• 한국멀티미디어학회논문지
• /
• 제14권9호
• /
• pp.1152-1164
• /
• 2011

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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.7-10
• /
• 2022

본 연구는 국내 주식의 intraday 가격변화를 딥러닝 모형들로 예측하고 그 예측모형을 이용한 매매전략 딥러닝 모형을 제안한다. 주식의 intraday 가격변화에 따라서, 고빈도 매매, 주문집행문제 (order execution problem), 자동화 매매 등과 같은 intraday 주식 트레이딩의 수익률이 달라지기 때문에, 주식의 intraday 가격변화 예측은 주식 투자에 있어서 중요하다. 해외 시장에 대해서는 인공지능 등을 이용한 intraday 가격변화 예측 연구가 활발히 이루어졌지만, 국내의 경우 관련한 연구가 드물어 그 효용성이 명확히 드러나지 않았었다. 그에 따라서, KOSPI 50의 구성 종목에 대하여 정준의(canonical) 딥러닝 모형들을 적용하여 예측 성능을 비교한다. 또한, 그 예측모형들을 활용하여 간소화된 주문집행문제에서의 매매전략 딥러닝 모형을 제안한다. 그리고, 제안한 매매전략 딥러닝 모형을 KOSPI 50의 구성 종목에 대하여 실험하여, 제안한 방법론이 유효함을 밝힌다. 제시된 모형을 실제 주식 매매에 직접 적용하여 수익성을 개선을 기대할 수 있고, 사람이 직접 거래할지라도 효과적인 보조 지표가 될 수 있기에 본 논문은 실용적 의미를 지닌다.

• 재무관리연구
• /
• 제9권2호
• /
• pp.343-367
• /
• 1992

이 연구는 시계열분석(時系列分析)에 의해 주식수익율(株式收益率)의 변동성(變動性)을 예측하는 모델을 개발하고 그것에 의해 도출된 예측치(豫測値)의 실제변동성(實際變動性)에 대한 예측력(豫測力)을 미국의 주식시장자료를 사용하여 검증 비교하였다. 구체적으로 수익률변동성에 대한 (1) 역사적(歷史的) 변동성(變動性), (2) ARMAX 예측치(豫測値), (3) GARCH 예측치(豫測値) 등이 도출되고 그것들의 예측력이 통계적 비교와 회귀분석 등의 여러차원의 평가기준에 의해서 비교된다. 실증결과에 따르면 선택된 독립변수들에 근거한 ARMAX 예측치가 다른 예측치들 보다 모든 평가기준에서 우수한 예측력을 보였다. GARCH 예측치는 기대와는 달리 만족스러운 예측력을 보여주지 못했다. 본 연구에서 예측력이 실증된 ARMAX 예측치를 다양한 옵션가격결정모형의 변동성투입요소로 사용하는 것은 보다 정확한 옵션의 이론가격을 도출하는 데 크게 기여할 것이다. 또한, 이 논문의 실증결과는 각종의 자산가격결정이론, 수익률분포이론 등의 학문적 분야 뿐만 아니라 주식수익률 변동성의 동향이 일반투자자들의 투자전략에 결정적 영향을 미친다는 점에서 실무적인 관점에서도 시사하는 바가 크다고 할 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.161-162
• /
• 2021

주식을 매매할 때, 주식의 차트와 가치를 분석한 다음 언제 주식이 상한가 또는 하한가가 될지 예측한 후 매매하게 된다. 하지만 일반적으로 주식을 예측하기 어려워 주식의 수익을 내기 힘들다. 따라서 본 논문은 지난날의 주식 가격 데이터를 분석해 주식의 가격을 예측하는 주식 차트 분석을 할 수 있게 '주가 예측을 위한 웹 사이트'를 개발하였다. 이 사이트는 주식의 차트 분석을 지원하고 주식을 언제 매매할지에 대한 의사결정을 도와줄 수 있을 것으로 기대된다.

