• 한국융합학회논문지
• /
• 제10권1호
• /
• pp.7-12
• /
• 2019

신경회로망은 적합한 수학적 모델에 대한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있어서 주가 예측에 널리 사용되어 왔다. 본 논문에서는 신경회로망 모델을 사용하여 일별 KOrea composite Stock Price Index (KOSPI) 종가를 예측한다. 예측된 종가를 기반으로 KOSPI에 연동해 변동하는 Exchange Traded Funds (ETFs)의 거래를 위한 알파 매매를 제안한다. 본 논문에 제안된 방법으로 KOSPI 예측 신경회로망 모델들을 구현하고 예측 정확도를 평가한다. 구현된 신경회로망 모델(NN1)의 학습 오차(MAPE)는 0.427, 평가 오차는 0.627이다. 평가용 데이터를 사용해 알파 매매를 시뮬레이션하면 수익률은 7.16 ~ 15.29 %를 보인다. 이는 125 거래일 데이터로 거둔 수익률로 제안된 알파 매매가 효과적임을 보인다.

• 경영과정보연구
• /
• 제28권3호
• /
• pp.25-44
• /
• 2009

본 연구는 무의결권 우선주와 보통주간의 주가괴리율의 실태와 아울러 주가괴리율에 영향을 미치는 요인에 대해 알아보고자 하였다. 이를 위하여 국내 증권거래소에 상장된 106개 기업 우선주를 대상으로 2006년 1월부터 2008년 12월말까지 우선주와 보통주간의 주가괴리율이 나타나는 결정요인에 대해 분석하였다. 본 연구의 분석결과를 종합하면 다음과 같다. 첫째, 유보율의 경우 대체로 유의수준 5%하에서 유의하나 예상과는 달리 주가괴리율과는 정반대의 관계를 갖는 것으로 나타났다. 둘째, 자본금 변수는 대체로 유의수준 1% 하에서 유의한 것으로 나타났다. 셋째, 우선주 발행비중은 모든 모형에 걸쳐 유의수준 5% 하에서 유의적인 것으로 나타났다. 넷째, 매매회전율은 평균 주가괴리율을 종속변수로 한 모든 모형에서 유의수준 5%하에서 유의한 것으로 나타났다. 최근의 주가괴리율은 기업규모와 우선주의 발행비중, 그리고 매매회전율에 의해 설명되는 측면이 많다고 볼 수 있다. 특히 우선주의 발행비중은 그 영향력이 가장 클 뿐 아니라 일관된 유의성을 보이고 있어 발행비중의 조절을 통해 주가괴리율이 어느 정도 해소될 수 있는 가능성을 시사하고 있다.

• 디지털융복합연구
• /
• 제18권7호
• /
• pp.223-228
• /
• 2020

주가는 사람들의 심리를 반영하고 있으며, 주식시장 전체에 영향을 미치는 요인으로는 경제성장률, 경제지료, 이자율, 무역수지, 환율, 통화량 등이 있다. 국내 주식시장은 전날 미국 및 주변 국가들의 주가지수에 영향을 많이 받고 있으며 대표적인 주가지수가 다우지수, 나스닥, S&P500이다. 최근 주가뉴스를 이용한 주가분석 연구가 활발히 진행되고 있으며, 인공지능 기반한 분석을 통하여 과거 시계열 데이터를 기반으로 미래를 예측하는 연구가 진행 중에 있다. 하지만, 주식시장은 예측시스템에 의해서 단기간 적중이 되더라도, 시장은 더 이상의 단기 전략대로 움직여지지 않고, 새롭게 변할 수밖에 없다. 따라서, 본 모델을 삼성전자 주식데이터와 뉴스 정보를 텍스트 마이닝으로 모니터링하여 분석한 결과를 나타내어 예측이 가능한 모델을 제시하였으며, 향후 종목별 예측을 통하여 실제 예측이 정확한지 확인하여 발전시켜 나갈 예정임.

