[논문]2단계 k-평균 군집화를 활용한 한류컨텐츠 기업 주가 예측 연구

김정우

doi:10.15207/jkcs.2021.12.7.169

2단계 k-평균 군집화를 활용한 한류컨텐츠 기업 주가 예측 연구
A Study On Predicting Stock Prices Of Hallyu Content Companies Using Two-Stage k-Means Clustering 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.12 no.7, 2021년, pp.169 - 179

김정우 (강릉원주대학교 경제학과)

초록
AI-Helper

본 연구는 기존의 k-평균 군집화를 활용한 2단계 k-평균 군집화 방법을 사용하여 한류콘텐츠 기업들의 주식가격을 예측함으로써 본 기법이 예측성능을 개선할 수 있음을 보이고자 하였다. 이를 위하여 본 연구는 2단계 k-평균 군집화의 알고리즘을 소개하고, 다양한 머신러닝 기법들과의 예측값 비교를 통하여 본 기법의 예측성능을 검증하였다. 본 기법은 기존의 k-평균 군집화로부터 얻어진 군집들 중에서 예측 대상에 근접한 군집을 추출하고 이 군집에 k-평군 군집화 방법을 다시 적용하여 실제 값에 보다 근접한 군집을 탐색하는 방식이다. 본 기법을 한류콘텐츠 기업들의 주가 시계열 자료에 적용한 결과, 다른 머신러닝 기법의 예측값들보다 실제 주식가격에 근접한 예측값을 나타내어, 기존의 k-평균 군집화 방법보다 개선된 예측성능을 보였다. 또한, 본 기법은 상대적으로 적은 크기의 군집을 사용함에도 불구하고 비교적 안정적인 예측값을 나타내었다. 이에 따라, 2단계 k-평균 군집화 기법은 예측의 정확성과 안정성을 동시에 개선할 수 있으며, 소규모 자료에도 유용할 수 있는 새로운 군집화 방식을 제시했다고 볼 수 있다. 향후에는 본 기법을 발전시켜 대규모 자료에도 적용하는 방안을 검토하는 연구가 요구된다.

Abstract ▼ AI-Helper

This study shows that the two-stage k-means clustering method can improve prediction performance by predicting the stock price, To this end, this study introduces the two-stage k-means clustering algorithm and tests the prediction performance through comparison with various machine learning techniques. It selects the cluster close to the prediction target obtained from the k-means clustering, and reapplies the k-means clustering method to the cluster to search for a cluster closer to the actual value. As a result, the predicted value of this method is shown to be closer to the actual stock price than the predicted values of other machine learning techniques. Furthermore, it shows a relatively stable predicted value despite the use of a relatively small cluster. Accordingly, this method can simultaneously improve the accuracy and stability of prediction, and it can be considered as the new clustering method useful for small data. In the future, developing the two-stage k-means clustering is required for the large-scale data application.

주제어

표/그림 (6)

표 Table 1. Related works
그림 Fig. 1. Two stage k-means clustering algorithm
표 Table 2. Descriptive statistics (Unit: Won, %)
표 Table 3. MAPE comparison (Unit: %)
그림 Fig. 2. Comparison of the predicted stock prices
그림 Fig. 3. Boxplot comparison

참고문헌 (37)

T. Hastie, R. Tibshirani & J. Friedman. (2009). The Elements Of Statistical Learning: Data Mining, Inference, And Prediction. International Statistical Review, 77(3), 463-482. DOI : 10.1111/j.1751-5823.2009.00095_18.x

상세보기
S. Y. Kwon, Y. W. Ko & M. H. Hwang. (2010). The Market Reaction to Management Earnings Forecasts and its Determinants. Korean Management Review, 39(4), 995-1021.
J. Y. Heo & J. Y. Yang. (2015). SVM based Stock Price Forecasting Using Financial Statements. KIISE Transactions on Computing Practices, 21(3), 167-172. DOI : 10.5626/KTCP.2015.21.3.167

상세보기
J. M. Park, G. H. Kim & N. C. Kang. (2015). The Market Reaction on the Corrective Disclosure of Management Earnings Forecasts. Korean International Accounting Review, 64, 183-200.

