• 지능정보연구
• /
• 제28권4호
• /
• pp.157-177
• /
• 2022

투자자들은 증권회사가 제공하는 시세표인 Limit Order Book 정보를 통해 국내외 투자자들이 제출하는 주문 정보를 실시간으로 파악하면서 거래에 참여하고 있다. Limit Order Book에 실시간으로 공개되고 있는 주문 정보가 주가 예측에서 유용성이 있을까? 본 연구는 장 중 투자자들의 매수와 매도 주문이 어느 한쪽으로 쏠리면서 주문 불균형이 나타나는 경우 미래 주가 등락의 예측 변수로서 유의성이 있는지를 분석하는 것이다. 분류 알고리즘을 이용하여 주문 불균형 정보의 당일 종가 등락에 대한 예측 정확도를 높이고, 예측 결과를 이용한 데이트레이딩 전략을 제안하며 실증분석을 통해 투자 성과를 분석한다. 자료는 2004년 1월 19일부터 2022년 6월 30일까지의 4,564일 동안의 코스피200 주가지수선물 5 분 봉 주가를 분석하였다. 실증분석 결과는 다음과 같다. 첫째, 총매수 주문량과 총매도 주문량의 불균형 정도로 측정하는 주문 불균형지수와 주가는 유의적 상관성을 보인다. 둘째, 주문 불균형 정보는 당일 종가까지의 미래 주가 등락에 대해서도 유의적인 영향력이 나타났다. 셋째, 주문 불균형 정보를 이용한 당일 종가 등락의 예측 정확도는 Support Vector Machines 알고리즘이 54.1%로 가장 높게 나타났다. 넷째, 하루 중 이른 시점에서 측정한 주문 불균형지수가 늦은 시점에서 측정한 주문 불균형지수보다 예측 정확성이 더 높았다. 다섯째, 종가 등락 예측 결과를 이용한 데이트레이딩 전략의 투자 성과는 비교모형의 투자 성과보다 높게 나타났다. 여섯째, 분류 알고리즘을 이용한 투자 성과는 K-Nearest Neighbor 알고리즘을 제외하면 모두 비교모형보다 총수익 평균이 높게 나타났다. 일곱째, Logistic Regression, Random Forest, Support Vector Machines, XGBoost 알고리즘의 예측 결과를 이용한 데이트레이딩 전략의 투자 성과는 수익성과 위험성을 동시에 평가하는 샤프비율에서도 비교모형보다 높은 결과를 보여주었다. 본 연구는 Limit Order Book 정보 중 총매수 주문량과 총매도 주문량 정보의 경제적 가치가 존재함을 밝혔다는 점에서 기존의 연구와 학술적 차별점을 갖는다. 본 연구의 실증분석 결과는 시장 참여자들에게 투자 전략적 측면에서 함의가 있다고 판단된다. 향후 연구에서는 최근 활발히 연구가 진행되고 있는 딥러닝 모형 등으로의 확장을 통해 주가 예측의 정확도를 높임으로써 데이트레이딩 투자전략의 성과를 개선할 필요가 있다.

• 한국콘텐츠학회논문지
• /
• 제22권8호
• /
• pp.329-338
• /
• 2022

COVID-19 팬데믹으로 비대면 경제 상황이 전개되면서 주식시장에서는 언택트 주식 집단이 등장하였다. 본 연구는 COVID-19 팬데믹 상황에서 감염병 확산에 따른 한국 COVID-19 공포지수를 제안하고, 언택트 주식 수익률과 콘택트 주식 수익률에 대한 영향력을 분석하였다. 실증 분석 결과는 다음과 같다. 첫째, 한국 COVID-19 공포지수를 이용한 그랜저 인과관계 분석 결과 대한항공, 하나투어, CJ CGV, 파라다이스와 같은 콘택트 주식의 수익률에서 유의적인 인과성이 나타났다. 둘째, LSTM 모형 기반의 주가 예측 결과 카카오, 대한항공과 네이버의 예측 성과가 높게 나타났다. 셋째, 예측 주가를 이용한 Alexander 필터 진입 전략의 투자 성과는 네이버 선물과 카카오 선물에서 높게 나타났다. 본 연구는 비대면 경제가 본격화된 COVID-19 상황에서 언택트 주식과 콘택트 주식에 대한 COVID-19 팬데믹 확산의 영향력을 분석하였다는 점에서 기존 연구와 차별점을 찾을 수 있다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권2호
• /
• pp.271-283
• /
• 2012