• 재무관리논총
• /
• 제9권1호
• /
• pp.163-187
• /
• 2003

본 연구는 옵션가격 및 거래량 자료를 이용하여 옵션시장의 가격발견 기능에 대해서 분석을 시도하였다. 이를 위해 먼저 옵션가격과 거래량 정보가 현물시장을 선행하는 현상에 대해서 분석해 보았다. 옵션가격은 실제 현물지수를 약 1시간 정도 선행하는 것으로 관찰되었다. 콜옵션 가격이 풋옵션에 비해서 상대적으로 옵션시장에서 높게 거래되는 경우 이는 현물주식시장에서의 주가상승을 예고하는 것으로 나타났다. 옵션 거래량 정보 역시 현물시장의 가격움직임을 예측하는데 유효한 것으로 관찰되었다. 콜옵션의 풋옵션 대비 상대적인 거래증가는 투자자의 낙관적인 장세전망을 반영해 일단 현물지수의 상승을 야기하는 것으로 나타났으나 이후 투자자의 풋옵션을 통한 헤지(hedge) 수요의 증가로 이어지는 것으로 조사되었다. 두 번째로 본 연구는 이러한 옵션시장의 가격발견 기능을 이용하여 매매전략을 수립하고 이를 통하여 투자이익을 극대화시킬 수 있는지에 대해서 살펴보았다. 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 고평가(증가) 되었을 경우 이는 주가상승을 미리 예고하고 있는 신호로 받아들어져 주식을 매입하고 반대로 콜옵션 가격(거래량)이 풋옵션 가격(거래량)에 비해 저평가(감소) 되었다면 주가하락을 예측하기 때문에 주식을 매도함으로써 투자이익을 증대시킬 수 있을 것이다. 실증분석 결과는 우선 옵션 가격정보를 이용하여 현물시장에서 지수 바스켓 포트폴리오를 매매하려는 전략은 30분 내외의 단기 투자에는 유효하나 그 이상의 투자기간을 가지는 경우에는 예상과는 다른 결과를 초래하였다. 반면 옵션시장에서의 콜옵션과 풋옵션의 상대적인 거래량 정보는 현물주식시장의 움직임을 예측하는데 옵션 가격정보에 비해서 보다 효과적인 것으로 판단되었다. 조사한 모든 일중 및 1일(overnight) 투자수익률에서 옵션 거래량의 상대적 비율에 의거한 투자전략은 통계적으로 유의한 투자수익률의 차이를 가져왔다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.508-510
• /
• 2003

주식 가격의 결정은 시장 내 수요와 공급에 의해서 결정되며, 가격 변동은 일정한 패턴으로 움직인다고 가정한다. 이러한 패턴을 찾아내어 주식가격의 변동을 예측하는 분석 방법을 기술적 분석이라 한다. 기술적 분석에서는 수요.공급의 변화에 의해 추세가 변동되고, 모든 형태의 주가모형은 반복하려는 경향을 보인다고 가정한다. 이러한 가정하에 본 논문에서는 한국주가지수 200의 과거지수와 거래량을 분석하고, 일정한 패턴을 이용하여 미래의 지수를 예측하는 방법을 연구하였다.

• 응용통계연구
• /
• 제34권5호
• /
• pp.745-760
• /
• 2021

금융시장에서 주식 가격 자체 또는 가격의 방향성에 대한 예측은 오래 전부터 관심의 대상이 되어 왔기에 여러 방면에서 다양한 연구가 이어져 왔다. 특히 1960년대에 들어서며 많은 연구가 진행되었고 예측가능성에 대해 찬반의 의견들이 있었는데, 1970년대에 나타난 효율적 시장 가설이 지지를 받으면서 주식 가격의 예측은 불가능하다는 의견이 주를 이루었다. 그러나 최근 기계학습 등 예측기술의 발달로 인해 주식 시장에서 미래를 예측해 보려는 새로운 시도가 이어져, 주식시장의 효율성을 부정하고 높은 예측력을 주장하는 연구들이 등장하고 있다. 이 논문에서는 과거 연구들을 평가방법 별로 정리하고, 새로운 주장의 신빙성을 확인하기 위해 이차판별분석, support vector machine, random forest, extreme gradient boost, 심층신경망 등 다양한 기계학습 모형을 적용하여 한국유가증권시장에 상장된 종목 중 삼성전자, LG화학, Naver 주식 가격의 방향성을 예측해보았다. 이때, 널리 사용되는 기술적 지표 변수들과 더불어 price earning ratio, price book-value ratio 등 회계지표를 활용한 변수와, 은닉마르코프모형의 출력값 변수를 사용하였다. 분석결과, 이번 연구의 조건 하에서는 통계적으로 유의미한 예측력을 제시하는 모형이 존재하지 않았고, 현 시점에서 단기 주가 방향성의 예측은 어렵다고 판단되었다. 비교적 단순한 이차판별분석 모형과 회계지표를 활용한 변수를 추가한 모형이 상대적으로 높은 예측력을 보였다는 점에서, 복잡한 모형을 시도하기 보다는 주식 가격에 대한 투자자들의 의견 및 심리가 반영될 수 있는 다양한 변수를 개발하여 활용한다면 향후 유의미한 예측이 가능할 수도 있을 것이다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.45-55
• /
• 2022

