Earticle

초록

영어

Recently, there have been many attempts to employ the machine learning methodologies such as Robo-Advisor in the financial sector with growing interest in machine learning in various sectors. Especially, these mechanical and quantitative decision making have some big advantages not only reduces the costs such as fees but also enable us to make effective decision. In this research, we developed a machine learning model to forecast the KOSPI index and analyze the accuracy of the prediction. We use three machine learning model : SVM(support vector machines), Lasso regression, and ANN(Artificial Neural Network). We divided our data into two parts : 'in sample' data and 'out of sample' data. The 'in sample' data is from January 1st, 2000 to December 31st, 2010. And the 'out of sample' data is from January 1st, 2011 to September 15th, 2015. The result of the experiment, the 'in sample' data, the SVM showed higher accuracy compare to the ANN. On the other hand, in the 'out of sample' data, ANN was superior than SVM. For the Lasso Regression analysis, it showed worst predictive accuracy in both 'in sample' and 'out of sample' data.

한국어

최근 다양한 분야에서 기계 학습에 대한 관심이 높아지고 있는 가운데 금융 분야에서도 로보어 드바이저(robo-advisor) 등 기계 학습을 현업에 접목시키려는 시도가 많아지고 있다. 특히 이러한 기 계적이고 정량적인 의사결정은 수수료와 같은 비용 절감은 물론 효과적인 의사결정을 가능하게 한다 는 점에서 큰 장점이 있다. 본 연구에서는 SVM(support vector machines)와 라쏘 회귀분석(lasso regression) 그리고 인공신경망(Artificial Neural Network; ANN) 등의 기계학습 기법들을 이용하 여 KOSPI 지수를 예측하는 모형을 개발하고 제시한 기계학습 기법들의 예측력을 비교, 분석한다. 실 험은 학습 데이터(in sample)와 실험 데이터(out of sample)로 나눠서 진행하였는데, 전자는 2000년 1월 1일부터 2009년 12월 31일까지이며 후자는 2010년 1월 1일부터 2015년 9월 15일까지이다. 실 험을 진행한 결과 학습 데이터에서는 SVM이 ANN에 비해서 더 높은 예측력을 보인 반면에 실험 데 이터에서는 ANN의 예측력이 더 우수했다. 한편 라쏘 회귀분석의 경우에는 학습 데이터와 실험 데이 터 모두에서 예측력이 우수하지 않았다.

목차

요약
Abstract
1. 서론
2. 관련문헌 연구
3. 자료와 모형
3.1 자료 선정
3.2 기계학습 모형
4. 실험결과 및 분석
4.1 실험계획
4.2 실험결과 및 분석
5. 결론

키워드

SVM 인공신경망 라쏘 회귀분석 KOSPI 기계학습 주가지수 예측 SVM ANN Lasso Regression KOSPI Machine Learning

저자

• 박재연 [ Jae Yeon Park | 상명대 기술융복합학과 ]
• 유재필 [ Ryu Jaepil | 상명대 경영공학과 ]
• 신현준 [ Shin Hyun Joon | 상명대 경영공학과 ] 교신저자

참고문헌

발행기관

간행물