딥러닝 앙상블을 이용한 주가예측 = Stock Price Prediction Using Deep Learning Ensemble

다국어 초록 (Multilingual Abstract)

Recently, there have been research efforts on predicting stock price using deep learning, but little attention has been paid so far to ensemble methods, which combines different deep learning models. Deep learning models include Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), and Recurrent Neural Network (RNN). In this paper, we propose a stacking-based ensemble model where a deep learning model combines predictions of three different deep learning models (MLP, CNN, and RNN). We use MLP as the second level model. The experimental results using 18 stock items among KOSPI top 30 items show that the proposed method improves the mean absolute percentage error (MAPE) from 8.74%, which is the MAPE of the state-of-the-art method, to 3.35%.

국문 초록 (Abstract)

최근 딥러닝(Deep Learning)을 이용한 주가예측이 활발하게 연구되고 있으나, 서로 다른 딥러닝 모델들을 결합하는 앙상블(Ensemble) 방법에 대한 연구는 초기 단계이다. 딥러닝 모델에는 Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN)이 있다. 본 논문에서는 세 가지 딥러닝 모델(MLP, CNN, RNN)이 예측한 결과를 결합하고 MLP를 사용하여 다시 학습하는 스태킹(Stacking) 기반의 앙상블 모델을 사용하여 주가를 예측한다. KOSPI 상위 30 종목 중 18개 종목을 이용하여 실험한 결과, 제안한 방법이 기존 방법에 비해 절대평균백분율오차(MAPE)가 8.74%에서 3.35%로 감소하였다.

참고문헌 (Reference)

1 이대호, "환율과 주가간의 인과관계 분석" 25 (25): 151-168, 2000

2 "텐서플로우"

3 김원걸, "인공지능과 핀테크" 14 (14): 23-28, 2016

4 주일택, "양방향 LSTM 순환신경망 기반 주가예측모델" 한국정보전자통신기술학회 11 (11): 204-208, 2018

5 "야후파이낸스"

6 송대섭, "앙상블 딥러닝을 이용한 KOSPI 지수 등락 예측" 단국대 2015

7 "세종기업데이터"

8 이지훈, "딥러닝을 이용한 주가예측 모델" 숭실대 2016

9 김명직, "금융시계열분석, 제2판" 경문사 2003

10 D. H. Wolpert, "Stacked Generalization" 5 (5): 241-259, 1992

11 A. Graves, "Speech Recognition with Deep Recurrent Neural Networks" 6645-6649, 2013

12 신동하, "RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델" 한국정보기술학회 15 (15): 9-16, 2017

13 LeCun Y., "Object Recognition with Gradient-Based Learning" 1681 : 319-345, 1999

14 S. Hochreiter, "Long Short-Term Memory" 9 (9): 1735-1780, 1997

15 J. Han, "Data Mining Concepts and Techniques" Morgan Kauffman 2001

16 Gardner M. W., "Artificial Neural Networks (the Multilayer Perceptron) - A Review of Applications in the Atmospheric Sciences" 32 (32): 2627-2636, 1998

17 D. H. Wolpert, "An Efficient Method to Estimate Bagging's Generalization Error" 35 (35): 41-55, 1999

18 Kingma D. P., "Adam: A Method for Stochastic Optimization"