DOI QR코드

DOI QR Code

Price Prediction of Fractional Investment Products Using LSTM Algorithm: Focusing on Musicow

LSTM 모델을 이용한 조각투자 상품의 가격 예측: 뮤직카우를 중심으로

  • Jung, Hyunjo (College of Business Administration, Seoul National University of Science and Technology) ;
  • Lee, Jaehwan (Institute of Management Research, Seoul National University) ;
  • Suh, Jihae (College of Business Administration, Seoul National University of Science and Technology)
  • 정현조 (서울과학기술대학교 경영대학) ;
  • 이재환 (서울대학교 경영연구소) ;
  • 서지혜 (서울과학기술대학교 경영대학)
  • Received : 2022.09.02
  • Accepted : 2022.10.31
  • Published : 2022.12.31

Abstract

Real estate and artworks were considered challenging investment targets for individual investors because of their relatively high average transaction price despite their long investment history. Recently, the so-called fractional investment, generally known as investing in a share of the ownership right for real-life assets, etc., and most investors perceive that they actually own a piece (fraction) of the ownership right through their investments, is gaining popularity. Founded in 2016, Musicow started the first service that allows users to invest in copyright fees related to music distribution. Using the LSTM algorithm, one of the deep learning algorithms, this research predict the price of right to participate in copyright fees traded in Musicow. In addition to variables related to claims such as transfer price, transaction volume of claims, and copyright fees, comprehensive indicators indicating the market conditions for music copyright fees participation, exchange rates reflecting economic conditions, KTB interest rates, and Korea Composite Stock Index were also used as variables. As a result, it was confirmed that the LSTM algorithm accurately predicts the transaction price even in the case of fractional investment which has a relatively low transaction volume.

최근 고액의 실물자산이나 채권을 분할하여 여러 투자자가 공동으로 투자하는 이른바 조각투자가 인기를 얻고 있다. 2016년 설립된 뮤직카우는 음원 유통에 따른 저작권료 참여 청구권을 조각투자할 수 있는 서비스를 세계 최초로 시작하였다. 본 연구에서는 딥러닝 알고리즘 중 하나인 LSTM 모델을 사용하여 뮤직카우에서 거래되는 저작권료 참여 청구권의 가격을 예측하는 연구를 진행하였다. 청구권의 이전 가격과 거래량, 저작권료와 같은 청구권과 관련된 변수 외에도, 음악저작권료 참여 청구권 시장 상황을 나타내는 종합 지표와 경제 상황을 반영하는 환율, 국고채 금리, 한국종합주가지수도 변수로 사용하였다. 연구 결과 상대적으로 거래량이 낮은 조각투자의 사례에서도 LSTM 모델이 거래가격을 잘 예측하는 것을 확인할 수 있었다.