상세보기
J. B. Kim. (2012. 9. 17). Venture start-up fever, light and dark. Electronic Times News.
H. Y. Jung. (2020. 6. 4). Bio-Pharmaceutical Companies, Individuals Still Invest. ChosunBiz.
W. S. Jung. (2020. 4. 20). Young people in their 20s with the highest percentage of "invest in stocks"... Negative bankbook debt growth rate is also 75% "highest". The Kyunghyang Shinmun.
S. S. Kim, D. W. Nam, H. Jo & S. H. Kim. (2012). A study on the relation of web news and stock price. Journal of Information Technology Service, 11(3), 191-203. DOI : 10.9716/KITS.2012.11.3.191.

원문보기 상세보기
D. Y. Kim, J. W. Park & J. H. Choi. (2014). A comparative study between stock price prediction models using sentiment analysis and machine learning based on SNS and news articles. Journal of Information Technology Service, 13(3), 221-233. DOI : 10.9716/KITS.2014.13.3.221.

원문보기 상세보기
S. Shin, H. J. Lee, & J. J. Ahn. (2018). A study on initial price change prediction of IPO shares using non-financial information. Journal of the Korean Data And Information Science Society, 29(2), 425-439..

상세보기
M. A. Tayal & M. M. Raghuwanshi. (2010). Review on various clustering methods for the image data. Journal of Emerging Trends in Computing and Information Sciences, 2, 34-38.
F. Cai, N. A. Le-Khac & M. T. Kechadi. (2012). Clustering Approaches for Financial Data Analysis. in Conference: 8th International conference on Data Mining. Nevada : USA.
I. C. Park, O. J. Kwon & T. Y. Kim. (2009). KOSPI directivity forecasting by time series model. Journal of the Korean Data And Information Science Society, 20(6), 991-998.
S. Kim & J. A Kim. (2009). Analyzing financial time series data using the GARCH model. Journal of the Korean Data And Information Science Society, 20(3), 475-483.
H. J. Song & S. J. Lee. (2018). A study on the optimal trading frequency pattern and forecasting timing in real time stock trading using deep learning: focused on KOSDAQ. The Journal of Information Systems, 27(3), 123-140. DOI : 10.5859/KAIS.2018.27.3.123

원문보기 상세보기
D. S. Song. (2002). An empirical study on the effects of accounting information in kosdaq firms on the stock price. Asia Pacific Journal of Samall Business, 24(4), 79-98.
A. J. O'connor. (2013). The power of popularity: An empirical study of the relationship between social media fan counts and brand company stock prices. Social Science Computer Review, 31(2), 229-235.

상세보기
M. J. Kim, J. H. Ryu, D. H. Cha & M. K. Sim. (2020). Stock price prediction using sentiment analysis: from "stock discussion room in naver. The Journal of Society for e-Business Studies, 25(4), 61-75. DOI : 10.7838/JSEBS.2020.25.4.061.

원문보기 상세보기
J. MacQueen. (1967). Some methods for classification and analysis of multivariate observations. in Proceedings of the fifth Berkeley symposium on mathematical statistics and probability. (Vol. 1, No. 14, pp. 281-297). Oakland : USA.
O. Oyelade, O. O. Oladipupo & I. Obagbuwa. (2010). Application of k Means Clustering algorithm for prediction of Students Academic Performance. International Journal of Computer Science and Information Security, 7(1), 292-295.
N. Nidheesh, K. A. Nazeer & P. Ameer. (2017). An enhanced deterministic K-Means clustering algorithm for cancer subtype prediction from gene expression data. Computers in biology and medicine, 91, 213-221. DOI : 10.1016/j.compbiomed.2017.10.014

