기
  • DOI : 10.15207/JKCS.2021.12.4.249 [무료]
  • 한국융합학회 : 저널
  • 학술교육원 : 저널
  • Korea Open Access Journals : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

비트코인 투자정보

블록체인, 암호화폐, 코인투자 사이트 모음

1세대 비트코인, 2세대 이더리움, 3세대 솔라나, 에이다, 폴리곤, 아발렌체 등 점점 더 블록체인 기술이 진보되면서 매체에서도 심심찮게 직간접적으로 블록체인 기술이 표출되고 있습니다. 이번 눈뜨고 코베이징 올림픽에서도 올림픽 관련 NFT가 출시되고 에어드랍까지 진행되더군요. 가까운 미래에 우리 삶에서 블록체인 기술은 누구나 이용할 수 있고 매우 친근해질 것이라 확신합니다. 아직도 일반 사람들에겐 블록체인 정보 접근성이 낮기 때문에 암호화폐 시장이 초입이라고 느낍니다. 이번글에서는 신뢰도 높은 데이터를 확보하는데 도움이 될 수 있는 유용한 사이트를 소개하겠습니다. 개인적으로 깔끔한 홈페이지를 선호하여 호불호가 다를 수 있음을 미리 말씀드립니다.

주요 사이트

한눈에 보는 코인 정보 사이트! - 고잉업

주간 상승률, 체결강도 순위, 메이저 체결현황, 마진청산금, 가격급등코인, 봇 감지, 코인일정, 월간 가격변화, 공포/탐용지수, 그레이스케일 포트폴리오, 물/불타기 계산기, 거래대금 순위, 롱-숏 비율 등 다양한 통계 뿐만아니라 코인관련 일정까지 제공하고 있는 아주 유용한 국내 사이트입니다. 중단기 거래에서 필요한 거의 알짜배기 통계들만 모여있기 때문에 트레이딩 하시는 분들에게는 활용도 가 높은 사이트입니다.

블록체인 투자자 분들은 대부분 알고 계실 그레이스케일 회사의 홈페이지입니다. 블록체인 투자에 진심인 기업입니다. 따라서, 해당 기업의 포트폴리오 변화는 시장에 시사하는 바가 큽니다. 매일 업데이트 되는 포트폴리오에서 각 종목들의 거래 변화비중 을 보고 가상화폐를 투자하는 큰 기업이 향후 시장과 현재 시장을 바라보는 관점을 예측할 수 있습니다.

쟁글 (Xangle): 공시데이터 기반 가상자산 정보포털

세계적인 파트너와 함께하는 개방형 가상자산 정보 공시 포털, 쟁글에서 투자 정보를 확인하세요.

가상화폐 관련 다양한 뉴스와 국내 거래소 거래통계를 알 수 있는 국내 사이트입니다. 키워드기반의 매우 깔끔한 인터페이스가 특징 이며 디파이, 다오, NFT, 레이어2, P2E, 스테이블코인, 레이어1 등등 다양한 블록체인기반 정보들을 직관적으로 확인 할 수 있습니다. 또한, 한국 기준시가, 글로벌 시가 별로 가상자산의 마켓캡이 정리되어 있습니다. 국내거래소 업비트, 빗썸, 코인원, 코빗의 거래정보를 확인할 수 있으며 해외거래소 정보는 바이낸스 한 곳만 알 수 있습니다.

Coinlive – Cryptocurrency News Update 24/7

쟁글과 마찬가지로 다양한 코인뉴스를 카테고리 별로 볼 수 있는 사이트입니다. 해외사이트이긴 하지만 흥미로운 기사들이 많이 올라오는 곳으로 국내보다 더 빠른 정보를 제공 받을 수 있습니다.

Coin Overview - Alternative.me

전체 코인시장의 각 종목별 Market Cap과 거래량을 확인할 수 있으며 가상화폐 시장의 공포/탐욕지수, 비트코인 검색 트렌드를 정리해놓은 사이트입니다. 특히 개별 종목의 최고점, 발행한도, 발행량, 소셜사이트, 공식홈페이지, 최초발행일 등 핵심정보 가 매우 깔끔하게 정돈된 곳입니다.

GitHub: Where the world builds software

GitHub is where over 73 million developers shape the future of software, together. Contribute to the open source community, manage your Git repositories, review code like a pro, track bugs and feat.

