• 융합정보논문지
• /
• 제11권1호
• /
• pp.28-33
• /
• 2021

주가는 그 기업의 미래 가치의 척도이기 때문에 주가를 분석할 때 기업의 성장성인 매출과 이익 등을 고려하여 주식을 투자한다. 기관투자자들은 종목 선정 기준을 잡기 위해서 현재 산업의 트렌드와 거시경제 지표를 보고 성장 가능한 관련 분야를 먼저 정하고 관련 기업을 선정한 후 기업에 대한 분석을 하고 목표가를 설정 후에 매수를 하고 목표가에 도달하면 매도하는 방식으로 주식 매매를 실시한다. 하지만, 일반 개인 투자자들은 경제에 대한 지식이 기관이나 외국인 투자자에 비교하여 부족하고, 기업에 대한 재무재표 분석이나 성장성에 대한 분석 없이 전문가나 지인의 추천종목을 따라 투자를 하여 기관투자자나 외국인 투자자들 보다 수익률 면에서 낮은 편이다. 따라서, 본 연구에서는 기업의 성장성인 매출과 이익 등을 고려한 지표인 ROE를 분석하여 저평가된 종목을 선택하고, 선택된 종목의 주가 흐름을 딥러닝 알고리즘을 통하여 예측하는 연구방법을 제안하여 투기가 아닌 건전한 투자에 도움이 되기 위해 본 연구를 진행한다.

• 한국정보전자통신기술학회논문지
• /
• 제11권2호
• /
• pp.204-208
• /
• 2018

본 논문에서는 시계열 데이터인 주가의 변동 패턴을 학습하고, 주가 가격을 예측하기 적합한 주가 예측 딥러닝 모델을 제시하고 평가하였다. 일반신경망에 시계열 개념이 추가되어 은닉계층에 이전 정보를 기억시킬 수 있는 순환신경망이 시계열 데이터인 주가 예측 모델로 적합하다. 순환신경망에서 나타나는 기울기 소멸문제를 해결하며, 장기의존성을 유지하기 위하여, 순환신경망의 내부에 작은 메모리를 가진 LSTM을 사용한다. 또한, 순환신경망의 시계열 데이터의 직전 패턴 기반으로만 학습하는 경향을 보이는 한계를 해결하기 위하여, 데이터의 흐름의 역방향에 은닉계층이 추가되는 양방향 LSTM 순환신경망을 이용하여 주가예측 모델을 구현하였다. 실험에서는 제시된 주가 예측 모델에 텐서플로우를 이용하여 주가와 거래량을 입력 값으로 학습을 하였다. 주가예측의 성능을 평가하기 위해서, 실제 주가와 예측된 주가 간의 평균 제곱근 오차를 구하였다. 실험결과로는 단방향 LSTM 순환신경망보다, 양방향 LSTM 순환신경망을 이용한 주가예측 모델이 더 작은 오차가 발생하여 주가 예측 정확성이 향상되었다.

• 재무관리연구
• /
• 제24권1호
• /
• pp.149-182
• /
• 2007

본 연구는 한국유가증권시장(거래소시장)에 상장된 기업 중 1997년부터 2002년까지 스톡옵션을 부여한 기업을 소유경영기업과 전문경영기업으로 분류하여 스톡옵션 도입 후 장기성과에 영향을 주는 요인을 분석한다. 스톡옵션 제도의 도입목적이 주주와 경영자 사이의 대리인비용 절감이라면, 소유경영기업보다는 전문경영기업이 스톡옵션 도입 후 장기성과를 분석하는데 적합할 것이다. 선행연구에서는 주주와 경영자 사이의 대리인비용은 경영자지분과 시가장부가비율이 낮을수록, 현금흐름률, 매출성장률이 높을수록 높다고 주장하였다. 본 연구는 다양한 대리인비용의 대용치를 사용하여 스톡옵션 부여 후 장기주가성과를 분석하였다. 연구결과 전문경영기업의 장기주가성과는 경영자지분 및 시가장부가비율과는 음의관계를, 매출 성장률, 일인당 옵션규모와는 양의 관계를 갖는다. 반면에 소유경영기업의 장기주가성과는 현금흐름률 및 매출성장률과는 음의관계를, 자산규모와는 양의관계를 갖는다. 이러한 결과는 전문경영기업에서는 주주와 경영자 사이의 대리인비용이 스톡옵션 도입 후 성과를 결정하는 중요한 요소임을 의미한다. 그러나 소유경영기업에서는 스톡옵션이 주주와 경영자 사이의 대리인비용 절감 보다는 비현금보상, 신호, 기업 내 대리인비용 절감 등의 목적으로 이용된다는 가능성을 제시한다. 본 연구는 기업특성과 목적에 부합하도록 스톡옵션을 활용하는 것이 기업 성과 향상에 기여한다는 해석과 일관성이 있다.

