LSTM을 활용한 골든크로스 사건 기반 주식 변동률 예측
Time-Invariant Stock Movement Prediction After Golden Cross Using LSTM
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
골든크로스를 흔히 매수의 신호로 인식하지만, 주식시장은 변동성이 매우 크기에 골든크로스만으로 주식의 등락 여부를 예상하고 의사결정을 내리기에는 무리가 있다. 마찬가지로, 이러한 주가데이터의 불확실성은 기존의 시계열 기반의 예측을 더욱 어렵게 한다. 본 논문에서는 골든크로스를 하나의 사건으로 인식하여, time-invariant 한 접근을 시도하고자 한다. LSTM 신경망 기법을 사용하여 골든크로스 이후의 주가 변화율을 예측하고, 기존의 시계열 분석에서 도출한 성능과 종목별로 비교한다. 또한, 0을 기준으로 한 주가 변화율의 등락을 혼동행렬로 분류하여 일반화 분류성능을 입증한다. 최종적으로 본 논문은 예측 정밀도가 83%인 모델을 제안하였다. 골든크로스가나타날 때 모든 상황에서 매수를 결정하기보다 모델을 활용하여 투자자의 투자 자본 손실을 방지할 수 있다.
Abstract
The Golden Cross is commonly seen as a buy signal in financial markets, but its reliability for predicting stock price movements is limited due to market volatility. This paper introduces a time-invariant approach that considers the Golden Cross as a singular event. Utilizing LSTM neural networks, we forecast significant stock price changes following a Golden Cross occurrence. By comparing our approach with traditional time series analysis and using a confusion matrix for classification, we demonstrate its effectiveness in predicting post-event stock price trends. To conclude, this study proposes a model with a precision of 83%. By utilizing the model, investors can alleviate potential losses, rather than making buy decisions under all circumstances following a Golden Cross event.
참고문헌 (15)
- 신동하, "RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델", 한국정보기술학회논문지, 15(10), pp.9~16 (2017), 한국정보기술학회[DOI]
- Francis E.H Tay, "Application of support vector machines in financial time series forecasting", Omega, 29(4), pp.309~317 (2001), Elsevier BV[DOI]
- Isaac Kofi Nti, "A systematic review of fundamental and technical analysis of stock market predictions", Artificial Intelligence Review, 53(4), pp.3007~3057 (2019), Springer Science and Business Media LLC[DOI]
- 장은아, "BERT를 활용한 뉴스 감성분석과 거시경제지표 조합을 이용한 주가지수 예측", 한국컴퓨터정보학회논문지, 25(5), pp.47~56 (2020), 한국컴퓨터정보학회[DOI]
- Ahn, "Stock Prediction Using News Text Mining and Time Series Analysis", Proceedings of the Korean Information Science Society Conference, 37(1C), pp.364~369 (2010)
- Harish, Noor, "Fuzzy Golden Cross and Fuzzy Death Cross as Stock Market Forecasting Indicator", ASM Science Journal, 12, pp.120~124 (2019)
- Wiiava, AY, "Stock Price Prediction with Golden Cross and Death Cross on Technical Analysis Indicators Using Long Short Term Memory", ICOIACT 2022 - 5th International Conference on Information and Communications Technology: A New Way to Make AI Useful for Everyone in the New Normal Era, Proceeding, pp.278~283 (2022)
- N. Baba, "Prediction of Golden Cross and Dead Cross by artificial neural networks could contribute a lot for constructing an intelligent decision support system for dealing stocks", 2008 International Conference on Control, Automation and Systems, pp.2547~2550 (2008)
- Enjian Bai, "A heuristic time-invariant model for fuzzy time series forecasting", Expert Systems with Applications, 38(3), pp.2701~2707 (2011), Elsevier BV[DOI]
- Tsai, YS, "The Impact of Golden Cross and Death Cross Frequency on Stock Returns in Pre- and Post-financial Crisis", Innovative Mobile and Internet Services in Ubiquitous Computing, IMIS 2017. Advances in Intelligent Systems and Computing, 612 (2018), Springer
- 정지현, "외환거래에서 의사결정나무와 그래디언트 부스팅을 이용한 수익 모형 연구", 한국데이터정보과학회지, 24(1), pp.161~170 (2013), 한국데이터정보과학회[DOI]
- Dan Gabriel Anghel, "The Performance Of Roc On The BSE", Theoretical and Applied Economics, Asociatia Generala a Economistilor din Romania - AGER, (Special I), pp.373~379 (2013)
- M.Ameziane Lasfer, "Short-term reaction of stock markets in stressful circumstances", Journal of Banking & Finance, 27(10), pp.1959~1977 (2003), Elsevier BV[DOI]
- 이재원, "거래량 급감 패턴의 감독 학습에 기반한 단기 주가 예측", 정보과학회 컴퓨팅의 실제 논문지, 24(10), pp.544~553 (2018), 한국정보과학회[DOI]
- D. M. Q. Nelson, "Stock market's price movement prediction with LSTM neural networks", 2017 International Joint Conference on Neural Networks (IJCNN), pp.1419~1426 (2017)