• 사물인터넷융복합논문지
• /
• 제10권5호
• /
• pp.13-18
• /
• 2024

국내 주식 시장에서 트렌드 예측을 위한 기계학습 모델의 활용 사례가 점점 증가하고 있다. 특히, 주가 데이터와 같은 복잡한 시계열 데이터를 분석하고 예측하기 위해서는 기계학습을 활용하는 것이 필수적이다. 본 연구에서는 클라우드 컴퓨팅 서비스를 활용한 금융 데이터 수집 및 금융 시계열 추세 예측을 위한 기계학습 시스템을 제안한다. 먼저, 데이터 수집을 위해 Amazon Web Services(AWS)의 서버리스 서비스를 활용하였으며, 기술적 분석 지표(Relative Strength Index(RSI), Simple Moving Average(SMA), 볼린저 밴드, Rate Of Change(ROC), Golden Cross and Dead Cross(GDC), Stochastic Oscillator(STOCH), Moving Average Convergence Divergence(MACD), Detrended Price Oscillator(DPO))의 임계치를 유전 알고리즘을 통해 최적화 하였다. 이후 최적화된 지표들을 Echo State Network(ESN), Recurrent Neural Network(RNN), 그리고 다양한 기계학습 분류 모델의 학습 데이터로 사용하여 각 종목의 추세를 예측하였다. 예측된 추세를 바탕으로 백테스트를 진행한 결과, 평균 수익률은 ESN이 334%, RNN이 175%, 그리고 분류 모델이 199%를 기록하였다. 따라서 본 연구는 국내 주식 투자에서도 기계학습이 높은 예측력을 보이며 다양한 활용 가능성을 지니고 있음을 시사 하였다.