기계학습 기반의 주가시계열 예측에서의 성능 평가 연구사례

Abstract

주식시장의 비정상성(non-stationary)등으로 인해 주가시계열에서 가격변동이나 기대수익을 예측하는 것은 매우 어렵다. 주가를 예측하기 위한 일반적인 방법으로는 기업의 내재적 가치를 추정하는 기본분석과 과거의 주가패턴 등을 이용한 기술분석 기법 등이 사용되고 있다. 그러나 최근에는 보다 과학적이고 효율적인 방법으로 인공신경망(artificial neural networks)에 기반한 주가예측 연구가 활발히 진행되고 있다. 신경망을 이용한 주가예측은 지속적으로 이루어지고 있으나, 궁극적으로 투자자들에게 만족스러운 결과를 주고 있는지는 미지수이다. 이에 본 논문에서는 주가예측 연구사례들을 성능 평가의 측면에서 분석하고 이를 통해 기존 연구들의 통계적 신뢰도에 대해 검토하며 실제 투자에서의 활용 가능성에 대하여 논한다. 아울러 본 논문에서는 "NNShell"이라는 통합 시뮬레이션 도구를 통해 실제 거래상황과 밀접한 연관이 있는 주가예측에서 고려해야할 추가적인 요소와 다양한 성능 평가 척도들을 제시하고, 주가예측과 거래정책이 통합된 "통합 시뮬레이션"의 개념을 소개하며, "NNShell"의 개선을 위해 추가적으로 포함되는 것이 바람직할 것으로 판단되는 성능 평가 척도를 제안한다.|It is difficult to predict the change of stock price series or the expected profit because of non-stationarity. In general, to predict stock prices, there are fundamental analysis which estimates inherent value of the company and technical analysis which uses past price patterns. Lately, the studies on predicting stock prices based on neural networks showed some promising results in more scientific and efficient ways. Although predicting stock market using neural networks have been consistently done, we still cannot be sure whether it can give satisfying results to the investors in the real stock market. In addition, we present additional and various metrics for performance evaluation considering more realistic considerations, using an integrated simulation tool called "NNShell", introduce the concept of "integrated simulation" which combines prediction result with trading strategy, and also propose additional metrics to be incorporated with NNShell for the purpose of enhancement of that tool.