기계학습과 데이터 시각화 기법을 이용한 주가 패턴 분석
Pattern Analysis of Stock Prices Using Machine Learning and Data Visualization
0
조회
0
다운로드
8
인용
0
참고문헌
키워드
초록
본 연구는 KOSPI 시장에 상장된 주식을 대상으로 일별 시가, 종가, 저가, 고가를 포함한 총 26개의 기술적 지표를 바탕으로 주가 패턴을 클러스터화하고, 데이터 시각화를 통하여 각 패턴의 유형을 분석하는 것을 목적으로 한다. 따라서 향후 26개의 주가 특성치가 주어졌을 때 현재 주가 패턴이어떤 클러스터에 속하고 해당 클러스터의 속성이 무엇인지 파악함으로써 주식 매매 의사결정에 도움을 주고자 한다. 클러스터링의 방법론은 자기조직화지도(Self Organizing Map)를 이용하고 총 실험기간은 481일의 영업일을 대상으로 한다. 10개의 클러스터 중, 각 클러스터에 평균 약 48일 정도로분류가 되었으며 각 그룹에 대한 대표적인 결과를 방사형 차트로 시각화한 결과, 동일한 그룹에 속한방사형 차트는 매우 유사한 형태를 나타냄을 확인할 수 있다. 더불어 각 그룹의 패턴들이 갖는 의미를 분석하기 위해서 각 패턴의 발생이후 향후 주가의 움직임을 분석한 결과, 특정 패턴 이후에 주가가 상승, 하락 그리고 급락하는 모습을 발견할 수 있다. 본 연구에서 제안하는 방사형 차트를 활용한데이터 시각화와 클러스터별 패턴이 갖는 의미 등은 향후 인공신경망과 같은 기계 학습 기법을 이용하여 정량적인 주식 매매 전략을 취하는데 참고가 되는 연구라 사료된다.
Abstract
This study aims to cluster the stock price patterns based on 26 technical indicatorsincluding daily open price, closing price, low price and high price for the stocks listed in the KOSPI,and to analyze the patterns within each cluster through data visualization. Therefore, when 26technical indicators are given, our method can make a trading decision by judging the cluster thatthe current price pattern belongs to. We uses Self Organizing Map with 10 clusters and the totalexperiment period is 481. In order to visualize the representative pattern for each cluster, we adopta radar charts. Radar charts that belong to the same group exhibit a very similar form. In addition,to analyze the meaning of the patterns of each cluster, we analyze the movements of stock pricesbetween patterns. As a result, we can find that the stock price rises, falls or crashes after a specific pattern. The data visualization using radar chart and the analysis of each cluster pattern proposedin this study are considered to be a reference for a quantitative stock trading strategy by usingmachine learning techniques such as artificial neural network.
참고문헌 (16)
- Back B, "Managing complexity in large data bases using self-organizing maps", Management and Information Technologies, 8(4), pp.191~210 (1998)
- Cootner, P. H., "The random character of stock market prices" (1964), MIT Press
- Fu, T. C., "Stock time series pattern matching：Template-based vs. rule-based approaches", Engineering Applications of Artificial Intelligence, 20(3), pp.347~364 (2007)
- Jung, Y.K., "An Study on Predictability of Stock Prices using Artifical Nueral Networks", The Korean Journal of Financial Management, 15(2), pp.369~399 (1998)
- Kiviluto, K., "S-map : A network with a simple self-organization algorithm for generative topographic mappings" (1998), MIT Press
- 이재원, "고변동 주가 패턴의 감독 학습에 기반한 주식 거래 시스템", 정보과학회 컴퓨팅의 실제 논문지, 19(1), pp.23~29 (2013), 한국정보과학회
- Lee, K.H., "Expert system for predicting stock market timing using a candlestick chart", Expert Systems with Applications, 16(4), pp.357~364 (1999)
- 이우기, "유전 알고리즘을 이용한 웹 클러스터링 시뮬레이션", 정보기술아키텍처 연구, 7(1), pp.111~121 (2010), 한국엔터프라이즈아키텍처학회
- Lippens, R. E., "Multimaturity efficient market hypotheses：Sorting out rejections ininternational interest and exchange rate markets", International Journal of Forecasting, 3(1), pp.149~158 (1987)
- Liu, J.N.K., "Automatic extraction and identification of chart patterns towards financial forecast", Applied Soft Computing, 7(4), pp.1197~1208 (2007)
- Lo, A. W., "Foundations of technical analysis：computational algorithms, statistical inference, and empirical implementation", Journal of Finance, 55, pp.1705~1770 (2000)
- 민재형, "유전 알고리듬 기반 집단분류기법의 개발과 성과평가: 채권등급 평가를 중심으로", 한국경영과학회지, 32(1), pp.61~75 (2007), 한국경영과학회
- 박재연, "로보어드바이저를 이용한 포트폴리오 관리", 정보기술아키텍처 연구, 13(3), pp.467~476 (2016), 한국엔터프라이즈아키텍처학회
- 박강희, "시계열 네트워크에 기반한 주가예측", 경영과학, 28(1), pp.53~60 (2011), 한국경영과학회
- Park, S. J, "Stock Price Data Mining Using Neural Network", Journal of Knowledge Information Technology and Systems, 2, pp.25~32 (2007)
- Saeed A., "Stock market comovement assessment using a three-phase clustering method", Expert Systems with Applications, 41, pp.1301~1314 (2014)