지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.9
- 수록면
- 1,264 - 1,273 (10page)
- DOI
- 10.7840/kics.2024.49.9.1264
이용수
초록· 키워드
오류제보하기
머신러닝 트레이딩 시스템을 설계할 때 필수적인 과정 중 하나는 과거 주가 데이터를 사용하여 학습 모형을 구축하는 것이다. 하지만 금융시장이라는 환경의 특성상 대량의 주가 데이터를 얻는 것은 시간과 비용이 많이 요구되는 작업이다. 모델 구축을 위한 데이터가 부족할 경우 낮은 일반화 능력, 예측 능력 저하 등 다양한 문제점을 야기할 수 있다. 따라서 본 논문에서는 적대적 생성 신경망 기반의 가상 데이터 생성 시뮬레이션을 활용한 새로운 금융 시장 분석방법론을 제안한다. 현대 금융이론의 기하 브라운 운동 모형의 제한점 중 하나인 heavy-tail 현상을 극복하기 위해 GAN으로부터 추출된 난수를 입력하여 실제 주식 수익률 분포를 근사하였고 이를 통해 실제 시장의 움직임이 반영된 미래 주가 변동을 시뮬레이션 하였다. 이후, 생성된 데이터와 실제 데이터, 두 데이터 셋을 머신러닝 모델에 훈련하고 트레이딩 전략을 수립하여 거래 성과를 비교하였다. 실험 결과 제안된 방법론을 바탕으로 생성된 가상의 주가 데이터를 활용할 경우 전반적으로 거래 평가지표에서 성능이 향상되었고 이러한 결과는 금융 데이터의 제한을 극복하는 새로운 솔루션을 제시한다. 결과적으로 GAN을 활용한 데이터 시뮬레이션과 머신러닝 기반의 트레이딩 시스템은 거래 전략과 위험 관리를 향상시킬 수 있다는 가능성을 확인하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 연구 방법
Ⅳ. 실험
Ⅴ. 결론 및 향후 연구
References
참고문헌 (14)
참고문헌 신청
P.-Y. Hao, C.-F. Kung, C.-Y. Chang, and J-B. Ou, “Predicting stock price trends based on financial news articles and using a novel twin support vector machine with fuzzy hyperplane,” Applied Soft Computing, vol. 98, 2021. (https://doi.org/10.1016/j.asoc.2020.106806)
E. Jang, H. Choi, and H. Lee, “Stock prediction using combination of BERT sentiment Analysis and Macro economy index,” J. Korea Soc. Comput. Inf., vol. 25, no. 5, pp. 47-56, 2020. (https://doi.org/10.9708/jksci.2020.25.05.047)
K. Ko, S. Oh, and J. Baek, “Development of economic fluctuation topic indices and topic indices regression model for KOSPI200 index,” J. Korean Data and Inf. Sci. Soc., vol. 31, no. 4, pp. 579-594, 2020. (https://doi.org/10.7465/jkdi.2020.31.4.579)
W. Lee, “A deep learning analysis of the KOSPI`s directions,” J. Korean Data and Inf. Sci. Soc., vol. 28, no. 2, pp. 287-295, 2017. (https://doi.org/10.7465/jkdi.2017.28.2.287)
G. Ji, J. Yu, K. Hu, J. Xie, and X. Ji, “An adaptive feature selection schema using improved technical indicators for predicting stock price movements,” Expert Syst. with Appl., vol. 200, 2022. (https://doi.org/10.1016/j.eswa.2022.116941)
E. Jang, H. Choi, and H. Lee, “Stock prediction using combination of BERT sentiment Analysis and Macro economy index,” J. Korea Soc. Comput. Inf., vol. 25, no. 5, pp. 47-56, 2020. (https://doi.org/10.9708/jksci.2020.25.05.047)
