[논문 리뷰] Support Vector Machine Model for Currency Crisis Discrimination

Arindam Chaudhuri|arXiv (Cornell University)|2014. 03. 03.

Stock Market Forecasting Methods참고 문헌 12인용 수 3

한 줄 요약

이 논문은 실세계 경제 데이터를 활용하여 아르헨티나의 환율 위기 예측을 위한 다항식 커널 함수를 사용하는 서포트 벡터 머신(SVM) 모델을 제안한다. 연구는 제3차 및 제4차 다항식 커널이 일반화 성능를 가장 높게 유지함을 입증하며, 작은 데이터 세트로도 정확한 조기 경고 탐지가 가능함을 보여주며, 아르헨티나의 환율 위기 평가에 있어 첫 번째 SVM 기반 접근법을 확립한다.

ABSTRACT

Support Vector Machine (SVM) is powerful classification technique based on the idea of structural risk minimization. Use of kernel function enables curse of dimensionality to be addressed. However, proper kernel function for certain problem is dependent on specific dataset and as such there is no good method on choice of kernel function. In this paper, SVM is used to build empirical models of currency crisis in Argentina. An estimation technique is developed by training model on real life data set which provides reasonably accurate model outputs and helps policy makers to identify situations in which currency crisis may happen. The third and fourth order polynomial kernel is generally best choice to achieve high generalization of classifier performance. SVM has high level of maturity with algorithms that are simple, easy to implement, tolerates curse of dimensionality and good empirical performance. The satisfactory results show that currency crisis situation is properly emulated using only small fraction of database and could be used as an evaluation tool as well as an early warning system. To the best of knowledge this is the first work on SVM approach for currency crisis evaluation of Argentina.

연구 동기 및 목표

• 실제 경제 데이터를 기반으로 아르헨티나의 환율 위기를 탐지할 수 있는 기계학습 모델을 개발하는 것.
• 특히 고차원 데이터 조건에서 SVM의 다양한 커널 함수의 위기 예측 효과성을 평가하는 것.
• 높은 정확도로 위기 전조 신호를 식별함으로써 정책 입안자들을 위한 신뢰할 수 있는 조기 경고 시스템을 구축하는 것.
• 제한된 데이터로도 복잡한 금융 위기를 모델링하는 데서 SVM의 실현 가능성을 입증하는 것.
• 특히 아르헨티나와 같은 신 emerging 시장에서의 환율 위기 탐지에 있어 SVM 적용의 기준을 설정하는 것.

제안 방법

• 연구는 과적합을 줄이기 위해 구조적 리스크 최소화 원리를 기반으로 하는 분류 기법인 서포트 벡터 머신(SVM)을 사용한다.
• 입력 데이터를 고차원 공간으로 변환하기 위해 커널 함수를 적용함으로써 차원의 저주 문제를 완화한다.
• 제3차 및 제4차 다항식 커널이 복잡성과 성능 사이의 최적 균형을 제공함을 실험하여 도출되었다.
• 모델은 아르헨티나의 실제 역사적 경제 데이터를 기반으로 훈련되어 위기 및 비위기 기간을 시뮬레이션한다.
• 일반화 정확도를 사용하여 모델 성능을 평가하며, 임의의 양성 및 음성 결과를 최소화하는 데 중점을 둔다.
• 데이터 감소 전략을 적용하여 전체 데이터셋의 소수의 일부만으로도 신뢰할 수 있는 예측이 가능함을 확인하였다.

실험 결과

연구 질문

• RQ1 SVM에서 아르헨티나의 환율 위기 탐지에 있어 가장 높은 일반화 성능를 제공하는 커널 함수는 무엇인가?
• RQ2 제한된 경제 데이터 세트로 훈련된 기계학습 모델이 환율 위기를 정확하게 예측할 수 있는가?
• RQ3 SVM은 일반적으로 위기 예측에 사용되는 고차원 금융 데이터를 얼마나 효과적으로 처리할 수 있는가?
• RQ4 SVM이 신 emerging 경제에서 환율 위기의 신뢰할 수 있는 조기 경고 시스템으로서 얼마나 유용한가?
• RQ5 이 맥락에서 다항식 커널과 기타 커널 함수 간에 성능 차이가 뚜렷한가?

주요 결과

• 제3차 및 제4차 다항식 커널은 일반화 정확도 측면에서 다른 커널 함수들보다 일관되게 뛰어난 성능을 보였다.
• SVM 모델은 전체 데이터셋의 소수의 일부로도 훈련되었음에도 불구하고 높은 예측 정확도를 달성하여 뛰어난 데이터 효율성을 입증하였다.
• 모델은 고차원 입력 특징에 대해 강건성을 보였으며, 커널 변환을 통해 차원의 저주 문제를 효과적으로 관리하였다.
• 연구는 SVM이 실용적인 정책 입안자들에게 관련성이 있는 신뢰할 수 있고 구현 가능한 효과적인 도구로 자리매김하고 있음을 확인하였다.
• 이 연구는 아르헨티나에서 환율 위기 평가에 있어 SVM을 적용한 첫 사례로서 분야 내 새로운 기준을 설정하였다.
• 결과는 제한된 데이터 자원을 가진 신 emerging 시장에서 특히 SVM이 실현 가능한 환율 위기 조기 경고 시스템으로서 활용될 수 있음을 뒷받침한다.