• 한국건설관리학회논문집
• /
• 제20권5호
• /
• pp.3-11
• /
• 2019

본 연구는 분양가 자율화가 건설회사의 주가에 미치는 영향을 분석하였다. 실증적인 분석방법으로, 본 연구는 전통적인 사건 연구방법을 이용하여 분양가 자율화가 미치는 영향을 분석하였고 회귀분석방법을 이용하여 어떤 변수와 관계가 있는지 분석하였다. 본 연구의 결과는 다음과 같이 요약하였다. 첫째로, 정부가 분양가 자율화 발표시 주식의 누적추과수익률은 양의 값을 갖는다. 발표전 -10일과 발표후 +10일간의 거래기간인 21일 동안의 누적초과수익률은 25.51%이며 1%수준에서 유의하였다. 본 결과는 분양가 자율화가 긍정적인 정보를 증권시장에 전달하는 것으로 나타났다. 둘째로, 회귀분석결과 본 연구는 누적초과수익률이 매출액총이익률과 관계가 있는 것으로 나타났다.

• 경영과학
• /
• 제28권3호
• /
• pp.61-72
• /
• 2011

This study suggests a DEA(Data Envelopment Analysis) based model to evaluate the value of corporate stock. The model integrating PER(Price-Earning Ratio), PBR(Price-BookValue Ratio), PSR(Price-Sales Ratio) and volatility in DEA structure has an advantage of overcome the limitation of traditional financial ratio based models. In order to show the effectiveness of the suggested model. we compare the performance of portfolio composed by DEA approach with those of portfolios made by traditional approaches such as PER, PBR, and PSR in terms of stock return and volatility. Specifically, we use the data of all the enterprises listed on the S&P 500 in the U.S. in 2007 and 2009 as the sample data for the experiments. The results of the experiments show that the performance of the DEA approach is clearly better than those of other approaches. Particularly, in sharply plummeting market, the performance of the DEA approach is shown to be prominently better than those of other approaches as the DEA approach reflects investment risk as well as profitability and growth. The DEA score combining the existing investment indices may serve as a useful barometer for selecting a stable and profitable portfolio.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.259-266
• /
• 2020

과거 인공지능 분야에서는 지식 기반의 전문가 시스템 및 머신러닝 알고리즘들을 금융 분야에 적용하는 연구가 꾸준하게 수행되어 왔다. 특히 주식에 대한 지식 기반의 시스템 트레이딩은 이제 보편화되었고, 최근에는 대용량 데이터에 기반한 딥러닝 기술을 주가 예측에 적용하기 시작했다. 이중 LSTM은 시계열 데이터에 대한 검증된 모델로서 주가 예측에도 적용되고 있다. 본 논문에서는 주가 예측 모델로서 LSTM을 적용할 때 성능향상을 위해 고려해야 할 복잡한 매개변수 설정과 적용 함수들에 대해 적합한 조합 방법을 제안하도록 한다. 크게 가중치와 바이어스에 대한 초기화 대상과 설정 방법, 과적합을 피하기 위한 정규화 적용 대상과 설정 방법, 활성화 함수 적용 방법, 최적화 알고리즘 선택 등을 제시한다. 이 때 나스닥 상장사들에 대한 대용량 데이터를 바탕으로 각각의 방법들을 적용하여 정확도를 비교하면서 평가한다. 이를 통해 주가 예측을 위한 LSTM 적용 시 최적의 모델링 방법을 실증적인 형태로 제안하여 현실적인 시사점을 갖도록 한다. 향후에는 입력 데이터의 포맷과 길이, 하이퍼파라미터들에 대한 성능평가를 추가 수행하여 주요 설정 항목들의 조합에 대한 일반화 연구를 수행하고자 한다.

