[논문 리뷰] How do the naive Bayes classifier and the Support Vector Machine compare in their ability to forecast the Stock Exchange of Thailand?

Napas Udomsak|arXiv (Cornell University)|2015. 11. 29.

Stock Market Forecasting Methods참고 문헌 12인용 수 5

한 줄 요약

이 연구는 2010년 1월 데이터를 활용하여 태국 주식거래소(SET)의 주가를 예측하기 위해 나이브 베이즈 분류기와 서포트 벡터 머신(SVM)을 비교한다. Weka 3를 사용하여 SET100 지수 특징으로 훈련된 나이브 베이즈 모델이 예측 정확도에서 SVM을 앞섰지만, 시장의 복잡성으로 인해 두 모델 모두 전반적인 예측 능력이 제한적이었다.

ABSTRACT

This essay investigates the question of how the naive Bayes classifier and the support vector machine compare in their ability to forecast the Stock Exchange of Thailand. The theory behind the SVM and the naive Bayes classifier is explored. The algorithms are trained using data from the month of January 2010, extracted from the MarketWatch.com website. Input features are selected based on previous studies of the SET100 Index. The Weka 3 software is used to create models from the labeled training data. Mean squared error and proportion of correctly classified instances, and a number of other error measurements are the used to compare the two algorithms. This essay shows that these two algorithms are currently not advanced enough to accurately model the stock exchange. Nevertheless, the naive Bayes is better than the support vector machine at predicting the Stock Exchange of Thailand.

연구 동기 및 목표

• 태국 주식거래소에 대한 나이브 베이즈 및 서포트 벡터 머신 분류기의 예측 성능을 평가하고 비교하기.
• 실제 금융 데이터를 바탕으로 이러한 기계학습 모델이 주가 움직임을 효과적으로 예측할 수 있는지 평가하기.
• 신흥 주식시장 지수의 맥락에서 더 높은 분류 정확도와 낮은 오차율을 제공하는 알고리즘 파악하기.
• 伝통적인 기계학습 모델이 주가 시장 행동의 비선형 역학을 포착하는 데에 한계를 보이는지 검토하기.

제안 방법

• 2010년 1월 SET100 지수의 데이터는 지정된 웹사이트에서 수집되었다.
• 이전 SET100 지수 행동 연구를 바탕으로 입력 특징이 선정되었다.
• 라벨이 부여된 훈련 데이터를 사용하여 Weka 3 기계학습 플랫폼에서 모델을 훈련시켰다.
• 평균 제곱오차, 정확히 분류된 인스턴스 비율 및 기타 표준 오차 지표를 사용하여 성능을 평가했다.
• 나이브 베이즈 및 SVM 알고리즘이 동일한 데이터 및 평가 조건에서 구현되고 비교되었다.
• 시장 움직임 방향성 예측에서 상대적 모델 효과성을 판단하기 위해 통계적 비교가 수행되었다.

실험 결과

연구 질문

• RQ1 나이브 베이즈 분류기와 서포트 벡터 머신은 태국 주식거래소의 일일 방향성을 예측하는 데 어떻게 성능을 보이는가?
• RQ2 어느 모델이 SET 움직임 예측에서 더 높은 분류 정확도와 낮은 오차율을 달성하는가?
• RQ3 이러한 기계학습 모델은 태국과 같은 신흥 시장의 주가 시장 역학의 복잡성을 어느 정도 포착할 수 있는가?
• RQ4 평균 제곱오차 또는 분류 정확도와 같은 오차 측정 기준에 따라 모델 성능에 체계적인 차이가 존재하는가?

주요 결과

• 나이브 베이즈 분류기가 태국 주식거래소의 방향성 예측에서 서포트 벡터 머신보다 뛰어난 성능을 보였다.
• 두 모델 모두 전반적인 예측 정확도가 제한적이었으며, 이는 현재 구현된 모델이 신뢰할 수 있는 시장 예측에 부적합하다는 것을 시사한다.
• 정확히 분류된 인스턴스 비율이 나이브 베이즈 모델에서 더 높아 예측 안정성이 뛰어나다는 것을 시사한다.
• 나이브 베이즈 분류기의 평균 제곱오차 값이 낮아 데이터셋에서 더 강한 성능을 보였음을 뒷받침한다.
• 이론적 강점이 있음에도 불구하고, 양측 알고리즘이 SET 데이터에서 강력한 예측 능력을 확보하지 못했다.
• 연구는 효과적인 주식시장 예측을 위해 향후 모델 개선 또는 다른 접근 방식이 필요하다고 결론 내린다.