• 산업융합연구
• /
• 제21권1호
• /
• pp.87-93
• /
• 2023

주식 투자에서 매수와 매도의 타이밍을 결정하는 것은 주식 투자의 수익률 올리기 위해 가장 중요한 요인 중에 하나이다. 주식은 싸게 사서 비싸게 팔면 이익이 되지만, 비싸게 사서 싸게 팔면 손해가 된다. 주식의 가격을 결정하는 매수와 매도의 물량에 의해 가격이 결정이 되고, 매수와 매도는 기업실적, 경제지표와도 관련이 있다. CNN에서 제공하는 공포와 탐욕지수는 7가지 요소를 사용하고, 각 요소에 가중치를 부여하여 탐욕과 두려움으로 정의한 가중치 평균을 0~100 사이의 척도로 계산하여 매일 발표하고 있다. 지수가 0에 가까우면 주식시장 심리가 두려운것이고, 100에 가까우면 탐욕스러운 것이다. 따라서 미국 S&P 500 지수를 CNN 공포와 탐욕지수에 따른 매수와 매도를 할 경우 최대 수익률이 발생하는 매매 기준을 분석하여 최적의 매수와 매도 타이밍을 제시하여 주식투자에 수익률을 높일 수 있는 방안을 제시하고자 한다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.31-39
• /
• 2022

주가는 거래량, 종가 등과 같은 숫자 기반의 내부적인 요인뿐만 아니라 법, 유행 등 여러 외부요인에 의해 영향을 받는다. 수많은 요인이 주가에 영향을 미치기 때문에 단편적인 주식 데이터만을 이용한 정확한 주가 예측은 매우 어려운 일이다. 특히 기업의 가치는 실제 주식을 거래하는 사람들의 인식에 영향을 많이 받기 때문에 특정 기업에 대한 감성 정보가 중요한 요인으로 여겨진다. 본 논문에서는 시간적 특성을 고려한 뉴스 데이터의 감성 분석을 이용한 딥러닝 기반 주가 예측 모델을 제안하고자 한다. 주식과 뉴스 데이터, 서로 다른 특성을 가진 2개의 이종 데이터를 시간 크기에 따라 통합하여 모델의 입력으로 사용하며, 시간 크기와 감성 지표가 주가 예측에 미치는 영향에 대해 최종적으로 비교 및 분석한다. 또한 우리는 기존 모델과의 비교 실험을 통해 제안 모델의 정확성이 개선되었음을 검증한다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1997년도 추계학술대회발표논문집; 홍익대학교, 서울; 1 Nov. 1997
• /
• pp.105-108
• /
• 1997

Previous studies in stock market predictions using artificial intelligence techniques such as artificial neural networks and case-based reasoning, have focused mainly on spot market prediction. Korea launched trading in index futures market (KOSPI 200) on May 3, 1996, then more people became attracted to this market. Thus, this research intends to predict the daily up/down fluctuant direction of the price for KOSPI 200 index futures to meet this recent surge of interest. The forecasting methodologies employed in this research are the integration of genetic algorithm and artificial neural network (GAANN) and the integration of genetic algorithm and case-based reasoning (GACBR). Genetic algorithm was mainly used to select relevant input variables. This study adopts the categorical data preprocessing based on expert's knowledge as well as traditional data preprocessing. The experimental results of each forecasting method with each data preprocessing method are compared and statistically tested. Artificial neural network and case-based reasoning methods with best performance are integrated. Out-of-the Model Integration and In-Model Integration are presented as the integration methodology. The research outcomes are as follows; First, genetic algorithms are useful and effective method to select input variables for Al techniques. Second, the results of the experiment with categorical data preprocessing significantly outperform that with traditional data preprocessing in forecasting up/down fluctuant direction of index futures price. Third, the integration of genetic algorithm and case-based reasoning (GACBR) outperforms the integration of genetic algorithm and artificial neural network (GAANN). Forth, the integration of genetic algorithm, case-based reasoning and artificial neural network (GAANN-GACBR, GACBRNN and GANNCBR) provide worse results than GACBR.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2003년도 춘계학술대회
• /
• pp.329-337
• /
• 2003

Stock market prediction is regarded as a challenging task of financial time-series prediction. There have been many studies using artificial neural networks in this area. Recently, support vector machines (SVMs) are regarded as promising methods for the prediction of financial time-series because they me a risk function consisting the empirical ewer and a regularized term which is derived from the structural risk minimization principle. In this study, I apply SVM to predicting the Korea Composite Stock Price Index (KOSPI). In addition, this study examines the feasibility of applying SVM in financial forecasting by comparing it with back-propagation neural networks and case-based reasoning. The experimental results show that SVM provides a promising alternative to stock market prediction.

• 한국IT서비스학회지
• /
• 제19권2호
• /
• pp.109-124
• /
• 2020

Facing the 4^th Industrial Revolution era, researches on artificial intelligence have become active and attempts have been made to apply machine learning in various fields. In the field of finance, Robo Advisor service, which analyze the market, make investment decisions and allocate assets instead of people, are rapidly expanding. The stock price prediction using the machine learning that has been carried out to date is mainly based on the prediction of the market index such as KOSPI, and utilizes technical data that is fundamental index or price derivative index using financial statement. However, most researches have proceeded without any explicit verification of the prediction rate of the learning data. In this study, we conducted an experiment to determine the degree of market prediction ability of basic indicators, technical indicators, and system risk indicators (AR) used in stock price prediction. First, we set the core parameters for each financial indicator and define the objective function reflecting the return and volatility. Then, an experiment was performed to extract the sample from the distribution of each parameter by the Markov chain Monte Carlo (MCMC) method and to find the optimum value to maximize the objective function. Since Robo Advisor is a commodity that trades financial instruments such as stocks and funds, it can not be utilized only by forecasting the market index. The sample for this experiment is data of 17 years of 1,500 stocks that have been listed in Korea for more than 5 years after listing. As a result of the experiment, it was possible to establish a meaningful trading strategy that exceeds the market return. This study can be utilized as a basis for the development of Robo Advisor products in that it includes a large proportion of listed stocks in Korea, rather than an experiment on a single index, and verifies market predictability of various financial indicators.

• 한국빅데이터학회지
• /
• 제3권1호
• /
• pp.13-20
• /
• 2018

주식 시장에 대한 예측은 오랜 기간 많은 이들의 꿈이었다. 하지만 수많은 노력에도 불구하고 주식 시장을 정확하게 예측하기란 쉬운 일이 아니었다. 본 연구는 주식 시장의 방향성에 주목하여 이 방향성을 예측할 수 있는 감성사전을 구축하는 새로운 방법을 제시한다. 이를 위해 2015년 1월 1일부터 2017년 12월 31일까지 3년간의 증시 뉴스 25,000여 건의 데이터를 수집하여, 문맥을 고려하기 위한 Word2Vec을 적용하였다. 이를 바탕으로 뉴스에 감성분석을 실시하여 KOSPI 종가 지수를 예측해 보았다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 1999년도 춘계공동학술대회:정보화시대의 지식경영
• /
• pp.229-229
• /
• 1999

• 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.

• 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.