DOI QR코드

DOI QR Code

HTM 기반의 주식가격 연속 예측 시스템 개발

Development of a Continuous Prediction System of Stock Price Based on HTM Network

  • 서대호 (경상대학교 컴퓨터과학과) ;
  • 배선갑 (경상대학교 컴퓨터과학과) ;
  • 김성진 (경상대학교 컴퓨터공학과) ;
  • 강현석 (경상대학교 컴퓨터과학과) ;
  • 배종민 (경상대학교 컴퓨터과학과)
  • 투고 : 2011.03.14
  • 심사 : 2011.08.04
  • 발행 : 2011.09.30

초록

주식 가격은 연속적으로 변화하는 스트림 데이터이다. 이러한 데이터의 특성상 시간의 흐름에 따라 주식 가격의 동향이 달라질 수 있기 때문에 주식 가격 동향의 예측은 가격이 갱신될 때 마다 연속적으로 이루어져야 한다. 본 논문은 HTM 모델을 이용하여 원하는 종목의 주식 가격 동향을 설정된 구간 간격에 따라 연속적으로 주식 가격 동향을 예측하는 새로운 방법을 제안한다. 이를 위해 먼저 정규화 과정을 거친 후 그 결과를 스트림 센서로 전달하는 선처리기와 연속적인 입력 데이터를 효과적으로 처리할 수 있는 스트림 센서를 제시한다. 또한, 각 레벨별 예측 결과를 저장하여 상위 단계로 전달하는 선 예측 저장 노드를 고안하고 이를 이용하여 주식 가격 동향을 예측하는 HTM 네트워크를 제시한다. 그리고 본 시스템을 실제 주식 가격으로 실험하여 그 성능을 제시한다.

Stock price is stream data to change continuously. The characteristics of these data, stock trends according to flow of time intervals may differ. therefore, stock price should be continuously prediction when the price is updated. In this paper, we propose the new prediction system that continuously predicts the stock price according to the predefined time intervals for the selected stock item using HTM model. We first present a preprocessor which normalizes the stock data and passes its result to the stream sensor. We next present a stream sensor which efficiently processes the continuous input. In addition, we devise a storage node which stores the prediction results for each level and passes it to next upper level and present the HTM network for prediction using these nodes. We show experimented our system using the actual stock price and shows its performance.

키워드

참고문헌

  1. J. Hawkins, On Intelligence, New York, Henry Holt, 2005.
  2. J. Hawkins and D. George, Hierarchical Temporal Memory, Numenta, Inc., 2007.
  3. 하유민, 김상욱, 원정임, 박상현, 윤지희, "주가예측을 위한 규칙 탐사 및 매칭," 정보과학회논문지:데이터베이스, 제34권 제3호, pp. 179-192, 2007.
  4. 이종우, 김유섭, 김성동, 이재원, 채진석, "패턴매칭과 규칙 생성에 기반한 2단계 주식 트레이딩 시스템," 정보처리학회논문지B, 제10-B권 제3호, pp. 257-264, 2003.
  5. K. Lee and G. Jo, "Expert System for Predicting Stock Market Timing using a Candlestick Chart," Expert system With Applications, 16, pp. 357-364, 1999. https://doi.org/10.1016/S0957-4174(99)00011-1
  6. 오유진, 김유섭, "2단계 하이브리드 주가 예측 모델 : 공적분 검정과 인공 신경망," 정보처리학회논문지B, 제14-B권, 제7호, pp. 531-540, 2007.
  7. J. Wana and S. Chanb, "Stock Market Trading Rule Discovery using Two-Layer Bias Decision Tree," Expert Systems with Applications, 30, (4), pp. 605-611, 2006.
  8. A. Fan and M. Palaniswanni, "Sock Selection Using Support Vector Machine," In Proceeding International Joint Conference on Neural Networks, pp. 1973-1983, 2001.
  9. 황희수, "퍼지모델을 이용한 일별 주가 예측," 정보처리학회논문지B, 제15-B 제6호, pp. 603- 608, 2008.
  10. J. Han and M. Kamber, "Data Mining: Concepts and Techniques," Morgan Kaufman, 2001.
  11. Y. Yang, X. Wu, and X. Zhu, "Proactive-Reactive Prediction for Data Streams," Technical Report CS-05-03, Department of Computer Sciences, University of Vermont, USA, 2005.
  12. 배선갑, 한창영, 서대호, 김성진, 배종민, 강현석, "HTM 기반의 소리 연식을 이용한 부품의 양.불량 판별 시스템," 한국멀티미디어학회논문지, Vol.13, No.10, pp. 1494-1505, 2010
  13. Haibao Nan, Bae Sun-Gap, Bae Jong-Min, and Kang Hyun-Syug, "A Recognition System for Multi-Form Korean Characters Based on Hierarchical Temporal Memory," 한국멀티미디어학회논문지, Vol.12, No.12, pp. 1718-1727, 2009
  14. D. George and B. Jaros, The HTM Learning Algorithms, Numenta Inc., 2007.
  15. D. George and B. Jaros., Zata1 Algorithms Reference, Numenta, Inc., 2007..

피인용 문헌

  1. 계층형 시간적 메모리 네트워크를 기반으로 한 스트림 데이터의 연속 다중 예측 vol.1, pp.1, 2012, https://doi.org/10.3745/ktccs.2012.1.1.011
  2. 온라인 뉴스와 거시경제 지표, 금융 지표, 기술적 지표, 관심도 지표를 이용한 코스닥 상장 기업의 기계학습 기반 주가 변동 예측 vol.24, pp.3, 2011, https://doi.org/10.9717/kmms.2020.24.3.448