[논문]은닉 마르코프 모델을 이용한 국가별 주가지수 예측

강하진; 황범석

doi:10.5351/kjas.2021.34.3.461

은닉 마르코프 모델을 이용한 국가별 주가지수 예측
A hidden Markov model for predicting global stock market index 원문보기

응용통계연구 = The Korean journal of applied statistics, v.34 no.3, 2021년, pp.461 - 475

강하진 (중앙대학교 응용통계학과) , 황범석 (중앙대학교 응용통계학과)

초록
AI-Helper

은닉 마르코프 모델(hidden Markov model, HMM)은 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어진 통계적 모형으로 확률론적 접근이 가능하고, 다양한 수학적인 구조를 가지고 있어 여러 분야에서 활발하게 사용되고 있다. 특히 금융 분야의 시계열 데이터에 응용되어 다양한 연구가 진행되고 있다. 본 연구는 HMM 이론을 국내 KOSPI200 주가지수와 더불어 NIKKEI225, HSI, S&P500, FTSE100과 같은 해외 주가지수 예측에 적용해 보고자 한다. 또한, 최근 인공지능 분야의 발전으로 인해 주식 가격 예측에 빈번하게 사용되는 서포트 벡터 회귀(support vector regression, SVR) 결과와 어떤 차이가 있는지 비교하여 살펴보고자 한다.

Abstract ▼ AI-Helper

Hidden Markov model (HMM) is a statistical model in which the system consists of two elements, hidden states and observable results. HMM has been actively used in various fields, especially for time series data in the financial sector, since it has a variety of mathematical structures. Based on the HMM theory, this research is intended to apply the domestic KOSPI200 stock index as well as the prediction of global stock indexes such as NIKKEI225, HSI, S&P500 and FTSE100. In addition, we would like to compare and examine the differences in results between the HMM and support vector regression (SVR), which is frequently used to predict the stock price, due to recent developments in the artificial intelligence sector.

주제어

표/그림 (10)

그림 Figure 1: Illustration of hidden Markov model.
표 Table 1: Basic elements of HMM
그림 Figure 2: Daily changes in KOSPI200 closing price.
그림 Figure 3: Daily changes in NIKKEI225, HSI, S&P500 and FTSE100 closing prices.
표 Table 2: Criterion values for the number of states in KOSPI200
그림 Figure 4: 6 states HMM parameters in KOSPI200.
그림 Figure 5: Prediction results for closing, open, high and low prices in KOSPI200.
표 Table 3: Prediction error for closing, open, high and low prices in KOSPI200
그림 Figure 6: Prediction results for closing prices in NIKKEI225, HSI, S&P500 and FTSE100.
표 Table 4: Prediction error for closing prices in NIKKEI225, HSI, S&P500 and FTSE100

참고문헌 (20)

Park HJ, Hong DH, and Kim MH (2007). Using hidden Markov model for stock flow forecasting. The Proceedings of the Korean Institute of Electrical Engineers Summer Conference, 1860-1861
Basak D, Pal S, and Patranabis DC (2007). Support vector regression. Neural Information Processing-Letters and Reviews, 11, 203-224.
Baum LE and Petrie T (1966). Statistical inference for probabilistic functions of finite state Markov chains. The Annals of Mathematical Statistics, 37, 1554-1563.

상세보기
Baum LE, Petrie T, Soules G, and Weiss N (1970). A maximization technique occurring in the statistical analysis of probabilistic functions of Markov chains, The Annals of Mathematical Statistics, 41, 164-171.

상세보기
Bozdogan H (1987). Model selection and Akaike's information criterion (AIC): The general theory and its analytical extensions, Psychometrika, 52, 345-370.

상세보기
Cao L and Tay FE (2001). Financial forecasting using support vector machines, Neural Computing & Applications, 10, 184-192.

상세보기
Cappe, O, Moulines E, and Ryden T(2006). Inference in Hidden Markov Models. Springer, New York.
Hannan EJ and Quinn BG (1979). The determination of the order of an autoregression, Journal of the Royal Statistical Society, Series B, 41, 190-195.
Hassan MR and Nath B (2005). Stock market forecasting using hidden Markov model: a new approach. In Proceedings of the 5th International Conference on Intelligent Systems Design and Applications, IEEE Computer Society, 192-196.
Idvall P and Jonsson C (2008). Algorithmic trading: Hidden Markov models on foreign exchange data, Master's Thesis, Department of Mathematics, Linkopings Universitet.
Knab B, Schliep A, Steckemetz B, and Wichern B (2003). Model-based clustering with hidden Markov models and its application to financial time-series data, Between Data Science and Applied Data Analysis, Springer, New York.
Landen C (2000). Bond pricing in a hidden Markov model of the short rate, Finance and Stochastics, 4, 371-389.

상세보기
Lee S and Oh C (2007). A smoothing method for stock price prediction with hidden Markov models, Journal of the Korean Data and Information Science Society, 18, 945-953.

원문보기 상세보기
Liu W (2018). Hidden Markov model analysis of extreme behaviors of foreign exchange rates, Physics A: Statistical Mechanics and its Applications, 503, 1007-1019.

상세보기
Mamon RS and Elliott RJ (2007). Hidden Markov Models in Finance. Springer, New York.
Nguyen N (2018). Hidden Markov model for stock trading, International Journal of Financial Studies, 6, 1-17.
Rabiner LR (1989). A tutorial on hidden Markov models and selected applications in speech recognition. In Proceedings of the IEEE, 77, 257-286.

상세보기
Viterbi A (1967). Error bounds for convolutional codes and an asymptotically optimum decoding algorithm, IEEE Transactions on Information Theory, 13, 260-269.

상세보기
Welch LR (2003). Hidden Markov models and the Baum-Welch algorithm, IEEE Information Theory Society Newsletter, 53, 10-13.
Zucchini W, MacDonald IL, and Langrock R (2017). Hidden Markov Models for Time Series: An Introduction Using R. CRC Press, New York.

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