[논문 리뷰] ANN Model to Predict Stock Prices at Stock Exchange Markets

Barack Wanjawa, Lawrence Muchemi|arXiv (Cornell University)|2014. 12. 17.

Stock Market Forecasting Methods참고 문헌 14인용 수 16

한 줄 요약

이 논문은 주요 증권거래소에서 주가를 예측하기 위해 오차 역전파를 사용하는 피드포워드 다층퍼셉트론 인공신경망(ANN)을 제안한다. 나이로비 및 뉴욕 증권거래소의 2008–2012년 데이터의 80%를 사용하여 5:21:21:1 아키텍처로 훈련한 모델은 평균 절대 퍼센티지 오차(MAPE)가 0.71%에서 2.77% 사이로 나타나 다양한 시장에서 높은 예측 정확도를 입증하였다.

ABSTRACT

Stock exchanges are considered major players in financial sectors of many countries. Most Stockbrokers, who execute stock trade, use technical, fundamental or time series analysis in trying to predict stock prices, so as to advise clients. However, these strategies do not usually guarantee good returns because they guide on trends and not the most likely price. It is therefore necessary to explore improved methods of prediction. The research proposes the use of Artificial Neural Network that is feedforward multi-layer perceptron with error backpropagation and develops a model of configuration 5:21:21:1 with 80% training data in 130,000 cycles. The research develops a prototype and tests it on 2008-2012 data from stock markets e.g. Nairobi Securities Exchange and New York Stock Exchange, where prediction results show MAPE of between 0.71% and 2.77%. Validation done with Encog and Neuroph realized comparable results. The model is thus capable of prediction on typical stock markets.

연구 동기 및 목표

• 기존의 기술적, 기본적, 시계열 분석 방법보다 더 정확한 주가 예측 모델을 개발하기 위해.
• 실제 주식거래소 데이터에서 인공신경망(ANN)의 주가 예측 성능을 평가하기 위해.
• 나이로비 및 뉴욕 증권거래소를 포함한 다양한 금융시장에서 모델의 예측 능력을 검증하기 위해.
• Encog 및 Neuroph와 같은 기존의 기계학습 프레임워크와 ANN 모델의 성능을 비교하기 위해.
• 피드포워드 다층퍼셉트론과 역전파를 사용한 고정확도 주가 예측의 가능성을 입증하기 위해.

제안 방법

• 연구는 오차 역전파를 사용하여 훈련하는 피드포워드 다층퍼셉트론(MLP)을 활용한다.
• 네트워크 아키텍처는 입력, 두 개의 은닉층, 그리고 하나의 출력 뉴런을 나타내는 5:21:21:1로 설정된다.
• 모델은 데이터셋의 80%를 사용하여 훈련되며, 가중치 조정을 최적화하기 위해 총 130,000회 훈련 사이클을 수행한다.
• 입력 특징은 역학적 주가 데이터에서 유도되며, 수렴을 향상시키기 위해 정규화가 적용된다.
• 모델 성능 평가에는 평균 절대 퍼센티지 오차(MAPE) 지표가 사용된다.
• 검증은 결과의 일관성과 신뢰성을 확보하기 위해 두 개의 외부 프레임워크인 Encog 및 Neuroph를 사용하여 수행된다.

실험 결과

연구 질문

• RQ1 인공신경망 모델이 기존의 기술적 및 기본적 분석보다 주가 예측에서 뛰어난 성능을 보일 수 있는가?
• RQ2 실제 주식거래소 데이터에서 오차 역전파를 사용하는 피드포워드 다층퍼셉트론의 예측 정확도는 어떠한가?
• RQ3 이 모델은 나이로비 및 뉴욕 증권거래소와 같은 다양한 주식시장에서 어떻게 성능을 발휘하는가?
• RQ4 Encog 및 Neuroph와 같은 외부 기계학습 프레임워크가 동일한 예측 결과를 재현할 수 있는 정도는 어느 정도인가?
• RQ5 주가 예측 오차를 최소화하기 위한 최적의 네트워크 구성은 무엇인가?

주요 결과

• ANN 모델은 나이로비 및 뉴욕 증권거래소의 테스트 데이터에서 평균 절대 퍼센티지 오차(MAPE)가 0.71%에서 2.77% 사이로 나타났다.
• 모델은 선진 시장과 신흥 시장 모두에서 일관된 성능을 보이며, 시장 간 차이에 대한 강건성을 입증하였다.
• Encog 및 Neuroph 프레임워크를 사용한 검증 결과가 유사한 예측 결과를 도출하여, 모델의 신뢰성과 재현 가능성을 확인하였다.
• 5:21:21:1 네트워크 구성은 주가 움직임의 복잡한 비선형 패턴을 효과적으로 포착하는 데 성공하였다.
• 데이터의 80%를 사용하여 130,000회 반복 훈련을 수행함으로써 안정적인 가중치 수렴과 향상된 일반화 성능이 달성되었다.
• 결과적으로, 오차 역전파를 사용하는 ANN은 전통적인 주가 예측 기법에 비해 실용적이고 정확한 대안이 될 수 있음을 시사한다.