Research on Stock price prediction system based on BLSTM

국문 초록 (Abstract)

4차산업혁명의 핵심인 인공지능 기술은 인간의 능력을 뛰어넘어 주식예측에도 적용하고 있으면 예측이 불가능 한 것을 딥러닝 기법과 머신러닝을 통하여 지능화된 판단을 내리고 있는 실정이다. 미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다. 본 연구에서는 BLSTM을 이용하여 기존의 LSTM방식의 단방향 예측에서 발생하는 오류를 줄이고, 양방향으로 예측하여 예측에 대한 오류를 줄이고, 주식 가격에 영향을 미치는 거시 지표, 즉 경제성장률, 경제지표, 이자율, 무역수지, 환율, 통화량을 분 석한다. 거시 지표 분석 후에 개별 주식에 대한 PBR, BPS, ROE 예측과 가장 주식 가격에 영향을 미치는 외국인, 기관, 연기금 등 매수와 매도 물량을 분석하여 주식의 목표주가를 정확히 예측하여 주식 투자에 도움을 주기 위해 본 연구를 수행했다.

다국어 초록 (Multilingual Abstract)

Artificial intelligence technology, which is the core of the 4th industrial revolution, is making intelligent judgments through deep learning techniques and machine learning that it is impossible to predict if it is applied to stock prediction beyond human capabilities. In US fund management companies, artificial intelligence is replacing the role of stock market analyst, and research in this field is actively underway. In this study, we use BLSTM to reduce errors that occur in unidirectional prediction of the existing LSTM method, reduce errors in predictions by predicting in both directions, and macroscopic indicators that affect stock prices, namely, economic growth rate, economic indicators, interest rate, analyze the trade balance, exchange rate, and volume of currency. To help stock investment by accurately predicting the target price of stocks by analyzing the PBR, BPS, and ROE of individual stocks after analyzing macro-indicators, and by analyzing the purchase and sale quantities of foreigners, institutions, pension funds, etc., which have the most influence on stock prices.

목차 (Table of Contents)

• Abstract
• 요약
• 1. Introduction
• 2. BLSTM(Bidirectional Long-Short Term Memory)
• 2.1 Problems in Long Term Dependency
• 3. BLSTM Overview
• 3.1 Major Factors to Affect on Stock Price
• 3.2 BLSTM Test Environments
• 3.3 BLSTM Prediction Results
• 4. Conclusion and Evaluation
• REFERENCES