Keywords

Acknowledgement

본 연구는 서울과학기술대학교 교내연구비지원에 의해 이루어졌습니다

References

  1. 강서구. (2021, 10월 13일). [조각투자 명암➌] "법적 사각지대서 미술품 굴리다". 더스쿠프. https://www.thescoop.co.kr/news/articleView.html?idxno=52178
  2. 김선웅. (2021a). 딥러닝을 이용한 비트코인 투자 전략의 성과 분석.
  3. 한국융합학회논문지, 12(4), 249-258. https://doi.org/10.15207/JKCS.2021.12.4.249
  4. 김선웅. (2021b). 암호화폐 트레이딩시스템의 수익성 분석. 한국디지털콘텐츠학회 논문지, 22(3), 555-562.
  5. 김용찬, 박진수, 서지혜. (2018). An Algor ithm for Finding a Relationship Between Entities: Semi-Automated Schema Integration Approach. 지능정보연구, 24(3), 243-262. https://doi.org/10.13088/JIIS.2018.24.3.243
  6. 김인경. (2022). 조각투자 전성시대... 2030 러시. KISO 저널, (47), 34-37.
  7. 김재경, 서지혜, 안도현, 조윤호. (2002). 협업 필터링 기법을 활용한 개인화된 상품 추천 방법론 개발에 관한 연구 (A Personalized Recommendation Methodology based on Collaborative Filtering). 지능정보연구, 8(2), 139-157.
  8. 신동하, 최광호, 김창복. (2017). RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델. 한국정보기술학회논문지, 15(10), 9-16. https://doi.org/10.14801/jkiit.2017.15.10.9
  9. 신성호, 이미경, 송사광. (2018). LSTM 네트워크를 활용한 농산물 가격 예측 모델. 한국콘텐츠학회논문지, 18(11), 416-429. https://doi.org/10.5392/JKCA.2018.18.11.416
  10. 안유진, 오하영. (2021). On-Chain Data를 활용한 LSTM 기반 비트코인 가격 예측. 한국정보통신학회논문지, 25(10), 1287-1295. https://doi.org/10.6109/jkiice.2021.25.10.1287
  11. 이경미. (2022, 4월 4일). 뮤직카우 자본시장법 규제 가닥...조각투자 지각변동. 한겨레신문. https://www.hani.co.kr/arti/economy/finance/1037364.html
  12. 이영경. (2022). 조각투자의 거래구조와 투자자 보호. 선진상사법률연구. (99), 37-75.
  13. 이익진. (2021, 10월 1일). 투자가 '예술'이네...아트테크를 아시나요. 비즈니스워치. http://news.bizwatch.co.kr/article/market/2021/09/29/0030
  14. 이준식, 김건우, 박도형. (2018). 비트코인 가격 변화에 관한 실증분석: 소비자, 산업, 그리고거시변수를 중심으로. 지능정보연구, 24(2), 195-220. https://doi.org/10.13088/JIIS.2018.24.2.195
  15. 정재욱. (2022). 조각투자와 뮤직카우 '제재 보류' 결정이 남긴 것들. 고시계, 67(6), 143-146.
  16. 주일택, 최승호. (2018). 양방향 LSTM 순환신경망 기반 주가예측모델. 한국정보전자통신기술학회논문지, 11(2), 204-208. https://doi.org/10.17661/jkiiect.2018.11.2.204
  17. 주형연. (2022, 3월 31일). 조각투자에 몰린 MZ 세대...'투자자 보호장치' 급선무. 세계비즈. http://www.segyebiz.com/newsView/20220331515416
  18. 하나금융경영연구소. (2022). 조각투자 이해하기. 하나Knowledge+ 제 14호
  19. 한태동. (2021). LSTM을 이용한 주가 예측: 기술 지표, 거시 경제 지표, 시장 심리의 조합을 중심으로. 융복합지식학회논문지, 9(4), 189-198. https://doi.org/10.22716/SCKT.2021.9.4.055
  20. 허란. (2022, 4월 5일). '증권성' 논란 뮤직카우, 투자자보호위원단 꾸려. 한국경제신문. https://www.hankyung.com/it/article/202204053844i
  21. 허준영, 양진용. (2015). SVM 기반의 재무 정보를 이용한 주가 예측. 정보과학회 컴퓨팅의 실제 논문지, 21(3), 167-172. https://doi.org/10.5626/KTCP.2015.21.3.167
  22. A Team. (2021, November 22). Artworks in Bits and Pieces: The Growing Trend of Fractional Ownership of Art in Korea. https://k-artnow.com/artworks-in-bits-and-pieces-the-growing-trend-of-fractional-ownership-of-art-in-korea/
  23. Aggarwal, A., Gupta, I., Garg, N., & Goel, A. (2019, August). Deep learning approach to determine the impact of socio economic factors on bitcoin price prediction. In 2019 twelfth international conference on contemporary computing (IC3) (pp. 1-5). IEEE.
  24. Art Basel. (2021, March 16). The Art Basel and UBS Global Art Market Report. https://www.artbasel.com/stories/art-market-report-2021
  25. Devadoss, A. V., & Ligori, T. A. A. (2013). Forecasting of stock prices using multi layer perceptron. International Journal of Computing Algorithm, 2, 440-449.
  26. Huck, N. (2009). Pairs selection and outranking: An application to the S&P 100 index. European Journal of Operational Research, 196(2), 819-825. https://doi.org/10.1016/j.ejor.2008.03.025
  27. Huck, N. (2010). Pairs trading and outranking: The multi-step-ahead forecasting case. European Journal of Operational Research, 207(3), 1702-1716. https://doi.org/10.1016/j.ejor.2010.06.043
  28. Kim, Y. (2021, March 29). Not just window shopping: Young generation dives into art market. The Korea Herald. https://www.koreaherald.com/view.php?ud=20210329000839
  29. Lowies, B., Whait, R. B., Viljoen, C., & McGreal, S. (2018). Fractional ownership-an alternative residential property investment vehicle. Journal of Property Investment & Finance. 36(6). 513-522. https://doi.org/10.1108/JPIF-02-2018-0013
  30. McNally, S., Roche, J., & Caton, S. (2018, March). Predicting the price of bitcoin using machine learning. In 2018 26th euromicro international conference on parallel, distributed and network-based processing (PDP) (pp. 339-343). IEEE.