• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.367-374
• /
• 2021

주가 예측은 경제, 통계, 컴퓨터 공학 등 여러 분야에서 연구되는 주제이며, 특히 최근에는 기본적 지표나 기술적 지표 등 다양한 지표로부터 인공지능 모델을 학습하여 주가의 변동을 예측하는 연구들이 활발해 지고 있다. 본 연구에서는 S&P500 등의 해외지수, 과거 KOSPI 지수, 그리고 KOSPI 투자자별 매매 동향으로부터 KOSPI의 등락을 예측하는 딥러닝 모델을 제안한다. 제안 모델은 주가 등락 예측을 위하여 비지도 학습 방법인 적층 오토인코더를 이용하여 잠재변수를 추출하고, 추출된 잠재변수로부터 시계열 데이터 학습에 적합한 LSTM 모델로 학습하여 당일 시가 대비 종가의 등락을 예측하며, 예측된 값을 기반으로 매수 또는 매도를 결정한다. 본 연구에서 제안하는 모델과 비교 모델들의 수익률 및 예측 정확도를 비교한 결과 제안 모델이 비교 모델들 보다 우수한 성능을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.625-631
• /
• 2017

과거부터 현재까지 주식시장에 대한 주가 변동 예측은 풀리지 않는 난제이다. 주가를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만, 아직까지 정확한 미래를 예측하는 것은 불가능하다. 하지만, 주가 예측은 경제, 수학, 물리 그리고 전산학 등 여러 관련 분야에서 오랜 관심의 대상이 되어왔다. 본 논문에서는 최근 각광 받고 있는 딥러닝(Deep-Learning)을 이용하여 주가의 변동패턴을 학습하고 미래를 예측하고자한다. 본 연구에서는 오픈소스 딥러닝 프레임워크인 텐서플로우를 이용하여 총 3가지 학습 모델을 제시하였으며, 각 학습모델은 각기 다른 입력 피쳐들을 받아들여 학습을 진행한다. 입력 피쳐는 이전 연구에서 사용한 단순 가격 데이터를 확장해 입력 피쳐 개수를 증가시켜가며 실험을 하였다. 세 가지 예측 모델의 학습 성능을 측정했으며, 이를 통해 가격-기반 입력 피쳐에 따라 달라지는 예측 모델의 성능 변화 비교 분석하여 가격-기반 입력 피쳐가 주가예측에 미치는 영향을 평가하였다.

• 한국전자거래학회지
• /
• 제27권1호
• /
• pp.63-79
• /
• 2022

최근 머신러닝 및 딥러닝 기법을 활용한 주식 가격 예측 연구가 다양하게 이루어지고 있다. 그 중에서도 최근에는 주식 매수 및 매도 주문 정보를 담고 있는 호가창을 이용하여 주가를 예측하려는 연구가 시도되고 있다. 하지만 호가창을 활용한 연구는 대부분 가장 최근 일정 기간 동안의 호가창 추이만을 고려하며, 호가창의 중기 추이와 단기 추이를 같이 고려하는 연구는 거의 진행되지 않았다. 이에 본 논문에서는 호가창의 중기와 단기 추이를 모두 고려하여 주가 등락을 보다 정확히 예측하는 딥러닝 기반 예측 모델을 제안한다. 더욱이 본 논문에서 제안하는 모델은 중단기 호가창 정보 외에도 해당 종목에 대한 동기간 뉴스 헤드라인까지 고려하여 기업의 정성적 상황까지 주가 예측에 반영한다. 본 논문에서 제안하는 딥러닝 기반 예측 모델은 호가창 변화의 특징을 합성곱 신경망으로 추출하고 뉴스 헤드라인의 특징을 Word2vec을 이용하여 추출한 뒤, 이들 정보를 결합하여 특정 기업 주식의 다음 날 등락 여부를 예측한다. 실제 NASDAQ 호가창 데이터와 뉴스 헤드라인 데이터를 사용하여 제안 모델로 5개 종목(Amazon, Apple, Facebook, Google, Tesla)의 일일 주가 등락을 예측한 결과, 제안 모델은 기존 모델에 비해 정확도를 최대 17.66%p, 평균 14.47%p 향상시켰다. 또한 해당 모델로 모의 투자를 수행한 결과, 21 영업일 동안 종목에 따라 최소 $492.46, 최대 $2,840.83의 수익을 얻었다.

• 응용통계연구
• /
• 제22권2호
• /
• pp.261-270
• /
• 2009

주식 수익률, 환율 등과 같은 금융 자료를 이해하는데 있어서 최근의 국제 금융위기를 통해 더욱 중요해진 이슈는 바로 변동성(volatility)이다. 변동성(조건부 이분산성)에 대한 모형은 Engle (1982)의 ARCH 모형과 Bollerslev (1986)의 GARCH 모형을 시작으로 수만은 연구가 이루어졌으며 특히 금융 시계열 분석에서는 시계열 자료들 간의 변동성을 함께 모형화 하는 MGARCH(multivariate GARCH) 모형이 널리 이용되고 있다. 추정된 MGARCH 모형들은 그 자체로서 여러 개의 변동성들 간의 시간에 따른 동적인 관계를 설명해주는 데 유용할 뿐만 아니라 추정된 (조건부)상관계수들은 hedge ratio 계산 또는 VaR 계산 등과 같이 금융시장에 대한분석에도 이용되고 있다. 본 논문에서는 국내 14개 최신 주가자료에 대한 MGARCH 분석을 수행하고 연관된 사후검증(back-testing)을 통해 MGARCH 모형들을 평가하고 있으며 사후검증 수치를 얻기 위한 S-PLUS 프로그램을 수록하였다.

