[논문 리뷰] Wisdom of Crowds Algorithm for Stock Market Predictions

Marko Velić, Toni Gržinić외 1명|arXiv (Cornell University)|2013. 06. 21.

Recommender Systems and Techniques참고 문헌 5인용 수 8

한 줄 요약

이 논문은 '다수의 지혜' 원리에 영감을 받아 개인 투자자의 예측을 집계하여 주식 시장 움직임을 예측하는 협업 필터링 알고리즘을 제안한다. 개별 예측의 가중 순위와 백분위수 점수를 사용하여 주식 등급을 산정하며, 초도 결과로 상위 등급 주식이 연간 최대 238.83% 수익을 기록하여 시장 수익률을 압도했다.

ABSTRACT

In this paper we present a mathematical model for collaborative filtering implementation in stock market predictions. In popular literature collaborative filtering, also known as Wisdom of Crowds, assumes that group has a greater knowledge than the individual while each individual can improve group's performance by its specific information input. There are commercially available tools for collaborative stock market predictions and patent protected web-based software solutions. Mathematics that lies behind those algorithms is not disclosed in the literature, so the presented model and algorithmic implementation are the main contributions of this work.

연구 동기 및 목표

• 다수의 지혜 원리에 영감을 받아 투명하고 수학적으로 기반을 둔 협업 필터링 모델을 개발하여 주식 시장 예측을 수행한다.
• 일반적으로 특허 보호되고 투명하지 않은 상업적 주식 등급 시스템의 알고리즘 공개 부족 문제를 해결한다.
• 지속적인 피드백과 성능 모니터링을 통해 변화하는 시장 동적 변화에 적응하는 자기 수정 시스템을 설계한다.
• 시간 지연 점수 계산과 임계값 기반 검증 규칙을 통해 군중 심리와 조작 위험을 완화한다.
• 알고리즘 거래 전략의 신호로 집단 예측을 사용할 수 있는지의 가능성을 탐색한다.

제안 방법

• 시스템은 개인 투자자들이 주가 움직임(상승/하락)에 대해 예측하는 정보를 수집하고, 정확도와 시기적합성에 따라 점수를 부여한다.
• 주식 점수는 양성 예측 수를 총 예측 수로 나누어 정규화한 백분위수 순위 체계를 사용하여 계산된다.
• 수식 (22)는 최종 주식 점수 $\theta_i = \frac{\sum_{i}^{|RO|} y_{ROi}}{\sum_{RATINGS}} $ 를 계산하며, 여기서 $ y_{ROi} $ 는 확인된 양성 예측을 나타낸다.
• 백분위수 순위는 $ y_{\Theta i} = \frac{i}{|\Theta|} \times 100 $ 를 사용하여 $ \theta_i $ 값에 기반해 주식에 할당되며, 상대적 성과 비교를 보장한다.
• 공정성 메커니즘으로는 활성 예측, 플레이어 순위, 예측 완성도에 대한 최소 기준치를 포함하여 조작을 방지한다.
• 지연된 데이터와 시간 기반 점수 계산을 통해 군중 심리와 모방 행동의 위험을 줄이며, 모방자가 상위 성과자를 즉각 복제하지 못하도록 보장한다.

실험 결과

연구 질문

• RQ1 집단 투자자 예측에 기반한 협업 필터링 시스템이 개인 예측보다 더 정확한 주식 시장 예측을 생성할 수 있는가?
• RQ2 특허 보호된 내부 수학적 구조에 접근할 수 없는 비공개 알고리즘으로도 전문 주식 평가 시스템의 성능을 재현할 수 있는가?
• RQ3 피드백 메커니즘과 성과 기반 가중치 부여가 집단 예측에서 군중 심리와 조작의 영향을 어느 정도 줄일 수 있는가?
• RQ4 시장 변화와 알고리즘 피드백 루프가 존재하더라도, 시스템의 자기 수정 성격이 예측 정확도를 장기간 유지를 할 수 있는가?
• RQ5 이러한 시스템의 출력 결과가 장·단기 포osition을 포함한 알고리즘 거래 전략의 신호로 실현 가능할 수 있는가?

주요 결과

• 시스템의 상위 10개 주식은 최대 연간 수익률 238.83%를 기록하여 관찰 기간 동안 시장 평균을 크게 초월했다.
• 95.83% 이상 순위를 기록한 주식들(예: VDKT-R-A)은 강력한 연간 수익률을 기록했으며, 한 주식은 12개월 동안 238.83% 수익률을 기록했다.
• LPLH-R-A(−51.68%)처럼 연간 수익률이 음수였던 주식들조차도 시스템이 저성과 주식으로 정확히 식별하여, 예측 민감도가 높음을 보였다.
• 시스템은 운영 6개월 후 47명의 활성 플레이어와 총 667개의 예측, 130개 주식을 대상으로 초기 가용성을 입증했다.
• 예측 완성도와 최소 순위 기준치를 포함한 시스템의 공정성 메커니즘은 조작 위험 감소에 효과가 있음을 보였다.
• 냉각기 단계에도 불구하고 백분위수 기반 점수와 시간 지연 피드백이 군중 심리와 군중 행동을 완화하는 데 잠재력을 보였다.