인공지능 기법에 의한 주식 시장 분석 이 재 원 성신여자대학교 IT 학부 1.

Presentation on theme: "인공지능 기법에 의한 주식 시장 분석 이 재 원 성신여자대학교 IT 학부 1."— Presentation transcript:

1 인공지능 기법에 의한 주식 시장 분석 이 재 원 성신여자대학교 IT 학부 1

2 Contents 주식 시장 연구 개요 주식 시장의 속성 Case Study: 신경망 기반 주가 예측 시스템
Conclusions

3 주식 시장 연구 개요 주가 예측 (Stock Market/Price Prediction) 자본주의 사회에서의 통념
Man’s common goal is to make his life easier Wealth brings comfort and luxury Much work done on ways to predict the market Maybe not in Korea, unfortunately(?) 필수적 가정: “시장은 완전히 효율적이지는 않다” Target Consistently “beat the market” Achieve financial gain But, a hard problem! Is it even possible? 무수한 변수로 인한 높은 복잡성 예측 성능 평가의 어려움

4 주식 시장 연구 개요 주식 시장에 대한 학문 분야별 연구 경영/경제학: 투자론(기본 분석, 기술 분석, …)
통계학: 시계열 분석 수학/물리학: 모호성(fuzzy) 이론, 혼돈(chaos) 이론 전산학: 전산 금융(computational finance), 금융 공학

5 주식 시장 연구 개요 전산 금융 (Computational Finance)
인공 지능(Artificial Intelligence)의 주요 분야인 기계 학습(Machine Learning) 기법을 활용 예측: 주가, 금리, 환율, 유가 거래 정책(Trading Policy) 수립 자산 분배 (Asset Allocation) 위험 관리 (Risk Management)

6 주식 시장 연구 개요 주요 학습 기법 신경망 (Neural Network) 유전자 알고리즘 (Genetic Algorithm)
인간의 두뇌를 모방한 학습 유전자 알고리즘 (Genetic Algorithm) 자연계의 진화를 모방한 학습 베이지안 망 (Bayesian Network) 확률 이론과 그래프 이론에 기반한 학습

7 주식시장의 속성 기본 분석 (Fundamental Analysis) 특정 주식의 이론적, 본질적 가치를 분석
기업 외적 요인: 경제 상황 기업 내적 요인: 기업의 자산, 수익, 성장성, ... 분석된 가치와 현재 주가를 비교하여 매매에 활용 시간이 지나면 주가는 가치를 반영하게 된다는 전제 결정론적 시각: 계산에 의해 적정 주가를 예측 주가 변동의 ‘원인(cause)’을 연구 시장 참여자의 90%가 ‘논리적(logical)’이라고 가정

8 주식시장의 속성 기본 분석 (Fundamental Analysis)(계속) 장점 가치 평가의 체계적인 틀을 제공
장기 변동 예측 가능 탁월한 global view가 있는 경우에 가능 단점 부정확한 자료, 통계적 오차 성장성 등은 추상적: 수치화하기 어려움 가치의 인정 여부는 시장이 결정 심리적 요소를 무시 매일 매일의 ‘등락’에 대한 설명력 부족 상징적 인물 Warren Buffett

9 주식시장의 속성 효율 시장 가설 (Efficient Market Hypothesis)
효율적인 정보 공유로 인해 주가 변동은 random이라는 가설 의미 있는 정보는 즉시 주가에 반영 모든 참여자는 동등하게 정보를 공유 심리적 요인을 무시 반론 탁월한 투자자의 존재(초과 이익의 존재), 주가 조작, ... Market crash 1929~1932: -89% , 19 October 1987(Black Monday): -22%

10 주식시장의 속성 기술 분석 (Technical Analysis) 과거 가격의 ‘움직임’으로부터 미래 가격의 움직임을 예측
미래의 변동은 과거의 변동에 비독립, 연속성: “trend” 추세(trend)는 투자자 집단(군중)의 태도(심리)를 반영 주가 변동의 ‘영향(effect)’을 연구 시장 참여자의 90%가 ‘심리적(psychological)’이라고 가정 투자자는 예측 가능한 형태로 변화에 반응한다는 생각

11 주식시장의 속성 기술 분석 (Technical Analysis)(계속)
기업 가치의 변화는 시차를 두고 주가에 반영되며, 왜곡/과장이 가능 반영의 과정은 일정한 ‘패턴(pattern)’을 보인다 군중의 심리는 자연의 일부이므로 자연의 패턴을 보임 “Economic history is a never-ending series of episodes based on falsehoods and lies, not truths. It represents the path to big money. The object is to recognize the trend whose premise is false, ride that trend, and step off before it is discredited.” - George Soros – (심지어, 변화가 없어도 왜곡/과장될 수 있음을 시사)

12 주식시장의 속성 기술 분석 (Technical Analysis)(계속) 챠트(chart)의 패턴 및 파동 정보의 분석에 주력
가격의 움직임은 모든 것을 말한다 기본 요인의 변화, 변화에 대한 시장의 반응, ... 장점 매매 시점의 선택에 효과적 대상이나 시간에 제약이 없다 환율, 금리, 유가 등 모든 파동(wave)에 적용 가능 단점 패턴이나 지표의 해석이 주관적 (모호성) 절제되고 사려 깊은 분석가의 ‘예술적’인 감각이 필요 “To be successful, technical analysis should be regarded as an art, not a science.” - Albert N. Link -

