[논문]주가지수 관계와 유전자 알고리즘을 이용한 주식예측

김상호; 김동현; 한창희; 김원일

doi:10.5391/jkiis.2008.18.6.781

[국내논문] 주가지수 관계와 유전자 알고리즘을 이용한 주식예측
Stock Forecasting using Stock Index Relation and Genetic Algorithm 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.18 no.6, 2008년, pp.781 - 786

김상호 (세종대학교 컴퓨터공학과) , 김동현 (세종대학교 디지털콘텐츠학과) , 한창희 (육군사관학교 전자정보학과) , 김원일 (세종대학교 디지털콘텐츠학과)

초록
AI-Helper

이 논문에서 우리는 선형결합으로 표현된 여러 가지 주가지수의 관계를 찾아내어 주식의 등락을 예측하는 방법을 제안한다. 제안된 방법에서 중요한 점은 전체 주가지수 중에서 예측하는 지수와 관계가 있는 주가지수들을 선택하는 것과 그 주가지수의 적절한 관계를 찾아내는 것이다. 전체 주가지수와의 관계를 설정하는 것은 불가능하기 때문에 밀접한 관계가 있는 주가지수만을 이용하였고 주가지수의 관계를 찾는 방법으로 유전자 알고리즘(GA : Genetic Algorithm)을 사용하였다. 제안된 방법을 이용하여 2005년부터 2007년도까지의 실제 주가지수를 가지고 모의투자 시뮬레이션을 한 결과 모의 투자금액이 230% 증가하는 것을 확인하였다.

Abstract ▼ AI-Helper

In this paper, we propose a novel approach predicting the fluctuation of stock index by finding a relation in various stock indexes that are represented by linear combinations. The important points are to select stock indexes related to predicting indexes and to find the proper relations in them. Since it is unattainable to use entire stock indexes relation, we used only data that are closely associated with each other. We used Genetic Algorithm(GA) to find the most suitable stock-index relation. We simulated the investment in years from 2005 to 2007 with each real index. Finally we verified that the investment money increased 230 percents by the proposed method.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본문에서의 궁극적인 목적은 주가지수의 선형관계를 GA 를 이용하여 찾아내어 주가 등락을 효과적으로 예측하는 데에 있다. 먼저 우리는 예측모델들을 살펴본 뒤에 어떠한 방향으로 접근을 하여야 효과적인지에 대해서 알아보았다.
이렇게 구한 예측 금융업 지수와 실제 금융업 주가지수를 사용해 예측확률을 구하여 电, 月, , q의 최적 해를 구하는 것이 연구의 목적 이 다. 식 ⑶는 적 합성 함수 jEtness(、i) 로서 실제 금융업 주가지수 九와 예측 주가지수 P。)의 차이를 더한 함수로 정의한다.

가설 설정

비대칭 비선형 모델인 마르코프 체인 방법과 GA의 결합을 통해 시계 열 변동률을 예측하는 방법을 사용하였다. 마르코프 체인은 어떤 상황에서의 가능성은 이전의 상황에 의해서만 영향을 받는다고 가정하는 것이다. 즉, 이벤트 간 변동률에 대한 예측을 이전 상태의 파라미터들과 GA의 결합을 통해 확률 값으로 예측하는 것을 말한다.

