초록 ▼

1. 연구개발 목표 및 결과
가. 최종 목표
❍ 핵심 기술 및 개발 방향
· 1단계에서는 머신러닝 기반 금융시계열 예측 기술, 예측 기반 투자종목 선정, 자가진화형 투자기술 개발에 대한 사전연구를 진행

· 2단계에서는 인공지능 기술 기반 기관투자자용 포트폴리오 설계 기술 개발, 개인투자자용 종목선정 지원 및 매매시점 예측 기술 개발

나. 당해 (연도·단계) 연구개발 목표 및 결과
① 세부과제명: 머신러닝 기반 금융 시계열 예측
비지도 특징 추출 선행연구 조사
· 비지도 특징

1. 연구개발 목표 및 결과
가. 최종 목표
❍ 핵심 기술 및 개발 방향
· 1단계에서는 머신러닝 기반 금융시계열 예측 기술, 예측 기반 투자종목 선정, 자가진화형 투자기술 개발에 대한 사전연구를 진행

· 2단계에서는 인공지능 기술 기반 기관투자자용 포트폴리오 설계 기술 개발, 개인투자자용 종목선정 지원 및 매매시점 예측 기술 개발

나. 당해 (연도·단계) 연구개발 목표 및 결과
① 세부과제명: 머신러닝 기반 금융 시계열 예측
비지도 특징 추출 선행연구 조사
· 비지도 특징 추출선행연구
- Heaton et al.(2016)은 딥러닝(오토인코더)의 특징추출 기술을 이용해 포트폴리오를 구축
- 주식 25개, 45개, 65개 Bio technology 지수를 모방한 결과를 보여줌

· 계량 경제 기반 금융 시계열 예측 모형 연구:
- ARIMA, VARIMA 등

· 인공신경망 기반 예측 모형 선행 기술 연구
- DNN, Auto-Encoder, RNN
- CNN
- 금융·경제 데이터 예측 모델 개발
· 금융빅데이터 수집 기술 연구 및 수집
- 정형, 비정형 금융 데이터 수집 기술 연구 및 수집
· 계량경제 기반 시계열 예측 모형 개발 V장 2.1
· 머신러닝 기반 금융 시계열 예측 모형 개발 V장 2.2
- Fast Prototype · 수집관련 Fast Prototype 개발

· 계량경제 시계열 모델 기반 예측 Fast Prototype 개발
- 예측정확도: APPLE 주가에 적용했을 경우 60% 이하
· 머신러닝 기반 금융 시계열 예측 모형 Fast Prototype 개발

금융 데이터 예측 상용 시스템 요구사항 및 실행계획
· 1단계 연구의 문제점 분석
· 개선 방향 도출

② 세부과제명: 예측기반 투자종목 선정 기술 개발
기존 투자방법의 선행 조사
· 포트폴리오 투자 이론과 이를 활용한 로보어드바이저 시장 조사
· 딥러닝을 활용한 트레이딩 플랫폼 시장 조사 Ⅰ장 2.2
· 매매시점 결정 이론과 이를 활용한 트레이딩 시스템 제품 분석 및 본 기술과의 차이점 조사
· 딥러닝 및 강화학습 이론 연구 Ⅱ장
· 인공지능 투자 기술 및 시장 분석 Ⅲ장

예측기반 투자종목선정 모델 개발
· 계량 경제학 기반 예측 모델 개발
- S&P500 주식 200개에 대해 훈련후 모델 도출
- ARIMA, VARIMA 모델 구현 및 실험
- 익일 주가 상승/하락 예측 정확도: 50~60% 정도
- 향후 보다 많은 데이터를 이용하여 정교한 실험 필요

· 딥러닝 기반 예측 정확도 약식 실험
- S&P500 주식 200개에 대해 훈련후 모델 도출
- DNN, S-RNN, LSTM, GRU 등 실험
- 일별 수익률: 65% 정도
- 익일 주가 상승/하락 예측 정확도: 75% 정도
- 향후 보다 많은 데이터를 이용하여 정교한 실험 필요

· LSTM 기반 수익률 예측을 통한 상승/하락 모델 Fast Prototype
- 미국 주식 9개 종목(Apple 등)
- 상승, 하락, 보유 예측 결과에 따라 350, 650, 900개의 트레이딩 구간에 대해 수익률 실험
- 수익률은 연 16% 정도로 비교 대상에서 가장 높았으나 변동성은 23.35%로 역시 가장 높음

· Style Factor와 딥러닝을 결합한 모델 연구
- Style Factor(저변동성, 모멘텀, 성장, 퀄리티/밸류, 배당 등) 기반 종목선정 기술 개발
- MVO, ERc, EW 최적화 기술 개발

· 기술적 지표와 딥러닝 및 디노이징 기법을 이용한 단일 종목 매매시점 예측 기술 연구
- 사용한 특징값: 가격, 이동평균선 위치, 거래량, 오실레이 터 등
- 디노이징 기법을 사용하여 매매 신호의 노이즈 제거
· 예) 광명전기 경우: 매매신호 101회 → 17회
· 수익률은 62%에서 218%로 증가
· 테스트 기간: 2015. 3 ~ 2017. 3

