가상화폐의 실전 투자전략

공정거래위원회(2-1동)

국립세종도서관 메인화면

머리말 1(Kangcfa) 도박하지 말고 투자하세요
머리말 2(systrader79) 단순하다고 무시하지 마세요
Part 1. 가상화폐 전장에서 통하는 전략, 계량투자
01. 이 책의 목적과 구조
02. 가상화폐, 핵심 개념과 주요 이슈
필자들에게 가상화폐는 무엇인가?
거래에 앞서 알아야 할 것들
가상화폐 투자 십계명
03. 돈 버는 데 중요치 않은 것들은 제쳐두자
04. 투자 심리, 리스크 관리, 투자 전략
05. 추세에 올라타라
가상화폐는 우상향 자산인가?
가격만 죽어라 분석하면 된다
우리는 추세 투자자!
Part 2. 가상화폐 투자 심리 읽기
06. 가상화폐 투자 최대의 적은 우리의 뇌
우리의 투자 뇌는 원숭이보다 못하다
판단 착오를 부르는 치명적인 편향들
명심하라!
07. 뇌의 편향을 극복하는 법
매수하기 전에 매도할 때를 정하라
한번 정한 전략은 끝까지 밀고 간다
자존심을 버려라
나는 바보다! 손실은 당연, 이익은 운빨
MDD는 무조건 20% 아래로 유지하라

Part 3. 핵심은 상승장 투자+리스크 관리
08. 월요일, 오전, 월말?월초를 노려라
수익은 오전에 발생한다
요일별 수익률
월중 효과
09. 상승장에만 투자하라
이동평균의 위력
개미들이 깨지는 원인은 ‘역추세’ 투자
10. 리스크! 리스크! 리스크를 관리하라!
어떤 경우에도 MDD 20%를 넘으면 안 된다
현금 비중을 늘려 변동성 조절하기
분산투자로 쉽고 안전하게
Part 4. 가상화폐 실전 투자 전략
11. 단순하지만 위력적인 전략들
투자 전략 1: 가상화폐 분산투자+현금 비중 90%
과거 수익과 MDD
투자 전략 2: 상승장+현금 비중 80% 이상 가상화폐의 실전 투자전략
투자 전략 3: 슈퍼 상승장+변동성 조절
투자 전략 4: 듀얼 모멘텀+현금 비중 최소 90%
투자 전략 5: 오전 천국, 오후 지옥
12. 역대 최강! 변동성 돌파 전략
살인적인 변동성을 친구로 만드는 법
이 전략이 통하는 이유에 주목하라
투자 전략 6: 다자 가상화폐+변동성 돌파
투자 전략 7: 다자 가상화폐+상승장+변동성 돌파
투자 전략 8: 상승장+변동성 돌파+변동성 조절(MDD 5% 이하)
변동성 돌파 전략, 잡코인으로도 성공
투자 전략 9: 슈퍼 상승장+변동성 돌파+변동성 조절
투자 전략 10: 5일 이동평균 & 5일 거래량 상승장+변동성 돌파+변동성 조절
어떤 전략을 실전에 사용할까?
투자 전략 11: 다자 가상화폐+평균 노이즈 비율
투자 전략 12: 평균 노이즈 비율+마켓 타이밍+변동성 돌파
투자 전략 13: 오전 투자+변동성 돌파
변동성 돌파 전략의 유일한 약점과 극복 방법
Part 5. 폭락장이 와도 끄떡없는 위대한 트레이더들의 조언

청사대출서비스는 정부세종청사(6-3동, 2-1동) 내 비치된 무인 예약도서대출반납기를 통한 서비스로 정부세종청사 내 기기를 통해서만 도서수령이 가능 합니다. 신청하시겠습니까? 10월 26일 이후 막기-start ■ 알 림
기기 부품 교체 작업으로 공정거래위원회(2-1동) 청사대출신청이 일시 중단됨을 알려드립니다.
대출신청중지기간: 10월 21일(수) ~ 10월 26일(월)
※ 10월 26일(월)은 대출신청·반납 모두 이용불가 10월 26일 이후 막기-end

무인예약 도서대출 서비스는 도서관 1문(정문) 로비에 비치된 무인예약도서대출기를 통한 서비스로, 해당 기기를 통해서만 도서 수령이 가능 합니다.
※ 휴대전화로 진행상황을 알려 드리니, 휴대전화번호 변경 시 통합회원 정보의 전화번호를 변경한 뒤에 신청하시기 바랍니다.
※ 신청도서의 무게 또는 크기 등의 사유로 무인예약도서대출기에 비치될 수 없는 경우, 무인예약대출신청이 취소됩니다. 신청하시겠습니까?