본 연구에서는 모든 산업을 총합한 종합주가지수 예측을 다루는 기존의 연구들과는 달리 11개의 대표 산업별 주가지수의 상승 및 하락을 예측하였다. 해외경제상황에 큰 영향을 받는 우리나라 주식 시장을 고려하여 국내 경제지표뿐만 아니라 미국, 일본, 중국, 유럽의 주요 경제지표를 예측변수로 사용하였다. 2001년부터 2011년까지 총 132개의 월별 자료에 대하여 로지스틱 회귀모형과 신경망모형에 의한 분석은 대체로 60% 내외의 정확도를 보였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1998년도 추계학술대회 논문집
• /
• pp.228-231
• /
• 1998

Artificial Intelligence literatures have recognized that stock market is a highly unstructured and complex domain so that it is difficult to find knowledge that belongs to that domain. This paper demonstrates that the proposed QCOM can derive global knowledge about stock market on the basis of a set of local knowledge and express it as a digraph representation. In addition, inference mechanism using quantitative causal reasoning can describe the qualitative and quantitative effects of exogenous variables on stock market.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.95-101
• /
• 2008

주가지수는 경제 및 정치적 상황을 포함한 다양한 주변 환경에 영향을 받는 관계로 정확한 주가지수 예측모형의 개발은 매우 어려운 문제로 여겨지고 있다. 본 논문에서는, 신경회로망과 통계적인 방법을 이용하여 종합주가지수(KOSPI)를 예측하는 에이전트 시스템 기법을 제안한다. 예측오차의 평균 및 편차를 최소화하기 위해서, 에이전트시스템은 특징추출, 변수선정, 예측 엔진선정 및 분석을 위한 부(sub)에이전트 모듈들을 포함하고 있다. KOSPI(Korea Composite Stock Price Index) 예측을 위한 에이전트시스템 구현의 첫 번째 단계로서, 주성분분석을 이용하여 22개의 표준기본경제지표에서 12개의 경제지표를 추출하였다. 열두 개의 추출된 경제지표들은 예측하고자하는 예측일에 따라 최량부분적합법을 이용하여 다시 한 번 입력 변수들을 선정하게 된다. 성능평가를 위해 주가지수의 변동폭이 다른 두 종류의 실험데이터를 대상으로 예측을 진행한 결과 30일의 연속적인 종합주가지수예측에 있어 11.92포인트의 평균오차율을 보였다. 또한, 예측시점에 따라 관련이 높은 기본지표의 종류 및 개수가 다르게 나타나므로 제안한 주가예측 에이전트시스템 구조가 유용함을 보였다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1435-1440
• /
• 2021

저금리 시대의 도래로 인해 많은 투자자들이 주식 시장으로 몰리고 있다. 과거의 주식 시장은 사람들이 기업 분석 및 각자의 투자기법을 통해 노동 집약적으로 주식 투자가 이루어졌다면 최근 들어 인공지능 및 데이터를 활용하여 주식 투자가 널리 이용되고 있는 실정이다. 인공지능을 통해 주식 예측의 성공률은 현재 높지 않아 다양한 인공지능 모델을 통해 주식 예측률을 높이는 시도를 하고 있다. 본 연구에서는 다양한 인공지능 모델에 대해 살펴보고 각 모델들간의 장단점 및 예측률을 파악하고자 한다. 이를 위해, 본 연구에서는 주식예측 인공지능 프로그램으로 인공신경망(ANN), 심층 학습 또는 딥 러닝(DNN), k-최근접 이웃 알고리즘(k-NN), 합성곱 신경망(CNN), 순환 신경망(RNN), LSTM에 대해 살펴보고자 한다.

