초록
▼

2016년, 구글에서 개발한 바둑 인공지능 알파고가 이세돌 9단과의 대국에서 승리하며, 핸디캡 없는 맞바둑으로 프로 바둑기사를 이긴 최초의 컴퓨터 프로그램으로써 인공지능 역사에 한 획을 그었다.
이제 인공지능은 하드웨어의 발달, 빅데이터의 등장, 알고리즘의 개선으로 기존에는 학습이 어려웠던 컴퓨터 비전, 자연어 처리, 로보틱스 등 다양한 분야의 문제를 해결하고 있으며, 금융권에서는 투자, 트레이딩, 신용 평가 방법에 사용되고 있다.
본 논문에서는 인공신경망 알고리즘인 신경망 알고리즘 Multi Layer Percep...

2016년, 구글에서 개발한 바둑 인공지능 알파고가 이세돌 9단과의 대국에서 승리하며, 핸디캡 없는 맞바둑으로 프로 바둑기사를 이긴 최초의 컴퓨터 프로그램으로써 인공지능 역사에 한 획을 그었다.
이제 인공지능은 하드웨어의 발달, 빅데이터의 등장, 알고리즘의 개선으로 기존에는 학습이 어려웠던 컴퓨터 비전, 자연어 처리, 로보틱스 등 다양한 분야의 문제를 해결하고 있으며, 금융권에서는 투자, 트레이딩, 신용 평가 방법에 사용되고 있다.
본 논문에서는 인공신경망 알고리즘인 신경망 알고리즘 Multi Layer Perceptron, Convolution Neural Network, Recurrent Neural Network를 사용하여 금융데이터를 분석하여 주식 가격 예측 모델을 구축 방법에 대해 연구한다.
모델은 2006년 7월부터 2016년 7월까지의 KOSPI 시가총액 상위 20위 종목의 데이터를 이용한다. 종목 데이터와 KOSPI, S&P500, NASDAQ, NIKKEI지수의 시작가, 당일 최고가, 당일 최한가, 종가, 수정 종가, 거래량을 기술적 지표로 변환하여 신경망 학습에 사용하였다. 신경망은 종목마다 주가 등락 패턴이 다를 것이라고 가정하고, 각각 다른 신경망 모델을 만들어 학습하였다.

Abstract
▼

In 2016, AlphaGo, a Artificial Intelligence developed by Google, won the game against Professional Go player Lee-SeDol. It was the first computer program to win the professional Go Player without handicap.
Now, Artificial Intelligence has been used more widely in various fields due to great deve...

In 2016, AlphaGo, a Artificial Intelligence developed by Google, won the game against Professional Go player Lee-SeDol. It was the first computer program to win the professional Go Player without handicap.
Now, Artificial Intelligence has been used more widely in various fields due to great development of hardware, the emergence of big data and the improvement of algorithms such as computer vision, natural language, processing, robotics and etc, all fields that have been difficult to learn. That also includes investment banking, trading and credit evaluation methods.
In this paper, we study how to build a stock price prediction model by analyzing financial data using Multi Layer Perceptron, Convolution Neural Network. Recurrent Neural Network.
The model uses data from the top 20 stocks in the KOSPI market between July 2006 and July 2016.
Stock data, KOSPI, NIKKEI , S&P500, and NASDAQ were converted into technical indicators and used for neural network learning. Since the neural network assumes that the stock shift patterns will be different for each item, we have created different neural network models.

주제어

#머신러닝;

참고문헌 (0)

1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

1. 이 논문을 인용한 문헌 없음