신경망 기반 주가 거래 시스템의 성능 개선에 관한 연구

Abstract

주식 시장은 현대 자본주의 경제의 중심에 있다. 주가를 예측하려는 분야는 많은 분야에서 이루어져 왔으며 특히 컴퓨터 과학 분야에서의 연구는 성능 좋은 예측기계를 만들어 기술 분석에 집중해왔다. 그러나 아직까지 이러한 시스템들이 실제 주식시장에 적용 되었을 때, 실험과 동일한 수준의 거래 성능을 유지할 수 있는지에 대해서는 연구가 부족하다. 또한 성능에 대한 평가 부족은 다시 기계가 제대로 학습 되었는지를 판단할 수 없다는 것이 가장 큰 문제이다. 이러한 시스템의 예측 성능을 보다 객관적이고 체계적으로 평가할 수 있어야 하며, 또한 이렇게 평가 된 부분을 토대로 시스템의 개선해야 할 것이다. 이에 본 논문에서는 기존의 단일 신경망 기반 주가 예측 거래 시스템들을 살펴보고, 본격적으로 기존 연구에서 개발, 활용된 신경망 기반 주가 예측 시스템의 개발도구인 ‘NNShell'을 소개하겠다. 그리고 이 예측 시스템의 성능을 살펴보겠다. 그리고 이에 기반하여 단일 신경망의 출력을 결합하여 성능을 개선하는 방법을 제시하고 이를 효과적으로 적용할 수 있도록 의사 결정 트리를 사용하여 예측의 성능을 개선하는 방안을 제시하고, 이를 증명하겠다.|The stock market is the core of the modern economics in capitalism. The studies on predicting the stock prices are advanced in many research areas. Especially studies in computer science primarily use automatic learning methods, but those studies are short of whether their systems can show the performance reports when applied to the real stock market. The short of performance evaluation couldn't estimate whether the systems were reflected the stock market. In this thesis, the existing Stock Trading System based on the single neural network is examined carefully and to improve the performance, I introduce the new scheme using the sums of generating at the single neural networks and the classified the signals and to be applied the system, decision tree is used. Last, the simulation based on the real stock prices is conducted to demonstrate the performance of the new scheme.