[논문]BLSTM을 이용한 주가 예측 시스템 연구

홍성혁

doi:10.15207/jkcs.2020.11.10.019

BLSTM을 이용한 주가 예측 시스템 연구
Research on Stock price prediction system based on BLSTM 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.10, 2020년, pp.19 - 24

초록
AI-Helper

4차산업혁명의 핵심인 인공지능 기술은 인간의 능력을 뛰어넘어 주식예측에도 적용하고 있으면 예측이 불가능한 것을 딥러닝 기법과 머신러닝을 통하여 지능화된 판단을 내리고 있는 실정이다. 미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다. 본 연구에서는 BLSTM을 이용하여 기존의 LSTM방식의 단방향 예측에서 발생하는 오류를 줄이고, 양방향으로 예측하여 예측에 대한 오류를 줄이고, 주식 가격에 영향을 미치는 거시 지표, 즉 경제성장률, 경제지표, 이자율, 무역수지, 환율, 통화량을 분석한다. 거시 지표 분석 후에 개별 주식에 대한 PBR, BPS, ROE 예측과 가장 주식 가격에 영향을 미치는 외국인, 기관, 연기금 등 매수와 매도 물량을 분석하여 주식의 목표주가를 정확히 예측하여 주식 투자에 도움을 주기 위해 본 연구를 수행했다.

Abstract ▼ AI-Helper

Artificial intelligence technology, which is the core of the 4th industrial revolution, is making intelligent judgments through deep learning techniques and machine learning that it is impossible to predict if it is applied to stock prediction beyond human capabilities. In US fund management companies, artificial intelligence is replacing the role of stock market analyst, and research in this field is actively underway. In this study, we use BLSTM to reduce errors that occur in unidirectional prediction of the existing LSTM method, reduce errors in predictions by predicting in both directions, and macroscopic indicators that affect stock prices, namely, economic growth rate, economic indicators, interest rate, analyze the trade balance, exchange rate, and volume of currency. To help stock investment by accurately predicting the target price of stocks by analyzing the PBR, BPS, and ROE of individual stocks after analyzing macro-indicators, and by analyzing the purchase and sale quantities of foreigners, institutions, pension funds, etc., which have the most influence on stock prices.

주제어

표/그림 (6)

그림 Fig. 1. Basic Structure of RNN
그림 Fig. 2. Simple Structure of BLSTM
그림 Fig. 3. incremental ratio graph
그림 Fig. 4. BLSTM Python Code
그림 Fig. 5. Predicted Stock Price for Qualcomm
표 Table 1. Financial Data Summary for Qualcomm (M: Millions)

AI 본문요약
AI-Helper

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

문제 정의

A study using search trends analyzed the frequency of search of specific words related to stocks on domestic search sites to analyze the rate of return for each search term trend is not this research area[2-4]. This research focused on analysis for technical variables which can affect a stock price.

가설 설정

The repetitive structure of this RNN may seem mysterious, but if you think about it a little more, you can see that the RNN is not so different from the existing neural network. Think of an RNN as a network that continuously copies one network and delivers information in order. It will be easier to understand if you solve the repetition altogether.

제안 방법

In future studies, it is necessary to expand and analyze all listed companies and NASDAQ-registered company. Second, the research method used in this study is to verify the stock price relevance using financial data within the company. Therefore, it has a limitation that external environmental factors are not reflected.
However, it is also to the movement of foreign economic variables such as the US interest rate and the yen/dollar exchange rate, so how stock prices react to changes in major macroeconomic variables at domestic and abroad. Therefore, in this study, after selecting major macroeconomic variables that are likely to have high explanatory power for stock price fluctuations, five models were set as a behavioral approach based on the macroeconomic model, and predictions using BLSTM were performed [17].

성능/효과

Research using big data uses Internet news and search trends. For the thesis that establishes a stock index prediction model for each Internet news medium using real-time Internet news, and the sentiment score is calculated by constructing a sentiment dictionary using the words of the news, and the opinion score is standardized based on the sentiment score to 55.21% [1]. A study using search trends analyzed the frequency of search of specific words related to stocks on domestic search sites to analyze the rate of return for each search term trend is not this research area[2-4].

후속연구

Therefore, it has a limitation that external environmental factors are not reflected. In the future, research in this field should continue research on not only the stock price of newly listed companies but also the stock price of unlisted corporations by discovering financial and economic variables that consider more diverse corporate characteristics. Therefore, prediction for stock price by using BLSTM is auxiliary tool.

질의응답

핵심어	질문	논문에서 추출한 답변
	4차산업혁명의 핵심은?	4차산업혁명의 핵심인 인공지능 기술은 인간의 능력을 뛰어넘어 주식예측에도 적용하고 있으면 예측이 불가능한 것을 딥러닝 기법과 머신러닝을 통하여 지능화된 판단을 내리고 있는 실정이다. 미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다.
	인공지능 기술이 주식에 적용된 사례는?	4차산업혁명의 핵심인 인공지능 기술은 인간의 능력을 뛰어넘어 주식예측에도 적용하고 있으면 예측이 불가능한 것을 딥러닝 기법과 머신러닝을 통하여 지능화된 판단을 내리고 있는 실정이다. 미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다. 본 연구에서는 BLSTM을 이용하여 기존의 LSTM방식의 단방향 예측에서 발생하는 오류를 줄이고, 양방향으로 예측하여 예측에 대한 오류를 줄이고, 주식 가격에 영향을 미치는 거시 지표, 즉 경제성장률, 경제지표, 이자율, 무역수지, 환율, 통화량을 분석한다.
	기존의 LSTM방식에 BLSTM을 이용해서 얻고자 하는 효과는?	미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다. 본 연구에서는 BLSTM을 이용하여 기존의 LSTM방식의 단방향 예측에서 발생하는 오류를 줄이고, 양방향으로 예측하여 예측에 대한 오류를 줄이고, 주식 가격에 영향을 미치는 거시 지표, 즉 경제성장률, 경제지표, 이자율, 무역수지, 환율, 통화량을 분석한다. 거시 지표 분석 후에 개별 주식에 대한 PBR, BPS, ROE 예측과 가장 주식 가격에 영향을 미치는 외국인, 기관, 연기금 등 매수와 매도 물량을 분석하여 주식의 목표주가를 정확히 예측하여 주식 투자에 도움을 주기 위해 본 연구를 수행했다.

