$\require{mediawiki-texvc}$

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.

[국내논문] 인공지능을 이용하여 매출성장성과 거시지표 분석을 통한 주가 예측 연구
A study on stock price prediction through analysis of sales growth performance and macro-indicators using artificial intelligence 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.1, 2021년, pp.28 - 33  

홍성혁 (백석대학교 ICT학부)

초록
AI-Helper 아이콘AI-Helper

주가는 그 기업의 미래 가치의 척도이기 때문에 주가를 분석할 때 기업의 성장성인 매출과 이익 등을 고려하여 주식을 투자한다. 기관투자자들은 종목 선정 기준을 잡기 위해서 현재 산업의 트렌드와 거시경제 지표를 보고 성장 가능한 관련 분야를 먼저 정하고 관련 기업을 선정한 후 기업에 대한 분석을 하고 목표가를 설정 후에 매수를 하고 목표가에 도달하면 매도하는 방식으로 주식 매매를 실시한다. 하지만, 일반 개인 투자자들은 경제에 대한 지식이 기관이나 외국인 투자자에 비교하여 부족하고, 기업에 대한 재무재표 분석이나 성장성에 대한 분석 없이 전문가나 지인의 추천종목을 따라 투자를 하여 기관투자자나 외국인 투자자들 보다 수익률 면에서 낮은 편이다. 따라서, 본 연구에서는 기업의 성장성인 매출과 이익 등을 고려한 지표인 ROE를 분석하여 저평가된 종목을 선택하고, 선택된 종목의 주가 흐름을 딥러닝 알고리즘을 통하여 예측하는 연구방법을 제안하여 투기가 아닌 건전한 투자에 도움이 되기 위해 본 연구를 진행한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Since the stock price is a measure of the future value of the company, when analyzing the stock price, the company's growth potential, such as sales and profits, is considered and invested in stocks. In order to set the criteria for selecting stocks, institutional investors look at current industry ...

주제어

#주가분석   #빅데이터   #거시지표 인공지능   #예측 시스템  

표/그림 (3)

참고문헌 (16)

  1. P. D. Easton. (2004). PE ratios, PEG ratios, and estimating the implied expected rate of return on equity capital. The accounting review, 79(1), 73-95. 

    상세보기

  2. M. Kim & P. Koo. (2013). A Study on Big Data Based Investment Strategy Using Internet Search Trends. Journal of the Korean Operations Research and Management Science Society, 38(4), 53-63. DOI : 10.7737/jkorms.2013.38.4.053 

    원문보기 상세보기 crossref

  3. Y. S. Kim, N. G. Kim & S. R. Jeong. (2012). News and stock prices: Intelligent investment decision-making model through sentiment analysis of big data. Intelligence Information Research, 18(2), 143-156. DOI : 10.13088/JIIS.2012.18.2.143 

    원문보기 상세보기 crossref

  4. T. N. Sahu, K. Bandopadhyay & D. Mondal. (2014). An empirical study on the dynamic relationship between oil prices and Indian stock market. Managerial Finance. 

  5. H. Bessembinder & H. M. Kaufman. (1997). A comparison of trade execution costs for NYSE and NASDAQ-listed stocks. Journal of Financial and Quantitative Analysis, 287-310. 

  6. J. Kwak & J. Hong. (2018). Analysis of the YOLO phenomenon using big data: focusing on travel consumption. Tourism Research Journal, 32(2), 21-34. 

  7. J. S. Jeong, D. S. Kim & J. W. Kim. (2015). A study on individual stock price prediction using online news sentiment analysis. Journal of the Korean Intelligent Information Systems Society, 45-58. 

  8. J. C. Jeon. (1995). Analysis of development and use cases of expert systems for stock investment. Journal of the Korean Intelligent Information Systems Society, 163-175. 

  9. S. H. Jang & J. Y. Yun. (2018). A.I Design Strategy for Investment Judgment Support Aid. 62-65 

  10. J. H. Ki. (2016). A Study on Urban Statistical Expression Using Big Data Analysis-Focusing on the expression of local community health indicators in Korea using Chernov's face. Space and Society, 55, 336-358. 

  11. H. C. Choi. (2017). Big data environment and humanities platform. Culture and Convergence, 39(5), 177-202. 

    상세보기

  12. S. H. Lee, H. G. Kang, S.-H. Kim & C. M. Lee. (2013). Sentiment analysis in big data. Financial Engineering Research, 12(2), 79-96. 

  13. S. H. Song, S. H. Hwang, Y. H. Lee, H. K. Lee, K. S. Han & J. B. Kim. (2016). Social big data analysis model for trading. Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, 6(3), 91-100. 

  14. J. M. Perkel. (2018). Why Jupyter is data scientists' computational notebook of choice. Nature, 563(7732), 145-147. 

  15. M. Abadi ea al. (2016). Tensorflow: A system for large-scale machine learning. In 12th {USENIX} symposium on operating systems design and implementation ({OSDI} 16) (pp. 265-283). 

  16. S. Hong. (2020). Research on Stock price prediction system based on BLSTM. Journal of the Korea Convergence Society, 11(10), 19-24. 

    원문보기 상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

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