• 정부세종청사 종합매장(6-3동)

공정거래위원회(2-1동)

※ 휴대폰번호로 진행상황을 알려 드리오니 휴대폰번호 변경시 통합회원정보의 전화번호를 가상화폐의 실전 투자전략 변경한 뒤에 신청하시기 바랍니다.

※ 청사 출입은 정부청사관리소 정책에 따라 제한될 수 있음을 양해 바랍니다. (6-3 정부세종청사 종합매장은 주말 이용불가)

※ 도서관 방문자가 신청도서를 요청하거나 신청도서의 무게, 크기 등의 사유로 비치될 수 없는 경우 청사대출신청이 취소됩니다.

관련 사이트

국립세종도서관 (30120) 세종특별자치시 다솜3로 48 (어진동 637)
문의전화 044-900-9114 | 팩스 044-900-9055
COPYRIGHT NATIONAL LIBRARY OF KOREA SEJONG. ALL RIGHTS RESERVED.

최악의 폭락장에서도 손실을 자산 대비 10% 이내로 줄이면서 안정적으로 높은 수익을 낼 수 있는, 쉽고 안전한 가상화폐 투자 기법을 소개하는 책. ‘살인적인 변동성’으로 혼란에 빠지거나 막연한 상승 기대감만으로 장기 보유하다가 낭패를 보는 가상화폐 투자자들에게 무엇을 언제 얼마나 사고, 언제 팔았다가 어떤 조건에서 다시 사는지 등 구체적이고 실질적인 매매 기법을 알려준다.

두 저자는 주식 투자 분야에서 이미 명성이 높은 인물. 그들은 퀀트 투자와 시스템 트레이딩에 기반을 둔 투자 전략, 철저한 리스크 관리와 분산 투자 기법 등이 가상화폐 시장에서 더 잘 통한다는 사실을 확인하고 이 책을 펴냈다. 초보 투자자도 실전에서 써먹을 수 있도록 쉽게 풀어 설명하면서도 마켓 타이밍, 자금 관리, 신호 필터링, 타임 프레임 분산, 단기 추세 추종 등 고급 기법을 적용했다.

책은 전일 오후 수익률 상승 시 오전 0시에 매수했다가 정오에 매도하는 초간단 매매로 고수익을 올리는 ‘오전 천국, 오후 지옥 전략’부터 상승장에서는 수익을 극대화하고 하락장에서도 수익을 낼 수 있는 ‘변동성 돌파 전략’까지 저자들이 직접 검증한 13가지 매매 규칙을 공개한다. 블록체인이나 가상화폐의 개념과 관련 논쟁은 아예 배제하고 오로지 가상화폐 투자로 ‘돈 버는 법’에 집중했다고 저자들은 강조했다.

주식 고수들이 검증한 ‘단기 추세 추종’ 비법 대공개!

초등학생도 이해할 수 있는 쉽고 직관적인 매매 규칙

가상화폐는 등락 폭의 제한이 없고 24시간 끝없이 거래되기 때문에 변동성이 매우 크다. 또한 주식과 채권, 부동산처럼 장기간에 걸쳐 안정된 현금 흐름을 창출할 수 있는 투자 자산이 아니라 순수하게 가격 변동에 따라 손익이 결정되는 트레이딩 수단이어서, 막연히 우량주에 장기 투자하듯이 투자하는 방법은 대단히 위험하다.

