• 국제지역연구
• /
• 제13권2호
• /
• pp.255-276
• /
• 2009

본 연구는 미국, 일본 및 인도 증권시장에서의 수익률 및 변동성 간의 동태적인 상호작용에 관한 실증분석을 실시하였다. 이를 위하여 VAR모형에 기초를 둔 Granger 인과관계 분석 및 분산분해 분석을 실시하였으며 주요 실증분석 결과는 다음과 같다. 첫째, Granger인과관계 분석 결과 미국, 일본 및 인도 증권시장 사이에는 피드백적인 영향력을 미치고 있는 것으로 나타났으나, 미국 증시의 일본 및 인도 증시에 대한 영향력이 지배적인 것으로 나타났다. 둘째, 분산분해 분석 결과 인도 증시는 일본 보다 미국 증시로부터 상대적으로 더 많은 영향을 받는 것으로 나타났다. 각 증권시장이 해외증시로부터 받은 영향력의 크기는 일본 35%, 미국 16%, 인도 13%로 나타남에 따라 일본 증시의 해외변수에 대한 의존성이 매우 높은 것으로 나타났다. 이는 인도 증시가 인도 정부의 경제개방 및 자본 자유화 등으로 국제 증권시장과 점진적으로 통합화되어가고 있는 증거를 제시해 주고 있다. 또한 동 실증분석 결과는 국제 투자자들의 포트폴리오 관리 및 투자전략 수립, 위험관리전략 수립 등에 다소나마 도움을 줄 수 있을 것으로 보여 진다.

• Management Science and Financial Engineering
• /
• 제15권2호
• /
• pp.101-118
• /
• 2009

In quantitative contexts, data mining is widely applied to the prediction of stock prices from financial time-series. However, few studies have examined the potential of data mining for shedding light on the qualitative problem-solving knowledge of experts who make stock price predictions. This paper presents a GA-based data mining approach to characterizing the qualitative knowledge of such experts, based on their observed predictions. This study is the first of its kind in the GA literature. The results indicate that this approach generates rules with higher accuracy and greater coverage than inductive learning methods or neural networks. They also indicate considerable agreement between the GA method and expert problem-solving approaches. Therefore, the proposed method offers a suitable tool for eliciting and representing expert decision rules, and thus constitutes an effective means of predicting the stock price index.

• 지능정보연구
• /
• 제2권2호
• /
• pp.43-54
• /
• 1996

Financial markets are operating 24 hours a day throughout the world and interrelated in increasingly complex ways. Telecommunications and computer networks tie together markets in the from of electronic entities. Financial practitioners are inundated with an ever larger stream of data, produced by the rise of sophisticated database technologies, on the rising number of market instruments. As conventional analytic techniques reach their limit in recognizing data patterns, financial firms and institutions find neural network techniques to solve this complex task. Neural networks have found an important niche in financial a, pp.ications. We a, pp.y neural networks to Standard and Poor's (S&P) 500 stock index futures trading to predict the futures marker behavior. The results through experiments with a commercial neural, network software do su, pp.rt future use of neural networks in S&P 500 stock index futures trading.

• 산업융합연구
• /
• 제21권1호
• /
• pp.87-93
• /
• 2023

주식 투자에서 매수와 매도의 타이밍을 결정하는 것은 주식 투자의 수익률 올리기 위해 가장 중요한 요인 중에 하나이다. 주식은 싸게 사서 비싸게 팔면 이익이 되지만, 비싸게 사서 싸게 팔면 손해가 된다. 주식의 가격을 결정하는 매수와 매도의 물량에 의해 가격이 결정이 되고, 매수와 매도는 기업실적, 경제지표와도 관련이 있다. CNN에서 제공하는 공포와 탐욕지수는 7가지 요소를 사용하고, 각 요소에 가중치를 부여하여 탐욕과 두려움으로 정의한 가중치 평균을 0~100 사이의 척도로 계산하여 매일 발표하고 있다. 지수가 0에 가까우면 주식시장 심리가 두려운것이고, 100에 가까우면 탐욕스러운 것이다. 따라서 미국 S&P 500 지수를 CNN 공포와 탐욕지수에 따른 매수와 매도를 할 경우 최대 수익률이 발생하는 매매 기준을 분석하여 최적의 매수와 매도 타이밍을 제시하여 주식투자에 수익률을 높일 수 있는 방안을 제시하고자 한다.

• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.448-459
• /
• 2021

In this paper, we propose a method of predicting the next-day stock price fluctuations of 10 KOSDAQ-listed companies in 5G, autonomous driving, and electricity sectors by training SVM, XGBoost, and LightGBM models from macroeconomic·financial market indicators, technical indicators, social interest indicators, and daily positive indices extracted from online news. In the three experiments to find out the usefulness of social interest indicators and daily positive indices, the average accuracy improved when each indicator and index was added to the models. In addition, when feature selection was performed to analyze the superiority of the extracted features, the average importance ranking of the social interest indicator and daily positive index was 5.45 and 1.08, respectively, it showed higher importance than the macroeconomic financial market indicators and technical indicators. With the results of these experiments, we confirmed the effectiveness of the social interest indicators as alternative data and the daily positive index for predicting stock price fluctuation.

