• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.267-272
• /
• 2020

Macroeconomics are one of the indicators that are preceded and analyzed when analyzing stocks because it shows the movement of a country's economy as a whole. The overall economic situation at the national level, such as national income, inflation, unemployment, exchange rates, currency, interest rates, and balance of payments, has a great affect on the stock market, and economic indicators are actually correlated with stock prices. It is the main source of data for analysts to watch with interest and to determine buy and sell considering the impact on individual stock prices. Therefore, economic indicators that impact on the stock price are analyzed as leading indicators, and the stock price prediction is predicted through deep learning-based prediction, after that the actual stock price is compared. If you decide to buy or sell stocks by analysis of stock prediction, then stocks can be investments, not gambling. Therefore, this research was conducted to enable automated stock trading by using macro-indicators and deep learning algorithms in artificial intelligence.

• The Journal of the Korea Contents Association
• /
• v.18 no.9
• /
• pp.623-632
• /
• 2018

Both investors and researchers are attentive to the prediction of stock price movement directions since the accurate prediction plays an important role in strategic decision making on stock trading. According to previous studies, taken together, one can see that different factors are considered depending on stock markets and prediction periods. This paper aims to analyze what data mining techniques show better performance with some representative index and stock price datasets in the Korea stock market. In particular, extreme gradient boosting technique, proving itself to be the fore-runner through recent open competitions, is applied to the prediction problem. Its performance has been analyzed in comparison with other data mining techniques reported good in the prediction of stock price movement directions such as random forests, support vector machines, and artificial neural networks. Through experiments with the index/price datasets of 12 years, it is identified that the gradient boosting technique is the best in predicting the movement directions after 1 to 4 days with a few partial equivalence to the other techniques.

• Proceedings of the Safety Management and Science Conference
• /
• 2007.04a
• /
• pp.471-476
• /
• 2007

본 논문의 목적은 과거의 산업 포트폴리오 수익률이 확률추세로부터 어떻게 전체 주식시장과 두 가지 거시경제 변수인 경기동행지수와 산업생산 등을 예측할 수 있는 지를 알아보는 데에 있다. 이를 위하여 본 연구에서는 연구모형을 설정한 후 세 가지 검정절차를 제시하고 이를 실증적으로 분석하였다. 당월의 전체 주식시장 수익률은 과거의 시차를 지닌 특정 산업부문 포트폴리오 수익률에 대하여 양(+)의 상관관계를 유지하고 있다는 '예측 1'과 전체 주식시장의 수익률은 특정 산업부문의 수익률에 대하여 선행성을 지닐 수 없다는 '예측 2'에 대한 검정 결과는 '예측 1'과 '예측 2'가 지지되고 있음을 파악할 수 있었다. 그리고 산업별 포트폴리오 수익률과 거시경제변수 간의 높은 상관관계를 토대로 하여 전체주식시장 수익률 예측을 가능하게 하는 업종 정보의 점진적 확산 현상이 발생하게 되는가를 검토하기 위하여 각 산업들의 포트폴리오 수익률과 전체 주식시장 수익률이 VAR모형을 토대로 볼 경우 Granger 인과관계를 갖고 있는 지를 분석하였다. 분석결과 21개 업종은 각 산업별 포트폴리오 수익률이 전체 주식시장 수익률을 5% 수준에서 통계적으로 유의한 영향을 주고 있음을 알 수 있었다. 이들 21개의 산업별 포트폴리오 수익률은 경제적으로도 중요한 의미를 지니고 있어 산업제품의 가격 상승과 하락이 경제에 미치는 영향을 파악할 수 있다. 특히 음료 업종에서 전체 주식시장 수익률과 상호간의 인과성을 나타내었으며, 인터넷과 화장품 업종에서는 전체 주식시장 수익률이 이들 업종에 대하여 일방적인 영향을 보이고 있음을 알 수 있었다.>$mgN\;{\cdot}\;L^{-1}$ 및 0.000-0.804 $mgN\;{\cdot}\;L^{-1}$이였다. 규소농도는 0.0-6.2 $mgSi\;{\cdot}\;L^{-1}$의 범위로 3-5월에 매우 낮았으며, 계절적인 변화가 뚜렷히 나타났다. 저질의 입자는 0-125인 silt및 coarse silt로 이루어져 있으며, COD는 51.4-116.9 $mgO_2\;{\cdot}\;gdw^{-1}$로 평균 93.0 $mgO_2\;{\cdot}\;gdw^{-1}$ 이였다. 저질내의 TP및 TN의 농도는 각각 0.04-1.46 $mgP\;{\cdot}\;gdw^{-1}$ 및 0.12-1.03 $mgN\;{\cdot}\;gdw^{-1}$이었다. 표층의 엽록소 a의 정점별 평균값은 정점 1, 2 및 3에서 각각 15.6, 15.2 및 16.0 $mg\;{\cdot}\;m^{-3}$으로 유사하였다. 식물플랑크톤은 총 49종이 출현하였으며, 생물량은 50-23, 350 cells ${\cdot}\;mL^{-1}$로 2001년 9월에 가장 많았다. 이 시기의 우점종은 녹조류인 Schroederia judayi이였으며, 생물량은 20,417 cells ${\cdot}\;mL^{-1}$이였다. 송지호의 수질을 개선하기 위해서는 인위적으로 화학성층을 파괴시켜 심충에 용존산소를 공급시켜야 할 것으로 판단되며, 모래톱으로 인해 막혀져 있는 해수