깃허브는 블록체인 기술뿐만 아니라 전세계 여러 컴퓨터프로그래밍 개발자들의 놀이터라고 알려져있는 사이트입니다. 이 사이트에 기록된 다양한 정보에 따라 얼마나 개발이 활발하게 진행 되는지 알 수 있습니다. 특히 Commit 횟수에 따라 개발 활성도를 확인할 수 있어서 스캠코인을 구별하기에도 용이한 사이트입니다. 깃허브는 이용 난이도가 조금 높은 편인데 남양주개발자님이 잘 설명해놓은 글이 있어서 참고하시라고 링크 공유합니다.https://webruden.tistory.com/526

데이터 차트화 편의성의 끝판왕 사이트입니다. 가격, 개발지수, 소셜미디어 볼륨 등 다양한 수치들을 차트화 시킬수 있으며 한눈에 보기에도 편리한 사이트입니다. 또한 디파이, NFT 등 블록체인 카테고리 별 코인들의 순위도 잘 정리되어 있습니다.

CryptoMiso - Ranking cryptocurrencies based on Github commits of past 12 months

CryptoMiso is a web service ranking cryptocurrencies based on the commit history of their most popular Github repository.

크립토미소는 깃허브 커밋 숫자를 기반으로 최근 3/6/9/12 개월 이내에 개발활성도에 따라 개발이 활발한 코인 순위 를 매긴 사이트입니다. 1년이내 기록만 볼 수 있다는 점이 아쉽긴하지만 1년동안 가장 활발하고 폭발적으로 개발하고 있는 암호화폐를 알 수 있다는 점에서 새로운 종목을 발굴하는데 도움이 될 사이트입니다.

암호화폐 가격, 차트 및 시가총액 | CoinMarketCap

시가총액 기준 상위 암호화폐 가격과 차트. 비트코인 및 수천 개의 알트코인의 현재 및 과거 정보에 무료로 액세스할 수 있습니다.

아마 다들 알고계시는 사이트이겠지만 가장 유명한 코인마켓캡입니다. 전세계 거래소 정보를 알 수 있으며 중앙화된 거래소 뿐만아닌 DEX까지도 전부 확인할 수 있는 사이트 입니다. 코인들이 상장될 ICO 일정과 에어드랍 일정도 확인할 수 있으니 더할나위 없이 유용한 사이트입니다.

코인게코: 암호화폐 시세 및 시가총액

암호화폐 시세, 시장 개요 및 암호화폐 시가총액, 거래량 등과 같은 분석을 확인해 보세요.

코인마켓캡과 유사한 사이트이며 디파이, NFT 통계를 쉽게 확인할 수 있는 사이트입니다.

Cryptocurrency Prices Heatmap, Market Cap, Charts & Widget – COIN360

Watch the heatmap of cryptocurrency prices, market capitalizations, and volumes on COIN360. Add our widget to track the price of BTC, ETH, XRP, LTC, BCH, EOS, BNB.

기본적으로 전체 코인마켓에서 각 코인의 도미넌스(영향력/지배력)를 직관적으로 나타낸 사이트 입니다. 또한, Chart 탭에서 도미넌스 변화와 코인 전체시장의 총 규모 변화를 확인할 수 있습니다. 뿐만아니라 전체 거래소의 도미넌스도 확인할 수 있습니다. 현재 기준으로 바이낸스가 1위, HitBTC가 2위, 업비트가 3위입니다.

Adam Cochran (adamscochran.eth)(@adamscochran) 님 | 트위터

@adamscochran 님 언뮤트하기 @adamscochran 님 뮤트하기 팔로우 @adamscochran 님 팔로우하기 팔로잉 @adamscochran 님 팔로우 중 언팔로우 @adamscochran 님 언팔로우하기 차단됨 @adamscochran 님이 차단됨 차단 해제

코인 투자자로 유명한 아담코크란의 트워터입니다. 사실 해당사이트는 트위터를 이용하는게 코인정보를 얻는데 좋다는 예시입니다. 다양한 코인투자자와 코인개발회사, 코인투자회사의 트위터가 존재하기 때문에 트위터에서 빠른 정보를 얻을 수 있습니다. 암호화폐 투자세계에서 정보를 빠르게 얻고 커뮤니티 구성원이 되기 위해서는 트위터 뿐만아니라 디스코드(https://support.discord.com) 커뮤니티 도 잘 이용할 줄 알아야합니다.

코인 홀더 상승률, 거래량 변화율, 핫한 디앱 주제별 순위, 유저들의 관심도가 높아진 순위, 뉴스, 주간활동량 순위 등 다양한 디앱들의 순위와 토큰 순위를 확인 할 수 있스니다. 특히 인터페이스의 색상배치가 매우 깔끔한게 특징인 사이트입니다.


0 개 댓글

답장을 남겨주세요