심층 신경회로망 모델을 이용한 일별 주가 예측
Daily Stock Price Forecasting Using Deep Neural Network Model
2
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다.
Abstract
The application of deep neural networks to finance has received a great deal of attention from researchers because no assumption about a suitable mathematical model has to be made prior to forecasting and they are capable of extracting useful information from large sets of data, which is required to describe nonlinear input-output relations of financial time series. The paper presents a new deep neural network model where single layered autoencoder and 4 layered neural network are serially coupled for stock price forecasting. The autoencoder extracts deep features, which are fed into multi-layer neural networks to predict the next day's stock closing prices. The proposed deep neural network is progressively learned layer by layer ahead of the final learning of the total network. The proposed model to predict daily close prices of KOrea composite Stock Price Index (KOSPI) is built, and its performance is demonstrated.
참고문헌 (19)
- 고승의, "주식투자 전략, 과거 재무정보, 투자자의 행태편향에 대한융합적 연구", 한국융합학회논문지, 7(6), pp.205~212 (2016), 한국융합학회[DOI]
- 김형호, "해운선사 주가와 해상 운임지수의 영향관계 분석", 디지털융복합연구, 14(6), pp.157~165 (2016), 한국디지털정책학회[DOI]
- 최수호, "물류관련 기업들의 주가 상승률과 변동성 분석", 디지털융복합연구, 15(2), pp.135~144 (2017), 한국디지털정책학회[DOI]
- Z. H. G. Wang, "Feature Fusion Based Forecasting Model for Financial Time Series", Plos One, 9(6), pp.172~200 (2014)
- C. J. Lu, "Financial Time Series Forecasting Using Independent Component Analysis and Support Vector Regression", Decision Support Systems, 42(2), pp.115~125 (2009)
- W. Huang, "Forecasting Stock Market Movement Direction with Support Vector Machine", Computers & Operations Research, 32(10), pp.2513~2522 (2005)
- G. E. Hinton, "Reducing The Dimensionality of Data with Neural Networks", Science, 313(5786), pp.504~507 (2006)
- Y. Bengio, "Representation Learning: A Review and New Perspectives", IEEE Trans. on Pattern Analysis & Machine Intelligence, 35(8), pp.1798~1828 (2013)
- R. C. Cavalcante, "Computational Intelligence and Financial Markets : A Survey and Future Directions", Expert Systems with Applications, 55, pp.194~211 (2016)
- F. Shen, "Forecasting Exchange Rate Using Deep Belief Networks and Conjugate Gradient Method", Neurocomputing, 167(C), pp.243~253 (2015)
- T. Kuremoto, "Time Series Forecasting Using A Deep Belief Network with Restricted Boltzmann Machines", Neurocomputing, 137(15), pp.47~56 (2014)
- Y. Bengio, "Greedy Layer-wise Training of Deep Networks", Advances in neural information processing systems, 19, pp.153~ (2007)
- L. D. Persio, "Recurrent Neural Networks Approach to The Financial Forecast of Google Assets", Int. J. of Mathetics and Computers in Simulation, 11, pp.7~13 (2017)
- X. Ding X, "Deep Learning for Event-driven Stock Prediction", Proc. of the 24th Int. Joint Conf. on Artificial Intelligence, pp.2327~2333 (2015)
- K. H. Lee, "Expert System for Predicting Stock Market Timing Using A Candlestick Chart", Expert System With Applications, 16, pp.357~364 (1999)
- L. C. H. Leon, "Pattern Discovery of Fuzzy Time Series for Financial Prediction, IEEE Trans", Knowledge and Data Engineering, 18(5), pp.613~625 (2006)
- M. F. Moller, "A Scaled Conjugate Gradient Algorithm for Fast Supervised Learning", Neural Networks, 6, pp.525~533 (1993)
- B. A. Olshausen, "Sparse Coding with An Overcomplete Basis Set: A Strategy Employed by V1", Vision Research, 37, pp.3311~3325 (1997)
- 황희수, "Time Series Stock Prices Prediction Based On Fuzzy Model", 한국지능시스템학회 논문지, 19(5), pp.689~694 (2009), 한국지능시스템학회