$\require{mediawiki-texvc}$

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.

호가창과 뉴스 헤드라인을 이용한 딥러닝 기반 주가 변동 예측 기법
Deep Learning-based Stock Price Prediction Using Limit Order Books and News Headlines 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.27 no.1, 2022년, pp.63 - 79  

류의림 (Department of Big Data Analysis and Convergence, Sookmyung Women's University) ,  이기용 (Division of Computer Science, Sookmyung Women's University) ,  정연돈 (Department of Computer Science & Engineering, Korea University)

초록
AI-Helper 아이콘AI-Helper

최근 머신러닝 및 딥러닝 기법을 활용한 주식 가격 예측 연구가 다양하게 이루어지고 있다. 그 중에서도 최근에는 주식 매수 및 매도 주문 정보를 담고 있는 호가창을 이용하여 주가를 예측하려는 연구가 시도되고 있다. 하지만 호가창을 활용한 연구는 대부분 가장 최근 일정 기간 동안의 호가창 추이만을 고려하며, 호가창의 중기 추이와 단기 추이를 같이 고려하는 연구는 거의 진행되지 않았다. 이에 본 논문에서는 호가창의 중기와 단기 추이를 모두 고려하여 주가 등락을 보다 정확히 예측하는 딥러닝 기반 예측 모델을 제안한다. 더욱이 본 논문에서 제안하는 모델은 중단기 호가창 정보 외에도 해당 종목에 대한 동기간 뉴스 헤드라인까지 고려하여 기업의 정성적 상황까지 주가 예측에 반영한다. 본 논문에서 제안하는 딥러닝 기반 예측 모델은 호가창 변화의 특징을 합성곱 신경망으로 추출하고 뉴스 헤드라인의 특징을 Word2vec을 이용하여 추출한 뒤, 이들 정보를 결합하여 특정 기업 주식의 다음 날 등락 여부를 예측한다. 실제 NASDAQ 호가창 데이터와 뉴스 헤드라인 데이터를 사용하여 제안 모델로 5개 종목(Amazon, Apple, Facebook, Google, Tesla)의 일일 주가 등락을 예측한 결과, 제안 모델은 기존 모델에 비해 정확도를 최대 17.66%p, 평균 14.47%p 향상시켰다. 또한 해당 모델로 모의 투자를 수행한 결과, 21 영업일 동안 종목에 따라 최소 $492.46, 최대 $2,840.83의 수익을 얻었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, various studies have been conducted on stock price prediction using machine learning and deep learning techniques. Among these studies, the latest studies have attempted to predict stock prices using limit order books, which contain buy and sell order information of stocks. However, most o...

주제어

#주가예측   #호가창   #뉴스   #합성곱   #신경망  

표/그림 (9)

참고문헌 (15)

  1. Akita, R., Yoshihara, A., Matsubara, T., and Uehara, K., "Deep learning for stock prediction using numerical and textual information," 2016 IEEE/ACIS 15th International Conference on Computer and Information Science (ICIS), pp. 1-6, 2016. 

  2. Bao, W., Yue, J., and Rao, Y., "A deep learning framework for financial time series using stacked autoencoders and longshort term memory," PLOS ONE, Vol. 12, No. 7, 2017. 

    상세보기

  3. Kim, M., Ryu, J., Cha, D., and Sim, M. K., "Stock price prediction using sentiment analysis: From 'stock discussion room' in Naver," The Journal of Society for e-Business Studies, Vol. 25, No. 4, pp. 61-75, 2020. 

  4. Lavrenko, V., Schmill, M., Lawrie, D., Ogilvie, P., Jensen, D., and Allan, J., "Mining of concurrent text and time series," In KDD-2000 Workshop on Text Mining, pp. 37-44, 2000. 

  5. Lee, C. and Soo, V., "Predict Stock Price with Financial News Based on Recurrent Convolutional Neural Networks," 2017 Conference on Technologies and Applications of Artificial Intelligence (TAAI), pp. 160-165, 2017. 

  6. Li, X., Xie, H., Chen, L., Wang, J., and Deng, X., "News impact on stock price return via sentiment analysis," Knowledge-Based Systems, Vol. 69, pp. 14-23, 2014. 

  7. Nasdaq TotalView-ITCH, https://www.nasdaqtrader.com/Trader.aspx?idTotalview2. 

  8. Peng, Y. and Jiang, H., "Leverage financial news to predict stock price movements using word embeddings and deep neural networks," in Proc. NAACL-HLT. San Diego, CA, USA: Association for Computational Linguistics, pp. 374-379, 2016. 

  9. Ryoo, E., Kim, C., and Lee, K. Y., "Deep learning-based stock price prediction using limit order books and News Headlines," Annual Conference of KIPS (ACK) 2021, pp. 541-544, 2021. 

  10. Tsantekidis, A., Passalis, N., Tefas, A., Kanniainen, J., Gabbouj, M., and Iosifidis, A., "Using deep learning to detect price change indications in financial markets," 2017 25th European Signal Processing Conference (EUSIPCO), pp. 2511-2515, 2017. 

  11. Vargas, M. R., de Lima, B. S. L. P., and Evsukoff, A. G., "Deep learning for stock market prediction from financial news articles," 2017 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA), pp. 60-65, 2017. 

  12. W. Jiang, "Applications of deep learning in stock market prediction: Recent progress," Expert Systems with Applications, Vol. 184, 2021. 

    상세보기

  13. Word2vec, https://code.google.com/archive/p/word2vec. 

  14. Zhang, Z., Zohren, S., and Roberts, S., "DeepLOB: Deep convolutional neural networks for limit order books," IEEE Transactions on Signal Processing, Vol. 67, No. 11, pp. 3001-3012, 2019. 

    상세보기 crossref

  15. Zhou, X., Pan, Z, Hu, G., Tang, S., and Zhao, C., "Stock market prediction on high-frequency data using generative adversarial nets," Mathematical Problems in Engineering, Vol. 2018, Article ID 4907423, 11 pages, 2018. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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