다양한 머신러닝(Machine Learning)알고리즘 중의 하나인 딥러닝(Deep Learning)은 많은 주목을 받아왔다. 특히 이미지와 영상을 효과적으로 인식하고 분류하는 합성곱 신경망(Convolutional Neural Network, CNN)은 다양한 분야의 문제에 널리 적용되고 있다. 본 연구에서는 합성곱 신경망을 이용해 주식시장에서의 주가 등락 예측을 시도하고자 한다.
구체적으로 본 연구에서는 합성곱 신경망의 입력 값을 그래프의 이미지로 하여 주가지수의 등락을 예측하는 모델을 만들고자 한다. 그래프를 보고 주가지수가 오를지 내릴지를 예측하는 기술적 분석가를 모방하는 ...
다양한 머신러닝(Machine Learning)알고리즘 중의 하나인 딥러닝(Deep Learning)은 많은 주목을 받아왔다. 특히 이미지와 영상을 효과적으로 인식하고 분류하는 합성곱 신경망(Convolutional Neural Network, CNN)은 다양한 분야의 문제에 널리 적용되고 있다. 본 연구에서는 합성곱 신경망을 이용해 주식시장에서의 주가 등락 예측을 시도하고자 한다.
구체적으로 본 연구에서는 합성곱 신경망의 입력 값을 그래프의 이미지로 하여 주가지수의 등락을 예측하는 모델을 만들고자 한다. 그래프를 보고 주가지수가 오를지 내릴지를 예측하는 기술적 분석가를 모방하는 머신러닝 알고리즘을 개발하는 과제라고 할 수 있다.
본 연구는 다음과 같은 네 단계로 진행된다. 1단계에서는 주식시장에서 발생하는 데이터들을 5일 단위로 나눈다. 2단계에서는 이전 단계에서 만들어진 데이터를 이용하여 그래프를 그린다. 3단계에서는 이전 단계에서 만들어진 그래프 이미 데이터 세트를 사용하여 학습 및 검증을 위해 데이터 세트를 나누고 학습 데이터 세트를 가지고 합성곱 신경망을 학습시킨다. 4단계에서는 검증 데이터 세트를 사용하여 다른 머신러닝 알고리즘들과 성능을 비교한다.
제안한 모델에 사용한 데이터는 약 8년간의 KOSPI200 데이터세트로써 2009년 1월부터 2017년 2월까지의 2,026건의 데이터를 가지고 실험하였다. 실험 데이터 세트는 Momentum, Stochastic %K와 같은 한국 주식 시장에서 사용되는 대표적인 기술 지표 12개로 구성하였다. 결과적으로 제안한 합성곱 신경망 모델은 단일계층신경망, 로지스틱회귀모형, SVM과 비교하였을 때 통계적으로 유의한 수준의 개선된 예측 정확도를 나타냈다.
다양한 머신러닝(Machine Learning) 알고리즘 중의 하나인 딥러닝(Deep Learning)은 많은 주목을 받아왔다. 특히 이미지와 영상을 효과적으로 인식하고 분류하는 합성곱 신경망(Convolutional Neural Network, CNN)은 다양한 분야의 문제에 널리 적용되고 있다. 본 연구에서는 합성곱 신경망을 이용해 주식시장에서의 주가 등락 예측을 시도하고자 한다.
구체적으로 본 연구에서는 합성곱 신경망의 입력 값을 그래프의 이미지로 하여 주가지수의 등락을 예측하는 모델을 만들고자 한다. 그래프를 보고 주가지수가 오를지 내릴지를 예측하는 기술적 분석가를 모방하는 머신러닝 알고리즘을 개발하는 과제라고 할 수 있다.
본 연구는 다음과 같은 네 단계로 진행된다. 1단계에서는 주식시장에서 발생하는 데이터들을 5일 단위로 나눈다. 2단계에서는 이전 단계에서 만들어진 데이터를 이용하여 그래프를 그린다. 3단계에서는 이전 단계에서 만들어진 그래프 이미 데이터 세트를 사용하여 학습 및 검증을 위해 데이터 세트를 나누고 학습 데이터 세트를 가지고 합성곱 신경망을 학습시킨다. 4단계에서는 검증 데이터 세트를 사용하여 다른 머신러닝 알고리즘들과 성능을 비교한다.
제안한 모델에 사용한 데이터는 약 8년간의 KOSPI200 데이터세트로써 2009년 1월부터 2017년 2월까지의 2,026건의 데이터를 가지고 실험하였다. 실험 데이터 세트는 Momentum, Stochastic %K와 같은 한국 주식 시장에서 사용되는 대표적인 기술 지표 12개로 구성하였다. 결과적으로 제안한 합성곱 신경망 모델은 단일계층신경망, 로지스틱회귀모형, SVM과 비교하였을 때 통계적으로 유의한 수준의 개선된 예측 정확도를 나타냈다.
Over the past decade, deep learning has been in spotlight among various machine learning algorithms. In particular, CNN(Convolutional Neural Network), which is known as effective solution for recognizing and classifying images, has been popularly applied to classification and prediction problems in ...
Over the past decade, deep learning has been in spotlight among various machine learning algorithms. In particular, CNN(Convolutional Neural Network), which is known as effective solution for recognizing and classifying images, has been popularly applied to classification and prediction problems in various fields. In this study, we try to apply CNN to stock market prediction, one of the most challenging tasks in the machine learning research.
In specific, we propose to apply CNN as the binary classifier that predicts stock market direction (up or down) by using a graph as its input. That is, our proposal is to build a machine learning algorithm that mimics a person who looks at the graph and predicts whether the trend will go up or down. Our proposed model consists of four steps. In the first step, it divides the dataset into 5 days. And then, it creates graphs for the divided dataset in step 2. In the next step, it splits the dataset of graph image into train dataset and validation dataset. And then, CNN classifiers are trained using the graphs of train dataset. In step 4, it compares the performance with other classification models by using the validation dataset.
To validate our model, we will apply it to the prediction of KOSPI200 for 2,026 days in eight years (from 2009 to 2016). The experimental dataset will include 12 technical indicators such as CCI, Momentum, ROC and daily closing price of KOSPI200 of Korean stock market. As a result, the proposed CNN model showed statistically significant prediction accuracy compared to the logistic regression, ANN and SVM.
Over the past decade, deep learning has been in spotlight among various machine learning algorithms. In particular, CNN(Convolutional Neural Network), which is known as effective solution for recognizing and classifying images, has been popularly applied to classification and prediction problems in various fields. In this study, we try to apply CNN to stock market prediction, one of the most challenging tasks in the machine learning research.
In specific, we propose to apply CNN as the binary classifier that predicts stock market direction (up or down) by using a graph as its input. That is, our proposal is to build a machine learning algorithm that mimics a person who looks at the graph and predicts whether the trend will go up or down. Our proposed model consists of four steps. In the first step, it divides the dataset into 5 days. And then, it creates graphs for the divided dataset in step 2. In the next step, it splits the dataset of graph image into train dataset and validation dataset. And then, CNN classifiers are trained using the graphs of train dataset. In step 4, it compares the performance with other classification models by using the validation dataset.
To validate our model, we will apply it to the prediction of KOSPI200 for 2,026 days in eight years (from 2009 to 2016). The experimental dataset will include 12 technical indicators such as CCI, Momentum, ROC and daily closing price of KOSPI200 of Korean stock market. As a result, the proposed CNN model showed statistically significant prediction accuracy compared to the logistic regression, ANN and SVM.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.