행렬 프로파일을 이용한 금융 시계열 분석 = Matrix Profile as an Exploratory Financial Data Analysis Tool

국문 초록 (Abstract)

행렬 프로파일은 주어진 쿼리에서 가장 가까운 이웃을 찾는 방법인 전체 유사성 검색을 거짓 음성 없이 찾는 방법으로 Yeh et al.(2016)가 제안하였다. 본 논문은 행렬 프로파일을 금융 시계열 자료에 적용해 봄으로써 전체 유사성 검색에 기반한 자료 분석이 어떻게 활용될 수 있는지 살펴보았다. 본 논문은 2019년부터 2021년까지 관찰된 KOSPI 지수 및 실현변동성을 고려하였다. 구체적으로 행렬 프로파일을 통해 얻어진 가장 대표적인 패턴인 모티프를 통해 반복되는 추이를 살펴보았고, 가장 상이한 패턴인 디스코드를 통해 이상점을 파악하였다. 이는 탐색적 자료분석 도구로써 주식 종가에서 나타나는 대표적인 상승세와 하락세와 같은 의미 있는 정보를 제공해주었다. 또한 유사도를 정량화한 측도를 통해서 시계열 자료의 부분 유사도를 파악하고 변곡점을 살펴보았다. 이를 변화점을 찾는 가장 표준적인 방법인 CUSUM을 이용한 결과와 비교해보았다. CAC를 이용한 결과 코로나 위기의 시작 및 백신의 개발로 인한 극복 과정에 대한 시기를 유의미하게 변화점으로 잘 탐지해내었다. 마지막으로, 행렬 프로파일을 이용한 시계열 자료의 군집화를 통해 세계 주가지수와 실현변동성들의 공동화를 살펴볼 수 있었다.

다국어 초록 (Multilingual Abstract)

Matrix profile proposed by Yeh et al. (2016) finds the nearest neighbors at a given query without false negatives, which is also called all-pair-similarity search. In this paper, we examined matrix profile as an exploratory data analysis tool for financial time series. To be more specific, we consider KOSPI index and realized volatility from 2019 to 2021. We analyzed motif to find the most representative pattern of the financial time series, and discord to identify outlying patterns. As an exploratory data analysis tool, it provided meaningful information such as a representative rise and decline in stock closing prices. Also, we conducted semantic segmentation to detect changepoints and locate similar regimes. we compared the results with CUSUM, the most standard method of finding changepoint. As a result of using CAC, the timing of the start of the COVID-19 crisis and the overcoming process due to the development of vaccines was well detected as a significant change. Finally, hierarchical clustering using matrix profile provided meaningful comovement of KOSPI market with US markets.

목차 (Table of Contents)

• 1. 서론 2. 행렬 프로파일 소개 3. 실증 자료 분석 4. 결론 및 논의점 References

참고문헌 (Reference)

1 강인철, "한국과 세계 선진주식시장 변동성의 효율적인 예측방법에 관한 연구" 한국자료분석학회 14 (14): 2125-2138, 2012

2 권수현 ; 박만식, "주기도의 상관성을 이용한 시계열자료의 군집분석" 한국자료분석학회 22 (22): 1751-1766, 2020

3 김부권 ; 최기홍 ; 윤성민, "거시경제변수, 글로벌 경제불확실성, 심리지수가 한국 주식시장의 변동성에 미치는 영향: GARCH-MIDAS 모형을 이용한 분석" 한국자료분석학회 23 (23): 1699-1715, 2021

4 Bischoff, F., "Tsmp: An R Package for Time Series with Matrix Profile"

5 Silva, D. F., "SiMPle: Assessing Music Similarity using Subsequences Joins" 23-29, 2016

6 Zeileis, A., "Package ‘Strucchange’"

7 Ryan, J. A., "Package ‘Quantmod’"

8 Charrad, M., "NbClust: an R package for determining the relevant number of clusters in a data set" 61 : 1-36, 2014

9 Gharghabi, S., "Matrix Profile VIII: Domain Agnostic Online Semantic Segmentation at Superhuman Performance Levels" 117-126, 2017

10 Zhu, Y., "Matrix Profile II: Exploiting a Novel Algorithm and GPUs to Break the One Hundred Million Barrier for Time Series Motifs and Joins" 739-748, 2016

11 Yeh, C. C. M., "Matrix Profile I: All Pairs Similarity Joins for Time Series: A Unifying View that Includes Motifs, Discords and Shapelets" 317-1322, 2016

12 김태혁 ; 박종해 ; 김미란, "KOSPI의 변동성 집중현상 및 비대칭성 분석과 변동성 예측력 비교" 한국자료분석학회 9 (9): 2861-2875, 2007

13 Agrawal, R., "Efficient similarity search in sequence databases" Springer 69-84, 1993

14 Shi, J., "Discovering and Labeling Power System Events in Synchrophasor Data with Matrix Profile" 1827-1832, 2019

15 Lee, T., "Block wild bootstrap-based CUSUM tests robust to high persistence and misspecification" 150 : 106996-, 2020

16 Gharghabi, S., "An ultra-fast time series distance measure to allow data mining in more complex real-world deployments" 34 : 1104-1135, 2020