[논문 리뷰] The string prediction models as application to financial forex market

Marian Repasan, Richard Pinčák|arXiv (Cornell University)|2011. 09. 02.

Stock Market Forecasting Methods인용 수 1

한 줄 요약

이 논문은 상관 함수와 닫힌 문자 패턴의 이탈과 같은 끈 이론 개념을 활용하여 외환( forex ) 시장 가격을 예측하기 위해 문자 불변량 기반 예측 모델(PMBSI)을 소개한다. PMBCS 변종은 SVM과 ANN을 능가하며 뚜렷한 연간 수익을 내지만, PMBSI-상관 모델은 예측 효율성이 제한적이다.

ABSTRACT

In this paper we apply a new approach of the string theory to the real financial market. It is direct extension and application of the work [1] into prediction of prices. The models are constructed with an idea of prediction models based on the string invariants (PMBSI). The performance of PMBSI is compared to support vector machines (SVM) and artificial neural networks (ANN) on an artificial and a financial time series. Brief overview of the results and analysis is given. The first model is based on the correlation function as invariant and the second one is an application based on the deviations from the closed string/pattern form (PMBCS). We found the difference between these two approaches. The first model cannot predict the behavior of the forex market with good efficiency in comparison with the second one which is, in addition, able to make relevant profit per year.

연구 동기 및 목표

• 끈 이론의 응용을 금융 시계열 예측에 적용해 보는 것.
• 외환 가격 예측을 위한 두 가지 문자 불변량 기반 모델(PMBSI-상관 및 PMBCS)을 개발하고 평가하는 것.
• PMBSI 모델의 예측 성능을 SVM과 ANN과 같은 기존 방법과 비교하는 것.
• 끈 기반 모델이 실제 금융 시장에서 수익성과 실용 가능성을 확보할 수 있는지 평가하는 것.

제안 방법

• 첫 번째 모델은 문자 불변량으로서 상관 함수를 사용하여 외환 가격 움직임을 예측한다.
• 두 번째 모델인 PMBCS는 닫힌 문자/패턴 형태에서의 이탈을 식별하여 시장 이면과 추세를 탐지한다.
• 두 모델 모두 인공적이고 실제 외환 시계열 데이터를 기반으로 훈련 및 테스트된다.
• 성능은 서포트 벡터 기반 기계학습(SVM)과 인공 신경망(ANN)과 비교하여 평가된다.
• 모델 평가는 예측 정확도와 연간 수익 창출 능력에 기반한다.

실험 결과

연구 질문

• RQ1 끈 이론의 불변량을 외환 시장 행동 예측에 효과적으로 적용할 수 있는가?
• RQ2 상관 함수 기반 PMBSI 모델과 닫힌 문자 패턴 이탈 기반 PMBSI 모델 간의 예측 정확도는 어떻게 비교되는가?
• RQ3 끈 기반 모델은 외환 예측에서 SVM과 ANN과 같은 기존 기계학습 모델을 능가하는가?
• RQ4 PMBCS 모델은 실제 금융 시장에서 일관된 연간 수익을 창출할 수 있는가?

주요 결과

• PMBCS 모델은 관련 연간 수익을 성공적으로 창출하여 실제 시장 적용 가능성에 대한 근거를 제시한다.
• PMBSI-상관 모델은 외환 시장 행동 예측에서 낮은 예측 효율성을 보였다.
• PMBCS 모델은 예측 성능에서 PMBSI-상관 모델을 뚜렷이 앞서간다.
• PMBCS 모델은 테스트된 금융 시계열 데이터에서 SVM과 ANN 모두를 뛰어넘는 결과를 달성한다.
• 이 연구는 두 가지 PMBSI 접근 방식 간의 핵심 차이를 규명하였으며, PMBCS가 금융 예측에 더 효과적임을 확인하였다.
• 결과적으로 패턴 이탈 기반 끈 불변량은 상관 기반 불변량보다 금융 예측에 더 적합하다는 것이 제안된다.