• The Korean Journal of Financial Management
• /
• v.14 no.1
• /
• pp.171-205
• /
• 1997

'80년대 중반 들어 주가지수 예측모형으로 애용되던 시계열 예측모형에 대한 근본적인 의문이 제기되었다. 이것은 기존 예측모형이 선형 데이터 생성과정을 기본가정으로 채택하고 있지만 진정한 데이터 생성과정은 비선형일 수도 있다는 점에서 출발한다. 주가지수의 변동을 유발하는 경제의 기본구조가 비선형임에도 불구하고 이를 선형모형으로 접근한다면 주가의 움직임을 제대로 설명할 수 없을 뿐만 아니라 이러한 설정오류는 모형의 신뢰성을 크게 손상시킨다. 이와 같은 점에 착안하여 본 연구는 업종별 주가지수의 비선형 검정을 통해 주가가 어떠한 형태의 경제구조에서 생성되었는지 여러 가지 방법으로 정정한다. 10개 업종지수의 검정결과 보험업을 제외한 대부분의 업종지수가 카오스 끌개를 보유하고 있다는 증거가 포착되었다. 표본외 예측을 위해서 국지적 가중회귀법을 채택하였는데 예측결과 모형에 따라 $6{\sim}7$개 업종에서 통상최소자승법보다 예측력 우위를 보였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.6
• /
• pp.781-786
• /
• 2008

In this paper, we propose a novel approach predicting the fluctuation of stock index by finding a relation in various stock indexes that are represented by linear combinations. The important points are to select stock indexes related to predicting indexes and to find the proper relations in them. Since it is unattainable to use entire stock indexes relation, we used only data that are closely associated with each other. We used Genetic Algorithm(GA) to find the most suitable stock-index relation. We simulated the investment in years from 2005 to 2007 with each real index. Finally we verified that the investment money increased 230 percents by the proposed method.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.525-526
• /
• 2021

최근 금리 인하로 주식을 비롯한 다양한 금융상품에 대한 투자가 급증하고 있다. 주식 시장에서 가격은 시장의 모든 정보들이 반영된 결과로서 주식의 가격 변동을 이용하여 가격 패턴을 찾아낸 후 다양한 분석기법으로 주가 지수를 예측하는 연구들이 진행되어 왔다. 그러나 주식 시장은 기업의 내·외부 요인들의 상호관계가 주가 형성에 많은 영향을 주는 가격 결정 메카니즘으로 인해 주가의 변동을 설명할 수 없는 경우가 자주 발생하고 있다. 따라서 주식 시장 예측을 위해서는 시장 내부의 변화와 외부 사건들을 함께 반영할 수 있는 방법이 필요하다. 본 논문에서는 뉴스 기사들에 대한 감성 분석과 주가지수의 시계열 데이터를 딥러닝 예측 모델을 통해 주식 시장의 추세를 예측할 수 있는 주가지수 예측 프로그램을 제안한다.

• The Korean Journal of Financial Studies
• /
• v.12 no.1
• /
• pp.183-213
• /
• 2006

본 연구의 목적은 공적분 검정과 예측오차 분산분해 방법을 이용하여 우리나라 주식시장에서 주가지수와 거시경제 변수들과의 계량적 관계를 파악하고 종합주가지수와 밀접한 관련성이 있는 변수를 사용하여 종합주가지수와 거시경제변수들 사이의 모형을 추정하는 것이다. Johansen 공적분 검증을 이용한 결과를 보면 종합주가지수와 7개의 거시경제변수들(총통화, 소비자물가지수, 금리, 산업생산지수, 원 달러 환율, 국제원유가격, 경상수지) 사이에 상당히 밀접한 연관성이 있으며, 이들 변수들 사이에 장기적 균형 관계가 존재하였다. 예측오차 분산분해 방법을 사용한 분석결과에서는 종합주가지수의 분산을 예측하는데 있어서 이들 거시경제변수들의 설명력이 매우 높게 나타났다. 또한 우리나라의 주식시장에서는 금리, 국제원유가격, 경상수지 등의 요인보다는 원 달러 환율, 소비자물가지수, 산업생산의 비중이 더 크다는 사실을 알 수 있었다. 우리나라의 자본시장에서는 1997년 말 외환위기를 전후로 하여 현저한 구조적 변화가 존재하였기 때문에 백터오차수정모형을 설정할 때에는 외환위기 이전기간과 이후기간으로 나누어서 분석하는 것이 더욱 타당함을 확인할 수 있었다.