Fast Prototype
· 계량 경제학 기반 예측 Fast Prototype 개발 : 별첨2 V장 2.1
· 딥러닝 기반 예측 Fast Prototype 개발 : V장 2.2
· LSTM 기반 수익률 예측을 통한 상승/하락 모델 Fast Prototype : 별첨2 V장 3절
· Style Factor와 딥러닝을 결합한 종목 선정 Fast Prototype : 별첨2 V장 4절

예측 기반 투자 종목 선정 상용시스템 요구사항 및 실행계획
· 성능에 대한 요구사항
· 사용의 용이성에 대한 요구사항
· 다양한 자산 수용에 대한 요구사항
· 투자의 아이디어를 검증하기 위한 기능에 대한 요구사항
· 장단기 투자 전략을 지원해야 함
· 리스크 관리 모델을 설계할 수 있어야 함
· 특징 융합 기술 연구에 대한 요구사항

③ 자가진화형 투자기술 개발
강화학습 선행 연구 조사
· 강화학습을 이용한 투자 : Ⅰ장 6절
· 강화학습 이론 : Ⅱ장 2.1
· MDP(Markov Decision Process) 이론 : Ⅱ장 2.2
· Value Function 이론 : Ⅱ장 2.3
· Q Learning 이론 : Ⅱ장 2.4
· DQN(Deep Q Network) 이론 : Ⅱ장 2.5
· 과제의 차별성 분석 : Ⅵ장 1.2
· 자가진화형 투자기술 개요 : Ⅵ장 1절

강화학습 기반 모델 개발
· 자가진화형 투자 기술을 이용한 포트폴리오 관리
- 포트폴리오는 애플과 현금
- PAA, Dual Momentum, SPY 기법 등과 수익률, 변동성 등의 성능 비교
- 비교 대상 중 가장 높은 수익률.
- 비교 대상 중 가장 높은 변동성

· 단일 종목 매매 시점 예측을 통한 성능 분석
- 삼성전자 등 4개 종목에 대해 실험
- RSI 전략, 볼린저밴트 전략, 모멘텀 점수 전략과 성능 비교
- 연수익률은 가장 높으나 변동성도 좋은 것으로 평가됨
- 2단계에서 보다 정밀한 검증 및 실험 필요

자가진화형 투자 상용시스템 요구사항 및 실행계획
· (성능) 투자 모형의 변화하는 금융 경제 환경에 대한 빠른 적응을 해야됨
· (용이성) 머신러닝이나 금융공학에 익숙하지 않은 사용자라도 트레이딩 및 포트폴리오 구축을 위해 쉽게 사용할 수 있어야 함

· (유용성) 투자자가 다양한 투자 옵션을 실행할 수 있도록 주식, ETF 등의 다양한 자산에 대해 서비스를 공급해야 함

· (유용성) 투자자의 투자 아이디어를 실행하고 검증하기 위해 다양한 투자 전략 및 포트폴리오 구성이 이 제공되어야 함

· (유용성) 투자자의 개인의 환경에 적합하게 투자 하기 위해 장기 또는 단기 투자를 실행할 수 있어야 함

· (유용성) 금융 위기 이후 리스크 관리는 투자시 가장 중요한 고려사항임. 투자자의 안전한 자산 관리를 위해 리스크 관리가 필요함

· (기능적 속성) 투자자의 전략을 검증 할 수 있는 시스템이 필요함
· (기능적 속성) 서포트폴리오 성과를 검증할 수 있는 시스템이 필요함
· (유용성) 투자 종목 중에서 수익률을 최대화하고 리스크를 관리하기 위해 포트폴리오 구성이 필요함

(출처 : 본문 : 1. 연구개발 목표 및 결과 4p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 목차 ... 3
• 1. 연구개발 목표 및 결과 ... 4
• 가. 최종 목표 ... 4
• 나. 당해 (연도·단계) 연구개발 목표 및 결과 ... 5
• 2. 평가의 착안점 및 기준 ... 8
• 가. 연구개발성과 및 평가 방법 ... 8
• 나. 당해 (연도·단계) 정량적 기대 연구성과 ... 12
• 3. 연구개발성과 ... 13
• 가. 지식재산권(특허, 실용신안, 의장, 디자인, 상표, 규격, 신품종, 프로그램) ... 13
• 나. 국내 및 국외 논문 게재 ... 13
• 다. 국내 및 국제학술회의 발표 ... 13
• 라. 표준화 ... 13
• 마. 기술 거래(이전) 등 ... 13
• 바. 사업화 투자 실적 ... 14
• 사. 사업화 현황 ... 14
• 아. 저작권(소프트웨어, 서적 등) ... 14
• 자. 생명자원(생물자원, 생명정보)/화합물 ... 14
• 차. 전문 연구 인력 양성 ... 14
• 카. 산업 기술 인력 양성 ... 14
• 타. 기술요약정보 ... 15
• 하. 보고서 원문 ... 15
• 4. 연구개발비 집행 실적 ... 16
• 5. 연구 수행에 따른 문제점 및 개선 방향 ... 18
• 6. 중요 연구 변경 사항 ... 19
• 7. 기타 건의 사항 ... 20
• 부록 ... 21
• 끝페이지 ... 366