13 주식시장의 속성 기술 분석 (Technical Analysis)(계속) 패턴 분석

14 Characteristics of the Stock Market
기술 분석 (Technical Analysis)(계속) 엘리오트 파동이론

15 Case Study: 신경망 기반 주가 예측 시스템
학습 (training) 학습 데이터 (사례) 기간: 1999년 1월 4일~2000년 12월 31일 (약 500 거래일) 종목: 코스피/코스닥 종목 전체 (약 1500 종목) 총 데이터 수: 약 750,000개 학습 성능 검증 데이터 (사례) 기간: 1998년 3월 2일~1998년 11월 30일 (약 190 거래일) 총 데이터 수: 약 280,000개

16 Case Study: 신경망 기반 주가 예측 시스템
데이터의 해당 일자 기술 분석 지표 (입력) (약200~300개) 주가 변동 결과 (학습 목표)

17 Case Study: 신경망 기반 주가 예측 시스템
학습 과정 사례: 오류 로그 (Error Log) 검증 에러 : 학습하지 않은 데이터에 대해서는 매우 제한적인 예측만이 가능함을 의미 학습 에러 : 학습한 데이터에 대해서는, 거의 암기에 가까운 놀라운 예측력을 보임

18 Case Study: 신경망 기반 주가 예측 시스템
테스트 (test) 테스트 기간: 2002년~현재 테스트 데이터에 대한 예측 결과와 실제 결과의 비교 전체 거래 중, 예측 가능한 거래는 극소수에 불과함을 의미 (예측치가 일정 수준 이상인 종목은 하루 수 개의 종목에 불과)

19 Case Study: 신경망 기반 주가 예측 시스템
테스트 결과 서로 다른 입력과 출력(학습 목표)의 조합에 대해 약 500여 개의 단일 신경망을 구축하여 테스트 현재 사용 중인 10개의 신경망에서 통계적으로 유의미한(statistically significant) 예측 성능을 보임을 확인 이 중 가장 신뢰도가 높은 신경망인 “Total-NN”은 종합주가지수의 단기 최저 지점들을 매우 정확히 예측함 대세 상승 시기에는 매수 신호가 없고, 주가 폭락 시에 매우 높은 점수들이 나타남 매일 전체 2000개 종목에 대한 예측치를 계산하고, 이 중 상위 50 종목의 평균 예측치가 0.2를 초과하면 시장 전체에 대한 매수 신호로 해석

20 Case Study: 신경망 기반 주가 예측 시스템
예측치 파일의 예 (강력한 매수 신호가 생성된 2008년 10월 10일의 예) 051530, , , 017010, , , 037830, , , 051360, , , 048270, , , 012170, , , 069460, , , 031330, , , 068770, , , … 039670, , , 023900, , , 007640, , , 093190, , ,

21 2002년 System 09/ 09/ 10/ 10/ 10/ 10/ 10/ 10/ 04/ 06/ 06/ 06/ 06/ 07/ 07/

22 2003년 System 03/ 03/ 03/ 03/ 03/ 03/ 03/ 03/ 03/ 03/ 2002 12/ 이라크전

23 2004년 System 07/ 08/ 08/ 08/

24 2005년-2006년 System 2005 12/ 12/ 12/ 12/ 12/ 2006 01/ 01/ 01/ 01/ 01/ 2006 06/ 06/ 06/

25 2007년-2008년 System 2008 01/ 01/ 2007 12/ 12/ 2007 08/ 08/ 08/

26 2008년-2009년 System 2008 10/ / 10/ / 10/ / 10/ / 10/ / 10/ / 10/ / 10/ / 10/ / 10/ / 11/ 2008 11/ 11/ 11/ 11/ 11/ 11/ 11/ 12/ 2008 08/ 08/ 08/ 08/ 08/ 09/ 09/ 09/ 09/ 09/ 09/ 2008 07/ 07/ 07/ 07/ 07/ 07/

27 Case Study: 신경망 기반 주가 예측 시스템
실험 결과의 기술 분석적 해석 대세 하락 장세에서의 매수 기회 국내외 초대형 악재 IMF, 911테러, 이라크전, 미국발 금융위기 -> GM 등 Big3 파산설 장기 hold 가능 주가 폭락 기사가 TV/신문의 top 기사 차지 단기 hold

28 Case Study: 신경망 기반 주가 예측 시스템
V자형 반등 패턴이 가장 비주관적 패턴

29 Case Study: 신경망 기반 주가 예측 시스템

30 Case Study: 신경망 기반 주가 예측 시스템
지수의 유혹에 빠지지 말라 2007년 말~ 2008년 초: 지수 5000설 칵테일 이론 “강세장은 비관속에서 태어나 회의속에서 자라고 낙관속에서  성숙하여 행복감 속에서 사라져 간다”

31 1988 1993 1998 2003 2008

32 Case Study: 신경망 기반 주가 예측 시스템
다중(multiple) 신경망의 결합 예측사례 10개 신경망의 예측치 총합이 높을수록 높은 상승 확률

33 Case Study: 신경망 기반 주가 예측 시스템

34 Case Study: 신경망 기반 주가 예측 시스템

35 Case Study: 신경망 기반 주가 예측 시스템

36 Conclusion Stock Market is Predictable~!
Especially, Predictions in ‘Bear Trends’ are More Accurate Never trade at the tail of a Rally~! Future Works More Accurate Prediction for ‘Bull Trends’ Minimizing Risks