$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

LSTM과 증시 뉴스를 활용한 텍스트 마이닝 기법 기반 주가 예측시스템 연구
A study on stock price prediction system based on text mining method using LSTM and stock market news 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.7, 2020년, pp.223 - 228  

홍성혁 (백석대학교 ICT학부)

초록
AI-Helper 아이콘AI-Helper

주가는 사람들의 심리를 반영하고 있으며, 주식시장 전체에 영향을 미치는 요인으로는 경제성장률, 경제지료, 이자율, 무역수지, 환율, 통화량 등이 있다. 국내 주식시장은 전날 미국 및 주변 국가들의 주가지수에 영향을 많이 받고 있으며 대표적인 주가지수가 다우지수, 나스닥, S&P500이다. 최근 주가뉴스를 이용한 주가분석 연구가 활발히 진행되고 있으며, 인공지능 기반한 분석을 통하여 과거 시계열 데이터를 기반으로 미래를 예측하는 연구가 진행 중에 있다. 하지만, 주식시장은 예측시스템에 의해서 단기간 적중이 되더라도, 시장은 더 이상의 단기 전략대로 움직여지지 않고, 새롭게 변할 수밖에 없다. 따라서, 본 모델을 삼성전자 주식데이터와 뉴스 정보를 텍스트 마이닝으로 모니터링하여 분석한 결과를 나타내어 예측이 가능한 모델을 제시하였으며, 향후 종목별 예측을 통하여 실제 예측이 정확한지 확인하여 발전시켜 나갈 예정임.

Abstract ▼ AI-Helper 아이콘AI-Helper

The stock price reflects people's psychology, and factors affecting the entire stock market include economic growth rate, economic rate, interest rate, trade balance, exchange rate, and currency. The domestic stock market is heavily influenced by the stock index of the United States and neighboring ...

주제어

#주가분석   #빅데이터   #텍스트마이닝   #인공지능   #예측 시스템  

표/그림 (4)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • Although the existing stock price prediction system analyzes past data and uses inference through time series and artificial intelligence to learn how to change the stock price and predict the future, the core idea of this study is that the factors that affect the stock price is that it is virtually impossible to predict the future with data from a variety of past, so there is a difference in reflecting the result value using text mining so that you can quickly respond to new situations every moment.
  • Contributing to the development of national industry and strengthening of national competitiveness by investing in competitive industries. Using artificial intelligence LSTM to learn past data using deep learning techniques to generate predictive data, and using YTextMiner to judge real-time stock market news as good news and bad news, and adjusting the weight when generating predictive data. Construct a more systematic stock price forecasting system based on time series data.
본문요약 정보가 도움이 되었나요?

참고문헌 (15)

  1. J. P. Tang. (2015r). The Effect on KOSPI 200 Futures after Launching KOSPI 200 Option. In 2015 International Conference on Industrial Technology and Management Science. Atlantis Press. . doi:10.2991/itms-15.2015.347 

    crossref

  2. H. Xue, D. Q. Huynh & M. Reynolds. (2018). SS-LSTM: A hierarchical LSTM model for pedestrian trajectory prediction. In 2018 IEEE Winter Conference on Applications of Computer Vision (WACV) (pp. 1186-1194). IEEE. doi:10.1109/wacv.2018.00135 

    crossref

  3. Miner, G., Elder IV, J., Fast, A., Hill, T., Nisbet, R & Delen, D. (2012). Text Mining PubMed. Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications, Academic Press. 703-750. doi: 10.1016/b978-0-12-386979-1.00030-x 

    crossref

  4. S. Stoikov & R. Waeber. (2015). Reducing Transaction Costs with Low-Latency Trading Algorithms. SSRN Electronic Journal. doi:10.2139/ssrn.2661618 

  5. R. Sproat & N. Jaitly. (2017). An RNN Model of Text Normalization. Interspeech 2017. doi: 10.21437/interspeech.2017-35 

    crossref

  6. Q. Chen, B. Liang & J. Wang. (2019). A Comparative Study of LSTM and Phased LSTM for Gait Prediction. International Journal of Artificial Intelligence & Applications, 10(4), 57-66. doi: 10.5121/ijaia.2019.10405 

    상세보기 crossref

  7. R. Aviandy.. (2016). Analysis of Financial performance affecting Stock Price on Pharmaceutical Industry. Business and Entrepreneurial Review, 7(1), 69. doi:10.25105/ber.v7i1.1184 

    crossref

  8. S. H. Koh. (2018). A Comparative Study on the Excess Returns of Growth Stocks and Value Stocks in the Korean Stock Market. Journal of the Korea Convergence Society, 9(7), 213-222. 

  9. S. H. Koh. (2015). Convergent Momentum Strategy in the Korean Stock Market. Journal of the Korea Convergence Society, 6(4), 127-132. 

  10. S. H. Koh. (2016). A Converging Approach on Investment Strategies, Past Financial Information, and Investors' Behavioral Bias in the Korean Stock Market. Journal of the Korea Convergence Society, 7(6), 205-212. 

  11. Supplemental Information 2: GSS Calculations Jupyter Notebook. (n.d.). doi:10.7287/peerj.preprints.26665v2/supp-2 

    crossref

  12. R. Bandi & J. Amudhavel. (2018). Object Recognition Using Keras with Backend Tensor Flow. International Journal of Engineering & Technology, 7(3.6), 229. doi:10.14419/ijet.v7i3.6.14977 

    crossref

  13. M. L. Hetland (2010). Python Algorithms: Mastering Basic Algorithms in the Python Language. doi:10.1007/978-1-4302-3238-4 

    crossref

  14. K. Detlefsen. (2018). Monte Carlo Option Pricing in Tensorflow. SSRN Electronic Journal. doi:10.2139/ssrn.3214058 

  15. B. Zhao, X. Li, & X. Lu. (2018). HSA-RNN: Hierarchical Structure-Adaptive RNN for Video Summarization. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. doi:10.1109/cvpr.2018.00773 

    crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로