• 재무관리연구
• /
• 제15권2호
• /
• pp.369-399
• /
• 1998

주가가 과연 예측가능한가의 여부는 이론적으로나 실무적으로 매우 중요한 의미를 가져 이 부분에 대해 많은 연구가 이루어져 왔으나 많은 기존연구들은 주가가 예측 가능하다는 결론을 얻지 못하고 있으며, 예측 가능하다는 연구에서도 예측력이 크지 않게 나타나고 있다. 이러한 실증결과는 실증모형의 선택이 적절하지 못한데서 나타날 수 있다는 가능성을 배제할 수 없다. 기존연구들이 실증분석에서 선형모형을 사용했는데, 선형모형으로는 주가의 예측가능성을 정확히 검증하기 어려운 현실적 요인들이 존재할 수 있다. 증권시장에는 시장실패를 방지하기 위한 규제나 제도 및 시장의 불완전성으로 인해 주가움직임에 선형모형으로 추정하기 어려운 특이패턴이 발생할 수 있기 때문이다. 이 논문에서는 이러한 특이패턴이 존재한다는 가능성을 전제로 비모수적 모형, 그 중에서도 인공신경망모형을 이용하여 주가예측 가능성을 재검증해 보고자 한다. 특히 인공신경망모형을 이용한 예측성과를 동일한 구조를 가지는 선형모형의 성과와 비교함으로써 특이패턴의 고려가 주가예측에 어떤 개선을 제공할 수 있는지를 검증해 보고자 한다. 분석결과를 요약하면, 인공신경망모형이 예측력을 가질 수 있으며, 특히 유사한 구조를 가지는 선형모형보다 우월한 성과를 제공할 수 있다는 가능성을 발견하였다. 이는 선형모형으로 추정하기 어려운 특이패턴이 주가움직임에 존재하며, 따라서 이러한 패턴을 반영할 수 있는 인공신경망모형이 주가예측에 유용하게 사용될 수 있다는 것을 보이는 결과라 볼 수 있다.

• 산경연구논집
• /
• 제9권7호
• /
• pp.53-59
• /
• 2018

Purpose - This study examines the effect of control-ownership wedge on stock crash risk. In Korea, controlling shareholders have exclusive control rights compared to their cash flow rights. With increasing disparity, controlling shareholders abuse their power and extract private benefits at the expense of the minority shareholders. Managers who are controlling shareholders of the companies tend not to disclose critical information that would prevent them from pursuing private interests. They accumulate negative information in the firm. When the accumulated bad news crosses a tipping point, it will be suddenly released to the market at once, resulting in an abrupt decline in stock prices. We predict that stock price crash likelihood due to information opaqueness increases as the wedge increases. Research design, data, and methodology - 831 KOSPI-listed firm-year observations are from KisValue database from 2005 to 2011. Control-ownership wedge is measured as the ratio (UCO -UCF)/UCO where UCF(UCO) is the ultimate cash-flow(control) rights of the largest controlling shareholder. Dependent variable CRASH is a dummy variable that equals one if the firm has at least 1 crash week during a year, and zero otherwise. Logistic regression is used to examine the relationship between control-ownership wedge and stock price crash risk. Results - Using a sample of KOSPI-listed firms in KisValue database for the period 2005-2011, we find that stock price crash risk increases as the disparity increases. Specifically, we find that the coefficient of WEDGE is significantly positive, supporting our prediction. The result implies that as controlling shareholders' ownership increases, controlling shareholders tend to withhold bad news. Conclusions - Our results show that agency problems arising from the divergence between control rights and cash flow rights increase the opaqueness of accounting information. Eventually, the accumulated bad news is released all at once, leading to stock price crashes. It could be seen that companies with high control-ownership wedge are likely to experience future stock price crashes. Our study is related to a broader literature that examined the effect of the control-ownership wedge on stock markets. Our findings suggest that the disparity is a meaningful predictor for future stock price crash risk. The results are expected to provide useful implications for firms, regulators, and investors.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권3호
• /
• pp.167-172
• /
• 2015

기계 학습은 컴퓨터를 학습시켜 분류나 예측에 사용되는 기술이다. 그 중 SVM은 빠르고 신뢰할 만한 기계 학습 방법으로 분류나 예측에 널리 사용되고 있다. 본 논문에서는 재무 정보를 기반으로 SVM을 이용하여 주식 가격의 예측력을 검증한다. 이를 통해 회사의 내재 가치를 나타내는 재무정보가 주식 가격 예측에 얼마나 효과적인지를 평가할 수 있다. 회사 재무 정보를 SVM의 입력으로 하여 주가의 상승이나 하락 여부를 예측한다. 다른 기법과의 비교를 위해 전문가 점수와 기계 학습방법인 인공신경망, 결정트리, 적응형부스팅을 통한 예측 결과와 비교하였다. 비교 결과 SVM의 성능이 실행 시간이나 예측력면에서 모두 우수하였다.