• The Korean Journal of Financial Management
• /
• v.17 no.1
• /
• pp.91-110
• /
• 2000

충격이 경제에 가해질 때 이 충격이 경제 내에 일시적으로 존속하는 경우도 있고 이 충격이 영구히 존속하는 경우도 있다. 이 양극단 사이의 과정도 존재할 수 있다. 이것을 표상한 것이 stopbreak 과정이다. 충격의 효과가 영구적 효과와 일시적 효과 사이에서 파동하는 시계열을 모형화한 것이 이 과정인 것이다. 이 과정에서는 일정한 기간에는 영구적인 평균이동이 발생하여 구조변화가 발생한다. 다른 기간에 발생하는 충격은 그 효과가 급속히 소멸한다. 밀접한 관계를 맺고 있는 두 주가의 비율은 한 주가의 변동이 제시하는 것을 분석하고 이것을 이용하여 다른 주가를 예측할 수 있는 정보를 제공한다. 한 주가의 변동이 발생하면 이 두 주가의 비율은 변동한다. 그러나 한 주가의 변동의 정보성이 인정되어 이 정보가 다른 주가에 반영되어 조정되면 두 주가의 비율은 변동이전의 수준으로 회귀할 것이다. 변동이 영구적이면 두 주가비율은 동일한 수준을 유지할 것이다. 반면 다른 주가에 영향을 미치지 못하는 정보이면 두 주가의 비율은 변동된 상태에서 지속될 것이다. 일정기간은 영구적 구조변화가 발생하고 그 이외의 기간에는 구조 변화가 발생하지 않고 있는 것이다. 따라서 stopbreak 과정을 사용하여 정확한 예측을 수행할 수 있다. 주가지수들이 stopbreak 과정에 의하여 생성되고 있음이 발견되었다. 즉 주가지수들은 확률적 영구구조변화가 발생하고 있는 시계열들이다. 종합주가지수/제조업지수 역시 확률적 영구구조변화를 가지는 stopbreak 과정에 의하여 생성되고 있음이 밝혀졌다. 이 과정을 실제에 적용하여 주가의 움직임을 파악하면 예측이 가능하다. 특히 연관성이 깊은 두 주식의 주가비율을 사용할 때 효과적이라 할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.419-421
• /
• 2012

본 논문에서는 유전 프로그래밍에 기반하여 복잡한 주가지수를 예측함에 있어 사칙연산만을 사용하여 유전 프로그래밍을 구현하는 실험을 소개한다. 전통적인 방법의 주가지수 예측은 적용 분야에 대한 전문 지식과 복잡한 수학적 연산을 요구하여 구현의 어려움과 수행 속도에 문제가 있었다. 본 논문에서는 적용 분야의 전문지식에 의존하지 않는 유전 프로그래밍과 빠른 연산속도의 사칙연산만을 사용하여 이러한 문제점을 극복하는 전략을 사용하였다. 제안된 전략은 실험 결과를 통해 실제 주가지수 변화에 상당히 근접함을 확인하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.45 no.5
• /
• pp.95-101
• /
• 2008

Modeling of stock prices forecast has been considered as one of the most difficult problem to develop accurately since stock prices are highly correlated with various environmental conditions including economics and political situation. In this paper, we propose a agent system approach to predict Korea Composite Stock Price Index (KOSPI) using neural network and statistical methods. To minimize mean of prediction error and variation of prediction error, agent system includes sub-agent modules for feature extraction, variables selection, forecast engine selection, and forecasting results analysis. As a first step to develop agent system for KOSPI forecasting, twelve economic indices are selected from twenty two basic standard economic indices using principal component analysis. From selected twelve economic indices, prediction model input variables are chosen again using best-subsets regression method. Two different types data are tested for KOSPI forecasting and the Prediction results showed 11.92 points of root mean squared error for consecutive thirty days of prediction. Also, it is shown that proposed agent system approach for KOSPI forecast is effective since required types and numbers of prediction variables are time-varying, so adaptable selection of modeling inputs and prediction engine are essential for reliable and accurate forecast model.

• The Korean Journal of Applied Statistics
• /
• v.34 no.3
• /
• pp.461-475
• /
• 2021

Hidden Markov model (HMM) is a statistical model in which the system consists of two elements, hidden states and observable results. HMM has been actively used in various fields, especially for time series data in the financial sector, since it has a variety of mathematical structures. Based on the HMM theory, this research is intended to apply the domestic KOSPI200 stock index as well as the prediction of global stock indexes such as NIKKEI225, HSI, S&P500 and FTSE100. In addition, we would like to compare and examine the differences in results between the HMM and support vector regression (SVR), which is frequently used to predict the stock price, due to recent developments in the artificial intelligence sector.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.500-504
• /
• 2006

본 논문에서 기술하는 연구는 한국종합주가지수(KOSPI)의 장기적 변동 경향에 대한 확률적 예측 시스템을 제안한다. 제안된 방법론은 이미 단백질 상호작용 예측 시스템과 스트레스 확률 예측 시스템 등에 적용되어 유효성이 입증된 방법으로, 이미 알려진 데이터를 바탕으로 다양한 요인들의 가능한 모든 조합에 대한 경우의 수를 고려한 학습 결과에 기반하여 새로이 주어진 대상의 요인들을 분석해서 학습시 사용된 특정 군(class)에 속할지의 여부를 확률적으로 나타내준다. 이 방법론을 구현하기 위해 실제 과거 주가지수 데이터를 수집하여 CI(Combination Interrelation)행렬을 구현하였으며, 현재 진행중인 검증작업에 대해서도 기술하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.23 no.2
• /
• pp.271-283
• /
• 2012

In this paper, we predicted the rise or the fall in eleven major industrial stock price indices unlike existing studies dealing with the prediction of KOSPI that combines all industries. We used as input variables not only domestic economic indices but also foreign economic indices including the U.S.A, Japan, China and Europe that have affected korean stock market. Numerical analysis through SAS E-miner showed above or below about 60% accuracy using the logistic regression and neural network model.