제안 방법

흐름, 환율, 금리, 매시간 변화하는 환경, 각 연관된 종목끼리의 관계 등 다양한 변수를 이용한다. 우리는 이중에서 연관된 종목끼리의 관계를 GA를 사용해서 효과적으로 주식의 등락을 예측하는 방법을 제안한다. 이 논문에서는 금융업의 주가지수를 은행, 보험, 증권과 같은 관계가 있는 주식들을 사용하여 주가지수를 예측하였다.
비대칭 비선형 모델인 마르코프 체인 방법과 GA의 결합을 통해 시계 열 변동률을 예측하는 방법을 사용하였다. 마르코프 체인은 어떤 상황에서의 가능성은 이전의 상황에 의해서만 영향을 받는다고 가정하는 것이다.
제안되고 있다. 우리는 선택의 범위가 넓은 다양한 파라미터들을 사용해야 하는 비선형 모델보다는 좀 더 정확한 주식 관계를 찾아내는 선형모델을 이용한 주가지수예측 방법을 제안한다.
있다. 먼저 우리는 예측모델들을 살펴본 뒤에 어떠한 방향으로 접근을 하여야 효과적인지에 대해서 알아보았다.
있다[10]. 우리는 이들 중에서 해석하기 용이하고 파라미터의 선택이 쉬운 선형구조를 이용한 회귀 모델의 방식으로 접근을 하였다.
우리가 제안하는 방법이 여러 주식들 간의 관계를 구하는 것이기 때문에 위의 회귀 분석을 이용하여 최적 선형 결합을 찾아내는 방법을 사용하였다.
GA에서 가장 중요한 점 중의 하나는 유전자의 데이터 표현을 문제의 특성을 최대한 반영하여 목적함수에 더 적합한 해를 산출하도록 설정하는 것이다. 따라서, 좀 더 자세하게 하기 위하여 유전자의 卄성을 은행, 보험, 증권 각각 16바이트씩 2진수 방식으로 설정하였다. 생성된 유전자를 10진수로 변형한 뒤 0.
따라서, 좀 더 자세하게 하기 위하여 유전자의 卄성을 은행, 보험, 증권 각각 16바이트씩 2진수 방식으로 설정하였다. 생성된 유전자를 10진수로 변형한 뒤 0.00001 의 값을 곱하여 소수점 5자리의 변환값을 가짐으로써 좀 더 정확한 예측을 하도록 구성한 것이다.
우리는 먼저 연관된 항목끼리의 관계를 해결하는 방법으로 선형 결합을 선택하였다. 식 (1)인 선형 결합은 벡터 공간에서 몇 개의 벡터에 대해, 스칼라 배의 합으로 구하여 얻어지는 원소를 말한다.
2004년의 주가지수를 사용하여 Generation을 100번 수행한 뒤 예측 금융업지수와 실제 금융업지수의 차이가 가장 작은 최적해로 예측확률을 구하여 보았다. 여기서 임의의 선택(Random Select)이란, 임의로 주가지수가 “상승”, “하향” 한다고 가정하였을 때의 예측확률이다.
우리는 이 논문에서 주가지수들의 관계를 GA를 사용하여 구한 뒤 주식을 예측하여 2005년부터 2007년까지 주식 모의투자를 해보았다. 2005년에는 주가지수가 상당히 증가하여 투자금액의 증가율이 이에 따라가지는 못하였지만 투자금액이 증가한을 보였고 2006년에는 주가지수가 거의 증가하지 못했음에도 불叶하고 투자이익을 보였다.
우리는 이중에서 연관된 종목끼리의 관계를 GA를 사용해서 효과적으로 주식의 등락을 예측하는 방법을 제안한다. 이 논문에서는 금융업의 주가지수를 은행, 보험, 증권과 같은 관계가 있는 주식들을 사용하여 주가지수를 예측하였다. 예측한 결과를 사용하여 모의 투자한 결과' 투자금액이 230% 증가하는 것을 확인하였고, 이 제안된 방법은 다른 관계된 종목들에게도 적용될 수 있다.

