• Journal of the Korean Data and Information Science Society
• /
• 제21권4호
• /
• pp.777-782
• /
• 2010

We introduce some techniques to decompose the impulse (the unit sample) into several dilated pieces in the discrete time domain. From the decomposition of the impulse, we obtain localized moving averages. Thus we construct hybrid Bollinger bands that may give various strategies for stock traders. By simulations, we report that more than 94% of stock prices of companies in KOSPI 200 are inside this hybrid Bollinger band.

• 호남수학학술지
• /
• 제32권1호
• /
• pp.101-112
• /
• 2010

Using some interesting convolution, we find kernels recovering the given function f. By a slight change of this convolution, we obtain an identity filter related to the Fourier series in the discrete time domain. We also introduce some techniques to decompose an impulse into several dilated pieces in the discrete domain. The detail examples deal with specific constructions of those decompositions. Also we obtain localized moving averages from a decomposition of an impulse to make hybrid Bollinger bands, that might give various strategies for stock traders.

• 한국컴퓨터정보학회논문지
• /
• 제15권1호
• /
• pp.207-217
• /
• 2010

미국의 서브프라임 모기지 사태로 세계 주식시장의 폭락을 가져왔다. 개인 투자자는 외국인과 기관에 비해 손실률이 더 큰 것으로 판단되었다. 따라서 인터넷 HTS를 이용한 주식투자에 있어서 좀 더 과학적이고 기계적인 투자가 필요하다. 본 논문은 하락기 하락조정기 상승기 상승조정기에 개인 기관 외국인 Knowledge Base HTS를 이용한 주식 수익률 분석이다. Knowledge Base HTS인 e-friend를 설치한다. HTS 툴인 추세선, MACD, Bollinger Bands, Stochastic slow의 기능을 이용하여 HTS가 실제 주식 거래에서의 종합주가지수와 기관의 펀드수익률, 외국인 수익률을 비교분석 한다. 일반적으로 5개 종목을 거래한다는 가정 하에 하락기, 하락조정기, 상승기, 상승조정기에 있어서 소형주 5개, 중형주 5개, 대형주 5개의 수익률을 비교함으로서, 실제적인 하락률과 상승률에 관한 수익(손실)율을 비교 연구하여 금융 IT 분야 발전을 연구하는데 의의가 있다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.59-71
• /
• 2014

KOSPI200 선물 트레이딩을 위해 업계에서는 여러 전략으로 포트폴리오를 구성해서 운용한다. 동일한 전략 모음을 갖고 있더라도 포트폴리오를 어떻게 구성하느냐에 따라 수익은 크게 차이가 난다. 시장 상황에 맞는 전략들로 포트폴리오를 구성하는 것은 오랜 경험과 탁월한 노하우가 있어야하는 어려운 작업이다. 본 논문에서는 SVM을 활용하여 쉽고 빠르게 적절한 전략 포트폴리오를 구성하는 방법을 제시하였다. 본 논문에서 제안한 시스템의 성과는 벤치마킹의 성과와 비교하여 2배 이상의 수익을 내는 것을 확인하였다. 1990.01.03~2011.11.04 동안의 KOSPI200 데이터 중 이전 80%의 데이터로 학습을 하고 최근 20%의 데이터로 성능을 시험하였다. 각 전략별로 선택여부를 판별하는 SVM모델을 만들고 그 결과를 바탕으로 포트폴리오를 구성하였다. 벤치마킹을 위해 KOSPI200 선물을 2계약 매수한 경우의 수익, 시험 시작 직전 30일간 최고 수익을 낸 2개 전략의 수익, 실제 최고 수익을 낸 전략 2개를 보유했을 때의 수익과 비교하였다. 매매 비용을 반영하지 않을 때는 벤치마킹은 132.2~510.37pt의 수익을 냈고, 본 시스템은 1072.36~1140.91pt의 수익을 보여주었다. 그리고 거래비용을 감안하면 벤치마킹은 130.44~502.41pt의 수익을 냈고, 본 시스템은 706.22pt~768.95pt의 수익을 나타내었다. 본 논문은 기계학습을 통한 전략 포트폴리오를 구성하는 방안이 유의미하며 실전에 활용할 수 있음을 보여주었다. 이를 바탕으로 여러 전략과 다양한 시장에 적용해서 안정성을 검증하면 견고한 상용 솔루션으로 발전시킬 수 있을 것이다. 그리고 자금관리 기법을 더 반영한다면 수익을 더욱 크게 향상시킬 수 있을 것이다.