컴퓨터공학과 머신러닝 연구실의 서강현 (석/박통합과정 및 제1저자)와 교신저자인 양지훈 (지도교수)가 작성한 ‘Exploring Candlesticks and Multi-Time Windows for Forecasting Stock-Index Movements’ 제목의 논문이 BK21 플러스 사업 Computer Science 분야 우수국제학술대회 리스트에 보정 IF=1로 등재된 ACM/SIGAPP Symposium On Applied Computing (SAC) - Machine Learning and Its Applications Track에 게재가 확정되었다.

▲ (왼쪽부터) 서강현 (석/박통합과정생)과 양지훈 (지도교수)

해당 연구의 목적은 종합주가지수 (stock-index)의 종가를 전날 대비 올랐는지 내렸는지를 이진분류 (binary classification)을 통해 예측하는 것이며, 제안한 모델의 이름은 ‘Combined Time View TabNet (CTV-TabNet)’이다.

 

CTV-TabNet은 구글(Google)이 2019년에 발표한 ‘TabNet: Attentive Interpretable Tabular Learning’을 응용하여 각 캔들 스틱 차트 (candlestick chart) 모양의 특징을 학습한 다음 시계열 데이터 학습에 높은 성능을 보이는 GRU을 사용하여 다양한 길이의 입력 데이터들을 학습하였다. 이 후 입력 데이터의 길이에 따라 미시적인 관점과 거시적인 관점으로 나누어 신경망 (Neural Network)을 사용하여 두 관점을 하나로 합하여 최종적인 예측 결과를 도출하였다.

 

GRU에서 입력 데이터를 다양하게 나눈 이유는 주가의 움직임은 지속적으로 여러 모멘텀 (momentum)에 의해 영향을 받기 때문에 이러한 모멘텀을 다양하게 반영하기 위함이다.

 

CTV-TabNet은 20개의 종합주가지수 데이터 셋에서 비교되는 모델보다 높은 수준의 예측 정확도를 보였을 뿐만 아니라 선물거래 시뮬레이션 (futures trading simulation)에서도 비교 모델보다 높은 수준의 수익률을 보여주었다.

 

ACM/SIGAPP SAC 컨퍼런스는 다양한 컴퓨팅 분야를 위한 저명한 국제학술대회이다. 본 학회는 내년 에스토니아의 탈린에서 3월 27일부터 31일까지 진행될 예정이다.

 

SAC 2023 링크: https://www.sigapp.org/sac/sac2023/index.html