earticle

영어

This study aims to cluster the stock price patterns based on 26 technical indicators including daily open price, closing price, low price and high price for the stocks listed in the KOSPI, and to analyze the patterns within each cluster through data visualization. Therefore, when 26 technical indicators are given, our method can make a trading decision by judging the cluster that the current price pattern belongs to. We uses Self Organizing Map with 10 clusters and the total experiment period is 481. In order to visualize the representative pattern for each cluster, we adopt a radar charts. Radar charts that belong to the same group exhibit a very similar form. In addition, to analyze the meaning of the patterns of each cluster, we analyze the movements of stock prices between patterns. As a result, we can find that the stock price rises, falls or crashes after a specific pattern. The data visualization using radar chart and the analysis of each cluster pattern proposed in this study are considered to be a reference for a quantitative stock trading strategy by using machine learning techniques such as artificial neural network.

한국어

본 연구는 KOSPI 시장에 상장된 주식을 대상으로 일별 시가, 종가, 저가, 고가를 포함한 총 26 개의 기술적 지표를 바탕으로 주가 패턴을 클러스터화하고, 데이터 시각화를 통하여 각 패턴의 유형 을 분석하는 것을 목적으로 한다. 따라서 향후 26개의 주가 특성치가 주어졌을 때 현재 주가 패턴이 어떤 클러스터에 속하고 해당 클러스터의 속성이 무엇인지 파악함으로써 주식 매매 의사결정에 도움 을 주고자 한다. 클러스터링의 방법론은 자기조직화지도(Self Organizing Map)를 이용하고 총 실험 기간은 481일의 영업일을 대상으로 한다. 10개의 클러스터 중, 각 클러스터에 평균 약 48일 정도로 분류가 되었으며 각 그룹에 대한 대표적인 결과를 방사형 차트로 시각화한 결과, 동일한 그룹에 속한 방사형 차트는 매우 유사한 형태를 나타냄을 확인할 수 있다. 더불어 각 그룹의 패턴들이 갖는 의미 를 분석하기 위해서 각 패턴의 발생이후 향후 주가의 움직임을 분석한 결과, 특정 패턴 이후에 주가 가 상승, 하락 그리고 급락하는 모습을 발견할 수 있다. 본 연구에서 제안하는 방사형 차트를 활용한 데이터 시각화와 클러스터별 패턴이 갖는 의미 등은 향후 인공신경망과 같은 기계 학습 기법을 이용 하여 정량적인 주식 매매 전략을 취하는데 참고가 되는 연구라 사료된다.