• Journal of KIISE:Computer Systems and Theory
• /
• v.37 no.6
• /
• pp.354-367
• /
• 2010

There are many methods for analyzing patterns in time series data. Although stock data represents a time series, there are few studies on stock pattern analysis and prediction. Since people believe that stock price changes randomly we cannot predict stock prices using a scientific method. In this paper, we measured the degree of the randomness of stock prices using Kolmogorov complexity, and we showed that there is a strong correlation between the degree and the accuracy of stock price prediction using our semi-global alignment method. We transformed the stock price data to quantized string sequences. Then we measured randomness of stock prices using Kolmogorov complexity of the string sequences. We use KOSPI 690 stock data during 28 years for our experiments and to evaluate our methodology. When a high Kolmogorov complexity, the stock price cannot be predicted, when a low complexity, the stock price can be predicted, but the prediction ratio of stock price changes of interest to investors, is 12% prediction ratio for short-term predictions and a 54% prediction ratio for long-term predictions.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2007.11a
• /
• pp.176-180
• /
• 2007

제조산업에 기반을 둔 기업들의 주된 관심사 중에 하나가 바로 비용 절감이다. 비용을 구성하는 요소에는 여러 가지가 있지만 그 중에서도 원자재 구입에 늘어가는 비용은 시장의 상황에 따라 변화하기 때문에 가변적인 요소로써 기업의 실적 및 재무구조에 영향을 주게 되고 이는 해당 기업의 주가에 반영된다. 본 논문에서는 국제 원자재 시장과 주식시장간의 상관관계를 분석하였다. 주식시장에 등록된 기업들을 업종별고 분류하여 각 기업들의 주가 및 업종별 지수와 원자재 가격간의 cross-correlation을 구해보고 원자재 가격이 주식시장에 미치는 영향을 정량적으로 분석하였다. 이러한 연구는 주식시장을 예측하는데 있어서 원자재 시장의 분석이라는 또 하나의 중요한 지침을 마련하고 궁극적으로 불확실한 미래를 대비할 수 있는 Risk management 방안을 마련하는데 도움이 될 것으로 사료된다.

• The Korean Journal of Financial Management
• /
• v.10 no.2
• /
• pp.263-301
• /
• 1993

최근의 연구결과에 의하면 분산이 시간에 따라 변화하여 이분산적(異分散的)이며, 시계열상관(時系列相關)이 존재하는 것으로 나타나고 있다. 일정(一定)한 분산을 가정하여 주식수익률(株式收益率)의 움직임을 설명하는 기존의 모형들은 주식수익률(株式收益率)을 예측하는데 편의(偏倚)(bias)를 가지게 되며, 또한 투자자(投資者)들에게 정확한 위험측정(危險測定)의 수단을 제공하지 못하고 있다. 따라서 본 연구는 우리나라 주식수익률(株式收益率)의 분산이 시간에 따라 변화하는지를 살펴보기 위해 종합주가지수(綜合株價指數) 및 규모별(規模別) 지수(指數)를 사용하여 ARCH 및 GARCH 모형을 추정하였다. 또한 기대수익률(期待收益率)과 조건부(條件附) 분산(分散)사이의 다기간(多期間)(intertemporal) 관계를 ARCH-M 및 GARCH-M 모형을 사용하여 추정하였다. 추정결과는 우리나라 주식시장에도 유의적인 ARCH 및 GARCH 효과, 즉 주식수익률이 매우 이분산적(異分散的)인 것으로 나타났다. 그리고 기대수익률(期待收益率)과 조건부(條件附) 분산(分散)사이의 관계에서 ARCH-M 모형과 GARCH-M 모형의 추정결과가 다르게 나타났으나 전체적으로 유의하지 않는 것으로 나타났다. 이러한 본 연구결과로 조건부(條件附) 분산모형(分散模型)을 통하여 기대수익률(期待收益率) 및 분산(分散)의 움직임을 더욱 잘 파악할 수 있을 것으로 생각되며, 따라서 주식수익률(株式收益率) 및 분산(分散)의 예측에 더 좋은 도구로 활용될 수 있을 것으로 생각된다.