• 재무관리연구
• /
• 제24권4호
• /
• pp.163-199
• /
• 2007

이 논문은 시장에 두 종류의 투자자가 존재하고 이들의 정보 분석 능력과 정보 획득 시점이 서로 다르다면 시장에서 가격이 어떻게 형성되고 변화하는 가를 연구하려고 한다. 시장에는 대규모 자금을 관리하면서 전문적으로 정보를 분석하고 투자하는 기관투자자와 소규모 자금을 투자하는 개인투자자가 있다. 기관투자자들이 개인투자자에 비하여 정보 분석 능력이 뛰어나고 정보 획득시점도 빠르다고 가정한다. 위 가정으로부터 이 논문은 시장에서 주식 가격이 단기에서는 가격지속현상을 보이고 장기에서는 가격역전현상을 보이는 것을 설명할 수 있다. 단기에서 가격지속 현상이 나타나는 것은 개인투자자에 비하여 정보를 먼저 획득한 기관투자자들이 주식을 거래하여 이미 가격이 변화하였는데 뒤늦게 정보를 획득한 개인투자자들이 계속하여 거래함으로써 가격이 단기적으로 같은 방향으로 움직이게 된다. 장기적인 가격역전 현상은 기업의 가치에 대하여 정확한 정보를 가지고 있지 못한 개인투자자들이 새로운 정보에 대하여 지나치게 민감하게 반응하여 주식가격이 기업의 내재가치 이상으로 변화하게 되고 시간이 지남에 따라 주식 가격이 기업의 내재가치로 회귀하기 때문에 나타난다. 단기적인 가격지속과 장기적인 가격역전 현상이 나타나는 주된 원인이 새로운 정보에 대한 개인투자자의 지연반응과 정보부족에 있기 때문에 이 논문은 개인투자자의 비율은 높은 주식일수록 이러한 현상이 더 크게 나타남을 보였다. 기관투자자들이 주식을 매입하면 다음 시점의 가격은 상승하고 이들이 주식을 매도하면 다음 시점의 가격은 하락한다. 반대로 개인투자자들이 주식을 매입하면 다음 시점의 가격은 하락하고 이들이 주식을 매도하면 다음 시점의 가격은 상승하게 된다.

• 경영과학
• /
• 제28권3호
• /
• pp.61-72
• /
• 2011

This study suggests a DEA(Data Envelopment Analysis) based model to evaluate the value of corporate stock. The model integrating PER(Price-Earning Ratio), PBR(Price-BookValue Ratio), PSR(Price-Sales Ratio) and volatility in DEA structure has an advantage of overcome the limitation of traditional financial ratio based models. In order to show the effectiveness of the suggested model. we compare the performance of portfolio composed by DEA approach with those of portfolios made by traditional approaches such as PER, PBR, and PSR in terms of stock return and volatility. Specifically, we use the data of all the enterprises listed on the S&P 500 in the U.S. in 2007 and 2009 as the sample data for the experiments. The results of the experiments show that the performance of the DEA approach is clearly better than those of other approaches. Particularly, in sharply plummeting market, the performance of the DEA approach is shown to be prominently better than those of other approaches as the DEA approach reflects investment risk as well as profitability and growth. The DEA score combining the existing investment indices may serve as a useful barometer for selecting a stable and profitable portfolio.

• KDI Journal of Economic Policy
• /
• 제35권2호
• /
• pp.107-131
• /
• 2013

본고는 글로벌 금융위기 이후 자산가격 버블의 이해에 대한 관심이 높아지고 있는 여건을 감안하여 우리나라 주가에 펀더멘털과 무관한 I(1)인 비정상 확률적 추세(stochastic trend)가 존재하는지의 여부를 주가 배당금의 2변수 VAR 모형에서 검정하고 이를 추정하여 보았다. 이 추세는 주가의 합리적 버블을 추정하기 어려운 점을 감안하여 도입한 것으로, 공적분 및 오차수정모형을 해석하는 경우 양자 간에 유사성이 있음을 설명한다. 한편, 분석 모형에서 주가와 배당은 모두 I(1)인 시계열이며 서로 Engle-Granger 공적분 관계인 것으로 가정한다. 이런 이론적 틀에서 배당금 충격(펀더멘털)의 추세와 통계적으로 상관관계가 없는 주가 내 추세의 추정이 잘 알려진 베버리지-넬슨 분해(Beveridge-Nelson decomposition)를 통해 가능함을 보인다. 또한 이의 검정은 표준적인 t-검정을 통해 쉽게 수행될 수 있음도 보인다. 이러한 추세가 주가에 존재할 경우 일단 발생한 충격은 영구히 지속되며 경제적 영향 역시 항구적일 수 있다. 실증분석에서 1976~2012년 중 연간 실질 KOSPI 지수와 배당 자료를 분석한 결과, 한국주가에 '펀더멘털과 무관한 추세가 존재하지 않는다'는 귀무가설을 기각할 수 없는 것으로 나타났으나, 올림픽 이후 기간의 경우에는 부분적으로 주가변동을 견인하는 것으로 추정된다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.165-171
• /
• 2020

텍스트 마이닝을 활용한 주가 방향 예측 연구에서는 대부분 뉴스, SNS 데이터를 사용하고 있다. 하지만 뉴스, SNS 데이터로부터 기업에 대한 솔직하고 생생한 정보는 얻기 어렵다는 약점이 존재한다. 본 논문에서는 실제 근무 경험이 있는 내부 직원의 기업 리뷰를 반영하여, 종업원 만족도를 활용한 주가의 방향성을 예측하는 문제를 다룬다. 머신러닝 모델별 성능평가를 통해 예측 정확도를 비교, 분석한 결과 종업원의 기업 리뷰 데이터를 추가로 이용한 주가 방향 예측 모델은 그렇지 않은 모델 대비 뛰어난 분류 성과를 보였다. 본 연구는 금융 공학에 자연어처리기술을 활용한 융합 연구로서 주가 예측 분야에서 종업원 만족도를 활용한 기존에 없던 새로운 방법론을 추구하였다. 실무적으로 주가 방향 예측 분야에 유용한 정보를 제공할 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권10호
• /
• pp.387-396
• /
• 2018