참고문헌 (21)
타임라인 바로가기

Patil, P. (n.d.). Stock Market Prediction Using Ensemble Of Graph Theory, Machine Learning And Deep Learning Models. DOI:10.31979/etd.38nc-j52r
Asadifar, S. & Kahani, M. (2017). Semantic association rule mining: A new approach for stock market prediction. 2017 2nd Conference on Swarm Intelligence and Evolutionary Computation (CSIEC). DOI:10.1109/csiec.2017.7940158
Jeon, S., Hong, B., Kim, J. & Lee, H. (2016). Stock Price Prediction based on Stock Big Data and Pattern Graph Analysis. Proceedings of the International Conference on Internet of Things and Big Data. DOI:10.5220/0005876102230231
BLSTM Recurrent Neural Network for Object Recognition. (2016). Journal of Artificial Intelligence Practice. DOI:10.23977/jaip.2016.11005
Althelaya, K. A., El-Alfy, E. M. & Mohammed, S. (2018). Evaluation of bidirectional LSTM for short-and long-term stock market prediction. 2018 9th International Conference on Information and Communication Systems (ICICS). DOI:10.1109/iacs.2018.8355458
Zayats, V., Ostendorf, M. & Hajishirzi, H. (2016). Disfluency Detection Using a Bidirectional LSTM. Interspeech 2016. DOI:10.21437/interspeech.2016-1247.
The Effect on KOSPI 200 Futures after Launching KOSPI 200 Option. Proceedings of the 2015 International Conference on Industrial Technology and Management Science. DOI:10.2991/itms-15.2015.347
Schuster, M. & Paliwal, K. (1997). Bidirectional recurrent neural networks. IEEE Transactions on Signal Processing, 45(11), 2673-2681. DOI:10.1109/78.650093

상세보기 타임라인에서 보기
Cheung, Y. & Ng, L. K. (1998). International evidence on the stock market and aggregate economic activity. Journal of Empirical Finance, 5(3), 281-296. DOI:10.1016/s0927-5398(97)00025-x

상세보기 타임라인에서 보기
Chung, H. & Lee, B. (1998). Fundamental and nonfundamental components in stock prices of Pacific-Rim countries. Pacific-Basin Finance Journal, 6(3-4), 321-346. DOI:10.1016/s0927-538x(98)00016-x
Wong, K. A. (1989). The firm size effect on stock returns in a developing stock market. Economics Letters, 30(1), 61-65. DOI:10.1016/0165-1765(89)90157-2

상세보기 타임라인에서 보기
Cutler, D., Poterba, J. & Summers, L. (1988). What Moves Stock Prices? DOI:10.3386/w2538
Kamal, J. B. (2018). Inflation, Inflation Uncertainty and Asset Returns: Cross Country Evidences. SSRN Electronic Journal. DOI:10.2139/ssrn.3303027
Oskooe, S. A. (2012). Oil price shocks and stock market in oil-exporting countries: Evidence from Iran stock market. OPEC Energy Review, 36(4), 396-412. DOI:10.1111/j.1753-0237.2012.00217.x

상세보기 타임라인에서 보기
Lee, B. (1992). Causal Relations Among Stock Returns, Interest Rates, Real Activity, and Inflation. The Journal of Finance, 47(4), 1591-1603. DOI:10.1111/j.1540-6261.1992.tb04673.x

상세보기 타임라인에서 보기
Park, J. & Kim, S. (2016). Study of Stock Information Applications' User Experience -Focused on Finance Expert Users of Kakao Stock and JeungGwon Tong-. Journal of Digital Convergence, 14(10), 393-398. DOI:10.14400/jdc.2016.14.10.393
Choi, J. (2015). Convergence analysis about volatility of the stock markets before and after the currency crisis - With a focus on Normal distribution, kurtosis, skewness. Journal of Digital Convergence, 13(8), 153-160. DOI:10.14400/jdc.2015.13.8.153
Mukherjee, T. K. & Naka, A. (1995). Dynamic Relations Between Macroeconomic Variables And The Japanese Stock Market: An Application Of A Vector Error Correction Model. Journal of Financial Research, 18(2), 223-237. DOI:10.1111/j.1475-6803.1995.tb00563.x

상세보기 타임라인에서 보기
Robinson, A. (1994). An application of recurrent nets to phone probability estimation. IEEE Transactions on Neural Networks, 5(2), 298-305. DOI:10.1109/72.279192

상세보기 타임라인에서 보기
M. Schuster & K. K. Paliwal. (1997). Bidirectional Molecule Generation with Recurrent Neural Networks. (n.d.). DOI:10.1021/acs.jcim.9b00943.s001
S. H. Hong. (2018). Private information protection method and countermeasures in Big-data environment : Survey. Journal of the Korea Convergence Society, 9(10), 55-59. DOI:10.15207/JKCS.2018.9.10.055

원문보기 상세보기 타임라인에서 보기

저자의 다른 논문 :

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