그러나 가상화폐 투자자 상당수는 상승에 대한 막연한 기대감만으로 사서 보유하는, 이른바 ‘존버 전략’을 구사한다. 물론 2017년 말처럼 끝없이 가격이 오를 것 같은 상황에서는 문제가 없겠지만, 가상화폐는 변동성이 너무나 크기 때문에 단 하루 만에도 반토막이 날 수 있는 리스크가 상존한다.

비록 투기 수단에 가깝지만 가상화폐 투자를 통해 안정된 수익을 얻기 위해서는 잘 정립된 트레이딩의 기본 원칙을 지키는 것이 현명하다. 이 책에서 소개하는 트레이딩의 기본 원칙과 전략(매매 규칙)은 많은 트레이더들이 일상적으로 사용하는 기법이다. 핵심 원리와 전략은 초등학생도 이해할 수 있을 만큼 쉽고 직관적이지만 성과는 매우 안전하면서도 강력하다. 예컨대 전일 오후에 비트코인 시세가 상승했다면 ‘자정에 매수했다가 정오에 매도’하는 아주 단순한 전략으로도 큰 수익을 올리는 것을 실제 데이터로 보여준다.

저자들이 검증한 실제 투자 데이터, 있는 그대로 공개

이 책은 과거 수익, 최대 손실, 승률, 가상화폐의 실전 투자전략 손익비 등 필자들이 실제 투자할 때 나온 데이터들을 있는 그대로 모두 공개하는 게 특징이다. 따라서 가상화폐 가격 데이터에 접근 가능하다면 누구나 따라 할 수 있다. 책은 구체적으로 어떤 지표나 가격을 보고 가상화폐를 매수해 언제 매도하는지, 과거에 이런 식으로 투자했다면 어느 정도의 수익률과 최대 손실이 나왔는지 자세하게 설명한다.

저자들은 주로 ‘단기 추세 추종(모멘텀)’ 전략을 활용한다. 모멘텀이란 가격이 오르고 있는 가상화폐를 추격 매매하고, 가격이 떨어지는 가상화폐를 사지 않거나 파는 것이다. ‘싸게 사고 비싸게 팔라’는 투자 격언에 어긋나는 말 같지만, ‘상승장에 투자하고 하락장에는 현금을 쥐고 있는 전략’이 가상화폐 투자에서 돈을 벌 수 있는 가장 유력한 전략이라고 강조한다. 상승장과 하락장을 어떻게 구분하는지, 이를 통해 수익이 얼마나 개선되는지도 설명한다.

상승장과 하락장 다 통하는 만능 ‘변동성 돌파 전략’

가상화폐 시장은 주식시장보다 변동성이 엄청나게 더 크다. 투자자는 변동성을 통해 수익을 내지만, 반대로 그 변동성으로 계좌가 나락으로 빠지는 것도 순식간이다. 어떤 자산에 투자하든 리스크 관리가 중요하지만, 가상화폐 시장에서 리스크 관리는 백번 강조해도 부족하다. 저자들은 가상화폐 버블이 꺼져서 가격이 고점 대비 90% 폭락해도 투자 자산의 20% 이상을 잃지 않는 리스크 관리 기법도 소개한다.

크립토 커런시, 암호화폐, 디지털 에셋. 이름만큼 논란도 많은 블록체인 기술이 만든 투자 수단입니다. 투기와 버블이라는 오명에서 자유롭지 못한 암호화폐 시장을 이대로 둬야 할까요.

디센터와 트레이딩 정보 서비스 앱 리그 오브 트레이더스(League of Traders)가 암호화폐 투자의 과학화, 투명화를 위한 실전 투자 대회 ‘크립토 트레이딩 챌린지(Crypto Trading Challenge)’를 시작합니다.

크립토 트레이딩 챌리지는 암호화폐 시장에서 활동 중인 전문 투자자들이 LoT 앱을 통해 트레이딩 기록을 공개하고, 일정 기간 동안의 수익률로 순위를 매기는 리그전입니다.

우승 상금 300만원을 포함, 총 상금 500만원은 LoT에서 부상으로 지급합니다.

과학적 기법과 매매 스킬로 무장한 암호화폐 트레이더들의 투자 전략을 실시간으로 관전할 수 있는 기회를 제공함으로써 암호화폐 투자를 새로운 레벨로 끌어올리는 것을 목표로 합니다.