• 응용통계연구
• /
• 제34권3호
• /
• pp.461-475
• /
• 2021

은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 통계적 모형으로 확률론적 접근이 가능하고, 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있다. 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 국내 KOSPI200 주가지수와 더불어 NIKKEI225, HSI, S&P500, FTSE100과 같은 해외 주가지수 예측에 적용해 보고자 한다. 또한, 최근 인공지능 분야의 발전으로 인해 주식 가격 예측에 빈번하게 사용되는 서포트 벡터 회귀(support vector regression, SVR) 결과와 어떤 차이가 있는지 비교하여 살펴보고자 한다.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.23-43
• /
• 2021

최근 인공지능 기법을 활용하여 캔들스틱 차트를 분석함으로써 주식가격 예측의 정확성을 높이고자 하는 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 주식가격 예측을 위한 학습에 있어 캔들스틱 차트의 시계열적 특성을 고려하지 못한다는 점과 시장 참여자들의 감정 상태를 고려하지 못한다는 점 등이 문제로 지적되고 있다. 본 연구에서는 시장 참여자들의 감정상태를 반영하기 위해 변동성지수(VIX: volatility index) 차트를 캔들스틱 차트와 함께 고려하여 학습시키고 이를 변이형 오토인코더(VAE: variational auto encoder)와 어텐션 메커니즘(attention mechanisms)을 결합한 새로운 방법으로 분석하여 캔들스틱 차트의 시계열적 특성을 고려함으로써 기존 연구의 한계를 극복하고자 한다. 본 연구에서 제안한 방법의 성능 비교를 위해 S&P 500 기업 가운데 50개를 임의로 추출하여 제안한 방법을 통해 이들의 주식가격을 예측하고 이를 합성곱 신경망(CNN: convolutional neural network) 또는 장단기메모리(LSTM: long-short term memory) 등과 같은 기존 방법들과 비교하였다. 비교 결과 기존 방법들에 비해 본 연구에서 제안한 방법이 더 우수한 성능을 보이는 것으로 나타났다. 본 연구는 시장 참여자들의 감정 상태와 캔들스틱 차트의 시계열적 특성을 고려함으로써 주식 가격 예측의 정확성을 높였다는 점에서 그 의의가 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권3호
• /
• pp.123-128
• /
• 2019

본 논문에서는 RCNN (recurrent convolution neural network) 계층 모델을 채택한 인공 지능에 기반을 둔 주가 예측을 제안한다. LSTM (long-term memory model) 기반 신경망은 시계열 데이터의 예측에 사용된다. 다른 한편, 컨볼루션 신경망은 데이터 필터링, 평균화 및 데이터 확장을 제공한다. 제안된 주가 예측에서는 위에서 언급 한 장점들을 RCNN 모델에서 결합하여 적용함으로써 다음날의 주가 종가를 예측한다. 그리고 최근의 시계열의 데이터를 강조하기 위해 커스텀 가중치 손실 함수가 채택되었다. 또한 시장의 상황을 반영하기 위해 주가 인덱스에 관련된 데이터를 입력으로 포함하였다. 제안된 주가 예측 방식은 실제 주가를 대상으로 한 실험에서 3.19%로 테스트 오차를 줄였으며, 다른 방법보다 약 19%의 성능 향상을 거둘 수 있었다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제32권1호
• /
• pp.179-199
• /
• 2023

Purpose This study builds a prediction model to find stocks that can reach intrinsic value among KOSPI and KOSDAQ-listed companies to improve the stability and profitability of the stock investment. And investment simulations are conducted to verify whether stock investment performance is improved by comparing the prediction model, random stock selection, and the market indexes. Design/methodology/approach Value investment theory and machine learning techniques are applied to build the model. Various experiments find conditions such as the algorithm with the best predictive performance, learning period, and intrinsic value-reaching period. This study selects stocks through the prediction model learned with inventive variables, does not limit the holding period after buying to reach the intrinsic value of the stocks, and targets all KOSPI and KOSDAQ companies. The stock and financial data are collected for 21 years (2001-2021). Findings As a result of the experiment, using the random forest technique, the prediction model's performance was the best with one year of learning period and within one year of the intrinsic value reaching period. As a result of the investment simulation, the cumulative return of the prediction model was up to 1.68 times higher than the random stock selection and 17 times higher than the KOSPI index. The usefulness of the prediction model was confirmed in that the number of intrinsic values reaching the predicted stock was up to 70% higher than the random selection.

• The Journal of Asian Finance, Economics and Business
• /
• 제6권3호
• /
• pp.19-26
• /
• 2019

The paper aims to measure stock price volatility on Ho Chi Minh stock exchange (HSX). We apply symmetric models (GARCH, GARCH-M) and asymmetry (EGARCH and TGARCH) to measure stock price volatility on HSX. We used time series data including the daily closed price of VN-Index during 1/03/2001-1/03/2019 with 4375 observations. The results show that GARCH (1,1) and EGARCH (1,1) models are the most suitable models to measure both symmetry and asymmetry volatility level of VN-Index. The study also provides evidence for the existence of asymmetric effects (leverage) through the parameters of TGARCH model (1,1), showing that positive shocks have a significant effect on the conditional variance (volatility). This result implies that the volatility of stock returns has a big impact on future market movements under the impact of shocks, while asymmetric volatility increase market risk, thus increase the attractiveness of the stock market. The research results are useful reference information to help investors in forecasting the expected profit rate of the HSX, and also the risks along with market fluctuations in order to take appropriate adjust to the portfolios. From this study's results, we can see risk prediction models such as GARCH can be better used in risk forecasting especially.