서열 정렬 알고리즘을 이용한 주가 패턴 탐색 시스템 개발

김형준; 조환규

추천

검색

질문

자료유형: 학술저널

저자정보: 김형준 (다음) 조환규 (부산대학교)

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 시스템 및 이론 정보과학회논문지 : 시스템 및 이론 제37권 제6호

발행연도: 2010.12

수록면: 354 - 367 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

시계열 데이터에서 패턴을 분석하는 기법은 많은 발전이 이루어져 오고 있다. 그러나 주식시장의 경우 시계열 데이터임에도 불구하고 패턴 분석 및 예측은 많은 연구가 이루어지지 않고 있으며 예측도가 매우 낮다. 그 이유는 주가의 등락 자체가 본질적으로 무작위하다고 하면 어떠한 과학적 방법으로도그 예측은 불가능하다. 본 연구에서는 주가의 등락이 보여주는 무작위성의 정도를 Kolmogorov 복잡도를 이용해 측정하여 그 무작위의 정도와 본 논문에서 제시한 반 전역정렬(semiglobal alignment)로 예측할 수 있는 주가의 예측의 정확간의 깊은 상관관계가 있음을 보인다. 이를 위해서 주가지수의 등락을 양자화된 문자열로 변환하고 그 문자열의 Kolmogorov 복잡도를 이용해 주가 변동의 무작위성을 측정하였다. 우리는 KOSPI 주식 데이터 28년 690개의 데이터를 수집하여 이를 실험용 데이터로 사용하여 본 논문에서 제시한 방법의 의미를 평가하였다. 그 결과 Kolmogorov 복잡도가 높은 경우에는 변동 예측이 어려우며, Kolmogorov 복잡도가 낮은 경우에는 주식 변동 예측은 가능하나 3종류의 예측율에 대해서 투자자들이 관심이 많은 등락 예측율은 단기 예측은 12% 이상의 예측율을 보일 수 없으며, 장기 예측의 경우 54%의 예측율로 수렴함을 확인하였다.

#주식 #주가 #패턴 분석 #반 전역정렬 #Kolmogorov 복잡도 #Stock #Stock Prices #Searching Pattern #Semi-global Alignment #Kolmogorov Complexity

참고문헌 (21)

참고문헌 신청

1. [학술지(정기간행물)] - Eugene F Fama / 1970 / Efficient capital markets: A review of theory and empirical work / Journal of Finance 25 (2) : 383 ~ 417

2. [학술대회논문] - Lin W / 2002 / An overview of temporal data mining / ADM 02 : 83 ~ 83

3. [학술지(정기간행물)] - Eugene F. Fama / 1965 / The behavior of stock-market prices / The Journal of Business 38 (1) : 34 ~ 105

4. [학술지(정기간행물)] - H. Y. Kim / 2003 / The Study of the Financial Index Prediction Using the Equalized Multi-layer Arithmetic Neural Network / Journal of KSCI 8 (3) : 113 ~ 123

5. [학술지(정기간행물)] - K. S. Cho / 1997 / Expert System for Predicting the Stock Market Timing Using Candlesticks Chart / Journal of KIISS 3 (2) : 57 ~ 70

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김형준

소속기관 고려대학교

주요연구분야 사회과학 > 행정학 공학 > 전기전자공학 > 정보통신공학

논문수 149 이용수 15,234

조환규

소속기관 부산대학교

주요연구분야 공학 > 컴퓨터학 TOP 1% 복합학 > 학제간연구

논문수 218 이용수 27,499

이 논문과 함께 이용한 논문

포트폴리오와 주가예측모델을 이용한 주식 트레이딩 모형

Kanghee Pa , k , Hyunjung Shin 대한산업공학회 춘계공동학술대회 논문집 2013 .05

주가예측을 위한 비선형 회귀모형의 구성

김동규 , 길이만 한국정보과학회 학술발표논문집 2013 .06

주식 투자자의 의사결정 지원을 위한 데이터마이닝 도구

김성동 한국콘텐츠학회논문지 2012 .02

Time Series Stock Prices Prediction Based On Fuzzy Model

황희수 , 오진성 한국지능시스템학회 논문지 2009 .10

중립 단어 기반의 인터넷 뉴스 분석을 통한 주가 예측 연구

이민식 , 이홍주 한국지능정보시스템학회 학술대회논문집 2016 .08

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2012-569-003818494

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)