상세 설명

본 연구실은 금융 데이터와 도시 빅데이터를 활용한 예측 및 최적화 연구에 강점을 가지고 있습니다. 강화학습(Reinforcement Learning), 그래프 임베딩, 트랜스포머 등 최신 AI 기법을 활용하여, 주가 및 암호화폐 시장의 시계열 예측, 자동거래 에이전트 개발, 포트폴리오 최적화, 위험 측정 등 다양한 금융 응용 문제를 다루고 있습니다. 예를 들어, 다변량 금융 시계열의 동적 상관관계 및 이벤트 기반 변동성 모델링, 비관적 위험(Uniform Pessimistic Risk) 기반의 투자 전략 개발, 그룹 제약조건을 반영한 포트폴리오 최적화 등 이론과 실무를 아우르는 연구를 수행하고 있습니다. 도시 빅데이터 분야에서는 인구, 정책, 비즈니스 모델 등 다양한 도시 데이터를 통합 분석하여, 정책 효과 평가, 인구 추정, 공간 데이터 기반 의사결정 지원 등 실제 도시 문제 해결에 기여하고 있습니다. 공간 데이터 분석, 시공간 모형, 트렌드 필터링 등 고급 통계 및 AI 기법을 접목하여, 비정상적이고 복잡한 도시 현상을 정량적으로 분석하고 예측합니다. 이러한 연구는 금융 및 도시 데이터의 불확실성, 고차원성, 동적 특성을 효과적으로 다루며, 실제 산업 및 공공 정책 현장에서 데이터 기반 의사결정의 정확성과 효율성을 높이는 데 중요한 역할을 하고 있습니다.

키워드

관련 이미지

관련 자료