K. Ko, S. Oh, and J. Baek, “Development of economic fluctuation topic indices and topic indices regression model for KOSPI200 index,” J. Korean Data and Inf. Sci. Soc., vol. 31, no. 4, pp. 579-594, 2020. (https://doi.org/10.7465/jkdi.2020.31.4.579)
W. Lee, “A deep learning analysis of the KOSPI`s directions,” J. Korean Data and Inf. Sci. Soc., vol. 28, no. 2, pp. 287-295, 2017. (https://doi.org/10.7465/jkdi.2017.28.2.287)
G. Ji, J. Yu, K. Hu, J. Xie, and X. Ji, “An adaptive feature selection schema using improved technical indicators for predicting stock price movements,” Expert Syst. with Appl., vol. 200, 2022. (https://doi.org/10.1016/j.eswa.2022.116941)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
머신 러닝 모델을 활용한 주가 예측 및 트레이딩 전략의 성과 분석 연구
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
기하 브라운 운동을 활용한 머신러닝 기반 주식 트레이딩 시스템 개발
한국통신학회 학술대회논문집
2022 .11
-
GAN 을 활용한 머신러닝 기반 한국 주가지수 트레이딩 시스템 개발
한국통신학회 학술대회논문집
2023 .02
-
공공 데이터를 활용한 시스템 트레이딩 전략의 투자 성과 분석
한국지능정보시스템학회 학술대회논문집
2019 .10
-
머신러닝 트레이딩 시스템 개발을 위한 유전자 알고리즘 기반 데이터 라벨링
한국통신학회 학술대회논문집
2022 .06
-
강화학습을 이용한 주식 트레이딩 시스템 개발
한국통신학회 학술대회논문집
2022 .06
-
강화 학습 기반 주식 트레이딩 시스템에 대한 연구
한국정보과학회 학술발표논문집
2020 .07
-
머신러닝 트레이딩 시스템 개발을 위한 변동성 라벨링 방법
한국통신학회 학술대회논문집
2023 .02
-
뉴스와 커뮤니티의 감성 분류를 이용한 트레이딩 시스템 개발
한국통신학회 학술대회논문집
2022 .02
-
주가 데이터 생성 모델을 활용한 머신러닝 기반 한국 주가지수 등락 예측
한국통신학회 학술대회논문집
2022 .06
-
실시간 시장 학습 기반의 암호화폐 자동 거래 시스템
한국정보통신학회논문지
2025 .01
-
사용자 편의성 기반의 알고리즘 트레이딩 시스템
한국인터넷방송통신학회 논문지
2016 .01
-
해외 주요국의 데이터 거래 및 가격설정 사례 분석과 한국의 데이터 정책 방향
금융정보연구
2024 .06
-
강화학습을 이용한 트레이딩 전략
한국산학기술학회 논문지
2021 .01
-
전이학습 기반 주가 예측 딥러닝 모델에 대한 연구
Proceedings of KIIT Conference
2024 .05
-
주가 예측을 위한 머신러닝과 딥러닝 기법의 비교 분석
한국컴퓨터정보학회 학술발표논문집
2024 .07
-
뉴스 감성 분석을 이용한 딥러닝 기반 주가 예측에 대한 연구
한국컴퓨터정보학회논문지
2022 .08
-
DQN을 이용한 트레이딩 예측을 위한 강화학습 모델 구현
한국정보기술학회논문지
2019 .04
-
그래디언트 부스팅 기계학습 및 유전 알고리즘을 적용한 증권 트레이딩 전략의 성능분석
한국컴퓨터정보학회논문지
2022 .11
-
머신러닝 예측 성능을 향상시키기 위한 유도탄 고장 데이터 증강기법에 대한 연구
한국산학기술학회 논문지
2025 .01
이 논문과 함께 이용한 논문
빅데이터를 활용한 철근과 콘크리트공사의 자재 수요예측 모델 개발
박환표
,
김재도
,
강준혁
외 1명
대한건축학회논문집
2024
.11
데이터 증강기법과 서포트 벡터 회귀를 활용한 초고층 건물 커튼월 공사 기간 예측
윤혜순
,
백영건
,
박상준
외 2명
대한건축학회논문집
2024
.12
청소년의 데이터 시각화 표현 유형 메타 분석: 2019~2021 ‘전국학생통계활용대회’ 3년간의 중학생부 수상작 분석을 중심으로
백민영
,
현은령
Archives of Design Research
2023
.05
데이터통계기반 색채디자인 교육을 위한 고등학교 STEAM 프로그램 개발 및 효과성 분석
현은령
,
김정현
,
김유정
외 1명
Archives of Design Research
2022
.11
대용량 센서 데이터의 효율적인 처리를 위한 데이터베이스 설계
김지은
,
이하나
,
김경창
한국정보과학회 학술발표논문집
2015
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-091072640