암호화폐 시장의 규모는 날이 갈수록 커져가고 있으며, 대표적인 암호화폐인 비트코인의 경우 시가총액이 500조를 넘어섰다. 이에 따라 암호화폐의 가격을 예측하려는 연구도 많이 이루어졌으며, 이들은 대부분 주식가격을 예측하는 방법론과 유사성을 띄는 연구들이다. 하지만 선행연구를 비춰 봤을 때 주식가격예측과 달리 암호화폐 가격 예측은 머신러닝의 정확도가 우위에 있는 사례가 많다는 점, 개념적으로 주식과 달리 암호화폐는 소유로 인한 수동적 소득이 없다는 점, 통계적으로 시가총액 대비 하루 거래량의 비율을 살펴봤을 때 암호화폐가 주식 대비 최소 3배이상 높다는 점이 도출되었다. 이를 통해 암호화폐 가격 예측 연구에는 주식 가격 예측과 다른 방법론이 적용되어야 함을 본 논문에서 주장하였다. 우리는 기존에 주가 딥러닝 예측에 사용되던 워크 포워드 검증를 응용한 역순 워크 포워드 검증을 제안하였다. 역순 워크 포워드 검증은 워크 포워드 검증과 달리 검증 데이터셋을 테스트 데이터셋에 시계열상으로 바로 앞에 부분으로 고정시켜놓고, 훈련데이터를 훈련 데이터셋에 시계열상으로 바로 앞 부분부터 서서히 훈련 데이터셋의 크기를 늘려가면서 검증에 대한 정확도를 측정한다. 측정된 모든 검증 정확도 중 가장 높은 정확도를 보이는 훈련 데이터셋의 크기에 맞춰서 훈련 데이터를 절삭시킨 뒤 검증 데이터와 합쳐서 실험 데이터에 대한 정확도를 측정하였다. 분석모델로는 로지스틱 회귀분석과 SVM을 사용했으며, 우리가 제안한 역순 워크 포워드 검증의 신뢰성을 위해서 분석 모델 내부적으로도 L1, L2, rbf, poly등의 다양한 알고리즘과 정규화 파라미터를 적용하였다. 그 결과 모든 분석모델에서 기존 연구보다 향상된 정확도를 보임이 확인되었으며, 평균적으로도 1.23%p의 정확도 상승을 보였다. 선행연구를 통해 암호화폐 가격 예측의 정확도가 대부분 50%~60%사이에서 머무르는 걸 감안할 때 이는 상당한 정확도 개선이다.

• 정보관리학회지
• /
• 제24권2호
• /
• pp.123-141
• /
• 2007

주시가격을 예측하는 것은 주식 가격 변동에 영향을 미치는 많은 요인과 요인 간의 상호작용에 기인하여 매우 어렵다고 알려져 있다. 이 연구는 어떤 회사에 대한 좋은 기사는 그 회사의 주식가격을 오르도록 영향을 미칠 것이고 나쁜 기사는 그 반대의 작용을 할 것이라는 가정에서 시작했다. 여러 회사들에 대한 기사와 그 회사의 주식가격이 기사가 공개된 후에 어떻게 변했는가에 대한 분석을 통하여 위 가정이 맞는 것을 확인했다. 즉 기사의 내용을 기사에 나온 회사에 대하여 호의적인지 아닌지 신뢰성 있게 분류하는 방법이 있다면 어느 정도의 주식 가격 예측은 가능할 것이다. 많은 기사를 일관적으로 빨리 처리하기 위하여 상장회사에 대한 기사를 자동 분석하는 다단계 뉴스 분류시스템을 개발한 후 성능을 확인하여 자동 시스템이 무작위로 주가 변동을 예측했을 경우보다 높은 정확률을 보이는 것을 확인했다.