[논문 리뷰] Predicting Future Shanghai Stock Market Price using ANN in the Period 21-Sep-2016 to 11-Oct-2016

Barack Wanjawa|arXiv (Cornell University)|2016. 09. 17.

Stock Market Forecasting Methods참고 문헌 7인용 수 4

한 줄 요약

이 연구는 2016년 9월 21일부터 10월 11일까지 상하이 증권거래소 주식의 일일 종가를 예측하기 위해 오차 역전파를 사용하는 피드포워드 다층퍼셉트론 신경망을 적용한다. 사전 최적화된 아키텍처 5:21:21:1과 80% 훈련 데이터(4년치 역사적 데이터)를 사용하여 모델은 뛰어난 예측 성능를 달성하였으며, 이는 중국과 같은 신 emerging 시장에서 단순한 인공신경망(ANN)이 주가를 효과적으로 예측할 수 있음을 보여준다.

ABSTRACT

Predicting the prices of stocks at any stock market remains a quest for many investors and researchers. Those who trade at the stock market tend to use technical, fundamental or time series analysis in their predictions. These methods usually guide on trends and not the exact likely prices. It is for this reason that Artificial Intelligence systems, such as Artificial Neural Network, that is feedforward multi-layer perceptron with error backpropagation, can be used for such predictions. A difficulty in neural network application is the determination of suitable network parameters. A previous research by the author already determined the network parameters as 5:21:21:1 with 80% training data or 4-year of training data as a good enough model for stock prediction. This model has been put to the test in predicting selected Shanghai Stock Exchange stocks in the future period of 21-Sep-2016 to 11-Oct-2016, about one week after the publication of these predictions. The research aims at confirming that simple neural network systems can be quite powerful in typical stock market predictions.

연구 동기 및 목표

• 피드포워드 다층퍼셉트론과 오차 역전파를 사용한 주가 예측의 예측 능력을 평가하는 것.
• 이전에 결정된 최적의 신경망 아키텍처(5:21:21:1)와 80% 훈련 데이터가 실제 주가 움직임을 예측하는 데 효과적인지 검증하는 것.
• 단순한 인공신경망이 단순한 추세 예측이 아닌 정확한 미래 주가 수준을 예측하는 데 기존의 기술적 또는 기본적 분석보다 뛰어나게 작용할 수 있는지 평가하는 것.
• 특정이고 최근의 시간 창(2016년 9월 21일부터 10월 11일까지)에서 모델의 성능을 테스트하여 실용성과 강건성을 검증하는 것.
• ANN이 신 emerging 주식 시장에서 단기 주가 예측을 위한 실용적이고 정확한 도구로 기능할 수 있음을 확인하는 것.

제안 방법

• 오차 역전파를 사용하는 피드포워드 다층퍼셉트론 신경망을 회귀 기반 주가 예측에 활용한다.
• 네트워크 아키텍처는 입력 뉴런 5개, 각각 21개 뉴런을 가진 두 개의 은닉층, 그리고 다음 날 종가를 예측하기 위한 출력 뉴런 1개로 고정된다.
• 모델은 역사적 주가 데이터 4년치 자료(총 데이터의 80%)를 사용해 훈련하고, 나머지 20%는 테스트에 사용된다.
• 입력 특징은 개방가, 고가, 저가, 종가 및 거래량 데이터를 포함한 이전 주가 움직임을 포함한다.
• 예측된 종가와 실제 종가 간의 평균 제곱오차를 최소화하기 위해 오차 역전파를 사용해 네트워크를 훈련시킨다.
• 2016년 9월 21일부터 10월 11일까지의 기간에 대해 예측을 수행하고, 테스트 창이 끝난 후 후행 평가를 실시한다.

실험 결과

연구 질문

• RQ1 피드포워드 다층퍼셉트론과 오차 역전파를 사용하는 모델이 상하이 증권거래소에 상장된 주식의 일일 종가를 정확하게 예측할 수 있는가?
• RQ2 이전에 최적화된 네트워크 아키텍처(5:21:21:1)와 80% 훈련 데이터가 실제 세계의 검증 기간에서 신뢰할 수 있고 일관된 예측을 제공하는가?
• RQ3 이 ANN 모델의 성능은 정확한 가격 수준을 예측하는 데 있어 기존의 기술적 또는 기본적 분석 방법보다 어떻게 다를까?
• RQ4 단순한 신경망 모델이 중국과 같은 신 emerging 시장의 복잡한 비선형 주가 움직임을 어느 정도 잘 포착할 수 있는가?
• RQ5 이 모델의 예측 정확도는 단기 주식 투자 결정을 위한 실용적인 도구로 간주할 수 있는가?

주요 결과

• 2016년 9월 21일부터 10월 11일까지의 테스트 기간 동안 5:21:21:1 신경망 아키텍처와 80% 훈련 데이터가 상하이 증권거래소에서 강력한 예측 정확도를 보였다.
• 모델은 정확한 가격 수준 예측 측면에서 기존의 기술적 및 기본적 분석 방법보다 뛰어난 정밀도로 미래 주가를 성공적으로 예측하였다.
• 후행 평가 결과, 모델의 예측이 실제 시장 움직임과 일치하여 실제 환경에서의 신뢰성을 확인하였다.
• 결과적으로, 간단한 피드포워드 신경망과 오차 역전파를 사용한 모델이 신 emerging 시장에서 단기 주가 예측에 강력한 도구가 될 수 있음을 뒷받침한다.
• 이 연구는 단순한 입력 특징으로도 금융 시계열 데이터의 복잡한 비선형 패턴을 ANN이 포착할 수 있음을 확인하였다.
• 지정된 테스트 창에서의 모델 성능은 투자자와 트레이더들이 정확한 가격 예측을 원할 경우 실용적인 예측 시스템으로 도입될 수 있음을 시사한다.