Financial big data has been studied by various data analytical models with the reason that the research results can be directly linked to profits of an investor. However, many researches are faced with Random Walk Dilemma and unable to derive meaningful value from data. This paper is mainly focused on methodologies for predicting directions of KOSPI market with the existence of dilemma and going to show results and its meanings from various models. As a result, a model which is generally known as relevant predicting method for time-series data, LSTM performs best in terms of predicting performance. Therefore, within KOSPI market, a non-linear model, which reflects changing importance of features of input data should be the best model for prediction.
금융 빅데이터는 그 분석의 가치가 수익으로 직결 될 수 있다는 이유로 다양한 데이터 분석 모델의 대상이 되고 있다. 그럼에도 불구하고 임의 보행 딜레마로 인해 데이터에서 충분한 가치를 도출해내지 못하는 경우가 있다. 본 논문에서는 국내 종합주가지수(KOSPI)에서 이러한 딜레마 에서도 효과적인 방향성 예측을 할 수 있는 방법론과 그에 따른 모형 간의 성과를 비교하였다. 그 결과 시계열 자료 예측에 적합하며 모형 중 가장 복잡한 장단기 기억 순환 신경망의 예측 성과가 가장 우월한 것으로 나타났다. 따라서 국내 시장에 있어 금융시계열 예측에는 비선형 모형 중 입력 자료 특성의 중요도 변화를 반영하는 모형이 가장 예측에 적합하다고 볼 수 있다.