주식투자는 가장 많이 알려진 재테크 방법이지만 실제 수익을 얻기는 매우 어려운 투자 방법이다. 효과적이고 안정적인 투자를 위해 주가의 변화를 예측하는 것은 경제, 수학 등 여러 분야에서 오랜 관심의 대상이었다. 하지만 과거부터 많은 노력에도 불구하고 여전히 어려운 문제로 남아있으며, 전산학에서도 이 문제를 해결하기 위해 ...
국문요약 인공지능을 이용한 주가 방향성 예측 및 투자 포트폴리오 최적화
국민대학교 대학원 컴퓨터공학과 황석진
주식투자는 가장 많이 알려진 재테크 방법이지만 실제 수익을 얻기는 매우 어려운 투자 방법이다. 효과적이고 안정적인 투자를 위해 주가의 변화를 예측하는 것은 경제, 수학 등 여러 분야에서 오랜 관심의 대상이었다. 하지만 과거부터 많은 노력에도 불구하고 여전히 어려운 문제로 남아있으며, 전산학에서도 이 문제를 해결하기 위해 의사결정나무(Decision Tree), SVM(Support Vector Machine) 등의 기계학습 방법을 활용하여 노력해왔다. 본 논문에서는 딥러닝(Deep Learning)을 이용하여 다음 날 주가의 방향성을 예측하고 딥러닝 학습결과를 바탕으로 유전 알고리즘을 활용하여 투자 종목을 선정하고 투자 비율을 최적한 투자 포트폴리오 구성 방법을 제안한다. 딥러닝의 모델은 주식과 같은 시계열 데이터에 적합하다고 알려진 순환 신경망(RNN: Recurrent Neural Network)대신 Inception-Resnet-v2 모델을 기반으로 새로운 합성곱 신경망(CNN: Convolutional Neural Network)를 사용한다. 종목별로 주가 정보를 보조지표로 가공한 데이터와 경제 기사의 제목을 학습 데이터로 사용한다. 학습 후에는 유전 알고리즘을 이용하여 정밀도(Precision) / 재현율(Recall) / 정확도(Accuracy)의 결과와 당일 예측 확률을 반영하여 투자 종목을 선정하고, 선정된 종목의 투자 비율을 최적화 하는 실험을 진행한다. 그리고 벤치마크로 사용된 주가 지표와 수익성을 비교하여 본 논문에서 제안한 방법의 유용성을 증명한다.
국문요약 인공지능을 이용한 주가 방향성 예측 및 투자 포트폴리오 최적화
국민대학교 대학원 컴퓨터공학과 황석진
주식투자는 가장 많이 알려진 재테크 방법이지만 실제 수익을 얻기는 매우 어려운 투자 방법이다. 효과적이고 안정적인 투자를 위해 주가의 변화를 예측하는 것은 경제, 수학 등 여러 분야에서 오랜 관심의 대상이었다. 하지만 과거부터 많은 노력에도 불구하고 여전히 어려운 문제로 남아있으며, 전산학에서도 이 문제를 해결하기 위해 의사결정나무(Decision Tree), SVM(Support Vector Machine) 등의 기계학습 방법을 활용하여 노력해왔다. 본 논문에서는 딥러닝(Deep Learning)을 이용하여 다음 날 주가의 방향성을 예측하고 딥러닝 학습결과를 바탕으로 유전 알고리즘을 활용하여 투자 종목을 선정하고 투자 비율을 최적한 투자 포트폴리오 구성 방법을 제안한다. 딥러닝의 모델은 주식과 같은 시계열 데이터에 적합하다고 알려진 순환 신경망(RNN: Recurrent Neural Network)대신 Inception-Resnet-v2 모델을 기반으로 새로운 합성곱 신경망(CNN: Convolutional Neural Network)를 사용한다. 종목별로 주가 정보를 보조지표로 가공한 데이터와 경제 기사의 제목을 학습 데이터로 사용한다. 학습 후에는 유전 알고리즘을 이용하여 정밀도(Precision) / 재현율(Recall) / 정확도(Accuracy)의 결과와 당일 예측 확률을 반영하여 투자 종목을 선정하고, 선정된 종목의 투자 비율을 최적화 하는 실험을 진행한다. 그리고 벤치마크로 사용된 주가 지표와 수익성을 비교하여 본 논문에서 제안한 방법의 유용성을 증명한다.
Stock Price Trends Forecasting And Investment Portfolio Optimization Using Artificial Intelligent
by Hwang, Sek Jin
Department of Computer Science Graduate School, Kookmin University, Seoul, Korea
Stock investment is the most well-known investmen...
Abstract
Stock Price Trends Forecasting And Investment Portfolio Optimization Using Artificial Intelligent
by Hwang, Sek Jin
Department of Computer Science Graduate School, Kookmin University, Seoul, Korea
Stock investment is the most well-known investment method, but it is a very difficult investment method to get profits. Forecasting stock price fluctuations for effective and stable investment has long been a subject of interest in many areas, including economics and mathematics. However, despite many efforts from the past, it still remains a difficult problem, and computer science has tried to solve this problem by using machine learning methods such as Decision Tree and SVM (Support Vector Machine). In this paper, we propose a method of constructing an optimal investment portfolio using the Deep Learning method, forecasting the direction of the stock price the next day, selecting investment items with the genetic algorithm using the deep learning learning results, and optimizing the investment ratio. The Deep Learning model uses a new Convolutional Neural Network (CNN) based on the Inception-Resnet-v2 model instead of the Recurrent Neural Network (RNN), which is known to be suitable for time series data such as stocks. The data of stock price information processed as index and the title of economic article are used as learning data for each item. After the learning, the genetic algorithm is used to select the investment items reflecting the results of Precision / Recall / Accuracy and the same day's forecast probability, and the experiment is conducted to optimize the investment ratio of the selected items. We prove the usefulness of the proposed method in this paper by comparing the stock price index that used as benchmarks with our method.
Abstract
Stock Price Trends Forecasting And Investment Portfolio Optimization Using Artificial Intelligent
by Hwang, Sek Jin
Department of Computer Science Graduate School, Kookmin University, Seoul, Korea
Stock investment is the most well-known investment method, but it is a very difficult investment method to get profits. Forecasting stock price fluctuations for effective and stable investment has long been a subject of interest in many areas, including economics and mathematics. However, despite many efforts from the past, it still remains a difficult problem, and computer science has tried to solve this problem by using machine learning methods such as Decision Tree and SVM (Support Vector Machine). In this paper, we propose a method of constructing an optimal investment portfolio using the Deep Learning method, forecasting the direction of the stock price the next day, selecting investment items with the genetic algorithm using the deep learning learning results, and optimizing the investment ratio. The Deep Learning model uses a new Convolutional Neural Network (CNN) based on the Inception-Resnet-v2 model instead of the Recurrent Neural Network (RNN), which is known to be suitable for time series data such as stocks. The data of stock price information processed as index and the title of economic article are used as learning data for each item. After the learning, the genetic algorithm is used to select the investment items reflecting the results of Precision / Recall / Accuracy and the same day's forecast probability, and the experiment is conducted to optimize the investment ratio of the selected items. We prove the usefulness of the proposed method in this paper by comparing the stock price index that used as benchmarks with our method.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.