• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.35-44
• /
• 2020

본 연구에서는 주가 결정 방법이 주가 경향 예측에 미치는 영향을 확인하기 위한 분석을 수행한다. 주식시장에서 성공적인 투자를 위해서는 주가의 상승과 하락을 정확하게 예측하는 것이 큰 도움이 되므로 주가 경향 예측에 관해 많은 연구가 진행되고 있다. 예를 들어 근래에는 SNS나 뉴스의 내용을 텍스트 마이닝을 이용하여 분석하고, 이를 이용한 주가 등락의 예측 방법이 제안되었으며 다양한 기계학습 기법들이 활용되고 있다. 그러나 주가의 경향을 '상승' 또는 '하락'으로 결정하는 방법은 제대로 분석된 적 없으며 일반적으로 쓰던 방법을 답습하고 있다. 이에 본 논문에서는 주가 경향 결정 방법을 이동평균을 이용해 일반화하고 주가 경향 결정 방법이 예측 정확도에 미치는 영향을 분석한다. 분석 결과, 다음 날의 주가 경향을 예측하는 경우, 주가 경향 결정방법에 따라 예측 정확도가 47%까지 차이가 남을 발견하였다. 또한 경향 결정에 사용되는 기준값 윈도우의 크기와 예측의 정확도는 비례 관계이며, 대상값 윈도우의 크기와 정확도는 반비례 관례임을 알 수 있었다.

• 재무관리연구
• /
• 제15권1호
• /
• pp.223-243
• /
• 1998

본 연구는 부실기업의 예측여부에 따른 금융기관의 주가 반응을 분석하였다. 1991년부터 1996년까지 관리종목에 편입된 종목중 40종목을 연구대상으로 선정하였다. 부실기업의 예측은 부실예측모형과 전문신용평가기관의 신용등급을 이용하여 판단하였다. 연구결과에 따르면 기업부실 공시시 금융기관 주식의 초과수익률은 전반적으로 부의 값을 갖는 것으로 분석되었다. 즉, 주가반응의 크기에는 정도의 차이는 있지만 부실예측 여부에 관계없이 기업부실은 금융기관 주가에 악영향을 미치는 것으로 나타났다. 구체적으로 살펴보면 신용등급에 의해 부실이 예측되는 경우에 비해 부실이 예측되지 못한 경우에 주가반응이 크고 유의적으로 나타났다. 그러나 부실예측모형을 이용한 경우에는 부실이 예측된 경우의 주가반응이 예측되지 못한 경우에 비해 크게 나타났다. 이러한 결과는 부실예측모형의 부정확성 또는 예측모형에서 사용된 회계자료의 부정확성에 기인한 것으로 판단된다.

• 재무관리연구
• /
• 제16권1호
• /
• pp.129-153
• /
• 1999

본 논문에서는 기업의 성장성변수(기업지분의 시장가치 대 장부가치 비율, MB)가 이익반응 계수에 체계적인 영향은 미치는가를 1991년부터 1994년까지 한국증권시장을 대상으로 재무분석가의 예측치에 의한 사건시점방법을 사용하여 실증적으로 분석하였다. 여러 사건시점을 분석한 결과 기업의 성장성과 이익반응계수가 유의적인 정의 관계가 있다는 것을 발견하였다. 이는 우리나라 증권시장에서 성장성이 높은 기업에서의 이익변화가 성장성이 낮은 기업에 비하여 주식수익률에 더 큰 영향을 미친다는 것을 의미한다, 이에 추가로 Skinner와 Sloan(1998)에서 발견된 고성장기업에서 부의 비기대이익에 대한 큰 폭의 주식수익률 하락이 우리나라 시장에서도 나타나는가를 분석하였다. 이들의 결과와는 달리 우리나라 증권시장에서는 이러한 현상이 발견되지 않았으며, 이는 고성장기업에 대하여서도 이익정보가 주식시장에 적절하게 반영된 다는 것을 나타낸다. 본 논문은 우리나라 증권시장에서 기업이익과 수익률간의 사건시점방법을 통한 연구에 있어서 기업의 성장성변수(기업의 시장가치대 장부가치의 비율)가 통제되어야 하는 변수라는 것을 나타낸다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.943-945
• /
• 2022

2030 세대의 주식시장 참여율은 갈수록 늘어나는 데에 반해 증권업의 높은 진입 장벽과 부족한 정보로 손실을 보는 경우가 적지 않다. 이러한 상황에서 정보의 주체인 개인이 본인 데이터에 대한 권리를 가지고, 본인이 원하는 방식으로 데이터를 관리하는 패러다임인 '마이데이터' 서비스가 최근 떠오르고 있다. 본 논문에서는 위의 문제를 해결하기 위하여 마이데이터를 토대로 특정 주식 종목과 유사한 종목들을 먼저 선별한 후 순수익이 높게 예측되는 종목을 최종 추천하는 모델을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.906-907
• /
• 2023

본 연구는 변동성이 높은 주식시장에서 안정적인 수익창출에 기여할 수 있는 주가예측 강화학 모델을 제안한다. DQN 알고리즘과 LSTM 신경망을 이용하여 시장의 흐름에 따라 전략을 달리하는 모델을 개발하고, 이를 활용한 주식 트레이딩 시스템의 유용성을 확인하고 발전 방향을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.506-508
• /
• 2023

비접촉 음파 센서와 기계학습을 결합하여 도로 표면의 투명한 블랙아이스 감지 및 노면 분류 97%의 정확도를 달성한 새로운 접근 방법을 제안한다. 개발된 시스템은 블랙아이스를 포함한 다양한 물질의 반사 특성을 분석하여 미끄러운 도로 상황을 실시간 감지 및 예측이 가능하여 도로 안정성을 향상한다. 본 연구에서는 테스트 벤치와 투명하고 미끄러운 물질을 이용하여 블랙아이스를 감지할 수 있는 기술의 정확도를 비교하며, 실험 결과를 통해 제안된 블랙아이스 감지 방법의 타당성을 입증하고자 한다.