암호화폐 트레이더라면 누구나 대회 신청 링크(기사 상단 포스터 참조)를 통해 오는 28일까지 참가 신청서를 접수할 수 있습니다.(문의 및 접수는 디센터(decenter) 홈페이지)

원활한 대회 진행을 위해 주최측은 신청자들의 투자 경험, 투자 철학 등을 감안, 대회 참여 자격을 부여합니다.

실전 투자 대회는 11월1일부터 시작합니다. 대회 참가자는 자신이 거래하고 있는 암호화폐 거래소를 통해 300만원 한도의 실전 투자금으로 1개월 간 투자를 하게 됩니다. 매매 기록과 수익률은 LoT 앱을 통해 실시간으로 업데이트되며 최종 수익률 순으로 등수를 정합니다.

디센터는 대회 참가자들의 매매 전략, 시황에 대한 의견 등을 인터뷰 기사를 통해 수시로 제공할 예정입니다. 투자 대상과 투자 기법에 특별한 제한은 없으나 트레이딩이 가능한 거래량과 인지도가 있는 암호화폐를 주 대상으로 합니다.

크립토 트레이딩 챌린지에서 우수한 성적을 기록한 트레이더들에게는 자신의 투자 노하우를 일반 투자자들과 공유할 수 있는 별도의 자리를 제공할 예정입니다.

암호화폐 투자 시장에 새 바람을 일으킬 트레이더들의 많은 참여를 가상화폐의 실전 투자전략 기대합니다.
/James Jung기자 [email protected]

누구나 쉽게 따라 하는 가상화폐 실전투자, 오명근.

간단평 : 주식투자 전문가가 알려주는 가상화폐 A to Z. 쉽게 읽힌다 . 가상화폐가 뭔지도 모르는 사람이 이거 읽고 투자까지 할 수 있을 것 같은 책 .

추천대상: 가상화폐가 뭔지 궁금한 사람. 가상화폐에 제대로 투자해보고 싶은 사람.

한창 가상화폐로 뜨거웠던 작년 , 나는 가상화폐의 개념도 , 비트코인이 무엇인지도 몰랐다 . 도대체 그게 뭐라고 온 나라가 이 난리인지 의아했고 , 호기심이 일었다 . 인터넷에서는 누군가는 큰 돈을 벌었고 , 누군가는 쫄딱 망했다는 이야기가 동시에 들려왔다 . 또 , 가상화폐를 하지 않는 사람과 하는 사람의 격렬한 대립도 보였다 . 가상화폐에 대한 객관적인 정보를 얻고 싶었지만 인터넷은 너무 혼란스러웠다 . 그래서 나는 도서관에 가서 무작정 가상화폐에 대한 책을 빌리기 시작했다 . 이 책도 그 중 하나였다 .

Part 1. 가상화폐란 무엇인가

Part 2. 국내 및 해외 거래소 이용 방법

Part 3. 시장을 읽는 눈 , 정보의 취득과 활용

Part 4. 가상화폐 매매 , 기초전략 세우기

Part 5. 고수익으로 이어지는 실전 가상화폐의 실전 투자전략 매매전략

Part 6. 수익률을 극대화하는 추가 매매전략

가상화폐의 개념부터 2017 년동안 있었던 변화들 , 투자를 하는 방법까지 책의 구성이 참 알차다 . 정말 가상화폐 투자를 목적으로 하는 사람은 이 책 한 권을 가지고 실제 투자를 시작할 수 있을 것이다 . 나는 가상화폐가 무엇이고 , 어떻게 수익이 나며 , 왜 이렇게 뉴스에 시끄러웠는지 궁금했고 이러한 궁금증은 Part 1~3 에서 대부분 풀렸다 .

가상화폐 ? 비트코인 ? 블록체인 ?