상세보기
R. P. D. Nath, H. J. Lee, N. K. Chowdhury & J. W. Chang. (2010). Modified K-means clustering for travel time prediction based on historical traffic data. In International Conference on Knowledge-Based and Intelligent Information and Engineering Systems, Springer. (pp. 511-521). DOI : 10.1007/978-3-642-15387-7_55

상세보기
R. Shinde, S. Arjun, P. Patil & J. Waghmare. (2015). An intelligent heart disease prediction system using k-means clustering and Naive Bayes algorithm. International Journal of Computer Science and Information Technologies, 6(1), 637-639.
Y. C. Lee. (2011). Clustering-based Performance Prediction Model Using Technology Rating Data. Journal of The Korean Data Analysis Society, 13(3), 1471-1482.
W. Chen, S. Chen, H. Zhang & T. Wu (2017). A hybrid prediction model for type 2 diabetes using K-means and decision tree. In 2017 8th IEEE International Conference on Software Engineering and Service Science (ICSESS), IEEE. (pp. 386-390). DOI : 10.1109/ICSESS.2017.8342938
A. Jamal, A. Handayani, A. Septiandri, E. Ripmiatin & Y. Effendi. (2018). Dimensionality reduction using pca and k-means clustering for breast cancer prediction. Lontar Komput. J. Ilm. Teknol. Inf, 9(3), 192-201. DOI : 10.24843/LKJITI.2018.v09.i03.p08
K. Benmouiza & A. Cheknane. (2013). Forecasting hourly global solar radiation using hybrid k-means and nonlinear autoregressive neural network models. Energy Conversion and Management, 75, 561-569. DOI : 10.1016/j.enconman.2013.07.003

상세보기
M. H. Huh. (2000). Double k - means clustering. The Korean Journal of Applied Statistics, 13(2), 343-352.
L. Nanetti, L. Cerliani, V. Gazzola, R. Renken & C. Keysers. (2009). Group analyses of connectivity-based cortical parcellation using repeated k-means clustering. Neuroimage, 47( 4), 1666-1677. DOI : 10.1016/j.neuroimage.2009.06.014

상세보기
H. Ismkhan. (2018). I-k-means?+: An Iterative Clustering Algorithm Based on an Enhanced Version of the k-kmeans. Pattern Recognition, 79, 402.-413. DOI : 10.1016/j.patcog.2018.02.015

상세보기
R. Salman, V. Kecman, Q. Li, R. Strack & E. Test. (2011). Two-Stage Clustering with k-Means Algorithm. Communications in Computer and Information Science, 162, 110-122. DOI : 10.1007/978-3-642-21937-5_11
N. Chayangkoon & A. Srivihok. (2016). Two Step Clustering Model for K-Means Algorithm. Proceedings of the Fifth International Conference on Network, Communication and Computing-ICNCC. DOI : 10.1145/3033288.3033347
A. Singh, A. Yadav & A. Rana. (2013). K-means with Three different Distance Metrics. International Journal of Computer Applications, 67(10), 13-17. DOI : 10.5120/11430-6785
E. Xing, M. Jordan, S. J. Russell & A. Ng. (2002). Distance metric learning with application to clustering with side-information. Advances in neural information processing systems, 15, 521-528. DOI:10.5120/11430-6785
S. A. Fahad & M. M. Alam. (2016). A modified K-means algorithm for big data clustering. International Journal of Science, Engineering and Computer Technology, 6(4), 129-132.
V. Cherkassky & Y. Ma. (2004). Practical selection of SVM parameters and noise estimation for SVM regression. Neural networks, 17(1), 113-126. DOI : 10.1016/S0893-6080(03)00169-2

상세보기
M. Bank, M. Larch & G. Peter. (2011). Google search volume and its influence on liquidity and returns of German stocks. Finance Markets and Portfolio Management, 25(3), 239-264. DOI : 10.1007/s11408-011-0165-y

상세보기

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