서열 정렬 알고리즘을 이용한 주가 패턴 탐색 시스템 개발 = Developing Stock Pattern Searching System using Sequence Alignment Algorithm

국문 초록 (Abstract)

시계열 데이터에서 패턴을 분석하는 기법은 많은 발전이 이루어져 오고 있다. 그러나 주식시장의 경우 시계열 데이터임에도 불구하고 패턴 분석 및 예측은 많은 연구가 이루어지지 않고 있으며 예측도가 매우 낮다. 그 이유는 주가의 등락 자체가 본질적으로 무작위하다고 하면 어떠한 과학적 방법으로도그 예측은 불가능하다. 본 연구에서는 주가의 등락이 보여주는 무작위성의 정도를 Kolmogorov 복잡도를 이용해 측정하여 그 무작위의 정도와 본 논문에서 제시한 반 전역정렬(semiglobal alignment)로 예측할 수 있는 주가의 예측의 정확간의 깊은 상관관계가 있음을 보인다. 이를 위해서 주가지수의 등락을 양자화된 문자열로 변환하고 그 문자열의 Kolmogorov 복잡도를 이용해 주가 변동의 무작위성을 측정하였다. 우리는 KOSPI 주식 데이터 28년 690개의 데이터를 수집하여 이를 실험용 데이터로 사용하여 본 논문에서 제시한 방법의 의미를 평가하였다. 그 결과 Kolmogorov 복잡도가 높은 경우에는 변동 예측이 어려우며, Kolmogorov 복잡도가 낮은 경우에는 주식 변동 예측은 가능하나 3종류의 예측율에 대해서 투자자들이 관심이 많은 등락 예측율은 단기 예측은 12% 이상의 예측율을 보일 수 없으며, 장기 예측의 경우 54%의 예측율로 수렴함을 확인하였다.

다국어 초록 (Multilingual Abstract)

There are many methods for analyzing patterns in time series data. Although stock data represents a time series, there are few studies on stock pattern analysis and prediction. Since people believe that stock price changes randomly we cannot predict stock prices using a scientific method.
In this paper, we measured the degree of the randomness of stock prices using Kolmogorov complexity, and we showed that there is a strong correlation between the degree and the accuracy of stock price prediction using our semi-global alignment method. We transformed the stock price data to quantized string sequences. Then we measured randomness of stock prices using Kolmogorov complexity of the string sequences. We use KOSPI 690 stock data during 28 years for our experiments and to evaluate our methodology. When a high Kolmogorov complexity, the stock price cannot be predicted, when a low complexity, the stock price can be predicted, but the prediction ratio of stock price changes of interest to investors, is 12% prediction ratio for short-term predictions and a 54% prediction ratio for long-term predictions.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 서열 정렬을 이용한 주가 예측 시스템 개발
• 4. 실험 및 결과 분석
• 5. 결론 및 향후 연구 과제
• 참고문헌

참고문헌 (Reference)

1 Michael J. Wise, "YAP3: Improved detection of similarities in computer program and other texts" 28 : 1996

2 Z. R. Struzik, "Wavelet Methods in (Financial) Time-series Processing" 296 (296): 307-319, 2001

3 Gyozo Gidofalvi, "Using news articles to predict stock price movements"

4 Mehmet M. Dalkilic, "Using compression to identify classes of inauthentic texts" 604-608, 2006

5 Ming Li, "The similarity metric" 863-872, 2003

6 Gilmore Claire G, "The dynamics of central european equity market comovements" 48 (48): 605-622, 2008

7 Eugene F. Fama, "The behavior of stock-market prices" 38 (38): 34-105, 1965

8 H. Y. Kim, "The Study of the Financial Index Prediction Using the Equalized Multi-layer Arithmetic Neural Network" 8 (8): 113-123, 2003

9 Richi Nayak, "Temporal pattern matching for the prediction of stock prices" 2007

10 David Gitchell, "Sim: a utility for detecting similarity in computer programs" 266-270, 1999

11 Bartolozzi M, "Self-organized criticality and stock market dynamics: an empirical study" 350 (350): 451-465, 2005

12 Narayanan Shivakumar, "SCAM: A copy detection mechanism for digital documents" 1995

13 Geoff Whale, "Plague user manual(release1.2)"

14 Sven Meyer zu Eissen, "Intrinsic plagiarism detection" Springer 3936 : 565-569, 2006

15 Andrew T.Kwon, "Inference of transcriptional regulation relationships from gene expression data" 19 (19): 905-912, 2003

16 T. F. Smith, "Identification of common molecular subsequences" 147 (147): 195-197, 1981

17 K. S. Cho, "Expert System for Predicting the Stock Market Timing Using Candlesticks Chart" 3 (3): 57-70, 1997

18 Eugene F Fama, "Efficient capital markets: A review of theory and empirical work" 25 (25): 383-417, 1970

19 "CloneChecker : A Software Plagiarism Detector"

20 Lin W, "An overview of temporal data mining" 83-83, 2002

21 Harry Eugene Stanley Rosario Nunzio Mantegna, "An introduction to econophysics" Cambridge University Press 2000