우선 제도권 은행 시스템에서는 은행 / 정부가 거래자들 사이에서 중개를 한다 . 은행은 자신이 소유한 장부를 중앙서버로 관리하면서 여러 은행 서비스를 제공하고 수수료를 받는다 . 제도권은행은 계좌를 만드는 과정이 매우 까다롭고 , 은행 운영에 막대한 자금이 들어가며 은행의 관리는 중앙정부의 통제 하에 있게 된다 . 결국 중앙 가상화폐의 실전 투자전략 정부와 거대 은행에 집중화되면서 더욱 까다로운 금융 시스템이 만들어지게 되는 것이다 . 또한 , 중앙서버가 해킹 당하면 답이 없다 . 블록체인은 이러한 제도권 은행의 한계를 모두 부셔버린다 .

가상화폐의 정확한 개념은 ‘ 분산화된 공공장부 암호화 시스템 ’ 이다 . 이걸 가능하게 하는 것이 블록체인 시스템이다 . 블록체인이라는 기술은 은행의 역할을 다수의 채굴자들이 함께 하게 만들면서 거의 완벽한 보안을 이루어낸다 . 뉴스에서 들려오는 해킹 소식들은 모두 거래소가 해킹 당한 것이지 블록체인을 해킹한 것이 아니다 . 거래 정보가 채굴자 집단에게 뿌려지면 , 채굴자들은 기존의 검증된 장부와 서로 비교하며 이상이 없는지 확인해 ‘ 블록 ’ 을 만든다 . 정확한 거래인지 인증 받기 위해선 전체 채굴자의 51% 이상의 필요하다 . 해커가 위변조된 장부로 거래를 성사시키려면 51% 이상의 채굴자가 지닌 연산능력보다 우위에 있는 해킹기술이 필요한데 현실적으로 불가능하다 . 슈퍼컴퓨터 200 대 이상을 가지지 않는 이상 .

비트코인은 블록체인 시스템을 기반으로 하는 최초의 가상화폐이다 . 비트코인은 ‘ 채굴 ’ 로 얻을 수 있기도 하다 . 채굴은 블록체인에 블록을 갖다 붙이기 위한 과정으로 , 채굴자들이 사용자들의 거래내역을 접수해 내용에 이상이 없는지 검증을 거친 후에 이상이 없을 시 해시함수를 찾아 블록을 만드는 행위다 . 비트코인은 반감기가 있어 4 년마다 채굴량이 절반으로 줄어들어 2140 년 2,100 만 개의 채굴이 완료되면 더 이상 채굴이 불가능하게 된다 . 그만큼 희소성은 증가하게 되는데 2017 년 까지 채굴된 비트코인 중 시장에 거래되는 비트코인은 일부에 불과하다고 한다 .

그래서 나는 …

Part 2 에서는 기본적인 가상화폐 거래 방법 , 거래소 이용방법이 소개되어있고 Part 3 부터 가상화폐에 어떻게 제대로 투자할 수 있는가에 대해 다루고 있다 . 읽으면서 가상화폐 투자가 주식투자보다 더 어렵겠다는 생각이 들었다 . 실시간으로 정보를 꾸준히 정리해가며 진짜 정보를 걸러내는 것은 기본이고 , 24 시간 시장이 돌아가다 보니 체력관리는 필수며 , 좀 더 고급 정보를 얻기 위해서는 트위터 등 SNS 를 활용해서 해외 정보를 수집해야 한다 . 물론 이런 것들 없이 그냥 무작정 뛰어들어도 투자는 할 수 있겠지만 , 제대로 투자를 하고 싶은 사람들이라면 이 책을 정독해 보는 것을 추천한다 . 나는 공부를 하고 있는 상태이다 보니 투자할 여건이 안된다 . 시간도 돈도 없다. 그저 지켜봐야 하는 입장이어서 아쉽기는 하지만 저렇게 많은 노력과 시간을 쏟을 자신이 없기 때문에 하던 공부나 열심히 해야지 . 그리고 오히려 블록체인이라는 기술이 가진 사회적 의미에 대해 더 궁금해 졌다 . 다음 책으로 비트코인 현상 블록체인 2.0 을 읽어봐야겠다 .

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 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 가상화폐의 실전 투자전략 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 가상화폐의 실전 투자전략 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.가상화폐의 실전 투자전략 가상화폐의 실전 투자전략 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 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 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. (가상화폐의 실전 투자전략 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

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)