신경망 기반 주가 예측 시스템의 성능 평가를 위한 시각화 도구

Abstract

주식시장은 현대 자본주의 경제체제의 핵심이다. 따라서 주가를 예측하려는 연구는 경영․경제학, 수학․물리학 등 여러 학문 분야에서 연구되어 왔다. 특히 컴퓨터 과학 분야에서의 연구로는 주로 신경망을 비롯한 자동 학습 기법들이 주가 예측 연구에 활용되어 왔다. 그러나 아직까지 이러한 시스템들이 실제 주식시장에 적용되었을 때, 실험과 동일한 수준의 거래 성능을 유지할 수 있는지에 관하여는 아직 연구가 부족한 것으로 판단된다. 이 문제에 있어서 무엇보다 중요한 것은 이러한 시스템의 예측 성능을 보다 객관적이고 체계적으로 평가할 수 있는 평가 기준이 요구된다는 것이다. 이에 본 논문에서는 기존의 주가 예측 시스템들의 실험 성능과 실제 주식시장에서의 거래 성능 간의 괴리를 감소시키기 위해 실제 주식 투자자 입장에서 새로운 성능 평가를 위한 다각적 분석이 가능하도록 시각화 도구를 구현하여 제시하였다. 이를 위해 기존 연구에서 개발, 활용된 신경망 기반 주가 예측 시스템의 종합 개발 도구인 ‘NNShell’을 거래 성능 평가 체계 중심으로 소개하였으며, ‘NNShell’의 성능 평가 방법인 거래 시뮬레이션 결과 파일을 분석하여 상세 내역과 거래 분포도를 그래프로 나타내었다. 본 논문에서 제시된 시각화 도구는 차후 ‘NNShell’의 추가 기능으로 활용될 수 있다. 사례 분석을 통해 기존의 성능 평가 척도를 통한 성능 평가와 본 논문에서 제시한 시각화 도구의 다각적 분석을 통한 성능 평가를 비교하였으며, 그 결과 시각화 도구를 통하여 예측에 따른 거래의 상세 수익과 거래 빈도 및 분포의 보다 면밀한 비교가 가능하다는 것을 확인하였다.|The stock market is the core of the modern economics in capitalism. So the studies on predicting the stock prices are advanced in many research areas such as business economics, economic science, mathematics, physics and so on. Especially studies in computer science primarily use automatic learning methods such as neural networks. However, those studies are not focused on whether their systems can show the performance reported when actually applied to the real stock market. Therefore more objective and systemic evaluation criterion, considering realistic constraints, is needed to get meaningful research results of stock market prediction. In this thesis, a visualization tool for a new performance evaluation scheme is introduced. This tool provides various visual materials related to prediction performance. The new evaluation scheme in ‘NNShell’, an integrated tool for stock trading system, is different from those in the previous works, in that it considers more realistic factors for evaluation of prediction performance and the proposed visualization tool is to be integrated into ‘NNShell’. In the case study, the performance evaluation using the proposed visualization tool is compared with that using existing performance metrics. This case study shows that many-sided analysis of prediction performance is possible using this visualization tool. Also, detailed comparison of trading logs including profit rate, trading frequency and distribution, is performed for several distinct prediction engines.