지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.1
- 수록면
- 587 - 597 (11page)
- DOI
- 10.5762/KAIS.2023.24.1.587
이용수
초록· 키워드
오류제보하기
기술적 분석에서 가장 활용도가 높은 캔들스틱 차트는 주가의 추세를 직관적으로 파악할 수 있는 도표이다. 캔들스틱 차트 분석으로 수익을 얻을 수 있다면 딥러닝 알고리즘은 학습을 통해 주가 움직임 패턴을 찾아낼 수 있을 것이다. 본 연구의 목적은 주가의 일중, 일별 캔들스틱 차트의 이미지를 CNN에 학습시킨 후, 전일 종가와 당일 시가 차이로 측정하는 주가 갭을 예측하는 것이다. KOSPI200을 구성하는 개별종목을 대상으로 실증 분석한 결과는 다음과 같다. 첫째, 제안 CNN 모형은 갭 상승과 하락을 예측하는 이진 분류에서 55%의 정확도를 보였다. 둘째, 갭 상승과 하락을 나누어 분석한 결과 갭 상승에서 58%, 갭 하락에서 54%의 정밀도를 보였다. 셋째, 표본 외 자료로 시뮬레이션한 결과 제안 모형은 벤치마크 모형보다 우수한 예측 성과를 보였다. 본 연구는 이미지에 다양한 캔들스틱 차트 정보를 담아 CNN 모형에 학습시킨 점과 단기거래에서 중요한 역할을 하는 주가 갭을 예측했다는 점에서 기존 연구와 차별점이 있다. 향후 연구에서는 투자 주체별 거래 정보를 이미지에 추가하여 예측 성과를 개선할 필요가 있다.
목차
요약
Abstract
1. 서론
2. 이론적 배경
3. 자료 및 연구 모형
4. 분석 결과
5. 투자전략 활용
6. 결론 및 연구의 한계점
References
참고문헌 (30)
참고문헌 신청
C. Lee, “Artificial intelligence-based stock investment strategy : Buy-and-sell decision”, Korean management science review, Vol.6, No.1, pp.71-84, 1989.
W. Lee, “A deep learning analysis of the KOSPI’s directions”, Journal of the Korean Data and Information Science Society, Vol.28, No.2, pp.287-295, 2017. DOI : http://dx.doi.org/10.7465/jkdi.2017.28.2.287
H. Choi, S. Kim, S. Park, “Analysis of trading performance on intelligent trading system for directional trading”, Journal of Intelligence and Information Systems , Vol.17, No.3, pp.187-201, 2011. DOI: http://dx.doi.org/10.13088/JIIS.2011.17.3.187
Y. Kim, N. Kim, S. Jeong, “Stock-index invest model using news big data opinion mining”, Journal of Intelligence and Information Systems , Vol.18, No.2, pp.143-156, 2012. DOI : https://doi.org/10.13088/JIIS.2012.18.2.143
S. Kim, “Forecasting COVID-19 pandemic stock prices using portal search intensity and deep learning”, Journal of Digital Contents Society, Vol.23, No.2, pp.343-350, 2022. DOI : http://dx.doi.org/10.9728/dcs.2022.23.2.343
W. Lee, “A deep learning analysis of the KOSPI’s directions”, Journal of the Korean Data and Information Science Society, Vol.28, No.2, pp.287-295, 2017. DOI : http://dx.doi.org/10.7465/jkdi.2017.28.2.287
H. Choi, S. Kim, S. Park, “Analysis of trading performance on intelligent trading system for directional trading”, Journal of Intelligence and Information Systems , Vol.17, No.3, pp.187-201, 2011. DOI: http://dx.doi.org/10.13088/JIIS.2011.17.3.187
Y. Kim, N. Kim, S. Jeong, “Stock-index invest model using news big data opinion mining”, Journal of Intelligence and Information Systems , Vol.18, No.2, pp.143-156, 2012. DOI : https://doi.org/10.13088/JIIS.2012.18.2.143
S. Kim, “Forecasting COVID-19 pandemic stock prices using portal search intensity and deep learning”, Journal of Digital Contents Society, Vol.23, No.2, pp.343-350, 2022. DOI : http://dx.doi.org/10.9728/dcs.2022.23.2.343
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
캔들스틱 차트 이미지 유사도 기반 트레이딩 시스템 개발
한국통신학회 학술대회논문집
2023 .06
-
주가예측을 위한 차트 유형별 필터링 구현
한국정보과학회 학술발표논문집
2018 .12
-
캔들스틱 차트 이미지 기반의 다중 윈도우 멀티모달 트레이딩 시스템 개발
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
딥러닝을 이용한 이미지 기반 주가예측
한국정보과학회 학술발표논문집
2018 .06
-
Stocks Price Prediction by Analyzing Models Performance - A comparative analysis
한국정보과학회 학술발표논문집
2022 .06
-
Shallow CNN을 활용한 주가 예측 방법론
한국통신학회논문지
2023 .06
-
뉴스 감성 분석을 이용한 딥러닝 기반 주가 예측에 대한 연구
한국컴퓨터정보학회논문지
2022 .08
-
데이터 증강을 이용한 딥러닝 기반 주가 패턴 예측
한국지능정보시스템학회 학술대회논문집
2019 .06
-
텐서플로우를 이용한 주가 예측에서 가격-기반 입력 피쳐의 예측 성능 평가
정보과학회 컴퓨팅의 실제 논문지
2017 .11
-
A Study on Stock Trend Determination in Stock Trend Prediction
한국컴퓨터정보학회논문지
2020 .12
-
주가 데이터 생성 모델을 활용한 머신러닝 기반 한국 주가지수 등락 예측
한국통신학회 학술대회논문집
2022 .06
-
강화학습 기반 주가 예측 모델 기술 동향
한국통신학회 학술대회논문집
2024 .06
-
주가 예측을 위한 딥러닝 하이브리드 모델의 성능 비교 연구
한국통신학회 학술대회논문집
2025 .02
-
효과적인 입력변수 패턴 학습을 위한 시계열 그래프 기반 합성곱 신경망 모형 : 주식시장 예측에의 응용
지능정보연구
2018 .03
-
기술적 분석지표와 딥러닝을 활용한 주가 예측 기법
Proceedings of KIIT Conference
2018 .11
-
전이학습 기반 주가 예측 딥러닝 모델에 대한 연구
Proceedings of KIIT Conference
2024 .05
-
VaR(Value at Risk)가 머신러닝 및 딥러닝 기반 주가예측모델 성능에 미치는 영향에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
시계열데이터 예측을 통한 주가예측 정확도 향상
한국통신학회 학술대회논문집
2021 .11
-
양방향 LSTM 순환신경망 기반 주가예측모델
한국정보전자통신기술학회 논문지
2018 .04
-
주가 예측을 위한 머신러닝과 딥러닝 기법의 비교 분석
한국컴퓨터정보학회 학술발표논문집
2024 .07
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-505-000374512