클러스터링 기법을 이용한 암호화 화폐의 시각화 패턴 분석
Visualization Pattern Analysis of Cryptocurrency Using Clustering Technique
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 가상화폐 중에서 일별 거래량이 가장 많은 비트코인을 대상으로 총 26개의 기술적자료를 바탕으로 클러스터링을 진행하였다. 클러스터링의 방법론은 자기조직화지도를 이용하였고, 총실험 기간은 비트코인 가격이 급등과 급락이 동반했던 690일을 대상으로 하였다. 또한 클러스터링을위해서 클러스터 개수를 설정해야 하는데 본 연구에서는 선행적 연구에 의거해 총 10개로 정의한다. 그 결과 상승 및 하락 구간에서 특정 패턴들이 형성되는 것을 알 수 있었으며, 각 패턴들을 방사형 차트로 나타낸 결과 동일한 패턴을 갖고 있는 방상형 차트는 서로 매우 유사한 이미지를 보이고 있음을확인했다. 더불어 각 그룹의 패턴들이 갖는 의미를 분석하기 위해서 각 패턴이 가상화폐 가격 움직임에 어떠한 연관이 있는지 분석한 결과, 특정 패턴 이후에 비트코인 가격이 상승 및 하락 모멘텀 그리고 급등 및 급락하는 모습을 발견할 수 있었다. 본 연구에서 제안하는 방사형 차트와 각 패턴이 갖는의미는 향후 인공신경망과 같은 기계 학습 기법을 이용하여 정량적인 금융 상품 매매 전략을 취하는데 참고가 되는 연구라 사료된다.
Abstract
This study aims to cluster the price patterns of the most daily traded cryptocurrency, the Bitcoin. The clustering is conducted based on 26 technical indicators including from commonly used indicators such as Envelopes and MACD (Moving Average Convergence/Divergence) to those that are closely related to the value of cryptocurrencies such as the Bitcoin mining difficulty, the hash rate and the gold price. The self-organizing map (SOM) algorithm is used as the methodology for clustering and the total study period is 690 days where there are many ups and downs of the Bitcoin prices. A total of 10 clusters are selected for analysis of and it is found that certain patterns are formed in ascending and descending trends of the Bitcoin prices. A radar chart is used to visualize the representative pattern for each cluster, and it is found that the radar charts that exhibit similar patterns are analogous to each other. In addition, the movements of the Bitcoin prices between the patterns are analyzed in order to assess the meaning of the patterns of each cluster. The result reveals that the prices of Bitcoin rise, fall and crash after a specific pattern. The data visualization using radar chart and the analysis of each cluster pattern proposed in this study can be considered as a reference for a quantitative cryptocurrency trading strategy by using machine learning techniques such as artificial neural network.
참고문헌 (15)
- 김홍기, "최근 디지털 가상화폐 거래의 법적 쟁점과 운용방안 － 비트코인 거래를 위주로 －", 증권법연구, 15(3), pp.377~431 (2014), 한국증권법학회[DOI]
- 박연아, "이더리움 블록체인기술을 적용한 전자투표시스템 사례연구", 정보화연구, 15(2), pp.201~218 (2018), 한국엔터프라이즈아키텍처학회[DOI]
- 이창규, "암호화폐의 소득세 과세 연구", 조세논총, 3(1), pp.97~121 (2018), 한국조세법학회
- 유재필, "기계학습과 데이터 시각화 기법을 이용한 주가 패턴 분석", 정보화연구, 14(2), pp.189~197 (2017), 한국엔터프라이즈아키텍처학회
- 유재필, "블록체인 기술 및 응용사례", 정보화연구, 15(3), pp.357~364 (2018), 한국엔터프라이즈아키텍처학회[DOI]
- 유주선, "가상통화에 대한 입법적 방안과 법적 쟁점 연구", 금융법연구, 15(1), pp.213~243 (2018), 한국금융법학회[DOI]
- 지인엽, "가상화폐와 인플레이션 헤지: 비트코인 사례", 정보통신정책연구, 23(3), pp.31~50 (2016), 정보통신정책학회
- 전주용, "비트코인의 이해: 금융경제학적 관점에서", Korea Business Review, 18(4), pp.211~239 (2014), 한국경영학회
- Back B, "Managing complexity in large data bases using self-organizing maps", Management and Information Technologies, 8(4), pp.191~210 (1998)
- Dempster, N., "Gold : Inflation Hedge and Long-Term Strategic Asset", The Journal of Wealth Management, 13(2), pp.69~75 (2010)
- Bitcoin, gold and the dollar : A GARCH volatility analysis, "Dyhrberg, A. H.", Centre for Economic, ~, pp.UCD Centre for Economic Research, No.15 (2015)
- Garcia, D., "Social signals and algorithmic trading of Bitcoin", Royal Society open science, 2(9), pp.1~14 (2015)
- Kiviluto, K, "S-map : A network with a simple self-organization algorithm for generative topographic mappings" (1998), MIT Press
- Status and Implications of Bitcoin, "Lee, D. G.", Bank of Korea, ~ (2013)
- Zhu, Y., "Analysis on the influence factors of Bitcoin", Financial Innovation, 3(1), pp.1~13 (2017)