데이터 증강을 통한 딥러닝 기반 주가 패턴 예측 정확도 향상 방안
Increasing Accuracy of Stock Price Pattern Prediction through Data Augmentation for Deep Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.
Abstract
As Artificial Intelligence (AI) technology develops, it is applied to various fields such as image, voice, and text. AI has shown fine results in certain areas. Researchers have tried to predict the stock market by utilizing artificial intelligence as well. Predicting the stock market is known as one of the difficult problems since the stock market is affected by various factors such as economy and politics. In the field of AI, there are attempts to predict the ups and downs of stock price by studying stock price patterns using various machine learning techniques. This study suggest a way of predicting stock price patterns based on the Convolutional Neural Network(CNN) among machine learning techniques. CNN uses neural networks to classify images by extracting features from images through convolutional layers. Therefore, this study tries to classify candlestick images made by stock data in order to predict patterns.
참고문헌 (21)
- Amilon, H., "GARCH estimation and discrete stock prices : an application to low-priced Australian stocks", Economics Letters, 81(2), pp.215~222 (2003)
- Ding, X., "Using Structured Events to Predict Stock Price Movement:An Empirical Investigation", Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp.1415~1425 (2014)
- Guo, S. J., "Deep Candlestick Predictor: A Framework toward Forecasting the Price Movement from Candlestick Charts", 2018 9th International Symposium on Parallel Architectures, Algorithms and Programming (PAAP), pp.219~226 (2018)
- Hoseinzade, E., "CNNpred : CNN-based stock market prediction using a diverse set of variables", Expert Systems with Applications, 129, pp.273~285 (2019)
- Hussain, Z., "Differential Data Augmentation Techniques for Medical Imaging Classification Tasks", Proceedings of 2018 AMIA Annual Symposium, pp.979~984 (2018)
- Jeantheau, T., "A link between complete models with stochastic volatility and ARCH models", Finance and Stochastics, 8(1), pp.111~131 (2004)
- 고대건, "Convolutional Neural Networks for Character-level Classification", IEIE Transactions on Smart Processing & Computing, 6(1), pp.53~59 (2017), 대한전자공학회[DOI]
- LeCun, Y., "Gradient-based learning applied to document recognition", Proceedings of the IEEE, 86, pp.2278~2324 (1998)
- Oh, C., "Investigating Predictive Power of Stock Micro Blog Sentiment in Forecasting Future Stock Price Directional Movement", Proceedings of ICIS 2011 (2011)
- Schumaker, R. P., "Textual Analysis of Stock Market Prediction Using Breaking Financial News : The AZFinText System", ACM Transactions on Information Systems, 27(2) (2009)
- 고광은, "딥러닝을 이용한 객체 인식및 검출 기술 동향", 제어로봇시스템학회지, 23(3), pp.17~24 (2017)
- 김유신, "뉴스와 주가 : 빅데이터 감성분석을 통한 지능형 투자의사결정모형", 지능정보연구, 18(2), pp.143~156 (2012), 한국지능정보시스템학회[DOI]
- 박강희, "시계열 네트워크에 기반한 주가예측", 경영과학, 28(1), pp.53~60 (2011), 한국경영과학회
- 송현정, "딥러닝을 활용한 실시간 주식거래에서의 매매 빈도 패턴과예측 시점에 관한 연구: KOSDAQ 시장을 중심으로", 정보시스템연구, 27(3), pp.123~140 (2018), 한국정보시스템학회[DOI]
- 신동하, "RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델", 한국정보기술학회논문지, 15(10), pp.9~16 (2017), 한국정보기술학회[DOI]
- 이강희, "캔들스틱 차트 분석을이용한 주식 매매 타이밍 예측을 위한 전문가시스템", 지능정보연구, 3(2), pp.57~70 (1997)
- 이모세, "효과적인 입력변수 패턴 학습을 위한 시계열 그래프 기반합성곱 신경망 모형: 주식시장 예측에의 응용", 지능정보연구, 24(1), pp.167~181 (2018), 한국지능정보시스템학회[DOI]
- 이민식, "중립도 기반 선택적 단어 제거를 통한유용 리뷰 분류 정확도 향상 방안", 지능정보연구, 22(3), pp.129~142 (2016), 한국지능정보시스템학회[DOI]
- 이윤선, "시간흐름을 반영하는 캔들스틱과 거래량차트", 金融工學硏究, 5(1), pp.113~127 (2006), 한국금융공학회
- 이형용, "한국 주가지수 등락 예측을 위한 유전자 알고리즘 기반 인공지능 예측기법 결합모형", Entrue Journal of Information Technology, 7(2), pp.33~43 (2008), 엘지씨엔에스
- 정지선, "온라인 언급이 기업 성과에 미치는 영향 분석 : 뉴스 감성분석을 통한 기업별 주가 예측", 지능정보연구, 21(4), pp.37~51 (2015), 한국지능정보시스템학회