• 재무관리연구
• /
• 제24권4호
• /
• pp.163-199
• /
• 2007

이 논문은 시장에 두 종류의 투자자가 존재하고 이들의 정보 분석 능력과 정보 획득 시점이 서로 다르다면 시장에서 가격이 어떻게 형성되고 변화하는 가를 연구하려고 한다. 시장에는 대규모 자금을 관리하면서 전문적으로 정보를 분석하고 투자하는 기관투자자와 소규모 자금을 투자하는 개인투자자가 있다. 기관투자자들이 개인투자자에 비하여 정보 분석 능력이 뛰어나고 정보 획득시점도 빠르다고 가정한다. 위 가정으로부터 이 논문은 시장에서 주식 가격이 단기에서는 가격지속현상을 보이고 장기에서는 가격역전현상을 보이는 것을 설명할 수 있다. 단기에서 가격지속 현상이 나타나는 것은 개인투자자에 비하여 정보를 먼저 획득한 기관투자자들이 주식을 거래하여 이미 가격이 변화하였는데 뒤늦게 정보를 획득한 개인투자자들이 계속하여 거래함으로써 가격이 단기적으로 같은 방향으로 움직이게 된다. 장기적인 가격역전 현상은 기업의 가치에 대하여 정확한 정보를 가지고 있지 못한 개인투자자들이 새로운 정보에 대하여 지나치게 민감하게 반응하여 주식가격이 기업의 내재가치 이상으로 변화하게 되고 시간이 지남에 따라 주식 가격이 기업의 내재가치로 회귀하기 때문에 나타난다. 단기적인 가격지속과 장기적인 가격역전 현상이 나타나는 주된 원인이 새로운 정보에 대한 개인투자자의 지연반응과 정보부족에 있기 때문에 이 논문은 개인투자자의 비율은 높은 주식일수록 이러한 현상이 더 크게 나타남을 보였다. 기관투자자들이 주식을 매입하면 다음 시점의 가격은 상승하고 이들이 주식을 매도하면 다음 시점의 가격은 하락한다. 반대로 개인투자자들이 주식을 매입하면 다음 시점의 가격은 하락하고 이들이 주식을 매도하면 다음 시점의 가격은 상승하게 된다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.165-171
• /
• 2020

텍스트 마이닝을 활용한 주가 방향 예측 연구에서는 대부분 뉴스, SNS 데이터를 사용하고 있다. 하지만 뉴스, SNS 데이터로부터 기업에 대한 솔직하고 생생한 정보는 얻기 어렵다는 약점이 존재한다. 본 논문에서는 실제 근무 경험이 있는 내부 직원의 기업 리뷰를 반영하여, 종업원 만족도를 활용한 주가의 방향성을 예측하는 문제를 다룬다. 머신러닝 모델별 성능평가를 통해 예측 정확도를 비교, 분석한 결과 종업원의 기업 리뷰 데이터를 추가로 이용한 주가 방향 예측 모델은 그렇지 않은 모델 대비 뛰어난 분류 성과를 보였다. 본 연구는 금융 공학에 자연어처리기술을 활용한 융합 연구로서 주가 예측 분야에서 종업원 만족도를 활용한 기존에 없던 새로운 방법론을 추구하였다. 실무적으로 주가 방향 예측 분야에 유용한 정보를 제공할 것으로 기대된다.

• 한국융합학회논문지
• /
• 제9권6호
• /
• pp.39-44
• /
• 2018

심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.