N-기간 변동성 데이터 라벨링을 활용한 XGBoost 트레이딩 시스템 개발

한예찬; 김재윤

doi:10.7465/jkdi.2021.32.5.1049

추천

검색

질문

자료유형: 학술저널

저자정보: 한예찬 (순천향대학교) 김재윤 (순천향대학교)

저널정보: 한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제32권 제5호

발행연도: 2021.9

수록면: 1,049 - 1,070 (22page)

DOI: 10.7465/jkdi.2021.32.5.1049

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

시스템 트레이딩은 과거의 주가와 거래량을 설명하는 기술적 지표를 활용하여 거래를 자동으로 수행하는 투자 방법이다. 최근에는 시스템 트레이딩의 매매규칙을 발견하고, 전략 수립을 위해 시계열 분석, 데이터마이닝, 패턴인식, 머신러닝 등의 알고리즘을 사용한다. 특히 머신러닝 기법을 활용하는 경우 복잡한 고차원 모형을 사용하거나 여러 모형을 결합하는 앙상블 기법을 통해 예측 성능을 높인다. 예측 성능을 높이려는 방법들이 많이 연구되고 있지만, 데이터 라벨링에 관한 연구는 상대적으로 적다. 잘못된 라벨링 방법은 정보 손실을 발생시키며, 이후 주가 등락 예측 모델 구현 시 예측 성능이 떨어지는 원인으로 작용할 수 있다. 본 연구에서는 기존의 Up-Down 라벨링 방법의 문제를 보완한 N-기간 변동성 데이터 라벨링 방법을 통한 머신러닝 트레이딩 시스템을 개발한다. NASDAQ 상장 기업 데이터로 실증 분석을 진행한 결과, 제안 모형은 기존의 Up-Down 라벨링 방법보다 개선된 성과를 나타내는 것을 확인하였다.

#데이터 라벨링 #트레이딩 시스템 #N-기간 변동성 데이터 라벨링 #Data labeling #N-period volatility #trading system #XGBoost

참고문헌 (15)

참고문헌 신청

Basak, S. / 2019 / Predicting the direction of stock market prices using tree-based classifiers / The North American Journal of Economics and Finance 47:552~567

Chen, T. / 2016 / XGBoost: A scalable tree boosting system / Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining :785~794

Dash, R. / 2016 / A hybrid stock trading framework integrating technical analysis with machine learning techniques / The Journal of Finance and Data Science 2:42~57

De Prado, M. L. / 2018 / Advances in financial machine learning / John Wiley & Sons

Dey, S. / 2016 / Forecasting to classification: Predicting the direction of stock market price using xtreme gradient boosting

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

한예찬

소속기관 순천향대학교

주요연구분야 자연과학 > 수학·통계학 공학 > 전기전자공학 > 정보통신공학

논문수 6 이용수 1,121

김재윤

소속기관 순천향대학교

주요연구분야 자연과학 > 수학·통계학

논문수 2 이용수 481

이 논문과 함께 이용한 논문

의약품의 분류에 따른 약사의 주의의무와 일반의약품 약국외 판매(OTC 판매)의 허용가능성

백경희 법학연구 2011 .07

코로나19 관련 온라인 교육에 관한 국내 언론보도기사 분석

김상미 디지털콘텐츠학회논문지 2020 .06

XGBoost 모형을 활용한 코스피 200 주가지수 등락 예측에 관한 연구

하대우 , 김영민 , 안재준 한국데이터정보과학회지 2019 .05

최근 본 자료

전체보기

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 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)