[논문 리뷰] Forecasting Stock Market with Support Vector Regression and Butterfly Optimization Algorithm

Mohammadreza Ghanbari, Hamidreza Arian|arXiv (Cornell University)|2019. 05. 27.

Stock Market Forecasting Methods참고 문헌 37인용 수 9

한 줄 요약

이 논문은 주식 시장 예측의 정확성과 효율성을 향상시키기 위해 서포트 벡터 회귀(SVR)와 나비 모의 최적화 알고리즘(BOA)을 조합한 새로운 BOA-SVR 모델을 제안한다. BOA를 사용해 SVR의 핵심 파라미터(C, γ, ε)를 최적화함으로써, 세 종류의 NASDAQ 주식에 대해 예측 정확도(MSE 및 MAPE로 측정)와 계산 속도 면에서 11개의 다른 메타휴리스틱 기반 SVR 모델을 모두 능가하는 뛰어난 성능을 달성한다.

ABSTRACT

Support Vector Regression (SVR) has achieved high performance on forecasting future behavior of random systems. However, the performance of SVR models highly depends upon the appropriate choice of SVR parameters. In this study, a novel BOA-SVR model based on Butterfly Optimization Algorithm (BOA) is presented. The performance of the proposed model is compared with eleven other meta-heuristic algorithms on a number of stocks from NASDAQ. The results indicate that the presented model here is capable to optimize the SVR parameters very well and indeed is one of the best models judged by both prediction performance accuracy and time consumption.

연구 동기 및 목표

• 금융 시계열 예측을 위한 SVR에서 최적의 파라미터 선택 문제를 해결하기 위해.
• 나비 모의 최적화 알고리즘을 활용해 효율적인 SVR 파라미터 캘리브레이션을 수행하는 새로운 하이브리드 BOA-SVR 모델을 제안하기 위해.
• 예측 정확도와 계산 효율성 측면에서 11개의 기존 메타휴리스틱 알고리즘과의 성능 비교를 통해 BOA-SVR 모델의 성능을 평가하기 위해.
• 금융 모델링에서 비선형적이고 비凸인 파라미터 캘리브레이션에 대해 BOA가 경쟁 가능한 최적화 기법임을 입증하기 위해.

제안 방법

• 원시 주가 시계열 데이터를 다차원 입력 공간으로 변환하기 위해 임베딩 차원(m)과 시간 지연(τ)을 사용한 단계적 공간 재구성 기법을 적용한다.
• 서포트 벡터 회귀(SVR)는 라디얼 기저 함수(RBF) 커널을 사용하며, 세 가지 핵심 파라미터인 페널티 인자(C), 커널 폭(γ), 에프실론 튜브 반경(ε)을 포함한다.
• 나비 모의 최적화 알고리즘(BOA)은 나비의 먹이 찾기 행동을 모방하여 향기 기반 정보 공유와 확률적 이동 결정을 통해 SVR의 파라미터 공간을 탐색한다.
• BOA는 훈련 데이터에서 평균 제곱 오차(MSE)와 평균 절대 백분율 오차(MAPE)를 최소화함으로써 SVR 파라미터를 최적화한다.
• 11개의 다른 메타휴리스틱 알고리즘(PSO, GA, SSA, BBO, FA, HSO, SCA, ABC, IWO, CSA, TLBO)을 대상으로 SVR 파라미터 조정에 적용한 결과와 BOA-SVR의 성능을 비교 평가한다.
• 모델은 NASDAQ의 마이크로소프트, 페이스북, 인텔 주식의 일일 종가 가격 데이터를 대상으로 검증되었으며, MSE, MAPE 및 Diebold-Mariano 검정을 통해 통계적 유의성을 분석하였다.

실험 결과

연구 질문

• RQ1 나비 모의 최적화 알고리즘(BOA)은 주가 예측을 위한 서포트 벡터 회귀(SVR)의 파라미터 최적화에 효과적으로 작용할 수 있는가?
• RQ2 금융 시계열 데이터에서 BOA-SVR 모델은 11개의 다른 메타휴리스틱 알고리즘과 비교해 예측 정확도와 계산 효율성 측면에서 어떻게 성과를 내는가?
• RQ3 BOA-SVR 모델은 기준 SVR 및 다른 메타휴리스틱-SVR 하이브리드 모델에 비해 통계적으로 뛰어난 성능을 달성하는가?
• RQ4 BOA에 의해 최적화된 다양한 주식에 대해 SVR의 최적 파라미터 값(C, γ, ε)은 무엇인가?
• RQ5 BOA-SVR 모델은 여러 개의 금융 시계열 데이터셋에 대해 강건하고 일관된 성능을 보이는가?

주요 결과

• 마이크로소프트 주식에 대해 BOA-SVR 모델은 0.0015의 최저 평균 제곱 오차(MSE)를 기록하여 모든 11개의 경쟁 모델을 능가했다.
• 페이스북 주식에 대해 BOA-SVR 모델은 MSE 0.0016과 MAPE 0.1284을 기록하여 정확도 면에서 상위 성능를 보였다.
• 인텔 주식에 대해 BOA-SVR 모델은 MSE 0.0017과 MAPE 0.0451을 기록했으며, 단지 6.58초의 계산 비용으로 테스트된 모델 중 가장 빠른 편이었다.
• Diebold-Mariano 검정 결과, 마이크로소프트와 페이스북 주식에서 BOA-SVR은 PSO-SVR, GA-SVR, BBO-SVR 등 다른 모델보다 유의미하게 뛰어난 성능을 보였으며, p-값이 통계적 유의성을 나타냈다.
• BOA-SVR 모델은 정확도와 속도의 최적의 균형을 확보했으며, FA-SVR(70.8초)와 ABC-SVR(52.9초)를 포함한 대부분의 경쟁자들보다 계산 시간이 뚜렷이 짧았다.
• BOA-SVR을 통해 마이크로소프트 주식에 대해 최적화된 파라미터는 C = 31.2107, γ = 0.0273, ε = 0.0225였으며, 모든 지표에서 최적의 성능를 달성했다.