양방향 순환신경망을 이용한 주식 가격 예측 모형 연구

국문 초록 (Abstract)

본 논문에서는 시계열 데이터인 과거의 주식 가격과 거래량 등의 관계를 기계학습을 통해 분석하여 미래의 주식 가격을 예측하는 하나의 모형을 연구하였다.
기존에는 시간에 따른 변동성을 가지고 있는 시계열 데이터를 통계적인 시계열 분석 방법으로 주식 가격을 예측을 하였으나 본 논문에서는 다차원 공간에서 복잡한 비선형 분류가 가능한 기계학습을 주식 가격 예측 모형으로 사용하였다. 기계학습의 일반신경망에 과거의 주식 가격 정보를 시계열 개념이 추가된 은닉계층에 기억시켜 학습되는 순환신경망과 기울기 소멸문제를 해결하기 위해 그 내부에 메모리를 가진 LSTM을 사용하였다. 또한 순환신경망은 입력 순서대로 처리하기 때문에 주로 직전 변화 패턴만을 보는 한계가 있다. 이러한 한계를 해결하기 위해서 순환신경망의 역방향에 은닉계층이 추가되는 양방향 순환신경망을 이용하였다.
본 논문에서는 시계열 데이터인 주식 가격의 예측에 적합한 신경망 알고리즘 모형으로 LSTM 셀을 적용한 양방향 순환신경망을 이용하여 주식 가격을 예측하는 모형을 제시하였다. 신경망의 네트워크 전체적인 구조는 주식의 일자별 시가, 고가, 저가, 종가, 거래량 등을 입력계층에 사용하였으며 LSTM 셀로 구성된 양방향 순환신경망 은닉계층과 주식 가격 예측을 위한 출력계층으로 구성하였다.
실험은 제시된 주식 가격 예측 모형을 텐서플로우를 이용하여 기계학습을 하였다. 주식 가격 예측의 성능을 평가하기 위하여 실제의 주식 가격과 예측된 주식 가격 간의 평균 제곱근 오차를 구하였다. 그 결과 단방향 순환신경망보다, 양방향 순환신경망을 이용한 주식 가격 예측 모형이 평균 제곱근 오차가 더 작게 발생되어 주식 가격 예측 정확성이 향상되었다.

목차 (Table of Contents)

• 국문초록 ⅵ
• I. 서론 1
• II. 관련 연구 3
• 1. 시계열 데이터 분석 3
• 1) 정의 3
• 2) 시계열 데이터의 성분 3
• 3) 무작위 과정 4
• 4) 정상 시계열 4
• 5) 평균회귀 모형 6
• 6) 조건부 이분산성 일반화 모형 7
• 2. 기계학습 연구 8
• 1) 퍼셉트론 9
• 2) 신경망 12
• III. 주식 가격 예측 모형 25
• 1. 순환신경망 25
• 1) 순환신경망의 기본 구조 25
• 2) 학습 알고리즘 27
• 3) 장기 의존성 문제 31
• 2. LSTM 순환신경망 33
• 1) 기본개념 33
• 2) LSTM 네트워크 34
• 3. 양방향 순환신경망 39
• 4. 제시 모형과 관련한 내용 43
• IV. 실험 및 성능 평가 44
• 1. 실험 환경 44
• 2. 성능평가 44
• V. 결론 60
• 참고문헌 61
• Abstract 63