• Journal of the Korea Convergence Society
• /
• v.12 no.7
• /
• pp.31-36
• /
• 2021

As the global economy stagnated due to the Corona 19 virus from Wuhan, China, most countries, including the US Federal Reserve System, introduced policies to boost the economy by increasing the amount of money. Most of the stock investors tend to invest only by listening to the recommendations of famous YouTubers or acquaintances without analyzing the financial statements of the company, so there is a high possibility of the loss of stock investments. Therefore, in this research, I have used artificial intelligence deep learning techniques developed under the existing automatic trading conditions to analyze and predict macro-indicators that affect stock prices, giving weights on individual stock price predictions through correlations that affect stock prices. In addition, since stock prices react sensitively to real-time stock market news, a more accurate stock price prediction is made by reflecting the weight to the stock price predicted by artificial intelligence through stock market news text mining, providing stock investors with the basis for deciding to make a proper stock investment.

• Annual Conference of KIPS
• /
• 2002.11c
• /
• pp.2447-2450
• /
• 2002

주가지수선물시장은 주식투자에 따르는 위험을 효과적으로 관리할 수 있는 제도적 장치로서 오늘날 불안한 주식시장 현황에 있어서 더욱더 중요한 위치를 갖고 있다. 현재 이러한 주가지수선물거래에 있어서 Moving Average 를 예측하고자 하는 여러 트레이딩 시스템을 선보이고 있다. 이 논문에서는 과거의 데이터를 토대로 한 Moving Average Line 분석에 있어서 일반적으로 기존방법보다 효과적이라고 알려진 유전자 알고리즘을 이용하여 Moving Average 의 최적 Period 예측 시스템을 구현한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.508-510
• /
• 2003

주식 가격의 결정은 시장 내 수요와 공급에 의해서 결정되며, 가격 변동은 일정한 패턴으로 움직인다고 가정한다. 이러한 패턴을 찾아내어 주식가격의 변동을 예측하는 분석 방법을 기술적 분석이라 한다. 기술적 분석에서는 수요.공급의 변화에 의해 추세가 변동되고, 모든 형태의 주가모형은 반복하려는 경향을 보인다고 가정한다. 이러한 가정하에 본 논문에서는 한국주가지수 200의 과거지수와 거래량을 분석하고, 일정한 패턴을 이용하여 미래의 지수를 예측하는 방법을 연구하였다.

• The Korean Journal of Financial Studies
• /
• v.3 no.1
• /
• pp.301-327
• /
• 1996

본 연구에서는 한국 주식시장에 있어서 거래량이 주가에 선행하는가를 일별자료를 이용하여 전통적인 선형Granger인과관계의 검증법과 Baek and Brock(1992a)의 비선형Granger인과관계의 검증법에 따라 전체기간과 주식시장 장세별로 실증분석을 실시하였다. 본 연구에서 발견된 실증분석 결과는 다음과 같이 요약될 수 있다. 첫째, 선형인과관계 검증의 결과, 전체기간에서 거래량변화율과 주식수익률간의 상호인과관계가 존재하였다. 주식시장 장세별로는 침체기에만 주식수익률이 거래량변화율에 선행하는 것으로 나타났다. 둘째, 비선형인과관계 검증의 결과, 전체기간에서는 선형인과관계의 검증결과와 동일하였다. 장세별 분석에서는 상승기와 회복기에는 거래량변화율과 주식수익률간에 인과관계가 없지만, 침체기에는 주식수익률이 거래량변화율에 선행하는 것으로 나타났다. 본 연구에서 발견된 실증분석 결과는 우리나라 주식시장에서 거래량이 주가의 예측변수로서 활용될 수 없다는 점을 시사하고 있는 것으로 생각된다.