Deep Learning Model for Prediction Rate Improvement of Stock Price Using RNN and LSTM
Dong-Ha Shin, Kwang-Ho Choi, Chang-Bok Kim · The Journal of Korean Institute of Information Technology · 2017
최근 딥러닝을 이용한 주가예측은 기본적으로 보조지표를 예측요소로 사용하고 있으나, 보조지표는 분석가의 주관적인 관점이기 때문에, 예측요소에 대한 적합여부에 대한 검토가 필요하다. 본 연구는 R의 신경망 패키지를 통해, 기존의 보조지표에 대해서 다양한 조합으로 예측요소 적합여부를 검토하고, 예측율 향상을 위해 최적의 보조지표 조합과 환율, 환율 이동평균, 전산업생산지수 등 환경 예측요소들에 대해서 연구하였다. 또한, 추출된 예측요소를 입출력 패턴으로 DNN, RNN, LSTM 등의 딥러닝 모델을 제안하였다. 연구결과 대부분의 보조지표는 예측율을 저하하는 현상이 있었으며, 추가 환경 예측요소를 통해, 예측율이 향상되었다. 또한, DNN에 비해 시계열 딥러닝 네트워크인 RNN과 LSTM이 빠르고 안정적으로 학습하였으며, 종목별로 차이는 있으나 대략 15% 정도의 예측율 향상을 보였다.