성능/효과

이 논문에서는 금융업의 주가지수를 은행, 보험, 증권과 같은 관계가 있는 주식들을 사용하여 주가지수를 예측하였다. 예측한 결과를 사용하여 모의 투자한 결과' 투자금액이 230% 증가하는 것을 확인하였고, 이 제안된 방법은 다른 관계된 종목들에게도 적용될 수 있다.
그러나 정규화의 도입으로 二림 5와 같이 예측확률의 상승을 높이고, GA의 특성중의 하나인 최적해 수렴에 근접하게 되었다.
제안된 방법과는 달리 임의 선택의 결과는 예측확률이 현저히 떨어지고 불규칙하게 나타났다.
이 시기의 전체 주가지수 또한 1400point에서 1440point로 2% 밖에 증가하지 못하였다. 실제 주가지수가 오르지 못한 만큼 투자금액 또한 그다지 증가하지 못한걸 알 수 있었지만, 임의의 선택투자 결과인 투자금액이 감소한 현상보다는 좋은 결과를 나타내었다.
40% 증가하였다. 임의로 투자하였을 때는 투자감액이 증가하긴 하였으나 제안된 방법을 이용해서 예측한 투자 시뮬레이션보다는 낮은 증가율을 보였다.
2007년의 주가지수의 흐름이 비교적 정상적이었고 이에 따른 투자 금액의 증가율이 매우 고무적이었다. 결과적으로 2005년부터 2007년까지의 금융업 주가지수가 260% 증가할 동안 모의투자금액이 230% 증가한 결과를 확인하였다. 이는 일반적 투자인 임의로 결정한 투자로 인해서 얻은 121%의 증가율보다는 훨씬 높은 수치로서 우리의 연구가 효과적이라上 것을 보여준다.

후속연구

이는 일반적 투자인 임의로 결정한 투자로 인해서 얻은 121%의 증가율보다는 훨씬 높은 수치로서 우리의 연구가 효과적이라上 것을 보여준다. 앞으로 점차 종목을 확대해서 각 종복들 간의 관계를 구하는 방향과 종목이 아닌 회사의 주가지수를 가지고 예측하는 방향으로 연구할 것이다. 또한 각 항목별 주식변동 상황을 분류자로 정하여 이에 따른 규칙을 학습시키는 분류자 시스템을 사용하여 예측하는 방향도 연구 할 것이다.
앞으로 점차 종목을 확대해서 각 종복들 간의 관계를 구하는 방향과 종목이 아닌 회사의 주가지수를 가지고 예측하는 방향으로 연구할 것이다. 또한 각 항목별 주식변동 상황을 분류자로 정하여 이에 따른 규칙을 학습시키는 분류자 시스템을 사용하여 예측하는 방향도 연구 할 것이다.

참고문헌 (12)

김양우, 이긍희, '새로운 연간거시계량경제모형-BOKAM97,' 경제분석, 제 4권 제 1호, 한국은행, 1998. 3
김양우, 장동구, 이긍희, '우리 나라 거시계량경제모형-BOK97,' 경제분석, 제 3권 제 2호, 한국은행, 1997. 5
F. Craig. 'The Treynor Capital Asset Pricing Model,' Journal of Investment Management, Vol. 1, No. 2, pp. 60-72, 2003
R. Stephen, 'The Arbitrage Theory of Capital Asset Pricing,' Journal of Economic Theory, pp. 341-360, 1976
L. Li, C. Longbing, J. Wang, Z. Chengqi, 'The Applications of Genetic Algorithms in Stock Market Data Mining Optimization,' The 5th International Conference on Data Mining, Text Mining and their Business Applications, pp. 273-280, 2004
F. Fama, 'Efficient Capital Market : A Review of Theory and Empirical Work,' Journal of Finance, Vol.25, pp. 383-417, 1970. 5

상세보기
A. Almanza, E. Tsang, 'Forecasting stock prices Genetic Programming and Chance Discovery,' In 12th International Conference On Computing In Economics And Finance, pp. 489, 2006. 1
K. Lertwachara. 'Selecting Stocks Using a Genetic Algorithm : A Case if Real Estate Investment Trusts,' International Journal of The Computer, the Internet and Management, Vol. 15, pp. 20-31, 2007. 5
M. Irwin, W. Tony, S. Thiagas, L. Lisa, 'Volatility Forecast by Discrete Stochastic Optimization and Genetic Algorithms,', IEEE International Conference on systems, pp. 5824-5829, 2004
D. Hand, H. Mannila, P. Smyth, Principles of Data Mining, A Bradford Book The Mit Press Cambridge, pp. 367-398. 2001
A. Berk, Regression Analysis : A Constructive Critique, Sage Publications, 2004
G. David, Genetic Algorithms in Search Optimization & Machine Learning, Addison-Wesley Publishing Company. pp. 1-23, 1989

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증