This paper proposes a statistical learning-based prediction system which predicts the variation of Korea Composite Stock Price Index (KOSPI). The proposed system is based on the idea of technical analysis. A simple machine learning algorithm using two-dimensional matrix is used as an underlying technique.
In the learning stage, Two Index-Volume Pair Appearance (IVPA) matrices are constructed with instances of peaks and bottoms, respectively. The Market Combination Appearance Probability (MCAP) matrix is also constructed by those two IVPA matrices. When the data of a certain day is given, the system can yield the peak probability using the MCAP matrix. By considering the peak probability, investors may have some decisional supports.
In the experiments, KOSPI data from 1998 to 2003 is used as training set, and data from 2004 to 2007 is used as test set. The system shows some positive performances, especially for bottom predictions. Although more improvements are needed, the proposed system may be useful for investment of derivatives.
본 논문은 한국종합주가지수 (KOSPI) 의 변동에 대한 확률적 학습 기반의 예측 시스템을 제안한다. 제안된 시스템은 기술적 증권 분석의 전제와 아이디어에 기반하고 있다. 기본적으로 주가 지수의 변동에 영향을 끼치는 외부적 요인들은 이미 지수 자체와 투자자들의 행동을 나타내는 거래량에 모두 반영되어 있으며, 그러한 지수와 거래량에서 특정 패턴을 찾아낼 수 있다면 미래의 주가지수 변화 예측에도 적용할 수 있다고 가정한다.
2차원 행렬을 이용한 간단한 학습 알고리즘이 제안된 시스템의 근간을 이룬다. 학습 단계에서 2개의 Index-Volume Pair Appearance (IVPA) 행렬이 각각 고점과 저점 자료를 이용하여 구축되고, 이를 기반으로 Market Combination Appearance Probability (MCAP) 행렬이 구축된다. 특정일의 데이터가 주어지면, 시스템은 MCAP 행렬을 이용하여 고점 확률을 산출할 수 있다. 투자자들은 이 고점 확률을 이용하여 의사 결정에 도움이 되는 정보를 얻을 수 있다.
1998년부터 2003년까지의 KOSPI 데이터를 학습 집단, 2004년부터 2007년까지의 데이터를 검증 집단으로 이용하여 실험한 결과, 긍정적인 결과들이 도출되었다. 특히 저점 확률에 있어서는 제안된 시스템이 상당한 정확도를 보인다. 향후 추가적인 고도화 작업이 필요하지만, 제안된 시스템은 파생상품 투자 등에서 유용하게 쓰일 수 있을 것이다.
