인공신경망 기계학습을 활용한 주가지수 수익률 분석

정희준

추천

검색

질문

자료유형: 학술저널

저자정보: 정희준 (전주대학교)

저널정보: 조선대학교 지식경영연구원 기업과혁신연구 기업과 혁신연구 제46권 제1호

발행연도: 2023.3

수록면: 73 - 92 (20page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

주식시장에 대한 기계학습 기반 연구들은 재무이론으로부터 비교적 자유로운 변수들과 최적화 모형을 기반으로 하는 예측의 효율성에 초점이 맞춰진 경향이 있다. 하지만 이러한 기계학습 기반 연구는 주식시장에 대한 기존 재무금융 이론과 상치될 여지가 있다.
따라서, 이 연구는 기존 기계학습 분석에서 소홀히 했던 시계열 데이터들의 임의행보 여부를 검정하는 과정을 거친후 변수 간의 다중공선성을 고려한 분석 데이터 선정을 통해 재무이론적 관점에 부합하는 연구 기반을 확보하였다. 또한 이들 데이터를 이용한 전통적 회귀분석을 하여 인공신경망 모형들의 기계학습 결과와 비교하기 위한 기반도 마련하였다. 기계학습에는 1, 5, 10 layer MLP 모형과 layer 당 1개의 셀이 있는 1, 5, 10 layer LSTM 모형이 설정되었고, 또한 각 layer 별 활성화 함수 포함 여부에 따라서도 모형을 구분하였다.
학습 결과, 활성화 함수가 포함되지 않은 MLP 모형은 layer의 숫자나 학습 횟수를 늘려도 MSE와 MAE로 측정된 학습 효율성 수준을 개선시키지 못했다. 하지만 학습 과정에 비선형성을 반영할 수 있는 활성화 함수가 포함된 MLP 모형의 학습은 layer의 숫자, 학습 횟수 그리고 입력 데이터 사이즈 증가에 따라서 효율성 개선 효과가 뚜렷이 나타났다.
이에 비해 LSTM 모형에 대한 학습에서는 layer의 숫자, 학습 횟수의 증가가 효율성 개선에 일관된 결과를 제시하지 못하였고, 개선되더라도 영향이 제한적이었다. 다만 입력 데이터 사이즈의 증가는 효율성 개선에 기여한다는 결론을 내릴 수 있었다. LSTM 모형에 대한 이런 결과는 비록 시퀀스 데이터이더라도 KOSPI 수익률과 같이 백색잡음(white noise)이 포함된 시계열 자료에서는 RNN LSTM의 장점이 발휘되기 어렵다는 사실을 보여준다.

The Machine learning-based studies on the stock market have tended to focus on the efficiency of prediction based on relatively free variable selection from financial theory and optimization models. Such machine learning-based studies may be at odds with the existing financial theory of the stock market. Therefore, this study secured a research basis that conforms to financial theory by conducting a process of testing the randomness of time series data that was neglected in the machine learning analyses. This analysis, also, selected analysis data which consider multicollinearity among variables. Traditional regression analysis using this data was also conducted to establish a foundation for comparing the machine learning results based on the artificial neural network models.
Machine learning involved setting up 1, 5, 10-layer MLP models and 1, 5, 10-layer LSTM models with one cell per layer, and the models were also classified based on whether or not an activation function was included for each layer.
The training results showed that the MLP model without activation functions did not improve the efficiency level measured by MSE and MAE, even when the number of layers or training times were increased. However, the training of MLP models that include activation functions, ReLU, which can reflect nonlinearity in the learning process, showed a clear improvement in efficiency with an increase in the number of layers, training times, and input data size.
In contrast, in the training of LSTM models, an increase in the number of layers and training times did not consistently show improvement in efficiency, and even when there was improvement, the impact was limited. However, it was concluded that an increase in input data size contributed to improved efficiency. Such results for LSTM models demonstrate that even with sequence data, the advantages of RNN LSTM are difficult to manifest in time series data that include white noise process, such as KOSPI return.

#KOSPI 200 수익률 #인공신경망 기계학습 #학습효율성 #KOSPI200 #Artificial Neural Network #Machine Learning #MLP #LSTM

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

정희준

소속기관 전주대학교

주요연구분야 사회과학 > 경영학 사회과학 > 경제학

논문수 3 이용수 229

이 논문과 함께 이용한 논문

나타무니의 Yoga Rahasya에서 나타난 호흡관

문을식 남아시아연구 2015 .10

단전주선(丹田住禪)의 대중화와 삶의 질 향상

김성장 열린정신 인문학연구 2012 .06

교통 접근성과 인구 · 사업체 밀도와의 상관관계에 관한 연구: 해석가능한 기계학습을 활용하여

이상완 한국지역개발학회지 2023 .03

최적의 인공신경망 구조 설계에 관한 연구

박현일 , 이승래 , 황대진 외 1명 대한토목학회 학술대회 2005 .10

뇌전증 환자의 MEG 데이터에 대한 분류를 위한 인공신경망 적용 연구

한유진 , 김준식 , 김재희 응용통계연구 2024 .04

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 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)