과거부터 주식시장의 주가 예측은 풀리지 않는 난제이다. 이를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만 정확한 가격을 예측하는 것은 불가능하다. 최근 분산 원장이라는 개념을 기술적으로 구현한 최초의 암호화폐인 비트코인을 시작으로 다양한 종류의 암호화폐가 개발되면서 암호화폐 시장이 형성되었고, 그 가격을 예측하기 위해 다양한 접근들이 시도되고 있다. 특히, 기존의 전통적인 주식시장에서의 주가 예측 기법들을 적용하려는 시도부터 딥러닝과 강화학습을 적용하려는 시도까지 다양하다. 하지만 암호화폐 시장은 기존 주식 시장에는 없던 여러 가지 새로운 특징을 가지는 시장으로서 전통적인 주식 시장 분석 기술뿐만 아니라 암호화폐 시장에 적합한 새로운 분석 기술에 관한 수요가 증가하고 있는 상황이다. 본 연구에서는 우선 빗썸의 API를 통하여 7개의 암호화폐 가격 데이터를 수집 및 가공하였다. 이후, Data-Driven 방식의 지도학습 기반 기계학습 모델인 그래디언트 부스팅 모델을 채택하여 암호화폐 가격 데이터 변화를 학습하고, 검증단계에서 가장 최적의 모델 파라미터를 산출하고, 최종적으로 테스트 데이터를 활용하여 암호화폐 가격동향 예측 성능을 평가한다.

• 정보처리학회논문지B
• /
• 제14B권7호
• /
• pp.531-540
• /
• 2007

본 논문에서는 주가예측의 정확도를 향상시키기 위하여 공적분 검정(Cointegration Tests)과 인공 신경망(Artificial Neural Networks)을 사용한 2단계 하이브리드 예측 모델을 제시한다. 기존의 연구에서는 예측을 시도하고자 하는 종목의 일자별 개별 레코드를 인공 신경망과 같은 방법으로 학습함으로써 주식 데이터가 가지는 시계열적 특성을 충분히 반영하지 못하였는데, 새로 제안한 모형에서는 주식자료의 과거시차들의 값들도 인공 신경망의 속성(feature)으로 사용하여 기존 연구의 한계를 보완하였다. 또한, 예측대상종목의 정보들 외에도 장기적으로 높은 시계열 유사성을 보유한 종목들을 선발한 후 속성으로 사용하여 모형의 예측성능을 향상 시켰다. 구체적으로 1단계는 Johansen의 공적분 검정을 통하여 예측대상종목과 장기적 관계(long-term relationship)에 있는 종목을 추출하고, 2단계는 이 선발된 종목들과 예측대상종목의 시계열 정보 특성을 속성으로 구축한 인공 신경망으로 학습하여 관심 종목을 예측한다. 제안된 모델의 성능을 확인하기 위하여 KOSPI 지수의 방향성을 예측하는 시스템을 구현하였으며, 시가총액 상위 종목군을 대상으로 지수와의 공적분 검정을 하였다. 성능을 살펴보기 위하여 본 연구에서는 시계열 정보가 속성으로 반영된 단순 인공 신경망 모델, 공적분 검정을 통과한 종목들의 시계열 속성이 포함된 모델, 그리고 그 모델과 속성의 개수를 동일하게 하기 위하여 임의로 종목을 선택하여 이들의 시계열 속성이 포함된 모델을 구축하였다. 실험 결과 공적분 검정을 통과한 종목군의 속성이 결합된 모델은 단순 인공 신경망만으로 학습된 기존 모델에 비하여 평균적으로는 11.29% (최대 29.98%) 정확도가 향상되었고, 임의로 선택된 종목군의 속성이 결합된 모델에 비해서는 평균적으로는 10.59% (최대 25.78%) 가 향상된 예측 정확도를 보여주었다.

• Journal of Information Technology Applications and Management
• /
• 제21권4호
• /
• pp.97-125
• /
• 2014

This study investigates the relationship between stock index and its associated nearby futures markets based on the cost-of-carry model. The purpose of this study is to explore the existence of mispriced futures contracts, and to test whether traders can earn trading profits in real financial market using the information about the mispriced futures contracts. This study suggests the concordance correlation coefficient to investigate the existence of mispriced futures contracts. The concordance correlation coefficient gives a desirable result for trading profits that results from a comparative analysis among profits from trading at the time to indicate trading opportunities determined by the degree of the difference between the observed market price and the theoretical price of a futures contract. In addition, this study also explains that the concordance correlation coefficient developed from the mean square error (MSE) has a statistically theoretical meaning. In conclusion, this study shows that the concordance correlation coefficient is appropriate for analyzing the relationship between the observed stock index futures market price and the theoretical stock index futures price derived from the cost-of-carry model.