[논문 리뷰] Stock Market Trend Analysis Using Hidden Markov Models

G. Kavitha, A. Udhayakumar외 1명|arXiv (Cornell University)|2013. 11. 19.

Stock Market Forecasting Methods참고 문헌 13인용 수 6

한 줄 요약

이 논문은 은닉 마르코프 모델(HMM)을 활용해 주식 시장 추세를 분석하는 방법을 제안한다. 일일 가격 변동을 관측치로 모델링하고 은닉된 시장 상태를 추론함으로써, 결과적으로 한 달간의 수익률이 금융 시계열의 추세 예측에 가장 우수한 상태 시퀀스를 제공하는 것으로 나타났다.

ABSTRACT

Price movements of stock market are not totally random. In fact, what drives the financial market and what pattern financial time series follows have long been the interest that attracts economists, mathematicians and most recently computer scientists [17]. This paper gives an idea about the trend analysis of stock market behaviour using Hidden Markov Model (HMM). The trend once followed over a particular period will sure repeat in future. The one day difference in close value of stocks for a certain period is found and its corresponding steady state probability distribution values are determined. The pattern of the stock market behaviour is then decided based on these probability values for a particular time. The goal is to figure out the hidden state sequence given the observation sequence so that the trend can be analyzed using the steady state probability distribution( ) values. Six optimal hidden state sequences are generated and compared. The one day difference in close value when considered is found to give the best optimum state sequence.

연구 동기 및 목표

• 은닉 마르코프 모델(HMM)을 사용해 은닉 상태에 의해 지배되는 확률적 과정으로 주식 시장 행동을 모델링한다.
• 관측된 가격 움직임에서 은닉 상태 시퀀스를 추정함으로써 금융 시계열의 반복 패턴을 식별한다.
• 다양한 관측 시퀀스(예: 한 달 수익률)가 최적의 은닉 상태 시퀀스를 생성하는 데 얼마나 효과적인지 평가한다.
• 정적 상태 확률 분포를 바탕으로 추세 분석에 가장 우수한 성능을 보이는 상태 시퀀스를 규명한다.
• 정량 금융 분야에서 HMM을 활용한 데이터 기반 확률적 프레임워크를 제공함으로써 시장 추세 예측에 기여한다.

제안 방법

• 저자는 은닉된 시장 상태가 관측 가능한 가격 변동에 영향을 주는 것으로 간주하여 주가 움직임을 은닉 마르코프 모델로 모델링한다.
• 은닉된 시장 상태를 추론하기 위해 매일의 종가 차이를 관측 시퀀스로 사용한다.
• 각 은닉 상태에 대해 정적 상태 확률 분포를 계산하여 장기적인 행동 패턴을 특성화한다.
• 모델 평가 기준을 활용해 여섯 가지 다른 은닉 상태 시퀀스를 생성하고 비교한다.
• 일관되고 해석 가능한 시장 추세를 반영할 수 있는 능력을 바탕으로 최적의 시퀀스를 선정한다.
• 표준 HMM 추론 기법, 즉 프론트-백워드 알고리즘과 비터비 디코딩을 활용하여 상태 시퀀스 추정을 수행한다.

실험 결과

연구 질문

• RQ1 은닉 마르코프 모델은 주식 시장 추세의 반복 패턴을 효과적으로 포착하고 예측할 수 있는가?
• RQ2 어느 관측 시퀀스(예: 한 달 가격 차이)가 추세 분석에 가장 정확한 은닉 상태 시퀀스를 제공하는가?
• RQ3 은닉 상태의 정적 상태 확률 분포는 식별 가능한 시장 제도와 어떻게 관련되어 있는가?
• RQ4 여러 개의 생성된 은닉 상태 시퀀스는 시장 행동 모델링에서 비교적으로 어떤 성능을 보이는가?
• RQ5 은닉 마르코프 모델은 확률적 상태 전이를 활용해 금융 시계열의 예측 가능성을 얼마나 향상시킬 수 있는가?

주요 결과

• 종가의 한 달간 차이가 추세 분석에 가장 최적의 은닉 상태 시퀀스를 생성했다.
• 은닉 상태의 정적 상태 확률 분포는 장기적인 시장 행동 패턴을 효과적으로 표현하는 것으로 나타났다.
• 여섯 가지의 구분되는 은닉 상태 시퀀스가 생성되고 평가되었으며, 한 달 수익률 시퀀스가 뛰어난 성능을 보였다.
• HMM 프레임워크는 가격 움직임을 확률적 상태 전이로 모델링함으로써 반복적인 시장 추세를 성공적으로 식별했다.
• 결과적으로 주식 시장 움직임은 순수하게 무작위가 아니며, 배경에 은닉 상태 기반의 역학적 특성이 존재함을 확인했다.
• 연구는 HMM을 활용한 가격 변동의 확률적 모델링을 통해 금융 추세 예측의 가능성을 입증했다.