• 유통과학연구
• /
• 제13권9호
• /
• pp.37-45
• /
• 2015

Purpose - This paper's aim is to investigate whether or not gross profitability explains the cross-sectional variation of the stock returns in the Korean stock market. Gross profitability is an alternative profitability measure proposed by Novy-Marx in 2013 to predict cross-sectional variation of stock returns in the US. He shows that the gross profitability adds explanatory power to the Fama-French 3 factor model. Interestingly, gross profitability is negatively correlated with the book-to-market ratio. By confirming the gross profitability premium in the Korean stock market, we may provide some implications regarding the well-known value premium. In addition, our empirical results may provide opportunities for the fund distribution industry to promote brand new styles of funds. Research design, data, and methodology - For our empirical analysis, we collect monthly market prices of all the companies listed on the Korea Composite Stock Price Index (KOSPI) of the Korea Exchanges (KRX). Our sample period covers July1994 to December2014. The data from the company financial statementsare provided by the financial information company WISEfn. First, using Fama-Macbeth cross-sectional regression, we investigate the relation between gross profitability and stock return performance. For robustness in analyzing the performance of the gross profitability strategy, we consider value weighted portfolio returns as well as equally weighted portfolio returns. Next, using Fama-French 3 factor models, we examine whether or not the gross profitability strategy generates excess returns when firmsize and the book-to-market ratio are controlled. Finally, we analyze the effect of firm size and the book-to-market ratio on the gross profitability strategy. Results - First, through the Fama-MacBeth cross-sectional regression, we show that gross profitability has almost the same explanatory power as the book-to-market ratio in explaining the cross-sectional variation of the Korean stock market. Second, we find evidence that gross profitability is a statistically significant variable for explaining cross-sectional stock returns when the size and the value effect are controlled. Third, we show that gross profitability, which is positively correlated with stock returns and firm size, is negatively correlated with the book-to-market ratio. From the perspective of portfolio management, our results imply that since the gross profitability strategy is a distinctive growth strategy, value strategies can be improved by hedging with the gross profitability strategy. Conclusions - Our empirical results confirm the existence of a gross profitability premium in the Korean stock market. From the perspective of the fund distribution industry, the gross profitability portfolio is worthy of attention. Since the value strategy portfolio returns are negatively correlated with the gross profitability strategy portfolio returns, by mixing both portfolios, investors could be better off without additional risk. However, the profitable firms are dissimilar from the value firms (high book-to-market ratio firms); therefore, an alternative factor model including gross profitability may help us understand the economic implications of the well-known anomalies such as value premium, momentum, and low volatility. We reserve these topics for future research.

• 농업과학연구
• /
• 제46권4호
• /
• pp.955-969
• /
• 2019

Analyzing on-line consumer responses is directly related to the management performance of food companies. Therefore, this study collected and analyzed data from an on-line portal site created by consumers about food companies with issues and examined the relationships between the data and the management performance. Through this process, we identified consumers' awareness of these companies obtained from big data analysis and analyzed the relationship between the results and the sales and stock prices of the companies through a time-series graph and correlation analysis. The results of this study were as follows. First, the result of the text mining analysis suggests that consumers respond more sensitively to negative issues than to positive issues. Second, the emotional analysis showed that companies' ethics issues (Enterprise 3 and 4) have a higher level of emotional continuity than that of food safety issues. It can be interpreted that the problem of ethical management has great influence on consumers' purchasing behavior. Finally, In the case of all negative food issues, the number of word frequency and emotional scores showed opposite trends. As a result of the correlation analysis, there was a correlation between word frequency and stock price in the case of all negative food issues and also between emotional scores and stock price. Recently, studies using big data analytics have been conducted in various fields. Therefore, based on this research, it is expected that studies using big data analytics will be done in the agricultural field.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• 한국경영과학회지
• /
• 제23권4호
• /
• pp.213-224
• /
• 1998

Since the late 1980s, an Increasing number of neural network models have been studied in the areas of financial prediction and analysis. The purpose of this study is to Investigate the possibility of building a neural network model that is able to construct a profitable trading strategy in the Korean Stock Market. This study classifies stocks into the future market winners and losers from the publicly available accounting information and builds portfolios based on this information. The performances of the winner portfolios and the loser portfolios are compared with each other and against the market index. The empirical result of this research is consistent with the traditional fundamental analysis where it is claimed that the financial statements contain firm values that may not be fully reflected In stock prices without delay. Despite the supporting empirical evidence. It is somewhat Inconclusive as to whether or not the abnormal return in excess of market return is the result of the extra knowledge obtained in the neural network models derived from the historical accounting data. This research attempts to open another avenue using neural network models for searching for evidence against market efficiency where statistics and intuition have played a major role.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권5호
• /
• pp.523-531
• /
• 2021

Vietnam's Oil and gas industry make a significant contribution to the Gross Domestic Product of Vietnam. The ongoing COVID-19 pandemic has hit every industry hard, but perhaps the one industry which has taken the biggest hit is the global oil and gas industry. The purpose of this article is to examine how the COVID-19 pandemic affects the share price of the Vietnam Oil and Gas industry. The event study method applied to Oil and Gas industry index data around three event days includes: (i) The date Vietnam recognized the first patient to be COVID-19 positive was January 23, 2020; (ii) The second outbreak of COVID-19 infection in the community began on March 6, 2020; (iii) The date (30/3/2020) when Vietnam announced the COVID-19 epidemic in the whole territory. This study found that the share price of the Vietnam Oil and Gas industry responded positively after the event (iii) which is manifested by the cumulative abnormal return of CAR (0; 3] = 3.8% and statistically significant at 5 %. In the study, event (ii) has the most negative and strong impact on Oil and Gas stock prices. Events (i) favor negative effects, events (iii) favor positive effects, but abnormal return change sign quickly from positive to negative after the event date and statistically significant shows the change on investors' psychology.