• 한국지능시스템학회논문지
• /
• 제19권2호
• /
• pp.206-211
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)기반의 자동 특징 추출기법을 사용하여 1일 후의 주식 예측을 하는 방안을 제안하고 있다. 비중복면적 분산측정 법에 의해 중요도가 가장 낮은 특징입력을 자동적으로 하나씩 제거하면서 최소의 특징입력을 선택하였다. 특징입력으로써 CPP$_{n,m}$(Current Price Position of the day n)과 최근 32일간의 CPP$_{n,m}$을 웨이블릿 변환한 38개의 계수들 중 비중복면적 분산측정법에 의해서 자동적으로 추출된 2개의 계수가 사용되었다 제안된 방법으로 1989년부터 1998년까지의 실험군을 사용한 결과로써 60.93%의 예측율을 나타내었다.

• 한국융합학회논문지
• /
• 제10권9호
• /
• pp.199-207
• /
• 2019

우리나라 주식시장에서 애널리스트들이 발표하는 주가 전망 자료를 입력변수로 활용한 로보어드바이저 포트폴리오의 수익성이 있는지를 분석하고자 하였다. 포트폴리오 구성을 위한 표본 주식은 업종을 대표하는 8개의 우량주이며, 분석 기간은 2003년부터 2019년까지의 17년 자료이다. 표본 주식에 대한 주가와 애널리스트 주가 전망 자료를 결합하는 블랙리터만모형을 통해 로보어드바이저 포트폴리오를 추천하고 벤치마크 대비 수익성을 비교하였다. 실증 분석 결과, 애널리스트들의 주가 전망 자료를 결합한 로보어드바이저 알고리즘의 수익성은 벤치마크 포트폴리오보다 연평균 1% 이상의 초과 수익을 시현하였다. 투자자들의 비판적 시각에도 불구하고 개별 종목에 대한 투자가 아닌 상대적 투자 비중을 구하는 로보어드바이저 관점에서는 애널리스트들의 주가 전망 자료가 경제적 가치를 보유하고 있음을 밝혔다. 향후 연구에서는 애널리스트들의 주가 전망 영향력이 대형주보다 더 클 것으로 예측되는 중 소형주를 포함한 로보어드바이저 포트폴리오의 수익성을 분석할 필요가 있다.

• 스마트미디어저널
• /
• 제11권1호
• /
• pp.38-45
• /
• 2022

주식 시장에서 안정적으로 높은 수익을 얻기 위하여 많은 트레이딩 알고리즘에 대한 연구들이 이루어졌다. 트레이딩 알고리즘들이 미국 주식시장의 거래량에서 차지하는 비율은 80 프로가 넘을 정도로 많이 사용된다. 많은 연구에도 불구하고 항상 좋은 성능을 나타내는 트레이딩 알고리즘은 존재하지 않는다. 즉, 과거에 좋은 성능을 보이는 알고리즘이 미래에도 좋은 성능을 보인다는 보장이 없다. 그 이유는 주가에 영향을 주는 요인은 매우 많고, 미래의 불확실성도 존재하기 때문이다. 따라서 본 논문에서는 알고리즘들의 수익률에 대한 과거 기록을 바탕으로 미래의 수익률을 잘 예측하고 수익률도 높을 것으로 추정되는 알고리즘을 선택하는 TimeGAN을 활용한 모델을 제안한다. LSTM기법은 미래 시계열 데이터의 예측이 결정론적임에 반하여 TimeGAN은 확률적이다. TimeGAN의 확률적인 예측의 이점은 미래에 대한 불확실성을 반영하여 줄 수 있다는 점이다. 실험 결과로써, 본 논문에서 제안한 방법은 적은 변동성으로 높은 수익률을 달성하고, 여러 다수의 비교 알고리즘에 비해 우수한 결과를 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제28권8호
• /
• pp.59-66
• /
• 2023

골든크로스를 흔히 매수의 신호로 인식하지만, 주식시장은 변동성이 매우 크기에 골든크로스만으로 주식의 등락 여부를 예상하고 의사결정을 내리기에는 무리가 있다. 마찬가지로, 이러한 주가 데이터의 불확실성은 기존의 시계열 기반의 예측을 더욱 어렵게 한다. 본 논문에서는 골든크로스를 하나의 사건으로 인식하여, time-invariant 한 접근을 시도하고자 한다. LSTM 신경망 기법을 사용하여 골든크로스 이후의 주가 변화율을 예측하고, 기존의 시계열 분석에서 도출한 성능과 종목별로 비교한다. 또한, 0을 기준으로 한 주가 변화율의 등락을 혼동행렬로 분류하여 일반화 분류 성능을 입증한다. 최종적으로 본 논문은 예측 정밀도가 83%인 모델을 제안하였다. 골든크로스가 나타날 때 모든 상황에서 매수를 결정하기보다 모델을 활용하여 투자자의 투자 자본 손실을 방지할 수 있다.